Facebook
GoogleLịch học dự kiến diễn ra
| Lớp: | PYTHON LEVEL 2 |
|---|---|
| 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: | May 8, 2026 |
| Thời gian kết thúc: | June 8, 2026 |
| Giảng viên dự kiến: | None |
| Lớp: | PYTHON LEVEL 2 |
|---|---|
| Địa điểm: | 224 Điện Biên Phủ, Quận 3, HCM |
| Thời gian học: | Thứ 2 - 19H00 - 21H30 & Thứ 6 - 19H00 - 21H30 |
| Lịch khai giảng: | May 4, 2026 |
| Thời gian kết thúc: | June 5, 2026 |
| Giảng viên dự kiến: | None |
| Lớp: | PYTHON LEVEL 2 |
|---|---|
| Địa điểm: | 224 Điện Biên Phủ, Quận 3, HCM |
| Thời gian học: | Thứ 4 - 19H00 - 21H30 & Thứ 7 - 19H00 - 21H30 |
| Lịch khai giảng: | May 6, 2026 |
| Thời gian kết thúc: | June 6, 2026 |
| Giảng viên dự kiến: | None |
Python for Machine Learning
🚀 Python for Machine Learning – Python Level 2
Bứt phá kỹ năng – Tiến thẳng vào lĩnh vực AI & Data
Bạn đã biết cơ bản về Python nhưng chưa biết ứng dụng vào thực tế?
Đây chính là khóa học giúp bạn nâng cao tư duy và kỹ năng để bước vào thế giới Machine Learning một cách bài bản và chuyên sâu.
🎯 Thông tin khóa học
- Thời lượng: 10 buổi học
- Mỗi buổi: 2.5 – 3 tiếng
- Hình thức: Linh hoạt Online & offline
- Nội dung: Python nâng cấp ứng dụng trực tiếp trong Machine Learning
🔥 Bạn sẽ đạt được điều gì sau khóa học?
- Thành phần nâng cấp Python cao cấp cho ML
- Tìm hiểu và phát triển các bài toán Machine Learning thực tế
- Xây dựng phân tích tư vấn & xử lý dữ liệu chuyên sâu
- Sẵn sàng tham gia các dự án AI/Data trong doanh nghiệp
💼 Cơ hội nghề nghiệp sau khóa học
- Data Analyst – Phân tích dữ liệu chuyên nghiệp
- Kỹ sư máy học – Kỹ sư Học máy
- Kỹ sư AI – Kỹ sư Trí tuệ Nhân tạo
- Data Scientist – Nhà Khoa học Dữ liệu
Đối tượng
- Sinh viên khối kinh tế & kỹ thuật
Định hướng chuyên ngành Dữ liệu/AI và muốn xây dựng nền tảng vững chắc về Python, Machine Learning, Deep Learning cũng như cách áp dụng vào các dự án thực tế tại doanh nghiệp.
- Bạn muốn nâng cao kỹ năng dữ liệu
Bạn muốn cải thiện khả năng phân tích, xử lý dữ liệu và đưa ra quyết định chính xác hơn trong công việc? Khóa học sẽ giúp bạn sử dụng Python để giải quyết các bài toán thực tế một cách hiệu quả.
- Người muốn chuyển ngành sang Dữ liệu/AI
Dành cho những ai đang tìm kiếm cơ hội bước chân vào lĩnh vực Nhà phân tích dữ liệu, Nhà khoa học dữ liệu hoặc Học máy có khả năng nhập khí hấp dẫn (từ ~$1000/tháng) và trình bày trình phát triển trong thời hạn.
Yêu cầu đầu vào
- Học viên đã hoàn thành khóa Python Foundation in Data Analytics (Python Level 1) tại MCI
- Hoặc những bạn đã nắm chắc kiến thức cơ bản Python và muốn nâng cao để ứng dụng vào Machine Learning
Bạn sẽ học những gì
🧠 Nắm chắc nền tảng Machine Learning
Hiểu rõ các khái niệm cốt lõi như Machine Learning, Linear Regression và các thuật ngữ quan trọng – giúp bạn không chỉ “biết” mà còn “hiểu bản chất”.
⚙️ Thành tựu chiến thuật Machine Learning phổ biến
ứng dụng được các thuật toán quan trọng như: Giảm dần độ dốc, Hồi quy logistic, KNN, Naive Bayes, Cây quyết định và Mạng thần kinh vào bài toán thực tế.
