Học phần tương đương
Tại FTU:
- Toán cao cấp (Chương trình tiêu chuẩn);
- Toán tài chính (Chương trình tiêu chuẩn);
- Toán trong khoa học quản lý (Chương trình tiên tiến Kinh tế);
- Đại số trong kinh tế và kinh doanh + Giải tích trong kinh tế và kinh doanh (Chương trình tiên tiến Quản trị kinh doanh);
Tại các trường đại học khác:
- Toán cao cấp (có số tín chỉ ít nhất là 3);
- Toán cao cấp ứng dụng trong kinh tế (có số tín chỉ ít nhất là 3);
- Toán cao cấp cho các nhà kinh tế (có số tín chỉ ít nhất là 3);
- Đại số ứng dụng trong kinh tế (có số tín chỉ ít nhất là 2) và Giải tích ứng dụng trong kinh tế (có số tín chỉ ít nhất là 2);
- Đại số tuyến tính (có số tín chỉ ít nhất là 2) và Giải tích (hàm 1 biến và 2 biến) (có số tín chỉ ít nhất là 2);
- Toán cao cấp (A1) và Toán cao cấp (A2) ở các trường khối Kỹ thuật.

Học phần tương đường
Tại FTU
- Lý thuyết xác suất và thống kê toán (Chương trình tiêu chuẩn);
- Xác suất và thống kê (Chương trình tiên tiến Quản trị kinh doanh);
Tại các trường đại học khác:
- Lý thuyết xác suất và thống kê toán (có số tín chỉ ít nhất là 3);
- Xác suất và thống kê toán (có số tín chỉ ít nhất là 3);
- Xác suất và thống kê toán ứng dụng (có số tín chỉ ít nhất là 3).

- Hình thức làm bài: 30 phút
- Hình thức: Trắc nghiệm
- Cấu trúc: 30 câu hỏi trắc nghiệm
- Nội dung kiểm tra: Xác suất, thống kê và suy luận logic
- Phạm vi kiến thức: Theo chương trình giảng dạy lý thuyết xác suất và thống kê toán bậc Đại học

- Hình thức: Bài luận ngắn 300-500 từ
- Nội dung: Bài luận không giới hạn chủ đề viết của bạn tuy nhiên cần chứa đủ thông tin về
- Nền tảng học vấn/kinh nghiệm
- Lý do tham gia chương trình
- Mục tiêu, kế hoạch nghề nghiệp sau khi hoàn thành chương trình này

