From 57edd69619c58c940dcc5fdefa47427b5455c5ce Mon Sep 17 00:00:00 2001 From: leestott Date: Fri, 3 Oct 2025 13:10:24 +0000 Subject: [PATCH] =?UTF-8?q?=F0=9F=8C=90=20Update=20translations=20via=20Co?= =?UTF-8?q?-op=20Translator?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- translations/ar/README.md | 71 ++++++----- translations/ar/examples/README.md | 149 +++++++++++++++++++++++ translations/bg/README.md | 75 +++++++----- translations/bg/examples/README.md | 149 +++++++++++++++++++++++ translations/bn/README.md | 173 +++++++++++++++------------ translations/bn/examples/README.md | 149 +++++++++++++++++++++++ translations/br/README.md | 83 +++++++------ translations/br/examples/README.md | 149 +++++++++++++++++++++++ translations/cs/README.md | 114 ++++++++++-------- translations/cs/examples/README.md | 149 +++++++++++++++++++++++ translations/da/README.md | 108 +++++++++-------- translations/da/examples/README.md | 149 +++++++++++++++++++++++ translations/de/README.md | 103 +++++++++------- translations/de/examples/README.md | 149 +++++++++++++++++++++++ translations/el/README.md | 102 +++++++++------- translations/el/examples/README.md | 149 +++++++++++++++++++++++ translations/en/README.md | 101 +++++++++------- translations/en/examples/README.md | 149 +++++++++++++++++++++++ translations/es/README.md | 65 ++++++---- translations/es/examples/README.md | 149 +++++++++++++++++++++++ translations/fa/README.md | 149 ++++++++++++----------- translations/fa/examples/README.md | 149 +++++++++++++++++++++++ translations/fi/README.md | 169 +++++++++++++++----------- translations/fi/examples/README.md | 149 +++++++++++++++++++++++ translations/fr/README.md | 167 ++++++++++++++------------ translations/fr/examples/README.md | 149 +++++++++++++++++++++++ translations/he/README.md | 95 ++++++++------- translations/he/examples/README.md | 149 +++++++++++++++++++++++ translations/hi/README.md | 143 ++++++++++++---------- translations/hi/examples/README.md | 149 +++++++++++++++++++++++ translations/hk/README.md | 117 ++++++++++-------- translations/hk/examples/README.md | 145 ++++++++++++++++++++++ translations/hr/README.md | 111 ++++++++++------- translations/hr/examples/README.md | 149 +++++++++++++++++++++++ translations/hu/README.md | 93 ++++++++++----- translations/hu/examples/README.md | 145 ++++++++++++++++++++++ translations/id/README.md | 79 +++++++----- translations/id/examples/README.md | 149 +++++++++++++++++++++++ translations/it/README.md | 108 ++++++++--------- translations/it/examples/README.md | 149 +++++++++++++++++++++++ translations/ja/README.md | 151 ++++++++++++----------- translations/ja/examples/README.md | 149 +++++++++++++++++++++++ translations/ko/README.md | 103 +++++++++------- translations/ko/examples/README.md | 149 +++++++++++++++++++++++ translations/lt/README.md | 121 ++++++++++--------- translations/lt/examples/README.md | 145 ++++++++++++++++++++++ translations/mo/README.md | 171 +++++++++++++++----------- translations/mo/examples/README.md | 145 ++++++++++++++++++++++ translations/mr/README.md | 152 ++++++++++++----------- translations/mr/examples/README.md | 149 +++++++++++++++++++++++ translations/ms/README.md | 137 +++++++++++++-------- translations/ms/examples/README.md | 149 +++++++++++++++++++++++ translations/my/README.md | 147 +++++++++++++---------- translations/my/examples/README.md | 149 +++++++++++++++++++++++ translations/ne/README.md | 186 +++++++++++++++++------------ translations/ne/examples/README.md | 149 +++++++++++++++++++++++ translations/nl/README.md | 86 +++++++------ translations/nl/examples/README.md | 149 +++++++++++++++++++++++ translations/no/README.md | 84 +++++++------ translations/no/examples/README.md | 149 +++++++++++++++++++++++ translations/pa/README.md | 167 ++++++++++++-------------- translations/pa/examples/README.md | 149 +++++++++++++++++++++++ translations/pl/README.md | 109 +++++++++++------ translations/pl/examples/README.md | 149 +++++++++++++++++++++++ translations/pt/README.md | 138 +++++++++++---------- translations/pt/examples/README.md | 149 +++++++++++++++++++++++ translations/ro/README.md | 111 +++++++++-------- translations/ro/examples/README.md | 149 +++++++++++++++++++++++ translations/ru/README.md | 105 +++++++++------- translations/ru/examples/README.md | 145 ++++++++++++++++++++++ translations/sk/README.md | 111 ++++++++++------- translations/sk/examples/README.md | 149 +++++++++++++++++++++++ translations/sl/README.md | 73 ++++++----- translations/sl/examples/README.md | 149 +++++++++++++++++++++++ translations/sr/README.md | 116 +++++++++--------- translations/sr/examples/README.md | 149 +++++++++++++++++++++++ translations/sv/README.md | 125 ++++++++++--------- translations/sv/examples/README.md | 149 +++++++++++++++++++++++ translations/sw/README.md | 159 ++++++++++++++---------- translations/sw/examples/README.md | 149 +++++++++++++++++++++++ translations/th/README.md | 151 ++++++++++++----------- translations/th/examples/README.md | 149 +++++++++++++++++++++++ translations/tl/README.md | 143 ++++++++++++---------- translations/tl/examples/README.md | 145 ++++++++++++++++++++++ translations/tr/README.md | 131 +++++++++++--------- translations/tr/examples/README.md | 149 +++++++++++++++++++++++ translations/tw/README.md | 131 +++++++++++--------- translations/tw/examples/README.md | 145 ++++++++++++++++++++++ translations/uk/README.md | 174 +++++++++++++-------------- translations/uk/examples/README.md | 149 +++++++++++++++++++++++ translations/ur/README.md | 95 ++++++++------- translations/ur/examples/README.md | 149 +++++++++++++++++++++++ translations/vi/README.md | 163 +++++++++++++------------ translations/vi/examples/README.md | 149 +++++++++++++++++++++++ translations/zh/README.md | 120 +++++++++++-------- translations/zh/examples/README.md | 145 ++++++++++++++++++++++ 96 files changed, 10424 insertions(+), 2582 deletions(-) create mode 100644 translations/ar/examples/README.md create mode 100644 translations/bg/examples/README.md create mode 100644 translations/bn/examples/README.md create mode 100644 translations/br/examples/README.md create mode 100644 translations/cs/examples/README.md create mode 100644 translations/da/examples/README.md create mode 100644 translations/de/examples/README.md create mode 100644 translations/el/examples/README.md create mode 100644 translations/en/examples/README.md create mode 100644 translations/es/examples/README.md create mode 100644 translations/fa/examples/README.md create mode 100644 translations/fi/examples/README.md create mode 100644 translations/fr/examples/README.md create mode 100644 translations/he/examples/README.md create mode 100644 translations/hi/examples/README.md create mode 100644 translations/hk/examples/README.md create mode 100644 translations/hr/examples/README.md create mode 100644 translations/hu/examples/README.md create mode 100644 translations/id/examples/README.md create mode 100644 translations/it/examples/README.md create mode 100644 translations/ja/examples/README.md create mode 100644 translations/ko/examples/README.md create mode 100644 translations/lt/examples/README.md create mode 100644 translations/mo/examples/README.md create mode 100644 translations/mr/examples/README.md create mode 100644 translations/ms/examples/README.md create mode 100644 translations/my/examples/README.md create mode 100644 translations/ne/examples/README.md create mode 100644 translations/nl/examples/README.md create mode 100644 translations/no/examples/README.md create mode 100644 translations/pa/examples/README.md create mode 100644 translations/pl/examples/README.md create mode 100644 translations/pt/examples/README.md create mode 100644 translations/ro/examples/README.md create mode 100644 translations/ru/examples/README.md create mode 100644 translations/sk/examples/README.md create mode 100644 translations/sl/examples/README.md create mode 100644 translations/sr/examples/README.md create mode 100644 translations/sv/examples/README.md create mode 100644 translations/sw/examples/README.md create mode 100644 translations/th/examples/README.md create mode 100644 translations/tl/examples/README.md create mode 100644 translations/tr/examples/README.md create mode 100644 translations/tw/examples/README.md create mode 100644 translations/uk/examples/README.md create mode 100644 translations/ur/examples/README.md create mode 100644 translations/vi/examples/README.md create mode 100644 translations/zh/examples/README.md diff --git a/translations/ar/README.md b/translations/ar/README.md index fd362bea..3fc433e5 100644 --- a/translations/ar/README.md +++ b/translations/ar/README.md @@ -1,8 +1,8 @@ +# أمثلة سهلة للمبتدئين في علم البيانات + +مرحبًا بك في دليل الأمثلة! تم تصميم هذه المجموعة من الأمثلة البسيطة والمشروحة بشكل جيد لمساعدتك على البدء في علم البيانات، حتى لو كنت مبتدئًا تمامًا. + +## 📚 ما ستجده هنا + +كل مثال مستقل بذاته ويشمل: +- **تعليقات واضحة** تشرح كل خطوة +- **كود بسيط وسهل القراءة** يوضح مفهومًا واحدًا في كل مرة +- **سياق واقعي** لمساعدتك على فهم متى ولماذا تستخدم هذه التقنيات +- **المخرجات المتوقعة** حتى تعرف ما يجب أن تبحث عنه + +## 🚀 البدء + +### المتطلبات الأساسية +قبل تشغيل هذه الأمثلة، تأكد من أن لديك: +- Python 3.7 أو إصدار أعلى مثبت +- فهم أساسي لكيفية تشغيل سكربتات Python + +### تثبيت المكتبات المطلوبة +```bash +pip install pandas numpy matplotlib +``` + +## 📖 نظرة عامة على الأمثلة + +### 1. مرحبًا بالعالم - بأسلوب علم البيانات +**الملف:** `01_hello_world_data_science.py` + +برنامجك الأول في علم البيانات! تعلم كيفية: +- تحميل مجموعة بيانات بسيطة +- عرض معلومات أساسية عن بياناتك +- طباعة أول مخرجات علم البيانات الخاصة بك + +مثالي للمبتدئين تمامًا الذين يرغبون في رؤية أول برنامج لهم في علم البيانات قيد التنفيذ. + +--- + +### 2. تحميل واستكشاف البيانات +**الملف:** `02_loading_data.py` + +تعلم أساسيات العمل مع البيانات: +- قراءة البيانات من ملفات CSV +- عرض الصفوف الأولى من مجموعة البيانات الخاصة بك +- الحصول على إحصائيات أساسية عن بياناتك +- فهم أنواع البيانات + +هذه غالبًا ما تكون الخطوة الأولى في أي مشروع علم بيانات! + +--- + +### 3. تحليل البيانات البسيط +**الملف:** `03_simple_analysis.py` + +قم بأول تحليل بيانات لك: +- حساب الإحصائيات الأساسية (المتوسط، الوسيط، النمط) +- العثور على القيم القصوى والدنيا +- عد تكرار القيم +- تصفية البيانات بناءً على شروط + +شاهد كيف يمكنك الإجابة على أسئلة بسيطة حول بياناتك. + +--- + +### 4. أساسيات تصور البيانات +**الملف:** `04_basic_visualization.py` + +قم بإنشاء أول تصوراتك: +- إنشاء مخطط شريطي بسيط +- إنشاء مخطط خطي +- إنشاء مخطط دائري +- حفظ التصورات كصور + +تعلم كيفية التواصل مع نتائجك بصريًا! + +--- + +### 5. العمل مع بيانات حقيقية +**الملف:** `05_real_world_example.py` + +اجمع كل شيء مع مثال كامل: +- تحميل بيانات حقيقية من المستودع +- تنظيف البيانات وتحضيرها +- إجراء التحليل +- إنشاء تصورات ذات معنى +- استخلاص الاستنتاجات + +هذا المثال يوضح لك سير العمل الكامل من البداية إلى النهاية. + +--- + +## 🎯 كيفية استخدام هذه الأمثلة + +1. **ابدأ من البداية**: الأمثلة مرقمة حسب مستوى الصعوبة. ابدأ بـ `01_hello_world_data_science.py` وتقدم تدريجيًا. + +2. **اقرأ التعليقات**: يحتوي كل ملف على تعليقات مفصلة تشرح ما يفعله الكود ولماذا. اقرأها بعناية! + +3. **جرب التعديل**: حاول تعديل الكود. ماذا يحدث إذا قمت بتغيير قيمة؟ اكسر الأشياء وأصلحها - هذه هي الطريقة التي تتعلم بها! + +4. **شغل الكود**: قم بتنفيذ كل مثال وراقب المخرجات. قارنها بما كنت تتوقعه. + +5. **قم بالبناء عليه**: بمجرد فهمك للمثال، حاول توسيعه بأفكارك الخاصة. + +## 💡 نصائح للمبتدئين + +- **لا تتسرع**: خذ وقتك لفهم كل مثال قبل الانتقال إلى التالي +- **اكتب الكود بنفسك**: لا تقم فقط بنسخ ولصق. الكتابة تساعدك على التعلم والتذكر +- **ابحث عن المفاهيم غير المألوفة**: إذا رأيت شيئًا لا تفهمه، ابحث عنه عبر الإنترنت أو في الدروس الرئيسية +- **اطرح الأسئلة**: انضم إلى [منتدى المناقشة](https://github.com/microsoft/Data-Science-For-Beginners/discussions) إذا كنت بحاجة إلى مساعدة +- **مارس بانتظام**: حاول البرمجة قليلاً كل يوم بدلاً من جلسات طويلة مرة واحدة في الأسبوع + +## 🔗 الخطوات التالية + +بعد إكمال هذه الأمثلة، ستكون جاهزًا لـ: +- العمل من خلال دروس المنهج الرئيسية +- تجربة المهام في كل مجلد درس +- استكشاف دفاتر Jupyter للحصول على تعلم أكثر عمقًا +- إنشاء مشاريع علم البيانات الخاصة بك + +## 📚 موارد إضافية + +- [المنهج الرئيسي](../README.md) - دورة كاملة مكونة من 20 درسًا +- [للمعلمين](../for-teachers.md) - استخدام هذا المنهج في الفصل الدراسي +- [Microsoft Learn](https://docs.microsoft.com/learn/) - موارد تعليمية مجانية عبر الإنترنت +- [توثيق Python](https://docs.python.org/3/) - المرجع الرسمي لـ Python + +## 🤝 المساهمة + +هل وجدت خطأ أو لديك فكرة لمثال جديد؟ نحن نرحب بالمساهمات! يرجى الاطلاع على [دليل المساهمة](../CONTRIBUTING.md). + +--- + +**تعلم سعيد! 🎉** + +تذكر: كل خبير كان يومًا ما مبتدئًا. خذها خطوة بخطوة، ولا تخف من ارتكاب الأخطاء - فهي جزء من عملية التعلم! + +--- + +**إخلاء المسؤولية**: +تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة. \ No newline at end of file diff --git a/translations/bg/README.md b/translations/bg/README.md index 161ccc5c..8c92c343 100644 --- a/translations/bg/README.md +++ b/translations/bg/README.md @@ -1,8 +1,8 @@ +# Примери за наука за данни за начинаещи + +Добре дошли в директорията с примери! Тази колекция от прости, добре коментирани примери е създадена, за да ви помогне да започнете с науката за данни, дори ако сте напълно начинаещи. + +## 📚 Какво ще намерите тук + +Всеки пример е самостоятелен и включва: +- **Ясни коментари**, които обясняват всяка стъпка +- **Прост и четим код**, който демонстрира по една концепция наведнъж +- **Контекст от реалния свят**, за да разберете кога и защо да използвате тези техники +- **Очакван изход**, за да знаете какво да търсите + +## 🚀 Как да започнете + +### Предварителни изисквания +Преди да стартирате тези примери, уверете се, че имате: +- Инсталиран Python 3.7 или по-нова версия +- Основни познания за това как да стартирате Python скриптове + +### Инсталиране на необходимите библиотеки +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Преглед на примерите + +### 1. Здравей, свят - стил на наука за данни +**Файл:** `01_hello_world_data_science.py` + +Вашата първа програма за наука за данни! Научете как да: +- Заредите прост набор от данни +- Показвате основна информация за вашите данни +- Отпечатате първия си изход за наука за данни + +Идеално за абсолютни начинаещи, които искат да видят първата си програма в действие. + +--- + +### 2. Зареждане и изследване на данни +**Файл:** `02_loading_data.py` + +Научете основите на работата с данни: +- Четене на данни от CSV файлове +- Преглед на първите няколко реда от вашия набор от данни +- Получаване на основни статистики за вашите данни +- Разбиране на типовете данни + +Това често е първата стъпка във всеки проект за наука за данни! + +--- + +### 3. Проста анализ на данни +**Файл:** `03_simple_analysis.py` + +Извършете първия си анализ на данни: +- Изчисляване на основни статистики (средно, медиана, мода) +- Намиране на максимални и минимални стойности +- Броене на срещания на стойности +- Филтриране на данни въз основа на условия + +Вижте как да отговаряте на прости въпроси за вашите данни. + +--- + +### 4. Основи на визуализацията на данни +**Файл:** `04_basic_visualization.py` + +Създайте първите си визуализации: +- Направете проста колонна диаграма +- Създайте линейна графика +- Генерирайте кръгова диаграма +- Запазете визуализациите си като изображения + +Научете се да комуникирате вашите открития визуално! + +--- + +### 5. Работа с реални данни +**Файл:** `05_real_world_example.py` + +Съберете всичко в едно с пълен пример: +- Зареждане на реални данни от хранилището +- Почистване и подготовка на данните +- Извършване на анализ +- Създаване на смислени визуализации +- Извеждане на заключения + +Този пример ви показва цялостен работен процес от начало до край. + +--- + +## 🎯 Как да използвате тези примери + +1. **Започнете от началото**: Примерите са номерирани по трудност. Започнете с `01_hello_world_data_science.py` и продължете нататък. + +2. **Четете коментарите**: Всеки файл съдържа подробни коментари, които обясняват какво прави кодът и защо. Четете ги внимателно! + +3. **Експериментирайте**: Опитайте да модифицирате кода. Какво се случва, ако промените стойност? Счупете нещата и ги поправете - така се учи! + +4. **Стартирайте кода**: Изпълнете всеки пример и наблюдавайте изхода. Сравнете го с това, което сте очаквали. + +5. **Надграждайте**: След като разберете даден пример, опитайте да го разширите със свои идеи. + +## 💡 Съвети за начинаещи + +- **Не бързайте**: Отделете време да разберете всеки пример, преди да преминете към следващия +- **Пишете кода сами**: Не просто копирайте и поставяйте. Писането помага да научите и запомните +- **Търсете непознати концепции**: Ако видите нещо, което не разбирате, потърсете го онлайн или в основните уроци +- **Задавайте въпроси**: Присъединете се към [дискусионния форум](https://github.com/microsoft/Data-Science-For-Beginners/discussions), ако имате нужда от помощ +- **Практикувайте редовно**: Опитайте се да пишете код малко всеки ден, вместо дълги сесии веднъж седмично + +## 🔗 Следващи стъпки + +След като завършите тези примери, сте готови да: +- Работите през основните уроци от учебната програма +- Опитате задачите във всяка папка с уроци +- Изследвате Jupyter тетрадките за по-задълбочено обучение +- Създадете свои собствени проекти за наука за данни + +## 📚 Допълнителни ресурси + +- [Основна учебна програма](../README.md) - Пълният курс от 20 урока +- [За учители](../for-teachers.md) - Използване на тази учебна програма в класната стая +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Безплатни онлайн ресурси за обучение +- [Документация за Python](https://docs.python.org/3/) - Официална справка за Python + +## 🤝 Принос + +Открихте грешка или имате идея за нов пример? Приветстваме приноси! Моля, вижте нашето [Ръководство за принос](../CONTRIBUTING.md). + +--- + +**Приятно учене! 🎉** + +Запомнете: Всеки експерт някога е бил начинаещ. Вървете стъпка по стъпка и не се страхувайте да правите грешки - те са част от процеса на учене! + +--- + +**Отказ от отговорност**: +Този документ е преведен с помощта на AI услуга за превод [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да било недоразумения или погрешни интерпретации, произтичащи от използването на този превод. \ No newline at end of file diff --git a/translations/bn/README.md b/translations/bn/README.md index 4bf47e14..8e700207 100644 --- a/translations/bn/README.md +++ b/translations/bn/README.md @@ -1,67 +1,69 @@ -# ডেটা সায়েন্সের জন্য শিক্ষার্থীদের - একটি পাঠক্রম +# ডেটা সায়েন্স শিক্ষার্থীদের জন্য - একটি পাঠক্রম [![GitHub Codespaces-এ খুলুন](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [![GitHub লাইসেন্স](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) [![GitHub অবদানকারী](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub ইস্যু](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub সমস্যা](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) [![GitHub পুল-রিকোয়েস্ট](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) [![PRs স্বাগত](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub দর্শক](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub পর্যবেক্ষক](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) [![GitHub ফর্ক](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub স্টার](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +[![GitHub তারকা](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) [![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -মাইক্রোসফটের Azure Cloud Advocates একটি ১০-সপ্তাহের, ২০-লেসনের পাঠক্রম উপস্থাপন করতে পেরে আনন্দিত যা সম্পূর্ণ ডেটা সায়েন্স নিয়ে। প্রতিটি পাঠে প্রাক-পাঠ এবং পর-পাঠ কুইজ, লিখিত নির্দেশনা, সমাধান এবং একটি অ্যাসাইনমেন্ট অন্তর্ভুক্ত রয়েছে। আমাদের প্রকল্প-ভিত্তিক শিক্ষাদান পদ্ধতি আপনাকে শেখার সময় তৈরি করতে সাহায্য করে, যা নতুন দক্ষতা অর্জনের একটি প্রমাণিত উপায়। +মাইক্রোসফটের Azure Cloud Advocates একটি ১০-সপ্তাহের, ২০-লেসনের পাঠক্রম নিয়ে এসেছে যা সম্পূর্ণ ডেটা সায়েন্স নিয়ে। প্রতিটি পাঠে রয়েছে প্রাক-পাঠ এবং পর-পাঠ কুইজ, লিখিত নির্দেশনা, সমাধান এবং একটি অ্যাসাইনমেন্ট। আমাদের প্রকল্প-ভিত্তিক শিক্ষাদান পদ্ধতি আপনাকে শেখার সময় তৈরি করতে সাহায্য করবে, যা নতুন দক্ষতা অর্জনের জন্য প্রমাণিত একটি পদ্ধতি। **আমাদের লেখকদের প্রতি আন্তরিক ধন্যবাদ:** [জ্যাসমিন গ্রিনওয়ে](https://www.twitter.com/paladique), [দিমিত্রি সশনিকভ](http://soshnikov.com), [নিত্য নারাসিমহান](https://twitter.com/nitya), [জালেন ম্যাকগি](https://twitter.com/JalenMcG), [জেন লুপার](https://twitter.com/jenlooper), [মড লেভি](https://twitter.com/maudstweets), [টিফানি সাউটার](https://twitter.com/TiffanySouterre), [ক্রিস্টোফার হ্যারিসন](https://www.twitter.com/geektrainer)। -**🙏 বিশেষ ধন্যবাদ 🙏 আমাদের [মাইক্রোসফট স্টুডেন্ট অ্যাম্বাসেডর](https://studentambassadors.microsoft.com/) লেখক, পর্যালোচক এবং বিষয়বস্তু অবদানকারীদের প্রতি,** বিশেষত আরিয়ান অরোরা, [আদিত্য গার্গ](https://github.com/AdityaGarg00), [আলন্দ্রা সানচেজ](https://www.linkedin.com/in/alondra-sanchez-molina/), [অঙ্কিতা সিং](https://www.linkedin.com/in/ankitasingh007), [অনুপম মিশ্র](https://www.linkedin.com/in/anupam--mishra/), [অর্পিতা দাস](https://www.linkedin.com/in/arpitadas01/), ছাইলবিহারী দুবে, [ডিব্রি এনসোফর](https://www.linkedin.com/in/dibrinsofor), [দিশিতা ভাসিন](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [মাজদ সাফি](https://www.linkedin.com/in/majd-s/), [ম্যাক্স ব্লুম](https://www.linkedin.com/in/max-blum-6036a1186/), [মিগুয়েল কোরিয়া](https://www.linkedin.com/in/miguelmque/), [মোহাম্মা ইফতেখার (ইফটু) ইবনে জালাল](https://twitter.com/iftu119), [নাওরিন তাবাসসুম](https://www.linkedin.com/in/nawrin-tabassum), [রেমন্ড ওয়াংসা পুত্র](https://www.linkedin.com/in/raymond-wp/), [রোহিত যাদব](https://www.linkedin.com/in/rty2423), সমৃদ্ধি শর্মা, [সানিয়া সিনহা](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [শীনা নারুলা](https://www.linkedin.com/in/sheena-narua-n/), [তৌকির আহমদ](https://www.linkedin.com/in/tauqeerahmad5201/), যোগেন্দ্রসিংহ পাওয়ার, [বিদুষি গুপ্ত](https://www.linkedin.com/in/vidushi-gupta07/), [জাসলিন সোনধি](https://www.linkedin.com/in/jasleen-sondhi/)। +**🙏 বিশেষ ধন্যবাদ 🙏 আমাদের [মাইক্রোসফট স্টুডেন্ট অ্যাম্বাসেডর](https://studentambassadors.microsoft.com/) লেখক, পর্যালোচক এবং বিষয়বস্তু অবদানকারীদের প্রতি,** বিশেষত আরিয়ান অরোরা, [আদিত্য গার্গ](https://github.com/AdityaGarg00), [আলন্দ্রা সানচেজ](https://www.linkedin.com/in/alondra-sanchez-molina/), [অঙ্কিতা সিং](https://www.linkedin.com/in/ankitasingh007), [অনুপম মিশ্র](https://www.linkedin.com/in/anupam--mishra/), [অর্পিতা দাস](https://www.linkedin.com/in/arpitadas01/), চহাইলবিহারী দুবে, [ডিব্রি এনসোফর](https://www.linkedin.com/in/dibrinsofor), [দিশিতা ভাসিন](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [মাজদ সাফি](https://www.linkedin.com/in/majd-s/), [ম্যাক্স ব্লুম](https://www.linkedin.com/in/max-blum-6036a1186/), [মিগুয়েল কোরিয়া](https://www.linkedin.com/in/miguelmque/), [মোহাম্মা ইফতেখার (ইফটু) ইবনে জালাল](https://twitter.com/iftu119), [নাওরিন তাবাসসুম](https://www.linkedin.com/in/nawrin-tabassum), [রেমন্ড ওয়াংসা পুত্র](https://www.linkedin.com/in/raymond-wp/), [রোহিত যাদব](https://www.linkedin.com/in/rty2423), সমৃদ্ধি শর্মা, [সানিয়া সিনহা](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [শীনা নারুলা](https://www.linkedin.com/in/sheena-narua-n/), [তৌকির আহমদ](https://www.linkedin.com/in/tauqeerahmad5201/), যোগেন্দ্রসিংহ পাওয়ার, [বিদুষি গুপ্ত](https://www.linkedin.com/in/vidushi-gupta07/), [জাসলিন সোনধি](https://www.linkedin.com/in/jasleen-sondhi/)। |![স্কেচনোট @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.bn.png)| |:---:| -| ডেটা সায়েন্সের জন্য শিক্ষার্থীদের - _স্কেচনোট [@nitya](https://twitter.com/nitya)_ | +| ডেটা সায়েন্স শিক্ষার্থীদের জন্য - _স্কেচনোট [@nitya](https://twitter.com/nitya)_ | ### 🌐 বহু-ভাষার সমর্থন -#### GitHub Action এর মাধ্যমে সমর্থিত (স্বয়ংক্রিয় এবং সর্বদা আপডেটেড) +#### GitHub Action-এর মাধ্যমে সমর্থিত (স্বয়ংক্রিয় এবং সর্বদা আপডেটেড) -[ফরাসি](../fr/README.md) | [স্প্যানিশ](../es/README.md) | [জার্মান](../de/README.md) | [রাশিয়ান](../ru/README.md) | [আরবি](../ar/README.md) | [ফার্সি](../fa/README.md) | [উর্দু](../ur/README.md) | [চীনা (সরলীকৃত)](../zh/README.md) | [চীনা (প্রথাগত, ম্যাকাও)](../mo/README.md) | [চীনা (প্রথাগত, হংকং)](../hk/README.md) | [চীনা (প্রথাগত, তাইওয়ান)](../tw/README.md) | [জাপানি](../ja/README.md) | [কোরিয়ান](../ko/README.md) | [হিন্দি](../hi/README.md) | [বাংলা](./README.md) | [মারাঠি](../mr/README.md) | [নেপালি](../ne/README.md) | [পাঞ্জাবি (গুরমুখী)](../pa/README.md) | [পর্তুগিজ (পর্তুগাল)](../pt/README.md) | [পর্তুগিজ (ব্রাজিল)](../br/README.md) | [ইতালিয়ান](../it/README.md) | [পোলিশ](../pl/README.md) | [তুর্কি](../tr/README.md) | [গ্রিক](../el/README.md) | [থাই](../th/README.md) | [সুইডিশ](../sv/README.md) | [ড্যানিশ](../da/README.md) | [নরওয়েজিয়ান](../no/README.md) | [ফিনিশ](../fi/README.md) | [ডাচ](../nl/README.md) | [হিব্রু](../he/README.md) | [ভিয়েতনামি](../vi/README.md) | [ইন্দোনেশিয়ান](../id/README.md) | [মালয়](../ms/README.md) | [টাগালগ (ফিলিপিনো)](../tl/README.md) | [সোয়াহিলি](../sw/README.md) | [হাঙ্গেরিয়ান](../hu/README.md) | [চেক](../cs/README.md) | [স্লোভাক](../sk/README.md) | [রোমানিয়ান](../ro/README.md) | [বুলগেরিয়ান](../bg/README.md) | [সার্বিয়ান (সিরিলিক)](../sr/README.md) | [ক্রোয়েশিয়ান](../hr/README.md) | [স্লোভেনিয়ান](../sl/README.md) | [ইউক্রেনিয়ান](../uk/README.md) | [বর্মি (মায়ানমার)](../my/README.md) +[ফরাসি](../fr/README.md) | [স্প্যানিশ](../es/README.md) | [জার্মান](../de/README.md) | [রাশিয়ান](../ru/README.md) | [আরবি](../ar/README.md) | [ফার্সি (পার্সিয়ান)](../fa/README.md) | [উর্দু](../ur/README.md) | [চীনা (সরলীকৃত)](../zh/README.md) | [চীনা (প্রথাগত, ম্যাকাও)](../mo/README.md) | [চীনা (প্রথাগত, হংকং)](../hk/README.md) | [চীনা (প্রথাগত, তাইওয়ান)](../tw/README.md) | [জাপানি](../ja/README.md) | [কোরিয়ান](../ko/README.md) | [হিন্দি](../hi/README.md) | [বাংলা](./README.md) | [মারাঠি](../mr/README.md) | [নেপালি](../ne/README.md) | [পাঞ্জাবি (গুরমুখী)](../pa/README.md) | [পর্তুগিজ (পর্তুগাল)](../pt/README.md) | [পর্তুগিজ (ব্রাজিল)](../br/README.md) | [ইতালিয়ান](../it/README.md) | [পোলিশ](../pl/README.md) | [তুর্কি](../tr/README.md) | [গ্রিক](../el/README.md) | [থাই](../th/README.md) | [সুইডিশ](../sv/README.md) | [ড্যানিশ](../da/README.md) | [নরওয়েজিয়ান](../no/README.md) | [ফিনিশ](../fi/README.md) | [ডাচ](../nl/README.md) | [হিব্রু](../he/README.md) | [ভিয়েতনামি](../vi/README.md) | [ইন্দোনেশিয়ান](../id/README.md) | [মালয়](../ms/README.md) | [টাগালগ (ফিলিপিনো)](../tl/README.md) | [সোয়াহিলি](../sw/README.md) | [হাঙ্গেরিয়ান](../hu/README.md) | [চেক](../cs/README.md) | [স্লোভাক](../sk/README.md) | [রোমানিয়ান](../ro/README.md) | [বুলগেরিয়ান](../bg/README.md) | [সার্বিয়ান (সিরিলিক)](../sr/README.md) | [ক্রোয়েশিয়ান](../hr/README.md) | [স্লোভেনিয়ান](../sl/README.md) | [ইউক্রেনিয়ান](../uk/README.md) | [বর্মি (মায়ানমার)](../my/README.md) -**যদি আপনি অতিরিক্ত ভাষার অনুবাদ চান, সমর্থিত ভাষার তালিকা [এখানে](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**যদি আপনি অতিরিক্ত অনুবাদ চান, সমর্থিত ভাষার তালিকা [এখানে](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### আমাদের সম্প্রদায়ে যোগ দিন [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -আমাদের Discord-এ AI শেখার সিরিজ চলছে, আরও জানুন এবং আমাদের সাথে যোগ দিন [Learn with AI Series](https://aka.ms/learnwithai/discord) ১৮ - ৩০ সেপ্টেম্বর, ২০২৫। আপনি GitHub Copilot ব্যবহার করে ডেটা সায়েন্সের টিপস এবং কৌশল শিখতে পারবেন। +আমাদের Discord-এ AI শেখার সিরিজ চলছে। আরও জানুন এবং আমাদের সাথে যোগ দিন [Learn with AI Series](https://aka.ms/learnwithai/discord) ১৮ - ৩০ সেপ্টেম্বর, ২০২৫। এখানে আপনি GitHub Copilot ব্যবহার করে ডেটা সায়েন্সের টিপস এবং কৌশল শিখতে পারবেন। -![AI শেখার সিরিজ](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.bn.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.bn.jpg) # আপনি কি একজন শিক্ষার্থী? নিম্নলিখিত সম্পদগুলি দিয়ে শুরু করুন: -- [স্টুডেন্ট হাব পৃষ্ঠা](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) এই পৃষ্ঠায়, আপনি শিক্ষার্থীদের জন্য প্রাথমিক সম্পদ, স্টুডেন্ট প্যাক এবং এমনকি বিনামূল্যে সার্টিফিকেট ভাউচার পাওয়ার উপায় খুঁজে পাবেন। এটি একটি পৃষ্ঠা যা আপনি বুকমার্ক করতে এবং সময়ে সময়ে পরীক্ষা করতে চান কারণ আমরা অন্তত মাসিকভাবে বিষয়বস্তু পরিবর্তন করি। -- [মাইক্রোসফট লার্ন স্টুডেন্ট অ্যাম্বাসেডর](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) একটি বৈশ্বিক শিক্ষার্থী অ্যাম্বাসেডর সম্প্রদায়ে যোগ দিন, এটি মাইক্রোসফটে আপনার প্রবেশের পথ হতে পারে। +- [স্টুডেন্ট হাব পেজ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) এই পেজে আপনি শিক্ষার্থীদের জন্য প্রাথমিক সম্পদ, স্টুডেন্ট প্যাক এবং এমনকি বিনামূল্যে সার্টিফিকেট ভাউচার পাওয়ার উপায় খুঁজে পাবেন। এটি একটি পেজ যা আপনি বুকমার্ক করতে এবং সময়ে সময়ে চেক করতে চাইবেন কারণ আমরা অন্তত মাসিকভাবে বিষয়বস্তু পরিবর্তন করি। +- [মাইক্রোসফট লার্ন স্টুডেন্ট অ্যাম্বাসেডর](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) একটি বৈশ্বিক শিক্ষার্থী অ্যাম্বাসেডর সম্প্রদায়ে যোগ দিন, এটি মাইক্রোসফটে প্রবেশের একটি উপায় হতে পারে। # শুরু করা -> **শিক্ষকগণ**: আমরা [কিছু পরামর্শ অন্তর্ভুক্ত করেছি](for-teachers.md) কীভাবে এই পাঠক্রম ব্যবহার করবেন। আমাদের [আলোচনা ফোরামে](https://github.com/microsoft/Data-Science-For-Beginners/discussions) আপনার মতামত জানাতে ভালো লাগবে! +> **সম্পূর্ণ শিক্ষার্থী**: ডেটা সায়েন্সে নতুন? আমাদের [শিক্ষার্থী-বান্ধব উদাহরণগুলি](examples/README.md) দিয়ে শুরু করুন! এই সহজ, ভালোভাবে মন্তব্যযুক্ত উদাহরণগুলি আপনাকে মূল বিষয়গুলি বুঝতে সাহায্য করবে পূর্ণ পাঠক্রমে প্রবেশ করার আগে। -> **[শিক্ষার্থীরা](https://aka.ms/student-page)**: এই পাঠক্রমটি নিজেরাই ব্যবহার করতে, পুরো রিপোজিটরি ফর্ক করুন এবং নিজেরাই অনুশীলন সম্পন্ন করুন, প্রাক-লেকচার কুইজ দিয়ে শুরু করুন। তারপর লেকচার পড়ুন এবং বাকি কার্যক্রম সম্পন্ন করুন। পাঠগুলি বুঝে প্রকল্প তৈরি করার চেষ্টা করুন, সমাধান কোড কপি না করে; তবে, সেই কোডটি প্রতিটি প্রকল্প-ভিত্তিক পাঠের /solutions ফোল্ডারে উপলব্ধ। আরেকটি ধারণা হতে পারে বন্ধুদের সাথে একটি স্টাডি গ্রুপ তৈরি করা এবং একসাথে বিষয়বস্তুটি পড়া। আরও অধ্যয়নের জন্য, আমরা [মাইক্রোসফট লার্ন](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) সুপারিশ করি। +> **শিক্ষকরা**: আমরা [কিছু পরামর্শ অন্তর্ভুক্ত করেছি](for-teachers.md) কীভাবে এই পাঠক্রম ব্যবহার করবেন। আমাদের [আলোচনা ফোরামে](https://github.com/microsoft/Data-Science-For-Beginners/discussions) আপনার মতামত জানাতে ভালো লাগবে! + +> **[শিক্ষার্থীরা](https://aka.ms/student-page)**: এই পাঠক্রমটি নিজের জন্য ব্যবহার করতে, পুরো রিপোজিটরি ফর্ক করুন এবং নিজে নিজে অনুশীলন সম্পন্ন করুন, প্রাক-লেকচার কুইজ দিয়ে শুরু করুন। তারপর লেকচার পড়ুন এবং বাকি কার্যক্রম সম্পন্ন করুন। পাঠগুলি বুঝে প্রকল্প তৈরি করার চেষ্টা করুন, সমাধান কোড কপি না করে; তবে, সেই কোডটি প্রতিটি প্রকল্প-ভিত্তিক পাঠের /solutions ফোল্ডারে উপলব্ধ। আরেকটি ধারণা হতে পারে বন্ধুদের সাথে একটি স্টাডি গ্রুপ তৈরি করা এবং একসাথে বিষয়বস্তুটি পড়া। আরও অধ্যয়নের জন্য, আমরা [মাইক্রোসফট লার্ন](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) সুপারিশ করি। ## দলকে জানুন @@ -73,9 +75,9 @@ CO_OP_TRANSLATOR_METADATA: ## শিক্ষাদান পদ্ধতি -আমরা এই পাঠক্রম তৈরি করার সময় দুটি শিক্ষাদান নীতি বেছে নিয়েছি: এটি প্রকল্প-ভিত্তিক নিশ্চিত করা এবং এতে ঘন ঘন কুইজ অন্তর্ভুক্ত করা। এই সিরিজের শেষে, শিক্ষার্থীরা ডেটা সায়েন্সের মৌলিক নীতিগুলি শিখবে, যার মধ্যে রয়েছে নৈতিক ধারণা, ডেটা প্রস্তুতি, ডেটার সাথে কাজ করার বিভিন্ন উপায়, ডেটা ভিজ্যুয়ালাইজেশন, ডেটা বিশ্লেষণ, ডেটা সায়েন্সের বাস্তব জীবনের ব্যবহার এবং আরও অনেক কিছু। +আমরা এই পাঠক্রম তৈরি করার সময় দুটি শিক্ষাদান নীতি বেছে নিয়েছি: এটি প্রকল্প-ভিত্তিক নিশ্চিত করা এবং ঘন ঘন কুইজ অন্তর্ভুক্ত করা। এই সিরিজের শেষে, শিক্ষার্থীরা ডেটা সায়েন্সের মৌলিক নীতিগুলি শিখবে, যার মধ্যে রয়েছে নৈতিক ধারণা, ডেটা প্রস্তুতি, ডেটা নিয়ে কাজ করার বিভিন্ন উপায়, ডেটা ভিজ্যুয়ালাইজেশন, ডেটা বিশ্লেষণ, ডেটা সায়েন্সের বাস্তব জীবনের ব্যবহার এবং আরও অনেক কিছু। -এছাড়াও, একটি ক্লাসের আগে একটি কম ঝুঁকির কুইজ শিক্ষার্থীর একটি বিষয় শেখার উদ্দেশ্য স্থাপন করে, যখন ক্লাসের পরে একটি দ্বিতীয় কুইজ আরও ধারণ নিশ্চিত করে। এই পাঠক্রমটি নমনীয় এবং মজাদার করার জন্য ডিজাইন করা হয়েছে এবং এটি সম্পূর্ণ বা আংশিকভাবে নেওয়া যেতে পারে। প্রকল্পগুলি ছোট থেকে শুরু হয় এবং ১০ সপ্তাহের চক্রের শেষে ক্রমশ জটিল হয়ে ওঠে। +এছাড়াও, একটি ক্লাসের আগে একটি কম-ঝুঁকির কুইজ শিক্ষার্থীর একটি বিষয় শেখার উদ্দেশ্য স্থাপন করে, যখন ক্লাসের পরে একটি দ্বিতীয় কুইজ আরও ধারণ নিশ্চিত করে। এই পাঠক্রমটি নমনীয় এবং মজাদার করার জন্য ডিজাইন করা হয়েছে এবং এটি সম্পূর্ণ বা আংশিকভাবে নেওয়া যেতে পারে। প্রকল্পগুলি ছোট থেকে শুরু হয় এবং ১০ সপ্তাহের চক্রের শেষে ক্রমশ জটিল হয়ে ওঠে। > আমাদের [আচরণবিধি](CODE_OF_CONDUCT.md), [অবদান](CONTRIBUTING.md), [অনুবাদ](TRANSLATIONS.md) নির্দেশিকা খুঁজুন। আমরা আপনার গঠনমূলক মতামতকে স্বাগত জানাই! @@ -91,100 +93,113 @@ CO_OP_TRANSLATOR_METADATA: - সম্পূরক পাঠ্য - অ্যাসাইনমেন্ট - [পর-পাঠ কুইজ](https://ff-quizzes.netlify.app/en/) +> **কুইজ সম্পর্কে একটি নোট**: সব কুইজ Quiz-App ফোল্ডারে সংরক্ষিত, যেখানে মোট ৪০টি কুইজ রয়েছে, প্রতিটিতে তিনটি প্রশ্ন। এগুলো পাঠের মধ্যে থেকে লিঙ্ক করা হয়েছে, তবে কুইজ অ্যাপটি লোকালভাবে চালানো বা Azure-এ ডিপ্লয় করা যেতে পারে; `quiz-app` ফোল্ডারের নির্দেশনা অনুসরণ করুন। এগুলো ধীরে ধীরে লোকালাইজ করা হচ্ছে। + +## 🎓 শিক্ষানবিসদের জন্য সহজ উদাহরণ + +**ডেটা সায়েন্সে নতুন?** আমরা একটি বিশেষ [উদাহরণ ডিরেক্টরি](examples/README.md) তৈরি করেছি যেখানে সহজ, ভালোভাবে মন্তব্য করা কোড রয়েছে যা আপনাকে শুরু করতে সাহায্য করবে: + +- 🌟 **হ্যালো ওয়ার্ল্ড** - আপনার প্রথম ডেটা সায়েন্স প্রোগ্রাম +- 📂 **ডেটা লোড করা** - ডেটাসেট পড়া এবং বিশ্লেষণ করা শিখুন +- 📊 **সহজ বিশ্লেষণ** - পরিসংখ্যান গণনা এবং প্যাটার্ন খুঁজে বের করা +- 📈 **মৌলিক ভিজ্যুয়ালাইজেশন** - চার্ট এবং গ্রাফ তৈরি করা +- 🔬 **বাস্তব প্রকল্প** - শুরু থেকে শেষ পর্যন্ত সম্পূর্ণ কর্মপ্রবাহ -> **কুইজ সম্পর্কে একটি নোট**: সমস্ত কুইজ Quiz-App ফোল্ডারে অন্তর্ভুক্ত, মোট ৪০টি কুইজ, প্রতিটিতে তিনটি প্রশ্ন। এগুলি পাঠের মধ্যে থেকে লিঙ্ক করা হয়েছে, তবে কুইজ অ্যাপটি স্থানীয়ভাবে চালানো বা Azure-এ ডিপ্লয় করা যেতে পারে; `quiz-app` ফোল্ডারে নির্দেশনা অনুসরণ করুন। এগুলি ধীরে ধীরে স্থানীয়করণ করা হচ্ছে। +প্রতিটি উদাহরণে প্রতিটি ধাপের বিস্তারিত মন্তব্য রয়েছে, যা একেবারে শিক্ষানবিসদের জন্য উপযুক্ত! + +👉 **[উদাহরণ দিয়ে শুরু করুন](examples/README.md)** 👈 ## পাঠসমূহ + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.bn.png)| |:---:| -| ডেটা সায়েন্স ফর বিগিনার্স: রোডম্যাপ - _স্কেচনোট [@nitya](https://twitter.com/nitya) দ্বারা_ | +| শিক্ষানবিসদের জন্য ডেটা সায়েন্স: রোডম্যাপ - _স্কেচনোট [@nitya](https://twitter.com/nitya) দ্বারা_ | -| লেসন নম্বর | বিষয় | লেসন গ্রুপিং | শেখার লক্ষ্য | সংযুক্ত লেসন | লেখক | +| পাঠ নম্বর | বিষয় | পাঠের বিভাগ | শেখার লক্ষ্য | লিঙ্ক করা পাঠ | লেখক | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | ডেটা সায়েন্স সংজ্ঞায়িত করা | [ভূমিকা](1-Introduction/README.md) | ডেটা সায়েন্সের মৌলিক ধারণাগুলি এবং এটি কীভাবে কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং এবং বিগ ডেটার সাথে সম্পর্কিত তা শিখুন। | [লেসন](1-Introduction/01-defining-data-science/README.md) [ভিডিও](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | ডেটা সায়েন্স নৈতিকতা | [ভূমিকা](1-Introduction/README.md) | ডেটা নৈতিকতার ধারণা, চ্যালেঞ্জ এবং কাঠামো। | [লেসন](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | ডেটা সংজ্ঞায়িত করা | [ভূমিকা](1-Introduction/README.md) | ডেটা কীভাবে শ্রেণীবদ্ধ হয় এবং এর সাধারণ উৎসগুলি। | [লেসন](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | পরিসংখ্যান ও সম্ভাবনার পরিচিতি | [ভূমিকা](1-Introduction/README.md) | ডেটা বোঝার জন্য সম্ভাবনা এবং পরিসংখ্যানের গাণিতিক কৌশল। | [লেসন](1-Introduction/04-stats-and-probability/README.md) [ভিডিও](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | সম্পর্কিত ডেটার সাথে কাজ করা | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | সম্পর্কিত ডেটার পরিচিতি এবং SQL (যাকে "see-quell" বলা হয়) ব্যবহার করে সম্পর্কিত ডেটা অন্বেষণ ও বিশ্লেষণের মৌলিক বিষয়। | [লেসন](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL ডেটার সাথে কাজ করা | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | অ-সম্পর্কিত ডেটার পরিচিতি, এর বিভিন্ন প্রকার এবং ডকুমেন্ট ডেটাবেস অন্বেষণ ও বিশ্লেষণের মৌলিক বিষয়। | [লেসন](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | পাইথনের সাথে কাজ করা | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | Pandas-এর মতো লাইব্রেরি ব্যবহার করে ডেটা অন্বেষণের জন্য পাইথন ব্যবহারের মৌলিক বিষয়। পাইথন প্রোগ্রামিংয়ের প্রাথমিক ধারণা সুপারিশ করা হয়। | [লেসন](2-Working-With-Data/07-python/README.md) [ভিডিও](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | ডেটা প্রস্তুতি | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | অনুপস্থিত, ভুল বা অসম্পূর্ণ ডেটা পরিচালনার জন্য ডেটা পরিষ্কার ও রূপান্তর করার কৌশল। | [লেসন](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | পরিমাণের ভিজ্যুয়ালাইজেশন | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | Matplotlib ব্যবহার করে পাখির ডেটা 🦆 ভিজ্যুয়ালাইজ করতে শিখুন। | [লেসন](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | ডেটার বিতরণ ভিজ্যুয়ালাইজেশন | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | একটি অন্তরালের মধ্যে পর্যবেক্ষণ ও প্রবণতা ভিজ্যুয়ালাইজ করা। | [লেসন](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | অনুপাতের ভিজ্যুয়ালাইজেশন | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | পৃথক ও গোষ্ঠীভুক্ত শতাংশ ভিজ্যুয়ালাইজ করা। | [লেসন](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | সম্পর্কের ভিজ্যুয়ালাইজেশন | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | ডেটার সেট এবং এর ভেরিয়েবলগুলির মধ্যে সংযোগ ও সম্পর্ক ভিজ্যুয়ালাইজ করা। | [লেসন](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | অর্থপূর্ণ ভিজ্যুয়ালাইজেশন | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | কার্যকর সমস্যা সমাধান ও অন্তর্দৃষ্টির জন্য আপনার ভিজ্যুয়ালাইজেশনকে মূল্যবান করার কৌশল ও নির্দেশিকা। | [লেসন](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | ডেটা সায়েন্স লাইফসাইকেলের পরিচিতি | [লাইফসাইকেল](4-Data-Science-Lifecycle/README.md) | ডেটা সায়েন্স লাইফসাইকেলের পরিচিতি এবং ডেটা সংগ্রহ ও নিষ্কাশনের প্রথম ধাপ। | [লেসন](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | বিশ্লেষণ | [লাইফসাইকেল](4-Data-Science-Lifecycle/README.md) | ডেটা বিশ্লেষণের কৌশলগুলির উপর ভিত্তি করে ডেটা সায়েন্স লাইফসাইকেলের এই ধাপ। | [লেসন](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | যোগাযোগ | [লাইফসাইকেল](4-Data-Science-Lifecycle/README.md) | ডেটা থেকে অন্তর্দৃষ্টি উপস্থাপন করার উপর ভিত্তি করে এই ধাপটি সিদ্ধান্ত গ্রহণকারীদের জন্য সহজবোধ্য করে তোলে। | [লেসন](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | ক্লাউডে ডেটা সায়েন্স | [ক্লাউড ডেটা](5-Data-Science-In-Cloud/README.md) | ক্লাউডে ডেটা সায়েন্স এবং এর সুবিধাগুলির পরিচিতি। | [লেসন](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) এবং [Maud](https://twitter.com/maudstweets) | -| 18 | ক্লাউডে ডেটা সায়েন্স | [ক্লাউড ডেটা](5-Data-Science-In-Cloud/README.md) | লো কোড টুল ব্যবহার করে মডেল প্রশিক্ষণ। |[লেসন](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) এবং [Maud](https://twitter.com/maudstweets) | -| 19 | ক্লাউডে ডেটা সায়েন্স | [ক্লাউড ডেটা](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ব্যবহার করে মডেল স্থাপন। | [লেসন](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) এবং [Maud](https://twitter.com/maudstweets) | -| 20 | বাস্তব জীবনে ডেটা সায়েন্স | [বাস্তব জীবনে](6-Data-Science-In-Wild/README.md) | বাস্তব জীবনের ডেটা সায়েন্স চালিত প্রকল্প। | [লেসন](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | ডেটা সায়েন্সের সংজ্ঞা | [ভূমিকা](1-Introduction/README.md) | ডেটা সায়েন্সের মৌলিক ধারণা এবং এটি কৃত্রিম বুদ্ধিমত্তা, মেশিন লার্নিং এবং বিগ ডেটার সাথে কীভাবে সম্পর্কিত তা শিখুন। | [পাঠ](1-Introduction/01-defining-data-science/README.md) [ভিডিও](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | ডেটা সায়েন্সের নৈতিকতা | [ভূমিকা](1-Introduction/README.md) | ডেটা নৈতিকতার ধারণা, চ্যালেঞ্জ এবং কাঠামো। | [পাঠ](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | ডেটার সংজ্ঞা | [ভূমিকা](1-Introduction/README.md) | ডেটা কীভাবে শ্রেণীবদ্ধ করা হয় এবং এর সাধারণ উৎস। | [পাঠ](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | পরিসংখ্যান ও সম্ভাবনার ভূমিকা | [ভূমিকা](1-Introduction/README.md) | ডেটা বোঝার জন্য সম্ভাবনা এবং পরিসংখ্যানের গাণিতিক কৌশল। | [পাঠ](1-Introduction/04-stats-and-probability/README.md) [ভিডিও](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | সম্পর্কযুক্ত ডেটার সাথে কাজ করা | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | সম্পর্কযুক্ত ডেটার পরিচিতি এবং SQL (যাকে "see-quell" বলা হয়) ব্যবহার করে সম্পর্কযুক্ত ডেটা বিশ্লেষণ ও অনুসন্ধানের মৌলিক বিষয়। | [পাঠ](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL ডেটার সাথে কাজ করা | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | অ-সম্পর্কযুক্ত ডেটার পরিচিতি, এর বিভিন্ন প্রকার এবং ডকুমেন্ট ডেটাবেস বিশ্লেষণের মৌলিক বিষয়। | [পাঠ](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | পাইথনের সাথে কাজ করা | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | Pandas-এর মতো লাইব্রেরি ব্যবহার করে ডেটা অনুসন্ধানের জন্য পাইথন ব্যবহার করার মৌলিক বিষয়। পাইথন প্রোগ্রামিংয়ের প্রাথমিক ধারণা সুপারিশ করা হয়। | [পাঠ](2-Working-With-Data/07-python/README.md) [ভিডিও](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | ডেটা প্রস্তুতি | [ডেটার সাথে কাজ করা](2-Working-With-Data/README.md) | ডেটা পরিষ্কার এবং রূপান্তর করার কৌশল নিয়ে আলোচনা, যেমন অনুপস্থিত, ভুল বা অসম্পূর্ণ ডেটা পরিচালনা। | [পাঠ](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | পরিমাণের ভিজ্যুয়ালাইজেশন | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | Matplotlib ব্যবহার করে পাখির ডেটা 🦆 ভিজ্যুয়ালাইজ করতে শিখুন। | [পাঠ](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | ডেটার বিতরণ ভিজ্যুয়ালাইজ করা | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | একটি ইন্টারভালের মধ্যে পর্যবেক্ষণ এবং প্রবণতা ভিজ্যুয়ালাইজ করা। | [পাঠ](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | অনুপাত ভিজ্যুয়ালাইজ করা | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | পৃথক এবং গোষ্ঠীভুক্ত শতাংশ ভিজ্যুয়ালাইজ করা। | [পাঠ](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | সম্পর্ক ভিজ্যুয়ালাইজ করা | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | ডেটার সেট এবং এর ভেরিয়েবলগুলোর মধ্যে সংযোগ এবং সম্পর্ক ভিজ্যুয়ালাইজ করা। | [পাঠ](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | অর্থপূর্ণ ভিজ্যুয়ালাইজেশন | [ডেটা ভিজ্যুয়ালাইজেশন](3-Data-Visualization/README.md) | আপনার ভিজ্যুয়ালাইজেশনকে কার্যকর সমস্যা সমাধান এবং অন্তর্দৃষ্টির জন্য মূল্যবান করার কৌশল এবং নির্দেশনা। | [পাঠ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | ডেটা সায়েন্স লাইফসাইকেলের ভূমিকা | [লাইফসাইকেল](4-Data-Science-Lifecycle/README.md) | ডেটা সায়েন্স লাইফসাইকেলের পরিচিতি এবং ডেটা সংগ্রহ ও নিষ্কাশনের প্রথম ধাপ। | [পাঠ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | বিশ্লেষণ | [লাইফসাইকেল](4-Data-Science-Lifecycle/README.md) | ডেটা সায়েন্স লাইফসাইকেলের এই ধাপে ডেটা বিশ্লেষণের কৌশল। | [পাঠ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | যোগাযোগ | [লাইফসাইকেল](4-Data-Science-Lifecycle/README.md) | ডেটা থেকে পাওয়া অন্তর্দৃষ্টি এমনভাবে উপস্থাপন করা যাতে সিদ্ধান্ত গ্রহণকারীদের জন্য তা সহজ হয়। | [পাঠ](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | ক্লাউডে ডেটা সায়েন্স | [ক্লাউড ডেটা](5-Data-Science-In-Cloud/README.md) | ক্লাউডে ডেটা সায়েন্স এবং এর সুবিধাগুলো নিয়ে পাঠ। | [পাঠ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) এবং [Maud](https://twitter.com/maudstweets) | +| 18 | ক্লাউডে ডেটা সায়েন্স | [ক্লাউড ডেটা](5-Data-Science-In-Cloud/README.md) | লো কোড টুল ব্যবহার করে মডেল প্রশিক্ষণ। |[পাঠ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) এবং [Maud](https://twitter.com/maudstweets) | +| 19 | ক্লাউডে ডেটা সায়েন্স | [ক্লাউড ডেটা](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ব্যবহার করে মডেল ডিপ্লয় করা। | [পাঠ](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) এবং [Maud](https://twitter.com/maudstweets) | +| 20 | বাস্তব জীবনে ডেটা সায়েন্স | [বাস্তব জীবনে](6-Data-Science-In-Wild/README.md) | বাস্তব জীবনের ডেটা সায়েন্স চালিত প্রকল্প। | [পাঠ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Codespace-এ এই নমুনা খুলতে নিচের ধাপগুলি অনুসরণ করুন: +Codespace-এ এই নমুনা খুলতে নিচের ধাপগুলো অনুসরণ করুন: 1. Code ড্রপ-ডাউন মেনুতে ক্লিক করুন এবং Open with Codespaces অপশনটি নির্বাচন করুন। 2. প্যানেলের নিচে + New codespace নির্বাচন করুন। -আরও তথ্যের জন্য, [GitHub ডকুমেন্টেশন](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) দেখুন। +আরও তথ্যের জন্য [GitHub ডকুমেন্টেশন](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) দেখুন। ## VSCode Remote - Containers -আপনার স্থানীয় মেশিন এবং VSCode ব্যবহার করে VS Code Remote - Containers এক্সটেনশন দিয়ে এই রিপোজিটরি একটি কন্টেইনারে খুলতে নিচের ধাপগুলি অনুসরণ করুন: +আপনার লোকাল মেশিন এবং VSCode ব্যবহার করে এই রিপোজিটরি একটি কন্টেইনারে খুলতে নিচের ধাপগুলো অনুসরণ করুন: -1. যদি এটি আপনার প্রথমবার ডেভেলপমেন্ট কন্টেইনার ব্যবহার হয়, তাহলে নিশ্চিত করুন যে আপনার সিস্টেম প্রয়োজনীয়তা পূরণ করে (যেমন Docker ইনস্টল করা আছে) [শুরু করার ডকুমেন্টেশন](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) এ। +1. যদি এটি আপনার প্রথমবার ডেভেলপমেন্ট কন্টেইনার ব্যবহার হয়, তাহলে নিশ্চিত করুন যে আপনার সিস্টেম প্রি-রেক মিট করে (যেমন Docker ইনস্টল করা আছে) [শুরু করার ডকুমেন্টেশন](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) অনুযায়ী। -এই রিপোজিটরি ব্যবহার করতে, আপনি হয় রিপোজিটরিটি একটি বিচ্ছিন্ন Docker ভলিউমে খুলতে পারেন: +এই রিপোজিটরি ব্যবহার করতে, আপনি হয় রিপোজিটরিটি একটি আইসোলেটেড Docker ভলিউমে খুলতে পারেন: -**নোট**: ভিতরে, এটি Remote-Containers: **Clone Repository in Container Volume...** কমান্ড ব্যবহার করবে যা স্থানীয় ফাইল সিস্টেমের পরিবর্তে Docker ভলিউমে সোর্স কোড ক্লোন করবে। [Volumes](https://docs.docker.com/storage/volumes/) কন্টেইনার ডেটা সংরক্ষণের জন্য পছন্দনীয় পদ্ধতি। +**নোট**: এর পেছনে, এটি Remote-Containers: **Clone Repository in Container Volume...** কমান্ড ব্যবহার করবে যা সোর্স কোডকে লোকাল ফাইল সিস্টেমের পরিবর্তে একটি Docker ভলিউমে ক্লোন করবে। [Volumes](https://docs.docker.com/storage/volumes/) কন্টেইনার ডেটা সংরক্ষণের জন্য পছন্দনীয় পদ্ধতি। -অথবা স্থানীয়ভাবে ক্লোন করা বা ডাউনলোড করা রিপোজিটরির একটি সংস্করণ খুলুন: +অথবা লোকালভাবে ক্লোন করা বা ডাউনলোড করা রিপোজিটরিটি খুলতে পারেন: -- এই রিপোজিটরিটি আপনার স্থানীয় ফাইল সিস্টেমে ক্লোন করুন। +- এই রিপোজিটরিটি আপনার লোকাল ফাইল সিস্টেমে ক্লোন করুন। - F1 চাপুন এবং **Remote-Containers: Open Folder in Container...** কমান্ড নির্বাচন করুন। -- এই ফোল্ডারের ক্লোন করা কপি নির্বাচন করুন, কন্টেইনারটি শুরু হওয়ার জন্য অপেক্ষা করুন এবং পরীক্ষা করুন। +- এই ফোল্ডারের ক্লোন করা কপি নির্বাচন করুন, কন্টেইনারটি শুরু হওয়ার জন্য অপেক্ষা করুন এবং পরীক্ষা করুন। ## অফলাইন অ্যাক্সেস -আপনি [Docsify](https://docsify.js.org/#/) ব্যবহার করে এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপোজিটরি ফর্ক করুন, [Docsify ইনস্টল করুন](https://docsify.js.org/#/quickstart) আপনার স্থানীয় মেশিনে, তারপর এই রিপোজিটরির মূল ফোল্ডারে `docsify serve` টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টে পোর্ট 3000-এ পরিবেশন করা হবে: `localhost:3000`। +আপনি [Docsify](https://docsify.js.org/#/) ব্যবহার করে এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপোজিটরি ফর্ক করুন, [Docsify ইনস্টল](https://docsify.js.org/#/quickstart) করুন আপনার লোকাল মেশিনে, তারপর এই রিপোজিটরির রুট ফোল্ডারে `docsify serve` টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টে পোর্ট ৩০০০-এ পরিবেশন করা হবে: `localhost:3000`। -> নোট, নোটবুকগুলি Docsify-এর মাধ্যমে রেন্ডার করা হবে না, তাই যখন আপনাকে একটি নোটবুক চালাতে হবে, এটি আলাদাভাবে VS Code-এ একটি পাইথন কার্নেল চালিয়ে করুন। +> নোট, নোটবুকগুলো Docsify-এ রেন্ডার হবে না, তাই যখন আপনাকে নোটবুক চালাতে হবে, তা আলাদাভাবে VS Code-এ Python kernel চালিয়ে করুন। ## অন্যান্য কারিকুলাম আমাদের টিম অন্যান্য কারিকুলাম তৈরি করে! দেখুন: -- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) -- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) -- [Generative AI for Beginners](https://aka.ms/genai-beginners) +- [শিক্ষানবিসদের জন্য Edge AI](https://aka.ms/edgeai-for-beginners) +- [শিক্ষানবিসদের জন্য AI এজেন্ট](https://aka.ms/ai-agents-beginners) +- [শিক্ষানবিসদের জন্য Generative AI](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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) - -## সাহায্য পাওয়া - -যদি আপনি আটকে যান বা AI অ্যাপ তৈরি করার বিষয়ে কোনো প্রশ্ন থাকে, যোগ দিন: +- [JavaScript দিয়ে Generative AI](https://github.com/microsoft/generative-ai-with-javascript) +- [Java দিয়ে Generative AI](https://aka.ms/genaijava) +- [শিক্ষানবিসদের জন্য AI](https://aka.ms/ai-beginners) +- [শিক্ষানবিসদের জন্য ডেটা সায়েন্স](https://aka.ms/datascience-beginners) +- [শিক্ষানবিসদের জন্য Bash](https://github.com/microsoft/bash-for-beginners) +- [শিক্ষানবিসদের জন্য ML](https://aka.ms/ml-beginners) +- [শিক্ষানবিসদের জন্য সাইবার সিকিউরিটি](https://github.com/microsoft/Security-101) +- [শিক্ষানবিসদের জন্য ওয়েব ডেভেলপমেন্ট](https://aka.ms/webdev-beginners) +- [শিক্ষানবিসদের জন্য IoT](https://aka.ms/iot-beginners) +- [শিক্ষানবিসদের জন্য মেশিন লার্নিং](https://aka.ms/ml-beginners) +- [শিক্ষানবিসদের জন্য XR ডেভেলপমেন্ট](https://aka.ms/xr-dev-for-beginners) +- [AI পেয়ারড প্রোগ্রামিংয়ের জন্য GitHub Copilot মাস্টারি](https://aka.ms/GitHubCopilotAI) +- [শিক্ষানবিসদের জন্য XR ডেভেলপমেন্ট](https://github.com/microsoft/xr-development-for-beginners) +- [C#/.NET ডেভেলপারদের জন্য GitHub Copilot মাস্টারি](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [আপনার নিজস্ব Copilot অ্যাডভেঞ্চার নির্বাচন করুন](https://github.com/microsoft/CopilotAdventures) + +## সাহায্য পাওয়া + +যদি আপনি আটকে যান বা AI অ্যাপ তৈরি নিয়ে কোনো প্রশ্ন থাকে, যোগ দিন: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -যদি আপনার প্রোডাক্ট ফিডব্যাক বা বিল্ডিংয়ের সময় কোনো ত্রুটি থাকে, দেখুন: - +যদি কোনো প্রোডাক্ট ফিডব্যাক বা বিল্ডিংয়ে ত্রুটি থাকে, দেখুন: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **অস্বীকৃতি**: -এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতা নিশ্চিত করার চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা দায়বদ্ধ থাকব না। \ No newline at end of file +এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা দায়বদ্ধ থাকব না। \ No newline at end of file diff --git a/translations/bn/examples/README.md b/translations/bn/examples/README.md new file mode 100644 index 00000000..7d109b2d --- /dev/null +++ b/translations/bn/examples/README.md @@ -0,0 +1,149 @@ + +# ডেটা সায়েন্সের জন্য সহজ উদাহরণ + +উদাহরণ ডিরেক্টরিতে আপনাকে স্বাগতম! এই সহজ, বিস্তারিত মন্তব্যসহ উদাহরণগুলো এমনভাবে ডিজাইন করা হয়েছে যাতে আপনি ডেটা সায়েন্স শুরু করতে পারেন, এমনকি আপনি যদি একেবারে নতুন হন। + +## 📚 এখানে আপনি কী পাবেন + +প্রতিটি উদাহরণ স্বয়ংসম্পূর্ণ এবং এতে অন্তর্ভুক্ত: +- **স্পষ্ট মন্তব্য** যা প্রতিটি ধাপ ব্যাখ্যা করে +- **সহজ, পড়ার উপযোগী কোড** যা একবারে একটি ধারণা প্রদর্শন করে +- **বাস্তব জীবনের প্রেক্ষাপট** যা আপনাকে বুঝতে সাহায্য করবে কখন এবং কেন এই কৌশলগুলো ব্যবহার করবেন +- **প্রত্যাশিত আউটপুট** যাতে আপনি জানেন কী খুঁজতে হবে + +## 🚀 শুরু করার উপায় + +### পূর্বশর্ত +এই উদাহরণগুলো চালানোর আগে নিশ্চিত করুন যে আপনার কাছে রয়েছে: +- Python 3.7 বা তার চেয়ে উচ্চতর সংস্করণ ইনস্টল করা +- Python স্ক্রিপ্ট চালানোর মৌলিক ধারণা + +### প্রয়োজনীয় লাইব্রেরি ইনস্টল করা +```bash +pip install pandas numpy matplotlib +``` + +## 📖 উদাহরণগুলোর সংক্ষিপ্ত বিবরণ + +### ১. হ্যালো ওয়ার্ল্ড - ডেটা সায়েন্স স্টাইল +**ফাইল:** `01_hello_world_data_science.py` + +আপনার প্রথম ডেটা সায়েন্স প্রোগ্রাম! শিখুন কীভাবে: +- একটি সহজ ডেটাসেট লোড করবেন +- আপনার ডেটার মৌলিক তথ্য প্রদর্শন করবেন +- আপনার প্রথম ডেটা সায়েন্স আউটপুট প্রিন্ট করবেন + +যারা একেবারে নতুন এবং তাদের প্রথম ডেটা সায়েন্স প্রোগ্রাম দেখতে চান তাদের জন্য উপযুক্ত। + +--- + +### ২. ডেটা লোড এবং অনুসন্ধান +**ফাইল:** `02_loading_data.py` + +ডেটার সাথে কাজ করার মৌলিক বিষয়গুলো শিখুন: +- CSV ফাইল থেকে ডেটা পড়া +- ডেটাসেটের প্রথম কয়েকটি সারি দেখা +- ডেটার মৌলিক পরিসংখ্যান পাওয়া +- ডেটার ধরণ বোঝা + +এটি প্রায়শই যেকোনো ডেটা সায়েন্স প্রকল্পের প্রথম ধাপ! + +--- + +### ৩. সহজ ডেটা বিশ্লেষণ +**ফাইল:** `03_simple_analysis.py` + +আপনার প্রথম ডেটা বিশ্লেষণ করুন: +- মৌলিক পরিসংখ্যান (গড়, মধ্যমা, মোড) গণনা করা +- সর্বোচ্চ এবং সর্বনিম্ন মান খুঁজে বের করা +- মানগুলোর উপস্থিতি গণনা করা +- শর্তের ভিত্তিতে ডেটা ফিল্টার করা + +আপনার ডেটা সম্পর্কে সহজ প্রশ্নের উত্তর কীভাবে দেবেন তা দেখুন। + +--- + +### ৪. ডেটা ভিজ্যুয়ালাইজেশনের বুনিয়াদি +**ফাইল:** `04_basic_visualization.py` + +আপনার প্রথম ভিজ্যুয়ালাইজেশন তৈরি করুন: +- একটি সহজ বার চার্ট তৈরি করা +- একটি লাইন প্লট তৈরি করা +- একটি পাই চার্ট তৈরি করা +- আপনার ভিজ্যুয়ালাইজেশনগুলো ইমেজ হিসেবে সংরক্ষণ করা + +আপনার অনুসন্ধানগুলো ভিজ্যুয়ালি যোগাযোগ করতে শিখুন! + +--- + +### ৫. বাস্তব ডেটার সাথে কাজ করা +**ফাইল:** `05_real_world_example.py` + +সবকিছু একত্রিত করুন একটি সম্পূর্ণ উদাহরণের মাধ্যমে: +- রিপোজিটরি থেকে বাস্তব ডেটা লোড করা +- ডেটা পরিষ্কার এবং প্রস্তুত করা +- বিশ্লেষণ করা +- অর্থবহ ভিজ্যুয়ালাইজেশন তৈরি করা +- উপসংহার টানা + +এই উদাহরণটি শুরু থেকে শেষ পর্যন্ত একটি সম্পূর্ণ কর্মপ্রবাহ দেখায়। + +--- + +## 🎯 এই উদাহরণগুলো কীভাবে ব্যবহার করবেন + +1. **শুরু থেকে শুরু করুন**: উদাহরণগুলো কঠিনতার ক্রমে নম্বর দেওয়া হয়েছে। `01_hello_world_data_science.py` দিয়ে শুরু করুন এবং ধীরে ধীরে এগিয়ে যান। + +2. **মন্তব্যগুলো পড়ুন**: প্রতিটি ফাইলে বিস্তারিত মন্তব্য রয়েছে যা কোড কী করে এবং কেন করে তা ব্যাখ্যা করে। সেগুলো মনোযোগ দিয়ে পড়ুন! + +3. **পরীক্ষা করুন**: কোড পরিবর্তন করার চেষ্টা করুন। একটি মান পরিবর্তন করলে কী হয়? জিনিস ভেঙে ফেলুন এবং ঠিক করুন - এভাবেই আপনি শিখবেন! + +4. **কোড চালান**: প্রতিটি উদাহরণ চালান এবং আউটপুট দেখুন। এটি আপনার প্রত্যাশার সাথে তুলনা করুন। + +5. **এটি বাড়ান**: একটি উদাহরণ বুঝে গেলে, এটি আপনার নিজস্ব ধারণা দিয়ে প্রসারিত করার চেষ্টা করুন। + +## 💡 নতুনদের জন্য টিপস + +- **তাড়াহুড়ো করবেন না**: প্রতিটি উদাহরণ বুঝতে সময় নিন, তারপর পরবর্তীটিতে যান +- **নিজে কোড টাইপ করুন**: শুধু কপি-পেস্ট করবেন না। টাইপ করলে আপনি শিখবেন এবং মনে রাখবেন +- **অপরিচিত ধারণাগুলো খুঁজে দেখুন**: যদি এমন কিছু দেখেন যা আপনি বোঝেন না, অনলাইনে বা মূল পাঠে এটি খুঁজে দেখুন +- **প্রশ্ন করুন**: যদি সাহায্যের প্রয়োজন হয়, [আলোচনা ফোরামে](https://github.com/microsoft/Data-Science-For-Beginners/discussions) যোগ দিন +- **নিয়মিত অনুশীলন করুন**: সপ্তাহে একবার দীর্ঘ সেশনের পরিবর্তে প্রতিদিন একটু কোড করার চেষ্টা করুন + +## 🔗 পরবর্তী ধাপ + +এই উদাহরণগুলো শেষ করার পরে, আপনি প্রস্তুত: +- মূল পাঠক্রমের পাঠগুলো কাজ করার জন্য +- প্রতিটি পাঠ ফোল্ডারের অ্যাসাইনমেন্টগুলো চেষ্টা করার জন্য +- আরও গভীরভাবে শেখার জন্য Jupyter নোটবুকগুলো অন্বেষণ করার জন্য +- আপনার নিজস্ব ডেটা সায়েন্স প্রকল্প তৈরি করার জন্য + +## 📚 অতিরিক্ত সম্পদ + +- [মূল পাঠক্রম](../README.md) - সম্পূর্ণ ২০-লেসনের কোর্স +- [শিক্ষকদের জন্য](../for-teachers.md) - আপনার শ্রেণীকক্ষে এই পাঠক্রম ব্যবহার করা +- [Microsoft Learn](https://docs.microsoft.com/learn/) - বিনামূল্যে অনলাইন শেখার সম্পদ +- [Python ডকুমেন্টেশন](https://docs.python.org/3/) - অফিসিয়াল Python রেফারেন্স + +## 🤝 অবদান রাখা + +কোনো বাগ পেয়েছেন বা নতুন উদাহরণের জন্য একটি ধারণা আছে? আমরা অবদানকে স্বাগত জানাই! অনুগ্রহ করে আমাদের [অবদান নির্দেশিকা](../CONTRIBUTING.md) দেখুন। + +--- + +**শুভ শেখা! 🎉** + +মনে রাখবেন: প্রতিটি বিশেষজ্ঞ একসময় একজন শিক্ষানবিস ছিলেন। এক ধাপ এক ধাপ এগিয়ে যান এবং ভুল করতে ভয় পাবেন না - এগুলো শেখার অংশ! + +--- + +**অস্বীকৃতি**: +এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা দায়বদ্ধ থাকব না। \ No newline at end of file diff --git a/translations/br/README.md b/translations/br/README.md index 4c312626..dd88af5a 100644 --- a/translations/br/README.md +++ b/translations/br/README.md @@ -1,8 +1,8 @@ +# Exemplos de Ciência de Dados para Iniciantes + +Bem-vindo ao diretório de exemplos! Esta coleção de exemplos simples e bem comentados foi criada para ajudar você a começar com ciência de dados, mesmo que seja um completo iniciante. + +## 📚 O Que Você Vai Encontrar Aqui + +Cada exemplo é independente e inclui: +- **Comentários claros** explicando cada etapa +- **Código simples e legível** que demonstra um conceito de cada vez +- **Contexto do mundo real** para ajudar você a entender quando e por que usar essas técnicas +- **Saída esperada** para que você saiba o que procurar + +## 🚀 Começando + +### Pré-requisitos +Antes de executar esses exemplos, certifique-se de ter: +- Python 3.7 ou superior instalado +- Entendimento básico de como executar scripts Python + +### Instalando Bibliotecas Necessárias +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Visão Geral dos Exemplos + +### 1. Hello World - Estilo Ciência de Dados +**Arquivo:** `01_hello_world_data_science.py` + +Seu primeiro programa de ciência de dados! Aprenda a: +- Carregar um conjunto de dados simples +- Exibir informações básicas sobre seus dados +- Imprimir sua primeira saída de ciência de dados + +Perfeito para iniciantes absolutos que querem ver seu primeiro programa de ciência de dados em ação. + +--- + +### 2. Carregando e Explorando Dados +**Arquivo:** `02_loading_data.py` + +Aprenda os fundamentos de trabalhar com dados: +- Ler dados de arquivos CSV +- Visualizar as primeiras linhas do seu conjunto de dados +- Obter estatísticas básicas sobre seus dados +- Entender os tipos de dados + +Este é frequentemente o primeiro passo em qualquer projeto de ciência de dados! + +--- + +### 3. Análise Simples de Dados +**Arquivo:** `03_simple_analysis.py` + +Realize sua primeira análise de dados: +- Calcular estatísticas básicas (média, mediana, moda) +- Encontrar valores máximos e mínimos +- Contar ocorrências de valores +- Filtrar dados com base em condições + +Veja como responder a perguntas simples sobre seus dados. + +--- + +### 4. Noções Básicas de Visualização de Dados +**Arquivo:** `04_basic_visualization.py` + +Crie suas primeiras visualizações: +- Fazer um gráfico de barras simples +- Criar um gráfico de linha +- Gerar um gráfico de pizza +- Salvar suas visualizações como imagens + +Aprenda a comunicar suas descobertas visualmente! + +--- + +### 5. Trabalhando com Dados Reais +**Arquivo:** `05_real_world_example.py` + +Coloque tudo em prática com um exemplo completo: +- Carregar dados reais do repositório +- Limpar e preparar os dados +- Realizar análise +- Criar visualizações significativas +- Tirar conclusões + +Este exemplo mostra um fluxo de trabalho completo do início ao fim. + +--- + +## 🎯 Como Usar Esses Exemplos + +1. **Comece do início**: Os exemplos estão numerados em ordem de dificuldade. Comece com `01_hello_world_data_science.py` e avance. + +2. **Leia os comentários**: Cada arquivo tem comentários detalhados explicando o que o código faz e por quê. Leia-os com atenção! + +3. **Experimente**: Tente modificar o código. O que acontece se você mudar um valor? Quebre as coisas e conserte - é assim que você aprende! + +4. **Execute o código**: Execute cada exemplo e observe a saída. Compare com o que você esperava. + +5. **Construa sobre isso**: Depois de entender um exemplo, tente expandi-lo com suas próprias ideias. + +## 💡 Dicas para Iniciantes + +- **Não tenha pressa**: Dedique tempo para entender cada exemplo antes de passar para o próximo +- **Digite o código você mesmo**: Não apenas copie e cole. Digitar ajuda você a aprender e memorizar +- **Pesquise conceitos desconhecidos**: Se você vir algo que não entende, procure online ou nas lições principais +- **Faça perguntas**: Participe do [fórum de discussão](https://github.com/microsoft/Data-Science-For-Beginners/discussions) se precisar de ajuda +- **Pratique regularmente**: Tente codificar um pouco todos os dias, em vez de sessões longas uma vez por semana + +## 🔗 Próximos Passos + +Depois de completar esses exemplos, você estará pronto para: +- Trabalhar nas lições principais do currículo +- Tentar os exercícios em cada pasta de lição +- Explorar os notebooks Jupyter para um aprendizado mais aprofundado +- Criar seus próprios projetos de ciência de dados + +## 📚 Recursos Adicionais + +- [Currículo Principal](../README.md) - O curso completo de 20 lições +- [Para Professores](../for-teachers.md) - Usando este currículo em sala de aula +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Recursos de aprendizado online gratuitos +- [Documentação do Python](https://docs.python.org/3/) - Referência oficial do Python + +## 🤝 Contribuindo + +Encontrou um erro ou tem uma ideia para um novo exemplo? Aceitamos contribuições! Consulte nosso [Guia de Contribuição](../CONTRIBUTING.md). + +--- + +**Boa aprendizagem! 🎉** + +Lembre-se: Todo especialista já foi iniciante. Dê um passo de cada vez e não tenha medo de cometer erros - eles fazem parte do processo de aprendizado! + +--- + +**Aviso Legal**: +Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução. \ No newline at end of file diff --git a/translations/cs/README.md b/translations/cs/README.md index 543a2db7..6eff2747 100644 --- a/translations/cs/README.md +++ b/translations/cs/README.md @@ -1,53 +1,53 @@ -# Data Science pro začátečníky - Kurikulum +# Data Science pro začátečníky - Učební plán [![Otevřít v GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [![GitHub licence](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub přispěvatelé](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub problémy](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![Přispěvatelé na GitHubu](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![Problémy na GitHubu](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![Pull requesty na GitHubu](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub sledující](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub forky](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub hvězdy](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +[![Sledující na GitHubu](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![Forky na GitHubu](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![Hvězdičky na GitHubu](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) [![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Azure Cloud Advocates ve společnosti Microsoft s potěšením nabízejí 10týdenní kurikulum s 20 lekcemi zaměřenými na datovou vědu. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš přístup založený na projektech vám umožní učit se při tvorbě, což je osvědčený způsob, jak si nové dovednosti lépe osvojit. +Azure Cloud Advocates ve společnosti Microsoft s radostí představují 10týdenní učební plán s 20 lekcemi zaměřený na Data Science. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš přístup založený na projektech vám umožní učit se při tvorbě, což je osvědčený způsob, jak si osvojit nové dovednosti. **Velké díky našim autorům:** [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). **🙏 Speciální poděkování 🙏 našim [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autorům, recenzentům a přispěvatelům obsahu,** zejména 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote od @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.cs.png)| |:---:| -| Datová věda pro začátečníky - _Sketchnote od [@nitya](https://twitter.com/nitya)_ | +| Data Science pro začátečníky - _Sketchnote od [@nitya](https://twitter.com/nitya)_ | ### 🌐 Podpora více jazyků -#### Podporováno prostřednictvím GitHub Action (automatizované a vždy aktuální) +#### Podporováno prostřednictvím GitHub Action (automatizováno a vždy aktuální) -[Francouzština](../fr/README.md) | [Španělština](../es/README.md) | [Němčina](../de/README.md) | [Ruština](../ru/README.md) | [Arabština](../ar/README.md) | [Perština (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Čínština (zjednodušená)](../zh/README.md) | [Čínština (tradiční, Macao)](../mo/README.md) | [Čínština (tradiční, Hongkong)](../hk/README.md) | [Čínština (tradiční, Tchaj-wan)](../tw/README.md) | [Japonština](../ja/README.md) | [Korejština](../ko/README.md) | [Hindština](../hi/README.md) | [Bengálština](../bn/README.md) | [Maráthština](../mr/README.md) | [Nepálština](../ne/README.md) | [Paňdžábština (Gurmukhi)](../pa/README.md) | [Portugalština (Portugalsko)](../pt/README.md) | [Portugalština (Brazílie)](../br/README.md) | [Italština](../it/README.md) | [Polština](../pl/README.md) | [Turečtina](../tr/README.md) | [Řečtina](../el/README.md) | [Thajština](../th/README.md) | [Švédština](../sv/README.md) | [Dánština](../da/README.md) | [Norština](../no/README.md) | [Finština](../fi/README.md) | [Nizozemština](../nl/README.md) | [Hebrejština](../he/README.md) | [Vietnamština](../vi/README.md) | [Indonéština](../id/README.md) | [Malajština](../ms/README.md) | [Tagalog (Filipíny)](../tl/README.md) | [Svahilština](../sw/README.md) | [Maďarština](../hu/README.md) | [Čeština](./README.md) | [Slovenština](../sk/README.md) | [Rumunština](../ro/README.md) | [Bulharština](../bg/README.md) | [Srbština (cyrilice)](../sr/README.md) | [Chorvatština](../hr/README.md) | [Slovinština](../sl/README.md) | [Ukrajinština](../uk/README.md) | [Barmština (Myanmar)](../my/README.md) +[Francouzština](../fr/README.md) | [Španělština](../es/README.md) | [Němčina](../de/README.md) | [Ruština](../ru/README.md) | [Arabština](../ar/README.md) | [Perština (Farsí)](../fa/README.md) | [Urdu](../ur/README.md) | [Čínština (zjednodušená)](../zh/README.md) | [Čínština (tradiční, Macao)](../mo/README.md) | [Čínština (tradiční, Hongkong)](../hk/README.md) | [Čínština (tradiční, Tchaj-wan)](../tw/README.md) | [Japonština](../ja/README.md) | [Korejština](../ko/README.md) | [Hindština](../hi/README.md) | [Bengálština](../bn/README.md) | [Maráthština](../mr/README.md) | [Nepálština](../ne/README.md) | [Paňdžábština (Gurmukhi)](../pa/README.md) | [Portugalština (Portugalsko)](../pt/README.md) | [Portugalština (Brazílie)](../br/README.md) | [Italština](../it/README.md) | [Polština](../pl/README.md) | [Turečtina](../tr/README.md) | [Řečtina](../el/README.md) | [Thajština](../th/README.md) | [Švédština](../sv/README.md) | [Dánština](../da/README.md) | [Norština](../no/README.md) | [Finština](../fi/README.md) | [Nizozemština](../nl/README.md) | [Hebrejština](../he/README.md) | [Vietnamština](../vi/README.md) | [Indonéština](../id/README.md) | [Malajština](../ms/README.md) | [Tagalog (Filipínština)](../tl/README.md) | [Svahilština](../sw/README.md) | [Maďarština](../hu/README.md) | [Čeština](./README.md) | [Slovenština](../sk/README.md) | [Rumunština](../ro/README.md) | [Bulharština](../bg/README.md) | [Srbština (cyrilice)](../sr/README.md) | [Chorvatština](../hr/README.md) | [Slovinština](../sl/README.md) | [Ukrajinština](../uk/README.md) | [Barmština (Myanmar)](../my/README.md) **Pokud si přejete přidat další překlady, seznam podporovaných jazyků najdete [zde](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Připojte se k naší komunitě [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Máme probíhající sérii Learn with AI na Discordu, dozvíte se více a připojte se k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro datovou vědu. +Máme probíhající sérii "Learn with AI" na Discordu, dozvíte se více a připojte se k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro Data Science. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.cs.jpg) @@ -55,14 +55,16 @@ Máme probíhající sérii Learn with AI na Discordu, dozvíte se více a přip Začněte s následujícími zdroji: -- [Stránka Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce způsoby, jak získat voucher na certifikaci zdarma. Tuto stránku si určitě uložte a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Připojte se ke globální komunitě studentských ambasadorů, může to být vaše cesta do Microsoftu. +- [Stránka Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce i způsoby, jak získat voucher na certifikaci zdarma. Tuto stránku si určitě uložte a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Připojte se ke globální komunitě studentských ambasadorů, což by mohl být váš vstup do Microsoftu. # Začínáme -> **Učitelé**: [zahrnuli jsme několik návrhů](for-teachers.md), jak toto kurikulum využít. Budeme rádi za vaši zpětnou vazbu [v našem diskusním fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Úplní začátečníci**: Jste v oblasti data science noví? Začněte s našimi [příklady pro začátečníky](examples/README.md)! Tyto jednoduché, dobře okomentované příklady vám pomohou pochopit základy, než se pustíte do celého učebního plánu. -> **[Studenti](https://aka.ms/student-page)**: pokud chcete toto kurikulum používat samostatně, vytvořte si vlastní kopii celého repozitáře a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení kódu; tento kód je však dostupný ve složkách /solutions v každé lekci zaměřené na projekt. Dalším nápadem by bylo vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Učitelé**: připravili jsme [několik návrhů](for-teachers.md), jak tento učební plán využít. Budeme rádi za vaši zpětnou vazbu [v našem diskusním fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! + +> **[Studenti](https://aka.ms/student-page)**: chcete-li tento učební plán používat samostatně, forkněte si celý repozitář a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty na základě pochopení lekcí, nikoli kopírováním řešení; tato řešení jsou však k dispozici ve složkách /solutions v každé projektově orientované lekci. Dalším nápadem by mohlo být vytvoření studijní skupiny s přáteli a společné procházení obsahu. Pro další studium doporučujeme [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Seznamte se s týmem @@ -70,13 +72,13 @@ Začněte s následujícími zdroji: **Gif vytvořil** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili! +> 🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří jej vytvořili! ## Pedagogika -Při tvorbě tohoto kurikula jsme zvolili dva pedagogické principy: zajistit, aby bylo založeno na projektech, a zahrnout časté kvízy. Na konci této série se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití datové vědy a další. +Při tvorbě tohoto učebního plánu jsme se řídili dvěma pedagogickými zásadami: zajistit, aby byl založen na projektech, a zahrnout časté kvízy. Na konci této série se studenti naučí základní principy data science, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití data science a dalších. -Kromě toho nízkostresový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné, a lze ho absolvovat celé nebo jen jeho části. Projekty začínají malými úkoly a postupně se stávají složitějšími na konci 10týdenního cyklu. +Kromě toho nízkoprahový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Tento učební plán byl navržen tak, aby byl flexibilní a zábavný a mohl být absolvován celý nebo jen jeho část. Projekty začínají jednoduše a postupně se stávají složitějšími během 10týdenního cyklu. > Najděte naše [Pravidla chování](CODE_OF_CONDUCT.md), [Pokyny pro přispívání](CONTRIBUTING.md), [Pokyny pro překlady](TRANSLATIONS.md). Uvítáme vaši konstruktivní zpětnou vazbu! @@ -84,49 +86,64 @@ Kromě toho nízkostresový kvíz před hodinou nastaví záměr studenta na uč - Volitelný sketchnote - Volitelné doplňkové video -- Kvíz na zahřátí před lekcí +- Kvíz na rozehřátí před lekcí - Písemná lekce -- U lekcí založených na projektech podrobné pokyny, jak projekt vytvořit -- Kontroly znalostí +- U lekcí založených na projektech podrobné návody, jak projekt vytvořit +- Kontrolní otázky - Výzvu - Doplňkové čtení -- Úkol +- Zadání - [Kvíz po lekci](https://ff-quizzes.netlify.app/en/) +> **Poznámka k kvízům**: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů, každý se třemi otázkami. Jsou propojeny v rámci lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce `quiz-app`. Postupně jsou lokalizovány. + +## 🎓 Příklady pro začátečníky + +**Noví v datové vědě?** Vytvořili jsme speciální [adresář příkladů](examples/README.md) s jednoduchým, dobře okomentovaným kódem, který vám pomůže začít: + +- 🌟 **Hello World** - Váš první program v datové vědě +- 📂 **Načítání dat** - Naučte se číst a zkoumat datové sady +- 📊 **Jednoduchá analýza** - Vypočítejte statistiky a najděte vzory +- 📈 **Základní vizualizace** - Vytvářejte grafy a diagramy +- 🔬 **Projekt z reálného světa** - Kompletní pracovní postup od začátku do konce -> **Poznámka ke kvízům**: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny v rámci lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce `quiz-app`. Postupně jsou lokalizovány. +Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, což je ideální pro úplné začátečníky! + +👉 **[Začněte s příklady](examples/README.md)** 👈 ## Lekce -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.cs.png)| + + +|![ Sketchnote od @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.cs.png)| |:---:| -| Data Science pro začátečníky: Plán - _Sketchnote od [@nitya](https://twitter.com/nitya)_ | +| Data Science For Beginners: Roadmap - _Sketchnote od [@nitya](https://twitter.com/nitya)_ | -| Číslo lekce | Téma | Skupina lekcí | Cíle učení | Odkaz na lekci | Autor | +| Číslo lekce | Téma | Skupina lekcí | Cíle učení | Propojená lekce | Autor | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Definování datové vědy | [Úvod](1-Introduction/README.md) | Naučte se základní koncepty datové vědy a jak souvisí s umělou inteligencí, strojovým učením a velkými daty. | [lekce](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Etika datové vědy | [Úvod](1-Introduction/README.md) | Koncepty etiky dat, výzvy a rámce. | [lekce](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Definování dat | [Úvod](1-Introduction/README.md) | Jak jsou data klasifikována a jejich běžné zdroje. | [lekce](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Úvod do statistiky a pravděpodobnosti | [Úvod](1-Introduction/README.md) | Matematické techniky pravděpodobnosti a statistiky pro pochopení dat. | [lekce](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Práce s relačními daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do relačních dat a základy zkoumání a analýzy relačních dat pomocí Structured Query Language, známého jako SQL (čti „sí-kvel“). | [lekce](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 05 | Práce s relačními daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do relačních dat a základy zkoumání a analýzy relačních dat pomocí Structured Query Language, známého jako SQL (vyslovováno „si-kvel“). | [lekce](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Práce s NoSQL daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do nerelačních dat, jejich různých typů a základy zkoumání a analýzy dokumentových databází. | [lekce](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Práce s Pythonem | [Práce s daty](2-Working-With-Data/README.md) | Základy používání Pythonu pro zkoumání dat s knihovnami jako Pandas. Doporučuje se základní znalost programování v Pythonu. | [lekce](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 07 | Práce s Pythonem | [Práce s daty](2-Working-With-Data/README.md) | Základy používání Pythonu pro zkoumání dat s knihovnami jako Pandas. Doporučuje se základní porozumění programování v Pythonu. | [lekce](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | Příprava dat | [Práce s daty](2-Working-With-Data/README.md) | Témata o technikách čištění a transformace dat pro řešení problémů s chybějícími, nepřesnými nebo neúplnými daty. | [lekce](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Vizualizace množství | [Vizualizace dat](3-Data-Visualization/README.md) | Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆 | [lekce](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Vizualizace rozložení dat | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace pozorování a trendů v rámci intervalu. | [lekce](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Vizualizace proporcí | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace diskrétních a seskupených procent. | [lekce](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Vizualizace vztahů | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace spojení a korelací mezi datovými sadami a jejich proměnnými. | [lekce](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Smysluplné vizualizace | [Vizualizace dat](3-Data-Visualization/README.md) | Techniky a doporučení pro vytváření vizualizací, které jsou hodnotné pro efektivní řešení problémů a získávání poznatků. | [lekce](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Úvod do životního cyklu datové vědy | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Úvod do životního cyklu datové vědy a jeho první krok - získávání a extrakce dat. | [lekce](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 13 | Smysluplné vizualizace | [Vizualizace dat](3-Data-Visualization/README.md) | Techniky a doporučení pro vytvoření hodnotných vizualizací pro efektivní řešení problémů a získání poznatků. | [lekce](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Úvod do životního cyklu datové vědy | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Úvod do životního cyklu datové vědy a jeho prvního kroku získávání a extrakce dat. | [lekce](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Analýza | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat. | [lekce](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Komunikace | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje jejich pochopení pro rozhodovací orgány. | [lekce](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 16 | Komunikace | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje porozumění pro rozhodovací orgány. | [lekce](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Datová věda v cloudu | [Cloudová data](5-Data-Science-In-Cloud/README.md) | Tato série lekcí představuje datovou vědu v cloudu a její výhody. | [lekce](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | -| 18 | Datová věda v cloudu | [Cloudová data](5-Data-Science-In-Cloud/README.md) | Trénování modelů pomocí nástrojů s nízkým kódem. |[lekce](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | +| 18 | Datová věda v cloudu | [Cloudová data](5-Data-Science-In-Cloud/README.md) | Trénování modelů pomocí Low Code nástrojů. |[lekce](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | | 19 | Datová věda v cloudu | [Cloudová data](5-Data-Science-In-Cloud/README.md) | Nasazení modelů pomocí Azure Machine Learning Studio. | [lekce](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | | 20 | Datová věda v praxi | [V praxi](6-Data-Science-In-Wild/README.md) | Projekty řízené datovou vědou v reálném světě. | [lekce](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Postupujte podle těchto kroků pro otevření tohoto příkladu v Codespace: +Postupujte podle těchto kroků pro otevření tohoto vzoru v Codespace: 1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces. 2. Vyberte + New codespace ve spodní části panelu. Pro více informací si přečtěte [dokumentaci GitHubu](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). @@ -134,27 +151,27 @@ Pro více informací si přečtěte [dokumentaci GitHubu](https://docs.github.co ## VSCode Remote - Containers Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers: -1. Pokud je to poprvé, co používáte vývojový kontejner, ujistěte se, že váš systém splňuje předpoklady (např. máte nainstalovaný Docker) podle [dokumentace pro začátečníky](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Pokud je to poprvé, co používáte vývojový kontejner, ujistěte se, že váš systém splňuje předpoklady (tj. máte nainstalovaný Docker) podle [dokumentace pro začátečníky](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Pro použití tohoto repozitáře jej můžete buď otevřít v izolovaném Docker svazku: +Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker svazku: **Poznámka**: V zákulisí se použije příkaz Remote-Containers: **Clone Repository in Container Volume...** pro klonování zdrojového kódu do Docker svazku místo lokálního souborového systému. [Svazky](https://docs.docker.com/storage/volumes/) jsou preferovaným mechanismem pro uchovávání dat kontejneru. Nebo otevřete lokálně klonovanou nebo staženou verzi repozitáře: -- Klonujte tento repozitář do svého lokálního souborového systému. +- Klonujte tento repozitář do vašeho lokálního souborového systému. - Stiskněte F1 a vyberte příkaz **Remote-Containers: Open Folder in Container...**. -- Vyberte klonovanou kopii této složky, počkejte, až se kontejner spustí, a vyzkoušejte si to. +- Vyberte klonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte si věci. ## Offline přístup -Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Forkněte tento repozitář, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na svůj lokální počítač, poté v kořenové složce tohoto repozitáře napište `docsify serve`. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: `localhost:3000`. +Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Forkněte tento repozitář, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na váš lokální počítač, poté v kořenové složce tohoto repozitáře zadejte `docsify serve`. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: `localhost:3000`. -> Poznámka: Notebooky nebudou přes Docsify vykresleny, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem. +> Poznámka, notebooky nebudou renderovány přes Docsify, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem. ## Další kurzy -Náš tým vytváří i další kurzy! Podívejte se na: +Náš tým vytváří další kurzy! Podívejte se na: - [Edge AI pro začátečníky](https://aka.ms/edgeai-for-beginners) - [AI agenti pro začátečníky](https://aka.ms/ai-agents-beginners) @@ -163,7 +180,7 @@ Náš tým vytváří i další kurzy! Podívejte se na: - [Generativní AI s JavaScriptem](https://github.com/microsoft/generative-ai-with-javascript) - [Generativní AI s Javou](https://aka.ms/genaijava) - [AI pro začátečníky](https://aka.ms/ai-beginners) -- [Datová věda pro začátečníky](https://aka.ms/datascience-beginners) +- [Data Science pro začátečníky](https://aka.ms/datascience-beginners) - [Bash pro začátečníky](https://github.com/microsoft/bash-for-beginners) - [ML pro začátečníky](https://aka.ms/ml-beginners) - [Kybernetická bezpečnost pro začátečníky](https://github.com/microsoft/Security-101) @@ -178,15 +195,14 @@ Náš tým vytváří i další kurzy! Podívejte se na: ## Získání pomoci -Pokud se zaseknete nebo máte jakékoliv dotazy ohledně vytváření AI aplikací, připojte se: +Pokud se zaseknete nebo máte jakékoli otázky ohledně vytváření AI aplikací, připojte se: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby při vývoji, navštivte: - +Pokud máte zpětnou vazbu k produktu nebo chyby při vytváření, navštivte: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Prohlášení**: -Tento dokument byl přeložen pomocí služby AI pro překlady [Co-op Translator](https://github.com/Azure/co-op-translator). I když se snažíme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu. \ No newline at end of file +Tento dokument byl přeložen pomocí služby pro automatický překlad [Co-op Translator](https://github.com/Azure/co-op-translator). I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu. \ No newline at end of file diff --git a/translations/cs/examples/README.md b/translations/cs/examples/README.md new file mode 100644 index 00000000..39612c61 --- /dev/null +++ b/translations/cs/examples/README.md @@ -0,0 +1,149 @@ + +# Příklady pro začátečníky v datové vědě + +Vítejte v adresáři příkladů! Tato sbírka jednoduchých, dobře okomentovaných příkladů je navržena tak, aby vám pomohla začít s datovou vědou, i když jste úplný začátečník. + +## 📚 Co zde najdete + +Každý příklad je samostatný a obsahuje: +- **Jasné komentáře** vysvětlující každý krok +- **Jednoduchý, čitelný kód**, který demonstruje jeden koncept najednou +- **Reálný kontext**, který vám pomůže pochopit, kdy a proč tyto techniky použít +- **Očekávaný výstup**, abyste věděli, co hledat + +## 🚀 Jak začít + +### Předpoklady +Než spustíte tyto příklady, ujistěte se, že máte: +- Nainstalovaný Python 3.7 nebo vyšší +- Základní znalosti o tom, jak spouštět Python skripty + +### Instalace potřebných knihoven +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Přehled příkladů + +### 1. Hello World - styl datové vědy +**Soubor:** `01_hello_world_data_science.py` + +Váš první program v datové vědě! Naučíte se: +- Načíst jednoduchý dataset +- Zobrazit základní informace o vašich datech +- Vytisknout váš první výstup z datové vědy + +Ideální pro úplné začátečníky, kteří chtějí vidět svůj první program v datové vědě v akci. + +--- + +### 2. Načítání a zkoumání dat +**Soubor:** `02_loading_data.py` + +Naučte se základy práce s daty: +- Čtení dat z CSV souborů +- Zobrazení prvních několika řádků vašeho datasetu +- Získání základních statistik o vašich datech +- Porozumění datovým typům + +Toto je často první krok v jakémkoli projektu datové vědy! + +--- + +### 3. Jednoduchá analýza dat +**Soubor:** `03_simple_analysis.py` + +Proveďte svou první analýzu dat: +- Vypočítejte základní statistiky (průměr, medián, modus) +- Najděte maximální a minimální hodnoty +- Spočítejte výskyty hodnot +- Filtrování dat na základě podmínek + +Zjistěte, jak odpovědět na jednoduché otázky o vašich datech. + +--- + +### 4. Základy vizualizace dat +**Soubor:** `04_basic_visualization.py` + +Vytvořte své první vizualizace: +- Vytvořte jednoduchý sloupcový graf +- Vytvořte čárový graf +- Generujte koláčový graf +- Uložte své vizualizace jako obrázky + +Naučte se vizuálně komunikovat své poznatky! + +--- + +### 5. Práce s reálnými daty +**Soubor:** `05_real_world_example.py` + +Spojte vše dohromady v kompletním příkladu: +- Načtěte reálná data z repozitáře +- Vyčistěte a připravte data +- Proveďte analýzu +- Vytvořte smysluplné vizualizace +- Vyvoďte závěry + +Tento příklad vám ukáže kompletní pracovní postup od začátku do konce. + +--- + +## 🎯 Jak používat tyto příklady + +1. **Začněte od začátku**: Příklady jsou očíslovány podle obtížnosti. Začněte s `01_hello_world_data_science.py` a postupujte dál. + +2. **Čtěte komentáře**: Každý soubor obsahuje podrobné komentáře vysvětlující, co kód dělá a proč. Čtěte je pozorně! + +3. **Experimentujte**: Zkuste upravit kód. Co se stane, když změníte hodnotu? Rozbijte věci a opravte je - tak se učíte! + +4. **Spusťte kód**: Spusťte každý příklad a sledujte výstup. Porovnejte ho s tím, co jste očekávali. + +5. **Rozšiřte ho**: Jakmile pochopíte příklad, zkuste ho rozšířit svými vlastními nápady. + +## 💡 Tipy pro začátečníky + +- **Nespěchejte**: Věnujte čas pochopení každého příkladu, než přejdete k dalšímu +- **Pište kód sami**: Nekopírujte jen kód. Psání vám pomůže se učit a zapamatovat si +- **Vyhledejte neznámé koncepty**: Pokud narazíte na něco, čemu nerozumíte, vyhledejte to online nebo v hlavních lekcích +- **Ptejte se**: Připojte se k [diskusnímu fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions), pokud potřebujete pomoc +- **Pravidelně cvičte**: Snažte se kódovat trochu každý den, místo dlouhých sezení jednou týdně + +## 🔗 Další kroky + +Po dokončení těchto příkladů jste připraveni: +- Projít hlavní lekce kurikula +- Vyzkoušet úkoly v každé složce lekce +- Prozkoumat Jupyter notebooky pro hlubší učení +- Vytvořit své vlastní projekty v datové vědě + +## 📚 Další zdroje + +- [Hlavní kurikulum](../README.md) - Kompletní kurz o 20 lekcích +- [Pro učitele](../for-teachers.md) - Použití tohoto kurikula ve třídě +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Bezplatné online vzdělávací zdroje +- [Dokumentace Pythonu](https://docs.python.org/3/) - Oficiální reference Pythonu + +## 🤝 Přispívání + +Našli jste chybu nebo máte nápad na nový příklad? Uvítáme příspěvky! Podívejte se na náš [Průvodce přispíváním](../CONTRIBUTING.md). + +--- + +**Šťastné učení! 🎉** + +Pamatujte: Každý expert byl kdysi začátečník. Postupujte krok za krokem a nebojte se dělat chyby - jsou součástí procesu učení! + +--- + +**Prohlášení**: +Tento dokument byl přeložen pomocí služby AI pro překlady [Co-op Translator](https://github.com/Azure/co-op-translator). I když se snažíme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho rodném jazyce by měl být považován za závazný zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu. \ No newline at end of file diff --git a/translations/da/README.md b/translations/da/README.md index 1f5a3049..45c54873 100644 --- a/translations/da/README.md +++ b/translations/da/README.md @@ -1,37 +1,37 @@ -# Data Science for Begyndere - En Læseplan +# Data Science for Begyndere - Et Curriculum -Azure Cloud Advocates hos Microsoft er glade for at tilbyde en 10-ugers, 20-lektioners læseplan om Data Science. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede pædagogik giver dig mulighed for at lære, mens du bygger, en dokumenteret metode til at få nye færdigheder til at "sidde fast". +Azure Cloud Advocates hos Microsoft er glade for at tilbyde et 10-ugers, 20-lektioners curriculum om Data Science. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede tilgang giver dig mulighed for at lære ved at bygge, en dokumenteret metode til at få nye færdigheder til at hænge fast. -**En stor tak til vores forfattere:** [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). +**Stor tak til vores forfattere:** [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). -**🙏 Særlig tak 🙏 til vores [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og indholdsbidragydere,** især 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), +**🙏 Speciel tak 🙏 til vores [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og indholdsbidragydere,** herunder 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote af @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.da.png)| |:---:| -| Data Science for Begyndere - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | +| Data Science For Begyndere - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | ### 🌐 Flersproget Support -#### Understøttet via GitHub Action (Automatiseret & Altid Opdateret) +#### Understøttet via GitHub Action (Automatisk & Altid Opdateret) -[Fransk](../fr/README.md) | [Spansk](../es/README.md) | [Tysk](../de/README.md) | [Russisk](../ru/README.md) | [Arabisk](../ar/README.md) | [Persisk (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinesisk (Forenklet)](../zh/README.md) | [Kinesisk (Traditionel, Macau)](../mo/README.md) | [Kinesisk (Traditionel, Hong Kong)](../hk/README.md) | [Kinesisk (Traditionel, Taiwan)](../tw/README.md) | [Japansk](../ja/README.md) | [Koreansk](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalesisk](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugisisk (Portugal)](../pt/README.md) | [Portugisisk (Brasilien)](../br/README.md) | [Italiensk](../it/README.md) | [Polsk](../pl/README.md) | [Tyrkisk](../tr/README.md) | [Græsk](../el/README.md) | [Thai](../th/README.md) | [Svensk](../sv/README.md) | [Dansk](./README.md) | [Norsk](../no/README.md) | [Finsk](../fi/README.md) | [Hollandsk](../nl/README.md) | [Hebraisk](../he/README.md) | [Vietnamesisk](../vi/README.md) | [Indonesisk](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filippinsk)](../tl/README.md) | [Swahili](../sw/README.md) | [Ungarsk](../hu/README.md) | [Tjekkisk](../cs/README.md) | [Slovakisk](../sk/README.md) | [Rumænsk](../ro/README.md) | [Bulgarsk](../bg/README.md) | [Serbisk (Kyrillisk)](../sr/README.md) | [Kroatisk](../hr/README.md) | [Slovensk](../sl/README.md) | [Ukrainsk](../uk/README.md) | [Burmesisk (Myanmar)](../my/README.md) +[Fransk](../fr/README.md) | [Spansk](../es/README.md) | [Tysk](../de/README.md) | [Russisk](../ru/README.md) | [Arabisk](../ar/README.md) | [Persisk (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinesisk (Forenklet)](../zh/README.md) | [Kinesisk (Traditionelt, Macau)](../mo/README.md) | [Kinesisk (Traditionelt, Hong Kong)](../hk/README.md) | [Kinesisk (Traditionelt, Taiwan)](../tw/README.md) | [Japansk](../ja/README.md) | [Koreansk](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugisisk (Portugal)](../pt/README.md) | [Portugisisk (Brasilien)](../br/README.md) | [Italiensk](../it/README.md) | [Polsk](../pl/README.md) | [Tyrkisk](../tr/README.md) | [Græsk](../el/README.md) | [Thai](../th/README.md) | [Svensk](../sv/README.md) | [Dansk](./README.md) | [Norsk](../no/README.md) | [Finsk](../fi/README.md) | [Hollandsk](../nl/README.md) | [Hebraisk](../he/README.md) | [Vietnamesisk](../vi/README.md) | [Indonesisk](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filippinsk)](../tl/README.md) | [Swahili](../sw/README.md) | [Ungarsk](../hu/README.md) | [Tjekkisk](../cs/README.md) | [Slovakisk](../sk/README.md) | [Rumænsk](../ro/README.md) | [Bulgarsk](../bg/README.md) | [Serbisk (Kyrillisk)](../sr/README.md) | [Kroatisk](../hr/README.md) | [Slovensk](../sl/README.md) | [Ukrainsk](../uk/README.md) | [Burmesisk (Myanmar)](../my/README.md) **Hvis du ønsker yderligere oversættelser, er understøttede sprog listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -#### Deltag i Vores Fællesskab +#### Bliv en del af vores fællesskab [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Vi har en Discord-serie om at lære med AI i gang, lær mere og deltag i [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du vil få tips og tricks til at bruge GitHub Copilot til Data Science. +Vi har en Discord-serie om læring med AI i gang. Lær mere og deltag i [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du vil få tips og tricks til at bruge GitHub Copilot til Data Science. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.da.jpg) @@ -39,14 +39,16 @@ Vi har en Discord-serie om at lære med AI i gang, lær mere og deltag i [Learn Kom i gang med følgende ressourcer: -- [Student Hub-side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du ressourcer for begyndere, studenterpakker og endda måder at få en gratis certifikatvoucher. Dette er en side, du vil bogmærke og tjekke fra tid til anden, da vi skifter indhold mindst månedligt. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Deltag i et globalt fællesskab af studentambassadører, dette kunne være din vej ind i Microsoft. +- [Student Hub side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du ressourcer for begyndere, studentpakker og endda måder at få en gratis certifikatvoucher. Dette er en side, du bør bogmærke og tjekke fra tid til anden, da vi skifter indhold mindst månedligt. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bliv en del af et globalt fællesskab af studentambassadører; dette kunne være din vej ind i Microsoft. -# Kom i Gang +# Kom godt i gang -> **Lærere**: vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man bruger denne læseplan. Vi vil meget gerne høre din feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Helt nybegyndere**: Ny inden for data science? Start med vores [begynder-venlige eksempler](examples/README.md)! Disse simple, velkommenterede eksempler vil hjælpe dig med at forstå det grundlæggende, før du dykker ned i det fulde curriculum. -> **[Studerende](https://aka.ms/student-page)**: for at bruge denne læseplan på egen hånd, fork hele repoen og gennemfør øvelserne selv, startende med en quiz før lektionen. Læs derefter lektionen og gennemfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne i stedet for at kopiere løsningskoden; dog er denne kode tilgængelig i /solutions-mapperne i hver projektorienteret lektion. En anden idé kunne være at danne en studiegruppe med venner og gennemgå indholdet sammen. For yderligere studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Lærere**: Vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man kan bruge dette curriculum. Vi vil meget gerne høre din feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! + +> **[Studerende](https://aka.ms/student-page)**: For at bruge dette curriculum på egen hånd, fork hele repoen og gennemfør øvelserne selv, startende med en quiz før lektionen. Læs derefter lektionen og fuldfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne i stedet for at kopiere løsningskoden; dog er denne kode tilgængelig i /solutions-mapperne i hver projektorienteret lektion. En anden idé kunne være at danne en studiegruppe med venner og gennemgå indholdet sammen. For yderligere studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Mød Teamet @@ -58,11 +60,11 @@ Kom i gang med følgende ressourcer: ## Pædagogik -Vi har valgt to pædagogiske principper, mens vi byggede denne læseplan: at sikre, at den er projektbaseret, og at den inkluderer hyppige quizzer. Ved slutningen af denne serie vil studerende have lært grundlæggende principper for data science, herunder etiske koncepter, databehandling, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelser af data science og mere. +Vi har valgt to pædagogiske principper, mens vi byggede dette curriculum: at sikre, at det er projektbaseret, og at det inkluderer hyppige quizzer. Ved slutningen af denne serie vil studerende have lært grundlæggende principper for data science, herunder etiske begreber, dataklargøring, forskellige måder at arbejde med data, datavisualisering, dataanalyse, virkelige anvendelser af data science og mere. -Derudover sætter en lav-risiko quiz før en lektion intentionen for den studerende mod at lære et emne, mens en anden quiz efter lektionen sikrer yderligere fastholdelse. Denne læseplan er designet til at være fleksibel og sjov og kan tages i sin helhed eller delvist. Projekterne starter små og bliver gradvist mere komplekse ved slutningen af den 10-ugers cyklus. +Derudover sætter en lav-stress quiz før en klasse intentionen hos den studerende mod at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Dette curriculum er designet til at være fleksibelt og sjovt og kan tages i sin helhed eller delvist. Projekterne starter små og bliver gradvist mere komplekse ved slutningen af den 10-ugers cyklus. -> Find vores [Adfærdskodeks](CODE_OF_CONDUCT.md), [Bidrag](CONTRIBUTING.md), [Oversættelse](TRANSLATIONS.md) retningslinjer. Vi værdsætter din konstruktive feedback! +> Find vores [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) retningslinjer. Vi byder din konstruktive feedback velkommen! ## Hver lektion inkluderer: @@ -76,65 +78,78 @@ Derudover sætter en lav-risiko quiz før en lektion intentionen for den studere - Supplerende læsning - Opgave - [Quiz efter lektionen](https://ff-quizzes.netlify.app/en/) +> **En note om quizzer**: Alle quizzer findes i Quiz-App-mappen, med i alt 40 quizzer, hver med tre spørgsmål. De er linket fra lektionerne, men quiz-appen kan køres lokalt eller implementeres på Azure; følg instruktionerne i `quiz-app`-mappen. De bliver gradvist lokaliseret. + +## 🎓 Begyndervenlige Eksempler + +**Ny inden for Data Science?** Vi har oprettet en speciel [eksempelmappe](examples/README.md) med enkel, velkommenteret kode for at hjælpe dig i gang: + +- 🌟 **Hello World** - Dit første data science-program +- 📂 **Indlæsning af Data** - Lær at læse og udforske datasæt +- 📊 **Enkel Analyse** - Beregn statistikker og find mønstre +- 📈 **Grundlæggende Visualisering** - Lav diagrammer og grafer +- 🔬 **Projekt fra den virkelige verden** - Komplet arbejdsgang fra start til slut -> **En note om quizzer**: Alle quizzer er indeholdt i Quiz-App-mappen, for i alt 40 quizzer med tre spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køres lokalt eller implementeres til Azure; følg instruktionerne i `quiz-app`-mappen. De bliver gradvist lokaliseret. +Hvert eksempel indeholder detaljerede kommentarer, der forklarer hvert trin, hvilket gør det perfekt for absolutte begyndere! + +👉 **[Start med eksemplerne](examples/README.md)** 👈 ## Lektioner + |![ Sketchnote af @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.da.png)| |:---:| | Data Science For Beginners: Roadmap - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | - | Lektion Nummer | Emne | Lektion Gruppe | Læringsmål | Linket Lektion | Forfatter | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definere Data Science | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende begreber bag data science og hvordan det relaterer til kunstig intelligens, maskinlæring og big data. | [lektion](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 01 | Definition af Data Science | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende begreber bag data science og hvordan det relaterer til kunstig intelligens, maskinlæring og big data. | [lektion](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Data Science Etik | [Introduktion](1-Introduction/README.md) | Begreber, udfordringer og rammer inden for dataetik. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definere Data | [Introduktion](1-Introduction/README.md) | Hvordan data klassificeres og dens almindelige kilder. | [lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introduktion til Statistik & Sandsynlighed | [Introduktion](1-Introduction/README.md) | Matematiske teknikker inden for sandsynlighed og statistik til at forstå data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Arbejde med Relationelle Data | [Arbejde med Data](2-Working-With-Data/README.md) | Introduktion til relationelle data og grundlæggende udforskning og analyse af relationelle data med Structured Query Language, også kendt som SQL (udtales "see-quell"). | [lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 03 | Definition af Data | [Introduktion](1-Introduction/README.md) | Hvordan data klassificeres og dens almindelige kilder. | [lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduktion til Statistik & Sandsynlighed | [Introduktion](1-Introduction/README.md) | Matematiske teknikker inden for sandsynlighed og statistik for at forstå data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Arbejde med Relationelle Data | [Arbejde med Data](2-Working-With-Data/README.md) | Introduktion til relationelle data og grundlæggende udforskning og analyse af relationelle data med Structured Query Language, også kendt som SQL (udtales “see-quell”). | [lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Arbejde med NoSQL Data | [Arbejde med Data](2-Working-With-Data/README.md) | Introduktion til ikke-relationelle data, deres forskellige typer og grundlæggende udforskning og analyse af dokumentdatabaser. | [lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Arbejde med Python | [Arbejde med Data](2-Working-With-Data/README.md) | Grundlæggende brug af Python til dataudforskning med biblioteker som Pandas. Grundlæggende forståelse af Python-programmering anbefales. | [lektion](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | Dataklargøring | [Arbejde med Data](2-Working-With-Data/README.md) | Emner om datateknikker til rengøring og transformation af data for at håndtere udfordringer med manglende, unøjagtige eller ufuldstændige data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Visualisering af Mængder | [Datavisualisering](3-Data-Visualization/README.md) | Lær hvordan man bruger Matplotlib til at visualisere fugledata 🦆 | [lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualisering af Datafordelinger | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af observationer og tendenser inden for et interval. | [lektion](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualisering af Proportioner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af diskrete og grupperede procentdele. | [lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualisering af Relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasæt og deres variabler. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Meningsfulde Visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikker og vejledning til at gøre dine visualiseringer værdifulde for effektiv problemløsning og indsigt. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introduktion til Data Science Livscyklus | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Introduktion til data science livscyklus og dens første trin med at indsamle og udtrække data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analyse | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase af data science livscyklus fokuserer på teknikker til at analysere data. | [lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Kommunikation | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase af data science livscyklus fokuserer på at præsentere indsigt fra data på en måde, der gør det lettere for beslutningstagere at forstå. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science i Skyen | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Denne serie af lektioner introducerer data science i skyen og dens fordele. | [lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science i Skyen | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Træning af modeller ved hjælp af Low Code værktøjer. |[lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science i Skyen | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Udrulning af modeller med Azure Machine Learning Studio. | [lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science i Virkeligheden | [I Virkeligheden](6-Data-Science-In-Wild/README.md) | Data science-drevne projekter i den virkelige verden. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 09 | Visualisering af Mængder | [Data Visualisering](3-Data-Visualization/README.md) | Lær hvordan man bruger Matplotlib til at visualisere fugledata 🦆 | [lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualisering af Datafordelinger | [Data Visualisering](3-Data-Visualization/README.md) | Visualisering af observationer og tendenser inden for et interval. | [lektion](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualisering af Proportioner | [Data Visualisering](3-Data-Visualization/README.md) | Visualisering af diskrete og grupperede procentdele. | [lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualisering af Relationer | [Data Visualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasæt og deres variabler. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Meningsfulde Visualiseringer | [Data Visualisering](3-Data-Visualization/README.md) | Teknikker og vejledning til at gøre dine visualiseringer værdifulde for effektiv problemløsning og indsigt. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introduktion til Data Science-livscyklussen | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Introduktion til data science-livscyklussen og dens første trin med at indsamle og udtrække data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analyse | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase af data science-livscyklussen fokuserer på teknikker til at analysere data. | [lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Kommunikation | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase af data science-livscyklussen fokuserer på at præsentere indsigt fra data på en måde, der gør det lettere for beslutningstagere at forstå. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science i Skyen | [Sky Data](5-Data-Science-In-Cloud/README.md) | Denne serie af lektioner introducerer data science i skyen og dens fordele. | [lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science i Skyen | [Sky Data](5-Data-Science-In-Cloud/README.md) | Træning af modeller ved hjælp af Low Code-værktøjer. |[lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science i Skyen | [Sky Data](5-Data-Science-In-Cloud/README.md) | Implementering af modeller med Azure Machine Learning Studio. | [lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science i den Virkelige Verden | [I den Virkelige Verden](6-Data-Science-In-Wild/README.md) | Data science-drevne projekter i den virkelige verden. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Følg disse trin for at åbne dette eksempel i en Codespace: -1. Klik på Code-menuen og vælg Open with Codespaces. +1. Klik på Code-dropdown-menuen og vælg Open with Codespaces-optionen. 2. Vælg + New codespace nederst i panelet. -For mere info, se [GitHub dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +For mere info, se [GitHub-dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers Følg disse trin for at åbne dette repo i en container ved hjælp af din lokale maskine og VSCode med VS Code Remote - Containers-udvidelsen: -1. Hvis det er første gang, du bruger en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsætningerne (f.eks. have Docker installeret) i [kom godt i gang dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Hvis det er første gang, du bruger en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsætningerne (f.eks. have Docker installeret) i [dokumentationen for at komme i gang](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). For at bruge dette repository kan du enten åbne det i et isoleret Docker-volumen: -**Bemærk**: Bag kulisserne vil dette bruge Remote-Containers: **Clone Repository in Container Volume...** kommandoen til at klone kildekoden i et Docker-volumen i stedet for det lokale filsystem. [Volumener](https://docs.docker.com/storage/volumes/) er den foretrukne mekanisme til at vedvarende containerdata. +**Bemærk**: Under motorhjelmen vil dette bruge Remote-Containers: **Clone Repository in Container Volume...**-kommandoen til at klone kildekoden i et Docker-volumen i stedet for det lokale filsystem. [Volumener](https://docs.docker.com/storage/volumes/) er den foretrukne mekanisme til at vedvarende containerdata. Eller åbne en lokalt klonet eller downloadet version af repositoryet: - Klon dette repository til dit lokale filsystem. -- Tryk på F1 og vælg **Remote-Containers: Open Folder in Container...** kommandoen. -- Vælg den klonede kopi af denne mappe, vent på at containeren starter, og prøv tingene af. +- Tryk på F1 og vælg **Remote-Containers: Open Folder in Container...**-kommandoen. +- Vælg den klonede kopi af denne mappe, vent på, at containeren starter, og prøv tingene af. ## Offline adgang -Du kan køre denne dokumentation offline ved hjælp af [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og i roden af dette repo, skriv `docsify serve`. Hjemmesiden vil blive serveret på port 3000 på din localhost: `localhost:3000`. +Du kan køre denne dokumentation offline ved hjælp af [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og skriv derefter `docsify serve` i rodmappen af dette repo. Hjemmesiden vil blive serveret på port 3000 på din localhost: `localhost:3000`. -> Bemærk, notebooks vil ikke blive gengivet via Docsify, så når du skal køre en notebook, gør det separat i VS Code med en Python-kerne. +> Bemærk, notebooks vil ikke blive gengivet via Docsify, så når du skal køre en notebook, skal du gøre det separat i VS Code med en Python-kernel. ## Andre Læseplaner @@ -167,10 +182,9 @@ Hvis du sidder fast eller har spørgsmål om at bygge AI-apps, så deltag: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Hvis du har produktfeedback eller fejl under opbygning, besøg: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Ansvarsfraskrivelse**: -Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på at opnå nøjagtighed, skal det bemærkes, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os ikke ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse. \ No newline at end of file +Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på nøjagtighed, skal det bemærkes, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os ikke ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse. \ No newline at end of file diff --git a/translations/da/examples/README.md b/translations/da/examples/README.md new file mode 100644 index 00000000..61a7e07a --- /dev/null +++ b/translations/da/examples/README.md @@ -0,0 +1,149 @@ + +# Begynder-venlige Data Science Eksempler + +Velkommen til eksempelmappen! Denne samling af enkle, velkommenterede eksempler er designet til at hjælpe dig i gang med data science, selv hvis du er helt nybegynder. + +## 📚 Hvad Finder Du Her + +Hvert eksempel er selvstændigt og inkluderer: +- **Tydelige kommentarer**, der forklarer hvert trin +- **Simpel, læsbar kode**, der demonstrerer ét koncept ad gangen +- **Reel kontekst**, så du forstår, hvornår og hvorfor du skal bruge teknikkerne +- **Forventet output**, så du ved, hvad du skal kigge efter + +## 🚀 Kom i Gang + +### Forudsætninger +Før du kører disse eksempler, skal du sikre dig, at du har: +- Python 3.7 eller nyere installeret +- Grundlæggende forståelse af, hvordan man kører Python-scripts + +### Installation af Nødvendige Biblioteker +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Oversigt over Eksempler + +### 1. Hello World - Data Science Style +**Fil:** `01_hello_world_data_science.py` + +Dit første data science-program! Lær hvordan du: +- Indlæser et simpelt datasæt +- Viser grundlæggende information om dine data +- Printer dit første data science-output + +Perfekt til absolutte begyndere, der vil se deres første data science-program i aktion. + +--- + +### 2. Indlæsning og Udforskning af Data +**Fil:** `02_loading_data.py` + +Lær det grundlæggende i at arbejde med data: +- Læs data fra CSV-filer +- Se de første par rækker af dit datasæt +- Få grundlæggende statistik om dine data +- Forstå datatyper + +Dette er ofte det første skridt i ethvert data science-projekt! + +--- + +### 3. Simpel Dataanalyse +**Fil:** `03_simple_analysis.py` + +Udfør din første dataanalyse: +- Beregn grundlæggende statistik (gennemsnit, median, typetal) +- Find maksimum- og minimumværdier +- Tæl forekomster af værdier +- Filtrér data baseret på betingelser + +Se, hvordan du kan besvare simple spørgsmål om dine data. + +--- + +### 4. Grundlæggende Datavisualisering +**Fil:** `04_basic_visualization.py` + +Lav dine første visualiseringer: +- Lav et simpelt søjlediagram +- Opret et linjediagram +- Generér et cirkeldiagram +- Gem dine visualiseringer som billeder + +Lær at kommunikere dine fund visuelt! + +--- + +### 5. Arbejde med Reelle Data +**Fil:** `05_real_world_example.py` + +Sæt det hele sammen med et komplet eksempel: +- Indlæs reelle data fra repository +- Rens og forbered dataene +- Udfør analyse +- Skab meningsfulde visualiseringer +- Drag konklusioner + +Dette eksempel viser dig en komplet arbejdsgang fra start til slut. + +--- + +## 🎯 Sådan Bruger Du Disse Eksempler + +1. **Start fra begyndelsen**: Eksemplerne er nummereret efter sværhedsgrad. Begynd med `01_hello_world_data_science.py` og arbejd dig igennem. + +2. **Læs kommentarerne**: Hver fil har detaljerede kommentarer, der forklarer, hvad koden gør og hvorfor. Læs dem grundigt! + +3. **Eksperimentér**: Prøv at ændre i koden. Hvad sker der, hvis du ændrer en værdi? Bryd tingene og reparér dem - det er sådan, du lærer! + +4. **Kør koden**: Udfør hvert eksempel og observer outputtet. Sammenlign det med, hvad du forventede. + +5. **Byg videre på det**: Når du forstår et eksempel, så prøv at udvide det med dine egne idéer. + +## 💡 Tips til Begyndere + +- **Tag det roligt**: Tag dig tid til at forstå hvert eksempel, før du går videre til det næste +- **Skriv koden selv**: Kopiér ikke bare. At skrive koden hjælper dig med at lære og huske +- **Slå ukendte begreber op**: Hvis du ser noget, du ikke forstår, så søg efter det online eller i hovedlektionerne +- **Stil spørgsmål**: Deltag i [diskussionsforummet](https://github.com/microsoft/Data-Science-For-Beginners/discussions), hvis du har brug for hjælp +- **Øv dig regelmæssigt**: Prøv at kode lidt hver dag i stedet for lange sessioner én gang om ugen + +## 🔗 Næste Skridt + +Efter at have gennemført disse eksempler er du klar til at: +- Arbejde igennem hovedlektionerne +- Prøve opgaverne i hver lektionsmappe +- Udforske Jupyter-notebooks for mere dybdegående læring +- Skabe dine egne data science-projekter + +## 📚 Yderligere Ressourcer + +- [Hovedforløb](../README.md) - Det komplette 20-lektionskursus +- [For Lærere](../for-teachers.md) - Brug dette forløb i dit klasseværelse +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Gratis online læringsressourcer +- [Python Dokumentation](https://docs.python.org/3/) - Officiel Python-reference + +## 🤝 Bidrag + +Har du fundet en fejl eller en idé til et nyt eksempel? Vi byder bidrag velkommen! Se venligst vores [Bidragsvejledning](../CONTRIBUTING.md). + +--- + +**God læring! 