Học excel cho data analyst

Học Data Analyst có khó? Vì sao khóa học Data Analysis tại Cole là khóa học DA duy nhất không cần background IT?
  1. Học data analyst có khó không?
  2. Không giỏi toán và IT code có học được data analyst Cole?
  • Những lợi ích khi lựa chọn khóa học data analysis online tại Cole:
  • Đối tượng khóa học data analyst online
    1. Các khóa Fresher và Junior – Học data analyst với video học thử + lớp học thử
    2. Các khóa Senior 
  • Thông tin các khóa học data analyst từ A-Z
    1. Fresher A: Khóa học phân tích dữ liệu với Excel và Power Query – Học data analyst cho người mới bắt đầu
    2. Fresher B: Khóa học data analyst SQL nền tảng
    3. Junior A: Khóa học data analysis với Power BI
    4. Junior B: Khóa học Python cho phân tích dữ liệu
    5. Lớp Senior – Khóa học phân tích định lượng thống kê với R
  • Lộ trình khóa học data analyst bài bản, định hướng nghề khóa học data analysis. Khóa học phân tích dữ liệu Fresher – Junior – Senior cho mọi xuất phát điểm. Trong đó, khóa Fresher là khóa học data analyst cho người mới bắt đầu, Junior là khóa học dành cho các bạn đã có nền tảng về DA và Senior giúp các bạn chuyên sâu và phát triển trong một hoặc hai ngôn ngữ lập trình được sử dụng rộng rãi trong mảng phân tích dữ liệu.

    Học Data Analyst có khó? Vì sao khóa học Data Analysis tại Cole là khóa học DA duy nhất không cần background IT?

    Học data analyst có khó không?

    Đối với các bạn không có background IT hoặc ít làm việc với các con số thì chuyển sang mảng dữ liệu khá khó. Đơn giản là vì sẽ không biết bắt đầu từ đâu, tự học không có sự kèm cặp, hướng dẫn và giải đáp nhanh chóng từ giảng viên càng khiến các bạn mau chóng dễ nản. Bên cạnh đó, 90% các khóa học online miễn phí đều nặng về code, sử dụng ngôn ngữ tiếng Anh với nhiều thuật ngữ chuyên ngành dữ liệu khó hiểu.

    Không giỏi toán và IT code có học được data analyst Cole?

    Các bạn có thể hoàn toàn yên tâm chọn Cole nếu muốn chuyển ngành sang học dữ liệu khi bạn đang lo ngại bản thân không giỏi toán học – lập trình, vì:

    • Cole có lộ trình học và phương pháp học tối ưu nhất, giúp các khóa học không nặng về code mà vẫn đảm bảo chất lượng
    • Tư vấn lộ trình học data analyst miễn phí, định hướng nghề nghiệp để bạn xác định được ngôn ngữ lập trình và vị trí, lĩnh vực làm dữ liệu phù hợp
    • Học thử miễn phí
    • Học tư duy để giải quyết các bài toán trong doanh nghiệp bằng dữ liệu với công cụ SQL, Excel, Power BI, R & Python, Machine Learning.
    • Giảng viên đứng lớp là Senior Data Analyst và GV ưu tú tại Đại Học Bách Khoa HN, những GV có phương pháp dạy sinh động, trực quan.
    • Học viên được cầm tay chỉ việc cùng GV trong mỗi buổi học, không để học viên bị mông lung.
    • Bởi vậy, đến 80% học viên trong khóa đào tạo DA tại Cole đến từ dân kinh tế, luật, tài chính, truyền thông,…

     

    Những lợi ích khi lựa chọn khóa học data analysis online tại Cole:

    • Khóa học đào tạo data analyst ngắn hạn: Trọn gói những kỹ năng cần thiết và tư duy nghiệp vụ để làm nghề data analyst; xây dựng căn bản từ đầu đến khi thành thạo nhờ các case thực tế.
    • Hình thức học: Học data analyst online zoom buổi tối, thuận tiện cho học viên sắp xếp việc học
    • Hỗ trợ học tập: Được trợ giảng hỗ trợ hướng dẫn, nhắc nhở tham gia các buổi học, thông báo bài tập và giải đáp các thắc mắc.
    • Chương trình học thực tiễn: Các buổi học được sắp xếp theo lộ trình bài bản, ứng dụng ngay các case thực tế trong bài học.
    • Vừa học vừa thực hành với các case study thực tế: 100% thực hành mọi buổi học, cân bằng lý thuyết thực hành 5-5
    • Cơ hội nghề nghiệp hấp dẫn: Giới thiệu và tư vấn công việc phù hợp từ cộng đồng tuyển dụng của các công ty, tập đoàn hàng đầu
    • Chứng chỉ: có đủ tư duy và trình độ pass các chứng chỉ quốc tế như Data của Microsoft hoặc IBM
    • Học lại miễn phí đến khi hiểu rõ và thành thạo.
    • Trả góp học phí 0% chỉ từ 500.000đ mỗi tháng.

    Và có rất nhiều lợi ích khác đến từ đề cương khóa học và các chia sẻ thực tế từ giảng viên khóa học data analysis online

    Đối tượng khóa học data analyst online

    Các khóa Fresher và Junior – Học data analyst với video học thử + lớp học thử

    • Những bạn mới bắt đầu học phân tích dữ liệu hoặc những bạn không có nền tảng CNTT muốn tìm hiểu về công việc phân tích dữ liệu và học về data analyst
    • Dân Dev/IT muốn đổi hướng sang làm dữ liệu nhưng chưa có tư duy nghiệp vụ
    • Những bạn đang gặp vấn đề trong công việc khi dữ liệu quá lớn, không thể sử dụng Excel
    • Những bạn đang muốn tìm hiểu về cơ sở dữ liệu và cách ứng dụng SQL trong công việc phân tích dữ liệu
    • Người đã đi làm Data Analyst muốn nâng cao kỹ năng phân tích và xử lý dữ liệu

    Các khóa Senior 

    • Những bạn muốn theo đuổi vị trí Data Analyst chuyên nghiệp hoặc Data Scientist.
    • Sinh viên nhóm ngành kinh tế, chính trị, xã hội, khoa học,… muốn đào sâu học về data analysis với ngôn ngữ lập trình R + Python hoặc đã tham gia học xong khóa học DA Executive.
    • Nghiên cứu sinh cao học thạc sĩ, tiến sĩ học để hiểu cách làm phân tích báo cáo quản lý dữ liệu.

