Available courses

What you'll learn


  •     Learn to program in R at a good level
  •     Learn how to use R Studio
  •     Learn the core principles of programming
  •     Learn how to create vectors in R
  •     Learn how to create variables
  •     Learn about integer, double, logical, character and other types in R
  •     Learn how to create a while() loop and a for() loop in R
  •     Learn how to build and use matrices in R
  •     Learn the matrix() function, learn rbind() and cbind()
  •     Learn how to install packages in R
  •     Learn how to customize R studio to suit your preferences
  •     Understand the Law of Large Numbers
  •     Understand the Normal distribution
  •     Practice working with statistical data in R
  •     Practice working with financia


What you'll learn


  •     Learn what is Data Science and how it is helping the modern world!
  •     What are the benefits of Data Science and Machine Learning
  •     Able to Solve Data Science Related Problem with the Help of R Programming
  •     Why R is a Must Have for Data Science , AI and Machine Learning!
  •     Right Guidance of the Path if You want to be a Data Scientist + Data science Interview Preparation Guide
  •     How to switch career in Data Science?
  •     R Data Structure - Matrix, Array, Data Frame, Factor, List
  •     Work with R’s conditional statements, functions, and loops
  •     Systematically Explore data in R
  •     Data Science Package: Dplyr , GGPlot 2
  •     Index, slice, and Subset Data
  •     Get your data in and out of R - CSV, Excel, Database, Web, Text Data
  •     Data Visualization : plot different types of data & draw insights like: Line Chart, Bar Plot, Pie Chart, Histogram, Density Plot, Box Plot, 3D Plot, Mosaic Plot
  •     Data Manipulation - Apply function, mutate(), filter(), arrange (), summarise(), groupby(), date in R
  •     Statistics - A Must have for Data Scie

This course is recommended for anyone who is interested in data analysis and illustration (business analyst, researcher, social science expert, programmer, etc.). This course shows you how to combine the two popular SQL and R technologies used in data analysis. SQL is essential for communicating with relational databases, the type of database in which most of the world's data is stored. R is a statistical data analysis tool that uses SQL to interact with databases to build charts, maps, reports, images, and even web applications that incorporate data into a final product. By taking this course, you will learn the basics of a skill that is invaluable to employers around the world. This course will be faster for people who have previous experience working with the command line interface and SQL and R.

Experience combining SQL and R for data analysis and visualization purposes; Learn to write SQL queries that can retrieve and summarize data stored in a database; Discover statistical analysis and R-visualization capabilities and see how R uses SQL to interact with databases. Learn how to create data-driven graphical images in databases using R and learn how to use RStudio features to simplify and streamline the analysis process. Casimir Saternos has been working in IT since 1999 as a software architect, software engineer, system engineer, developer and database administrator. He teaches Linux, R and Oracle SQL. He has numerous certifications (statistical inference, R programming, etc.) and has written articles on R, SQL and Java on InfoQ.com and several other sites.He is also the author of Client-Server Web Apps with JavaScript and Java


This course provides a high level overview of big data and how to use key tools to solve your data challenges. This introduction to the three areas of big data includes: • Infrastructure – how to store and process big data • Algorithms – how to integrate algorithms into your big data stack and an introduction to classification • Visualizations – an introduction to creating visualizations in JavaScript using D3.js The goal was not to be exhaustive, but rather, to provide a higher level view of how all the pieces of a big data architecture work together. Instructor Paul Dix is a frequent speaker at conferences and user groups including Web 2.0, RubyConf, RailsConf, The Gotham Ruby Conference, and Scotland on Rails. Paul is the founder and organizer of the NYC Machine Learning Meetup, which has over 2,900 members. In the past he has worked at startups and larger companies like Google, Microsoft, and McAfee. Currently, Paul is a co-founder at Errplane, a cloud based service for monitoring and alerting on application performance and metrics.

Tableau is a rapidly growing data visualization and analysis software application. Developing this skill set early will give you a differentiated advantage in searching for jobs and displaying data you may currently work with.

