KHÓA HỌC
DATA ANALYST WITH R TRACK

ĐĂNG KÝ NGAY

CÁC KHÓA HỌC KHÁC

Data Analyst Python track

Data Science

Business Intelligence

NỘI DUNG KHÓA HỌC

R PROGRAMMING FOR DATA ANALYTICS

Xen chi tiết buổi học

  • Thiết lập các báo cáo tự động, trực quan hóa dữ liệu
  • Thực hiện phân tích dữ liệu sử dụng các thuật toán machine learning trong các bài toán về rủi ro, marketing trong ngành ngân hàng, chứng khoán, tài chính
  • Sử dụng các cấu trúc trong R để giải quyết bài toán, thực hiện các công việc tính toán thống kê
  • Thiết lập visualization qua các loại bar & chart, trực quan hóa dữ liệu
  • Vận dụng các cấu trúc lặp, cấu trúc điều kiện, function

OUTPUT KHÓA HỌC

YÊU CẦU ĐẦU VÀO

  •  Đã có kiến thức cơ bản về R
  • Đã học xong khóa R for Data Analytics and Risk Analytics

APPLIED R IN RISK ANALYTICS, BUSINESS ANALYTICS & PORTFOLIO MANAGEMENT

Xen chi tiết buổi học

  • Sử dụng thành thạo lập trình R
  • Sử dụng R trong thống kê và phân tích dữ liệu
  • Chạy mô hình hồi quy, mô hình phân tích
  • Nội dung chương trình sẽ bổ trợ thêm kiến thức về machine learning
  • Đặc biệt giải cases thực tế và khó trong 3 lĩnh vực chính: Risk analytics, Business analytics và Portfolio management 

OUTPUT KHÓA HỌC

YÊU CẦU ĐẦU VÀO

  •  Đã có kiến thức cơ bản về R
  • Đã học xong khóa R for Data Analytics and Risk Analytics

SQL FOR NEWBIES: DATA ANALYSIS FOR BEGINNERS

Xen chi tiết buổi học

  • Thiết lập các báo cáo tự động, trực quan hóa dữ liệu
  • Thực hiện phân tích dữ liệu sử dụng các thuật toán machine learning trong các bài toán về rủi ro, marketing trong ngành ngân hàng, chứng khoán, tài chính
  • Sử dụng các cấu trúc trong R để giải quyết bài toán, thực hiện các công việc tính toán thống kê
  • Thiết lập visualization qua các loại bar & chart, trực quan hóa dữ liệu
  • Vận dụng các cấu trúc lặp, cấu trúc điều kiện, function

OUTPUT KHÓA HỌC

YÊU CẦU ĐẦU VÀO

  •  Đã có kiến thức cơ bản về R
  • Đã học xong khóa R for Data Analytics and Risk Analytics

DATABASE AND SQL FOR DATA SCIENCE

Xen chi tiết buổi học

  • Sử dụng thành thạo lập trình R
  • Sử dụng R trong thống kê và phân tích dữ liệu
  • Chạy mô hình hồi quy, mô hình phân tích
  • Nội dung chương trình sẽ bổ trợ thêm kiến thức về machine learning
  • Đặc biệt giải cases thực tế và khó trong 3 lĩnh vực chính: Risk analytics, Business analytics và Portfolio management 

OUTPUT KHÓA HỌC

YÊU CẦU ĐẦU VÀO

  •  Đã có kiến thức cơ bản về R
  • Đã học xong khóa R for Data Analytics and Risk Analytics

POWERFUL DASHBOARD IN EXCEL

Xen chi tiết buổi học

  • Thiết lập các báo cáo tự động, trực quan hóa dữ liệu
  • Thực hiện phân tích dữ liệu sử dụng các thuật toán machine learning trong các bài toán về rủi ro, marketing trong ngành ngân hàng, chứng khoán, tài chính
  • Sử dụng các cấu trúc trong R để giải quyết bài toán, thực hiện các công việc tính toán thống kê
  • Thiết lập visualization qua các loại bar & chart, trực quan hóa dữ liệu
  • Vận dụng các cấu trúc lặp, cấu trúc điều kiện, function

OUTPUT KHÓA HỌC

YÊU CẦU ĐẦU VÀO

  •  Đã có kiến thức cơ bản về R
  • Đã học xong khóa R for Data Analytics and Risk Analytics

