របៀបក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យជោគជ័យ និងអ្នកវិភាគទិន្នន័យ

មានអត្ថបទជាច្រើនអំពីជំនាញដែលត្រូវការដើម្បីក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យល្អ ឬអ្នកវិភាគទិន្នន័យ ប៉ុន្តែអត្ថបទមួយចំនួននិយាយអំពីជំនាញដែលត្រូវការដើម្បីជោគជ័យ ថាតើវាជាការត្រួតពិនិត្យការអនុវត្តពិសេស ការសរសើរពីការគ្រប់គ្រង ការផ្សព្វផ្សាយ ឬទាំងអស់ខាងលើ។ ថ្ងៃនេះ យើងធ្វើបទបង្ហាញជូនអ្នកនូវសម្ភារៈដែលអ្នកនិពន្ធចង់ចែករំលែកបទពិសោធន៍ផ្ទាល់ខ្លួនរបស់នាងក្នុងនាមជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ និងអ្នកវិភាគទិន្នន័យ ក៏ដូចជាអ្វីដែលនាងបានរៀនដើម្បីសម្រេចបានជោគជ័យ។

ខ្ញុំមានសំណាង៖ ខ្ញុំត្រូវបានផ្តល់មុខតំណែងជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ នៅពេលដែលខ្ញុំមិនមានបទពិសោធន៍ផ្នែកវិទ្យាសាស្ត្រទិន្នន័យ។ របៀបដែលខ្ញុំដោះស្រាយកិច្ចការគឺជារឿងខុសគ្នា ហើយខ្ញុំចង់និយាយថាខ្ញុំគ្រាន់តែមានគំនិតមិនច្បាស់លាស់អំពីអ្វីដែលអ្នកវិទ្យាសាស្ត្រទិន្នន័យធ្វើមុនពេលខ្ញុំចូលបម្រើការងារ។

ខ្ញុំត្រូវបានជួលឱ្យធ្វើការលើបំពង់បង្ហូរទិន្នន័យ ដោយសារការងារពីមុនរបស់ខ្ញុំជាវិស្វករទិន្នន័យ ជាកន្លែងដែលខ្ញុំបង្កើត data mart សម្រាប់ការវិភាគព្យាករណ៍ដែលប្រើដោយក្រុមអ្នកវិទ្យាសាស្ត្រទិន្នន័យ។

ឆ្នាំដំបូងរបស់ខ្ញុំក្នុងនាមជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យបានចូលរួមក្នុងការបង្កើតបំពង់បង្ហូរទិន្នន័យដើម្បីបណ្តុះបណ្តាលគំរូនៃការរៀនម៉ាស៊ីន ហើយដាក់ពួកវាទៅក្នុងផលិតកម្ម។ ខ្ញុំបានរក្សាទម្រង់ទាប ហើយមិនបានចូលរួមក្នុងកិច្ចប្រជុំជាច្រើនជាមួយភាគីពាក់ព័ន្ធទីផ្សារ ដែលជាអ្នកប្រើប្រាស់ចុងក្រោយនៃគំរូនោះទេ។

នៅឆ្នាំទីពីរនៃការងាររបស់ខ្ញុំនៅក្រុមហ៊ុន អ្នកគ្រប់គ្រងផ្នែកដំណើរការទិន្នន័យ និងការវិភាគដែលទទួលខុសត្រូវលើទីផ្សារបានចាកចេញ។ ចាប់ពីពេលនោះមក ខ្ញុំបានក្លាយជាតួអង្គសំខាន់ ហើយបានចូលរួមចំណែកយ៉ាងសកម្មក្នុងការបង្កើតគំរូ និងពិភាក្សាអំពីកាលបរិច្ឆេទកំណត់គម្រោង។

នៅពេលដែលខ្ញុំបានធ្វើអន្តរកម្មជាមួយអ្នកពាក់ព័ន្ធ ខ្ញុំបានដឹងថា Data Science គឺជាគំនិតមិនច្បាស់លាស់ដែលមនុស្សបានឮ ប៉ុន្តែមិនសូវយល់ ជាពិសេសនៅថ្នាក់គ្រប់គ្រងជាន់ខ្ពស់។

ខ្ញុំបានសាងសង់ជាងមួយរយម៉ូដែល ប៉ុន្តែមានតែមួយភាគបីប៉ុណ្ណោះដែលត្រូវបានប្រើប្រាស់ដោយសារតែខ្ញុំមិនដឹងពីរបៀបបង្ហាញតម្លៃរបស់ពួកគេ ទោះបីជាម៉ូដែលទាំងនោះត្រូវបានស្នើសុំជាចម្បងដោយទីផ្សារក៏ដោយ។

សមាជិកក្រុមរបស់ខ្ញុំម្នាក់បានចំណាយពេលជាច្រើនខែដើម្បីបង្កើតគំរូមួយដែលអ្នកគ្រប់គ្រងជាន់ខ្ពស់មានអារម្មណ៍ថានឹងបង្ហាញពីតម្លៃនៃក្រុមវិទ្យាសាស្ត្រទិន្នន័យ។ គំនិតនេះគឺដើម្បីផ្សព្វផ្សាយគំរូនៅទូទាំងអង្គការ នៅពេលដែលវាត្រូវបានបង្កើតឡើង និងលើកទឹកចិត្តក្រុមទីផ្សារឱ្យទទួលយកវា។

វាបានប្រែក្លាយទៅជាការបរាជ័យទាំងស្រុង ដោយសារតែគ្មាននរណាម្នាក់យល់ពីអ្វីដែលជាគំរូនៃការរៀនម៉ាស៊ីន ឬអាចយល់ពីតម្លៃនៃការប្រើប្រាស់វា។ ជាលទ្ធផល ខែត្រូវបានខ្ជះខ្ជាយទៅលើអ្វីមួយដែលគ្មាននរណាម្នាក់ចង់បាន។

ពីស្ថានភាពបែបនេះ ខ្ញុំបានរៀនមេរៀនមួយចំនួន ដែលខ្ញុំនឹងផ្តល់ឱ្យខាងក្រោម។

មេរៀនដែលខ្ញុំបានរៀនដើម្បីក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យជោគជ័យ

1. កំណត់ខ្លួនអ្នកឱ្យជោគជ័យដោយជ្រើសរើសក្រុមហ៊ុនត្រឹមត្រូវ។
នៅពេលសម្ភាសនៅក្រុមហ៊ុនមួយ សួរអំពីវប្បធម៌ទិន្នន័យ និងរបៀបរៀនម៉ាស៊ីនចំនួនប៉ុន្មានដែលត្រូវបានអនុម័ត និងប្រើប្រាស់ក្នុងការសម្រេចចិត្ត។ សុំឧទាហរណ៍។ ស្វែងយល់ថាតើហេដ្ឋារចនាសម្ព័ន្ធទិន្នន័យរបស់អ្នកត្រូវបានបង្កើតឡើងដើម្បីចាប់ផ្តើមបង្កើតគំរូដែរឬទេ។ ប្រសិនបើអ្នកចំណាយ 90% នៃពេលវេលារបស់អ្នកដើម្បីព្យាយាមទាញទិន្នន័យឆៅ និងសម្អាតវា នោះអ្នកនឹងមានពេលតិចតួចទៅគ្មានសល់ក្នុងការសាងសង់គំរូណាមួយដើម្បីបង្ហាញពីតម្លៃរបស់អ្នកជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ។ សូមប្រយ័ត្ន ប្រសិនបើអ្នកត្រូវបានជួលជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យជាលើកដំបូង។ នេះអាចជារឿងល្អ ឬអាក្រក់ អាស្រ័យលើវប្បធម៌ទិន្នន័យ។ អ្នកអាចជួបប្រទះនឹងការតស៊ូកាន់តែច្រើនក្នុងការអនុវត្តគំរូ ប្រសិនបើអ្នកគ្រប់គ្រងជាន់ខ្ពស់ជួលអ្នកវិទ្យាសាស្ត្រទិន្នន័យ ដោយសារក្រុមហ៊ុនចង់ត្រូវបានគេស្គាល់ថាជា ការប្រើប្រាស់វិទ្យាសាស្ត្រទិន្នន័យដើម្បីធ្វើការសម្រេចចិត្តកាន់តែប្រសើរប៉ុន្តែមិនដឹងថាវាមានន័យយ៉ាងណានោះទេ។ លើសពីនេះ ប្រសិនបើអ្នករកឃើញក្រុមហ៊ុនដែលជំរុញទិន្នន័យ អ្នកនឹងរីកចម្រើនជាមួយវា។

2. ដឹងពីទិន្នន័យ និងសូចនាករការអនុវត្តសំខាន់ៗ (KPIs) ។
នៅដើមដំបូង ខ្ញុំបានរៀបរាប់ថា ក្នុងនាមខ្ញុំជាវិស្វករទិន្នន័យ ខ្ញុំបានបង្កើតម៉ាតទិន្នន័យវិភាគសម្រាប់ក្រុមអ្នកវិទ្យាសាស្ត្រទិន្នន័យ។ ដោយបានក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យដោយខ្លួនឯង ខ្ញុំអាចស្វែងរកឱកាសថ្មីដែលបង្កើនភាពត្រឹមត្រូវនៃគំរូ ដោយសារខ្ញុំបានធ្វើការយ៉ាងយកចិត្តទុកដាក់ជាមួយទិន្នន័យឆៅក្នុងតួនាទីពីមុនរបស់ខ្ញុំ។

តាមរយៈការបង្ហាញលទ្ធផលនៃយុទ្ធនាការមួយរបស់យើង ខ្ញុំអាចបង្ហាញគំរូដែលបង្កើតអត្រាបំប្លែងខ្ពស់ជាង (ជាភាគរយ) ហើយបន្ទាប់មកវាស់ KPIs យុទ្ធនាការមួយ។ នេះបង្ហាញពីតម្លៃនៃគំរូសម្រាប់ដំណើរការអាជីវកម្មដែលទីផ្សារអាចត្រូវបានភ្ជាប់។

3. ធានានូវការទទួលយកគំរូដោយបង្ហាញពីតម្លៃរបស់វាដល់ភាគីពាក់ព័ន្ធ
អ្នកនឹងមិនអាចជោគជ័យក្នុងនាមជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យបានទេ ប្រសិនបើអ្នកពាក់ព័ន្ធរបស់អ្នកមិនដែលប្រើគំរូរបស់អ្នកដើម្បីធ្វើការសម្រេចចិត្តអាជីវកម្ម។ មធ្យោបាយមួយដើម្បីធានាថាការទទួលយកគំរូគឺស្វែងរកចំណុចឈឺចាប់ក្នុងអាជីវកម្ម និងបង្ហាញពីរបៀបដែលគំរូអាចជួយបាន។

បន្ទាប់ពីបាននិយាយជាមួយក្រុមលក់របស់យើង ខ្ញុំបានដឹងថាអ្នកតំណាងពីរនាក់កំពុងធ្វើការពេញម៉ោងដោយដៃតាមរយៈអ្នកប្រើប្រាស់រាប់លាននាក់នៅក្នុងមូលដ្ឋានទិន្នន័យរបស់ក្រុមហ៊ុន ដើម្បីកំណត់អត្តសញ្ញាណអ្នកប្រើប្រាស់ដែលមានអាជ្ញាប័ណ្ណតែមួយ ដែលទំនងជានឹងដំឡើងកំណែទៅជាអាជ្ញាប័ណ្ណក្រុម។ ការ​ជ្រើសរើស​បាន​ប្រើ​សំណុំ​នៃ​លក្ខណៈ​វិនិច្ឆ័យ​មួយ ប៉ុន្តែ​ការ​ជ្រើសរើស​ត្រូវ​ចំណាយ​ពេល​យូរ​ព្រោះ​អ្នក​តំណាង​មើល​ទៅ​អ្នក​ប្រើ​ម្នាក់​ក្នុង​ពេល​តែ​មួយ។ ដោយប្រើគំរូដែលខ្ញុំបានបង្កើត អ្នកតំណាងអាចកំណត់គោលដៅអ្នកប្រើប្រាស់ដែលទំនងជាទិញអាជ្ញាប័ណ្ណក្រុម និងបង្កើនលទ្ធភាពនៃការបំប្លែងក្នុងរយៈពេលតិចជាងនេះ។ នេះបណ្តាលឱ្យមានការប្រើប្រាស់ពេលវេលាកាន់តែមានប្រសិទ្ធភាព ដោយបង្កើនអត្រាបំប្លែងសម្រាប់សូចនាករប្រតិបត្តិការសំខាន់ៗដែលក្រុមលក់អាចទាក់ទងបាន។

ជាច្រើនឆ្នាំកន្លងផុតទៅ ហើយខ្ញុំបានបង្កើតគំរូដូចគ្នាម្តងហើយម្តងទៀត ហើយមានអារម្មណ៍ថាខ្ញុំលែងរៀនអ្វីថ្មីទៀតហើយ។ ខ្ញុំបានសម្រេចចិត្តស្វែងរកមុខតំណែងមួយទៀត ហើយបញ្ចប់ដោយទទួលបានមុខតំណែងជាអ្នកវិភាគទិន្នន័យ។ ភាពខុសគ្នានៃទំនួលខុសត្រូវមិនអាចសំខាន់ជាងនេះទេបើប្រៀបធៀបទៅនឹងពេលដែលខ្ញុំជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ ទោះបីជាខ្ញុំគាំទ្រផ្នែកទីផ្សារក៏ដោយ។

នេះជាលើកដំបូងដែលខ្ញុំបានវិភាគការពិសោធន៍ A/B ហើយបានរកឃើញ ទាំងអស់ វិធីដែលការពិសោធន៍អាចខុស។ ក្នុងនាមជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ ខ្ញុំមិនបានធ្វើការលើការធ្វើតេស្ត A/B ទាល់តែសោះ ព្រោះវាត្រូវបានបម្រុងទុកសម្រាប់ក្រុមពិសោធន៍។ ខ្ញុំបានធ្វើការលើជួរដ៏ធំទូលាយនៃការវិភាគដែលប៉ះពាល់ដល់ទីផ្សារ - ពីការបង្កើនអត្រាបំប្លែងបុព្វលាភរហូតដល់ការចូលរួមរបស់អ្នកប្រើប្រាស់ និងការទប់ស្កាត់ការកកស្ទះ។ ខ្ញុំបានរៀនវិធីផ្សេងៗជាច្រើនដើម្បីមើលទិន្នន័យ ហើយចំណាយពេលច្រើនក្នុងការចងក្រងលទ្ធផល ហើយបង្ហាញវាទៅកាន់ភាគីពាក់ព័ន្ធ និងអ្នកគ្រប់គ្រងជាន់ខ្ពស់។ ក្នុង​នាម​ជា​អ្នក​វិទ្យាសាស្ត្រ​ទិន្នន័យ ខ្ញុំ​ភាគ​ច្រើន​ធ្វើ​ការ​លើ​គំរូ​មួយ​ប្រភេទ ហើយ​កម្រ​បាន​និយាយ​ណាស់។ លឿនទៅមុខពីរបីឆ្នាំទៅជំនាញដែលខ្ញុំបានរៀនដើម្បីក្លាយជាអ្នកវិភាគជោគជ័យ។

ជំនាញដែលខ្ញុំបានរៀនដើម្បីក្លាយជាអ្នកវិភាគទិន្នន័យជោគជ័យ

1. រៀនប្រាប់រឿងជាមួយទិន្នន័យ
កុំមើល KPIs ក្នុងភាពឯកោ។ ភ្ជាប់ពួកវា មើលអាជីវកម្មទាំងមូល។ នេះនឹងអនុញ្ញាតឱ្យអ្នកកំណត់តំបន់ដែលមានឥទ្ធិពលលើគ្នាទៅវិញទៅមក។ អ្នកគ្រប់គ្រងជាន់ខ្ពស់មើលអាជីវកម្មតាមរយៈកែវភ្នែក ហើយមនុស្សម្នាក់ដែលបង្ហាញជំនាញនេះត្រូវបានគេកត់សម្គាល់ឃើញនៅពេលដល់ពេលធ្វើការសម្រេចចិត្តផ្សព្វផ្សាយ។

2. ផ្តល់គំនិតដែលអាចធ្វើសកម្មភាពបាន។
ផ្តល់អាជីវកម្ម គំនិតដែលមានប្រសិទ្ធភាព ដើម្បីដោះស្រាយបញ្ហា។ វាកាន់តែល្អប្រសិនបើអ្នកផ្តល់ដំណោះស្រាយយ៉ាងសកម្ម នៅពេលដែលវាមិនទាន់ត្រូវបានគេនិយាយថាអ្នកកំពុងដោះស្រាយបញ្ហាមូលដ្ឋាន។

ឧទាហរណ៍ ប្រសិនបើអ្នកប្រាប់ទីផ្សារ៖ "ខ្ញុំបានកត់សម្គាល់ឃើញថាថ្មីៗនេះចំនួនអ្នកចូលមើលគេហទំព័របានថយចុះជារៀងរាល់ខែ។". នេះគឺជានិន្នាការមួយដែលពួកគេប្រហែលជាបានកត់សម្គាល់នៅលើផ្ទាំងគ្រប់គ្រង ហើយអ្នកមិនបានផ្តល់នូវដំណោះស្រាយដ៏មានតម្លៃណាមួយក្នុងនាមជាអ្នកវិភាគនោះទេ ពីព្រោះអ្នកគ្រាន់តែបញ្ជាក់ពីការសង្កេតប៉ុណ្ណោះ។

ផ្ទុយទៅវិញ ពិនិត្យទិន្នន័យដើម្បីស្វែងរកមូលហេតុ និងស្នើដំណោះស្រាយ។ ឧទាហរណ៍ដ៏ល្អសម្រាប់ទីផ្សារគឺ៖ “ខ្ញុំបានកត់សម្គាល់ឃើញថា យើងមានការថយចុះនៃចំនួនអ្នកចូលមើលគេហទំព័ររបស់យើងនាពេលថ្មីៗនេះ។ ខ្ញុំ​បាន​រក​ឃើញ​ថា​ប្រភព​នៃ​បញ្ហា​គឺ​ការ​ស្វែងរក​សរីរាង្គ ដោយសារ​ការ​ផ្លាស់​ប្តូរ​ថ្មីៗ​ដែល​បាន​ធ្វើ​ឱ្យ​ចំណាត់ថ្នាក់​ការ​ស្វែងរក Google របស់​យើង​ធ្លាក់​ចុះ។". វិធីសាស្រ្តនេះបង្ហាញថាអ្នកបានតាមដាន KPIs របស់ក្រុមហ៊ុន កត់សម្គាល់ការផ្លាស់ប្តូរ ស៊ើបអង្កេតមូលហេតុ និងស្នើដំណោះស្រាយចំពោះបញ្ហា។

3. ក្លាយជាទីប្រឹក្សាដ៏គួរឱ្យទុកចិត្ត
អ្នកត្រូវតែជាមនុស្សដំបូងដែលភាគីពាក់ព័ន្ធរបស់អ្នកងាកមករកដំបូន្មាន ឬសំណួរអំពីអាជីវកម្មដែលអ្នកគាំទ្រ។ មិនមានផ្លូវកាត់ទេព្រោះវាត្រូវការពេលវេលាដើម្បីបង្ហាញពីសមត្ថភាពទាំងនេះ។ គន្លឹះនៃរឿងនេះគឺការផ្តល់នូវការវិភាគប្រកបដោយគុណភាពខ្ពស់ជាបន្តបន្ទាប់ជាមួយនឹងកំហុសតិចតួចបំផុត។ ការ​គណនា​ខុស​ណាមួយ​នឹង​ធ្វើ​ឱ្យ​អ្នក​បាត់បង់​ពិន្ទុ​ដែល​អាច​ទុក​ចិត្ត​បាន ព្រោះ​ពេល​ក្រោយ​អ្នក​ផ្តល់​ការ​វិភាគ មនុស្ស​ប្រហែល​ជា​ឆ្ងល់​ថា​៖ បើអ្នកខុសលើកមុន ប្រហែលជាលើកនេះក៏ខុសដែរ?. ពិនិត្យមើលការងាររបស់អ្នកពីរដង។ វាក៏មិនឈឺចាប់ដែរក្នុងការសួរអ្នកគ្រប់គ្រង ឬសហការីរបស់អ្នកឱ្យមើលលេខរបស់អ្នក មុនពេលបង្ហាញពួកគេ ប្រសិនបើអ្នកមានការសង្ស័យអំពីការវិភាគរបស់អ្នក។

4. រៀនទំនាក់ទំនងលទ្ធផលស្មុគ្រស្មាញឱ្យបានច្បាស់លាស់។
ជាថ្មីម្តងទៀត មិនមានផ្លូវកាត់ដើម្បីរៀនពីរបៀបទំនាក់ទំនងប្រកបដោយប្រសិទ្ធភាពនោះទេ។ វាត្រូវការការអនុវត្ត ហើយយូរៗទៅអ្នកនឹងកាន់តែប្រសើរឡើង។ គន្លឹះគឺត្រូវកំណត់ចំណុចសំខាន់ៗនៃអ្វីដែលអ្នកចង់ធ្វើ និងណែនាំសកម្មភាពណាមួយ ដែលជាលទ្ធផលនៃការវិភាគរបស់អ្នក ភាគីពាក់ព័ន្ធអាចអនុវត្តដើម្បីកែលម្អអាជីវកម្ម។ កាលណាអ្នកនៅក្នុងអង្គការកាន់តែខ្ពស់ ជំនាញទំនាក់ទំនងរបស់អ្នកកាន់តែសំខាន់។ ការទំនាក់ទំនងលទ្ធផលស្មុគ្រស្មាញគឺជាជំនាញសំខាន់មួយដើម្បីបង្ហាញ។ ខ្ញុំបានចំណាយពេលជាច្រើនឆ្នាំដើម្បីសិក្សាពីអាថ៌កំបាំងនៃភាពជោគជ័យក្នុងនាមជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យ និងជាអ្នកវិភាគទិន្នន័យ។ មនុស្សកំណត់ភាពជោគជ័យខុសគ្នា។ ដើម្បីត្រូវបានពិពណ៌នាថាជាអ្នកវិភាគ "អស្ចារ្យ" និង "តារា" គឺជាជោគជ័យនៅក្នុងភ្នែករបស់ខ្ញុំ។ ឥឡូវនេះអ្នកដឹងពីអាថ៌កំបាំងទាំងនេះហើយ ខ្ញុំសង្ឃឹមថាផ្លូវរបស់អ្នកនឹងនាំអ្នកទៅរកភាពជោគជ័យយ៉ាងឆាប់រហ័ស ទោះបីជាអ្នកកំណត់វាក៏ដោយ។

ហើយដើម្បីធ្វើឱ្យផ្លូវរបស់អ្នកទៅកាន់ភាពជោគជ័យកាន់តែលឿន សូមរក្សាលេខកូដផ្សព្វផ្សាយ HABRដែលអ្នកអាចទទួលបាន 10% បន្ថែមទៀតចំពោះការបញ្ចុះតម្លៃដែលបានបង្ហាញនៅលើផ្ទាំងបដា។

• វិទ្យាសាស្រ្តទិន្នន័យ កម្មវិធី Bootcamp អនឡាញ
• បណ្តុះបណ្តាលវិជ្ជាជីវៈអ្នកវិភាគទិន្នន័យពីដំបូង
• ការវិភាគទិន្នន័យលើបណ្តាញ Bootcamp
• បង្រៀនជំនាញ Data Science ពីដំបូង
• Python សម្រាប់វគ្គសិក្សាអភិវឌ្ឍន៍គេហទំព័រ

វគ្គសិក្សាច្រើនទៀត

• វគ្គសិក្សាវិភាគទិន្នន័យ
• វគ្គសិក្សា DevOps
• អ្នកបង្កើតគេហទំព័រអាជីព
• មុខរបរអ្នកអភិវឌ្ឍន៍ iOS ពីដំបូង
• វិជ្ជាជីវៈ Android- អ្នកអភិវឌ្ឍន៍ពីដំបូង
• វិជ្ជាជីវៈអ្នកអភិវឌ្ឍន៍ Java ពីដំបូង
• វគ្គសិក្សា JavaScript
• វគ្គសិក្សាម៉ាស៊ីន
• វគ្គសិក្សា "គណិតវិទ្យា និងម៉ាស៊ីនរៀនសម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ"
• វគ្គសិក្សាកម្រិតខ្ពស់ "Machine Learning Pro + Deep Learning"

អត្ថបទពិសេស

• របៀបក្លាយជាអ្នកវិទ្យាសាស្ត្រទិន្នន័យដោយគ្មានវគ្គសិក្សាតាមអ៊ីនធឺណិត
• វគ្គសិក្សា Ivy League ឥតគិតថ្លៃចំនួន 450
• របៀបសិក្សា Machine Learning 5 ថ្ងៃក្នុងមួយសប្តាហ៍រយៈពេល 9 ខែជាប់គ្នា។
• តើអ្នកវិភាគទិន្នន័យរកបានប៉ុន្មាន៖ ទិដ្ឋភាពទូទៅនៃប្រាក់ខែ និងតំណែងទំនេរនៅក្នុងប្រទេសរុស្ស៊ី និងនៅបរទេសក្នុងឆ្នាំ ២០២០
• ការរៀនម៉ាស៊ីន និងចក្ខុវិស័យកុំព្យូទ័រក្នុងឧស្សាហកម្មរ៉ែ

ប្រភព: www.habr.com