This Tableau course is meant for anyone looking to get an overview displaying the software’s capability. I will be working with different types of data to show you when and how to use the different views Tableau offers, including Maps, Parameters, Calculated Fields, Bar Charts, Line Charts, and Tables (with heat map variations). I will walk through 3 separate analyses using different data sources to highlight the software’s functionality.

Who is the target audience?
  • Anyone interested in getting their feet wet with data analytics, and branching beyond MS Excel
  • Course is primarily targeted for beginners, though intermediate will likely pick up a few tips

Business decisions are often binary: take on this project or put it off for a year; extend credit to this customer or insist on cash; open a new retail outlet in a particular location or find another spot. When an outcome is a continuous variable such as revenue, ordinary regression is often a good technique, but when there are only two outcomes, logistic regression usually offers better tools.

Learn how to use R and Excel to analyze data in this course with Conrad Carlberg. He takes you through advanced logistic regression, starting with odds and logarithms and then moving on into binomial distribution and converting predicted odds back to probabilities. After this foundation is established, he shifts the focus to inferential statistics, likelihood ratios, and multinomial regression. Conrad's comprehensive coverage of how to perform logistic regression includes tackling common problems, explaining relationships, reviewing outcomes, and interpreting results.
Topics include:
  • Recognizing the problems with ordinary regression on a binary outcome
  • Quantifying errors in forecasts
  • Managing different slopes
  • Forecasting odds instead of probabilities
  • Limiting probabilities on the upside and downside
  • Working with exponents and bases
  • Predicting the logit
  • Working with original data and coefficients
  • Establishing the Log Likelihood
  • Interpreting -2LL or deviance
  • Establishing a data frame with XLGetRange
  • Using the R functions mlogit or and glm
  • Understanding long versus wide shapes in data sets

Analyzing terabytes of data can be daunting, so what do you do with petabytes? The era of Big Data is upon us and it’s time to sharpen up the toolbox in this new genre of systems and technologies. In this course Ben explains the evolution of Big Data systems, as well as, the various architectures and popular vendors in this space. After covering the fundamentals of Big Data systems Ben covers how to access these systems using Tableau Software. Using Tableau Software he covers how to work with your Big Data and visualize in ways that will leave your boss singing your praise.

About the author

I work as a feedback mechanism for organizations and teams to help them understand what’s going on with their products and processes. I do this by collecting and organizing their data, visually exploring it, enriching it with other data and metrics, then presenting my findings using creative information design techniques. This leads to improved business performance and often sparks a data-driven culture throughout my clients organizations.


In this Big Data Analytics with Excel training course, expert author Guy Vaccaro teaches you how to manage large quantities of data with Excel. This course is designed for users that are already familiar with Excel and how to navigate a workbook and manage worksheets.

You will start by learning basic data manipulation, then jump into learning about data cleansing, including removing duplicate records, replacing text, and merging and splitting data columns. From there, Guy will teach you about Excel tables, pivot tables, charts, and pivot charts. This video tutorial also covers Power Query, Power Map, and Power Pivot. Finally, you will learn how to use Goal Seek and Solver, as well as learn about data analysis tools.

Once you have completed this computer based training course, you will have learned everything you need to know to effectively manage large quantities of data with Excel. Working files are included, allowing you to follow along with the author throughout the lessons.


What Will I Learn?

  • Perform a multitude of data operations in Python's popular "pandas" library including grouping, pivoting, joining and more!

  • Learn hundreds of methods and attributes across numerous pandas objects

  • Possess a strong understanding of manipulating 1D, 2D, and 3D data sets

  • Resolve common issues in broken or incomplete data sets


What Will I Learn?

  • Be equipped with a powerful tool for the most sexy data analytics career path!
  • Read and write various types of raw data with different formats and options

  • Create and modify various professional and statistical reports

  • Be aware of statistical analysis and concepts such as non parametric test, interaction, correlation..
  • Master the most complete SAS graphics tool such GTL and statistical plots
  • Learn comprehensive SAS Macro programming knowledge -- variables and user defined functions
  • Perform many real world case studies -- retail banks, credit bureau, marketing firms and clinical trials
  • Apply powerful data manipulation -- SQL, subsetting, slicing, filtering, transformation, ranking, sorting..
  • Understand data management and data piping
  • Use SAS ODS -- help deliver many useful objects such as charts, tables between different systems
  • Hundreds of SAS sample codes to explain arrays, functions and business cases

What Will I Learn?


