Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Become a Data Scientist: SQL, Tableau, ML & DL [4-in-1]

Trở thành Nhà Khoa học Dữ liệu: SQL, Tableau, ML & DL [Gói 4 trong 1]

Trở thành Nhà Khoa học Dữ liệu: SQL, Tableau, ML & DL [Gói 4 trong 1]

Gói 4 trong 1 bao gồm 4 chủ đề thiết yếu cho một nhà khoa học dữ liệu - SQL, Tableau, Machine Learning & Deep Learning sử dụng Python

4.5
(141 đánh giá)
8,950 học viên
Giảng viên
Start-Tech Academy
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
79.000đ 349.000đ -77%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
37.5 giờ video
346 bài giảng
75 bài quiz
54 bài coding
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 07/06/2026

Bạn sẽ học được gì

Xây dựng nền tảng vững chắc về SQL và hiểu cách sử dụng truy vấn SQL để thao tác và truy xuất dữ liệu từ cơ sở dữ liệu.
Khám phá các tính năng của Tableau và học cách tạo hình ảnh hóa tương tác để truyền đạt thông tin chi tiết hiệu quả tới các bên liên quan.
Thành thạo các khái niệm về machine learning và học cách triển khai các thuật toán machine learning khác nhau bằng Python.
Tìm hiểu kiến thức cơ bản về Deep Learning và hiểu cách xây dựng, huấn luyện một mạng nơ-ron sâu (deep neural network) bằng Keras và TensorFlow.
Khám phá các kỹ thuật tiền xử lý dữ liệu và kỹ thuật đặc trưng (feature engineering), bao gồm xử lý giá trị thiếu và mã hóa biến phân loại (categorical variables).
Làm chủ nghệ thuật lựa chọn và đánh giá mô hình, bao gồm các kỹ thuật như cross-validation, điều chỉnh siêu tham số (hyperparameter tuning) và phòng ngừa overfitting.
Tìm hiểu nguyên lý của mạng nơ-ron sâu và học cách xây dựng, huấn luyện một mạng nơ-ron tích chập (CNN - Convolutional Neural Network) cho bài toán phân loại ảnh.
Khám phá học chuyển giao (transfer learning) và hiểu cách tinh chỉnh (fine-tune) một mô hình CNN đã được huấn luyện trước để giải quyết một bài toán tương tự trong một lĩnh vực khác.

Yêu cầu

Máy tính có kết nối internet. Hướng dẫn cài đặt cho tất cả công cụ sử dụng đều nằm trong khóa học.

Đối tượng phù hợp

Dành cho những cá nhân muốn trở thành nhà khoa học dữ liệu hoặc nâng cao kỹ năng phân tích, trực quan hóa và mô hình hóa dữ liệu bằng SQL, Tableau, Machine Learning và Deep Learning sử dụng Python.
Các chuyên gia muốn nâng cao kỹ năng và gia tăng giá trị cho công việc hiện tại bằng cách học khoa học dữ liệu.
Chủ doanh nghiệp nhỏ muốn sử dụng dữ liệu để đưa ra quyết định tốt hơn cho công ty của họ.