🔍 Làm chủ Unsupervised Learning (Học không giám sát)
Thực hành với các kỹ thuật như K-means, Hierarchical Clustering để khám phá cái nhìn sâu ẩn trong dữ liệu.
📊 Ứng dụng nâng cao kỹ thuật trong ML
Sử dụng PCA để giảm chiều dữ liệu và SVM để phân loại – những công cụ “phải có” trong Khoa học dữ liệu.
🚀 Xây dựng dự án thực tế (Dự án Capstone)
Tổng hợp toàn bộ công thức đã học để giải quyết bài toán thực tế, giúp bạn có sản phẩm đưa vào CV/Portfolio ngay sau khóa học.
Nội dung khóa học
- Buổi 1: Giới thiệu về Machine Learning và Linear Regression
- Buổi 2: Polynomial và một số thuật ngữ quan trọng trong ML
- Buổi 3: Gradient descent
- Buổi 4: Logistic regression
- Buổi 5: KNN and Naive bayes
- Buổi 6: Unsupervised learning: Kmean, Hierarchical clustering
- Buổi 7: PCA and SVM
- Buổi 8: Decision tree
- Buổi 9: Neutral network
- Buổi 10: Tổng kết
Machine Learning
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
- Xây dựng mô hình trên Scikit-learn
- Triển khai thuật toán Linear Regression
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.
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
- Triển khai thuật toán Polynomial
- Kĩ thuật xây dựng mô hình Machine Learning
Using Polynomial Regression with House Prices - Kaggle Copetitions
Gradient descent
Mục tiêu:- Nắm được về thuật toán, một số phiên bản của gradient descent
- Kỹ thuật normalization features
- Gradient Descent
- Kỹ thuật Normalization Features
House Prices - Advanced Regression Techniques
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
- Thuật toán phân lớp bằng Logistic Regression
Case Study:Housing prediction with Logistic Regression
KNN and Naive bayes
Mục tiêu:-Nắm được cách triển khai thuật toán:
- KNN và tối ưu giá trị của k
- Naive bayes
- KNN
- Naive Bayes
Housing classification with KNN
Unsupervised learning: Kmean, Hierarchical clustering
Mục tiêu:Nắm được cách triển khai và tối ưu của thuật toán :
- Kmean
- Hierarchical
- Kmean
- Hierarchical
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.
PCA and SVM
Mục tiêu:Nắm được và triển khai thuật toán:
- PCA
- SVM
- Giới thiệu về SVM : Thuật toán, phiên bản
- Giới thiệu về PCA: Thuật toán
- Các triển khai trong thư viện Scikit learn
PCA and SVM on MNIST dataset
Decision tree
Mục tiêu:Nắm được và triển khai thuật toán:
- Decision tree
- Random forests
- XGBoost
- 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
Titanic - Machine Learning from Disaster
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 neutral network
- Cách triển khai mạng neutral network bằng thư viện Tensorflow
- 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
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.
Tổng kết
Mục tiêu:- Ứng dụng các kiến thức đã học và 1 dự án
- Giới thiệu các nội dung của khóa tiếp theo
- Giới thiệu về imbalance data và một số kỹ thuật xử lý
- Thực hành dự án cuối khóa
- Giới thiệu về khóa học tiếp theo
Project cuối khóa
Tại sao khóa học tại MCI phù hợp với bạn
1. Lộ trình học bài – bám sát thực tế doanh nghiệp
Chương trình được thiết kế theo quy trình làm việc thực tế, giúp bạn học đúng thứ cần – theo logic thứ tự đúng, đảm bảo hiểu sâu và ghi nhớ lâu dài.
2. Giáo trình chuẩn quốc tế – học đi đôi với hành động
Kết nối chặt chẽ giữa nền tảng nền tảng và các case Study thực tế, giúp bạn không chỉ học mà còn biết cách áp dụng ngay vào công việc.
3. Giảng viên “xịn” từ Big4 & tập đoàn
100% học viên là chuyên gia tư vấn đang làm việc tại Big4 và các doanh nghiệp hàng đầu, sở hữu chứng chỉ quốc tế trong lĩnh vực Xử lý Dữ liệu & Lập trình.
4. Cầm tay chỉ công việc – rút ngắn thời gian làm chủ Python
Bạn sẽ được hướng dẫn chi tiết từng bước, hỗ trợ sát sao để nhanh chóng thành phố kỹ năng Python ứng dụng vào Machine Learning.
5. Cam kết chất lượng – học đến khi làm được
Miễn phí học lại đời nếu chưa nắm vững kiến trúc – đảm bảo bạn thực sự “ra nghề”, không học qua loa.
