DATA ANALYTICS

with R

Những ai có thể học khóa Data Analytics with R

  • Bạn là một nhân viên doanh nghiệp, hàng ngày tổng hợp dữ liệu với Excel nhưng loay hoay vì:
    • Giới hạn số dòng < 1,000,000. Làm sao tổng hợp mọi giao dịch trong 10 năm?
    • Vlookup không nổi với hàng chục ngàn dòng
    • Câu lệnh so sánh ký tự treo quá lâu
    • Pivotable trên dữ liệu thô cũng treo
    • Lặp lại một thao tác cho nhiều cửa hàng
    • Mô hình dự báo làm thế nào?
  • Bạn làm ở phòng dữ liệu, làm sao báo cáo và hiển thị được xu hướng tổng quan, hiệu quả hay điểm bất thường của hoạt động kinh doanh?
  • Bạn là một kỹ sư công nghệ, muốn biết Machine Learning làm được gì?
  • Bạn có thể là một giảng viên, dữ liệu không quá lớn nhưng nhiều chiều (học sinh, môn học, điểm số, đánh giá,…), có mô hình nào dự báo, đánh giá hay phân loại không?
  • Bạn là một quản lý, làm sao tăng giá trị và năng suất của doanh nghiệp với các mô hình Machine Learning?
  • Bạn là sinh viên, cần chuẩn bị kỹ năng cho công việc thời đại 4.0

Trong thời đại này, dữ liệu có ở trong mọi ngành, mọi doanh nghiệp. Bạn hãy biết cách làm chủ và khai thác nó để tăng năng suất cho mình và cho doanh nghiệp. R là một công cụ cơ bản và hữu hiệu để bạn bắt đầu. Các phương pháp giảng dạy của

Kỹ năng đạt được:

  1. Thành thạo lập trình ngôn ngữ R
  2. Khai phá dữ liệu: tổng hợp, làm sạch, chuẩn hóa, biến đổi dữ liệu kinh doanh
  3. Biểu diễn hình ảnh và tạo lập các báo cáo Business Intelligence hiệu quả
  4. Sử dụng các phương pháp thống kê để phân tích dữ liệu kinh doanh
  5. Xây dựng các mô hình dự báo xu hướng và rủi ro
  6. Làm chủ quá trình triển khai dự án khoa học dữ liệu trong Doanh nghiệp

Các bộ dữ liệu thực hành:

Các bộ dữ liệu sử dụng bao gồm:
1. Churn customer: Dự báo khách hàng chuyển mạng viễn thông
2. Home credit default customer: Dự báo khách hàng nợ xấu
3. Bikesharing: Dự báo số lượt thuê xe đạp
4. Old car price: Dự báo giá xe cũ
5. US College: Phân cụm các trường học ở Mỹ
6. Vietnamese retail shop: Phân tích giỏ hàng siêu thị VN

Công cụ, phần mềm: R, RStudio, RMarkdown, Tableau

Các mô hình Machine Learning:

  1. Hồi quy tuyến tính
  2. K-Nearest Neighbors (KNN)
  3. Hồi quy Logistics
  4. Decision Tree
  5. Random Forest
  6. Naive Bayes
  7. K-mean Clustering
  8. Hierarchical Clustering
  9. Association Rules
  10. Neural Network

Chi tiết khóa học

Tổng Quan

  • Giá trị của Dữ liệu và vai trò của Khoa học dữ liệu
  • Cách nhận diện bài toán Dữ liệu trong DN
  • Giới thiệu công cụ: R, Rstudio, Markdown, Git
  • Ngôn ngữ lập trình R: từ cơ bản đến nâng cao

Xử lý dữ liệu kinh doanh:

  • Tải dữ liệu, tổng hợp, xây dựng từ điển dữ liệu
  • Ghép nối dữ liệu

Khai phá dữ liệu kinh doanh (EDA):

  • Thống kê đơn biến phân loại và liên tục
  • Thống kê đa biến, nhóm dữ liệu
  • Biểu diễn hình ảnh dữ liệu với ggplot2
  • Nhóm dữ liệu
  • Phân tích xu hướng

Biến đổi dữ liệu:

  • Làm sạch dữ liệu
  • Chuẩn hóa dữ liệu
  • Tìm kiếm điểm bất thường
  • Giảm chiều dữ liệu
  • Tạo biến mới từ dữ liệu

Thống kê dữ liệu:

  • Phân tích tương quan
  • Các kiểm định và độ tin cậy: so sánh trung bình
  • So sánh trung bình với phương pháp phân tích phương sai (ANOVA)
  • Bootstraping dữ liệu

Mô hình Hồi quy:

  • Phương pháp bình phương tối thiểu
  • Hồi quy đơn biến
  • Phân tích sai số
  • Hồi quy đa biến
  • Hồi quy logistics

Cơ bản về Machine Learning:

  • Mô tả các bài toán Machine Learning
  • Các mô hình hồi quy và cây quyết định
  • Các khái niệm training, validation, testing, bias và variance
  • Regularization
  • Bài toán tối ưu, phương pháp gradient descent
  • Các mô hình không giám sát
  • Quy trình dự án Machine Learning
  • Cách chuyển đổi bài toán doanh nghiệp thành bài toán ML
  • Trình bày kết quả dự án ML