Add YAML metadata for dataset viewer

README.md

@@ -1,7 +1,43 @@
+---
+configs:
+  - config_name: orders
+    data_files: "datasets/sample/orders.parquet"
+  - config_name: order_items
+    data_files: "datasets/sample/order_items.parquet"
+  - config_name: customers
+    data_files: "datasets/sample/customers.parquet"
+  - config_name: products
+    data_files: "datasets/sample/products.parquet"
+  - config_name: sellers
+    data_files: "datasets/sample/sellers.parquet"
+  - config_name: payments
+    data_files: "datasets/sample/payments.parquet"
+  - config_name: reviews
+    data_files: "datasets/sample/reviews.parquet"
+license: mit
+task_categories:
+  - tabular-classification
+  - tabular-regression
+language:
+  - pt
+  - en
+  - vi
+tags:
+  - education
+  - data-warehouse
+  - data-mining
+  - e-commerce
+  - olist
+pretty_name: "BIM5021 - Data Warehousing & Integration Course"
+size_categories:
+  - 1K<n<10K
+---
+
 # 📚 BIM5021 - Nhà kho dữ liệu và Tích hợp (Data Warehousing and Integration)
 
 [![HuggingFace](https://img.shields.io/badge/🤗-HuggingFace-yellow)](https://huggingface.co/datasets/thanhtai435/data-warehousing-course)
-[![License](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)
+
+> **📊 Sample Data**: Click tab **"Dataset Viewer"** bên trên để preview dữ liệu mẫu Olist E-commerce.
 
