Bước 1
Python cơ bảnTrang riêng
Bắt đầu bước nàyBắt đầuBiến, điều kiện, vòng lặp, hàm và danh sách: hai phần của khóa học Python mà mọi bước sau đều cần đến. Lớp và tệp có thể để sau.Bắt đầuTrang riêng2 phần, theo thứ tự
Lộ trình học
Lộ trình Data Science cho người mới bắt đầu
Từ dòng code Python đầu tiên đến những mô hình bạn có thể tin cậy: SQL, biểu đồ, thống kê, rồi học máy với scikit-learn. Code thật ngay trên trình duyệt, bài học ML nào cũng có biểu đồ.
2,163,634+ người học code đã đăng ký các khóa học này
487 bài học539 thử thách2,161 câu hỏi trắc nghiệm
- Phù hợp cho người mới
Trợ giúp lập trình bằng AI
Bài học tương tác thực hành
Có thuyết minh âm thanh cho mọi bài học
Bài trắc nghiệm để kiểm tra kiến thức
Một chứng nhận lộ trình ở cuối, cùng 8 chứng nhận trên đường đi
Huấn luyện mô hình ngay trên trình duyệt
Code scikit-learn thật với đầu ra thật. Kéo thanh trượt để đổi một dòng và xem mô hình học được gì.
k nhỏ thì ghi nhớ từng điểm huấn luyện và vẽ đường biên lởm chởm. k lớn hơn làm nó mượt lại.
main.py
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = make_moons(n_samples=200, noise=0.3, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
k = 5
model = KNeighborsClassifier(n_neighbors=k)
model.fit(X_train, y_train)
print(f"train accuracy: {model.score(X_train, y_train):.2f}")
print(f"test accuracy: {model.score(X_test, y_test):.2f}")
xx, yy = np.meshgrid(np.linspace(-2, 3, 56), np.linspace(-1.5, 2, 40))
proba = model.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
proba = proba.reshape(xx.shape)
plt.figure(figsize=(5, 4))
plt.pcolormesh(xx, yy, proba, cmap="coolwarm", alpha=0.35)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap="coolwarm", edgecolors="k")
plt.title(f"k-nearest neighbors, k = {k}")
plt.show()
Đang tải biểu đồ
Đầu ra
Lộ trình data science, từng bước một
Mỗi bước là một khóa học có sẵn trên Coddy. Học theo thứ tự, hoặc nhảy thẳng vào khóa bạn còn thiếu: dù cách nào thì tiến độ của bạn cũng được lưu riêng cho từng khóa học.
- 1
- 2Bước 2
SQL để lấy dữ liệuTrang riêng
Bắt đầu bước nàyBắt đầuChọn, lọc, join, nhóm và tổng hợp các bảng thật. Phần lớn dữ liệu của công ty nằm trong cơ sở dữ liệu, và nhà khoa học dữ liệu biết truy vấn sẽ không phải chờ người khác xuất dữ liệu cho mình.Bắt đầuTrang riêng2 phần, theo thứ tự - 3Bước 3
Dữ liệu và biểu đồTrang riêng
Bắt đầu bước nàyBắt đầuMảng NumPy, bảng pandas và biểu đồ matplotlib, rồi các bộ dữ liệu có sẵn iris, wine và digits. Bộ công cụ mà mọi dự án học máy đều bắt đầu, bài học nào cũng có biểu đồ.Bắt đầuTrang riêng - 4Bước 4
Thống kê cho học máyTrang riêng
Bắt đầu bước nàyBắt đầuĐộ tập trung và độ phân tán, phân phối, xác suất qua mô phỏng, giá trị ngoại lai, tương quan, đường xu hướng, p-value, chuẩn hóa và mã hóa. Học bằng cách mô phỏng và vẽ biểu đồ, không phải học thuộc công thức.Bắt đầuTrang riêng - 5Bước 5
Học có giám sátTrang riêng
Bắt đầu bước nàyBắt đầuChia dữ liệu, huấn luyện, dự đoán và chấm điểm với scikit-learn: k-NN, hồi quy tuyến tính và logistic, cây quyết định, rừng ngẫu nhiên, boosting, kiểm định chéo và pipeline, kết thúc bằng một bộ phân loại loài chim cánh cụt.Bắt đầuTrang riêng - 6Bước 6
Học không giám sátTrang riêng
Bắt đầu bước nàyBắt đầuTìm cấu trúc khi không có nhãn: k-means, phân cụm phân cấp, DBSCAN, PCA và phát hiện bất thường, kết thúc bằng một dự án lập bản đồ và phân nhóm chữ số viết tay.Bắt đầuTrang riêng
Bạn nhận được gì
Mọi thứ bạn sẽ dùng để học lập trình
Học qua thực hành
Viết code thật, truy vấn cơ sở dữ liệu, xây dựng trang web và làm chủ prompt AI. Các bài học tương tác bao quát mọi kỹ năng mà lập trình viên hiện đại cần.
