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 Masters 2026 - From Basics To Advanced

Khóa Học Thạc Sĩ Phân Tích Dữ Liệu 2026 - Từ Cơ Bản Đến Nâng Cao

Khóa Học Thạc Sĩ Phân Tích Dữ Liệu 2026 - Từ Cơ Bản Đến Nâng Cao

Làm Chủ Phân Tích Dữ Liệu: Học Python, EDA, Thống Kê, Excel, SQL, Power BI/Tableau, Fabric, Phân Tích Dự Đoán & Kiến Thức Cơ Bản Về ETL

4.5
(3,537 đánh giá)
35,774 học viên
Giảng viên
Dr. Satyajit Pattnaik
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
79.000đ 759.000đ -90%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
61.5 giờ video
346 bài giảng
11 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 07/06/2026
#Business Intelligence #Data Analytics #Python #Sql

Bạn sẽ học được gì

Khám phá cách xử lý, phân tích và trực quan hóa dữ liệu hiệu quả bằng Python và các thư viện mạnh mẽ của nó, bao gồm Pandas, NumPy, Matplotlib và Seaborn.
Học cách thực hiện Phân Tích Dữ Liệu Thăm Dò (EDA) để khám phá thông tin chi tiết, phát hiện các mẫu và chuẩn bị dữ liệu cho các phân tích sâu hơn thông qua trực quan hóa hiệu quả.
Trang bị kỹ năng để trích xuất, thao tác và tổng hợp dữ liệu bằng SQL. Bạn sẽ sử dụng MySQL để xử lý các cơ sở dữ liệu phức tạp và thực thi các truy vấn tinh vi.
Làm chủ nghệ thuật tạo bảng điều khiển tương tác và sâu sắc bằng Power BI và Tableau. Bạn sẽ áp dụng DAX cho các phép tính phức tạp trong Power BI và tích hợp.
Học viên sẽ học cách tận dụng Microsoft Fabric và Power BI để tạo các hình ảnh hóa dữ liệu có tác động và thực hiện phân tích dữ liệu nâng cao bằng kiến trúc lakehouse.
Khám phá những kiến thức cơ bản về máy học, bao gồm phân loại, hồi quy và phân tích chuỗi thời gian, để nâng cao kỹ năng phân tích dự đoán của bạn.
Học những kiến thức cơ bản về quy trình ETL để trích xuất, biến đổi và tải dữ liệu hiệu quả cho mục đích phân tích.

Yêu cầu

Không yêu cầu kiến thức đầu vào cho khóa học này.

Đối tượng phù hợp

Người mới bắt đầu hoàn toàn có quan tâm học Phân tích Dữ liệu đều có thể tham gia chương trình này.
Bất kỳ ai thuộc lĩnh vực Kỹ thuật hay Phi kỹ thuật đều có thể đăng ký chương trình này.

