Data Science-kurser
Data Science er området, hvor rå data omdannes til meningsfulde indsigter og intelligente beslutninger. I denne kategori lærer du at indsamle, behandle, analysere, visualisere og modellere data ved hjælp af værktøjer som Python, SQL, maskinlæring og BI-platforme — hvilket forbereder dig på virkelige, datadrevne udfordringer.
4.7
Bedømt efter 7 anmeldelser.
67 LærendeAllerede tilmeldt
Opnåede færdigheder:
A/B Test DesignAI Transparency AwarenessAI etik grundprincipperARIMA ModelingActivation Function AnalysisActive Learning FundamentalsAdaptive AlgorithmsAdvanced ARIMA TechniquesAdvanced Ensemble IntegrationAdvanced Text CleaningAdversarial Training ConceptsAlgorithm Evaluation and ComparisonAlgoritmer for Multi-Armed BanditAlignment and Generalization RisksAnalyse af retfærdighed og biasAnalyzing GAN Training ChallengesAnomaly detection evaluation Ansvarlige AI-rammeværkAnsvarlighed i AIAnvendelse af RNN til NLP-opgaver (sentimentanalyse)Applied Calibration WorkflowsApproximate InferenceApproximate ReasoningApproximation TheoryArrow Data ModelAttention Mechanisms TheoryAutomated Search with scikit-learnAutoregressive GenerationBackward Difference CodingBagging and Random ForestsBayes' SætningBayesian NetworksBayesian OptimizationBehandling af tidsserier og sekventielle dataBernoulli DistributionBias–Variance Trade-offs in High DimensionsBias–Variance TradeoffBilledbehandling med OpenCVBoosting AlgorithmsCalibration Metrics (ECE, MCE, Brier Score)CatBoost ModelingCatastrophic Forgetting AnalysisCategorical Feature HandlingChain-of-thought promptingChi-Square AnalysisClassification Loss AnalysisClassification metrics (Accuracy, Precision, Recall, F1, ROC–AUC) Cloud Compute PatternsCloud Data Science WorkflowsCloud Mental ModelsCloud Networking ConceptsCloud Storage ArchitecturesClustering evaluation (Silhouette, Davies–Bouldin, Calinski–Harabasz) Coefficient VisualizationColumnar Data RepresentationCommittee-Based QueryingCompactness and ConvergenceCompression Trade-off ReasoningConcentration of MeasureConditional IndependenceConjugate PriorsContinual Learning TheoryContinuity and BoundednessConvergence TheoryConvex AnalysisCoordinate Reference SystemsCorrelation AnalysisCritical Analysis of NTK LimitationsCross-validation techniquesCurse of DimensionalityDBSCAN: håndtering af støj og uregelmæssige formerData Access PatternsData InteroperabilityData Leakage PreventionData Preprocessing with TransformersData StorytellingData Visualization with matplotlib and seabornDatanormalisering og afstandsmålDataprivatlivskoncepterDatapræprocesseringDatatransformationDatavaskDeduplication AlgorithmsDegrees of TruthDensity-Weighted SamplingDeployment Best PracticesDescriptive StatisticsDiffusion Model TheoryDiffusionsmodellerDimensionality reduction evaluation DimensionsreduktionDistance CollapseDistributional Analysis of Neural NetworksDocument Chunking and IndexingDocument ClusteringDocument Similarity MeasuresDrift Detection FundamentalsEffective DocumentationEmpirical Risk MinimizationEncoding Leakage PreventionEnd-to-end modeludvikling og evalueringEnsemble Learning FundamentalsEntropy and CompressionEntropy and Rate–Distortion AnalysisEstimator IntrospectionEthical AI PrinciplesEtisk beslutningstagningEvaluation Under Distribution ShiftEvalueringsmetrikker for Generativ AIEvolutionær optimeringExperiment Tracking with MLflowExperimental Data PreparationExplainable AI FundamentalsExploratory Data AnalysisExponential Family UnderstandingExpressivity of Neural NetworksFailure Analysis in RAGFailure Mode DiagnosisFairness in MLFeature Engineering for TSFeature ScalingFeature Selection MethodsFeature engineeringFeature-kodningFeature-selektionFeature-skaleringFew-shot promptingFine-tuning Pre-trained ModelsForecast Evaluation