Python & AI cho Phân tích dữ liệu Tài chính Kế Toán 2026

Name: Python & AI cho Phân tích dữ liệu Tài chính Kế Toán 2026
Rating: 4.5 (69 reviews)

Ứng dụng Python vào phân tích dữ liệu Tài chính Kế Toán

Highest Rated

Created byĐạt Nguyễn Hữu

Last updated 1/2026

Vietnamese

What you'll learn

Thành thạo Python từ cơ bản đến nâng cao để xử lý dữ liệu tài chính và kế toán
Làm sạch, xử lý và phân tích dữ liệu tài chính bằng các thư viện NumPy, Pandas
Trực quan hóa dữ liệu tài chính bằng Matplotlib, Seaborn, Plotly để tạo báo cáo phân tích tài chính chuyên sâu
Ứng dụng Machine Learning để dự báo tài chính và phát hiện gian lận kế toán với các thuật toán như Linear Regression, Decision Tree, Random Forest
Xây dựng các mô hình tài chính và tối ưu hóa danh mục đầu tư bằng Python

Course content

7 sections • 175 lectures • 16h 22m total length

Giới thiệu khóa học0:52
Link tài liệu học tập0:25
Nhóm Zalo hỗ trợ học viên0:02
LƯU Ý QUAN TRỌNG: Trường hợp HV cần cài đặt Python Offline trên máy0:15

___ 1. CÀI ĐẶT MÔI TRƯỜNG ___0:04
Cài đặt môi trường Google Colaboratory để chạy Python6:58
Giới thiệu giao diện Google Colaboratory6:56
Viết câu lệnh đầu tiên với Google Colaboratory4:42
___ 2. QUẢN LÝ CÁC THƯ VIỆN___0:02
Lệnh PIP: Quản lý thư viện Python sẵn có5:15
Lệnh PIP: Cài thư viện mới6:03
___ 3. TRUY XUẤT, CHỈNH SỬA & XUẤT DỮ LIỆU ___0:06
Tương tác Excel trên máy tính: Kết nối & đọc dữ liệu5:27
Tương tác Excel trên máy tính: Chỉnh sửa & xuất kết quả3:02
Tương tác Excel trên Google Drive: Kết nối & đọc dữ liệu6:13
Tương tác Excel trên Google Drive: Chỉnh sửa và xuất kết quả2:55
Tương tác file Google sheet: Kết nối và đọc dữ liệu7:37
Tương tác file Google Sheet: Chỉnh sửa & xuất kết quả3:15
Xuất toàn bộ báo cáo: Dưới dạng .HTML hoặc .PDF7:13
Xuất toàn bộ báo cáo: Dưới dạng Markdown (,MD) hoặc .DOCX4:32
Bài Test Module 1

___ 1. CÁC THÀNH PHẦN CƠ BẢN___0:06
Quy tắc viết câu lệnh Python5:19
Quy tắc viết Chú thích (Comment)4:06
Biến (Variable) phần 1: Thực hành khai báo4:10
Biến (Variable) phần 2: Quy tắc đặt tên9:53
Các kiểu dữ liệu trong Python6:22
Toán Tử trong Python9:28
Format String & F-String: Tùy biến nội dung văn bản5:16
Index & Slicing: Khái niệm và ví dụ5:08
Index & Slicing: Bài tập thực hành tổng hợp8:46
Kiểu dữ liệu List: Khái niệm & ứng dụng9:01
Kiểu dữ liệu Tuple & Set: Khái niệm & ứng dụng13:26
Kiểu dữ liệu Dictionary: Khái niệm & ứng dụng9:40
String Methods (Phần 1): Viết hoa, viết thường & bỏ khoảng trắng7:04
String Methods (Phần 2): Thay thế & tách nội dung4:43
String Methods (Phần 3): Kiểm tra định dạng6:38
String Methods (Phần 4): Định dạng số tiền trong báo cáo3:24
Test "Các thành phần cơ bản của Python"
___ 2. CẤU TRÚC ĐIỀU KIỆN & VÒNG LẶP ___0:03
Cấu trúc điều kiện IF-ELSE: Khái niệm & lưu đồ7:15
Cấu trúc điều kiện IF_ELIF_ELSE: Khái niệm & ứng dụng6:54
Vòng lặp For: Khái niệm & cấu trúc cộng dồn8:46
Vòng lặp For: Thực hành break và continue7:55
Vòng lặp While: Khái niệm & ứng dụng6:15
Vòng lặp While: Thực hành break & continue4:34
Bài tập kiểm tra thực hành 3: Test "CẤU TRÚC ĐIỀU KIỆN & VÒNG LẶP"0:08
___ 3. HÀM TRONG PYTHON___0:04
Hàm (Function): Khái niệm, phân biệt return & print8:14
Hàm (Function): Tính lợi nhuận gộp5:21
Bổ sung: Lý thuyết về range3:05
Hàm (Function): Tính lãi suất kép & Thuế VAT8:45
Hàm ẩn danh (Lambda): Khái niệm & Ứng dụng Tài chính - Kế Toán6:36
___ 4. XỬ LÝ LỖI TRONG PYTHON___0:01
Xử lý lỗi trong Python13:39
___5. List / Set / Dictionary comprehension___0:03
List comprehension: Khái niệm & Ứng dụng5:01
List comprehension: Thêm điều kiện IF - ELSE6:13
Set comprehension: Khái niệm & Ứng dụng4:08
Dictionary comprehension: Khái niệm & Ứng dụng5:43
Bài kiểm tra thực hành 4: Test "Hàm & Xử lý lỗi"0:07

