[Chào mừng những người không chuyên ngành] Dễ dàng giới thiệu về phân tích dữ liệu Python, ngay cả khi không có cơ sở - Giới thiệu về Kaggle

Khóa học này dành cho những người cần kết hợp phân tích dữ liệu, học máy, AI, v.v. vào công việc của mình nhưng chưa quen với lập trình Python. Bạn sẽ học một cách có hệ thống các hàm Python cốt lõi cần thiết để trở thành nhà khoa học dữ liệu trong một khoảng thời gian ngắn.

Không biết lập trình thì Excel là quá đủ! Đây là khóa học giúp ngay cả những người không chuyên cũng có thể phân tích dữ liệu bằng Excel, bao gồm mọi thứ từ thống kê đến học máy (machine learning) và Power Query.

"Mã nguồn Deep Learning thì chạy được, nhưng tại sao các công thức trong bài báo khoa học lại xa lạ đến thế?" Khi học về AI, sẽ có lúc bạn vấp phải bức tường của những công thức toán học. Nếu truy ngược lại nguồn gốc của bức tường đó, cuối cùng bạn sẽ nhận ra rằng mình chưa xây dựng vững chắc ngôn ngữ toán học cơ bản nhất. Khóa học này bắt đầu bằng ngôn ngữ của tập hợp, đi qua phương trình, hàm số, dãy số, lũy thừa - logarit cho đến hàm số lượng giác, chắt lọc những khái niệm cốt lõi qua 18 bài giảng. Chúng tôi không bắt bạn học thuộc lòng công thức. Mặc dù có điểm qua ngắn gọn các mối liên kết với ngữ cảnh AI, nhưng mục đích chính của khóa học này chỉ có một — đó là tạo ra một nền tảng vững chắc để bạn không bị lung lay khi học Đại số tuyến tính, Giải tích và Xác suất thống kê sau này. Đây là phần 1 của series Suminjeongeum, trong khóa học này, chúng tôi sẽ giúp bạn xây dựng ngôn ngữ chung để có thể hấp thụ tốt ba phần còn lại.

🧩 Thay vì giải thích dựa trên công thức phức tạp hay lý thuyết, chúng tôi đặt mục tiêu nắm vững các khái niệm cốt lõi của hệ thống đề xuất thông qua việc tự tay triển khai chương trình. 🛠️ Thông qua tổng cộng 12 ví dụ đa dạng và thực tiễn, chúng tôi đã từng bước thiết kế các hệ thống đề xuất có thể ứng dụng trong môi trường thực tế, bao gồm đề xuất dựa trên nội dung, lọc cộng tác và đề xuất học sâu.

Hãy cùng tìm hiểu các khái niệm học máy, phân tích và trực quan hóa dữ liệu bằng cách sử dụng Orange3!

Đây là khóa học cơ bản về lập trình Excel bằng Python thông qua hướng dẫn sử dụng xlsxwriter. Bạn có thể sử dụng Python và Excel để phân tích dữ liệu và tự động hóa công việc.

Đại số tuyến tính được nắm vững chỉ trong một lần học. Chúng tôi sẽ giải thích chi tiết những khái niệm đại số tuyến tính, vốn sẽ trở thành nền tảng cho tư duy của bạn suốt đời chỉ sau một lần học. Không chỉ dừng lại ở việc giải thích các khái niệm đơn thuần, chúng tôi còn tận tình hướng dẫn cách ứng dụng thực tế thông qua các bài thực hành.

Giải thích cực nhanh và dễ hiểu 32 kỹ thuật trực quan hóa dữ liệu dưới góc nhìn của người không chuyên!

Hãy cùng xây dựng chiến lược đầu tư dựa trên dữ liệu với đầu tư định lượng (Quant) bằng Python và thực hiện đầu tư theo chiến lược đó. Bạn có thể triển khai nhiều chiến lược phân bổ tài sản khác nhau và cuối cùng là tự tạo ra chiến lược đầu tư cho riêng mình.

🚀 Học phát hiện bất thường AI thực tế với Databricks! 💡 Dừng các mô hình đắt đỏ và chậm chạp! Từ tối ưu hóa dữ liệu quy mô lớn đến triển khai thời gian thực, hoàn thành AI phát hiện bất thường có thể được sử dụng ngay trong thực tế kinh doanh.

