• Hiểu các khái niệm liên quan đến nền tảng của khoa học dữ liệu
• Nắm được giải pháp khoa học dữ liệu trong thực tiễn
• Tìm hiểu ứng dụng của khoa học dữ liệu đối với đời sống, xã hội, con người
• Hiểu các lĩnh vực khác liên quan đến khoa học dữ liệu
• Nắm được các phẩm chất quan trọng của một nhà khoa học dữ liệu
• Nắm được các kỹ năng cần thiết đối với một nhà khoa học dữ liệu
• Tìm hiểu cấu trúc báo cáo của một dự án và cách truyền tải nội dung đến người đọc
• Nắm được thông tin tổng hợp về lĩnh vực khoa học dữ liệu
• Biết các công cụ phổ biến của nhà khoa học dữ liệu và thực hành với Jupyter Notebook

Tìm hiểu khoa học dữ liệu là gì và nền tảng của nó, sau đó khám phá các lĩnh vực liên quan và những phẩm chất cần phát triển để trở thành một nhà khoa học dữ liệu.

Sau bài học này, bạn sẽ:

• Giải thích được khoa học dữ liệu
• Hiểu được nền tảng của khoa học dữ liệu
• Nắm được các phẩm chất cần thiết của một nhà khoa học dữ liệu

• QuizQuiz Bài 1Có chấm điểmĐã có

Tìm hiểu tác động của khoa học dữ liệu đối với con người, tổ chức và xã hội, các kỹ năng để trở thành nhà khoa học dữ liệu, cách kể chuyện bằng dữ liệu và cách thiết kế báo cáo.

Sau bài học này, bạn sẽ:

• Hiểu tác động của khoa học dữ liệu, kể cả việc giúp con người vượt qua nguy cơ thảm họa tự nhiên
• Biết cách để trở thành một nhà khoa học dữ liệu
• Nắm kỹ năng phân tích và vai trò quan trọng của nhà khoa học dữ liệu trong quá trình này

• QuizQuiz Bài 2Có chấm điểmĐã có

Làm quen với các công cụ phổ biến của nhà khoa học dữ liệu và thực hành với Jupyter Notebook: tạo notebook, chạy code, thêm văn bản và hình ảnh.

Sau bài học này, bạn sẽ:

• Nắm được các công cụ được sử dụng phổ biến bởi các nhà khoa học dữ liệu
• Thực hành sử dụng Jupyter Notebook, kèm Lab 1 (90 phút)

• QuizQuiz Bài 3Có chấm điểmĐã có
• LabLab 1 – Jupyter NotebookĐã có

Những điểm chính cần ghi nhớ từ Bài 1 đến Bài 3:

• Khoa học dữ liệu là việc nghiên cứu dữ liệu và sử dụng dữ liệu để hiểu những chủ đề khác nhau, và hiểu thế giới.
• Nhà khoa học dữ liệu là người tìm ra giải pháp cho các vấn đề bằng cách phân tích dữ liệu lớn hoặc nhỏ, sử dụng các công cụ thích hợp cho các vấn đề liên quan.
• Lời khuyên cho các nhà khoa học dữ liệu là hãy phát huy tính hiếu kỳ, phát triển khả năng lập luận và phán đoán.
• Môi trường hỗ trợ cho việc nghiên cứu dữ liệu của các nhà khoa học dữ liệu là Jupyter Notebook.

• TestHướng dẫn và lưu ý trước khi làm bàiSắp có
• TestProgress Test 1Có chấm điểmĐã có

