SYLLABUS ECONOMIC FORECASTING (6)
Capstone 1, 2, 3 (Ngày 916–1000, 85 ngày)
CAPSTONE 1 - HỆ THỐNG DỰ BÁO CPI 12 THÁNG (Ngày 916–935)
Ngày 916: Khởi động - Xác định Yêu cầu Hệ thống
Mục tiêu: Xác định rõ phạm vi và tiêu chí thành công của Capstone 1.
Lý thuyết: Ôn lại toàn bộ mục tiêu forecasting CPI đã theo đuổi xuyên suốt syllabus (Giai đoạn 2, 3, 5, 6).
Thực hành: Viết tài liệu yêu cầu (1 trang): input, output, tần suất cập nhật, độ chính xác kỳ vọng cho hệ thống dự báo CPI 12 tháng.
Ngày 917: Thiết kế Kiến trúc Tổng thể
Mục tiêu: Có bản thiết kế trước khi code.
Lý thuyết: Ôn lại kiến trúc MLOps đã học (Giai đoạn 8, Ngày 866, 870).
Thực hành: Vẽ sơ đồ kiến trúc đầy đủ: Data Sources → ETL → Feature Store → Model Zoo → Combination → API → Dashboard → Monitoring.
Ngày 918: Thu thập Dữ liệu Đầy đủ
Mục tiêu: Tổng hợp lại toàn bộ nguồn dữ liệu liên quan CPI.
Lý thuyết: Ôn lại
DataFetcher(Giai đoạn 7, Ngày 779).Thực hành: Chạy
DataFetcherthu thập toàn bộ chuỗi liên quan CPI (cung tiền, lãi suất, tỷ giá, giá dầu, PMI).
Ngày 919: Xây dựng ETL Pipeline Production
Mục tiêu: Đưa việc thu thập dữ liệu vào vận hành tự động.
Lý thuyết: Ôn lại Airflow DAG cho ETL (Giai đoạn 8, Ngày 849).
Thực hành: Cấu hình lại DAG ETL riêng cho Capstone 1, chạy thử theo lịch hàng ngày.
Ngày 920: Data Quality Checks Tự động
Mục tiêu: Đảm bảo dữ liệu đầu vào đáng tin cậy.
Lý thuyết: Ôn lại
DataQualityChecker(Giai đoạn 7, Ngày 819).Thực hành: Tích hợp data quality check vào DAG, chặn pipeline nếu phát hiện lỗi nghiêm trọng.
Ngày 921: Feature Engineering Pipeline Hoàn chỉnh
Mục tiêu: Có bộ feature production-ready.
Lý thuyết: Ôn lại toàn bộ kỹ thuật feature engineering (Giai đoạn 5, Phần B).
Thực hành: Đóng gói pipeline feature thành module tái sử dụng, kiểm tra không có data leakage.
Ngày 922: Xây dựng và So sánh Nhiều Mô hình Ứng viên
Mục tiêu: Có nhiều lựa chọn mô hình trước khi quyết định.
Lý thuyết: Ôn lại SARIMA (Giai đoạn 3), XGBoost/LightGBM (Giai đoạn 5), LSTM (Giai đoạn 5).
Thực hành: Fit lại cả 4 mô hình cho CPI với dữ liệu mới nhất, lập bảng so sánh RMSE.
Ngày 923: Forecast Combination cho Mô hình Cuối
Mục tiêu: Tận dụng lợi ích combination đã học ở Giai đoạn 6.
Lý thuyết: Ôn lại
ForecastCombiner(Giai đoạn 6, Ngày 724).Thực hành: Kết hợp 4 mô hình bằng inverse-MSE weighting, xác nhận cải thiện RMSE.
Ngày 924: Density Forecasting - Khoảng Dự báo
Mục tiêu: Cung cấp không chỉ điểm dự báo mà cả mức độ bất định.
Lý thuyết: Ôn lại quantile regression/conformal prediction (Giai đoạn 6, Phần D).
Thực hành: Tính khoảng dự báo 68%/95% cho toàn bộ 12 tháng dự báo CPI.
Ngày 925: Walk-forward Validation Toàn diện
Mục tiêu: Đánh giá nghiêm ngặt trước khi đưa vào production.
Lý thuyết: Ôn lại
ForecastEvaluator(Giai đoạn 5, Ngày 544).Thực hành: Chạy walk-forward validation đầy đủ cho mô hình combination cuối cùng qua toàn bộ lịch sử có sẵn.