     

    Thông tin các khóa học data analyst từ A-Z

    Lộ trình học bài bản, với top 5 khóa học data analyst online có thể linh động lựa chọn cho mình chương trình học phù hợp với level, định hướng phát triển nghề nghiệp của mình.

    • Fresher: khóa DA với Excel & Power Query; khóa DA với SQL
    • Junior: khóa học DA với Power BI; khóa học DA với Python (làm báo cáo tự động và ML) 
    • Senior: khóa học DA phân tích định lượng thống kê với R & Python

    Lưu ý là các khóa học cung cấp kiến thức và kỹ năng nền tảng để từ đó mới có thể phát triển thêm khi đi làm cọ sát với vô vàn bài toán của Doanh Nghiệp.

    Fresher A: Khóa học phân tích dữ liệu với Excel và Power Query – Học data analyst cho người mới bắt đầu

    • Mục tiêu khóa học:
      • Xây dựng nền tảng mở đầu cho người mới bắt đầu học data analyst
      • Nắm được cái khái niệm cơ bản về Phân tích dữ liệu, Business Intelligence, Data Mining theo ngôn ngữ thực tế và mô phỏng quy trình một cách trực quan, sinh động.
      • Nắm được các khái niệm OLAP và OLTP và minh họa được trên dữ liệu thực tế.
      • Làm chủ được các công cụ Excel, Power BI cho việc Phân tích dữ liệu
      • Phân biệt được ưu nhược điểm của các loại công cụ Excel, PowerBI, Hệ quản trị CSDL để lựa chọn được giải pháp phù hợp nhất trong thực tế.
    • Lộ trình học data analyst: gồm 58h học – đây là lộ trình học quan trọng nhất giúp củng cố nền tảng cho các bạn muốn theo đuổi nghề data analyst.
    • Giảng viên: ThS. Nguyễn Danh Tú – Viện Toán Ứng Dụng – ĐHBK HN, thông tin giảng viên cụ thể ở mục giảng viên
    • Chi tiết khóa học Excel và Power Query: tại đây

     

    Fresher B: Khóa học data analyst SQL nền tảng

    • Mục tiêu học data analysis
      • Đọc và Phân tích được cơ sở dữ liệu (qua lược đồ quan hệ)
      • Dựa trên nhu cầu dữ liệu viết được câu lệnh truy vấn trả về kết quả
      • Đọc được câu lệnh truy vấn ra ngôn ngữ nghiệp vụ
      • Chuyển được dữ liệu từ hệ thống giao dịch (OLTP) sang hệ thống phân tích dữ liệu (OLAP) sử dụng truy vấn
      • Lên được dashboard dữ liệu trên Excel lấy dữ liệu từ cơ sở dữ liệu
    • Khóa học bao gồm: 12 buổi học với tổng thời lượng học 60 giờ, giúp các bạn sử dụng tốt SQL từ con số 0, phục vụ cho phân tích dữ liệu.
    • Giảng viên: ThS. Nguyễn Danh Tú – Viện Toán Ứng Dụng – ĐHBK HN, thông tin giảng viên cụ thể ở mục giảng viên
    • Chi tiết khóa học DA với SQL: tại đây

     

    Junior A: Khóa học data analysis với Power BI

    • Mục tiêu khóa học phân tích dữ liệu
      • Cung cấp cho người học data analyst hiểu rõ về cách xây dựng hệ thống phân tích dữ liệu với Power BI, triển khai các dịch vụ Power BI
      • Cách kết nối dữ liệu từ nhiều nguồn – cách xử lý chuẩn hóa dữ liệu trên Power Query
      • Cách sử dụng hàm Dax cơ bản – nâng cao để tạo các Measure tính toán (phục vụ cách lấy số liệu tính toán)
      • Cách lên dashboard, trực quan hóa dữ liệu và Xây dựng báo cáo tương tác tự động 
      • Chia sẻ kinh nghiệm làm phân tích dữ liệu trong ngân hàng và các công ty công nghệ lớn
    • Học data analysis với Power BI: bao gồm 10 buổi học – tương đương 20 giờ. Giúp các bạn thành thạo kỹ năng sử dụng Power BI trong phân tích dữ liệu.
    • Giảng viên: ThS. Nguyễn Phương Nam – Senior Data Analyst tại Techcombank, thông tin giảng viên cụ thể ở mục giảng viên
    • Chi tiết khóa học Power BI

     

    Junior B: Khóa học Python cho phân tích dữ liệu

    • Mục tiêu khóa học
      • Việc học data analyst cung cấp cho học viên những kiến thức cơ bản nhất về phân tích dữ liệu với Python
      • Trang bị cho học viên các kiến thức cần thiết về cách truy vấn dữ liệu. Cách sử dụng công cụ Google Colab, Jupyter notebook và các thư viện thường dùng để làm phân tích dữ liệu trong python như: K-means, KNN, Pandas, Seaborn,…
      • Giúp học viên có thể phân tích bất cứ dữ liệu gì để trả lời các bài toán ứng dụng trong thực tiễn tại doanh nghiệp
      • Giúp học viên có đủ kiến thức nền tảng để học các khóa học nâng cao sau này về trí tuệ nhân tạo (AI), học máy (Machine Learning), Học sâu (Deep Learning)
    • Khóa học bao gồm: 20 buổi học – tương đương 40 giờ, giúp các bạn thành thạo sử dụng Python trong phân tích dữ liệu.
    • Giảng viên: Tiến sĩ. Trịnh Tuấn Đạt (Giảng viên môn công nghệ phần mềm), Tiến sỹ khoa học máy tính ở Trường ĐH công nghệ Viên, Áo, thông tin giảng viên cụ thể ở mục giảng viên
    • Chi tiết khóa học Data analytics với Python

    Lớp Senior – Khóa học phân tích định lượng thống kê với R

    • Mục tiêu khóa học
      • Học viên sẽ hiểu rõ các mô hình phân tích hồi quy- áp dụng kiến thức toán học, kinh tế lượng, xác suất thống kê, để phân tích dữ liệu trên công cụ R
      • Học viên biết cách sử dụng các thư viện có sẵn trong R và Python để viết các Model thống kê, phân tích dữ liệu trên Google Colab hoặc Jupiter Notebook
      • Làm chủ được kỹ năng xử lý dữ liệu, đặc biệt là dữ liệu có số lượng lớn thường gặp trong tài chính, ngân hàng, bảo hiểm, viễn thông, CNTT, …
    • Khóa học bao gồm: 15 buổi – Bài 1 có 1 buổi, từ bài 2 trở đi là 1 buổi lý thuyết và 1 buổi thực hành
    • Giảng viên: Tiến sĩ Ban Hà Bằng Giảng viên khóa học Data Analyst – ĐHBK HN, thông tin giảng viên cụ thể ở mục giảng viên
    • Chi tiết khóa học DA với R: tại đây

    Mọi thông tin tóm tắt về 5 khóa học data analyst cole hàng đầu Việt Nam đã được chia sẻ, bạn có thể liên hệ để được tư vấn miễn phí về định hướng học tập và làm việc lâu dài trong nghề data. Với niềm đam mê dành cho công nghệ số và mong muốn mang đến tri thức số để áp dụng thực tế, Cole tự hào là đơn vị cung cấp khóa đào tạo phân tích dữ liệu hàng đầu VN dành cho tất cả mọi người. Chỉ với 20h-24h học bạn đã có thể áp dụng phân tích dữ liệu trong công việc.

    > Tìm đọc thêm thông tin về data analysis là gì; cũng như lắng nghe chia sẻ của chuyên gia Data Analyst giàu kinh nghiệm tại Mỹ sẽ giúp bạn khám phá được nhiều khía cạnh; trước khi bước chân vào con đường này.

    Lộ trình học

    Khóa phân tích dữ liệu nền tảng với Power Query & Excel (9 buổi)

    1. Tổng quan về phân tích dữ liệu

    • Tổng quan về phân tích dữ liệu
    • Các level của phân tích dữ liệu
    • Hệ thống kiến trúc phân tích dữ liệu trong Doanh Nghiệp
    • Data Tab cơ bản

    2. Quy trình ETL tổng hợp, trích xuất và chuẩn hóa dữ liệu

    • ETL (Extract, Transform, Load)
    • Kiến thức về OLAP, các thao tác với dữ liệu trong OLAP
    • Xử lý dữ liệu với với Pivot Table, Pivot Chart

    3. Quản trị dữ liệu số

    • Nguyên lý về quản trị dữ liệu dạng số 1. (DAKHASAPHATO). (Tư duy xây dựng dashboard dữ liệu)
    • Tổng hợp dữ liệu và xây dự báo cáo dashboard

    4. Thực hành ETL trên Power Query

    • Nguyên lý về quản trị dữ liệu dạng số 2. (6 tầng dữ liệu và Tư duy phân tích)
    • Data Tab nâng cao với Power Query

    5. Project thực tế

    • Project thực tế
    • Chia sẻ định hướng sau khóa học
    • Tư vấn, hỗ trợ các giải pháp doanh nghiệp

    SQL căn bản dành cho phân tích dữ liệu (12 buổi)

    Module 1: Thành thạo SQL trên hệ quản trị cơ sở dữ liệu MySQL

    • Thiết lập môi trường làm việc thực hành
    • Tạo CSDL mẫu để làm việc
    • Truy vấn dữ 2 liệu theo yêu cầu
    • Xây dựng và phân tích lược đồ
    • Truy vấn các bảng hệ thống CSDL
    • Thao tác dữ liệu
    • Tạo các thành phần của CSDL
    • Kết nối cơ sở dữ liệu

    Module 2: Nắm được tư duy về cơ sở dữ liệu

    • Tổng quan về CSDL
    • Truy vấn dữ liệu cơ bản
    • Tìm hiểu cấu trúc của CSDL
    • Truy vấn dữ liệu nâng cao
    • Cập nhật dữ liệu
    • Các khái niệm CSDL theo ngôn ngữ nghiệp vụ
    • Kết nối CSDL với Excel, Power BI

    Phân tích dữ liệu với Power BI (10 buổi)

    1. Giới thiệu về Power BI & Ứng dụng trong phân tích trực quan hóa dữ liệu

    • Tổng quan về Power BI
    • Kết nối nguồn dữ liệu vào Power BI
    • Xây dựng Dashboard đơn giản trên Power BI
    • Giới thiệu Power BI Service

    2. Thực hành các thao tác với dữ liệu trên Power Query• Tổng quan về Power Query

    • Giới thiệu các chức năng cơ bản trong Power Query

    • Giới thiệu cơ bản về M trong Power Query

    • Bài tập thực hành

    3. Giới thiệu về Data Model trong Power BI

    • Khái niệm về Data Model và lược đồ dữ liệu
    • Data Model trong Power BI
    • Thực hành liên kết dữ liệu trong Power BI Desktop
    • Case Study AW2017 Database

    4. Thiết kế Dashboard theo quy chuẩn

    • Hiển thị và trực quan hóa dữ liệu
    • Bài tập thực hành 1
    • 15 quy tắc để xây dựng dashboard chuẩn
    • Bài tập thực hành 2

     5. Lập trình DAX cơ bản

    • Tổng quan về DAX
    • Giới thiệu về Calculated Measure, Calculated Column, Calculate Table
    • Ví dụ về các hàm cơ bản
    • Bài tập thực hành

    6. Lập trình DAX trong Power BI (tiếp)

    • Các Iterator Functions
    • Các hàm Time Intelligence
    • Hàm Userelationship
    • Hàm Summarize

    7. Thực hiện các phân tích trong Power BI• Thống kê tổng hợp• Xác định outlier với visual trong Power BI

    • Time series analysis

    • Sử dụng Advanced visual trong Power BI

    8. Thiết kế Interactive Reports trong Power BI – Chỉnh sửa Report interactions

    • Thêm Drillthrough cho visual

    • Tạo, liên kết với các Bookmark trong Report

    • Sử dụng “What-If” parameter

    • Thực hành tạo 1 báo cáo Interactive Dashboard

    9. Capstone Project – Bài trắc nghiệm cá nhân cuối khóa

    • Ứng dụng và thực hành vào bài Capstone Project

    • Gợi ý/ Chữa bài Capstone Project

    • Hướng dẫn phần Xây dựng Interactive Dashboard

    10. Tổng kết – Chữa bài tâp
    • Nhận xét, chữa Project cuối khóa
    • Tổng kết nội dung chương trình học

    Python cho phân tích dữ liệu (20 buổi)

