Tài liệu: Bài tập thuyết trình

Khám phá các bài tập thuyết trình hiệu quả giúp nâng cao kỹ năng giao tiếp và thuyết phục trước đám đông một cách tự tin và chuyên nghiệp.

• Tác giả: Nguyễn Hoàng Vinh
• Người hướng dẫn: TS. Thái Kim Phụng
• Trường học: Trường Đại Học Kinh Tế Tp.Hcm
• Chuyên ngành: Công Nghệ Thông Tin Kinh Doanh
• Đề tài: Nghiên Cứu Các Phương Pháp Khai Phá Dữ Liệu Và Ứng Dụng Neural Network Vào Chỉ Số Tài Chính Eps Để Dự Báo Tình Hình Hoạt Động Kinh Doanh Của Các Công Ty Niêm Yết Trên Sàn Giao Dịch Chứng Khoán Tại Việt Nam
• Loại tài liệu: Tiểu Luận Cuối Kỳ
• Năm xuất bản: 2021
• Địa điểm: Thành Phố Hồ Chí Minh

Tóm tắt

I. Khái niệm về Bài tập Thuyết trình trong Học thuật

Bài tập thuyết trình là một phương pháp giáo dục hiệu quả giúp sinh viên phát triển kỹ năng giao tiếp và trình bày kiến thức. Trong bối cảnh nghiên cứu khoa học hiện đại, bài tập thuyết trình đóng vai trò quan trọng trong việc truyền tải thông tin một cách rõ ràng và chuyên nghiệp. Đây không chỉ là việc đơn thuần trình bày dữ liệu, mà còn là cách thể hiện sự hiểu biết sâu sắc về chủ đề nghiên cứu. Kỹ năng thuyết trình giúp sinh viên tự tin hơn trong việc chia sẻ những khám phá và kết quả nghiên cứu của mình với cộng đồng học thuật.

1.1. Định nghĩa Bài tập Thuyết trình

Bài tập thuyết trình là hoạt động trình bày nội dung nghiên cứu trước một nhóm người nghe, sử dụng tài liệu hỗ trợ như slide, biểu đồ và bảng dữ liệu. Nó yêu cầu người thuyết trình phải tổng hợp thông tin phức tạp thành những ý chính dễ hiểu, phát triển kỹ năng giao tiếp hiệu quả và xây dựng sự tự tin trong môi trường học thuật.

1.2. Tầm quan trọng của Thuyết trình trong Giáo dục

Thuyết trình học thuật giúp sinh viên phát triển tư duy phản biện, luyện tập khả năng trả lời câu hỏi và thảo luận với chuyên gia. Thông qua bài tập thuyết trình, học sinh không chỉ củng cố kiến thức mà còn chuẩn bị cho những kỳ thi và bài báo cáo quan trọng trong tương lai.

II. Các Yếu tố Chính của Bài Tập Thuyết Trình Hiệu Quả

Một bài tập thuyết trình chất lượng cần có những yếu tố thiết yếu để đạt được mục tiêu truyền tải kiến thức. Cấu trúc logic, tài liệu hỗ trợ rõ ràng và kỹ năng thuyết trình chuyên nghiệp là những thành phần không thể thiếu. Để tạo ra một bài thuyết trình ấn tượng, người trình bày cần chú ý đến phần mở đầu hấp dẫn, nội dung chính được tổ chức rõ ràng và phần kết luận có ảnh hưởng. Ngoài ra, sử dụng dữ liệu và hình ảnh trực quan giúp khán giả dễ dàng nắm bắt thông tin phức tạp hơn, đặc biệt trong các bài nghiên cứu về khai phá dữ liệu hoặc phân tích tài chính.

2.1. Cấu trúc và Tổ chức Nội dung

Cấu trúc bài thuyết trình bao gồm: mở đầu, nội dung chính chia thành các phần logic, và kết luận. Mỗi phần phải có sự liên kết rõ ràng, giúp khán giả theo dõi luồng tư duy của người thuyết trình. Tổ chức nội dung tốt giúp tăng cơ hội thuyết trình thành công và để lại ấn tượng sâu sắc.

