Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Đăng nhập
Xem tất cả kết quả
Menu
Đăng nhập Đăng ký miễn phí

Data Analytics Masterclass: Excel, Python, PowerBI & ChatGPT

Data Analytics Masterclass: Excel, Python, PowerBI & ChatGPT

Khởi Đầu Sự Nghiệp Data Analyst. Nhận Nền Tảng Toàn Diện và Kinh Nghiệm Thực Hành Với Mọi Công Cụ Phân Tích Dữ Liệu + ChatGPT.

4.2
(122 đánh giá)
1,536 học viên
Giảng viên
Analytix AI
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 399.000đ -87%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
25.0 giờ video
231 bài giảng
96 bài quiz
86 bài coding
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 11/06/2026
#Business Intelligence #Data Science #Excel #Python

Bạn sẽ học được gì

Thành thạo Excel, Python, Power BI và ChatGPT để chuẩn bị cho sự nghiệp data analyst.
Sử dụng ChatGPT cho các thao tác xử lý dữ liệu nâng cao, pivot tables và logic điều kiện.
Áp dụng ChatGPT vào phân tích dự báo, bao gồm random forest regressor và các mô hình machine learning khác.
Học các kiến thức và lý thuyết nền tảng trong phân tích dữ liệu, phân tích thống kê, kiểm định giả thuyết và machine learning.
Khám phá các kỹ thuật Excel nâng cao như PivotTables, Data Analysis ToolPak và dashboard tương tác.
Nắm vững kiến thức cơ bản về Python, bao gồm biến, kiểu dữ liệu, list, dictionary, dataframe và hàm.
Làm chủ Python để làm sạch, thao tác, phân tích, biến đổi và tiền xử lý dữ liệu.
Sử dụng Python để trực quan hóa dữ liệu, phân tích dữ liệu khám phá, phân tích thống kê và machine learning.
Học Power BI để thao tác, phân tích dữ liệu và tạo dashboard trực quan sâu sắc.
Tạo các dashboard trên Power BI chuyên nghiệp, giàu thông tin và bắt mắt.

Yêu cầu

Có máy tính và kết nối internet
Biết sử dụng máy tính cơ bản
Không yêu cầu kinh nghiệm lập trình
Có sự quyết tâm, kiên nhẫn và bền bỉ

Đối tượng phù hợp

Bất kỳ ai muốn học phân tích dữ liệu.

Nội dung khóa học

7 phần • 230 bài giảng
1 Định nghĩa, các loại hình và ví dụ về phân tích dữ liệu
2 Các thành phần chính của phân tích dữ liệu
3 Những yếu tố giúp bạn trở thành siêu data analyst!
4 Các nguồn thu thập dữ liệu khác nhau
5 Tổng thể so với mẫu và các phương pháp liên quan
6 Tại sao bạn không thể bỏ qua bước làm sạch dữ liệu
7 Các khía cạnh khác nhau của việc làm sạch dữ liệu
8 Các khía cạnh khác nhau của việc kết hợp tập dữ liệu
9 Thêm dữ liệu bổ sung bằng phép nối concatenation
10 EDA để tạo ra những thông tin chi tiết có giá trị
11 Các phương pháp phân tích dữ liệu khám phá phần 1
12 Các phương pháp phân tích dữ liệu khám phá phần 2
13 Các phương pháp phân tích dữ liệu khám phá phần 3
14 Ứng dụng của kiểm định thống kê
15 Các loại phân tích dữ liệu thống kê
16 Thống kê suy diễn phần 1 – Kiểm định T và ANOVA
17 Thống kê suy diễn phần 2 – Các thước đo mối quan hệ
18 Thống kê suy diễn phần 3 – Hồi quy tuyến tính
19 Kiểm định giả thuyết cho thống kê suy diễn
20 Chọn kiểm định thống kê và kiểm tra giả định
21 Mức độ tin cậy, mức ý nghĩa, giá trị p
22 Đưa ra quyết định và kết luận từ kết quả
23 Phân tích thống kê hoàn chỉnh và kiểm định giả thuyết
24 Biến đổi dữ liệu để phân tích tốt hơn
25 Các kỹ thuật biến đổi dữ liệu phần 1
26 Các kỹ thuật biến đổi dữ liệu phần 2
27 ML cho phân tích dữ liệu và ra quyết định
28 Các phương pháp ML được sử dụng rộng rãi trong phân tích dữ liệu
29 Các bước phát triển mô hình machine learning
30 Trực quan hóa dữ liệu để truyền tải thông tin tốt nhất
31 Một số phương pháp trực quan hóa dữ liệu phần 1
32 Một số phương pháp trực quan hóa dữ liệu phần 2
33 Một số phương pháp trực quan hóa dữ liệu phần 3
1 Lưu ý thêm về phân tích dữ liệu với Python
2 Tài nguyên sử dụng trong khóa học
3 Cài đặt Python và Jupyter Notebook – Mac
4 Cài đặt Python và Jupyter Notebook – Windows
5 Thêm các phương pháp thay thế – Xem bài viết
6 Bắt đầu với dòng code Python đầu tiên
7 Gán tên biến đúng cách
8 Các kiểu dữ liệu và cấu trúc dữ liệu khác nhau
9 Chuyển đổi và ép kiểu dữ liệu
10 Bắt đầu với Biến và Kiểu Dữ liệu
11 Toán tử số học (+, -, *, /, %, **)
12 Toán tử so sánh (>, =,
13 Toán tử logic (and, or, not)
14 Toán tử trong Lập trình Python
15 Lists: tạo, đánh chỉ mục, cắt, sửa đổi
16 Sets: các phần tử duy nhất, các phép toán
17 Dictionaries: cặp khóa-giá trị, các phương thức
18 Một số cấu trúc dữ liệu
19 Câu lệnh điều kiện (if, elif, else)
20 Biểu thức logic lồng nhau trong điều kiện
21 Cấu trúc lặp (vòng lặp for, vòng lặp while)
22 Định nghĩa, tạo và gọi hàm
23 Câu lệnh Điều kiện, Vòng lặp và Hàm
24 Chuẩn bị notebook và tải dữ liệu
25 Xác định giá trị bị thiếu hoặc rỗng
26 Phương pháp xử lý giá trị bị thiếu
27 Khám phá các kiểu dữ liệu trong dataframe
28 Xử lý các giá trị không nhất quán
29 Gán đúng kiểu dữ liệu
30 Xử lý các giá trị trùng lặp
31 Làm sạch và chỉnh sửa dữ liệu tuần tự
32 Sắp xếp dữ liệu theo cột và thứ tự
33 Lọc dữ liệu với boolean indexing
34 Phương thức query để lọc chính xác
35 Lọc dữ liệu với phương thức isin
36 Cắt dataframe bằng loc và iloc
37 Lọc dữ liệu với nhiều điều kiện
38 Các phương pháp thao tác dữ liệu khác nhau
39 Kết nối các dataframe theo chiều ngang
40 Nối các dataframe theo chiều dọc
41 Merge và join các dataframe
42 Phân tích tần suất và tỷ lệ phần trăm
43 Thống kê mô tả và phân tích
44 Phương pháp phân tích dữ liệu Group by
45 Phân tích Pivot table - tổng hợp tất cả trong một
46 Phương pháp phân tích Cross-tabulation
47 Phân tích tương quan cho dữ liệu số
48 Phân tích dữ liệu khám phá ứng dụng
49 Hiểu về các công cụ trực quan hóa
50 Bắt đầu với biểu đồ cột
51 Biểu đồ cột chồng và cụm
52 Biểu đồ tròn cho phân tích tỷ lệ phần trăm
53 Biểu đồ đường cho phân tích dữ liệu nhóm
54 Khám phá phân phối với histogram
55 Phân tích tương quan qua scatterplot
56 Trực quan hóa ma trận với heatmap
57 Phương pháp trực quan hóa thống kê Boxplot
58 Khám phá các phương pháp trực quan hóa dữ liệu
59 Xem xét phân phối của dữ liệu số
60 Kiểm định Shapiro-Wilk về tính chuẩn
61 Bắt đầu với biến đổi căn bậc hai
62 Phương pháp biến đổi logarit
63 Phương pháp biến đổi Box-Cox
64 Phương pháp biến đổi Yeo-Johnson
65 Các phương pháp biến đổi dữ liệu thực tế
66 Kiểm định t một mẫu
67 Kiểm định t hai mẫu độc lập
68 Phân tích phương sai một yếu tố
69 Kiểm định Chi bình phương cho tính độc lập
70 Phân tích tương quan Pearson
71 Phân tích hồi quy tuyến tính
72 Kiểm định thống kê và kiểm định giả thuyết
73 Tạo đặc trưng mới
74 Trích xuất ngày, tháng và năm
75 Mã hóa đặc trưng - LabelEncoder
76 Phân loại đặc trưng số
77 Mã hóa đặc trưng thủ công
78 Chuyển đổi đặc trưng thành biến giả
79 Các phương pháp kỹ thuật đặc trưng
80 Chọn đặc trưng và mục tiêu
81 Chuẩn hóa đặc trưng - StandardScaler
82 Chuẩn hóa đặc trưng - MinMaxScaler
83 Giảm chiều dữ liệu với PCA
84 Chia thành tập train và test
85 Tiền xử lý cho machine learning
86 Mô hình ML hồi quy tuyến tính
87 Mô hình ML Decision tree regressor
88 Mô hình ML Random forest regressor
89 Mô hình ML hồi quy có giám sát
90 Mô hình ML hồi quy logistic
91 Mô hình ML phân loại Decision tree
92 Mô hình ML phân loại Random forest
93 Mô hình ML phân loại có giám sát
94 Tính tổng bình phương trong cụm
95 Chọn số lượng cụm tối ưu
96 Ứng dụng của machine learning KMeans
97 Phân khúc dữ liệu với phân cụm KMeans
1 Lưu ý thêm về hàm và phím tắt
2 Tải tập dữ liệu thực hành
3 Xác định và loại bỏ dữ liệu trùng lặp
4 Xử lý giá trị bị thiếu
5 Xác định và xử lý ngoại lai
6 Tìm và xử lý các giá trị không nhất quán
7 Tách cột văn bản để phân tách dữ liệu
8 Áp dụng sắp xếp & bộ lọc để thu nhỏ dữ liệu
9 Lọc nâng cao với tiêu chí tùy chỉnh
10 Tô sáng ô dựa trên tiêu chí
11 Tìm ra thông tin chi tiết về giá trị cao nhất và thấp nhất
12 Tạo thang màu và thanh màu
13 Các hàm SUM, AVERAGE, MIN và MAX
14 Các hàm SUMIF và AVERAGEIF
15 Các hàm COUNT, COUNTA và COUNTIF
16 Câu lệnh IF cho các thao tác có điều kiện
17 VLOOKUP để tìm kiếm thông tin theo cột
18 HLOOKUP để tìm kiếm thông tin theo hàng
19 XLOOKUP để tìm kiếm thông tin mạnh mẽ & phức tạp
20 Biểu đồ cột chồng và cụm
21 Biểu đồ tròn và biểu đồ đường
22 Boxplot và Histogram
23 Biểu đồ phân tán và biểu đồ kết hợp
24 Trang trí đồ thị và biểu đồ
25 PivotTables để phân tích dữ liệu THEO NHÓM
26 PivotTables để phân tích dữ liệu CHÉO
27 PivotCharts và Slicers để tạo tính tương tác
28 Thống kê mô tả và phân tích
29 Kiểm định t hai mẫu độc lập
30 Phân tích phương sai – ANOVA một yếu tố
31 Phân tích tương quan cho mối quan hệ
32 Phân tích hồi quy tuyến tính bội
33 Tích lũy thông tin liên quan
34 Tạo khung cho dashboard
35 Phát triển dashboard hoàn chỉnh
36 Hoàn thiện trang trí dashboard
1 Tải tập dữ liệu thực hành
2 Tải Power BI desktop
3 Cài đặt quan trọng trong Power BI
4 Nhập dữ liệu vào Power BI
5 Điều chỉnh tên bảng và cột
6 Thiết lập đúng kiểu dữ liệu
7 Tách và xóa cột
8 Thay thế giá trị trong một cột
9 Thao tác dữ liệu văn bản
10 Phân tích dữ liệu số
11 Thao tác với ngày và giờ
12 Nhóm và tổng hợp
13 Kết nối các tập dữ liệu
14 Kết nối các tập dữ liệu
15 Hiểu về mô hình hóa dữ liệu
16 Tạo mô hình dữ liệu trong Power BI
17 Quản lý và chỉnh sửa mô hình dữ liệu
18 Định dạng và phân loại cột dữ liệu
19 Tạo và quản lý phân cấp
20 DAX cho toán học và thống kê
21 DAX để đếm danh mục
22 DAX cho các hàm logic
23 Bắt đầu với dashboard
24 Cài đặt thẻ KPI
25 Vẽ biểu đồ đường
26 Phát triển biểu đồ vùng
27 Cài đặt biểu đồ gauge
28 Trang trí dashboard
29 Tạo biểu đồ cột
30 Cài đặt biểu đồ donut
31 Trực quan hóa bảng ma trận
32 Trực quan hóa bản đồ
33 ĐẶC BIỆT: Tooltip trong Power BI
34 ĐẶC BIỆT: Thanh trượt slice để tương tác
35 ĐẶC BIỆT: Thêm nút tùy chỉnh
36 QUAN TRỌNG: Chạm cuối cùng
1 Tải tập dữ liệu thực hành
2 Tài khoản ChatGPT cao cấp
3 GPT-4 Data Analyst
4 Xác định giá trị bị thiếu
5 Điền giá trị bị thiếu
6 Khám phá kiểu dữ liệu
7 Tìm giá trị không nhất quán
8 Xóa giá trị không nhất quán
9 Xử lý dữ liệu trùng lặp
10 Sắp xếp tập dữ liệu
11 Lọc tập dữ liệu
12 Phương pháp nối Inner Join
13 Các phương pháp nối khác
14 Phân tích dữ liệu định danh
15 Phân tích mô tả
16 Phân tích dữ liệu theo nhóm
17 Phân tích Crosstabulation
18 Phân tích One-way ANOVA
19 Phân tích tương quan Pearson
20 Phân tích hồi quy
21 Biến đổi Box-Cox
22 Chia nhóm feature
23 Mã hóa feature
24 Tạo biến giả
25 Tiền xử lý feature
26 Tách feature
27 Machine Learning
1 Tài liệu nâng cao kỹ năng phân tích dữ liệu

Giới thiệu khóa học

Kickstart your career as a Data Analyst with our comprehensive all-in-one course, designed to provide you with a solid foundation and hands-on experience using the top four data analytics tools: Excel, Python, Power BI, and ChatGPT. This course is tailored to equip you with the essential skills and knowledge to excel in the fast-paced world of data analysis.

 

  • Python will be your next tool, where you'll explore everything from the basics—like variables, data types, and functions—to more advanced concepts like data cleaning, transformation, visualization, and even building machine learning models.

  • Our course also introduces the revolutionary capabilities of ChatGPT, where you'll learn how to leverage artificial intelligence for advanced data manipulation tasks, predictive analytics, and generating valuable business insights. Discover how GPT and other AI tools can be integrated into your data workflows to enhance analysis and decision-making.

  • You'll master Excel, where you'll learn to clean, manipulate, and analyze data using advanced techniques such as PivotTables, the Data Analysis ToolPak, and interactive dashboards.

  • Finally, you'll harness the power of Power BI to transform raw data into insightful, visually appealing dashboards that tell a compelling story. By the end of the course, you will have completed three capstone projects, including bank churn analysis, sports data analytics, and website performance analysis, to showcase your new skills.

This course is perfect for aspiring data analysts, professionals looking to upskill, or anyone interested in leveraging the power of ChatGPT and other tools such as, Excel, Python and Power BI in data analysis to drive business success.

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Business Intelligence
Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Excel
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