Jupyter cho Đội ngũ Khoa học Dữ liệu Khóa Học Đào Tạo

Khám phá các phương pháp thực tiễn trong lĩnh vực Khoa học Dữ liệu và Trí tuệ Nhân tạo (AI) sử dụng Python. Khóa học giúp trang bị cho người học kỹ năng khai thác dữ liệu, xây dựng các mô hình học máy và triển khai các ứng dụng hỗ trợ ra quyết định trong bối cảnh doanh nghiệp. Nội dung bao gồm quy trình CRISP-DM, phân tích thống kê, học có giám sát và không giám sát, học sâu với Tensorflow, xử lý ngôn ngữ tự nhiên, xử lý dữ liệu lớn với Spark và kỹ thuật kể chuyện dựa trên dữ liệu. Đây là lựa chọn lý tưởng cho người mới bắt đầu nhằm lấy chứng nhận khoa học dữ liệu Python và chuẩn bị hành trang cho sự nghiệp phân tích dữ liệu.

Khóa học trực tiếp, trực tuyến hoặc tại chỗ, được thiết kế cho các tham gia có trình độ trung cấp muốn tự động hóa và quản lý các luồng công việc học máy, bao gồm đào tạo mô hình, xác thực và triển khai bằng Apache Airflow.

Sau khi hoàn thành khóa học, các tham gia sẽ có khả năng:

• Cài đặt Apache Airflow cho việc điều phối luồng công việc học máy.
• Tự động hóa các nhiệm vụ tiền xử lý dữ liệu, đào tạo mô hình và xác thực.
• Tích hợp Airflow với các khung học máy và công cụ.
• Triển khai mô hình học máy bằng các luồng tự động hóa.
• Theo dõi và tối ưu hóa các luồng công việc học máy trong sản xuất.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các nhà khoa học dữ liệu muốn sử dụng hệ sinh thái Anaconda để thu thập, quản lý và triển khai các gói và quy trình phân tích dữ liệu trên một nền tảng duy nhất.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Cài đặt và cấu hình các thành phần và thư viện Anaconda.
• Hiểu các khái niệm, tính năng và lợi ích cốt lõi của Anaconda.
• Quản lý các gói, môi trường và kênh bằng Anaconda Navigator.
• Sử dụng các gói Conda, R và Python cho khoa học dữ liệu và học máy.
• Tìm hiểu một số trường hợp sử dụng thực tế và kỹ thuật quản lý nhiều môi trường dữ liệu.

Khóa học trực tiếp được giảng dạy (trực tuyến hoặc tại cơ sở) được hướng tới những nhà khoa học dữ liệu và phân tích dữ liệu trung cấp muốn sử dụng AWS Cloud9 để tối ưu hóa các luồng làm việc khoa học dữ liệu.

Đến cuối khóa học, các thí sinh sẽ có thể:

• Cài đặt môi trường khoa học dữ liệu trong AWS Cloud9.
• Thực hiện phân tích dữ liệu bằng Python, R và Jupyter Notebook trong Cloud9.
• Tích hợp AWS Cloud9 với các dịch vụ dữ liệu AWS như S3, RDS và Redshift.
• Sử dụng AWS Cloud9 cho phát triển và triển khai mô hình học máy.
• Tối ưu hóa các luồng làm việc dựa trên đám mây cho phân tích và xử lý dữ liệu.

Khóa huấn luyện trực tiếp do giáo viên hướng dẫn này tại Việt Nam (trực tuyến hoặc tại chỗ) nhằm vào các nhà khoa học dữ liệu và chuyên gia CNTT cấp sơ cấp, mong muốn học cơ bản về khoa học dữ liệu sử dụng Google Colab.

Đến cuối khóa huấn luyện, người tham gia sẽ có thể:

• Thiết lập và điều hướng Google Colab.
• Viết và thực thi mã Python cơ bản.
• Nhập và xử lý dữ liệu.
• Tạo trực quan hóa sử dụng thư viện Python.

