Tutorial Python tốt nhất cho Machine Learning.

Dẫn Nhập 

Hi mọi người! Đây là bài dịch trong chuỗi bài NHỮNG BÀI VIẾT HỮU ÍCH TỪ QUORA của website Howkteam.com & các Kter tâm huyết, Mong muốn mang lại thêm nhiều kiến thức hữu ích từ các nguồn kiến thức nước ngoài đến với cộng đồng. Hy vọng các bạn sẽ thích những kiến thức được đề cập trong các bài dịch hữu ích này! Cảm ơn các bạn!

Bạn có thể tham gia đóng góp bài dịch bằng cách đăng ký cùng Kteam qua: Fanpage How Kteam

---

Câu hỏi

“Ai có Tutorial Python tốt nhất cho Machine Learning có thể cho mình xin được không?”

---

Thảo luận

Sakina Mirza, chuyên gia Python.

Tôi đã lên kế hoạch 7 bước cho bạn học Python, bạn đừng nghĩ nó khó học như chế tạo tên lửa nhé, không tới mức vậy đâu. Tôi cũng cung cấp một số tài nguyên tham khảo cho bạn bên dưới.

Bước 1. Bắt đầu với những thứ đơn giản nhất.

Mục tiêu là tìm hiểu những thứ cơ bản, vì vậy bạn chỉ cần BIẾT ĐỦ để bắt đầu làm việc với các dự án riêng của bạn trong các lĩnh vực bạn quan tâm, không cần mất quá nhiều thời gian để học hết mọi thứ.

Tôi đã dành ít hơn một tuần cho dataflair (https://data-flair.training/), đọc qua khoảng 30% tài liệu. Vậy là đã đủ để bắt đầu 1 dự án.

Một số tài nguyên có thể giúp bạn:

• Python Syntax | The Best Tutorial to Learn Python Syntax
• Python Operators
• Python Functions
• Python Comprehensions
• Python Lists
• Python Tuples
• Python Directory and Dictionary Comprehension
• Decision Making in Python
• Loops in Python

Tôi muốn nhấn mạnh rằng bạn chỉ nên dành đủ thời gian để học về các cú pháp cơ bản. Khi tiếp cận với các dự án bạn sẽ học nó nhanh hơn. Bạn có thể tham khảo lại các cú pháp khi bạn gặp trục trặc sau này.

Bước 2. Thiết lập máy tính của bạn.

Tôi gợi ý cho bạn Annaconda để bạn tìm hiểu về Data Science. Annaconda là một bản phân phối mã nguồn mở cho Python và R để xử lý dữ liệu lớn, tính toán khoa học và phân tích dự đoán. Bạn cũng có thể tải xuống Annaconda từ trang chủ của nó (Home). Nó có tất cả những gì bạn cần để học Data Science và Machine Learning bằng Python.

Bước 3. Tìm hiểu Regex (Biểu thức chính quy).

Nếu bạn phải xử lý dữ liệu văn bản, regex sẽ có ích với việc làm sạch dữ liệu. Đây là một quá trình phát hiện và thu thập các lỗi hỏng từ các bản ghi của một bộ bản ghi (record set), cơ sở dữ liệu hoặc bảng. Nó xác định các phần dữ liệu không chính xác, các phần không đầy đủ và không liên quan của dữ liệu và sửa đổi, thay thế hoặc xoá nó.

Bước 4. Thư viện cần thiết cho Data Science và Machine Learning.

Một thư viện thực ra là một gói các hàm có sẵn và các đối tượng có thể được import vào code của bạn để tiết kiệm thời gian và công sức.

• Numpy
• Pands
• Scipy
• Matplotlib
• Scikit-learn
• Seaborn

Tạo một cái gì đó thật với Python. Bạn sẽ phạm sai lầm, mắc kẹt nhiều lần, nhưng dần dần bạn sẽ tìm ra cách để giải quyết các vấn đề của mình. Trên hành trình tìm câu trả lời cho câu hỏi của bạn, bạn sẽ học được thêm những điều mới và ở đây việc học thực sự bắt đầu.

