Nhập môn Phân tích Dữ liệu (Introduction to Spreadsheets for Data Analysis)

• Tổng quan về bảng tính (Getting Started Using Spreadsheets)
• Xem, Nhập và Chỉnh sửa Dữ liệu (Viewing, Entering, and Editing Data)
• Sao chép, Tự động điền và Định dạng Ô & Dữ liệu (Copying, Filling, and Formatting Cells and Data)
• Lọc & Sắp xếp dữ liệu (Filtering and Sorting Data in Excel)
• Định dạng dữ liệu có điều kiện (Conditonal Formatting)
• Hands-on lab 1: Entering and Formatting Data

Công thức & Hàm (Formulas and functions)

• Công thức là gì? (What is a formula?)
• Kiểm soát các phép tính trong bảng tính (Controlling calculations)
• Hàm là gì và cách viết công thức hàm (What is a function formula and how to write it)
• Hands-on lab 2: Simple Use of Functions

Xử lý & Làm sạch Dữ liệu (Cleaning & Wrangling Data)

• Chất lượng và Bảo mật Dữ liệu (Basics of Data Quality and Privacy)
• Nhập dữ liệu từ các tập tin (Importing File Data)
• Xóa Dữ liệu Trùng lặp, Không chính xác và Các Hàng trống (Removing Duplicated or Inaccurate Data and Empty Rows)
• Xử lý Dữ liệu Không nhất quán (Dealing with Inconsistencies in Data)
• Các Tính năng Hữu ích trong Excel để Làm sạch Dữ liệu (More Excel Features for Cleaning Data)
• Hands-on Lab 3: Cleaning Data

Sử dụng hàm để phân tích dữ liệu (Analyzing Data Using Spreadsheets)

• Phân tích dữ liệu bằng Bảng tính (Intro to Analyzing Data Using Spreadsheets)
• Các Hàm Hữu ích cho Phân tích Dữ liệu (Useful Functions for Data Analysis)
• Hàm làm sạch & chuẩn hóa văn bản (Using functions to clean or standardize text)
• Hands-on Lab 4: Standardizing text-based data
• Hàm Xử lý Thời gian (Date and time functions)
• Hands-on Lab 5: Calculating the number of working days remaining in the year
• Hàm Logic (Logical functions)
• Hands-on Lab 6: Adding a data column using the IFS function
• Hàm tìm kiếm & kết nối dữ liệu (Using VLOOKUP and HLOOKUP Functions)
• Hands-on Lab 7: Using the VLOOKUP and HLOOKUP Functions
• Ứng dụng Copilot phân tích dữ liệu trong Excel (Applying Copilot for Data Analysis in Excel)

Sử dụng Bảng tổng hợp - Pivot Table (Analyzing Data Using Pivot Table)

• Pivot Table (Bảng tổng hợp) là gì? (What is Pivot Table?)
• Chuẩn hóa dữ liệu trước khi dùng (Clean and standardize data before analysis)
• Các bước xây dựng Pivot Table (Steps to Create a Pivot Table)
• Nhóm dữ liệu trong Pivot Table (Grouping Data in a Pivot Table)
• Lọc dữ liệu trong Pivot Table (Filtering Data in a Pivot Table)
• Sử dụng Pivot Table Slicer (Using Pivot Table Slicers)
• Tạo calculated fields, calculated items (Creating Calculated Fields and Calculated Items)
• Hands-on Lab 8: Using Pivot Tables
• Vẽ biểu đồ Pivot, trang trí biểu đồ và xây dựng báo cáo (Creating Pivot Charts, Customizing Charts, Building Reports)
• Phân tích từ nhiều bảng (Data Model)
• Quiz 2: Preparing Data for Analysis with Microsoft Excel

Mini project 1: Your First Deliverable as a Data Analyst

Tổng quan về Power BI (Introduction to Power BI)

• Tổng quan về công cụ Power BI (Introduction to Power BI)
• Phân tích và Khai thác Thông tin từ Dữ liệu bằng Power BI (Analyzing data with Power BI)

Trích xuất, Chuyển đổi và Tải dữ liệu trong Power BI (Extract, Transform and Load Data in Power BI)

