Cập nhật mới nhất: Thg12 12, 05:05 UTC
Cập nhật mới nhất: Thg12 12, 05:05 UTC
Mới đây nhất, Apple vừa cho ra mắt Apple Maps trên cả bản web cạnh tranh trực tiếp với Google Maps trên web (phiên bản web của Google Maps đã có từ rất lâu và hiện tại phát triển rất mạnh). Tuy mới bản beta nhưng theo cảm nhận của mình, Apple đã làm rất ổn.
Bây giờ người dùng sẽ không cần phải có các thiết bị Apple để được xài Apple Maps nữa. Nhờ có bản Web, tất cả đều xài được như Windows, Android, và rất nhiều nền tảng khác.
Chỉ cần mở đường link “https://beta.maps.apple.com/?ll=0%2C-23.583451658376276&spn=170.10225755961318%2C206.8211920529801”
Là bạn đã có thể trải nghiệm Apple Maps phiên bản web rồi.
Ngoài ra, Apple cho biết một số chức năng của Apple Maps vốn có trên app sắp tới sẽ có mặt trên bản Web luôn. Tính năng đáng nhắc đến là Look Around, tương tự như của Google, đây là tính năng xem phố 360 độ.
Nếu nhìn rộng hơn, Apple làm rất tốt khi mang gần hết những dịch vụ tốt nhất của họ cho người dùng ở nhiều nền tảng khác nhau sử dụng thông qua bản web. Rất nhiều dịch vụ đáng kể tới như là Apple TV, Apple Music…
Khi tham gia chương trình, sinh viên/học viên cần đã hoặc sẽ hoàn thành hai học phần Toán cao cấp, Lý thuyết xác suất và thống kê toán hoặc học phần tương đương trong thời gian diễn ra chương trình. Đây là điều kiện tiên quyết để người học được tham gia và cấp chứng chỉ sau chương trình. Kết quả của các học phần này được quy đổi từ các môn học đã tích lũy trong chương trình đào tạo bậc Đại học.
Apple đã nhắm thẳng vào Google khi giới thiệu một cách bất ngờ Apple Maps phiên bản web, cạnh tranh với Google Maps. Cùng tìm hiểu xem Apple Maps chạy trên web này ra sao nhé.
Apple Maps là một ứng dụng dịch vụ bản đồ trực tuyến được Apple cung cấp cho người dùng sử dụng thiết bị của hãng, ra mắt lần đầu vào năm 2012 trên iOS và nó hoàn toàn miễn phí. Trước 2012, khi chưa có Apple Maps, hãng cài Google Maps làm mặc định trên các thiết bị iPhone của họ. Hiện tại thì Apple Maps đã phủ rộng trên iOS, macOS, watchOS.
Apple Maps có một khởi đầu không được tốt cho lắm khi mà bị đối thủ là Google Maps bỏ xa. Nhưng qua thời gian, Apple đã phát triển Maps trở nên ngày càng tốt hơn. Và đến thời điểm bây giờ thì Apple Maps sẽ có những thứ tốt, có thể là tốt hơn Google Maps ở một số tính năng như khả năng hiển thị chi tiết và xem địa hình rõ hơn…
Các khái niệm về cơ sở dữ liệu (CSDL) a. Giới thiệu về CSDL, các khái niệm, các loại CSDL phổ biến, ưu nhược điểm và ứng dụng; b. Các khái niệm cơ bản về CSDL quan hệ (Relational Database); c. Quy trình thiết kế CSDL; d. Chuyển hóa yêu cầu thiết kế sang mô hình dữ liệu qua từng cấp độ: Khái niệm, Logic, Vật lý (Conceptual, Logical và Physical Data Model).Nhà kho dữ liệu và mô hình dữ liệu đa chiều a. Các khái niệm, kiến trúc và ứng dụng của nhà kho dữ liệu (Data warehouse) trong môi trường doanh nghiệp; b. Các kỹ thuật thiết kế mô hình dữ liệu đa chiều cho các bài toán phân tích.Ngôn ngữ truy vấn có cấu trúc (SQL) a. Giới thiệu ngôn ngữ truy vấn có cấu trúc SQL: kiểu dữ liệu, các toán tử, biểu thức và cú pháp; b. Các phép nối và bảng tạm; c. Các phép biến đổi và tổng hợp dữ liệu; d. Các hàm cửa sổ (Window Functions) và ứng dụng; e. Vận dụng ngôn ngữ truy vấn có cấu trúc để giải quyết các bài toán phân tích dữ liệu nâng cao.
1. Học viên hiểu được các khái niệm cơ bản về lập trình, vận dụng trên ngôn ngữ Python; 2. Sử dụng ngôn ngữ lập trình Python và các thư viện phù hợp trong quá trình phân tích dữ liệu từ thu thập dữ liệu, làm sạch và biến đổi dữ liệu, trực quan hóa, xây dựng và đánh giá mô hình; 3. Nhận biết cách xây dựng và đánh giá các mô hình học máy đơn giản sử dụng trong phân tích dữ liệu.
Ngôn ngữ lập trình Python a. Các khái niệm cơ bản, công cụ, môi trường, cú pháp; b. Kiểu dữ liệu, cấu trúc dữ liệu và ứng dụng; c. Cấu trúc điều khiển (rẽ nhánh, vòng lặp); d. Định nghĩa và sử dụng hàm trong Python.Ứng dụng Python trong phân tích dữ liệu a. Thao tác dữ liệu với thư viện Pandas; b. Trực quan hóa dữ liệu với thư viện Matplotlib, Seaborn; c. Xây dựng mô hình học máy với thư viện Scikit-Learn.Dự án phân tích dữ liệu với Python: Sử dụng Python trong dự án phân tích dữ liệu Kinh tế và Kinh doanh thực tế.
Trong học phần này, học viên sẽ được trang bị năng lực xử lý, tính toán và khai phá dữ liệu nhằm đưa ra các phân tích, dự báo, giúp doanh nghiệp khai thác được tối đa lợi ích từ dữ liệu, xác định hướng hành động tốt nhất cho một vấn đề thực tế trong bối cảnh kinh doanh, từ đó đưa ra các quyết định kịp thời và chính xác hơn. Nội dung môn học gắn liền với các công việc thực tiễn của lĩnh vực phân tích dữ liệu và trí tuệ kinh doanh, đồng thời cung cấp cho người học một sự chuẩn bị toàn diện để hoàn thành kỳ thi lấy chứng chỉ Chuyên viên phân tích dữ liệu của Microsoft (Microsoft Data Analyst Associate). Trong mỗi buổi học, học viên không những được trang bị kiến thức lý thuyết mà còn được thực hành ngay tại lớp để có thể hiểu được nội dung bài học một cách tốt nhất. Đồng thời, học viên cũng sẽ được giao một dự án mô phỏng công việc phân tích dữ liệu thực tế, từ khai phá dữ liệu đến diễn giải và truyền đạt kết quả bằng cách sử dụng các kỹ thuật trực quan hoá thích hợp dưới sự hướng dẫn của giảng viên.
1. Hiểu và vận dụng được các phương pháp khai phá dữ liệu hiện đại, mô hình ra quyết định và phương pháp tối ưu, phục vụ cho việc phân tích, dự báo, từ đó ra quyết định hiệu quả trong kinh tế và kinh doanh. 2. Hiểu và vận dụng được các kiến thức về tổng hợp, biến đổi, mô hình hoá và trình diễn dữ liệu vận dụng trên Microsoft Power BI như một giải pháp phân tích dữ liệu cho doanh nghiệp. 3. Có hiểu biết về ứng dụng các thuật toán học máy nền tảng, lựa chọn thuật toán phù hợp với nhu cầu phân tích, triển khai các thuật toán với Python. 4. Biết cách đặt vấn đề, lựa chọn các giải pháp, công cụ phù hợp để giải quyết các bài toán trong kinh doanh.
Khám phá dữ liệu (Data Exploration) a. Tổng quan về Khám phá tri thức và Phân tích dữ liệu; b. Tổng hợp, làm sạch và biến đổi dữ liệu với Power BI; c. Mô hình hóa dữ liệu trong Power BI; d. Biểu thức phân tích dữ liệu (DAX) và ứng dụng; e. Trực quan hóa dữ liệu với Power BI.Khai phá dữ liệu (Data Mining) a. Tổng quan về khai phá dữ liệu: Quy trình, kỹ thuật, ứng dụng; b. Các thuật toán học máy và khai phá dữ liệu (luật kết hợp, hồi quy, phân lớp); c. Triển khai các thuật toán học máy và khai phá dữ liệu để giải quyết các bài toán kinh tế, kinh doanh bằng ngôn ngữ lập trình Python.
Nội dung đào tạo được thiết kế để học viên hình thành tư duy liên kết giữa nghiệp vụ kinh doanh, nhu cầu phân tích và cách thức tổ chức, lưu trữ, truy xuất dữ liệu trong cơ sở dữ liệu.
Nội dung đào tạo được chia thành các module với những bài tập nhỏ củng cố riêng cho từng module, song song với đó, học viên sẽ học cách đọc tài liệu, tự tìm hiểu dưới sự hỗ trợ của giảng viên để giải quyết các bài tập lớn và vận dụng trong môn học Phân tích dữ liệu nâng cao trong Kinh tế và Kinh doanh.
Trong quá trình học, học viên sẽ có cơ hội tiếp cận và vận dụng một quy trình Khám phá tri thức (Knowledge Discovery in Databases) hoàn thiện trong thực tế, từ khám phá (làm sạch, tiền xử lý, biến đổi và trực quan hoá dữ liệu) đến khai phá dữ liệu, tập trung vào các lớp thuật toán dự báo, hồi quy và phân lớp.
Tại FTU:- Toán cao cấp (Chương trình tiêu chuẩn);- Toán tài chính (Chương trình tiêu chuẩn);- Toán trong khoa học quản lý (Chương trình tiên tiến Kinh tế);- Đại số trong kinh tế và kinh doanh + Giải tích trong kinh tế và kinh doanh (Chương trình tiên tiến Quản trị kinh doanh);Các cơ sở giáo dục khác:- Toán cao cấp (có số tín chỉ ít nhất là 3);- Toán cao cấp ứng dụng trong kinh tế (có số tín chỉ ít nhất là 3);- Toán cao cấp cho các nhà kinh tế (có số tín chỉ ít nhất là 3);- Đại số ứng dụng trong kinh tế (có số tín chỉ ít nhất là 2) và Giải tích ứng dụng trong kinh tế (có số tín chỉ ít nhất là 2);- Đại số tuyến tính (có số tín chỉ ít nhất là 2) và Giải tích (hàm 1 biến và 2 biến) (có số tín chỉ ít nhất là 2);- Toán cao cấp (A1) và Toán cao cấp (A2) ở các trường khối Kỹ thuật.
Tại FTU- Lý thuyết xác suất và thống kê toán (Chương trình tiêu chuẩn);- Xác suất và thống kê (Chương trình tiên tiến Quản trị kinh doanh);Các cơ sở giáo dục khác:- Lý thuyết xác suất và thống kê toán (có số tín chỉ ít nhất là 3);- Xác suất và thống kê toán (có số tín chỉ ít nhất là 3);- Xác suất và thống kê toán ứng dụng (có số tín chỉ ít nhất là 3).