Ngày 926: MLflow Tracking cho Toàn bộ Thí nghiệm
Mục tiêu: Có lịch sử thí nghiệm minh bạch.
Lý thuyết: Ôn lại MLflow Tracking (Giai đoạn 8, Ngày 835-836).
Thực hành: Log toàn bộ 4 mô hình ứng viên + mô hình combination vào MLflow.
Ngày 927: Model Registry và Versioning
Mục tiêu: Quản lý phiên bản mô hình chính thức.
Lý thuyết: Ôn lại MLflow Model Registry (Giai đoạn 8, Ngày 837).
Thực hành: Đăng ký mô hình combination cuối cùng vào registry, đánh dấu stage "Production".
Ngày 928: Xây dựng API Dự báo
Mục tiêu: Có giao diện lập trình cho kết quả dự báo.
Lý thuyết: Ôn lại FastAPI (Giai đoạn 8, Ngày 857-858).
Thực hành: Viết endpoint
/forecast/cpi/12mtrả về 12 tháng dự báo kèm khoảng tin cậy, load từ Model Registry.
Ngày 929: Containerize Toàn bộ Hệ thống
Mục tiêu: Đóng gói hệ thống để triển khai nhất quán.
Lý thuyết: Ôn lại Docker Compose (Giai đoạn 8, Ngày 833, 867).
Thực hành: Viết
docker-compose.ymlcho toàn bộ Capstone 1 (ETL + API + database).
Ngày 930: Xây Dashboard Hiển thị Dự báo 12 Tháng
Mục tiêu: Trình bày kết quả trực quan cho người dùng cuối.
Lý thuyết: Ôn lại thiết kế dashboard forecasting (Giai đoạn 3, Ngày 320; Giai đoạn 6, Ngày 747).
Thực hành: Xây dashboard Streamlit hiển thị fan chart CPI 12 tháng, so sánh với dự báo lịch sử.
Ngày 931: Forecast Monitoring Layer
Mục tiêu: Có khả năng giám sát khi hệ thống chạy thực tế.
Lý thuyết: Ôn lại hệ thống monitoring (Giai đoạn 8, Phần B).
Thực hành: Tích hợp logging dự báo và rolling RMSE dashboard vào Capstone 1.
Ngày 932: Concept Drift Detection Layer
Mục tiêu: Chuẩn bị cho khả năng thích ứng khi có thay đổi cấu trúc.
Lý thuyết: Ôn lại
DriftDetector(Giai đoạn 8, Ngày 905).Thực hành: Tích hợp drift detection vào pipeline, kết nối với cơ chế retrain tự động.
Ngày 933: Kiểm thử Toàn diện Hệ thống
Mục tiêu: Xác nhận toàn bộ hệ thống hoạt động đúng đầu cuối.
Lý thuyết: Ôn lại end-to-end testing.
Thực hành: Chạy toàn bộ chu trình từ ETL đến dashboard, kiểm tra không có lỗi.
Ngày 934: Viết Tài liệu Kỹ thuật Đầy đủ
Mục tiêu: Hoàn thiện tài liệu cho hệ thống.
Lý thuyết: Ôn lại cấu trúc tài liệu kiến trúc + runbook (Giai đoạn 7, 8).
Thực hành: Viết tài liệu kỹ thuật đầy đủ: kiến trúc, cách vận hành, cách bảo trì.
Ngày 935: Tổng kết và Demo Capstone 1
Mục tiêu: Hoàn thiện sản phẩm đầu tiên có thể trình diễn.
Lý thuyết: Ôn tập toàn bộ hành trình xây dựng Capstone 1.
Thực hành: Chuẩn bị và thực hiện một buổi demo hoàn chỉnh (tự trình bày hoặc quay video): giới thiệu hệ thống, chạy dự báo trực tiếp, giải thích kết quả.
CAPSTONE 2 - HỆ THỐNG NOWCASTING GDP (Ngày 936–955)
Input: CPI, PMI, Exports, Imports, Exchange Rate → Output: GDP quý hiện tại.
Ngày 936: Khởi động - Xác định Yêu cầu Hệ thống
Mục tiêu: Xác định rõ phạm vi Capstone 2, phức tạp hơn Capstone 1.
Lý thuyết: Ôn lại toàn bộ hệ thống nowcasting đã xây ở Giai đoạn 6 (Ngày 679-690) - Capstone 2 mở rộng và hoàn thiện nó.
