📘 Buổi 20: Capstone — Presentation & Portfolio — Kết thúc khóa học, bắt đầu sự nghiệp

Buổi cuối = buổi quan trọng nhất. Bạn pitch project như pitch cho nhà tuyển dụng.

🎯 Mục tiêu buổi học

Sau buổi này, học viên sẽ:

Thuyết trình capstone 10 phút: problem → method → findings → recommendations
Hoàn thiện portfolio: GitHub repo, README, dashboard link, notebook
Nhận feedback từ mentor/peers → iterate
Chuẩn bị hồ sơ DA: CV, portfolio link, LinkedIn

📋 Tổng quan

Đây là Buổi 20 — buổi cuối cùng của khóa học Data Analytics. Suốt 19 buổi trước, bạn đã đi qua toàn bộ journey: từ tư duy phân tích (Buổi 1-3), Excel & SQL (Buổi 4-6), Python & Pandas (Buổi 7-8), EDA & Visualization (Buổi 9-11), Storytelling & BI (Buổi 12-14), A/B Testing & Statistics (Buổi 15-16), Machine Learning (Buổi 17), và Capstone development (Buổi 18-19).

Tất cả converge vào buổi hôm nay — bạn sẽ trình bày capstone project trước lớp, hoàn thiện portfolio, và chuẩn bị cho career next step.

Theo LinkedIn Talent Insights (2025), Data Analyst là top 5 job title tăng trưởng nhanh nhất tại Việt Nam — tăng 42% so với 2023. Tuy nhiên, 68% recruiters cho biết điểm yếu lớn nhất của ứng viên DA entry-level là "không có portfolio project thể hiện end-to-end capability". Buổi hôm nay fix chính xác pain point đó.

mermaid

flowchart LR
    A["📥 Foundations<br/>Buổi 1-6: Excel, SQL"] --> B["🐍 Python & Analysis<br/>Buổi 7-11: Pandas, EDA, Viz"]
    B --> C["📖 Communication<br/>Buổi 12-14: Story, BI"]
    C --> D["🧪 Advanced<br/>Buổi 15-17: Stats, ML"]
    D --> E["🏗️ Capstone Dev<br/>Buổi 18-19: Build"]
    E --> F["🎤 Presentation<br/>✅ Buổi 20: Pitch & Portfolio"]
    style F fill:#e8f5e9,stroke:#4caf50,stroke-width:3px

💡 Tại sao buổi này quan trọng nhất?

Kịch bản	Không có portfolio	Có portfolio hoàn chỉnh
Apply DA job	CV chỉ liệt kê skills → "biết Python, SQL..." → vào pile 500 CV	Portfolio link: GitHub repo + dashboard + notebook → recruiter thấy REAL work
Phỏng vấn kỹ thuật	"Em biết EDA, biết churn analysis..." → talk vague	"Đây là project em làm: 10K rows, 5 features, Logistic Regression, Recall 0.82" → concrete
Phỏng vấn behavioral	"Em teamwork tốt, chịu khó..." → generic	"Em nhận feedback buổi pitch, iterate 2 lần, cải thiện Recall từ 0.65 → 0.82" → growth mindset
Networking / LinkedIn	Profile trống → invisible	Portfolio post → 500+ views, recruiters reach out

📌 Phần 1: Final Presentation — 10 Slides, 10 Minutes, Maximum Impact

Cấu trúc thuyết trình 10 phút

10 phút = 10 slides. Mỗi slide ≈ 1 phút. Cấu trúc chuẩn:

┌──────────────────────────────────────────────────────────┐
│  SLIDE 1: TITLE (30s)                                    │
│  Project name, tên bạn, ngày, context                    │
├──────────────────────────────────────────────────────────┤
│  SLIDE 2: PROBLEM (1 min)                                │
│  Business problem + tại sao quan trọng + impact metrics  │
├──────────────────────────────────────────────────────────┤
│  SLIDE 3: DATA OVERVIEW (1 min)                          │
│  Source, size, key variables, data quality                │
├──────────────────────────────────────────────────────────┤
│  SLIDE 4: METHODOLOGY (1 min)                            │
│  Approach: EDA → cleaning → analysis/modeling            │
├──────────────────────────────────────────────────────────┤
│  SLIDE 5: KEY FINDING #1 (1.5 min)                       │
│  Visualization + insight + "so what?"                    │
├──────────────────────────────────────────────────────────┤
│  SLIDE 6: KEY FINDING #2 (1.5 min)                       │
│  Visualization + insight + "so what?"                    │
├──────────────────────────────────────────────────────────┤
│  SLIDE 7: KEY FINDING #3 (1 min)                         │
│  Visualization + insight + "so what?"                    │
├──────────────────────────────────────────────────────────┤
│  SLIDE 8: RECOMMENDATIONS (1 min)                        │
│  3-5 actionable recommendations với expected impact      │
├──────────────────────────────────────────────────────────┤
│  SLIDE 9: LIMITATIONS & NEXT STEPS (30s)                 │
│  Data limitations, potential improvements, future work   │
├──────────────────────────────────────────────────────────┤
│  SLIDE 10: Q&A (1 min)                                   │
│  "Thank you! Câu hỏi?" + contact info + portfolio link  │
└──────────────────────────────────────────────────────────┘

Slide Template chi tiết

Slide 1: Title Slide

┌────────────────────────────────────────┐
│                                        │
│  [ Project Title ]                     │
│  Subtitle: one-line description        │
│                                        │
│  Tên: _________                        │
│  Khóa: Data Analytics Cohort ___       │
│  Ngày: ___/___/2026                    │
│                                        │
│  🔗 github.com/username/project-name   │
└────────────────────────────────────────┘

Tips:

Title nên hấp dẫn: không phải "Phân tích dữ liệu" → mà "Predicting Customer Churn: Saving $200K/Year"
Subtitle: 1 câu nêu business impact

Slide 2: Problem Statement

Template:

"[Công ty/industry] đang gặp vấn đề [vấn đề cụ thể], khiến [impact tiêu cực]. Nếu giải quyết được, [benefit kỳ vọng]."

Ví dụ:

"TelcoVN đang churn 5.5% khách hàng mỗi tháng — tương đương mất 1.6 tỷ VND/tháng LTV. Nếu identify top 500 high-risk customers để retention campaign, expected savings: 400M VND/quý."

Checklist Slide 2:

[ ] Vấn đề cụ thể (có số liệu)
[ ] Impact (revenue, users, cost)
[ ] Why now? Tại sao giải quyết bây giờ?

Slide 5-7: Key Findings

Mỗi finding slide cần format "Insight → Evidence → Impact":

FINDING #1: Premium Monthly subscribers churn 7.4% — gấp 12x Annual (0.6%)

[VISUALIZATION: Bar chart so sánh churn rate theo segment]

So what? → Nếu chuyển 20% Monthly → Annual → giảm churn 1.2pp → save 380M VND/năm

Presenting to Non-Technical Audience

80% người nghe bạn thuyết trình sẽ KHÔNG phải technical. CEO, Marketing Manager, Product Lead — họ care về business impact, không phải code.

❌ Nói thế này	✅ Nói thế này
"Em dùng Logistic Regression với L2 regularization, C=0.1"	"Em xây model dự đoán khách nào sắp rời đi, độ chính xác 82%"
"Recall = 0.78, Precision = 0.71"	"Trong 100 khách sắp churn, model detect được 78 người. Trong số model flag, 71% thực sự churn"
"Feature importance: tenure coefficient = -0.43"	"Khách dùng dịch vụ càng lâu → càng ít churn. Mỗi năm thêm → churn giảm 35%"
"p-value = 0.003"	"Kết quả có ý nghĩa thống kê — không phải do ngẫu nhiên"
"R² = 0.74"	"Model giải thích được 74% biến động revenue — khá tốt cho lần đầu"

Q&A Preparation

Dự đoán 10 câu hỏi phổ biến và chuẩn bị trả lời:

#	Câu hỏi thường gặp	Cách trả lời
1	"Data từ đâu?"	Nêu source, size, timeframe, any limitations
2	"Tại sao chọn method này?"	Business context → requirements → why this approach fits
3	"Accuracy bao nhiêu?"	Nêu metric phù hợp (Recall cho churn, RMSE cho forecast)
4	"Có scalable không?"	Discuss data pipeline, automation potential
5	"Next steps?"	3 improvements cụ thể nếu có thêm data/time
6	"Business impact?"	Translate findings → revenue/cost/time saved
7	"Limitations?"	Honest about data quality, sample size, assumptions
8	"So sánh với current process?"	Before (manual) vs After (data-driven)
9	"ROI?"	Cost of implementation vs expected benefit
10	"Mất bao lâu?"	Timeline từ data → insight → action

📌 Phần 2: Portfolio Completion — GitHub, README, Dashboard, Notebook

GitHub Repository Structure

Repository cho project cần organized và professional:

project-name/
├── README.md              ← Overview, findings, how to run
├── data/
│   ├── raw/               ← Original data (or link if large)
│   └── processed/         ← Cleaned data
├── notebooks/
│   ├── 01_EDA.ipynb       ← Exploratory analysis
│   ├── 02_Analysis.ipynb  ← Main analysis/modeling
│   └── 03_Results.ipynb   ← Results & visualization
├── src/                   ← Helper scripts (optional)
│   ├── data_cleaning.py
│   └── utils.py
├── dashboard/             ← Dashboard files or screenshots
│   ├── screenshots/
│   └── dashboard_link.md
├── presentation/          ← Slide deck
│   └── capstone_slides.pdf
├── requirements.txt       ← Python dependencies
├── .gitignore
└── LICENSE

README Template

README là trang chủ của project — recruiter nhìn vào đây TRƯỚC TIÊN:

markdown

# 📊 [Project Title]

## 🎯 Overview
[1-2 câu: project làm gì, cho ai, business impact]

## 📝 Problem Statement
[Mô tả vấn đề business, tại sao quan trọng]

## 📦 Data
- **Source:** [Nguồn data]
- **Size:** [X rows × Y columns]
- **Timeframe:** [Khoảng thời gian data]
- **Key variables:** [Liệt kê 5-7 features quan trọng]

## 🔧 Methodology
1. Data Cleaning — [mô tả ngắn]
2. EDA — [mô tả ngắn]
3. Analysis/Modeling — [approach + why]
4. Evaluation — [metrics used]

## 📊 Key Findings
### Finding 1: [Title]
[Mô tả + visualization screenshot]

### Finding 2: [Title]
[Mô tả + visualization screenshot]

### Finding 3: [Title]
[Mô tả + visualization screenshot]

## 💡 Recommendations
1. [Recommendation 1] → Expected impact: [X]
2. [Recommendation 2] → Expected impact: [X]
3. [Recommendation 3] → Expected impact: [X]

## 🛠 Tools & Technologies
- Python (Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn)
- SQL (PostgreSQL)
- Tableau / Power BI
- Jupyter Notebook

## 📂 Project Structure
[Tree diagram hoặc list]

## 🚀 How to Run
1. Clone repo: `git clone https://github.com/username/project-name`
2. Install dependencies: `pip install -r requirements.txt`
3. Open notebook: `jupyter notebook notebooks/01_EDA.ipynb`

## 👤 Author
- **Name:** [Tên]
- **LinkedIn:** [Link]
- **Email:** [Email]

Clean Notebook Standards

Notebook nộp cần đạt chuẩn "portfolio-ready":

Tiêu chí	❌ Chưa clean	✅ Portfolio-ready
Structure	Cells lộn xộn, không heading	H1 → H2 → H3 hierarchy rõ ràng
Markdown	Không có text giải thích	Mỗi phần có context: WHY → WHAT → SO WHAT
Code	Cells thừa, debug prints, errors	Remove unused cells, clean outputs
Comments	Không comment	Key logic có comment giải thích
Outputs	Outputs cũ, charts bị vỡ	Restart → Run All → all outputs fresh
Naming	`df2`, `temp`, `test123`	`df_customers`, `churn_rate`, `model_lr`
Formatting	PEP8 violation khắp nơi	Consistent style, black-formatted

