KHOA HỌC DỮ LIỆU VÀ TRÍ TUỆ NHÂN TẠO FPT CRANES

Khoa học Dữ liệu và Trí tuệ Nhân tạo (AI) là lĩnh vực công nghệ mũi nhọn, tập trung vào khai thác dữ liệu và xây dựng các hệ thống thông minh có khả năng tự học, phân tích và ra quyết định. Chương trình đào tạo cung cấp nền tảng toàn diện từ toán học, lập trình đến các công nghệ hiện đại như Machine Learning, Deep Learning, Big Data, xử lý ngôn ngữ tự nhiên (NLP) và thị giác máy tính (Computer Vision), giúp người học ứng dụng trong nhiều lĩnh vực như tài chính, y tế, thương mại điện tử và sản xuất. Với nhu cầu nhân lực toàn cầu ngày càng tăng, ngành học mở ra đa dạng cơ hội nghề nghiệp và định hướng chuyên sâu theo thế mạnh cá nhân trong hệ sinh thái công nghệ và dữ liệu

Đối tác

Cranes Varsity

(Ấn Độ)

Chứng chỉ

Advanced Diploma in Data Science and AI-ML

Thời gian

24 tháng

Ca học

Sáng – Chiều – Tối

Những ai nên tham gia khóa học tại FPT Cranes

Yêu thích AI và Khoa học Dữ liệu, mong muốn xây dựng nền tảng vững chắc và phát triển kỹ năng qua các dự án thực tế

Bổ sung kiến thức Machine Learning, Deep Learning, NLP, Computer Vision và Big Data để nổi bật khi thực tập và ứng tuyển

Muốn nâng cao kỹ năng AI và Khoa học Dữ liệu để ứng dụng vào công việc hoặc chuyển ngành sang lĩnh vực công nghệ có nhu cầu nhân lực cao

Phát triển sự nghiệp trong lĩnh vực AI và Khoa học Dữ liệu với chương trình đào tạo thực chiến, đáp ứng nhu cầu doanh nghiệp

Đặc điểm nổi bật của chương trình

27 năm kinh nghiệm đào tạo Khoa học Dữ liệu tại Việt Nam từ năm 1999

Học chuyển tiếp lấy bằng Cử nhân tại Đại học FPT & các trường Đại học – Cao đẳng quốc tế

Dạy & Học trên nền tảng EduNext độc quyền của Tập đoàn FPT

Kết hợp với học MOOC trên các nền tảng Coursera và Udemy

Hàm lượng AI chiếm gần 50% tổng thời lượng trong chương trình

Bằng cấp quốc tế do Tập đoàn Cranes Varsity (Ấn Độ) cấp có giá trị toàn cầu

70% thời lượng học là thực hành dưới sự hướng dẫn trực tiếp của Giảng viên giàu kinh nghiệm

Được kết nối và thêm kiến thức qua các giờ học tập thực tế cùng các doanh nghiệp mà FPT Cranes kết nối

Công nghệ cốt lõi

Python, OOP, Data Structures & Algorithms, SQL, Data Preprocessing, Data Analysis & Visualization
Machine Learning, Deep Learning (CNN, RNN), Computer Vision, NLP
MLOps, Model Deployment, AI Agents & Intelligent Automation
Cloud Computing, AI Security, Explainable AI, Advanced AI Models Optimization”

Đăng ký linh hoạt theo từng kỳ

Tổng quan chương trình đào tạo

HỌC KỲ 1: LẬP TRÌNH VÀ KHOA HỌC DỮ LIỆU

MÔN HỌC

Python Programming and Data Structures
Mathematics and Statistics for Data Science
Project 1: Data Acquisition and Analysis
Data Manipulation and Preprocessing
Exploration Data Analysis for Machine Learning

KỸ NĂNG ĐẶT ĐƯỢC

Thành thạo lập trình Python, sử dụng thư viện NumPy, Pandas để thao tác dữ liệu
Làm sạch dữ liệu, xử lý dữ liệu bị thiếu và biến đổi dữ liệu để phù hợp với phân tích
Viết và tối ưu truy vấn SQL, làm việc với cơ sở dữ liệu quan hệ
Áp dụng các phương pháp thống kê mô tả và thống kê suy luận vào phân tích dữ liệu
Trực quan hóa dữ liệu bằng Matplotlib, Seaborn và hiểu được các dạng phân phối dữ liệu
Xác định xu hướng, mẫu hình và phát hiện ngoại lệ trong tập dữ liệu
Hoàn thành dự án phân tích dữ liệu đầu tiên, nghiên cứu xu hướng trong dữ liệu thuê xe đạp

