Nội dung khóa học

• Buổi 1: Tổng quan về SQL
Chủ đề:

Giới thiệu SQL Server
Các lệnh mô tả bảng, dữ liệu (DDL - Data Definition Language)

Mục tiêu:

- Hiểu tổng quan về SQL và các đối tượng chính trong cơ sở dữ liệu.
- Biết cách tạo, xóa cơ sở dữ liệu và bảng.
- Nắm vững cách thay đổi cấu trúc bảng và nhập dữ liệu vào cơ sở dữ liệu.

Ứng dụng:

- Tổng quan về SQL
- Giới thiệu các đối tượng chính trong CSDL
- Các kiểu dữ liệu
- Tạo, xóa cơ sở dữ liệu
- Tạo, xóa bảng cơ sở dữ liệu
- Thay đổi cấu trúc bảng (thêm cột, xóa cột, đổi kiểu dữ liệu)
- Importing data

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 2: Các lệnh tương tác và truy vấn dữ liệu
Chủ đề:

- Các lệnh tương tác với bảng, dữ liệu (DML - Data Manipulation Language)
- Các lệnh truy vấn dữ liệu

Mục tiêu:

- Hiểu cấu trúc câu truy vấn cơ bản và cách chọn cột trong SQL.
- Biết cách lọc hàng, sử dụng các hàm tổng hợp và sắp xếp, nhóm dữ liệu.
- Nắm vững cách sử dụng các câu lệnh SQL khác như comment, alias, phép toán số học, và giới hạn kết quả.

Ứng dụng:

- SQL Basic Query Structure
- Selecting columns
- Filtering rows
- Aggregate Functions (sum, avg, max, min...) - Sorting and grouping
- Having Clause
- Ohters (SQL Comments, Alias, Arithmetic Operators, Limit Your Results ...)

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử..

• Buổi 3: Ghép nối bảng
Chủ đề:

Ghép nối bảng

Mục tiêu:

- Hiểu các khái niệm về ghép nối bảng trong SQL.
- Biết cách sử dụng các loại join (Left join, Right join, Inner join, Full outer join).
- Nắm vững cách sử dụng Union và Union All để kết hợp dữ liệu từ nhiều bảng.

Ứng dụng:

- Left join, Right join, Inner join, Full outer join
- Union and union all

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 4: Các hàm xử lý dữ liệu
Chủ đề:

Các hàm xử lý dữ liệu

Mục tiêu:

- Hiểu và sử dụng các hàm xử lý chuỗi trong SQL.
- Hiểu và sử dụng các hàm xử lý thời gian trong SQL.
- Hiểu và sử dụng các hàm chuyển đổi dữ liệu trong SQL.
- Nắm vững cách sử dụng hàm Case When để xử lý các điều kiện phức tạp.

Ứng dụng:

- Các hàm xử lý chuỗi
- Các hàm xử lý thời gian
- Các hàm chuyển đổi
- Hàm case when

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 5: Phương pháp truy vấn dữ liệu trên các bảng phụ
Chủ đề:

Phương pháp truy vấn dữ liệu trên các bảng phụ

Mục tiêu:

- Hiểu và sử dụng phương pháp Subquery trong SQL.
- Hiểu và sử dụng Common Table Expressions (CTE) trong SQL.
- Nắm vững cách sử dụng bảng tạm để xử lý dữ liệu phức tạp.

Ứng dụng:

- Phương pháp sử dụng Subquery
- Phương pháp sử dụng CTE
- Phương pháp sử dụng bảng tạm

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 6: Thống kê bảng dữ liệu và chủ đề về ranking
Chủ đề:

Thống kê bảng dữ liệu và chủ đề về ranking

Mục tiêu:

- Hiểu và áp dụng phương pháp Pivot Table để thống kê dữ liệu.
- Sử dụng các phương pháp phân tích và ranking để lấy top cao nhất, top thấp nhất theo các yêu cầu cụ thể.

