[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
סוכני ענן אזור Azure במיקרוסופט שמחים להציע תוכנית לימודים בת 10 שבועות ו-20 שיעורים הכוללת מדע נתונים. כל שיעור כולל מבחני קדם-שיעור ומבחני לאחר השיעור, הוראות כתובות להשלמת השיעור, פתרון ומשימה. שיטת ההוראה שלנו מבוססת פרויקטים מאפשרת לכם ללמוד תוך כדי בנייה, שיטה מוכחת להטמעת מיומנויות חדשות.
סוכני ענן אז'ור במיקרוסופט שמחים להציע תכנית לימודים בת 10 שבועות ו-20 שיעורים, כולם על מדע הנתונים. כל שיעור כולל חידונים לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון, ומשימה. הפדגוגיה מבוססת הפרויקטים שלנו מאפשרת לך ללמוד תוך כדי בנייה, דרך מוכחת שבאמצעותה מיומנויות חדשות "נדבקות".
יש לנו סדרת לימוד ב-Discord בנושא AI רציפה, למדו עוד והצטרפו אלינו ב-[Learn with AI Series](https://aka.ms/learnwithai/discord) בין 18 ל-30 בספטמבר 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot עבור מדע הנתונים.
יש לנו סדרת למידה עם בינה מלאכותית ב-Discord, למדו עוד והצטרפו אלינו ב-[Learn with AI Series](https://aka.ms/learnwithai/discord) מ-18 עד 30 בספטמבר, 2025. תקבלו טיפים וטריקים לשימוש ב-GitHub Copilot למדעי הנתונים.
@ -59,145 +59,145 @@
התחל עם המשאבים הבאים:
- [דף מרכז הסטודנטים](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) בדף זה תמצאו משאבים למתחילים, חבילות סטודנטים ואפילו דרכים לקבל שובר הסמכה חינמי. זהו דף שכדאי לכם לשמור כסימנייה ולבדוק מדי פעם, שכן אנו מחליפים תוכן לפחות פעם בחודש.
- [שגרירי הסטודנטים של מיקרוסופט](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) הצטרפו לקהילה עולמית של שגרירי סטודנטים, זו עשויה להיות דרככם למיקרוסופט.
- [דף מרכז הסטודנטים](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) בדף זה תמצא משאבים למתחילים, חבילות סטודנטים ואפילו דרכים לקבל שובר תעודה חינם. זה דף שתרצה לסמן ולבדוק מדי פעם כי אנו מחליפים תוכן לפחות פעם בחודש.
- [שגרירי הסטודנטים של מיקרוסופט](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) הצטרף לקהילה עולמית של שגרירי סטודנטים, זו יכולה להיות הדרך שלך למיקרוסופט.
# התחלת עבודה
# התחלה
## 📚 תיעוד
- **[מדריך התקנה](INSTALLATION.md)** - הוראות הגדרה שלב אחר שלב למתחילים
- **[מדריך התקנה](INSTALLATION.md)** - הוראות שלב-אחר-שלב למתחילים
- **[מדריך שימוש](USAGE.md)** - דוגמאות וזרימות עבודה נפוצות
> **בעלי ניסיון מועט מאוד**: חדשים במדע נתונים? התחילו עם [הדוגמאות הידידותיות למתחילים שלנו](examples/README.md)! דוגמאות פשוטות ומוסברות היטב אלו יסייעו לכם להבין את הבסיס לפני שתתקדמו לתוכנית לימודים מלאה.
> **[סטודנטים](https://aka.ms/student-page)**: כדי להשתמש בתוכנית זו באופן עצמאי, פתחו כפילה של כל המאגר והשלימו את התרגילים בעצמכם, התחילו במבחן קדם-הרצאה. לאחר מכן קראו את ההרצאה והשלימו את שאר הפעילויות. נסו ליצור את הפרויקטים על ידי הבנת השיעורים במקום להעתיק את קוד הפתרון; עם זאת, הקוד זמין בתיקיות /solutions בכל שיעור מכוון פרויקט. רעיון נוסף הוא להקים קבוצת לימוד עם חברים ולעבור יחד על התוכן. ללימוד נוסף, אנו ממליצים על [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **מלא מתחילים**: חדש במדע הנתונים? התחל עם [דוגמאות ידידותיות למתחילים](examples/README.md)! דוגמאות פשוטות ומוסברות היטב יאפשרו לך להבין את הבסיס לפני שתקפוץ לתוכנית הלימודים המלאה.
> **[סטודנטים](https://aka.ms/student-page)**: לשימוש עצמאי בתכנית זו, פונק את כל המאגר והשלם את התרגילים באופן עצמאי, החל בחידון לפני ההרצאה. לאחר מכן קרא את ההרצאה והשלם את שאר הפעילויות. נסה ליצור את הפרויקטים על ידי הבנת השיעורים במקום להעתיק את קוד הפתרון; עם זאת, קוד זה זמין בתיקיות /solutions בכל שיעור ממוקד פרויקט. רעיון נוסף הוא ליצור קבוצת למידה עם חברים ולעבור יחד על התוכן. ללימוד נוסף מומלץ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**התחלה מהירה:**
1. בדקו את [מדריך ההתקנה](INSTALLATION.md) להקמת הסביבה שלכם
2. עברו על [מדריך השימוש](USAGE.md) כדי ללמוד כיצד לעבוד עם תוכנית הלימודים
3. התחילו עם שיעור 1 ועבדו באופן סדרתי
4. הצטרפו ל-[קהילת הדיסקורד שלנו](https://aka.ms/ds4beginners/discord) לקבלת תמיכה
1. בדוק את [מדריך ההתקנה](INSTALLATION.md) כדי להגדיר את הסביבה שלך
2. עייןב[מדריך השימוש](USAGE.md) כדי ללמוד כיצד לעבוד עם התכנית
3. התחל עם שיעור 1 ועבוד לפי הסדר
4. הצטרף ל[קהילת הדיסקורד שלנו](https://aka.ms/ds4beginners/discord) לקבלת תמיכה
## 👩🏫 למורים
> **למורים**: כללנו [הצעות](for-teachers.md) כיצד להשתמש בתוכנית זו. נשמח למשוב שלכם [בפורום הדיונים שלנו](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **למורים**: כללנו [כמה הצעות](for-teachers.md) איך להשתמש בתכנית זו. נשמח למשובכם [בפורום הדיונים שלנו](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 לחצו על התמונה למעלה כדי לצפות בסרטון על הפרויקט והאנשים שיצרו אותו!
> 🎥 לחצו על התמונה למעלה לצפייה בסרטון על הפרויקט ועל האנשים שיצרו אותו!
## פדגוגיה
בחרנו שני עקרונות פדגוגיים בעת בניית תוכנית הלימודים הזו: הבטחה שהיא מבוססת פרויקטים ושכוללת מבחנים תכופים. עד לסיום הסדרה, הסטודנטים ילמדו עקרונות בסיסיים במדעי הנתונים, כולל מושגים אתיים, הכנת נתונים, דרכים שונות לעבודה עם נתונים, ויזואליזציה של נתונים, ניתוח נתונים, דוגמאות ממקרי העולם האמיתי של מדעי הנתונים, ועוד.
בחרנו שני עקרונות פדגוגיים בבניית תוכנית הלימודים הזו: להבטיח שהיא מבוססת פרויקטים ושהיא כוללת בחנים תכופים. בסוף הסדרה הזו, התלמידים ילמדו עקרונות בסיסיים במדעי הנתונים, כולל מושגים אתיים, הכנת נתונים, דרכים שונות לעבודה עם נתונים, ויזואליזציה של נתונים, ניתוח נתונים, מקרי שימוש אמיתיים במדעי הנתונים ועוד.
בנוסף, מבחן בעל סיכון נמוך לפני שיעור קובע את כוונת הסטודנט ללמידת נושא, בעוד שמבחן שני לאחר השיעור מבטיח שימור נוסף. תוכנית הלימודים הזו עוצבה להיות גמישה ומהנה וניתן לקחת אותה בשלמותה או בחלקה. הפרויקטים מתחילים קטנים והופכים למורכבים יותר בסיום מחזור של 10 שבועות.
בנוסף, מבחן בעל סיכון נמוך לפני השיעור מכוון את כוונת התלמיד ללימוד נושא מסוים, בעוד מבחן שני לאחר השיעור מבטיח שימור נוסף של החומר. תכנית הלימודים הזו עוצבה להיות גמישה ומהנה וניתן ללמוד אותה כולה או בחלקים. הפרויקטים מתחילים בקטן והופכים מורכבים יותר לקראת סוף מחזור של 10 שבועות.
> מצאו את [קוד ההתנהגות שלנו](CODE_OF_CONDUCT.md), [כללי התרומה](CONTRIBUTING.md), [הנחיות לתרגום](TRANSLATIONS.md). נשמח לקבל משוב בונה מכם!
> מצאו את [קוד ההתנהגות שלנו](CODE_OF_CONDUCT.md), [הנחיות לתרומה](CONTRIBUTING.md), [הנחיות לתרגום](TRANSLATIONS.md). נשמח למשוב בונה שלכם!
## כל שיעור כולל:
- שרטוט סקצ׳נות אופציונלי
- וידאו נוסף אופציונלי
- שרטוט אופציונלי
- וידאו משלים אופציונלי
- מבחן חימום לפני השיעור
- שיעור כתוב
- לשיעורים מבוססי פרויקט, מדריכים שלב-אחר-שלב לבניית הפרויקט
- לשיעורים מבוססי פרויקט, מדריכים שלב אחרי שלב לבניית הפרויקט
- בדיקות ידע
- אתגר
- קריאה נוספת
- משימה
- קריאה משלים
- מטלה
- [מבחן לאחר השיעור](https://ff-quizzes.netlify.app/en/)
> **הערה לגבי המבחנים**: כל המבחנים נמצאים בתיקיית Quiz-App, עם סך של 40 מבחנים, כל אחד עם שלוש שאלות. הם מקושרים מתוך השיעורים, אך אפליקציית המבחן ניתנת להרצה מקומית או לפריסה ב-Azure; עקבו אחר ההוראות בתיקיית `quiz-app`. הם מתורגמים בהדרגה.
