Menu

Tất cả danh mục

Đăng ký/ Đăng nhập

Gitiho contest

Cùng gitiho contest chinh phục kiến thức, khẳng định bản thân với hệ thống bài test phong phú, đầy đủ các chủ đề để bạn khám phá.

Lộ trình học tập

Khám phá đỉnh cao tri thức cùng Gitiho qua hành trình học tập được thiết kế tỉ mỉ và toàn diện. Với kho tàng lộ trình đa dạng, chuyên sâu trên mọi lĩnh vực, chúng tôi sẽ đồng hành cùng bạn khai phá tiềm năng, chinh phục thách thức và khẳng định giá trị bản thân. Mỗi hành trình đều được nghiên cứu công phu, tạo nên bước đệm vững chắc để bạn tự tin bứt phá và tỏa sáng trên con đường phát triển sự nghiệp."

Chương trình hội viên Gitiho

Gói Hội viên Gitiho: Trọn bộ khoá học theo Khung năng lực

480+ khóa học

15 Danh mục theo kỹ năng, ngành nghề

Năng lực Lõi, Năng lực Chuyên môn, Năng lực Bổ trợ, Năng lực Quản lý

Khám phá ngay

2000+ đã đăng ký

Gói Hội viên G-Skills: 03 kỹ năng bổ trợ thiết yếu

83 khóa học Tin học văn phòng

85 khóa học Kỹ năng mềm

29 khóa học Ngoại ngữ

Khám phá ngay

500+ đã đăng ký

Gitiho for leading business

Tối ưu và đơn giản hóa hoạt động đào tạo tại doanh nghiệp. Sẵn sàng nền tảng, nội dung đào tạo cho tất cả các vị trí, bộ phận. Ứng dụng MIỄN PHÍ ngay vào doanh nghiệp chỉ với MỘT click.

Đã được tin tưởng sử dụng bởi các doanh nghiệp

Top doanh nghiệp đã đăng ký cho nhân viên

Khóa học này dành cho?

Nhân sự văn phòng muốn nâng cao kỹ năng phân tích dữ liệu bằng Python.
Sinh viên ngành tài chính – kế toán, kiểm toán, ngân hàng muốn có lợi thế cạnh tranh khi ứng tuyển vào các vị trí phân tích dữ liệu.
Nhà phân tích dữ liệu, chuyên gia tài chính muốn ứng dụng Machine Learning vào dự báo tài chính, đánh giá rủi ro.
Các nhà đầu tư, chuyên gia tư vấn tài chính muốn khai thác dữ liệu tài chính để đưa ra quyết định tốt hơn.
Người trái ngành muốn chuyển sang lĩnh vực phân tích dữ liệu tài chính – kế toán, đặc biệt là những ai đang làm việc trong lĩnh vực quản trị kinh doanh, marketing, hoặc công nghệ nhưng muốn hiểu sâu hơn về dữ liệu tài chính

Bạn sẽ học được gì?

Thành thạo Python từ cơ bản đến nâng cao để xử lý dữ liệu doanh nghiệp
Làm sạch, xử lý và phân tích dữ liệu bằng các thư viện NumPy, Pandas
Trực quan hóa dữ liệu tài chính bằng Matplotlib, Seaborn, Plotly để tạo báo cáo phân tích tài chính chuyên sâu
Ứng dụng Machine Learning để dự báo tài chính và phát hiện gian lận kế toán với các thuật toán như Linear Regression, Decision Tree, Random Forest
Xây dựng các mô hình tài chính và tối ưu hóa danh mục đầu tư bằng Python

Khoá học này sẽ có:

Video

1h 10m giờ học

Article

0 bài viết chuyên môn

Material

0 tài liệu đính kèm

Exam questions

4 đề thi ghi nhớ kiến thức

Nội dung khoá học

7 Chương . 173 bài giảng . 1h 10m giờ học

Mở rộng tất cả các phần

Giới thiệu khóa học & Tài liệu học tập

4 bài giảng • 0 phút
  • 1. Giới thiệu khóa học
  • 2. Link tài liệu học tập
  • 3. Nhóm Zalo hỗ trợ học viên
  • 4. LƯU Ý QUAN TRỌNG: Trường hợp HV cần cài đặt Python Offline trên máy
  • 5. ___ 1. CÀI ĐẶT MÔI TRƯỜNG ___
  • 6. Cài đặt môi trường Google Colaboratory để chạy Python
    06:59
  • 7. Giới thiệu giao diện Google Colaboratory
    06:57
  • 8. Viết câu lệnh đầu tiên với Google Colaboratory
    04:42
  • 9. ___ 2. QUẢN LÝ CÁC THƯ VIỆN___
  • 10. Lệnh PIP: Quản lý thư viện Python sẵn có
    05:15
  • 11. Lệnh PIP: Cài thư viện mới
    06:04
  • 12. ___ 3. TRUY XUẤT, CHỈNH SỬA & XUẤT DỮ LIỆU ___
  • 13. Tương tác Excel trên máy tính: Kết nối & đọc dữ liệu
    05:28
  • 14. Tương tác Excel trên máy tính: Chỉnh sửa & xuất kết quả
    03:02
  • 15. Tương tác Excel trên Google Drive: Kết nối & đọc dữ liệu
    06:13
  • 16. Tương tác Excel trên Google Drive: Chỉnh sửa và xuất kết quả
    02:56
  • 17. Tương tác file Google sheet: Kết nối và đọc dữ liệu
    07:37
  • 18. Tương tác file Google Sheet: Chỉnh sửa & xuất kết quả
    03:15
  • 19. Xuất toàn bộ báo cáo: Dưới dạng .HTML hoặc .PDF
    07:14
  • 20. Xuất toàn bộ báo cáo: Dưới dạng Markdown (,MD) hoặc .DOCX
    04:32
  • 21. Bài kiểm tra chương 2
  • 23. ___ 1. CÁC THÀNH PHẦN CƠ BẢN___
  • 24. Quy tắc viết câu lệnh Python
  • 25. Quy tắc viết Chú thích (Comment)
  • 26. Biến (Variable) phần 1: Thực hành khai báo
  • 27. Biến (Variable) phần 2: Quy tắc đặt tên
  • 28. Các kiểu dữ liệu trong Python
  • 29. Toán Tử trong Python
  • 30. Format String & F-String: Tùy biến nội dung văn bản
  • 31. Index & Slicing: Khái niệm và ví dụ
  • 32. Index & Slicing: Bài tập thực hành tổng hợp
  • 33. Kiểu dữ liệu List: Khái niệm & ứng dụng
  • 34. Kiểu dữ liệu Tuple & Set: Khái niệm & ứng dụng
  • 35. Kiểu dữ liệu Dictionary: Khái niệm & ứng dụng
  • 36. String Methods (Phần 1): Viết hoa, viết thường & bỏ khoảng trắng
  • 37. String Methods (Phần 2): Thay thế & tách nội dung
  • 38. String Methods (Phần 3): Kiểm tra định dạng
  • 39. Test: Các thành phần cơ bản của Python
  • 39. String Methods (Phần 4): Định dạng số tiền trong báo cáo
  • 41. ___ 2. CẤU TRÚC ĐIỀU KIỆN & VÒNG LẶP ___
  • 42. Cấu trúc điều kiện IF-ELSE: Khái niệm & lưu đồ
