AI boleh menulis notebook dalam lima minit. Yang menandatangani keputusan itu tetap anda.

Daripada analisis penerokaan sehinggalah ke satu muka surat yang dibawa ke mesyuarat pengurusan, anda belajar menggunakan AI sebagai rakan analisis yang pantas tetapi tidak tahu apa-apa tentang perniagaan anda: EDA yang lebih laju tanpa menjadi cetek, idea ciri yang disaring oleh pengetahuan domain anda, penilaian model yang jujur walaupun angkanya kurang mengagumkan, dan disiplin menangkap kebocoran data sebelum ia menjadi janji yang tidak dapat ditepati kepada pihak perniagaan.

Lihat kandungan kursus

4
Modul: 9
Pelajaran praktikal: 100%
Percuma: 1-1
Jurulatih menyemak tugasan anda

Pernah rasa begini?

Model churn anda memberi AUC 0.94 pada set ujian. Semua orang teruja dalam mesyuarat. Tiga bulan kemudian ia berprestasi lebih teruk daripada peraturan mudah yang ditulis pasukan operasi — kerana salah satu ciri sebenarnya hanya wujud selepas pelanggan memutuskan untuk berhenti. Tiada siapa perasan, termasuk anda.

Anda minta AI membantu analisis penerokaan. Dalam dua minit ia memulangkan dua puluh carta yang cantik dan satu ringkasan yang yakin. Masalahnya, ringkasan itu tidak menyebut bahawa 18% baris hilang untuk satu wilayah, atau bahawa taburan berubah mendadak selepas sistem sumber ditukar pada bulan Mac. Analisis jadi lebih pantas, tetapi juga lebih cetek.

Pihak perniagaan bertanya "jadi apa yang patut kami buat?" dan anda mempunyai notebook sepanjang 800 baris. Anda tahu jawapannya ada di dalam sana, tetapi menukarnya menjadi satu muka surat yang boleh ditindak mengambil masa lebih lama daripada analisis itu sendiri — dan minggu depan tiada siapa boleh menjalankan semula notebook itu, termasuk anda.

Selepas kursus ini, anda boleh

Memendekkan analisis penerokaan daripada dua hari kepada dua jam tanpa melangkau pemeriksaan yang benar-benar penting — data hilang, taburan yang berubah, dan baris yang tidak sepatutnya ada
Meminta idea ciri daripada AI, kemudian menyaringnya melalui pengetahuan domain anda dan menulisnya dalam SQL atau pandas yang boleh diulang
Memilih model yang munasabah untuk masalah anda, dan menilainya dengan metrik yang jujur untuk kelas tidak seimbang — bukan ketepatan yang kelihatan cantik
Mengenal pasti kebocoran data sebelum ia sampai ke mesyuarat: ciri masa depan, pemisahan rawak pada data bersiri masa, dan penormalan sebelum pemisahan
Membezakan penjelasan yang sekadar kedengaran munasabah daripada penjelasan yang benar-benar disahkan dengan data

Kandungan kursus

1
Modul 1 — Asas: AI sebagai rakan sains data
Tukar cara berfikir daripada "saya tulis setiap baris kod" kepada "saya rangka soalan, saya semak jawapan". Fahami apa yang AI betul-betul pandai dan di mana ia kerap silap apabila berhadapan dengan data sebenar.
2
Modul 2 — Analisis penerokaan dan kejuruteraan ciri
Pendekkan analisis penerokaan daripada dua hari kepada dua jam tanpa hilang ketelitian, kemudian tukar pengetahuan domain anda menjadi ciri yang benar-benar menaikkan prestasi model — dengan SQL yang boleh dijalankan.
3
Modul 3 — Model, penilaian jujur dan integriti keputusan
Pilih model yang munasabah, nilai dengan metrik yang jujur untuk data yang tidak seimbang, tangkap kebocoran data dan overfitting sebelum ia sampai ke mesyuarat, dan bezakan penjelasan yang munasabah daripada penjelasan yang benar-benar disahkan.
4
Modul 4 — Projek Akhir: daripada data kepada keputusan
Tukar analisis menjadi satu muka surat yang pihak perniagaan benar-benar bertindak atasnya, tulis notebook yang boleh dijalankan semula oleh rakan sekerja, dan satukan semuanya dalam satu projek sebenar.

Kursus ini untuk anda yang

Bekerja sebagai saintis data, analis data atau penganalisis perniagaan yang sudah selesa dengan Python atau SQL
Membina model untuk churn pelanggan telco, ramalan permintaan rangkaian F&B, penilaian risiko kredit, atau hasil ladang — dan keputusan anda benar-benar digunakan
Menggunakan ChatGPT, Claude atau Copilot untuk analisis sekali-sekala, tetapi tidak yakin bila hasilnya boleh dipercayai tanpa disemak semula
Baru memulakan kerjaya sains data dan mahu membina tabiat yang betul sebelum tabiat yang salah menjadi biasa
Seorang ketua pasukan analitik yang mahu pasukannya bergerak lebih pantas tanpa kehilangan integriti keputusan

Kenapa kursus ini berbeza

Tugasan pada set data anda sendiri

Setiap latihan dibuat pada data yang anda benar-benar bekerja dengannya — EDA anda, ciri anda, model anda. Bukan Titanic atau Iris yang anda lupa sebaik sahaja notebook ditutup.

Jurulatih membaca analisis anda

Tugasan penting — senarai semak EDA, senarai ciri, laporan penilaian model dan satu muka surat perniagaan anda — dibaca dan dikomen oleh jurulatih. Anda dapat tahu di mana kesimpulan anda kukuh, dan di mana ia hanya kedengaran kukuh.

Penilaian yang jujur, bukan angka yang cantik

Kursus ini lebih banyak masa dihabiskan pada bahagian yang membuat model gagal senyap — kebocoran data, overfitting, metrik yang salah untuk kelas tidak seimbang — daripada pada memilih algoritma. Itulah bahagian yang benar-benar menentukan sama ada keputusan anda boleh dipercayai.

Apa kata pelajar kami

Pelajaran kebocoran data itu menyelamatkan saya daripada malu di depan pengurusan. Model churn saya 'terlalu bagus', dan rupa-rupanya satu ciri hanya diisi selepas pelanggan menghubungi pusat panggilan untuk berhenti.

NNurul Hidayah Rosli · Saintis Data, telco, Kuala Lumpur

Saya sudah lama guna AI untuk menulis kod pandas. Yang saya tak buat ialah memaksanya menunjukkan apa yang ia tidak periksa. Senarai semak EDA dalam kursus ini kini melekat pada setiap projek baharu pasukan saya.

LLim Jia Hui · Analis Data Kanan, rangkaian F&B, Pulau Pinang

Bahagian menukar notebook menjadi satu muka surat itu yang paling banyak mengubah kerja saya. Mesyuarat pengurusan sekarang berakhir dengan keputusan, bukan dengan permintaan lebih banyak carta.

AArvind Krishnan · Ketua Analitik, syarikat logistik, Shah Alam

Soalan lazim

Apa yang perlu saya kuasai sebelum mula?

Anda perlu sudah selesa dengan Python (pandas dan satu pustaka pemodelan seperti scikit-learn) atau sekurang-kurangnya SQL yang kukuh, dan pernah menyiapkan satu analisis dari hujung ke hujung. Kursus ini tidak mengajar statistik atau Python dari sifar — ia mengajar cara bekerja dengan AI tanpa kehilangan integriti keputusan anda.

Adakah kursus ini mengajar melatih model bahasa besar sendiri?

Tidak. Fokusnya ialah kerja sains data harian — EDA, ciri, model, penilaian dan komunikasi keputusan — dengan AI sebagai rakan analisis yang mempercepatkan kerja itu. Membina atau menala model bahasa besar ialah topik lain sepenuhnya.

Alat mana yang digunakan? Perlukah saya membayar langganan?

Prinsipnya sama untuk ChatGPT, Claude, Gemini atau Copilot, dan setiap contoh diberi sebagai prompt yang boleh dibawa ke mana-mana alat. Untuk kod, contoh menggunakan Python dan SQL biasa. Anda boleh mengikuti kursus ini sepenuhnya dengan alat percuma atau alat yang sudah dibayar oleh tempat kerja anda.

Bolehkah saya gunakan data pelanggan syarikat untuk tugasan?

Jangan tampal data peribadi pelanggan ke dalam alat AI awam — di bawah PDPA 2010 itu pendedahan kepada pihak ketiga, dan hampir tiada dasar dalaman yang membenarkannya. Kursus ini menunjukkan cara memberi AI bentuk data tanpa isinya: skema, jenis lajur, taburan dan statistik ringkasan. Untuk tugasan, gunakan set data awam, data sintetik, atau data anda yang sudah dinyahkenal sepenuhnya.

Adakah AI akan menggantikan saintis data?

Bahagian yang menaip kod dan menjana carta menjadi jauh lebih pantas. Bahagian yang menentukan soalan mana yang berbaloi ditanya, ciri mana yang masuk akal untuk perniagaan ini, dan bila sesuatu keputusan tidak cukup kukuh untuk ditandatangani — itu masih kerja anda, dan nilainya naik apabila analisis dihasilkan lebih laju daripada ia disemak. Kursus ini melatih bahagian itu.

Sedia bergerak lebih pantas tanpa menggadaikan integriti keputusan anda?

Sertai percuma hari ini dan siapkan pelajaran pertama dalam masa kurang 15 minit. Tugasan pertama anda akan dibaca oleh jurulatih sebenar, bukan diperiksa oleh mesin.