1️⃣ Programming & Data Manipulation 🧰

🐍 “Code là ngôn ngữ, dữ liệu là nguyên liệu. Không biết xử lý dữ liệu thì chẳng có mô hình nào chạy nổi.”

🔸 Ngôn ngữ phổ biến

• Python là “vua” trong Data Science nhờ hệ sinh thái cực kỳ phong phú:

  • pandas cho xử lý dữ liệu bảng

  • NumPy cho tính toán vector/matrix nhanh

  • scikit-learn cho machine learning cơ bản

  • requests, BeautifulSoup, Selenium cho crawling & API

• R vẫn mạnh trong thống kê và visualization, đặc biệt trong môi trường học thuật.

🔸 Thao tác dữ liệu chuyên sâu

• Làm sạch dữ liệu (Data Cleaning): xử lý missing values (fill, drop), chuẩn hóa kiểu dữ liệu (date, number, string), loại bỏ trùng lặp.

• Biến đổi dữ liệu (Transformation): pivot/unpivot bảng, tách – gộp cột, xử lý dữ liệu JSON hoặc nested.

• Kết nối dữ liệu (Join/Merge): từ nhiều nguồn khác nhau (database, file, API), xử lý key không khớp, data inconsistency.

🔸 Xử lý dữ liệu lớn & pipeline

• Làm việc với file hàng triệu dòng đòi hỏi hiểu rõ về chunking, multiprocessing hoặc Spark/PyArrow.

• Thiết kế quy trình ETL/ELT bằng Python, n8n, Airbyte hoặc Airflow để tự động hóa các bước load dữ liệu định kỳ.

📌 Ví dụ thực tế: Một công ty bán lẻ thu thập log hành vi người dùng → cần Python script tự động parse log JSON, clean dữ liệu theo schema chuẩn, sau đó load vào data warehouse mỗi ngày.

2️⃣ Statistics & Mathematics 📊

📈 “Machine Learning thực ra là thống kê hiện đại + tính toán mạnh. Không hiểu gốc toán, bạn sẽ không hiểu mô hình.”

🔸 Thống kê mô tả (Descriptive Statistics)

• Mean, median, mode, variance, standard deviation → dùng để hiểu phân bố dữ liệu.

• Correlation (Pearson, Spearman) → xác định mối quan hệ giữa các biến.

• Visualization như histogram, boxplot giúp phát hiện outlier nhanh chóng.

🔸 Thống kê suy luận (Inferential Statistics)

• Hypothesis Testing: kiểm định giả thuyết H0/H1 → p-value, t-test, chi-square test.

• Confidence Interval: đánh giá độ tin cậy của ước lượng.

• A/B Testing: so sánh hiệu quả hai nhóm (thường dùng trong marketing, sản phẩm).

🔸 Xác suất & Toán học nền tảng

• Xác suất: conditional probability, Bayes’ theorem, random variables → là nền cho hầu hết các mô hình classification.

• Đại số tuyến tính: vector, ma trận, eigenvalues → nằm trong tim của PCA, SVD, deep learning.

• Giải tích: hiểu gradient, hàm mất mát, đạo hàm → cực kỳ quan trọng khi học các mô hình gradient-based.

📌 Insight nghề: Nhiều bạn junior “skip” phần toán – thống kê → đến khi gặp vấn đề về overfitting hoặc giải thích model thì bối rối. Senior DS lại cực kỳ giỏi ở khoản này.

3️⃣ SQL & Data Querying 🗄️

💾 “Bạn không thể làm Data Science nếu không biết trò chuyện với database.”

🔸 Kỹ năng SQL cốt lõi

• Viết thành thạo SELECT, JOIN, GROUP BY, HAVING, WHERE, ORDER BY.

• Dùng CTE (WITH) để viết truy vấn phức tạp dễ đọc.

• Window Functions (ROW_NUMBER, RANK, LAG/LEAD) để xử lý các bài toán phân nhóm nâng cao.

🔸 Tối ưu truy vấn

• Biết tạo và sử dụng index đúng cách để tăng tốc độ truy vấn trên bảng lớn.

• Phân vùng dữ liệu (partition) để giảm scan không cần thiết.

• Viết subquery hợp lý, tránh N+1 queries.

🔸 Data Modeling & Warehousing

• Hiểu mô hình dữ liệu kiểu Star Schema (Fact + Dimension) để thiết kế hệ thống dễ mở rộng, dễ query.

• Làm việc với các hệ quản trị phổ biến: PostgreSQL, MySQL, BigQuery, Snowflake, SQL Server.

📌 Ví dụ: Trong dashboard phân tích doanh thu, truy vấn fact table Sales join với dimension Customer, Product, Date → dùng window function để tính tăng trưởng MoM.

4️⃣ Machine Learning & Modeling 🤖

🤖 “Xây model không khó, nhưng xây model đúng & chạy ổn mới là vấn đề.”

🔸 Mô hình cơ bản

• Hồi quy: Linear, Logistic Regression → dễ giải thích, là baseline trong nhiều bài toán business.

• Phân loại (Classification): Decision Trees, Random Forest, XGBoost.

• Clustering: K-Means, DBSCAN để nhóm khách hàng hoặc sản phẩm.

• Time Series: ARIMA, Prophet để dự báo xu hướng.

🔸 Kỹ năng thực hành quan trọng

• Train/Test Split, Cross-Validation: đảm bảo model không overfit.

• Feature Engineering: tạo biến đặc trưng (feature) thông minh từ dữ liệu thô.

• Hyperparameter Tuning: Grid Search, Random Search, Bayesian Optimization.

• Evaluation Metrics: Accuracy, Precision/Recall, F1, ROC-AUC, RMSE — chọn đúng metric cho đúng bài toán.

🔸 Mô hình nâng cao (cho Senior)

• Deep Learning (CNN, RNN, Transformer)

• Recommendation Systems (Collaborative Filtering, Content-Based)

• Causal Inference (Propensity Score Matching, IV) cho các bài toán phân tích tác động.

📌 Insight nghề: Senior DS không chỉ “fit model” mà còn biết chọn model phù hợp với ràng buộc business, giải thích kết quả rõ ràng, và triển khai model thực tế.

5️⃣ Data Visualization & Communication 📈🗣️

“Một insight tốt mà không ai hiểu thì cũng như không có insight.”

🔸 Tool visualization phổ biến

• BI Tools: Power BI, Tableau → xây dashboard động, chia sẻ nội bộ dễ dàng.

• Python: Matplotlib, Seaborn, Plotly → linh hoạt trong notebook.

• R: ggplot2 → cực mạnh về biểu đồ thống kê.

🔸 Kỹ năng chọn biểu đồ phù hợp

• Bar/Line chart cho xu hướng & so sánh

• Histogram/Boxplot cho phân bố

• Scatter plot để phân tích tương quan

• Waterfall, Sankey, Heatmap cho phân tích nâng cao

🔸 Data Storytelling

• Biết gắn insight vào bối cảnh business (why → so what → now what).

• Dùng màu sắc, bố cục (F/Z-pattern), tối giản gridlines để làm nổi bật insight.

• Biết giải thích cho người không rành kỹ thuật như lãnh đạo, marketing, sales.

📌 Ví dụ: Dashboard churn của một công ty SaaS cho phép CEO nhìn nhanh nhóm khách hàng có nguy cơ rời bỏ cao, filter theo khu vực, ngành → từ đó đưa ra quyết định ưu tiên chăm sóc.

6️⃣ Workflow & MLOps (Bonus) ⚡

“Một model tốt không có pipeline thì chỉ là file notebook nằm quên trên Google Drive.”

• Git & Version Control: quản lý code model, notebook.

• CI/CD: tự động hoá test & deploy model.

• API Deployment: Flask/FastAPI để đưa model ra production.

• Job Scheduling: Airflow/Cron để chạy model định kỳ.

• Model Monitoring: phát hiện data drift, model degradation, alert khi KPI lệch.

📌 Đây là khoảng cách lớn giữa Data Scientist truyền thống và Applied Data Scientist/ML Engineer.

📝 Tổng Kết

Một Data Scientist toàn diện năm 2025 cần hội tụ đủ chiều sâu chuyên môn + tư duy hệ thống + khả năng giao tiếp:

• 🧠 Vững nền tảng toán – thống kê

• 🐍 Giỏi xử lý dữ liệu & viết code sạch

• 🗄️ Thành thạo SQL & hiểu data modeling

• 🤖 Biết chọn, train, evaluate và deploy mô hình

• 📈 Kể chuyện bằng dữ liệu một cách thuyết phục

📞 Hotline: 0352.433.233
🌐 mcivietnam.com
📺 youtube.com/@HocVienMCI
👥 facebook.com/groups/dataaivn