Link tài liệu Module 30:01
3-1. Cài đặt các thư viện quan trọng3:37
___1.THƯ VIỆN NUMPY___0:02
Chỉ số thống kê: Trung bình, trung vị, phân vị & độ lệch chuẩn12:32
Phân phối chuẩn (Normal Distribution)5:31
Phân phối lệch phải & lệch trái5:36
Numpy array: mảng 1 chiều & 2 chiều6:13
Numpy array: mảng 3 chiều5:12
Kiểm tra số chiều của mảng6:08
Biến đổi số chiều mảng Numpy5:28
Gộp & Tách mảng trong Numpy12:26
Thực hành tổng hợp: Đề bài & Câu 19:43
Thực hành tổng hợp: Câu 2 & Câu 37:23
Thực hành tổng hợp: Câu 4 & Câu 59:31
___2.THƯ VIỆN PANDAS___0:02
Khái niệm về Series (mảng 1 chiều)6:56
Khái niệm về DataFrame (mảng 2 chiều)6:07
DataFrame: Kiểm tra kích thước, số chiều & thống kê dữ liệu4:12
DataFrame: truy xuất theo hàng cột với .loc & .iloc8:28
Đọc, Lưu & Tải file dữ liệu .CSV10:55
Đọc, Lưu & Tài file dữ liệu .XLSX (Excel)5:15
Đọc, Lưu & Tải file dữ liệu .DB (SQL)7:06
Xử lý dữ liệu thiếu: Kiểm tra & lựa chọn hướng xử lý5:43
Xử lý dữ liệu thiếu: dùng hàm dropna()1:49
Xử lý dữ liệu thiếu: dùng hàm fillna()7:12
Xử lý dữ liệu thiếu: dùng interpolate() và ffill()3:59
Xử lý dữ liệu thiếu: Tổng hợp - So sánh các phương pháp5:23
Tương tác bảng tính: Lấy dữ liệu từ 1 hoặc nhiều cột8:43
Tương tác bảng tính: Lọc cột theo điều kiện cụ thể9:07
Tương tác bảng tính: Xóa 1 hoặc nhiều cột2:25
Tương tác bảng tính: Xóa 1 hoặc nhiều hàng6:06
Tương tác bảng tính: Thêm cột mới5:17
Tương tác bảng tính: Thêm hàng mới5:57
Tương tác bảng tính: Cập nhật dữ liệu với hàm .loc3:18
Sắp xếp dữ liệu theo điều kiện cụ thể11:10
Truy xuất 1 hoặc nhiều sheet trong file Excel18:22
Khái niệm nhóm (Groupby) và Tổng hợp (Aggregate) dữ liệu14:03
Thực hành nhóm (Groupby) và tổng hợp (Aggregate) với dữ liệu Tài chính - Kế Toán10:10
Kết hợp dữ liệu: Mô tả cách hoạt động6:12
Kết hợp dữ liệu: Thực hành Inner Join4:23
Kết hợp dữ liệu: Thực hành Left Join2:08
Kết hợp dữ liệu: Thực hành Right Join2:37
Kết hợp dữ liệu: Thực hành Outer Join2:48
Ghép dữ liệu theo hàng & cột7:04
Kết hợp dữ liệu theo Index5:17
Dữ liệu thời gian: Chuyển dữ liệu cột thành dữ liệu thời gian6:50
Dữ liệu thời gian: trích xuất Năm - Quý - Tháng - Ngày2:47
Dữ liệu thời gian: Tính khoảng cách giữa 2 ngày2:32
Dữ liệu thời gian: Dịch chuyển tăng - giảm theo ngày3:54
Dữ liệu thời gian: Tổng hợp theo Tháng - Quý - Năm5:20
Quản lý chỉ mục: Đặt chỉ mục cho dữ liệu4:04
Quản lý chỉ mục: Truy xuất theo chỉ mục9:14
Quản lý chỉ mục: Khôi phục chỉ mục mặc định0:59
Quản lý chỉ mục: Tạo - Tương Tác - Xóa chỉ mục Đa cấp6:02
Thực hành Tổng hợp Pandas: Xử lý dữ liệu thiếu11:38
Thực hành Tổng hợp Pandas: Tính tổng tiền GD & lợi nhuận theo chi nhánh & năm6:48
Thực hành Tổng hợp Pandas: Phân tích doanh thu & lợi nhuận theo tháng3:04
Thực hành Tổng hợp Pandas: Quản lý & Phân tích theo chỉ mục3:37
Thực hành Tổng hợp Pandas: Phân tích giao dịch theo Quý2:41
Thực hành Tổng hợp Pandas: Tạo & Phân tích theo chỉ mục đa cấp4:28
Bổ sung kiến thức: Apply trong Pandas7:32

