Data Science and Machine Learning Certificate

• Sinh viên các trường Đại học, Cao đẳng
• Bất kỳ ai quan tâm đến việc phát triển các kỹ năng và kinh nghiệm để theo đuổi sự nghiệp trong lĩnh vực Data Science và Machine Learning.
• Điều kiện cần khi tham gia khóa học: HV có kiến thức tin học văn phòng và sử dụng Internet
• Chú ý: HV tự trang bị kiến thức về Domain Knowledge (lĩnh vực mà HV sẽ vận dụng Khoa học dữ liệu/Máy học vào công việc)

• Thời gian học: 10 tháng -> 12 tháng
• Thời gian hoàn thành tối đa được xét cấp chứng nhận: 2 năm
• Thời lượng: 292 giờ (389 tiết) bao gồm 6 khóa học và 1 khóa làm đồ án tốt nghiệp 
• Học phí:
  • Đóng một lần là 22.500.000 đ (tiết kiệm hơn 30% học phí so với tổng học phí đóng từng khóa là 32.700.000 đ)
  • Đóng 2 lần: đợt 1 Combo Fundmentals of Python + Data Manipulation and Visualization with Python 5.000.000đ và đợt 2 19.000.000đ cho tất cả các môn còn lại
• Ngoài ra, Trung Tâm có chính sách học phí ưu đãi dành cho Học viên đã có kiến thức Python cơ bản hoặc Python cơ bản + Xử lí - trực quan hóa dữ liệu với Python và không tham gia lớp học
  • Học phí 21.000.000đ cho HV đã có kiến thức Python cơ bản
  • Học phí 19.500.000đ cho HV đã có kiến thức Python cơ bản + Xử lí - trực quan hóa dữ liệu với Python

*** Học viên liên hệ Bộ phận Tư vấn (Email: tuvan@csc.hcmus.edu.vn) hoặc Zalo: 0914.024.357 để được hướng dẫn đăng kí học khi tham gia chương trình trọn gói Data Science - Machine Learning Certificate

Course 1:Lập trình Python cơ bản (Fundamentals of Python)

Nội dung khóa học

• Tổng quan về Python: giới thiệu Python và hướng dẫn cài đặt môi trường lập trình
• Biến, Dữ liệu và Toán tử: nắm vững biến, các kiểu dữ liệu cơ bản như số, chuỗi, và boolean, các toán tử số học, gán, so sánh, và logic
• Cấu trúc Điều khiển và Lặp: các cấu trúc điều khiển như if, else, và các vòng lặp while, for 
• Hàm và Dữ liệu danh sách: tìm hiểu về hàm, từ built-in đến user-defined function; làm việc với các kiểu dữ liệu danh sách như List, Tuple, Set, Dictionary
• Tập tin, Module và Xử lý Ngoại lệ: làm việc với tập tin và thư mục, quản lý module/package và cách xử lý ngoại lệ
• Sử dụng AI hỗ trợ giải thích cú pháp, gỡ lỗi và gợi ý cách viết code Python chuẩn

​Kết quả đạt được:

• Phát triển kỹ năng lập trình Python, sử dụng các cấu trúc dữ liệu và thư viện để xây dựng ứng dụng.
• Nắm vững kiến thức cơ bản, mở ra cơ hội tiếp cận các khóa học nâng cao và các ngôn ngữ lập trình khác như C++, Java.

Course 2: Xử lý và trực quan hóa dữ liệu với Python (Data Manipulation and Visualization with Python)

Nội dung khóa học

• Tổng quan về Data Manipulation và Visualization: tầm quan trọng của việc xử lý và trực quan hóa dữ liệu, cùng với việc thiết lập môi trường làm việc phù hợp
• Numpy & Pandas: giới thiệu Numpy làm việc với array và thực hiện phép toán; Pandas để đọc, làm sạch, và thực hiện thống kê dữ liệu, trực quan hóa dữ liệu
• Trực quan hóa dữ liệu với Matplotlib và Seaborn: tạo các biểu đồ chất lượng cao và trực quan hóa dữ liệu sử dụng Matplotlib và Seaborn, cũng như tạo Word Clouds để trực quan hóa dữ liệu text
• Xây dựng biểu đồ tương tác với Plotly: sử dụng Plotly để tạo các biểu đồ tương tác và trực quan hóa không gian địa lý, tùy chỉnh biểu đồ để đáp ứng nhu cầu cụ thể
• Kỹ năng Ứng dụng thực tế: khả năng thực hiện xử lý và trực quan hóa dữ liệu hiệu quả, là bước đệm vững chắc để phát triển sự hiểu biết về Data Science
• Sử dụng AI hỗ trợ viết code Numpy/Pandas, gợi ý loại biểu đồ phù hợp

