Kỹ thuật dữ liệu

Ngành Kỹ thuật dữ liệu (Data Engineering) đào tạo kỹ sư có khả năng thiết kế, xây dựng, vận hành và tối ưu các hệ thống dữ liệu quy mô lớn phục vụ phân tích dữ liệu, trí tuệ nhân tạo (AI) và các hoạt động ra quyết định của doanh nghiệp. Chương trình học tập trung vào cơ sở dữ liệu, hệ thống phân tán, điện toán đám mây, dữ liệu lớn (Big Data) và quy trình xử lý dữ liệu.

Thông thường, chương trình đào tạo kéo dài 4 năm (8 học kỳ), với khoảng 130–150 tín chỉ, tùy theo quy định của từng trường đại học.

Trong giai đoạn đầu, sinh viên được trang bị các kiến thức nền tảng về toán học, khoa học máy tính và kỹ năng học tập.

• Triết học Mác – Lênin
• Kinh tế chính trị
• Pháp luật đại cương
• Toán cao cấp
• Giải tích
• Đại số tuyến tính
• Xác suất thống kê
• Toán rời rạc
• Tin học cơ sở
• Tiếng Anh
• Kỹ năng mềm
• Phương pháp nghiên cứu khoa học

Nhóm học phần này giúp sinh viên xây dựng nền tảng về lập trình, hệ thống máy tính và quản lý dữ liệu.

• Lập trình Python
• Lập trình Java
• Lập trình hướng đối tượng
• Cấu trúc dữ liệu và giải thuật
• Cơ sở dữ liệu
• Hệ quản trị cơ sở dữ liệu
• Hệ điều hành
• Kiến trúc máy tính
• Mạng máy tính
• Kỹ thuật phần mềm

Kỹ thuật dữ liệu

Đây là nhóm học phần cốt lõi của ngành.

• Thiết kế hệ thống dữ liệu
• Mô hình hóa dữ liệu
• ETL và ELT
• Data Pipeline
• Tích hợp dữ liệu
• Quản trị dữ liệu
• Chất lượng dữ liệu (Data Quality)
• Quản trị dữ liệu chủ (Master Data Management)

Dữ liệu lớn (Big Data)

Sinh viên được học các công nghệ xử lý dữ liệu quy mô lớn.

• Hệ thống dữ liệu lớn
• Hadoop
• Apache Spark
• Apache Kafka
• Xử lý dữ liệu thời gian thực
• Data Lake
• Data Lakehouse
• Hệ thống phân tán

Điện toán đám mây

• AWS Cloud
• Microsoft Azure
• Google Cloud Platform
• Lưu trữ dữ liệu trên đám mây
• Dịch vụ dữ liệu trên Cloud
• Kiến trúc dữ liệu đám mây

Phân tích dữ liệu

• SQL nâng cao
• Kho dữ liệu (Data Warehouse)
• Business Intelligence
• Trực quan hóa dữ liệu
• Power BI
• Tableau
• Phân tích dữ liệu kinh doanh

AI và Machine Learning

Mặc dù không đào tạo chuyên sâu như ngành Khoa học dữ liệu và Trí tuệ nhân tạo, sinh viên vẫn được học các kiến thức cơ bản để hỗ trợ xây dựng hạ tầng dữ liệu cho AI.

• Nhập môn Trí tuệ nhân tạo
• Machine Learning cơ bản
• MLOps
• Quản lý dữ liệu cho AI
• Hệ thống gợi ý

Công nghệ và công cụ

Trong quá trình học, sinh viên được làm quen với nhiều công nghệ hiện đại:

• Python
• Java
• SQL
• PostgreSQL
• MySQL
• MongoDB
• Apache Spark
• Hadoop
• Kafka
• Airflow
• dbt
• Docker
• Kubernetes
• Git và GitHub
• Power BI
• Tableau
• AWS
• Azure
• Google Cloud Platform

Thực hành và thực tập

Chương trình đào tạo chú trọng thực hành và trải nghiệm thực tế thông qua các dự án.

• Thiết kế cơ sở dữ liệu.
• Xây dựng Data Pipeline.
• Phát triển hệ thống ETL/ELT.
• Xử lý dữ liệu lớn.
• Triển khai hệ thống dữ liệu trên Cloud.
• Phân tích dữ liệu doanh nghiệp.
• Thực tập tại doanh nghiệp.
• Khóa luận hoặc đồ án tốt nghiệp.

Năm 1

• Toán cao cấp
• Lập trình Python
• Tin học cơ sở
• Đại số tuyến tính
• Tiếng Anh
• Xác suất thống kê

Năm 2

• Cấu trúc dữ liệu và giải thuật
• Cơ sở dữ liệu
• Hệ điều hành
• Mạng máy tính
• Java
• SQL nâng cao

Năm 3

• Big Data
• Apache Spark
• Data Warehouse
• ETL
• Cloud Computing
• Data Pipeline

Năm 4

• Data Lakehouse
• MLOps
• Data Governance
• Chuyên đề Kỹ thuật dữ liệu
• Thực tập doanh nghiệp
• Khóa luận hoặc học phần thay thế

Sau khi hoàn thành chương trình đào tạo, sinh viên có khả năng:

• Thiết kế và quản lý cơ sở dữ liệu.
• Xây dựng hệ thống thu thập, lưu trữ và xử lý dữ liệu quy mô lớn.
• Phát triển các quy trình ETL/ELT và Data Pipeline.
• Triển khai hệ thống dữ liệu trên nền tảng điện toán đám mây.
• Sử dụng thành thạo các công cụ Big Data và quản trị dữ liệu.
• Phối hợp với đội ngũ Data Scientist, AI Engineer và Business Analyst.
• Làm việc nhóm, quản lý dự án và giao tiếp bằng tiếng Anh chuyên ngành.

Sau khi tốt nghiệp ngành Kỹ thuật dữ liệu, sinh viên có thể:

• Thiết kế, xây dựng và vận hành hạ tầng dữ liệu cho doanh nghiệp.
• Phát triển hệ thống xử lý dữ liệu lớn, kho dữ liệu và nền tảng dữ liệu trên điện toán đám mây.
• Đảm bảo dữ liệu được lưu trữ, xử lý và cung cấp hiệu quả cho các hệ thống phân tích, AI và Business Intelligence.
• Làm việc ở các vị trí như Data Engineer, Big Data Engineer, Cloud Data Engineer, Database Engineer, Analytics Engineer hoặc Data Architect.
• Tiếp tục học lên bậc thạc sĩ hoặc tiến sĩ trong các lĩnh vực Kỹ thuật dữ liệu, Khoa học dữ liệu, Trí tuệ nhân tạo hoặc Khoa học máy tính.

Lưu ý: Chương trình học có thể khác nhau giữa các trường đại học. Một số trường chú trọng cơ sở dữ liệu và hệ thống phân tán, trong khi một số khác tăng cường các học phần về Big Data, Cloud Computing, DataOps, MLOps và quản trị dữ liệu nhằm đáp ứng nhu cầu ngày càng cao của doanh nghiệp trong kỷ nguyên dữ liệu số.