Mô tả vắn tắt học phần

1. Tên học phần:

Phân tích dữ liệu

2. Ngôn ngữ giảng dạy:

Tiếng Việt

3. Mã học phần:

FIN805003

4. Bộ môn phụ trách giảng dạy:

KD - Khoa Tài chính

5. Trình độ:

Thạc sĩ

6. Số tín chỉ:

3

7. Phân bổ thời gian:

  • Đối với hoạt động trên lớp:
  • Lý thuyết: 30 giờ
  • Làm việc nhóm, thảo luận:: 15 giờ
  • Đối với hoạt động tại phòng máy tính, phòng mô phỏng, …:
  • Thực hành, làm việc nhóm, thảo luận
  • Tự nghiên cứu, tự học: 105 giờ
  • Đồ án, Đề án, Dự án
  • Thực tập

8. Tính chất học phần:

bắt buộc

9. Ngành áp dụng:

Dữ liệu đang cập nhật...

10. Điều kiện tiên quyết:

Không có môn học bắt buộc phải hoàn thành trước học phần này

11. Mục tiêu học phần:

Môn học nhằm mục tiêu cung cấp cho các nhà quản lý và lãnh đạo ở các đơn vị, tổ chức và doanh nghiệp những kiến thức về khoa học phân tích dữ liệu giúp cải thiện hiệu quả và chất lượng của việc ra quyết định. Môn học giúp người học nắm bắt bản chất chiều sâu thông tin đằng sau dữ liệu kinh tế và tài chính, qua đó phân tích mô tả, đánh giá và có thể đưa ra dự báo cũng như đề xuất các quyết định tài chính và kinh doanh tốt hơn.

12. Mô tả vắn tắt nội dung học phần:

Môn học này nghiên cứu về khoa học phân tích dữ liệu kinh tế - tài chính và thực nghiệm các phương pháp và kỹ thuật phân tích dữ liệu cho những bài toán thực tiễn trong hoạt động quản lý tài chính và kinh doanh. Sử dụng nhiều công cụ phân tích và đặc biệt là ứng dụng Python - ngôn ngữ lập trình hướng đối tượng mạnh mẽ trong khoa học dữ liệu, người học được trang bị kỹ năng thực hiện tiến trình phân tích dữ liệu hoàn chỉnh gồm thu thập, xử lý, mô tả, trực quan, phân tích, đánh giá, phán đoán, dự báo và đề xuất hỗ trợ ra quyết định. Nội dung môn học được thiết kế dựa trên 4 trụ cột kiến trúc theo cấp độ của khoa học phân tích dữ liệu: phân tích mô tả (descriptive analytics), phân tích chuẩn đoán (diagnostic analytics), phân tích dự báo (predictive analytics) và phân tích đề xuất (prescriptive analytics). Nhiều phương pháp phân tích truyền thống và một số thuật toán phân tích hiện đại cũng được giới thiệu như các phương pháp học sâu (deep learning), học máy (machine learning), trí tuệ nhân tạo (artificial intelligence) được vận dụng để phân tích các dữ liệu kinh tế - tài chính trong thế giới thực.