• Mô tả phương pháp luận là gì và tại sao các nhà khoa học dữ liệu cần một phương pháp luận
• Mô tả phương pháp luận khoa học dữ liệu và lưu đồ của nó
• Giải thích giai đoạn Hiểu biết về Business (Business Understanding) trong phương pháp luận khoa học dữ liệu
• Giải thích phương pháp thích hợp để giải quyết vấn đề trong phương pháp phân tích của phương pháp luận
• Giải thích các yêu cầu về dữ liệu trong phương pháp luận khoa học dữ liệu
• Giải thích việc thu thập dữ liệu trong phương pháp luận khoa học dữ liệu
• Giải thích ý nghĩa của việc hiểu dữ liệu, ý nghĩa của việc chuẩn bị hoặc làm sạch dữ liệu
• Mô tả về cách chuẩn bị dữ liệu
• Giải thích mục đích của mô hình hóa dữ liệu, một số đặc điểm của quy trình mô hình hóa
• Mô tả về ý nghĩa của việc đánh giá một mô hình và các cách thức mà một mô hình được đánh giá
• Giải thích cách hoàn thành các giai đoạn Hiểu dữ liệu và Chuẩn bị dữ liệu liên quan đến bất kỳ vấn đề khoa học dữ liệu nào
• Giải thích cách hoàn thành các giai đoạn Mô hình hóa và Đánh giá mô hình liên quan đến bất kỳ vấn đề khoa học dữ liệu nào

Khám phá hai giai đoạn đầu tiên của phương pháp luận khoa học dữ liệu: Hiểu biết về Business (Business Understanding) và Phương pháp phân tích (Analytic Approach).

Sau bài học này, bạn sẽ:

• Hiểu cách xác định câu hỏi cốt lõi và mục tiêu của bài toán nghiệp vụ
• Phân biệt và lựa chọn hướng tiếp cận phân tích phù hợp (mô tả, dự đoán, phân loại)
• Thực hành xác định bài toán trong Lab 2 (120 phút)

• QuizQuiz Bài 4Có chấm điểmĐã có
• LabLab 2: Từ bài toán đến hướng tiếp cận giải quyếtĐã có

Tìm hiểu cách xác định Yêu cầu dữ liệu (Data Requirements) về nội dung, định dạng, nguồn dữ liệu và thực hiện quy trình Thu thập dữ liệu (Data Collection) cùng đánh giá chất lượng ban đầu.

Sau bài học này, bạn sẽ:

• Giải thích các yêu cầu dữ liệu và phương pháp thu thập trong khoa học dữ liệu
• Áp dụng thống kê mô tả và trực quan hóa để đánh giá chất lượng bộ dữ liệu ban đầu
• Thực hành đọc và kiểm tra dữ liệu công thức món ăn bằng Python Pandas (Lab 3, 120 phút)

• QuizQuiz Bài 5Có chấm điểmĐã có
• LabLab 3: Từ xác định yêu cầu đến thu thập các nguồn dữ liệuĐã có

Tìm hiểu hai giai đoạn Hiểu dữ liệu (Data Understanding) và Chuẩn bị dữ liệu (Data Preparation) của phương pháp luận, hai giai đoạn tiêu tốn nhiều thời gian nhất của một dự án khoa học dữ liệu.

Sau bài học này, bạn sẽ:

• Giải thích ý nghĩa của việc hiểu dữ liệu và việc chuẩn bị, làm sạch dữ liệu
• Mô tả những cách mà dữ liệu được chuẩn bị
• Thực hành hai giai đoạn này trong Lab 4 (120 phút)

• QuizQuiz Bài 6Có chấm điểmĐã có
• LabLab 4: Từ hiểu dữ liệu đến chuẩn bị dữ liệuĐã có

Tìm hiểu giai đoạn Mô hình hóa (Modeling) và Đánh giá mô hình (Evaluation), hai giai đoạn được thực hiện lặp đi lặp lại trong quá trình xây dựng mô hình.

Sau bài học này, bạn sẽ:

• Giải thích mục đích của mô hình hóa dữ liệu và một số đặc điểm của quy trình mô hình hóa
• Mô tả ý nghĩa của việc đánh giá mô hình và các cách thức đánh giá
• Thực hành hai giai đoạn này trong Lab 5 (120 phút)

• QuizQuiz Bài 7Có chấm điểmĐã có
• LabLab 5: Từ mô hình hóa đến việc đánh giá mô hìnhĐã có

Tìm hiểu giai đoạn Triển khai (Deployment) và Phản hồi (Feedback), hai giai đoạn cuối của phương pháp luận, và tổng kết toàn bộ phương pháp luận khoa học dữ liệu.

