Mã lớp: PYT_LV1
Hiệu lực áp dụng: từ ngày 01/05/2025.
Thông tin chung
Thời lượng: 09 buổi
- 05 buổi học online tương tác trực tiếp (Zoom, giảng viên hướng dẫn từ A–Z)
- 03 buổi học qua video theo dự án thực tế
- 01 buổi Project Day (tự thực hiện & trình bày sản phẩm phân tích dữ liệu)
Lịch học:
- Mỗi tuần học 02 buổi, vào 19h15 – 21h15 (giờ Việt Nam)
- Hình thức: học trực tuyến, hỗ trợ qua zalo/telegram/email/Google Drive
Bạn sẽ học được gì:
- Làm quen với Python & Jupyter Notebook
- Xử lý dữ liệu với NumPy & Pandas
- Làm sạch & chuẩn hóa dữ liệu
- Trực quan hóa & phân tích chuỗi thời gian
- Nhập môn Machine Learning
- Thực hành với 3 dự án thực tế
- Học cách tư duy phân tích dữ liệu thực chiến
- Sử dụng công cụ AI hỗ trợ
| Buổi | Mục tiêu | Nội dung chính |
| 1 | – Hiểu cách cài đặt và sử dụng Jupyter Notebook- Nắm vững cấu trúc dữ liệu: list, dict, string, hàm- Làm việc với file hệ thống | – Python cơ bản & Jupyter – Cấu trúc dữ liệu, xử lý file & thư mục – Hàm & modules |
| 2 | – Làm chủ thao tác với array & dataframe- Thống kê mô tả và tính toán dữ liệu | – Array, broadcasting, random walk – Series & DataFrame – Đọc CSV/Excel, filter, aggregate |
| 3 | – Làm sạch missing, định dạng dữ liệu- Hợp nhất nhiều bảng dữ liệu | – Missing values, duplicates – Merge, concat, reshape – GroupBy nâng cao, pivot table |
| 4 | – Biểu đồ dữ liệu và phân tích chuỗi thời gian | – Matplotlib & Seaborn – Line/bar/heatmap – Datetime parsing, resample, moving average |
| 5 | – Hiểu supervised vs. unsupervised learning- Áp dụng sklearn trong bài toán phân loại | – Train/test split, model pipeline – Accuracy, confusion matrix, ROC – Case: Credit risk scoring |
| Video 1 | – Phân tích hành vi và phân nhóm khách hàng | – RFM Analysis, phân nhóm bằng KMeans – Trực quan hóa & phân tích kết quả |
| Video 2 | – Huấn luyện và đánh giá mô hình phân loại | – Xử lý dữ liệu khách hàng ngân hàng – Mô hình logistic regression – Đánh giá độ chính xác |
| Video 3 | – Dự báo doanh số bằng hồi quy thời gian | – Dữ liệu thời gian (monthly sales) – Hồi quy & dự báo đơn giản – So sánh chiến lược dự báo |
| 9 | – Thực hiện dự án end-to-end, phản biện và trình bày | – Học viên chọn 1 trong 3 dự án – Trình bày, giải thích kết quả – Nhận feedback từ giảng viên & peers |
Tài nguyên đi kèm:
- Slide chi tiết từng buổi
- Bộ dataset thực hành (đủ dạng: .csv, Excel, API)
- Template code + notebook mẫu
- Tài liệu học thuật & ebook bổ trợ
- Nhóm hỗ trợ qua Zalo / Telegram / Email / Google Drive
Hỗ trợ sau khóa:
- Coaching/Mentoring 1-1 (tối đa 1h/tuần, kéo dài 01 tháng sau khi học xong)
- Hỗ trợ xây dựng CV dự án, chuẩn bị phỏng vấn vị trí data analyst/data intern
Giảng viên:
- Giàu kinh nghiệm thực chiến & kiến thức nền tảng vững chắc
- Giảng dạy logic, dễ hiểu, sát với nhu cầu người đi làm
- Kết hợp linh hoạt công cụ AI hiện đại
- Hỗ trợ học viên tận tâm, phản hồi nhanh & cá nhân hóa
Đội ngũ Chuyên gia
Đội ngũ MCNA tập hợp các chuyên gia giàu kinh nghiệm từ nhiều lĩnh vực, mang đến kiến thức chuyên sâu và góc nhìn đa chiều cho mọi hoạt động đào tạo và tư vấn.
