Bất cứ khi nào chúng ta nói về phân tích dữ liệu, Excel và VBA là những công cụ đầu tiên đi vào tâm trí người bình thường. Tuy nhiên, Python đã phát triển nhanh chóng trong vài năm qua với sự gia tăng của học máy và trí tuệ nhân tạo. Là một nhà phân tích dữ liệu, nó rất cần thiết để so sánh hai ngôn ngữ này và biết ngôn ngữ nào tốt hơn cho các phân tích dữ liệu.
Python tốt hơn VBA để phân tích dữ liệu vì nó mạnh hơn và sạch hơn. Phân tích dữ liệu sử dụng Python cũng cung cấp kiểm soát phiên bản tốt hơn. VBA chỉ phù hợp cho tự động hóa Excel đơn giản vì nó được xây dựng cho điều đó. Nếu bạn muốn làm bất cứ điều gì phức tạp hơn, bạn nên sử dụng Python.
Mặc dù Python là lựa chọn hiện đại, biết tại sao nhiều chuyên gia vẫn sử dụng VBA sẽ cho phép bạn đánh giá cao và thậm chí sử dụng nó cho những điều nhất định. Đọc để tìm hiểu tất cả về phân tích dữ liệu bằng VBA và Python.
Sidenote quan trọng: Chúng tôi đã phỏng vấn hơn 100 chuyên gia khoa học dữ liệu [các nhà khoa học dữ liệu, người quản lý tuyển dụng, nhà tuyển dụng - bạn đặt tên cho nó] và xác định 6 bước đã được chứng minh để trở thành nhà khoa học dữ liệu. Đọc bài viết của tôi: 6 bước đã được chứng minh để trở thành một nhà khoa học dữ liệu [Hướng dẫn đầy đủ] cho các phát hiện và khuyến nghị chuyên sâu!-Đây có lẽ là bài viết toàn diện nhất về chủ đề bạn sẽ tìm thấy trên Internet! We interviewed 100+ data science professionals [data scientists, hiring managers, recruiters – you name it] and identified 6 proven steps to follow for becoming a data scientist. Read my article: ‘6 Proven Steps To Becoming a Data Scientist [Complete Guide] for in-depth findings and recommendations!– This is perhaps the most comprehensive article on the subject you will find on the internet!
- VBA là gì?
- Những lợi ích của việc sử dụng VBA
- Nó có thể tự động hóa các nhiệm vụ thực sự tốt
- Nó thân thiện với người dùng
- Nó có một cộng đồng người dùng lớn
- Nhược điểm của VBA
- Nó có tiếng xấu
- Nó được giới hạn trong các ứng dụng văn phòng
- Python là gì?
- Những lợi ích của việc sử dụng Python
- Thật dễ dàng để học
- Nó đi kèm với các gói mạnh mẽ
- Đó là nguồn mở
- Nó được hỗ trợ tốt
- Nhược điểm của Python
- Mức tiêu thụ bộ nhớ của nó cao
- Nó có thể chậm
- Nó được gõ linh hoạt
- Nó đơn giản
- VBA so với Python để phân tích dữ liệu: Cái nào tốt hơn?
- Tác giả Khuyến nghị: Tài nguyên khoa học dữ liệu hàng đầu để xem xét
- Sự kết luận
Hình thức đầy đủ của VBA là Visual Basic cho các ứng dụng. Đây là một ngôn ngữ được phát triển cho các chương trình Microsoft Office như Excel, Word, Outlook, PowerPoint, v.v. VBA về cơ bản là việc triển khai ngôn ngữ lập trình Visual Basic do Microsoft phát triển trong thập niên 90. Ngôn ngữ VB được phát triển để cho phép các chương trình Microsoft giao tiếp với nhau.
Excel là bảng tính phổ biến nhất cho máy tính. Nó thân thiện với người dùng và được cài đặt sẵn các PC mới mua. Chúng tôi có thể thực hiện hiệu quả các tính toán khác nhau và chương trình cũng có một nhóm các chức năng thống kê. Tạo bảng tính để tính toán ngân sách hàng tháng, theo dõi các chi phí liên quan và sắp xếp dữ liệu là cách sử dụng phổ biến của Excel.