ANALYZING AND VISUALIZING DATA ON POWER BI

Xen chi tiết buổi học

  • Sử dụng thành thạo lập trình R
  • Sử dụng R trong thống kê và phân tích dữ liệu
  • Chạy mô hình hồi quy, mô hình phân tích
  • Nội dung chương trình sẽ bổ trợ thêm kiến thức về machine learning
  • Đặc biệt giải cases thực tế và khó trong 3 lĩnh vực chính: Risk analytics, Business analytics và Portfolio management 

OUTPUT KHÓA HỌC

YÊU CẦU ĐẦU VÀO

  •  Đã có kiến thức cơ bản về R
  • Đã học xong khóa R for Data Analytics and Risk Analytics

NHẬN TƯ VẤN NGAY

ĐĂNG KÝ NGAY

00
00
00
00

Thời gian đăng ký

Những ưu đãi độc quyền chỉ có tại Học viện đào tạo lập trình MCI

Chứng nhận hoàn thành khóa học nếu bạn đi học đủ 70% số buổi trở lên và hoàn thành bài tập lớn của Trung tâm

Học các ngôn ngữ khác với ưu đãi lớn: Python, SQL, VBA, Excel, R, Power BI

Được hỗ trợ học lại miễn phí nếu anh chị vẫn chưa chắc về kiến thức của mình 

Kết hợp học giữa online và offline để phù hợp với 

Trở thành thành viên Học viện lập trình Magic Code Institute và Group Data Analytics Vietnam của Trung tâm

Hỗ trợ thiết kế tất cả các dự án tự động hóa trong công việc cùng học viên sau khóa học 

Về chúng tôi

Được thành lập năm 2019, Học viện Đào tạo Lập trình MCI giảng dạy các khóa học về ngôn ngữ lập trình như Excel, VBA, SQL, PYTHON và Data Visualization với Power BI.

Học viện MCI rất vui và tự hào khi là đơn vị đi đầu về chất lượng đào tạo, mang đến cho hơn 1000 học viên nhiều kiến thức hay về lập trình, giúp nâng cao năng suất làm việc, năng lực phân tích kinh doanh và tăng thu nhập bằng chất xám của mình.

Với sứ mệnh nâng tầm khả năng công nghệ thông tin của người Việt trong kỷ nguyên số, Học viện MCI mong muốn tạo nên nhiều hơn nữa những khóa học giá trị, đồng hành cùng tất cả học viên trên con đường phát triển sự nghiệp.

©2020 Allrights reserved esm.com.vn

HÌNH ẢNH VỀ HỌC VIỆN

TP.HCM: Số 46, Nguyễn Hiền, Phường 4, Quận 3

Học viện Đào tạo Lập trình Magic Code Institute

Hà Nội: Số 9, Trung Liệt, Đống Đa, Hà Nội

Hotline: 0982521378 - 0916442368

  • Làm quen và thực hành Visualization với một số biểu đồ với package Ggplot2.
  • Trực quan hóa với biểu đồ động từ package gganimate

BUỔI 5: TRỰC QUAN HOÁ DỮ LIỆU VỚI GGPLOT2

  • Giới thiệu về package tidyverse.
  • Biến đổi, làm sạch dữ liệu với các package dplyr, tidyr.

BUỔI 4: XỬ LÝ DỮ LIỆU TIDYVERSE

  • Cấu trúc hàm if-else
  • Cấu trúc vòng lặp for
  • Biến đổi, xử lý dữ liệu với dữ liệu dạng text, date time.

BUỔI 3: CÂU ĐIỀU KIỆN VÀ VÒNG LẶP

  • Cấu trúc dữ liệu và câu lệnh (dataframe, datatable…)
  • Nhập liệu từ R và từ các file dữ liệu khác (excel, csv, text…)
  • Tìm hiểu và thực hành Visualization cơ bản với R base

BUỔI 2: R cơ bản

  • Giới thiệu quy trình phân tích dữ liệu và ứng dụng ngôn ngữ R trong phân tích dữ liệu
  • Cài đặt, làm quen với giao diện R và R studio
  • Làm quen với các syntax cơ bản trong R

BUỔI 1: Giới thiệu tổng quan

CASE STUDY
Bài toàn làm sạch, khai phá dữ liệu với dữ liệu bán hàng

Buổi 1-5

  • Cách viết hàm tự định nghĩa (defined function).
  • Hiểu và thực hành cấu trúc các hàm apply (lapply, sapply,…)

BUỔI 6: HÀM TỰ ĐỊNH NGHĨA VÀ APPLY

  • Hiểu về cấu trúc Rmarkdown.
  • Kết hợp xử lý dữ liệu, trực quan hóa dữ liệu để xây dựng báo cáo trên Rmarkdown.

