Lịch học dự kiến diễn ra



Lớp: SQL 67A2 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. 10, 2023
Thời gian kết thúc: March 10, 2023
Giảng viên dự kiến: Lê Tiến Mạnh
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: SQL 67B2 LEVEL1
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: Feb. 16, 2023
Thời gian kết thúc: March 16, 2023
Giảng viên dự kiến: Bùi Thanh Tú
Lớp: MATH 03A2
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: Feb. 9, 2023
Thời gian kết thúc: Feb. 23, 2023
Giảng viên dự kiến: Nguyễn Hữu Minh
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: SQL 71SA2 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: Feb. 9, 2023
Thời gian kết thúc: March 9, 2023
Giảng viên dự kiến: Lê Bảo Hoàng
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: --------
DS Track

Data Science Track

Đây là chương trình đào tạo full skill về Data Science gồm 05 khóa học:

Làm quen với SQL và thành thạo công cụ này để tối ưu hóa các xử lý, phân tích của bạn với BIG DATA cũng như trong việc quản trị cơ sở dữ liệu của bạn.

Với môn học tiếp theo là Toán & Thống Kê thì bạn sẽ hiểu được cơ sở toán học của các thuật toán cơ bản trong việc học có giám sát và học tập không giám sát. Các bạn cũng sẽ biết cách sử dụng Python và scikit-learning để triển khai các thuật toán cơ bản trong việc học có giám sát và học tập không giám sát.

Cuối cùng, các bạn sẽ tập trung học ngôn ngữ lập trình bậc cao - Python và ứng dụng ngôn ngữ này trong việc phân tích dữ liệu, quản trị rủi ro... Và áp dụng Python vào lĩnh vực Machine Learning & Deep Learning trong các mô hình dự báo, quản trị cho các ngành ngân hàng, tài chính, bảo hiểm, viễn thông....

Hình thức đào tạo online và offline trong thời lượng 44 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 Science Track:
1. SQL for Newbies: Data Analysis for Beginners (SQL Level 1)
2. Math & Statistics for Data Science
3. Python Foundation in Data Analytics (Python Level 1)
4. Python for Machine Learning & Deep Learning (Python Level 2)
5. Deep Learning Application in the Real World (Python Level 3)

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 Data Scientist (Nhà Khoa học Dữ liệu)
• Tất cả vị trí Machine Learning (ML) Engineer (Kĩ sư Học máy)

4.6 (306)

Đối tượng

• Sinh viên khối kinh tế, kĩ thuật có mong muốn tham gia ngành khoa học dữ liệu (Data Science) và phân tích dữ liệu (Data Analytics) đang cần học thêm kiến thức liên quan Python, Machine Learning, Deep Learning, SQL , mong muốn có một mentor định hướng và đồng hành cùng để tự tin ứng tuyển vào các vị trí trong ngành.

• Các bạn cần học thêm các kiến thức về phân tích dữ liệu và ứng dụng dữ liệu trong thời kỳ chuyển đổi số để nâng cao năng lực thực hiện công việc hiện tại và chuẩn bị cho các bước thăng tiến sự nghiệp mới trong tương lai

• Tất cả các bạn có mong muốn chuyển ngang sang ngành Data Analytics, Data Science & Machine Learning, AI Engineer để có mức thu nhập cao hơn lên tới 1000$/tháng và các cơ hội sự nghiệp đột phá hơn.

Yêu cầu đầu vào

Không yêu cầu đầu vào

Bạn sẽ học những gì

• Làm chủ ngôn ngữ lập trình Python trong phân tích dữ liệu và rủi ro kinh doanh
• Áp dụng các bài toàn về Machine Learning, Deep Learning & AI vào trong doanh nghiệp
• Làm chủ ngôn ngữ SQL trong phân tích, xây dựng và quản lý hệ thống cơ sở dữ liệu lớn

Nội dung khóa học

    Chủ đề:

    - Using SQL Server
    - Tạo lập cơ sở dữ liệu (CSDL)

    Mục tiêu:

    - Tạo lập cơ sở dữ liệu (CSDL)

    Ứng dụng:

    - 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

    Case Study:

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

    Chủ đề:

    - Using SQL Server
    - Tạo lập cơ sở dữ liệu (CSDL)

    Mục tiêu:

    - Tạo lập cơ sở dữ liệu (CSDL)

    Ứng dụng:

    - 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

    Case Study:

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

    Chủ đề:

    - Thao tác với bảng
    - Mô hình CSDL

    Mục tiêu:

    - 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...

