Thuộc hành trình Machine LearningMớiHành trìnhHọc có giám sát với Python
Huấn luyện mô hình học từ các ví dụ có nhãn. Chia dữ liệu, fit, dự đoán và chấm điểm với scikit-learn, xem mọi mô hình trên biểu đồ, và kết thúc bằng việc hoàn thiện một bộ phân loại loài chim cánh cụt.
58 bài học58 thử thách240 câu hỏi trắc nghiệm
- Phù hợp cho người mới
Trợ giúp lập trình bằng AI
Bài học tương tác thực hành
Bài trắc nghiệm để kiểm tra kiến thức
Giấy chứng nhận hoàn thành miễn phí
Đề cương
Phần này thuộc hành trình Machine Learning. Đề cương đầy đủ còn nhiều phần khác: nhấn vào bản xem trước bất kỳ bên dưới để xem trên trang hành trình.
- Phần 1Dữ liệu và biểu đồ60 bài học
- Phần 2Thống kê cho machine learning64 bài học
Phần 3
Học có giám sát
Bắt đầu phầnBắt đầuHuấn luyện mô hình thực tế bằng scikit-learn: chia dữ liệu, huấn luyện, dự đoán và đo lường. Tìm hiểu k-NN, hồi quy tuyến tính và hồi quy logistic, cây quyết định, rừng và boosting, cách đánh giá khách quan bằng kiểm định chéo, cùng pipeline. Kết thúc bằng một dự án về chim cánh cụt từ đầu đến cuối.Mô hình đầu tiên của bạn
5 bài học520Láng giềng gần nhất
5 bài học520Hồi quy tuyến tính
5 bài học520Hồi quy logistic
5 bài học520Đánh giá bộ phân loại
6 bài học625Cây quyết định
5 bài học520Quá khớp
5 bài học520Kiểm định chéo
4 bài học415Các mô hình tổ hợp
4 bài học415Quy trình xử lý
5 bài học520Dự án: Các loài chim cánh cụt
5 bài học525Thử thách cuối cùng
4 bài học420- Phần 4Học không giám sát51 bài học
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.
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
Code ở mọi nơi
Mang hành trình lập trình theo bên mình! Không cài đặt, không tải về: chỉ cần mở ra và bắt đầu code. Có trên iOS, Android và Web với đánh giá 4,9 sao.
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!
1
2
3
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.
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.
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 thànhPython cơ bản
Thêm vào LinkedInVì sao nên học supervised learning với Coddy
- Toàn bộ quy trình scikit-learn trong bốn dòng bạn sẽ dùng ở mọi dự án:
train_test_split,fit,predictvàscore. Sau đó, mỗi mô hình mới chỉ là thêm một dòng, không phải một cách làm việc mới. - Thấy mô hình quyết định ra sao. Đường ranh giới quyết định tô màu mặt phẳng, biểu đồ phần dư cho thấy đường thẳng bỏ sót điều gì, đường cong ROC cho thấy một ngưỡng phải đánh đổi những gì. Bài học nào cũng có biểu đồ, và biểu đồ của bạn hiện ra trong tab Plots ngay khi chạy.
- Những mô hình làm phần lớn công việc thực tế: k-nearest neighbors, hồi quy tuyến tính và hồi quy logistic, cây quyết định, random forest và gradient boosting, cùng pipeline chuẩn hóa, mã hóa và điền giá trị thiếu mà không làm rò rỉ tập kiểm thử.
- Điểm số trung thực. Ma trận nhầm lẫn, precision và recall, dữ liệu mất cân bằng giữa các lớp, overfitting, tập validation và cross-validation, để bạn phân biệt được mô hình thật sự hiệu quả với mô hình chỉ học thuộc bài.
Câu hỏi thường gặp về học có giám sát
Supervised learning là gì?
Học có giám sát (supervised learning) huấn luyện mô hình trên các ví dụ đi kèm đáp án đúng, gọi là nhãn. Mỗi hàng có các đặc trưng (độ dài mỏ, độ dài vây và hòn đảo của một chú chim cánh cụt) và một nhãn (loài của nó). Mô hình học mối liên hệ giữa chúng, rồi dự đoán nhãn cho các hàng mới. Gọi là có giám sát vì nhãn đóng vai người thầy: mô hình được điều chỉnh dựa trên nhãn trong lúc học.
Học có giám sát và học không giám sát khác nhau thế nào?
Phân loại và hồi quy là gì?
Đó là hai dạng của học có giám sát. Phân loại dự đoán một hạng mục, như spam hay không spam, hoặc một trong ba loại rượu vang. Hồi quy dự đoán một con số, như số lượt thuê xe đạp ngày mai hay mức tiến triển bệnh của một bệnh nhân. Nhiều mô hình làm được cả hai: có k-NN, cây quyết định và random forest cho mỗi dạng, và khóa học dùng cả hai phiên bản.
Khóa học dạy những thuật toán học có giám sát nào?
StandardScaler, OneHotEncoder, SimpleImputer, pipeline, cross_val_score và GridSearchCV.Cần biết gì trước khi bắt đầu?
Làm sao biết mô hình của mình có tốt không?
Bạn kiểm thử nó trên những hàng nó chưa từng thấy khi huấn luyện và so sánh với một mốc đơn giản, như luôn đoán lớp phổ biến nhất. Chỉ riêng độ chính xác có thể đánh lừa khi một lớp rất hiếm, nên khóa học còn dạy ma trận nhầm lẫn, precision, recall, F1 và đường cong ROC, cùng cross-validation để kiểm tra rằng điểm số không phải do may mắn.
Phần học có giám sát mất bao lâu?
58 bài học, khoảng 10 giờ theo tốc độ của bạn: vài tuần nếu học nửa giờ mỗi ngày. Mỗi bài học là một ý tưởng và một nhiệm vụ, và phần này kết thúc bằng dự án chim cánh cụt cùng bốn thử thách cuối.
Phần này có miễn phí không?
Có. Bài học, biểu đồ, gợi ý AI và chứng nhận của phần này đều miễn phí. Tài khoản miễn phí học được vài bài mỗi ngày, còn gói Pro bỏ giới hạn hằng ngày.