  • Understand the fundamentals of statistics
  • Learn how to work with different types of data

  • How to plot different types of data

  • Calculate the measures of central tendency, asymmetry, and variability
  • Calculate correlation and covariance
  • Distinguish and work with different types of distributions
  • Estimate confidence intervals
  • Perform hypothesis testing
  • Make data driven decisions
  • Understand the mechanics of regression analysis
  • Carry out regression analysis
  • Use and understand dummy variables
  • Understand the concepts needed for data science even with Python and R!

Description

Welcome to Python Visualization Dashboards with Plotly's Dash Library!

This course will teach your everything you need to know to use Python to create interactive dashboard's with Plotly's new Dash library! Have you ever wanted to take your Python skills to the next level in data visualization? With this course you will be able to create fully customization, interactive dashboards with the open source libraries of Plotly and Dash.

Dash instructional courses from Plotly usually cost more than $1000, but now you can get the bootcamp experience for a fraction of that price in this self-paced course that includes example code, explanatory videos, student support in our chat channels, Question and Answer Forums, and interactive exercises.

We'll start off by teaching you enough Numpy and Pandas that you feel comfortable working and generating data in our quick crash course. Then we'll continue by teaching you about basic data visualization with Plotly, including scatter plots, line charts, bar charts, bubble charts, box plots, histograms, distribution plots, heat maps, and more! We'll also give you an intuition of when to use each plot type.

After this and at the end of each section you'll be given exercise tasks to test and evaluate your new skills, a feature no other Plotly Dash training offers!

Once you have a grasp on Plotly basics we'll move on to the bulk of the course which is utilizing the Dash library to leverage the power of plotly plots to create interactive dashboards. We'll discuss how to create layouts for dashboards, how to have interactive callbacks, dealing with multiple inputs and outputs, creating interactive components, and more!

We'll finish off the course by going over live updating dashboards that automatically update in real time and even show you how you can deploy your dashboards live to the web with the Heroku service.

By taking this course you will be learning the bleeding edge of data visualization technology with Python and gain a valuable new skill to show your colleagues or potential employers. After completing the course you will have a certification you can post to your LinkedIn profile and a portfolio of dashboard projects you can share as well.

All of this comes with a 30 day money back guarantee, so what are you waiting for? Enroll today and we'll see you inside the course!


Data Scientist has been ranked the number one job on Glassdoor and the average salary of a data scientist is over $120,000 in the United States according to Indeed! Data Science is a rewarding career that allows you to solve some of the world's most interesting problems!

This course is designed for both complete beginners with no programming experience or experienced developers looking to make the jump to Data Science!

This comprehensive course is comparable to other Data Science bootcamps that usually cost thousands of dollars, but now you can learn all that information at a fraction of the cost! With over 100 HD video lectures and detailed code notebooks for every lecture this is one of the most comprehensive course for data science and machine learning on Udemy!

We'll teach you how to program with R, how to create amazing data visualizations, and how to use Machine Learning with R! Here a just a few of the topics we will be learning:

  • Programming with R
  • Advanced R Features
  • Using R Data Frames to solve complex tasks
  • Use R to handle Excel Files
  • Web scraping with R
  • Connect R to SQL
  • Use ggplot2 for data visualizations
  • Use plotly for interactive visualizations
  • Machine Learning with R, including:
  • Linear Regression
  • K Nearest Neighbors
  • K Means Clustering
  • Decision Trees
  • Random Forests
  • Data Mining Twitter
  • Neural Nets and Deep Learning
  • Support Vectore Machines
  • and much, much more!

R Programming: Fundamentals to Advanced is a tour through the most important parts of R, the statistical programming language, from the very basics to complex modeling. It covers reading data, programming basics, visualization. data munging, regression, classification, clustering, modern machine learning and more.

