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

Data Analysis & Exploratory Data Analysis Using Python

Phân tích Dữ liệu & Phân tích Dữ liệu Khám phá (EDA) bằng Python

Phân tích Dữ liệu & Phân tích Dữ liệu Khám phá (EDA) bằng Python

Kiểm định Giả thuyết Tham số & Phi tham số | Xây dựng Ứng dụng EDA với Streamlit | Thư viện EDA | Trực quan hóa Dữ liệu

4.4
(482 đánh giá)
18,907 học viên
Giảng viên
SeaportAi .
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 349.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
5.0 giờ video
62 bài giảng
2 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Bốn loại phân tích dữ liệu là gì?
Sự khác biệt giữa phân tích dữ liệu và phân tích dữ liệu khám phá
Cách xác định yếu tố then chốt trong dữ liệu của bạn
Cách xác định các giá trị ngoại lai (outliers)
Thống kê mô tả là gì?
Cách xác định mối quan hệ giữa các biến
Đa cộng tuyến (Multi-collinearity) là gì?
EDA là gì?
Tại sao cần EDA?
Cách biến đổi dữ liệu
Xu hướng Trung tâm (Central Tendency) so với Độ phân tán (Dispersion)
Cách xử lý các giá trị bị thiếu trong tập dữ liệu
Cách áp dụng EDA (thông qua một bài tập)
Cách tối đa hóa giá trị từ dữ liệu của bạn
Kiểm định giả thuyết phi tham số là gì?
ANOVA
Kiểm định Mann-Whitney
Kiểm định Kruskal-Wallis
Kiểm định Trung vị Mood (Mood's Median)
Kiểm định t-Test
Tại sao cần trung bình hình học và trung bình điều hòa?

Yêu cầu

Kiến thức Cơ bản về Python

Đối tượng phù hợp

Nhà Khoa học Dữ liệu
Người mới bắt đầu học Máy học
Chuyên viên Phân tích Dữ liệu
Lập trình viên Python
Người thực hành Máy học
Quản lý CNTT phụ trách dự án khoa học dữ liệu
Chuyên viên Phân tích Kinh doanh

Nội dung khóa học

11 phần • 46 bài giảng
1 Giới thiệu Khóa học
2 Giới thiệu về Phân tích Dữ liệu
3 Tương quan (Correlation) so với Quan hệ Nhân quả (Causation)
4 Chiều cao sẽ là bao nhiêu?
1 Biến Phụ thuộc so với Biến Độc lập
2 Thống kê Mô tả, Hình dạng Phân phối, Các Loại Dữ liệu
3 Biểu đồ Hộp (Box Plot) & Phân tích Giá trị Ngoại lai
4 Ba Loại Trung bình
1 Biểu đồ Phân tán (Scatter Plot) và Hồi quy
2 Hệ số Tương quan Pearson, Tương quan Hạng Spearman và Kendall's Tau
3 Tìm yếu tố then chốt
4 Biểu đồ Phân tán Có điều kiện và Bản đồ Nhiệt (Heatmap)
5 Dự báo Chuỗi Thời gian
1 Giới thiệu về Kiểm định Giả thuyết
2 Tổng quan về Các Kiểm định Tham số Khác nhau
3 Kiểm định t-Test
4 Kiểm định ANOVA
5 Tầm quan trọng của kiểm định trong kỷ nguyên máy học
1 Sự khác biệt giữa Kiểm định Tham số và Phi tham số
2 Tổng quan về Các Kiểm định Phi tham số Khác nhau
3 Kiểm định Mann-Whitney
4 Kiểm định Hạng có dấu Wilcoxon
5 Kiểm định Kruskal-Wallis
6 Kiểm định Trung vị Mood (Mood's Median)
7 Kiểm định Friedman
8 Kiểm định Chi-Square
1 Biến Phụ thuộc & Độc lập và Loại Dữ liệu
2 Giá trị Null và Mã hóa (Encoding)
3 Giá trị Ngoại lai và Biến đổi Dữ liệu
4 Đa cộng tuyến
5 Tập dữ liệu Mất cân bằng
6 Chuẩn hóa Dữ liệu (Scaling)
7 Hướng dẫn chi tiết Code
8 Ứng dụng/Thư viện EDA - Klib, Sweetviz
1 Thiết lập Ngữ cảnh
2 Cơ sở hạ tầng cho Streamlit
3 Tạo một ứng dụng web đơn giản và Bắt đầu với Streamlit
4 Tiêu đề và Tiêu đề phụ
5 Đọc và hiển thị nội dung của một tệp
6 Tải lên một tệp
7 Ứng dụng EDA
1 Hồi quy Logistic
2 Không giám sát | Phân cụm (Clustering)
1 Bắt đầu với Pandas
2 Phân tích Dữ liệu bằng Pandas
1 Bài giảng Thưởng

Giới thiệu khóa học

Recent updates

  • March 2024: Expanded coverage of non parametric hypothesis tests

  • Jan 2023: EDA libraries (Klib, Sweetviz) that complete all the EDA activities with a few lines of code have been added

  • Jan 2022: Conditional Scatter plots have been added

  • Nov 2021: An exhaustive exercise covering all the possibilities of EDA has been added.


    Testimonials about the course

  • "I found this course interesting and useful. Mr. Govind has tried to cover all important concepts in an effective manner. This course can be considered as an entry-level course for all machine learning enthusiasts. Thank you for sharing your knowledge with us." Dr. Raj Gaurav M.

  • "He is very clear. It's a perfect course for people doing ML based on data analysis." Dasika Sri Bhuvana V.

  • "This course gives you a good advice about how to understand your data, before start using it. Avoids that you create a bad model, just because the data wasn't cleaned." Ricardo V


Welcome to the program on data analysis and exploratory data analysis!

This program covers both basic as well as advanced data analysis concepts, analysis approaches, the associated programming, assignments and case studies:

  • How to understand the relationship between variables

  • How to identify the critical factor in data

  • Descriptive Statistics, Shape of distribution, Law of large numbers

  • Time Series Forecasting

  • Regression and Classification

  • Full suite of Exploratory Data Analysis techniques including how to handle outliers, transform data, manage imbalanced dataset

  • EDA libraries like Klib, Sweetviz

  • Build a web application for exploratory data analysis using Streamlit

Programming Language Used

All the analysis techniques are covered using python programming language. Python's popularity and ease of use makes it the perfect choice for data analysis and machine learning purposes. For the benefit of those who are new to python, we have added material related to python towards the end of the course.


Course Delivery

This course is designed by an AI and tech veteran and comes to you straight from the oven!



Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Analysis
Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Pandas
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