Đội ngũ giảng viên
Nguyễn Hữu Minh
1. Trình độ học vấn
Chuyên gia sở hữu nền tảng vững chắc trong Khoa học Dữ liệu và Công nghệ thông tin, với kiến thức chuyên sâu về Machine Learning, Deep Learning và Computer Vision.
2. Kinh nghiệm làm việc
Có hơn 7 năm kinh nghiệm trong lĩnh vực Khoa học dữ liệu & Công nghệ thông tin, tham gia nghiên cứu và triển khai nhiều bài toán thực tiễn trong doanh nghiệp. Hiện tại, chuyên gia đang làm việc tại PIXTA Vietnam Co., Ltd với vai trò Data Scientist & AI Researcher, trực tiếp phát triển và ứng dụng các giải pháp AI phục vụ hoạt động phân tích dữ liệu và tối ưu hệ thống.
3. Kinh nghiệm giảng dạy
Chuyên gia theo đuổi phong cách giảng dạy thực chiến, dễ hiểu và bám sát nhu cầu ứng dụng thực tế. Giúp học viên xây dựng nền tảng từ tư duy dữ liệu, nguyên lý mô hình AI đến cách triển khai vào các bài toán doanh nghiệp. Lồng ghép kiến thức với các tình huống thực tế trong Machine Learning, Deep Learning và Computer Vision, giúp học viên không chỉ hiểu sâu mà còn có khả năng làm việc thực tế.
4. Văn bằng và hoạt động chuyên môn
Chuyên gia đã tham gia phát triển các mô hình AI hỗ trợ doanh nghiệp khai thác dữ liệu hiệu quả hơn, nâng cao hiệu suất hệ thống và cải thiện chất lượng vận hành. Chú trọng vào việc giúp học viên chuyển hóa kiến thức thành dự án thực tế, kỹ năng và năng lực làm việc trong môi trường doanh nghiệp.
Đỗ Đình Hưng
1. Trình độ học vấn
Tốt nghiệp chuyên ngành Công nghệ Dữ liệu tại Học viện Kỹ thuật Quân sự, Việt Nam. Chuyên gia nhận học bổng AI Internship tại Japan Advanced Institute of Science and Technology (JAIST), Nhật Bản, và đạt các giải thưởng như Giải Ba cuộc thi University Software Writing Contest – SOFTCON và Giải Nhì cuộc thi Women in Data Science (WiDS) Datathon.
2. Kinh nghiệm làm việc
Hiện đang đảm nhận vị trí Data Scientist tại MB Bank, chuyên gia có kinh nghiệm làm việc trong các vai trò AI Engineer / Data Engineer tại Viettel High Technology, Việt Nam. Chuyên gia đã tham gia xây dựng và triển khai các bài toán phân tích dữ liệu, phát triển mô hình học máy và ứng dụng AI vào thực tế doanh nghiệp.
3. Kinh nghiệm giảng dạy
Chuyên gia giảng dạy Data Science, Machine Learning, AI, SQL và ứng dụng phân tích dữ liệu trong doanh nghiệp. Phương pháp giảng dạy của chuyên gia tập trung vào việc giúp học viên xây dựng nền tảng từ tư duy phân tích dữ liệu đến triển khai mô hình AI/ML vào bài toán thực tế. Chuyên gia cũng lồng ghép các case study thực tế, giúp học viên không chỉ hiểu kiến thức mà còn biết cách ứng dụng vào công việc.
4. Văn bằng và hoạt động chuyên môn
Chuyên gia sở hữu chứng chỉ quốc tế như Machine Learning – Stanford University và SQL for Data Science. Các hoạt động chuyên môn của chuyên gia tập trung vào việc tối ưu hóa và triển khai các mô hình học máy, ứng dụng AI vào quy trình ra quyết định trong doanh nghiệp.
Nguyễn Kim Quang
1. Trình độ học vấn
Thạc sĩ Tài chính – Ngân hàng, có nền tảng chuyên sâu về phân tích tài chính, đánh giá hiệu quả doanh nghiệp, thẩm định dự án và quản trị rủi ro.
2. Kinh nghiệm làm việc
Có hơn 14 năm kinh nghiệm trong lĩnh vực tài chính – ngân hàng. Từng đảm nhiệm các vị trí như Kế toán tín dụng, Chuyên viên thẩm định, Thư ký Phó Tổng Giám đốc, Chuyên viên phân tích tài chính tại Quỹ Đầu tư Phát triển TP. Hà Nội. Hiện là Chuyên gia Kế hoạch – Hiệu suất tại PVcomBank, trực tiếp tham gia xây dựng kế hoạch, đánh giá hiệu quả, dự báo rủi ro và tối ưu hiệu suất tài chính.
