Marketing Source

Recap Workshop: “Đi làm nghề Data, bắt đầu như thế nào”

Xin chào các bạn, trong bài tổng hợp ngày hôm qua, sếp Tuấn Lê đã chia sẻ quan điểm, cách nhìn nhận dữ liệu dưới góc độ quản lý nhé các bạn C-level. Hôm nay mình sẽ khái quát sâu hơn các vấn đề kỹ thuật qua phần chia sẻ của chị Nga và anh Luân bên phía Tinh Tế. Mục tóm tắt lại Về Thông số kỹ thuật phần I này chủ yếu dành cho doanh nhân, phần II sẽ dành một chút cho các bạn kỹ sư dữ liệu Xin vui lòng!

PHẦN I: DỮ LIỆU CHO BẤT KỲ AI ĐANG KINH DOANH (MKT, TÀI CHÍNH, CHUỖI CUNG ỨNG, …)

SQL (Excel của tương lai) – Structured Query Language: Thực ra nó không phải là một thứ gì đó quá cao cấp hay hoa mỹ, nó chỉ là một dạng câu lệnh để lấy dữ liệu ở nhiều bảng khác nhau. Nó giống như việc bạn có một đống file Excel và phải ngồi ghép chúng lại với nhau, chỉ có SQL mới giúp bạn thực hiện điều đó một cách cực kỳ hiệu quả, tiết kiệm thời gian và công sức. có thể truy cập một lượng lớn dữ liệu của công ty (được phân quyền tốt) mà không cần phải đợi các anh IT xuất Excel.Tham khảo để học tập: http://www.postgresqltutorial.com.

Toán học: Làm việc với Dữ liệu, con số và toán học là không thể, phải không? Nếu bạn là sinh viên, hãy chú ý học các môn như Xác suất thống kê, Phương pháp tính toán.

Thuyết phục: Thuyết phục các đội khác tin tưởng dữ liệu, hãy tin tưởng vào các quyết định của bạn dựa trên dữ liệu. Thuyết phục người khác rằng dữ liệu của bạn thực sự hữu ích- Python: Nó không thực sự cần thiết (Điều này chỉ dành cho các nhà phân tích dữ liệu chuyên nghiệp). Ngôn ngữ lập trình bậc cao này sẽ giúp bạn rất nhiều trong việc Hình dung dữ liệu cũng như tính toán, (bạn nhà phân tích dữ liệu Cái nào tốt hơn, hãy tìm hiểu về máy học luôn)

PHẦN II. CÁCH ỨNG DỤNG HỌC MÁY (TRONG PHẠM VI BÀI ĐĂNG, TÔI SẼ KHÔNG NÓI VỀ PHẦN NÀY NHƯNG MỌI NGƯỜI QUAN TÂM VUI LÒNG ĐỂ LẠI EMAIL TÔI SẼ GỬI MỘT SỐ TÀI LIỆU THAM KHẢO)

Để áp dụng machine learning, chị Nga chia sẻ một mẹo mà mình thấy rất hay đó là thay vì đọc nhiều báo, tập trung vào các báo cáo chuyên sâu, hãy làm theo các bước sau:

  • Tìm hiểu về các trường hợp kinh doanh: Hãy xem Doanh nghiệp thực sự cần gì, cần cải thiện điều gì, áp dụng ML vào đâu?
  • Tìm hiểu cách những người khác đã xử lý trường hợp đó: Tích cực đọc trên Medium, Kaggle, nó sẽ giúp ích rất nhiều
  • Áp dụng thử: Cứ thử áp dụng xem có hiệu quả không, rút ​​kinh nghiệm rồi thử lại. Đó là tất cả

>>>>>>> Tham khảo: 10 cuốn sách MIỄN PHÍ bạn nên đọc về Khoa học dữ liệu và Máy học

Ngoài Học máy, bạn được định hướng trở thành nhà khoa học dữ liệu nên tìm hiểu thêm về 10 Phương pháp điều này để trau dồi thêm các kỹ năng ML:

  1. hồi quy
  2. Phân loại
  3. Phân cụm
  4. Giảm kích thước
  5. Phương pháp kết hợp
  6. Nets thần kinh và học sâu
  7. Chuyển giao học tập
  8. Học tăng cường
  9. Xử lý ngôn ngữ tự nhiên
  10. Nhúng từ







Người quản lý

Giám đốc bộ phận (Tiếp thị / bán hàng)

Nhà phân tích dữ liệu

thực tập sinh



Marketing online


Thông tin thêm

Recap Workshop: “Đi làm nghề Data, bắt đầu như thế nào”

#Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_3_plain] #Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào

Recap Workshop: “Đi làm nghề Data, bắt đầu như thế nào”

Chào mọi người, trong bài tóm tắt hôm qua, sếp Tuấn Lê đã share quan điểm, và cách nhìn data dưới góc độ quản lý, các anh cấp C-level. Hôm nay, mình sẽ recap lại những vấn đề technical sâu hơn qua phần chia sẻ của chị Nga và anh Luân bên Tinh tế. Bài recap về Technical Data này phần I chủ yếu dành cho những bạn làm Business, phần II sẽ dành chút chút cho các bạn data engineer nhé!

PHẦN I: DATA CHO BẠN NÀO ĐANG LÀM BUSINESS (PERFORMANCE MKT, FINANCE, SUPPLY CHAIN,…)

– SQL (Excel của tương lai) – Structured Query Language: Thật ra chẳng phải là cái gì quá cao cấp hay Fancy, nó cũng chỉ là một loại câu lệnh để lấy dữ liệu trong nhiều bảng khác nhau mà thôi. Nó cũng giống như việc bạn có 1 đống các file Excel và bạn phải ngồi ghép nối chúng lại với nhau, chỉ khác là SQL giúp bạn làm chuyện đó một cách cực kì hiệu quả, tiết kiệm thời gian, công sức, và bạn có thể tiếp cận với lượng dữ liệu lớn của công ty (được phân quyền kĩ càng) mà không phải đợi mấy ông IT xuất Excel.Reference for learning: http://www.postgresqltutorial.com.

– Mathematics: Làm việc với Data, sốmá, ngu toán là điều không thể đúng không. Nếu đang là sinh viên, hãy chú ý học những môn như Xác xuất thống kê, phương pháp tính nhé.

– Persuasion: Thuyết phục các team khác tin vào data, tin vào quyết định của mình dựa trên data. Hãy thuyết phục người khác rằng data của bạn thực sự có ích- Python: Thật ra cũng không quá cần thiết (Cái này dành cho các bạn data analyst hardcore chút thôi). Ngôn ngữ lập trình bậc cao này sẽ giúp bạn rất nhiều trong việc Visualize dữ liệu cũng như tính toán, (bạn data analyst nào đỉnh hơn thì tìm hiểu về machine learning luôn nhé)

PHẦN II. CÁCH APPLY MACHINE LEARNING (TRONG PHẠM VI BÀI VIẾT, MÌNH SẼ KHÔNG NÓI SÂU VỀ PHẦN NÀY, NHƯNG BẠN NÀO QUAN TÂM THÌ ĐỂ LẠI EMAIL MÌNH SẼ GỬI MỘT SỐ REFERENCES NHÉ)

Để apply machine Learning, Nga có chia sẻ một tips mình thấy rất hay, thay vì đọc rất nhiều paper, focus vào các report chuyên sâu, hãy follow up các Steps sau:

Tìm hiểu về Business Case: Hãy xem Business thực sự cần gì, cần cải tiến gì, áp dụng ML chỗ nào?
Tìm hiểu cách giải quyết của người khác trong case đó: Tích cực tìm đọc trên Medium, Kaggle nhé, sẽ giúp ích rất rất nhiều đấy
Apply thử: Cứ thử xem apply vào có hiệu quả không, rút kinh nghiệm rồi lại thử. Thế thôi

>>>>>>>Tham khảo: 10 cuốn sách FREE nên đọc về Data Science và Machine Learning

Ngoài Machine Learning, các bạn các định hướng trở thành data scientist nên tìm hiểu về thêm về 10 Methods này để trau dồi thêm ML skills nhé:

Regression
Classification
Clustering
Dimensionality Reduction
Ensemble Methods
Neural Nets and Deep Learning
Transfer Learning
Reinforcement Learning
Natural Language Processing
Word Embeddings

Họ và tên

This is required.

Email liên hệ

This is required.

SĐT liên hệ

This is required.

Chức vụ

Manager

Quản lý bộ phận (Marketing/sale)

Data analyst

Thực tập sinh

NHẬN TÀI LIỆU

#Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_2_plain] #Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_2_plain] #Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào
[rule_3_plain]

#Recap #Workshop #Đi #làm #nghề #Data #bắt #đầu #như #thế #nào

Recap Workshop: “Đi làm nghề Data, bắt đầu như thế nào”

Chào mọi người, trong bài tóm tắt hôm qua, sếp Tuấn Lê đã share quan điểm, và cách nhìn data dưới góc độ quản lý, các anh cấp C-level. Hôm nay, mình sẽ recap lại những vấn đề technical sâu hơn qua phần chia sẻ của chị Nga và anh Luân bên Tinh tế. Bài recap về Technical Data này phần I chủ yếu dành cho những bạn làm Business, phần II sẽ dành chút chút cho các bạn data engineer nhé!

PHẦN I: DATA CHO BẠN NÀO ĐANG LÀM BUSINESS (PERFORMANCE MKT, FINANCE, SUPPLY CHAIN,…)

– SQL (Excel của tương lai) – Structured Query Language: Thật ra chẳng phải là cái gì quá cao cấp hay Fancy, nó cũng chỉ là một loại câu lệnh để lấy dữ liệu trong nhiều bảng khác nhau mà thôi. Nó cũng giống như việc bạn có 1 đống các file Excel và bạn phải ngồi ghép nối chúng lại với nhau, chỉ khác là SQL giúp bạn làm chuyện đó một cách cực kì hiệu quả, tiết kiệm thời gian, công sức, và bạn có thể tiếp cận với lượng dữ liệu lớn của công ty (được phân quyền kĩ càng) mà không phải đợi mấy ông IT xuất Excel.Reference for learning: http://www.postgresqltutorial.com.

– Mathematics: Làm việc với Data, sốmá, ngu toán là điều không thể đúng không. Nếu đang là sinh viên, hãy chú ý học những môn như Xác xuất thống kê, phương pháp tính nhé.

– Persuasion: Thuyết phục các team khác tin vào data, tin vào quyết định của mình dựa trên data. Hãy thuyết phục người khác rằng data của bạn thực sự có ích- Python: Thật ra cũng không quá cần thiết (Cái này dành cho các bạn data analyst hardcore chút thôi). Ngôn ngữ lập trình bậc cao này sẽ giúp bạn rất nhiều trong việc Visualize dữ liệu cũng như tính toán, (bạn data analyst nào đỉnh hơn thì tìm hiểu về machine learning luôn nhé)

PHẦN II. CÁCH APPLY MACHINE LEARNING (TRONG PHẠM VI BÀI VIẾT, MÌNH SẼ KHÔNG NÓI SÂU VỀ PHẦN NÀY, NHƯNG BẠN NÀO QUAN TÂM THÌ ĐỂ LẠI EMAIL MÌNH SẼ GỬI MỘT SỐ REFERENCES NHÉ)

Để apply machine Learning, Nga có chia sẻ một tips mình thấy rất hay, thay vì đọc rất nhiều paper, focus vào các report chuyên sâu, hãy follow up các Steps sau:

Tìm hiểu về Business Case: Hãy xem Business thực sự cần gì, cần cải tiến gì, áp dụng ML chỗ nào?
Tìm hiểu cách giải quyết của người khác trong case đó: Tích cực tìm đọc trên Medium, Kaggle nhé, sẽ giúp ích rất rất nhiều đấy
Apply thử: Cứ thử xem apply vào có hiệu quả không, rút kinh nghiệm rồi lại thử. Thế thôi

>>>>>>>Tham khảo: 10 cuốn sách FREE nên đọc về Data Science và Machine Learning

Ngoài Machine Learning, các bạn các định hướng trở thành data scientist nên tìm hiểu về thêm về 10 Methods này để trau dồi thêm ML skills nhé:

Regression
Classification
Clustering
Dimensionality Reduction
Ensemble Methods
Neural Nets and Deep Learning
Transfer Learning
Reinforcement Learning
Natural Language Processing
Word Embeddings

Họ và tên

This is required.

Email liên hệ

This is required.

SĐT liên hệ

This is required.

Chức vụ

Manager

Quản lý bộ phận (Marketing/sale)

Data analyst

Thực tập sinh

NHẬN TÀI LIỆU

Trả lời

Email của bạn sẽ không được hiển thị công khai.

Back to top button