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

Python for Machine Learning & Data Science Masterclass

Khóa Học Chuyên Sâu Python Cho Machine Learning & Khoa Học Dữ Liệu

Khóa Học Chuyên Sâu Python Cho Machine Learning & Khoa Học Dữ Liệu

Tìm hiểu về Khoa Học Dữ Liệu và Machine Learning với Python! Bao gồm Numpy, Pandas, Matplotlib, Scikit-Learn và hơn thế nữa!

4.7
(18,474 đánh giá)
126,875 học viên
Giảng viên
Jose Portilla
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
79.000đ 399.000đ -80%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
44.0 giờ video
232 bài giảng
4 bài quiz
4 bài coding
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 11/09/2026

Bạn sẽ học được gì

Bạn sẽ học cách ứng dụng khoa học dữ liệu và machine learning bằng Python.
Bạn sẽ xây dựng các quy trình xử lý dữ liệu để phân tích, trực quan hóa và rút ra thông tin chi tiết từ dữ liệu.
Bạn sẽ tạo một bộ hồ sơ dự án khoa học dữ liệu với dữ liệu thực tế.
Bạn sẽ có khả năng phân tích các tập dữ liệu của riêng mình và thu thập thông tin chi tiết thông qua khoa học dữ liệu.
Thành thạo các kỹ năng khoa học dữ liệu quan trọng.
Hiểu rõ Machine Learning từ A đến Z.
Mô phỏng các tình huống và báo cáo dữ liệu thực tế.
Học NumPy để xử lý số học với Python.
Thực hiện kỹ thuật trích xuất đặc trưng trên các nghiên cứu tình huống thực tế.
Học Pandas để thao tác dữ liệu với Python.
Xây dựng các thuật toán machine learning có giám sát để dự đoán phân loại.
Học Matplotlib để tạo các biểu đồ trực quan hóa dữ liệu tùy chỉnh hoàn chỉnh với Python.
Tạo các thuật toán machine learning hồi quy để dự đoán các giá trị liên tục.
Học Seaborn để tạo các biểu đồ thống kê đẹp mắt với Python.
Xây dựng một bộ hồ sơ dự án hiện đại về khoa học dữ liệu và machine learning cho CV.
Học cách sử dụng Scikit-learn để áp dụng các thuật toán machine learning mạnh mẽ.
Thiết lập nhanh chóng với môi trường Anaconda data science stack.
Học các phương pháp hay nhất cho các tập dữ liệu thực tế.
Hiểu rõ quy trình làm việc hoàn chỉnh cho vòng đời machine learning.
Khám phá cách triển khai các mô hình machine learning của bạn dưới dạng API tương tác.

Yêu cầu

Kiến thức Python Cơ Bản (có thể sử dụng hàm)

Đối tượng phù hợp

Lập trình viên Python mới bắt đầu quan tâm đến Machine Learning và Khoa Học Dữ Liệu với Python