    1. Tổng quan về Python

    • Máy tính và ngôn ngữ lập trình
    • Giới thiệu về Python
    • Môi trường lập trình Python
    • Jupyter Notebook và Google Colab
    • Giới thiệu các chương trình Python

    2. Cú pháp Python cơ bản (gán giá trị biến và tìm kiểu dữ liệu)

    • Cú pháp Python cơ bản
    • Khái niệm biến
    • Lệnh gán giá trị cho biến
    • Các kiểu dữ liệu cơ bản
    • Thực hành 1: Thực hành gán gí trị biến và tìm kiểu dữ liệu

    3. Toán tử, lệnh rẽ nhánh, và vòng lặp

    • Khái niệm
    • Các toán tử trong Python
    • Thứ tự ưu tiên toán tử
    • Lệnh rẽ nhánh
    • Vòng lặp
    • Thực hành toán tử, lệnh rẽ nhánh, và vòng lặp

    4. Sử dụng hàm để xử lý dữ liệu

    • Giới thiệu về hàm
    • Các loại đối số hàm trong Python
    • Biến cục bộ và biến toàn cục
    • Thay đổi giá trị tham số hàm
    • Hàm trả về nhiều giá trị
    • Hàm lambda
    • Thực hành 4: Sử dụng hàm để xử lý dữ liệu

    5. Đọc dữ liệu từ file Excel

    • Đọc file cục bộ
    • Đọc file trên Google Drive
    • Ghi nhiều bảng ra 1 sheet
    • Đọc dữ liệu từ nhiều sheet
    • Đọc dữ liệu từ nhiều bảng trong 1 sheet
    • Đọc dữ liệu từ các bảng có cấu trúc phức tạp
    • Thực hành 5: Thực hành đọc dữ liệu

    6. Ghi dữ liệu ra file Excel

    • Ghi file lên Google Drive
    • Ghi dữ liệu ra nhiều sheet
    • Ghi nhiều bảng ra 1 sheet
    • Ghi bảng dữ liệu có cấu trúc phức tạp
    • Ẩn cột trong file Excel
    • Tạo format khi ghi dữ liệu
    • Thêm chart vào file Excel
    • Thực hành 6: Thực hành ghi dữ liệu ra file Excel

    7. Thao tác Python và Excel để làm báo cáo tự động

    • Sử dụng Python thao tác cơ bản dữ liệu
    • Dùng hàm Python
    • Thao tác Python và Excel: làm báo cáo tự động
    • Xử lý bài toán thực tế của giảng viên

    8. Module, package, đối tượng, và lớp

    • Module: khái niệm, cách tạo
    • Package: khái niệm, cách tạo
    • Lệnh import
    • Khái niệm lớp và đối tượng
    • Tạo lớp và đối tượng
    • Sử dụng lớp và đối tượng
    • Các thao tác nâng cao với các kiểu dữ liệu chuẩn trong Python
    • Thực hành 8

    9 – 10 – 11. Tự động truy vấn dữ liệu với SQL và Python

    • Giới thiệu về SQL
    • Các khái niệm cơ bản trong cơ sở dữ liệu quan hệ-RDBMS
    • Một số CSDL quan hệ
    • Các lệnh SQL cơ bản
    • Các mệnh đề SQL: (SQL DISTINCT, SQL WHERE, SQL AND/OR, SQL IN, SQL BETWEEN, SQL LIKE, SQL ORDER BY, SQL GROUP BY, SQL COUNT, SQL HAVING)
    • Thư viện MySQL
    • Kết nối Python với MySQL
    • Câu lệnh SELECT (Phương thức fetchall, Phương thức fetchone, Phương thức fetchmany)
    • Tham số hóa dữ liệu truyền vào câu truy vấn với prepared statement
    • Thực hành 9

    12 – 13. Xử lý dữ liệu với Pandas

    • Khái niệm
    • Cơ bản về Dataframe
    • Các cấu trúc dữ liệu trong Pandas
    • Các thao tác xử lý dữ liệu với Pandas (hợp-merge, kết nối-join, nhóm-group, sắp xếp-sort, thêm cột, bớt cột, xử lý dữ liệu thiếu, làm sạch dữ liệu, …)
    • Thực hành 10: Xử lý dữ liệu

    14. Thao tác Python và SQL, ứng dụng thư viện Pandas để xử lý dữ liệu nâng cao

    • Làm sạch dữ liệu
    • Truy vấn và kết nối dữ liệu
    • Thao tác Python và SQL, ứng dụng thư viện Pandas
    • Xử lý bài toán thực tế của giảng viên

    15-16. Trực quan hóa dữ liệu với Matplotlib

    • Giới thiệu về trực quan hóa dữ liệu
    • Trực quan hóa dữ liệu với Matplotlib (biểu đồ đường, cột, tròn, kết hợp, histogram, box plot, …)
    • Thực hành 12: Thực hành trực quan hóa dữ liệu với Seaborn

    17. Phân cụm dữ liệu với K-means

    • Học giám sát và không giám sát
    • Khái niệm phân cụm dữ liệu
    • Ý nghĩa của bài toán phân cụm dữ liệu
    • Phương pháp phân cụm dữ liệu
    • Phương pháp chọn K
    • Thực hành 13: Thực hành qua ví dụ áp dụng thực tế

    18. Thực hành tổng hợp Phân tích dữ liệu với Python

    • Ghi file lên Google Drive
    • Ghi dữ liệu ra nhiều sheet
    • Ghi nhiều bảng ra 1 sheet
    • Ghi bảng dữ liệu có cấu trúc phức tạp
    • Ẩn cột trong file Excel
    • Tạo format khi ghi dữ liệu
    • Thêm chart vào file Excel
    • Thực hành 6: Thực hành ghi dữ liệu ra file Excel

    19. Khám phá và phân tích dữ liệu

    • Sử dụng Python thao tác cơ bản dữ liệu
    • Dùng hàm Python
    • Thao tác Python và Excel
    • Xử lý bài toán thực tế của giảng viên

    20. Thực hành tổng hợp Phân tích dữ liệu với Python

    • Dựa trên bộ dữ liệu thực tế học viên tiến hành:
    • Trực quan hóa dữ liệu
    • Phân tích dữ liệu
    • Phân cụm dữ liệu
    • Phát hiện ngoại lai

    Phân tích định lượng thống kê với R (15 buổi)

