Lịch học dự kiến diễn ra



Lớp: PYTHON 48A6 LEVEL 2
Địa điểm: Số 5, Ngách 23, Ngõ 165 Thái Hà, HN
Thời gian học: Thứ 3 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30
Lịch khai giảng: July 5, 2022
Thời gian kết thúc: Aug. 6, 2022
Giảng viên dự kiến: Nguyễn Hữu Minh
Lớp: PYTHON 38SA6 LEVEL 2
Địa điểm: 284A Nam Kỳ Khởi Nghĩa, Quận 3, TP.HCM
Thời gian học: Thứ 3 - 19H00 - 21H30 & Thứ 6 - 19H00 - 21H30
Lịch khai giảng: June 28, 2022
Thời gian kết thúc: July 29, 2022
Giảng viên dự kiến: --------
Python Level 2

Python for Machine Learning & Deep Learning

Đây là 1 khóa học Python nâng cao, ứng dụng trong lĩnh vực Học máy (Machine Learning), Học sâu (Deep Learning) và AI (trí tuệ nhân tạo). Hình thức đào tạo online và offline trong thời lượng 10 buổi học, mỗi buổi học từ 2.5 - 3 tiếng. Học trực tiếp cùng các chuyên gia thông tin như sau:

Tên khóa học: Python for Machine Learning & Deep Learning (Python Level 2)

Cơ hội nghề nghiệp nổi bật sau khi tốt nghiệp khóa học này là các vị trí:
• Data Analyst (Chuyên viên Phân tích Dữ liệu)
• Machine Learning (ML) Engineer (Kĩ sư Học máy)
• Artificial Intelligence (AI) Engineer (Kĩ sư Trí tuệ Nhân tạo)
• Data Scientist (Nhà Khoa học Dữ liệu)

4.7

Đối tượng

• Sinh viên khối kinh tế, kĩ thuật có định hướng tham gia ngành Data Science, Data Analytics đang bắt đầu tìm hiểu các kiến thức liên quan Python, Machine Learning, Deep Learning và học cách ứng dụng Python vào các dự án thực tế tại doanh nghiệp.

• Người đã đi làm mong muốn cải thiện kỹ năng làm việc với dữ liệu, kỹ năng giải quyết và ra quyết định với các bài toán thực tế trong công việc dựa trên phân tích dữ liệu chuyên sâu và hiệu quả với Python.

• Các bạn có mong muốn chuyển ngang sang ngành Data Analysis, Data Science & Machine Learning để có mức thu nhập cao hơn lên tới 1000$/tháng và phát triển sự nghiệp rộng mở hơn.

Yêu cầu đầu vào

• Các bạn đã có kiến thức cơ bản về Python trước đó

• Các bạn đã hoàn thành khóa học Python nền tảng, level 1 tại MCI: Python For Data Analytics And Risk Analytics

Bạn sẽ học những gì

• Hiểu rõ các frameworks chính trong data science, machine learning, and deep learning
• Khai thác sức mạnh của các thư viện Python mới nhất trong Machine Learning
• Khám phá các kĩ thuật machine learning sử dụng dữ liệu trong thực tế
• Nắm vững việc triển khai Deep Neural Network sử dụng thư viện TensorFlow
• Tìm hiểu cơ chế của các thuật toán phân loại để thực hiện công cụ tốt nhất cho công việc
• Dự đoán kết quả mục tiêu bằng phân tích hồi quy
• Khám phá các mô hình và cấu trúc ẩn trong dữ liệu với phân cụm (clustering)
• Tìm hiểu sâu hơn về textual và social media data bằng cách sử dụng sentiment analysis

Nội dung khóa học

    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

    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

    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

    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

    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.

    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:

    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

    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

    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

    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

Tại sao khóa học tại MCI phù hợp với bạn

1. Lộ trình khóa học thiết kế khoa học, theo quy trình làm việc thực tế giúp bạn tiếp thu và nắm chắc kiến thức theo trình tự khoa học
2. Giáo trình đào tạo theo chuẩn Quốc tế kết hợp giữa lý thuyết và thực hành qua các case study thực tế
3. 100% Giảng viên tại MCI là các chuyên gia tư vấn tại Big4 các tập đoàn lớn tại Việt Nam, có chứng chỉ đào tạo nghiên cứu quốc tế trong lĩnh vực lập trình và dữ liệu
4. Giảng viên hướng dẫn tận tay giúp bạn thành thạo Python trong thời gian ngắn nhất
5. Cam kết chất lượng đào tạo, miễn phí học lại trọn đời nếu chưa nắm rõ kiến thức

Đội ngũ giảng viên


Trần Thị Hồng Hạnh

- Joint PhD - La Rochelle University and Jozef Stefan Institute
- Invited Researcher tại Josef Stefan Institute
- Data Scientist tại 3T JSC
- Data Scientist tại Samsung SDSV


Nguyễn Mạnh Trường

- Data Scientist – Spring Knowledge Global Joint Stock Company
Retail Investors Classification
- Master of Science in Financial Engineering – WorldQuant University
- Data Scientist tại TMA Innovation
- AI Data Scientist tại TEE-COIN Pte. Ltd
- Software Engineer – Robert Bosch Engineering Vietnam (RBVH)
CQP – Platform for managing the coding sources


Nguyễn Đình Tương

- Senior Data Analyst tại BIDV
- Big data analyst tại Viettel Cyberspace Center
- 6 năm kinh nghiệm tại vị trí Data Analyst tại các ngân hàng lớn


Doãn Hoàng Thái

- Senior Consultant, Risk Advisory tại Deloitte Vietnam
- Thạc sĩ về Khoa học tài chính tại Trường kinh doanh Stuart - Viện công nghệ Illinois tại Chicago, Mỹ
- Pass CFA (Chartered Financial Analyst) level I và level II
- Pass FRM (Financial Risk Manager) part I và part II
- ACADEMIC PROJECTS: Multi-factor model and USE4 Barra Risk Model (Ph.D. paper), Equity and Equity Derivatives Trading, Equity Portfolio Construction and Analysis


Nguyễn Tiến Đình

- Software Engineer (SERVER ARM) - AMPERE
COMPUTING
- Software Engineer - CBA( COMPONENT BASED ARCHITECTURE) - DEK
TECHNOLOGY
- Mentor anh supporter - IT CAR RACING (USING KERAS, TENSOFLOW, IMAGE
PROCESSING)


Đỗ Văn Hiếu

- Senior Data Analytics Specialist - Prudential Viet Nam
- Data Analyst Team Leader - VNG Corporation
- Business Analyst Team Leader - Zalo
- Kaggle Competitions/Projects:
+ House Prices - Advanced Regression Techniques
+ Computer vision - Digit numbers classification (MNIST Dataset)