Link tài liệu Module 50:01
Giới thiệu Matplotlib & Seaborn: Trực quan hóa dữ liệu siêu tốc6:25
Dataset thực hành: Phân tích xu hướng tiền Tip tại Mỹ9:59
Cấu trúc biểu đồ cơ bản12:57
Biểu đồ đường/Lineplot: Phân tích doanh thu trung bình theo ngày (Matpotlib)6:43
Biểu đồ đường/Lineplot: Phân tích doanh thu trung bình theo ngày (Seaborn)3:02
Biểu đồ tán xạ/Scatter: Mối quan hệ doanh thu & Tiền Tips (Matplotlib)5:42
Biểu đồ tán xạ/Scatter: Mối quan hệ doanh thu & Tiền Tips (Seaborn)4:03
Biểu đồ bong bóng/Bubble: Quan hệ doanh thu, tiền Tips, lượng khách P13:46
Biểu đồ bong bóng/Bubble: Quan hệ doanh thu, tiền Tips, lượng khách P22:28
Biểu đồ phân bổ/Histogram: Tần suất doanh thu P110:53
Biểu đồ phân bổ/Histogram: Tần suất doanh thu P27:13
Biểu đồ khu vực/Area: Doanh thu theo ngày P17:20
Biểu đồ khu vực/Area: Doanh thu theo ngày P21:24
Biểu đồ tương quan/Pairplot: Quan hệ giữa doanh thu, tiền Tips & kích thước bàn7:50
Biểu đồ hộp/Boxplot: Doanh thu trung bình theo ngày P15:40
Biểu đồ hộp/Boxplot: Doanh thu trung bình theo ngày P22:44
Biểu đồ Violin plot: Doanh thu trung bình theo ngày P11:20
Biểu đồ Violin plot: Doanh thu trung bình theo ngày P22:31
Biểu đồ nhiệt/Heatmap: Tương quan doanh thu, tiền Tips & lượng khách10:23
Biều đồ tần suất/KDE: Tần suất doanh thu4:57
Biểu đồ Combo: Trung bình doanh thu & Tiền Tips10:11
Subplot: Trực quan hóa 6 biểu đồ đồng thời3:54
Tạo biểu đồ tương tác với Dash & Plotly6:24

Link tài liệu Module 60:01
Lấy dữ liệu: cào từ trang Web9:07
Lấy dữ liệu: lấy từ web bằng Power Query7:23
Khai báo dữ liệu: Báo cáo tài chính, Cân đối kế toán, Kết quả kinh doanh1:58
Trung bình & Độ lệch chuẩn dữ liệu: Tính toán từ bảng Cân đối kế toán5:22
Trung bình & Độ lệch chuẩn dữ liệu: Trực quan hóa4:04
Trung bình & Độ lệch chuẩn dữ liệu: Nhận xét hiện trạng doanh nghiệp9:58
Xu hướng tài chính theo thời gian: Chuẩn bị dữ liệu4:56
Xu hướng tài chính theo thời gian: Trực quan hóa & Kết luận7:21
Phân tích cơ cấu tài chính: Chuẩn bị dữ liệu5:05
Phân tích cơ cấu tài chính: Trực quan hóa & Kết luận5:13
Phân tích hiệu quả sinh lời (ROA,ROE,ROS): Chuẩn bị dữ liệu & Trực quan hóa4:36
Phân tích hiệu quả sinh lời (ROA,ROE,ROS): Kết luận2:55
Phân tích khả năng thanh toán: Chuẩn bị dữ liệu6:24
Phân tích khả năng thanh toán: Trực quan hóa & Kết luận3:35
Phân tích giá trị cổ phiếu: Chuẩn bị dữ liệu2:50
Phân tích giá trị cổ phiếu: Trực quan hóa & Kết luận6:11
Tương quan các chỉ số tài chính: Chuẩn bị dữ liệu5:32
Tương quan các chỉ số tài chính: Trực quan hóa & Kết luận11:07
Hồi quy tuyến tính đơn giản - Dự báo lợi nhuận từ doanh thu: Chuẩn bị dữ liệu10:15
Hồi quy tuyến tính đơn giản - Dự báo lời nhuận từ doanh thu: Trực quan - K.Luận4:15
Hồi quy tuyến tính đơn giản - Thực hành với dữ liệu mẫu8:42
Hồi quy đa biến - Dự báo doanh thu: Chuẩn bị dữ liệu8:17
Hồi quy đa biến - Dự báo doanh thu: Trực quan hóa & Kết luận4:29
Bài tập cuối khóa Python AI0:23

