[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
„Azure Cloud Advocates“ komanda iš Microsoft su malonumu siūlo 10 savaičių, 20 pamokų mokymo programą, skirtą Duomenų mokslui. Kiekvienoje pamokoje rasite ir prieš, ir po pamokos testus, rašytines instrukcijas užduočiai atlikti, sprendimą bei namų darbą. Mūsų projektus pagrįsta pedagogika leidžia mokytis kuriant – tai patikrintas būdas įsisavinti naujus įgūdžius.
„Azure Cloud Advocates“ komanda „Microsoft“ džiaugiasi galėdama pasiūlyti 10 savaičių, 20 pamokų mokymo programą, skirtą Duomenų mokslui. Kiekviena pamoka apima priešpamokos ir popamokos testus, rašytines instrukcijas pamokos atlikimui, sprendimą ir užduotį. Mūsų projektams pagrįstas mokymo metodas leidžia mokytis dirbant, kas yra patikrintas būdas įgyti naujų įgūdžių, kurie išlieka.
> Šiame saugykloje yra 50+ kalbų vertimų, todėl atsisiuntimas yra ženkliai didesnis. Norėdami klonuoti be vertimų, naudokite retinimo checkout (sparse checkout):
> Šiame repozitorijoje yra daugiau nei 50 kalbų vertimų, dėl ko ženkliai padidėja atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite mažo užimtumo atsisiuntimą (sparse checkout):
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Tai suteiksite jums viską, ką reikia kursui atlikti su daug greitesniu atsisiuntimu.
> Tai suteiks viską, ko reikia kursui užbaigti, žymiai greičiau atsisiunčiant.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Jei norite papildomų palaikomų vertimų kalbų, jos pateiktos [čia](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Jei norite, kad būtų palaikomos papildomos vertimo kalbos, jų sąrašas yra [čia](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Turime vykdomą „Discord“ mokymų su DI seriją, sužinokite daugiau ir prisijunkite prie mūsų adresu [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 - 30 dienos. Gaunate patarimus ir triukus, kaip naudoti GitHub Copilot Duomenų mokslui.
Turime vykstančią „Discord“ mokymosi su DI seriją, daugiau sužinokite ir prisijunkite prie mūsų [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 d. iki 30 d. Jūs gausite patarimų ir triukų, kaip naudotis „GitHub Copilot“ duomenų moksle.
# Ar esi studentas?
Pradėkite nuo šių išteklių:
Pradėkite naudodamiesi šiais ištekliais:
- [Studentų Centras puslapis](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Šiame puslapyje rasite pradedančiųjų išteklius, studentų paketus ir net būdus gauti nemokamą sertifikato kuponą. Tai puslapis, kurį verta pridėti prie žymių ir kartkartėmis tikrinti, nes turinys atnaujinamas bent jau kas mėnesį.
- [Studentų centras](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Šiame puslapyje rasite pradedančiųjų išteklius, studentų paketus ir net būdus gauti nemokamą sertifikavimo kuponą. Tai vienas puslapis, kurį norėsite įsidėti į žymes ir periodiškai tikrinti, nes mes bent kartą per mėnesį keičiam turinį.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Prisijunkite prie pasaulinės studentų ambasadorių bendruomenės, tai gali būti jūsų kelias į Microsoft.
# Pradžia
## 📚 Dokumentacija
- **[Įdiegimo vadovas](INSTALLATION.md)** – žingsnis po žingsnio naujokams
- **[Naudojimo vadovas](USAGE.md)** – pavyzdžiai ir įprasti darbo procesai
- **[Įdiegimo vadovas](INSTALLATION.md)** – žingsnis po žingsnio instrukcijos pradedantiesiems
- **[Naudojimo vadovas](USAGE.md)** – pavyzdžiai ir dažniausios darbo eigų naudojimo instrukcijos
- **[Problemų sprendimas](TROUBLESHOOTING.md)** – dažniausių problemų sprendimai
- **[Prisidėjimo vadovas](CONTRIBUTING.md)** – kaip prisidėti prie šio projekto
- **[Mokytojams](for-teachers.md)** – mokymo gairės ir klasių ištekliai
- **[Mokytojams](for-teachers.md)** – mokymo gairės ir klasės ištekliai
## 👨🎓 Studentams
> **Visiškai pradedantiesiems**: naujokas duomenų moksle? Pradėkite nuo mūsų [pradedantiesiems skirtų pavyzdžių](examples/README.md)! Šie paprasti ir gerai paaiškinti pavyzdžiai padės suprasti pagrindus prieš peržiūrint visą mokymo programą.
> **[Studentams](https://aka.ms/student-page)**: norėdami naudotis šia mokymo programa savarankiškai, fork‘inkite visą repozitoriją ir atlikite užduotis savarankiškai, pradėdami nuo priešpaskaitinio testo. Tada perskaitykite paskaitą ir atlikite likusias veiklas. Stenkitės projektus kurti suprasdami pamokas, o ne kopijuodami sprendimų kodus; tačiau jie yra prieinami /solutions aplankuose kiekvienoje projekto orientuotoje pamokoje. Kita idėja – sudaryti mokymosi grupę su draugais ir kartu peržiūrėti turinį. Tolimesniam mokymuisi rekomenduojame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Visiškai pradedantiesiems:** Naujokas duomenų moksle? Pradėkite nuo mūsų [pradedančiųjų draugiškų pavyzdžių](examples/README.md)! Šie paprasti, gerai komentuoti pavyzdžiai padės jums suprasti pagrindus prieš gilinatės į visą mokymo programą.
> **[Studentams](https://aka.ms/student-page):** kad naudotumėte šią programą savarankiškai, šaknykite visą repozitoriją ir atlikite pratimus savarankiškai, pradėdami nuo priešpaskaitos testo. Tada skaitykite paskaitą ir atlikite likusias užduotis. Stenkitės kurti projektus suprasdami pamokas, o ne tiesiog kopijuodami sprendimų kodą; tačiau tas kodas yra prieinamas /solutions aplankuose kiekvienoje projekto orientuotoje pamokoje. Kita idėja būtų sukurti studijų grupę su draugais ir kartu pereiti turinį. Tolimesniam mokymuisi rekomenduojame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Greitas pradėjimas:**
1. Patikrinkite [Įdiegimo vadovą](INSTALLATION.md), kad pasiruoštumėte aplinką
**Greitas pradžios planas:**
1. Patikrinkite [Įdiegimo vadovą](INSTALLATION.md), kaip nustatyti savo aplinką
2. Peržiūrėkite [Naudojimo vadovą](USAGE.md), kad sužinotumėte, kaip dirbti su mokymo programa
3. Pradėkite nuo 1 pamokos ir atlikite seką
3. Pradėkite nuo 1 pamokos ir dirbkite nuosekliai
4. Prisijunkite prie mūsų [Discord bendruomenės](https://aka.ms/ds4beginners/discord) pagalbai
## 👩🏫 Mokytojams
> **Mokytojams**: mes įtraukėme [keletą pasiūlymų](for-teachers.md), kaip naudoti šią mokymo programą. Laukiame jūsų atsiliepimų [mūsų diskusijų forume](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Mokytojams:** mes pateikėme [kai kuriuos pasiūlymus](for-teachers.md), kaip naudoti šią mokymo programą. Mielai lauksime jūsų atsiliepimų [mūsų diskusijų forume](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Susipažinkite su komanda
[](https://youtu.be/8mzavjQSMM4 "Reklaminis vaizdo įrašas")
> 🎥 Spustelėkite aukščiau esančią nuotrauką, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė!
> 🎥 Spustelėkite aukščiau esantį paveikslėlį, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė!
## Pedagogika
Kuriant šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų projektų pagrindu ir apimtų dažnai pasitaikančius testus. Baigę šią seriją studentai išmoks duomenų mokslo pagrindinius principus, įskaitant etinius konceptus, duomenų paruošimą, skirtingus duomenų apdorojimo būdus, duomenų vizualizaciją, duomenų analizę, realius duomenų mokslo panaudojimo atvejus ir dar daugiau.
Kuriant šią programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų projektinė, ir kad būtų dažni testai. Šios serijos pabaigoje studentai išmoks pagrindines duomenų mokslo sąvokas, įskaitant etinius principus, duomenų paruošimą, įvairius būdus dirbti su duomenimis, duomenų vizualizaciją, duomenų analizę, realaus pasaulio duomenų mokslo panaudojimo atvejus ir dar daugiau.
Be to, žemas rizikos lygis turintis testas prieš pamoką nustato studentų ketinimą mokytis tam tikros temos, o antras testas po pamokos užtikrina papildomą medžiagos įsisavinimą. Ši mokymo programa buvo sukurta būti lanksti ir smagi, ją galima atlikti visą arba dalimis. Projektai prasideda nuo paprastų ir palaipsniui tampa sudėtingesni per 10 savaičių ciklą.
Be to, lengvas testas prieš paskaitą nustato studento tikslą mokytis temos, o antras testas po paskaitos užtikrina geresnį įsiminimą. Ši programa sukurta būti lanksčia ir smagia, ją galima įveikti visą arba atskiras dalis. Projektai prasideda nuo mažų ir tampa vis sudėtingesni iki 10 savaičių ciklo pabaigos.
> **Pastaba apie testus**: Visi testai yra Quiz-App aplanke, iš viso yra 40 testų po tris klausimus kiekviename. Jie susieti iš pamokų, tačiau testų programą galima paleisti vietoje arba publikuoti Azure; vadovaukitės „quiz-app“ aplanko instrukcijomis. Jie palaipsniui lokalizuojami.
> **Pastaba apie testus**: Visi testai yra Quiz-App aplanke, iš viso 40 testų po tris klausimus kiekviename. Jie susieti iš pamokų, tačiau testų programėlę galima paleisti vietoje arba įdiegti į Azure; vykdykite nurodymus `quiz-app` aplanke. Jie palaipsniui lokalizuojami.
## 🎓 Pradedančiajam draugiški pavyzdžiai
## 🎓 Draugiški pradedantiesiems pavyzdžiai
**Naujas duomenų moksle?** Sukūrėme specialų [pavyzdžių katalogą](examples/README.md) su paprastu, aiškiai komentuotu kodu, kad padėtų jums pradėti:
**Naujas duomenų moksle?** Mes sukūrėme specialų [pavyzdžių katalogą](examples/README.md) su paprastu, gerai komentuotu kodu, kad padėtume jums pradėti:
- 🌟 **Sveikas pasauli!** – Jūsų pirmoji duomenų mokslo programa
- 📂 **Duomenų įkėlimas** – Išmokite skaityti ir tyrinėti duomenų rinkinius
- 📊 **Paprasta analizė**–Apskaičiuokite statistiką ir raskite modelius
- 🌟 **Sveikas Pasauli!** – Jūsų pirmoji duomenų mokslo programa
- 📂 **Duomenų užkėlimas** – Išmokite skaityti ir tyrinėti duomenų rinkinius
- 📊 **Paprasta analizė**–Skaičiuokite statistiką ir ieškokite modelių
- 📈 **Pagrindinė vizualizacija**– Kurkite diagramas ir grafikus
- 🔬 **Realaus pasaulio projektas**– Pilnas darbo eiga nuo pradžios iki pabaigos
Kiekvienas pavyzdys apima išsamius komentarus, paaiškinančius kiekvieną žingsnį, todėl ypač tinka visiškiems pradedantiesiems!
Kiekviename pavyzdyje pateikiami išsamūs komentarai, kurie paaiškina kiekvieną žingsnį, todėl jis puikiai tinka visiškiems pradedantiesiems!
👉 **[Pradėkite nuo pavyzdžių](examples/README.md)** 👈
| 01 | Duomenų mokslo apibrėžimas | [Įvadas](1-Introduction/README.md) | Sužinokite pagrindines duomenų mokslo sąvokas ir kaip tai susiję su dirbtiniu intelektu, mašininio mokymosi ir didžiaisiais duomenimis. | [pamoka](1-Introduction/01-defining-data-science/README.md) [vaizdo įrašas](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Duomenų mokslo etika | [Įvadas](1-Introduction/README.md) | Duomenų etikos sąvokos, iššūkiai ir pagrindai. | [pamoka](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Duomenų apibrėžimas | [Įvadas](1-Introduction/README.md) | Kaip klasifikuojami duomenys ir jų įprasti šaltiniai. | [pamoka](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 05 | Darbas su reliaciniais duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į reliacinius duomenis ir pagrindus, kaip tyrinėti ir analizuoti reliacinius duomenis naudojant struktūrizuotųjų užklausų kalbą, dar vadinamą SQL (tar. „si-kvel“). | [pamoka](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Darbas su NoSQL duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į nerealiacinius duomenis, jų įvairias rūšis ir pagrindus, kaip tyrinėti ir analizuoti dokumentų duomenų bazes. | [pamoka](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Darbas su Python | [Darbas su duomenimis](2-Working-With-Data/README.md) | Python naudojimo duomenų tyrinėjimui pagrindai su tokiomis bibliotekomis kaip Pandas. Rekomenduojamas Python programavimo pagrindų supratimas. | [pamoka](2-Working-With-Data/07-python/README.md) [vaizdo įrašas](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Duomenų paruošimas | [Darbas su duomenimis](2-Working-With-Data/README.md) | Temų apžvalga apie duomenų valymą ir transformavimą, kad būtų galima spręsti trūkstamų, netikslių ar neišsamių duomenų problemas. | [pamoka](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 01 | Duomenų mokslo apibrėžimas | [Įvadas](1-Introduction/README.md) | Išmokti pagrindines duomenų mokslo sąvokas ir kaip jis susijęs su dirbtiniu intelektu, mašininio mokymosi ir didžiųjų duomenų koncepcijomis. | [pamoka](1-Introduction/01-defining-data-science/README.md) [vaizdo įrašas](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Duomenų mokslo etika | [Įvadas](1-Introduction/README.md) | Duomenų etikos sąvokos, iššūkiai ir struktūros. | [pamoka](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Duomenų apibrėžimas | [Įvadas](1-Introduction/README.md) | Kaip duomenys klasifikuojami ir jų įprasti šaltiniai. | [pamoka](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Statistika ir tikimybė | [Įvadas](1-Introduction/README.md) | Matematiniai tikimybės ir statistikos metodai duomenų supratimui. | [pamoka](1-Introduction/04-stats-and-probability/README.md) [vaizdo įrašas](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Darbas su reliaciniais duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į reliacinius duomenis ir jų tyrinėjimo bei analizės pagrindus naudojant struktūruotąjį užklausų kalbą SQL (tarimas „sidžel“). | [pamoka](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Darbas su NoSQL duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į nerealiacinius duomenis, jų tipus ir pagrindus nagrinėti bei analizuoti dokumentų duomenų bazes. | [pamoka](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Darbas su Python | [Darbas su duomenimis](2-Working-With-Data/README.md) | Pagrindai naudoti Python duomenų tyrinėjimui su bibliotekomis, tokiomis kaip Pandas. Rekomenduojamos pagrindinės Python programavimo žinios. | [pamoka](2-Working-With-Data/07-python/README.md) [vaizdo įrašas](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Duomenų paruošimas | [Darbas su duomenimis](2-Working-With-Data/README.md) | Temos apie duomenų valymo ir transformavimo metodus, sprendžiant trūkstamų, netikslių ar neišsamių duomenų problemas. | [pamoka](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kiekybinių duomenų vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Išmokite naudoti Matplotlib paukščių duomenų vizualizavimui 🦆 | [pamoka](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Duomenų pasiskirstymo vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Stebėjimų ir tendencijų intervalo viduje vizualizavimas. | [pamoka](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Ryšių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Ryšių ir koreliacijų tarp duomenų rinkinių ir jų kintamųjų vizualizavimas. | [pamoka](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Reikšmingos vizualizacijos | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Technika ir vadovai, padedantys padaryti jūsų vizualizacijas vertingas efektyviam problemų sprendimui ir įžvalgoms. | [pamoka](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Duomenų mokslo ciklo įvadas | [Ciklas](4-Data-Science-Lifecycle/README.md) | Įvadas į duomenų mokslo gyvenimo ciklą ir jo pirmąjį etapą – duomenų gavimą ir išgavimą. | [pamoka](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Duomenų analizė | [Ciklas](4-Data-Science-Lifecycle/README.md) | Šis duomenų mokslo ciklo etapas skiria dėmesį duomenų analizės technikoms. | [pamoka](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikacija | [Ciklas](4-Data-Science-Lifecycle/README.md) | Šis duomenų mokslo ciklo etapas skiria dėmesį duomenų įžvalgų pateikimui taip, kad sprendimų priėmėjams būtų lengviau suprasti. | [pamoka](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Ši pamokų serija pristato duomenų mokslą debesyje ir jo privalumus. | [pamoka](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 18 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių mokymas naudojant Low Code įrankius. |[pamoka](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 19 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių dislokavimas naudojant Azure Machine Learning Studio. | [pamoka](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 20 | Duomenų mokslas gamtoje | [Gamtoje](6-Data-Science-In-Wild/README.md) | Duomenų mokslo projektai realiame pasaulyje. | [pamoka](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 10 | Duomenų pasiskirstymo vizualizacija | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Šioje pamokoje vizualizuojami stebėjimai ir tendencijos intervale. | [pamoka](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Santykių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Vizualizuojame duomenų rinkinių ir jų kintamųjų ryšius bei koreliacijas. | [pamoka](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Tikslinga vizualizacija | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Metodai ir patarimai, kaip sukurti vertingas vizualizacijas efektyviam problemų sprendimui ir įžvalgoms. | [pamoka](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Duomenų mokslo gyvavimo ciklo įvadas | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Duomenų mokslo gyvavimo ciklo įvadas ir pirmasis žingsnis – duomenų gavimas ir išgavimas. | [pamoka](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Duomenų analizė | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo gyvavimo ciklo fazė skiriama duomenų analizės metodams. | [pamoka](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikacija | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo gyvavimo ciklo fazė skirta išvadų iš duomenų pristatymui taip, kad sprendimų priėmėjams būtų lengviau suprasti. | [pamoka](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Šios pamokos supažindina su duomenų mokslo debesyje koncepcija ir jo privalumais. | [pamoka](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 18 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių treniravimas naudojant Low Code įrankius. |[pamoka](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 19 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių diegimas naudojant Azure Machine Learning Studio. | [pamoka](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 20 | Duomenų mokslas realiame pasaulyje | [Realiame pasaulyje](6-Data-Science-In-Wild/README.md) | Duomenų mokslu pagrįsti projektai realiame pasaulyje. | [pamoka](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Atlikite šiuos veiksmus, kad atidarytumėte šį pavyzdį Codespace aplinkoje:
1. Spustelėkite mygtuką Code ir pasirinkite Open with Codespaces parinktį.
2. Pasirinkite + New codespace apačioje esančioje srityje.
Daugiau informacijos rasite [GitHub dokumentacijoje](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Atlikite šiuos veiksmus, kad atidarytumėte šį pavyzdį Codespace:
1. Spustelėkite Code išskleidžiamąjį meniu ir pasirinkite Open with Codespaces parinktį.
2. Pasirinkite + New codespace lango apačioje.
Norėdami sužinoti daugiau, peržiūrėkite [GitHub dokumentaciją](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Atlikite šiuos veiksmus, kad atidarytumėte šį saugyklą konteineryje naudodami savo kompiuterį ir VSCode naudojant VS Code Remote - Containers plėtinį:
## VSCode Remote - konteineriai
Atlikite šiuos veiksmus, kad atidarytumėte šį repozitoriją konteineryje naudodami vietinę mašiną ir VSCode su VS Code Remote - Containers plėtiniu:
1. Jei pirmą kartą naudojate kūrimo konteinerį, įsitikinkite, kad jūsų sistema atitinka reikalavimus (pvz., įdiegėte Docker) pagal [pradžios dokumentaciją](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Jei tai pirmas kartas, kai naudojate kūrimo konteinerį, įsitikinkite, kad jūsų sistema atitinka reikalavimus (pvz., įdiegta Docker), vadovaudamiesi [pradžios dokumentacija](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Norėdami naudoti šią saugyklą, galite atidaryti ją izoliuoto Docker tūrio viduje:
Norėdami naudoti šį repozitoriją, galite jį atidaryti izoliuotame Docker tūryje:
**Pastaba**: Tam naudojama Remote-Containers: **Clone Repository in Container Volume...** komanda, kuri duomenų kodą nukopijuoja į Docker tūrį, o ne į vietinę failų sistemą. [Tūriai](https://docs.docker.com/storage/volumes/) yra pageidautinas būdas išsaugoti konteinerio duomenis.
**Pastaba**: Po gaubtu tai naudos Remote-Containers: **Clone Repository in Container Volume...** komandą klonuoti šaltinio kodą Docker tūryje vietoj vietinio failų sistemos. [Tūriai](https://docs.docker.com/storage/volumes/) yra pageidaujamas duomenų konteineryje išlaikymo būdas.
Arba atidarykite vietinę klonuotą ar parsisiųstą saugyklos versiją:
Arba atidarykite vietoje klonuotą arba atsisiųstą repozitorijos kopiją:
- Nuklonuokite šią saugyklą į savo kompiuterį.
- Paspauskite F1 ir pasirinkite komandą **Remote-Containers: Open Folder in Container...**.
- Pasirinkite šios aplanko nuklonuotą kopiją, palaukite kol konteineris užsikraus ir išbandykite.
- Nuklonuokite šią repozitoriją į savo vietinę failų sistemą.
- Paspauskite F1 ir pasirinkite **Remote-Containers: Open Folder in Container...** komandą.
- Pasirinkite šios aplanko nuklonuotą kopiją, palaukite kol konteineris startuos ir išbandykite funkcijas.
## Darbas neprisijungus
## Offline prieiga
Galite naudoti šią dokumentaciją neprisijungę naudodami [Docsify](https://docsify.js.org/#/). Nuklonuokite šią saugyklą, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo kompiuteryje, tada šios saugyklos šakninėje aplanke paleiskite komandą `docsify serve`. Svetainė bus pasiekiama per 3000 prievadą jūsų vietiniame serveryje: `localhost:3000`.
Galite vykdyti šią dokumentaciją neprisijungę naudodami [Docsify](https://docsify.js.org/#/). Nuklonuokite šią repozitoriją, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietinėje mašinoje, tada pagrindiniame repozitorijos aplanke įvykdykite `docsify serve`. Svetainė bus pateikta 3000 prievade jūsų localhost adresu: `localhost:3000`.
> Pastaba, užrašų knygelės nebus rodomos Docsify platformoje, tad kai reikės paleisti užrašų knygelę, darykite tai atskirai VS Code su Python branduoliu.
> Pastebėkite, kad užrašai nebus atvaizduojami Docsify, todėl kai reikės paleisti užrašą, darykite tai atskirai VS Code su Python branduoliu.
## Kitos mokymo programos
## Kitos programos
Mūsų komanda kuria ir kitas mokymo programas! Pažiūrėkite:
@ -208,40 +208,40 @@ Mūsų komanda kuria ir kitas mokymo programas! Pažiūrėkite:
---
### Generatyvinė AI mokymų serija
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Kartojamosios AI serijos
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Susiduriate su problemomis?** Peržiūrėkite mūsų [Trikčių šalinimo vadovą](TROUBLESHOOTING.md) su dažnų problemų sprendimais.
**Susiduriate su problemomis?** Peržiūrėkite mūsų [Gedimų šalinimo vadovą](TROUBLESHOOTING.md), kad rastumėte sprendimus dažniausiai pasitaikančioms problemoms.
Jei įstringate ar turite klausimų apie AI programų kūrimą, prisijunkite prie kitų besimokančių ir patyrusių kūrėjų diskusijų apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiamí ir žinios dalijamasi laisvai.
Jei užstrigote arba turite klausimų apie AI programų kūrimą, prisijunkite prie kitų mokymosi entuziastų ir patyrusių programuotojų diskusijose apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiami, o žinios laisvai dalijamos.
@ -249,5 +249,5 @@ Jei turite produktų atsiliepimų arba susiduriate su klaidomis kūrimo metu, ap
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Atsakomybės apribojimas**:
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turi būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojamas profesionalus žmogaus vertimas. Mes neatsakom už bet kokius nesusipratimus ar neteisingus aiškinimus, kilusius naudojant šį vertimą.
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas pagrindiniu šaltiniu. Svarbiai informacijai rekomenduojamas profesionalus vertimas žmogaus. Mes neprisiimame atsakomybės už bet kokius nesusipratimus ar neteisingus aiškinimus, kylančius dėl šio vertimo naudojimo.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
# Data Science для початківців - навчальна програма
# Data Science для початківців - Навчальна програма
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[](http://makeapullrequest.com)
[](https://aka.ms/foundry/forum)
Azure Cloud Advocates в Microsoft раді запропонувати 10-тижневу навчальну програму з 20 уроків, присвячену Data Science. Кожен урок містить тести до та після уроку, письмові інструкції до виконання, розв’язання та завдання. Наша проектно-орієнтована педагогіка дозволяє вчитися під час створення, що є перевіреним способом засвоєння нових навичок.
Адвокати Azure Cloud у Microsoft раді запропонувати 10-тижневу навчальну програму з 20 уроків про Data Science. Кожен урок має передурочне та післяурочне опитування, письмові інструкції для виконання уроку, розв’язок та завдання. Наша проєктно-орієнтована педагогіка дозволяє вчитися під час створення, що є доведеним способом міцного засвоєння нових навичок.
@ -46,208 +46,208 @@ Azure Cloud Advocates в Microsoft раді запропонувати 10-тиж
> Це дасть усе необхідне для проходження курсу з набагато швидшим завантаженням.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Якщо ви хочете додати підтримку додаткових мов, вони перераховані [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Якщо ви хочете, щоб були підтримані додаткові мови перекладу, їх перелік знаходиться [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
У нас триває серія навчань з AI у Discord, дізнайтеся більше та приєднуйтесь до нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрості використання GitHub Copilot для Data Science.
У нас триває серія Discord для навчання з AI, дізнайтеся більше та приєднуйтесь до нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Отримаєте поради та хитрощі з використання GitHub Copilot для Data Science.
# Ви студент?
Почніть з таких ресурсів:
Почніть із наступних ресурсів:
- [Сторінка Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На цій сторінці ви знайдете початкові ресурси, студентські пакети та навіть способи отримати безкоштовний сертифікаційний ваучер. Це сторінка, яку варто додати в закладки і періодично перевіряти, оскільки ми оновлюємо контент принаймні щомісяця.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Приєднуйтеся до глобальної спільноти студентських послів, це може бути вашим шляхом у Microsoft.
- [Сторінка студентського центру](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Тут ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний ваучер на сертифікат. Цю сторінку варто додати до закладок та періодично перевіряти, оскільки вміст оновлюється мінімум раз на місяць.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Приєднуйтесь до глобальної спільноти студентських послів, це може бути вашим шляхом до Microsoft.
# Починаємо
# Початок роботи
## 📚 Документація
- **[Інструкція з установки](INSTALLATION.md)** - Покрокові інструкції налаштування для початківців
- **[Посібник користувача](USAGE.md)** - Приклади та поширені робочі процеси
- **[Вирішення проблем](TROUBLESHOOTING.md)** - Розв’язання поширених проблем
- **[Посібник з внеску](CONTRIBUTING.md)** - Як зробити внесок у цей проєкт
- **[Для вчителів](for-teachers.md)** - Керівництво з викладання та ресурси для класу
- **[Керівництво зі встановлення](INSTALLATION.md)** - Покрокові інструкції налаштування для початківців
- **[Керівництво з використання](USAGE.md)** - Приклади та типові робочі процеси
- **[Вирішення проблем](TROUBLESHOOTING.md)** - Рішення поширених проблем
- **[Керівництво для сприяння розвитку](CONTRIBUTING.md)** - Як внести свій внесок у цей проєкт
- **[Для викладачів](for-teachers.md)** - Посібник для викладання та ресурси для аудиторії
## 👨🎓 Для студентів
> **Повні початківці**: Новачок уData Science? Почніть з наших [прикладів для початківців](examples/README.md)! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед тим, як заглибитися в повну навчальну програму.
> **[Студенти](https://aka.ms/student-page)**: щоб користуватися цією програмою самостійно, форкніть весь репозиторій і виконайте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію і виконайте решту завдань. Намагайтеся створювати проєкти, розуміючи уроки, а не просто копіюючи код розв’язку; однак цей код доступний у папках /solutions у кожному проектно-орієнтованому уроці. Іншим варіантом є створення навчальної групи з друзями і проходження контенту разом. Для подальшого навчання рекомендуємо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Повні початківці**: Новачок уdata science? Почніть з наших [простих прикладів для початківців](examples/README.md)! Ці прості, добре прокоментовані приклади допоможуть зрозуміти основи перед тим, як заглибитися у повну навчальну програму.
> **[Студенти](https://aka.ms/student-page)**: щоб працювати з цією програмою самостійно, форкніть весь репозиторій і виконуйте вправи самостійно, починаючи з пре-лекційного опитування. Потім читайте лекцію й виконуйте решту завдань. Намагайтеся створювати проекти, розуміючи уроки, а не просто копіюючи код розв’язку; однак цей код доступний у папках /solutions до кожного уроку, орієнтованого на проекти. Інша ідея — сформувати навчальну групу з друзями та разом проходити матеріали. Для подальшого вивчення рекомендуємо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Швидкий старт:**
1. Перевірте [Інструкцію з установки](INSTALLATION.md) для налаштування середовища
2. Ознайомтесь з [Посібником користувача](USAGE.md), щоб навчитися працювати з програмою
3. Починайте з Уроку 1 ірухайтеся послідовно
1. Перевірте [Керівництво зі встановлення](INSTALLATION.md) для налаштування середовища
2. Ознайомтеся з [Керівництвом з використання](USAGE.md), щоб навчитися працювати з цією програмою
3. Починайте з Уроку 1 іпрацюйте послідовно
4. Приєднуйтесь до нашої [спільноти Discord](https://aka.ms/ds4beginners/discord) для підтримки
## 👩🏫 Для вчителів
## 👩🏫 Для викладачів
> **Вчителям**: ми [включили деякі пропозиції](for-teachers.md) щодо використання цієї навчальної програми. Ми будемо раді вашим відгукам [на нашому форумі для обговорень](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Знайомство з командою
> **Викладачі**: ми включили [кілька порад](for-teachers.md) щодо використання цієї програми. Ми будемо раді вашому відгуку [у нашому дискусійному форумі](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Натисніть на зображення вище, щоб переглянути відео про проект та людей, які його створили!
> 🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!
## Педагогіка
Ми обрали два педагогічні принципи при створенні цього курикулуму: забезпечення проєктного підходу та часті вікторини. Наприкінці цього циклу студенти здобудуть базові знання з основ науки про дані, зокрема етичних концепцій, підготовки даних, різних способів роботи з даними, візуалізації даних, аналізу даних, реальних прикладів використання науки про дані тощо.
Ми обрали два педагогічні принципи під час розробки цього навчального курсу: забезпечення проектного підходу та включення частих вікторин. Наприкінці цього циклу студенти вивчать основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, приклади застосування науки про дані у реальному житті та інше.
Крім того, вікторина з низькою ставкою перед заняттям встановлює намір студента вивчати тему, а друга вікторина після заняття забезпечує краще закріплення матеріалу. Цей курикулум розроблений так, щоб бути гнучким і цікавим, і його можна проходити повністю або частково. Проекти починаються з маленьких і поступово ускладнюються до кінця 10-тижневого циклу.
Крім того, вікторина з низькою ставкою перед заняттям налаштовує студента на вивчення теми, а друга вікторина після заняття забезпечує кращу засвоюваність матеріалу. Цей навчальний план було розроблено гнучким та цікавим, його можна проходити повністю або частинами. Проєкти починаються з простих і з часом стають складнішими до кінця 10-тижневого циклу.
> Ознайомтесь з нашим [Кодексом поведінки](CODE_OF_CONDUCT.md), [Правилами внеску](CONTRIBUTING.md), [Керівництвом з перекладу](TRANSLATIONS.md). Ми вітаємо ваші конструктивні зауваження!
> Знайдіть наші [Правила поведінки](CODE_OF_CONDUCT.md), [Внесок](CONTRIBUTING.md), [Переклади](TRANSLATIONS.md). Ми вітаємо ваші конструктивні відгуки!
## Кожен урок включає:
- Додатковий скетчнот (за бажанням)
- Додаткове відео (за бажанням)
- Розігрівна вікторина перед уроком
- Текст уроку
- Для уроків з проєктами — покрокові інструкції зі створення проєкту
- Опційний скетчноут
- Опційне додаткове відео
- Вікторину-розминку перед уроком
- Письмовий урок
- Для уроків на основі проєктів — покрокові інструкції зі створення проєкту
- Перевірки знань
- Виклик / завдання
- Додаткова література
- Виклик
- Додаткову літературу
- Завдання
- [Вікторина після уроку](https://ff-quizzes.netlify.app/en/)
- [Вікторину після уроку](https://ff-quizzes.netlify.app/en/)
> **Примітка про вікторини**: Усі вікторини знаходяться в папці Quiz-App, загалом 40 вікторин по три запитання. Вони пов’язані з уроками, але додаток для вікторини можна запускати локально або розгортати в Azure; виконуйте інструкціїу папці `quiz-app`. Вікторини поступово локалізуються.
> **Примітка про вікторини**: Всі вікторини знаходяться в папці Quiz-App, загалом 40 вікторин по три питання в кожній. Посилання на них є в уроках, але додаток з вікторинами можна запустити локально або розгорнути в Azure; дотримуйтесь інструкційу папці `quiz-app`. Вікторини поступово локалізуються.
## 🎓 Приклади для початківців
**Новачок у науці про дані?** Ми створили спеціальний [каталог прикладів](examples/README.md) з простим, добре прокоментованим кодом, щоб допомогти вам розпочати:
**Новачок у науці про дані?** Ми створили спеціальний [каталог прикладів](examples/README.md) із простим, добре прокоментованим кодом, щоб допомогти вам почати:
- 🌟 **Hello World**– ваша перша програма з науки про дані
- 📂 **Завантаження даних** – навчіться читати та досліджувати набори даних
- 📊 **Простий аналіз** – обчислення статистики та пошук закономірностей
- 📈 **Базова візуалізація** – створення діаграм і графіків
- 🔬 **Реальний проєкт** – повний робочий процес від початку до кінця
- 🌟 **Hello World**— ваша перша програма з науки про дані
- 📂 **Завантаження даних** — навчіться читати та досліджувати набори даних
- 📊 **Простий аналіз** — обчислення статистики та пошук закономірностей
- 📈 **Базова візуалізація** — створення діаграм і графіків
- 🔬 **Реальний проєкт** — повний робочий процес від початку до кінця
Кожен приклад містить детальні коментарі, які пояснюють кожен крок, тому вони ідеально підходять для абсолютних новачків!
Кожен приклад містить докладні коментарі, що пояснюють кожен крок, тому він ідеально підходить для абсолютних початківців!
👉 **[Почати з прикладів](examples/README.md)** 👈
👉 **[Почніть з прикладів](examples/README.md)** 👈
## Уроки
||
||
|:---:|
| Наука про дані для початківців: Дорожня карта - _Скетчнот від [@nitya](https://twitter.com/nitya)_ |
| Data Science For Beginners: Roadmap –_Скетчноут від [@nitya](https://twitter.com/nitya)_ |
| Номер уроку | Тема | Група уроків | Мета навчання | Посилання на урок | Автор |
| Номер уроку | Тема | Група уроків | Цілі навчання | Посилання на урок | Автор |
| 01 | Визначення науки про дані | [Вступ](1-Introduction/README.md) | Вивчіть базові поняття науки про дані та її зв’язок з штучним інтелектом, машинним навчанням та великими даними. | [урок](1-Introduction/01-defining-data-science/README.md) [відео](https://youtu.be/beZ7Mb_oz9I) | [Дмитро](http://soshnikov.com) |
| 02 | Етика науки про дані | [Вступ](1-Introduction/README.md) | Концепції, виклики та рамки етики даних. | [урок](1-Introduction/02-ethics/README.md) | [Нітія](https://twitter.com/nitya) |
| 03 | Визначення даних | [Вступ](1-Introduction/README.md) | Як класифікуються дані та їх загальні джерела. | [урок](1-Introduction/03-defining-data/README.md) | [Жасмін](https://www.twitter.com/paladique) |
| 04 | Вступ до статистики та ймовірності | [Вступ](1-Introduction/README.md) | Математичні методи ймовірності та статистики для розуміння даних. | [урок](1-Introduction/04-stats-and-probability/README.md) [відео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитро](http://soshnikov.com) |
| 05 | Робота з реляційними даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до реляційних даних та основи їх дослідження й аналізу за допомогою мови структурованих запитів, також відомої як SQL (вимовляється “сіквел”). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Крістофер](https://www.twitter.com/geektrainer) | | |
| 06 | Робота з NoSQL даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до нереляційних даних, їх різних типів та основи дослідження та аналізу документних баз даних. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Жасмін](https://twitter.com/paladique)|
| 07 | Робота з Python | [Робота з даними](2-Working-With-Data/README.md) | Основи використання Python для дослідження даних за допомогою бібліотек, таких як Pandas. Рекомендується базове розуміння програмування на Python. | [урок](2-Working-With-Data/07-python/README.md) [відео](https://youtu.be/dZjWOGbsN4Y) | [Дмитро](http://soshnikov.com) |
| 08 | Підготовка даних | [Робота з даними](2-Working-With-Data/README.md) | Теми з технік очищення та трансформації даних для вирішення проблем відсутніх, неточних або неповних даних. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Жасмін](https://www.twitter.com/paladique) |
| 09 | Візуалізація кількостей | [Візуалізація даних](3-Data-Visualization/README.md) | Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) |
| 10 | Візуалізація розподілів даних | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація спостережень та тенденцій у межах інтервалу. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) |
| 12 | Візуалізація взаємозв’язків | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація зв’язків та кореляцій між наборами даних та їх змінними. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Джен](https://twitter.com/jenlooper) |
| 13 | Значущі візуалізації | [Візуалізація даних](3-Data-Visualization/README.md) | Методи та рекомендації для створення візуалізацій, що мають цінність для ефективного розв’язання проблем і отримання інсайтів. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) |
| 14 | Вступ до життєвого циклу науки про дані | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Вступ до життєвого циклу науки про дані і його першого етапу — отримання та вилучення даних. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Жасмін](https://twitter.com/paladique) |
| 15 | Аналіз | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані зосереджений на методах аналізу даних. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Жасмін](https://twitter.com/paladique) | | |
| 16 | Комунікація | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані зосереджений на презентуванні інсайтів із даних у спосіб, який спрощує розуміння для осіб, які приймають рішення. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джейлен](https://twitter.com/JalenMcG) | | |
| 17 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Ця серія уроків знайомить з наукою про дані в хмарі та її перевагами. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) |
| 18 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Навчання моделей за допомогою Low Code інструментів. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) |
| 19 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Розгортання моделей у Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) |
| 20 | Наука про дані в реальному світі | [У реальному світі](6-Data-Science-In-Wild/README.md) | Проєкти на основі науки про дані у реальному житті. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нітія](https://twitter.com/nitya) |
| 01 | Визначення науки про дані | [Вступ](1-Introduction/README.md) | Вивчіть основні поняття науки про дані і як вона пов’язана з штучним інтелектом, машинним навчанням і великими даними. | [урок](1-Introduction/01-defining-data-science/README.md) [відео](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Етика науки про дані | [Вступ](1-Introduction/README.md) | Концепції етики даних, виклики та рамки. | [урок](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Визначення даних | [Вступ](1-Introduction/README.md) | Як класифікуються дані та їх поширені джерела. | [урок](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Вступ до статистики та ймовірності | [Вступ](1-Introduction/README.md) | Математичні методи ймовірності та статистики для розуміння даних. | [урок](1-Introduction/04-stats-and-probability/README.md) [відео](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Робота з реляційними даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до реляційних даних і основи дослідження та аналізу реляційних даних за допомогою мови структурованих запитів, також відомої як SQL (проізноситься “сі-квел”). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Робота з NoSQL даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до нереляційних даних, їхніх різних типів і основи дослідження та аналізу документних баз даних. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Робота з Python | [Робота з даними](2-Working-With-Data/README.md) | Основи використання Python для дослідження даних з бібліотеками на кшталт Pandas. Рекомендується базове розуміння програмування на Python. | [урок](2-Working-With-Data/07-python/README.md) [відео](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Підготовка даних | [Робота з даними](2-Working-With-Data/README.md) | Теми з методів очищення та трансформації даних для подолання проблеми відсутніх, неточних або неповних даних. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Візуалізація кількостей | [Візуалізація даних](3-Data-Visualization/README.md) | Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Візуалізація розподілів даних | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація спостережень і трендів в інтервалі. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Візуалізація взаємозв’язків | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація зв’язків і кореляцій між наборами даних і їх змінними. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Змістовні візуалізації | [Візуалізація даних](3-Data-Visualization/README.md) | Техніки та рекомендації для створення цінних візуалізацій для ефективного розв’язання проблем та отримання інсайтів. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Вступ до життєвого циклу науки про дані | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Вступ до життєвого циклу науки про дані та його першого кроку – отримання та вилучення даних. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Аналізування | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані зосереджується на техніках аналізу даних. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Комунікація | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані присвячений представленню інсайтів з даних у спосіб, що полегшує розуміння для осіб, які приймають рішення. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Цей цикл уроків знайомить із наукою про дані в хмарі та її перевагами. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) та [Maud](https://twitter.com/maudstweets) |
| 18 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Навчання моделей із використанням інструментів Low Code. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) та [Maud](https://twitter.com/maudstweets) |
| 19 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Розгортання моделей за допомогою Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) та [Maud](https://twitter.com/maudstweets) |
| 20 | Наука про дані в реальному житті | [У реальному житті](6-Data-Science-In-Wild/README.md) | Проєкти, керовані наукою про дані у реальному світі. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Виконайте ці кроки, щоб відкрити цей приклад у Codespace:
1. Натисніть меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace внизу панелі.
Більше інформації дивіться у [документації GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
1. Натисніть меню Code та виберіть опцію Open with Codespaces.
2. Виберіть + New codespace у нижній частині панелі.
Додаткову інформацію дивіться в [документації GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері за допомогою локальної машини і VSCode через розширення VS Code Remote - Containers:
Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері, використовуючи ваш локальний комп’ютер та VSCode за допомогою розширення VS Code Remote - Containers:
1. Якщо ви вперше використовуєте контейнер розробки, будь ласка, переконайтеся, що ваша система відповідає вимогам (наприклад, встановлений Docker) у [документації для початку роботи](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Якщо це ваш перший раз, коли ви використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає попереднім вимогам (наприклад, встановлений Docker) у [документації з початку роботи](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Щоб використати цей репозиторій, ви можете відкрити репозиторій у ізольованому Docker томі:
Щоб використовувати цей репозиторій, ви можете або відкрити його у ізольованому Docker-томі:
**Примітка**: Фактично, це використовує команду Remote-Containers: **Clone Repository in Container Volume...** для клонування вихідного коду у Docker том замість локальної файлової системи. [Томи](https://docs.docker.com/storage/volumes/) — це рекомендований механізм для збереження даних контейнера.
**Примітка**: Ця команда під капотом використовуватиме Remote-Containers: **Clone Repository in Container Volume...**, щоб клонувати вихідний код у Docker-том замість локальної файлової системи. [Томи](https://docs.docker.com/storage/volumes/) — це рекомендований механізм збереження даних контейнера.
Абовідкрийте локально клоновану чи завантажену версію репозиторію:
Абож відкрити локально клоновану або завантажену версію репозиторію:
- Клонуйте цей репозиторій у локальну файлову систему.
- Клонуйте цей репозиторій увашу локальну файлову систему.
- Натисніть F1 і виберіть команду **Remote-Containers: Open Folder in Container...**.
- Виберіть скопійовану папку, дочекайтесь запуску контейнера і починайте працювати.
Ви можете переглядати цю документацію в офлайн режимі, використовуючи [Docsify](https://docsify.js.org/#/). Форкніть цей репозиторій, [встановіть Docsify](https://docsify.js.org/#/quickstart) на вашій локальній машині, а потім у кореневій папці репозиторію наберіть `docsify serve`. Сайт буде доступний на порту 3000 на вашому localhost: `localhost:3000`.
Ви можете переглядати цю документацію офлайн за допомогою [Docsify](https://docsify.js.org/#/). Форкніть цей репозиторій, [встановіть Docsify](https://docsify.js.org/#/quickstart) на ваш комп’ютер, а потім у кореневій папці репозиторію введіть `docsify serve`. Сайт буде запущений на порту 3000 на вашому локальному хості: `localhost:3000`.
> Зверніть увагу, що ноутбуки не відображаються через Docsify, тому коли потрібно запустити ноутбук, робіть це окремо у VS Code із запущеним Python ядром.
> Зверніть увагу, що зошити (notebooks) не будуть відображатися через Docsify, тому коли вам потрібно запустити зошит, робіть це окремо у VS Code з увімкненим Python-ядром.
## Інші курси
## Інші навчальні курси
Наша команда також створює інші курси! Ознайомтесь із ними:
Наша команда також створює інші навчальні курси! Ознайомтесь із:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Агенти
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серія Generative AI
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Серія Генеративного ШІ
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### Основне навчання
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серія Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Виникли проблеми?** Перегляньте наш [Посібник з усунення неполадок](TROUBLESHOOTING.md) для пошуку рішень поширених проблем.
**Виникли проблеми?** Перевірте наш [Посібник з усунення несправностей](TROUBLESHOOTING.md) для рішень поширених проблем.
Якщо ви застрягли або маєте запитання щодо створення AI-додатків, приєднуйтесь до інших учнів та досвідчених розробників у дискусіях про MCP. Це підтримуюча спільнота, де питання вітаються, а знання діляться вільно.
Якщо ви застрягли або маєте питання щодо створення AI-додатків, приєднуйтесь до інших учнів і досвідчених розробників для обговорення MCP. Це підтримуюча спільнота, де вітаються питання та вільно діляться знаннями.
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Відмова від відповідальності**:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний переклад людиною. Ми не несемо відповідальності за будь-які непорозуміння або неправильне тлумачення, що виникли внаслідок використання цього перекладу.
Цей документ був перекладений за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, просимо враховувати, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критичної інформації рекомендується звертатись до професійного людського перекладу. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.
localizeflow[bot]
3 weeks ago