Data scientist, Columbia University adjunct Professor, author and organizer of the New York Open Statistical Programming meetup Jared P. Lander presents the 20 percent of R functionality to accomplish 80 percent of most statistics needs. This video is based on the material in R for Everyoneand is a condensed version of the course Mr. Lander teaches at Columbia. You start with simply installing R and setting up a productive work environment. You then learn the basics of data and programming using these skills to munge and prepare data for analysis. You then learn visualization, modeling and predicting and close with generating reports and websites and building R packages.

Table of Contents

Lesson 1 Getting Started with R: R can only be used after installation, which fortunately is just as simple as installing any other program. In this lesson you learn about where to download R, how to decide on the best version, how to install it and you get familiar with its environment, using RStudio as a front end. We also take a look at the package system.

Lesson 2 The Basic Building Blocks in R: R is a flexible and robust programming language and using it requires understanding how it handles data. We learn about performing basic math in R, storing various types of data in variables—such as numeric, integer, character and time-based—and calling functions on the data.

Lesson 3 Advanced Data Structures in R: Like many other languages, R offers more complex storage mechanisms such as vectors, arrays, matrices and lists. We take a look at those, and the data.frame, a special storage type that strongly resembles a spreadsheet and is part of what makes working with data in R such a pleasure.

Lesson 4 Reading Data into R: Data is abundant in the world, so analyzing it is just a matter of getting the data into R. There are many ways of doing so, the most common being reading from a CSV or database. We cover these and also importing from other statistical tools, and scraping websites.

Lesson 5 Making Statistical Graphs: Visualizing data is a crucial part of data science both in the discovery phase and when reporting results. R has long been known for its capability to produce compelling plots, and Hadley Wickham’s ggplot2 package makes it even easier to produce better looking graphics. We cover histograms, boxplots, scatterplots, line charts and more.

Lesson 6 Basics of Programming: R has all the standard components of a programming language such as writing functions, if statements and loops, all with their own caveats and quirks. We start with the requisite “Hello, World!’ function and learn about arguments to functions, the regular if statement and the vectorized version, and how to build loops and why they should be avoided.

Lesson 7 Data Munging: Data scientists often bemoan that 80% of their work is manipulating data. As such, R has many tools for this, which are, contrary to what Python users may say, easy to use. We see how R excels at group operations using apply, lapply and the plyr package. We also take a look at its facilities for joining, combing and rearranging data.

Lesson 8 Manipulating Strings: Text data is becoming more pervasive in the world, and fortunately, R provides ways for both combing text and ripping it apart, which we walk through. We also examine R’s extensive regular expression capabilities.

Lesson 9 Basic Statistics: Naturally, R has all the basics when it comes to statistics such as means, variance, correlation, t-tests and anovas. We look at all the different ways those can be computed.

Lesson 10 Linear Models: The workhorse of statistics is regression and its extensions. This consists of linear models, generalized linear models–including logistic and Poisson regression–and survival models. We look at how to fit these models in R and how to evaluate them using measures such as mean squared error, deviance and AIC.

Lesson 11 Other Models: Beyond regression there are many other types of models that can be fit to data. Models covered include regularization with the elastic net, bayesian shrinkage, nonlinear models such as nonlinear least squares, splines and generalized additive models, decision tress and random forests.

Lesson 12 Time Series: Special care must be taken with data where there is time based correlation, otherwise known as autocorrelation. We look at some common methods for dealing with time series such as ARIMA, VAR and GARCH.

Lesson 13 Clustering: A focal point of modern machine learning is clustering, the partitioning of data into groups. We explore three popular methods: K-means, K-medoids and hierarchical clustering.

Lesson 14 Reports and Slideshows with knitr: Successfully delivering the results of an analysis can be just as important as the analysis itself, so it is important to communicate them in an effective way. This communication can take the form of a written report, a Web site of results, a slide show or a dashboard. In this lesson we focus on the first three, which are made remarkably easy using knitr, a package written by Yihui Xie.

Lesson 15 Package Building: Building packages is a great way to contribute back to the R community and doing so has never been easier thanks to Hadley Wickham’s devtools package. This lesson covers all the requirements for a package and how to go about authoring and distributing them.

