Khóa học Data Analyst – 120h – Python SQL Excel PowerBI – Đi làm ngay

Lộ trình khóa học data analysis bài bản, định hướng nghề khóa học data analyst. Khóa học phân tích dữ liệu Fresher – Junior – Senior cho mọi xuất phát điểm.

Hiện trạng các vấn đề khóa học data analyst kém chất lượng

Nhiều khóa học trên thị trường thường bỏ qua các kiến thức nền và kỹ năng về IT, ngôn ngữ lập trình. Đây là một kỹ năng chuyên sâu rất cần thiết khi các DA dần dần phải xử lý với lượng dữ liệu ngày càng lớn và nhu cầu tuyển dụng của các doanh nghiệp ngày càng gắt gao
Các khóa học chỉ tập trung truyền đạt lý thuyết, thiếu đi các kỹ năng thực hành cần thiết để học viên có thể tự tin thực chiến ở doanh nghiệp. Đây là một thiếu sót khá nghiêm trọng vì nó không thể đảm bảo đầu ra của khóa học
Các tài liệu, giáo trình, bài giảng không được chọn lọc kiến thức một cách kỹ càng, được sao chép hoàn toàn từ các kiến thức ở nước ngoài và được bán với giá rẻ
Các khóa học được quảng cáo sai sự thật như: trở thành chuyên gia Data Analyst sau 2 tháng, học xong đi làm ở vị trí senior,… mà chương trình học lại dành cho newbie hoặc intern, thiếu bài tập thực hành và tư duy phân tích.

Những lợi ích khi lựa chọn khóa học phân tích dữ liệu online tại Cole:

80% các khóa học data analyst tại Cole có code nhưng không nặng về code. -> Bởi vậy, đến 80% học viên trong khóa đào tạo DA tại Cole đến từ dân kinh tế.
Hot Job: Được giới thiệu vào các tập đoàn, doanh nghiệp đối tác trong nước và quốc tế thuộc mạng lưới việc làm của Cole sau khi học xong
Trả góp học phí 0% chỉ từ 500.000đ mỗi tháng.
Hình thức học: Học online qua zoom
Học lại miễn phí đến khi hiểu rõ và thành thạo.
Chứng chỉ: có đủ tư duy và trình độ pass các chứng chỉ quốc tế như Data của Microsoft hoặc IBM
Kỹ năng tư duy phân tích giải quyết các bài toán trong doanh nghiệp bằng dữ liệu với công cụ SQL, Excel, Power BI, R & Python, Machine Learning.
Chương trình học thực tiễn: Các buổi học được sắp xếp theo lộ trình bài bản, ứng dụng ngay các case thực tế trong bài học.
Vừa học vừa thực hành với các case study thực tế: 100% thực hành mọi buổi học, cân bằng lý thuyết thực hành 5-5
Được cầm tay chỉ việc cùng Giảng viên trong mỗi buổi học, giải đáp mọi thắc mắc với kiến thức đạt chuẩn quốc tế
Hỗ trợ học tập: Được trợ giảng hỗ trợ hướng dẫn, nhắc nhở tham gia các buổi học, thông báo bài tập và giải đáp các thắc mắc.

Đối tượng khóa học data analyst online

Đối với các khóa học dành cho Fresher & Junior

Người muốn theo đuổi về Data Analysis
DA muốn cập nhật các tính năng, công cụ hiện đại trong việc khai thác, xử lý và phân tích dữ liệu
Người muốn có một bức tranh tổng quan về Phân tích dữ liệu trên nhiều khía cạnh (toán học, công nghệ, thực tế, từ nhỏ tới lớn)
Các quản lý, CEO,… muốn khai thác tốt dữ liệu của doanh nghiệp mình để hỗ trợ ra quyết định tốt hơn với chi phí hiệu quả.
Người muốn có tư duy trừu tượng tốt hoặc ham học hỏi (đã đào tạo thành công một số bạn học trong các ngành kinh tế, ngoại ngữ chứ không chỉ Toán Tin hay CNTT)

Đối với các khóa học dành cho Senior

Người có kiến thức về data analyst, business analyst hoặc về market research, phân tích tài chính
DA muốn cập nhật các tính năng, công cụ hiện đại trong việc khai thác, xử lý và phân tích dữ liệu
Các bạn IT/Dev muốn chuyển hướng theo nghề data analyst

Bộ 3 khóa học data analyst cam kết đầu ra và chất lượng

Lộ trình đào tạo nghề DA Cole bao gồm 5 khóa học dựa trên lộ trình học data analyst chuẩn quốc tế được chia thành 3 level khác nhau từ Fresher – Junior – Senior. Với các khóa học dành cho Fresher, học viên sẽ được cung cấp các kiến thức cơ bản nhất về Data Analyst, bắt đầu từ những khái niệm, công việc cần làm của một DA tới các kiến thức và kỹ năng trở thành điều kiện đủ để đảm nhận công việc ở mức cơ bản như Excel, Power Query, SQL.

