Khóa học đã chọn

Khóa học Combo Python cơ bản + Python for Machine Learning, Data Science and Data Visualization

Data Pre-processing and Analysis

Giúp Học viên rèn luyện kỹ năng xử lý, phân tích và chuẩn hóa dữ liệu trong các bài toán thực tế
Trang bị cho Học viên cách ứng dụng xác suất – thống kê trong phân tích dữ liệu để đưa ra kết luận có cơ sở hơn
Biết cách xây dựng và đánh giá các mô hình dự đoán cơ bản (Linear Regression, Logistic Regression)
Phát triển tư duy và năng lực phân tích dữ liệu, xây dựng nền tảng vững chắc để trở thành Chuyên gia Khoa học Dữ liệu sau này (Khóa học thứ tư trong chương trình “Data Science and Machine Learning Certificate”

Khóa học dành cho:

Sinh viên các trường Đại học, Cao đẳng
HV có định hướng sẽ làm việc trong lĩnh vực Data Science, Machine Learning
Người làm việc trong lĩnh vực dữ liệu, phân tích dữ liệu và khoa học dữ liệu muốn nâng cao kỹ năng phân tích và tiền xử lý dữ liệu.

Sau khóa học bạn hoàn toàn có thể:

Nắm vững quy trình tổng thể của một dự án phân tích dữ liệu.
Sử dụng Python để xử lý các vấn đề của dữ liệu thô như giá trị thiếu, trùng lặp, ngoại lệ (outliers), không nhất quán dữ liệu ...
Ứng dụng phân tích dữ liệu khám phá (EDA) để tìm kiếm insight.
Vận dụng các kỹ thuật Feature Engineering để tạo đặc trưng phù hợp, giúp tối ưu hiệu suất mô hình sau này
Xây dựng và đánh giá các mô hình Machine Learning nền tảng: hồi quy tuyến tính và hồi quy logistic.
Áp dụng các kỹ thuật chuyên sâu SMOTE và Resampling để xử lý bài toán dữ liệu mất cân bằng.
Hiểu và có thể ứng dụng các kỹ thuật xử lý văn bản (NLP) cơ bản
Hình thành tư duy giải quyết vấn đề dựa trên dữ liệu để ứng dụng vào các bài toán kinh doanh thực tế.

Khoản đầu tư dành cho khóa học:

Thời gian: 5 tuần
Thời lượng: 40 giờ (53 tiết)
Học phí: 5.500.000 đ

Chính sách ưu đãi:

Ưu đãi 100.000đ dành cho học viên đăng kí Online
Ưu đãi 10% dành cho HS-SV, Học viên cũ, Nhóm 2 Học viên
Ưu đãi 15% dành cho nhóm 3 Học viên trở lên

***Lưu ý: Áp dụng chính sách ưu đãi cao nhất, không áp dụng cộng dồn

Nội dung khóa học:

Giới thiệu Data Analysis
Quy trình thực hiện dự án Data Analyis:
- Xác định vấn đề và mục tiêu (Define problem & objectives)
- Thu thập dữ liệu (Data Collection)
- Tiền xử lý dữ liệu (Preprocessing)
- Phân tích khám phá (EDA)
- Feature Engineering
- Xây dựng mô hình (Modeling)
- Đánh giá mô hình (Evaluation)
- Triển khai và truyền thông kết quả (Deployment & Communication)
Giới thiệu Data Pre-processing
Các loại dữ liệu và kiểu dữ liệu
Làm sạch dữ liệu (Data Cleaning):
- Xử lý giá trị thiếu (missing values)
- Loại bỏ dữ liệu trùng lặp (duplicates)
- Chuẩn hóa định dạng dữ liệu (format standardization)
- Phát hiện & xử lý dữ liệu bất thường (outliers)
- Hiệu chỉnh dữ liệu không nhất quán (data inconsistency)
Phân tích khám phá dữ liệu EDA (Exploratory Data Analysis)
- Giới thiệu
- Các khái niệm xác suất thống kê cơ bản
- Các phương pháp phân tích
  - Thống kê mô tả (summary statistics)
  - Trực quan hóa dữ liệu (Data visualization)
  - Kiểm định giả thuyết (Hypothesis testing)
- Phân tích 1 biến:
  - Dữ liệu phân loại (categorical)
  - Dữ liệu liên tục (continuous)
- Phân tích 2 biến:
  - Quan hệ giữa các biến
  - Cross-tabulation và correlation
- Phát hiện và xử lý outliers:
  - Z-score
  - IQR (interquartile range)
- Một số công cụ phân tích:
  - ttth-mds5-analyzer
  - Pandas Profiling hoặc Dataprep
Feature Engineering
- Phân biệt Feature Engineering và Preprocessing
- Kết hợp hoặc biến đổi cột dữ liệu
- Feature Scaling
  - Log normalization
  - Standard Scaler
  - Min-max Scaler
  - Robust Scaler
  - Binarizer
- Data Transformation
  - Pivot and UnPivot
  - Category Encoder: Label encoder and One-Hot encoder
- Thực hành dựa trên dataset thực tế
NLP (Natural Language Processing) cơ bản
- Giới thiệu
- Làm sạch văn bản (Text Data Pre-processing)
- Text Data Transformation:
  - Count Vectorizer
  - Tf-Idf Vectorizer
Mô hình hồi quy tuyến tính (Linear Regression)
- Giới thiệu
- Simple Linear Regression
- Multiple Linear Regression
- Đánh giá mô hình (Evaluation Model)
- Thực hành với các bài tập dự đoán giá trị số (dự đoán giá, dự đoán chỉ số…)
Mô hình hồi quy Logistic (Logistic Regression)
- Giới thiệu mô hình
- Logistic Regression
- Thực hành với các bài tập dự đoán phân loại (dự đoán khách hàng rời đi hay không, giao dịch bất thường…)
Xử lý tập dữ liệu mất cân bằng (Imbalanced Dataset)
- Nhận diện dữ liệu mất cân bằng
- Kỹ thuật xử lý:
  - Resampling: Oversampling and Undersampling
  - Synthetic Data Generation: SMOTE
- Performance Metric Classification:
  - Accuracy
  - Confusion Matrix
  - ROC Curves (ROC – AUC)

Lộ trình học

Chứng nhận khóa học

Học viên thi đạt kết quả cuối môn học sẽ được cấp chứng nhận "Data Pre-processing and Analysis - Tiền xử lý dữ liệu và Phân tích dữ liệu"

LỊCH KHAI GIẢNG Xem thêm

Data Pre-processing and Analysis - 40 giờ

Học phí: 5.500.000đ - Nhận ƯU ĐÃI HỌC PHÍ khi ghi danh online + hoàn tất đến ngày 22/05/2026

Điều kiện cần khi tham gia khóa học: Học viên đã tham gia khóa học "Database SQL and Data Collection for Data Science" hoặc có kiến thức tương đương

Lớp	Thời gian	Ngày khai giảng	Địa điểm học
DL04_313S7N5_ON	Thứ 5 (18.00 - 21.00) + Thứ 7 - Chủ Nhật (08.00 - 11.00)	28/05/2026	Online	Đăng ký