 ## 🏫 Thông tin học phần
 
@@ -12,174 +48,27 @@
 | **Khoa** | Hệ thống Thông tin |
 | **Số tín chỉ** | 3 (2 lý thuyết + 1 thực hành) |
 | **Giảng viên** | TS. Nguyễn Thôn Dã, NCS. ThS Nguyễn Văn Hồ |
-| **Ngôn ngữ** | Tiếng Việt |
-| **Dataset minh họa** | [Olist Brazilian E-commerce](https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce) |
-
-## 🎯 Mục tiêu môn học
-
-Môn học cung cấp cái nhìn toàn diện về **hệ sinh thái dữ liệu trong kỷ nguyên AI-Native**:
-
-1. **CO1** - Làm chủ nền tảng kiến trúc và mô hình hóa (Lakehouse, Mesh, Fabric)
-2. **CO2** - Vận dụng kỹ thuật tích hợp và vận hành hệ thống (Data Pipelines, Cloud, Graph, Blockchain)
-3. **CO3** - Thực thi phân tích và khai phá tri thức (Data Mining, In-Database ML)
-4. **CO4** - Phát triển giải pháp AI và BI thế hệ mới (Generative AI, RAG, Agentic BI)
-5. **CO5** - Trách nhiệm nghề nghiệp và tuân thủ quản trị (AI Act 2026, Data Governance)
-
-## 📋 Cấu trúc Repo
-
-```
-data-warehousing-course/
-│
-├── README.md                          # File này
-├── syllabus.md                        # Đề cương chi tiết học phần
-│
-├── chapter-01-data-architecture/      # Chương 1: Chiến lược & Kiến trúc dữ liệu hiện đại
-│   ├── README.md                      # Lý thuyết chương 1
-│   ├── lab-01-compare-architectures.py    # Lab: So sánh Mesh/Fabric/Lakehouse
-│   └── slides/                        # Slides bài giảng
-│
-├── chapter-02-data-modeling/          # Chương 2: Mô hình hóa dữ liệu cho Cloud
-│   ├── README.md                      # Lý thuyết chương 2
-│   ├── lab-02-star-schema.sql         # Lab: Thiết kế Star Schema
-│   ├── lab-02-medallion.py            # Lab: Medallion Architecture
-│   └── lab-02-scd.sql                 # Lab: Slowly Changing Dimensions
-│
-├── chapter-03-data-pipelines/         # Chương 3: Tích hợp dữ liệu & Pipeline
-│   ├── README.md                      # Lý thuyết chương 3
-│   ├── lab-03-elt-pipeline.py         # Lab: ELT Pipeline với Python
-│   ├── lab-03-cdc-simulation.py       # Lab: Change Data Capture
-│   ├── lab-03-dbt-project/            # Lab: dbt project mẫu
-│   └── lab-03-streaming.py            # Lab: Batch vs Streaming
-│
-├── chapter-04-data-preprocessing/     # Chương 4: Tiền xử lý dữ liệu
-│   ├── README.md                      # Lý thuyết chương 4
-│   ├── lab-04-data-cleaning.py        # Lab: Làm sạch dữ liệu
-│   ├── lab-04-normalization.py        # Lab: Chuẩn hóa (Min-Max, Z-score)
-│   ├── lab-04-dimensionality.py       # Lab: Giảm số chiều (PCA)
-│   └── lab-04-feature-engineering.py  # Lab: Feature Engineering
-│
-├── chapter-05-data-mining/            # Chương 5: Thuật toán khai thác dữ liệu
-│   ├── README.md                      # Lý thuyết chương 5
-│   ├── lab-05-apriori.py              # Lab: Apriori & FP-Growth
-│   ├── lab-05-decision-tree.py        # Lab: Decision Tree (ID3, C4.5)
-│   ├── lab-05-naive-bayes.py          # Lab: Naive Bayes
-│   ├── lab-05-kmeans.py               # Lab: K-Means Clustering
-│   └── lab-05-dbscan.py              # Lab: DBSCAN
-│
-├── chapter-06-in-database-ml/         # Chương 6: In-Database ML & MLOps
-│   ├── README.md                      # Lý thuyết chương 6
-│   ├── lab-06-sql-ml.sql              # Lab: ML bằng SQL (BigQuery ML style)
-���   ├── lab-06-feature-store.py        # Lab: Feature Store
-│   ├── lab-06-mlops-pipeline.py       # Lab: MLOps Pipeline
-│   └── lab-06-model-drift.py          # Lab: Model Drift Detection
-│
-├── chapter-07-governance-security/    # Chương 7: Quản trị, Bảo mật & Đạo đức
-│   ├── README.md                      # Lý thuyết chương 7
-│   ├── lab-07-data-lineage.py         # Lab: Data Lineage Tracking
-│   ├── lab-07-rls-masking.sql         # Lab: Row-Level Security & Masking
-│   ├── lab-07-anonymization.py        # Lab: Anonymization & Differential Privacy
-│   └── lab-07-audit-compliance.py     # Lab: Audit & Compliance
-│
-├── chapter-08-generative-bi/          # Chương 8: Generative BI & Agentic BI
-│   ├── README.md                      # Lý thuyết chương 8
-│   ├── lab-08-rag-warehouse.py        # Lab: RAG cho dữ liệu doanh nghiệp
-│   ├── lab-08-chat-with-data.py       # Lab: Chat-with-your-data
-│   ├── lab-08-agentic-bi.py           # Lab: Agentic BI với AI Agents
-│   └── lab-08-data-storytelling.py    # Lab: Data Storytelling Dashboard
-│
-├── chapter-09-multimodel-integration/ # Chương 9: Tích hợp đa mô hình
-│   ├── README.md                      # Lý thuyết chương 9
-│   ├── lab-09-knowledge-graph.py      # Lab: Knowledge Graph
-│   ├── lab-09-vector-search.py        # Lab: Vector Search & Indexing
-│   ├── lab-09-blockchain-audit.py     # Lab: Blockchain Audit Logs
-│   └── lab-09-federated-query.py      # Lab: Federated Querying
-│
-├── midterm-project/                   # Đồ án giữa kỳ (Bài tập lớn A2.1)
-│   ├── README.md                      # Hướng dẫn đồ án
-│   ├── rubric.md                      # Rubric đánh giá
-│   ├── sample-project/               # Đồ án mẫu → link repo agentic-bi-ecommerce
-│   └── templates/                     # Templates báo cáo
-│
-├── datasets/                          # Dữ liệu minh họa
-│   ├── README.md                      # Hướng dẫn tải dataset
-│   └── sample/                        # Dữ liệu mẫu nhỏ cho labs
-│
-├── docs/                              # Tài liệu bổ sung
-│   ├── images/                        # Sơ đồ kiến trúc
-│   ├── references.md                  # Tài liệu tham khảo
-│   └── glossary.md                    # Bảng thuật ngữ
-│
-└── exams/                             # Đề thi tham khảo
-    ├── quiz-samples.md                # Câu hỏi trắc nghiệm mẫu
-    └── practice-problems.md           # Bài tập thực hành
-```
-
-## 📅 Lịch trình 10 tuần
-
-| Tuần | Chương | Nội dung | CLOs | Đánh giá |
-|------|--------|----------|------|----------|
-| 1 | Ch.1 | Chiến lược & Kiến trúc dữ liệu hiện đại (MDW, Lakehouse, Mesh, Fabric) | CLO1 | A1.1 |
-| 2 | Ch.2 | Mô hình hóa dữ liệu cho Cloud (Star Schema, Medallion, SCD) | CLO1 | A1.1 |
-| 3 | Ch.3 | Tích hợp dữ liệu & Pipeline tự động (ELT, CDC, dbt, Streaming) | CLO2, CLO3, CLO9 | A1.1, A2.1 |
-| 4 | Ch.4 | Tiền xử lý dữ liệu (Cleaning, Normalization, Dimensionality Reduction) | CLO1, CLO2, CLO3 | A1.1, A2.1 |
-| 5 | Ch.5 | Thuật toán khai thác dữ liệu (Apriori, Decision Tree, K-Means, DBSCAN) | CLO3-CLO5, CLO7-CLO8 | A1.1, A2.1 |
-| 6 | Ch.6 | In-Database ML & MLOps (SQL ML, Feature Store, Model Drift) | CLO5-CLO6, CLO8-CLO9 | A1.1, A2.1 |
-| 7 | Ch.7 | Quản trị, Bảo mật & Đạo đức dữ liệu (AI Act 2026, Lineage, Privacy) | CLO5-CLO6, CLO8-CLO9 | — |
-| 8 | Ch.8 | Generative BI & Agentic BI (RAG, Chat-with-data, AI Agents) | CLO5-CLO6, CLO8-CLO9 | — |
-| 9 | Ch.9 | Tích hợp đa mô hình (Graph, Vector, Blockchain) | CLO5-CLO6, CLO8-CLO9 | — |
-| 10 | — | **Báo cáo đồ án giữa kỳ** | Tất cả CLOs | A2.1 |
-
-## 🔗 Liên kết với Đồ án Agentic BI
 
