Khoá học Data Science

Danh sách môn học

Giới thiệu về Khoa học Dữ liệu
Xem chi tiết
Phân tích Dữ liệu với Python
Xem chi tiết
Học máy cho Khoa học Dữ liệu
Xem chi tiết
Giới thiệu về Deep Learning
Xem chi tiết
Đồ án cuối khóa - Khoa học Dữ liệu
Xem chi tiết
Trở thành lập trình viên chuyên nghiệp
Xem chi tiết

Thông tin chi tiết về chứng chỉ

1. Vì sao nên học Data Science?

1.1 Data Science là gì?

Data Science là thu thập, khai thác và phân tích các giá trị từ khối dữ liệu data khổng lồ theo cấu trúc. Data Science = Advanced Mathematics (Statistics, Linear Algebra, Calculus), Programming (Python, Database, Data Structure and Algorithm) và Kiến thức về lĩnh vực kinh tế xã hội cụ thể.

Chương trình Data Science trang bị các kiến thức cơ bản về data modelling/analysis techniques cũng như life cycle của một dự án Data Science để sinh viên có được hiểu biết cơ bản về Data Science và ứng dụng.

 

Khoa hoc data science developer tai FUNiX

Data Science giúp phân tích, đưa ra các xu hướng, mô hình phát triển và dự báo cho tương lai. Căn cứ vào đó, các ngành hàng, dịch vụ có thể đưa ra đánh giá, quyết định cho việc đầu tư, thu hồi hoặc phát triển các giá trị hữu ích.   

1.2 Nhà Khoa học dữ liệu (Data Scientist) làm gì?

Data Scientist là những người tạo ra giá trị từ data, với 2 nhiệm vụ chính là:

  • Thu thập, xử lý dữ liệu để tìm ra/phát hiện ra những giá trị ẩn chứa trong nó.
  • Chuyển hóa những giá trị đó thành các giải pháp/hành động, từ đó tạo ra các giá trị và lợi ích thực cho tổ chức/công ty.

1.3 Đối tượng thích hợp làm việc trong lĩnh vực Data Science

Khóa học Data Science phù hợp với tất cả mọi người muốn tìm hiểu và làm việc với dữ liệu, đặc biệt đối với một số đối tượng sau:

  • Các bạn sinh viên chuyên ngành CNTT/toán tin ứng dụng có kiến thức lập trình cơ bản.
  • Các bạn sinh viên chuyên ngành kinh tế/sư phạm tự nhiên có kiến thức nền tảng về toán và xác suất thống kê.
  • Các bạn kỹ sư CNTT muốn chuyển đổi nghề nghiệp
  • Các bạn chuyên viên làm việc trong các mảng về kinh tế, ngân hàng, fintech có mong muốn làm việc sâu hơn với dữ liệu.

2. Chương trình đào tạo Data Science của xSeries FUNIX

Chương trình Data Science bao gồm đầy đủ các môn học giúp trang bị các kiến thức cơ bản về data modelling/analysis techniques cũng như life cycle của một dự án Data Science để học viên có được hiểu biết cơ bản về Data Science và ứng dụng.

2.1 Mục tiêu (Học viên học xong có năng lực gì?)

  • Hiểu được các khái niệm cơ bản và phương pháp luận trong khoa học dữ liệu, các bước trong một dự án Data Science.
  • Nắm được kiến thức cơ bản về xác suất thống kê ứng dụng trong Data Science
  • Sử dụng thành thạo ngôn ngữ lập trình Python trong việc thống kê dữ liệu, cài đặt các thuật toán học máy và hiển thị hóa dữ liệu (Data Visualization)
  • Hiểu được xu hướng, sự phân bố và sự tương quan giữa các đặc tính của dữ liệu và thực hành được về Data Visualization.
  • Biết được các thuật toán cơ bản trong học máy: Regression, Classification, Clustering.
  • Hiểu được các khái niệm cơ bản trong Deep Learning và sử dụng thuật toán vào các bài toán thực tế.
  • Thực hiện trọn vẹn được dự án cuối khóa  tương đương một nhân viên làm được việc về Data Science tại doanh nghiệp hàng đầu Việt Nam