Checklist trước khi submit:

NOTEBOOK QUALITY CHECKLIST:
✅ Restart kernel → Run All → No errors
✅ Mỗi section có markdown heading + context
✅ Visualizations có title, labels, legend
✅ Remove tất cả debug/test cells
✅ Variable names descriptive
✅ Code comments cho complex logic
✅ Final cell: Summary of findings
✅ requirements.txt đầy đủ

Dashboard Published

Dashboard cần accessible — không chỉ local file:

Platform	Cách publish	Link format
Tableau Public	Upload workbook → Share	`public.tableau.com/app/profile/username/viz/...`
Power BI Service	Publish to web → Embed	`app.powerbi.com/view?r=...`
Streamlit	Deploy to Streamlit Cloud	`appname.streamlit.app`
Google Looker Studio	Share → Anyone with link	`lookerstudio.google.com/reporting/...`

Screenshot Gallery: Thêm 3-5 screenshots dashboard vào dashboard/screenshots/ cho trường hợp link expire.

📌 Phần 3: Career Preparation — CV, LinkedIn, Interview, Learning Roadmap

DA Resume Template

Resume cho DA position — 1 trang, focus impact + tools + projects:

┌─────────────────────────────────────────────────────────┐
│  [TÊN] — Data Analyst                                   │
│  📧 email | 📞 phone | 🔗 linkedin | 💻 github          │
│  📍 TP.HCM / Hà Nội                                     │
├─────────────────────────────────────────────────────────┤
│  SUMMARY (2-3 câu)                                       │
│  "DA with [X] experience in [industry]. Skilled in       │
│  [tools]. Passionate about [area]. Seeking [role]."      │
├─────────────────────────────────────────────────────────┤
│  SKILLS                                                  │
│  • Analysis: Python, SQL, Excel, R                       │
│  • Visualization: Tableau, Power BI, Matplotlib          │
│  • Statistics: A/B Testing, Regression, Hypothesis       │
│  • Tools: Git, Jupyter, Google Sheets, BigQuery          │
├─────────────────────────────────────────────────────────┤
│  PROJECTS                                                │
│  📊 [Project Name] | [Tools Used]                        │
│  • [Action verb] + [what you did] + [impact/result]      │
│  • [Action verb] + [what you did] + [impact/result]      │
│  🔗 github.com/username/project | 📊 dashboard-link      │
├─────────────────────────────────────────────────────────┤
│  EXPERIENCE (nếu có)                                     │
│  [Title] — [Company] | [Date range]                      │
│  • [Impact statement with numbers]                       │
│  • [Impact statement with numbers]                       │
├─────────────────────────────────────────────────────────┤
│  EDUCATION                                               │
│  [Degree] — [University] | [Year]                        │
│  [Certifications: Google DA, IBM DA, etc.]               │
├─────────────────────────────────────────────────────────┤
│  CERTIFICATIONS & COURSES                                │
│  • Google Data Analytics Professional Certificate        │
│  • [Tên khóa học này] — Completed [date]                 │
└─────────────────────────────────────────────────────────┘

Action verbs cho DA resume:

Category	Verbs
Analysis	Analyzed, Investigated, Evaluated, Assessed, Examined
Data	Cleaned, Processed, Transformed, Integrated, Validated
Visualization	Designed, Created, Built, Developed, Presented
Impact	Reduced (churn by X%), Increased (revenue by Y%), Improved (accuracy by Z%)
Communication	Presented, Recommended, Reported, Communicated, Collaborated

LinkedIn Optimization Checklist

LINKEDIN PROFILE CHECKLIST:
✅ Headline: "Data Analyst | Python, SQL, Tableau | [Industry/Interest]"
   ❌ KHÔNG: "Looking for opportunities" / "Student"
✅ Banner image: Data/analytics themed
✅ About (Summary): 3-5 câu — background, skills, passion, seeking
✅ Experience: mỗi role có bullet points với NUMBERS
✅ Projects section: Add capstone + 2-3 side projects
✅ Skills: Python, SQL, Tableau, Excel, Data Analysis, Statistics
   → Get endorsements từ classmates
✅ Featured section: Pin portfolio link, dashboard, blog post
✅ Certifications: Add all relevant certs
✅ Education: Include relevant coursework
✅ Recommendations: Xin 2-3 recommendations từ mentor/peers
✅ Activity: Post 1 article/week về DA learnings

LinkedIn Post template (sau khi hoàn thành khóa):

🎉 Just completed [Course Name] — 20 weeks of intensive Data Analytics!

