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

Python for Engineers and Scientists / basic to advanced

Python cho Kỹ sư và Nhà khoa học / từ cơ bản đến nâng cao

Python cho Kỹ sư và Nhà khoa học / từ cơ bản đến nâng cao

Thay thế Excel và Matlab bằng Sympy, Numpy, Pandas, Matplotlib và Scipy; Tự động hóa công việc; Từ cơ bản đến nâng cao.

4.4
(133 đánh giá)
887 học viên
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
15.0 giờ video
122 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Ngôn ngữ Python (từ cơ bản đến nâng cao) + bộ thư viện khoa học Python đầy đủ: Sympy, Numpy, Pandas, Matplotlib, Scipy.
Học viên được cung cấp TOÀN BỘ MÃ NGUỒN từ khóa học.
Cả ngôn ngữ và thư viện đều MIỄN PHÍ!
Các chủ đề hữu ích cho công việc hàng ngày như đọc và ghi file
Các chủ đề Python cơ bản như cài đặt, biến số, phương thức và vòng lặp
Các chủ đề nâng cao như tạo đối tượng.
Sympy: giải hệ phương trình tuyến tính, phi tuyến, phương trình vi phân. Bài tập và thử thách.
Numpy: để thao tác dữ liệu trong mảng đa chiều.
Pandas: để tạo bảng; bảng tổng hợp; bộ lọc; trực quan hóa dữ liệu và hơn thế nữa.
Matplotlib: để tạo biểu đồ và bảng điều khiển.
Scipy: cho toán học và các phương pháp số

Yêu cầu

Học viên nên quen thuộc với các môn khoa học tự nhiên, nhưng không yêu cầu kiến thức trước về Python.

Đối tượng phù hợp

Kỹ sư
Chuyên viên phân tích dữ liệu
Sinh viên Toán hoặc Vật lý
Các đối tượng học viên khác: nhà địa chất, nhà báo, bác sĩ, nhà khoa học y sinh, nhà thống kê, nhà khoa học dữ liệu, chuyên viên phân tích tài chính.