2.2 Yêu cầu đầu vào và đối tượng phù hợp

Ai cũng có thể học Data Science, đặc biệt với đối với một số các bạn học viên sau:

  • Học viên có kiến thức nền tảng về toán cao cấp: xác suất thống kê, đại số tuyến tính và giải tích.
  • Học viên đã có kiến thức về CNTT gồm: kỹ thuật lập trình cơ bản về Python, cấu trúc dữ liệu và giải thuật, cơ sở dữ liệu.

Học viên có thể tự trang bị, củng cố lại với các khóa học miễn phí trên mạng, hoặc có thể đăng ký học các môn nền tảng này tại FUNIX. Để được hướng dẫn chi tiết, bạn chọn đăng ký học để cán bộ tuyển sinh hướng dẫn cụ thể.

2.3 Đầu ra khóa học

Sau khi kết thúc khoá học, học viên có thể: 

  • Gia nhập các công ty sản xuất phần mềm ở lĩnh vực Data Science/AI của Việt Nam như FPT AI – FPT Software, Tinh Vân, CMC.
  • Đảm nhiệm vị trí phân tích dữ liệu trong lĩnh vực tài chính, ngân hàng, marketing như Vietcombank, Techcombank, VP Bank, …
  • Tham gia các vị trí trong dự án phát triển hệ thống AI/Data Science cho các doanh nghiệp có lượng data rất lớn và dồi dào như Viettel, VNPT AI, Lazada …
  • Làm việc như một data scientist/data analyst tại các công ty cần thu thập, lưu trữ và xử lý dữ liệu, công ty khởi nghiệp như ELSA, Cinnamon AI, Trusting Social, …

2.4 Cấu trúc chương trình học khoá học Data Science

Môn 1: Introduction to Data science – Nhập môn về Khoa học dữ liệu

Môn học này giới thiệu cho người học các khái niệm cơ bản trong khoa học dữ liệu (Data Science) bao gồm data science là gì, các chủ đề và thuật toán trong Data Science và ứng dụng trong thực tế. Ngoài ra môn học giới thiệu phương pháp luận sử dụng trong khoa học dữ liệu, vòng đời dự án Data Science. Học viên cũng được dạy về lập trình Python cơ bản và ôn tập lại về xác suất thống kê.

  • Biết cách lập trình Python cơ bản, các cấu trúc dữ liệu trong Python, làm việc với Pandas và Numpy
  • Nắm được các kiến thức kỹ năng cần thiết cho Data Science trong xác suất thông kê
  • Hiểu được các khái niệm cơ bản, các chủ đề, các ứng dụng của Data Science
  • Hiểu được phương pháp luận sử dụng trong data science, các bước để giải quyết các vấn đề data science từ nêu được bài toán, thu thập và phân tích dữ liệu, xây dựng thuật toán và hiểu được phản hồi sau khi thuật toán được cài đặt và sử dụng

Môn 2: Data analysis with Python – Phân tích dữ liệu với ngôn ngữ Python

Rất nhiều dữ liệu trên thế giới hiện nay được lưu trên cơ sở dữ liệu, kiến thức về cơ sở dữ liệu và ngôn ngữ SQL rất cần thiết để trở thành nhà khoa học dữ liệu. Môn học cung cấp kiến thức về các khái niệm cơ sở dữ liệu quan hệ, thực hành các câu lệnh query sử dụng ngôn ngữ SQL và Python. Học viên học làm việc sâu với Pandas, Numpy để khám phá nhiều dạng dữ liệu, làm sạch dữ liệu, xử lý dữ liệu bị thiếu. Môn học dạy cách biểu diễn dữ liệu để hiểu sâu hơn về dữ liệu, giúp đưa ra các quyết định hiệu quả.