> **הערה על מבחנים**: כל המבחנים כלולים בתיקיית Quiz-App, עם 40 מבחנים בסך הכול של שלוש שאלות כל אחד. הם מקושרים מתוך השיעורים, אך אפליקציית הבחנים יכולה לפעל באופן מקומי או להיות משונעת לאזור Azure; עקבו אחרי ההוראות בתיקיית `quiz-app`. הם תורגמו בהדרגה.
## 🎓 דוגמאות מתאימות למתחילים
## 🎓 דוגמאות ידידותיות למתחילים
**חדש במדעי הנתונים?** יצרנו תיקיית [דוגמאות מיוחדת](examples/README.md) עם קוד פשוט וממוקם היטב שיעזור לכם להתחיל:
**חדש במדעי הנתונים?** יצרנו תיקיית [דוגמאות מיוחדת](examples/README.md) עם קוד פשוט ומוסבר היטב שיעזור לכם להתחיל:
- 🌟 **שלום עולם** - תוכנית מדעי הנתונים הראשונה שלכם
- 📂 **טעינת נתונים** - למדו לקרוא ולחקור מערכי נתונים
- 🌟 **Hello World** - תוכנית מדעי הנתונים הראשונה שלכם
- 📂 **טען נתונים** - למדו לקרוא ולחקור מערכי נתונים
- 📊 **ניתוח פשוט** - חשבו סטטיסטיקות ומצאו דפוסים
- 📈 **ויזואליזציה בסיסית** - צרו תרשימים וגרפים
- 🔬 **פרויקט מהעולם האמיתי** - זרימת עבודה מלאה מההתחלה ועד הסוף
- 📈 **ויזואליזציה בסיסית** - צרו דיאגרמות וגרפים
- 🔬 **פרויקט מהעולם האמיתי** - תהליך מלא מההתחלה ועד הסוף
כל דוגמה כוללת הסברים מפורטים של כל שלב, מה שהופך אותה למושלמת למתחילים מוחלטים!
כל דוגמה כוללת הסברים מפורטים על כל שלב, מה שהופך אותה למושלמת למתחילים מוחלטים!
👉 **[התחילו עם הדוגמאות](examples/README.md)** 👈
## שיעורים
||
||
|:---:|
| מדעי הנתונים למתחילים: מפת דרך - _סקצ׳נות מאת [@nitya](https://twitter.com/nitya)_ |
| מדעי הנתונים למתחילים: מפת דרך - _שרטוט מאת [@nitya](https://twitter.com/nitya)_ |
| מספר שיעור | נושא | חיבור לשיעור | יעדי למידה | שיעור מקושר | מחבר |
| מספר שיעור | נושא | קיבוץ שיעורים | מטרות למידה | שיעור מקושר | מחבר |
| 01 | הגדרת מדעי הנתונים | [הקדמה](1-Introduction/README.md) | למידת העקרונות הבסיסיים של מדעי הנתונים וכיצד הם קשורים לבינה מלאכותית, למידת מכונה ונתונים גדולים. | [שיעור](1-Introduction/01-defining-data-science/README.md) [וידאו](https://youtu.be/beZ7Mb_oz9I) | [דמיטרי](http://soshnikov.com) |
| 03 | הגדרת נתונים | [הקדמה](1-Introduction/README.md) | כיצד הנתונים מסווגים ומהם המקורות השכיחים שלהם. | [שיעור](1-Introduction/03-defining-data/README.md) | [ג׳אזמין](https://www.twitter.com/paladique) |
| 01 | הגדרת מדעי נתונים | [הקדמה](1-Introduction/README.md) | למדו את המושגים הבסיסיים שמאחורי מדעי הנתונים וכיצד הם קשורים לבינה מלאכותית, למידה ממוחשבת ונתונים גדולים. | [שיעור](1-Introduction/01-defining-data-science/README.md) [וידאו](https://youtu.be/beZ7Mb_oz9I) | [דמיטרי](http://soshnikov.com) |
| 03 | הגדרת נתונים | [הקדמה](1-Introduction/README.md) | כיצד נתונים מסווגים ומהמקורות הנפוצים שלהם. | [שיעור](1-Introduction/03-defining-data/README.md) | [ג'אזמין](https://www.twitter.com/paladique) |
| 05 | עבודה עם נתונים יחסיים | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים יחסיים והיסודות של חקירה וניתוח נתונים יחסיים בשפת השאילתות המבנית, הידועה גם כ-SQL (מבוטאת "סי-קואל"). | [שיעור](2-Working-With-Data/05-relational-databases/README.md) | [כריסטופר](https://www.twitter.com/geektrainer) | | |
| 06 | עבודה עם נתוני NoSQL | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים לא יחסיים, הסוגים השונים שלהם והיסודות של חקירה וניתוח מאגרי מסמכים. | [שיעור](2-Working-With-Data/06-non-relational/README.md) | [ג׳אזמין](https://twitter.com/paladique)|
| 07 | עבודה עם Python | [עבודה עם נתונים](2-Working-With-Data/README.md) | יסודות השימוש בפייתון לחקירת נתונים עם ספריות כמו Pandas. מומלץ הבנה בסיסית בתכנות פייתון. | [שיעור](2-Working-With-Data/07-python/README.md) [וידאו](https://youtu.be/dZjWOGbsN4Y) | [דמיטרי](http://soshnikov.com) |
| 08 | הכנת נתונים | [עבודה עם נתונים](2-Working-With-Data/README.md) | נושאים בטכניקות לניקוי והמרת נתונים כדי להתמודד עם אתגרים של נתונים חסרים, שגויים או לא מלאים. | [שיעור](2-Working-With-Data/08-data-preparation/README.md) | [ג׳אזמין](https://www.twitter.com/paladique) |
| 09 | ויזואליזציה של כמויות | [ויזואליזציית נתונים](3-Data-Visualization/README.md) | למדו כיצד להשתמש ב-Matplotlib כדי להראות נתוני ציפורים 🦆 | [שיעור](3-Data-Visualization/09-visualization-quantities/README.md) | [ג׳ן](https://twitter.com/jenlooper) |
| 10 | ויזואליזציה של התפלגויות נתונים | [ויזואליזציית נתונים](3-Data-Visualization/README.md) | ויזואליזציה של תצפיות ומגמות בתוך טווח. | [שיעור](3-Data-Visualization/10-visualization-distributions/README.md) | [ג׳ן](https://twitter.com/jenlooper) |
| 11 | ויזואליזציה של פרופורציות | [ויזואליזציית נתונים](3-Data-Visualization/README.md) | ויזואליזציה של אחוזים בדידים ומקובצים. | [שיעור](3-Data-Visualization/11-visualization-proportions/README.md) | [ג׳ן](https://twitter.com/jenlooper) |
| 12 | ויזואליזציה של קשרים | [ויזואליזציית נתונים](3-Data-Visualization/README.md) | ויזואליזציה של חיבורים וקורלציות בין קבוצות נתונים ומשתנים שלהם. | [שיעור](3-Data-Visualization/12-visualization-relationships/README.md) | [ג׳ן](https://twitter.com/jenlooper) |
| 13 | ויזואליזציות משמעותיות | [ויזואליזציית נתונים](3-Data-Visualization/README.md) | טכניקות והדרכה ליצירת ויזואליזציות בעלות ערך לפתרון יעיל של בעיות ותובנות. | [שיעור](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ג׳ן](https://twitter.com/jenlooper) |
| 14 | מבוא למחזור החיים של מדעי הנתונים | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | מבוא למחזור החיים של מדעי הנתונים והשלב הראשון של רכישה וחילוץ נתונים. | [שיעור](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ג׳אזמין](https://twitter.com/paladique) |
| 15 | ניתוח | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | שלב זה במחזור החיים של מדעי הנתונים מתמקד בטכניקות לניתוח נתונים. | [שיעור](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ג׳אזמין](https://twitter.com/paladique) | | |
| 16 | תקשורת | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | שלב זה במחזור החיים של מדעי הנתונים מתמקד בהצגת התובנות מהנתונים בצורה שמקלה על מקבלי ההחלטות להבין. | [שיעור](4-Data-Science-Lifecycle/16-communication/README.md) | [ג׳יילן](https://twitter.com/JalenMcG) | | |
| 17 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | סדרת שיעורים זו מציגה את מדעי הנתונים בענן ואת היתרונות שלו. | [שיעור](5-Data-Science-In-Cloud/17-Introduction/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 18 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | אימון מודלים באמצעות כלים של Low Code. |[שיעור](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 19 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | פריסת מודלים עם Azure Machine Learning Studio. | [שיעור](5-Data-Science-In-Cloud/19-Azure/README.md)| [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 05 | עבודה עם נתונים יחסיים | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים יחסיים ויסודות חקר וניתוח נתונים יחסיים בשפת שאילתות מובנית, הידועה גם בשם SQL (מבוטאת "סי-קוול"). | [שיעור](2-Working-With-Data/05-relational-databases/README.md) | [כריסטופר](https://www.twitter.com/geektrainer) | | |
| 06 | עבודה עם נתוני NoSQL | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים לא יחסיים, סוגיהם השונים ויסודות חקר וניתוח מסדי נתונים מסמך. | [שיעור](2-Working-With-Data/06-non-relational/README.md) | [ג'אזמין](https://twitter.com/paladique)|
| 07 | עבודה עם פייתון | [עבודה עם נתונים](2-Working-With-Data/README.md) | יסודות השימוש בפייתון לחקר נתונים עם ספריות כמו Pandas. מומלץ ידע בסיסי בתכנות פייתון. | [שיעור](2-Working-With-Data/07-python/README.md) [וידאו](https://youtu.be/dZjWOGbsN4Y) | [דמיטרי](http://soshnikov.com) |
| 08 | הכנת נתונים | [עבודה עם נתונים](2-Working-With-Data/README.md) | נושאים בטכניקות ניקוי והמרת נתונים כדי להתמודד עם אתגרים של נתונים חסרים, לא מדויקים או חלקיים. | [שיעור](2-Working-With-Data/08-data-preparation/README.md) | [ג'אזמין](https://www.twitter.com/paladique) |