Lý do chúng tôi đã nói về Excel là VBA không phải là một chương trình độc lập; Nó có một ngôn ngữ được sử dụng để tự động hóa các tác vụ trong các ứng dụng như Excel. VBA cung cấp một môi trường viết mã đầy đủ để phân tích dữ liệu. Bạn có thể xây dựng các chức năng của riêng mình, tự động hóa các tác vụ và phát triển mã tùy chỉnh. Nó đã ở đó với Microsoft Office trong hơn 20 năm.
Để chỉnh sửa mã Visual Basic, bạn phải truy cập Trình soạn thảo Visual Basic [VBE] bằng cách truy cập tab Nhà phát triển và sau đó nhấp vào Visual Basic. Ngoài ra, bạn chỉ có thể nhấn Alt+F11. Trình chỉnh sửa này là một môi trường phát triển tích hợp hoàn chỉnh [IDE] cho phép bạn tạo và chỉnh sửa các macro và mã cơ bản trực quan khác.
Những lợi ích của việc sử dụng VBA
Nó có thể tự động hóa các nhiệm vụ thực sự tốt
Nó thân thiện với người dùng
Nó có thể tự động hóa các nhiệm vụ thực sự tốt
Nó thân thiện với người dùng
Nó có một cộng đồng người dùng lớn
Nó thân thiện với người dùng
Nó có một cộng đồng người dùng lớn
Sự thân thiện với người dùng này của mã VBA giúp bạn dễ dàng sử dụng. Ngay cả những người không có kinh nghiệm lập trình cũng có thể tự dạy mình hiểu và viết mã VBA với rất ít nỗ lực.
Nó có một cộng đồng người dùng lớn
VBA đã có từ khá lâu, vì vậy, có rất nhiều tài liệu và diễn đàn trợ giúp để hỗ trợ bạn bất cứ điều gì bạn muốn làm. Nó cũng là ngôn ngữ giới thiệu của Microsoft, vì vậy nó có một cộng đồng mạnh mẽ và lớn.
Nếu bạn có kế hoạch học VBA và Excel một mình, bạn sẽ thấy đây là một lợi thế lớn vì lỗi gỡ lỗi là một phần chính của tự giảng dạy. Có những diễn đàn như ông Excel, nơi bạn có thể nhận giải pháp cho câu hỏi của mình ngay cả trong vài phút.
Nhược điểm của VBA
Microsoft đang lên kế hoạch thay thế VBA bằng JavaScript. Bây giờ, nó sẽ ít nhất 10-15 năm trước khi VBA trở nên không liên quan và công ty ngừng hỗ trợ nó. Tuy nhiên, nó chứng minh rằng chính Microsoft sẽ thích một cái gì đó khác ngoài VBA. Sẽ không có các chức năng hoặc khả năng mới thú vị được phát hành trong ngôn ngữ này. & NBSP;
VBA là tuyệt vời cho rất nhiều thứ, nhưng nó thiếu một số tính năng lập trình hướng đối tượng như kế thừa. Nó rất cần thiết để ghi nhớ những nhược điểm này để giúp bạn quyết định giữa VBA và Python. Dưới đây là một số nhược điểm của việc sử dụng Visual Basic cho các ứng dụng:
Nó có tiếng xấu
Vì VBA không phải là ngôn ngữ sức mạnh công nghiệp, cộng đồng nhà phát triển không giữ nó rất quan tâm. Ngoài việc xử lý lỗi tệ hại của VBA, nó còn thiếu một thư viện lớp phát triển tốt. Biên tập viên VB cũng lỗi thời và đơn giản là khủng khiếp. Cảm giác như trình soạn thảo đang tích cực làm việc chống lại việc viết mã VB hướng đối tượng.