Tiếp theo, các khóa học dành cho Senior sẽ cung cấp cho học viên kiến thức chuyên sâu hơn trong ngành công nghệ thông tin, phục vụ cho việc phân tích dữ liệu nâng cao hơn như ngôn ngữ lập trình Python, kiến thức trực quan hóa dữ liệu với Power BI. Cuối cùng là khóa học nâng cao dành cho Senior với ứng dụng phân tích thông kê định lượng R trong việc phân tích khối dữ liệu lớn.

Lộ trình khóa học sẽ được phân chia như sau:

Fresher A (Excel & Power Query) → Junior A (Power BI)
Fresher B (SQL) → Junior B (Python)
Junior B (SQL) → Senior ®

Tuy nhiên, nếu bạn là người mới bắt đầu, Cole đã dành ra Combo 3 khóa học bao gồm: khóa Fresher A (Excel + Query), Fresher B (SQL) và Junior A (Power BI) vì 3 khóa học này có liên quan mật thiết, giúp bạn xây dựng nền tảng về data cũng như nâng cao kĩ năng, đảm bảo đầu ra bạn có đủ trình độ, kiến thức để đi làm. Sau đó các bạn có thể chọn lựa học bổ sung thêm 1 ngôn ngữ lập trình phân tích dữ liệu khác như Python hoặc R,

Fresher A: Khóa học data analyst với Excel và Power Query – Đào tạo Data Analyst

Mục tiêu khóa học:

Nắm được cái khái niệm cơ bản về Phân tích dữ liệu (Data Analysis), Trí Tuệ kinh doanh (Business Intelligence), Khai phá dữ liệu (Data Mining) theo ngôn ngữ thực tế và mô phỏng quy trình một cách trực quan, sinh động.
Nắm được các khái niệm OLAP (Roll-up, Drill-down, Slice and dice, Pivot, Unpivot) và OLTP và minh họa được trên dữ liệu thực tế.
Nắm được các khái niệm “Thực tế” đã được mô hình hóa để sử dụng hiệu quả trong công việc (6 tầng dữ liệu, chiều khái niệm, vẽ voi, kỹ thuật logo hóa, làm việc với tọa độ trong không gian nhiều chiều..)
Ứng dụng rõ ràng các khái niệm trên vào triển khai công việc thực tiễn
Làm chủ được các công cụ Excel, Power BI cho việc Phân tích dữ liệu
Phân biệt được ưu nhược điểm của các loại công cụ Excel, PowerBI, Hệ quản trị CSDL để lựa chọn được giải pháp trong thực tế

Thời lượng: 10 buổi – 2 buổi/tuần

Giảng viên: Nguyễn Danh Tú – Giảng viên Đại học Bách Khoa Hà Nội

Fresher B: Khóa học data analyst SQL nền tảng

Khóa học cung cấp kiến thức từ cơ bản đến nâng cao về ngôn ngữ truy vấn, cách đọc các lược đồ quan hệ, các câu lệnh phổ biến, kỹ thuật tuning và kỹ năng sử dụngy công cụ hỗ trợ MySQL cho việc xây dựng kho dữ liệu.

Thời lượng: 13 buổi – 2 buổi/tuần
Giảng viên: Nguyễn Danh Tú – Giảng viên ĐHBKHN
Xem thêm: tại đây

Junior A: Khóa học data analyst với Power BI

Mục tiêu khóa học:

Cung cấp cho người học hiểu rõ về cách xây dựng hệ thống phân tích dữ liệu với Power BI, triển khai các dịch vụ Power BI
Cách kết nối dữ liệu từ nhiều nguồn – cách xử lý chuẩn hóa dữ liệu trên Power Query
Cách sử dụng hàm Dax cơ bản – nâng cao để tạo các Measure tính toán (phục vụ cách lấy số liệu tính toán)
Cách lên dashboard, trực quan hóa dữ liệu và Xây dựng báo cáo tương tác tự động
Chia sẻ kinh nghiệm làm phân tích dữ liệu trong ngân hàng và các công ty công nghệ lớn

Thời lượng: 10 buổi – 2 buổi/tuần

Giảng viên: Nguyễn Phương Nam – Senior Data Analyst tại Techcombank

Các khóa học data analyst khác – Tham khảo thêm

Junior B: Khóa học về data analysis với Python

Khóa học đào tạo các kiến thức cơ bản về Python như kiểu dữ liệu, cấu trúc, hàm, module, hướng đối tượng,… và ứng dụng Python trong phân tích dữ liệu và xây dựng nền tảng tư duy về AI/ML cho các khóa học nâng cao

Thời lượng: 20 buổi – 2 buổi/tuần
Giảng viên: Nguyễn Văn Quân – Chuyên viên Phân tích dữ liệu tại Trung tâm Phân tích dữ liệu Viettel
Xem thêm: tại đây

Lớp Senior – Khóa học phân tích định lượng thống kê với R

Xây dựng tư duy logic cho học viên về phân tích định lượng và thống kê mô tả, ứng dụng kiến thức toán học, kinh tế lượng,…để phân tích dữ liệu lớn đồng thời thành thạo kỹ nănsử dụng công cụ R trong môi trường tích hợp RStudio