Bước 5. Thực hiện các dự án có cấu trúc trong phạm vi kiến thức của bạn

Trừ khi bạn thực sự áp dụng kiến thức của mình, nếu không bạn không thể nhớ mãi nó được (học không hành thì quên). Các dự án là một cách tuyệt vời để học vì chúng thúc đẩy khả năng của bạn, chỉ cho bạn cách áp dụng các kỹ năng và cung cấp cho bạn một danh sách các thành tích để có thể “show” cho nhà tuyển dụng trong tương lai. Bạn có thể đọc bài viết sau Future Scope of R Programming | R Programming Career.

Khi bạn bắt đầu, một số hướng dẫn sẽ giúp dự án của bạn có cấu trúc hơn.

Bước 6. Tự làm việc với các dự án.

Một khi bạn đã học xong các khái niệm theo cách được hướng dẫn, đã đến lúc bạn phải tự mình thực hiện một số dự án. Bạn vẫn sẽ cần tham khảo thêm các tài liệu, nhưng những gì bạn học được sẽ phụ thuộc vào nhu cầu của dự án.

Tìm thêm một vài người để cùng bạn có thể vừa học hỏi vừa giúp nhau có động lực.

Một vài ý tưởng cho bạn:

• Mở rộng dự án trước đây của bạn, thêm các chức năng cho nó.
• Tìm kiếm cộng đồng để biết thêm những người đang dùng Python để code, bạn sẽ có thêm ý tưởng từ dự án của họ.
• Tìm các mã nguồn mở để đóng góp.
• Tham gia các tổ chức phi lợi nhuận đang tìm kiếm tình nguyện viên.
• Tìm các dự án mà người khác đã thực hiện để xem bạn có khả năng mở rộng hoặc điều chỉnh chúng không.

Dự án đầu tiên của tôi là điều chỉnh thuật toán chấm điểm bài luận tự động. Trông nó không đẹp lắm, nhưng nó là điểm khởi đầu của tôi trên hành trình Python.

Điều quan trọng là chọn một cái gì đó để làm. Nếu bạn quá bận tâm vào việc chọn một dự án thật sự hoàn hảo, có một rủi ro là bạn sẽ không bao giờ thực hiện nó.

Bước 7. Tìm đến các dự án khó hơn.

Tiếp tục tăng độ khó và phạm vi dự án của bạn, nếu bạn hoàn toàn hứng thú với những gì bạn đang xây dựng.

Dưới đây là một số ý tưởng khi thời điểm đó đến:

• Thử dạy người mới làm thế nào để thực hiện dự án hiện tại của bạn.
• Hãy kiểm tra thử trang web của bạn có khả năng mở rộng thêm nữa không.
• Bạn có thể làm cho chương trình của bạn chạy nhanh hơn không?

Tiếp tục tiến lên.

Cho đến thời điểm này, thực sự có lẽ không mấy người có khả năng nói mình hoàn toàn hiểu được Python.

Bạn cần phải không ngừng học hỏi và làm việc trong các dự án. Nếu bạn làm đúng, bạn sẽ thấy code vào thời điểm 6 tháng trước của bạn khủng khiếp như thế nào.

Python là một ngôn ngữ thực sự thú vị và bổ ích để học và tôi nghĩ rằng bất kỳ ai cũng có thể đạt được trình độ thành thạo cao nếu họ có động lực của riêng họ.

---

Bài dịch có thể vẫn chưa phải là bản dịch sát nhất, hay hoàn chỉnh nhất. Vì vậy, nếu bạn có hứng thú với bài này, bạn có thể tiếp tục dịch các phần trả lời tiếp theo và đóng góp thêm bản dịch chất lượng đến cộng đồng qua phần comment nhé! Cảm ơn các bạn! 

• Nguồn: https://www.quora.com/What-is-the-best-Python-tutorial-for-machine-learning?fbclid=IwAR3lZfbvqZad_hLF5dWjNyXKKJp07zPZp-C4BuXJpxh3l_EFz9EhBoqEPiv4

---

Thảo luận

Nếu bạn có bất kỳ khó khăn hay thắc mắc gì về khóa học, đừng ngần ngại đặt câu hỏi trong phần BÌNH LUẬN bên dưới hoặc trong mục HỎI & ĐÁP trên thư viện Howkteam.com để nhận được sự hỗ trợ từ cộng đồng.