VỊ TRÍ NGHỀ NGHIỆP

01 Data Analyst

02 Python Developer

03 Data Scientist

CHUẨN ĐẦU RA

Sau học kỳ này, sinh viên sẽ có nền tảng vững chắc về lập trình Python và cấu trúc dữ liệu, làm việc hiệu quả với dữ liệu có cấu trúc và không có cấu trúc. Sinh viên sẽ hiểu các khái niệm cơ bản về xác suất, thống kê và biểu diễn dữ liệu, đồng thời làm quen với cơ sở dữ liệu quan hệ và truy vấn SQL. Kỹ năng thao tác và tiền xử lý dữ liệu giúp làm sạch dữ liệu kết hợp với phân tích dữ liệu khám phá (Exploratory Data Analysis – EDA) sẽ được phát triển thông qua việc trực quan hóa dữ liệu, xác định xu hướng và mô hình trong dữ liệu. Học kỳ này cũng giúp sinh viên hiểu vòng đời của một dự án khoa học dữ liệu, từ thu thập, tiền xử lý đến phân tích dữ liệu cơ bản, làm tiền đề cho các học kỳ tiếp theo.

HỌC KỲ 2: PHÂN TÍCH DỮ LIỆU, XÂY DỰNG ỨNG DỤNG AI & MACHINE LEARNING

MÔN HỌC

Introduction to Machine Learning
Regression and classification model
Feature Engineering and Data Analysis Techniques
Unsupervised Learning
Project 2: Optimizing Machine Learning Analytics

KỸ NĂNG ĐẶT ĐƯỢC

Hiểu rõ các phương pháp học máy có giám sát và không giám sát
Biết cách chuẩn bị dữ liệu phù hợp cho mô hình học máy , bao gồm chọn đặc trưng, xử lý dữ liệu không cân bằng
Xây dựng và tinh chỉnh mô hình hồi quy và phân loại như Hồi quy Logistic, cây quyết định, rừng ngẫu nhiên, máy vector hỗ trợ (SVM – Support Vector Machine)
Áp dụng các kỹ thuật tối ưu hóa mô hình như tìm kiếm lưới (Grid Search), Gradient Boosting
Thực hiện phân tích chuỗi thời gian cơ bản và xây dựng pipeline Machine Learning hoàn chỉnh
Hoàn thành dự án tối ưu hóa phân tích học máy, trình bày phát hiện dưới dạng báo cáo trực quan

VỊ TRÍ NGHỀ NGHIỆP

01 Machine Learning Engineer

02 AI Engineer

03 Data Scientist

04 Quantitative Analyst

CHUẨN ĐẦU RA

Học kỳ này giúp sinh viên tiếp cận các khái niệm cốt lõi của Học Máy – Machine Learning (ML), bao gồm học có giám sát và không giám sát. Sinh viên sẽ học cách chuẩn bị dữ liệu cho mô hình học máy, xây dựng mô hình hồi quy tuyến tính, hồi quy logistic, cây quyết định, rừng ngẫu nhiên và máy vector hỗ trợ (SVM – Support Vector Machine). Ngoài ra, sinh viên cũng tìm hiểu các kỹ thuật chọn và tạo đặc trưng để tối ưu hóa mô hình. Các thuật toán phân cụm như K-Means, PCA cũng được giới thiệu để giúp sinh viên hiểu cách nhóm dữ liệu và phát hiện bất thường. Học kỳ này tập trung vào việc áp dụng học máy vào các bài toán thực tế, tối ưu hóa mô hình và đánh giá hiệu suất của hệ thống.

HỌC KỲ 3: KHOA HỌC DỮ LIỆU VÀ HỌC SÂU

MÔN HỌC

Deep Learning Foundations Computer Vision
Advanced Data Analytics
NLP and Text Analytics
MLOPs and AI Deployment for Data Science
Project 3: Deep Learning for Intelligent
Data Analysis and Deployment

KỸ NĂNG ĐẶT ĐƯỢC

Hiểu rõ cách hoạt động của mạng nơ-ron nhân tạo và các thuật toán tối ưu như SGD, Adam
Xây dựng và huấn luyện mô hình mạng nơ-ron sử dụng TensorFlow, PyTorch
Ứng dụng mạng nơ-ron tích chập vào thị giác máy tính, nhận diện đối tượng, xử lý ảnh
Sử dụng NLP để xử lý văn bản, phân tích cảm xúc, dịch ngôn ngữ bằng Word2Vec, TF-IDF
Thực hiện dự báo chuỗi thời gian với ARIMA, Prophet
Hiểu quy trình MLOps, theo dõi và tối ưu hóa mô hình AI khi triển khai
Xây dựng và triển khai dự án phát triển mô hình học sâu để phân tích dữ liệu thông minh

VỊ TRÍ NGHỀ NGHIỆP

01 Deep Learning Engineer

02 Computer Vision Specialist

03 NLP Engineer

04 Data Scientist – AI Focus

CHUẨN ĐẦU RA

Sinh viên sẽ có kiến thức nền tảng về Học Sâu – Deep Learning (DL), bao gồm mạng nơ-ron nhân tạo (ANN – Artificial Neural Networks), lan truyền ngược, các thuật toán tối ưu như SGD, Adam. Học kỳ này cũng giúp sinh viên tiếp cận các lĩnh vực quan trọng như Thị Giác Máy Tính (Computer Vision) và xử lý ngôn ngữ tự nhiên (NLP), giúp họ hiểu cách máy tính nhận diện hình ảnh và phân tích văn bản. Ngoài ra, sinh viên sẽ học các phương pháp phân tích dữ liệu nâng cao, dự báo chuỗi thời gian và triển khai AI vào hệ thống thực tế với MLOps. Kết thúc kỳ học, sinh viên sẽ có khả năng xây dựng mô hình học sâu, ứng dụng vào các bài toán thực tế và triển khai mô hình lên nền tảng đám mây.

HỌC KỲ 4: KHOA HỌC DỮ LIỆU VÀ TRÍ TUỆ NHÂN TẠO

MÔN HỌC

Advanced Deep Learning Models
Optimization Techniques
Project 4: Developing and Optimizing Advanced AI Models
Model Interpretability and Explainability
Ethical AI, Secure Data and Research-Driven Cloud
Deployment

KỸ NĂNG ĐẶT ĐƯỢC

Xây dựng mô hình Học sâu nâng cao, ứng dụng CNN để xử lý ảnh, RNN để phân tích chuỗi thời gian
Hiểu cách hoạt động của Transformers và sử dụng Transfer Learning để tối ưu hóa mô hình AI
Sử dụng Bayesian Optimization, Stacking, Boosting để tinh chỉnh siêu tham số và cải thiện hiệu suất mô hình
Hiểu và áp dụng các phương pháp diễn giải mô hình như SHAP, LIME để làm AI minh bạch hơn
Đảm bảo bảo mật dữ liệu và tuân thủ các tiêu chuẩn (GDPR, HIPAA) khi triển khai AI
Triển khai AI trên nền tảng đám mây, tối ưu chi phí và hiệu suất hệ thống AI
Hoàn thành dự án phát triển mô hình AI nâng cao, nghiên cứu và ứng dụng AI trong lĩnh vực y tế

VỊ TRÍ NGHỀ NGHIỆP

01 AI Research Scientist

02 Cloud AI/ML Engineer

03 AI Ethics & Security Specialist

04 Computer Vision Engineer

CHUẨN ĐẦU RA

Học kỳ 4 giúp sinh viên nâng cao kiến thức về AI ứng dụng, với trọng tâm là các mô hình học sâu tiên tiến như Transformers, Transfer Learning (học chuyển giao), CNN (Convolutional Neural Network – Mạng nơ-ron tích chập) và RNN (Recurrent Neural Network – Mạng nơ-ron hồi tiếp). Sinh viên cũng sẽ học các kỹ thuật tối ưu hóa mô hình như Tối ưu hóa Bayesian (Bayesian Optimization – BO), Boosting, Stacking, cũng như phương pháp diễn giải và giải thích mô hình AI để đảm bảo minh bạch và công bằng trong AI. Ngoài ra, sinh viên sẽ tiếp cận các vấn đề đạo đức AI, bảo mật dữ liệu và triển khai mô hình AI trên đám mây. Dự án cuối cùng sẽ giúp sinh viên phát triển một hệ thống AI tiên tiến, tối ưu hóa và triển khai vào ứng dụng thực tế, đặc biệt trong các lĩnh vực như y tế, tài chính hoặc thương mại điện tử.

Đăng ký tư vấn nhanh

Ngành Khoa học dữ liệu và trí tuệ nhân tạo FPT Cranes