🎉** + +Husk: Hver ekspert har engang været en nybegynder. Tag det ét skridt ad gangen, og vær ikke bange for at lave fejl - de er en del af læringsprocessen! + +--- + +**Ansvarsfraskrivelse**: +Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på nøjagtighed, skal det bemærkes, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os ikke ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse. \ No newline at end of file diff --git a/translations/de/README.md b/translations/de/README.md index fb51fcfc..8c77a83a 100644 --- a/translations/de/README.md +++ b/translations/de/README.md @@ -1,8 +1,8 @@ +# Anfängerfreundliche Data-Science-Beispiele + +Willkommen im Beispielverzeichnis! Diese Sammlung einfacher, gut kommentierter Beispiele wurde entwickelt, um Ihnen den Einstieg in die Welt der Data Science zu erleichtern – auch wenn Sie ein kompletter Anfänger sind. + +## 📚 Was Sie hier finden werden + +Jedes Beispiel ist eigenständig und enthält: +- **Klare Kommentare**, die jeden Schritt erklären +- **Einfachen, lesbaren Code**, der jeweils ein Konzept demonstriert +- **Praxisnahe Kontexte**, um zu verstehen, wann und warum diese Techniken verwendet werden +- **Erwartete Ausgaben**, damit Sie wissen, worauf Sie achten müssen + +## 🚀 Erste Schritte + +### Voraussetzungen +Bevor Sie diese Beispiele ausführen, stellen Sie sicher, dass Sie: +- Python 3.7 oder höher installiert haben +- Grundlegendes Verständnis dafür haben, wie man Python-Skripte ausführt + +### Installation der benötigten Bibliotheken +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Überblick über die Beispiele + +### 1. Hello World – Data Science Style +**Datei:** `01_hello_world_data_science.py` + +Ihr erstes Data-Science-Programm! Lernen Sie: +- Ein einfaches Dataset zu laden +- Grundlegende Informationen über Ihre Daten anzuzeigen +- Ihre erste Data-Science-Ausgabe zu drucken + +Perfekt für absolute Anfänger, die ihr erstes Data-Science-Programm in Aktion sehen möchten. + +--- + +### 2. Daten laden und erkunden +**Datei:** `02_loading_data.py` + +Lernen Sie die Grundlagen der Arbeit mit Daten: +- Daten aus CSV-Dateien lesen +- Die ersten Zeilen Ihres Datasets anzeigen +- Grundlegende Statistiken über Ihre Daten erhalten +- Datentypen verstehen + +Dies ist oft der erste Schritt in jedem Data-Science-Projekt! + +--- + +### 3. Einfache Datenanalyse +**Datei:** `03_simple_analysis.py` + +Führen Sie Ihre erste Datenanalyse durch: +- Berechnen Sie grundlegende Statistiken (Mittelwert, Median, Modus) +- Finden Sie maximale und minimale Werte +- Zählen Sie Vorkommen von Werten +- Filtern Sie Daten basierend auf Bedingungen + +Erfahren Sie, wie Sie einfache Fragen zu Ihren Daten beantworten können. + +--- + +### 4. Grundlagen der Datenvisualisierung +**Datei:** `04_basic_visualization.py` + +Erstellen Sie Ihre ersten Visualisierungen: +- Erstellen Sie ein einfaches Balkendiagramm +- Erstellen Sie ein Liniendiagramm +- Generieren Sie ein Kreisdiagramm +- Speichern Sie Ihre Visualisierungen als Bilder + +Lernen Sie, Ihre Erkenntnisse visuell zu kommunizieren! + +--- + +### 5. Arbeiten mit echten Daten +**Datei:** `05_real_world_example.py` + +Setzen Sie alles mit einem vollständigen Beispiel zusammen: +- Laden Sie echte Daten aus dem Repository +- Bereinigen und bereiten Sie die Daten vor +- Führen Sie Analysen durch +- Erstellen Sie aussagekräftige Visualisierungen +- Ziehen Sie Schlussfolgerungen + +Dieses Beispiel zeigt Ihnen einen kompletten Workflow von Anfang bis Ende. + +--- + +## 🎯 So nutzen Sie diese Beispiele + +1. **Beginnen Sie am Anfang**: Die Beispiele sind nach Schwierigkeitsgrad nummeriert. Starten Sie mit `01_hello_world_data_science.py` und arbeiten Sie sich durch. + +2. **Lesen Sie die Kommentare**: Jede Datei enthält detaillierte Kommentare, die erklären, was der Code macht und warum. Lesen Sie diese sorgfältig! + +3. **Experimentieren Sie**: Versuchen Sie, den Code zu ändern. Was passiert, wenn Sie einen Wert ändern? Machen Sie Fehler und beheben Sie sie – so lernen Sie! + +4. **Führen Sie den Code aus**: Führen Sie jedes Beispiel aus und beobachten Sie die Ausgabe. Vergleichen Sie sie mit Ihren Erwartungen. + +5. **Bauen Sie darauf auf**: Sobald Sie ein Beispiel verstanden haben, versuchen Sie, es mit Ihren eigenen Ideen zu erweitern. + +## 💡 Tipps für Anfänger + +- **Keine Eile**: Nehmen Sie sich Zeit, jedes Beispiel zu verstehen, bevor Sie zum nächsten übergehen +- **Tippen Sie den Code selbst**: Kopieren Sie ihn nicht einfach. Das Tippen hilft Ihnen, zu lernen und sich zu erinnern +- **Suchen Sie nach unbekannten Konzepten**: Wenn Sie etwas sehen, das Sie nicht verstehen, suchen Sie online oder in den Hauptlektionen danach +- **Stellen Sie Fragen**: Treten Sie dem [Diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions) bei, wenn Sie Hilfe benötigen +- **Üben Sie regelmäßig**: Versuchen Sie, jeden Tag ein bisschen zu programmieren, anstatt lange Sitzungen einmal pro Woche + +## 🔗 Nächste Schritte + +Nachdem Sie diese Beispiele abgeschlossen haben, sind Sie bereit: +- Die Hauptlektionen des Lehrplans durchzuarbeiten +- Die Aufgaben in jedem Lektionenordner auszuprobieren +- Die Jupyter-Notebooks für ein tieferes Lernen zu erkunden +- Ihre eigenen Data-Science-Projekte zu erstellen + +## 📚 Zusätzliche Ressourcen + +- [Hauptlehrplan](../README.md) – Der vollständige 20-Lektionen-Kurs +- [Für Lehrkräfte](../for-teachers.md) – Verwendung dieses Lehrplans im Unterricht +- [Microsoft Learn](https://docs.microsoft.com/learn/) – Kostenlose Online-Lernressourcen +- [Python-Dokumentation](https://docs.python.org/3/) – Offizielle Python-Referenz + +## 🤝 Mitwirken + +Einen Fehler gefunden oder eine Idee für ein neues Beispiel? Wir freuen uns über Beiträge! Bitte sehen Sie sich unseren [Leitfaden für Mitwirkende](../CONTRIBUTING.md) an. + +--- + +**Viel Spaß beim Lernen! 🎉** + +Denken Sie daran: Jeder Experte war einmal ein Anfänger. Gehen Sie Schritt für Schritt vor und haben Sie keine Angst, Fehler zu machen – sie sind Teil des Lernprozesses! + +--- + +**Haftungsausschluss**: +Dieses Dokument wurde mit dem KI-Übersetzungsdienst [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben. \ No newline at end of file diff --git a/translations/el/README.md b/translations/el/README.md index 2ca22665..74b35f8d 100644 --- a/translations/el/README.md +++ b/translations/el/README.md @@ -1,20 +1,19 @@ # Επιστήμη Δεδομένων για Αρχάριους - Ένα Πρόγραμμα Σπουδών -Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγραμμα σπουδών 10 εβδομάδων με 20 μαθήματα σχετικά με την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, λύσεις και εργασίες. Η παιδαγωγική μας προσέγγιση βασίζεται σε έργα, επιτρέποντάς σας να μάθετε ενώ δημιουργείτε, μια αποδεδειγμένη μέθοδος για να αποκτήσετε νέες δεξιότητες. +Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγραμμα σπουδών 10 εβδομάδων με 20 μαθήματα για την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, λύση και εργασία. Η προσέγγιση μας βασίζεται σε έργα, επιτρέποντάς σας να μάθετε ενώ δημιουργείτε, μια αποδεδειγμένη μέθοδος για να εδραιώσετε νέες δεξιότητες. **Ευχαριστίες στους συγγραφείς μας:** [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). -**🙏 Ειδικές ευχαριστίες 🙏 στους [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) συγγραφείς, κριτές και συνεισφέροντες περιεχομένου,** όπως οι 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 Ειδικές ευχαριστίες 🙏 στους [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) συγγραφείς, κριτές και συνεισφέροντες περιεχομένου,** όπως οι 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Σκίτσο από @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.el.png)| |:---:| @@ -24,14 +23,14 @@ Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγρα #### Υποστηρίζεται μέσω GitHub Action (Αυτοματοποιημένο & Πάντα Ενημερωμένο) -[Γαλλικά](../fr/README.md) | [Ισπανικά](../es/README.md) | [Γερμανικά](../de/README.md) | [Ρωσικά](../ru/README.md) | [Αραβικά](../ar/README.md) | [Περσικά (Φαρσί)](../fa/README.md) | [Ουρντού](../ur/README.md) | [Κινέζικα (Απλοποιημένα)](../zh/README.md) | [Κινέζικα (Παραδοσιακά, Μακάου)](../mo/README.md) | [Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ)](../hk/README.md) | [Κινέζικα (Παραδοσιακά, Ταϊβάν)](../tw/README.md) | [Ιαπωνικά](../ja/README.md) | [Κορεατικά](../ko/README.md) | [Χίντι](../hi/README.md) | [Μπενγκάλι](../bn/README.md) | [Μαραθικά](../mr/README.md) | [Νεπαλικά](../ne/README.md) | [Παντζάμπι (Γκουρμούκι)](../pa/README.md) | [Πορτογαλικά (Πορτογαλία)](../pt/README.md) | [Πορτογαλικά (Βραζιλία)](../br/README.md) | [Ιταλικά](../it/README.md) | [Πολωνικά](../pl/README.md) | [Τουρκικά](../tr/README.md) | [Ελληνικά](./README.md) | [Ταϊλανδικά](../th/README.md) | [Σουηδικά](../sv/README.md) | [Δανικά](../da/README.md) | [Νορβηγικά](../no/README.md) | [Φινλανδικά](../fi/README.md) | [Ολλανδικά](../nl/README.md) | [Εβραϊκά](../he/README.md) | [Βιετναμέζικα](../vi/README.md) | [Ινδονησιακά](../id/README.md) | [Μαλαισιανά](../ms/README.md) | [Ταγκαλόγκ (Φιλιππινέζικα)](../tl/README.md) | [Σουαχίλι](../sw/README.md) | [Ουγγρικά](../hu/README.md) | [Τσέχικα](../cs/README.md) | [Σλοβακικά](../sk/README.md) | [Ρουμανικά](../ro/README.md) | [Βουλγαρικά](../bg/README.md) | [Σερβικά (Κυριλλικά)](../sr/README.md) | [Κροατικά](../hr/README.md) | [Σλοβενικά](../sl/README.md) | [Ουκρανικά](../uk/README.md) | [Βιρμανικά (Μιανμάρ)](../my/README.md) +[Γαλλικά](../fr/README.md) | [Ισπανικά](../es/README.md) | [Γερμανικά](../de/README.md) | [Ρωσικά](../ru/README.md) | [Αραβικά](../ar/README.md) | [Περσικά (Φαρσί)](../fa/README.md) | [Ουρντού](../ur/README.md) | [Κινέζικα (Απλοποιημένα)](../zh/README.md) | [Κινέζικα (Παραδοσιακά, Μακάου)](../mo/README.md) | [Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ)](../hk/README.md) | [Κινέζικα (Παραδοσιακά, Ταϊβάν)](../tw/README.md) | [Ιαπωνικά](../ja/README.md) | [Κορεατικά](../ko/README.md) | [Χίντι](../hi/README.md) | [Μπενγκάλι](../bn/README.md) | [Μαραθικά](../mr/README.md) | [Νεπαλικά](../ne/README.md) | [Παντζάμπι (Γκουρμούκι)](../pa/README.md) | [Πορτογαλικά (Πορτογαλία)](../pt/README.md) | [Πορτογαλικά (Βραζιλία)](../br/README.md) | [Ιταλικά](../it/README.md) | [Πολωνικά](../pl/README.md) | [Τουρκικά](../tr/README.md) | [Ελληνικά](./README.md) | [Ταϊλανδικά](../th/README.md) | [Σουηδικά](../sv/README.md) | [Δανικά](../da/README.md) | [Νορβηγικά](../no/README.md) | [Φινλανδικά](../fi/README.md) | [Ολλανδικά](../nl/README.md) | [Εβραϊκά](../he/README.md) | [Βιετναμέζικα](../vi/README.md) | [Ινδονησιακά](../id/README.md) | [Μαλαισιακά](../ms/README.md) | [Ταγκαλόγκ (Φιλιππινέζικα)](../tl/README.md) | [Σουαχίλι](../sw/README.md) | [Ουγγρικά](../hu/README.md) | [Τσέχικα](../cs/README.md) | [Σλοβακικά](../sk/README.md) | [Ρουμανικά](../ro/README.md) | [Βουλγαρικά](../bg/README.md) | [Σερβικά (Κυριλλικά)](../sr/README.md) | [Κροατικά](../hr/README.md) | [Σλοβενικά](../sl/README.md) | [Ουκρανικά](../uk/README.md) | [Βιρμανικά (Μιανμάρ)](../my/README.md) -**Αν επιθυμείτε να υποστηριχθούν επιπλέον γλώσσες, οι διαθέσιμες γλώσσες παρατίθενται [εδώ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Αν θέλετε να υποστηριχθούν επιπλέον γλώσσες, οι διαθέσιμες γλώσσες παρατίθενται [εδώ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Γίνετε μέλος της κοινότητάς μας [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Έχουμε μια σειρά εκμάθησης με AI στο Discord, μάθετε περισσότερα και συμμετάσχετε στο [Learn with AI Series](https://aka.ms/learnwithai/discord) από 18 - 30 Σεπτεμβρίου, 2025. Θα λάβετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot για την Επιστήμη Δεδομένων. +Έχουμε μια σειρά εκμάθησης με AI στο Discord, μάθετε περισσότερα και γίνετε μέλος μας στο [Learn with AI Series](https://aka.ms/learnwithai/discord) από 18 - 30 Σεπτεμβρίου, 2025. Θα λάβετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot στην Επιστήμη Δεδομένων. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.el.jpg) @@ -39,14 +38,16 @@ Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγρα Ξεκινήστε με τους παρακάτω πόρους: -- [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 για να αποκτήσετε δωρεάν κουπόνι πιστοποίησης. Είναι μια σελίδα που αξίζει να προσθέσετε στους σελιδοδείκτες σας και να ελέγχετε τακτικά, καθώς το περιεχόμενο αλλάζει τουλάχιστον μηνιαία. +- [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 τρόπους για να αποκτήσετε δωρεάν πιστοποιητικό. Είναι μια σελίδα που αξίζει να 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 θα μπορούσε να είναι η είσοδός σας στη Microsoft. # Ξεκινώντας +> **Απόλυτοι Αρχάριοι**: Νέοι στην επιστήμη δεδομένων; Ξεκινήστε με τα [παραδείγματα για αρχάριους](examples/README.md)! Αυτά τα απλά, σχολιασμένα παραδείγματα θα σας βοηθήσουν να κατανοήσετε τα βασικά πριν προχωρήσετε στο πλήρες πρόγραμμα σπουδών. + > **Καθηγητές**: έχουμε [συμπεριλάβει κάποιες προτάσεις](for-teachers.md) για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών. Θα θέλαμε τη γνώμη σας [στο φόρουμ συζητήσεων μας](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Φοιτητές](https://aka.ms/student-page)**: για να 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, ο κώδικας αυτός 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). +> **[Φοιτητές](https://aka.ms/student-page)**: για να 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 έργο. 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). ## Γνωρίστε την Ομάδα @@ -60,9 +61,9 @@ Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγρα Επιλέξαμε δύο παιδαγωγικές αρχές κατά τη δημιουργία αυτού του προγράμματος σπουδών: να είναι βασισμένο σε έργα και να 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 χαμηλής πίεσης πριν από το μάθημα θέτει την πρόθεση του φοιτητή να μάθει ένα θέμα, ενώ ένα δεύτερο κουίζ μετά το μάθημα εξασφαλίζει περαιτέρω διατήρηση. Αυτό το πρόγραμμα σπουδών σχεδιάστηκε να είναι ευέλικτο και διασκεδαστικό και μπορεί να ολοκληρωθεί ολόκληρο ή τμηματικά. 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 εξασφαλίζει περαιτέρω διατήρηση. Αυτό το πρόγραμμα σπουδών σχεδιάστηκε να είναι ευέλικτο και διασκεδαστικό και μπορεί να ολοκληρωθεί ολόκληρο ή τμηματικά. Τα έργα ξεκινούν μικρά και γίνονται όλο και πιο περίπλοκα μέχρι το τέλος του κύκλου των 10 εβδομάδων. -> Βρείτε τον [Κώδικα Δεοντολογίας](CODE_OF_CONDUCT.md), [Οδηγίες Συνεισφοράς](CONTRIBUTING.md), [Οδηγίες Μετάφρασης](TRANSLATIONS.md). Καλωσορίζουμε τα εποικοδομητικά σχόλιά σας! +> Βρείτε τον [Κώδικα Συμπεριφοράς](CODE_OF_CONDUCT.md), τις [Οδηγίες Συνεισφοράς](CONTRIBUTING.md), τις [Οδηγίες Μετάφρασης](TRANSLATIONS.md). Περιμένουμε την εποικοδομητική σας ανατροφοδότηση! ## Κάθε μάθημα περιλαμβάνει: @@ -70,60 +71,74 @@ Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγρα - Προαιρετικό συμπληρωματικό βίντεο - Κουίζ προθέρμανσης πριν το μάθημα - Γραπτό μάθημα -- Για μαθήματα που βασίζονται σε έργα, οδηγίες βήμα προς βήμα για τη δημιουργία του έργου +- Για μαθήματα που βασίζονται σε έργα, οδηγίες βήμα προς βήμα για την κατασκευή του έργου - Έλεγχοι γνώσεων - Μια πρόκληση - Συμπληρωματική ανάγνωση - Εργασία - [Κουίζ μετά το μάθημα](https://ff-quizzes.netlify.app/en/) +> **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`. Γίνονται σταδιακά τοπικοποιήσεις. + +## 🎓 Παραδείγματα Φιλικά για Αρχάριους + +**Νέοι στην Επιστήμη Δεδομένων;** Δημιουργήσαμε έναν ειδικό [φάκελο παραδειγμάτων](examples/README.md) με απλό, σχολιασμένο κώδικα για να σας βοηθήσουμε να ξεκινήσετε: + +- 🌟 **Hello World** - Το πρώτο σας πρόγραμμα επιστήμης δεδομένων +- 📂 **Φόρτωση Δεδομένων** - Μάθετε να διαβάζετε και να εξερευνάτε σύνολα δεδομένων +- 📊 **Απλή Ανάλυση** - Υπολογίστε στατιστικά και βρείτε μοτίβα +- 📈 **Βασική Οπτικοποίηση** - Δημιουργήστε γραφήματα και διαγράμματα +- 🔬 **Πραγματικό Έργο** - Ολοκληρωμένη ροή εργασίας από την αρχή μέχρι το τέλος -> **Σημείωση για τα κουίζ**: Όλα τα κουίζ περιέχονται 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`. Τα κουίζ μεταφράζονται σταδιακά. +Κάθε παράδειγμα περιλαμβάνει λεπτομερή σχόλια που εξηγούν κάθε βήμα, καθιστώντας το ιδανικό για απόλυτους αρχάριους! + +👉 **[Ξεκινήστε με τα παραδείγματα](examples/README.md)** 👈 ## Μαθήματα -|![ Sketchnote από @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.el.png)| + +|![ Σκίτσο από @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.el.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 Μαθήματος | Στόχοι Μάθησης | Συνδεδεμένο Μάθημα | Συγγραφέας | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Ορισμός της Επιστήμης Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Μάθετε τις βασικές έννοιες της επιστήμης δεδομένων και πώς συνδέεται 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) | -| 02 | Ηθική στην Επιστήμη Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Έννοιες, προκλήσεις και πλαίσια ηθικής δεδομένων. | [μάθημα](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 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) | -| 04 | Εισαγωγή στη Στατιστική και Πιθανότητες | [Εισαγωγή](1-Introduction/README.md) | Οι μαθηματικές τεχνικές της πιθανότητας και της στατιστικής 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 βασικές τεχνικές εξερεύνησης και ανάλυσης με τη Δομημένη Γλώσσα Ερωτημάτων (SQL). | [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 τις βασικές τεχνικές 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) | Βασικές τεχνικές χρήσης της Python για εξερεύνηση δεδομένων με βιβλιοθήκες όπως η Pandas. Συνιστάται θεμελιώδης κατανόηση της 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 τεχνικών καθαρισμού και μετασχηματισμού δεδομένων για την αντιμετώπιση προκλήσεων όπως ελλιπή ή ανακριβή δεδομένα. | [μάθημα](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 01 | Ορισμός της Επιστήμης Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Μάθετε τις βασικές έννοιες πίσω από την επιστήμη δεδομένων και πώς συνδέεται 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) | +| 02 | Ηθική στην Επιστήμη Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Έννοιες, Προκλήσεις & Πλαίσια Ηθικής Δεδομένων. | [μάθημα](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 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 στη Στατιστική & Πιθανότητες | [Εισαγωγή](1-Introduction/README.md) | Οι μαθηματικές τεχνικές της πιθανότητας και της στατιστικής 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 Ερωτήσεων, γνωστή και ως SQL (προφέρεται "σι-κουέλ"). | [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 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 τεχνικών δεδομένων για καθαρισμό και μετασχηματισμό των δεδομένων ώστε να αντιμετωπιστούν προκλήσεις όπως ελλιπή, ανακριβή ή ατελή δεδομένα. | [μάθημα](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Οπτικοποίηση Ποσοτήτων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Μάθετε πώς να χρησιμοποιείτε το Matplotlib για να οπτικοποιήσετε δεδομένα πουλιών 🦆 | [μάθημα](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Οπτικοποίηση Κατανομών Δεδομένων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση παρατηρήσεων και τάσεων μέσα σε ένα διάστημα. | [μάθημα](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Οπτικοποίηση Αναλογιών | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση διακριτών και ομαδοποιημένων ποσοστών. | [μάθημα](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Οπτικοποίηση Σχέσεων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση συνδέσεων και συσχετίσεων μεταξύ συνόλων δεδομένων και 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 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) | +| 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 να κάνετε τις οπτικοποιήσεις σας πολύτιμες για αποτελεσματική επίλυση προβλημάτων και 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 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 στις 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 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 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) | -| 18 | Επιστήμη Δεδομένων στο Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Εκπαίδευση μοντέλων χρησιμοποιώντας εργαλεία Low Code. |[μάθημα](5-Data-Science-In-Cloud/18-Low-Code/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 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) | +| 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 διευκολύνει τους υπεύθυνους λήψης αποφάσεων να κατανοήσουν. | [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) | +| 18 | Επιστήμη Δεδομένων στο Cloud | [Cloud Δεδομένα](5-Data-Science-In-Cloud/README.md) | Εκπαίδευση μοντέλων χρησιμοποιώντας εργαλεία Low Code. |[μάθημα](5-Data-Science-In-Cloud/18-Low-Code/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 που βασίζονται στην επιστήμη 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 για να ανοίξετε αυτό το δείγμα σε ένα Codespace: -1. Κάντε κλικ στο μενού Code και επιλέξτε την επιλογή Open with Codespaces. -2. Επιλέξτε + New codespace στο κάτω μέρος του πίνακα. +1. Κάντε κλικ στο αναπτυσσόμενο μενού Code και επιλέξτε την επιλογή Open with Codespaces. +2. Επιλέξτε + New codespace στο κάτω μέρος του πλαισίου. 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 για να ανοίξετε αυτό το αποθετήριο σε ένα container χρησιμοποιώντας τον τοπικό σας υπολογιστή και το VSCode με την επέκταση VS Code Remote - Containers: -1. Εάν είναι η πρώτη φορά που χρησιμοποιείτε container ανάπτυξης, βεβαιωθείτε ότι το σύστημά σας πληροί τις προϋποθέσεις (π.χ. έχετε εγκαταστήσει το Docker) στην [τεκμηρίωση για την έναρξη](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Εάν είναι η πρώτη σας 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...** για να 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. +**Σημείωση**: Στο παρασκήνιο, αυτό θα χρησιμοποιήσει την εντολή Remote-Containers: **Clone Repository in Container Volume...** για να 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. -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...**. @@ -131,9 +146,9 @@ Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγρα ## 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 συνέχεια, στον ριζικό φάκελο αυτού του αποθετηρίου, πληκτρολογήστε `docsify serve`. Ο ιστότοπος θα εξυπηρετείται στην πόρτα 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 εξυπηρετηθεί στην θύρα 3000 του localhost σας: `localhost:3000`. -> Σημείωση, τα notebooks δεν θα εμφανίζονται μέσω του Docsify, οπότε όταν χρειαστεί να εκτελέσετε ένα notebook, κάντε το ξεχωριστά στο VS Code χρησιμοποιώντας έναν πυρήνα Python. +> Σημείωση, τα notebooks δεν θα αποδοθούν μέσω του Docsify, οπότε όταν χρειαστεί να εκτελέσετε ένα notebook, κάντε το ξεχωριστά στο VS Code εκτελώντας έναν πυρήνα Python. ## Άλλα Προγράμματα Σπουδών @@ -154,22 +169,21 @@ Azure Cloud Advocates στη Microsoft προσφέρουν ένα πρόγρα - [IoT για Αρχάριους](https://aka.ms/iot-beginners) - [Μηχανική Μάθηση για Αρχάριους](https://aka.ms/ml-beginners) - [Ανάπτυξη XR για Αρχάριους](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot για AI Συνεργατική Προγραμματιστική](https://aka.ms/GitHubCopilotAI) +- [Mastering GitHub Copilot για AI Συνεργατικό Προγραμματισμό](https://aka.ms/GitHubCopilotAI) - [Ανάπτυξη XR για Αρχάριους](https://github.com/microsoft/xr-development-for-beginners) - [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) ## Λήψη Βοήθειας -Αν κολλήσετε ή έχετε ερωτήσεις σχετικά με την ανάπτυξη εφαρμογών AI, συμμετάσχετε: +Εάν κολλήσετε ή έχετε οποιαδήποτε ερώτηση σχετικά με την κατασκευή εφαρμογών AI, συμμετάσχετε: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Αν έχετε σχόλια για προϊόντα ή σφάλματα κατά την ανάπτυξη, επισκεφθείτε: - +Εάν έχετε σχόλια για το προϊόν ή σφάλματα κατά [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Αποποίηση ευθύνης**: +**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 λάθη 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. \ No newline at end of file diff --git a/translations/el/examples/README.md b/translations/el/examples/README.md new file mode 100644 index 00000000..e7901225 --- /dev/null +++ b/translations/el/examples/README.md @@ -0,0 +1,149 @@ + +# Παραδείγματα Επιστήμης Δεδομένων για Αρχάριους + +Καλώς ήρθατε στον κατάλογο παραδειγμάτων! Αυτή η συλλογή από απλά, καλά σχολιασμένα παραδείγματα έχει σχεδιαστεί για να σας βοηθήσει να ξεκινήσετε με την επιστήμη δεδομένων, ακόμα κι αν είστε εντελώς αρχάριοι. + +## 📚 Τι θα βρείτε εδώ + +Κάθε παράδειγμα είναι αυτοτελές και περιλαμβάνει: +- **Καθαρά σχόλια** που εξηγούν κάθε βήμα +- **Απλό, ευανάγνωστο κώδικα** που δείχνει μία έννοια τη φορά +- **Πραγματικό πλαίσιο** για να κατανοήσετε πότε και γιατί να χρησιμοποιήσετε αυτές τις τεχνικές +- **Αναμενόμενη έξοδο** ώστε να ξέρετε τι να περιμένετε + +## 🚀 Ξεκινώντας + +### Προαπαιτούμενα +Πριν εκτελέσετε αυτά τα παραδείγματα, βεβαιωθείτε ότι έχετε: +- Εγκατεστημένη την Python 3.7 ή νεότερη έκδοση +- Βασική κατανόηση του πώς να εκτελείτε Python scripts + +### Εγκατάσταση Απαραίτητων Βιβλιοθηκών +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Επισκόπηση Παραδειγμάτων + +### 1. Hello World - Στυλ Επιστήμης Δεδομένων +**Αρχείο:** `01_hello_world_data_science.py` + +Το πρώτο σας πρόγραμμα επιστήμης δεδομένων! Μάθετε πώς να: +- Φορτώσετε ένα απλό σύνολο δεδομένων +- Εμφανίσετε βασικές πληροφορίες για τα δεδομένα σας +- Εκτυπώσετε την πρώτη σας έξοδο επιστήμης δεδομένων + +Ιδανικό για απόλυτους αρχάριους που θέλουν να δουν το πρώτο τους πρόγραμμα επιστήμης δεδομένων σε δράση. + +--- + +### 2. Φόρτωση και Εξερεύνηση Δεδομένων +**Αρχείο:** `02_loading_data.py` + +Μάθετε τα βασικά της εργασίας με δεδομένα: +- Διαβάστε δεδομένα από αρχεία CSV +- Δείτε τις πρώτες γραμμές του συνόλου δεδομένων σας +- Λάβετε βασικές στατιστικές πληροφορίες για τα δεδομένα σας +- Κατανοήστε τους τύπους δεδομένων + +Αυτό είναι συχνά το πρώτο βήμα σε οποιοδήποτε έργο επιστήμης δεδομένων! + +--- + +### 3. Απλή Ανάλυση Δεδομένων +**Αρχείο:** `03_simple_analysis.py` + +Εκτελέστε την πρώτη σας ανάλυση δεδομένων: +- Υπολογίστε βασικές στατιστικές (μέσος όρος, διάμεσος, επικρατούσα τιμή) +- Βρείτε μέγιστες και ελάχιστες τιμές +- Μετρήστε τις εμφανίσεις τιμών +- Φιλτράρετε δεδομένα βάσει συνθηκών + +Δείτε πώς να απαντήσετε σε απλές ερωτήσεις για τα δεδομένα σας. + +--- + +### 4. Βασικά της Οπτικοποίησης Δεδομένων +**Αρχείο:** `04_basic_visualization.py` + +Δημιουργήστε τις πρώτες σας οπτικοποιήσεις: +- Φτιάξτε ένα απλό γράφημα μπάρας +- Δημιουργήστε ένα διάγραμμα γραμμών +- Παράγετε ένα κυκλικό διάγραμμα +- Αποθηκεύστε τις οπτικοποιήσεις σας ως εικόνες + +Μάθετε να επικοινωνείτε τα ευρήματά σας οπτικά! + +--- + +### 5. Εργασία με Πραγματικά Δεδομένα +**Αρχείο:** `05_real_world_example.py` + +Συνδυάστε τα όλα με ένα πλήρες παράδειγμα: +- Φορτώστε πραγματικά δεδομένα από το αποθετήριο +- Καθαρίστε και προετοιμάστε τα δεδομένα +- Εκτελέστε ανάλυση +- Δημιουργήστε ουσιαστικές οπτικοποιήσεις +- Βγάλτε συμπεράσματα + +Αυτό το παράδειγμα σας δείχνει μια πλήρη ροή εργασίας από την αρχή μέχρι το τέλος. + +--- + +## 🎯 Πώς να Χρησιμοποιήσετε Αυτά τα Παραδείγματα + +1. **Ξεκινήστε από την αρχή**: Τα παραδείγματα είναι αριθμημένα με σειρά δυσκολίας. Ξεκινήστε με το `01_hello_world_data_science.py` και προχωρήστε σταδιακά. + +2. **Διαβάστε τα σχόλια**: Κάθε αρχείο έχει λεπτομερή σχόλια που εξηγούν τι κάνει ο κώδικας και γιατί. Διαβάστε τα προσεκτικά! + +3. **Πειραματιστείτε**: Δοκιμάστε να τροποποιήσετε τον κώδικα. Τι συμβαίνει αν αλλάξετε μια τιμή; Σπάστε τα πράγματα και διορθώστε τα - έτσι μαθαίνετε! + +4. **Εκτελέστε τον κώδικα**: Εκτελέστε κάθε παράδειγμα και παρατηρήστε την έξοδο. Συγκρίνετέ την με αυτό που περιμένατε. + +5. **Επεκτείνετε το παράδειγμα**: Μόλις κατανοήσετε ένα παράδειγμα, δοκιμάστε να το επεκτείνετε με τις δικές σας ιδέες. + +## 💡 Συμβουλές για Αρχάριους + +- **Μην βιάζεστε**: Αφιερώστε χρόνο για να κατανοήσετε κάθε παράδειγμα πριν προχωρήσετε στο επόμενο +- **Πληκτρολογήστε τον κώδικα μόνοι σας**: Μην κάνετε απλώς αντιγραφή-επικόλληση. Η πληκτρολόγηση σας βοηθά να μάθετε και να θυμάστε +- **Αναζητήστε άγνωστες έννοιες**: Αν δείτε κάτι που δεν καταλαβαίνετε, ψάξτε το στο διαδίκτυο ή στα κύρια μαθήματα +- **Κάντε ερωτήσεις**: Εγγραφείτε στο [φόρουμ συζητήσεων](https://github.com/microsoft/Data-Science-For-Beginners/discussions) αν χρειάζεστε βοήθεια +- **Εξασκηθείτε τακτικά**: Προσπαθήστε να γράφετε κώδικα λίγο κάθε μέρα αντί για μεγάλες συνεδρίες μία φορά την εβδομάδα + +## 🔗 Επόμενα Βήματα + +Αφού ολοκληρώσετε αυτά τα παραδείγματα, είστε έτοιμοι να: +- Εργαστείτε στα κύρια μαθήματα του προγράμματος σπουδών +- Δοκιμάσετε τις ασκήσεις σε κάθε φάκελο μαθήματος +- Εξερευνήσετε τα Jupyter notebooks για πιο εις βάθος μάθηση +- Δημιουργήσετε τα δικά σας έργα επιστήμης δεδομένων + +## 📚 Πρόσθετοι Πόροι + +- [Κύριο Πρόγραμμα Σπουδών](../README.md) - Το πλήρες μάθημα 20 μαθημάτων +- [Για Εκπαιδευτικούς](../for-teachers.md) - Χρήση αυτού του προγράμματος σπουδών στην τάξη σας +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Δωρεάν διαδικτυακοί πόροι μάθησης +- [Τεκμηρίωση Python](https://docs.python.org/3/) - Επίσημη αναφορά Python + +## 🤝 Συνεισφορά + +Βρήκατε κάποιο σφάλμα ή έχετε μια ιδέα για ένα νέο παράδειγμα; Καλωσορίζουμε τις συνεισφορές! Δείτε τον [Οδηγό Συνεισφοράς](../CONTRIBUTING.md). + +--- + +**Καλή Μάθηση! 🎉** + +Θυμηθείτε: Κάθε ειδικός υπήρξε κάποτε αρχάριος. Προχωρήστε βήμα-βήμα και μην φοβάστε να κάνετε λάθη - είναι μέρος της διαδικασίας μάθησης! + +--- + +**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. \ No newline at end of file diff --git a/translations/en/README.md b/translations/en/README.md index 7dcf8bf7..d8ceaef4 100644 --- a/translations/en/README.md +++ b/translations/en/README.md @@ -1,15 +1,15 @@ # Data Science for Beginners - A Curriculum -Azure Cloud Advocates at Microsoft are excited to present a 10-week, 20-lesson curriculum focused on Data Science. Each lesson includes pre-lesson and post-lesson quizzes, detailed instructions, solutions, and assignments. This project-based approach helps you learn effectively by building, ensuring new skills are retained. +Azure Cloud Advocates at Microsoft are excited to present a 10-week, 20-lesson curriculum focused on Data Science. Each lesson includes pre-lesson and post-lesson quizzes, detailed instructions, solutions, and assignments. This project-based approach helps you learn effectively by building, ensuring the skills you acquire are retained. **Special thanks to our authors:** [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). @@ -25,27 +25,29 @@ Azure Cloud Advocates at Microsoft are excited to present a 10-week, 20-lesson c [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) -**If you wish to have additional translations, languages supported are listed [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**If you'd like additional translations, supported languages are listed [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Join Our Community [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -We have a Discord Learn with AI series ongoing. Learn more and join us at [Learn with AI Series](https://aka.ms/learnwithai/discord) from September 18 - 30, 2025. You'll get tips and tricks for using GitHub Copilot for Data Science. +We are hosting a Discord "Learn with AI" series from September 18–30, 2025. Join us to learn tips and tricks for using GitHub Copilot in Data Science. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.en.jpg) # Are you a student? -Get started with these resources: +Start with these resources: -- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum): This page offers beginner resources, student packs, and even ways to get a free certification voucher. Bookmark this page and check back regularly as content is updated monthly. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum): Join a global community of student ambassadors—this could be your gateway into Microsoft. +- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum): Find beginner resources, student packs, and even ways to get a free certification voucher. Bookmark this page and check back often as content is updated monthly. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum): Join a global community of student ambassadors—your gateway to Microsoft. # Getting Started -> **Teachers**: We have [included some suggestions](for-teachers.md) on how to use this curriculum. We'd love your feedback [in our discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Complete Beginners**: New to data science? Begin with our [beginner-friendly examples](examples/README.md)! These simple, well-commented examples will help you grasp the basics before diving into the full curriculum. -> **[Students](https://aka.ms/student-page)**: To use this curriculum independently, fork the entire repository and complete the exercises on your own, starting with a pre-lesson quiz. Then, read the lesson and complete the activities. Try to build the projects by understanding the lessons rather than copying the solution code (though the solution code is available in the /solutions folders for each project-based lesson). Another idea is to form a study group with friends and go through the content together. For further study, we recommend [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Teachers**: We've [included suggestions](for-teachers.md) on how to use this curriculum. Share your feedback [in our discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! + +> **[Students](https://aka.ms/student-page)**: To use this curriculum independently, fork the repository and complete the exercises, starting with the pre-lecture quiz. Then, read the lecture and complete the activities. Try to build the projects by understanding the lessons rather than copying the solution code (available in the /solutions folders for each project-based lesson). Alternatively, form a study group with friends and go through the content together. For further study, explore [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Meet the Team @@ -53,13 +55,13 @@ Get started with these resources: **Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Click the image above for a video about the project and the team behind it! +> 🎥 Click the image above to watch a video about the project and the team behind it! ## Pedagogy -This curriculum is built on two key principles: project-based learning and frequent quizzes. By the end of this series, students will have learned fundamental concepts of data science, including ethical considerations, data preparation, various methods of working with data, data visualization, data analysis, real-world applications of data science, and more. +This curriculum is built on two key principles: project-based learning and frequent quizzes. By the end of this series, students will understand fundamental data science concepts, including ethical considerations, data preparation, data visualization, data analysis, real-world applications, and more. -Additionally, a low-stakes quiz before a class helps set the student's focus on the topic, while a post-class quiz reinforces retention. This curriculum is designed to be flexible and enjoyable, allowing students to take it in full or in part. The projects start small and gradually become more complex over the 10-week cycle. +Low-stakes quizzes before a class help students focus on the topic, while post-class quizzes reinforce retention. The curriculum is designed to be flexible and engaging, allowing students to complete it in full or in part. Projects start small and grow in complexity over the 10-week cycle. > Check out our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), and [Translation](TRANSLATIONS.md) guidelines. We welcome your constructive feedback! @@ -69,42 +71,58 @@ Additionally, a low-stakes quiz before a class helps set the student's focus on - Optional supplemental video - Pre-lesson warmup quiz - Written lesson -- For project-based lessons, step-by-step guides on how to build the project +- Step-by-step guides for project-based lessons - Knowledge checks - A challenge - Supplemental reading - Assignment - [Post-lesson quiz](https://ff-quizzes.netlify.app/en/) +> **A note about quizzes**: All quizzes are located in the Quiz-App folder, containing a total of 40 quizzes with three questions each. They are linked within the lessons, but the quiz app can be run locally or deployed to Azure; follow the instructions in the `quiz-app` folder. Localization is ongoing. + +## 🎓 Beginner-Friendly Examples + +**New to Data Science?** We've created a special [examples directory](examples/README.md) with simple, well-commented code to help you get started: + +- 🌟 **Hello World** - Your first data science program +- 📂 **Loading Data** - Learn how to read and explore datasets +- 📊 **Simple Analysis** - Calculate statistics and identify patterns +- 📈 **Basic Visualization** - Create charts and graphs +- 🔬 **Real-World Project** - Complete workflow from start to finish + +Each example includes detailed comments explaining every step, making it ideal for absolute beginners! -> **A note about quizzes**: All quizzes are contained in the Quiz-App folder, with 40 quizzes of three questions each. They are linked within the lessons, but the quiz app can be run locally or deployed to Azure; follow the instructions in the `quiz-app` folder. Localization is ongoing. +👉 **[Start with the examples](examples/README.md)** 👈 ## Lessons + + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.en.png)| |:---:| | Data Science For Beginners: Roadmap - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | + | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Defining Data Science | [Introduction](1-Introduction/README.md) | Learn the basic concepts behind data science and how it’s related to artificial intelligence, machine learning, and big data. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Data Science Ethics | [Introduction](1-Introduction/README.md) | Concepts, challenges, and frameworks related to data ethics. | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Defining Data | [Introduction](1-Introduction/README.md) | Learn how data is classified and its common sources. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introduction to Statistics & Probability | [Introduction](1-Introduction/README.md) | Understand the mathematical techniques of probability and statistics to analyze data. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Working with Relational Data | [Working With Data](2-Working-With-Data/README.md) | Learn about relational data and the basics of exploring and analyzing it using SQL (Structured Query Language). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | -| 06 | Working with NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to non-relational data, its types, and the basics of exploring and analyzing document databases. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) | -| 07 | Working with Python | [Working With Data](2-Working-With-Data/README.md) | Learn the basics of using Python for data exploration with libraries like Pandas. Foundational Python knowledge is recommended. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Data Preparation | [Working With Data](2-Working-With-Data/README.md) | Explore techniques for cleaning and transforming data to address challenges like missing, inaccurate, or incomplete data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 03 | Defining Data | [Introduction](1-Introduction/README.md) | How data is classified and its common sources. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduction to Statistics & Probability | [Introduction](1-Introduction/README.md) | Mathematical techniques of probability and statistics to understand data. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Working with Relational Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to relational data and the basics of exploring and analyzing relational data using Structured Query Language, also known as SQL (pronounced “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Working with NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to non-relational data, its various types, and the basics of exploring and analyzing document databases. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Working with Python | [Working With Data](2-Working-With-Data/README.md) | Basics of using Python for data exploration with libraries like Pandas. Foundational understanding of Python programming is recommended. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Data Preparation | [Working With Data](2-Working-With-Data/README.md) | Techniques for cleaning and transforming data to address challenges like missing, inaccurate, or incomplete data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Visualizing Quantities | [Data Visualization](3-Data-Visualization/README.md) | Learn how to use Matplotlib to visualize bird data 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualizing Distributions of Data | [Data Visualization](3-Data-Visualization/README.md) | Learn to visualize observations and trends within intervals. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualizing Proportions | [Data Visualization](3-Data-Visualization/README.md) | Learn to visualize discrete and grouped percentages. | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualizing Relationships | [Data Visualization](3-Data-Visualization/README.md) | Learn to visualize connections and correlations between data sets and their variables. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualizing Distributions of Data | [Data Visualization](3-Data-Visualization/README.md) | Visualizing observations and trends within an interval. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualizing Proportions | [Data Visualization](3-Data-Visualization/README.md) | Visualizing discrete and grouped percentages. | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualizing Relationships | [Data Visualization](3-Data-Visualization/README.md) | Visualizing connections and correlations between sets of data and their variables. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | Meaningful Visualizations | [Data Visualization](3-Data-Visualization/README.md) | Techniques and guidance for creating visualizations that effectively solve problems and provide insights. | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introduction to the Data Science lifecycle | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Learn about the data science lifecycle and its first step: acquiring and extracting data. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analyzing | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Focus on techniques for analyzing data in this phase of the data science lifecycle. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | -| 16 | Communication | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Learn how to present insights from data in a way that decision-makers can easily understand. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | -| 17 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Introduction to data science in the cloud and its benefits. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Learn to train models using Low Code tools. | [lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Learn to deploy models using Azure Machine Learning Studio. | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science in the Wild | [In the Wild](6-Data-Science-In-Wild/README.md) | Explore real-world projects driven by data science. | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 14 | Introduction to the Data Science lifecycle | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Introduction to the data science lifecycle and its first step: acquiring and extracting data. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analyzing | [Lifecycle](4-Data-Science-Lifecycle/README.md) | This phase of the data science lifecycle focuses on techniques for analyzing data. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Communication | [Lifecycle](4-Data-Science-Lifecycle/README.md) | This phase of the data science lifecycle focuses on presenting insights from the data in a way that decision-makers can easily understand. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | This series of lessons introduces data science in the cloud and its benefits. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Training models using Low Code tools. |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Deploying models with Azure Machine Learning Studio. | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science in the Wild | [In the Wild](6-Data-Science-In-Wild/README.md) | Data science-driven projects in the real world. | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces @@ -116,27 +134,27 @@ For more info, check out the [GitHub documentation](https://docs.github.com/en/c ## VSCode Remote - Containers Follow these steps to open this repo in a container using your local machine and VSCode with the VS Code Remote - Containers extension: -1. If this is your first time using a development container, ensure your system meets the prerequisites (e.g., Docker installed) as outlined in [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. If this is your first time using a development container, please ensure your system meets the prerequisites (i.e., have Docker installed) in [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -To use this repository, you can either open it in an isolated Docker volume: +To use this repository, you can either open the repository in an isolated Docker volume: -**Note**: This will use the Remote-Containers: **Clone Repository in Container Volume...** command to clone the source code into a Docker volume instead of the local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) are the preferred method for persisting container data. +**Note**: Under the hood, this will use the Remote-Containers: **Clone Repository in Container Volume...** command to clone the source code in a Docker volume instead of the local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) are the preferred mechanism for persisting container data. Or open a locally cloned or downloaded version of the repository: - Clone this repository to your local filesystem. - Press F1 and select the **Remote-Containers: Open Folder in Container...** command. -- Select the cloned copy of this folder, wait for the container to start, and explore the content. +- Select the cloned copy of this folder, wait for the container to start, and try things out. ## Offline access -You can run this documentation offline using [Docsify](https://docsify.js.org/#/). Fork this repo, [install Docsify](https://docsify.js.org/#/quickstart) on your local machine, and in the root folder of this repo, type `docsify serve`. The website will be served on port 3000 on your localhost: `localhost:3000`. +You can run this documentation offline by using [Docsify](https://docsify.js.org/#/). Fork this repo, [install Docsify](https://docsify.js.org/#/quickstart) on your local machine, then in the root folder of this repo, type `docsify serve`. The website will be served on port 3000 on your localhost: `localhost:3000`. -> Note: Notebooks will not be rendered via Docsify. To run a notebook, use VS Code with a Python kernel. +> Note, notebooks will not be rendered via Docsify, so when you need to run a notebook, do that separately in VS Code running a Python kernel. ## Other Curricula -Our team has created other curricula! Check out: +Our team produces other curricula! Check out: - [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) - [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) @@ -160,15 +178,14 @@ Our team has created other curricula! Check out: ## Getting Help -If you get stuck or have questions about building AI apps, join: +If you get stuck or have any questions about building AI apps, join: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -If you have product feedback or encounter errors while building, visit: - +If you have product feedback or errors while building visit: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Disclaimer**: -This document has been translated using the AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator). While we aim for accuracy, please note that automated translations may contain errors or inaccuracies. The original document in its native language should be regarded as the authoritative source. For critical information, professional human translation is recommended. We are not responsible for any misunderstandings or misinterpretations resulting from the use of this translation. \ No newline at end of file +This document has been translated using the AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator). While we strive for accuracy, please note that automated translations may contain errors or inaccuracies. The original document in its native language should be regarded as the authoritative source. For critical information, professional human translation is recommended. We are not responsible for any misunderstandings or misinterpretations resulting from the use of this translation. \ No newline at end of file diff --git a/translations/en/examples/README.md b/translations/en/examples/README.md new file mode 100644 index 00000000..f77d5ffe --- /dev/null +++ b/translations/en/examples/README.md @@ -0,0 +1,149 @@ + +# Beginner-Friendly Data Science Examples + +Welcome to the examples directory! This collection of simple, well-commented examples is designed to help you get started with data science, even if you're a complete beginner. + +## 📚 What You'll Find Here + +Each example is self-contained and includes: +- **Clear comments** explaining every step +- **Simple, readable code** that demonstrates one concept at a time +- **Real-world context** to help you understand when and why to use these techniques +- **Expected output** so you know what to look for + +## 🚀 Getting Started + +### Prerequisites +Before running these examples, make sure you have: +- Python 3.7 or higher installed +- Basic understanding of how to run Python scripts + +### Installing Required Libraries +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Examples Overview + +### 1. Hello World - Data Science Style +**File:** `01_hello_world_data_science.py` + +Your first data science program! Learn how to: +- Load a simple dataset +- Display basic information about your data +- Print your first data science output + +Perfect for absolute beginners who want to see their first data science program in action. + +--- + +### 2. Loading and Exploring Data +**File:** `02_loading_data.py` + +Learn the fundamentals of working with data: +- Read data from CSV files +- View the first few rows of your dataset +- Get basic statistics about your data +- Understand data types + +This is often the first step in any data science project! + +--- + +### 3. Simple Data Analysis +**File:** `03_simple_analysis.py` + +Perform your first data analysis: +- Calculate basic statistics (mean, median, mode) +- Find maximum and minimum values +- Count occurrences of values +- Filter data based on conditions + +See how to answer simple questions about your data. + +--- + +### 4. Data Visualization Basics +**File:** `04_basic_visualization.py` + +Create your first visualizations: +- Make a simple bar chart +- Create a line plot +- Generate a pie chart +- Save your visualizations as images + +Learn to communicate your findings visually! + +--- + +### 5. Working with Real Data +**File:** `05_real_world_example.py` + +Put it all together with a complete example: +- Load real data from the repository +- Clean and prepare the data +- Perform analysis +- Create meaningful visualizations +- Draw conclusions + +This example shows you a complete workflow from start to finish. + +--- + +## 🎯 How to Use These Examples + +1. **Start from the beginning**: The examples are numbered in order of difficulty. Begin with `01_hello_world_data_science.py` and work your way through. + +2. **Read the comments**: Each file has detailed comments explaining what the code does and why. Read them carefully! + +3. **Experiment**: Try modifying the code. What happens if you change a value? Break things and fix them - that's how you learn! + +4. **Run the code**: Execute each example and observe the output. Compare it with what you expected. + +5. **Build on it**: Once you understand an example, try extending it with your own ideas. + +## 💡 Tips for Beginners + +- **Don't rush**: Take time to understand each example before moving to the next one +- **Type the code yourself**: Don't just copy-paste. Typing helps you learn and remember +- **Look up unfamiliar concepts**: If you see something you don't understand, search for it online or in the main lessons +- **Ask questions**: Join the [discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions) if you need help +- **Practice regularly**: Try to code a little bit every day rather than long sessions once a week + +## 🔗 Next Steps + +After completing these examples, you're ready to: +- Work through the main curriculum lessons +- Try the assignments in each lesson folder +- Explore the Jupyter notebooks for more in-depth learning +- Create your own data science projects + +## 📚 Additional Resources + +- [Main Curriculum](../README.md) - The complete 20-lesson course +- [For Teachers](../for-teachers.md) - Using this curriculum in your classroom +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Free online learning resources +- [Python Documentation](https://docs.python.org/3/) - Official Python reference + +## 🤝 Contributing + +Found a bug or have an idea for a new example? We welcome contributions! Please see our [Contributing Guide](../CONTRIBUTING.md). + +--- + +**Happy Learning! 🎉** + +Remember: Every expert was once a beginner. Take it one step at a time, and don't be afraid to make mistakes - they're part of the learning process! + +--- + +**Disclaimer**: +This document has been translated using the AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator). While we aim for accuracy, please note that automated translations may contain errors or inaccuracies. The original document in its native language should be regarded as the authoritative source. For critical information, professional human translation is recommended. We are not responsible for any misunderstandings or misinterpretations resulting from the use of this translation. \ No newline at end of file diff --git a/translations/es/README.md b/translations/es/README.md index 62f60bd5..aa949d33 100644 --- a/translations/es/README.md +++ b/translations/es/README.md @@ -1,8 +1,8 @@ +# Ejemplos de Ciencia de Datos para Principiantes + +¡Bienvenido al directorio de ejemplos! Esta colección de ejemplos simples y bien comentados está diseñada para ayudarte a comenzar con la ciencia de datos, incluso si eres un principiante total. + +## 📚 Qué Encontrarás Aquí + +Cada ejemplo es autónomo e incluye: +- **Comentarios claros** que explican cada paso +- **Código simple y legible** que demuestra un concepto a la vez +- **Contexto del mundo real** para ayudarte a entender cuándo y por qué usar estas técnicas +- **Salida esperada** para que sepas qué buscar + +## 🚀 Comenzando + +### Requisitos Previos +Antes de ejecutar estos ejemplos, asegúrate de tener: +- Python 3.7 o superior instalado +- Comprensión básica de cómo ejecutar scripts en Python + +### Instalación de Bibliotecas Requeridas +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Resumen de los Ejemplos + +### 1. Hola Mundo - Estilo Ciencia de Datos +**Archivo:** `01_hello_world_data_science.py` + +¡Tu primer programa de ciencia de datos! Aprende a: +- Cargar un conjunto de datos simple +- Mostrar información básica sobre tus datos +- Imprimir tu primera salida de ciencia de datos + +Perfecto para principiantes absolutos que quieren ver su primer programa de ciencia de datos en acción. + +--- + +### 2. Cargando y Explorando Datos +**Archivo:** `02_loading_data.py` + +Aprende los fundamentos de trabajar con datos: +- Leer datos desde archivos CSV +- Ver las primeras filas de tu conjunto de datos +- Obtener estadísticas básicas sobre tus datos +- Entender los tipos de datos + +¡Este es a menudo el primer paso en cualquier proyecto de ciencia de datos! + +--- + +### 3. Análisis de Datos Simple +**Archivo:** `03_simple_analysis.py` + +Realiza tu primer análisis de datos: +- Calcular estadísticas básicas (media, mediana, moda) +- Encontrar valores máximos y mínimos +- Contar ocurrencias de valores +- Filtrar datos basados en condiciones + +Descubre cómo responder preguntas simples sobre tus datos. + +--- + +### 4. Fundamentos de Visualización de Datos +**Archivo:** `04_basic_visualization.py` + +Crea tus primeras visualizaciones: +- Hacer un gráfico de barras simple +- Crear un gráfico de líneas +- Generar un gráfico de pastel +- Guardar tus visualizaciones como imágenes + +¡Aprende a comunicar tus hallazgos de forma visual! + +--- + +### 5. Trabajando con Datos Reales +**Archivo:** `05_real_world_example.py` + +Pon todo junto con un ejemplo completo: +- Cargar datos reales desde el repositorio +- Limpiar y preparar los datos +- Realizar análisis +- Crear visualizaciones significativas +- Sacar conclusiones + +Este ejemplo te muestra un flujo de trabajo completo de principio a fin. + +--- + +## 🎯 Cómo Usar Estos Ejemplos + +1. **Empieza desde el principio**: Los ejemplos están numerados en orden de dificultad. Comienza con `01_hello_world_data_science.py` y avanza en orden. + +2. **Lee los comentarios**: Cada archivo tiene comentarios detallados que explican qué hace el código y por qué. ¡Léelos con atención! + +3. **Experimenta**: Intenta modificar el código. ¿Qué pasa si cambias un valor? Rompe cosas y arréglalas: así es como se aprende. + +4. **Ejecuta el código**: Ejecuta cada ejemplo y observa la salida. Compárala con lo que esperabas. + +5. **Construye sobre ello**: Una vez que entiendas un ejemplo, intenta ampliarlo con tus propias ideas. + +## 💡 Consejos para Principiantes + +- **No te apresures**: Tómate tu tiempo para entender cada ejemplo antes de pasar al siguiente. +- **Escribe el código tú mismo**: No solo copies y pegues. Escribir ayuda a aprender y recordar. +- **Investiga conceptos desconocidos**: Si ves algo que no entiendes, búscalo en línea o en las lecciones principales. +- **Haz preguntas**: Únete al [foro de discusión](https://github.com/microsoft/Data-Science-For-Beginners/discussions) si necesitas ayuda. +- **Practica regularmente**: Intenta programar un poco cada día en lugar de sesiones largas una vez a la semana. + +## 🔗 Próximos Pasos + +Después de completar estos ejemplos, estarás listo para: +- Trabajar en las lecciones principales del plan de estudios +- Intentar las tareas en cada carpeta de lecciones +- Explorar los cuadernos Jupyter para un aprendizaje más profundo +- Crear tus propios proyectos de ciencia de datos + +## 📚 Recursos Adicionales + +- [Plan de Estudios Principal](../README.md) - El curso completo de 20 lecciones +- [Para Profesores](../for-teachers.md) - Usar este plan de estudios en tu aula +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Recursos gratuitos de aprendizaje en línea +- [Documentación de Python](https://docs.python.org/3/) - Referencia oficial de Python + +## 🤝 Contribuir + +¿Encontraste un error o tienes una idea para un nuevo ejemplo? ¡Aceptamos contribuciones! Por favor, consulta nuestra [Guía de Contribución](../CONTRIBUTING.md). + +--- + +**¡Feliz Aprendizaje! 🎉** + +Recuerda: Todo experto fue alguna vez un principiante. Avanza paso a paso y no tengas miedo de cometer errores: ¡son parte del proceso de aprendizaje! + +--- + +**Descargo de responsabilidad**: +Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción. \ No newline at end of file diff --git a/translations/fa/README.md b/translations/fa/README.md index b2102221..0decb0d7 100644 --- a/translations/fa/README.md +++ b/translations/fa/README.md @@ -1,19 +1,19 @@ # علم داده برای مبتدیان - یک برنامه آموزشی -Azure Cloud Advocates در مایکروسافت با افتخار یک برنامه آموزشی ۱۰ هفته‌ای و ۲۰ درس درباره علم داده ارائه می‌دهند. هر درس شامل آزمون‌های قبل و بعد از درس، دستورالعمل‌های نوشتاری برای تکمیل درس، راه‌حل و تکلیف است. روش آموزشی مبتنی بر پروژه ما به شما امکان می‌دهد در حین ساختن یاد بگیرید، روشی اثبات‌شده برای تثبیت مهارت‌های جدید. +Azure Cloud Advocates در مایکروسافت با افتخار یک برنامه آموزشی ۱۰ هفته‌ای و ۲۰ درس درباره علم داده ارائه می‌دهند. هر درس شامل آزمون‌های پیش از درس و پس از درس، دستورالعمل‌های نوشتاری برای تکمیل درس، یک راه‌حل و یک تکلیف است. روش آموزشی مبتنی بر پروژه ما به شما امکان می‌دهد در حین ساختن یاد بگیرید، که یک روش اثبات‌شده برای تثبیت مهارت‌های جدید است. **تشکر ویژه از نویسندگان ما:** [جاسمین گرین‌اوی](https://www.twitter.com/paladique)، [دمیتری سوشنیکوف](http://soshnikov.com)، [نیتیا ناراسیمهان](https://twitter.com/nitya)، [جالن مک‌گی](https://twitter.com/JalenMcG)، [جن لوپر](https://twitter.com/jenlooper)، [مود لوی](https://twitter.com/maudstweets)، [تیفانی سوتر](https://twitter.com/TiffanySouterre)، [کریستوفر هریسون](https://www.twitter.com/geektrainer). -**🙏 تشکر ویژه 🙏 از [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) نویسندگان، بازبینان و مشارکت‌کنندگان محتوا،** به‌ویژه آریان آرورا، [آدیتیا گارگ](https://github.com/AdityaGarg00)، [آلوندرا سانچز](https://www.linkedin.com/in/alondra-sanchez-molina/)، [آنکیتا سینگ](https://www.linkedin.com/in/ankitasingh007)، [انوپام میشرا](https://www.linkedin.com/in/anupam--mishra/)، [آرپیتا داس](https://www.linkedin.com/in/arpitadas01/)، چهل‌بیهاری دوبی، [دیبری نسوفور](https://www.linkedin.com/in/dibrinsofor)، [دیشیتا باسین](https://www.linkedin.com/in/dishita-bhasin-7065281bb)، [مجد صافی](https://www.linkedin.com/in/majd-s/)، [مکس بلوم](https://www.linkedin.com/in/max-blum-6036a1186/)، [میگل کوریا](https://www.linkedin.com/in/miguelmque/)، [محمد افتخار (ایفتو) ابن جلال](https://twitter.com/iftu119)، [ناورین تبسم](https://www.linkedin.com/in/nawrin-tabassum)، [ریموند وانگسا پوترا](https://www.linkedin.com/in/raymond-wp/)، [روهیت یاداو](https://www.linkedin.com/in/rty2423)، سامریدی شارما، [سانیا سینها](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200)، [شینا نارولا](https://www.linkedin.com/in/sheena-narua-n/)، [توقیر احمد](https://www.linkedin.com/in/tauqeerahmad5201/)، یوگندرا سینگ پاوار، [ویدوشی گوپتا](https://www.linkedin.com/in/vidushi-gupta07/)، [جسلین سوندی](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 تشکر ویژه 🙏 از [سفیران دانشجویی مایکروسافت](https://studentambassadors.microsoft.com/) نویسندگان، بازبینان و مشارکت‌کنندگان محتوا،** به‌ویژه آریان آرورا، [آدیتیا گارگ](https://github.com/AdityaGarg00)، [آلوندرا سانچز](https://www.linkedin.com/in/alondra-sanchez-molina/)، [آنکیتا سینگ](https://www.linkedin.com/in/ankitasingh007)، [انوپام میشرا](https://www.linkedin.com/in/anupam--mishra/)، [آرپیتا داس](https://www.linkedin.com/in/arpitadas01/)، چهل‌بیهاری دوبی، [دیبری نسوفور](https://www.linkedin.com/in/dibrinsofor)، [دیشیتا باسین](https://www.linkedin.com/in/dishita-bhasin-7065281bb)، [مجید صافی](https://www.linkedin.com/in/majd-s/)، [مکس بلوم](https://www.linkedin.com/in/max-blum-6036a1186/)، [میگل کوریا](https://www.linkedin.com/in/miguelmque/)، [محمد افتخار (ایفتو) ابن جلال](https://twitter.com/iftu119)، [ناورین تبسم](https://www.linkedin.com/in/nawrin-tabassum)، [ریموند وانگسا پوترا](https://www.linkedin.com/in/raymond-wp/)، [روهیت یاداو](https://www.linkedin.com/in/rty2423)، سامریدی شارما، [سانیا سینها](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200)، [شینا نارولا](https://www.linkedin.com/in/sheena-narua-n/)، [توقیر احمد](https://www.linkedin.com/in/tauqeerahmad5201/)، یوگندرا سینگ پاوار، [ویدوشی گوپتا](https://www.linkedin.com/in/vidushi-gupta07/)، [جسلین سوندی](https://www.linkedin.com/in/jasleen-sondhi/) |![اسکچ‌نوت توسط @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.fa.png)| |:---:| @@ -21,90 +21,106 @@ Azure Cloud Advocates در مایکروسافت با افتخار یک برنا ### 🌐 پشتیبانی چندزبانه -#### پشتیبانی از طریق GitHub Action (خودکار و همیشه به‌روز) +#### پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز) [فرانسوی](../fr/README.md) | [اسپانیایی](../es/README.md) | [آلمانی](../de/README.md) | [روسی](../ru/README.md) | [عربی](../ar/README.md) | [فارسی](./README.md) | [اردو](../ur/README.md) | [چینی (ساده‌شده)](../zh/README.md) | [چینی (سنتی، ماکائو)](../mo/README.md) | [چینی (سنتی، هنگ‌کنگ)](../hk/README.md) | [چینی (سنتی، تایوان)](../tw/README.md) | [ژاپنی](../ja/README.md) | [کره‌ای](../ko/README.md) | [هندی](../hi/README.md) | [بنگالی](../bn/README.md) | [مراتی](../mr/README.md) | [نپالی](../ne/README.md) | [پنجابی (گرمکی)](../pa/README.md) | [پرتغالی (پرتغال)](../pt/README.md) | [پرتغالی (برزیل)](../br/README.md) | [ایتالیایی](../it/README.md) | [لهستانی](../pl/README.md) | [ترکی](../tr/README.md) | [یونانی](../el/README.md) | [تایلندی](../th/README.md) | [سوئدی](../sv/README.md) | [دانمارکی](../da/README.md) | [نروژی](../no/README.md) | [فنلاندی](../fi/README.md) | [هلندی](../nl/README.md) | [عبری](../he/README.md) | [ویتنامی](../vi/README.md) | [اندونزیایی](../id/README.md) | [مالایی](../ms/README.md) | [تاگالوگ (فیلیپینی)](../tl/README.md) | [سواحیلی](../sw/README.md) | [مجاری](../hu/README.md) | [چکی](../cs/README.md) | [اسلواکی](../sk/README.md) | [رومانیایی](../ro/README.md) | [بلغاری](../bg/README.md) | [صربی (سیریلیک)](../sr/README.md) | [کرواتی](../hr/README.md) | [اسلوونیایی](../sl/README.md) | [اوکراینی](../uk/README.md) | [برمه‌ای (میانمار)](../my/README.md) -**اگر مایل به داشتن ترجمه‌های اضافی هستید، زبان‌های پشتیبانی‌شده [اینجا](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) فهرست شده‌اند** +**اگر می‌خواهید زبان‌های ترجمه اضافی پشتیبانی شوند، لیست زبان‌های موجود [اینجا](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) قرار دارد.** -#### به جامعه ما بپیوندید +#### به جامعه ما بپیوندید [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) ما یک سری یادگیری با AI در Discord داریم، بیشتر بدانید و به ما بپیوندید در [Learn with AI Series](https://aka.ms/learnwithai/discord) از ۱۸ تا ۳۰ سپتامبر ۲۰۲۵. شما نکات و ترفندهای استفاده از GitHub Copilot برای علم داده را دریافت خواهید کرد. ![سری یادگیری با AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.fa.jpg) -# آیا شما دانشجو هستید؟ +# آیا دانشجو هستید؟ با منابع زیر شروع کنید: - [صفحه مرکز دانشجویی](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) در این صفحه، منابع مبتدی، بسته‌های دانشجویی و حتی راه‌هایی برای دریافت یک کوپن گواهی رایگان را خواهید یافت. این صفحه‌ای است که می‌خواهید نشانک‌گذاری کنید و هر از گاهی بررسی کنید زیرا ما حداقل ماهانه محتوا را تغییر می‌دهیم. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) به یک جامعه جهانی از سفیران دانشجویی بپیوندید، این می‌تواند راه شما به مایکروسافت باشد. +- [سفیران دانشجویی مایکروسافت](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) به یک جامعه جهانی از سفیران دانشجویی بپیوندید، این می‌تواند راه شما به مایکروسافت باشد. # شروع به کار +> **مبتدیان کامل**: تازه وارد علم داده شده‌اید؟ با [نمونه‌های مبتدی دوستانه](examples/README.md) ما شروع کنید! این نمونه‌های ساده و دارای توضیحات به شما کمک می‌کنند تا اصول اولیه را قبل از ورود به برنامه کامل درک کنید. + > **معلمان**: ما [برخی پیشنهادات](for-teachers.md) در مورد نحوه استفاده از این برنامه آموزشی را گنجانده‌ایم. ما مشتاقانه منتظر بازخورد شما [در انجمن بحث ما](https://github.com/microsoft/Data-Science-For-Beginners/discussions) هستیم! -> **[دانشجویان](https://aka.ms/student-page)**: برای استفاده از این برنامه آموزشی به‌صورت مستقل، کل مخزن را فورک کنید و تمرین‌ها را به‌صورت مستقل انجام دهید، با آزمون قبل از درس شروع کنید. سپس درس را بخوانید و بقیه فعالیت‌ها را تکمیل کنید. سعی کنید پروژه‌ها را با درک درس‌ها ایجاد کنید نه با کپی کردن کد راه‌حل؛ با این حال، آن کد در پوشه‌های /solutions در هر درس مبتنی بر پروژه موجود است. ایده دیگر این است که یک گروه مطالعه با دوستان تشکیل دهید و با هم محتوا را مرور کنید. برای مطالعه بیشتر، ما [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) را توصیه می‌کنیم. +> **[دانشجویان](https://aka.ms/student-page)**: برای استفاده از این برنامه آموزشی به‌صورت مستقل، کل مخزن را فورک کنید و تمرین‌ها را به‌صورت مستقل انجام دهید، با آزمون پیش از درس شروع کنید. سپس درس را بخوانید و بقیه فعالیت‌ها را تکمیل کنید. سعی کنید پروژه‌ها را با درک درس‌ها ایجاد کنید نه با کپی کردن کد راه‌حل؛ با این حال، آن کد در پوشه‌های /solutions در هر درس مبتنی بر پروژه موجود است. ایده دیگر این است که یک گروه مطالعه با دوستان تشکیل دهید و محتوا را با هم مرور کنید. برای مطالعه بیشتر، ما [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) را توصیه می‌کنیم. ## تیم را بشناسید -[![ویدیو تبلیغاتی](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "ویدیو تبلیغاتی") +[![ویدئوی تبلیغاتی](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "ویدئوی تبلیغاتی") -**Gif توسط** [موهیت جایسال](https://www.linkedin.com/in/mohitjaisal) +**گیف توسط** [موهیت جایسال](https://www.linkedin.com/in/mohitjaisal) -> 🎥 روی تصویر بالا کلیک کنید تا ویدیویی درباره پروژه و افرادی که آن را ایجاد کرده‌اند ببینید! +> 🎥 روی تصویر بالا کلیک کنید تا ویدئویی درباره پروژه و افرادی که آن را ایجاد کرده‌اند ببینید! ## روش آموزشی ما دو اصل آموزشی را هنگام ساخت این برنامه آموزشی انتخاب کرده‌ایم: اطمینان از اینکه مبتنی بر پروژه است و شامل آزمون‌های مکرر می‌شود. تا پایان این سری، دانشجویان اصول اولیه علم داده را یاد خواهند گرفت، از جمله مفاهیم اخلاقی، آماده‌سازی داده‌ها، روش‌های مختلف کار با داده‌ها، مصورسازی داده‌ها، تحلیل داده‌ها، موارد استفاده واقعی از علم داده و موارد دیگر. -علاوه بر این، یک آزمون کم‌فشار قبل از کلاس، قصد دانشجو را برای یادگیری یک موضوع تعیین می‌کند، در حالی که یک آزمون دوم بعد از کلاس، حفظ بیشتر را تضمین می‌کند. این برنامه آموزشی به‌گونه‌ای طراحی شده است که انعطاف‌پذیر و سرگرم‌کننده باشد و می‌توان آن را به‌صورت کامل یا جزئی گذراند. پروژه‌ها کوچک شروع می‌شوند و تا پایان چرخه ۱۰ هفته‌ای به‌تدریج پیچیده‌تر می‌شوند. +علاوه بر این، یک آزمون کم‌فشار قبل از کلاس، قصد دانشجو را به سمت یادگیری یک موضوع هدایت می‌کند، در حالی که یک آزمون دوم پس از کلاس، حفظ بیشتر را تضمین می‌کند. این برنامه آموزشی به‌گونه‌ای طراحی شده است که انعطاف‌پذیر و سرگرم‌کننده باشد و می‌توان آن را به‌صورت کامل یا جزئی گذراند. پروژه‌ها کوچک شروع می‌شوند و تا پایان چرخه ۱۰ هفته‌ای به‌طور فزاینده‌ای پیچیده می‌شوند. -> دستورالعمل‌های [Code of Conduct](CODE_OF_CONDUCT.md)، [Contributing](CONTRIBUTING.md)، [Translation](TRANSLATIONS.md) ما را پیدا کنید. ما از بازخورد سازنده شما استقبال می‌کنیم! +> [قوانین رفتاری](CODE_OF_CONDUCT.md)، [مشارکت](CONTRIBUTING.md)، [راهنمای ترجمه](TRANSLATIONS.md) ما را پیدا کنید. ما از بازخورد سازنده شما استقبال می‌کنیم! ## هر درس شامل موارد زیر است: - اسکچ‌نوت اختیاری -- ویدیوی تکمیلی اختیاری -- آزمون گرم‌آپ قبل از درس +- ویدئوی تکمیلی اختیاری +- آزمون گرم‌آپ پیش از درس - درس نوشتاری - برای درس‌های مبتنی بر پروژه، راهنمای گام‌به‌گام برای ساخت پروژه - بررسی دانش - یک چالش - مطالعه تکمیلی - تکلیف -- [آزمون بعد از درس](https://ff-quizzes.netlify.app/en/) +- [آزمون پس از درس](https://ff-quizzes.netlify.app/en/) +> **نکته‌ای درباره آزمون‌ها**: تمامی آزمون‌ها در پوشه Quiz-App قرار دارند و شامل ۴۰ آزمون با سه سؤال در هر آزمون هستند. این آزمون‌ها از داخل درس‌ها لینک شده‌اند، اما اپلیکیشن آزمون می‌تواند به صورت محلی اجرا شود یا در Azure مستقر شود؛ دستورالعمل‌ها را در پوشه `quiz-app` دنبال کنید. این آزمون‌ها به تدریج بومی‌سازی می‌شوند. + +## 🎓 مثال‌های مناسب برای مبتدیان + +**تازه وارد علم داده شده‌اید؟** ما یک [پوشه مثال‌ها](examples/README.md) با کدهای ساده و توضیحات کامل ایجاد کرده‌ایم تا به شما در شروع کمک کند: + +- 🌟 **سلام دنیا** - اولین برنامه علم داده شما +- 📂 **بارگذاری داده‌ها** - یادگیری خواندن و بررسی مجموعه داده‌ها +- 📊 **تحلیل ساده** - محاسبه آمار و یافتن الگوها +- 📈 **بصری‌سازی پایه** - ایجاد نمودارها و گراف‌ها +- 🔬 **پروژه واقعی** - جریان کاری کامل از ابتدا تا انتها -> **یادداشتی درباره آزمون‌ها**: تمام آزمون‌ها در پوشه Quiz-App قرار دارند، برای مجموع ۴۰ آزمون هر کدام شامل سه سؤال. آن‌ها از داخل درس‌ها لینک شده‌اند، اما اپلیکیشن آزمون می‌تواند به‌صورت محلی اجرا شود یا در Azure مستقر شود؛ دستورالعمل‌ها را در پوشه `quiz-app` دنبال کنید. آن‌ها به‌تدریج در حال بومی‌سازی هستند. +هر مثال شامل توضیحات دقیق درباره هر مرحله است که آن را برای مبتدیان کاملاً مناسب می‌کند! + +👉 **[با مثال‌ها شروع کنید](examples/README.md)** 👈 ## درس‌ها -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.fa.png)| + +|![ اسکتچ‌نوت توسط @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.fa.png)| |:---:| -| علوم داده برای مبتدیان: نقشه راه - _طرح‌نگاری توسط [@nitya](https://twitter.com/nitya)_ | +| علم داده برای مبتدیان: نقشه راه - _اسکتچ‌نوت توسط [@nitya](https://twitter.com/nitya)_ | | شماره درس | موضوع | گروه‌بندی درس | اهداف یادگیری | درس مرتبط | نویسنده | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | تعریف علوم داده | [مقدمه](1-Introduction/README.md) | یادگیری مفاهیم پایه‌ای علوم داده و ارتباط آن با هوش مصنوعی، یادگیری ماشین و داده‌های کلان. | [درس](1-Introduction/01-defining-data-science/README.md) [ویدئو](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | اخلاق در علوم داده | [مقدمه](1-Introduction/README.md) | مفاهیم اخلاق داده، چالش‌ها و چارچوب‌ها. | [درس](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | تعریف علم داده | [مقدمه](1-Introduction/README.md) | یادگیری مفاهیم پایه علم داده و ارتباط آن با هوش مصنوعی، یادگیری ماشین و داده‌های کلان. | [درس](1-Introduction/01-defining-data-science/README.md) [ویدیو](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | اخلاق علم داده | [مقدمه](1-Introduction/README.md) | مفاهیم اخلاق داده، چالش‌ها و چارچوب‌ها. | [درس](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | تعریف داده | [مقدمه](1-Introduction/README.md) | نحوه طبقه‌بندی داده‌ها و منابع رایج آن‌ها. | [درس](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | مقدمه‌ای بر آمار و احتمال | [مقدمه](1-Introduction/README.md) | تکنیک‌های ریاضی احتمال و آمار برای درک داده‌ها. | [درس](1-Introduction/04-stats-and-probability/README.md) [ویدئو](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | کار با داده‌های رابطه‌ای | [کار با داده‌ها](2-Working-With-Data/README.md) | مقدمه‌ای بر داده‌های رابطه‌ای و اصول بررسی و تحلیل داده‌های رابطه‌ای با زبان پرس‌وجوی ساختاریافته، معروف به SQL (تلفظ "سی‌کوئل"). | [درس](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 04 | مقدمه‌ای بر آمار و احتمال | [مقدمه](1-Introduction/README.md) | تکنیک‌های ریاضی احتمال و آمار برای درک داده‌ها. | [درس](1-Introduction/04-stats-and-probability/README.md) [ویدیو](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | کار با داده‌های رابطه‌ای | [کار با داده‌ها](2-Working-With-Data/README.md) | مقدمه‌ای بر داده‌های رابطه‌ای و اصول بررسی و تحلیل داده‌های رابطه‌ای با زبان Structured Query Language، معروف به SQL (تلفظ "سی‌کوئل"). | [درس](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | کار با داده‌های NoSQL | [کار با داده‌ها](2-Working-With-Data/README.md) | مقدمه‌ای بر داده‌های غیررابطه‌ای، انواع مختلف آن و اصول بررسی و تحلیل پایگاه‌های داده سندی. | [درس](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | کار با پایتون | [کار با داده‌ها](2-Working-With-Data/README.md) | اصول استفاده از پایتون برای بررسی داده‌ها با کتابخانه‌هایی مانند Pandas. توصیه می‌شود که درک پایه‌ای از برنامه‌نویسی پایتون داشته باشید. | [درس](2-Working-With-Data/07-python/README.md) [ویدئو](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | آماده‌سازی داده‌ها | [کار با داده‌ها](2-Working-With-Data/README.md) | موضوعاتی درباره تکنیک‌های داده برای پاکسازی و تبدیل داده‌ها به منظور مدیریت چالش‌های داده‌های ناقص، نادرست یا ناکامل. | [درس](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | مصورسازی مقادیر | [مصورسازی داده‌ها](3-Data-Visualization/README.md) | یادگیری نحوه استفاده از Matplotlib برای مصورسازی داده‌های پرندگان 🦆 | [درس](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | مصورسازی توزیع داده‌ها | [مصورسازی داده‌ها](3-Data-Visualization/README.md) | مصورسازی مشاهدات و روندها در یک بازه. | [درس](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | مصورسازی نسبت‌ها | [مصورسازی داده‌ها](3-Data-Visualization/README.md) | مصورسازی درصدهای گسسته و گروه‌بندی‌شده. | [درس](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | مصورسازی روابط | [مصورسازی داده‌ها](3-Data-Visualization/README.md) | مصورسازی ارتباطات و همبستگی‌ها بین مجموعه‌های داده و متغیرهای آن‌ها. | [درس](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | مصورسازی‌های معنادار | [مصورسازی داده‌ها](3-Data-Visualization/README.md) | تکنیک‌ها و راهنمایی‌هایی برای ارزشمند کردن مصورسازی‌ها به منظور حل مؤثر مشکلات و ارائه بینش‌ها. | [درس](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | مقدمه‌ای بر چرخه عمر علوم داده | [چرخه عمر](4-Data-Science-Lifecycle/README.md) | مقدمه‌ای بر چرخه عمر علوم داده و اولین مرحله آن یعنی جمع‌آوری و استخراج داده‌ها. | [درس](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | تحلیل | [چرخه عمر](4-Data-Science-Lifecycle/README.md) | این مرحله از چرخه عمر علوم داده بر تکنیک‌های تحلیل داده تمرکز دارد. | [درس](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | ارتباط | [چرخه عمر](4-Data-Science-Lifecycle/README.md) | این مرحله از چرخه عمر علوم داده بر ارائه بینش‌های حاصل از داده‌ها به گونه‌ای که تصمیم‌گیرندگان بتوانند آن را بهتر درک کنند، تمرکز دارد. | [درس](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | علوم داده در فضای ابری | [داده‌های ابری](5-Data-Science-In-Cloud/README.md) | این مجموعه درس‌ها علوم داده در فضای ابری و مزایای آن را معرفی می‌کند. | [درس](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) | -| 18 | علوم داده در فضای ابری | [داده‌های ابری](5-Data-Science-In-Cloud/README.md) | آموزش مدل‌ها با استفاده از ابزارهای کم‌کد. |[درس](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) | -| 19 | علوم داده در فضای ابری | [داده‌های ابری](5-Data-Science-In-Cloud/README.md) | استقرار مدل‌ها با Azure Machine Learning Studio. | [درس](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) | -| 20 | علوم داده در دنیای واقعی | [در دنیای واقعی](6-Data-Science-In-Wild/README.md) | پروژه‌های مبتنی بر علوم داده در دنیای واقعی. | [درس](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 07 | کار با پایتون | [کار با داده‌ها](2-Working-With-Data/README.md) | اصول استفاده از پایتون برای بررسی داده‌ها با کتابخانه‌هایی مانند Pandas. درک پایه‌ای از برنامه‌نویسی پایتون توصیه می‌شود. | [درس](2-Working-With-Data/07-python/README.md) [ویدیو](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | آماده‌سازی داده‌ها | [کار با داده‌ها](2-Working-With-Data/README.md) | موضوعاتی درباره تکنیک‌های داده برای پاکسازی و تبدیل داده‌ها جهت مقابله با چالش‌های داده‌های ناقص، نادرست یا ناکامل. | [درس](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | بصری‌سازی مقادیر | [بصری‌سازی داده‌ها](3-Data-Visualization/README.md) | یادگیری نحوه استفاده از Matplotlib برای بصری‌سازی داده‌های پرندگان 🦆 | [درس](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | بصری‌سازی توزیع داده‌ها | [بصری‌سازی داده‌ها](3-Data-Visualization/README.md) | بصری‌سازی مشاهدات و روندها در یک بازه. | [درس](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | بصری‌سازی نسبت‌ها | [بصری‌سازی داده‌ها](3-Data-Visualization/README.md) | بصری‌سازی درصدهای گسسته و گروه‌بندی شده. | [درس](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | بصری‌سازی روابط | [بصری‌سازی داده‌ها](3-Data-Visualization/README.md) | بصری‌سازی ارتباطات و همبستگی‌ها بین مجموعه‌های داده و متغیرهای آن‌ها. | [درس](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | بصری‌سازی‌های معنادار | [بصری‌سازی داده‌ها](3-Data-Visualization/README.md) | تکنیک‌ها و راهنمایی‌هایی برای ارزشمند کردن بصری‌سازی‌ها جهت حل مؤثر مشکلات و دستیابی به بینش‌ها. | [درس](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | مقدمه‌ای بر چرخه عمر علم داده | [چرخه عمر](4-Data-Science-Lifecycle/README.md) | مقدمه‌ای بر چرخه عمر علم داده و اولین مرحله آن یعنی جمع‌آوری و استخراج داده‌ها. | [درس](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | تحلیل | [چرخه عمر](4-Data-Science-Lifecycle/README.md) | این مرحله از چرخه عمر علم داده بر تکنیک‌های تحلیل داده تمرکز دارد. | [درس](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | ارتباط | [چرخه عمر](4-Data-Science-Lifecycle/README.md) | این مرحله از چرخه عمر علم داده بر ارائه بینش‌های حاصل از داده‌ها به گونه‌ای که تصمیم‌گیرندگان بتوانند آن را بهتر درک کنند، تمرکز دارد. | [درس](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | علم داده در فضای ابری | [داده‌های ابری](5-Data-Science-In-Cloud/README.md) | این مجموعه درس‌ها علم داده در فضای ابری و مزایای آن را معرفی می‌کند. | [درس](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) | +| 18 | علم داده در فضای ابری | [داده‌های ابری](5-Data-Science-In-Cloud/README.md) | آموزش مدل‌ها با ابزارهای Low Code. |[درس](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) | +| 19 | علم داده در فضای ابری | [داده‌های ابری](5-Data-Science-In-Cloud/README.md) | استقرار مدل‌ها با Azure Machine Learning Studio. | [درس](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) | +| 20 | علم داده در دنیای واقعی | [در دنیای واقعی](6-Data-Science-In-Wild/README.md) | پروژه‌های مبتنی بر علم داده در دنیای واقعی. | [درس](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces @@ -116,59 +132,58 @@ Azure Cloud Advocates در مایکروسافت با افتخار یک برنا ## VSCode Remote - Containers برای باز کردن این مخزن در یک کانتینر با استفاده از ماشین محلی و VSCode با استفاده از افزونه VS Code Remote - Containers مراحل زیر را دنبال کنید: -1. اگر اولین بار است که از کانتینر توسعه استفاده می‌کنید، لطفاً مطمئن شوید که سیستم شما پیش‌نیازها را دارد (مانند نصب Docker) در [مستندات شروع به کار](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. اگر اولین بار است که از کانتینر توسعه استفاده می‌کنید، لطفاً مطمئن شوید که سیستم شما پیش‌نیازها (مانند نصب Docker) را دارد، در [مستندات شروع به کار](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). برای استفاده از این مخزن، می‌توانید مخزن را در یک حجم ایزوله Docker باز کنید: **توجه**: در پشت صحنه، این از دستور Remote-Containers: **Clone Repository in Container Volume...** برای کلون کردن کد منبع در یک حجم Docker به جای سیستم فایل محلی استفاده می‌کند. [Volumes](https://docs.docker.com/storage/volumes/) مکانیزم ترجیحی برای حفظ داده‌های کانتینر هستند. -یا نسخه‌ای که به صورت محلی کلون شده یا دانلود شده است را باز کنید: +یا نسخه کلون شده یا دانلود شده محلی مخزن را باز کنید: - این مخزن را به سیستم فایل محلی خود کلون کنید. - کلید F1 را فشار دهید و دستور **Remote-Containers: Open Folder in Container...** را انتخاب کنید. -- نسخه کلون شده این پوشه را انتخاب کنید، منتظر بمانید تا کانتینر شروع شود و موارد را امتحان کنید. +- نسخه کلون شده این پوشه را انتخاب کنید، منتظر شروع کانتینر باشید و موارد را امتحان کنید. ## دسترسی آفلاین می‌توانید این مستندات را به صورت آفلاین با استفاده از [Docsify](https://docsify.js.org/#/) اجرا کنید. این مخزن را فورک کنید، [Docsify را نصب کنید](https://docsify.js.org/#/quickstart) روی ماشین محلی خود، سپس در پوشه اصلی این مخزن، دستور `docsify serve` را تایپ کنید. وب‌سایت روی پورت 3000 در localhost شما اجرا خواهد شد: `localhost:3000`. -> توجه داشته باشید، نوت‌بوک‌ها از طریق Docsify رندر نمی‌شوند، بنابراین زمانی که نیاز به اجرای یک نوت‌بوک دارید، آن را جداگانه در VS Code با اجرای یک کرنل پایتون انجام دهید. +> توجه داشته باشید، نوت‌بوک‌ها از طریق Docsify رندر نمی‌شوند، بنابراین زمانی که نیاز به اجرای یک نوت‌بوک دارید، آن را جداگانه در VS Code با اجرای کرنل پایتون انجام دهید. ## سایر برنامه‌های آموزشی تیم ما برنامه‌های آموزشی دیگری تولید می‌کند! بررسی کنید: -- [Edge AI برای مبتدیان](https://aka.ms/edgeai-for-beginners) -- [AI Agents برای مبتدیان](https://aka.ms/ai-agents-beginners) -- [Generative AI برای مبتدیان](https://aka.ms/genai-beginners) -- [Generative AI برای مبتدیان .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) -- [Generative AI با JavaScript](https://github.com/microsoft/generative-ai-with-javascript) -- [Generative AI با Java](https://aka.ms/genaijava) -- [AI برای مبتدیان](https://aka.ms/ai-beginners) -- [علوم داده برای مبتدیان](https://aka.ms/datascience-beginners) -- [Bash برای مبتدیان](https://github.com/microsoft/bash-for-beginners) -- [یادگیری ماشین برای مبتدیان](https://aka.ms/ml-beginners) -- [امنیت سایبری برای مبتدیان](https://github.com/microsoft/Security-101) -- [توسعه وب برای مبتدیان](https://aka.ms/webdev-beginners) -- [اینترنت اشیا برای مبتدیان](https://aka.ms/iot-beginners) -- [یادگیری ماشین برای مبتدیان](https://aka.ms/ml-beginners) -- [توسعه XR برای مبتدیان](https://aka.ms/xr-dev-for-beginners) -- [تسلط بر GitHub Copilot برای برنامه‌نویسی جفتی AI](https://aka.ms/GitHubCopilotAI) -- [توسعه XR برای مبتدیان](https://github.com/microsoft/xr-development-for-beginners) -- [تسلط بر GitHub Copilot برای توسعه‌دهندگان C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [ماجراجویی Copilot خود را انتخاب کنید](https://github.com/microsoft/CopilotAdventures) +- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) +- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) +- [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) +- [Bash for Beginners](https://github.com/microsoft/bash-for-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) +- [Machine Learning for Beginners](https://aka.ms/ml-beginners) +- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) +- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) +- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) +- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) ## دریافت کمک -اگر گیر کردید یا سوالی درباره ساخت اپلیکیشن‌های AI دارید، به اینجا بپیوندید: +اگر گیر کردید یا سؤالی درباره ساخت اپلیکیشن‌های هوش مصنوعی دارید، به اینجا بپیوندید: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -اگر بازخورد محصول دارید یا در هنگام ساخت خطاهایی دارید، به اینجا مراجعه کنید: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +اگر بازخورد محصول دارید یا در هنگام ساخت خطاهایی مشاهده کردید، به اینجا مراجعه کنید: +[![انجمن توسعه‌دهندگان Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **سلب مسئولیت**: -این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم. \ No newline at end of file +این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه می‌شود از ترجمه حرفه‌ای انسانی استفاده کنید. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم. \ No newline at end of file diff --git a/translations/fa/examples/README.md b/translations/fa/examples/README.md new file mode 100644 index 00000000..955c5cb8 --- /dev/null +++ b/translations/fa/examples/README.md @@ -0,0 +1,149 @@ + +# مثال‌های مقدماتی علم داده + +به دایرکتوری مثال‌ها خوش آمدید! این مجموعه از مثال‌های ساده و با توضیحات کامل طراحی شده است تا به شما کمک کند حتی اگر کاملاً مبتدی هستید، با علم داده شروع کنید. + +## 📚 آنچه در اینجا پیدا خواهید کرد + +هر مثال به صورت مستقل بوده و شامل موارد زیر است: +- **توضیحات واضح** که هر مرحله را توضیح می‌دهد +- **کد ساده و خوانا** که هر بار یک مفهوم را نشان می‌دهد +- **زمینه واقعی** برای کمک به درک زمان و دلیل استفاده از این تکنیک‌ها +- **خروجی مورد انتظار** تا بدانید چه چیزی را باید مشاهده کنید + +## 🚀 شروع به کار + +### پیش‌نیازها +قبل از اجرای این مثال‌ها، مطمئن شوید که: +- پایتون نسخه 3.7 یا بالاتر نصب شده باشد +- درک پایه‌ای از نحوه اجرای اسکریپت‌های پایتون داشته باشید + +### نصب کتابخانه‌های مورد نیاز +```bash +pip install pandas numpy matplotlib +``` + +## 📖 مرور مثال‌ها + +### 1. سلام دنیا - به سبک علم داده +**فایل:** `01_hello_world_data_science.py` + +اولین برنامه علم داده شما! یاد بگیرید چگونه: +- یک مجموعه داده ساده بارگذاری کنید +- اطلاعات اولیه درباره داده‌های خود نمایش دهید +- اولین خروجی علم داده خود را چاپ کنید + +این مثال برای مبتدیانی که می‌خواهند اولین برنامه علم داده خود را ببینند عالی است. + +--- + +### 2. بارگذاری و بررسی داده‌ها +**فایل:** `02_loading_data.py` + +اصول کار با داده‌ها را یاد بگیرید: +- خواندن داده‌ها از فایل‌های CSV +- مشاهده چند ردیف اول مجموعه داده +- دریافت آمار اولیه درباره داده‌ها +- درک انواع داده‌ها + +این معمولاً اولین قدم در هر پروژه علم داده است! + +--- + +### 3. تحلیل ساده داده‌ها +**فایل:** `03_simple_analysis.py` + +اولین تحلیل داده‌های خود را انجام دهید: +- محاسبه آمار اولیه (میانگین، میانه، مد) +- یافتن مقادیر حداکثر و حداقل +- شمارش تعداد وقوع مقادیر +- فیلتر کردن داده‌ها بر اساس شرایط + +ببینید چگونه می‌توان به سوالات ساده درباره داده‌ها پاسخ داد. + +--- + +### 4. اصول بصری‌سازی داده‌ها +**فایل:** `04_basic_visualization.py` + +اولین بصری‌سازی‌های خود را ایجاد کنید: +- ساخت نمودار میله‌ای ساده +- ایجاد نمودار خطی +- تولید نمودار دایره‌ای +- ذخیره بصری‌سازی‌ها به عنوان تصاویر + +یاد بگیرید چگونه یافته‌های خود را به صورت بصری منتقل کنید! + +--- + +### 5. کار با داده‌های واقعی +**فایل:** `05_real_world_example.py` + +همه چیز را با یک مثال کامل ترکیب کنید: +- بارگذاری داده‌های واقعی از مخزن +- پاکسازی و آماده‌سازی داده‌ها +- انجام تحلیل +- ایجاد بصری‌سازی‌های معنادار +- نتیجه‌گیری + +این مثال یک جریان کاری کامل از ابتدا تا انتها را نشان می‌دهد. + +--- + +## 🎯 نحوه استفاده از این مثال‌ها + +1. **از ابتدا شروع کنید**: مثال‌ها به ترتیب سختی شماره‌گذاری شده‌اند. با `01_hello_world_data_science.py` شروع کنید و به ترتیب ادامه دهید. + +2. **توضیحات را بخوانید**: هر فایل دارای توضیحات دقیقی است که توضیح می‌دهد کد چه کاری انجام می‌دهد و چرا. آن‌ها را با دقت بخوانید! + +3. **آزمایش کنید**: سعی کنید کد را تغییر دهید. اگر یک مقدار را تغییر دهید چه اتفاقی می‌افتد؟ چیزها را خراب کنید و دوباره درست کنید - این روش یادگیری است! + +4. **کد را اجرا کنید**: هر مثال را اجرا کنید و خروجی را مشاهده کنید. آن را با چیزی که انتظار داشتید مقایسه کنید. + +5. **آن را گسترش دهید**: وقتی یک مثال را فهمیدید، سعی کنید آن را با ایده‌های خود گسترش دهید. + +## 💡 نکات برای مبتدیان + +- **عجله نکنید**: برای درک هر مثال قبل از رفتن به مثال بعدی وقت بگذارید +- **کد را خودتان تایپ کنید**: فقط کپی-پیست نکنید. تایپ کردن به شما کمک می‌کند یاد بگیرید و به خاطر بسپارید +- **مفاهیم ناآشنا را جستجو کنید**: اگر چیزی را دیدید که نمی‌فهمید، آن را آنلاین یا در درس‌های اصلی جستجو کنید +- **سوال بپرسید**: اگر نیاز به کمک دارید، به [فروم بحث](https://github.com/microsoft/Data-Science-For-Beginners/discussions) بپیوندید +- **به طور منظم تمرین کنید**: سعی کنید هر روز کمی کدنویسی کنید به جای جلسات طولانی یک بار در هفته + +## 🔗 مراحل بعدی + +پس از تکمیل این مثال‌ها، آماده هستید: +- درس‌های اصلی برنامه درسی را مرور کنید +- تکالیف موجود در هر پوشه درس را امتحان کنید +- نوت‌بوک‌های Jupyter را برای یادگیری عمیق‌تر بررسی کنید +- پروژه‌های علم داده خود را ایجاد کنید + +## 📚 منابع اضافی + +- [برنامه درسی اصلی](../README.md) - دوره کامل 20 درس +- [برای معلمان](../for-teachers.md) - استفاده از این برنامه درسی در کلاس درس +- [Microsoft Learn](https://docs.microsoft.com/learn/) - منابع یادگیری آنلاین رایگان +- [مستندات پایتون](https://docs.python.org/3/) - مرجع رسمی پایتون + +## 🤝 مشارکت + +آیا باگی پیدا کرده‌اید یا ایده‌ای برای یک مثال جدید دارید؟ ما از مشارکت‌ها استقبال می‌کنیم! لطفاً [راهنمای مشارکت](../CONTRIBUTING.md) را ببینید. + +--- + +**یادگیری خوشایند! 🎉** + +به یاد داشته باشید: هر متخصص زمانی مبتدی بوده است. قدم به قدم پیش بروید و از اشتباه کردن نترسید - اشتباهات بخشی از فرآیند یادگیری هستند! + +--- + +**سلب مسئولیت**: +این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را رعایت کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه انسانی حرفه‌ای توصیه می‌شود. ما هیچ مسئولیتی در قبال سوءتفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم. \ No newline at end of file diff --git a/translations/fi/README.md b/translations/fi/README.md index e52eadd5..8b611bf4 100644 --- a/translations/fi/README.md +++ b/translations/fi/README.md @@ -1,37 +1,53 @@ -# Tietojenkäsittelytiede aloittelijoille - Opetussuunnitelma +# Data Science aloittelijoille - Opetussuunnitelma -Azure Cloud Advocates Microsoftilta tarjoavat 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee tietojenkäsittelytiedettä. Jokainen oppitunti sisältää ennakkokyselyn ja jälkikyselyn, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen oppimismetodimme mahdollistaa oppimisen tekemisen kautta, mikä on todistetusti tehokas tapa omaksua uusia taitoja. +[![Avaa GitHub Codespacesissa](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) -**Sydämelliset kiitokset kirjoittajillemme:** [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). +[![GitHub-lisenssi](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub-avustajat](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub-ongelmat](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub-pyynnöt](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Tervetuloa](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -**🙏 Erityiskiitokset 🙏 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) -kirjoittajille, arvioijille ja sisällöntuottajille,** erityisesti 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), +[![GitHub-seuraajat](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub-haarat](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub-tähdet](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +Microsoftin Azure Cloud Advocates -tiimi tarjoaa ilolla 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee data-analytiikkaa. Jokainen oppitunti sisältää ennakkokyselyn ja jälkikyselyn, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen oppimismenetelmämme auttaa sinua oppimaan rakentamisen kautta, mikä on todistetusti tehokas tapa omaksua uusia taitoja. + +**Sydämellinen kiitos kirjoittajillemme:** [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). + +**🙏 Erityiskiitos 🙏 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) -kirjoittajille, arvioijille ja sisällöntuottajille,** kuten 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.fi.png)| |:---:| -| Tietojenkäsittelytiede aloittelijoille - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| Data-analytiikka aloittelijoille - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | ### 🌐 Monikielinen tuki -#### Tuettu GitHub Actionin kautta (automaattinen ja aina ajan tasalla) +#### Tuettu GitHub-toiminnon kautta (automaattinen ja aina ajan tasalla) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](./README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) -**Jos haluat lisätä uusia kieliä, tuetut kielet löytyvät [täältä](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Jos haluat lisätä uusia kielikäännöksiä, tuetut kielet löytyvät [täältä](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Liity yhteisöömme [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Meillä on käynnissä Discordissa oppimissarja tekoälyn kanssa, lisätietoja ja liittyminen [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.–30. syyskuuta 2025. Saat vinkkejä ja neuvoja GitHub Copilotin käytöstä tietojenkäsittelytieteessä. +Meillä on käynnissä Discordissa oppimissarja tekoälyn kanssa. Lue lisää ja liity mukaan [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.–30. syyskuuta 2025. Saat vinkkejä ja neuvoja GitHub Copilotin käytöstä data-analytiikassa. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.fi.jpg) @@ -39,14 +55,16 @@ Meillä on käynnissä Discordissa oppimissarja tekoälyn kanssa, lisätietoja j Aloita seuraavilla resursseilla: -- [Student Hub -sivu](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Tältä sivulta löydät aloittelijaresursseja, opiskelijapakkauksia ja jopa tapoja saada ilmainen sertifikaattivoucher. Tämä on sivu, jonka haluat tallentaa kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä sisältöä vaihdetaan vähintään kuukausittain. +- [Student Hub -sivu](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Tältä sivulta löydät aloittelijaresursseja, opiskelijapaketit ja jopa tapoja saada ilmainen sertifikaattivoucher. Tämä on sivu, jonka haluat tallentaa kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä vaihdamme sisältöä vähintään kuukausittain. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liity maailmanlaajuiseen opiskelijalähettiläiden yhteisöön, tämä voi olla sinun tiesi Microsoftiin. # Aloittaminen -> **Opettajat**: olemme [lisänneet joitakin ehdotuksia](for-teachers.md) siitä, miten käyttää tätä opetussuunnitelmaa. Haluaisimme kuulla palautettanne [keskustelufoorumillamme](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Täysin aloittelijat**: Uusi data-analytiikassa? Aloita [aloittelijaystävällisistä esimerkeistä](examples/README.md)! Nämä yksinkertaiset ja hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen kuin sukellat koko opetussuunnitelmaan. + +> **Opettajat**: olemme [lisänneet joitakin ehdotuksia](for-teachers.md) siitä, miten käyttää tätä opetussuunnitelmaa. Haluaisimme kuulla palautettasi [keskustelufoorumillamme](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Opiskelijat](https://aka.ms/student-page)**: jos haluat käyttää tätä opetussuunnitelmaa itsenäisesti, haaroita koko repo ja suorita tehtävät itsenäisesti aloittaen ennakkokyselystä. Lue sitten oppitunti ja suorita loput aktiviteetit. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioisit ratkaisukoodin; kuitenkin kyseinen koodi on saatavilla /solutions-kansioissa jokaisessa projektipohjaisessa oppitunnissa. Toinen idea olisi muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältöä läpi yhdessä. Lisäopiskelua varten suosittelemme [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Opiskelijat](https://aka.ms/student-page)**: jos haluat käyttää tätä opetussuunnitelmaa itsenäisesti, haaroita koko repo ja suorita harjoitukset itsenäisesti aloittaen ennakkokyselystä. Lue sitten oppitunti ja suorita loput aktiviteetit. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioisit ratkaisukoodin; kuitenkin kyseinen koodi on saatavilla /solutions-kansioissa jokaisessa projektipohjaisessa oppitunnissa. Toinen idea olisi muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältö läpi yhdessä. Jatko-opiskelua varten suosittelemme [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Tutustu tiimiin @@ -58,11 +76,11 @@ Aloita seuraavilla resursseilla: ## Pedagogiikka -Olemme valinneet kaksi pedagogista periaatetta tätä opetussuunnitelmaa rakentaessamme: varmistaa, että se on projektipohjainen ja että se sisältää usein toistuvia kyselyitä. Tämän sarjan lopussa opiskelijat ovat oppineet tietojenkäsittelytieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelu, erilaiset tavat työskennellä datan kanssa, datan visualisointi, data-analyysi, tietojenkäsittelytieteen todelliset käyttötapaukset ja paljon muuta. +Olemme valinneet kaksi pedagogista periaatetta tätä opetussuunnitelmaa rakentaessamme: varmistaa, että se on projektipohjainen ja että se sisältää usein toistuvia kyselyitä. Tämän sarjan lopussa opiskelijat ovat oppineet data-analytiikan perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelu, erilaiset tavat työskennellä datan kanssa, datan visualisointi, data-analyysi, data-analytiikan tosielämän käyttötapaukset ja paljon muuta. -Lisäksi matalan kynnyksen kysely ennen oppituntia suuntaa opiskelijan huomion oppimaan aihetta, kun taas toinen kysely oppitunnin jälkeen varmistaa paremman tiedon säilymisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sitä voi suorittaa kokonaan tai osittain. Projektit alkavat pienistä ja muuttuvat yhä monimutkaisemmiksi 10 viikon jakson loppuun mennessä. +Lisäksi matalan kynnyksen kysely ennen oppituntia ohjaa opiskelijan huomion oppimaan aihetta, kun taas toinen kysely oppitunnin jälkeen varmistaa paremman tiedon säilymisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sitä voi suorittaa kokonaan tai osittain. Projektit alkavat pienistä ja muuttuvat yhä monimutkaisemmiksi 10 viikon jakson loppuun mennessä. -> Löydä [käytössäännöt](CODE_OF_CONDUCT.md), [osallistumisohjeet](CONTRIBUTING.md), [käännösohjeet](TRANSLATIONS.md). Otamme mielellämme vastaan rakentavaa palautettasi! +> Löydä [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) ohjeet. Otamme mielellämme vastaan rakentavaa palautettasi! ## Jokainen oppitunti sisältää: @@ -76,99 +94,112 @@ Lisäksi matalan kynnyksen kysely ennen oppituntia suuntaa opiskelijan huomion o - Lisälukemista - Tehtävä - [Jälkikysely](https://ff-quizzes.netlify.app/en/) +> **Huomio visailuista**: Kaikki visailut löytyvät Quiz-App-kansiosta, yhteensä 40 visailua, joissa on kolme kysymystä kussakin. Ne on linkitetty oppituntien sisälle, mutta visailusovellusta voi ajaa paikallisesti tai julkaista Azureen; seuraa ohjeita `quiz-app`-kansiossa. Visailut lokalisoidaan vähitellen. -> **Huomio kyselyistä**: Kaikki kyselyt löytyvät Quiz-App-kansiosta, yhteensä 40 kyselyä, joissa on kolme kysymystä kussakin. Ne on linkitetty oppitunneista, mutta kyselysovelluksen voi ajaa paikallisesti tai julkaista Azureen; seuraa ohjeita `quiz-app`-kansiossa. Kyselyitä lokalisoidaan vähitellen. +## 🎓 Aloittelijaystävälliset esimerkit + +**Uusi datatieteessä?** Olemme luoneet erityisen [esimerkkikansion](examples/README.md), jossa on yksinkertaista ja hyvin kommentoitua koodia, joka auttaa sinua pääsemään alkuun: + +- 🌟 **Hello World** - Ensimmäinen datatiedeohjelmasi +- 📂 **Datan lataaminen** - Opettele lukemaan ja tutkimaan datasetit +- 📊 **Yksinkertainen analyysi** - Laske tilastoja ja löydä kuvioita +- 📈 **Perusvisualisointi** - Luo kaavioita ja grafiikoita +- 🔬 **Reaaliaikainen projekti** - Koko työnkulku alusta loppuun + +Jokainen esimerkki sisältää yksityiskohtaisia kommentteja, jotka selittävät jokaisen vaiheen, joten ne sopivat täydellisesti aloittelijoille! + +👉 **[Aloita esimerkeistä](examples/README.md)** 👈 ## Oppitunnit + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.fi.png)| |:---:| -| Data Science For Beginners: Roadmap - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| Datatiede aloittelijoille: Reittikartta - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | -| Oppitunnin numero | Aihe | Oppituntien ryhmittely | Oppimistavoitteet | Linkitetty oppitunti | Tekijä | +| Oppitunnin numero | Aihe | Oppituntiryhmä | Oppimistavoitteet | Linkitetty oppitunti | Kirjoittaja | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Mitä on data-analytiikka? | [Johdanto](1-Introduction/README.md) | Opettele data-analytiikan peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan. | [oppitunti](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Data-analytiikan etiikka | [Johdanto](1-Introduction/README.md) | Dataetiikan käsitteet, haasteet ja viitekehykset. | [oppitunti](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Datan määrittely | [Johdanto](1-Introduction/README.md) | Kuinka data luokitellaan ja sen yleiset lähteet. | [oppitunti](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 01 | Datatieteen määrittely | [Johdanto](1-Introduction/README.md) | Opettele datatieteen peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan. | [oppitunti](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Datatieteen etiikka | [Johdanto](1-Introduction/README.md) | Datan etiikan käsitteet, haasteet ja viitekehykset. | [oppitunti](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Datan määrittely | [Johdanto](1-Introduction/README.md) | Miten data luokitellaan ja sen yleiset lähteet. | [oppitunti](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Johdatus tilastotieteeseen ja todennäköisyyteen | [Johdanto](1-Introduction/README.md) | Matematiikan tekniikat todennäköisyyden ja tilastotieteen avulla datan ymmärtämiseksi. | [oppitunti](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | Työskentely relaatiodatan kanssa | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Johdatus relaatiodataan ja SQL:n (lausutaan "see-quell") perusteet relaatiodatan tutkimiseen ja analysointiin. | [oppitunti](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Työskentely NoSQL-datan kanssa | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Johdatus ei-relaatiodataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin. | [oppitunti](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Työskentely Pythonin kanssa | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Pythonin käyttö datan tutkimiseen Pandas-kirjaston avulla. Suositellaan Python-ohjelmoinnin perustietämystä. | [oppitunti](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Datan valmistelu | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Aiheita datan puhdistamisen ja muuntamisen tekniikoista, jotka auttavat käsittelemään puuttuvaa, epätarkkaa tai puutteellista dataa. | [oppitunti](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Määrien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆 | [oppitunti](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 08 | Datan valmistelu | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Aiheita datan puhdistamisen ja muuntamisen tekniikoista, jotka käsittelevät puuttuvan, epätarkan tai puutteellisen datan haasteita. | [oppitunti](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Määrien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Opettele käyttämään Matplotlibia lintudatan 🦆 visualisointiin. | [oppitunti](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Datan jakaumien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Havainnointien ja trendien visualisointi tietyllä aikavälillä. | [oppitunti](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Suhteiden visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Yhteyksien ja korrelaatioiden visualisointi datan joukkojen ja niiden muuttujien välillä. | [oppitunti](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Merkitykselliset visualisoinnit | [Datan visualisointi](3-Data-Visualization/README.md) | Tekniikat ja ohjeet, joiden avulla visualisoinnit ovat arvokkaita tehokkaaseen ongelmanratkaisuun ja oivalluksiin. | [oppitunti](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Johdatus data-analytiikan elinkaareen | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Johdatus data-analytiikan elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja uuttamiseen. | [oppitunti](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 14 | Analysointi | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Data-analytiikan elinkaaren vaihe, joka keskittyy datan analysointitekniikoihin. | [oppitunti](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 15 | Viestintä | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Data-analytiikan elinkaaren vaihe, joka keskittyy datasta saatujen oivallusten esittämiseen päätöksentekijöille ymmärrettävällä tavalla. | [oppitunti](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 16 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Oppituntisarja, joka esittelee data-analytiikkaa pilvessä ja sen hyötyjä. | [oppitunti](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 17 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien kouluttaminen Low Code -työkaluilla. |[oppitunti](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 18 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien käyttöönotto Azure Machine Learning Studiossa. | [oppitunti](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 19 | Data-analytiikka tosielämässä | [Tosielämässä](6-Data-Science-In-Wild/README.md) | Data-analytiikkaan perustuvat projektit tosielämässä. | [oppitunti](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 12 | Merkitykselliset visualisoinnit | [Datan visualisointi](3-Data-Visualization/README.md) | Tekniikat ja ohjeet, jotka tekevät visualisoinneistasi arvokkaita tehokkaaseen ongelmanratkaisuun ja oivalluksiin. | [oppitunti](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Johdatus datatieteen elinkaareen | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Johdatus datatieteen elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja uuttamiseen. | [oppitunti](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 14 | Analysointi | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Datatieteen elinkaaren vaihe, joka keskittyy datan analysointitekniikoihin. | [oppitunti](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 15 | Viestintä | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Datatieteen elinkaaren vaihe, joka keskittyy datasta saatujen oivallusten esittämiseen päätöksentekijöille ymmärrettävällä tavalla. | [oppitunti](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 16 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Oppituntisarja, joka esittelee datatieteen pilvessä ja sen hyödyt. | [oppitunti](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 17 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien kouluttaminen Low Code -työkaluilla. |[oppitunti](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 18 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien julkaiseminen Azure Machine Learning Studiossa. | [oppitunti](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 19 | Datatiede tosielämässä | [Tosielämässä](6-Data-Science-In-Wild/README.md) | Datatieteen ohjaamat projektit tosielämässä. | [oppitunti](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Noudata näitä ohjeita avataksesi tämän esimerkin Codespacessa: +Seuraa näitä ohjeita avataksesi tämän esimerkin Codespacessa: 1. Klikkaa Code-pudotusvalikkoa ja valitse Open with Codespaces -vaihtoehto. 2. Valitse + New codespace paneelin alareunasta. Lisätietoja löydät [GitHub-dokumentaatiosta](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Noudata näitä ohjeita avataksesi tämän repositorion kontissa paikallisella koneellasi ja VSCode-ohjelmalla käyttäen VS Code Remote - Containers -laajennusta: +Seuraa näitä ohjeita avataksesi tämän repositorion kontissa paikallisella koneellasi ja VSCode-ohjelmalla käyttäen VS Code Remote - Containers -laajennusta: -1. Jos käytät kehityskonttia ensimmäistä kertaa, varmista, että järjestelmäsi täyttää ennakkovaatimukset (esim. Docker on asennettu) [aloitusdokumentaation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) mukaisesti. +1. Jos käytät kehityskonttia ensimmäistä kertaa, varmista, että järjestelmäsi täyttää vaatimukset (esim. Docker on asennettu) [aloitusdokumentaatiossa](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Tätä repositoriota voi käyttää joko avaamalla sen eristetyssä Docker-volyymissa: +Voit käyttää tätä repositoriota joko avaamalla sen eristetyssä Docker-volyymissa: -**Huom**: Taustalla tämä käyttää Remote-Containers: **Clone Repository in Container Volume...** -komentoa lähdekoodin kloonaamiseen Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. [Volyymit](https://docs.docker.com/storage/volumes/) ovat suositeltu tapa säilyttää konttidata. +**Huomio**: Tämä käyttää taustalla Remote-Containers: **Clone Repository in Container Volume...** -komentoa kloonatakseen lähdekoodin Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. [Volyymit](https://docs.docker.com/storage/volumes/) ovat suositeltu tapa säilyttää konttidata. Tai avaamalla paikallisesti kloonatun tai ladatun version repositoriosta: - Kloonaa tämä repositorio paikalliselle tiedostojärjestelmällesi. - Paina F1 ja valitse **Remote-Containers: Open Folder in Container...** -komento. -- Valitse tämän kansion kloonattu kopio, odota konttia käynnistymään ja kokeile asioita. +- Valitse kloonattu kopio tästä kansiosta, odota konttia käynnistymään ja kokeile asioita. ## Offline-käyttö -Voit käyttää tätä dokumentaatiota offline-tilassa [Docsify](https://docsify.js.org/#/) avulla. Forkkaa tämä repositorio, [asenna Docsify](https://docsify.js.org/#/quickstart) paikalliselle koneellesi, ja kirjoita tämän repositorion juurikansiossa `docsify serve`. Verkkosivusto palvelee portilla 3000 localhostissa: `localhost:3000`. - -> Huomaa, että muistikirjoja ei renderöidä Docsifyllä, joten kun tarvitset muistikirjan käyttöä, tee se erikseen VS Codessa Python-ytimen avulla. - -## Muut oppimateriaalit - -Tiimimme tuottaa muita oppimateriaaleja! Tutustu: - -- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) -- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) -- [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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) +Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä [Docsifyä](https://docsify.js.org/#/). Haaroita tämä repositorio, [asenna Docsify](https://docsify.js.org/#/quickstart) paikalliselle koneellesi, ja kirjoita tämän repositorion juurikansiossa `docsify serve`. Verkkosivusto palvelee portissa 3000 localhostissa: `localhost:3000`. + +> Huomio, muistikirjoja ei renderöidä Docsifyllä, joten kun tarvitset muistikirjan suorittamista, tee se erikseen VS Codessa Python-ytimen avulla. + +## Muut opetusohjelmat + +Tiimimme tuottaa muita opetusohjelmia! Tutustu: + +- [Edge AI aloittelijoille](https://aka.ms/edgeai-for-beginners) +- [AI-agentit aloittelijoille](https://aka.ms/ai-agents-beginners) +- [Generatiivinen AI aloittelijoille](https://aka.ms/genai-beginners) +- [Generatiivinen AI aloittelijoille .