Lịch học dự kiến diễn ra
Lớp: | SQL 77SA5 level 1 |
---|---|
Địa điểm: | 13 Cao Thắng, Quận 3, TP.HCM |
Thời gian học: | Thứ 5 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
Lịch khai giảng: | June 1, 2023 |
Thời gian kết thúc: | June 29, 2023 |
Giảng viên dự kiến: | Hồ Minh Trí |
Lớp: | PBI 71A5 LEVEL 1 |
---|---|
Địa điểm: | Số 5, Ngách 23, Ngõ 165 Thái Hà, HN |
Thời gian học: | Thứ 5 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
Lịch khai giảng: | May 28, 2023 |
Thời gian kết thúc: | June 22, 2023 |
Giảng viên dự kiến: | Đỗ Mạnh Phong |
Lớp: | SQL 79SA6 LEVEL 1 |
---|---|
Địa điểm: | 13 Cao Thắng, Quận 3, TP.HCM |
Thời gian học: | Thứ 2 - 19H00 - 21H30 & Thứ 6 - 19H30 - 22H00 |
Lịch khai giảng: | June 12, 2023 |
Thời gian kết thúc: | July 10, 2023 |
Giảng viên dự kiến: | Hồ Minh Trí |
Lớp: | Power BI 69SA6 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: | June 12, 2023 |
Thời gian kết thúc: | July 7, 2023 |
Giảng viên dự kiến: | Ngô Hoàng Quốc Tân |
Lớp: | SQL 75A6 LEVEL 1 |
---|---|
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: | June 13, 2023 |
Thời gian kết thúc: | July 11, 2023 |
Giảng viên dự kiến: | Bùi Thanh Tú |
Lớp: | PY73A6L1 |
---|---|
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: | June 12, 2023 |
Thời gian kết thúc: | July 14, 2023 |
Giảng viên dự kiến: | Nguyễn Kim Quang |
Lớp: | Math 07A6 |
---|---|
Địa điểm: | Số 5, Ngách 23, Ngõ 165 Thái Hà, HN |
Thời gian học: | Thứ 5 - 19H00 - 21H30 & Chủ nhật - 19H00 - 21H30 |
Lịch khai giảng: | June 15, 2023 |
Thời gian kết thúc: | June 29, 2023 |
Giảng viên dự kiến: | Nguyễn Kim Quang |
Data Analyst with Python Track
Đây là chương trình đào tạo full skill về Phân tích dữ liệu gồm 05 khóa học, đào tạo từ cơ bản đến nâng cao giúp bạn phân tích và trực quan hóa dữ liệu trên công cụ Power BI, áp dụng trong lĩnh vực phân tích dữ liệu lớn và quản trị kinh doanh, thu thập dữ liệu và xuất bản báo cáo thông minh theo thời gian thực với BI Dashboard và Power Query.
Đồng thời, bạn được đào tạo để xây dựng nền tảng tư duy dữ liệu và kỹ năng nền tảng với SQL, nâng cao các kỹ năng xử lý dữ liệu, hướng dẫn chuyên sâu về SQL.
Tiếp sau đó, 02 khóa học Python trong chương trình 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 42 buổi học, mỗi buổi học từ 2.5 - 3 tiếng. Học trực tiếp cùng các chuyên gia thông tin như sau:
Tên 05 khóa học nhỏ trong chương trình Data Analyst with Python track:
1. SQL for Newbies: Data Analysis for Beginners (SQL Level 1)
2. Analyzing and visualizing data on Power BI (Power BI Level 1)
3. Python Foundation in Data Analytics (Python Level 1)
4. Math & Statistics for Data Science
5. Python for Machine Learning & Deep Learning (Python Level 2)
Cơ hội nghề nghiệp nổi bật sau khi tốt nghiệp chương trình đào tạo này là các vị trí hot sau:
• Tất cả vị trí Data Analyst (Chuyên viên Phân tích Dữ liệu)
• Tất cả vị trí Machine Learning (ML) Engineer (Kĩ sư Học máy)
• Tất cả vị trí Artificial Intelligence (AI) Engineer (Kĩ sư Trí tuệ Nhân tạo)
• Tất cả vị trí 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 cần học thêm kiến thức liên quan Python, SQL và Power BI để ứng dụng vào phân tích Big Data, Machine Learning, Deep Learning, trí tuệ nhân tạo và ứng dụng trong các dự án thực tế.• Người đã đi làm mong muốn cải thiện kỹ năng làm việc và ra quyết định với dữ liệu, kỹ năng ứng dụng các công nghệ mới trong lĩnh vực khoa học dữ liệu và trí thông minh nhân tạo vào công việc thực tế để có nhiều bước đột phá hơn trong sự nghiệp.