This course is meant for Marketing Sales Professionals who are intending to get deeper into application of data science in Marketing/ Sales. The course provides
detailed coverage of different data science techniques used for “upsale”, “cross-sale”, market segmentation, branding and CLV.

Difference of Marketing and Sales - How is that sales and marketing are different?

In very simplewords, sales can be termed as a process which focuses or targets on individuals or small groups. Marketing on the other hand targets a larger group or the general public. Marketing includes research (identifying needs of the customer), development of products (producing innovative products) and promoting the product (through advertisements) and create awareness about the product among the consumers. As such marketing means generating leads or prospects. Once the product is out in the market, it is the task of the sales person to persuade the customer to buy the product. Sales means converting the leads or prospects into purchases and orders, while marketing is aimed at longer terms, sales pertain to shorter goals.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các nhà khoa học dữ liệu và nhà phát triển muốn học hỏi và xây dựng sự nghiệp của họ trong Data Science bằng cách sử dụng Kaggle.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Tìm hiểu về khoa học dữ liệu và học máy.
• Khám phá phân tích dữ liệu.
• Tìm hiểu về Kaggle và cách thức hoạt động của nó.

KNIME Analytics Platform là một lựa chọn nguồn mở hàng đầu cho sự đổi mới dựa trên dữ liệu, giúp bạn khám phá tiềm năng ẩn chứa trong dữ liệu của mình, khai thác những cái nhìn mới mẻ hoặc dự đoán các tương lai mới. Với hơn 1000 mô-đun, hàng trăm ví dụ sẵn sàng chạy, phạm vi công cụ tích hợp toàn diện và sự lựa chọn đa dạng nhất về các thuật toán tiên tiến, KNIME Analytics Platform là hộp dụng cụ hoàn hảo cho bất kỳ nhà khoa học dữ liệu hay nhà phân tích kinh doanh nào.

Khóa học này về KNIME Analytics Platform là cơ hội lý tưởng dành cho người mới bắt đầu, người dùng nâng cao và chuyên gia KNIME để được giới thiệu về KNIME, học cách sử dụng nó hiệu quả hơn và cách tạo các báo cáo rõ ràng, toàn diện dựa trên quy trình làm việc của KNIME.

Khóa huấn luyện trực tiếp do giáo viên hướng dẫn (trực tuyến hoặc tại địa điểm) này nhằm vào các chuyên gia dữ liệu mong muốn sử dụng KNIME để giải quyết nhu cầu kinh doanh phức tạp.

Nó nhắm đến đối tượng không biết lập trình và có ý định sử dụng các công cụ tiên tiến để triển khai các kịch bản phân tích.

Sau khóa huấn luyện này, người tham gia sẽ có thể:

• Cài đặt và cấu hình KNIME.
• Xây dựng các kịch bản Khoa Học Dữ Liệu
• Đào tạo, thử nghiệm và kiểm chứng mô-đun
• Triển khai chuỗi giá trị từ đầu đến cuối của các mô-đun khoa học dữ liệu

Định dạng Khóa Học

• Bài giảng tương tác và thảo luận.
• Nhiều bài tập và thực hành.
• Triển khai thực tế trong môi trường lab trực tiếp.

Tùy chỉnh Khóa Học

• Để yêu cầu khóa huấn luyện tùy chỉnh cho khóa học này hoặc để biết thêm thông tin về chương trình, vui lòng liên hệ với chúng tôi để sắp xếp.

This instructor-led, live training in Việt Nam (online or onsite) is aimed at intermediate-level data analysts, developers, or aspiring data scientists who wish to apply machine learning techniques in Python to extract insights, make predictions, and automate data-driven decisions.

