# Επιστήμη Δεδομένων για Αρχάριους - Ένα Πρόγραμμα Σπουδών
Azure Cloud Advocates στη Microsoft είναι στην ευχάριστη θέση να προσφέρουν ένα πρόγραμμα σπουδών 10 εβδομάδων και 20 μαθημάτων για την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, μια λύση και μια εργασία. Η προσέγγισή μας, που βασίζεται σε έργα, σας επιτρέπει να μαθαίνετε δημιουργώντας, μια αποδεδειγμένη μέθοδος γιανα εδραιώσετε νέες δεξιότητες.
Azure Cloud Advocates στη Microsoft είναι στην ευχάριστη θέση να προσφέρουν ένα πρόγραμμα σπουδών 10 εβδομάδων, 20 μαθημάτων, που αφορά την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, μια λύση και μια εργασία. Η παιδαγωγική μας προσέγγιση, βασισμένη σε έργα, σας επιτρέπει να μαθαίνετε ενώ δημιουργείτε, ένας αποδεδειγμένος τρόπος γιανα αποκτήσετε νέες δεξιότητες που "μένουν".
| ](./sketchnotes/00-Title.png)|
||
|:---:|
| Επιστήμη Δεδομένων για Αρχάριους - _Σκίτσο από [@nitya](https://twitter.com/nitya)_ |
## Ανακοίνωση - Νέο Πρόγραμμα Σπουδών για Γενετική Τεχνητή Νοημοσύνη μόλις κυκλοφόρησε!
## Ανακοίνωση - Νέο Πρόγραμμα Σπουδών για Γενετική AI μόλις κυκλοφόρησε!
Μόλις κυκλοφορήσαμε ένα πρόγραμμα σπουδών 12 μαθημάτων για τη γενετική τεχνητή νοημοσύνη. Μάθετε θέματα όπως:
Μόλις κυκλοφόρησε ένα πρόγραμμα σπουδών 12 μαθημάτων για γενετική AI. Ελάτε να μάθετε πράγματα όπως:
- δημιουργία και βελτιστοποίηση προτροπών
- προτροπές και μηχανική προτροπών
- δημιουργία εφαρμογών κειμένου και εικόνας
- εφαρμογές αναζήτησης
Όπως πάντα, περιλαμβάνονται μαθήματα, εργασίες, έλεγχοι γνώσεων και προκλήσεις.
Όπως πάντα, υπάρχει μάθημα, εργασίες για ολοκλήρωση, έλεγχοι γνώσεων και προκλήσεις.
Δείτε το:
@ -37,30 +37,30 @@ Azure Cloud Advocates στη Microsoft είναι στην ευχάριστη θ
Ξεκινήστε με τους παρακάτω πόρους:
- [Σελίδα Κόμβου Φοιτητών](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Σε αυτή τη σελίδα, θα βρείτε πόρους για αρχάριους, πακέτα φοιτητών και ακόμη και τρόπους γιανα αποκτήσετε δωρεάν κουπόνι πιστοποίησης. Αυτή είναι μια σελίδα που αξίζεινα προσθέσετε στους σελιδοδείκτες σας και να ελέγχετε τακτικά, καθώς το περιεχόμενο αλλάζει τουλάχιστον μηνιαία.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Γίνετε μέλος μιας παγκόσμιας κοινότητας φοιτητών πρεσβευτών, αυτό μπορεί να είναι ο δρόμος σας προς τη Microsoft.
- [Σελίδα Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Σε αυτή τη σελίδα, θα βρείτε πόρους για αρχάριους, πακέτα για φοιτητές και ακόμη και τρόπους γιανα αποκτήσετε δωρεάν κουπόνι πιστοποίησης. Αυτή είναι μια σελίδα που θέλετενα προσθέσετε στους σελιδοδείκτες σας και να ελέγχετε από καιρό σε καιρό καθώς αλλάζουμε περιεχόμενο τουλάχιστον μηνιαία.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Γίνετε μέλος μιας παγκόσμιας κοινότητας φοιτητών πρεσβευτών, αυτό θα μπορούσε να είναι ο τρόπος σας να μπείτε στη Microsoft.