  • 43. Cấu trúc điều kiện IF_ELIF_ELSE: Khái niệm & ứng dụng
  • 44. Vòng lặp For: Khái niệm & cấu trúc cộng dồn
  • 45. Vòng lặp For: Thực hành break và continue
  • 46. Vòng lặp While: Khái niệm & ứng dụng
  • 47. Test: Cấu trúc điều kiện & vòng lặp
  • 47. Vòng lặp While: Thực hành break & continue
  • 49. ___ 3. HÀM TRONG PYTHON___
  • 50. Hàm (Function): Khái niệm, phân biệt return & print
  • 51. Hàm (Function): Tính lợi nhuận gộp
  • 52. Bổ sung: Lý thuyết về range
  • 53. Hàm (Function): Tính lãi suất kép & Thuế VAT
  • 54. Hàm ẩn danh (Lambda): Khái niệm & Ứng dụng Tài chính - Kế Toán
  • 55. ___ 4. XỬ LÝ LỖI TRONG PYTHON___
  • 56. Xử lý lỗi trong Python
  • 57. 5. List / Set / Dictionary comprehension
  • 58. List comprehension: Khái niệm & Ứng dụng
  • 59. List comprehension: Thêm điều kiện IF - ELSE
  • 60. Set comprehension: Khái niệm & Ứng dụng
  • Bài kiểm tra thực hành 4: Test "Hàm & Xử lý lỗi"
  • 61. Dictionary comprehension: Khái niệm & Ứng dụng
  • 63. Tên bài giảng
  • 65. 3-1. Cài đặt các thư viện quan trọng
  • 66. 1.THƯ VIỆN NUMPY
  • 67. Chỉ số thống kê: Trung bình, trung vị, phân vị & độ lệch chuẩn
  • 68. Phân phối chuẩn (Normal Distribution)
  • 69. Phân phối lệch phải & lệch trái
  • 70. Numpy array: mảng 1 chiều & 2 chiều
  • 71. Numpy array: mảng 3 chiều
  • 72. Kiểm tra số chiều của mảng
  • 73. Biến đổi số chiều mảng Numpy
  • 74. Gộp & Tách mảng trong Numpy
  • 75. Thực hành tổng hợp: Đề bài & Câu 1
  • 76. Thực hành tổng hợp: Câu 2 & Câu 3
  • 77. Thực hành tổng hợp: Câu 4 & Câu 5
  • 78. 2.THƯ VIỆN PANDAS
  • 79. Khái niệm về Series (mảng 1 chiều)
  • 80. Khái niệm về DataFrame (mảng 2 chiều)
  • 81. DataFrame: Kiểm tra kích thước, số chiều & thống kê dữ liệu
  • 82. DataFrame: truy xuất theo hàng cột với .loc & .iloc
  • 83. Đọc, Lưu & Tải file dữ liệu .CSV
  • 84. Đọc, Lưu & Tải file dữ liệu .XLSX (Excel)
  • 85. Đọc, Lưu & Tải file dữ liệu .DB (SQL)
  • 86. Xử lý dữ liệu thiếu: Kiểm tra & lựa chọn hướng xử lý
  • 87. Xử lý dữ liệu thiếu: dùng hàm dropna()
  • 88. Xử lý dữ liệu thiếu: dùng hàm fillna()
  • 89. Xử lý dữ liệu thiếu: dùng interpolate() và ffill()
  • 90. Xử lý dữ liệu thiếu: Tổng hợp - So sánh các phương pháp
  • 91. Tương tác bảng tính: Lấy dữ liệu từ 1 hoặc nhiều cột
  • 92. Tương tác bảng tính: Lọc cột theo điều kiện cụ thể
  • 93. Tương tác bảng tính: Xóa 1 hoặc nhiều cột
  • 94. Tương tác bảng tính: Xóa 1 hoặc nhiều hàng
  • 95. Tương tác bảng tính: Thêm cột mới
  • 96. Tương tác bảng tính: Thêm hàng mới
