![CodeXplore](/img/default-banner.jpg)
- Видео 72
- Просмотров 2 818 208
CodeXplore
Вьетнам
Добавлен 21 фев 2017
CodeXplore là một platform chia sẻ kiến thức về Lập Trình và Trí Tuệ Nhân Tạo (#AI) dành cho các bạn trẻ Việt Nam.
Channel \bCodeXplore sẽ focus vào các chủ đề sau:
► Machine Learning (Máy Học) và Data Science (Khoa Học Dữ Liệu)
► Interview Preparation (Cấu Trúc Dữ Liệu và Thuật Toán & LeetCode Solutions)
► Lập Trình Python (Cơ Bản, Lập Trình Hướng Đối Tượng, Lập Trình Game)
------------------
✪ Business inquiries: codexplore.channel@gmail.com
✪ Subscribe: bit.ly/youtube_codexplore
Channel \bCodeXplore sẽ focus vào các chủ đề sau:
► Machine Learning (Máy Học) và Data Science (Khoa Học Dữ Liệu)
► Interview Preparation (Cấu Trúc Dữ Liệu và Thuật Toán & LeetCode Solutions)
► Lập Trình Python (Cơ Bản, Lập Trình Hướng Đối Tượng, Lập Trình Game)
------------------
✪ Business inquiries: codexplore.channel@gmail.com
✪ Subscribe: bit.ly/youtube_codexplore
Hướng Dẫn Cài Đặt Tensorflow trên Macbook với Apple Chip M2, M1
Hướng Dẫn Cài Đặt Tensorflow trên Macbook với Apple Chip M2, M1
Trong video này, chúng mình sẽ cùng nhau tìm hiểu cách cài đặt TensorFlow trên máy tính Mac sử dụng chip Apple M2 và M1. Đây là một hướng dẫn chi tiết và dễ hiểu, giúp bạn có thể nhanh chóng thiết lập môi trường phát triển cho các dự án Machine Learning và Deep Learning.
⭐️ Lợi ích của việc sử dụng TensorFlow trên Apple Silicon ⭐️
- Hiệu suất cao: Chip M1 và M2 của Apple cung cấp hiệu suất đáng kể cho các tác vụ học máy, với khả năng xử lý nhanh hơn và hiệu quả năng lượng cao hơn.
- Tối ưu hóa phần cứng: TensorFlow đã được tối ưu hóa để chạy mượt mà trên Apple Silicon, giúp tận dụng tối đa sức mạnh của CPU và GPU tích hợp.
- Phát...
Trong video này, chúng mình sẽ cùng nhau tìm hiểu cách cài đặt TensorFlow trên máy tính Mac sử dụng chip Apple M2 và M1. Đây là một hướng dẫn chi tiết và dễ hiểu, giúp bạn có thể nhanh chóng thiết lập môi trường phát triển cho các dự án Machine Learning và Deep Learning.
⭐️ Lợi ích của việc sử dụng TensorFlow trên Apple Silicon ⭐️
- Hiệu suất cao: Chip M1 và M2 của Apple cung cấp hiệu suất đáng kể cho các tác vụ học máy, với khả năng xử lý nhanh hơn và hiệu quả năng lượng cao hơn.
- Tối ưu hóa phần cứng: TensorFlow đã được tối ưu hóa để chạy mượt mà trên Apple Silicon, giúp tận dụng tối đa sức mạnh của CPU và GPU tích hợp.
- Phát...
Просмотров: 565
Видео
Hướng Dẫn Cài Đặt Conda Với Miniforge
Просмотров 4,4 тыс.9 месяцев назад
Hướng Dẫn Cài Đặt Conda Với Miniforge Trong video này, chúng ta sẽ cùng nhau tìm hiểu về cách cài đặt Conda với Miniforge, một công cụ quan trọng trong lĩnh vực phát triển phần mềm (software development) và khoa học dữ liệu (data science). Miniforge là một biến thể nhẹ của Miniconda với default channel là conda-forge và nó giúp bạn cài đặt các thư viện Python cần thiết mà không cần phải tải nhi...
