21 bästa kurserna i maskininlärning för kompetensutveckling 2026

Maskininlärning är en viktig kompetens för alla teknikledare idag. Men att komma igång kan kännas överväldigande: Hur tar du dig förbi grunderna för att hantera verkliga utmaningar som överanpassade modeller, driftsättning av lösningar i stor skala eller hantering av obalanserade datamängder? Alla yrkesverksamma som arbetar med maskininlärning stöter så småningom på dessa hinder, och att hitta rätt utbildningsresurser är avgörande för att övervinna dem.

Oavsett om du vill fördjupa dina kunskaper om neurala nätverk, behärska tekniker för driftsättning av maskininlärningsmodeller eller förstå bästa praxis för att hantera problem med datakvalitet, kan en målinriktad kurs göra stor skillnad. I den här guiden går vi igenom de bästa kurserna i maskininlärning – noggrant utvalda för att hjälpa teknikledare att navigera i maskininlärningens komplexitet och utveckla praktiska färdigheter som leder till framgång i verkliga situationer.

Här är några av de främsta kurserna i maskininlärning som behandlar viktiga koncept, praktiska tillämpningar och avancerade strategier för alla som vill fördjupa sin expertis inom artificiell intelligens.

Kort lista över de bästa kurserna i maskininlärning

Här är min kortlista över de bästa kurserna i maskininlärning som jag tycker är värda din tid under 2026:

1. Specialisering i maskininlärning (Stanford University)
2. Datavetenskap: maskininlärning (Harvard University)
3. Maskininlärning för alla (DataCamp)
4. Maskininlärning från A till Ö: AI, Python & R + ChatGPT-pris (Udemy)
5. Maskininlärning i affärsverksamhet (MIT Professional Education)
6. Specialisering i djupinlärning (DeepLearning.AI)
7. Viktig utbildning i NLP med Python för maskininlärning (LinkedIn Learning)
8. Specialisering i maskininlärning på Google Cloud (Google Cloud)
9. Maskininlärning med Python: grunderna (LinkedIn Learning)
10. Grunderna i maskininlärning med Python (DataCamp)
11. Algoritmer för maskininlärning (Great Learning)
12. Avancerad maskininlärning på Google Cloud (Google Cloud) 
13. Bygga rekommendationssystem med maskininlärning och AI (LinkedIn Learning) 
14. Grunderna i maskininlärning (Microsoft Learn) 
15. Grunderna i maskininlärning och AI: linjär regression (LinkedIn Learning)
16. Maskininlärning: grunder och algoritmer (CMU) 
17. Grunderna i artificiell intelligens: maskininlärning (LinkedIn Learning) 
18. Maskininlärning från början till slut med TensorFlow på GCP-kursen (Google Cloud) 
19. Professionellt certifikat i maskininlärning från IBM (IBM)
20. Maskininlärning och AI med Python (Harvard University)
21. Grunderna i stordata och maskininlärning på Google Cloud (Google Cloud) 

Hitta mer information om varje kurs nedan.

Översikt över de bästa kurserna i maskininlärning

1. Specialisering i maskininlärning (Stanford University)

Den här kursen ger en grundläggande introduktion till maskininlärning genom tre kurser som är utformade för att bygga AI-applikationer för verkliga användningsområden. Kursen leds av Andrew Ng och behandlar grunderna i övervakad, oövervakad och förstärkningsinlärning, med fokus på praktisk modellutveckling

• Vem den passar för: Personer som är intresserade av att lära sig grunderna i maskininlärning
• Ämnen som tas upp:
  • Maskininlärningsmodeller med NumPy och scikit-learn
  • Övervakad inlärning med linjär och logistisk regression
  • Neurala nätverk och flerklassklassificering med TensorFlow
  • Beslutsträd och ensemblemetoder
  • Oövervakad inlärning, inklusive klustring och avvikelsedetektering
  • Rekommendationssystem med kollaborativ filtrering och djupinlärning
  • Modeller för djup förstärkningsinlärning 

• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Varaktighet: 2 månader 
• Hur många undervisningstimmar: 10 timmar per vecka (självstudier)
• Behörighetskrav: Kunskaper i grundläggande programmering och matematik på gymnasienivå
• Pris: Anmäl dig kostnadsfritt 
• Gå kursen: Coursera

2. Datavetenskap: maskininlärning (Harvard University)

Den här kursen ingår i Harvards yrkescertifikat i datavetenskap och fokuserar på maskininlärningstekniker för att bygga prediktiva modeller med hjälp av dataset. Den omfattar praktisk erfarenhet av att skapa ett filmrekommendationssystem för att förstå centrala algoritmer, regularisering och korsvalidering.

