Nội dung khóa học

• Buổi 1: Làm quen với SQL và cài đặt
Chủ đề:

- Using SQL Server
- Tạo lập cơ sở dữ liệu (CSDL)

Mục tiêu:

Ứng dụng:

- Tạo cơ sở dữ liệu, bảng và view mới
- Chèn các bản ghi vào trong một CSDL
- Xóa các bản ghi từ một CSDL
- Lấy dữ liệu từ một CSDL
- Tổ chức một lượng lớn thông tin bằng việc lưu trữ, thu thập và quản lý

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 2: Làm quen với SQL và cài đặt (Tiếp)
Chủ đề:

- Using SQL Server
- Tạo lập cơ sở dữ liệu (CSDL)

Mục tiêu:

Ứng dụng:

- Tạo cơ sở dữ liệu, bảng và view mới
- Chèn các bản ghi vào trong một CSDL
- Xóa các bản ghi từ một CSDL
- Lấy dữ liệu từ một CSDL
- Tổ chức một lượng lớn thông tin bằng việc lưu trữ, thu thập và quản lý

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử..

• Buổi 3: Mô hình CSDL
Chủ đề:

- Thao tác với bảng
- Mô hình CSDL

Mục tiêu:

Lưu trữ dữ liệu và phân tích dữ liệu

Ứng dụng:

Xây dưng một kiểu dữ liệu hợp lý và phù hợp để tạo thuận lợi cho việc tìm kiếm dữ liễu và tối ưu bộ nhớ trong quá trình sử dụng

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 4: Làm quen với các lệnh điều kiện, lọc dữ liệu
Chủ đề:

- Lệnh cơ bản
- Lệnh có điều kiện Where

Mục tiêu:

Cấu trúc câu lệnh cơ bản và có điều kiện

Ứng dụng:

Truy vấn thuận lợi và dễ dàng trong một CSDL lớn

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 5: Thực hành SQL cơ bản và nâng cao
Chủ đề:

- Xuất ra Excel
- Các phép tính toán
- Các phép tính toán có sử dụng yếu tố ngày

Mục tiêu:

Kiến thức chung và thực hành

Ứng dụng:

- Phân tích dữ liệu

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 6: Mệnh đề joins cơ bản và nâng cao trong SQL
Chủ đề:

- Mệnh đề Joins cơ bản trong SQL
- Mệnh đề Joins lạ trong SQL

Mục tiêu:

Kiến thức chung và thực hành

Ứng dụng:

Tìm kiếm và phân tích dữ liệu từ nhiều bảng

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 7: Tính toán trong SQL Server
Chủ đề:

- Hàm tập hợp trong SQL
- Khung hình bảng ảo View

Mục tiêu:

Kiến thức chung và thực hành

Ứng dụng:

Phân tích dữ liệu

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 8: Mệnh đề phụ và bảng dẫn xuất
Chủ đề:

- Các mệnh đề phụ
- Bảng dẫn xuất (derived table) và CTEs

Mục tiêu:

Giới thiệu, phân biệt và thực hành

Ứng dụng:

- Sử dụng để đặt giới hạn và hạn chế kết quả trả về của truy vấn cha trong những query phức tạp cần tham chiếu đến dữ liệu của nhiều bảng với điều kiện kết lọc phức tạp mà 1 query không thể nào xử lý được.
- Truy vấn lồng trong cơ sở dữ liệu lớn

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 9: Review kiến thức khóa SQL level 1, bài tập nhóm và đánh giá cá nhân
Chủ đề:

Review kiến thức khóa SQL level 1, bài tập nhóm và đánh giá cá nhân

Mục tiêu:

Tổng kết chương trình đã học

Ứng dụng:

Case Study:

• Buổi 10: Giới thiệu về Power BI
Chủ đề:

Tổng quan về Business Intelligence (BI) và giới thiệu về hệ sinh thái Power BI

Mục tiêu:

- Tổng quan Business Intelligence
- Hệ sinh thái Power BI
- Quy trình trực quan hóa dữ liệu

Ứng dụng:

- Nắm bắt sơ lược về Business Intelligence
- Thành phần của từng app trong hệ sinh thái của Power BI
- Quy trình xây dựng báo cáo trực quan
- Làm quen với tool Power BI Desktop