Sau bài học này, bạn sẽ:

• Giải thích những gì xảy ra khi triển khai một mô hình
• Giải thích tại sao phản hồi về mô hình lại quan trọng
• Thể hiện hiểu biết về phương pháp luận bằng cách áp dụng nó cho một bài toán xác định

• QuizQuiz Bài 8Có chấm điểmĐã có

Chúng ta đã hoàn thành Phần 2 – Phương pháp luận khoa học dữ liệu. Dưới đây là những điểm tóm lược chính trong mỗi bài học:

• Phương pháp luận khoa học dữ liệu và lưu đồ của nó.
• Tầm quan trọng của bước Business Understanding là làm rõ vấn đề cần giải quyết. Sau đó, cách tiếp cận phân tích thích hợp cho vấn đề được lựa chọn trong bối cảnh thực tế yêu cầu của doanh nghiệp.
• Giai đoạn Yêu cầu dữ liệu của phương pháp khoa học dữ liệu liên quan đến việc xác định nội dung, định dạng và nguồn dữ liệu cần thiết để thu thập dữ liệu ban đầu.
• Trong giai đoạn Thu thập dữ liệu, Business Understanding được xem xét lại và đưa ra quyết định về việc có cần thêm dữ liệu hay không. Các kỹ thuật như thống kê mô tả và trực quan hóa có thể được áp dụng cho bộ dữ liệu để đánh giá nội dung, chất lượng và những hiểu biết ban đầu về dữ liệu.
• Giai đoạn Hiểu dữ liệu bao gồm tất cả các hoạt động liên quan đến việc xây dựng bộ dữ liệu.
• Giai đoạn Chuẩn bị dữ liệu thường lặp đi lặp lại và khá phức tạp, nhưng có thể được tăng tốc thông qua tự động hóa.
• Các giai đoạn cuối cùng của phương pháp khoa học dữ liệu là một chu kỳ lặp đi lặp lại giữa các giai đoạn: Mô hình hóa, Đánh giá, Triển khai và Phản hồi.
• Khi mô hình được đánh giá thì nó được triển khai để kiểm tra tối ưu và được đưa vào thực tế.
• Phản hồi từ người dùng giúp tinh chỉnh mô hình và đánh giá hiệu suất và tác động của nó. Phản hồi thu được càng chính xác thì những thay đổi thực hiện với mô hình càng hiệu quả và kết quả cuối cùng càng chính xác hơn.
• Phương pháp luận khoa học dữ liệu cung cấp cho các nhà khoa học dữ liệu một framework để triển khai, từ đó tìm ra câu trả lời cho vấn đề.

• Tìm hiểu về các ngôn ngữ dành cho Khoa học dữ liệu
• Tổng quan về Python và SQL trong Khoa học dữ liệu
• Tìm hiểu về các thư viện được xây dựng dành cho Khoa học dữ liệu
• Giải thích khái niệm API, Rest API và cách hoạt động
• Tìm hiểu về sức mạnh của Khoa học dữ liệu: Tập dữ liệu
• Tìm hiểu về khái niệm kiểm soát phiên bản
• Tìm hiểu về kiểm soát phiên bản được sử dụng phổ biến hiện nay với Git
• Làm quen với Github và thực hành để kiểm soát các phiên bản

Giới thiệu các ngôn ngữ lập trình, thư viện, API và tập dữ liệu được sử dụng trong khoa học dữ liệu.

Sau bài học này, bạn sẽ:

• Nắm tổng quan các ngôn ngữ cho khoa học dữ liệu (Python, R, SQL) và lý do Python, SQL được tin dùng
• Hiểu kiến thức và cách hoạt động của API
• Hiểu tầm quan trọng của tập dữ liệu trong khoa học dữ liệu

• QuizQuiz Bài 9Có chấm điểmĐã có

Tìm hiểu hệ thống kiểm soát phiên bản, Git và GitHub, cùng cách quản lý phiên bản bằng branch.