• Vem den passar för: Nybörjare som är intresserade av datavetenskap och maskininlärning
• Ämnen som tas upp:
  • Grunderna i maskininlärning
  • Populära maskininlärningsalgoritmer
  • Tekniker för korsvalidering
  • Betydelsen av regularisering
  • Att bygga ett rekommendationssystem
• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Varaktighet: 8 veckor
• Hur många undervisningstimmar: 2 till 4 timmar per vecka (självstudier)
• Behörighetskrav: Inga
• Pris:
  • Utan certifikat: Kostnadsfritt
  • Med certifikat: $149
• Gå kursen: Harvard

3. Maskininlärning för alla (DataCamp)

Den här kursen är en omfattande introduktion till maskininlärning och täcker viktiga områden som övervakad, oövervakad och djupinlärning. Den innehåller handledningar och praktiska övningar för att förstå koncept som klustring, neurala nätverk, modellutvärdering och insikter i hur maskininlärning används inom olika branscher. 

• För vem: Personer utan tidigare erfarenhet av maskininlärning
• Ämnen som behandlas:
  • Förstå maskininlärning
  • Introduktion till Python och dess funktioner
  • Övervakad inlärning med scikit-learn
  • Introduktion till djupinlärning med PyTorch
  • Förstärkningsinlärning i Python 
• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Varaktighet: 113 timmar
• Hur många undervisningstimmar: Självstudier
• Behörighetskrav: Inga
• Pris: $13 för DataCamp-prenumeration för privatpersoner
• Gå kursen: DataCamp

4. Maskininlärning från A till Ö: AI, Python & R + ChatGPT-pris [2024] (Udemy)

Den här kursen ger en omfattande introduktion till maskininlärning med steg-för-steg-vägledning i hur man skapar algoritmer i både Python och R, samt integrerar fallstudier för verkliga tillämpningar. Den innehåller nedladdningsbara kodmallar för varje projekt, så att deltagarna kan öva och bygga sina modeller effektivt.

• För vem: Nybörjare till deltagare på mellannivå inom maskininlärning
• Ämnen som behandlas:
  • Klassificeringstekniker
  • Klustringsmetoder
  • Behandling av naturligt språk
  • Dimensionsreduktion
  • Modellval och boosting 
• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Varaktighet: 42 timmar och 48 minuter 
• Hur många undervisningstimmar: Självstudier
• Behörighetskrav: Matematik på gymnasienivå
• Pris:
  • Udemy-prenumeration: $20 
  • Engångsbetalning: $149.99
• Gå kursen: Udemy

5. Maskininlärning i affärsverksamheten (MIT Professional Education)

Den här kursen utforskar grunderna i maskininlärning ur ett affärsperspektiv och ger deltagarna förmåga att förstå dess praktiska tillämpningar och strategiska värde. Kursen har utvecklats av MIT:s Sloan School of Management och Computer Science and Artificial Intelligence Laboratory (CSAIL) och fokuserar på att integrera insikter från maskininlärning för beslut med stor inverkan.  

• Vem den är för: Företagsverksamma som är intresserade av att tillämpa maskininlärning
• Ämnen som behandlas:
  • Grundläggande maskininlärning för affärstillämpningar
  • Förstå datadrivna beslutsprocesser
  • Maskininlärningens begränsningar och omfattning inom företag
  • Integrering av AI i affärsstrategin
  • Fallstudier om maskininlärningens inverkan i olika branscher
• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Längd: 6 veckor
• Hur många undervisningstimmar: 4–6 timmar per vecka (i egen takt)
• Behörighetskrav: Inga
• Pris: $3,500
• Gå kursen: MIT Professional Education

6. Specialisering i djupinlärning (DeepLearning.AI)

Den här kursen behandlar viktiga arkitekturer som CNN, RNN, LSTM och transformermodeller. Den lär ut teoretiska och praktiska tillämpningar, såsom taligenkänning och maskinigenkänning, med hjälp av Python och TensorFlow och betonar bästa praxis för att träna modeller och förstå komplexa maskininlärningskonfigurationer. 