• Các bạn có mong muốn chuyển ngang sang ngành Data Science, Data Analyst, Data Engineer… để có mức thu nhập cao hơn lên tới 1000$/tháng và mô trường làm việc năng động & sáng tạo hơn.
Yêu cầu đầu vào
Không yêu cầu đầu vàoBạn sẽ học những gì
• Làm chủ ngôn ngữ SQL trong xử lý, xây dựng và quản trị hệ thống dữ liệu lớn (Big Data)• Thành thạo ứng dụng Power BI trực quan hóa dữ liệu và báo cáo thông minh
• Làm chủ ngôn ngữ lập trình Python trong khoa học dữ liệu và quản trị rủi ro kinh doanh
• Xử lý và áp dụng vào doanh nghiệp các bài toán Machine Learning, Deep Learning và trí tuệ nhân tạo (AI) với Python
Nội dung khóa học
- Buổi 1: Làm quen với SQL và cài đặt
- Buổi 2: Làm quen với SQL và cài đặt (Tiếp)
- Buổi 3: Mô hình CSDL
- Buổi 4: Làm quen với các lệnh điều kiện, lọc dữ liệu
- Buổi 5: Thực hành SQL cơ bản và nâng cao
- Buổi 6: Mệnh đề joins cơ bản và nâng cao trong SQL
- Buổi 7: Tính toán trong SQL Server
- Buổi 8: Mệnh đề phụ và bảng dẫn xuất
- Buổi 9: Review kiến thức khóa SQL level 1, bài tập nhóm và đánh giá cá nhân
- Buổi 10: Giới thiệu về Power BI
- Buổi 11: Kết nối và xử lý dữ liệu
- Buổi 12: Data Model
- Buổi 13: Data Model
- Buổi 14: Tổng quan về DAX
- Buổi 15: Tổng quan về DAX
- Buổi 16: DAX Functions
- Buổi 17: Report view
- Buổi 18: Làm quen với Python
- Buổi 19: Sử dụng thư viện Numpy và Xử lý dữ liệu lớn bằng Pandas
- Buổi 20: Đọc, lưu trữ, xử lý và làm sạch dữ liệu
- Buổi 21: Sắp xếp và cấu trúc lại dữ liệu. Vẽ biểu đồ và trực quan hoá. Tập hợp dữ liệu và thao tác trên nhóm
- Buổi 22: Làm việc với kiểu dữ liệu thời gian.
- Buổi 23: Pandas nâng cao
- Buổi 24: Kiến thức thực hành từ chuyên gia khoa học dữ liệu.
- Buổi 25: Máy học
- Buổi 26: Máy học (Tiếp)
- Buổi 27: Tổng kết cuối khoá Python level 1
- Buổi 28: Đại số & Đại số tuyến tính
- Buổi 29: Xác suất
- Buổi 30: Giải tích & Tối ưu hóa
- Buổi 31: Giới thiệu về Machine Learning
- Buổi 32: Thuật toán Machine Learning
- Buổi 33: OOP Python Overview và Data Analysis Review
- Buổi 34: Machine Learning cơ bản
- Buổi 35: Machine Learning cơ bản (tiếp)
- Buổi 36: Các mô hình học máy có giám sát
- Buổi 37: Các mô hình học máy không có giám sát
- Buổi 38: Deep Learning Overview
- Buổi 39: Xử lý ngôn ngữ tự nhiên
- Buổi 40: Xử lý ngôn ngữ tự nhiên (tiếp)
- Buổi 41: Thị giác máy tính
- Buổi 42: Thị giác máy tính (tiếp) và Tổng kết chương trình Python Level 2
- Using SQL Server
- Tạo lập cơ sở dữ liệu (CSDL)
- Tạo cơ sở dữ liệu, bảng và view mới
- Chèn các bản ghi vào trong một CSDL
- Xóa các bản ghi từ một CSDL
- Lấy dữ liệu từ một CSDL
- Tổ chức một lượng lớn thông tin bằng việc lưu trữ, thu thập và quản lý
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Using SQL Server
- Tạo lập cơ sở dữ liệu (CSDL)
- Tạo cơ sở dữ liệu, bảng và view mới
- Chèn các bản ghi vào trong một CSDL
- Xóa các bản ghi từ một CSDL
- Lấy dữ liệu từ một CSDL
- Tổ chức một lượng lớn thông tin bằng việc lưu trữ, thu thập và quản lý
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử..
- Thao tác với bảng
- Mô hình CSDL
Lưu trữ dữ liệu và phân tích dữ liệu
Ứng dụng:Xây dưng một kiểu dữ liệu hợp lý và phù hợp để tạo thuận lợi cho việc tìm kiếm dữ liễu và tối ưu bộ nhớ trong quá trình sử dụng
Case Study:Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Lệnh cơ bản
- Lệnh có điều kiện Where
Cấu trúc câu lệnh cơ bản và có điều kiện
Ứng dụng:Truy vấn thuận lợi và dễ dàng trong một CSDL lớn
Case Study:Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Xuất ra Excel
- Các phép tính toán
- Các phép tính toán có sử dụng yếu tố ngày
Kiến thức chung và thực hành
Ứng dụng:- Phân tích dữ liệu
Case Study:Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Mệnh đề Joins cơ bản trong SQL
- Mệnh đề Joins lạ trong SQL
Kiến thức chung và thực hành
Ứng dụng:Tìm kiếm và phân tích dữ liệu từ nhiều bảng
Case Study:Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Hàm tập hợp trong SQL
- Khung hình bảng ảo View
Kiến thức chung và thực hành
Ứng dụng:Phân tích dữ liệu
Case Study:Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Các mệnh đề phụ
- Bảng dẫn xuất (derived table) và CTEs
Giới thiệu, phân biệt và thực hành
Ứng dụng:- Sử dụng để đặt giới hạn và hạn chế kết quả trả về của truy vấn cha trong những query phức tạp cần tham chiếu đến dữ liệu của nhiều bảng với điều kiện kết lọc phức tạp mà 1 query không thể nào xử lý được.
- Truy vấn lồng trong cơ sở dữ liệu lớn
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
Review kiến thức khóa SQL level 1, bài tập nhóm và đánh giá cá nhân
Mục tiêu:Tổng kết chương trình đã học
Ứng dụng: Case Study: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
- Nắm bắt sơ lược về Business Intelligence
- Thành phần của từng app trong hệ sinh thái của Power BI
- Quy trình xây dựng báo cáo trực quan
- Làm quen với tool Power BI Desktop
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
- Làm quen Power Query Editor
- Làm quen với các chức năng thường dùng để Transform data
- Các lưu ý khi thực hiện transform data
- Làm quen với ngôn ngữ M
Thực hành Transform Data với dataset của AdventureWorks
Data Model
Mục tiêu:- Khái niệm về Datamart
- Nguyên tắc thiết kế và các mô hình thiết kế Data Model
- Hiểu các khái niệm xoay quanh Datamart
- Hiểu và nắm vững các nguyên tắc thiết kế Model
- Phân biệt được các loại bảng trong thiết kế Model
Thực hành khởi tạo và thiết kế model với dataset của AdventureWorks
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
- Biết cách xây dựng data model và các mối quan hệ giữa các bảng
- Các lưu ý khi xây dựng data model
- Cách quản lý các mối quan hệ có trong model
Thực hành khởi tạo và thiết kế model với dataset của AdventureWorks
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
Hiểu và biết cách áp dụng các hàm DAX thông dụng
Case Study:Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks
Tổng quan về DAX (tiếp)
Mục tiêu:- Measures, Calculated Column, Calculated Table
- Filter context
- Phân biệt được các chức năng có sử dụng đến DAX
- Cách dùng các chức năng có sử dụng DAX
Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks
DAX Functions
Mục tiêu:Sử dụng DAX nâng cao, chuyên sâu về các hàm thông dụng
Ứng dụng:Sử dụng linh hoạt các hàm DAX trong từng bài toán và các kết hợp các hàm DAX
Case Study:Viết các Measures và tạo calculated columns và calculated table với dataset AdventureWorks
Report view
Mục tiêu:- Các thành phần cùa Report View
- Các Visual type chính
- Conditional Formating
Xây dựng được một báo cáo hoàn chỉnh
Case Study:Thực hành thiết kế trình bày báo cáo cơ bản