Trong Stack Overflow Development Survey 2020, VBA vẫn là ngôn ngữ đáng sợ nhất trong số các nhà phát triển. Đó là cách này trong một vài năm nay. Trước VBA, vào năm 2018, ngôn ngữ đáng sợ nhất là Visual Basic 6.0, về cơ bản giống như VBA. Vì vậy, điều hiển nhiên là các nhà phát triển don lồng coi VBA là một ngôn ngữ lập trình thực sự của người Viking.
Nó được giới hạn trong các ứng dụng văn phòng
Như chúng tôi đã nói, VBA không phải là ngôn ngữ độc lập. Nó chỉ có thể chạy trong một ứng dụng máy chủ và không bao giờ là một chương trình độc lập. Ngôn ngữ này được tích hợp rất nhiều vào Excel và các chương trình Microsoft Office khác, có thể vừa là một điều tốt và xấu.
Thật tốt khi những người khác không cần thêm phần mềm ngoại trừ Excel sử dụng macro của bạn. Tuy nhiên, nó cũng giới hạn các chức năng của VBA, vì bạn chỉ có thể sử dụng nó trong miền Excel. Bạn không thể thao tác các chương trình hoặc ứng dụng web khác với VBA. So với các ngôn ngữ khác được sử dụng để phân tích dữ liệu, cụ thể là mã Python và R, đó là một bất lợi rằng VBA bị hạn chế trong các ứng dụng văn phòng.
Python là gì?
Python là một ngôn ngữ lập trình cấp cao, cấp cao mà cộng đồng cũng linh hoạt và nguồn mở. Nó đã nhanh chóng phát triển phổ biến vì khả năng xử lý một loạt các nhiệm vụ. Cú pháp của nó sử dụng các từ khóa tiếng Anh, khiến nó dễ dàng đọc và hiểu. Đó là lý do tại sao Python rất thân thiện với người mới bắt đầu và dễ bắt đầu.
Vì Python ngày càng trở nên phổ biến, nhu cầu về các nhà phát triển Python tốt cũng đang tăng vọt. Điều này, đến lượt nó, có nghĩa là mức lương cho các công việc phát triển Python cũng đang tăng lên. Nhiều công ty công nghệ lớn như Instagram, Facebook, Google và Pinterest sử dụng Python trong các ứng dụng của họ. Nó chứng minh rằng Python là một ngôn ngữ lập trình mạnh mẽ và đáng tin cậy và chỉ ra rằng đó cũng là ngôn ngữ của tương lai.
Như chúng tôi đã nói, Python là một ngôn ngữ đa năng hoặc đa năng. Điều đó có nghĩa là, không giống như các ngôn ngữ dành riêng cho miền, Python có thể được sử dụng cho nhiều ứng dụng. Ví dụ: chúng ta chỉ có thể sử dụng HTML và CSS để xây dựng và thiết kế các trang web. Tuy nhiên, chúng ta có thể sử dụng Python để phát triển web, phát triển phần mềm, phát triển ứng dụng di động và hơn thế nữa. Nó có ứng dụng rộng, nhưng trong bài viết này, chúng tôi sẽ chỉ thảo luận về cách sử dụng Python để phân tích dữ liệu.
Những lợi ích của việc sử dụng Python
Có những lý do chính đáng tại sao Python là một trong những ngôn ngữ lập trình được sử dụng phổ biến nhất. Nó cung cấp các thư viện mạnh mẽ ra khỏi hộp và được sử dụng bởi các tập đoàn khổng lồ, điều đó có nghĩa là nó có thể xử lý một lượng lớn dữ liệu một cách dễ dàng. Hiểu về ưu điểm của Python sẽ giúp bạn so sánh nó với VBA và chỉ cần có ý tưởng về thế giới Python là như thế nào. Vì vậy, đây là những lợi ích chính của việc học Python để phân tích dữ liệu:
Thật dễ dàng để học
Python thân thiện với người mới bắt đầu, và bạn sẽ thấy dễ dàng bắt đầu với nó. Cú pháp của nó ngắn gọn, và đọc mã Python giống như đọc tiếng Anh, giúp bạn dễ dàng học hỏi và hiểu. Ví dụ: bạn sẽ phải xây dựng một lớp chỉ để in ra Hello Hello World ở Java, trong khi Python có thể làm tương tự trong một dòng mã với một câu lệnh in đơn giản.