• Vem den är för: Personer som är intresserade av djupinlärning och neurala nätverk
• Ämnen som behandlas:
  • Grunderna i neurala nätverk
  • Bästa praxis för att utveckla testuppsättningar
  • Diagnostisering av fel i system
  • Sekvensmodeller 
• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Längd: 3 månader
• Hur många undervisningstimmar: 10 timmar per vecka (i egen takt)
• Behörighetskrav:
  • Pythonkunskaper på mellannivå
  • Grundläggande kunskaper i algebra och ML
• Pris: Gratis
• Gå kursen: Coursera

7. Grundläggande utbildning i NLP med Python för maskininlärning (LinkedIn Learning)

Den här kursen ger deltagarna praktiska färdigheter i att rensa, bearbeta och analysera ostrukturerade textdata. Den behandlar grundläggande NLP-begrepp, avancerad textrensning och vektoriseringstekniker, vilket leder till utveckling av klassificerare för maskininlärning. Kursen utforskar även hur man bygger och utvärderar två typer av maskininlärningsmodeller samt lär sig att effektivt testa modellvariationer. 

• Vem den är till för: Utvecklare och dataforskare som är intresserade av NLP
• Ämnen som tas upp:
  • Grunderna i NLP
  • Avancerade tekniker för datarensning
  • Metoder för textvektorisering
  • Bedömning av modellens noggrannhet och effektivitet 
• Online, på plats eller båda?: Online
• Krävs examen?: Nej
• Varaktighet: 4 timmar och 14 minuter 
• Antal undervisningstimmar: I egen takt
• Behörighetskrav: Inga
• Pris:
  • Karriär: $39.99 
  • Lärande för team: $31.67 per användare
• Gå kursen: LinkedIn Learning

8. Specialisering i maskininlärning på Google Cloud (Google Cloud)

Den här kursen behandlar grunderna i maskininlärning och lär ut hur man bygger, tränar och distribuerar modeller på Google Cloud med Vertex AI utan programmering. Den omfattar byggande av AutoML-modeller, skapande av BigQuery ML-modeller med SQL samt datahantering med Feature Store. 

• Vem den är till för: Personer som är intresserade av molnbaserad maskininlärning
• Ämnen som tas upp:
  • Googles metod för maskininlärning
  • Förstå livscykeln från data till AI
  • Databeredning och tekniker för utforskning
  • Grunderna i TensorFlow
  • Justering av hyperparametrar med Vertex Vizier 
• Online, på plats eller båda?: Online
• Krävs examen?: Nej
• Varaktighet: 1 månad
• Antal undervisningstimmar: 10 timmar per vecka (i egen takt)
• Behörighetskrav: Inga
• Pris: Kostnadsfritt
• Gå kursen: Coursera

9. Maskininlärning med Python: grunderna (LinkedIn Learning)

Den här kursen behandlar grunderna i maskininlärning med Python. Den tar upp hur maskiner lär sig, olika typer av inlärning samt stegen för att samla in, förstå och förbereda data för analys. Den innehåller vägledda Python-exempel för varje steg samt hur man bygger och tolkar en maskininlärningsmodell. 

• Vem det är för: Nybörjare inom maskininlärning som använder Python
• Ämnen som behandlas:
  • Introduktion till maskininlärning och olika typer
  • Tekniker för datainsamling och förberedelse
  • Analys av data för att hitta mönster och insikter
  • Utveckling av maskininlärningsmodeller 
• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Varaktighet: 1 timme och 54 minuter
• Antal undervisningstimmar: Självstudier
• Behörighetskrav: Inga
• Pris:
  • Karriär: $39.99 
  • Lärande för team: $31.67 per användare 
• Gå kursen: LinkedIn Learning

10. Grunderna i maskininlärning i Python (DataCamp)

Den här kursen introducerar grunderna i maskininlärning med Python och behandlar viktiga begrepp inom neurala nätverk och djupinlärning med PyTorch. Den tar upp övervakad inlärning via scikit-learn och oövervakad inlärning för att klustra och visualisera data med scipy samt tillämpningar av förstärkningsinlärning. 