Sau bài học này, bạn sẽ:

• Giải thích các khái niệm hệ thống kiểm soát phiên bản
• Hiểu về Git/GitHub
• Quản lý phiên bản với branch, thực hành trong Lab 6 (100 phút)

• QuizQuiz Bài 10Có chấm điểmĐã có
• LabLab 6: Git/GitHubĐã có

Chào mừng bạn đến với Phần 3 – Công cụ cho Khoa học dữ liệu. Trong phần này, bạn sẽ có cái nhìn tổng quan về các ngôn ngữ lập trình thường được sử dụng trong khoa học dữ liệu. Bạn sẽ được giới thiệu về các công cụ khoa học dữ liệu thương mại và mã nguồn mở có sẵn. Bạn cũng sẽ tìm hiểu về các gói, API, tập dữ liệu. Sau cùng, bạn được làm quen với Git/GitHub, một nền tảng cho phép bạn kiểm soát phiên bản một cách hiệu quả, đồng thời được thực hành với chúng để trang bị kiến thức cho quá trình tìm hiểu về Khoa học dữ liệu.

• TestHướng dẫn và lưu ý trước khi làm bàiSắp có
• TestProgress Test 2Có chấm điểmĐã có

• Phân biệt và thực hành với các Types, Expressions, Variables và String Operations trong Python.
• Giải thích, thực hành và áp dụng List và Tuple trong lập trình Python.
• Hiểu cấu trúc dữ liệu Python và áp dụng Dictionary và Set trong lập trình Python.
• Hiểu và thực hành với Condition (điều kiện), Branching (phân nhánh) và Loops (vòng lặp) trong lập trình Python.
• Hiểu và thực hành với Function (hàm), Exception Handling (xử lý ngoại lệ).
• Hiểu và thực hành với cách đọc, ghi tập tin bằng Python.
• Giới thiệu, thực hành xử lý dữ liệu với NumPy và Pandas trong lập trình Python.
• Giới thiệu xử lý dữ liệu âm thanh và hình ảnh trong lập trình Python.
• Hiểu và thực hành xử lý dữ liệu Web trong lập trình Python.

Khởi động việc học Python cho khoa học dữ liệu: các khái niệm cơ bản, cấu trúc dữ liệu, câu lệnh điều kiện, vòng lặp, hàm và xử lý ngoại lệ.

Sau bài học này, bạn sẽ:

• Hiểu kiểu, biểu thức, biến và các phép biến đổi string trong Python
• Nắm các cấu trúc dữ liệu cơ bản (list, tuple, set, dictionary)
• Hiểu điều kiện, phân nhánh, vòng lặp, hàm và xử lý ngoại lệ, thực hành trong Lab 7 (210 phút)

• QuizQuiz Bài 11Có chấm điểmĐã có
• LabLab 7: Python cơ bảnĐã có

Tìm hiểu thư viện NumPy cho tính toán khoa học: mảng một chiều, mảng hai chiều và cách dùng NumPy trong lập trình Python cho khoa học dữ liệu.

Sau bài học này, bạn sẽ:

• Giải thích NumPy trong Python
• Biết cách sử dụng NumPy với mảng 1D và 2D trong khoa học dữ liệu, thực hành trong Lab 8 (50 phút)

• QuizQuiz Bài 12Có chấm điểmĐã có
• LabLab 8: Numpy trong PythonĐã có

Tìm hiểu cách đọc và ghi tập tin bằng hàm open, tải và làm việc với dữ liệu bằng Pandas, cùng cách tiếp cận dữ liệu âm thanh và hình ảnh.

Sau bài học này, bạn sẽ:

• Giải thích reading file, writing file với hàm open và loading data bằng Pandas
• Biết cách sử dụng các kỹ thuật này trong khoa học dữ liệu, thực hành trong Lab 9 (80 phút)

• QuizQuiz Bài 13Có chấm điểmĐã có
• LabLab 9: Làm việc với dữ liệu trong PythonĐã có

Tìm hiểu các kỹ thuật làm việc với dữ liệu lấy từ Web: dùng Regex để trích xuất dữ liệu và xử lý dữ liệu dạng JSON.

