VIỆN ĐÀO TẠO QUỐC TẾ FPT

Tuyển sinh ngành 

DATA SCIENCE – FPT CRANES

Không yêu cầu nền tảng ban đầu
Học cùng giảng viên từ doanh nghiệp.
Hỗ trợ giới thiệu việc làm sau khi tốt nghiệp
Dự án thực tế
Portfolio thật

NHỮNG VẤN ĐỀ NGƯỜI HỌC ĐANG GẶP PHẢI

Chưa biết chọn ngành gì dễ xin việc - bền vững
Lo học đại học dài nhưng chưa chắc xin được việc
Học lập trình nhưng thiếu kỹ năng thực tế.
Ra trường khó cạnh tranh, lương thấp.
Nghề hiện tại bão hoà – thu nhập chững.
Muốn chuyển sang lập trình nhưng sợ khó, không theo kịp
Tự học online nhưng không hệ thống - dễ bỏ cuộc.
Cần một con đường ngắn hơn, rõ ràng hơn.

“BẠN KHÔNG THIẾU NĂNG LỰC - BẠN CHỈ THIẾU MỘT LỘ TRÌNH HỌC ĐÚNG CÁCH”

giải pháp FPT Cranes MaNG LẠI CHO BẠN LÀ GÌ?

Lộ trình đào tạo bài bản - từ cơ bản đến đi làm, không lan man

Học từ nền tảng -> chuyên môn
Thực hành từ 70-80%
Dự án mô phỏng doanh nghiệp
Định hướng nghề nghiệp rõ ràng

LỘ TRÌNH ĐÀO TẠO RÕ RÀNG

FOUNDATIONAL PROGRAMMING AND DATA MANIPULATION
Được trang bị nền tảng cốt lõi về lập trình và xử lý dữ liệu cho Data Science & Machine Learning, bao gồm lập trình Python và cấu trúc dữ liệu, toán học – thống kê cho khoa học dữ liệu, làm sạch, tiền xử lý dữ liệu và phân tích dữ liệu khám phá (EDA)
-> Kết quả đầu ra: có khả năng lập trình Python để xử lý dữ liệu, hiểu toán – thống kê ứng dụng trong ML, thực hiện EDA để rút insight. Hoàn thành dự án phân tích dữ liệu đầu tiên. Đảm nhận vị trí Junior Data Analyst / AI–Data Intern…
Giai đoạn 1

Xem môn học

Machine Learning Fundamentals
Người học được đào tạo nền tảng cốt lõi về Machine Learning, bao gồm giới thiệu ML, các mô hình hồi quy và phân loại, kỹ thuật Feature Engineering & phân tích dữ liệu, cùng Unsupervised Learning. Học theo hướng thực hành – ứng dụng, gắn với Project: Optimizing Machine Learning Analytics, giúp hiểu rõ cách xây dựng, đánh giá và tối ưu mô hình ML trên dữ liệu thực tế.
-> Kết quả đầu ra: xây dựng và đánh giá các mô hình Machine Learning cơ bản, thực hiện feature engineering, áp dụng thuật toán unsupervised, và tối ưu hiệu quả phân tích ML thông qua dự án thực tế.
Giai đoạn 2

Xem môn học

Applied AI and Advanced Specialization
Được đào tạo chuyên sâu về Deep Learning và phân tích dữ liệu nâng cao, bao gồm nền tảng Deep Learning, Computer Vision, NLP & Text Analytics, Advanced Data Analytics và MLOps – triển khai AI cho Data Science. Học viên học theo hướng xây dựng – huấn luyện – triển khai mô hình AI.
-> Kết quả đầu ra: xây dựng và triển khai mô hình Deep Learning, ứng dụng CV và NLP vào bài toán thực tế, thực hiện phân tích dữ liệu nâng cao, và triển khai hệ thống AI theo chuẩn MLOps. Đảm nhiệm các vị trí AI Engineer / Deep Learning Engineer / Data Scientist (Junior–Mid) hoặc tham gia các dự án AI ở môi trường doanh nghiệp.
Giai đoạn 3

Xem môn học

Phát triển toàn diện phần mềm cho các hệ thống Automotive và AUTOSAR
Được đào tạo chuyên sâu về AI ứng dụng và các chuyên môn nâng cao, tập trung vào mô hình Deep Learning nâng cao, kỹ thuật tối ưu hóa, khả năng diễn giải và minh bạch mô hình (Explainable AI), cùng AI đạo đức, bảo mật dữ liệu và triển khai AI trên nền tảng Cloud theo hướng nghiên cứu.
-> Kết quả đầu ra: xây dựng, tối ưu và đánh giá các mô hình AI nâng cao, đảm bảo tính minh bạch – an toàn – đạo đức trong AI, và triển khai hệ thống AI quy mô doanh nghiệp trên Cloud. Sẵn sàng đảm nhiệm các vị trí AI Engineer (Mid–Senior), Applied AI Specialist, Research Engineer.
Giai đoạn 4

Xem môn học

nên học DATA SCIENCE TẠI FPT CRANES VÌ SAO ?

27 năm đào tạo Digital Marketing tại Việt Nam
Hệ sinh thái doanh nghiệp FPT.
Giảng viên giàu kinh nghiệm, đang làm việc trong ngành.
+1000 doanh nghiệp được kết nối
98% sinh viên có việc làm sau tốt nghiệp

GIẢNG VIÊN TẠI FPT CRANES

CẢM NHẬN TỪ NGƯỜI HỌC

21bis Hậu Giang, P.Tân Sơn Nhất, TP. HCM

Tầng 3A, Tòa nhà Hạnh Phúc, 55 CMT8, P. Cái Khế, TP. Cần Thơ.

120/68/39 Lê Thoa, Phường Tân Tiến, TP. Biên Hòa, Đồng Nai

Hotline: 0981578920

FPT ACADEMY INTERNATIONAL
FPT CRANES – DATA SECIENCE

1.Python Programming and Data Structures
2.Mathematics and Statistics for Data Science
3.Data Manipulation and Preprocessing
4.Exploratory Data Analysis for Machine Learning
5.Project 1: Data Acquisition and Analysis
1.Introduction to Machine Learning
2.Regression and classification models
3.Feature Engineering and Data Analysis Techniques
4.Unsupervised Learning
5.Project 2: Optimizing Machine Learning Analytics
1.Deep Learning Foundations
2.Computer Vision
3.NLP and Text Analytics
4.Advanced Data Analytics
5.MLOps and AI Deployment for Data Science
6.Project 3: Deep Learning for Intelligent Data Analysis and Deployment
1.Advanced Deep Learning Models
2.Optimization Techniques
3.Model Interpretability and Explainability
4.Ethical AI, Secure Data and Research-Driven Cloud Deployment
5.Project 4: Developing and Optimizing Advanced AI Models