THÀNH THẠO XỬ LÝ DỮ LIỆU VỚI PYTHON TỪ SỐ 0 - 2024

+ Xem thêm

Tổng quan khóa học

Nếu bạn đang có nhu cầu hoặc băn khoăn trong việc:

Trang bị kiến thức xử lý dữ liệu lớn để làm các công việc Data Analyst, Data Scientist, Business Analyst,...
Sinh viên hoặc người đi làm muốn xử lý dữ liệu để phục vụ cho các đồ án, dự án cá nhân.
Lập trình viên, nhà phân tích hệ thống... muốn mở rộng kỹ năng phân tích dữ liệu bằng việc sử dụng Python
Người làm việc trong lĩnh vực kinh doanh, tài chính cần kiến thức kỹ năng dữ liệu, trực quan hóa dữ liệu bằng biểu đồ, xây dựng model để dự đoán trong ngữ cảnh về tài chính, kinh doanh.
Hoặc bạn là bất cứ ai đang cần kiến thức về việc ứng dụng ngôn ngữ Python trong việc xử lý dữ liệu.

Đừng lo lắng, khóa học Xử lý dữ liệu như một data analyst với Python từ số 0 trong 9 ngày - 2023 đầy đủ nhất về xử lý dữ liệu với Python mà bạn có thể tìm thấy trên internet!

Với hơn 80 videos bài giảng, được đúc kết từ những kiến thức làm việc thực tế với vai trò là Data Scientist và đã được giảng dạy cho hàng trăm học viên, kể cả online và offline, mình tin rằng đây là sẽ một khóa học chi tiết nhất và thực tiễn nhất dành cho bạn để trả lời cho những băn khoăn phía trên của bạn.

Đặc biệt, khóa học được thiết kế cho tất cả mọi người, mọi trình độ đều có thể đi vào hành trình chinh phục xử lý dữ liệu bằng Python một cách dễ dàng. Được chia làm 9 học phần tương ứng với 9 ngày học xuyên suốt từ những thứ cơ bản nhất đến việc thành thạo xử lý dữ liệu với Python, mỗi ngày bạn chỉ cần bỏ ra khoảng 2 tiếng và sau 9 ngày, bạn sẽ thành thạo một bộ kỹ năng sẽ giúp bạn nổi bật trước mắt các nhà tuyển dụng như sau:

Thành thạo việc sử dụng Python vào các dự án về Data Analysis hay Machine learning.
Thoải mái biến đổi, xử lý dữ liệu lớn theo mong muốn cá nhân với Pandas.
Thực hành các kỹ thuật làm sạch dữ liệu + Hiểu được Outlier, cách xác định outlier và xử lý chúng.
Thành thạo trực quan hóa dữ liệu với thư viện Matplotlib và Seaborn từ đó dễ dàng tìm insight từ dữ liệu.
Được thực hành trên dữ liệu thực tế + Hiểu được luồng làm việc để xây dựng được một model Machine Learning.
Học về Numpy tối ưu hóa việc xử lý dữ liệu số.
Ngoài ra, trong khóa học còn có lồng ghép các case study thú vị trong việc ứng dụng sức mạnh của dữ liệu trong doanh nghiệp, giúp làm giàu kiến thức thực tiễn cho các bạn.
... Và còn nhiều điều thú vị khác nữa!

Nào! Hãy bắt đầu tham gia hành trình chinh phục việc Thành thạo Xử lý dữ liệu với Python này trong vòng 9 ngày này nhé!

Cám ơn bạn!

Bạn sẽ học được gì?

Thành thạo trong việc xử lý, biến đổi, làm sạch dữ liệu với Pandas và Python.
Dễ dàng trực quan hóa dữ liệu và tìm insight với Matplotlib và Seaborn.
Được học thêm về các case study thực tiễn.
Học và thực hành trên các data thực tế.
Nắm bắt cơ hội nghề nghiệp trong lĩnh vực Data Analyst, Data Scientist và Business Analyst.
Hiểu và thực hành quy trình xây dựng model Machine Learning: Linear Regression và Logistic Regression.

Nội dung khóa học

84 Bài học 00:00:00 Hours

Phần 1: Giới thiệu về Python

9 Bài học 00:00:00 Hours

Bài 1: Welcome to class & Câu chuyện tập đoàn TARGET
Học thử .
Bài 2: Cài đặt Vscode, Anaconda
.
Bài 3: Lưu ý nhỏ về khóa học
Học thử .
Bài 4: Làm việc với số và biến
Học thử .
Bài 5: Làm việc với chuỗi
.
Bài 6: Indexing và Slicing cho chuỗi
.
Bài 7: String functions
.
Bài 8: Toán tử so sánh & hàm Input
.
Bài 9: Giải bài tập buổi 1
.

Phần 2: Buil-in Data Structure & Control Flow Statements

9 Bài học 00:00:00 Hours

Bài 10: List & List Indexing, Slicing
.
Bài 11: List functions
.
Bài 12: Dictionary
.
Bài 13: Thử thách cho bạn
.
Bài 14: Tuple và Set
.
Bài 15: Câu điều kiện if-else
.
Bài 16: Vòng lặp For
.
Bài 17: Vòng lặp While và Break, Continue, Pass
.
Bài 18: Giải bài tập buổi 2
.