Python là ngôn ngữ lập trình đơn giản nhất mà bạn có thể học, so với các ngôn ngữ lập trình khác hiện nay.
Nó đi kèm với các gói mạnh mẽ
Python có một thư viện rộng rãi chứa mã cho các mục đích khác nhau như trình duyệt web, thao tác hình ảnh, cơ sở dữ liệu, email, kiểm tra đơn vị, v.v. Những thư viện tuyệt vời này làm cho nó dễ dàng thực hiện phân tích dữ liệu phức tạp và các nhiệm vụ học máy.
Nếu chúng ta nói cụ thể về khoa học dữ liệu, Python có sự kết hợp với điện toán khoa học cơ bản, gấu trúc để thao tác và phân tích dữ liệu, matplotlib để trực quan hóa dữ liệu và vẽ đồ thị, Seaborn để trực quan hóa dữ liệu thống kê và một số thư viện mạnh mẽ hơn.
Đó là nguồn mở
Như bạn có thể đã biết, Python có sẵn miễn phí để tải xuống. Không chỉ vậy, mà còn là nguồn mở. Điều này có nghĩa là bạn có thể tải xuống mã nguồn Python, thực hiện các thay đổi cho nó và phân phối phiên bản thay đổi của Python. Điều này có thể hữu ích khi bạn muốn sử dụng lại mã và lưu thời gian xây dựng các ứng dụng mới. Các nhà phát triển cũng có thể thay đổi hành vi của Python và sử dụng các phiên bản cũ hơn để phát triển.
Nó được hỗ trợ tốt
Bạn có thể đối mặt với các vấn đề bất kể ngôn ngữ lập trình bạn sử dụng. May mắn thay, rất nhiều nhà phát triển sử dụng Python. Vào năm 2020, nó đã chiếm vị trí hàng đầu trong năm thứ tư liên tiếp cho ngôn ngữ lập trình được mong muốn nhất của người Viking trong cuộc khảo sát của nhà phát triển Overflow Stack. & NBSP;
Ngôn ngữ cũng được sử dụng trong giới công nghiệp và học thuật. Vì vậy, có một cộng đồng lớn đằng sau Python, và bạn luôn có thể chuyển sang Stack Overflow, tài liệu hoặc mã do người dùng thay đổi để được trợ giúp.
Nhược điểm của Python
Không có ngôn ngữ lập trình là hoàn hảo. Python cũng chia sẻ một phần khuyết điểm của mình, cần được xem xét trước khi đầu tư thời gian của bạn và thậm chí có thể là tiền trong việc học lập trình Python. Dưới đây là một số nhược điểm của Python:
Mức tiêu thụ bộ nhớ của nó cao
Python có các loại dữ liệu linh hoạt, vì vậy mức tiêu thụ bộ nhớ ở Python cao hơn so với các ngôn ngữ khác. Điều này có nghĩa là Python không phải là lựa chọn đúng đắn cho bất kỳ nhiệm vụ sử dụng nhiều bộ nhớ nào. Ngoài ra, đối với bất kỳ dự án nào, bạn sẽ cần phải theo dõi tiêu thụ bộ nhớ một cách cẩn thận. Bạn cũng sẽ phải tuân theo các thực tiễn mã hóa tốt nhất để tránh các vấn đề về bộ nhớ tiềm năng.
Nó có thể chậm
Như chúng tôi đã thảo luận, Python là một ngôn ngữ được giải thích. Nó có nghĩa là mã Python được thực thi bằng cách thực hiện các hướng dẫn trực tiếp thay vì biên dịch nó thành các hướng dẫn bằng ngôn ngữ máy. Hành vi này thường có thể dẫn đến thời gian thực hiện chậm hơn.
