Khóa học Python 4 Data (P4D)

Phương pháp đào tạo Smart Learning độc quyền

x3 hiệu quả học data

Phương pháp Smart Learning là kết hơp của hai hình thức: Huấn luyện qua Zoom và học cùng mentor trên eLearning. Giáo trình sử dụng bài tập dữ liệu từ thực tế doanh nghiệp trong nhiều lĩnh vực: nhân sự, marketing, sales, logistic… Quá trình làm bài tập và thực hiện dự án luôn có Data Coach đồng hành, giải đáp trong Zalo Group 7 ngày/tuần.

Với 11 giờ học mỗi tuần, bao gồm 6 giờ học cùng mentor trên hệ thống Data-driven eLearning và 5 giờ huấn luyện qua Zoom theo phương pháp Project-based Coaching, phương pháp Smart Learning giải quyết triệt để 4 mục tiêu:

Chỉ tập trung huấn luyện những điều cốt lõi, không pha loãng kiến thức
Tạo môi trường thực hành thực tiễn qua việc huấn luyện dự án và bài toán thực tế của doanh nghiệp
Tối ưu 300% hiệu quả học thay vì thuộc lòng code, take note kiến thức chằng chịt
Rút ngắn x2 thời gian học theo cách thông thường, không vẽ vời ra những buổi cài cắm hay buổi lý thuyết suông.

Cam kết đầu ra

Thu thập và khai phá dữ liệu với Python

Nâng cấp x3 khả năng phân tích dữ liệu với Python. Bí quyết của 5% Senior Data Analyst trong phân tích dự báo, dự đoán Big Data

Cào dữ liệu từ bất kì nguồn nào trên internet (mạng xã hội, forum, blog, website,..)
Làm sạch dữ liệu tự động và thông minh hơn
Thực hiện các kĩ thuật phân tích dữ liệu chuyên sâu hơn như phân tích dự báo, phân tích dự đoán

Học thử miễn phí

Lộ trình huấn luyện

Fullstack các thư viện Python ứng dụng trong data
Học từng bước với sự huấn luyện từ các chuyên gia hàng chục năm kinh nghiệm

Module 1: Python căn bản

Giới thiệu về Python
Cấu trúc cơ bản trong Python
Kiểu dữ liệu danh sách trong Python
Các phương thức làm việc với dữ liệu danh sách
File IO: Read, write file text, json
Functions, Class trong Python

Module 2: Crawl và trích xuất (tách) dữ liệu

Requests, Pillow
Sử dụng thư viện BeautifulSoup
Trích xuất dữ liệu với Parser theo thẻ HTML
Lưu dữ liệu trích xuất với Flat file: .txt, .json, excel, csv
Nguyên lý tải, lưu dữ liệu với ajax, script trên Dynamic Website
Sử dụng thư viện Scrapy
Lưu dữ liệu trích xuất với Scrapy

Module 3: Phân tích dữ liệu

Xử lý dữ liệu với thư viện Pandas
Đọc dữ liệu, chuyển đổi dữ liệu, tổng hợp dữ liệu, lưu dữ liệu
Thư viện Matplotlib
Thư viện Scikit-learn
Các mô hình Phân tích, Dự báo
Trích chọn đặc trưng và ứng dụng mô hình dự báo
Phân loại dữ liệu định lượng
Phân loại mô hình dữ liệu Định tính theo bài toán dự báo

Module 4: Hoàn thiện và báo cáo Project

2 tuần huấn luyện Project

1 buổi bảo vệ Project với doanh nghiệp

Thực hiện toàn bộ quy trình thu thập, chuẩn hóa, trực quan và phân tích dữ liệu
Tham gia Project dữ liệu của doanh nghiệp thật, trải nghiệm đầy đủ quy trình làm dự án dữ liệu thực chiến
Báo cáo và trình bày kết quả Project tổng kết khóa học

Cảm nhận của học viên

Vân Quang Dũng

Product Manager - VNPT Technology

Mình thấy chương trình rất chi tiết và hữu ích. Khoá học 4 tháng nhưng tới 3 tháng là mình đã hòm hòm kiến thức phân tích để chỉ đạo anh em trong team rồi. Sau khi hoàn thành mình đã giới thiệu anh em trong phòng đi học, tất cả đều có trải nghiệm rất happy với các kiến thức dữ liệu.