Thời lượng: 20 buổi – 2 buổi/tuần
Giảng viên: Ts Đỗ Văn Cường – Giảng viên ĐHBKHN
Xem thêm: tại đây

Mọi thông tin tóm tắt về 5 khóa học data analyst cole hàng đầu Việt Nam đã được chia sẻ, bạn có thể liên hệ để được tư vấn miễn phí về định hướng học tập và làm việc lâu dài trong nghề data. Với niềm đam mê dành cho công nghệ số và mong muốn mang đến tri thức số để áp dụng thực tế, Cole tự hào là đơn vị giáo dục cung cấp khóa đào tạo phân tích dữ liệu hàng đầu VN dành cho tất cả mọi người.

> Tìm đọc thêm thông tin về data analysis là gì; cũng như lắng nghe chia sẻ của chuyên gia Data Analyst giàu kinh nghiệm tại Mỹ sẽ giúp bạn khám phá được nhiều khía cạnh; trước khi bước chân vào con đường này.

Chương trình học

1. Tổng quan về phân tích dữ liệu

Tổng quan về phân tích dữ liệu
Các level của phân tích dữ liệu
Hệ thống kiến trúc phân tích dữ liệu trong Doanh Nghiệp
Data Tab cơ bản

2. Quy trình ETL tổng hợp, trích xuất và chuẩn hóa dữ liệu

ETL (Extract, Transform, Load)
Kiến thức về OLAP, các thao tác với dữ liệu trong OLAP
Xử lý dữ liệu với với Pivot Table, Pivot Chart

3. Quản trị dữ liệu số

Nguyên lý về quản trị dữ liệu dạng số 1. (DAKHASAPHATO). (Tư duy xây dựng dashboard dữ liệu)
Tổng hợp dữ liệu và xây dự báo cáo dashboard

4. Thực hành ETL trên Power Query

Nguyên lý về quản trị dữ liệu dạng số 2. (6 tầng dữ liệu và Tư duy phân tích)
Data Tab nâng cao với Power Query

5. Project thực tế

Project thực tế
Chia sẻ định hướng sau khóa học
Tư vấn, hỗ trợ các giải pháp doanh nghiệp

Module 1: Thành thạo SQL trên hệ quản trị cơ sở dữ liệu MySQL

Thiết lập môi trường làm việc thực hành
Tạo CSDL mẫu để làm việc
Truy vấn dữ 2 liệu theo yêu cầu
Xây dựng và phân tích lược đồ
Truy vấn các bảng hệ thống CSDL
Thao tác dữ liệu
Tạo các thành phần của CSDL
Kết nối cơ sở dữ liệu

Module 2: Nắm được tư duy về cơ sở dữ liệu

Tổng quan về CSDL
Truy vấn dữ liệu cơ bản
Tìm hiểu cấu trúc của CSDL
Truy vấn dữ liệu nâng cao
Cập nhật dữ liệu
Các khái niệm CSDL theo ngôn ngữ nghiệp vụ
Kết nối CSDL với Excel, Power BI

1. Giới thiệu về Power BI & Ứng dụng trong phân tích trực quan hóa dữ liệu

• Tổng quan về Power BI
• Kết nối nguồn dữ liệu vào Power BI
• Xây dựng Dashboard đơn giản trên Power BI
• Giới thiệu Power BI Service

2. Thực hành các thao tác với dữ liệu trên Power Query• Tổng quan về Power Query

• Giới thiệu các chức năng cơ bản trong Power Query

• Giới thiệu cơ bản về M trong Power Query

• Bài tập thực hành

3. Giới thiệu về Data Model trong Power BI

• Khái niệm về Data Model và lược đồ dữ liệu
• Data Model trong Power BI
• Thực hành liên kết dữ liệu trong Power BI Desktop
• Case Study AW2017 Database

4. Thiết kế Dashboard theo quy chuẩn

• Hiển thị và trực quan hóa dữ liệu
• Bài tập thực hành 1
• 15 quy tắc để xây dựng dashboard chuẩn
• Bài tập thực hành 2

5. Lập trình DAX cơ bản

• Tổng quan về DAX
• Giới thiệu về Calculated Measure, Calculated Column, Calculate Table
• Ví dụ về các hàm cơ bản
• Bài tập thực hành

6. Lập trình DAX trong Power BI (tiếp)

• Các Iterator Functions
• Các hàm Time Intelligence
• Hàm Userelationship
• Hàm Summarize