Thực hành: Viết tài liệu yêu cầu: 5 chỉ báo input cụ thể, tần suất cập nhật (khi có dữ liệu tháng mới), độ trễ tối đa cho phép.
Ngày 937: Thiết kế Kiến trúc Hệ thống Nowcasting
Mục tiêu: Có bản thiết kế chi tiết hơn so với bản nháp ở Giai đoạn 6.
Lý thuyết: Ôn lại kiến trúc nowcasting (Giai đoạn 6, Ngày 658, 679).
Thực hành: Vẽ sơ đồ kiến trúc cập nhật: Data ingestion (ragged edge-aware) → DFM/MIDAS/ML ensemble → Update engine → API → Dashboard.
Ngày 938: Thu thập Dữ liệu Đa nguồn, Đa tần suất
Mục tiêu: Có đầy đủ 5 input chính thức cho hệ thống.
Lý thuyết: Ôn lại
DataFetcheráp dụng cho CPI (tháng), PMI (tháng), xuất/nhập khẩu (tháng), tỷ giá (ngày).Thực hành: Thu thập và tổ chức toàn bộ 5 chuỗi input theo tần suất gốc.
Ngày 939: Xây dựng Lịch Công bố Dữ liệu
Mục tiêu: Mô hình hóa chính xác vấn đề ragged edge cho 5 input cụ thể.
Lý thuyết: Ôn lại ragged edge problem (Giai đoạn 6, Ngày 636-637).
Thực hành: Xây bảng lịch công bố chính xác cho CPI, PMI, xuất/nhập khẩu, tỷ giá tại.
Ngày 940: Mô hình DFM Nền tảng
Mục tiêu: Xây lớp mô hình chính thứ nhất.
Lý thuyết: Ôn lại Dynamic Factor Model (Giai đoạn 4, Phần A).
Thực hành: Ước lượng DFM cho 5 chỉ báo, trích xuất factor chung.
Ngày 941: Mô hình MIDAS Bridge
Mục tiêu: Xây lớp mô hình chính thứ hai.
Lý thuyết: Ôn lại MIDAS (Giai đoạn 6, Phần A).
Thực hành: Ước lượng MIDAS bridge equation cho GDP từ 5 chỉ báo tháng.
Ngày 942: Mô hình ML Layer
Mục tiêu: Xây lớp mô hình chính thứ ba.
Lý thuyết: Ôn lại XGBoost nowcasting (Giai đoạn 6, Ngày 669).
Thực hành: Fit XGBoost nowcasting với đầy đủ feature engineering từ 5 chỉ báo.
Ngày 943: Kết hợp Alternative Data
Mục tiêu: Nâng cao độ chính xác bằng dữ liệu thay thế.
Lý thuyết: Ôn lại Google Trends/sentiment (Giai đoạn 6, Ngày 670-676).
Thực hành: Thêm Google Trends và sentiment index vào ML layer.
Ngày 944: Forecast Combination Đa Mô hình
Mục tiêu: Kết hợp DFM + MIDAS + ML thành một nowcast cuối cùng.
Lý thuyết: Ôn lại
ForecastCombiner(Giai đoạn 6, Ngày 724).Thực hành: Kết hợp 3 phương pháp bằng weighted combination, đánh giá cải thiện.
Ngày 945: Cơ chế Cập nhật Nowcast theo Thời gian Thực
Mục tiêu: Đảm bảo nowcast cập nhật ngay khi có dữ liệu mới.
Lý thuyết: Ôn lại Kalman update (Giai đoạn 6, Ngày 662).
Thực hành: Cài đặt hàm cập nhật tự động khi có 1 trong 5 input mới được công bố.
Ngày 946: News Decomposition
Mục tiêu: Diễn giải được lý do thay đổi nowcast.
Lý thuyết: Ôn lại news decomposition (Giai đoạn 6, Ngày 663, 686).
Thực hành: Cài đặt phân rã đóng góp của từng chỉ báo cho mỗi lần cập nhật nowcast.
Ngày 947: Pseudo Real-time Evaluation Toàn diện
Mục tiêu: Đánh giá nghiêm ngặt trước khi coi là hoàn thiện.
Lý thuyết: Ôn lại pseudo real-time evaluation (Giai đoạn 6, Ngày 677-678, 687).
Thực hành: Chạy đánh giá pseudo real-time đầy đủ qua nhiều quý lịch sử, vẽ biểu đồ RMSE theo tuần trong quý.