Nội dung khóa học

26 phần • 231 bài giảng
1 Chào mừng bạn đến với Khóa học!
2 BÀI GIẢNG TỔNG QUAN KHÓA HỌC - VUI LÒNG KHÔNG BỎ QUA!
3 Cài đặt và Thiết lập Anaconda Python và Jupyter
4 Lưu ý về Thiết lập Môi trường - Vui lòng đọc!
5 Thiết lập Môi trường
1 TÙY CHỌN: Khóa học Cấp tốc Python
2 Khóa học Cấp tốc Python - Phần Một
3 Khóa học Cấp tốc Python - Phần Hai
4 Khóa học Cấp tốc Python - Phần Ba
5 Khóa học Cấp tốc Python - Câu hỏi Bài tập
6 Khóa học Cấp tốc Python - Đáp án Bài tập
1 Lộ trình Machine Learning
1 Giới thiệu về NumPy
2 Mảng NumPy
3 Chỉ mục và Lựa chọn trong NumPy
4 Các Thao tác với NumPy
5 Bài tập NumPy
6 Đáp án Bài tập NumPy
1 Giới thiệu về Pandas
2 Series - Phần Một
3 Series - Phần Hai
4 DataFrames - Phần Một - Tạo DataFrame
5 DataFrames - Phần Hai - Các Thuộc tính Cơ bản
6 DataFrames - Phần Ba - Làm việc với Cột
7 DataFrames - Phần Bốn - Làm việc với Hàng
8 Pandas - Lọc theo Điều kiện
9 Pandas - Các Phương thức Hữu ích - Áp dụng trên Một Cột
10 Pandas - Các Phương thức Hữu ích - Áp dụng trên Nhiều Cột
11 Pandas - Các Phương thức Hữu ích - Thông tin Thống kê và Sắp xếp
12 Dữ liệu Thiếu - Tổng quan
13 Dữ liệu Thiếu - Các Thao tác Pandas
14 Thao tác GroupBy - Phần Một
15 Thao tác GroupBy - Phần Hai - MultiIndex
16 Kết hợp DataFrames - Nối (Concatenation)
17 Kết hợp DataFrames - Gộp trong (Inner Merge)
18 Kết hợp DataFrames - Gộp trái và Gộp phải
19 Kết hợp DataFrames - Gộp ngoài (Outer Merge)
20 Pandas - Các Phương thức Xử lý Văn bản cho Dữ liệu Chuỗi
21 Pandas - Các Phương thức Xử lý Thời gian cho Dữ liệu Ngày và Giờ
22 Nhập và Xuất Pandas - Tệp CSV
23 Nhập và Xuất Pandas - Bảng HTML
24 Nhập và Xuất Pandas - Tệp Excel
25 Nhập và Xuất Pandas - Cơ sở dữ liệu SQL
26 Bảng Pivot trong Pandas
27 Tổng quan Bài tập Dự án Pandas
28 Đáp án Bài tập Dự án Pandas
1 Giới thiệu về Matplotlib
2 Cơ bản về Matplotlib
3 Matplotlib - Hiểu về Đối tượng Figure
4 Matplotlib - Triển khai Figure và Axes
5 Matplotlib - Các Tham số của Figure
6 Matplotlib - Chức năng Subplots
7 Tùy chỉnh Matplotlib - Chú thích (Legends)
8 Tùy chỉnh Matplotlib - Màu sắc và Kiểu dáng
9 Các Lệnh Matplotlib Nâng cao (Tùy chọn)
10 Tổng quan Câu hỏi Bài tập Matplotlib
11 Đáp án Câu hỏi Bài tập Matplotlib
1 Giới thiệu về Seaborn
2 Biểu đồ Phân tán với Seaborn
3 Biểu đồ Phân phối - Phần Một - Hiểu các Loại Biểu đồ
4 Biểu đồ Phân phối - Phần Hai - Lập trình với Seaborn
5 Biểu đồ Phân loại - Thống kê trong Danh mục - Hiểu các Loại Biểu đồ
6 Biểu đồ Phân loại - Thống kê trong Danh mục - Lập trình với Seaborn
7 Biểu đồ Phân loại - Phân phối trong Danh mục - Hiểu các Loại Biểu đồ
8 Biểu đồ Phân loại - Phân phối trong Danh mục - Lập trình với Seaborn
9 Seaborn - Biểu đồ So sánh - Hiểu các Loại Biểu đồ
10 Seaborn - Biểu đồ So sánh - Lập trình với Seaborn
11 Biểu đồ Lưới Seaborn
12 Seaborn - Biểu đồ Ma trận
13 Tổng quan Bài tập Biểu đồ Seaborn
14 Đáp án Bài tập Biểu đồ Seaborn
1 Tổng quan Dự án Tổng hợp
2 Đáp án Dự án Tổng hợp - Phần Một
3 Đáp án Dự án Tổng hợp - Phần Hai
4 Đáp án Dự án Tổng hợp - Phần Ba
1 Giới thiệu Phần Tổng quan về Machine Learning
2 Tại sao lại là Machine Learning?
3 Các Loại Thuật toán Machine Learning
4 Quy trình Machine Learning có Giám sát
5 Sách Tham khảo - Giới thiệu về Học Thống kê
1 Giới thiệu Phần Hồi quy Tuyến tính
2 Hồi quy Tuyến tính - Lịch sử Thuật toán
3 Hồi quy Tuyến tính - Hiểu về Bình phương Tối thiểu Thông thường
4 Hồi quy Tuyến tính - Hàm Chi phí
5 Hồi quy Tuyến tính - Gradient Descent