• Vem det är för: Personer som är nya inom maskininlärning med Python
• Ämnen som behandlas:
  • Övervakad och oövervakad inlärning
  • Introduktion till djupinlärning med PyTorch
  • Förstärkningsinlärning med gymnasium i Python
• Online, på plats eller både och?: Online
• Krävs examen?: Nej
• Varaktighet: 16 timmar 
• Antal undervisningstimmar: Självstudier
• Behörighetskrav: Inga
• Pris: $13 för DataCamps individuella abonnemang
• Gå kursen: DataCamp

11. Maskininlärningsalgoritmer (Great Learning)

Den här kursen introducerar grundläggande maskininlärningsalgoritmer och ger både en teoretisk och praktisk förståelse av viktiga tekniker. Den innehåller Python-baserade demonstrationer för att befästa begrepp och praktiska färdigheter inom övervakad och oövervakad inlärning.

• Vem det är för: Personer som är intresserade av att förstå algoritmer för maskininlärning
• Ämnen som behandlas:
  • Introduktion till maskininlärning
  • Typer av maskininlärning (övervakad, oövervakad och förstärkningsinlärning)
  • Linjär regression
  • Naive Bayes-algoritmen
  • K-närmaste grannar (KNN)
  • Stödvektormaskiner (SVM)
  • Algoritmen med slumpmässiga skogar
• Online, på plats eller både och? Online
• Krävs examen? Nej
• Varaktighet: 1 timme och 30 minuter 
• Antal undervisningstimmar: 1 timme och 30 minuter 
• Behörighetskrav: Grundläggande datorvana samt kunskaper i Python och matematik
• Pris: Kostnadsfri
• Gå kursen: Great Learning

12. Specialisering i avancerad maskininlärning på Google Cloud (Google Cloud)

Den här specialiseringen fokuserar på avancerade ämnen inom maskininlärning och lär deltagarna att optimera, distribuera och skala produktionsklara modeller för strukturerade data, bilder och naturligt språk. Den innehåller praktiska laborationer genom Qwiklabs, där deltagarna kan tillämpa sina kunskaper med hjälp av Google Clouds verktyg. 

• Vem det är för: Yrkesverksamma som vill fördjupa sina kunskaper i maskininlärning på Google Cloud
• Ämnen som behandlas:
  • Utformning av skalbara system för maskininlärning
  • Grunderna i datorseende med Google Cloud 
  • Språkteknologi på Google Cloud
  • Komponenter i rekommendationssystem
• Online, på plats eller både och? Online
• Krävs examen? Ingen
• Varaktighet: 2 månader 
• Antal undervisningstimmar: 10 timmar per vecka (självstudier)
• Behörighetskrav: Utformad för yrkesverksamma inom branschen 
• Pris: Kostnadsfri
• Gå kursen: Coursera

13. Bygga rekommendationssystem med maskininlärning och AI (LinkedIn Learning)

Den här kursen ger praktisk utbildning i att utforma rekommendationssystem och behandlar viktiga tekniker som kollaborativ filtrering, matrisfaktorisering och djupinlärning. Den ger praktisk erfarenhet av att använda ramverk och verktyg som TensorFlow och AWS SageMaker för att bygga skalbara rekommendationsmodeller. 

• Vem den är till för: Utvecklare och dataforskare som är intresserade av rekommendationssystem
• Ämnen som behandlas:
  • Introduktion till rekommendationssystem
  • Tekniker för kollaborativ filtrering
  • Metoder för matrisfaktorisering
  • Metoder för djupinlärning
  • Hantera storskaliga data 
• Online, på plats eller både och? Online
• Krävs examen? Nej
• Varaktighet: 9 timmar och 5 minuter
• Hur många undervisningstimmar: Studera i egen takt
• Behörighetskrav: Inga
• Pris:
  • Karriär: $39.99 
  • Lärande för team: $31.67 per användare 
• Gå kursen: LinkedIn Learning

14. Grunderna i maskininlärning (Microsoft Learn)

Den här kursen introducerar de grundläggande begreppen inom maskininlärning med fokus på centrala principer och metoder för modellutvärdering. Den innehåller praktisk övning i automatiserad maskininlärning med hjälp av tjänsten Azure Machine Learning.