Kết quả đạt được:

• Vận dụng kỹ thuật xử lý và trực quan hóa dữ liệu để biến số liệu thành thông tin hữu ích và hiệu quả
• Tạo ra các biểu đồ và trực quan hóa dữ liệu một cách sáng tạo và sinh động với các thư viện chuyên nghiệp

Course 3: Truy vấn và thu thập dữ liệu cho Khoa học dữ liệu (Database SQL and Data Collection for Data Science)

Nội dung khóa học

• Hiểu rõ về Database và SQL: giới thiệu cơ bản về database, các loại cơ sở dữ liệu, SQL, cách thiết lập và cài đặt cơ sở dữ liệu
• Nắm vững Truy vấn SQL: các truy vấn dữ liệu cơ bản đến sử dụng các hàm, truy vấn con, truy vấn đệ quy
• Truy cập Database với Python: cách kết nối và truy cập database từ Python; cách tổ chức lưu trữ dữ liệu từ truy vấn vào DataFrame
• Thu thập Dữ liệu hiệu quả với BeautifulSoup và Selenium: sử dụng BeautifulSoup và Selenium để thu thập dữ liệu từ web, từ việc trích xuất thông tin cơ bản đến xử lý trang web động và lưu dữ liệu trích xuất vào tập tin/ CSDL
• FugueSQL và làm việc với dữ Liệu: giới thiệu về FugueSQL, cách cài đặt, cấu hình và truy vấn dữ liệu
• Sử dụng AI hỗ trợ viết, giải thích truy vấn SQL/FugueSQL và tối ưu script thu thập dữ liệu web

Kết quả đạt được:

• Truy xuất và quản lý dữ liệu thông qua SQL, thu thập dữ liệu từ Internet để xây dựng cơ sở dữ liệu phong phú.
• Hiểu rõ và ứng dụng ngôn ngữ truy vấn SQL trong việc phục vụ Khoa học dữ liệu

Course 4: Tiền xử lý và phân tích dữ liệu (Data Pre-processing and Analysis)

Nội dung khóa học:

• Giới thiệu về phân tích và tiền xử lý dữ liệu: giới thiệu quy trình toàn diện từ việc định rõ vấn đề và mục tiêu, thu thập dữ liệu, làm sạch dữ liệu, đến phân tích dữ liệu và triển khai mô hình
• Kỹ thuật làm sạch dữ liệu: xử lý dữ liệu thiếu, loại bỏ dữ liệu trùng, chuẩn hóa định dạng dữ liệu, và xử lý outliers, để đảm bảo dữ liệu chính xác và đáng tin cậy cho việc phân tích
• Phân tích dữ liệu khám phá (EDA): thống kê mô tả, phân tích hai biến, và kỹ thuật tính năng như log, normalization, khám phá và chọn lựa tính năng phù hợp
• Xử lý dữ liệu văn bản và NLP cơ bản: kiến thức cơ bản về xử lý ngôn ngữ tự nhiên (nlp), cách tiền xử lý và biến đổi dữ liệu văn bản 
• Xây dựng và đánh giá mô hình hồi quy, xử lý dữ liệu mất cân bằng
• AI hỗ trợ phát hiện các vấn đề về dữ liệu, gợi ý kỹ thuật làm sạch/biến đổi dữ liệu phù hợp và diễn giải kết quả EDA

Kết quả đạt được:

• Tiền xử lý và phân tích dữ liệu, áp dụng các kỹ thuật để chuẩn bị và làm sạch dữ liệu cho dự án
• Triển khai và đánh giá mô hình, giải thích kết quả từ các phân tích, tạo ra các báo cáo thuyết phục