Trong lớp này, bạn sẽ tìm hiểu các nguyên tắc và phương pháp phân tích và xử lý các loại dữ liệu tài chính khác nhau bằng thư viện Pandas của Python, áp dụng những nguyên tắc này vào các tình huống bạn có thể gặp phải trong thực tế và cuối cùng là tìm hiểu về cách triển khai dựa trên kiểm tra ngược. trên dữ liệu sao kê (dựa trên cuốn sách 'Bạn có thể làm đầu tư định lượng' của Kang Hwan-guk). Kết quả là, bạn sẽ có thể thoát khỏi vai trò là một “nhà đầu tư thụ động”, người chỉ làm theo những gì người khác nói mà không cần xác minh hoặc có cơ sở về logic đầu tư và sẽ sử dụng Python và Pandas để triển khai nhiều yếu tố cần thiết cho việc thực hiện chiến lược. một nhà đầu tư năng động và tự định hướng, người có thể tự do trích xuất dữ liệu và phân tích nó một cách định lượng.

Chúng tôi hướng dẫn người không chuyên và người mới bắt đầu nhanh chóng đạt chứng chỉ thực hành Kỹ thuật viên Phân tích Dữ liệu Lớn! Phần lý thuyết được trình bày nhẹ nhàng, phần thực hành được học chắc chắn. Không cần kiến thức nền tảng phức tạp, bạn chỉ cần tập trung học những điểm chắc chắn xuất hiện trong kỳ thi, với trọng tâm là các đề thi trước đây.

Nếu bạn yêu cầu AI "hãy tạo mô hình bằng dữ liệu này", vài dòng đầu tiên trông có vẻ hợp lý, nhưng chỉ cần phức tạp hơn một chút, nó sẽ sử dụng sai cột, làm rò rỉ dữ liệu (leakage), và dù điểm số tăng lên nhưng mô hình thực tế lại tệ đi. Khóa học này không dạy bạn cách viết prompt tốt hơn. Thay vào đó, nó tập trung vào cách trực tiếp thiết kế một vòng lặp (harness) để Agent có thể hiểu dữ liệu, lập kế hoạch, viết mã, tự xác nhận kết quả và quay lại nếu sai sót. Sau khi thực hành thủ công một vòng lặp năm mảnh của DS-STAR, chúng ta sẽ lần lượt lắp ráp các thành phần: Data Profile Card, Hook, Skill Hierarchy, Independent Verifier và Ablation.

Thông qua khóa học này, bạn có thể tìm hiểu về SQL và cơ sở dữ liệu, cú pháp SQL, thiết kế cơ sở dữ liệu để ứng dụng thực tế, sử dụng cơ sở dữ liệu thông qua lập trình và các trường hợp ứng dụng phân tích dữ liệu.

Trong Phần 3 của Tạo phòng giao dịch Python cho đầu tư định lượng, bạn sẽ tìm hiểu về lý thuyết danh mục đầu tư và các khái niệm cần thiết cho đầu tư thực tế cũng như cách triển khai chúng bằng mã. Phần 1 & Trong Phần 2, bạn chủ yếu tìm hiểu về các phương pháp triển khai mã để phân tích dữ liệu tài chính, nhưng trong Phần 3, bạn tìm hiểu về 'danh mục đầu tư', một phần quan trọng của đầu tư định lượng. Tại sao bạn nên tạo một danh mục đầu tư? Với câu hỏi này, chúng ta tìm hiểu lý thuyết danh mục đầu tư, triển khai nó bằng Python và thực hành mã cần thiết cho đầu tư danh mục đầu tư thực tế. Tôi hy vọng bài giảng này sẽ hữu ích trong việc đầu tư vào danh mục đầu tư của riêng bạn.

"Tại sao hệ thống giao dịch tự động của tôi lại sụp đổ trong thị trường giảm giá?" Tôi cũng đã trăn trở sâu sắc với câu hỏi tương tự. Phần lớn các logic giao dịch tự động trên thị trường dường như tạo ra lợi nhuận trong thị trường tăng giá, nhưng ngay khi sắc thái của thị trường thay đổi, chúng lại mất đi khả năng ứng phó. Để giải quyết vấn đề này, tôi đã kết hợp những bí quyết tự mình nghiên cứu trong 2 năm qua với các công nghệ AI mới nhất. Trong khóa học này, bạn sẽ trực tiếp thiết kế một 'mô hình học sâu dựa trên Transformer' có khả năng đồng thời nắm bắt dòng chảy của kinh tế vĩ mô và từng mã cổ phiếu, đồng thời học cách tự động huấn luyện và triển khai mô hình trong môi trường GPU miễn phí. Đặc biệt, bằng cách áp dụng các kỹ thuật chuẩn hóa dữ liệu tinh vi ở cấp độ quỹ phòng hộ, bạn sẽ xây dựng một 'hệ thống điểm tổng hợp thông minh' kết hợp không chỉ các chỉ báo đơn giản mà cả cung cầu của số dư bán khống. Bên cạnh đó, ‘cổng an toàn AI’ được tích hợp góc nhìn của một nhà giao dịch với 20 năm kinh nghiệm tại Phố Wall sẽ bổ sung sự xác tín cuối cùng ngay trước khi mua, dưới góc nhìn của một nhà giao dịch con người. Vượt xa chức năng đơn giản là mua và bán, bạn sẽ trực tiếp xây dựng toàn bộ quy trình của một hệ thống thuật toán cấp tổ chức, bao gồm logic chốt lời·cắt lỗ động, 8 cơ chế tự phục hồi và cả báo cáo thời gian thực trên Slack.

