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

Complete 2022 Data Science & Machine Learning Bootcamp

Khóa Học Toàn Diện Data Science & Machine Learning 2022

Khóa Học Toàn Diện Data Science & Machine Learning 2022

Học Python, Tensorflow, Deep Learning, Hồi quy, Phân loại, Mạng Neural, Trí tuệ Nhân tạo & hơn thế nữa!

4.4
(6,032 đánh giá)
47,941 học viên
Giảng viên
Philipp Muellauer
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
79.000đ 349.000đ -77%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
41.5 giờ video
207 bài giảng
7 bài quiz
7 bài coding
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 07/06/2026

Bạn sẽ học được gì

Học lập trình Python thông qua các dự án thực tế
Sử dụng thuật toán khoa học dữ liệu để phân tích dữ liệu trong các dự án thực tế như phân loại thư rác và nhận diện hình ảnh
Xây dựng portfolio các dự án khoa học dữ liệu để ứng tuyển vào ngành
Hiểu cách sử dụng các công cụ mới nhất trong khoa học dữ liệu, bao gồm Tensorflow, Matplotlib, Numpy và nhiều công cụ khác
Tạo mạng neural của riêng bạn và hiểu cách sử dụng chúng để thực hiện deep learning
Hiểu và áp dụng kỹ thuật trực quan hóa dữ liệu để khám phá các bộ dữ liệu lớn

Yêu cầu

Không cần kinh nghiệm lập trình! Tôi sẽ dạy bạn mọi thứ bạn cần biết.
Không cần kiến thức thống kê! Tôi sẽ dạy bạn mọi thứ bạn cần biết.
Không cần kiến thức giải tích! Chỉ cần bạn đã học toán phổ thông, tôi sẽ hướng dẫn bạn từng bước qua các phần khó.
Không cần phần mềm trả phí - tất cả dự án đều sử dụng phần mềm miễn phí và mã nguồn mở
Bạn chỉ cần máy tính Mac hoặc PC có kết nối internet

Đối tượng phù hợp

Nếu bạn muốn học lập trình thông qua việc xây dựng các dự án thú vị và hữu ích, hãy tham gia khóa học này.
Nếu bạn muốn giải quyết các vấn đề thực tế bằng dữ liệu.
Nếu bạn muốn học cách xây dựng thuật toán machine learning như deep learning và mạng neural.
Nếu bạn là lập trình viên có kinh nghiệm, hãy tham gia khóa học này để nhanh chóng làm quen với quy trình làm việc của một nhà khoa học dữ liệu.
Nếu bạn muốn tham gia MỘT KHÓA HỌC DUY NHẤT và học mọi thứ cần biết về khoa học dữ liệu và machine learning, hãy tham gia khóa học này.

