Lịch học dự kiến diễn ra



Lớp: PY07SA10L1 LEVEL 1
Địa điểm: 59 Cao Thắng, Quận 3, HCM
Thời gian học: Thứ 3 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30
Lịch khai giảng: Oct. 12, 2024
Thời gian kết thúc: Nov. 12, 2024
Giảng viên dự kiến: Tamtt.Py
Lớp: PYTHON LEVEL 1
Địa điểm: Tầng 5, Tòa nhà Star City, 23 Lê Văn Lương, HN
Thời gian học: Thứ 5 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30
Lịch khai giảng: Oct. 26, 2024
Thời gian kết thúc: Nov. 28, 2024
Giảng viên dự kiến: Khuongvd_SQL
Lớp: PY78SA10L2 LEVEL 2
Địa điểm: 59 Cao Thắng, Quận 3, HCM
Thời gian học: Thứ 3 - 19H00 - 21H30 & Thứ 5 - 19H00 - 21H30
Lịch khai giảng: Oct. 22, 2024
Thời gian kết thúc: Nov. 21, 2024
Giảng viên dự kiến: None
Lớp: PY86A10L2 LEVEL 2
Địa điểm: Tầng 5, Tòa nhà Star City, 23 Lê Văn Lương, HN
Thời gian học: Thứ 4 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30
Lịch khai giảng: Oct. 23, 2024
Thời gian kết thúc: Nov. 23, 2024
Giảng viên dự kiến: Quangnk.py
Python Level 1 & 2

Combo Python Level 1 & Level 2

Đây là chương trình đào tạo gồm 02 khóa học về Python, từ cơ bản đến nâng cao, ứng dụng trong phân tích dữ liệu lớn (Big Data Analyst) và quản trị rủi ro kinh doanh, ứng dụng nâng cao trong lĩnh vực Học máy (Machine Learning), Học sâu (Deep Learning) và AI (trí tuệ nhân tạo)

Hình thức đào tạo online và offline trong thời lượng 20 buổi học, mỗi buổi học từ 2.5 - 3 tiếng. Tên 02 khóa học cụ thể:
1. Python Foundation in Data Analytics (Python Level 1) với 10 buổi học
2. Python For Machine Learning And Deep Learning (Python Level 2) với 10 buổi học

Cơ hội nghề nghiệp nổi bật sau khi tốt nghiệp chương trình combo 02 khóa học này là các vị trí hot sau:
• Data Analyst (Chuyên viên Phân tích Dữ liệu)
• Machine Learning (ML) Engineer (Kĩ sư Học máy)
• Artificial Intelligence (AI) Engineer (Kĩ sư Trí tuệ Nhân tạo)
• Data Scientist (Nhà Khoa học Dữ liệu)

4.7 (1110)

Đối tượng

• Sinh viên khối kinh tế, kĩ thuật có định hướng tham gia ngành Data Science, Data Analytics đang bắt đầu tìm hiểu các kiến thức liên quan Python, Machine Learning, Deep Learning và học cách ứng dụng Python vào các dự án thực tế tại doanh nghiệp.
• Người đã đi làm mong muốn cải thiện kỹ năng làm việc với dữ liệu, kỹ năng giải quyết và ra quyết định với các bài toán thực tế trong công việc dựa trên phân tích dữ liệu chuyên sâu và hiệu quả với Python.
• Các bạn có mong muốn chuyển ngang sang ngành Data Analysis, Data Science & Machine Learning để có mức thu nhập cao hơn lên tới 1000$/tháng và phát triển sự nghiệp rộng mở hơn.

Yêu cầu đầu vào

Không yêu cầu đầu vào

Bạn sẽ học những gì

• Nắm vững các kiến thức cơ bản về Python và các cấu trúc dữ liệu.
• Sử dụng thành thạo thư viện Numpy để xử lý dữ liệu số học và mảng.
• Xử lý dữ liệu hiệu quả với Pandas, bao gồm tải, lưu trữ, làm sạch và định dạng dữ liệu.
• Trực quan hóa dữ liệu với các thư viện như Matplotlib và Seaborn.
• Phân tích dữ liệu thăm dò (EDA) để hiểu rõ dữ liệu và phát hiện các mẫu ẩn.
• Sử dụng Selenium và Python để thực hiện web crawling và thu thập dữ liệu từ web.
• Hiểu biết cơ bản về Machine Learning và Linear Regression, cùng với các thuật ngữ quan trọng trong ML.
• Áp dụng các thuật toán Machine Learning như Gradient Descent, Logistic Regression, KNN, Naive Bayes, Decision Tree, và Neutral Network.
• Thực hiện học không giám sát với các kỹ thuật như K-means và Hierarchical Clustering.
• Sử dụng PCA và SVM cho phân tích thành phần chính và phân loại dữ liệu.
• Tích hợp kiến thức và kỹ năng thông qua các dự án capstone để giải quyết các vấn đề thực tế.