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [Generatiivinen AI JavaScriptillä](https://github.com/microsoft/generative-ai-with-javascript) +- [Generatiivinen AI Javalla](https://aka.ms/genaijava) +- [AI aloittelijoille](https://aka.ms/ai-beginners) +- [Datatiede aloittelijoille](https://aka.ms/datascience-beginners) +- [Bash aloittelijoille](https://github.com/microsoft/bash-for-beginners) +- [ML aloittelijoille](https://aka.ms/ml-beginners) +- [Kyberturvallisuus aloittelijoille](https://github.com/microsoft/Security-101) +- [Web-kehitys aloittelijoille](https://aka.ms/webdev-beginners) +- [IoT aloittelijoille](https://aka.ms/iot-beginners) +- [Koneoppiminen aloittelijoille](https://aka.ms/ml-beginners) +- [XR-kehitys aloittelijoille](https://aka.ms/xr-dev-for-beginners) +- [GitHub Copilotin hallinta AI-pariohjelmointiin](https://aka.ms/GitHubCopilotAI) +- [XR-kehitys aloittelijoille](https://github.com/microsoft/xr-development-for-beginners) +- [GitHub Copilotin hallinta C#/.NET-kehittäjille](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Valitse oma Copilot-seikkailusi](https://github.com/microsoft/CopilotAdventures) ## Apua saatavilla -Jos jäät jumiin tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity: +Jos jäät jumiin tai sinulla on kysymyksiä AI-sovellusten rakentamisesta, liity: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Jos sinulla on tuotepalautetta tai virheitä rakentamisen aikana, käy: - +Jos sinulla on tuotepalautetta tai virheitä rakentamisen aikana, vieraile: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Vastuuvapauslauseke**: -Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä. \ No newline at end of file +Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä. \ No newline at end of file diff --git a/translations/fi/examples/README.md b/translations/fi/examples/README.md new file mode 100644 index 00000000..dcf2f3f7 --- /dev/null +++ b/translations/fi/examples/README.md @@ -0,0 +1,149 @@ + +# Aloittelijaystävällisiä Data Science -esimerkkejä + +Tervetuloa esimerkkikansioon! Tämä kokoelma yksinkertaisia ja hyvin kommentoituja esimerkkejä on suunniteltu auttamaan sinua aloittamaan data science -opiskelun, vaikka olisit täysin aloittelija. + +## 📚 Mitä täältä löytyy + +Jokainen esimerkki on itsenäinen ja sisältää: +- **Selkeät kommentit**, jotka selittävät jokaisen vaiheen +- **Yksinkertaista ja helposti luettavaa koodia**, joka esittelee yhden käsitteen kerrallaan +- **Reaaliaikaisen kontekstin**, joka auttaa ymmärtämään, milloin ja miksi näitä tekniikoita käytetään +- **Odotetun tuloksen**, jotta tiedät, mitä etsiä + +## 🚀 Aloittaminen + +### Esivaatimukset +Ennen kuin suoritat näitä esimerkkejä, varmista että sinulla on: +- Python 3.7 tai uudempi asennettuna +- Perustiedot Python-skriptien suorittamisesta + +### Tarvittavien kirjastojen asentaminen +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Esimerkkien yleiskatsaus + +### 1. Hello World - Data Science -tyyliin +**Tiedosto:** `01_hello_world_data_science.py` + +Ensimmäinen data science -ohjelmasi! Opit: +- Lataamaan yksinkertaisen datasetin +- Näyttämään perustiedot datastasi +- Tulostamaan ensimmäisen data science -tuloksesi + +Täydellinen aloitteleville, jotka haluavat nähdä ensimmäisen data science -ohjelmansa toiminnassa. + +--- + +### 2. Datan lataaminen ja tutkiminen +**Tiedosto:** `02_loading_data.py` + +Opettele datan käsittelyn perusteet: +- Lue dataa CSV-tiedostoista +- Näytä datasetin ensimmäiset rivit +- Hanki perustilastoja datastasi +- Ymmärrä datatyypit + +Tämä on usein ensimmäinen vaihe missä tahansa data science -projektissa! + +--- + +### 3. Yksinkertainen data-analyysi +**Tiedosto:** `03_simple_analysis.py` + +Suorita ensimmäinen data-analyysisi: +- Laske perustilastoja (keskiarvo, mediaani, moodi) +- Etsi maksimi- ja minimiarvot +- Laske arvojen esiintymiskerrat +- Suodata dataa ehtojen perusteella + +Näe, miten vastata yksinkertaisiin kysymyksiin datastasi. + +--- + +### 4. Datan visualisoinnin perusteet +**Tiedosto:** `04_basic_visualization.py` + +Luo ensimmäiset visualisointisi: +- Tee yksinkertainen pylväsdiagrammi +- Luo viivakaavio +- Generoi piirakkakaavio +- Tallenna visualisoinnit kuvina + +Opettele viestimään havaintosi visuaalisesti! + +--- + +### 5. Työskentely oikean datan kanssa +**Tiedosto:** `05_real_world_example.py` + +Yhdistä kaikki kokonaiseksi esimerkiksi: +- Lataa oikeaa dataa repositoriosta +- Puhdista ja valmistele data +- Suorita analyysi +- Luo merkityksellisiä visualisointeja +- Tee johtopäätöksiä + +Tämä esimerkki näyttää sinulle täydellisen työnkulun alusta loppuun. + +--- + +## 🎯 Kuinka käyttää näitä esimerkkejä + +1. **Aloita alusta**: Esimerkit on numeroitu vaikeusjärjestyksessä. Aloita `01_hello_world_data_science.py`-tiedostosta ja etene järjestyksessä. + +2. **Lue kommentit**: Jokaisessa tiedostossa on yksityiskohtaiset kommentit, jotka selittävät, mitä koodi tekee ja miksi. Lue ne huolellisesti! + +3. **Kokeile**: Yritä muokata koodia. Mitä tapahtuu, jos muutat arvoa? Riko asioita ja korjaa ne - näin opit! + +4. **Suorita koodi**: Suorita jokainen esimerkki ja tarkkaile tulosta. Vertaa sitä odotettuun tulokseen. + +5. **Rakenna lisää**: Kun ymmärrät esimerkin, yritä laajentaa sitä omilla ideoillasi. + +## 💡 Vinkkejä aloittelijoille + +- **Älä kiirehdi**: Käytä aikaa jokaisen esimerkin ymmärtämiseen ennen seuraavaan siirtymistä +- **Kirjoita koodi itse**: Älä vain kopioi ja liitä. Kirjoittaminen auttaa oppimaan ja muistamaan +- **Etsi tuntemattomia käsitteitä**: Jos näet jotain, mitä et ymmärrä, etsi tietoa verkosta tai pääopetuksista +- **Kysy kysymyksiä**: Liity [keskustelufoorumiin](https://github.com/microsoft/Data-Science-For-Beginners/discussions), jos tarvitset apua +- **Harjoittele säännöllisesti**: Yritä koodata vähän joka päivä sen sijaan, että tekisit pitkiä sessioita kerran viikossa + +## 🔗 Seuraavat askeleet + +Kun olet suorittanut nämä esimerkit, olet valmis: +- Käymään läpi pääopetuksen +- Kokeilemaan tehtäviä jokaisessa oppituntikansiossa +- Tutustumaan Jupyter-notebookeihin syvällisempää oppimista varten +- Luomaan omia data science -projekteja + +## 📚 Lisäresurssit + +- [Pääopetus](../README.md) - Täydellinen 20 oppitunnin kurssi +- [Opettajille](../for-teachers.md) - Tämän opetuksen käyttö luokkahuoneessa +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Ilmaisia verkkokoulutusresursseja +- [Python-dokumentaatio](https://docs.python.org/3/) - Virallinen Python-viite + +## 🤝 Osallistuminen + +Löysitkö virheen tai sinulla on idea uudesta esimerkistä? Otamme mielellämme vastaan osallistumisia! Katso [Osallistumisohjeet](../CONTRIBUTING.md). + +--- + +**Hyvää oppimista! 🎉** + +Muista: Jokainen asiantuntija on joskus ollut aloittelija. Ota yksi askel kerrallaan, äläkä pelkää tehdä virheitä - ne ovat osa oppimisprosessia! + +--- + +**Vastuuvapauslauseke**: +Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä. \ No newline at end of file diff --git a/translations/fr/README.md b/translations/fr/README.md index 79a8f2b7..7acb3a49 100644 --- a/translations/fr/README.md +++ b/translations/fr/README.md @@ -1,13 +1,13 @@ -# Data Science pour Débutants - Un Curriculum +# Science des données pour débutants - Un programme [![Ouvrir dans GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) @@ -25,20 +25,20 @@ CO_OP_TRANSLATOR_METADATA: [![Forum des développeurs Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Les Cloud Advocates d'Azure chez Microsoft sont ravis de proposer un curriculum de 10 semaines et 20 leçons entièrement dédié à la science des données. Chaque leçon comprend des quiz avant et après la leçon, des instructions écrites pour compléter la leçon, une solution et un devoir. Notre pédagogie basée sur les projets vous permet d'apprendre tout en construisant, une méthode éprouvée pour que les nouvelles compétences soient bien assimilées. +Les Cloud Advocates d'Azure chez Microsoft sont ravis de proposer un programme de 10 semaines et 20 leçons consacré à la science des données. Chaque leçon comprend des quiz avant et après la leçon, des instructions écrites pour compléter la leçon, une solution et un devoir. Notre pédagogie basée sur les projets vous permet d'apprendre tout en construisant, une méthode éprouvée pour que les nouvelles compétences soient bien assimilées. **Un grand merci à nos auteurs :** [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). -**🙏 Remerciements spéciaux 🙏 à nos [Microsoft Student Ambassadors](https://studentambassadors.microsoft.com/) auteurs, relecteurs et contributeurs de contenu,** notamment 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), +**🙏 Merci spécial 🙏 à nos [Microsoft Student Ambassadors](https://studentambassadors.microsoft.com/) auteurs, relecteurs et contributeurs de contenu,** notamment 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote par @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.fr.png)| |:---:| -| Data Science pour Débutants - _Sketchnote par [@nitya](https://twitter.com/nitya)_ | +| Science des données pour débutants - _Sketchnote par [@nitya](https://twitter.com/nitya)_ | -### 🌐 Support Multilingue +### 🌐 Support multilingue -#### Supporté via GitHub Action (Automatisé & Toujours à jour) +#### Supporté via GitHub Action (Automatisé et toujours à jour) [Français](./README.md) | [Espagnol](../es/README.md) | [Allemand](../de/README.md) | [Russe](../ru/README.md) | [Arabe](../ar/README.md) | [Persan (Farsi)](../fa/README.md) | [Ourdou](../ur/README.md) | [Chinois (Simplifié)](../zh/README.md) | [Chinois (Traditionnel, Macao)](../mo/README.md) | [Chinois (Traditionnel, Hong Kong)](../hk/README.md) | [Chinois (Traditionnel, Taïwan)](../tw/README.md) | [Japonais](../ja/README.md) | [Coréen](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Népalais](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugais (Portugal)](../pt/README.md) | [Portugais (Brésil)](../br/README.md) | [Italien](../it/README.md) | [Polonais](../pl/README.md) | [Turc](../tr/README.md) | [Grec](../el/README.md) | [Thaï](../th/README.md) | [Suédois](../sv/README.md) | [Danois](../da/README.md) | [Norvégien](../no/README.md) | [Finnois](../fi/README.md) | [Néerlandais](../nl/README.md) | [Hébreu](../he/README.md) | [Vietnamien](../vi/README.md) | [Indonésien](../id/README.md) | [Malais](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hongrois](../hu/README.md) | [Tchèque](../cs/README.md) | [Slovaque](../sk/README.md) | [Roumain](../ro/README.md) | [Bulgare](../bg/README.md) | [Serbe (Cyrillique)](../sr/README.md) | [Croate](../hr/README.md) | [Slovène](../sl/README.md) | [Ukrainien](../uk/README.md) | [Birman (Myanmar)](../my/README.md) @@ -47,7 +47,7 @@ Les Cloud Advocates d'Azure chez Microsoft sont ravis de proposer un curriculum #### Rejoignez notre communauté [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Nous avons une série d'apprentissage avec l'IA en cours sur Discord, découvrez-en plus et rejoignez-nous à [Learn with AI Series](https://aka.ms/learnwithai/discord) du 18 au 30 septembre 2025. Vous y apprendrez des astuces pour utiliser GitHub Copilot en science des données. +Nous organisons une série d'apprentissage avec l'IA sur Discord, apprenez-en plus et rejoignez-nous à [Learn with AI Series](https://aka.ms/learnwithai/discord) du 18 au 30 septembre 2025. Vous obtiendrez des astuces et conseils pour utiliser GitHub Copilot en science des données. ![Série Learn with AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.fr.jpg) @@ -55,14 +55,16 @@ Nous avons une série d'apprentissage avec l'IA en cours sur Discord, découvrez Commencez avec les ressources suivantes : -- [Page Hub Étudiant](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sur cette page, vous trouverez des ressources pour débutants, des packs étudiants et même des moyens d'obtenir un bon de certification gratuit. C'est une page à mettre en favori et à consulter régulièrement, car nous changeons le contenu au moins une fois par mois. +- [Page Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sur cette page, vous trouverez des ressources pour débutants, des packs étudiants et même des moyens d'obtenir un bon de certification gratuit. C'est une page à mettre en favori et à consulter régulièrement, car nous changeons le contenu au moins une fois par mois. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Rejoignez une communauté mondiale d'ambassadeurs étudiants, cela pourrait être votre porte d'entrée chez Microsoft. # Commencer -> **Enseignants** : nous avons [inclus quelques suggestions](for-teachers.md) sur la façon d'utiliser ce curriculum. Nous aimerions avoir vos retours [dans notre forum de discussion](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ! +> **Débutants complets** : Vous êtes nouveau en science des données ? Commencez par nos [exemples adaptés aux débutants](examples/README.md) ! Ces exemples simples et bien commentés vous aideront à comprendre les bases avant de plonger dans le programme complet. -> **[Étudiants](https://aka.ms/student-page)** : pour utiliser ce curriculum de manière autonome, clonez l'intégralité du dépôt et complétez les exercices par vous-même, en commençant par un quiz avant la leçon. Ensuite, lisez la leçon et complétez le reste des activités. Essayez de créer les projets en comprenant les leçons plutôt qu'en copiant le code de solution ; cependant, ce code est disponible dans les dossiers /solutions de chaque leçon orientée projet. Une autre idée serait de former un groupe d'étude avec des amis et de parcourir le contenu ensemble. Pour approfondir vos connaissances, nous recommandons [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Enseignants** : nous avons [inclus quelques suggestions](for-teachers.md) sur la façon d'utiliser ce programme. Nous aimerions avoir vos retours [dans notre forum de discussion](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ! + +> **[Étudiants](https://aka.ms/student-page)** : pour utiliser ce programme par vous-même, clonez le dépôt entier et complétez les exercices par vous-même, en commençant par un quiz avant la leçon. Ensuite, lisez la leçon et complétez le reste des activités. Essayez de créer les projets en comprenant les leçons plutôt qu'en copiant le code de solution ; cependant, ce code est disponible dans les dossiers /solutions de chaque leçon orientée projet. Une autre idée serait de former un groupe d'étude avec des amis et de parcourir le contenu ensemble. Pour aller plus loin, nous recommandons [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Rencontrez l'équipe @@ -74,60 +76,74 @@ Commencez avec les ressources suivantes : ## Pédagogie -Nous avons choisi deux principes pédagogiques lors de la création de ce curriculum : garantir qu'il soit basé sur des projets et qu'il inclue des quiz fréquents. À la fin de cette série, les étudiants auront appris les principes de base de la science des données, y compris les concepts éthiques, la préparation des données, différentes façons de travailler avec les données, la visualisation des données, l'analyse des données, des cas d'utilisation réels de la science des données, et plus encore. +Nous avons choisi deux principes pédagogiques en construisant ce programme : garantir qu'il est basé sur des projets et qu'il inclut des quiz fréquents. À la fin de cette série, les étudiants auront appris les principes de base de la science des données, y compris les concepts éthiques, la préparation des données, différentes façons de travailler avec les données, la visualisation des données, l'analyse des données, des cas d'utilisation réels de la science des données, et plus encore. -De plus, un quiz à faible enjeu avant une classe fixe l'intention de l'étudiant d'apprendre un sujet, tandis qu'un deuxième quiz après la classe assure une meilleure rétention. Ce curriculum a été conçu pour être flexible et amusant et peut être suivi en totalité ou en partie. Les projets commencent petits et deviennent de plus en plus complexes à la fin du cycle de 10 semaines. +De plus, un quiz à faible enjeu avant un cours fixe l'intention de l'étudiant d'apprendre un sujet, tandis qu'un deuxième quiz après le cours assure une meilleure rétention. Ce programme a été conçu pour être flexible et amusant et peut être suivi en totalité ou en partie. Les projets commencent petits et deviennent de plus en plus complexes à la fin du cycle de 10 semaines. -> Retrouvez notre [Code de Conduite](CODE_OF_CONDUCT.md), nos directives pour [Contribuer](CONTRIBUTING.md), et pour [Traduire](TRANSLATIONS.md). Nous accueillons vos retours constructifs ! +> Retrouvez notre [Code de conduite](CODE_OF_CONDUCT.md), nos [Directives de contribution](CONTRIBUTING.md), et nos [Directives de traduction](TRANSLATIONS.md). Nous accueillons vos retours constructifs ! -## Chaque leçon inclut : +## Chaque leçon comprend : -- Un sketchnote optionnel -- Une vidéo optionnelle supplémentaire -- Un quiz d'échauffement avant la leçon -- Une leçon écrite -- Pour les leçons basées sur des projets, des guides étape par étape pour construire le projet -- Des vérifications de connaissances +- Sketchnote optionnel +- Vidéo complémentaire optionnelle +- Quiz d'échauffement avant la leçon +- Leçon écrite +- Pour les leçons basées sur des projets, guides étape par étape pour construire le projet +- Vérifications des connaissances - Un défi -- Des lectures supplémentaires -- Un devoir +- Lecture complémentaire +- Devoir - [Quiz après la leçon](https://ff-quizzes.netlify.app/en/) +> **Une note sur les quiz** : Tous les quiz se trouvent dans le dossier Quiz-App, avec un total de 40 quiz contenant chacun trois questions. Ils sont liés aux leçons, mais l'application de quiz peut être exécutée localement ou déployée sur Azure ; suivez les instructions dans le dossier `quiz-app`. Ils sont progressivement localisés. + +## 🎓 Exemples pour Débutants + +**Nouveau en science des données ?** Nous avons créé un [répertoire d'exemples](examples/README.md) spécial avec du code simple et bien commenté pour vous aider à démarrer : + +- 🌟 **Hello World** - Votre premier programme en science des données +- 📂 **Chargement des données** - Apprenez à lire et explorer des ensembles de données +- 📊 **Analyse simple** - Calculez des statistiques et identifiez des tendances +- 📈 **Visualisation de base** - Créez des graphiques et des diagrammes +- 🔬 **Projet réel** - Flux de travail complet du début à la fin -> **Une note sur les quiz** : Tous les quiz sont contenus dans le dossier Quiz-App, pour un total de 40 quiz de trois questions chacun. Ils sont liés dans les leçons, mais l'application de quiz peut être exécutée localement ou déployée sur Azure ; suivez les instructions dans le dossier `quiz-app`. Ils sont progressivement localisés. +Chaque exemple inclut des commentaires détaillés expliquant chaque étape, parfait pour les grands débutants ! + +👉 **[Commencez avec les exemples](examples/README.md)** 👈 ## Leçons + |![ Sketchnote par @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.fr.png)| |:---:| -| Data Science pour les Débutants : Plan de Route - _Sketchnote par [@nitya](https://twitter.com/nitya)_ | +| Science des données pour débutants : Plan de route - _Sketchnote par [@nitya](https://twitter.com/nitya)_ | | Numéro de leçon | Sujet | Regroupement des leçons | Objectifs d'apprentissage | Leçon liée | Auteur | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Définir la Data Science | [Introduction](1-Introduction/README.md) | Apprenez les concepts de base de la data science et comment elle est liée à l'intelligence artificielle, au machine learning et au big data. | [leçon](1-Introduction/01-defining-data-science/README.md) [vidéo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Éthique en Data Science | [Introduction](1-Introduction/README.md) | Concepts, défis et cadres de l'éthique des données. | [leçon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Définir les Données | [Introduction](1-Introduction/README.md) | Comment les données sont classifiées et leurs sources courantes. | [leçon](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introduction aux Statistiques et Probabilités | [Introduction](1-Introduction/README.md) | Les techniques mathématiques de probabilité et de statistiques pour comprendre les données. | [leçon](1-Introduction/04-stats-and-probability/README.md) [vidéo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Travailler avec des Données Relationnelles | [Travailler avec les Données](2-Working-With-Data/README.md) | Introduction aux données relationnelles et aux bases de l'exploration et de l'analyse des données relationnelles avec le Structured Query Language, également connu sous le nom de SQL (prononcé "see-quell"). | [leçon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Travailler avec des Données NoSQL | [Travailler avec les Données](2-Working-With-Data/README.md) | Introduction aux données non relationnelles, leurs différents types et les bases de l'exploration et de l'analyse des bases de données documentaires. | [leçon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Travailler avec Python | [Travailler avec les Données](2-Working-With-Data/README.md) | Bases de l'utilisation de Python pour l'exploration des données avec des bibliothèques telles que Pandas. Une compréhension fondamentale de la programmation Python est recommandée. | [leçon](2-Working-With-Data/07-python/README.md) [vidéo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Préparation des Données | [Travailler avec les Données](2-Working-With-Data/README.md) | Techniques de nettoyage et de transformation des données pour gérer les défis liés aux données manquantes, inexactes ou incomplètes. | [leçon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Visualiser des Quantités | [Visualisation des Données](3-Data-Visualization/README.md) | Apprenez à utiliser Matplotlib pour visualiser des données d'oiseaux 🦆 | [leçon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualiser des Distributions de Données | [Visualisation des Données](3-Data-Visualization/README.md) | Visualiser des observations et des tendances dans un intervalle. | [leçon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualiser des Proportions | [Visualisation des Données](3-Data-Visualization/README.md) | Visualiser des pourcentages discrets et groupés. | [leçon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualiser des Relations | [Visualisation des Données](3-Data-Visualization/README.md) | Visualiser des connexions et des corrélations entre ensembles de données et leurs variables. | [leçon](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Visualisations Significatives | [Visualisation des Données](3-Data-Visualization/README.md) | Techniques et conseils pour rendre vos visualisations utiles pour résoudre des problèmes efficacement et obtenir des insights. | [leçon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introduction au Cycle de Vie de la Data Science | [Cycle de Vie](4-Data-Science-Lifecycle/README.md) | Introduction au cycle de vie de la data science et à sa première étape : l'acquisition et l'extraction des données. | [leçon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analyser | [Cycle de Vie](4-Data-Science-Lifecycle/README.md) | Cette phase du cycle de vie de la data science se concentre sur les techniques d'analyse des données. | [leçon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Communication | [Cycle de Vie](4-Data-Science-Lifecycle/README.md) | Cette phase du cycle de vie de la data science se concentre sur la présentation des insights issus des données de manière compréhensible pour les décideurs. | [leçon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science dans le Cloud | [Données dans le Cloud](5-Data-Science-In-Cloud/README.md) | Cette série de leçons introduit la data science dans le cloud et ses avantages. | [leçon](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science dans le Cloud | [Données dans le Cloud](5-Data-Science-In-Cloud/README.md) | Entraîner des modèles en utilisant des outils Low Code. |[leçon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science dans le Cloud | [Données dans le Cloud](5-Data-Science-In-Cloud/README.md) | Déployer des modèles avec Azure Machine Learning Studio. | [leçon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science dans la Nature | [Dans la Nature](6-Data-Science-In-Wild/README.md) | Projets basés sur la data science dans le monde réel. | [leçon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Définir la science des données | [Introduction](1-Introduction/README.md) | Apprenez les concepts de base de la science des données et comment elle est liée à l'intelligence artificielle, au machine learning et au big data. | [leçon](1-Introduction/01-defining-data-science/README.md) [vidéo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Éthique en science des données | [Introduction](1-Introduction/README.md) | Concepts, défis et cadres de l'éthique des données. | [leçon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Définir les données | [Introduction](1-Introduction/README.md) | Comment les données sont classifiées et leurs sources courantes. | [leçon](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduction aux statistiques et probabilités | [Introduction](1-Introduction/README.md) | Les techniques mathématiques de probabilité et de statistiques pour comprendre les données. | [leçon](1-Introduction/04-stats-and-probability/README.md) [vidéo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Travailler avec des données relationnelles | [Travailler avec les données](2-Working-With-Data/README.md) | Introduction aux données relationnelles et aux bases de l'exploration et de l'analyse des données relationnelles avec le langage SQL (prononcé "see-quell"). | [leçon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Travailler avec des données NoSQL | [Travailler avec les données](2-Working-With-Data/README.md) | Introduction aux données non relationnelles, leurs différents types et les bases de l'exploration et de l'analyse des bases de données documentaires. | [leçon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Travailler avec Python | [Travailler avec les données](2-Working-With-Data/README.md) | Bases de l'utilisation de Python pour l'exploration des données avec des bibliothèques comme Pandas. Une compréhension fondamentale de la programmation Python est recommandée. | [leçon](2-Working-With-Data/07-python/README.md) [vidéo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Préparation des données | [Travailler avec les données](2-Working-With-Data/README.md) | Techniques de nettoyage et de transformation des données pour gérer les défis liés aux données manquantes, inexactes ou incomplètes. | [leçon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Visualiser des quantités | [Visualisation des données](3-Data-Visualization/README.md) | Apprenez à utiliser Matplotlib pour visualiser des données d'oiseaux 🦆 | [leçon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualiser des distributions de données | [Visualisation des données](3-Data-Visualization/README.md) | Visualiser des observations et des tendances dans un intervalle. | [leçon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualiser des proportions | [Visualisation des données](3-Data-Visualization/README.md) | Visualiser des pourcentages discrets et groupés. | [leçon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualiser des relations | [Visualisation des données](3-Data-Visualization/README.md) | Visualiser des connexions et des corrélations entre ensembles de données et leurs variables. | [leçon](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Visualisations significatives | [Visualisation des données](3-Data-Visualization/README.md) | Techniques et conseils pour rendre vos visualisations utiles pour résoudre des problèmes et obtenir des insights. | [leçon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introduction au cycle de vie de la science des données | [Cycle de vie](4-Data-Science-Lifecycle/README.md) | Introduction au cycle de vie de la science des données et à sa première étape : acquisition et extraction des données. | [leçon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analyser | [Cycle de vie](4-Data-Science-Lifecycle/README.md) | Cette phase du cycle de vie de la science des données se concentre sur les techniques d'analyse des données. | [leçon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Communication | [Cycle de vie](4-Data-Science-Lifecycle/README.md) | Cette phase du cycle de vie de la science des données se concentre sur la présentation des insights des données de manière compréhensible pour les décideurs. | [leçon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Science des données dans le cloud | [Données dans le cloud](5-Data-Science-In-Cloud/README.md) | Cette série de leçons introduit la science des données dans le cloud et ses avantages. | [leçon](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) | +| 18 | Science des données dans le cloud | [Données dans le cloud](5-Data-Science-In-Cloud/README.md) | Entraînement de modèles avec des outils Low Code. |[leçon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) | +| 19 | Science des données dans le cloud | [Données dans le cloud](5-Data-Science-In-Cloud/README.md) | Déploiement de modèles avec Azure Machine Learning Studio. | [leçon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) | +| 20 | Science des données dans la nature | [Dans la nature](6-Data-Science-In-Wild/README.md) | Projets basés sur la science des données dans le monde réel. | [leçon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Suivez ces étapes pour ouvrir cet exemple dans un Codespace : -1. Cliquez sur le menu déroulant Code et sélectionnez l'option Open with Codespaces. -2. Sélectionnez + New codespace en bas du volet. +1. Cliquez sur le menu déroulant Code et sélectionnez l'option Ouvrir avec Codespaces. +2. Sélectionnez + Nouveau codespace en bas du volet. Pour plus d'informations, consultez la [documentation GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers @@ -137,9 +153,9 @@ Suivez ces étapes pour ouvrir ce dépôt dans un conteneur en utilisant votre m Pour utiliser ce dépôt, vous pouvez soit ouvrir le dépôt dans un volume Docker isolé : -**Note** : En coulisses, cela utilisera la commande Remote-Containers : **Clone Repository in Container Volume...** pour cloner le code source dans un volume Docker au lieu du système de fichiers local. Les [volumes](https://docs.docker.com/storage/volumes/) sont le mécanisme préféré pour persister les données des conteneurs. +**Note** : En arrière-plan, cela utilisera la commande Remote-Containers : **Clone Repository in Container Volume...** pour cloner le code source dans un volume Docker au lieu du système de fichiers local. Les [volumes](https://docs.docker.com/storage/volumes/) sont le mécanisme préféré pour persister les données des conteneurs. -Ou ouvrir une version clonée ou téléchargée localement du dépôt : +Ou ouvrir une version localement clonée ou téléchargée du dépôt : - Clonez ce dépôt sur votre système de fichiers local. - Appuyez sur F1 et sélectionnez la commande **Remote-Containers: Open Folder in Container...**. @@ -151,28 +167,28 @@ Vous pouvez exécuter cette documentation hors ligne en utilisant [Docsify](http > Notez que les notebooks ne seront pas rendus via Docsify, donc lorsque vous devez exécuter un notebook, faites-le séparément dans VS Code en exécutant un kernel Python. -## Autres Curricula - -Notre équipe produit d'autres curricula ! Découvrez : - -- [Edge AI pour les Débutants](https://aka.ms/edgeai-for-beginners) -- [Agents IA pour les Débutants](https://aka.ms/ai-agents-beginners) -- [IA Générative pour les Débutants](https://aka.ms/genai-beginners) -- [IA Générative pour les Débutants .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) -- [IA Générative avec JavaScript](https://github.com/microsoft/generative-ai-with-javascript) -- [IA Générative avec Java](https://aka.ms/genaijava) -- [IA pour les Débutants](https://aka.ms/ai-beginners) -- [Data Science pour les Débutants](https://aka.ms/datascience-beginners) -- [Bash pour les Débutants](https://github.com/microsoft/bash-for-beginners) -- [ML pour les Débutants](https://aka.ms/ml-beginners) -- [Cybersécurité pour les Débutants](https://github.com/microsoft/Security-101) -- [Développement Web pour les Débutants](https://aka.ms/webdev-beginners) -- [IoT pour les Débutants](https://aka.ms/iot-beginners) -- [Apprentissage Automatique pour les Débutants](https://aka.ms/ml-beginners) -- [Développement XR pour les Débutants](https://aka.ms/xr-dev-for-beginners) -- [Maîtriser GitHub Copilot pour la Programmation Assistée par IA](https://aka.ms/GitHubCopilotAI) -- [Développement XR pour les Débutants](https://github.com/microsoft/xr-development-for-beginners) -- [Maîtriser GitHub Copilot pour les Développeurs C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +## Autres programmes + +Notre équipe produit d'autres programmes ! Découvrez : + +- [Edge AI pour débutants](https://aka.ms/edgeai-for-beginners) +- [Agents IA pour débutants](https://aka.ms/ai-agents-beginners) +- [IA générative pour débutants](https://aka.ms/genai-beginners) +- [IA générative pour débutants .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [IA générative avec JavaScript](https://github.com/microsoft/generative-ai-with-javascript) +- [IA générative avec Java](https://aka.ms/genaijava) +- [IA pour débutants](https://aka.ms/ai-beginners) +- [Science des données pour débutants](https://aka.ms/datascience-beginners) +- [Bash pour débutants](https://github.com/microsoft/bash-for-beginners) +- [ML pour débutants](https://aka.ms/ml-beginners) +- [Cybersécurité pour débutants](https://github.com/microsoft/Security-101) +- [Développement web pour débutants](https://aka.ms/webdev-beginners) +- [IoT pour débutants](https://aka.ms/iot-beginners) +- [Apprentissage automatique pour débutants](https://aka.ms/ml-beginners) +- [Développement XR pour débutants](https://aka.ms/xr-dev-for-beginners) +- [Maîtriser GitHub Copilot pour la programmation assistée par IA](https://aka.ms/GitHubCopilotAI) +- [Développement XR pour débutants](https://github.com/microsoft/xr-development-for-beginners) +- [Maîtriser GitHub Copilot pour les développeurs C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Choisissez votre propre aventure Copilot](https://github.com/microsoft/CopilotAdventures) ## Obtenir de l'aide @@ -181,11 +197,10 @@ Si vous êtes bloqué ou avez des questions sur la création d'applications IA, [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Si vous avez des retours sur le produit ou des erreurs lors de la création, visitez : - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Si vous avez des retours sur les produits ou des erreurs lors de la création, visitez : +[![Forum des développeurs Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Avertissement** : -Ce document a été traduit à l'aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction humaine professionnelle. Nous déclinons toute responsabilité en cas de malentendus ou d'interprétations erronées résultant de l'utilisation de cette traduction. \ No newline at end of file +Ce document a été traduit à l'aide du service de traduction IA [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction humaine professionnelle. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l'utilisation de cette traduction. \ No newline at end of file diff --git a/translations/fr/examples/README.md b/translations/fr/examples/README.md new file mode 100644 index 00000000..fd8d4673 --- /dev/null +++ b/translations/fr/examples/README.md @@ -0,0 +1,149 @@ + +# Exemples de Data Science pour Débutants + +Bienvenue dans le répertoire des exemples ! Cette collection d'exemples simples et bien commentés est conçue pour vous aider à débuter en data science, même si vous êtes complètement novice. + +## 📚 Ce que vous trouverez ici + +Chaque exemple est autonome et inclut : +- **Des commentaires clairs** expliquant chaque étape +- **Un code simple et lisible** qui illustre un concept à la fois +- **Un contexte réel** pour vous aider à comprendre quand et pourquoi utiliser ces techniques +- **Un résultat attendu** pour savoir ce que vous devez obtenir + +## 🚀 Premiers Pas + +### Prérequis +Avant de lancer ces exemples, assurez-vous d'avoir : +- Python 3.7 ou une version supérieure installé +- Une compréhension de base sur la façon d'exécuter des scripts Python + +### Installation des bibliothèques nécessaires +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Aperçu des exemples + +### 1. Hello World - Version Data Science +**Fichier :** `01_hello_world_data_science.py` + +Votre premier programme de data science ! Apprenez à : +- Charger un jeu de données simple +- Afficher des informations de base sur vos données +- Imprimer votre premier résultat en data science + +Parfait pour les débutants absolus qui veulent voir leur premier programme de data science en action. + +--- + +### 2. Charger et Explorer des Données +**Fichier :** `02_loading_data.py` + +Apprenez les bases du travail avec des données : +- Lire des données à partir de fichiers CSV +- Visualiser les premières lignes de votre jeu de données +- Obtenir des statistiques de base sur vos données +- Comprendre les types de données + +C'est souvent la première étape de tout projet de data science ! + +--- + +### 3. Analyse de Données Simple +**Fichier :** `03_simple_analysis.py` + +Réalisez votre première analyse de données : +- Calculer des statistiques de base (moyenne, médiane, mode) +- Trouver les valeurs maximales et minimales +- Compter les occurrences de valeurs +- Filtrer les données selon des conditions + +Découvrez comment répondre à des questions simples sur vos données. + +--- + +### 4. Bases de la Visualisation de Données +**Fichier :** `04_basic_visualization.py` + +Créez vos premières visualisations : +- Réaliser un graphique en barres simple +- Créer un graphique linéaire +- Générer un diagramme circulaire +- Sauvegarder vos visualisations sous forme d'images + +Apprenez à communiquer vos résultats visuellement ! + +--- + +### 5. Travailler avec des Données Réelles +**Fichier :** `05_real_world_example.py` + +Mettez tout en pratique avec un exemple complet : +- Charger des données réelles depuis le dépôt +- Nettoyer et préparer les données +- Réaliser une analyse +- Créer des visualisations significatives +- Tirer des conclusions + +Cet exemple vous montre un flux de travail complet du début à la fin. + +--- + +## 🎯 Comment utiliser ces exemples + +1. **Commencez par le début** : Les exemples sont numérotés par ordre de difficulté. Commencez par `01_hello_world_data_science.py` et progressez. + +2. **Lisez les commentaires** : Chaque fichier contient des commentaires détaillés expliquant ce que fait le code et pourquoi. Lisez-les attentivement ! + +3. **Expérimentez** : Essayez de modifier le code. Que se passe-t-il si vous changez une valeur ? Cassez des choses et réparez-les - c'est ainsi que vous apprenez ! + +4. **Exécutez le code** : Lancez chaque exemple et observez le résultat. Comparez-le avec ce que vous attendiez. + +5. **Construisez dessus** : Une fois que vous comprenez un exemple, essayez de l'étendre avec vos propres idées. + +## 💡 Conseils pour Débutants + +- **Ne vous précipitez pas** : Prenez le temps de comprendre chaque exemple avant de passer au suivant +- **Tapez le code vous-même** : Ne vous contentez pas de copier-coller. Taper vous aide à apprendre et à mémoriser +- **Cherchez les concepts inconnus** : Si vous voyez quelque chose que vous ne comprenez pas, recherchez-le en ligne ou dans les leçons principales +- **Posez des questions** : Rejoignez le [forum de discussion](https://github.com/microsoft/Data-Science-For-Beginners/discussions) si vous avez besoin d'aide +- **Pratiquez régulièrement** : Essayez de coder un peu chaque jour plutôt que de longues sessions une fois par semaine + +## 🔗 Prochaines Étapes + +Après avoir terminé ces exemples, vous êtes prêt à : +- Travailler sur les leçons principales du programme +- Essayer les exercices dans chaque dossier de leçon +- Explorer les notebooks Jupyter pour un apprentissage plus approfondi +- Créer vos propres projets de data science + +## 📚 Ressources Supplémentaires + +- [Programme Principal](../README.md) - Le cours complet en 20 leçons +- [Pour les Enseignants](../for-teachers.md) - Utiliser ce programme dans votre classe +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Ressources d'apprentissage en ligne gratuites +- [Documentation Python](https://docs.python.org/3/) - Référence officielle de Python + +## 🤝 Contribuer + +Vous avez trouvé un bug ou une idée pour un nouvel exemple ? Nous accueillons les contributions ! Veuillez consulter notre [Guide de Contribution](../CONTRIBUTING.md). + +--- + +**Bon apprentissage ! 🎉** + +Rappelez-vous : Chaque expert a été un débutant un jour. Avancez étape par étape, et n'ayez pas peur de faire des erreurs - elles font partie du processus d'apprentissage ! + +--- + +**Avertissement** : +Ce document a été traduit à l'aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatiques peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction humaine professionnelle. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l'utilisation de cette traduction. \ No newline at end of file diff --git a/translations/he/README.md b/translations/he/README.md index 80d902fc..a463c714 100644 --- a/translations/he/README.md +++ b/translations/he/README.md @@ -1,8 +1,8 @@ +# דוגמאות ידידותיות למתחילים במדעי הנתונים + +ברוכים הבאים לתיקיית הדוגמאות! אוסף זה של דוגמאות פשוטות ומלוות בהסברים נועד לעזור לכם להתחיל עם מדעי הנתונים, גם אם אתם מתחילים לגמרי. + +## 📚 מה תמצאו כאן + +כל דוגמה היא עצמאית וכוללת: +- **הערות ברורות** שמסבירות כל שלב +- **קוד פשוט וקריא** שמדגים מושג אחד בכל פעם +- **הקשר מעשי** שיעזור לכם להבין מתי ולמה להשתמש בטכניקות הללו +- **תוצאה צפויה** כדי שתדעו למה לצפות + +## 🚀 איך להתחיל + +### דרישות מוקדמות +לפני הרצת הדוגמאות, ודאו שיש לכם: +- Python 3.7 או גרסה גבוהה יותר מותקנת +- הבנה בסיסית של איך להריץ סקריפטים ב-Python + +### התקנת ספריות נדרשות +```bash +pip install pandas numpy matplotlib +``` + +## 📖 סקירת דוגמאות + +### 1. שלום עולם - בסגנון מדעי הנתונים +**קובץ:** `01_hello_world_data_science.py` + +תוכנית מדעי הנתונים הראשונה שלכם! תלמדו איך: +- לטעון מערך נתונים פשוט +- להציג מידע בסיסי על הנתונים שלכם +- להדפיס את הפלט הראשון שלכם במדעי הנתונים + +מושלם למתחילים שרוצים לראות את התוכנית הראשונה שלהם בפעולה. + +--- + +### 2. טעינה וחקר נתונים +**קובץ:** `02_loading_data.py` + +למדו את היסודות של עבודה עם נתונים: +- קריאת נתונים מקבצי CSV +- צפייה בשורות הראשונות של מערך הנתונים שלכם +- קבלת סטטיסטיקות בסיסיות על הנתונים שלכם +- הבנת סוגי נתונים + +זהו לרוב השלב הראשון בכל פרויקט מדעי נתונים! + +--- + +### 3. ניתוח נתונים פשוט +**קובץ:** `03_simple_analysis.py` + +בצעו את ניתוח הנתונים הראשון שלכם: +- חישוב סטטיסטיקות בסיסיות (ממוצע, חציון, שכיח) +- מציאת ערכים מקסימליים ומינימליים +- ספירת הופעות של ערכים +- סינון נתונים על פי תנאים + +ראו איך לענות על שאלות פשוטות לגבי הנתונים שלכם. + +--- + +### 4. יסודות ויזואליזציה של נתונים +**קובץ:** `04_basic_visualization.py` + +צרו את הוויזואליזציות הראשונות שלכם: +- יצירת תרשים עמודות פשוט +- יצירת גרף קו +- יצירת תרשים עוגה +- שמירת הוויזואליזציות שלכם כתמונות + +למדו איך לתקשר את הממצאים שלכם בצורה חזותית! + +--- + +### 5. עבודה עם נתונים אמיתיים +**קובץ:** `05_real_world_example.py` + +חברו הכל יחד עם דוגמה מלאה: +- טעינת נתונים אמיתיים מהמאגר +- ניקוי והכנת הנתונים +- ביצוע ניתוח +- יצירת ויזואליזציות משמעותיות +- הסקת מסקנות + +דוגמה זו מראה לכם תהליך עבודה מלא מתחילתו ועד סופו. + +--- + +## 🎯 איך להשתמש בדוגמאות הללו + +1. **התחילו מההתחלה**: הדוגמאות ממוספרות לפי רמת הקושי. התחילו עם `01_hello_world_data_science.py` והתקדמו לפי הסדר. + +2. **קראו את ההערות**: כל קובץ מכיל הערות מפורטות שמסבירות מה הקוד עושה ולמה. קראו אותן בעיון! + +3. **נסו לשנות**: נסו לשנות את הקוד. מה קורה אם תשנו ערך? תשברו דברים ותתקנו אותם - כך לומדים! + +4. **הריצו את הקוד**: הריצו כל דוגמה וצפו בפלט. השוו אותו למה שציפיתם. + +5. **בנו על זה**: ברגע שתבינו דוגמה, נסו להרחיב אותה עם רעיונות משלכם. + +## 💡 טיפים למתחילים + +- **אל תמהרו**: קחו את הזמן להבין כל דוגמה לפני שתעברו לבאה +- **כתבו את הקוד בעצמכם**: אל תעתיקו-הדבק. כתיבה עוזרת ללמוד ולזכור +- **חפשו מושגים לא מוכרים**: אם אתם רואים משהו שלא ברור לכם, חפשו אותו באינטרנט או בשיעורים המרכזיים +- **שאלו שאלות**: הצטרפו ל-[פורום הדיונים](https://github.com/microsoft/Data-Science-For-Beginners/discussions) אם אתם צריכים עזרה +- **תרגלו באופן קבוע**: נסו לקודד קצת כל יום במקום מפגשים ארוכים פעם בשבוע + +## 🔗 צעדים הבאים + +לאחר שתסיימו את הדוגמאות הללו, אתם מוכנים: +- לעבוד דרך שיעורי הלימוד המרכזיים +- לנסות את המשימות בכל תיקיית שיעור +- לחקור את מחברות Jupyter ללמידה מעמיקה יותר +- ליצור פרויקטים משלכם במדעי הנתונים + +## 📚 משאבים נוספים + +- [תוכנית הלימודים המרכזית](../README.md) - קורס מלא של 20 שיעורים +- [למורים](../for-teachers.md) - שימוש בתוכנית הלימודים בכיתה +- [Microsoft Learn](https://docs.microsoft.com/learn/) - משאבי לימוד מקוונים חינמיים +- [תיעוד Python](https://docs.python.org/3/) - מדריך רשמי ל-Python + +## 🤝 תרומות + +מצאתם באג או יש לכם רעיון לדוגמה חדשה? נשמח לקבל תרומות! אנא ראו את [מדריך התרומות](../CONTRIBUTING.md). + +--- + +**למידה נעימה! 🎉** + +זכרו: כל מומחה היה פעם מתחיל. קחו את זה צעד אחד בכל פעם, ואל תפחדו לעשות טעויות - הן חלק מתהליך הלמידה! + +--- + +**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 לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור הסמכותי. למידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אנושי. איננו נושאים באחריות לאי-הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה. \ No newline at end of file diff --git a/translations/hi/README.md b/translations/hi/README.md index 092e47eb..ddbf0d30 100644 --- a/translations/hi/README.md +++ b/translations/hi/README.md @@ -1,13 +1,13 @@ -# डेटा साइंस के शुरुआती लोगों के लिए - एक पाठ्यक्रम +# शुरुआती लोगों के लिए डेटा साइंस - एक पाठ्यक्रम [![GitHub Codespaces में खोलें](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) @@ -25,7 +25,7 @@ CO_OP_TRANSLATOR_METADATA: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Microsoft के Azure Cloud Advocates ने डेटा साइंस पर आधारित 10 सप्ताह, 20 पाठों का पाठ्यक्रम तैयार किया है। प्रत्येक पाठ में प्री-लेसन और पोस्ट-लेसन क्विज़, पाठ पूरा करने के लिए लिखित निर्देश, समाधान और असाइनमेंट शामिल हैं। हमारा प्रोजेक्ट-आधारित शिक्षण दृष्टिकोण आपको सीखते हुए निर्माण करने की अनुमति देता है, जो नई कौशल को स्थायी रूप से सीखने का एक सिद्ध तरीका है। +Microsoft के Azure Cloud Advocates आपको डेटा साइंस पर आधारित 10 सप्ताह का, 20 पाठों वाला पाठ्यक्रम प्रदान करने में खुशी महसूस कर रहे हैं। प्रत्येक पाठ में प्री-लेसन और पोस्ट-लेसन क्विज़, पाठ पूरा करने के लिए लिखित निर्देश, समाधान और असाइनमेंट शामिल हैं। हमारा प्रोजेक्ट-आधारित शिक्षण दृष्टिकोण आपको सीखते हुए निर्माण करने की अनुमति देता है, जो नई कौशल को स्थायी रूप से सीखने का एक सिद्ध तरीका है। **हमारे लेखकों को हार्दिक धन्यवाद:** [जैस्मिन ग्रीनवे](https://www.twitter.com/paladique), [दिमित्री सॉश्निकोव](http://soshnikov.com), [नित्या नरसिम्हन](https://twitter.com/nitya), [जालेन मैक्गी](https://twitter.com/JalenMcG), [जेन लूपर](https://twitter.com/jenlooper), [मॉड लेवी](https://twitter.com/maudstweets), [टिफ़नी सॉटर](https://twitter.com/TiffanySouterre), [क्रिस्टोफर हैरिसन](https://www.twitter.com/geektrainer)। @@ -35,18 +35,18 @@ Microsoft के Azure Cloud Advocates ने डेटा साइंस प |:---:| | शुरुआती लोगों के लिए डेटा साइंस - _स्केच नोट [@nitya](https://twitter.com/nitya) द्वारा_ | -### 🌐 बहु-भाषा समर्थन +### 🌐 बहुभाषी समर्थन #### GitHub Action के माध्यम से समर्थित (स्वचालित और हमेशा अद्यतन) -[फ्रेंच](../fr/README.md) | [स्पेनिश](../es/README.md) | [जर्मन](../de/README.md) | [रूसी](../ru/README.md) | [अरबी](../ar/README.md) | [फारसी (फारसी)](../fa/README.md) | [उर्दू](../ur/README.md) | [चीनी (सरलीकृत)](../zh/README.md) | [चीनी (पारंपरिक, मकाऊ)](../mo/README.md) | [चीनी (पारंपरिक, हांगकांग)](../hk/README.md) | [चीनी (पारंपरिक, ताइवान)](../tw/README.md) | [जापानी](../ja/README.md) | [कोरियाई](../ko/README.md) | [हिंदी](./README.md) | [बंगाली](../bn/README.md) | [मराठी](../mr/README.md) | [नेपाली](../ne/README.md) | [पंजाबी (गुरमुखी)](../pa/README.md) | [पुर्तगाली (पुर्तगाल)](../pt/README.md) | [पुर्तगाली (ब्राज़ील)](../br/README.md) | [इतालवी](../it/README.md) | [पोलिश](../pl/README.md) | [तुर्की](../tr/README.md) | [ग्रीक](../el/README.md) | [थाई](../th/README.md) | [स्वीडिश](../sv/README.md) | [डेनिश](../da/README.md) | [नॉर्वेजियन](../no/README.md) | [फिनिश](../fi/README.md) | [डच](../nl/README.md) | [हिब्रू](../he/README.md) | [वियतनामी](../vi/README.md) | [इंडोनेशियाई](../id/README.md) | [मलय](../ms/README.md) | [टैगालोग (फिलिपिनो)](../tl/README.md) | [स्वाहिली](../sw/README.md) | [हंगेरियन](../hu/README.md) | [चेक](../cs/README.md) | [स्लोवाक](../sk/README.md) | [रोमानियाई](../ro/README.md) | [बुल्गारियाई](../bg/README.md) | [सर्बियाई (सिरिलिक)](../sr/README.md) | [क्रोएशियाई](../hr/README.md) | [स्लोवेनियाई](../sl/README.md) | [यूक्रेनी](../uk/README.md) | [बर्मी (म्यांमार)](../my/README.md) +[फ्रेंच](../fr/README.md) | [स्पेनिश](../es/README.md) | [जर्मन](../de/README.md) | [रूसी](../ru/README.md) | [अरबी](../ar/README.md) | [फारसी (पारसी)](../fa/README.md) | [उर्दू](../ur/README.md) | [चीनी (सरलीकृत)](../zh/README.md) | [चीनी (पारंपरिक, मकाऊ)](../mo/README.md) | [चीनी (पारंपरिक, हांगकांग)](../hk/README.md) | [चीनी (पारंपरिक, ताइवान)](../tw/README.md) | [जापानी](../ja/README.md) | [कोरियाई](../ko/README.md) | [हिंदी](./README.md) | [बंगाली](../bn/README.md) | [मराठी](../mr/README.md) | [नेपाली](../ne/README.md) | [पंजाबी (गुरमुखी)](../pa/README.md) | [पुर्तगाली (पुर्तगाल)](../pt/README.md) | [पुर्तगाली (ब्राज़ील)](../br/README.md) | [इतालवी](../it/README.md) | [पोलिश](../pl/README.md) | [तुर्की](../tr/README.md) | [ग्रीक](../el/README.md) | [थाई](../th/README.md) | [स्वीडिश](../sv/README.md) | [डेनिश](../da/README.md) | [नॉर्वेजियन](../no/README.md) | [फिनिश](../fi/README.md) | [डच](../nl/README.md) | [हिब्रू](../he/README.md) | [वियतनामी](../vi/README.md) | [इंडोनेशियाई](../id/README.md) | [मलय](../ms/README.md) | [टैगालोग (फिलिपिनो)](../tl/README.md) | [स्वाहिली](../sw/README.md) | [हंगेरियन](../hu/README.md) | [चेक](../cs/README.md) | [स्लोवाक](../sk/README.md) | [रोमानियाई](../ro/README.md) | [बुल्गारियाई](../bg/README.md) | [सर्बियाई (सिरिलिक)](../sr/README.md) | [क्रोएशियाई](../hr/README.md) | [स्लोवेनियाई](../sl/README.md) | [यूक्रेनी](../uk/README.md) | [बर्मी (म्यांमार)](../my/README.md) **यदि आप अतिरिक्त अनुवाद चाहते हैं, तो समर्थित भाषाओं की सूची [यहां](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) दी गई है।** #### हमारे समुदाय में शामिल हों [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -हमारे पास AI के साथ सीखने की एक श्रृंखला चल रही है, अधिक जानें और [Learn with AI Series](https://aka.ms/learnwithai/discord) में 18 - 30 सितंबर, 2025 तक शामिल हों। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे। +हमारे पास AI के साथ सीखने की एक Discord श्रृंखला चल रही है। अधिक जानें और [AI के साथ सीखने की श्रृंखला](https://aka.ms/learnwithai/discord) में 18 - 30 सितंबर, 2025 तक शामिल हों। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे। ![AI के साथ सीखने की श्रृंखला](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.hi.jpg) @@ -59,9 +59,11 @@ Microsoft के Azure Cloud Advocates ने डेटा साइंस प # शुरुआत करना +> **पूर्ण शुरुआती**: डेटा साइंस में नए हैं? हमारे [शुरुआती-अनुकूल उदाहरण](examples/README.md) से शुरुआत करें! ये सरल, अच्छी तरह से टिप्पणी किए गए उदाहरण आपको पूरे पाठ्यक्रम में गहराई से जाने से पहले मूल बातें समझने में मदद करेंगे। + > **शिक्षक**: हमने इस पाठ्यक्रम का उपयोग करने के लिए [कुछ सुझाव शामिल किए हैं](for-teachers.md)। हमें आपके फीडबैक की आवश्यकता है [हमारे चर्चा मंच में](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[छात्र](https://aka.ms/student-page)**: इस पाठ्यक्रम का उपयोग अपने आप करने के लिए, पूरे रिपॉजिटरी को फोर्क करें और अपने आप अभ्यास करें, प्री-लेक्चर क्विज़ से शुरू करें। फिर लेक्चर पढ़ें और बाकी गतिविधियों को पूरा करें। कोशिश करें कि पाठों को समझकर प्रोजेक्ट बनाएं बजाय समाधान कोड को कॉपी करने के; हालांकि, वह कोड प्रत्येक प्रोजेक्ट-आधारित पाठ के /solutions फोल्डर में उपलब्ध है। एक और विचार यह हो सकता है कि दोस्तों के साथ एक अध्ययन समूह बनाएं और सामग्री को एक साथ पढ़ें। आगे की पढ़ाई के लिए, हम [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) की सिफारिश करते हैं। +> **[छात्र](https://aka.ms/student-page)**: इस पाठ्यक्रम का उपयोग अपने आप करने के लिए, पूरे रिपॉजिटरी को फोर्क करें और अपने आप अभ्यास करें, प्री-लेक्चर क्विज़ से शुरुआत करें। फिर लेक्चर पढ़ें और बाकी गतिविधियों को पूरा करें। पाठों को समझकर प्रोजेक्ट बनाने की कोशिश करें बजाय समाधान कोड की नकल करने के; हालांकि, वह कोड प्रत्येक प्रोजेक्ट-उन्मुख पाठ में /solutions फ़ोल्डर में उपलब्ध है। एक और विचार यह हो सकता है कि दोस्तों के साथ एक अध्ययन समूह बनाएं और सामग्री को एक साथ पढ़ें। आगे की पढ़ाई के लिए, हम [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) की सिफारिश करते हैं। ## टीम से मिलें @@ -73,9 +75,9 @@ Microsoft के Azure Cloud Advocates ने डेटा साइंस प ## शिक्षण दृष्टिकोण -हमने इस पाठ्यक्रम को बनाते समय दो शिक्षण दृष्टिकोण चुने हैं: यह सुनिश्चित करना कि यह प्रोजेक्ट-आधारित है और इसमें बार-बार क्विज़ शामिल हैं। इस श्रृंखला के अंत तक, छात्र डेटा साइंस के बुनियादी सिद्धांतों को सीखेंगे, जिसमें नैतिक अवधारणाएं, डेटा तैयारी, डेटा के साथ काम करने के विभिन्न तरीके, डेटा विज़ुअलाइज़ेशन, डेटा विश्लेषण, डेटा साइंस के वास्तविक जीवन उपयोग के मामले और अधिक शामिल हैं। +हमने इस पाठ्यक्रम को बनाते समय दो शिक्षण सिद्धांतों को चुना है: यह सुनिश्चित करना कि यह प्रोजेक्ट-आधारित है और इसमें बार-बार क्विज़ शामिल हैं। इस श्रृंखला के अंत तक, छात्र डेटा साइंस के बुनियादी सिद्धांतों को सीख चुके होंगे, जिनमें नैतिक अवधारणाएं, डेटा तैयारी, डेटा के साथ काम करने के विभिन्न तरीके, डेटा विज़ुअलाइज़ेशन, डेटा विश्लेषण, डेटा साइंस के वास्तविक दुनिया के उपयोग के मामले और अधिक शामिल हैं। -इसके अलावा, कक्षा से पहले एक कम दबाव वाला क्विज़ छात्र को विषय सीखने के लिए प्रेरित करता है, जबकि कक्षा के बाद दूसरा क्विज़ आगे की जानकारी को बनाए रखने में मदद करता है। यह पाठ्यक्रम लचीला और मजेदार बनाया गया है और इसे पूरे या आंशिक रूप से लिया जा सकता है। प्रोजेक्ट छोटे से शुरू होते हैं और 10 सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाते हैं। +इसके अलावा, कक्षा से पहले एक कम-जोखिम वाला क्विज़ छात्र को एक विषय सीखने के इरादे की ओर ले जाता है, जबकि कक्षा के बाद दूसरा क्विज़ आगे की अवधारण सुनिश्चित करता है। इस पाठ्यक्रम को लचीला और मजेदार बनाने के लिए डिज़ाइन किया गया था और इसे पूरे या आंशिक रूप से लिया जा सकता है। प्रोजेक्ट छोटे से शुरू होते हैं और 10 सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाते हैं। > हमारा [आचार संहिता](CODE_OF_CONDUCT.md), [योगदान](CONTRIBUTING.md), [अनुवाद](TRANSLATIONS.md) दिशानिर्देश देखें। हम आपके रचनात्मक फीडबैक का स्वागत करते हैं! @@ -85,108 +87,119 @@ Microsoft के Azure Cloud Advocates ने डेटा साइंस प - वैकल्पिक पूरक वीडियो - प्री-लेसन वार्मअप क्विज़ - लिखित पाठ -- प्रोजेक्ट-आधारित पाठों के लिए, प्रोजेक्ट बनाने के लिए चरण-दर-चरण मार्गदर्शिका +- प्रोजेक्ट-आधारित पाठों के लिए, प्रोजेक्ट बनाने के लिए चरण-दर-चरण गाइड - ज्ञान जांच - एक चुनौती - पूरक पढ़ाई - असाइनमेंट - [पोस्ट-लेसन क्विज़](https://ff-quizzes.netlify.app/en/) +> **क्विज़ के बारे में एक नोट**: सभी क्विज़ Quiz-App फोल्डर में संग्रहीत हैं, जिनमें कुल 40 क्विज़ हैं और प्रत्येक में तीन प्रश्न हैं। ये पाठों के भीतर लिंक किए गए हैं, लेकिन क्विज़ ऐप को लोकल रूप से चलाया जा सकता है या Azure पर डिप्लॉय किया जा सकता है; `quiz-app` फोल्डर में दिए गए निर्देशों का पालन करें। इन्हें धीरे-धीरे स्थानीयकृत किया जा रहा है। -> **क्विज़ के बारे में एक नोट**: सभी क्विज़ Quiz-App फोल्डर में हैं, कुल 40 क्विज़, प्रत्येक में तीन प्रश्न। वे पाठों के भीतर से लिंक किए गए हैं, लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है या Azure पर तैनात किया जा सकता है; `quiz-app` फोल्डर में दिए गए निर्देशों का पालन करें। उन्हें धीरे-धीरे स्थानीयकृत किया जा रहा है। +## 🎓 शुरुआती लोगों के लिए आसान उदाहरण -## पाठ +**डेटा साइंस में नए हैं?** हमने आपके लिए एक विशेष [उदाहरण डायरेक्टरी](examples/README.md) बनाई है, जिसमें सरल और अच्छी तरह से टिप्पणी की गई कोड शामिल है ताकि आप आसानी से शुरुआत कर सकें: + +- 🌟 **हैलो वर्ल्ड** - आपका पहला डेटा साइंस प्रोग्राम +- 📂 **डेटा लोड करना** - डेटा सेट को पढ़ना और एक्सप्लोर करना सीखें +- 📊 **सरल विश्लेषण** - सांख्यिकी की गणना करें और पैटर्न खोजें +- 📈 **मूलभूत विज़ुअलाइज़ेशन** - चार्ट और ग्राफ बनाएं +- 🔬 **वास्तविक दुनिया की परियोजना** - शुरुआत से अंत तक पूरा वर्कफ़्लो + +प्रत्येक उदाहरण में हर चरण को विस्तार से समझाने वाली टिप्पणियां शामिल हैं, जो इसे बिल्कुल शुरुआती लोगों के लिए आदर्श बनाती हैं! +👉 **[उदाहरणों से शुरुआत करें](examples/README.md)** 👈 -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.hi.png)| +## पाठ + +|![ @sketchthedocs द्वारा स्केच नोट https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.hi.png)| |:---:| -| डेटा साइंस फॉर बिगिनर्स: रोडमैप - _स्केच नोट [@nitya](https://twitter.com/nitya) द्वारा_ | +| शुरुआती लोगों के लिए डेटा साइंस: रोडमैप - _[@nitya](https://twitter.com/nitya) द्वारा स्केच नोट_ | | पाठ संख्या | विषय | पाठ समूह | सीखने के उद्देश्य | लिंक किया गया पाठ | लेखक | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | डेटा साइंस की परिभाषा | [परिचय](1-Introduction/README.md) | डेटा साइंस के मूलभूत सिद्धांतों को समझें और यह कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और बिग डेटा से कैसे संबंधित है। | [पाठ](1-Introduction/01-defining-data-science/README.md) [वीडियो](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | डेटा साइंस नैतिकता | [परिचय](1-Introduction/README.md) | डेटा नैतिकता के सिद्धांत, चुनौतियाँ और ढांचे। | [पाठ](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | डेटा की परिभाषा | [परिचय](1-Introduction/README.md) | डेटा को कैसे वर्गीकृत किया जाता है और इसके सामान्य स्रोत। | [पाठ](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 01 | डेटा साइंस को परिभाषित करना | [परिचय](1-Introduction/README.md) | डेटा साइंस के पीछे के बुनियादी अवधारणाओं को जानें और यह कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और बड़े डेटा से कैसे संबंधित है। | [पाठ](1-Introduction/01-defining-data-science/README.md) [वीडियो](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | डेटा साइंस नैतिकता | [परिचय](1-Introduction/README.md) | डेटा नैतिकता की अवधारणाएं, चुनौतियां और ढांचे। | [पाठ](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | डेटा को परिभाषित करना | [परिचय](1-Introduction/README.md) | डेटा को कैसे वर्गीकृत किया जाता है और इसके सामान्य स्रोत। | [पाठ](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | सांख्यिकी और संभावना का परिचय | [परिचय](1-Introduction/README.md) | डेटा को समझने के लिए संभावना और सांख्यिकी की गणितीय तकनीकें। | [पाठ](1-Introduction/04-stats-and-probability/README.md) [वीडियो](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | संबंधपरक डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | संबंधपरक डेटा का परिचय और SQL (जिसे "सी-क्वेल" कहा जाता है) के साथ संबंधपरक डेटा का अन्वेषण और विश्लेषण करने की मूल बातें। | [पाठ](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | गैर-संबंधपरक डेटा का परिचय, इसके विभिन्न प्रकार और दस्तावेज़ डेटाबेस का अन्वेषण और विश्लेषण करने की मूल बातें। | [पाठ](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | पायथन के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | Pandas जैसी लाइब्रेरी के साथ डेटा अन्वेषण के लिए पायथन का उपयोग करने की मूल बातें। पायथन प्रोग्रामिंग की बुनियादी समझ की सिफारिश की जाती है। | [पाठ](2-Working-With-Data/07-python/README.md) [वीडियो](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | डेटा तैयारी | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | डेटा को साफ़ और बदलने के लिए तकनीकों पर चर्चा, ताकि गायब, गलत या अधूरी जानकारी की चुनौतियों को संभाला जा सके। | [पाठ](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 05 | रिलेशनल डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | रिलेशनल डेटा का परिचय और SQL (जिसे "सी-क्वेल" कहा जाता है) के साथ रिलेशनल डेटा का अन्वेषण और विश्लेषण करने की मूल बातें। | [पाठ](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | गैर-रिलेशनल डेटा का परिचय, इसके विभिन्न प्रकार और डॉक्यूमेंट डेटाबेस का अन्वेषण और विश्लेषण करने की मूल बातें। | [पाठ](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | पायथन के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | Pandas जैसी लाइब्रेरी का उपयोग करके डेटा अन्वेषण के लिए पायथन का उपयोग करने की मूल बातें। पायथन प्रोग्रामिंग की बुनियादी समझ की सिफारिश की जाती है। | [पाठ](2-Working-With-Data/07-python/README.md) [वीडियो](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | डेटा तैयारी | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | डेटा को साफ और बदलने के लिए तकनीकों पर चर्चा, ताकि गायब, गलत या अधूरी डेटा की चुनौतियों को संभाला जा सके। | [पाठ](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | मात्राओं का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | Matplotlib का उपयोग करके पक्षी डेटा 🦆 को विज़ुअलाइज़ करना सीखें। | [पाठ](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | डेटा वितरण का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | अंतराल के भीतर अवलोकन और रुझानों को विज़ुअलाइज़ करना। | [पाठ](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | डेटा वितरण का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | एक अंतराल के भीतर अवलोकन और रुझानों को विज़ुअलाइज़ करना। | [पाठ](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | अनुपात का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | अलग-अलग और समूहित प्रतिशत को विज़ुअलाइज़ करना। | [पाठ](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | संबंधों का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | डेटा सेट और उनके वेरिएबल्स के बीच कनेक्शन और सहसंबंध को विज़ुअलाइज़ करना। | [पाठ](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | सार्थक विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | प्रभावी समस्या समाधान और अंतर्दृष्टि के लिए आपके विज़ुअलाइज़ेशन को मूल्यवान बनाने के लिए तकनीक और मार्गदर्शन। | [पाठ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | डेटा साइंस जीवनचक्र का परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र और डेटा को प्राप्त करने और निकालने के पहले चरण का परिचय। | [पाठ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | विश्लेषण करना | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र का यह चरण डेटा का विश्लेषण करने की तकनीकों पर केंद्रित है। | [पाठ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | संचार | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा से अंतर्दृष्टि को इस तरह प्रस्तुत करना कि निर्णय लेने वालों के लिए इसे समझना आसान हो। | [पाठ](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 13 | सार्थक विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | आपकी विज़ुअलाइज़ेशन को प्रभावी समस्या समाधान और अंतर्दृष्टि के लिए मूल्यवान बनाने के लिए तकनीक और मार्गदर्शन। | [पाठ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | डेटा साइंस जीवनचक्र का परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र का परिचय और डेटा प्राप्त करने और निकालने का पहला चरण। | [पाठ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | विश्लेषण करना | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र के इस चरण में डेटा का विश्लेषण करने की तकनीकों पर ध्यान केंद्रित किया गया है। | [पाठ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | संचार | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र के इस चरण में डेटा से अंतर्दृष्टि को इस तरह से प्रस्तुत करना शामिल है जो निर्णय निर्माताओं के लिए समझना आसान बनाता है। | [पाठ](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउड में डेटा साइंस और इसके लाभों का परिचय। | [पाठ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) और [Maud](https://twitter.com/maudstweets) | | 18 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | लो कोड टूल्स का उपयोग करके मॉडल को प्रशिक्षित करना। |[पाठ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) और [Maud](https://twitter.com/maudstweets) | -| 19 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio के साथ मॉडल को तैनात करना। | [पाठ](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) और [Maud](https://twitter.com/maudstweets) | -| 20 | वास्तविक दुनिया में डेटा साइंस | [वास्तविक दुनिया में](6-Data-Science-In-Wild/README.md) | वास्तविक दुनिया में डेटा साइंस संचालित परियोजनाएँ। | [पाठ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 19 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio के साथ मॉडल को डिप्लॉय करना। | [पाठ](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) और [Maud](https://twitter.com/maudstweets) | +| 20 | वास्तविक दुनिया में डेटा साइंस | [वास्तविक दुनिया में](6-Data-Science-In-Wild/README.md) | वास्तविक दुनिया में डेटा साइंस संचालित परियोजनाएं। | [पाठ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Codespace में इस सैंपल को खोलने के लिए निम्नलिखित चरणों का पालन करें: -1. कोड ड्रॉप-डाउन मेनू पर क्लिक करें और Open with Codespaces विकल्प चुनें। -2. पैन के नीचे + New codespace चुनें। +Codespace में इस सैंपल को खोलने के लिए इन चरणों का पालन करें: +1. कोड ड्रॉप-डाउन मेनू पर क्लिक करें और "Open with Codespaces" विकल्प चुनें। +2. पैन के नीचे "+ New codespace" चुनें। अधिक जानकारी के लिए, [GitHub दस्तावेज़](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) देखें। ## VSCode Remote - Containers -अपने स्थानीय मशीन और VSCode का उपयोग करके इस रिपॉजिटरी को कंटेनर में खोलने के लिए निम्नलिखित चरणों का पालन करें: +अपने लोकल मशीन और VSCode का उपयोग करके इस रिपॉजिटरी को कंटेनर में खोलने के लिए इन चरणों का पालन करें: -1. यदि यह पहली बार है जब आप डेवलपमेंट कंटेनर का उपयोग कर रहे हैं, तो कृपया सुनिश्चित करें कि आपका सिस्टम प्री-रिक्वायरमेंट्स को पूरा करता है (जैसे कि Docker इंस्टॉल हो) [शुरुआती दस्तावेज़](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) में। +1. यदि यह पहली बार है जब आप डेवलपमेंट कंटेनर का उपयोग कर रहे हैं, तो कृपया सुनिश्चित करें कि आपका सिस्टम [शुरुआती दस्तावेज़](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) में प्री-रिक्वायरमेंट्स को पूरा करता है (जैसे Docker इंस्टॉल हो)। -इस रिपॉजिटरी का उपयोग करने के लिए, आप या तो इसे एक अलग Docker वॉल्यूम में खोल सकते हैं: +इस रिपॉजिटरी का उपयोग करने के लिए, आप या तो इसे एक आइसोलेटेड Docker वॉल्यूम में खोल सकते हैं: -**नोट**: अंदर ही अंदर, यह Remote-Containers: **Clone Repository in Container Volume...** कमांड का उपयोग करेगा ताकि स्रोत कोड को स्थानीय फाइल सिस्टम के बजाय Docker वॉल्यूम में क्लोन किया जा सके। [वॉल्यूम](https://docs.docker.com/storage/volumes/) कंटेनर डेटा को बनाए रखने के लिए पसंदीदा तंत्र हैं। +**नोट**: आंतरिक रूप से, यह Remote-Containers: **Clone Repository in Container Volume...** कमांड का उपयोग करेगा ताकि स्रोत कोड को लोकल फाइल सिस्टम के बजाय Docker वॉल्यूम में क्लोन किया जा सके। [वॉल्यूम](https://docs.docker.com/storage/volumes/) कंटेनर डेटा को बनाए रखने के लिए पसंदीदा तंत्र हैं। -या रिपॉजिटरी के स्थानीय रूप से क्लोन किए गए या डाउनलोड किए गए संस्करण को खोलें: +या लोकल रूप से क्लोन की गई या डाउनलोड की गई रिपॉजिटरी खोलें: -- इस रिपॉजिटरी को अपने स्थानीय फाइल सिस्टम पर क्लोन करें। +- इस रिपॉजिटरी को अपने लोकल फाइल सिस्टम पर क्लोन करें। - F1 दबाएं और **Remote-Containers: Open Folder in Container...** कमांड चुनें। -- इस फ़ोल्डर की क्लोन की गई कॉपी चुनें, कंटेनर के शुरू होने की प्रतीक्षा करें, और चीजों को आज़माएं। +- इस फोल्डर की क्लोन की गई कॉपी चुनें, कंटेनर के शुरू होने का इंतजार करें, और चीजों को आजमाएं। ## ऑफलाइन एक्सेस -आप [Docsify](https://docsify.js.org/#/) का उपयोग करके इस दस्तावेज़ को ऑफलाइन चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, [Docsify इंस्टॉल करें](https://docsify.js.org/#/quickstart) अपने स्थानीय मशीन पर, फिर इस रिपॉजिटरी के रूट फ़ोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके localhost पर पोर्ट 3000 पर सर्व की जाएगी: `localhost:3000`। +आप इस दस्तावेज़ को [Docsify](https://docsify.js.org/#/) का उपयोग करके ऑफलाइन चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने लोकल मशीन पर [Docsify इंस्टॉल करें](https://docsify.js.org/#/quickstart), फिर इस रिपॉजिटरी के रूट फोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व की जाएगी: `localhost:3000`। -> ध्यान दें, नोटबुक्स Docsify के माध्यम से रेंडर नहीं की जाएंगी, इसलिए जब आपको नोटबुक चलाने की आवश्यकता हो, तो इसे अलग से VS Code में Python कर्नेल चलाकर करें। +> नोट, नोटबुक्स Docsify के माध्यम से रेंडर नहीं होंगे, इसलिए जब आपको नोटबुक चलाने की आवश्यकता हो, तो इसे अलग से VS Code में पायथन कर्नेल चलाते हुए करें। ## अन्य पाठ्यक्रम हमारी टीम अन्य पाठ्यक्रम भी तैयार करती है! देखें: -- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) -- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) -- [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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) +- [शुरुआती लोगों के लिए Edge AI](https://aka.ms/edgeai-for-beginners) +- [शुरुआती लोगों के लिए AI एजेंट्स](https://aka.ms/ai-agents-beginners) +- [शुरुआती लोगों के लिए जनरेटिव AI](https://aka.ms/genai-beginners) +- [शुरुआती लोगों के लिए जनरेटिव AI .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [जावास्क्रिप्ट के साथ जनरेटिव AI](https://github.com/microsoft/generative-ai-with-javascript) +- [जावा के साथ जनरेटिव AI](https://aka.ms/genaijava) +- [शुरुआती लोगों के लिए AI](https://aka.ms/ai-beginners) +- [शुरुआती लोगों के लिए डेटा साइंस](https://aka.ms/datascience-beginners) +- [शुरुआती लोगों के लिए Bash](https://github.com/microsoft/bash-for-beginners) +- [शुरुआती लोगों के लिए मशीन लर्निंग](https://aka.ms/ml-beginners) +- [शुरुआती लोगों के लिए साइबर सुरक्षा](https://github.com/microsoft/Security-101) +- [शुरुआती लोगों के लिए वेब डेव](https://aka.ms/webdev-beginners) +- [शुरुआती लोगों के लिए IoT](https://aka.ms/iot-beginners) +- [शुरुआती लोगों के लिए मशीन लर्निंग](https://aka.ms/ml-beginners) +- [शुरुआती लोगों के लिए XR विकास](https://aka.ms/xr-dev-for-beginners) +- [AI पेयर प्रोग्रामिंग के लिए GitHub Copilot में महारत हासिल करना](https://aka.ms/GitHubCopilotAI) +- [शुरुआती लोगों के लिए XR विकास](https://github.com/microsoft/xr-development-for-beginners) +- [C#/.NET डेवलपर्स के लिए GitHub Copilot में महारत हासिल करना](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [अपना खुद का Copilot एडवेंचर चुनें](https://github.com/microsoft/CopilotAdventures) ## सहायता प्राप्त करना -यदि आप अटक जाते हैं या AI ऐप्स बनाने के बारे में कोई प्रश्न हैं, तो शामिल हों: +यदि आप फंस जाते हैं या AI ऐप्स बनाने के बारे में कोई प्रश्न हैं, तो शामिल हों: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -यदि आपको उत्पाद प्रतिक्रिया या निर्माण के दौरान त्रुटियाँ मिलती हैं, तो जाएँ: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +यदि आपको उत्पाद प्रतिक्रिया देनी है या निर्माण के दौरान त्रुटियां आती हैं, तो यहां जाएं: +[![Azure AI Foundry डेवलपर फोरम](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **अस्वीकरण**: -यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता सुनिश्चित करने का प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं। \ No newline at end of file +यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को आधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं। \ No newline at end of file diff --git a/translations/hi/examples/README.md b/translations/hi/examples/README.md new file mode 100644 index 00000000..c8e45f2a --- /dev/null +++ b/translations/hi/examples/README.md @@ -0,0 +1,149 @@ + +# शुरुआती लोगों के लिए डेटा साइंस के उदाहरण + +उदाहरण निर्देशिका में आपका स्वागत है! यह सरल और अच्छी तरह से टिप्पणी किए गए उदाहरणों का संग्रह आपको डेटा साइंस शुरू करने में मदद करने के लिए डिज़ाइन किया गया है, भले ही आप पूरी तरह से नए हों। + +## 📚 यहां आपको क्या मिलेगा + +प्रत्येक उदाहरण स्वतंत्र है और इसमें शामिल हैं: +- **स्पष्ट टिप्पणियां** जो हर कदम को समझाती हैं +- **सरल और पढ़ने योग्य कोड** जो एक समय में एक अवधारणा को प्रदर्शित करता है +- **वास्तविक दुनिया का संदर्भ** ताकि आप समझ सकें कि इन तकनीकों का उपयोग कब और क्यों करना है +- **अपेक्षित आउटपुट** ताकि आप जान सकें कि क्या देखना है + +## 🚀 शुरुआत करना + +### आवश्यकताएँ +इन उदाहरणों को चलाने से पहले सुनिश्चित करें कि आपके पास: +- Python 3.7 या उससे उच्च संस्करण इंस्टॉल है +- Python स्क्रिप्ट चलाने की बुनियादी समझ है + +### आवश्यक लाइब्रेरी इंस्टॉल करना +```bash +pip install pandas numpy matplotlib +``` + +## 📖 उदाहरणों का अवलोकन + +### 1. हैलो वर्ल्ड - डेटा साइंस स्टाइल +**फ़ाइल:** `01_hello_world_data_science.py` + +आपका पहला डेटा साइंस प्रोग्राम! सीखें: +- एक सरल डेटा सेट लोड करना +- अपने डेटा के बारे में बुनियादी जानकारी प्रदर्शित करना +- अपना पहला डेटा साइंस आउटपुट प्रिंट करना + +उन शुरुआती लोगों के लिए बिल्कुल सही जो अपना पहला डेटा साइंस प्रोग्राम देखना चाहते हैं। + +--- + +### 2. डेटा लोड करना और एक्सप्लोर करना +**फ़ाइल:** `02_loading_data.py` + +डेटा के साथ काम करने की मूल बातें सीखें: +- CSV फ़ाइलों से डेटा पढ़ना +- अपने डेटा सेट की पहली कुछ पंक्तियाँ देखना +- अपने डेटा के बारे में बुनियादी आँकड़े प्राप्त करना +- डेटा प्रकारों को समझना + +यह किसी भी डेटा साइंस प्रोजेक्ट में अक्सर पहला कदम होता है! + +--- + +### 3. सरल डेटा विश्लेषण +**फ़ाइल:** `03_simple_analysis.py` + +अपना पहला डेटा विश्लेषण करें: +- बुनियादी आँकड़े (मीन, मीडियन, मोड) की गणना करें +- अधिकतम और न्यूनतम मान खोजें +- मानों की घटनाओं की गिनती करें +- शर्तों के आधार पर डेटा को फ़िल्टर करें + +देखें कि अपने डेटा के बारे में सरल सवालों का जवाब कैसे दिया जाता है। + +--- + +### 4. डेटा विज़ुअलाइज़ेशन की मूल बातें +**फ़ाइल:** `04_basic_visualization.py` + +अपना पहला विज़ुअलाइज़ेशन बनाएं: +- एक सरल बार चार्ट बनाएं +- एक लाइन प्लॉट बनाएं +- एक पाई चार्ट जनरेट करें +- अपने विज़ुअलाइज़ेशन को इमेज के रूप में सेव करें + +अपने निष्कर्षों को दृश्य रूप से संवाद करना सीखें! + +--- + +### 5. वास्तविक डेटा के साथ काम करना +**फ़ाइल:** `05_real_world_example.py` + +एक पूर्ण उदाहरण के साथ सब कुछ एक साथ रखें: +- रिपॉजिटरी से वास्तविक डेटा लोड करें +- डेटा को साफ और तैयार करें +- विश्लेषण करें +- सार्थक विज़ुअलाइज़ेशन बनाएं +- निष्कर्ष निकालें + +यह उदाहरण आपको शुरुआत से अंत तक एक संपूर्ण वर्कफ़्लो दिखाता है। + +--- + +## 🎯 इन उदाहरणों का उपयोग कैसे करें + +1. **शुरुआत से शुरू करें**: उदाहरण कठिनाई के क्रम में क्रमांकित हैं। `01_hello_world_data_science.py` से शुरू करें और आगे बढ़ें। + +2. **टिप्पणियाँ पढ़ें**: प्रत्येक फ़ाइल में विस्तृत टिप्पणियाँ हैं जो कोड क्या करता है और क्यों करता है, इसे समझाती हैं। उन्हें ध्यान से पढ़ें! + +3. **प्रयोग करें**: कोड को संशोधित करने की कोशिश करें। यदि आप कोई मान बदलते हैं तो क्या होता है? चीजों को तोड़ें और उन्हें ठीक करें - यही सीखने का तरीका है! + +4. **कोड चलाएं**: प्रत्येक उदाहरण को चलाएं और आउटपुट देखें। इसे अपनी अपेक्षाओं से तुलना करें। + +5. **इस पर निर्माण करें**: एक उदाहरण को समझने के बाद, इसे अपने विचारों के साथ विस्तारित करने की कोशिश करें। + +## 💡 शुरुआती लोगों के लिए सुझाव + +- **जल्दी मत करें**: अगले उदाहरण पर जाने से पहले प्रत्येक उदाहरण को समझने में समय लगाएं +- **कोड खुद टाइप करें**: केवल कॉपी-पेस्ट न करें। टाइपिंग आपको सीखने और याद रखने में मदद करती है +- **अनजान अवधारणाओं को देखें**: यदि आप कुछ ऐसा देखते हैं जिसे आप नहीं समझते हैं, तो इसे ऑनलाइन या मुख्य पाठों में खोजें +- **सवाल पूछें**: यदि आपको मदद की ज़रूरत है तो [डिस्कशन फोरम](https://github.com/microsoft/Data-Science-For-Beginners/discussions) में शामिल हों +- **नियमित रूप से अभ्यास करें**: सप्ताह में एक बार लंबे सत्रों के बजाय हर दिन थोड़ा कोड करने की कोशिश करें + +## 🔗 अगले कदम + +इन उदाहरणों को पूरा करने के बाद, आप तैयार हैं: +- मुख्य पाठ्यक्रम पाठों के माध्यम से काम करें +- प्रत्येक पाठ फ़ोल्डर में असाइनमेंट आज़माएं +- अधिक गहन सीखने के लिए Jupyter नोटबुक्स का अन्वेषण करें +- अपने खुद के डेटा साइंस प्रोजेक्ट बनाएं + +## 📚 अतिरिक्त संसाधन + +- [मुख्य पाठ्यक्रम](../README.md) - पूरा 20-पाठ का कोर्स +- [शिक्षकों के लिए](../for-teachers.md) - इस पाठ्यक्रम का अपनी कक्षा में उपयोग करना +- [Microsoft Learn](https://docs.microsoft.com/learn/) - मुफ्त ऑनलाइन सीखने के संसाधन +- [Python Documentation](https://docs.python.org/3/) - आधिकारिक Python संदर्भ + +## 🤝 योगदान + +कोई बग मिला या किसी नए उदाहरण के लिए कोई विचार है? हम योगदान का स्वागत करते हैं! कृपया हमारा [Contributing Guide](../CONTRIBUTING.md) देखें। + +--- + +**खुशहाल सीखना! 🎉** + +याद रखें: हर विशेषज्ञ कभी शुरुआती था। इसे एक कदम में लें, और गलतियाँ करने से न डरें - वे सीखने की प्रक्रिया का हिस्सा हैं! + +--- + +**अस्वीकरण**: +यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता सुनिश्चित करने का प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं। \ No newline at end of file diff --git a/translations/hk/README.md b/translations/hk/README.md index 91fe6986..4e46f0a2 100644 --- a/translations/hk/README.md +++ b/translations/hk/README.md @@ -1,15 +1,15 @@ # 初學者的數據科學課程 -[![在 GitHub Codespaces 中打開](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +[![在 GitHub Codespaces 中開啟](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [![GitHub 授權](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) [![GitHub 貢獻者](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) @@ -23,7 +23,7 @@ CO_OP_TRANSLATOR_METADATA: [![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![Azure AI Foundry 開發者論壇](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 節課的數據科學課程。每節課都包含課前和課後測驗、完成課程的書面指導、解決方案以及作業。我們的基於項目的教學法讓您在實踐中學習，這是一種能讓新技能牢牢掌握的有效方法。 @@ -39,29 +39,31 @@ Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 #### 通過 GitHub Action 支持（自動化且始終保持最新） -[法語](../fr/README.md) | [西班牙語](../es/README.md) | [德語](../de/README.md) | [俄語](../ru/README.md) | [阿拉伯語](../ar/README.md) | [波斯語 (法爾西)](../fa/README.md) | [烏爾都語](../ur/README.md) | [中文 (簡體)](../zh/README.md) | [中文 (繁體，澳門)](../mo/README.md) | [中文 (繁體，香港)](./README.md) | [中文 (繁體，台灣)](../tw/README.md) | [日語](../ja/README.md) | [韓語](../ko/README.md) | [印地語](../hi/README.md) | [孟加拉語](../bn/README.md) | [馬拉地語](../mr/README.md) | [尼泊爾語](../ne/README.md) | [旁遮普語 (古木基文)](../pa/README.md) | [葡萄牙語 (葡萄牙)](../pt/README.md) | [葡萄牙語 (巴西)](../br/README.md) | [意大利語](../it/README.md) | [波蘭語](../pl/README.md) | [土耳其語](../tr/README.md) | [希臘語](../el/README.md) | [泰語](../th/README.md) | [瑞典語](../sv/README.md) | [丹麥語](../da/README.md) | [挪威語](../no/README.md) | [芬蘭語](../fi/README.md) | [荷蘭語](../nl/README.md) | [希伯來語](../he/README.md) | [越南語](../vi/README.md) | [印尼語](../id/README.md) | [馬來語](../ms/README.md) | [他加祿語 (菲律賓語)](../tl/README.md) | [斯瓦希里語](../sw/README.md) | [匈牙利語](../hu/README.md) | [捷克語](../cs/README.md) | [斯洛伐克語](../sk/README.md) | [羅馬尼亞語](../ro/README.md) | [保加利亞語](../bg/README.md) | [塞爾維亞語 (西里爾文)](../sr/README.md) | [克羅地亞語](../hr/README.md) | [斯洛文尼亞語](../sl/README.md) | [烏克蘭語](../uk/README.md) | [緬甸語 (緬甸)](../my/README.md) +[法語](../fr/README.md) | [西班牙語](../es/README.md) | [德語](../de/README.md) | [俄語](../ru/README.md) | [阿拉伯語](../ar/README.md) | [波斯語 (法爾西)](../fa/README.md) | [烏爾都語](../ur/README.md) | [中文 (簡體)](../zh/README.md) | [中文 (繁體，澳門)](../mo/README.md) | [中文 (繁體，香港)](./README.md) | [中文 (繁體，台灣)](../tw/README.md) | [日語](../ja/README.md) | [韓語](../ko/README.md) | [印地語](../hi/README.md) | [孟加拉語](../bn/README.md) | [馬拉地語](../mr/README.md) | [尼泊爾語](../ne/README.md) | [旁遮普語 (古木基文)](../pa/README.md) | [葡萄牙語 (葡萄牙)](../pt/README.md) | [葡萄牙語 (巴西)](../br/README.md) | [意大利語](../it/README.md) | [波蘭語](../pl/README.md) | [土耳其語](../tr/README.md) | [希臘語](../el/README.md) | [泰語](../th/README.md) | [瑞典語](../sv/README.md) | [丹麥語](../da/README.md) | [挪威語](../no/README.md) | [芬蘭語](../fi/README.md) | [荷蘭語](../nl/README.md) | [希伯來語](../he/README.md) | [越南語](../vi/README.md) | [印尼語](../id/README.md) | [馬來語](../ms/README.md) | [塔加洛語 (菲律賓語)](../tl/README.md) | [斯瓦希里語](../sw/README.md) | [匈牙利語](../hu/README.md) | [捷克語](../cs/README.md) | [斯洛伐克語](../sk/README.md) | [羅馬尼亞語](../ro/README.md) | [保加利亞語](../bg/README.md) | [塞爾維亞語 (西里爾文)](../sr/README.md) | [克羅地亞語](../hr/README.md) | [斯洛文尼亞語](../sl/README.md) | [烏克蘭語](../uk/README.md) | [緬甸語 (緬甸)](../my/README.md) **如果您希望支持其他翻譯語言，請參考 [此處](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### 加入我們的社群 [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -我們正在進行一個 Discord 的 AI 學習系列，了解更多並加入我們的 [AI 學習系列](https://aka.ms/learnwithai/discord)，活動時間為 2025 年 9 月 18 日至 30 日。您將學到使用 GitHub Copilot 進行數據科學的技巧和竅門。 +我們正在進行一個 AI 學習系列，了解更多並加入我們的 [AI 學習系列](https://aka.ms/learnwithai/discord)，活動時間為 2025 年 9 月 18 日至 30 日。您將獲得使用 GitHub Copilot 進行數據科學的技巧和建議。 ![AI 學習系列](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.hk.jpg) # 您是學生嗎？ -以下是一些資源供您開始使用： +以下是一些資源供您開始： -- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面，您可以找到初學者資源、學生包以及獲取免費證書憑證的方法。這是一個值得收藏並定期查看的頁面，因為我們至少每月更換一次內容。 -- [Microsoft 學習學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，這可能是您進入 Microsoft 的途徑。 +- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面，您可以找到初學者資源、學生包以及獲得免費認證憑證的方法。這是一個值得收藏的頁面，因為我們至少每月更新一次內容。 +- [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，這可能是您進入 Microsoft 的途徑。 -# 開始使用 +# 開始學習 -> **教師們**：我們已[提供一些建議](for-teachers.md)供您使用此課程。我們期待您在[討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions)中提供反饋！ +> **完全初學者**：對數據科學完全陌生？從我們的 [初學者友好示例](examples/README.md) 開始！這些簡單且有詳細註解的示例將幫助您在深入課程之前理解基礎知識。 -> **[學生們](https://aka.ms/student-page)**：如果您想自行使用此課程，請分叉整個倉庫並自行完成練習，從課前測驗開始。然後閱讀課程並完成其餘活動。嘗試通過理解課程內容來創建項目，而不是直接複製解決方案代碼；不過，解決方案代碼可在每個基於項目的課程的 /solutions 文件夾中找到。另一個想法是與朋友組成學習小組，共同學習內容。進一步學習，我們推薦 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。 +> **教師**：我們提供了一些 [建議](for-teachers.md) 供您使用此課程。我們期待您在 [討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions) 中提供反饋！ + +> **[學生](https://aka.ms/student-page)**：如果您想自行使用此課程，請分叉整個倉庫並自行完成練習，從課前測驗開始。然後閱讀課程並完成其餘活動。嘗試通過理解課程內容來創建項目，而不是直接複製解決方案代碼；不過，解決方案代碼可在每個基於項目的課程的 /solutions 文件夾中找到。另一個想法是與朋友組成學習小組，共同學習內容。進一步學習，我們推薦 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。 ## 認識團隊 @@ -73,9 +75,9 @@ Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 ## 教學法 -我們在設計此課程時選擇了兩個教學原則：確保課程是基於項目的，並且包含頻繁的測驗。到本系列結束時，學生將學習到數據科學的基本原則，包括倫理概念、數據準備、不同的數據處理方式、數據可視化、數據分析、數據科學的實際應用案例等。 +在設計此課程時，我們選擇了兩個教學原則：確保課程是基於項目的，並且包含頻繁的測驗。到本系列結束時，學生將學習數據科學的基本原則，包括倫理概念、數據準備、不同的數據處理方式、數據可視化、數據分析、數據科學的實際應用案例等。 -此外，課前的低壓測驗可以幫助學生集中注意力學習某個主題，而課後的第二次測驗則能進一步加深記憶。此課程設計靈活有趣，可以完整學習或部分學習。項目從小型開始，到 10 週周期結束時逐漸變得更為複雜。 +此外，課前的低壓測驗可以幫助學生集中注意力於學習主題，而課後的第二次測驗則能進一步鞏固知識。此課程設計靈活有趣，可以完整學習或部分學習。項目從簡單開始，到 10 週課程結束時逐漸變得複雜。 > 查看我們的 [行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性反饋！ @@ -91,64 +93,78 @@ Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 - 補充閱讀 - 作業 - [課後測驗](https://ff-quizzes.netlify.app/en/) +> **關於測驗的注意事項**：所有測驗都包含在 Quiz-App 資料夾中，共有 40 個測驗，每個測驗包含三個問題。這些測驗已在課程中提供連結，但測驗應用程式可以在本地運行或部署到 Azure；請按照 `quiz-app` 資料夾中的指示操作。測驗正在逐步進行本地化。 + +## 🎓 初學者友好的範例 + +**剛接觸數據科學？** 我們特別創建了一個 [範例目錄](examples/README.md)，其中包含簡單且有詳細註解的程式碼，幫助您入門： + +- 🌟 **Hello World** - 您的第一個數據科學程式 +- 📂 **載入數據** - 學習如何讀取和探索數據集 +- 📊 **簡單分析** - 計算統計數據並尋找模式 +- 📈 **基礎視覺化** - 創建圖表和圖形 +- 🔬 **真實世界專案** - 從頭到尾的完整工作流程 -> **關於測驗的說明**：所有測驗都包含在 Quiz-App 文件夾中，共有 40 個測驗，每個測驗包含三個問題。測驗在課程中有鏈接，但測驗應用可以在本地運行或部署到 Azure；請按照 `quiz-app` 文件夾中的指示進行操作。測驗正在逐步進行本地化。 +每個範例都包含詳細的註解，解釋每一步，非常適合完全的初學者！ -## 課程列表 -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.hk.png)| +👉 **[從範例開始](examples/README.md)** 👈 + +## 課程 + +|![由 @sketchthedocs 繪製的 Sketchnote https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.hk.png)| |:---:| -| 初學者的數據科學：學習路線圖 - _由 [@nitya](https://twitter.com/nitya) 繪製的手繪筆記_ | +| 初學者的數據科學：學習路線圖 - _由 [@nitya](https://twitter.com/nitya) 繪製的 Sketchnote_ | -| 課程編號 | 主題 | 課程分組 | 學習目標 | 相關課程 | 作者 | +| 課程編號 | 主題 | 課程分組 | 學習目標 | 課程連結 | 作者 | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | 定義數據科學 | [簡介](1-Introduction/README.md) | 學習數據科學的基本概念，以及它與人工智能、機器學習和大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | 數據科學倫理 | [簡介](1-Introduction/README.md) | 數據倫理的概念、挑戰及框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 02 | 數據科學倫理 | [簡介](1-Introduction/README.md) | 數據倫理的概念、挑戰與框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | 定義數據 | [簡介](1-Introduction/README.md) | 數據的分類及其常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | 統計與概率簡介 | [簡介](1-Introduction/README.md) | 使用概率和統計的數學技術來理解數據。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | 使用關聯數據 | [數據操作](2-Working-With-Data/README.md) | 關聯數據的簡介，以及使用結構化查詢語言（SQL，讀作“see-quell”）探索和分析關聯數據的基礎知識。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | 使用 NoSQL 數據 | [數據操作](2-Working-With-Data/README.md) | 非關聯數據的簡介、其各種類型以及探索和分析文檔數據庫的基礎知識。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | 使用 Python | [數據操作](2-Working-With-Data/README.md) | 使用 Python 進行數據探索的基礎知識，包括使用 Pandas 等庫。建議具備 Python 編程的基礎知識。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | 數據準備 | [數據操作](2-Working-With-Data/README.md) | 數據清理和轉換技術，應對缺失、不準確或不完整數據的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | 數量可視化 | [數據可視化](3-Data-Visualization/README.md) | 學習如何使用 Matplotlib 可視化鳥類數據 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | 數據分佈可視化 | [數據可視化](3-Data-Visualization/README.md) | 可視化區間內的觀察和趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | 比例可視化 | [數據可視化](3-Data-Visualization/README.md) | 可視化離散和分組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | 關係可視化 | [數據可視化](3-Data-Visualization/README.md) | 可視化數據集及其變量之間的連接和相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | 有意義的可視化 | [數據可視化](3-Data-Visualization/README.md) | 提供有效問題解決和洞察的可視化技術和指導。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | 數據科學生命周期簡介 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的簡介及其第一步：數據的獲取和提取。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | 分析 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的這一階段專注於數據分析技術。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 05 | 使用關聯數據 | [使用數據](2-Working-With-Data/README.md) | 關聯數據的簡介，以及使用結構化查詢語言（SQL，讀作“see-quell”）探索和分析關聯數據的基礎知識。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | 使用 NoSQL 數據 | [使用數據](2-Working-With-Data/README.md) | 非關聯數據的簡介、其各種類型以及探索和分析文件型數據庫的基礎知識。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | 使用 Python | [使用數據](2-Working-With-Data/README.md) | 使用 Python 進行數據探索的基礎知識，包括使用 Pandas 等庫。建議具備 Python 程式設計的基礎知識。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | 數據準備 | [使用數據](2-Working-With-Data/README.md) | 數據清理和轉換技術，應對缺失、不準確或不完整數據的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | 數量的視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 學習如何使用 Matplotlib 視覺化鳥類數據 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | 數據分佈的視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 視覺化區間內的觀察和趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | 比例的視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 視覺化離散和分組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | 關係的視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 視覺化數據集及其變數之間的連接和相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | 有意義的視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 提供技術和指導，讓您的視覺化在有效解決問題和洞察方面更具價值。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | 數據科學生命周期簡介 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的簡介及其第一步：獲取和提取數據。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | 分析 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的這一階段專注於分析數據的技術。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | | 16 | 溝通 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的這一階段專注於以易於決策者理解的方式呈現數據洞察。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | 雲端中的數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 這系列課程介紹雲端中的數據科學及其優勢。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | | 18 | 雲端中的數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 使用低代碼工具訓練模型。 |[課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | | 19 | 雲端中的數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | -| 20 | 野外的數據科學 | [野外應用](6-Data-Science-In-Wild/README.md) | 數據科學驅動的真實世界項目。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 20 | 野外的數據科學 | [野外應用](6-Data-Science-In-Wild/README.md) | 真實世界中的數據科學驅動專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces 按照以下步驟在 Codespace 中打開此範例： -1. 點擊 "Code" 下拉菜單，選擇 "Open with Codespaces" 選項。 -2. 在面板底部選擇 "+ New codespace"。 -如需更多資訊，請查看 [GitHub 文檔](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。 +1. 點擊 Code 下拉選單，選擇 Open with Codespaces 選項。 +2. 在面板底部選擇 + New codespace。 +更多資訊請參考 [GitHub 文檔](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。 ## VSCode Remote - Containers -按照以下步驟使用本地機器和 VSCode 的 VS Code Remote - Containers 擴展在容器中打開此倉庫： +按照以下步驟使用本地機器和 VSCode 的 VS Code Remote - Containers 擴展在容器中打開此 repo： -1. 如果是第一次使用開發容器，請確保您的系統符合前置要求（例如已安裝 Docker），詳情請參閱 [入門文檔](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。 +1. 如果您是第一次使用開發容器，請確保您的系統符合前置條件（例如已安裝 Docker），詳情請參考 [入門文檔](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。 -要使用此倉庫，您可以選擇在隔離的 Docker 卷中打開倉庫： +要使用此 repo，您可以選擇在隔離的 Docker 卷中打開 repo： -**注意**：在底層，這將使用 Remote-Containers 的 **Clone Repository in Container Volume...** 命令將源代碼克隆到 Docker 卷中，而不是本地文件系統。[卷](https://docs.docker.com/storage/volumes/) 是持久化容器數據的首選機制。 +**注意**：在底層，這將使用 Remote-Containers: **Clone Repository in Container Volume...** 命令將源代碼克隆到 Docker 卷中，而不是本地文件系統。[卷](https://docs.docker.com/storage/volumes/) 是持久化容器數據的首選機制。 -或者打開本地克隆或下載的倉庫版本： +或者打開本地克隆或下載的 repo 版本： -- 將此倉庫克隆到您的本地文件系統。 -- 按 F1，選擇 **Remote-Containers: Open Folder in Container...** 命令。 -- 選擇克隆的文件夾，等待容器啟動，然後嘗試操作。 +- 將此 repo 克隆到您的本地文件系統。 +- 按 F1 並選擇 **Remote-Containers: Open Folder in Container...** 命令。 +- 選擇此資料夾的克隆副本，等待容器啟動，然後嘗試操作。 ## 離線訪問 -您可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文檔。Fork 此倉庫，在您的本地機器上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此倉庫的根文件夾中輸入 `docsify serve`。網站將在本地端口 3000 上提供服務：`localhost:3000`。 +您可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文檔。Fork 此 repo，並在您的本地機器上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此 repo 的根目錄中輸入 `docsify serve`。網站將在本地端口 3000 上提供服務：`localhost:3000`。 -> 注意，筆記本文件不會通過 Docsify 渲染，因此需要運行筆記本時，請在 VS Code 中使用 Python kernel 單獨運行。 +> 注意，筆記本文件不會通過 Docsify 渲染，因此當您需要運行筆記本時，請在 VS Code 中單獨運行 Python 核心。 ## 其他課程 @@ -169,9 +185,9 @@ Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 - [初學者的物聯網](https://aka.ms/iot-beginners) - [初學者的機器學習](https://aka.ms/ml-beginners) - [初學者的 XR 開發](https://aka.ms/xr-dev-for-beginners) -- [掌握 GitHub Copilot 進行 AI 配對編程](https://aka.ms/GitHubCopilotAI) +- [掌握 GitHub Copilot 的 AI 配對編程](https://aka.ms/GitHubCopilotAI) - [初學者的 XR 開發](https://github.com/microsoft/xr-development-for-beginners) -- [掌握 GitHub Copilot 用於 C#/.NET 開發者](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [掌握 GitHub Copilot 的 C#/.NET 開發](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [選擇您的 Copilot 冒險](https://github.com/microsoft/CopilotAdventures) ## 獲取幫助 @@ -180,11 +196,10 @@ Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -如果您有產品反饋或在構建過程中遇到錯誤，請訪問： - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +如果您在構建過程中遇到產品反饋或錯誤，請訪問： +[![Azure AI Foundry 開發者論壇](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_開發者論壇-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **免責聲明**： -本文件已使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。 \ No newline at end of file +本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。 \ No newline at end of file diff --git a/translations/hk/examples/README.md b/translations/hk/examples/README.md new file mode 100644 index 00000000..53df7382 --- /dev/null +++ b/translations/hk/examples/README.md @@ -0,0 +1,145 @@ + +# 初學者友善的數據科學範例 + +歡迎來到範例目錄！這些簡單且附有詳細註解的範例旨在幫助您開始學習數據科學，即使您是完全的初學者也能輕鬆上手。 + +## 📚 您會在這裡找到什麼 + +每個範例都是獨立的，並包含： +- **清晰的註解**，解釋每一步驟 +- **簡單易讀的程式碼**，一次展示一個概念 +- **真實世界的背景**，幫助您理解何時以及為什麼使用這些技術 +- **預期輸出**，讓您知道應該看到什麼結果 + +## 🚀 開始使用 + +### 先決條件 +在執行這些範例之前，請確保您已經： +- 安裝了 Python 3.7 或更高版本 +- 基本了解如何執行 Python 腳本 + +### 安裝所需的庫 +```bash +pip install pandas numpy matplotlib +``` + +## 📖 範例概覽 + +### 1. Hello World - 數據科學風格 +**檔案：** `01_hello_world_data_science.py` + +您的第一個數據科學程式！學習如何： +- 加載一個簡單的數據集 +- 顯示數據的基本資訊 +- 輸出您的第一個數據科學結果 + +非常適合想要看到第一個數據科學程式運行的絕對初學者。 + +--- + +### 2. 加載和探索數據 +**檔案：** `02_loading_data.py` + +學習處理數據的基本知識： +- 從 CSV 文件讀取數據 +- 查看數據集的前幾行 +- 獲取數據的基本統計資訊 +- 理解數據類型 + +這通常是任何數據科學項目的第一步！ + +--- + +### 3. 簡單數據分析 +**檔案：** `03_simple_analysis.py` + +進行您的第一次數據分析： +- 計算基本統計數據（平均值、中位數、眾數） +- 找出最大值和最小值 +- 計算值的出現次數 +- 根據條件篩選數據 + +看看如何回答關於數據的簡單問題。 + +--- + +### 4. 數據可視化基礎 +**檔案：** `04_basic_visualization.py` + +創建您的第一個可視化： +- 繪製簡單的柱狀圖 +- 創建折線圖 +- 生成餅圖 +- 將可視化保存為圖片 + +學習如何以視覺方式傳達您的發現！ + +--- + +### 5. 使用真實數據 +**檔案：** `05_real_world_example.py` + +將所有內容結合在一起，完成一個完整的範例： +- 從資料庫加載真實數據 +- 清理並準備數據 +- 進行分析 +- 創建有意義的可視化 +- 得出結論 + +此範例展示了從頭到尾的完整工作流程。 + +--- + +## 🎯 如何使用這些範例 + +1. **從頭開始**：範例按難度排序編號。從 `01_hello_world_data_science.py` 開始，逐步完成。 +2. **閱讀註解**：每個檔案都有詳細的註解，解釋程式碼的作用及原因。仔細閱讀！ +3. **嘗試修改**：嘗試修改程式碼。改變某個值會發生什麼？打破程式並修復它——這是學習的方式！ +4. **執行程式碼**：執行每個範例並觀察輸出。與您的預期結果進行比較。 +5. **擴展範例**：理解範例後，嘗試用自己的想法擴展它。 + +## 💡 初學者提示 + +- **不要急於求成**：在進入下一個範例之前，花時間理解每個範例 +- **自己輸入程式碼**：不要只是複製貼上。自己輸入有助於學習和記憶 +- **查詢不熟悉的概念**：如果看到不理解的內容，請在線搜索或查看主要課程 +- **提出問題**：如果需要幫助，請加入 [討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions) +- **定期練習**：每天嘗試編寫一些程式碼，而不是每週一次的長時間學習 + +## 🔗 下一步 + +完成這些範例後，您可以： +- 學習主要課程的內容 +- 嘗試每個課程文件夾中的作業 +- 探索 Jupyter 筆記本以進一步深入學習 +- 創建自己的數據科學項目 + +## 📚 其他資源 + +- [主要課程](../README.md) - 完整的 20 節課程 +- [給教師的指南](../for-teachers.md) - 在課堂中使用此課程 +- [Microsoft Learn](https://docs.microsoft.com/learn/) - 免費的在線學習資源 +- [Python 文件](https://docs.python.org/3/) - 官方 Python 參考 + +## 🤝 貢獻 + +發現錯誤或有新範例的想法？我們歡迎您的貢獻！請參閱 [貢獻指南](../CONTRIBUTING.md)。 + +--- + +**祝您學習愉快！🎉** + +記住：每位專家曾經都是初學者。一步一步來，不要害怕犯錯——它們是學習過程的一部分！ + +--- + +**免責聲明**： +此文件已使用AI翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤詮釋概不負責。 \ No newline at end of file diff --git a/translations/hr/README.md b/translations/hr/README.md index f89b14d5..245a7e63 100644 --- a/translations/hr/README.md +++ b/translations/hr/README.md @@ -1,19 +1,35 @@ # Data Science za početnike - Kurikulum -Azure Cloud Advocates u Microsoftu s ponosom nude 10-tjedni kurikulum s 20 lekcija o znanosti o podacima. Svaka lekcija uključuje kvizove prije i poslije lekcije, pisane upute za dovršavanje lekcije, rješenje i zadatak. Naša metodologija temeljena na projektima omogućuje vam učenje kroz praktičan rad, što je dokazano učinkovit način za usvajanje novih vještina. +[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) + +[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +Azure Cloud Advocates u Microsoftu s ponosom nude 10-tjedni kurikulum s 20 lekcija o znanosti o podacima. Svaka lekcija uključuje kvizove prije i poslije lekcije, pisane upute za dovršavanje lekcije, rješenje i zadatak. Naša metodologija temeljena na projektima omogućuje vam učenje kroz izgradnju, što je dokazano učinkovit način za usvajanje novih vještina. **Veliko hvala našim autorima:** [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). -**🙏 Posebna zahvala 🙏 našim [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autorima, recenzentima i suradnicima na sadržaju,** posebno 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), +**🙏 Posebna zahvala 🙏 našim [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autorima, recenzentima i suradnicima,** posebno 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.hr.png)| @@ -24,29 +40,31 @@ Azure Cloud Advocates u Microsoftu s ponosom nude 10-tjedni kurikulum s 20 lekci #### Podržano putem GitHub Action (Automatski i uvijek ažurirano) -[Francuski](../fr/README.md) | [Španjolski](../es/README.md) | [Njemački](../de/README.md) | [Ruski](../ru/README.md) | [Arapski](../ar/README.md) | [Perzijski (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kineski (pojednostavljeni)](../zh/README.md) | [Kineski (tradicionalni, Macau)](../mo/README.md) | [Kineski (tradicionalni, Hong Kong)](../hk/README.md) | [Kineski (tradicionalni, Tajvan)](../tw/README.md) | [Japanski](../ja/README.md) | [Korejski](../ko/README.md) | [Hindski](../hi/README.md) | [Bengalski](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalski](../ne/README.md) | [Pandžapski (Gurmukhi)](../pa/README.md) | [Portugalski (Portugal)](../pt/README.md) | [Portugalski (Brazil)](../br/README.md) | [Talijanski](../it/README.md) | [Poljski](../pl/README.md) | [Turski](../tr/README.md) | [Grčki](../el/README.md) | [Tajlandski](../th/README.md) | [Švedski](../sv/README.md) | [Danski](../da/README.md) | [Norveški](../no/README.md) | [Finski](../fi/README.md) | [Nizozemski](../nl/README.md) | [Hebrejski](../he/README.md) | [Vijetnamski](../vi/README.md) | [Indonezijski](../id/README.md) | [Malajski](../ms/README.md) | [Tagalog (Filipinski)](../tl/README.md) | [Svahili](../sw/README.md) | [Mađarski](../hu/README.md) | [Češki](../cs/README.md) | [Slovački](../sk/README.md) | [Rumunjski](../ro/README.md) | [Bugarski](../bg/README.md) | [Srpski (ćirilica)](../sr/README.md) | [Hrvatski](./README.md) | [Slovenski](../sl/README.md) | [Ukrajinski](../uk/README.md) | [Burmanski (Myanmar)](../my/README.md) +[Francuski](../fr/README.md) | [Španjolski](../es/README.md) | [Njemački](../de/README.md) | [Ruski](../ru/README.md) | [Arapski](../ar/README.md) | [Perzijski (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kineski (pojednostavljeni)](../zh/README.md) | [Kineski (tradicionalni, Macau)](../mo/README.md) | [Kineski (tradicionalni, Hong Kong)](../hk/README.md) | [Kineski (tradicionalni, Tajvan)](../tw/README.md) | [Japanski](../ja/README.md) | [Korejski](../ko/README.md) | [Hindski](../hi/README.md) | [Bengalski](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalski](../ne/README.md) | [Pandžapski (Gurmukhi)](../pa/README.md) | [Portugalski (Portugal)](../pt/README.md) | [Portugalski (Brazil)](../br/README.md) | [Talijanski](../it/README.md) | [Poljski](../pl/README.md) | [Turski](../tr/README.md) | [Grčki](../el/README.md) | [Tajlandski](../th/README.md) | [Švedski](../sv/README.md) | [Danski](../da/README.md) | [Norveški](../no/README.md) | [Finski](../fi/README.md) | [Nizozemski](../nl/README.md) | [Hebrejski](../he/README.md) | [Vijetnamski](../vi/README.md) | [Indonezijski](../id/README.md) | [Malajski](../ms/README.md) | [Tagalog (Filipinski)](../tl/README.md) | [Svahili](../sw/README.md) | [Mađarski](../hu/README.md) | [Češki](../cs/README.md) | [Slovački](../sk/README.md) | [Rumunjski](../ro/README.md) | [Bugarski](../bg/README.md) | [Srpski (ćirilica)](../sr/README.md) | [Hrvatski](./README.md) | [Slovenski](../sl/README.md) | [Ukrajinski](../uk/README.md) | [Burmanski (Mjanmar)](../my/README.md) -**Ako želite da se podrže dodatni jezici, popis podržanih jezika možete pronaći [ovdje](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Ako želite dodatne prijevode, podržani jezici navedeni su [ovdje](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Pridružite se našoj zajednici [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Imamo seriju učenja s AI na Discordu, saznajte više i pridružite nam se na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilot za znanost o podacima. +Imamo seriju učenja s AI na Discordu, saznajte više i pridružite nam se na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. rujna 2025. Dobit ćete savjete i trikove za korištenje GitHub Copilota za znanost o podacima. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.hr.jpg) # Jeste li student? -Započnite s sljedećim resursima: +Započnite s ovim resursima: -- [Stranica za studente](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na ovoj stranici pronaći ćete resurse za početnike, studentske pakete, pa čak i načine za dobivanje besplatnog certifikata. Ovo je stranica koju želite označiti i povremeno provjeravati jer mijenjamo sadržaj barem jednom mjesečno. +- [Student Hub stranica](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na ovoj stranici pronaći ćete resurse za početnike, studentske pakete, pa čak i načine za dobivanje besplatnog certifikata. Ovo je stranica koju želite označiti i povremeno provjeravati jer mijenjamo sadržaj barem jednom mjesečno. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Pridružite se globalnoj zajednici studentskih ambasadora, ovo bi mogao biti vaš put u Microsoft. # Početak -> **Nastavnici**: [uključili smo neke prijedloge](for-teachers.md) o tome kako koristiti ovaj kurikulum. Voljeli bismo vaše povratne informacije [u našem forumu za raspravu](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Potpuni početnici**: Novi ste u znanosti o podacima? Započnite s našim [primjerima prilagođenim početnicima](examples/README.md)! Ovi jednostavni, dobro komentirani primjeri pomoći će vam da razumijete osnove prije nego što se upustite u cijeli kurikulum. -> **[Studenti](https://aka.ms/student-page)**: da biste koristili ovaj kurikulum samostalno, napravite fork cijelog repozitorija i samostalno dovršite vježbe, počevši s kvizom prije predavanja. Zatim pročitajte predavanje i dovršite ostatak aktivnosti. Pokušajte sami izraditi projekte razumijevajući lekcije, umjesto da kopirate kod rješenja; međutim, taj kod je dostupan u mapama /solutions u svakoj lekciji temeljenoj na projektu. Druga ideja bila bi formirati grupu za učenje s prijateljima i zajedno prolaziti kroz sadržaj. Za daljnje učenje preporučujemo [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Nastavnici**: imamo [neke prijedloge](for-teachers.md) o tome kako koristiti ovaj kurikulum. Voljeli bismo čuti vaše povratne informacije [u našem forumu za raspravu](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! + +> **[Studenti](https://aka.ms/student-page)**: da biste koristili ovaj kurikulum samostalno, forkajte cijeli repo i dovršite vježbe sami, počevši s kvizom prije predavanja. Zatim pročitajte predavanje i dovršite ostale aktivnosti. Pokušajte izraditi projekte razumijevanjem lekcija umjesto kopiranja rješenja koda; međutim, taj kod je dostupan u /solutions mapama u svakoj lekciji temeljenoj na projektima. Druga ideja bila bi formirati grupu za učenje s prijateljima i zajedno prolaziti kroz sadržaj. Za daljnje učenje preporučujemo [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Upoznajte tim @@ -60,52 +78,66 @@ Započnite s sljedećim resursima: Odabrali smo dva pedagoška načela prilikom izrade ovog kurikuluma: osigurati da je temeljen na projektima i da uključuje česte kvizove. Do kraja ove serije, studenti će naučiti osnovne principe znanosti o podacima, uključujući etičke koncepte, pripremu podataka, različite načine rada s podacima, vizualizaciju podataka, analizu podataka, stvarne primjere korištenja znanosti o podacima i još mnogo toga. -Osim toga, kviz s niskim rizikom prije predavanja usmjerava namjeru studenta prema učenju teme, dok drugi kviz nakon predavanja osigurava daljnje zadržavanje znanja. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te se može uzeti u cijelosti ili djelomično. Projekti počinju malim i postaju sve složeniji do kraja 10-tjednog ciklusa. +Osim toga, kviz s niskim rizikom prije predavanja usmjerava pažnju studenta na učenje teme, dok drugi kviz nakon predavanja osigurava daljnje zadržavanje znanja. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te se može uzeti u cijelosti ili djelomično. Projekti počinju jednostavno i postaju sve složeniji do kraja 10-tjednog ciklusa. -> Pronađite naš [Kodeks ponašanja](CODE_OF_CONDUCT.md), [Doprinos](CONTRIBUTING.md), [Smjernice za prijevod](TRANSLATIONS.md). Dobrodošli ste da nam pružite konstruktivne povratne informacije! +> Pronađite naš [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) smjernice. Veselimo se vašim konstruktivnim povratnim informacijama! ## Svaka lekcija uključuje: - Opcionalni sketchnote -- Opcionalni dopunski video +- Opcionalni dodatni video - Kviz za zagrijavanje prije lekcije - Pisanu lekciju -- Za lekcije temeljene na projektima, vodiče korak po korak o tome kako izraditi projekt +- Za lekcije temeljene na projektima, vodiče korak po korak kako izraditi projekt - Provjere znanja - Izazov -- Dopunsko čitanje +- Dodatno čitanje - Zadatak - [Kviz nakon lekcije](https://ff-quizzes.netlify.app/en/) - > **Napomena o kvizovima**: Svi kvizovi nalaze se u mapi Quiz-App, ukupno 40 kvizova s po tri pitanja. Povezani su unutar lekcija, ali aplikacija za kviz može se pokrenuti lokalno ili implementirati na Azure; slijedite upute u mapi `quiz-app`. Postupno se lokaliziraju. +## 🎓 Primjeri za početnike + +**Novi u znanosti o podacima?** Stvorili smo posebnu [mapu s primjerima](examples/README.md) s jednostavnim, dobro komentiranim kodom kako bismo vam pomogli da započnete: + +- 🌟 **Hello World** - Vaš prvi program za znanost o podacima +- 📂 **Učitavanje podataka** - Naučite čitati i istraživati skupove podataka +- 📊 **Jednostavna analiza** - Izračunajte statistike i pronađite obrasce +- 📈 **Osnovna vizualizacija** - Kreirajte grafikone i dijagrame +- 🔬 **Projekt iz stvarnog svijeta** - Kompletan tijek rada od početka do kraja + +Svaki primjer uključuje detaljne komentare koji objašnjavaju svaki korak, što ga čini savršenim za apsolutne početnike! + +👉 **[Započnite s primjerima](examples/README.md)** 👈 + ## Lekcije + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.hr.png)| |:---:| -| Data Science za početnike: Plan - _Sketchnote autor [@nitya](https://twitter.com/nitya)_ | +| Znanost o podacima za početnike: Plan - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | | Broj lekcije | Tema | Grupiranje lekcija | Ciljevi učenja | Povezana lekcija | Autor | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definiranje Data Sciencea | [Uvod](1-Introduction/README.md) | Naučite osnovne pojmove o data scienceu i kako je povezan s umjetnom inteligencijom, strojnim učenjem i velikim podacima. | [lekcija](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Etika u Data Scienceu | [Uvod](1-Introduction/README.md) | Pojmovi etike podataka, izazovi i okviri. | [lekcija](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Definiranje znanosti o podacima | [Uvod](1-Introduction/README.md) | Naučite osnovne pojmove znanosti o podacima i kako je povezana s umjetnom inteligencijom, strojnim učenjem i velikim podacima. | [lekcija](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etika u znanosti o podacima | [Uvod](1-Introduction/README.md) | Koncepti etike podataka, izazovi i okviri. | [lekcija](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Definiranje podataka | [Uvod](1-Introduction/README.md) | Kako se podaci klasificiraju i njihovi uobičajeni izvori. | [lekcija](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Uvod u statistiku i vjerojatnost | [Uvod](1-Introduction/README.md) | Matematičke tehnike vjerojatnosti i statistike za razumijevanje podataka. | [lekcija](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Rad s relacijskim podacima | [Rad s podacima](2-Working-With-Data/README.md) | Uvod u relacijske podatke i osnove istraživanja i analize relacijskih podataka pomoću Structured Query Languagea, poznatog kao SQL (izgovara se "si-kvel"). | [lekcija](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 05 | Rad s relacijskim podacima | [Rad s podacima](2-Working-With-Data/README.md) | Uvod u relacijske podatke i osnove istraživanja i analize relacijskih podataka pomoću Structured Query Language, poznatog kao SQL (izgovara se "si-kvel"). | [lekcija](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Rad s NoSQL podacima | [Rad s podacima](2-Working-With-Data/README.md) | Uvod u nerelacijske podatke, njihove različite vrste i osnove istraživanja i analize dokumentnih baza podataka. | [lekcija](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Rad s Pythonom | [Rad s podacima](2-Working-With-Data/README.md) | Osnove korištenja Pythona za istraživanje podataka s bibliotekama poput Pandasa. Preporučuje se osnovno razumijevanje programiranja u Pythonu. | [lekcija](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Priprema podataka | [Rad s podacima](2-Working-With-Data/README.md) | Teme o tehnikama čišćenja i transformacije podataka za rješavanje izazova poput nedostajućih, netočnih ili nepotpunih podataka. | [lekcija](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 07 | Rad s Pythonom | [Rad s podacima](2-Working-With-Data/README.md) | Osnove korištenja Pythona za istraživanje podataka s bibliotekama poput Pandas. Preporučuje se osnovno razumijevanje programiranja u Pythonu. | [lekcija](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Priprema podataka | [Rad s podacima](2-Working-With-Data/README.md) | Teme o tehnikama za čišćenje i transformaciju podataka kako bi se riješili izazovi nedostajućih, netočnih ili nepotpunih podataka. | [lekcija](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Vizualizacija količina | [Vizualizacija podataka](3-Data-Visualization/README.md) | Naučite kako koristiti Matplotlib za vizualizaciju podataka o pticama 🦆 | [lekcija](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Vizualizacija distribucije podataka | [Vizualizacija podataka](3-Data-Visualization/README.md) | Vizualizacija opažanja i trendova unutar intervala. | [lekcija](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Vizualizacija proporcija | [Vizualizacija podataka](3-Data-Visualization/README.md) | Vizualizacija diskretnih i grupiranih postotaka. | [lekcija](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Vizualizacija odnosa | [Vizualizacija podataka](3-Data-Visualization/README.md) | Vizualizacija povezanosti i korelacija između skupova podataka i njihovih varijabli. | [lekcija](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Smislene vizualizacije | [Vizualizacija podataka](3-Data-Visualization/README.md) | Tehnike i smjernice za stvaranje vizualizacija koje su vrijedne za učinkovito rješavanje problema i dobivanje uvida. | [lekcija](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Uvod u životni ciklus Data Sciencea | [Životni ciklus](4-Data-Science-Lifecycle/README.md) | Uvod u životni ciklus data sciencea i njegov prvi korak - prikupljanje i ekstrakcija podataka. | [lekcija](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analiza | [Životni ciklus](4-Data-Science-Lifecycle/README.md) | Ova faza životnog ciklusa data sciencea fokusira se na tehnike analize podataka. | [lekcija](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Komunikacija | [Životni ciklus](4-Data-Science-Lifecycle/README.md) | Ova faza životnog ciklusa data sciencea fokusira se na prezentaciju uvida iz podataka na način koji olakšava razumijevanje donositeljima odluka. | [lekcija](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science u oblaku | [Podaci u oblaku](5-Data-Science-In-Cloud/README.md) | Ova serija lekcija uvodi data science u oblaku i njegove prednosti. | [lekcija](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science u oblaku | [Podaci u oblaku](5-Data-Science-In-Cloud/README.md) | Treniranje modela pomoću alata s malo koda. |[lekcija](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science u oblaku | [Podaci u oblaku](5-Data-Science-In-Cloud/README.md) | Implementacija modela pomoću Azure Machine Learning Studija. | [lekcija](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science u stvarnom svijetu | [U stvarnom svijetu](6-Data-Science-In-Wild/README.md) | Projekti vođeni data scienceom u stvarnom svijetu. | [lekcija](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 13 | Smislene vizualizacije | [Vizualizacija podataka](3-Data-Visualization/README.md) | Tehnike i smjernice za stvaranje vizualizacija koje su vrijedne za učinkovito rješavanje problema i uvid. | [lekcija](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Uvod u životni ciklus znanosti o podacima | [Životni ciklus](4-Data-Science-Lifecycle/README.md) | Uvod u životni ciklus znanosti o podacima i njegov prvi korak - prikupljanje i ekstrakcija podataka. | [lekcija](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analiza | [Životni ciklus](4-Data-Science-Lifecycle/README.md) | Ova faza životnog ciklusa znanosti o podacima fokusira se na tehnike analize podataka. | [lekcija](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Komunikacija | [Životni ciklus](4-Data-Science-Lifecycle/README.md) | Ova faza životnog ciklusa znanosti o podacima fokusira se na prezentaciju uvida iz podataka na način koji olakšava razumijevanje donositeljima odluka. | [lekcija](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Znanost o podacima u oblaku | [Podaci u oblaku](5-Data-Science-In-Cloud/README.md) | Ova serija lekcija uvodi znanost o podacima u oblaku i njezine prednosti. | [lekcija](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | +| 18 | Znanost o podacima u oblaku | [Podaci u oblaku](5-Data-Science-In-Cloud/README.md) | Treniranje modela pomoću alata s malo koda. |[lekcija](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | +| 19 | Znanost o podacima u oblaku | [Podaci u oblaku](5-Data-Science-In-Cloud/README.md) | Implementacija modela pomoću Azure Machine Learning Studio. | [lekcija](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | +| 20 | Znanost o podacima u stvarnom svijetu | [U stvarnom svijetu](6-Data-Science-In-Wild/README.md) | Projekti vođeni znanošću o podacima u stvarnom svijetu. | [lekcija](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces @@ -117,7 +149,7 @@ Za više informacija, pogledajte [GitHub dokumentaciju](https://docs.github.com/ ## VSCode Remote - Containers Slijedite ove korake za otvaranje ovog repozitorija u kontejneru koristeći vaše lokalno računalo i VSCode s ekstenzijom VS Code Remote - Containers: -1. Ako prvi put koristite razvojni kontejner, osigurajte da vaš sustav zadovoljava preduvjete (npr. instaliran Docker) u [dokumentaciji za početak](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Ako prvi put koristite razvojni kontejner, osigurajte da vaš sustav ispunjava preduvjete (npr. instaliran Docker) prema [dokumentaciji za početak](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Za korištenje ovog repozitorija, možete ga otvoriti u izoliranom Docker volumenu: @@ -129,9 +161,9 @@ Ili otvorite lokalno kloniranu ili preuzetu verziju repozitorija: - Pritisnite F1 i odaberite naredbu **Remote-Containers: Open Folder in Container...**. - Odaberite kloniranu kopiju ove mape, pričekajte da se kontejner pokrene i isprobajte stvari. -## Offline pristup +## Pristup bez interneta -Možete pokrenuti ovu dokumentaciju offline koristeći [Docsify](https://docsify.js.org/#/). Forkajte ovaj repozitorij, [instalirajte Docsify](https://docsify.js.org/#/quickstart) na vaše lokalno računalo, zatim u korijenskoj mapi ovog repozitorija upišite `docsify serve`. Web stranica će biti poslužena na portu 3000 na vašem localhostu: `localhost:3000`. +Možete pokrenuti ovu dokumentaciju offline koristeći [Docsify](https://docsify.js.org/#/). Forkajte ovaj repozitorij, [instalirajte Docsify](https://docsify.js.org/#/quickstart) na vaše lokalno računalo, zatim u korijenskoj mapi ovog repozitorija upišite `docsify serve`. Web stranica će se poslužiti na portu 3000 na vašem localhostu: `localhost:3000`. > Napomena, bilježnice neće biti prikazane putem Docsifyja, pa kada trebate pokrenuti bilježnicu, učinite to zasebno u VS Codeu koristeći Python kernel. @@ -146,9 +178,9 @@ Naš tim proizvodi i druge kurikulume! Pogledajte: - [Generativna AI s JavaScriptom](https://github.com/microsoft/generative-ai-with-javascript) - [Generativna AI s Javom](https://aka.ms/genaijava) - [AI za početnike](https://aka.ms/ai-beginners) -- [Data Science za početnike](https://aka.ms/datascience-beginners) +- [Znanost o podacima za početnike](https://aka.ms/datascience-beginners) - [Bash za početnike](https://github.com/microsoft/bash-for-beginners) -- [ML za početnike](https://aka.ms/ml-beginners) +- [Strojno učenje za početnike](https://aka.ms/ml-beginners) - [Kibernetička sigurnost za početnike](https://github.com/microsoft/Security-101) - [Web razvoj za početnike](https://aka.ms/webdev-beginners) - [IoT za početnike](https://aka.ms/iot-beginners) @@ -156,7 +188,7 @@ Naš tim proizvodi i druge kurikulume! Pogledajte: - [XR razvoj za početnike](https://aka.ms/xr-dev-for-beginners) - [Savladavanje GitHub Copilota za AI programiranje u paru](https://aka.ms/GitHubCopilotAI) - [XR razvoj za početnike](https://github.com/microsoft/xr-development-for-beginners) -- [Savladavanje GitHub Copilota za C#/.NET developere](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Savladavanje GitHub Copilota za C#/.NET programere](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Odaberite vlastitu Copilot avanturu](https://github.com/microsoft/CopilotAdventures) ## Dobivanje pomoći @@ -166,10 +198,9 @@ Ako zapnete ili imate pitanja o izradi AI aplikacija, pridružite se: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Ako imate povratne informacije o proizvodu ili greške tijekom izrade, posjetite: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Izjava o odricanju odgovornosti**: -Ovaj dokument je preveden pomoću AI usluge za prevođenje [Co-op Translator](https://github.com/Azure/co-op-translator). Iako nastojimo osigurati točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati autoritativnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane ljudskog prevoditelja. Ne preuzimamo odgovornost za nesporazume ili pogrešna tumačenja koja mogu proizaći iz korištenja ovog prijevoda. \ No newline at end of file +**Odricanje od odgovornosti**: +Ovaj dokument je preveden pomoću AI usluge za prevođenje [Co-op Translator](https://github.com/Azure/co-op-translator). Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane čovjeka. Ne preuzimamo odgovornost za nesporazume ili pogrešna tumačenja koja proizlaze iz korištenja ovog prijevoda. \ No newline at end of file diff --git a/translations/hr/examples/README.md b/translations/hr/examples/README.md new file mode 100644 index 00000000..617c835e --- /dev/null +++ b/translations/hr/examples/README.md @@ -0,0 +1,149 @@ + +# Primjeri za početnike u znanosti o podacima + +Dobrodošli u direktorij s primjerima! Ova zbirka jednostavnih, dobro komentiranih primjera osmišljena je kako bi vam pomogla započeti sa znanošću o podacima, čak i ako ste potpuni početnik. + +## 📚 Što ćete ovdje pronaći + +Svaki primjer je samostalan i uključuje: +- **Jasne komentare** koji objašnjavaju svaki korak +- **Jednostavan, čitljiv kod** koji demonstrira jedan koncept odjednom +- **Kontekst iz stvarnog svijeta** kako biste razumjeli kada i zašto koristiti ove tehnike +- **Očekivani izlaz** kako biste znali što tražiti + +## 🚀 Početak rada + +### Preduvjeti +Prije nego pokrenete ove primjere, provjerite imate li: +- Instaliran Python 3.7 ili noviji +- Osnovno razumijevanje kako pokrenuti Python skripte + +### Instalacija potrebnih biblioteka +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Pregled primjera + +### 1. Hello World - Stil znanosti o podacima +**Datoteka:** `01_hello_world_data_science.py` + +Vaš prvi program za znanost o podacima! Naučite kako: +- Učitati jednostavan skup podataka +- Prikazati osnovne informacije o vašim podacima +- Ispisati svoj prvi izlaz u znanosti o podacima + +Savršeno za apsolutne početnike koji žele vidjeti svoj prvi program u akciji. + +--- + +### 2. Učitavanje i istraživanje podataka +**Datoteka:** `02_loading_data.py` + +Naučite osnove rada s podacima: +- Čitanje podataka iz CSV datoteka +- Pregled prvih nekoliko redaka vašeg skupa podataka +- Dobivanje osnovnih statistika o podacima +- Razumijevanje tipova podataka + +Ovo je često prvi korak u svakom projektu znanosti o podacima! + +--- + +### 3. Jednostavna analiza podataka +**Datoteka:** `03_simple_analysis.py` + +Provedite svoju prvu analizu podataka: +- Izračunajte osnovne statistike (srednja vrijednost, medijan, modus) +- Pronađite maksimalne i minimalne vrijednosti +- Brojite pojavljivanja vrijednosti +- Filtrirajte podatke na temelju uvjeta + +Pogledajte kako odgovoriti na jednostavna pitanja o vašim podacima. + +--- + +### 4. Osnove vizualizacije podataka +**Datoteka:** `04_basic_visualization.py` + +Izradite svoje prve vizualizacije: +- Napravite jednostavan stupčasti grafikon +- Kreirajte linijski grafikon +- Generirajte tortni grafikon +- Spremite svoje vizualizacije kao slike + +Naučite kako vizualno prenijeti svoje zaključke! + +--- + +### 5. Rad s pravim podacima +**Datoteka:** `05_real_world_example.py` + +Spojite sve u cjelovit primjer: +- Učitajte stvarne podatke iz repozitorija +- Očistite i pripremite podatke +- Provedite analizu +- Kreirajte značajne vizualizacije +- Izvedite zaključke + +Ovaj primjer prikazuje cjelokupan tijek rada od početka do kraja. + +--- + +## 🎯 Kako koristiti ove primjere + +1. **Počnite od početka**: Primjeri su numerirani prema težini. Započnite s `01_hello_world_data_science.py` i nastavite redom. + +2. **Čitajte komentare**: Svaka datoteka ima detaljne komentare koji objašnjavaju što kod radi i zašto. Pažljivo ih pročitajte! + +3. **Eksperimentirajte**: Pokušajte mijenjati kod. Što se događa ako promijenite vrijednost? Razbijte stvari i popravite ih - tako se uči! + +4. **Pokrenite kod**: Izvršite svaki primjer i promatrajte izlaz. Usporedite ga s onim što ste očekivali. + +5. **Nadogradite**: Kada razumijete primjer, pokušajte ga proširiti vlastitim idejama. + +## 💡 Savjeti za početnike + +- **Ne žurite**: Odvojite vrijeme da razumijete svaki primjer prije nego prijeđete na sljedeći +- **Upišite kod sami**: Nemojte samo kopirati i zalijepiti. Pisanje koda pomaže vam da učite i zapamtite +- **Istražite nepoznate pojmove**: Ako vidite nešto što ne razumijete, potražite to online ili u glavnim lekcijama +- **Postavljajte pitanja**: Pridružite se [forumu za raspravu](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ako trebate pomoć +- **Redovito vježbajte**: Pokušajte kodirati malo svaki dan, umjesto dugih sesija jednom tjedno + +## 🔗 Sljedeći koraci + +Nakon što završite ove primjere, spremni ste za: +- Rad kroz glavne lekcije kurikuluma +- Pokušaj rješavanja zadataka u svakoj mapi lekcija +- Istraživanje Jupyter bilježnica za detaljnije učenje +- Kreiranje vlastitih projekata iz znanosti o podacima + +## 📚 Dodatni resursi + +- [Glavni kurikulum](../README.md) - Kompletan tečaj od 20 lekcija +- [Za nastavnike](../for-teachers.md) - Korištenje ovog kurikuluma u učionici +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Besplatni online resursi za učenje +- [Python dokumentacija](https://docs.python.org/3/) - Službena Python referenca + +## 🤝 Doprinos + +Pronašli ste grešku ili imate ideju za novi primjer? Pozdravljamo doprinose! Pogledajte naš [Vodič za doprinos](../CONTRIBUTING.md). + +--- + +**Sretno u učenju! 🎉** + +Zapamtite: Svaki stručnjak je jednom bio početnik. Idite korak po korak i ne bojte se pogrešaka - one su dio procesa učenja! + +--- + +**Odricanje od odgovornosti**: +Ovaj dokument je preveden koristeći AI uslugu za prevođenje [Co-op Translator](https://github.com/Azure/co-op-translator). Iako nastojimo osigurati točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane stručnjaka. Ne preuzimamo odgovornost za bilo kakve nesporazume ili pogrešne interpretacije proizašle iz korištenja ovog prijevoda. \ No newline at end of file diff --git a/translations/hu/README.md b/translations/hu/README.md index 6fce99fc..26b6c7af 100644 --- a/translations/hu/README.md +++ b/translations/hu/README.md @@ -1,15 +1,31 @@ # Adattudomány kezdőknek - Tanterv -Azure Cloud Advocates a Microsoftnál örömmel kínál egy 10 hetes, 20 leckéből álló tantervet az adattudományról. Minden lecke tartalmaz előzetes és utólagos kvízeket, írásos útmutatót a lecke elvégzéséhez, megoldást és feladatot. Projektalapú pedagógiánk lehetővé teszi, hogy tanulás közben építs, ami bizonyítottan segíti az új készségek elsajátítását. +[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) + +[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +A Microsoft Azure Cloud Advocates csapata örömmel kínál egy 10 hetes, 20 leckéből álló tantervet az adattudományról. Minden lecke tartalmaz előzetes és utólagos kvízeket, írásos útmutatót a lecke elvégzéséhez, megoldást és feladatot. Projektalapú pedagógiánk lehetővé teszi, hogy tanulás közben építs, ami bizonyítottan segíti az új készségek elsajátítását. **Szívből köszönjük szerzőinknek:** [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). @@ -31,22 +47,24 @@ Azure Cloud Advocates a Microsoftnál örömmel kínál egy 10 hetes, 20 leckéb #### Csatlakozz közösségünkhöz [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Van egy folyamatban lévő Discord tanulási sorozatunk AI-val, tudj meg többet és csatlakozz hozzánk a [Learn with AI Series](https://aka.ms/learnwithai/discord) eseményen 2025. szeptember 18-30. között. Tippeket és trükköket kapsz a GitHub Copilot használatához az adattudományban. +Folyamatban van egy Discord tanulás AI-val sorozat, tudj meg többet és csatlakozz hozzánk a [Learn with AI Series](https://aka.ms/learnwithai/discord) eseményen 2025. szeptember 18-30. között. Tippeket és trükköket kapsz a GitHub Copilot használatához az adattudományban. ![Learn with AI sorozat](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.hu.jpg) # Diák vagy? -Kezdd el az alábbi forrásokkal: +Kezdd az alábbi forrásokkal: -- [Student Hub oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ezen az oldalon kezdő forrásokat, diákcsomagokat és akár ingyenes tanúsítvány vouchert is találhatsz. Ez egy olyan oldal, amit érdemes könyvjelzőzni és időnként ellenőrizni, mivel havonta frissítjük a tartalmat. +- [Student Hub oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ezen az oldalon kezdő forrásokat, diákcsomagokat és akár ingyenes tanúsítvány vouchert is találhatsz. Érdemes ezt az oldalt könyvjelzőzni és időnként ellenőrizni, mivel havonta frissítjük a tartalmat. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz egy globális diák nagyköveti közösséghez, ez lehet az utad a Microsofthoz. # Kezdés -> **Tanárok**: [néhány javaslatot](for-teachers.md) is mellékeltünk, hogyan használhatjátok ezt a tantervet. Örömmel várjuk visszajelzéseiteket [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Teljesen kezdőknek**: Új vagy az adattudományban? Kezdd a [kezdőbarát példákkal](examples/README.md)! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágnál a teljes tantervbe. + +> **Tanárok**: [néhány javaslatot is mellékeltünk](for-teachers.md) arra vonatkozóan, hogyan használhatod ezt a tantervet. Szívesen fogadjuk visszajelzésedet [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Diákok](https://aka.ms/student-page)**: ha önállóan szeretnéd használni ezt a tantervet, forkolj le az egész repót, és végezd el a gyakorlatokat önállóan, kezdve egy előzetes kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket úgy létrehozni, hogy megérted a leckéket, ahelyett hogy lemásolnád a megoldás kódját; azonban a kód elérhető a /solutions mappákban minden projektalapú leckében. Egy másik ötlet lehet, hogy tanulócsoportot alakítasz barátaiddal, és együtt haladtok a tartalommal. További tanulmányokhoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) platformot. +> **[Diákok](https://aka.ms/student-page)**: ha önállóan szeretnéd használni ezt a tantervet, forkold az egész repót, és végezd el a gyakorlatokat önállóan, kezdve az előadás előtti kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket úgy elkészíteni, hogy megérted a leckéket, ahelyett hogy lemásolnád a megoldás kódját; azonban a kód elérhető a /solutions mappákban minden projektalapú leckében. Egy másik ötlet lehet, hogy tanulócsoportot alakítasz barátaiddal, és együtt haladtok a tartalommal. További tanulmányokhoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) platformot. ## Ismerd meg a csapatot @@ -58,11 +76,11 @@ Kezdd el az alábbi forrásokkal: ## Pedagógia -Két pedagógiai alapelvet választottunk a tanterv kidolgozása során: biztosítani, hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok megtanulják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatok előkészítését, az adatokkal való munka különböző módjait, az adatvizualizációt, az adatelemzést, az adattudomány valós alkalmazásait és még sok mást. +Két pedagógiai alapelvet választottunk a tanterv kidolgozása során: biztosítani, hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok megtanulják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatelőkészítést, az adatokkal való munka különböző módjait, adatvizualizációt, adatelemzést, az adattudomány valós alkalmazásait és még sok mást. -Ezenkívül egy alacsony tétű kvíz az óra előtt segít a diákoknak a téma iránti figyelem összpontosításában, míg egy második kvíz az óra után biztosítja a további rögzítést. Ez a tanterv rugalmas és szórakoztató, és egészében vagy részben is elvégezhető. A projektek kicsiben kezdődnek, és a 10 hetes ciklus végére egyre összetettebbé válnak. +Ezenkívül egy alacsony tétű kvíz az óra előtt segít a diákoknak a téma iránti érdeklődés felkeltésében, míg egy második kvíz az óra után biztosítja a további rögzülést. Ez a tanterv rugalmas és szórakoztató, és egészében vagy részleteiben is elvégezhető. A projektek kicsiben kezdődnek, és a 10 hetes ciklus végére egyre összetettebbé válnak. -> Találd meg a [Magatartási kódexünket](CODE_OF_CONDUCT.md), [Hozzájárulási](CONTRIBUTING.md), [Fordítási](TRANSLATIONS.md) irányelveinket. Örömmel várjuk építő jellegű visszajelzéseidet! +> Találd meg a [Magatartási kódexünket](CODE_OF_CONDUCT.md), [Hozzájárulási](CONTRIBUTING.md), [Fordítási](TRANSLATIONS.md) irányelveinket. Szívesen fogadjuk építő jellegű visszajelzésedet! ## Minden lecke tartalmaz: @@ -76,64 +94,78 @@ Ezenkívül egy alacsony tétű kvíz az óra előtt segít a diákoknak a téma - Kiegészítő olvasmány - Feladat - [Utólagos kvíz](https://ff-quizzes.netlify.app/en/) +> **Fontos megjegyzés a kvízekről**: Minden kvíz a Quiz-App mappában található, összesen 40 darab, három kérdésből álló kvízzel. Ezek a leckékből érhetők el, de a kvíz alkalmazás helyileg futtatható vagy Azure-ra telepíthető; kövesd a `quiz-app` mappában található utasításokat. A kvízek fokozatosan lokalizálásra kerülnek. -> **Megjegyzés a kvízekről**: Minden kvíz a Quiz-App mappában található, összesen 40 darab három kérdéses kvíz. A leckékből vannak linkelve, de a kvíz alkalmazás helyben futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a `quiz-app` mappában. Fokozatosan lokalizáljuk őket. +## 🎓 Kezdőbarát példák + +**Új vagy az adatelemzés világában?** Készítettünk egy külön [példák mappát](examples/README.md) egyszerű, jól kommentált kódokkal, hogy segítsünk az indulásban: + +- 🌟 **Hello World** - Az első adatelemző programod +- 📂 **Adatok betöltése** - Tanuld meg, hogyan olvass és fedezz fel adatállományokat +- 📊 **Egyszerű elemzés** - Számíts statisztikákat és találj mintázatokat +- 📈 **Alapvető vizualizáció** - Készíts diagramokat és grafikonokat +- 🔬 **Valós projekt** - Teljes munkafolyamat az elejétől a végéig + +Minden példa részletes kommentárokat tartalmaz, amelyek lépésről lépésre magyarázzák az egyes folyamatokat, így tökéletesek teljesen kezdők számára! + +👉 **[Kezdd a példákkal](examples/README.md)** 👈 ## Leckék + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.hu.png)| |:---:| -| Adattudomány kezdőknek: Útiterv - _Sketchnote készítette: [@nitya](https://twitter.com/nitya)_ | +| Adattudomány kezdőknek: Útmutató - _Sketchnote készítette: [@nitya](https://twitter.com/nitya)_ | | Lecke száma | Téma | Leckecsoport | Tanulási célok | Kapcsolódó lecke | Szerző | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Az adattudomány meghatározása | [Bevezetés](1-Introduction/README.md) | Ismerd meg az adattudomány alapfogalmait, és hogyan kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és a big data-hoz. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 01 | Az adattudomány meghatározása | [Bevezetés](1-Introduction/README.md) | Ismerd meg az adattudomány alapfogalmait, és hogyan kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és big data-hoz. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Az adattudomány etikája | [Bevezetés](1-Introduction/README.md) | Az adatetika fogalmai, kihívásai és keretrendszerei. | [lecke](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Az adatok meghatározása | [Bevezetés](1-Introduction/README.md) | Hogyan osztályozzuk az adatokat és azok gyakori forrásait. | [lecke](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Bevezetés a statisztikába és valószínűségszámításba | [Bevezetés](1-Introduction/README.md) | A valószínűségszámítás és statisztika matematikai technikái az adatok megértéséhez. | [lecke](1-Introduction/04-stats-and-probability/README.md) [videó](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 04 | Bevezetés a statisztikába és valószínűségszámításba | [Bevezetés](1-Introduction/README.md) | A statisztika és valószínűség matematikai technikái az adatok megértéséhez. | [lecke](1-Introduction/04-stats-and-probability/README.md) [videó](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | Relációs adatok kezelése | [Adatok kezelése](2-Working-With-Data/README.md) | Bevezetés a relációs adatokba, valamint az SQL (Structured Query Language) alapjainak megismerése az adatok feltárásához és elemzéséhez. | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL adatok kezelése | [Adatok kezelése](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, azok különböző típusai és dokumentumadatbázisok feltárásának alapjai. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 06 | NoSQL adatok kezelése | [Adatok kezelése](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, azok különböző típusai és dokumentumadatbázisok feltárásának és elemzésének alapjai. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Python használata | [Adatok kezelése](2-Working-With-Data/README.md) | Alapok a Python használatához az adatok feltárásában, például Pandas könyvtárakkal. Ajánlott a Python programozás alapjainak ismerete. | [lecke](2-Working-With-Data/07-python/README.md) [videó](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Adatok előkészítése | [Adatok kezelése](2-Working-With-Data/README.md) | Az adatok tisztításának és átalakításának technikái a hiányos, pontatlan vagy nem teljes adatok kezelésére. | [lecke](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 08 | Adatok előkészítése | [Adatok kezelése](2-Working-With-Data/README.md) | Témák az adatok tisztításának és átalakításának technikáiról, hogy kezelni lehessen a hiányos, pontatlan vagy nem teljes adatokat. | [lecke](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Mennyiségek vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Tanuld meg, hogyan használhatod a Matplotlib-et madáradatok 🦆 vizualizálására. | [lecke](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Adatok eloszlásának vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Megfigyelések és trendek vizualizálása egy intervallumon belül. | [lecke](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Arányok vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Diszkrét és csoportosított százalékok vizualizálása. | [lecke](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Kapcsolatok vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Kapcsolatok és korrelációk vizualizálása adathalmazok és azok változói között. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Értelmes vizualizációk | [Adatok vizualizálása](3-Data-Visualization/README.md) | Technikák és útmutatók, amelyek segítenek értékes vizualizációk készítésében a hatékony problémamegoldás és betekintés érdekében. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Értékes vizualizációk | [Adatok vizualizálása](3-Data-Visualization/README.md) | Technikák és útmutatók, hogy vizualizációid hatékony problémamegoldásra és betekintésekre legyenek alkalmasak. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Bevezetés az adattudomány életciklusába | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adattudomány életciklusába és annak első lépésébe, az adatok megszerzésébe és kinyerésébe. | [lecke](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatok elemzésének technikáira összpontosít. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatokból származó betekintések bemutatására összpontosít, hogy a döntéshozók könnyebben megértsék azokat. | [lecke](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen fázisa az adatok elemzésének technikáira összpontosít. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen fázisa az adatokból származó betekintések bemutatására összpontosít, hogy a döntéshozók számára érthetőbbé váljon. | [lecke](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Adattudomány a felhőben | [Felhő adatok](5-Data-Science-In-Cloud/README.md) | Ez a leckesorozat bevezeti az adattudományt a felhőben és annak előnyeit. | [lecke](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) | | 18 | Adattudomány a felhőben | [Felhő adatok](5-Data-Science-In-Cloud/README.md) | Modellek tanítása alacsony kódú eszközökkel. |[lecke](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) | -| 19 | Adattudomány a felhőben | [Felhő adatok](5-Data-Science-In-Cloud/README.md) | Modellek telepítése az Azure Machine Learning Studio segítségével. | [lecke](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) | +| 19 | Adattudomány a felhőben | [Felhő adatok](5-Data-Science-In-Cloud/README.md) | Modellek telepítése az Azure Machine Learning Studio-val. | [lecke](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) | | 20 | Adattudomány a való világban | [Való világban](6-Data-Science-In-Wild/README.md) | Adattudomány által vezérelt projektek a való életben. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Kövesd az alábbi lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben: +Kövesd ezeket a lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben: 1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót. 2. Válaszd ki a + New codespace opciót a panel alján. További információért nézd meg a [GitHub dokumentációt](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Kövesd az alábbi lépéseket, hogy megnyisd ezt a repót egy konténerben a helyi gépeden és a VSCode-ban a VS Code Remote - Containers bővítmény segítségével: +Kövesd ezeket a lépéseket, hogy megnyisd ezt a repót egy konténerben a helyi géped és a VSCode segítségével, a VS Code Remote - Containers bővítmény használatával: 1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (például telepítve van a Docker) a [kezdő dokumentációban](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). A repó használatához megnyithatod a repót egy izolált Docker kötetben: -**Megjegyzés**: A háttérben ez a Remote-Containers: **Clone Repository in Container Volume...** parancsot fogja használni, hogy a forráskódot egy Docker kötetbe klónozza a helyi fájlrendszer helyett. [Kötetek](https://docs.docker.com/storage/volumes/) az ajánlott mechanizmusok az adatok tárolására konténerekben. +**Megjegyzés**: A háttérben ez a Remote-Containers: **Clone Repository in Container Volume...** parancsot fogja használni, hogy a forráskódot egy Docker kötetben klónozza a helyi fájlrendszer helyett. A [kötetek](https://docs.docker.com/storage/volumes/) az előnyben részesített mechanizmusok a konténer adatok megőrzésére. Vagy megnyithatod a repó helyileg klónozott vagy letöltött verzióját: - Klónozd ezt a repót a helyi fájlrendszeredre. - Nyomd meg az F1-et, és válaszd a **Remote-Containers: Open Folder in Container...** parancsot. -- Válaszd ki ennek a mappának a klónozott példányát, várd meg, amíg a konténer elindul, és próbáld ki. +- Válaszd ki ennek a mappának a klónozott példányát, várd meg, amíg a konténer elindul, és próbáld ki a dolgokat. ## Offline hozzáférés -Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) segítségével. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépedre, majd a repó gyökérmappájában írd be: `docsify serve`. A weboldal a 3000-es porton lesz elérhető a localhostodon: `localhost:3000`. +Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) segítségével. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépedre, majd a repó gyökérmappájában írd be: `docsify serve`. A weboldal a localhost 3000-es portján lesz elérhető: `localhost:3000`. -> Megjegyzés: A notebookok nem lesznek megjelenítve a Docsify segítségével, így ha notebookot kell futtatnod, azt külön futtasd a VS Code-ban egy Python kernel használatával. +> Megjegyzés: A jegyzetfüzetek nem lesznek megjelenítve a Docsify segítségével, így ha jegyzetfüzetet kell futtatnod, azt külön végezd el a VS Code-ban, Python kernel futtatásával. ## Egyéb tananyagok @@ -157,17 +189,16 @@ Csapatunk más tananyagokat is készít! Nézd meg: - [GitHub Copilot mesterfokon AI páros programozáshoz](https://aka.ms/GitHubCopilotAI) - [XR fejlesztés kezdőknek](https://github.com/microsoft/xr-development-for-beginners) - [GitHub Copilot mesterfokon C#/.NET fejlesztőknek](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Válaszd ki a saját Copilot kalandodat](https://github.com/microsoft/CopilotAdventures) +- [Válaszd ki saját Copilot kalandodat](https://github.com/microsoft/CopilotAdventures) ## Segítség kérése -Ha elakadnál vagy kérdésed van AI alkalmazások építésével kapcsolatban, csatlakozz: +Ha elakadnál vagy kérdésed lenne AI alkalmazások építésével kapcsolatban, csatlakozz: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Ha termék visszajelzésed van vagy hibát tapasztalsz az építés során, látogasd meg: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![Azure AI Foundry Fejlesztői Fórum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Fejlesztői_Fórum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/hu/examples/README.md b/translations/hu/examples/README.md new file mode 100644 index 00000000..3ba32ba4 --- /dev/null +++ b/translations/hu/examples/README.md @@ -0,0 +1,145 @@ + +# Kezdőbarát Adattudományi Példák + +Üdvözlünk a példák könyvtárában! Ez a gyűjtemény egyszerű, jól kommentált példákat tartalmaz, amelyek segítenek elkezdeni az adattudományt, még akkor is, ha teljesen kezdő vagy. + +## 📚 Mit Találsz Itt? + +Minden példa önállóan használható, és tartalmazza: +- **Érthető kommentek**, amelyek minden lépést elmagyaráznak +- **Egyszerű, könnyen olvasható kód**, amely egy-egy fogalmat mutat be +- **Valós életből vett kontextus**, hogy megértsd, mikor és miért használjuk ezeket a technikákat +- **Várható kimenet**, hogy tudd, mit kell keresned + +## 🚀 Első Lépések + +### Előfeltételek +Mielőtt futtatnád a példákat, győződj meg róla, hogy: +- Telepítve van a Python 3.7 vagy újabb verziója +- Alapvető ismeretekkel rendelkezel a Python szkriptek futtatásáról + +### Szükséges Könyvtárak Telepítése +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Példák Áttekintése + +### 1. Hello World - Adattudomány Stílusban +**Fájl:** `01_hello_world_data_science.py` + +Az első adattudományi programod! Megtanulhatod: +- Hogyan tölts be egy egyszerű adatállományt +- Hogyan jeleníts meg alapvető információkat az adataidról +- Hogyan készítsd el az első adattudományi kimenetedet + +Tökéletes kezdőknek, akik szeretnék látni az első adattudományi programjuk működését. + +--- + +### 2. Adatok Betöltése és Felfedezése +**Fájl:** `02_loading_data.py` + +Ismerd meg az adatokkal való munka alapjait: +- Adatok beolvasása CSV fájlokból +- Az adatállomány első néhány sorának megtekintése +- Alapvető statisztikák az adataidról +- Adattípusok megértése + +Ez gyakran az első lépés bármely adattudományi projektben! + +--- + +### 3. Egyszerű Adatelemzés +**Fájl:** `03_simple_analysis.py` + +Végezd el az első adatelemzésedet: +- Alapvető statisztikák kiszámítása (átlag, medián, módusz) +- Maximum és minimum értékek keresése +- Értékek előfordulásának számlálása +- Adatok szűrése feltételek alapján + +Lásd, hogyan válaszolhatsz egyszerű kérdésekre az adataiddal kapcsolatban. + +--- + +### 4. Adatok Vizualizációjának Alapjai +**Fájl:** `04_basic_visualization.py` + +Készítsd el az első vizualizációidat: +- Egyszerű oszlopdiagram készítése +- Vonaldiagram létrehozása +- Kördiagram generálása +- Vizualizációk mentése képként + +Tanuld meg, hogyan kommunikálhatod az eredményeidet vizuálisan! + +--- + +### 5. Munka Valós Adatokkal +**Fájl:** `05_real_world_example.py` + +Rakd össze mindent egy teljes példában: +- Valós adatok betöltése a tárolóból +- Adatok tisztítása és előkészítése +- Elemzés végrehajtása +- Jelentős vizualizációk készítése +- Következtetések levonása + +Ez a példa bemutatja a teljes munkafolyamatot az elejétől a végéig. + +--- + +## 🎯 Hogyan Használd Ezeket a Példákat + +1. **Kezdd az elején**: A példák nehézségi sorrendben vannak számozva. Kezdd a `01_hello_world_data_science.py` fájllal, és haladj sorban. +2. **Olvasd el a kommenteket**: Minden fájl részletes kommenteket tartalmaz, amelyek elmagyarázzák, mit csinál a kód és miért. Olvasd el őket figyelmesen! +3. **Kísérletezz**: Próbáld meg módosítani a kódot. Mi történik, ha megváltoztatsz egy értéket? Törd össze a dolgokat, majd javítsd meg őket - így tanulsz! +4. **Futtasd a kódot**: Hajtsd végre minden példát, és figyeld meg a kimenetet. Hasonlítsd össze azzal, amit vártál. +5. **Építs rá**: Miután megértettél egy példát, próbáld meg kiegészíteni saját ötleteiddel. + +## 💡 Tippek Kezdőknek + +- **Ne siess**: Szánj időt minden példa megértésére, mielőtt továbblépnél +- **Írd be magad a kódot**: Ne csak másold-beilleszd. Az írás segít tanulni és emlékezni +- **Keress rá az ismeretlen fogalmakra**: Ha valami olyat látsz, amit nem értesz, keress rá online vagy a fő leckékben +- **Tegyél fel kérdéseket**: Csatlakozz a [vitafórumhoz](https://github.com/microsoft/Data-Science-For-Beginners/discussions), ha segítségre van szükséged +- **Gyakorolj rendszeresen**: Próbálj meg minden nap egy kicsit kódolni, ahelyett hogy hetente egyszer hosszú üléseket tartanál + +## 🔗 Következő Lépések + +Miután befejezted ezeket a példákat, készen állsz: +- A fő tananyag leckéinek feldolgozására +- A leckék mappáiban található feladatok kipróbálására +- A Jupyter notebookok felfedezésére mélyebb tanulás érdekében +- Saját adattudományi projektek létrehozására + +## 📚 További Források + +- [Fő Tananyag](../README.md) - A teljes 20 leckés kurzus +- [Tanároknak](../for-teachers.md) - Hogyan használhatod ezt a tananyagot az osztályteremben +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Ingyenes online tanulási források +- [Python Dokumentáció](https://docs.python.org/3/) - Hivatalos Python referencia + +## 🤝 Közreműködés + +Találtál egy hibát, vagy van ötleted egy új példára? Szívesen fogadjuk a közreműködéseket! Kérlek, nézd meg a [Közreműködési Útmutatót](../CONTRIBUTING.md). + +--- + +**Jó tanulást! 🎉** + +Ne feledd: Minden szakértő egyszer kezdő volt. Haladj lépésről lépésre, és ne félj hibázni - ez a tanulási folyamat része! + +--- + +**Felelősség kizárása**: +Ez a dokumentum az [Co-op Translator](https://github.com/Azure/co-op-translator) AI fordítási szolgáltatás segítségével lett lefordítva. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy téves értelmezésekért. \ No newline at end of file diff --git a/translations/id/README.md b/translations/id/README.md index 771b2b91..d562301c 100644 --- a/translations/id/README.md +++ b/translations/id/README.md @@ -1,8 +1,8 @@ +# Contoh Data Science untuk Pemula + +Selamat datang di direktori contoh! Koleksi contoh sederhana dengan komentar yang jelas ini dirancang untuk membantu Anda memulai dengan data science, bahkan jika Anda benar-benar pemula. + +## 📚 Apa yang Akan Anda Temukan di Sini + +Setiap contoh bersifat mandiri dan mencakup: +- **Komentar yang jelas** yang menjelaskan setiap langkah +- **Kode yang sederhana dan mudah dibaca** yang menunjukkan satu konsep pada satu waktu +- **Konteks dunia nyata** untuk membantu Anda memahami kapan dan mengapa menggunakan teknik ini +- **Output yang diharapkan** sehingga Anda tahu apa yang harus dicari + +## 🚀 Memulai + +### Prasyarat +Sebelum menjalankan contoh-contoh ini, pastikan Anda memiliki: +- Python 3.7 atau versi lebih tinggi terinstal +- Pemahaman dasar tentang cara menjalankan skrip Python + +### Menginstal Library yang Dibutuhkan +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Ikhtisar Contoh + +### 1. Hello World - Gaya Data Science +**File:** `01_hello_world_data_science.py` + +Program data science pertama Anda! Pelajari cara: +- Memuat dataset sederhana +- Menampilkan informasi dasar tentang data Anda +- Mencetak output data science pertama Anda + +Sempurna untuk pemula yang ingin melihat program data science pertama mereka beraksi. + +--- + +### 2. Memuat dan Mengeksplorasi Data +**File:** `02_loading_data.py` + +Pelajari dasar-dasar bekerja dengan data: +- Membaca data dari file CSV +- Melihat beberapa baris pertama dari dataset Anda +- Mendapatkan statistik dasar tentang data Anda +- Memahami tipe data + +Ini sering menjadi langkah pertama dalam proyek data science apa pun! + +--- + +### 3. Analisis Data Sederhana +**File:** `03_simple_analysis.py` + +Lakukan analisis data pertama Anda: +- Menghitung statistik dasar (mean, median, mode) +- Menemukan nilai maksimum dan minimum +- Menghitung frekuensi nilai +- Memfilter data berdasarkan kondisi + +Lihat bagaimana menjawab pertanyaan sederhana tentang data Anda. + +--- + +### 4. Dasar-Dasar Visualisasi Data +**File:** `04_basic_visualization.py` + +Buat visualisasi pertama Anda: +- Membuat diagram batang sederhana +- Membuat plot garis +- Menghasilkan diagram pie +- Menyimpan visualisasi Anda sebagai gambar + +Pelajari cara menyampaikan temuan Anda secara visual! + +--- + +### 5. Bekerja dengan Data Nyata +**File:** `05_real_world_example.py` + +Gabungkan semuanya dengan contoh lengkap: +- Memuat data nyata dari repositori +- Membersihkan dan mempersiapkan data +- Melakukan analisis +- Membuat visualisasi yang bermakna +- Menarik kesimpulan + +Contoh ini menunjukkan alur kerja lengkap dari awal hingga akhir. + +--- + +## 🎯 Cara Menggunakan Contoh-Contoh Ini + +1. **Mulai dari awal**: Contoh-contoh ini diberi nomor berdasarkan tingkat kesulitan. Mulailah dengan `01_hello_world_data_science.py` dan lanjutkan secara berurutan. + +2. **Baca komentar**: Setiap file memiliki komentar yang terperinci yang menjelaskan apa yang dilakukan kode dan mengapa. Bacalah dengan cermat! + +3. **Bereksperimen**: Cobalah memodifikasi kode. Apa yang terjadi jika Anda mengubah nilai? Cobalah membuat kesalahan dan memperbaikinya - itulah cara belajar! + +4. **Jalankan kode**: Eksekusi setiap contoh dan amati outputnya. Bandingkan dengan apa yang Anda harapkan. + +5. **Kembangkan**: Setelah Anda memahami sebuah contoh, cobalah memperluasnya dengan ide-ide Anda sendiri. + +## 💡 Tips untuk Pemula + +- **Jangan terburu-buru**: Luangkan waktu untuk memahami setiap contoh sebelum melanjutkan ke yang berikutnya +- **Ketik kode sendiri**: Jangan hanya copy-paste. Mengetik membantu Anda belajar dan mengingat +- **Cari konsep yang tidak dikenal**: Jika Anda melihat sesuatu yang tidak Anda pahami, cari tahu secara online atau di pelajaran utama +- **Ajukan pertanyaan**: Bergabunglah dengan [forum diskusi](https://github.com/microsoft/Data-Science-For-Beginners/discussions) jika Anda membutuhkan bantuan +- **Berlatih secara teratur**: Cobalah untuk coding sedikit setiap hari daripada sesi panjang sekali seminggu + +## 🔗 Langkah Selanjutnya + +Setelah menyelesaikan contoh-contoh ini, Anda siap untuk: +- Mengerjakan pelajaran utama dalam kurikulum +- Mencoba tugas di setiap folder pelajaran +- Mengeksplorasi notebook Jupyter untuk pembelajaran yang lebih mendalam +- Membuat proyek data science Anda sendiri + +## 📚 Sumber Daya Tambahan + +- [Kurikulum Utama](../README.md) - Kursus lengkap 20 pelajaran +- [Untuk Guru](../for-teachers.md) - Menggunakan kurikulum ini di kelas Anda +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Sumber belajar online gratis +- [Dokumentasi Python](https://docs.python.org/3/) - Referensi resmi Python + +## 🤝 Kontribusi + +Menemukan bug atau memiliki ide untuk contoh baru? Kami menyambut kontribusi! Silakan lihat [Panduan Kontribusi](../CONTRIBUTING.md). + +--- + +**Selamat Belajar! 🎉** + +Ingat: Setiap ahli dulunya adalah pemula. Ambil langkah satu per satu, dan jangan takut membuat kesalahan - itu adalah bagian dari proses belajar! + +--- + +**Penafian**: +Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berupaya untuk memberikan hasil yang akurat, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan manusia profesional. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini. \ No newline at end of file diff --git a/translations/it/README.md b/translations/it/README.md index 052a2289..492ba71a 100644 --- a/translations/it/README.md +++ b/translations/it/README.md @@ -1,36 +1,20 @@ # Data Science per Principianti - Un Curriculum -[![Apri in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) - -[![Licenza GitHub](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![Contributori GitHub](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![Problemi GitHub](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![Pull Request GitHub](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) - -[![Osservatori GitHub](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![Fork GitHub](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![Stelle GitHub](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) - -[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) - -[![Forum Sviluppatori Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane e 20 lezioni dedicato alla Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un compito. La nostra pedagogia basata sui progetti ti permette di imparare mentre costruisci, un metodo comprovato per far sì che le nuove competenze rimangano impresse. +Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane e 20 lezioni interamente dedicato alla Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un compito. La nostra pedagogia basata sui progetti ti permette di imparare mentre costruisci, un metodo comprovato per far sì che le nuove competenze rimangano impresse. **Un sentito ringraziamento ai nostri autori:** [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). -**🙏 Un ringraziamento speciale 🙏 ai nostri [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autori, revisori e collaboratori di contenuti,** tra cui 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 Un ringraziamento speciale 🙏 ai nostri [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autori, revisori e collaboratori di contenuti,** in particolare 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), +[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote di @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.it.png)| |:---:| @@ -42,12 +26,12 @@ Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 [Francese](../fr/README.md) | [Spagnolo](../es/README.md) | [Tedesco](../de/README.md) | [Russo](../ru/README.md) | [Arabo](../ar/README.md) | [Persiano (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Cinese (Semplificato)](../zh/README.md) | [Cinese (Tradizionale, Macao)](../mo/README.md) | [Cinese (Tradizionale, Hong Kong)](../hk/README.md) | [Cinese (Tradizionale, Taiwan)](../tw/README.md) | [Giapponese](../ja/README.md) | [Coreano](../ko/README.md) | [Hindi](../hi/README.md) | [Bengalese](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalese](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portoghese (Portogallo)](../pt/README.md) | [Portoghese (Brasile)](../br/README.md) | [Italiano](./README.md) | [Polacco](../pl/README.md) | [Turco](../tr/README.md) | [Greco](../el/README.md) | [Thailandese](../th/README.md) | [Svedese](../sv/README.md) | [Danese](../da/README.md) | [Norvegese](../no/README.md) | [Finlandese](../fi/README.md) | [Olandese](../nl/README.md) | [Ebraico](../he/README.md) | [Vietnamita](../vi/README.md) | [Indonesiano](../id/README.md) | [Malese](../ms/README.md) | [Tagalog (Filippino)](../tl/README.md) | [Swahili](../sw/README.md) | [Ungherese](../hu/README.md) | [Ceco](../cs/README.md) | [Slovacco](../sk/README.md) | [Rumeno](../ro/README.md) | [Bulgaro](../bg/README.md) | [Serbo (Cirillico)](../sr/README.md) | [Croato](../hr/README.md) | [Sloveno](../sl/README.md) | [Ucraino](../uk/README.md) | [Birmano (Myanmar)](../my/README.md) -**Se desideri supportare ulteriori lingue, l'elenco è disponibile [qui](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Se desideri avere ulteriori traduzioni, le lingue supportate sono elencate [qui](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Unisciti alla nostra comunità [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Abbiamo una serie di apprendimento con AI in corso su Discord, scopri di più e unisciti a noi alla [Learn with AI Series](https://aka.ms/learnwithai/discord) dal 18 al 30 settembre 2025. Riceverai consigli e trucchi sull'uso di GitHub Copilot per la Data Science. +Abbiamo una serie di apprendimento con AI in corso su Discord, scopri di più e unisciti a noi su [Learn with AI Series](https://aka.ms/learnwithai/discord) dal 18 al 30 settembre 2025. Riceverai consigli e trucchi sull'uso di GitHub Copilot per la Data Science. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.it.jpg) @@ -55,14 +39,16 @@ Abbiamo una serie di apprendimento con AI in corso su Discord, scopri di più e Inizia con le seguenti risorse: -- [Pagina Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) In questa pagina troverai risorse per principianti, pacchetti per studenti e persino modi per ottenere un voucher gratuito per la certificazione. Questa è una pagina da salvare nei preferiti e controllare di tanto in tanto, poiché il contenuto viene aggiornato almeno mensilmente. +- [Pagina Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) In questa pagina troverai risorse per principianti, pacchetti per studenti e persino modi per ottenere un voucher gratuito per la certificazione. Questa è una pagina che vuoi salvare nei preferiti e controllare di tanto in tanto, poiché cambiamo contenuti almeno mensilmente. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Unisciti a una comunità globale di ambasciatori studenti, potrebbe essere il tuo ingresso in Microsoft. # Per iniziare -> **Insegnanti**: abbiamo [incluso alcune indicazioni](for-teachers.md) su come utilizzare questo curriculum. Ci piacerebbe ricevere il vostro feedback [nel nostro forum di discussione](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Principianti Assoluti**: Nuovo alla data science? Inizia con i nostri [esempi per principianti](examples/README.md)! Questi esempi semplici e ben commentati ti aiuteranno a comprendere le basi prima di immergerti nel curriculum completo. + +> **Insegnanti**: abbiamo [incluso alcune indicazioni](for-teachers.md) su come utilizzare questo curriculum. Ci piacerebbe ricevere il tuo feedback [nel nostro forum di discussione](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Studenti](https://aka.ms/student-page)**: per utilizzare questo curriculum autonomamente, fai un fork dell'intero repository e completa gli esercizi da solo, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa il resto delle attività. Cerca di creare i progetti comprendendo le lezioni piuttosto che copiando il codice della soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un'altra idea potrebbe essere formare un gruppo di studio con amici e affrontare insieme il contenuto. Per ulteriori studi, consigliamo [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Studenti](https://aka.ms/student-page)**: per utilizzare questo curriculum autonomamente, fai un fork dell'intero repository e completa gli esercizi da solo, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa il resto delle attività. Cerca di creare i progetti comprendendo le lezioni piuttosto che copiando il codice della soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un'altra idea potrebbe essere formare un gruppo di studio con amici e affrontare insieme i contenuti. Per ulteriori studi, ti consigliamo [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Incontra il Team @@ -74,11 +60,11 @@ Inizia con le seguenti risorse: ## Pedagogia -Abbiamo scelto due principi pedagogici per costruire questo curriculum: garantire che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della data science, inclusi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della data science e altro. +Abbiamo scelto due principi pedagogici durante la creazione di questo curriculum: garantire che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della data science, inclusi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della data science e altro. -Inoltre, un quiz a basso rischio prima della lezione orienta lo studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione garantisce una maggiore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito interamente o in parte. I progetti iniziano piccoli e diventano sempre più complessi entro la fine del ciclo di 10 settimane. +Inoltre, un quiz a basso rischio prima di una lezione orienta l'intenzione dello studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione garantisce una maggiore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito interamente o in parte. I progetti iniziano piccoli e diventano sempre più complessi entro la fine del ciclo di 10 settimane. -> Trova il nostro [Codice di Condotta](CODE_OF_CONDUCT.md), [Contributi](CONTRIBUTING.md), [Linee guida per la Traduzione](TRANSLATIONS.md). Accogliamo con favore il vostro feedback costruttivo! +> Trova il nostro [Codice di Condotta](CODE_OF_CONDUCT.md), [Contributi](CONTRIBUTING.md), [Linee guida per la Traduzione](TRANSLATIONS.md). Accogliamo con favore il tuo feedback costruttivo! ## Ogni lezione include: @@ -92,57 +78,70 @@ Inoltre, un quiz a basso rischio prima della lezione orienta lo studente verso l - Letture supplementari - Compito - [Quiz post-lezione](https://ff-quizzes.netlify.app/en/) +> **Una nota sui quiz**: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz da tre domande ciascuno. Sono collegati all'interno delle lezioni, ma l'app dei quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella `quiz-app`. La localizzazione è in corso. + +## 🎓 Esempi per Principianti -> **Una nota sui quiz**: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz di tre domande ciascuno. Sono collegati all'interno delle lezioni, ma l'app dei quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella `quiz-app`. I quiz vengono gradualmente localizzati. +**Nuovo alla Data Science?** Abbiamo creato una speciale [directory di esempi](examples/README.md) con codice semplice e ben commentato per aiutarti a iniziare: + +- 🌟 **Hello World** - Il tuo primo programma di data science +- 📂 **Caricamento dei Dati** - Impara a leggere ed esplorare i dataset +- 📊 **Analisi Semplice** - Calcola statistiche e trova pattern +- 📈 **Visualizzazione di Base** - Crea grafici e diagrammi +- 🔬 **Progetto Reale** - Workflow completo dall'inizio alla fine + +Ogni esempio include commenti dettagliati che spiegano ogni passaggio, rendendolo perfetto per i principianti assoluti! + +👉 **[Inizia con gli esempi](examples/README.md)** 👈 ## Lezioni + |![ Sketchnote di @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.it.png)| |:---:| | Data Science per Principianti: Roadmap - _Sketchnote di [@nitya](https://twitter.com/nitya)_ | - | Numero Lezione | Argomento | Raggruppamento Lezione | Obiettivi di Apprendimento | Lezione Collegata | Autore | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definire la Data Science | [Introduzione](1-Introduction/README.md) | Impara i concetti di base della data science e come è correlata all'intelligenza artificiale, al machine learning e ai big data. | [lezione](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Etica della Data Science | [Introduzione](1-Introduction/README.md) | Concetti, sfide e framework sull'etica dei dati. | [lezione](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definire i Dati | [Introduzione](1-Introduction/README.md) | Come vengono classificati i dati e le loro fonti comuni. | [lezione](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 01 | Definizione di Data Science | [Introduzione](1-Introduction/README.md) | Impara i concetti di base della data science e come è correlata all'intelligenza artificiale, al machine learning e ai big data. | [lezione](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etica della Data Science | [Introduzione](1-Introduction/README.md) | Concetti, sfide e framework dell'etica dei dati. | [lezione](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Definizione di Dati | [Introduzione](1-Introduction/README.md) | Come i dati vengono classificati e le loro fonti comuni. | [lezione](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Introduzione a Statistica e Probabilità | [Introduzione](1-Introduction/README.md) | Le tecniche matematiche di probabilità e statistica per comprendere i dati. | [lezione](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Lavorare con Dati Relazionali | [Lavorare con i Dati](2-Working-With-Data/README.md) | Introduzione ai dati relazionali e alle basi dell'esplorazione e analisi dei dati relazionali con il linguaggio SQL (pronunciato "see-quell"). | [lezione](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 05 | Lavorare con Dati Relazionali | [Lavorare con i Dati](2-Working-With-Data/README.md) | Introduzione ai dati relazionali e alle basi dell'esplorazione e analisi dei dati relazionali con il linguaggio SQL, noto anche come "see-quell". | [lezione](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Lavorare con Dati NoSQL | [Lavorare con i Dati](2-Working-With-Data/README.md) | Introduzione ai dati non relazionali, ai loro vari tipi e alle basi dell'esplorazione e analisi dei database documentali. | [lezione](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Lavorare con Python | [Lavorare con i Dati](2-Working-With-Data/README.md) | Basi dell'uso di Python per l'esplorazione dei dati con librerie come Pandas. È consigliata una comprensione di base della programmazione in Python. | [lezione](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Preparazione dei Dati | [Lavorare con i Dati](2-Working-With-Data/README.md) | Tecniche sui dati per pulire e trasformare i dati per affrontare le sfide di dati mancanti, inaccurati o incompleti. | [lezione](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 08 | Preparazione dei Dati | [Lavorare con i Dati](2-Working-With-Data/README.md) | Tecniche sui dati per pulire e trasformare i dati per gestire sfide come dati mancanti, inaccurati o incompleti. | [lezione](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Visualizzare Quantità | [Visualizzazione dei Dati](3-Data-Visualization/README.md) | Impara a usare Matplotlib per visualizzare dati sugli uccelli 🦆 | [lezione](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Visualizzare Distribuzioni di Dati | [Visualizzazione dei Dati](3-Data-Visualization/README.md) | Visualizzare osservazioni e tendenze all'interno di un intervallo. | [lezione](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Visualizzare Proporzioni | [Visualizzazione dei Dati](3-Data-Visualization/README.md) | Visualizzare percentuali discrete e raggruppate. | [lezione](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Visualizzare Relazioni | [Visualizzazione dei Dati](3-Data-Visualization/README.md) | Visualizzare connessioni e correlazioni tra insiemi di dati e le loro variabili. | [lezione](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Visualizzazioni Significative | [Visualizzazione dei Dati](3-Data-Visualization/README.md) | Tecniche e linee guida per rendere le tue visualizzazioni utili per una risoluzione efficace dei problemi e per ottenere approfondimenti. | [lezione](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Visualizzazioni Significative | [Visualizzazione dei Dati](3-Data-Visualization/README.md) | Tecniche e linee guida per rendere le tue visualizzazioni utili per una risoluzione efficace dei problemi e per ottenere insight. | [lezione](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Introduzione al ciclo di vita della Data Science | [Ciclo di Vita](4-Data-Science-Lifecycle/README.md) | Introduzione al ciclo di vita della data science e al suo primo passo: acquisire ed estrarre dati. | [lezione](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Analisi | [Ciclo di Vita](4-Data-Science-Lifecycle/README.md) | Questa fase del ciclo di vita della data science si concentra sulle tecniche per analizzare i dati. | [lezione](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Comunicazione | [Ciclo di Vita](4-Data-Science-Lifecycle/README.md) | Questa fase del ciclo di vita della data science si concentra sulla presentazione degli approfondimenti dai dati in modo che sia più facile per i decisori comprendere. | [lezione](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science nel Cloud | [Dati nel Cloud](5-Data-Science-In-Cloud/README.md) | Questa serie di lezioni introduce la data science nel cloud e i suoi vantaggi. | [lezione](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science nel Cloud | [Dati nel Cloud](5-Data-Science-In-Cloud/README.md) | Addestrare modelli usando strumenti Low Code. |[lezione](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science nel Cloud | [Dati nel Cloud](5-Data-Science-In-Cloud/README.md) | Distribuire modelli con Azure Machine Learning Studio. | [lezione](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | +| 16 | Comunicazione | [Ciclo di Vita](4-Data-Science-Lifecycle/README.md) | Questa fase del ciclo di vita della data science si concentra sulla presentazione degli insight dai dati in modo che sia più facile per i decisori comprendere. | [lezione](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science nel Cloud | [Dati nel Cloud](5-Data-Science-In-Cloud/README.md) | Questa serie di lezioni introduce la data science nel cloud e i suoi benefici. | [lezione](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science nel Cloud | [Dati nel Cloud](5-Data-Science-In-Cloud/README.md) | Addestramento di modelli usando strumenti Low Code. |[lezione](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science nel Cloud | [Dati nel Cloud](5-Data-Science-In-Cloud/README.md) | Distribuzione di modelli con Azure Machine Learning Studio. | [lezione](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | | 20 | Data Science nel Mondo Reale | [Nel Mondo Reale](6-Data-Science-In-Wild/README.md) | Progetti guidati dalla data science nel mondo reale. | [lezione](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Segui questi passaggi per aprire questo esempio in un Codespace: -1. Clicca sul menu a discesa "Code" e seleziona l'opzione "Open with Codespaces". +1. Clicca sul menu a discesa Code e seleziona l'opzione Open with Codespaces. 2. Seleziona + New codespace in fondo al pannello. -Per ulteriori informazioni, consulta la [documentazione di GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +Per maggiori informazioni, consulta la [documentazione di GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Segui questi passaggi per aprire questo repository in un container utilizzando la tua macchina locale e VSCode con l'estensione VS Code Remote - Containers: +Segui questi passaggi per aprire questo repository in un container usando la tua macchina locale e VSCode con l'estensione VS Code Remote - Containers: -1. Se è la prima volta che utilizzi un container di sviluppo, assicurati che il tuo sistema soddisfi i prerequisiti (ad esempio, avere Docker installato) nella [documentazione introduttiva](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Se è la prima volta che usi un container di sviluppo, assicurati che il tuo sistema soddisfi i prerequisiti (ad esempio, avere Docker installato) nella [documentazione introduttiva](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Per utilizzare questo repository, puoi aprirlo in un volume Docker isolato: -**Nota**: In background, verrà utilizzato il comando Remote-Containers: **Clone Repository in Container Volume...** per clonare il codice sorgente in un volume Docker anziché nel file system locale. [I volumi](https://docs.docker.com/storage/volumes/) sono il meccanismo preferito per la persistenza dei dati del container. +**Nota**: In background, verrà utilizzato il comando Remote-Containers: **Clone Repository in Container Volume...** per clonare il codice sorgente in un volume Docker invece che nel filesystem locale. I [volumi](https://docs.docker.com/storage/volumes/) sono il meccanismo preferito per la persistenza dei dati del container. Oppure apri una versione clonata o scaricata localmente del repository: -- Clona questo repository nel tuo file system locale. +- Clona questo repository nel tuo filesystem locale. - Premi F1 e seleziona il comando **Remote-Containers: Open Folder in Container...**. - Seleziona la copia clonata di questa cartella, attendi che il container si avvii e prova le funzionalità. @@ -150,7 +149,7 @@ Oppure apri una versione clonata o scaricata localmente del repository: Puoi eseguire questa documentazione offline utilizzando [Docsify](https://docsify.js.org/#/). Fai un fork di questo repository, [installa Docsify](https://docsify.js.org/#/quickstart) sulla tua macchina locale, quindi nella cartella principale di questo repository, digita `docsify serve`. Il sito web sarà servito sulla porta 3000 del tuo localhost: `localhost:3000`. -> Nota, i notebook non verranno resi tramite Docsify, quindi quando hai bisogno di eseguire un notebook, fallo separatamente in VS Code utilizzando un kernel Python. +> Nota, i notebook non verranno visualizzati tramite Docsify, quindi quando hai bisogno di eseguire un notebook, fallo separatamente in VS Code eseguendo un kernel Python. ## Altri Curricula @@ -167,26 +166,25 @@ Il nostro team produce altri curricula! Dai un'occhiata: - [Bash per Principianti](https://github.com/microsoft/bash-for-beginners) - [ML per Principianti](https://aka.ms/ml-beginners) - [Cybersecurity per Principianti](https://github.com/microsoft/Security-101) -- [Sviluppo Web per Principianti](https://aka.ms/webdev-beginners) +- [Web Dev per Principianti](https://aka.ms/webdev-beginners) - [IoT per Principianti](https://aka.ms/iot-beginners) - [Machine Learning per Principianti](https://aka.ms/ml-beginners) - [Sviluppo XR per Principianti](https://aka.ms/xr-dev-for-beginners) - [Mastering GitHub Copilot per la Programmazione AI in Coppia](https://aka.ms/GitHubCopilotAI) - [Sviluppo XR per Principianti](https://github.com/microsoft/xr-development-for-beginners) - [Mastering GitHub Copilot per Sviluppatori C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Scegli la tua Avventura con Copilot](https://github.com/microsoft/CopilotAdventures) +- [Scegli la tua Avventura Copilot](https://github.com/microsoft/CopilotAdventures) ## Ottenere Aiuto -Se hai difficoltà o domande sulla creazione di app AI, unisciti a: +Se ti blocchi o hai domande sulla creazione di app AI, unisciti a: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Se hai feedback sui prodotti o errori durante la creazione, visita: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![Forum degli sviluppatori di Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Disclaimer (Avvertenza)**: -Questo documento è stato tradotto utilizzando il servizio di traduzione automatica [Co-op Translator](https://github.com/Azure/co-op-translator). Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un esperto umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione. \ No newline at end of file +**Disclaimer**: +Questo documento è stato tradotto utilizzando il servizio di traduzione automatica [Co-op Translator](https://github.com/Azure/co-op-translator). Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un traduttore umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione. \ No newline at end of file diff --git a/translations/it/examples/README.md b/translations/it/examples/README.md new file mode 100644 index 00000000..843a96d2 --- /dev/null +++ b/translations/it/examples/README.md @@ -0,0 +1,149 @@ + +# Esempi di Data Science per Principianti + +Benvenuto nella directory degli esempi! Questa raccolta di esempi semplici e ben commentati è pensata per aiutarti a iniziare con la data science, anche se sei un principiante assoluto. + +## 📚 Cosa Troverai Qui + +Ogni esempio è autonomo e include: +- **Commenti chiari** che spiegano ogni passaggio +- **Codice semplice e leggibile** che dimostra un concetto alla volta +- **Contesto reale** per aiutarti a capire quando e perché utilizzare queste tecniche +- **Output previsto** così sai cosa cercare + +## 🚀 Per Iniziare + +### Prerequisiti +Prima di eseguire questi esempi, assicurati di avere: +- Python 3.7 o superiore installato +- Una conoscenza di base su come eseguire script Python + +### Installazione delle Librerie Necessarie +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Panoramica degli Esempi + +### 1. Hello World - Stile Data Science +**File:** `01_hello_world_data_science.py` + +Il tuo primo programma di data science! Impara a: +- Caricare un dataset semplice +- Visualizzare informazioni di base sui tuoi dati +- Stampare il tuo primo output di data science + +Perfetto per principianti assoluti che vogliono vedere il loro primo programma di data science in azione. + +--- + +### 2. Caricamento ed Esplorazione dei Dati +**File:** `02_loading_data.py` + +Impara le basi del lavoro con i dati: +- Leggere dati da file CSV +- Visualizzare le prime righe del tuo dataset +- Ottenere statistiche di base sui tuoi dati +- Comprendere i tipi di dati + +Questo è spesso il primo passo in qualsiasi progetto di data science! + +--- + +### 3. Analisi Semplice dei Dati +**File:** `03_simple_analysis.py` + +Esegui la tua prima analisi dei dati: +- Calcolare statistiche di base (media, mediana, moda) +- Trovare valori massimi e minimi +- Contare le occorrenze dei valori +- Filtrare i dati in base a condizioni + +Scopri come rispondere a semplici domande sui tuoi dati. + +--- + +### 4. Fondamenti di Visualizzazione dei Dati +**File:** `04_basic_visualization.py` + +Crea le tue prime visualizzazioni: +- Realizzare un semplice grafico a barre +- Creare un grafico a linee +- Generare un grafico a torta +- Salvare le tue visualizzazioni come immagini + +Impara a comunicare i tuoi risultati visivamente! + +--- + +### 5. Lavorare con Dati Reali +**File:** `05_real_world_example.py` + +Metti tutto insieme con un esempio completo: +- Caricare dati reali dal repository +- Pulire e preparare i dati +- Eseguire analisi +- Creare visualizzazioni significative +- Trarre conclusioni + +Questo esempio ti mostra un flusso di lavoro completo dall'inizio alla fine. + +--- + +## 🎯 Come Utilizzare Questi Esempi + +1. **Inizia dall'inizio**: Gli esempi sono numerati in ordine di difficoltà. Inizia con `01_hello_world_data_science.py` e procedi in ordine. + +2. **Leggi i commenti**: Ogni file ha commenti dettagliati che spiegano cosa fa il codice e perché. Leggili attentamente! + +3. **Sperimenta**: Prova a modificare il codice. Cosa succede se cambi un valore? Rompi le cose e riparale - è così che si impara! + +4. **Esegui il codice**: Esegui ogni esempio e osserva l'output. Confrontalo con ciò che ti aspettavi. + +5. **Costruisci su di esso**: Una volta che hai capito un esempio, prova a estenderlo con le tue idee. + +## 💡 Consigli per Principianti + +- **Non avere fretta**: Prenditi il tempo per capire ogni esempio prima di passare al successivo +- **Scrivi il codice tu stesso**: Non limitarti a copiare e incollare. Scrivere aiuta a imparare e ricordare +- **Cerca concetti sconosciuti**: Se vedi qualcosa che non capisci, cercalo online o nelle lezioni principali +- **Fai domande**: Unisciti al [forum di discussione](https://github.com/microsoft/Data-Science-For-Beginners/discussions) se hai bisogno di aiuto +- **Pratica regolarmente**: Cerca di programmare un po' ogni giorno piuttosto che sessioni lunghe una volta a settimana + +## 🔗 Prossimi Passi + +Dopo aver completato questi esempi, sei pronto per: +- Seguire le lezioni principali del curriculum +- Provare gli esercizi in ogni cartella delle lezioni +- Esplorare i notebook Jupyter per un apprendimento più approfondito +- Creare i tuoi progetti di data science + +## 📚 Risorse Aggiuntive + +- [Curriculum Principale](../README.md) - Il corso completo di 20 lezioni +- [Per Insegnanti](../for-teachers.md) - Utilizzare questo curriculum in classe +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Risorse di apprendimento online gratuite +- [Documentazione Python](https://docs.python.org/3/) - Riferimento ufficiale di Python + +## 🤝 Contribuire + +Hai trovato un bug o hai un'idea per un nuovo esempio? Accogliamo con piacere i contributi! Consulta la nostra [Guida per Contribuire](../CONTRIBUTING.md). + +--- + +**Buono studio! 🎉** + +Ricorda: Ogni esperto è stato un principiante. Fai un passo alla volta e non aver paura di commettere errori - fanno parte del processo di apprendimento! + +--- + +**Clausola di esclusione della responsabilità**: +Questo documento è stato tradotto utilizzando il servizio di traduzione automatica [Co-op Translator](https://github.com/Azure/co-op-translator). Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un traduttore umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione. \ No newline at end of file diff --git a/translations/ja/README.md b/translations/ja/README.md index 87c8051b..247385bd 100644 --- a/translations/ja/README.md +++ b/translations/ja/README.md @@ -1,40 +1,40 @@ # 初心者のためのデータサイエンス - カリキュラム -[![GitHub Codespacesで開く](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) -[![GitHub ライセンス](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub コントリビューター](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub イシュー](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub プルリクエスト](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PR歓迎](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub ウォッチャー](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub フォーク](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub スター](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) [![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -MicrosoftのAzure Cloud Advocatesは、データサイエンスに関する10週間、20レッスンのカリキュラムを提供します。各レッスンには、事前・事後のクイズ、レッスンを完了するための書面による指示、解答例、課題が含まれています。プロジェクトベースの学習法により、実際に作業をしながら学ぶことで、新しいスキルを確実に身につけることができます。 +MicrosoftのAzure Cloud Advocatesは、データサイエンスに関する10週間、20レッスンのカリキュラムを提供します。各レッスンには、事前・事後のクイズ、レッスンを完了するための詳細な指示、解答例、課題が含まれています。プロジェクトベースの学習方法を採用しており、実際に作業をしながら学ぶことで、新しいスキルを確実に身につけることができます。 **著者の皆様に感謝します:** [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). **🙏 特別な感謝 🙏 をMicrosoft Student Ambassadorの著者、レビューアー、コンテンツ提供者の皆様に:** 特に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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) -|![@sketchthedocsによるスケッチノート https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.ja.png)| +|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.ja.png)| |:---:| -| 初心者のためのデータサイエンス - _[@nitya](https://twitter.com/nitya)によるスケッチノート_ | +| 初心者のためのデータサイエンス - _スケッチノート作成者 [@nitya](https://twitter.com/nitya)_ | ### 🌐 多言語対応 @@ -47,34 +47,36 @@ MicrosoftのAzure Cloud Advocatesは、データサイエンスに関する10週 #### コミュニティに参加しよう [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -現在、DiscordでAI学習シリーズを開催中です。詳細を確認し、2025年9月18日から30日までの[Learn with AI Series](https://aka.ms/learnwithai/discord)に参加してください。GitHub Copilotをデータサイエンスで活用するためのヒントやコツを学べます。 +現在、DiscordでAI学習シリーズを開催中です。詳細を確認し、2025年9月18日から30日までの[Learn with AI Series](https://aka.ms/learnwithai/discord)に参加してください。GitHub Copilotを活用したデータサイエンスのヒントやコツを学べます。 -![Learn with AIシリーズ](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.ja.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.ja.jpg) # 学生の方へ -以下のリソースから始めてみましょう： +以下のリソースから始めましょう： -- [Student Hubページ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) このページでは、初心者向けリソース、学生向けパック、さらには無料の認定証バウチャーを取得する方法が見つかります。このページはブックマークして、定期的にチェックすることをお勧めします。コンテンツは少なくとも月に一度更新されます。 -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 世界中の学生アンバサダーコミュニティに参加しましょう。これがMicrosoftへの道になるかもしれません。 +- [Student Hubページ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) このページでは、初心者向けリソース、学生向けパック、さらには無料の認定試験バウチャーを取得する方法が見つかります。このページはブックマークして、定期的にチェックすることをお勧めします。コンテンツは少なくとも月に一度更新されます。 +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) グローバルな学生アンバサダーコミュニティに参加しましょう。これがMicrosoftへの道になるかもしれません。 # 始め方 -> **教師の方へ**: このカリキュラムの使用方法について[いくつかの提案](for-teachers.md)を含めています。フィードバックは[ディスカッションフォーラム](https://github.com/microsoft/Data-Science-For-Beginners/discussions)でお待ちしています！ +> **完全な初心者**: データサイエンスが初めての方は、[初心者向けの例](examples/README.md)から始めてください！これらのシンプルでコメントが豊富な例は、カリキュラムに進む前に基本を理解するのに役立ちます。 -> **[学生の方へ](https://aka.ms/student-page)**: このカリキュラムを個人で使用するには、リポジトリ全体をフォークし、事前講義クイズから始めて自分で演習を完了してください。その後、講義を読み、残りの活動を完了します。解答コードをコピーするのではなく、レッスンを理解しながらプロジェクトを作成することを目指してください。ただし、解答コードは各プロジェクト指向のレッスンの/solutionsフォルダーにあります。また、友達と勉強グループを作り、一緒にコンテンツを進めるのも良いアイデアです。さらに学習を進めるには、[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)をお勧めします。 +> **教師の方へ**: このカリキュラムの使用方法について[いくつかの提案](for-teachers.md)を含めています。ぜひ[ディスカッションフォーラム](https://github.com/microsoft/Data-Science-For-Beginners/discussions)でフィードバックをお寄せください！ + +> **[学生の方へ](https://aka.ms/student-page)**: このカリキュラムを個人で使用する場合は、リポジトリ全体をフォークして、事前クイズから始めて自分で演習を完了してください。その後、講義を読み、残りの活動を完了します。解答コードをコピーするのではなく、レッスンを理解しながらプロジェクトを作成することを目指してください。ただし、解答コードは各プロジェクトベースのレッスンの/solutionsフォルダーにあります。また、友達と勉強グループを作り、一緒にコンテンツを進めるのも良いアイデアです。さらに学習を進めるには、[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)をお勧めします。 ## チーム紹介 -[![プロモーション動画](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "プロモーション動画") +[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") -**Gif作成者:** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gif作成者** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 上の画像をクリックすると、このプロジェクトと作成者についての動画が見られます！ -## 教育方針 +## 教育方法 -このカリキュラムを構築する際に、プロジェクトベースであることと頻繁なクイズを含むことの2つの教育方針を採用しました。このシリーズの終わりまでに、学生はデータサイエンスの基本原則、倫理的な概念、データ準備、データの扱い方のさまざまな方法、データの可視化、データ分析、データサイエンスの実際の使用例などを学びます。 +このカリキュラムを作成する際に、プロジェクトベースであることと頻繁なクイズを含むことの2つの教育的原則を採用しました。このシリーズの終わりまでに、学生はデータサイエンスの基本原則、倫理的概念、データ準備、データの扱い方のさまざまな方法、データの可視化、データ分析、データサイエンスの実際の使用例などを学びます。 さらに、授業前の低リスクなクイズは、学生がトピックを学ぶ意欲を高め、授業後のクイズは学習内容の定着を促します。このカリキュラムは柔軟で楽しいものになるよう設計されており、全体または部分的に受講することができます。プロジェクトは小規模なものから始まり、10週間のサイクルの終わりには徐々に複雑になります。 @@ -85,41 +87,53 @@ MicrosoftのAzure Cloud Advocatesは、データサイエンスに関する10週 - オプションのスケッチノート - オプションの補足動画 - レッスン前のウォームアップクイズ -- 書面によるレッスン -- プロジェクトベースのレッスンでは、プロジェクトの構築方法に関するステップバイステップガイド +- 書かれたレッスン内容 +- プロジェクトベースのレッスンの場合、プロジェクトを構築するためのステップバイステップガイド - 知識チェック - チャレンジ - 補足読書 - 課題 - [レッスン後のクイズ](https://ff-quizzes.netlify.app/en/) +> **クイズについての注意**: すべてのクイズはQuiz-Appフォルダーに含まれており、合計40個のクイズがあり、それぞれ3つの質問で構成されています。レッスン内からリンクされていますが、クイズアプリはローカルで実行することもAzureにデプロイすることも可能です。`quiz-app`フォルダー内の指示に従ってください。クイズは徐々にローカライズされています。 + +## 🎓 初心者向けの例 + +**データサイエンスが初めてですか？** シンプルでコメントが充実したコードを集めた特別な[例のディレクトリ](examples/README.md)を作成しました。これを使って始めてみましょう： -> **クイズについての注意**: すべてのクイズはQuiz-Appフォルダーに含まれており、合計40個のクイズが各3問ずつあります。レッスン内からリンクされていますが、クイズアプリはローカルで実行するかAzureにデプロイすることができます。`quiz-app`フォルダー内の指示に従ってください。クイズは徐々にローカライズされています。 +- 🌟 **Hello World** - 初めてのデータサイエンスプログラム +- 📂 **データの読み込み** - データセットの読み取りと探索を学ぶ +- 📊 **簡単な分析** - 統計を計算し、パターンを見つける +- 📈 **基本的な可視化** - チャートやグラフを作成する +- 🔬 **実際のプロジェクト** - 開始から終了までの完全なワークフロー -## レッスン一覧 +各例には、各ステップを詳しく説明するコメントが含まれており、初心者に最適です！ +👉 **[例から始める](examples/README.md)** 👈 -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ja.png)| +## レッスン + +|![ @sketchthedocs によるスケッチノート https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ja.png)| |:---:| -| データサイエンス初心者向けロードマップ - _スケッチノート by [@nitya](https://twitter.com/nitya)_ | +| データサイエンス初心者向け: ロードマップ - _[@nitya](https://twitter.com/nitya) によるスケッチノート_ | | レッスン番号 | トピック | レッスングループ | 学習目標 | リンクされたレッスン | 著者 | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | データサイエンスの定義 | [イントロダクション](1-Introduction/README.md) | データサイエンスの基本概念と、それが人工知能、機械学習、大量データとどのように関連しているかを学ぶ。 | [レッスン](1-Introduction/01-defining-data-science/README.md) [動画](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 01 | データサイエンスの定義 | [イントロダクション](1-Introduction/README.md) | データサイエンスの基本概念と、それが人工知能、機械学習、ビッグデータとどのように関連しているかを学ぶ。 | [レッスン](1-Introduction/01-defining-data-science/README.md) [動画](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | データサイエンス倫理 | [イントロダクション](1-Introduction/README.md) | データ倫理の概念、課題、フレームワーク。 | [レッスン](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | データの定義 | [イントロダクション](1-Introduction/README.md) | データの分類方法とその一般的なソース。 | [レッスン](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | 統計と確率のイントロダクション | [イントロダクション](1-Introduction/README.md) | データを理解するための確率と統計の数学的手法。 | [レッスン](1-Introduction/04-stats-and-probability/README.md) [動画](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | リレーショナルデータの操作 | [データ操作](2-Working-With-Data/README.md) | リレーショナルデータの紹介と、SQL（「シークエル」と発音）を使用したリレーショナルデータの探索と分析の基本。 | [レッスン](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 05 | リレーショナルデータの操作 | [データ操作](2-Working-With-Data/README.md) | リレーショナルデータの紹介と、SQL（「シークエル」と発音）として知られる構造化クエリ言語を使用したリレーショナルデータの探索と分析の基本。 | [レッスン](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | NoSQLデータの操作 | [データ操作](2-Working-With-Data/README.md) | 非リレーショナルデータの紹介、そのさまざまな種類、およびドキュメントデータベースの探索と分析の基本。 | [レッスン](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Pythonの操作 | [データ操作](2-Working-With-Data/README.md) | Pandasなどのライブラリを使用したPythonによるデータ探索の基本。Pythonプログラミングの基礎的な理解が推奨されます。 | [レッスン](2-Working-With-Data/07-python/README.md) [動画](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | データ準備 | [データ操作](2-Working-With-Data/README.md) | 欠損、不正確、不完全なデータの課題に対処するためのデータクリーニングと変換技術に関するトピック。 | [レッスン](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 07 | Pythonの操作 | [データ操作](2-Working-With-Data/README.md) | Pandasなどのライブラリを使用してデータを探索するためのPythonの基本。Pythonプログラミングの基礎的な理解が推奨されます。 | [レッスン](2-Working-With-Data/07-python/README.md) [動画](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | データ準備 | [データ操作](2-Working-With-Data/README.md) | 欠損、不正確、または不完全なデータの課題に対処するためのデータのクリーニングと変換技術に関するトピック。 | [レッスン](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | 数量の可視化 | [データ可視化](3-Data-Visualization/README.md) | Matplotlibを使用して鳥のデータを可視化する方法を学ぶ 🦆 | [レッスン](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | データ分布の可視化 | [データ可視化](3-Data-Visualization/README.md) | 区間内の観察と傾向を可視化する。 | [レッスン](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | 比率の可視化 | [データ可視化](3-Data-Visualization/README.md) | 離散的およびグループ化された割合を可視化する。 | [レッスン](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | 関係性の可視化 | [データ可視化](3-Data-Visualization/README.md) | データセットとその変数間の接続と相関を可視化する。 | [レッスン](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | 意味のある可視化 | [データ可視化](3-Data-Visualization/README.md) | 問題解決と洞察を効果的にするための価値ある可視化を作成するための技術とガイダンス。 | [レッスン](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | データサイエンスライフサイクルのイントロダクション | [ライフサイクル](4-Data-Science-Lifecycle/README.md) | データサイエンスライフサイクルの紹介とその最初のステップであるデータの取得と抽出。 | [レッスン](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | 分析 | [ライフサイクル](4-Data-Science-Lifecycle/README.md) | データサイエンスライフサイクルのこのフェーズでは、データを分析する技術に焦点を当てる。 | [レッスン](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | コミュニケーション | [ライフサイクル](4-Data-Science-Lifecycle/README.md) | データサイエンスライフサイクルのこのフェーズでは、意思決定者が理解しやすい形でデータから得られた洞察を提示することに焦点を当てる。 | [レッスン](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 13 | 意味のある可視化 | [データ可視化](3-Data-Visualization/README.md) | 効果的な問題解決と洞察のために、可視化を価値あるものにするための技術とガイダンス。 | [レッスン](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | データサイエンスライフサイクルのイントロダクション | [ライフサイクル](4-Data-Science-Lifecycle/README.md) | データサイエンスライフサイクルの紹介と、データの取得と抽出の最初のステップ。 | [レッスン](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | 分析 | [ライフサイクル](4-Data-Science-Lifecycle/README.md) | データサイエンスライフサイクルのこのフェーズでは、データを分析するための技術に焦点を当てます。 | [レッスン](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | コミュニケーション | [ライフサイクル](4-Data-Science-Lifecycle/README.md) | データサイエンスライフサイクルのこのフェーズでは、意思決定者が理解しやすい形でデータから得られた洞察を提示することに焦点を当てます。 | [レッスン](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | クラウドでのデータサイエンス | [クラウドデータ](5-Data-Science-In-Cloud/README.md) | クラウドでのデータサイエンスとその利点を紹介する一連のレッスン。 | [レッスン](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) と [Maud](https://twitter.com/maudstweets) | | 18 | クラウドでのデータサイエンス | [クラウドデータ](5-Data-Science-In-Cloud/README.md) | ローコードツールを使用したモデルのトレーニング。 |[レッスン](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) と [Maud](https://twitter.com/maudstweets) | | 19 | クラウドでのデータサイエンス | [クラウドデータ](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studioを使用したモデルのデプロイ。 | [レッスン](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) と [Maud](https://twitter.com/maudstweets) | @@ -127,29 +141,29 @@ MicrosoftのAzure Cloud Advocatesは、データサイエンスに関する10週 ## GitHub Codespaces -以下の手順に従って、このサンプルをCodespaceで開いてください： -1. 「Code」ドロップダウンメニューをクリックし、「Open with Codespaces」オプションを選択します。 +Codespaceでこのサンプルを開く手順： +1. Codeドロップダウンメニューをクリックし、「Open with Codespaces」オプションを選択します。 2. ペインの下部にある「+ New codespace」を選択します。 詳細については、[GitHubのドキュメント](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)をご覧ください。 ## VSCode Remote - Containers -以下の手順に従って、ローカルマシンとVSCodeを使用してこのリポジトリをコンテナで開いてください。VS Code Remote - Containers拡張機能を使用します： +VSCodeのRemote - Containers拡張機能を使用して、ローカルマシンでこのリポジトリをコンテナ内で開く手順： -1. 開発コンテナを初めて使用する場合は、[開始ガイド](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)でシステムが必要条件を満たしていることを確認してください（例：Dockerがインストールされていること）。 +1. 開発コンテナを初めて使用する場合は、[開始ドキュメント](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)でシステムが必要条件を満たしていることを確認してください（例：Dockerがインストールされていること）。 このリポジトリを使用するには、以下のいずれかの方法を選択してください： **注意**: 内部的には、Remote-Containers: **Clone Repository in Container Volume...** コマンドを使用して、ソースコードをローカルファイルシステムではなくDockerボリュームにクローンします。[ボリューム](https://docs.docker.com/storage/volumes/)はコンテナデータを永続化するための推奨メカニズムです。 -または、ローカルにクローンまたはダウンロードしたリポジトリを開く： +または、ローカルにクローンまたはダウンロードしたバージョンを開く： - このリポジトリをローカルファイルシステムにクローンします。 - F1キーを押して、**Remote-Containers: Open Folder in Container...** コマンドを選択します。 -- クローンしたフォルダを選択し、コンテナが起動するのを待って試してみてください。 +- このフォルダーのクローンコピーを選択し、コンテナが起動するのを待って試してみてください。 ## オフラインアクセス -[Docsify](https://docsify.js.org/#/)を使用して、このドキュメントをオフラインで実行できます。このリポジトリをフォークし、[Docsifyをインストール](https://docsify.js.org/#/quickstart)してローカルマシンにインストールし、このリポジトリのルートフォルダで`docsify serve`と入力してください。ウェブサイトはローカルホストのポート3000で提供されます：`localhost:3000`。 +[Docsify](https://docsify.js.org/#/)を使用して、このドキュメントをオフラインで実行できます。このリポジトリをフォークし、[Docsifyをインストール](https://docsify.js.org/#/quickstart)してローカルマシンにインストールし、このリポジトリのルートフォルダーで`docsify serve`と入力してください。ウェブサイトはローカルホストのポート3000で提供されます：`localhost:3000`。 > 注意：Docsifyではノートブックはレンダリングされません。そのため、ノートブックを実行する必要がある場合は、Pythonカーネルを実行しているVS Codeで別途行ってください。 @@ -157,37 +171,36 @@ MicrosoftのAzure Cloud Advocatesは、データサイエンスに関する10週 私たちのチームは他のカリキュラムも制作しています！以下をご覧ください： -- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) -- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) -- [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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) +- [初心者向けEdge AI](https://aka.ms/edgeai-for-beginners) +- [初心者向けAIエージェント](https://aka.ms/ai-agents-beginners) +- [初心者向け生成AI](https://aka.ms/genai-beginners) +- [初心者向け生成AI .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [JavaScriptでの生成AI](https://github.com/microsoft/generative-ai-with-javascript) +- [Javaでの生成AI](https://aka.ms/genaijava) +- [初心者向けAI](https://aka.ms/ai-beginners) +- [初心者向けデータサイエンス](https://aka.ms/datascience-beginners) +- [初心者向けBash](https://github.com/microsoft/bash-for-beginners) +- [初心者向け機械学習](https://aka.ms/ml-beginners) +- [初心者向けサイバーセキュリティ](https://github.com/microsoft/Security-101) +- [初心者向けWeb開発](https://aka.ms/webdev-beginners) +- [初心者向けIoT](https://aka.ms/iot-beginners) +- [初心者向け機械学習](https://aka.ms/ml-beginners) +- [初心者向けXR開発](https://aka.ms/xr-dev-for-beginners) +- [GitHub Copilotを活用したAIペアプログラミングのマスター](https://aka.ms/GitHubCopilotAI) +- [初心者向けXR開発](https://github.com/microsoft/xr-development-for-beginners) +- [C#/.NET開発者向けGitHub Copilotのマスター](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Copilotアドベンチャーを選ぶ](https://github.com/microsoft/CopilotAdventures) ## ヘルプを得る -行き詰まったり、AIアプリの構築に関する質問がある場合は、以下に参加してください： +AIアプリの構築で行き詰まったり質問がある場合は、以下に参加してください： [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -製品のフィードバックや構築中のエラーがある場合は、以下をご覧ください： - +製品のフィードバックや構築中のエラーについては以下をご覧ください： [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **免責事項**: -この文書は、AI翻訳サービス[Co-op Translator](https://github.com/Azure/co-op-translator)を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知ください。元の言語で記載された文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当方は責任を負いません。 \ No newline at end of file +この文書は、AI翻訳サービス [Co-op Translator](https://github.com/Azure/co-op-translator) を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があります。元の言語で記載された文書を正式な情報源としてお考えください。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当方は一切の責任を負いません。 \ No newline at end of file diff --git a/translations/ja/examples/README.md b/translations/ja/examples/README.md new file mode 100644 index 00000000..2868e476 --- /dev/null +++ b/translations/ja/examples/README.md @@ -0,0 +1,149 @@ + +# 初心者向けデータサイエンスの例 + +例のディレクトリへようこそ！このコレクションは、シンプルでコメントが充実した例を集めたもので、データサイエンスを始めたい初心者の方に最適です。 + +## 📚 ここで見つかるもの + +各例は独立しており、以下を含みます： +- **明確なコメント**：各ステップを丁寧に説明 +- **シンプルで読みやすいコード**：1つの概念を1度に学べる +- **実際の状況に即した内容**：いつ、なぜその技術を使うのか理解できる +- **期待される出力**：何を目指すべきかが分かる + +## 🚀 始め方 + +### 必要条件 +これらの例を実行する前に、以下を準備してください： +- Python 3.7以上がインストールされていること +- Pythonスクリプトの実行方法の基本的な理解 + +### 必要なライブラリのインストール +```bash +pip install pandas numpy matplotlib +``` + +## 📖 例の概要 + +### 1. Hello World - データサイエンス編 +**ファイル名:** `01_hello_world_data_science.py` + +最初のデータサイエンスプログラム！以下を学びます： +- シンプルなデータセットの読み込み +- データの基本情報を表示 +- 最初のデータサイエンス出力を表示 + +データサイエンスを初めて体験する方に最適です。 + +--- + +### 2. データの読み込みと探索 +**ファイル名:** `02_loading_data.py` + +データ操作の基本を学びます： +- CSVファイルからデータを読み込む +- データセットの最初の数行を表示 +- データの基本統計を取得 +- データ型を理解 + +これは、ほとんどのデータサイエンスプロジェクトの最初のステップです！ + +--- + +### 3. シンプルなデータ分析 +**ファイル名:** `03_simple_analysis.py` + +最初のデータ分析を行います： +- 基本統計量（平均、中央値、最頻値）の計算 +- 最大値と最小値の特定 +- 値の出現回数をカウント +- 条件に基づいてデータをフィルタリング + +データに関する簡単な質問に答える方法を学びます。 + +--- + +### 4. データ可視化の基本 +**ファイル名:** `04_basic_visualization.py` + +最初の可視化を作成します： +- シンプルな棒グラフを作成 +- 折れ線グラフを作成 +- 円グラフを生成 +- 可視化を画像として保存 + +視覚的に結果を伝える方法を学びます！ + +--- + +### 5. 実データを使った作業 +**ファイル名:** `05_real_world_example.py` + +すべてを組み合わせた完全な例： +- リポジトリから実データを読み込む +- データをクリーンアップし準備する +- 分析を実行 +- 意味のある可視化を作成 +- 結論を導き出す + +最初から最後までの完全なワークフローを体験できます。 + +--- + +## 🎯 これらの例の使い方 + +1. **最初から始める**：例は難易度順に番号が付けられています。`01_hello_world_data_science.py`から始めて順番に進めてください。 + +2. **コメントを読む**：各ファイルには、コードが何をしているのか、なぜそうしているのかを説明する詳細なコメントがあります。しっかり読んでください！ + +3. **試してみる**：コードを変更してみてください。値を変えるとどうなるか？壊して直すことで学びましょう！ + +4. **コードを実行する**：各例を実行し、出力を観察してください。期待した結果と比較してみましょう。 + +5. **発展させる**：例を理解したら、自分のアイデアで拡張してみてください。 + +## 💡 初心者へのヒント + +- **焦らない**：次に進む前に、各例をしっかり理解する時間を取りましょう +- **自分でコードを入力する**：コピー＆ペーストせずに、自分で入力することで学びが深まります +- **分からない概念を調べる**：分からないことがあれば、オンラインやメインレッスンで調べてみましょう +- **質問する**：助けが必要な場合は、[ディスカッションフォーラム](https://github.com/microsoft/Data-Science-For-Beginners/discussions)に参加してください +- **定期的に練習する**：週に一度長時間やるよりも、毎日少しずつコードを書く方が効果的です + +## 🔗 次のステップ + +これらの例を終えたら、次のことに挑戦できます： +- メインカリキュラムのレッスンを進める +- 各レッスンフォルダの課題に取り組む +- Jupyterノートブックを使ってさらに深く学ぶ +- 自分のデータサイエンスプロジェクトを作成する + +## 📚 追加リソース + +- [メインカリキュラム](../README.md) - 全20レッスンのコース +- [教師向け](../for-teachers.md) - このカリキュラムを授業で使う方法 +- [Microsoft Learn](https://docs.microsoft.com/learn/) - 無料のオンライン学習リソース +- [Python ドキュメント](https://docs.python.org/3/) - 公式Pythonリファレンス + +## 🤝 コントリビューション + +バグを見つけた場合や新しい例のアイデアがある場合は、ぜひ貢献してください！[コントリビューションガイド](../CONTRIBUTING.md)をご覧ください。 + +--- + +**楽しく学びましょう！🎉** + +覚えておいてください：どんな専門家も最初は初心者でした。一歩ずつ進み、間違いを恐れないでください。それも学びの一部です！ + +--- + +**免責事項**: +この文書は、AI翻訳サービス[Co-op Translator](https://github.com/Azure/co-op-translator)を使用して翻訳されています。正確性を期して努力しておりますが、自動翻訳には誤りや不正確さが含まれる可能性があります。元の言語で記載された文書が正式な情報源と見なされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用に起因する誤解や誤認について、当社は一切の責任を負いません。 \ No newline at end of file diff --git a/translations/ko/README.md b/translations/ko/README.md index 633e9756..163b3815 100644 --- a/translations/ko/README.md +++ b/translations/ko/README.md @@ -1,8 +1,8 @@ +# 초보자를 위한 데이터 과학 예제 + +예제 디렉토리에 오신 것을 환영합니다! 이 간단하고 잘 주석 처리된 예제 모음은 데이터 과학을 처음 접하는 분들도 쉽게 시작할 수 있도록 설계되었습니다. + +## 📚 여기서 찾을 수 있는 것들 + +각 예제는 독립적으로 구성되어 있으며 다음을 포함합니다: +- **명확한 주석**: 모든 단계에 대한 설명 +- **간단하고 읽기 쉬운 코드**: 한 번에 하나의 개념을 보여줌 +- **실제 사례**: 언제, 왜 이러한 기술을 사용하는지 이해를 돕는 맥락 제공 +- **예상 출력**: 결과를 확인할 수 있도록 제공 + +## 🚀 시작하기 + +### 사전 준비 +이 예제를 실행하기 전에 다음을 준비하세요: +- Python 3.7 이상 설치 +- Python 스크립트를 실행하는 기본적인 방법 이해 + +### 필요한 라이브러리 설치 +```bash +pip install pandas numpy matplotlib +``` + +## 📖 예제 개요 + +### 1. Hello World - 데이터 과학 스타일 +**파일:** `01_hello_world_data_science.py` + +첫 번째 데이터 과학 프로그램! 다음을 배웁니다: +- 간단한 데이터셋 로드 +- 데이터에 대한 기본 정보 표시 +- 첫 번째 데이터 과학 결과 출력 + +데이터 과학을 처음 접하는 분들이 첫 프로그램을 실행해볼 수 있는 완벽한 시작점입니다. + +--- + +### 2. 데이터 로드 및 탐색 +**파일:** `02_loading_data.py` + +데이터 작업의 기본을 배웁니다: +- CSV 파일에서 데이터 읽기 +- 데이터셋의 첫 몇 줄 보기 +- 데이터에 대한 기본 통계 확인 +- 데이터 유형 이해 + +데이터 과학 프로젝트의 첫 번째 단계로 자주 사용됩니다! + +--- + +### 3. 간단한 데이터 분석 +**파일:** `03_simple_analysis.py` + +첫 데이터 분석 수행: +- 기본 통계 계산 (평균, 중앙값, 최빈값) +- 최대값 및 최소값 찾기 +- 값의 발생 횟수 계산 +- 조건에 따라 데이터 필터링 + +데이터에 대한 간단한 질문에 답하는 방법을 배웁니다. + +--- + +### 4. 데이터 시각화 기본 +**파일:** `04_basic_visualization.py` + +첫 번째 시각화 생성: +- 간단한 막대 그래프 만들기 +- 선 그래프 생성 +- 원형 차트 생성 +- 시각화를 이미지로 저장 + +결과를 시각적으로 전달하는 방법을 배웁니다! + +--- + +### 5. 실제 데이터 작업 +**파일:** `05_real_world_example.py` + +전체 예제를 통해 모든 것을 종합적으로 학습: +- 저장소에서 실제 데이터 로드 +- 데이터 정리 및 준비 +- 분석 수행 +- 의미 있는 시각화 생성 +- 결론 도출 + +처음부터 끝까지 완전한 워크플로를 보여주는 예제입니다. + +--- + +## 🎯 예제 활용 방법 + +1. **처음부터 시작**: 예제는 난이도 순으로 번호가 매겨져 있습니다. `01_hello_world_data_science.py`부터 시작하여 순서대로 진행하세요. + +2. **주석 읽기**: 각 파일에는 코드가 무엇을 하고 왜 그렇게 하는지 설명하는 자세한 주석이 포함되어 있습니다. 주석을 꼼꼼히 읽으세요! + +3. **실험하기**: 코드를 수정해보세요. 값을 변경하면 어떤 일이 일어나는지 확인하세요. 실수하고 고치는 과정에서 배울 수 있습니다. + +4. **코드 실행**: 각 예제를 실행하고 출력 결과를 관찰하세요. 예상한 결과와 비교해보세요. + +5. **확장하기**: 예제를 이해한 후, 자신의 아이디어로 확장해보세요. + +## 💡 초보자를 위한 팁 + +- **서두르지 마세요**: 각 예제를 충분히 이해한 후 다음 단계로 넘어가세요. +- **직접 코드를 입력하세요**: 복사-붙여넣기만 하지 마세요. 직접 입력하면 학습과 기억에 도움이 됩니다. +- **모르는 개념 찾아보기**: 이해되지 않는 것이 있다면 온라인이나 주요 강의에서 검색하세요. +- **질문하기**: 도움이 필요하면 [토론 포럼](https://github.com/microsoft/Data-Science-For-Beginners/discussions)에 참여하세요. +- **규칙적으로 연습하기**: 일주일에 한 번 긴 시간 동안 공부하기보다는 매일 조금씩 코딩하세요. + +## 🔗 다음 단계 + +이 예제를 완료한 후에는 다음을 할 준비가 됩니다: +- 주요 커리큘럼 강의를 진행 +- 각 강의 폴더의 과제 시도 +- Jupyter 노트북을 탐색하여 더 깊이 있는 학습 +- 자신만의 데이터 과학 프로젝트 생성 + +## 📚 추가 자료 + +- [주요 커리큘럼](../README.md) - 전체 20강 과정 +- [교사를 위한 자료](../for-teachers.md) - 교실에서 이 커리큘럼을 활용하는 방법 +- [Microsoft Learn](https://docs.microsoft.com/learn/) - 무료 온라인 학습 자료 +- [Python 문서](https://docs.python.org/3/) - 공식 Python 참고 자료 + +## 🤝 기여하기 + +버그를 발견했거나 새로운 예제에 대한 아이디어가 있나요? 기여를 환영합니다! [기여 가이드](../CONTRIBUTING.md)를 확인하세요. + +--- + +**즐거운 학습 되세요! 🎉** + +기억하세요: 모든 전문가도 한때는 초보자였습니다. 한 단계씩 천천히 진행하며 실수를 두려워하지 마세요 - 실수는 학습 과정의 일부입니다! + +--- + +**면책 조항**: +이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전을 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다. \ No newline at end of file diff --git a/translations/lt/README.md b/translations/lt/README.md index 81a78a13..4a444fcb 100644 --- a/translations/lt/README.md +++ b/translations/lt/README.md @@ -1,35 +1,19 @@ -# Duomenų mokslas pradedantiesiems – Mokymo programa +# Duomenų mokslas pradedantiesiems - Mokymo programa -[![Atidaryti GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +Azure Cloud Advocates iš Microsoft džiaugiasi galėdami pasiūlyti 10 savaičių, 20 pamokų mokymo programą apie duomenų mokslą. Kiekviena pamoka apima prieš pamoką ir po pamokos testus, rašytines instrukcijas, kaip atlikti pamoką, sprendimą ir užduotį. Mūsų projektinis mokymosi metodas leidžia mokytis kuriant, o tai yra įrodyta, kad padeda geriau įsisavinti naujus įgūdžius. -[![GitHub licencija](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub autoriai](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub problemos](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub užklausos](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +**Nuoširdus ačiū mūsų autoriams:** [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). -[![GitHub stebėtojai](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub šakės](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub žvaigždės](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) - -[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -Microsoft Azure Cloud Advocates džiaugiasi galėdami pasiūlyti 10 savaičių, 20 pamokų mokymo programą apie duomenų mokslą. Kiekviena pamoka apima prieš pamoką ir po pamokos pateikiamus testus, rašytines instrukcijas, kaip atlikti užduotis, sprendimus ir užduotis. Mūsų projektinis mokymo metodas leidžia mokytis kuriant, o tai yra įrodytas būdas įtvirtinti naujus įgūdžius. - -**Nuoširdžiai dėkojame mūsų autoriams:** [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). - -**🙏 Ypatinga padėka 🙏 mūsų [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autoriams, recenzentams ir turinio kūrėjams,** ypač 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), +**🙏 Specialus ačiū 🙏 mūsų [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autoriams, recenzentams ir turinio kūrėjams,** ypač 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.lt.png)| @@ -38,16 +22,16 @@ Microsoft Azure Cloud Advocates džiaugiasi galėdami pasiūlyti 10 savaičių, ### 🌐 Daugiakalbė parama -#### Palaikoma per GitHub Action (automatiškai ir visada atnaujinama) +#### Palaikoma per GitHub Action (Automatizuota ir visada atnaujinta) -[Prancūzų](../fr/README.md) | [Ispanų](../es/README.md) | [Vokiečių](../de/README.md) | [Rusų](../ru/README.md) | [Arabų](../ar/README.md) | [Persų (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinų (supaprastinta)](../zh/README.md) | [Kinų (tradicinė, Makao)](../mo/README.md) | [Kinų (tradicinė, Honkongas)](../hk/README.md) | [Kinų (tradicinė, Taivanas)](../tw/README.md) | [Japonų](../ja/README.md) | [Korėjiečių](../ko/README.md) | [Hindi](../hi/README.md) | [Bengalų](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalų](../ne/README.md) | [Pundžabių (Gurmukhi)](../pa/README.md) | [Portugalų (Portugalija)](../pt/README.md) | [Portugalų (Brazilija)](../br/README.md) | [Italų](../it/README.md) | [Lenkų](../pl/README.md) | [Turkų](../tr/README.md) | [Graikų](../el/README.md) | [Tajų](../th/README.md) | [Švedų](../sv/README.md) | [Danų](../da/README.md) | [Norvegų](../no/README.md) | [Suomių](../fi/README.md) | [Olandų](../nl/README.md) | [Hebrajų](../he/README.md) | [Vietnamiečių](../vi/README.md) | [Indoneziečių](../id/README.md) | [Malajų](../ms/README.md) | [Tagalogų (Filipinų)](../tl/README.md) | [Svahilių](../sw/README.md) | [Vengrų](../hu/README.md) | [Čekų](../cs/README.md) | [Slovakų](../sk/README.md) | [Rumunų](../ro/README.md) | [Bulgarų](../bg/README.md) | [Serbų (kirilica)](../sr/README.md) | [Kroatų](../hr/README.md) | [Slovėnų](../sl/README.md) | [Ukrainiečių](../uk/README.md) | [Birmos (Mianmaras)](../my/README.md) +[Prancūzų](../fr/README.md) | [Ispanų](../es/README.md) | [Vokiečių](../de/README.md) | [Rusų](../ru/README.md) | [Arabų](../ar/README.md) | [Persų (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinų (supaprastinta)](../zh/README.md) | [Kinų (tradicinė, Makao)](../mo/README.md) | [Kinų (tradicinė, Honkongas)](../hk/README.md) | [Kinų (tradicinė, Taivanas)](../tw/README.md) | [Japonų](../ja/README.md) | [Korėjiečių](../ko/README.md) | [Hindi](../hi/README.md) | [Bengalų](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugalų (Portugalija)](../pt/README.md) | [Portugalų (Brazilija)](../br/README.md) | [Italų](../it/README.md) | [Lenkų](../pl/README.md) | [Turkų](../tr/README.md) | [Graikų](../el/README.md) | [Tajų](../th/README.md) | [Švedų](../sv/README.md) | [Danų](../da/README.md) | [Norvegų](../no/README.md) | [Suomių](../fi/README.md) | [Olandų](../nl/README.md) | [Hebrajų](../he/README.md) | [Vietnamiečių](../vi/README.md) | [Indoneziečių](../id/README.md) | [Malajų](../ms/README.md) | [Tagalog (Filipinų)](../tl/README.md) | [Svahilių](../sw/README.md) | [Vengrų](../hu/README.md) | [Čekų](../cs/README.md) | [Slovakų](../sk/README.md) | [Rumunų](../ro/README.md) | [Bulgarų](../bg/README.md) | [Serbų (kirilica)](../sr/README.md) | [Kroatų](../hr/README.md) | [Slovėnų](../sl/README.md) | [Ukrainiečių](../uk/README.md) | [Birmos (Mianmaras)](../my/README.md) **Jei norite, kad būtų palaikomos papildomos kalbos, sąrašą rasite [čia](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Prisijunkite prie mūsų bendruomenės [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Turime vykstančią Discord mokymosi su AI seriją, sužinokite daugiau ir prisijunkite prie mūsų [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 d. iki 30 d. Čia gausite patarimų ir gudrybių, kaip naudoti GitHub Copilot duomenų mokslui. +Turime Discord mokymų su AI seriją, sužinokite daugiau ir prisijunkite prie mūsų [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 iki 30 d. Čia gausite patarimų ir gudrybių, kaip naudoti GitHub Copilot duomenų mokslui. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.lt.jpg) @@ -55,28 +39,30 @@ Turime vykstančią Discord mokymosi su AI seriją, sužinokite daugiau ir prisi Pradėkite nuo šių išteklių: -- [Studentų centras](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Šiame puslapyje rasite pradedančiųjų išteklius, studentų paketus ir net būdus gauti nemokamą sertifikato kuponą. Tai puslapis, kurį verta pažymėti ir reguliariai tikrinti, nes turinys keičiamas bent kartą per mėnesį. +- [Studentų centras](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Šiame puslapyje rasite pradedančiųjų išteklius, studentų paketus ir net būdus, kaip gauti nemokamą sertifikato kuponą. Tai puslapis, kurį verta pažymėti ir reguliariai tikrinti, nes turinys keičiamas bent kartą per mėnesį. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Prisijunkite prie pasaulinės studentų ambasadorių bendruomenės, tai gali būti jūsų kelias į Microsoft. # Pradžia -> **Mokytojams**: mes [įtraukėme keletą pasiūlymų](for-teachers.md), kaip naudoti šią mokymo programą. Laukiame jūsų atsiliepimų [mūsų diskusijų forume](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Visiški pradedantieji**: Nauji duomenų mokslui? Pradėkite nuo mūsų [pradedantiesiems skirtų pavyzdžių](examples/README.md)! Šie paprasti, gerai paaiškinti pavyzdžiai padės suprasti pagrindus prieš gilindamiesi į visą mokymo programą. + +> **Mokytojai**: mes [įtraukėme keletą pasiūlymų](for-teachers.md), kaip naudoti šią mokymo programą. Laukiame jūsų atsiliepimų [mūsų diskusijų forume](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Studentams](https://aka.ms/student-page)**: norėdami naudoti šią mokymo programą savarankiškai, sukurkite viso saugyklos šakę ir atlikite užduotis savarankiškai, pradėdami nuo prieš paskaitą pateikiamo testo. Tada perskaitykite paskaitą ir atlikite likusias veiklas. Stenkitės kurti projektus suprasdami pamokas, o ne kopijuodami sprendimų kodą; tačiau tas kodas yra prieinamas /solutions aplankuose kiekvienoje projektinėje pamokoje. Kita idėja būtų sukurti mokymosi grupę su draugais ir kartu peržiūrėti turinį. Tolimesniam mokymuisi rekomenduojame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Studentai](https://aka.ms/student-page)**: norėdami naudoti šią mokymo programą savarankiškai, nukopijuokite visą repozitoriją ir atlikite užduotis savarankiškai, pradėdami nuo prieš pamoką testo. Tada perskaitykite pamoką ir atlikite likusias veiklas. Stenkitės kurti projektus suprasdami pamokas, o ne kopijuodami sprendimo kodą; tačiau tas kodas yra prieinamas /solutions aplankuose kiekvienoje projektui skirtoje pamokoje. Kita idėja būtų sukurti mokymosi grupę su draugais ir kartu peržiūrėti turinį. Tolimesniam mokymuisi rekomenduojame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Susipažinkite su komanda -[![Reklaminis vaizdo įrašas](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Reklaminis vaizdo įrašas") +[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif sukūrė** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Spustelėkite aukščiau esantį vaizdą, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė! +> 🎥 Spustelėkite aukščiau esančią nuotrauką, kad pamatytumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė! ## Pedagogika -Kurdami šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų projektinė, ir įtraukti dažnus testus. Iki šios serijos pabaigos studentai išmoks pagrindinius duomenų mokslo principus, įskaitant etikos koncepcijas, duomenų paruošimą, įvairius darbo su duomenimis būdus, duomenų vizualizaciją, duomenų analizę, realaus pasaulio duomenų mokslo naudojimo atvejus ir dar daugiau. +Kuriant šią mokymo programą, pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų projektinė ir kad joje būtų dažni testai. Iki šios serijos pabaigos studentai išmoks pagrindinius duomenų mokslo principus, įskaitant etikos koncepcijas, duomenų paruošimą, skirtingus darbo su duomenimis būdus, duomenų vizualizaciją, duomenų analizę, realaus pasaulio duomenų mokslo panaudojimo atvejus ir daugiau. -Be to, mažos rizikos testas prieš pamoką nustato studento ketinimą mokytis temos, o antrasis testas po pamokos užtikrina geresnį įsiminimą. Ši mokymo programa buvo sukurta taip, kad būtų lanksti ir smagi, ją galima naudoti visą arba dalimis. Projektai prasideda nuo mažų ir tampa vis sudėtingesni iki 10 savaičių ciklo pabaigos. +Be to, mažos rizikos testas prieš pamoką nukreipia studentą mokytis temos, o antrasis testas po pamokos užtikrina geresnį įsisavinimą. Ši mokymo programa buvo sukurta taip, kad būtų lanksti ir įdomi, ją galima naudoti visą arba dalimis. Projektai prasideda nuo mažų ir tampa vis sudėtingesni iki 10 savaičių ciklo pabaigos. > Raskite mūsų [Elgesio kodeksą](CODE_OF_CONDUCT.md), [Prisidėjimo](CONTRIBUTING.md), [Vertimo](TRANSLATIONS.md) gaires. Laukiame jūsų konstruktyvių atsiliepimų! @@ -84,60 +70,74 @@ Be to, mažos rizikos testas prieš pamoką nustato studento ketinimą mokytis t - Pasirenkamą sketchnote - Pasirenkamą papildomą vaizdo įrašą -- Prieš pamoką pateikiamą testą +- Prieš pamoką apšilimo testą - Rašytinę pamoką -- Projektinėms pamokoms – žingsnis po žingsnio vadovus, kaip sukurti projektą +- Projektinėms pamokoms - žingsnis po žingsnio vadovus, kaip sukurti projektą - Žinių patikrinimus - Iššūkį - Papildomą skaitymą - Užduotį -- [Po pamokos pateikiamą testą](https://ff-quizzes.netlify.app/en/) +- [Po pamokos testą](https://ff-quizzes.netlify.app/en/) +> **Pastaba apie viktorinas**: Visos viktorinos yra „Quiz-App“ aplanke, iš viso 40 viktorinų, kiekviena su trimis klausimais. Jos yra susietos su pamokomis, tačiau viktorinų programėlę galima paleisti vietoje arba įdiegti „Azure“; sekite instrukcijas aplanke `quiz-app`. Jos palaipsniui lokalizuojamos. -> **Pastaba apie testus**: Visi testai yra Quiz-App aplanke, iš viso 40 testų po tris klausimus kiekviename. Jie yra susieti su pamokomis, tačiau testų programa gali būti paleista lokaliai arba įdiegta Azure; vadovaukitės instrukcijomis `quiz-app` aplanke. Jie palaipsniui lokalizuojami. +## 🎓 Pavyzdžiai pradedantiesiems + +**Naujokas duomenų moksle?** Sukūrėme specialų [pavyzdžių katalogą](examples/README.md) su paprastu, gerai paaiškintu kodu, kuris padės jums pradėti: + +- 🌟 **Hello World** - Jūsų pirmoji duomenų mokslo programa +- 📂 **Duomenų įkėlimas** - Išmokite skaityti ir tyrinėti duomenų rinkinius +- 📊 **Paprasta analizė** - Skaičiuokite statistiką ir raskite dėsningumus +- 📈 **Pagrindinė vizualizacija** - Kurkite diagramas ir grafikus +- 🔬 **Projektas iš realaus pasaulio** - Pilnas darbo procesas nuo pradžios iki pabaigos + +Kiekviename pavyzdyje yra išsamūs komentarai, paaiškinantys kiekvieną žingsnį, todėl jie puikiai tinka visiškiems pradedantiesiems! + +👉 **[Pradėkite nuo pavyzdžių](examples/README.md)** 👈 ## Pamokos + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.lt.png)| |:---:| -| Duomenų mokslas pradedantiesiems: Kelio planas - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| Duomenų mokslas pradedantiesiems: kelio planas - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | | Pamokos numeris | Tema | Pamokų grupavimas | Mokymosi tikslai | Susieta pamoka | Autorius | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Duomenų mokslo apibrėžimas | [Įvadas](1-Introduction/README.md) | Sužinokite pagrindines duomenų mokslo sąvokas ir kaip jis susijęs su dirbtiniu intelektu, mašininio mokymosi ir didžiųjų duomenų sritimis. | [pamoka](1-Introduction/01-defining-data-science/README.md) [vaizdo įrašas](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Duomenų mokslo etika | [Įvadas](1-Introduction/README.md) | Duomenų etikos sąvokos, iššūkiai ir struktūros. | [pamoka](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Duomenų apibrėžimas | [Įvadas](1-Introduction/README.md) | Kaip klasifikuojami duomenys ir kokie yra jų dažniausi šaltiniai. | [pamoka](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Įvadas į statistiką ir tikimybes | [Įvadas](1-Introduction/README.md) | Matematinės tikimybių ir statistikos technikos, skirtos duomenų supratimui. | [pamoka](1-Introduction/04-stats-and-probability/README.md) [vaizdo įrašas](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Darbas su reliaciniais duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į reliacinius duomenis ir pagrindai, kaip tyrinėti ir analizuoti reliacinius duomenis naudojant SQL (tariama „si-kvel“). | [pamoka](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 03 | Duomenų apibrėžimas | [Įvadas](1-Introduction/README.md) | Kaip klasifikuojami duomenys ir jų bendri šaltiniai. | [pamoka](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Įvadas į statistiką ir tikimybes | [Įvadas](1-Introduction/README.md) | Matematiniai tikimybių ir statistikos metodai duomenims suprasti. | [pamoka](1-Introduction/04-stats-and-probability/README.md) [vaizdo įrašas](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Darbas su reliaciniais duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į reliacinius duomenis ir pagrindai, kaip tyrinėti ir analizuoti reliacinius duomenis naudojant struktūrinės užklausos kalbą (SQL). | [pamoka](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Darbas su NoSQL duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į nereliacinius duomenis, jų įvairius tipus ir pagrindai, kaip tyrinėti ir analizuoti dokumentų duomenų bazes. | [pamoka](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Darbas su Python | [Darbas su duomenimis](2-Working-With-Data/README.md) | Python naudojimo pagrindai duomenų tyrinėjimui su tokiomis bibliotekomis kaip Pandas. Rekomenduojama turėti pagrindinį Python programavimo supratimą. | [pamoka](2-Working-With-Data/07-python/README.md) [vaizdo įrašas](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Duomenų paruošimas | [Darbas su duomenimis](2-Working-With-Data/README.md) | Temos apie duomenų valymo ir transformavimo technikas, skirtas spręsti trūkstamų, netikslių ar neišsamių duomenų problemas. | [pamoka](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 07 | Darbas su Python | [Darbas su duomenimis](2-Working-With-Data/README.md) | Pagrindai, kaip naudoti Python duomenų tyrinėjimui su tokiomis bibliotekomis kaip Pandas. Rekomenduojama turėti pagrindinį Python programavimo supratimą. | [pamoka](2-Working-With-Data/07-python/README.md) [vaizdo įrašas](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Duomenų paruošimas | [Darbas su duomenimis](2-Working-With-Data/README.md) | Temos apie duomenų valymo ir transformavimo technikas, siekiant spręsti trūkstamų, netikslių ar neišsamių duomenų problemas. | [pamoka](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Kiekių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Sužinokite, kaip naudoti Matplotlib vizualizuojant paukščių duomenis 🦆 | [pamoka](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Duomenų pasiskirstymo vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Vizualizuoti stebėjimus ir tendencijas intervale. | [pamoka](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Proporcijų vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Vizualizuoti diskrečius ir grupuotus procentus. | [pamoka](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Ryšių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Vizualizuoti ryšius ir koreliacijas tarp duomenų rinkinių ir jų kintamųjų. | [pamoka](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Reikšmingos vizualizacijos | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Technikos ir patarimai, kaip padaryti vizualizacijas vertingas efektyviam problemų sprendimui ir įžvalgoms. | [pamoka](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Įvadas į duomenų mokslo gyvavimo ciklą | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Įvadas į duomenų mokslo gyvavimo ciklą ir jo pirmąjį žingsnį – duomenų gavimą ir išgavimą. | [pamoka](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 10 | Duomenų pasiskirstymo vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Vizualizuojant stebėjimus ir tendencijas intervale. | [pamoka](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Proporcijų vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Vizualizuojant diskretinius ir grupinius procentus. | [pamoka](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Ryšių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Vizualizuojant ryšius ir koreliacijas tarp duomenų rinkinių ir jų kintamųjų. | [pamoka](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Reikšmingos vizualizacijos | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Technikos ir gairės, kaip padaryti jūsų vizualizacijas vertingas efektyviam problemų sprendimui ir įžvalgoms. | [pamoka](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Įvadas į duomenų mokslo gyvavimo ciklą | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Įvadas į duomenų mokslo gyvavimo ciklą ir jo pirmąjį žingsnį – duomenų gavimą ir ištrauką. | [pamoka](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Analizavimas | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo gyvavimo ciklo fazė orientuota į duomenų analizės technikas. | [pamoka](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Komunikacija | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo gyvavimo ciklo fazė orientuota į duomenų įžvalgų pateikimą taip, kad sprendimų priėmėjams būtų lengviau suprasti. | [pamoka](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 16 | Komunikacija | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo gyvavimo ciklo fazė orientuota į įžvalgų iš duomenų pateikimą taip, kad sprendimų priėmėjams būtų lengviau suprasti. | [pamoka](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Ši pamokų serija pristato duomenų mokslą debesyje ir jo privalumus. | [pamoka](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) | | 18 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių mokymas naudojant mažo kodo įrankius. |[pamoka](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) | -| 19 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių diegimas naudojant Azure Machine Learning Studio. | [pamoka](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) | -| 20 | Duomenų mokslas realiame pasaulyje | [Realiame pasaulyje](6-Data-Science-In-Wild/README.md) | Duomenų mokslo projektai realiame pasaulyje. | [pamoka](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 19 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių diegimas naudojant „Azure Machine Learning Studio“. | [pamoka](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) | +| 20 | Duomenų mokslas laukinėje aplinkoje | [Laukinėje aplinkoje](6-Data-Science-In-Wild/README.md) | Duomenų mokslo projektai realiame pasaulyje. | [pamoka](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Sekite šiuos žingsnius, kad atidarytumėte šį pavyzdį Codespace aplinkoje: -1. Spustelėkite meniu „Code“ ir pasirinkite „Open with Codespaces“ parinktį. -2. Pasirinkite + Naujas Codespace apačioje. +Sekite šiuos žingsnius, kad atidarytumėte šį pavyzdį „Codespace“: +1. Spustelėkite „Code“ išskleidžiamąjį meniu ir pasirinkite „Open with Codespaces“ parinktį. +2. Pasirinkite + Naujas „codespace“ apačioje. Daugiau informacijos rasite [GitHub dokumentacijoje](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers Sekite šiuos žingsnius, kad atidarytumėte šį repo konteineryje naudodami savo vietinį kompiuterį ir VSCode su VS Code Remote - Containers plėtiniu: -1. Jei pirmą kartą naudojate kūrimo konteinerį, įsitikinkite, kad jūsų sistema atitinka reikalavimus (pvz., įdiegta Docker) [pradžios dokumentacijoje](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Jei tai jūsų pirmas kartas naudojant kūrimo konteinerį, įsitikinkite, kad jūsų sistema atitinka reikalavimus (pvz., įdiegta „Docker“) [pradžios dokumentacijoje](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Norėdami naudoti šį repo, galite jį atidaryti izoliuotame Docker tūryje: +Norėdami naudoti šį repo, galite jį atidaryti izoliuotame „Docker“ tūryje: -**Pastaba**: Viduje tai naudos Remote-Containers: **Clone Repository in Container Volume...** komandą, kad nukopijuotų šaltinio kodą į Docker tūrį, o ne į vietinę failų sistemą. [Tūriai](https://docs.docker.com/storage/volumes/) yra rekomenduojamas mechanizmas konteinerio duomenims išsaugoti. +**Pastaba**: Viduje tai naudos „Remote-Containers: **Clone Repository in Container Volume...**“ komandą, kad nukopijuotų šaltinio kodą į „Docker“ tūrį, o ne į vietinę failų sistemą. [Tūriai](https://docs.docker.com/storage/volumes/) yra pageidaujamas mechanizmas konteinerio duomenims išsaugoti. Arba atidarykite vietoje nukopijuotą ar atsisiųstą repo versiją: @@ -147,9 +147,9 @@ Arba atidarykite vietoje nukopijuotą ar atsisiųstą repo versiją: ## Prieiga neprisijungus -Šią dokumentaciją galite naudoti neprisijungę naudodami [Docsify](https://docsify.js.org/#/). Fork'inkite šį repo, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietiniame kompiuteryje, tada šio repo šakniniame aplanke įveskite `docsify serve`. Svetainė bus pasiekiama per 3000 prievadą jūsų localhost: `localhost:3000`. +Šią dokumentaciją galite paleisti neprisijungus naudodami [Docsify](https://docsify.js.org/#/). Nukopijuokite šį repo, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo vietiniame kompiuteryje, tada šio repo šakniniame aplanke įveskite `docsify serve`. Svetainė bus paleista 3000 prievade jūsų vietiniame kompiuteryje: `localhost:3000`. -> Pastaba, užrašų knygelės nebus rodomos per Docsify, todėl, kai reikia paleisti užrašų knygelę, tai darykite atskirai VS Code aplinkoje, naudojant Python branduolį. +> Pastaba, užrašų knygelės nebus rodomos per Docsify, todėl, kai reikia paleisti užrašų knygelę, tai darykite atskirai VS Code naudojant Python branduolį. ## Kiti mokymo kursai @@ -182,10 +182,9 @@ Jei susiduriate su sunkumais ar turite klausimų apie AI programų kūrimą, pri [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Jei turite produktų atsiliepimų ar klaidų, apsilankykite: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Atsakomybės apribojimas**: -Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojama naudoti profesionalų žmogaus vertimą. Mes neprisiimame atsakomybės už nesusipratimus ar neteisingą interpretaciją, atsiradusius dėl šio vertimo naudojimo. \ No newline at end of file +**Atsakomybės atsisakymas**: +Šis dokumentas buvo išverstas naudojant AI vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojama naudoti profesionalų žmogaus vertimą. Mes neprisiimame atsakomybės už nesusipratimus ar neteisingus aiškinimus, atsiradusius dėl šio vertimo naudojimo. \ No newline at end of file diff --git a/translations/lt/examples/README.md b/translations/lt/examples/README.md new file mode 100644 index 00000000..21bc6110 --- /dev/null +++ b/translations/lt/examples/README.md @@ -0,0 +1,145 @@ + +# Pradedančiųjų duomenų mokslas: Pavyzdžiai + +Sveiki atvykę į pavyzdžių katalogą! Ši paprastų, gerai paaiškintų pavyzdžių kolekcija sukurta tam, kad padėtų jums pradėti mokytis duomenų mokslo, net jei esate visiškas naujokas. + +## 📚 Ką rasite čia + +Kiekvienas pavyzdys yra savarankiškas ir apima: +- **Aiškius komentarus**, paaiškinančius kiekvieną žingsnį +- **Paprastą, lengvai skaitomą kodą**, kuris demonstruoja vieną koncepciją vienu metu +- **Realią kontekstą**, padedantį suprasti, kada ir kodėl naudoti šiuos metodus +- **Tikėtiną rezultatą**, kad žinotumėte, ko ieškoti + +## 🚀 Pradžia + +### Reikalavimai +Prieš paleisdami šiuos pavyzdžius, įsitikinkite, kad turite: +- Įdiegtą Python 3.7 ar naujesnę versiją +- Pagrindines žinias, kaip paleisti Python skriptus + +### Reikalingų bibliotekų įdiegimas +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Pavyzdžių apžvalga + +### 1. Sveikas pasauli - Duomenų mokslo stilius +**Failas:** `01_hello_world_data_science.py` + +Jūsų pirmoji duomenų mokslo programa! Sužinokite, kaip: +- Įkelti paprastą duomenų rinkinį +- Rodyti pagrindinę informaciją apie savo duomenis +- Atspausdinti pirmąjį duomenų mokslo rezultatą + +Puikiai tinka visiškiems naujokams, norintiems pamatyti savo pirmąją duomenų mokslo programą veikiančią. + +--- + +### 2. Duomenų įkėlimas ir tyrinėjimas +**Failas:** `02_loading_data.py` + +Išmokite pagrindus, kaip dirbti su duomenimis: +- Skaityti duomenis iš CSV failų +- Peržiūrėti pirmas kelias duomenų rinkinio eilutes +- Gauti pagrindinę statistiką apie savo duomenis +- Suprasti duomenų tipus + +Tai dažnai yra pirmasis žingsnis bet kuriame duomenų mokslo projekte! + +--- + +### 3. Paprasta duomenų analizė +**Failas:** `03_simple_analysis.py` + +Atlikite savo pirmąją duomenų analizę: +- Apskaičiuokite pagrindinę statistiką (vidurkį, medianą, modą) +- Raskite maksimalias ir minimalias reikšmes +- Suskaičiuokite reikšmių pasikartojimus +- Filtruokite duomenis pagal sąlygas + +Sužinokite, kaip atsakyti į paprastus klausimus apie savo duomenis. + +--- + +### 4. Duomenų vizualizacijos pagrindai +**Failas:** `04_basic_visualization.py` + +Sukurkite savo pirmąsias vizualizacijas: +- Sukurkite paprastą stulpelinę diagramą +- Sukurkite linijinį grafiką +- Sukurkite pyrago diagramą +- Išsaugokite savo vizualizacijas kaip paveikslėlius + +Išmokite vizualiai perteikti savo išvadas! + +--- + +### 5. Darbas su realiais duomenimis +**Failas:** `05_real_world_example.py` + +Sujunkite viską į vieną pilną pavyzdį: +- Įkelkite realius duomenis iš saugyklos +- Išvalykite ir paruoškite duomenis +- Atlikite analizę +- Sukurkite prasmingas vizualizacijas +- Padarykite išvadas + +Šis pavyzdys parodo visą darbo eigą nuo pradžios iki pabaigos. + +--- + +## 🎯 Kaip naudotis šiais pavyzdžiais + +1. **Pradėkite nuo pradžių**: Pavyzdžiai sunumeruoti pagal sudėtingumą. Pradėkite nuo `01_hello_world_data_science.py` ir eikite toliau. +2. **Skaitykite komentarus**: Kiekviename faile yra išsamūs komentarai, paaiškinantys, ką kodas daro ir kodėl. Skaitykite juos atidžiai! +3. **Eksperimentuokite**: Bandykite keisti kodą. Kas nutinka, jei pakeičiate reikšmę? Sugadinkite ir pataisykite - taip mokomasi! +4. **Paleiskite kodą**: Vykdykite kiekvieną pavyzdį ir stebėkite rezultatą. Palyginkite jį su tuo, ko tikėjotės. +5. **Plėskite**: Kai suprasite pavyzdį, bandykite jį praplėsti savo idėjomis. + +## 💡 Patarimai pradedantiesiems + +- **Neskubėkite**: Skirkite laiko suprasti kiekvieną pavyzdį prieš pereidami prie kito +- **Rašykite kodą patys**: Nekopijuokite ir neįklijuokite. Rašymas padeda mokytis ir prisiminti +- **Ieškokite nežinomų sąvokų**: Jei matote ką nors nesuprantamo, ieškokite informacijos internete arba pagrindinėse pamokose +- **Klauskite**: Prisijunkite prie [diskusijų forumo](https://github.com/microsoft/Data-Science-For-Beginners/discussions), jei jums reikia pagalbos +- **Praktikuokitės reguliariai**: Bandykite programuoti šiek tiek kiekvieną dieną, o ne ilgomis sesijomis kartą per savaitę + +## 🔗 Kiti žingsniai + +Baigę šiuos pavyzdžius, būsite pasiruošę: +- Dirbti su pagrindinėmis mokymo programos pamokomis +- Bandykite užduotis kiekviename pamokų aplanke +- Tyrinėkite Jupyter užrašų knygeles, kad mokytumėtės giliau +- Kurkite savo duomenų mokslo projektus + +## 📚 Papildomi ištekliai + +- [Pagrindinė mokymo programa](../README.md) - Pilnas 20 pamokų kursas +- [Mokytojams](../for-teachers.md) - Kaip naudoti šią mokymo programą klasėje +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Nemokami internetiniai mokymosi ištekliai +- [Python dokumentacija](https://docs.python.org/3/) - Oficialus Python vadovas + +## 🤝 Prisidėjimas + +Radote klaidą ar turite idėją naujam pavyzdžiui? Mes laukiame jūsų indėlio! Prašome peržiūrėti mūsų [Prisidėjimo vadovą](../CONTRIBUTING.md). + +--- + +**Sėkmės mokantis! 🎉** + +Prisiminkite: Kiekvienas ekspertas kadaise buvo pradedantysis. Ženkite po vieną žingsnį ir nebijokite daryti klaidų - jos yra mokymosi proceso dalis! + +--- + +**Atsakomybės atsisakymas**: +Šis dokumentas buvo išverstas naudojant AI vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Dėl svarbios informacijos rekomenduojama profesionali žmogaus vertimo paslauga. Mes neprisiimame atsakomybės už nesusipratimus ar neteisingus aiškinimus, atsiradusius naudojant šį vertimą. \ No newline at end of file diff --git a/translations/mo/README.md b/translations/mo/README.md index 879ee498..d517b7fb 100644 --- a/translations/mo/README.md +++ b/translations/mo/README.md @@ -1,51 +1,69 @@ -# 資料科學入門 - 課程大綱 +# 初學者的數據科學課程 -Azure Cloud Advocates 團隊很高興提供一個為期10週、共20課的資料科學課程。