6 Lập trình Hồi quy Tuyến tính Đơn giản bằng Python
7 Tổng quan về Scikit-Learn và Python
8 Hồi quy Tuyến tính - Scikit-Learn Chia Tập Huấn luyện/Kiểm tra
9 Hồi quy Tuyến tính - Scikit-Learn Đánh giá Hiệu suất - Hồi quy
10 Hồi quy Tuyến tính - Biểu đồ Phần dư
11 Hồi quy Tuyến tính - Triển khai Mô hình và Diễn giải Hệ số
12 Hồi quy Đa thức - Lý thuyết và Động lực
13 Hồi quy Đa thức - Tạo các Đặc trưng Đa thức
14 Hồi quy Đa thức - Huấn luyện và Đánh giá
15 Sự Đánh đổi Độ chệch - Phương sai
16 Hồi quy Đa thức - Chọn Bậc của Đa thức
17 Hồi quy Đa thức - Triển khai Mô hình
18 Tổng quan về Điều chuẩn (Regularization)
19 Chuẩn hóa Đặc trưng
20 Giới thiệu về Kiểm tra Chéo (Cross Validation)
21 Thiết lập Dữ liệu cho Điều chuẩn
22 Điều chuẩn L2 - Lý thuyết Hồi quy Ridge
23 Điều chuẩn L2 - Hồi quy Ridge - Triển khai bằng Python
24 Điều chuẩn L1 - Hồi quy Lasso - Bối cảnh và Triển khai
25 Điều chuẩn L1 và L2 - Elastic Net
26 Dự án Hồi quy Tuyến tính - Tổng quan Dữ liệu
1 Lưu ý từ Jose về Kỹ thuật Đặc trưng và Chuẩn bị Dữ liệu
2 Giới thiệu về Kỹ thuật Đặc trưng và Chuẩn bị Dữ liệu
3 Xử lý Giá trị Ngoại lai
4 Xử lý Dữ liệu Thiếu : Phần Một - Đánh giá Dữ liệu Thiếu
5 Xử lý Dữ liệu Thiếu : Phần Hai - Điền hoặc Xóa dữ liệu dựa trên Hàng
6 Xử lý Dữ liệu Thiếu : Phần 3 - Sửa dữ liệu dựa trên Cột
7 Xử lý Dữ liệu Phân loại - Các Tùy chọn Mã hóa
1 Tổng quan và Giới thiệu Phần
2 Kiểm tra Chéo - Chia Tập Kiểm tra | Huấn luyện
3 Kiểm tra Chéo - Chia Tập Kiểm tra | Xác thực | Huấn luyện
4 Kiểm tra Chéo - cross_val_score
5 Kiểm tra Chéo - cross_validate
6 Tìm kiếm Lưới (Grid Search)
7 Tổng quan Dự án Hồi quy Tuyến tính
8 Đáp án Dự án Hồi quy Tuyến tính
1 Lưu ý Sớm về Tải xuống .zip cho Ghi chú Hồi quy Logistic
2 Giới thiệu Phần Hồi quy Logistic
3 Hồi quy Logistic - Lý thuyết và Trực quan - Phần Một: Hàm Logistic
4 Hồi quy Logistic - Lý thuyết và Trực quan - Phần Hai: Từ Tuyến tính đến Logistic
5 Hồi quy Logistic - Lý thuyết và Trực quan - Toán học Từ Tuyến tính đến Logistic
6 Hồi quy Logistic - Lý thuyết và Trực quan - Đường phù hợp nhất với Ước lượng Hợp lý Cực đại
7 Hồi quy Logistic với Scikit-Learn - Phần Một - Phân tích Khám phá Dữ liệu (EDA)
8 Hồi quy Logistic với Scikit-Learn - Phần Hai - Huấn luyện Mô hình
9 Các Chỉ số Phân loại - Ma trận Nhầm lẫn và Độ chính xác
10 Các Chỉ số Phân loại - Độ chính xác, Độ bao phủ, Điểm F1
11 Các Chỉ số Phân loại - Đường cong ROC
12 Hồi quy Logistic với Scikit-Learn - Phần Ba - Đánh giá Hiệu suất
13 Phân loại Đa lớp với Hồi quy Logistic - Phần Một - Dữ liệu và EDA
14 Phân loại Đa lớp với Hồi quy Logistic - Phần Hai - Mô hình
15 Tổng quan Bài tập Dự án Hồi quy Logistic
16 Đáp án Bài tập Dự án Hồi quy Logistic
1 Giới thiệu Phần KNN
2 Phân loại KNN - Lý thuyết và Trực quan
3 Lập trình KNN với Python - Phần Một
4 Lập trình KNN với Python - Phần Hai - Chọn K
5 Tổng quan Bài tập Dự án Phân loại KNN
6 Đáp án Bài tập Dự án Phân loại KNN
1 Giới thiệu về Máy Vectơ Hỗ trợ
2 Lịch sử của Máy Vectơ Hỗ trợ
3 SVM - Lý thuyết và Trực quan - Siêu phẳng và Lề
4 SVM - Lý thuyết và Trực quan - Trực quan về Hạt nhân (Kernel)
5 SVM - Lý thuyết và Trực quan - Thủ thuật Hạt nhân và Toán học
6 SVM với Scikit-Learn và Python - Phân loại Phần Một
7 SVM với Scikit-Learn và Python - Phân loại Phần Hai
8 SVM với Scikit-Learn và Python - Các Nhiệm vụ Hồi quy
9 Tổng quan Dự án Máy Vectơ Hỗ trợ
10 Đáp án Dự án Máy Vectơ Hỗ trợ
1 Introduction to Tree Based Methods
2 Decision Tree - History
3 Decision Tree - Terminology
