Khóa học được thiết kế giúp học viên áp dụng kiến thức và kỹ năng về phân tích và khoa học dữ liệu vào các dự án [tham khảo Course 5 đến Course 8]. Học viên sẽ làm việc theo nhóm để giải quyết các bài toán dựa trên dữ liệu datasets. Khóa học sẽ mô phỏng môi trường làm việc thực tế, giúp học viên phát triển không chỉ kỹ năng kỹ thuật mà còn cả kỹ năng mềm cần thiết cho sự nghiệp trong lĩnh vực Data Science.

Thời lượng: 32 giờ

Sau khi hoàn thành khóa học, học viên có khả năng:

• Tổng hợp và áp dụng kiến thức Khoa học dữ liệu vào dự án.
• Phát triển kỹ năng giải quyết vấn đề và ra quyết định trong các tình huống kinh doanh thực tế.
• Nâng cao khả năng làm việc nhóm và kỹ năng quản lý dự án trong lĩnh vực Data Science.
• Xây dựng portfolio cá nhân với các dự án Data Science end-to-end.
• Tăng cường kỹ năng thuyết trình và truyền đạt thông tin kỹ thuật cho các đối tượng khác nhau.
• Học viên sẽ được cấp chứng nhận hoàn tất khóa học theo quy định của ITSTARVN.
  

Nội dung khóa học

Giới thiệu và Chuẩn bị Dự án (4 giờ)

• Tổng quan về quy trình thực hiện dự án Data Science
• Giới thiệu các case studies và datasets
• Hình thành nhóm và chọn đề tài dự án
• Xác định mục tiêu và phạm vi dự án
• Lập kế hoạch và phân công nhiệm vụ

Dự án 1: Phân tích Dữ liệu Khách hàng và Dự đoán Churn (12 giờ)

• Phân tích và Tiền xử lý Dữ liệu (3 giờ)
  • EDA (Exploratory Data Analysis)
  • Xử lý dữ liệu thiếu và outliers
  • Feature engineering và selection
  • Xây dựng Mô hình Dự đoán (3 giờ)
  • Thử nghiệm các thuật toán Machine Learning khác nhau
  • Tinh chỉnh hyperparameters
  • Đánh giá và so sánh hiệu suất mô hình
• Triển khai và Monitoring (3 giờ)
  • Đóng gói mô hình thành API
  • Thiết kế pipeline monitoring
  • Xử lý concept drift
• Trực quan hóa và Báo cáo (3 giờ)
  • Tạo dashboard tương tác
  • Chuẩn bị báo cáo kỹ thuật và báo cáo cho stakeholders

Dự án 2: Hệ thống Gợi ý Sản phẩm Real-time (12 giờ)

• Thiết kế Kiến trúc Hệ thống (3 giờ)
  • Lựa chọn công nghệ phù hợp (e.g., Spark, Kafka)
  • Thiết kế data pipeline
  • Xác định các metrics đánh giá hiệu suất
• Xây dựng Mô hình Gợi ý (3 giờ)
  • Implement các thuật toán collaborative filtering và content-based filtering
  • Kết hợp các phương pháp để tạo hybrid recommender system
  • Tối ưu hóa mô hình cho xử lý real-time
• Xử lý Dữ liệu Streaming (3 giờ)
  • Implement real-time feature extraction
  • Xử lý cold-start problem
  • Cập nhật mô hình on-the-fly
• Đánh giá và Tối ưu hóa Hệ thống (3 giờ)
  • Thiết lập A/B testing
  • Phân tích và tối ưu hiệu suất hệ thống
  • Chuẩn bị báo cáo kỹ thuật và demo

Thuyết trình và Đánh giá Dự án (4 giờ)

• Mỗi nhóm thuyết trình dự án của mình
• Q&A và feedback từ giảng viên và các nhóm khác
• Đánh giá và cho điểm dự án