Các khoá học hiện có

What Will I Learn?

  • Be equipped with a powerful tool for the most sexy data analytics career path!
  • Read and write various types of raw data with different formats and options

  • Create and modify various professional and statistical reports

  • Be aware of statistical analysis and concepts such as non parametric test, interaction, correlation..
  • Master the most complete SAS graphics tool such GTL and statistical plots
  • Learn comprehensive SAS Macro programming knowledge -- variables and user defined functions
  • Perform many real world case studies -- retail banks, credit bureau, marketing firms and clinical trials
  • Apply powerful data manipulation -- SQL, subsetting, slicing, filtering, transformation, ranking, sorting..
  • Understand data management and data piping
  • Use SAS ODS -- help deliver many useful objects such as charts, tables between different systems
  • Hundreds of SAS sample codes to explain arrays, functions and business cases

  • Bài thuyết trình
  • Biết khái niệm bài thuyết trình. Biết các nhân tố ảnh hưởng đến chất lượng thuyết trình và một số chỉ dẫn để tạo nên một bài thuyết trình tốt.
  • Biết các bước chính trong tạo và thực hiện bài thuyết trình: Xác định mục tiêu thuyết trình; thiết kế, biên tập nội dung các trang của bài thuyết trình; lưu và phân phát (publish) nội dung bài thuyết trình; thực hiện việc thuyết trình bằng một công cụ trình chiếu.

Khóa học này cung cập cho người học những kiến thức cơ bản về hệ soạn thảo văn bản Microsoft Word.

Hiểu khái niệm văn bản theo nghĩa thông thường. Biết cách tổ chức và định dạng một văn bản. Soạn thảo văn bản và xử lý văn bản. Biết các thao tác thông thường để có được một văn bản theo yêu cầu: Soạn thảo nội dung (tạo mới hoặc sử dụng nội dung có sẵn), biên tập văn bản (thêm bớt, sửa chữa nội dung, thay đổi định dạng, thêm minh họa, tạo các liên kết, tham chiếu, hoàn chỉnh văn bản), lưu giữ văn bản, in ấn và phân phối văn bản.

In this Big Data Analytics with Excel training course, expert author Guy Vaccaro teaches you how to manage large quantities of data with Excel. This course is designed for users that are already familiar with Excel and how to navigate a workbook and manage worksheets.

You will start by learning basic data manipulation, then jump into learning about data cleansing, including removing duplicate records, replacing text, and merging and splitting data columns. From there, Guy will teach you about Excel tables, pivot tables, charts, and pivot charts. This video tutorial also covers Power Query, Power Map, and Power Pivot. Finally, you will learn how to use Goal Seek and Solver, as well as learn about data analysis tools.

Once you have completed this computer based training course, you will have learned everything you need to know to effectively manage large quantities of data with Excel. Working files are included, allowing you to follow along with the author throughout the lessons.


Data scientists who use Excel realize that R is emerging as the new standard for statistical wrangling (especially for larger data sets). This course serves as the perfect bridge for the many Excel-reliant data analysts and business users who need to update their data science skills by learning R.

Much of the course focuses on how crucial statistical tasks and operations are done in R—often with the DescTools package—as contrasted with Excel's functions and Data Analysis add-in, and then scales up from there, showing R's more powerful features. Conrad Carlberg will help you effectively toggle between both programs, moving data back and forth so you can get the best of both worlds. Start by learning how to install R and the DescTools package, and the data files used in all the hands-on exercises. Then learn about calculating descriptive statistics on numeric and nominal variables, and running bivariate analyses in both Excel and R. In the "Next steps" video, Conrad breaks down the pros and cons of Excel vs. R and provides tips for learning more about statistics in each application.

  • Hiểu khái niệm và công dụng của bảng tính.
  • Biết các bước để xây dựng và ứng dụng bảng tính thông thường: Nhập và biên tập dữ liệu, công thức vào bảng; tính toán trên dữ liệu bằng cách áp dụng các phép tính, biểu thức, hàm; biểu diễn trực quan dữ liệu dưới dạng biểu đồ; một số ứng dụng cao cấp như phân tích dữ liệu, dự báo; in và phân phối các bảng tính.

Business decisions are often binary: take on this project or put it off for a year; extend credit to this customer or insist on cash; open a new retail outlet in a particular location or find another spot. When an outcome is a continuous variable such as revenue, ordinary regression is often a good technique, but when there are only two outcomes, logistic regression usually offers better tools.

