Hơn 60 dự án Python cho mọi cấp độ chuyên môn

Trước khi bắt đầu với các dự án Python

Nếu bạn đã quen thuộc với Python, bạn có thể bắt tay vào những dự án này ngay. Tuy nhiên, nếu bạn muốn xây dựng các kỹ năng nền tảng cần thiết để bắt đầu làm dự án Python, hãy xem danh sách 140+ khóa học Python của DataCamp. Tất cả các khóa học đều tương tác và được thiết kế để giúp bạn vượt qua rào cản viết mã và phát triển kỹ năng Python. 

Khi đã sẵn sàng làm dự án, hãy truy cập DataLab, bắt đầu thực hiện và xuất bản dự án của bạn trong sổ tay dữ liệu được cấu hình sẵn của DataCamp, ngay trên trình duyệt. 

Dự án Python cho người mới bắt đầu

Với người mới bắt đầu, bạn nên tận dụng các dự án Python để ghi nhớ những gì đã học và tiếp thu kỹ năng mới. Nhóm dự án này chủ yếu xoay quanh các tác vụ phân tích dữ liệu khám phá, cùng với mô hình hóa và dự báo đơn giản trên các tập dữ liệu thực tế có liên quan.

1. Phân tích dữ liệu giá kim cương

Kim cương được chia thành năm loại tạp chất dựa trên cấu trúc nguyên tử carbon của chúng. Bộ dữ liệu Diamonds từ Kaggle cung cấp nhiều thông tin hơn nữa — độ cắt, độ trong, màu sắc và giá. Hãy phát triển kỹ năng trực quan hóa dữ liệu của bạn với phân tích dữ liệu khám phá trên bộ dữ liệu này. 

2. Phân tích dữ liệu tuổi của vỏ bào ngư

Đây là một bộ dữ liệu độc đáo từ ngành động vật học. Vỏ bào ngư là kỳ quan của tự nhiên, và bạn có thể xác định tuổi của chúng bằng cách đếm các vòng tròn bên trong vỏ. Liệu bạn có thể xác định tuổi vỏ bào ngư với kỹ năng phân tích dữ liệu Python?

3. Phân tích dữ liệu Premier League

Một bộ dữ liệu bóng đá nơi bạn có thể khám phá, phân tích và trực quan hóa các sự kiện từ mùa giải 2018-2019 của Giải Ngoại hạng Anh. Bộ dữ liệu Soccer Data là một dự án Python tuyệt vời cho người mới bắt đầu về phân tích dữ liệu. Với bộ đặc trưng phong phú từ thông tin trận đấu cơ bản đến thống kê chi tiết, bộ dữ liệu mang lại nhiều cơ hội cho khám phá dữ liệu, trực quan hóa và phân tích thống kê. Dự án có từ điển dữ liệu rõ ràng và các thử thách có hướng dẫn, giúp người mới dễ tiếp cận. Ngoài ra, dự án còn đưa vào các kịch bản thực tế không chỉ giúp dự án thêm hấp dẫn mà còn là một bài tập toàn diện có thể đưa vào portfolio. Đây là dự án cân bằng tốt giữa học có hướng dẫn và khám phá mở, rất phù hợp để phát triển kỹ năng.

Dữ liệu từ một dự án Python cho người mới bắt đầu phân tích xu hướng bóng đá

4. Dự đoán rời bỏ dịch vụ viễn thông

Rời bỏ khách hàng là một trong những bài toán học máy nền tảng. Trong bộ dữ liệu khách hàng này, bạn sẽ có thể dự đoán khách hàng rời bỏ cho một nhà cung cấp viễn thông dựa trên dữ liệu sử dụng của họ. Bộ dữ liệu bao gồm nhiều đặc trưng như lỗi cuộc gọi, thời gian đăng ký và giá trị khách hàng, tạo nên nguồn lực phong phú cho phân tích chuyên sâu. Dự án cho người mới đi kèm các thử thách có hướng dẫn tập trung vào khám phá dữ liệu, trực quan hóa và phân tích thống kê, mang lại lộ trình học tập có cấu trúc. Kịch bản thực tế còn tăng độ phức tạp và tính liên quan khi yêu cầu bạn dự đoán rời bỏ khách hàng trước sự xuất hiện của đối thủ mới trên thị trường.

5. Phân tích và dự đoán giá cổ phiếu

Bạn muốn tìm hiểu lý do đằng sau cú tăng 100% của cổ phiếu Tesla hai năm trước không? Nếu có, bộ dữ liệu cổ phiếu công nghệ giai đoạn 2010–2021 sẽ là nơi khởi đầu.

6. Dữ liệu ném rổ NBA

Ở khoảng cách nào thì các cầu thủ bóng rổ có khả năng ghi điểm cao nhất? Với bộ dữ liệu ném rổ từ vòng playoff NBA 2021, bạn sẽ trả lời được câu hỏi đó. 

7. Dự báo doanh số thương mại điện tử

Sử dụng bộ dữ liệu thương mại điện tử từ một nhà bán lẻ trực tuyến, hãy tận dụng kỹ thuật trực quan hóa và dự báo để dự đoán doanh số tương lai. Bộ dữ liệu phong phú, bao quát đơn hàng từ nhiều quốc gia trong một năm và gồm nhiều biến như số hóa đơn, mã hàng, số lượng và đơn giá. Điều này cho phép phân tích đa chiều gồm xu hướng chuỗi thời gian, phân khúc khách hàng và phân loại sản phẩm. Các thử thách khuyến khích bạn khám phá bất thường dữ liệu như số lượng đơn hàng âm, trực quan hóa lợi nhuận theo các khung thời gian khác nhau, và so sánh quy mô đơn hàng giữa các quốc gia. Những tác vụ này không chỉ giúp bạn luyện kỹ năng thiết yếu trong khoa học dữ liệu mà còn mô phỏng các câu hỏi kinh doanh thực tế. Kịch bản bổ sung thêm một lớp phức tạp, yêu cầu bạn phân loại hơn 4000 sản phẩm độc nhất dựa trên nhiều đặc điểm—một nhiệm vụ rất phù hợp trong ngành thương mại điện tử. 

Một dự án Python cho người mới bắt đầu khác với dữ liệu eCommerce

8. Phân tích danh sách Airbnb

Đây là một bộ dữ liệu tuyệt vời để hiểu động lực đằng sau các danh sách cho thuê trên Airbnb. Thông qua phân tích dữ liệu khám phá và trực quan hóa, bạn sẽ hiểu khu phố nào có danh sách phổ biến nhất, mối quan hệ giữa giá và loại phòng, và nhiều điều khác. 

9. Phân tích dữ liệu GDP 

Tổng sản phẩm quốc nội là một trong những chỉ báo mạnh mẽ nhất về sức khỏe kinh tế của một khu vực hoặc quốc gia. Trong bộ dữ liệu này, hãy phân tích cách GDP đã thay đổi của các quốc gia trong 50 năm qua. 

10. Phân tích dữ liệu Olympic 

Quốc gia nào thành công nhất ở môn Judo? Chiều cao vận động viên ảnh hưởng thế nào đến thành công trong một môn thể thao? Với phân tích khám phá trên bộ dữ liệu Olympic, bạn sẽ trả lời được những câu hỏi này và nhiều hơn nữa.   

Ví dụ về kết quả từ dự án Olympic

Dự án Python trung cấp

Vượt ra ngoài các tác vụ và bộ dữ liệu cho người mới, nhóm dự án Python này sẽ thử thách bạn với các tập dữ liệu phi bảng (ví dụ: hình ảnh, âm thanh) và kiểm tra kỹ năng học máy của bạn trên nhiều bài toán.

1. Phân loại thể loại bài hát từ dữ liệu âm thanh

Bạn có thực sự yêu âm nhạc? Vậy bạn sẽ thích dự đoán thể loại âm nhạc bằng học máy trên một bộ dữ liệu âm nhạc trong dự án nhận dạng âm thanh này. Dự án Python trung cấp này bao quát toàn bộ quy trình khoa học dữ liệu, từ khám phá dữ liệu và kỹ thuật đặc trưng đến triển khai và đánh giá nhiều thuật toán học máy. Dự án cũng xử lý các chủ đề nâng cao như dữ liệu mất cân bằng và các kỹ thuật đánh giá mô hình như cross-validation. Dự án nhiều bước, sử dụng nhiều thư viện này là trải nghiệm học tập tuyệt vời và là điểm nhấn cho portfolio của bạn khi muốn nâng cao kỹ năng.

2. Phân tích và trực quan hóa các lượt đón Uber ở New York

Các bộ dữ liệu có tọa độ địa lý luôn thú vị để phân tích và trực quan hóa trên bản đồ. Bộ dữ liệu lượt đón Uber với hơn 20 triệu chuyến ở Thành phố New York cũng không ngoại lệ. 

3. Nhận dạng ký tự viết tay

Nhận dạng chữ số MNIST là điểm khởi đầu tuyệt vời để luyện deep learning. Tuy nhiên, bộ dữ liệu này tăng độ thử thách vì bạn dự đoán các chữ cái tiếng Anh viết tay.

4. Phát hiện gian lận thẻ tín dụng

Gian lận thẻ tín dụng luôn là một thách thức — chủ yếu vì dữ liệu thường rất mất cân bằng giữa các lớp. Xem liệu bạn có thể xử lý điều đó trong bộ dữ liệu gian lận thẻ tín dụng này hay không. dự án phù hợp với người dùng Python trung cấp đến nâng cao quan tâm đến ứng dụng khoa học dữ liệu và học máy trong tài chính và an ninh. Dự án bao gồm phân tích toàn diện các giao dịch thẻ tín dụng để xác định hoạt động gian lận. Nó bao quát phạm vi kỹ năng rộng, từ phân tích dữ liệu khám phá, bao gồm cả vẽ bản đồ không gian địa lý, đến dự đoán. Dự án cũng đặt ra thách thức thực tế như xử lý dữ liệu mất cân bằng và cân nhắc đạo đức về dương tính giả trong phát hiện gian lận. Điều này biến nó thành trải nghiệm học tập đa chiều, không chỉ nâng cao kỹ năng kỹ thuật mà còn khuyến khích tư duy phản biện về tác động của mô hình học máy trong các lĩnh vực nhạy cảm như an ninh tài chính.

Ví dụ về vẽ bản đồ không gian địa lý từ dự án Python trung cấp này

5. Dự đoán giới tính bằng âm thanh

Trong dự án dữ liệu âm thanh này, bạn sẽ dùng gói fuzzy để phân loại giới tính của tên dựa trên âm vị và cách phát âm.

6. Tỷ lệ hủy đặt phòng khách sạn

Nếu bạn quan tâm đến bất động sản, đây là một bộ dữ liệu tuyệt vời để thử nghiệm nhằm hiểu tỷ lệ hủy đặt phòng khách sạn. Với các kỹ thuật học máy đơn giản, bạn có thể thử dự đoán khả năng hủy đặt phòng dựa trên dữ liệu lịch sử.

7. Phát hiện khuôn mặt trong ảnh

Từng thắc mắc vì sao iPhone vẽ ô vuông quanh khuôn mặt bạn? Đó là vì nó thực hiện phát hiện khuôn mặt ở phía sau. Bạn có thể tạo chức năng tương tự bằng bộ dữ liệu nhỏ gồm ảnh có chú thích khuôn mặt.

8. Dự đoán loài ong từ hình ảnh

Liệu một thuật toán học máy có thể nhận diện loài ong dựa trên một bức ảnh? Trong dự án nhận dạng ảnh này, bạn sẽ làm đúng điều đó. 

9. Phân tích và dự đoán nhu cầu chia sẻ xe đạp

Bộ dữ liệu chia sẻ xe đạp này chứa nhiều thông tin về các chuyến đi cho một startup chia sẻ xe đạp. Dự án trung cấp này liên quan đến việc dùng Python để phân tích bộ dữ liệu bao gồm các yếu tố như điều kiện thời tiết, thời điểm trong ngày và ngày nghỉ lễ để dự đoán nhu cầu thuê xe đạp ở Seoul. Nó mang lại trải nghiệm học tập toàn diện, bao phủ các kỹ năng từ phân tích dữ liệu khám phá đến mô hình dự đoán. Các thử thách gồm so sánh mẫu hình thuê xe theo thời điểm trong ngày và theo mùa, trực quan hóa tác động của nhiệt độ đến việc thuê xe, và xác định biến ảnh hưởng nhất đến nhu cầu. Đây là dự án tuyệt vời cho những ai muốn rèn kỹ năng thao tác dữ liệu, trực quan hóa và học máy, đồng thời hiểu thêm thách thức vận hành của một startup đang mở rộng.

Ví dụ từ dự án Python về thuê xe đạp

10. Xây dựng bộ phân loại tweet

Những cá tính khác nhau có phong cách tweet khác nhau. Trong dự án phân tích mạng xã hội này, bạn sẽ dùng học máy và xử lý ngôn ngữ tự nhiên để phân loại tweet do Donald Trump hay Justin Trudeau viết.

Dự án Python nâng cao

Những dự án nâng cao này vượt qua các bộ dữ liệu phức tạp và thách thức bạn áp dụng giải pháp sáng tạo cho các vấn đề thú vị. Dù là tạo hệ thống gợi ý phim, phân tích mạng giữa các nhân vật trong sách, hay diễn giải ngôn ngữ ký hiệu bằng học máy, các dự án này sẽ đủ phức tạp để bạn vừa làm vừa học kỹ năng mới.

1. Xây dựng hệ thống gợi ý phim

Các nền tảng streaming đưa ra gợi ý chi tiết dựa trên cách bạn và những người giống bạn tương tác với nội dung. Trong dự án hệ thống gợi ý này, bạn sẽ học cách xây dựng một hệ thống gợi ý phim.

2. Nhận dạng ngôn ngữ ký hiệu Mỹ

Ngôn ngữ ký hiệu Mỹ là ngôn ngữ chính của nhiều người khiếm thính ở Bắc Mỹ. Trong dự án nhận dạng hình ảnh này, bạn sẽ dùng Deep learning để nhận dạng các chữ cái ASL.

3. Nhận dạng biển số xe theo thời gian thực

Một dự án tuyệt vời về nhận dạng số biển số theo thời gian thực bằng deep learning trên các bộ dữ liệu video. Xem dự án GitHub chứa bộ dữ liệu và mã nguồn. 

Một dự án Python nâng cao về phát hiện biển số xe - nguồn

4. Phân tích cảm xúc trong tiêu đề tin tức chứng khoán

Tâm lý nhà đầu tư là chỉ báo vô cùng quan trọng khi tìm manh mối về hiệu suất tương lai của một cổ phiếu. Với xử lý ngôn ngữ tự nhiên và học máy, bạn có thể tự động trích xuất cảm xúc từ tiêu đề tin tức trong dự án xử lý ngôn ngữ tự nhiên này. 

5. Phát hiện SMS rác

Phát hiện thư rác là nền tảng của khoa học dữ liệu và đòi hỏi kết hợp kỹ thuật xử lý ngôn ngữ tự nhiên và học máy. Hãy tạo công cụ phát hiện rác với bộ dữ liệu SMS này.

6. Phân tích mạng của Game of Thrones

Dù giờ đã hơi xưa, Game of Thrones từng khuấy động trí tưởng tượng của cả thế giới như chưa từng có bộ phim nào khác. Với dàn nhân vật và cốt truyện đồ sộ, ai mới là nhân vật quan trọng nhất? Trong dự án Phân tích mạng này, bạn sẽ trả lời đúng câu hỏi ấy.

7. Giảm tử vong do tai nạn giao thông bằng học máy

Trong dự án tử vong giao thông này, bạn sẽ đào sâu dữ liệu lịch sử về tử vong do tai nạn giao thông tại Mỹ theo bang và áp dụng học máy để tìm điểm tương đồng, khác biệt giữa các bang và đưa ra khuyến nghị chính sách chi tiết. Bạn có thể xem thêm các dự án học máy khác của chúng tôi trong một bài viết riêng. 

8. Tương đồng phim qua tóm tắt cốt truyện 

Với quá nhiều phim hiện nay, không khó để nghĩ đến những bộ phim giống nhau. Điều gì xảy ra nếu bạn có thể dùng xử lý ngôn ngữ tự nhiên và học máy để phân loại phim dựa trên tóm tắt cốt truyện? Với bộ dữ liệu tương đồng phim này, bạn sẽ làm đúng như vậy. Dự án Python nâng cao này đưa ra các thách thức trong phân tích dữ liệu khám phá, khai thác văn bản và phân tích xu hướng. Nhiệm vụ nâng cao nhất là xây dựng đồ thị mạng để phân tích mối quan hệ nghề nghiệp giữa các diễn viên và đạo diễn, đòi hỏi kỹ năng thao tác dữ liệu phức tạp và lý thuyết đồ thị. Dự án cung cấp nền tảng vững chắc để áp dụng các kỹ thuật khoa học dữ liệu nâng cao cho dữ liệu thực tế.

Một dự án Python nâng cao về dữ liệu phim

9. Phân loại thể loại phim với đầu ra đa nhãn

Một bộ phim có thể kết hợp nhiều thể loại. Với bộ dữ liệu phim Netflix, bạn có thể áp dụng phân loại đa nhãn để dự đoán nhiều thể loại mà một bộ phim có thể có dựa trên mô tả, xếp hạng, và nhiều biến khác.

10. Xây dựng và triển khai một pipeline học máy 

Dù không phải một dự án cụ thể, triển khai và vận hành các dự án khác trong danh sách này là kỹ năng cực kỳ hữu ích để thể hiện với nhà tuyển dụng. Trong hướng dẫn này, bạn sẽ học chính xác cách làm điều đó. 

Dự án Python thú vị để rèn kỹ năng

Dù không quá phức tạp, các dự án này cung cấp những bộ dữ liệu thú vị và hấp dẫn để bạn khám phá và bắt đầu, giúp tăng tốc hành trình học Python. 

1. Nhận diện tác giả truyện rùng rợn

Phân loại tác phẩm của các nhà văn trinh thám. Xem liệu một đoạn trích thuộc về Edgar Allen Poe, HP Lovecraft, hay Mary Shelley.

2. Dự đoán doanh số trò chơi điện tử

Bạn đang chờ một tựa game sắp ra mắt từ Activision hoặc EA? Hãy thử dự đoán mức bán của nó bằng dữ liệu từ hơn 16 nghìn trò chơi trước đây. 

3. Dự đoán kiểu tính cách Myers-Briggs (MBTI)

Có 16 kiểu tính cách theo chỉ báo MBTI. Thay vì tìm trên Google, hãy thử dự đoán tính cách của bạn bằng bộ dữ liệu kiểu tính cách này.

4.Khám phá dữ liệu giá Bitcoin

Giá tiền mã hóa đã thu hút thế giới bởi độ biến động cao. Trong dự án này, bạn sẽ áp dụng phân tích chuỗi thời gian và kỹ thuật trực quan hóa dữ liệu cho giá Bitcoin. 

5. Dự đoán độ phổ biến của bài hát

Với bộ dữ liệu tuyệt vời về các bài hát từ thập niên 50, bạn có thể dự đoán độ phổ biến của một bài hát dựa trên nhiều thuộc tính.

6. Phân tích dữ liệu vòng đeo tay theo dõi sức khỏe

Sự bùng nổ của thiết bị theo dõi sức khỏe kéo theo vô vàn dữ liệu để bạn phân tích. Trong dự án phân tích dữ liệu này, bạn sẽ phân tích và trực quan hóa dữ liệu Runkeeper.  

7. Lật tẩy những lầm tưởng bằng dữ liệu

Một nghiên cứu năm 1991 cho thấy người thuận tay trái chết sớm hơn người thuận tay phải trung bình chín năm. Điều này có thật không? Hãy tìm hiểu trong dự án phân tích thống kê này. 

8. Phân tích dữ liệu máy đo nồng độ cồn

Sử dụng dữ liệu thu thập từ máy đo nồng độ cồn ở bang Iowa, bạn sẽ trực quan hóa và phân tích mức độ say rượu tại Iowa và tìm các mẫu hình có thể dẫn đến quyết định chính sách tốt hơn. 

9. Thống trị bảng xếp hạng âm nhạc

Với bộ dữ liệu Spotify khoảng 600 bài hát từ 2010 đến 2019, bạn sẽ khám phá và phân tích cách các thể loại phổ biến đã thay đổi trong thập kỷ qua, dự đoán thể loại của một bài hát dựa trên các thuộc tính chính, và hơn thế nữa. 

10. Phân tích cơ sở dữ liệu Lego

Dự án này cũng cần một số kỹ năng SQL, cơ sở dữ liệu Lego cho phép bạn đào sâu qua hàng nghìn giao dịch bán Lego trong năm và hiểu những bộ Lego nào mang lại doanh số cao nhất. 

Thêm các dự án Python có hướng dẫn & không hướng dẫn để luyện tập

Xuyên suốt bài viết, chúng tôi đã liên kết đến nhiều dự án và bộ dữ liệu của DataCamp. DataCamp cung cấp nhiều dự án có hướng dẫn và không hướng dẫn tùy theo độ khó bạn hướng tới. Dưới đây là danh sách các dự án bổ sung để luyện tập

Dự án Python có hướng dẫn để luyện tập

1. Dự đoán phê duyệt thẻ tín dụng

Tự động phê duyệt thẻ tín dụng là một trường hợp sử dụng học máy lớn trong ngân hàng. Trong dự án phê duyệt thẻ này, bạn sẽ học cách dự đoán liệu một đơn đăng ký thẻ tín dụng được ngân hàng chấp nhận hay từ chối.

2. Khám phá chủ đề thịnh hành trong nghiên cứu học máy

Sử dụng bộ dữ liệu chủ đề thịnh hành này, bạn sẽ áp dụng học máy để khám phá tương lai xu hướng nghiên cứu học máy bằng cách phân tích các bài báo của Neural Information Processing Systems trong thập kỷ qua.

3. Phân loại người hiến máu

Hiến máu cứu sống sinh mạng. Trong dự án về người hiến máu này, hãy phân tích mẫu hình hiến máu và dự đoán liệu một người sẽ hiến lại trong tương lai hay không.

4. So sánh mỹ phẩm theo thành phần

Chọn sản phẩm mỹ phẩm không gây hại cho da là điều khó khăn. Trong dự án có hướng dẫn này, bạn học cách xử lý thành phần của mỹ phẩm để đưa ra quyết định sáng suốt hơn về việc một sản phẩm mới có phù hợp với bạn hay không.

5. Lịch sử trực quan của các chủ nhân giải Nobel

Hầu như ai làm nghiên cứu cũng mơ ước một lần nhận giải Nobel. Nhưng tuổi tác, chủng tộc và giới tính có ảnh hưởng đến cơ hội của bạn không? Hãy tìm hiểu bằng cách phân tích dữ liệu về những người đoạt giải từ năm 1901.

6. Lịch sử GitHub của ngôn ngữ Scala

Scala xếp hạng ngôn ngữ lập trình phổ biến thứ 34 theo chỉ số TIOBE. Hãy tìm hiểu vì sao lại như vậy bằng cách phân tích lịch sử kho GitHub của nó trong dự án có hướng dẫn này.

7. Khám phá sự tiến hóa của Linux

Các hệ thống quản lý phiên bản như Git lưu trữ thông tin phong phú về quá trình phát triển của một dự án phần mềm. Trong dự án tiến hóa Linux này, bạn sẽ phân tích và biến đổi kho Git thực của Linux Kernel và hiểu cách hơn 700 nghìn lượt commit đã tạo nên một trong những hệ điều hành được dùng rộng rãi nhất. 

8. Tái tạo bản đồ ma của John Snow

Bác sĩ John Snow (không phải nhân vật Game of Thrones) đã vẽ tay bản đồ các ca bệnh tả và suy ra nguồn gốc dịch trong khu vực của mình, khai sinh ngành dịch tễ học hiện đại. Trong dự án lịch sử này, bạn sẽ tái tạo công trình của ông và bản đồ nổi tiếng đó. 

9. Kỷ nguyên mới của phân tích dữ liệu trong bóng chày

Moneyball đã mở ra kỷ nguyên phân tích thể thao. Trong dự án này, bạn sẽ phân tích dữ liệu MLB Statcast để so sánh các cầu thủ bóng chày khác nhau và hiểu yếu tố thúc đẩy các cú home run.  

10. Tạo từ khóa cho Google Ads

Tạo từ khóa cho quảng cáo tìm kiếm là quy trình tỉ mỉ và nặng nhọc. Điều gì xảy ra nếu bạn có thể tự động hóa tác vụ này bằng Python? Trong dự án từ khóa Google Ads này, bạn sẽ học chính xác cách làm điều đó. 

11. Kiểm thử A/B cho trò chơi di động 

Kiểm thử A/B thúc đẩy thành công của rất nhiều sản phẩm và dịch vụ số, và trò chơi di động là minh chứng rõ ràng. Trong dự án này, bạn sẽ hiểu tác động của một thí nghiệm được chạy trong trò chơi Cookie Cats nổi tiếng đến khả năng giữ chân người chơi. 

12. Ưu tiên thu hồi nợ bằng học máy

Nợ quá hạn là vấn đề lớn với các ngân hàng và tổ chức tài chính. Trong dự án này, bạn sẽ dùng học máy và hồi quy để hiểu cách ưu tiên thu hồi nợ cho một ngân hàng. 

13. Hệ thống gợi ý sách từ Charles Darwin

Charles Darwin là một độc giả say mê với thư mục đồ sộ. Trong dự án này, bạn sẽ dùng những cuốn sách yêu thích của Charles Darwin để tạo hệ thống gợi ý sách dựa trên gu đọc của ông. 

Dự án Python không hướng dẫn để luyện tập

1. Khảo sát phim Netflix và khách mời trong The Office

Trong dự án về The Office này, bạn sẽ thao tác và trực quan hóa hiệu suất của các bộ phim Netflix và các khách mời trong series hiện tượng văn hóa “The Office”.

2. Khám phá lịch sử của Lego

Có khoảng 1140 mảnh Lego được sản xuất mỗi giây. Tìm hiểu cách thương hiệu đồ chơi phổ biến nhất thế giới trở nên thống trị bằng cách phân tích dữ liệu doanh số lịch sử của nó. 

3. Khám phá việc phát hiện tầm quan trọng của rửa tay

Rửa tay là thói quen tự nhiên với tất cả chúng ta, nhưng không phải lúc nào cũng vậy trong quá khứ. Thực tế, bác sĩ người Hungary Ignaz Semmelweis đã phát hiện lợi ích của việc rửa tay bằng cách phân tích dữ liệu tử vong của bệnh nhân trong bệnh viện. Hãy tái hiện phân tích dữ liệu của ông bằng bộ dữ liệu này.

4. Thị trường ứng dụng Android trên Google Play

Thị trường ứng dụng Android rất rộng lớn và cạnh tranh. Hãy phân tích và trực quan hóa bộ dữ liệu được thu thập từ Google Play Store để tìm hiểu điều gì tạo nên một ứng dụng xuất sắc.

5. Tần suất từ trong các tiểu thuyết kinh điển

Trong dự án này, bạn sẽ thu thập một tiểu thuyết từ trang web Project Gutenberg rồi phân tích phân bố từ trong một kho sách lớn. 

6. Mật khẩu kém và hướng dẫn của NIST

Hầu như mọi trang web đều yêu cầu mật khẩu, vậy làm sao biết bạn đang dùng mật khẩu tốt nhất? Trong dự án này, bạn sẽ tạo một hệ thống tự động kiểm tra liệu mật khẩu của bạn có tuân thủ tiêu chuẩn của Viện Tiêu chuẩn và Công nghệ Quốc gia hay không.

7. So sánh mức độ quan tâm tìm kiếm với Google Trends

Google cung cấp API Trends bằng Python để người dùng có thể tìm mức độ quan tâm tìm kiếm của bất kỳ từ khóa nào. Đây là nguồn dữ liệu chuỗi thời gian tuyệt vời với bản ghi từ năm 2004. Trong dự án này, bạn sẽ khám phá mức độ quan tâm tìm kiếm toàn cầu với năm trình duyệt internet lớn.

8. Khám phá thị trường Airbnb ở NYC

Tận dụng làm sạch và thao tác dữ liệu để khám phá thông tin chi tiết về thị trường Airbnb của Thành phố New York.

Cách chọn dự án Python để đưa vào sơ yếu lý lịch

Với danh sách dài các dự án Python này, làm sao bạn chọn được một dự án để đưa vào sơ yếu lý lịch? Theo Nick Singh, tác giả cuốn sách bán chạy "Ace the Data Science Interview," dưới đây là bốn nguyên tắc chính cần nghĩ tới khi bạn theo đuổi các dự án Python.

1. Dự án nên xuất phát từ sự quan tâm thực sự

Thực hiện một dự án về chủ đề bạn quan tâm sẽ khiến toàn bộ quá trình hấp dẫn hơn và tăng khả năng bạn hoàn thành. Hơn nữa, sự nhiệt huyết này sẽ thể hiện khi bạn nói chuyện với nhà tuyển dụng về dự án của mình. 

2. Đơn giản hơn phức tạp

Ngày nay, rất dễ bị phân tâm bởi công cụ hào nhoáng và kỹ thuật tối tân. Tuy nhiên, khoa học dữ liệu trong thực tế đòi hỏi cách tiếp cận xây dựng giải pháp đơn giản, thực dụng. Một trong các mục tiêu của dự án là thể hiện khả năng phát triển giải pháp khoa học dữ liệu hữu ích với các kỹ thuật tương đối đơn giản. 

3. Luôn hoàn thành dự án

Rất dễ mở rộng phạm vi quá mức khi làm dự án. Theo kinh nghiệm, hãy luôn xác định phạm vi một dự án mà bạn biết mình có thể hoàn thành từ A đến Z — ngay cả khi đó chỉ là một bài tập phân tích dữ liệu đơn giản. 

4. Dự án cần có tác động đo lường được

Khi hoàn thành dự án, hãy chắc chắn chia sẻ công việc và nhận phản hồi từ cộng đồng theo cách có thể đo lường. Dù là số sao trên GitHub, lượt chia sẻ trên LinkedIn hay lượt nhắc đến trên Reddit—chia sẻ công việc là cách tốt nhất để thể hiện tác động định lượng của dự án trước các nhà tuyển dụng tiềm năng.

Nâng tầm việc học Python của bạn

Chúng tôi hy vọng bạn thích danh sách dự án Python này và nó có thể tăng tốc hành trình học Python của bạn. Nếu bạn muốn bắt đầu và cần ôn lại Python trước, hãy nhớ xem chương trình học Python của DataCamp và các tài nguyên bổ sung bên dưới.