    Module 1: Giới thiệu về khóa học phương pháp phân tích định lượng, ngôn ngữ thống kê, ngôn ngữ lập trình

    • Phương pháp phân tích định lượng;
    • Ngôn ngữ lập trình python và ngôn ngữ thống kê R, Python

    Module 2: Thống kê mô tả

    • Mẫu, chọn và phân phối mẫu;
    • Ước lượng và kiểm định;
    • Thực hành trên R và Python

    Module 3: Biểu diễn trực quan dữ liệu

    • Biểu diễn dữ liệu
    • Các loại biểu đồ và ý nghĩa;
    • Mất mát dữ liệu và xử lý;
    • Thực hành trên R và Python

    Module 4: Dự báo bằng mô hình hồi quy tuyến tính

    • Giới thiệu và diễn giải mô hình hồi quy tuyến tính;
    • Đánh giá mô hình;
    • Thực hành trên R và Python

    Module 5: Dự báo bằng mô hình hồi quy đa biến

    • Hồi quy đa biến
    • Giới thiệu và diễn giải mô hình;
    • Cộng tuyến trong hồi quy đa biến;
    • Tìm mô hình tối ưu;
    • Thực hành trên R và Python

    Module 6: Hồi quy phi tuyến

    • Giới thiệu mô hình hồi quy phi tuyến;
    • Diễn giải mô hình;
    • Thực hành trên R. và Python

    Module 7: Hồi quy dữ liệu bảng

    • Giới thiệu và diễn giải mô hình hồi quy dạng bảng;
    • Thực hành trên R và Python

    Module 8: Ứng dụng mô hình hồi quy trong bài toán thực tế

    • Giới thiệu các bài toán;
    • Mô hình thống kê cho bài toán;
    • Kiểm định mô hình;
    • Thực hành trên R và Python

    Khóa phân tích dữ liệu nền tảng với Power Query & Excel (9 buổi)

    1. Tổng quan về phân tích dữ liệu

    • Tổng quan về phân tích dữ liệu
    • Các level của phân tích dữ liệu
    • Hệ thống kiến trúc phân tích dữ liệu trong Doanh Nghiệp
    • Data Tab cơ bản

    2. Quy trình ETL tổng hợp, trích xuất và chuẩn hóa dữ liệu

    • ETL (Extract, Transform, Load)
    • Kiến thức về OLAP, các thao tác với dữ liệu trong OLAP
    • Xử lý dữ liệu với với Pivot Table, Pivot Chart

    3. Quản trị dữ liệu số

    • Nguyên lý về quản trị dữ liệu dạng số 1. (DAKHASAPHATO). (Tư duy xây dựng dashboard dữ liệu)
    • Tổng hợp dữ liệu và xây dự báo cáo dashboard

    4. Thực hành ETL trên Power Query

    • Nguyên lý về quản trị dữ liệu dạng số 2. (6 tầng dữ liệu và Tư duy phân tích)
    • Data Tab nâng cao với Power Query

    5. Project thực tế

    • Project thực tế
    • Chia sẻ định hướng sau khóa học
    • Tư vấn, hỗ trợ các giải pháp doanh nghiệp

    SQL căn bản dành cho phân tích dữ liệu (12 buổi)

    Module 1: Thành thạo SQL trên hệ quản trị cơ sở dữ liệu MySQL

    • Thiết lập môi trường làm việc thực hành
    • Tạo CSDL mẫu để làm việc
    • Truy vấn dữ 2 liệu theo yêu cầu
    • Xây dựng và phân tích lược đồ
    • Truy vấn các bảng hệ thống CSDL
    • Thao tác dữ liệu
    • Tạo các thành phần của CSDL
    • Kết nối cơ sở dữ liệu

    Module 2: Nắm được tư duy về cơ sở dữ liệu

    • Tổng quan về CSDL
    • Truy vấn dữ liệu cơ bản
    • Tìm hiểu cấu trúc của CSDL
    • Truy vấn dữ liệu nâng cao
    • Cập nhật dữ liệu
    • Các khái niệm CSDL theo ngôn ngữ nghiệp vụ
    • Kết nối CSDL với Excel, Power BI

    Phân tích dữ liệu với Power BI (10 buổi)

    1. Giới thiệu về Power BI & Ứng dụng trong phân tích trực quan hóa dữ liệu

    • Tổng quan về Power BI
    • Kết nối nguồn dữ liệu vào Power BI
    • Xây dựng Dashboard đơn giản trên Power BI
    • Giới thiệu Power BI Service

    2. Thực hành các thao tác với dữ liệu trên Power Query• Tổng quan về Power Query

    • Giới thiệu các chức năng cơ bản trong Power Query

    • Giới thiệu cơ bản về M trong Power Query

    • Bài tập thực hành

    3. Giới thiệu về Data Model trong Power BI

    • Khái niệm về Data Model và lược đồ dữ liệu
    • Data Model trong Power BI
    • Thực hành liên kết dữ liệu trong Power BI Desktop
    • Case Study AW2017 Database

    4. Thiết kế Dashboard theo quy chuẩn

    • Hiển thị và trực quan hóa dữ liệu
    • Bài tập thực hành 1
    • 15 quy tắc để xây dựng dashboard chuẩn
    • Bài tập thực hành 2

     5. Lập trình DAX cơ bản

    • Tổng quan về DAX
    • Giới thiệu về Calculated Measure, Calculated Column, Calculate Table
    • Ví dụ về các hàm cơ bản
    • Bài tập thực hành

    6. Lập trình DAX trong Power BI (tiếp)

    • Các Iterator Functions
    • Các hàm Time Intelligence
    • Hàm Userelationship
    • Hàm Summarize

    7. Thực hiện các phân tích trong Power BI• Thống kê tổng hợp• Xác định outlier với visual trong Power BI

    • Time series analysis

    • Sử dụng Advanced visual trong Power BI

    8. Thiết kế Interactive Reports trong Power BI – Chỉnh sửa Report interactions

    • Thêm Drillthrough cho visual

    • Tạo, liên kết với các Bookmark trong Report

    • Sử dụng “What-If” parameter

    • Thực hành tạo 1 báo cáo Interactive Dashboard

    9. Capstone Project – Bài trắc nghiệm cá nhân cuối khóa

    • Ứng dụng và thực hành vào bài Capstone Project

    • Gợi ý/ Chữa bài Capstone Project

    • Hướng dẫn phần Xây dựng Interactive Dashboard

    10. Tổng kết – Chữa bài tâp
    • Nhận xét, chữa Project cuối khóa
    • Tổng kết nội dung chương trình học

    Python cho phân tích dữ liệu (20 buổi)

