Khóa học nào tốt nhất cho python?

TL;DR

Trong số khoảng 3000 dịch vụ, đây là những khóa học Python tốt nhất theo phân tích này

1. Học Python bằng Codecademy
2. Giới thiệu về lập trình Python của Udacity
3. Lập trình cho mọi người [Bắt đầu với Python] của Coursera
4. Giới thiệu về Python cho Khoa học dữ liệu của Datacamp
5. Hoàn thành Python Bootcamp từ Zero đến Hero bằng Python của Udemy
6. Giới thiệu về Khoa học Máy tính và Lập trình Sử dụng Python của Edx
7. Giới thiệu về lập trình tương tác trong Python [Phần 1] của Coursera
8. Học máy với Python của Coursera
9. Giới thiệu về TensorFlow cho Deep Learning của Udacity
10. học lập trình. Nguyên tắc cơ bản của Coursera

Nếu bạn muốn bỏ qua phần phân tích và xem điểm số, phân tích và đánh giá của khóa học,

Cách xếp hạng các khóa học Python

Kiến trúc ban đầu của công cụ tìm kiếm của Google dựa trên ý tưởng đơn giản rằng kết quả tìm kiếm có thể xếp hạng các trang web theo thuật toán PageRank, thuật toán này cho điểm các trang web dựa trên số lượng và chất lượng của các liên kết ngược

Learn Data Science with

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

import pandas as pd
from pathlib import Path


    

        
Learn Data Science with 
        

    

Tôi đã đặt tên cho một thư mục là

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

Chúng tôi sẽ sử dụng

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Dưới đây, chúng tôi lấy tất cả các tệp CSV từ thư mục

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Ngoài

#Lưu lượng truy cập [desc]Lưu lượng truy cập [Phần trăm %]# từ khóa Tên miền giới thiệuURLTừ khóa hàng đầuKhối lượng của nóVị trí URL bên trongGiá trị lưu lượng018035. 031. 0638196. 0https. //www. khóa học. org/courses?query=pythoncoursera python32001NaN40291

Sử dụng

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Lọc URL

Để tiếp tục lọc kết quả vào các trang khóa học thực tế, chúng tôi sẽ cần sử dụng một số bộ lọc cho mỗi nền tảng. Tôi đã dành thời gian xem qua từng nền tảng để hiểu cấu trúc URL nào tương ứng với các trang khóa học và tạo từ điển bộ lọc này để sử dụng

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Mục đích là dùng từ điển này để lọc cột URL trong dataframe. Khóa của từ điển là tên nền tảng, cũng là tên miền của nền tảng và giá trị là một bộ các yêu cầu đối với URL. Tuple chứa hai danh sách. [1] Các tính năng URL cần bao gồm và [2] Các tính năng URL cần loại trừ

Ví dụ: đường dẫn URL chính cho các khóa học Linkedin Learning là Linkedin. com/learning/ mà chúng tôi muốn đưa vào. Nhưng chúng tôi cũng muốn loại trừ các URL như Linkedin. com/learning/topics/. Để lọc các URL này, chúng tôi có thể đảm bảo '/learning/' có trong URL và '/topics/' không có

Learn Data Science with

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

  


    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Ngoài

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Khi URL được lọc ra, nó được đặt thành

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Lọc khung dữ liệu của chúng tôi dường như đã giảm khoảng một nửa tổng số URL

Ngoài việc lọc, chúng tôi cũng sẽ lọc toàn bộ các cột vì chúng tôi chỉ cần Lưu lượng truy cập, Miền giới thiệu và URL cho phân tích này

Hợp nhất các khóa học trùng lặp

Chúng tôi cần chuẩn hóa các URL vì cùng một khóa học có thể được trình bày trong nhiều hàng bằng cách có một biến thể URL nhỏ. Chúng tôi sẽ cần hợp nhất những thứ này nếu có thể