LiveLessons Video Training series publishes hundreds of hands-on, expert-led video tutorials covering a wide selection of technology topics designed to teach you the skills you need to succeed. This professional and personal technology video series features world-leading author instructors published by your trusted technology brands: Addison-Wesley, Cisco Press, IBM Press, Pearson IT Certification, Prentice Hall, Sams, and Que. Topics include: IT Certification, Programming, Web Development, Mobile Development, Home & Office Technologies, Business & Management, and more.

View All LiveLessons http://www.informit.com/imprint/series_detail.aspx?ser=2185116


What you'll learn

  • You will know how real data science project looks like
  • You will be able to include these Case Studies in your resume

  • You will be able better market yourself as a Machine Learning Practioneer

  • You will feel confident during Data Science interview
  • You will learn how to chain multiple ML algorithms together to achieve the goal
  • You will learn most advanced Data Visualization techniques with Seaborn and Matplotlib
  • You will learn Logistic Regression
  • You will learn L1 Regularization (Lasso)
  • You will learn Random Forest Classifier

What you'll learn
  • How to approach an Excel dashboard project from idea to delivery
  • How to add interactivity to your Excel reports - No VBA required

  • Impress management with reports that make the decision-making process faster

  • Clever use of Excel core functionality for responsive spreadsheets
  • Learn how to create a professional KPI dashboard from scratch
  • Create impressive, non-standard Excel charts using smart techniques
  • Build Pivot Table-based dashboards for easy interactivity
  • Use powerful visual techniques so your content has more effect

Data scientists who use Excel realize that R is emerging as the new standard for statistical wrangling (especially for larger data sets). This course serves as the perfect bridge for the many Excel-reliant data analysts and business users who need to update their data science skills by learning R.

Much of the course focuses on how crucial statistical tasks and operations are done in R—often with the DescTools package—as contrasted with Excel's functions and Data Analysis add-in, and then scales up from there, showing R's more powerful features. Conrad Carlberg will help you effectively toggle between both programs, moving data back and forth so you can get the best of both worlds. Start by learning how to install R and the DescTools package, and the data files used in all the hands-on exercises. Then learn about calculating descriptive statistics on numeric and nominal variables, and running bivariate analyses in both Excel and R. In the "Next steps" video, Conrad breaks down the pros and cons of Excel vs. R and provides tips for learning more about statistics in each application.

  • Bài thuyết trình
  • Biết khái niệm bài thuyết trình. Biết các nhân tố ảnh hưởng đến chất lượng thuyết trình và một số chỉ dẫn để tạo nên một bài thuyết trình tốt.
  • Biết các bước chính trong tạo và thực hiện bài thuyết trình: Xác định mục tiêu thuyết trình; thiết kế, biên tập nội dung các trang của bài thuyết trình; lưu và phân phát (publish) nội dung bài thuyết trình; thực hiện việc thuyết trình bằng một công cụ trình chiếu.

  • Hiểu khái niệm và công dụng của bảng tính.
  • Biết các bước để xây dựng và ứng dụng bảng tính thông thường: Nhập và biên tập dữ liệu, công thức vào bảng; tính toán trên dữ liệu bằng cách áp dụng các phép tính, biểu thức, hàm; biểu diễn trực quan dữ liệu dưới dạng biểu đồ; một số ứng dụng cao cấp như phân tích dữ liệu, dự báo; in và phân phối các bảng tính.

Khóa học này cung cập cho người học những kiến thức cơ bản về hệ soạn thảo văn bản Microsoft Word.

Hiểu khái niệm văn bản theo nghĩa thông thường. Biết cách tổ chức và định dạng một văn bản. Soạn thảo văn bản và xử lý văn bản. Biết các thao tác thông thường để có được một văn bản theo yêu cầu: Soạn thảo nội dung (tạo mới hoặc sử dụng nội dung có sẵn), biên tập văn bản (thêm bớt, sửa chữa nội dung, thay đổi định dạng, thêm minh họa, tạo các liên kết, tham chiếu, hoàn chỉnh văn bản), lưu giữ văn bản, in ấn và phân phối văn bản.