• Giới thiệu về quy trình ETL (Introduction to the ETL process)
• Chuyển đổi dữ liệu - Cơ bản (Transsforming Data - Basic)
• Chuyển đổi dữ liệu - Nâng cao (Transsforming Data - Advanced)
• Chuyển đổi dữ liệu thông qua Kết hợp nguồn (Transformations by Combining Data)
• Tải dữ liệu (Loading Data)
• Phân tích Cấu trúc Dữ liệu (Data Profiling) (Data Profiling in Power BI)
• Tăng tốc xử lý dữ liệu với GenAI (Copilot trong Power Query)
• Hands-on Lab 9: Transforming multiple data sources

Mô hình hóa dữ liệu (Data Modeling)

• Giới thiệu về mô hình dữ liệu (Introduction to data modeling)
• Lược đồ (Schemas)
• Bảng Sự kiện và Bảng Tham chiếu  (Fact &Dimension)
• Tính Duy nhất  (Cardinality)
• Hướng lọc chéo  (Cross-filter Direction)
• Tổng quan về Mức độ Chi tiết Dữ liệu  (Data Granularity)
• Hands-on Lab 10: Working with data models

Sử dụng DAX trong Power BI (Using DAX - Data Analysis Expressions)

• DAX (Data Analysis Expressions) (Introduction to DAX - Data Analysis Expressions)
• Hands-on Lab 11: Using DAX to Power BI
• Các Phép đo & Cách làm việc (Measures & Working with measures)
• Hands-on Lab 12: Using Measures to Power BI
• DAX & Mối quan hệ giữa các bảng (DAX and table relationships)
• Xây dựng phép tính thông minh trong DAX (Time intelligence calculations in DAX)
• Hands-on Lab 13: Time intelligence and calculations in DAX
• Tối ưu hóa hiệu suất trong mô hình dữ liệu & DAX (Optimize performance in a Power BI model & DAX queries)
• Viết DAX dưới sự hỗ trợ của GenAI (Enhance Your DAX Writing with GenAI Support)

Phân tích và Trực quan hóa Dữ liệu trong Power BI (Data Analysis and Visualizations in Power BI)

• Trực quan hóa dữ liệu (What are visualizations?)
• Các dạng biểu đồ cơ bản (Charts - Basic)
• Các dạng biểu đồ nâng cao (Charts - Advanced)
• Hands-on Lab 14: Creating Reports
• Thiết kế, điều hướng & lọc báo cáo (Designing, Navigation and Filtering - Interactive Report)
• Bảng điều khiển (What is a dasboard?)
• Báo cáo & Bảng điều khiển (Report & Dashboard)
• Xây dựng bảng điều khiển (Building a dashboard)
• Hands-on Lab 15: Building a dasboard
• Sử dụng các chức năng AI để phân tích dữ liệu (Working with AI Visuals)

Thiết kế sáng tạo trong Power BI (Creative Designing in Power BI) 

• Thiết kế & Trực quan hoá bảng điều khiển (Desin & Visualization)
• Kể chuyện với dữ liệu (Storytelling with data)
• Hands-on Lab 16: Creative Design in Power BI
• Assignment: PL-300 practice
• Bonus: Google Locker Studio

Mini project 2: Your First Deliverable as a Data Analyst

Tổng quan về cơ sở dữ liệu quan hệ  (Introduction to Relational Databases (RRBMS))

• Ôn tập kiến thức nền tảng về dữ liệu (Review of Data Fundamentals)
• Mô hình thông tin và dữ liệu (Information and Data Models)
• Lược đồ thực thể - ERD và các loại quan hệ giữa thực thể (ERDs and Types of Relationships)
• Chuyển đổi thực thể thành bảng dữ liệu trong cơ sở dữ liệu quan hệ (Mapping Entities to Tables)
• Data Types (Kiểu dữ liệu trong cơ sở dữ liệu)
• Relational Model Concepts (Các khái niệm trong mô hình quan hệ)
• Hands-on Lab 17: Relational Model Concepts

Hệ quản trị cơ sở dữ liệu quan hệ  (Relational Database Products)