    Chủ đề:

    - Lệnh cơ bản
    - Lệnh có điều kiện Where

    Mục tiêu:

    - 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...

    Chủ đề:

    - Xuất ra Excel
    - Các phép tính toán
    - Các phép tính toán có sử dụng yếu tố ngày

    Mục tiêu:

    - 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...

    Chủ đề:

    - Mệnh đề Joins cơ bản trong SQL
    - Mệnh đề Joins lạ trong SQL

    Mục tiêu:

    - 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...

    Chủ đề:

    - Hàm tập hợp trong SQL
    - Khung hình bảng ảo View

    Mục tiêu:

    - 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...

    Chủ đề:

    - Các mệnh đề phụ
    - Bảng dẫn xuất (derived table) và CTEs

    Mục tiêu:

    - 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

    Case Study:

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

    Chủ đề:

    Tổng kết chương trình SQL Level 1, review kiến thức, bài tập nhóm và đánh giá cá nhân

    Mục tiêu:

    Tổng kết chương trình đã học

    Ứng dụng:

    Tổng kết chương trình đã học

    Case Study:

    Chủ đề:

    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

    Ứng dụng:

    Case Study:

    Chủ đề:

    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)

    Ứng dụng:

    Case Study:

    Chủ đề:

    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

    Ứng dụng:

    Case Study:

    Chủ đề:

    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...

    Ứng dụng:

    Case Study:

    Chủ đề:

    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

    Ứng dụng:

    Case Study:

    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:

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

    Mục tiêu:

    - 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 tảs

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    Chủ đề:

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

    Mục tiêu:

    - Đọc và viết dữ liệu dạng text
    - Tương tác với Web API
    - Tương tác với cơ sở dữ liệu
    - Xử lý dữ liệu bị mất
    - Chuyển đổi dữ liệu
    - Thao tác dữ liệu chuỗi (string)

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    Chủ đề:

    - Data Wrangling: Join, Combine, and Reshape
    - Ploting 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:

    Chủ đề:

    - Time Series

    Mục tiêu:

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

    Ứng dụng:

    Phân tích dữ liệu lớn (Big Data)

    Case Study:

    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:

    Chủ đề:

    - Introduction to Modelling Libraries in Python
    - Data Analysis Examples

    Mục tiêu:

    - Kiến thức thực hành từ chuyên gia khoa học dữ liệu

    Ứng dụng:

    Khoa học dữ liệu

    Case Study:

    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
    - Hướng dẫn Project cuối khóa

    Ứng dụng:

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

    Case Study:

    Credit risk scoring and Segmenation in banking

    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:

    Machine learning

    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

    Mục tiêu:

    - Trình bày Project cuối khóa và chữa bài

    - Tổng kết kiến thức khóa học python

    Ứng dụng:

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

    Case Study:

    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

    Chủ đề:

    Tabular data

    Mục tiêu:

    - Environment setup: Colab + Github, (JupyterLab + Github),...
    - Intro to Deep Learning: What Why How?
    - Foundation to Neural Network:
    + Basic elements of ANN:
    + Neurons, layers, activation funtion, cost function, ...
    + Hyperparams vs Params
    + Regularization
    + Practice with Tensorflow/Keras

    Ứng dụng:

    Case Study:

    Chủ đề:

    Computer Vision

    Mục tiêu:

    - Intro to Computer Vision + Applications
    - General workflow of a CV task
    - Intro + practice with useful libraries for images: OpenCV
    - Convolutional Neural Network (CNN): architecture, convolution, filter, ...
    - Practice CNN with Tensorflow on case study.

    Ứng dụng:

    Case Study:

    Chủ đề:

    Computer Vision

    Mục tiêu:

    - Intro to pretrained learning with CNN-based: VGG19, Inceptionv3 (GoogLeNet), ResNet50, EfficientNet (utility)
    + practicce on case study
    - Data augmentation (optional)
    - Evaluation method and metrics
    + Tips and tricks to handle overfit/underfit

    Ứng dụng:

    Case Study:

    Chủ đề:

    Natural Language Processing - Text

    Mục tiêu:

    Natural Language Processing
    - Text - Intro to NLP + Applications
    - General workflow of aNLP task for sequence
    - Word embeddings: Lexical + Syntatic + Semantic + Summary of tokenizers + preprocessing steps (play with regex) + Skip gram vs CBOW
    - Intro + practice with useful libraries for texts: NLTK, SentencePiece, Pyvi,...