Conda Là Gì ? Sự Khác Nhau Giữa Anaconda Và Miniconda
Просмотров 2,9 тыс.9 месяцев назад
Conda Là Gì ? Sự Khác Nhau Giữa Anaconda Và Miniconda Trong video này, chúng ta sẽ tìm hiểu về Conda, công cụ quan trọng trong lĩnh vực Machine Learning và Data Science và cách nó giúp quản lý các thư viện và môi trường Python dễ dàng hơn. Ngoài ra, chúng ta sẽ khám phá sự khác biệt giữa Anaconda và Miniconda, cũng như so sánh Conda và Pip để có cái nhìn tổng quan về cách Conda hoạt động, đồng ...
Lập Trình Hiệu Quả Với Visual Studio Code #VSCode
Просмотров 13 тыс.10 месяцев назад
Lập Trình Hiệu Quả Với Visual Studio Code #vscode Visual Studio Code (VS Code) là một môi trường phát triển mã nguồn mở và miễn phí được phát triển bởi Microsoft. VS Code được thiết kế để hỗ trợ nhiều ngôn ngữ lập trình và các dự án phát triển phức tạp. Điểm mạnh của nó nằm ở sự linh hoạt và khả năng mở rộng thông qua các tiện ích mở rộng (extensions). Trong video này, chúng ta sẽ tìm hiểu cách...
Hướng Dẫn Cài Đặt Git và GitHub Cho Người Mới Bắt Đầu (MỚI NHẤT)
Просмотров 4 тыс.10 месяцев назад
Hướng Dẫn Cài Đặt Git và GitHub Cho Người Mới Bắt Đầu Git là gì và Github là gì? Git là một hệ thống quản lý phiên bản mạnh mẽ giúp bạn theo dõi và kiểm soát lịch sử của dự án phát triển phần mềm của bạn. Github là một nền tảng lưu trữ mã nguồn trực tuyến cho phép bạn lưu trữ mã nguồn của mình và làm việc cùng đồng đội phát triển dự án. Chúng ta sẽ học cách sử dụng cả hai để tối ưu hóa quản lý ...
Hướng Dẫn Lập Trình Tạo Mã QR với Stable Diffusion và Control Net
Просмотров 11 тыс.Год назад
Hướng Dẫn Lập Trình Tạo Mã QR với Stable Diffusion và Control Net Mã QR, hay còn được biết đến là Quick Response code, là một cách thông dụng để mã hóa văn bản hoặc đường dẫn URL trong một hình ảnh 2D và bạn có thể sử dụng ứng dụng máy ảnh trên điện thoại để đọc mã. Gần đây với sự ra đời của Stable Diffusion, chúng ta hoàn toàn có thể trang trí mã QR với AI. Phương pháp này bắt đầu bằng việc tạ...
Hướng Dẫn Lập Trình Crawl (Thu Thập) Dữ Liệu Web với Python
Просмотров 20 тыс.Год назад
Hướng Dẫn Lập Trình Crawl (Thu Thập) Dữ Liệu Web với Python Web crawling, còn được gọi là web scraping, là quá trình tự động thu thập dữ liệu từ các trang web khác nhau. Nó bao gồm việc trích xuất thông tin từ các trang web bằng cách theo dõi các liên kết và phân tích cấu trúc HTML hoặc XML bên dưới. Dữ liệu được crawl về thể được sử dụng cho nhiều mục đích, bao gồm nghiên cứu, phân tích để xây...
Hướng Dẫn Tạo Code Repository với Git và Github
Просмотров 3,7 тыс.Год назад
Hướng Dẫn Tạo Code Repository với Git và Github Code repository, hay gọi tắt là repo (kho chứa) là một nơi để bạn lưu trữ mã nguồn (source code) và cho phép người khác sao chép (clone) mã nguồn đó để làm việc. Có hai loại repo là Local (Kho chứa trên máy cá nhân) và Remote repos (Kho chứa trên máy chủ từ xa). Trong video này, chúng ta sẽ khám phá cách tạo một project lập trình với Git và GitHub...