# Ξεκινώντας
> **Καθηγητές**: έχουμε [συμπεριλάβει κάποιες προτάσεις](for-teachers.md) για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών. Θα θέλαμε πολύ τα σχόλιά σας [στο φόρουμ συζητήσεων μας](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Καθηγητές**: έχουμε [συμπεριλάβει κάποιες προτάσεις](for-teachers.md) για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών. Θα θέλαμε τα σχόλιά σας [στο φόρουμ συζητήσεων μας](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **[Φοιτητές](https://aka.ms/student-page)**: γιανα χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών μόνοι σας, κάντε fork ολόκληρο το αποθετήριο και ολοκληρώστε τις ασκήσεις μόνοι σας, ξεκινώντας με ένα κουίζ πριν το μάθημα. Στη συνέχεια, διαβάστε το μάθημα και ολοκληρώστε τις υπόλοιπες δραστηριότητες. Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να αντιγράφετε τον κώδικα λύσης. Ωστόσο, αυτός ο κώδικας είναι διαθέσιμος στους φακέλους /solutions σε κάθε μάθημα που βασίζεται σε έργα. Μια άλλη ιδέα θα ήταν να σχηματίσετε μια ομάδα μελέτης με φίλους και να περάσετε το περιεχόμενο μαζί. Για περαιτέρω μελέτη, προτείνουμε το [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **[Φοιτητές](https://aka.ms/student-page)**: γιανα χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών μόνοι σας, κάντε fork ολόκληρο το αποθετήριο και ολοκληρώστε τις ασκήσεις μόνοι σας, ξεκινώντας με ένα κουίζ πριν από το μάθημα. Στη συνέχεια, διαβάστε το μάθημα και ολοκληρώστε τις υπόλοιπες δραστηριότητες. Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να αντιγράφετε τον κώδικα λύσης. Ωστόσο, αυτός ο κώδικας είναι διαθέσιμος στους φακέλους /solutions σε κάθε μάθημα που βασίζεται σε έργο. Μια άλλη ιδέα θα ήταν να σχηματίσετε μια ομάδα μελέτης με φίλους και να περάσετε το περιεχόμενο μαζί. Για περαιτέρω μελέτη, προτείνουμε [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> 🎥 Κάντε κλικ στην παραπάνω εικόναγια ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν!
> 🎥 Κάντε κλικ στην εικόνα παραπάνω για ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν!
## Παιδαγωγική
Επιλέξαμε δύο παιδαγωγικές αρχές κατά τη δημιουργία αυτού του προγράμματος σπουδών: να διασφαλίσουμε ότι βασίζεται σε έργα και ότι περιλαμβάνει συχνά κουίζ. Μέχρι το τέλος αυτής της σειράς, οι φοιτητές θα έχουν μάθει βασικές αρχές της επιστήμης δεδομένων, συμπεριλαμβανομένων ηθικών εννοιών, προετοιμασίας δεδομένων, διαφορετικών τρόπων εργασίας με δεδομένα, οπτικοποίησης δεδομένων, ανάλυσης δεδομένων, πραγματικών περιπτώσεων χρήσης της επιστήμης δεδομένων και πολλά άλλα.
Επιπλέον, ένα κουίζ χαμηλού ρίσκου πριν από το μάθημα θέτει την πρόθεση του φοιτητή να μάθει ένα θέμα, ενώ ένα δεύτερο κουίζ μετά το μάθημα διασφαλίζει περαιτέρω την απομνημόνευση. Αυτό το πρόγραμμα σπουδών σχεδιάστηκε γιανα είναι ευέλικτο και διασκεδαστικό και μπορεί ναολοκληρωθεί ολόκληρο ή εν μέρει. Τα έργα ξεκινούν μικρά και γίνονται όλο και πιο περίπλοκα μέχρι το τέλος του κύκλου των 10 εβδομάδων.
Επιπλέον, ένα κουίζ χαμηλού κινδύνου πριν από το μάθημα θέτει την πρόθεση του φοιτητή να μάθει ένα θέμα, ενώ ένα δεύτερο κουίζ μετά το μάθημα διασφαλίζει περαιτέρω την απομνημόνευση. Αυτό το πρόγραμμα σπουδών σχεδιάστηκε γιανα είναι ευέλικτο και διασκεδαστικό και μπορεί ναληφθεί ολόκληρο ή εν μέρει. Τα έργα ξεκινούν μικρά και γίνονται όλο και πιο περίπλοκα μέχρι το τέλος του κύκλου των 10 εβδομάδων.