Students from Uppsala University, Sweden

Môn học Giải phẫu – Sinh lý học người là môn học cơ bản, cung cấp cho sinh viên kiến thức về cấu trúc và chức năng của các bộ phận cơ thể người, cũng như mối liên quan giữa các cơ quan và chức năng sinh lý của chúng trong cơ thể người. Đây là những kiến thức cần thiết, bắt buộc trong đào tạo cử nhân Xét nghiệm Y học (XNYH), Y tế Công cộng (YTCC), công tác xã hội (CTXH) và cử nhân dinh dưỡng (DD)

Truyền thông sức khỏe (TTSK) là một chiến lược quan trọng của Nâng cao sức khỏe. Trong các chương trình giáo dục sức khỏe (GDSK) và nâng cao sức khỏe (NCSK), chiến lược truyền thông sức khỏe nhằm cung cấp thông tin sức khỏe, tăng cường hiểu biết để thay đổi thái độ và hành vi sức khỏe theo chiều hướng tích cực trong các nhóm đối tượng đích khác nhau. Môn học TTSK cung cấp những kiến thức cơ bản về quá trình truyền thông, các cách tiếp cận và phương pháp truyền thông nhằm cung cấp thông tin, tác động thay đổi thái độ và hành vi. Ý tưởng, thông điệp truyền thông; cách thiết kế và thử nghiệm thông điệp và tài liệu truyền thông sẽ được trình bày, thảo luận và thực hành trong khóa học. Các kiến thức và kỹ năng về TTSK là cơ sở quan trọng để người làm công tác TT-GDSK  áp dụng trong việc thiết kế  và thực hiện chương trình GDSK-NCSK. Đây cũng là nhu cầu đào tạo bức thiết của cán bộ y tế tham gia công tác TT-GDSK hiện nay

Sức khoẻ nghề nghiệp là một chuyên ngành thiết yếu trong Y tế công cộng, nghiên cứu và giải quyết các vấn đề sức khoẻ và các yếu tố liên quan của một bộ phận rất quan trọng trong mọi xã hội đó là người lao động. Môn học cung cấp những kiến thức và kỹ năng cơ bản trong nghiên cứu về Sức khoẻ nghề nghiệp, giúp người học có khả năng tham gia hiệu quả trong các chương trình quản lý, chăm sóc và bảo vệ sức khoẻ cho người lao động nhằm bảo vệ sức khoẻ cho người lao động, phòng chống bệnh tật và thương tích liên quan đến nghề nghiệp, nâng cao khả năng làm việc, kéo dài tuổi đời và tuổi nghề của họ trên cơ sở tổ chức lao động hợp lý, dự phòng tích cực và cải thiện điều kiện lao động tại nơi làm việc.

Sức khoẻ nghề nghiệp là một yếu tố cơ bản cho sự phát triển bền vững. Nó tạo ra định hướng xã hội và sức khoẻ trên nguyên tắc phát triển bền vững. Sức khoẻ và an toàn nghề nghiệp là một trong những quyền cơ bản của người lao động. Theo những nguyên tắc của Liên hợp quốc (UN), Tổ chức Y tế thế giới (WHO) và tổ chức Lao động quốc tế (ILO) thì tất cả mọi công dân trên thế giới có quyền được lao động mạnh khoẻ và an toàn, họ có quyền có một môi trường lao động có khả năng đem lại cho họ một cuộc sống hữu ích về xã hội và kinh tế.

Sức khoẻ nơi làm việc và môi trường lao động lành mạnh là tài sản có giá trị nhất của mỗi cá nhân, mỗi công đồng và quốc gia. Sức khoẻ nghề nghiệp là một chiến lược quan trọng không chỉ để đảm bảo sức khoẻ cho người lao động mà còn đóng góp tích cực vào năng suất lao động, chất lượng sản phẩm, khuyến khích người lao động an tâm thoải mái với nghề nghiệp và vì vậy nó tác động tích cực tới toàn bộ chất lượng cuộc sống của cá nhân và xã hội

Khoá học này giới thiệu với học viên các bước xây dựng một đề cương nghiên cứu khoa học. Những kiến thức và kỹ năng các học viên học được từ các môn học trước tại trường như dịch tễ, thống kê, quản lý y, nâng cao sức khoẻ v.v.. học viên sẽ xác định vấn đề nghiên cứu cụ thể, quy mô của vấn đề, và những yếu tố quyết định đến vấn đề này.

