<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">

<b> TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THƠNG TIN</b>

<b>BÁO CÁO CHUN ĐỀ HỌC PHẦNNgơn ngữ lập trình python</b>

<b>Đề tài:Tìm hiểu thực thi các câu lệnh có điều kiện trongpython (Conditional Execution)</b>

<b>Giảng viên hướng</b>

<b>Nguyễn Trọng Quang </b>

<i><b>Hà Nội, Tháng 1 năm 2024</b></i>

</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">

<b>PHIẾU CHẤM ĐIỂM</b>

<b>STTHọ và tên,</b>

<b>Họ và tên Giảng viênChữ kýGhi chúGiảng viên chấm 1</b>

<b>Giảng viên chấm 2</b>

</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">

<b>Mục lục</b>

<b>Chương I: Giới thiệu về Python và hướng dẫn sử dụng colabA. Giới thiệu về python.</b>

1. Python là gì?2. Đặc điểm của python.3. Vai trò của python.4. Ứng dụng của python.

5. Các phiên bản và triết lý thiết kế của python.6. Các Framework và thư viện cơ bản của python.

<b>B. Hướng dẫn sử dụng Google Colab</b>

1. Google Colab là gì?

2. Tại sao nên sử dụng Google Colab.3. Hướng dẫn sử dụng Google Colab.

</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">

<b>Chương I: Giới thiệu về Python và dẫn sử dụng colabA. Giới thiệu về python.</b>

<b>1. Python là gì?</b>

- Python là ngơn ngữ lập trình bậc cao, có mã nguồn mở và sử dụng linh hoạt ở đa nền tảng. Ngôn ngữ Python được giới thiệu lần đầu tiên vào năm 1991, và đã được phát triển qua nhiều giai đoạn khác nhau. Python là ngơn ngữ có mục đíchchung, nghĩa là nó có thể được sử dụng để tạo nhiều chương trình khác nhau và khơng chun biệt cho bất kỳ vấn đề cụ thể nào.

<b>2. Đặc điểm của python.</b>

Python là một <b>ngôn ngữ thông dịch</b>: Python là một ngôn ngữ thông dịch, điều này nghĩa là ngôn ngữ này trực tiếp chạy từng dịng mã. Nếu có lỗi trong mã chương trình, nó sẽ ngừng chạy. Do đó, lập trình viên có thể nhanh chóng tìm ra lỗi trong đoạn mã.

Python là một <b>ngôn ngữ dễ sử dụng</b>: Python sử dụng từ ngữ giống trong tiếng Anh. Không giống như các ngơn ngữ lập trình khác, Python khơng sử dụng dấu ngoặc ơm. Thay vào đó, ngơn ngữ này sử dụng thụt đầu dịng.

Python là một <b>ngơn ngữ linh hoạt</b>: Các lập trình viên khơng cần phải khai báo loại biến khi viết mã bởi vì Python sẽ xác định chúng vào thời điểm chạy. Vì vậy, bạn có thể viết các chương trình Python một cách nhanh chóng hơn.

Python là một <b>ngơn ngữ cấp cao</b>: Python gần gũi với ngôn ngữ con người hơn các ngôn ngữ lập trình khác. Do đó, các lập trình viên khơng cần phải lo lắng về những chức năng cơ bản của nó như kiến trúc và quản lý bộ nhớ.

Python là một <b>ngơn ngữ lập trình hướng đối tượng</b>: Python coi mọi thứ đều là đối tượng, nhưng ngôn ngữ này cũng hỗ trợ các phương thức lập trình khác như lập trình hàm và lập trình cấu trúc.

<b>3. Vai trị của python.</b>

Các nhà phát triển có thể dễ dàng đọc và hiểu một chương trình Python vì ngơn ngữ này có cú pháp cơ bản giống tiếng Anh.

Python giúp cải thiện năng suất làm việc của các nhà phát triển vì so với những ngơn ngữ khác, họ có thể sử dụng ít dịng mã hơn để viết một chương trình Python.

</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">

Python có một thư viện tiêu chuẩn lớn, chứa nhiều dịng mã có thể tái sử dụng cho hầu hết mọi tác vụ. Nhờ đó, các nhà phát triển sẽ khơng cần phải viết mã từ đầu.