  • 97. Tương tác bảng tính: Cập nhật dữ liệu với hàm .loc
  • 98. Sắp xếp dữ liệu theo điều kiện cụ thể
  • 99. Truy xuất 1 hoặc nhiều sheet trong file Excel
  • 100. Khái niệm nhóm (Groupby) và Tổng hợp (Aggregate) dữ liệu
  • 101. Thực hành nhóm (Groupby) và tổng hợp (Aggregate) với dữ liệu Tài chính - Kế Toán
  • 102. Kết hợp dữ liệu: Mô tả cách hoạt động
  • 103. Kết hợp dữ liệu: Thực hành Inner Join
  • 104. Kết hợp dữ liệu: Thực hành Left Join
  • 105. Kết hợp dữ liệu: Thực hành Right Join
  • 106. Kết hợp dữ liệu: Thực hành Outer Join
  • 107. Ghép dữ liệu theo hàng & cột
  • 108. Kết hợp dữ liệu theo Index
  • 109. Dữ liệu thời gian: Chuyển dữ liệu cột thành dữ liệu thời gian
  • 110. Dữ liệu thời gian: trích xuất Năm - Quý - Tháng - Ngày
  • 111. Dữ liệu thời gian: Tính khoảng cách giữa 2 ngày
  • 112. Dữ liệu thời gian: Dịch chuyển tăng - giảm theo ngày
  • 113. Dữ liệu thời gian: Tổng hợp theo Tháng - Quý - Năm
  • 114. Quản lý chỉ mục: Đặt chỉ mục cho dữ liệu
  • 115. Quản lý chỉ mục: Truy xuất theo chỉ mục
  • 116. Quản lý chỉ mục: Khôi phục chỉ mục mặc định
  • 117. Quản lý chỉ mục: Tạo - Tương Tác - Xóa chỉ mục Đa cấp
  • 118. Thực hành Tổng hợp Pandas: Xử lý dữ liệu thiếu
  • 119. Thực hành Tổng hợp Pandas: Tính tổng tiền GD & lợi nhuận theo chi nhánh & năm
  • 120. Thực hành Tổng hợp Pandas: Phân tích doanh thu & lợi nhuận theo tháng
  • 121. Thực hành Tổng hợp Pandas: Quản lý & Phân tích theo chỉ mục
  • 122. Thực hành Tổng hợp Pandas: Phân tích giao dịch theo Quý
  • 123. Thực hành Tổng hợp Pandas: Tạo & Phân tích theo chỉ mục đa cấp
  • 124. Bổ sung kiến thức: Apply trong Pandas
  • 126. Link tài liệu Module 4
  • 127. Xử lý dữ liệu trùng lặp: Lặp giá trị trong cột & Lặp cả hàng
  • 128. Xử lý dữ liệu thiếu: Lấp đầy giá trị
  • 129. Chuyển đổi kiểu dữ liệu
  • 130. Xử lý ngoại lệ: Dùng Zscore & IQR
  • 131. Chuẩn hóa dữ liệu văn bản: Loại bỏ ký tự đặc biệt
  • 133. Link tài liệu Module 5
  • 134. Giới thiệu Matplotlib & Seaborn: Trực quan hóa dữ liệu siêu tốc
  • 135. Dataset thực hành: Phân tích xu hướng tiền Tip tại Mỹ
  • 136. Cấu trúc biểu đồ cơ bản
  • 137. Biểu đồ đường/Lineplot: Phân tích doanh thu trung bình theo ngày (Matpotlib)
  • 138. Biểu đồ đường/Lineplot: Phân tích doanh thu trung bình theo ngày (Seaborn)
  • 139. Biểu đồ tán xạ/Scatter: Mối quan hệ doanh thu & Tiền Tips (Matplotlib)
  • 140. Biểu đồ tán xạ/Scatter: Mối quan hệ doanh thu & Tiền Tips (Seaborn)
  • 141. Biểu đồ bong bóng/Bubble: Quan hệ doanh thu, tiền Tips, lượng khách P1
