Mã lớp: STA_LV1
Hiệu lực áp dụng: Từ ngày 01/05/2025.
Thông tin chung
Thời lượng: 07 buổi
- 06 buổi học qua video theo kiến thức nâng cao (advanced learning)
- 01 buổi Project Day (tự thực hiện & trình bày sản phẩm cuối khoá)
Hình thức học:
- Video + notebook thực hành (Python, Excel)
- Hình thức: học trực tuyến, hỗ trợ qua zalo/telegram/email/Google Drive
- Áp dụng AI (ChatGPT, Gemini) để giải thích công thức, gợi ý hàm, sinh biểu đồ
Bạn sẽ học được gì:
- Hiểu nền tảng toán học trong phân tích dữ liệu
- Thống kê mô tả và trực quan hóa dữ liệu
- Làm quen xác suất và phân phối phổ biến
- Lấy mẫu và suy luận thống kê trên dữ liệu
- Kiểm định giả thuyết và đọc p-value
- Hồi quy tuyến tính và phân tích tương quan
- Ứng dụng AI, Python/Excel trong phân tích
- Thực hành project thực tế cuối khóa
| Buổi | Mục tiêu | Nội dung chính |
| 1 | Hiểu các khái niệm toán học cơ bản ứng dụng trong ML | – Vector, ma trận, định thức – Đạo hàm, gradient, tối ưu hàm đơn biến – Ứng dụng vào hồi quy, machine learning – Gemini sinh hình ảnh trực quan – Case: Tối ưu chi phí marketing |
| 2 | Nắm rõ các chỉ số cơ bản và cách trực quan hóa phân phối | – Mean, Median, Mode, Std Deviation – Histogram, boxplot, distribution curve – Nhận diện outlier, xu hướng – ChatGPT sinh hàm trực quan theo đề bài – Case: Đánh giá thu nhập khách hàng |
| 3 | Hiểu khái niệm xác suất và các phân phối cơ bản | – Hợp, giao, xác suất có điều kiện – Binomial, Normal, Poisson – Tính kỳ vọng & độ lệch chuẩn – Gemini giải thích ứng dụng thực tế – Case: Dự đoán nợ xấu, phân loại lead |
| 4 | Làm quen kỹ thuật lấy mẫu và ước lượng tham số | – Sampling: random, stratified, systematic – CI, margin of error – Luật số lớn, CLT – ChatGPT mô phỏng phân phối mẫu – Case: Khảo sát nhân sự nội bộ |
| 5 | Biết cách kiểm định và diễn giải p-value đúng cách | – H0, H1, p-value, alpha – Z-test, T-test, Chi-square – Sai lầm loại I, II – Gemini sinh code test & so sánh kết quả – Case: A/B testing chiến dịch quảng cáo |
| 6 | Phân tích mối quan hệ giữa biến và dự đoán kết quả | – Hệ số tương quan: Pearson, Spearman – Hồi quy tuyến tính đơn, phân tích phần dư – Gemini/ChatGPT tự động diễn giải kết quả – Case: Dự đoán doanh thu marketing |
| 7 | Vận dụng kiến thức vào case thực tế và trình bày kết quả | – Chọn đề tài: HR, tăng trưởng đơn hàng, chi phí marketing – Trực quan hóa, mô hình, phân tích – Dùng AI để giải thích & cải tiến báo cáo – Trình bày bài toán + kết quả cuối khóa |
Tài nguyên đi kèm:
- Dataset mẫu: ngân hàng, bán lẻ, HR, khảo sát nội bộ
- Template: file Excel, Python notebook, bảng mẫu kiểm định
- Prompt AI: sinh công thức, biểu đồ, báo cáo phân tích
- 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)
- Gợi ý lộ trình tiếp theo: Machine Learning, Time Series Forecasting, A/B Testing nâng cao
Giảng viên:
- Trình bày dễ hiểu, logic, giúp người học nắm chắc nền tảng.
- Gắn nội dung giảng dạy với bài toán và dữ liệu thực tế doanh nghiệp.
- Hỗ trợ nhanh, chi tiết và sát nhu cầu học viên.
- Chủ động tích hợp công nghệ mới vào lớp học.
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.
