[NetMiner 4] Thu thập và phân tích dữ liệu mạng xã hội

"Bước đầu dành cho người mới bắt đầu với NetMiner 5, từ cách sử dụng cơ bản đến phân tích dữ liệu bài báo khoa học, tất cả trong một lần!"

"Cách nhanh chóng nắm bắt xu hướng dư luận xã hội! Đào tạo phân tích dữ liệu tin tức và cộng đồng trực tuyến" • Dữ liệu tin tức chứa đựng những thông tin quan trọng như các sự kiện mới nhất, biến động kinh tế, xu hướng chính trị, thiên tai..., giúp doanh nghiệp hoặc cá nhân nhanh chóng nắm bắt những thay đổi này. Dữ liệu từ các cộng đồng trực tuyến là dữ liệu văn bản chứa ý kiến và thông tin của người dùng về nhiều chủ đề khác nhau, cung cấp những hiểu biết sâu sắc về xã hội và văn hóa. • Có thể sử dụng dữ liệu tin tức, dữ liệu cộng đồng trực tuyến cùng các phương pháp phân tích văn bản và phân tích mạng lưới văn bản cho nhiều mục đích khác nhau, như phân tích thị trường, hoạch định chính sách và ra quyết định, phân tích phản ứng của công chúng, phân tích xu hướng, giáo dục và nghiên cứu, ứng phó khủng hoảng và quản lý thiên tai.

Khóa học này hướng dẫn phương pháp nắm bắt xu hướng nghiên cứu thông qua phân tích mạng xã hội, trải qua các bước trực tiếp thu thập và tiền xử lý dữ liệu bài báo. Người học sẽ thực hành các nội dung như thu thập dữ liệu bằng Trình thu thập thông tin thư mục (Biblio Data Collector), chuyển đổi mối quan hệ 2 chế độ kết nối giữa “bài báo” và “tác giả” thành mạng lưới 1 chế độ kết nối giữa “tác giả” và “tác giả”, trích xuất từ khóa từ dữ liệu văn bản phi cấu trúc như phần tóm tắt, cũng như phân tích và trực quan hóa mạng lưới từ khóa.

Khóa học này hướng dẫn thu thập, xử lý và phân tích trực tiếp dữ liệu lớn xã hội từ web, SNS... bằng Python (Python), một ngôn ngữ lập trình phù hợp cho việc phân tích dữ liệu lớn. Các bài thực hành lập trình Python được tiến hành theo hình thức “làm theo”, giúp các nhà nghiên cứu trong lĩnh vực nhân văn và khoa học xã hội chưa có kinh nghiệm lập trình cũng có thể dễ dàng học tập. Sau khi hoàn thành khóa học, bạn sẽ có thể học Python, thu thập dữ liệu và phân tích dữ liệu lớn.

Khóa học này hướng dẫn cách phân tích dữ liệu văn bản phi cấu trúc như bài báo, Twitter và bài phát biểu bằng các chức năng phân tích mạng văn bản của NetMiner. Bạn có thể xây dựng nền tảng lý thuyết về toàn bộ quy trình phân tích mạng văn bản, từ trích xuất từ ngữ trong dữ liệu văn bản phi cấu trúc, khám phá chủ đề, xây dựng và trực quan hóa mạng lưới từ ngữ, đến lựa chọn các từ khóa cốt lõi. Ngoài ra, khóa học còn có phần thực hành áp dụng các phương pháp phân tích vào dữ liệu thực tế từ bài báo và Twitter bằng NetMiner.

Mặc dù phần lớn dữ liệu trong thực tế là các mối quan hệ “2-mode”, chẳng hạn như người mua–sản phẩm, người dùng–nội dung, từ khóa–tài liệu, bạn có từng gặp phải tình trạng chỉ số bị sai lệch hoặc giới hạn trong việc chuyển đổi dữ liệu khi áp dụng máy móc các phương pháp phân tích 1-mode thông thường? Chúng tôi mang đến giải pháp rõ ràng, từ những nguyên lý cốt lõi của mạng 2-mode, các phương pháp chuyển đổi dữ liệu (Conversion) và phân tích trực tiếp (Direct/Bipartite), cho đến thực hành lập hồ sơ người dùng và phân tích mối liên hệ bằng NetMiner. Hãy rút ngắn thời gian loay hoay với việc chuyển đổi dữ liệu và tính toán chỉ số, đồng thời nâng tầm nghiên cứu và thực tiễn lên một bước mới nhờ năng lực phân tích mạng 2-mode vượt trội, bao quát dữ liệu văn bản, thư mục và SNS.

• Giới thiệu các phương pháp phân tích vai trò (Role) và vị thế (Position) trong mạng lưới, vốn đã được nghiên cứu quan trọng trong SNA; thông qua thực hành sử dụng NetMiner, người học sẽ hiểu nguyên lý và tìm hiểu các trường hợp ứng dụng. • Thông qua khóa đào tạo này, người học có thể đo lường vai trò môi giới (Brokerage) trên nhiều phương diện, xác định vai trò và vị thế của các tác nhân trong mạng lưới thông qua các mẫu quan hệ, đồng thời khái quát toàn bộ mạng lưới bằng mối quan hệ giữa các nhóm vai trò, qua đó khám phá những cấu trúc cốt lõi hình thành nên mạng lưới phức tạp.

Khóa học này giúp học viên tìm hiểu cách diễn giải thống kê các kết quả phân tích dữ liệu mạng và cách kiểm định ý nghĩa thống kê của các đại lượng thống kê. Khi áp dụng các phương pháp thống kê truyền thống như phân tích bảng chéo, phân tích phương sai, phân tích tương quan và phân tích hồi quy, cần nắm rõ ảnh hưởng của các đặc điểm của dữ liệu mạng hoặc các chỉ số mạng đối với việc kiểm định ý nghĩa, từ đó sử dụng phương pháp phù hợp. Khóa học bao gồm các ví dụ theo từng chủ đề phân tích mà các nhà nghiên cứu thường gặp, chẳng hạn như phân tích mối liên hệ giữa các biến, kiểm định ý nghĩa của các chỉ số mạng và phân tích mối liên hệ giữa nhiều mạng lưới, cùng với phần thực hành trên NetMiner.

Các nhóm trong mạng lưới mà các thực thể được kết nối với nhau với mật độ cao được gọi là nhóm liên kết. Trong số các phương pháp khác nhau thường được sử dụng để tìm ra những nhóm liên kết chặt chẽ có nhiều kết nối, khóa học này trình bày chi tiết và chuyên sâu về các phương pháp phân tích như clique, k-core, component và community. Thông qua khóa học, hãy thử tìm kiếm những nhóm cốt lõi hoặc phát hiện các cụm được kết nối chặt chẽ trong dữ liệu mạng lưới.

Mức độ quan trọng của một nút cụ thể xuất hiện trong mạng lưới được gọi là độ trung tâm của mạng lưới. Có nhiều phương pháp khác nhau để đo lường độ trung tâm, trong đó nội dung khóa học này tập trung tìm hiểu chi tiết về 7 chỉ số độ trung tâm tiêu biểu và được sử dụng phổ biến, đồng thời phân tích chúng thông qua dữ liệu thực tế. Hãy lựa chọn và áp dụng các chỉ số độ trung tâm phù hợp với nhiều loại dữ liệu mạng lưới khác nhau trong quá trình học.

Trong phân tích dữ liệu mạng, việc cơ bản nhất thường được thực hiện là phân tích các đặc trưng của mạng. Nội dung khóa học sẽ trình bày chi tiết nguyên lý và ý nghĩa của nhiều chỉ số mô tả các đặc điểm cấu trúc của mạng, bắt đầu từ tần suất của nút và liên kết, cho đến đặc tính phân bố số lượng liên kết, mật độ, khoảng cách ngắn nhất, hệ số kết dính, v.v. Nếu có thể đo lường bằng số liệu cấu trúc của một mạng, chúng ta sẽ có thể so sánh mạng đó với các mạng khác. Thông qua khóa học này, hãy thử xác định các đặc trưng của dữ liệu mạng của bạn dưới nhiều góc độ khác nhau.

Để kiểm tra dữ liệu mạng một cách trực quan, khám phá cấu trúc và thể hiện hiệu quả kết quả phân tích, bạn cần hiểu và có khả năng áp dụng nhiều phương pháp trực quan hóa khác nhau. NetMiner cung cấp các chức năng giúp thể hiện hiệu quả dữ liệu mạng và kết quả phân tích. Thông qua khóa đào tạo này, hãy trình bày kết quả phân tích mạng của bạn một cách thẩm mỹ và truyền đạt hiệu quả những nội dung cốt lõi.

