Học Viện Của Chúng Tôi

Được thành lập vào giữa năm 2019, IT Viet Academy được dẫn dắt bởi đội ngũ chuyên gia  là các Tiến sĩ công nghệ tốt nghiệp từ các trường đại học danh tiếng ở nước ngoài và các Kỹ sư  dày dạn kinh nghiệm tại các công ty phần mềm lớn tại Việt Nam. Sức mạnh và sự khác biệt của chúng tôi  chính là sự kết hợp hoàn hảo giữa hàn lâm (Academic) và thực tiễn (Practical). Sứ mệnh của chúng tôi là mang những kiến thức cập nhật nhất (State-of-Art)  và thực tế nhất về khoa học, công nghệ của thế giới để giúp học viên trong nước nâng cao trình độ. Chúng tôi cung cấp những khóa học với chất lượng cao, thực tiễn  và thời sự nhất. Bên cạnh đó, chúng tôi có nhiều mối quan hệ mật thiết với các doanh nghiệp hàng đầu trong lĩnh vực công nghệ, kinh doanh và sẵn sàng hỗ trợ học viên trong vấn đề thực tập và tìm kiếm cơ hội việc làm.

CÁC KHÓA HỌC HOT NHẤT

Học viện của chúng tôi  mở các lớp đào tạo chất lượng cao, thường xuyên hằng tháng, phù hợp với xu thế và nhu cầu xã hội đồng thời cập nhật nhất nhằm tạo điều kiện cho tất cả mọi người nâng cao kiến thức.

Lập trình Python

Thời lượng: 30 giờ, học phí: 2,5 triệu VNĐ

Chứng chỉ: Python Programming do IT Viet Academy cấp

Giảng viên: Các Tiến sĩ công nghệ và kỹ sư của IT Viet Academy

Mô tả: Khóa học giúp người học có khả năng lập trình với Python, từ đó có thể sử dụng các thư viện cơ bản giải quyết một số bài toán, cũng như có thể xây dựng được ứng dụng bằng Python.

Nội dung khóa học:

  • Tổng quan lập trình Python
    • Tổng quan lập trình (LT), chương trình và ngôn ngữ lập trình (NNLT) 
    • Đặc điểm của Python
    • Cài đặt, cấu hình Python
    • Xây dựng và thực thi ứng dụng Python đầu tiên
  • Biến và các kiểu dữ liệu
    • Biến
    • Các kiểu dữ liệu: Integral Type, Floating-point type
    • Chuỗi – String
    • Chuyển đổi kiểu dữ liệu
    • Chú thích: #, “““…””” 
    • Nhập xuất dữ liệu trên shell
  • Toán tử
    • Toán tử số học, so sánh, gán, logic, định danh
    • Độ ưu tiên toán tử
  • Cấu trúc điều khiển
    • if, if…else
    • if…elif…else
  • Cấu trúc lặp
    • for, while, nest loop
    • Sử dụng break, continue và pass statement
  • Number, String, Date&Time
    • Mathematical function, String method, Unicode String
    • Time tuple, time module, calendar
  • List
  • Tuple
  • Dictionary
  • Phương thức
    • Xây dựng và gọi sử dụng phương thức
    • Anonymous Function (lambda)
  • Module
    • Module và Package
    • Python’s Standard Library
  • Xử lý ngoại lệ
    • Standard Exceptions
    • Sử dụng assert
    • Xử lý exception
  • File I/O
    • Làm việc với tập tin
    • Làm việc với thư mục

Học máy với Python- Machine learning with Python

Thời lượng: 36 giờ ; học phí: 3 triệu VNĐ

Chứng chỉ: Applied Machine Learning with Python do IT Viet Academy cấp

Giảng viên: Các giảng viên tiến sĩ và kỹ sư của IT Viet Academy

Mô tả: Khóa học này cung cấp cho học viên các kiến thức quan trọng và cần thiết về Machine Learning, trang bị kiến thức và kỹ năng vận dụng các thuật toán thuộc nhóm Supervised Learning (Classification, Regression), Unsupervised Learning (Clustering, Association Analysis, Dimensionality Reduction) thông qua việc sử dụng các bộ thư viện và mã nguồn mở Python.

