Phân tích Dữ liệu với Python
Phân tích Dữ liệu với Python
Xin chào các bạn!
Là một phần quan trọng trong Chứng chỉ Khoa học dữ liệu, môn học thứ hai sẽ giới thiệu tới các bạn những kiến thức cơ bản về sử dụng SQL để truy cập dữ liệu, trực quan hóa dữ liệu và khám phá phân tích dữ liệu (exploratory data analysis – EDA).
Phân tích dữ liệu là một quá trình nhận vào dữ liệu thô và chuyển đổi nó thành thông tin hữu ích cho việc ra quyết định của người dùng. Trên thế giới dữ liệu cần để làm đầu vào cho việc phân tích phần lớn được lưu trong cơ sở dữ liệu. Trích xuất dữ liệu từ cơ sở dữ liệu bằng SQL là một kỹ thuật quan trọng bạn phải học nếu bạn muốn trở thành một nhà khoa học dữ liệu. Sau đó, dữ liệu thu được ban đầu phải được xử lý hoặc tổ chức và làm sạch để phân tích. Khóa học này hứa hẹn sẽ mang đến cho bạn kiến thức về sắp xếp dữ liệu và khám phá dữ liệu bằng cách sử dụng thư viện trong Python như Numpy và Pandas.
Một trong những kỹ năng chính của một nhà khoa học dữ liệu là khả năng kể câu chuyện bằng dữ liệu, trực quan hóa dữ liệu giúp cho người theo hứng thú và dễ tiếp cận. Các kỹ thuật khác nhau với ứng dụng Tableau sẽ được đưa ra để giúp bạn trình bày dữ liệu một cách trực quan nhất. Ngoài ra, khóa học này sẽ cung cấp cho bạn các kỹ năng cần thiết để tận dụng dữ liệu nhằm tìm ra những hiểu biết có giá trị và thúc đẩy sự nghiệp của bạn.
Chúc các bạn học tốt!
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 tổng quát về SQL, áp dụng câu lệnh SQL từ cơ bản đến nâng cao để truy vấn dữ liệu.
- Thành thạo các thao tác làm việc với dữ liệu trên Python với Pandas: Tổng hợp và làm sạch dữ liệu, xử lý dữ liệu bị thiếu.
- Nắm được các bước/quy trình và kỹ thuật thường được sử dụng trong phân tích dữ liệu thăm dò - EDA: ANOVA, Chi-Square, Correlation.
- Hiểu trực quan hóa dữ liệu và thực hành với Matplotlib, Seaborn và Plotly trên Python.
- Áp dụng các phương pháp trực quan hóa dữ liệu cơ bản với Tableau để nâng cao khả năng kể chuyện bằng dữ liệu.
TRẢI NGHIỆM HỌC TẬP
Để bắt đầu, các bạn nên dành một vài phút khám phá môn học và cấu trúc chung. Môn học sẽ có 5 phần với 15 bài học. Xuyên suốt các bài học và cuối mỗi học phần, các bài thực hành Lab và bài tập lớn (Project) sẽ giúp các bạn tăng cường việc ghi nhớ và vận dung lý thuyết đã học vào các bài toán thực tế. 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.
Trong thời gian học (dự kiến là 6 tuần), việc phân bổ tuần học là rất quan trọng. Nếu các bạn có bất cứ câu hỏi nào hãy kết nối với Mentor để được giải đáp.
CẤU TRÚC MÔN HỌC
Phần 1: Khái niệm phân tích dữ liệu
- Bài 1: Đặt câu hỏi đúng
Phần 2: Cơ sở dữ liệu và SQL cho Khoa học Dữ liệu
- Bài 2: Giới thiệu về Cơ sở dữ liệu và SQL Cơ bản
- Lab 1: SQL cơ bản
- Bài 3: SQL nâng cao
- Lab 2: SQL nâng cao
- Bài 4: Truy cập cơ sở dữ liệu bằng Python
- Lab 3: Làm việc với Cơ sở dữ liệu
Project 1 - Truy xuất và phân tích dữ liệu bóng đá châu Âu
Phần 3: Phân tích dữ liệu với Python
- Bài 5: Làm việc với dữ liệu
- Lab 4: Thao tác dữ liệu bằng gấu trúc
- Bài 6: Phân tích dữ liệu thăm dò
- Lab 5: EDA trong vấn đề dự đoán giá
Phần 4: Trực quan hóa dữ liệu với Python
- Bài 7: Giới thiệu về Trực quan hóa Dữ liệu
- Bài 8: Các công cụ trực quan hóa cơ bản
- Lab 6: Matplotlib cơ bản
- Bài 9: Công cụ trực quan hóa nâng cao
- Lab 7: Hình ảnh hóa nâng cao với Python
