Đề cương khóa học

Giới thiệu về Colab Pro

  • Colab vs. Colab Pro: tính năng và giới hạn
  • Tạo và quản lý các quyển ghi chú (notebooks)
  • Bộ gia tốc phần cứng và cài đặt runtime

Phát triển Python trong đám mây

  • Các ô mã, markdown và cấu trúc quyển ghi chú (notebook)
  • Cài đặt gói và thiết lập môi trường
  • Lưu trữ và quản lý phiên bản của quyển ghi chú trong Google Drive

Xử lý Dữ liệu và Trực quan hóa

  • Tải và phân tích dữ liệu từ các tập tin, Google Sheets, hoặc APIs
  • Sử dụng Pandas, Matplotlib, và Seaborn
  • Truyền phát và trực quan hóa dữ liệu lớn

Machine Learning với Colab Pro

  • Sử dụng Scikit-learn và TensorFlow trong Colab
  • Huấn luyện mô hình trên GPU/TPU
  • Đánh giá và điều chỉnh hiệu suất mô hình

Làm việc với các Framework Deep Learning

  • Sử dụng PyTorch với Colab Pro
  • Quản lý bộ nhớ và tài nguyên runtime
  • Lưu trữ checkpoint và nhật ký huấn luyện

Tích hợp và Collaboration

  • Mounting Google Drive và tải dữ liệu chia sẻ
  • Hợp tác thông qua các quyển ghi chú được chia sẻ
  • Xuất sang HTML hoặc PDF để phân phối

Tối ưu hóa Hiệu suất và Thực hành Tốt nhất

  • Quản lý thời gian tồn tại của phiên làm việc và giới hạn thời gian
  • Tổ chức mã hiệu quả trong quyển ghi chú (notebook)
  • Mẹo cho các tác vụ chạy lâu dài hoặc ở mức sản xuất

Tóm tắt và Bước Tiếp theo

Yêu cầu

  • Kinh nghiệm với lập trình Python
  • Familiarity with Jupyter notebooks and basic data analysis
  • Hiểu biết về quy trình học máy thông thường

Đối tượng

  • Nhà khoa học dữ liệu và nhà phân tích
  • Kỹ sư học máy
  • Các nhà phát triển Python làm việc trên các dự án AI hoặc nghiên cứu
 14 Giờ học

Số người tham gia


Giá cho mỗi người tham gia

Các khóa học sắp tới

Các danh mục liên quan