Trước tiên, chúng tôi cần chuẩn hóa URL bằng cách loại bỏ các định dạng giao thức ở đầu URL. Điều này là do http. // hoặc https. // và có hoặc không có www. ở đầu URL, đều là các URL hợp lệ cho cùng một khóa học

Thứ hai, một số URL khóa học đại diện cho một chương hoặc bài học trong khóa học. Chúng ta có thể xem một ví dụ về điều này trên DataCamp và Linkedin Learning

Learn Data Science with

Hàm

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Sử dụng

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Chúng tôi sẽ cần áp dụng chức năng này cho cột URL, sau đó URL

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

import pandas as pd
from pathlib import Path


    

        
Learn Data Science with 
        

    

Ngoài

import pandas as pd
from pathlib import Path


    

        
Learn Data Science with 
        

    

Ngoài

URL#Lưu lượng truy cập [desc]Lưu lượng truy cập [Phần trăm %]# từ khóa Tên miền giới thiệu Khối lượng của nóVị tríGiá trị lưu lượng0khuôn viên. trại dữ liệu. com/khóa học/ai-cơ bản13350. 020. 010. 01503601khuôn viên. trại dữ liệu. com/courses/analyzing-iot-data. 10520. 100. 030. 02503102khuôn viên. trại dữ liệu. com/khóa học/phân tích-cảnh sát-a. 15860. 000. 010. 01504203khuôn viên. trại dữ liệu. com/khóa học/phân tích-xã hội-m. 122690. 230. 0260. 044027604trường. trại dữ liệu. com/courses/analyzing-us-census. 113260. 040. 081. 06402600

Sử dụng

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Trực quan hóa dữ liệu khóa học Python

Trích xuất tên nền tảng

Điều đầu tiên chúng tôi có thể muốn biết là số lượng khóa học trên mỗi nền tảng, vì vậy trước tiên chúng tôi sẽ trích xuất tên của nền tảng từ URL và đặt nó vào một cột mới. Nếu chúng tôi chia URL theo các khoảng thời gian [. ], chúng ta sẽ nhận được một danh sách như

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 

  


        

    

Một số URL cũng có tên miền phụ bổ sung, chẳng hạn như mã ngôn ngữ. Ví dụ: https. //ru. khóa học. org là một tên miền phụ tiếng Nga trên Coursera. Chúng tôi sẽ cần tính đến điều này khi lấy tên nền tảng bằng cách xem liệu việc phân chia theo thời gian [đã đề cập ở trên] có dẫn đến một danh sách dài hơn hai

Chúng tôi sẽ áp dụng hàm sau cho cột URL và gán kết quả cho một cột mới có tên là Nền tảng

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

Ngoài

URL#Lưu lượng truy cập [desc]Lưu lượng truy cập [Phần trăm %] # từ khóa Tên miền giới thiệu Khối lượng của nóVị trí Giá trị lưu lượngPlatform0campus. trại dữ liệu. com/khóa học/ai-cơ bản13350. 020. 010. 0150360datacamp

Vì bây giờ chúng ta có tên nền tảng, hãy xem chúng ta có bao nhiêu khóa học Python cho mỗi nền tảng

Dưới đây là mã cần thiết để tạo biểu đồ thanh được nhóm, trong đó trục bên trái là số lượng khóa học Python trên mỗi nền tảng và trục bên phải là lượng lưu lượng truy cập mà các khóa học đó tạo ra. Trước tiên, chúng tôi cần tạo một khung dữ liệu mới [

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

KẾT QUẢ

Learn Data Science with

Ngoài

Tên miền giới thiệuURL2938054. 0khóa học. org/học/học máy3101949. 0khóa học. org/học/python11491786. 0udacity. com/course/introduction-to-python--ud11102611495. 0khóa học. org/tìm hiểu/tiền điện tử2841429. 0khóa học. org/learning/interactive-python-111471390. 0udacity. com/course/intro-to-tensorflow-for-deep-learning--ud1879971324. đa giác. com/courses/code-school-rails-for-zombies7691322. 0edx. org/khóa học/giới thiệu về khoa học máy tính và lập trình-72021280. 0codecademy. com/hoc/hoc-python3471174. 0khóa học. org/learning/r-lập trình