Nội dung khóa học

13 phần • 207 bài giảng
1 Machine Learning là gì?
2 Khoa học Dữ liệu là gì?
3 Tải về Chương trình học
4 Mẹo Hàng đầu để Thành công trong Khóa học này
5 Danh sách Tài nguyên Khóa học
1 Giới thiệu về Hồi quy Tuyến tính & Xác định Vấn đề
2 Thu thập & Làm sạch Dữ liệu
3 Khám phá & Trực quan hóa Dữ liệu với Python
4 Ý tưởng đằng sau Mô hình Hồi quy Tuyến tính
5 Phân tích và Đánh giá Kết quả
6 Tải về Notebook Hoàn chỉnh Tại đây
7 Tham gia Cộng đồng Học viên
8 Phản hồi về Phần này?
1 Người dùng Windows - Cài đặt Anaconda
2 Người dùng Mac - Cài đặt Anaconda
3 LSD có Giúp Bạn Giỏi Toán hơn Không?
4 Tải về 12 Quy tắc Học Lập trình
5 [Python] - Biến và Kiểu dữ liệu
6 [Python] - Danh sách và Mảng
7 [Python & Pandas] - Dataframes và Series
8 [Python] - Nhập Module
9 [Python] - Hàm - Phần 1: Định nghĩa và Gọi Hàm
10 [Python] - Hàm - Phần 2: Đối số & Tham số
11 [Python] - Hàm - Phần 3: Kết quả & Giá trị Trả về
12 [Python] - Đối tượng - Hiểu về Thuộc tính và Phương thức
13 Cách Hiểu Tài liệu Python cho Trực quan hóa Dữ liệu
14 Làm việc với Đối tượng Python để Phân tích Dữ liệu
15 [Python] - Mẹo, Phong cách Code và Quy ước Đặt tên
16 Tải về Notebook Hoàn chỉnh Tại đây
17 Phản hồi về Phần này?
1 Nội dung Sắp tới?
2 Cách một Máy Học
3 Giới thiệu về Hàm Chi phí
4 LaTeX Markdown và Tạo Dữ liệu với Numpy
5 Hiểu về Quy tắc Lũy thừa & Tạo Biểu đồ với Subplots
6 [Python] - Vòng lặp và Thuật toán Gradient Descent
7 [Python] - Hàm Nâng cao và Cạm bẫy của Tối ưu hóa (Phần 1)
8 [Python] - Tuple và Cạm bẫy của Tối ưu hóa (Phần 2)
9 Hiểu về Tốc độ Học
10 Cách Tạo Biểu đồ 3 Chiều
11 Hiểu về Đạo hàm Riêng và Cách sử dụng SymPy
12 Triển khai Batch Gradient Descent với SymPy
13 [Python] - Vòng lặp và Cân nhắc về Hiệu suất
14 Định hình lại và Cắt lát Mảng N-Chiều
15 Nối Mảng Numpy
16 Giới thiệu về Sai số Bình phương Trung bình (MSE)
17 Chuyển vị và Định hình lại Mảng
18 Triển khai Hàm Chi phí MSE
19 Hiểu Vòng lặp Lồng nhau và Vẽ đồ thị Hàm MSE (Phần 1)
20 Vẽ đồ thị Sai số Bình phương Trung bình (MSE) trên Bề mặt (Phần 2)
21 Chạy Gradient Descent với Hàm Chi phí MSE
22 Trực quan hóa Quá trình Tối ưu hóa trên Bề mặt 3D
23 Tải về Notebook Hoàn chỉnh Tại đây
24 Phản hồi về Phần này?
1 Xác định Vấn đề
2 Thu thập Dữ liệu Giá Nhà Boston
3 Làm sạch và Khám phá Dữ liệu (Phần 1): Hiểu Bản chất của Bộ Dữ liệu
4 Làm sạch và Khám phá Dữ liệu (Phần 2): Tìm Giá trị Thiếu
5 Trực quan hóa Dữ liệu (Phần 1): Biểu đồ Tần suất, Phân phối & Giá trị Ngoại lai
6 Trực quan hóa Dữ liệu (Phần 2): Seaborn và Hàm Mật độ Xác suất
7 Làm việc với Dữ liệu Chỉ mục, Pandas Series và Biến Giả
8 Hiểu về Thống kê Mô tả: Trung bình so với Trung vị
9 Giới thiệu về Tương quan: Hiểu về Cường độ & Hướng
10 Tính toán Tương quan và Vấn đề Đa cộng tuyến
11 Trực quan hóa Tương quan với Biểu đồ Nhiệt
12 Kỹ thuật Tạo kiểu cho Biểu đồ Phân tán
13 Lưu ý cho Bài học Tiếp theo
14 Làm việc với Seaborn Pairplots & Kỹ thuật Microbenchmarking trong Jupyter
15 Hiểu về Hồi quy Đa biến
16 Cách Xáo trộn và Chia Dữ liệu Huấn luyện & Kiểm tra