Ứng dụng:

- Phương pháp Pivot table
- Phương pháp phân tích, ranking lấy top cao nhất, top thấp nhất theo các yêu cầu cụ thể.

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 7: Các lệnh thêm, sửa, xóa dữ liệu trong bảng
Chủ đề:

Các lệnh thêm, sửa, xóa dữ liệu trong bảng

Mục tiêu:

- Hiểu và sử dụng các câu lệnh chèn dữ liệu INSERT.
- Biết cách cập nhật dữ liệu bằng câu lệnh UPDATE.
- Hiểu và sử dụng câu lệnh xóa dữ liệu DELETE.
- Nắm vững cách cập nhật dữ liệu có ràng buộc.

Ứng dụng:

- Câu lệnh chèn dữ liệu INSERT
- Câu lệnh cập nhật dữ liệu UPDATE
- Câu lệnh xóa dữ liệu DELETE
- Cập nhật dữ liệu có ràng buộc

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 8: Tối ưu CSDL và kết nối đến các phần mềm trực quan hóa và trình bày báo cáo
Chủ đề:

- Tối ưu CSDL
- Kết nối đến các phần mềm trực quan hóa và trình bày report

Mục tiêu:

- Hiểu các khái niệm khóa chính (Primary key), khóa ngoại (Foreign key), và chỉ mục (Index).
- Biết cách kết nối dữ liệu từ SQL Server tới Excel, Power BI, và Python.
- Nắm vững cách tự động hóa báo cáo với Power BI và Excel.

Ứng dụng:

- Khóa chính (Primary key), Khóa ngoài ( Foreign key), Chỉ mục (Index)
- Kết nối data từ SQL Server tới Excel, Power BI, Python.
- Tự động hóa reporting với Power BI, Excel

Case Study:

Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...

• Buổi 9: Tổng kết khoá học Level 1
Chủ đề:

Tổng kết khoá học Level 1

Mục tiêu:

- Ôn tập và review toàn bộ kiến thức đã học.
- Hướng dẫn cách tra cứu Google khi sử dụng SQL trong các hệ quản trị cơ sở dữ liệu như PostgreSQL, MySQL, ...

Ứng dụng:

- Review toàn bộ kiến thức
- Hướng dẫn cách tra cứu Google khi sử dụng SQL trong các hệ quản trị CSDL như Postgre SQL, My SQL, ...

Case Study:

Thực hành cuối khoá

• Buổi 10: Giới thiệu về Power BI
Chủ đề:

Tổng quan về Business Intelligence (BI) và giới thiệu về hệ sinh thái Power BI

Mục tiêu:

- Tổng quan Business Intelligence
- Hệ sinh thái Power BI
- Quy trình trực quan hóa dữ liệu

Ứng dụng:

- Hướng dẫn cài đặt PBI, 1 số chú ý quan trọng.​
- Giới thiệu các giải pháp BI, vai trò BI trong tổng thể hệ thống.​
- Các thành phần trong hệ sinh thái Power BI​
- Quy trình trực quan hóa dữ liệu
- Làm quen giao diện công cụ.​
- Kết nối nguồn số liệu, xây dựng báo cáo, visual đơn giản​

Case Study:

Thực hành

• Buổi 11: Kết nối và xử lý dữ liệu
Chủ đề:

Kết nối và xử lý dữ liệu

Mục tiêu:

- Thực hành Transform data ở mức cơ bản
- Làm quen với các khái niệm, thuật ngữ của Power Query Editor trong Power BI

Ứng dụng:

- Giới thiệu công cụ Power Query Editor
- Kết nối 1 số nguồn số liệu khác nhau​
- Thực hiện các Transform dữ liệu cơ bản với Power Query​ Editor
- Làm quen khái niệm ngôn ngữ M​

Case Study:

Thực hành Transform Data với dataset của AdventureWorks

• Buổi 12: Data Model
Chủ đề:

Data Model

Mục tiêu:

- Khái niệm về Datamart
- Nguyên tắc thiết kế và các mô hình thiết kế Data Model

Ứng dụng:

- Khái niệm về Datamart
- Các nguyên tắc thiết kế tối ưu​
- Phân biệt Data Table (Fact) và Lookup Table (Dimension)
- Thiết kế mô hình Star-Schema, mô hình Snow-Flake

Case Study:

Thực hành khởi tạo và thiết kế model với dataset của AdventureWorks

• Buổi 13: Data Model
Chủ đề:

Data Model (tiếp)

Mục tiêu:

- Các kiến thức về data model và table relationships
- Quản lý các relationship của model
- Thực hành xây dựng Data model

Ứng dụng:

- Tổng quan về Data Model, Relationships
- Khởi tạo kết nối giữa các bảng
- Relationships cardinality
- Quản lý Relationship
- Active và Inactive relationships
- Advandced Relationships

Case Study:

Thực hành khởi tạo và thiết kế model với dataset của AdventureWorks

• Buổi 14: Tổng quan về DAX
Chủ đề:

Tổng quan về DAX

Mục tiêu:

- Tổng quan về DAX
- Vai trò và Ứng dụng của DAX trong việc xây dựng Report
- Cách thức khởi tạo DAX

Ứng dụng:

- Giới thiệu về Data Analysis Expressions - DAX
- 03 Yếu tố thành phần của DAX
- Khởi tạo New Column và Measures

Case Study:

Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks

• Buổi 15: Tổng quan về DAX
Chủ đề:

Tổng quan về DAX (tiếp)

Mục tiêu:

- Measures, Calculated Column, Calculated Table
- Filter context

Ứng dụng:

- Measures, Calculated Column, Calculated Table với DAX​
- Quick Measures
- Implicit và Explicit Measures
- Filter context

Case Study:

Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks

• Buổi 16: DAX Functions
Chủ đề:

DAX Functions

Mục tiêu:

Sử dụng DAX nâng cao, chuyên sâu về các hàm thông dụng

Ứng dụng:

- Chi tiết về DAX với Measure
- Các nhóm hàm DAX
- Các hàm DAX thường dùng:​
+ CALENDAR, FORMAT..​
+ SUM, SUMX, COUNT, COUNTX, CALCULATE, ​
+ SAMEPERIODYEAR, TOTYTD….​

Case Study:

Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks

• Buổi 17: Report view
Chủ đề:

Report view

Mục tiêu:

- Các thành phần cùa Report View
- Các Visual type chính
- Conditional Formating

Ứng dụng:

- Chi tiết từng thành phần trong Report View​
- Các Visual type chính, mục đích sử dụng​
- Conditional Formating
- Filtering

Case Study:

Thực hành thiết kế trình bày báo cáo cơ bản

• Buổi 18: Làm quen với Python
Chủ đề:

Làm quen với Python

Mục tiêu:

Giới thiệu về khóa học và khởi động với Python

Ứng dụng:

- Nắm được 1 framework phân tích dữ liệu
- Làm quen với Google Colab
- Làm quen với Markdown
- Biết ngôn ngữ lập trình Python là gì, và một số lý do tại sao Python phổ biến
- Biết được cấu trúc cú pháp cơ bản trong Python (Language Semantic)

Case Study:

Ôn tập Python Basic

• Buổi 19: Python Basic
Chủ đề:

Python Basic

Mục tiêu:

Nắm được kiến thức:
- Một số kiểu dữ liệu của Python;
- Các phép toán tử;
- Các kiểu dữ liệu dạng chuỗi;
- Các cấu trúc điều khiển trong Python

Ứng dụng:

- Kiểu dữ liệu và chuỗi
- Toán tử
- Cấu trúc điều khiển

Case Study:

Ôn tập cú pháp Python

• Buổi 20: Python Basic (Tiếp)
Chủ đề:

Python Basic (Tiếp)

Mục tiêu:

Nắm được kiến thức:
- Một số hàm cơ bản: pass, range, zip, enumerate, sorted;
- List, set, Dict comprehension
- Cách tạo ra hàm
- Các xử lý lỗi trong python

Ứng dụng:

- Hàm cơ bản
- List, set, Dict comprehension
- Cách tạo hàm
- Xử lý lỗi trong Python

Case Study:

Bài tập về nhà về cấu trúc mảng

• Buổi 21: Numpy
Chủ đề:

Numpy

Mục tiêu:

Nắm được cách xử lý mảng dữ liệu

Ứng dụng:

Xử lý mảng dữ liệu

Case Study:

Bài tập mảng một chiều mảng 2 chiều

• Buổi 22: Pandas: Data Loading, Storage, and File Formats; Data Cleaning and Preparation
Chủ đề:

Pandas

Mục tiêu:

Nắm được cách trích xuất, làm sạch và xử lý dữ liệu trống

Ứng dụng:

Trích xuất, làm sạch và xử lý dữ liệu

Case Study:

Bài tập về nhà

• Buổi 23: Pandas nâng cao
Chủ đề:

Pandas: Data Wrangling: Join, Combine, and Reshape

Mục tiêu:

Nắm được các kỹ thuật xử lý cấu trúc dữ liệu

Ứng dụng:

Làm sạch dữ liệu

Case Study:

Bài tập về nhà: Cleaning data

• Buổi 24: Pandas: Time Series
Chủ đề:

Pandas: Time Series

Mục tiêu:

Hiểu được về dữ liệu thời gian, cách xử lý dữ liệu thời gian

Ứng dụng:

Time series

Case Study:

Xử lý dữ liệu chứng khoán

• Buổi 25: Trực quan hóa dữ liệu
Chủ đề:

Trực quan hóa dữ liệu

Mục tiêu:

- Nắm được kỹ thuật vẽ các biểu đồ cơ bản
- Cách thêm các thành phân trong biểu đồ
- Kỹ thuật vẽ multiple plot
- Một số kỹ năng quan trọng trong trực quan hóa dữ liệu

Ứng dụng:

Data Visualization

Case Study:

Trực quan hóa dữ liệu phân tích doanh thu

• Buổi 26: Phân tích dữ liệu thăm dò (EDA)
Chủ đề:

Phân tích dữ liệu thăm dò (EDA)

Mục tiêu:

- Nắm được kỹ thuật khai phá dữ liệu
- Sử dụng các công cụ đã học để phân tích khai phá dữ liệu

Ứng dụng:

EDA

Case Study:

Phân tích EDA bộ dữ liệu IT salary

• Buổi 27: Web Crawling using Selenium and Python & Capstone
Chủ đề:

Web Crawling using Selenium and Python & Capstone

Mục tiêu:

Học viên nắm được kỹ thuật Web Crawling

Ứng dụng:

Kỹ thuật Web Crawling

Case Study:

Dùng selenium để lấy dữ liệu từ SSI sau đó tiến hành các bước làm sạch, khai phá dữ liệu

• Buổi 28: Xác suất thống kê
Chủ đề:

Set theory, sơ đồ venn
Loại dữ liệu trong toán
Binning
Distribution và param mô tả dist.
Data matrix
Correlation

Mục tiêu:

- Hiểu và áp dụng các khái niệm về lý thuyết tập hợp, sơ đồ Venn, loại dữ liệu, kỹ thuật binning, phân phối dữ liệu và các tham số mô tả, ma trận dữ liệu, và tương quan.
- Có khả năng phân tích và trực quan hóa dữ liệu một cách hiệu quả.

Ứng dụng:

Xác suất thống kê

Case Study:

Xác suất thống kê

• Buổi 29: Đạo hàm
Chủ đề:

Đạo hàm

Mục tiêu:

Hiểu rõ khái niệm đạo hàm và nguyên tắc tính đạo hàm.
Áp dụng kiến thức vào các bài toán điển hình trong đạo hàm.

Ứng dụng:

Khái niệm đạo hàm
Nguyên tắc tính
Bài toán điển hình trong đạo hàm

Case Study:

Thực hành Đạo hàm

• Buổi 30: Ma trận - Vector
Chủ đề:

Ma trận - Vector

Mục tiêu:

- Hiểu và sử dụng hệ trục tọa độ cùng với các phép biến đổi bằng ma trận (cộng, nhân).
- Tính toán và áp dụng các khái niệm về khoảng cách trong không gian tọa độ.

Ứng dụng:

Hệ trục toạ độ
Transform bằng matrix (cộng, nhân)
Khoảng cách

Case Study:

Thực hành Ma trận - Vector

• Buổi 31: Thuật toán trong Machine Learning
Chủ đề:

Machine Learning Introduction (Dataset, Bias/Variance, Train/Test/Validation Split, Loss Function,...)

Mục tiêu:

- Hiểu tổng quan về Machine Learning và cách tiếp cận các bài toán qua hai thuật toán tiêu biểu: Kmeans (unsupervised) và SVM (supervised).
- Nắm vững quy trình suy nghĩ và trình tự thực hiện thuật toán Kmeans và SVM trên một dataset, bao gồm cả các bài toán điển hình như phân nhóm khách hàng bằng Kmeans.
- Giới thiệu và thực hành với thư viện Sklearn để triển khai các thuật toán Machine Learning.

Ứng dụng:

Bức tranh tổng quan của ML
Giới thiệu Kmeans (đại diện unsupervised)
Giới thiệu SVM (đại diện supervised)
- Flow of thinking: bài toán/vấn đề mà hai thuật toán này giải quyết là gì? Trình tự thực hiện thuật toán trên 1 dataset
- Nêu tên bài toán điển hình (vd: cluster khách hàng bằng Kmeans)
- Giới thiệu về Sklearn

Case Study:

Thực hành thuật toán

• Buổi 32: Thực hành & Quan sát chạy thuật toán
Chủ đề:

Thực hành:
EDA (EXPLORY DATA ANALYSIS)

Mục tiêu:

- Hiểu và thực hành các kỹ thuật Phân tích Dữ liệu Thăm dò (Exploratory Data Analysis - EDA) để khám phá và tóm tắt đặc điểm chính của dữ liệu.
- Phát triển kỹ năng sử dụng EDA để chuẩn bị dữ liệu cho các bước phân tích và mô hình hóa tiếp theo.

Ứng dụng:

Thực hành:
EDA (EXPLORY DATA ANALYSIS)

Case Study:

EDA

• Buổi 33: Giới thiệu về Machine Learning và Linear Regression
Chủ đề:

Giới thiệu về Machine Learning và Linear Regression

Mục tiêu:

- Nắm được khái niệm cơ bản về ML, một số ứng dụng phổ biến và phân loại machine learning
- Biết về thư viện scikit learn các triển khai xây dựng mô hình trên scikitlearn
- Nắm được thuật toán linear regression và triển khai
- Một số thước đo cơ bản của bài toán regression

Ứng dụng:

- Xây dựng mô hình trên Scikit-learn
- Triển khai thuật toán Linear Regression

Case Study:

Media Company Case Study (Linear Regression)
A digital media company (similar to Voot, Hotstar, Netflix, etc.) had launched a show. Initially, the show got a good response, but then witnessed a decline in viewership. The company wants to figure out what went wrong.

• Buổi 34: Polynomial và một số thuật ngữ quan trọng trong ML
Chủ đề:

Polynomial và một số thuật ngữ quan trọng trong ML

Mục tiêu:

- Hiểu được việc thuật toán Polynomial và cách triển khai
- Nắm được một số kỹ thuật xây dựng mô hình machine learning

Ứng dụng:

- Triển khai thuật toán Polynomial
- Kĩ thuật xây dựng mô hình Machine Learning

Case Study:

Using Polynomial Regression with House Prices - Kaggle Competitions

• Buổi 35: Gradient Descent
Chủ đề:

Gradient Descent

Mục tiêu:

- Nắm được về thuật toán, một số phiên bản của Gradient Descent
- Kỹ thuật Normalization Features