BUỔI 7: XÂY DỰNG BÁO CÁO VỚI RMARKDOWN

  • Giới thiệu về SQL
  • Hướng dẫn kết nối SQL và R
  • Kỹ năng trích xuất, tiền xử lý dữ liệu và kết nối dữ liệu giữa các phần mềm

BUỔI 8: GIỚI THIỆU VỀ SQL VÀ KẾT NỐI VỚI R

CASE STUDY
Bài toán import dữ liệu từ SQL, thực hiện báo cáo cơ bản trên Rmarkdown

Buổi 6-8

CASE STUDY
Bài toán dự đoán khả năng vỡ nợ của khách hàng dựa trên thuật toán Logistic

Buổi 9-10

  • Hệ số tương quan
  • Hồi quy tuyến tính
  • Giới thiệu về Machine learning
  • Giới thiệu về thuật toán KNN (K nearest neighbor)

BUỔI 9: GIỚI THIỆU VỀ MACHINE LEARNING

  • Giới thiệu về mô hình hồi quy Logistic
  • Thực hành xây dựng mô hình hồi quy Logistic

BUỔI 10: ÁP DỤNG THUẬT TOÁN MACHINE LEARNING

  • Chữa bài tập học viên đề xuất.
  • Kiểm tra lại nội dung đã học và chưa bài tập nhóm

BUỔI 11: BÀI TẬP HỌC VIÊN VÀ TỔNG KẾT

  • Làm quen và thực hành Visualization với một số biểu đồ với package Ggplot2.
  • Trực quan hóa với biểu đồ động từ package gganimate

BUỔI 5: TRỰC QUAN HOÁ DỮ LIỆU VỚI GGPLOT2

  • Giới thiệu về package tidyverse.
  • Biến đổi, làm sạch dữ liệu với các package dplyr, tidyr.

BUỔI 4: XỬ LÝ DỮ LIỆU TIDYVERSE

  • Cấu trúc hàm if-else
  • Cấu trúc vòng lặp for
  • Biến đổi, xử lý dữ liệu với dữ liệu dạng text, date time.

BUỔI 3: CÂU ĐIỀU KIỆN VÀ VÒNG LẶP

  • Cấu trúc dữ liệu và câu lệnh (dataframe, datatable…)
  • Nhập liệu từ R và từ các file dữ liệu khác (excel, csv, text…)
  • Tìm hiểu và thực hành Visualization cơ bản với R base

BUỔI 2: R cơ bản

  • Giới thiệu quy trình phân tích dữ liệu và ứng dụng ngôn ngữ R trong phân tích dữ liệu
  • Cài đặt, làm quen với giao diện R và R studio
  • Làm quen với các syntax cơ bản trong R

BUỔI 1: Giới thiệu tổng quan

CASE STUDY
Bài toàn làm sạch, khai phá dữ liệu với dữ liệu bán hàng

Buổi 1-5

  • Cách viết hàm tự định nghĩa (defined function).
  • Hiểu và thực hành cấu trúc các hàm apply (lapply, sapply,…)

BUỔI 6: HÀM TỰ ĐỊNH NGHĨA VÀ APPLY

  • Hiểu về cấu trúc Rmarkdown.
  • Kết hợp xử lý dữ liệu, trực quan hóa dữ liệu để xây dựng báo cáo trên Rmarkdown.

BUỔI 7: XÂY DỰNG BÁO CÁO VỚI RMARKDOWN

  • Giới thiệu về SQL
  • Hướng dẫn kết nối SQL và R
  • Kỹ năng trích xuất, tiền xử lý dữ liệu và kết nối dữ liệu giữa các phần mềm

BUỔI 8: GIỚI THIỆU VỀ SQL VÀ KẾT NỐI VỚI R

CASE STUDY
Bài toán import dữ liệu từ SQL, thực hiện báo cáo cơ bản trên Rmarkdown

Buổi 6-8

CASE STUDY
Bài toán dự đoán khả năng vỡ nợ của khách hàng dựa trên thuật toán Logistic

Buổi 9-10

  • Hệ số tương quan
  • Hồi quy tuyến tính
  • Giới thiệu về Machine learning
  • Giới thiệu về thuật toán KNN (K nearest neighbor)