Nội dung khóa học:

  • Tổng quan Machine Learning
    • Giới thiệu
    • Phân loại
    • Supervised Learning
      • Classification 
      • Regression Analysis
    • Unsupervised Learning
      • Clustering
      • Association Analysis
      • Dimensionality Reduction
    • Thuật ngữ
    • Scikit-learn: Machine Learning trong Python
    • Thách thức của Machine Learning: không đủ số lượng dữ liệu, dữ liệu đào tạo không đại diện, dữ liệu có chất lượng kém, thuộc tính không liên quan, Overfitting, Underfitting, cân bằng giữa Bias-Variance…
  • Logistic Regression
    • Binary Classifier
    • Thuật toán: Logistic Regression, phương trình toán học (Sigmoid)
    • Xây dựng Logistic Regression với sklearn.linear_model. LogisticRegression
  • Linear Regression
    • Thuật toán Least Squares
    • Phân loại: Simple Linenear Regression, Multiple Linenear Regression
    • Xây dựng Linear Regression với sklearn. linear_model.LinearRegression
  • Naïve Bayes
    • Phân loại Naïve Bayes: GaussianNB, BernoulliNB và MultinomialNB
    • Thuật toán: Định lý Bayes
    • Xây dựng Naïve Bayes với sklearn.naive_bayes
  • K-Nearest Neighbors (KNN)
    • Thuật toán KNN
    • Xây dựng KNN với sklearn.neighbors.KNeighborsClassifier, sklearn.neighbors.KNeighborsRegressor
  • Decision Tree
    • Thuật toán: Decision Tree
    • Xây dựng Decision Tree với sklearn.tree.DecisionTreeClassifier, sklearn.tree.DecisionRegressor
  • Random Forest
    • Thuật toán: Random Forest
    • Xây dựng Random Forest với sklearn.ensemble. RandomForestClassifier
  • Support Vector Machine (SVM)
    • Kenel trick
    • Thuật toán: Linear SVM, Hard-margin, Soft-margin,  Nonelinear SVM, SVM Kenel, SVM Regression
    • Xây dựng SVM với sklearn.svm.SVM
  • Boosting, AdaBoost
    • Boosting: Giới thiệu, Boosting Algorithms, phân loại
    • AdaBoost (Adaptive Boosting)
    • Thuật toán: AdaBoost
    • Xây dựng AdaBoost với sklearn.ensemble.AdaBoostClassifier
  • Một số kỹ thuật bổ sung
    • Xác thực chéo (Cross Validation)
    • Điều chỉnh tham số (Tunning Parameter)
    • Grid Search (GridSearchCV)
    • Random Search
  • K-Means
    • Thuật toán K-Means Algorithm
    • Elbow Method
    • Xây dựng K-Means với sklearn.cluster.KMeans
  • Hierarchical clustering
    • Phân loại: Divisive (top down), Agglomerative (bottom up)
    • Agglomerative Clustering Algorithm
    • Dendrogram
    • Xây dựng Hierarchical clustering với sklearn.cluster. AgglomerativeClustering
  • Apriori
    • Association Rule Mining
    • Apriori
    • Thuật toán: Apriori (Support, Confidence, Lift)
    • Xây dựng Apriori với mlxtend.frequent_patterns.apriori
  • ECLAT (Equivalence Class Clustering and bottom up Lattice Traversal)
    • Thuật toán: ECLAT
    • Xây dựng ECLAT
  • Gaussian Mixture Model (GMM) và Expectation–maximization (EM)
    • Gaussian Distribution
    • GMM
    • EM
    • Xây dựng GMM với sklearn.mixture.GaussianMixture
  • Dimensionality Reduction, Principal Component Analysis (PCA)
    • Dimensionality Reduction: Curse of Dimensionality, phân loại
    • PCA: giới thiệu, mục tiêu
    • Thuật toán: PCA, Singular Value Decomposition (SVD)
    • Xây dựng PCA với sklearn.decomposition.PCA
  • Locally Linear Embedding (LLE)
    • Thuật toán: LLE
    • Xây dựng LLE với sklearn.manifold.LocallyLinearEmbedding
  • Time Series
    • Dự đoán với ARIMA
    • Thuật toán, variation, decomposition
    • Xây dựng mô hình với auto_arima