Ứng dụng:

- Gradient Descent
- Kỹ thuật Normalization Features

Case Study:

House Prices - Advanced Regression Techniques

• Buổi 36: Logistic Regression
Chủ đề:

Logistic Regression

Mục tiêu:

- Nắm được về thuật toán phân lớp bằng Logistic Regression và triển khai trên thư viện Scikit-learn
- Một số thước đo phổ biến của bài toán phân lớp và ưu nhược điểm của nó

Ứng dụng:

- Thuật toán phân lớp bằng Logistic Regression

Case Study:

Housing Prediction with Logistic Regression

• Buổi 37: KNN and Naive Bayes
Chủ đề:

KNN and Naive Bayes

Mục tiêu:

- Nắm được cách triển khai thuật toán:
- KNN và tối ưu giá trị của k
- Naive Bayes

Ứng dụng:

- KNN
- Naive Bayes

Case Study:

Housing classification with KNN

• Buổi 38: Unsupervised learning: Kmean, Hierarchical Clustering
Chủ đề:

Unsupervised learning: Kmean, Hierarchical Clustering

Mục tiêu:

Nắm được cách triển khai và tối ưu của thuật toán :
- Kmean
- Hierarchical

Ứng dụng:

- Kmean
- Hierarchical

Case Study:

Online Retail K-means & Hierarchical Clustering:
Online retail is a transnational data set which contains all the transactions occurring between 01/12/2010 and 09/12/2011 for a UK-based and registered non-store online retail. The company mainly sells unique all-occasion gifts. Many customers of the company are wholesalers.

• Buổi 39: PCA and SVM
Chủ đề:

PCA and SVM

Mục tiêu:

Nắm được và triển khai thuật toán:
- PCA
- SVM

Ứng dụng:

- Giới thiệu về SVM : Thuật toán, phiên bản
- Giới thiệu về PCA: Thuật toán
- Các triển khai trong thư viện Scikit learn

Case Study:

PCA and SVM on MNIST dataset

• Buổi 40: Decision Tree
Chủ đề:

Decision Tree

Mục tiêu:

Nắm được và triển khai thuật toán:
- Decision Tree
- Random Forests
- XGBoost

Ứng dụng:

- Giới thiệu về Decision tree
- Hàm entropy và thuật toán tối ưu của Decision tree
- Decision tree cho bài toán regression
- Emsemble tree: Giới thiệu về Bagging, boosting, random forests
- Cách triển khai bài toán decision tree, randomforest trên thư viện scikit-learn
- Giới thiệu về gradient boosting và thư viện XGBoost
- Một số ưu và nhược điểm của thuật toán

Case Study:

Titanic - Machine Learning from Disaster

• Buổi 41: Neutral network
Chủ đề:

Neutral network

Mục tiêu:

- Phân biệt được giữa ML và Deep Learning
- Hiểu được cách xây dựng và tìm phương án tối ưu của mạng Neural Network
- Cách triển khai mạng Neural Network bằng thư viện TensorFlow

Ứng dụng:

- Phân biệt giữa Machine learning vs Deep learning
- Giới thiệu về Neutral network
- Cách xây dựng mạng neutral
- Một số non-linear fuction cơ bản trong mạng neutral: softmax, relu, tanh...
- Feedforward and back propagation
- Triển khai neutral network trên thư viện tensorflow

Case Study:

Taylor Swift's YouTube Stats Symphony
Dive into the data-driven world of Taylor Swift's YouTube empire with the "Swift's YouTube Stats Symphony" dataset! This collection offers an analytical look at the performance metrics of each video from the global music icon's official channel, providing a wealth of insights into views, popularity, and engagement trends.

• Buổi 42: Tổng kết
Chủ đề:

Tổng kết

Mục tiêu:

- Ứng dụng các kiến thức đã học vào 1 dự án
- Tổng kết các kiến thức

Ứng dụng:

Machine Learning & Deep Learning

Case Study:

Project cuối khóa