BUỔI 9: GIỚI THIỆU VỀ MACHINE LEARNING

  • Giới thiệu về mô hình hồi quy Logistic
  • Thực hành xây dựng mô hình hồi quy Logistic

BUỔI 10: ÁP DỤNG THUẬT TOÁN MACHINE LEARNING

  • Chữa bài tập học viên đề xuất.
  • Kiểm tra lại nội dung đã học và chưa bài tập nhóm

BUỔI 11: BÀI TẬP HỌC VIÊN VÀ TỔNG KẾT

  •  Chữa bài project khóa học
  • Recap lại toàn bộ khóa học 

BUỔI 10: TỔNG KẾT

TỔNG KẾT

  • Bài toàn phân tích hành vi khách hàng dựa trên mô hình RFM và thực hành trên R

BUỔI 9: UNSupervised learning in R (Học KHÔNG có giám sát)

CASE STUDY
Bài toàn phân tích hành vi khách hàng dựa trên mô hình RFM và thực hành trên R

  • Giới thiệu thuật toán Clustering khác

BUỔI 8: UNSupervised learning in R (Học KHÔNG có giám sát)

CASE STUDY
Bài toán: Phân tích mạng xã hội (Social network clustering analysis)

  • Giới thiệu thuật toán K-means

BUỔI 7: UNSupervised learning in R (Học KHÔNG có giám sát)

CASE STUDY
Bài toán: Phân nhóm khách hàng (customer segmentation) sử dụng k-means

  • Giới thiệu thuật toán cây quyết định (Decision trees) - Tiếp

BUỔI 6: Supervised learning in R (Học có giám sát)

CASE STUDY
Bài toán tính toán các tham số tính tổn thất dự kiến (Expected loss – PD, LGD, EAD) tại ngân hàng dựa trên thuật toán Cây quyết định

  • Giới thiệu thuật toán cây quyết định (Decision trees)

BUỔI 5: Supervised learning in R (Học có giám sát)

CASE STUDY
Bài toán xây dựng mô hình chấm điểm khách hàng (XHTD) tại ngân hàng dựa trên thuật toán Cây quyết định

  • Project – Thực hành bài toán XHTD
  • Đánh giá hiệu năng và các phương pháp kiểm thử
  • Chữa các bài toán thực tế của học viên

BUỔI 4: Supervised learning in R (Học có giám sát)

CASE STUDY
Bài toán mô hình hành vi của khách hàng tiền gửi thanh toán & tiền gửi tiết kiệm và/ hoặc mô hình tính VAR

  •  Giới thiệu về mô hình xếp hạng tín dụng khách hàng

BUỔI 3: Supervised learning in R (Học có giám sát)

CASE STUDY
Bài toán xây dựng mô hình chấm điểm khách hàng (XHTD) tại ngân hàng dựa trên thuật toán Logistic regression

  • Giới thiệu thuật toán K-nearest neighbors (KNN) 
  • Giới thiệu thuật toán Logistic regression

BUỔI 2: Supervised learning in R (Học có giám sát)

CASE STUDY
Bài toán phân loại quyết định cho vay dựa trên thông tin nhân khẩu học của khách hàng

  • Giới thiệu về máy học (machine learning) trong phân tích dữ liệu
  • Ôn lại kiến thức lập trình R (recap kiến thức, kỹ năng và cài đặt một số packages cần thiết)

BUỔI 1: Giới thiệu PHÂN TÍCH DỮ LIỆU

CASE STUDY
Giới thiệu về phân tích dữ liệu và các ứng dụng phân tích dữ liệu (use cases) trong ngân hàng, tài chính;
Giới thiệu về quản trị danh mục (portfolio management)

  • Phân tích dữ liệu

BUỔI 4: XUẤT RA EXCEL | CÁC PHÉP TÍNH TOÁN | CÁC PHÉP TÍNH TOÁN CÓ SỬ DỤNG YẾU TỐ NGÀY

NỘI DUNG

  • Kết quả, văn bản và lựa chọn dạng lưới
  • Sao chép tiêu đề của cột
  • Xuất bằng SQL
  • Xuất bằng Menu
  • Cột tính toán
  • Sử dụng tên khác cho bảng hoặc cột
  • Hàm chuỗi và nối
  •  Hẹn ngày
  • Chuyển đổi ngày
  • Các hàm về ngày 

MỤC TIÊU

  • Kiến thức chung và thực hành
  • Truy vấn thuận lợi và dễ dàng trong một CSDL lớn