| 09 | ויזואליזציה של כמויות | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | למדו כיצד להשתמש ב-Matplotlib לויזואליזציה של נתוני ציפורים 🦆 | [שיעור](3-Data-Visualization/09-visualization-quantities/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 10 | ויזואליזציה של התפלגויות נתונים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של תצפיות ומגמות בתוך טווח. | [שיעור](3-Data-Visualization/10-visualization-distributions/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 11 | ויזואליזציה של פרופורציות | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של אחוזים בדידים ומקובצים. | [שיעור](3-Data-Visualization/11-visualization-proportions/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 12 | ויזואליזציה של קשרים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של קשרים ומתאם בין קבוצות נתונים ומשתנים שלהם. | [שיעור](3-Data-Visualization/12-visualization-relationships/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 13 | ויזואליזציות משמעותיות | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | טכניקות והנחיות ליצירת ויזואליזציות בעלות ערך לפתרון בעיות בצורה יעילה ותובנות. | [שיעור](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 14 | מבוא למחזור חייו של מדעי הנתונים | [מחזור החיים](4-Data-Science-Lifecycle/README.md) | מבוא למחזור החיים של מדעי הנתונים וצעדו הראשון של רכישת ושליפת נתונים. | [שיעור](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ג'אזמין](https://twitter.com/paladique) |
| 15 | ניתוח | [מחזור החיים](4-Data-Science-Lifecycle/README.md) | שלב זה במחזור חייו של מדעי הנתונים מתמקד בטכניקות לניתוח נתונים. | [שיעור](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ג'אזמין](https://twitter.com/paladique) | | |
| 16 | תקשורת | [מחזור החיים](4-Data-Science-Lifecycle/README.md) | שלב זה במחזור חייו של מדעי הנתונים מתמקד בהצגת התובנות מהנתונים בצורה שמקל על מקבלי ההחלטות להבין אותן. | [שיעור](4-Data-Science-Lifecycle/16-communication/README.md) | [ג'יילן](https://twitter.com/JalenMcG) | | |
| 17 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | סדרת שיעורים זו מציגה את מדעי הנתונים בענן ואת יתרונותיו. | [שיעור](5-Data-Science-In-Cloud/17-Introduction/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 18 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | אימון מודלים באמצעות כלים נמוכי קוד. |[שיעור](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 19 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | פריסת מודלים באמצעות Azure Machine Learning Studio. | [שיעור](5-Data-Science-In-Cloud/19-Azure/README.md)| [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 20 | מדעי הנתונים בשטח | [בשדה](6-Data-Science-In-Wild/README.md) | פרויקטים מונחי מדעי הנתונים בעולם האמיתי. | [שיעור](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [ניטיה](https://twitter.com/nitya) |
## GitHub Codespaces
עקבו אחר הצעדים הללו כדי לפתוח דוגמה זו ב-Codespace:
1. לחצו על תפריט הנפתח של Code ובחרו באפשרות Open with Codespaces.
2. בחרו + New codespace בתחתית החלונית.
עקבו אחרי השלבים הללו כדי לפתוח דוגמה זו ב-Codespace:
1. לחצו על תפריט הנפתחת של הקוד ובחרו באפשרות Open with Codespaces.
2. בחרו + New codespace בתחתית הפנל.
למידע נוסף, עיינו ב-[תיעוד GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
עקבו אחר הצעדים האלה כדי לפתוח את המאגר הזה במכולה באמצעות המחשב המקומיו-VSCode עם תוסף VS Code Remote - Containers:
עקבו אחרי השלבים לפתיחת המאגר הזה במכולה באמצעות המכונה המקומיתו-VSCode עם תוסף VS Code Remote - Containers:
1. אם זו הפעם הראשונה שלכם שמשתמשים במכולת פיתוח, וודאו שהמערכת שלכם עומדת בדרישות המקדימות (למשל, שיש Docker מותקן) בתיעוד [התחלה מהירה](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. אם זו הפעם הראשונה שבה אתם משתמשים במכולת פיתוח, ודאו שהמערכת שלכם עומדת בתנאי המקדימות (כגון התקנת Docker) לפי [המדריך למתחילים](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
כדי להשתמש במאגר זה, ניתן לפתוח את המאגר בנפח docker מבודד:
להשתמש במאגר זה, ניתן לפתוח את המאגר בנפח Docker מבודד:
**הערה**: מתחת למכסה המנוע, זה ישתמש בפקודה Remote-Containers: **Clone Repository in Container Volume...**כדי לשכפל את קוד המקור בנפח Docker במקום במערכת הקבצים המקומית. [נפחים](https://docs.docker.com/storage/volumes/) הם המנגנון המועדף לשמירת נתוני מכולות.
**הערה**: למעשה, זה ישתמש בפקודה Remote-Containers: **Clone Repository in Container Volume...** לשכפול קוד המקור בנפח Docker במקום במערכת הקבצים המקומית. [נפחים](https://docs.docker.com/storage/volumes/) הם המנגנון המועדף לשימור נתוני מכולה.
או לפתוח עותק משוכפל או מורד מקומית של המאגר:
או לפתוח עותק משוכפל או מורד מהמאגר במערכת המקומית:
- שכפלו את המאגר הזה למערכת הקבצים המקומית שלכם.
- לחצו F1 ובחרו את הפקודה **Remote-Containers: Open Folder in Container...**.
- בחרו את העותק המשוכפל של תיקיה זו, המתינו שהמכולה תתחיל, ונסו להפעיל.
- שכפלו מאגר זה למערכת הקבצים המקומית שלכם.
- לחצו F1 ובחרו בפקודה **Remote-Containers: Open Folder in Container...**.
- בחרו את העותק המשוכפל של התיקיה, המתינו שהמכולה תתחיל ונסו להשתמש.
## גישה לא מקוונת
ניתן להפעיל תיעוד זה במצב לא מקוון בעזרת [Docsify](https://docsify.js.org/#/). פתחו את המאגר הזה, [התקינו את Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי שלכם, ואז בספריית השורש של המאגר, הקלידו `docsify serve`. האתר יהיה זמין ביציאה 3000 במחשב המקומי שלכם: `localhost:3000`.
ניתן להפעיל דוקומנטציה זו במצב לא מקוון באמצעות [Docsify](https://docsify.js.org/#/). פתחו סניף (fork) למאגר, [התקינו את Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי, ואז בתיקיית השורש במאגר, הקלידו `docsify serve`. האתר יוגש על הפורט 3000 בלוקאלהוסט: `localhost:3000`.
> שימו לב, פנקסי רשימות לא יוצגו דרך Docsify, לכן כשאתם צריכים להריץ פנקס רשימות, עשו זאת בנפרד ב-VS Code עם ליבת Python.
> שימו לב, מחברות לא יוצגו דרך Docsify, לכן כשאתם צריכים להפעיל מחברת, עשו זאת בנפרד ב-VS Code עם קרנל פייתון פועל.
[](https://aka.ms/datascience-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/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
**נתקלים בבעיות?** עיינו ב-[מדריך פתרון בעיות](TROUBLESHOOTING.md) שלנו לפתרונות לבעיות נפוצות.
**נתקלים בבעיות?** בדקו את [מדריך פתרון בעיות](TROUBLESHOOTING.md) שלנו לפתרונות לבעיות נפוצות.
אם אתם תקועים או יש לכם שאלות לגבי בניית אפליקציות AI. הצטרפו ללומדים ולמפתחים מנוסים בדיונים על MCP. זו קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות.
אם אתם נתקעים או יש לכם שאלות לגבי בניית אפליקציות AI, הצטרפו ללומדים אחרים ולמפתחים מנוסים בדיונים על MCP. זוהי קהילה תומכת שבה שאלות מתקבלות בברכה והידע משותף בחופשיות.
אם יש לכם משוב על המוצר או שגיאות במהלך הבנייה, בקרו:
אם יש לכם משוב על מוצר או שגיאות במהלך הבנייה, בקרו ב:
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). בעוד שאנו שואפים לדייק, יש לקחת בחשבון כי תרגומים אוטומטיים עשויים להכיל טעויות או אי-דיוקים. יש להתייחס למסמך המקורי בשפת המקור כמקור הסמכותי. למידע קריטי מומלץ להשתמש בתרגום מקצועי שנעשה על ידי בני אדם. אנו לא נושאים באחריות לכל אי-הבנה או פרשנות שגויה הנובעים מהשימוש בתרגום זה.
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדיוק, יש להיות מודעים לכך שתרגומים אוטומטיים עלולים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפה המקורית מהווה את המקור הרשמי והמהימן. למידע קריטי מומלץ לבצע תרגום מקצועי על ידי בני אדם. איננו נושאים באחריות לכל אי הבנות או פרשנויות שגויות הנובעות משימוש בתרגום זה.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Azure Cloud Advocates bij Microsoft bieden met plezier een curriculum van 10 weken en 20 lessen over Datawetenschap aan. Elke les bevat quizzes voor en na de les, schriftelijke instructies voor het voltooien van de les, een oplossing en een opdracht. Onze projectgerichte didactiek stelt je in staat te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te laten 'plakken'.
Azure Cloud Advocates bij Microsoft bieden met plezier een 10 weken durend curriculum aan van 20 lessen over Data Science. Elke les bevat quizzen vóór en na de les, schriftelijke instructies om de les te voltooien, een oplossing en een opdracht. Onze projectgebaseerde pedagogiek stelt je in staat om te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te laten beklijven.
> Deze repository bevat meer dan 50 taalvertalingen die de downloadgrootte aanzienlijk vergroten. Om zonder vertalingen te klonen, gebruik sparse checkout:
> Deze repository bevat meer dan 50 taalvertalingen wat de downloadgrootte aanzienlijk vergroot. Om te klonen zonder vertalingen, gebruik sparse checkout:
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Dit geeft je alles wat je nodig hebt om de cursus te voltooien met een veel snellere download.
> Hiermee krijg je alles wat je nodig hebt om de cursus te voltooien met een veel snellere download.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Als je extra vertalingen wilt laten ondersteunen, staan de ondersteunde talen [hier](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Als je extra vertalingen wilt laten ondersteunen, zie je lijst [hier](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
We hebben een lopende Discord-serie ‘Learn with AI’, leer meer en doe mee op [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je krijgt tips en trucs voor het gebruik van GitHub Copilot voor Datawetenschap.
We hebben een lopende Discord learn with AI-serie, leer meer en doe mee via [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je krijgt tips en trucs over het gebruik van GitHub Copilot voor Data Science.
# Ben jij een student?
# Ben je een student?
Begin met de volgende bronnen:
- [Student Hub pagina](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Op deze pagina vind je beginnersbronnen, studentenpakketten en zelfs manieren om een gratis certificeringsvoucher te krijgen. Dit is een pagina die je wilt markeren en af en toe bezoeken, want we wisselen minstens maandelijks van inhoud.
- [Student Hub pagina](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Op deze pagina vind je starterbronnen, studentpakketten en zelfs manieren om een gratis certificaatvoucher te bemachtigen. Dit is een pagina die je wilt bookmarken en af en toe raadplegen, omdat we de inhoud minstens maandelijks vernieuwen.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Word lid van een wereldwijde gemeenschap van studentambassadeurs, dit kan jouw weg naar Microsoft zijn.
# Aan de slag
@ -69,22 +69,22 @@ Begin met de volgende bronnen:
- **[Installatiehandleiding](INSTALLATION.md)** - Stapsgewijze installatie-instructies voor beginners
- **[Gebruikershandleiding](USAGE.md)** - Voorbeelden en veelvoorkomende workflows
- **[Probleemoplossing](TROUBLESHOOTING.md)** - Oplossingen voor veelvoorkomende problemen
- **[Bijdragenhandleiding](CONTRIBUTING.md)** - Hoe bij te dragen aan dit project
- **[Voor Docenten](for-teachers.md)** - Lesgeefadvies en klaslokaalbronnen
- **[Bijdragen gids](CONTRIBUTING.md)** - Hoe bijdragen aan dit project
- **[Voor Docenten](for-teachers.md)** - Lesgeven begeleiding en klaslokaalbronnen
## 👨🎓 Voor Studenten
> **Volledig beginners**: Nieuw in datawetenschap? Begin met onze [beginnersvriendelijke voorbeelden](examples/README.md)! Deze eenvoudige, goed van commentaar voorziene voorbeelden helpen je de basis te begrijpen voordat je in het volledige curriculum duikt.
> **[Studenten](https://aka.ms/student-page)**: om dit curriculum zelf te gebruiken, fork je de hele repo en maak je de oefeningen zelf af, te beginnen met een pre-lezing quiz. Lees dan de les en voltooi de overige activiteiten. Probeer de projecten te creëren door de lessen te begrijpen in plaats van simpelweg de oplossing te kopiëren; die code is echter beschikbaar in de /solutions mappen bij elke projectgerichte les. Een andere idee is om een studiegroep te vormen met vrienden en samen door de inhoud te gaan. Voor verdere studie raden we [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) aan.
> **Volledig beginners**: Nieuw in data science? Begin met onze [beginnersvriendelijke voorbeelden](examples/README.md)! Deze eenvoudige, goed van commentaar voorziene voorbeelden helpen je de basis te begrijpen voordat je het volledige curriculum induikt.
> **[Studenten](https://aka.ms/student-page)**: om dit curriculum zelfstandig te gebruiken, fork je de hele repo en maak je de oefeningen zelfstandig, beginnend met een quiz voor de les. Lees dan de les en voltooi de rest van de activiteiten. Probeer de projecten te maken door de lessen te begrijpen in plaats van de oplossingscode te kopiëren; die code is echter beschikbaar in de /solutions-mappen van elke projectgerichte les. Een andere optie is om een studiegroep met vrienden te vormen en samen de inhoud door te nemen. Voor verdere studie raden we [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) aan.
**Snelle start:**
**Snelstart:**
1. Bekijk de [Installatiehandleiding](INSTALLATION.md) om je omgeving in te stellen
2. Bekijk de [Gebruikershandleiding](USAGE.md) om te leren hoe je met het curriculum werkt
3. Begin met Les 1 en werk de lessen achtereenvolgens door
4. Word lid van onze [Discord-community](https://aka.ms/ds4beginners/discord) voor ondersteuning
3. Begin met Les 1 en werk de lessen opeenvolgend door
4. Sluit je aan bij onze [Discord-community](https://aka.ms/ds4beginners/discord) voor ondersteuning
## 👩🏫 Voor Docenten
> **Docenten**: we hebben [enkele suggesties opgenomen](for-teachers.md) over hoe je dit curriculum kunt gebruiken. We horen graag je feedback [in ons discussieforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Docenten**: we hebben [enkele suggesties opgenomen](for-teachers.md) over het gebruik van dit curriculum. We horen graag je feedback [in ons discussieforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
We hebben twee pedagogische principes gekozen bij het samenstellen van deze cursus: ervoor zorgen dat deze projectgebaseerd is en dat er frequente quizzen worden opgenomen. Aan het einde van deze serie zullen studenten de basisprincipes van datawetenschap hebben geleerd, inclusief ethische concepten, data voorbereiding, verschillende manieren om met data te werken, datavisualisatie, data-analyse, praktijkvoorbeelden van datawetenschap en meer.
We hebben twee pedagogische uitgangspunten gekozen bij het opbouwen van dit curriculum: ervoor zorgen dat het projectgebaseerd is en dat het frequente quizzes bevat. Aan het einde van deze serie zullen studenten de basisprincipes van data science hebben geleerd, inclusief ethische concepten, data voorbereiding, verschillende manieren van werken met data, datavisualisatie, data-analyse, praktijkvoorbeelden van data science en meer.
Daarnaast zorgt een laagdrempelige quiz voor de les ervoor dat de student zich focust op het leerdoel, terwijl een tweede quiz na de les verdere retentie verzekert. Deze cursus is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk gevolgd worden. De projecten starten klein en worden steeds complexer aan het einde van de 10-weekse cyclus.
Daarnaast zet een quiz met lage druk voorafgaand aan een les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les zorgt voor verdere verwerking. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan volledig of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer aan het einde van de cyclus van 10 weken.
> Vind onze [Gedragscode](CODE_OF_CONDUCT.md), [Bijdragen](CONTRIBUTING.md), [Vertalingen](TRANSLATIONS.md) richtlijnen. We verwelkomen je constructieve feedback!
> Vind onze [Gedragscode](CODE_OF_CONDUCT.md), [Bijdragen](CONTRIBUTING.md), [Vertalingsrichtlijnen](TRANSLATIONS.md). We waarderen je constructieve feedback!
## Elke les bevat:
- Optionele schetsnota
- Optionele schetsnotitie
- Optionele aanvullende video
- Pre-les opwarmquiz
- Voorafgaande opwarm-quiz
- Geschreven les
- Voor projectgebaseerde lessen, stapsgewijze handleidingen voor het bouwen van het project
- [Quiz na de les](https://ff-quizzes.netlify.app/en/)
> **Een opmerking over quizzen**: Alle quizzen bevinden zich in de Quiz-App map, met in totaal 40 quizzen van elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd of geïmplementeerd op Azure; volg de instructies in de `quiz-app` map. Ze worden geleidelijk gelokaliseerd.
> **Een opmerking over quizzes**: Alle quizzes staan in de Quiz-App map, voor in totaal 40 quizzes met elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd of gedeployed naar Azure; volg de instructies in de `quiz-app` map. Ze worden geleidelijk gelokaliseerd.
## 🎓 Beginnersvriendelijke Voorbeelden
## 🎓 Voor beginners toegankelijke voorbeelden
**Nieuw in Data Science?** We hebben een speciale [voorbeeldenmap](examples/README.md) gemaakt met eenvoudige, goed becommentarieerde code om je op weg te helpen:
**Nieuw in Data Science?** We hebben een speciale [voorbeeldenmap](examples/README.md) gemaakt met eenvoudig, goed becommentarieerd code om je op weg te helpen:
- 🌟 **Hello World** - Je eerste data science programma
- 📂 **Data Laden** - Leer datasets lezen en verkennen
- 📊 **Eenvoudige Analyse** - Bereken statistieken en vind patronen
- 📈 **Basis Visualisatie** - Maak grafieken en diagrammen
- 🔬 **Praktijkproject** - Volledig workflow van begin tot eind
- 📂 **Data laden** - Leer datasets te lezen en verkennen
- 📊 **Eenvoudige analyse** - Bereken statistieken en vind patronen
- 📈 **Basale visualisatie** - Maak grafieken en diagrammen
- 🔬 **Praktijkproject** - Volledige workflow van begin tot eind
Elk voorbeeld bevat gedetailleerde commentaren die elke stap uitleggen, perfect voor absolute beginners!