Các nhà phát triển có thể dễ dàng sử dụng Python với các ngơn ngữ lập trình phổ biến khác như Java, C và C++.

Cộng đồng Python tích cực hoạt động bao gồm hàng triệu nhà phát triển nhiệt tình hỗ trợ trên tồn thế giới. Nếu gặp phải vấn đề, bạn sẽ có thể nhận được sự hỗ trợ nhanh chóng từ cộng đồng.

Trên Internet có rất nhiều tài nguyên hữu ích nếu bạn muốn học Python. Ví dụ:bạn có thể dễ dàng tìm thấy video, chỉ dẫn, tài liệu và hướng dẫn dành cho nhàphát triển.

Python có thể được sử dụng trên nhiều hệ điều hành máy tính khác nhau, chẳng hạn như Windows, macOS, Linux và Unix.

<b>4. Ứng dụng của python.</b>

<b>Phát triển web phía máy chủ</b>

Phát triển web phía máy chủ bao gồm những hàm backend phức tạp mà các trang web thực hiện để hiển thị thơng tin cho người dùng. Ví dụ: các trang web phải tương tác với cơ sở dữ liệu, giao tiếp với các trang web khác và bảo vệ dữ liệu khi truyền qua mạng.

Python hữu ích trong việc lập trình mã phía máy chủ bởi vì ngôn ngữ này cung cấp nhiều thư viện bao gồm mã viết sẵn cho các hàm backend phức tạp. Các nhà phát triển cũng sử dụng một loạt các khung Python cung cấp tất cả những công cụ cần thiết để xây dựng ứng dụng web một cách nhanh chóng và dễ dàng hơn. Ví dụ: các nhà phát triển có thể tạo ứng dụng web khung trong nháy mắt bởi vì họ khơng cần phải lập trình nó từ đầu. Sau đó, họ có thể kiểm tra ứng dụng web này bằng cách sử dụng các công cụ kiểm thử của khung, mà không cần phụ thuộc vào những cơng cụ kiểm thử bên ngồi.

<b>Tự động hóa bằng các tập lệnh Python</b>

Ngôn ngữ tập lệnh là một ngôn ngữ lập trình tự động hóa các tác vụ mà thường được con người thực hiện. Các lập trình viên thường xuyên sử dụng các tập lệnh Python đểtự động hóa nhiều tác vụ hàng ngày như:

Đổi tên một số lượng lớn tệp cùng lúcChuyển đổi một tệp sang một loại tệp khácLoại bỏ các từ trùng lặp trong tệp văn bảnThực hiện các phép tính tốn cơ bảnGửi email

</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">

Tải xuống nội dung

Thực hiện phân tích nhật ký cơ bảnTìm kiếm lỗi trong nhiều tệp

<b>Khoa học dữ liệu và máy học</b>

tính tự động học hỏi từ dữ liệu và đưa ra các dự đốn chính xác. Các nhà khoa học dữliệu sử dụng Python cho các tác vụ khoa học dữ liệu sau:

Sửa và loại bỏ dữ liệu khơng chính xác, hay cịn được gọi là làm sạch dữ liệu Trích xuất và chọn lọc các đặc điểm đa dạng của dữ liệu

Tìm các số liệu thống kê khác nhau từ dữ liệu

Trực quan hóa dữ liệu bằng cách sử dụng các biểu đồ và đồ thị, chẳng hạn nhưbiểu đồ đường, biểu đồ cột, biểu đồ tần suất và biểu đồ tròn

Các nhà khoa học dữ liệu sử dụng những thư viện ML của Python để đào tạo các mơ hình ML và xây dựng các công cụ phân loại giúp phân loại dữ liệu một cách chính xác. Các chuyên gia từ nhiều lĩnh vực sử dụng những công cụ phân loại dựa trên Python để thực hiện các tác vụ phân loại, chẳng hạn như phân loại hình ảnh, văn bản cũng như lưu lượng truy cập mạng, nhận dạng giọng nói và nhận diện khuôn mặt. Các nhà khoa học dữ liệu cũng sử dụng Python cho deep learning, một kỹ thuật ML nâng cao.

