BUỔI 1: GIỚI THIỆU PYTHON VÀ MÔI TRƯỜNG PHÁT TRIỂN
Lý thuyết: Giới thiệu về AI, vai trò của Python. So sánh Python với các ngôn ngữ khác.
Thực hành: Cài đặt Python, VS Code, làm quen Google Colab. Viết chương trình “Hello World”, tính toán cơ bản.
BUỔI 2: BIẾN, KIỂU DỮ LIỆU VÀ CẤU TRÚC ĐIỀU KHIỂN
Lý thuyết: Các kiểu dữ liệu cơ bản (số, chuỗi, boolean). Câu lệnh điều kiện if/else và vòng lặp for/while.
Thực hành: Ứng dụng chuyển đổi nhiệt độ, máy tính đơn giản.
BUỔI 3: CÁC CẤU TRÚC DỮ LIỆU CƠ BẢN
Lý thuyết: Tập trung vào các cấu trúc dữ liệu thiết yếu: List, Tuple, Dictionary, Set. Các phương thức và thao tác phổ biến trên từng kiểu cấu trúc.
Thực hành: Xây dựng chương trình quản lý danh bạ đơn giản sử dụng Dictionary, xử lý danh sách điểm số sinh viên sử dụng List.
BUỔI 4: HÀM VÀ THƯ VIỆN CƠ BẢN
Lý thuyết: Định nghĩa hàm, tham số, giá trị trả về. Tầm quan trọng của việc tái sử dụng mã. Giới thiệu thư viện math và random.
Thực hành: Viết hàm tính toán hình học, hàm kiểm tra số nguyên tố, tạo mật khẩu ngẫu nhiên.
BUỔI 5: LUYỆN TẬP PYTHON TỔNG HỢP
Lý thuyết: Ôn tập toàn bộ kiến thức Python đã học. Các kỹ thuật gỡ lỗi (debugging) cơ bản.
Thực hành: Giải quyết một chuỗi các bài tập lập trình có độ khó tăng dần để củng cố tư duy logic và kỹ năng sử dụng các cấu trúc dữ liệu, vòng lặp, hàm.
MODULE 2: KHOA HỌC DỮ LIỆU VÀ MACHINE LEARNING (8 BUỔI)
BUỔI 6: GIỚI THIỆU MACHINE LEARNING VÀ THƯ VIỆN PANDAS
Lý thuyết: Tổng quan về Machine Learning, phân biệt Supervised và Unsupervised Learning. Giới thiệu thư viện Pandas và cấu trúc DataFrame.
Thực hành: Tải và khám phá dataset điểm số học sinh bằng Pandas. Thực hiện các thao tác truy vấn, lọc dữ liệu cơ bản.
BUỔI 7: PHÂN TÍCH VÀ TRỰC QUAN HÓA DỮ LIỆU (EDA)
Lý thuyết: Tầm quan trọng của trực quan hóa dữ liệu. Sử dụng Matplotlib/Seaborn để vẽ các biểu đồ cơ bản (cột, histogram, phân tán). Phân tích tương quan (correlation).
Thực hành: Trực quan hóa phân bổ điểm số, tạo ma trận tương quan giữa các môn học và diễn giải kết quả.
BUỔI 8: TIỀN XỬ LÝ DỮ LIỆU (DATA PREPROCESSING)
Lý thuyết: Tầm quan trọng của việc làm sạch dữ liệu. Các phương pháp xử lý giá trị thiếu, loại bỏ dữ liệu trùng lặp. Kỹ thuật chuẩn hóa dữ liệu (Min-Max scaling).
Thực hành: Thực hành làm sạch và chuẩn hóa trên bộ dữ liệu thực tế.
BUỔI 9: MÔ HÌNH HỒI QUY TUYẾN TÍNH (LINEAR REGRESSION) – PHẦN 1
Lý thuyết: Giới thiệu chi tiết nguyên lý của Linear Regression. Các giả định của mô hình.
Thực hành: Xây dựng mô hình dự đoán điểm thi cuối kỳ dựa trên giờ học. Trực quan hóa đường hồi quy.
BUỔI 10: MÔ HÌNH HỒI QUY TUYẾN TÍNH (LINEAR REGRESSION) – PHẦN 2
Lý thuyết: Các chỉ số đánh giá mô hình hồi quy (MAE, MSE, R-squared). Diễn giải ý nghĩa của các hệ số.
Thực hành: Đánh giá mô hình đã xây dựng ở buổi 9, phân tích và diễn giải kết quả, thảo luận cách cải thiện mô hình.
BUỔI 11: MÔ HÌNH PHÂN LOẠI (LOGISTIC REGRESSION)
Lý thuyết: Bài toán phân loại và sự khác biệt với hồi quy. Giới thiệu mô hình Logistic Regression.
Thực hành: Xây dựng mô hình phân loại học sinh đậu/rớt.
BUỔI 12: ĐÁNH GIÁ MÔ HÌNH PHÂN LOẠI VÀ CROSS-VALIDATION
Lý thuyết: Các chỉ số đánh giá (Accuracy, Precision, Recall, F1-score). Kỹ thuật Cross-validation để tránh overfitting.
Thực hành: Đánh giá mô hình Logistic Regression, áp dụng cross-validation.
BUỔI 13: GIỚI THIỆU HỌC KHÔNG GIÁM SÁT & ĐẠO ĐỨC AI
Lý thuyết: Giới thiệu khái niệm Học không giám sát. Tìm hiểu thuật toán phân cụm K-Means. Thảo luận về các vấn đề đạo đức trong AI: thiên kiến (bias), công bằng và trách nhiệm.
Thực hành: Áp dụng K-Means để phân nhóm học sinh dựa trên điểm số.
MODULE 3: DỰ ÁN TỔNG HỢP (2 BUỔI)
BUỔI 14: DỰ ÁN TỔNG HỢP – KHỞI ĐỘNG VÀ THỰC HIỆN
Lý thuyết: Tổng hợp lại toàn bộ quy trình ML. Giao dự án, hướng dẫn lên kế hoạch và làm việc nhóm.
Thực hành: Học viên làm việc theo nhóm, áp dụng toàn bộ kiến thức đã học để thực hiện một dự án từ A-Z (tiền xử lý, huấn luyện, đánh giá).
BUỔI 15: TRÌNH BÀY DỰ ÁN VÀ TỔNG KẾT
Lý thuyết: Kỹ năng thuyết trình và chuẩn bị báo cáo dự án.
Thực hành: Các nhóm trình bày sản phẩm, nhận phản hồi từ giảng viên và các nhóm khác. Tổng kết khóa học và định hướng các bước học tập tiếp theo.