Nội dung khóa học

63 phần • 340 bài giảng
1 Giới thiệu
1 Cài đặt PostgreSQL và pgAdmin trên hệ thống của bạn
2 Đây là một cột mốc quan trọng
3 Nếu pgAdmin không mở được...
4 Tài nguyên khóa học
1 CREATE
2 Bài tập 1: Tạo Cơ sở dữ liệu và Bảng
3 Lời giải cho tất cả Bài tập
4 INSERT
5 Nhập dữ liệu từ Tệp
6 Bài tập 2: Chèn và Nhập dữ liệu
7 Câu lệnh SELECT
8 SELECT DISTINCT
9 WHERE
10 Toán tử Logic
11 Bài tập 3: SELECT, WHERE & Toán tử Logic
12 UPDATE
13 DELETE
14 ALTER Phần - 1
15 ALTER Phần - 2
16 Bài tập 4: Cập nhật, Xóa và Thay đổi Bảng
1 Khôi phục và Sao lưu
2 Gỡ lỗi sự cố khôi phục
3 Tạo Cơ sở dữ liệu bằng tệp CSV
4 Tóm tắt gỡ lỗi và Mã cho tệp CSV
5 Bài tập 5: Khôi phục và Sao lưu
1 IN
2 BETWEEN
3 LIKE
4 Bài tập 6: In, Like & Between
1 Bài giảng phụ: Chú thích trong SQL
2 ORDER BY
3 LIMIT
4 Bài tập 7: Sắp xếp
1 AS
1 COUNT
2 SUM
3 AVERAGE
4 MIN & MAX
5 Bài tập 8: Hàm tổng hợp
1 GROUP BY
2 HAVING
3 Bài tập 9: Nhóm theo
4 Phòng thực hành (Lab)
1 CASE WHEN
1 Giới thiệu về Kết nối
2 Khái niệm Kết hợp và Ghép nối Dữ liệu
3 Chuẩn bị dữ liệu
4 Kết nối Trong (Inner Join)
5 Kết nối Trái (Left Join)
6 Kết nối Phải (Right Join)
7 Kết nối Ngoài Đầy đủ (Full Outer Join)
8 Kết nối Chéo (Cross Join)
9 Giao nhau (Intersect và Intersect ALL)
10 Trừ (Except)
11 Hợp (Union)
12 Bài tập 10: Kết nối
1 Truy vấn con trong mệnh đề WHERE
2 Truy vấn con trong mệnh đề FROM
3 Truy vấn con trong mệnh đề SELECT
4 Bài tập 11: Truy vấn con
5 Về phần đóng vai sắp tới.
1 Giải án mạng bí ẩn bằng SQL
1 VIEWS
2 INDEX
3 Cách Chỉ mục hoạt động trong SQL
4 Bài tập 12: Khung nhìn
1 LENGTH
2 UPPER LOWER
3 REPLACE
4 TRIM, LTRIM, RTRIM
5 NỐI CHUỖI (CONCATENATION)
6 SUBSTRING
7 TỔNG HỢP DANH SÁCH (LIST AGGREGATION)
8 Bài tập 13: Hàm Chuỗi
1 CEIL & FLOOR
2 RANDOM
3 SETSEED
4 ROUND
5 POWER
6 Bài tập 14: Hàm Toán học
1 NGÀY & GIỜ HIỆN TẠI
2 AGE
3 EXTRACT
4 Bài tập 15: Hàm ngày-giờ
1 CƠ BẢN VỀ KHỚP MẪU
2 KHỚP MẪU NÂNG CAO - Phần 1
3 KHỚP MẪU NÂNG CAO - Phần 2
4 Bài tập 16: Khớp mẫu
1 Giới thiệu về Hàm cửa sổ
2 Giới thiệu về Số thứ tự hàng (Row number)
3 Triển khai Số thứ tự hàng trong SQL
4 XẾP HẠNG (RANK và DENSE_RANK)
5 Hàm NTILE
6 Hàm TRUNG BÌNH (AVERAGE)
7 COUNT
8 TỔNG TỔNG (SUM TOTAL)
9 TỔNG TÍCH LŨY (RUNNING TOTAL)
10 LAG và LEAD
1 Hàm COALESCE
1 Chuyển đổi Số/ Ngày thành Chuỗi
2 Chuyển đổi Chuỗi thành Số/ Ngày
1 Kiểm soát Truy cập Người dùng - Phần 1
2 Kiểm soát Truy cập Người dùng - Phần 2
3 Nhiệm vụ Thực hành 1
4 Nhiệm vụ Thực hành 2
5 Nhiệm vụ thực hành 3
1 Không gian Bảng (Tablespace)