Nội dung khóa học

22 phần • 336 bài giảng
1 Chào mừng
2 Tài nguyên Khóa học
1 Hiểu Biết Cơ Bản về AI Sinh Tạo
2 Giới thiệu
3 Giới thiệu về AI Sinh Tạo
4 Giới thiệu về Công cụ AI (ChatGPT, Grok.com)
5 Kiến Thức Cơ Bản về Kỹ thuật Đề xuất (Prompt Engineering)
6 Ứng dụng của AI Sinh Tạo
7 Cân nhắc Đạo đức trong AI
1 Giới thiệu
2 Phân tích Dữ liệu là gì
3 Tầm quan trọng của Phân tích Dữ liệu
4 Các Loại Dữ liệu
5 Các Loại Phân tích Thống kê
6 Các bước để đạt được một giải pháp Phân tích Dữ liệu
7 Hiểu biết về Doanh nghiệp
8 Hiểu biết về Dữ liệu
9 Thu thập Dữ liệu
10 Chuẩn bị Dữ liệu
11 Mô hình hóa Dữ liệu
12 Triển khai
13 Trường hợp Sử dụng
1 Nội dung Khóa học
2 Hãy cài đặt Python
3 Google Colab
4 Hướng dẫn ngắn về ChatGPT cho Python
5 Giới thiệu về Python
6 Biến số & Từ khóa
7 Kiểu dữ liệu & Toán tử
8 Danh sách (Lists)
9 Bộ giá trị (Tuples)
10 Tập hợp (Sets)
11 Từ điển (Dictionary)
12 Vòng lặp & Lặp lại
13 Hàm (Functions)
14 Map Reduce Filter
15 Xử lý Tập tin
16 Cấu trúc Điều khiển
17 Lập trình Hướng đối tượng (OOPS)
18 NumPy
19 Pandas
20 Trực quan hóa Dữ liệu
21 Matplotlib
22 Seaborn
1 Nội dung Khóa học
2 Giới thiệu
3 Các Loại Dữ liệu (Nội dung)
4 Thống kê Mô tả
5 Thống kê Suy luận
6 Dữ liệu Định tính
7 Dữ liệu Định lượng
8 Kỹ thuật Lấy mẫu (Nội dung)
9 Tổng thể vs Mẫu
10 Tại sao Lấy mẫu quan trọng
11 Các Loại Lấy mẫu
12 Lấy mẫu Ngẫu nhiên Cụm
13 Lấy mẫu Xác suất
14 Lấy mẫu Phi xác suất
15 Lấy mẫu Tổng thể
16 Tại sao là n-1 và không phải n
17 Phân tích Mô tả (Nội dung)
18 Các Đo lường Xu hướng Trung tâm
19 Trung bình (Mean)
20 Trung vị (Median)
21 Mode
22 Các Đo lường Độ phân tán
23 Khoảng biến thiên (Range)
24 Khoảng tứ phân vị (IQR)
25 Phương sai & Độ lệch chuẩn
26 Độ lệch trung bình (Mean Deviation)
27 Xác suất (Nội dung)
28 Xác suất
29 Quy tắc Cộng
30 Sự kiện Độc lập
31 Xác suất Tích lũy
32 Xác suất Có điều kiện
33 Định lý Bayes 1
34 Định lý Bayes 2
35 Phân phối Xác suất (Nội dung)
36 Phân phối Đều
37 Phân phối Nhị thức
38 Phân phối Poisson
39 Phân phối Chuẩn Phần 1
40 Phân phối Chuẩn Phần 2
41 Độ lệch (Skewness)
42 Độ nhọn (Kurtosis)
43 Tính Xác suất bằng Z-score cho Phân phối Chuẩn Phần 1
44 Tính Xác suất bằng Z-score cho Phân phối Chuẩn Phần 2
45 Tính Xác suất bằng Z-score cho Phân phối Chuẩn Phần 3
46 Hiệp phương sai & Tương quan (Nội dung)
47 Hiệp phương sai (Covariance)
48 Tương quan (Correlation)
49 Hiệp phương sai VS Tương quan
50 Kiểm định Giả thuyết
51 Kiểm định Một phía/Hai phía
52 Giá trị p
53 Các Loại Kiểm định
54 Kiểm định T
55 Kiểm định Z
56 Phân tích Phương sai (ANOVA)
57 Kiểm định Chi bình phương
58 Kiểm định Tương quan (Thực hành)
1 Nội dung Khóa học
2 Nội dung
3 Quy trình DA, DS
4 EDA là gì
5 Trực quan hóa
6 Các bước trong EDA (Tìm nguồn Dữ liệu)
7 Các bước trong EDA (Làm sạch Dữ liệu)
8 Xử lý Giá trị Thiếu (Lý thuyết)
9 Xử lý Giá trị Thiếu (Thực hành)
10 Chuẩn hóa Đặc trưng (Lý thuyết)
11 Ví dụ về Chuẩn hóa (Standardization)
12 Ví dụ về Chuẩn hóa (Normalization)
13 Chuẩn hóa Đặc trưng (Thực hành)
14 Xử lý Ngoại lai (Lý thuyết)
15 Xử lý Ngoại lai (Thực hành)
16 Dữ liệu Không hợp lệ
17 Các Loại Dữ liệu
18 Các Loại Phân tích
19 Phân tích Đơn biến
20 Phân tích Song biến
21 Phân tích Đa biến
22 Phân tích Số học
23 Phân tích Thực hành