Khoá học sẽ cung cấp cho học viên phương pháp để thiết kế các nghiên cứu khoa học, cũng như xác định những hạn chế của các nghiên cứu. Đầu ra của khóa học là một đề cương nghiên cứu hoàn chỉnh cho một chủ đề nhất định của nhóm học viên

Thực hiện các quy định pháp luật trong hệ thống y tế là một trong những chức năng cơ bản của cán bộ y tế. Công tác thanh tra là một chức năng của QLNN, là biện pháp quan trọng trong việc ngăn ngừa, phát hiện và xử lý những hành vi vi phạm pháp luật. Môn học này giúp học viên, những cán bộ làm việc trong lĩnh vực quản lý công tác chăm sóc và bảo vệ sức khỏe nhân dân, có cái nhìn tổng quát, toàn diện và logíc về hệ thống pháp luật Việt Nam nói chung và trong lĩnh vực y tế nói riêng, cũng như các nội dung về  tổ chức, quy trình, các nguyên tắc chính trong công tác thanh tra, đặc biệt là thanh tra trong lĩnh vực y tế.

Dịch tễ họckhoa học nghiên cứu về tình trạng sức khỏe quần chúng và các yếu tố liên quan ảnh hưởng đến tình trạng sức khỏe đó. Tìm kiếm mối quan hệ giữa tình trạng sức khỏe và yếu tố liên quan từ đó xây dựng giải pháp (như phòng ngừa và kiểm soát bệnh tật) để can thiệp nhằm nâng cao tình trạng sức khỏe. Khoa học này là mấu chốt của nghiên cứu y tế cộng đồngy học dự phòng, dựa trên khái niệm y học dựa trên bằng chứng (evidence-based medicine). Dịch tễ học giúp chuyên viên y tế xác định các yếu tố nguy cơ của bệnh, phát triển và tối ưu hóa phương thức điều trị của y học lâm sàng.

Môn học này cung cấp cho học viên những kiến thức và kỹ năng cơ bản về thiết kế, triển khai và đánh giá các can thiệp phòng chống TNTT. Nội dung và tài liệu của môn học bao gồm các kiến thức, kỹ năng được đúc kết từ các chương trình can thiệp có hiệu quả trên thế giới cũng như kinh nghiệm thực tế ở Việt nam. 

Marketing bệnh viện/dịch vụ y tế là môn tự chọn được giảng dạy vào năm thứ nhất trong chương trình đào tạo thạc sỹ Quản lý bệnh viện. Khóa học cung cấp cho học viên những kiến thức tổng quan về marketing, marketing bệnh viện/dịch vụ y tế để làm cơ sở cho việc ứng dụng nâng cao khả năng quảng bá và tăng cường tiếp cận sử dụng dịch vụ y tế hiệu quả.

Thông tin và những bằng chứng có cơ sở khoa học trở thành yếu tố đầu vào quan trọng cho việc hoạch định và thực thi chính sách. Các nhà khoa học đã chỉ ra khoảng trống giữa chính sách và nghiên cứu. Đã có nhiều nỗ lực tại các quốc gia phát triển nhằm giải quyết khoảng trống này, góp phần để có được những chính sách phù hợp, hiệu quả nhằm cải thiện sức khỏe cộng đồng. Để giúp người học tham gia vào việc cung cấp các bằng chứng cho quá trình chính sách một cách hiệu quả, môn học truyền thông chính sách được thiết kế nhằm cung cấp những kiến thức, kỹ năng, và trải nghiệm cho người học để có thể  góp phần cung cấp những bằng chứng khoa học, giá trị cho nhà hoạch định chính sách và các nhà quản lý.

Khoá học này sẽ cung cấp cho học viên các kiến thức, kỹ năng về cách đo lường mắc, tử vong và gánh nặng bệnh tật do tai nạn thương tích. Học viên sẽ được học tập và thực hành các phương pháp giám sát, điều tra cộng đồng về TNTT, cách đánh giá các nguồn số liệu và sử dụng số liệu để đề xuất giải pháp can thiệp hoặc đánh giá hoạt động can thiệp. 