2 KHÓA CHÍNH & KHÓA NGOẠI
3 Tuân thủ ACID
4 Truncate
1 Tại sao chọn Tableau
2 Các sản phẩm Tableau
1 Cài đặt Tableau desktop và Public
2 Về dữ liệu
3 Kết nối với dữ liệu
4 Trực tiếp (Live) so với Trích xuất (Extract)
1 Kết hợp dữ liệu từ nhiều bảng
2 Quan hệ (Relationships) trong Tableau
3 Kết nối (Joins) trong Tableau
4 Các loại Kết nối trong Tableau
5 Hợp (Union) trong Tableau
6 Lớp Vật lý, Lớp Logic và Mô hình Dữ liệu
7 Màn hình trực quan hóa - Sheet
1 Các loại Dữ liệu - Dimensions và Measures
2 Các loại Dữ liệu - Rời rạc (Discreet) và Liên tục (Continuous)
3 Thay đổi Kiểu dữ liệu trong Tableau
1 Biểu đồ cột (Bar charts)
2 Biểu đồ đường (Line charts)
3 Biểu đồ phân tán (Scatterplots)
1 Thẻ Marks
2 Thả Dimensions và Measures lên thẻ marks
3 Thả Dimensions lên biểu đồ đường
4 Thêm dấu (marks) trong biểu đồ phân tán
1 Bảng văn bản (Text tables), bảng nhiệt (heat map) và bảng tô sáng (highlight tables)
2 Biểu đồ tròn (Pie charts)
3 Biểu đồ miền (Area charts)
4 Tạo phân cấp (hierarchy) tùy chỉnh
5 Biểu đồ cây (Tree map)
6 Biểu đồ kết hợp kép (Dual combination charts)
7 Tạo Bins (nhóm)
8 Biểu đồ tần suất (Histogram)
1 Nhóm Dữ liệu
2 Lọc dữ liệu
3 Bộ lọc Dimensions
4 Bộ lọc Measures
5 Bộ lọc Ngày-Giờ
6 Tùy chọn Lọc
7 Các loại bộ lọc và thứ tự thực hiện
8 Tùy chỉnh bộ lọc trực quan
9 Tùy chọn Sắp xếp
1 Cách tạo biểu đồ bản đồ
2 Các điểm cần lưu ý trước khi tạo biểu đồ bản đồ
3 Thẻ Marks để tùy chỉnh bản đồ
4 Tùy chỉnh bản đồ bằng menu bản đồ
5 Các lớp trong bản đồ
6 Thanh công cụ trực quan trên bản đồ
7 Hình nền tùy chỉnh
8 Vùng lãnh thổ trong bản đồ
9 Kết hợp dữ liệu cho địa chỉ không xác định
1 Trường tính toán trong Tableau
2 Các hàm trong Tableau
3 Lý thuyết tính toán bảng
4 Tính toán bảng trong Tableau
5 Hiểu biểu thức LOD
6 Ví dụ về biểu thức LOD
7 Bảng điều khiển Phân tích
1 Hiểu tập hợp trong Tableau
2 Tạo tập hợp trong Tableau
3 Tham số
1 Bảng điều khiển phần 1
2 Bảng điều khiển phần 2
3 Câu chuyện
1 Lưu và chia sẻ sổ làm việc Tableau
2 Lưu và chia sẻ dữ liệu
3 Lưu và chia sẻ chế độ xem và bảng điều khiển
1 Kết nối với nguồn dữ liệu SQL
2 Kết nối với dịch vụ lưu trữ đám mây
3 Bài tập thực hành 1
4 Bài tập thực hành 2
1 Giới thiệu
1 Cài đặt Python và Anaconda
2 Mở Jupyter Notebook
3 Giới thiệu về Jupyter
4 Toán tử số học trong Python: Kiến thức cơ bản
5 Chuỗi trong Python: Kiến thức cơ bản
6 Danh sách, Tuple và Từ điển: Kiến thức cơ bản
7 Làm việc với thư viện Numpy của Python
8 Làm việc với thư viện Pandas của Python
