Lịch học dự kiến diễn ra
Lớp: | PYTHON 85A12 LEVEL 1 |
---|---|
Địa điểm: | Tầng 5, Tòa nhà Star City, 23 Lê Văn Lương, HN |
Thời gian học: | Thứ 2 - 19H00 - 21H30 & Thứ 6 - 19H00 - 21H30 |
Lịch khai giảng: | Dec. 8, 2023 |
Thời gian kết thúc: | Jan. 8, 2024 |
Giảng viên dự kiến: | Datnh.Py |
Lớp: | PY64SA12L2 |
---|---|
Địa điểm: | 13 Cao Thắng, Quận 3, HCM |
Thời gian học: | Thứ 5 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
Lịch khai giảng: | Dec. 17, 2023 |
Thời gian kết thúc: | Jan. 18, 2024 |
Giảng viên dự kiến: | Tamtt.Py |
Lớp: | PYTHON 93SA12 LEVEL 1 |
---|---|
Địa điểm: | 13 Cao Thắng, Quận 3, HCM |
Thời gian học: | Thứ 4 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
Lịch khai giảng: | Dec. 17, 2023 |
Thời gian kết thúc: | Jan. 17, 2024 |
Giảng viên dự kiến: | None |
Lớp: | PYTHON 74A12 LEVEL2 |
---|---|
Địa điểm: | Tầng 5, Tòa nhà Star City, 23 Lê Văn Lương, HN |
Thời gian học: | Thứ 5 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
Lịch khai giảng: | Dec. 7, 2023 |
Thời gian kết thúc: | Jan. 7, 2024 |
Giảng viên dự kiến: | Datnh.Py |
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)
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 vàoBạn 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
- Buổi 1: Làm quen với Python
- Buổi 2: Làm quen với Python (tiếp)
- Buổi 3: Xử lý và phân tích dữ liệu với Numpy và Pandas
- Buổi 4: Tải dữ liệu, lưu trữ và làm sạch, chuẩn bị dữ liệu
- Buổi 5: Xử lý và Biểu diễn dữ liệu
- Buổi 6: Xử lý và phân tích dữ liệu
- Buổi 7: Phân tích dữ liệu nâng cao với Pandas
- Buổi 8: Máy học
- Buổi 9: Máy học (Tiếp)
- Buổi 10: Tổng kết chương trình xử lý, phân tích và biểu diễn dữ liệu với Python (Python level 1)
- Buổi 11: OOP Python Overview và Data Analysis Review
- Buổi 12: Machine Learning cơ bản
- Buổi 13: Machine Learning cơ bản (tiếp)
- Buổi 14: Các mô hình học máy có giám sát
- Buổi 15: Các mô hình học máy không có giám sát
- Buổi 16: Deep Learning Overview
- Buổi 17: Xử lý ngôn ngữ tự nhiên
- Buổi 18: Xử lý ngôn ngữ tự nhiên (tiếp)
- Buổi 19: Thị giác máy tính
- Buổi 20: Thị giác máy tính (tiếp) và Tổng kết chương trình Python level 2
- Preliminaries
- Python Language Basics, Ipython, and Jupiter NoteBooks
- Built-in Data Structures, Functions, and Files
- Làm quen với Python
- Nắm vững cấu trúc dữ liệu, hàm, và files
Phân tích dữ liệu lớn (Big Data)
Case Study:Tách và xử lý chuỗi (string)
- Built-in Data Structures, Functions, and Files
Mục tiêu:- Làm quen với Python
- Nắm vững cấu trúc dữ liệu, hàm, và files
Phân tích dữ liệu lớn (Big Data)
Case Study:- Viết hàm tự build
- Áp dụng lọc và trích xuất dữ liệu bằng hàm
- Numpy Basics: Arrays and Vectorized Computation
- Getting Started with Pandas
- Sử dụng thư viện Numpy, cấu trúc mảng, vector
- Xử lý dữ liệu lớn bằng Pandas
Phân tích dữ liệu lớn (Big Data)
Case Study:Random walks using Numpy
- Data Loading, Storage, and File Formats
- Data Cleaning and Preparation
- Đọc, lưu trữ và xử lý dữ liệu
- Làm sạch dữ liệu
Phân tích dữ liệu lớn (Big Data)
Case Study:- Lấy dữ liệu chứng khoán và tỷ giá
- Data Wrangling: Join, Combine, and Reshape
- Plotting and Visualization
- Data Aggregation and Group Operations
- Sắp xếp và cấu trúc lại dữ liệu
- Vẽ biểu đồ và trực quan hóa
- Tập hợp dữ liệu và thao tác trên nhóm
Phân tích dữ liệu lớn (Big Data)
Case Study:Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm
Time Series Data
Mục tiêu:- Nắm vững kiến thức về dữ liệu theo thời gian
- Mở rộng kiến thức với pandas nâng cao
Khoa học dữ liệu
Case Study:Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm
Advanced pandas
Mục tiêu:- Nắm vững kiến thức về dữ liệu theo thời gian
- Mở rộng kiến thức với pandas nâng cao
Khoa học dữ liệu
Case Study:Phân tích dữ liệu viễn thông, tài chính, ngân hàng và bảo hiểm
- Machine learning
Mục tiêu:- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python
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
- Machine learning
Mục tiêu:- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python
Phân tích và mô hình quản trị rủi ro, quản trị danh mục
Case Study:Credit risk scoring and Segmentation in banking
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
Phân tích và mô hình quản trị rủi ro, quản trị danh mục
Case Study:Retail portfolio management in banking and finance
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
Machine Learning
Case Study:Exploratory Data Analysis on datasets & develop python class implementing sklearn API
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
Machine Learning
Case Study:Perform t-test, ANOVA, regression, chi-square test with traditional and resampling methods
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
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
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.
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:Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application
Áp dụng các mô hình học sâu trong xử lý ngôn ngữ tự nhiên
Ứng dụng:Deep Learning
Case Study:Sentiment Analysis
Natural language processing:
- Applying Machine Learning to Sentiment Analysis
- Embedding a Machine Learning Model into a Web Application
Áp dụng các mô hình học sâu trong xử lý ngôn ngữ tự nhiên
Ứng dụng:Deep Learning
Case Study:Sentiment Analysis
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
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 học2. 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

