Hướng dẫn Google Colab cho Nhà khoa học Dữ liệu

Làm việc trên một dự án khoa học dữ liệu luôn thú vị — dù bạn là người đam mê khoa học dữ liệu mới bắt đầu hay một nhà khoa học dữ liệu dày dạn kinh nghiệm.

Tuy nhiên, việc thiết lập môi trường làm việc, cài đặt các gói cần thiết, lưu trữ an toàn mọi tệp dự án và vượt qua giới hạn tính toán của máy tính cá nhân thường có thể là thách thức.

Trong hướng dẫn này, bạn sẽ học cách Google Colab có thể giúp đơn giản hóa và tăng tốc quy trình làm việc khoa học dữ liệu của bạn.

Mục lục:

• Google Colab là gì?
• Tạo notebook Google Colab đầu tiên của bạn
• Vì sao bạn nên cân nhắc sử dụng Google Colab
• Thư viện khoa học dữ liệu cài sẵn
• Chia sẻ và cộng tác dễ dàng
• Tích hợp liền mạch với GitHub
• Lưu notebook Colab lên GitHub
• Làm việc với dữ liệu từ nhiều nguồn
• Tải dữ liệu từ máy tính cá nhân
• Gắn Google Drive vào phiên Colab
• Clone một repo GitHub vào phiên Colab
• Tải dữ liệu từ xa
• Lưu trữ tự động và kiểm soát phiên bản
• Truy cập bộ tăng tốc phần cứng như GPU và TPU
• Tổng quan về DataLab
• Hạn chế của Google Colab
• Kết luận

Google Colab là gì?

Google Colab là môi trường sổ tay Jupyter trên nền tảng đám mây do Google Research cung cấp. Với giao diện đơn giản, dễ dùng, Colab giúp bạn bắt đầu hành trình khoa học dữ liệu gần như không cần thiết lập gì.

Nếu bạn quan tâm đến khoa học dữ liệu với Python, Colab là nơi tuyệt vời để khởi động dự án mà không phải bận tâm cấu hình môi trường. Google Colab cho phép viết và chạy mã Python ngay trên trình duyệt và đi kèm sẵn một số thư viện Python phổ biến cho khoa học dữ liệu.

Ở các phần tiếp theo, bạn sẽ tìm hiểu thêm về các tính năng của Google Colab.

Tạo notebook Google Colab đầu tiên của bạn

Cách tốt nhất để hiểu một công cụ là tự mình thử. Hãy bắt đầu bằng việc tạo sổ tay Colab đầu tiên:

• Truy cập colab.research.google.com. Bạn sẽ thấy màn hình sau. Để có thể viết và chạy mã, bạn cần đăng nhập bằng thông tin Google của mình. Đây là bước duy nhất bạn phải thực hiện. Không cần cấu hình gì thêm.

• Sau khi đăng nhập vào Colab, bạn có thể tạo notebook mới bằng cách nhấp 'File' → 'New notebook', như hình dưới:

Sau khi tạo xong, bạn có thể đổi tên notebook theo ý. Giờ bạn đã sẵn sàng viết mã cho dự án.

• Google Colab là một môi trường khép kín. Nó cho phép bạn viết mã Python cũng như văn bản — bằng các ô markdown — để chèn văn bản và nội dung phong phú, như minh họa dưới đây. Điều này giúp bạn thêm hướng dẫn cho hướng dẫn từng bước của dự án, từ đó cải thiện khả năng đọc.

Bây giờ bạn đã biết cách tạo một notebook Colab, hãy xem những ưu điểm của nó ở các phần tiếp theo.

Vì sao bạn nên cân nhắc sử dụng Google Colab

Ngoài việc là môi trường chạy trên trình duyệt chỉ cần đăng nhập Google đơn giản, Colab còn có nhiều tính năng hữu ích cho cộng đồng khoa học dữ liệu. Dưới đây là một số ưu điểm:

• Thư viện khoa học dữ liệu cài sẵn
• Chia sẻ và cộng tác dễ dàng
• Tích hợp liền mạch với GitHub
• Làm việc với dữ liệu từ nhiều nguồn
• Lưu trữ tự động và kiểm soát phiên bản
• Truy cập các bộ tăng tốc phần cứng như GPU và TPU

Thư viện khoa học dữ liệu cài sẵn

Các thư viện cài sẵn là một trong những lý do Colab được ưa chuộng để thiết lập dự án khoa học dữ liệu gần như tức thì.

Colab có sẵn các thư viện Python cho phân tích và trực quan hóa dữ liệu như NumPy, pandas, matplotlib và seaborn. Nghĩa là bạn có thể nhập chúng trực tiếp vào dự án hiện tại và dùng bất kỳ mô-đun nào khi cần mà không phải cài đặt.

Như bạn biết, các thư viện này đáp ứng đủ cho hầu hết dự án phân tích dữ liệu, và giúp hoàn thành các bước tiền xử lý và phân tích dữ liệu khám phá (EDA) trong quy trình ML cho các dự án lớn hơn.

Nếu bạn muốn nâng cao kỹ năng với các thư viện khoa học dữ liệu này, hãy xem lộ trình Data Analyst with Python của DataCamp.

Bên cạnh đó, Colab còn có sẵn các thư viện học máy như scikit-learn, và các thư viện học sâu như PyTorch, TensorFlow và Keras.

Bạn có thể xây dựng các dự án học máy và học sâu hoàn toàn không cần cài đặt gì. Tất cả những gì bạn cần là một trình duyệt, và bạn có thể khởi chạy dự án trong vài phút.

Làm việc nhóm trong một dự án là trải nghiệm học tập tuyệt vời. Ở phần tiếp theo, bạn sẽ biết Colab hỗ trợ cộng tác như thế nào.

Chia sẻ và cộng tác dễ dàng

Làm việc trong môi trường notebook Jupyter trên máy cá nhân có những hạn chế khi cộng tác. Tuy nhiên, với Colab, bạn có thể chia sẻ notebook và cùng làm việc với bạn bè, đồng nghiệp.

Bạn có thể bật chia sẻ chỉ với một bước đơn giản, như trong hình dưới.

Tích hợp liền mạch với GitHub

Là một nhà phát triển, bạn sẽ thường xuyên dùng GitHub để theo dõi thay đổi các tệp trong dự án, và tích hợp GitHub với Colab sẽ giúp mọi thứ tốt hơn.

Hãy xem cách bạn có thể lưu notebook vào các kho GitHub:

Lưu notebook Colab lên GitHub

1. Để lưu notebook vào một kho GitHub, vào 'File' → 'Save a copy in GitHub'.

1. Sau đó bạn sẽ được yêu cầu cấp quyền cho Colab. Ủy quyền này cần thiết để Colab có thể đẩy commit lên kho của bạn.

1. Tiếp theo, hãy xác nhận quyền truy cập theo hướng dẫn trên màn hình.

2. Khi ủy quyền thành công, cửa sổ sau sẽ xuất hiện trên màn hình của bạn.

Trong hình trên:

• 'username' và 'name of the repo' là các giá trị minh họa. Bạn sẽ thấy tên người dùng GitHub của mình và có thể chọn kho muốn đẩy notebook hiện tại lên làm "name of the repo".

• Nhánh mặc định là nhánh 'main' của kho đã chọn, nhưng bạn có thể chọn bất kỳ nhánh nào. Bạn cũng có thể tùy chỉnh đường dẫn tệp khi cần.

• Cuối cùng, viết một thông điệp commit rõ ràng và nhấp 'Ok' — commit của bạn sẽ được đẩy lên kho GitHub đã chọn.

Bằng cách này, bạn có thể lưu trữ tất cả notebook Colab của mình trong các kho GitHub. Điều này cũng giúp lan tỏa tri thức và thúc đẩy các dự án nguồn mở phát triển.

Làm việc với dữ liệu từ nhiều nguồn

Trong bất kỳ dự án khoa học dữ liệu nào, bạn sẽ bắt đầu bằng cách nhập tập dữ liệu vào môi trường làm việc. Phần này sẽ giới thiệu các cách thực hiện trong Google Colab.

Tải dữ liệu từ máy tính cá nhân

Để tải lên các tệp dữ liệu từ máy của bạn, nhấp vào biểu tượng 'File upload' trong thẻ 'Files' như bên dưới, rồi chọn tệp muốn tải.

Gắn Google Drive vào phiên Colab

Nếu bạn thích lưu trữ tất cả tệp trong Google Drive, bạn có thể dễ dàng gắn nó vào phiên Colab hiện tại. Việc này cho phép bạn truy cập tất cả tập dữ liệu và tệp trong Drive.

Có vài cách để thực hiện:

• Bạn có thể nhấp vào biểu tượng 'drive' trong thẻ 'Files' và làm theo hướng dẫn trên màn hình.

• Sau khi gắn thành công, bạn sẽ thấy thư mục 'drive' hiển thị như một thư mục có sẵn trong thẻ 'Files'.

Để gắn Google Drive vào phiên Colab hiện tại, bạn cũng có thể chạy các dòng mã sau trong một ô mã của notebook.

from google.colab import drive
drive.mount('content/drive')
Được hỗ trợ bởi

Bạn sẽ được nhắc cấp quyền truy cập. Chọn tùy chọn 'Connect to Google Drive'. Giống như cách trước, bạn sẽ thấy thư mục 'drive' trong thẻ 'Files'.

Clone một repo GitHub vào phiên Colab

Nếu bạn cần truy cập tất cả tệp trong một kho GitHub cụ thể, bạn có thể clone kho đó vào không gian làm việc hiện tại như sau.

Chạy dòng lệnh sau sẽ cho phép bạn clone bất kỳ kho GitHub từ xa nào — chỉ cần thay thế phần giữ chỗ

!git clone <URL of the repo>
Được hỗ trợ bởi

Tải dữ liệu từ xa

Đôi khi, bạn cần lấy tập dữ liệu từ web; đây là cách thực hiện:

Vì bạn có thể chạy các lệnh shell thông dụng trong môi trường notebook, bạn có thể dùng lệnh '!wget' để tải dữ liệu từ xa bằng cách chỉ định URL của nó.

Giờ hãy thử tải bộ dữ liệu nhà ở Boston được dùng trong khóa học Supervised Learning with scikit-learn của DataCamp.

Bộ dữ liệu có thể tìm thấy tại URL này, và hình dưới minh họa cách bạn có thể lấy dữ liệu thành công.

Lưu trữ tự động và kiểm soát phiên bản

Bạn đã từng chật vật khôi phục các tệp bị mất trong dự án chưa?

Với Colab, mất tệp dự án không còn là vấn đề vì tất cả notebook đều được tự động lưu vào Drive của tài khoản Google mà bạn đăng nhập.

Ngay cả khi bạn cộng tác với bạn bè, đồng nghiệp trong một dự án, bạn có thể theo dõi mọi thay đổi theo thời gian bằng cách xem lịch sử phiên bản. Vào 'File' → 'Revision History' và bạn sẽ thấy các thay đổi cũng như thời điểm thực hiện.

Dưới đây là một ví dụ lịch sử phiên bản:

Truy cập bộ tăng tốc phần cứng như GPU và TPU

Thường thì cấu hình máy cá nhân và giới hạn về sức mạnh xử lý có thể là trở ngại, đặc biệt khi làm việc với các mô hình học sâu lớn.

Để vượt qua các hạn chế phần cứng này, Colab cung cấp quyền truy cập các bộ tăng tốc — Graphics Processing Unit (GPU) và Tensor Processing Unit (TPU) — để huấn luyện mô hình học sâu nhanh hơn.

Hình sau minh họa cách bật GPU trong notebook Colab — chỉ với hai bước đơn giản.

1. Vào 'Runtime' → 'Change runtime type'

1. Đặt bộ tăng tốc phần cứng thành GPU hoặc TPU theo nhu cầu.

Đến đây, bạn đã biết các tính năng hữu ích của Colab cho khoa học dữ liệu. Nếu điều này khiến bạn hứng thú, bạn cũng có thể muốn khám phá DataLab. Bạn bắt đầu dùng DataLab bằng cách đăng ký tài khoản DataCamp miễn phí.

Tổng quan về DataLab

DataLab cung cấp một môi trường hoàn toàn chạy trên trình duyệt cho mọi nhu cầu khoa học dữ liệu của bạn. Bạn có thể lập trình bằng Python hoặc R với hỗ trợ tích hợp cho SQL, và cộng tác với người khác hoàn toàn không cần thiết lập.

• Nếu bạn muốn bắt đầu xây dựng hồ sơ năng lực khoa học dữ liệu, DataLab có thể là lựa chọn tuyệt vời. Bạn có thể tạo một DataLab Python hoặc R mới, hoặc bắt đầu làm việc với một kho GitHub.

• Tương tự Google Colab, DataLab có nhiều tính năng: thư viện cài sẵn, dữ liệu mẫu nạp sẵn, tích hợp với các nguồn dữ liệu phổ biến, và nhiều hơn nữa. Bạn có thể viết và chạy mã Python và R, cũng như thêm văn bản phong phú và hình ảnh.

• Sau khi xuất bản một notebook, bạn có thể dễ dàng chia sẻ và cộng tác với người khác.

• DataLab có nhiều tập dữ liệu, mẫu và playbook nạp sẵn trên nhiều lĩnh vực — như học không giám sát, phân tích thị trường, xử lý ngôn ngữ tự nhiên, và nhiều lĩnh vực khác. Các mẫu này cung cấp đủ định hướng để bạn bắt đầu xây dựng dự án ngay từ đầu.

• Bạn không cần lưu trữ notebook trong kho GitHub. Tất cả notebook của bạn đều truy cập được từ hồ sơ DataCamp, vì vậy bạn có thể quản lý toàn bộ danh mục khoa học dữ liệu của mình qua tài khoản DataCamp miễn phí.

• Để tìm hiểu thêm về DataLab, hãy truy cập tài liệu.

Hạn chế của Google Colab

Mặc dù Colab giúp mọi thứ trở nên dễ dàng hơn, bạn vẫn nên lưu ý một số hạn chế sau:

• Phiên bản Colab miễn phí phù hợp cho các dự án nhỏ đến trung bình. Tuy nhiên, có giới hạn khi dùng GPU. Thời lượng điển hình bạn có thể huấn luyện mô hình trên GPU là 12 giờ, sau đó runtime sẽ bị ngắt kết nối. Để dùng GPU và TPU lâu hơn, bạn cần nâng cấp lên Colab Pro để có mức sử dụng cao hơn.

• Google Colab được thiết kế riêng cho khoa học dữ liệu với Python. Tuy vậy, đôi khi bạn có thể muốn dùng R, SQL hoặc các ngôn ngữ khác để truy xuất dữ liệu từ cơ sở dữ liệu. Colab hiện chỉ hỗ trợ Python. Nếu bạn muốn dùng R cho nhu cầu khoa học dữ liệu và cần tích hợp với cơ sở dữ liệu MySQL, hãy xem DataLab.

• Trong Colab, nhu cầu và việc cấp phát bộ tăng tốc phần cứng diễn ra theo thời gian thực. Đôi lúc điều này có thể dẫn đến biến động về khả năng truy cập GPU và TPU.

• Các tệp và thư viện bạn cài đặt và nhập là dành riêng cho phiên Colab cụ thể. Khi ngắt kết nối runtime, bạn sẽ mất mọi tệp và gói trong phiên đó. Nếu cần làm việc trên notebook qua nhiều đợt, bạn sẽ phải kết nối lại và cài đặt lại tất cả gói cần thiết.

• Colab áp dụng giới hạn dung lượng đĩa cho mỗi phiên, tùy vào máy được cấp phát cho phiên đó. Điều này có thể là rào cản với các tập dữ liệu rất lớn.

Kết luận

Trong hướng dẫn này, bạn đã biết các tính năng hữu ích của Google Colab dưới góc độ khoa học dữ liệu. Bạn cũng biết cách DataLab có thể giúp bạn xây dựng danh mục khoa học dữ liệu ngay trên trình duyệt — và là lựa chọn tuyệt vời để bắt đầu xây dựng danh mục — tất cả chỉ với một tài khoản DataCamp miễn phí.