每一課都包含課前和課後測驗、完成課程的書面指導、解答以及作業。我們的專案式教學法讓您在建構中學習，這是一種能讓新技能更牢固的有效方法。 +[![在 GitHub Codespaces 中開啟](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) + +[![GitHub 授權](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub 貢獻者](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub 問題](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub 拉取請求](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![歡迎 PR](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![GitHub 觀察者](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub 分叉](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub 星標](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Azure AI Foundry 開發者論壇](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 節課的數據科學課程。每節課都包含課前和課後測驗、完成課程的書面指導、解決方案以及作業。我們的基於項目的教學法讓您在實踐中學習，這是一種能讓新技能牢牢掌握的有效方法。 **衷心感謝我們的作者：** [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)。 -**🙏 特別感謝 🙏 我們的 [Microsoft 學生大使](https://studentambassadors.microsoft.com/) 作者、審稿人及內容貢獻者，** 特別是 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)、[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/)、[Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/)、Yogendrasingh Pawar、[Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/)、[Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)。 +**🙏 特別感謝 🙏 我們的 [Microsoft 學生大使](https://studentambassadors.microsoft.com/) 作者、審稿人和內容貢獻者，** 特別是 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)、[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/)、[Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/)、Yogendrasingh Pawar、[Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/)、[Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)。 -|![由 @sketchthedocs 繪製的速寫筆記 https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.mo.png)| +|![由 @sketchthedocs 繪製的速寫圖 https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.mo.png)| |:---:| -| 資料科學入門 - _速寫筆記由 [@nitya](https://twitter.com/nitya) 繪製_ | +| 初學者的數據科學 - _速寫圖由 [@nitya](https://twitter.com/nitya) 繪製_ | -### 🌐 多語言支援 +### 🌐 多語言支持 -#### 透過 GitHub Action 支援（自動化且始終保持最新） +#### 通過 GitHub Action 支持（自動化且始終保持最新） -[法文](../fr/README.md) | [西班牙文](../es/README.md) | [德文](../de/README.md) | [俄文](../ru/README.md) | [阿拉伯文](../ar/README.md) | [波斯文](../fa/README.md) | [烏爾都文](../ur/README.md) | [中文（簡體）](../zh/README.md) | [中文（繁體，澳門）](./README.md) | [中文（繁體，香港）](../hk/README.md) | [中文（繁體，台灣）](../tw/README.md) | [日文](../ja/README.md) | [韓文](../ko/README.md) | [印地文](../hi/README.md) | [孟加拉文](../bn/README.md) | [馬拉地文](../mr/README.md) | [尼泊爾文](../ne/README.md) | [旁遮普文](../pa/README.md) | [葡萄牙文（葡萄牙）](../pt/README.md) | [葡萄牙文（巴西）](../br/README.md) | [義大利文](../it/README.md) | [波蘭文](../pl/README.md) | [土耳其文](../tr/README.md) | [希臘文](../el/README.md) | [泰文](../th/README.md) | [瑞典文](../sv/README.md) | [丹麥文](../da/README.md) | [挪威文](../no/README.md) | [芬蘭文](../fi/README.md) | [荷蘭文](../nl/README.md) | [希伯來文](../he/README.md) | [越南文](../vi/README.md) | [印尼文](../id/README.md) | [馬來文](../ms/README.md) | [他加祿文（菲律賓）](../tl/README.md) | [斯瓦希里文](../sw/README.md) | [匈牙利文](../hu/README.md) | [捷克文](../cs/README.md) | [斯洛伐克文](../sk/README.md) | [羅馬尼亞文](../ro/README.md) | [保加利亞文](../bg/README.md) | [塞爾維亞文（西里爾字母）](../sr/README.md) | [克羅埃西亞文](../hr/README.md) | [斯洛文尼亞文](../sl/README.md) | [烏克蘭文](../uk/README.md) | [緬甸文](../my/README.md) +[法語](../fr/README.md) | [西班牙語](../es/README.md) | [德語](../de/README.md) | [俄語](../ru/README.md) | [阿拉伯語](../ar/README.md) | [波斯語 (法爾西)](../fa/README.md) | [烏爾都語](../ur/README.md) | [中文 (簡體)](../zh/README.md) | [中文 (繁體，澳門)](./README.md) | [中文 (繁體，香港)](../hk/README.md) | [中文 (繁體，台灣)](../tw/README.md) | [日語](../ja/README.md) | [韓語](../ko/README.md) | [印地語](../hi/README.md) | [孟加拉語](../bn/README.md) | [馬拉地語](../mr/README.md) | [尼泊爾語](../ne/README.md) | [旁遮普語 (古木基文)](../pa/README.md) | [葡萄牙語 (葡萄牙)](../pt/README.md) | [葡萄牙語 (巴西)](../br/README.md) | [意大利語](../it/README.md) | [波蘭語](../pl/README.md) | [土耳其語](../tr/README.md) | [希臘語](../el/README.md) | [泰語](../th/README.md) | [瑞典語](../sv/README.md) | [丹麥語](../da/README.md) | [挪威語](../no/README.md) | [芬蘭語](../fi/README.md) | [荷蘭語](../nl/README.md) | [希伯來語](../he/README.md) | [越南語](../vi/README.md) | [印尼語](../id/README.md) | [馬來語](../ms/README.md) | [他加祿語 (菲律賓語)](../tl/README.md) | [斯瓦希里語](../sw/README.md) | [匈牙利語](../hu/README.md) | [捷克語](../cs/README.md) | [斯洛伐克語](../sk/README.md) | [羅馬尼亞語](../ro/README.md) | [保加利亞語](../bg/README.md) | [塞爾維亞語 (西里爾文)](../sr/README.md) | [克羅地亞語](../hr/README.md) | [斯洛文尼亞語](../sl/README.md) | [烏克蘭語](../uk/README.md) | [緬甸語 (緬甸)](../my/README.md) -**如果您希望支援其他語言，請參考 [此處](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) 列出的語言清單** +**如果您希望支持其他翻譯語言，請參考 [此處](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### 加入我們的社群 [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -我們正在進行一個 Discord 的 AI 學習系列，了解更多並加入我們的 [AI 學習系列](https://aka.ms/learnwithai/discord)，活動時間為 2025 年 9 月 18 日至 30 日。您將學到使用 GitHub Copilot 進行資料科學的技巧。 +我們正在進行一個 Discord 的 AI 學習系列，了解更多並加入我們的 [AI 學習系列](https://aka.ms/learnwithai/discord)，活動時間為 2025 年 9 月 18 日至 30 日。您將學到使用 GitHub Copilot 進行數據科學的技巧和秘訣。 ![AI 學習系列](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.mo.jpg) # 您是學生嗎？ -可以透過以下資源開始： +請從以下資源開始： -- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面，您可以找到入門資源、學生套件，甚至獲得免費認證憑證的方式。這是一個值得您收藏並定期查看的頁面，因為我們至少每月更新一次內容。 -- [Microsoft 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，這可能是您進入 Microsoft 的途徑。 +- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面，您可以找到初學者資源、學生包以及獲得免費認證憑證的方法。這是一個值得收藏並定期查看的頁面，因為我們至少每月更新一次內容。 +- [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，這可能是您進入 Microsoft 的途徑。 # 開始學習 -> **教師們**：我們已經[提供了一些建議](for-teachers.md)關於如何使用這個課程。我們期待您在[討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions)中提供反饋！ +> **完全初學者**：對數據科學完全陌生？從我們的 [初學者友好範例](examples/README.md) 開始！這些簡單且有詳細註解的範例將幫助您在深入課程之前理解基礎知識。 + +> **教師**：我們提供了一些 [建議](for-teachers.md) 供您使用此課程。我們期待您在 [討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions) 中提供反饋！ -> **[學生](https://aka.ms/student-page)**：如果您想自行使用這個課程，請分叉整個倉庫並自行完成練習，從課前測驗開始。然後閱讀課程並完成其餘活動。嘗試通過理解課程內容來創建專案，而不是直接複製解答程式碼；不過，解答程式碼可以在每個專案課程的 /solutions 資料夾中找到。另一個建議是與朋友組成學習小組，一起學習內容。若需進一步學習，我們推薦 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。 +> **[學生](https://aka.ms/student-page)**：如果您想自行使用此課程，請分叉整個倉庫並自行完成練習，從課前測驗開始。然後閱讀課程並完成其餘活動。嘗試通過理解課程內容來創建項目，而不是直接複製解決方案代碼；不過，解決方案代碼可在每個基於項目的課程的 /solutions 文件夾中找到。另一個想法是與朋友組成學習小組，共同學習內容。進一步學習，我們推薦 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。 ## 認識團隊 @@ -53,90 +71,104 @@ Azure Cloud Advocates 團隊很高興提供一個為期10週、共20課的資料 **Gif 作者** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 點擊上方圖片觀看關於此專案及創作者的影片！ +> 🎥 點擊上方圖片觀看關於此項目及創建者的影片！ ## 教學法 -在設計這個課程時，我們選擇了兩個教學原則：確保課程是以專案為基礎，並且包含頻繁的測驗。完成這個系列課程後，學生將學到資料科學的基本原則，包括倫理概念、資料準備、不同的資料處理方式、資料視覺化、資料分析、資料科學的實際應用案例等。 +在設計此課程時，我們選擇了兩個教學原則：確保課程是基於項目的，並且包含頻繁的測驗。到本系列結束時，學生將學習數據科學的基本原則，包括倫理概念、數據準備、不同的數據處理方式、數據可視化、數據分析、數據科學的實際應用案例等。 -此外，課前的低壓測驗能幫助學生集中注意力學習主題，而課後的第二次測驗則能進一步加深記憶。這個課程設計靈活有趣，可以完整學習或選擇部分內容。專案從簡單開始，並在10週的課程結束時逐漸變得更為複雜。 +此外，課前的低壓測驗能幫助學生集中注意力學習某個主題，而課後的第二次測驗則能進一步鞏固知識。此課程設計靈活有趣，可以完整學習或部分學習。項目從簡單開始，到 10 週課程結束時逐漸變得複雜。 > 查看我們的 [行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性反饋！ -## 每節課包含： +## 每節課包括： -- 可選的速寫筆記 +- 可選的速寫圖 - 可選的補充影片 -- 課前暖身測驗 +- 課前熱身測驗 - 書面課程 -- 專案式課程的逐步建構指南 +- 對於基於項目的課程，提供逐步指南以完成項目 - 知識檢查 - 挑戰 - 補充閱讀 - 作業 - [課後測驗](https://ff-quizzes.netlify.app/en/) +> **關於測驗的注意事項**：所有測驗都存放在 Quiz-App 資料夾中，共有 40 個測驗，每個測驗包含三個問題。這些測驗已在課程中提供連結，但測驗應用程式可以在本地執行或部署到 Azure；請按照 `quiz-app` 資料夾中的指示進行操作。測驗正在逐步進行本地化。 -> **關於測驗的說明**：所有測驗都包含在 Quiz-App 資料夾中，共有40個測驗，每個測驗包含三個問題。測驗已在課程中連結，但測驗應用程式可以在本地運行或部署到 Azure；請按照 `quiz-app` 資料夾中的指示操作。測驗正在逐步進行本地化。 +## 🎓 初學者友善範例 -## 課程列表 -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.mo.png)| +**剛接觸資料科學嗎？** 我們特別建立了一個 [範例目錄](examples/README.md)，其中包含簡單且有詳細註解的程式碼，幫助您快速入門： + +- 🌟 **Hello World** - 您的第一個資料科學程式 +- 📂 **載入資料** - 學習如何讀取和探索資料集 +- 📊 **簡單分析** - 計算統計數據並尋找模式 +- 📈 **基本視覺化** - 建立圖表和圖形 +- 🔬 **真實世界專案** - 從頭到尾的完整工作流程 + +每個範例都包含詳細的註解，解釋每一步驟，非常適合完全的初學者！ + +👉 **[從範例開始](examples/README.md)** 👈 + +## 課程 + +|![由 @sketchthedocs 繪製的速寫筆記 https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.mo.png)| |:---:| -| 初學者的數據科學：學習路線圖 - _由 [@nitya](https://twitter.com/nitya) 繪製的手繪筆記_ | +| 資料科學初學者：學習路線圖 - _速寫筆記由 [@nitya](https://twitter.com/nitya) 提供_ | -| 課程編號 | 主題 | 課程分組 | 學習目標 | 相關課程 | 作者 | +| 課程編號 | 主題 | 課程分組 | 學習目標 | 課程連結 | 作者 | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | 定義數據科學 | [簡介](1-Introduction/README.md) | 學習數據科學的基本概念，以及它與人工智能、機器學習和大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | 數據科學倫理 | [簡介](1-Introduction/README.md) | 數據倫理的概念、挑戰與框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | 定義數據 | [簡介](1-Introduction/README.md) | 數據的分類及其常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | 統計與概率簡介 | [簡介](1-Introduction/README.md) | 使用概率和統計的數學技術來理解數據。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | 使用關聯數據 | [數據操作](2-Working-With-Data/README.md) | 關聯數據的簡介，以及使用結構化查詢語言（SQL，讀作“see-quell”）探索和分析關聯數據的基礎知識。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | 使用 NoSQL 數據 | [數據操作](2-Working-With-Data/README.md) | 非關聯數據的簡介、其各種類型，以及探索和分析文檔數據庫的基礎知識。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | 使用 Python | [數據操作](2-Working-With-Data/README.md) | 使用 Python 進行數據探索的基礎知識，包括使用 Pandas 等庫。建議具備 Python 編程的基礎知識。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | 數據準備 | [數據操作](2-Working-With-Data/README.md) | 數據清理和轉換技術，應對缺失、不準確或不完整數據的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | 數量可視化 | [數據可視化](3-Data-Visualization/README.md) | 學習如何使用 Matplotlib 可視化鳥類數據 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | 數據分佈可視化 | [數據可視化](3-Data-Visualization/README.md) | 可視化區間內的觀察和趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | 比例可視化 | [數據可視化](3-Data-Visualization/README.md) | 可視化離散和分組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | 關係可視化 | [數據可視化](3-Data-Visualization/README.md) | 可視化數據集及其變量之間的連接和相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | 有意義的可視化 | [數據可視化](3-Data-Visualization/README.md) | 提供技術和指導，讓您的可視化在解決問題和洞察方面更具價值。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | 數據科學生命周期簡介 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的簡介及其第一步：數據的獲取和提取。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | 分析 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的這一階段專注於數據分析技術。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | 溝通 | [生命周期](4-Data-Science-Lifecycle/README.md) | 數據科學生命周期的這一階段專注於以易於決策者理解的方式呈現數據洞察。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | 雲端中的數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 這系列課程介紹雲端中的數據科學及其優勢。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | -| 18 | 雲端中的數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 使用低代碼工具訓練模型。 |[課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | -| 19 | 雲端中的數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | -| 20 | 野外的數據科學 | [野外應用](6-Data-Science-In-Wild/README.md) | 數據科學驅動的真實世界項目。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | 定義資料科學 | [簡介](1-Introduction/README.md) | 學習資料科學的基本概念，以及它與人工智慧、機器學習和大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | 資料科學倫理 | [簡介](1-Introduction/README.md) | 資料倫理的概念、挑戰與框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | 定義資料 | [簡介](1-Introduction/README.md) | 資料的分類及其常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | 統計與機率簡介 | [簡介](1-Introduction/README.md) | 使用機率和統計的數學技術來理解資料。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | 使用關聯式資料 | [資料操作](2-Working-With-Data/README.md) | 關聯式資料的簡介，以及使用結構化查詢語言（SQL，發音為“see-quell”）探索和分析關聯式資料的基礎知識。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | 使用 NoSQL 資料 | [資料操作](2-Working-With-Data/README.md) | 非關聯式資料的簡介、其各種類型以及探索和分析文件型資料庫的基礎知識。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | 使用 Python | [資料操作](2-Working-With-Data/README.md) | 使用 Python 進行資料探索的基礎知識，包括 Pandas 等庫。建議具備 Python 程式設計的基礎理解。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | 資料準備 | [資料操作](2-Working-With-Data/README.md) | 關於清理和轉換資料的技術，以應對缺失、不準確或不完整資料的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | 數量視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 學習如何使用 Matplotlib 視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | 資料分佈視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化區間內的觀察和趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | 比例視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化離散和分組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | 關係視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化資料集及其變數之間的連結和相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | 有意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 提供技術和指導，讓您的視覺化更具價值，以有效解決問題並獲得洞察。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | 資料科學生命週期簡介 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期的簡介及其第一步：獲取和提取資料。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | 分析 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期的這一階段專注於分析資料的技術。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | 溝通 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期的這一階段專注於以易於決策者理解的方式呈現資料洞察。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | 雲端中的資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 這系列課程介紹雲端中的資料科學及其優勢。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | +| 18 | 雲端中的資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用低代碼工具訓練模型。 |[課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | +| 19 | 雲端中的資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) | +| 20 | 野外的資料科學 | [野外應用](6-Data-Science-In-Wild/README.md) | 真實世界中的資料科學驅動專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -按照以下步驟在 Codespace 中打開此範例： -1. 點擊「Code」下拉選單，選擇「Open with Codespaces」選項。 -2. 在面板底部選擇「+ New codespace」。 +按照以下步驟在 Codespace 中開啟此範例： +1. 點擊 Code 下拉選單，選擇 Open with Codespaces 選項。 +2. 在面板底部選擇 + New codespace。 更多資訊請參考 [GitHub 文件](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。 ## VSCode Remote - Containers -按照以下步驟使用本地機器和 VSCode 的 VS Code Remote - Containers 擴展在容器中打開此存儲庫： +按照以下步驟使用本地機器和 VSCode 的 VS Code Remote - Containers 擴展在容器中開啟此 repo： -1. 如果您是第一次使用開發容器，請確保您的系統符合前置要求（例如已安裝 Docker），詳情請參考 [入門文檔](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。 +1. 如果您是第一次使用開發容器，請確保您的系統符合前置需求（例如安裝 Docker），詳情請參考 [入門文件](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。 -要使用此存儲庫，您可以選擇在隔離的 Docker 卷中打開存儲庫： +要使用此 repo，您可以選擇在隔離的 Docker 卷中開啟： -**注意**：在底層，這將使用 Remote-Containers 的 **Clone Repository in Container Volume...** 命令將源代碼克隆到 Docker 卷中，而不是本地文件系統。[卷](https://docs.docker.com/storage/volumes/) 是持久化容器數據的首選機制。 +**注意**：在底層，這將使用 Remote-Containers: **Clone Repository in Container Volume...** 命令將原始碼克隆到 Docker 卷中，而不是本地文件系統。[卷](https://docs.docker.com/storage/volumes/) 是持久化容器資料的首選機制。 -或者打開本地克隆或下載的存儲庫版本： +或者開啟本地克隆或下載的 repo 版本： -- 將此存儲庫克隆到您的本地文件系統。 -- 按 F1，選擇 **Remote-Containers: Open Folder in Container...** 命令。 -- 選擇此文件夾的克隆副本，等待容器啟動，然後嘗試操作。 +- 將此 repo 克隆到您的本地文件系統。 +- 按 F1 並選擇 **Remote-Containers: Open Folder in Container...** 命令。 +- 選擇克隆的資料夾副本，等待容器啟動，然後試試看。 -## 離線訪問 +## 離線存取 -您可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文檔。Fork 此存儲庫，在您的本地機器上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此存儲庫的根文件夾中輸入 `docsify serve`。網站將在本地端口 3000 上提供服務：`localhost:3000`。 +您可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文件。Fork 此 repo，並在您的本地機器上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此 repo 的根目錄中輸入 `docsify serve`。網站將在本地端的 3000 端口上提供服務：`localhost:3000`。 -> 注意，筆記本文件不會通過 Docsify 渲染，因此當您需要運行筆記本時，請在 VS Code 中使用 Python 核心單獨運行。 +> 注意，筆記本無法通過 Docsify 渲染，因此當您需要運行筆記本時，請在 VS Code 中使用 Python 核心單獨運行。 ## 其他課程 -我們的團隊還製作了其他課程！查看以下內容： +我們的團隊還製作了其他課程！請查看： - [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) - [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) @@ -158,17 +190,16 @@ Azure Cloud Advocates 團隊很高興提供一個為期10週、共20課的資料 - [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) -## 獲取幫助 +## 尋求幫助 -如果您遇到困難或對構建 AI 應用有任何疑問，請加入： +如果您遇到困難或有任何關於建立 AI 應用程式的問題，請加入： [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -如果您有產品反饋或在構建過程中遇到錯誤，請訪問： - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +如果您有產品反饋或在建構過程中遇到錯誤，請訪問： +[![Azure AI Foundry 開發者論壇](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **免責聲明**： -本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。 \ No newline at end of file +本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解釋不承擔責任。 \ No newline at end of file diff --git a/translations/mo/examples/README.md b/translations/mo/examples/README.md new file mode 100644 index 00000000..99f4a0e3 --- /dev/null +++ b/translations/mo/examples/README.md @@ -0,0 +1,145 @@ + +# 初學者友善的資料科學範例 + +歡迎來到範例目錄！這個簡單且附有詳細註解的範例集合，旨在幫助您開始學習資料科學，即使您是完全的新手也沒問題。 + +## 📚 您會在這裡找到什麼 + +每個範例都是獨立的，並包含： +- **清晰的註解**，解釋每一步驟 +- **簡單易讀的程式碼**，一次展示一個概念 +- **真實世界的情境**，幫助您了解何時以及為什麼使用這些技術 +- **預期的輸出**，讓您知道應該觀察到什麼 + +## 🚀 開始使用 + +### 先決條件 +在執行這些範例之前，請確保您已經： +- 安裝了 Python 3.7 或更高版本 +- 基本了解如何執行 Python 腳本 + +### 安裝所需的函式庫 +```bash +pip install pandas numpy matplotlib +``` + +## 📖 範例概覽 + +### 1. Hello World - 資料科學風格 +**檔案：** `01_hello_world_data_science.py` + +您的第一個資料科學程式！學習如何： +- 載入一個簡單的資料集 +- 顯示資料的基本資訊 +- 輸出您的第一個資料科學結果 + +非常適合想要看到第一個資料科學程式運作的新手。 + +--- + +### 2. 載入與探索資料 +**檔案：** `02_loading_data.py` + +學習處理資料的基本功： +- 從 CSV 檔案讀取資料 +- 查看資料集的前幾行 +- 獲取資料的基本統計資訊 +- 理解資料型別 + +這通常是任何資料科學專案的第一步！ + +--- + +### 3. 簡單的資料分析 +**檔案：** `03_simple_analysis.py` + +進行您的第一次資料分析： +- 計算基本統計量（平均值、中位數、眾數） +- 找到最大值和最小值 +- 計算值的出現次數 +- 根據條件篩選資料 + +看看如何回答關於資料的簡單問題。 + +--- + +### 4. 資料視覺化基礎 +**檔案：** `04_basic_visualization.py` + +創建您的第一個視覺化圖表： +- 製作簡單的長條圖 +- 創建折線圖 +- 生成圓餅圖 +- 將視覺化結果儲存為圖片 + +學習如何用視覺化來傳達您的發現！ + +--- + +### 5. 使用真實資料 +**檔案：** `05_real_world_example.py` + +將所有內容結合在一起，完成一個完整的範例： +- 從資料庫載入真實資料 +- 清理並準備資料 +- 進行分析 +- 創建有意義的視覺化 +- 得出結論 + +這個範例展示了從頭到尾的完整工作流程。 + +--- + +## 🎯 如何使用這些範例 + +1. **從頭開始**：範例按難度排序編號。從 `01_hello_world_data_science.py` 開始，依序進行。 +2. **閱讀註解**：每個檔案都有詳細的註解，解釋程式碼的作用及原因。仔細閱讀！ +3. **嘗試修改**：試著修改程式碼。改變一個值會發生什麼？打破程式然後修復它——這是學習的方式！ +4. **執行程式碼**：執行每個範例並觀察輸出。將其與您的預期結果進行比較。 +5. **進一步擴展**：一旦理解了一個範例，試著用自己的想法擴展它。 + +## 💡 給初學者的建議 + +- **不要急**：在進入下一個範例之前，花時間理解每個範例 +- **自己輸入程式碼**：不要只是複製貼上。輸入程式碼有助於學習和記憶 +- **查詢不熟悉的概念**：如果遇到不理解的內容，請在線搜尋或參考主要課程 +- **提出問題**：如果需要幫助，加入 [討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions) +- **經常練習**：每天花一點時間寫程式，而不是每週一次長時間學習 + +## 🔗 下一步 + +完成這些範例後，您可以： +- 學習主要課程的內容 +- 嘗試每個課程資料夾中的作業 +- 探索 Jupyter 筆記本以進一步深入學習 +- 創建自己的資料科學專案 + +## 📚 其他資源 + +- [主要課程](../README.md) - 完整的 20 節課程 +- [給教師的資源](../for-teachers.md) - 在課堂中使用此課程 +- [Microsoft Learn](https://docs.microsoft.com/learn/) - 免費的線上學習資源 +- [Python 文件](https://docs.python.org/3/) - 官方 Python 參考 + +## 🤝 貢獻 + +發現錯誤或有新範例的想法？我們歡迎貢獻！請參閱 [貢獻指南](../CONTRIBUTING.md)。 + +--- + +**祝學習愉快！🎉** + +記住：每個專家都曾是初學者。一步一步來，不要害怕犯錯——這是學習過程的一部分！ + +--- + +**免責聲明**： +本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。 \ No newline at end of file diff --git a/translations/mr/README.md b/translations/mr/README.md index 9ada8a9b..17d7400b 100644 --- a/translations/mr/README.md +++ b/translations/mr/README.md @@ -1,53 +1,36 @@ -# डेटा सायन्ससाठी नवशिक्यांसाठी - अभ्यासक्रम +# नवशिक्यांसाठी डेटा सायन्स - अभ्यासक्रम -[![GitHub Codespaces मध्ये उघडा](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +Azure Cloud Advocates, Microsoft येथे, 10 आठवड्यांचा, 20 धड्यांचा अभ्यासक्रम सादर करत आहेत जो पूर्णपणे डेटा सायन्सवर आधारित आहे. प्रत्येक धड्यात प्री-लेसन आणि पोस्ट-लेसन क्विझ, धडा पूर्ण करण्यासाठी लेखी सूचना, समाधान आणि असाइनमेंट समाविष्ट आहे. प्रोजेक्ट-आधारित शिक्षण पद्धतीमुळे तुम्हाला शिकताना तयार करण्याची संधी मिळते, ज्यामुळे नवीन कौशल्ये अधिक चांगल्या प्रकारे आत्मसात होतात. -[![GitHub परवाना](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub योगदानकर्ते](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub समस्या](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub पुल-रिक्वेस्ट](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs स्वागत आहे](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +**आमच्या लेखकांचे मनःपूर्वक आभार:** [जॅस्मिन ग्रीनवे](https://www.twitter.com/paladique), [दिमित्री सोश्निकोव](http://soshnikov.com), [नित्या नरसिंहन](https://twitter.com/nitya), [जालेन मॅक्गी](https://twitter.com/JalenMcG), [जेन लूपर](https://twitter.com/jenlooper), [मॉड लेवी](https://twitter.com/maudstweets), [टिफनी सॉटर](https://twitter.com/TiffanySouterre), [क्रिस्टोफर हॅरिसन](https://www.twitter.com/geektrainer). -[![GitHub वॉचर्स](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub फोर्क्स](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub स्टार्स](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +**🙏 विशेष आभार 🙏 आमच्या [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) लेखक, समीक्षक आणि सामग्री योगदानकर्त्यांचे,** विशेषतः आर्यन अरोरा, [आदित्य गर्ग](https://github.com/AdityaGarg00), [अलोंड्रा सांचेज](https://www.linkedin.com/in/alondra-sanchez-molina/), [अंकिता सिंग](https://www.linkedin.com/in/ankitasingh007), [अनुपम मिश्रा](https://www.linkedin.com/in/anupam--mishra/), [अर्पिता दास](https://www.linkedin.com/in/arpitadas01/), छैल बिहारी दुबे, [डिब्री नसोफर](https://www.linkedin.com/in/dibrinsofor), [दिशिता भसीन](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [मज्द साफी](https://www.linkedin.com/in/majd-s/), [मॅक्स ब्लम](https://www.linkedin.com/in/max-blum-6036a1186/), [मिगुएल कोरेआ](https://www.linkedin.com/in/miguelmque/), [मोहम्मा इफ्तेखेर (इफ्तू) एबने जलाल](https://twitter.com/iftu119), [नावरिन तबस्सुम](https://www.linkedin.com/in/nawrin-tabassum), [रेमंड वांगसा पुत्रा](https://www.linkedin.com/in/raymond-wp/), [रोहित यादव](https://www.linkedin.com/in/rty2423), समृद्धी शर्मा, [सान्या सिन्हा](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [शीना नरूला](https://www.linkedin.com/in/sheena-narua-n/), [तौकीर अहमद](https://www.linkedin.com/in/tauqeerahmad5201/), योगेंद्रसिंग पवार, [विदुषी गुप्ता](https://www.linkedin.com/in/vidushi-gupta07/), [जसलीन सोंधी](https://www.linkedin.com/in/jasleen-sondhi/) -[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -Microsoft मधील Azure Cloud Advocates तुम्हाला डेटा सायन्ससाठी 10 आठवड्यांचा, 20 धड्यांचा अभ्यासक्रम सादर करत आहेत. प्रत्येक धड्यात प्री-लेसन आणि पोस्ट-लेसन क्विझ, धडा पूर्ण करण्यासाठी लेखी सूचना, समाधान आणि असाइनमेंट समाविष्ट आहे. प्रोजेक्ट-आधारित पद्धतीमुळे तुम्हाला शिकताना तयार करण्याची संधी मिळते, ज्यामुळे नवीन कौशल्ये अधिक चांगल्या प्रकारे आत्मसात होतात. - -**आमच्या लेखकांचे मनःपूर्वक आभार:** [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). - -**🙏 विशेष आभार 🙏 आमच्या [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) लेखक, समीक्षक आणि सामग्री योगदानकर्त्यांचे,** विशेषतः 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) - -|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.mr.png)| +|![@sketchthedocs कडून स्केच नोट https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.mr.png)| |:---:| -| डेटा सायन्ससाठी नवशिक्यांसाठी - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| नवशिक्यांसाठी डेटा सायन्स - _[@nitya](https://twitter.com/nitya) कडून स्केच नोट_ | ### 🌐 बहुभाषिक समर्थन #### GitHub Action द्वारे समर्थित (स्वयंचलित आणि नेहमी अद्ययावत) -[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](./README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) +[फ्रेंच](../fr/README.md) | [स्पॅनिश](../es/README.md) | [जर्मन](../de/README.md) | [रशियन](../ru/README.md) | [अरबी](../ar/README.md) | [फारसी (पर्शियन)](../fa/README.md) | [उर्दू](../ur/README.md) | [चिनी (सरलीकृत)](../zh/README.md) | [चिनी (पारंपरिक, मकाऊ)](../mo/README.md) | [चिनी (पारंपरिक, हाँगकाँग)](../hk/README.md) | [चिनी (पारंपरिक, तैवान)](../tw/README.md) | [जपानी](../ja/README.md) | [कोरियन](../ko/README.md) | [हिंदी](../hi/README.md) | [बंगाली](../bn/README.md) | [मराठी](./README.md) | [नेपाळी](../ne/README.md) | [पंजाबी (गुरुमुखी)](../pa/README.md) | [पोर्तुगीज (पोर्तुगाल)](../pt/README.md) | [पोर्तुगीज (ब्राझील)](../br/README.md) | [इटालियन](../it/README.md) | [पोलिश](../pl/README.md) | [तुर्की](../tr/README.md) | [ग्रीक](../el/README.md) | [थाई](../th/README.md) | [स्वीडिश](../sv/README.md) | [डॅनिश](../da/README.md) | [नॉर्वेजियन](../no/README.md) | [फिनिश](../fi/README.md) | [डच](../nl/README.md) | [हिब्रू](../he/README.md) | [व्हिएतनामी](../vi/README.md) | [इंडोनेशियन](../id/README.md) | [मलय](../ms/README.md) | [टागालोग (फिलिपिनो)](../tl/README.md) | [स्वाहिली](../sw/README.md) | [हंगेरियन](../hu/README.md) | [चेक](../cs/README.md) | [स्लोव्हाक](../sk/README.md) | [रोमानियन](../ro/README.md) | [बल्गेरियन](../bg/README.md) | [सर्बियन (सिरिलिक)](../sr/README.md) | [क्रोएशियन](../hr/README.md) | [स्लोव्हेनियन](../sl/README.md) | [युक्रेनियन](../uk/README.md) | [बर्मी (म्यानमार)](../my/README.md) -**जर तुम्हाला अतिरिक्त भाषांमध्ये भाषांतर हवे असेल तर समर्थित भाषांची यादी [येथे](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) दिली आहे** +**जर तुम्हाला अतिरिक्त भाषांमध्ये भाषांतर हवे असेल तर समर्थित भाषांची यादी [येथे](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) आहे** #### आमच्या समुदायात सामील व्हा [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -आमच्याकडे Discord वर AI शिकण्याची मालिका सुरू आहे, अधिक जाणून घ्या आणि [Learn with AI Series](https://aka.ms/learnwithai/discord) मध्ये 18 - 30 सप्टेंबर, 2025 दरम्यान सामील व्हा. तुम्हाला GitHub Copilot डेटा सायन्ससाठी कसे वापरायचे याचे टिप्स आणि ट्रिक्स मिळतील. +आमच्याकडे AI सह शिकण्याची Discord मालिका चालू आहे, अधिक जाणून घ्या आणि [Learn with AI Series](https://aka.ms/learnwithai/discord) मध्ये 18 - 30 सप्टेंबर, 2025 दरम्यान सामील व्हा. तुम्हाला डेटा सायन्ससाठी GitHub Copilot वापरण्याचे टिप्स आणि ट्रिक्स मिळतील. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.mr.jpg) @@ -55,30 +38,32 @@ Microsoft मधील Azure Cloud Advocates तुम्हाला डेट खालील संसाधनांसह सुरुवात करा: -- [Student Hub पृष्ठ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) या पृष्ठावर तुम्हाला नवशिक्यांसाठी संसाधने, विद्यार्थी पॅक आणि अगदी मोफत प्रमाणपत्र व्हाउचर मिळवण्याचे मार्ग सापडतील. हे पृष्ठ बुकमार्क करा आणि वेळोवेळी तपासा कारण आम्ही दर महिन्याला सामग्री बदलतो. +- [Student Hub पृष्ठ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) या पृष्ठावर तुम्हाला नवशिक्या संसाधने, विद्यार्थी पॅक आणि अगदी मोफत प्रमाणपत्र व्हाउचर मिळवण्याचे मार्ग सापडतील. हे एक पृष्ठ आहे जे तुम्ही बुकमार्क करावे आणि वेळोवेळी तपासावे कारण आम्ही दर महिन्याला सामग्री बदलतो. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) जागतिक विद्यार्थी राजदूत समुदायात सामील व्हा, हे Microsoft मध्ये प्रवेश करण्याचा तुमचा मार्ग असू शकतो. # सुरुवात कशी करावी -> **शिक्षक:** आम्ही [काही सूचना समाविष्ट केल्या आहेत](for-teachers.md) की हा अभ्यासक्रम कसा वापरायचा. आम्हाला तुमचे अभिप्राय [आमच्या चर्चा मंचावर](https://github.com/microsoft/Data-Science-For-Beginners/discussions) आवडेल! +> **पूर्ण नवशिक्या**: डेटा सायन्समध्ये नवीन आहात? आमच्या [नवशिक्या-अनुकूल उदाहरणांपासून](examples/README.md) सुरुवात करा! ही सोपी, चांगल्या प्रकारे टिप्पणी केलेली उदाहरणे तुम्हाला संपूर्ण अभ्यासक्रमात जाण्यापूर्वी मूलभूत गोष्टी समजून घेण्यास मदत करतील. + +> **शिक्षक**: आम्ही या अभ्यासक्रमाचा वापर कसा करायचा याबद्दल [काही सूचना समाविष्ट केल्या आहेत](for-teachers.md). आम्हाला तुमचे अभिप्राय [आमच्या चर्चा मंचावर](https://github.com/microsoft/Data-Science-For-Beginners/discussions) आवडतील! -> **[विद्यार्थी](https://aka.ms/student-page):** स्वतः हा अभ्यासक्रम वापरण्यासाठी, संपूर्ण रेपो फोर्क करा आणि स्वतःच सराव पूर्ण करा, प्री-लेक्चर क्विझपासून सुरुवात करा. मग लेक्चर वाचा आणि उर्वरित क्रियाकलाप पूर्ण करा. धड्यांमधून समजून प्रोजेक्ट तयार करण्याचा प्रयत्न करा, समाधान कोड कॉपी करण्याऐवजी; तथापि, तो कोड प्रत्येक प्रोजेक्ट-आधारित धड्याच्या /solutions फोल्डरमध्ये उपलब्ध आहे. आणखी एक कल्पना म्हणजे मित्रांसह अभ्यास गट तयार करणे आणि एकत्र सामग्रीचा अभ्यास करणे. पुढील अभ्यासासाठी, आम्ही [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ची शिफारस करतो. +> **[विद्यार्थी](https://aka.ms/student-page)**: हा अभ्यासक्रम स्वतः वापरण्यासाठी, संपूर्ण रेपो फोर्क करा आणि स्वतःच व्यायाम पूर्ण करा, प्री-लेक्चर क्विझपासून सुरुवात करा. नंतर व्याख्यान वाचा आणि उर्वरित क्रियाकलाप पूर्ण करा. धड्यांचा अर्थ समजून प्रकल्प तयार करण्याचा प्रयत्न करा, समाधान कोड कॉपी करण्याऐवजी; तथापि, तो कोड प्रत्येक प्रकल्प-आधारित धड्याच्या /solutions फोल्डर्समध्ये उपलब्ध आहे. आणखी एक कल्पना म्हणजे मित्रांसोबत अभ्यास गट तयार करणे आणि एकत्र सामग्रीचा अभ्यास करणे. पुढील अभ्यासासाठी, आम्ही [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ची शिफारस करतो. ## टीमला भेटा [![प्रोमो व्हिडिओ](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "प्रोमो व्हिडिओ") -**Gif द्वारे** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gif द्वारे** [मोहित जैसल](https://www.linkedin.com/in/mohitjaisal) > 🎥 वरच्या प्रतिमेवर क्लिक करा प्रकल्पाबद्दल आणि ते तयार करणाऱ्या लोकांबद्दल व्हिडिओ पाहण्यासाठी! ## शिक्षण पद्धती -आम्ही हा अभ्यासक्रम तयार करताना दोन शिक्षण पद्धती निवडल्या आहेत: प्रोजेक्ट-आधारित सुनिश्चित करणे आणि वारंवार क्विझ समाविष्ट करणे. या मालिकेच्या शेवटी, विद्यार्थ्यांनी डेटा सायन्सचे मूलभूत तत्त्वे शिकलेली असतील, ज्यामध्ये नैतिक संकल्पना, डेटा तयारी, डेटा हाताळण्याचे विविध मार्ग, डेटा व्हिज्युअलायझेशन, डेटा विश्लेषण, डेटा सायन्सचे वास्तविक जीवनातील उपयोग आणि बरेच काही समाविष्ट आहे. +आम्ही हा अभ्यासक्रम तयार करताना दोन शिक्षण पद्धती स्वीकारल्या आहेत: प्रकल्प-आधारित सुनिश्चित करणे आणि वारंवार क्विझ समाविष्ट करणे. या मालिकेच्या शेवटी, विद्यार्थ्यांनी डेटा सायन्सचे मूलभूत तत्त्वे शिकले असतील, ज्यामध्ये नैतिक संकल्पना, डेटा तयारी, डेटा हाताळण्याचे विविध मार्ग, डेटा व्हिज्युअलायझेशन, डेटा विश्लेषण, डेटा सायन्सचे वास्तविक-जगातील उपयोग आणि बरेच काही समाविष्ट आहे. -याशिवाय, वर्गाच्या आधीचा कमी ताणाचा क्विझ विद्यार्थ्याला विषय शिकण्याच्या उद्देशाने तयार करतो, तर वर्गानंतरचा दुसरा क्विझ अधिक चांगल्या प्रकारे माहिती टिकवून ठेवतो. हा अभ्यासक्रम लवचिक आणि मजेदार बनवण्यासाठी डिझाइन केला गेला आहे आणि तो संपूर्ण किंवा अंशतः घेतला जाऊ शकतो. प्रोजेक्ट लहान सुरू होतात आणि 10 आठवड्यांच्या चक्राच्या शेवटी अधिकाधिक जटिल होतात. +याशिवाय, वर्गाच्या आधीचा कमी-जोखीम क्विझ विद्यार्थ्याला विषय शिकण्याच्या उद्देशाने सेट करतो, तर वर्गानंतरचा दुसरा क्विझ पुढील टिकवून ठेवण्याची खात्री करतो. हा अभ्यासक्रम लवचिक आणि मजेदार बनवण्यासाठी डिझाइन केला गेला आहे आणि संपूर्ण किंवा अंशतः घेतला जाऊ शकतो. प्रकल्प लहान सुरू होतात आणि 10 आठवड्यांच्या चक्राच्या शेवटी अधिकाधिक जटिल होतात. -> आमचा [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) मार्गदर्शक शोधा. आम्ही तुमच्या रचनात्मक अभिप्रायाचे स्वागत करतो! +> आमचा [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) मार्गदर्शक शोधा. आम्ही तुमच्या रचनात्मक अभिप्रायाचे स्वागत करतो! ## प्रत्येक धड्यात समाविष्ट आहे: @@ -86,81 +71,95 @@ Microsoft मधील Azure Cloud Advocates तुम्हाला डेट - पर्यायी पूरक व्हिडिओ - प्री-लेसन वॉर्मअप क्विझ - लेखी धडा -- प्रोजेक्ट-आधारित धड्यांसाठी, प्रोजेक्ट कसा तयार करायचा याबद्दल चरण-दर-चरण मार्गदर्शक +- प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याबद्दल चरण-दर-चरण मार्गदर्शक - ज्ञान तपासणी - एक आव्हान - पूरक वाचन - असाइनमेंट - [पोस्ट-लेसन क्विझ](https://ff-quizzes.netlify.app/en/) +> **क्विझेसबद्दल एक टीप**: सर्व क्विझेस Quiz-App फोल्डरमध्ये आहेत, ज्यामध्ये प्रत्येक तीन प्रश्नांसाठी एकूण 40 क्विझेस आहेत. हे धड्यांमधून लिंक केलेले आहेत, परंतु क्विझ अ‍ॅप स्थानिक पातळीवर चालवले जाऊ शकते किंवा Azure वर तैनात केले जाऊ शकते; `quiz-app` फोल्डरमधील सूचनांचे अनुसरण करा. हे हळूहळू स्थानिक भाषांमध्ये उपलब्ध केले जात आहेत. -> **क्विझबद्दल एक टीप:** सर्व क्विझ Quiz-App फोल्डरमध्ये समाविष्ट आहेत, प्रत्येक तीन प्रश्नांसाठी 40 एकूण क्विझ. ते धड्यांमधून लिंक केलेले आहेत, परंतु क्विझ अॅप स्थानिक पातळीवर चालवले जाऊ शकते किंवा Azure वर तैनात केले जाऊ शकते; `quiz-app` फोल्डरमधील सूचनांचे अनुसरण करा. ते हळूहळू स्थानिक भाषांमध्ये भाषांतरित केले जात आहेत. +## 🎓 नवशिक्यांसाठी सोपे उदाहरणे + +**डेटा सायन्समध्ये नवीन आहात?** आम्ही एक विशेष [उदाहरणे डिरेक्टरी](examples/README.md) तयार केली आहे ज्यामध्ये सोपी, चांगल्या प्रकारे टिप्पणी दिलेली कोड आहे, ज्यामुळे तुम्हाला सुरुवात करण्यात मदत होईल: + +- 🌟 **हॅलो वर्ल्ड** - तुमचा पहिला डेटा सायन्स प्रोग्राम +- 📂 **डेटा लोड करणे** - डेटासेट वाचणे आणि एक्सप्लोर करणे शिकणे +- 📊 **साधी विश्लेषणे** - आकडेवारी मोजणे आणि नमुने शोधणे +- 📈 **मूलभूत व्हिज्युअलायझेशन** - चार्ट आणि ग्राफ तयार करणे +- 🔬 **वास्तविक प्रकल्प** - सुरुवातीपासून शेवटपर्यंत पूर्ण कार्यप्रवाह + +प्रत्येक उदाहरणामध्ये प्रत्येक चरणाचे तपशीलवार स्पष्टीकरण असते, जे पूर्णपणे नवशिक्यांसाठी योग्य आहे! + +👉 **[उदाहरणांपासून सुरुवात करा](examples/README.md)** 👈 ## धडे -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.mr.png)| + +|![ @sketchthedocs द्वारे स्केच नोट https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.mr.png)| |:---:| -| डेटा सायन्स फॉर बिगिनर्स: रोडमॅप - _[@nitya](https://twitter.com/nitya) यांचे स्केच नोट_ | +| डेटा सायन्स फॉर बिगिनर्स: रोडमॅप - _[@nitya](https://twitter.com/nitya) द्वारे स्केच नोट_ | -| धडा क्रमांक | विषय | धड्याचे गट | शिकण्याचे उद्दिष्ट | संबंधित धडा | लेखक | +| धडा क्रमांक | विषय | धड्यांचे गट | शिकण्याची उद्दिष्टे | लिंक केलेला धडा | लेखक | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | डेटा सायन्सची व्याख्या | [परिचय](1-Introduction/README.md) | डेटा सायन्सचे मूलभूत संकल्पना आणि त्याचा कृत्रिम बुद्धिमत्ता, मशीन लर्निंग आणि बिग डेटा यांच्याशी संबंध कसा आहे हे जाणून घ्या. | [धडा](1-Introduction/01-defining-data-science/README.md) [व्हिडिओ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | डेटा सायन्स नीतिशास्त्र | [परिचय](1-Introduction/README.md) | डेटा नीतिशास्त्राची संकल्पना, आव्हाने आणि फ्रेमवर्क. | [धडा](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | डेटाची व्याख्या | [परिचय](1-Introduction/README.md) | डेटा कसा वर्गीकृत केला जातो आणि त्याचे सामान्य स्रोत काय आहेत हे जाणून घ्या. | [धडा](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | सांख्यिकी आणि संभाव्यतेची ओळख | [परिचय](1-Introduction/README.md) | डेटा समजण्यासाठी संभाव्यता आणि सांख्यिकीचे गणितीय तंत्र. | [धडा](1-Introduction/04-stats-and-probability/README.md) [व्हिडिओ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | रिलेशनल डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | रिलेशनल डेटाची ओळख आणि स्ट्रक्चर्ड क्वेरी लँग्वेज (SQL) वापरून रिलेशनल डेटा एक्सप्लोर आणि विश्लेषण करण्याच्या मूलभूत गोष्टी. | [धडा](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | नॉन-रिलेशनल डेटाची ओळख, त्याचे विविध प्रकार आणि डॉक्युमेंट डेटाबेस एक्सप्लोर आणि विश्लेषण करण्याच्या मूलभूत गोष्टी. | [धडा](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 01 | डेटा सायन्सची व्याख्या | [परिचय](1-Introduction/README.md) | डेटा सायन्समागील मूलभूत संकल्पना आणि ते कृत्रिम बुद्धिमत्ता, मशीन लर्निंग आणि बिग डेटा शी कसे संबंधित आहे ते जाणून घ्या. | [धडा](1-Introduction/01-defining-data-science/README.md) [व्हिडिओ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | डेटा सायन्स नैतिकता | [परिचय](1-Introduction/README.md) | डेटा नैतिकतेची संकल्पना, आव्हाने आणि फ्रेमवर्क. | [धडा](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | डेटाची व्याख्या | [परिचय](1-Introduction/README.md) | डेटा कसा वर्गीकृत केला जातो आणि त्याचे सामान्य स्रोत काय आहेत. | [धडा](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | आकडेवारी आणि संभाव्यतेचा परिचय | [परिचय](1-Introduction/README.md) | डेटा समजण्यासाठी संभाव्यता आणि आकडेवारीचे गणितीय तंत्र. | [धडा](1-Introduction/04-stats-and-probability/README.md) [व्हिडिओ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | रिलेशनल डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | रिलेशनल डेटाचा परिचय आणि स्ट्रक्चर्ड क्वेरी लँग्वेज (SQL) चा वापर करून रिलेशनल डेटा एक्सप्लोर आणि विश्लेषण करण्याच्या मूलभूत गोष्टी. | [धडा](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | नॉन-रिलेशनल डेटाचा परिचय, त्याचे विविध प्रकार आणि डॉक्युमेंट डेटाबेस एक्सप्लोर आणि विश्लेषण करण्याच्या मूलभूत गोष्टी. | [धडा](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | पायथनसह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | Pandas सारख्या लायब्ररीसह डेटा एक्सप्लोरेशनसाठी पायथन वापरण्याच्या मूलभूत गोष्टी. पायथन प्रोग्रामिंगची मूलभूत समज आवश्यक आहे. | [धडा](2-Working-With-Data/07-python/README.md) [व्हिडिओ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | डेटा तयारी | [डेटासह काम करणे](2-Working-With-Data/README.md) | डेटा साफसफाई आणि रूपांतर करण्याच्या तंत्रांवरील विषय, ज्यामुळे हरवलेला, अचूक नसलेला किंवा अपूर्ण डेटा हाताळता येतो. | [धडा](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | प्रमाणांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | Matplotlib वापरून पक्ष्यांचा डेटा 🦆 व्हिज्युअलायझेशन कसे करावे ते शिका. | [धडा](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 08 | डेटा तयारी | [डेटासह काम करणे](2-Working-With-Data/README.md) | गहाळ, अचूक नसलेला किंवा अपूर्ण डेटा हाताळण्यासाठी डेटा साफसफाई आणि रूपांतर तंत्रांवरील विषय. | [धडा](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | प्रमाणांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | Matplotlib वापरून पक्ष्यांचा डेटा 🦆 व्हिज्युअलायझेशन कसे करावे ते शिकणे. | [धडा](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | डेटाच्या वितरणाचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | एका अंतरालातील निरीक्षणे आणि ट्रेंड व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | प्रमाणांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | डिस्क्रीट आणि गटबद्ध टक्केवारी व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | संबंधांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | डेटाच्या संचांमधील कनेक्शन आणि सहसंबंध व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | प्रमाणांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | वेगळ्या आणि गटबद्ध टक्केवारीचे व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | संबंधांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | डेटा संच आणि त्याच्या व्हेरिएबल्समधील कनेक्शन आणि सहसंबंध व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | अर्थपूर्ण व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | प्रभावी समस्या सोडवण्यासाठी आणि अंतर्दृष्टीसाठी तुमच्या व्हिज्युअलायझेशनला मूल्यवान बनवण्यासाठी तंत्र आणि मार्गदर्शन. | [धडा](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | डेटा सायन्स जीवनचक्राची ओळख | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राची ओळख आणि डेटा मिळवणे आणि काढणे याची पहिली पायरी. | [धडा](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | विश्लेषण | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा विश्लेषणाच्या तंत्रांवर लक्ष केंद्रित करतो. | [धडा](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | संवाद | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा अंतर्दृष्टी निर्णय घेणाऱ्यांना समजण्यास सोपे होईल अशा प्रकारे सादर करण्यावर लक्ष केंद्रित करतो. | [धडा](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउडमधील डेटा सायन्स आणि त्याचे फायदे याची ओळख करून देणाऱ्या धड्यांची मालिका. | [धडा](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) आणि [Maud](https://twitter.com/maudstweets) | +| 14 | डेटा सायन्स जीवनचक्राचा परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा परिचय आणि डेटा मिळवणे आणि काढणे याची पहिली पायरी. | [धडा](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | विश्लेषण करणे | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा विश्लेषण करण्याच्या तंत्रांवर केंद्रित आहे. | [धडा](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | संवाद | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा मधून मिळालेल्या अंतर्दृष्टी निर्णय घेणाऱ्यांना समजण्यास सोपे होईल अशा प्रकारे सादर करण्यावर केंद्रित आहे. | [धडा](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउडमधील डेटा सायन्स आणि त्याचे फायदे याचा परिचय देणाऱ्या धड्यांची मालिका. | [धडा](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) आणि [Maud](https://twitter.com/maudstweets) | | 18 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | लो कोड टूल्स वापरून मॉडेल्स प्रशिक्षण. |[धडा](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) आणि [Maud](https://twitter.com/maudstweets) | | 19 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio वापरून मॉडेल्स तैनात करणे. | [धडा](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) आणि [Maud](https://twitter.com/maudstweets) | -| 20 | वाइल्डमधील डेटा सायन्स | [वाइल्डमध्ये](6-Data-Science-In-Wild/README.md) | वास्तविक जगातील डेटा सायन्स चालित प्रकल्प. | [धडा](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 20 | डेटा सायन्स इन द वाइल्ड | [वास्तविक जगात](6-Data-Science-In-Wild/README.md) | वास्तविक जगातील डेटा सायन्स चालित प्रकल्प. | [धडा](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Codespace मध्ये हे नमुना उघडण्यासाठी खालील चरणांचे अनुसरण करा: -1. कोड ड्रॉप-डाउन मेनूवर क्लिक करा आणि Open with Codespaces पर्याय निवडा. +1. Code ड्रॉप-डाउन मेनूवर क्लिक करा आणि Open with Codespaces पर्याय निवडा. 2. पॅनच्या तळाशी + New codespace निवडा. -अधिक माहितीसाठी, [GitHub दस्तऐवज](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) तपासा. +अधिक माहितीसाठी, [GitHub दस्तऐवज](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) पहा. ## VSCode Remote - Containers -VSCode Remote - Containers विस्तार वापरून तुमच्या स्थानिक मशीनवर आणि VSCode मध्ये कंटेनरमध्ये हे रिपॉझिटरी उघडण्यासाठी खालील चरणांचे अनुसरण करा: +तुमच्या स्थानिक मशीन आणि VSCode वापरून VS Code Remote - Containers विस्तार वापरून कंटेनरमध्ये हे रिपो उघडण्यासाठी खालील चरणांचे अनुसरण करा: -1. जर तुम्ही प्रथमच विकास कंटेनर वापरत असाल, तर कृपया तुमची प्रणाली प्री-रेक्वायरमेंट्स पूर्ण करते याची खात्री करा (उदा. [गेटिंग स्टार्टेड डॉक्युमेंटेशन](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) मध्ये Docker स्थापित केले आहे). +1. जर तुम्ही प्रथमच विकास कंटेनर वापरत असाल, तर कृपया तुमची प्रणाली पूर्व-आवश्यकता पूर्ण करते याची खात्री करा (उदा. Docker स्थापित केले आहे) [गेटिंग स्टार्टेड दस्तऐवज](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) मध्ये. -हे रिपॉझिटरी वापरण्यासाठी, तुम्ही हे रिपॉझिटरी वेगळ्या Docker व्हॉल्यूममध्ये उघडू शकता: +हे रिपॉझिटरी वापरण्यासाठी, तुम्ही रिपॉझिटरीला वेगळ्या Docker व्हॉल्यूममध्ये उघडू शकता: -**टीप**: अंतर्गत, हे Remote-Containers: **Clone Repository in Container Volume...** कमांड वापरेल जेणेकरून स्थानिक फाइल सिस्टमऐवजी Docker व्हॉल्यूममध्ये स्रोत कोड क्लोन केला जाईल. [व्हॉल्यूम्स](https://docs.docker.com/storage/volumes/) कंटेनर डेटा टिकवण्यासाठी प्राधान्य दिलेले यंत्रणा आहेत. +**टीप**: अंतर्गत, हे Remote-Containers: **Clone Repository in Container Volume...** कमांड वापरेल जेणेकरून स्थानिक फाइल सिस्टमऐवजी Docker व्हॉल्यूममध्ये स्त्रोत कोड क्लोन केला जाईल. [व्हॉल्यूम्स](https://docs.docker.com/storage/volumes/) कंटेनर डेटा टिकवण्यासाठी प्राधान्य दिलेले यंत्रणा आहेत. -किंवा स्थानिकपणे क्लोन केलेल्या किंवा डाउनलोड केलेल्या रिपॉझिटरीची आवृत्ती उघडा: +किंवा स्थानिक पातळीवर क्लोन केलेला किंवा डाउनलोड केलेला रिपॉझिटरी उघडा: -- हे रिपॉझिटरी तुमच्या स्थानिक फाइल सिस्टमवर क्लोन करा. +- या रिपॉझिटरीला तुमच्या स्थानिक फाइल सिस्टमवर क्लोन करा. - F1 दाबा आणि **Remote-Containers: Open Folder in Container...** कमांड निवडा. - या फोल्डरची क्लोन केलेली प्रत निवडा, कंटेनर सुरू होण्याची वाट पाहा आणि गोष्टी वापरून पहा. ## ऑफलाइन प्रवेश -[Docsify](https://docsify.js.org/#/) वापरून तुम्ही हे दस्तऐवज ऑफलाइन चालवू शकता. हे रिपॉझिटरी फोर्क करा, तुमच्या स्थानिक मशीनवर [Docsify स्थापित करा](https://docsify.js.org/#/quickstart), नंतर या रिपॉझिटरीच्या मूळ फोल्डरमध्ये `docsify serve` टाइप करा. वेबसाइट तुमच्या localhost वर पोर्ट 3000 वर सर्व्ह केली जाईल: `localhost:3000`. +तुम्ही [Docsify](https://docsify.js.org/#/) वापरून हे दस्तऐवज ऑफलाइन चालवू शकता. या रिपॉझिटरीला फोर्क करा, [Docsify स्थापित करा](https://docsify.js.org/#/quickstart) तुमच्या स्थानिक मशीनवर, नंतर या रिपॉझिटरीच्या मूळ फोल्डरमध्ये `docsify serve` टाइप करा. वेबसाइट तुमच्या स्थानिक होस्टवर पोर्ट 3000 वर चालवली जाईल: `localhost:3000`. -> टीप, नोटबुक्स Docsify द्वारे प्रस्तुत केले जाणार नाहीत, त्यामुळे तुम्हाला नोटबुक चालवायचे असल्यास, ते वेगळ्या Python कर्नल चालवणाऱ्या VS Code मध्ये करा. +> टीप, नोटबुक्स Docsify द्वारे रेंडर केले जाणार नाहीत, त्यामुळे जेव्हा तुम्हाला नोटबुक चालवायचे असेल, तेव्हा ते वेगळ्या पायथन कर्नल चालवणाऱ्या VS Code मध्ये करा. ## इतर अभ्यासक्रम -आमची टीम इतर अभ्यासक्रम तयार करते! तपासा: +आमची टीम इतर अभ्यासक्रम तयार करते! पहा: - [एज AI फॉर बिगिनर्स](https://aka.ms/edgeai-for-beginners) - [AI एजंट्स फॉर बिगिनर्स](https://aka.ms/ai-agents-beginners) -- [जनरेटिव AI फॉर बिगिनर्स](https://aka.ms/genai-beginners) -- [जनरेटिव AI फॉर बिगिनर्स .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) -- [जनरेटिव AI विथ जावास्क्रिप्ट](https://github.com/microsoft/generative-ai-with-javascript) -- [जनरेटिव AI विथ जावा](https://aka.ms/genaijava) +- [जनरेटिव्ह AI फॉर बिगिनर्स](https://aka.ms/genai-beginners) +- [जनरेटिव्ह AI फॉर बिगिनर्स .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [जनरेटिव्ह AI विथ जावास्क्रिप्ट](https://github.com/microsoft/generative-ai-with-javascript) +- [जनरेटिव्ह AI विथ जावा](https://aka.ms/genaijava) - [AI फॉर बिगिनर्स](https://aka.ms/ai-beginners) - [डेटा सायन्स फॉर बिगिनर्स](https://aka.ms/datascience-beginners) - [बॅश फॉर बिगिनर्स](https://github.com/microsoft/bash-for-beginners) @@ -170,22 +169,21 @@ VSCode Remote - Containers विस्तार वापरून तुमच - [IoT फॉर बिगिनर्स](https://aka.ms/iot-beginners) - [मशीन लर्निंग फॉर बिगिनर्स](https://aka.ms/ml-beginners) - [XR डेव्हलपमेंट फॉर बिगिनर्स](https://aka.ms/xr-dev-for-beginners) -- [GitHub Copilot फॉर AI पायर्ड प्रोग्रामिंग मास्टरिंग](https://aka.ms/GitHubCopilotAI) +- [GitHub Copilot फॉर AI पायर्ड प्रोग्रामिंग मास्टर करणे](https://aka.ms/GitHubCopilotAI) - [XR डेव्हलपमेंट फॉर बिगिनर्स](https://github.com/microsoft/xr-development-for-beginners) -- [GitHub Copilot फॉर C#/.NET डेव्हलपर्स मास्टरिंग](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [तुमचा स्वतःचा Copilot Adventure निवडा](https://github.com/microsoft/CopilotAdventures) +- [GitHub Copilot फॉर C#/.NET डेव्हलपर्स मास्टर करणे](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [तुमची स्वतःची Copilot साहस निवडा](https://github.com/microsoft/CopilotAdventures) ## मदत मिळवणे -जर तुम्हाला अडचण आली किंवा AI अॅप्स तयार करण्याबद्दल काही प्रश्न असतील, तर सामील व्हा: +जर तुम्हाला अडचण आली किंवा AI अ‍ॅप्स तयार करण्याबद्दल काही प्रश्न असतील, तर सामील व्हा: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) जर तुम्हाला उत्पादन अभिप्राय किंवा तयार करताना त्रुटी आढळल्या तर भेट द्या: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![GitHub Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **अस्वीकरण**: -हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) चा वापर करून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरे त्रुटी किंवा अचूकतेच्या अभावाने युक्त असू शकतात. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही. \ No newline at end of file +हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून निर्माण होणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही. \ No newline at end of file diff --git a/translations/mr/examples/README.md b/translations/mr/examples/README.md new file mode 100644 index 00000000..e11646e7 --- /dev/null +++ b/translations/mr/examples/README.md @@ -0,0 +1,149 @@ + +# नवशिक्यांसाठी डेटा सायन्स उदाहरणे + +उदाहरणांच्या या संचात आपले स्वागत आहे! ही सोपी, व्यवस्थित टिपण्या असलेली उदाहरणे डेटा सायन्स शिकण्यास सुरुवात करण्यासाठी डिझाइन केली आहेत, अगदी तुम्ही पूर्णपणे नवशिके असलात तरीही. + +## 📚 येथे तुम्हाला काय सापडेल + +प्रत्येक उदाहरण स्वतंत्र आहे आणि त्यामध्ये समाविष्ट आहे: +- **स्पष्ट टिपण्या** ज्या प्रत्येक टप्प्याचे स्पष्टीकरण देतात +- **सोपे, वाचनीय कोड** जो एका वेळी एकच संकल्पना दाखवतो +- **वास्तविक जीवनातील संदर्भ** जेणेकरून तुम्हाला या तंत्रांचा उपयोग कधी आणि का करायचा हे समजेल +- **अपेक्षित आउटपुट** जेणेकरून तुम्हाला काय शोधायचे आहे हे समजेल + +## 🚀 सुरुवात कशी करावी + +### पूर्वतयारी +ही उदाहरणे चालवण्यापूर्वी, खात्री करा की तुमच्याकडे: +- Python 3.7 किंवा त्यापेक्षा उच्च आवृत्ती स्थापित आहे +- Python स्क्रिप्ट कशा चालवायच्या याची मूलभूत समज आहे + +### आवश्यक लायब्ररी स्थापित करणे +```bash +pip install pandas numpy matplotlib +``` + +## 📖 उदाहरणांचा आढावा + +### 1. हेलो वर्ल्ड - डेटा सायन्स शैली +**फाईल:** `01_hello_world_data_science.py` + +तुमचा पहिला डेटा सायन्स प्रोग्राम! शिकाल: +- साधा डेटासेट लोड करणे +- तुमच्या डेटाबद्दल मूलभूत माहिती दाखवणे +- तुमचा पहिला डेटा सायन्स आउटपुट प्रिंट करणे + +अगदी नवशिक्यांसाठी योग्य, जे त्यांचा पहिला डेटा सायन्स प्रोग्राम अॅक्शनमध्ये पाहू इच्छितात. + +--- + +### 2. डेटा लोड करणे आणि एक्सप्लोर करणे +**फाईल:** `02_loading_data.py` + +डेटासोबत काम करण्याच्या मूलभूत गोष्टी शिकून घ्या: +- CSV फाईल्समधून डेटा वाचणे +- तुमच्या डेटासेटच्या पहिल्या काही ओळी पाहणे +- तुमच्या डेटाबद्दल मूलभूत आकडेवारी मिळवणे +- डेटा प्रकार समजून घेणे + +हे कोणत्याही डेटा सायन्स प्रोजेक्टमधील पहिल्या टप्प्यांपैकी एक आहे! + +--- + +### 3. साधे डेटा विश्लेषण +**फाईल:** `03_simple_analysis.py` + +तुमचे पहिले डेटा विश्लेषण करा: +- मूलभूत आकडेवारी (मीन, मीडियन, मोड) काढा +- जास्तीत जास्त आणि किमान मूल्ये शोधा +- मूल्यांची वारंवारता मोजा +- अटींवर आधारित डेटा फिल्टर करा + +तुमच्या डेटाबद्दल साधे प्रश्न कसे सोडवायचे ते पाहा. + +--- + +### 4. डेटा व्हिज्युअलायझेशनची मूलभूत तत्त्वे +**फाईल:** `04_basic_visualization.py` + +तुमचे पहिले व्हिज्युअलायझेशन तयार करा: +- साधा बार चार्ट तयार करा +- लाईन प्लॉट तयार करा +- पाई चार्ट तयार करा +- तुमची व्हिज्युअलायझेशन प्रतिमा म्हणून सेव्ह करा + +तुमच्या निष्कर्षांचे व्हिज्युअल स्वरूपात संप्रेषण कसे करायचे ते शिका! + +--- + +### 5. वास्तविक डेटासोबत काम करणे +**फाईल:** `05_real_world_example.py` + +संपूर्ण उदाहरणासह सर्व गोष्टी एकत्र करा: +- रेपॉझिटरीमधून वास्तविक डेटा लोड करा +- डेटा स्वच्छ करा आणि तयार करा +- विश्लेषण करा +- अर्थपूर्ण व्हिज्युअलायझेशन तयार करा +- निष्कर्ष काढा + +हे उदाहरण सुरुवातीपासून शेवटपर्यंत संपूर्ण वर्कफ्लो दाखवते. + +--- + +## 🎯 ही उदाहरणे कशी वापरायची + +1. **सुरुवातीपासून सुरुवात करा**: उदाहरणे अडचणीच्या क्रमाने क्रमांकित आहेत. `01_hello_world_data_science.py` पासून सुरुवात करा आणि पुढे जा. + +2. **टिपण्या वाचा**: प्रत्येक फाईलमध्ये कोड काय करतो आणि का करतो याचे तपशीलवार स्पष्टीकरण देणाऱ्या टिपण्या आहेत. त्या काळजीपूर्वक वाचा! + +3. **प्रयोग करा**: कोड बदलून पाहा. एखादे मूल्य बदलल्यास काय होते? गोष्टी बिघडवा आणि दुरुस्त करा - अशा प्रकारे तुम्ही शिकता! + +4. **कोड चालवा**: प्रत्येक उदाहरण चालवा आणि आउटपुट पाहा. ते तुम्ही अपेक्षित केलेल्या गोष्टींशी जुळते का ते तपासा. + +5. **त्यावर आधारित काम करा**: एकदा उदाहरण समजले की, तुमच्या स्वतःच्या कल्पनांसह ते विस्तृत करण्याचा प्रयत्न करा. + +## 💡 नवशिक्यांसाठी टिपा + +- **घाई करू नका**: पुढे जाण्यापूर्वी प्रत्येक उदाहरण समजून घेण्यासाठी वेळ घ्या +- **कोड स्वतः टाइप करा**: फक्त कॉपी-पेस्ट करू नका. टाइपिंगमुळे तुम्हाला शिकायला आणि लक्षात ठेवायला मदत होते +- **अपरिचित संकल्पना शोधा**: काहीतरी समजले नाही तर, ते ऑनलाइन किंवा मुख्य धड्यांमध्ये शोधा +- **प्रश्न विचारा**: [चर्चा मंच](https://github.com/microsoft/Data-Science-For-Beginners/discussions) मध्ये सामील व्हा जर तुम्हाला मदतीची गरज असेल +- **नियमित सराव करा**: आठवड्यातून एकदा लांब सत्रांऐवजी दररोज थोडा कोड लिहिण्याचा प्रयत्न करा + +## 🔗 पुढील पावले + +ही उदाहरणे पूर्ण केल्यानंतर, तुम्ही तयार आहात: +- मुख्य अभ्यासक्रमातील धडे पूर्ण करण्यासाठी +- प्रत्येक धड्याच्या फोल्डरमधील असाइनमेंट्स करण्यासाठी +- अधिक सखोल शिक्षणासाठी Jupyter नोटबुक्स एक्सप्लोर करण्यासाठी +- तुमचे स्वतःचे डेटा सायन्स प्रोजेक्ट तयार करण्यासाठी + +## 📚 अतिरिक्त संसाधने + +- [मुख्य अभ्यासक्रम](../README.md) - संपूर्ण 20-धड्यांचा कोर्स +- [शिक्षकांसाठी](../for-teachers.md) - हा अभ्यासक्रम तुमच्या वर्गात कसा वापरायचा +- [Microsoft Learn](https://docs.microsoft.com/learn/) - मोफत ऑनलाइन शिक्षण संसाधने +- [Python दस्तऐवज](https://docs.python.org/3/) - अधिकृत Python संदर्भ + +## 🤝 योगदान + +काही बग सापडला किंवा नवीन उदाहरणासाठी कल्पना आहे? आम्ही योगदानांचे स्वागत करतो! कृपया आमचा [योगदान मार्गदर्शक](../CONTRIBUTING.md) पहा. + +--- + +**शिकण्याचा आनंद घ्या! 🎉** + +लक्षात ठेवा: प्रत्येक तज्ञ कधीतरी नवशिकाच होता. एकावेळी एक पाऊल उचला आणि चुका करण्यास घाबरू नका - त्या शिकण्याच्या प्रक्रियेचा भाग आहेत! + +--- + +**अस्वीकरण**: +हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही. \ No newline at end of file diff --git a/translations/ms/README.md b/translations/ms/README.md index e8aeac1d..49d59fa3 100644 --- a/translations/ms/README.md +++ b/translations/ms/README.md @@ -1,19 +1,35 @@ # Sains Data untuk Pemula - Kurikulum -Azure Cloud Advocates di Microsoft dengan bangga menawarkan kurikulum 10 minggu, 20 pelajaran tentang Sains Data. Setiap pelajaran merangkumi kuiz sebelum dan selepas pelajaran, arahan bertulis untuk melengkapkan pelajaran, penyelesaian, dan tugasan. Pendekatan pembelajaran berasaskan projek membolehkan anda belajar sambil membina, cara yang terbukti untuk kemahiran baru 'melekat'. +[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) + +[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +Azure Cloud Advocates di Microsoft dengan sukacitanya menawarkan kurikulum 10 minggu, 20 pelajaran yang berkaitan dengan Sains Data. Setiap pelajaran termasuk kuiz sebelum dan selepas pelajaran, arahan bertulis untuk melengkapkan pelajaran, penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, cara yang terbukti untuk kemahiran baru 'melekat'. **Terima kasih kepada penulis kami:** [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). -**🙏 Terima kasih khas 🙏 kepada [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) penulis, pengulas dan penyumbang kandungan kami,** termasuk 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), +**🙏 Terima kasih khas 🙏 kepada [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) penulis, pengulas dan penyumbang kandungan kami,** terutamanya 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote oleh @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.ms.png)| @@ -26,14 +42,14 @@ Azure Cloud Advocates di Microsoft dengan bangga menawarkan kurikulum 10 minggu, [Perancis](../fr/README.md) | [Sepanyol](../es/README.md) | [Jerman](../de/README.md) | [Rusia](../ru/README.md) | [Arab](../ar/README.md) | [Parsi (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Cina (Ringkas)](../zh/README.md) | [Cina (Tradisional, Macau)](../mo/README.md) | [Cina (Tradisional, Hong Kong)](../hk/README.md) | [Cina (Tradisional, Taiwan)](../tw/README.md) | [Jepun](../ja/README.md) | [Korea](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugis (Portugal)](../pt/README.md) | [Portugis (Brazil)](../br/README.md) | [Itali](../it/README.md) | [Poland](../pl/README.md) | [Turki](../tr/README.md) | [Yunani](../el/README.md) | [Thai](../th/README.md) | [Sweden](../sv/README.md) | [Denmark](../da/README.md) | [Norway](../no/README.md) | [Finland](../fi/README.md) | [Belanda](../nl/README.md) | [Ibrani](../he/README.md) | [Vietnam](../vi/README.md) | [Indonesia](../id/README.md) | [Melayu](./README.md) | [Tagalog (Filipina)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungary](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romania](../ro/README.md) | [Bulgaria](../bg/README.md) | [Serbia (Cyrillic)](../sr/README.md) | [Croatia](../hr/README.md) | [Slovenia](../sl/README.md) | [Ukraine](../uk/README.md) | [Burma (Myanmar)](../my/README.md) -**Jika anda ingin mempunyai sokongan bahasa tambahan, senarai bahasa yang disokong boleh didapati [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Jika anda ingin mempunyai terjemahan tambahan, bahasa yang disokong disenaraikan [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Sertai Komuniti Kami [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) Kami mempunyai siri pembelajaran dengan AI di Discord yang sedang berlangsung, ketahui lebih lanjut dan sertai kami di [Learn with AI Series](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapat tip dan trik menggunakan GitHub Copilot untuk Sains Data. -![Siri Learn with AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.ms.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.ms.jpg) # Adakah anda seorang pelajar? @@ -44,9 +60,11 @@ Mulakan dengan sumber berikut: # Memulakan +> **Pemula Sepenuhnya**: Baru dalam sains data? Mulakan dengan [contoh mesra pemula kami](examples/README.md)! Contoh yang mudah dan penuh dengan komen ini akan membantu anda memahami asas sebelum mendalami kurikulum penuh. + > **Guru**: kami telah [menyertakan beberapa cadangan](for-teachers.md) tentang cara menggunakan kurikulum ini. Kami menghargai maklum balas anda [di forum perbincangan kami](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini secara individu, fork keseluruhan repo dan lengkapkan latihan secara sendiri, bermula dengan kuiz sebelum kuliah. Kemudian baca kuliah dan lengkapkan aktiviti yang lain. Cuba buat projek dengan memahami pelajaran daripada menyalin kod penyelesaian; walau bagaimanapun, kod tersebut tersedia dalam folder /solutions dalam setiap pelajaran berorientasikan projek. Idea lain adalah membentuk kumpulan belajar dengan rakan-rakan dan melalui kandungan bersama-sama. Untuk kajian lanjut, kami mengesyorkan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini secara sendiri, fork keseluruhan repo dan lengkapkan latihan secara sendiri, bermula dengan kuiz pra-kuliah. Kemudian baca kuliah dan lengkapkan aktiviti yang lain. Cuba buat projek dengan memahami pelajaran daripada menyalin kod penyelesaian; walau bagaimanapun, kod tersebut tersedia dalam folder /solutions dalam setiap pelajaran berorientasikan projek. Idea lain adalah membentuk kumpulan belajar dengan rakan-rakan dan melalui kandungan bersama-sama. Untuk kajian lanjut, kami mengesyorkan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Kenali Pasukan @@ -54,17 +72,17 @@ Mulakan dengan sumber berikut: **Gif oleh** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klik imej di atas untuk video tentang projek dan orang-orang yang menciptanya! +> 🎥 Klik imej di atas untuk video tentang projek dan orang yang menciptanya! ## Pedagogi -Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan termasuk kuiz yang kerap. Menjelang akhir siri ini, pelajar akan mempelajari prinsip asas sains data, termasuk konsep etika, penyediaan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, kes penggunaan dunia nyata sains data, dan banyak lagi. +Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan termasuk kuiz yang kerap. Menjelang akhir siri ini, pelajar akan mempelajari prinsip asas sains data, termasuk konsep etika, penyediaan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, kes penggunaan dunia sebenar sains data, dan banyak lagi. -Selain itu, kuiz dengan risiko rendah sebelum kelas menetapkan niat pelajar untuk mempelajari topik, sementara kuiz kedua selepas kelas memastikan pengekalan lebih lanjut. Kurikulum ini direka untuk fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagian. Projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 10 minggu. +Selain itu, kuiz yang tidak membebankan sebelum kelas menetapkan niat pelajar untuk mempelajari topik, manakala kuiz kedua selepas kelas memastikan pengekalan yang lebih baik. Kurikulum ini direka untuk fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagian. Projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 10 minggu. -> Temui [Kod Etika](CODE_OF_CONDUCT.md), [Penyumbangan](CONTRIBUTING.md), [Panduan Terjemahan](TRANSLATIONS.md). Kami mengalu-alukan maklum balas membina anda! +> Temui [Kod Etika](CODE_OF_CONDUCT.md), [Cara Menyumbang](CONTRIBUTING.md), [Panduan Terjemahan](TRANSLATIONS.md). Kami mengalu-alukan maklum balas membina anda! -## Setiap pelajaran merangkumi: +## Setiap pelajaran termasuk: - Sketchnote pilihan - Video tambahan pilihan @@ -76,83 +94,97 @@ Selain itu, kuiz dengan risiko rendah sebelum kelas menetapkan niat pelajar untu - Bacaan tambahan - Tugasan - [Kuiz selepas pelajaran](https://ff-quizzes.netlify.app/en/) +> **Nota tentang kuiz**: Semua kuiz terdapat dalam folder Quiz-App, dengan jumlah keseluruhan 40 kuiz yang masing-masing mempunyai tiga soalan. Kuiz ini dihubungkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara tempatan atau dideploy ke Azure; ikuti arahan dalam folder `quiz-app`. Ia sedang dilokalisasikan secara berperingkat. -> **Nota tentang kuiz**: Semua kuiz terdapat dalam folder Quiz-App, untuk sejumlah 40 kuiz dengan tiga soalan setiap satu. Ia dihubungkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara tempatan atau dideploy ke Azure; ikuti arahan dalam folder `quiz-app`. Ia secara beransur-ansur sedang dilokalkan. +## 🎓 Contoh Mesra Pemula + +**Baru dalam Sains Data?** Kami telah mencipta direktori [contoh khas](examples/README.md) dengan kod yang mudah dan diberi komen untuk membantu anda bermula: + +- 🌟 **Hello World** - Program sains data pertama anda +- 📂 **Memuatkan Data** - Belajar membaca dan meneroka set data +- 📊 **Analisis Mudah** - Mengira statistik dan mencari corak +- 📈 **Visualisasi Asas** - Membuat carta dan graf +- 🔬 **Projek Dunia Sebenar** - Aliran kerja lengkap dari awal hingga akhir + +Setiap contoh disertakan dengan komen terperinci yang menerangkan setiap langkah, menjadikannya sempurna untuk pemula mutlak! + +👉 **[Mulakan dengan contoh](examples/README.md)** 👈 ## Pelajaran + |![ Sketchnote oleh @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ms.png)| |:---:| -| Data Science Untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ | +| Sains Data untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ | -| Nombor Pelajaran | Topik | Kumpulan Pelajaran | Objektif Pembelajaran | Pelajaran Berkaitan | Penulis | +| Nombor Pelajaran | Topik | Pengelompokan Pelajaran | Objektif Pembelajaran | Pelajaran Berkaitan | Penulis | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Mendefinisikan Sains Data | [Pengenalan](1-Introduction/README.md) | Belajar konsep asas sains data dan bagaimana ia berkaitan dengan kecerdasan buatan, pembelajaran mesin, dan data besar. | [pelajaran](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Etika Sains Data | [Pengenalan](1-Introduction/README.md) | Konsep Etika Data, Cabaran & Kerangka Kerja. | [pelajaran](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Mendefinisikan Data | [Pengenalan](1-Introduction/README.md) | Bagaimana data diklasifikasikan dan sumber-sumber umumnya. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 01 | Mendefinisikan Sains Data | [Pengenalan](1-Introduction/README.md) | Belajar konsep asas di sebalik sains data dan bagaimana ia berkaitan dengan kecerdasan buatan, pembelajaran mesin, dan data besar. | [pelajaran](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etika Sains Data | [Pengenalan](1-Introduction/README.md) | Konsep, Cabaran & Kerangka Etika Data. | [pelajaran](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Mendefinisikan Data | [Pengenalan](1-Introduction/README.md) | Bagaimana data diklasifikasikan dan sumber-sumbernya yang biasa. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Pengenalan kepada Statistik & Kebarangkalian | [Pengenalan](1-Introduction/README.md) | Teknik matematik kebarangkalian dan statistik untuk memahami data. | [pelajaran](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Bekerja dengan Data Relasi | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data relasi dan asas penerokaan serta analisis data relasi menggunakan Structured Query Language, juga dikenali sebagai SQL (disebut “see-quell”). | [pelajaran](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Bekerja dengan Data NoSQL | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data bukan relasi, pelbagai jenisnya, dan asas penerokaan serta analisis pangkalan data dokumen. | [pelajaran](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Bekerja dengan Python | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Asas penggunaan Python untuk penerokaan data dengan pustaka seperti Pandas. Pemahaman asas tentang pengaturcaraan Python adalah disarankan. | [pelajaran](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 05 | Bekerja dengan Data Relasi | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data relasi dan asas meneroka serta menganalisis data relasi dengan Structured Query Language, juga dikenali sebagai SQL (disebut “see-quell”). | [pelajaran](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Bekerja dengan Data NoSQL | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data bukan relasi, pelbagai jenisnya dan asas meneroka serta menganalisis pangkalan data dokumen. | [pelajaran](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Bekerja dengan Python | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Asas menggunakan Python untuk penerokaan data dengan pustaka seperti Pandas. Pemahaman asas tentang pengaturcaraan Python disarankan. | [pelajaran](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | Penyediaan Data | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Topik tentang teknik data untuk membersihkan dan mengubah data bagi menangani cabaran data yang hilang, tidak tepat, atau tidak lengkap. | [pelajaran](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Memvisualkan Kuantiti | [Visualisasi Data](3-Data-Visualization/README.md) | Belajar cara menggunakan Matplotlib untuk memvisualkan data burung 🦆 | [pelajaran](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Memvisualkan Taburan Data | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualkan pemerhatian dan trend dalam satu selang. | [pelajaran](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Memvisualkan Perkadaran | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualkan peratusan diskret dan berkumpulan. | [pelajaran](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Memvisualkan Hubungan | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualkan hubungan dan korelasi antara set data dan pemboleh ubahnya. | [pelajaran](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Visualisasi Bermakna | [Visualisasi Data](3-Data-Visualization/README.md) | Teknik dan panduan untuk menjadikan visualisasi anda bernilai bagi penyelesaian masalah dan mendapatkan wawasan yang efektif. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 09 | Memvisualisasikan Kuantiti | [Visualisasi Data](3-Data-Visualization/README.md) | Belajar menggunakan Matplotlib untuk memvisualisasikan data burung 🦆 | [pelajaran](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Memvisualisasikan Taburan Data | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan pemerhatian dan tren dalam satu selang. | [pelajaran](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Memvisualisasikan Perkadaran | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan peratusan diskret dan berkumpulan. | [pelajaran](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Memvisualisasikan Hubungan | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan hubungan dan korelasi antara set data dan pemboleh ubahnya. | [pelajaran](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Visualisasi Bermakna | [Visualisasi Data](3-Data-Visualization/README.md) | Teknik dan panduan untuk menjadikan visualisasi anda bernilai untuk penyelesaian masalah dan wawasan yang berkesan. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Pengenalan kepada Kitaran Hayat Sains Data | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Pengenalan kepada kitaran hayat sains data dan langkah pertama untuk memperoleh serta mengekstrak data. | [pelajaran](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Menganalisis | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa ini dalam kitaran hayat sains data memberi fokus kepada teknik untuk menganalisis data. | [pelajaran](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Komunikasi | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa ini dalam kitaran hayat sains data memberi fokus kepada penyampaian wawasan dari data dengan cara yang memudahkan pembuat keputusan untuk memahami. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 15 | Menganalisis | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa ini dalam kitaran hayat sains data memberi tumpuan kepada teknik untuk menganalisis data. | [pelajaran](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Komunikasi | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa ini dalam kitaran hayat sains data memberi tumpuan kepada menyampaikan wawasan daripada data dengan cara yang memudahkan pembuat keputusan untuk memahami. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Siri pelajaran ini memperkenalkan sains data di awan dan manfaatnya. | [pelajaran](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) | -| 18 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Melatih model menggunakan alat Low Code. |[pelajaran](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) | -| 19 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Menyebarkan model dengan Azure Machine Learning Studio. | [pelajaran](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) | -| 20 | Sains Data di Dunia Nyata | [Di Dunia Nyata](6-Data-Science-In-Wild/README.md) | Projek yang didorong oleh sains data dalam dunia nyata. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 18 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Melatih model menggunakan alat Kod Rendah. |[pelajaran](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) | +| 19 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Mendeploy model dengan Azure Machine Learning Studio. | [pelajaran](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) | +| 20 | Sains Data di Dunia Nyata | [Di Dunia Nyata](6-Data-Science-In-Wild/README.md) | Projek yang dipacu oleh sains data dalam dunia nyata. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Ikuti langkah-langkah ini untuk membuka contoh ini dalam Codespace: +Ikuti langkah-langkah ini untuk membuka sampel ini dalam Codespace: 1. Klik menu drop-down Code dan pilih pilihan Open with Codespaces. 2. Pilih + New codespace di bahagian bawah panel. Untuk maklumat lanjut, lihat [dokumentasi GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Ikuti langkah-langkah ini untuk membuka repo ini dalam kontena menggunakan mesin tempatan anda dan VSCode dengan sambungan VS Code Remote - Containers: +Ikuti langkah-langkah ini untuk membuka repo ini dalam kontena menggunakan mesin tempatan anda dan VSCode menggunakan sambungan VS Code Remote - Containers: -1. Jika ini kali pertama anda menggunakan kontena pembangunan, pastikan sistem anda memenuhi prasyarat (contohnya, mempunyai Docker dipasang) dalam [dokumentasi permulaan](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Jika ini kali pertama anda menggunakan kontena pembangunan, pastikan sistem anda memenuhi prasyarat (contohnya, mempunyai Docker dipasang) dalam [dokumentasi memulakan](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Untuk menggunakan repositori ini, anda boleh membukanya dalam volume Docker yang terasing: +Untuk menggunakan repositori ini, anda boleh membukanya dalam volume Docker yang terpencil: -**Nota**: Di belakang tabir, ini akan menggunakan arahan Remote-Containers: **Clone Repository in Container Volume...** untuk mengklon kod sumber dalam volume Docker dan bukannya sistem fail tempatan. [Volumes](https://docs.docker.com/storage/volumes/) adalah mekanisme yang disukai untuk mengekalkan data kontena. +**Nota**: Di belakang tabir, ini akan menggunakan perintah Remote-Containers: **Clone Repository in Container Volume...** untuk mengklon kod sumber dalam volume Docker dan bukannya sistem fail tempatan. [Volumes](https://docs.docker.com/storage/volumes/) adalah mekanisme yang disukai untuk mengekalkan data kontena. Atau buka versi repositori yang telah diklon atau dimuat turun secara tempatan: - Klon repositori ini ke sistem fail tempatan anda. -- Tekan F1 dan pilih arahan **Remote-Containers: Open Folder in Container...**. -- Pilih salinan yang telah diklon folder ini, tunggu kontena untuk dimulakan, dan cuba perkara-perkara di dalamnya. +- Tekan F1 dan pilih perintah **Remote-Containers: Open Folder in Container...**. +- Pilih salinan klon folder ini, tunggu kontena dimulakan, dan cuba perkara-perkara. ## Akses Luar Talian -Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [pasang Docsify](https://docsify.js.org/#/quickstart) pada mesin tempatan anda, kemudian di folder root repo ini, taip `docsify serve`. Laman web akan disediakan pada port 3000 di localhost anda: `localhost:3000`. +Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [pasang Docsify](https://docsify.js.org/#/quickstart) pada mesin tempatan anda, kemudian dalam folder root repo ini, taip `docsify serve`. Laman web akan disediakan pada port 3000 di localhost anda: `localhost:3000`. -> Nota, notebook tidak akan dipaparkan melalui Docsify, jadi apabila anda perlu menjalankan notebook, lakukan secara berasingan dalam VS Code yang menjalankan kernel Python. +> Nota, notebook tidak akan dirender melalui Docsify, jadi apabila anda perlu menjalankan notebook, lakukan secara berasingan dalam VS Code yang menjalankan kernel Python. ## Kurikulum Lain Pasukan kami menghasilkan kurikulum lain! Lihat: - [Edge AI untuk Pemula](https://aka.ms/edgeai-for-beginners) -- [AI Agents untuk Pemula](https://aka.ms/ai-agents-beginners) -- [Generative AI untuk Pemula](https://aka.ms/genai-beginners) -- [Generative AI untuk Pemula .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) -- [Generative AI dengan JavaScript](https://github.com/microsoft/generative-ai-with-javascript) -- [Generative AI dengan Java](https://aka.ms/genaijava) +- [Ejen AI untuk Pemula](https://aka.ms/ai-agents-beginners) +- [AI Generatif untuk Pemula](https://aka.ms/genai-beginners) +- [AI Generatif untuk Pemula .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [AI Generatif dengan JavaScript](https://github.com/microsoft/generative-ai-with-javascript) +- [AI Generatif dengan Java](https://aka.ms/genaijava) - [AI untuk Pemula](https://aka.ms/ai-beginners) -- [Data Science untuk Pemula](https://aka.ms/datascience-beginners) +- [Sains Data untuk Pemula](https://aka.ms/datascience-beginners) - [Bash untuk Pemula](https://github.com/microsoft/bash-for-beginners) - [ML untuk Pemula](https://aka.ms/ml-beginners) - [Keselamatan Siber untuk Pemula](https://github.com/microsoft/Security-101) -- [Web Dev untuk Pemula](https://aka.ms/webdev-beginners) +- [Pembangunan Web untuk Pemula](https://aka.ms/webdev-beginners) - [IoT untuk Pemula](https://aka.ms/iot-beginners) -- [Machine Learning untuk Pemula](https://aka.ms/ml-beginners) +- [Pembelajaran Mesin untuk Pemula](https://aka.ms/ml-beginners) - [Pembangunan XR untuk Pemula](https://aka.ms/xr-dev-for-beginners) - [Menguasai GitHub Copilot untuk Pengaturcaraan Berpasangan AI](https://aka.ms/GitHubCopilotAI) - [Pembangunan XR untuk Pemula](https://github.com/microsoft/xr-development-for-beginners) @@ -161,15 +193,14 @@ Pasukan kami menghasilkan kurikulum lain! Lihat: ## Mendapatkan Bantuan -Jika anda menghadapi masalah atau mempunyai sebarang soalan tentang membina aplikasi AI, sertai: +Jika anda tersekat atau mempunyai sebarang soalan tentang membina aplikasi AI, sertai: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Jika anda mempunyai maklum balas produk atau kesilapan semasa membina, lawati: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Jika anda mempunyai maklum balas produk atau menghadapi ralat semasa membina, lawati: +[![Forum Pembangun Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Penafian**: -Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk memastikan ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat yang kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini. \ No newline at end of file +Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk memastikan ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat penting, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini. \ No newline at end of file diff --git a/translations/ms/examples/README.md b/translations/ms/examples/README.md new file mode 100644 index 00000000..3edcbed5 --- /dev/null +++ b/translations/ms/examples/README.md @@ -0,0 +1,149 @@ + +# Contoh Data Sains Mesra Pemula + +Selamat datang ke direktori contoh! Koleksi contoh yang mudah dan penuh dengan komen ini direka untuk membantu anda memulakan perjalanan dalam data sains, walaupun anda seorang pemula sepenuhnya. + +## 📚 Apa Yang Anda Akan Temui Di Sini + +Setiap contoh adalah berdiri sendiri dan termasuk: +- **Komen yang jelas** menerangkan setiap langkah +- **Kod yang mudah dibaca** yang menunjukkan satu konsep pada satu masa +- **Konteks dunia sebenar** untuk membantu anda memahami bila dan mengapa menggunakan teknik ini +- **Output yang dijangka** supaya anda tahu apa yang perlu dicari + +## 🚀 Memulakan + +### Prasyarat +Sebelum menjalankan contoh-contoh ini, pastikan anda mempunyai: +- Python 3.7 atau lebih tinggi dipasang +- Pemahaman asas tentang cara menjalankan skrip Python + +### Memasang Perpustakaan Yang Diperlukan +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Gambaran Keseluruhan Contoh + +### 1. Hello World - Gaya Data Sains +**Fail:** `01_hello_world_data_science.py` + +Program data sains pertama anda! Belajar cara: +- Memuatkan dataset yang mudah +- Memaparkan maklumat asas tentang data anda +- Mencetak output data sains pertama anda + +Sesuai untuk pemula mutlak yang ingin melihat program data sains pertama mereka beraksi. + +--- + +### 2. Memuatkan dan Meneroka Data +**Fail:** `02_loading_data.py` + +Belajar asas bekerja dengan data: +- Membaca data dari fail CSV +- Melihat beberapa baris pertama dataset anda +- Mendapatkan statistik asas tentang data anda +- Memahami jenis data + +Ini sering menjadi langkah pertama dalam mana-mana projek data sains! + +--- + +### 3. Analisis Data Mudah +**Fail:** `03_simple_analysis.py` + +Lakukan analisis data pertama anda: +- Mengira statistik asas (purata, median, mod) +- Mencari nilai maksimum dan minimum +- Mengira kekerapan nilai +- Menapis data berdasarkan syarat + +Lihat bagaimana menjawab soalan mudah tentang data anda. + +--- + +### 4. Asas Visualisasi Data +**Fail:** `04_basic_visualization.py` + +Buat visualisasi pertama anda: +- Membuat carta bar yang mudah +- Membuat plot garis +- Menjana carta pai +- Menyimpan visualisasi anda sebagai imej + +Belajar untuk menyampaikan penemuan anda secara visual! + +--- + +### 5. Bekerja dengan Data Sebenar +**Fail:** `05_real_world_example.py` + +Gabungkan semuanya dengan contoh lengkap: +- Memuatkan data sebenar dari repositori +- Membersihkan dan menyediakan data +- Melakukan analisis +- Membuat visualisasi yang bermakna +- Membuat kesimpulan + +Contoh ini menunjukkan aliran kerja lengkap dari awal hingga akhir. + +--- + +## 🎯 Cara Menggunakan Contoh-Contoh Ini + +1. **Mulakan dari awal**: Contoh-contoh ini diberi nombor mengikut tahap kesukaran. Mulakan dengan `01_hello_world_data_science.py` dan teruskan. + +2. **Baca komen**: Setiap fail mempunyai komen terperinci yang menerangkan apa yang dilakukan oleh kod dan mengapa. Bacalah dengan teliti! + +3. **Bereksperimen**: Cuba ubah kod. Apa yang berlaku jika anda mengubah nilai? Pecahkan sesuatu dan perbaiki - itulah cara anda belajar! + +4. **Jalankan kod**: Laksanakan setiap contoh dan perhatikan outputnya. Bandingkan dengan apa yang anda jangkakan. + +5. **Kembangkan**: Setelah anda memahami satu contoh, cuba kembangkan dengan idea anda sendiri. + +## 💡 Petua untuk Pemula + +- **Jangan tergesa-gesa**: Luangkan masa untuk memahami setiap contoh sebelum beralih ke yang seterusnya +- **Taip kod sendiri**: Jangan hanya salin-tampal. Mengetik membantu anda belajar dan mengingati +- **Cari konsep yang tidak dikenali**: Jika anda melihat sesuatu yang tidak anda fahami, cari maklumat mengenainya secara dalam talian atau dalam pelajaran utama +- **Tanya soalan**: Sertai [forum perbincangan](https://github.com/microsoft/Data-Science-For-Beginners/discussions) jika anda memerlukan bantuan +- **Berlatih secara berkala**: Cuba kod sedikit setiap hari daripada sesi panjang sekali seminggu + +## 🔗 Langkah Seterusnya + +Selepas melengkapkan contoh-contoh ini, anda bersedia untuk: +- Meneruskan pelajaran kurikulum utama +- Mencuba tugasan dalam setiap folder pelajaran +- Meneroka Jupyter notebooks untuk pembelajaran yang lebih mendalam +- Membuat projek data sains anda sendiri + +## 📚 Sumber Tambahan + +- [Kurikulum Utama](../README.md) - Kursus lengkap 20 pelajaran +- [Untuk Guru](../for-teachers.md) - Menggunakan kurikulum ini di bilik darjah anda +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Sumber pembelajaran dalam talian percuma +- [Dokumentasi Python](https://docs.python.org/3/) - Rujukan rasmi Python + +## 🤝 Menyumbang + +Menemui pepijat atau mempunyai idea untuk contoh baru? Kami mengalu-alukan sumbangan! Sila lihat [Panduan Menyumbang](../CONTRIBUTING.md). + +--- + +**Selamat Belajar! 🎉** + +Ingat: Setiap pakar pernah menjadi pemula. Ambil satu langkah pada satu masa, dan jangan takut untuk membuat kesilapan - ia adalah sebahagian daripada proses pembelajaran! + +--- + +**Penafian**: +Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk memastikan ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat yang kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini. \ No newline at end of file diff --git a/translations/my/README.md b/translations/my/README.md index 966905a4..648b8943 100644 --- a/translations/my/README.md +++ b/translations/my/README.md @@ -1,51 +1,53 @@ -# ဒေတာသိပ္ပံအတွက် အခြေခံသင်ခန်းစာများ - သင်ရိုးညွှန်းတမ်း +# အခြေခံအဆင့် ဒေတာသိပ္ပံ - သင်ခန်းစာများ -Azure Cloud Advocates မှ Microsoft တွင် 10 ပတ်ကြာ 20 သင်ခန်းစာပါဝင်သော ဒေတာသိပ္ပံသင်ရိုးညွှန်းတမ်းကို ပေးဆောင်ရန် ဝမ်းမြောက်ဝမ်းသာဖြစ်ပါသည်။ သင်ခန်းစာတစ်ခုစီတွင် သင်ခန်းစာမတိုင်မီနှင့် သင်ခန်းစာပြီးနောက် စစ်တမ်းများ၊ သင်ခန်းစာကို ပြီးမြောက်ရန် ရေးသားထားသော လမ်းညွှန်ချက်များ၊ ဖြေရှင်းချက်နှင့် လုပ်ငန်းတာဝန်များ ပါဝင်သည်။ ပရောဂျက်အခြေခံ သင်ကြားမှုနည်းလမ်းသည် သင်တန်းသားများအတွက် အသစ်သော ကျွမ်းကျင်မှုများကို သင်ယူစေပြီး အတည်ပြုထားသော နည်းလမ်းဖြစ်သည်။ +Azure Cloud Advocates မှ Microsoft တွင် 10-ပတ်၊ 20-သင်ခန်းစာများပါဝင်သော ဒေတာသိပ္ပံသင်ရိုးညွှန်းတန်းကို ပေးဆောင်ရန် ဝမ်းမြောက်ဝမ်းသာဖြစ်နေပါသည်။ သင်ခန်းစာတစ်ခုစီတွင် သင်ခန်းစာမတိုင်မီနှင့် သင်ခန်းစာပြီးနောက် စမ်းမေးခွန်းများ၊ သင်ခန်းစာကို ပြီးမြောက်ရန် ရေးသားထားသော လမ်းညွှန်ချက်များ၊ ဖြေရှင်းချက်နှင့် လုပ်ငန်းတာဝန်များ ပါဝင်သည်။ ကျွန်ုပ်တို့၏ ပရောဂျက်အခြေခံ သင်ကြားမှုနည်းလမ်းသည် သင်ကြားရင်း တည်ဆောက်နိုင်ရန် ခွင့်ပြုသည်။ ဒါဟာ ကျွမ်းကျင်မှုအသစ်များကို သင်ယူရန် အကောင်းဆုံးနည်းလမ်းတစ်ခုဖြစ်သည်။ **ကျေးဇူးအထူးတင်ရှိပါသည်** [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) တို့အား။ -**🙏 အထူးကျေးဇူး 🙏 Microsoft Student Ambassador များအား** [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) မှရေးသားသူများ၊ ပြန်လည်သုံးသပ်သူများနှင့် အကြောင်းအရာပံ့ပိုးသူများအား အထူးကျေးဇူးတင်ရှိပါသည်။ +**🙏 Microsoft Student Ambassador များအား အထူးကျေးဇူးတင်ရှိပါသည် 🙏** [Aaryan Arora](https://studentambassadors.microsoft.com/), [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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) တို့အား။ |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.my.png)| |:---:| -| ဒေတာသိပ္ပံအတွက် အခြေခံသင်ခန်းစာများ - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| ဒေတာသိပ္ပံအခြေခံ - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | -### 🌐 ဘာသာစကားများပံ့ပိုးမှု +### 🌐 ဘာသာစကားများအထောက်အပံ့ -#### GitHub Action မှတဆင့် (အလိုအလျောက်နှင့် အမြဲတမ်းနောက်ဆုံးပေါ်) +#### GitHub Action မှတဆင့် (အလိုအလျောက် & အမြဲနောက်ဆုံးပေါ်) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](./README.md) -**အပိုဘာသာစကားများကို ပံ့ပိုးလိုပါက [ဒီနေရာ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) တွင် ရှာဖွေပါ။** +**အပိုဘာသာစကားများထည့်သွင်းလိုပါက [ဒီနေရာ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) တွင် ရှာဖွေပါ။** -#### ကျွန်ုပ်တို့၏ အသိုင်းအဝိုင်းနှင့် ပူးပေါင်းပါ +#### ကျွန်ုပ်တို့၏ အသိုင်းအဝိုင်းကို ပူးပေါင်းပါ [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -AI နှင့်အတူ သင်ယူမှုစီးရီးကို 2025 ခုနှစ် စက်တင်ဘာ 18 မှ 30 ရက်အထိ ကျင်းပနေပါသည်။ GitHub Copilot ကို ဒေတာသိပ္ပံအတွက် အသုံးပြုခြင်းဆိုင်ရာ အကြံဉာဏ်များနှင့် လက်တွေ့နည်းလမ်းများကို သင်ယူနိုင်ပါသည်။ +AI နှင့်အတူ သင်ယူမှုစီးရီးကို 2025 ခုနှစ် စက်တင်ဘာ 18 မှ 30 ရက်အထိ ကျွန်ုပ်တို့၏ Discord တွင် လေ့လာနိုင်ပါသည်။ GitHub Copilot ကို ဒေတာသိပ္ပံအတွက် အသုံးပြုရန် အကြံဉာဏ်များနှင့် နည်းလမ်းများကို ရယူနိုင်ပါသည်။ -![AI နှင့်အတူ သင်ယူမှုစီးရီး](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.my.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.my.jpg) -# သင်တန်းသားများအတွက် +# သင်ကျောင်းသားလား? အောက်ပါ အရင်းအမြစ်များဖြင့် စတင်ပါ- -- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ဒီစာမျက်နှာတွင် အခြေခံအရင်းအမြစ်များ၊ Student packs နှင့် အခမဲ့လက်မှတ်ရယူရန် နည်းလမ်းများကို ရှာဖွေပါ။ ဒီစာမျက်နှာကို Bookmark လုပ်ပြီး အကြောင်းအရာများကို လစဉ်အနည်းဆုံး ပြောင်းလဲသောကြောင့် အချိန်ကြာကြာကြည့်ရှုပါ။ -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Microsoft သို့ ဝင်ရောက်ရန် သင်၏လမ်းဖြစ်နိုင်သော သင်တန်းသားအကျိုးဆောင်များ၏ ကမ္ဘာလုံးဆိုင်ရာအသိုင်းအဝိုင်းကို ပူးပေါင်းပါ။ +- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ဒီစာမျက်နှာတွင် အခြေခံအရင်းအမြစ်များ၊ ကျောင်းသားအထုပ်များနှင့် အခမဲ့လက်မှတ်အထောက်အထားရယူရန် နည်းလမ်းများကို ရှာဖွေပါ။ ကျွန်ုပ်တို့သည် အနည်းဆုံးလစဉ်အကြောင်းအရာများကို ပြောင်းလဲသည့်အတွက် ဒီစာမျက်နှာကို Bookmark လုပ်ပြီး အချိန်အခါအားလျော်စွာ စစ်ဆေးပါ။ +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Microsoft သို့ ဝင်ရောက်ရန် သင့်လမ်းဖြစ်နိုင်သော ကျောင်းသားသံတမန်များ၏ ကမ္ဘာလုံးဆိုင်ရာအသိုင်းအဝိုင်းကို ပူးပေါင်းပါ။ # စတင်ခြင်း -> **ဆရာများ**: [ဒီနေရာတွင် အကြံပြုချက်များ](for-teachers.md) ပါဝင်သည်။ သင်ရိုးညွှန်းတမ်းကို ဘယ်လိုအသုံးပြုရမည်ဆိုသည်ကို ဖော်ပြထားသည်။ [ဆွေးနွေးမှုဖိုရမ်](https://github.com/microsoft/Data-Science-For-Beginners/discussions) တွင် သင့်အကြံပြုချက်ကို ကျွန်ုပ်တို့နှစ်သက်ပါသည်။ +> **အခြေခံအဆင့် စတင်သူများ**: ဒေတာသိပ္ပံကို အသစ်စတင်လေ့လာနေပါသလား? ကျွန်ုပ်တို့၏ [စတင်သူများအတွက် နမူနာများ](examples/README.md) ဖြင့် စတင်ပါ! အလွယ်တကူ နားလည်နိုင်သော နမူနာများသည် သင်ခန်းစာများကို စတင်မတိုင်မီ အခြေခံများကို နားလည်စေပါမည်။ -> **[သင်တန်းသားများ](https://aka.ms/student-page)**: သင်ရိုးညွှန်းတမ်းကို ကိုယ်တိုင်အသုံးပြုရန် repo အားလုံးကို fork လုပ်ပြီး သင်ခန်းစာများကို ကိုယ်တိုင်ပြီးမြောက်ပါ။ သင်ခန်းစာမတိုင်မီ စစ်တမ်းဖြင့် စတင်ပါ။ ထို့နောက် သင်ခန်းစာကို ဖတ်ရှုပြီး အခြားလုပ်ငန်းများကို ပြီးမြောက်ပါ။ သင်ခန်းစာများကို နားလည်ခြင်းဖြင့် ပရောဂျက်များကို ဖန်တီးရန် ကြိုးစားပါ။ ဖြေရှင်းချက်ကုဒ်ကို မကူးယူပါနှင့်။ သို့သော် /solutions ဖိုလ်ဒါတွင် ဖြေရှင်းချက်ကုဒ်ကို ရရှိနိုင်ပါသည်။ အခြားအကြံတစ်ခုမှာ မိတ်ဆွေများနှင့် သင်ကြားမှုအဖွဲ့ကို ဖွဲ့စည်းပြီး အကြောင်းအရာကို အတူတူလေ့လာပါ။ ထို့အပြင် Microsoft Learn [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ကို အထူးအကြံပြုပါသည်။ +> **ဆရာများ**: ကျွန်ုပ်တို့သည် [သင်ခန်းစာများကို အသုံးပြုရန် အကြံပြုချက်များ](for-teachers.md) ထည့်သွင်းထားပါသည်။ ကျွန်ုပ်တို့၏ [ဆွေးနွေးမှုဖိုရမ်](https://github.com/microsoft/Data-Science-For-Beginners/discussions) တွင် သင့်တုံ့ပြန်ချက်ကို ကြိုဆိုပါသည်။ + +> **[ကျောင်းသားများ](https://aka.ms/student-page)**: သင်ခန်းစာများကို ကိုယ်တိုင်အသုံးပြုရန် repo အားလုံးကို fork လုပ်ပြီး သင်ခန်းစာမတိုင်မီ စမ်းမေးခွန်းဖြင့် စတင်ပါ။ ထို့နောက် သင်ခန်းစာကို ဖတ်ရှုပြီး လုပ်ငန်းများကို ပြီးမြောက်ပါ။ ဖြေရှင်းချက်ကို ကူးယူခြင်းမဟုတ်ဘဲ သင်ခန်းစာများကို နားလည်ခြင်းဖြင့် ပရောဂျက်များကို ဖန်တီးရန် ကြိုးစားပါ။ သို့သော် ဖြေရှင်းချက်ကို project-oriented သင်ခန်းစာတစ်ခုစီ၏ /solutions ဖိုလ်ဒါများတွင် ရရှိနိုင်ပါသည်။ အခြားအကြံပြုချက်တစ်ခုမှာ မိတ်ဆွေများနှင့် သင်ကြားမှုအဖွဲ့တစ်ခု ဖွဲ့ပြီး အကြောင်းအရာကို အတူတကွ လေ့လာပါ။ နောက်ထပ်လေ့လာရန်အတွက် [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ကို အကြံပြုပါသည်။ ## အဖွဲ့ကို တွေ့ဆုံပါ @@ -53,90 +55,104 @@ AI နှင့်အတူ သင်ယူမှုစီးရီးကို **Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 အထက်ပါပုံကို နှိပ်ပြီး ပရောဂျက်နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို ကြည့်ပါ။ +> 🎥 အထက်ပါ ပုံကို နှိပ်ပြီး ပရောဂျက်နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို ကြည့်ပါ။ ## သင်ကြားမှုနည်းလမ်း -ဒီသင်ရိုးညွှန်းတမ်းကို ဖန်တီးစဉ်တွင် ပရောဂျက်အခြေခံနှင့် မကြာခဏ စစ်တမ်းများပါဝင်သည်ကို သေချာစေရန် သင်ကြားမှုနည်းလမ်းနှစ်ခုကို ရွေးချယ်ထားသည်။ ဒီစီးရီး၏ နောက်ဆုံးတွင် သင်တန်းသားများသည် ဒေတာသိပ္ပံ၏ အခြေခံအယူအဆများ၊ အကျိုးသက်သာမှုဆိုင်ရာ အယူအဆများ၊ ဒေတာပြင်ဆင်ခြင်း၊ ဒေတာနှင့်အလုပ်လုပ်ခြင်းနည်းလမ်းများ၊ ဒေတာကိုမြင်သာစေခြင်း၊ ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း၊ ဒေတာသိပ္ပံ၏ အမှန်တကယ်အသုံးချမှုများနှင့် အခြားအရာများကို သင်ယူထားမည်ဖြစ်သည်။ +ကျွန်ုပ်တို့သည် သင်ရိုးညွှန်းတန်းကို တည်ဆောက်စဉ်တွင် project-based ဖြစ်စေရန်နှင့် မကြာခဏ စမ်းမေးခွန်းများ ပါဝင်စေရန် သင်ကြားမှုနည်းလမ်းနှစ်ခုကို ရွေးချယ်ထားပါသည်။ ဒီစီးရီး၏ အဆုံးတွင် ကျောင်းသားများသည် ဒေတာသိပ္ပံ၏ အခြေခံသဘောတရားများ၊ အကျင့်သိက္ခာဆိုင်ရာ အယူအဆများ၊ ဒေတာပြင်ဆင်ခြင်း၊ ဒေတာနှင့်အလုပ်လုပ်ခြင်းနည်းလမ်းများ၊ ဒေတာကိုမြင်သာစေခြင်း၊ ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း၊ ဒေတာသိပ္ပံ၏ အမှန်တကယ်အသုံးချမှုများနှင့် အခြားအရာများကို သင်ယူနိုင်ပါမည်။ -ထို့အပြင် သင်ခန်းစာမတိုင်မီ စစ်တမ်းသည် သင်ခန်းစာအကြောင်းကို သင်တန်းသား၏ အာရုံစိုက်မှုကို သတ်မှတ်ပေးပြီး သင်ခန်းစာပြီးနောက် စစ်တမ်းသည် သင်ယူမှုကို ထိန်းသိမ်းပေးသည်။ ဒီသင်ရိုးညွှန်းတမ်းကို အပြည့်အစုံ သို့မဟုတ် အစိတ်အပိုင်းအလိုက် လွယ်ကူပြီး ပျော်ရွှင်စေရန် ဖန်တီးထားသည်။ ပရောဂျက်များသည် သေးငယ်ပြီး 10 ပတ်အတွင်း ပိုမိုရှုပ်ထွေးလာမည်ဖြစ်သည်။ +ထို့အပြင် သင်ခန်းစာမတိုင်မီ စမ်းမေးခွန်းတစ်ခုသည် ကျောင်းသား၏ အာရုံစိုက်မှုကို သင်ခန်းစာအကြောင်းအရာသို့ ဦးတည်စေပြီး သင်ခန်းစာပြီးနောက် စမ်းမေးခွန်းတစ်ခုသည် သင်ခန်းစာအကြောင်းအရာကို ထိန်းသိမ်းစေပါသည်။ ဒီသင်ရိုးညွှန်းတန်းကို တစ်ခုလုံး သို့မဟုတ် အစိတ်အပိုင်းအလိုက် လေ့လာနိုင်ပြီး အလွယ်တကူနှင့် ပျော်ရွှင်စွာ လေ့လာနိုင်ရန် ရည်ရွယ်ထားပါသည်။ ပရောဂျက်များသည် သေးငယ်ပြီး 10 ပတ်အတွင်း ပိုမိုရှုပ်ထွေးလာပါမည်။ -> ကျွန်ုပ်တို့၏ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) လမ်းညွှန်ချက်များကို ရှာဖွေပါ။ သင့်အဆောက်အအုံဆန်းစစ်ချက်ကို ကျွန်ုပ်တို့ကြိုဆိုပါသည်။ +> ကျွန်ုပ်တို့၏ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) လမ်းညွှန်ချက်များကို ရှာဖွေပါ။ သင့်တုံ့ပြန်ချက်ကို ကြိုဆိုပါသည်! ## သင်ခန်းစာတစ်ခုစီတွင် ပါဝင်သည်- - ရွေးချယ်နိုင်သော sketchnote - ရွေးချယ်နိုင်သော အပိုဗီဒီယို -- သင်ခန်းစာမတိုင်မီ စစ်တမ်း +- သင်ခန်းစာမတိုင်မီ စမ်းမေးခွန်း - ရေးသားထားသော သင်ခန်းစာ -- ပရောဂျက်အခြေခံ သင်ခန်းစာများအတွက် ပရောဂျက်ကို ဖန်တီးရန် လမ်းညွှန်ချက်များ +- ပရောဂျက်အခြေခံ သင်ခန်းစာများအတွက် ပရောဂျက်ကို တည်ဆောက်ရန် လမ်းညွှန်ချက်များ - အသိပညာစစ်ဆေးမှု - စိန်ခေါ်မှု - အပိုဖတ်ရှုရန် - လုပ်ငန်းတာဝန် -- [သင်ခန်းစာပြီးနောက် စစ်တမ်း](https://ff-quizzes.netlify.app/en/) +- [သင်ခန်းစာပြီးနောက် စမ်းမေးခွန်း](https://ff-quizzes.netlify.app/en/) +> **မေးခွန်းများအကြောင်းမှတ်ချက်**: မေးခွန်းများအားလုံးကို Quiz-App ဖိုလ်ဒါတွင်ထားရှိထားပြီး၊ မေးခွန်း ၃ ခုပါဝင်သော စုစုပေါင်း ၄၀ မေးခွန်းရှိသည်။ မေးခွန်းများကို သင်ခန်းစာများအတွင်းမှ ချိတ်ဆက်ထားပြီး၊ Quiz-App ကို ဒေသတွင်းတွင် အလုပ်လုပ်စေခြင်း သို့မဟုတ် Azure တွင် တင်ဆောင်နိုင်သည်။ `quiz-app` ဖိုလ်ဒါရှိ လမ်းညွှန်ချက်များကို လိုက်နာပါ။ မေးခွန်းများကို တဖြည်းဖြည်း ဒေသခံအဖြစ် ပြုလုပ်နေပါသည်။ + +## 🎓 အစပြုရန် လွယ်ကူသော နမူနာများ + +**Data Science အသစ်စတင်လျှင်?** ကျွန်ုပ်တို့သည် သင့်အတွက် အထူး [နမူနာဖိုင်တွဲ](examples/README.md) တစ်ခုကို ဖန်တီးထားပြီး၊ စတင်ရန်အတွက် လွယ်ကူပြီး မှတ်ချက်များပါဝင်သော ကုဒ်များကို ထည့်သွင်းထားသည်။ + +- 🌟 **Hello World** - သင့်ရဲ့ ပထမဆုံး Data Science အစီအစဉ် +- 📂 **ဒေတာတင်သွင်းခြင်း** - ဒေတာစုများကို ဖတ်ခြင်းနှင့် စူးစမ်းခြင်းကို လေ့လာပါ +- 📊 **ရိုးရှင်းသော ခွဲခြမ်းစိတ်ဖြာမှု** - စာရင်းအင်းများတွက်ချက်ခြင်းနှင့် ပုံစံများ ရှာဖွေပါ +- 📈 **အခြေခံ Visualization** - ဇယားများနှင့် ဂရပ်များ ဖန်တီးပါ +- 🔬 **အမှန်တကယ် Project** - အစမှ အဆုံးအထိ အလုပ်လုပ်ပုံ -> **စစ်တမ်းများအကြောင်း မှတ်ချက်**: စစ်တမ်းအားလုံးကို Quiz-App ဖိုလ်ဒါတွင် ပါဝင်သည်။ စစ်တမ်း 40 ခုစီတွင် မေးခွန်း 3 ခုပါဝင်သည်။ သင်ခန်းစာများတွင် ချိတ်ဆက်ထားသော်လည်း Quiz-App ကို ဒေသတွင်းတွင် အလုပ်လုပ်စေခြင်း သို့မဟုတ် Azure တွင် တင်နိုင်သည်။ `quiz-app` ဖိုလ်ဒါတွင် လမ်းညွှန်ချက်များကို လိုက်နာပါ။ စစ်တမ်းများကို တဖြည်းဖြည်း ဒေသခံအဖြစ် ပြုလုပ်နေပါသည်။ +နမူနာတစ်ခုစီတွင် အဆင့်တိုင်းကို ရှင်းလင်းစွာ ရှင်းပြထားသော မှတ်ချက်များ ပါဝင်ပြီး၊ အစစအရာရာကို စတင်လေ့လာသူများအတွက် အထူးသင့်လျော်ပါသည်။ + +👉 **[နမူနာများနှင့် စတင်ပါ](examples/README.md)** 👈 ## သင်ခန်းစာများ + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.my.png)| |:---:| | Data Science For Beginners: Roadmap - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | -| အခန်းနံပါတ် | ခေါင်းစဉ် | အခန်းအုပ်စု | သင်ယူရမည့်ရည်ရွယ်ချက်များ | ဆက်စပ်အခန်း | အရေးသားသူ | +| သင်ခန်းစာနံပါတ် | ခေါင်းစဉ် | သင်ခန်းစာအုပ်စု | သင်ယူရမည့် ရည်ရွယ်ချက်များ | ချိတ်ဆက်ထားသော သင်ခန်းစာ | အရေးသားသူ | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | ဒေတာသိပ္ပံကို အဓိပ္ပါယ်ဖွင့်ဆိုခြင်း | [Introduction](1-Introduction/README.md) | ဒေတာသိပ္ပံ၏ အခြေခံအယူအဆများနှင့် ၎င်းသည် အတုအကျင့်သိပ္ပံ၊ စက်ရုပ်သင်ယူမှုနှင့် Big Data နှင့် ဘယ်လိုဆက်စပ်နေသည်ကို သင်ယူပါ။ | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | ဒေတာသိပ္ပံ၏ အကျင့်သိပ္ပံ | [Introduction](1-Introduction/README.md) | ဒေတာအကျင့်သိပ္ပံ၏ အယူအဆများ၊ စိန်ခေါ်မှုများနှင့် ဖွဲ့စည်းမှုများ။ | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | ဒေတာကို အဓိပ္ပါယ်ဖွင့်ဆိုခြင်း | [Introduction](1-Introduction/README.md) | ဒေတာကို ဘယ်လိုအမျိုးအစားခွဲခြားရမည်နှင့် ၎င်း၏ အများဆုံးရင်းမြစ်များကို သင်ယူပါ။ | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | စာရိတျနှင့် အလားအလာသိပ္ပံကို မိတ်ဆက်ခြင်း | [Introduction](1-Introduction/README.md) | ဒေတာကို နားလည်ရန် စာရိတျနှင့် အလားအလာသိပ္ပံ၏ သင်္ချာနည်းလမ်းများ။ | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | ဆက်နွယ်သော ဒေတာနှင့် အလုပ်လုပ်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | ဆက်နွယ်သော ဒေတာကို မိတ်ဆက်ခြင်းနှင့် SQL (see-quell) ဟုခေါ်သော Structured Query Language ကို အသုံးပြု၍ ဒေတာကို စူးစမ်းခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း၏ အခြေခံများ။ | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL ဒေတာနှင့် အလုပ်လုပ်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | ဆက်နွယ်မထားသော ဒေတာကို မိတ်ဆက်ခြင်း၊ ၎င်း၏ အမျိုးအစားများနှင့် စာရွက်စာတမ်းဒေတာဘေ့စ်များကို စူးစမ်းခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း၏ အခြေခံများ။ | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Python နှင့် အလုပ်လုပ်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | Pandas ကဲ့သို့သော စာကြည့်တိုက်များနှင့် Python ကို အသုံးပြု၍ ဒေတာကို စူးစမ်းခြင်း၏ အခြေခံများ။ Python programming ကို အခြေခံနားလည်မှုရှိရန် အကြံပြုပါသည်။ | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | ဒေတာပြင်ဆင်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | မရှိသော၊ မမှန်သော၊ သို့မဟုတ် မပြည့်စုံသော ဒေတာကို ကိုင်တွယ်ရန် ဒေတာကို သန့်စင်ခြင်းနှင့် ပြောင်းလဲခြင်းနည်းလမ်းများ။ | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | အရေအတွက်များကို ရှင်းလင်းဖော်ပြခြင်း | [Data Visualization](3-Data-Visualization/README.md) | Matplotlib ကို အသုံးပြု၍ ငှက်ဒေတာ 🦆 ကို ရှင်းလင်းဖော်ပြရန် သင်ယူပါ။ | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | ဒေတာဖြန့်ဝေမှုကို ရှင်းလင်းဖော်ပြခြင်း | [Data Visualization](3-Data-Visualization/README.md) | အချိန်ကာလအတွင်း တွေ့ရှိမှုများနှင့် လမ်းကြောင်းများကို ရှင်းလင်းဖော်ပြခြင်း။ | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | အချိုးအစားများကို ရှင်းလင်းဖော်ပြခြင်း | [Data Visualization](3-Data-Visualization/README.md) | သီးခြားနှင့် အုပ်စုဖွဲ့ထားသော ရာခိုင်နှုန်းများကို ရှင်းလင်းဖော်ပြခြင်း။ | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | ဆက်နွယ်မှုများကို ရှင်းလင်းဖော်ပြခြင်း | [Data Visualization](3-Data-Visualization/README.md) | ဒေတာအစုများနှင့် ၎င်းတို့၏ အပြောင်းအလဲများအကြား ဆက်နွယ်မှုများနှင့် ဆက်စပ်မှုများကို ရှင်းလင်းဖော်ပြခြင်း။ | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | အဓိပ္ပါယ်ရှိသော ရှင်းလင်းဖော်ပြမှုများ | [Data Visualization](3-Data-Visualization/README.md) | ပြဿနာများကို ထိရောက်စွာ ဖြေရှင်းရန်နှင့် အမြင်များရရှိရန် သင့်ရဲ့ ရှင်းလင်းဖော်ပြမှုများကို တန်ဖိုးရှိစေရန် နည်းလမ်းများနှင့် လမ်းညွှန်ချက်များ။ | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | ဒေတာသိပ္ပံ၏ အသက်တာစဉ်ကို မိတ်ဆက်ခြင်း | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ဒေတာသိပ္ပံ၏ အသက်တာစဉ်ကို မိတ်ဆက်ခြင်းနှင့် ဒေတာကို ရယူခြင်းနှင့် ထုတ်ယူခြင်း၏ ပထမဆုံးအဆင့်။ | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | ခွဲခြမ်းစိတ်ဖြာခြင်း | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ဒေတာသိပ္ပံ၏ အသက်တာစဉ်၏ ဒီအဆင့်သည် ဒေတာကို ခွဲခြမ်းစိတ်ဖြာရန် နည်းလမ်းများကို အာရုံစိုက်သည်။ | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | ဆက်သွယ်ရေး | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ဒေတာမှရရှိသော အမြင်များကို ဆုံးဖြတ်သူများအတွက် နားလည်ရလွယ်ကူစေရန် တင်ပြခြင်းကို အာရုံစိုက်သည်။ | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Cloud တွင် ဒေတာသိပ္ပံ | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Cloud တွင် ဒေတာသိပ္ပံနှင့် ၎င်း၏ အကျိုးကျေးဇူးများကို မိတ်ဆက်သော အခန်းများ။ | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) နှင့် [Maud](https://twitter.com/maudstweets) | -| 18 | Cloud တွင် ဒေတာသိပ္ပံ | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Low Code tools ကို အသုံးပြု၍ မော်ဒယ်များကို လေ့ကျင့်ခြင်း။ |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) နှင့် [Maud](https://twitter.com/maudstweets) | -| 19 | Cloud တွင် ဒေတာသိပ္ပံ | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ကို အသုံးပြု၍ မော်ဒယ်များကို တင်သွင်းခြင်း။ | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) နှင့် [Maud](https://twitter.com/maudstweets) | -| 20 | သဘာဝပတ်ဝန်းကျင်တွင် ဒေတာသိပ္ပံ | [In the Wild](6-Data-Science-In-Wild/README.md) | အမှန်တကယ်သော ကမ္ဘာတွင် ဒေတာသိပ္ပံအခြေခံထားသော ပရောဂျက်များ။ | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Data Science ကို အဓိပ္ပာယ်ဖွင့်ဆိုခြင်း | [Introduction](1-Introduction/README.md) | Data Science အခြေခံအယူအဆများနှင့် Artificial Intelligence, Machine Learning, Big Data တို့နှင့် ဆက်စပ်မှုကို လေ့လာပါ။ | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Data Science Ethics | [Introduction](1-Introduction/README.md) | Data Ethics အယူအဆများ၊ စိန်ခေါ်မှုများနှင့် Framework များ။ | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Data ကို အဓိပ္ပာယ်ဖွင့်ဆိုခြင်း | [Introduction](1-Introduction/README.md) | Data ကို အမျိုးအစားခွဲခြင်းနှင့် အများဆုံးရင်းမြစ်များ။ | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | စာရင်းအင်းနှင့် Probability ကို မိတ်ဆက်ခြင်း | [Introduction](1-Introduction/README.md) | Data ကို နားလည်ရန် Probability နှင့် စာရင်းအင်း၏ သင်္ချာနည်းလမ်းများ။ | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Relational Data နှင့် အလုပ်လုပ်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | Relational Data ကို မိတ်ဆက်ခြင်းနှင့် Structured Query Language (SQL) ကို အသုံးပြု၍ Relational Data ကို စူးစမ်းခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း၏ အခြေခံများ။ | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL Data နှင့် အလုပ်လုပ်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | Non-relational Data ကို မိတ်ဆက်ခြင်း၊ ၎င်း၏ အမျိုးအစားများနှင့် Document Databases ကို စူးစမ်းခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း၏ အခြေခံများ။ | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Python နှင့် အလုပ်လုပ်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | Pandas ကဲ့သို့သော Libraries များနှင့် Python ကို အသုံးပြု၍ Data ကို စူးစမ်းခြင်း၏ အခြေခံများ။ Python Programming အခြေခံကို နားလည်ထားရန် အကြံပြုပါသည်။ | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Data ကို ပြင်ဆင်ခြင်း | [Working With Data](2-Working-With-Data/README.md) | မရှိသော၊ မမှန်သော သို့မဟုတ် မပြည့်စုံသော Data ကို ကိုင်တွယ်ရန် Data ကို သန့်စင်ခြင်းနှင့် ပြောင်းလဲခြင်းနည်းလမ်းများ။ | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Quantities ကို Visualization ပြုလုပ်ခြင်း | [Data Visualization](3-Data-Visualization/README.md) | Matplotlib ကို အသုံးပြု၍ ငှက် Data 🦆 ကို Visualization ပြုလုပ်ရန် လေ့လာပါ။ | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Data Distribution ကို Visualization ပြုလုပ်ခြင်း | [Data Visualization](3-Data-Visualization/README.md) | Interval အတွင်းရှိ အချက်အလက်များနှင့် ပုံစံများကို Visualization ပြုလုပ်ခြင်း။ | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Proportions ကို Visualization ပြုလုပ်ခြင်း | [Data Visualization](3-Data-Visualization/README.md) | Discrete နှင့် Grouped Percentages ကို Visualization ပြုလုပ်ခြင်း။ | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Relationships ကို Visualization ပြုလုပ်ခြင်း | [Data Visualization](3-Data-Visualization/README.md) | Data Sets များနှင့် ၎င်းတို့၏ Variables အကြားရှိ ဆက်နွယ်မှုများနှင့် Correlations ကို Visualization ပြုလုပ်ခြင်း။ | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | အဓိပ္ပာယ်ရှိသော Visualization များ | [Data Visualization](3-Data-Visualization/README.md) | ပြဿနာများကို ထိရောက်စွာ ဖြေရှင်းရန်နှင့် အချက်အလက်များ ရှာဖွေမှုအတွက် သင့် Visualization များကို တန်ဖိုးရှိစေရန် နည်းလမ်းများနှင့် လမ်းညွှန်ချက်များ။ | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Data Science lifecycle ကို မိတ်ဆက်ခြင်း | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Data Science lifecycle ကို မိတ်ဆက်ခြင်းနှင့် Data ကို ရယူခြင်းနှင့် ထုတ်ယူခြင်း၏ ပထမဆုံးအဆင့်။ | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | ခွဲခြမ်းစိတ်ဖြာခြင်း | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Data Science lifecycle ၏ ဤအဆင့်သည် Data ကို ခွဲခြမ်းစိတ်ဖြာရန် နည်းလမ်းများကို အာရုံစိုက်သည်။ | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | ဆက်သွယ်ရေး | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Data Science lifecycle ၏ ဤအဆင့်သည် Data မှ ရရှိသော အချက်အလက်များကို ဆုံးဖြတ်သူများ နားလည်ရန် လွယ်ကူသော နည်းလမ်းဖြင့် တင်ပြခြင်းကို အာရုံစိုက်သည်။ | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Cloud တွင် Data Science | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Cloud တွင် Data Science ကို မိတ်ဆက်ခြင်းနှင့် ၎င်း၏ အကျိုးကျေးဇူးများ။ | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 18 | Cloud တွင် Data Science | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Low Code tools ကို အသုံးပြု၍ Models များကို Training ပြုလုပ်ခြင်း။ |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 19 | Cloud တွင် Data Science | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ကို အသုံးပြု၍ Models များကို Deploy ပြုလုပ်ခြင်း။ | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science in the Wild | [In the Wild](6-Data-Science-In-Wild/README.md) | အမှန်တကယ် Project များတွင် Data Science ကို အသုံးပြုခြင်း။ | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -ဒီနမူနာကို Codespace တွင် ဖွင့်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ- -1. Code drop-down menu ကို နှိပ်ပြီး Open with Codespaces ရွေးပါ။ -2. Pane ရဲ့ အောက်ဆုံးမှာ + New codespace ကို ရွေးပါ။ +ဤနမူနာကို Codespace တွင် ဖွင့်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ: +1. Code drop-down menu ကို နှိပ်ပြီး Open with Codespaces ရွေးချယ်ပါ။ +2. Pane ၏ အောက်ဆုံးတွင် + New codespace ကို ရွေးချယ်ပါ။ ပိုမိုသိရှိရန် [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) ကို ကြည့်ပါ။ ## VSCode Remote - Containers -သင့်ရဲ့ local machine နှင့် VSCode ကို အသုံးပြု၍ VS Code Remote - Containers extension ကို အသုံးပြု၍ ဒီ repo ကို container တွင် ဖွင့်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ- +သင့်ဒေသတွင်းစက်နှင့် VSCode ကို အသုံးပြု၍ VS Code Remote - Containers extension ကို အသုံးပြု၍ ဤ repo ကို container တွင် ဖွင့်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ: -1. Development container ကို ပထမဆုံးအသုံးပြုမည်ဆိုပါက သင့်စနစ်သည် [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) တွင် ဖော်ပြထားသော အလိုအလျောက်လိုအပ်ချက်များ (ဥပမာ- Docker ကို install လုပ်ထားရန်) ကို ဖြည့်ဆည်းထားရမည်။ +1. Development container ကို ပထမဆုံးအသုံးပြုပါက၊ သင့်စနစ်သည် [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) တွင် Docker တပ်ဆင်ထားရှိမှုကဲ့သို့သော အခြေခံလိုအပ်ချက်များကို ဖြည့်ဆည်းထားရှိရန် သေချာပါစေ။ -ဒီ repository ကို အသုံးပြုရန်၊ သီးသန့် Docker volume တွင် repository ကို ဖွင့်နိုင်သည်- +ဤ repository ကို အသုံးပြုရန်၊ သင်သည် repository ကို isolated Docker volume တွင် ဖွင့်နိုင်သည်: -**Note**: အတွင်းပိုင်းတွင်၊ ဒါဟာ Remote-Containers: **Clone Repository in Container Volume...** command ကို အသုံးပြု၍ source code ကို local filesystem အစား Docker volume တွင် clone လုပ်ပါမည်။ [Volumes](https://docs.docker.com/storage/volumes/) သည် container data ကို ထိန်းသိမ်းရန် အကြံပြုထားသော နည်းလမ်းဖြစ်သည်။ +**မှတ်ချက်**: အောက်တွင် Remote-Containers: **Clone Repository in Container Volume...** command ကို အသုံးပြု၍ Source Code ကို Docker volume တွင် Clone ပြုလုပ်မည်ဖြစ်ပြီး၊ ဒေသတွင်း filesystem မဟုတ်ပါ။ [Volumes](https://docs.docker.com/storage/volumes/) သည် container data ကို ထိန်းသိမ်းရန် အကြံပြုထားသော Mechanism ဖြစ်သည်။ -သို့မဟုတ် locally clone လုပ်ထားသော သို့မဟုတ် download လုပ်ထားသော repository ကို ဖွင့်ပါ- +သို့မဟုတ် ဒေသတွင်းတွင် Clone ပြုလုပ်ထားသော သို့မဟုတ် Download ပြုလုပ်ထားသော Repository ကို ဖွင့်ပါ: -- ဒီ repository ကို သင့် local filesystem သို့ clone လုပ်ပါ။ -- F1 ကို နှိပ်ပြီး **Remote-Containers: Open Folder in Container...** command ကို ရွေးပါ။ -- ဒီ folder ရဲ့ clone လုပ်ထားသော copy ကို ရွေးပြီး container ကို စတင်ရန် စောင့်ပါ၊ ပြီးတော့ စမ်းသပ်ကြည့်ပါ။ +- ဤ repository ကို သင့်ဒေသတွင်း filesystem သို့ Clone ပြုလုပ်ပါ။ +- F1 ကို နှိပ်ပြီး **Remote-Containers: Open Folder in Container...** command ကို ရွေးချယ်ပါ။ +- Clone ပြုလုပ်ထားသော Folder ကို ရွေးချယ်ပြီး၊ container ကို စတင်ရန် စောင့်ပါ၊ ၎င်းကို စမ်းသပ်ပါ။ -## Offline access +## အွန်လိုင်းမရှိဘဲ အသုံးပြုခြင်း -ဒီ documentation ကို offline မှာ run လုပ်နိုင်ရန် [Docsify](https://docsify.js.org/#/) ကို အသုံးပြုပါ။ ဒီ repo ကို fork လုပ်ပြီး [Docsify](https://docsify.js.org/#/quickstart) ကို သင့် local machine မှာ install လုပ်ပါ၊ ပြီးတော့ ဒီ repo ရဲ့ root folder မှာ `docsify serve` ကို ရိုက်ထည့်ပါ။ website ကို localhost: `localhost:3000` မှာ port 3000 မှာ serve လုပ်ပါမည်။ +ဤ documentation ကို [Docsify](https://docsify.js.org/#/) ကို အသုံးပြု၍ အွန်လိုင်းမရှိဘဲ အလုပ်လုပ်စေနိုင်သည်။ ဤ repo ကို Fork ပြုလုပ်ပြီး၊ [Docsify](https://docsify.js.org/#/quickstart) ကို သင့်ဒေသတွင်းစက်တွင် တပ်ဆင်ပါ၊ ထို့နောက် repo ၏ root folder တွင် `docsify serve` ရိုက်ထည့်ပါ။ Website ကို သင့် localhost ၏ port 3000 တွင် အလုပ်လုပ်မည်: `localhost:3000`။ -> သတိပြုပါ၊ notebooks တွေကို Docsify မှ render မလုပ်ပါ၊ notebook ကို run လုပ်ရန်လိုအပ်သောအခါ Python kernel ကို အသုံးပြု၍ VS Code မှာ သီးသန့် run လုပ်ပါ။ +> မှတ်ချက်၊ notebooks များကို Docsify မှတဆင့် Render မပြုလုပ်နိုင်ပါ၊ ထို့ကြောင့် notebook ကို အလုပ်လုပ်စေလိုပါက Python kernel ကို အသုံးပြု၍ VS Code တွင် သီးခြားစွာ အလုပ်လုပ်ပါ။ -## အခြားသော သင်ခန်းစာများ +## အခြား Curricula -ကျွန်ုပ်တို့၏အဖွဲ့သည် အခြားသော သင်ခန်းစာများကို ထုတ်လုပ်ပါသည်။ ကြည့်ပါ- +ကျွန်ုပ်တို့၏အဖွဲ့သည် အခြား Curricula များကို ထုတ်လုပ်ပါသည်! ကြည့်ပါ: - [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) - [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) @@ -160,15 +176,14 @@ AI နှင့်အတူ သင်ယူမှုစီးရီးကို ## အကူအညီရယူခြင်း -AI apps တည်ဆောက်ရာတွင် အခက်အခဲရှိပါက သို့မဟုတ် မေးခွန်းများရှိပါက အောက်ပါကို join လုပ်ပါ- +AI apps တည်ဆောက်ရာတွင် အခက်အခဲရှိပါက သို့မဟုတ် မေးခွန်းများရှိပါက၊ အောက်ပါကို ဝင်ရောက်ပါ: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Product feedback သို့မဟုတ် တည်ဆောက်ရာတွင် အမှားများရှိပါက အောက်ပါကို သွားပါ- - +Product feedback သို့မဟုတ် တည်ဆောက်ရာတွင် အမှားများရှိပါက အောက်ပါကို သွားပါ: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **အကြောင်းကြားချက်**: -ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https://github.com/Azure/co-op-translator) ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း အလိုအလျောက် ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မမှန်ကန်မှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာတရ အရင်းအမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူက ဘာသာပြန်မှုကို အသုံးပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်မှုကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွတ်များ သို့မဟုတ် အနားယူမှုမှားများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။ \ No newline at end of file +ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https://github.com/Azure/co-op-translator) ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း အလိုအလျောက် ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာတရ အရင်းအမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ဘာသာပြန်ပညာရှင်များကို အသုံးပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်မှုကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွဲအချော်များ သို့မဟုတ် အနားလွဲမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။ \ No newline at end of file diff --git a/translations/my/examples/README.md b/translations/my/examples/README.md new file mode 100644 index 00000000..98b1c3ac --- /dev/null +++ b/translations/my/examples/README.md @@ -0,0 +1,149 @@ + +# အခြေခံမှစတင်ရန် Data Science နမူနာများ + +Data Science ကို စတင်လေ့လာလိုသူများအတွက် ဒီနမူနာဖိုင်များကို ကြိုဆိုပါတယ်။ ဒီနမူနာများမှာ ရိုးရှင်းပြီး အဆင်ပြေသော မှတ်ချက်များပါဝင်ပြီး၊ အခြေခံကနေ စတင်လေ့လာသူများအတွက် အထောက်အကူဖြစ်စေဖို့ ရည်ရွယ်ထားပါတယ်။ + +## 📚 ဒီမှာ ဘာတွေတွေ့ရမလဲ + +နမူနာတစ်ခုစီမှာ: +- **ရှင်းလင်းသော မှတ်ချက်များ** - အဆင့်တိုင်းကို ရှင်းပြထားသည် +- **ရိုးရှင်းပြီး ဖတ်လွယ်သော ကုဒ်များ** - တစ်ကြောင်းချင်းစီကို ရှင်းပြထားသည် +- **အမှန်တကယ်အသုံးဝင်သော အခြေအနေများ** - ဘယ်အချိန်မှာ ဘာကြောင့် ဒီနည်းလမ်းတွေကို သုံးရမလဲဆိုတာ နားလည်စေသည် +- **မျှော်မှန်းရလဒ်များ** - ဘာတွေကို ရှာဖွေကြည့်ရမလဲဆိုတာ သိစေသည် + +## 🚀 စတင်လိုက်ရအောင် + +### လိုအပ်ချက်များ +ဒီနမူနာများကို အသုံးပြုရန် မလုပ်မဖြစ်လိုအပ်တာတွေက: +- Python 3.7 သို့မဟုတ် အထက်ရှိထားရမည် +- Python script များကို အလုပ်လုပ်စေဖို့ အခြေခံနားလည်မှု + +### လိုအပ်သော Library များကို ထည့်သွင်းခြင်း +```bash +pip install pandas numpy matplotlib +``` + +## 📖 နမူနာများအကြောင်းအရာ + +### 1. Hello World - Data Science ပုံစံ +**ဖိုင်:** `01_hello_world_data_science.py` + +Data Science အစပျိုး! သင်လေ့လာမယ့်အရာတွေက: +- ရိုးရှင်းတဲ့ dataset တစ်ခုကို load လုပ်ခြင်း +- သင့် data အကြောင်းအရာကို ပြသခြင်း +- သင့်ရဲ့ ပထမဆုံး Data Science output ကို ထုတ်ပြခြင်း + +Data Science ကို စတင်လေ့လာလိုသူများအတွက် အကောင်းဆုံးနမူနာဖြစ်ပါတယ်။ + +--- + +### 2. Data ကို Load လုပ်ခြင်းနှင့် စူးစမ်းခြင်း +**ဖိုင်:** `02_loading_data.py` + +Data ကို အခြေခံကနေ စတင်လုပ်ဆောင်ခြင်း: +- CSV ဖိုင်များမှ Data ကို ဖတ်ခြင်း +- Dataset ရဲ့ ပထမဆုံးအတန်းများကို ကြည့်ရှုခြင်း +- သင့် Data အကြောင်း အခြေခံစာရင်းများကို ရယူခြင်း +- Data type များကို နားလည်ခြင်း + +Data Science project တစ်ခုစတင်ရာမှာ အဓိကအဆင့်ဖြစ်ပါတယ်။ + +--- + +### 3. ရိုးရှင်းသော Data Analysis +**ဖိုင်:** `03_simple_analysis.py` + +သင့်ရဲ့ ပထမဆုံး Data Analysis ကို လုပ်ဆောင်ပါ: +- အခြေခံစာရင်းများ (mean, median, mode) ကိုတွက်ချက်ခြင်း +- အများဆုံးနှင့် အနည်းဆုံးတန်ဖိုးများကို ရှာဖွေခြင်း +- တန်ဖိုးများကို ရေတွက်ခြင်း +- အခြေအနေအရ Data ကို Filter လုပ်ခြင်း + +သင့် Data အကြောင်း ရိုးရှင်းသောမေးခွန်းများကို ဖြေရှင်းပေးနိုင်သည်။ + +--- + +### 4. Data Visualization အခြေခံ +**ဖိုင်:** `04_basic_visualization.py` + +သင့်ရဲ့ ပထမဆုံး Visualization များကို ဖန်တီးပါ: +- ရိုးရှင်းသော bar chart တစ်ခု ဖန်တီးခြင်း +- line plot တစ်ခု ဖန်တီးခြင်း +- pie chart တစ်ခု ဖန်တီးခြင်း +- သင့်ရဲ့ Visualization များကို ပုံများအဖြစ် သိမ်းဆည်းခြင်း + +သင့်ရဲ့ ရလဒ်များကို ရုပ်ပုံများဖြင့် ပြသနိုင်ရန် လေ့လာပါ။ + +--- + +### 5. အမှန်တကယ် Data နှင့် အလုပ်လုပ်ခြင်း +**ဖိုင်:** `05_real_world_example.py` + +အကုန်လုံးကို ပေါင်းစပ်ပြီး နမူနာတစ်ခုကို ပြုလုပ်ပါ: +- Repository မှ အမှန်တကယ် Data ကို Load လုပ်ခြင်း +- Data ကို သန့်စင်ပြီး ပြင်ဆင်ခြင်း +- Analysis ကို လုပ်ဆောင်ခြင်း +- အဓိပ္ပါယ်ရှိသော Visualization များကို ဖန်တီးခြင်း +- သင့်ရဲ့ အနိဂုံးကို ဆွေးနွေးခြင်း + +ဒီနမူနာက အစမှ အဆုံးအထိ workflow တစ်ခုကို ပြသပေးပါသည်။ + +--- + +## 🎯 ဒီနမူနာများကို ဘယ်လိုအသုံးပြုမလဲ + +1. **အစမှစပါ**: နမူနာများကို အခက်အခဲအဆင့်အလိုက် အမှတ်ပေးထားသည်။ `01_hello_world_data_science.py` မှ စတင်ပြီး အဆင့်ဆင့် လေ့လာပါ။ + +2. **မှတ်ချက်များကို ဖတ်ပါ**: ဖိုင်တစ်ခုစီမှာ ကုဒ်ရဲ့ အဓိပ္ပာယ်နှင့် အကြောင်းရင်းကို ရှင်းပြထားသော မှတ်ချက်များပါဝင်သည်။ သေချာဖတ်ပါ။ + +3. **စမ်းသပ်ပါ**: ကုဒ်ကို ပြင်ဆင်ကြည့်ပါ။ တန်ဖိုးတစ်ခုကို ပြောင်းလဲလိုက်ရင် ဘာဖြစ်မလဲ? ပျက်သွားရင် ပြန်ပြင်ကြည့်ပါ - ဒီလိုနဲ့ သင်ယူနိုင်ပါတယ်။ + +4. **ကုဒ်ကို အလုပ်လုပ်စေပါ**: နမူနာတစ်ခုစီကို အလုပ်လုပ်စေပြီး ရလဒ်ကို ကြည့်ပါ။ သင့်မျှော်မှန်းချက်နဲ့ နှိုင်းယှဉ်ကြည့်ပါ။ + +5. **ဆက်လက်တိုးချဲ့ပါ**: နမူနာတစ်ခုကို နားလည်ပြီးရင် သင့်ရဲ့ အကြံအစည်များနဲ့ တိုးချဲ့ကြည့်ပါ။ + +## 💡 အခြေခံလေ့လာသူများအတွက် အကြံပြုချက်များ + +- **မလျှင်မရှားပါနဲ့**: နမူနာတစ်ခုစီကို နားလည်ပြီးမှ နောက်တစ်ခုဆက်သွားပါ +- **ကိုယ်တိုင်ရိုက်ပါ**: ကုဒ်ကို ကူးမရိုက်ပါနဲ့။ ကိုယ်တိုင်ရိုက်ရင် သင်ယူနိုင်ပြီး မှတ်မိလွယ်ပါတယ် +- **မသိတာတွေကို ရှာဖွေပါ**: နားမလည်တဲ့အရာတွေကို အွန်လိုင်းမှာ ရှာဖွေပါ +- **မေးမြန်းပါ**: [ဆွေးနွေးမှုဖိုရမ်](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ကို ဝင်ပြီး အကူအညီတောင်းပါ +- **ပုံမှန်လေ့ကျင့်ပါ**: တစ်ပတ်တစ်ကြိမ်ကြာကြာလုပ်တာထက် နေ့စဉ်နည်းနည်းစီ လေ့ကျင့်ပါ + +## 🔗 နောက်တစ်ဆင့် + +ဒီနမူနာများကို ပြီးမြောက်ပြီးနောက်: +- အဓိကသင်ခန်းစာများကို လေ့လာပါ +- သင်ခန်းစာဖိုင်တစ်ခုစီမှာရှိတဲ့ လေ့ကျင့်ခန်းများကို စမ်းကြည့်ပါ +- Jupyter notebook များကို အသုံးပြုပြီး နက်ရှိုင်းစွာ လေ့လာပါ +- သင့်ရဲ့ Data Science project များကို ဖန်တီးပါ + +## 📚 ထပ်မံသော အရင်းအမြစ်များ + +- [အဓိကသင်ခန်းစာ](../README.md) - ၂၀ သင်ခန်းစာပါဝင်သော အပြည့်အစုံသင်တန်း +- [ဆရာများအတွက်](../for-teachers.md) - သင်တန်းတွင် ဒီသင်ခန်းစာကို အသုံးပြုခြင်း +- [Microsoft Learn](https://docs.microsoft.com/learn/) - အခမဲ့ အွန်လိုင်းသင်ကြားမှုအရင်းအမြစ်များ +- [Python Documentation](https://docs.python.org/3/) - Python အတည်ပြုအရင်းအမြစ် + +## 🤝 အထောက်အပံ့ပေးခြင်း + +အမှားတစ်ခုကို တွေ့ရှိပါသလား? သို့မဟုတ် နမူနာအသစ်တစ်ခုအတွက် အကြံပြုလိုပါသလား? ကျွန်ုပ်တို့ [Contributing Guide](../CONTRIBUTING.md) ကို ကြည့်ပါ။ + +--- + +**လေ့လာမှုကို ပျော်ရွှင်ပါစေ! 