Case Study:

• Buổi 11: Kết nối và xử lý dữ liệu
Chủ đề:

Kết nối và xử lý dữ liệu

Mục tiêu:

- Thực hành Transform data ở mức cơ bản
- Làm quen với các khái niệm, thuật ngữ của Power Query Editor trong Power BI

Ứng dụng:

- Làm quen Power Query Editor
- Làm quen với các chức năng thường dùng để Transform data
- Các lưu ý khi thực hiện transform data
- Làm quen với ngôn ngữ M

Case Study:

Thực hành Transform Data với dataset của AdventureWorks

• Buổi 12: Data Model
Chủ đề:

Data Model

Mục tiêu:

- Khái niệm về Datamart
- Nguyên tắc thiết kế và các mô hình thiết kế Data Model

Ứng dụng:

- Hiểu các khái niệm xoay quanh Datamart
- Hiểu và nắm vững các nguyên tắc thiết kế Model
- Phân biệt được các loại bảng trong thiết kế Model

Case Study:

Thực hành khởi tạo và thiết kế model với dataset của AdventureWorks

• Buổi 13: Data Model
Chủ đề:

Data Model (tiếp)

Mục tiêu:

- Các kiến thức về data model và table relationships
- Quản lý các relationship của model
- Thực hành xây dựng Data model

Ứng dụng:

- Biết cách xây dựng data model và các mối quan hệ giữa các bảng
- Các lưu ý khi xây dựng data model
- Cách quản lý các mối quan hệ có trong model

Case Study:

Thực hành khởi tạo và thiết kế model với dataset của AdventureWorks

• Buổi 14: Tổng quan về DAX
Chủ đề:

Tổng quan về DAX

Mục tiêu:

- Tổng quan về DAX
- Vai trò và Ứng dụng của DAX trong việc xây dựng Report
- Cách thức khởi tạo DAX

Ứng dụng:

Hiểu và biết cách áp dụng các hàm DAX thông dụng

Case Study:

Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks

• Buổi 15: Tổng quan về DAX
Chủ đề:

Tổng quan về DAX (tiếp)

Mục tiêu:

- Measures, Calculated Column, Calculated Table
- Filter context

Ứng dụng:

- Phân biệt được các chức năng có sử dụng đến DAX
- Cách dùng các chức năng có sử dụng DAX

Case Study:

Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks

• Buổi 16: DAX Functions
Chủ đề:

DAX Functions

Mục tiêu:

Sử dụng DAX nâng cao, chuyên sâu về các hàm thông dụng

Ứng dụng:

Sử dụng linh hoạt các hàm DAX trong từng bài toán và các kết hợp các hàm DAX

Case Study:

Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks

• Buổi 17: Report view
Chủ đề:

Report view

Mục tiêu:

- Các thành phần cùa Report View
- Các Visual type chính
- Conditional Formating

Ứng dụng:

Xây dựng được một báo cáo hoàn chỉnh

Case Study:

Thực hành thiết kế trình bày báo cáo cơ bản

• Buổi 18: 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 19: Sử dụng thư viện Numpy và Xử lý dữ liệu lớn bằng Pandas
Chủ đề:

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

Mục tiêu:

- Mảng dữ liệu nhiều chiều
- Hàm dựa trên cấu trúc mảng
- Input và Output với Array
- Tính toán tuyến tính
- Số ngẫu nhiên Ví dụ: Random walks
- Giới thiệu cấu trúc dữ liệu Pandas
- Các tính năng quan trọng
- Tổng hợp, tính toán thống kê mô tả

Ứng dụng:

Phân tích dữ liệu lớn (Big Data)

Case Study:

• Buổi 20: Đọc, lưu trữ, xử lý và làm sạch 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:

• Buổi 21: Sắp xếp và cấu trúc lại dữ liệu. Vẽ biểu đồ và trực quan hoá. Tập hợp dữ liệu và thao tác trên nhóm
Chủ đề:

- Data Wrangling: Join, Combine, and Reshape
- Ploting 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:

• Buổi 22: Làm việc với kiểu dữ liệu thời gian.
Chủ đề:

- Time Series

Mục tiêu:

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

Ứng dụng:

Phân tích dữ liệu lớn (Big Data)

Case Study:

• Buổi 23: Pandas nâng cao
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:

• Buổi 24: Kiến thức thực hành từ chuyên gia khoa học dữ liệu.
Chủ đề:

- Introduction to Modelling Libraries in Python
- Data Analysis Examples

Mục tiêu:

- Kiến thức thực hành từ chuyên gia khoa học dữ liệu

Ứng dụng:

Khoa học dữ liệu

Case Study:

• Buổi 25: 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

Tổng hợp kiến thức và giao Project cuối khóa

Ứng dụng:

Machine learning

Case Study:

Credit risk scoring and Segmenation in banking

• Buổi 26: 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

Tổng hợp kiến thức và giao Project cuối khóa

Ứng dụng:

Machine learning

Case Study:

Credit risk scoring and Segmentation in banking

• Buổi 27: Tổng kết cuối khoá Python level 1
Chủ đề:

- Tổng kết cuối khoá

Mục tiêu:

- Chữa Project cuối khóa.
- Tổng hợp Kiến thức khóa học.
- Giới thiệu cơ hội việc làm.

Ứng dụng:

Tổng kết cuối khoá

Case Study:

• Buổi 28: Đại số & Đại số tuyến tính
Chủ đề:

Algebra/Linear Algebra (vectors and matrices, eigenvalues and eigenvectors, logarithmic equations, sigmoid function, matrix and tensor computing)

Mục tiêu:

Đại số/ Đại số tuyến tính
- Vectơ và ma trận
- Giá trị riêng và ký hiệu riêng
- Phương trình logarit
- Hàm sigmoid
- Tính toán ma trận và tensor

Ứng dụng:

Case Study:

• Buổi 29: Xác suất
Chủ đề:

Probability (mean, median, standard deviation, and outliers, joint distributions, conditional probability and independence, discrete random variables, continuous random variables, jointly distributed random variables, common probability distributions (Gaussian, Bernoulli, Binomial, Uniform, and Poisson))

Mục tiêu:

Xác suất
- Trung bình, trung vị
- Độ lệch chuẩn và giá trị ngoại lệ
- Phân phối chung, xác suất có điều kiện, xác suất độc lập
- Biến ngẫu nhiên rời rạc, biến ngẫu nhiên liên tục, biến ngẫu nhiên có phân phối chung, phân phối xác suất chung (Gaussian, Bernoulli, Binomial, Uniform và Poisson)

Ứng dụng:

Case Study:

• Buổi 30: Giải tích & Tối ưu hóa
Chủ đề:

Calculus & Optimization (ordinary / partial derivatives, Gradient, Hessian, chain rule, gradient descent, convex optimization)

Mục tiêu:

Giải tích & Tối ưu hóa
- Đạo hàm thông thường, đạo hàm riêng
- Gradient, Hessian
- Quy tắc chuỗi, giảm độ dốc, tối ưu hóa lồi

Ứng dụng:

Case Study:

• Buổi 31: Giới thiệu về Machine Learning
Chủ đề:

Machine Learning Introduction (Dataset, Bias/Variance, Train/Test/Validation Split, Loss Function,...)

Mục tiêu:

Giới thiệu về Machine Learning
- Tập dữ liệu
- Phương sai/ độ lệch
- Train / Test / Validation Split
- Hàm tổn thất...

Ứng dụng:

Case Study:

• Buổi 32: Thuật toán Machine Learning
Chủ đề:

Machine Learning Algorithm (Linear Regression, Logistic Regression, Principal Component Analysis (PCA), ...) Python Machine Learning (Python Tools for Machine Learning Numpy, Pandas, Scipy, Scikit-learn, Matplotlib, Pytorch)

Mục tiêu:

Thuật toán Machine Learning
- Hồi quy tuyến tính
- Hồi quy logistic
- Phân tích thành phần chính (PCA) Python Machine Learning
- Công cụ Python cho Machine Learning Numpy, Pandas, Scipy, Scikit-learning, Matplotlib, Pytorch

Ứng dụng:

Case Study:

• Buổi 33: 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 34: 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 35: 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 36: 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 37: 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 38: 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 39: 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 40: 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 41: 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 42: 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