24 Chỉ số Dẫn xuất
25 Phân nhóm Đặc trưng (Lý thuyết)
26 Phân nhóm Đặc trưng (Thực hành)
27 Mã hóa Đặc trưng (Lý thuyết)
28 Mã hóa Đặc trưng (Thực hành)
29 Nghiên cứu Tình huống
30 Khám phá Dữ liệu
31 Làm sạch Dữ liệu
32 Phân tích Đơn biến
33 Phân tích Song biến Phần 1
34 Phân tích Song biến Phần 2
35 Báo cáo EDA
1 Nội dung Khóa học
2 Cài đặt
3 Kiến trúc Dữ liệu - Máy chủ tệp vs Máy chủ khách
4 Giới thiệu về SQL
5 Các Ràng buộc trong SQL
6 Cơ bản về Bảng - DDLs
7 Cơ bản về Bảng - DQLs
8 Cơ bản về Bảng - DMLs
9 Kết nối (Joins)
10 Nhập Xuất Dữ liệu
11 Hàm Tổng hợp
12 Hàm Chuỗi
13 Hàm Ngày Giờ
14 Biểu thức Chính quy
15 Truy vấn Lồng nhau
16 Khung nhìn (Views)
17 Thủ tục Lưu trữ
18 Hàm Cửa sổ
19 Kết nối SQL Python
1 Nội dung Khóa học
2 Hàm Định sẵn
3 Hàm Ngày Giờ
4 Hàm Chuỗi
5 Hàm Toán học
6 Hàm Tra cứu (Hlookup, Vlookup)
7 Hàm Logic & Lỗi
8 Hàm Thống kê
9 Hình ảnh trong Excel
10 Định dạng Excel
11 Định dạng Tùy chỉnh
12 Định dạng Có điều kiện
13 Biểu đồ trong Excel
14 Phân tích Dữ liệu bằng Excel
15 Bảng Pivot
16 Tạo Bảng điều khiển trong Excel
17 Khác
18 Công cụ Phân tích Kịch bản - Trình quản lý Kịch bản, Mục tiêu Tìm kiếm
1 Nội dung Khóa học
2 Giới thiệu
3 Mẹo (Cách có Giấy phép Power BI Pro)
4 Power BI Desktop
5 Dịch vụ Power BI
6 Trình chỉnh sửa Power Query
7 Phân tích hồ sơ dữ liệu (Data Profiling)
8 Hộp thoại Nhóm theo (Group by)
9 Các bước đã áp dụng (Applied Steps)
10 Nối thêm (Append) so với Kết hợp (Merge)
11 Hình ảnh hóa (Visuals) trong Power BI
12 Biểu đồ (Charts) trong Power BI
13 Giới thiệu về DAX
14 Các thước đo ngầm định (Implicit Measures)
15 Công thức DAX
16 Các hàm DAX cơ bản
17 Các hàm Ngày tháng (Date Functions)
18 Các hàm LỊCH (CALENDAR)
19 Ngữ cảnh: Ngữ cảnh dòng (Row) so với Ngữ cảnh lọc (Filter)
20 Hàm TÍNH (CALCULATE) & LỌC (FILTER)
21 Điều kiện NẾU...THÌ... (IF ELSE)
22 Các hàm Thông minh Thời gian (Time Intelligence)
23 Hàm X so với Hàm không phải X
24 Chú giải công cụ (Tool Tips) & Đi sâu chi tiết (Drill Throughs)
25 Quan hệ (Relationships) trong Power BI
26 Chỉ số hiệu suất chính (KPIs) trong Power BI
27 Quản trị (Administration) trong Power BI
28 Bảo mật cấp dòng tĩnh (Static Row Level Security)
29 Bảo mật cấp dòng động (Dynamic Row Level Security)
30 Luồng dữ liệu (Dataflows) trong Power BI
31 Định dạng (Formatting)
32 Các phương pháp hay nhất (Best Practices)
33 Phân tích dữ liệu thăm dò (EDA)
34 Dự án thực tế (Live Projects)
1 Giới thiệu về Mô-đun
2 Tổng quan về Dịch vụ Power BI
3 Cách tạo Không gian làm việc (Workspace)
4 Vai trò trong Không gian làm việc (Workspace Roles)
5 Thiết lập Không gian làm việc với Dung lượng Fabric
6 Xóa Dung lượng Fabric
7 Giới thiệu về Quy trình Triển khai (Deployment Pipeline)
8 Quy trình Triển khai (Azure MySQL) - Phần 1
9 Quy trình Triển khai (Azure MySQL) - Phần 2
10 Quy trình Triển khai (Azure MySQL) - Phần 3
11 Quy trình Triển khai (Azure MySQL) - Phần 4
12 Quy trình Triển khai (Azure SQL DB)
13 Báo cáo (Reports) so với Bảng điều khiển (Dashboard)
14 Tạo Báo cáo trên Dịch vụ PBI
15 Tạo Báo cáo trên Dịch vụ PBI (Chế độ AI Copilot)
1 Chào mừng!!
2 Giới thiệu về Microsoft Fabric
3 Tạo Tài khoản Tổ chức
4 Tạo Không gian làm việc trong Fabric
5 Bắt đầu với Lakehouse