BUỔI 3: LỆNH CƠ BẢN VÀ LỆNH CÓ ĐIỀU KIỆN WHERE

NỘI DUNG

  • Cách viết câu lệnh, thụt lề và chú thích 
  • Toán tử Wildcards (%,_)
  • Đặt câu lệnh cho ngày
  • Xử lý các trường hợp nulls

MỤC TIÊU

  • Cấu trúc câu lệnh cơ bản và có điều kiện
  • Xây dưng một kiểu dữ liệu hợp lý và phù hợp để tạo thuận lợi cho việc tìm kiếm dữ liễu và tối ưu bộ nhớ trong quá trình sử dụng 

BUỔI 2: THAO TÁC VỚI BẢNG VÀ MÔ HÌNH CSDL

NỘI DUNG

  • Tạo bảng
  • Giá trị bị khuyết thiếu và các ràng buộc
  • Nhận dạng các trường
  • Tạo mô hình CSDL
  • Kết nối với bảng theo các mối quan hệ

MỤC TIÊU

  • Lưu trữ dữ liệu và phân tích dữ liệu
  • Tạo cơ sở dữ liệu, bảng và view mới
  • Chèn các bản ghi vào trong một CSDL
  • Xóa các bản ghi từ một CSDL
  • Lấy dữ liệu từ một CSDL
  • Tổ chức một lượng lớn thông tin bằng việc lưu trữ, thu thập và quản lý

BUỔI 1: SỬ DỤNG SQL SERVER VÀ TẠO LẬP CSDL

NỘI DUNG

  • Sử dụng Object Explorer 
  • Ẩn đối tượng hệ thống
  • Tạo lập CSDL
  • Ràng buộc Primary keys (khóa chính)
  • Các trường chỉ mục 
  • Tìm kiếm và phân tích dữ liệu từ nhiều bảng 

BUỔI 5: Mệnh đề Joins cơ bản trong SQL VÀ Mệnh đề Joins lạ trong SQL

NỘI DUNG

  • Inner joins
  • Table aliases
  • Left and right outer joins
  • Cross joins
  • Full outer joins
  • Self joins

MỤC TIÊU

  • Kiến thức chung và thực hành
  • Phân tích dữ liệu

BUỔI 6: Hàm tập hợp trong SQL VÀ Khung hình bảng ảo View

NỘI DUNG

  •  Hàm SUM, AVG, MIN, MAX
  • Các loại hàm đếm đa dạng
  • Gộp nhóm theo các tiêu chí
  • Sử dụng hàm HAVING để lọc kết quả 
  • Công cụ tạo view 
  • Giới hạn của công cụ tạo view  
  • Các nội dung của view

MỤC TIÊU

  • Kiến thức chung và thực hành
  • Sử dụng để đặt giới hạn và hạn chế kết quả trả về của truy vấn cha trong những query phức tạp cần tham chiếu đến dữ liệu của nhiều bảng với điều kiện kết lọc phức tạp mà 1 query không thể nào xử lý được.
  • Truy vấn lồng trong cơ sở dữ liệu lớn 

BUỔI 7: Các mệnh đề phụ  VÀ Bảng dẫn xuất (derived table) và CTEs

NỘI DUNG

  •  Nội dụng của mệnh đề phụ
  • Sử dụng hàm ALL, ANY và IN
  • Sử dụng hàm EXISTS
  • Các mệnh đề phụ tương quan 
  •  Sử dụng derived tables
  • CTEs
  • Nhiều CTEs trong một mệnh đề 

MỤC TIÊU

  • Giới thiệu, phân biệt và thực hành

BUỔI 8: Review kiến thức, bài tập nhóm và đánh giá cá nhân 

NỘI DUNG

  • Kiểm tra lại các nội dung đã học

MỤC TIÊU

  • Tổng kết
  • Quản trị dữ liệu lớn như quản lý nhân sự hay quản lý bán hàng...