Nội dung khóa học

    Chủ đề:

    Làm quen với Python

    Mục tiêu:

    Giới thiệu về khóa học và khởi động với Python

    Ứng dụng:

    - Nắm được 1 framework phân tích dữ liệu
    - Làm quen với Google Colab
    - Làm quen với Markdown
    - Biết ngôn ngữ lập trình Python là gì, và một số lý do tại sao Python phổ biến
    - Biết được cấu trúc cú pháp cơ bản trong Python (Language Semantic)

    Case Study:

    Ôn tập Python Basic

    Chủ đề:

    Python Basic

    Mục tiêu:

    Nắm được kiến thức:
    - Một số kiểu dữ liệu của Python;
    - Các phép toán tử;
    - Các kiểu dữ liệu dạng chuỗi;
    - Các cấu trúc điều khiển trong Python

    Ứng dụng:

    - Kiểu dữ liệu và chuỗi
    - Toán tử
    - Cấu trúc điều khiển

    Case Study:

    Ôn tập cú pháp Python

    Chủ đề:

    Python Basic (Tiếp)

    Mục tiêu:

    Nắm được kiến thức:
    - Một số hàm cơ bản: pass, range, zip, enumerate, sorted;
    - List, set, Dict comprehension
    - Cách tạo ra hàm
    - Các xử lý lỗi trong python

    Ứng dụng:

    - Hàm cơ bản
    - List, set, Dict comprehension
    - Cách tạo hàm
    - Xử lý lỗi trong Python

    Case Study:

    Bài tập về nhà về cấu trúc mảng

    Chủ đề:

    Numpy

    Mục tiêu:

    Nắm được cách xử lý mảng dữ liệu

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    Bài tập mảng một chiều mảng 2 chiều

    Chủ đề:

    Pandas

    Mục tiêu:

    Nắm được cách trích xuất, làm sạch và xử lý dữ liệu trống

    Ứng dụng:

    Làm sạch dữ liệu

    Case Study:

    Bài tập về nhà

    Chủ đề:

    Pandas: Data Wrangling: Join, Combine, and Reshape

    Mục tiêu:

    Nắm được các kỹ thuật xử lý cấu trúc dữ liệu

    Ứng dụng:

    Làm sạch dữ liệu

    Case Study:

    Bài tập về nhà: Cleaning data

    Chủ đề:

    Pandas: Time Series

    Mục tiêu:

    Hiểu được về dữ liệu thời gian, cách xử lý dữ liệu thời gian

    Ứng dụng:

    Time series

    Case Study:

    Xử lý dữ liệu chứng khoán

    Chủ đề:

    Trực quan hóa dữ liệu

    Mục tiêu:

    - Nắm được kỹ thuật vẽ các biểu đồ cơ bản
    - Cách thêm các thành phân trong biểu đồ
    - Kỹ thuật vẽ multiple plot
    - Một số kỹ năng quan trọng trong trực quan hóa dữ liệu

    Ứng dụng:

    Data Visualization

    Case Study:

    Trực quan hóa dữ liệu phân tích doanh thu

    Chủ đề:

    Phân tích dữ liệu thăm dò (EDA)

    Mục tiêu:

    - Nắm được kỹ thuật khai phá dữ liệu
    - Sử dụng các công cụ đã học để phân tích khai phá dữ liệu

    Ứng dụng:

    EDA

    Case Study:

    Phân tích EDA bộ dữ liệu IT salary

    Chủ đề:

    Web Crawling using Selenium and Python & Capstone

    Mục tiêu:

    Học viên nắm được kỹ thuật Web Crawling

    Ứng dụng:

    Kỹ thuật Web Crawling

    Case Study:

    Dùng selenium để lấy dữ liệu từ SSI sau đó tiến hành các bước làm sạch, khai phá dữ liệu

    Chủ đề:

    Giới thiệu về Machine Learning và Linear Regression

    Mục tiêu:

    - Nắm được khái niệm cơ bản về ML, một số ứng dụng phổ biến và phân loại machine learning
    - Biết về thư viện scikit learn các triển khai xây dựng mô hình trên scikitlearn
    - Nắm được thuật toán linear regression và triển khai
    - Một số thước đo cơ bản của bài toán regression

    Ứng dụng:

    - Xây dựng mô hình trên Scikit-learn
    - Triển khai thuật toán Linear Regression

    Case Study:

    Media Company Case Study (Linear Regression)
    A digital media company (similar to Voot, Hotstar, Netflix, etc.) had launched a show. Initially, the show got a good response, but then witnessed a decline in viewership. The company wants to figure out what went wrong.