4 Decision Tree - Understanding Gini Impurity
5 Constructing Decision Trees with Gini Impurity - Part One
6 Constructing Decision Trees with Gini Impurity - Part Two
7 Coding Decision Trees - Part One - The Data
8 Lập trình Cây Quyết định - Phần Hai - Xây dựng Mô hình
1 Giới thiệu phần Rừng Ngẫu nhiên
2 Rừng Ngẫu nhiên - Lịch sử và Động lực phát triển
3 Rừng Ngẫu nhiên - Các Siêu tham số Quan trọng
4 Rừng Ngẫu nhiên - Số lượng Bộ ước lượng và Đặc trưng trong Tập con
5 Rừng Ngẫu nhiên - Bootstrapping và Lỗi Ngoài Bag
6 Lập trình Phân loại với Random Forest Classifier - Phần Một
7 Lập trình Phân loại với Random Forest Classifier - Phần Hai
8 Lập trình Hồi quy với Random Forest Regressor - Phần Một - Dữ liệu
9 Lập trình Hồi quy với Random Forest Regressor - Phần Hai - Mô hình Cơ bản
10 Lập trình Hồi quy với Random Forest Regressor - Phần Ba - Đa thức
11 Lập trình Hồi quy với Random Forest Regressor - Phần Bốn - Mô hình Nâng cao
1 Giới thiệu phần Phương pháp Boosting
2 Phương pháp Boosting - Động lực và Lịch sử
3 Lý thuyết và Trực quan về AdaBoost
4 Lập trình AdaBoost Phần Một - Dữ liệu
5 Lập trình AdaBoost Phần Hai - Mô hình
6 Lý thuyết Gradient Boosting
7 Hướng dẫn thực hành Lập trình Gradient Boosting
1 Giới thiệu Dự án Tổng kết Học có Giám sát
2 Hướng dẫn giải - Dự án Học có Giám sát - Dữ liệu và EDA
3 Hướng dẫn giải - Dự án Học có Giám sát - Phân tích Cohort
4 Hướng dẫn giải - Dự án Học có Giám sát - Mô hình Cây
1 Giới thiệu phần Xử lý Ngôn ngữ Tự nhiên và Naive Bayes
2 Thuật toán Naive Bayes - Phần Một - Định lý Bayes
3 Thuật toán Naive Bayes - Phần Hai - Thuật toán Mô hình
4 Trích xuất Đặc trưng từ Văn bản - Phần Một - Lý thuyết và Trực quan
5 Trích xuất Đặc trưng từ Văn bản - Lập trình Đếm Vector hóa Thủ công
6 Trích xuất Đặc trưng từ Văn bản - Lập trình với Scikit-Learn
7 Xử lý Ngôn ngữ Tự nhiên - Phân loại Văn bản - Phần Một
8 Xử lý Ngôn ngữ Tự nhiên - Phân loại Văn bản - Phần Hai
9 Tổng quan Bài tập Dự án Phân loại Văn bản
10 Lời giải Bài tập Dự án Phân loại Văn bản
1 Tổng quan về Học không Giám sát
1 Giới thiệu phần Phân cụm K-Means
2 Tổng quan Chung về Phân cụm
3 Lý thuyết Phân cụm K-Means
4 Lập trình Phân cụm K-Means - Phần Một
5 Lập trình Phân cụm K-Means Phần Hai
6 Lập trình Phân cụm K-Means Phần Ba
7 Lượng tử hóa Màu sắc với K-Means - Phần Một
8 Lượng tử hóa Màu sắc với K-Means - Phần Hai
9 Tổng quan Bài tập Phân cụm K-Means
10 Lời giải Bài tập Phân cụm K-Means - Phần Một
11 Lời giải Bài tập Phân cụm K-Means - Phần Hai
12 Lời giải Bài tập Phân cụm K-Means - Phần Ba
1 Giới thiệu Phân cụm Phân cấp
2 Phân cụm Phân cấp - Lý thuyết và Trực quan
3 Lập trình Phân cụm Phân cấp - Phần Một - Dữ liệu và Trực quan hóa
4 Lập trình Phân cụm Phân cấp - Phần Hai - Scikit-Learn
1 Giới thiệu phần DBSCAN
2 DBSCAN - Lý thuyết và Trực quan
3 So sánh DBSCAN với Phân cụm K-Means
4 DBSCAN - Lý thuyết về Siêu tham số
5 DBSCAN - Phương pháp Điều chỉnh Siêu tham số
6 Tổng quan Bài tập Dự án Phát hiện Ngoại lệ với DBSCAN
7 Lời giải Bài tập Dự án Phát hiện Ngoại lệ với DBSCAN
1 Giới thiệu Phân tích Thành phần Chính
2 Lý thuyết và Trực quan về PCA - Phần Một
3 Lý thuyết và Trực quan về PCA - Phần Hai
4 PCA - Triển khai Thủ công trong Python
5 PCA - Sử dụng SciKit-Learn
6 Tổng quan Bài tập Dự án PCA
7 Lời giải Bài tập Dự án PCA
1 Tổng quan phần Triển khai Mô hình
2 Các Lưu ý khi Triển khai Mô hình
3 Lưu trữ Mô hình
4 Tổng quan Chung về Triển khai Mô hình dưới dạng API
5 Lưu ý về Video sắp tới
6 API Mô hình - Tạo Script
7 Kiểm tra API