Khóa học này là bắt buộc đối với học viên Thac sỹ Y tế Công Cộng định hướng PC Tai nạn thương tích và là khóa học tự chọn cho các học viên Ths YTCC hoặc QLBV

Khoá học này giới thiệu với học viên các bước xây dựng một đề cương nghiên cứu khoa học. Những kiến thức và kỹ năng các học viên học được từ các môn học trước tại trường như dịch tễ, thống kê, quản lý y, nâng cao sức khoẻ v.v.. học viên sẽ xác định vấn đề nghiên cứu cụ thể, quy mô của vấn đề, và những yếu tố quyết định đến vấn đề này.

Khoá học sẽ cung cấp cho học viên phương pháp để thiết kế các nghiên cứu khoa học, cũng như xác định những hạn chế của các nghiên cứu. Đầu ra của khóa học là một đề cương nghiên cứu hoàn chỉnh cho một chủ đề nhất định của nhóm học viên

Nhập mô tả khóa học tại đây

Khóa học PPNCKH là khóa học trực tuyến bổ trợ kiến thức về PPNCKH và chia sẻ các kinh nghiệm ứng dụng các kiến thức đó vào trong quá trình xây dựng đề cương nghiên cứu, thực hiện và viết báo cáo luận văn.


Các bài giảng có tóm tắt lại lý thuyết và chủ yếu tập trung vào các ví dụ, các phân tích về các vấn đề khó khăn thường gặp khi thực hiện nghiên cứu


Điền tóm tắt khóa học vào đây

Điền thông tin summary vào đây

Điền tóm tắt khóa học vào đây

iSpring Suite là một phần mềm chuyên dụng, sử dụng để soạn thảo bài giảng E-Learning. Phần mềm iSpring Suite sau khi cài đặt sẽ được tích hợp một cách tự động vào ứng dụng PowerPoint của Microsoft. Chương trình iSpring Suite được phát triển bởi hãng iSpring, nó có đầy đủ các tính năng của một phần mềm soạn thảo E-Learning chuyên nghiệp, có giao diện dễ sử dụng và giá thành thấp

Khóa học này nhằm demo một số loại hình học liệu được tích hợp vào hệ thống đó là:

H5p - http://h5p.org

Scorm package (được tạo bởi  Ispring)

Streaming Video từ máy chủ Media


Khóa học PPNCKH là khóa học trực tuyến bổ trợ kiến thức về PPNCKH và chia sẻ các kinh nghiệm ứng dụng các kiến thức đó vào trong quá trình xây dựng đề cương nghiên cứu, thực hiện và viết báo cáo luận văn.


Các bài giảng có tóm tắt lại lý thuyết và chủ yếu tập trung vào các ví dụ, các phân tích về các vấn đề khó khăn thường gặp khi thực hiện nghiên cứu


Tin học đại cương lớp C

Dinh dưỡng học hay y học dinh dưỡng là ngành học được đào tạo để làm việc trong hệ thống dinh dưỡng và an toàn thực phẩm. Các cá nhân được trang bị kiến thức về dinh dưỡng cơ bản, dinh dưỡng cộng đồng, dinh dưỡng lâm sàng, dinh dưỡng tế bào. Từ đó, họ sẽ hiểu được tầm quan trọng của dinh dưỡng đối với sức khỏe, giá trị dinh dưỡng, vai trò của các chất dinh dưỡng, cơ chế hấp thu - chuyển hóa các chất dinh dưỡng trong cơ thể,...

Con người ta ở tuổi lao động là tuổi cơ thể đã trưởng thành cả về thể chất và tinh thần, là lứa tuổi đóng góp nhiều nhất cho xã hội bằng sức lao động, sáng tạo của mình. Chế độ ăn uống hợp lý rất cần thiết để người lao động giữ gìn sức khỏe, bền bỉ, dẻo dai trong lao động và ít mắc các bệnh mạn tính khi đã có tuổi. Người lao động trí óc và chân tay đều cần thực hiện các nguyên tắc cơ bản về dinh dưỡng hợp lý sau: