post-image

Tôi Đã Học Python Trong 6 Tháng Thế Nào?

1. Tổng quan

Kinh nghiệm từ một sinh viên Kinh tế với 0% kinh nghiệm lập trình theo đuổi sự nghiệp Data Scientist.

Thành thật mà nói, học một ngôn ngữ mới chẳng phải việc dễ dàng gì. Đối với những người chưa từng có kinh nghiệm trong lĩnh vực máy tính và lập trình, học một ngôn ngữ lập trình như Python có lẽ là một nhiệm vụ bất khả thi. Tuy nhiên, sẽ chẳng có gì không thể nếu bạn nghĩ chúng có thể. Vậy  chọn ngôn ngữ nào để bắt đầu sự nghiệp khoa học dữ liệu của mình?

Bài viết này sẽ chia sẻ với các bạn một số tips học lập trình của mình, đặc biệt là với ngôn ngữ lập trình phổ biến nhất năm 2021: Python.

1. Luôn có Mục Tiêu trong đầu

Học mà không có mục tiêu là một trong những lỗi tệ nhất mà một người có thể gặp phải. Không có một mục tiêu nhất định, bạn sẽ dễ dàng quên mất lý do tại sao bạn lại học ngôn ngữ ngay này và đi sai hướng. Trước đây tôi đã từng phân vân học C++ hay Java, sau đó quyết định học C++. Nhưng vấn đề là tôi chỉ học vì nghĩ mình cần phải học một ngôn ngữ lập trình gì đó chứ hoàn toàn không viết mình sẽ học nó để làm gì. Hồi đó bạn tôi khuyên rằng C++ sẽ giúp tôi “tư duy tốt hơn”, điều đó chẳng sai nhưng học với một niềm tin mù mờ như thế đã khiến tôi lãng phí mất kha khá thời gian mà chẳng thu được gì nhiều nhặn.

Tuy nhiên, mọi thứ đã khác khi tôi học Python. Học Python là một phần trong kế hoạch của tôi về kỹ năng khoa học dữ liệu để chuyển sự nghiệp sang phân tích. Do đó, tôi không học Python chỉ vì mục đích học tập. Tôi cần học để có thể  phân tích dữ liệu, hiểu một loạt các thư viện để bắt đầu các dự án… Giờ đây, việc học đã không còn mông lung nữa.

Đặt đúng mục tiêu ban đầu là bạn đã hoàn thành công việc một nửa. Tìm một ứng dụng cho ngôn ngữ bạn đang học và bạn sẽ tiến một bước gần hơn để thành thạo nó.

2. Tìm các nguồn tài liệu học đa dạng

Ngoài các giáo trình chính thống, bạn có thể tìm kiếm rất nhiều tài liệu và khóa học miễn phí hoặc chi phí thấp từ khắp nơi trên thế giới thông qua Internet.

Để học online cho người mới bắt đầu và rèn luyện mỗi ngày, Khóa Python cơ bản trên Codelearn là một sự lựa chọn khá phù hợp. Khóa học sẽ cung cấp cho bạn những kiến thức căn bản nhất về Python và cách sử dụng chúng bằng lối mô tả, dẫn dắt và giải thích khá dễ hiểu. Kho tài liệu 1000 bài tập cũng là một môi trường tốt để bạn luyện tập mỗi ngày.

Bạn cần tận dụng nhiều nguồn tài nguyên sẵn có để nâng cao trải nghiệm học tập của mình, chọn lọc kiến thức và không ngừng cập nhật những thứ mới mẻ nhất. Có một số nguồn hữu ích  khác mà tôi muốn chia sẻ với các bạn dưới đây. Nó sẽ đòi hỏi 1 khả năng tiếng Anh nhất định nhưng không quá khó khăn, và hoàn toàn có thể làm quen nếu bạn chăm chỉ học một chút:

Udemy

Python Bootcamp và Python cho Khoa học Dữ liệu bao gồm những kiến thức cơ bản về lập trình Python và các thư viện cần thiết cho khoa học dữ liệu. Các khóa học này ở dạng bài giảng video và ghi chép Jupyter dưới dạng bài tập.