Hướng Dẫn Lập Trình Python trên Jupyter Notebook vs Visual Studio Code
Просмотров 20 тыс.Год назад
Hướng Dẫn Lập Trình Python trên Jupyter Notebook vs Visual Studio Code Jupyter Notebook là một môi trường lập trình Python phổ biến cho Machine Learning và Data Science, cònVisual Studio Code là một trình biên tập mã mạnh mẽ và linh hoạt. Kết hợp cả hai, chúng ta có thể tận dụng tối đa tính năng và tiện ích của cả hai công cụ để tạo ra các dự án Python chất lượng cao. Trong video này, chúng ta ...
Nên Hay Không Nên Mua Google Colab PRO ?
Просмотров 8 тыс.Год назад
Nên Hay Không Nên Mua Google Colab PRO ? Colaboratory hay còn gọi là Google Colab, là một dịch vụ đám mây nữa của Google Research. Nó là một IDE cho phép bất kỳ người dùng nào viết mã nguồn trong trình soạn thảo của nó và chạy nó từ trình duyệt. Cụ thể, nó hỗ trợ ngôn ngữ lập trình Python và được định hướng cho các tác vụ học máy, phân tích dữ liệu, các dự án giáo dục, v.v. Trong video này mình...
Lập Trình Deep Learning Cho Người Mới Bắt Đầu (Tensorflow)
Просмотров 16 тыс.Год назад
Lập Trình Deep Learning Cho Người Mới Bắt Đầu (Tensorflow) TensorFlow là một thư viện Deep learning được phát triển bởi Google và là một trong những thư viện phổ biến nhất để nghiên cứu và phát triển những sản phẩm về AI. Trong video này, mình sẽ cũng các bạn sẽ cùng nhau tìm hiểu và xây dựng một mô hình deep learning về bài toán phân loại hình ảnh (image classification) dựa trên tập dataset Fa...
Hướng Dẫn Sử Dụng Virtual Environment Trong Lập Trình Python
Просмотров 11 тыс.Год назад
Hướng Dẫn Sử Dụng Virtual Environment Trong Lập Trình Python Virtual Environment (venv) trong Python là một môi trường ảo và cũng giống như máy ảo (virtual machine), nó cho phép bạn thoải mái cài đặt các phiên bản khác nhau với các packages của Python mà không sợ làm ảnh hưởng đến những dự án đang có sẵn. Thông thường thì mỗi dự án Python sẽ có một môi trường ảo riêng để cài những packages cần ...
Lập Trình Deep Learning vs Tensorflow | Image Classification Project - TẬP 2
Просмотров 3,4 тыс.Год назад
Lập Trình Deep Learning vs Tensorflow | Image Classification Project - TẬP 2 TensorFlow là một thư viện Deep learning được phát triển bởi Google và là một trong những thư viện phổ biến nhất để nghiên cứu và phát triển những sản phẩm về AI. Trong video này, mình sẽ cũng các bạn sẽ cùng nhau tìm hiểu và xây dựng một mô hình deep learning về bài toán phân loại hình ảnh (image classification) dựa t...
Lập Trình Deep Learning vs Tensorflow | Image Classification Project - TẬP 1
Просмотров 8 тыс.Год назад
Lập Trình Deep Learning vs Tensorflow | Image Classification Project - TẬP 1 TensorFlow là một thư viện Deep learning được phát triển bởi Google và là một trong những thư viện phổ biến nhất để nghiên cứu và phát triển những sản phẩm về AI. Trong video này, mình sẽ cũng các bạn sẽ cùng nhau tìm hiểu và xây dựng một mô hình deep learning về Image Classification dựa trên dataset Fashion MNIST. Thô...
Hướng Dẫn Lập Trình Python Trên Google Colab
Просмотров 13 тыс.Год назад
Hướng Dẫn Lập Trình Python Trên Google Colab
Hướng Dẫn Train Mô Hình Máy Học Scikit Learn - Kaggle Project Titanic (Phần 4)
Просмотров 11 тыс.Год назад
Hướng Dẫn Train Mô Hình Máy Học Scikit Learn - Kaggle Project Titanic (Phần 4)
Phỏng Vấn Lập Trình Python với ChatGPT ... Vượt ngoài sức tưởng tượng!
Просмотров 8 тыс.Год назад
Phỏng Vấn Lập Trình Python với ChatGPT ... Vượt ngoài sức tưởng tượng!
Hướng Dẫn Feature Engineering & Data Wrangling - Kaggle Project Titanic (Phần 3)
Просмотров 12 тыс.Год назад
Hướng Dẫn Feature Engineering & Data Wrangling - Kaggle Project Titanic (Phần 3)
Giải LeetCode #217 | Contains Duplicate bằng Phương Pháp Hashing
Просмотров 1,3 тыс.Год назад
Giải LeetCode #217 | Contains Duplicate bằng Phương Pháp Hashing
Hướng Dẫn Exploratory Data Analysis - Phân Tích Khám Phá Dữ Liệu Kaggle Project Titanic (Phần 2)
Просмотров 27 тыс.2 года назад
Hướng Dẫn Exploratory Data Analysis - Phân Tích Khám Phá Dữ Liệu Kaggle Project Titanic (Phần 2)
Giải LeetCode #509 | Fibonacci Number bằng Phuơng Pháp Đệ Quy
Просмотров 3,6 тыс.2 года назад
Giải LeetCode #509 | Fibonacci Number bằng Phuơng Pháp Đệ Quy
Hướng Dẫn Lập Trình Kaggle Project Titanic - Introduction (Phần 1)
Просмотров 33 тыс.2 года назад
Hướng Dẫn Lập Trình Kaggle Project Titanic - Introduction (Phần 1)
Hướng Dẫn Làm Data Visualisation Project với Seaborn và Python
Просмотров 14 тыс.2 года назад
Hướng Dẫn Làm Data Visualisation Project với Seaborn và Python
Hướng Dẫn Lập Trình 6 Dự Án Python Cơ Bản Trong 1 Video Duy Nhất
Просмотров 76 тыс.2 года назад
Hướng Dẫn Lập Trình 6 Dự Án Python Cơ Bản Trong 1 Video Duy Nhất
Hướng Dẫn Train Mô Hình Machine Learning Cho Người Mới Bắt Đầu
Просмотров 72 тыс.2 года назад
Hướng Dẫn Train Mô Hình Machine Learning Cho Người Mới Bắt Đầu
Giải LeetCode #75 - Sort Color | Thuật Toán Dutch National Flag Problem
Просмотров 5 тыс.3 года назад
Giải LeetCode #75 - Sort Color | Thuật Toán Dutch National Flag Problem
Lập Trình Game Flappy Bird với Python Cho Người Mới Bắt Đầu
Просмотров 263 тыс.3 года назад
Lập Trình Game Flappy Bird với Python Cho Người Mới Bắt Đầu
Tìm Hiểu về Trí Tuệ Nhân Tạo, Machine Learning & Deep Learning
Просмотров 19 тыс.3 года назад
Tìm Hiểu về Trí Tuệ Nhân Tạo, Machine Learning & Deep Learning
Hướng Dẫn Làm Data Visualisation Project với Matlplotlib và Python
Просмотров 11 тыс.3 года назад
Hướng Dẫn Làm Data Visualisation Project với Matlplotlib và Python
Hướng Dẫn Các Bước Tiền Xử Lý Dữ Liệu bằng Scikit-Learn
Просмотров 43 тыс.3 года назад
Hướng Dẫn Các Bước Tiền Xử Lý Dữ Liệu bằng Scikit-Learn
liked and subscribed
Có ae nào làm dc gam tài xỉu liên hệ em nhé
Tại sao mình bấm download mà nó k hiện file để tải về nhỉ:(
crawnl xong ko index. tại trùng content cậu ơi.
Hi anh, anh ra phần tiếp theo về Model Evaluation đi ạ. em cảm ơn anh rất nhiều
Vừa vt vừa cho tư duy dễ hiểu
Cập nhật lại code cho những bạn bị lỗi nhé: Ở bản PyPDF2 3.0.0 thì: (*) pages = pdfReader.numPages sẽ thành pages = len(pdfReader.pages) (*)pdfReader = PyPDF2.PdfFileReader(sach) sẽ thành pdfReader = PyPDF2.PdfReader(sach) Và còn nhiều cái nữa nên hãy nhìn code bên dưới nhé code hoàn chỉnh: import pyttsx3, PyPDF2 sach = open("tdt.pdf", "rb") pdfReader = PyPDF2.PdfReader(sach) pages = len(pdfReader.pages) print(f"pages: {pages}") bot = pyttsx3.init() voices = bot.getProperty('voices') bot.setProperty('voice', voices[1].id) for num in range(8,10): page = pdfReader.pages[num] text = page.extract_text() bot.say(text) bot.runAndWait()
9:45 em đến đoạn if name main là nó nghĩ đọc fix sao a
chưa có phần tiếp theo ạ?😔😔😔
video hay quá, thanks anh nhiều ạ!
Xem video tiếng Anh không thấy chi tiết bằng video của anh, many thanks ạ. Chúc anh sức khỏe nhé!
Iu a <3
video hữu rất ích, cảm ơn anh
Các bạn thử trả lời câu hỏi sau để on tập kiến thức nhé: #1 list_1 = ["banana", "apple", "orange", "cherry"] print(list_1) #2 list_2 = [23, "SameFrequency", False, None] print(list_2) #3 list_3 = list() print(list_3) #4 my_list = [1, 2, "3", True] print(len(my_list)) print(my_list[3]) print(my_list.index('3')) print(my_list.index(True)) #5 my_list2 = [1, 2, 3, 3, 3, '4', '4'] print(my_list2.count(3)) print(my_list2.count('4')) for item in my_list2: print(item) #6 friends = ["Anh", "Long", "Trang", "Nhi", "Linh"] print(friends) for index, friend in enumerate(friends): print(f"Friend {index} : {friend}") #7 friends = ["Anh", "Long", "Trang", "Nhi", "Linh"] print(friends) for index, friend in enumerate(friends, start=1): print(f"Friend {index} : {friend}") #8 my_list = [1, 2, '3', True] print(my_list[1:]) print(my_list[:1]) print(my_list[-1]) print(my_list[::]) print(my_list[::2]) print(my_list[::3]) print(my_list[::-1]) #9 my_list = [1, 2, '3', True] print(f" Double list: {my_list * 2}") print(f"Kết quả: {my_list + [100, 'Same Frequency']}") #10 my_list = [1, 2, 3] print(my_list.append(4)) print(my_list) #11 my_list = [1, 2, 3] print(my_list.extend([100, " Use extend"])) print(my_list) #12 my_list = [1, 2, 3] print(my_list.insert(3, 4)) print(my_list) #13 my_list = [1, 2, 3, True] print(my_list.pop()) print(my_list) #14 my_list = [1, 2, 3, True] print(my_list.pop(1)) print(my_list) #15 my_list = [1, 2, 3, True] print(" Hàm .remove()") print(my_list.remove(2)) print(my_list) #16 my_list = [1, 2, 3, 2, 2, True] print(" Hàm .remove()") print(my_list.remove(2)) print(my_list) #17 my_list = [1, 2, 3, 4, 5, True] del my_list[3] print(my_list) #18 my_list = [1, 2, 8, 4, 6, 3] my_list.sort() print(my_list) #19 my_list = [1, 2, 8, 4, 6, 3] my_list.sort(reverse=True) print(my_list) #20 my_list = [1, 2, 8, 4, 6, 3] my_list.reverse() print(my_list) #21 my_list = [5, 1, 2, 7, 3] print(f"Dùng sorted: {sorted(my_list)}") print(f"List ban đầu: {my_list}") #22 my_list = [1, 2, 3, 4, 5, 6, 7] print(f"Dùng reversed: {list(reversed(my_list))}") print(f"List ban đầu: {my_list}") #23 my_list = [5, 1, 2, 7, 3] print(max(my_list)) print(min(my_list)) print(sum(my_list)) Câu trả lời : #1 list_1 = ["banana", "apple", "orange", "cherry"] print(list_1) # ['banana', 'apple', 'orange', 'cherry'] #2 list_2 = [23, "SameFrequency", False, None] print(list_2) # [23, 'SameFrequency', False, None] #3 list_3 = list() # empty list print(list_3) # [] #4 my_list = [1, 2, "3", True] print(len(my_list)) # 4 print(my_list[3]) # True print(my_list.index('3')) # 2 print(my_list.index(True)) # 3 #5 my_list2 = [1, 2, 3, 3, 3, '4', '4'] print(my_list2.count(3)) # 3 print(my_list2.count('4')) # 2 for item in my_list2: print(item) # 1, 2, 3, 3, 3, '4', '4' #6 friends = ["Anh", "Long", "Trang", "Nhi", "Linh"] print(friends) # ['Anh', 'Long', 'Trang', 'Nhi', 'Linh'] for index, friend in enumerate(friends): print(f"Friend {index} : {friend}") # Friend 0 : Anh, Friend 1 : Long, Friend 2 : Trang, Friend 3 : Nhi, Friend 4 : Linh #7 friends = ["Anh", "Long", "Trang", "Nhi", "Linh"] print(friends) # ['Anh', 'Long', 'Trang', 'Nhi', 'Linh'] for index, friend in enumerate(friends, start=1): print(f"Friend {index} : {friend}") # Friend 1 : Anh, Friend 2 : Long, Friend 3 : Trang, Friend 4 : Nhi, Friend 5 : Linh #8 my_list = [1, 2, '3', True] print(my_list[1:]) # [2, '3', True] print(my_list[:1]) # [1] print(my_list[-1]) # True print(my_list[::]) # [1, 2, '3', True] print(my_list[::2]) # [1, '3'] print(my_list[::3]) # [1, 2] print(my_list[::-1]) # [True, '3', 2, 1] #9 my_list = [1, 2, '3', True] print(f" Double list: {my_list * 2}") # Double list: [1, 2, '3', True, 1, 2, '3', True] print(f"Kết quả: {my_list + [100, 'Same Frequency']}") # Kết quả: [1, 2, '3', True, 100, 'Same Frequency'] #10 my_list = [1, 2, 3] print(my_list.append(4)) # None print(my_list) # [1, 2, 3, 4] #11 my_list = [1, 2, 3] print(my_list.extend([100, " Use extend"])) # None print(my_list) # [1, 2, 3, 100, ' Use extend'] #12 my_list = [1, 2, 3] print(my_list.insert(3, 4)) # None print(my_list) # [1, 2, 3, 4] #13 my_list = [1, 2, 3, True] print(my_list.pop()) # True print(my_list) # [1, 2, 3] #14 my_list = [1, 2, 3, True] print(my_list.pop(1)) # 2 print(my_list) # [1, 3, True] #15 my_list = [1, 2, 3, True] print(" Hàm .remove()") print(my_list.remove(2)) # None print(my_list) # [1, 3, True] #16 my_list = [1, 2, 3, 2, 2, True] print(" Hàm .remove()") print(my_list.remove(2)) # None print(my_list) # [1, 3, 2, True] #17 my_list = [1, 2, 3, 4, 5, True] del my_list[3] print(my_list) # [1, 2, 3, 5, True] #18 my_list = [1, 2, 8, 4, 6, 3] my_list.sort() print(my_list) # [1, 2, 3, 4, 6, 8] #19 my_list = [1, 2, 8, 4, 6, 3] my_list.sort(reverse=True) print(my_list) # [8, 6, 4, 3, 2, 1] #20 my_list = [1, 2, 8, 4, 6, 3] my_list.reverse() print(my_list) # [3, 6, 4, 8, 2, 1] #21 my_list = [5, 1, 2, 7, 3] print(f"Dùng sorted: {sorted(my_list)}") # Dùng sorted: [1, 2, 3, 5, 7] print(f"List ban đầu: {my_list}") # List ban đầu: [5, 1, 2, 7, 3] #22 my_list = [1, 2, 3, 4, 5, 6, 7] print(f"Dùng reversed: {list(reversed(my_list))}") # Dùng reversed: [7, 6, 5, 4, 3, 2, 1] print(f"List ban đầu: {my_list}") # List ban đầu: [1, 2, 3, 4, 5, 6, 7] #23 my_list = [5, 1, 2, 7, 3] print(max(my_list)) # 7 print(min(my_list)) # 1 print(sum(my_list)) # 18
Bạn giải thích ANN rất dễ hiểu, mong bạn có video giải thích về backpropagation, đọc sách nhiều nhưng khó hiểu quá, xin đa tạ.
