Nội dung khóa học

• Buổi 1: Làm quen với Python
Chủ đề:

- Preliminaries
- Python Language Basics, Ipython, and Jupiter NoteBooks
- Built-in Data Structures, Functions, and Files

Mục tiêu:

- Làm quen với Python
- Nắm vững cấu trúc dữ liệu, hàm, và files

Ứng dụng:

Phân tích dữ liệu lớn (Big Data)

Case Study:

Tách và xử lý chuỗi (string)

• Buổi 2: Làm quen với Python (tiếp)
Chủ đề:

- Built-in Data Structures, Functions, and Files

Mục tiêu:

- Làm quen với Python
- Nắm vững cấu trúc dữ liệu, hàm, và files

Ứng dụng:

Phân tích dữ liệu lớn (Big Data)

Case Study:

- Viết hàm tự build
- Áp dụng lọc và trích xuất dữ liệu bằng hàm

• Buổi 3: Xử lý và phân tích dữ liệu với Numpy và Pandas
Chủ đề:

- Numpy Basics: Arrays and Vectorized Computation
- Getting Started with Pandas

Mục tiêu:

- Sử dụng thư viện Numpy, cấu trúc mảng, vector
- Xử lý dữ liệu lớn bằng Pandas

Ứng dụng:

Phân tích dữ liệu lớn (Big Data)

Case Study:

Random walks using Numpy

• Buổi 4: Tải dữ liệu, lưu trữ và làm sạch, chuẩn bị dữ liệu
Chủ đề:

- Data Loading, Storage, and File Formats
- Data Cleaning and Preparation

Mục tiêu:

- Đọc, lưu trữ và xử lý dữ liệu
- Làm sạch dữ liệu

Ứng dụng:

Phân tích dữ liệu lớn (Big Data)

Case Study:

- Lấy dữ liệu chứng khoán và tỷ giá

• Buổi 5: Xử lý và Biểu diễn dữ liệu
Chủ đề:

- Data Wrangling: Join, Combine, and Reshape
- Plotting and Visualization
- Data Aggregation and Group Operations

Mục tiêu:

- Sắp xếp và cấu trúc lại dữ liệu
- Vẽ biểu đồ và trực quan hóa
- Tập hợp dữ liệu và thao tác trên nhóm

Ứng dụng:

Phân tích dữ liệu lớn (Big Data)

Case Study:

Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

• Buổi 6: Xử lý và phân tích dữ liệu
Chủ đề:

Time Series Data

Mục tiêu:

- Nắm vững kiến thức về dữ liệu theo thời gian
- Mở rộng kiến thức với pandas nâng cao

Ứng dụng:

Khoa học dữ liệu

Case Study:

Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

• Buổi 7: Phân tích dữ liệu nâng cao với Pandas
Chủ đề:

Advanced pandas

Mục tiêu:

- Nắm vững kiến thức về dữ liệu theo thời gian
- Mở rộng kiến thức với pandas nâng cao

Ứng dụng:

Khoa học dữ liệu

Case Study:

Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

• Buổi 8: Máy học
Chủ đề:

- Machine learning

Mục tiêu:

- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python

Ứng dụng:

Thực hành phân tích dữ liệu bằng các bài tập thực tế

Case Study:

Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

• Buổi 9: Máy học (Tiếp)
Chủ đề:

- Machine learning

Mục tiêu:

- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python

Ứng dụng:

Phân tích và mô hình quản trị rủi ro, quản trị danh mục

Case Study:

Credit risk scoring and Segmentation in banking

• Buổi 10: Tổng kết chương trình xử lý, phân tích và biểu diễn dữ liệu với Python (Python level 1)
Chủ đề:

Tổng kết chương trình xử lý, phân tích và biểu diễn dữ liệu với Python (Python level 1)

Mục tiêu:

- Giới thiệu về quản trị danh mục trong ngân hàng
- Sử dụng các công cụ vintage, roll-rate, flow-rate trong quản lý danh mục bán lẻ trong tài chính ngân hàng

Ứng dụng:

Phân tích và mô hình quản trị rủi ro, quản trị danh mục

Case Study:

Retail portfolio management in banking and finance

• Buổi 11: OOP Python Overview và Data Analysis Review
Chủ đề:

Machine Learning

Mục tiêu:

- Hiểu biết cơ bản về ngôn ngữ lập trình hướng đối tượng Python
- Review kiến thức cũ về Phân tích dữ liệu và Khai phá dữ liệu - chương trình Python level 1

Ứng dụng:

Machine Learning

Case Study:

Exploratory Data Analysis on datasets & develop python class implementing sklearn API

• Buổi 12: Machine Learning cơ bản
Chủ đề:

Tìm hiểu về Data Analysis on Datasets & phát triển python class triển khai sklearn API

Mục tiêu:

- Hiểu biết các khái niệm về mô hình dự báo trong Machine Learning
- Áp dụng mô hình Linear Regression trong Python

Ứng dụng:

Machine Learning

Case Study:

Perform t-test, ANOVA, regression, chi-square test with traditional and resampling methods

• Buổi 13: Machine Learning cơ bản (tiếp)
Chủ đề:

Giới thiệu Machine Learning, hyperparameter, model validation. Naive Bayes Classification, KNN

Mục tiêu:

Nắm các kiến thức về hyperparameter, model validation. Naive Bayes Classification, KNN

Ứng dụng:

Machine Learning

Case Study:

Perform Feature Engineering, simple prediction/classification models with Naive Bayes and KNN

• Buổi 14: Các mô hình học máy có giám sát
Chủ đề:

Supervised Learning: Multiple Linear Regression, Logistic Regression, Soft-Max Regression, Support Vector Machine & Kernel Method, Decision Tree & Ensemble methods, measure model's performance

Mục tiêu:

Hiểu biết và áp dụng các mô hình học máy có giám sát nâng cao, có tính chính xác cao

Ứng dụng:

Học máy có giám sát nâng cao

Case Study:

Perform multiple models on same dataset and compare performance

• Buổi 15: Các mô hình học máy không có giám sát
Chủ đề:

Unsupervised Learning: Principal Component Analysis, Manifold Learning, Clustering (K-Means, DBSCAN, Hierachical), Gaussian Mixture Model, Kernel Density Estimation

Mục tiêu:

Hiểu biết và áp dụng các mô hình học máy không có giám sát nâng cao, có tính chính xác cao

Ứng dụng:

Học máy không giám sát nâng cao

Case Study:

Customer segmentation. Supervised learning on reduced feature list.

• Buổi 16: Deep Learning Overview
Chủ đề:

Giới thiệu về mạng Nơ-Ron nhân tạo

Mục tiêu:

Hiểu biết cơ bản về mô hình học sâu (Deep Learning)

Ứng dụng:

Deep Learning

Case Study:

• Buổi 17: Xử lý ngôn ngữ tự nhiên
Chủ đề:

Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application

Mục tiêu:

Áp dụng các mô hình học sâu trong xử lý ngôn ngữ tự nhiên

Ứng dụng:

Deep Learning

Case Study:

Sentiment Analysis

• Buổi 18: Xử lý ngôn ngữ tự nhiên (tiếp)
Chủ đề:

Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application

Mục tiêu:

Áp dụng các mô hình học sâu trong xử lý ngôn ngữ tự nhiên

Ứng dụng:

Deep Learning

Case Study:

Sentiment Analysis

• Buổi 19: Thị giác máy tính
Chủ đề:

Computer Vision: Handwriting recognition with Deep Convolutional Neural Networks

Mục tiêu:

Áp dụng các mô hình học sâu trong thị giác máy tính

Ứng dụng:

Deep Learning

Case Study:

Handwriting recognition

• Buổi 20: Thị giác máy tính (tiếp) và Tổng kết chương trình Python level 2
Chủ đề:

Computer Vision: Handwriting recognition with Deep Convolutional Neural Networks

Mục tiêu:

Áp dụng các mô hình học sâu trong thị giác máy tính

Ứng dụng:

Deep Learning

Case Study:

Handwriting recognition