2.2. Tài Liệu Hỗ Trợ và Trực Quan Hóa Dữ Liệu

Tài liệu thuyết trình nên bao gồm slide PowerPoint chuyên nghiệp, bảng biểu thống kê, biểu đồ dữ liệu và hình ảnh minh họa. Các yếu tố trực quan giúp làm rõ những khái niệm phức tạp như khai phá dữ liệu, neural network hay phân tích tài chính, từ đó nâng cao hiệu quả truyền đạt thông tin và sự hấp dẫn của bài thuyết trình.

III. Quá Trình Chuẩn Bị Bài Tập Thuyết Trình

Chuẩn bị bài tập thuyết trình đòi hỏi một quy trình có hệ thống từ lên kế hoạch đến thực hành. Bước đầu tiên là xác định chủ đề và mục tiêu thuyết trình rõ ràng, sau đó tìm kiếm và phân tích tài liệu tham khảo liên quan. Bước tiếp theo là xây dựng bản phác thảo nội dung, sắp xếp các điểm chính theo thứ tự logic và tạo tài liệu hỗ trợ bằng các công cụ như Orange hoặc PowerPoint. Thực hành thuyết trình nhiều lần giúp cải thiện kỹ năng nói và tăng sự tự tin, đồng thời kiểm tra thời gian để đảm bảo bài thuyết trình nằm trong giới hạn quy định.

3.1. Giai Đoạn Nghiên Cứu và Thu Thập Dữ Liệu

Bước nghiên cứu bao gồm tìm kiếm tài liệu tham khảo từ các nguồn đáng tin cậy, phân tích dữ liệu liên quan đến chủ đề. Trong các bài nghiên cứu về tài chính hoặc công nghệ, cần thu thập bộ dữ liệu từ các sàn giao dịch chứng khoán HOSE, HNX hoặc các cơ sở dữ liệu công khai khác. Tổ chức dữ liệu hợp lý sẽ tạo nền tảng vững chắc cho bài thuyết trình chất lượng cao.

3.2. Xây Dựng và Thực Hành

Sau khi tập hợp dữ liệu, cần tạo các slide trình bày, thiết kế biểu đồ và bảng thống kê để trực quan hóa kết quả. Thực hành thuyết trình với những người bạn hoặc giáo viên giúp nhận được phản hồi xây dựng, cải thiện phần yếu và tăng độ tự tin trước khi thuyết trình chính thức.

IV. Những Lỗi Thường Gặp và Cách Khắc Phục trong Thuyết Trình

Trong quá trình thuyết trình, có nhiều lỗi phổ biến mà người thuyết trình thường mắc phải, ảnh hưởng đến chất lượng bài thuyết trình. Nói quá nhanh hoặc quá chậm khiến khán giả khó theo dõi, slide quá nhiều chữ làm mất tập trung, thiếu liên kết giữa các ý dẫn đến bài thuyết trình không mạch lạc. Để khắc phục, cần kiểm soát tốc độ nói, sử dụng slide đơn giản với từ khóa thay vì đoạn văn dài, chuẩn bị ghi chú để nhớ nội dung chính. Ngoài ra, tôn trọng thời gian quy định, duy trì thái độ chuyên nghiệp và sẵn sàng trả lời câu hỏi sẽ giúp bài thuyết trình thành công và để lại ấn tượng tích cực cho khán giả.

4.1. Các Lỗi Phổ Biến trong Thuyết Trình

Lỗi thường gặp bao gồm: nói không rõ ràng, thiếu tiếp xúc mắt với khán giả, dùng quá nhiều từ ngôn ngữ kỹ thuật mà không giải thích, slide không được tổ chức logic, thời gian không phù hợp. Những lỗi này làm giảm hiệu quả truyền tải thông tin và ảnh hưởng đến điểm số cuối cùng của bài thuyết trình.

4.2. Chiến Lược Khắc Phục và Cải Thiện

Để khắc phục những sai sót, hãy luyện tập nói rõ ràng, sử dụng từ ngôn ngữ đơn giản và giải thích kỹ thuật chuyên môn, thiết kế slide sạch sẽ với ít thông tin chính, quản lý thời gian tốt. Yêu cầu phản hồi từ bạn bè hoặc giáo viên hướng dẫn giúp phát hiện lỗi sớm và nâng cao chất lượng bài thuyết trình trước khi trình bày chính thức.