Phân tích Dữ liệu lớn – Big Data Analytics

Thời lượng : 36 giờ, học phí: 4 triệu

Chứng chỉ: Big Data Analytics do IT Viet Academy cấp

Giảng viên: Trình độ Tiến sĩ chuyên về phân tích dữ liệu lớn và các kỹ sư có kinh nghiệm của IT Viet Academy

Mô tả: Khóa học này cung cấp những kiến thức nền tảng về đặc điểm và các thành phần của Big Data, giá trị mà Big Data mang lại doanh nghiệp,cung cấp các phương pháp phân tích khoa học dữ liệu.

Nội dung khóa học:

  • Introduction To Big Data
    • What is Big Data?
    • The Vs’ of Big Data
  • PySpark
    • PySpark: Spark with Python
    • Spark context, Spark Session, PySpark cell
    • Lambda with map(), filter()
    • Spark DataFrame
  • Programming in PySpark RDD’s
    • Abstraction Spark – resilient distributed dataset (RDD)
    • Abstracting Data with RDDs
    • RDDs from Parallelized collections, RDDs from External Datasets
    • Partitions in your data
    • Basic RDD Transformations and Actions
    • Map and Collect, Filter and Count
    • Pair RDDs in PySpark
    • ReduceBykey and Collect, SortByKey and Collect
    • Advanced RDD Actions
    • CountingBykeys
    • Create a base RDD and transform it
    • Remove stop words and reduce the dataset
    • Print word frequencies
  • PySpark SQL & DataFrames
    • Abstracting Data with DataFrames
    • RDD to DataFrame
    • Loading CSV into DataFrame
    • Operating on DataFrames in PySpark
    • Inspecting data in PySpark DataFrame
    • PySpark DataFrame subsetting and cleaning
    • Filtering your DataFrame
    • Interacting with DataFrames using PySpark SQL
    • Running SQL Queries Programmatically
    • SQL queries for filtering Table
    • Data Visualization in PySpark using DataFrames
    • PySpark DataFrame visualization
    • Create a DataFrame from CSV file
    • SQL Queries on DataFrame
    • Data visualization
  • Manipulating data
    • SQL in nutshell
    • Filter, Select
    • Aggregating, Group & Aggregating
    • Join
  • Data Analysis
    • EDA, Corr
    • Visualization: distplot, implot
  • Wrangling with Spark Functions
    • Drop, Filter, Scaling
    • Working with missing data
    • Join
  • Feature Engineering
    • Feature Generation
    • Differences
    • Ratios
    • Deeper Features, Time Features
    • Time Components, Joining On Time Components
    • Date Math
    • Extracting Features, Extracting Text to New Features
    • Splitting & Exploding
    • Pivot & Join
    • Binarizing, Bucketing & Encoding
    • Binarizing Day of Week
    • Bucketing
    • One Hot Encoding
  • Building a Model
    • Choosing the Algorithm
    • Which MLlib Module?
    • Creating Time Splits
    • Adjusting Time Features
    • Feature Engineering Assumptions for RFR
    • Feature Engineering For Random Forests
    • Dropping Columns with Low Observations
    • Naively Handling Missing and Categorical Values
    • Building a Model
    • Evaluating & Comparing Algorithms
    • Interpreting Results
  • Machine Learning with PySpark MLlib
    • PySpark MF libraries
    • PySpark MLlib algorithms
    • Collaborative filtering
    • Loading Movie Lens dataset into RDDs
    • Model training & predictions
    • Model evaluation using MSE
    • Classification
    • Loading spam & non-spam data
    • Feature hashing & LabelPoint
    • Logistic Regression model training
    • Clustering
    • Loading & parsing the 5000 points data
    • K-means training