  • 142. Biểu đồ bong bóng/Bubble: Quan hệ doanh thu, tiền Tips, lượng khách P2
  • 143. Biểu đồ phân bổ/Histogram: Tần suất doanh thu P1
  • 144. Biểu đồ phân bổ/Histogram: Tần suất doanh thu P2
  • 145. Biểu đồ khu vực/Area: Doanh thu theo ngày P1
  • 146. Biểu đồ khu vực/Area: Doanh thu theo ngày P2
  • 147. Biểu đồ tương quan/Pairplot: Quan hệ giữa doanh thu, tiền Tips & kích thước bàn
  • 148. Biểu đồ hộp/Boxplot: Doanh thu trung bình theo ngày P1
  • 149. Biểu đồ hộp/Boxplot: Doanh thu trung bình theo ngày P2
  • 150. Biểu đồ Violin plot: Doanh thu trung bình theo ngày P1
  • 151. Biểu đồ Violin plot: Doanh thu trung bình theo ngày P2
  • 152. Biểu đồ nhiệt/Heatmap: Tương quan doanh thu, tiền Tips & lượng khách
  • 153. Biểu đồ tần suất/KDE: Tần suất doanh thu
  • 154. Biểu đồ Combo: Trung bình doanh thu & Tiền Tips
  • 155. Subplot: Trực quan hóa 6 biểu đồ đồng thời
  • 156. Tạo biểu đồ tương tác với Dash & Plotly
  • 158. Link tài liệu Module 6
  • 159. Lấy dữ liệu: cào từ trang Web
  • 160. Lấy dữ liệu: lấy từ web bằng Power Query
  • 161. Khai báo dữ liệu: Báo cáo tài chính, Cân đối kế toán, Kết quả kinh doanh
  • 162. Trung bình & Độ lệch chuẩn dữ liệu: Tính toán từ bảng Cân đối kế toán
  • 163. Trung bình & Độ lệch chuẩn dữ liệu: Trực quan hóa
  • 164. Trung bình & Độ lệch chuẩn dữ liệu: Nhận xét hiện trạng doanh nghiệp
  • 165. Xu hướng tài chính theo thời gian: Chuẩn bị dữ liệu
  • 166. Xu hướng tài chính theo thời gian: Trực quan hóa & Kết luận
  • 167. Phân tích cơ cấu tài chính: Chuẩn bị dữ liệu
  • 168. Phân tích cơ cấu tài chính: Trực quan hóa & Kết luận
  • 169. Phân tích hiệu quả sinh lời (ROA,ROE,ROS): Chuẩn bị dữ liệu & Trực quan hóa
  • 170. Phân tích hiệu quả sinh lời (ROA,ROE,ROS): Kết luận
  • 171. Phân tích khả năng thanh toán: Chuẩn bị dữ liệu
  • 172. Phân tích khả năng thanh toán: Trực quan hóa & Kết luận
  • 173. Phân tích giá trị cổ phiếu: Chuẩn bị dữ liệu
  • 174. Phân tích giá trị cổ phiếu: Trực quan hóa & Kết luận
  • 175. Tương quan các chỉ số tài chính: Chuẩn bị dữ liệu
  • 176. Tương quan các chỉ số tài chính: Trực quan hóa & Kết luận
  • 177. Hồi quy tuyến tính đơn giản - Dự báo lợi nhuận từ doanh thu: Chuẩn bị dữ liệu
  • 178. Hồi quy tuyến tính đơn giản - Dự báo lợi nhuận từ doanh thu: Trực quan - K.Luận
  • 179. Hồi quy tuyến tính đơn giản - Thực hành với dữ liệu mẫu
  • 180. Hồi quy đa biến - Dự báo doanh thu: Chuẩn bị dữ liệu
  • 181. Hồi quy đa biến - Dự báo doanh thu: Trực quan hóa & Kết luận
  • 182. Bài tập cuối khóa Python AI