Ngày 948: MLOps - Airflow Orchestration
Mục tiêu: Tự động hóa toàn bộ quy trình.
Lý thuyết: Ôn lại Airflow DAG (Giai đoạn 8, Phần A).
Thực hành: Viết DAG cho Capstone 2: check lịch công bố → ingest dữ liệu mới → cập nhật nowcast → log kết quả.
Ngày 949: API Phục vụ Nowcast
Mục tiêu: Có giao diện lập trình truy cập nowcast mới nhất.
Lý thuyết: Ôn lại FastAPI.
Thực hành: Viết endpoint
/nowcast/gdptrả về nowcast hiện tại kèm news decomposition.
Ngày 950: Dashboard Nowcast Tương tác
Mục tiêu: Trình bày kết quả trực quan, kiểu GDPNow.
Lý thuyết: Ôn lại dashboard nowcasting (Giai đoạn 6, Ngày 689).
Thực hành: Xây dashboard hiển thị: nowcast hiện tại, lịch sử cập nhật qua thời gian (kiểu đường GDPNow), news decomposition.
Ngày 951: Monitoring và Alerting
Mục tiêu: Giám sát hệ thống khi vận hành.
Lý thuyết: Ôn lại forecast monitoring (Giai đoạn 8, Phần B).
Thực hành: Tích hợp logging và alerting khi nowcast lệch bất thường so với xu hướng.
Ngày 952: Drift Detection cho Nowcasting
Mục tiêu: Đảm bảo hệ thống thích ứng với thay đổi cấu trúc.
Lý thuyết: Ôn lại
DriftDetector(Giai đoạn 8, Ngày 905).Thực hành: Tích hợp drift detection cho residual của nowcast.
Ngày 953: Kiểm thử Toàn diện Hệ thống
Mục tiêu: Xác nhận hệ thống hoạt động đúng đầu cuối.
Lý thuyết: Ôn lại end-to-end testing.
Thực hành: Chạy toàn bộ chu trình từ ingest đến dashboard, mô phỏng một chu kỳ quý đầy đủ.
Ngày 954: Viết Tài liệu Kỹ thuật
Mục tiêu: Hoàn thiện tài liệu cho hệ thống.
Lý thuyết: Ôn lại cấu trúc tài liệu.
Thực hành: Viết tài liệu kỹ thuật đầy đủ cho Capstone 2, bao gồm phương pháp luận 3 mô hình kết hợp.
Ngày 955: Tổng kết và Demo Capstone 2
Mục tiêu: Hoàn thiện sản phẩm nowcasting có thể trình diễn.
Lý thuyết: Ôn tập toàn bộ hành trình xây dựng Capstone 2.
Thực hành: Thực hiện demo: chạy nowcast trực tiếp, minh họa cập nhật khi có dữ liệu mới, giải thích news decomposition.
CAPSTONE 3 - MINI CENTRAL BANK FORECASTING PLATFORM (Ngày 956–1000)
Bao gồm: Data lake, Economic indicators, Forecasting engine, Scenario analysis, Dashboard, Monitoring, Model registry.
Ngày 956: Khởi động - Tầm nhìn Tổng thể Platform
Mục tiêu: Hiểu rõ Capstone 3 là sự tổng hợp toàn bộ syllabus thành một hệ thống thống nhất.
Lý thuyết: Ôn lại toàn bộ 8 giai đoạn và 2 Capstone trước - Capstone 3 không tạo kiến thức mới mà tích hợp mọi thứ đã học.
Thực hành: Viết tài liệu tầm nhìn (vision document): platform phục vụ ai, giải quyết bài toán gì, khác gì với Capstone 1 và 2.
Ngày 957: Thiết kế Kiến trúc Data Lake
Mục tiêu: Thiết kế hạ tầng dữ liệu trung tâm cho toàn platform.
Lý thuyết: Ôn lại schema dữ liệu (Giai đoạn 7, Ngày 791), mở rộng thành kiến trúc data lake nhiều lớp (raw/curated).
Thực hành: Vẽ sơ đồ kiến trúc data lake: raw layer (dữ liệu thô từ mọi nguồn) → curated layer (đã làm sạch, chuẩn hóa).
Ngày 958: Xây dựng Data Lake - Raw Layer
Mục tiêu: Lưu trữ toàn bộ dữ liệu thô từ mọi nguồn.