6 Kiến trúc Lakehouse
7 Thực hành với Lakehouse
8 Tích hợp Cơ sở dữ liệu SQL
9 Tích hợp Luồng dữ liệu Fabric (Fabric Dataflows)
10 Giới thiệu về KQL (Ngôn ngữ Truy vấn Kusto)
11 Tìm hiểu thêm về KQL
12 Thực hành KQL #1
13 Thực hành KQL #2
14 Thực hành KQL #3
15 Thực hành KQL #4
16 Thực hành KQL #5
17 Tích hợp KQL với Microsoft Power BI
1 Mục tiêu học tập
2 Bật Copilot trên Fabric
3 Tìm hiểu sâu về Cài đặt Copilot
4 Các tính năng của Copilot
5 Tính toán Mô tả Thước đo bằng Copilot
6 Viết DAX bằng Copilot
7 Chỉnh sửa DAX bằng Copilot
8 Học DAX bằng cách tận dụng Chế độ xem Truy vấn DAX
9 Tận dụng các tính năng gợi ý của Copilot để tạo bảng điều khiển
10 Tạo bản tường thuật với Copilot
11 Trò chuyện với Copilot
12 Báo cáo Tự động hóa bằng AI với Copilot (Dự án)
1 Nội dung khóa học
2 Trực quan hóa dữ liệu là gì?
3 Quy trình BI
4 Tableau là gì?
5 Các tính năng của Tableau
6 Cách sử dụng Tableau
7 Kiến trúc Tableau
8 Tableau Desktop
9 Tableau so với Power BI
10 Quan hệ, Kết nối, Hợp nhất
11 Tập hợp (Sets) trong Tableau
12 Nhóm (Groups) trong Tableau
13 Hệ thống phân cấp (Hierarchies) trong Tableau
14 Bộ lọc (Filters) trong Tableau
15 Làm nổi bật (Highlighting)
16 Thiết kế Thiết bị (Device Designer)
17 Tham số (Parameters)
18 Pha trộn Dữ liệu (Data Blending)
19 Độ trong suốt (Transparency)
20 Tổng hợp Ngày tháng (Date Aggregation)
21 Các trường được tạo (Generated Fields)
22 Rời rạc so với Liên tục
23 Biểu đồ trong Tableau
24 Bảng tổng hợp (Pivot Tables) trong Tableau
25 Biểu thức Mức độ Chi tiết (LOD Expressions)
26 Trường được Tính toán (Calculated Fields)
27 Định dạng (Formatting)
28 Dự báo (Forecasting) trong Tableau
29 Phân tích (Analytics) trong Tableau
30 Tạo Bảng điều khiển (Dashboarding)
1 Nội dung khóa học
2 Giới thiệu
3 Quy trình Phân tích Dự đoán
4 Mô hình hoạt động như thế nào
5 Tại sao cần Phân tích Dự đoán
6 Ứng dụng
7 Học máy (Machine Learning) là gì?
8 Các loại Học máy
9 Phân loại (Classification)
10 KNN
11 Ví dụ KNN trong Excel
12 Thực hành Phân loại
13 Mã KNN
14 Ví dụ Cây quyết định (Decision Tree)
15 Mã Cây quyết định
16 Rừng ngẫu nhiên (Random Forest)
17 Mã Rừng ngẫu nhiên
18 Tăng cường (Boosting)
19 Mã Tăng cường
20 Hồi quy (Lý thuyết)
21 Hồi quy (Thực hành)
22 Phân cụm (Clustering)
23 Thực hành Phân cụm
24 Chuỗi thời gian (Time Series)
25 Mã Dự báo Chuỗi thời gian
1 Nội dung khóa học
2 Giới thiệu
3 ETL là gì?
4 Các công cụ ETL
5 Kho dữ liệu (Data Warehouse) là gì?
6 Lợi ích của Kho dữ liệu
7 Cấu trúc Kho dữ liệu
8 Tại sao cần Khu vực Staging
9 Kho dữ liệu con (Data Marts) là gì?
10 Hồ dữ liệu (Data Lake)
11 Hồ dữ liệu so với Kho dữ liệu
12 Các thành phần của Hồ dữ liệu
1 Hướng dẫn Phỏng vấn
1 Chào mừng!!
1 Phân tích Rời bỏ (Power BI)
1 Phân tích Rủi ro Ngân hàng (Power BI) - Phần 1
2 Phân tích Rủi ro Ngân hàng (Power BI) - Phần 2
1 Giới thiệu
2 Quy trình làm việc của Dự án
3 Hiểu về dữ liệu
4 Làm sạch dữ liệu
5 Phân tích Dữ liệu Thăm dò (EDA)
6 Cái nhìn đầu tiên về bảng điều khiển
7 Xây dựng Bảng điều khiển Power BI - Phần 1
8 Xây dựng Bảng điều khiển Power BI - Phần 2
9 Xây dựng Bảng điều khiển Power BI - Phần 3
1 Phân tích Nhân sự (Tableau)
2 Phân tích Tiền điện tử (Phân tích Dự đoán + Power BI)
3 Sẽ sớm bổ sung thêm nhiều dự án...