- Bài 10: Hình ảnh tương tác với Plotly
- Lab 8: Thực hành với Plotly
Project 2 - Phân tích dữ liệu Covid-19
Phần 5: Trực quan hóa dữ liệu với Tableau
- Bài 11: Giới thiệu về Tableau
- Bài 12: Hình dung cơ bản với Tableau
- Lab 9: Tableau cơ bản
- Bài 13: Thao tác dữ liệu động trong Tableau
- Bài 14: Trình bày trong Tableau
- Lab 10: Thao tác với dữ liệu tùy biến và trình bày trong Tableau
- Bài 15: Trực quan hóa dữ liệu và giao tiếp với Tableau
CHUYÊN GIA THIẾT KẾ VÀ PHẢN BIỆN MÔN HỌC
THIẾT KẾ MÔN HỌC: Th.S Vũ Thương Huyền
- Trình độ chuyên môn: Thạc sĩ Kỹ thuật phần mềm, Đại học Công nghệ, Đại học Quốc gia Hà Nội
- Nghề nghiệp: Senior Data Scientist
- Nơi công tác: FPT Software - FPT
- Lĩnh vực nghiên cứu: Machine learning, Deep learning, Reinforcement Learning, Natural Language Processing
- Online profile: https://www.linkedin.com/in/thuong-huyen-3969747a/
PHẢN BIỆN MÔN HỌC: T.S Đặng Hoàng Vũ
- Trình độ chuyên môn: Tiến sĩ Toán học, Đại học Cambridge
- Nghề nghiệp: Giám đốc khoa học FPT
- Nơi công tác: FPT Software - FPT
- Công việc hiện tại: Chịu trách nhiệm chính trong lĩnh vực phân tích của Platform quản lý dữ liệu và nghiên cứu khoa học dữ liệu của FPT
CHUYÊN GIA THIẾT KẾ VÀ PHẢN BIỆN KHUNG CHƯƠNG TRÌNH DS
T.S Từ Minh Phương
- Trưởng khoa CNTT, Đại học Bưu chính viễn thông (PTIT)
- Chuyên gia tư vấn công nghệ AI & machine learning
- Trưởng phòng Lab Học máy & Ứng dụng của PTIT
T.S Nguyễn Văn Vinh
- Giảng viên & thành viên cốt lõi của Phòng thí nghiệm AI, Đại học Công nghệ - VNU
- Chuyên gia tư vấn AI cho DPS, Fsoft
- Bằng tiến sĩ Khoa học máy tính, Viện Khoa học và Công nghệ tiên tiến Nhật Bản
- Cử nhân CNTT, Đại học Công nghệ, VNU
T.S Trần Thế Trung
- Viện trưởng Viện nghiên cứu công nghệ FPT, Đại học FPT
- Thạc sĩ Vật lý thiên văn, Đại học Pierre & Marie Curie
- Bằng tiến sĩ Khoa học máy tính, Viện Khoa học và Công nghệ tiên tiến Nhật Bản
- Cử nhân Vật lý lý thuyết và Toán học, Đại học Melbourne
NGUỒN HỌC LIỆU
Trong thời đại hiện nay, mỗi môn học đều có nhiều nguồn tài liệu liên quan kể cả sách in và online, FUNiX Way không quy định một nguồn học liệu cụ thể mà khuyến cáo để học viên chọn được nguồn phù hợp nhất cho mình. Trong quá trình học từ nhiều nguồn khác nhau theo lựa chọn cá nhân đó, khi sinh viên phát sinh câu hỏi thì sẽ được kết nối nhanh nhất với mentor để được giải đáp. Toàn bộ phần đánh giá bao gồm các câu hỏi trắc nghiệm, bài tập, dự án và thi vấn đáp do FUNiX thiết kế, xây dựng và thực hiện.
Các môn học của FUNiX không quy định bắt buộc tài liệu học tập, sinh viên có thể chủ động tìm và học từ bất kỳ nguồn nào phù hợp, kể cả sách in hay nguồn học liệu online (MOOC) hay các website. Việc sử dụng các nguồn đó do học viên chịu trách nhiệm và đảm bảo tuân thủ các chính sách của chủ sở hữu nguồn, trừ trường hợp họ có sự hợp tác chính thức với FUNiX. Nếu cần hỗ trợ, học viên có thể liên hệ phòng đào tạo FUNiX để được hướng dẫn.
Dưới đây là một số nguồn học liệu của môn học mà học viên có thể tham khảo sử dụng. Việc liệt kê nguồn dưới đây không nhất thiết hàm ý rằng FUNiX có sự hợp tác chính thức với chủ sở hữu của nguồn: Coursera, tutorialspoint, edX Training, or Udemy.
KÊNH PHẢN HỒI
FUNiX sẵn sàng đón nhận và trao đổi về mọi ý kiến góp ý, phản hồi liên quan đến học liệu qua email program@funix.edu.vn