Sau bài học này, bạn sẽ:

• Sử dụng Regex để trích xuất dữ liệu từ chuỗi, thực hành trong Lab 10 (120 phút)
• Xử lý dữ liệu dạng JSON

• QuizQuiz Bài 14Có chấm điểmĐã có
• LabLab 10: Sử dụng Regex để trích xuất dữ liệuĐã có

Chúng ta đã hoàn thành Phần cuối cùng của môn học Giới thiệu về Khoa học Dữ liệu. Bạn sẽ bắt đầu việc học Python về khoa học dữ liệu, cũng như lập trình nói chung. Phần này thân thiện với người mới bắt đầu và sẽ đưa bạn từ số 0 đến biết cách lập trình bằng Python chỉ trong khoảng thời gian ngắn. Qua các bài học, bạn đã nắm được các kiến thức về Python cơ bản, cấu trúc dữ liệu Python, nguyên tắc lập trình Python và cuối cùng, bạn sẽ thực hiện một dự án để thực hành các kỹ năng mà bạn học được từ khóa học này.

Tài nguyên học tập

Trong thời hiện đại, mỗi môn học có nhiều tài liệu học tập có liên quan, bao gồm cả sách in và sách trực tuyến. Người học không có nghĩa vụ phải chọn một tài liệu học tập cố định. Họ được khuyến khích tích cực tìm kiếm và nghiên cứu từ bất kỳ nguồn thích hợp nào, bao gồm sách giáo khoa in, MOOCs hoặc trang web. Học viên tự chịu trách nhiệm trong việc sử dụng các nguồn học tập này và đảm bảo tuân thủ đầy đủ các chính sách của chủ sở hữu nguồn.

Một số tài nguyên học tập được đề nghị: Coursera, tutorialspoint, edX Training hoặc Udemy.

Tài liệu tham khảo thêm

Có rất nhiều tài liệu hay về Khoa học dữ liệu mà bạn có thể đọc để nâng cao hiểu biết về chủ đề này. Chúng mình xin giới thiệu một số nguồn tham khảo sau:

• Python Data Science Handbook
• Data Science Process Lifecycle

Ý kiến của bạn giúp chúng mình cải thiện môn học cho những học viên sau. Khảo sát gồm các câu chấm điểm từ 1 (rất không đồng ý) đến 5 (rất đồng ý) và một số câu hỏi mở, mất khoảng 5 phút.

Phần A. Chấm điểm từ 1 đến 5

1. Nội dung môn học dễ hiểu và đúng với kỳ vọng của bạn.
2. Các video bài giảng rõ ràng, dễ theo dõi.
3. Bài đọc và tài liệu tham khảo hữu ích cho việc học.
4. Các bài lab giúp bạn thực hành hiệu quả.
5. Quiz và Progress Test phản ánh đúng nội dung đã học.
6. Assignment có yêu cầu rõ ràng và phù hợp với kiến thức đã học.
7. Cách sắp xếp phần, bài học và đường dẫn trên trang giúp bạn dễ tìm nội dung cần học.
8. Bạn sẽ giới thiệu môn học này cho người khác.

Phần B. Câu hỏi mở

9. Nội dung nào bạn thấy hữu ích nhất?
10. Nội dung nào còn khó hiểu hoặc cần bổ sung thêm?
11. Bạn muốn học thêm chủ đề nào tiếp theo?
12. Bạn có góp ý nào khác để chúng mình cải thiện môn học?

Cảm ơn bạn đã dành thời gian chia sẻ!

Chúc mừng bạn đã hoàn thành môn học Giới thiệu về Khoa học Dữ liệu! Qua 4 phần, bạn đã đi từ khái niệm và ứng dụng của khoa học dữ liệu, qua phương pháp luận và các công cụ, đến lập trình Python cho khoa học dữ liệu, và đã áp dụng những kiến thức đó vào hai assignment.

Bước tiếp theo

• Hoàn thành tất cả các bài lab và lưu lại bài làm. Học viên cần hoàn thành tất cả các bài lab của môn học mới tiến hành đăng ký review.
• Điền khảo sát đánh giá môn học để giúp chúng mình cải thiện nội dung.
• Tiếp tục với Module 2: Phân tích dữ liệu với Python.