Vì việc xem các biểu đồ dễ dàng hơn, chúng ta hãy tạo một hàm biểu đồ kết quả trong một biểu đồ thanh ngang để chúng ta có thể sử dụng lại logic cho phần còn lại của bài viết

Để đảm bảo màu thanh giống nhau trên các ô cho từng Nền tảng duy nhất, trước tiên, chúng tôi sẽ chỉ định màu riêng cho từng Nền tảng

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

Ngoài

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

Bây giờ, chúng ta sẽ tạo chức năng biểu đồ thanh ngang

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

KẾT QUẢ

Learn Data Science with

KẾT QUẢ

Learn Data Science with

Ngoài

Tên miền giới thiệuURLLưu lượng truy cập [desc]01949. 0khóa học. org/học/python780. 5711786. 0udacity. com/course/introduction-to-python--ud11101739. 0021322. 0edx. org/khóa học/giới thiệu về khoa học máy tính và lập trình-7689. 0031280. 0codecademy. com/học/học-python20937. 504748. 0datacamp. com/courses/intro-to-python-for-data-science2919. 005700. 0udemy. com/course/complete-python-bootcamp2205. 00

Kết quả này cho chúng tôi thấy rằng chỉ có một vài bản ghi hiển thị trong các miền giới thiệu và lưu lượng truy cập hàng đầu, tất cả đều là các khóa học Python

Giả sử chúng tôi sử dụng một số kỹ thuật tính năng đơn giản để tạo thuật ngữ tương tác giữa tên miền giới thiệu và lưu lượng truy cập. Trong trường hợp đó, nó sẽ cho phép chúng tôi xếp hạng các khóa học theo một số duy nhất xem xét cả hai tính năng

Để tạo thuật ngữ tương tác, chúng tôi sẽ tính điểm số z của

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Ghi chú

Điểm Z ngăn chặn sự khác biệt về cường độ/phương sai, mang lại nhiều trọng số hơn cho một biến so với biến khác. Điểm Z được định nghĩa là. $$\text{z-score} = \frac{X - \mu}{\sigma}$$ Trong đó $X$ là mỗi giá trị, $\mu$ là giá trị trung bình của dữ liệu và $\sigma$ là tiêu chuẩn

May mắn thay,

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

Đầu tiên, để điểm z xuất ra giá trị thực, chúng ta cần loại bỏ bất kỳ giá trị trống nào trong hai cột

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

Bây giờ, chúng ta có thể áp dụng hàm z-score cho hai cột và tạo một thuật ngữ tương tác

ahrefs-courses
    |___coursera.csv
    |___edx.csv
    |...


    

        
Learn Data Science with 
        

    

Bây giờ chúng ta có thể xem khóa học Python nào xếp hạng cao nhất theo thuật ngữ tương tác điểm z này

Chúng tôi sẽ sử dụng chức năng biểu đồ thanh ngang giống như trước đây để trực quan hóa sự khác biệt về độ lớn. Ngoài ra, chúng tôi sẽ vẽ 20 kết quả vì một số khóa học xếp hạng cao có thể không phải về Python. Chúng tôi sẽ cần tạo bộ lọc thủ công để có kết quả cuối cùng

dl_dir = Path['C:/users/brendan/downloads/ahrefs-courses']

# Getting all file paths in download directory
files = [f for f in dl_dir.iterdir[]]

df = pd.DataFrame[]

# Iterating over file paths and concatenating them to the dataframe
for file in files:
    temp_df = pd.read_csv[file, encoding='utf8', thousands=',']
    df = pd.concat[[df, temp_df]]

df.reset_index[drop=True, inplace=True]

df.head[1]


    

        
Learn Data Science with 
        

    