• TỔNG QUAN
Học phần cung cấp cho học viên tổng quan về phương thức lưu trữ dữ liệu, mô hình hóa dữ liệu và các kỹ thuật truy vấn và quản trị cơ sở dữ liệu (CSDL) quan hệ. Học viên sẽ có cơ hội khám phá các phương pháp và công cụ thiết kế cơ sở dữ liệu, thực hành ứng dụng kiến thức đã học cùng với hiểu biết về kinh tế và kinh doanh để thiết kế mô hình dữ liệu cho các bài toán thực tế trong doanh nghiệp. Đồng thời, học viên sẽ được bổ sung kinh nghiệm lập trình thực tế bằng cách sử dụng ngôn ngữ truy vấn có cấu trúc (SQL) để làm sạch, biến đổi dữ liệu và tính toán trên các dự án và bài toán thường gặp.
Nội dung đào tạo được thiết kế để học viên có thể vận dụng tối đa các lợi thế về hiểu biết nghiệp vụ trong các công việc yêu cầu làm việc với CSDL.
• MỤC TIÊU
1. Học viên hiểu được khái niệm cơ sở dữ liệu, quy trình và cách thức thiết kế cơ sở dữ liệu phục vụ cho các công việc liên quan đến phân tích nghiệp vụ và phân tích dữ liệu;
2. Hiểu được các khái niệm và kiến trúc nhà kho dữ liệu, các kỹ thuật cơ bản trong thiết kế mô hình dữ liệu đa chiều phục vụ cho phân tích;
3. Hiểu và vận dụng được ngôn ngữ truy vấn có cấu trúc (SQL) để tương tác với cơ sở dữ liệu, truy vấn, tổng hợp và biến đổi dữ liệu phục vụ cho các bài toán phân tích.
• CHƯƠNG TRÌNH HỌC
Nội dung đào tạo được thiết kế để học viên hình thành tư duy liên kết giữa nghiệp vụ kinh doanh, nhu cầu phân tích và cách thức tổ chức, lưu trữ, truy xuất dữ liệu trong cơ sở dữ liệu.
➤ Các khái niệm về cơ sở dữ liệu (CSDL)
a. Giới thiệu về CSDL, các khái niệm, các loại CSDL phổ biến, ưu nhược điểm và ứng dụng;
b. Các khái niệm cơ bản về CSDL quan hệ (Relational Database);
c. Quy trình thiết kế CSDL;
d. Chuyển hóa yêu cầu thiết kế sang mô hình dữ liệu qua từng cấp độ: Khái niệm, Logic, Vật lý (Conceptual, Logical và Physical Data Model).
➤ Nhà kho dữ liệu và mô hình dữ liệu đa chiều
a. Các khái niệm, kiến trúc và ứng dụng của nhà kho dữ liệu (Data warehouse) trong môi trường doanh nghiệp;
b. Các kỹ thuật thiết kế mô hình dữ liệu đa chiều cho các bài toán phân tích.
➤ Ngôn ngữ truy vấn có cấu trúc (SQL)
a. Giới thiệu ngôn ngữ truy vấn có cấu trúc SQL: kiểu dữ liệu, các toán tử, biểu thức và cú pháp;
b. Các phép nối và bảng tạm;
c. Các phép biến đổi và tổng hợp dữ liệu;
d. Các hàm cửa sổ (Window Functions) và ứng dụng;
e. Vận dụng ngôn ngữ truy vấn có cấu trúc để giải quyết các bài toán phân tích dữ liệu nâng cao.

• TỔNG QUAN
Học phần này cung cấp cho người học kiến thức và kỹ năng về lập trình cho phân tích dữ liệu và tính toán khoa học dựa trên hệ sinh thái mã nguồn mở của Python.
Học viên sẽ được giới thiệu về ngôn ngữ lập trình hiện đại được sử dụng trong nhiều ngành (Python) cũng như toàn bộ chu trình phát triển của một dự án khoa học dữ liệu dựa trên các bộ dữ liệu và bài toán gần gũi với thực tế. Trong nội dung khóa học này, người đọc sẽ lựa chọn các bộ dữ liệu, thực hiện các thao tác làm sạch dữ liệu, trực quan dữ liệu, chạy các mô hình phân tích thống kê, các mô hình học máy cơ bản với Python như một dự án thực tế.
• MỤC TIÊU
1. Học viên hiểu được các khái niệm cơ bản về lập trình, vận dụng trên ngôn ngữ Python;
2. Sử dụng ngôn ngữ lập trình Python và các thư viện phù hợp trong quá trình phân tích dữ liệu từ thu thập dữ liệu, làm sạch và biến đổi dữ liệu, trực quan hóa, xây dựng và đánh giá mô hình;
3. Nhận biết cách xây dựng và đánh giá các mô hình học máy đơn giản sử dụng trong phân tích dữ liệu.
• CHƯƠNG TRÌNH HỌC
Nội dung đào tạo được chia thành các module với những bài tập nhỏ củng cố riêng cho từng module, song song với đó, học viên sẽ học cách đọc tài liệu, tự tìm hiểu dưới sự hỗ trợ của giảng viên để giải quyết các bài tập lớn và vận dụng trong môn học Phân tích dữ liệu nâng cao trong Kinh tế và Kinh doanh.
➤ Ngôn ngữ lập trình Python
a. Các khái niệm cơ bản, công cụ, môi trường, cú pháp;
b. Kiểu dữ liệu, cấu trúc dữ liệu và ứng dụng;
c. Cấu trúc điều khiển (rẽ nhánh, vòng lặp);
d. Định nghĩa và sử dụng hàm trong Python.
➤ Ứng dụng Python trong phân tích dữ liệu
a. Thao tác dữ liệu với thư viện Pandas;
b. Trực quan hóa dữ liệu với thư viện Matplotlib, Seaborn;
c. Xây dựng mô hình học máy với thư viện Scikit-Learn.
➤ Dự án phân tích dữ liệu với Python: Sử dụng Python trong dự án phân tích dữ liệu Kinh tế và Kinh doanh thực tế.