3. Kinh nghiệm giảng dạy
Tham gia đào tạo các chuyên đề về phân tích tài chính, lập và đánh giá phương án tài chính, phân tích dữ liệu, SQL, Python và ứng dụng Data Analytics trong tài chính – ngân hàng. Phong cách giảng dạy thực chiến, logic, dễ hiểu, bám sát bài toán doanh nghiệp.
4. Văn bằng và hoạt động chuyên môn
Sở hữu các chứng chỉ quốc tế: IBM Data Science, Python – University of Michigan, SQL Advanced – HackerRank, Statistical Learning – Stanford. Thành thạo SQL, Python và các công cụ phân tích dữ liệu, trực quan hóa dữ liệu và Machine Learning phục vụ công việc và đào tạo.
Nguyễn Hữu Đạt
1. Trình độ học vấn
Thạc sĩ Quản lý Xây dựng, Kỹ sư Kinh tế Xây dựng. Chuyên gia sở hữu nền tảng học thuật vững chắc cùng chứng chỉ CNTT và tiếng Anh loại Giỏi, giúp phát triển tư duy kỹ thuật và ứng dụng thực tiễn trong doanh nghiệp.
2. Kinh nghiệm làm việc
Chuyên gia có hơn 10 năm kinh nghiệm trong đào tạo và triển khai các chương trình công nghệ, dữ liệu và AI. Đã tham gia giảng dạy và triển khai đào tạo tại nhiều tổ chức lớn như VTC, Viettel, VinUniversity, HOCMAI, ICANTECH, Galaxy Education, BrightChamps và Dầu khí Việt Nam. Chuyên gia có kinh nghiệm xây dựng và đào tạo các chương trình về kỹ năng số, phân tích dữ liệu, tự động hóa quy trình, và ứng dụng AI trong doanh nghiệp.
3. Kinh nghiệm giảng dạy
Giảng viên dạy về Data Analytics, AI ứng dụng, tự động hóa và kỹ năng số. Phương pháp giảng dạy tập trung vào thực tế, giúp học viên không chỉ học công cụ mà còn hiểu cách ứng dụng dữ liệu và AI vào công việc thực tế, xây dựng giải pháp công nghệ phù hợp với bài toán kinh doanh. Kinh nghiệm thực tế từ các chương trình đào tạo và triển khai được lồng ghép vào bài giảng, giúp học viên áp dụng ngay sau khóa học.
4. Văn bằng và hoạt động chuyên môn
Chuyên gia thành thạo Python, Selenium, Kivy, Django, với kinh nghiệm sử dụng SwiftUI, Flutter và PHP. Sử dụng thành thạo các công cụ MS Office và các nền tảng AI để xây dựng giải pháp công nghệ cho doanh nghiệp.
Nguyen An
1. Trình độ học vấn
Cử nhân CNTT – Đại học Bách Khoa TP.HCM, Thạc sĩ Khoa học Máy tính (Candidate), luôn cập nhật những công nghệ và thuật toán tiên tiến trong ngành.
2. Kinh nghiệm làm việc
Data Engineer tại FPT Retail, trực tiếp xây dựng và vận hành hệ thống dữ liệu quy mô lớn cho một trong những tập đoàn bán lẻ hàng đầu Việt Nam. Hơn 10 năm kinh nghiệm trong ngành dữ liệu và phát triển phần mềm, với 7 năm kinh nghiệm đào tạo. Giảng viên Data Engineer tại MCI, dẫn dắt học viên tiếp cận tư duy thiết kế hệ thống dữ liệu hiện đại.
3. Kinh nghiệm giảng dạy
Chuyên gia giảng dạy Python, C/C++ và các công cụ tối ưu hóa hiệu suất làm việc. Phương pháp giảng dạy tập trung vào thực hành, giúp học viên viết code Python sạch và thiết kế kiến trúc Data Engineer hoàn chỉnh từ đầu đến cuối.
4. Văn bằng và hoạt động chuyên môn
Chứng chỉ quốc tế IBM Data Engineer (Professional Certificate) và Data Engineer (Career Path) – DataQuest, khẳng định năng lực thực hành và tư duy giải quyết bài toán dữ liệu thực tế. Thành thạo trong xây dựng Pipeline, tối ưu hóa Data Warehouse, và xử lý dữ liệu lớn.