Để hiểu điều này tốt hơn, ví dụ như hãy lấy ngôn ngữ C. Đây là một ngôn ngữ được biên dịch, vì vậy nó không dành nhiều thời gian để kiểm tra mã nguồn và nhanh chóng chuyển đổi nó thành các hướng dẫn CPU. Do đó, mã được viết bằng ngôn ngữ C thực hiện nhanh hơn Python.
Nó được gõ linh hoạt
Thông thường, đối với mục đích khoa học dữ liệu, các nhà phát triển thích ngôn ngữ lập trình được đánh máy tĩnh vì nó có thể làm giảm nhiều lỗi trong hệ thống của bạn. Nhưng vì Python là một ngôn ngữ được đánh máy động, nó đòi hỏi nhiều thử nghiệm hơn. Nó cũng có thể có lỗi chỉ hiển thị khi chạy.
Nó đơn giản
Không, tôi không đùa. Sự đơn giản của Python thực sự có thể gây hại. Thật dễ dàng để học, và cú pháp sạch và ngắn gọn của nó cũng giúp bạn dễ đọc và hiểu. Điều này làm cho các lập trình viên quen thuộc với Python đến mức họ cảm thấy mã của các ngôn ngữ khó hơn như Java là không cần thiết.
Nhược điểm của người Viking này là một lỗi thực sự là lỗi của ngôn ngữ. Chúng ta, con người, thích những thứ đơn giản, vì vậy nhiều người bị cuốn hút vào Python một cách tự nhiên hơn các ngôn ngữ khác có thể phức tạp hơn.
VBA so với Python để phân tích dữ liệu: Cái nào tốt hơn?
Chúng tôi đã xem xét cả hai ngôn ngữ riêng lẻ, những gì họ là, ưu và nhược điểm của họ. Bây giờ, thời gian để thảo luận chi tiết về ngôn ngữ nào trong số các ngôn ngữ này tốt hơn để phân tích dữ liệu. Nhưng trước khi chúng tôi làm điều đó, hãy để xem xét các điểm tương đồng và khác biệt cơ bản giữa hai ngôn ngữ.
Cả Python và VBA đều là ngôn ngữ cấp cao, được giải thích. Cái trước là ngôn ngữ đa năng, trong khi ngôn ngữ sau là ngôn ngữ cụ thể về miền. Python cũng là nguồn mở, có nghĩa là nó cho phép mọi người thay đổi mã nguồn theo những cách sáng tạo. Ngược lại, VBA là độc quyền của Microsoft, điều đó có nghĩa là nó không phải là nguồn mở và không thể được chỉnh sửa.
Vì vậy, VBA đã chết, và Python có nên được sử dụng cho tất cả các mục đích không? Hay VBA vẫn còn tốt hơn Python vì nó được tích hợp với Excel?
Đối với bất kỳ ai muốn tham gia phân tích dữ liệu, Python là ngôn ngữ ưa thích. VBA không được khuyến nghị cho các nhà phân tích dữ liệu tham vọng. Như chúng tôi đã thảo luận, sự nổi tiếng của Python đã phát triển trong vài năm qua và sẽ tiếp tục phát triển trong tương lai. Thêm vào đó, Python cũng có hàng tấn thư viện cực kỳ hữu ích cho tất cả các mục đích như - học máy, phân tích dữ liệu, phát triển web, v.v. As we’ve discussed, Python’s popularity has been growing for the last few years and will continue to grow in the future. Plus, Python also has tons of extremely helpful libraries for all purposes such as – machine learning, data analytics, web development, etc.
Một trong những lý do chính khiến Python được ưu tiên hơn VBA là vì Python tích hợp tốt với các chương trình khác. Bạn có thể nhập và xuất các loại định dạng tệp khác nhau vào Python. Mã của nó cũng có thể tái tạo và tương thích, và nó xử lý các bộ dữ liệu lớn tốt hơn nhiều so với VBA. Trên con đường học tập và sử dụng Python của bạn, bạn sẽ tìm thấy rất nhiều hướng dẫn và diễn đàn để giúp bạn tìm ra lỗi của mình và làm sâu sắc thêm kiến thức của bạn.