Giới thiệu khóa học

This is the most complete course online for learning about Python, Data Science, and Machine Learning. Join Jose Portilla's over 3 million students to learn about the future today!

What is in the course?

Welcome to the most complete course on learning Data Science and Machine Learning on the internet! After teaching over 2 million students I've worked for over a year to put together what I believe to be the best way to go from zero to hero for data science and machine learning in Python!

This course is designed for the student who already knows some Python and is ready to dive deeper into using those Python skills for Data Science and Machine Learning. The typical starting salary for a data scientists can be over $150,000 dollars, and we've created this course to help guide students to learning a set of skills to make them extremely hirable in today's workplace environment.

We'll cover everything you need to know for the full data science and machine learning tech stack required at the world's top companies. Our students have gotten jobs at McKinsey, Facebook, Amazon, Google, Apple, Asana, and other top tech companies! We've structured the course using our experience teaching both online and in-person to deliver a clear and structured approach that will guide you through understanding not just how to use data science and machine learning libraries, but why we use them. This course is balanced between practical real world case studies and mathematical theory behind the machine learning algorithms.

We cover advanced machine learning algorithms that most other courses don't! Including advanced regularization methods and state of the art unsupervised learning methods, such as DBSCAN.

This comprehensive course is designed to be on par with Bootcamps that usually cost thousands of dollars and includes the following topics:

  • Programming with Python

  • NumPy with Python

  • Deep dive into Pandas for Data Analysis

  • Full understanding of Matplotlib Programming Library

  • Deep dive into seaborn for data visualizations

  • Machine Learning with SciKit Learn, including:

    • Linear Regression

    • Regularization

    • Lasso Regression

    • Ridge Regression

    • Elastic Net

    • K Nearest Neighbors

    • K Means Clustering

    • Decision Trees

    • Random Forests

    • Natural Language Processing

    • Support Vector Machines

    • Hierarchal Clustering

    • DBSCAN

    • PCA

    • Model Deployment

    • and much, much more!


As always, we're grateful for the chance to teach you data science, machine learning, and python and hope you will join us inside the course to boost your skillset!


-Jose and Pierian Data Inc. Team

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 😊