    Ứng dụng:

    Case Study:

    Chủ đề:

    Natural Language Processing - Text

    Mục tiêu:

    - Recurrent Neural Network, LSTM, Transformers mechanism
    - Intro to Huggingface and SOTA pretrained learning: BERT and its variants, GPT, XLNet, ...
    - Evaluation method and metrics for each category of NLP tasks
    - Case study: Coronavirus tweets NLP
    - Text Classification

    Ứng dụng:

    Case Study:

    Chủ đề:

    Natural Language Processing - Speech

    Mục tiêu:

    Natural Language Processing - Speech
    - Intro + Applications
    - General workflow of a NLP task for speech
    - Practice with useful libraries for speech: librosa, ...
    + Read/write, split channel,...

    Ứng dụng:

    Case Study:

    Chủ đề:

    Natural Language Processing - Speech

    Mục tiêu:

    - Practice with learned model on NLP tasks.
    - Pretrained model for speech: YAMNET, Wavenet, DeepSpeech, ...

    Ứng dụng:

    Case Study:

    Chủ đề:

    Time Series

    Mục tiêu:

    - Intro to sequence and timeseries
    + Applications
    - General workflow of a NLP task for speech
    - Foundation of timeseries data:
    + Visualization of trends, seasonality...
    + Preprocessing: smooth/resampling, stationarity...
    + Feature engineering

    Ứng dụng:

    Case Study:

    Chủ đề:

    Model contest

    Mục tiêu:

    - Model contest

    Ứng dụng:

    Case Study:

    Stock Market Prediction - warnings about prophet

    Chủ đề:

    POC (Optional) Demo: Build visualization dashboard with Streamlit

    Mục tiêu:

    POC (Optional) Demo: Build visualization dashboard with Streamlit

    Ứng dụng:

    Case Study:

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 Excel, Python, SQL và các kiến thức Machine Learning, Deep Learning & AI 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 Mạnh Hùng

- Quản lý dự án cao cấp tại Bảo hiểm Việt Nam
- Quản lý dự án tại TecaSoft Center – TecaPro
- Từng đảm nhận vị trí trưởng nhóm phân tích và báo cáo tại MB Ageas Life (MBAL) & PVComBank
- Chuyên viên phân tích dữ liệu, xử lý dữ liệu lớn tại phòng IT ngân hàng PVCombank
- Giảng viên Power BI cao cấp tại Học viện Công nghệ MCI Việt Nam


Tống Châu Nghị

- Hơn 20 năm kinh nghiệm trong ngành Công nghệ thông tin, đặc biệt hiểu biết sâu sắc về quản lý hệ cơ sở dữ liệu và quản lý kho dữ liệu datawarehouse
- Hơn 12 năm kinh nghiệm trong các lĩnh vực triển khai SAP BI , SAP BW, SAP ECC
- Hơn 5 năm kinh nghiệm trong việc triển khai và áp dụng các dịch vụ của Microsoft như Power BI, Microsoft 365, SQL Server, Azure Cloud...
- Đảm nhận vị trí Quản lý Phân tích kinh doanh tại Tập đoàn bán lẻ Central Retail Vietnam từ năm 2013 đến nay
- Tư vấn triển khai hệ thống BIBO tại Công ty Nguyễn Kim Trading, Việt Nam


Đinh Quang Vũ

- Hơn 11 năm kinh nghiệm trong ngành khoa học dữ liệu và công nghệ thông tin tại Việt Nam
- Đảm nhận vị trí Quản lý Phân tích dữ liệu tại Công ty Bảo hiểm Prudential Việt Nam
- Chuyên viên cao cấp hệ thống thông tin và báo cáo thông minh tại Công ty bảo hiểm Chubb Life Việt Nam
- Thạc sĩ khoa học dữ liệu Đại học Khoa học tự nhiên thành phố Hồ Chí Minh


Đoàn Mạnh Toàn

- 5 năm kinh nghiệm trong lĩnh vực phân tích dữ liệu và công nghệ thông tin
- Chuyên viên phân tích dữ liệu cao cấp tại Edso Labs JSC
- Từng đảm nhận vị trí chuyên viên phân tích nghiệp vụ tại Citigo Software JSC
- Chuyên gia nghiệp vụ tại Tek Experts LTD
- Chứng chỉ:
1. DA-100 Analyzing data with Microsoft Power BI
2. Business Analyst Course Completion by SmartPro Consultancy and Training JSC