Lý thuyết: Ôn lại toàn bộ nguồn dữ liệu (Giai đoạn 7, Phần A).
Thực hành: Cài đặt raw layer lưu dữ liệu gốc (chưa xử lý) từ IMF, World Bank, FRED, GSO, SBV.
Ngày 959: Xây dựng Data Lake - Curated Layer
Mục tiêu: Có lớp dữ liệu sạch sẵn sàng cho mô hình hóa.
Lý thuyết: Ôn lại ETL transformation (Giai đoạn 7, Phần B).
Thực hành: Cài đặt curated layer với dữ liệu đã chuẩn hóa schema, đã qua data quality checks.
Ngày 960: Vintage/Versioning trong Data Lake
Mục tiêu: Hỗ trợ truy vấn dữ liệu theo thời điểm lịch sử.
Lý thuyết: Ôn lại vintage database (Giai đoạn 7, Ngày 814-815).
Thực hành: Tích hợp khả năng vintage vào cả raw và curated layer.
Ngày 961: Catalog Toàn bộ Economic Indicators
Mục tiêu: Có tài liệu tham chiếu đầy đủ cho toàn bộ chỉ báo trong platform.
Lý thuyết: Ôn lại data catalog (Giai đoạn 7, Ngày 778).
Thực hành: Mở rộng data catalog để bao phủ toàn bộ ~40-50 chỉ báo đã dùng xuyên suốt syllabus.
Ngày 962: Chuẩn hóa Metadata cho Từng Indicator
Mục tiêu: Đảm bảo mỗi chỉ báo có đầy đủ thông tin mô tả.
Lý thuyết: Metadata schema: đơn vị đo, nguồn, tần suất, độ trễ công bố, phương pháp tính.
Thực hành: Viết file metadata (YAML/JSON) đầy đủ cho từng chỉ báo trong catalog.
Ngày 963: Thiết kế Forecasting Engine - Kiến trúc Tổng quát
Mục tiêu: Thiết kế lõi engine có thể chạy nhiều loại mô hình.
Lý thuyết: Model plugin architecture - mỗi họ mô hình (ARIMA, VAR, ML...) là một "plugin" tuân theo interface chung.
Thực hành: Thiết kế interface chung (abstract class)
BaseForecastModelvới methodfit(),predict(),evaluate().
Ngày 964: Forecasting Engine - Model Plugin Architecture
Mục tiêu: Cài đặt cơ chế đăng ký mô hình linh hoạt.
Lý thuyết: Ôn lại design pattern registry/factory.
Thực hành: Viết
ModelRegistryclass cho phép đăng ký và gọi bất kỳ mô hình nào qua tên.
Ngày 965: Forecasting Engine - Tích hợp ARIMA/SARIMA/VAR/VECM
Mục tiêu: Đưa toàn bộ mô hình chuỗi thời gian cổ điển vào engine.
Lý thuyết: Ôn lại Giai đoạn 3.
Thực hành: Wrap ARIMA, SARIMA, VAR, VECM thành các plugin tuân theo
BaseForecastModel.
Ngày 966: Forecasting Engine - Tích hợp BVAR/DFM/DSGE
Mục tiêu: Đưa toàn bộ mô hình macro nâng cao vào engine.
Lý thuyết: Ôn lại Giai đoạn 4.
Thực hành: Wrap BVAR, DFM, mini DSGE thành các plugin.
Ngày 967: Forecasting Engine - Tích hợp ML/Deep Learning/Transformer
Mục tiêu: Đưa toàn bộ mô hình hiện đại vào engine.
Lý thuyết: Ôn lại Giai đoạn 5.
Thực hành: Wrap XGBoost, LightGBM, LSTM, TFT thành các plugin.
Ngày 968: Forecasting Engine - Tích hợp MIDAS/Nowcasting
Mục tiêu: Đưa khả năng nowcasting vào engine chung.
Lý thuyết: Ôn lại Giai đoạn 6, Capstone 2.
Thực hành: Wrap MIDAS và hệ thống nowcasting từ Capstone 2 thành plugin trong engine.
Ngày 969: Forecasting Engine - Forecast Combination Layer
Mục tiêu: Có lớp kết hợp tự động cho mọi biến mục tiêu.
Lý thuyết: Ôn lại
ForecastCombiner(Giai đoạn 6).Thực hành: Tích hợp combination layer hoạt động tự động trên output của
ModelRegistry.