KẾT QUẢ

Có vẻ như khóa học Learn Python của Codecademy đã đánh bại mọi khóa học khác, nhưng khóa học Machine Learning của Coursera cũng vượt xa các khóa học khác. Thật không may, vì khóa học của Coursera sử dụng Octave thay vì Python nên nó không thể được đưa vào kết quả hàng đầu cuối cùng

Từ việc theo dõi các khóa học hàng đầu kể từ năm 2015 cho các trang khóa học về khoa học dữ liệu và học máy, các khóa học Python được hiển thị ở trên rất phù hợp với những gì tôi đã đề xuất

Chúng tôi sẽ cần lọc những kết quả này thành các khóa học Python dành riêng. Nhiều người trong top 20 sử dụng ngôn ngữ lập trình khác hoặc không sử dụng ngôn ngữ nào, chẳng hạn như trong khóa học về tiền điện tử

Sau khi lọc thủ công, dưới đây là danh sách cuối cùng của các khóa học Python hàng đầu theo thuật ngữ tương tác của chúng tôi. Ngoài ra, tôi đã tham gia mỗi khóa học để cung cấp ấn tượng tổng thể của mình về nền tảng và nội dung để hiểu lý do tại sao nó có thể được xếp hạng cao như vậy

Phân tích khóa học

Bảng tóm tắt

Khóa học Nền tảng Điểm số Cấp độ Thời gian hoàn thành Chứng chỉ Video Câu đố Dự án Tương tác Tùy chọn miễn phí Giá0Học Pythoncodecademy35. 733907Người mới bắt đầu30+ giờ ✔ ✔ ✔ ✔ ✔$19. 991Giới thiệu về lập trình Pythonudacity8. 717634Người mới bắt đầu4 tuần trở lên ✔✔✔Khóa học lập trình miễn phí cho mọi người [Bắt đầu với Python]Khóa học 7. 592760Người mới bắt đầu19+ giờ ✔✔✔✔$493Giới thiệu về Python cho Khoa học dữ liệudatacamp7. 180293Người mới bắt đầu4 giờ trở lên ✔✔✔✔$254Hoàn thành chương trình đào tạo Python từ con số 0 đến người hùng trong Pythonudemy5. 850593Người mới bắt đầu22 giờ trở lên ✔ ✔ ✔ ✔$139. 995Giới thiệu về Khoa học Máy tính và Lập trình Sử dụng Pythonedx5. 447137Người mới bắt đầu9 tuần trở lên ✔✔✔✔$796Giới thiệu về lập trình tương tác trong Python [Phần 1]coursera5. 066178Người mới bắt đầu19 giờ✔✔✔✔✔✔$497Học máy với Pythoncoursera4. 828566Trung cấp21 giờ✔✔✔✔✔✔$498Giới thiệu về TensorFlow cho Deep Learningudacity4. 546392Trung cấp8+ tuần ✔✔✔Miễn phí9Học lập trình. Khóa học cơ bản2. 801397Người mới bắt đầu25+ giờ ✔ ✔ ✔ ✔$49

1. Học Python bằng Codecademy

Thật thú vị, URL gốc được xếp hạng đầu trong phân tích này là khóa học của Codecademy dành cho Python 2, khóa học mà bạn không nên bắt đầu vì Python 3 thay thế Python 2. May mắn thay, Codecademy có phiên bản cập nhật cho Python 3, tôi sẽ sử dụng phiên bản này thay thế cho phần tổng quan sau

Ấn tượng chung.

