หลักสูตรวิทยาศาสตร์ข้อมูลนี้เหมาะกับใคร?
เหมาะสำหรับผู้จัดการ นักการตลาด ผู้ทำงานด้านผลิตภัณฑ์ หัวหน้าฝ่ายปฏิบัติการ และผู้ก่อตั้งที่ได้รับแดชบอร์ด มอบหมายงานวิเคราะห์ หรือตัดสินใจจากข้อมูล และต้องการตั้งคำถามให้ดีขึ้นและมองเห็นข้อสรุปที่มีหลักฐานไม่เพียงพอ คุณเพียงต้องคุ้นเคยกับสเปรดชีตในระดับพื้นฐานเท่านั้น
หลักสูตรวิทยาศาสตร์ข้อมูลนี้ไม่เหมาะกับใคร?
หลักสูตรนี้ไม่เหมาะกับผู้ที่ต้องการเรียนแบบเต็มเวลาเพื่อเข้าสู่อาชีพนักวิทยาศาสตร์ข้อมูล เส้นทางการเรียนหลักไม่ต้องเขียนโค้ด และบทเรียนเขียนโค้ด Python และ SQL ที่เลือกเรียนเพิ่มเติมได้จะเริ่มตั้งแต่ศูนย์ แต่ไม่สามารถทดแทนความลึกของเนื้อหา แฟ้มผลงานโครงงาน และการดูแลจากผู้ให้คำปรึกษาที่มีในหลักสูตรวิทยาศาสตร์ข้อมูลของมหาวิทยาลัยหรือสถาบันอุดมศึกษา หรือหลักสูตรฝึกอบรมเข้มข้นแบบเต็มเวลาได้ และไม่มีการรับประกันงาน นอกจากนี้ยังไม่เหมาะกับผู้ที่ทำงานเป็นนักวิทยาศาสตร์ข้อมูลหรือวิศวกรอยู่แล้วและต้องการการฝึกอบรมเฉพาะทางขั้นสูง หลายคนเลือกเรียนควบคู่กัน โดยเรียนพื้นฐานและเริ่มเขียนโค้ดที่นี่ แล้วเรียนด้านเทคนิคในหลักสูตรที่ยาวกว่าเพื่อให้มีทักษะพร้อมทำงาน
ฉันจะได้เรียนรู้อะไรในแต่ละหน่วยการเรียน?
ทั้งหกหน่วยการเรียนรู้เรียงตามวงจรของการวิเคราะห์จริง ตั้งแต่คำถามที่มีคนถามไปจนถึงการตัดสินใจของเขา
1. จากคำถามทางธุรกิจสู่คำถามเกี่ยวกับข้อมูล
เปลี่ยนคำถาม 'ทำไมยอดขายจึงลดลง?' ให้เป็นคำถามที่ข้อมูลตอบได้ และกำหนดว่าข้อมูลแบบใดจะทำให้คุณเปลี่ยนใจ
2. ข้อมูล: มาจากไหนและทำให้เข้าใจผิดได้อย่างไร
กลุ่มตัวอย่าง ข้อมูลที่ขาดหาย นิยามที่แต่ละทีมใช้ไม่ตรงกัน และเหตุใดข้อมูลที่หาได้ง่ายที่สุดจึงมักไม่ใช่ข้อมูลที่เหมาะสม
3. สถิติเชิงพรรณนา
ค่าเฉลี่ย ค่ามัธยฐาน การกระจาย เปอร์เซ็นต์ และอัตรา รวมถึงกรณีที่แต่ละค่าบดบังข้อเท็จจริงที่สำคัญ
4. การแสดงข้อมูลเป็นภาพ
การเลือกกราฟที่ตอบคำถาม และการอ่านกราฟที่ทำให้เข้าใจผิดโดยไม่ตั้งใจหรือโดยเจตนา
5. การทดลองและการทดสอบ A/B
กลุ่มควบคุม ขนาดกลุ่มตัวอย่าง นัยสำคัญทางสถิติที่อธิบายด้วยภาษาทั่วไป และเหตุผลที่ความสัมพันธ์ไม่ได้หมายถึงความเป็นเหตุเป็นผล
6. การทำงานร่วมกับนักวิเคราะห์และ AI
การเขียนสรุปโจทย์การวิเคราะห์ การทบทวนผลลัพธ์ และการใช้ผู้ช่วย AI สำรวจข้อมูลพร้อมตรวจสอบการคำนวณ
เส้นทางการเรียนเฉพาะบุคคลปรับให้เหมาะกับฉันอย่างไร?
แบบประเมินก่อนเรียนตรวจว่าคุณคุ้นเคยกับเปอร์เซ็นต์ ค่าเฉลี่ย และแผนภูมิมากเพียงใด และคุณต้องตัดสินใจเรื่องอะไร ตัวอย่างของหัวหน้าฝ่ายการตลาดจะเน้นการทดสอบแคมเปญและอัตราการเปลี่ยนเป็นลูกค้า ส่วนของผู้จัดการฝ่ายปฏิบัติการจะเน้นเวลาจัดส่งและอัตราข้อบกพร่อง หากคุณอ่านสถิติได้อย่างมั่นใจอยู่แล้ว เส้นทางจะพาไปสู่การทดลองและการกำหนดโจทย์อย่างรวดเร็ว
ฉันจะได้ฝึกอะไรบ้าง?
คุณฝึกตัดสินใจในประเด็นที่เกี่ยวข้องกับงานข้อมูล โดยใช้ชุดข้อมูลสมมติหรือข้อมูลสาธารณะ แต่ละงานให้คะแนนตามเกณฑ์ที่เปิดดูได้ พร้อมข้อเสนอแนะว่าควรปรับปรุงจุดใด และคุณสามารถขอให้ทบทวนคะแนนใดก็ได้
ตัวอย่างงาน: กรีนบาสเก็ต บริษัทชุดวัตถุดิบพร้อมปรุงสมมติ ทดลองใช้อีเมลต้อนรับฉบับใหม่เป็นเวลาสองสัปดาห์ และรายงานว่าลูกค้าที่เปิดอ่านมีแนวโน้มสั่งซื้อซ้ำมากกว่าถึง 30 เปอร์เซ็นต์ คุณอธิบายว่าเหตุใดข้อมูลนี้จึงไม่ได้พิสูจน์ว่าอีเมลได้ผล และออกแบบการทดสอบ A/B ที่เป็นธรรม เกณฑ์การให้คะแนนจะตรวจว่าคุณระบุปัญหาอคติจากการเลือกเข้าร่วมด้วยตนเอง กำหนดกลุ่มควบคุม เลือกตัวชี้วัดความสำเร็จหนึ่งตัวไว้ล่วงหน้า และระบุว่าควรทดสอบนานเท่าใดก่อนที่จะมีใครดูผล
หลักสูตรวิทยาการข้อมูลใช้เวลาเรียนนานเท่าไร?
แต่ละบทเรียนใช้เวลา 10 ถึง 15 นาที ระยะเวลารวมของเส้นทางการเรียนขึ้นอยู่กับผลการประเมินพื้นฐานและความถี่ในการเรียน จึงไม่มีจำนวนชั่วโมงตายตัว ผู้ที่มีพื้นฐานด้านสถิติอาจข้ามเนื้อหาส่วนใหญ่ในโมดูลที่สามได้ ส่วนผู้ที่เพิ่งเริ่มทำงานกับตัวเลขจะได้ฝึกเพิ่มเติมก่อนเริ่มการทดลอง.
เมื่อเรียนจบแล้ว ฉันจะได้อะไร?
การประเมินภาคปฏิบัติท้ายหลักสูตรให้คุณวิจารณ์บทวิเคราะห์หนึ่งชิ้นและเขียนโจทย์สำหรับบทวิเคราะห์ที่ดีกว่า เมื่อผ่าน คุณจะได้รับใบรับรองพื้นฐานวิทยาการข้อมูลสำหรับคนทำงานที่เป็นที่ยอมรับ ใบรับรองนี้ไม่ใช่คุณวุฒิที่ผ่านการรับรองอย่างเป็นทางการ และไม่ได้ยืนยันความสามารถเชิงเทคนิคด้านวิทยาการข้อมูล.
หลักสูตรวิทยาการข้อมูลมีค่าเรียนเท่าไร?
ไม่มีค่าเรียนแยกต่างหาก เพราะรวมอยู่ในแผนของคุณแล้ว แผนบุคคลราคา USD 79 ต่อเดือน หรือ USD 790 ต่อปี แผนทีมราคา USD 189 ต่อเดือน หรือ USD 1,890 ต่อปี สำหรับสมาชิกไม่เกิน 3 คน จากนั้นคิดเพิ่ม USD 49 ต่อเดือน หรือ USD 490 ต่อปี ต่อสมาชิกที่เพิ่มแต่ละคน โดยมีราคาตามจำนวนสำหรับสมาชิกตั้งแต่ 25 คนขึ้นไป มีให้ทดลองใช้ฟรี 7 วันโดยไม่ต้องใช้บัตรเครดิต