-Repo này là **tài liệu học tập** cho môn BIM5021. Đồ án thực hành (bài tập lớn giữa kỳ A2.1) được triển khai tại:
+## 📋 Cấu trúc 9 Chương
 
-👉 **[thanhtai435/agentic-bi-ecommerce](https://huggingface.co/datasets/thanhtai435/agentic-bi-ecommerce)** — Hệ thống Agentic BI hoàn chỉnh sử dụng dataset Olist E-commerce
+| Chương | Nội dung | Files |
+|--------|----------|-------|
+| Ch.1 | Kiến trúc dữ liệu (MDW, Lakehouse, Mesh, Fabric) | README + Lab + Diagrams |
+| Ch.2 | Mô hình hóa (Star Schema, Medallion, SCD) | README + 3 Labs |
+| Ch.3 | Pipeline (ETL/ELT, CDC, dbt, Streaming) | README + Lab |
+| Ch.4 | Tiền xử lý (Cleaning, Normalization, PCA) | README + Lab + Charts |
+| Ch.5 | Data Mining (Apriori, Decision Tree, K-Means, DBSCAN) | README + Lab + Charts |
+| Ch.6 | In-Database ML & MLOps | README |
+| Ch.7 | Governance, Security, Ethics (AI Act 2026) | README |
+| Ch.8 | Generative BI & Agentic BI | README |
+| Ch.9 | Multi-model (Graph, Vector, Blockchain) | README |
 