    1. Tổng quan về Python

    • Máy tính và ngôn ngữ lập trình
    • Giới thiệu về Python
    • Môi trường lập trình Python
    • Jupyter Notebook và Google Colab
    • Giới thiệu các chương trình Python

    2. Cú pháp Python cơ bản (gán giá trị biến và tìm kiểu dữ liệu)

    • Cú pháp Python cơ bản
    • Khái niệm biến
    • Lệnh gán giá trị cho biến
    • Các kiểu dữ liệu cơ bản
    • Thực hành 1: Thực hành gán gí trị biến và tìm kiểu dữ liệu

    3. Toán tử, lệnh rẽ nhánh, và vòng lặp

    • Khái niệm
    • Các toán tử trong Python
    • Thứ tự ưu tiên toán tử
    • Lệnh rẽ nhánh
    • Vòng lặp
    • Thực hành toán tử, lệnh rẽ nhánh, và vòng lặp

    4. Sử dụng hàm để xử lý dữ liệu

    • Giới thiệu về hàm
    • Các loại đối số hàm trong Python
    • Biến cục bộ và biến toàn cục
    • Thay đổi giá trị tham số hàm
    • Hàm trả về nhiều giá trị
    • Hàm lambda
    • Thực hành 4: Sử dụng hàm để xử lý dữ liệu

    5. Đọc dữ liệu từ file Excel

    • Đọc file cục bộ
    • Đọc file trên Google Drive
    • Ghi nhiều bảng ra 1 sheet
    • Đọc dữ liệu từ nhiều sheet
    • Đọc dữ liệu từ nhiều bảng trong 1 sheet
    • Đọc dữ liệu từ các bảng có cấu trúc phức tạp
    • Thực hành 5: Thực hành đọc dữ liệu

    6. Ghi dữ liệu ra file Excel

    • Ghi file lên Google Drive
    • Ghi dữ liệu ra nhiều sheet
    • Ghi nhiều bảng ra 1 sheet
    • Ghi bảng dữ liệu có cấu trúc phức tạp
    • Ẩn cột trong file Excel
    • Tạo format khi ghi dữ liệu
    • Thêm chart vào file Excel
    • Thực hành 6: Thực hành ghi dữ liệu ra file Excel

    7. Thao tác Python và Excel để làm báo cáo tự động

    • Sử dụng Python thao tác cơ bản dữ liệu
    • Dùng hàm Python
    • Thao tác Python và Excel: làm báo cáo tự động
    • Xử lý bài toán thực tế của giảng viên

    8. Module, package, đối tượng, và lớp

    • Module: khái niệm, cách tạo
    • Package: khái niệm, cách tạo
    • Lệnh import
    • Khái niệm lớp và đối tượng
    • Tạo lớp và đối tượng
    • Sử dụng lớp và đối tượng
    • Các thao tác nâng cao với các kiểu dữ liệu chuẩn trong Python
    • Thực hành 8

    9 – 10 – 11. Tự động truy vấn dữ liệu với SQL và Python

    • Giới thiệu về SQL
    • Các khái niệm cơ bản trong cơ sở dữ liệu quan hệ-RDBMS
    • Một số CSDL quan hệ
    • Các lệnh SQL cơ bản
    • Các mệnh đề SQL: (SQL DISTINCT, SQL WHERE, SQL AND/OR, SQL IN, SQL BETWEEN, SQL LIKE, SQL ORDER BY, SQL GROUP BY, SQL COUNT, SQL HAVING)
    • Thư viện MySQL
    • Kết nối Python với MySQL
    • Câu lệnh SELECT (Phương thức fetchall, Phương thức fetchone, Phương thức fetchmany)
    • Tham số hóa dữ liệu truyền vào câu truy vấn với prepared statement
    • Thực hành 9

    12 – 13. Xử lý dữ liệu với Pandas

    • Khái niệm
    • Cơ bản về Dataframe
    • Các cấu trúc dữ liệu trong Pandas
    • Các thao tác xử lý dữ liệu với Pandas (hợp-merge, kết nối-join, nhóm-group, sắp xếp-sort, thêm cột, bớt cột, xử lý dữ liệu thiếu, làm sạch dữ liệu, …)
    • Thực hành 10: Xử lý dữ liệu

    14. Thao tác Python và SQL, ứng dụng thư viện Pandas để xử lý dữ liệu nâng cao

    • Làm sạch dữ liệu
    • Truy vấn và kết nối dữ liệu
    • Thao tác Python và SQL, ứng dụng thư viện Pandas
    • Xử lý bài toán thực tế của giảng viên

    15-16. Trực quan hóa dữ liệu với Matplotlib

    • Giới thiệu về trực quan hóa dữ liệu
    • Trực quan hóa dữ liệu với Matplotlib (biểu đồ đường, cột, tròn, kết hợp, histogram, box plot, …)
    • Thực hành 12: Thực hành trực quan hóa dữ liệu với Seaborn

    17. Phân cụm dữ liệu với K-means

    • Học giám sát và không giám sát
    • Khái niệm phân cụm dữ liệu
    • Ý nghĩa của bài toán phân cụm dữ liệu
    • Phương pháp phân cụm dữ liệu
    • Phương pháp chọn K
    • Thực hành 13: Thực hành qua ví dụ áp dụng thực tế

    18. Thực hành tổng hợp Phân tích dữ liệu với Python

    • Ghi file lên Google Drive
    • Ghi dữ liệu ra nhiều sheet
    • Ghi nhiều bảng ra 1 sheet
    • Ghi bảng dữ liệu có cấu trúc phức tạp
    • Ẩn cột trong file Excel
    • Tạo format khi ghi dữ liệu
    • Thêm chart vào file Excel
    • Thực hành 6: Thực hành ghi dữ liệu ra file Excel

    19. Khám phá và phân tích dữ liệu

    • Sử dụng Python thao tác cơ bản dữ liệu
    • Dùng hàm Python
    • Thao tác Python và Excel
    • Xử lý bài toán thực tế của giảng viên