• Kiến trúc cơ sở dữ liệu  (Database Architecture)
• Kiến trúc phân tán và cơ sở dữ liệu dạng cụm  (Distributed Architecture and Clustered Databases)
• Các mô hình sử dụng cơ sở dữ liệu  (Database Usage Patterns)
• Hệ quản trị cơ sở dữ liệu quan hệ phổ biến (Introduction to Relational Database Offerings)
• Phân loại câu lệnh SQL: DDL vs DML
• Tạo bảng  (Creating Tables)
• Câu lệnh CREATE TABLE (CREATE TABLE Statement)
• Câu lệnh ALTER, DROP, và TRUNCATE TABLE (ALTER, DROP, and Truncate Tables)
• Các công cụ hỗ trợ di chuyển dữ liệu  (Data Movement Utilities)
• Tải dữ liệu (Loading Data)
• Hands-on Lab 18: CREATE, ALTER, TRUNCATE, DROP

PostgreSQL

• Khởi động với PostgreSQ (Getting Started with PostgreSQL)
• Tạo cơ sở dữ liệu và tải dữ liệu trong PostgreSQL (Creating Databases and Loading Data in PostgreSQL)
• Views
• Hands-on Lab 19: Views in PostgreSQL
• Giới thiệu và làm việc với BigQuery (Introduction and Working with BigQuery)

Các câu lệnh SQL cơ bản (Basic SQL Statements)

• Câu lệnh SELECT (SELECT Statement)
• COUNT, DISTINCT, LIMIT
• Câu lệnh INSERT (INSERT Statement)
• Câu lệnh UPDATE, DELETE (UPDATE and DELETE Statements)
• Hands-on Lab 20: Simple SELECT Statements

Xử lý làm sạch dữ liệu (Data Cleaning)

• Phát hiện dữ liệu thiếu và lỗi định dạng (Detect missing values and formatting errors)
• Thay thế giá trị (Replace values)
• Làm sạch chuỗi văn bản (Clean strings)
• Loại bỏ dữ liệu trùng lặp (Remove duplicates)
• Kiểm tra và chuẩn hóa định dạng (Validate and standardize formats)
• Hands-on Lab 21: Data Cleaning with SQL

Tối ưu kết quả truy vấn (Refining your Results)

• Sử dụng mẫu chuỗi và khoảng giá trị  (String Patterns và Ranges)
• Sắp xếp tập kết quả  (Sorting Result Sets)
• Các hàm tổng hợp thống kê (Statistical Aggregation Functions)
• Nhóm dữ liệu theo điều kiện  (Grouping Result Sets)
• Hands-on Lab 22: Sub-queries and Nested Selects

Hàm, nhiều bảng và truy vấn con (Functions, Multiple Tables, and Sub-queries)

• Các hàm có sẵn trong cơ sở dữ liệu (Built-in Database Functions)
• Các hàm xử lý ngày và giờ  (Date and Time Functions)
• Các hàm phân tích Window Functions  (Analytical Window Functions)
• Truy vấn lồng nhau và truy vấn con  (Sub-queries và Nested SELECTs)
• Làm việc với nhiều bảng  (Working with Multiple Tables)
• Hands-on Lab 23: Functions, Multiple Tables, and Sub-queries

Các câu lệnh JOIN (JOIN Statements)

• Tổng quan về JOIN
• Kết nối bên trong (INNER JOIN)
• Kết nối bên ngoài (OUTER JOIN)
• Xử lý với dữ liệu lớn Big Tech (Working with Big Data Big Tech)
• Hands-on Lab 24: Joins
• Glossary: FUNCTIONS and Implicit JOIN

Mini project 3: Visualizations using SQL & Power BI

Giới thiệu về ngôn ngữ lập trình Python (Introduction to Python)

• Giới thiệu về ngôn ngữ lập trình Python (Getting Started with Python)
• Các kiểu dữ liệu trong Python (Types)
• Biểu thức & biến (Expressions and Variables)
• Xử lý chuỗi trong Python (String Operations)
• Cấu trúc dữ liệu trong Python (Python data structures)
• Hands-on Lab 25: Python Basics
• Glossary: Python Basics

