Đào tạo
Technical Data Analyst
Nắm vững các kỹ thuật phân tích dữ liệu và trực quan hóa dữ liệu từ cơ bản đến nâng cao, tập trung vào các khía cạnh kỹ thuật của việc xử lý và phân tích dữ liệu.
Giới Thiệu
Data Analyst định hướng kỹ thuật (Technical Data Analyst) là những chuyên gia phân tích dữ liệu tập trung vào việc sử dụng các công cụ và kỹ thuật chuyên sâu để xử lý, làm sạch, chuyển đổi và phân tích dữ liệu một cách hiệu quả. Học kiến thức sâu về các ngôn ngữ lập trình, cơ sở dữ liệu, và các công cụ phân tích dữ liệu phức tạp.
Nếu bạn có đam mê với công nghệ, yêu thích việc giải quyết các vấn đề phức tạp và muốn làm việc với dữ liệu ở cấp độ kỹ thuật sâu hơn, thì hướng đi Data Analyst định hướng kỹ thuật có thể là một lựa chọn tuyệt vời cho bạn.
Một số hướng đi nghề nghiệp khác sau khoá học:
- Data Engineer
- Data Scientist
Song song với lớp này, các bạn có thể học các khoá đào tạo bổ trợ Business Data Analyst để phát huy hiệu quả cao nhất.
Mục tiêu Đào tạo
Lộ trình đào tạo
Số buổi
6 tháng+ 1 Tháng Project
Lịch học
Tối 2,4,6 hoặc 3,5,7
Tài liệu cung cấp
Video, Quiz, Article
Hình thức học
Online, E-Learning
01
Module 1: Nền tảng Khoa học Dữ liệu và Lập trình
- Giới thiệu về khoa học dữ liệu:
- Các khái niệm cơ bản về dữ liệu, thông tin và kiến thức
- Quy trình phân tích dữ liệu: thu thập, làm sạch, khám phá, phân tích, trực quan hóa và diễn giải
- Các ứng dụng của khoa học dữ liệu trong các lĩnh vực khác nhau
- Python cơ bản:
- Cài đặt và thiết lập môi trường làm việc
- Các kiểu dữ liệu, biến, toán tử
- Cấu trúc điều khiển: câu lệnh điều kiện, vòng lặp
- Hàm, mô-đun và xử lý ngoại lệ
- Xử lý và trực quan hóa dữ liệu với NumPy, Pandas và Matplotlib:
- NumPy: Mảng nhiều chiều, các phép toán trên mảng
- Pandas: DataFrame và Series, đọc/ghi dữ liệu từ các định dạng khác nhau, xử lý dữ liệu bị thiếu, lọc và biến đổi dữ liệu
- Matplotlib: Vẽ các loại biểu đồ cơ bản: đường, cột, tròn, phân tán, v.v.
- Thống kê và xác suất cơ bản:
- Các đại lượng thống kê mô tả: trung bình, trung vị, mode, phương sai, độ lệch chuẩn
- Phân phối xác suất: phân phối chuẩn, phân phối nhị thức, phân phối Poisson
- Kiểm định giả thuyết cơ bản
02
Module 2: Cơ sở dữ liệu và SQL
- Giới thiệu về cơ sở dữ liệu:
- Các mô hình dữ liệu: quan hệ, phi quan hệ, hướng đồ thị
- Hệ quản trị cơ sở dữ liệu (DBMS) và các thành phần của nó
- Các khái niệm cơ bản về ACID (Atomicity, Consistency, Isolation, Durability)
- Thiết kế cơ sở dữ liệu quan hệ:
- Mô hình thực thể-quan hệ (ERD)
- Chuẩn hóa dữ liệu: các dạng chuẩn tắc 1NF, 2NF, 3NF
- Tạo bảng, ràng buộc và khóa chính/khóa ngoại
- SQL cơ bản và nâng cao:
- Các câu lệnh DDL (Data Definition Language): CREATE, ALTER, DROP
- Các câu lệnh DML (Data Manipulation Language): SELECT, INSERT, UPDATE, DELETE
- Các câu lệnh truy vấn phức tạp: JOIN, subquery, CTE (Common Table Expression)
- Các hàm và biểu thức trong SQL: toán học, chuỗi, ngày tháng, tổng hợp, v.v.
- Tối ưu hóa truy vấn SQL: sử dụng chỉ mục, phân tích kế hoạch thực thi
- Thực hành với MySQL hoặc PostgreSQL:
- Cài đặt và cấu hình máy chủ cơ sở dữ liệu
- Tạo cơ sở dữ liệu, bảng và nhập liệu
- Thực hiện các truy vấn SQL để trích xuất, biến đổi và tổng hợp dữ liệu
03
Module 3: Phân tích Dữ liệu Nâng cao và Học Máy
- Khai phá dữ liệu và phân tích thống kê:
- Phân tích hồi quy: tuyến tính, đa biến, logistic
- Phân tích phân cụm: k-means, hierarchical clustering
- Phân tích thành phần chính (PCA)
- Phân tích chuỗi thời gian
- Các phương pháp thống kê khác: kiểm định giả thuyết, ANOVA, v.v.
- Học máy cơ bản:
- Giới thiệu về học máy: học có giám sát, học không giám sát, học tăng cường
- Các thuật toán học máy phổ biến:
- Hồi quy tuyến tính, hồi quy đa thức, hồi quy ridge và lasso
- Logistic regression
- Cây quyết định và random forest
- K-nearest neighbors (KNN)
- Support vector machine (SVM)
- Naive Bayes
- Đánh giá và lựa chọn mô hình: độ chính xác, độ đo F1, AUC-ROC, v.v.
- Kỹ thuật xử lý dữ liệu cho học máy: làm sạch dữ liệu, xử lý dữ liệu mất cân bằng, feature engineering, v.v.
- Giới thiệu về học sâu:
- Mạng nơ-ron nhân tạo (ANN)
- Mạng nơ-ron tích chập (CNN) cho xử lý ảnh
- Mạng nơ-ron hồi quy (RNN) cho xử lý ngôn ngữ tự nhiên
- Các ứng dụng của học sâu
04
Module 4: Dữ liệu Lớn và Điện toán Đám mây
- Dữ liệu lớn:
- Các đặc trưng của dữ liệu lớn: khối lượng, tốc độ, đa dạng
- Các thách thức trong việc xử lý dữ liệu lớn
- Hệ sinh thái Hadoop: HDFS, MapReduce, YARN
- Apache Spark: xử lý dữ liệu phân tán trong bộ nhớ
- Hive: truy vấn dữ liệu trên Hadoop bằng SQL
- Các công cụ khác: Pig, HBase, Flume, Sqoop, v.v.
- Điện toán đám mây:
- Các mô hình dịch vụ đám mây: IaaS, PaaS, SaaS
- Các nhà cung cấp dịch vụ đám mây lớn: AWS, Azure, Google Cloud Platform
- Các dịch vụ đám mây liên quan đến dữ liệu: lưu trữ, cơ sở dữ liệu, phân tích, học máy
- Triển khai các giải pháp phân tích dữ liệu trên đám mây
05
Project
Thực hành
Bảo vệ Project
Khoá Đào Tạo Dành Cho Ai?
Để thành công
Tất cả đều phải Học
"Pundar Pichai" - CEO của Alphabet Inc. and Google.
Đăng ký học
Tại Sao Chọn DataMark?
Đúng là học chú trọng vào thực hành. Thầy rất tỉ mỉ nên dù học mới tiếp xúc với SEO nhưng cũng nắm được kha khá kiến thức. Mình sẽ cố gắng thật nhiều nữa để không phụ lòng thỳ.
Lương Đình Nghĩa
Các kiến thức mà DataMark đào tạo thường được thiết kế để đáp ứng một loạt các yêu cầu của các doanh nghiệp, đặc biệt là các doanh nghiệp hoạt động trong lĩnh vực bán hàng trực tuyến.
Trần Thế Đoàn
Đúng là học chú trọng vào thực hành. Thầy rất tỉ mỉ nên dù học mới tiếp xúc với SEO nhưng cũng nắm được kha khá kiến thức. Mình sẽ cố gắng thật nhiều nữa để không phụ lòng thỳ.
Cty Hưng Gia Vượng
Hình ảnh Workshops