Requirements

Không yêu cầu kinh nghiệm lập trình trước đó, phù hợp với người mới bắt đầu.
Không yêu cầu hiểu biết về Tài chính - Kế Toán, các khái niệm sẽ được hướng dẫn từ đầu
Cần có máy tính cá nhân với kết nối Internet để thực hành với Python và các thư viện hỗ trợ.
Khuyến nghị biết sử dụng Excel để dễ dàng tiếp cận với dữ liệu tài chính.

Description

Khóa học này cung cấp một lộ trình toàn diện giúp học viên thành thạo Python trong việc phân tích, xử lý và trực quan hóa dữ liệu tài chính - kế toán. Từ nền tảng cơ bản đến ứng dụng thực tế, bạn sẽ học cách sử dụng các thư viện phổ biến như NumPy, Pandas, Matplotlib, Seaborn để làm sạch, biến đổi dữ liệu và xây dựng các báo cáo tài chính chuyên sâu.

Ngoài ra, khóa học cũng hướng dẫn phân tích dữ liệu tài chính nâng cao. Bạn sẽ thực hành với Google Colab, xử lý dữ liệu từ Excel, CSV, Google Sheets, và xuất báo cáo dưới nhiều định dạng khác nhau như PDF, HTML, DOCX.

Học viên không chỉ nắm vững Python mà còn hiểu cách áp dụng nó vào nghiệp vụ kế toán và tài chính doanh nghiệp. Với các bài tập thực tế, bạn sẽ có cơ hội làm việc với dữ liệu thật, giúp nâng cao tư duy phân tích và kỹ năng thực hành. Khóa học phù hợp cho người mới bắt đầu, người chuyển ngành sang Phân tích dữ liệu, chuyên viên tài chính - kế toán muốn học lập trình, và nhà phân tích dữ liệu trong lĩnh vực tài chính.

Who this course is for:

Nhân sự kế toán, tài chính muốn nâng cao kỹ năng phân tích dữ liệu bằng Python.
Sinh viên ngành tài chính – kế toán, kiểm toán, ngân hàng muốn có lợi thế cạnh tranh khi ứng tuyển vào các vị trí phân tích dữ liệu.
Nhà phân tích dữ liệu, chuyên gia tài chính muốn ứng dụng Machine Learning vào dự báo tài chính, đánh giá rủi ro.
Các nhà đầu tư, chuyên gia tư vấn tài chính muốn khai thác dữ liệu tài chính để đưa ra quyết định tốt hơn.
Người trái ngành muốn chuyển sang lĩnh vực phân tích dữ liệu tài chính – kế toán, đặc biệt là những ai đang làm việc trong lĩnh vực quản trị kinh doanh, marketing, hoặc công nghệ nhưng muốn hiểu sâu hơn về dữ liệu tài chính

Python & AI cho Phân tích dữ liệu Tài chính Kế Toán 2026

What you'll learn

Explore related topics

Course content

Giới thiệu khóa học & Tài liệu học tập4 lectures • 2min

Cài đặt môi trường đám mây của Google để chạy Python16 lectures • 1hr 10min

Python cơ bản cho người mới bắt đầu39 lectures • 3hr 41min

PANDAS & NUMPY - Thư viện cốt lõi cho phân tích dữ liệu61 lectures • 6hr 9min

Kỹ thuật làm sạch & biến đổi dữ liệu trong tài chính & kế toán6 lectures • 43min

Trực quan hóa dữ liệu tài chính với Matplotlib & Seaborn24 lectures • 2hr 18min

Dự án Phân tích và Dự báo Tài chính Kế toán: Sử dụng Thống kê và AI25 lectures • 2hr 20min

Requirements

Description

Who this course is for: