WELCOME TO INTRODUCTION OF BOOTCAMP - DATA ANALYST

Khóa "Phân tích dữ liệu Data Analytic"

 Bắt đầu ngay! Nếu bạn là…
Sinh viên các ngành Kinh tế - tài
chính - ngân hàng muốn học Người đi làm có nhu cầu
Data Analyst thực chiến. chuyển ngành, tìm kiếm
Sinh viên các ngành học khác việc làm Data Analyst
muốn chuyển ngành, học Data nhanh chóng.
Analyst, mở rộng cơ hội việc làm.

Người đi làm các vị trí liên quan

đến ngành Data Analyst, muốn
bổ sung kiến thức, tư duy và kỹ
năng về phân tích dữ liệu, phục
vụ cho công việc chuyên môn.
Vì sao nên
học tại
Marathon
Education
Cam kết việc
làm sau khi kết
thúc khoá học ?
Mức lương hấp dẫn khi nhận việc
• Data Analytics và Machine Learning là các yếu tố đi đầu trong cách mạng 4.0, nhiều IT đã và đang
dần chuyển sang những lĩnh vực này.
• Mức lương ở vị trí này có thể nói cao nhất trong ngành lập trình viên. Thu nhập khởi điểm trên
10 triệu và mức trung bình khoảng 20 triệu/tháng, cao nhất là từ 50 - 60 triệu đồng (với từ 5
năm kinh nghiệm).
Những điểm
Đội ngũ mentor kinh nghiệm

Hỗ trợ giải đáp ngoài giờ học

nổi bậc tại Giáo trình chất lượng & luôn được cập nhật

Marathon Hỗ trợ xây dựng CV & Tư vấn nghề nghiệp

Education Cam kết việc làm bằng hợp đồng lương đến
15 triệu
HÀNH TRÌNH HỌC VIÊN

Sử dụng công cụ minh hoạ

Làm bài định hướng dữ liệu thành thạo Học viên được hỗ trợ nơi
Gặp gỡ mentor thực tập để trau dồi và
nâng cao khả năng

Buổi định hướng Áp dụng công cụ dữ liệu Thực tập

Python cho Xử lý dữ liệu Tìm hiểu Máy học Tìm việc

Lý thuyết kết hợp với thực Lý thuyết kết hợp với thực Tìm việc với đúng như cam
hành cho chủ đề python hành cho chủ đề Máy học kết
Giờ phát triển kỹ năng Giờ phát triển kỹ năng song
song song song
Full-time Part-time

●
●
10 buổi/ tuần
2 giờ/ buổi
● 3 buổi/ tuần Phương án học
● 2 giờ/ buổi
● 15 tuần ● 50 tuần đa dạng tại
Marathon
Đối tượng phù hợp

Education
Đối tượng phù hợp
● Tập trung 100% thời ● Tập trung bán thời gian
gian ● Có công việc khác cần
● Muốn làm quen với quá bảo đảm
trình làm việc cao độ ● Muốn học để tăng hiệu
● Muốn rút ngắn thời gian suất logic song song
nhất
 Lộ trình học
Understand Machine
Learning
03 (100h)
● Hiểu rõ cách thuật toán và cách hoạt động.
● Cách áp dụng thuật toán cho các vấn đề dữ
Python for Data Analyst liệu
(100h)
● Xây dựng nền tảng lập trình cùng
Python
● Học cách sử dụng các thư viện thông
dụng trong việc xử lý dữ liệu 01 02
Data Analyst
(100h)
● Trải nghiệm thực tế các vấn
đề minh hoạ trong công việc
thực tiễn của một Nhà phân
tích dữ liệu
Phát triển kỹ năng song song tại
Marathon Education
FOUNDATION OF DATA SCIENCE DATA ANALYST UNDERSTAND MACHINE LEARNING
Nội dung Ghi chú
(100 giờ) (100 giờ) (100 giờ)