By the end of this course, participants will be able to:

• Understand and differentiate key machine learning paradigms.
• Explore data preprocessing techniques and model evaluation metrics.
• Apply machine learning algorithms to solve real-world data problems.
• Use Python libraries and Jupyter notebooks for hands-on development.
• Build models for prediction, classification, recommendation, and clustering.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các chuyên gia ở trình độ mới bắt đầu, những người muốn hiểu khái niệm về mô hình được huấn luyện trước và học cách áp dụng chúng để giải quyết các vấn đề thực tế mà không cần xây dựng mô hình từ đầu.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu khái niệm và lợi ích của các mô hình được huấn luyện trước.
• Khám phá các kiến trúc mô hình được huấn luyện trước khác nhau và các trường hợp sử dụng của chúng.
• Tinh chỉnh một mô hình được huấn luyện trước cho các tác vụ cụ thể.
• Triển khai các mô hình được huấn luyện trước trong các dự án học máy đơn giản.

Python là một ngôn ngữ lập trình đã và đang trở nên cực kỳ phổ biến trong ngành tài chính. Được áp dụng bởi các ngân hàng đầu tư và quỹ phòng hộ lớn nhất, Python đang được sử dụng để xây dựng một loạt các ứng dụng tài chính đa dạng, từ các chương trình giao dịch cốt lõi đến các hệ thống quản lý rủi ro.

Trong khóa đào tạo trực tiếp, do giảng viên hướng dẫn này, người tham gia sẽ học cách sử dụng Python để phát triển các ứng dụng thực tế nhằm giải quyết một số vấn đề cụ thể liên quan đến tài chính.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Hiểu các nguyên tắc cơ bản của ngôn ngữ lập trình Python
• Tải xuống, cài đặt và duy trì các công cụ phát triển tốt nhất để tạo các ứng dụng tài chính bằng Python
• Lựa chọn và sử dụng các gói và kỹ thuật lập trình Python phù hợp nhất để tổ chức, trực quan hóa và phân tích dữ liệu tài chính từ nhiều nguồn khác nhau (CSV, Excel, cơ sở dữ liệu, web, v.v.)
• Xây dựng các ứng dụng giải quyết các vấn đề liên quan đến phân bổ tài sản, phân tích rủi ro, hiệu suất đầu tư và hơn thế nữa
• Khắc phục sự cố, tích hợp, triển khai và tối ưu hóa một ứng dụng Python

Đối tượng

• Nhà phát triển
• Nhà phân tích
• Chuyên gia định lượng (Quants)

Định dạng khóa học

• Kết hợp bài giảng, thảo luận, bài tập và thực hành chuyên sâu

Lưu ý

• Khóa đào tạo này hướng đến việc cung cấp giải pháp cho một số vấn đề chính mà các chuyên gia tài chính gặp phải. Tuy nhiên, nếu bạn có một chủ đề, công cụ hoặc kỹ thuật cụ thể mà bạn muốn bổ sung hoặc làm rõ thêm, vui lòng liên hệ với chúng tôi để sắp xếp.

Khóa học trực tiếp của giáo viên (trực tuyến hoặc trực tiếp tại cơ sở) này được hướng dẫn cho các nhà khoa học dữ liệu và nhà phát triển muốn sử dụng RAPIDS để xây dựng các pipeline, luồng làm việc, và hình ảnh trực quan được tăng tốc bởi GPU, áp dụng các thuật toán học máy như XGBoost, cuML, và các thuật toán khác.

Đến cuối khóa học này, các tham gia sẽ có thể:

• Cài đặt môi trường phát triển cần thiết để xây dựng các mô hình dữ liệu với NVIDIA RAPIDS.
• Hiểu về các tính năng, thành phần, và lợi ích của RAPIDS.
• Tận dụng GPU để tăng tốc các pipeline dữ liệu và phân tích dữ liệu từ đầu đến cuối.
• Thực hiện chuẩn bị dữ liệu và ETL được tăng tốc bởi GPU với cuDF và Apache Arrow.
• Học cách thực hiện các tác vụ học máy với các thuật toán XGBoost và cuML.
• Xây dựng hình ảnh trực quan dữ liệu và thực hiện phân tích đồ thị với cuXfilter và cuGraph.