Ngày 970: Forecasting Engine - Density Forecasting Layer
Mục tiêu: Mọi dự báo trong platform đều có khoảng bất định đi kèm.
Lý thuyết: Ôn lại Giai đoạn 6, Phần D.
Thực hành: Tích hợp quantile/conformal prediction layer áp dụng chung cho toàn bộ output engine.
Ngày 971: Scenario Analysis - Thiết kế Khung
Mục tiêu: Xây dựng khả năng mới chưa có ở Capstone 1, 2: phân tích kịch bản.
Lý thuyết: Scenario analysis, khả năng trả lời câu hỏi "điều gì xảy ra nếu...".
Thực hành: Thiết kế khung scenario analysis: input (giả định shock), engine xử lý, output (đường dự báo theo kịch bản).
Ngày 972: Scenario Analysis - Kịch bản dựa trên DSGE
Mục tiêu: Dùng mô hình có nền tảng cấu trúc cho phân tích kịch bản.
Lý thuyết: Ôn lại mini DSGE (Giai đoạn 4, Phần D) - công cụ tự nhiên nhất cho scenario vì có ý nghĩa cấu trúc rõ ràng.
Thực hành: Cài đặt kịch bản "shock chính sách tiền tệ +1%" chạy qua mini DSGE, xuất đường phản ứng các biến chính.
Ngày 973: Scenario Analysis - Kịch bản dựa trên VAR/BVAR
Mục tiêu: Dùng mô hình thống kê cho conditional forecasting.
Lý thuyết: Conditional forecast trong VAR/BVAR - dự báo có điều kiện một biến đi theo một lộ trình giả định.
Thực hành: Cài đặt kịch bản "GDP toàn cầu suy giảm" bằng conditional forecast trên BVAR (Giai đoạn 4).
Ngày 974: Scenario Analysis - Kịch bản "What-if" Tương tác
Mục tiêu: Cho phép người dùng tự tạo kịch bản.
Lý thuyết: Ôn lại thiết kế UI tương tác (Streamlit widgets).
Thực hành: Xây giao diện cho phép người dùng nhập giả định (VD: giá dầu +20%) và xem kết quả dự báo thay đổi.
Ngày 975: Scenario Analysis - Kiểm thử với Case Study Thực tế
Mục tiêu: Xác nhận tính hợp lý của khung scenario analysis.
Lý thuyết: Ôn lại case study shock giá dầu (đã đề cập ở Giai đoạn 1, 3).
Thực hành: Chạy lại kịch bản shock giá dầu lịch sử đã biết, so sánh kết quả mô phỏng với những gì thực tế đã xảy ra.
Ngày 976: Model Registry - Thiết kế Toàn diện
Mục tiêu: Quản lý tập trung mọi mô hình trong platform.
Lý thuyết: Ôn lại MLflow Model Registry (Giai đoạn 8), mở rộng cho nhiều biến mục tiêu × nhiều họ mô hình.
Thực hành: Thiết kế cấu trúc registry: mỗi (biến mục tiêu, họ mô hình) có một dòng lịch sử phiên bản riêng.
Ngày 977: Model Registry - Tích hợp MLflow cho Toàn bộ Mô hình
Mục tiêu: Áp dụng thực tế thiết kế đã có.
Lý thuyết: Ôn lại MLflow Tracking/Registry.
Thực hành: Đăng ký toàn bộ plugin từ
ModelRegistry(Ngày 964) vào MLflow.
Ngày 978: Model Registry - Champion/Challenger cho Từng Biến
Mục tiêu: Có cơ chế quản lý mô hình chính thức tự động.
Lý thuyết: Ôn lại champion/challenger framework (Giai đoạn 8, Ngày 878).
Thực hành: Cài đặt cơ chế tự động promote challenger lên champion khi vượt trội qua N kỳ backtest liên tiếp.
Ngày 979: Monitoring - Thiết kế Toàn diện cho Đa Mô hình
Mục tiêu: Giám sát đồng thời nhiều biến, nhiều mô hình.
Lý thuyết: Ôn lại forecast monitoring (Giai đoạn 8, Phần B), mở rộng quy mô.
Thực hành: Thiết kế schema log/metric hỗ trợ giám sát ma trận (biến × mô hình).
Ngày 980: Monitoring - Drift Detection Tích hợp
Mục tiêu: Giám sát drift trên toàn bộ hệ thống.
Lý thuyết: Ôn lại
DriftDetector(Giai đoạn 8).Thực hành: Chạy
DriftDetectorcho từng cặp (biến, mô hình) trong platform, tổng hợp báo cáo.
Ngày 981: Monitoring - Alerting Toàn Hệ thống
Mục tiêu: Có cơ chế cảnh báo tập trung.
Lý thuyết: Ôn lại alerting (Giai đoạn 8, Ngày 875, 884).
Thực hành: Xây dựng trung tâm cảnh báo tổng hợp (alert center) hiển thị mọi cảnh báo từ toàn bộ platform.
Ngày 982: MLOps - Airflow Orchestration Toàn Platform
Mục tiêu: Tự động hóa toàn bộ vận hành platform.
Lý thuyết: Ôn lại Airflow DAG, mở rộng thành nhiều DAG phối hợp.
Thực hành: Thiết kế hệ thống DAG: DAG data lake, DAG training theo lịch, DAG nowcasting theo sự kiện, DAG monitoring định kỳ.
Ngày 983: MLOps - Containerize Toàn bộ Platform
Mục tiêu: Đóng gói toàn bộ hệ thống phức tạp thành các service quản lý được.
Lý thuyết: Ôn lại Docker Compose cho multi-service phức tạp.
Thực hành: Viết
docker-compose.ymlđầy đủ: data lake service, Airflow, MLflow, API, dashboard, database.
Ngày 984: API Gateway cho Toàn bộ Platform
Mục tiêu: Có điểm truy cập thống nhất cho mọi chức năng.
Lý thuyết: API Gateway pattern, tổng hợp các endpoint riêng lẻ (forecast, nowcast, scenario) thành một cổng chung.
Thực hành: Thiết kế và cài đặt API Gateway với các route:
/forecast/{indicator},/nowcast/gdp,/scenario/run.
Ngày 985: Dashboard - Trang Tổng quan Kinh tế Vĩ mô
Mục tiêu: Có trang chủ hiển thị bức tranh kinh tế tổng thể.
Lý thuyết: Ôn lại dashboard đã xây ở Giai đoạn 1 (Ngày 112-115), nâng cấp quy mô.
Thực hành: Xây trang tổng quan hiển thị toàn bộ chỉ báo chính (GDP, CPI, tỷ giá, lãi suất) với dự báo mới nhất.
Ngày 986: Dashboard - Trang Chi tiết Từng Mô hình
Mục tiêu: Cho phép người dùng đi sâu vào từng mô hình cụ thể.
Lý thuyết: Ôn lại các dashboard chi tiết đã xây (Giai đoạn 3, 5, 6).
Thực hành: Xây trang cho phép chọn (biến, mô hình) và xem chi tiết dự báo, khoảng tin cậy, hiệu năng lịch sử.
Ngày 987: Dashboard - Trang Scenario Analysis Tương tác
Mục tiêu: Đưa khung scenario analysis lên giao diện người dùng.
Lý thuyết: Ôn lại giao diện what-if (Ngày 974).
Thực hành: Tích hợp trang scenario analysis vào dashboard chính của platform.
Ngày 988: Dashboard - Trang Monitoring/Health Hệ thống
Mục tiêu: Cho phép người vận hành theo dõi "sức khỏe" platform.
Lý thuyết: Ôn lại alert center (Ngày 981).
Thực hành: Xây trang admin hiển thị trạng thái pipeline, cảnh báo đang mở, lịch sử drift detection.
Ngày 989: Bảo mật và Quản lý Truy cập Cơ bản
Mục tiêu: Có lớp bảo vệ tối thiểu cho platform.
Lý thuyết: Authentication cơ bản (API key hoặc JWT), phân quyền đơn giản (viewer vs admin).
Thực hành: Thêm xác thực API key cơ bản cho API Gateway.
Ngày 990: Kiểm thử Toàn diện - Unit/Integration Test
Mục tiêu: Đảm bảo chất lượng code toàn platform.
Lý thuyết: Ôn lại testing (Giai đoạn 8, Ngày 862-864).
Thực hành: Viết bộ test bao phủ các module chính: data lake, forecasting engine, scenario analysis, API.
Ngày 991: Kiểm thử Toàn diện - Load Test Cơ bản
Mục tiêu: Kiểm tra khả năng chịu tải cơ bản của API.
Lý thuyết: Load testing, công cụ đơn giản (VD:
locust).Thực hành: Chạy load test cơ bản cho API Gateway, ghi nhận thời gian phản hồi.
Ngày 992: Kiểm thử Toàn diện - Đánh giá Độ chính xác Toàn Platform
Mục tiêu: Có bức tranh tổng thể về chất lượng dự báo của platform.
Lý thuyết: Ôn lại toàn bộ metric đánh giá đã học.
Thực hành: Chạy backtest toàn diện cho mọi (biến, mô hình) trong platform, tổng hợp báo cáo hiệu năng toàn hệ thống.
Ngày 993: Viết Tài liệu Kiến trúc Đầy đủ
Mục tiêu: Có tài liệu kỹ thuật hoàn chỉnh cho hệ thống phức tạp nhất trong syllabus.
Lý thuyết: Ôn lại cấu trúc tài liệu kiến trúc.
Thực hành: Viết tài liệu kiến trúc đầy đủ: data lake, forecasting engine, scenario analysis, model registry, monitoring - kèm sơ đồ.
Ngày 994: Viết Tài liệu Vận hành (Runbook)
Mục tiêu: Đảm bảo platform có thể vận hành và bảo trì bởi người khác.
Lý thuyết: Ôn lại runbook (Giai đoạn 7, Ngày 805).
Thực hành: Viết runbook đầy đủ: cách khởi động, cách xử lý sự cố thường gặp, cách thêm mô hình/chỉ báo mới.
Ngày 995: Viết Tài liệu Người dùng (User Guide)
Mục tiêu: Giúp người dùng cuối (không chuyên kỹ thuật) sử dụng được dashboard.
Lý thuyết: Ôn lại nguyên tắc viết tài liệu cho người dùng không chuyên.
Thực hành: Viết user guide hướng dẫn sử dụng từng trang dashboard.
Ngày 996: Chuẩn bị Demo/Presentation
Mục tiêu: Chuẩn bị trình bày sản phẩm cuối cùng của toàn bộ syllabus.
Lý thuyết: Ôn lại cấu trúc một buổi trình bày kỹ thuật hiệu quả.
Thực hành: Chuẩn bị slide/kịch bản demo: vấn đề, giải pháp, kiến trúc, demo trực tiếp, kết quả, hạn chế, hướng phát triển.
Ngày 997: Demo Toàn bộ Platform
Mục tiêu: Trình diễn hoàn chỉnh Mini Central Bank Forecasting Platform.
Lý thuyết: Không có - đây là ngày thực hành thuần túy.
Thực hành: Thực hiện demo đầy đủ: tổng quan kinh tế, dự báo chi tiết, scenario analysis tương tác, trang monitoring.
Ngày 998: Thu thập Phản hồi và Lên Roadmap Cải tiến
Mục tiêu: Có kế hoạch phát triển tiếp sau khi hoàn thành syllabus.
Lý thuyết: Ôn lại các hạn chế đã ghi nhận xuyên suốt quá trình học (VD: dữ liệu còn hạn chế, độ dài chuỗi ngắn cho deep learning).
Thực hành: Viết roadmap 6-12 tháng tiếp theo: thêm chỉ báo nào, cải thiện mô hình nào, mở rộng scenario nào.
Ngày 999: Retrospective - Nhìn lại Toàn bộ Hành trình
Mục tiêu: Củng cố việc học thông qua phản tư có hệ thống.
Lý thuyết: Ôn lại toàn bộ 9 giai đoạn đã đi qua (Nền tảng toán → Kinh tế học → Econometrics → Time Series → Macro Forecasting → ML → Advanced Forecasting → Data Engineering → Production).
Thực hành: Viết bài retrospective: kỹ năng nào tự tin nhất, kỹ năng nào cần trau dồi thêm, phần nào thú vị/khó khăn nhất.
Ngày 1000: Tổng kết Toàn khóa học - Economic Forecasting Mastery
Mục tiêu: Khép lại hành trình 1000 ngày với một cái nhìn tổng thể về năng lực đã đạt được.
Lý thuyết: Đối chiếu lại với mục tiêu cuối cùng đề ra từ đầu syllabus: đọc hiểu paper IMF/OECD/FED, xây mô hình GDP/CPI/thất nghiệp/tỷ giá/lãi suất, nowcasting, thiết kế production pipeline.
Thực hành: Viết bản CV/portfolio kỹ thuật tổng hợp toàn bộ 3 Capstone và các project quan trọng nhất, sẵn sàng cho việc ứng tuyển vị trí Economist/Econometrician/Economic Forecaster/Macro Quant Researcher.