7. Thực hiện các phân tích trong Power BI• Thống kê tổng hợp• Xác định outlier với visual trong Power BI

• Time series analysis

• Sử dụng Advanced visual trong Power BI

8. Thiết kế Interactive Reports trong Power BI – Chỉnh sửa Report interactions

• Thêm Drillthrough cho visual

• Tạo, liên kết với các Bookmark trong Report

• Sử dụng “What-If” parameter

• Thực hành tạo 1 báo cáo Interactive Dashboard

9. Capstone Project – Bài trắc nghiệm cá nhân cuối khóa

• Ứng dụng và thực hành vào bài Capstone Project

• Gợi ý/ Chữa bài Capstone Project

• Hướng dẫn phần Xây dựng Interactive Dashboard

10. Tổng kết – Chữa bài tâp
• Nhận xét, chữa Project cuối khóa
• Tổng kết nội dung chương trình học

1. Tổng quan về Python

Máy tính và ngôn ngữ lập trình
Giới thiệu về Python
Môi trường lập trình Python
Jupyter Notebook và Google Colab
Giới thiệu các chương trình Python

2. Cú pháp Python cơ bản (gán giá trị biến và tìm kiểu dữ liệu)

Cú pháp Python cơ bản
Khái niệm biến
Lệnh gán giá trị cho biến
Các kiểu dữ liệu cơ bản
Thực hành 1: Thực hành gán gí trị biến và tìm kiểu dữ liệu

3. Toán tử, lệnh rẽ nhánh, và vòng lặp

Khái niệm
Các toán tử trong Python
Thứ tự ưu tiên toán tử
Lệnh rẽ nhánh
Vòng lặp
Thực hành toán tử, lệnh rẽ nhánh, và vòng lặp

4. Sử dụng hàm để xử lý dữ liệu

Giới thiệu về hàm
Các loại đối số hàm trong Python
Biến cục bộ và biến toàn cục
Thay đổi giá trị tham số hàm
Hàm trả về nhiều giá trị
Hàm lambda
Thực hành 4: Sử dụng hàm để xử lý dữ liệu

5. Đọc dữ liệu từ file Excel

Đọc file cục bộ
Đọc file trên Google Drive
Ghi nhiều bảng ra 1 sheet
Đọc dữ liệu từ nhiều sheet
Đọc dữ liệu từ nhiều bảng trong 1 sheet
Đọc dữ liệu từ các bảng có cấu trúc phức tạp
Thực hành 5: Thực hành đọc dữ liệu

6. Ghi dữ liệu ra file Excel

Ghi file lên Google Drive
Ghi dữ liệu ra nhiều sheet
Ghi nhiều bảng ra 1 sheet
Ghi bảng dữ liệu có cấu trúc phức tạp
Ẩn cột trong file Excel
Tạo format khi ghi dữ liệu
Thêm chart vào file Excel
Thực hành 6: Thực hành ghi dữ liệu ra file Excel

7. Thao tác Python và Excel để làm báo cáo tự động

Sử dụng Python thao tác cơ bản dữ liệu
Dùng hàm Python
Thao tác Python và Excel: làm báo cáo tự động
Xử lý bài toán thực tế của giảng viên

8. Module, package, đối tượng, và lớp

Module: khái niệm, cách tạo
Package: khái niệm, cách tạo
Lệnh import
Khái niệm lớp và đối tượng
Tạo lớp và đối tượng
Sử dụng lớp và đối tượng
Các thao tác nâng cao với các kiểu dữ liệu chuẩn trong Python
Thực hành 8

9 – 10 – 11. Tự động truy vấn dữ liệu với SQL và Python

Giới thiệu về SQL
Các khái niệm cơ bản trong cơ sở dữ liệu quan hệ-RDBMS
Một số CSDL quan hệ
Các lệnh SQL cơ bản
Các mệnh đề SQL: (SQL DISTINCT, SQL WHERE, SQL AND/OR, SQL IN, SQL BETWEEN, SQL LIKE, SQL ORDER BY, SQL GROUP BY, SQL COUNT, SQL HAVING)
Thư viện MySQL
Kết nối Python với MySQL
Câu lệnh SELECT (Phương thức fetchall, Phương thức fetchone, Phương thức fetchmany)
Tham số hóa dữ liệu truyền vào câu truy vấn với prepared statement
Thực hành 9

12 – 13. Xử lý dữ liệu với Pandas

Khái niệm
Cơ bản về Dataframe
Các cấu trúc dữ liệu trong Pandas
Các thao tác xử lý dữ liệu với Pandas (hợp-merge, kết nối-join, nhóm-group, sắp xếp-sort, thêm cột, bớt cột, xử lý dữ liệu thiếu, làm sạch dữ liệu, …)
Thực hành 10: Xử lý dữ liệu

14. Thao tác Python và SQL, ứng dụng thư viện Pandas để xử lý dữ liệu nâng cao

Làm sạch dữ liệu
Truy vấn và kết nối dữ liệu
Thao tác Python và SQL, ứng dụng thư viện Pandas
Xử lý bài toán thực tế của giảng viên

15-16. Trực quan hóa dữ liệu với Matplotlib

Giới thiệu về trực quan hóa dữ liệu
Trực quan hóa dữ liệu với Matplotlib (biểu đồ đường, cột, tròn, kết hợp, histogram, box plot, …)
Thực hành 12: Thực hành trực quan hóa dữ liệu với Seaborn