    20. Thực hành tổng hợp Phân tích dữ liệu với Python

    • Dựa trên bộ dữ liệu thực tế học viên tiến hành:
    • Trực quan hóa dữ liệu
    • Phân tích dữ liệu
    • Phân cụm dữ liệu
    • Phát hiện ngoại lai

    Phân tích định lượng thống kê với R (15 buổi)

    Module 1: Giới thiệu về khóa học phương pháp phân tích định lượng, ngôn ngữ thống kê, ngôn ngữ lập trình

    • Phương pháp phân tích định lượng;
    • Ngôn ngữ lập trình python và ngôn ngữ thống kê R, Python

    Module 2: Thống kê mô tả

    • Mẫu, chọn và phân phối mẫu;
    • Ước lượng và kiểm định;
    • Thực hành trên R và Python

    Module 3: Biểu diễn trực quan dữ liệu

    • Biểu diễn dữ liệu
    • Các loại biểu đồ và ý nghĩa;
    • Mất mát dữ liệu và xử lý;
    • Thực hành trên R và Python

    Module 4: Dự báo bằng mô hình hồi quy tuyến tính

    • Giới thiệu và diễn giải mô hình hồi quy tuyến tính;
    • Đánh giá mô hình;
    • Thực hành trên R và Python

    Module 5: Dự báo bằng mô hình hồi quy đa biến

    • Hồi quy đa biến
    • Giới thiệu và diễn giải mô hình;
    • Cộng tuyến trong hồi quy đa biến;
    • Tìm mô hình tối ưu;
    • Thực hành trên R và Python

    Module 6: Hồi quy phi tuyến

    • Giới thiệu mô hình hồi quy phi tuyến;
    • Diễn giải mô hình;
    • Thực hành trên R. và Python

    Module 7: Hồi quy dữ liệu bảng

    • Giới thiệu và diễn giải mô hình hồi quy dạng bảng;
    • Thực hành trên R và Python

    Module 8: Ứng dụng mô hình hồi quy trong bài toán thực tế

    • Giới thiệu các bài toán;
    • Mô hình thống kê cho bài toán;
    • Kiểm định mô hình;
    • Thực hành trên R và Python

    Hình thức học

    Online qua Zoom

    Thời lượng

    Linh động theo từng khóa

    Học excel cho data analyst

    Xem thêm

    Nguyễn Danh Tú

    Giảng viên Viện Toán Ứng Dụng - Đại Học Bách Khoa HN

    ×

    Học excel cho data analyst

    Nguyễn Danh Tú

    Giảng viên Viện Toán Ứng Dụng - Đại Học Bách Khoa HN

    • Xây dựng Data Warehouse cho sản phẩm Topica Native.
    • 14+ năm Giảng viên Viện Toán ứng dụng, Đại học Bách Khoa Hà Nội.
    • Xây dựng chương trình “Phân tích dữ liệu” và đào tạo trực tiếp cho 1000+ nhân sự.
    • 5+ năm kinh nghiệm làm việc thực tế về Quản lý doanh nghiệp, xây dựng hệ thống phần mềm CNTT trên các công cụ lập trình cũng như “Tin học văn phòng” Excel, Google Sheet, Power BI.
    • Đã đào tạo trực tiếp các phần mềm phân tích và xử lý dữ liệu trên Excel, Google Sheet, Power BI +1000 học viên và đã đào tạo online Excel cho +100K học viên.
    • Đào tạo/coaching/tư vấn cho nhiều bạn quản lý, chủ doanh nghiệp về một số mảng (xây dựng hệ thống, chiến lược marketing, xây dựng sản phẩm, tài chính, problem solving,.).

    Học excel cho data analyst

    Xem thêm

    Nguyễn Phương Nam

    Senior Data Analyst tại Techcombank

    ×

    Học excel cho data analyst

    Nguyễn Phương Nam

    Senior Data Analyst tại Techcombank

    • Đã đào tạo thành công +250 học viên đã và đang theo nghề Data Analyst nhờ giảng dạy theo khóa học data analysis cole bài bản
    • Nhà coaching/giảng dạy và đào tạo phòng ban của nhiều doanh nghiệp ứng dụng công cụ Power BI
    • 5+ năm kinh nghiệm trong lĩnh vực Data Analysis.
    • Từng làm Data Analyst tại Topica, và các ngân hàng lớn, công cụ thanh toán như VCCORP và MBBank.

    Học excel cho data analyst

    Xem thêm

    Trịnh Tuấn Đạt

    Giảng viên môn công nghệ phần mềm, trường CNTT&TT Đại Học Bách Khoa HN 

    ×

    Học excel cho data analyst

    Trịnh Tuấn Đạt

    Giảng viên môn công nghệ phần mềm, trường CNTT&TT Đại Học Bách Khoa HN 

    • Tiến sỹ khoa học máy tính ở Trường ĐH công nghệ Viên, Áo.
    • Có 10+ công trình nghiên cứu và nhiều bài báo xuất sắc được về công nghệ.
    • Thủ khoa đầu vào Đại học Bách khoa Hà Nội.

    Học excel cho data analyst

    Xem thêm

    Ban Hà Bằng

    Giảng viên bộ môn Khoa học Máy tính; Viện Công nghệ thông tin và truyền thông, trường Đại học Bách khoa Hà Nội. 

    ×

    Học excel cho data analyst

    Ban Hà Bằng

    Giảng viên bộ môn Khoa học Máy tính; Viện Công nghệ thông tin và truyền thông, trường Đại học Bách khoa Hà Nội. 

    • Tiến sĩ Ban Hà Bằng hiện đang là giảng viên bộ môn Khoa học Máy tính; Viện Công nghệ thông tin và truyền thông, trường Đại học Bách khoa Hà Nội. 
    • Các hướng nghiên cứu quan tâm: phân tích thiết kế thuật toán; các bài toán tối ưu hóa tổ hợp; kiểm thử phần mềm, và trí tuệ nhân tạo. 
    • Sở hữu 15+ công trình nghiên cứu khoa học được công nhận; phát triển các kỹ thuật metaheuristic giải các bài toán tối ưu trong các hệ thống phân tán và hệ thống phần mềm
    • Kinh nghiệm dày dặn trong tư vấn và triển khai công nghệ số hóa cho nhiều tập đoàn và doanh nghiệp lớn.
    • Năm 2010, thầy và cộng sự đạt giải nhất Nhân tài đất Việt; với sản phẩm hệ thống số hóa tư duy con người.

