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

HR Analytics Master Course with Excel, Python and R

Khóa học Thạc sĩ Phân tích Nhân sự với Excel, Python và R

Khóa học Thạc sĩ Phân tích Nhân sự với Excel, Python và R

Khóa học toàn diện nhất về Phân tích Dữ liệu và Phân tích Nhân sự

4.4
(828 đánh giá)
6,799 học viên
Giảng viên
Unlock HR
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 409.000đ -88%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
13.0 giờ video
179 bài giảng
85 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 31/05/2026

Bạn sẽ học được gì

Học thống kê ứng dụng từ con số 0, sau đó tiến tới machine learning
Học song song phân tích dữ liệu trên cả R và Python
Nắm được các bước trong quá trình chuẩn bị dữ liệu
Các phương pháp khác nhau để đo Xu hướng Trung tâm, Độ phân tán và Hình dạng của dữ liệu
Hiểu các bước trong kiểm định giả thuyết, Phân tích Đơn biến và Phân tích Song biến
Học các khái niệm về Feature Engineering
Xác định biến phụ thuộc và biến độc lập trong tập dữ liệu
Hiểu các khái niệm về xây dựng mô hình thống kê
Xác định vấn đề kinh doanh và tầm quan trọng của nó
Hiểu khái niệm về Machine Learning – Kỹ thuật Học có Giám sát và Học không Giám sát
4 bài nghiên cứu tình huống thực hành
Hơn 20 loại biểu đồ/đồ thị
Tất cả đều theo hướng thực tiễn

Yêu cầu

Bất kỳ ai cũng có thể tham gia khóa học này. Bạn không cần kiến thức nền tảng hay thiết bị bổ sung

Đối tượng phù hợp

Các chuyên gia Phân tích Dữ liệu muốn áp dụng kỹ năng của mình vào các quyết định quản lý nhân sự
Các chuyên gia Nhân sự muốn đưa phân tích dữ liệu vào công việc của mình
Các nhà quản lý muốn đưa ra quyết định dựa trên dữ liệu về nhân viên, đội nhóm và phương pháp quản lý
Sinh viên đang học ngành Nhân sự
Sinh viên hoặc bất kỳ cá nhân nào muốn phát triển lên lĩnh vực Nhân sự
Chủ doanh nghiệp và Doanh nhân
Và quan trọng nhất là áp dụng machine learning vào dữ liệu Nhân sự để dự đoán các thông tin chuyên sâu trong tương lai