  • Viết được các câu lệnh SQL cơ bản: CREATE, DROP, SELECT, INSERT, UPDATE, DELETE
  • Biết vận dụng các câu lệnh truy vấn nâng cao như filter, sort, group
  • Sử dụng Python để truy cập vào cơ sở dữ liệu
  • Biết import và export data
  • Nắm được cách tiền xử lý dữ liệu, xử lý dữ liệu bị thiếu, chuẩn hóa dữ liệu
  • Thực hiện được thống kê dữ liệu, tìm độ tương quan trong dữ liệu
  • Biết cách biểu diễn dữ liệu theo dạng biểu đồ sử dụng các thư viện Matplotlib
  • Học được cách biểu diễn dữ liệu dạng nâng cao qua thư viện Seaborn và Folium

Môn 3: Machine Learning – Học máy cho khoa học dữ liệu

Học viên được dạy mục đích của học máy và các ứng dụng trong thực tế. Môn học trang bị các thuật toán trong học máy: regression, classification, clustering, recommender system.

  • Nắm được tổng quan về các topic trong machine learning: supervised learning, unsupervised learning
  • Hiểu và thực hành các thuật toán về Regression
  • Hiểu và thực hành các thuật toán về Classification
  • Hiểu và thực hành các thuật toán về Clustering
  • Hiểu về Recommender Systems
  • Thực hành cách thuật toán vào bài toán thực tế
  • Biết cách biểu diễn dữ liệu theo dạng biểu đồ sử dụng các thư viện Matplotlib

Môn 4: Introduction to Deep Learning – Nhập môn về kỹ thuật học sâu

Mục đích của môn học trang bị cho người học kiến thức cơ bản về các mạng nơ ron hiện này và ứng dụng trong thị giác máy tính và xử lý ngôn ngữ tự nhiên. Môn học bao gồm chủ đề về stochastic optimization, các thủ thuật khi huấn luyện mạng nơ ron, cách xây dựng mạng nơ ron. Học viên còn được học về các kiến trúc mạng nơ ron phức tạp trên các framework Tensorflow và Keras. Người học sẽ biết cách sử dụng các thuật toán về deep learning để giải quyết các bài toán AI.

  • Nắm được kiến thức về gradient descent, stochastic gradient descent, regularization, overfitting
  • Biết được khái niệm về deep neural network
  • Giới thiệu về deep learning sử dụng trong thị giác máy tính. Hiểu được kiến trúc mạng CNN và biết cách sử dụng pre-train model cho các vấn đề mới
  • Cung cấp kiến thức unsupervised part trong deep learning như autoencoder, word embedding, GAN
  • Học viên học được cách sử dụng deep learning cho các dữ liệu dạng chuỗi như texts, video, audio. Nắm được kiến thức về RNN, LSTM, GRU, Backpropagation và được thực hành.

Môn 5: Đồ án cuối khóa

Đồ án cuối khóa mô phỏng một dự án trọn vẹn mà cá nhân học viên cần thực hiện, đáp ứng yêu cầu quy trình làm việc và đảm bảo ứng dụng các kiến thức, kỹ năng về Data Science được học để giải quyết một bài toán thực tiễn ở doanh nghiệp. Học viên hoàn thành đồ án sẽ sẵn sàng là một nhân viên bắt đầu làm được việc về data science tại doanh nghiệp. Dự án cuối khóa này sẽ cho học viên kinh nghiệm xử lý dự án trong thực tế và giúp bạn thể hiện khả năng chuyên môn trong lĩnh vực data science với nhà tuyển dụng. Bạn sẽ áp dụng các kỹ năng của mình vào data visualization, data analysis, data wrangling, data organization, data modeling và machine learning để giải quyết nhu cầu khách hàng. 

Môn 6: Trở thành lập trình viên chuyên nghiệp

Mục tiêu của môn học là giúp các bạn học viên lấp những lỗ hổng về kiến thức và kỹ năng mềm nhằm nâng cao tỉ lệ học viên pass phỏng vấn vào doanh nghiệp mà mình mong muốn.

