---
title: "Google Colab là gì? Hướng dẫn sử dụng Google Colab miễn phí"
description: "Google Colab là dịch vụ Jupyter Notebook miễn phí của Google, có GPU, TPU và trợ lý Gemini. Xem bản Free khác Colab Pro thế nào và cách dùng từng bước."
canonical: "https://200lab.io/blog/google-colab-la-gi"
published: "2024-07-02T08:30:00Z"
updated: "2026-11-02T01:51:58Z"
authors: ["Hướng nội"]
tags: ["Data"]
reading_minutes: 14
access: "public"
---

Google Colab là dịch vụ Jupyter Notebook trên cloud miễn phí của Google, cho phép dùng sẵn GPU và TPU. Trong bài này, mình sẽ giải thích khái niệm Colab, công dụng thực tế, sự khác nhau giữa bản miễn phí và trả phí, cùng hướng dẫn sử dụng từng bước.

Nếu chưa quen Python hay môi trường notebook, bạn có thể đọc trước bài [Python là gì](</blog/tim-hieu-python-co-ban>) và [Jupyter Notebook là gì](</blog/jupyter-notebook-la-gi>). Tuy nhiên, điều này không bắt buộc vì bạn vẫn theo dõi được hướng dẫn bên dưới.

## 1. Google Colab là gì?

Google Colab, viết tắt của Colaboratory, là dịch vụ Jupyter Notebook chạy trên cloud của Google tại địa chỉ `colab.research.google.com`. Bạn có thể viết và chạy code ngay trong trình duyệt mà không cần cài đặt, đồng thời được dùng miễn phí tài nguyên tính toán gồm GPU và TPU. Mọi notebook sẽ được lưu thành file `.ipynb` trực tiếp trong Google Drive.

Nhờ sự tiện lợi này, Colab rất phổ biến với sinh viên, người mới học lập trình và người làm dữ liệu. Bạn có thể dùng Colab để học Python, phân tích dữ liệu, thử nghiệm các model machine learning hoặc chia sẻ file để làm bài tập nhóm.

Cá nhân mình rất thích Google Colab vì kể cả máy mình không đủ mạnh vẫn có thể sử dụng nó để viết code Python mà không cần phải cài đặt thêm bất kì phần mềm nào vào máy.

Nhiều bạn mới tìm hiểu thường nhầm lẫn giữa hai từ "Colab" và "collab". Thực tế, "Colab" là tên viết tắt của dịch vụ Colaboratory từ Google. Trong khi đó, "collab" là cách nói tắt tiếng Anh của "collaboration", mang nghĩa sự hợp tác hay kết hợp giữa các cá nhân hoặc thương hiệu.

Giao diện của Google Colab rất giống với Jupyter Notebook - một công cụ giúp bạn chạy từng dòng lệnh Python một cách trực quan và kiểm tra kết quả câu lệnh ngay tại chỗ.

![Giao diện Google Colab](https://assets.200lab.io/images/2024/12/05/colab-f9a1b815bbe4f148cfb7.webp)

## 2. Google Colab dùng để làm gì? Lợi ích so với Jupyter Notebook trên máy

### 2.1 Các thư viện phổ biến được cài đặt sẵn

Bạn biết đấy, khi tự cài Python, Jupyter Notebook hay Anaconda (phần mềm tích hợp sẵn python và các bộ công cụ cho Data Analyst và Data Scientist) ở trên máy, bạn sẽ phải cài đặt thêm các thư viện python phổ biến như: Pandas, Keras, Tensorflow, Matplotlib, Numpy. Đây đều là những thư viện phù hợp cho việc tiền xử lý dữ liệu, phân tích dữ liệu và machine learning.

Trên Colab, các thư viện này đã được cài sẵn, bạn chỉ cần `import` là dùng được ngay.

### 2.2 Được lưu trữ trên đám mây

Như đã nói trước đó nếu bạn sử dụng Jupyter Notebook, các file Python sẽ được lưu trữ trên máy cá nhân, dẫn đến khó khăn trong việc chia sẻ nó với người khác, đặc biệt trong khi làm việc nhóm hoặc dự án trong team.

Giả sử code Python của bạn bị lỗi và muốn nhờ team leader review, bạn sẽ phải gửi file python qua tin nhắn, sau khi bạn ấy sửa xong thì sẽ gửi lại một file mới cho bạn. Vậy sao bạn không tạo một file Google Colab, file này sẽ được lưu trữ tại Google Drive, và cả hai có thể chỉnh sửa ngay trên đó, rất thuận tiện đúng không nào? Bạn hoàn toàn có thể thấy được lịch sử chỉnh sửa của người kia ở phần Revision History.