Để thu được những kết quả và hàm ý chính xác, có ý nghĩa thông qua phân tích mạng lưới, cần xử lý dữ liệu phù hợp với hướng và phương pháp phân tích. Khóa đào tạo này giải thích các phương pháp tiền xử lý thiết yếu cần biết khi chuẩn bị và nhập dữ liệu mạng lưới, đồng thời thực hành nhiều phương pháp làm sạch, trích xuất và chuyển đổi dữ liệu bằng NetMiner trên dữ liệu thực tế.

Chương trình đào tạo này bắt đầu từ câu hỏi “Mạng xã hội và phân tích mạng xã hội (SNA) là gì?”, sau đó giải thích các lý thuyết và phương pháp phân tích chính có liên quan, quy trình cụ thể để hiểu dữ liệu mạng và xây dựng dữ liệu mạng từ những hiện tượng quan sát được, cũng như quá trình thiết kế nghiên cứu. Với tư cách là bước đầu tiên trong phân tích mạng xã hội, việc mô hình hóa dữ liệu vô cùng quan trọng. Thông qua chương trình đào tạo này, hãy tìm hiểu đầy đủ về 'dữ liệu mạng', một khái niệm có thể còn xa lạ, đồng thời thử thiết kế quy trình trực tiếp tạo lập hoặc thu thập dữ liệu mạng từ chủ đề mà bạn quan tâm.

Làm thế nào để phân tích dữ liệu trong các bài nghiên cứu và nắm bắt xu hướng nghiên cứu? Khóa học này hướng dẫn phân tích xu hướng nghiên cứu định lượng, từ thu thập thông tin thư mục đến phân tích mạng lưới và mô hình hóa chủ đề, bằng cách sử dụng NetMiner 5 và Biblio Data Collector. Bạn sẽ trang bị năng lực xử lý dữ liệu thư mục và kỹ năng phân tích mạng lưới, từ đó có thể nắm bắt các xu hướng nghiên cứu một cách khách quan và hiệu quả.

"Đào tạo phân tích mạng xã hội có thể áp dụng ngay vào thực tiễn/nghiên cứu" Bạn có muốn phân tích 'mối quan hệ' trong tổ chức, xã hội và nội dung dưới dạng dữ liệu không? Phân tích mạng xã hội (SNA) là một phương pháp phân tích mạnh mẽ, giúp hiểu một cách có hệ thống các mối quan hệ giữa con người, thông tin và hệ thống, đồng thời khám phá những insight ẩn. Từ lý thuyết cốt lõi đến thực hành phân tích mạng xã hội, hãy sử dụng NetMiner 5 và áp dụng ngay vào công việc/nghiên cứu.

Bạn muốn áp dụng phân tích văn bản vào nhiều bối cảnh thực tế nhưng cảm thấy bế tắc trước rào cản lập trình xa lạ? Tập trung vào các phương pháp phân tích chủ đề mới nhất thường được sử dụng trong các bài báo khoa học và báo cáo nghiên cứu thực tế (LDA, BERTopic, BERTrend), khóa học này cô đọng những lý thuyết cốt lõi và giúp bạn nâng cao năng lực phân tích thực tiễn thông qua dữ liệu thực tế bằng NetMiner 5 mà không cần lập trình.

Khóa học này giới thiệu về công cụ phân tích NetMiner (NetMiner) và hướng dẫn các phương pháp sử dụng cơ bản. Thông qua các bài thực hành cơ bản về cách mở và chỉnh sửa tệp dữ liệu, nhập dữ liệu bên ngoài, trực quan hóa và thực hiện phân tích, khóa học giúp giảm bớt cảm giác e ngại và khó khăn cho những người lần đầu làm quen với NetMiner.

Phân tích văn bản tiếng Hàn và xử lý ngôn ngữ tự nhiên bằng Python Trực quan hóa Word Cloud, phân tích hình thái học, mô hình hóa chủ đề, phân cụm, phân tích độ tương đồng, túi từ và TF-IDF để vector hóa dữ liệu văn bản, phân loại văn bản bằng máy học và học sâu, phương pháp sử dụng Hugging Face

Đã xem xét các cú pháp Python cốt lõi cần thiết cho phân tích dữ liệu lớn và trình bày các phương pháp xử lý tệp dữ liệu lớn cũng như trực quan hóa thông qua nhiều ví dụ khác nhau.

Bạn có muốn trở thành chuyên gia phân tích dữ liệu trong tương lai không? Hãy nắm bắt cơ hội đó ngay bây giờ! Đây là cơ hội đặc biệt để khám phá những khả năng vô hạn và tìm hiểu cách rút ra những hiểu biết sâu sắc thông qua công nghệ trí tuệ nhân tạo tiên tiến và dữ liệu lớn.

Phân tích dữ liệu hoàn tất với công cụ này. Bắt đầu với phân tích dữ liệu trí tuệ nhân tạo Orange mà không cần mã hóa!

Hãy chinh phục hoàn toàn chứng chỉ Kỹ sư Phân tích Dữ liệu lớn - một chứng chỉ bắt buộc nhưng không hề dễ dàng để tự học - trong thời gian ngắn bằng cách sử dụng R, một công cụ phân tích dữ liệu dễ học!!

Với lộ trình học tập bài bản gồm 40 bài giảng, bạn sẽ được học từ lý thuyết cơ bản về AI đến các kỹ thuật AI ứng dụng của từng thuật toán. Thông qua việc học và thực hành thuật toán bằng ngôn ngữ R cùng tư duy toán học trực quan, bạn sẽ trang bị được năng lực phát triển mô hình AI có thể áp dụng ngay vào thực tế, từ việc xây dựng và lựa chọn sử dụng các mô hình thuật toán cho phân tích dữ liệu, học máy (machine learning) và các công cụ ứng dụng liên quan.

Khóa học ‘Chứng chỉ Năng lực Trực quan hóa Thông tin Quản trị’ học về những gì? Khóa học chứng chỉ này tập trung vào việc phát triển khả năng phân tích dữ liệu tốt, trực quan hóa dữ liệu sao cho dễ nhìn, từ đó truyền đạt thông tin cần thiết một cách rõ ràng và hiệu quả khi đưa ra các quyết định quan trọng trong công ty hoặc tổ chức. Nói một cách đơn giản, đây là quá trình học kỹ thuật không chỉ đơn thuần là nhìn vào dữ liệu, mà còn tìm ra ý nghĩa ẩn giấu bên trong và thể hiện chúng dưới dạng hình ảnh, bảng biểu, biểu đồ... để có thể giải thích tốt cho người khác. Thông qua khóa học này, bạn có thể: Nuôi dưỡng khả năng tư duy chiến lược thông qua dữ liệu, phát triển năng lực thực thi có thể áp dụng ngay vào công việc thực tế, đồng thời nâng cao tính chuyên môn và khả năng cạnh tranh của bản thân. Thông qua bài giảng này, hãy rèn luyện khả năng kết nối giữa quản trị và dữ liệu, đồng thời tiến thêm một bước nữa để trở thành chuyên gia thấu hiểu và giải thích dữ liệu.

Bài giảng giới thiệu về dữ liệu mà bất kỳ ai cũng có thể dễ dàng bắt đầu, do Doyong Shin, nhà nhân văn dữ liệu số 1 Hàn Quốc giảng dạy! Hãy có được tư duy dựa trên dữ liệu để có thể đọc và sử dụng đúng lượng dữ liệu khổng lồ!

🧩 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.

Khóa học chuỗi thời gian để trở thành chuyên gia phân tích dữ liệu! Hãy trở thành nhà phân tích giỏi cả lý thuyết lẫn thực hành!

"Tôi đã thực hiện nghiên cứu người dùng rồi... nhưng liệu đây có thực sự là kết quả đại diện cho tất cả người dùng không?" Nếu bạn đang băn khoăn về điều này, hãy chú ý! Chúng tôi sẽ hướng dẫn chi tiết cách tăng sức thuyết phục cho thiết kế của bạn dựa trên dữ liệu. ✅ Giải thích các thuật ngữ thống kê phức tạp một cách cực kỳ dễ hiểu. ✅ Chọn lọc 3 phương pháp kiểm định giả thuyết cốt lõi cần thiết cho thực tế UX, giới thiệu tỉ mỉ từ nguyên lý đến thực hành. ✅ Hướng dẫn cách phân tích dữ liệu người dùng đơn giản bằng AI mà không tốn chi phí và không lo bị ảo giác (hallucination).

Thông qua bài giảng này, sinh viên được mong đợi có thể kiểm tra các tài liệu thực tế như các cuộc thi dữ liệu lớn và phần giới thiệu bản thân, đồng thời có thể chuẩn bị cho việc học tập và làm việc của mình.

Hãy tìm hiểu về việc phân tích các vị trí nghề nghiệp liên quan đến Data Science (DS) và Artificial Intelligence (AI), cũng như lộ trình học tập và tuyển dụng để xây dựng sự nghiệp trong các lĩnh vực liên quan.