17 Chạy một Mô hình Hồi quy Đa biến
18 Cách Tính Độ phù hợp Mô hình với R-Bình phương
19 Giới thiệu về Đánh giá Mô hình
20 Cải thiện Mô hình bằng cách Biến đổi Dữ liệu
21 Cách Diễn giải Hệ số sử dụng p-Giá trị và Ý nghĩa Thống kê
22 Hiểu về VIF & Kiểm tra Đa cộng tuyến
23 Đơn giản hóa Mô hình & Tiêu chí Thông tin Bayes
24 Cách Phân tích và Vẽ đồ thị Phần dư Hồi quy
25 Phân tích Phần dư (Phần 1): Giá trị Dự đoán so với Giá trị Thực tế
26 Phân tích Phần dư (Phần 2): Đồ thị và So sánh Phần dư Hồi quy
27 Thực hiện Dự đoán (Phần 1): MSE & R-Bình phương
28 Thực hiện Dự đoán (Phần 2): Độ lệch Chuẩn, RMSE và Khoảng Dự đoán
29 Xây dựng Công cụ Định giá (Phần 1): Làm việc với Pandas Series & Mảng ndarray Numpy
30 [Python] - Câu lệnh Điều kiện - Xây dựng Công cụ Định giá (Phần 2)
31 Xây dựng Công cụ Định giá (Phần 3): Docstrings & Tạo Module Python của riêng bạn
32 Tải về Notebook Hoàn chỉnh Tại đây
33 Phản hồi về Phần này?
1 Cách Dịch Vấn đề Kinh doanh thành Vấn đề Machine Learning
2 Thu thập Dữ liệu Email và Làm việc với Kho lưu trữ & Trình soạn thảo Văn bản
3 Cách Thêm Tài nguyên Bài học vào Dự án
4 Thuật toán Naive Bayes và Ranh giới Quyết định cho một Bộ phân loại
5 Xác suất Cơ bản
6 Xác suất Kết hợp & Xác suất Có điều kiện
7 Định lý Bayes
8 Đọc Tệp (Phần 1): Đường dẫn Tuyệt đối và Đường dẫn Tương đối
9 Đọc Tệp (Phần 2): Đối tượng Luồng và Cấu trúc Email
10 Trích xuất Văn bản trong Nội dung Email
11 [Python] - Hàm Generator & Từ khóa yield
12 Tạo Pandas DataFrame từ Nội dung Email
13 Làm sạch Dữ liệu (Phần 1): Kiểm tra Email Trống & Mục Null
14 Làm sạch Dữ liệu (Phần 2): Làm việc với Chỉ mục DataFrame
15 Lưu Tệp JSON với Pandas
16 Trực quan hóa Dữ liệu (Phần 1): Biểu đồ Tròn
17 Trực quan hóa Dữ liệu (Phần 2): Biểu đồ Doughnut
18 Giới thiệu về Xử lý Ngôn ngữ Tự nhiên (NLP)
19 Token hóa, Loại bỏ Từ dừng và Cấu trúc Dữ liệu Set trong Python
20 Tách từ gốc & Loại bỏ Dấu câu
21 Loại bỏ Thẻ HTML với BeautifulSoup
22 Tạo Hàm cho Xử lý Văn bản
23 Lưu ý cho Bài học Tiếp theo
24 Lọc nâng cao trên DataFrames: Hàm apply()
25 [Python] - Toán tử Logic để Tạo Tập con và Chỉ mục
26 Word Clouds & Cách cài đặt Gói Python Bổ sung
27 Tạo Word Cloud Đầu tiên của bạn
28 Tạo kiểu Word Cloud với Mặt nạ
29 Giải quyết Thử thách Hamlet
30 Tạo kiểu Word Cloud với Phông chữ Tùy chỉnh
31 Tạo Từ vựng cho Bộ phân loại Thư rác
32 Thử thách Lập trình: Kiểm tra Thành viên trong một Tập hợp
33 Thử thách Lập trình: Tìm Email Dài nhất
34 Ma trận Thưa (Phần 1): Chia Dữ liệu Huấn luyện và Kiểm tra
35 Ma trận Thưa (Phần 2): Xử lý Dữ liệu với Vòng lặp Lồng nhau
36 Ma trận Thưa (Phần 3): Sử dụng groupby() và Lưu Tệp .txt
37 Giải pháp Thử thách Lập trình: Chuẩn bị Dữ liệu Kiểm tra
38 Điểm kiểm tra: Hiểu về Dữ liệu
39 Tải về Notebook Hoàn chỉnh Tại đây
40 Phản hồi về Phần này?
1 Thiết lập Notebook và Hiểu về Dấu phân cách trong Bộ dữ liệu
2 Tạo Ma trận Đầy đủ
3 Đếm Token để Huấn luyện Mô hình Naive Bayes
4 Tính tổng Token trên các Tập con Thư rác và Thư thường
5 Tính Xác suất Token và Lưu Mô hình đã Huấn luyện
6 Thử thách Lập trình: Chuẩn bị Dữ liệu Kiểm tra
7 Tải về Notebook Hoàn chỉnh Tại đây
8 Phản hồi về Phần này?
1 Thiết lập Notebook Kiểm tra
2 Xác suất Có điều kiện Kết hợp (Phần 1): Tích vô hướng
3 Xác suất Có điều kiện Kết hợp (Phần 2): Xác suất Tiên nghiệm
4 Thực hiện Dự đoán: So sánh Xác suất Kết hợp
5 Chỉ số Độ chính xác
6 Trực quan hóa Ranh giới Quyết định
7 Dương tính Giả so với Âm tính Giả
8 Chỉ số Nhạy (Recall)
9 Chỉ số Độ chính xác Dương tính (Precision)
10 Chỉ số F-score hoặc F1
11 Triển khai Naive Bayes sử dụng SciKit Learn
12 Tải về Notebook Hoàn chỉnh Tại đây
13 Phản hồi về Phần này?
1 Bộ não Con người và Nguồn cảm hứng cho Mạng Neural Nhân tạo
2 Lớp, Tạo Đặc trưng và Học
3 Chi phí và Nhược điểm của Mạng Neural
4 Tiền xử l
5 Importing Keras Models and the Tensorflow Graph
6 Making Predictions using InceptionResNet
7 Coding Challenge Solution: Using other Keras Models
8 Download the Complete Notebook Here
9 Any Feedback on this Section?
1 Solving a Business Problem with Image Classification
2 Installing Tensorflow and Keras for Jupyter
3 Gathering the CIFAR 10 Dataset
4 Exploring the CIFAR Data
5 Pre-processing: Scaling Inputs and Creating a Validation Dataset
6 Compiling a Keras Model and Understanding the Cross Entropy Loss Function
7 Interacting with the Operating System and the Python Try-Catch Block
8 Fit a Keras Model and Use Tensorboard to Visualise Learning and Spot Problems
9 Use Regularisation to Prevent Overfitting: Early Stopping & Dropout Techniques
10 Use the Model to Make Predictions
11 Model Evaluation and the Confusion Matrix
12 Model Evaluation and the Confusion Matrix
13 Download the Complete Notebook Here
14 Any Feedback on this Section?
1 Nội dung sắp tới
2 Lấy dữ liệu và nạp vào mảng Numpy
3 Khám phá dữ liệu và hiểu cấu trúc dữ liệu đầu vào
4 Tiền xử lý dữ liệu: Mã hóa One-Hot và tạo tập dữ liệu kiểm định
5 Tensor là gì?
6 Tạo Tensor và thiết lập kiến trúc mạng nơ-ron
7 Định nghĩa hàm mất mát Cross Entropy, bộ tối ưu hóa và các chỉ số đánh giá
8 TensorFlow Sessions và xử lý dữ liệu theo batch
9 Tensorboard Summaries và Filewriter
10 Hiểu đồ thị Tensorflow: Nút và cạnh
11 Phạm vi tên và trực quan hóa hình ảnh trong Tensorboard
12 Các kiến trúc mô hình khác nhau: Thử nghiệm với Dropout
13 Dự đoán và đánh giá mô hình
14 Tải xuống Notebook hoàn chỉnh tại đây
15 Phản hồi về phần này?
1 Sản phẩm bạn sẽ tạo
2 Lưu mô hình Tensorflow
3 Tải mô hình đã lưu
4 Chuyển đổi mô hình sang Tensorflow.js
5 Giới thiệu dự án website và công cụ
6 Định dạng HTML và CSS
7 Tải mô hình Tensorflow.js và khởi động server riêng
8 Thêm Favicon
9 Tạo kiểu cho Canvas HTML
10 Vẽ trên Canvas HTML
11 Tiền xử lý dữ liệu cho Tensorflow.js
12 Giới thiệu OpenCV
13 Thay đổi kích thước và thêm đệm cho hình ảnh
14 Tính toán trọng tâm và dịch chuyển hình ảnh
15 Dự đoán từ chữ số vẽ trên Canvas HTML
16 Thêm logic trò chơi
17 Xuất bản và chia sẻ website!
18 Phản hồi về phần này?
1 Hướng đi nào tiếp theo?
2 Bạn muốn xem module nào?
3 Giữ liên lạc nhé!

Giới thiệu khóa học

Welcome to the Complete Data Science and Machine Learning Bootcamp, the only course you need to learn Python and get into data science.


At over 40+ hours, this Python course is without a doubt the most comprehensive data science and machine learning course available online. Even if you have zero programming experience, this course will take you from beginner to mastery. Here's why:

  • The course is taught by the lead instructor at the App Brewery, London's leading in-person programming bootcamp.

  • In the course, you'll be learning the latest tools and technologies that are used by data scientists at Google, Amazon, or Netflix.

  • This course doesn't cut any corners, there are beautiful animated explanation videos and real-world projects to build.

  • The curriculum was developed over a period of three years together with industry professionals, researchers and student testing and feedback.

  • To date, we’ve taught over 200,000 students how to code and many have gone on to change their lives by getting jobs in the industry or starting their own tech startup.

  • You'll save yourself over $12,000 by enrolling, but get access to the same teaching materials and learn from the same instructor and curriculum as our in-person programming bootcamp.


We'll take you step-by-step through video tutorials and teach you everything you need to know to succeed as a data scientist and machine learning professional.


The course includes over 40+ hours of HD video tutorials and builds your programming knowledge while solving real-world problems.


In the curriculum, we cover a large number of important data science and machine learning topics, such as:

  • Data Cleaning and Pre-Processing

  • Data Exploration and Visualisation

  • Linear Regression

  • Multivariable Regression

  • Optimisation Algorithms and Gradient Descent

  • Naive Bayes Classification

  • Descriptive Statistics and Probability Theory

  • Neural Networks and Deep Learning

  • Model Evaluation and Analysis

  • Serving a Tensorflow Model


Throughout the course, we cover all the tools used by data scientists and machine learning experts, including:

  • Python 3

  • Tensorflow

  • Pandas

  • Numpy

  • Scikit Learn

  • Keras

  • Matplotlib

  • Seaborn

  • SciPy

  • SymPy

By the end of this course, you will be fluently programming in Python and be ready to tackle any data science project. We’ll be covering all of these Python programming concepts:


  • Data Types and Variables

  • String Manipulation

  • Functions

  • Objects

  • Lists, Tuples and Dictionaries

  • Loops and Iterators

  • Conditionals and Control Flow

  • Generator Functions

  • Context Managers and Name Scoping

  • Error Handling


By working through real-world projects you get to understand the entire workflow of a data scientist which is incredibly valuable to a potential employer.


Sign up today, and look forward to:

  • 178+ HD Video Lectures

  • 30+ Code Challenges and Exercises

  • Fully Fledged Data Science and Machine Learning Projects

  • Programming Resources and Cheatsheets

  • Our best selling 12 Rules to Learn to Code eBook

  • $12,000+ data science & machine learning bootcamp course materials and curriculum


Don't just take my word for it, check out what existing students have to say about my courses:


“One of the best courses I have taken. Everything is explained well, concepts are not glossed over. There is reinforcement in the challenges that helps solidify understanding. I'm only half way through but I feel like it is some of the best money I've ever spent.” -Robert Vance


“I've spent £27,000 on University..... Save some money and buy any course available by Philipp! Great stuff guys.” -Terry Woodward


"This course is amazingly immersive and quite all-inclusive from end-to-end to develop an app! Also gives practicality to apply the lesson straight away and full of fun with bunch of sense of humor, so it's not boring to follow throughout the whole course. Keep up the good work guys!" - Marvin Septianus


“Great going so far. Like the idea of the quizzes to challenge us as we go along. Explanations are clear and easy to follow” -Lenox James


“Very good explained course. The tasks and challenges are fun to do learn an do! Would recommend it a thousand times.” -Andres Ariza


“I enjoy the step by step method they introduce the topics. Anyone with an interest in programming would be able to follow and program” -Isaac Barnor


“I am learning so much with this course; certainly beats reading older Android Ebooks that are so far out of date; Phillippe is so easy any understandable to learn from. Great Course have recommended to a few people.” -Dale Barnes


“This course has been amazing. Thanks for all the info. I'll definitely try to put this in use. :)” -Devanshika Ghosh


“Great Narration and explanations. Very interactive lectures which make me keep looking forward to the next tutorial” -Bimal Becks


“English is not my native language but in this video, Phillip has great pronunciation so I don't have problem even without subtitles :)” -Dreamerx85


“Clear, precise and easy to follow instructions & explanations!” -Andreea Andrei


“An incredible course in a succinct, well-thought-out, easy to understand package. I wish I had purchased this course first.” -Ian



REMEMBER… I'm so confident that you'll love this course that we're offering a FULL money back guarantee for 30 days! So it's a complete no-brainer, sign up today with ZERO risks and EVERYTHING to gain.


So what are you waiting for? Click the buy now button and join the world's best data science and machine learning course.


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 Tensorflow
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