Khi bạn đã học được những điều cơ bản của Python, bạn có thể tìm hiểu một thư viện được thiết kế để phân tích dữ liệu như gấu trúc. Python thân thiện với người mới bắt đầu, và bạn không nên có bất kỳ vấn đề lớn nào khi học nó. Nhưng nếu bạn làm như vậy, có nhiều tài nguyên miễn phí và trả phí có sẵn trên Internet để giúp bạn ra ngoài. Bạn sẽ tìm thấy rất nhiều hướng dẫn tuyệt vời trên các nền tảng như YouTube, Freecodecamp, Coursera, v.v.
Quay lại cuộc tranh luận, Python có luôn tốt hơn VBA để phân tích dữ liệu không? Vâng, cả hai ngôn ngữ đều thực hiện tốt nhiệm vụ của họ. Vì vậy, nó không phải là VBA là khủng khiếp và nên tránh bằng mọi giá. Bạn vẫn có thể sử dụng nó cho nhiều chức năng trong Excel, như sao chép sổ làm việc, dự báo doanh số và thu nhập, tạo hóa đơn và biểu mẫu và tiết kiệm thời gian cho bất kỳ nhiệm vụ xuất sắc nào bằng cách tạo macro cho nó.
Tác giả Khuyến nghị: Tài nguyên khoa học dữ liệu hàng đầu để xem xét
Trước khi kết thúc bài viết này, tôi muốn chia sẻ một vài tài nguyên khoa học dữ liệu hàng đầu mà tôi đã cá nhân xem xét cho bạn. Tôi tự tin rằng bạn có thể hưởng lợi rất nhiều trong hành trình khoa học dữ liệu của mình bằng cách xem xét một hoặc nhiều tài nguyên này.I wanted to share few top data science resources that I have personally vetted for you. I am confident that you can greatly benefit in your data science journey by considering one or more of these resources.
- DataCamp: Nếu bạn là người mới bắt đầu tập trung vào việc xây dựng các kỹ năng nền tảng trong khoa học dữ liệu, thì không có nền tảng nào tốt hơn Datacamp. Theo một chiếc ô thành viên, DataCamp cho phép bạn truy cập vào hơn 335 khóa học khoa học dữ liệu. Hoàn toàn không có nền tảng nào khác đến bất cứ nơi nào gần với điều này. Do đó, nếu việc xây dựng các kỹ năng khoa học dữ liệu nền tảng là mục tiêu của bạn: Bấm vào đây để đăng ký Datacamp ngay hôm nay! If you are a beginner focused towards building the foundational skills in data science, there is no better platform than DataCamp. Under one membership umbrella, DataCamp gives you access to 335+ data science courses. There is absolutely no other platform that comes anywhere close to this. Hence, if building foundational data science skills is your goal: Click Here to Sign Up For DataCamp Today!