17. Phân cụm dữ liệu với K-means

Học giám sát và không giám sát
Khái niệm phân cụm dữ liệu
Ý nghĩa của bài toán phân cụm dữ liệu
Phương pháp phân cụm dữ liệu
Phương pháp chọn K
Thực hành 13: Thực hành qua ví dụ áp dụng thực tế

18. Thực hành tổng hợp Phân tích dữ liệu với Python

Ghi file lên Google Drive
Ghi dữ liệu ra nhiều sheet
Ghi nhiều bảng ra 1 sheet
Ghi bảng dữ liệu có cấu trúc phức tạp
Ẩn cột trong file Excel
Tạo format khi ghi dữ liệu
Thêm chart vào file Excel
Thực hành 6: Thực hành ghi dữ liệu ra file Excel

19. Khám phá và phân tích dữ liệu

Sử dụng Python thao tác cơ bản dữ liệu
Dùng hàm Python
Thao tác Python và Excel
Xử lý bài toán thực tế của giảng viên

20. Thực hành tổng hợp Phân tích dữ liệu với Python

Dựa trên bộ dữ liệu thực tế học viên tiến hành:
Trực quan hóa dữ liệu
Phân tích dữ liệu
Phân cụm dữ liệu
Phát hiện ngoại lai

Module 1: Giới thiệu về khóa học phương pháp phân tích định lượng, ngôn ngữ thống kê, ngôn ngữ lập trình

Phương pháp phân tích định lượng;
Ngôn ngữ lập trình python và ngôn ngữ thống kê R, Python

Module 2: Thống kê mô tả

Mẫu, chọn và phân phối mẫu;
Ước lượng và kiểm định;
Thực hành trên R và Python

Module 3: Biểu diễn trực quan dữ liệu

Biểu diễn dữ liệu
Các loại biểu đồ và ý nghĩa;
Mất mát dữ liệu và xử lý;
Thực hành trên R và Python

Module 4: Dự báo bằng mô hình hồi quy tuyến tính

Giới thiệu và diễn giải mô hình hồi quy tuyến tính;
Đánh giá mô hình;
Thực hành trên R và Python

Module 5: Dự báo bằng mô hình hồi quy đa biến

Hồi quy đa biến
Giới thiệu và diễn giải mô hình;
Cộng tuyến trong hồi quy đa biến;
Tìm mô hình tối ưu;
Thực hành trên R và Python

Module 6: Hồi quy phi tuyến

Giới thiệu mô hình hồi quy phi tuyến;
Diễn giải mô hình;
Thực hành trên R. và Python

Module 7: Hồi quy dữ liệu bảng

Giới thiệu và diễn giải mô hình hồi quy dạng bảng;
Thực hành trên R và Python

Module 8: Ứng dụng mô hình hồi quy trong bài toán thực tế

Giới thiệu các bài toán;
Mô hình thống kê cho bài toán;
Kiểm định mô hình;
Thực hành trên R và Python

1. Tổng quan về phân tích dữ liệu

Tổng quan về phân tích dữ liệu
Các level của phân tích dữ liệu
Hệ thống kiến trúc phân tích dữ liệu trong Doanh Nghiệp
Data Tab cơ bản

2. Quy trình ETL tổng hợp, trích xuất và chuẩn hóa dữ liệu

ETL (Extract, Transform, Load)
Kiến thức về OLAP, các thao tác với dữ liệu trong OLAP
Xử lý dữ liệu với với Pivot Table, Pivot Chart

3. Quản trị dữ liệu số

Nguyên lý về quản trị dữ liệu dạng số 1. (DAKHASAPHATO). (Tư duy xây dựng dashboard dữ liệu)
Tổng hợp dữ liệu và xây dự báo cáo dashboard

4. Thực hành ETL trên Power Query

Nguyên lý về quản trị dữ liệu dạng số 2. (6 tầng dữ liệu và Tư duy phân tích)
Data Tab nâng cao với Power Query

5. Project thực tế

Project thực tế
Chia sẻ định hướng sau khóa học
Tư vấn, hỗ trợ các giải pháp doanh nghiệp

Module 1: Thành thạo SQL trên hệ quản trị cơ sở dữ liệu MySQL

Thiết lập môi trường làm việc thực hành
Tạo CSDL mẫu để làm việc
Truy vấn dữ 2 liệu theo yêu cầu
Xây dựng và phân tích lược đồ
Truy vấn các bảng hệ thống CSDL
Thao tác dữ liệu
Tạo các thành phần của CSDL
Kết nối cơ sở dữ liệu

Module 2: Nắm được tư duy về cơ sở dữ liệu

Tổng quan về CSDL
Truy vấn dữ liệu cơ bản
Tìm hiểu cấu trúc của CSDL
Truy vấn dữ liệu nâng cao
Cập nhật dữ liệu
Các khái niệm CSDL theo ngôn ngữ nghiệp vụ
Kết nối CSDL với Excel, Power BI

1. Giới thiệu về Power BI & Ứng dụng trong phân tích trực quan hóa dữ liệu

• Tổng quan về Power BI
• Kết nối nguồn dữ liệu vào Power BI
• Xây dựng Dashboard đơn giản trên Power BI
• Giới thiệu Power BI Service