9 Làm việc với thư viện Seaborn của Python
10 Tệp Python để thực hành thêm
1 Tích hợp ChatGPT với Jupyter Notebook
1 Các loại dữ liệu
2 Các loại thống kê
3 Mô tả dữ liệu bằng đồ thị
4 Các thước đo xu hướng trung tâm
5 Các thước đo độ phân tán
1 Giới thiệu về Học máy
2 Xây dựng mô hình Học máy
1 Thu thập kiến thức nghiệp vụ
2 Khám phá dữ liệu
3 Bộ dữ liệu và Từ điển dữ liệu
4 Nhập dữ liệu vào Python
5 Phân tích đơn biến và EDD
6 EDD trong Python
7 Xử lý giá trị ngoại lai
8 Xử lý giá trị ngoại lai trong Python
9 Xử lý giá trị thiếu
10 Xử lý giá trị thiếu trong Python
11 Tính thời vụ trong dữ liệu
12 Phân tích song biến và Biến đổi biến
13 Biến đổi và xóa biến trong Python
14 Các biến không sử dụng được
15 Tạo biến giả: Xử lý dữ liệu định tính
16 Tạo biến giả trong Python
17 Phân tích tương quan
18 Phân tích tương quan trong Python
1 Phát biểu bài toán
2 Phương trình cơ bản và phương pháp Bình phương nhỏ nhất (OLS)
3 Đánh giá độ chính xác của hệ số dự đoán
4 Đánh giá độ chính xác mô hình: RSE và R bình phương
5 Hồi quy tuyến tính đơn giản trong Python
6 Hồi quy tuyến tính bội
7 Thống kê F
8 Diễn giải kết quả biến phân loại
9 Hồi quy tuyến tính bội trong Python
10 Chia tập kiểm tra - huấn luyện
11 Đánh đổi phương sai - độ chệch
12 Chia tập kiểm tra - huấn luyện trong Python
13 Mô hình hồi quy khác OLS
14 Kỹ thuật chọn tập con
15 Phương pháp thu hẹp: Ridge và Lasso
16 Hồi quy Ridge và Lasso trong Python
17 Phương sai sai số thay đổi
1 Ba mô hình phân loại và Bộ dữ liệu
2 Nhập dữ liệu vào Python
3 Phát biểu bài toán
4 Tại sao không dùng Hồi quy tuyến tính?
1 Hồi quy Logistic
2 Huấn luyện mô hình Logistic đơn giản trong Python
3 Kết quả Hồi quy Logistic đơn giản
4 Hồi quy Logistic với nhiều biến dự đoán
5 Huấn luyện mô hình Logistic nhiều biến trong Python
6 Ma trận nhầm lẫn
7 Tạo ma trận nhầm lẫn trong Python
8 Đánh giá hiệu suất mô hình
9 Đánh giá hiệu suất mô hình trong Python
1 Phân tích biệt thức tuyến tính
2 LDA trong Python
1 Chia tập kiểm tra - huấn luyện
2 Chia tập kiểm tra - huấn luyện trong Python
3 Bộ phân lớp K láng giềng gần nhất
4 K láng giềng gần nhất trong Python: Phần 1
5 K láng giềng gần nhất trong Python: Phần 2
1 Hiểu kết quả mô hình phân loại
2 Tóm tắt ba mô hình
1 Giới thiệu về cây quyết định
2 Kiến thức cơ bản về cây quyết định
3 Hiểu cây hồi quy
4 Tiêu chí dừng để kiểm soát phát triển cây
5 Nhập bộ dữ liệu vào Python
6 Xử lý giá trị thiếu trong Python
7 Tạo biến giả trong Python
8 Chia dữ liệu phụ thuộc - độc lập trong Python
9 Chia tập kiểm tra - huấn luyện trong Python
10 Tạo cây quyết định trong Python
11 Đánh giá hiệu suất mô hình trong Python
12 Vẽ cây quyết định trong Python
13 Tỉa cây
14 Tỉa cây trong Python
1 Cây phân loại
2 Bộ dữ liệu cho bài toán phân loại
3 Cây phân loại trong Python: Tiền xử lý
4 Cây phân loại trong Python: Huấn luyện
5 Ưu và nhược điểm của cây quyết định
1 Kỹ thuật tập hợp 1 - Bagging
2 Kỹ thuật tập hợp 1 - Bagging trong Python
1 Kỹ thuật tập hợp 2 - Rừng ngẫu nhiên
2 Kỹ thuật tập hợp 2 - Rừng ngẫu nhiên trong Python
3 Sử dụng Tìm kiếm lưới trong Python
1 Boosting
2 Kỹ thuật tập hợp 3a - Boosting trong Python
3 Kỹ thuật tập hợp 3b - AdaBoost trong Python
4 Kỹ thuật tập hợp 3c - XGBoost trong Python
1 Giới thiệu mạng nơ-ron và lộ trình khóa học
2 Perceptron
3 Hàm kích hoạt
4 Tạo mô hình Perceptron trong Python - Phần 1
5 Tạo mô hình Perceptron trong Python - Phần 2
1 Thuật ngữ cơ bản
2 Gradient Descent
3 Lan truyền ngược Phần 1
4 Lan truyền ngược Phần 2
5 Một số khái niệm quan trọng
6 Siêu tham số
1 Keras và Tensorflow
2 Cài đặt Tensorflow và Keras
3 Bộ dữ liệu phân loại
4 Chuẩn hóa và Chia tập kiểm tra - huấn luyện
5 Các cách khác nhau tạo ANN bằng Keras
6 Xây dựng mạng nơ-ron bằng Keras
7 Biên dịch và Huấn luyện mô hình mạng nơ-ron
8 Đánh giá hiệu suất và Dự đoán bằng Keras
9 Xây dựng mạng nơ-ron cho bài toán hồi quy - Phần 1
10 Xây dựng mạng nơ-ron cho bài toán hồi quy - Phần 2
11 Xây dựng mạng nơ-ron cho bài toán hồi quy - Phần 3
12 Sử dụng Functional API cho kiến trúc phức tạp
13 Lưu - Khôi phục mô hình và Sử dụng Callbacks - Phần 1
14 Lưu - Khôi phục mô hình và Sử dụng Callbacks - Phần 2
15 Điều chỉnh siêu tham số
1 Giới thiệu CNN
2 Bước nhảy
3 Đệm
4 Bộ lọc và bản đồ đặc trưng
5 Kênh
6 Lớp gộp
1 Mô hình CNN trong Python - Tiền xử lý
2 Mô hình CNN trong Python - Cấu trúc và Biên dịch
3 Mô hình CNN trong Python - Huấn luyện và kết quả
4 So sánh - Có gộp vs Không gộp trong Python
1 Dự án - Giới thiệu
2 Dữ liệu cho dự án
3 Dự án - Tiền xử lý dữ liệu trong Python
4 Dự án - Huấn luyện mô hình CNN trong Python
5 Dự án trong Python - Kết quả mô hình
1 Dự án - Tiền xử lý Tăng cường Dữ liệu
2 Dự án - Huấn luyện và Kết quả Tăng cường Dữ liệu
1 ILSVRC
2 LeNET
3 VGG16NET
4 GoogLeNet
5 Học Chuyển giao
6 Dự án - Học Chuyển giao với VGG16 - Phần 1
7 Dự án - Học Chuyển giao với VGG16 - Phần 2
8 Dự án - Học Chuyển giao với VGG16 - Phần 3
9 Bộ câu hỏi Phỏng vấn Toàn diện
10 Nhiệm vụ Thực hành
11 Cột mốc cuối cùng!
1 Thông tin về chứng chỉ của bạn
2 Bài giảng Bổ sung

Giới thiệu khóa học

If you are a curious learner looking to dive into the exciting world of data science, then this course is tailor-made for you! Do you want to master the essential skills required for a successful career in data science? Are you eager to develop expertise in SQL, Tableau, Machine and Deep Learning using Python? If your answer is a resounding "yes," then join us and embark on a journey towards becoming a data scientist!

In this course, you will gain a comprehensive understanding of SQL, Tableau, Machine Learning, and Deep Learning using Python. You will develop the necessary skills to analyze data, visualize insights, build predictive models, and derive actionable business solutions. Here are some key benefits of this course:

  • Develop mastery in SQL, Tableau, Machine & Deep Learning using Python

  • Build strong foundations in data analysis, data visualization, and data modeling

  • Acquire hands-on experience in working with real-world datasets

  • Gain a deep understanding of the underlying concepts of Machine and Deep Learning

  • Learn to build and train your own predictive models using Python

Data science is a rapidly growing field, and there is a high demand for skilled professionals who can analyze data and provide valuable insights. By learning SQL, Tableau, Machine & Deep Learning using Python, you can unlock a world of career opportunities in data science, AI, and analytics.

What's covered in this course?

The analysis of data is not the main crux of analytics. It is the interpretation that helps provide insights after the application of analytical techniques that makes analytics such an important discipline. We have used the most popular analytics software tools which are SQL, Tableau and Python. This will aid the students who have no prior coding background to learn and implement Analytics and Machine Learning concepts to actually solve real-world problems of Data Science.

Let me give you a brief overview of the course

  • Part 1 - SQL for data science

In the first section, i.e. SQL for data analytics, we will be teaching you everything in SQL that you will need for Data analysis in businesses. We will start with basic data operations like creating a table, retrieving data from a table etc. Later on, we will learn advanced topics like subqueries, Joins, data aggregation, and pattern matching.

  • Part 2 - Data visualization using Tableau

In this section, you will learn how to develop stunning dashboards, visualizations and insights that will allow you to explore, analyze and communicate your data effectively. You will master key Tableau concepts such as data blending, calculations, and mapping. By the end of this part, you will be able to create engaging visualizations that will enable you to make data-driven decisions confidently.

  • Part 3 - Machine Learning using Python

In this part, we will first give a crash course in python to get you started with this programming language. Then we will learn how to preprocess and prepare data before building a machine learning model. Once the data is ready, we will start building different regression and classification models such as Linear and logistic regression, decision trees, KNN, random forests etc.

  • Part 4 - Deep Learning using Python

In the last part, you will learn how to make neural networks to find complex patterns in data and make predictive models. We will also learn the concepts behind image recognition models and build a convolutional neural network for this purpose.

Throughout the course, you will work on several activities such as:

  • Building an SQL database and retrieving relevant data from it

  • Creating interactive dashboards using Tableau

  • Implementing various Machine Learning algorithms

  • Building a Deep Learning model using Keras and TensorFlow

This course is unique because it covers the four essential topics for a data scientist, providing a comprehensive learning experience. You will learn from industry experts who have hands-on experience in data science and have worked with real-world datasets.

What makes us qualified to teach you?

The course is taught by Abhishek (MBA - FMS Delhi, B. Tech - IIT Roorkee) and Pukhraj (MBA - IIM Ahmedabad, B. Tech - IIT Roorkee). As managers in the Global Analytics Consulting firm, we have helped businesses solve their business problems using Analytics and we have used our experience to include the practical aspects of business analytics in this course. We have in-hand experience in Business Analysis.

We are also the creators of some of the most popular online courses - with over 1,200,000 enrollments and thousands of 5-star reviews like these ones:

This is very good, i love the fact the all explanation given can be understood by a layman - Joshua

Thank you Author for this wonderful course. You are the best and this course is worth any price. - Daisy

Our Promise

Teaching our students is our job and we are committed to it. If you have any questions about the course content, practice sheet, or anything related to any topic, you can always post a question in the course or send us a direct message.

Don't miss out on this opportunity to become a data scientist and unlock your full potential! Enroll now and start your journey towards a fulfilling career in data science.


Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Sql
Hiển thị tất cả khoá học Tableau
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