![Revision History](https://assets.200lab.io/images/2024/12/05/history-60a40746b1356f130f2c.webp)

### 2.3 Sự hợp tác

Tính năng nổi trội khác mà **Google Colab** cung cấp chính là khả năng cộng tác với nhóm và nhiều người khác như đã nói ở trên. Bạn chỉ cần bấm nút share và điền email người bạn muốn cấp quyền, các quyền có sẵn sẽ là:

- Viewer: chỉ được xem
- Commenter: cho phép xem và comment
- Editor: Cho phép xem và chỉnh sửa file Google Colab

Người được mời sẽ nhận được email thông báo và click vào đường link là có thể truy cập được file, rất nhanh chóng và tiện lợi. Mình thường xuyên sử dụng nó để trả kết quả bài phỏng vấn Python, khi đó mình sẽ chọn option là **Anyone with the link can view** để chắc chắn là người phỏng vấn có thể mở được file.

### 2.4 Dùng GPU và TPU miễn phí, nhưng có giới hạn

Khi làm việc với machine learning hay data science, việc sử dụng GPU và TPU giúp huấn luyện model nhanh hơn nhiều lần so với CPU thông thường. Điểm đáng giá của Colab là mở quyền dùng các phần cứng tăng tốc này ngay ở bản miễn phí.

Tuy vậy, giới hạn tài nguyên miễn phí thay đổi theo thời gian và không cố định. Google không đảm bảo loại GPU bạn nhận được, notebook chạy tối đa **12 giờ** tùy tình trạng tài nguyên và runtime sẽ tự ngắt nếu bạn để yên không thao tác. Hình dưới đây là tài nguyên Colab cấp cho mình ở thời điểm viết bài gốc: RAM khoảng **13GB**, ổ đĩa khoảng **127GB**; con số này có thể khác khi bạn dùng.

![Google Colab Resources](https://assets.200lab.io/images/2024/12/05/resource-788c0b428eda109eb158.webp)

### 2.5 Trợ lý AI Gemini và Data Science Agent trong Colab

Colab bật mặc định trợ lý AI cho người dùng đủ điều kiện, đi kèm mức quota Gemini tiêu chuẩn ở bản miễn phí. Ngoài tính năng tự gợi ý code khi gõ, bạn có thể bấm biểu tượng Gemini ở chân notebook để mở khung chat và nhờ thực hiện các việc sau:

- Sinh mới hoặc chỉnh sửa các đoạn code có sẵn.
- Giải thích thông báo lỗi và đề xuất bản sửa dạng diff để bạn duyệt.
- Giải đáp cách sử dụng các thư viện Python.
- Phân tích các file dữ liệu CSV, JSON, Excel và vẽ biểu đồ.

Bên cạnh đó, Data Science Agent ra mắt tháng **3/2025** có thể nhận một mục tiêu từ bạn, lập kế hoạch chờ duyệt rồi tự chạy code và trình bày kết quả. Lưu ý là một số tính năng AI giới hạn theo quốc gia và độ tuổi **18+**. Trước khi áp dụng, bạn nên đọc kỹ lại code do AI viết để kiểm soát kết quả chạy.

## 3. Hướng dẫn sử dụng Google Colab

Để sử dụng **Colaboratory**, bạn phải có tài khoản Google, sau đó truy cập Colaboratory bằng tài khoản của bạn qua link: [https://colab.research.google.com/](<https://colab.research.google.com/>)

Dưới đây là các bước hướng dẫn bạn sử dụng **Google Colab**.

### 3.1 Tạo thư mục trên Google Drive

Vì **Colab** được lưu trữ trên Google Drive, vì thế bạn nên gom những file Colab này vào cùng một thư mục, để tránh sau này lưu trữ và chia sẻ nhầm file và folder. Trong giao diện Google Drive bạn nhấn `New` để tạo ra một Folder mới và đặt tên cho nó.

![](https://assets.200lab.io/images/2024/12/05/pasted-image-0-8-1-ed032c4885809fa76125.webp)

### 3.2 Tạo Colab Notebook mới và đặt tên

Để tạo một **Colab Notebook** mới, trong thư mục vừa tạo bạn nhấp chuột phải, chọn `More` (Thêm) =\> `Google Colaboratory`. Nếu chưa thấy mục này, bạn chọn `Connect more apps` để cài Colaboratory. Bạn cũng có thể tạo notebook ngay tại trang Colab bằng menu `File` =\> `New notebook`.