> Βρείτε τον [Κώδικα Συμπεριφοράς](CODE_OF_CONDUCT.md), [Οδηγίες Συνεισφοράς](CONTRIBUTING.md), [Οδηγίες Μετάφρασης](TRANSLATIONS.md). Περιμένουμε τα εποικοδομητικά σας σχόλια!
> Βρείτε τον [Κώδικα Συμπεριφοράς](CODE_OF_CONDUCT.md), [Συμβολή](CONTRIBUTING.md), [Κατευθυντήριες γραμμές Μετάφρασης](TRANSLATIONS.md). Καλωσορίζουμε τα εποικοδομητικά σχόλιά σας!
## Κάθε μάθημα περιλαμβάνει:
@ -68,96 +68,96 @@ Azure Cloud Advocates στη Microsoft είναι στην ευχάριστη θ
- Προαιρετικό συμπληρωματικό βίντεο
- Κουίζ προθέρμανσης πριν το μάθημα
- Γραπτό μάθημα
- Για μαθήματα που βασίζονται σε έργα, οδηγίες βήμα προς βήμα για την κατασκευή του έργου
- Για μαθήματα που βασίζονται σε έργα, οδηγίες βήμα προς βήμα για τη δημιουργία του έργου
- Έλεγχοι γνώσεων
- Μια πρόκληση
- Συμπληρωματική ανάγνωση
- Εργασία
- Κουίζ μετά το μάθημα
> **Σημείωση για τα κουίζ**: Όλα τα κουίζ βρίσκονται στον φάκελο Quiz-App, συνολικά 40 κουίζ με τρεις ερωτήσεις το καθένα. Συνδέονται μέσα από τα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να εκτελεστεί τοπικά ή να αναπτυχθεί στο Azure. Ακολουθήστε τις οδηγίες στον φάκελο `quiz-app`. Σταδιακά μεταφράζονται.
> **Σημείωση για τα κουίζ**: Όλα τα κουίζ περιέχονται στον φάκελο Quiz-App, για συνολικά 40 κουίζ των τριών ερωτήσεων το καθένα. Συνδέονται από τα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να εκτελεστεί τοπικά ή να αναπτυχθεί στο Azure. Ακολουθήστε τις οδηγίες στον φάκελο `quiz-app`. Γίνονται σταδιακά τοπικοποιήσεις.
## Μαθήματα
| ](./sketchnotes/00-Roadmap.png)|
|:---:|
| Επιστήμη Δεδομένων για Αρχάριους: Οδικός Χάρτης - _Σκίτσο από [@nitya](https://twitter.com/nitya)_ |
| Επιστήμη Δεδομένων για Αρχάριους: Χάρτης Πορείας - _Σκίτσο από [@nitya](https://twitter.com/nitya)_ |
| Αριθμός Μαθήματος | Θέμα | Ομαδοποίηση Μαθημάτων | Στόχοι Μάθησης | Συνδεδεμένο Μάθημα | Συγγραφέας |
| Αριθμός Μαθήματος | Θέμα | Ομαδοποίηση Μαθήματος | Στόχοι Μάθησης | Συνδεδεμένο Μάθημα | Συγγραφέας |
| 01 | Ορισμός της Επιστήμης Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Μάθετε τις βασικές έννοιες πίσω από την επιστήμη δεδομένων και πώς σχετίζεται με την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τα μεγάλα δεδομένα. | [μάθημα](1-Introduction/01-defining-data-science/README.md) [βίντεο](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Ορισμός των Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Πώς ταξινομούνται τα δεδομένα και ποιες είναι οι κοινές πηγές τους. | [μάθημα](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 03 | Ορισμός των Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Πώς ταξινομούνται τα δεδομένα και οι κοινές πηγές τους. | [μάθημα](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Εισαγωγή στις Στατιστικές & Πιθανότητες | [Εισαγωγή](1-Introduction/README.md) | Οι μαθηματικές τεχνικές της πιθανότητας και των στατιστικών για την κατανόηση των δεδομένων. | [μάθημα](1-Introduction/04-stats-and-probability/README.md) [βίντεο](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Εργασία με Σχεσιακά Δεδομένα | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Εισαγωγή στα σχεσιακά δεδομένα και τα βασικά της εξερεύνησης και ανάλυσης σχεσιακών δεδομένων με τη Δομημένη Γλώσσα Ερωτημάτων, γνωστή και ως SQL. | [μάθημα](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 05 | Εργασία με Σχεσιακά Δεδομένα | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Εισαγωγή στα σχεσιακά δεδομένα και τα βασικά της εξερεύνησης και ανάλυσης σχεσιακών δεδομένων με τη Δομημένη Γλώσσα Ερωτήσεων, γνωστή και ως SQL (προφέρεται "see-quell"). | [μάθημα](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Εργασία με Δεδομένα NoSQL | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Εισαγωγή στα μη σχεσιακά δεδομένα, τους διάφορους τύπους τους και τα βασικά της εξερεύνησης και ανάλυσης βάσεων δεδομένων εγγράφων. | [μάθημα](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Εργασία με Python | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Βασικά στοιχεία χρήσης της Python γιατην εξερεύνηση δεδομένων με βιβλιοθήκες όπως η Pandas. Συνιστάται θεμελιώδης κατανόηση του προγραμματισμού Python. | [μάθημα](2-Working-With-Data/07-python/README.md) [βίντεο](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Προετοιμασία Δεδομένων | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Θέματα σχετικά με τεχνικές καθαρισμού και μετασχηματισμού δεδομένων για την αντιμετώπιση προκλήσεων όπως ελλιπή, ανακριβή ή ατελή δεδομένα. | [μάθημα](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 07 | Εργασία με Python | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Βασικά στοιχεία χρήσης της Python για εξερεύνηση δεδομένων με βιβλιοθήκες όπως η Pandas. Συνιστάται θεμελιώδης κατανόηση του προγραμματισμού Python. | [μάθημα](2-Working-With-Data/07-python/README.md) [βίντεο](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Προετοιμασία Δεδομένων | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Θέματα σχετικά με τεχνικές καθαρισμού και μετασχηματισμού δεδομένων για την αντιμετώπιση προκλήσεων όπως ελλιπή, ανακριβή ή μη ολοκληρωμένα δεδομένα. | [μάθημα](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 12 | Οπτικοποίηση Σχέσεων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση συνδέσεων και συσχετίσεων μεταξύ συνόλων δεδομένων και των μεταβλητών τους. | [μάθημα](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Σημαντικές Οπτικοποιήσεις | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Τεχνικές και καθοδήγηση για τη δημιουργία οπτικοποιήσεων που είναι χρήσιμες γιατην αποτελεσματική επίλυση προβλημάτων και την εξαγωγή πληροφοριών. | [μάθημα](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Εισαγωγή στον Κύκλο Ζωής της Επιστήμης Δεδομένων | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Εισαγωγή στον κύκλο ζωής της επιστήμης δεδομένων και το πρώτο του βήμα, την απόκτηση και εξαγωγή δεδομένων. | [μάθημα](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 13 | Σημαντικές Οπτικοποιήσεις | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Τεχνικές και καθοδήγηση για τη δημιουργία οπτικοποιήσεων που είναι χρήσιμες για αποτελεσματική επίλυση προβλημάτων και εξαγωγή συμπερασμάτων. | [μάθημα](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Εισαγωγή στον κύκλο ζωής της Επιστήμης Δεδομένων | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Εισαγωγή στον κύκλο ζωής της επιστήμης δεδομένων και το πρώτο βήμα της απόκτησης και εξαγωγής δεδομένων. | [μάθημα](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Ανάλυση | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται σε τεχνικές ανάλυσης δεδομένων. | [μάθημα](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Επικοινωνία | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται στην παρουσίαση των πληροφοριών από τα δεδομένα με τρόπο που να διευκολύνει την κατανόηση από τους υπεύθυνους λήψης αποφάσεων. | [μάθημα](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Επιστήμη Δεδομένων στο Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Αυτή η σειρά μαθημάτων εισάγει την επιστήμη δεδομένων στο cloud και τα οφέλη της. | [μάθημα](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 19 | Επιστήμη Δεδομένων στο Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Ανάπτυξη μοντέλων με το Azure Machine Learning Studio. | [μάθημα](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 20 | Επιστήμη Δεδομένων στον Πραγματικό Κόσμο | [In the Wild](6-Data-Science-In-Wild/README.md) | Έργα επιστήμης δεδομένων στον πραγματικό κόσμο. | [μάθημα](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 16 | Επικοινωνία | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται στην παρουσίαση των συμπερασμάτων από τα δεδομένα με τρόπο που να είναι κατανοητός από τους υπεύθυνους λήψης αποφάσεων. | [μάθημα](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Επιστήμη Δεδομένων στο Cloud | [Cloud Δεδομένα](5-Data-Science-In-Cloud/README.md) | Αυτή η σειρά μαθημάτων εισάγει την επιστήμη δεδομένων στο cloud και τα οφέλη της. | [μάθημα](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 19 | Επιστήμη Δεδομένων στο Cloud | [Cloud Δεδομένα](5-Data-Science-In-Cloud/README.md) | Ανάπτυξη μοντέλων με το Azure Machine Learning Studio. | [μάθημα](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 20 | Επιστήμη Δεδομένων στην Πράξη | [Στην Πράξη](6-Data-Science-In-Wild/README.md) | Έργα επιστήμης δεδομένων στον πραγματικό κόσμο. | [μάθημα](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Ακολουθήστε αυτά τα βήματα γιανα ανοίξετε αυτό το δείγμα σε ένα Codespace:
1. Κάντε κλικ στο μενού Code και επιλέξτε την επιλογή Open with Codespaces.
1. Κάντε κλικ στο αναπτυσσόμενο μενού Code και επιλέξτε την επιλογή Open with Codespaces.
2. Επιλέξτε + New codespace στο κάτω μέρος του παραθύρου.
Για περισσότερες πληροφορίες, δείτε την [τεκμηρίωση του GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Ακολουθήστε αυτά τα βήματα γιανα ανοίξετε αυτό το αποθετήριο σε ένα container χρησιμοποιώντας τον τοπικό σας υπολογιστή και το VSCode με την επέκταση VS Code Remote - Containers:
1. Αν είναι η πρώτη φορά που χρησιμοποιείτε container ανάπτυξης, βεβαιωθείτε ότι το σύστημά σας πληροί τις προϋποθέσεις (π.χ. έχετε εγκατεστημένο το Docker) στην [τεκμηρίωση για την έναρξη](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Εάν είναι η πρώτη φορά που χρησιμοποιείτε container ανάπτυξης, βεβαιωθείτε ότι το σύστημά σας πληροί τις προϋποθέσεις (π.χ. έχετε εγκατεστημένο το Docker) στην [τεκμηρίωση για την έναρξη](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Για να χρησιμοποιήσετε αυτό το αποθετήριο, μπορείτε είτε να το ανοίξετε σε έναν απομονωμένο όγκο Docker:
**Σημείωση**: Στο παρασκήνιο, αυτό θα χρησιμοποιήσει την εντολή Remote-Containers: **Clone Repository in Container Volume...**γιανα κλωνοποιήσει τον πηγαίο κώδικα σε έναν όγκο Docker αντί για το τοπικό σύστημα αρχείων. [Όγκοι](https://docs.docker.com/storage/volumes/) είναι ο προτιμώμενος μηχανισμός για τη διατήρηση δεδομένων container.
**Σημείωση**: Στο παρασκήνιο, αυτό θα χρησιμοποιήσει την εντολή Remote-Containers: **Clone Repository in Container Volume...**γιανα κλωνοποιήσει τον πηγαίο κώδικα σε έναν όγκο Docker αντί για το τοπικό σύστημα αρχείων. Οι[Όγκοι](https://docs.docker.com/storage/volumes/) είναι ο προτιμώμενος μηχανισμός για τη διατήρηση δεδομένων container.
Ή να ανοίξετε μια τοπικά κλωνοποιημένη ή κατεβασμένη έκδοση του αποθετηρίου:
Ή να ανοίξετε μια τοπικά κλωνοποιημένη ή ληφθείσα έκδοση του αποθετηρίου:
- Κλωνοποιήστε αυτό το αποθετήριο στο τοπικό σας σύστημα αρχείων.
- Πατήστε F1 και επιλέξτε την εντολή **Remote-Containers: Open Folder in Container...**.
- Επιλέξτε το κλωνοποιημένο αντίγραφο αυτού του φακέλου, περιμένετε να ξεκινήσει το container και δοκιμάστε το.
- Επιλέξτε την κλωνοποιημένη έκδοση αυτού του φακέλου, περιμένετε να ξεκινήσει το container και δοκιμάστε πράγματα.
## Πρόσβαση εκτός σύνδεσης
Μπορείτε να εκτελέσετε αυτήν την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το [Docsify](https://docsify.js.org/#/). Κλωνοποιήστε αυτό το αποθετήριο, [εγκαταστήστε το Docsify](https://docsify.js.org/#/quickstart) στον τοπικό σας υπολογιστή και, στη ρίζα του αποθετηρίου, πληκτρολογήστε `docsify serve`. Ο ιστότοπος θα εξυπηρετείται στη θύρα 3000 του localhost σας: `localhost:3000`.
Μπορείτε να εκτελέσετε αυτήν την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το [Docsify](https://docsify.js.org/#/). Κλωνοποιήστε αυτό το αποθετήριο, [εγκαταστήστε το Docsify](https://docsify.js.org/#/quickstart) στον τοπικό σας υπολογιστή, και στη συνέχεια στον ριζικό φάκελο αυτού του αποθετηρίου, πληκτρολογήστε `docsify serve`. Ο ιστότοπος θα εξυπηρετείται στην πόρτα 3000 του localhost σας: `localhost:3000`.
> Σημείωση, τα notebooks δεν θα εμφανίζονται μέσω του Docsify, οπότε όταν χρειάζεταινα εκτελέσετε ένα notebook, κάντε το ξεχωριστά στο VS Code χρησιμοποιώντας έναν πυρήνα Python.
> Σημείωση, τα notebooks δεν θα εμφανίζονται μέσω του Docsify, οπότε όταν χρειαστείνα εκτελέσετε ένα notebook, κάντε το ξεχωριστά στο VS Code χρησιμοποιώντας έναν πυρήνα Python.
## Ζητείται Βοήθεια!
## Χρειάζεται Βοήθεια!
Αν θέλετε να μεταφράσετε όλο ή μέρος του προγράμματος σπουδών, παρακαλούμε ακολουθήστε τον [οδηγό μεταφράσεων](TRANSLATIONS.md).
Εάν θέλετε να μεταφράσετε όλο ή μέρος του προγράμματος σπουδών, παρακαλούμε ακολουθήστε τον οδηγό μας [Translations](TRANSLATIONS.md).
## Άλλα Προγράμματα Σπουδών
Η ομάδα μας δημιουργεί και άλλα προγράμματα σπουδών! Δείτε:
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generative AI with Java](https://aka.ms/genaijava)
- [AI for Beginners](https://aka.ms/ai-beginners)
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
- [ML for Beginners](https://aka.ms/ml-beginners)
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101)
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
- [IoT for Beginners](https://aka.ms/iot-beginners)
- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
- [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [Generative AI για Αρχάριους](https://aka.ms/genai-beginners)
- [Generative AI για Αρχάριους .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generative AI με JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generative AI με Java](https://aka.ms/genaijava)
- [AI για Αρχάριους](https://aka.ms/ai-beginners)
- [Επιστήμη Δεδομένων για Αρχάριους](https://aka.ms/datascience-beginners)
- [ML για Αρχάριους](https://aka.ms/ml-beginners)
- [Κυβερνοασφάλεια για Αρχάριους](https://github.com/microsoft/Security-101)
- [Web Dev για Αρχάριους](https://aka.ms/webdev-beginners)
- [IoT για Αρχάριους](https://aka.ms/iot-beginners)
- [Ανάπτυξη XR για Αρχάριους](https://github.com/microsoft/xr-development-for-beginners)
- [Mastering GitHub Copilot για Συνεργατική Προγραμματιστική](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [Mastering GitHub Copilot για Προγραμματιστές C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
---
**Αποποίηση ευθύνης**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
**Αποποίηση Ευθύνης**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
leestott
3 weeks ago
committed by
GitHub