@ -133,71 +133,71 @@ Elk voorbeeld bevat gedetailleerde commentaren die elke stap uitleggen, perfect
## Lessen
||
||
|:---:|
| Data Science voor Beginners: Routekaart - _Sketchnote door [@nitya](https://twitter.com/nitya)_ |
| Data Science Voor Beginners: Routekaart - _Schetsnotitie door [@nitya](https://twitter.com/nitya)_ |
| Les Nummer | Onderwerp | Les Groepering | Leerdoelen | Gelinkte Les | Auteur |
| 01 | Data Science definiëren | [Introductie](1-Introduction/README.md) | Leer de basisconcepten achter datawetenschap en hoe het verband houdt met kunstmatige intelligentie, machine learning en big data. | [les](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Ethiek in Datawetenschap | [Introductie](1-Introduction/README.md) | Concepten, uitdagingen & raamwerken van data-ethiek. | [les](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Data definiëren | [Introductie](1-Introduction/README.md) | Hoe data wordt geclassificeerd en de veelvoorkomende bronnen. | [les](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Inleiding statistiek & waarschijnlijkheid | [Introductie](1-Introduction/README.md) | De wiskundige technieken van waarschijnlijkheid en statistiek om data te begrijpen. | [les](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Werken met relationele data | [Werken met data](2-Working-With-Data/README.md) | Introductie tot relationele data en de basis van het verkennen en analyseren van relationele data met Structured Query Language, ook bekend als SQL (uitgesproken als “see-quell”). | [les](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Werken met NoSQL data | [Werken met data](2-Working-With-Data/README.md) | Introductie tot niet-relationele data, de verschillende types en de basis van het verkennen en analyseren van documentdatabases. | [les](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Werken met Python | [Werken met data](2-Working-With-Data/README.md) | Basiskennis van het gebruik van Python voor data-exploratie met bibliotheken zoals Pandas. Basiskennis van Python programmeren wordt aangeraden. | [les](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Data voorbereiding | [Werken met data](2-Working-With-Data/README.md) | Onderwerpen over datatechnieken voor het schoonmaken en transformeren van data om problemen met ontbrekende, onnauwkeurige of onvolledige data aan te pakken. | [les](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualiseren van hoeveelheden | [Datavisualisatie](3-Data-Visualization/README.md) | Leer hoe je Matplotlib gebruikt om vogeldata te visualiseren 🦆 | [les](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualiseren van datadistributies | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van observaties en trends binnen een interval. | [les](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualiseren van proporties | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van discrete en gegroepeerde percentages. | [les](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualiseren van relaties | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van verbanden en correlaties tussen datasets en hun variabelen. | [les](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Betekenisvolle visualisaties | [Datavisualisatie](3-Data-Visualization/README.md) | Technieken en richtlijnen om je visualisaties waardevol te maken voor effectieve probleemoplossing en inzichten. | [les](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introductie Data Science levenscyclus | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Introductie tot de data science levenscyclus en de eerste stap van het verzamelen en extraheren van data. | [les](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analyseren | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Deze fase van de data science levenscyclus richt zich op technieken om data te analyseren. | [les](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Communiceren | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Deze fase van de data science levenscyclus richt zich op het presenteren van inzichten uit data op een manier die het makkelijker maakt voor besluitvormers om te begrijpen. | [les](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Deze lessenreeks introduceert datawetenschap in de cloud en de voordelen ervan. | [les](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Trainingsmodellen met Low Code tools. |[les](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Modellen implementeren met Azure Machine Learning Studio. | [les](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science in de praktijk | [In the Wild](6-Data-Science-In-Wild/README.md) | Datawetenschap gestuurde projecten in de echte wereld. | [les](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Definitie van Data Science | [Introductie](1-Introduction/README.md) | Leer de basisconcepten van data science en hoe het gerelateerd is aan kunstmatige intelligentie, machine learning, en big data. | [les](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Ethiek in Data Science | [Introductie](1-Introduction/README.md) | Concepten, uitdagingen & kaders rond data-ethiek. | [les](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definitie van Data | [Introductie](1-Introduction/README.md) | Hoe data wordt geclassificeerd en de gebruikelijke bronnen. | [les](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introductie in Statistiek & Kansrekening | [Introductie](1-Introduction/README.md) | De wiskundige technieken van waarschijnlijkheid en statistiek om data te begrijpen. | [les](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Werken met Relationele Data | [Werken met Data](2-Working-With-Data/README.md) | Introductie tot relationele data en de basis van het verkennen en analyseren van relationele data met de Structured Query Language, ook bekend als SQL (uitgesproken als “see-quell”). | [les](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Werken met NoSQL Data | [Werken met Data](2-Working-With-Data/README.md) | Introductie tot niet-relationele data, de verschillende types ervan en de basis van het verkennen en analyseren van documentdatabases. | [les](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Werken met Python | [Werken met Data](2-Working-With-Data/README.md) | Basis van het gebruik van Python voor data-exploratie met bibliotheken zoals Pandas. Aanbevolen is een fundamenteel begrip van Python programmeren. | [les](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Data Voorbereiding | [Werken met Data](2-Working-With-Data/README.md) | Onderwerpen over data technieken voor het opschonen en transformeren van data om uitdagingen met ontbrekende, onnauwkeurige, of onvolledige data aan te pakken. | [les](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualiseren van Hoeveelheden | [Datavisualisatie](3-Data-Visualization/README.md) | Leer hoe je Matplotlib gebruikt om vogeldata te visualiseren 🦆 | [les](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualiseren van Verdelingen van Data | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van observaties en trends binnen een interval. | [les](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualiseren van Verhoudingen | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van discrete en gegroepeerde percentages. | [les](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualiseren van Relaties | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van verbanden en correlaties tussen datasets en hun variabelen. | [les](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Betekenisvolle Visualisaties | [Datavisualisatie](3-Data-Visualization/README.md) | Technieken en richtlijnen om je visualisaties waardevol te maken voor effectieve probleemoplossing en inzichten. | [les](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introductie in de Data Science levenscyclus | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Introductie tot de data science levenscyclus en de eerste stap van het verkrijgen en extraheren van data. | [les](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analyseren | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Deze fase van de data science levenscyclus richt zich op technieken voor data-analyse. | [les](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Communicatie | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Deze fase van de data science levenscyclus richt zich op het presenteren van inzichten uit data op een manier die het makkelijker maakt voor besluitvormers om te begrijpen. | [les](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Deze reeks lessen introduceert data science in de cloud en de voordelen ervan. | [les](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Modellen trainen met Low Code tools. |[les](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Modellen deployen met Azure Machine Learning Studio. | [les](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science in het Echt Leven | [In het Wild](6-Data-Science-In-Wild/README.md) | Data science projecten in de echte wereld. | [les](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Volg deze stappen om deze voorbeeld in een Codespace te openen:
1. Klik op het Code dropdownmenu en selecteer de optie Open met Codespaces.
Volg deze stappen om dit voorbeeld te openen in een Codespace:
1. Klik op het Code dropdownmenu en selecteer de optie Openen met Codespaces.
2. Selecteer + Nieuwe codespace onderaan het paneel.
Voor meer info, bekijk de [GitHub documentatie](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Volg deze stappen om deze repository te openen in een container met je lokale machine en VSCode met de VS Code Remote - Containers extensie:
Volg deze stappen om deze repo in een container te openen met je lokale machine en VSCode via de VS Code Remote - Containers extensie:
1. Als dit jouw eerste keer is met een ontwikkelcontainer, zorg dan dat je systeem aan de vereisten voldoet (bijv. Docker geïnstalleerd) volgens [de startdocumentatie](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Als dit de eerste keer is dat je een development container gebruikt, zorg dan dat je systeem voldoet aan de vereisten (zoals het geïnstalleerd hebben van Docker) in [de startgids](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Om deze repo te gebruiken kun je hem openen in een geïsoleerd Docker volume:
Om deze repository te gebruiken, kun je de repository openen in een geïsoleerd Docker volume:
**Opmerking**: In feite wordt hiervoor de Remote-Containers: **Clone Repository in Container Volume...** opdracht gebruikt om de broncode in een Docker volume te klonen in plaats van in het lokale bestandssysteem. [Volumes](https://docs.docker.com/storage/volumes/) zijn het voorkeursmechanisme om containerdata te bewaren.
**Let op**: Onder de motorkap gebruikt dit de Remote-Containers: **Clone Repository in Container Volume...** opdracht om de broncode te klonen in een Docker volume in plaats van het lokale bestandssysteem. [Volumes](https://docs.docker.com/storage/volumes/) zijn de voorkeur mechanisme om containerdata te bewaren.
Of open een lokaal gekloonde of gedownloade versie van de repo:
Of open een lokaal gekloonde of gedownloade versie van de repository:
- Clone deze repository naar je lokale bestandssysteem.
- Druk op F1 en selecteer de opdracht **Remote-Containers: Open Folder in Container...**.
- Selecteer de gekloonde versie van deze folder, wacht tot de container is gestart en probeer het uit.
- Kloneer deze repository naar je lokale bestandssysteem.
- Druk op F1 en selecteer de **Remote-Containers: Open Folder in Container...** opdracht.
- Selecteer de gekloonde kopie van deze map, wacht tot de container start, en test het uit.
## Offline toegang
Je kunt deze documentatie offline gebruiken met [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je lokale machine, en typ dan in de rootmap van deze repo `docsify serve`. De website wordt geserveerd op poort 3000 op je localhost: `localhost:3000`.
Je kunt deze documentatie offline draaien met behulp van [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je lokale machine, typ dan in de root folder van deze repo `docsify serve`. De website wordt geserveerd op poort 3000 op je localhost: `localhost:3000`.
> Let op, notebooks worden niet via Docsify gerenderd, dus wanneer je een notebook moet uitvoeren, doe dat dan apart in VS Code met een Python kernel.
> Let op, notebooks worden niet gerenderd via Docsify, dus wanneer je een notebook moet draaien, doe dat dan apart in VS Code met een Python kernel.