Trích đoạn nội dung tài liệu

Chương I: GIỚI THIỆU. Lý do lựa chọn đề tài. SH 2122111 rrxyg 1 IV 06). Đối tượng nghiên cứu và phương pháp nghiên cứu.

Câu trúc của bài nghiên cứu.- 2 nh 2222 reryg 4 Chương 2: CƠ SỞ LÝ LUẬN. Khai phá dữ liệu. Khai phá dữ liệu là gì?. Các tính năng chính của khai phá dữ liệu.

Quy trình khai phá dữ liệu. Phương pháp khai phá dữ liệu. Ứng dụng của khai phá đữ liệu trong đời sống. Công cụ khai phá dữ liệu được sử dụng trong bài nghiên cứu — Ôrange.

Phân lớp dữ liệu. Khái niệm về phân lớp dữ liệu. Quy trình phân lớp dữ liệu. Xây dựng mô hình phân lop (Learning).

Ước lượng độ chính xác của mô hình và phân lớp dữ liệu mới (Đi) e. Các phương pháp phân lớp dữ liệu. Hồi quy Logistic (Logistic Regression).-- 0 nàn re se 12 2. Cây quyết định (Decision Tree).

chư Hà HH HH HH tk 14 2. Chỉ tiết mô hình khai phá dữ liệu bằng Neural Network. Các phương pháp đánh giá mô hình phân lớp. Ma trận nhằm lẫn (Confusion Matrix) và độ chính xác (Áccuracy); ROC, AUC, Precision/Recall.

In nh 1221122111 x 2xx nvờ 17 2. Cross Validation: Holdout và K-fold eross validation. 20 Chương 3: PHÂN TÍCH DỮ LIỆU HUẬN LUYỆN VẢ DỰ BÁO. Sơ lược thị trường chứng khoán tại Việt NÑam.

Mô hình nghiên cứu. Xây dựng biến số dùng nghiên cứu. Biến phụ thuộc. Biến độc lập.

Mô hình nghiên cứu đề xuẤ. Nguồn số liệu, phương pháp thu thập dữ liệu và nghiên cứu. Bộ dữ liệu huấn luyện. Bộ dữ liệu dự báo.

Kết quả của dữ liệu huấn luyện. Kết quả của dữ liệu dự báo. Kết luận của kết quả nghiên cứu. 2 2s ng 36 Il Chương 4: KẾT LUẬN VÀ HẠN CHẾ - GIẢI PHÁP.

2S nhọn H2 12211 121gr rên 38 4. Hạn chế và giải pháp. 0 n2 rrryyg 39 TÀI LIỆU THAM KHẢO. 2S S2 222 n2 222212111111 rrrna I Tài liệu tham khảo trong nước.

ecceeceeeneceeeneesseecaeceseesceeseentaeeneeesseeens 1 Tài liệu tham khảo nước ngoài. 0 0 2n 22c 22 2122121211121 212 2511211111111 111 1x1 xe II PHU LUC 1: DANH SACH CONG TY NIEM YET TRONG BO DU LIEU HUAN IV DANH MUC CHU VIET TAT EPS: Earning Per Share HOSE: Sàn giao dịch chứng khoán tại Thành phố Hồ Chí Minh HNX: Sản giao dịch chứng khoán tại Hà Nội UPCOM: Sàn giao dịch chứng khoán tại Thành phố Hồ Chí Minh AUC: Area Under Curve ROC: Receiver Operating Characteristic SVM: Support Vector Machine MCU: Multipoint Control Unit ASEAN: Hiệp hội các quốc gia Đông Nam A SAR - COV - 2: Viết tắt của đại dịch COVID - 19 PE: Price to Earning ratio ROA: Return on Assets ROE: Return on Equity BV: Price to Book value DE: Debt to Equity V DANH MỤC BẢNG BIEU — HINH VE VA BIEU DO Hình 2. Quy trình khai phá dữ liệu Hình 2. Quá trình phân lớp dữ liệu - Xây dựng mô hình phân lớp Hình 2.

Quá trình phân lớp dữ liệu - Ước lượng độ chính xác của mô hình Hinh 2. Quá trình phân lớp dữ liệu —- Phân lớp dữ liệu mới Hình 2. Mô hình phân lớp nhị phân sử dụng phương pháp hồi quy logistic Hinh 2. Biéu dé thé hién gid tri Margin va Support Vector Hình 2.

