Lịch học dự kiến diễn ra
Lớp: | SQ05B9L1 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: | Sept. 23, 2024 |
Thời gian kết thúc: | Oct. 21, 2024 |
Giảng viên dự kiến: | None |
Lớp: | PB01B8L1 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: | Sept. 6, 2024 |
Thời gian kết thúc: | Sept. 30, 2024 |
Giảng viên dự kiến: | Phongdm.pbi |
Lớp: | PY05SB8L1 LEVEL 1 |
---|---|
Địa điểm: | 13 Cao Thắng, Quận 3, HCM |
Thời gian học: | Thứ 4 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30 |
Lịch khai giảng: | Sept. 7, 2024 |
Thời gian kết thúc: | Oct. 9, 2024 |
Giảng viên dự kiến: | khanhta |
Lớp: | SQ09SB9L1 LEVEL 1 |
---|---|
Địa điểm: | 13 Cao Thắng, Quận 3, HCM |
Thời gian học: | Thứ 2 - 19H00 - 21H30 & Thứ 5 - 19H00 - 21H30 |
Lịch khai giảng: | Sept. 23, 2024 |
Thời gian kết thúc: | Oct. 21, 2024 |
Giảng viên dự kiến: | None |
Lớp: | PB99SA9L1 LEVEL 1 |
---|---|
Địa điểm: | 13 Cao Thắng, Quận 3, HCM |
Thời gian học: | Thứ 3 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30 |
Lịch khai giảng: | Sept. 7, 2024 |
Thời gian kết thúc: | Oct. 1, 2024 |
Giảng viên dự kiến: | chuyennt_vba |
Lớp: | PY03B9L1 LEVEL 1 |
---|---|
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: | Sept. 29, 2024 |
Thời gian kết thúc: | Oct. 31, 2024 |
Giảng viên dự kiến: | None |
Lớp: | PB03B9L1 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: | Sept. 20, 2024 |
Thời gian kết thúc: | Oct. 14, 2024 |
Giảng viên dự kiến: | None |
Data Foundation
Đây là chương trình đào tạo Data Foundation
Hình thức đào tạo online và offline trong thời lượng 27 buổi học, mỗi buổi học từ 2.5 - 3 tiếng. Học trực tiếp cùng các chuyên gia thông tin như sau:
Tên 03 khóa học nhỏ trong chương trình Data Foundation:
1. SQL for Newbies: Data Analysis for Beginners (SQL Level 1) với 09 buổi học
2. Analyzing and visualizing data on Power BI (Power BI Level 1) với 08 buổi học
3. Python Foundation in Data Analytics (Python Level 1) với 10 buổi học
Cơ hội nghề nghiệp nổi bật sau khi tốt nghiệp chương trình đào tạo này là các vị trí hot sau:
• Data Analyst
• Business Intelligence Analyst
• Data Scientist
• Machine Learning Engineer
• Big Data Analyst
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.
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
Nội dung khóa học
- Buổi 1: Tổng quan về SQL
- Buổi 2: Các lệnh tương tác và truy vấn dữ liệu
- Buổi 3: Ghép nối bảng
- Buổi 4: Các hàm xử lý dữ liệu
- Buổi 5: Phương pháp truy vấn dữ liệu trên các bảng phụ
- Buổi 6: Thống kê bảng dữ liệu và chủ đề về ranking
- Buổi 7: Tính toán trong SQL Server
- Buổi 8: Tối ưu CSDL và kết nối đến các phần mềm trực quan hóa và trình bày báo cáo
- Buổi 9: Tổng kết khoá học Level 1
- 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: Python Basic
- Buổi 20: Python Basic (Tiếp)
- Buổi 21: Numpy
- Buổi 22: Pandas: Data Loading, Storage, and File Formats; Data Cleaning and Preparation
- Buổi 23: Pandas nâng cao
- Buổi 24: Pandas: Time Series
- Buổi 25: Trực quan hóa dữ liệu
- Buổi 26: Phân tích dữ liệu thăm dò (EDA)
- Buổi 27: Web Crawling using Selenium and Python & Capstone
Giới thiệu SQL Server
Các lệnh mô tả bảng, dữ liệu (DDL - Data Definition Language)
- 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.
- 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
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Các lệnh tương tác với bảng, dữ liệu (DML - Data Manipulation Language)
- Các lệnh truy vấn dữ liệu
- 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.
- 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 ...)
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
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.
- Left join, Right join, Inner join, Full outer join
- Union and union all
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
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.
- Các hàm xử lý chuỗi
- Các hàm xử lý thời gian
- Các hàm chuyển đổi
- Hàm case when
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
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.
- Phương pháp sử dụng Subquery
- Phương pháp sử dụng CTE
- Phương pháp sử dụng bảng tạm
Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
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.
- Phương pháp Pivot table
- Phương pháp phân tích, ranking lấy top cao nhất, top thấp nhất theo các yêu cầu cụ thể.
- 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:- 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
- Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
- Tối ưu CSDL
- Kết nối đến các phần mềm trực quan hóa và trình bày report
- 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.
- 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
- Xây dựng cơ sở dữ liệu trong ngành ngân hàng, bảo hiểm và thương mại điện tử...
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, ...
- 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, ...
Project cuối khoá
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
Thực hành
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
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
Giới thiệu về khóa học và khởi động với Python
Mục tiêu:- 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)
Phân tích dữ liệu lớn (Big Data)
Case Study:Ôn tập Python Basic
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
Phân tích dữ liệu lớn (Big Data)
Case Study:Ôn tập cú pháp Python
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
Phân tích dữ liệu lớn (Big Data)
Case Study:Bài tập về nhà về cấu trúc mảng
Numpy
Mục tiêu:Nắm được cách xử lý mảng dữ liệu
Ứng dụng:Phân tích dữ liệu lớn (Big Data)
Case Study:Bài tập mảng một chiều mảng 2 chiều
Pandas
Mục tiêu:Nắm được cách trích xuất, làm sạch và xử lý dữ liệu trống
Ứng dụng:- Đọc và viết dữ liệu dạng text
- Kết hợp và nối các cơ sở dữ liệu
- Đọc dữ liệu từ file excel
- Tương tác với cơ sở dữ liệu
- Xử lý dữ liệu bị mất
- Chuyển đổi dữ liệu
Bài tập về nhà
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
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
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
Data Visualization
Case Study:Trực quan hóa dữ liệu phân tích doanh thu
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
EDA
Case Study:Phân tích EDA bộ dữ liệu IT salary
Web Crawling using Selenium and Python & Capstone
Mục tiêu:Học viên nắm được kỹ thuật Web Crawling
Ứng dụng:Web Crawling
Case Study:Dùng selenium để lấy dữ liệu từ SSI sau đó tiến hành các bước làm sạch, khai phá dữ liệu
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
![](https://cdn.mcivietnam.com/home/media/userprofile/bui-the-anhpngqf8sex.png)
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
![](https://cdn.mcivietnam.com/home/media/userprofile/powerbitrankhanhlinhpng.png)
Trần khánh Linh
- Hơn 8 năm kinh nghiệm trong ngành Phân tích Tài chính, Kiểm toán và Dữ liệu
- Giám đốc Dự án Tài chính Thương mại, Phân tích Kinh doanh và Quản trị Chuyển đổi tại Công ty Zott, Việt Nam - Zott SE & Co. KG
- Quản lý tài chính tại Công ty Công nghệ Logivan Việt Nam
- Tư vấn quản trị tại Asia Control System
- Kiểm toán viên tại KPMG Việt Nam
- Đã từng triển khai các dự án về Phân tích Dữ liệu Kinh doanh cho ngành Thương mại điện tử và Tiêu dùng nhanh tại Việt Nam, ví dụ: Power BI Dashboard for FMCG Company, Power BI Dashboard for E-commerce Corp
Chứng chỉ:
1. DA-100 Microsoft Certified: Data Analyst Associate
![](https://cdn.mcivietnam.com/home/media/userprofile/photo_2023-03-08_11-37-05jpg3ht8k4.jpg)
Lê Tiến Mạnh
- Hơn 6 năm kinh nghiệm trong lĩnh vực phân tích dữ liệu và hệ thống thông tin quản lý tại Ngân hàng và Công ty tài chính
- Hiện tại đang đảm nhận vị trí Giám đốc phân tích và quản trị danh mục xử lý nợ của ngân hàng SeaBank
- Đã từng đảm nhận vị trí Trưởng bộ phận báo cáo và phân tích tại Ngân hàng tài chính SHB Finance, Chuyên gia Hệ thống Báo cáo và Phân tích tại ngân hàng PVCOMBANK
- Chịu trách nhiệm Quản lý team báo cáo và hỗ trợ tại Ngân hàng Việt Nam Thịnh Vượng VPBank
- Giảng viên nội bộ Phân tích dữ liệu và Quản trị dữ liệu của Ngân hàng VPBank & PVCombank
![](https://cdn.mcivietnam.com/home/media/userprofile/nguyen-kim-quang_activepngsj6oq9.png)
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%)
![](https://cdn.mcivietnam.com/home/media/userprofile/cat-hoang-duong-1pngyd7lgj.png)
Cát Hoàng Dương
- Tốt nghiệp Đại học Macquarie University, Sydney, Australia
- 7 năm kinh nghiệm lĩnh vực Công nghệ và Tài chính, Dự án
- Chuyên viên cao cấp CRM tại Công ty SIAM CITY CEMENT Việt Nam với vai trò Quản lý dự án, Phân tích kinh doanh và Quản trị hệ thống
- Phân tích kinh doanh tại Techcombank