    Chủ đề:

    Polynomial và một số thuật ngữ quan trọng trong ML

    Mục tiêu:

    - Hiểu được việc thuật toán Polynomial và cách triển khai
    - Nắm được một số kỹ thuật xây dựng mô hình machine learning

    Ứng dụng:

    Machine Learning

    Case Study:

    Using Polynomial Regression with House Prices - Kaggle Competitions

    Chủ đề:

    Gradient Descent

    Mục tiêu:

    - Nắm được về thuật toán, một số phiên bản của Gradient Descent
    - Kỹ thuật Normalization Features

    Ứng dụng:

    Machine Learning

    Case Study:

    House Prices - Advanced Regression Techniques

    Chủ đề:

    Logistic Regression

    Mục tiêu:

    - Nắm được về thuật toán phân lớp bằng Logistic Regression và triển khai trên thư viện Scikit-learn
    - Một số thước đo phổ biến của bài toán phân lớp và ưu nhược điểm của nó

    Ứng dụng:

    Học máy có giám sát nâng cao

    Case Study:

    Housing Prediction with Logistic Regression

    Chủ đề:

    KNN and Naive Bayes

    Mục tiêu:

    - Nắm được cách triển khai thuật toán:
    - KNN và tối ưu giá trị của k
    - Naive Bayes

    Ứng dụng:

    Machine Learning

    Case Study:

    Housing classification with KNN

    Chủ đề:

    Unsupervised learning: Kmean, Hierarchical Clustering

    Mục tiêu:

    Nắm được cách triển khai và tối ưu của thuật toán :
    - Kmean
    - Hierarchical

    Ứng dụng:

    - Kmean
    - Hierarchical

    Case Study:

    Online Retail K-means & Hierarchical Clustering:
    Online retail is a transnational data set which contains all the transactions occurring between 01/12/2010 and 09/12/2011 for a UK-based and registered non-store online retail. The company mainly sells unique all-occasion gifts. Many customers of the company are wholesalers.

    Chủ đề:

    PCA and SVM

    Mục tiêu:

    Nắm được và triển khai thuật toán:
    - PCA
    - SVM

    Ứng dụng:

    - Giới thiệu về SVM : Thuật toán, phiên bản
    - Giới thiệu về PCA: Thuật toán
    - Các triển khai trong thư viện Scikit learn

    Case Study:

    PCA and SVM on MNIST dataset

    Chủ đề:

    Decision Tree

    Mục tiêu:

    Nắm được và triển khai thuật toán:
    - Decision Tree
    - Random Forests
    - XGBoost

    Ứng dụng:

    - Giới thiệu về Decision tree
    - Hàm entropy và thuật toán tối ưu của Decision tree
    - Decision tree cho bài toán regression
    - Emsemble tree: Giới thiệu về Bagging, boosting, random forests
    - Cách triển khai bài toán decision tree, randomforest trên thư viện scikit-learn
    - Giới thiệu về gradient boosting và thư viện XGBoost
    - Một số ưu và nhược điểm của thuật toán

    Case Study:

    Titanic - Machine Learning from Disaster

    Chủ đề:

    Neutral network

    Mục tiêu:

    - Phân biệt được giữa ML và Deep Learning
    - Hiểu được cách xây dựng và tìm phương án tối ưu của mạng Neural Network
    - Cách triển khai mạng Neural Network bằng thư viện TensorFlow

    Ứng dụng:

    - Phân biệt giữa Machine learning vs Deep learning
    - Giới thiệu về Neutral network
    - Cách xây dựng mạng neutral
    - Một số non-linear fuction cơ bản trong mạng neutral: softmax, relu, tanh...
    - Feedforward and back propagation
    - Triển khai Neutral network trên thư viện tensorflow

    Case Study:

    Taylor Swift's YouTube Stats Symphony
    Dive into the data-driven world of Taylor Swift's YouTube empire with the "Swift's YouTube Stats Symphony" dataset! This collection offers an analytical look at the performance metrics of each video from the global music icon's official channel, providing a wealth of insights into views, popularity, and engagement trends.