Ví dụ mô hình cây quyết định về lựa chọn làm việc một ngày cụ thé Hình 2. Hình vẽ thể hiện mạng lưới hoạt động của Neural Network Hình 2. Đường cong ROC Hình 2. Diện tích đường cong ROC (độ đo AUC) Bảng 2.

Ma trận nhằm lẫn Bảng 2. Độ đo AUC với độ chính xác của mô hình phân lớp Hình 3. Dữ liệu huấn luyện của 20 công ty niêm yết Hình 3. Dữ liệu dự báo của 20 công ty niêm yết Hình 3.

Mô tả các thuộc tính của các biến Hình 3. Tổng quan về quy trình huấn luyện và dự báo bằng sơ đỗ Hình 3. Kết quả của mô hình đánh giá phân lớp bằng Cross Validation Hình 3. Ma trận nhằm lẫn với Neural Network Hình 3.

Các thuộc tính của bộ dữ liệu dự báo Hình 3. Kết quả của dự báo bằng Neural Network Hình 3. Chỉ số Neural Network Biéu đồ 3. Biểu đỗ thế hiện chỉ số VN-INDEX của Việt Nam giai đoạn 2018 — 2020 1 Chuong 1: GIOI THIEU 1.

Lý do lựa chọn đề tài Công nghệ thông tin đóng vai trò hết sức quan trọng trong việc phát triển kinh tế — xã hội, cũng như về cả mặt văn hóa và chính trị cùng với đó góp phần hình thành những nhân tế mới, con người mới. Công nghê thông tin tại Việt Nam ngày nay cũng dần phát triển và bùng nỗ khiến cho việc thu thập một lượng lớn dữ liệu tăng lên nhanh chóng. Mặc dù, đã có nhiều công cụ hỗ trợ cho việc thụ nhập, lưu trữ và khai phá dữ liệu, song, với sự bùng no lớn mạnh của thông tin được thu thập đã vượt ngoài tầm kiểm soát của con người để có thể nắm bắt chúng và xử lý kịp thời. Cần phải có kỹ thuật khai phá một bệ đữ liệu lớn, vì thế, khai phá đữ liệu đang là mối quan tâm hàng đầu của các nhà nghiên cứu trong những năm gần đây.

Khai phá đữ liệu có thể được ứng dụng trên nhiều các lĩnh vực như tài chính, ngân hàng, công nghệ thông tin, y tế, giáo dục,. Đặc biệt, với sự phát triển không ngừng của ngành tài chính hiện nay, việc mà chúng ta xử lý dữ liệu quá lớn cần phải được thực hiện nhanh chóng, triệt đề, tránh mất mát nhiều thời gian. Ngày nay, công nghệ thông tin càng ngày càng phát triển đồng nghĩa với việc chúng ta cần phải phát triển hơn các phần mềm, các ứng dụng để nâng cao năng suất làm việc, thay thế cho những kỹ thuật xử lý thô sơ như trước. Chính vì thế, khai phá đữ liệu là công cụ phân tích, giúp cho việc xử lý dữ liệu được diễn ra nhanh chóng và thông minh hơn.

Khai phá dữ liệu cho phép người sử dụng phân tích dữ liệu với nhiều góc độ khác nhau, phân loại dữ liệu theo nhiều quan điểm riêng biệt từ đó, tông kết các mối quan hệ đã được bóc tách. Lĩnh vực tài chính là một trong những lĩnh vực ngày càng nôi tiếng qua nhiều giai đoạn, đặc biệt là về thị trường chứng khoán có sức hút đối với rất nhiều người, kế cả những bạn sinh viên học tập tại các trường Đại học và Cao Đăng. Khai phá dữ liệu trong lĩnh vực tài chính được sử dụng để tăng độ trung thành của một lượng lớn khách hàng thông qua việc thu thập thông tin cá nhân và phân tích các đữ liệu về những hành vi của khách hàng. Lĩnh vực tài chính ở đây chính là các ngân hàng, họ sử dụng các thông tin liên quan để dự báo những hành vi của khách hàng, từ đó sẽ đưa ra các sản phâm và dịch vụ thích hợp nhất.

Không chỉ về mặt dự báo về những hành vi của khách hàng, khai phá dữ liệu trong chứng khoán sẽ giúp các nhà tài chính có cái nhìn rõ hơn về mối tương quan 2 giữa các chí số tài chính, giúp phát hiện ra các rủi ro cao từ những hoạt động giao dich thường ngày. Đâu tư tài chính là một trong những hoạt động diễn ra trên thị trường vốn với một đóng góp đáng kế vào thu nhập quốc đân của một quốc gia. Sở giao dịch chứng khoán Thành phó Hồ Chí Minh (HOSE) và Sở giao dịch chứng khoán Hà Nội (HNX, UPCOM) là một thị trường vốn cho các công cụ tài chính dài hạn khác nhau có thể được giao dịch, dưới dạng nợ hoặc vốn tự có. Cễ phiếu là một trong những công cụ thị trường vốn mà các nhà đầu tư rất quan tâm hiện nay.

Cổ phiếu như một dấu hiệu của sự tham gia hoặc sở hữu của một cá nhân hoặc thực thể trong một công ty hữu hạn hoặc cá nhân. Trong đó, chỉ số EPS của cô phiếu khá là quan trọng trong việc đánh giá một công ty có hoạt động kinh doanh tốt hay không. Tỷ lệ thu nhập trên mỗi cô phiếu (EPS) được sử đụng đề đo lường sự thành công của ban lãnh đạo trong việc đạt được lợi nhuận cho các chủ sở hữu của công ty. EPS mô tả khả năng sinh lời của công ty được phản ánh trên mỗi cô phiếu.

Giá trị của EPS càng cao thì lợi nhuận càng lớn và có khả năng tăng lượng cỗ tức mà cô đông nhận được. Chứng tỏ rằng EPS càng cao, mô hình hoạt động kinh doanh của công ty rất tốt. Vì vậy, để kết hợp giữa các phương pháp khai phá dữ liệu trong lĩnh vực công nghệ thông tin cùng với phân tích dự báo chí số EPS trong lĩnh vực tài chính, tôi quyết định chọn đề tài “Nghiên cứu các phương pháp khai phá đữ liệu và ứng dụng Neural Network vao chi s6 tai chính EPS để dự báo tình hình hoạt động kinh doanh của các công ty niêm yết trên sàn giao dịch chứng khoán tại Việt Nam”. Mục tiêu nghiên cứu Bài nghiên cứu “Nghiên cứu các phương pháp khai phá dữ liệu và ứng dụng Neural Network vào chỉ số tài chính EPS để dự báo tình hình hoạt động kinh doanh của các công ty niêm yết trên sàn giao dịch chứng khoán tại Việt Nam” nhằm tập trung những mục tiêu được đề cập dưới đây:.

Bài nghiên cứu tiễn hành phân tích các lý thuyết của khai phá đữ liệu nhằm tập trung làm rõ những vấn đề của bài nghiên cứu. ° Nghiên cứu về các phương pháp của cụ thể, phương pháp phân lớp đữ liệu (phương pháp phân lớp đưa ra các dự báo, phân loại và cũng như phân lớp các đối tượng). 3 Nghiên cứu sẽ đưa các phương pháp phân lớp dữ liệu, và từ đó sẽ chọn ra một phương pháp tối ưu và đảm bảo nhất cho quá trình dự báo đữ liệu. ° Dự báo các mô hỉnh hoạt động kinh doanh sẽ dựa vào bộ dữ liệu đã được huấn luyện, từ đó sẽ đưa ra những mô hình hoạt động kinh doanh tốt nhất cho các doanh nghiệp được niêm yết trên sàn chứng khoán.

° Qua những kết quả của dữ liệu huấn luyện cùng với đó là dự báo mô hình hoạt động kinh doanh thông qua chỉ số EPS, tôi sẽ đưa ra các kết luận, cùng với đó là những hạn chế của bài nghiên cứu, sau đó đưa ra giải pháp tốt nhất cho bài nghiên cứu. Đối tượng nghiên cứu và phương pháp nghiên cứu Đối tượng nghiên cứu của để tài là 337 đoanh nghiệp đã được niêm yết trên hai san chứng khoán tại Việt Nam bao gồm sản giao dịch chứng khoản Thành phố Hé Chi Minh (HOSE) và sàn giao địch chứng khoán Hà Nội (HNX, UPCOM) với số liệu tài chính của Quý II năm 2021 (số liệu được lấy từ 10 nhóm ngành khác nhau).