Giới thiệu khóa học

Welcome to the Data Analytics Master's Course

Course Overview

Welcome to your journey into the world of Data Analytics! This comprehensive course is designed to equip you with the essential skills and knowledge required to excel in the field of data analytics. Whether you are a beginner or looking to enhance your existing skill set, this course covers everything from foundational concepts to advanced applications.

What You Will Learn

This course is structured into several modules, each focusing on a critical aspect of data analytics:

  1. Introduction to Generative AI

    • Explore the latest advancements in AI tools like ChatGPT and Grok.

    • Understand how these tools can help in your journey.

  2. Python for Data Analysis

    • Learn the basics of Python and its libraries, including Pandas, NumPy, and Matplotlib.

    • Engage in hands-on exercises to manipulate and visualize data effectively.

  3. Exploratory Data Analysis (EDA)

    • Understand the importance of EDA in data analytics.

    • Gain skills in data cleaning, transformation, and visualization techniques.

  4. Statistics for Data Analytics

    • Explore key statistical concepts and their applications in data analysis.

    • Apply statistical methods using real-world datasets.

  5. SQL for Data Management

    • Learn how to interact with databases using SQL.

    • Develop skills to write complex queries and manage data effectively.

  6. Microsoft Excel for Data Analysis

    • Master Excel's powerful features for data analysis.

    • Use functions, pivot tables, and charts to derive insights.

  7. Data Visualization with Power BI and Tableau

    • Create interactive dashboards and reports using Power BI and Tableau.

    • Understand best practices for effective data visualization.

  8. Microsoft Fabric with Power BI Integration (NEW)

    • Explore the capabilities of Microsoft Fabric as a powerful datasource for Power BI, enabling seamless data integration.

    • Gain hands-on experience with lakehouse architecture and KQL to enhance your data analysis skills in a collaborative environment.

  9. Predictive Analytics

    • Dive into predictive modeling techniques.

    • Learn to build and evaluate models using machine learning algorithms.

  10. ETL Basics

    • ETL basics, difference between ETL vs ELT

    • Data warehousing theoretical concepts.

  11. Interview Guides

    • Prepare for your job search with tailored interview guides.

    • Learn common interview questions and strategies to present your skills effectively.

  12. Real-World Role Play Simulations for Analysts (NEW)

Course Structure

  • End-to-End Projects: Apply your knowledge in real-world scenarios with guided projects.

  • Theory & Practicals: Each module combines theoretical knowledge with practical exercises to reinforce learning.

  • Quizzes: Test your understanding and retention of the material with quizzes at the end of each module.

  • Role Play: Real-World Role Play Simulations for Analysts (NEW)

Learning Experience

This course is designed to be interactive and engaging. You'll have access to:

  • Video Lectures: Clear and concise video tutorials for each topic.

  • Discussion Forums: Connect with fellow students and instructors to share insights and ask questions.

  • Resources: Downloadable resources and additional reading materials to support your learning.

Your Journey Begins

We are excited to have you on board! This course aims to provide you with a well-rounded foundation in data analytics, preparing you for a successful career in this rapidly growing field. As you progress, remember to leverage the tools and techniques introduced, especially the innovative AI tools that can streamline your workflow and enhance your analytical capabilities.

Get Started

Dive into the first module and start your journey today! Your future in data analytics awaits.

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 Analytics
Hiển thị tất cả khoá học Python
Hiển thị tất cả khoá học Sql
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