Khóa học này dành cho học sinh không chuyên hoặc học sinh trung học lần đầu tiên học về khoa học dữ liệu và trí tuệ nhân tạo. Chúng tôi sẽ giúp bạn hiểu các khái niệm về trí tuệ nhân tạo và học máy, đồng thời cho bạn biết bạn cần nỗ lực gì để có được công việc liên quan.

Ngành sản xuất ô tô và linh kiện là lĩnh vực mà sự đổi mới là điều thiết yếu trong bối cảnh cạnh tranh toàn cầu khốc liệt và chuỗi cung ứng phức tạp. Khóa học này tập trung vào cách áp dụng công nghệ AI vào thực tế, giải thích thông qua các trường hợp thực tế như nâng cao hiệu quả sản xuất, tự động hóa kiểm tra chất lượng, bảo trì dự báo thiết bị, tối ưu hóa chuỗi cung ứng. Từ hiểu biết cơ bản cần thiết để triển khai AI, đến chiến lược và quản lý rủi ro cần xem xét khi áp dụng thực tế, khóa học được xây dựng theo từng bước để cung cấp kiến thức và hiểu biết sâu sắc mà nhân viên thực thi và quản lý có thể áp dụng ngay lập tức.

Giờ đây là thời đại nói chuyện bằng dữ liệu chứ không phải bằng trực giác. Hãy cùng ChatGPT học phân tích dữ liệu một cách dễ dàng!

Chinh phục tất cả về AI thay đổi thế giới chỉ trong 4 bài giảng! Bài 1. Bản chất thật sự của Trí tuệ nhân tạo AI không phải là phép thuật. Đó là bộ não kỹ thuật số được tạo ra bằng cách phân tích 'trí tuệ' của con người như một công thức! Chúng ta sẽ khám phá từng ngóc ngách của cấu trúc cốt lõi của AI tưởng chừng thông minh này. Bài 2. Thuật toán, phương pháp tư duy sáng tạo (?) của AI AI suy nghĩ sẽ tìm ra giải pháp như thế nào? Hãy trực tiếp tìm hiểu chiến lược của AI khi chơi cờ vây, tìm đường và dự đoán kết quả tìm kiếm của bạn. Bài 3. Phần cứng AI, động cơ biến trí tưởng tượng thành hiện thực! Con chip trong điện thoại thông minh của bạn chính là trái tim của AI. Chúng ta sẽ mổ xẻ tất cả, từ CPU, GPU, TPU cho đến những cái tên không thể biết được khác. Bài 4. Cuộc đối đầu lớn giữa Machine Learning và Deep Learning! Việc AI 'học' rốt cuộc có nghĩa là gì? Từ AI dựa trên quy tắc cổ điển, cho đến ChatGPT đang "hot" gần đây! Chúng ta sẽ theo dõi sự tiến hóa của việc học.

: "Hơn cả phân tích dữ liệu, hoàn thiện mô hình dự đoán với 5 dự án thực tế (Tổng cộng 45 bài giảng)" Bạn đã hoàn thành việc phân tích dữ liệu nhưng lại cảm thấy bế tắc khi bắt tay vào xây dựng mô hình? Vượt xa việc chỉ gọi các thư viện đơn thuần, khóa học này sẽ giúp bạn làm chủ hoàn toàn nguyên lý hoạt động của từng thuật toán và chiến lược kiểm chứng mô hình tối ưu, từ dự đoán sống sót trên tàu Titanic đến phân loại tin nhắn rác. Từ các mô hình tuyến tính đến các thuật toán Ensemble mới nhất và cả kiến thức cơ bản về xử lý ngôn ngữ tự nhiên (NLP), bạn sẽ chinh phục một cách hệ thống các dự án có sức mạnh lớn nhất trong thực tế công việc. Giờ đây, hãy bước vào thế giới mô hình hóa trí tuệ nhân tạo, nơi dự đoán tương lai dựa trên dữ liệu đã được phân tích.

Bạn có thể học một cách có hệ thống phương pháp tiếp cận thống kê về giao dịch cặp S&P 500 bằng Python. Xây dựng nền tảng cho chiến lược đầu tư không cảm xúc thông qua phân tích dữ liệu chuyên nghiệp.

Bạn muốn học AI nhưng lần nào cũng bị khựng lại trước các công thức đại số tuyến tính? Thay vì bắt bạn học thuộc lòng các công thức, khóa học này sẽ giúp bạn tận mắt chứng kiến các vectơ và ma trận thực sự chuyển động như thế nào trong không gian. Sau khi hoàn thành khóa học, bạn có thể tự mình đọc hiểu toán học đằng sau mạng thần kinh, PCA và SVD.