BUỔI 1: Thủ tục lưu trữ | Các biến trong SQL | Tham số và các giá trị trả về

NỘI DUNG

  • Khởi tạo stored procedures
  • Các thao tác với stored procedures
  • Thủ tục lưu trữ hệ thống
  •  Khai báo biến
  • Lựa chọn sử dụng hàm SET hay SELECT
  • Thủ thuật với các biến
  • Biến toàn cục (global variables)
  • Các truyền nhiều giá trị vào tham số
  • Biến mặc định / Mệnh đề Where
  • Xuất tham số
  • Sử dụng hàm RETURN

MỤC TIÊU

  • Kiến thức chung và thực hành
  • Phân tích dữ liệu

BUỔI 2: Hàm Scalar | Điều kiện kiểm tra  | Cấu trúc vòng lặp | Xử lý lỗi 

NỘI DUNG

  • Giới thiệu về hàm Scalar và ưu nhược điểm của chúng
  • Viết hàm do người dùng định nghĩa
  • Ví dụ cụ thể 
  • Mệnh đề IF / ELSE
  • Sử dụng hàm CASE 
  • Cú pháp của WHILE
  • Dừng vòng lặp 
  •  Using TRY / CATCH
  • System error functions
  • Custom error messages

MỤC TIÊU

  • Phân tích dữ liệu, liên kết các dữ liệu
  • Phương pháp logic trong việc tạo báo cáo khoa học  
  • Phân tích dữ liệu

BUỔI 3: Lệnh xóa trong SQL | Cập nhật dữ liệu trong SQL  | Chèn dữ liệu

NỘI DUNG

  • Cách xóa bảng
  • Mệnh đề DELETE và mệnh đề TRUNCATE
  • Câu lệnh UPDATE
  • Cập nhật bằng cách sử dụng hàm Joins
  • Tạo bảng (SELECT INTO)
  • Nối dữ liệu (INSERT INTO)
  • Chèn từng hàng riêng lẻ

MỤC TIÊU

  • Phân tích dữ liệu, liên kết các dữ liệu
  • Phương pháp logic trong việc tạo báo cáo khoa học  
  • Phân tích dữ liệu

BUỔI 4: Tạo bảng  | Nhóm các câu lệnh trong SQL | Bảng tạm và bảng biến 

NỘI DUNG

  • Tạo bảng trong SQL
  • Khóa chính (primary keys) và chỉ mục (index)
  • Tạo thêm quan quan hệ trong bảng 
  • Tạo transactions
  • Lưu các thay đổi/khôi phục lại các thay đổi
  • Phạm vi (cục bộ và toàn bộ)  
  • Sử dụng bảng tạm
  • Tạp bảng kiểu biến
  • Ưu nhược điểm của từng phương pháp 

MỤC TIÊU

  • Chỉnh sửa và sắp xếp dữ liệu 
  • Phân tích dữ liệu

BUỔI 5: HÀM CÓ GIÁ TRỊ BẢNG | Bảng dẫn xuất (derived table) và CTEs

NỘI DUNG

  • Các hàm có giá trị trong bảng
  • Các hàm có gía trị bảng nhiều câu lệnh 
  • Sử dụng derived tables 
  • CTEs
  • Nhiều CTEs trong một mệnh đề

MỤC TIÊU

  • Chỉnh sửa và sắp xếp dữ liệu 
  • Duyệt qua từng dòng dữ liệu của một bảng để thao tác với chúng.
  • Gỡ lỗi những procedures có nhiều câu lệnh phức tạp 
  • Phân tích kết quả tìm kiếm với nhiều tham số đầu vào khác nhau sẽ tạo nhiều câu lệnh SQL khác nhau

BUỔI 6: Thao tác con trỏ (cursors) | Gỡ lỗi câu lệnh | CHUỖI lệnh SQL động

NỘI DUNG

  • Cú pháp chọn hàng
  • Tại sao không nên sử dụng SQL cursors
  • Gỡ lỗi câu lệnh và thủ tục
  • Đặt điểm dừng
  • Xây dưng chuỗi lệnh SQL động
  • Thực hiện chuỗi SQL động
  • Nhược điểm của chuỗi lệnh SQL động 

MỤC TIÊU

  • Kiến thức chung và thực hành
  • Phân tích bảng chéo (cross tabulation) chuyển dữ liệu từ bảng này sang bảng khác
  • Kiểm tra ràng buộc toàn vẹn dữ liệu.

BUỔI 7: Chuyển đổi dữ liệu Pivots | Hẹn giờ 

NỘI DUNG

  • Chèn, cập nhật và xóa hẹn giờ
  • Sử dụng bảng được tạo
  • Sử dụng hàm INSTEAD OF

MỤC TIÊU

  • Kiến thức chung và thực hành
  • Tổng kết

BUỔI 8: Review kiến thức, bài tập nhóm và đánh giá cá nhân 

NỘI DUNG

  • Kiểm tra lại các nội dung đã học 

MỤC TIÊU

  • Tổng kết