Học sâu với Python -Deep Learning with Python

Thời lượng: 36 giờ, học phí: 4 triệu đồng

Chứng chỉ: Deep Learning with Python do IT Viet Academy cấp

Giảng viên: các Tiến sĩ công nghệ và kỹ sư của IT Viet Academy

Mô tả: Cung cấp các kiến thức cần thiết về Deep Learning và kỹ năng vận dụng các thuật toán quan trọng như Artificial Neural Network (ANN) – mạng neuron nhân tạo, Convolutional Neural Network (CNN) – mạng neuron tích chập, Transfer Learning từ Pre-trained model, Recurrent neural network (RNN) – mạng neuron hồi quy, AutoEncoder – mạng tự mã hóa, Generative Adversarial Networks (GANs); Deep Learning và Natural Language Processing (NLP) như Text Classification, Name Entity Recognition; Deep Learning và Computer Vision như Face detection – nhận diện khuôn mặt, Object detection .

Nội dung khóa học:

  • Tổng quan Deep Learning
    • Giới thiệu, phân loại Deep Learning
    • Phạm vi áp dụng, so sánh Machine Learning và Deep Learning
    • Thư viện hỗ trợ Deep Learning: TensorFlow, Keras…
    • Làm việc với TensorFlow và Keras
  • TensorFlow
    • Giới thiệu
    • Tensor
    • TensorFlow cơ bản
    • Constants, Placeholder, Variables
    • Operators
  • Artificial Neural Network (ANN) – mạng neuron nhân tạo
    • Giới thiệu: Biological Neuron Network – mạng neuron sinh học, ANN, perceptron, thuật ngữ
    • Tính toán logic với Neurons
    • Hoạt động của Neural
    • Neural network học như thế nào?
    • Activation Function: Linear, Sigmoid, TanH, Softmax, rectified linear unit (ReLU)
    • Back propagation
    • Loss function, Optimizers
    • Gradient Descent, Stochastic Gradian Descent
    • Xây dựng ANN, đánh giá
    • Cải thiện model với Dropout, GridSearchCV
  • Convolutional Neural Network (CNN) – mạng neuron tích chập
    • Giới thiệu CNN, đặc điểm, ứng dụng
    • Convolution Operation
    • ReLU layer
    • Pooling
    • Flattening
    • Full connection
    • Softmax
    • Cross entropy
    • Xây dựng CNN, đánh giá và tinh chỉnh CNN
  • Recurrent neural network (RNN) – mạng neuron hồi quy
    • Giới thiệu RNN, đặc điểm, ứng dụng
    • Computational Graph
    • Vanishing Gradient Descent
    • Long Short Term Memory (LSTM), LSTM Variation
    • Xây dựng RNN, đánh giá và tinh chỉnh RNN
  • Transfer Learning từ Pre-trained model
    • Giới thiệu Transfer Learning
    • Lý do nên áp dụng pre-trained model
    • Tiến trình Transfer Learning
    • Bộ dữ liệu ImageNet/ ILSVRC
    • Pre-trained model trong Keras: VGG, ResNet, MobileNet, Inception50
    • Sử dụng pre-trained model
    • Triển khai transfer learning với pre-trained model
  • Natural Language Processing (NLP) với Deep Learning
    • Giới thiện NLP: ngôn ngữ tự nhiên, thách thức của ngôn ngữ tự nhiên…
    • Basic Tranformation: Tokenization, CountVectorizer, Tf-Idf (Term frequency-inverse document frequency), HashingVectorizer, Keras text_to_word_sequence, Keras one_hot, Keras Tokenizer API
    • Text Classification với RNN
    • Name Entity Recognition với LSTM-CRF
  • AutoEncoder
    • Giới thiệu, đặc điểm, ứng dụng
    • AutoEncoder: Encoder, Decoder
    • Loss function
    • Xây dựng AutoEncoder: Simple AutoEncoder, Deep AutoEncoder, CNN AutoEncoder
  • Face detection – Nhận diện khuôn mặt
    • Viola Jones algorithm
    • Haar- like features
    • LBP cascade classifier
    • So sánh Haar và LBP
    • Intergral Image
    • Training classifier
    • AdaBoost
    • Cascading
    • Xây dựng face detection với OpenCV
    • Đối phó với False Positives (nhận diện sai)
  •  Object detection – nhận diện vật thể
    • Single Shot MultiBox Detector (SSD)
    • Multi-box concept
    • Dự đoán object position
    • Scale problem
    • Xây dựng object detection với SSD
  • Generative Adversarial Networks (GANs)
    • Giới thiệu, đặc điểm
    • Cách thức hoạt động của GANs
    • Ứng dụng GANs
    • Tạo ảnh với GANs

Tại sao chúng tôi là sự chọn tốt nhất cho bạn

CHÚNG TÔI CÓ HÀNG LOẠT NHỮNG GIÁ TRỊ ĐỂ CHỨNG MINH VỚI BẠN VỀ NĂNG LỰC VƯỢT TRỘI CỦA CHÚNG TÔI ĐỂ BẠN RA QUYẾT ĐỊNH NGAY TẠI SAO CHỌN CHÚNG TÔI CHO NGHỀ NGHIỆP CỦA BẠN.

Kiến thức khoa học & công nghệ mới nhất, chuyên sâu, thực tế

Bạn được học các kiến thức khoa học cập nhật  bởi các chuyên gia là các tiến sĩ tốt nghiệp từ các trường đại học danh tiếng nước ngoài và trải nghiệm các công nghệ  mới nhất, chuyên sâu, bám sát nhu cầu tuyển dụng thực tế từ doanh nghiệp từ các kỹ sư lâu năm kinh nghiệp của IT Viet Academy.

Học viên được học thông qua kinh nghiệm, dự án thực tế

Đội ngũ Giảng viên và các Mentor của IT Viet Academy là những người dày dạn kinh nghiệm, và đã từng trải qua các dự án thực tế tại các công ty hàng đầu sẽ truyền đạt những kinh nghiệm “máu lửa” cho bạn.

Học viên được trao chìa khóa thành công toàn diện

IT Viet Academy sẽ hướng dẫn học viên cách viết viết CV và  phỏng vấn một cách thuyết phục. Chúng tôi kết nối doanh nghiệp, gặp gỡ doanh nghiệp, phỏng vấn cùng doanh nghiệp ngay sau khi học viên hoàn tất khóa học.

CÁC KHÓA HỌC ĐÃ KHAI GIẢNG

Thời lượng: 48 giờ, học phí: 5 triệu VNĐ
Chứng chỉ: Professional Data Science do IT Viet Academy cấp

Giảng viên : các Tiến sĩ công nghệ chuyên về Data Science và các kỹ sư  nhiều năm kinh nghiệm của IT Viet Academy

Mô tả:  Khoá học này cung cấp cho học viên kiến thức  về khoa học dữ liệu, các khái niệm và phương pháp giải quyết bài toán khoa học dữ liệu. Các chuyên đề từ cơ bản đến nâng cao ( bao gồm toán thống kê, trực quan hoá dữ liệu, xử lý và giảm chiều dữ liệu, chọn thuật toán machine learning,…) cho bài toán khoa học dữ liệu sẽ được giới thiệu một cách hệ thống thông qua các bài thực hành dự án.

Nội dung khóa học:

Lecture 1. Introduction to data science
Lecture  2. Exploratory data analysis
Lecture  3. Introduction to machine learning
Lecture 4. Linear regression and regularization
Lecture 5. Model selection and evaluation
Lecture 6. Classification: kNN, decision trees
Lecture 7. Classification: SVM
Lecture 8. Ensemble methods: random forests
Lecture 9. Intro to probability: Naïve Bayes and logistic regression
Lecture 10. Feature engineering and selection
Lecture 11. Clustering: k-means, hierarchical clustering
Lecture 12. Dimensionality reduction: PCA and SVD
Lecture 13. Text mining and information retrieval
Lecture 14. Network Analysis
Lecture 15. Recommender systems
Lecture 16. Relational databases, SQL
Lecture 17. Big data storage and retrieval: noSQL, GraphDB
Lecture 18. Big data distributed computing: mapreduce, spark rdd
Lecture 19. Advanced: neural networks and deep learning
Lecture 20. Generalizing lecture
Lecture 21. Presentations of final projects