Lịch học dự kiến diễn ra



Lớp: PYTHON 65B2 LEVEL 1
Địa điểm: Số 5, Ngách 23, Ngõ 165 Thái Hà, HN
Thời gian học: Thứ 4 - 19H00 - 21H30 & Thứ 7 - 14H00 - 17H00
Lịch khai giảng: Feb. 22, 2023
Thời gian kết thúc: March 25, 2023
Giảng viên dự kiến: Đỗ Đình Hưng
Lớp: PYTHON 73SA2 LEVEL 1
Địa điểm: 13 Cao Thắng, Quận 3, TP.HCM
Thời gian học: Thứ 3 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30
Lịch khai giảng: Feb. 11, 2023
Thời gian kết thúc: March 14, 2023
Giảng viên dự kiến: Trần Tâm
Lớp: PYTHON 73SB2 LEVEL 1
Địa điểm: 13 Cao Thắng, Quận 3, TP.HCM
Thời gian học: Thứ 2 - 19H00 - 21H30 & Thứ 6 - 19H00 - 21H30
Lịch khai giảng: Feb. 27, 2023
Thời gian kết thúc: March 31, 2023
Giảng viên dự kiến: --------
Lớp: PYTHON 65A2 LEVEL 1
Địa điểm: Số 5, Ngách 23, Ngõ 165 Thái Hà, HN
Thời gian học: Thứ 2 - 19H00 - 21H30 & Thứ 6 - 19H00 - 21H30
Lịch khai giảng: Feb. 6, 2023
Thời gian kết thúc: March 10, 2023
Giảng viên dự kiến: Nguyễn Kim Quang
Lớp: PYTHON 48SA2 LEVEL 2
Địa điểm: 13 Cao Thắng, Quận 3, TP.HCM
Thời gian học: Thứ 3 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30
Lịch khai giảng: Feb. 28, 2023
Thời gian kết thúc: April 1, 2023
Giảng viên dự kiến: Nguyễn Thành Đạt
Lớp: PYTHON 56A2 LEVEL 2
Địa điểm: Số 5, Ngách 23, Ngõ 165 Thái Hà, HN
Thời gian học: Thứ 4 - 19H00 - 21H30 & Thứ 7 - 14H00 - 17H00
Lịch khai giảng: Feb. 25, 2023
Thời gian kết thúc: March 29, 2023
Giảng viên dự kiến: Nguyễn Kim Quang
Python Level 1 & 2

Combo Python Level 1 & Level 2

Đây là chương trình đào tạo gồm 02 khóa học về Python, từ cơ bản đến nâng cao, ứng dụng trong phân tích dữ liệu lớn (Big Data Analyst) và quản trị rủi ro kinh doanh, ứng dụng nâng cao 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 20 buổi học, mỗi buổi học từ 2.5 - 3 tiếng. Học trực tiếp cùng các chuyên gia thông tin như sau:
Tên 02 khóa học:
1. Python Foundation in Data Analytics (Python Level 1)
2. Python For Machine Learning And Deep Learning (Python Level 2)

Cơ hội nghề nghiệp nổi bật sau khi tốt nghiệp chương trình combo 02 khóa học này là các vị trí hot sau:
• 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 (645)

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

Không yêu cầu đầu vào

Bạn sẽ học những gì

Kết quả chính của Python level 1:
• Nắm về Python và Python IDE (mục đích, chức năng, operators, các libraries thông dụng)
• Vẽ biểu đồ và trực quan hóa dữ liệu
• Cách sử dụng thư viện Numpy Basics, Pandas
• Nắm về Built-in Data Structures, Functions, and Files
• Biết cách ghép nối dữ liệu, phân tích theo nhóm Data Aggregation and Group Operations
• Xử lý dữ liệu dạng Time Series
• Ngoài ra có thể loading dữ liệu lớn, lưu trữ, file formats, làm sạch và chuẩn hóa dữ liệu
• Thành thạo Python sau 10 buổi học
• Biết Cách sử dụng các library nâng cao khác.

Kết quả chính của Python level 2:
• Hiểu rõ các frameworks chính trong data science, machine learning, and deep learning
• Khai thác được sức mạnh của thư viện nguồn mở Python mới nhất trong Machine Learning
• Khám phá các kĩ thuật machine learning sử dụng real-world data
• 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 liên tục bằng phân tích hồi quy
• Khám phá các mô hình và cấu trúc ẩn trong dữ liệu với phân cụm
• Tìm hiểu sâu hơn về textual và social media data bằng cách sử dụng sentiment analysis

Nội dung khóa học

    Chủ đề:

    - Preliminaries
    - Python Language Basics, Ipython, and Jupiter NoteBooks
    - Built-in Data Structures, Functions, and Files

    Mục tiêu:

    - Làm quen với Python
    - Nắm vững cấu trúc dữ liệu, hàm, và files

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    Tách và xử lý chuỗi (string)

    Chủ đề:

    - Built-in Data Structures, Functions, and Files

    Mục tiêu:

    - Làm quen với Python
    - Nắm vững cấu trúc dữ liệu, hàm, và files

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    - Viết hàm tự build
    - Áp dụng lọc và trích xuất dữ liệu bằng hàm

    Chủ đề:

    - Numpy Basics: Arrays and Vectorized Computation
    - Getting Started with Pandas

    Mục tiêu:

    - Sử dụng thư viện Numpy, cấu trúc mảng, vector
    - Xử lý dữ liệu lớn bằng Pandas