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

Đỗ Đình Hưng
- Tốt nghiệp chuyên ngành Công nghệ Dữ liệu tại Học viện Kĩ thuật Quân sự, Việt Nam
- Hiện đảm nhận vị trí Khoa học dữ liệu - Data Scientist tại MB Bank
- Từng đảm nhận vị trí Kĩ sư Trí tuệ nhân tạo và Dữ liệu AI Engineer/Data Engineer tại Công ty Viettel High Technology, Việt Nam
Chứng chỉ:
1. Machine Learning by Stanford University
2. SQL for Data Science
Giải thưởng/Huy chương:
1. Scholarship in Japan Advanced Institute of Science and Technology (JAIST) for AI Internship position
2. 3st in University Software Writing Contest – SOFTCON
3. 2st in Women in Data Science (WiDS) Datathon

Nguyễn Kim Quang
- Tốt nghiệp Thạc sĩ Tài chính ngân hàng
- Đã đảm nhận các vị trí Kế toán tín dụng, Chuyên viên thẩm định, thư ký Phó TGĐ, chuyên viên phân tích tài chính doanh nghiệp và dự án tại Quỹ đầu tư phát triển Thành phố Hà Nội.
- Hiện tại đang làm ví trí Phân tích tài chính doanh nghiệp và dự án tại Quỹ đầu tư phát triển Thành phố Hà Nội (từ 2008 đến nay)
- Có hơn 14 năm kinh nghiệm trong phân tích tài chính, phân tích dự báo rủi ro, bảo vệ phương án cho các dự án.
- Sử dụng thành thạo các công cụ SQL, Python đặc biệt các libraries phân tích và trực quan hóa dữ liệu, Machine Learning
- CÁC CHỨNG CHỈ
+ IBM Data Science Professional Certificate (IBM)
+ Python 3 Programming Specialization (University of Michigan)
+ SQL advanced certification (HackerRank)
+ STATSX0001: Statistical Learning (Stanford University)
+ Statistics with Python (University of Michigan)

Đặng Lê Khoa
- Chuyên viên cao cấp triển khai và tư vấn Công nghệ Tổng quát tại Hitachi Vantara Việt Nam
- Giảng viên tại CFD-Engineer Việt Nam
- Đảm nhận nhiệm vụ phân tích dữ liệu tại Cộng đồng kĩ sư Việt Nam CFD-Engineer
- Chứng chỉ:
1. Data Manipulation with Python (Advanced, score:166, percentile: 99%)
2. Importing & Cleaning Data with Python (Advanced, score:131, percentile: 85%)
3. Python Programming (Advanced, score:133, percentile: 86%)

Trần Tâm
- Hiện tại đang làm việc với vị trí Data Analyst tại một trong những kỳ lân công nghệ hàng đầu Việt Nam VNpay.
- Đã từng làm việc cho Tập đoàn Vinfast với vị trí Kỹ sư
- Chứng chỉ đã đạt được: PL300 của Microsoft