## Andere Curricula
Ons team maakt ook andere curricula! Kijk eens naar:
Ons team maakt andere curricula! Bekijk:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](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 / Agents
@ -208,7 +208,7 @@ Ons team maakt ook andere curricula! Kijk eens naar:
---
### Generatieve AI Serie
### Generatieve AI Reeks
[](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)
@ -216,19 +216,19 @@ Ons team maakt ook andere curricula! Kijk eens naar:
---
### Kernleren
### Kern Leren
[](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)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot Serie
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
### Copilot Reeks
[](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)
@ -237,11 +237,11 @@ Ons team maakt ook andere curricula! Kijk eens naar:
**Problemen ondervonden?** Bekijk onze [Probleemoplossingsgids](TROUBLESHOOTING.md) voor oplossingen voor veelvoorkomende problemen.
Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met mede-lerenden en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende community waar vragen welkom zijn en kennis vrij wordt gedeeld.
Als je vastloopt of vragen hebt over het bouwen van AI-apps. Sluit je aan bij medeleerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij gedeeld wordt.
@ -249,5 +249,5 @@ Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen, bezoek dan:
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Disclaimer**:
Dit document is vertaald met behulp van de AI-vertalingsservice [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel we streven naar nauwkeurigheid, moet u er rekening mee houden dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het oorspronkelijke document in de oorspronkelijke taal geldt als de gezaghebbende bron. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.
Dit document is vertaald met behulp van de AI-vertalingsdienst [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel we streven naar nauwkeurigheid, kan automatische vertaling fouten of onnauwkeurigheden bevatten. Het originele document in de oorspronkelijke taal dient als gezaghebbende bron te worden beschouwd. Voor kritieke informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor eventuele misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.
# Khoa học Dữ liệu cho Người mới bắt đầu - Một Chương trình học
# Khoa học dữ liệu cho người mới bắt đầu - Chương trình học
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Azure Cloud Advocates tại Microsoft rất vui mừng giới thiệu một chương trình học kéo dài 10 tuần, 20 bài học, tất cả về Khoa học dữ liệu. Mỗi bài học đều bao gồm câu đố trước và sau bài học, hướng dẫn viết để hoàn thành bài học, giải pháp và bài tập. Phương pháp giảng dạy dựa trên dự án cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới "bám chắc".
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
**Xin gửi lời cảm ơn chân thành tới các tác giả của chúng tôi:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
Nhóm Những Người Ủng hộ Azure Cloud tại Microsoft vui mừng giới thiệu một chương trình học 10 tuần, 20 bài học về Khoa học Dữ liệu. Mỗi bài học bao gồm bài kiểm tra trước và sau bài học, hướng dẫn bằng văn bản để hoàn thành bài học, giải pháp và bài tập. Phương pháp học dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới "bám chắc".
**Xin chân thành cảm ơn các tác giả của chúng tôi:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
**🙏 Đặc biệt cảm ơn 🙏 tới các tác giả, người đánh giá và đóng góp nội dung là [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com/),** đặc biệt là Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
**🙏 Cảm ơn đặc biệt 🙏 tới các tác giả, người đánh giá và người đóng góp nội dung [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com/),** đặc biệt là Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ làm tăng đáng kể kích thước tải xuống. Để sao chép mà không có bản dịch, hãy sử dụng kiểm tra thưa thớt:
> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ làm tăng đáng kể kích thước tải về. Để sao chép mà không có các bản dịch, hãy sử dụng sparse checkout:
@ -46,208 +29,208 @@ Nhóm Những Người Ủng hộ Azure Cloud tại Microsoft vui mừng giới
> Điều này cung cấp cho bạn mọi thứ cần thiết để hoàn thành khóa học với tốc độ tải nhanh hơn nhiều.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Nếu bạn muốn có thêm các ngôn ngữ dịch được hỗ trợ, vui lòng xem danh sách tại [đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Nếu bạn muốn thêm các ngôn ngữ dịch hỗ trợ, danh sách có tại [đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Chúng tôi có một loạt hội thảo trên Discord về học tập cùng AI đang diễn ra, tìm hiểu thêm và tham gia cùng chúng tôi tại [Chuỗi học tập cùng AI](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9 năm 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.
Chúng tôi có một chuỗi học tập trên Discord với chủ đề AI đang diễn ra, tìm hiểu thêm và tham gia cùng chúng tôi tại [Chuỗi học với AI](https://aka.ms/learnwithai/discord) từ ngày 18 đến 30 tháng 9 năm 2025. Bạn sẽ nhận được mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học dữ liệu.
# Bạn là sinh viên chứ?
# Bạn là sinh viên?
Bắt đầu với các tài nguyên sau:
Bắt đầu với những tài nguyên sau:
- [Trang Trung tâm Sinh viên](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Trên trang này, bạn sẽ tìm thấy các tài nguyên cho người mới bắt đầu, Bộ dụng cụ Sinh viên và cả cách nhận phiếu chứng nhận miễn phí. Đây là một trang bạn nên đánh dấu và kiểm tra định kỳ vì nội dung của chúng tôi được thay đổi ít nhất mỗi tháng.
- [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Tham gia cộng đồng đại sứ sinh viên toàn cầu, đây có thể là cách để bạn bước vào Microsoft.
- [Trang Trung tâm Sinh viên](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Trên trang này, bạn sẽ tìm thấy tài nguyên dành cho người mới bắt đầu, gói dành cho sinh viên và thậm chí là cách để nhận phiếu chứng chỉ miễn phí. Đây là trang bạn nên đánh dấu và kiểm tra định kỳ vì chúng tôi cập nhật nội dung ít nhất hàng tháng.
- [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Tham gia cộng đồng đại sứ sinh viên toàn cầu, đây có thể là cơ hội của bạn để vào Microsoft.
# Bắt đầu
## 📚 Tài liệu
- **[Hướng dẫn Cài đặt](INSTALLATION.md)** - Hướng dẫn từng bước thiết lập dành cho người mới bắt đầu
- **[Hướng dẫn Sử dụng](USAGE.md)** - Ví dụ và các quy trình làm việc phổ biến
- **[Khắc phục Sự cố](TROUBLESHOOTING.md)** - Giải pháp cho các vấn đề thường gặp
- **[Hướng dẫn Đóng góp](CONTRIBUTING.md)** - Cách đóng góp cho dự án này
- **[Dành cho Giáo viên](for-teachers.md)** - Hướng dẫn giảng dạy và tài nguyên lớp học
- **[Hướng dẫn cài đặt](INSTALLATION.md)** - Hướng dẫn từng bước cho người mới bắt đầu
- **[Hướng dẫn sử dụng](USAGE.md)** - Ví dụ và quy trình làm việc thường dùng
- **[Khắc phục sự cố](TROUBLESHOOTING.md)** - Giải pháp cho các vấn đề thường gặp
- **[Hướng dẫn đóng góp](CONTRIBUTING.md)** - Cách đóng góp vào dự án này
- **[Dành cho giáo viên](for-teachers.md)** - Hướng dẫn giảng dạy và tài nguyên lớp học
## 👨🎓 Dành cho Sinh viên
> **Người mới hoàn toàn**: Mới bắt đầu với khoa học dữ liệu? Hãy bắt đầu với [ví dụ thân thiện với người mới](examples/README.md)! Những ví dụ đơn giản, có chú thích rõ ràng này sẽ giúp bạn hiểu những kiến thức cơ bản trước khi đi sâu vào toàn bộ chương trình học.
> **[Sinh viên](https://aka.ms/student-page)**: để sử dụng chương trình này tự học, hãy fork toàn bộ kho và hoàn thành các bài tập một mình, bắt đầu với câu hỏi trước bài giảng. Sau đó đọc bài giảng và hoàn thành các hoạt động còn lại. Cố gắng tạo các dự án bằng cách hiểu bài học thay vì sao chép mã giải pháp; tuy nhiên, mã đó có sẵn trong các thư mục /solutions trong mỗi bài học hướng đến dự án. Ý tưởng khác là lập nhóm học với bạn bè và cùng học nội dung. Để học nâng cao hơn, chúng tôi khuyên bạn dùng [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
## 👨🎓 Dành cho sinh viên
> **Người mới hoàn toàn**: Mới học khoa học dữ liệu? Bắt đầu với các [ví dụ dành cho người mới](examples/README.md)! Những ví dụ đơn giản, có chú thích rõ ràng này sẽ giúp bạn hiểu cơ bản trước khi vào chương trình học đầy đủ.
> **[Sinh viên](https://aka.ms/student-page)**: để sử dụng chương trình học này một mình, bạn fork toàn bộ repo và hoàn thành các bài tập một mình, bắt đầu với bài kiểm tra trước bài học. Sau đó đọc bài giảng và hoàn thành các hoạt động còn lại. Cố gắng tạo dự án bằng cách hiểu bài học hơn là sao chép mã giải pháp; tuy nhiên, mã đó có sẵn trong thư mục /solutions ở mỗi bài học dự án. Một ý tưởng khác là lập nhóm học với bạn bè để cùng học nội dung. Để học thêm, chúng tôi khuyên dùng [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Bắt đầu Nhanh:**
1. Kiểm tra [Hướng dẫn Cài đặt](INSTALLATION.md) để thiết lập môi trường
2. Xem qua [Hướng dẫn Sử dụng](USAGE.md) để biết cách làm việc với chương trình học
3. Bắt đầu với Bài học 1 và làm theo trình tự
4. Tham gia [cộng đồng Discord của chúng tôi](https://aka.ms/ds4beginners/discord) để nhận hỗ trợ
**Khởi động nhanh:**
1. Xem [Hướng dẫn cài đặt](INSTALLATION.md) để thiết lập môi trường của bạn
2. Xem lại [Hướng dẫn sử dụng](USAGE.md) để học cách làm việc với chương trình
3. Bắt đầu với Bài học 1 và làm tuần tự
4. Tham gia [cộng đồng Discord](https://aka.ms/ds4beginners/discord) để được hỗ trợ
## 👩🏫 Dành cho Giáo viên
## 👩🏫 Dành cho giáo viên
> **Giáo viên**: chúng tôi đã [bao gồm một số đề xuất](for-teachers.md) về cách sử dụng chương trình học này. Chúng tôi rất mong nhận được phản hồi từ bạn [trong diễn đàn thảo luận của chúng tôi](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Giáo viên:** chúng tôi đã [bao gồm một số gợi ý](for-teachers.md) về cách sử dụng chương trình học này. Rất mong nhận được phản hồi từ bạn [trong diễn đàn thảo luận của chúng tôi](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Gặp gỡ Đội ngũ
[](https://youtu.be/8mzavjQSMM4 "Video giới thiệu")
> 🎥 Nhấp vào hình ảnh phía trên để xem video về dự án và những người đã tạo ra nó!
> 🎥 Nhấn vào hình ảnh ở trên để xem video về dự án và những người đã tạo ra nó!
## Phương pháp dạy học
## Phương pháp giảng dạy
Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Vào cuối chuỗi bài học này, học viên sẽ học được các nguyên tắc cơ bản của khoa học dữ liệu, bao gồm các khái niệm đạo đức, chuẩn bị dữ liệu, các cách làm việc với dữ liệu khác nhau, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp sử dụng khoa học dữ liệu trong thế giới thực và nhiều hơn nữa.
Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Vào cuối chuỗi này, học viên sẽ học được các nguyên tắc cơ bản của khoa học dữ liệu, bao gồm các khái niệm đạo đức, chuẩn bị dữ liệu, các cách làm việc với dữ liệu khác nhau, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp ứng dụng khoa học dữ liệu trong thực tế và hơn thế nữa.
Ngoài ra, một bài kiểm tra nhẹ trước khi vào lớp đặt mục tiêu học tập cho học viên về chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ sâu hơn. Chương trình này được thiết kế để linh hoạt và thú vị, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn theo chu kỳ 10 tuần.
Ngoài ra, một bài kiểm tra nhẹ trước lớp giúp học viên có ý định học tập rõ ràng về chủ đề, trong khi bài kiểm tra thứ hai sau lớp giúp củng cố kiến thức. Chương trình này được thiết kế linh hoạt và vui nhộn, có thể học toàn bộ hoặc theo từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn vào cuối chu kỳ 10 tuần.
> Tìm xem [Quy tắc ứng xử](CODE_OF_CONDUCT.md), [Hướng dẫn đóng góp](CONTRIBUTING.md), [Dịch thuật](TRANSLATIONS.md) của chúng tôi. Chúng tôi hoan nghênh phản hồi mang tính xây dựng từ bạn!
> Tìm [Bộ Quy tắc Ứng xử](CODE_OF_CONDUCT.md), [Đóng góp](CONTRIBUTING.md), [Dịch thuật](TRANSLATIONS.md) của chúng tôi. Chúng tôi hoan nghênh phản hồi xây dựng từ bạn!
## Mỗi bài học bao gồm:
- Sketchnote tùy chọn
- Ghi chú minh họa tùy chọn
- Video bổ trợ tùy chọn
- Bài kiểm tra làm nóng trước bài học
- Bài học bằng văn bản
- Đối với các bài học dựa trên dự án, hướng dẫn từng bước về cách xây dựng dự án
- Đối với bài học dựa trên dự án, hướng dẫn từng bước cách xây dựng dự án
- Kiểm tra kiến thức
- Một thử thách
- Tài liệu đọc bổ sung
- Thử thách
- Đọc thêm bổ trợ
- Bài tập
- [Bài kiểm tra sau bài học](https://ff-quizzes.netlify.app/en/)
> **Lưu ý về các bài kiểm tra**: Tất cả bài kiểm tra nằm trong thư mục Quiz-App, với tổng cộng 40 bài kiểm tra, mỗi bài gồm ba câu hỏi. Chúng được liên kết từ trong các bài học, nhưng ứng dụng kiểm tra có thể chạy cục bộ hoặc triển khai trên Azure; theo dõi hướng dẫn trong thư mục `quiz-app`. Các bài kiểm tra đang được địa phương hóa dần dần.
> **Lưu ý về bài kiểm tra**: Tất cả các bài kiểm tra nằm trong thư mục Quiz-App, tổng cộng 40 bài kiểm tra mỗi bài có 3 câu hỏi. Chúng được liên kết trong các bài học, nhưng ứng dụng kiểm tra có thể chạy cục bộ hoặc triển khai trên Azure; làm theo hướng dẫn trong thư mục `quiz-app`. Chúng đang được địa phương hóa dần dần.
## 🎓 Ví dụ thân thiện với người mới bắt đầu
**Mới với Khoa học Dữ liệu?** Chúng tôi đã tạo một [thư mục ví dụ](examples/README.md) đặc biệt với mã nguồn đơn giản, có chú thích đầy đủ giúp bạn bắt đầu:
**Mới với Khoa học Dữ liệu?** Chúng tôi đã tạo một thư mục [ví dụ đặc biệt](examples/README.md) với mã nguồn đơn giản, có chú thích rõ ràng để giúp bạn bắt đầu:
- 🌟 **Hello World** - Chương trình khoa học dữ liệu đầu tiên của bạn
- 📂 **Tải Dữ liệu** - Học cách đọc và khám phá dữ liệu
- 📊 **Phân tích đơn giản** - Tính toán thống kê và tìm mẫu
- 📈 **Trực quan hóa cơ bản** - Tạo biểu đồ và đồ thị
- 🔬 **Dự án trong thế giới thực** - Quy trình hoàn chỉnh từ đầu đến cuối
- 📂 **Tải Dữ liệu** - Học cách đọc và khám phá bộ dữ liệu
- 📊 **Phân tích Đơn giản** - Tính toán thống kê và tìm kiếm mẫu
- 📈 **Trực quan hóa Cơ bản** - Tạo biểu đồ và đồ thị
- 🔬 **Dự án Thực tế** - Quy trình hoàn chỉnh từ đầu đến cuối
Mỗi ví dụ bao gồm các chú thích chi tiết giải thích từng bước, rất phù hợp cho người mới bắt đầu hoàn toàn!
Mỗi ví dụ đều có chú thích chi tiết giải thích từng bước, rất phù hợp cho người mới hoàn toàn!
👉 **[Bắt đầu với các ví dụ](examples/README.md)** 👈
## Các bài học
||
||
|:---:|
| Khoa học Dữ liệu cho Người mới bắt đầu: Lộ trình - _Sketchnote bởi [@nitya](https://twitter.com/nitya)_ |
| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Liên kết bài học | Tác giả |
| 01 | Định nghĩa Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Học các khái niệm cơ bản về khoa học dữ liệu và cách nó liên quan đến trí tuệ nhân tạo, học máy và dữ liệu lớn. | [bài học](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Đạo đức trong Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Khái niệm đạo đức dữ liệu, các thách thức & khung làm việc. | [bài học](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Định nghĩa Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Cách phân loại dữ liệu và các nguồn dữ liệu phổ biến. | [bài học](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Giới thiệu Thống kê & Xác suất | [Giới thiệu](1-Introduction/README.md) | Các kỹ thuật toán học về xác suất và thống kê để hiểu dữ liệu. | [bài học](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Làm việc với Dữ liệu Quan hệ | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu dữ liệu quan hệ và cơ bản khám phá và phân tích dữ liệu quan hệ bằng Ngôn ngữ truy vấn cấu trúc, gọi tắt là SQL (phát âm "see-quell"). | [bài học](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Làm việc với Dữ liệu NoSQL | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu dữ liệu phi quan hệ, các loại khác nhau và cơ bản khám phá và phân tích cơ sở dữ liệu dạng tài liệu. | [bài học](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Làm việc với Python | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Cơ bản sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Khuyến nghị có hiểu biết nền tảng về lập trình Python. | [bài học](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Chuẩn bị Dữ liệu | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Các chủ đề về kỹ thuật dữ liệu để làm sạch và biến đổi dữ liệu nhằm xử lý các thách thức về dữ liệu thiếu, không chính xác hoặc không đầy đủ. | [bài học](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Trực quan Hóa Số lượng | [Trực quan Hóa Dữ liệu](3-Data-Visualization/README.md) | Học cách sử dụng Matplotlib để trực quan hóa dữ liệu về chim 🦆 | [bài học](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Trực quan Hóa Phân bố Dữ liệu | [Trực quan Hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các quan sát và xu hướng trong một khoảng. | [bài học](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Trực quan Hóa Tỷ lệ | [Trực quan Hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa phần trăm rời rạc và theo nhóm. | [bài học](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Trực quan Hóa Mối quan hệ | [Trực quan Hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các kết nối và tương quan giữa các bộ dữ liệu và các biến của chúng. | [bài học](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Trực quan Hóa Ý nghĩa | [Trực quan Hóa Dữ liệu](3-Data-Visualization/README.md) | Các kỹ thuật và hướng dẫn để làm cho hình trực quan của bạn có giá trị để giải quyết vấn đề và hiểu biết hiệu quả. | [bài học](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Giới thiệu vòng đời Khoa học Dữ liệu | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giới thiệu về vòng đời khoa học dữ liệu và bước đầu tiên là thu nhận và trích xuất dữ liệu. | [bài học](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Phân tích | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào các kỹ thuật phân tích dữ liệu. | [bài học](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Truyền đạt | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào việc trình bày hiểu biết từ dữ liệu theo cách giúp người ra quyết định dễ dàng hiểu hơn. | [bài học](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Khoa học Dữ liệu trên điện toán đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Chuỗi bài học này giới thiệu về khoa học dữ liệu trên đám mây và các lợi ích của nó. | [bài học](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 18 | Khoa học Dữ liệu trên điện toán đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Huấn luyện mô hình sử dụng công cụ Low Code. |[bài học](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 19 | Khoa học Dữ liệu trên điện toán đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Triển khai mô hình với Azure Machine Learning Studio. | [bài học](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 20 | Khoa học Dữ liệu trong thực tế | [Trong thực tế](6-Data-Science-In-Wild/README.md) | Các dự án khoa học dữ liệu trong thế giới thực. | [bài học](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| Khoa học Dữ liệu cho Người Mới Bắt Đầu: Lộ trình - _Ghi chú minh họa bởi [@nitya](https://twitter.com/nitya)_ |
| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Bài học liên kết | Tác giả |
