Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Machine Learning & Data Science A-Z: Hands-on Python 2024

Machine Learning & Data Science A-Z: Thực hành Python 2024

Machine Learning & Data Science A-Z: Thực hành Python 2024

Học NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn, Scipy và phát triển các Mô hình Machine Learning bằng Python

4.3
(1,246 đánh giá)
69,329 học viên
Giảng viên
Navid Shirzadi, Ph.D.
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 349.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
14.5 giờ video
76 bài giảng
6 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Nắm vững các khái niệm cơ bản
Hướng dẫn toàn diện về các thư viện cơ bản như Numpy và Pandas
Trực quan hóa Dữ liệu
Tiền xử lý Dữ liệu
Hiểu bản chất đằng sau các thuật toán
Phát triển nhiều loại mô hình Machine Learning khác nhau
Biết cách tối ưu siêu tham số cho mô hình của bạn
Học cách phát triển mô hình dựa trên yêu cầu của công việc kinh doanh tương lai

Yêu cầu

Cú pháp Python cơ bản

Đối tượng phù hợp

Dành cho mọi đối tượng có niềm yêu thích Khoa học Dữ liệu và Machine Learning, với kiến thức toán học tối thiểu ở bậc phổ thông
Học viên mới bắt đầu, có trình độ trung cấp và thậm chí nâng cao trong lĩnh vực Trí tuệ Nhân tạo, Khoa học Dữ liệu và Machine Learning
Sinh viên đại học muốn đảm bảo công việc tương lai
Nhân viên muốn thăng tiến sự nghiệp bằng cách học Machine Learning
Những người ngại lập trình Python nhưng quan tâm đến các Khái niệm Machine Learning
Bất kỳ ai muốn khởi nghiệp bằng cách sử dụng Machine Learning
Học viên cao học và nhà nghiên cứu muốn áp dụng các mô hình Machine Learning vào luận văn và dự án của mình

Nội dung khóa học

9 phần • 76 bài giảng
1 Nội dung Khóa học
2 Machine Learning là gì? Một số Thuật ngữ Cơ bản
3 Cài đặt Python
4 Môi trường phát triển Python (IDE)
5 Cài đặt IDE
6 Cài đặt các Thư viện Cần thiết
7 Giao diện Spyder
1 Mã nguồn Python
2 NumPy1
3 NumPy2
4 NumPy3
5 NumPy4
6 NumPy5
7 NumPy6
8 Pandas1
9 Pandas2
10 Pandas3
11 Pandas4
12 Trực quan hóa với Matplotlib1
13 Trực quan hóa với Matplotlib2
14 Trực quan hóa với Matplotlib3
15 Trực quan hóa với Matplotlib4
16 Trực quan hóa với Matplotlib5
1 Đọc và Chỉnh sửa Tập dữ liệu
2 Thống kê1
3 Thống kê2
4 Thống kê3 - Hiệp phương sai (Covariance)
5 Giá trị Thiếu1
6 Giá trị Thiếu2
7 Phát hiện Ngoại lệ1
8 Phát hiện Ngoại lệ2
9 Phát hiện Ngoại lệ3
10 Nối Dữ liệu (Concatenation)
11 Biến Giả (Dummy Variable)
12 Chuẩn hóa (Normalization)
1 Các loại Học
1 Các Mô hình Học có Giám sát - Giới thiệu và Hiểu Dữ liệu
2 Khái niệm k-NN
3 Phát triển Mô hình k-NN
4 k-NN - Tạo Tập Huấn luyện và Tập Kiểm tra
5 Khái niệm Cây Quyết định
6 Phát triển Mô hình Cây Quyết định
7 Cây Quyết định - Kiểm tra chéo (Cross Validation)
8 Khái niệm Naive Bayes
9 Phát triển Mô hình Naive Bayes
10 Khái niệm Hồi quy Logistic
11 Phát triển Mô hình Hồi quy Logistic
12 Khái niệm Đánh giá Mô hình
13 Đánh giá Mô hình - Tính toán bằng Python
1 Lưu ý!
2 Khái niệm Hồi quy Tuyến tính Đơn và Bội
3 Hồi quy Tuyến tính Bội - Phát triển Mô hình
4 Các Chỉ số Đánh giá - Khái niệm
5 Các Chỉ số Đánh giá - Triển khai Thực tế
6 Khái niệm Hồi quy Tuyến tính Đa thức
7 Hồi quy Tuyến tính Đa thức - Phát triển Mô hình
8 Khái niệm Rừng Ngẫu nhiên
9 Phát triển Mô hình Rừng Ngẫu nhiên
10 Khái niệm Hồi quy Vectơ Hỗ trợ
11 Hồi quy Vectơ Hỗ trợ - Phát triển Mô hình
1 Giới thiệu
2 Khái niệm K-means1
3 Khái niệm K-means2
4 Phát triển Mô hình K-means1
5 Phát triển Mô hình K-means2
6 K-means - Đánh giá Mô hình
7 Khái niệm DBSCAN
8 Phát triển Mô hình DBSCAN
9 Khái niệm Phân cụm Phân cấp
10 Phát triển Mô hình Phân cụm Phân cấp
1 Giới thiệu
2 Hồi quy Vectơ Hỗ trợ - Điều chỉnh Mô hình
3 K-Means - Điều chỉnh Mô hình
4 k-NN - Điều chỉnh Mô hình
5 Vấn đề Mô hình Quá khớp và Dưới khớp
1 Bài học Bổ sung

Giới thiệu khóa học

Are you interested in data science and machine learning, but you don't have any background, and you find the concepts confusing?

Are you interested in programming in Python, but you always afraid of coding?

I think this course is for you!

Even if you are familiar with machine learning, this course can help you to review all the techniques and understand the concept behind each term.

This course is completely categorized, and we don't start from the middle! We actually start from the concept of every term, and then we try to implement it in Python step by step. The structure of the course is as follows:

Chapter1: Introduction and all required installations

Chapter2: Useful Machine Learning libraries (NumPy, Pandas & Matplotlib)

Chapter3: Preprocessing

Chapter4: Machine Learning Types

Chapter5: Supervised Learning: Classification

Chapter6: Supervised Learning: Regression

Chapter7: Unsupervised Learning: Clustering

Chapter8: Model Tuning

Furthermore, you learn how to work with different real datasets and use them for developing your models. All the Python code templates that we write during the course together are available, and you can download them with the resource button of each section.

Remember! That this course is created for you with any background as all the concepts will be explained from the basics! Also, the programming in Python will be explained from the basic coding, and you just need to know the syntax of Python.

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Analysis
Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