Chương trình giảng dạy, bài học, câu đố, dự án và nền tảng tương tác cho thấy rõ ràng lý do tại sao khóa học của Codecademy rõ ràng là người chiến thắng về lưu lượng truy cập và tên miền giới thiệu

Giáo trình cung cấp nền tảng vững chắc để giải các bài toán với Python. Nhiều chủ đề cơ bản được đề cập là then chốt để viết các chương trình Python cơ bản nhưng thường bị các khóa học khác bỏ qua hoàn toàn

Một nhược điểm của khóa học này đối với nhiều người là nó dựa trên văn bản, có nghĩa là bạn sẽ học Python thông qua một trình soạn thảo tương tác trong trình duyệt với một bài học bằng văn bản ở bên cạnh. Nếu bạn học tốt hơn qua video, bạn có thể xem xét khóa học Python tiếp theo trong danh sách

2. Giới thiệu về lập trình Python của Udacity

Sau khi bỏ qua khóa học Máy học của Coursera mà bạn có thể thấy được xếp hạng trong trang khóa học máy học của chúng tôi, khóa học Giới thiệu về Lập trình Python của Udacity đứng ở thứ hạng cao nhất tiếp theo. Mặc dù đây là khóa học Python có thứ hạng cao thứ hai, nhưng nó lại có điểm thấp hơn gấp 4 lần so với của Codecademy

Ấn tượng tổng thể.

Mặc dù thứ hạng của khóa học này thấp hơn gấp 4 lần nhưng nó vẫn có rất nhiều giá trị. Thứ nhất, nếu bạn học tốt hơn qua video, thì khóa học này là lựa chọn tốt hơn vì mỗi bài học đều có bài giảng được ghi âm

Tôi muốn nói rằng, về tổng thể, khóa học của Codecademy tốt hơn nhiều. Người ta chú ý nhiều hơn đến việc dạy bạn cách viết các chương trình thực tế

3. Lập trình cho mọi người [Bắt đầu với Python] của Coursera

Khóa học này là phần đầu tiên của chuyên môn Python cho mọi người trên Coursera, bao gồm năm khóa học khác nhau mang đến cho bạn kiến ​​thức trình độ trung cấp về Python. Tham gia khóa học này sẽ là một điểm khởi đầu tốt nếu bạn muốn chuyển đổi liền mạch sang các chủ đề nâng cao hơn, chẳng hạn như làm việc với dữ liệu và cơ sở dữ liệu

Ấn tượng chung.

Tôi thấy các video của khóa học này có tổ chức và thú vị hơn nhiều so với các video khác trong danh sách này. Tốc độ và mức độ khó có vẻ hơi thấp, điều mà một số đánh giá lặp lại

Nhóm đằng sau khóa học này đã làm rất tốt trong việc tạo ra một môi trường học tập Python. Các tính năng độc đáo, chẳng hạn như các cuộc phỏng vấn với các lập trình viên Python có ảnh hưởng, tài liệu và sách đọc chuyên sâu, giờ hành chính và diễn đàn thảo luận, giúp tăng thêm trải nghiệm

4. Giới thiệu về Python cho Khoa học dữ liệu của Datacamp

DataCamp là một nền tảng tương tác, tương tự như Codecademy, nhưng với các video được tích hợp vào tài liệu khóa học. Vì tài liệu của DataCamp tập trung vào khoa học dữ liệu nên khóa học Python này có hương vị khoa học dữ liệu

Ấn tượng chung.

Nội dung miễn phí bạn nhận được với khóa học này không nhiều; . Có các tùy chọn khác trong danh sách này có nhiều nội dung miễn phí hơn

Như đã nói, nếu bạn đang tìm hiểu về Python đặc biệt cho khoa học dữ liệu và học máy, đăng ký DataCamp và tham gia khóa học này là một khởi đầu tốt. Nếu cách học của bạn phù hợp hơn với các bài học dựa trên văn bản của Codecademy, thì hãy cân nhắc xem Dataquest để thay thế

5. Hoàn thành Python Bootcamp từ Zero đến Hero bằng Python của Udemy

Được phát triển bởi Jose Portilla, đây có lẽ là khóa học Python tốt nhất trên Udemy. Người hướng dẫn là một nhà khoa học dữ liệu, người đã tạo ra nhiều khóa học khác liên quan đến khoa học dữ liệu, chẳng hạn như The Python for Data Science and Machine Learning Bootcamp, The Complete SQL Bootcamp 2021. Đi từ Zero đến Hero, Spark và Python cho Dữ liệu lớn với PySpark

Ấn tượng chung.

Tôi thích định dạng video trong khóa học này và nó tương tự như những gì tôi sẽ làm nếu tôi tạo một khóa học Python hoàn toàn dựa trên video. Người hướng dẫn bắt đầu bài học với các trang trình bày chi tiết các phần thiết yếu của tính năng Python, sau đó chuyển sang sổ ghi chép Jupyter tương tác để minh họa một số ví dụ khác nhau về cách sử dụng tính năng mới. Học bằng cách tiếp xúc với nhiều ví dụ là cách tôi học các môn học mới, vì vậy phong cách khóa học này hoạt động tốt

Một nhược điểm là khóa học không giúp bạn viết mã Python trong một dự án thực tế, điều mà Udacity thể hiện trong các mô-đun của họ. Bạn có thể thực hiện nhiều công việc khoa học dữ liệu trong sổ ghi chép Jupyter. Tuy nhiên, tại một số điểm, bạn cần tạo một dự án, sắp xếp một số tập lệnh Python trong các thư mục khác nhau và chạy giải pháp của bạn từ dòng lệnh hoặc giao diện web. Phát triển dự án là kỹ năng cơ bản để trở thành kỹ sư Python

6. Giới thiệu về Khoa học Máy tính và Lập trình Sử dụng Python của Edx

Được giảng dạy bởi MIT, khóa học này thiên về cách tiếp cận học thuật, khoa học máy tính để giới thiệu Python

Không giống như các khóa học trước, bạn không chỉ học cú pháp Python;

Ấn tượng tổng thể.

Khóa học chủ yếu bao gồm các bài giảng video theo phong cách học thuật, trong đó giáo sư chú thích các slide cho từng khái niệm Python. Thỉnh thoảng, giảng viên nhảy vào một môi trường tương tác để chứng minh một khái niệm, giải thích những cạm bẫy và cung cấp thêm ví dụ về cách sử dụng

Mặc dù các bài giảng hơi buồn tẻ, nhưng giảng viên đã cung cấp cái nhìn sâu sắc đặc biệt về lập trình Python và các chủ đề CS. Khóa học này sẽ là điểm khởi đầu tốt cho những người quan tâm đến việc có được nền tảng khoa học máy tính vững chắc hơn và học Python. Ngoài ra, việc thiếu tính tương tác có nghĩa là bạn sẽ cần cảnh giác với việc chỉ xem video mà không tìm hiểu từng khái niệm

7. Giới thiệu về lập trình tương tác trong Python [Phần 1] của Coursera

Khóa học một trong 7 phần Nguyên tắc cơ bản của chuyên ngành Điện toán trên Coursera. Khóa học này cung cấp một cách khác, cụ thể hơn để học Python. tạo Giao diện người dùng đồ họa [GUIs] và trò chơi

Ấn tượng chung.

Vì khóa học này sử dụng Python 2 thay vì Python 3, tôi khuyên bạn không nên đăng ký trừ khi bạn quan tâm đến việc làm việc trên GUI bằng Python. Việc chuyển từ Python 2 lên Python 3 không phải là một bước nhảy vọt, nhưng nếu bạn là người mới và có các tùy chọn khóa học khác, tốt hơn hết là nên chuyển thẳng sang Python 3

8. Học máy với Python của Coursera

Hai Ph. D. các nhà khoa học dữ liệu tại IBM đã tạo khóa học này, đây là một phần của hai chương trình khác nhau trên Coursera. [1] Chứng chỉ Chuyên gia Khoa học Dữ liệu và [2] Chứng chỉ Chuyên gia Kỹ thuật AI

Khóa học này giả định rằng bạn đã có một số kinh nghiệm về Python và hoàn toàn hướng đến các khái niệm máy học

Ấn tượng chung.