- Giấy chứng nhận chuyên nghiệp khoa học dữ liệu IBM: Nếu bạn đang tìm kiếm một thông tin khoa học dữ liệu có sự công nhận mạnh mẽ trong ngành nhưng không liên quan đến quá nhiều nỗ lực: Bấm vào đây để đăng ký vào Chương trình Chứng chỉ Chuyên nghiệp Khoa học Dữ liệu IBM ngay hôm nay! [Để tìm hiểu thêm: Kiểm tra đánh giá đầy đủ của tôi về chương trình chứng chỉ này tại đây] If you are looking for a data science credential that has strong industry recognition but does not involve too heavy of an effort: Click Here To Enroll Into The IBM Data Science Professional Certificate Program Today! [To learn more: Check out my full review of this certificate program here]
- Chương trình MITX Micromasters trong Khoa học dữ liệu: Nếu bạn đang ở giai đoạn nâng cao hơn trong hành trình khoa học dữ liệu của mình và tìm cách đưa các kỹ năng của bạn lên một tầm cao mới, thì không có chương trình không cấp độ nào tốt hơn MIT Micromasters. Nhấn vào đây để đăng ký vào chương trình MIT Micromasters ngay hôm nay! . If you are at a more advanced stage in your data science journey and looking to take your skills to the next level, there is no Non-Degree program better than MIT MicroMasters. Click Here To Enroll Into The MIT MicroMasters Program Today! [To learn more: Check out my full review of the MIT MicroMasters program here]
- Lộ trình để trở thành một nhà khoa học dữ liệu: Nếu bạn đã quyết định trở thành một chuyên gia khoa học dữ liệu nhưng không hoàn toàn chắc chắn làm thế nào để bắt đầu: Đọc bài viết của tôi - 6 cách đã được chứng minh để trở thành một nhà khoa học dữ liệu. Trong bài viết này, tôi chia sẻ những phát hiện của mình từ việc phỏng vấn hơn 100 chuyên gia khoa học dữ liệu tại các công ty hàng đầu [bao gồm - Google, Meta, Amazon, v.v.] và cung cấp cho bạn một lộ trình đầy đủ để trở thành một nhà khoa học dữ liệu. If you have decided to become a data science professional but not fully sure how to get started: read my article – 6 Proven Ways To Becoming a Data Scientist. In this article, I share my findings from interviewing 100+ data science professionals at top companies [including – Google, Meta, Amazon, etc.] and give you a full roadmap to becoming a data scientist.
Sự kết luận
Trong khi cả Python và VBA đều có ưu và nhược điểm của họ, mọi người thường đứng về phía người này hay cái kia.
Python được ưa thích hơn VBA, chủ yếu là vì nó là một ngôn ngữ chống đối trong tương lai. VBA cũng bị giới hạn trong các ứng dụng văn phòng, trong khi Python có thể dễ dàng tích hợp với các chương trình phần mềm khác và thậm chí các ngôn ngữ lập trình khác. & NBSP;
Nếu bạn muốn tham gia phân tích dữ liệu, bạn nên học Python và một vài thư viện được thiết kế để phân tích dữ liệu. Nếu bạn là một người dùng Excel nặng, VBA có thể là một kỹ năng hữu ích mà sẽ giúp bạn tiết kiệm một lượng lớn thời gian và công sức. & NBSP;
Trước khi bạn đi: Don Tiết quên kiểm tra bài viết mới nhất của tôi - 6 bước đã được chứng minh để trở thành nhà khoa học dữ liệu [Hướng dẫn đầy đủ]. Chúng tôi đã phỏng vấn hơn 100 chuyên gia khoa học dữ liệu [các nhà khoa học dữ liệu, nhà quản lý tuyển dụng, nhà tuyển dụng - bạn đặt tên cho nó] và tạo ra hướng dẫn toàn diện này để giúp bạn tìm được công việc khoa học dữ liệu hoàn hảo đó. Don’t forget to check out my latest article – 6 Proven Steps To Becoming a Data Scientist [Complete Guide]. We interviewed 100+ data science professionals [data scientists, hiring managers, recruiters – you name it] and created this comprehensive guide to help you land that perfect data science job.
Tiết lộ liên kết: Chúng tôi tham gia vào một số chương trình liên kết và có thể được bồi thường nếu bạn mua hàng bằng cách sử dụng liên kết giới thiệu của chúng tôi, mà không phải trả thêm chi phí cho bạn. Tuy nhiên, bạn có thể tin tưởng vào tính toàn vẹn của khuyến nghị của chúng tôi. Các chương trình liên kết tồn tại ngay cả đối với các sản phẩm mà chúng tôi không khuyến nghị. Chúng tôi chỉ chọn giới thiệu cho bạn các sản phẩm mà chúng tôi thực sự tin tưởng. We participate in several affiliate programs and may be compensated if you make a purchase using our referral link, at no additional cost to you. You can, however, trust the integrity of our recommendation. Affiliate programs exist even for products that we are not recommending. We only choose to recommend you the products that we actually believe in.