Inflearn brand logo image
Inflearn brand logo image
Inflearn brand logo image
Data Science

/

Data Analysis

Cơ sở khoa học dữ liệu với các kỹ sư ở Thung lũng Silicon

Cách đọc thế giới bằng dữ liệu: Khám phá khoa học dữ liệu riêng của bạn! Khám phá sâu sắc và thực tế các công cụ và kỹ thuật cốt lõi của khoa học dữ liệu hiện đại. Đặc biệt, bạn sẽ học cách phân tích dữ liệu và triển khai thuật toán bằng Anaconda, Numpy, Pandas và Scikit-learn, những yếu tố cần thiết của khoa học dữ liệu.

(5.0) 5 đánh giá

120 học viên

  • altoformula
이론 실습 모두
파이썬데이터
데이터프레임
Pandas
Scikit-Learn
Numpy
Algorithm

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

  • Học Scikit

  • Pandas (Pan-đa)

  • khoa học dữ liệu

Khoa học dữ liệu nắm bắt cả lý thuyết và thực hành,
Từ kiến ​​thức cơ bản đến phân tích + học máy!

Khoa học dữ liệu có khó không?

Anaconda, NumPy, Pandas, Scikit-learn

✅ Sinh viên quan tâm đến khoa học dữ liệu
✅ Bất kỳ ai muốn tìm hiểu những kiến ​​thức cơ bản về khoa học dữ liệu!

Tìm hiểu cách phân tích dữ liệu và triển khai thuật toán bằng Anaconda, Numpy, Pandas và Scikit-Learn , những thành phần thiết yếu của khoa học dữ liệu .

Từ cơ bản đến kỹ thuật nâng cao

  • Người mới bắt đầu chưa hiểu rõ về các khái niệm và công cụ cơ bản của khoa học dữ liệu có thể học một cách có hệ thống.
  • Bạn có thể tiếp thu kiến ​​thức từ cơ bản đến nâng cao từng bước trong khi học cách sử dụng các công cụ thiết yếu như Anaconda, Numpy, Pandas và Scikit-learn.

Giải quyết những khó khăn trong ứng dụng thực tế

  • Chúng tôi cung cấp các nghiên cứu tình huống thực tế và chương trình học theo dự án cho những người gặp khó khăn khi áp dụng mô hình phân tích dữ liệu hoặc học máy vào công việc thực tế.
  • Bạn có thể học các kỹ năng khoa học dữ liệu có thể áp dụng ngay vào thực tế.

Xử lý và phân tích dữ liệu phức tạp cũng ổn

  • Chúng tôi dạy bạn cách xử lý và phân tích hiệu quả lượng dữ liệu lớn.
  • Bạn có thể học các kỹ thuật xử lý, phân tích và trực quan hóa dữ liệu thông qua Numpy và Pandas.

Nhiều mô hình học máy được xây dựng trực tiếp

  • Tìm hiểu cách xây dựng và tối ưu hóa nhiều mô hình máy học khác nhau bằng Scikit-learn.
  • Điều này đặc biệt hữu ích nếu bạn đang gặp khó khăn trong việc hiểu và phát triển các thuật toán học máy một mình.

Điểm mạnh chính của khóa học này

Chúng tôi bắt đầu bằng cách thiết lập môi trường Anaconda và sau đó hướng dẫn sử dụng Numpy và Pandas, đây là nền tảng của xử lý và phân tích dữ liệu.

Điều này sẽ cho phép bạn xử lý hiệu quả các tập dữ liệu lớn và trở nên thành thạo trong quá trình xử lý và chuyển đổi dữ liệu.

Chúng ta cũng sẽ học cách triển khai các thuật toán học máy bằng Scikit-learn thông qua đào tạo thực hành .

Trau dồi kinh nghiệm xây dựng nhiều mô hình học máy khác nhau và áp dụng chúng vào các tập dữ liệu thực tế để rút ra hiểu biết sâu sắc!

Giới thiệu và cài đặt Anaconda

Hiểu về cấu trúc dữ liệu Pandas

Làm quen với Scikit-Learn

Lý thuyết từng bước, thực hành phải rõ ràng!

💡 Khóa học này kết hợp lý thuyết và thực hành, trong đó mỗi học phần đều có các nghiên cứu tình huống thực tế và dự án được thiết kế để giúp bạn phát triển các kỹ năng có thể áp dụng ngay tại nơi làm việc. Khóa học này sẽ là điểm khởi đầu tuyệt vời cho hành trình của bạn vào thế giới khoa học dữ liệu.


Người chia sẻ kiến ​​thức cho khóa học này

Chúng tôi sẽ truyền đạt bí quyết của các kỹ sư hiện tại ở Thung lũng Silicon !
Tôi hiện là kỹ sư phần mềm, người điều hành kênh YouTube " American Engineer " và kênh Brunch " Silicon Valley News and Life ".

Lịch sử

  • Tốt nghiệp EECS, Đại học California, Berkeley, Hoa Kỳ
  • Hiện đang làm việc tại trụ sở chính của một công ty công nghệ lớn toàn cầu tại Thung lũng Silicon, Hoa Kỳ, với vai trò là kỹ sư phần mềm (công việc liên quan đến dữ liệu lớn)

Danh mục đầu tư/Video cá nhân


Hỏi & Đáp 💬

H. Tại sao tôi nên tham gia khóa học này?

Khóa học này bắt đầu với các khái niệm cơ bản về khoa học dữ liệu và được xây dựng để giúp bạn tìm hiểu các công cụ cốt lõi bao gồm Anaconda, Numpy, Pandas và Scikit-learn thông qua thực hành thực tế. Khóa học này lý tưởng cho những ai muốn học lý thuyết và thực hành theo cách tích hợp, vì họ có thể trực tiếp trải nghiệm các kỹ thuật phân tích dữ liệu và học máy thực tế .

H. Tôi có thể làm gì sau khi học khóa học này?

Sử dụng các kỹ năng đã học trong khóa học này, bạn có thể thực hiện phân tích dữ liệu, xử lý dữ liệu trước, trực quan hóa, xây dựng và đánh giá các mô hình học máy cơ bản. Đây là khả năng thiết yếu để đưa ra thông tin chi tiết về kinh doanh và đưa ra quyết định dựa trên dữ liệu trên nhiều ngành công nghiệp khác nhau.

H. Những người không chuyên ngành có thể tham gia khóa học này không?

Có, điều đó hoàn toàn có thể. Khóa học này bắt đầu với các khái niệm cơ bản về khoa học dữ liệu và dần dần chuyển sang nội dung nâng cao hơn, do đó ngay cả những người không chuyên ngành cũng có thể theo học miễn là họ có kỹ năng máy tính cơ bản và hiểu biết cơ bản về toán học. Tuy nhiên, nếu bạn có kiến ​​thức cơ bản về ngôn ngữ lập trình Python, bạn sẽ có thể học khóa học hiệu quả hơn. Kiến thức nền về toán học, đặc biệt là thống kê và đại số tuyến tính, cũng sẽ hữu ích.

Nếu bạn mới làm quen với Python, hãy tìm hiểu những kiến ​​thức cơ bản về Python qua YouTube hoặc xem bài giảng bên dưới trước! Ngay cả khi bạn chỉ xem những phần cơ bản, bạn cũng sẽ không gặp khó khăn gì khi theo dõi toàn bộ bài giảng.

📢 Hướng dẫn về môi trường thực hành và vật liệu

Bất kể bạn sử dụng hệ điều hành máy tính nào, Windows, macOS, Linux hay Ubuntu, bài giảng sẽ tập trung vào macOS. Sau đây là thông số kỹ thuật chi tiết của PC.

  • Bộ xử lý (CPU): Nên sử dụng ít nhất bộ xử lý lõi kép . Tuy nhiên, bộ xử lý có nhiều lõi hơn sẽ giúp tăng tốc độ xử lý dữ liệu.
  • Bộ nhớ: Yêu cầu tối thiểu 4GB RAM, nhưng khuyến nghị 8GB trở lên . Các tác vụ khoa học dữ liệu thường yêu cầu tải lượng lớn dữ liệu vào bộ nhớ, do đó, nhiều RAM sẽ có lợi.
  • Không gian lưu trữ: Bạn sẽ cần ổ cứng hoặc ổ SSD đủ dung lượng. Bản thân Scikit-learn không chiếm nhiều dung lượng, nhưng tùy thuộc vào tập dữ liệu và tệp dự án bạn sử dụng, nó có thể yêu cầu dung lượng lưu trữ đáng kể.
  • Phiên bản Python: Cần có Python 3.6 trở lên để chạy Scikit-learn. Chúng tôi khuyên bạn nên sử dụng phiên bản Python mới nhất.

Chúng tôi chia sẻ ghi chú bài giảng ở định dạng PDF và mã nguồn thông qua Github với sinh viên.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • 데이터 khoa học gia muốn trở thành

  • Bất kỳ ai muốn nghiên cứu những kiến ​​thức cơ bản về khoa học dữ liệu

Cần biết trước khi bắt đầu?

  • Trăn

Xin chào
Đây là

10,385

Học viên

699

Đánh giá

306

Trả lời

4.8

Xếp hạng

25

Các khóa học

한국에서 끝낼 거야? 영어로 세계 시장을 뚫어라! 🌍🚀

안녕하세요. UC Berkeley에서 💻 컴퓨터 공학(EECS)을 전공하고, 실리콘 밸리에서 15년 이상을 소프트웨어 엔지니어로 일해왔으며, 현재는 실리콘밸리 빅테크 본사에서 빅데이터와 DevOps를 다루는 Staff Software Engineer로 있습니다.

  • 🧭 실리콘 밸리의 혁신 현장에서 직접 배운 기술과 노하우를 온라인 강의를 통해 이제 여러분과 함께 나누고자 합니다.

  • 🚀 기술 혁신의 최전선에서 배우고 성장해 온 저와 함께, 여러분도 글로벌 무대에서 경쟁할 수 있는 역량을 키워보세요!

  • 🫡 똑똑하지는 않지만, 포기하지 않고 꾸준히 하면 뭐든지 이룰수 있다는 점을 꼭 말씀드리고 싶습니다. 항상 좋은 자료로 옆에서 도움을 드리겠습니다

 

Chương trình giảng dạy

Tất cả

26 bài giảng ∙ (5giờ 29phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

5 đánh giá

5.0

5 đánh giá

  • 불뚝님의 프로필 이미지
    불뚝

    Đánh giá 12

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    잘 들었습니다.

    • 미쿡엔지니어
      Giảng viên

      안녕하세요 불뚝님, 시간내서 좋은 평가해주셔서 감사합니다!

  • JE님의 프로필 이미지
    JE

    Đánh giá 2

    Đánh giá trung bình 5.0

    5

    15% đã tham gia

    도움 많이 되었습니다!

    • 미쿡엔지니어
      Giảng viên

      안녕하세요 JE님, 시간내서 좋은 리뷰 남겨주셔서 감사합니다!

  • 동그리님의 프로필 이미지
    동그리

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    12% đã tham gia

    데이터 사이언스 기초를 복습하기에 좋은 강의였어요! 개인적으로 매우 만족했어요!

    • 미쿡엔지니어
      Giảng viên

      안녕하세요 동그리님! 시간내어서 좋은 리뷰 남겨주셔서 감사합니다.

  • water_bottle님의 프로필 이미지
    water_bottle

    Đánh giá 3

    Đánh giá trung bình 5.0

    5

    54% đã tham gia

    안녕하세요 백엔드 개발자로 일하고 있습니다. 데이터 분석, 사이언스가 어떤건지 느낌을 알고 싶어서 수강 했는데 다른 분들은 어떨지 모르겠지만 저처럼 데이터 사이언스 관련해서 무지한 사람 기준으로는 수강이 조금 어려운 것 같아요. ㅠㅠ

    • 미쿡엔지니어
      Giảng viên

      안녕하세요 water_bottle님, 일단 데이터 사이언스라는 분야가 수학을 기본으로 하고, 확률을 높이는 쪽이라 기존에 백엔드 같이 100%값이 나오는 분야가 아니라 어려울 수 있는데, 어떤 점이 가장 이해가 되지 않으시나요? 그래도 좋은 리뷰 감사드립니다.

    • 앗 답변이 늦었네요. 저에겐 섹션3, 4가 어려웠습니다. 유튜브 다른 강의는 잘 보고 있습니다. 감사합니다 :)

  • DE rocks님의 프로필 이미지
    DE rocks

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    27% đã tham gia

    현업 데이터 엔지니어입니다. 강의 설명이 명쾌하며 구성도 잘 짜여져있어서 다시 한번 개념잡기 좋았습니다. 강추입니다

    • 미쿡엔지니어
      Giảng viên

      안녕하세요 metacret님, 좋은 리뷰 감사드립니다!

478.353 ₫

Khóa học khác của altoformula

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!