    Học excel cho data analyst

    Nguyễn Danh Tú

    Giảng viên Viện Toán Ứng Dụng - Đại Học Bách Khoa HN

    • Xây dựng Data Warehouse cho sản phẩm Topica Native.
    • 14+ năm Giảng viên Viện Toán ứng dụng, Đại học Bách Khoa Hà Nội.
    • Xây dựng chương trình “Phân tích dữ liệu” và đào tạo trực tiếp cho 1000+ nhân sự.
    • 5+ năm kinh nghiệm làm việc thực tế về Quản lý doanh nghiệp, xây dựng hệ thống phần mềm CNTT trên các công cụ lập trình cũng như “Tin học văn phòng” Excel, Google Sheet, Power BI.
    • Đã đào tạo trực tiếp các phần mềm phân tích và xử lý dữ liệu trên Excel, Google Sheet, Power BI +1000 học viên và đã đào tạo online Excel cho +100K học viên.
    • Đào tạo/coaching/tư vấn cho nhiều bạn quản lý, chủ doanh nghiệp về một số mảng (xây dựng hệ thống, chiến lược marketing, xây dựng sản phẩm, tài chính, problem solving,.).

    Học excel cho data analyst

    Nguyễn Phương Nam

    Senior Data Analyst tại Techcombank

    • Đã đào tạo thành công +250 học viên đã và đang theo nghề Data Analyst nhờ giảng dạy theo khóa học data analysis cole bài bản
    • Nhà coaching/giảng dạy và đào tạo phòng ban của nhiều doanh nghiệp ứng dụng công cụ Power BI
    • 5+ năm kinh nghiệm trong lĩnh vực Data Analysis.
    • Từng làm Data Analyst tại Topica, và các ngân hàng lớn, công cụ thanh toán như VCCORP và MBBank.

    Học excel cho data analyst

    Trịnh Tuấn Đạt

    Giảng viên môn công nghệ phần mềm, trường CNTT&TT Đại Học Bách Khoa HN 

    • Tiến sỹ khoa học máy tính ở Trường ĐH công nghệ Viên, Áo.
    • Có 10+ công trình nghiên cứu và nhiều bài báo xuất sắc được về công nghệ.
    • Thủ khoa đầu vào Đại học Bách khoa Hà Nội.

    Học excel cho data analyst

    Ban Hà Bằng

    Giảng viên bộ môn Khoa học Máy tính; Viện Công nghệ thông tin và truyền thông, trường Đại học Bách khoa Hà Nội. 

    • Tiến sĩ Ban Hà Bằng hiện đang là giảng viên bộ môn Khoa học Máy tính; Viện Công nghệ thông tin và truyền thông, trường Đại học Bách khoa Hà Nội. 
    • Các hướng nghiên cứu quan tâm: phân tích thiết kế thuật toán; các bài toán tối ưu hóa tổ hợp; kiểm thử phần mềm, và trí tuệ nhân tạo. 
    • Sở hữu 15+ công trình nghiên cứu khoa học được công nhận; phát triển các kỹ thuật metaheuristic giải các bài toán tối ưu trong các hệ thống phân tán và hệ thống phần mềm
    • Kinh nghiệm dày dặn trong tư vấn và triển khai công nghệ số hóa cho nhiều tập đoàn và doanh nghiệp lớn.
    • Năm 2010, thầy và cộng sự đạt giải nhất Nhân tài đất Việt; với sản phẩm hệ thống số hóa tư duy con người.

    1. Không biết gì về lập trình liệu có theo được chương trình học không?

    Từ con số 0 về lập trình vẫn có thể học được. 

    Các kỹ thuật và câu lệnh SQL để làm phân tích dữ liệu thì chủ yếu là truy vấn, câu lệnh mô phỏng ngôn ngữ tự nhiên nên sẽ dễ thực hành được luôn. Quan trọng người học phải luyện tập nhiều để thuộc và quen tay.

    Lập trình R trong phân tích định lượng không quá khó, những câu lệnh này nó định hình thành 1 quy trình mẫu sẵn rồi, tùy từng bài toán khác nhau sẽ có những biến khác nhau, mình chỉ việc lắp biến vào mà chạy thôi. Ngoài ra ngôn ngữ R còn có thư viện, trong đó có các gói (package) có sẵn để chạy nhiều nhiệm vụ phân tích khác nhau.

    Về ngôn ngữ R, thầy dạy từ khái niệm cơ bản, chỉ dẫn từ việc cài đặt cho đến những thao tác đơn giản nhất nên không lo. 

    Về khóa Python, hoàn toàn theo được, khóa kết hợp dạy python cơ bản trước, rồi sẽ tới vận dụng vào thực tế giải quyết các bài toán.

    Trong khóa học, phần lớn học viên xuất phát từ dân kinh tế, nghiên cứu khoa học,… hầu như đều non-IT, cuối khóa vẫn làm bài project tốt.

    2. Muốn học DA nhưng không có background về toán có học được không, đầu vào của khóa này yêu cầu gì?

    Quên hết toán rồi vẫn học được vì bây giờ ngta sử dụng R hoặc Python lập trình để chạy, cho ra kết quả luôn chứ ko cần phải làm tính toán nữa. 

    Tuy nhiên cũng cần hiểu thêm kiến thức tổng quan về thống kê, xác suất, logic là để hiểu được bản chất của việc chạy các mô hình đấy là gì và diễn giải được ý nghĩa từ kết quả.

    Yêu cầu đầu vào của các khóa học là chỉ cần biết làm việc với Excel (mặc khóa học ko liên quan gì đến Excel nhưng cũng nên biết tránh bỡ ngỡ quá) 

    3. Tại sao khóa học dạy MySQL? Nên học MySQL hay SQL Server?

    Lý do là bởi hiện nay phần lớn các công ty sử dụng MySQL (chiếm đến 80%) và MySQL không mất phí. Khóa học dạy cái mà nhu cầu thực tế các doanh nghiệp cần, để học viên học xong đi làm áp dụng được luôn vào công việc tại đơn vị doanh nghiệp.

    4. Tôi có được cấp chứng nhận sau khi kết thúc khóa học không?

    Sau khi kết thúc khóa học, bạn sẽ được cấp chứng nhận hoàn thành khóa học với điều kiện tham gia đủ 80% số buổi học và hoàn thành bài tập cũng như vượt qua bài đánh giá cuối khóa)