• TỔNG QUAN
Trong học phần này, học viên sẽ được trang bị năng lực xử lý, tính toán và khai phá dữ liệu nhằm đưa ra các phân tích, dự báo, giúp doanh nghiệp khai thác được tối đa lợi ích từ dữ liệu, xác định hướng hành động tốt nhất cho một vấn đề thực tế trong bối cảnh kinh doanh, từ đó đưa ra các quyết định kịp thời và chính xác hơn. Nội dung môn học gắn liền với các công việc thực tiễn của lĩnh vực phân tích dữ liệu và trí tuệ kinh doanh, đồng thời cung cấp cho người học một sự chuẩn bị toàn diện để hoàn thành kỳ thi lấy chứng chỉ Chuyên viên phân tích dữ liệu của Microsoft (Microsoft Data Analyst Associate).
Trong mỗi buổi học, học viên không những được trang bị kiến thức lý thuyết mà còn được thực hành ngay tại lớp để có thể hiểu được nội dung bài học một cách tốt nhất. Đồng thời, học viên cũng sẽ được giao một dự án mô phỏng công việc phân tích dữ liệu thực tế, từ khai phá dữ liệu đến diễn giải và truyền đạt kết quả bằng cách sử dụng các kỹ thuật trực quan hoá thích hợp dưới sự hướng dẫn của giảng viên.
• MỤC TIÊU
1. Hiểu và vận dụng được các phương pháp khai phá dữ liệu hiện đại, mô hình ra quyết định và phương pháp tối ưu, phục vụ cho việc phân tích, dự báo, từ đó ra quyết định hiệu quả trong kinh tế và kinh doanh.
2. Hiểu và vận dụng được các kiến thức về tổng hợp, biến đổi, mô hình hoá và trình diễn dữ liệu vận dụng trên Microsoft Power BI như một giải pháp phân tích dữ liệu cho doanh nghiệp.
3. Có hiểu biết về ứng dụng các thuật toán học máy nền tảng, lựa chọn thuật toán phù hợp với nhu cầu phân tích, triển khai các thuật toán với Python.
4. Biết cách đặt vấn đề, lựa chọn các giải pháp, công cụ phù hợp để giải quyết các bài toán trong kinh doanh.
• CHƯƠNG TRÌNH HỌC
Trong quá trình học, học viên sẽ có cơ hội tiếp cận và vận dụng một quy trình Khám phá tri thức (Knowledge Discovery in Databases) hoàn thiện trong thực tế, từ khám phá (làm sạch, tiền xử lý, biến đổi và trực quan hoá dữ liệu) đến khai phá dữ liệu, tập trung vào các lớp thuật toán dự báo, hồi quy và phân lớp.
➤ Khám phá dữ liệu (Data Exploration)
a. Tổng quan về Khám phá tri thức và Phân tích dữ liệu;
b. Tổng hợp, làm sạch và biến đổi dữ liệu với Power BI;
c. Mô hình hóa dữ liệu trong Power BI;
d. Biểu thức phân tích dữ liệu (DAX) và ứng dụng;
e. Trực quan hóa dữ liệu với Power BI.
➤ Khai phá dữ liệu (Data Mining)
a. Tổng quan về khai phá dữ liệu: Quy trình, kỹ thuật, ứng dụng;
b. Các thuật toán học máy và khai phá dữ liệu (luật kết hợp, hồi quy, phân lớp);
c. Triển khai các thuật toán học máy và khai phá dữ liệu để giải quyết các bài toán kinh tế, kinh doanh bằng ngôn ngữ lập trình Python.