![](https://assets.200lab.io/images/2024/12/05/unnamed-7-1-c4d0774fabdd9aeb0502.webp)

Để đổi tên Notebook, bạn hãy nhấp vào tên tệp.

Sau đó mở file vừa tạo lên, bạn sẽ thấy giao diện như sau:

![](https://assets.200lab.io/images/2024/12/05/pml44-1-f1bc99170232cc2ecd09.webp)

Bạn double click vào Title (mặc định là Untitled) và tiến hành đổi tên file

### 3.3 Chọn GPU hoặc TPU cho notebook (nếu cần)

Mặc định notebook trên Colab sử dụng CPU. Để đổi phần cứng, bạn vào menu `Runtime` > `Change runtime type`, chọn GPU hoặc TPU đang có trong danh sách rồi bấm `Save`.

Lúc này notebook sẽ kết nối lại với runtime mới nên các biến trong bộ nhớ đều bị mất, bạn cần chạy lại các cell từ đầu. Bạn có thể dùng đoạn code sau để kiểm tra GPU vừa được cấp:

```python
# Xem thông tin GPU đang được cấp
!nvidia-smi
```

### 3.4 Chạy một đoạn lệnh Python (cell)

- Bước 1: Để đảm bảo rằng bạn đã thiết lập môi trường chạy, hãy kiểm tra xem File colab có được kết nối với Runtime hay không, nếu có Notebook sẽ hiển thị dấu check màu xanh lá cây và **Connected** ở góc trên cùng bên phải.

![](https://assets.200lab.io/images/2024/12/05/connected-15e870b6a8780f829e15.webp)

- Bước 2: Tạo mới đoạn code mà bạn muốn chạy bằng cách nhấn vào **+Code** bên dưới menu File

![](https://assets.200lab.io/images/2024/12/05/code-5fcef26f7ad7de293ce6.webp)

- Bước 3: Viết đoạn code mà bạn muốn chạy vào ô đã tạo
- Bước 4: Nhấn nút Play hoặc tổ hợp phím **Shift + Enter**.

![](https://assets.200lab.io/images/2024/12/05/play-25891a91065b5da65a3e.webp)

### 3.5 Chạy lệnh shell (Bash) trong Google Colab

Trong cell của notebook, bạn thêm dấu `!` ở đầu dòng để chạy lệnh shell như tải file với `!wget`. Riêng khi muốn đổi thư mục làm việc lâu dài trong notebook, bạn hãy dùng lệnh magic `%cd` vì `!cd` chỉ có tác dụng ngay trong dòng lệnh đó.

```python
# Clone một repository Git
!git clone https://github.com/<user>/<repo>.git

# Xem nội dung thư mục và tạo thư mục mới
!ls
!mkdir data

# Đổi thư mục làm việc: dùng %cd, không dùng !cd
%cd data

# Tải file từ web vào một thư mục chỉ định
!wget -P /content/data https://example.com/file.csv
```

### 3.6 Cài đặt thư viện

Các thư viện Python phổ biến đều được cài đặt sẵn, nếu bạn muốn cài đặt các thư viện chưa sẵn có bạn có thể sử dụng cú pháp:

```python
!pip install [package name]
```

Hoặc apt-get để cài đặt các thư viện Linux:

```python
!apt-get install [package name]
```

### 3.7 Upload file dữ liệu lên Google Colab

Việc upload file từ máy cá nhân lên Google Colab được thực hiện đơn giản qua các bước sau:

- Bước 1: Mở biểu tượng thư mục (Files) ở thanh bên trái, nếu không thấy thanh này hãy click vào dấu ba chấm ở góc trên bên trái

![](https://assets.200lab.io/images/2024/12/05/upload-1-e6b6f868b1fcf9c3a94e.webp)

- Bước 2: Kéo file bạn muốn upload và thả vào khung này
- Bước 3: Nhấn chuột phải chọn refresh để thấy file

![](https://assets.200lab.io/images/2024/12/05/refresh-1-b49d8c11a6c5452296cc.webp)

### 3.8 Liên kết Google Drive vào Google Colab

Nhu cầu liên kết Google Drive vào Google Colab có thể gọi là một công việc mà bất cứ project nào mình cũng phải làm vì nhiều lợi ích như sau:

- File kết quả và File Data đầu vào sẽ không vô ý bị xoá mất (phân quyền)
- Chia sẻ dễ dàng giữa các thành viên trong nhóm thay vì thay phiên lưu trữ ở máy cá nhân
- Khi runtime bị ngắt hoặc thu hồi, toàn bộ máy ảo sẽ bị xoá khiến các file bạn upload vào thư mục `/content` mất theo. Muốn giữ lại dữ liệu lâu dài, bạn cần lưu file vào Google Drive bằng thao tác mount Drive hoặc tải trực tiếp về máy.

Để liên kết bạn thực hiện theo hướng dẫn sau:

- Bước 1: Tạo một cell Code mới, để con trỏ chuột tại cell đó và chọn Mount Drive trong mục Files ở menu bên trái

![](https://assets.200lab.io/images/2024/12/05/mount-d6f64e3c248880f23475.webp)

- Bước 2: Chạy đoạn code mà Google Colab tạo mới như trên hình bên dưới

![](https://assets.200lab.io/images/2024/12/05/run-c3208c0667c2b2deeb98.webp)

- Bước 3: Cấp quyền truy cập cho Google Colab vào Google Drive, nhớ tích chọn (Select All) các quyền được yêu cầu ở màn hình đăng nhập

![](https://assets.200lab.io/images/2024/12/05/connect-drive-de5ae41565c82b36e088.webp)

- Bước 4: Kết nối thành công thì Colab sẽ hiển thị như sau

![](https://assets.200lab.io/images/2024/12/05/connect-succeed-1af4365d1e6744b38bf4.webp)

Ngoài cách bấm nút trên giao diện, bạn có thể mount Google Drive bằng **2 dòng** code sau:

```python
from google.colab import drive
drive.mount('/content/drive')
```

### 3.9 Lưu trữ Colab Notebook

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 thúc bằng \*.py và \*.ipynb một cách rõ ràng như hình bên dưới

![](https://assets.200lab.io/images/2024/12/05/saving-colab-notebook-1-0dc9caab8f0ca82e6b3b.png)

### 3.10 Chia sẻ Colab Notebook

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

![](https://assets.200lab.io/images/2024/12/05/sharing-our-notebook-1-0fa93280dc2bcc09252b.png)

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

![](https://assets.200lab.io/images/2024/12/05/sharing-our-notebook2-1-e3d62304607a00170cff.png)

Đây được xem là một trong những tính năng nổi bật của **Google Colab**.

## 4. Google Colab có miễn phí không? So sánh Colab Free, Colab Pro và Pro+

Câu trả lời là có. Bản miễn phí của Google Colab đã đáp ứng tốt nhu cầu học lập trình, xử lý dữ liệu vừa phải và làm các dự án nhỏ. Bảng dưới đây so sánh các gói theo giá niêm yết USD trên trang pricing của Google, mức giá thực tế và thuế có thể khác nhau tùy khu vực:

| Gói | Giá | Compute unit | Điểm chính |
| --- | --- | --- | --- |
| Free | Miễn phí | Không áp dụng | Có GPU/TPU khi còn tài nguyên, chạy tối đa **12 giờ**, quota Gemini tiêu chuẩn |
| Pay As You Go | Mua lẻ theo nhu cầu | Mua khi cần | Không cần đăng ký gói tháng, chủ động mua tài nguyên khi phát sinh việc |
| Colab Pro | **$9.99/tháng** | **100 compute unit/tháng** | GPU nhanh hơn, máy nhiều RAM hơn, nhiều quota Gemini hơn |
| Colab Pro+ | **$49.99/tháng** | **600 compute unit/tháng** | Ưu tiên GPU cao cấp, chạy nền tối đa **24 giờ** kể cả khi đóng trình duyệt |

Ở bản miễn phí, giới hạn tài nguyên và loại GPU không cố định mà thay đổi theo thời gian, runtime cũng sẽ ngắt nếu để yên không tương tác. Với các gói trả phí, lượng compute unit sẽ hết hạn sau **90 ngày** và khi dùng hết, tài khoản quay về giới hạn như bản miễn phí.

Bạn nên cân nhắc trả phí khi cần máy nhiều RAM hoặc thường xuyên train model trong thời gian dài. Đặc biệt, nếu cần tính năng background execution để treo code chạy nền khi đã tắt trình duyệt, Colab Pro+ sẽ là lựa chọn phù hợp.

## 5. Câu hỏi thường gặp về Google Colab

### Google Colab và Jupyter Notebook khác nhau thế nào?

Jupyter Notebook cài trên máy dùng trực tiếp phần cứng và ổ đĩa của bạn, không bị giới hạn thời gian chạy nhưng bạn phải tự cài đặt và quản lý thư viện. Trong khi đó, Google Colab chạy trên máy chủ của Google, cài sẵn nhiều thư viện, hỗ trợ GPU/TPU và chia sẻ nhanh như Google Docs. Đổi lại, Colab sẽ có giới hạn về thời gian hoạt động và tài nguyên tính toán.

### File .ipynb là gì?

`.ipynb` là định dạng file tiêu chuẩn của Jupyter Notebook. Khi bạn làm việc trên Google Colab, các notebook tạo ra đều được lưu thành file `.ipynb` ở trong Google Drive của bạn. Nhờ dùng chung định dạng này, bạn dễ dàng tải notebook về chạy trên máy cá nhân hoặc chia sẻ qua Drive cho người khác mở bằng Colab.

### Google Colab có chạy được ngôn ngữ khác ngoài Python không?

Có, ngoài Python thì Google Colab còn hỗ trợ sẵn runtime cho ngôn ngữ R và Julia. Bạn có thể chuyển đổi qua lại bằng cách mở menu `Runtime` > `Change runtime type` rồi chọn ngôn ngữ mình cần dùng.

### Tắt trình duyệt thì code trên Colab có chạy tiếp không?

Ở bản miễn phí, runtime sẽ ngắt kết nối nếu bạn để notebook đứng yên không thao tác hoặc đóng phiên làm việc. Nếu muốn notebook đang chạy vẫn tiếp tục hoạt động nền tối đa **24 giờ** ngay cả khi đã đóng trình duyệt, bạn cần dùng tính năng background execution trên gói Colab Pro+.

## 6. Kết luận

Google Colab là môi trường tiện lợi để bạn viết code Python, xử lý dữ liệu, chạy thử nghiệm model cũng như làm demo và phối hợp nhóm ngay trên trình duyệt. Bạn có thể bắt tay vào thực hành ngay mà không lo thiếu cấu hình máy hay tốn công cài đặt thư viện ban đầu.

Ở giai đoạn mới tìm hiểu, bạn hãy bắt đầu với bản miễn phí tại `colab.research.google.com` là đã đủ cho việc học tập. Đừng quên kết nối và lưu trữ các file dữ liệu hay kết quả quan trọng vào Google Drive để tránh mất dữ liệu khi runtime tự động ngắt.

**Bài viết liên quan:**

- [Data Envelopment Analysis (DEA) là gì? Giải thích dễ hiểu](</blog/data-envelopment-analysis-la-gi>)
- [Large Language Model là gì ? Giải thích dễ hiểu](</blog/large-language-model-la-gi>)
- [Jupyter Notebook là gì? Hướng dẫn cài đặt và sử dụng Jupyter Notebook](</blog/jupyter-notebook-la-gi>)
- [SQL là gì? Ưu & nhược điểm của Structured Query Language](</blog/sql-la-gi>)
- [Data Analyst là gì? Trở thành Data Analyst cần chuẩn bị gì?](</blog/data-analyst-la-gi>)

## Đọc thêm

- [Airflow là gì? Nền tảng Orchestration - Điều phối Workflow chuyên nghiệp](https://200lab.io/blog/airflow-la-gi.md): Apache Airflow là nền tảng mã nguồn mở được viết bằng Python để tạo, lập lịch và giám sát các workflow phức tạp
- [DBT là gì? Tìm hiểu Công cụ Transform trong Data Engineering](https://200lab.io/blog/dbt-la-gi.md): DBT (Data Build Tool) là một công cụ mã nguồn mở giúp Data Engineers và Data Analysts thực hiện bước Transform trong quy trình ELT
- [DuckDB là gì? Khám phá siêu vũ khí Phân tích dữ liệu](https://200lab.io/blog/duckdb-la-gi.md): DuckDB là một cơ sở dữ liệu phân tích dạng nhúng (embedded database) được thiết kế tối ưu để xử lý các workload phân tích
- [Customer Lifetime Value (LTV): Demo Phân tích LTV cho Doanh nghiệp E-commerce](https://200lab.io/blog/customer-lifetime-value-la-gi.md): Customer Lifetime Value là tổng giá trị kinh tế mà một khách hàng mang lại cho doanh nghiệp trong suốt thời gian họ là khách hàng
- [MLOps là gì? Những Kỹ năng cần thiết cho vị trí MLOps](https://200lab.io/blog/mlops-la-gi.md): MLOps là tập hợp các phương pháp và quy trình nhằm chuẩn hóa và tự động hóa việc triển khai các hệ thống machine learning
- [Mọi bài viết chủ đề Data](https://200lab.io/blog/tags/data.md)

Toàn bộ nội dung: https://200lab.io/llms.txt