Nội dung khóa học

25 phần • 179 bài giảng
1 Giới thiệu
1 Tài nguyên (QUAN TRỌNG)
2 Cấu trúc của Mô hình Thống kê
1 Cài đặt Python
2 Bắt đầu với các Gói Python
3 Bắt đầu với Jupyter Notebook
1 Cài đặt và Giới thiệu về R và Rstudio
1 Nhập File Excel trong Python và R
1 Tổng thể và Mẫu
2 Các Loại Dữ liệu
3 Các Loại Dữ liệu - Python
4 Các Loại Dữ liệu - R
5 Data Dictionary
6 Xác thực Tính đúng đắn - Python
7 Xác thực Tính đúng đắn - R
1 Phân tích Đơn biến
2 Trung bình/Trung vị/Mode - Excel
3 Giải mã Trung vị
4 Trung bình/Trung vị/Mode - Python và R
5 Các Đo lường Độ phân tán
6 Khoảng - Python và R
7 Khoảng Tứ phân vị
8 Khoảng Tứ phân vị - Python và R
9 Phương sai
10 Phương sai - Excel, Python và R
11 Độ lệch Chuẩn
12 Độ lệch Chuẩn - Excel, Python và R
13 Biểu đồ Histogram - Python & R
14 Độ lệch (Skewness)
15 Độ lệch - Python và R
16 Chuẩn hóa (Standardization)
17 Chuẩn hóa trong Python và R
1 Đếm, Tần suất và Phần trăm
2 Đếm và Phần trăm - Python và R
3 Biểu đồ Cột và Biểu đồ Tròn - Excel
4 Biểu đồ Cột và Biểu đồ Tròn - Python và R
1 Giới thiệu
2 Giá trị Khuyết
3 Giá trị Khuyết - Excel
4 Giá trị Khuyết - Python
5 Giá trị Khuyết - R
1 Hiểu về Ngoại lai
2 Hiểu về Biểu đồ Hộp (Boxplot)
3 Phát hiện bằng BoxPlot - Python và R
4 Phát hiện bằng Z-Score - Excel, Python và R
5 Xử lý Ngoại lai bằng Trung bình và Trung vị - Python và R
6 Xử lý bằng Flooring và Capping - Python và R
1 Giới thiệu về Song biến
1 Biểu đồ Phân tán
2 Biểu đồ Phân tán - Python và R
3 Ma trận Phân tán - Python và R
4 Hiệp phương sai
5 Hiệp phương sai trong Excel
6 Hiệp phương sai - Python và R
7 Ma trận Hiệp phương sai - Python và R
8 Tương quan
9 Tương quan - Python và R
10 Ma trận Tương quan - Python và R
1 Bảng Chéo
2 Bảng Chéo - Python và R
3 Bảng Tỷ lệ
4 Bảng Tỷ lệ - Python và R
5 Biểu đồ Stacked/Bar/Column trong Excel
6 Biểu đồ Stacked/Bar/Column trong Python và R
7 Biểu đồ Mosaic - Python và R
1 Thống kê Mô tả theo từng Danh mục
2 Biểu đồ Hộp
1 Giới thiệu về Kiểm định Giả thuyết
2 Các bước trong Kiểm định Giả thuyết
3 Xây dựng Giả thuyết
4 Khi nào nên dùng Kiểm định Giả thuyết nào
5 Mức Ý nghĩa
6 Áp dụng kiểm định, tìm giá trị P và so sánh với Mức Ý nghĩa
7 Kiểm định t một mẫu trong R và Python
8 Kiểm định t ghép cặp trong Python và R
9 Kiểm định Chi-bình phương trong Python và R
10 ANOVA trong Python và R
11 Giải mã Chi-bình phương
12 Giải mã ANOVA
1 Giới thiệu
2 Giới thiệu về Biến Dẫn xuất
3 Biến Dẫn xuất 'Thâm niên' - Excel, Python và R
4 Giới thiệu về Biến Dẫn xuất 'Tỷ lệ so sánh (Compa Ratio)'
5 Biến Dẫn xuất 'Tỷ lệ so sánh' - Excel, Python và R
6 Giới thiệu về Biến Giả
7 Giải thích về Biến Giả
8 Biến Giả - Python
9 Biến Giả trong R
1 Giới thiệu về Biến đổi Biến
2 Chuẩn hóa
3 Chuẩn hóa - Python và R
4 Biến đổi Log & Căn bậc Hai
5 Biến đổi Log & Căn bậc Hai - Python
6 Biến đổi Log & Căn bậc Hai - R
7 Phân nhóm (Binning)
8 Phân nhóm - Python
9 Phân nhóm - R
1 Giới thiệu
2 Chia Dữ liệu - Python & R
1 Giới thiệu về Hồi quy Tuyến tính
2 Hiểu trực quan về Mối quan hệ Tuyến tính
3 Vấn đề Kinh doanh
4 Các Loại Hồi quy Tuyến tính
5 Xây dựng Mô hình Hồi quy Tuyến tính Đầu tiên
6 Phương trình Hồi quy Tuyến tính Đơn giản
7 Trực quan hóa Hồi quy Tuyến tính
8 Diễn giải Phương trình Hồi quy Tuyến tính
9 Bình phương Tối thiểu Thông thường (Ordinary Least Square)
10 Giải thích về Sai số
11 R-Bình phương
12 Hồi quy Tuyến tính Bội
13 R-Bình phương Hiệu chỉnh
14 Kiểm định F
15 Hồi quy Tuyến tính Đơn giản trong R và Python
16 Hồi quy Tuyến tính Bội trong R và Python
17 Chọn các Yếu tố có Ý nghĩa trong R
18 Hồi quy Từng bước
19 Đa cộng tuyến
20 Đa cộng tuyến trong R
1 Giới thiệu về Tình huống Tỷ lệ Nghỉ việc (Attrition)
2 Xác thực Dữ liệu
3 Phân tích Đơn biến
4 Feature Engineering
5 Phân tích Song biến (Phân loại - Phân loại)
6 Kiểm định Chi-bình phương
7 Kiểm định Song biến (Số - Phân loại)
8 Kiểm định t
9 Tại sao phải Loại bỏ các Biến Không có Ý nghĩa?
10 Loại bỏ các Biến Không có Ý nghĩa
11 Tạo Biến Giả
12 Phân chia Dữ liệu
13 Hiểu về Hồi quy Logistic
14 Xây dựng Mô hình Hồi quy Logistic
15 Kỹ thuật Đánh giá Mô hình
16 Đánh giá Mô hình - Ma trận Nhầm lẫn (Confusion Matrix)
17 Đánh giá Mô hình - ROC, AUC
1 Vấn đề Kinh doanh
2 Phương pháp Phân loại Văn bản
3 Làm sạch Dữ liệu 1
4 Làm sạch Dữ liệu 2
5 Làm sạch Dữ liệu 3
6 Bag of Words
7 Chia Train Test
8 Xây dựng Mô hình Hồi quy Logistic
9 Đánh giá Mô hình
10 Triển khai Mô hình
11 Triển khai Mô hình trong Python
1 Vấn đề Kinh doanh
2 Tổng quan về Phân cụm
3 Cách tạo Cụm
4 Các Đo lường Khoảng cách
5 Chọn Quy trình Phân cụm
6 Lý thuyết về Phân cụm Phân cấp
7 Tìm Số lượng Cụm Tối ưu
8 Tải Dữ liệu và Phân tích Đơn biến trên Nhân khẩu học
9 Phân tích đơn biến trên điểm kiểm tra
10 Tìm cụm tối ưu – Thực hành
11 Phân cụm phân cấp – Thực hành
12 Xây dựng hồ sơ cụm – Phần 1
13 Xây dựng hồ sơ cụm – Phần 2
14 Xây dựng hồ sơ cụm – Phần 3
15 Lưu cụm
1 Biểu đồ
2 Các loại biểu đồ – PDF
3 Dữ liệu cho biểu đồ
4 Biểu đồ phân phối
5 Biểu đồ tương quan
6 Biểu đồ xếp hạng
7 Biểu đồ thành phần của tổng thể
8 Biểu đồ xu hướng
1 Nhân sự là gì và tầm quan trọng của nó
2 Các mục tiêu chính của Phân tích Nhân sự
3 Phân tích Nhân sự ứng dụng vào Vòng đời Nhân viên
4 Các lĩnh vực trọng tâm của Phân tích Nhân sự
1 Giới thiệu về các chỉ số Nhân sự
2 Hệ sinh thái các chỉ số Nhân sự
3 Các chỉ số trong các lĩnh vực trọng tâm của Nhân sự
4 Liên kết các chỉ số Nhân sự với chiến lược tổng thể của tổ chức
5 Hành trình từ Chỉ số đến Phân tích

