Mô tả vắn tắt học phần

1. Tên học phần:

Kỹ thuật phân tích dữ liệu

2. Ngôn ngữ giảng dạy:

Tiếng Anh

3. Mã học phần:

INT547218

4. Bộ môn phụ trách giảng dạy:

CNTK - Viện Công nghệ Thông minh và Tương tác

5. Trình độ:

Đại Học

6. Số tín chỉ:

3

7. Phân bổ thời gian:

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

8. Ngành áp dụng:

Công nghệ logistics tích hợp chứng chỉ quốc tế FIATA (K52.TATP) - Logistics và quản lý chuỗi cung ứng - Công nghệ logistics tích hợp chứng chỉ quốc tế FIATA (K52.TATP) (7510605) - Đại Học

9. Điều kiện tiên quyết:

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

10. Mục tiêu học phần:

Môn học này nhằm trang bị cho sinh viên kiến thức và kỹ năng cần thiết để thực hiện các bước trong quy trình phân tích dữ liệu một cách có hệ thống. Cụ thể, sinh viên sẽ học cách tổ chức và nhập liệu từ các cuộc điều tra thống kê phức tạp, làm sạch và chuẩn bị dữ liệu cho phân tích, sử dụng coding để xử lý và phân tích dữ liệu, cũng như trình bày dữ liệu lớn thông qua bảng biểu, đồ thị và các đặc trưng số. Ngoài ra, sinh viên sẽ được rèn luyện các phương pháp phân tích trên một hoặc nhiều biến kết hợp, cùng với kỹ năng nhận diện và áp dụng mô hình hồi quy phù hợp để phân tích các mối quan hệ nhân quả.

11. Mô tả vắn tắt nội dung học phần:

Môn học cung cấp một cách có hệ thống các kỹ thuật cần thiết để thực hiện quy trình phân tích dữ liệu hiệu quả. Nội dung học phần bao gồm các phương pháp tổ chức và tạo khuôn nhập liệu cho dữ liệu sơ cấp từ các cuộc điều tra thống kê phức tạp; kỹ thuật làm sạch và chuẩn bị dữ liệu trước khi phân tích; sử dụng các ngôn ngữ lập trình để xử lý và phân tích dữ liệu; trình bày dữ liệu lớn thông qua bảng biểu, đồ thị và các đặc trưng số. Bên cạnh đó, môn học hướng dẫn các phương pháp phân tích dữ liệu trên một biến hoặc nhiều biến kết hợp, nhận diện và xây dựng mô hình hồi quy phù hợp để phân tích mối quan hệ nhân quả. Ngoài ra, sinh viên còn được học cách áp dụng các mô hình phân loại và phân cụm để khám phá cấu trúc dữ liệu và phân tích nhóm đối tượng mục tiêu