2. Thực hành các thao tác với dữ liệu trên Power Query• Tổng quan về Power Query

• Giới thiệu các chức năng cơ bản trong Power Query

• Giới thiệu cơ bản về M trong Power Query

• Bài tập thực hành

3. Giới thiệu về Data Model trong Power BI

• Khái niệm về Data Model và lược đồ dữ liệu
• Data Model trong Power BI
• Thực hành liên kết dữ liệu trong Power BI Desktop
• Case Study AW2017 Database

4. Thiết kế Dashboard theo quy chuẩn

• Hiển thị và trực quan hóa dữ liệu
• Bài tập thực hành 1
• 15 quy tắc để xây dựng dashboard chuẩn
• Bài tập thực hành 2

5. Lập trình DAX cơ bản

• Tổng quan về DAX
• Giới thiệu về Calculated Measure, Calculated Column, Calculate Table
• Ví dụ về các hàm cơ bản
• Bài tập thực hành

6. Lập trình DAX trong Power BI (tiếp)

• Các Iterator Functions
• Các hàm Time Intelligence
• Hàm Userelationship
• Hàm Summarize

7. Thực hiện các phân tích trong Power BI• Thống kê tổng hợp• Xác định outlier với visual trong Power BI

• Time series analysis

• Sử dụng Advanced visual trong Power BI

8. Thiết kế Interactive Reports trong Power BI – Chỉnh sửa Report interactions

• Thêm Drillthrough cho visual

• Tạo, liên kết với các Bookmark trong Report

• Sử dụng “What-If” parameter

• Thực hành tạo 1 báo cáo Interactive Dashboard

9. Capstone Project – Bài trắc nghiệm cá nhân cuối khóa

• Ứng dụng và thực hành vào bài Capstone Project

• Gợi ý/ Chữa bài Capstone Project

• Hướng dẫn phần Xây dựng Interactive Dashboard

10. Tổng kết – Chữa bài tâp
• Nhận xét, chữa Project cuối khóa
• Tổng kết nội dung chương trình học

1. Tổng quan về Python

Máy tính và ngôn ngữ lập trình
Giới thiệu về Python
Môi trường lập trình Python
Jupyter Notebook và Google Colab
Giới thiệu các chương trình Python

2. Cú pháp Python cơ bản (gán giá trị biến và tìm kiểu dữ liệu)

Cú pháp Python cơ bản
Khái niệm biến
Lệnh gán giá trị cho biến
Các kiểu dữ liệu cơ bản
Thực hành 1: Thực hành gán gí trị biến và tìm kiểu dữ liệu

3. Toán tử, lệnh rẽ nhánh, và vòng lặp

Khái niệm
Các toán tử trong Python
Thứ tự ưu tiên toán tử
Lệnh rẽ nhánh
Vòng lặp
Thực hành toán tử, lệnh rẽ nhánh, và vòng lặp

4. Sử dụng hàm để xử lý dữ liệu

Giới thiệu về hàm
Các loại đối số hàm trong Python
Biến cục bộ và biến toàn cục
Thay đổi giá trị tham số hàm
Hàm trả về nhiều giá trị
Hàm lambda
Thực hành 4: Sử dụng hàm để xử lý dữ liệu

5. Đọc dữ liệu từ file Excel

Đọc file cục bộ
Đọc file trên Google Drive
Ghi nhiều bảng ra 1 sheet
Đọc dữ liệu từ nhiều sheet
Đọc dữ liệu từ nhiều bảng trong 1 sheet
Đọc dữ liệu từ các bảng có cấu trúc phức tạp
Thực hành 5: Thực hành đọc dữ liệu

6. Ghi dữ liệu ra file Excel

Ghi file lên Google Drive
Ghi dữ liệu ra nhiều sheet
Ghi nhiều bảng ra 1 sheet
Ghi bảng dữ liệu có cấu trúc phức tạp
Ẩn cột trong file Excel
Tạo format khi ghi dữ liệu
Thêm chart vào file Excel
Thực hành 6: Thực hành ghi dữ liệu ra file Excel

7. Thao tác Python và Excel để làm báo cáo tự động

Sử dụng Python thao tác cơ bản dữ liệu
Dùng hàm Python
Thao tác Python và Excel: làm báo cáo tự động
Xử lý bài toán thực tế của giảng viên

8. Module, package, đối tượng, và lớp

Module: khái niệm, cách tạo
Package: khái niệm, cách tạo
Lệnh import
Khái niệm lớp và đối tượng
Tạo lớp và đối tượng
Sử dụng lớp và đối tượng
Các thao tác nâng cao với các kiểu dữ liệu chuẩn trong Python
Thực hành 8