- 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)
- Numpy Basics: Arrays and Vectorized Computation
- Getting Started with Pandas
- Mảng dữ liệu nhiều chiều
- Hàm dựa trên cấu trúc mảng
- Input và Output với Array
- Tính toán tuyến tính
- Số ngẫu nhiên Ví dụ: Random walks
- Giới thiệu cấu trúc dữ liệu Pandas
- Các tính năng quan trọng
- Tổng hợp, tính toán thống kê mô tả
Phân tích dữ liệu lớn (Big Data)
Case Study:- 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:- Data Wrangling: Join, Combine, and Reshape
- Ploting 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:- Time Series
Mục tiêu:- Nắm vững kiến thức về dữ liệu theo thời gian
- Mở rộng kiến thức với pandas nâng cao
Phân tích dữ liệu lớn (Big Data)
Case Study:- 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:- Introduction to Modelling Libraries in Python
- Data Analysis Examples
- Kiến thức thực hành từ chuyên gia khoa học dữ liệu
Ứng dụng:Khoa học dữ liệu
Case Study:- Machine learning
Mục tiêu:- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python
Tổng hợp kiến thức và giao Project cuối khóa
Machine learning
Case Study:Credit risk scoring and Segmenation in banking
- Machine learning
Mục tiêu:- Kiến thức về Máy học
- Học có giám sát với thư viện scikit-learn
- Học không giám sát trong Python
Tổng hợp kiến thức và giao Project cuối khóa
Machine learning
Case Study:Credit risk scoring and Segmentation in banking
- Tổng kết cuối khoá
Mục tiêu:- Chữa Project cuối khóa.
- Tổng hợp Kiến thức khóa học.
- Giới thiệu cơ hội việc làm.
Tổng kết cuối khoá
Case Study:Algebra/Linear Algebra (vectors and matrices, eigenvalues and eigenvectors, logarithmic equations, sigmoid function, matrix and tensor computing)
Mục tiêu:Đại số/ Đại số tuyến tính
- Vectơ và ma trận
- Giá trị riêng và ký hiệu riêng
- Phương trình logarit
- Hàm sigmoid
- Tính toán ma trận và tensor
Probability (mean, median, standard deviation, and outliers, joint distributions, conditional probability and independence, discrete random variables, continuous random variables, jointly distributed random variables, common probability distributions (Gaussian, Bernoulli, Binomial, Uniform, and Poisson))
Mục tiêu:Xác suất
- Trung bình, trung vị
- Độ lệch chuẩn và giá trị ngoại lệ
- Phân phối chung, xác suất có điều kiện, xác suất độc lập
- Biến ngẫu nhiên rời rạc, biến ngẫu nhiên liên tục, biến ngẫu nhiên có phân phối chung, phân phối xác suất chung (Gaussian, Bernoulli, Binomial, Uniform và Poisson)
Calculus & Optimization (ordinary / partial derivatives, Gradient, Hessian, chain rule, gradient descent, convex optimization)
Mục tiêu:Giải tích & Tối ưu hóa
- Đạo hàm thông thường, đạo hàm riêng
- Gradient, Hessian
- Quy tắc chuỗi, giảm độ dốc, tối ưu hóa lồi
Machine Learning Introduction (Dataset, Bias/Variance, Train/Test/Validation Split, Loss Function,...)
Mục tiêu:Giới thiệu về Machine Learning
- Tập dữ liệu
- Phương sai/ độ lệch
- Train / Test / Validation Split
- Hàm tổn thất...
Machine Learning Algorithm (Linear Regression, Logistic Regression, Principal Component Analysis (PCA), ...) Python Machine Learning (Python Tools for Machine Learning Numpy, Pandas, Scipy, Scikit-learn, Matplotlib, Pytorch)
Mục tiêu:Thuật toán Machine Learning
- Hồi quy tuyến tính
- Hồi quy logistic
- Phân tích thành phần chính (PCA) Python Machine Learning
- Công cụ Python cho Machine Learning Numpy, Pandas, Scipy, Scikit-learning, Matplotlib, Pytorch
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, Power BI, SQL 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