Kiến thức nền tảng lập trình Python (Python Programming fundamentals)

• Câu lệnh điều kiện & rẽ nhánh (Conditions and Branching)
• Vòng lặp trong Python (Loops)
• Hàm trong Python (Functions)
• Xử lý lỗi (Exception Handling)
• Lập trình hướng đối tượng: Đối tượng và lớp (Objects and Classes)
• Hands-on Lab 26: Python Programming Fundamentals
• Glossary: Python Programming Fundamentals

Làm việc với dữ liệu trong Python (Working with Data in Python)

• Đọc và viết tệp với hàm Open (Reading and Writing Files with Open)
• Thư viện Pandas trong Python (Pandas in Python)
• Thư viện Numpy trong Python (Numpy in Python)
• Hands-on Lab 27: Working with Data in Python

APIs và thu thập dữ liệu (APIs and Data Collection)

• Bắt đầu với các APIs đơn giản (Simple APIs)
• REST API và gửi yêu cầu HTTP (REST APIs & HTTP Requests)
• Làm việc với các định dạng tệp khác nhau (Working with Different File Formats)
• Hands-on Lab 28: APIs and Data Collection
• Glossary: APIs and Data Collection

Phân tích dữ liệu với Python (Data Analysis with Python)

• Nhập và xuất dữ liệu trong Python (Importing and Exporting Data in Python)
• Kết nối và truy xuất dữ liệu từ cơ sở dữ liệu bằng Python (Accessing Databases with Python)
• Tiền xử lý dữ liệu trong Python (Pre-processing Data in Python)
• Xử lý dữ liệu bị thiếu trong Python (Dealing with Missing Values in Python)
• Định dạng dữ liệu trong Python (Data Formatting in Python)
• Chuẩn hóa dữ liệu trong Python (Data Normalization in Python)
• Phân nhóm dữ liệu (Binning) trong Python (Binning in Python)
• Chuyển đổi biến phân loại thành biến số trong Python (Turning Categorical Variables into Quantitative Variables in Python)
• Hands-on Lab 29: Data Analysis with Python

Phân tích dữ liệu khám phá (EDA) (Exploratory Data Analysis)

• Phân tích dữ liệu khám phá (EDA) (Exploratory Data Analysis)
• Thống kê mô tả (Descriptive Statistics)
• Nhóm dữ liệu với GroupBy trong Python (GroupBy in Python)
• Tương quan - Góc nhìn thống kê (Correlation - Statistics)
• Hands-on Lab 30: Exploratory Data Analysis
• Glossory: Exploratory Data Analysis

Trực quan hóa dữ liệu với Python (Data Visualization with Python)

• Tổng quan về trực quan hóa dữ liệu (Overview of Data Visualization)
• Các loại biểu đồ (Types of Plots)
• Các thư viện vẽ biểu đồ (Plot Libraries)
• Giới thiệu thư viện Matplotlib (Introduction to Matplotlib)
• Vẽ biểu đồ cơ bản với Matplotlib (Basic Plotting with Matplotlib)
• Biểu đồ cơ bản và biểu đồ phổ biến (Basic and Specialized Visualization Tools)
• Trực quan hóa nâng cao (Advanced Visualizations and Geospatial Data)
• Xây dựng Dashboard với Plotly (Creating Dashboards with Plotly)
• Làm việc với Dash (Working with Dash)
• Kết nối và làm việc giữa Excel và Python trong dự án thực tế (Connecting and Working Between Excel and Python)
• Kết nối và làm việc giữa SQL và Python trong dự án thực tế (Connecting and Working Between SQL and Python)
• Hands-on Lab 31: Data Visualization with Python
• Glossory: Excel, SQL & Python

Mini project 4: Analyzing & Creating Dashboard with Python

Tổng quan Machine Learning & Deep Learning (Introduction to ML & DL for Data Analysts)

• Machine Learning là gì? (so sánh ML, DL, thống kê truyền thống)
• Deep Learning là gì? Mô hình mạng neuron cơ bản
• Lý do nhà phân tích dữ liệu cần hiểu ML/DL
• Ứng dụng thực tế: dự báo, phân loại, phát hiện bất thường
• Hands-on Lab 32: Dự đoán đơn giản với Linear Regression bằng sklearn