🎉** + +သတိပြုပါ: ကျွမ်းကျင်သူတိုင်းဟာ တစ်ချိန်က အစမှစတင်ခဲ့ရသူပါ။ တစ်ဆင့်ချင်းစီ ဖြည်းဖြည်းချင်း လုပ်ဆောင်ပါ၊ အမှားတွေကို မကြောက်ပါနဲ့ - အဲ့ဒါက သင်ယူမှုရဲ့ အစိတ်အပိုင်းတစ်ခုပါ! + +--- + +**အကြောင်းကြားချက်**: +ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https://github.com/Azure/co-op-translator) ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း အလိုအလျောက် ဘာသာပြန်ခြင်းတွင် အမှားများ သို့မဟုတ် မမှန်ကန်မှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာရှိသော ရင်းမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူက ဘာသာပြန်ခြင်းကို အကြံပြုပါသည်။ ဤဘာသာပြန်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွဲအချော်များ သို့မဟုတ် အနားလွဲမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။ \ No newline at end of file diff --git a/translations/ne/README.md b/translations/ne/README.md index 330b112a..90c9ccee 100644 --- a/translations/ne/README.md +++ b/translations/ne/README.md @@ -1,171 +1,203 @@ # डेटा साइन्सका लागि शुरुवातकर्ता - पाठ्यक्रम -Azure Cloud Advocates मा Microsoftले डेटा साइन्सको बारेमा १० हप्ता, २० पाठको पाठ्यक्रम प्रस्तुत गर्न पाउँदा खुशी छ। प्रत्येक पाठमा पाठ अघि र पाठ पछि क्विजहरू, पाठ पूरा गर्नका लागि लिखित निर्देशनहरू, समाधान, र असाइनमेन्ट समावेश छ। हाम्रो परियोजना-आधारित शिक्षण विधिले तपाईंलाई निर्माण गर्दै सिक्न अनुमति दिन्छ, नयाँ सीपहरू 'टिक्न' को लागि प्रमाणित तरिका। +[![GitHub Codespaces मा खोल्नुहोस्](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) -**हाम्रो लेखकहरूलाई हार्दिक धन्यवाद:** [जास्मिन ग्रीनवे](https://www.twitter.com/paladique), [दिमित्री सोश्निकोभ](http://soshnikov.com), [नित्या नरसिम्हन](https://twitter.com/nitya), [जालेन म्याक्गी](https://twitter.com/JalenMcG), [जेन लूपर](https://twitter.com/jenlooper), [मौद लेवी](https://twitter.com/maudstweets), [टिफनी साउतेर](https://twitter.com/TiffanySouterre), [क्रिस्टोफर ह्यारिसन](https://www.twitter.com/geektrainer)। +[![GitHub लाइसेन्स](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub योगदानकर्ता](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub समस्याहरू](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub पुल-रिक्वेस्टहरू](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs स्वागत छ](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -**🙏 विशेष धन्यवाद 🙏 हाम्रो [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) लेखकहरू, समीक्षकहरू र सामग्री योगदानकर्ताहरूलाई,** विशेष गरी आर्यन अरोरा, [आदित्य गर्ग](https://github.com/AdityaGarg00), [अलोंड्रा सान्चेज](https://www.linkedin.com/in/alondra-sanchez-molina/), [अंकिता सिंह](https://www.linkedin.com/in/ankitasingh007), [अनुपम मिश्रा](https://www.linkedin.com/in/anupam--mishra/), [अर्पिता दास](https://www.linkedin.com/in/arpitadas01/), छैल बिहारी दुबे, [डिब्री एनसोफर](https://www.linkedin.com/in/dibrinsofor), [दिशिता भासिन](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [मज्द साफी](https://www.linkedin.com/in/majd-s/), [म्याक्स ब्लम](https://www.linkedin.com/in/max-blum-6036a1186/), [मिगुएल कोरेया](https://www.linkedin.com/in/miguelmque/), [मोहम्मा इफ्तेखेर (इफ्तु) इब्ने जलाल](https://twitter.com/iftu119), [नवरिन तबस्सुम](https://www.linkedin.com/in/nawrin-tabassum), [रेमण्ड वांगसा पुत्रा](https://www.linkedin.com/in/raymond-wp/), [रोहित यादव](https://www.linkedin.com/in/rty2423), समृद्धि शर्मा, [सान्या सिन्हा](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [शिना नरुला](https://www.linkedin.com/in/sheena-narua-n/), [तौकिर अहमद](https://www.linkedin.com/in/tauqeerahmad5201/), योगेन्द्रसिंह पवार, [विदुषी गुप्ता](https://www.linkedin.com/in/vidushi-gupta07/), [जसलीन सोंधी](https://www.linkedin.com/in/jasleen-sondhi/)। +[![GitHub हेर्नेहरू](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub फोर्कहरू](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub ताराहरू](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) -|![स्केच नोट @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.ne.png)| +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +Microsoft का Azure Cloud Advocates ले १० हप्ताको, २० पाठको पाठ्यक्रम प्रदान गर्न पाउँदा खुशी छन्, जुन डेटा साइन्सको बारेमा छ। प्रत्येक पाठमा पाठ अघि र पाठ पछि क्विजहरू, पाठ पूरा गर्नका लागि लेखिएको निर्देशन, समाधान, र असाइनमेन्ट समावेश छ। हाम्रो परियोजना-आधारित शिक्षण विधिले तपाईंलाई निर्माण गर्दै सिक्न अनुमति दिन्छ, नयाँ सीपहरू 'टिक्न' को लागि प्रमाणित तरिका। + +**हाम्रो लेखकहरूलाई हार्दिक धन्यवाद:** [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). + +**🙏 विशेष धन्यवाद 🙏 हाम्रो [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) लेखकहरू, समीक्षकहरू र सामग्री योगदानकर्ताहरूलाई,** विशेष गरी 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), +[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) + +|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.ne.png)| |:---:| -| डेटा साइन्सका लागि शुरुवातकर्ता - _स्केच नोट [@nitya](https://twitter.com/nitya)_ द्वारा | +| डेटा साइन्सका लागि शुरुवातकर्ता - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | ### 🌐 बहुभाषी समर्थन #### GitHub Action मार्फत समर्थित (स्वचालित र सधैं अद्यावधिक) -[फ्रान्सेली](../fr/README.md) | [स्पेनिश](../es/README.md) | [जर्मन](../de/README.md) | [रुसी](../ru/README.md) | [अरबी](../ar/README.md) | [फारसी (फारसी)](../fa/README.md) | [उर्दू](../ur/README.md) | [चिनियाँ (सरलीकृत)](../zh/README.md) | [चिनियाँ (पारम्परिक, मकाउ)](../mo/README.md) | [चिनियाँ (पारम्परिक, हङकङ)](../hk/README.md) | [चिनियाँ (पारम्परिक, ताइवान)](../tw/README.md) | [जापानी](../ja/README.md) | [कोरियाली](../ko/README.md) | [हिन्दी](../hi/README.md) | [बंगाली](../bn/README.md) | [मराठी](../mr/README.md) | [नेपाली](./README.md) | [पंजाबी (गुरमुखी)](../pa/README.md) | [पोर्तुगीज (पोर्तुगल)](../pt/README.md) | [पोर्तुगीज (ब्राजिल)](../br/README.md) | [इटालियन](../it/README.md) | [पोलिश](../pl/README.md) | [टर्किश](../tr/README.md) | [ग्रीक](../el/README.md) | [थाई](../th/README.md) | [स्वीडिश](../sv/README.md) | [डेनिश](../da/README.md) | [नर्वेजियन](../no/README.md) | [फिनिश](../fi/README.md) | [डच](../nl/README.md) | [हिब्रू](../he/README.md) | [भियतनामी](../vi/README.md) | [इन्डोनेसियन](../id/README.md) | [मलय](../ms/README.md) | [टागालोग (फिलिपिनो)](../tl/README.md) | [स्वाहिली](../sw/README.md) | [हंगेरी](../hu/README.md) | [चेक](../cs/README.md) | [स्लोभाक](../sk/README.md) | [रोमानियाली](../ro/README.md) | [बुल्गेरियन](../bg/README.md) | [सर्बियन (सिरिलिक)](../sr/README.md) | [क्रोएशियन](../hr/README.md) | [स्लोभेनियन](../sl/README.md) | [युक्रेनी](../uk/README.md) | [बर्मेली (म्यानमार)](../my/README.md) +[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](./README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) -**यदि तपाईं थप अनुवाद चाहनुहुन्छ भने यहाँ सूचीबद्ध भाषाहरू समर्थित छन् [यहाँ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**यदि तपाईं थप भाषाहरूको अनुवाद चाहनुहुन्छ भने यहाँ सूचीबद्ध छन् [यहाँ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### हाम्रो समुदायमा सामेल हुनुहोस् [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -हामीसँग AI सिक्ने शृंखला चलिरहेको छ, थप जान्न र सामेल हुन [AI सिक्ने शृंखला](https://aka.ms/learnwithai/discord) मा १८ - ३० सेप्टेम्बर, २०२५। तपाईंले GitHub Copilot प्रयोग गर्ने टिप्स र ट्रिक्स पाउनुहुनेछ। +हामीसँग AI सिक्ने Discord श्रृंखला चलिरहेको छ, थप जान्न र सामेल हुन [Learn with AI Series](https://aka.ms/learnwithai/discord) मा जानुहोस् १८ - ३० सेप्टेम्बर, २०२५। तपाईं GitHub Copilot लाई डेटा साइन्सका लागि प्रयोग गर्ने टिप्स र ट्रिक्स पाउनुहुनेछ। -![AI सिक्ने शृंखला](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.ne.jpg) +![AI संग सिक्ने श्रृंखला](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.ne.jpg) # के तपाईं विद्यार्थी हुनुहुन्छ? निम्न स्रोतहरूबाट सुरु गर्नुहोस्: -- [विद्यार्थी हब पृष्ठ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) यस पृष्ठमा, तपाईंले शुरुवातकर्ता स्रोतहरू, विद्यार्थी प्याकहरू र नि:शुल्क प्रमाणपत्र भौचर प्राप्त गर्ने तरिकाहरू पाउनुहुनेछ। यो पृष्ठलाई बुकमार्क गर्नुहोस् र समय-समयमा जाँच गर्नुहोस् किनकि हामी कम्तीमा मासिक सामग्री परिवर्तन गर्छौं। -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) विश्वव्यापी विद्यार्थी राजदूतहरूको समुदायमा सामेल हुनुहोस्, यो Microsoftमा तपाईंको प्रवेशद्वार हुन सक्छ। +- [Student Hub पृष्ठ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) यस पृष्ठमा, तपाईंले शुरुवातकर्ता स्रोतहरू, विद्यार्थी प्याकहरू र नि:शुल्क प्रमाणपत्र भौचर प्राप्त गर्ने तरिकाहरू पाउनुहुनेछ। यो पृष्ठलाई बुकमार्क गर्नुहोस् र समय-समयमा जाँच गर्नुहोस् किनकि हामी कम्तीमा मासिक सामग्री परिवर्तन गर्छौं। +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) विश्वव्यापी विद्यार्थी राजदूतहरूको समुदायमा सामेल हुनुहोस्, यो Microsoft मा तपाईंको प्रवेशद्वार हुन सक्छ। # सुरु गर्दै -> **शिक्षकहरू**: हामीले [केही सुझावहरू समावेश गरेका छौं](for-teachers.md) यो पाठ्यक्रम कसरी प्रयोग गर्ने। हामी तपाईंको प्रतिक्रिया [हाम्रो छलफल फोरममा](https://github.com/microsoft/Data-Science-For-Beginners/discussions) चाहन्छौं! +> **पूर्ण शुरुवातकर्ता**: डेटा साइन्समा नयाँ? हाम्रो [शुरुवातकर्ता-मैत्री उदाहरणहरू](examples/README.md) बाट सुरु गर्नुहोस्! यी सरल, राम्रोसँग टिप्पणी गरिएका उदाहरणहरूले तपाईंलाई पूर्ण पाठ्यक्रममा प्रवेश गर्नु अघि आधारभूत कुरा बुझ्न मद्दत गर्नेछन्। + +> **शिक्षकहरू**: हामीले [केही सुझावहरू समावेश गरेका छौं](for-teachers.md) यो पाठ्यक्रम कसरी प्रयोग गर्ने। हामी तपाईंको प्रतिक्रिया [हाम्रो छलफल फोरममा](https://github.com/microsoft/Data-Science-For-Beginners/discussions) चाहन्छौं! -> **[विद्यार्थीहरू](https://aka.ms/student-page)**: यो पाठ्यक्रम आफैं प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई फोर्क गर्नुहोस् र आफैं अभ्यासहरू पूरा गर्नुहोस्, शुरुवातमा प्रि-लेक्चर क्विजबाट सुरु गर्दै। त्यसपछि लेक्चर पढ्नुहोस् र बाँकी गतिविधिहरू पूरा गर्नुहोस्। पाठहरू बुझेर परियोजनाहरू सिर्जना गर्ने प्रयास गर्नुहोस् समाधान कोडको प्रतिलिपि नगरी; यद्यपि, त्यो कोड प्रत्येक परियोजना-उन्मुख पाठको /solutions फोल्डरहरूमा उपलब्ध छ। अर्को विचार भनेको साथीहरूसँग अध्ययन समूह बनाउनुहोस् र सामग्री सँगै जानुहोस्। थप अध्ययनको लागि, हामी [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) सिफारिस गर्छौं। +> **[विद्यार्थीहरू](https://aka.ms/student-page)**: यो पाठ्यक्रमलाई आफैं प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई फोर्क गर्नुहोस् र आफैं अभ्यासहरू पूरा गर्नुहोस्, पाठ अघि क्विजबाट सुरु गर्दै। त्यसपछि पाठ पढ्नुहोस् र बाँकी गतिविधिहरू पूरा गर्नुहोस्। पाठहरू बुझेर परियोजनाहरू सिर्जना गर्न प्रयास गर्नुहोस् समाधान कोडलाई प्रतिलिपि नगरी; यद्यपि, त्यो कोड प्रत्येक परियोजना-उन्मुख पाठको /solutions फोल्डरहरूमा उपलब्ध छ। अर्को विचार भनेको साथीहरूसँग अध्ययन समूह बनाउनुहोस् र सामग्री सँगै जानुहोस्। थप अध्ययनको लागि, हामी [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) सिफारिस गर्छौं। ## टोलीलाई भेट्नुहोस् [![प्रोमो भिडियो](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "प्रोमो भिडियो") -**Gif द्वारा** [मोहित जैसल](https://www.linkedin.com/in/mohitjaisal) +**Gif द्वारा** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 माथिको छवि क्लिक गर्नुहोस् परियोजनाको बारेमा भिडियोका लागि र यसलाई सिर्जना गर्ने व्यक्तिहरूका लागि! +> 🎥 माथिको छवि क्लिक गर्नुहोस् परियोजनाको बारेमा र यसलाई सिर्जना गर्ने व्यक्तिहरूको बारेमा भिडियो हेर्न! ## शिक्षण विधि -हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षण विधिहरू रोजेका छौं: सुनिश्चित गर्नु कि यो परियोजना-आधारित हो र यसमा बारम्बार क्विजहरू समावेश छन्। यस शृंखलाको अन्त्यसम्ममा, विद्यार्थीहरूले डेटा साइन्सका आधारभूत सिद्धान्तहरू सिकेका हुनेछन्, जसमा नैतिक अवधारणाहरू, डेटा तयारी, डेटा काम गर्ने विभिन्न तरिकाहरू, डेटा दृश्यता, डेटा विश्लेषण, डेटा साइन्सका वास्तविक-विश्व प्रयोगहरू, र अन्य धेरै समावेश छन्। +हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षण सिद्धान्तहरू रोजेका छौं: सुनिश्चित गर्नु कि यो परियोजना-आधारित हो र यसमा बारम्बार क्विजहरू समावेश छन्। यस श्रृंखलाको अन्त्यसम्ममा, विद्यार्थीहरूले डेटा साइन्सका आधारभूत सिद्धान्तहरू सिकेका हुनेछन्, जसमा नैतिक अवधारणाहरू, डेटा तयारी, डेटा काम गर्ने विभिन्न तरिकाहरू, डेटा दृश्यता, डेटा विश्लेषण, डेटा साइन्सका वास्तविक-विश्व प्रयोगहरू, र थप समावेश छन्। -त्यसैगरी, कक्षा अघि कम-जोखिमको क्विजले विद्यार्थीलाई विषय सिक्नको लागि उद्देश्य सेट गर्छ, जबकि कक्षा पछि दोस्रो क्विजले थप स्मरण सुनिश्चित गर्छ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको हो र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना सुरु हुन्छन् र १० हप्ताको चक्रको अन्त्यसम्ममा क्रमशः जटिल बन्छन्। +त्यसैगरी, कक्षाको अघि कम-जोखिमको क्विजले विद्यार्थीलाई विषय सिक्नको लागि उद्देश्य सेट गर्छ, जबकि कक्षाको पछि दोस्रो क्विजले थप सम्झना सुनिश्चित गर्छ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको हो र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना सुरु हुन्छन् र १० हप्ताको चक्रको अन्त्यसम्ममा क्रमशः जटिल बन्छन्। -> हाम्रो [आचार संहिता](CODE_OF_CONDUCT.md), [योगदान](CONTRIBUTING.md), [अनुवाद](TRANSLATIONS.md) दिशानिर्देशहरू फेला पार्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्छौं! +> हाम्रो [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) दिशानिर्देशहरू फेला पार्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्छौं! ## प्रत्येक पाठमा समावेश छ: - वैकल्पिक स्केच नोट - वैकल्पिक पूरक भिडियो - पाठ अघि वार्मअप क्विज -- लिखित पाठ -- परियोजना-आधारित पाठहरूको लागि, परियोजना निर्माण गर्ने चरण-दर-चरण मार्गदर्शन +- लेखिएको पाठ +- परियोजना-आधारित पाठहरूको लागि, परियोजना कसरी निर्माण गर्ने चरण-दर-चरण मार्गदर्शन - ज्ञान जाँच - चुनौती - पूरक पढाइ - असाइनमेन्ट - [पाठ पछि क्विज](https://ff-quizzes.netlify.app/en/) +> **क्विजहरूको बारेमा नोट**: सबै क्विजहरू Quiz-App फोल्डरमा समावेश छन्, जसमा प्रत्येकमा तीन प्रश्नसहित ४० वटा क्विजहरू छन्। यी पाठहरूभित्र लिंक गरिएका छन्, तर क्विज एपलाई स्थानीय रूपमा चलाउन वा Azure मा डिप्लोय गर्न सकिन्छ; `quiz-app` फोल्डरमा निर्देशनहरू पालना गर्नुहोस्। यी क्रमशः स्थानीयकरण हुँदैछन्। -> **क्विजहरूको बारेमा नोट**: सबै क्विजहरू Quiz-App फोल्डरमा समावेश छन्, प्रत्येकमा तीन प्रश्नका ४० कुल क्विजहरू। तिनीहरू पाठहरू भित्रबाट लिंक गरिएका छन्, तर क्विज एपलाई स्थानीय रूपमा चलाउन वा Azureमा तैनाथ गर्न सकिन्छ; `quiz-app` फोल्डरमा निर्देशनहरू पालना गर्नुहोस्। तिनीहरू क्रमशः स्थानीयकरण हुँदैछन्। +## 🎓 सुरुवातीका लागि उपयुक्त उदाहरणहरू + +**डाटा साइन्समा नयाँ हुनुहुन्छ?** हामीले तपाईंलाई सुरु गर्न मद्दत गर्नका लागि सरल र राम्रोसँग व्याख्या गरिएको कोडसहितको विशेष [उदाहरण निर्देशिका](examples/README.md) तयार गरेका छौं: + +- 🌟 **Hello World** - तपाईंको पहिलो डाटा साइन्स प्रोग्राम +- 📂 **डाटा लोड गर्दै** - डाटासेटहरू पढ्न र अन्वेषण गर्न सिक्नुहोस् +- 📊 **साधारण विश्लेषण** - तथ्यांक गणना गर्नुहोस् र ढाँचाहरू पत्ता लगाउनुहोस् +- 📈 **आधारभूत भिजुअलाइजेसन** - चार्ट र ग्राफहरू बनाउनुहोस् +- 🔬 **वास्तविक-विश्व परियोजना** - सुरुदेखि अन्त्यसम्मको सम्पूर्ण कार्यप्रवाह + +प्रत्येक उदाहरणमा प्रत्येक चरणको विस्तृत टिप्पणी समावेश छ, जसले यो पूर्ण रूपमा नयाँ सिक्न चाहनेहरूका लागि उपयुक्त बनाउँछ! + +👉 **[उदाहरणहरूबाट सुरु गर्नुहोस्](examples/README.md)** 👈 ## पाठहरू -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ne.png)| + +|![ @sketchthedocs द्वारा स्केच नोट https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ne.png)| |:---:| -| डेटा साइन्सको लागि शुरुआती: रोडम्याप - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| डाटा साइन्सका लागि सुरुवात: रोडम्याप - _[@nitya](https://twitter.com/nitya) द्वारा स्केच नोट_ | -| पाठ संख्या | विषयवस्तु | पाठ समूह | सिक्ने उद्देश्यहरू | लिंक गरिएको पाठ | लेखक | +| पाठ संख्या | विषय | पाठ समूह | सिकाइ उद्देश्यहरू | लिंक गरिएको पाठ | लेखक | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | डेटा साइन्सको परिभाषा | [परिचय](1-Introduction/README.md) | डेटा साइन्सको आधारभूत अवधारणाहरू सिक्नुहोस् र यो कृत्रिम बुद्धिमत्ता, मेशिन लर्निङ, र बिग डाटासँग कसरी सम्बन्धित छ। | [पाठ](1-Introduction/01-defining-data-science/README.md) [भिडियो](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | डेटा साइन्सको नैतिकता | [परिचय](1-Introduction/README.md) | डेटा नैतिकता अवधारणाहरू, चुनौतीहरू र फ्रेमवर्कहरू। | [पाठ](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | डेटा परिभाषा | [परिचय](1-Introduction/README.md) | डेटा कसरी वर्गीकृत गरिन्छ र यसको सामान्य स्रोतहरू। | [पाठ](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | तथ्यांक र सम्भावनाको परिचय | [परिचय](1-Introduction/README.md) | तथ्यांक र सम्भावनाको गणितीय प्रविधिहरू डेटा बुझ्न। | [पाठ](1-Introduction/04-stats-and-probability/README.md) [भिडियो](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | सम्बन्धित डेटा संग काम गर्ने | [डेटा संग काम गर्ने](2-Working-With-Data/README.md) | सम्बन्धित डेटा र SQL (सी-क्वेल) को रूपमा चिनिने संरचित क्वेरी भाषा प्रयोग गरेर सम्बन्धित डेटा अन्वेषण र विश्लेषणको आधारभूत कुरा। | [पाठ](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL डेटा संग काम गर्ने | [डेटा संग काम गर्ने](2-Working-With-Data/README.md) | गैर-सम्बन्धित डेटा, यसको विभिन्न प्रकारहरू र दस्तावेज डेटाबेस अन्वेषण र विश्लेषणको आधारभूत कुरा। | [पाठ](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | पाइथन संग काम गर्ने | [डेटा संग काम गर्ने](2-Working-With-Data/README.md) | Pandas जस्ता पुस्तकालयहरू प्रयोग गरेर डेटा अन्वेषणको लागि पाइथन प्रयोगको आधारभूत कुरा। पाइथन प्रोग्रामिङको आधारभूत ज्ञान सिफारिस गरिन्छ। | [पाठ](2-Working-With-Data/07-python/README.md) [भिडियो](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | डेटा तयारी | [डेटा संग काम गर्ने](2-Working-With-Data/README.md) | हराएको, गलत, वा अपूर्ण डेटा सामना गर्न सफा गर्ने र रूपान्तरण गर्ने डेटा प्रविधिहरूको विषयवस्तु। | [पाठ](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | मात्राहरूको दृश्यात्मकता | [डेटा दृश्यात्मकता](3-Data-Visualization/README.md) | Matplotlib प्रयोग गरेर चरा डेटा 🦆 दृश्यात्मकता गर्न सिक्नुहोस्। | [पाठ](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | डेटा वितरणको दृश्यात्मकता | [डेटा दृश्यात्मकता](3-Data-Visualization/README.md) | अन्तराल भित्रको अवलोकन र प्रवृत्तिहरू दृश्यात्मकता। | [पाठ](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | अनुपातहरूको दृश्यात्मकता | [डेटा दृश्यात्मकता](3-Data-Visualization/README.md) | छुट्टै र समूहबद्ध प्रतिशतहरूको दृश्यात्मकता। | [पाठ](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | सम्बन्धहरूको दृश्यात्मकता | [डेटा दृश्यात्मकता](3-Data-Visualization/README.md) | डेटा सेटहरू र तिनका भेरिएबलहरू बीचको सम्बन्ध र सहसंबंधहरू दृश्यात्मकता। | [पाठ](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | अर्थपूर्ण दृश्यात्मकता | [डेटा दृश्यात्मकता](3-Data-Visualization/README.md) | प्रभावकारी समस्या समाधान र अन्तर्दृष्टिका लागि तपाईंको दृश्यात्मकतालाई मूल्यवान बनाउने प्रविधिहरू र मार्गदर्शन। | [पाठ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | डेटा साइन्स जीवनचक्रको परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइन्स जीवनचक्रको परिचय र डेटा प्राप्त गर्ने र निकाल्ने पहिलो चरण। | [पाठ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | विश्लेषण | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइन्स जीवनचक्रको यो चरण डेटा विश्लेषण गर्ने प्रविधिहरूमा केन्द्रित छ। | [पाठ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | सञ्चार | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइन्स जीवनचक्रको यो चरण डेटा बाट प्राप्त अन्तर्दृष्टिहरू निर्णयकर्ताहरूलाई बुझ्न सजिलो बनाउने तरिकामा प्रस्तुत गर्न केन्द्रित छ। | [पाठ](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | क्लाउडमा डेटा साइन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउडमा डेटा साइन्स र यसको फाइदाहरूको परिचय दिने पाठहरूको श्रृंखला। | [पाठ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) र [Maud](https://twitter.com/maudstweets) | -| 18 | क्लाउडमा डेटा साइन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | लो कोड उपकरणहरू प्रयोग गरेर मोडेलहरू प्रशिक्षण। |[पाठ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) र [Maud](https://twitter.com/maudstweets) | -| 19 | क्लाउडमा डेटा साइन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio प्रयोग गरेर मोडेलहरू तैनात गर्ने। | [पाठ](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) र [Maud](https://twitter.com/maudstweets) | -| 20 | जङ्गलमा डेटा साइन्स | [जङ्गलमा](6-Data-Science-In-Wild/README.md) | वास्तविक संसारमा डेटा साइन्सद्वारा संचालित परियोजनाहरू। | [पाठ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | डाटा साइन्स परिभाषित गर्दै | [परिचय](1-Introduction/README.md) | डाटा साइन्सको आधारभूत अवधारणाहरू र यो कृत्रिम बुद्धिमत्ता, मेसिन लर्निङ, र बिग डाटासँग कसरी सम्बन्धित छ भन्ने कुरा सिक्नुहोस्। | [पाठ](1-Introduction/01-defining-data-science/README.md) [भिडियो](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | डाटा साइन्स नैतिकता | [परिचय](1-Introduction/README.md) | डाटा नैतिकता अवधारणाहरू, चुनौतीहरू र रूपरेखा। | [पाठ](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | डाटालाई परिभाषित गर्दै | [परिचय](1-Introduction/README.md) | डाटालाई कसरी वर्गीकृत गरिन्छ र यसको सामान्य स्रोतहरू। | [पाठ](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | तथ्यांक र सम्भावनाको परिचय | [परिचय](1-Introduction/README.md) | तथ्यांक र सम्भावनाका गणितीय प्रविधिहरू डाटालाई बुझ्न। | [पाठ](1-Introduction/04-stats-and-probability/README.md) [भिडियो](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | सम्बन्धित डाटासँग काम गर्दै | [डाटासँग काम गर्दै](2-Working-With-Data/README.md) | सम्बन्धित डाटाको परिचय र संरचित क्वेरी भाषा (SQL) प्रयोग गरेर सम्बन्धित डाटाको अन्वेषण र विश्लेषणको आधारभूत कुरा। | [पाठ](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL डाटासँग काम गर्दै | [डाटासँग काम गर्दै](2-Working-With-Data/README.md) | गैर-सम्बन्धित डाटाको परिचय, यसको विभिन्न प्रकारहरू र कागजात डेटाबेसहरूको अन्वेषण र विश्लेषणको आधारभूत कुरा। | [पाठ](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Python सँग काम गर्दै | [डाटासँग काम गर्दै](2-Working-With-Data/README.md) | Pandas जस्ता पुस्तकालयहरूको साथ डाटा अन्वेषणको लागि Python प्रयोग गर्ने आधारभूत कुरा। Python प्रोग्रामिङको आधारभूत ज्ञान सिफारिस गरिन्छ। | [पाठ](2-Working-With-Data/07-python/README.md) [भिडियो](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | डाटा तयारी | [डाटासँग काम गर्दै](2-Working-With-Data/README.md) | हराएको, गलत, वा अपूर्ण डाटाको चुनौतीहरूलाई सम्बोधन गर्न डाटालाई सफा गर्ने र रूपान्तरण गर्ने प्रविधिहरू। | [पाठ](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | मात्राहरूको भिजुअलाइजेसन | [डाटा भिजुअलाइजेसन](3-Data-Visualization/README.md) | Matplotlib प्रयोग गरेर चरा डाटालाई भिजुअलाइज गर्न सिक्नुहोस् 🦆 | [पाठ](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | डाटाको वितरणहरूको भिजुअलाइजेसन | [डाटा भिजुअलाइजेसन](3-Data-Visualization/README.md) | अन्तरालभित्रका अवलोकन र प्रवृत्तिहरू भिजुअलाइज गर्दै। | [पाठ](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | अनुपातहरूको भिजुअलाइजेसन | [डाटा भिजुअलाइजेसन](3-Data-Visualization/README.md) | छुट्टै र समूहबद्ध प्रतिशतहरू भिजुअलाइज गर्दै। | [पाठ](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | सम्बन्धहरूको भिजुअलाइजेसन | [डाटा भिजुअलाइजेसन](3-Data-Visualization/README.md) | डाटाका सेटहरू र तिनका भेरिएबलहरू बीचका सम्बन्ध र सहसंबन्धहरू भिजुअलाइज गर्दै। | [पाठ](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | अर्थपूर्ण भिजुअलाइजेसन | [डाटा भिजुअलाइजेसन](3-Data-Visualization/README.md) | प्रभावकारी समस्या समाधान र अन्तर्दृष्टिका लागि तपाईंको भिजुअलाइजेसनलाई मूल्यवान बनाउने प्रविधिहरू र मार्गदर्शन। | [पाठ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | डाटा साइन्स जीवनचक्रको परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डाटा साइन्स जीवनचक्रको परिचय र डाटा प्राप्ति र निकाल्ने पहिलो चरण। | [पाठ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | विश्लेषण गर्दै | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डाटा साइन्स जीवनचक्रको यो चरणले डाटालाई विश्लेषण गर्ने प्रविधिहरूमा केन्द्रित छ। | [पाठ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | सञ्चार | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डाटाबाट अन्तर्दृष्टिहरू प्रस्तुत गर्ने, जसले निर्णयकर्ताहरूलाई बुझ्न सजिलो बनाउँछ। | [पाठ](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | क्लाउडमा डाटा साइन्स | [क्लाउड डाटा](5-Data-Science-In-Cloud/README.md) | क्लाउडमा डाटा साइन्स र यसको फाइदाहरूको परिचय दिने पाठहरूको श्रृंखला। | [पाठ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) र [Maud](https://twitter.com/maudstweets) | +| 18 | क्लाउडमा डाटा साइन्स | [क्लाउड डाटा](5-Data-Science-In-Cloud/README.md) | लो कोड उपकरणहरू प्रयोग गरेर मोडेलहरू प्रशिक्षण। |[पाठ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) र [Maud](https://twitter.com/maudstweets) | +| 19 | क्लाउडमा डाटा साइन्स | [क्लाउड डाटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio सँग मोडेलहरू डिप्लोय गर्दै। | [पाठ](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) र [Maud](https://twitter.com/maudstweets) | +| 20 | जङ्गलमा डाटा साइन्स | [जङ्गलमा](6-Data-Science-In-Wild/README.md) | वास्तविक संसारमा डाटा साइन्सद्वारा सञ्चालित परियोजनाहरू। | [पाठ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -यस नमूनालाई Codespace मा खोल्न निम्न चरणहरू अनुसरण गर्नुहोस्: +यस नमूनालाई Codespace मा खोल्न यी चरणहरू पालना गर्नुहोस्: 1. Code ड्रप-डाउन मेनुमा क्लिक गर्नुहोस् र Open with Codespaces विकल्प चयन गर्नुहोस्। 2. प्यानको तल + New codespace चयन गर्नुहोस्। थप जानकारीको लागि, [GitHub दस्तावेज](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) हेर्नुहोस्। ## VSCode Remote - Containers -तपाईंको स्थानीय मेसिन र VSCode प्रयोग गरेर यो रिपोजिटरीलाई कन्टेनरमा खोल्न निम्न चरणहरू अनुसरण गर्नुहोस्: +तपाईंको स्थानीय मेसिन र VSCode प्रयोग गरेर यो रिपोजिटरीलाई कन्टेनरमा खोल्नका लागि VS Code Remote - Containers एक्सटेन्सन प्रयोग गर्दै यी चरणहरू पालना गर्नुहोस्: -1. यदि यो पहिलो पटक विकास कन्टेनर प्रयोग गर्दै हुनुहुन्छ भने, कृपया सुनिश्चित गर्नुहोस् कि तपाईंको प्रणालीले पूर्व-आवश्यकताहरू पूरा गर्दछ (जस्तै Docker स्थापना गरिएको छ) [शुरुआती दस्तावेज](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) मा। +1. यदि यो तपाईंको पहिलो पटक विकास कन्टेनर प्रयोग हो भने, कृपया सुनिश्चित गर्नुहोस् कि तपाईंको प्रणालीले पूर्व-आवश्यकताहरू पूरा गर्दछ (जस्तै, [Docker स्थापना गर्नुहोस्](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started))। -यो रिपोजिटरी प्रयोग गर्न, तपाईं या त रिपोजिटरीलाई अलग Docker भोल्युममा खोल्न सक्नुहुन्छ: +यो रिपोजिटरी प्रयोग गर्न, तपाईं यो रिपोजिटरीलाई अलग Docker भोल्युममा खोल्न सक्नुहुन्छ: -**नोट**: यसले Remote-Containers: **Clone Repository in Container Volume...** कमाण्ड प्रयोग गरेर स्थानीय फाइल प्रणालीको सट्टा Docker भोल्युममा स्रोत कोड क्लोन गर्नेछ। [Volumes](https://docs.docker.com/storage/volumes/) कन्टेनर डेटा कायम राख्नको लागि प्राथमिक मेकानिजम हो। +**नोट**: भित्री रूपमा, यसले स्थानीय फाइल प्रणालीको सट्टा Docker भोल्युममा स्रोत कोड क्लोन गर्न Remote-Containers: **Clone Repository in Container Volume...** आदेश प्रयोग गर्नेछ। [भोल्युमहरू](https://docs.docker.com/storage/volumes/) कन्टेनर डाटालाई स्थायी बनाउनको लागि प्राथमिक मेकानिज्म हुन्। -वा स्थानीय रूपमा क्लोन गरिएको वा डाउनलोड गरिएको संस्करण खोल्न सक्नुहुन्छ: +वा स्थानीय रूपमा क्लोन गरिएको वा डाउनलोड गरिएको संस्करण खोल्नुहोस्: - यो रिपोजिटरीलाई तपाईंको स्थानीय फाइल प्रणालीमा क्लोन गर्नुहोस्। -- F1 थिच्नुहोस् र **Remote-Containers: Open Folder in Container...** कमाण्ड चयन गर्नुहोस्। -- यस फोल्डरको क्लोन गरिएको प्रतिलिपि चयन गर्नुहोस्, कन्टेनर सुरु हुने प्रतीक्षा गर्नुहोस्, र परीक्षण गर्नुहोस्। +- F1 थिच्नुहोस् र **Remote-Containers: Open Folder in Container...** आदेश चयन गर्नुहोस्। +- यस फोल्डरको क्लोन गरिएको प्रतिलिपि चयन गर्नुहोस्, कन्टेनर सुरु हुने प्रतीक्षा गर्नुहोस्, र प्रयास गर्नुहोस्। ## अफलाइन पहुँच -तपाईं [Docsify](https://docsify.js.org/#/) प्रयोग गरेर यो दस्तावेज अफलाइन चलाउन सक्नुहुन्छ। यो रिपोजिटरीलाई Fork गर्नुहोस्, [Docsify स्थापना गर्नुहोस्](https://docsify.js.org/#/quickstart) तपाईंको स्थानीय मेसिनमा, त्यसपछि यो रिपोजिटरीको मूल फोल्डरमा `docsify serve` टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा सेवा हुनेछ: `localhost:3000`। +तपाईं [Docsify](https://docsify.js.org/#/) प्रयोग गरेर यो दस्तावेजलाई अफलाइन चलाउन सक्नुहुन्छ। यो रिपो फोर्क गर्नुहोस्, [Docsify स्थापना गर्नुहोस्](https://docsify.js.org/#/quickstart) तपाईंको स्थानीय मेसिनमा, त्यसपछि यस रिपोको मूल फोल्डरमा `docsify serve` टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा सेवा गरिनेछ: `localhost:3000`। > नोट, नोटबुकहरू Docsify मार्फत प्रस्तुत गरिने छैनन्, त्यसैले जब तपाईंलाई नोटबुक चलाउन आवश्यक छ, Python कर्नेल चलाउँदै VS Code मा अलग्गै गर्नुहोस्। ## अन्य पाठ्यक्रमहरू -हाम्रो टोलीले अन्य पाठ्यक्रमहरू उत्पादन गर्दछ! हेर्नुहोस्: +हाम्रो टोलीले अन्य पाठ्यक्रमहरू पनि उत्पादन गर्दछ! हेर्नुहोस्: -- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) -- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) -- [Generative AI for Beginners](https://aka.ms/genai-beginners) +- [सुरुवातकर्ताहरूका लागि Edge AI](https://aka.ms/edgeai-for-beginners) +- [सुरुवातकर्ताहरूका लागि AI एजेन्टहरू](https://aka.ms/ai-agents-beginners) +- [सुरुवातकर्ताहरूका लागि Generative AI](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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) - -## सहयोग प्राप्त गर्ने +- [JavaScript सँग Generative AI](https://github.com/microsoft/generative-ai-with-javascript) +- [Java सँग Generative AI](https://aka.ms/genaijava) +- [सुरुवातकर्ताहरूका लागि AI](https://aka.ms/ai-beginners) +- [सुरुवातकर्ताहरूका लागि डाटा साइन्स](https://aka.ms/datascience-beginners) +- [सुरुवातकर्ताहरूका लागि Bash](https://github.com/microsoft/bash-for-beginners) +- [सुरुवातकर्ताहरूका लागि ML](https://aka.ms/ml-beginners) +- [सुरुवातकर्ताहरूका लागि साइबर सुरक्षा](https://github.com/microsoft/Security-101) +- [सुरुवातकर्ताहरूका लागि वेब विकास](https://aka.ms/webdev-beginners) +- [सुरुवातकर्ताहरूका लागि IoT](https://aka.ms/iot-beginners) +- [सुरुवातकर्ताहरूका लागि मेसिन लर्निङ](https://aka.ms/ml-beginners) +- [सुरुवातकर्ताहरूका लागि XR विकास](https://aka.ms/xr-dev-for-beginners) +- [AI जोडी प्रोग्रामिङका लागि GitHub Copilot मास्टर गर्दै](https://aka.ms/GitHubCopilotAI) +- [सुरुवातकर्ताहरूका लागि XR विकास](https://github.com/microsoft/xr-development-for-beginners) +- [C#/.NET विकासकर्ताहरूका लागि GitHub Copilot मास्टर गर्दै](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [आफ्नै Copilot साहसिक यात्रा चयन गर्नुहोस्](https://github.com/microsoft/CopilotAdventures) + +## मद्दत प्राप्त गर्दै यदि तपाईं अड्किनुहुन्छ वा AI एप्स निर्माणको बारेमा कुनै प्रश्न छ भने, सामेल हुनुहोस्: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) यदि तपाईंलाई उत्पादन प्रतिक्रिया वा निर्माण गर्दा त्रुटिहरू छन् भने, भ्रमण गर्नुहोस्: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/ne/examples/README.md b/translations/ne/examples/README.md new file mode 100644 index 00000000..d1408bf1 --- /dev/null +++ b/translations/ne/examples/README.md @@ -0,0 +1,149 @@ + +# डेटा साइन्सका लागि सुरु गर्न सजिलो उदाहरणहरू + +उदाहरणहरूको यो डाइरेक्टरीमा स्वागत छ! यो संग्रह सरल र राम्रोसँग व्याख्या गरिएका उदाहरणहरू समावेश गर्दछ, जसले तपाईंलाई डेटा साइन्समा सुरु गर्न मद्दत गर्नेछ, चाहे तपाईं पूर्ण रूपमा नयाँ किन नहुनुहोस्। + +## 📚 यहाँ के पाउनुहुन्छ + +प्रत्येक उदाहरण स्वतन्त्र छ र समावेश गर्दछ: +- **स्पष्ट टिप्पणीहरू** प्रत्येक चरणको व्याख्या गर्दै +- **सरल र पढ्न सजिलो कोड** जसले एक पटकमा एउटा अवधारणा प्रदर्शन गर्दछ +- **वास्तविक संसारको सन्दर्भ** जसले तपाईंलाई यी प्रविधिहरू कहिले र किन प्रयोग गर्ने बुझ्न मद्दत गर्दछ +- **अपेक्षित आउटपुट** ताकि तपाईं के हेर्नु पर्ने हो थाहा पाउन सक्नुहुन्छ + +## 🚀 सुरु गर्दै + +### आवश्यकताहरू +यी उदाहरणहरू चलाउनुअघि, सुनिश्चित गर्नुहोस् कि तपाईंले: +- Python 3.7 वा उच्च संस्करण स्थापना गर्नुभएको छ +- Python स्क्रिप्ट कसरी चलाउने भन्ने आधारभूत ज्ञान छ + +### आवश्यक लाइब्रेरीहरू स्थापना गर्दै +```bash +pip install pandas numpy matplotlib +``` + +## 📖 उदाहरणहरूको अवलोकन + +### 1. हेलो वर्ल्ड - डेटा साइन्स शैली +**फाइल:** `01_hello_world_data_science.py` + +तपाईंको पहिलो डेटा साइन्स प्रोग्राम! सिक्नुहोस्: +- सरल डाटासेट लोड गर्ने +- तपाईंको डाटाको आधारभूत जानकारी देखाउने +- तपाईंको पहिलो डेटा साइन्स आउटपुट प्रिन्ट गर्ने + +पूर्ण रूपमा नयाँ सुरुवात गर्नेहरूका लागि उपयुक्त, जसले आफ्नो पहिलो डेटा साइन्स प्रोग्राम देख्न चाहन्छन्। + +--- + +### 2. डेटा लोड गर्दै र अन्वेषण गर्दै +**फाइल:** `02_loading_data.py` + +डेटासँग काम गर्ने आधारभूत कुरा सिक्नुहोस्: +- CSV फाइलहरूबाट डेटा पढ्ने +- तपाईंको डाटासेटका पहिलो केही पङ्क्तिहरू हेर्ने +- तपाईंको डाटाको आधारभूत तथ्याङ्क प्राप्त गर्ने +- डाटाको प्रकारहरू बुझ्ने + +यो प्रायः कुनै पनि डेटा साइन्स परियोजनाको पहिलो चरण हो! + +--- + +### 3. सरल डेटा विश्लेषण +**फाइल:** `03_simple_analysis.py` + +तपाईंको पहिलो डेटा विश्लेषण गर्नुहोस्: +- आधारभूत तथ्याङ्कहरू गणना गर्नुहोस् (औसत, माध्य, मोड) +- अधिकतम र न्यूनतम मानहरू पत्ता लगाउनुहोस् +- मानहरूको आवृत्ति गणना गर्नुहोस् +- सर्तहरूमा आधारित डेटा फिल्टर गर्नुहोस् + +तपाईंको डाटाबारे सरल प्रश्नहरूको उत्तर कसरी दिने देख्नुहोस्। + +--- + +### 4. डेटा भिजुअलाइजेसनको आधारभूत कुरा +**फाइल:** `04_basic_visualization.py` + +तपाईंको पहिलो भिजुअलाइजेसनहरू बनाउनुहोस्: +- सरल बार चार्ट बनाउनुहोस् +- लाइन प्लट सिर्जना गर्नुहोस् +- पाई चार्ट बनाउनुहोस् +- तपाईंको भिजुअलाइजेसनहरू छविहरूको रूपमा सुरक्षित गर्नुहोस् + +तपाईंको निष्कर्षहरू दृश्यात्मक रूपमा संचार गर्न सिक्नुहोस्! + +--- + +### 5. वास्तविक डाटासँग काम गर्दै +**फाइल:** `05_real_world_example.py` + +सबै कुरा एकसाथ राख्नुहोस् एक पूर्ण उदाहरणसँग: +- रिपोजिटरीबाट वास्तविक डेटा लोड गर्नुहोस् +- डेटा सफा र तयार गर्नुहोस् +- विश्लेषण गर्नुहोस् +- अर्थपूर्ण भिजुअलाइजेसनहरू सिर्जना गर्नुहोस् +- निष्कर्षहरू निकाल्नुहोस् + +यो उदाहरणले सुरुदेखि अन्त्यसम्मको पूर्ण कार्यप्रवाह देखाउँछ। + +--- + +## 🎯 यी उदाहरणहरू कसरी प्रयोग गर्ने + +1. **सुरुबाट सुरु गर्नुहोस्**: उदाहरणहरू कठिनाइको क्रममा क्रमबद्ध छन्। `01_hello_world_data_science.py` बाट सुरु गर्नुहोस् र क्रमशः अगाडि बढ्नुहोस्। + +2. **टिप्पणीहरू पढ्नुहोस्**: प्रत्येक फाइलमा विस्तृत टिप्पणीहरू छन् जसले कोड के गर्छ र किन गर्छ भन्ने व्याख्या गर्दछ। ती ध्यानपूर्वक पढ्नुहोस्! + +3. **प्रयोग गर्नुहोस्**: कोड परिवर्तन गर्ने प्रयास गर्नुहोस्। यदि तपाईंले कुनै मान परिवर्तन गर्नुभयो भने के हुन्छ? चीजहरू बिगार्नुहोस् र सुधार गर्नुहोस् - यसरी नै तपाईं सिक्नुहुन्छ! + +4. **कोड चलाउनुहोस्**: प्रत्येक उदाहरण चलाउनुहोस् र आउटपुट अवलोकन गर्नुहोस्। तपाईंले अपेक्षा गरेको कुरासँग तुलना गर्नुहोस्। + +5. **यसमा निर्माण गर्नुहोस्**: एक उदाहरण बुझिसकेपछि, यसलाई आफ्नै विचारहरूसँग विस्तार गर्ने प्रयास गर्नुहोस्। + +## 💡 नयाँ सुरुवात गर्नेहरूका लागि सुझावहरू + +- **हतार नगर्नुहोस्**: प्रत्येक उदाहरणलाई बुझ्न समय लिनुहोस्, त्यसपछि मात्र अर्कोमा जानुहोस् +- **कोड आफैं टाइप गर्नुहोस्**: केवल कपी-पेस्ट नगर्नुहोस्। टाइप गर्दा तपाईं सिक्नुहुन्छ र सम्झनुहुन्छ +- **अपरिचित अवधारणाहरू खोज्नुहोस्**: यदि तपाईंले केही बुझ्नुभएन भने, यसलाई अनलाइन वा मुख्य पाठहरूमा खोज्नुहोस् +- **प्रश्न सोध्नुहोस्**: यदि तपाईंलाई मद्दत चाहिन्छ भने [चर्चा फोरम](https://github.com/microsoft/Data-Science-For-Beginners/discussions) मा सामेल हुनुहोस् +- **नियमित अभ्यास गर्नुहोस्**: हप्तामा लामो सत्रहरू भन्दा दैनिक थोरै कोड गर्ने प्रयास गर्नुहोस् + +## 🔗 अर्को चरणहरू + +यी उदाहरणहरू पूरा गरेपछि, तपाईं तयार हुनुहुन्छ: +- मुख्य पाठ्यक्रम पाठहरूमा काम गर्न +- प्रत्येक पाठ फोल्डरमा असाइनमेन्टहरू प्रयास गर्न +- थप गहिरो सिकाइका लागि Jupyter नोटबुकहरू अन्वेषण गर्न +- आफ्नै डेटा साइन्स परियोजनाहरू सिर्जना गर्न + +## 📚 थप स्रोतहरू + +- [मुख्य पाठ्यक्रम](../README.md) - पूर्ण २०-पाठको कोर्स +- [शिक्षकहरूका लागि](../for-teachers.md) - यो पाठ्यक्रम कक्षामा प्रयोग गर्ने +- [Microsoft Learn](https://docs.microsoft.com/learn/) - निःशुल्क अनलाइन सिकाइ स्रोतहरू +- [Python डकुमेन्टेशन](https://docs.python.org/3/) - आधिकारिक Python सन्दर्भ + +## 🤝 योगदान + +कुनै बग फेला पार्नुभयो वा नयाँ उदाहरणको लागि विचार छ? हामी योगदानलाई स्वागत गर्छौं! कृपया हाम्रो [योगदान मार्गदर्शन](../CONTRIBUTING.md) हेर्नुहोस्। + +--- + +**सिकाइको शुभकामना! 🎉** + +याद गर्नुहोस्: प्रत्येक विशेषज्ञ एकपटक नयाँ सुरुवात गर्ने थिए। एक पटकमा एक कदम लिनुहोस्, र गल्ती गर्न डराउनुहोस् - तिनीहरू सिकाइ प्रक्रियाको हिस्सा हुन्! + +--- + +**अस्वीकरण**: +यो दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरेर अनुवाद गरिएको हो। हामी यथार्थताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुनेछैनौं। \ No newline at end of file diff --git a/translations/nl/README.md b/translations/nl/README.md index 9204c67a..cd6c15d8 100644 --- a/translations/nl/README.md +++ b/translations/nl/README.md @@ -1,8 +1,8 @@ +# Beginner-Vriendelijke Data Science Voorbeelden + +Welkom in de voorbeeldenmap! Deze verzameling eenvoudige, goed becommentarieerde voorbeelden is ontworpen om je te helpen starten met data science, zelfs als je een complete beginner bent. + +## 📚 Wat Je Hier Vindt + +Elk voorbeeld is zelfstandig en bevat: +- **Duidelijke opmerkingen** die elke stap uitleggen +- **Eenvoudige, leesbare code** die één concept tegelijk demonstreert +- **Context uit de echte wereld** om je te helpen begrijpen wanneer en waarom je deze technieken gebruikt +- **Verwachte output** zodat je weet waar je naar moet kijken + +## 🚀 Aan de Slag + +### Vereisten +Voordat je deze voorbeelden uitvoert, zorg ervoor dat je: +- Python 3.7 of hoger hebt geïnstalleerd +- Basiskennis hebt van het uitvoeren van Python-scripts + +### Vereiste Bibliotheken Installeren +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Overzicht van Voorbeelden + +### 1. Hello World - Data Science Stijl +**Bestand:** `01_hello_world_data_science.py` + +Je eerste data science-programma! Leer hoe je: +- Een eenvoudige dataset laadt +- Basisinformatie over je data weergeeft +- Je eerste data science-output print + +Perfect voor absolute beginners die hun eerste data science-programma in actie willen zien. + +--- + +### 2. Data Laden en Verkennen +**Bestand:** `02_loading_data.py` + +Leer de basisprincipes van werken met data: +- Data lezen uit CSV-bestanden +- De eerste paar rijen van je dataset bekijken +- Basisstatistieken over je data verkrijgen +- Datatypes begrijpen + +Dit is vaak de eerste stap in elk data science-project! + +--- + +### 3. Eenvoudige Data Analyse +**Bestand:** `03_simple_analysis.py` + +Voer je eerste data-analyse uit: +- Bereken basisstatistieken (gemiddelde, mediaan, modus) +- Vind maximale en minimale waarden +- Tel het aantal voorkomens van waarden +- Filter data op basis van voorwaarden + +Zie hoe je eenvoudige vragen over je data kunt beantwoorden. + +--- + +### 4. Basisprincipes van Data Visualisatie +**Bestand:** `04_basic_visualization.py` + +Maak je eerste visualisaties: +- Maak een eenvoudige staafdiagram +- Creëer een lijndiagram +- Genereer een taartdiagram +- Sla je visualisaties op als afbeeldingen + +Leer je bevindingen visueel te communiceren! + +--- + +### 5. Werken met Echte Data +**Bestand:** `05_real_world_example.py` + +Breng alles samen in een compleet voorbeeld: +- Laad echte data uit de repository +- Maak de data schoon en bereid deze voor +- Voer analyses uit +- Creëer betekenisvolle visualisaties +- Trek conclusies + +Dit voorbeeld laat je een complete workflow zien van begin tot eind. + +--- + +## 🎯 Hoe Deze Voorbeelden te Gebruiken + +1. **Begin bij het begin**: De voorbeelden zijn genummerd op volgorde van moeilijkheid. Begin met `01_hello_world_data_science.py` en werk ze één voor één door. + +2. **Lees de opmerkingen**: Elk bestand heeft gedetailleerde opmerkingen die uitleggen wat de code doet en waarom. Lees ze zorgvuldig! + +3. **Experimenteer**: Probeer de code aan te passen. Wat gebeurt er als je een waarde verandert? Maak fouten en los ze op - zo leer je! + +4. **Voer de code uit**: Voer elk voorbeeld uit en observeer de output. Vergelijk deze met wat je verwachtte. + +5. **Bouw verder**: Zodra je een voorbeeld begrijpt, probeer het uit te breiden met je eigen ideeën. + +## 💡 Tips voor Beginners + +- **Neem de tijd**: Neem de tijd om elk voorbeeld te begrijpen voordat je naar het volgende gaat +- **Typ de code zelf**: Kopieer en plak niet zomaar. Typen helpt je leren en onthouden +- **Zoek onbekende concepten op**: Als je iets ziet dat je niet begrijpt, zoek het op online of in de hoofdlessen +- **Stel vragen**: Doe mee aan het [discussieforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions) als je hulp nodig hebt +- **Oefen regelmatig**: Probeer elke dag een beetje te coderen in plaats van lange sessies één keer per week + +## 🔗 Volgende Stappen + +Na het voltooien van deze voorbeelden ben je klaar om: +- De hoofdlessen van het curriculum door te werken +- De opdrachten in elke lesmap te proberen +- De Jupyter-notebooks te verkennen voor meer diepgaande kennis +- Je eigen data science-projecten te maken + +## 📚 Aanvullende Bronnen + +- [Hoofd Curriculum](../README.md) - De complete cursus van 20 lessen +- [Voor Docenten](../for-teachers.md) - Dit curriculum gebruiken in je klaslokaal +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Gratis online leermiddelen +- [Python Documentatie](https://docs.python.org/3/) - Officiële Python-referentie + +## 🤝 Bijdragen + +Een bug gevonden of een idee voor een nieuw voorbeeld? We verwelkomen bijdragen! Bekijk onze [Bijdragegids](../CONTRIBUTING.md). + +--- + +**Veel Leerplezier! 🎉** + +Onthoud: Elke expert was ooit een beginner. Neem het stap voor stap, en wees niet bang om fouten te maken - ze maken deel uit van het leerproces! + +--- + +**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, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet worden beschouwd als de gezaghebbende bron. Voor kritieke informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling. \ No newline at end of file diff --git a/translations/no/README.md b/translations/no/README.md index c642cdd1..9abc6eed 100644 --- a/translations/no/README.md +++ b/translations/no/README.md @@ -1,31 +1,15 @@ -# Data Science for Nybegynnere - En Lærepensum +# Data Science for Nybegynnere - Et Lærepensum -[![Åpne i GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) - -[![GitHub-lisens](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub-bidragsytere](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub-problemer](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub pull-forespørsler](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs Velkommen](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) - -[![GitHub-følgere](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub-forker](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub-stjerner](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) - -[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -Azure Cloud Advocates hos Microsoft er glade for å tilby et 10-ukers, 20-leksjons pensum om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instruksjoner for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en bevist metode for å få nye ferdigheter til å sitte. +Azure Cloud Advocates hos Microsoft er glade for å tilby et 10-ukers, 20-leksjons pensum om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instruksjoner for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en bevist metode for å få nye ferdigheter til å "sitte". **Stor takk til våre forfattere:** [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). @@ -38,7 +22,7 @@ Azure Cloud Advocates hos Microsoft er glade for å tilby et 10-ukers, 20-leksjo ### 🌐 Støtte for flere språk -#### Støttet via GitHub Action (Automatisk og alltid oppdatert) +#### Støttet via GitHub Action (Automatisk & Alltid Oppdatert) [Fransk](../fr/README.md) | [Spansk](../es/README.md) | [Tysk](../de/README.md) | [Russisk](../ru/README.md) | [Arabisk](../ar/README.md) | [Persisk (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinesisk (Forenklet)](../zh/README.md) | [Kinesisk (Tradisjonell, Macau)](../mo/README.md) | [Kinesisk (Tradisjonell, Hong Kong)](../hk/README.md) | [Kinesisk (Tradisjonell, Taiwan)](../tw/README.md) | [Japansk](../ja/README.md) | [Koreansk](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugisisk (Portugal)](../pt/README.md) | [Portugisisk (Brasil)](../br/README.md) | [Italiensk](../it/README.md) | [Polsk](../pl/README.md) | [Tyrkisk](../tr/README.md) | [Gresk](../el/README.md) | [Thai](../th/README.md) | [Svensk](../sv/README.md) | [Dansk](../da/README.md) | [Norsk](./README.md) | [Finsk](../fi/README.md) | [Nederlandsk](../nl/README.md) | [Hebraisk](../he/README.md) | [Vietnamesisk](../vi/README.md) | [Indonesisk](../id/README.md) | [Malayisk](../ms/README.md) | [Tagalog (Filippinsk)](../tl/README.md) | [Swahili](../sw/README.md) | [Ungarsk](../hu/README.md) | [Tsjekkisk](../cs/README.md) | [Slovakisk](../sk/README.md) | [Rumensk](../ro/README.md) | [Bulgarsk](../bg/README.md) | [Serbisk (Kyrillisk)](../sr/README.md) | [Kroatisk](../hr/README.md) | [Slovensk](../sl/README.md) | [Ukrainsk](../uk/README.md) | [Burmesisk (Myanmar)](../my/README.md) @@ -60,13 +44,15 @@ Kom i gang med følgende ressurser: # Kom i gang -> **Lærere**: vi har [inkludert noen forslag](for-teachers.md) om hvordan du kan bruke dette pensumet. Vi vil gjerne ha tilbakemeldingen din [i vårt diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Helt nybegynnere**: Ny innen data science? Start med våre [nybegynnervennlige eksempler](examples/README.md)! Disse enkle, godt kommenterte eksemplene vil hjelpe deg å forstå det grunnleggende før du dykker inn i hele pensumet. + +> **Lærere**: Vi har [inkludert noen forslag](for-teachers.md) om hvordan du kan bruke dette pensumet. Vi vil gjerne ha din tilbakemelding [i vårt diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Studenter](https://aka.ms/student-page)**: for å bruke dette pensumet på egen hånd, fork hele repoet og fullfør oppgavene selv, start med en quiz før leksjonen. Les deretter leksjonen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; denne koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. En annen idé kan være å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Studenter](https://aka.ms/student-page)**: For å bruke dette pensumet på egen hånd, fork hele repoet og fullfør oppgavene på egen hånd, start med en quiz før leksjonen. Les deretter leksjonen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; denne koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. En annen idé kan være å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Møt teamet -[![Promovideo](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promovideo") +[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif av** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) @@ -74,9 +60,9 @@ Kom i gang med følgende ressurser: ## Pedagogikk -Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: å sikre at det er prosjektbasert og at det inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper for data science, inkludert etiske konsepter, dataklargjøring, ulike måter å jobbe med data på, datavisualisering, dataanalyse, virkelige brukstilfeller av data science og mer. +Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: å sikre at det er prosjektbasert og at det inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper for data science, inkludert etiske konsepter, databehandling, forskjellige måter å jobbe med data på, datavisualisering, dataanalyse, virkelige brukstilfeller av data science og mer. -I tillegg setter en lavterskelquiz før en klasse intensjonen til studenten mot å lære et emne, mens en andre quiz etter klassen sikrer ytterligere oppbevaring. Dette pensumet ble designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter små og blir gradvis mer komplekse mot slutten av den 10-ukers syklusen. +I tillegg setter en lavterskelquiz før en klasse intensjonen til studenten mot å lære et emne, mens en andre quiz etter klassen sikrer videre oppbevaring. Dette pensumet ble designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter små og blir stadig mer komplekse mot slutten av den 10-ukers syklusen. > Finn vår [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) retningslinjer. Vi ønsker din konstruktive tilbakemelding velkommen! @@ -84,7 +70,7 @@ I tillegg setter en lavterskelquiz før en klasse intensjonen til studenten mot - Valgfri sketchnote - Valgfri tilleggsvideo -- Quiz for oppvarming før leksjonen +- Oppvarmingsquiz før leksjonen - Skriftlig leksjon - For prosjektbaserte leksjoner, trinnvise guider om hvordan du bygger prosjektet - Kunnskapssjekker @@ -92,15 +78,28 @@ I tillegg setter en lavterskelquiz før en klasse intensjonen til studenten mot - Tilleggslesing - Oppgave - [Quiz etter leksjonen](https://ff-quizzes.netlify.app/en/) +> **En merknad om quizer**: Alle quizer er samlet i Quiz-App-mappen, med totalt 40 quizer, hver med tre spørsmål. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt eller distribueres til Azure; følg instruksjonene i `quiz-app`-mappen. De blir gradvis lokalisert. + +## 🎓 Nybegynnervennlige Eksempler -> **En merknad om quizer**: Alle quizer er inneholdt i Quiz-App-mappen, for totalt 40 quizer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt eller distribueres til Azure; følg instruksjonene i `quiz-app`-mappen. De blir gradvis lokalisert. +**Ny innen Data Science?** Vi har laget en spesiell [eksempelkatalog](examples/README.md) med enkel, godt kommentert kode for å hjelpe deg i gang: + +- 🌟 **Hello World** - Ditt første data science-program +- 📂 **Laste inn data** - Lær å lese og utforske datasett +- 📊 **Enkel analyse** - Beregn statistikk og finn mønstre +- 📈 **Grunnleggende visualisering** - Lag diagrammer og grafer +- 🔬 **Reelt prosjekt** - Full arbeidsflyt fra start til slutt + +Hvert eksempel inneholder detaljerte kommentarer som forklarer hvert steg, perfekt for helt nybegynnere! + +👉 **[Start med eksemplene](examples/README.md)** 👈 ## Leksjoner + |![ Sketchnote av @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.no.png)| |:---:| | Data Science For Beginners: Veikart - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | - | Leksjonsnummer | Emne | Leksjonsgruppe | Læringsmål | Lenket leksjon | Forfatter | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Definere Data Science | [Introduksjon](1-Introduction/README.md) | Lær de grunnleggende konseptene bak data science og hvordan det er relatert til kunstig intelligens, maskinlæring og big data. | [leksjon](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | @@ -110,31 +109,31 @@ I tillegg setter en lavterskelquiz før en klasse intensjonen til studenten mot | 05 | Arbeide med Relasjonelle Data | [Arbeide med Data](2-Working-With-Data/README.md) | Introduksjon til relasjonelle data og grunnleggende utforsking og analyse av relasjonelle data med Structured Query Language, også kjent som SQL (uttales "see-quell"). | [leksjon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Arbeide med NoSQL Data | [Arbeide med Data](2-Working-With-Data/README.md) | Introduksjon til ikke-relasjonelle data, deres ulike typer og grunnleggende utforsking og analyse av dokumentdatabaser. | [leksjon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Arbeide med Python | [Arbeide med Data](2-Working-With-Data/README.md) | Grunnleggende bruk av Python for datautforsking med biblioteker som Pandas. Grunnleggende forståelse av Python-programmering anbefales. | [leksjon](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Datapreparering | [Arbeide med Data](2-Working-With-Data/README.md) | Temaer om teknikker for rengjøring og transformering av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data. | [leksjon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 08 | Datapreparering | [Arbeide med Data](2-Working-With-Data/README.md) | Temaer om teknikker for å rense og transformere data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data. | [leksjon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Visualisering av Mengder | [Datavisualisering](3-Data-Visualization/README.md) | Lær hvordan du bruker Matplotlib til å visualisere fugldata 🦆 | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Visualisering av Datafordelinger | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av observasjoner og trender innenfor et intervall. | [leksjon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualisering av Prosentandeler | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av diskrete og grupperte prosentandeler. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualisering av Proporsjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av diskrete og grupperte prosentandeler. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Visualisering av Relasjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av forbindelser og korrelasjoner mellom datasett og deres variabler. | [leksjon](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | Meningsfulle Visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikker og veiledning for å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt. | [leksjon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Introduksjon til Data Science-livssyklusen | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Introduksjon til data science-livssyklusen og dens første steg med innhenting og utvinning av data. | [leksjon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Analyse | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen av data science-livssyklusen fokuserer på teknikker for å analysere data. | [leksjon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Kommunikasjon | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen av data science-livssyklusen fokuserer på å presentere innsikter fra data på en måte som gjør det enklere for beslutningstakere å forstå. | [leksjon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 16 | Kommunikasjon | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen av data science-livssyklusen fokuserer på å presentere innsiktene fra data på en måte som gjør det enklere for beslutningstakere å forstå. | [leksjon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Data Science i Skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Denne serien av leksjoner introduserer data science i skyen og dens fordeler. | [leksjon](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science i Skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Trening av modeller ved bruk av Low Code-verktøy. |[leksjon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science i Skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Implementering av modeller med Azure Machine Learning Studio. | [leksjon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science i Skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Trene modeller ved hjelp av Low Code-verktøy. |[leksjon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science i Skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Distribuere modeller med Azure Machine Learning Studio. | [leksjon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | | 20 | Data Science i Det Virkelige Liv | [I Det Virkelige Liv](6-Data-Science-In-Wild/README.md) | Prosjekter drevet av data science i den virkelige verden. | [leksjon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Følg disse trinnene for å åpne dette eksempelet i en Codespace: +Følg disse stegene for å åpne dette eksempelet i en Codespace: 1. Klikk på Code-rullegardinmenyen og velg alternativet Open with Codespaces. 2. Velg + New codespace nederst i panelet. -For mer informasjon, sjekk ut [GitHub-dokumentasjonen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +For mer info, sjekk ut [GitHub-dokumentasjonen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Følg disse trinnene for å åpne dette repoet i en container ved bruk av din lokale maskin og VSCode med VS Code Remote - Containers-utvidelsen: +Følg disse stegene for å åpne dette repoet i en container ved bruk av din lokale maskin og VSCode med VS Code Remote - Containers-utvidelsen: -1. Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller kravene (f.eks. ha Docker installert) i [dokumentasjonen for å komme i gang](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller kravene (f.eks. ha Docker installert) i [komme i gang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). For å bruke dette repoet kan du enten åpne det i et isolert Docker-volum: @@ -152,7 +151,7 @@ Du kan kjøre denne dokumentasjonen offline ved å bruke [Docsify](https://docsi > Merk, notatbøker vil ikke bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code med en Python-kjerne. -## Andre læreplaner +## Andre Læreplaner Vårt team produserer andre læreplaner! Sjekk ut: @@ -174,17 +173,16 @@ Vårt team produserer andre læreplaner! Sjekk ut: - [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) - [XR-utvikling for Nybegynnere](https://github.com/microsoft/xr-development-for-beginners) - [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) +- [Velg Din Egen Copilot Adventure](https://github.com/microsoft/CopilotAdventures) -## Få hjelp +## Få Hjelp Hvis du står fast eller har spørsmål om å bygge AI-apper, bli med: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Hvis du har produktfeedback eller feil under bygging, besøk: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![Azure AI Foundry Utviklerforum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/no/examples/README.md b/translations/no/examples/README.md new file mode 100644 index 00000000..fe5cc21d --- /dev/null +++ b/translations/no/examples/README.md @@ -0,0 +1,149 @@ + +# Nybegynnervennlige Eksempler på Data Science + +Velkommen til eksempelkatalogen! Denne samlingen av enkle, godt kommenterte eksempler er laget for å hjelpe deg i gang med data science, selv om du er helt nybegynner. + +## 📚 Hva Du Finner Her + +Hvert eksempel er selvstendig og inkluderer: +- **Tydelige kommentarer** som forklarer hvert steg +- **Enkel, lesbar kode** som demonstrerer ett konsept om gangen +- **Reell kontekst** for å hjelpe deg med å forstå når og hvorfor du skal bruke disse teknikkene +- **Forventet output** slik at du vet hva du skal se etter + +## 🚀 Kom i Gang + +### Forutsetninger +Før du kjører disse eksemplene, sørg for at du har: +- Python 3.7 eller nyere installert +- Grunnleggende forståelse av hvordan man kjører Python-skript + +### Installere Nødvendige Biblioteker +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Oversikt over Eksempler + +### 1. Hello World - Data Science Stil +**Fil:** `01_hello_world_data_science.py` + +Ditt første data science-program! Lær hvordan du: +- Laster inn et enkelt datasett +- Viser grunnleggende informasjon om dataene dine +- Skriver ut din første data science-output + +Perfekt for helt nybegynnere som vil se sitt første data science-program i aksjon. + +--- + +### 2. Laste Inn og Utforske Data +**Fil:** `02_loading_data.py` + +Lær det grunnleggende om å jobbe med data: +- Les data fra CSV-filer +- Se de første radene i datasettet ditt +- Få grunnleggende statistikk om dataene dine +- Forstå datatyper + +Dette er ofte det første steget i ethvert data science-prosjekt! + +--- + +### 3. Enkel Dataanalyse +**Fil:** `03_simple_analysis.py` + +Utfør din første dataanalyse: +- Beregn grunnleggende statistikk (gjennomsnitt, median, modus) +- Finn maksimums- og minimumsverdier +- Tell forekomster av verdier +- Filtrer data basert på betingelser + +Se hvordan du kan svare på enkle spørsmål om dataene dine. + +--- + +### 4. Grunnleggende Datavisualisering +**Fil:** `04_basic_visualization.py` + +Lag dine første visualiseringer: +- Lag et enkelt stolpediagram +- Lag en linjegraf +- Generer et kakediagram +- Lagre visualiseringene dine som bilder + +Lær å kommunisere funnene dine visuelt! + +--- + +### 5. Jobbe med Reelle Data +**Fil:** `05_real_world_example.py` + +Sett alt sammen med et komplett eksempel: +- Last inn reelle data fra depotet +- Rens og forbered dataene +- Utfør analyse +- Lag meningsfulle visualiseringer +- Trekk konklusjoner + +Dette eksemplet viser deg en komplett arbeidsflyt fra start til slutt. + +--- + +## 🎯 Hvordan Bruke Disse Eksemplene + +1. **Start fra begynnelsen**: Eksemplene er nummerert etter vanskelighetsgrad. Begynn med `01_hello_world_data_science.py` og jobb deg gjennom. + +2. **Les kommentarene**: Hver fil har detaljerte kommentarer som forklarer hva koden gjør og hvorfor. Les dem nøye! + +3. **Eksperimenter**: Prøv å endre koden. Hva skjer hvis du endrer en verdi? Bryt ting og reparer dem - det er slik du lærer! + +4. **Kjør koden**: Utfør hvert eksempel og observer output. Sammenlign det med hva du forventet. + +5. **Bygg videre**: Når du forstår et eksempel, prøv å utvide det med dine egne ideer. + +## 💡 Tips for Nybegynnere + +- **Ikke stress**: Ta deg tid til å forstå hvert eksempel før du går videre til det neste +- **Skriv koden selv**: Ikke bare kopier og lim inn. Å skrive hjelper deg med å lære og huske +- **Søk opp ukjente konsepter**: Hvis du ser noe du ikke forstår, søk det opp på nettet eller i hovedleksjonene +- **Still spørsmål**: Bli med i [diskusjonsforumet](https://github.com/microsoft/Data-Science-For-Beginners/discussions) hvis du trenger hjelp +- **Øv regelmessig**: Prøv å kode litt hver dag i stedet for lange økter én gang i uken + +## 🔗 Neste Steg + +Etter å ha fullført disse eksemplene, er du klar til å: +- Jobbe gjennom hovedleksjonene i pensum +- Prøve oppgavene i hver leksjonsmappe +- Utforske Jupyter-notatbøkene for mer dyptgående læring +- Lage dine egne data science-prosjekter + +## 📚 Ekstra Ressurser + +- [Hovedpensum](../README.md) - Det komplette 20-leksjonskurset +- [For Lærere](../for-teachers.md) - Bruke dette pensumet i klasserommet +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Gratis nettbaserte læringsressurser +- [Python Dokumentasjon](https://docs.python.org/3/) - Offisiell Python-referanse + +## 🤝 Bidra + +Fant du en feil eller har en idé til et nytt eksempel? Vi ønsker bidrag velkommen! Se vår [Bidragsveiledning](../CONTRIBUTING.md). + +--- + +**Lykke til med læringen! 🎉** + +Husk: Hver ekspert var en gang nybegynner. Ta det ett steg av gangen, og ikke vær redd for å gjøre feil - de er en del av læringsprosessen! + +--- + +**Ansvarsfraskrivelse**: +Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selv om vi tilstreber nøyaktighet, vennligst vær oppmerksom på at automatiserte oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på sitt opprinnelige språk bør betraktes som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen. \ No newline at end of file diff --git a/translations/pa/README.md b/translations/pa/README.md index 90c776ef..7f08cbfb 100644 --- a/translations/pa/README.md +++ b/translations/pa/README.md @@ -1,23 +1,23 @@ -# ਡਾਟਾ ਸਾਇੰਸ ਸ਼ੁਰੂਆਤੀ ਲਈ - ਇੱਕ ਪਾਠਕ੍ਰਮ +# ਸ਼ੁਰੂਆਤੀ ਸਿਖਲਾਈ ਲਈ ਡਾਟਾ ਸਾਇੰਸ - ਇੱਕ ਪਾਠਕ੍ਰਮ [![GitHub Codespaces ਵਿੱਚ ਖੋਲ੍ਹੋ](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) -[![GitHub ਲਾਇਸੰਸ](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub ਲਾਇਸੈਂਸ](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) [![GitHub ਯੋਗਦਾਨਕਰਤਾ](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) [![GitHub ਮੁੱਦੇ](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) [![GitHub ਪੁਲ-ਰਿਕਵੇਸਟ](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) [![PRs ਸਵਾਗਤ ਹੈ](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub ਵੇਖਣ ਵਾਲੇ](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub ਦੇਖਣ ਵਾਲੇ](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) @@ -25,29 +25,29 @@ CO_OP_TRANSLATOR_METADATA: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Microsoft ਦੇ Azure Cloud Advocates ਨੇ 10 ਹਫ਼ਤਿਆਂ ਦਾ, 20 ਪਾਠਾਂ ਦਾ ਪਾਠਕ੍ਰਮ ਪੇਸ਼ ਕਰਨ ਵਿੱਚ ਖੁਸ਼ੀ ਮਹਿਸੂਸ ਕੀਤੀ ਹੈ ਜੋ ਡਾਟਾ ਸਾਇੰਸ ਬਾਰੇ ਹੈ। ਹਰ ਪਾਠ ਵਿੱਚ ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਪਾਠ ਤੋਂ ਬਾਅਦ ਦੇ ਕਵਿਜ਼, ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ ਲਿਖਤ ਨਿਰਦੇਸ਼, ਇੱਕ ਹੱਲ ਅਤੇ ਇੱਕ ਅਸਾਈਨਮੈਂਟ ਸ਼ਾਮਲ ਹੈ। ਸਾਡੇ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਪੈਡਾਗੌਜੀ ਤੁਹਾਨੂੰ ਸਿੱਖਣ ਦਿੰਦੀ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਬਣਾਉਂਦੇ ਹੋ, ਜੋ ਨਵੀਆਂ ਹੁਨਰਾਂ ਨੂੰ 'ਟਿਕਾਉਣ' ਦਾ ਸਾਬਤ ਤਰੀਕਾ ਹੈ। +Microsoft ਦੇ Azure Cloud Advocates ਨੇ ਡਾਟਾ ਸਾਇੰਸ ਬਾਰੇ 10 ਹਫ਼ਤਿਆਂ ਦਾ, 20 ਪਾਠਾਂ ਦਾ ਪਾਠਕ੍ਰਮ ਪੇਸ਼ ਕਰਨ ਵਿੱਚ ਖੁਸ਼ੀ ਮਹਿਸੂਸ ਕੀਤੀ ਹੈ। ਹਰ ਪਾਠ ਵਿੱਚ ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਬਾਅਦ ਦੇ ਪ੍ਰਸ਼ਨੋੱਤਰੀ, ਪਾਠ ਪੂਰਾ ਕਰਨ ਲਈ ਲਿਖਤ ਨਿਰਦੇਸ਼, ਇੱਕ ਹੱਲ ਅਤੇ ਇੱਕ ਅਸਾਈਨਮੈਂਟ ਸ਼ਾਮਲ ਹੈ। ਸਾਡੇ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਪੈਡਾਗੌਜੀ ਤੁਹਾਨੂੰ ਸਿੱਖਣ ਦਿੰਦੀ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਕੁਝ ਬਣਾਉਂਦੇ ਹੋ, ਜੋ ਨਵੀਆਂ ਕੌਸ਼ਲਤਾਵਾਂ ਨੂੰ ਯਾਦ ਰੱਖਣ ਦਾ ਸਾਬਤ ਤਰੀਕਾ ਹੈ। -**ਸਾਡੇ ਲੇਖਕਾਂ ਨੂੰ ਦਿਲੋਂ ਧੰਨਵਾਦ:** [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). +**ਸਾਡੇ ਲੇਖਕਾਂ ਨੂੰ ਦਿਲੋਂ ਧੰਨਵਾਦ:** [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)। -**🙏 ਵਿਸ਼ੇਸ਼ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) ਲੇਖਕਾਂ, ਸਮੀਖਾਕਾਰਾਂ ਅਤੇ ਸਮੱਗਰੀ ਯੋਗਦਾਨਕਰਤਾਵਾਂ ਨੂੰ,** ਜਿਵੇਂ ਕਿ 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 ਵਿਸ਼ੇਸ਼ ਧੰਨਵਾਦ 🙏 ਸਾਡੇ [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) ਲੇਖਕਾਂ, ਸਮੀਖਿਆਕਾਰਾਂ ਅਤੇ ਸਮੱਗਰੀ ਯੋਗਦਾਨਕਰਤਾਵਾਂ ਨੂੰ,** ਖਾਸ ਤੌਰ 'ਤੇ 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), +[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)। -|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.pa.png)| +|![@sketchthedocs ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਸਕੈਚਨੋਟ https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.pa.png)| |:---:| -| ਡਾਟਾ ਸਾਇੰਸ ਸ਼ੁਰੂਆਤੀ ਲਈ - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| ਸ਼ੁਰੂਆਤੀ ਸਿਖਲਾਈ ਲਈ ਡਾਟਾ ਸਾਇੰਸ - _[@nitya](https://twitter.com/nitya) ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਸਕੈਚਨੋਟ_ | -### 🌐 ਬਹੁ-ਭਾਸ਼ਾ ਸਹਾਇਤਾ +### 🌐 ਬਹੁਭਾਸ਼ਾਈ ਸਹਾਇਤਾ -#### GitHub Action ਰਾਹੀਂ ਸਹਾਇਤ (ਆਟੋਮੈਟਿਕ ਅਤੇ ਹਮੇਸ਼ਾ ਅਪ-ਟੂ-ਡੇਟ) +#### GitHub Action ਰਾਹੀਂ ਸਹਾਇਕ (ਸਵੈਚਾਲਿਤ ਅਤੇ ਹਮੇਸ਼ਾ ਅਪ-ਟੂ-ਡੇਟ) -[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](./README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) +[ਫਰਾਂਸੀਸੀ](../fr/README.md) | [ਸਪੇਨੀ](../es/README.md) | [ਜਰਮਨ](../de/README.md) | [ਰੂਸੀ](../ru/README.md) | [ਅਰਬੀ](../ar/README.md) | [ਫ਼ਾਰਸੀ](../fa/README.md) | [ਉਰਦੂ](../ur/README.md) | [ਚੀਨੀ (ਸਰਲ)](../zh/README.md) | [ਚੀਨੀ (ਪਾਰੰਪਰਿਕ, ਮਕਾਉ)](../mo/README.md) | [ਚੀਨੀ (ਪਾਰੰਪਰਿਕ, ਹਾਂਗਕਾਂਗ)](../hk/README.md) | [ਚੀਨੀ (ਪਾਰੰਪਰਿਕ, ਤਾਈਵਾਨ)](../tw/README.md) | [ਜਾਪਾਨੀ](../ja/README.md) | [ਕੋਰੀਆਈ](../ko/README.md) | [ਹਿੰਦੀ](../hi/README.md) | [ਬੰਗਾਲੀ](../bn/README.md) | [ਮਰਾਠੀ](../mr/README.md) | [ਨੇਪਾਲੀ](../ne/README.md) | [ਪੰਜਾਬੀ (ਗੁਰਮੁਖੀ)](./README.md) | [ਪੁਰਤਗਾਲੀ (ਪੁਰਤਗਾਲ)](../pt/README.md) | [ਪੁਰਤਗਾਲੀ (ਬ੍ਰਾਜ਼ੀਲ)](../br/README.md) | [ਇਟਾਲਵੀ](../it/README.md) | [ਪੋਲੈਂਡੀ](../pl/README.md) | [ਤੁਰਕੀ](../tr/README.md) | [ਯੂਨਾਨੀ](../el/README.md) | [ਥਾਈ](../th/README.md) | [ਸਵੀਡਿਸ਼](../sv/README.md) | [ਡੈਨਿਸ਼](../da/README.md) | [ਨਾਰਵੇਜੀਅਨ](../no/README.md) | [ਫਿਨਿਸ਼](../fi/README.md) | [ਡੱਚ](../nl/README.md) | [ਹਿਬਰੂ](../he/README.md) | [ਵਿਯਤਨਾਮੀ](../vi/README.md) | [ਇੰਡੋਨੇਸ਼ੀਆਈ](../id/README.md) | [ਮਲੇ](../ms/README.md) | [ਟੈਗਾਲੋਗ (ਫਿਲੀਪੀਨੋ)](../tl/README.md) | [ਸਵਾਹਿਲੀ](../sw/README.md) | [ਹੰਗਰੀ](../hu/README.md) | [ਚੈਕ](../cs/README.md) | [ਸਲੋਵਾਕ](../sk/README.md) | [ਰੋਮਾਨੀ](../ro/README.md) | [ਬੁਲਗਾਰੀਆਈ](../bg/README.md) | [ਸਰਬੀ (ਸਿਰਿਲਿਕ)](../sr/README.md) | [ਕ੍ਰੋਏਸ਼ੀਆਈ](../hr/README.md) | [ਸਲੋਵੇਨੀਆਈ](../sl/README.md) | [ਯੂਕਰੇਨੀ](../uk/README.md) | [ਬਰਮੀ (ਮਿਆਂਮਾਰ)](../my/README.md) -**ਜੇ ਤੁਸੀਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਵਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਸਹਾਇਤ ਭਾਸ਼ਾਵਾਂ ਦੀ ਸੂਚੀ [ਇੱਥੇ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) ਦਿੱਤੀ ਗਈ ਹੈ।** +**ਜੇ ਤੁਸੀਂ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਵਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਸਹਾਇਕ ਭਾਸ਼ਾਵਾਂ ਦੀ ਸੂਚੀ [ਇੱਥੇ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) ਉਪਲਬਧ ਹੈ।** #### ਸਾਡੇ ਸਮੁਦਾਇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -ਸਾਡੇ ਕੋਲ ਇੱਕ Discord 'Learn with AI' ਸੀਰੀਜ਼ ਚੱਲ ਰਹੀ ਹੈ। ਹੋਰ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰੋ ਅਤੇ ਸਾਡੇ ਨਾਲ [Learn with AI Series](https://aka.ms/learnwithai/discord) ਵਿੱਚ 18 - 30 ਸਤੰਬਰ, 2025 ਤੱਕ ਸ਼ਾਮਲ ਹੋਵੋ। ਤੁਸੀਂ GitHub Copilot ਨੂੰ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਵਰਤਣ ਦੇ ਟਿਪਸ ਅਤੇ ਟ੍ਰਿਕਸ ਸਿੱਖੋਗੇ। +ਸਾਡੇ ਕੋਲ ਇੱਕ Discord 'Learn with AI' ਸਿਰੀਜ਼ ਚੱਲ ਰਹੀ ਹੈ। ਹੋਰ ਜਾਣੋ ਅਤੇ ਸਾਡੇ ਨਾਲ [Learn with AI Series](https://aka.ms/learnwithai/discord) ਵਿੱਚ 18 - 30 ਸਤੰਬਰ, 2025 ਤੱਕ ਸ਼ਾਮਲ ਹੋਵੋ। ਤੁਹਾਨੂੰ GitHub Copilot ਨੂੰ ਡਾਟਾ ਸਾਇੰਸ ਲਈ ਵਰਤਣ ਦੇ ਟਿੱਪਸ ਅਤੇ ਟ੍ਰਿਕਸ ਮਿਲਣਗੇ। ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.pa.jpg) @@ -55,95 +55,109 @@ Microsoft ਦੇ Azure Cloud Advocates ਨੇ 10 ਹਫ਼ਤਿਆਂ ਦਾ, 2 ਹੇਠਾਂ ਦਿੱਤੇ ਸਰੋਤਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ: -- [Student Hub ਪੇਜ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ਇਸ ਪੇਜ ਵਿੱਚ, ਤੁਹਾਨੂੰ ਸ਼ੁਰੂਆਤੀ ਸਰੋਤ, ਵਿਦਿਆਰਥੀ ਪੈਕ ਅਤੇ ਮੁਫ਼ਤ ਸਰਟੀਫਿਕੇਟ ਵਾਊਚਰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਮਿਲਣਗੇ। ਇਹ ਇੱਕ ਪੇਜ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਬੁੱਕਮਾਰਕ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਅਤੇ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਚੈੱਕ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿਉਂਕਿ ਅਸੀਂ ਘੱਟੋ-ਘੱਟ ਮਹੀਨਾਵਾਰ ਸਮੱਗਰੀ ਬਦਲਦੇ ਰਹਿੰਦੇ ਹਾਂ। -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ਵਿਦਿਆਰਥੀ ਅੰਬੈਸਡਰਾਂ ਦੇ ਗਲੋਬਲ ਸਮੁਦਾਇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ, ਇਹ Microsoft ਵਿੱਚ ਤੁਹਾਡਾ ਰਸਤਾ ਹੋ ਸਕਦਾ ਹੈ। +- [ਵਿਦਿਆਰਥੀ ਹੱਬ ਪੇਜ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ਇਸ ਪੇਜ 'ਤੇ ਤੁਹਾਨੂੰ ਸ਼ੁਰੂਆਤੀ ਸਰੋਤ, ਵਿਦਿਆਰਥੀ ਪੈਕ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਮੁਫ਼ਤ ਸਰਟੀਫਿਕੇਟ ਵਾਊਚਰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਮਿਲਣਗੇ। ਇਹ ਇੱਕ ਪੇਜ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਬੁੱਕਮਾਰਕ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਅਤੇ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਚੈੱਕ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿਉਂਕਿ ਅਸੀਂ ਘੱਟੋ-ਘੱਟ ਮਹੀਨਾਵਾਰ ਸਮੱਗਰੀ ਬਦਲਦੇ ਹਾਂ। +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ਵਿਦਿਆਰਥੀ ਰਾਜਦੂਤਾਂ ਦੇ ਗਲੋਬਲ ਸਮੁਦਾਇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ, ਇਹ Microsoft ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਦਾ ਤੁਹਾਡਾ ਤਰੀਕਾ ਹੋ ਸਕਦਾ ਹੈ। # ਸ਼ੁਰੂਆਤ ਕਰਨਾ -> **ਅਧਿਆਪਕਾਂ**: ਅਸੀਂ [ਕੁਝ ਸੁਝਾਅ ਸ਼ਾਮਲ ਕੀਤੇ ਹਨ](for-teachers.md) ਕਿ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਕਿਵੇਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਸਾਡੇ [ਚਰਚਾ ਫੋਰਮ](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ਵਿੱਚ ਤੁਹਾਡੀ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦੀ ਉਮੀਦ ਹੈ! +> **ਪੂਰੀ ਤਰ੍ਹਾਂ ਸ਼ੁਰੂਆਤੀ**: ਡਾਟਾ ਸਾਇੰਸ ਵਿੱਚ ਨਵੇਂ ਹੋ? ਸਾਡੇ [ਸ਼ੁਰੂਆਤੀ-ਮਿੱਤਰ ਉਦਾਹਰਣਾਂ](examples/README.md) ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ! ਇਹ ਸਧਾਰਨ, ਵਧੀਆ ਟਿੱਪਣੀ ਕੀਤੇ ਉਦਾਹਰਣ ਤੁਹਾਨੂੰ ਪੂਰੇ ਪਾਠਕ੍ਰਮ ਵਿੱਚ ਡੁੱਬਣ ਤੋਂ ਪਹਿਲਾਂ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਨਗੇ। -> **[ਵਿਦਿਆਰਥੀ](https://aka.ms/student-page)**: ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਆਪਣੇ ਆਪ ਵਰਤਣ ਲਈ, ਪੂਰੇ ਰਿਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ ਅਤੇ ਆਪਣੇ ਆਪ ਕਸਰਤਾਂ ਪੂਰੀ ਕਰੋ, ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਦੇ ਕਵਿਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ। ਫਿਰ ਪਾਠ ਪੜ੍ਹੋ ਅਤੇ ਬਾਕੀ ਗਤੀਵਿਧੀਆਂ ਪੂਰੀ ਕਰੋ। ਪਾਠਾਂ ਨੂੰ ਸਮਝ ਕੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਨਾ ਕਿ ਹੱਲ ਕੋਡ ਨੂੰ ਕਾਪੀ ਕਰੋ; ਹਾਲਾਂਕਿ, ਉਹ ਕੋਡ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪਾਠਾਂ ਦੇ /solutions ਫੋਲਡਰ ਵਿੱਚ ਉਪਲਬਧ ਹੈ। ਇੱਕ ਹੋਰ ਵਿਚਾਰ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਦੋਸਤਾਂ ਨਾਲ ਇੱਕ ਅਧਿਐਨ ਸਮੂਹ ਬਣਾਓ ਅਤੇ ਸਮੱਗਰੀ ਨੂੰ ਇਕੱਠੇ ਪੜ੍ਹੋ। ਹੋਰ ਅਧਿਐਨ ਲਈ, ਅਸੀਂ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ। +> **ਅਧਿਆਪਕਾਂ ਲਈ**: ਅਸੀਂ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਵਰਤਣ ਲਈ ਕੁਝ [ਸੁਝਾਵ ਸ਼ਾਮਲ ਕੀਤੇ ਹਨ](for-teachers.md)। ਅਸੀਂ ਤੁਹਾਡਾ ਫੀਡਬੈਕ [ਸਾਡੇ ਚਰਚਾ ਫੋਰਮ](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ਵਿੱਚ ਪਸੰਦ ਕਰਾਂਗੇ! + +> **[ਵਿਦਿਆਰਥੀ](https://aka.ms/student-page)**: ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਆਪਣੇ ਆਪ ਵਰਤਣ ਲਈ, ਪੂਰੇ ਰਿਪੋਜ਼ਟਰੀ ਨੂੰ ਫੋਰਕ ਕਰੋ ਅਤੇ ਆਪਣੇ ਆਪ ਅਭਿਆਸ ਪੂਰੇ ਕਰੋ, ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਪ੍ਰਸ਼ਨੋੱਤਰੀ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ। ਫਿਰ ਲੈਕਚਰ ਪੜ੍ਹੋ ਅਤੇ ਬਾਕੀ ਦੀਆਂ ਗਤੀਵਿਧੀਆਂ ਪੂਰੀਆਂ ਕਰੋ। ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਪਾਠਾਂ ਨੂੰ ਸਮਝ ਕੇ, ਨਾ ਕਿ ਹੱਲ ਕੋਡ ਨੂੰ ਕਾਪੀ ਕਰਕੇ; ਹਾਲਾਂਕਿ, ਉਹ ਕੋਡ ਹਰ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਪਾਠ ਵਿੱਚ /solutions ਫੋਲਡਰਾਂ ਵਿੱਚ ਉਪਲਬਧ ਹੈ। ਇੱਕ ਹੋਰ ਵਿਚਾਰ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਦੋਸਤਾਂ ਨਾਲ ਇੱਕ ਅਧਿਐਨ ਸਮੂਹ ਬਣਾਓ ਅਤੇ ਸਮੱਗਰੀ ਨੂੰ ਇਕੱਠੇ ਪੜ੍ਹੋ। ਹੋਰ ਅਧਿਐਨ ਲਈ, ਅਸੀਂ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ। ## ਟੀਮ ਨਾਲ ਮਿਲੋ -[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") +[![ਪ੍ਰੋਮੋ ਵੀਡੀਓ](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "ਪ੍ਰੋਮੋ ਵੀਡੀਓ") -**Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gif ਦੁਆਰਾ** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 ਉਪਰੋਕਤ ਚਿੱਤਰ 'ਤੇ ਕਲਿਕ ਕਰੋ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਉਸਦੇ ਰਚਨਾਕਾਰਾਂ ਬਾਰੇ ਵੀਡੀਓ ਦੇਖਣ ਲਈ! +> 🎥 ਉੱਪਰ ਦਿੱਤੀ ਚਿੱਤਰ 'ਤੇ ਕਲਿੱਕ ਕਰੋ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਇਸਨੂੰ ਬਣਾਉਣ ਵਾਲੇ ਲੋਕਾਂ ਬਾਰੇ ਜਾਣਨ ਲਈ! ## ਪੈਡਾਗੌਜੀ -ਅਸੀਂ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਬਣਾਉਣ ਦੌਰਾਨ ਦੋ ਪੈਡਾਗੌਜੀਕਲ ਸਿਧਾਂਤਾਂ ਨੂੰ ਚੁਣਿਆ ਹੈ: ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਇਹ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਵਾਰੰ-ਵਾਰ ਕਵਿਜ਼ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਸੀਰੀਜ਼ ਦੇ ਅੰਤ ਤੱਕ, ਵਿਦਿਆਰਥੀ ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤ ਸਿੱਖ ਚੁੱਕੇ ਹੋਣਗੇ, ਜਿਸ ਵਿੱਚ ਨੈਤਿਕ ਧਾਰਨਾਵਾਂ, ਡਾਟਾ ਤਿਆਰੀ, ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ, ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ, ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਅਸਲ-ਜਗਤ ਦੇ ਉਪਯੋਗ ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ ਸ਼ਾਮਲ ਹੈ। +ਅਸੀਂ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਬਣਾਉਂਦੇ ਸਮੇਂ ਦੋ ਪੈਡਾਗੌਜੀਕਲ ਸਿਧਾਂਤਾਂ ਨੂੰ ਚੁਣਿਆ ਹੈ: ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਕਿ ਇਹ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਵਾਰੰ-ਵਾਰ ਪ੍ਰਸ਼ਨੋੱਤਰੀ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਲੜੀ ਦੇ ਅੰਤ ਤੱਕ, ਵਿਦਿਆਰਥੀ ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸਿੱਖ ਲੈਣਗੇ, ਜਿਸ ਵਿੱਚ ਨੈਤਿਕ ਧਾਰਨਾਵਾਂ, ਡਾਟਾ ਤਿਆਰੀ, ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ, ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ, ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਅਸਲ-ਜਗਤ ਦੇ ਉਪਯੋਗ ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ ਸ਼ਾਮਲ ਹਨ। -ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਘੱਟ-ਦਬਾਅ ਵਾਲਾ ਕਵਿਜ਼ ਵਿਦਿਆਰਥੀ ਨੂੰ ਇੱਕ ਵਿਸ਼ੇ ਸਿੱਖਣ ਵੱਲ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਲਈ ਸੈਟ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਕਲਾਸ ਤੋਂ ਬਾਅਦ ਦੂਜਾ ਕਵਿਜ਼ ਹੋਰ ਰਿਟੇਨਸ਼ਨ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਪਾਠਕ੍ਰਮ ਲਚਕਦਾਰ ਅਤੇ ਮਜ਼ੇਦਾਰ ਬਣਾਇਆ ਗਿਆ ਹੈ ਅਤੇ ਇਸਨੂੰ ਪੂਰੇ ਜਾਂ ਅੰਸ਼ਿਕ ਤੌਰ 'ਤੇ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ ਅਤੇ 10 ਹਫ਼ਤਿਆਂ ਦੇ ਚੱਕਰ ਦੇ ਅੰਤ ਤੱਕ ਵਧਦੇ ਹਨ। +ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਲਾਸ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਘੱਟ-ਦਬਾਅ ਵਾਲੀ ਪ੍ਰਸ਼ਨੋੱਤਰੀ ਵਿਦਿਆਰਥੀ ਨੂੰ ਵਿਸ਼ੇ ਨੂੰ ਸਿੱਖਣ ਵੱਲ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰਦੀ ਹੈ, ਜਦਕਿ ਕਲਾਸ ਤੋਂ ਬਾਅਦ ਦੀ ਦੂਜੀ ਪ੍ਰਸ਼ਨੋੱਤਰੀ ਹੋਰ ਯਾਦਗਾਰੀ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਪਾਠਕ੍ਰਮ ਲਚਕੀਲਾ ਅਤੇ ਮਨੋਰੰਜਕ ਬਣਾਇਆ ਗਿਆ ਹੈ ਅਤੇ ਇਸਨੂੰ ਪੂਰਾ ਜਾਂ ਹਿੱਸੇ ਵਿੱਚ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਛੋਟੇ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ ਅਤੇ 10 ਹਫ਼ਤਿਆਂ ਦੇ ਚੱਕਰ ਦੇ ਅੰਤ ਤੱਕ ਵਧੇਰੇ ਜਟਿਲ ਹੋ ਜਾਂਦੇ ਹਨ। -> ਸਾਡਾ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਪਾਓ। ਅਸੀਂ ਤੁਹਾਡੀ ਰਚਨਾਤਮਕ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ! +> ਸਾਡੇ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਵੇਖੋ। ਅਸੀਂ ਤੁਹਾਡਾ ਰਚਨਾਤਮਕ ਫੀਡਬੈਕ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ! ## ਹਰ ਪਾਠ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ: - ਵਿਕਲਪਿਕ ਸਕੈਚਨੋਟ -- ਵਿਕਲਪਿਕ ਸਹਾਇਕ ਵੀਡੀਓ -- ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਦਾ ਵਾਰਮਅਪ ਕਵਿਜ਼ +- ਵਿਕਲਪਿਕ ਪੂਰਕ ਵੀਡੀਓ +- ਪਾਠ ਤੋਂ ਪਹਿਲਾਂ ਵਾਰਮਅੱਪ ਪ੍ਰਸ਼ਨੋੱਤਰੀ - ਲਿਖਤ ਪਾਠ -- ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਪਾਠਾਂ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਦੇ ਕਦਮ-ਦਰ-ਕਦਮ ਗਾਈਡ +- ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਪਾਠਾਂ ਲਈ, ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਲਈ ਕਦਮ-ਦਰ-ਕਦਮ ਗਾਈਡ - ਗਿਆਨ ਜਾਂਚ - ਇੱਕ ਚੁਣੌਤੀ -- ਸਹਾਇਕ ਪੜ੍ਹਾਈ +- ਪੂਰਕ ਪਾਠਨ - ਅਸਾਈਨਮੈਂਟ -- [ਪਾਠ ਤੋਂ ਬਾਅਦ ਦਾ ਕਵਿਜ਼](https://ff-quizzes.netlify.app/en/) +- [ਪਾਠ ਤੋਂ ਬਾਅਦ ਦੀ ਪ੍ਰਸ਼ +> **ਕੁਇਜ਼ਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ**: ਸਾਰੀਆਂ ਕੁਇਜ਼ਾਂ Quiz-App ਫੋਲਡਰ ਵਿੱਚ ਹਨ, ਜਿੱਥੇ ਕੁੱਲ 40 ਕੁਇਜ਼ ਹਨ, ਹਰ ਇੱਕ ਵਿੱਚ ਤਿੰਨ ਪ੍ਰਸ਼ਨ ਹਨ। ਇਹ ਪਾਠਾਂ ਵਿੱਚੋਂ ਲਿੰਕ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ, ਪਰ ਕੁਇਜ਼ ਐਪ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਜਾਂ Azure 'ਤੇ ਡਿਪਲੌਇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; `quiz-app` ਫੋਲਡਰ ਵਿੱਚ ਦਿੱਤੇ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ। ਇਹ ਹੌਲੀ-ਹੌਲੀ ਸਥਾਨਕ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦਿਤ ਕੀਤੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ। -> **ਕਵਿਜ਼ਾਂ ਬਾਰੇ ਇੱਕ ਨੋਟ**: ਸਾਰੇ ਕਵਿਜ਼ Quiz-App ਫੋਲਡਰ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ, ਕੁੱਲ 40 ਕਵਿਜ਼, ਹਰ ਇੱਕ ਵਿੱਚ ਤਿੰਨ ਪ੍ਰਸ਼ਨ। ਇਹ ਪਾਠਾਂ ਵਿੱਚੋਂ ਲਿੰਕ ਕੀਤੇ ਗਏ ਹਨ, ਪਰ Quiz-App ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਜਾਂ Azure 'ਤੇ ਡਿਪਲੌਇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; `quiz-app` ਫੋਲਡਰ ਵਿੱਚ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ। ਇਹ ਹੌਲੀ-ਹੌਲੀ ਸਥਾਨਕਕਰਨ ਕੀਤੇ ਜਾ ਰਹੇ ਹਨ। +## 🎓 ਸ਼ੁਰੂਆਤੀ ਲਈ ਆਸਾਨ ਉਦਾਹਰਨਾਂ -## ਪਾਠ +**ਡਾਟਾ ਸਾਇੰਸ ਵਿੱਚ ਨਵੇਂ ਹੋ?** ਅਸੀਂ ਇੱਕ ਵਿਸ਼ੇਸ਼ [examples directory](examples/README.md) ਬਣਾਈ ਹੈ ਜਿਸ ਵਿੱਚ ਸਧਾਰਨ, ਵਧੀਆ ਟਿੱਪਣੀਆਂ ਵਾਲਾ ਕੋਡ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ: + +- 🌟 **ਹੈਲੋ ਵਰਲਡ** - ਤੁਹਾਡਾ ਪਹਿਲਾ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਗਰਾਮ +- 📂 **ਡਾਟਾ ਲੋਡ ਕਰਨਾ** - ਡਾਟਾਸੈਟ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਖੋਜ ਕਰਨ ਦਾ ਸਿਖੋ +- 📊 **ਸਧਾਰਨ ਵਿਸ਼ਲੇਸ਼ਣ** - ਅੰਕੜੇ ਗਣਨਾ ਕਰੋ ਅਤੇ ਪੈਟਰਨ ਲੱਭੋ +- 📈 **ਮੁੱਢਲੀ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ** - ਚਾਰਟ ਅਤੇ ਗ੍ਰਾਫ ਬਣਾਓ +- 🔬 **ਅਸਲ-ਜਗਤ ਪ੍ਰੋਜੈਕਟ** - ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਪੂਰਾ ਵਰਕਫਲੋ +ਹਰ ਉਦਾਹਰਨ ਵਿੱਚ ਹਰ ਕਦਮ ਦੀ ਵਿਸਥਾਰ ਨਾਲ ਟਿੱਪਣੀ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਇਸਨੂੰ ਬਿਲਕੁਲ ਸ਼ੁਰੂਆਤੀ ਲਈ ਬਹੁਤ ਹੀ ਉਚਿਤ ਬਣਾਉਂਦਾ ਹੈ! + +👉 **[ਉਦਾਹਰਨਾਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ](examples/README.md)** 👈 + +## ਪਾਠ |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.pa.png)| |:---:| -| ਡਾਟਾ ਸਾਇੰਸ ਫਾਰ ਬਿਗਿਨਰਸ: ਰੋਡਮੈਪ - _ਸਕੈਚਨੋਟ [@nitya](https://twitter.com/nitya) ਦੁਆਰਾ_ | +| ਡਾਟਾ ਸਾਇੰਸ ਸ਼ੁਰੂਆਤੀਆਂ ਲਈ: ਰੋਡਮੈਪ - _[@nitya](https://twitter.com/nitya) ਦੁਆਰਾ ਸਕੈਚਨੋਟ_ | -| ਪਾਠ ਨੰਬਰ | ਵਿਸ਼ਾ | ਪਾਠ ਸਮੂਹ | ਸਿੱਖਣ ਦੇ ਉਦੇਸ਼ | ਜੁੜਿਆ ਪਾਠ | ਲੇਖਕ | +| ਪਾਠ ਨੰਬਰ | ਵਿਸ਼ਾ | ਪਾਠ ਸਮੂਹ | ਸਿੱਖਣ ਦੇ ਉਦੇਸ਼ | ਲਿੰਕ ਕੀਤਾ ਪਾਠ | ਲੇਖਕ | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | ਡਾਟਾ ਸਾਇੰਸ ਦੀ ਪਰਿਭਾਸ਼ਾ | [ਜਾਣ ਪਛਾਣ](1-Introduction/README.md) | ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸਮਝੋ ਅਤੇ ਇਹ ਕਿਵੇਂ ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧੀ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਵੱਡੇ ਡਾਟਾ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ। | [ਪਾਠ](1-Introduction/01-defining-data-science/README.md) [ਵੀਡੀਓ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | ਡਾਟਾ ਸਾਇੰਸ ਨੈਤਿਕਤਾ | [ਜਾਣ ਪਛਾਣ](1-Introduction/README.md) | ਡਾਟਾ ਨੈਤਿਕਤਾ ਦੇ ਸਿਧਾਂਤ, ਚੁਣੌਤੀਆਂ ਅਤੇ ਫਰੇਮਵਰਕ। | [ਪਾਠ](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | ਡਾਟਾ ਦੀ ਪਰਿਭਾਸ਼ਾ | [ਜਾਣ ਪਛਾਣ](1-Introduction/README.md) | ਡਾਟਾ ਕਿਵੇਂ ਵਰਗਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਆਮ ਸਰੋਤ। | [ਪਾਠ](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | ਅੰਕੜੇ ਅਤੇ ਸੰਭਾਵਨਾ ਦਾ ਪਰਿਚਯ | [ਜਾਣ ਪਛਾਣ](1-Introduction/README.md) | ਡਾਟਾ ਨੂੰ ਸਮਝਣ ਲਈ ਅੰਕਗਣਿਤ ਤਕਨੀਕਾਂ। | [ਪਾਠ](1-Introduction/04-stats-and-probability/README.md) [ਵੀਡੀਓ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | ਰਿਲੇਸ਼ਨਲ ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ | [ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ](2-Working-With-Data/README.md) | ਰਿਲੇਸ਼ਨਲ ਡਾਟਾ ਦਾ ਪਰਿਚਯ ਅਤੇ ਸਟ੍ਰਕਚਰਡ ਕਵੈਰੀ ਲੈਂਗਵੇਜ (SQL) ਨਾਲ ਡਾਟਾ ਦੀ ਜਾਂਚ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤ। | [ਪਾਠ](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ | [ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ](2-Working-With-Data/README.md) | ਗੈਰ-ਰਿਲੇਸ਼ਨਲ ਡਾਟਾ ਦਾ ਪਰਿਚਯ, ਇਸਦੇ ਵੱਖ-ਵੱਖ ਪ੍ਰਕਾਰ ਅਤੇ ਦਸਤਾਵੇਜ਼ ਡਾਟਾਬੇਸ ਦੀ ਜਾਂਚ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤ। | [ਪਾਠ](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | ਪਾਇਥਨ ਨਾਲ ਕੰਮ ਕਰਨਾ | [ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ](2-Working-With-Data/README.md) | Pandas ਵਰਗੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਨਾਲ ਡਾਟਾ ਦੀ ਜਾਂਚ ਲਈ ਪਾਇਥਨ ਦੀ ਬੁਨਿਆਦੀ ਜਾਣਕਾਰੀ। ਪਾਇਥਨ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੀ ਮੁੱਢਲੀ ਸਮਝ ਸਿਫਾਰਸ਼ੀ ਹੈ। | [ਪਾਠ](2-Working-With-Data/07-python/README.md) [ਵੀਡੀਓ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 01 | ਡਾਟਾ ਸਾਇੰਸ ਦੀ ਪਰਿਭਾਸ਼ਾ | [ਪ੍ਰਸਤਾਵਨਾ](1-Introduction/README.md) | ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਮੁੱਢਲੇ ਧਾਰਨਾ ਸਿੱਖੋ ਅਤੇ ਇਹ ਕਿਵੇਂ ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧੀ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਵੱਡੇ ਡਾਟਾ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ। | [ਪਾਠ](1-Introduction/01-defining-data-science/README.md) [ਵੀਡੀਓ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | ਡਾਟਾ ਸਾਇੰਸ ਨੈਤਿਕਤਾ | [ਪ੍ਰਸਤਾਵਨਾ](1-Introduction/README.md) | ਡਾਟਾ ਨੈਤਿਕਤਾ ਦੇ ਧਾਰਨਾ, ਚੁਣੌਤੀਆਂ ਅਤੇ ਫਰੇਮਵਰਕ। | [ਪਾਠ](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | ਡਾਟਾ ਦੀ ਪਰਿਭਾਸ਼ਾ | [ਪ੍ਰਸਤਾਵਨਾ](1-Introduction/README.md) | ਡਾਟਾ ਕਿਵੇਂ ਵਰਗਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਆਮ ਸਰੋਤ। | [ਪਾਠ](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | ਅੰਕੜੇ ਅਤੇ ਸੰਭਾਵਨਾ ਦਾ ਪ੍ਰਸਤਾਵਨਾ | [ਪ੍ਰਸਤਾਵਨਾ](1-Introduction/README.md) | ਡਾਟਾ ਨੂੰ ਸਮਝਣ ਲਈ ਸੰਭਾਵਨਾ ਅਤੇ ਅੰਕੜੇ ਦੇ ਗਣਿਤਕ ਤਕਨੀਕਾਂ। | [ਪਾਠ](1-Introduction/04-stats-and-probability/README.md) [ਵੀਡੀਓ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | ਰਿਲੇਸ਼ਨਲ ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ | [ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ](2-Working-With-Data/README.md) | ਰਿਲੇਸ਼ਨਲ ਡਾਟਾ ਦਾ ਪ੍ਰਸਤਾਵਨਾ ਅਤੇ ਸਟ੍ਰਕਚਰਡ ਕਵੈਰੀ ਲੈਂਗਵੇਜ (SQL) ਦੀ ਮਦਦ ਨਾਲ ਰਿਲੇਸ਼ਨਲ ਡਾਟਾ ਦੀ ਖੋਜ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਮੁੱਢਲੇ ਧਾਰਨਾ। | [ਪਾਠ](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ | [ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ](2-Working-With-Data/README.md) | ਗੈਰ-ਰਿਲੇਸ਼ਨਲ ਡਾਟਾ ਦਾ ਪ੍ਰਸਤਾਵਨਾ, ਇਸਦੇ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਅਤੇ ਦਸਤਾਵੇਜ਼ ਡਾਟਾਬੇਸ ਦੀ ਖੋਜ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਮੁੱਢਲੇ ਧਾਰਨਾ। | [ਪਾਠ](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Python ਨਾਲ ਕੰਮ ਕਰਨਾ | [ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ](2-Working-With-Data/README.md) | Pandas ਵਰਗੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਮਦਦ ਨਾਲ ਡਾਟਾ ਦੀ ਖੋਜ ਲਈ Python ਦੀ ਵਰਤੋਂ ਦੇ ਮੁੱਢਲੇ ਧਾਰਨਾ। Python ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੀ ਮੁੱਢਲੀ ਸਮਝ ਸਿਫਾਰਸ਼ੀ ਹੈ। | [ਪਾਠ](2-Working-With-Data/07-python/README.md) [ਵੀਡੀਓ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | ਡਾਟਾ ਤਿਆਰੀ | [ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ](2-Working-With-Data/README.md) | ਗੁੰਝਲਦਾਰ, ਗਲਤ ਜਾਂ ਅਧੂਰੇ ਡਾਟਾ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਡਾਟਾ ਸਾਫ ਕਰਨ ਅਤੇ ਰੂਪਾਂਤਰਿਤ ਕਰਨ ਦੀਆਂ ਤਕਨੀਕਾਂ। | [ਪਾਠ](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | ਮਾਤਰਾ ਦੀ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਮੈਟਪਲਾਟਲਿਬ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪੰਛੀਆਂ ਦੇ ਡਾਟਾ ਨੂੰ ਵਿਜ਼ੁਅਲਾਈਜ਼ ਕਰਨਾ ਸਿੱਖੋ 🦆 | [ਪਾਠ](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | ਡਾਟਾ ਦੇ ਵੰਡ ਦੀ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਇੱਕ ਅੰਤਰਾਲ ਵਿੱਚ ਅਵਲੋਕਨ ਅਤੇ ਰੁਝਾਨਾਂ ਨੂੰ ਵਿਜ਼ੁਅਲਾਈਜ਼ ਕਰਨਾ। | [ਪਾਠ](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | ਅਨੁਪਾਤਾਂ ਦੀ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਵਿਸ਼ੇਸ਼ ਅਤੇ ਸਮੂਹਬੱਧ ਪ੍ਰਤੀਸ਼ਤਾਂ ਨੂੰ ਵਿਜ਼ੁਅਲਾਈਜ਼ ਕਰਨਾ। | [ਪਾਠ](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | ਸੰਬੰਧਾਂ ਦੀ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਡਾਟਾ ਦੇ ਸੈੱਟ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਵੈਰੀਏਬਲਾਂ ਦੇ ਵਿਚਕਾਰ ਸੰਬੰਧਾਂ ਅਤੇ ਸਹਸੰਬੰਧਾਂ ਨੂੰ ਵਿਜ਼ੁਅਲਾਈਜ਼ ਕਰਨਾ। | [ਪਾਠ](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | ਅਰਥਪੂਰਨ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਸਮੱਸਿਆ ਹੱਲ ਕਰਨ ਅਤੇ ਅੰਤਰਦ੍ਰਿਸ਼ਟੀ ਲਈ ਆਪਣੀਆਂ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਮੁੱਲਵਾਨ ਬਣਾਉਣ ਲਈ ਤਕਨੀਕਾਂ ਅਤੇ ਮਾਰਗਦਰਸ਼ਨ। | [ਪਾਠ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ ਦਾ ਪਰਿਚਯ | [ਲਾਈਫਸਾਈਕਲ](4-Data-Science-Lifecycle/README.md) | ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ ਦਾ ਪਰਿਚਯ ਅਤੇ ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਕੱਢਣ ਦਾ ਪਹਿਲਾ ਕਦਮ। | [ਪਾਠ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 09 | ਮਾਤਰਾ ਦੀ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | 🦆 ਪੰਛੀਆਂ ਦੇ ਡਾਟਾ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਕਰਨ ਲਈ Matplotlib ਦੀ ਵਰਤੋਂ ਸਿੱਖੋ। | [ਪਾਠ](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | ਡਾਟਾ ਦੇ ਵੰਡ ਦੀ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਇੱਕ ਅੰਤਰਾਲ ਵਿੱਚ ਅਵਲੋਕਨ ਅਤੇ ਰੁਝਾਨਾਂ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਕਰਨਾ। | [ਪਾਠ](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | ਅਨੁਪਾਤਾਂ ਦੀ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਵਿਸ਼ੇਸ਼ ਅਤੇ ਸਮੂਹਬੱਧ ਪ੍ਰਤੀਸ਼ਤਾਂ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਕਰਨਾ। | [ਪਾਠ](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | ਸੰਬੰਧਾਂ ਦੀ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਡਾਟਾ ਦੇ ਸੈੱਟ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਵੈਰੀਏਬਲਾਂ ਦੇ ਵਿਚਕਾਰ ਸੰਬੰਧਾਂ ਅਤੇ ਸਹਸੰਬੰਧਾਂ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਕਰਨਾ। | [ਪਾਠ](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | ਅਰਥਪੂਰਨ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ | [ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ](3-Data-Visualization/README.md) | ਸਮੱਸਿਆ ਹੱਲ ਕਰਨ ਅਤੇ ਅੰਕੜਿਆਂ ਤੋਂ ਅੰਦਰੂਨੀ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਤੁਹਾਡੇ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਕੀਮਤੀ ਬਣਾਉਣ ਲਈ ਤਕਨੀਕਾਂ ਅਤੇ ਮਾਰਗਦਰਸ਼ਨ। | [ਪਾਠ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ ਦਾ ਪ੍ਰਸਤਾਵਨਾ | [ਲਾਈਫਸਾਈਕਲ](4-Data-Science-Lifecycle/README.md) | ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ ਦਾ ਪ੍ਰਸਤਾਵਨਾ ਅਤੇ ਡਾਟਾ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਕੱਢਣ ਦਾ ਪਹਿਲਾ ਕਦਮ। | [ਪਾਠ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | ਵਿਸ਼ਲੇਸ਼ਣ | [ਲਾਈਫਸਾਈਕਲ](4-Data-Science-Lifecycle/README.md) | ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ ਦਾ ਇਹ ਚਰਨ ਡਾਟਾ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀਆਂ ਤਕਨੀਕਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਿਤ ਕਰਦਾ ਹੈ। | [ਪਾਠ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | ਸੰਚਾਰ | [ਲਾਈਫਸਾਈਕਲ](4-Data-Science-Lifecycle/README.md) | ਡਾਟਾ ਤੋਂ ਪ੍ਰਾਪਤ ਅੰਤਰਦ੍ਰਿਸ਼ਟੀ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਪੇਸ਼ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਿਤ ਕਰਦਾ ਹੈ ਜੋ ਫੈਸਲੇ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਸਮਝਣਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ। | [ਪਾਠ](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਕਲਾਉਡ ਡਾਟਾ](5-Data-Science-In-Cloud/README.md) | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਅਤੇ ਇਸਦੇ ਫਾਇਦਿਆਂ ਦਾ ਪਰਿਚਯ। | [ਪਾਠ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ਅਤੇ [Maud](https://twitter.com/maudstweets) | -| 18 | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਕਲਾਉਡ ਡਾਟਾ](5-Data-Science-In-Cloud/README.md) | ਲੋ ਕੋਡ ਟੂਲਜ਼ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨਾ। |[ਪਾਠ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ਅਤੇ [Maud](https://twitter.com/maudstweets) | -| 19 | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਕਲਾਉਡ ਡਾਟਾ](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ਨਾਲ ਮਾਡਲਾਂ ਨੂੰ ਡਿਪਲੌਇ ਕਰਨਾ। | [ਪਾਠ](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ਅਤੇ [Maud](https://twitter.com/maudstweets) | -| 20 | ਜੰਗਲੀ ਹਾਲਾਤ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਜੰਗਲੀ ਹਾਲਾਤ](6-Data-Science-In-Wild/README.md) | ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਚਲਿਤ ਪ੍ਰੋਜੈਕਟ। | [ਪਾਠ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 16 | ਸੰਚਾਰ | [ਲਾਈਫਸਾਈਕਲ](4-Data-Science-Lifecycle/README.md) | ਡਾਟਾ ਤੋਂ ਪ੍ਰਾਪਤ ਅੰਦਰੂਨੀ ਜਾਣਕਾਰੀ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਪੇਸ਼ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਿਤ ਕਰਦਾ ਹੈ ਜੋ ਫੈਸਲੇ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਸਮਝਣਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ। | [ਪਾਠ](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਕਲਾਉਡ ਡਾਟਾ](5-Data-Science-In-Cloud/README.md) | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਅਤੇ ਇਸਦੇ ਫਾਇਦਿਆਂ ਦਾ ਪ੍ਰਸਤਾਵਨਾ। | [ਪਾਠ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ਅਤੇ [Maud](https://twitter.com/maudstweets) | +| 18 | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਕਲਾਉਡ ਡਾਟਾ](5-Data-Science-In-Cloud/README.md) | ਘੱਟ ਕੋਡ ਵਾਲੇ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨਾ। |[ਪਾਠ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ਅਤੇ [Maud](https://twitter.com/maudstweets) | +| 19 | ਕਲਾਉਡ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਕਲਾਉਡ ਡਾਟਾ](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਾਡਲਾਂ ਨੂੰ ਡਿਪਲੌਇ ਕਰਨਾ। | [ਪਾਠ](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ਅਤੇ [Maud](https://twitter.com/maudstweets) | +| 20 | ਜੰਗਲੀ ਹਾਲਾਤ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ | [ਜੰਗਲੀ ਹਾਲਾਤ](6-Data-Science-In-Wild/README.md) | ਅਸਲ ਜਗਤ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਚਲਿਤ ਪ੍ਰੋਜੈਕਟ। | [ਪਾਠ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -ਇਸ ਸੈਂਪਲ ਨੂੰ Codespace ਵਿੱਚ ਖੋਲ੍ਹਣ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ: -1. ਕੋਡ ਡ੍ਰੌਪ-ਡਾਊਨ ਮੀਨੂ 'ਤੇ ਕਲਿਕ ਕਰੋ ਅਤੇ Open with Codespaces ਵਿਕਲਪ ਚੁਣੋ। +ਇਸ ਸੈਂਪਲ ਨੂੰ Codespace ਵਿੱਚ ਖੋਲ੍ਹਣ ਲਈ ਇਹ ਕਦਮ ਅਨੁਸਰਣ ਕਰੋ: +1. Code ਡ੍ਰੌਪ-ਡਾਊਨ ਮੀਨੂ 'ਤੇ ਕਲਿੱਕ ਕਰੋ ਅਤੇ Open with Codespaces ਵਿਕਲਪ ਚੁਣੋ। 2. ਪੈਨ ਦੇ ਹੇਠਾਂ + New codespace ਚੁਣੋ। ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, [GitHub ਦਸਤਾਵੇਜ਼](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) ਵੇਖੋ। ## VSCode ਰਿਮੋਟ - ਕੰਟੇਨਰ -ਆਪਣੀ ਸਥਾਨਕ ਮਸ਼ੀਨ ਅਤੇ VSCode ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਰਿਪੋ ਨੂੰ ਕੰਟੇਨਰ ਵਿੱਚ ਖੋਲ੍ਹਣ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ: +ਇਹ ਕਦਮ ਅਨੁਸਰਣ ਕਰੋ ਤਾਂ ਜੋ ਆਪਣੇ ਸਥਾਨਕ ਮਸ਼ੀਨ ਅਤੇ VSCode ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਰਿਪੋ ਨੂੰ ਕੰਟੇਨਰ ਵਿੱਚ ਖੋਲ੍ਹ ਸਕੋ: -1. ਜੇਕਰ ਇਹ ਪਹਿਲੀ ਵਾਰ ਹੈ ਕਿ ਤੁਸੀਂ ਡਿਵੈਲਪਮੈਂਟ ਕੰਟੇਨਰ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਹਾਡੀ ਸਿਸਟਮ [ਸ਼ੁਰੂਆਤੀ ਦਸਤਾਵੇਜ਼](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) ਵਿੱਚ ਪ੍ਰੀ-ਰੇਕਵਾਇਰਮੈਂਟਸ ਨੂੰ ਪੂਰਾ ਕਰਦੀ ਹੈ (ਜਿਵੇਂ ਕਿ Docker ਇੰਸਟਾਲ ਕੀਤਾ ਹੋਵੇ)। +1. ਜੇ ਇਹ ਪਹਿਲੀ ਵਾਰ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਡਿਵੈਲਪਮੈਂਟ ਕੰਟੇਨਰ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਹਾਡਾ ਸਿਸਟਮ ਪ੍ਰੀ-ਰਿਕਵਾਇਰਮੈਂਟਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ (ਜਿਵੇਂ Docker ਇੰਸਟਾਲ ਕੀਤਾ ਹੋਵੇ) [ਸ਼ੁਰੂਆਤੀ ਦਸਤਾਵੇਜ਼](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) ਵਿੱਚ। -ਇਸ ਰਿਪੋਜ਼ਟਰੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ, ਤੁਸੀਂ ਇਸ ਨੂੰ ਇੱਕ ਅਲੱਗ Docker ਵਾਲਿਊਮ ਵਿੱਚ ਖੋਲ੍ਹ ਸਕਦੇ ਹੋ: +ਇਸ ਰਿਪੋਜ਼ਟਰੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ, ਤੁਸੀਂ ਇਸਨੂੰ ਇੱਕ ਅਲੱਗ Docker ਵਾਲਿਊਮ ਵਿੱਚ ਖੋਲ੍ਹ ਸਕਦੇ ਹੋ: -**ਨੋਟ**: ਇਸ ਦੇ ਪਿੱਛੇ, ਇਹ Remote-Containers: **Clone Repository in Container Volume...** ਕਮਾਂਡ ਦੀ ਵਰਤੋਂ ਕਰੇਗਾ ਜੋ ਸਥਾਨਕ ਫਾਈਲ ਸਿਸਟਮ ਦੀ ਬਜਾਏ Docker ਵਾਲਿਊਮ ਵਿੱਚ ਸਰੋਤ ਕੋਡ ਨੂੰ ਕਲੋਨ ਕਰੇਗਾ। [ਵਾਲਿਊਮ](https://docs.docker.com/storage/volumes/) ਕੰਟੇਨਰ ਡਾਟਾ ਨੂੰ ਸਥਿਰ ਕਰਨ ਲਈ ਪਸੰਦੀਦਾ ਮਕੈਨਿਜ਼ਮ ਹਨ। +**ਨੋਟ**: ਇਹ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ Remote-Containers: **Clone Repository in Container Volume...** ਕਮਾਂਡ ਦੀ ਵਰਤੋਂ ਕਰੇਗਾ ਤਾਂ ਜੋ ਸੋਰਸ ਕੋਡ ਨੂੰ Docker ਵਾਲਿਊਮ ਵਿੱਚ ਕਲੋਨ ਕੀਤਾ ਜਾ ਸਕੇ ਬਜਾਏ ਸਥਾਨਕ ਫਾਈਲ ਸਿਸਟਮ ਦੇ। [ਵਾਲਿਊਮ](https://docs.docker.com/storage/volumes/) ਕੰਟੇਨਰ ਡਾਟਾ ਨੂੰ ਸਥਾਈ ਬਣਾਉਣ ਲਈ ਪਸੰਦੀਦਾ ਤਰੀਕਾ ਹਨ। -ਜਾਂ ਰਿਪੋਜ਼ਟਰੀ ਦੇ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਕਲੋਨ ਕੀਤੇ ਜਾਂ ਡਾਊਨਲੋਡ ਕੀਤੇ ਸੰਸਕਰਣ ਨੂੰ ਖੋਲ੍ਹੋ: +ਜਾਂ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਕਲੋਨ ਕੀਤੇ ਜਾਂ ਡਾਊਨਲੋਡ ਕੀਤੇ ਗਏ ਰਿਪੋਜ਼ਟਰੀ ਨੂੰ ਖੋਲ੍ਹੋ: -- ਇਸ ਰਿਪੋਜ਼ਟਰੀ ਨੂੰ ਆਪਣੇ ਸਥਾਨਕ ਫਾਈਲ ਸਿਸਟਮ ਵਿੱਚ ਕਲੋਨ ਕਰੋ। +- ਇਸ ਰਿਪੋਜ਼ਟਰੀ ਨੂੰ ਆਪਣੇ ਸਥਾਨਕ ਫਾਈਲ ਸਿਸਟਮ 'ਤੇ ਕਲੋਨ ਕਰੋ। - F1 ਦਬਾਓ ਅਤੇ **Remote-Containers: Open Folder in Container...** ਕਮਾਂਡ ਚੁਣੋ। - ਇਸ ਫੋਲਡਰ ਦੀ ਕਲੋਨ ਕੀਤੀ ਕਾਪੀ ਚੁਣੋ, ਕੰਟੇਨਰ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਉਡੀਕ ਕਰੋ, ਅਤੇ ਚੀਜ਼ਾਂ ਨੂੰ ਅਜ਼ਮਾਓ। @@ -151,7 +165,7 @@ Microsoft ਦੇ Azure Cloud Advocates ਨੇ 10 ਹਫ਼ਤਿਆਂ ਦਾ, 2 ਤੁਸੀਂ [Docsify](https://docsify.js.org/#/) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਆਫਲਾਈਨ ਚਲਾ ਸਕਦੇ ਹੋ। ਇਸ ਰਿਪੋ ਨੂੰ ਫੋਰਕ ਕਰੋ, [Docsify ਇੰਸਟਾਲ ਕਰੋ](https://docsify.js.org/#/quickstart) ਆਪਣੇ ਸਥਾਨਕ ਮਸ਼ੀਨ 'ਤੇ, ਫਿਰ ਇਸ ਰਿਪੋ ਦੇ ਰੂਟ ਫੋਲਡਰ ਵਿੱਚ `docsify serve` ਟਾਈਪ ਕਰੋ। ਵੈਬਸਾਈਟ ਤੁਹਾਡੇ localhost `localhost:3000` 'ਤੇ ਪੋਰਟ 3000 'ਤੇ ਸਰਵ ਕੀਤੀ ਜਾਵੇਗੀ। -> ਨੋਟ, ਨੋਟਬੁੱਕ Docsify ਰਾਹੀਂ ਰੈਂਡਰ ਨਹੀਂ ਕੀਤੇ ਜਾਣਗੇ, ਇਸ ਲਈ ਜਦੋਂ ਤੁਹਾਨੂੰ ਨੋਟਬੁੱਕ ਚਲਾਉਣ ਦੀ ਲੋੜ ਹੋਵੇ, ਤਾਂ ਇਸ ਨੂੰ Python kernel ਚਲਾਉਣ ਵਾਲੇ VS Code ਵਿੱਚ ਅਲੱਗ ਕਰਕੇ ਚਲਾਓ। +> ਨੋਟ, Docsify ਦੁਆਰਾ ਨੋਟਬੁੱਕ ਰੈਂਡਰ ਨਹੀਂ ਕੀਤੇ ਜਾਣਗੇ, ਇਸ ਲਈ ਜਦੋਂ ਤੁਹਾਨੂੰ ਨੋਟਬੁੱਕ ਚਲਾਉਣ ਦੀ ਲੋੜ ਹੋਵੇ, ਤਾਂ ਇਸਨੂੰ Python kernel ਚਲਾਉਣ ਵਾਲੇ VS Code ਵਿੱਚ ਅਲੱਗ ਕਰਕੇ ਚਲਾਓ। ## ਹੋਰ ਪਾਠਕ੍ਰਮ @@ -161,33 +175,10 @@ Microsoft ਦੇ Azure Cloud Advocates ਨੇ 10 ਹਫ਼ਤਿਆਂ ਦਾ, 2 - [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) - [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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) - -## ਮਦਦ ਪ੍ਰਾਪਤ ਕਰਨਾ - -ਜੇਕਰ ਤੁਸੀਂ ਫਸ ਜਾਂਦੇ ਹੋ ਜਾਂ AI ਐਪਸ ਬਣਾਉਣ ਬਾਰੇ ਕੋਈ ਸਵਾਲ ਹੈ, ਤਾਂ ਸ਼ਾਮਲ ਹੋਵੋ: - -[![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) - -ਜੇਕਰ ਤੁਹਾਨੂੰ ਉਤਪਾਦ ਫੀਡਬੈਕ ਜਾਂ ਬਣਾਉਣ ਦੌਰਾਨ ਗਲਤੀਆਂ ਮਿਲਦੀਆਂ ਹਨ, ਤਾਂ ਜਾਓ: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https:// +- [Generative AI with Java +[![GitHub Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **ਅਸਵੀਕਰਤਾ**: -ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦਾ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੀਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ। \ No newline at end of file +ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ ਅਸੀਂ ਸਹੀਅਤ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁੱਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ। \ No newline at end of file diff --git a/translations/pa/examples/README.md b/translations/pa/examples/README.md new file mode 100644 index 00000000..7c92aa92 --- /dev/null +++ b/translations/pa/examples/README.md @@ -0,0 +1,149 @@ + +# ਸ਼ੁਰੂਆਤੀ-ਦੋਸਤਾਨਾ ਡਾਟਾ ਸਾਇੰਸ ਉਦਾਹਰਨਾਂ + +ਉਦਾਹਰਨਾਂ ਡਾਇਰੈਕਟਰੀ ਵਿੱਚ ਤੁਹਾਡਾ ਸਵਾਗਤ ਹੈ! ਇਹ ਸਧਾਰਨ, ਵਧੀਆ ਟਿੱਪਣੀਆਂ ਵਾਲੇ ਉਦਾਹਰਨਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਤੁਹਾਨੂੰ ਡਾਟਾ ਸਾਇੰਸ ਵਿੱਚ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਭਾਵੇਂ ਤੁਸੀਂ ਪੂਰੇ ਸ਼ੁਰੂਆਤੀ ਹੋਵੋ। + +## 📚 ਇੱਥੇ ਤੁਹਾਨੂੰ ਕੀ ਮਿਲੇਗਾ + +ਹਰ ਉਦਾਹਰਨ ਸਵੈ-ਨਿਰਭਰ ਹੈ ਅਤੇ ਸ਼ਾਮਲ ਹੈ: +- **ਸਪਸ਼ਟ ਟਿੱਪਣੀਆਂ** ਜੋ ਹਰ ਕਦਮ ਨੂੰ ਸਮਝਾਉਂਦੀਆਂ ਹਨ +- **ਸਧਾਰਨ, ਪੜ੍ਹਨ ਯੋਗ ਕੋਡ** ਜੋ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਧਾਰਨਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ +- **ਅਸਲ-ਜਗਤ ਸੰਦਰਭ** ਜੋ ਤੁਹਾਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕਦੋਂ ਅਤੇ ਕਿਉਂ ਇਹ ਤਕਨੀਕਾਂ ਵਰਤਣੀਆਂ ਹਨ +- **ਉਮੀਦਵਾਰ ਨਤੀਜੇ** ਤਾਂ ਜੋ ਤੁਹਾਨੂੰ ਪਤਾ ਹੋਵੇ ਕਿ ਕੀ ਦੇਖਣਾ ਹੈ + +## 🚀 ਸ਼ੁਰੂਆਤ ਕਰਨਾ + +### ਪੂਰਵ ਸ਼ਰਤਾਂ +ਇਹ ਉਦਾਹਰਨਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਹਾਡੇ ਕੋਲ: +- Python 3.7 ਜਾਂ ਇਸ ਤੋਂ ਉੱਚਾ ਵਰਜਨ ਇੰਸਟਾਲ ਹੈ +- Python ਸਕ੍ਰਿਪਟ ਚਲਾਉਣ ਦਾ ਮੂਲ ਸਮਝ + +### ਲੋੜੀਂਦੇ ਲਾਇਬ੍ਰੇਰੀਆਂ ਇੰਸਟਾਲ ਕਰਨਾ +```bash +pip install pandas numpy matplotlib +``` + +## 📖 ਉਦਾਹਰਨਾਂ ਦਾ ਝਲਕ + +### 1. ਹੈਲੋ ਵਰਲਡ - ਡਾਟਾ ਸਾਇੰਸ ਸਟਾਈਲ +**ਫਾਈਲ:** `01_hello_world_data_science.py` + +ਤੁਹਾਡਾ ਪਹਿਲਾ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਗਰਾਮ! ਸਿੱਖੋ ਕਿ: +- ਇੱਕ ਸਧਾਰਨ ਡਾਟਾਸੈਟ ਲੋਡ ਕਰਨਾ +- ਤੁਹਾਡੇ ਡਾਟੇ ਬਾਰੇ ਮੁੱਢਲੀ ਜਾਣਕਾਰੀ ਦਿਖਾਉਣਾ +- ਤੁਹਾਡਾ ਪਹਿਲਾ ਡਾਟਾ ਸਾਇੰਸ ਨਤੀਜਾ ਪ੍ਰਿੰਟ ਕਰਨਾ + +ਬਿਲਕੁਲ ਸ਼ੁਰੂਆਤੀ ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਜੋ ਆਪਣਾ ਪਹਿਲਾ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਗਰਾਮ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹਨ। + +--- + +### 2. ਡਾਟਾ ਲੋਡ ਕਰਨਾ ਅਤੇ ਖੋਜ ਕਰਨਾ +**ਫਾਈਲ:** `02_loading_data.py` + +ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤ ਸਿੱਖੋ: +- CSV ਫਾਈਲਾਂ ਤੋਂ ਡਾਟਾ ਪੜ੍ਹਨਾ +- ਤੁਹਾਡੇ ਡਾਟਾਸੈਟ ਦੀ ਪਹਿਲੀਆਂ ਕੁਝ ਪੰਗਤਾਂ ਦੇਖਣਾ +- ਤੁਹਾਡੇ ਡਾਟੇ ਬਾਰੇ ਮੁੱਢਲੇ ਅੰਕੜੇ ਪ੍ਰਾਪਤ ਕਰਨਾ +- ਡਾਟਾ ਦੀਆਂ ਕਿਸਮਾਂ ਨੂੰ ਸਮਝਣਾ + +ਇਹ ਅਕਸਰ ਕਿਸੇ ਵੀ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਪਹਿਲਾ ਕਦਮ ਹੁੰਦਾ ਹੈ! + +--- + +### 3. ਸਧਾਰਨ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ +**ਫਾਈਲ:** `03_simple_analysis.py` + +ਤੁਹਾਡਾ ਪਹਿਲਾ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ: +- ਮੁੱਢਲੇ ਅੰਕੜੇ (mean, median, mode) ਦੀ ਗਣਨਾ ਕਰੋ +- ਵੱਧ ਤੋਂ ਵੱਧ ਅਤੇ ਘੱਟ ਤੋਂ ਘੱਟ ਮੁੱਲ ਲੱਭੋ +- ਮੁੱਲਾਂ ਦੇ ਆਵਿਰਤੀ ਦੀ ਗਿਣਤੀ ਕਰੋ +- ਸ਼ਰਤਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਡਾਟਾ ਫਿਲਟਰ ਕਰੋ + +ਤੁਹਾਡੇ ਡਾਟੇ ਬਾਰੇ ਸਧਾਰਨ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਖੋ। + +--- + +### 4. ਡਾਟਾ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਬੁਨਿਆਦੀਆਂ +**ਫਾਈਲ:** `04_basic_visualization.py` + +ਤੁਹਾਡੀ ਪਹਿਲੀ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਬਣਾਓ: +- ਇੱਕ ਸਧਾਰਨ ਬਾਰ ਚਾਰਟ ਬਣਾਓ +- ਇੱਕ ਲਾਈਨ ਪਲਾਟ ਬਣਾਓ +- ਇੱਕ ਪਾਈ ਚਾਰਟ ਬਣਾਓ +- ਆਪਣੀਆਂ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਚਿੱਤਰਾਂ ਵਜੋਂ ਸੇਵ ਕਰੋ + +ਆਪਣੀਆਂ ਖੋਜਾਂ ਨੂੰ ਵਿਜ਼ੂਅਲ ਤੌਰ 'ਤੇ ਸੰਚਾਰ ਕਰਨ ਦੀ ਕਲਾ ਸਿੱਖੋ! + +--- + +### 5. ਅਸਲ ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ +**ਫਾਈਲ:** `05_real_world_example.py` + +ਇਸ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇਕੱਠਾ ਕਰੋ: +- ਰਿਪੋਜ਼ਟਰੀ ਤੋਂ ਅਸਲ ਡਾਟਾ ਲੋਡ ਕਰੋ +- ਡਾਟਾ ਸਾਫ਼ ਅਤੇ ਤਿਆਰ ਕਰੋ +- ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ +- ਅਰਥਪੂਰਨ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਬਣਾਓ +- ਨਤੀਜੇ ਕੱਢੋ + +ਇਹ ਉਦਾਹਰਨ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਪੂਰਾ ਵਰਕਫਲੋ ਦਿਖਾਉਂਦੀ ਹੈ। + +--- + +## 🎯 ਇਹ ਉਦਾਹਰਨਾਂ ਕਿਵੇਂ ਵਰਤਣੀਆਂ ਹਨ + +1. **ਸ਼ੁਰੂ ਤੋਂ ਸ਼ੁਰੂ ਕਰੋ**: ਉਦਾਹਰਨਾਂ ਮੁਸ਼ਕਲਾਈ ਦੇ ਆਰਡਰ ਵਿੱਚ ਨੰਬਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ। `01_hello_world_data_science.py` ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ ਅਤੇ ਅੱਗੇ ਵਧੋ। + +2. **ਟਿੱਪਣੀਆਂ ਪੜ੍ਹੋ**: ਹਰ ਫਾਈਲ ਵਿੱਚ ਵਿਸਥਾਰਪੂਰਵਕ ਟਿੱਪਣੀਆਂ ਹਨ ਜੋ ਸਮਝਾਉਂਦੀਆਂ ਹਨ ਕਿ ਕੋਡ ਕੀ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਉਂ। ਉਨ੍ਹਾਂ ਨੂੰ ਧਿਆਨ ਨਾਲ ਪੜ੍ਹੋ! + +3. **ਪ੍ਰਯੋਗ ਕਰੋ**: ਕੋਡ ਨੂੰ ਸੋਧਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। ਕੀ ਹੁੰਦਾ ਹੈ ਜੇ ਤੁਸੀਂ ਕੋਈ ਮੁੱਲ ਬਦਲਦੇ ਹੋ? ਚੀਜ਼ਾਂ ਨੂੰ ਖਰਾਬ ਕਰੋ ਅਤੇ ਠੀਕ ਕਰੋ - ਇਹ ਸਿੱਖਣ ਦਾ ਤਰੀਕਾ ਹੈ! + +4. **ਕੋਡ ਚਲਾਓ**: ਹਰ ਉਦਾਹਰਨ ਚਲਾਓ ਅਤੇ ਨਤੀਜਾ ਦੇਖੋ। ਇਸਨੂੰ ਉਸ ਨਾਲ ਤੁਲਨਾ ਕਰੋ ਜੋ ਤੁਸੀਂ ਉਮੀਦ ਕਰਦੇ ਸੀ। + +5. **ਇਸ 'ਤੇ ਬਣਾਓ**: ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਉਦਾਹਰਨ ਨੂੰ ਸਮਝ ਲੈਂਦੇ ਹੋ, ਇਸਨੂੰ ਆਪਣੇ ਵਿਚਾਰਾਂ ਨਾਲ ਵਧਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। + +## 💡 ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਸੁਝਾਅ + +- **ਜਲਦੀ ਨਾ ਕਰੋ**: ਹਰ ਉਦਾਹਰਨ ਨੂੰ ਸਮਝਣ ਲਈ ਸਮਾਂ ਲਓ, ਅਗਲੇ 'ਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ +- **ਕੋਡ ਖੁਦ ਟਾਈਪ ਕਰੋ**: ਸਿਰਫ ਕਾਪੀ-ਪੇਸਟ ਨਾ ਕਰੋ। ਟਾਈਪ ਕਰਨ ਨਾਲ ਸਿੱਖਣ ਅਤੇ ਯਾਦ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ +- **ਅਣਜਾਣ ਧਾਰਨਾਵਾਂ ਨੂੰ ਖੋਜੋ**: ਜੇ ਤੁਸੀਂ ਕੁਝ ਅਜਿਹਾ ਦੇਖਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਸਮਝਦੇ ਨਹੀਂ, ਇਸਨੂੰ ਆਨਲਾਈਨ ਜਾਂ ਮੁੱਖ ਪਾਠਾਂ ਵਿੱਚ ਖੋਜੋ +- **ਸਵਾਲ ਪੁੱਛੋ**: ਜੇ ਤੁਹਾਨੂੰ ਮਦਦ ਦੀ ਲੋੜ ਹੈ ਤਾਂ [ਚਰਚਾ ਫੋਰਮ](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ +- **ਨਿਯਮਿਤ ਅਭਿਆਸ ਕਰੋ**: ਹਫ਼ਤੇ ਵਿੱਚ ਇੱਕ ਵਾਰ ਲੰਬੇ ਸੈਸ਼ਨਾਂ ਦੇ ਬਜਾਏ ਹਰ ਰੋਜ਼ ਥੋੜਾ ਕੋਡ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ + +## 🔗 ਅਗਲੇ ਕਦਮ + +ਇਹ ਉਦਾਹਰਨਾਂ ਪੂਰੀ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਤਿਆਰ ਹੋ: +- ਮੁੱਖ ਪਾਠਕ੍ਰਮ ਪਾਠਾਂ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ +- ਹਰ ਪਾਠ ਫੋਲਡਰ ਵਿੱਚ ਅਸਾਈਨਮੈਂਟ ਕਰਨ ਲਈ +- ਵਧੇਰੇ ਵਿਸਥਾਰਪੂਰਵਕ ਸਿੱਖਣ ਲਈ Jupyter ਨੋਟਬੁੱਕਸ ਦੀ ਖੋਜ ਕਰਨ ਲਈ +- ਆਪਣੇ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਲਈ + +## 📚 ਵਾਧੂ ਸਰੋਤ + +- [ਮੁੱਖ ਪਾਠਕ੍ਰਮ](../README.md) - ਪੂਰਾ 20-ਪਾਠਾਂ ਦਾ ਕੋਰਸ +- [ਅਧਿਆਪਕਾਂ ਲਈ](../for-teachers.md) - ਆਪਣੇ ਕਲਾਸਰੂਮ ਵਿੱਚ ਇਸ ਪਾਠਕ੍ਰਮ ਨੂੰ ਵਰਤਣਾ +- [Microsoft Learn](https://docs.microsoft.com/learn/) - ਮੁਫ਼ਤ ਆਨਲਾਈਨ ਸਿੱਖਣ ਦੇ ਸਰੋਤ +- [Python ਦਸਤਾਵੇਜ਼](https://docs.python.org/3/) - ਅਧਿਕਾਰਕ Python ਰਿਫਰੈਂਸ + +## 🤝 ਯੋਗਦਾਨ + +ਕੋਈ ਬੱਗ ਮਿਲਿਆ ਜਾਂ ਨਵੀਂ ਉਦਾਹਰਨ ਲਈ ਕੋਈ ਵਿਚਾਰ ਹੈ? ਅਸੀਂ ਯੋਗਦਾਨਾਂ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ! ਕਿਰਪਾ ਕਰਕੇ ਸਾਡਾ [ਯੋਗਦਾਨ ਗਾਈਡ](../CONTRIBUTING.md) ਵੇਖੋ। + +--- + +**ਖੁਸ਼ ਸਿੱਖਣਾ! 🎉** + +ਯਾਦ ਰੱਖੋ: ਹਰ ਮਾਹਿਰ ਇੱਕ ਵਾਰ ਸ਼ੁਰੂਆਤੀ ਸੀ। ਇੱਕ ਕਦਮ ਇੱਕ ਸਮੇਂ ਲਓ, ਅਤੇ ਗਲਤੀਆਂ ਕਰਨ ਤੋਂ ਡਰੋ ਨਾ - ਇਹ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦਾ ਹਿੱਸਾ ਹਨ! + +--- + +**ਅਸਵੀਕਰਤਾ**: +ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੱਜੇਪਣ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ। \ No newline at end of file diff --git a/translations/pl/README.md b/translations/pl/README.md index 0fed291b..5fef2c2b 100644 --- a/translations/pl/README.md +++ b/translations/pl/README.md @@ -1,14 +1,30 @@ # Data Science dla Początkujących - Program Nauczania +[![Otwórz w GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) + +[![Licencja GitHub](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![Współtwórcy GitHub](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![Problemy GitHub](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![Pull requesty GitHub](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![Obserwujący GitHub](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![Forki GitHub](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![Gwiazdy GitHub](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Forum dla deweloperów Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-lekcyjny program nauczania dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswojenie nowych umiejętności. **Serdeczne podziękowania dla naszych autorów:** [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). @@ -20,18 +36,18 @@ Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-l |:---:| | Data Science dla Początkujących - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | -### 🌐 Wsparcie Wielojęzyczne +### 🌐 Wsparcie wielojęzyczne -#### Obsługiwane przez GitHub Action (Automatyczne i Zawsze Aktualne) +#### Obsługiwane przez GitHub Action (Automatyczne i zawsze aktualne) -[Francuski](../fr/README.md) | [Hiszpański](../es/README.md) | [Niemiecki](../de/README.md) | [Rosyjski](../ru/README.md) | [Arabski](../ar/README.md) | [Perski (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chiński (Uproszczony)](../zh/README.md) | [Chiński (Tradycyjny, Makau)](../mo/README.md) | [Chiński (Tradycyjny, Hongkong)](../hk/README.md) | [Chiński (Tradycyjny, Tajwan)](../tw/README.md) | [Japoński](../ja/README.md) | [Koreański](../ko/README.md) | [Hindi](../hi/README.md) | [Bengalski](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalski](../ne/README.md) | [Pendżabski (Gurmukhi)](../pa/README.md) | [Portugalski (Portugalia)](../pt/README.md) | [Portugalski (Brazylia)](../br/README.md) | [Włoski](../it/README.md) | [Polski](./README.md) | [Turecki](../tr/README.md) | [Grecki](../el/README.md) | [Tajski](../th/README.md) | [Szwedzki](../sv/README.md) | [Duński](../da/README.md) | [Norweski](../no/README.md) | [Fiński](../fi/README.md) | [Holenderski](../nl/README.md) | [Hebrajski](../he/README.md) | [Wietnamski](../vi/README.md) | [Indonezyjski](../id/README.md) | [Malajski](../ms/README.md) | [Tagalog (Filipiński)](../tl/README.md) | [Suahili](../sw/README.md) | [Węgierski](../hu/README.md) | [Czeski](../cs/README.md) | [Słowacki](../sk/README.md) | [Rumuński](../ro/README.md) | [Bułgarski](../bg/README.md) | [Serbski (Cyrylica)](../sr/README.md) | [Chorwacki](../hr/README.md) | [Słoweński](../sl/README.md) | [Ukraiński](../uk/README.md) | [Birmański (Myanmar)](../my/README.md) +[Francuski](../fr/README.md) | [Hiszpański](../es/README.md) | [Niemiecki](../de/README.md) | [Rosyjski](../ru/README.md) | [Arabski](../ar/README.md) | [Perski (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chiński (uproszczony)](../zh/README.md) | [Chiński (tradycyjny, Makau)](../mo/README.md) | [Chiński (tradycyjny, Hongkong)](../hk/README.md) | [Chiński (tradycyjny, Tajwan)](../tw/README.md) | [Japoński](../ja/README.md) | [Koreański](../ko/README.md) | [Hindi](../hi/README.md) | [Bengalski](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalski](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugalski (Portugalia)](../pt/README.md) | [Portugalski (Brazylia)](../br/README.md) | [Włoski](../it/README.md) | [Polski](./README.md) | [Turecki](../tr/README.md) | [Grecki](../el/README.md) | [Tajski](../th/README.md) | [Szwedzki](../sv/README.md) | [Duński](../da/README.md) | [Norweski](../no/README.md) | [Fiński](../fi/README.md) | [Holenderski](../nl/README.md) | [Hebrajski](../he/README.md) | [Wietnamski](../vi/README.md) | [Indonezyjski](../id/README.md) | [Malajski](../ms/README.md) | [Tagalog (Filipiński)](../tl/README.md) | [Suahili](../sw/README.md) | [Węgierski](../hu/README.md) | [Czeski](../cs/README.md) | [Słowacki](../sk/README.md) | [Rumuński](../ro/README.md) | [Bułgarski](../bg/README.md) | [Serbski (cyrylica)](../sr/README.md) | [Chorwacki](../hr/README.md) | [Słoweński](../sl/README.md) | [Ukraiński](../uk/README.md) | [Birmański (Myanmar)](../my/README.md) -**Jeśli chcesz, aby dodatkowe języki były obsługiwane, lista dostępnych języków znajduje się [tutaj](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Jeśli chcesz, aby obsługiwane były dodatkowe języki, lista dostępnych języków znajduje się [tutaj](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Dołącz do naszej społeczności [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Mamy trwającą serię nauki z AI na Discordzie, dowiedz się więcej i dołącz do nas na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18 do 30 września 2025. Otrzymasz wskazówki i triki dotyczące korzystania z GitHub Copilot w Data Science. +Mamy trwającą serię nauki z AI na Discordzie, dowiedz się więcej i dołącz do nas na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18 do 30 września 2025. Otrzymasz wskazówki i porady dotyczące korzystania z GitHub Copilot w Data Science. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.pl.jpg) @@ -44,30 +60,32 @@ Rozpocznij od następujących zasobów: # Rozpoczęcie -> **Nauczyciele**: mamy [kilka sugestii](for-teachers.md) dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie [na naszym forum dyskusyjnym](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Całkowici początkujący**: Nowy w Data Science? Zacznij od naszych [przykładów dla początkujących](examples/README.md)! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy przed zagłębieniem się w pełny program nauczania. + +> **Nauczyciele**: mamy [kilka sugestii](for-teachers.md) dotyczących wykorzystania tego programu nauczania. Chętnie poznamy Twoją opinię [na naszym forum dyskusyjnym](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Studenci](https://aka.ms/student-page)**: aby korzystać z tego programu samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj pozostałe aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak kod ten jest dostępny w folderach /solutions w każdej lekcji opartej na projekcie. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez treści. Do dalszej nauki polecamy [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Studenci](https://aka.ms/student-page)**: aby korzystać z tego programu nauczania samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj pozostałe aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji opartej na projekcie. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przejście przez treści. Do dalszej nauki polecamy [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). -## Poznaj Zespół +## Poznaj zespół -[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") +[![Film promocyjny](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Film promocyjny") -**Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gif autorstwa** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i osobach, które go stworzyły! +> 🎥 Kliknij obrazek powyżej, aby obejrzeć film o projekcie i ludziach, którzy go stworzyli! ## Pedagogika -Podczas tworzenia tego programu nauczania wybraliśmy dwa główne założenia pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci poznają podstawowe zasady data science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia data science i wiele więcej. +Podczas tworzenia tego programu nauczania wybraliśmy dwa założenia pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci poznają podstawowe zasady Data Science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia Data Science i wiele więcej. Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ustawia intencję studenta na naukę danego tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu. -> Znajdź nasze [Zasady Postępowania](CODE_OF_CONDUCT.md), [Wkład](CONTRIBUTING.md), [Tłumaczenia](TRANSLATIONS.md). Czekamy na Wasze konstruktywne opinie! +> Znajdź nasze [Kodeks postępowania](CODE_OF_CONDUCT.md), [Wskazówki dotyczące współtworzenia](CONTRIBUTING.md), [Wskazówki dotyczące tłumaczenia](TRANSLATIONS.md). Czekamy na Twoją konstruktywną opinię! ## Każda lekcja zawiera: - Opcjonalny sketchnote -- Opcjonalne dodatkowe wideo +- Opcjonalny dodatkowy film - Quiz rozgrzewkowy przed lekcją - Pisemną lekcję - W przypadku lekcji opartych na projektach, przewodniki krok po kroku, jak zbudować projekt @@ -76,48 +94,62 @@ Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ustawia intencję - Dodatkowe materiały do czytania - Zadanie - [Quiz po lekcji](https://ff-quizzes.netlify.app/en/) +> **Informacja o quizach**: Wszystkie quizy znajdują się w folderze Quiz-App, w sumie 40 quizów, każdy z trzema pytaniami. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze `quiz-app`. Quizy są stopniowo lokalizowane. -> **Uwaga dotycząca quizów**: Wszystkie quizy znajdują się w folderze Quiz-App, w sumie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze `quiz-app`. Quizy są stopniowo lokalizowane. +## 🎓 Przykłady dla początkujących + +**Nowy w Data Science?** Stworzyliśmy specjalny [katalog przykładów](examples/README.md) z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć: + +- 🌟 **Hello World** - Twój pierwszy program w dziedzinie data science +- 📂 **Ładowanie danych** - Naucz się czytać i eksplorować zestawy danych +- 📊 **Prosta analiza** - Obliczanie statystyk i odkrywanie wzorców +- 📈 **Podstawowa wizualizacja** - Tworzenie wykresów i diagramów +- 🔬 **Projekt z życia wzięty** - Kompletny proces od początku do końca + +Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni je idealnymi dla absolutnych początkujących! + +👉 **[Rozpocznij od przykładów](examples/README.md)** 👈 ## Lekcje -|![ Sketchnote autorstwa @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.pl.png)| + +|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.pl.png)| |:---:| | Data Science dla początkujących: Plan działania - _Sketchnote autorstwa [@nitya](https://twitter.com/nitya)_ | | Numer lekcji | Temat | Grupa lekcji | Cele nauki | Powiązana lekcja | Autor | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definicja Data Science | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe pojęcia związane z data science oraz jego powiązania z sztuczną inteligencją, uczeniem maszynowym i big data. | [lekcja](1-Introduction/01-defining-data-science/README.md) [wideo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Etyka w Data Science | [Wprowadzenie](1-Introduction/README.md) | Koncepcje etyki danych, wyzwania i ramy działania. | [lekcja](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definicja danych | [Wprowadzenie](1-Introduction/README.md) | Jak klasyfikować dane i jakie są ich najczęstsze źródła. | [lekcja](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 01 | Definiowanie Data Science | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe pojęcia związane z data science i jego powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data. | [lekcja](1-Introduction/01-defining-data-science/README.md) [wideo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etyka w Data Science | [Wprowadzenie](1-Introduction/README.md) | Koncepcje etyki danych, wyzwania i ramy. | [lekcja](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Definiowanie danych | [Wprowadzenie](1-Introduction/README.md) | Jak klasyfikowane są dane i ich typowe źródła. | [lekcja](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Wprowadzenie do statystyki i prawdopodobieństwa | [Wprowadzenie](1-Introduction/README.md) | Matematyczne techniki prawdopodobieństwa i statystyki do analizy danych. | [lekcja](1-Introduction/04-stats-and-probability/README.md) [wideo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Praca z danymi relacyjnymi | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą SQL (Structured Query Language). | [lekcja](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Praca z danymi NoSQL | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentów. | [lekcja](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 05 | Praca z danymi relacyjnymi | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych relacyjnych oraz podstaw eksploracji i analizy danych relacyjnych za pomocą SQL (Structured Query Language). | [lekcja](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Praca z danymi NoSQL | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstaw eksploracji i analizy baz dokumentów. | [lekcja](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Praca z Pythonem | [Praca z danymi](2-Working-With-Data/README.md) | Podstawy używania Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecane jest podstawowe zrozumienie programowania w Pythonie. | [lekcja](2-Working-With-Data/07-python/README.md) [wideo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Przygotowanie danych | [Praca z danymi](2-Working-With-Data/README.md) | Techniki czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, niedokładnymi lub niekompletnymi danymi. | [lekcja](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 08 | Przygotowanie danych | [Praca z danymi](2-Working-With-Data/README.md) | Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, nieścisłymi lub niekompletnymi danymi. | [lekcja](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Wizualizacja ilości | [Wizualizacja danych](3-Data-Visualization/README.md) | Naucz się używać Matplotlib do wizualizacji danych o ptakach 🦆 | [lekcja](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Wizualizacja rozkładów danych | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja obserwacji i trendów w przedziale. | [lekcja](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Wizualizacja proporcji | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja procentów dyskretnych i grupowych. | [lekcja](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Wizualizacja relacji | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja połączeń i korelacji między zestawami danych i ich zmiennymi. | [lekcja](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | Znaczące wizualizacje | [Wizualizacja danych](3-Data-Visualization/README.md) | Techniki i wskazówki dotyczące tworzenia wartościowych wizualizacji dla efektywnego rozwiązywania problemów i uzyskiwania wniosków. | [lekcja](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Wprowadzenie do cyklu życia Data Science | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Wprowadzenie do cyklu życia Data Science i jego pierwszego etapu: pozyskiwania i ekstrakcji danych. | [lekcja](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analiza | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ten etap cyklu życia Data Science koncentruje się na technikach analizy danych. | [lekcja](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Komunikacja | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ten etap cyklu życia Data Science koncentruje się na prezentowaniu wniosków z danych w sposób ułatwiający zrozumienie decydentom. | [lekcja](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Seria lekcji wprowadzających Data Science w chmurze i jego korzyści. | [lekcja](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | +| 14 | Wprowadzenie do cyklu życia Data Science | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Wprowadzenie do cyklu życia data science i jego pierwszego kroku, jakim jest pozyskiwanie i ekstrakcja danych. | [lekcja](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analiza | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ta faza cyklu życia data science skupia się na technikach analizy danych. | [lekcja](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Komunikacja | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ta faza cyklu życia data science skupia się na prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie przez decydentów. | [lekcja](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Seria lekcji wprowadzających data science w chmurze i jego korzyści. | [lekcja](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | | 18 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Trenowanie modeli za pomocą narzędzi Low Code. |[lekcja](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | | 19 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Wdrażanie modeli za pomocą Azure Machine Learning Studio. | [lekcja](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science w praktyce | [W praktyce](6-Data-Science-In-Wild/README.md) | Projekty oparte na Data Science w rzeczywistym świecie. | [lekcja](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 20 | Data Science w praktyce | [W praktyce](6-Data-Science-In-Wild/README.md) | Projekty oparte na data science w rzeczywistym świecie. | [lekcja](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Postępuj zgodnie z poniższymi krokami, aby otworzyć ten przykład w Codespace: +Postępuj zgodnie z tymi krokami, aby otworzyć ten przykład w Codespace: 1. Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces. 2. Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w [dokumentacji GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Postępuj zgodnie z poniższymi krokami, aby otworzyć to repozytorium w kontenerze za pomocą lokalnego komputera i VSCode, korzystając z rozszerzenia VS Code Remote - Containers: +Postępuj zgodnie z tymi krokami, aby otworzyć to repozytorium w kontenerze za pomocą lokalnego komputera i VSCode, korzystając z rozszerzenia VS Code Remote - Containers: -1. Jeśli korzystasz z kontenerów deweloperskich po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) zgodnie z [dokumentacją wprowadzającą](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Jeśli korzystasz z kontenerów deweloperskich po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) w [dokumentacji wprowadzającej](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Aby użyć tego repozytorium, możesz otworzyć je w izolowanym woluminie Dockera: @@ -131,7 +163,7 @@ Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium: ## Dostęp offline -Możesz uruchomić tę dokumentację offline, korzystając z [Docsify](https://docsify.js.org/#/). Sforkuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim lokalnym komputerze, a następnie w głównym folderze tego repozytorium wpisz `docsify serve`. Strona internetowa zostanie uruchomiona na porcie 3000 na Twoim localhost: `localhost:3000`. +Możesz uruchomić tę dokumentację offline, korzystając z [Docsify](https://docsify.js.org/#/). Sforkuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim lokalnym komputerze, a następnie w katalogu głównym tego repozytorium wpisz `docsify serve`. Strona internetowa zostanie uruchomiona na porcie 3000 na Twoim localhost: `localhost:3000`. > Uwaga, notatniki nie będą renderowane za pomocą Docsify, więc jeśli potrzebujesz uruchomić notatnik, zrób to osobno w VS Code, uruchamiając kernel Pythona. @@ -143,8 +175,8 @@ Nasz zespół tworzy inne programy nauczania! Sprawdź: - [Agent AI dla początkujących](https://aka.ms/ai-agents-beginners) - [Generatywna AI dla początkujących](https://aka.ms/genai-beginners) - [Generatywna AI dla początkujących .