Đây là khóa học thực hành, tập trung vào việc sử dụng AI để phân tích dữ liệu doanh thu và tồn kho, đồng thời xây dựng phương án đặt hàng có căn cứ. Khóa học kết nối từ cách truyền đạt chính xác mục tiêu, điều kiện ràng buộc và kết quả mong muốn cho AI đến phân tích doanh thu, dự báo nhu cầu và tối ưu hóa việc đặt hàng nhiều mặt hàng. Bạn sẽ sử dụng dữ liệu, prompt và mã nguồn được cung cấp để kiểm tra kết quả tính toán, thay đổi các điều kiện và xác minh cơ sở cho việc ra quyết định. Cuối khóa, bạn sẽ hoàn thiện phương án đặt hàng cho 30 sản phẩm cùng một báo cáo ra quyết định trên một trang, qua đó có thể ứng dụng vào quá trình chuẩn bị xin việc và phát triển năng lực thực tiễn.

Đây là bài giảng dành cho các bạn sinh viên đang chuẩn bị ứng tuyển vào bộ phận DS của Samsung Electronics (Đánh giá và Phân tích Memory·S.LSI·Foundry·TSP·AVP) và SK hynix (PE·AE·Solution PE) nhưng còn gặp khó khăn trong việc phân biệt giữa các bộ phận kinh doanh và chức năng công việc. Dựa trên quy trình làm việc thực tế của vị trí Đánh giá sản phẩm, khóa học sẽ hệ thống lại tên gọi các vị trí công việc theo từng công ty, đồng thời hướng dẫn cách chuyển đổi kinh nghiệm chuyên ngành của bản thân sang ngôn ngữ chuyên môn để sử dụng trong bản tự giới thiệu và phỏng vấn. Bạn có thể xây dựng chiến lược ứng tuyển bằng cách kết nối các kinh nghiệm như Thiết kế mạch Analog, Verilog/FPGA, thí nghiệm quy trình, phân tích dữ liệu với các từ khóa trọng tâm như Hiệu suất (Yield), Wafer Map, Shmoo Plot và Phân tích lỗi.

Trên đường đi làm vào sáng mai, điện thoại của bạn đã nhận được “những mã cổ phiếu hệ thống lựa chọn hôm nay và lý do”. AI giao dịch tự động cổ phiếu Hàn Quốc đọc dòng tiền của nhà đầu tư nước ngoài và tổ chức, tự lo mọi việc từ mua vào đến chốt lời·cắt lỗ — không phải chương trình do người khác tạo ra, mà là thứ bạn trực tiếp xây dựng cho riêng mình.

Hãy cách mạng hóa hoạt động đầu tư chứng khoán của bạn bằng AI! Trong khóa học này, bạn sẽ trực tiếp xây dựng một hệ thống giao dịch tự động bằng AI thực sự hoạt động, nhắm đến 25 mã cổ phiếu hàng đầu trên Nasdaq. Bạn sẽ tích lũy kinh nghiệm và bí quyết thông qua đầu tư mô phỏng với API của Công ty Chứng khoán Đầu tư Hàn Quốc, đồng thời có cơ hội đặc biệt để thực hiện giao dịch cổ phiếu tự động bằng AI trên tài khoản thực. Người mới bắt đầu cũng không cần lo lắng. Chúng tôi sẽ giải thích dễ hiểu những khái niệm cơ bản về chứng khoán và lý do nên đầu tư vào cổ phiếu Mỹ, đồng thời cung cấp toàn bộ mã nguồn và hỗ trợ từ xa. Từ bây giờ và trong 60 năm tới, đầu tư là điều thiết yếu trong cuộc sống của chúng ta. Hãy tự tay tạo ra người bạn đồng hành đầu tư bằng AI của riêng bạn!