Khoá học Data Processing & Analysis với Python

Ngôn ngữ lập trình Python cơ bản

• Tuần 1 - Giới thiệu, cài đặt và thiết lập môi trường
  • Cài đặt và thiết lập môi trường
  • Làm quen với công cụ Jupyter Notebook
  • Chạy chương trình Python đầu tiên (Hello world)
  • Các kiểu dữ liệu trong Python
  • Biến, hằng
  • Phép toán, biểu thức
  • Thực hành lập trình giải quyết các bài toán.
• Tuần 2 - Các đối tượng cơ bản của Python
  • Lệnh điều kiện, rẽ nhánh
  • Thực hành lập trình giải quyết các bài toán.
• Tuần 3 - Lệnh lặp và các cấu trúc dữ liệu tập hợp
  • Lệnh lặp
  • Các cấu trúc dữ liệu tập hợp: List, Set, Dictionary
  • Thực hành làm các bài toán liên quan đến lệnh lặp và cấu trúc tập hợp.
• Tuần 4 - Hàm và Module
  • Khai báo, định nghĩa hàm
  • Sử dụng hàm
  • Truyền tham số cho hàm.
  • Lập trình theo module, package
  • Thực hành giải quyết các bài toán bằng hàm có sẵn và hàm tự xây dựng. Module hóa chương trình
• Tuần 5 - Thực hành và kiểm tra
  • Đọc dữ liệu từ file csv (thư viện csv)
  • Ôn lại các bài học về Python
  • Thực hành làm thêm các bài tập lập trình
  • Làm bài kiểm tra nội dung Python

Phân tích dữ liệu với Python và Pandas (Nâng cao)

• Tuần 6 - Giới thiệu thư viện Pandas

  Thực hành với thư viện Pandas dùng để xuất nhập dữ liệu dạng bảng (dataframe), và các phép thao tác trên data bao gồm tiền xử lí dữ liệu, làm sạch dữ liệu, chuẩn hoá dữ liệu

• Tuần 7 - Truy vấn CSDL với SQL trong Python
  • Giới thiệu về Cơ sở dữ liệu và ứng dụng
  • Làm quen với cấu trúc lệnh truy vấn cơ bản: SELECT, FROM
  • Sử dụng các phép toán  “=”, “!=”, “<”, “>”, “>=”, “<=”, AND và OR trong mệnh đề WHERE.
  • Sử dụng LIMIT and ORDER BY
  • Thực hành truy vấn dữ liệu với cơ sở dữ liệu cho trước
• Tuần 8 - Thực hành truy vấn CSDL với SQL trong Python
  • Thực hiện một số tính toán trong SQL bằng cách sử dụng các hàm tổ hợp.
  • Sử dụng GROUP BY để nhóm dữ liệu.
  • Thực hiện truy vấn lồng, truy vấn con.
  • Thực hành truy vấn với thư viện Pandas
• Tuần 9 - Giới thiệu tổng quan về dữ liệu (Data Understanding)
  • Giới thiệu tổng quan về dữ liệu
  • Kiến thức dữ liệu căn bản: observations, variables, data frame
  • Phân tích các loại dữ kiệu khác nhau
  • Nhập và kiểm tra dữ liệu
• Tuần 10 - Thăm dò và trực quan hoá dữ liệu (Data Exploration and Visualization)
  • Tìm hiểu mối quan hệ giữa các thuộc tính
  • Đo và so sánh tính trung tâm của dữ liệu
  • Đo và so sánh tính phân bố của dữ liệu
  • Chọn biểu đồ phụ hợp và trực quan hoá dữ liệu bằng phương thức plot()
  • Thực hành trực quan hóa dữ liệu với nhiều tập dữ liệu và yêu cầu khác nhau
• Tuần 11 - Tiền xử lí và làm sạch dữ liệu (Data Preprocessing - Data Cleaning)
  • Import data từ nhiều nguồn khác nhau: csv file, tsv file, html file, json file…
  • Xác định step by step trong việc làm sạch dữ liệu
  • Thực hành data cleaning với Pandas
  • Kiêm tra data clean bằng cách visualization với Python
• Tuần 12 - Hướng dẫn thực hiện Final Project
  • Tư vấn giải pháp và hướng phân tích hành vi người dùng cho các bạn có nhu cầu áp dụng trong công việc thực tế
  • Thực hành đọc dữ liệu từ nhiều nguồn khác nhau
  • Thăm dò dữ liệu để rút trích các thông tin quan trọng cũng như vẽ nên bức tranh toàn cành về dữ liệu
  • Diễn giải và trực quan hoá kết quả đầu ra
• Tuần 13 - Công cụ hỗ trợ tạo report
  • Khả năng kể một câu chuyện về dữ liệu đang có bằng report
  • Nguyên tắc khi chọn biểu đổ, sắp xếp để tạo thành Dashboard
  • Làm quen với các tool BI phổ biến như: Tableau, Power BI, Google Data Studio.
  • Case Study: Google Data Studio
• Tuần 14 - Báo cáo Final Project và tư vấn nghề nghiệp
  • Báo cáo final project
  • Phỏng vấn thử và tư vấn nghề nghiệp