Nội dung khóa học

13 phần • 122 bài giảng
1 Giới thiệu - tổng quan khóa học
2 Cài đặt Anaconda - cho người dùng phổ thông
3 Cài đặt Python thuần - cho người dùng nâng cao (pip install)
4 Tải bài giảng khóa học
5 Thực thi - thực thi cơ bản với cmd và ipython
6 Thực thi - Spyder
7 Thực thi - Jupyter notebook và colab
8 Thực thi - VS Code
1 2.1 Các kiểu dữ liệu tích hợp sẵn
2 2.2 Các phép toán toán học cơ bản
3 2.3 Các thao tác cơ bản với chuỗi (văn bản)
4 2.4 Giá trị Boolean (*bool*)
5 2.5 Cấu trúc dữ liệu tập hợp
1 3.1 Cấu trúc điều kiện
2 3.2 Cấu trúc vòng lặp: **for**
3 3.3 Cấu trúc vòng lặp: **while**
4 3.5 Các cách khác để tạo Boolean: isinstance(), in, is
5 3.6 Iterables
6 3.7 enumerate()
7 3.8 break, continue và pass
8 E3.1 - Bài tập
9 E3.2 - Bài tập
10 E3.3 - Bài tập
11 E3.4 - Bài tập
12 E3.5 - Bài tập
13 E3.6 - Bài tập
14 4. Cấu trúc dữ liệu
1 4.2 List Comprehensions
2 4.3 Chỉ mục và cắt lát List
3 4.4 Các phương thức cho Tuple
4 4.5 Giải nén Tuple
5 4.6 Các phương thức cho Set
6 4.7 Các phép toán trên Set
7 4.8 Các phương thức cho Dictionary
8 4.9 any và all
9 4.10 zip
10 E4.1 - Bài tập
11 E4.2 - Bài tập
12 E4.3 - Bài tập
13 E4.4 - Bài tập
14 E4.5 - Bài tập
15 E4.6 - Bài tập
16 5. Hàm
1 5.2 Hàm và Đối số từ khóa (Đối số có tên)
2 5.3 *args
3 5.4 **kwargs
4 5.5 Docstring
5 5.6 Hàm Lambda
6 E5.1 - Bài tập
7 E5.2 - Bài tập
8 E5.3 - Bài tập
9 6. Lập trình hướng đối tượng
1 6.2 Kế thừa và Đa hình
2 Phần còn lại của chương này là phần giữ chỗ
3 7. Văn bản và Tệp tin
1 7.2 Các phương thức của Chuỗi
2 7.3 Định dạng Chuỗi
3 7.4 Đọc và Ghi Tệp tin
4 E7.1 - Bài tập
5 E7.2 - Bài tập
6 E7.3 - Bài tập
7 E7.4 - Bài tập
8 8 Xử lý lỗi
1 8.2 Các Ngoại lệ tích hợp sẵn của Python
2 8.3 Try, Except Error
3 8.4 Ngoại lệ Tùy chỉnh
4 Chương này là phần giữ chỗ
5 10. Numpy
1 10.2 Các hàm toán học
2 10.3 Tạo Mảng
3 10.4 Các thao tác cơ bản với Mảng
4 10.5 Quản lý bộ nhớ trong Numpy
5 10.6 Các phương thức thống kê cho Mảng
6 10.7 Chỉ mục và cắt lát Mảng
7 10.8 Ma trận trong Numpy
8 10.9 Vectơ
9 E10.1 - Bài tập
10 E10.2 - Bài tập
11 E10.3 - Bài tập
12 E10.4 - Bài tập
13 11. Pandas
1 11.2 DataFrame
2 11.3 Các phương thức cơ bản cho DataFrames
3 11.4 Đọc và Ghi Tệp tin
4 11.5 Chọn Hàng và Cột với loc và iloc
5 11.6 Bộ lọc
6 11.7 Làm sạch Dữ liệu - Tiền xử lý
7 11.8 Phương thức Join
8 11.9 Hàm concat
9 11.10 Bảng Pivot
10 E11.1 - Bài tập
11 E11.2 - Bài tập
12 12. Đồ họa với Matplotlib pyplot
1 12.2 Subplots
2 12.3 Biểu đồ cột
3 12.4 Biểu đồ tròn
4 12.5 Biểu đồ bề mặt
5 13. Sympy
1 13.2 Ma trận
2 13.3 Các hàm giải tích
3 13.4 Bộ giải (Hệ phương trình đại số, tuyến tính và phi tuyến)
4 13.5 Bộ giải (Phương trình vi phân)
5 E13.1 - Bài tập
6 E13.2 - Bài tập
7 E13.3 - Bài tập
8 E13.4 - Bài tập
9 E13.5 - Bài tập
10 E13.6 - Bài tập
11 E13.7 - Bài tập
12 E13.8 - Bài tập
13 14. Scipy
1 14.2 Hệ phương trình tuyến tính
2 14.3 Giá trị riêng và Vectơ riêng
3 14.4 Tích phân
4 14.5 Phương trình vi phân ODE
5 E14.1 - Bài tập
6 E14.2 - Bài tập
7 E14.3 - Bài tập
8 E14.4 - Bài tập
9 E14.5 - Bài tập
10 E14.6 - Bài tập
11 E14.6 - Exercise

Giới thiệu khóa học

The goal of "Python for Engineers and Scientists" is to provide programming, mathematical, and graphical tools for professionals across various fields.


Why should you take this course?


Both Python and the scientific ecosystem libraries taught here are FREE and open-source tools. This makes it easier to adopt these tools in both workplace and academic settings.


Moreover, the language and its libraries have been growing worldwide with a super active community. I've observed this since 2015 when I did R&D internships at a nuclear energy company.


Don't fall behind, my friend!


What do you gain by enrolling in this course?


This is the most comprehensive course with the best cost/benefit ratio on Python and its scientific ecosystem. In addition to around 15 hours of content, students have access to the Q&A forum, where we already have constructive interactions with all students and many questions and answers already addressed. You'll also have access to all the materials/codes created during the class, all structured and organized!


What will I learn?


In general, the course content includes:


- Python Fundamentals: You'll learn everything from installation to more advanced topics like object-oriented programming. Also, you'll cover useful day-to-day topics like task automation.


- Sympy: You'll master symbolic algebra manipulation, solving systems of equations, differential equations, and calculus functions. Additionally, there are plenty of exercises and challenges (proposed and solved). Sympy is a great substitute for Matlab.


- Numpy: You'll dive deep into the powerful array structure of Numpy.


- Pandas: You'll learn the best Excel replacement we have today. We'll work on filters, pivot tables, graphs, and real data handling with Pandas.


- Matplotlib: You'll gain an in-depth understanding of Matplotlib's objects for creating charts and dashboards.


- Scipy: You'll explore the "big boy" of computational mathematics in Python. We'll cover linear algebra, integrals, and numerical solutions to ODEs, with exercises (proposed and solved).


I invite all of you to watch the introductory lesson where I showcase the learning structure of the 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 Numpy
Hiển thị tất cả khoá học Pandas
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