Phát triển các ứng dụng máy tính bằng cách sử dụng những thư viện Giao diện đồ họa người dùng (GUI)

Phát triển từ các trò chơi văn bản đơn giản cho đến những trò chơi điện tử phức tạp

<b>Tự động hóa kiểm thử phần mềm</b>

</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">

Kiểm thử phần mềm là quy trình kiểm tra xem kết quả thực tế từ phần mềm có khớp với kết quả mong đợi khơng để đảm bảo rằng phần mềm khơng có lỗi.

Các nhà phát triển sử dụng khung kiểm thử đơn vị Python, chẳng hạn như Unittest, Robot và PyUnit, để kiểm thử các hàm do họ viết.

Các kỹ sư kiểm thử phần mềm sử dụng Python để viết các trường hợp kiểm thử cho nhiều tình huống khác nhau. Ví dụ: họ sử dụng ngôn ngữ này để kiểm thử giao diện người dùng của một ứng dụng web, nhiều thành phần của phần mềm và những tính năng mới.

Các nhà phát triển có thể sử dụng một số cơng cụ để tự động chạy tập lệnh kiểm thử. Những công cụ này có tên gọi là cơng cụ Tích hợp liên tục/Triển khai liên tục (CI/CD). Các kỹ sư kiểm thử phần mềm cũng như những nhà phát triển sử dụng các công cụ CI/CD như Travis CI và Jenkins để tự động hóa quy trình kiểm thử. Cơng cụ CI/CD tự động chạy các tập lệnh kiểm thử Python và báo cáo kết quả kiểm thử bất kỳkhi nào nhà phát triển thêm vào những dòng mã mới.

<b>5. Các phiên bản và triết lý thiết kế của python.</b>

Tính cho tới thời điểm hiện đại thì Python đã có 6 phiên bản được phát hành. Phiên bản đầu tiên được ra đời vào tháng 1/1994 và phiên bản mới đây nhất là vào ngày 23/12/20016. Những phiên bản của Python đó là:

Python 1.0: Đây là phiên bản đầu tiên được phát hành vào 01/1994.Python 1.6: Phiên bản 1.x cuối cùng phát hành vào 05/09/2000.Python 2.0: Phiên bản giới thiệu list comprehension vào 16/10/2000.Python 2.7: Phiên bản 2.x cuối cùng phát hành vào 03/07/2010.Python 3.0: Phiên bản loại bỏ cấu trúc và mô đun trùng lặp phát hành vào 3/12/2008.

Python 3.6: Phiên bản mới nhất tính cho tới thời điểm hiện tại phát hành vào 23/12//2016.

Cốt lõi của triết lý thiết kế Python được cơ đọng lại bằng một câu nói: “chỉ nên có một và tốt nhất là chỉ một cách rõ ràng để thực hiện một việc”. Python được thiết kế để mở rộng các module và trình thơng dịch một cách dễ dàng, thay vì việc tích hợp tất cả các tính năng chỉ trong phần cốt lõi. Phần lõi của Python luôn hướng đến các cú pháp đơn giản, chỉ có một cách trả lời rõ ràng cho bài toán đặt ra.

<b>6.Các Framework và thư viện cơ bản của python.Thư viện Python</b>

</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">

Thư viện Python là một tập hợp các code thường xuyên được sử dụng giúp nhà phát triển không cần phải lập trình từ đầu. Python được cài đặt thì ln đi kèm với thư viện chuẩn, chứa nhiều các hàm có thể tái sử dụng. Ngồi ra, có hơn 137.000 thư việnPython sẵn có cho việc phát triển các ứng dụng, web, khoa học dữ liệu và máy học. Một số thư viện Python phổ biến như: Matplotlib, Pandas, NumPy, Requests, OpenCV, Keras,... Dưới đây là chi tiết các thư viện lập trình Python.

Matplotlib được dùng nhiều trong các ứng dụng khoa học để hiển thị dữ liệu dưới dạng biểu đồ 2D hoặc 3D. Dùng Matplotlib, bạn có thể biến hố các dữ liệu thơ thànhcác biểu đồ dạng đường, biểu đồ cột.

Thư viện Pandas là mã nguồn mở, cung cấp cấu trúc dữ liệu và chức năng được tối ưu hóa để có thể sử dụng, thao tác với dữ liệu chuỗi thời gian và dữ liệu có cấu trúc. Đối tượng cốt lõi đóng vai trị quan trọng trong Pandas là DataFrame và Series. Bạn có thể sử dụng Pandas để đọc, ghi, hợp nhất, lọc, nhóm và thống kê dữ liệu.

NumPy (Numerical Python) là một thư viện mã nguồn mở trong ngơn ngữ lập trình Python, cung cấp cấu trúc mảng đa chiều (ndarray) cùng các hàm số học và thống kể, dùng để tạo, quản lý nhóm, thao tác với các loại logic và thực hiện các phép tốn đại số tuyến tính. NumPy hỗ trợ tích hợp với nhiều ngơn ngữ lập trình khác như C và C ++.

Thư viện Requests là công cụ hữu ích cho việc lấy và gửi dữ liệu qua HTTP. Bạn có thể sử dụng thư viện này để gửi các yêu cầu HTTP, tương tác với các dịch vụ và ứng dụng web thông qua việc tải tài liệu từ URL, gửi biểu mẫu, tương tác với API web, thêm tiêu đề,...

OpenCV-Python ( (Open Source Computer Vision Library - Python) là một thư viện phát triển cho thị giác máy tính. Thư viện này cung cấp nhiều hàm cho các tác vụ nhưđọc và ghi hình ảnh cùng lúc, nhận diện đối tượng, theo dõi chuyển động, xây dựng môi trường 3D từ môi trường 2D, chụp và phân tích hình ảnh từ video.

Keras là thư viện mạng nơ-ron chuyên sâu của Python (neural network) với khả năng hỗ trợ tuyệt vời cho việc xử lý dữ liệu, trực quan hóa và là một phần quan trọng của nền tảng TensorFlow cho việc xây dựng và huấn luyện các mơ hình học máy phức tạp. Thư viện này có cấu trúc module đem lại sự linh hoạt cho việc lập trình các ứng dụng sáng tạo hoặc phát triển machine learning.

</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">

Flask là framework micro, được dùng để xây dựng các web đơn giản, quy mơ nhỏ. Flask cung cấp các tiện ích mở rộng để hỗ trợ xác thực, lớp ánh xạ cơ sở dữ liệu và bảo mật web.

PyTorch là một framework dựa trên thư viện Torch dành cho phát triển machine learning. Các developer sử dụng framework này cho các ứng dụng như NLP, robot vàthị giác máy tính,... được chạy bằng CPU và GPU.

<b> B.Hướng dẫn sử dụng Google Colab1.Google Colab là gì?</b>

<b>Colaboratory hay cịn gọi là Google Colab, là một sản phẩm từ Google Research, </b>

nó cho phép thực thi Python trên nền tảng đám mây, đặc biệt phù hợp với Data analysis, machine learning và giáo dục.

<b>Colab không cần yêu cầu cài đặt hay cấu hình máy tính, mọi thứ có thể chạy thơng </b>

qua trình duyệt, bạn có thể sử dụng tài nguyên máy tính từ CPU tốc độ cao và cả GPUs và cả TPUs đều được cung cấp cho bạn.

</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">

<b>Sử dụng Google Colab có những lợi ích ưu việt như: sẵn sàng chạy Python ở bất kỳ </b>

thiết bị nào có kết nối Internet mà khơng cần cài đặt, chia sẻ và làm việc nhóm dễ dàng, sử dụng miễn phí GPU cho các dự án về AI.

<b>2. Tại sao nên sử dụng Google Colab.Các thư viện được cài đặt sẵn</b>

<b>Phân phối Anaconda của Jupyter Notebook có một số dữ liệu được cài đặt sẵn như Numpy, Pandas, Matplotlib. Ngoài ra, Colab</b> cũng cung cấp nhiều thư viện

<b>machine learning được cài đặt sẵn như Keras, Pytorch, Tensorflow.Được lưu trên đám mây</b>

Mọi thứ sẽ được lưu trữ trong cục bộ máy khi bạn lựa chọn Jupyter Notebook làm môi trường làm việc. Nếu bạn đề cao quyền riêng tư thì đây chắc chắn là một tính năng ưa thích của bạn.

Tuy nhiên, nếu bạn muốn máy tính của mình có thể truy cập được với tất cả thiết bị

<b>có đăng nhập Google, thì Google Colab là lựa chọn hàng đầu cho bạn. Vì tất cả </b>

Google Colab Notebook đều được lưu trong tài khoản Google Drive của bạn, giống như các tệp Google Docs và Google Sheets.

<b>Sự hợp tác</b>

<b>Tính năng nổi trội khác mà Google Colab cung cấp chính là khả năng cộng tác. Vì </b>

giống như hợp tác trên tài liệu Google Docs, bạn có thể hợp tác với nhiều nhà phát triển bằng Google Colab Notebook. Bên cạnh đó, bạn cũng có thể chia sẻ cơng việc đã hồn thành của mình với các nhà phát triển khác.

<b>Sử dụng GPU và TPU miễn phí,</b>

<b>Khơng cần phải suy nghĩ nhiều, khi chọn Google Colab thay vì </b>Jupyter Notebook. Vì, Google Research cho phép bạn sử dụng GPU và TPU chuyên dụng của họ cho các dự án machine learning cá nhân của bạn.

Đối với một số dự án, gia tốc GPU và TPU tạo ra sự khác biệt rất lớn ngay cả đối với một số dự án nhỏ.

<b>Sự tổng quát</b>

<b>Google Colab là phiên bản chuyên dụng của Jupyter Notebook. Nó chạy trên đám </b>

mây và cung cấp tài nguyên điện toán miễn phí. Mối quan hệ giữa Ipython, Jupyter Notebook và Google Colab được hiển thị bên dưới:

</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">

<b>3. Hướng dẫn sử dụng Google Colab.Tạo thư mục trên Google Drive</b>

Vì Colab hoạt động trên Google Drive, trước tiên bạn cần nhấp vào thư mục bạn sẽ hoạt động sau đó đặt tên thư mục trên Google Drive. Bạn có thể thực hiện bằng cách truy cập vào Google Drive, nhấn New để tạo ra một Folder mới.

<b>Tạo Colab Notebook mới</b>

</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">

<b>Để tạo một Colab Notebook mới, bạn nhấp chuột phải => More => Colaboratory</b>

Để đổi tên Notebook, bạn hãy nhấp vào tên tệp.Sau đó mở file vừa tạo lên, bạn sẽ thấy giao diện như sau:

<b>Cài đặt GPU</b>

Phần cứng mặc định của Google Colab là CPU hoặc nó có thể là GPU.Để cài đặt, bạn hãy hấp vào Edit => Notebook Setting => Hardware Accelerator => GPU. Hoặc

Nhấp vào Runtime => Hardware Accelerator=> GPU

<b>Running a Cell</b>

</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">

1. Để đảm bảo thời gian chạy được kết nối. Notebook sẽ hiển thị màu xanh lá

<b>cây và Connected ở góc trên cùng bên phải.</b>

<b>2. Có nhiều tùy chọn thời gian chạy khác nhau trong Runtime.3. Hoặc bạn có thể nhấn Shift + Enter</b>

<b>Bash Commands</b>

<b>Cài đặt thư viện</b>

</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">

<b>Tải local file</b>

<b>Kiểm tra thông số kỹ thuật GPU</b>

<b>Gắn Google Drive vào Google Colab</b>

</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">

<b>Lưu trữ Colab Notebook</b>

</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">

Tất cả Notebook sẽ được lưu trong ổ đĩa Google tự động sau một khoảng thời gian nhất định. Ngoài ra, bạn có thể lưu Notebook kết thức bằng *.py và *.ipynb một cách rõ ràng.

<b>Chia sẻ Colab Notebook</b>

Bạn có thể chia sẻ Colab Notebook với những người khác.

Bạn nhấp vào nút Share, nó sẽ hiển thị tùy chọn để tạo một liên kết có thể chia sẻ thơng qua bất kỳ nền tảng nào. Ngồi ra cịn có một tùy chọn để mời mọi người thông qua địa chỉ email.

Đây được xem là một trong những tính năng nổi bật của <b>Google Colab</b>.

</div>