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

Machine Learning 101 with Scikit-learn and StatsModels

Học Máy Cơ Bản với Scikit-learn và StatsModels

Học Máy Cơ Bản với Scikit-learn và StatsModels

Mới làm quen với học máy? Đây là nơi bạn nên bắt đầu: Hồi quy tuyến tính, Hồi quy logistic & Phân tích cụm

4.6
(878 đánh giá)
12,849 học viên
Giảng viên
365 Careers
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 399.000đ -87%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
5.5 giờ video
102 bài giảng
17 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Bạn sẽ tự tin hơn khi làm việc với 2 thư viện ML hàng đầu - statsmodels và sklearn
Bạn sẽ học cách thực hiện một phép hồi quy tuyến tính
Bạn sẽ nắm vững mọi khía cạnh của một mô hình hồi quy logistic
Bạn sẽ thành thạo việc thực hiện phân tích cụm (cả phương pháp phẳng và phân cấp)
Bạn sẽ học cách áp dụng kỹ năng của mình vào các tình huống kinh doanh thực tế
Bạn sẽ có khả năng hiểu được những ý tưởng cốt lõi đằng sau các mô hình ML

Yêu cầu

Kỹ năng lập trình Python cơ bản

Đối tượng phù hợp

Khóa học này dành cho bạn, nếu bạn muốn trở thành một nhà khoa học dữ liệu thành công
Khóa học này rất tuyệt nếu bạn muốn làm quen với các phương pháp học máy cơ bản
Khóa học này lý tưởng cho bạn, nếu bạn mới bắt đầu và muốn xây dựng dần các kỹ năng giá trị trong học máy và khoa học dữ liệu

Nội dung khóa học

8 phần • 102 bài giảng
1 Khóa Học Bao Gồm Những Gì?
1 Thiết Lập Môi Trường - Phần Giới Thiệu (Đừng Bỏ Qua, Làm Ơn)!
2 Tại Sao Là Python và Tại Sao Là Jupyter?
3 Cài Đặt Anaconda
4 Bảng Điều Khiển Jupyter - Phần 1
5 Bảng Điều Khiển Jupyter - Phần 2
6 Phím Tắt Trong Jupyter
7 Cài Đặt sklearn
8 Cài Đặt Gói - Bài Tập
9 Cài Đặt Gói - Lời Giải
1 Giới Thiệu Về Phân Tích Hồi Quy
2 Mô Hình Hồi Quy Tuyến Tính
3 Tương Quan vs Hồi Quy
4 Biểu Diễn Hình Học
5 Cài Đặt Các Gói Python
6 Hồi Quy Tuyến Tính Đơn Giản Trong Python
7 Hồi Quy Tuyến Tính Đơn Giản Trong Python - Bài Tập
8 Seaborn Là Gì?
9 Bảng Tóm Tắt Hồi Quy Của StatsModels Cho Chúng Ta Biết Điều Gì?
10 SST, SSR, và SSE
11 Phương Pháp Bình Phương Tối Thiểu (OLS)
12 Độ Phù Hợp: Hệ Số R-Bình Phương
13 Mô Hình Hồi Quy Tuyến Tính Bội
14 R-Bình Phương Điều Chỉnh
15 Hồi Quy Tuyến Tính Bội - Bài Tập
16 Thống Kê F và Kiểm Định F Cho Hồi Quy Tuyến Tính
17 Các Giả Định Của Mô Hình OLS
18 A1: Tính Tuyến Tính
19 A2: Không Có Tính Nội Sinh
20 A3: Tính Phân Phối Chuẩn và Phương Sai Đồng Đều
21 A4: Không Có Tự Tương Quan
22 A5: Không Có Đa Cộng Tuyến
23 Xử Lý Dữ Liệu Phân Loại
24 Xử Lý Dữ Liệu Phân Loại - Bài Tập
25 Thực Hiện Dự Đoán
1 Sklearn Là Gì?
2 Kế Hoạch Hành Động Cho sklearn
3 Hồi Quy Tuyến Tính Đơn Giản với sklearn
4 Hồi Quy Tuyến Tính Đơn Giản với sklearn - Bảng Tóm Tắt
5 Lưu Ý Về Chuẩn Hóa
6 Hồi Quy Tuyến Tính Đơn Giản với sklearn - Bài Tập
7 Hồi Quy Tuyến Tính Bội với sklearn
8 R-Bình Phương Điều Chỉnh
9 R-Bình Phương Điều Chỉnh - Bài Tập
10 Lựa Chọn Đặc Trưng Thông Qua Giá Trị p (Hồi quy-F)
11 Lưu Ý Về Cách Tính Giá Trị p với sklearn
12 Tạo Bảng Tóm Tắt Với Các Giá Trị p
13 Hồi Quy Tuyến Tính Bội - Bài Tập
14 Chuẩn Hóa Đặc Trưng
15 Lựa Chọn Đặc Trưng Thông Qua Chuẩn Hóa
16 Thực Hiện Dự Đoán Với Hệ Số Đã Chuẩn Hóa
17 Chuẩn Hóa Đặc Trưng - Bài Tập
18 Vấn Đề Underfitting và Overfitting
19 Tập Huấn Luyện và Tập Kiểm Tra
1 Ví Dụ Thực Tế (Phần 1)
2 Ví Dụ Thực Tế (Phần 2)
3 Lưu Ý Về Đa Cộng Tuyến
4 Ví Dụ Thực Tế (Phần 3)
5 Biến Giả và VIF - Bài Tập
6 Ví Dụ Thực Tế (Phần 4)
7 Diễn Giải Biến Giả - Bài Tập
8 Ví Dụ Thực Tế (Phần 5)
9 Hồi Quy Tuyến Tính - Bài Tập
1 Giới Thiệu Về Hồi Quy Logistic
2 Một Ví Dụ Đơn Giản Về Hồi Quy Logistic Trong Python
3 Sự Khác Biệt Giữa Hàm Logistic và Hàm Logit Là Gì?
4 Mô Hình Hồi Quy Logistic Đầu Tiên Của Bạn
5 Mô Hình Hồi Quy Logistic Đầu Tiên Của Bạn - Bài Tập
6 Mẹo Lập Trình (tùy chọn)
7 Phân Tích Bảng Tóm Tắt Hồi Quy
8 Phân Tích Bảng Tóm Tắt Hồi Quy - Bài Tập
9 Diễn Giải Tỷ Lệ Odds
10 Biến Giả Trong Hồi Quy Logistic
11 Biến Giả Trong Hồi Quy Logistic - Bài Tập
12 Đánh Giá Độ Chính Xác Của Mô Hình Phân Loại
13 Đánh Giá Độ Chính Xác Của Mô Hình Phân Loại - Bài Tập
14 Vấn Đề Underfitting và Overfitting
15 Kiểm Tra Mô Hình và Xây Dựng Ma Trận Nhầm Lẫn
16 Kiểm Tra Mô Hình và Xây Dựng Ma Trận Nhầm Lẫn - Bài Tập
1 Giới Thiệu Về Phân Tích Cụm
2 Các Ví Dụ Về Phân Cụm
3 Phân Loại vs Phân Cụm
4 Các Khái Niệm Toán Học Cần Thiết
5 Phân Cụm K-Means
6 Ví Dụ Thực Hành Về K-Means
7 Ví Dụ Thực Hành Về K-Means - Bài Tập
8 Dữ Liệu Phân Loại Trong Phân Tích Cụm
9 Dữ Liệu Phân Loại Trong Phân Tích Cụm - Bài Tập
10 Phương Pháp Elbow hay Cách Chọn Số Lượng Cụm
11 Phương Pháp Elbow hay Cách Chọn Số Lượng Cụm - Bài Tập
12 Ưu Điểm và Nhược Điểm Của K-Means
13 Chuẩn Hóa Đặc Trưng Khi Phân Cụm
14 Phân Tích Cụm và Phân Tích Hồi Quy
15 Ví Dụ Thực Tế: Phân Khúc Thị Trường (Phần 1)
16 Ví Dụ Thực Tế: Phân Khúc Thị Trường (Phần 2)
17 Có Thể Làm Gì Với Phân Tích Cụm?
18 BÀI TẬP: Phân Đoạn Loài Với Phân Tích Cụm (Phần 1)
19 BÀI TẬP: Phân Đoạn Loài Với Phân Tích Cụm (Phần 2)
1 Các Loại Phân Cụm Khác
2 Biểu Đồ Dendrogram
3 Bản Đồ Nhiệt
4 Hoàn Thành 100%

Giới thiệu khóa học

Are you an aspiring data scientist determined to achieve professional success?

Are you ready and willing to master the most valuable skills that will skyrocket your data science career?

Great! You’ve come to the right place.

This course will provide you with the solid Machine Learning knowledge that will help you reach your dream job destination.

That’s right. Machine Learning is one of the fundamental skills you need to become a data scientist. It is the stepping stone that will help you understand deep learning and modern data analysis techniques.

In this course, we will explore the three most fundamental machine learning topics:

  • Linear regression

  • Logistic regression

  • Cluster analysis

Surprised? Even neural networks geeks (like us) can’t help, but admit that it’s these 3 simple methods - linear regression, logistic regression and clustering that data science actually revolves around.

So, in this course, we will make an otherwise complex subject matter easy to understand and apply in practice.

Of course, there is only one way to teach these skills in the context of data science - to accompany statistics theory with practical application of these quantitative methods in Python.

And that’s precisely what we are after. Theory and practice go hand in hand here.

We have developed this course with not one but two machine learning libraries – StatsModels and sklearn. As our practical experience showed us, they have different use cases and should be used together rather than independently.

Yet another advantage of taking this course? We are very conscious that data science theory is often overlooked.You can’t teach someone to run before they know how to walk. That’s why we will start slowly and continue by building complex ML models.

But don’t assume you’ll be bored by theory.

On the contrary! We have prepared a course that will get you results and will foster your interest in the subject matter, as it will show you that machine learning is something you can do, too (with the right teacher by your side).

Well, we hope you are as excited as we are, as this course is the door that can open countless opportunities in the data science world for you. This is a course you’ll be actually eager to complete.

On top of that we are happy to offer a 30-day money back guarantee. No risk for you. The content of the course is so outstanding , that this is a no-brainer for us We are 100% certain you will love it.

Why wait any longer? Every day is a missed opportunity.

Click the “Buy Now” button and let’s start (machine) learning together!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

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