• Vem den är till för: Nybörjare som vill lära sig grunderna i maskininlärning
• Ämnen som behandlas:
  • Grundläggande begrepp inom maskininlärning
  • Typer av maskininlärning
  • Träning och utvärdering av maskininlärningsmodeller
  • Introduktion till djupinlärning
  • Automatiserad maskininlärning med Azure 

• Online, på plats eller både och? Online
• Krävs examen? Nej
• Varaktighet: 1 timme och 56 minuter 
• Hur många undervisningstimmar: 1 timme och 56 minuter 
• Behörighetskrav:
  • Grundläggande kunskaper i matematik
  • Bekantskap med Microsoft Azure och molnbaserad databehandling
• Pris: Gratis
• Gå kursen: Microsoft Learn

15. Grunderna i maskininlärning och AI: Linjär regression (LinkedIn Learning)

Den här kursen ger en omfattande översikt över linjära regressioner med fokus på tillämpningar i verkligheten, såsom att förutsäga bostadsvärden, kunders utgifter och aktiekurser. Den behandlar viktiga tekniker inom enkel och multipel linjär regression samt förståelse av regressionskoncept snarare än programvarans funktioner, med insikter från SPSS. 

• Vem kursen passar för: Alla som är intresserade av att förstå linjär regression
• Ämnen som behandlas:
  • Introduktion till linjär regression
  • Skapa och tolka spridningsdiagram
  • Metoder för att bygga regressionsmodeller
  • Alternativ till regression
• Online, på plats eller både och? Online
• Är en examination obligatorisk? Nej
• Varaktighet: 4 timmar och 5 minuter 
• Antal undervisningstimmar: Studera i egen takt
• Behörighetskrav: Inga
• Pris:
  • Karriär: $39.99 
  • Lärande för team: $31.67 per användare 
• Gå kursen: LinkedIn Learning

16. Maskininlärning: grunder och algoritmer (CMU)

Den här kursen erbjuder djupgående undervisning i maskininlärningens tekniska grunder och algoritmer, med fokus på tekniker för prediktion, klassificering och optimering. Den kombinerar matematisk teori med praktiska programmeringsövningar för att bygga upp färdigheter som kan tillämpas inom hälso- och sjukvård samt dataanalys.

• Vem kursen passar för: Yrkesverksamma med erfarenhet av Python som vill fördjupa sin förståelse av maskininlärning och dess matematiska grunder
• Ämnen som behandlas:
  • Grunderna i metoder för maskininlärning
  • Prediktions- och klassificeringsmodeller
  • Regressions- och klustringsalgoritmer
  • Sannolikhet, statistik och optimeringstekniker
  • Tillämpningar inom hälso- och sjukvård samt datadriven analys
• Online, på plats eller både och? Online
• Är en examination obligatorisk? Ja
• Varaktighet: 10 veckor 
• Antal undervisningstimmar: 5 till 10 timmar per vecka 
• Behörighetskrav:
  • Erfarenhet av Python-programmering 
  • Kunskaper i linjär algebra, kalkyl, sannolikhet och statistik på gymnasienivå
• Pris: $2,500
• Gå kursen: CMU

17. Grunderna i artificiell intelligens: maskininlärning (LinkedIn Learning)

Den här kursen introducerar livscykeln för maskininlärning och vägleder deltagarna genom att hämta och förbereda data, välja algoritmer och träna modeller. Den beskriver viktiga metoder inom maskininlärning och betonar praktiska färdigheter i att utvärdera modellprestanda med hjälp av standardmått, utan några förkunskapskrav. 

• Vem kursen är till för: Personer som är nya inom AI och maskininlärning
• Ämnen som behandlas:
  • Introduktion till maskininlärning
  • Typer av maskininlärning
  • Algoritmer för maskininlärning
  • Dataförberedelse och funktionsteknik
  • Etiska överväganden inom maskininlärning 
• Online, på plats eller både och? Online
• Krävs en examen? Nej
• Varaktighet: 1 timme och 50 minuter 
• Antal undervisningstimmar: 1 timme och 50 minuter 
• Behörighetskrav: Inga
• Pris:
  • Karriär: $39.99 
  • Lärande för team: $31.67 per användare 
• Gå kursen: LinkedIn Learning

18. Kurs i maskininlärning från början till slut med TensorFlow på GCP (Google Cloud)

Den här kursen erbjuder ett interaktivt och praktiskt tillvägagångssätt för att bygga en maskininlärningspipeline från början till slut med TensorFlow på Google Cloud Platform. Den vägleder deltagarna från datautforskning via modelldistribution till generering av förutsägelser i realtid.

