KHÓA HỌC DATA ANALYTICS WITH PYTHON (DA)

Buổi

Nội dung

1. Data analytics and SQL

1

Các khái niệm về dữ liệu và phân tích dữ liệu (2h):

• Xác suất, xác suất có điều kiện, công thức Bayes
• Phép thử, sự kiện, không gian mẫu
• Biến ngẫu nhiên và phân phối xác suất
• Hàm mật độ xác suất
• Các giá trị đặc trưng

Các khái niệm về dữ liệu và phân tích dữ liệu (1h):

• Hiểu các khái niệm, vai trò về dữ liệu
• Hiểu về thể hiện, lưu trữ và truy xuất dữ liệu
• Các khái niệm về cơ sở dữ liệu, hệ quản trị cơ sở dữ liệu, kho dữ liệu
• Các khái niệm về dữ liệu quan hệ và không quan hệ
• Các khái niệm, quy trình phân tích dữ liệu

2-6

Ngôn ngữ SQL và Cơ sở dữ liệu quan hệ cơ bản (15h):

• Giới thiệu Cơ sở dữ liệu, ngôn ngữ truy vấn có cấu trúc SQL
• Hệ quản trị cơ sở dữ liệu
• Bảng, Records, Fields
• Các loại câu lệnh và từ khóa trong SQL
• Viết các truy vấn SQL cơ bản: SELECT, FROM, WHERE
• Viết các truy vấn SQL cơ bản: SELECT, FROM, WHERE, GROUP BY, ORDER BY, EXISTS…
• Joins

Các câu SQL dạng Logic lồng

7-9

Ngôn ngữ SQL và Cơ sở dữ liệu quan hệ nâng cao (9h):

• Viết các truy vấn SQL nâng cao: SELECT, FROM, WHERE, GROUP BY, ORDER BY, HAVING BY…
• Joins

Các câu SQL dạng Logic lồng

B. Python in Data Analytics

10-11

Các khái niệm cơ bản, kiểu dữ liệu tiêu chuẩn, cấu trúc điều khiển luồng dữ liệu trong Python (6h):

• Giới thiệu về Python
• Cài đặt môi trường và công cụ (Python + Jupyter Notebook)
• Chương trình đầu tiên với Python
• Biến, phép gán trong Python
• Kiểu dữ liệu cơ bản trong Python
• Làm việc với Number, String
• Các phép toán: Số học, logic, quan hệ, so sánh trong Python
• Cấu trúc rẽ nhánh
• Cấu trúc lặp: Có hạn và vô hạn
• Input/Output của dữ liệu trong Python

12-13

Cấu trúc dữ liệu Python (6h):

• List
• Tuple
• Dictionary
• Các phương thức xử lý với cấu trúc dữ liệu

Kỹ năng giải quyết vấn đề:

• 5W1H

14-15

Hàm, Module, Package, object (6h):

• Giới thiệu về naming convention trong python
• Cách import thư viện trong Python
• Funtion, Variable (Local, Nonlocal, Global)
• Cơ bản về module
• Package
• Lớp (Class)
• Thuộc tính (Attribute)
• Phương thức (Method)
• Thể hiện (instance)
• Giới hạn truy cập: private, public
• Kế thừa, đa kế thừa

16-19

Xử lý dữ liệu với Numpy, Pandas (12h):

• Numpy: Mảng, các phép toán với mảng, numpy function đối với kiểu dữ liệu mảng
• Pandas: Seria & data frame, load dữ liệu từ file, thêm/xóa cột, statistics function, group by function
• Kết nối dữ liệu từ các Data Sources: File, Server, Database.
• Thực hành kết nối dữ liệu từ File Excel.
• Các bước tạo và định dạng biểu đồ để trực quan hóa dữ liệu chuyên nghiệp.
• Ý nghĩa và ứng dụng các loại bảng biểu và đồ thị phổ biến: Line chart, Bar chart, Pie và Bubbles chart…
• Định dạng biểu đồ: Size, Color, Label, Shapes, Font, Alignment…
• Thực hành vẽ và phân tích các đồ thị phổ biến.

20-21

Trực quan hóa dữ liệu với Pandas, Matplotlib và các thư viện khác (6h):

• Pandas, Matplotlib: trực quan hóa phân tích dữ liệu với use case cụ thể

22-24

Giới thiệu về Machine Learning và ML Library Python thông dụng (9h):

• Giới thiệu về Học máy (Machine Learning)
• Cách sử dụng thư viện để thực hiện một bài toán Học máy (Machine Learning) đơn giản
• Bài toán Hỗ trợ ra quyết định với phân tích dữ liệu

Automation tools với Python (3h):

• Web scaping, Auto report, Auto email...

Bài tập lớn tổng kết cuối khóa