Chương trình giảng dạy tập trung vào bốn thuật toán học máy cốt lõi nhưng không giới thiệu Python theo cách thân thiện với người mới bắt đầu. Trước tiên, bạn sẽ phải tìm đến một khóa học khác trong danh sách này để học Python. Mặt khác, khóa học này là phần giới thiệu thực tế về học máy với Python. Tuy nhiên, nó không lọt vào trang khóa học máy học tốt nhất của tôi vì khóa học không trình bày toán học đằng sau các thuật toán. Tuy nhiên, nó bao gồm sổ ghi chép Jupyter tương tác được lên kế hoạch tốt mà bạn có thể làm việc để hiểu hoàn toàn từng khái niệm

9. Giới thiệu về TensorFlow cho Deep Learning của Udacity

Khóa học này giúp các nhà phát triển phần mềm đạt được các kỹ năng cần thiết để áp dụng các mô hình học sâu, chẳng hạn như Mạng thần kinh chuyển đổi [CNN]. Khóa học này không phải là khóa học để học Python mà là khóa học để học cách sử dụng thư viện Tensorflow Python cho các tác vụ học máy

Ấn tượng tổng thể.

Các bài học bao gồm các khái niệm học máy khác nhau, như CNN, NLP, dự báo chuỗi thời gian và học chuyển giao. Tôi thấy người hướng dẫn và định dạng video được tổ chức rất tốt và sâu sắc. Ngoài ra, mỗi chủ đề kết thúc bằng một sổ tay Colab bao gồm nhiều chi tiết hơn và cung cấp kiến ​​thức, giúp củng cố các kỹ năng mới

Bạn đã quen thuộc với các khái niệm và cú pháp cơ bản của Python, vì vậy một trong những khóa học dành cho người mới bắt đầu khác trong danh sách này, như Codecademy, là điều kiện tiên quyết

10. học lập trình. Nguyên tắc cơ bản của Coursera

Được giảng dạy bởi hai giáo sư Đại học Toronto, khóa học Python dành cho người mới bắt đầu này dạy các khái niệm và cú pháp cơ bản cần thiết để tạo ra các chương trình hữu ích

Ấn tượng chung.

Mặc dù không có tính tương tác trên trình duyệt, nhưng các giáo sư có nhiều kinh nghiệm giảng dạy, thể hiện qua cách tổ chức và chất lượng bài giảng. Người hướng dẫn trình bày từng khái niệm Python cốt lõi bằng IDLE và xem qua một số ví dụ về cú pháp và các sự cố phổ biến mà bạn có thể gặp phải

Chương trình giảng dạy hơi thiếu so với những gì tôi coi là một khóa học hoàn chỉnh dành cho người mới bắt đầu, nhưng tôi vẫn coi khóa học này là một nơi tuyệt vời để bắt đầu vì các giáo sư cung cấp giải thích rõ ràng về từng chủ đề. Ngoài ra, các câu đố và bài tập lập trình giúp áp dụng từng bài học vào thực tế

Tóm tắt

Sử dụng dữ liệu về lưu lượng truy cập và miền giới thiệu của Ahref, chúng tôi đã tìm thấy mười khóa học hàng đầu từ gần 3000 dịch vụ trên các nền tảng khóa học trực tuyến lớn nhất thế giới. Vì khóa học của Codecademy đạt điểm cao hơn đáng kể so với bất kỳ khóa học nào khác, nên bạn nên bắt đầu hành trình Python của mình tại đó

Cho dù bạn tham gia khóa học nào, hãy đảm bảo giải quyết các dự án thường xuyên nhất có thể. Tìm thứ gì đó mà bạn quan tâm để làm việc và tiếp tục lập trình cho đến khi bạn có thứ gì đó giải quyết được vấn đề. Thể hiện giải pháp của bạn, sử dụng nó để giúp đỡ người khác và thậm chí tạo dựng sự nghiệp từ nó. Sử dụng Python—và lập trình nói chung—để tạo ra giá trị cho chính bạn và những người khác là một vòng phản hồi bổ ích sẽ giúp bạn tiếp tục làm việc, tiến về phía trước và trở nên tốt hơn