Hơn nhiều kiến thức nhưng bạn giảng rất dễ hiểu <3. # Điểm danh 09-08-2024
Chào a ạ, a cho e hỏi câu này với ạ! Linear model là gì và mục đích của việc non-linear hoá model là gì ạ? E cảm ơn a
sao e làm tới bước filling missing values thì nó báo category dtype does not support aggregation 'median' vậy ạ :((
age_by_pclass_sex = train_df.groupby(["Sex","Pclass"],observed=False)['Age'].median()
@@nhanphantrung dạ tới bước này : train_df['Age']= train_df.groupby(['Sex', 'Pclass'], observed = False)['Age'].apply(lambda x: x.fillna(x.median())) là đúng chưa a? tại e chạy nó lỗi tiếp ạ
Anh làm về PyTorch đi ạ
Qua bài học này sau này đỡ mất công nghĩ Password :v , cảm ơn bạn nhiều. # Điểm Danh 06-08-2024
Kênh hay.❤
Cảm Ơn Bạn Nhiều Nhé # Điểm Danh 08-05-2024
Em làm trên sublime text đc k ạ
Cảm ơn nhe, video dễ hiểu quá # Điểm danh 04-08-2024
Bổ Ích <3
cảm ơn video của bạn nhe # Điểm danh 02-08-2024
cảm ơn ạ
A ơi em đang tìm hiểu về data engineer thì bắt đầu học từ series nào vậy a
UI em cảm ơn a e hiểu rồi ạ
Sao k dùng kivy cho dễ 😂😂
Video quá tuyệt vời🥰
anh ơi, cho em hỏi là sao ở dòng 'bird_movement += gravity' em làm giống anh mà sao nó cứ hiện lỗi là TypeError: unsupported operand type(s) for +=: 'int' and 'tuple' vậy anh?
Video quá bổ ích. Cám ơn anh nhiều. Mãi yêu <3 <3 <3
mọi người ơi chỉ mình với ở 34:51 mình dang chạy bình thường mà nó bị bị lỗi chỗ mà mình tìm cách khắc phục không được for pipe in pipes: screen.bilt(py_surface , pipe) typeErrỏ'NoneType' object is not iterable
Video của anh rất hay và dễ hiều ạ
em đang làm cái bài này. Cảm ơn anh!
Xi code mẫu toàn trò chơi với
Hướng dẫn gì sơ sài vậy
anh có thể giúp em được không? em đã cài đặt đầy đủ hết thư viện open-cv, cmake, dlib rồi , và cũng import thư viện rồi nhưng khi gọi hàm ra dlib.xxxxxx thì không có hàm nào ra cả, e gọi dlib.get_frontal_face_detector() thì không có không hiện. Mong em rep
cíu hét đau cả họng mà nó ko nhận
tai sao toi k assets duoc anh vao vay
Cho mình hỏi là khi mình chạy dòng này thì bị lỗi sns.countplot(data=data_train, x="Sex", hue="Survived"); AttributeError: 'int' object has no attribute 'startswith'
venv\Scripts\activate.bat : The module 'venv' could not be loaded. For more information, run 'Import-Module venv'. có ai gặp lỗi này không ạ, giúp em với
vừa thấy a em đã nhấn đăng kí vì a dại nội dung 20p đầu là hay r
Hì lâu lắm mới thấy có video mới:)) like liền
ai có link discord mình xin với ạ
Tại sao file chopitle.tsv e đã lưu như a hướng dẫn ở video matplotlib mà e import vào jupyter lúc viết code ko được vậy ?
mong anh ra tiếp series này
Bạn dùng app nào vậy
Hay nha. Thank you
mình tải môi trường đồ đủ hết mà sao nói lại ko nhận diện được giọng nói vậy😢
@@anhtuanoan3741 ai mà biết tự nhiên cmt hỏi tui. Thử chạy chương trình nhỏ riêng với từng phần xem có khi lỗi cài đặt hoặc chưa cài xong thôi. Trước mình chạy nhận diện giọng nói với cái này vẫn ok mà.