Learn how to use R and Excel to analyze data in this course with Conrad Carlberg. He takes you through advanced logistic regression, starting with odds and logarithms and then moving on into binomial distribution and converting predicted odds back to probabilities. After this foundation is established, he shifts the focus to inferential statistics, likelihood ratios, and multinomial regression. Conrad's comprehensive coverage of how to perform logistic regression includes tackling common problems, explaining relationships, reviewing outcomes, and interpreting results.
Topics include:
  • Recognizing the problems with ordinary regression on a binary outcome
  • Quantifying errors in forecasts
  • Managing different slopes
  • Forecasting odds instead of probabilities
  • Limiting probabilities on the upside and downside
  • Working with exponents and bases
  • Predicting the logit
  • Working with original data and coefficients
  • Establishing the Log Likelihood
  • Interpreting -2LL or deviance
  • Establishing a data frame with XLGetRange
  • Using the R functions mlogit or and glm
  • Understanding long versus wide shapes in data sets

What Will I Learn?


  • Understand the fundamentals of statistics
  • Learn how to work with different types of data

  • How to plot different types of data

  • Calculate the measures of central tendency, asymmetry, and variability
  • Calculate correlation and covariance
  • Distinguish and work with different types of distributions
  • Estimate confidence intervals
  • Perform hypothesis testing
  • Make data driven decisions
  • Understand the mechanics of regression analysis
  • Carry out regression analysis
  • Use and understand dummy variables
  • Understand the concepts needed for data science even with Python and R!

Analyzing terabytes of data can be daunting, so what do you do with petabytes? The era of Big Data is upon us and it’s time to sharpen up the toolbox in this new genre of systems and technologies. In this course Ben explains the evolution of Big Data systems, as well as, the various architectures and popular vendors in this space. After covering the fundamentals of Big Data systems Ben covers how to access these systems using Tableau Software. Using Tableau Software he covers how to work with your Big Data and visualize in ways that will leave your boss singing your praise.

About the author

I work as a feedback mechanism for organizations and teams to help them understand what’s going on with their products and processes. I do this by collecting and organizing their data, visually exploring it, enriching it with other data and metrics, then presenting my findings using creative information design techniques. This leads to improved business performance and often sparks a data-driven culture throughout my clients organizations.


This course provides a high level overview of big data and how to use key tools to solve your data challenges. This introduction to the three areas of big data includes: • Infrastructure – how to store and process big data • Algorithms – how to integrate algorithms into your big data stack and an introduction to classification • Visualizations – an introduction to creating visualizations in JavaScript using D3.js The goal was not to be exhaustive, but rather, to provide a higher level view of how all the pieces of a big data architecture work together. Instructor Paul Dix is a frequent speaker at conferences and user groups including Web 2.0, RubyConf, RailsConf, The Gotham Ruby Conference, and Scotland on Rails. Paul is the founder and organizer of the NYC Machine Learning Meetup, which has over 2,900 members. In the past he has worked at startups and larger companies like Google, Microsoft, and McAfee. Currently, Paul is a co-founder at Errplane, a cloud based service for monitoring and alerting on application performance and metrics.

Tableau is a rapidly growing data visualization and analysis software application. Developing this skill set early will give you a differentiated advantage in searching for jobs and displaying data you may currently work with.

This Tableau course is meant for anyone looking to get an overview displaying the software’s capability. I will be working with different types of data to show you when and how to use the different views Tableau offers, including Maps, Parameters, Calculated Fields, Bar Charts, Line Charts, and Tables (with heat map variations). I will walk through 3 separate analyses using different data sources to highlight the software’s functionality.

Who is the target audience?
  • Anyone interested in getting their feet wet with data analytics, and branching beyond MS Excel
  • Course is primarily targeted for beginners, though intermediate will likely pick up a few tips

R Programming: Fundamentals to Advanced is a tour through the most important parts of R, the statistical programming language, from the very basics to complex modeling. It covers reading data, programming basics, visualization. data munging, regression, classification, clustering, modern machine learning and more.

Data scientist, Columbia University adjunct Professor, author and organizer of the New York Open Statistical Programming meetup Jared P. Lander presents the 20 percent of R functionality to accomplish 80 percent of most statistics needs. This video is based on the material in R for Everyoneand is a condensed version of the course Mr. Lander teaches at Columbia. You start with simply installing R and setting up a productive work environment. You then learn the basics of data and programming using these skills to munge and prepare data for analysis. You then learn visualization, modeling and predicting and close with generating reports and websites and building R packages.

Table of Contents

Lesson 1 Getting Started with R: R can only be used after installation, which fortunately is just as simple as installing any other program. In this lesson you learn about where to download R, how to decide on the best version, how to install it and you get familiar with its environment, using RStudio as a front end. We also take a look at the package system.