9 – 10 – 11. Tự động truy vấn dữ liệu với SQL và Python

Giới thiệu về SQL
Các khái niệm cơ bản trong cơ sở dữ liệu quan hệ-RDBMS
Một số CSDL quan hệ
Các lệnh SQL cơ bản
Các mệnh đề SQL: (SQL DISTINCT, SQL WHERE, SQL AND/OR, SQL IN, SQL BETWEEN, SQL LIKE, SQL ORDER BY, SQL GROUP BY, SQL COUNT, SQL HAVING)
Thư viện MySQL
Kết nối Python với MySQL
Câu lệnh SELECT (Phương thức fetchall, Phương thức fetchone, Phương thức fetchmany)
Tham số hóa dữ liệu truyền vào câu truy vấn với prepared statement
Thực hành 9

12 – 13. Xử lý dữ liệu với Pandas

Khái niệm
Cơ bản về Dataframe
Các cấu trúc dữ liệu trong Pandas
Các thao tác xử lý dữ liệu với Pandas (hợp-merge, kết nối-join, nhóm-group, sắp xếp-sort, thêm cột, bớt cột, xử lý dữ liệu thiếu, làm sạch dữ liệu, …)
Thực hành 10: Xử lý dữ liệu

14. Thao tác Python và SQL, ứng dụng thư viện Pandas để xử lý dữ liệu nâng cao

Làm sạch dữ liệu
Truy vấn và kết nối dữ liệu
Thao tác Python và SQL, ứng dụng thư viện Pandas
Xử lý bài toán thực tế của giảng viên

15-16. Trực quan hóa dữ liệu với Matplotlib

Giới thiệu về trực quan hóa dữ liệu
Trực quan hóa dữ liệu với Matplotlib (biểu đồ đường, cột, tròn, kết hợp, histogram, box plot, …)
Thực hành 12: Thực hành trực quan hóa dữ liệu với Seaborn

17. Phân cụm dữ liệu với K-means

Học giám sát và không giám sát
Khái niệm phân cụm dữ liệu
Ý nghĩa của bài toán phân cụm dữ liệu
Phương pháp phân cụm dữ liệu
Phương pháp chọn K
Thực hành 13: Thực hành qua ví dụ áp dụng thực tế

18. Thực hành tổng hợp Phân tích dữ liệu với Python

Ghi file lên Google Drive
Ghi dữ liệu ra nhiều sheet
Ghi nhiều bảng ra 1 sheet
Ghi bảng dữ liệu có cấu trúc phức tạp
Ẩn cột trong file Excel
Tạo format khi ghi dữ liệu
Thêm chart vào file Excel
Thực hành 6: Thực hành ghi dữ liệu ra file Excel

19. Khám phá và phân tích dữ liệu

Sử dụng Python thao tác cơ bản dữ liệu
Dùng hàm Python
Thao tác Python và Excel
Xử lý bài toán thực tế của giảng viên

20. Thực hành tổng hợp Phân tích dữ liệu với Python

Dựa trên bộ dữ liệu thực tế học viên tiến hành:
Trực quan hóa dữ liệu
Phân tích dữ liệu
Phân cụm dữ liệu
Phát hiện ngoại lai

Module 1: Giới thiệu về khóa học phương pháp phân tích định lượng, ngôn ngữ thống kê, ngôn ngữ lập trình

Phương pháp phân tích định lượng;
Ngôn ngữ lập trình python và ngôn ngữ thống kê R, Python

Module 2: Thống kê mô tả

Mẫu, chọn và phân phối mẫu;
Ước lượng và kiểm định;
Thực hành trên R và Python

Module 3: Biểu diễn trực quan dữ liệu

Biểu diễn dữ liệu
Các loại biểu đồ và ý nghĩa;
Mất mát dữ liệu và xử lý;
Thực hành trên R và Python

Module 4: Dự báo bằng mô hình hồi quy tuyến tính

Giới thiệu và diễn giải mô hình hồi quy tuyến tính;
Đánh giá mô hình;
Thực hành trên R và Python

Module 5: Dự báo bằng mô hình hồi quy đa biến

Hồi quy đa biến
Giới thiệu và diễn giải mô hình;
Cộng tuyến trong hồi quy đa biến;
Tìm mô hình tối ưu;
Thực hành trên R và Python

Module 6: Hồi quy phi tuyến

Giới thiệu mô hình hồi quy phi tuyến;
Diễn giải mô hình;
Thực hành trên R. và Python

Module 7: Hồi quy dữ liệu bảng

Giới thiệu và diễn giải mô hình hồi quy dạng bảng;
Thực hành trên R và Python

Module 8: Ứng dụng mô hình hồi quy trong bài toán thực tế

Giới thiệu các bài toán;
Mô hình thống kê cho bài toán;
Kiểm định mô hình;
Thực hành trên R và Python