    Chủ đề:

    Tổng kết

    Mục tiêu:

    - Ứng dụng các kiến thức đã học vào 1 dự án
    - Tổng kết các kiến thức

    Ứng dụng:

    Machine Learning & Deep Learning

    Case Study:

    Project cuối khóa

Tại sao khóa học tại MCI phù hợp với bạn

1. Lộ trình khóa học thiết kế khoa học, theo quy trình làm việc thực tế giúp bạn tiếp thu và nắm chắc kiến thức theo trình tự khoa học
2. Giáo trình đào tạo theo chuẩn Quốc tế kết hợp giữa lý thuyết và thực hành qua các case study thực tế
3. 100% Giảng viên tại MCI là các chuyên gia tư vấn tại Big4 các tập đoàn lớn tại Việt Nam, có chứng chỉ đào tạo nghiên cứu quốc tế trong lĩnh vực lập trình và dữ liệu
4. Giảng viên hướng dẫn tận tay giúp bạn thành thạo Python trong thời gian ngắn nhất
5. Cam kết chất lượng đào tạo, miễn phí học lại trọn đời nếu chưa nắm rõ kiến thức

Đội ngũ giảng viên


Nguyễn Hữu Minh

- 5 năm kinh nghiệm trong ngành Khoa học dữ liệu và Công nghệ thông tin tại Việt Nam
- Hiện đảm nhân vị trí Data Scientist, AI Researcher tại Công ty PIXTA Vietnam Co. Ltd
- Giải nhất cuộc thi Sinh viên Nghiên cứu Khoa học - Khoa Toán ứng dụng và Hệ thống thông tin
- Kĩ sư Toán và Thông tin tại trường Bách Khoa Hà Nội


Đỗ Văn Hiếu

- Đã có 8 năm kinh nghiệm trong Phân tích dữ liệu tại Prudential, VNG, Zalo...
- Đảm nhận vị trí chuyên viên phân tích dữ liệu cao cấp tại Công ty Prudential Việt Nam
- Trưởng nhóm Phân tích dữ liệu tại Tập đoàn VNG Việt Nam
- Trưởng nhóm Phân tích kinh doanh tại Công ty Zalo Việt Nam
- Cuộc thi/Dự án trên Kaggle:
1. Phân tích và dự đoán giá nhà ở - House Prices - Advanced Regression Techniques
2. Thị giác máy tính - Nhận diện và phân biệt chữ số viết tay - Computer vision - Digit numbers classification (MNIST Dataset)


Bùi Thế Anh

- 10 năm kinh nghiệm trong ngành Phân tích định lượng và Dữ liệu lớn tại Việt Nam
- Chuyên viên quản lý tối ưu kinh doanh cao cấp tại Tập đoàn One Mount Group
- Chuyên viên định lượng cao cấp tại Công ty Cổ phần Chứng khoán BIDV Việt Nam
- Chuyên viên Phân tích kinh doanh tại Tập đoàn Vingroup
- Tốt nghiệp Thạc sĩ tài chính tại Mỹ, trường University of Cincinnati, Carl H. Lindner College of Business, US


Nguyễn Kim Quang

- Tốt nghiệp Thạc sĩ Tài chính ngân hàng
- Đã đảm nhận các vị trí Kế toán tín dụng, Chuyên viên thẩm định, thư ký Phó TGĐ, chuyên viên phân tích tài chính doanh nghiệp và dự án tại Quỹ đầu tư phát triển Thành phố Hà Nội.
- Hiện tại đang làm ví trí Phân tích tài chính doanh nghiệp và dự án tại Quỹ đầu tư phát triển Thành phố Hà Nội (từ 2008 đến nay)
- Có hơn 14 năm kinh nghiệm trong phân tích tài chính, phân tích dự báo rủi ro, bảo vệ phương án cho các dự án.
- Sử dụng thành thạo các công cụ SQL, Python đặc biệt các libraries phân tích và trực quan hóa dữ liệu, Machine Learning
- CÁC CHỨNG CHỈ
+ IBM Data Science Professional Certificate (IBM)
+ Python 3 Programming Specialization (University of Michigan)
+ SQL advanced certification (HackerRank)
+ STATSX0001: Statistical Learning (Stanford University)
+ Statistics with Python (University of Michigan)


Nguyễn Hữu Đạt

- Hơn 5 năm kinh nghiệm giảng dạy các bộ môn lập trình : Scratch, Minecraft, Python
- Hiện tại đang giữ vị trí Phó phòng Đào tạo tại Công ty cổ phần Công nghệ và Truyền thông VTC Netviet
- Software: Python Excel, AutoCAD, Production Management Software
- Tools & Techniques: Python, Selenium, Kivy, Django, MS Office, SwiftUI, Flutter, PHP


Châu Ngọc Sơn

- Hơn 4 năm kinh nghiệm trong lĩnh vực dữ liệu, hiện tại đang làm vị trí Senior Business Intelligent Developer tại Lotte Data Communication
- Hơn 2 năm kinh nghiệm tuyển dụng và đào tạo nhân sự mới trong BI team
- Chứng chỉ Tiếng Anh IELTS 7.5 năm 2019
- Skill:
+ Data ETL with Python, SQL, Pyspark, Excel
+ Database administration: SQL Server, PostgreSQL, MySQL, AWS S3
+ ETL automation with Apache Airflow
+ Data Visualization with Tableau, Python, PowerBI