Giới thiệu khóa học

HR analytics is also known as people analytics or you can say talent analytics. It is kind of analytics which helps HR managers, executives to make data-driven decisions about their employee or the workforce. It gives you expertise in using statistics, technology on unused but very important people’s data which can help you in making better business decisions and management for your company.

In this course, we take you on a journey where you start from a simple topic of calculating mean and move on to many complex topics such as text analytics. Hence you kickstart from statistics and land on machine learning techniques.

Once you have completed the course, you can help your company to better drive the ROI. Classic approaches are not sufficient in getting the required result in the long run.

To overcome this gap we came up with a solution where you can learn the techniques of solving these problems on your own in a very simple and intuitive self-paced learning method.

We have tried to create a very simple structure for this course so even if you have no knowledge or very basic knowledge of analytics then even you won't face any problem throughout the course. In this course you will:

  • Learn applied statistics right from scratch.


  • Simultaneously learn analytics on R and Python.


  • Identify the dependent and independent variables in your dataset.


  • Understand the steps involved in data preparation.


  • Various methods to measure Central Tendency, Variability, and Shape of data.


  • Understand the steps involved in Hypothesis Testing, Univariate, and Bi-variate Analysis.


  • Learn the concepts of Feature Engineering.


  • Understand the concepts of Statistical model building.


  • Identify a business problem and its importance.


  • Understand the concept of Machine Learning – Supervised and Unsupervised Learning Techniques.


  • 4 Hands-on case studies.


  • More than 20 types of charts/plots.


  • And the most important is applying machine learning on HR Data and predicting futuristic insights.

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