Xem thêm

Nguyễn Danh Tú

Giảng viên Viện Toán Ứng Dụng - Đại Học Bách Khoa HN

Xem thêm

Nguyễn Phương Nam

Senior Data Analyst tại Techcombank

Nguyễn Danh Tú

Giảng viên Viện Toán Ứng Dụng - Đại Học Bách Khoa HN

Xây dựng Data Warehouse cho sản phẩm Topica Native.
14+ năm Giảng viên Viện Toán ứng dụng, Đại học Bách Khoa Hà Nội.
Xây dựng chương trình “Phân tích dữ liệu” và đào tạo trực tiếp cho 1000+ nhân sự.
5+ năm kinh nghiệm làm việc thực tế về Quản lý doanh nghiệp, xây dựng hệ thống phần mềm CNTT trên các công cụ lập trình cũng như “Tin học văn phòng” Excel, Google Sheet, Power BI.
Đã đào tạo trực tiếp các phần mềm phân tích và xử lý dữ liệu trên Excel, Google Sheet, Power BI +1000 học viên và đã đào tạo online Excel cho +100K học viên.
Đào tạo/coaching/tư vấn cho nhiều bạn quản lý, chủ doanh nghiệp về một số mảng (xây dựng hệ thống, chiến lược marketing, xây dựng sản phẩm, tài chính, problem solving,.).

Nguyễn Phương Nam

Senior Data Analyst tại Techcombank

Đã đào tạo thành công +250 học viên đã và đang theo nghề Data Analyst nhờ giảng dạy theo khóa học data analysis cole bài bản
Nhà coaching/giảng dạy và đào tạo phòng ban của nhiều doanh nghiệp ứng dụng công cụ Power BI
5+ năm kinh nghiệm trong lĩnh vực Data Analysis.
Từng làm Data Analyst tại Topica, và các ngân hàng lớn, công cụ thanh toán như VCCORP và MBBank.

Từ con số 0 về lập trình vẫn có thể học được.

Các kỹ thuật và câu lệnh SQL để làm phân tích dữ liệu thì chủ yếu là truy vấn, câu lệnh mô phỏng ngôn ngữ tự nhiên nên sẽ dễ thực hành được luôn. Quan trọng người học phải luyện tập nhiều để thuộc và quen tay.

Lập trình R trong phân tích định lượng không quá khó, những câu lệnh này nó định hình thành 1 quy trình mẫu sẵn rồi, tùy từng bài toán khác nhau sẽ có những biến khác nhau, mình chỉ việc lắp biến vào mà chạy thôi. Ngoài ra ngôn ngữ R còn có thư viện, trong đó có các gói (package) có sẵn để chạy nhiều nhiệm vụ phân tích khác nhau.

Về ngôn ngữ R, thầy dạy từ khái niệm cơ bản, chỉ dẫn từ việc cài đặt cho đến những thao tác đơn giản nhất nên không lo.

Về khóa Python, hoàn toàn theo được, khóa kết hợp dạy python cơ bản trước, rồi sẽ tới vận dụng vào thực tế giải quyết các bài toán.

Trong khóa học, phần lớn học viên xuất phát từ dân kinh tế, nghiên cứu khoa học,… hầu như đều non-IT, cuối khóa vẫn làm bài project tốt.

Quên hết toán rồi vẫn học được vì bây giờ ngta sử dụng R hoặc Python lập trình để chạy, cho ra kết quả luôn chứ ko cần phải làm tính toán nữa.

Tuy nhiên cũng cần hiểu thêm kiến thức tổng quan về thống kê, xác suất, logic là để hiểu được bản chất của việc chạy các mô hình đấy là gì và diễn giải được ý nghĩa từ kết quả.

Yêu cầu đầu vào của các khóa học là chỉ cần biết làm việc với Excel (mặc khóa học ko liên quan gì đến Excel nhưng cũng nên biết tránh bỡ ngỡ quá)

Lý do là bởi hiện nay phần lớn các công ty sử dụng MySQL (chiếm đến 80%) và MySQL không mất phí. Khóa học dạy cái mà nhu cầu thực tế các doanh nghiệp cần, để học viên học xong đi làm áp dụng được luôn vào công việc tại đơn vị doanh nghiệp.

Sau khi kết thúc khóa học, bạn sẽ được cấp chứng nhận hoàn thành khóa học với điều kiện tham gia đủ 80% số buổi học và hoàn thành bài tập cũng như vượt qua bài đánh giá cuối khóa)

Từ con số 0 về lập trình vẫn có thể học được.

Về ngôn ngữ R, thầy dạy từ khái niệm cơ bản, chỉ dẫn từ việc cài đặt cho đến những thao tác đơn giản nhất nên không lo.

Về khóa Python, hoàn toàn theo được, khóa kết hợp dạy python cơ bản trước, rồi sẽ tới vận dụng vào thực tế giải quyết các bài toán.

Trong khóa học, phần lớn học viên xuất phát từ dân kinh tế, nghiên cứu khoa học,… hầu như đều non-IT, cuối khóa vẫn làm bài project tốt.

Quên hết toán rồi vẫn học được vì bây giờ ngta sử dụng R hoặc Python lập trình để chạy, cho ra kết quả luôn chứ ko cần phải làm tính toán nữa.

Yêu cầu đầu vào của các khóa học là chỉ cần biết làm việc với Excel (mặc khóa học ko liên quan gì đến Excel nhưng cũng nên biết tránh bỡ ngỡ quá)