Phùng Bảo Anh

Nghiên cứu sinh - ULCO, Lille, Pháp

Mình áp dụng được rất nhiều kiến thức phân tích dữ liệu, mô hình hoá từ học phần Python của thầy trong dữ liệu khí tượng. Thầy không chỉ hỗ trợ mình ứng dụng phân tích dữ liệu vào trong công việc mà còn trở thành người mentor định hướng mỗi khi mình gặp khó khăn ở những mô hình phân tích mới.

Nguyễn Tuấn Anh

Chuyên viên IT - Tập đoàn CMC

Mình là một trong những học viên đầu tiên khoá DAF của thầy Thực. Điều mình cảm nhận lớn nhất với khoá Data Analysis này là sự nhiệt tình của thầy. Dù lượng kiến thức trong 3h/buổi là rất nhiều nhưng mình luôn được giải đáp mọi thắc mắc. Đặc biệt, thầy trả lời rất nhanh.

Nguyễn Thị Tươi

Chuyên viên BA – MBank

Nếu bạn chưa biết Data Analyst nên bắt đầu học gì? Thì khoá DAF là câu trả lời. Nó giúp mình tự tin hơn nhiều trong quá trình làm nghề với mindset bài bản. Giờ mình có thể kiểm tra xem các bước làm việc sai ở đâu và làm lại như thế nào cho chính xác.

Thu Hiền

Giảng viên - Đại học Sư phạm Thái Nguyên

Khoá học DAF giúp mình có kiến thức cơ bản để phục vụ công việc trong trường Đại học. Mình thấy phương pháp dạy của thầy rất dễ hiểu với người không có background về code như mình. Mình nghĩ kỹ năng data sẽ rất cần thiết trong tương lai.

Lê Thị Len

Data Sience - Tập đoàn Samsung

Thầy Thực dạy rất nhiệt tình. Nói chung khoá học không dừng ở tool mà cung cấp kiến thức bài bản từ framework tới tư duy xử lý dữ liệu. Chính những điều này đã giúp mình apply thành công vị trí data analysis tại tập đoàn Samsung.

Học thử miễn phí

Câu hỏi thường gặp

Có yêu cầu đầu vào không?
Chúng tôi thiết kế lộ trình học cho học viên từ xuất phát điểm số 0 tới thành thạo fullstack kỹ năng phân tích dữ liệu. Dù bạn là fresher, non-IT hay đã có background về lập trình chỉ có 1 yêu cầu duy nhất đó là tính cam kết của chính bạn.
Có được học lại không?
Các học viên nếu có nhu cầu củng cố kiến thức, cập nhật các nội dung mới bạn có thể tham gia học lại (hoàn toàn miễn phí). Chúng tôi không giới hạn số lần học lại. Tuy nhiên, điều kiện để được đăng ký học lại là bạn phải tham gia đầy đủ và làm bài tập > 70% khóa học trước đó.
Có được chuyển nhượng khóa học không?
Bạn được quyền chuyển nhượng khóa học cho người khác. Tuy nhiên việc chuyển nhượng phải được thực hiện trước buổi học đầu tiên.
Thanh toán học phí như thế nào?
Bạn vui lòng thanh toán bằng cách chuyển khoản theo thông tin sau:
+ Chủ tài khoản: Lê Xuân Thành
+ Ngân Hàng TechCombank
+ Số tài khoản: 10322615534019
Các khóa có được record không?
Mọi buổi học đều được ghi hình, record full HD qua Zoom và gửi đến học viên.
Tài liệu trong khóa học là tiếng Anh hay tiếng Việt?
Tài liệu sử dụng trong khóa học chủ yếu là tiếng Việt. Nên bạn chỉ cần có trình độ tiếng Anh cơ bản là có thể hiểu được nội dung chương trình học.

Thu thập và khai phá dữ liệu với Python

Nâng cấp x3 khả năng phân tích dữ liệu với Python.
Bí quyết của 5% Senior Data Analyst trong phân tích dự báo, dự đoán Big Data.

Đầu vào

Thời gian học