Interactive Coding Environment

Datacamp và Dataquest là những nền tảng tuyệt vời để code khi học về khoa học dữ liệu. Chúng cung cấp một môi trường tương tác để bạn thực hành, khiến các khái niệm trở nên dễ hiểu hơn. Đối với Python nói chung, bạn có thể tham khảo learnpython.org để có những kiến thức tương tự. Đối với một ngôn ngữ lập trình tương tự như ngôn ngữ tự nhiên, thực hành và thực hành chính là cách học tốt nhất.

edX

Tư duy tính toán bằng Python của MITx là khóa học tôi đã từng đề cập trong bài viết này: https://codelearn.io/blog/view/9-khoa-hoc-lap-trinh-mien-phi-hang-dau-the-gioi

Đây là một khóa học khác dành cho người mới bắt đầu, nhằm vào những người muốn bắt đầu và thử nghiệm các lĩnh vực của lập trình nhưng không biết bắt đầu từ đâu.

Khoảng thời gian cần thiết để hoàn thành chương trình này ước tính khoảng 5 tháng, cam kết 14-16 giờ mỗi tuần, cho thấy chương trình này có nội dung chặt chẽ hơn.

Tổng quan về chương trình không yêu cầu kinh nghiệm trước đó của người học về khoa học máy tính và các chủ đề liên quan để bắt đầu. Điều này có nghĩa là bạn sẽ học các khái niệm quan trọng tạo nên nền tảng của tư duy tính toán.

Blogs

Có rất nhiều các Blog chia sẻ về cách học, tài liệu học lập trình nói chung và Python (đặc biệt là khoa học dữ liệu) nói riêng. Một trong những blog bạn nên tham khảo là Self Learn Data Science, nơi họ chủ động đưa ra những nội dung giúp người mới bắt đầu bắt đầu trong hành trình học khoa học dữ liệu. SLDS cũng trình bày các thông tin một cách rõ ràng và súc tích, cung cấp các đánh giá và đề xuất một cách khách quan. Những blog khác có uy tín hơn bao gồm Data Science Central hoặc KDnuggets. Ở Việt Nam, bạn có thể tìm đọc blog của Codelearn (Chính là trang web bạn đang đọc đây), hoặc 1 số trang chia sẻ kinh nghiệm của các LTV khác như Tôi đi code dạo (mặc dù anh này không phải chuyên về Khoa học dữ liệu nhưng cũng có những kiến thức khá hay ho về lập tình).

3. Tham gia vào dự án thực tế

Bạn sẽ không biết bạn học được bao nhiêu, có thể làm những gì trừ khi bạn áp dụng những điều bạn đã học. Làm dự án là một cách tuyệt vời để đánh giá kiến ​​thức của bạn và chắc chắn là một điểm cộng cực lớn cho hồ sơ xin việc. Làm việc trong một dự án mà bạn quan tâm và bạn có thể học được nhiều hơn là trải qua các khóa học. Ứng dụng thực tế luôn là cách tiếp cận tốt nhất để học một kỹ năng kỹ thuật.

Ví dụ, bản thân tôi làm việc dịch tài liệu Khóa học Machine Learning từ MatLab sang Python code. Tôi đã dành cả tháng để code mỗi ngày, google và tìm hiểu. Và việc này đã khiến tôi thành thạo Python hơn rất nhiều, thay vì chỉ cần mẫn đọc sách, học và giải bài tập thông thường.

4. Tận dụng GitHub

Có một hồ sơ GitHub là điều bắt buộc nếu bạn có kế hoạch tiến vào lĩnh vực công nghệ. Bạn có thể tìm thấy những source code hữu ích cho tất cả các loại ứng dụng mà bạn muốn xây dựng và thậm chí đóng góp cho các dự án thú vị.

Vậy GitHub có liên quan gì đến việc học Python? Câu trả lời là gần như liên quan đến tất cả mọi thứ. Các lập trình viên học hỏi từ việc sao chép code và GitHub chính là một kho code tuyệt vời nhất. Có một số cách bạn có thể học Python từ GitHub:

  • Sao chép code từ người khác để sử dụng trong ứng dụng của bạn (nhưng đừng quên đọc – hiểu và học hỏi từ những đoạn code đó)
  • Phát triển code của riêng bạn cho người khác và nhận phản hồi (và tranh luận với họ nếu cần)
  • Đóng góp cho các dự án hiện có (luôn tham khảo và đặt câu hỏi tại sao)

Kết

Trên đây là một số những kinh nghiệm để đi từ con số 0 trên con đường theo đuổi ngành Data Science của mình, hi vọng sẽ giúp các bạn được phần nào đó. Chẳng bao giờ là quá muộn hay không thể theo đuổi một điều gì đó các bạn khát khao. Chúc các bạn học tốt!

Nguồn: codelearn.io

Trả lời

Email của bạn sẽ không được hiển thị công khai.