playground.js
Trình chỉnh sửa code
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3 return greeting + " " + name
4}
5
Test #1
Test #2
Test #3
Đầu vào
"Alex"
Đầu ra
"Hello, Coddy! Alex"
Xây dựng streak
Học đều đặn và nhìn tiến độ của bạn lớn dần! Theo dõi thói quen code mỗi ngày, bảo vệ streak bằng ngày đóng băng và nhận phần thưởng khi học mỗi ngày.
12 ngày streak
Quay lại ngày mai để giữ streak!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Gấp đôi hoặc mất hết
Ngày 5/7
Đóng băng streak
2 left
Bạn không đơn độc
Thi đấu trên bảng xếp hạng toàn cầu, mời bạn bè để nhận phần thưởng và cùng nhau ăn mừng thành công. Học code cùng bạn bè vui hơn nhiều!
Giải đấu ChallengerTop 7 được thăng hạng
1
Alex7+ Days
2840
2
Jordan7+ Days
2650
3
Sam7+ Days
2420
4
Casey
2180
5
Morgan7+ Days
1950
Vùng thăng hạngMọi cách để học
Đọc, nghe, tự kiểm tra, hỏi AI hoặc tra cứu bất cứ điều gì bạn đã học. Mỗi bài học phù hợp với trình độ của bạn.
Giới thiệu về biến
Âm thanh
Biến là một vùng chứa có tên, lưu một giá trị mà bạn có thể dùng lại sau trong chương trình.
Trong Python, bạn tạo biến bằng cách viết tên, dấu bằng, rồi giá trị muốn lưu.
Giá trị có thể thay đổi theo thời gian. Gán lại tên đó chỉ đơn giản là trỏ nó tới một giá trị mới.
1xSarah
Nhận chứng nhận
Nhận chứng nhận cho mỗi khóa học bạn hoàn thành. Thêm vào hồ sơ LinkedIn và CV để cho nhà tuyển dụng thấy kỹ năng lập trình của bạn.
Giấy chứng nhận hoàn thànhChứng nhận rằngNguyễn Văn Anđã hoàn thành xuất sắc
Python cơ bản
Python cơ bản
NgàyTh1 2026
Thêm vào LinkedInVì sao nên theo lộ trình data science này trên Coddy
- Một thứ tự rõ ràng, không phải đoán. Python trước, rồi SQL để lấy dữ liệu, rồi biểu đồ và thống kê để hiểu dữ liệu, rồi mô hình để dự đoán từ dữ liệu. Mỗi bước dùng lại những gì bước trước đã dạy.
- Bạn nhìn thấy dữ liệu. Mọi bài học học máy đều có biểu đồ hoặc sơ đồ, và biểu đồ do code của bạn vẽ hiện ngay trong tab Plots bên cạnh, nên phân phối, tương quan hay ranh giới quyết định là thứ bạn đã tận mắt thấy, không chỉ đọc qua.
- Công cụ thật, không cần cài đặt: Python, SQL, NumPy, pandas, matplotlib, SciPy và scikit-learn, tất cả chạy ngay trên trình duyệt với đúng phiên bản các nhà khoa học dữ liệu đang dùng.