Lesson 2 The Basic Building Blocks in R: R is a flexible and robust programming language and using it requires understanding how it handles data. We learn about performing basic math in R, storing various types of data in variables—such as numeric, integer, character and time-based—and calling functions on the data.

Lesson 3 Advanced Data Structures in R: Like many other languages, R offers more complex storage mechanisms such as vectors, arrays, matrices and lists. We take a look at those, and the data.frame, a special storage type that strongly resembles a spreadsheet and is part of what makes working with data in R such a pleasure.

Lesson 4 Reading Data into R: Data is abundant in the world, so analyzing it is just a matter of getting the data into R. There are many ways of doing so, the most common being reading from a CSV or database. We cover these and also importing from other statistical tools, and scraping websites.

Lesson 5 Making Statistical Graphs: Visualizing data is a crucial part of data science both in the discovery phase and when reporting results. R has long been known for its capability to produce compelling plots, and Hadley Wickham’s ggplot2 package makes it even easier to produce better looking graphics. We cover histograms, boxplots, scatterplots, line charts and more.

Lesson 6 Basics of Programming: R has all the standard components of a programming language such as writing functions, if statements and loops, all with their own caveats and quirks. We start with the requisite “Hello, World!’ function and learn about arguments to functions, the regular if statement and the vectorized version, and how to build loops and why they should be avoided.

Lesson 7 Data Munging: Data scientists often bemoan that 80% of their work is manipulating data. As such, R has many tools for this, which are, contrary to what Python users may say, easy to use. We see how R excels at group operations using apply, lapply and the plyr package. We also take a look at its facilities for joining, combing and rearranging data.

Lesson 8 Manipulating Strings: Text data is becoming more pervasive in the world, and fortunately, R provides ways for both combing text and ripping it apart, which we walk through. We also examine R’s extensive regular expression capabilities.

Lesson 9 Basic Statistics: Naturally, R has all the basics when it comes to statistics such as means, variance, correlation, t-tests and anovas. We look at all the different ways those can be computed.

Lesson 10 Linear Models: The workhorse of statistics is regression and its extensions. This consists of linear models, generalized linear models–including logistic and Poisson regression–and survival models. We look at how to fit these models in R and how to evaluate them using measures such as mean squared error, deviance and AIC.

Lesson 11 Other Models: Beyond regression there are many other types of models that can be fit to data. Models covered include regularization with the elastic net, bayesian shrinkage, nonlinear models such as nonlinear least squares, splines and generalized additive models, decision tress and random forests.

Lesson 12 Time Series: Special care must be taken with data where there is time based correlation, otherwise known as autocorrelation. We look at some common methods for dealing with time series such as ARIMA, VAR and GARCH.

Lesson 13 Clustering: A focal point of modern machine learning is clustering, the partitioning of data into groups. We explore three popular methods: K-means, K-medoids and hierarchical clustering.

Lesson 14 Reports and Slideshows with knitr: Successfully delivering the results of an analysis can be just as important as the analysis itself, so it is important to communicate them in an effective way. This communication can take the form of a written report, a Web site of results, a slide show or a dashboard. In this lesson we focus on the first three, which are made remarkably easy using knitr, a package written by Yihui Xie.

Lesson 15 Package Building: Building packages is a great way to contribute back to the R community and doing so has never been easier thanks to Hadley Wickham’s devtools package. This lesson covers all the requirements for a package and how to go about authoring and distributing them.

LiveLessons Video Training series publishes hundreds of hands-on, expert-led video tutorials covering a wide selection of technology topics designed to teach you the skills you need to succeed. This professional and personal technology video series features world-leading author instructors published by your trusted technology brands: Addison-Wesley, Cisco Press, IBM Press, Pearson IT Certification, Prentice Hall, Sams, and Que. Topics include: IT Certification, Programming, Web Development, Mobile Development, Home & Office Technologies, Business & Management, and more.

View All LiveLessons http://www.informit.com/imprint/series_detail.aspx?ser=2185116


Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 17 - hệ chính quy tập trung - lớp CNCQ17C

Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 17 - hệ chính quy tập trung - lớp CNCQ17A

Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 17 - hệ chính quy tập trung - lớp CNCQ17A


Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 17 - hệ chính quy tập trung - lớp CNCQ17D



Giới thiệu môn học Tin học cơ sở

Môn Tin học cơ sở là môn học nhằm giúp cho Người học có được những kỹ năng cơ bản nhất về sử dụng máy tính và những phần mềm thông dụng như Microsoft Word, Microsoft Excel và Microsoft PowerPoint, nhằm hỗ trợ cho việc làm tài liệu, tính toán và trình diễn trong hội, họp. Ngoài ra, môn học này còn cung cấp một nguồn kiến thức quan trọng cho người học, đó là những kiến thức về Hệ thống thông tin Đại học Y tế công cộng và hướng dẫn người học những kỹ thuật khai thác những tài nguyên vô cùng hữu ích cho quá trình học tập của mình từ hệ thống thông tin Đại học Y tế công cộng.