Mô tả khoá học

Khóa học này cung cấp một lộ trình toàn diện giúp học viên thành thạo Python trong việc phân tích, xử lý và trực quan hóa dữ liệu doanh nghiệp.

Từ nền tảng cơ bản đến ứng dụng thực tế, bạn sẽ học cách sử dụng các thư viện phổ biến như NumPy, Pandas, Matplotlib, Seaborn để làm sạch, biến đổi dữ liệu và xây dựng các báo cáo tài chính chuyên sâu.

Ngoài ra, khóa học cũng hướng dẫn phân tích dữ liệu nâng cao. Bạn sẽ thực hành với Google Colab, xử lý dữ liệu từ Excel, CSV, Google Sheets, và xuất báo cáo dưới nhiều định dạng khác nhau như PDF, HTML, DOCX.

Học viên không chỉ nắm vững Python mà còn hiểu cách áp dụng nó vào nghiệp vụ kế toán và tài chính doanh nghiệp. Với các bài tập thực tế, bạn sẽ có cơ hội làm việc với dữ liệu thật, giúp nâng cao tư duy phân tích và kỹ năng thực hành.

Khóa học phù hợp cho người mới bắt đầu, người chuyển ngành sang Phân tích dữ liệu, chuyên viên tài chính - kế toán muốn học lập trình, và nhà phân tích dữ liệu.

Giảng viên:

Nguyễn Hữu Đạt Giảng viên

Nguyễn Hữu Đạt

  • 5 điểm đánh giá

  • 4 đánh giá

  • 1,358 học viên

  • 5 khóa học

Anh Nguyễn Hữu Đạt là chuyên gia trong lĩnh vực Data, AI và phân tích dữ liệu trong doanh nghiệp, với hơn 10 năm kinh nghiệm đào tạo và triển khai các giải pháp dữ liệu cho nhiều tổ chức và doanh nghiệp tại Việt Nam. Anh từng tham gia giảng dạy và đào tạo cho nhiều đơn vị như Viettel, VNU University, Hocmai, ICANTECH, Galaxy Education, BrightChamps và Dịch vụ Khách Việt Nam.

Anh sở hữu nền tảng Thạc sĩ Quản lý xây dựng cùng chuyên môn về Khoa học dữ liệu và ứng dụng công nghệ thông tin, tập trung vào việc giúp học viên hiểu bản chất dữ liệu, phân tích dữ liệu hiệu quả và ứng dụng AI vào công việc thực tế.

Trong các chương trình đào tạo, giảng viên Nguyễn Hữu Đạt hướng tới phương pháp giảng dạy thực tiễn, dễ hiểu và có tính ứng dụng cao, giúp học viên từng bước xây dựng năng lực từ tin học văn phòng, phân tích dữ liệu, trực quan hóa dữ liệu đến ứng dụng trí tuệ nhân tạo trong marketing, sales và vận hành doanh nghiệp.

Với kinh nghiệm đào tạo và triển khai thực tế, anh mong muốn giúp người học nâng cao tư duy làm việc dựa trên dữ liệu và tối ưu hiệu quả công việc trong môi trường số.

Học viên cũng mua

Phân tích dữ liệu với lập trình Python
Tổng số 10 giờ 49 bài giảng
4.91
1,543
499,000 đ
799,000 đ
Phân tích dữ liệu với lập trình Python
Khóa học gửi email tự động bằng Google Apps Script từ A-Z
Tổng số 2 giờ 11 bài giảng
5
944
99,000 đ
299,000 đ
Khóa học gửi email tự động bằng Google Apps Script từ A-Z
Làm chủ công cụ Microsoft Access từ A–Z
Tổng số 5 giờ 53 bài giảng
0
116
499,000 đ
799,000 đ
Làm chủ công cụ Microsoft Access từ A–Z
Lập trình C# cơ bản cho Excel
Tổng số 4 giờ 25 bài giảng
4
103
399,000 đ
799,000 đ
Lập trình C# cơ bản cho Excel
Làm chủ Python trong 4 tuần
Tổng số 13 giờ 103 bài giảng
4.75
91
499,000 đ
799,000 đ
Làm chủ Python trong 4 tuần

Hỏi đáp khóa học

0 thảo luận

Gửi ảnh
Quy định đăng bình luận
Gửi ảnh
Quy định đăng bình luận
699,000đ
Scroll Top Top

Hỗ trợ khách hàng

VỀ GITIHO

hợp tác và liên kết

Tải App Gitiho

Kết nối với chúng tôi

Địa chỉ văn phòng: Phòng 302, Tầng 3, Tòa nhà Tây Hà, KĐT mới Phùng Khoang, Phường Thanh Xuân, Thành phố Hà Nội
© 2020 - Bản quyền của Công Ty Cổ Phần Công Nghệ Giáo Dục Gitiho Việt Nam
Giấy chứng nhận Đăng ký doanh nghiệp số: 0109077145, cấp bởi Sở Kế hoạch và Đầu tư TP. Hà Nội
Giấy phép mạng xã hội số: 588, cấp bởi Bộ Thông tin và Truyền thông