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    Random walks using Numpy

    Chủ đề:

    - Data Loading, Storage, and File Formats
    - Data Cleaning and Preparation

    Mục tiêu:

    - Đọc, lưu trữ và xử lý dữ liệu
    - Làm sạch dữ liệu

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    - Lấy dữ liệu chứng khoán và tỷ giá

    Chủ đề:

    - Data Wrangling: Join, Combine, and Reshape
    - Plotting and Visualization
    - Data Aggregation and Group Operations

    Mục tiêu:

    - Sắp xếp và cấu trúc lại dữ liệu
    - Vẽ biểu đồ và trực quan hóa
    - Tập hợp dữ liệu và thao tác trên nhóm

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

    Chủ đề:

    Time Series Data

    Mục tiêu:

    - Nắm vững kiến thức về dữ liệu theo thời gian
    - Mở rộng kiến thức với pandas nâng cao

    Ứng dụng:

    Khoa học dữ liệu

    Case Study:

    Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

    Chủ đề:

    Advanced pandas

    Mục tiêu:

    - Nắm vững kiến thức về dữ liệu theo thời gian
    - Mở rộng kiến thức với pandas nâng cao

    Ứng dụng:

    Khoa học dữ liệu

    Case Study:

    Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

    Chủ đề:

    - Machine learning

    Mục tiêu:

    - Kiến thức về Máy học
    - Học có giám sát với thư viện scikit-learn
    - Học không giám sát trong Python

    Ứng dụng:

    Thực hành phân tích dữ liệu bằng các bài tập thực tế

    Case Study:

    Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm

    Chủ đề:

    - Machine learning

    Mục tiêu:

    - Kiến thức về Máy học
    - Học có giám sát với thư viện scikit-learn
    - Học không giám sát trong Python

    Ứng dụng:

    Phân tích và mô hình quản trị rủi ro, quản trị danh mục

    Case Study:

    Credit risk scoring and Segmentation in banking

    Chủ đề:

    Tổng kết chương trình xử lý, phân tích và biểu diễn dữ liệu với Python (Python level 1)

    Mục tiêu:

    - Giới thiệu về quản trị danh mục trong ngân hàng
    - Sử dụng các công cụ vintage, roll-rate, flow-rate trong quản lý danh mục bán lẻ trong tài chính ngân hàng

    Ứng dụng:

    Phân tích và mô hình quản trị rủi ro, quản trị danh mục

    Case Study:

    Retail portfolio management in banking and finance

    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

- Học tiến sĩ Machine Learning & Data Science tại trường La Rochelle University, Pháp and Jozef Stefan Institute, Slovenia
- Nghiên cứu sinh tại Josef Stefan Institute, Slovenia
- Từng đảm nhận vị trí Data Scientist tại 3T JSC, Việt Nam
- Từng đảm nhận vị trí Data Scientist tại Samsung SDSV, Việt Nam


Nguyễn Tiến Đình

- Hơn 8 năm kinh nghiệm trong ngành công nghệ thông tin và khoa học dữ liệu tại Việt Nam
- Kĩ sư phần mềm (Server ARM) tại Công ty Ampere Computing, Việt Nam
- Kĩ sữ phần mềm (CBA - Component Based Architecture) tại Công ty DEK Technology, Việt Nam
- Hướng dẫn và hỗ trợ về Công nghệ thông tin tại cuộc thi ô tô IT Car Racing, sử dụng Keras, Tensoflow và xử lý ảnh Pillow


Đỗ Văn Hiếu

- Đã có 8 năm kinh nghiệm trong Phân tích dữ liệu tại Prudential, VNG, Zalo...
- Đảm nhận vị trí chuyên viên phân tích dữ liệu cao cấp tại Công ty Prudential Việt Nam
- Trưởng nhóm Phân tích dữ liệu tại Tập đoàn VNG Việt Nam
- Trưởng nhóm Phân tích kinh doanh tại Công ty Zalo Việt Nam
- Cuộc thi/Dự án trên Kaggle:
1. Phân tích và dự đoán giá nhà ở - House Prices - Advanced Regression Techniques
2. Thị giác máy tính - Nhận diện và phân biệt chữ số viết tay - Computer vision - Digit numbers classification (MNIST Dataset)


Nguyễn Thành Đạt

- 5 năm kinh nghiệm trong lĩnh vực Công nghệ thông tin và Khoa học dữ liệu
- Chuyên viên Phân tích dữ liệu tại Công ty Arbory Afloat, Singapore
- Chuyên viên lập trình và phân tích dữ liệu tại trường Đại học Công nghệ và Thiết kế Singapore - Singapore University of Technology and Design
- Tốt nghiệp đại học ngành Kĩ sư hệ thống và thiết kế tại trường Singapore University of Technology and Design


Bùi Thế Anh

- 10 năm kinh nghiệm trong ngành Phân tích định lượng và Dữ liệu lớn tại Việt Nam
- Chuyên viên quản lý tối ưu kinh doanh cao cấp tại Tập đoàn One Mount Group
- Chuyên viên định lượng cao cấp tại Công ty Cổ phần Chứng khoán BIDV Việt Nam
- Chuyên viên Phân tích kinh doanh tại Tập đoàn Vingroup
- Tốt nghiệp Thạc sĩ tài chính tại Mỹ, trường University of Cincinnati, Carl H. Lindner College of Business, US