Trong phần đầu tiên, chúng ta sẽ bắt đầu với cách cài đặt IDE và các tiện ích đi kèm, các kỹ năng cần thiết để phát triển khả năng viết code, tư duy giải quyết vấn đề, công cụ quản lý phiên bản Git và cách sử dụng phương pháp quản lý công việc Kanban với Trello.

Tiếp đó, trong phần thứ hai, chúng ta sẽ được học các kiến thức nền tảng về kỹ thuật phần mềm như quy trình xây dựng phần mềm, vẽ lưu đồ và quy trình, UML Diagram với draw.io.

Ở phần ba, bạn sẽ được tìm hiểu về các nền tảng Free Hosting mà bạn có thể sử dụng để triển khai dự án của mình, công cụ Shell và giao diện dòng lệnh, kiến thức cơ bản về mô hình Agile.

Mục tiêu môn học

Sau khi học xong môn này, học viên sẽ đạt được các chuẩn kiến thức, kỹ năng đầu ra như sau:

Nắm được các kỹ năng để trở thành một lập trình viên hoàn thiện

Hiểu quy trình xây dựng phần mềm

Hiểu về phương thức phát triển phần mềm Agile

Biết cách viết CV và sẵn sàng cho phỏng vấn

Để bắt đầu, các bạn nên dành một vài phút khám phá môn học và cấu trúc chung. Môn học sẽ có 4 phần với 13 bài học. Để việc học tập được hiệu quả, hãy luôn trau dồi kiến thức, không ngừng học hỏi, nghiên cứu và lập cho mình một kế hoạch học tập hợp lý để hoàn thành khóa học một cách xuất sắc.

3. Đội ngũ xây dựng khoá học

Khóa học được xây dựng và thẩm định bởi các chuyên gia hàng đầu về giảng dạy và làm việc trong lĩnh vực Data Science tại Việt Nam, bao gồm:

3.1 Đội ngũ xây dựng chương trình:

 

Trưởng nhóm VŨ THƯƠNG HUYỀN Data Scientist tại FPT Software – Thạc sĩ ngành Công nghệ phần mềm, ĐHCN, ĐHQG HN
TS. TRẦN HỒNG VIỆT Tiến sỹ Khoa học máy tính,
Bảo vệ luận án Tiến sỹ về AI tại ĐHCN, ĐHQG HN
NGUYỄN HẢI NAM Trưởng nhóm R&D tại công ty Asilla Jp.
Thạc sĩ ngành Khoa học Máy tính,
Đại học Cassino, Itally.

3.2 Đội ngũ đánh giá và thẩm định chương trình: 

PGS. TS. TỪ MINH PHƯƠNG Trưởng khoa CNTT, Học viện CNBCVT
TS. NGUYỄN VĂN VINH Chuyên gia về Trí Tuệ Nhân Tạo,
Giảng viên ĐHCN, ĐHQG HN

TS. ĐẶNG HOÀNG VŨ Tiến sỹ Toán Đại học Cambridge, Anh
Giám đốc Khoa học FPT
TS. TRẦN THẾ TRUNG Viện trưởng Viện   CNTT, Đại học FPT

>>> Đăng ký ngay khóa học tại đây:

Cơ hội nghề nghiệp

Sau khi hoàn thành chứng chỉ, học viên sẽ có cơ hội:

● Gia nhập các công việc liên quan đến Data Science tại các công ty công nghệ của Việt Nam như FPT Software, FPT AI, các start-up công nghệ AI, …
● Đảm nhiệm vị trí phân tích dữ liệu (Data Analyst) trong lĩnh vực tài chính, ngân hàng, marketing….
● Tham gia các vị trí trong dự án phát triển hệ thống AI cho các doanh nghiệp lớn.
● Học viên có thể làm vị trí Kỹ sư dữ liệu tại các công ty cần thu thập, lưu trữ và xử lý dữ liệu.

  • Tầng 0, tòa nhà FPT, 17 Duy Tân, Q. Cầu Giấy, Hà Nội
  • info@funix.edu.vn
  • 0782313602 (Zalo, Viber)        
Chat Button
Chat với FUNiX GPT ×

yêu cầu gọi lại

error: Content is protected !!