Here's what I built:
📊 Capstone: [Project Name]
→ Analyzed [X rows] data from [industry]
→ Found: [Key finding 1]
→ Impact: [Business recommendation]

Tools: Python | SQL | Tableau | scikit-learn

🔗 Portfolio: [link]
📂 GitHub: [link]
📊 Dashboard: [link]

Key takeaway: Data analysis ≠ just charts.
It's about asking the RIGHT questions
and telling stories that drive ACTION.

#DataAnalytics #DataScience #Python #SQL #CareerChange

Interview Preparation

Technical Interview Questions

#	Question	Framework trả lời
1	"Walk me through a project you've done"	STAR: Situation → Task → Action → Result (with numbers)
2	"How would you analyze churn?"	Segmented analysis → identify patterns → root cause → recommendations
3	"SQL: Tìm top 10 customers by revenue"	`SELECT customer_id, SUM(revenue) FROM orders GROUP BY 1 ORDER BY 2 DESC LIMIT 10`
4	"Difference between INNER JOIN vs LEFT JOIN?"	INNER = matching rows only. LEFT = all from left + matching from right
5	"What is p-value?"	Probability of observing results if null hypothesis true. < 0.05 → significant
6	"How do you handle missing data?"	Check % missing → MCAR/MAR/MNAR → drop/impute/flag depending on context
7	"Explain A/B testing process"	Hypothesis → sample size → randomize → run → analyze → decide
8	"Regression vs Classification?"	Regression = continuous output (revenue). Classification = categorical (churn yes/no)

Behavioral Interview Questions

#	Question	Cách trả lời (STAR)
1	"Tell me about a time you failed"	Capstone v1 had low Recall → identified issue → improved data cleaning → v2 Recall 0.82
2	"How do you handle ambiguity?"	CPO asked vague question → clarified: metric, timeframe, audience → delivered focused analysis
3	"Describe working with non-technical stakeholders"	Presented churn analysis to Marketing → avoided jargon → used visual → they actioned recommendations
4	"How do you prioritize?"	Multiple dashboards requested → assessed business impact → prioritized revenue dashboard > internal metrics
5	"What's your learning approach?"	Structured: course → practice → project → portfolio. Example: learned ML → built churn model → deployed

Continuous Learning Roadmap

mermaid

flowchart TD
    A["🎓 Course Completion<br/>Buổi 20: NOW"] --> B["📚 Month 1-3<br/>Consolidate & Apply"]
    B --> C["🚀 Month 4-6<br/>Specialize & Build"]
    C --> D["💼 Month 7-12<br/>Professional Growth"]

    B --> B1["✅ Complete 2 side projects"]
    B --> B2["✅ Get Google DA Certificate"]
    B --> B3["✅ Apply to 20+ DA jobs"]
    B --> B4["✅ Post 4 LinkedIn articles"]

    C --> C1["📊 Choose specialization:<br/>BI / Product Analytics /<br/>Marketing Analytics"]
    C --> C2["🧠 Advanced SQL:<br/>Window functions, CTEs"]
    C --> C3["☁️ Cloud tools:<br/>BigQuery, dbt, Airflow"]
    C --> C4["📈 Advanced visualization:<br/>D3.js or advanced Tableau"]

    D --> D1["🏢 Land DA role"]
    D --> D2["📝 Build domain expertise"]
    D --> D3["🤝 Mentor others"]
    D --> D4["🎯 Target: Senior DA<br/>in 2-3 years"]

Roadmap chi tiết:

Giai đoạn	Timeline	Focus	Resources
Consolidate	Month 1-3	Hoàn thiện portfolio, apply jobs, practice interviews	LeetCode SQL, StrataScratch, Mock interviews
Certify	Month 2-4	Google DA Certificate, Tableau Desktop Specialist	Coursera, Tableau eLearning
Specialize	Month 4-6	Chọn 1: Product Analytics / Marketing Analytics / BI	Reforge, CXL, Mode Analytics tutorials
Build	Month 4-8	2 thêm portfolio projects, Kaggle competitions	Kaggle, real datasets, freelance projects
Advanced Tools	Month 6-9	BigQuery, dbt, Airflow basics, Git advanced	Google Cloud Skills Boost, dbt Learn
Professional	Month 7-12	DA role, domain expertise, presentation skills	On-the-job, Toastmasters, meetups

Recommended resources:

Category	Resource	Cost	Level
SQL Practice	StrataScratch, LeetCode, HackerRank	Free/Premium	All
Python	Real Python, Python for Data Analysis (Wes McKinney)	Free/Book	Int
Statistics	StatQuest (YouTube), Naked Statistics (book)	Free/Book	Beg-Int
Visualization	Storytelling with Data (Cole Nussbaumer)	Book	All
DA Career	DataCamp Career Track, Maven Analytics	Premium	All
Community	Vietnam Data Science Community, DSAI Vietnam	Free	All
Portfolio	Kaggle, Data.World, Google Dataset Search	Free	All
Interview	Ace the Data Science Interview (book)	Book	Int-Adv

🔑 Tổng kết buổi 20 — Course Summary

20 buổi = Complete DA Toolkit

mermaid

flowchart TD
    subgraph Foundation["🏗️ FOUNDATION (Buổi 1-6)"]
        A1["Buổi 1-3: Tư duy DA, Types of Analytics"]
        A2["Buổi 4-5: Excel & Google Sheets"]
        A3["Buổi 6: SQL Fundamentals"]
    end

    subgraph Analysis["🔍 ANALYSIS (Buổi 7-11)"]
        B1["Buổi 7-8: Python & Pandas"]
        B2["Buổi 9: EDA"]
        B3["Buổi 10-11: Visualization & Dashboard"]
    end

    subgraph Communication["📖 COMMUNICATION (Buổi 12-14)"]
        C1["Buổi 12: Data Storytelling"]
        C2["Buổi 13: Business Metrics"]
        C3["Buổi 14: Industry Analytics"]
    end

    subgraph Advanced["🧪 ADVANCED (Buổi 15-17)"]
        D1["Buổi 15-16: Statistics & A/B Testing"]
        D2["Buổi 17: Machine Learning"]
    end

    subgraph Capstone["🎓 CAPSTONE (Buổi 18-20)"]
        E1["Buổi 18-19: Build Project"]
        E2["Buổi 20: Present & Portfolio"]
    end

    Foundation --> Analysis --> Communication --> Advanced --> Capstone

What You Can Do Now

Sau 20 buổi, bạn có thể:

Capability	Tools	Buổi
Đặt câu hỏi đúng	Business thinking, problem framing	1-3
Lấy & xử lý data	SQL, Python, Excel, APIs	4-8
Khám phá & phân tích	Pandas, EDA, statistical analysis	9, 15-16
Trực quan hóa	Matplotlib, Seaborn, Tableau, Power BI	10-11
Kể chuyện bằng data	Storytelling framework, slide design	12
Hiểu business metrics	KPI, Funnel, Cohort, LTV, Churn	13-14
Thí nghiệm	A/B testing, hypothesis testing	15-16
Dự đoán	Regression, Classification, ML basics	17
Xây end-to-end project	Full pipeline: question → data → analysis → insight → action	18-20
Communicate results	Presentation, portfolio, professional skills	20

📝 Final Checklist trước khi "tốt nghiệp"

PRE-GRADUATION CHECKLIST:
✅ Capstone presentation: 10 slides, rehearsed, Q&A ready
✅ GitHub repo: clean, organized, public
✅ README: overview, methodology, findings, tools
✅ Notebook: Restart → Run All → no errors
✅ Dashboard: published, accessible, screenshots saved
✅ Slide deck: PDF uploaded to repo
✅ CV/Resume: 1 page, projects highlighted, quantified impact
✅ LinkedIn: profile updated, portfolio featured, post written
✅ Recording: presentation recorded for future reference
✅ Feedback: collected from peers, areas for improvement noted

⚠️ Đừng dừng lại ở đây!

