THÀNH THẠO XỬ LÝ DỮ LIỆU VỚI PYTHON TỪ SỐ 0! (+ AI)

[Case study] Báo cáo Xu hướng nghề nghiệp tương lai của WEF từ 2025-2030

List & List Indexing, Slicing

List functions

Dictionary

Thử thách cho bạn

Tuple và Set

Câu điều kiện if-else

Vòng lặp For

Vòng lặp While và Break, Continue, Pass

Giải bài tập buổi 2

[Case study] Câu chuyện về công ty Blue Apron

Hàm Zip & In, Not In

Thư viện random & hàm Join

List comprehensive

Function

Bài tập nhỏ

Hàm ẩn danh Lambda

Sử dụng Try, Except để xử lý lỗi

Giải bài tập buổi 3

Slide - giới thiệu về Pandas

Xem tổng quan dữ liệu

Chọn Trường & Filter

Hàm Loc

Hàm Iloc

Các Aggregation function

Nối (Concat) nhiều dataframe

Merge

Các phép toán với trường & save file

Group by

Pivot table

Apply

Làm việc với Time series

Giải bài tập buổi 4 - Restaurant lab

Giải bài tập buổi 4 - Titanic lab

Giải bài tập buổi 4 - Titanic for fun

Chuyển đổi kiểu dữ liệu cho các trường dữ liệu

Làm việc với thiếu dữ liệu - phần 1

Làm việc với thiếu dữ liệu - phần 2

Làm việc với thiếu dữ liệu - phần 3

Làm việc với dữ liệu bị lặp

Outlier và cách xác định outlier bằng phương pháp IQR

Giải bài tập buổi 5 - Kickstarter lab

[Case study] Tại sao chúng ta cần phải Trực quan hóa dữ liệu?

Chart đầu tiên

Chart thứ 2 và chỉ số Pearson

Chart thứ 3 và bar label

Chart thứ 4

Vẽ nhiều chart với hàm subplot

Vẽ nhiều kiểu biểu đồ trên một chart với hàm twinx

Thay đổi style biểu đồ & hàm Plot

Giải bài tập buổi 6 - Bicycle lab

Giới thiệu Project | ✅ Khoá học này sẽ giúp bạn LÀM ĐƯỢC nó!

Files dự án

Câu 1: Số lượng Monthly Active Users (MAU) qua thời gian?

Câu 2: Số lượng đơn hàng và tổng giá trị đơn hàng qua thời gian?

Câu 3: Số lượng khách hàng theo ngày trong tuần và khung giờ

Câu 4: Top 10 đất nước mang lại doanh số cao nhất

Câu 5: Top 10 đất nước mang lại AOV cao nhất

Câu 6: Số lượng khách hàng mới và cũ qua thời gian

Câu 7: Các KH mới của T12/2010, xu hướng giao dịch khi họ trở lại

Câu 8.1: Giới thiệu bài toán phân khúc khách hàng (Customer segmentation)

Câu 8.2: Hoàn thành code việc phân khúc khách hàng

Demo giới thiệu sử dụng AI vẽ chart

Bạn tải file demo của bài học này về nhé!

Cài đặt thư viện và lấy OpenAI ChatGPT API key

AI xử lý dữ liệu hơi bị tiện

Giờ ta có thể vẽ Chart nhanh gọn lẹ và linh hoạt với AI

AI đã ngon giờ lại còn Miễn phí với API của Google Gemini nữa chứ!

[Case study] Cách làm giàu bằng lý thuyết thống kê

Giới thiệu về numpy và tạo các mảng đơn giản

Concatenate mảng & Reshape mảng

Thêm chiều mới cho mảng

Transposing, Indexing, slicing

Filter & làm việc với các phép toán căn bản với mảng

Phép tích vô hướng & Phép nhân ma trận

Aggregate functions

Broadcasting

Giải bài tập buổi 7

Các bước Pre-processing data

Model Logistic Regression

Train model

Đánh giá hiệu suất model

Cải thiện model & Phương pháp Oversampling với SMOTE & Bài tập buổi 9

Extra & Lời chào

Slide - Machine learning là gì?

Model Linear Regression

Case 1: Train model với một feature

Case 2: Train model với nhiều feature

Case 3: Sử dụng MinMaxScaler

Case 4: Sử dụng Polinomial Feature - phần 1

Case 4: Sử dụng Polinomial Feature - phần 2 & Bài tập buổi 8

Bonus Files

Đánh giá hiệu suất nhiều Model Machine Learning cùng lúc

Share tài liệu: Cách viết CV chuyên nghiệp và 164 câu hỏi phỏng vấn DA, DE, DS

Giới thiệu về Selenium

Tạo môi trường | cài đặt Selenium và các thư viện khác

File bài giảng

[P1 - Làm quen với Selenium] - Mở trình duyệt và truy cập vào trang web

[P1] - Các Locators trong Selenium là gì?

[P1] - Tìm các thành phần website bằng Class Name

[P1] - Tìm thành phần (element) website bằng ID; Link text; Partial link text;..

[P1] - Tìm các thành phần website bằng XPATH

[P1] - Lấy thông tin (dữ liệu) từ các element

[P1] - Các thao tác thông dụng với trang web

[P2 - Thực Chiến] - Lọc ra hãng Iphone

[P2] - Lọc ra các hãng Iphone, Samsung, Xiaomi

[P2] - Hiển thị toàn bộ các điện thoại

[P2] - Lấy danh sách các element điện thoại

[P2] - Thu thập tên điện thoại

[P2] - Thu thập giá tiền, thông tin cấu hình, đường link hình ảnh

[P2] - Tạo function tự động lấy dữ liệu từ element điện thoại

[P2] - Thu thập dữ liệu của toàn bộ các điện thoại

[P2] - Phân tích việc lấy dữ liệu mô tả của sản phẩm

[P2] - Thu thập mô tả sản phẩm của một element điện thoại

[P2] - Tạo hàm tự động lấy thông tin chi tiết sản phẩm

[P2] - Lấy thông tin chi tiết toàn bộ điện thoại

[P2] - Làm sạch code và hoàn thành dự án!