Xây dựng mô hình mạng neuron đầu tiên với Keras (Building Your First Neural Network with Keras)

• Giới thiệu TensorFlow / Keras
• Cấu trúc mô hình Sequential trong Keras
• Các lớp phổ biến: Dense, Activation
• Loss function & Optimizer cơ bản
• Hands-on Lab 33: Phân loại dữ liệu Iris bằng mạng đơn giản

Chuẩn bị dữ liệu cho Deep Learning (Data Preparation for Deep Learning)

• Tiền xử lý dữ liệu: chuẩn hóa, mã hóa biến phân loại
• Chia tập train/test
• One-hot encoding
• Overfitting và cách giảm thiểu
• Hands-on Lab 34: Xây mô hình phân loại khách hàng

Dự báo và phân tích dữ liệu thời gian (Time Series Forecasting with Deep Learning)

• Tổng quan về Time Series
• Dự báo bằng mạng neuron (MLP)
• Giới thiệu RNN, LSTM

Kỹ năng viết Prompt trong Phân tích dữ liệu  (Introduction to prompt engineering for Data Analyst)

• Tổng quan về Prompt (Introduction to Prompt Engineering)
• Cấu trúc Prompt: Vai trò - Nhiệm vụ - Ngữ cảnh - Kỳ vọng (Prompt structure: Role – Task – Context – Expectation)
• Hands-on lab 35: Writing basic prompts
• Cải thiện prompt của bạn (Improving your prompts)
• Đánh giá hiệu quả của prompt (Evaluating prompt performance)
• Tối ưu prompt để đạt kết quả tốt hơn (Optimizing prompts for better results)
• Tìm hiểu cơ bản về xử lý ngôn ngữ tự nhiên (NLP) (Understanding natural language processing (NLP) basics)

Ứng dụng GenAI trong phân tích dữ liệu (Use of Generative AI for Data Analytics)

• AI tạo sinh trong phân tích dữ liệu (Generative AI for Data Analytics)
• Các ví dụ về GenAI trong phân tích dữ liệu (Examples of Generative AI in Data Analytics)
• Chuẩn bị dữ liệu và khám phá (Data Preparation and Insights)
• Trực quan hóa & kể chuyện dữ liệu (Data Visualization and Storytelling)
• Hands-on lab 36: GenAI for Data Analysis
• Glossory: Data Analytics and Generative AI

Chuẩn bị phỏng vấn cho nhà phân tích dữ liệu (Data Analyst Career Guide and Interview Preparation)

• Một ngày làm việc của nhà phân tích dữ liệu (A day in the life of a data analyst)
• Chuẩn bị hồ sơ và portfolio (Preparing your resume and portfolio)
• Một số câu hỏi phỏng vấn mẫu (Sample interview questions)
• Glossory: Checklist interview
• Glossory: Design of PowerPoint

• Mock Project

Khám phá ML cơ bản & MLflow

• Giới thiệu ML trên Databricks: Build classical ML models (forecast doanh thu, churn prediction, clustering khách hàng) dùng scikit-learn/XGBoost trong notebook Python.
• MLflow Tracking: Tự động log parameters, metrics, artifacts.
• Hands-on: Train model track experiments với MLflow, view history & best run.
• Xu hướng VN: Techcombank dùng MLflow để quản lý lifecycle hàng nghìn ML models, hỗ trợ predictive analytics & customer 360 (case dẫn đầu banking VN 2024-2025).

AutoML & Monitoring

• AutoML: Quick prototype - chỉ định target, AutoML tự train models.
• Model Registry & Basic Monitoring: Register model vào MLflow Registry, view versions; monitor metrics cơ bản (accuracy, RMSE, artifacts) và compare performance.
• Hands-on project: Mini-case VN-inspired (forecast sales e-commerce hoặc customer churn ngân hàng) → Train (manual/AutoML) → Log/track với MLflow → Register model → Rút ra insights & storytelling từ metrics.