• Vem kursen är till för: Utvecklare och maskininlärningsingenjörer
• Ämnen som behandlas:
  • Datautforskning och förbearbetning
  • Modellträning med TensorFlow
  • Modelldistribution på Google Cloud Platform
  • Konfiguration av förutsägelser i realtid
  • Arbetsflödesautomatisering för maskininlärningsmodeller
• Online, på plats eller både och? Online
• Krävs en examen? Nej
• Varaktighet: 3 timmar och 15 minuter 
• Antal undervisningstimmar: Studera i egen takt
• Behörighetskrav: Grundläggande kunskaper i TensorFlow
• Pris: $29 för en Pluralsight-prenumeration 
• Gå kursen: Pluralsight

19. Professionellt certifikat i maskininlärning från IBM (IBM)

Den här kursen erbjuder utbildning i maskininlärning med hjälp av verktyg och bibliotek med öppen källkod och täcker ett omfattande urval av algoritmer och tekniker för verkliga tillämpningar. Den innehåller handledda laborationer, projekt och ett avslutande projekt för att bygga yrkesinriktade färdigheter inom maskininlärning. 

• Vem den passar för: Blivande yrkesverksamma inom maskininlärning
• Ämnen som behandlas:
  • Övervakad och oövervakad inlärning
  • Regressions- och klassificeringsmodeller
  • Klustringstekniker
  • Beslutsträd och ensembleinlärning
  • Dimensionsreduktion
  • Djupinlärning och förstärkningsinlärning
  • Utforskande dataanalys och egenskapsframtagning
• Online, på plats eller både och? Online
• Krävs examen? Ja
• Varaktighet: 3 månader 
• Hur många undervisningstimmar: 10 timmar per vecka (i egen takt)
• Behörighetskrav: Inga
• Pris: Anmäl dig kostnadsfritt 
• Gå kursen: Coursera

20. Maskininlärning och AI med Python (Harvard University)

Den här kursen behandlar grundläggande färdigheter som bygger vidare till avancerade algoritmer som bootstrap-aggregering, slumpmässiga skogar och gradientförstärkning. Genom tillämpning på verkliga data vägleder den deltagarna i att analysera processer, utvärdera resultat och mäta effektiviteten hos maskininlärningstekniker. Dessutom betonas testning av förutsägelser och analys av resultat för att förhindra överanpassning. 

• Vem den passar för: Personer som är intresserade av att använda Python för maskininlärning
• Ämnen som behandlas:
  • Förstå algoritmer för beslutsträd
  • Utforska bootstrap-aggregering och slumpmässiga skogar
  • Tekniker för prediktiv prestanda
  • Modellutvärdering och begränsning av snedvridning i data 
• Online, på plats eller både och? Online
• Krävs examen? Nej
• Varaktighet: 6 veckor 
• Hur många undervisningstimmar: 4 till 5 timmar per vecka (i egen takt)
• Behörighetskrav: Kunskaper i Python
• Pris: Kostnadsfritt
• Gå kursen: Harvard University

21. Grunderna i stordata och maskininlärning i Google Cloud (Google Cloud)

Den här kursen introducerar viktiga koncept och verktyg för hantering av stordata och maskininlärning i Google Cloud. Den vägleder deltagarna i användningen av Google Clouds funktioner för stordata och ML för databearbetning och analys.

• För vem det passar: Dataingenjörer och analytiker som vill använda Google Cloud
• Områden som behandlas:
  • Googles ekosystem för big data och ML
  • Databearbetning med BigQuery och Dataflow
  • Alternativ för datalagring på Google Cloud
  • Användning av AI Platform för maskininlärning
  • Praktiska laborationer med Google Clouds verktyg

• Online, på plats eller både och? Online
• Examen krävs? Nej
• Varaktighet: 9 timmar 
• Antal undervisningstimmar: I egen takt
• Behörighetskrav: Inga
• Pris: Gratis
• Gå kursen: Coursera

Vad händer härnäst? 

Förbättra din SaaS-tillväxt och ditt ledarskap. Prenumerera på vårt nyhetsbrev för de senaste insikterna från CTO:er och blivande teknikledare. Vi hjälper dig att skala smartare och leda bättre med guider, resurser och strategier från ledande experter!