Course 5: Máy học với Python (Machine Learning with Python)

Nội dung khóa học:

• Khám phá Machine Learning: giới thiệu các khái niệm cơ bản, tổng quan, phân loại trong Machine Learning, quy trình phát triển một dự án
• Mô hình và Thuật toán: trải nghiệm các mô hình và thuật toán quan trọng như KNN, Linear Regression, Logistic Regression, Naive Bayes, Decision Tree, Random Forest, và SVM; cách cài đặt chúng với thư viện sklearn để áp dụng linh hoạt trong các tình huống khác nhau
• Khám phá kỹ thuật Ensemble, kỹ thuật giảm chiều dữ liệu (PCA và LDA)
• Phân cụm dữ liệu: Kmeans, Hierarchical clustering, Gausian Mixture Model (GMM)
• Mạng neuron và Deep Learning: tìm hiểu mạng neuron, từ các thành phần cơ bản đến việc cài đặt một mạng đơn giản, mở ra cánh cửa thú vị của Deep Learning
• Phân tích Chuỗi thời gian: các thành phần quan trọng trong dữ liệu chuỗi thời gian và cách triển khai mô hình theo thuật toán ARIMA
• Sử dụng AI hỗ trợ lựa chọn mô hình, xây dựng mô hình, giải thích kết quả huấn luyện

Kết quả đạt được 

• Áp dụng kiến thức về Toán và các thư viện mã nguồn mở để giải quyết các vấn đề thực tế thông qua Máy học.
• Thiết kế và triển khai các mô hình Machine Learning, vận dụng các thuật toán phổ biến và hiện đại

Course 6: Dữ liệu lớn trong Máy học (Big Data in Machine Learning)

Nội dung khóa học

• Tổng quan Big Data: kiến thức tổng quan về Big Data và cách xử lý dữ liệu lớn sử dụng Apache Spark, PySpark, kỹ thuật Big Data mới nhất
• Cách làm việc với RDDs, DataFrames và SQL trong PySpark
• Các phương pháp tiền xử lý và phân tích dữ liệu
• Khám phá Machine Learning: các kỹ thuật Machine Learning sử dụng PySpark MLlib, và cách triển khai các mô hình trong môi trường phân tán
• Cách lưu trữ, quản lý, xử lý và phân tích dữ liệu lớn giúp đem lại các giá trị theo yêu cầu của hoạt động doanh nghiệp
• Sử dụng AI hỗ trợ viết code PySpark, tối ưu pipeline xử lý dữ liệu lớn

Kết quả đạt được:

• Khám phá và xử lý dữ liệu lớn thông qua công nghệ Big Data phổ biến nhất hiện nay như Apache Spark, PySpark, trở thành chuyên gia trong lĩnh vực này
• Phân tích và dự đoán xu hướng dựa trên dữ liệu lớn, giải mã sự phức tạp của dữ liệu và tạo ra giá trị cho doanh nghiệp

Course 7: Đồ án tốt nghiệp

Nội dung khóa học

• Thực hiện hai đồ án thực tế liên quan đến một trong số các yêu cầu Classification, Regression, Clustering, Time Series Analysis, Association Rule Analysis và/hoặc Recommendation System. 
• Phát triển giao diện cho người dùng, đẩy mạnh kỹ năng thực hành và tạo ra sản phẩm
• Trang bị và củng cố kiến thức thực tế cho HV, giúp HV ứng dụng linh hoạt vào việc phát triển và hoàn thiện các đồ án chất lượng, có giá trị thực tế trong lĩnh vực Data Science và Machine Learning
• Sử dụng AI gợi ý giải pháp, lựa chọn mô hình, xây dựng GUI

Kết quả đạt được:

Học viên hoàn thành chương trình học với sáu môn học và một đồ án tốt nghiệp (đạt từ 5 điểm trở lên) trong thời gian tối đa là 2 năm sẽ nhận được Chứng nhận “Data Science and Machine Learning Certificate - Chuyên viên Khoa học dữ liệu và Máy học” do Trung Tâm Tin Học – Trường Đại học Khoa học Tự Nhiên TP.HCM cấp.