Khóa học kết thúc ≠ learning kết thúc. DA là nghề cần continuous learning:

Data tools thay đổi mỗi năm (dbt, Snowflake, AI-assisted analytics)
Business context thay đổi mỗi quý
Best practices evolve

Commitment: Dành 5 giờ/tuần cho learning + 1 side project/quý + 1 LinkedIn post/tuần = đủ để grow consistently.

🎉 Lời kết

Chúc mừng bạn đã hoàn thành toàn bộ 20 buổi khóa Data Analytics! 🎊

Bạn đã đi từ zero đến có khả năng:

Thu thập data từ nhiều nguồn
Làm sạch & xử lý data phức tạp
Phân tích và tìm insight ẩn sau con số
Trực quan hóa data thành câu chuyện compelling
Communicate findings cho stakeholders
Xây dựng end-to-end project từ đầu đến cuối

Remember: Bạn không chỉ học tools — bạn học tư duy. Tools sẽ thay đổi. Tư duy phân tích, kỹ năng đặt câu hỏi, khả năng kể chuyện bằng data — đó là những thứ bền vững.

"The goal is not to become a data analyst. The goal is to become someone who can turn data into decisions."

Good luck on your DA journey! 🚀

📘 Buổi 20: Capstone — Presentation & Portfolio — Kết thúc khóa học, bắt đầu sự nghiệp ​

🎯 Mục tiêu buổi học ​

📋 Tổng quan ​

📌 Phần 1: Final Presentation — 10 Slides, 10 Minutes, Maximum Impact ​

Cấu trúc thuyết trình 10 phút ​

Slide Template chi tiết ​

Slide 1: Title Slide ​

Slide 2: Problem Statement ​

Slide 5-7: Key Findings ​

Presenting to Non-Technical Audience ​

Q&A Preparation ​

📌 Phần 2: Portfolio Completion — GitHub, README, Dashboard, Notebook ​

GitHub Repository Structure ​

README Template ​

Clean Notebook Standards ​

Dashboard Published ​

📌 Phần 3: Career Preparation — CV, LinkedIn, Interview, Learning Roadmap ​

DA Resume Template ​

LinkedIn Optimization Checklist ​

Interview Preparation ​

Technical Interview Questions ​

Behavioral Interview Questions ​

Continuous Learning Roadmap ​

🔑 Tổng kết buổi 20 — Course Summary ​

20 buổi = Complete DA Toolkit ​

What You Can Do Now ​

📝 Final Checklist trước khi "tốt nghiệp" ​

🎉 Lời kết ​

📘 Buổi 20: Capstone — Presentation & Portfolio — Kết thúc khóa học, bắt đầu sự nghiệp

🎯 Mục tiêu buổi học

📋 Tổng quan

📌 Phần 1: Final Presentation — 10 Slides, 10 Minutes, Maximum Impact

Cấu trúc thuyết trình 10 phút

Slide Template chi tiết

Slide 1: Title Slide

Slide 2: Problem Statement

Slide 5-7: Key Findings

Presenting to Non-Technical Audience

Q&A Preparation

📌 Phần 2: Portfolio Completion — GitHub, README, Dashboard, Notebook

GitHub Repository Structure

README Template

Clean Notebook Standards

Dashboard Published

📌 Phần 3: Career Preparation — CV, LinkedIn, Interview, Learning Roadmap

DA Resume Template

LinkedIn Optimization Checklist

Interview Preparation

Technical Interview Questions

Behavioral Interview Questions

Continuous Learning Roadmap

🔑 Tổng kết buổi 20 — Course Summary

20 buổi = Complete DA Toolkit

What You Can Do Now

📝 Final Checklist trước khi "tốt nghiệp"

🎉 Lời kết