| 01 | Định nghĩa Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Học các khái niệm cơ bản về khoa học dữ liệu và cách nó liên quan đến trí tuệ nhân tạo, máy học và dữ liệu lớn. | [bài học](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Đạo đức trong Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Khái niệm, thách thức và khuôn khổ về Đạo đức dữ liệu. | [bài học](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Định nghĩa Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Cách dữ liệu được phân loại và các nguồn dữ liệu phổ biến. | [bài học](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Giới thiệu về Thống kê & Xác suất | [Giới thiệu](1-Introduction/README.md) | Các kỹ thuật toán học về xác suất và thống kê để hiểu dữ liệu. | [bài học](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Làm việc với Dữ liệu Quan hệ | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu dữ liệu quan hệ và những kiến thức cơ bản về khám phá và phân tích dữ liệu quan hệ với Ngôn ngữ truy vấn có cấu trúc, còn gọi là SQL (phát âm "xì kuyn"). | [bài học](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Làm việc với Dữ liệu NoSQL | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu dữ liệu phi quan hệ, các loại khác nhau và các kiến thức cơ bản về khám phá và phân tích cơ sở dữ liệu tài liệu. | [bài học](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Làm việc với Python | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Kiến thức cơ bản sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Khuyến nghị có kiến thức nền tảng về lập trình Python. | [bài học](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Chuẩn bị Dữ liệu | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Các chủ đề về kỹ thuật dữ liệu để làm sạch và chuyển đổi dữ liệu nhằm giải quyết các thách thức về dữ liệu thiếu, không chính xác hoặc không đầy đủ. | [bài học](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Trực quan hóa Số lượng | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Học cách sử dụng Matplotlib để trực quan hóa dữ liệu chim 🦆 | [bài học](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Trực quan hóa Phân phối Dữ liệu | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các quan sát và xu hướng trong một khoảng. | [bài học](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Trực quan hóa Tỉ lệ | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa phần trăm rời rạc và nhóm. | [bài học](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Trực quan hóa Mối quan hệ | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các kết nối và tương quan giữa các tập dữ liệu và các biến của chúng. | [bài học](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Trực quan hóa Có ý nghĩa | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Kỹ thuật và hướng dẫn để làm cho các trực quan hóa của bạn có giá trị trong việc giải quyết vấn đề và rút ra cái nhìn sâu sắc hiệu quả. | [bài học](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Giới thiệu Chu trình Khoa học Dữ liệu | [Chu trình](4-Data-Science-Lifecycle/README.md) | Giới thiệu chu trình khoa học dữ liệu và bước đầu tiên là thu thập và khai thác dữ liệu. | [bài học](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Phân tích | [Chu trình](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của chu trình khoa học dữ liệu tập trung vào kỹ thuật phân tích dữ liệu. | [bài học](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Truyền đạt | [Chu trình](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của chu trình khoa học dữ liệu tập trung vào việc trình bày những cái nhìn sâu sắc từ dữ liệu theo cách giúp người ra quyết định dễ hiểu hơn. | [bài học](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Chuỗi bài học này giới thiệu khoa học dữ liệu trên đám mây và các lợi ích của nó. | [bài học](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 18 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Huấn luyện mô hình bằng công cụ Low Code. |[bài học](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 19 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Triển khai mô hình với Azure Machine Learning Studio. | [bài học](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 20 | Khoa học Dữ liệu ngoài thực tế | [Thực tế](6-Data-Science-In-Wild/README.md) | Các dự án dựa trên khoa học dữ liệu trong thế giới thực. | [bài học](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Thực hiện các bước sau để mở bản mẫu này trong Codespace:
Thực hiện các bước sau để mở mẫu này trong Codespace:
1. Nhấp vào menu thả xuống Code và chọn tùy chọn Open with Codespaces.
2. Chọn + New codespace ở phía dưới của bảng điều khiển.
Để biết thêm thông tin, xem [tài liệu GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
2. Chọn + New codespace ở dưới cùng của khung.
Để biết thêm thông tin, hãy xem [tài liệu GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Thực hiện các bước sau để mở kho lưu trữ này trong container bằng máy tính cục bộ và VSCode sử dụng tiện ích mở rộng VS Code Remote - Containers:
Thực hiện các bước sau để mở kho lưu trữ này trong container sử dụng máy tính cục bộ và VSCode với tiện ích mở rộng VS Code Remote - Containers:
1. Nếu đây là lần đầu bạn sử dụng container phát triển, hãy đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ đã cài Docker) trong [tài liệu bắt đầu](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Nếu đây là lần đầu bạn dùng container phát triển, hãy đảm bảo hệ thống bạn đáp ứng các yêu cầu trước (ví dụ đã cài Docker) trong [tài liệu bắt đầu](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Để sử dụng kho lưu trữ này, bạn có thể mở kho lưu trữ trong một volume Docker riêng biệt:
Để sử dụng kho lưu trữ này, bạn có thể mở kho lưu trữ trong một volume Docker cách ly:
**Lưu ý**: Bên trong, điều này sẽ sử dụng lệnh Remote-Containers: **Clone Repository in Container Volume...** để sao chép mã nguồn vào một volume Docker thay vì hệ thống tập tin cục bộ. [Volumes](https://docs.docker.com/storage/volumes/) là cơ chế ưu tiên để lưu trữ dữ liệu container.
**Lưu ý**: Thao tác này sẽ dùng lệnh Remote-Containers: **Clone Repository in Container Volume...** để clone mã nguồn vào volume Docker thay vì hệ thống tập tin cục bộ. [Volumes](https://docs.docker.com/storage/volumes/) là cơ chế được ưu tiên để lưu trữ dữ liệu container.
Hoặc mở một phiên bản đã sao chép hoặc tải về kho lưu trữ trên máy cục bộ:
Hoặc mở phiên bản kho lưu trữ đã clone hoặc tải về cục bộ:
- Sao chép kho lưu trữ này vào hệ thống tập tin cục bộ của bạn.
- Clone kho lưu trữ này vào hệ thống tập tin cục bộ.
- Nhấn F1 và chọn lệnh **Remote-Containers: Open Folder in Container...**.
- Chọn bản sao lớp này, chờ container khởi động và thử nghiệm.
- Chọn bản copy đã clone của thư mục này, chờ container khởi động, rồi thử nghiệm.
## Truy cập ngoại tuyến
Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy của bạn, sau đó ở thư mục gốc của repo, gõ `docsify serve`. Website sẽ được phục vụ trên cổng 3000 trên localhost của bạn: `localhost:3000`.
Bạn có thể chạy tài liệu này ngoại tuyến bằng cách dùng [Docsify](https://docsify.js.org/#/). Fork repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy cục bộ, sau đó trong thư mục gốc của repo, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: `localhost:3000`.
> Lưu ý, sổ tay (notebooks) sẽ không được Render qua Docsify, vì vậy khi cần chạy sổ tay, hãy làm riêng bên trong VS Code với kernel Python.
> Lưu ý, các notebook sẽ không hiển thị qua Docsify, vì vậy khi cần chạy notebook, hãy làm riêng trong VS Code với kernel Python.
## Các chương trình học khác
Đội ngũ chúng tôi còn sản xuất các chương trình học khác! Hãy xem:
Đội ngũ của chúng tôi còn sản xuất các chương trình học khác! Hãy xem:
<!-- 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 / Agents
[](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)
---
### Chuỗi AI Sinh Tạo
[](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)
### Chuỗi AI tạo sinh
[](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)
---
### Học Cốt Lõi
[](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)
### Học cơ bản
[](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)
---
### Chuỗi Copilot
[](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)
**Gặp sự cố?** Hãy xem [Hướng Dẫn Khắc Phục Sự Cố](TROUBLESHOOTING.md) để tìm giải pháp cho các vấn đề thường gặp.
**Gặp sự cố?** Hãy xem [Hướng dẫn Khắc phục sự cố](TROUBLESHOOTING.md) của chúng tôi để tìm giải pháp cho các vấn đề phổ biến.
Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Tham gia cùng những người học khác và các nhà phát triển giàu kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi các câu hỏi được chào đón và kiến thức được chia sẻ tự do.
Nếu bạn bị kẹt hoặc có bất kỳ câu hỏi nào về xây dựng ứng dụng AI, hãy tham gia cùng những người học khác và các nhà phát triển giàu kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi những câu hỏi được chào đón và kiến thức được chia sẻ tự do.
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Tuyên bố từ chối trách nhiệm**:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ gốc nên được xem là nguồn tham khảo chính xác nhất. Đối với những thông tin quan trọng, khuyến nghị sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu nhầm hoặc giải thích sai nào phát sinh từ việc sử dụng bản dịch này.
**Tuyên bố từ chối trách nhiệm**:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng bản dịch tự động có thể chứa lỗi hoặc sự không chính xác. Tài liệu gốc bằng ngôn ngữ gốc nên được xem là nguồn tham khảo chính thức. Đối với thông tin quan trọng, khuyến nghị sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc giải thích sai nào phát sinh từ việc sử dụng bản dịch này.
localizeflow[bot]
3 weeks ago