Python phân tích xử lý dữ liệu

Đối tượng tham gia khóa học

  • Sinh viên các trường kinh tế, tài chính,…liên quan đến lĩnh vực phân tích dữ liệu
  • Sinh viên Non IT có thiên hướng làm công nghệ thông tin tại tất cả các trường đại học, cao đẳng tại các ngành nghề
  • Đối tượng đi làm tại các doanh nghiệp, vị trí đã và đang làm mảng phân tích dữ liệu, phân tích dữ liệu trên nền tảng Big data
  • Chú ý cần dành tối thiểu mỗi ngày 3 tiếng để xem lại bài học và lập trình bài tập về nhà. Đây không phải lớp hội thảo chỉ nghe lý thuyết mà không thực hành. Thực hành 100% !

Điểm nổi bật của khóa học:

  • Khoá học dành cho người chưa biết gì về lập trình 
  • 6 buổi đầu học ngôn ngữ Python căn bản
  • 12 buổi tiếp theo học ứng dụng Python vào công việc thực tế: Xử lý, phân tích dữ liệu, đọc ghi file CSV, Excel, CSDL quan hệ, xuất đồ thị
  • Khóa học chỉ kéo dài trong 18 buổi tuy nhiên vẫn đảm bảo cung cấp đủ lượng kiến thức cho sinh viên
  • Sinh viên được chấm, chữa bài tỉ mỉ
  • Sinh viên được cung cấp bài giảng trực tuyến vĩnh viễn bao gồm slides, videos.
  • Được thầy cô giải đáp thắc mắc trên nhóm zalo ngoài giờ học offline

Khoá học tiếp theo 

Khoá học Big Data Spark 14 buổi https://bigdata.techmaster.vn/

Giáo trình
0. Giới thiệu ngôn ngữ Python
  • Giới thiệu tổng quan về Python
  • Cài đặt Python trên MacOS, Linux, Windows
  • Cài đặt IDE
  • Lập trình Python trên trình duyệt
1. Python căn bản
  • Biến, kiểu dữ liệu cơ bản
  • Mutable vs Immutable
  • Các phương thức với kiểu dữ liệu cơ bản
  • Các loại toán tử cơ bản
2. Cấu lệnh điều kiện
  • Khối lệnh (block code), pass
  • Câu lệnh điều kiện if else
  • Toán tử điều kiện
  • Toán tử 3 ngôi
3. Vòng lặp
  • Iterable
  • Vòng lặp for
  • Phương thức range()
  • Vòng lặp while
  • Câu lệnh break, continue, else
4. Hàm
  • Khai báo hàm
  • Ghi chú kiểu dữ liệu, docstring
  • Các loại hàm, câu lệnh return
  • Variable Scope
  • Tham số mặc định, keywork arguments
  • *args, **kwargs
5. Exception
  • Debug
  • Các loại lỗi trong chương trình
  • Xử lý lỗi với try except
6. Giới thiệu về DataScience, lập trình Python
  • Cài đặt Anaconda
  • Kiểm tra năng lực lập trình học viên
  • Lập trình Python trên trình duyệt
  • Giới thiệu DataScience
7. Jupyter Notebook/Lab
  • Module, virtual environment, pip
  • Cài đặt và cấu hình Jupyter Notebook
  • Google Colaboratory
  • Hàm trong Python
  • Đáp án và source code
  • Markdown Text: cách sử dụng, cú pháp
8. Cấu trúc dữ liệu cơ bản
  • String và nhóm hàm, phương thức liên quan đến String
  • Datetime và nhóm các hàm, phương thức liên quan
  • Kiểu dữ liệu List và nhóm hàm, phương thức liên quan
  • Kiểu dữ liệu Tuple và nhóm hàm, phương thức liên quan
  • Kiểu dữ liệu Dictionary và nhóm hàm, phương thức liên quan
  • Kiểu dữ liệu Sets và nhóm hàm, phương thức liên quan
  • Đáp án và source code
9. Numpy - đại số tuyến tính
  • Ndarray: mảng một chiều, hai chiều, đa chiều, indexing, slicing, data type, operation
  • Đáp án và source code
  • List Comprehension
  • Thao tác trên Ndarray: statistical, sorting, set operation, broadcasting
10. Số liệu thống kê (statistics) cơ bản
  • Tính tập trung và phân tán
  • Tính độ tương đồng giữa 2 ảnh
  • Đáp án & Source Codes
11. Xử lý dữ liệu với Pandas
  • Pandas cơ bản: DataFrames
  • Đáp án và Source Code
  • Lambda function: Map, Apply
  • Grouping, Sorting, Combining
12. Pandas (tt)
  • Làm việc với Timestamps và việc thiếu dữ liệu
  • Tổng hợp dữ liệu từ nhiều nguồn với merge, join và concat
  • Đáp án
13. Data Visualization with Matplot Lib & Các thư viện khác
  • Seaborn trên nền Matplotlib
  • Hai cách tiếp cận vẽ đồ thị
  • Cài đặt Matplotlib và cấu trúc Plot
  • Thực hành các loại Charts
14. Đồ thị tương tác với Plotly
  • Interactive chart với Plotly
  • Plotly Express
  • Altair và Declarative Data Visualization
15. Data Collection: Web Scraping
  • Data Cleaning with Regular Expression
  • Image Scraping from Google Image
  • Đọc và xử lý dữ liệu với numpy
  • Text scraping with BeautifulSoup
16. Tương tác với CSDL trong Python
  • SQL, BigData và BigQuery
  • Đáp án
  • SQL Basic to Advanced
17. Ứng dụng thực tế TimeSeries
  • Phân tích TimeSeries: dự báo giá trị công ty đại chúng TESLA vs General Motor
  • Giới thiệu dữ liệu TimeSeries
  • Một vài phương pháp lý thuyết phân tích TimeSeries
18. Hồi quy tuyến tính (LinearRegression)
  • LinearRegression trong Statmodels và sklearn
  • Giới thiệu
  • Các ứng dụng trong thực tế
19. Ứng dụng thực tế Nhận dạng ảnh
  • Giới thiệu về Machine Learning, Neural Network
  • Nhận dạng 1000 catalog ảnh với Pretrained ResNet50
Python phân tích xử lý dữ liệu
4900000đ
18 buổi thực hành tại phòng lab
Đánh giá
4.5 sao
10 người đánh giá
Nguyễn Mạnh Hà
Nguyễn Mạnh Hà
Thời gian ko nhiều, nhưng qua khóa học, học viên có thể thu được khá nhiều kiến thức bổ ích, đúng mục tiêu của khóa học. Thầy giáo nhiệt tình, phương pháp dạy phù hợp, bài học dễ hiểu, mang tính gợi mở cao.
Dang Tuan Khang
Dang Tuan Khang
Thầy giáo rất nhiệt tình, giới thiệu được nhiều kiến thức để sử dụng trong thực tiễn trong thời gian ngắn, chia sẻ nhiều case, bài tập thực tế .
Le Dinh Son
Le Dinh Son
OK
Đặng Lê Minh
Đặng Lê Minh
Hy vọng sẽ tiếp tục có khóa nâng cao
Tào Thái Minh
Tào Thái Minh
Được dạy kiến thức căn bản và kỹ năng lập trình cần thiết để học lên BigData và Machine Learning. Mình học Ngoại Thương !
Trước
Sau
Gói học phí
Bạn có thắc mắc
Nhận hỗ trợ
Để lại thông tin, chúng tôi sẽ liên hệ với bạn
Đóng trọn gói
4900000đ
Học viên hoàn thành học phí trong một lần