-Mối quan hệ:
-- **Repo này** (`data-warehousing-course`): Lý thuyết + Labs từng chương → Nền tảng kiến thức
-- **Repo kia** (`agentic-bi-ecommerce`): Đồ án tích hợp → Ứng dụng toàn bộ kiến thức vào 1 hệ thống
+## 🔗 Đồ án thực hành
 
-## 📖 Giáo trình & Tài liệu tham khảo
+👉 **[thanhtai435/agentic-bi-ecommerce](https://huggingface.co/datasets/thanhtai435/agentic-bi-ecommerce)** — Implementation đầy đủ
 
-1. **[Chính]** Jiawei Han, Jian Pei, Hanghang Tong (2023). *Data Mining: Concepts and Techniques*. Elsevier.
-2. James Serra (2024). *Deciphering Data Architectures*. O'Reilly Media.
-3. Ganesh Bharathan (2024). *Ultimate Snowflake Architecture for Cloud Data Warehousing*. Orange Education.
-4. Kele Xu (2026). *Data Mining Competition Practices: Methods and Cases*. Springer.
-
-## 📊 Đánh giá
-
-| Thành phần | Tỷ lệ | Mô tả |
-|------------|--------|-------|
-| A1 - Đánh giá quá trình | 20% | Bài kiểm tra quá trình (10 phút/bài) |
-| A2 - Giữa kỳ | 30% | **Bài tập lớn** (Đồ án nhóm) |
-| A3 - Cuối kỳ | 50% | Trắc nghiệm |
-
-### Rubric Đồ án Giữa kỳ
-
-| Tiêu chí | 9-10 | 7-8 | 5-6 | <5 |
-|----------|------|-----|-----|----|
-| **Nội dung (40%)** | Đầy đủ, code chuẩn, chính xác | Thiếu <10%, chính xác | Thiếu <30%, tương đối | Thiếu >50% |
-| **Cấu trúc & Hình thức (30%)** | Kế hoạch rõ ràng, đúng hạn, slides sinh động, không lỗi chính tả | Thiếu 2/6 yếu tố | Thiếu 3/6 | Thiếu 4+ |
-| **Trình bày (30%)** | Kịch bản tốt, tất cả tham gia, tự tin, đúng giờ, trả lời tốt | Thiếu 1/5 yếu tố | Thiếu 2/5 | Thiếu 3+ |
-
-## 🚀 Bắt đầu nhanh
-
-```bash
-# Clone repo
-git clone https://huggingface.co/datasets/thanhtai435/data-warehousing-course
-
-# Cài đặt dependencies
-pip install -r requirements.txt
-
-# Chạy lab đầu tiên
-cd chapter-01-data-architecture
-python lab-01-compare-architectures.py
-```
-
-## 📝 License
-
-MIT License - Dự án phục vụ mục đích học tập.
-
----
+## 📖 Tài liệu tham khảo
 
-*Repo này được tạo cho học phần BIM5021 - Đại học Kinh tế - Luật, ĐHQG-HCM*
+1. Jiawei Han et al. (2023). *Data Mining: Concepts and Techniques*. Elsevier.
+2. James Serra (2024). *Deciphering Data Architectures*. O'Reilly.
+3. Ganesh Bharathan (2024). *Ultimate Snowflake Architecture*. Orange Education.