Phần 3: Control Flow Statements (tiếp theo) và Function

9 Bài học 00:00:00 Hours

Bài 19: Slide - Câu chuyện về công ty Blue Apron
.
Bài 20: Hàm Zip & In, Not In
.
Bài 21: Thư viện random & hàm Join
.
Bài 22: List comprehensive
.
Bài 23: Function
.
Bài 24: Bài tập nhỏ
.
Bài 25: Hàm ẩn danh Lambda
.
Bài 26: Sử dụng Try, Except để xử lý lỗi
.
Bài 27: Giải bài tập buổi 3
.

Phần 4: Xử lý dữ liệu lớn với Pandas

16 Bài học 00:00:00 Hours

Bài 28: Slide - giới thiệu về Pandas
.
Bài 29: Xem tổng quan dữ liệu
.
Bài 30: Chọn Trường & Filter
.
Bài 31: Hàm Loc
.
Bài 32: Hàm Iloc
.
Bài 33: Các Aggregation function
.
Bài 34: Nối (Concat) nhiều dataframe
Học thử .
Bài 35: Merge
.
Bài 36: Các phép toán với trường & save file
.
Bài 37: Group by
.
Bài 38: Pivot table
.
Bài 39: Apply
.
Bài 40: Làm việc với Time series
.
Bài 41: Giải bài tập buổi 4 - Restaurant lab
.
Bài 42: Giải bài tập buổi 4 - Titanic lab
.
Bài 43: Giải bài tập buổi 4 - Titanic for fun
.

Phần 5: Làm sạch dữ liệu với Pandas

7 Bài học 00:00:00 Hours

Bài 44: Chuyển đổi kiểu dữ liệu cho các trường dữ liệu
.
Bài 45: Làm việc với thiếu dữ liệu - phần 1
.
Bài 46: Làm việc với thiếu dữ liệu - phần 2
.
Bài 47: Làm việc với thiếu dữ liệu - phần 3
.
Bài 48: Làm việc với dữ liệu bị lặp
.
Bài 49: Outlier và cách xác định outlier bằng phương pháp IQR
.
Bài 50: Giải bài tập buổi 5 - Kickstarter lab
.

Phần 6: Trực quan hóa dữ liệu với Matplotlib và Seaborn

9 Bài học 00:00:00 Hours

Bài 51: Slide - Tại sao chúng ta cần phải Trực quan hóa dữ liệu?
Học thử .
Bài 52: Chart đầu tiên
.
Bài 53: Chart thứ 2 và chỉ số Pearson
.
Bài 54: Chart thứ 3 và bar label
.
Bài 55: Chart thứ 4
.
Bài 56: Vẽ nhiều chart với hàm subplot
.
Bài 57: Vẽ nhiều kiểu biểu đồ trên một chart với hàm twinx
.
Bài 58: Thay đổi style biểu đồ & hàm Plot
.
Bài 59: Giải bài tập buổi 6 - Bicycle lab
.

Phần 7: Numpy

10 Bài học 00:00:00 Hours

Bài 60: Slide - Cách làm giàu bằng lý thuyết thống kê
.
Bài 61: Giới thiệu về numpy và tạo mảng đơn giản
.
Bài 62: Concatenate & Reshape mảng
.
Bài 63: Thêm chiều cho mảng
.
Bài 64: Transposing, Indexing, slicing
.
Bài 65: Filter & các phép toán với mảng
.
Bài 66: Phép tích vô hướng & Phép nhân ma trận
.
Bài 67: Aggregate functions
.
Bài 68: Broadcasting
.
Bài 69: Giải bài tập buổi 7
.

Phần 8: Machine learning với model Linear Regression

7 Bài học 00:00:00 Hours

Bài 70: Slide - Machine learning là gì?
.
Bài 71: Model Linear Regression
.
Bài 72: Case 1: Train model với một feature
.
Bài 73: Case 2: Train model với nhiều feature
Học thử .
Bài 74: Case 3: Sử dụng MinMaxScaler
.
Bài 75: Case 4: Polinomial Feature - phần 1
.
Bài 76: Case 4: Polinomial Feature - phần 2 & Bài tập buổi 8
.

Phần 9: Machine learning với model Logistic Regression

6 Bài học 00:00:00 Hours

Bài 77: Pre-processing data
.
Bài 78: Model Logistic Regression
.
Bài 79: Train model
.
Bài 80: Đánh giá hiệu suất model Classification
.
Bài 81: Cải thiện model & Phương pháp Oversampling với SMOTE & Bài tập buổi 9
.
Bài 82: Bonus & Lời chào
Học thử .

Phần 10: Update 2024

2 Bài học 00:00:00 Hours

Bài 83: Đánh giá hiệu suất nhiều Model Machine Learning cùng lúc
.
Bài 84: Share tài liệu Cách viết CV chuyên nghiệp và 164 câu hỏi phỏng vấn DA, DE, DS
.