86 giờ
80 giờ Thời gian có
92 giờ - Làm quen với học máy và hiểu bối
- Làm quen, tìm hiểu và sử dụng tốt thể thay đổi
Thời gian - Làm quen với dữ liệu cảnh
PowerBi trong đa dạng chủ đề nhỏ và tương
học thuật - Các tool và thuật toán - Sử dụng và áp các tool và thuật toán
- Nâng cao lên với SQL đặc biệt trong đối (không
- Các thư viện hỗ trợ và tối ưu hoá trong toán cao cấp vào Machine
lĩnh vực Kinh Doanh ảnh hướng
Learning
lớn đến toàn
20 giờ 14 giờ bộ định
8 giờ - Áp dụng kiến thức đã học vào một dự - Dự án ML thực chiến hướng khóa
Thời gian - Phân tích dự án án thực tế. - Xem xét các phương pháp thực hiện học) tùy theo
phát triển - Xác định yêu cầu dự án - Thiết kế cơ sở dữ liệu và viết truy vấn - Pitching với giảng viên trình độ của
kỹ năng - Thực hiện và kiểm tra phức tạp. - Phản biện bảo vệ đồ án các lớp khác
- Phát triển kỹ năng thuyết trình - Tổng kết và ôn tập - Kiểm tra và bài thi cuối khóa nhau.
- Kỹ năng trả lời phỏng vấn - Xây dựng CV
 CÁC GIẢNG VIÊN CHUYÊN MÔN
KHÓA PHÂN TÍCH DỮ LIỆU - DATA ANALYST
TẠI MARATHON EDUCATION
 Thời lượng Hình thức
100 giờ - 50 buổi 100% Online

Kỹ năng đạt được

● Xây dựng nền tảng lập trình với ngôn ngữ Python - Và khám phá về dữ liệu
● Hiểu và biết được khai phá khả năng về lĩnh vực

Level 1: ● Tiếp xúc trực tiếp dự án thực chiến, cách thực hiện và phân tích
● Phát triển kỹ năng mềm với việc tương tác và pitching dự án

PYTHON FOR Kiến thức được học

DATA ● Xây dựng nền tảng lập trình với Python để làm việc với dữ liệu.
● Học cách khám phá và tiền xử lý dữ liệu bằng Pandas và Numpy.
ANALYST ● Hiểu các khái niệm thống kê và đại số tuyến tính cơ bản.
● Làm quen với cơ sở dữ liệu và truy vấn dữ liệu bằng Mechanics.
● Tìm hiểu và sử dụng tool IPython.
● Kỹ thuật Data Wrangling và Time Series

Ngôn ngữ lập trình Thư viện & Tool

 Thời lượng Hình thức
100 giờ - 5 tuần 100% Online

Kỹ năng đạt được

● Khả năng nắm bắt, hiểu và phân tích dữ liệu là quan trọng nhất. Điều này bao gồm khả năng xử lý dữ
liệu số liệu lớn và tìm ra thông tin quý báu từ dữ liệu.
● Khả năng biểu đồ hóa dữ liệu bằng cách sử dụng biểu đồ, đồ thị và bản đồ là rất quan trọng để trình

LEVEL 2: bày thông tin một cách rõ ràng và dễ hiểu.

● Nếu bạn làm việc với dữ liệu lớn, hiểu về các công cụ và framework xử lý dữ liệu lớn như Hadoop và
DATA ANALYST Spark là rất hữu ích.
● Khả năng tư duy logic giúp bạn giải quyết các vấn đề phức tạp trong phân tích dữ liệu, và sáng tạo
giúp bạn tạo ra cách tiếp cận mới cho dữ liệu và thông tin.
● Nắm vững kỹ năng quản lý dự án để có thể quản lý các dự án phân tích dữ liệu từ đầu đến cuối.

Kiến thức được học

● Database nâng cao và phân tích dữ liệu lớn. ● Cấu trúc dữ liệu và thuật toán
● Phép gán hồi quy nâng cao + SVM (Tùy chọn) ● Hồi quy nâng cao
● Lập trình cơ sở dữ liệu nâng cao sử dụng Pandas. ● Tìm kiếm & Sắp xếp
 Thời lượng Hình thức
100 giờ - 50 buổi 100% Online

Kỹ năng đạt được

● Hiểu rõ về các thuật toán ML, cách chúng hoạt động và cách chọn đúng thuật toán cho bài toán cụ thể.
● Khả năng viết mã sạch, hiệu quả và dễ bảo trì là rất quan trọng. Cần biết về cấu trúc dữ liệu, thuật
Level 3: toán và phong cách lập trình.
● Có kinh nghiệm làm việc với các frameworks và thư viện ML
UNDERSTAND ● Kiến thức về thống kê, đặc biệt là thống kê dữ liệu lớn, là quan trọng để đánh giá hiệu suất của các

MACHINE mô hình ML.

● Thời gian tách biệt được huấn luyện và trải nghiệm thực hiện dự án thực tế.

LEARNING
Kiến thức được học
● Ngôn ngữ lập trình: Kiến thức về một ngôn ngữ lập trình phổ biến trong lĩnh vực ML như Python.
Ngôn ngữ lập trình ● Tiền xử lý dữ liệu: Kỹ năng làm sạch, chuyển đổi và xử lý dữ liệu trước khi đưa vào mô hình ML.
● Thống kê và độ đo đánh giá: Hiểu về các phép đo đánh giá hiệu suất mô hình như precision, recall,
F1-score, ROC curve và AUC.
Thư viện & Tool ● Các tool và thuật toán “magic” trong lĩnh vực ML.
● Cách áp dụng các thuật toán và tool (hồi quy, phân loại, Tensorflow,...) để tối ưu hoá hiệu quả làm
việc
Sau khi kết thúc khoá học ?
100% sẵn sàng
cho công việc
Data Analysts

Phân tích dữ Cơ hội nghề

liệu thực tế nghiệp 100%

Có phiên bản
Khả năng trả
CV chất
lời phỏng vấn
lượng
Hoàn thiện 2
Khả năng Khả năng
portfolio
pitching thuyết trình
project
Sau khi kết thúc level 1
Báo cáo dữ liệu
thực hiện bằng
Python
Sau khi kết thúc level 2
Phân tích dữ liệu
bằng PowerBI
Định hướng công việc cụ thể
Ngân hàng và Logistics
Tài chính
● Tối ưu hóa chuỗi
● Dự đoán thị cung ứng
trường và đầu tư ● Dự đoán thời
● Phân tích rủi ro gian giao hàng Tạo ra ứng dụng trên
tín dụng nhiều lĩnh vực
Đem lại hiệu quả làm việc
Truyền thông và Dev-Tech nhanh, chuyên sâu và quản lý
Marketing dữ liệu chặt chẽ
● Phát triển sản phẩm dựa
trên dữ liệu
● Phân tích dữ liệu ● Kiểm tra và sửa lỗi
khách hàng ● Quản lý tài nguyên mạng
● Theo dõi hiệu ● Phân tích tiêu dùng dịch
suất chiến dịch vụ
Từng khóa hướng đến phát triển kỹ năng cụ thể
Python for data Analyst
● Tiếp xúc và học cách sử dụng
ngôn ngữ lập trình Python cho
việc phân tích và xử lý dữ liệu
bằng các thư viện riêng biệt.
● Biết sử dụng ngôn ngữ Python
cho việc xử lý dữ liệu, song song
đó cũng xây dựng tư duy lập
trình của ngôn ngữ Python (dành
cho những người lần đầu tiếp
xúc với ngôn ngữ lập trình)
Data Analyst
● Học minh hoạ dữ liệu một
cách dễ hiểu, xây dựng hồ sơ
cho cơ hội thực tập và việc
làm phía trước
● Sử dụng PowerBI để minh hoạ
dữ liệu một cách dễ hiểu, làm
được báo cáo cho dữ liệu đã
xử lý
Understand Machine Learning
● Hiểu và ứng dụng Máy học để
từ đó tạo nên các dự án ứng
dụng thực chiến
● Phát triển và áp dụng Máy học
cho việc giải quyết vấn đề thực
chiến của doanh nghiệp và xã
hội
 Chân dung ngành
DATA ANALYST
Nhân viên kinh doanh

Without DA With DA
Tìm hiểu tùng khách hàng bằng cách truyền thống: trò chuyện, Hiểu rõ hơn về khách hàng: Khoa học dữ liệu giúp nhân viên kinh
nhắn tin, xem hành vi khách hàng. Có thể gây ra sự khó chịu doanh nắm bắt thông tin quan trọng về khách hàng, như hành vi mua
cho khách hàng. sắm, sở thích, và nhu cầu.
Cứ bán hết tất cả sản phẩm. đôi lúc gây tốn thời gian và công Tối ưu hóa quá trình bán hàng: Khoa học dữ liệu có thể giúp nhân
sức. viên kinh doanh tối ưu hóa các quy trình bán hàng.
Phải đo lường và tính toán khả năng tồn kho cho từng đối Giảm chi phí và tăng lợi nhuận: Khoa học dữ liệu giúp nhân viên kinh
tượng. Tốn chi phí nhân lực. doanh tối ưu hóa quản lý hàng tồn kho, dự trữ, và quy trình vận
chuyển.
Khó khăn cho quản lý trong việc quản lý chất lượng tư vấn Nâng cao chất lượng dịch vụ khách hàng: Nhờ dữ liệu, nhân viên
hay bán hàng. kinh doanh có thể theo dõi và đánh giá chất lượng dịch vụ khách hàng.
 Chân dung ngành
DATA ANALYST
Nhân viên marketing

Without DA With DA
Phải kế hoạch tiếp thị, tồn kho và tài chính thủ công. Dự đoán doanh số bán hàng: Khoa học dữ liệu giúp nhân viên
marketing dự đoán doanh số bán hàng trong tương lai.
Không thể điều chỉnh trải nghiệm để tạo sự hài lòng cho khách Cải thiện trải nghiệm khách hàng: Dữ liệu cho phép nhân viên
hàng do không thể theo dõi tương tác tốt nhất marketing theo dõi và đánh giá trải nghiệm của khách hàng, từ việc
tương tác trên trang web đến phản hồi về sản phẩm hoặc dịch vụ.
Chưa có thể phát triển sản phẩm hoặc dịch vụ mới để đáp Xác định các cơ hội thị trường mới: Khoa học dữ liệu giúp nhân viên
ứng những nhu cầu khác do thời gian phân tích thủ công lớn. marketing xác định các cơ hội thị trường mới dựa trên phân tích dữ
liệu.
Khó khăn từ việc xác định chủ đề phù hợp đến việc tối ưu hóa Tạo nội dung chất lượng cao: Dữ liệu có thể hỗ trợ nhân viên
tiêu đề và nội dung để thu hút sự chú ý của đối tượng mục marketing trong việc tạo nội dung chất lượng cao.
tiêu
 Chân dung ngành
DATA ANALYST
Lập trình viên
Without DA With DA
Thường đưa ra quyết định dựa dựa vào cảm tính hoặc suy Cải thiện quá trình ra quyết định: Khoa học dữ liệu cung cấp cho lập
luận cá nhân hoặc các cuộc họp. trình viên một cơ hội để đánh giá và phân tích thông tin cụ thể về sản
phẩm hoặc dự án.
Chưa tối ưu hóa hiệu suất và sự ổn định của ứng dụng hoặc Dự đoán sự cố và tối ưu hóa hệ thống: Lập trình viên có thể sử dụng
dịch vụ. dữ liệu để dự đoán và phát hiện các sự cố trong hệ thống phần mềm
trước khi chúng xảy ra.
Cải thiện giao diện người dùng, tối ưu hóa trải nghiệm và tăng Tối ưu hóa trải nghiệm người dùng: Sử dụng dữ liệu, lập trình viên
sự hài lòng của người dùng dựa trên kinh nghiệm, không có có thể hiểu rõ hơn về cách người dùng tương tác với ứng dụng hoặc
biểu đồ rõ ràng. trang web của họ.
Không thể dựa vào dữ liệu phản hồi từ người dùng để phát Phát triển sản phẩm dựa trên dữ liệu: Khoa học dữ liệu giúp lập trình
triển sản phẩm theo hướng mà thị trường yêu cầu. viên xác định các tính năng và cải tiến cụ thể mà người dùng muốn
thấy trong sản phẩm.
Marathon Education

Bootcamp
Thank you for
attention