MetricsForecasting StrategiesFormal Preference ModelingForståelse af RNN, LSTM og GRUFunctional Analysis FoundationsFunctional Analysis in MLFunktioner & MængderFuzzy If–Then RulesFuzzy Inference SystemsFuzzy Logical OperatorsFuzzy Matching in PythonFuzzy SetsGAN FundamentalsGAN'erGaussian DistributionGaussian Mixture Models: probabilistisk klyngeanalyseGaussian Process CorrespondenceGeneralization BoundsGeneralization in Learning TheoryGenerativ AIGenerative Model ConnectionsGenetiske algoritmerGennemsigtighedsprincipperGeometric Implications for ML AlgorithmsGeometric InterpretabilityGeometric Intuition in High DimensionsGeospatial Data FundamentalsGeospatial VisualizationGradient Boosting for TSGradient DescentGraph Embedding IntuitionGraph LaplaciansGraph Representation in PythonGraph Theory for MLGraphSAGE ConceptsGrundlæggende GymnasiumGrundlæggende Reinforcement LearningGrundlæggende klyngeanalyse og algoritmerGrundlæggende prompt engineeringGrænser & DifferentiationHelmert CodingHierarkisk klyngedannelse og dendrogrammerHigh-Cardinality Feature EncodingHigh-Dimensional Data InterpretationHigh-Dimensional Geometry IntuitionHigh-Dimensional Statistical TheoryHilbert Spaces in LearningHistogram BinningHybrid Rule-Based SystemsHyperparameter TuningHyperparameter Tuning FundamentalsHyperparametertuningHypothesis TestingHåndtering af manglende og kategoriske dataIdentity and Access ManagementImplementering af rekurrente netværk i PyTorchImplicit Bias in Machine LearningImplicit Regularization in Deep NetworksImportance SamplingImputation af manglende værdierIn-Context Learning TheoryInductive BiasInductive Bias ReasoningInfinite-Width Neural Network TheoryInformation Bottleneck and MDLInformation Theory BasicsInformation Theory in NLPInformation-Theoretic LossesIntegralerInterpreting Generalization BoundsIsolation Forest ImplementationIsotonic RegressionJupyter Notebook ProficiencyK-Means: principper og klyngeoptimeringKernel MethodsKernel Regression DynamicsKernel-based RegularizationKnowledge Distillation TheoryKnowledge Graph Embedding ModelsKnowledge Graph FundamentalsKnowledge Integration in LLMsKolmogorov–Smirnov TestKonvolutionelle neurale netværkKovarians og eigendecompositionKunstige immunsystemerL1, L2, and Elastic Net RegularizationLLM Failure ModesLabel Efficiency TechniquesLarge-Width Limit TheoryLatent Space GeometryLatent Space ReasoningLayer-wise Representation AnalysisLearning Curve AnalysisLeave-One-Out EncodingLightGBM ModelingLikelihood vs ProbabilityLimits of LLM GeneralizationLinear Algebra FoundationsLinear Algebra for Deep LearningLineær regression med PythonLineære TransformationerLink PredictionLocal Outlier Factor AnalysisLogistisk regressionLoss Function Selection and ComparisonLow-Rank Matrix IntuitionMLOps FundamentalsManifold IntuitionManual Search MethodsMarkov Chain Monte CarloMarkov Chains in Generative ModelingMarkov Random FieldsMaskinlæring med scikit-learnMathematical Formulation of GANsMathematical Foundations of AttentionMathematical Foundations of Loss FunctionsMathematical OptimizationMatrixdekompositionMaximum-Margin SolutionsMean Field Theory in Neural NetworksMean-CenteringMembership FunctionsMetoder til Dynamisk ProgrammeringMinimum-Norm SolutionsModel BlendingModel Deployment with FastAPI and DockerModel Evaluation and DiagnosticsModel Evaluation and GeneralizationModel InterpretabilityModel InterpretationModel Monitoring and CI/CDModel RegularizationModel Scaling ConceptsModel Selection UtilitiesModel-Based Drift DetectionModelleringstræning og evalueringModeltræning og evalueringMomentum MethodsMonitoring Model DegradationMonte Carlo IntuitionMonte Carlo-teknikkerMulti-Head Attention ConceptsMultinomial DistributionMultivariate AnalysisNatural Language HandlingNatural Language ProcessingNeural Network Architecture AnalysisNeural Network Compression TheoryNeural Network TheoryNeural Tangent Kernel FormalismNeurale netværkNeuroevolutionNode ClassificationNormalization (L1, L2, Max)Normed and Banach SpacesNull Handling in ArrowODE Formulations in Generative ModelsObjektdetekteringsmetoderOffline vs Online Evaluation ReasoningOne-Class SVM for Novelty DetectionOperator TheoryOptimization Constraints in Fine-TuningOptimization Dynamics in RLHFOptimization in Neural NetworksOutlier Detection FundamentalsOverfitting and RegularizationPAC Generalization BoundsPEFT Deployment ReasoningPEFT TheoryPGM Inference and LearningParameter Space GeometryPartikelsværmsoptimeringPattern MiningPipeline Automation with AirflowPipeline CompositionPipeline ConstructionPipeline-opbygningPlatt ScalingPolynomial CodingPopulation Stability IndexPositional Encoding ConceptsPositive Definite KernelsPreprocessing PipelinesPrincipal Component Analysis TheoryPrincipal component analysis (PCA)Probabilistic Graphical ModelsProbabilistic Model CalibrationProbability Distributions IntuitionProbability in Loss FunctionsPrompt-Based GeneralizationPromptevalueringPromptforfiningPyArrow API UsagePyTorch-grundlæggendePython-datastrukturerPython-klassifikationsmodellerPython-programmeringQuantization and Pruning MathematicsRAG Evaluation MetricsRAG Pipeline ArchitectureRAG System Design PatternsRIPPER AlgorithmRKHS FoundationsRademacher ComplexityRandom Walks on GraphsReasoning over Knowledge GraphsRecord Linkage TechniquesRegression Loss AnalysisRegression metrics (MSE, RMSE, MAE, R²) Regularization and Inductive BiasRegulatorisk bevidsthedReliability DiagramsRepresenter TheoremReproducibility in ML WorkflowsReproducible Analysis HabitsReproducing PropertyRetrieval-Augmented Generation FundamentalsReward Model TheoryRisk Minimization TheoryRobust Model AssessmentRolle- og kontekstpromptingRule PruningRule Quality MetricsRule-Based ModelingRuleFit AlgorithmSampling StrategiesSampling Strategies in MLSandsynlighedsfordelingerSandsynlighedsreglerScore MatchingSelf-Attention IntuitionSelf-Attention MechanismSemantic Directions in LLMsSemantic Retrieval ConceptsSerieanalyseServerless and Event-Driven DesignSimilarity Scoring for GraphsSparsity and Effective DimensionalitySpatial Joins and OverlaysSpatial OperationsSpectral Graph TheorySpectral TheoryStability–Plasticity Trade-OffsStandardizationStatistical Anomaly DetectionStatistical Drift MetricsStatistical InterpretationStatistiske MålStochastic Differential Equations (SDEs)Stochastic OptimizationStress Testing ML ModelsStruktureret outputdesignSubword Tokenization AlgorithmsSværmintelligensTF-IDF WeightingTemporal ValidationTemporal-Difference LearningTensorFlow-grundlæggendeTheoretical Deep Learning InsightsTheoretical Foundations of Zero-Shot GeneralizationTheoretical Limits of LearningTheoretical OverfittingTime Series AnalysisTime Series WindowingTokenization TheoryTrade-off Analysis in Model DesignTraining Dynamics in Mean Field RegimesTransfer Learning FundamentalsTransfer Learning in CVTransfer Learning in NLPTransformer Architecture TheoryTransformer Architecture UnderstandingTransformereTree-Based ForecastingTriple Scoring FunctionsTuning af hyperparametreUdregning af outliersUncertainty-Based QueryingUnderstanding GAN VariantsUnderstanding Representation CollapseUniform ConvergenceVAE'erVC DimensionVariational Inference & ELBOVector Search TheoryVector Space ModelingVector and Raster Data HandlingVektorer & MatricerVocabulary OptimizationWeight-of-Evidence EncodingWhitening and DecorrelationWorkflow AutomationXAI Methods and ConceptsXGBoost Modelingscikit-learn API Usagescikit-learn Active Learning Implementationt-Norms and t-Conormst-test and z-test Application
Vis mereTag en kort quiz og kom tættere på dine mål!
80,000
Eleverne har allerede gennemført kurserne med succes og anvender deres færdigheder på arbejdspladsen
92%
Brugere finder vores kurser nyttige
Kurser
Kurser
Udforsk Data Science kurser og projekter
4 timer
25 kapitler
4 timer 32 kapitler
5 timer 29 kapitler
2 timer 16 kapitler
2 timer 19 kapitler
3 timer 24 kapitler
4 timer 34 kapitler
3 timer 22 kapitler
4 timer 29 kapitler
4 timer 21 kapitler
6 timer 37 kapitler
3 timer 20 kapitler
Niveau
Lektionstype
Teknologier
kursus
Introduktion til neurale netværk med Python
4 timer 25 kapitlerAvanceret
Opnåede færdigheder: Neurale netværk, Modelleringstræning og evaluering, Datapræprocessering, Hyperparametertuning, Maskinlæring med scikit-learn
kursus
Introduktion til Maskinlæring med Python
4 timer 32 kapitlerMellemniveau
Opnåede færdigheder: Maskinlæring med scikit-learn, Modeltræning og evaluering, Tuning af hyperparametre
kursus
Introduktion til NLP med Python
5 timer 29 kapitlerAvanceret
1 STUDERER NU
Opnåede færdigheder: Natural Language Processing, Natural Language Handling
kursus
Introduktion til Tensorflow
2 timer 16 kapitlerMellemniveau
Opnåede færdigheder: TensorFlow-grundlæggende, Neurale netværk, Python-datastrukturer, Datapræprocessering
kursus
Lineær Regression med Python
2 timer 19 kapitlerMellemniveau
Opnåede færdigheder: Lineær regression med Python, Modeltræning og evaluering
kursus
Klassifikation med Python
3 timer 24 kapitlerMellemniveau
Opnåede færdigheder: Python-programmering, Python-klassifikationsmodeller, Logistisk regression, Datapræprocessering, Modeltræning og evaluering, Hyperparametertuning
kursus
Klyngeanalyse med Python
4 timer 34 kapitlerMellemniveau
Opnåede færdigheder: Grundlæggende klyngeanalyse og algoritmer, Håndtering af manglende og kategoriske data, Datanormalisering og afstandsmål, K-Means: principper og klyngeoptimering, Hierarkisk klyngedannelse og dendrogrammer, DBSCAN: håndtering af støj og uregelmæssige former, Gaussian Mixture Models: probabilistisk klyngeanalyse
kursus
Rekurrente Neurale Netværk med Python
3 timer 22 kapitlerMellemniveau
Opnåede færdigheder: Forståelse af RNN, LSTM og GRU, Implementering af rekurrente netværk i PyTorch, Behandling af tidsserier og sekventielle data, Anvendelse af RNN til NLP-opgaver (sentimentanalyse), End-to-end modeludvikling og evaluering
kursus
Computer Vision Essentials
4 timer 29 kapitlerMellemniveau
Opnåede færdigheder: Billedbehandling med OpenCV, Konvolutionelle neurale netværk, Objektdetekteringsmetoder
kursus
Dybe Generative Modeller
4 timer 21 kapitlerAvanceret
Opnåede færdigheder: Generativ AI, VAE'er, GAN'er, Transformere, Diffusionsmodeller, Evalueringsmetrikker for Generativ AI
kursus
Introduktion til Reinforcement Learning med Python
6 timer 37 kapitlerAvanceret
Opnåede færdigheder: Grundlæggende Reinforcement Learning, Algoritmer for Multi-Armed Bandit, Metoder til Dynamisk Programmering, Monte Carlo-teknikker, Temporal-Difference Learning, Grundlæggende Gymnasium
kursus
PyTorch Essentials
3 timer 20 kapitlerAvanceret
Opnåede færdigheder: PyTorch-grundlæggende, Neurale netværk, Modeltræning og evaluering
Vælg en karrierevejOmfattende programmer for at mestre en karrierevej
Kun for Ultimate
7 Kurser
182 Opgaver
Codefinity fordele
KI-assisteret læring
Omfavn fascinationen for teknologiske færdigheder! Vores KI-assistent giver feedback i realtid, personlige hints og fejlforklaringer, så du trygt kan lære.
Arbejdsområder
Med arbejdsområder kan du oprette og dele projekter direkte på vores platform. Vi har forberedt skabeloner til din bekvemmelighed
Læringsstier
Tag kontrol over din karriereudvikling og start din rejse mod at mestre den nyeste teknologi
Virkelige projekter
Virkelige projekter løfter din portefølje og viser praktiske færdigheder, der imponerer potentielle arbejdsgivere
Hvorfor Codefinity skiller sig ud
Videomateriale
Downloadbare materialer
Ansete certifikater
Interaktivt læringsmiljø
Fejlrettelse
AI-assistent
Adgang til alt indhold med ét abonnement
Codefinity
Videobaserede læringsplatforme
Codefinity
Videobaserede læringsplatforme
Videomateriale
Downloadbare materialer
Ansete certifikater
Interaktivt læringsmiljø
Fejlrettelse
AI-assistent
Adgang til alt indhold med ét abonnement
KarrieremulighederLær om de mest populære erhverv, gennemsnitslønninger og virksomheder, der aktivt søger specialister inden for dette felt.
Dataforsker
Big Data Analytiker
NLP Ingeniør
Deep Learning Ingeniør
AI-Forsker
$149k
$197k
$246k
Min
Average
Max
Årlig løn
(Gennemsnit i USA)
Ansættende virksomheder
*Kilde: Glassdoor
Udvalgt af studerende fra de allerbedste skoler
Inkluderer 30 af de 30 allerbedste universiteter i USA.
Data Science-kurser: Nøgleinfo og spørgsmål
Introduktion til datavidenskabskurser
Vi tilbyder et bredt udvalg af kurser inden for alle aspekter af datavidenskab, herunder datavisualisering (som "Ultimate visualization with Python"), datamanipulation med Python (som "Ultimate NumPy" eller "Advanced Techniques in pandas"), SQL (som "Introduction to SQL") og maskinlæring (som "ML Introduction with scikit-learn" eller "Introduction to Neural Networks").
Fordele ved vores datavidenskabskurser
Vi tilbyder vores kunder et omfattende pensum, praktisk erfaring og undervisning fra eksperter.
Karrieremuligheder efter gennemførelse af datavidenskabskurser
Efter gennemførelse af et datavidenskabskursus kan du potentielt starte en karriere i en række datadrevne stillinger, herunder data scientist, dataanalytiker, maskinlæringsanalytiker, business intelligence-analytiker, dataingeniør m.fl.
Muligheder inden for datavidenskab
Vi tilbyder et bredt udvalg af kurser inden for alle aspekter af datavidenskab, herunder datavisualisering (som "Ultimate visualization with Python"), datamanipulation med Python (som "Ultimate NumPy" eller "Advanced Techniques in pandas"), SQL (som "Introduction to SQL") og maskinlæring (som "ML Introduction with scikit-learn" eller "Introduction to Neural Networks").
Certifikatinformation
Efter gennemførelse af et af vores datavidenskabsrelaterede kurser modtager du et certifikat, der dokumenterer dine færdigheder og din viden inden for datavidenskab.
Sådan vælger du det rette datavidenskabskursus
Du bør vurdere dine mål, tjekke forudsætninger og gennemgå pensum.
Hvilket kursus er bedst inden for datavidenskabskategorien?
Vi har mange gode kurser inden for datavidenskab, hvor vi især kan fremhæve "Advanced Techniques in pandas", "Ultimate Visualization with Python" og "ML Introduction with scikit-learn".
Hvorfor bør jeg overveje at tage et online datavidenskabskursus hos jeres virksomhed?
Vi tilbyder vores kunder et omfattende pensum, praktisk erfaring og undervisning fra eksperter.
Tips til succesfuld gennemførelse af datavidenskabskursus
Det er vigtigt at være organiseret, lære aktivt og øve sig regelmæssigt.
Hvad koster træning i datavidenskabskurser?
Vi tilbyder fleksible prisstrukturer. Vores Pro Plan starter ved 49 USD pr. måned eller 99 USD for tre måneder, med besparelser på vores Pro Annual Plan til 144 USD. Vores Ultimate Plan koster 59 USD pr. måned, 147 USD for tre måneder eller 299 USD årligt. Hver plan inkluderer adgang til ekspertudviklet indhold, interaktive udfordringer og certificering.
Hvilket datavidenskabskursus egner sig bedst til begyndere?
For begyndere kan gode muligheder være "Introduction to SQL" og "Pandas First Steps".
Hvilke nøglekompetencer kræves for at få succes inden for datavidenskab?
Det er en fordel at have grundlæggende programmeringserfaring og fundamentale matematiske kundskaber.
Hvordan adskiller datavidenskab sig fra maskinlæring?
Datavidenskab fokuserer på hele processen med at arbejde med data, mens maskinlæring er en underkategori af datavidenskab, der specifikt beskæftiger sig med udvikling og anvendelse af algoritmer, som gør det muligt for computere at lære af og forudsige ud fra data.
Hvilken indflydelse har datavidenskab på industrien?
Datavidenskab driver innovation og effektivitet på tværs af forskellige industrier ved at levere handlingsorienteret indsigt, forbedre beslutningstagning og optimere processer. For eksempel hjælper det virksomheder med at forstå markedstendenser, kundeadfærd og operationel effektivitet.
Er et datavidenskabskursus svært?
Sværhedsgraden kan variere afhængigt af din baggrund og kursets kompleksitet. Kurser med praktiske øvelser og støtte kan gøre læringsprocessen mere overkommelig. Grundlæggende forståelse for statistik og programmering kan lette sværhedsgraden.
Hvilken uddannelse kræves til datavidenskab?
Selvom en specifik uddannelse ikke altid er påkrævet, har mange data scientists uddannelser inden for områder som datalogi, statistik, matematik eller ingeniørvidenskab. Nogle stillinger kan kræve videregående uddannelser eller specialiserede certificeringer, men praktisk erfaring og færdigheder kan også være meget værdifulde.
Hvad siger vores brugere
Deltag 1.5+ millioner avancerer i AI og datafærdigheder hos Codefinity
Klar til at starte?
ProBedste introduktionstilbud$12 /mdÅrlig fakturering
250+ topbedømte kurserAfslutningscertifikaterKI-assistent i alle kurser
40+ hands-on Real-world projectsPersonlige studievejeUbegrænsede arbejdsområderUltimateAlt du behøver for at booste din karriere$25 /mdÅrlig fakturering
250+ topbedømte kurserAfslutningscertifikaterKI-assistent i alle kurser40+ hands-on Real-world projectsPersonlige studievejeUbegrænsede arbejdsområderTopkurser i Data Science kategori
1. | Introduktion til neurale netværk med Python |  4 timer |  25 kapitler |
2. | Introduktion til Maskinlæring med Python | 4 timer | 32 kapitler |
3. | Introduktion til NLP med Python | 5 timer | 29 kapitler |
4. | Introduktion til Tensorflow | 2 timer | 16 kapitler |
5. | Lineær Regression med Python | 2 timer | 19 kapitler |
1. Introduktion til neurale netværk med Python
Timer
Kapitler2. Introduktion til Maskinlæring med Python
TimerKapitler3. Introduktion til NLP med Python
TimerKapitler4. Introduktion til Tensorflow
TimerKapitler5. Lineær Regression med Python
TimerKapitlerRelaterede emner på bloggen
Data Analytics
Data Science
by Kyryl SidakData Scientist, ML Engineer
Data Visualization
Data Analytics
Data Manipulation
Excel
by Anastasiia TsurkanBackend Developer
Artificial Intelligence
Exploring IT Professions
Machine Learning
by Andrii ChornyiData Scientist, ML Engineer