- Hai dự án hoàn chỉnh, một bộ phân loại loài chim cánh cụt và một công cụ khám phá chữ số viết tay, cùng các thử thách cuối khóa về khách hàng rời bỏ, gian lận và A/B test. Mỗi khóa học đều kết thúc bằng một chứng nhận miễn phí.
Câu hỏi thường gặp về việc trở thành nhà khoa học dữ liệu
Làm sao để trở thành nhà khoa học dữ liệu từ con số 0?
Học Python, rồi SQL, rồi cách khám phá và vẽ biểu đồ dữ liệu với pandas và matplotlib, rồi đủ kiến thức thống kê để phân biệt một quy luật với nhiễu, rồi học máy với scikit-learn. Đó chính là lộ trình này, theo đúng thứ tự đó. Sau đó, hãy làm hai hoặc ba dự án trên các bộ dữ liệu công khai để trả lời một câu hỏi mà ai đó quan tâm, và viết lại những gì bạn tìm ra.
Data analyst và data scientist khác nhau thế nào?
Data analyst giải thích chuyện gì đã xảy ra: truy vấn, bảng tính, biểu đồ và báo cáo. Data scientist còn dự đoán chuyện gì sẽ xảy ra và kiểm chứng xem một hiệu ứng có thật hay không: thống kê, học máy và thử nghiệm. Hai vị trí cùng dùng SQL, Python và pandas. Nếu mục tiêu của bạn là dashboard và báo cáo, lộ trình Data Analyst sẽ phù hợp hơn.
Nên học gì đầu tiên để làm data science?
Python. Đây là ngôn ngữ xuất hiện trong gần như mọi tin tuyển dụng data science, và các thư viện mà phần còn lại của lộ trình dùng (pandas, matplotlib, scikit-learn) đều là thư viện Python. Bước đầu tiên chỉ dạy những phần Python mà các bước sau cần: biến, điều kiện, vòng lặp, hàm và danh sách.
Làm data science có cần bằng đại học hay toán nâng cao không?
Không cần để bắt đầu, và cũng không cần cho nhiều công việc. Nhà tuyển dụng tìm người biết lấy dữ liệu bằng SQL, làm sạch và vẽ biểu đồ bằng pandas, suy luận bằng thống kê và xây một mô hình mà họ bảo vệ được. Lộ trình này dạy thống kê bằng mô phỏng và biểu đồ, không có giải tích. Bằng cấp có ích cho các vị trí nghiên cứu; một portfolio gồm những dự án trung thực thì có ích ở mọi nơi.
Theo lộ trình này mất bao lâu?
Khoảng năm đến bảy tháng, mỗi ngày một giờ. Python cơ bản mất khoảng sáu tuần, SQL từ ba đến bốn tuần, còn bốn phần học máy tổng cộng khoảng 40 giờ. Khoảng thời gian sau đó, dành cho các dự án của riêng bạn, là thứ biến kỹ năng thành portfolio.
Lộ trình data science này có dạy deep learning không?
Không, và trang này nói rõ điều đó ở bên dưới. Lộ trình dạy học máy cổ điển, những mô hình giải quyết phần lớn bài toán kinh doanh: hồi quy, cây quyết định, rừng ngẫu nhiên, boosting, phân cụm và PCA. Mạng nơ-ron, các framework deep learning và mô hình ngôn ngữ lớn đến sau những thứ này, và sẽ dễ học hơn khi bạn đã biết chia dữ liệu, huấn luyện và đánh giá một mô hình đúng cách.
Tôi có nhận được chứng nhận cho lộ trình Data Scientist không?
Có. Hoàn thành mọi bước và bạn nhận một chứng nhận miễn phí cho cả lộ trình Data Scientist. Chứng nhận liệt kê từng khóa học bạn đã hoàn thành trên đường đi và liên kết đến chứng nhận riêng của từng khóa, để ai cũng có thể kiểm tra mọi kỹ năng được nêu. Bạn có thể thêm nó vào hồ sơ LinkedIn. Đây là chứng nhận hoàn thành của Coddy, không phải văn bằng được kiểm định.