Mục tiêu học tập

Môn học này giúp cho Sinh viên có được những kiến thức và kỹ năng: làm việc được với Hệ điều hành Windows; hiểu được các khái niệm về Internet - Truy cập và tìm kiếm thống tin trên Internet; hiểu được cấu trúc hệ thống thông tin của Trường Đại học Y tế công cộng và khai thác các tài nguyên của thống thông tin Trường Đại học Y tế công cộng; sử dụng được phần mềm Microsoft Word; sử dụng được phần mềm Microsoft Excel; sử dụng được phần mềm Microsoft PowerPoint.

Điều kiện học tập

Là sinh viên trường Đại học YTCC

Cần có máy vi tính kết nối Internet và có loa

 

Thời lượng

Số đơn vị học trình là 2 đơn vị học trình; tổng thời gian học và thi là 40 giờ.

Kiểm tra đánh giá

Điểm quá trình tham gia của sinh viên trên lớp:        10%

Điểm bài kiểm tra số 1 (sử dụng MS. Word)             20%

Điểm bài kiểm tra số 2 (sử dụng MS. Excel)             20%

Điểm cho bài thi cuối khóa                                        50%

Điểm tổng kết tính theo thang điểm 10.

Tài liệu tham khảo:

Giáo trình Tin học cơ sở (có thể mượn tại thư viện của trường)

Đối tượng

Đối tượng của khóa học này là Sinh viên cử nhân trường Đại học Y tế công cộng.




Khóa học dành cho các anh.chị sinh viên lớp cử nhân Y tế công cộng Khóa 13 và cử nhân xét nghiệm hệ vừa làm vừa học khóa 1

Khóa học này được thiết kế giành cho các bạn Sinh viên cử nhân - hệ chính quy tập trung - Cử nhân dinh dưỡng khóa 1

Khóa học này được thiết kế giành cho các bạn Sinh viên cử nhân - hệ chính quy tập trung - lớp xét nghiệm y học 1


Khóa học dành cho các anh.chị sinh viên chuyên khoa Cấp I Y tế công cộng khóa 37

Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 16 - hệ chính quy tập trung - lớp công tác xã hội khóa 1



Khóa học này được thiết kế giành cho các bạn Sinh viên cử nhân chính quy xét nghiệm Y học dự phòng  4


Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 16 - hệ chính quy tập trung - lớp CNCQ16B



Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 16 - hệ chính quy tập trung - lớp CNCQ16D

Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 16 - hệ chính quy tập trung - lớp CNCQ16C


Khóa học này được thiết kế giành cho các bạn Sinh viên khóa 16 - hệ chính quy tập trung - lớp CNCQ16A



- Đây là một trong những môn học cơ bản trong chương trình đào tạo thạc sỹ và chuyên khoa I Y tế công cộng, được giảng dạy ngay từ học kỳ đầu tiên của năm học thứ nhất. Vai trò của quản lý luôn được nhấn mạnh vì các cán bộ lãnh đạo cũng như nhân viên làm việc trong bất kỳ một tổ chức, chương trình hay dự án nào, nếu vận dụng tốt các kỹ năng quản lý, công việc của họ thường đạt được hiệu quả cao. Môn học này sẽ cung cấp cho học viên những kiến thức và kỹ năng cơ bản về quản lý, với mong đợi rằng các học viên sẽ áp dụng những điều được học vào công việc thực tế của họ tại nơi làm việc.

- Môn học này là sự kết hợp của nhiều môn học khác nhau, nhưng liên quan mật thiết với nhau như chính sách y tế, kinh tế y tế, nâng cao sức khỏe, v.v… Các nguyên lý về quản lý chương trình, đặc biệt là quy trình xây dựng kế hoạch dựa trên vấn đề được giới thiệu trong môn học này sẽ được áp dụng trong nhiều môn học của chương trình thạc sĩ y tế công cộng.

- Không yêu cầu môn tiên quyết.

Giảng viên: NGUYỄN MINH HOÀNG

Email: nmh2@huph.edu.vn

SĐT: 0914.341.349