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) -- [Generatywna AI z JavaScriptem](https://github.com/microsoft/generative-ai-with-javascript) -- [Generatywna AI z Javą](https://aka.ms/genaijava) +- [Generatywna AI z JavaScript](https://github.com/microsoft/generative-ai-with-javascript) +- [Generatywna AI z Java](https://aka.ms/genaijava) - [AI dla początkujących](https://aka.ms/ai-beginners) - [Data Science dla początkujących](https://aka.ms/datascience-beginners) - [Bash dla początkujących](https://github.com/microsoft/bash-for-beginners) @@ -157,7 +189,7 @@ Nasz zespół tworzy inne programy nauczania! Sprawdź: - [Opanowanie GitHub Copilot dla programowania w parach z AI](https://aka.ms/GitHubCopilotAI) - [Rozwój XR dla początkujących](https://github.com/microsoft/xr-development-for-beginners) - [Opanowanie GitHub Copilot dla programistów C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Wybierz swoją własną przygodę z Copilotem](https://github.com/microsoft/CopilotAdventures) +- [Wybierz swoją własną przygodę z Copilot](https://github.com/microsoft/CopilotAdventures) ## Uzyskiwanie pomocy @@ -165,11 +197,10 @@ Jeśli utkniesz lub masz pytania dotyczące budowania aplikacji AI, dołącz: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Jeśli masz uwagi dotyczące produktu lub napotkałeś błędy podczas budowania, odwiedź: - +Jeśli masz uwagi dotyczące produktu lub napotykasz błędy podczas budowy, odwiedź: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Zastrzeżenie**: -Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia. \ No newline at end of file +Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia. \ No newline at end of file diff --git a/translations/pl/examples/README.md b/translations/pl/examples/README.md new file mode 100644 index 00000000..d4584d04 --- /dev/null +++ b/translations/pl/examples/README.md @@ -0,0 +1,149 @@ + +# Przykłady Data Science dla Początkujących + +Witamy w katalogu przykładów! Ta kolekcja prostych, dobrze skomentowanych przykładów została zaprojektowana, aby pomóc Ci rozpocząć przygodę z data science, nawet jeśli jesteś zupełnym nowicjuszem. + +## 📚 Co znajdziesz tutaj + +Każdy przykład jest samodzielny i zawiera: +- **Jasne komentarze** wyjaśniające każdy krok +- **Prosty, czytelny kod**, który pokazuje jeden koncept na raz +- **Kontekst z życia codziennego**, aby pomóc Ci zrozumieć, kiedy i dlaczego używać tych technik +- **Oczekiwany wynik**, abyś wiedział, czego szukać + +## 🚀 Jak zacząć + +### Wymagania wstępne +Przed uruchomieniem tych przykładów upewnij się, że masz: +- Zainstalowany Python 3.7 lub nowszy +- Podstawową wiedzę na temat uruchamiania skryptów w Pythonie + +### Instalacja wymaganych bibliotek +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Przegląd przykładów + +### 1. Hello World - Styl Data Science +**Plik:** `01_hello_world_data_science.py` + +Twój pierwszy program w data science! Nauczysz się: +- Ładować prosty zestaw danych +- Wyświetlać podstawowe informacje o danych +- Wydrukować swój pierwszy wynik w data science + +Idealne dla absolutnych początkujących, którzy chcą zobaczyć swój pierwszy program w akcji. + +--- + +### 2. Ładowanie i eksploracja danych +**Plik:** `02_loading_data.py` + +Poznaj podstawy pracy z danymi: +- Odczyt danych z plików CSV +- Wyświetlanie pierwszych kilku wierszy zestawu danych +- Uzyskiwanie podstawowych statystyk o danych +- Zrozumienie typów danych + +To często pierwszy krok w każdym projekcie data science! + +--- + +### 3. Prosta analiza danych +**Plik:** `03_simple_analysis.py` + +Wykonaj swoją pierwszą analizę danych: +- Oblicz podstawowe statystyki (średnia, mediana, dominanta) +- Znajdź wartości maksymalne i minimalne +- Policz wystąpienia wartości +- Filtruj dane na podstawie warunków + +Zobacz, jak odpowiadać na proste pytania dotyczące danych. + +--- + +### 4. Podstawy wizualizacji danych +**Plik:** `04_basic_visualization.py` + +Stwórz swoje pierwsze wizualizacje: +- Wykonaj prosty wykres słupkowy +- Stwórz wykres liniowy +- Wygeneruj wykres kołowy +- Zapisz swoje wizualizacje jako obrazy + +Naucz się komunikować swoje wnioski wizualnie! + +--- + +### 5. Praca z prawdziwymi danymi +**Plik:** `05_real_world_example.py` + +Połącz wszystko w kompletnym przykładzie: +- Załaduj prawdziwe dane z repozytorium +- Wyczyść i przygotuj dane +- Wykonaj analizę +- Stwórz znaczące wizualizacje +- Wyciągnij wnioski + +Ten przykład pokazuje pełny przepływ pracy od początku do końca. + +--- + +## 🎯 Jak korzystać z tych przykładów + +1. **Zacznij od początku**: Przykłady są ponumerowane według stopnia trudności. Zacznij od `01_hello_world_data_science.py` i przechodź dalej. + +2. **Czytaj komentarze**: Każdy plik zawiera szczegółowe komentarze wyjaśniające, co robi kod i dlaczego. Czytaj je uważnie! + +3. **Eksperymentuj**: Spróbuj modyfikować kod. Co się stanie, jeśli zmienisz wartość? Psuj rzeczy i naprawiaj je - tak się uczysz! + +4. **Uruchamiaj kod**: Wykonaj każdy przykład i obserwuj wynik. Porównaj go z tym, czego się spodziewałeś. + +5. **Rozwijaj go**: Gdy zrozumiesz przykład, spróbuj go rozszerzyć swoimi pomysłami. + +## 💡 Wskazówki dla początkujących + +- **Nie spiesz się**: Poświęć czas na zrozumienie każdego przykładu, zanim przejdziesz do następnego +- **Przepisuj kod samodzielnie**: Nie kopiuj-wklejaj. Pisanie kodu pomaga w nauce i zapamiętywaniu +- **Szukaj nieznanych pojęć**: Jeśli zobaczysz coś, czego nie rozumiesz, poszukaj tego w internecie lub w głównych lekcjach +- **Zadawaj pytania**: Dołącz do [forum dyskusyjnego](https://github.com/microsoft/Data-Science-For-Beginners/discussions), jeśli potrzebujesz pomocy +- **Ćwicz regularnie**: Staraj się kodować codziennie, zamiast robić długie sesje raz w tygodniu + +## 🔗 Kolejne kroki + +Po ukończeniu tych przykładów jesteś gotowy, aby: +- Przejść przez główne lekcje programu nauczania +- Spróbować zadań w każdym folderze lekcji +- Eksplorować notatniki Jupyter dla bardziej szczegółowej nauki +- Tworzyć własne projekty data science + +## 📚 Dodatkowe zasoby + +- [Główny program nauczania](../README.md) - Kompletny kurs składający się z 20 lekcji +- [Dla nauczycieli](../for-teachers.md) - Korzystanie z tego programu w klasie +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Darmowe zasoby do nauki online +- [Dokumentacja Pythona](https://docs.python.org/3/) - Oficjalne odniesienie do Pythona + +## 🤝 Współtworzenie + +Znalazłeś błąd lub masz pomysł na nowy przykład? Zapraszamy do współtworzenia! Zobacz nasz [Przewodnik dla współtwórców](../CONTRIBUTING.md). + +--- + +**Miłej nauki! 🎉** + +Pamiętaj: Każdy ekspert kiedyś był początkującym. Rób wszystko krok po kroku i nie bój się popełniać błędów - są one częścią procesu nauki! + +--- + +**Zastrzeżenie**: +Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia. \ No newline at end of file diff --git a/translations/pt/README.md b/translations/pt/README.md index 6d56383c..7cd3dcbe 100644 --- a/translations/pt/README.md +++ b/translations/pt/README.md @@ -1,19 +1,20 @@ # Ciência de Dados para Iniciantes - Um Currículo -Azure Cloud Advocates na Microsoft têm o prazer de oferecer um currículo de 10 semanas e 20 lições sobre Ciência de Dados. Cada lição inclui questionários antes e depois da aula, instruções escritas para completar a lição, uma solução e uma tarefa. Nossa abordagem pedagógica baseada em projetos permite que você aprenda enquanto constrói, uma forma comprovada de fixar novas habilidades. +Azure Cloud Advocates na Microsoft têm o prazer de oferecer um currículo de 10 semanas e 20 lições sobre Ciência de Dados. Cada lição inclui questionários antes e depois da aula, instruções escritas para completar a lição, uma solução e uma tarefa. Nossa abordagem pedagógica baseada em projetos permite que você aprenda enquanto constrói, uma forma comprovada de fazer com que novas habilidades sejam assimiladas. -**Agradecimentos especiais aos nossos autores:** [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). +**Um agradecimento especial aos nossos autores:** [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). -**🙏 Agradecimentos especiais 🙏 aos nossos [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autores, revisores e colaboradores de conteúdo,** incluindo 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 Agradecimentos especiais 🙏 aos nossos [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autores, revisores e colaboradores de conteúdo,** incluindo 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), +[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote por @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.pt.png)| |:---:| @@ -21,11 +22,11 @@ Azure Cloud Advocates na Microsoft têm o prazer de oferecer um currículo de 10 ### 🌐 Suporte Multilíngue -#### Suportado via GitHub Action (Automatizado e Sempre Atualizado) +#### Suporte via GitHub Action (Automatizado e Sempre Atualizado) -[Francês](../fr/README.md) | [Espanhol](../es/README.md) | [Alemão](../de/README.md) | [Russo](../ru/README.md) | [Árabe](../ar/README.md) | [Persa (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinês (Simplificado)](../zh/README.md) | [Chinês (Tradicional, Macau)](../mo/README.md) | [Chinês (Tradicional, Hong Kong)](../hk/README.md) | [Chinês (Tradicional, Taiwan)](../tw/README.md) | [Japonês](../ja/README.md) | [Coreano](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Português (Portugal)](./README.md) | [Português (Brasil)](../br/README.md) | [Italiano](../it/README.md) | [Polonês](../pl/README.md) | [Turco](../tr/README.md) | [Grego](../el/README.md) | [Tailandês](../th/README.md) | [Sueco](../sv/README.md) | [Dinamarquês](../da/README.md) | [Norueguês](../no/README.md) | [Finlandês](../fi/README.md) | [Holandês](../nl/README.md) | [Hebraico](../he/README.md) | [Vietnamita](../vi/README.md) | [Indonésio](../id/README.md) | [Malaio](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Suaíli](../sw/README.md) | [Húngaro](../hu/README.md) | [Tcheco](../cs/README.md) | [Eslovaco](../sk/README.md) | [Romeno](../ro/README.md) | [Búlgaro](../bg/README.md) | [Sérvio (Cirílico)](../sr/README.md) | [Croata](../hr/README.md) | [Esloveno](../sl/README.md) | [Ucraniano](../uk/README.md) | [Birmanês (Myanmar)](../my/README.md) +[Francês](../fr/README.md) | [Espanhol](../es/README.md) | [Alemão](../de/README.md) | [Russo](../ru/README.md) | [Árabe](../ar/README.md) | [Persa (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinês (Simplificado)](../zh/README.md) | [Chinês (Tradicional, Macau)](../mo/README.md) | [Chinês (Tradicional, Hong Kong)](../hk/README.md) | [Chinês (Tradicional, Taiwan)](../tw/README.md) | [Japonês](../ja/README.md) | [Coreano](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Português (Portugal)](./README.md) | [Português (Brasil)](../br/README.md) | [Italiano](../it/README.md) | [Polonês](../pl/README.md) | [Turco](../tr/README.md) | [Grego](../el/README.md) | [Tailandês](../th/README.md) | [Sueco](../sv/README.md) | [Dinamarquês](../da/README.md) | [Norueguês](../no/README.md) | [Finlandês](../fi/README.md) | [Holandês](../nl/README.md) | [Hebraico](../he/README.md) | [Vietnamita](../vi/README.md) | [Indonésio](../id/README.md) | [Malaio](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Húngaro](../hu/README.md) | [Tcheco](../cs/README.md) | [Eslovaco](../sk/README.md) | [Romeno](../ro/README.md) | [Búlgaro](../bg/README.md) | [Sérvio (Cirílico)](../sr/README.md) | [Croata](../hr/README.md) | [Esloveno](../sl/README.md) | [Ucraniano](../uk/README.md) | [Birmanês (Myanmar)](../my/README.md) -**Se desejar ter traduções adicionais, os idiomas suportados estão listados [aqui](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Se desejar ter suporte para idiomas adicionais, os idiomas disponíveis estão listados [aqui](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Junte-se à Nossa Comunidade [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) @@ -38,14 +39,16 @@ Temos uma série de aprendizado com IA em andamento no Discord. Saiba mais e jun Começa com os seguintes recursos: -- [Página do Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Nesta página, encontrarás recursos para iniciantes, pacotes para estudantes e até formas de obter um voucher gratuito para certificação. Esta é uma página que vale a pena marcar e verificar de tempos em tempos, pois trocamos o conteúdo pelo menos mensalmente. +- [Página do Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Nesta página, encontrarás recursos para iniciantes, pacotes para estudantes e até formas de obter um voucher gratuito para certificação. Esta é uma página que vale a pena marcar e verificar de tempos em tempos, pois atualizamos o conteúdo pelo menos mensalmente. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Junta-te a uma comunidade global de embaixadores estudantis; esta pode ser a tua porta de entrada para a Microsoft. # Começando -> **Professores**: incluímos [algumas sugestões](for-teachers.md) sobre como usar este currículo. Adoraríamos receber o vosso feedback [no nosso fórum de discussão](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Iniciantes Completos**: Novo na ciência de dados? Começa com os nossos [exemplos para iniciantes](examples/README.md)! Estes exemplos simples e bem comentados ajudarão a entender os conceitos básicos antes de mergulhar no currículo completo. -> **[Estudantes](https://aka.ms/student-page)**: para usar este currículo por conta própria, faz um fork do repositório inteiro e completa os exercícios por conta própria, começando com um questionário pré-aula. Depois, lê a aula e completa o restante das atividades. Tenta criar os projetos compreendendo as lições em vez de copiar o código da solução; no entanto, esse código está disponível nas pastas /solutions em cada lição orientada a projetos. Outra ideia seria formar um grupo de estudo com amigos e passar pelo conteúdo juntos. Para estudo adicional, recomendamos [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Professores**: incluímos [algumas sugestões](for-teachers.md) sobre como usar este currículo. Adoraríamos receber o teu feedback [no nosso fórum de discussão](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! + +> **[Estudantes](https://aka.ms/student-page)**: para usar este currículo por conta própria, faz um fork do repositório completo e completa os exercícios por conta própria, começando com um questionário antes da aula. Depois, lê a aula e completa o restante das atividades. Tenta criar os projetos compreendendo as lições em vez de copiar o código da solução; no entanto, esse código está disponível nas pastas /solutions em cada lição orientada a projetos. Outra ideia seria formar um grupo de estudo com amigos e passar pelo conteúdo juntos. Para estudos adicionais, recomendamos [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Conheça a Equipa @@ -59,9 +62,9 @@ Começa com os seguintes recursos: Escolhemos dois princípios pedagógicos ao construir este currículo: garantir que seja baseado em projetos e que inclua questionários frequentes. Ao final desta série, os estudantes terão aprendido os princípios básicos da ciência de dados, incluindo conceitos éticos, preparação de dados, diferentes formas de trabalhar com dados, visualização de dados, análise de dados, casos de uso reais de ciência de dados e muito mais. -Além disso, um questionário de baixo risco antes da aula define a intenção do estudante em aprender um tópico, enquanto um segundo questionário após a aula garante maior retenção. Este currículo foi projetado para ser flexível e divertido e pode ser realizado na íntegra ou em partes. Os projetos começam pequenos e tornam-se cada vez mais complexos ao final do ciclo de 10 semanas. +Além disso, um questionário de baixo risco antes da aula define a intenção do estudante em aprender um tópico, enquanto um segundo questionário após a aula garante maior retenção. Este currículo foi projetado para ser flexível e divertido e pode ser realizado na íntegra ou em partes. Os projetos começam pequenos e tornam-se progressivamente mais complexos ao final do ciclo de 10 semanas. -> Encontra o nosso [Código de Conduta](CODE_OF_CONDUCT.md), [Contribuição](CONTRIBUTING.md), [Diretrizes de Tradução](TRANSLATIONS.md). Agradecemos o vosso feedback construtivo! +> Encontra o nosso [Código de Conduta](CODE_OF_CONDUCT.md), [Contribuições](CONTRIBUTING.md), [Diretrizes de Tradução](TRANSLATIONS.md). Agradecemos o teu feedback construtivo! ## Cada lição inclui: @@ -75,68 +78,82 @@ Além disso, um questionário de baixo risco antes da aula define a intenção d - Leitura suplementar - Tarefa - [Questionário pós-aula](https://ff-quizzes.netlify.app/en/) +> **Uma nota sobre os questionários**: Todos os questionários estão contidos na pasta Quiz-App, num total de 40 questionários com três perguntas cada. Eles estão ligados às lições, mas a aplicação de questionários pode ser executada localmente ou implantada no Azure; siga as instruções na pasta `quiz-app`. Eles estão a ser gradualmente localizados. + +## 🎓 Exemplos para Iniciantes + +**Novo na Ciência de Dados?** Criámos um [diretório de exemplos](examples/README.md) especial com código simples e bem comentado para ajudar a começar: + +- 🌟 **Hello World** - O teu primeiro programa de ciência de dados +- 📂 **Carregar Dados** - Aprende a ler e explorar conjuntos de dados +- 📊 **Análise Simples** - Calcula estatísticas e encontra padrões +- 📈 **Visualização Básica** - Cria gráficos e tabelas +- 🔬 **Projeto do Mundo Real** - Fluxo de trabalho completo do início ao fim -> **Uma nota sobre os questionários**: Todos os questionários estão contidos na pasta Quiz-App, totalizando 40 questionários de três perguntas cada. Eles estão vinculados dentro das lições, mas a aplicação de questionários pode ser executada localmente ou implantada no Azure; segue as instruções na pasta `quiz-app`. Eles estão sendo gradualmente localizados. +Cada exemplo inclui comentários detalhados que explicam cada passo, tornando-o perfeito para iniciantes absolutos! + +👉 **[Começa pelos exemplos](examples/README.md)** 👈 ## Lições -|![Sketchnote por @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.pt.png)| + +|![ Sketchnote por @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.pt.png)| |:---:| | Ciência de Dados para Iniciantes: Roteiro - _Sketchnote por [@nitya](https://twitter.com/nitya)_ | -| Número da Aula | Tópico | Agrupamento de Aulas | Objetivos de Aprendizagem | Aula Vinculada | Autor | +| Número da Lição | Tópico | Agrupamento de Lições | Objetivos de Aprendizagem | Lição Ligada | Autor | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definindo Ciência de Dados | [Introdução](1-Introduction/README.md) | Aprenda os conceitos básicos de ciência de dados e como ela está relacionada à inteligência artificial, aprendizagem automática e big data. | [aula](1-Introduction/01-defining-data-science/README.md) [vídeo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Ética na Ciência de Dados | [Introdução](1-Introduction/README.md) | Conceitos, desafios e frameworks de ética em dados. | [aula](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definindo Dados | [Introdução](1-Introduction/README.md) | Como os dados são classificados e suas fontes comuns. | [aula](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introdução a Estatística e Probabilidade | [Introdução](1-Introduction/README.md) | Técnicas matemáticas de probabilidade e estatística para compreender dados. | [aula](1-Introduction/04-stats-and-probability/README.md) [vídeo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Trabalhando com Dados Relacionais | [Trabalhando com Dados](2-Working-With-Data/README.md) | Introdução a dados relacionais e os fundamentos de exploração e análise de dados relacionais com a Structured Query Language, também conhecida como SQL (pronunciado "sequel"). | [aula](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Trabalhando com Dados NoSQL | [Trabalhando com Dados](2-Working-With-Data/README.md) | Introdução a dados não relacionais, seus vários tipos e os fundamentos de exploração e análise de bases de dados de documentos. | [aula](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Trabalhando com Python | [Trabalhando com Dados](2-Working-With-Data/README.md) | Fundamentos do uso de Python para exploração de dados com bibliotecas como Pandas. É recomendável ter uma compreensão básica de programação em Python. | [aula](2-Working-With-Data/07-python/README.md) [vídeo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Preparação de Dados | [Trabalhando com Dados](2-Working-With-Data/README.md) | Técnicas de limpeza e transformação de dados para lidar com desafios como dados ausentes, imprecisos ou incompletos. | [aula](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Visualizando Quantidades | [Visualização de Dados](3-Data-Visualization/README.md) | Aprenda a usar Matplotlib para visualizar dados de aves 🦆 | [aula](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualizando Distribuições de Dados | [Visualização de Dados](3-Data-Visualization/README.md) | Visualizando observações e tendências dentro de um intervalo. | [aula](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualizando Proporções | [Visualização de Dados](3-Data-Visualization/README.md) | Visualizando porcentagens discretas e agrupadas. | [aula](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualizando Relações | [Visualização de Dados](3-Data-Visualization/README.md) | Visualizando conexões e correlações entre conjuntos de dados e suas variáveis. | [aula](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Visualizações Significativas | [Visualização de Dados](3-Data-Visualization/README.md) | Técnicas e orientações para tornar suas visualizações valiosas para resolução eficaz de problemas e obtenção de insights. | [aula](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introdução ao Ciclo de Vida da Ciência de Dados | [Ciclo de Vida](4-Data-Science-Lifecycle/README.md) | Introdução ao ciclo de vida da ciência de dados e sua primeira etapa de aquisição e extração de dados. | [aula](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Análise | [Ciclo de Vida](4-Data-Science-Lifecycle/README.md) | Esta fase do ciclo de vida da ciência de dados foca em técnicas para analisar dados. | [aula](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Comunicação | [Ciclo de Vida](4-Data-Science-Lifecycle/README.md) | Esta fase do ciclo de vida da ciência de dados foca em apresentar os insights dos dados de forma que facilite a compreensão pelos tomadores de decisão. | [aula](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Ciência de Dados na Nuvem | [Dados na Nuvem](5-Data-Science-In-Cloud/README.md) | Esta série de aulas introduz a ciência de dados na nuvem e seus benefícios. | [aula](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | -| 18 | Ciência de Dados na Nuvem | [Dados na Nuvem](5-Data-Science-In-Cloud/README.md) | Treinamento de modelos usando ferramentas de baixo código. |[aula](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | -| 19 | Ciência de Dados na Nuvem | [Dados na Nuvem](5-Data-Science-In-Cloud/README.md) | Implantação de modelos com o Azure Machine Learning Studio. | [aula](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | -| 20 | Ciência de Dados no Mundo Real | [No Mundo Real](6-Data-Science-In-Wild/README.md) | Projetos impulsionados por ciência de dados no mundo real. | [aula](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Definir Ciência de Dados | [Introdução](1-Introduction/README.md) | Aprende os conceitos básicos por trás da ciência de dados e como está relacionada à inteligência artificial, aprendizagem automática e big data. | [lição](1-Introduction/01-defining-data-science/README.md) [vídeo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Ética na Ciência de Dados | [Introdução](1-Introduction/README.md) | Conceitos, desafios e frameworks de ética de dados. | [lição](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Definir Dados | [Introdução](1-Introduction/README.md) | Como os dados são classificados e suas fontes comuns. | [lição](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introdução a Estatística e Probabilidade | [Introdução](1-Introduction/README.md) | As técnicas matemáticas de probabilidade e estatística para compreender os dados. | [lição](1-Introduction/04-stats-and-probability/README.md) [vídeo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Trabalhar com Dados Relacionais | [Trabalhar com Dados](2-Working-With-Data/README.md) | Introdução aos dados relacionais e os fundamentos de explorar e analisar dados relacionais com a Structured Query Language, também conhecida como SQL (pronunciado “see-quell”). | [lição](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Trabalhar com Dados NoSQL | [Trabalhar com Dados](2-Working-With-Data/README.md) | Introdução aos dados não relacionais, seus vários tipos e os fundamentos de explorar e analisar bases de dados de documentos. | [lição](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Trabalhar com Python | [Trabalhar com Dados](2-Working-With-Data/README.md) | Fundamentos de usar Python para explorar dados com bibliotecas como Pandas. Recomenda-se uma compreensão básica de programação em Python. | [lição](2-Working-With-Data/07-python/README.md) [vídeo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Preparação de Dados | [Trabalhar com Dados](2-Working-With-Data/README.md) | Tópicos sobre técnicas de dados para limpar e transformar os dados para lidar com desafios de dados ausentes, imprecisos ou incompletos. | [lição](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Visualizar Quantidades | [Visualização de Dados](3-Data-Visualization/README.md) | Aprende a usar Matplotlib para visualizar dados de aves 🦆 | [lição](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualizar Distribuições de Dados | [Visualização de Dados](3-Data-Visualization/README.md) | Visualizar observações e tendências dentro de um intervalo. | [lição](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualizar Proporções | [Visualização de Dados](3-Data-Visualization/README.md) | Visualizar percentagens discretas e agrupadas. | [lição](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualizar Relações | [Visualização de Dados](3-Data-Visualization/README.md) | Visualizar conexões e correlações entre conjuntos de dados e suas variáveis. | [lição](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Visualizações Significativas | [Visualização de Dados](3-Data-Visualization/README.md) | Técnicas e orientações para tornar as tuas visualizações valiosas para uma resolução de problemas eficaz e insights. | [lição](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introdução ao Ciclo de Vida da Ciência de Dados | [Ciclo de Vida](4-Data-Science-Lifecycle/README.md) | Introdução ao ciclo de vida da ciência de dados e ao seu primeiro passo de adquirir e extrair dados. | [lição](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analisar | [Ciclo de Vida](4-Data-Science-Lifecycle/README.md) | Esta fase do ciclo de vida da ciência de dados foca-se em técnicas para analisar dados. | [lição](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Comunicação | [Ciclo de Vida](4-Data-Science-Lifecycle/README.md) | Esta fase do ciclo de vida da ciência de dados foca-se em apresentar os insights dos dados de forma a facilitar a compreensão pelos tomadores de decisão. | [lição](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Ciência de Dados na Nuvem | [Dados na Nuvem](5-Data-Science-In-Cloud/README.md) | Esta série de lições introduz a ciência de dados na nuvem e os seus benefícios. | [lição](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | +| 18 | Ciência de Dados na Nuvem | [Dados na Nuvem](5-Data-Science-In-Cloud/README.md) | Treinar modelos usando ferramentas de Low Code. |[lição](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | +| 19 | Ciência de Dados na Nuvem | [Dados na Nuvem](5-Data-Science-In-Cloud/README.md) | Implantar modelos com o Azure Machine Learning Studio. | [lição](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) | +| 20 | Ciência de Dados no Mundo Real | [No Mundo Real](6-Data-Science-In-Wild/README.md) | Projetos impulsionados pela ciência de dados no mundo real. | [lição](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Siga estes passos para abrir este exemplo em um Codespace: -1. Clique no menu suspenso Code e selecione a opção Open with Codespaces. -2. Selecione + New codespace na parte inferior do painel. -Para mais informações, consulte a [documentação do GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +Segue estes passos para abrir este exemplo num Codespace: +1. Clica no menu suspenso Code e seleciona a opção Open with Codespaces. +2. Seleciona + New codespace na parte inferior do painel. +Para mais informações, consulta a [documentação do GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Siga estes passos para abrir este repositório em um container usando sua máquina local e o VSCode com a extensão VS Code Remote - Containers: +Segue estes passos para abrir este repositório num container usando a tua máquina local e o VSCode com a extensão VS Code Remote - Containers: -1. Se esta for a sua primeira vez usando um container de desenvolvimento, certifique-se de que seu sistema atende aos pré-requisitos (ou seja, ter o Docker instalado) na [documentação de introdução](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Se for a tua primeira vez a usar um container de desenvolvimento, certifica-te de que o teu sistema cumpre os pré-requisitos (ou seja, tem o Docker instalado) na [documentação de introdução](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Para usar este repositório, você pode abrir o repositório em um volume isolado do Docker: +Para usar este repositório, podes abrir o repositório num volume isolado do Docker: -**Nota**: Por trás dos bastidores, isso usará o comando Remote-Containers: **Clone Repository in Container Volume...** para clonar o código-fonte em um volume do Docker em vez do sistema de arquivos local. [Volumes](https://docs.docker.com/storage/volumes/) são o mecanismo preferido para persistir dados de containers. +**Nota**: Por trás dos bastidores, isto usará o comando Remote-Containers: **Clone Repository in Container Volume...** para clonar o código-fonte num volume do Docker em vez do sistema de arquivos local. [Volumes](https://docs.docker.com/storage/volumes/) são o mecanismo preferido para persistir dados de containers. -Ou abrir uma versão clonada ou baixada localmente do repositório: +Ou abrir uma versão clonada ou descarregada localmente do repositório: -- Clone este repositório para o seu sistema de arquivos local. -- Pressione F1 e selecione o comando **Remote-Containers: Open Folder in Container...**. -- Selecione a cópia clonada desta pasta, aguarde o container iniciar e experimente. +- Clona este repositório para o teu sistema de arquivos local. +- Pressiona F1 e seleciona o comando **Remote-Containers: Open Folder in Container...**. +- Seleciona a cópia clonada desta pasta, espera o container iniciar e experimenta. ## Acesso Offline -Você pode executar esta documentação offline usando [Docsify](https://docsify.js.org/#/). Faça um fork deste repositório, [instale o Docsify](https://docsify.js.org/#/quickstart) na sua máquina local, e na pasta raiz deste repositório, digite `docsify serve`. O site será servido na porta 3000 no seu localhost: `localhost:3000`. +Podes executar esta documentação offline usando [Docsify](https://docsify.js.org/#/). Faz um fork deste repositório, [instala o Docsify](https://docsify.js.org/#/quickstart) na tua máquina local, e na pasta raiz deste repositório, digita `docsify serve`. O site será servido na porta 3000 no teu localhost: `localhost:3000`. -> Nota: os notebooks não serão renderizados via Docsify, então, quando precisar executar um notebook, faça isso separadamente no VS Code executando um kernel Python. +> Nota, os notebooks não serão renderizados via Docsify, então quando precisares de executar um notebook, faz isso separadamente no VS Code executando um kernel Python. ## Outros Currículos -Nossa equipe produz outros currículos! Confira: +A nossa equipa produz outros currículos! Consulta: - [Edge AI para Iniciantes](https://aka.ms/edgeai-for-beginners) - [Agentes de IA para Iniciantes](https://aka.ms/ai-agents-beginners) @@ -153,22 +170,21 @@ Nossa equipe produz outros currículos! Confira: - [IoT para Iniciantes](https://aka.ms/iot-beginners) - [Aprendizagem Automática para Iniciantes](https://aka.ms/ml-beginners) - [Desenvolvimento XR para Iniciantes](https://aka.ms/xr-dev-for-beginners) -- [Dominando o GitHub Copilot para Programação em Parceria com IA](https://aka.ms/GitHubCopilotAI) +- [Dominar o GitHub Copilot para Programação em Parceria com IA](https://aka.ms/GitHubCopilotAI) - [Desenvolvimento XR para Iniciantes](https://github.com/microsoft/xr-development-for-beginners) -- [Dominando o GitHub Copilot para Desenvolvedores C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Escolha Sua Própria Aventura com Copilot](https://github.com/microsoft/CopilotAdventures) +- [Dominar o GitHub Copilot para Programadores C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Escolhe a Tua Própria Aventura com Copilot](https://github.com/microsoft/CopilotAdventures) -## Obtendo Ajuda +## Obter Ajuda -Se você ficar preso ou tiver dúvidas sobre como construir aplicativos de IA, junte-se: +Se tiveres dificuldades ou perguntas sobre como construir aplicações de IA, junta-te: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Se você tiver feedback sobre produtos ou erros ao construir, visite: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Se tiveres feedback sobre produtos ou erros durante a construção, visita: +[![Fórum de Desenvolvedores do Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Aviso**: -Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução. \ No newline at end of file +**Aviso Legal**: +Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas resultantes do uso desta tradução. \ No newline at end of file diff --git a/translations/pt/examples/README.md b/translations/pt/examples/README.md new file mode 100644 index 00000000..ee7aa0c6 --- /dev/null +++ b/translations/pt/examples/README.md @@ -0,0 +1,149 @@ + +# Exemplos de Ciência de Dados para Iniciantes + +Bem-vindo ao diretório de exemplos! Esta coleção de exemplos simples e bem comentados foi criada para ajudar-te a começar com ciência de dados, mesmo que sejas um completo principiante. + +## 📚 O Que Vais Encontrar Aqui + +Cada exemplo é autónomo e inclui: +- **Comentários claros** explicando cada passo +- **Código simples e legível** que demonstra um conceito de cada vez +- **Contexto do mundo real** para ajudar-te a entender quando e por que usar estas técnicas +- **Saída esperada** para saberes o que procurar + +## 🚀 Começar + +### Pré-requisitos +Antes de executares estes exemplos, certifica-te de que tens: +- Python 3.7 ou superior instalado +- Compreensão básica de como executar scripts em Python + +### Instalar Bibliotecas Necessárias +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Visão Geral dos Exemplos + +### 1. Hello World - Estilo Ciência de Dados +**Ficheiro:** `01_hello_world_data_science.py` + +O teu primeiro programa de ciência de dados! Aprende a: +- Carregar um conjunto de dados simples +- Exibir informações básicas sobre os teus dados +- Imprimir a tua primeira saída de ciência de dados + +Perfeito para principiantes absolutos que querem ver o seu primeiro programa de ciência de dados em ação. + +--- + +### 2. Carregar e Explorar Dados +**Ficheiro:** `02_loading_data.py` + +Aprende os fundamentos de trabalhar com dados: +- Ler dados de ficheiros CSV +- Visualizar as primeiras linhas do teu conjunto de dados +- Obter estatísticas básicas sobre os teus dados +- Compreender os tipos de dados + +Este é frequentemente o primeiro passo em qualquer projeto de ciência de dados! + +--- + +### 3. Análise Simples de Dados +**Ficheiro:** `03_simple_analysis.py` + +Realiza a tua primeira análise de dados: +- Calcular estatísticas básicas (média, mediana, moda) +- Encontrar valores máximos e mínimos +- Contar ocorrências de valores +- Filtrar dados com base em condições + +Descobre como responder a perguntas simples sobre os teus dados. + +--- + +### 4. Noções Básicas de Visualização de Dados +**Ficheiro:** `04_basic_visualization.py` + +Cria as tuas primeiras visualizações: +- Fazer um gráfico de barras simples +- Criar um gráfico de linhas +- Gerar um gráfico de pizza +- Guardar as tuas visualizações como imagens + +Aprende a comunicar as tuas descobertas visualmente! + +--- + +### 5. Trabalhar com Dados Reais +**Ficheiro:** `05_real_world_example.py` + +Coloca tudo em prática com um exemplo completo: +- Carregar dados reais do repositório +- Limpar e preparar os dados +- Realizar análises +- Criar visualizações significativas +- Tirar conclusões + +Este exemplo mostra-te um fluxo de trabalho completo do início ao fim. + +--- + +## 🎯 Como Usar Estes Exemplos + +1. **Começa pelo início**: Os exemplos estão numerados por ordem de dificuldade. Começa com `01_hello_world_data_science.py` e avança gradualmente. + +2. **Lê os comentários**: Cada ficheiro tem comentários detalhados explicando o que o código faz e porquê. Lê-os com atenção! + +3. **Experimenta**: Tenta modificar o código. O que acontece se mudares um valor? Faz alterações e corrige-as - é assim que se aprende! + +4. **Executa o código**: Executa cada exemplo e observa a saída. Compara com o que esperavas. + +5. **Constrói sobre isso**: Quando entenderes um exemplo, tenta expandi-lo com as tuas próprias ideias. + +## 💡 Dicas para Iniciantes + +- **Não tenhas pressa**: Dedica tempo para entender cada exemplo antes de passar para o próximo +- **Escreve o código tu mesmo**: Não copies e coles apenas. Escrever ajuda-te a aprender e a memorizar +- **Procura conceitos desconhecidos**: Se vires algo que não entendes, pesquisa online ou nas lições principais +- **Faz perguntas**: Junta-te ao [fórum de discussão](https://github.com/microsoft/Data-Science-For-Beginners/discussions) se precisares de ajuda +- **Pratica regularmente**: Tenta programar um pouco todos os dias em vez de sessões longas uma vez por semana + +## 🔗 Próximos Passos + +Depois de completares estes exemplos, estás pronto para: +- Trabalhar nas lições principais do currículo +- Experimentar os exercícios em cada pasta de lições +- Explorar os Jupyter notebooks para um aprendizado mais aprofundado +- Criar os teus próprios projetos de ciência de dados + +## 📚 Recursos Adicionais + +- [Currículo Principal](../README.md) - O curso completo de 20 lições +- [Para Professores](../for-teachers.md) - Usar este currículo na tua sala de aula +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Recursos de aprendizagem online gratuitos +- [Documentação do Python](https://docs.python.org/3/) - Referência oficial do Python + +## 🤝 Contribuir + +Encontraste um erro ou tens uma ideia para um novo exemplo? Aceitamos contribuições! Consulta o nosso [Guia de Contribuição](../CONTRIBUTING.md). + +--- + +**Boa Aprendizagem! 🎉** + +Lembra-te: Todo especialista já foi um principiante. Dá um passo de cada vez e não tenhas medo de cometer erros - eles fazem parte do processo de aprendizagem! + +--- + +**Aviso**: +Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos pela precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se uma tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução. \ No newline at end of file diff --git a/translations/ro/README.md b/translations/ro/README.md index dd0480b1..1054fb39 100644 --- a/translations/ro/README.md +++ b/translations/ro/README.md @@ -1,8 +1,8 @@ +# Exemple de Știința Datelor pentru Începători + +Bine ai venit în directorul de exemple! Această colecție de exemple simple, bine comentate, este concepută pentru a te ajuta să începi cu știința datelor, chiar dacă ești complet începător. + +## 📚 Ce Vei Găsi Aici + +Fiecare exemplu este autonom și include: +- **Comentarii clare** care explică fiecare pas +- **Cod simplu și ușor de citit** care demonstrează un singur concept pe rând +- **Context real** pentru a te ajuta să înțelegi când și de ce să folosești aceste tehnici +- **Rezultate așteptate** astfel încât să știi la ce să te aștepți + +## 🚀 Începe + +### Cerințe preliminare +Înainte de a rula aceste exemple, asigură-te că ai: +- Python 3.7 sau o versiune mai recentă instalată +- O înțelegere de bază despre cum să rulezi scripturi Python + +### Instalarea Bibliotecilor Necesare +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Prezentare Generală a Exemplului + +### 1. Hello World - Stil Știința Datelor +**Fișier:** `01_hello_world_data_science.py` + +Primul tău program de știința datelor! Învață cum să: +- Încarci un set de date simplu +- Afișezi informații de bază despre datele tale +- Printezi primul tău rezultat în știința datelor + +Perfect pentru începătorii absoluți care vor să vadă primul lor program de știința datelor în acțiune. + +--- + +### 2. Încărcarea și Explorarea Datelor +**Fișier:** `02_loading_data.py` + +Învață elementele fundamentale ale lucrului cu date: +- Citește date din fișiere CSV +- Vizualizează primele câteva rânduri ale setului de date +- Obține statistici de bază despre datele tale +- Înțelege tipurile de date + +Acesta este adesea primul pas în orice proiect de știința datelor! + +--- + +### 3. Analiză Simplă a Datelor +**Fișier:** `03_simple_analysis.py` + +Realizează prima ta analiză de date: +- Calculează statistici de bază (medie, mediană, mod) +- Găsește valorile maxime și minime +- Numără aparițiile valorilor +- Filtrează datele pe baza condițiilor + +Vezi cum să răspunzi la întrebări simple despre datele tale. + +--- + +### 4. Bazele Vizualizării Datelor +**Fișier:** `04_basic_visualization.py` + +Creează primele tale vizualizări: +- Realizează un grafic simplu cu bare +- Creează un grafic liniar +- Generează un grafic circular +- Salvează vizualizările tale ca imagini + +Învață să comunici descoperirile tale vizual! + +--- + +### 5. Lucrul cu Date Reale +**Fișier:** `05_real_world_example.py` + +Pune totul împreună într-un exemplu complet: +- Încarcă date reale din depozit +- Curăță și pregătește datele +- Realizează analiza +- Creează vizualizări semnificative +- Trage concluzii + +Acest exemplu îți arată un flux de lucru complet de la început până la sfârșit. + +--- + +## 🎯 Cum să Folosești Aceste Exemple + +1. **Începe de la început**: Exemplele sunt numerotate în ordinea dificultății. Începe cu `01_hello_world_data_science.py` și parcurge-le pe rând. + +2. **Citește comentariile**: Fiecare fișier are comentarii detaliate care explică ce face codul și de ce. Citește-le cu atenție! + +3. **Experimentează**: Încearcă să modifici codul. Ce se întâmplă dacă schimbi o valoare? Strică lucrurile și repară-le - așa înveți! + +4. **Rulează codul**: Execută fiecare exemplu și observă rezultatul. Compară-l cu ceea ce te așteptai. + +5. **Construiește pe baza lui**: După ce înțelegi un exemplu, încearcă să-l extinzi cu ideile tale. + +## 💡 Sfaturi pentru Începători + +- **Nu te grăbi**: Ia-ți timp să înțelegi fiecare exemplu înainte de a trece la următorul +- **Tastează codul tu însuți**: Nu doar copia-l. Tastarea te ajută să înveți și să reții +- **Caută concepte necunoscute**: Dacă vezi ceva ce nu înțelegi, caută online sau în lecțiile principale +- **Pune întrebări**: Alătură-te [forumului de discuții](https://github.com/microsoft/Data-Science-For-Beginners/discussions) dacă ai nevoie de ajutor +- **Exersează regulat**: Încearcă să scrii cod puțin în fiecare zi, mai degrabă decât sesiuni lungi o dată pe săptămână + +## 🔗 Următorii Pași + +După ce finalizezi aceste exemple, ești pregătit să: +- Parcurgi lecțiile principale din curriculum +- Încerci temele din fiecare folder de lecții +- Explorezi notebook-urile Jupyter pentru o învățare mai aprofundată +- Creezi propriile tale proiecte de știința datelor + +## 📚 Resurse Suplimentare + +- [Curriculum Principal](../README.md) - Cursul complet de 20 de lecții +- [Pentru Profesori](../for-teachers.md) - Utilizarea acestui curriculum în clasă +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Resurse gratuite de învățare online +- [Documentația Python](https://docs.python.org/3/) - Referința oficială Python + +## 🤝 Contribuie + +Ai găsit o eroare sau ai o idee pentru un nou exemplu? Acceptăm contribuții! Te rugăm să consulți [Ghidul de Contribuții](../CONTRIBUTING.md). + +--- + +**Învățare Plăcută! 🎉** + +Amintește-ți: Fiecare expert a fost odată începător. Ia lucrurile pas cu pas și nu te teme să faci greșeli - ele fac parte din procesul de învățare! + +--- + +**Declinare de responsabilitate**: +Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim să asigurăm acuratețea, vă rugăm să fiți conștienți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa natală ar trebui considerat sursa autoritară. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm responsabilitatea pentru eventualele neînțelegeri sau interpretări greșite care pot apărea din utilizarea acestei traduceri. \ No newline at end of file diff --git a/translations/ru/README.md b/translations/ru/README.md index f48031fb..06e92ba7 100644 --- a/translations/ru/README.md +++ b/translations/ru/README.md @@ -1,15 +1,15 @@ # Основы Data Science - Учебная программа -Azure Cloud Advocates в Microsoft рады предложить 10-недельную учебную программу, состоящую из 20 уроков, посвященных Data Science. Каждый урок включает предварительные и итоговые тесты, письменные инструкции для выполнения задания, решение и домашнее задание. Проектно-ориентированный подход позволяет учиться, создавая проекты, что доказано способствует лучшему усвоению новых навыков. +Azure Cloud Advocates в Microsoft рады предложить 10-недельную учебную программу, состоящую из 20 уроков, посвященных Data Science. Каждый урок включает предварительные и итоговые тесты, письменные инструкции для выполнения задания, решение и домашнее задание. Наш проектно-ориентированный подход позволяет учиться через практику, что доказано способствует лучшему усвоению новых навыков. **Огромная благодарность нашим авторам:** [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). @@ -24,7 +24,7 @@ Azure Cloud Advocates в Microsoft рады предложить 10-недель #### Поддерживается через GitHub Action (автоматически и всегда актуально) -[Французский](../fr/README.md) | [Испанский](../es/README.md) | [Немецкий](../de/README.md) | [Русский](./README.md) | [Арабский](../ar/README.md) | [Персидский (фарси)](../fa/README.md) | [Урду](../ur/README.md) | [Китайский (упрощенный)](../zh/README.md) | [Китайский (традиционный, Макао)](../mo/README.md) | [Китайский (традиционный, Гонконг)](../hk/README.md) | [Китайский (традиционный, Тайвань)](../tw/README.md) | [Японский](../ja/README.md) | [Корейский](../ko/README.md) | [Хинди](../hi/README.md) | [Бенгальский](../bn/README.md) | [Маратхи](../mr/README.md) | [Непальский](../ne/README.md) | [Панджаби (гурмукхи)](../pa/README.md) | [Португальский (Португалия)](../pt/README.md) | [Португальский (Бразилия)](../br/README.md) | [Итальянский](../it/README.md) | [Польский](../pl/README.md) | [Турецкий](../tr/README.md) | [Греческий](../el/README.md) | [Тайский](../th/README.md) | [Шведский](../sv/README.md) | [Датский](../da/README.md) | [Норвежский](../no/README.md) | [Финский](../fi/README.md) | [Голландский](../nl/README.md) | [Иврит](../he/README.md) | [Вьетнамский](../vi/README.md) | [Индонезийский](../id/README.md) | [Малайский](../ms/README.md) | [Тагальский (филиппинский)](../tl/README.md) | [Суахили](../sw/README.md) | [Венгерский](../hu/README.md) | [Чешский](../cs/README.md) | [Словацкий](../sk/README.md) | [Румынский](../ro/README.md) | [Болгарский](../bg/README.md) | [Сербский (кириллица)](../sr/README.md) | [Хорватский](../hr/README.md) | [Словенский](../sl/README.md) | [Украинский](../uk/README.md) | [Бирманский (Мьянма)](../my/README.md) +[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](./README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) **Если вы хотите добавить поддержку дополнительных языков, список доступных языков можно найти [здесь](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** @@ -39,14 +39,16 @@ Azure Cloud Advocates в Microsoft рады предложить 10-недель Начните с следующих ресурсов: -- [Страница для студентов](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На этой странице вы найдете ресурсы для начинающих, студенческие пакеты и даже способы получить бесплатный сертификат. Это страница, которую стоит добавить в закладки и проверять время от времени, так как мы обновляем контент как минимум раз в месяц. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Присоединяйтесь к глобальному сообществу студенческих послов, это может стать вашим путем в Microsoft. +- [Страница для студентов](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На этой странице вы найдете ресурсы для начинающих, студенческие пакеты и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и проверять время от времени, так как мы обновляем контент как минимум раз в месяц. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Присоединяйтесь к глобальному сообществу студенческих амбассадоров, это может стать вашим путем в Microsoft. # Начало работы +> **Полные новички**: Только начинаете изучать Data Science? Начните с наших [примеров для начинающих](examples/README.md)! Эти простые, хорошо прокомментированные примеры помогут вам понять основы перед тем, как углубиться в полную учебную программу. + > **Учителя**: мы [включили несколько предложений](for-teachers.md) о том, как использовать эту учебную программу. Нам будет приятно получить ваш отзыв [в нашем форуме обсуждений](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Студенты](https://aka.ms/student-page)**: чтобы использовать эту учебную программу самостоятельно, сделайте форк репозитория и выполните задания самостоятельно, начиная с предварительного теста. Затем прочитайте лекцию и выполните остальные задания. Постарайтесь создавать проекты, понимая уроки, а не копируя код решения; однако этот код доступен в папках /solutions в каждом проектно-ориентированном уроке. Еще одна идея — создать учебную группу с друзьями и изучать контент вместе. Для дальнейшего изучения мы рекомендуем [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Студенты](https://aka.ms/student-page)**: чтобы использовать эту учебную программу самостоятельно, сделайте форк репозитория и выполните упражнения самостоятельно, начиная с предварительного теста. Затем прочитайте лекцию и выполните остальные задания. Постарайтесь создавать проекты, понимая уроки, а не копируя код решения; однако этот код доступен в папках /solutions в каждом проектно-ориентированном уроке. Еще одна идея — создать учебную группу с друзьями и изучать контент вместе. Для дальнейшего изучения мы рекомендуем [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Знакомьтесь с командой @@ -60,7 +62,7 @@ Azure Cloud Advocates в Microsoft рады предложить 10-недель Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечение проектной направленности и включение частых тестов. К концу этой серии студенты изучат основные принципы Data Science, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные примеры использования Data Science и многое другое. -Кроме того, тест с низкими ставками перед занятием настраивает студента на изучение темы, а второй тест после занятия способствует лучшему запоминанию. Эта учебная программа была разработана как гибкая и увлекательная, и ее можно проходить полностью или частично. Проекты начинаются с простых и становятся все более сложными к концу 10-недельного цикла. +Кроме того, тест с низкими ставками перед занятием настраивает студента на изучение темы, а второй тест после занятия способствует дальнейшему закреплению материала. Эта учебная программа была разработана как гибкая и увлекательная, и ее можно проходить полностью или частично. Проекты начинаются с простых и становятся все более сложными к концу 10-недельного цикла. > Ознакомьтесь с нашим [Кодексом поведения](CODE_OF_CONDUCT.md), [Руководством по внесению изменений](CONTRIBUTING.md), [Руководством по переводу](TRANSLATIONS.md). Мы приветствуем ваши конструктивные отзывы! @@ -68,44 +70,58 @@ Azure Cloud Advocates в Microsoft рады предложить 10-недель - Опциональный скетчнот - Опциональное дополнительное видео -- Разогревающий тест перед уроком +- Разминочный тест перед уроком - Письменный урок -- Для проектно-ориентированных уроков пошаговые инструкции по созданию проекта +- Для проектно-ориентированных уроков — пошаговые инструкции по созданию проекта - Проверка знаний - Задача - Дополнительное чтение - Домашнее задание - [Тест после урока](https://ff-quizzes.netlify.app/en/) +> **Примечание о викторинах**: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Они связаны с уроками, но приложение для викторин можно запускать локально или развернуть в Azure; следуйте инструкциям в папке `quiz-app`. Локализация викторин осуществляется постепенно. + +## 🎓 Примеры для начинающих + +**Впервые в Data Science?** Мы создали специальный [каталог примеров](examples/README.md) с простым, хорошо прокомментированным кодом, чтобы помочь вам начать: + +- 🌟 **Hello World** - Ваша первая программа в области Data Science +- 📂 **Загрузка данных** - Научитесь читать и исследовать наборы данных +- 📊 **Простой анализ** - Рассчитывайте статистику и находите закономерности +- 📈 **Основная визуализация** - Создавайте диаграммы и графики +- 🔬 **Проект из реальной жизни** - Полный рабочий процесс от начала до конца -> **Примечание о тестах**: Все тесты находятся в папке Quiz-App, всего 40 тестов по три вопроса каждый. Они связаны с уроками, но приложение для тестов можно запустить локально или развернуть в Azure; следуйте инструкциям в папке `quiz-app`. Они постепенно переводятся на другие языки. +Каждый пример содержит подробные комментарии, объясняющие каждый шаг, что делает их идеальными для абсолютных новичков! + +👉 **[Начните с примеров](examples/README.md)** 👈 ## Уроки -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ru.png)| + +|![ Скетчноут от @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ru.png)| |:---:| -| Data Science For Beginners: Дорожная карта - _Скетчноут от [@nitya](https://twitter.com/nitya)_ | +| Data Science для начинающих: Дорожная карта - _Скетчноут от [@nitya](https://twitter.com/nitya)_ | | Номер урока | Тема | Группа уроков | Цели обучения | Связанный урок | Автор | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Определение науки о данных | [Введение](1-Introduction/README.md) | Изучите основные концепции науки о данных и её связь с искусственным интеллектом, машинным обучением и большими данными. | [урок](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Дмитрий](http://soshnikov.com) | -| 02 | Этика науки о данных | [Введение](1-Introduction/README.md) | Концепции этики данных, вызовы и рамки. | [урок](1-Introduction/02-ethics/README.md) | [Нития](https://twitter.com/nitya) | +| 01 | Определение Data Science | [Введение](1-Introduction/README.md) | Узнайте основные концепции Data Science и его связь с искусственным интеллектом, машинным обучением и большими данными. | [урок](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Дмитрий](http://soshnikov.com) | +| 02 | Этика в Data Science | [Введение](1-Introduction/README.md) | Концепции этики данных, вызовы и рамки. | [урок](1-Introduction/02-ethics/README.md) | [Нития](https://twitter.com/nitya) | | 03 | Определение данных | [Введение](1-Introduction/README.md) | Как классифицируются данные и их основные источники. | [урок](1-Introduction/03-defining-data/README.md) | [Жасмин](https://www.twitter.com/paladique) | -| 04 | Введение в статистику и теорию вероятностей | [Введение](1-Introduction/README.md) | Математические методы теории вероятностей и статистики для анализа данных. | [урок](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитрий](http://soshnikov.com) | -| 05 | Работа с реляционными данными | [Работа с данными](2-Working-With-Data/README.md) | Введение в реляционные данные и основы их анализа с использованием языка SQL (произносится как "си-квел"). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Кристофер](https://www.twitter.com/geektrainer) | | | -| 06 | Работа с NoSQL данными | [Работа с данными](2-Working-With-Data/README.md) | Введение в нереляционные данные, их различные типы и основы анализа документных баз данных. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Жасмин](https://twitter.com/paladique)| -| 07 | Работа с Python | [Работа с данными](2-Working-With-Data/README.md) | Основы использования Python для анализа данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Дмитрий](http://soshnikov.com) | +| 04 | Введение в статистику и вероятность | [Введение](1-Introduction/README.md) | Математические методы вероятности и статистики для понимания данных. | [урок](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитрий](http://soshnikov.com) | +| 05 | Работа с реляционными данными | [Работа с данными](2-Working-With-Data/README.md) | Введение в реляционные данные и основы их исследования и анализа с использованием языка SQL (произносится как "си-квел"). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Кристофер](https://www.twitter.com/geektrainer) | | | +| 06 | Работа с данными NoSQL | [Работа с данными](2-Working-With-Data/README.md) | Введение в нереляционные данные, их различные типы и основы исследования и анализа документных баз данных. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Жасмин](https://twitter.com/paladique)| +| 07 | Работа с Python | [Работа с данными](2-Working-With-Data/README.md) | Основы использования Python для исследования данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Дмитрий](http://soshnikov.com) | | 08 | Подготовка данных | [Работа с данными](2-Working-With-Data/README.md) | Темы о методах очистки и преобразования данных для решения проблем, связанных с отсутствующими, неточными или неполными данными. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Жасмин](https://www.twitter.com/paladique) | | 09 | Визуализация количеств | [Визуализация данных](3-Data-Visualization/README.md) | Узнайте, как использовать Matplotlib для визуализации данных о птицах 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) | | 10 | Визуализация распределений данных | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация наблюдений и тенденций в интервале. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) | -| 11 | Визуализация пропорций | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация дискретных и групповых процентов. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Джен](https://twitter.com/jenlooper) | +| 11 | Визуализация пропорций | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация дискретных и сгруппированных процентов. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Джен](https://twitter.com/jenlooper) | | 12 | Визуализация взаимосвязей | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация связей и корреляций между наборами данных и их переменными. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Джен](https://twitter.com/jenlooper) | -| 13 | Значимые визуализации | [Визуализация данных](3-Data-Visualization/README.md) | Методы и рекомендации для создания визуализаций, которые помогают эффективно решать задачи и получать инсайты. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) | -| 14 | Введение в жизненный цикл науки о данных | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Введение в жизненный цикл науки о данных и его первый этап — сбор и извлечение данных. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Жасмин](https://twitter.com/paladique) | -| 15 | Анализ | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Этот этап жизненного цикла науки о данных посвящён методам анализа данных. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Жасмин](https://twitter.com/paladique) | | | -| 16 | Коммуникация | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Этот этап жизненного цикла науки о данных посвящён представлению инсайтов из данных таким образом, чтобы они были понятны лицам, принимающим решения. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джейлен](https://twitter.com/JalenMcG) | | | -| 17 | Наука о данных в облаке | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Серия уроков, посвящённая науке о данных в облаке и её преимуществам. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | -| 18 | Наука о данных в облаке | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Обучение моделей с использованием инструментов Low Code. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | -| 19 | Наука о данных в облаке | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Развёртывание моделей с помощью Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | -| 20 | Наука о данных в реальном мире | [В реальном мире](6-Data-Science-In-Wild/README.md) | Проекты, основанные на науке о данных, в реальных условиях. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нития](https://twitter.com/nitya) | +| 13 | Значимые визуализации | [Визуализация данных](3-Data-Visualization/README.md) | Методы и рекомендации для создания визуализаций, полезных для эффективного решения проблем и получения инсайтов. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) | +| 14 | Введение в жизненный цикл Data Science | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Введение в жизненный цикл Data Science и его первый этап — получение и извлечение данных. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Жасмин](https://twitter.com/paladique) | +| 15 | Анализ | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Этот этап жизненного цикла Data Science посвящен методам анализа данных. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Жасмин](https://twitter.com/paladique) | | | +| 16 | Коммуникация | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Этот этап жизненного цикла Data Science посвящен представлению инсайтов из данных таким образом, чтобы облегчить их понимание для лиц, принимающих решения. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джейлен](https://twitter.com/JalenMcG) | | | +| 17 | Data Science в облаке | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Эта серия уроков вводит в Data Science в облаке и его преимущества. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | +| 18 | Data Science в облаке | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Обучение моделей с использованием инструментов Low Code. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | +| 19 | Data Science в облаке | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Развертывание моделей с помощью Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | +| 20 | Data Science в реальном мире | [В реальном мире](6-Data-Science-In-Wild/README.md) | Проекты, основанные на Data Science, в реальной жизни. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нития](https://twitter.com/nitya) | ## GitHub Codespaces @@ -115,40 +131,40 @@ Azure Cloud Advocates в Microsoft рады предложить 10-недель Для получения дополнительной информации ознакомьтесь с [документацией GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Следуйте этим шагам, чтобы открыть этот репозиторий в контейнере с использованием вашего локального компьютера и VSCode с расширением VS Code Remote - Containers: +Следуйте этим шагам, чтобы открыть этот репозиторий в контейнере, используя ваш локальный компьютер и VSCode с расширением VS Code Remote - Containers: -1. Если вы впервые используете контейнер для разработки, убедитесь, что ваша система соответствует требованиям (например, установлен Docker), указанным в [документации по началу работы](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Если вы впервые используете контейнер для разработки, убедитесь, что ваша система соответствует предварительным требованиям (например, установлен Docker), указанным в [документации по началу работы](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Чтобы использовать этот репозиторий, вы можете либо открыть его в изолированном Docker-объёме: +Чтобы использовать этот репозиторий, вы можете либо открыть его в изолированном Docker-объеме: -**Примечание**: Внутри будет использоваться команда Remote-Containers: **Clone Repository in Container Volume...** для клонирования исходного кода в Docker-объём вместо локальной файловой системы. [Объёмы](https://docs.docker.com/storage/volumes/) являются предпочтительным механизмом для сохранения данных контейнера. +**Примечание**: Внутри будет использоваться команда Remote-Containers: **Clone Repository in Container Volume...** для клонирования исходного кода в Docker-объем вместо локальной файловой системы. [Объемы](https://docs.docker.com/storage/volumes/) являются предпочтительным механизмом для сохранения данных контейнера. Или открыть локально клонированную или загруженную версию репозитория: - Клонируйте этот репозиторий на вашу локальную файловую систему. - Нажмите F1 и выберите команду **Remote-Containers: Open Folder in Container...**. -- Выберите клонированную копию этой папки, дождитесь запуска контейнера и начните работу. +- Выберите клонированную копию этой папки, дождитесь запуска контейнера и попробуйте. ## Оффлайн-доступ -Вы можете запустить эту документацию оффлайн, используя [Docsify](https://docsify.js.org/#/). Форкните этот репозиторий, [установите Docsify](https://docsify.js.org/#/quickstart) на вашем локальном компьютере, затем в корневой папке этого репозитория введите `docsify serve`. Веб-сайт будет доступен на порту 3000 вашего localhost: `localhost:3000`. +Вы можете запустить эту документацию оффлайн, используя [Docsify](https://docsify.js.org/#/). Форкните этот репозиторий, [установите Docsify](https://docsify.js.org/#/quickstart) на ваш локальный компьютер, затем в корневой папке этого репозитория введите `docsify serve`. Веб-сайт будет доступен на порту 3000 вашего localhost: `localhost:3000`. -> Примечание: блокноты не будут отображаться через Docsify, поэтому, если вам нужно запустить блокнот, сделайте это отдельно в VS Code с использованием Python-ядра. +> Примечание: блокноты не будут отображаться через Docsify, поэтому, если вам нужно запустить блокнот, сделайте это отдельно в VS Code, используя Python-ядро. -## Другие учебные материалы +## Другие учебные программы -Наша команда создаёт другие учебные материалы! Ознакомьтесь с: +Наша команда создает другие учебные программы! Ознакомьтесь: - [Edge AI для начинающих](https://aka.ms/edgeai-for-beginners) -- [AI-агенты для начинающих](https://aka.ms/ai-agents-beginners) +- [AI Agents для начинающих](https://aka.ms/ai-agents-beginners) - [Генеративный AI для начинающих](https://aka.ms/genai-beginners) - [Генеративный AI для начинающих .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Генеративный AI с JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Генеративный AI с Java](https://aka.ms/genaijava) - [AI для начинающих](https://aka.ms/ai-beginners) -- [Наука о данных для начинающих](https://aka.ms/datascience-beginners) +- [Data Science для начинающих](https://aka.ms/datascience-beginners) - [Bash для начинающих](https://github.com/microsoft/bash-for-beginners) -- [Машинное обучение для начинающих](https://aka.ms/ml-beginners) +- [ML для начинающих](https://aka.ms/ml-beginners) - [Кибербезопасность для начинающих](https://github.com/microsoft/Security-101) - [Веб-разработка для начинающих](https://aka.ms/webdev-beginners) - [IoT для начинающих](https://aka.ms/iot-beginners) @@ -157,17 +173,16 @@ Azure Cloud Advocates в Microsoft рады предложить 10-недель - [Мастерство GitHub Copilot для парного программирования с AI](https://aka.ms/GitHubCopilotAI) - [XR-разработка для начинающих](https://github.com/microsoft/xr-development-for-beginners) - [Мастерство GitHub Copilot для разработчиков C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Выбери своё приключение с Copilot](https://github.com/microsoft/CopilotAdventures) +- [Выберите свое приключение с Copilot](https://github.com/microsoft/CopilotAdventures) ## Получение помощи -Если вы столкнулись с трудностями или у вас есть вопросы о создании приложений с AI, присоединяйтесь: +Если вы застряли или у вас есть вопросы о создании AI-приложений, присоединяйтесь: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Если у вас есть отзывы о продукте или ошибки при разработке, посетите: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Если у вас есть отзывы о продукте или ошибки при создании, посетите: +[![Форум разработчиков Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/ru/examples/README.md b/translations/ru/examples/README.md new file mode 100644 index 00000000..ab37bec4 --- /dev/null +++ b/translations/ru/examples/README.md @@ -0,0 +1,145 @@ + +# Примеры для начинающих в области Data Science + +Добро пожаловать в каталог примеров! Эта коллекция простых, хорошо прокомментированных примеров создана, чтобы помочь вам начать изучение Data Science, даже если вы полный новичок. + +## 📚 Что вы найдете здесь + +Каждый пример является самостоятельным и включает: +- **Понятные комментарии**, объясняющие каждый шаг +- **Простой и читаемый код**, демонстрирующий одну концепцию за раз +- **Контекст из реальной жизни**, чтобы вы понимали, когда и почему использовать эти методы +- **Ожидаемый результат**, чтобы вы знали, на что обратить внимание + +## 🚀 С чего начать + +### Предварительные требования +Перед запуском примеров убедитесь, что у вас: +- Установлен Python версии 3.7 или выше +- Есть базовое понимание того, как запускать Python-скрипты + +### Установка необходимых библиотек +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Обзор примеров + +### 1. Hello World в стиле Data Science +**Файл:** `01_hello_world_data_science.py` + +Ваш первая программа в Data Science! Вы научитесь: +- Загружать простой набор данных +- Отображать базовую информацию о данных +- Выводить ваш первый результат в Data Science + +Идеально подходит для абсолютных новичков, которые хотят увидеть свою первую программу в действии. + +--- + +### 2. Загрузка и исследование данных +**Файл:** `02_loading_data.py` + +Изучите основы работы с данными: +- Чтение данных из CSV-файлов +- Просмотр первых строк набора данных +- Получение базовой статистики о данных +- Понимание типов данных + +Это часто первый шаг в любом проекте Data Science! + +--- + +### 3. Простая аналитика данных +**Файл:** `03_simple_analysis.py` + +Выполните свой первый анализ данных: +- Рассчитайте базовые статистики (среднее, медиана, мода) +- Найдите максимальные и минимальные значения +- Подсчитайте количество вхождений значений +- Отфильтруйте данные по условиям + +Узнайте, как отвечать на простые вопросы о ваших данных. + +--- + +### 4. Основы визуализации данных +**Файл:** `04_basic_visualization.py` + +Создайте свои первые визуализации: +- Постройте простой столбчатый график +- Создайте линейный график +- Сгенерируйте круговую диаграмму +- Сохраните визуализации как изображения + +Научитесь визуально представлять свои выводы! + +--- + +### 5. Работа с реальными данными +**Файл:** `05_real_world_example.py` + +Соберите всё вместе в полном примере: +- Загрузите реальные данные из репозитория +- Очистите и подготовьте данные +- Проведите анализ +- Создайте значимые визуализации +- Сделайте выводы + +Этот пример демонстрирует полный рабочий процесс от начала до конца. + +--- + +## 🎯 Как использовать эти примеры + +1. **Начните с самого начала**: Примеры пронумерованы в порядке возрастания сложности. Начните с `01_hello_world_data_science.py` и двигайтесь дальше. +2. **Читайте комментарии**: Каждый файл содержит подробные комментарии, объясняющие, что делает код и почему. Читайте их внимательно! +3. **Экспериментируйте**: Попробуйте изменить код. Что произойдет, если вы измените значение? Ломайте и исправляйте - так вы научитесь! +4. **Запускайте код**: Выполняйте каждый пример и наблюдайте за результатом. Сравнивайте его с ожидаемым. +5. **Развивайте идеи**: Как только вы поймете пример, попробуйте расширить его своими идеями. + +## 💡 Советы для начинающих + +- **Не торопитесь**: Уделяйте время на понимание каждого примера перед переходом к следующему +- **Печатайте код сами**: Не просто копируйте и вставляйте. Печать помогает лучше запомнить материал +- **Изучайте незнакомые концепции**: Если вы видите что-то непонятное, ищите информацию в интернете или в основных уроках +- **Задавайте вопросы**: Присоединяйтесь к [форуму обсуждений](https://github.com/microsoft/Data-Science-For-Beginners/discussions), если вам нужна помощь +- **Практикуйтесь регулярно**: Старайтесь кодить понемногу каждый день, а не устраивать длинные сессии раз в неделю + +## 🔗 Следующие шаги + +После завершения этих примеров вы готовы: +- Пройти основные уроки курса +- Выполнить задания в каждой папке с уроками +- Изучить Jupyter-ноутбуки для более глубокого погружения +- Создать свои собственные проекты в области Data Science + +## 📚 Дополнительные ресурсы + +- [Основной курс](../README.md) - Полный курс из 20 уроков +- [Для преподавателей](../for-teachers.md) - Использование этого курса в классе +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Бесплатные онлайн-ресурсы для обучения +- [Документация Python](https://docs.python.org/3/) - Официальная справка по Python + +## 🤝 Участие в проекте + +Нашли ошибку или есть идея для нового примера? Мы приветствуем ваш вклад! Пожалуйста, ознакомьтесь с [руководством по участию](../CONTRIBUTING.md). + +--- + +**Удачи в обучении! 🎉** + +Помните: каждый эксперт когда-то был новичком. Двигайтесь шаг за шагом и не бойтесь ошибок - они часть процесса обучения! + +--- + +**Отказ от ответственности**: +Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода. \ No newline at end of file diff --git a/translations/sk/README.md b/translations/sk/README.md index 7517402c..348d092b 100644 --- a/translations/sk/README.md +++ b/translations/sk/README.md @@ -1,15 +1,31 @@ -# Data Science pre začiatočníkov - Učebné osnovy +# Data Science pre začiatočníkov - Učebný plán -Azure Cloud Advocates v Microsoft s radosťou ponúkajú 10-týždňový, 20-lekciový kurz o Data Science. Každá lekcia obsahuje kvízy pred a po lekcii, písomné pokyny na dokončenie lekcie, riešenie a úlohu. Náš projektovo orientovaný prístup vám umožní učiť sa prostredníctvom tvorby, čo je osvedčený spôsob, ako si nové zručnosti lepšie zapamätať. +[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) + +[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +Azure Cloud Advocates v Microsofte s radosťou ponúkajú 10-týždňový, 20-lekciový učebný plán zameraný na Data Science. Každá lekcia obsahuje kvízy pred a po lekcii, písomné pokyny na dokončenie lekcie, riešenie a úlohu. Náš projektovo orientovaný prístup vám umožní učiť sa prostredníctvom tvorby, čo je osvedčený spôsob, ako si nové zručnosti lepšie zapamätať. **Veľká vďaka našim autorom:** [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). @@ -22,16 +38,16 @@ Azure Cloud Advocates v Microsoft s radosťou ponúkajú 10-týždňový, 20-lek ### 🌐 Podpora viacerých jazykov -#### Podporované prostredníctvom GitHub Action (Automatizované a vždy aktuálne) +#### Podporované prostredníctvom GitHub Action (automatizované a vždy aktuálne) -[Francúzština](../fr/README.md) | [Španielčina](../es/README.md) | [Nemčina](../de/README.md) | [Ruština](../ru/README.md) | [Arabčina](../ar/README.md) | [Perzština (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Čínština (zjednodušená)](../zh/README.md) | [Čínština (tradičná, Macao)](../mo/README.md) | [Čínština (tradičná, Hongkong)](../hk/README.md) | [Čínština (tradičná, Taiwan)](../tw/README.md) | [Japončina](../ja/README.md) | [Kórejčina](../ko/README.md) | [Hindčina](../hi/README.md) | [Bengálčina](../bn/README.md) | [Maráthčina](../mr/README.md) | [Nepálčina](../ne/README.md) | [Pandžábčina (Gurmukhi)](../pa/README.md) | [Portugalčina (Portugalsko)](../pt/README.md) | [Portugalčina (Brazília)](../br/README.md) | [Taliančina](../it/README.md) | [Poľština](../pl/README.md) | [Turečtina](../tr/README.md) | [Gréčtina](../el/README.md) | [Thajčina](../th/README.md) | [Švédčina](../sv/README.md) | [Dánčina](../da/README.md) | [Nórčina](../no/README.md) | [Fínčina](../fi/README.md) | [Holandčina](../nl/README.md) | [Hebrejčina](../he/README.md) | [Vietnamčina](../vi/README.md) | [Indonézština](../id/README.md) | [Malajčina](../ms/README.md) | [Tagalog (Filipíny)](../tl/README.md) | [Swahilčina](../sw/README.md) | [Maďarčina](../hu/README.md) | [Čeština](../cs/README.md) | [Slovenčina](./README.md) | [Rumunčina](../ro/README.md) | [Bulharčina](../bg/README.md) | [Srbčina (cyrilika)](../sr/README.md) | [Chorvátčina](../hr/README.md) | [Slovinčina](../sl/README.md) | [Ukrajinčina](../uk/README.md) | [Barmčina (Mjanmarsko)](../my/README.md) +[Francúzština](../fr/README.md) | [Španielčina](../es/README.md) | [Nemčina](../de/README.md) | [Ruština](../ru/README.md) | [Arabčina](../ar/README.md) | [Perzština (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Čínština (zjednodušená)](../zh/README.md) | [Čínština (tradičná, Macao)](../mo/README.md) | [Čínština (tradičná, Hongkong)](../hk/README.md) | [Čínština (tradičná, Taiwan)](../tw/README.md) | [Japončina](../ja/README.md) | [Kórejčina](../ko/README.md) | [Hindčina](../hi/README.md) | [Bengálčina](../bn/README.md) | [Maráthčina](../mr/README.md) | [Nepálčina](../ne/README.md) | [Pandžábčina (Gurmukhi)](../pa/README.md) | [Portugalčina (Portugalsko)](../pt/README.md) | [Portugalčina (Brazília)](../br/README.md) | [Taliančina](../it/README.md) | [Poľština](../pl/README.md) | [Turečtina](../tr/README.md) | [Gréčtina](../el/README.md) | [Thajčina](../th/README.md) | [Švédčina](../sv/README.md) | [Dánčina](../da/README.md) | [Nórčina](../no/README.md) | [Fínčina](../fi/README.md) | [Holandčina](../nl/README.md) | [Hebrejčina](../he/README.md) | [Vietnamčina](../vi/README.md) | [Indonézština](../id/README.md) | [Malajčina](../ms/README.md) | [Tagalog (Filipínčina)](../tl/README.md) | [Swahilčina](../sw/README.md) | [Maďarčina](../hu/README.md) | [Čeština](../cs/README.md) | [Slovenčina](./README.md) | [Rumunčina](../ro/README.md) | [Bulharčina](../bg/README.md) | [Srbčina (cyrilika)](../sr/README.md) | [Chorvátčina](../hr/README.md) | [Slovinčina](../sl/README.md) | [Ukrajinčina](../uk/README.md) | [Barmčina (Myanmar)](../my/README.md) **Ak si želáte podporu ďalších jazykov, zoznam podporovaných jazykov nájdete [tu](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Pripojte sa k našej komunite [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojte sa k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science. +Máme prebiehajúcu sériu "Learn with AI" na Discorde, dozviete sa viac a pripojte sa k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. septembra 2025. Získate tipy a triky na používanie GitHub Copilot pre Data Science. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.sk.jpg) @@ -39,14 +55,16 @@ Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojt Začnite s nasledujúcimi zdrojmi: -- [Stránka Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na tejto stránke nájdete zdroje pre začiatočníkov, študentské balíčky a dokonca aj spôsoby, ako získať poukaz na certifikát zadarmo. Táto stránka je ideálna na uloženie do záložiek a pravidelné kontrolovanie, pretože obsah meníme minimálne raz mesačne. +- [Stránka Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na tejto stránke nájdete zdroje pre začiatočníkov, študentské balíčky a dokonca aj spôsoby, ako získať bezplatný certifikát. Toto je stránka, ktorú si chcete uložiť a pravidelne kontrolovať, pretože obsah meníme aspoň raz mesačne. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Pripojte sa k globálnej komunite študentských ambasádorov, toto môže byť vaša cesta do Microsoftu. # Začíname -> **Učitelia**: [pridali sme niekoľko návrhov](for-teachers.md) na použitie týchto učebných osnov. Radi by sme získali vašu spätnú väzbu [v našom diskusnom fóre](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Úplní začiatočníci**: Noví v oblasti Data Science? Začnite s našimi [príkladmi pre začiatočníkov](examples/README.md)! Tieto jednoduché, dobre komentované príklady vám pomôžu pochopiť základy predtým, než sa pustíte do celého učebného plánu. + +> **Učitelia**: zahrnuli sme [niekoľko návrhov](for-teachers.md), ako používať tento učebný plán. Radi by sme počuli vašu spätnú väzbu [v našom diskusnom fóre](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Študenti](https://aka.ms/student-page)**: ak chcete používať tieto učebné osnovy samostatne, vytvorte si vlastnú kópiu celého repozitára a dokončite cvičenia sami, začnite kvízom pred lekciou. Potom si prečítajte lekciu a dokončite zvyšok aktivít. Pokúste sa vytvoriť projekty pochopením lekcií namiesto kopírovania kódu riešenia; tento kód je však dostupný v priečinkoch /solutions v každej lekcii zameranej na projekt. Ďalším nápadom by bolo vytvoriť študijnú skupinu s priateľmi a prejsť obsah spolu. Pre ďalšie štúdium odporúčame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Študenti](https://aka.ms/student-page)**: ak chcete tento učebný plán používať samostatne, vytvorte si vlastnú kópiu celého repozitára a dokončite cvičenia sami, začnite kvízom pred lekciou. Potom si prečítajte lekciu a dokončite zvyšné aktivity. Pokúste sa vytvárať projekty pochopením lekcií namiesto kopírovania riešenia kódu; tento kód je však dostupný v priečinkoch /solutions v každej projektovo orientovanej lekcii. Ďalším nápadom by mohlo byť vytvorenie študijnej skupiny s priateľmi a prejsť obsah spoločne. Pre ďalšie štúdium odporúčame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Spoznajte tím @@ -58,68 +76,82 @@ Začnite s nasledujúcimi zdrojmi: ## Pedagogika -Pri tvorbe týchto učebných osnov sme si zvolili dva pedagogické princípy: zabezpečiť, aby boli projektovo orientované a aby obsahovali časté kvízy. Na konci tejto série sa študenti naučia základné princípy data science, vrátane etických konceptov, prípravy dát, rôznych spôsobov práce s dátami, vizualizácie dát, analýzy dát, reálnych prípadov použitia data science a ďalších. +Pri tvorbe tohto učebného plánu sme sa rozhodli pre dva pedagogické princípy: zabezpečiť, aby bol projektovo orientovaný a aby obsahoval časté kvízy. Na konci tejto série sa študenti naučia základné princípy Data Science, vrátane etických konceptov, prípravy dát, rôznych spôsobov práce s dátami, vizualizácie dát, analýzy dát, reálnych prípadov použitia Data Science a ďalších. -Okrem toho, kvíz s nízkym rizikom pred hodinou nastaví úmysel študenta na učenie sa témy, zatiaľ čo druhý kvíz po hodine zabezpečí lepšie zapamätanie. Tieto učebné osnovy boli navrhnuté tak, aby boli flexibilné a zábavné, a môžu byť absolvované celé alebo čiastočne. Projekty začínajú malé a postupne sa stávajú zložitejšími na konci 10-týždňového cyklu. +Okrem toho, kvíz s nízkym rizikom pred hodinou nastaví študentovu pozornosť na učenie sa témy, zatiaľ čo druhý kvíz po hodine zabezpečí lepšie zapamätanie. Tento učebný plán bol navrhnutý tak, aby bol flexibilný a zábavný, a môže byť absolvovaný celý alebo len jeho časti. Projekty začínajú malé a postupne sa stávajú zložitejšími na konci 10-týždňového cyklu. -> Nájdite náš [Kódex správania](CODE_OF_CONDUCT.md), [Prispievanie](CONTRIBUTING.md), [Preklad](TRANSLATIONS.md) pokyny. Uvítame vašu konštruktívnu spätnú väzbu! +> Nájdite náš [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) pokyny. Uvítame vašu konštruktívnu spätnú väzbu! ## Každá lekcia obsahuje: - Voliteľný sketchnote - Voliteľné doplnkové video -- Kvíz na zahriatie pred lekciou +- Kvíz na rozohriatie pred lekciou - Písomnú lekciu -- Pre lekcie zamerané na projekt, podrobné pokyny, ako projekt vytvoriť +- Pre projektovo orientované lekcie, podrobné návody na vytvorenie projektu - Kontroly vedomostí - Výzvu - Doplnkové čítanie - Úlohu - [Kvíz po lekcii](https://ff-quizzes.netlify.app/en/) +> **Poznámka k kvízom**: Všetky kvízy sa nachádzajú v priečinku Quiz-App, celkovo 40 kvízov, každý s tromi otázkami. Sú prepojené priamo z lekcií, ale aplikáciu kvízov je možné spustiť lokálne alebo nasadiť na Azure; postupujte podľa pokynov v priečinku `quiz-app`. Postupne sa lokalizujú. -> **Poznámka o kvízoch**: Všetky kvízy sú obsiahnuté v priečinku Quiz-App, celkovo 40 kvízov po tri otázky. Sú prepojené v rámci lekcií, ale aplikáciu kvízov je možné spustiť lokálne alebo nasadiť na Azure; postupujte podľa pokynov v priečinku `quiz-app`. Postupne sa lokalizujú. +## 🎓 Príklady pre začiatočníkov + +**Nový v oblasti dátovej vedy?** Vytvorili sme špeciálny [priečinok s príkladmi](examples/README.md) s jednoduchým, dobre okomentovaným kódom, ktorý vám pomôže začať: + +- 🌟 **Hello World** - Váš prvý program v dátovej vede +- 📂 **Načítanie dát** - Naučte sa čítať a skúmať datasety +- 📊 **Jednoduchá analýza** - Vypočítajte štatistiky a nájdite vzory +- 📈 **Základná vizualizácia** - Vytvárajte grafy a diagramy +- 🔬 **Projekt z reálneho sveta** - Kompletný pracovný postup od začiatku do konca + +Každý príklad obsahuje podrobné komentáre, ktoré vysvetľujú každý krok, čo je ideálne pre úplných začiatočníkov! + +👉 **[Začnite s príkladmi](examples/README.md)** 👈 ## Lekcie + |![ Sketchnote od @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.sk.png)| |:---:| -| Data Science pre začiatočníkov: Cestovná mapa - _Sketchnote od [@nitya](https://twitter.com/nitya)_ | +| Dátová veda pre začiatočníkov: Cestovná mapa - _Sketchnote od [@nitya](https://twitter.com/nitya)_ | | Číslo lekcie | Téma | Skupina lekcií | Ciele učenia | Prepojená lekcia | Autor | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definovanie Data Science | [Úvod](1-Introduction/README.md) | Naučte sa základné koncepty Data Science a ako súvisí s umelou inteligenciou, strojovým učením a veľkými dátami. | [lekcia](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Etika v Data Science | [Úvod](1-Introduction/README.md) | Koncepty etiky dát, výzvy a rámce. | [lekcia](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definovanie dát | [Úvod](1-Introduction/README.md) | Ako sú dáta klasifikované a ich bežné zdroje. | [lekcia](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 01 | Definovanie dátovej vedy | [Úvod](1-Introduction/README.md) | Naučte sa základné koncepty dátovej vedy a ako súvisí s umelou inteligenciou, strojovým učením a veľkými dátami. | [lekcia](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etika dátovej vedy | [Úvod](1-Introduction/README.md) | Koncepty etiky dát, výzvy a rámce. | [lekcia](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Definovanie dát | [Úvod](1-Introduction/README.md) | Ako sa dáta klasifikujú a ich bežné zdroje. | [lekcia](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Úvod do štatistiky a pravdepodobnosti | [Úvod](1-Introduction/README.md) | Matematické techniky pravdepodobnosti a štatistiky na pochopenie dát. | [lekcia](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | Práca s relačnými dátami | [Práca s dátami](2-Working-With-Data/README.md) | Úvod do relačných dát a základy skúmania a analýzy relačných dát pomocou Structured Query Language, známeho ako SQL (vyslovuje sa „si-kvel“). | [lekcia](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Práca s NoSQL dátami | [Práca s dátami](2-Working-With-Data/README.md) | Úvod do nerelačných dát, ich rôznych typov a základy skúmania a analýzy dokumentových databáz. | [lekcia](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Práca s Pythonom | [Práca s dátami](2-Working-With-Data/README.md) | Základy používania Pythonu na skúmanie dát s knižnicami ako Pandas. Odporúča sa základné pochopenie programovania v Pythone. | [lekcia](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | Príprava dát | [Práca s dátami](2-Working-With-Data/README.md) | Témy o technikách čistenia a transformácie dát na riešenie problémov s chýbajúcimi, nepresnými alebo neúplnými dátami. | [lekcia](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Vizualizácia množstiev | [Vizualizácia dát](3-Data-Visualization/README.md) | Naučte sa používať Matplotlib na vizualizáciu dát o vtákoch 🦆 | [lekcia](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Vizualizácia rozdelení dát | [Vizualizácia dát](3-Data-Visualization/README.md) | Vizualizácia pozorovaní a trendov v intervale. | [lekcia](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Vizualizácia distribúcií dát | [Vizualizácia dát](3-Data-Visualization/README.md) | Vizualizácia pozorovaní a trendov v rámci intervalu. | [lekcia](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Vizualizácia proporcií | [Vizualizácia dát](3-Data-Visualization/README.md) | Vizualizácia diskrétnych a skupinových percentuálnych podielov. | [lekcia](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Vizualizácia vzťahov | [Vizualizácia dát](3-Data-Visualization/README.md) | Vizualizácia spojení a korelácií medzi súbormi dát a ich premennými. | [lekcia](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | Zmysluplné vizualizácie | [Vizualizácia dát](3-Data-Visualization/README.md) | Techniky a odporúčania na vytváranie vizualizácií, ktoré sú hodnotné pre efektívne riešenie problémov a získavanie poznatkov. | [lekcia](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Úvod do životného cyklu Data Science | [Životný cyklus](4-Data-Science-Lifecycle/README.md) | Úvod do životného cyklu Data Science a jeho prvého kroku získavania a extrakcie dát. | [lekcia](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analýza | [Životný cyklus](4-Data-Science-Lifecycle/README.md) | Táto fáza životného cyklu Data Science sa zameriava na techniky analýzy dát. | [lekcia](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Komunikácia | [Životný cyklus](4-Data-Science-Lifecycle/README.md) | Táto fáza životného cyklu Data Science sa zameriava na prezentáciu poznatkov z dát spôsobom, ktorý uľahčuje ich pochopenie pre rozhodovateľov. | [lekcia](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science v cloude | [Cloudové dáta](5-Data-Science-In-Cloud/README.md) | Táto séria lekcií predstavuje Data Science v cloude a jeho výhody. | [lekcia](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science v cloude | [Cloudové dáta](5-Data-Science-In-Cloud/README.md) | Trénovanie modelov pomocou nástrojov Low Code. |[lekcia](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science v cloude | [Cloudové dáta](5-Data-Science-In-Cloud/README.md) | Nasadzovanie modelov pomocou Azure Machine Learning Studio. | [lekcia](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science v praxi | [V praxi](6-Data-Science-In-Wild/README.md) | Projekty riadené Data Science v reálnom svete. | [lekcia](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 14 | Úvod do životného cyklu dátovej vedy | [Životný cyklus](4-Data-Science-Lifecycle/README.md) | Úvod do životného cyklu dátovej vedy a jeho prvého kroku získavania a extrakcie dát. | [lekcia](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analýza | [Životný cyklus](4-Data-Science-Lifecycle/README.md) | Táto fáza životného cyklu dátovej vedy sa zameriava na techniky analýzy dát. | [lekcia](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Komunikácia | [Životný cyklus](4-Data-Science-Lifecycle/README.md) | Táto fáza životného cyklu dátovej vedy sa zameriava na prezentáciu poznatkov z dát spôsobom, ktorý uľahčuje ich pochopenie pre rozhodovateľov. | [lekcia](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Dátová veda v cloude | [Cloudové dáta](5-Data-Science-In-Cloud/README.md) | Táto séria lekcií predstavuje dátovú vedu v cloude a jej výhody. | [lekcia](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | +| 18 | Dátová veda v cloude | [Cloudové dáta](5-Data-Science-In-Cloud/README.md) | Tréning modelov pomocou nástrojov s nízkym kódom. |[lekcia](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | +| 19 | Dátová veda v cloude | [Cloudové dáta](5-Data-Science-In-Cloud/README.md) | Nasadenie modelov pomocou Azure Machine Learning Studio. | [lekcia](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) | +| 20 | Dátová veda v reálnom svete | [V reálnom svete](6-Data-Science-In-Wild/README.md) | Projekty riadené dátovou vedou v reálnom svete. | [lekcia](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Postupujte podľa týchto krokov na otvorenie tejto ukážky v Codespace: 1. Kliknite na rozbaľovacie menu Code a vyberte možnosť Open with Codespaces. 2. Vyberte + New codespace v dolnej časti panela. -Viac informácií nájdete v [dokumentácii GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +Pre viac informácií si pozrite [dokumentáciu GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers Postupujte podľa týchto krokov na otvorenie tohto repozitára v kontajneri pomocou vášho lokálneho počítača a VSCode s rozšírením VS Code Remote - Containers: -1. Ak je to prvýkrát, čo používate vývojový kontajner, uistite sa, že váš systém spĺňa predpoklady (napr. máte nainštalovaný Docker) v [dokumentácii pre začiatok](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Ak je to prvýkrát, čo používate vývojový kontajner, uistite sa, že váš systém spĺňa predpoklady (napr. máte nainštalovaný Docker) uvedené v [dokumentácii pre začiatok](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Na použitie tohto repozitára ho môžete otvoriť buď v izolovanom Docker objeme: +Na použitie tohto repozitára môžete buď otvoriť repozitár v izolovanom Docker objeme: **Poznámka**: V zákulisí sa použije príkaz Remote-Containers: **Clone Repository in Container Volume...** na klonovanie zdrojového kódu do Docker objemu namiesto lokálneho súborového systému. [Objemy](https://docs.docker.com/storage/volumes/) sú preferovaným mechanizmom na uchovávanie dát kontajnera. @@ -127,17 +159,17 @@ Alebo otvorte lokálne klonovanú alebo stiahnutú verziu repozitára: - Klonujte tento repozitár do vášho lokálneho súborového systému. - Stlačte F1 a vyberte príkaz **Remote-Containers: Open Folder in Container...**. -- Vyberte klonovanú kópiu tohto priečinka, počkajte, kým sa kontajner spustí, a vyskúšajte veci. +- Vyberte klonovanú kópiu tohto priečinka, počkajte na spustenie kontajnera a vyskúšajte veci. ## Offline prístup -Túto dokumentáciu môžete spustiť offline pomocou [Docsify](https://docsify.js.org/#/). Forknite tento repozitár, [nainštalujte Docsify](https://docsify.js.org/#/quickstart) na váš lokálny počítač, potom v koreňovom priečinku tohto repozitára zadajte `docsify serve`. Webová stránka bude dostupná na porte 3000 na vašom localhost: `localhost:3000`. +Túto dokumentáciu môžete spustiť offline pomocou [Docsify](https://docsify.js.org/#/). Forknite tento repozitár, [nainštalujte Docsify](https://docsify.js.org/#/quickstart) na váš lokálny počítač, potom v koreňovom priečinku tohto repozitára zadajte `docsify serve`. Webová stránka bude dostupná na porte 3000 na vašom localhoste: `localhost:3000`. > Poznámka, notebooky nebudú renderované cez Docsify, takže keď potrebujete spustiť notebook, urobte to samostatne vo VS Code s bežiacim Python kernelom. ## Ďalšie učebné osnovy -Náš tím vytvára ďalšie učebné osnovy! Pozrite si: +Náš tím vytvára aj ďalšie učebné osnovy! Pozrite si: - [Edge AI pre začiatočníkov](https://aka.ms/edgeai-for-beginners) - [AI agenti pre začiatočníkov](https://aka.ms/ai-agents-beginners) @@ -146,7 +178,7 @@ Náš tím vytvára ďalšie učebné osnovy! Pozrite si: - [Generatívna AI s JavaScriptom](https://github.com/microsoft/generative-ai-with-javascript) - [Generatívna AI s Javou](https://aka.ms/genaijava) - [AI pre začiatočníkov](https://aka.ms/ai-beginners) -- [Data Science pre začiatočníkov](https://aka.ms/datascience-beginners) +- [Dátová veda pre začiatočníkov](https://aka.ms/datascience-beginners) - [Bash pre začiatočníkov](https://github.com/microsoft/bash-for-beginners) - [ML pre začiatočníkov](https://aka.ms/ml-beginners) - [Kybernetická bezpečnosť pre začiatočníkov](https://github.com/microsoft/Security-101) @@ -156,20 +188,19 @@ Náš tím vytvára ďalšie učebné osnovy! Pozrite si: - [XR vývoj pre začiatočníkov](https://aka.ms/xr-dev-for-beginners) - [Ovládnutie GitHub Copilot pre AI párové programovanie](https://aka.ms/GitHubCopilotAI) - [XR vývoj pre začiatočníkov](https://github.com/microsoft/xr-development-for-beginners) -- [Ovládnutie GitHub Copilot pre C#/.NET vývojárov](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Vyberte si vlastné Copilot dobrodružstvo](https://github.com/microsoft/CopilotAdventures) +- [Ovládnutie GitHub Copilot pre vývojárov C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Vyberte si vlastné dobrodružstvo s Copilotom](https://github.com/microsoft/CopilotAdventures) ## Získanie pomoci -Ak sa zaseknete alebo máte akékoľvek otázky o budovaní AI aplikácií, pripojte sa: +Ak sa zaseknete alebo máte akékoľvek otázky o budovaní AI aplikácií, pridajte sa: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Ak máte spätnú väzbu k produktu alebo chyby pri budovaní, navštívte: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Upozornenie**: -Tento dokument bol preložený pomocou služby AI prekladu [Co-op Translator](https://github.com/Azure/co-op-translator). Hoci sa snažíme o presnosť, prosím, uvedomte si, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nezodpovedáme za žiadne nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. \ No newline at end of file +Tento dokument bol preložený pomocou služby AI prekladu [Co-op Translator](https://github.com/Azure/co-op-translator). Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. \ No newline at end of file diff --git a/translations/sk/examples/README.md b/translations/sk/examples/README.md new file mode 100644 index 00000000..22060c9b --- /dev/null +++ b/translations/sk/examples/README.md @@ -0,0 +1,149 @@ + +# Príklady pre začiatočníkov v dátovej vede + +Vitajte v adresári s príkladmi! Táto kolekcia jednoduchých, dobre okomentovaných príkladov je navrhnutá tak, aby vám pomohla začať s dátovou vedou, aj keď ste úplný začiatočník. + +## 📚 Čo tu nájdete + +Každý príklad je samostatný a obsahuje: +- **Jasné komentáre** vysvetľujúce každý krok +- **Jednoduchý, čitateľný kód**, ktorý demonštruje jeden koncept naraz +- **Reálny kontext**, ktorý vám pomôže pochopiť, kedy a prečo používať tieto techniky +- **Očakávaný výstup**, aby ste vedeli, čo hľadať + +## 🚀 Začíname + +### Predpoklady +Pred spustením týchto príkladov sa uistite, že máte: +- Nainštalovaný Python 3.7 alebo vyšší +- Základné znalosti o tom, ako spúšťať Python skripty + +### Inštalácia potrebných knižníc +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Prehľad príkladov + +### 1. Hello World - štýl dátovej vedy +**Súbor:** `01_hello_world_data_science.py` + +Váš prvý program v dátovej vede! Naučíte sa: +- Načítať jednoduchý dataset +- Zobraziť základné informácie o vašich dátach +- Vytlačiť váš prvý výstup v dátovej vede + +Ideálne pre úplných začiatočníkov, ktorí chcú vidieť svoj prvý program v dátovej vede v akcii. + +--- + +### 2. Načítanie a skúmanie dát +**Súbor:** `02_loading_data.py` + +Naučte sa základy práce s dátami: +- Čítať dáta z CSV súborov +- Zobraziť prvých pár riadkov vášho datasetu +- Získať základné štatistiky o vašich dátach +- Pochopiť typy dát + +Toto je často prvý krok v každom projekte dátovej vedy! + +--- + +### 3. Jednoduchá analýza dát +**Súbor:** `03_simple_analysis.py` + +Vykonajte svoju prvú analýzu dát: +- Vypočítajte základné štatistiky (priemer, medián, mód) +- Nájdite maximálne a minimálne hodnoty +- Spočítajte výskyty hodnôt +- Filtrovanie dát na základe podmienok + +Zistite, ako odpovedať na jednoduché otázky o vašich dátach. + +--- + +### 4. Základy vizualizácie dát +**Súbor:** `04_basic_visualization.py` + +Vytvorte svoje prvé vizualizácie: +- Vytvorte jednoduchý stĺpcový graf +- Vytvorte čiarový graf +- Generujte koláčový graf +- Uložte svoje vizualizácie ako obrázky + +Naučte sa komunikovať svoje zistenia vizuálne! + +--- + +### 5. Práca s reálnymi dátami +**Súbor:** `05_real_world_example.py` + +Spojte všetko dohromady s kompletným príkladom: +- Načítajte reálne dáta z repozitára +- Vyčistite a pripravte dáta +- Vykonajte analýzu +- Vytvorte zmysluplné vizualizácie +- Vyvodzujte závery + +Tento príklad vám ukáže kompletný pracovný postup od začiatku do konca. + +--- + +## 🎯 Ako používať tieto príklady + +1. **Začnite od začiatku**: Príklady sú očíslované podľa náročnosti. Začnite s `01_hello_world_data_science.py` a postupujte ďalej. + +2. **Čítajte komentáre**: Každý súbor obsahuje podrobné komentáre vysvetľujúce, čo kód robí a prečo. Čítajte ich pozorne! + +3. **Experimentujte**: Skúste upraviť kód. Čo sa stane, ak zmeníte hodnotu? Rozbíjajte veci a opravujte ich - tak sa učíte! + +4. **Spúšťajte kód**: Spustite každý príklad a pozorujte výstup. Porovnajte ho s tým, čo ste očakávali. + +5. **Rozvíjajte ho**: Keď pochopíte príklad, skúste ho rozšíriť vlastnými nápadmi. + +## 💡 Tipy pre začiatočníkov + +- **Nesnažte sa ponáhľať**: Dajte si čas na pochopenie každého príkladu predtým, než prejdete na ďalší +- **Píšte kód sami**: Nekopírujte len. Písanie vám pomáha učiť sa a zapamätať si +- **Vyhľadávajte neznáme koncepty**: Ak narazíte na niečo, čomu nerozumiete, vyhľadajte to online alebo v hlavných lekciách +- **Pýtajte sa otázky**: Pripojte sa k [diskusnému fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions), ak potrebujete pomoc +- **Pravidelne cvičte**: Skúste kódovať trochu každý deň namiesto dlhých sedení raz za týždeň + +## 🔗 Ďalšie kroky + +Po dokončení týchto príkladov ste pripravení: +- Prejsť hlavné lekcie kurikula +- Skúsiť úlohy v každom adresári lekcií +- Preskúmať Jupyter notebooky pre hlbšie učenie +- Vytvoriť vlastné projekty dátovej vedy + +## 📚 Ďalšie zdroje + +- [Hlavné kurikulum](../README.md) - Kompletný 20-lekciový kurz +- [Pre učiteľov](../for-teachers.md) - Používanie tohto kurikula v triede +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Bezplatné online vzdelávacie zdroje +- [Python Dokumentácia](https://docs.python.org/3/) - Oficiálny Python referenčný materiál + +## 🤝 Prispievanie + +Našli ste chybu alebo máte nápad na nový príklad? Uvítame príspevky! Pozrite si náš [Príručku pre prispievateľov](../CONTRIBUTING.md). + +--- + +**Šťastné učenie! 🎉** + +Pamätajte: Každý expert bol kedysi začiatočníkom. Choďte krok za krokom a nebojte sa robiť chyby - sú súčasťou procesu učenia! + +--- + +**Upozornenie**: +Tento dokument bol preložený pomocou služby AI prekladu [Co-op Translator](https://github.com/Azure/co-op-translator). Hoci sa snažíme o presnosť, upozorňujeme, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. \ No newline at end of file diff --git a/translations/sl/README.md b/translations/sl/README.md index d46dc14a..83d93f2c 100644 --- a/translations/sl/README.md +++ b/translations/sl/README.md @@ -1,8 +1,8 @@ +# Primeri za začetnike v podatkovni znanosti + +Dobrodošli v imeniku primerov! Ta zbirka preprostih, dobro komentiranih primerov je zasnovana tako, da vam pomaga začeti s podatkovno znanostjo, tudi če ste popolni začetnik. + +## 📚 Kaj boste našli tukaj + +Vsak primer je samostojen in vključuje: +- **Jasne komentarje**, ki pojasnjujejo vsak korak +- **Preprosto, berljivo kodo**, ki prikazuje en koncept naenkrat +- **Kontekst iz resničnega sveta**, da boste razumeli, kdaj in zakaj uporabiti te tehnike +- **Pričakovani izhod**, da boste vedeli, kaj iskati + +## 🚀 Začetek + +### Predpogoji +Preden zaženete te primere, poskrbite, da imate: +- Nameščen Python 3.7 ali novejši +- Osnovno razumevanje, kako zagnati Python skripte + +### Namestitev potrebnih knjižnic +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Pregled primerov + +### 1. Hello World - Slog podatkovne znanosti +**Datoteka:** `01_hello_world_data_science.py` + +Vaš prvi program v podatkovni znanosti! Naučite se: +- Naložiti preprost nabor podatkov +- Prikazati osnovne informacije o vaših podatkih +- Natisniti vaš prvi izhod v podatkovni znanosti + +Odlično za popolne začetnike, ki želijo videti svoj prvi program v akciji. + +--- + +### 2. Nalaganje in raziskovanje podatkov +**Datoteka:** `02_loading_data.py` + +Naučite se osnov dela s podatki: +- Branje podatkov iz CSV datotek +- Ogled prvih nekaj vrstic vašega nabora podatkov +- Pridobivanje osnovnih statistik o vaših podatkih +- Razumevanje tipov podatkov + +To je pogosto prvi korak v vsakem projektu podatkovne znanosti! + +--- + +### 3. Preprosta analiza podatkov +**Datoteka:** `03_simple_analysis.py` + +Izvedite svojo prvo analizo podatkov: +- Izračun osnovnih statistik (povprečje, mediana, modus) +- Iskanje največjih in najmanjših vrednosti +- Štetje pojavitev vrednosti +- Filtriranje podatkov na podlagi pogojev + +Oglejte si, kako odgovoriti na preprosta vprašanja o vaših podatkih. + +--- + +### 4. Osnove vizualizacije podatkov +**Datoteka:** `04_basic_visualization.py` + +Ustvarite svoje prve vizualizacije: +- Naredite preprost stolpični diagram +- Ustvarite linijski graf +- Generirajte tortni diagram +- Shranite svoje vizualizacije kot slike + +Naučite se vizualno komunicirati svoje ugotovitve! + +--- + +### 5. Delo z resničnimi podatki +**Datoteka:** `05_real_world_example.py` + +Združite vse z popolnim primerom: +- Naložite resnične podatke iz repozitorija +- Očistite in pripravite podatke +- Izvedite analizo +- Ustvarite smiselne vizualizacije +- Izvedite zaključke + +Ta primer vam pokaže celoten potek dela od začetka do konca. + +--- + +## 🎯 Kako uporabljati te primere + +1. **Začnite na začetku**: Primeri so oštevilčeni glede na težavnost. Začnite z `01_hello_world_data_science.py` in nadaljujte po vrsti. + +2. **Preberite komentarje**: Vsaka datoteka ima podrobne komentarje, ki pojasnjujejo, kaj koda počne in zakaj. Preberite jih pozorno! + +3. **Eksperimentirajte**: Poskusite spreminjati kodo. Kaj se zgodi, če spremenite vrednost? Razbijte stvari in jih popravite - tako se učite! + +4. **Zaženite kodo**: Izvedite vsak primer in opazujte izhod. Primerjajte ga s pričakovanim. + +5. **Nadgradite**: Ko razumete primer, ga poskusite razširiti s svojimi idejami. + +## 💡 Nasveti za začetnike + +- **Ne hitite**: Vzemite si čas, da razumete vsak primer, preden preidete na naslednjega +- **Kodo vnesite sami**: Ne kopirajte in prilepite. Vnašanje pomaga pri učenju in pomnjenju +- **Raziskujte neznane koncepte**: Če vidite nekaj, česar ne razumete, poiščite informacije na spletu ali v glavnih lekcijah +- **Postavljajte vprašanja**: Pridružite se [diskusijskemu forumu](https://github.com/microsoft/Data-Science-For-Beginners/discussions), če potrebujete pomoč +- **Redno vadite**: Poskusite programirati malo vsak dan, namesto dolgih sej enkrat na teden + +## 🔗 Naslednji koraki + +Ko zaključite te primere, ste pripravljeni na: +- Delo skozi glavne lekcije kurikuluma +- Poskusite naloge v vsaki mapi z lekcijami +- Raziskovanje Jupyter zvezkov za bolj poglobljeno učenje +- Ustvarjanje svojih projektov v podatkovni znanosti + +## 📚 Dodatni viri + +- [Glavni kurikulum](../README.md) - Celoten 20-lekcijski tečaj +- [Za učitelje](../for-teachers.md) - Uporaba tega kurikuluma v učilnici +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Brezplačni spletni učni viri +- [Python dokumentacija](https://docs.python.org/3/) - Uradni Python referenčni priročnik + +## 🤝 Prispevanje + +Ste našli napako ali imate idejo za nov primer? Veseli bomo vaših prispevkov! Prosimo, preberite naš [Vodnik za prispevanje](../CONTRIBUTING.md). + +--- + +**Veselo učenje! 🎉** + +Zapomnite si: Vsak strokovnjak je bil nekoč začetnik. Korak za korakom, in ne bojte se delati napak - so del učnega procesa! + +--- + +**Izjava o omejitvi odgovornosti**: +Ta dokument je bil preveden z uporabo storitve za strojno prevajanje [Co-op Translator](https://github.com/Azure/co-op-translator). Čeprav si prizadevamo za natančnost, vas opozarjamo, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo strokovno človeško prevajanje. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda. \ No newline at end of file diff --git a/translations/sr/README.md b/translations/sr/README.md index b5032ca5..b1be3ae5 100644 --- a/translations/sr/README.md +++ b/translations/sr/README.md @@ -1,72 +1,57 @@ -# Увод у науку о подацима - Наставни план +# Наука о подацима за почетнике - Наставни план -[![Отвори у GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) - -[![GitHub лиценца](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub доприносиоци](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub проблеми](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub захтеви за промене](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![Добродошли захтеви за промене](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) - -[![GitHub пратиоци](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub форкови](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub звезде](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) - -[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -Azure Cloud Advocates у Microsoft-у са задовољством представљају наставни план од 10 недеља и 20 лекција о науци о подацима. Свака лекција укључује квизове пре и после лекције, писана упутства за завршетак лекције, решење и задатак. Наш приступ заснован на пројектима омогућава вам да учите кроз практичан рад, што је доказан начин да нове вештине остану у памћењу. +Azure Cloud Advocates у Microsoft-у са задовољством представљају наставни план од 10 недеља и 20 лекција посвећен науци о подацима. Свака лекција укључује квизове пре и после лекције, писана упутства за завршетак лекције, решење и задатак. Наш приступ заснован на пројектима омогућава вам да учите кроз практичан рад, што је доказан начин да нове вештине остану трајно усвојене. **Срдачна захвалност нашим ауторима:** [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). -**🙏 Посебна захвалност 🙏 нашим [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) ауторима, рецензентима и сарадницима,** посебно 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 Посебна захвалност 🙏 нашим [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) ауторима, рецензентима и сарадницима,** укључујући 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) -|![Скетч од @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.sr.png)| +|![Илустрација од @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.sr.png)| |:---:| -| Наука о подацима за почетнике - _Скетч од [@nitya](https://twitter.com/nitya)_ | +| Наука о подацима за почетнике - _Илустрација од [@nitya](https://twitter.com/nitya)_ | ### 🌐 Подршка за више језика #### Подржано преко GitHub Action (аутоматски и увек ажурирано) -[Француски](../fr/README.md) | [Шпански](../es/README.md) | [Немачки](../de/README.md) | [Руски](../ru/README.md) | [Арапски](../ar/README.md) | [Персијски (фарси)](../fa/README.md) | [Урду](../ur/README.md) | [Кинески (поједностављени)](../zh/README.md) | [Кинески (традиционални, Макао)](../mo/README.md) | [Кинески (традиционални, Хонг Конг)](../hk/README.md) | [Кинески (традиционални, Тајван)](../tw/README.md) | [Јапански](../ja/README.md) | [Корејски](../ko/README.md) | [Хинди](../hi/README.md) | [Бенгалски](../bn/README.md) | [Марати](../mr/README.md) | [Непалски](../ne/README.md) | [Пенџабски (Гурмуки)](../pa/README.md) | [Португалски (Португалија)](../pt/README.md) | [Португалски (Бразил)](../br/README.md) | [Италијански](../it/README.md) | [Пољски](../pl/README.md) | [Турски](../tr/README.md) | [Грчки](../el/README.md) | [Тајландски](../th/README.md) | [Шведски](../sv/README.md) | [Дански](../da/README.md) | [Норвешки](../no/README.md) | [Фински](../fi/README.md) | [Холандски](../nl/README.md) | [Хебрејски](../he/README.md) | [Вијетнамски](../vi/README.md) | [Индонежански](../id/README.md) | [Малајски](../ms/README.md) | [Тагалог (Филипински)](../tl/README.md) | [Свахили](../sw/README.md) | [Мађарски](../hu/README.md) | [Чешки](../cs/README.md) | [Словачки](../sk/README.md) | [Румунски](../ro/README.md) | [Бугарски](../bg/README.md) | [Српски (ћирилица)](./README.md) | [Хрватски](../hr/README.md) | [Словеначки](../sl/README.md) | [Украјински](../uk/README.md) | [Бурмански (Мјанмар)](../my/README.md) +[Француски](../fr/README.md) | [Шпански](../es/README.md) | [Немачки](../de/README.md) | [Руски](../ru/README.md) | [Арапски](../ar/README.md) | [Персијски (Фарси)](../fa/README.md) | [Урду](../ur/README.md) | [Кинески (поједностављени)](../zh/README.md) | [Кинески (традиционални, Макао)](../mo/README.md) | [Кинески (традиционални, Хонг Конг)](../hk/README.md) | [Кинески (традиционални, Тајван)](../tw/README.md) | [Јапански](../ja/README.md) | [Корејски](../ko/README.md) | [Хинди](../hi/README.md) | [Бенгалски](../bn/README.md) | [Марати](../mr/README.md) | [Непалски](../ne/README.md) | [Пенџабски (Гурмуки)](../pa/README.md) | [Португалски (Португалија)](../pt/README.md) | [Португалски (Бразил)](../br/README.md) | [Италијански](../it/README.md) | [Пољски](../pl/README.md) | [Турски](../tr/README.md) | [Грчки](../el/README.md) | [Тајландски](../th/README.md) | [Шведски](../sv/README.md) | [Дански](../da/README.md) | [Норвешки](../no/README.md) | [Фински](../fi/README.md) | [Холандски](../nl/README.md) | [Хебрејски](../he/README.md) | [Вијетнамски](../vi/README.md) | [Индонежански](../id/README.md) | [Малајски](../ms/README.md) | [Тагалог (Филипински)](../tl/README.md) | [Свахили](../sw/README.md) | [Мађарски](../hu/README.md) | [Чешки](../cs/README.md) | [Словачки](../sk/README.md) | [Румунски](../ro/README.md) | [Бугарски](../bg/README.md) | [Српски (Ћирилица)](./README.md) | [Хрватски](../hr/README.md) | [Словеначки](../sl/README.md) | [Украјински](../uk/README.md) | [Бурмански (Мјанмар)](../my/README.md) -**Ако желите да додате још језика, подржани језици су наведени [овде](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Ако желите да додате подршку за додатне језике, списак је доступан [овде](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Придружите се нашој заједници [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) Имамо серију учења са AI на Discord-у, сазнајте више и придружите нам се на [Learn with AI Series](https://aka.ms/learnwithai/discord) од 18. до 30. септембра 2025. Добићете савете и трикове за коришћење GitHub Copilot-а за науку о подацима. -![Learn with AI серија](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.sr.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.sr.jpg) # Да ли сте студент? Започните са следећим ресурсима: - [Студентска страница](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На овој страници ћете пронаћи ресурсе за почетнике, студентске пакете и чак начине да добијете бесплатан ваучер за сертификат. Ово је страница коју желите да обележите и повремено проверавате, јер садржај мењамо најмање једном месечно. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Придружите се глобалној заједници студентских амбасадора, ово би могао бити ваш пут у Microsoft. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Придружите се глобалној заједници студентских амбасадора, ово би могао бити ваш пут ка Microsoft-у. # Почетак +> **Потпуни почетници**: Нови сте у науци о подацима? Почните са нашим [примерима прилагођеним почетницима](examples/README.md)! Ови једноставни, добро коментарисани примери помоћи ће вам да разумете основе пре него што се упустите у комплетан наставни план. + > **Наставници**: укључили смо [неке предлоге](for-teachers.md) о томе како да користите овај наставни план. Волели бисмо да чујемо ваше повратне информације [у нашем форуму за дискусију](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Студенти](https://aka.ms/student-page)**: да бисте користили овај наставни план самостално, форкујте цео репозиторијум и завршите вежбе самостално, почевши од квиза пре предавања. Затим прочитајте предавање и завршите остале активности. Покушајте да креирате пројекте разумевањем лекција уместо копирања решења; међутим, тај код је доступан у /solutions фолдерима у свакој лекцији заснованој на пројекту. Друга идеја би била да формирате групу за учење са пријатељима и заједно пролазите кроз садржај. За даље учење, препоручујемо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Студенти](https://aka.ms/student-page)**: да бисте користили овај наставни план самостално, направите форк целог репозиторијума и завршите вежбе самостално, почевши од квиза пре предавања. Затим прочитајте предавање и завршите остале активности. Покушајте да креирате пројекте разумевањем лекција уместо копирања кода решења; међутим, тај код је доступан у /solutions фолдерима у свакој лекцији заснованој на пројектима. Друга идеја би била да формирате групу за учење са пријатељима и заједно прођете кроз садржај. За даље учење, препоручујемо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Упознајте тим -[![Промо видео](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Промо видео") +[![Промо видео](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif од** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) @@ -74,15 +59,15 @@ Azure Cloud Advocates у Microsoft-у са задовољством предст ## Педагошки приступ -Одабрали смо два педагошка принципа приликом креирања овог наставног плана: осигурање да је заснован на пројектима и да укључује честе квизове. До краја ове серије, студенти ће научити основне принципе науке о подацима, укључујући етичке концепте, припрему података, различите начине рада са подацима, визуализацију података, анализу података, примере из стварног света и још много тога. +Приликом креирања овог наставног плана изабрали смо два педагошка принципа: осигурање да је заснован на пројектима и да укључује честе квизове. До краја ове серије, студенти ће научити основне принципе науке о подацима, укључујући етичке концепте, припрему података, различите начине рада са подацима, визуализацију података, анализу података, стварне примере примене науке о подацима и још много тога. Поред тога, квиз са ниским ризиком пре часа поставља намеру студента ка учењу теме, док други квиз након часа осигурава даље задржавање знања. Овај наставни план је дизајниран да буде флексибилан и забаван и може се узети у целини или делимично. Пројекти почињу малим и постају све сложенији до краја циклуса од 10 недеља. -> Пронађите наш [Кодекс понашања](CODE_OF_CONDUCT.md), [Упутства за допринос](CONTRIBUTING.md), [Упутства за превод](TRANSLATIONS.md). Добродошли су ваши конструктивни коментари! +> Пронађите наш [Кодекс понашања](CODE_OF_CONDUCT.md), [Упутства за допринос](CONTRIBUTING.md), [Упутства за превод](TRANSLATIONS.md). Добродошли сте да нам доставите конструктивне повратне информације! ## Свака лекција укључује: -- Опциони скетч +- Опциона илустрација - Опциони допунски видео - Квиз за загревање пре лекције - Писана лекција @@ -92,64 +77,78 @@ Azure Cloud Advocates у Microsoft-у са задовољством предст - Допунско читање - Задатак - [Квиз након лекције](https://ff-quizzes.netlify.app/en/) +> **Напомена о квизовима**: Сви квизови се налазе у фасцикли Quiz-App, укупно 40 квизова са по три питања. Они су повезани унутар лекција, али апликација за квизове може се покренути локално или распоредити на Azure; пратите упутства у фасцикли `quiz-app`. Постепено се локализују. -> **Напомена о квизовима**: Сви квизови се налазе у фолдеру Quiz-App, укупно 40 квизова са по три питања. Линковани су из лекција, али апликација за квиз може се покренути локално или поставити на Azure; пратите упутства у фолдеру `quiz-app`. Постепено се локализују. +## 🎓 Примери за почетнике + +**Нови сте у науци о подацима?** Направили смо посебан [директоријум са примерима](examples/README.md) са једноставним, добро коментарисаним кодом који ће вам помоћи да почнете: + +- 🌟 **Hello World** - Ваш први програм у науци о подацима +- 📂 **Учитавање података** - Научите како да читате и истражујете скупове података +- 📊 **Једноставна анализа** - Израчунајте статистике и пронађите обрасце +- 📈 **Основна визуализација** - Направите графиконе и дијаграме +- 🔬 **Пројекат из стварног света** - Комплетан ток рада од почетка до краја + +Сваки пример садржи детаљне коментаре који објашњавају сваки корак, што их чини савршеним за апсолутне почетнике! + +👉 **[Почните са примерима](examples/README.md)** 👈 ## Лекције -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.sr.png)| + +|![ Скетч од @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.sr.png)| |:---:| | Наука о подацима за почетнике: План - _Скетч од [@nitya](https://twitter.com/nitya)_ | -| Број лекције | Тема | Група лекција | Циљеви учења | Повезана лекција | Аутор | +| Број лекције | Тема | Груписање лекција | Циљеви учења | Повезана лекција | Аутор | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Дефинисање науке о подацима | [Увод](1-Introduction/README.md) | Научите основне концепте науке о подацима и како је она повезана са вештачком интелигенцијом, машинским учењем и великим подацима. | [лекција](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Дмитриј](http://soshnikov.com) | | 02 | Етика у науци о подацима | [Увод](1-Introduction/README.md) | Концепти етике података, изазови и оквири. | [лекција](1-Introduction/02-ethics/README.md) | [Нитија](https://twitter.com/nitya) | -| 03 | Дефинисање података | [Увод](1-Introduction/README.md) | Како се подаци класификују и њихови уобичајени извори. | [лекција](1-Introduction/03-defining-data/README.md) | [Јасмин](https://www.twitter.com/paladique) | +| 03 | Дефинисање података | [Увод](1-Introduction/README.md) | Како се подаци класификују и који су њихови уобичајени извори. | [лекција](1-Introduction/03-defining-data/README.md) | [Јасмин](https://www.twitter.com/paladique) | | 04 | Увод у статистику и вероватноћу | [Увод](1-Introduction/README.md) | Математичке технике вероватноће и статистике за разумевање података. | [лекција](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитриј](http://soshnikov.com) | -| 05 | Рад са релационим подацима | [Рад са подацима](2-Working-With-Data/README.md) | Увод у релационе податке и основе истраживања и анализе релационих података помоћу језика SQL (изговара се „си-квел“). | [лекција](2-Working-With-Data/05-relational-databases/README.md) | [Кристофер](https://www.twitter.com/geektrainer) | | | -| 06 | Рад са NoSQL подацима | [Рад са подацима](2-Working-With-Data/README.md) | Увод у нерелационе податке, њихове различите типове и основе истраживања и анализе докумената база података. | [лекција](2-Working-With-Data/06-non-relational/README.md) | [Јасмин](https://twitter.com/paladique)| -| 07 | Рад са Python-ом | [Рад са подацима](2-Working-With-Data/README.md) | Основе коришћења Python-а за истраживање података уз библиотеке као што је Pandas. Препоручује се основно разумевање Python програмирања. | [лекција](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Дмитриј](http://soshnikov.com) | -| 08 | Припрема података | [Рад са подацима](2-Working-With-Data/README.md) | Теме о техникама чишћења и трансформације података за решавање проблема са недостајућим, нетачним или непотпуним подацима. | [лекција](2-Working-With-Data/08-data-preparation/README.md) | [Јасмин](https://www.twitter.com/paladique) | +| 05 | Рад са релационим подацима | [Рад са подацима](2-Working-With-Data/README.md) | Увод у релационе податке и основе истраживања и анализе релационих података помоћу језика SQL. | [лекција](2-Working-With-Data/05-relational-databases/README.md) | [Кристофер](https://www.twitter.com/geektrainer) | | | +| 06 | Рад са NoSQL подацима | [Рад са подацима](2-Working-With-Data/README.md) | Увод у нерелационе податке, њихове различите типове и основе истраживања и анализе докумената базе података. | [лекција](2-Working-With-Data/06-non-relational/README.md) | [Јасмин](https://twitter.com/paladique)| +| 07 | Рад са Python-ом | [Рад са подацима](2-Working-With-Data/README.md) | Основе коришћења Python-а за истраживање података са библиотекама као што је Pandas. Препоручује се основно разумевање Python програмирања. | [лекција](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Дмитриј](http://soshnikov.com) | +| 08 | Припрема података | [Рад са подацима](2-Working-With-Data/README.md) | Теме о техникама чишћења и трансформације података за решавање изазова као што су недостајући, нетачни или непотпуни подаци. | [лекција](2-Working-With-Data/08-data-preparation/README.md) | [Јасмин](https://www.twitter.com/paladique) | | 09 | Визуелизација количина | [Визуелизација података](3-Data-Visualization/README.md) | Научите како да користите Matplotlib за визуелизацију података о птицама 🦆 | [лекција](3-Data-Visualization/09-visualization-quantities/README.md) | [Џен](https://twitter.com/jenlooper) | -| 10 | Визуелизација расподела података | [Визуелизација података](3-Data-Visualization/README.md) | Визуелизација опажања и трендова унутар интервала. | [лекција](3-Data-Visualization/10-visualization-distributions/README.md) | [Џен](https://twitter.com/jenlooper) | +| 10 | Визуелизација дистрибуције података | [Визуелизација података](3-Data-Visualization/README.md) | Визуелизација запажања и трендова унутар интервала. | [лекција](3-Data-Visualization/10-visualization-distributions/README.md) | [Џен](https://twitter.com/jenlooper) | | 11 | Визуелизација пропорција | [Визуелизација података](3-Data-Visualization/README.md) | Визуелизација дискретних и груписаних процената. | [лекција](3-Data-Visualization/11-visualization-proportions/README.md) | [Џен](https://twitter.com/jenlooper) | | 12 | Визуелизација односа | [Визуелизација података](3-Data-Visualization/README.md) | Визуелизација веза и корелација између скупова података и њихових варијабли. | [лекција](3-Data-Visualization/12-visualization-relationships/README.md) | [Џен](https://twitter.com/jenlooper) | | 13 | Смислене визуелизације | [Визуелизација података](3-Data-Visualization/README.md) | Технике и смернице за прављење визуелизација које су вредне за ефикасно решавање проблема и увиде. | [лекција](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Џен](https://twitter.com/jenlooper) | | 14 | Увод у животни циклус науке о подацима | [Животни циклус](4-Data-Science-Lifecycle/README.md) | Увод у животни циклус науке о подацима и његов први корак - прикупљање и екстракција података. | [лекција](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Јасмин](https://twitter.com/paladique) | | 15 | Анализа | [Животни циклус](4-Data-Science-Lifecycle/README.md) | Ова фаза животног циклуса науке о подацима фокусира се на технике анализе података. | [лекција](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Јасмин](https://twitter.com/paladique) | | | -| 16 | Комуникација | [Животни циклус](4-Data-Science-Lifecycle/README.md) | Ова фаза животног циклуса науке о подацима фокусира се на представљање увида из података на начин који олакшава разумевање доносиоцима одлука. | [лекција](4-Data-Science-Lifecycle/16-communication/README.md) | [Џејлен](https://twitter.com/JalenMcG) | | | -| 17 | Наука о подацима у облаку | [Облачни подаци](5-Data-Science-In-Cloud/README.md) | Ова серија лекција представља науку о подацима у облаку и њене предности. | [лекција](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тифани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | -| 18 | Наука о подацима у облаку | [Облачни подаци](5-Data-Science-In-Cloud/README.md) | Тренирање модела помоћу алата са мало кода. |[лекција](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тифани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | -| 19 | Наука о подацима у облаку | [Облачни подаци](5-Data-Science-In-Cloud/README.md) | Деплојовање модела помоћу Azure Machine Learning Studio. | [лекција](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тифани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | +| 16 | Комуникација | [Животни циклус](4-Data-Science-Lifecycle/README.md) | Ова фаза животног циклуса науке о подацима фокусира се на представљање увида из података на начин који доносиоцима одлука олакшава разумевање. | [лекција](4-Data-Science-Lifecycle/16-communication/README.md) | [Џејлен](https://twitter.com/JalenMcG) | | | +| 17 | Наука о подацима у облаку | [Облачни подаци](5-Data-Science-In-Cloud/README.md) | Ова серија лекција уводи науку о подацима у облаку и њене предности. | [лекција](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тифани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | +| 18 | Наука о подацима у облаку | [Облачни подаци](5-Data-Science-In-Cloud/README.md) | Тренирање модела коришћењем алата са ниским кодом. |[лекција](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тифани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | +| 19 | Наука о подацима у облаку | [Облачни подаци](5-Data-Science-In-Cloud/README.md) | Распоређивање модела помоћу Azure Machine Learning Studio. | [лекција](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тифани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) | | 20 | Наука о подацима у стварном свету | [У стварном свету](6-Data-Science-In-Wild/README.md) | Пројекти вођени науком о подацима у стварном свету. | [лекција](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нитија](https://twitter.com/nitya) | ## GitHub Codespaces -Пратите ове кораке да бисте отворили овај пример у Codespace-у: +Пратите ове кораке да отворите овај пример у Codespace-у: 1. Кликните на падајући мени Code и изаберите опцију Open with Codespaces. 2. Изаберите + New codespace на дну панела. За више информација, погледајте [GitHub документацију](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Пратите ове кораке да бисте отворили овај репозиторијум у контејнеру користећи ваш локални рачунар и VSCode уз екстензију VS Code Remote - Containers: +Пратите ове кораке да отворите овај репозиторијум у контејнеру користећи ваш локални рачунар и VSCode са екстензијом VS Code Remote - Containers: 1. Ако први пут користите развојни контејнер, уверите се да ваш систем испуњава предуслове (нпр. да имате инсталиран Docker) у [документацији за почетак](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Да бисте користили овај репозиторијум, можете га отворити у изолованом Docker волумену: -**Напомена**: У позадини, ово ће користити Remote-Containers: **Clone Repository in Container Volume...** команду за клонирање изворног кода у Docker волумен уместо локалног фајл система. [Волумени](https://docs.docker.com/storage/volumes/) су препоручени механизам за чување података контејнера. +**Напомена**: У позадини, ово ће користити Remote-Containers: **Clone Repository in Container Volume...** команду за клонирање изворног кода у Docker волумен уместо на локални фајл систем. [Волумени](https://docs.docker.com/storage/volumes/) су пожељан механизам за чување података контејнера. Или отворите локално клонирану или преузету верзију репозиторијума: - Клонирајте овај репозиторијум на ваш локални фајл систем. - Притисните F1 и изаберите команду **Remote-Containers: Open Folder in Container...**. -- Изаберите клонирану копију овог фолдера, сачекајте да се контејнер покрене и испробајте. +- Изаберите клонирану копију ове фасцикле, сачекајте да се контејнер покрене и испробајте. ## Офлајн приступ -Можете покренути ову документацију офлајн користећи [Docsify](https://docsify.js.org/#/). Форкујте овај репозиторијум, [инсталирајте Docsify](https://docsify.js.org/#/quickstart) на ваш локални рачунар, а затим у коренском фолдеру овог репозиторијума укуцајте `docsify serve`. Веб-сајт ће бити покренут на порту 3000 на вашем localhost-у: `localhost:3000`. +Можете покренути ову документацију офлајн користећи [Docsify](https://docsify.js.org/#/). Форкујте овај репозиторијум, [инсталирајте Docsify](https://docsify.js.org/#/quickstart) на ваш локални рачунар, а затим у корену овог репозиторијума укуцајте `docsify serve`. Веб-сајт ће бити доступан на порту 3000 на вашем локалном хосту: `localhost:3000`. -> Напомена, бележнице неће бити приказане преко Docsify-а, па када треба да покренете бележницу, урадите то одвојено у VS Code-у користећи Python kernel. +> Напомена, бележнице неће бити приказане преко Docsify-а, па када треба да покренете бележницу, урадите то одвојено у VS Code-у са Python језгром. ## Остали курикулуми @@ -160,7 +159,7 @@ Azure Cloud Advocates у Microsoft-у са задовољством предст - [Генеративна AI за почетнике](https://aka.ms/genai-beginners) - [Генеративна AI за почетнике .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Генеративна AI са JavaScript-ом](https://github.com/microsoft/generative-ai-with-javascript) -- [Генеративна AI са Java](https://aka.ms/genaijava) +- [Генеративна AI са Java-ом](https://aka.ms/genaijava) - [AI за почетнике](https://aka.ms/ai-beginners) - [Наука о подацима за почетнике](https://aka.ms/datascience-beginners) - [Bash за почетнике](https://github.com/microsoft/bash-for-beginners) @@ -170,22 +169,21 @@ Azure Cloud Advocates у Microsoft-у са задовољством предст - [IoT за почетнике](https://aka.ms/iot-beginners) - [Машинско учење за почетнике](https://aka.ms/ml-beginners) - [XR развој за почетнике](https://aka.ms/xr-dev-for-beginners) -- [Мастеринг GitHub Copilot за AI парно програмирање](https://aka.ms/GitHubCopilotAI) +- [Савладавање GitHub Copilot-а за AI парно програмирање](https://aka.ms/GitHubCopilotAI) - [XR развој за почетнике](https://github.com/microsoft/xr-development-for-beginners) -- [Мастеринг GitHub Copilot за C#/.NET програмере](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Изаберите своју Copilot авантуру](https://github.com/microsoft/CopilotAdventures) +- [Савладавање GitHub Copilot-а за C#/.NET програмере](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Изаберите своју авантуру са Copilot-ом](https://github.com/microsoft/CopilotAdventures) ## Добијање помоћи -Ако се заглавите или имате било каква питања о изградњи AI апликација, придружите се: +Ако запнете или имате било каква питања о изградњи AI апликација, придружите се: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Ако имате повратне информације о производу или грешке током изградње, посетите: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Одрицање од одговорности**: -Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције [Co-op Translator](https://github.com/Azure/co-op-translator). Иако се трудимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не сносимо одговорност за било каква погрешна тумачења или неспоразуме који могу произаћи из коришћења овог превода. \ No newline at end of file +Овај документ је преведен помоћу услуге за превођење уз помоћ вештачке интелигенције [Co-op Translator](https://github.com/Azure/co-op-translator). Иако се трудимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати меродавним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу настати услед коришћења овог превода. \ No newline at end of file diff --git a/translations/sr/examples/README.md b/translations/sr/examples/README.md new file mode 100644 index 00000000..ac71e237 --- /dev/null +++ b/translations/sr/examples/README.md @@ -0,0 +1,149 @@ + +# Примери за почетнике у области науке о подацима + +Добродошли у директоријум са примерима! Ова колекција једноставних, добро коментарисаних примера је осмишљена да вам помогне да започнете са науком о подацима, чак и ако сте потпуни почетник. + +## 📚 Шта ћете овде пронаћи + +Сваки пример је самосталан и укључује: +- **Јасне коментаре** који објашњавају сваки корак +- **Једноставан, читљив код** који демонстрира један концепт у исто време +- **Контекст из стварног света** који вам помаже да разумете када и зашто користити ове технике +- **Очекивани излаз** како бисте знали шта да тражите + +## 🚀 Како започети + +### Предуслови +Пре него што покренете ове примере, уверите се да имате: +- Инсталиран Python 3.7 или новији +- Основно разумевање како се покрећу Python скрипте + +### Инсталирање потребних библиотека +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Преглед примера + +### 1. Здраво, свет - стил науке о подацима +**Фајл:** `01_hello_world_data_science.py` + +Ваш први програм у науци о подацима! Научите како да: +- Учитате једноставан скуп података +- Прикажете основне информације о вашим подацима +- Испишете ваш први излаз у науци о подацима + +Идеално за апсолутне почетнике који желе да виде свој први програм у акцији. + +--- + +### 2. Учитавање и истраживање података +**Фајл:** `02_loading_data.py` + +Научите основе рада са подацима: +- Читање података из CSV фајлова +- Преглед првих неколико редова вашег скупа података +- Добијање основних статистика о вашим подацима +- Разумевање типова података + +Ово је често први корак у било ком пројекту науке о подацима! + +--- + +### 3. Једноставна анализа података +**Фајл:** `03_simple_analysis.py` + +Извршите вашу прву анализу података: +- Израчунајте основне статистике (средња вредност, медијана, мод) +- Пронађите максималне и минималне вредности +- Пребројте учесталост вредности +- Филтрирајте податке на основу услова + +Видите како да одговорите на једноставна питања о вашим подацима. + +--- + +### 4. Основе визуализације података +**Фајл:** `04_basic_visualization.py` + +Направите ваше прве визуализације: +- Направите једноставан стубни графикон +- Креирајте линијски графикон +- Генеришите круговни графикон +- Сачувајте ваше визуализације као слике + +Научите како да визуелно комуницирате своје налазе! + +--- + +### 5. Рад са стварним подацима +**Фајл:** `05_real_world_example.py` + +Ставите све заједно уз комплетан пример: +- Учитајте стварне податке из репозиторијума +- Очистите и припремите податке +- Извршите анализу +- Креирајте значајне визуализације +- Извуците закључке + +Овај пример вам показује комплетан ток рада од почетка до краја. + +--- + +## 🎯 Како користити ове примере + +1. **Почните од почетка**: Примери су нумерисани по тежини. Почните са `01_hello_world_data_science.py` и наставите редом. + +2. **Прочитајте коментаре**: Сваки фајл има детаљне коментаре који објашњавају шта код ради и зашто. Прочитајте их пажљиво! + +3. **Експериментишите**: Покушајте да измените код. Шта се дешава ако промените вредност? Покварите ствари и поправите их - тако се учи! + +4. **Покрените код**: Извршите сваки пример и посматрајте излаз. Упоредите га са оним што сте очекивали. + +5. **Проширите га**: Када разумете пример, покушајте да га проширите својим идејама. + +## 💡 Савети за почетнике + +- **Не журите**: Одвојите време да разумете сваки пример пре него што пређете на следећи +- **Куцајте код сами**: Немојте само копирати и налепити. Куцање помаже да научите и запамтите +- **Истражите непознате концепте**: Ако видите нешто што не разумете, потражите то на интернету или у главним лекцијама +- **Постављајте питања**: Придружите се [форуму за дискусију](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ако вам је потребна помоћ +- **Вежбајте редовно**: Покушајте да програмирате мало сваки дан, уместо дугих сесија једном недељно + +## 🔗 Следећи кораци + +Након што завршите ове примере, спремни сте да: +- Прођете кроз главне лекције из курикулума +- Покушате задатке у сваком директоријуму лекција +- Истражите Jupyter бележнице за дубље учење +- Креирате сопствене пројекте у науци о подацима + +## 📚 Додатни ресурси + +- [Главни курикулум](../README.md) - Комплетан курс од 20 лекција +- [За наставнике](../for-teachers.md) - Коришћење овог курикулума у учионици +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Бесплатни онлајн ресурси за учење +- [Python документација](https://docs.python.org/3/) - Званична Python референца + +## 🤝 Доприноси + +Пронашли сте грешку или имате идеју за нови пример? Добродошли су доприноси! Погледајте наш [Водич за доприносе](../CONTRIBUTING.md). + +--- + +**Срећно учење! 🎉** + +Запамтите: Сваки стручњак је некада био почетник. Идите корак по корак и не бојте се да правите грешке - оне су део процеса учења! + +--- + +**Одрицање од одговорности**: +Овај документ је преведен помоћу услуге за превођење вештачке интелигенције [Co-op Translator](https://github.com/Azure/co-op-translator). Иако се трудимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу произаћи из коришћења овог превода. \ No newline at end of file diff --git a/translations/sv/README.md b/translations/sv/README.md index 4bc9399e..8409c78a 100644 --- a/translations/sv/README.md +++ b/translations/sv/README.md @@ -1,8 +1,8 @@ +# Nybörjarvänliga Exempel på Data Science + +Välkommen till exempelbiblioteket! Denna samling av enkla, välkommenterade exempel är utformad för att hjälpa dig komma igång med data science, även om du är helt nybörjare. + +## 📚 Vad Du Hittar Här + +Varje exempel är självständigt och inkluderar: +- **Tydliga kommentarer** som förklarar varje steg +- **Enkel, läsbar kod** som demonstrerar ett koncept i taget +- **Verklighetsnära sammanhang** för att hjälpa dig förstå när och varför du ska använda dessa tekniker +- **Förväntad output** så att du vet vad du ska leta efter + +## 🚀 Komma Igång + +### Förkunskaper +Innan du kör dessa exempel, se till att du har: +- Python 3.7 eller högre installerat +- Grundläggande förståelse för hur man kör Python-skript + +### Installera Nödvändiga Bibliotek +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Översikt över Exempel + +### 1. Hello World - Data Science Style +**Fil:** `01_hello_world_data_science.py` + +Ditt första data science-program! Lär dig att: +- Ladda en enkel dataset +- Visa grundläggande information om dina data +- Skriva ut din första data science-output + +Perfekt för absoluta nybörjare som vill se sitt första data science-program i aktion. + +--- + +### 2. Ladda och Utforska Data +**Fil:** `02_loading_data.py` + +Lär dig grunderna i att arbeta med data: +- Läs data från CSV-filer +- Visa de första raderna i din dataset +- Få grundläggande statistik om dina data +- Förstå datatyper + +Detta är ofta det första steget i ett data science-projekt! + +--- + +### 3. Enkel Dataanalys +**Fil:** `03_simple_analysis.py` + +Utför din första dataanalys: +- Beräkna grundläggande statistik (medelvärde, median, typvärde) +- Hitta max- och minvärden +- Räkna förekomster av värden +- Filtrera data baserat på villkor + +Se hur du kan besvara enkla frågor om dina data. + +--- + +### 4. Grundläggande Datavisualisering +**Fil:** `04_basic_visualization.py` + +Skapa dina första visualiseringar: +- Gör ett enkelt stapeldiagram +- Skapa ett linjediagram +- Generera ett cirkeldiagram +- Spara dina visualiseringar som bilder + +Lär dig att kommunicera dina resultat visuellt! + +--- + +### 5. Arbeta med Verkliga Data +**Fil:** `05_real_world_example.py` + +Sätt ihop allt med ett komplett exempel: +- Ladda verkliga data från repositoryn +- Rensa och förbered data +- Utför analys +- Skapa meningsfulla visualiseringar +- Dra slutsatser + +Detta exempel visar dig en komplett arbetsflöde från början till slut. + +--- + +## 🎯 Hur Du Använder Dessa Exempel + +1. **Börja från början**: Exemplen är numrerade i svårighetsordning. Börja med `01_hello_world_data_science.py` och arbeta dig igenom. + +2. **Läs kommentarerna**: Varje fil har detaljerade kommentarer som förklarar vad koden gör och varför. Läs dem noggrant! + +3. **Experimentera**: Försök att ändra koden. Vad händer om du ändrar ett värde? Bryt saker och fixa dem - det är så du lär dig! + +4. **Kör koden**: Kör varje exempel och observera outputen. Jämför den med vad du förväntade dig. + +5. **Bygg vidare**: När du förstår ett exempel, försök att utöka det med dina egna idéer. + +## 💡 Tips för Nybörjare + +- **Stressa inte**: Ta dig tid att förstå varje exempel innan du går vidare till nästa +- **Skriv koden själv**: Kopiera inte bara och klistra in. Att skriva hjälper dig att lära och komma ihåg +- **Sök upp okända koncept**: Om du ser något du inte förstår, sök efter det online eller i huvudlektionerna +- **Ställ frågor**: Gå med i [diskussionsforumet](https://github.com/microsoft/Data-Science-For-Beginners/discussions) om du behöver hjälp +- **Öva regelbundet**: Försök att koda lite varje dag istället för långa sessioner en gång i veckan + +## 🔗 Nästa Steg + +Efter att ha slutfört dessa exempel är du redo att: +- Arbeta igenom huvudlektionerna i kursen +- Prova uppgifterna i varje lektionsmapp +- Utforska Jupyter-notebooks för mer djupgående lärande +- Skapa dina egna data science-projekt + +## 📚 Ytterligare Resurser + +- [Huvudkursen](../README.md) - Den kompletta kursen med 20 lektioner +- [För Lärare](../for-teachers.md) - Använd denna kurs i klassrummet +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Gratis online-lärresurser +- [Python-dokumentation](https://docs.python.org/3/) - Officiell Python-referens + +## 🤝 Bidra + +Hittade du ett fel eller har en idé för ett nytt exempel? Vi välkomnar bidrag! Se vår [Bidragsguide](../CONTRIBUTING.md). + +--- + +**Lycka till med lärandet! 🎉** + +Kom ihåg: Varje expert var en gång nybörjare. Ta det ett steg i taget och var inte rädd för att göra misstag - de är en del av lärandeprocessen! + +--- + +**Ansvarsfriskrivning**: +Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, bör det noteras att automatiserade översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning. \ No newline at end of file diff --git a/translations/sw/README.md b/translations/sw/README.md index fd796958..db9cb339 100644 --- a/translations/sw/README.md +++ b/translations/sw/README.md @@ -1,52 +1,70 @@ -# Sayansi ya Takwimu kwa Anziani - Mtaala +# Sayansi ya Takwimu kwa Anzia - Mtaala -Azure Cloud Advocates katika Microsoft wanakuletea mtaala wa wiki 10, masomo 20 kuhusu Sayansi ya Takwimu. Kila somo linajumuisha maswali ya awali na ya baada ya somo, maelekezo ya maandishi ya kukamilisha somo, suluhisho, na kazi ya nyumbani. Mbinu yetu ya kujifunza kwa miradi inakuruhusu kujifunza huku ukijenga, njia iliyothibitishwa ya kuhakikisha ujuzi mpya unakaa. +[![Fungua katika GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) + +[![Leseni ya GitHub](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![Wachangiaji wa GitHub](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![Masuala ya GitHub](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![Maombi ya Kuvuta ya GitHub](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Karibu](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![Watazamaji wa GitHub](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![Forks za GitHub](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![Nyota za GitHub](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) + +[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) + +[![Jukwaa la Azure AI Foundry Developer](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) + +Wakili wa Wingu wa Azure katika Microsoft wanayo furaha kutoa mtaala wa wiki 10, masomo 20 kuhusu Sayansi ya Takwimu. Kila somo linajumuisha maswali ya awali na ya baada ya somo, maelekezo yaliyoandikwa ya kukamilisha somo, suluhisho, na kazi. Mbinu yetu ya mradi inakuruhusu kujifunza huku ukijenga, njia iliyothibitishwa ya kuhakikisha ujuzi mpya unakaa. **Shukrani za dhati kwa waandishi wetu:** [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). -**🙏 Shukrani za pekee 🙏 kwa [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) waandishi, wakaguzi na wachangiaji wa maudhui,** hasa 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 Shukrani Maalum 🙏 kwa [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) waandishi, wakaguzi na wachangiaji wa maudhui,** hasa 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), +[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote na @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.sw.png)| |:---:| -| Sayansi ya Takwimu kwa Anziani - _Sketchnote na [@nitya](https://twitter.com/nitya)_ | +| Sayansi ya Takwimu kwa Anzia - _Sketchnote na [@nitya](https://twitter.com/nitya)_ | ### 🌐 Msaada wa Lugha Nyingi -#### Inasaidiwa kupitia GitHub Action (Imewezeshwa Kiotomatiki & Daima Imeboreshwa) +#### Inasaidiwa kupitia GitHub Action (Imefanywa Kiotomatiki na Inasasishwa Kila Wakati) -[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](./README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) +[Kifaransa](../fr/README.md) | [Kihispania](../es/README.md) | [Kijerumani](../de/README.md) | [Kirusi](../ru/README.md) | [Kiarabu](../ar/README.md) | [Kiajemi (Farsi)](../fa/README.md) | [Kiurdu](../ur/README.md) | [Kichina (Rahisi)](../zh/README.md) | [Kichina (Kienyeji, Macau)](../mo/README.md) | [Kichina (Kienyeji, Hong Kong)](../hk/README.md) | [Kichina (Kienyeji, Taiwan)](../tw/README.md) | [Kijapani](../ja/README.md) | [Kikorea](../ko/README.md) | [Kihindi](../hi/README.md) | [Kibengali](../bn/README.md) | [Kimarathi](../mr/README.md) | [Kinepali](../ne/README.md) | [Kipunjabi (Gurmukhi)](../pa/README.md) | [Kireno (Ureno)](../pt/README.md) | [Kireno (Brazil)](../br/README.md) | [Kiitaliano](../it/README.md) | [Kipolandi](../pl/README.md) | [Kituruki](../tr/README.md) | [Kigiriki](../el/README.md) | [Kithai](../th/README.md) | [Kiswidi](../sv/README.md) | [Kideni](../da/README.md) | [Kinorwe](../no/README.md) | [Kifini](../fi/README.md) | [Kiholanzi](../nl/README.md) | [Kiebrania](../he/README.md) | [Kivietinamu](../vi/README.md) | [Kiindonesia](../id/README.md) | [Kimalei](../ms/README.md) | [Kitagalogi (Kifilipino)](../tl/README.md) | [Kiswahili](./README.md) | [Kihungari](../hu/README.md) | [Kicheki](../cs/README.md) | [Kislovaki](../sk/README.md) | [Kiromania](../ro/README.md) | [Kibulgaria](../bg/README.md) | [Kiserbia (Kisiriliki)](../sr/README.md) | [Kikroeshia](../hr/README.md) | [Kislovenia](../sl/README.md) | [Kiukraini](../uk/README.md) | [Kiburma (Myanmar)](../my/README.md) -**Ikiwa ungependa lugha zaidi ziongezwe, orodha ya lugha zinazosaidiwa inapatikana [hapa](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Ikiwa ungependa lugha za ziada ziongezwe, orodha ya lugha zinazosaidiwa inapatikana [hapa](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Jiunge na Jamii Yetu [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Tuna mfululizo wa kujifunza na AI unaoendelea kwenye Discord, jifunze zaidi na jiunge nasi katika [Learn with AI Series](https://aka.ms/learnwithai/discord) kuanzia tarehe 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Takwimu. +Tuna mfululizo wa kujifunza na AI unaoendelea kwenye Discord, jifunze zaidi na ujiunge nasi katika [Learn with AI Series](https://aka.ms/learnwithai/discord) kuanzia tarehe 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Takwimu. -![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.sw.jpg) +![Jifunze na mfululizo wa AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.sw.jpg) # Je, wewe ni mwanafunzi? Anza na rasilimali zifuatazo: -- [Ukurasa wa Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Katika ukurasa huu, utapata rasilimali za wanaoanza, Student packs na hata njia za kupata vocha ya cheti bila malipo. Huu ni ukurasa wa kuuweka alama na kuutembelea mara kwa mara kwani tunabadilisha maudhui angalau kila mwezi. +- [Ukurasa wa Kitovu cha Wanafunzi](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Katika ukurasa huu, utapata rasilimali za wanaoanza, vifurushi vya wanafunzi na hata njia za kupata vocha ya cheti bila malipo. Huu ni ukurasa wa kuweka alama na kuangalia mara kwa mara kwani tunabadilisha maudhui angalau kila mwezi. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Jiunge na jamii ya kimataifa ya mabalozi wa wanafunzi, hii inaweza kuwa njia yako ya kuingia Microsoft. # Kuanza +> **Wanaoanza Kabisa**: Mpya katika sayansi ya takwimu? Anza na [mifano rafiki kwa wanaoanza](examples/README.md)! Mifano hii rahisi, yenye maelezo mengi itakusaidia kuelewa misingi kabla ya kuingia kwenye mtaala kamili. + > **Walimu**: tumetoa [mapendekezo kadhaa](for-teachers.md) ya jinsi ya kutumia mtaala huu. Tunapenda maoni yako [katika jukwaa letu la majadiliano](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Wanafunzi](https://aka.ms/student-page)**: ili kutumia mtaala huu peke yako, fanya nakala ya repo nzima na ukamilishe mazoezi peke yako, ukianza na jaribio la awali la somo. Kisha soma somo na ukamilishe shughuli nyingine. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo, msimbo huo unapatikana katika folda za /solutions katika kila somo linalohusiana na mradi. Wazo jingine ni kuunda kikundi cha kujifunza na marafiki na kupitia maudhui pamoja. Kwa masomo zaidi, tunapendekeza [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Wanafunzi](https://aka.ms/student-page)**: kutumia mtaala huu peke yako, fanya fork ya repo nzima na ukamilishe mazoezi peke yako, ukianza na jaribio la kabla ya somo. Kisha soma somo na ukamilishe shughuli zingine. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo, msimbo huo unapatikana katika folda za /solutions katika kila somo linalohusiana na mradi. Wazo jingine ni kuunda kikundi cha kujifunza na marafiki na kupitia maudhui pamoja. Kwa masomo zaidi, tunapendekeza [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Kutana na Timu @@ -58,9 +76,9 @@ Anza na rasilimali zifuatazo: ## Mbinu ya Kufundisha -Tumetumia kanuni mbili za kufundisha wakati wa kuunda mtaala huu: kuhakikisha kuwa ni wa msingi wa miradi na kwamba unajumuisha maswali ya mara kwa mara. Mwisho wa mfululizo huu, wanafunzi watakuwa wamejifunza kanuni za msingi za sayansi ya takwimu, ikiwa ni pamoja na dhana za kimaadili, maandalizi ya takwimu, njia tofauti za kufanya kazi na takwimu, uwasilishaji wa takwimu, uchambuzi wa takwimu, matumizi halisi ya sayansi ya takwimu, na zaidi. +Tumechagua misingi miwili ya kufundisha wakati wa kuunda mtaala huu: kuhakikisha kuwa ni wa msingi wa mradi na kwamba unajumuisha maswali ya mara kwa mara. Mwisho wa mfululizo huu, wanafunzi watakuwa wamejifunza kanuni za msingi za sayansi ya takwimu, ikiwa ni pamoja na dhana za kimaadili, maandalizi ya data, njia tofauti za kufanya kazi na data, uwasilishaji wa data, uchambuzi wa data, matumizi ya ulimwengu halisi ya sayansi ya takwimu, na zaidi. -Aidha, jaribio la awali la somo lenye shinikizo la chini linaweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya somo linahakikisha uhifadhi zaidi. Mtaala huu uliundwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa ukamilifu au kwa sehemu. Miradi huanza kwa ndogo na kuwa ngumu zaidi mwishoni mwa mzunguko wa wiki 10. +Zaidi ya hayo, jaribio la kiwango cha chini kabla ya darasa huweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya darasa linahakikisha uhifadhi zaidi. Mtaala huu uliundwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa ukamilifu au kwa sehemu. Miradi huanza kwa urahisi na kuwa ngumu zaidi mwishoni mwa mzunguko wa wiki 10. > Pata [Kanuni za Maadili](CODE_OF_CONDUCT.md), [Mchango](CONTRIBUTING.md), [Mwongozo wa Tafsiri](TRANSLATIONS.md). Tunakaribisha maoni yako ya kujenga! @@ -68,43 +86,57 @@ Aidha, jaribio la awali la somo lenye shinikizo la chini linaweka nia ya mwanafu - Sketchnote ya hiari - Video ya ziada ya hiari -- Jaribio la awali la somo -- Somo la maandishi -- Kwa masomo yanayohusiana na miradi, mwongozo wa hatua kwa hatua wa jinsi ya kujenga mradi +- Jaribio la awali la kujiandaa +- Somo lililoandikwa +- Kwa masomo ya msingi wa mradi, mwongozo wa hatua kwa hatua wa jinsi ya kujenga mradi - Ukaguzi wa maarifa - Changamoto - Usomaji wa ziada -- Kazi ya nyumbani +- Kazi - [Jaribio la baada ya somo](https://ff-quizzes.netlify.app/en/) +> **Maelezo kuhusu maswali ya majaribio**: Maswali yote ya majaribio yamehifadhiwa kwenye folda ya Quiz-App, jumla ya maswali 40 yenye maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo, lakini programu ya maswali ya majaribio inaweza kuendeshwa kwa ndani au kupelekwa kwenye Azure; fuata maelekezo kwenye folda ya `quiz-app`. Yanatafsiriwa hatua kwa hatua. -> **Kumbuka kuhusu maswali**: Maswali yote yamejumuishwa katika folda ya Quiz-App, kwa jumla ya maswali 40 ya maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo, lakini programu ya maswali inaweza kuendeshwa ndani au kupelekwa kwenye Azure; fuata maelekezo katika folda ya `quiz-app`. Yanatafsiriwa hatua kwa hatua. +## 🎓 Mifano Rahisi kwa Anayeanza + +**Mpya kwenye Sayansi ya Takwimu?** Tumetengeneza [folda ya mifano](examples/README.md) maalum yenye msimbo rahisi na maelezo ya kina ili kukusaidia kuanza: + +- 🌟 **Hello World** - Programu yako ya kwanza ya sayansi ya takwimu +- 📂 **Kupakia Takwimu** - Jifunze kusoma na kuchunguza seti za takwimu +- 📊 **Uchambuzi Rahisi** - Hesabu takwimu na tafuta mifumo +- 📈 **Uonyeshaji wa Msingi** - Tengeneza chati na grafu +- 🔬 **Mradi wa Ulimwengu Halisi** - Mchakato kamili kutoka mwanzo hadi mwisho + +Kila mfano unajumuisha maelezo ya kina yanayofafanua kila hatua, na hivyo ni bora kwa wanaoanza kabisa! + +👉 **[Anza na mifano](examples/README.md)** 👈 ## Masomo + |![ Sketchnote na @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.sw.png)| |:---:| -| Sayansi ya Takwimu kwa Kompyuta: Ramani ya Njia - _Sketchnote na [@nitya](https://twitter.com/nitya)_ | +| Sayansi ya Takwimu kwa Anayeanza: Ramani ya Njia - _Sketchnote na [@nitya](https://twitter.com/nitya)_ | -| Namba ya Somo | Mada | Kundi la Masomo | Malengo ya Kujifunza | Somo Lililounganishwa | Mwandishi | +| Namba ya Somo | Mada | Kundi la Somo | Malengo ya Kujifunza | Somo Lililounganishwa | Mwandishi | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Kufafanua Sayansi ya Takwimu | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi za sayansi ya takwimu na jinsi inavyohusiana na akili bandia, ujifunzaji wa mashine, na data kubwa. | [somo](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Maadili ya Sayansi ya Takwimu | [Utangulizi](1-Introduction/README.md) | Dhana za Maadili ya Data, Changamoto na Mfumo. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Kufafanua Data | [Utangulizi](1-Introduction/README.md) | Jinsi data inavyogawanywa na vyanzo vyake vya kawaida. | [somo](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Utangulizi wa Takwimu na Uwezekano | [Utangulizi](1-Introduction/README.md) | Mbinu za kihisabati za uwezekano na takwimu ili kuelewa data. | [somo](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Kufanya Kazi na Data ya Mahusiano | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data ya mahusiano na misingi ya kuchunguza na kuchambua data ya mahusiano kwa kutumia Lugha ya Muundo wa Maswali, inayojulikana kama SQL (inayosemwa "see-quell"). | [somo](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Kufanya Kazi na Data ya NoSQL | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data isiyo ya mahusiano, aina zake mbalimbali na misingi ya kuchunguza na kuchambua hifadhidata za hati. | [somo](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Kufanya Kazi na Python | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Misingi ya kutumia Python kwa uchunguzi wa data kwa kutumia maktaba kama Pandas. Uelewa wa msingi wa programu ya Python unapendekezwa. | [somo](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Maandalizi ya Data | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Mada kuhusu mbinu za data za kusafisha na kubadilisha data ili kushughulikia changamoto za data iliyopotea, isiyo sahihi, au isiyo kamili. | [somo](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Kuonyesha Kiasi | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Jifunze jinsi ya kutumia Matplotlib kuonyesha data ya ndege 🦆 | [somo](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Kuonyesha Usambazaji wa Data | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uchunguzi na mitindo ndani ya muda maalum. | [somo](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Kuonyesha Uwiano | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha asilimia za makundi na za pekee. | [somo](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Kuonyesha Mahusiano | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uhusiano na ulinganifu kati ya seti za data na vigezo vyake. | [somo](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Uonyeshaji wa Maana | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Mbinu na mwongozo wa kufanya uonyeshaji wako kuwa wa thamani kwa utatuzi wa matatizo na ufahamu wa kina. | [somo](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Utangulizi wa Mzunguko wa Sayansi ya Takwimu | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Utangulizi wa mzunguko wa maisha wa sayansi ya takwimu na hatua yake ya kwanza ya kupata na kutoa data. | [somo](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Kuchambua | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha wa sayansi ya takwimu inazingatia mbinu za kuchambua data. | [somo](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Mawasiliano | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha wa sayansi ya takwimu inazingatia kuwasilisha ufahamu kutoka kwa data kwa njia inayorahisisha maamuzi kwa watendaji. | [somo](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Sayansi ya Takwimu katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Mfululizo huu wa masomo unatoa utangulizi wa sayansi ya takwimu katika wingu na faida zake. | [somo](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) | -| 18 | Sayansi ya Takwimu katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Kufundisha mifano kwa kutumia zana za Low Code. |[somo](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) | -| 19 | Sayansi ya Takwimu katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Kuweka mifano kwa kutumia Azure Machine Learning Studio. | [somo](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) | +| 01 | Kufafanua Sayansi ya Takwimu | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi za sayansi ya takwimu na jinsi inavyohusiana na akili bandia, ujifunzaji wa mashine, na takwimu kubwa. | [somo](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Maadili ya Sayansi ya Takwimu | [Utangulizi](1-Introduction/README.md) | Dhana za Maadili ya Takwimu, Changamoto & Mfumo. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Kufafanua Takwimu | [Utangulizi](1-Introduction/README.md) | Jinsi takwimu zinavyogawanywa na vyanzo vyake vya kawaida. | [somo](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Utangulizi wa Takwimu & Uwezekano | [Utangulizi](1-Introduction/README.md) | Mbinu za kihisabati za uwezekano na takwimu ili kuelewa takwimu. | [somo](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Kufanya Kazi na Takwimu za Uhusiano | [Kufanya Kazi na Takwimu](2-Working-With-Data/README.md) | Utangulizi wa takwimu za uhusiano na misingi ya kuchunguza na kuchambua takwimu za uhusiano kwa kutumia Lugha ya Muundo wa Maswali, inayojulikana kama SQL (inayosemwa “see-quell”). | [somo](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Kufanya Kazi na Takwimu za NoSQL | [Kufanya Kazi na Takwimu](2-Working-With-Data/README.md) | Utangulizi wa takwimu zisizo za uhusiano, aina zake mbalimbali na misingi ya kuchunguza na kuchambua hifadhidata za hati. | [somo](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Kufanya Kazi na Python | [Kufanya Kazi na Takwimu](2-Working-With-Data/README.md) | Misingi ya kutumia Python kwa uchunguzi wa takwimu kwa kutumia maktaba kama Pandas. Uelewa wa msingi wa programu ya Python unapendekezwa. | [somo](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Maandalizi ya Takwimu | [Kufanya Kazi na Takwimu](2-Working-With-Data/README.md) | Mada kuhusu mbinu za takwimu za kusafisha na kubadilisha takwimu ili kushughulikia changamoto za takwimu zilizokosekana, zisizo sahihi, au zisizo kamili. | [somo](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Kuonyesha Kiasi | [Uonyeshaji wa Takwimu](3-Data-Visualization/README.md) | Jifunze jinsi ya kutumia Matplotlib kuonyesha takwimu za ndege 🦆 | [somo](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Kuonyesha Usambazaji wa Takwimu | [Uonyeshaji wa Takwimu](3-Data-Visualization/README.md) | Kuonyesha uchunguzi na mitindo ndani ya muda fulani. | [somo](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Kuonyesha Uwiano | [Uonyeshaji wa Takwimu](3-Data-Visualization/README.md) | Kuonyesha asilimia za makundi na za pekee. | [somo](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Kuonyesha Mahusiano | [Uonyeshaji wa Takwimu](3-Data-Visualization/README.md) | Kuonyesha uhusiano na ulinganifu kati ya seti za takwimu na vigezo vyake. | [somo](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Uonyeshaji wa Maana | [Uonyeshaji wa Takwimu](3-Data-Visualization/README.md) | Mbinu na mwongozo wa kufanya uonyeshaji wako kuwa wa thamani kwa utatuzi wa matatizo na ufahamu bora. | [somo](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Utangulizi wa Mzunguko wa Maisha wa Sayansi ya Takwimu | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Utangulizi wa mzunguko wa maisha wa sayansi ya takwimu na hatua yake ya kwanza ya kupata na kutoa takwimu. | [somo](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Kuchambua | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha wa sayansi ya takwimu inazingatia mbinu za kuchambua takwimu. | [somo](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Mawasiliano | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha wa sayansi ya takwimu inazingatia kuwasilisha ufahamu kutoka kwa takwimu kwa njia inayorahisisha watunga maamuzi kuelewa. | [somo](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Sayansi ya Takwimu katika Wingu | [Takwimu za Wingu](5-Data-Science-In-Cloud/README.md) | Mfululizo huu wa masomo unatoa utangulizi wa sayansi ya takwimu katika wingu na faida zake. | [somo](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) | +| 18 | Sayansi ya Takwimu katika Wingu | [Takwimu za Wingu](5-Data-Science-In-Cloud/README.md) | Kufundisha mifano kwa kutumia zana za Low Code. |[somo](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) | +| 19 | Sayansi ya Takwimu katika Wingu | [Takwimu za Wingu](5-Data-Science-In-Cloud/README.md) | Kuweka mifano kwa kutumia Azure Machine Learning Studio. | [somo](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) | | 20 | Sayansi ya Takwimu katika Mazingira Halisi | [Katika Mazingira Halisi](6-Data-Science-In-Wild/README.md) | Miradi inayotokana na sayansi ya takwimu katika ulimwengu halisi. | [somo](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces @@ -115,7 +147,7 @@ Fuata hatua hizi kufungua sampuli hii katika Codespace: Kwa maelezo zaidi, angalia [maelezo ya GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Fuata hatua hizi kufungua repo hii katika kontena ukitumia mashine yako ya ndani na VSCode kwa kutumia kiendelezi cha VS Code Remote - Containers: +Fuata hatua hizi kufungua repo hii kwenye kontena kwa kutumia mashine yako ya ndani na VSCode kwa kutumia kiendelezi cha VS Code Remote - Containers: 1. Ikiwa ni mara yako ya kwanza kutumia kontena la maendeleo, tafadhali hakikisha mfumo wako unakidhi mahitaji ya awali (yaani, kuwa na Docker iliyosakinishwa) katika [maelezo ya kuanza](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). @@ -125,48 +157,47 @@ Ili kutumia repo hii, unaweza kufungua repo katika hifadhi ya Docker iliyotengwa Au fungua nakala iliyopakuliwa au iliyoklonwa ya repo: -- Nakili repo hii kwenye mfumo wako wa faili wa ndani. +- Kloni repo hii kwenye mfumo wako wa faili wa ndani. - Bonyeza F1 na uchague amri ya **Remote-Containers: Open Folder in Container...**. -- Chagua nakala iliyoklonwa ya folda hii, subiri kontena ianze, na ujaribu vitu. +- Chagua nakala iliyoklonwa ya folda hii, subiri kontena ianze, na jaribu vitu. ## Ufikiaji wa Nje ya Mtandao -Unaweza kuendesha nyaraka hizi nje ya mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Nakili repo hii, [sakinisha Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha katika folda ya mizizi ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: `localhost:3000`. +Unaweza kuendesha nyaraka hizi nje ya mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Fork repo hii, [sakinisha Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha kwenye folda ya mizizi ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: `localhost:3000`. -> Kumbuka, daftari hazitaonyeshwa kupitia Docsify, kwa hivyo unapotaka kuendesha daftari, fanya hivyo kando katika VS Code ukitumia kernel ya Python. +> Kumbuka, daftari hazitaonyeshwa kupitia Docsify, kwa hivyo unapotaka kuendesha daftari, fanya hivyo kando katika VS Code ukiendesha kernel ya Python. ## Mitaala Mingine Timu yetu inazalisha mitaala mingine! Angalia: -- [Edge AI kwa Kompyuta](https://aka.ms/edgeai-for-beginners) -- [Wakala wa AI kwa Kompyuta](https://aka.ms/ai-agents-beginners) -- [AI ya Kizazi kwa Kompyuta](https://aka.ms/genai-beginners) -- [AI ya Kizazi kwa Kompyuta .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [Edge AI kwa Anayeanza](https://aka.ms/edgeai-for-beginners) +- [Wakala wa AI kwa Anayeanza](https://aka.ms/ai-agents-beginners) +- [AI ya Kizazi kwa Anayeanza](https://aka.ms/genai-beginners) +- [AI ya Kizazi kwa Anayeanza .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [AI ya Kizazi na JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [AI ya Kizazi na Java](https://aka.ms/genaijava) -- [AI kwa Kompyuta](https://aka.ms/ai-beginners) -- [Sayansi ya Takwimu kwa Kompyuta](https://aka.ms/datascience-beginners) -- [Bash kwa Kompyuta](https://github.com/microsoft/bash-for-beginners) -- [ML kwa Kompyuta](https://aka.ms/ml-beginners) -- [Usalama wa Mtandao kwa Kompyuta](https://github.com/microsoft/Security-101) -- [Web Dev kwa Kompyuta](https://aka.ms/webdev-beginners) -- [IoT kwa Kompyuta](https://aka.ms/iot-beginners) -- [Ujifunzaji wa Mashine kwa Kompyuta](https://aka.ms/ml-beginners) -- [Maendeleo ya XR kwa Kompyuta](https://aka.ms/xr-dev-for-beginners) +- [AI kwa Anayeanza](https://aka.ms/ai-beginners) +- [Sayansi ya Takwimu kwa Anayeanza](https://aka.ms/datascience-beginners) +- [Bash kwa Anayeanza](https://github.com/microsoft/bash-for-beginners) +- [ML kwa Anayeanza](https://aka.ms/ml-beginners) +- [Usalama wa Mtandao kwa Anayeanza](https://github.com/microsoft/Security-101) +- [Web Dev kwa Anayeanza](https://aka.ms/webdev-beginners) +- [IoT kwa Anayeanza](https://aka.ms/iot-beginners) +- [Ujifunzaji wa Mashine kwa Anayeanza](https://aka.ms/ml-beginners) +- [Maendeleo ya XR kwa Anayeanza](https://aka.ms/xr-dev-for-beginners) - [Kumiliki GitHub Copilot kwa Programu ya AI ya Pamoja](https://aka.ms/GitHubCopilotAI) -- [Maendeleo ya XR kwa Kompyuta](https://github.com/microsoft/xr-development-for-beginners) +- [Maendeleo ya XR kwa Anayeanza](https://github.com/microsoft/xr-development-for-beginners) - [Kumiliki GitHub Copilot kwa Waendelezaji wa C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Chagua Safari Yako ya Copilot](https://github.com/microsoft/CopilotAdventures) +- [Chagua Maendeleo Yako ya Copilot](https://github.com/microsoft/CopilotAdventures) ## Kupata Msaada -Ikiwa utakwama au una maswali kuhusu kujenga programu za AI, jiunge: +Ikiwa utakwama au una maswali yoyote kuhusu kujenga programu za AI, jiunge: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Ikiwa una maoni ya bidhaa au makosa wakati wa kujenga tembelea: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/sw/examples/README.md b/translations/sw/examples/README.md new file mode 100644 index 00000000..38b703a7 --- /dev/null +++ b/translations/sw/examples/README.md @@ -0,0 +1,149 @@ + +# Mifano Rahisi ya Sayansi ya Takwimu + +Karibu kwenye saraka ya mifano! Mkusanyiko huu wa mifano rahisi, yenye maelezo ya kina, umeundwa kukusaidia kuanza na sayansi ya takwimu, hata kama wewe ni mwanzilishi kabisa. + +## 📚 Kile Utakachopata Hapa + +Kila mfano ni wa kujitegemea na unajumuisha: +- **Maelezo ya wazi** yanayoelezea kila hatua +- **Nambari rahisi na inayosomeka** inayodhihirisha dhana moja kwa wakati mmoja +- **Muktadha wa maisha halisi** ili kukusaidia kuelewa ni lini na kwa nini utumie mbinu hizi +- **Matokeo yanayotarajiwa** ili ujue unachotakiwa kutafuta + +## 🚀 Kuanza + +### Mahitaji ya Awali +Kabla ya kuendesha mifano hii, hakikisha una: +- Python 3.7 au toleo jipya zaidi limewekwa +- Uelewa wa msingi wa jinsi ya kuendesha skirpti za Python + +### Kusakinisha Maktaba Zinazohitajika +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Muhtasari wa Mifano + +### 1. Hello World - Mtindo wa Sayansi ya Takwimu +**Faili:** `01_hello_world_data_science.py` + +Programu yako ya kwanza ya sayansi ya takwimu! Jifunze jinsi ya: +- Kupakia seti rahisi ya data +- Kuonyesha maelezo ya msingi kuhusu data yako +- Kuchapisha matokeo yako ya kwanza ya sayansi ya takwimu + +Inafaa kwa wanaoanza kabisa ambao wanataka kuona programu yao ya kwanza ya sayansi ya takwimu ikifanya kazi. + +--- + +### 2. Kupakia na Kuchunguza Data +**Faili:** `02_loading_data.py` + +Jifunze misingi ya kufanya kazi na data: +- Kusoma data kutoka faili za CSV +- Kuangalia safu chache za kwanza za seti yako ya data +- Kupata takwimu za msingi kuhusu data yako +- Kuelewa aina za data + +Hii mara nyingi ni hatua ya kwanza katika mradi wowote wa sayansi ya takwimu! + +--- + +### 3. Uchambuzi Rahisi wa Data +**Faili:** `03_simple_analysis.py` + +Fanya uchambuzi wako wa kwanza wa data: +- Hesabu takwimu za msingi (wastani, mediani, mode) +- Tafuta thamani za juu na za chini +- Hesabu idadi ya matukio ya thamani +- Chuja data kulingana na masharti + +Tazama jinsi ya kujibu maswali rahisi kuhusu data yako. + +--- + +### 4. Misingi ya Uonyeshaji wa Data +**Faili:** `04_basic_visualization.py` + +Unda uonyeshaji wako wa kwanza: +- Tengeneza chati rahisi ya nguzo +- Unda mchoro wa mstari +- Tengeneza chati ya pai +- Hifadhi uonyeshaji wako kama picha + +Jifunze kuwasilisha matokeo yako kwa njia ya kuona! + +--- + +### 5. Kufanya Kazi na Data Halisi +**Faili:** `05_real_world_example.py` + +Unganisha yote pamoja na mfano kamili: +- Pakia data halisi kutoka kwenye hifadhi +- Safisha na andaa data +- Fanya uchambuzi +- Unda uonyeshaji wa maana +- Toa hitimisho + +Mfano huu unaonyesha mtiririko kamili wa kazi kutoka mwanzo hadi mwisho. + +--- + +## 🎯 Jinsi ya Kutumia Mifano Hii + +1. **Anza kutoka mwanzo**: Mifano imepangwa kwa mpangilio wa ugumu. Anza na `01_hello_world_data_science.py` na endelea hatua kwa hatua. + +2. **Soma maelezo**: Kila faili ina maelezo ya kina yanayoelezea nambari inavyofanya kazi na kwa nini. Soma kwa makini! + +3. **Jaribu**: Jaribu kubadilisha nambari. Nini kinatokea ukibadilisha thamani? Vunja vitu na urekebishe - hivyo ndivyo unavyoweza kujifunza! + +4. **Endesha nambari**: Tekeleza kila mfano na angalia matokeo. Linganisha na kile ulichotarajia. + +5. **Jenga juu yake**: Mara tu unapofahamu mfano, jaribu kuupanua kwa mawazo yako mwenyewe. + +## 💡 Vidokezo kwa Wanaoanza + +- **Usikimbilie**: Chukua muda kuelewa kila mfano kabla ya kuendelea na mwingine +- **Andika nambari mwenyewe**: Usinakili na kubandika tu. Kuandika kunakusaidia kujifunza na kukumbuka +- **Tafuta dhana zisizofahamika**: Ukiona kitu usichokielewa, tafuta mtandaoni au katika masomo makuu +- **Uliza maswali**: Jiunge na [jukwaa la majadiliano](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ikiwa unahitaji msaada +- **Fanya mazoezi mara kwa mara**: Jaribu kuandika nambari kidogo kila siku badala ya vipindi virefu mara moja kwa wiki + +## 🔗 Hatua Zifuatazo + +Baada ya kukamilisha mifano hii, uko tayari: +- Kufanya kazi kupitia masomo makuu ya mtaala +- Jaribu kazi za nyumbani katika kila folda ya somo +- Chunguza daftari za Jupyter kwa kujifunza kwa kina zaidi +- Unda miradi yako mwenyewe ya sayansi ya takwimu + +## 📚 Rasilimali za Ziada + +- [Mtaala Mkuu](../README.md) - Kozi kamili ya masomo 20 +- [Kwa Walimu](../for-teachers.md) - Kutumia mtaala huu darasani +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Rasilimali za kujifunza mtandaoni bila malipo +- [Hati za Python](https://docs.python.org/3/) - Marejeleo rasmi ya Python + +## 🤝 Kuchangia + +Umegundua hitilafu au una wazo la mfano mpya? Tunakaribisha michango! Tafadhali angalia [Mwongozo wa Kuchangia](../CONTRIBUTING.md). + +--- + +**Jifunze kwa Furaha! 🎉** + +Kumbuka: Kila mtaalamu alikuwa mwanzilishi wakati mmoja. Chukua hatua moja kwa wakati, na usiogope kufanya makosa - ni sehemu ya mchakato wa kujifunza! + +--- + +**Kanusho**: +Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kuhakikisha usahihi, tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati ya asili katika lugha yake ya awali inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatutawajibika kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii. \ No newline at end of file diff --git a/translations/th/README.md b/translations/th/README.md index f9605285..4b9201f5 100644 --- a/translations/th/README.md +++ b/translations/th/README.md @@ -1,31 +1,31 @@ # วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร -[![เปิดใน GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) -[![ใบอนุญาต GitHub](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![ผู้ร่วมเขียน GitHub](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![ปัญหา GitHub](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![คำขอเปลี่ยนแปลง GitHub](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs ยินดีต้อนรับ](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![ผู้ติดตาม GitHub](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![การ Fork GitHub](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![ดาว GitHub](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) [![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) -[![ฟอรัมผู้พัฒนาของ Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -ทีมผู้สนับสนุน Azure Cloud Advocates ที่ Microsoft ยินดีนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำที่เขียนไว้สำหรับการทำบทเรียน โซลูชัน และงานมอบหมาย วิธีการเรียนรู้แบบเน้นโครงการช่วยให้คุณเรียนรู้ในขณะที่สร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าทำให้ทักษะใหม่ๆ ติดตัวได้ดี +ทีม Azure Cloud Advocates ที่ Microsoft ยินดีนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำที่เขียนไว้สำหรับการทำบทเรียน โซลูชัน และงานมอบหมาย วิธีการเรียนรู้แบบเน้นโครงการช่วยให้คุณเรียนรู้ผ่านการลงมือทำ ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าทำให้ทักษะใหม่ๆ ติดตัวได้ดี **ขอขอบคุณผู้เขียนของเรา:** [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). @@ -38,28 +38,30 @@ CO_OP_TRANSLATOR_METADATA: ### 🌐 การสนับสนุนหลายภาษา -#### สนับสนุนผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ) +#### รองรับผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ) -[ฝรั่งเศส](../fr/README.md) | [สเปน](../es/README.md) | [เยอรมัน](../de/README.md) | [รัสเซีย](../ru/README.md) | [อาหรับ](../ar/README.md) | [เปอร์เซีย (ฟาร์ซี)](../fa/README.md) | [อูรดู](../ur/README.md) | [จีน (ตัวย่อ)](../zh/README.md) | [จีน (ตัวเต็ม, มาเก๊า)](../mo/README.md) | [จีน (ตัวเต็ม, ฮ่องกง)](../hk/README.md) | [จีน (ตัวเต็ม, ไต้หวัน)](../tw/README.md) | [ญี่ปุ่น](../ja/README.md) | [เกาหลี](../ko/README.md) | [ฮินดี](../hi/README.md) | [เบงกาลี](../bn/README.md) | [มราฐี](../mr/README.md) | [เนปาล](../ne/README.md) | [ปัญจาบ (กูร์มุกี)](../pa/README.md) | [โปรตุเกส (โปรตุเกส)](../pt/README.md) | [โปรตุเกส (บราซิล)](../br/README.md) | [อิตาลี](../it/README.md) | [โปแลนด์](../pl/README.md) | [ตุรกี](../tr/README.md) | [กรีก](../el/README.md) | [ไทย](./README.md) | [สวีเดน](../sv/README.md) | [เดนมาร์ก](../da/README.md) | [นอร์เวย์](../no/README.md) | [ฟินแลนด์](../fi/README.md) | [ดัตช์](../nl/README.md) | [ฮีบรู](../he/README.md) | [เวียดนาม](../vi/README.md) | [อินโดนีเซีย](../id/README.md) | [มาเลย์](../ms/README.md) | [ตากาล็อก (ฟิลิปปินส์)](../tl/README.md) | [สวาฮีลี](../sw/README.md) | [ฮังการี](../hu/README.md) | [เช็ก](../cs/README.md) | [สโลวัก](../sk/README.md) | [โรมาเนีย](../ro/README.md) | [บัลแกเรีย](../bg/README.md) | [เซอร์เบีย (อักษรซีริลลิก)](../sr/README.md) | [โครเอเชีย](../hr/README.md) | [สโลวีเนีย](../sl/README.md) | [ยูเครน](../uk/README.md) | [พม่า (เมียนมา)](../my/README.md) +[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](./README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) **หากคุณต้องการให้มีการสนับสนุนภาษาเพิ่มเติม รายการภาษาที่รองรับอยู่ [ที่นี่](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### เข้าร่วมชุมชนของเรา [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -เรามีซีรีส์การเรียนรู้ด้วย AI ใน Discord ที่กำลังดำเนินการอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ [Learn with AI Series](https://aka.ms/learnwithai/discord) ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคในการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล +เรามีซีรีส์การเรียนรู้กับ AI ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ [Learn with AI Series](https://aka.ms/learnwithai/discord) ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคในการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล -![ซีรีส์การเรียนรู้ด้วย AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.th.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.th.jpg) # คุณเป็นนักเรียนหรือไม่? เริ่มต้นด้วยทรัพยากรต่อไปนี้: - [หน้าศูนย์นักเรียน](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ในหน้านี้ คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดเครื่องมือสำหรับนักเรียน และแม้กระทั่งวิธีการรับบัตรกำนัลการรับรองฟรี นี่คือหน้าที่คุณควรบุ๊กมาร์กและตรวจสอบเป็นระยะๆ เนื่องจากเรามีการเปลี่ยนแปลงเนื้อหาอย่างน้อยเดือนละครั้ง -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) เข้าร่วมชุมชนระดับโลกของนักเรียนที่เป็นทูต นี่อาจเป็นทางเข้าสู่ Microsoft ของคุณ +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) เข้าร่วมชุมชนระดับโลกของนักเรียนแอมบาสเดอร์ นี่อาจเป็นทางเข้าสู่ Microsoft ของคุณ # เริ่มต้นใช้งาน +> **ผู้เริ่มต้นอย่างสมบูรณ์**: ใหม่กับวิทยาศาสตร์ข้อมูล? เริ่มต้นด้วย [ตัวอย่างที่เหมาะสำหรับผู้เริ่มต้น](examples/README.md)! ตัวอย่างที่เรียบง่ายและมีคำอธิบายชัดเจนเหล่านี้จะช่วยให้คุณเข้าใจพื้นฐานก่อนที่จะดำดิ่งสู่หลักสูตรเต็มรูปแบบ + > **ครู**: เราได้ [รวมคำแนะนำบางส่วน](for-teachers.md) เกี่ยวกับวิธีการใช้หลักสูตรนี้ เราอยากได้ความคิดเห็นของคุณ [ในฟอรัมการสนทนาของเรา](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! > **[นักเรียน](https://aka.ms/student-page)**: หากต้องการใช้หลักสูตรนี้ด้วยตัวเอง ให้ fork repo ทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง โดยเริ่มต้นด้วยแบบทดสอบก่อนการบรรยาย จากนั้นอ่านการบรรยายและทำกิจกรรมที่เหลือ พยายามสร้างโครงการโดยการทำความเข้าใจบทเรียนแทนที่จะคัดลอกรหัสโซลูชัน อย่างไรก็ตาม รหัสนั้นมีอยู่ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโครงการ อีกแนวคิดหนึ่งคือการสร้างกลุ่มการศึกษาและเรียนรู้เนื้อหาด้วยกัน สำหรับการศึกษาต่อ เราแนะนำ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) @@ -74,11 +76,11 @@ CO_OP_TRANSLATOR_METADATA: ## วิธีการสอน -เราเลือกใช้หลักการสอนสองข้อในการสร้างหลักสูตรนี้: การเน้นโครงการและการมีแบบทดสอบบ่อยๆ เมื่อจบซีรีส์นี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการทำงานกับข้อมูล การสร้างภาพข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่นๆ +เราเลือกใช้หลักการสอนสองข้อในการสร้างหลักสูตรนี้: การเน้นโครงการและการรวมแบบทดสอบบ่อยๆ เมื่อจบซีรีส์นี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการทำงานกับข้อมูล การสร้างภาพข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่นๆ -นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนชั้นเรียนจะช่วยตั้งเจตนาของนักเรียนในการเรียนรู้หัวข้อ ในขณะที่แบบทดสอบที่สองหลังชั้นเรียนช่วยเพิ่มการจดจำ หลักสูตรนี้ออกแบบมาให้ยืดหยุ่นและสนุกสนาน และสามารถเรียนได้ทั้งแบบเต็มหรือบางส่วน โครงการเริ่มต้นจากขนาดเล็กและมีความซับซ้อนมากขึ้นเมื่อสิ้นสุดรอบ 10 สัปดาห์ +นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนชั้นเรียนจะช่วยตั้งเจตนาของนักเรียนในการเรียนรู้หัวข้อ ในขณะที่แบบทดสอบที่สองหลังชั้นเรียนช่วยเพิ่มการจดจำ หลักสูตรนี้ออกแบบมาให้ยืดหยุ่นและสนุกสนาน และสามารถเรียนได้ทั้งแบบเต็มหรือบางส่วน โครงการเริ่มต้นจากขนาดเล็กและมีความซับซ้อนมากขึ้นเมื่อจบวงจร 10 สัปดาห์ -> ค้นหา [จรรยาบรรณของเรา](CODE_OF_CONDUCT.md), [การมีส่วนร่วม](CONTRIBUTING.md), [แนวทางการแปล](TRANSLATIONS.md) เรายินดีรับความคิดเห็นที่สร้างสรรค์ของคุณ! +> ดู [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) แนวทาง เรายินดีรับความคิดเห็นที่สร้างสรรค์ของคุณ! ## แต่ละบทเรียนประกอบด้วย: @@ -86,42 +88,56 @@ CO_OP_TRANSLATOR_METADATA: - วิดีโอเสริม (ไม่บังคับ) - แบบทดสอบอุ่นเครื่องก่อนบทเรียน - บทเรียนที่เขียนไว้ -- สำหรับบทเรียนที่เน้นโครงการ คู่มือทีละขั้นตอนเกี่ยวกับวิธีการสร้างโครงการ +- สำหรับบทเรียนที่เน้นโครงการ มีคำแนะนำทีละขั้นตอนเกี่ยวกับวิธีการสร้างโครงการ - การตรวจสอบความรู้ - ความท้าทาย - การอ่านเสริม - งานมอบหมาย - [แบบทดสอบหลังบทเรียน](https://ff-quizzes.netlify.app/en/) +> **หมายเหตุเกี่ยวกับแบบทดสอบ**: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App ซึ่งมีทั้งหมด 40 แบบทดสอบ โดยแต่ละแบบทดสอบมี 3 คำถาม แบบทดสอบเหล่านี้ถูกเชื่อมโยงจากบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือเผยแพร่ไปยัง Azure ให้ทำตามคำแนะนำในโฟลเดอร์ `quiz-app` แบบทดสอบกำลังถูกแปลเป็นภาษาต่างๆ อย่างต่อเนื่อง + +## 🎓 ตัวอย่างที่เหมาะสำหรับผู้เริ่มต้น + +**ใหม่กับ Data Science?** เราได้สร้าง [โฟลเดอร์ตัวอย่าง](examples/README.md) ที่มีโค้ดง่ายๆ พร้อมคำอธิบายเพื่อช่วยให้คุณเริ่มต้นได้: -> **หมายเหตุเกี่ยวกับแบบทดสอบ**: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App รวมทั้งหมด 40 แบบทดสอบ โดยแต่ละแบบทดสอบมีสามคำถาม แบบทดสอบเหล่านี้เชื่อมโยงจากภายในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้ใน Azure; ทำตามคำแนะนำในโฟลเดอร์ `quiz-app` แบบทดสอบเหล่านี้กำลังถูกแปลทีละน้อย +- 🌟 **Hello World** - โปรแกรม Data Science แรกของคุณ +- 📂 **การโหลดข้อมูล** - เรียนรู้วิธีอ่านและสำรวจชุดข้อมูล +- 📊 **การวิเคราะห์ง่ายๆ** - คำนวณสถิติและค้นหารูปแบบ +- 📈 **การสร้างภาพพื้นฐาน** - สร้างแผนภูมิและกราฟ +- 🔬 **โครงการในโลกจริง** - กระบวนการทำงานตั้งแต่ต้นจนจบ + +แต่ละตัวอย่างมีคำอธิบายละเอียดในทุกขั้นตอน เหมาะสำหรับผู้เริ่มต้นอย่างแท้จริง! + +👉 **[เริ่มต้นด้วยตัวอย่าง](examples/README.md)** 👈 ## บทเรียน -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.th.png)| + +|![ Sketchnote โดย @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.th.png)| |:---:| -| วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่เส้นทาง - _ภาพสเก็ตโน้ตโดย [@nitya](https://twitter.com/nitya)_ | +| Data Science สำหรับผู้เริ่มต้น: แผนที่นำทาง - _Sketchnote โดย [@nitya](https://twitter.com/nitya)_ | -| หมายเลขบทเรียน | หัวข้อ | กลุ่มบทเรียน | วัตถุประสงค์การเรียนรู้ | บทเรียนที่เชื่อมโยง | ผู้เขียน | +| หมายเลขบทเรียน | หัวข้อ | กลุ่มบทเรียน | วัตถุประสงค์การเรียนรู้ | ลิงก์บทเรียน | ผู้เขียน | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | การนิยามวิทยาศาสตร์ข้อมูล | [บทนำ](1-Introduction/README.md) | เรียนรู้แนวคิดพื้นฐานเกี่ยวกับวิทยาศาสตร์ข้อมูลและความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และข้อมูลขนาดใหญ่ | [บทเรียน](1-Introduction/01-defining-data-science/README.md) [วิดีโอ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | จริยธรรมในวิทยาศาสตร์ข้อมูล | [บทนำ](1-Introduction/README.md) | แนวคิดเกี่ยวกับจริยธรรมข้อมูล ความท้าทาย และกรอบการทำงาน | [บทเรียน](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | การนิยาม Data Science | [บทนำ](1-Introduction/README.md) | เรียนรู้แนวคิดพื้นฐานเกี่ยวกับ Data Science และความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และ Big Data | [บทเรียน](1-Introduction/01-defining-data-science/README.md) [วิดีโอ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | จริยธรรมใน Data Science | [บทนำ](1-Introduction/README.md) | แนวคิดเกี่ยวกับจริยธรรมในข้อมูล ความท้าทาย และกรอบการทำงาน | [บทเรียน](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | การนิยามข้อมูล | [บทนำ](1-Introduction/README.md) | วิธีการจัดประเภทข้อมูลและแหล่งข้อมูลทั่วไป | [บทเรียน](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | บทนำสู่สถิติและความน่าจะเป็น | [บทนำ](1-Introduction/README.md) | เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติในการทำความเข้าใจข้อมูล | [บทเรียน](1-Introduction/04-stats-and-probability/README.md) [วิดีโอ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 04 | บทนำสู่สถิติและความน่าจะเป็น | [บทนำ](1-Introduction/README.md) | เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติเพื่อทำความเข้าใจข้อมูล | [บทเรียน](1-Introduction/04-stats-and-probability/README.md) [วิดีโอ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | การทำงานกับข้อมูลเชิงสัมพันธ์ | [การทำงานกับข้อมูล](2-Working-With-Data/README.md) | บทนำเกี่ยวกับข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วย Structured Query Language หรือ SQL (ออกเสียงว่า "ซีเควล") | [บทเรียน](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | การทำงานกับข้อมูล NoSQL | [การทำงานกับข้อมูล](2-Working-With-Data/README.md) | บทนำเกี่ยวกับข้อมูลที่ไม่ใช่เชิงสัมพันธ์ ประเภทต่างๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร | [บทเรียน](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | การทำงานกับ Python | [การทำงานกับข้อมูล](2-Working-With-Data/README.md) | พื้นฐานการใช้ Python ในการสำรวจข้อมูลด้วยไลบรารี เช่น Pandas แนะนำให้มีความเข้าใจพื้นฐานเกี่ยวกับการเขียนโปรแกรม Python | [บทเรียน](2-Working-With-Data/07-python/README.md) [วิดีโอ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 07 | การทำงานกับ Python | [การทำงานกับข้อมูล](2-Working-With-Data/README.md) | พื้นฐานการใช้ Python เพื่อสำรวจข้อมูลด้วยไลบรารี เช่น Pandas แนะนำให้มีความเข้าใจพื้นฐานเกี่ยวกับการเขียนโปรแกรม Python | [บทเรียน](2-Working-With-Data/07-python/README.md) [วิดีโอ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | การเตรียมข้อมูล | [การทำงานกับข้อมูล](2-Working-With-Data/README.md) | หัวข้อเกี่ยวกับเทคนิคการทำความสะอาดและแปลงข้อมูลเพื่อจัดการกับปัญหาข้อมูลที่ขาดหาย ไม่ถูกต้อง หรือไม่สมบูรณ์ | [บทเรียน](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | การสร้างภาพข้อมูลเชิงปริมาณ | [การสร้างภาพข้อมูล](3-Data-Visualization/README.md) | เรียนรู้วิธีใช้ Matplotlib ในการสร้างภาพข้อมูลนก 🦆 | [บทเรียน](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 09 | การสร้างภาพปริมาณข้อมูล | [การสร้างภาพข้อมูล](3-Data-Visualization/README.md) | เรียนรู้วิธีใช้ Matplotlib เพื่อสร้างภาพข้อมูลนก 🦆 | [บทเรียน](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | การสร้างภาพการกระจายของข้อมูล | [การสร้างภาพข้อมูล](3-Data-Visualization/README.md) | การสร้างภาพการสังเกตและแนวโน้มภายในช่วงเวลา | [บทเรียน](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | การสร้างภาพสัดส่วน | [การสร้างภาพข้อมูล](3-Data-Visualization/README.md) | การสร้างภาพเปอร์เซ็นต์แบบแยกและแบบกลุ่ม | [บทเรียน](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | การสร้างภาพความสัมพันธ์ | [การสร้างภาพข้อมูล](3-Data-Visualization/README.md) | การสร้างภาพการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลและตัวแปร | [บทเรียน](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | การสร้างภาพที่มีความหมาย | [การสร้างภาพข้อมูล](3-Data-Visualization/README.md) | เทคนิคและคำแนะนำในการทำให้การสร้างภาพของคุณมีคุณค่าเพื่อการแก้ปัญหาและการให้ข้อมูลเชิงลึกอย่างมีประสิทธิภาพ | [บทเรียน](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูล | [วงจรชีวิต](4-Data-Science-Lifecycle/README.md) | บทนำเกี่ยวกับวงจรชีวิตของวิทยาศาสตร์ข้อมูลและขั้นตอนแรกในการรวบรวมและดึงข้อมูล | [บทเรียน](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | การวิเคราะห์ | [วงจรชีวิต](4-Data-Science-Lifecycle/README.md) | ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นไปที่เทคนิคการวิเคราะห์ข้อมูล | [บทเรียน](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | การสื่อสาร | [วงจรชีวิต](4-Data-Science-Lifecycle/README.md) | ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นไปที่การนำเสนอข้อมูลเชิงลึกจากข้อมูลในรูปแบบที่ทำให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น | [บทเรียน](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | วิทยาศาสตร์ข้อมูลในระบบคลาวด์ | [ข้อมูลในระบบคลาวด์](5-Data-Science-In-Cloud/README.md) | ชุดบทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลในระบบคลาวด์และประโยชน์ของมัน | [บทเรียน](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) และ [Maud](https://twitter.com/maudstweets) | -| 18 | วิทยาศาสตร์ข้อมูลในระบบคลาวด์ | [ข้อมูลในระบบคลาวด์](5-Data-Science-In-Cloud/README.md) | การฝึกอบรมโมเดลโดยใช้เครื่องมือ Low Code |[บทเรียน](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) และ [Maud](https://twitter.com/maudstweets) | -| 19 | วิทยาศาสตร์ข้อมูลในระบบคลาวด์ | [ข้อมูลในระบบคลาวด์](5-Data-Science-In-Cloud/README.md) | การปรับใช้โมเดลด้วย Azure Machine Learning Studio | [บทเรียน](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) และ [Maud](https://twitter.com/maudstweets) | -| 20 | วิทยาศาสตร์ข้อมูลในโลกจริง | [ในโลกจริง](6-Data-Science-In-Wild/README.md) | โครงการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกจริง | [บทเรียน](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 13 | การสร้างภาพที่มีความหมาย | [การสร้างภาพข้อมูล](3-Data-Visualization/README.md) | เทคนิคและคำแนะนำในการทำให้การสร้างภาพของคุณมีคุณค่าเพื่อการแก้ปัญหาและการให้ข้อมูลเชิงลึกที่มีประสิทธิภาพ | [บทเรียน](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | บทนำสู่วงจรชีวิตของ Data Science | [วงจรชีวิต](4-Data-Science-Lifecycle/README.md) | บทนำเกี่ยวกับวงจรชีวิตของ Data Science และขั้นตอนแรกในการรวบรวมและดึงข้อมูล | [บทเรียน](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | การวิเคราะห์ | [วงจรชีวิต](4-Data-Science-Lifecycle/README.md) | ขั้นตอนนี้ของวงจรชีวิต Data Science มุ่งเน้นไปที่เทคนิคการวิเคราะห์ข้อมูล | [บทเรียน](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | การสื่อสาร | [วงจรชีวิต](4-Data-Science-Lifecycle/README.md) | ขั้นตอนนี้ของวงจรชีวิต Data Science มุ่งเน้นไปที่การนำเสนอข้อมูลเชิงลึกจากข้อมูลในรูปแบบที่ทำให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น | [บทเรียน](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science ในระบบคลาวด์ | [ข้อมูลในระบบคลาวด์](5-Data-Science-In-Cloud/README.md) | ชุดบทเรียนนี้แนะนำ Data Science ในระบบคลาวด์และประโยชน์ของมัน | [บทเรียน](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) และ [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science ในระบบคลาวด์ | [ข้อมูลในระบบคลาวด์](5-Data-Science-In-Cloud/README.md) | การฝึกอบรมโมเดลโดยใช้เครื่องมือ Low Code |[บทเรียน](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) และ [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science ในระบบคลาวด์ | [ข้อมูลในระบบคลาวด์](5-Data-Science-In-Cloud/README.md) | การเผยแพร่โมเดลด้วย Azure Machine Learning Studio | [บทเรียน](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) และ [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science ในโลกจริง | [ในโลกจริง](6-Data-Science-In-Wild/README.md) | โครงการที่ขับเคลื่อนด้วย Data Science ในโลกจริง | [บทเรียน](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces @@ -135,45 +151,45 @@ CO_OP_TRANSLATOR_METADATA: 1. หากนี่เป็นครั้งแรกที่คุณใช้ container สำหรับการพัฒนา โปรดตรวจสอบให้แน่ใจว่าระบบของคุณตรงตามข้อกำหนดเบื้องต้น (เช่น ติดตั้ง Docker) ใน [เอกสารการเริ่มต้นใช้งาน](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -ในการใช้ repository นี้ คุณสามารถเปิด repository ใน volume Docker ที่แยกออกมา: +ในการใช้ repo นี้ คุณสามารถเปิด repo ใน Docker volume ที่แยกออกมา: -**หมายเหตุ**: เบื้องหลังจะใช้คำสั่ง Remote-Containers: **Clone Repository in Container Volume...** เพื่อโคลนซอร์สโค้ดใน volume Docker แทนที่จะเป็นระบบไฟล์ในเครื่อง [Volumes](https://docs.docker.com/storage/volumes/) เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูล container +**หมายเหตุ**: เบื้องหลังจะใช้คำสั่ง Remote-Containers: **Clone Repository in Container Volume...** เพื่อโคลนซอร์สโค้ดใน Docker volume แทนที่จะเป็นระบบไฟล์ในเครื่อง [Volumes](https://docs.docker.com/storage/volumes/) เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูล container -หรือเปิดเวอร์ชันที่โคลนหรือดาวน์โหลดไว้ในเครื่องของ repository: +หรือเปิด repo ที่โคลนหรือดาวน์โหลดไว้ในเครื่อง: -- โคลน repository นี้ไปยังระบบไฟล์ในเครื่องของคุณ +- โคลน repo นี้ไปยังระบบไฟล์ในเครื่องของคุณ - กด F1 และเลือกคำสั่ง **Remote-Containers: Open Folder in Container...** - เลือกสำเนาที่โคลนของโฟลเดอร์นี้ รอให้ container เริ่มต้น และลองใช้งาน ## การเข้าถึงแบบออฟไลน์ -คุณสามารถเรียกใช้เอกสารนี้แบบออฟไลน์โดยใช้ [Docsify](https://docsify.js.org/#/). Fork repo นี้, [ติดตั้ง Docsify](https://docsify.js.org/#/quickstart) บนเครื่องของคุณ จากนั้นในโฟลเดอร์รากของ repo นี้ พิมพ์ `docsify serve`. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บน localhost ของคุณ: `localhost:3000`. +คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ [Docsify](https://docsify.js.org/#/). Fork repo นี้, [ติดตั้ง Docsify](https://docsify.js.org/#/quickstart) บนเครื่องของคุณ จากนั้นในโฟลเดอร์ root ของ repo นี้ ให้พิมพ์ `docsify serve`. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บน localhost ของคุณ: `localhost:3000`. -> หมายเหตุ โน้ตบุ๊กจะไม่ถูกแสดงผลผ่าน Docsify ดังนั้นเมื่อคุณต้องการเรียกใช้โน้ตบุ๊ก ให้ทำแยกต่างหากใน VS Code โดยใช้ kernel Python +> หมายเหตุ โน้ตบุ๊กจะไม่ถูกแสดงผลผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้ทำแยกต่างหากใน VS Code โดยใช้ Python kernel ## หลักสูตรอื่นๆ -ทีมของเราผลิตหลักสูตรอื่นๆ! ดูที่: - -- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) -- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) -- [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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) +ทีมของเราผลิตหลักสูตรอื่นๆ! ลองดู: + +- [Edge AI สำหรับผู้เริ่มต้น](https://aka.ms/edgeai-for-beginners) +- [AI Agents สำหรับผู้เริ่มต้น](https://aka.ms/ai-agents-beginners) +- [Generative AI สำหรับผู้เริ่มต้น](https://aka.ms/genai-beginners) +- [Generative AI สำหรับผู้เริ่มต้น .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [Generative AI ด้วย JavaScript](https://github.com/microsoft/generative-ai-with-javascript) +- [Generative AI ด้วย Java](https://aka.ms/genaijava) +- [AI สำหรับผู้เริ่มต้น](https://aka.ms/ai-beginners) +- [Data Science สำหรับผู้เริ่มต้น](https://aka.ms/datascience-beginners) +- [Bash สำหรับผู้เริ่มต้น](https://github.com/microsoft/bash-for-beginners) +- [ML สำหรับผู้เริ่มต้น](https://aka.ms/ml-beginners) +- [Cybersecurity สำหรับผู้เริ่มต้น](https://github.com/microsoft/Security-101) +- [Web Dev สำหรับผู้เริ่มต้น](https://aka.ms/webdev-beginners) +- [IoT สำหรับผู้เริ่มต้น](https://aka.ms/iot-beginners) +- [Machine Learning สำหรับผู้เริ่มต้น](https://aka.ms/ml-beginners) +- [XR Development สำหรับผู้เริ่มต้น](https://aka.ms/xr-dev-for-beginners) +- [การใช้งาน GitHub Copilot สำหรับการเขียนโปรแกรม AI แบบคู่](https://aka.ms/GitHubCopilotAI) +- [XR Development สำหรับผู้เริ่มต้น](https://github.com/microsoft/xr-development-for-beginners) +- [การใช้งาน GitHub Copilot สำหรับนักพัฒนา C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [เลือกการผจญภัย Copilot ของคุณเอง](https://github.com/microsoft/CopilotAdventures) ## การขอความช่วยเหลือ @@ -182,10 +198,9 @@ CO_OP_TRANSLATOR_METADATA: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้าง โปรดเยี่ยมชม: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **ข้อจำกัดความรับผิดชอบ**: -เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่มีความเชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้ \ No newline at end of file +เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่มีความเชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้ \ No newline at end of file diff --git a/translations/th/examples/README.md b/translations/th/examples/README.md new file mode 100644 index 00000000..7206ad5f --- /dev/null +++ b/translations/th/examples/README.md @@ -0,0 +1,149 @@ + +# ตัวอย่างวิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น + +ยินดีต้อนรับสู่ไดเรกทอรีตัวอย่าง! คอลเลกชันตัวอย่างที่เรียบง่ายและมีคำอธิบายชัดเจนนี้ถูกออกแบบมาเพื่อช่วยให้คุณเริ่มต้นกับวิทยาศาสตร์ข้อมูล แม้ว่าคุณจะเป็นมือใหม่ก็ตาม + +## 📚 สิ่งที่คุณจะพบที่นี่ + +แต่ละตัวอย่างมีความสมบูรณ์ในตัวเองและประกอบด้วย: +- **คำอธิบายที่ชัดเจน** อธิบายทุกขั้นตอน +- **โค้ดที่อ่านง่าย** แสดงแนวคิดทีละอย่าง +- **บริบทในโลกจริง** เพื่อช่วยให้คุณเข้าใจว่าเมื่อไหร่และทำไมถึงใช้เทคนิคเหล่านี้ +- **ผลลัพธ์ที่คาดหวัง** เพื่อให้คุณรู้ว่าควรดูอะไร + +## 🚀 เริ่มต้นใช้งาน + +### สิ่งที่ต้องเตรียม +ก่อนที่จะรันตัวอย่างเหล่านี้ ตรวจสอบให้แน่ใจว่าคุณมี: +- Python 3.7 หรือสูงกว่าติดตั้งอยู่ +- ความเข้าใจพื้นฐานเกี่ยวกับการรันสคริปต์ Python + +### การติดตั้งไลบรารีที่จำเป็น +```bash +pip install pandas numpy matplotlib +``` + +## 📖 ภาพรวมของตัวอย่าง + +### 1. Hello World - สไตล์วิทยาศาสตร์ข้อมูล +**ไฟล์:** `01_hello_world_data_science.py` + +โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ! เรียนรู้วิธี: +- โหลดชุดข้อมูลง่ายๆ +- แสดงข้อมูลพื้นฐานเกี่ยวกับชุดข้อมูลของคุณ +- พิมพ์ผลลัพธ์วิทยาศาสตร์ข้อมูลครั้งแรกของคุณ + +เหมาะสำหรับมือใหม่ที่ต้องการเห็นโปรแกรมวิทยาศาสตร์ข้อมูลครั้งแรกในทางปฏิบัติ + +--- + +### 2. การโหลดและสำรวจข้อมูล +**ไฟล์:** `02_loading_data.py` + +เรียนรู้พื้นฐานของการทำงานกับข้อมูล: +- อ่านข้อมูลจากไฟล์ CSV +- ดูแถวแรกๆ ของชุดข้อมูลของคุณ +- รับสถิติพื้นฐานเกี่ยวกับข้อมูลของคุณ +- เข้าใจประเภทของข้อมูล + +นี่มักจะเป็นขั้นตอนแรกในโครงการวิทยาศาสตร์ข้อมูลใดๆ! + +--- + +### 3. การวิเคราะห์ข้อมูลแบบง่าย +**ไฟล์:** `03_simple_analysis.py` + +ทำการวิเคราะห์ข้อมูลครั้งแรกของคุณ: +- คำนวณสถิติพื้นฐาน (ค่าเฉลี่ย มัธยฐาน โหมด) +- หาค่าสูงสุดและต่ำสุด +- นับจำนวนการเกิดของค่า +- กรองข้อมูลตามเงื่อนไข + +ดูวิธีตอบคำถามง่ายๆ เกี่ยวกับข้อมูลของคุณ + +--- + +### 4. พื้นฐานการสร้างภาพข้อมูล +**ไฟล์:** `04_basic_visualization.py` + +สร้างภาพข้อมูลครั้งแรกของคุณ: +- สร้างแผนภูมิแท่งง่ายๆ +- สร้างกราฟเส้น +- สร้างแผนภูมิวงกลม +- บันทึกภาพข้อมูลของคุณเป็นไฟล์รูปภาพ + +เรียนรู้วิธีสื่อสารผลลัพธ์ของคุณด้วยภาพ! + +--- + +### 5. การทำงานกับข้อมูลจริง +**ไฟล์:** `05_real_world_example.py` + +นำทุกอย่างมารวมกันในตัวอย่างที่สมบูรณ์: +- โหลดข้อมูลจริงจากที่เก็บข้อมูล +- ทำความสะอาดและเตรียมข้อมูล +- ทำการวิเคราะห์ +- สร้างภาพข้อมูลที่มีความหมาย +- สรุปผล + +ตัวอย่างนี้แสดงให้คุณเห็นกระบวนการทำงานที่สมบูรณ์ตั้งแต่ต้นจนจบ + +--- + +## 🎯 วิธีใช้ตัวอย่างเหล่านี้ + +1. **เริ่มต้นจากจุดเริ่มต้น**: ตัวอย่างถูกจัดลำดับตามความยาก เริ่มต้นที่ `01_hello_world_data_science.py` และทำตามลำดับไปเรื่อยๆ + +2. **อ่านคำอธิบาย**: แต่ละไฟล์มีคำอธิบายละเอียดเกี่ยวกับสิ่งที่โค้ดทำและเหตุผล อ่านอย่างละเอียด! + +3. **ทดลอง**: ลองแก้ไขโค้ด ดูว่าเกิดอะไรขึ้นถ้าคุณเปลี่ยนค่า ลองทำให้โค้ดเสียแล้วแก้ไข - นั่นคือวิธีการเรียนรู้! + +4. **รันโค้ด**: รันแต่ละตัวอย่างและสังเกตผลลัพธ์ เปรียบเทียบกับสิ่งที่คุณคาดหวัง + +5. **ต่อยอด**: เมื่อคุณเข้าใจตัวอย่างแล้ว ลองขยายมันด้วยไอเดียของคุณเอง + +## 💡 เคล็ดลับสำหรับมือใหม่ + +- **อย่ารีบร้อน**: ใช้เวลาในการทำความเข้าใจแต่ละตัวอย่างก่อนที่จะไปยังตัวอย่างถัดไป +- **พิมพ์โค้ดด้วยตัวเอง**: อย่าแค่คัดลอก-วาง การพิมพ์ช่วยให้คุณเรียนรู้และจดจำ +- **ค้นหาความหมายของแนวคิดที่ไม่คุ้นเคย**: หากคุณเห็นสิ่งที่คุณไม่เข้าใจ ค้นหาข้อมูลออนไลน์หรือในบทเรียนหลัก +- **ถามคำถาม**: เข้าร่วม [ฟอรัมสนทนา](https://github.com/microsoft/Data-Science-For-Beginners/discussions) หากคุณต้องการความช่วยเหลือ +- **ฝึกฝนอย่างสม่ำเสมอ**: พยายามเขียนโค้ดเล็กๆ น้อยๆ ทุกวันแทนที่จะทำเป็นช่วงยาวๆ สัปดาห์ละครั้ง + +## 🔗 ขั้นตอนถัดไป + +หลังจากทำตัวอย่างเหล่านี้เสร็จ คุณพร้อมที่จะ: +- ทำบทเรียนในหลักสูตรหลัก +- ลองทำแบบฝึกหัดในแต่ละโฟลเดอร์บทเรียน +- สำรวจ Jupyter notebooks เพื่อการเรียนรู้ที่ลึกซึ้งยิ่งขึ้น +- สร้างโครงการวิทยาศาสตร์ข้อมูลของคุณเอง + +## 📚 แหล่งข้อมูลเพิ่มเติม + +- [หลักสูตรหลัก](../README.md) - หลักสูตร 20 บทเรียนที่สมบูรณ์ +- [สำหรับครู](../for-teachers.md) - การใช้หลักสูตรนี้ในห้องเรียนของคุณ +- [Microsoft Learn](https://docs.microsoft.com/learn/) - แหล่งเรียนรู้ออนไลน์ฟรี +- [เอกสาร Python](https://docs.python.org/3/) - เอกสารอ้างอิง Python อย่างเป็นทางการ + +## 🤝 การมีส่วนร่วม + +พบข้อผิดพลาดหรือมีไอเดียสำหรับตัวอย่างใหม่? เรายินดีต้อนรับการมีส่วนร่วม! โปรดดู [คู่มือการมีส่วนร่วม](../CONTRIBUTING.md) + +--- + +**เรียนรู้อย่างมีความสุข! 🎉** + +จำไว้ว่า: ผู้เชี่ยวชาญทุกคนเคยเป็นมือใหม่มาก่อน เรียนรู้ทีละขั้นตอน และอย่ากลัวที่จะทำผิดพลาด - เพราะมันเป็นส่วนหนึ่งของกระบวนการเรียนรู้! + +--- + +**ข้อจำกัดความรับผิดชอบ**: +เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลภาษามนุษย์ที่เป็นมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้ \ No newline at end of file diff --git a/translations/tl/README.md b/translations/tl/README.md index 1e16cbb8..ed48b82f 100644 --- a/translations/tl/README.md +++ b/translations/tl/README.md @@ -1,15 +1,15 @@ # Data Science para sa mga Baguhan - Isang Kurikulum -Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng 10-linggong, 20-aralin na kurikulum tungkol sa Data Science. Ang bawat aralin ay may kasamang pre-lesson at post-lesson na mga pagsusulit, nakasulat na mga tagubilin para sa pagsasagawa ng aralin, solusyon, at takdang-aralin. Ang aming project-based na paraan ng pagtuturo ay nagbibigay-daan sa iyo na matuto habang gumagawa, isang napatunayang paraan para mas matandaan ang mga bagong kasanayan. +Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng isang 10-linggo, 20-leksyon na kurikulum tungkol sa Data Science. Ang bawat leksyon ay may kasamang pre-leksyon at post-leksyon na mga pagsusulit, nakasulat na mga tagubilin para sa pagsasagawa ng leksyon, solusyon, at takdang-aralin. Ang aming proyekto-based na pamamaraan ng pagtuturo ay nagbibigay-daan sa iyo na matuto habang gumagawa, isang napatunayang paraan para mas matandaan ang mga bagong kasanayan. **Taos-pusong pasasalamat sa aming mga may-akda:** [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). @@ -22,7 +22,7 @@ Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng 10-linggong, 20-aral ### 🌐 Suporta sa Multi-Wika -#### Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatik at Palaging Napapanahon) +#### Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatiko at Palaging Napapanahon) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](./README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) @@ -31,22 +31,24 @@ Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng 10-linggong, 20-aral #### Sumali sa Aming Komunidad [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Mayroon kaming ongoing na Discord learn with AI series, alamin pa at sumali sa amin sa [Learn with AI Series](https://aka.ms/learnwithai/discord) mula 18 - 30 Setyembre, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science. +Mayroon kaming Discord na "Learn with AI" series na patuloy na nagaganap, alamin pa at sumali sa amin sa [Learn with AI Series](https://aka.ms/learnwithai/discord) mula 18 - 30 Setyembre, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science. ![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.tl.jpg) -# Ikaw ba ay isang mag-aaral? +# Ikaw ba ay isang estudyante? Simulan gamit ang mga sumusunod na resources: -- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sa pahinang ito, makakahanap ka ng mga resources para sa mga baguhan, Student packs, at maging mga paraan para makakuha ng libreng cert voucher. Isa itong pahina na dapat mong i-bookmark at bisitahin paminsan-minsan dahil binabago namin ang nilalaman buwan-buwan. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sumali sa global na komunidad ng mga student ambassadors, maaaring ito ang iyong daan papunta sa Microsoft. +- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sa pahinang ito, makakahanap ka ng mga resources para sa mga baguhan, mga Student packs, at maging mga paraan para makakuha ng libreng cert voucher. Isa itong pahina na dapat mong i-bookmark at bisitahin paminsan-minsan dahil binabago namin ang nilalaman buwan-buwan. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sumali sa isang pandaigdigang komunidad ng mga student ambassadors, maaaring ito ang iyong daan papunta sa Microsoft. # Pagsisimula +> **Para sa mga Baguhan**: Bago sa data science? Simulan sa aming [mga halimbawa para sa baguhan](examples/README.md)! Ang mga simpleng halimbawa na may malinaw na mga komento ay makakatulong sa iyo na maunawaan ang mga pangunahing kaalaman bago sumabak sa buong kurikulum. + > **Mga Guro**: mayroon kaming [ilang mungkahi](for-teachers.md) kung paano gamitin ang kurikulum na ito. Gusto naming marinig ang inyong feedback [sa aming discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Mga Mag-aaral](https://aka.ms/student-page)**: upang gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at kumpletuhin ang mga gawain nang mag-isa, simula sa pre-lecture quiz. Pagkatapos, basahin ang lecture at kumpletuhin ang natitirang mga aktibidad. Subukang gumawa ng mga proyekto sa pamamagitan ng pag-unawa sa mga aralin sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa /solutions folders sa bawat project-oriented na aralin. Isa pang ideya ay ang bumuo ng study group kasama ang mga kaibigan at sabay-sabay na pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekomenda namin ang [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Mga Estudyante](https://aka.ms/student-page)**: upang gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at kumpletuhin ang mga aktibidad nang mag-isa, simula sa pre-lecture quiz. Pagkatapos, basahin ang leksyon at kumpletuhin ang natitirang mga aktibidad. Subukang gawin ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa /solutions folders sa bawat project-oriented na leksyon. Isa pang ideya ay ang bumuo ng study group kasama ang mga kaibigan at sabay-sabay na pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekumenda namin ang [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Kilalanin ang Koponan @@ -56,107 +58,121 @@ Simulan gamit ang mga sumusunod na resources: > 🎥 I-click ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito! -## Pedagogy +## Pamamaraan ng Pagtuturo -Pinili namin ang dalawang prinsipyo ng pagtuturo habang binubuo ang kurikulum na ito: tiyaking ito ay project-based at may kasamang madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututunan ng mga mag-aaral ang mga pangunahing prinsipyo ng data science, kabilang ang mga etikal na konsepto, paghahanda ng data, iba't ibang paraan ng pagtatrabaho sa data, data visualization, data analysis, mga tunay na kaso ng paggamit ng data science, at marami pa. +Pinili namin ang dalawang prinsipyo ng pagtuturo habang binubuo ang kurikulum na ito: tiyaking ito ay nakabatay sa proyekto at may kasamang madalas na mga pagsusulit. Sa pagtatapos ng serye, matututunan ng mga estudyante ang mga pangunahing prinsipyo ng data science, kabilang ang mga etikal na konsepto, paghahanda ng data, iba't ibang paraan ng pagtatrabaho sa data, data visualization, data analysis, mga tunay na kaso ng paggamit ng data science, at marami pa. -Bukod dito, ang pagsusulit na mababa ang stakes bago ang klase ay nagtatakda ng intensyon ng mag-aaral patungo sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagtitiyak ng karagdagang pagkatuto. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at nagiging mas kumplikado sa pagtatapos ng 10-linggong siklo. +Bukod dito, ang pagsusulit bago ang klase ay nagtatakda ng intensyon ng estudyante na matutunan ang isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagtitiyak ng mas matagal na pagkatuto. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at nagiging mas kumplikado sa pagtatapos ng 10-linggong siklo. -> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) na mga alituntunin. Malugod naming tinatanggap ang inyong nakabubuong feedback! +> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) guidelines. Malugod naming tinatanggap ang inyong mga nakabubuong feedback! -## Ang bawat aralin ay may kasamang: +## Ang bawat leksyon ay may kasamang: - Opsyonal na sketchnote - Opsyonal na karagdagang video -- Pre-lesson warmup quiz -- Nakatalang aralin -- Para sa mga project-based na aralin, step-by-step na gabay kung paano gawin ang proyekto +- Pre-leksyon na warmup quiz +- Nakatalang leksyon +- Para sa mga leksyon na nakabatay sa proyekto, step-by-step na gabay kung paano buuin ang proyekto - Mga pagsusuri sa kaalaman - Isang hamon - Karagdagang babasahin - Takdang-aralin -- [Post-lesson quiz](https://ff-quizzes.netlify.app/en/) +- [Post-leksyon na pagsusulit](https://ff-quizzes.netlify.app/en/) +> **Isang tala tungkol sa mga pagsusulit**: Ang lahat ng pagsusulit ay nasa Quiz-App folder, na may kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Ang mga ito ay naka-link mula sa mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o i-deploy sa Azure; sundin ang mga tagubilin sa `quiz-app` folder. Ang mga ito ay unti-unting isinasalin sa iba't ibang wika. + +## 🎓 Mga Halimbawa Para sa Mga Baguhan + +**Bago sa Data Science?** Nilikha namin ang isang espesyal na [examples directory](examples/README.md) na may simpleng code na may mga komento upang matulungan kang magsimula: + +- 🌟 **Hello World** - Ang iyong unang programa sa data science +- 📂 **Pag-load ng Data** - Matutong magbasa at mag-explore ng mga dataset +- 📊 **Simpleng Pagsusuri** - Magkalkula ng mga istatistika at maghanap ng mga pattern +- 📈 **Pangunahing Pagpapakita ng Data** - Gumawa ng mga chart at graph +- 🔬 **Proyekto sa Tunay na Mundo** - Kumpletong workflow mula simula hanggang matapos -> **Tungkol sa mga pagsusulit**: Ang lahat ng pagsusulit ay nakapaloob sa Quiz-App folder, para sa kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Ang mga ito ay naka-link mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o i-deploy sa Azure; sundin ang mga tagubilin sa `quiz-app` folder. Ang mga ito ay unti-unting nilolokal. +Ang bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perpekto ito para sa mga baguhan! + +👉 **[Simulan sa mga halimbawa](examples/README.md)** 👈 ## Mga Aralin + |![ Sketchnote ni @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.tl.png)| |:---:| | Data Science Para sa Mga Baguhan: Roadmap - _Sketchnote ni [@nitya](https://twitter.com/nitya)_ | -| Numero ng Leksyon | Paksa | Pangkat ng Leksyon | Mga Layunin sa Pag-aaral | Kaugnay na Leksyon | May-akda | +| Bilang ng Aralin | Paksa | Pangkat ng Aralin | Mga Layunin sa Pagkatuto | Naka-link na Aralin | May-akda | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Pagpapakahulugan sa Data Science | [Panimula](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto ng data science at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Etika sa Data Science | [Panimula](1-Introduction/README.md) | Mga Konsepto, Hamon, at Framework ng Etika sa Data. | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Pagpapakahulugan sa Data | [Panimula](1-Introduction/README.md) | Paano ikinuklasipika ang data at ang mga karaniwang pinagmulan nito. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Panimula sa Statistics at Probability | [Panimula](1-Introduction/README.md) | Ang mga teknik sa matematika ng probability at statistics upang maunawaan ang data. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Paggawa gamit ang Relational Data | [Paggawa Gamit ang Data](2-Working-With-Data/README.md) | Panimula sa relational data at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Paggawa gamit ang NoSQL Data | [Paggawa Gamit ang Data](2-Working-With-Data/README.md) | Panimula sa non-relational data, ang iba't ibang uri nito, at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng document databases. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Paggawa gamit ang Python | [Paggawa Gamit ang Data](2-Working-With-Data/README.md) | Mga pangunahing kaalaman sa paggamit ng Python para sa pag-explore ng data gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundasyong kaalaman sa Python programming. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Paghahanda ng Data | [Paggawa Gamit ang Data](2-Working-With-Data/README.md) | Mga paksa sa mga teknik ng data para sa paglilinis at pagbabago ng data upang matugunan ang mga hamon ng nawawala, hindi tama, o hindi kumpletong data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Pagpapakita ng Dami | [Pagpapakita ng Data](3-Data-Visualization/README.md) | Matutunan kung paano gamitin ang Matplotlib upang ipakita ang data ng ibon 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Pagpapakita ng Pamamahagi ng Data | [Pagpapakita ng Data](3-Data-Visualization/README.md) | Pagpapakita ng mga obserbasyon at trend sa loob ng isang interval. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Pagpapakita ng Proporsyon | [Pagpapakita ng Data](3-Data-Visualization/README.md) | Pagpapakita ng discrete at grouped percentages. | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Pagpapakita ng Relasyon | [Pagpapakita ng Data](3-Data-Visualization/README.md) | Pagpapakita ng mga koneksyon at correlations sa pagitan ng mga set ng data at ang mga variable nito. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Makabuluhang Pagpapakita | [Pagpapakita ng Data](3-Data-Visualization/README.md) | Mga teknik at gabay para gawing mahalaga ang iyong mga pagpapakita para sa epektibong paglutas ng problema at mga insight. | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Panimula sa Lifecycle ng Data Science | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Panimula sa lifecycle ng data science at ang unang hakbang nito sa pagkuha at pag-extract ng data. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Pagsusuri | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Ang phase na ito ng lifecycle ng data science ay nakatuon sa mga teknik para sa pagsusuri ng data. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Komunikasyon | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Ang phase na ito ng lifecycle ng data science ay nakatuon sa pagpapakita ng mga insight mula sa data sa paraang mas madaling maunawaan ng mga gumagawa ng desisyon. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Ang serye ng mga leksyon na ito ay nagpapakilala sa data science sa cloud at ang mga benepisyo nito. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pagsasanay ng mga modelo gamit ang Low Code tools. |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio. | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science sa Wild | [Sa Wild](6-Data-Science-In-Wild/README.md) | Mga proyektong pinapatakbo ng data science sa totoong mundo. | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Pagpapakilala sa Data Science | [Introduction](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto ng data science at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data. | [aralin](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etika sa Data Science | [Introduction](1-Introduction/README.md) | Mga Konsepto, Hamon, at Framework ng Etika sa Data. | [aralin](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Pagpapakilala sa Data | [Introduction](1-Introduction/README.md) | Paano ikinuklasipika ang data at ang mga karaniwang pinagmulan nito. | [aralin](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Pagpapakilala sa Statistics at Probability | [Introduction](1-Introduction/README.md) | Ang mga teknik sa matematika ng probability at statistics upang maunawaan ang data. | [aralin](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Paggamit ng Relational Data | [Working With Data](2-Working-With-Data/README.md) | Pagpapakilala sa relational data at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”). | [aralin](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Paggamit ng NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Pagpapakilala sa non-relational data, ang iba't ibang uri nito, at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng document databases. | [aralin](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Paggamit ng Python | [Working With Data](2-Working-With-Data/README.md) | Mga pangunahing kaalaman sa paggamit ng Python para sa pag-explore ng data gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundasyong kaalaman sa Python programming. | [aralin](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Paghahanda ng Data | [Working With Data](2-Working-With-Data/README.md) | Mga paksa tungkol sa mga teknik sa paglilinis at pagbabago ng data upang matugunan ang mga hamon ng nawawala, hindi tama, o hindi kumpletong data. | [aralin](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Pagpapakita ng Mga Dami | [Data Visualization](3-Data-Visualization/README.md) | Matutunan kung paano gamitin ang Matplotlib upang ipakita ang data ng mga ibon 🦆 | [aralin](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Pagpapakita ng Pamamahagi ng Data | [Data Visualization](3-Data-Visualization/README.md) | Pagpapakita ng mga obserbasyon at trend sa loob ng isang interval. | [aralin](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Pagpapakita ng Proporsyon | [Data Visualization](3-Data-Visualization/README.md) | Pagpapakita ng discrete at grouped percentages. | [aralin](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Pagpapakita ng Mga Relasyon | [Data Visualization](3-Data-Visualization/README.md) | Pagpapakita ng mga koneksyon at correlations sa pagitan ng mga set ng data at ang kanilang mga variable. | [aralin](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Makabuluhang Pagpapakita ng Data | [Data Visualization](3-Data-Visualization/README.md) | Mga teknik at gabay para gawing mahalaga ang iyong mga pagpapakita ng data para sa epektibong paglutas ng problema at mga insight. | [aralin](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Pagpapakilala sa Lifecycle ng Data Science | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Pagpapakilala sa lifecycle ng data science at ang unang hakbang nito sa pagkuha at pag-extract ng data. | [aralin](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Pagsusuri | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Ang phase na ito ng lifecycle ng data science ay nakatuon sa mga teknik para sa pagsusuri ng data. | [aralin](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Komunikasyon | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Ang phase na ito ng lifecycle ng data science ay nakatuon sa pagpapakita ng mga insight mula sa data sa paraang mas madaling maunawaan ng mga gumagawa ng desisyon. | [aralin](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Ang serye ng mga araling ito ay nagpapakilala sa data science sa cloud at ang mga benepisyo nito. | [aralin](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pagsasanay ng mga modelo gamit ang Low Code tools. |[aralin](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio. | [aralin](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science sa Wild | [In the Wild](6-Data-Science-In-Wild/README.md) | Mga proyektong pinapatakbo ng data science sa tunay na mundo. | [aralin](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Sundin ang mga hakbang na ito upang buksan ang sample na ito sa isang Codespace: -1. I-click ang drop-down na menu ng Code at piliin ang opsyong Open with Codespaces. +1. I-click ang drop-down na menu ng Code at piliin ang Open with Codespaces na opsyon. 2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang impormasyon, tingnan ang [dokumentasyon ng GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers Sundin ang mga hakbang na ito upang buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension: -1. Kung ito ang iyong unang beses na gumamit ng development container, tiyakin na ang iyong sistema ay nakakatugon sa mga kinakailangan (hal. may naka-install na Docker) sa [dokumentasyon ng pagsisimula](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Kung ito ang iyong unang beses na paggamit ng development container, tiyakin na ang iyong sistema ay nakakatugon sa mga kinakailangan (hal. may naka-install na Docker) sa [dokumentasyon ng pagsisimula](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Upang gamitin ang repository na ito, maaari mong buksan ang repository sa isang nakahiwalay na Docker volume: **Tandaan**: Sa ilalim ng hood, gagamitin nito ang Remote-Containers: **Clone Repository in Container Volume...** command upang i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Ang [Volumes](https://docs.docker.com/storage/volumes/) ang mas pinapaboran na mekanismo para sa pag-persist ng data ng container. -O buksan ang lokal na na-clone o na-download na bersyon ng repository: +O buksan ang isang lokal na na-clone o na-download na bersyon ng repository: - I-clone ang repository na ito sa iyong lokal na filesystem. - Pindutin ang F1 at piliin ang **Remote-Containers: Open Folder in Container...** command. -- Piliin ang na-clone na kopya ng folder na ito, hintayin ang pagsisimula ng container, at subukan ang mga bagay. +- Piliin ang na-clone na kopya ng folder na ito, hintayin ang container na magsimula, at subukan ang mga bagay. ## Offline na Pag-access Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang [Docsify](https://docsify.js.org/#/). I-fork ang repo na ito, [i-install ang Docsify](https://docsify.js.org/#/quickstart) sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type ang `docsify serve`. Ang website ay magsisilbi sa port 3000 sa iyong localhost: `localhost:3000`. -> Tandaan, ang mga notebook ay hindi mairender sa pamamagitan ng Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code gamit ang Python kernel. +> Tandaan, ang mga notebook ay hindi mairender sa pamamagitan ng Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin ito nang hiwalay sa VS Code gamit ang Python kernel. ## Iba Pang Kurikulum Ang aming team ay gumagawa ng iba pang kurikulum! Tingnan: -- [Edge AI para sa Mga Baguhan](https://aka.ms/edgeai-for-beginners) -- [AI Agents para sa Mga Baguhan](https://aka.ms/ai-agents-beginners) -- [Generative AI para sa Mga Baguhan](https://aka.ms/genai-beginners) -- [Generative AI para sa Mga Baguhan .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) -- [Generative AI gamit ang JavaScript](https://github.com/microsoft/generative-ai-with-javascript) -- [Generative AI gamit ang Java](https://aka.ms/genaijava) -- [AI para sa Mga Baguhan](https://aka.ms/ai-beginners) -- [Data Science para sa Mga Baguhan](https://aka.ms/datascience-beginners) -- [Bash para sa Mga Baguhan](https://github.com/microsoft/bash-for-beginners) -- [ML para sa Mga Baguhan](https://aka.ms/ml-beginners) -- [Cybersecurity para sa Mga Baguhan](https://github.com/microsoft/Security-101) -- [Web Dev para sa Mga Baguhan](https://aka.ms/webdev-beginners) -- [IoT para sa Mga Baguhan](https://aka.ms/iot-beginners) -- [Machine Learning para sa Mga Baguhan](https://aka.ms/ml-beginners) -- [XR Development para sa Mga Baguhan](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot para sa AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development para sa Mga Baguhan](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot para sa C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) +- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) +- [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) +- [Bash for Beginners](https://github.com/microsoft/bash-for-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) +- [Machine Learning for Beginners](https://aka.ms/ml-beginners) +- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) +- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) +- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) +- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) ## Pagkuha ng Tulong @@ -166,7 +182,6 @@ Kung ikaw ay nahihirapan o may mga tanong tungkol sa paggawa ng AI apps, sumali [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) Kung mayroon kang feedback sa produkto o mga error habang gumagawa, bisitahin: - [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/tl/examples/README.md b/translations/tl/examples/README.md new file mode 100644 index 00000000..6dcfb211 --- /dev/null +++ b/translations/tl/examples/README.md @@ -0,0 +1,145 @@ + +# Mga Halimbawa ng Data Science para sa mga Baguhan + +Maligayang pagdating sa direktoryo ng mga halimbawa! Ang koleksyong ito ng mga simpleng halimbawa na may malinaw na mga komento ay idinisenyo upang tulungan kang magsimula sa data science, kahit na ikaw ay ganap na baguhan. + +## 📚 Ano ang Matatagpuan Dito + +Ang bawat halimbawa ay kumpleto at naglalaman ng: +- **Malinaw na mga komento** na nagpapaliwanag sa bawat hakbang +- **Simple at madaling basahing code** na nagpapakita ng isang konsepto sa bawat pagkakataon +- **Konteksto mula sa totoong mundo** upang maunawaan mo kung kailan at bakit gagamitin ang mga teknik na ito +- **Inaasahang output** upang malaman mo kung ano ang dapat mong makita + +## 🚀 Paano Magsimula + +### Mga Kinakailangan +Bago patakbuhin ang mga halimbawa, tiyaking mayroon ka ng mga sumusunod: +- Nakainstall ang Python 3.7 o mas mataas +- Pangunahing kaalaman kung paano patakbuhin ang mga Python script + +### Pag-install ng Mga Kinakailangang Library +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Pangkalahatang-ideya ng Mga Halimbawa + +### 1. Hello World - Data Science Style +**File:** `01_hello_world_data_science.py` + +Ang iyong unang programa sa data science! Matutunan kung paano: +- Mag-load ng simpleng dataset +- Ipakita ang pangunahing impormasyon tungkol sa iyong data +- I-print ang iyong unang output sa data science + +Perpekto para sa mga ganap na baguhan na gustong makita ang kanilang unang programa sa data science na gumagana. + +--- + +### 2. Pag-load at Pag-explore ng Data +**File:** `02_loading_data.py` + +Matutunan ang mga pangunahing kaalaman sa pagtatrabaho sa data: +- Magbasa ng data mula sa mga CSV file +- Tingnan ang unang ilang mga hilera ng iyong dataset +- Kumuha ng pangunahing istatistika tungkol sa iyong data +- Unawain ang mga uri ng data + +Ito ang madalas na unang hakbang sa anumang proyekto sa data science! + +--- + +### 3. Simpleng Pagsusuri ng Data +**File:** `03_simple_analysis.py` + +Gawin ang iyong unang pagsusuri ng data: +- Kalkulahin ang mga pangunahing istatistika (mean, median, mode) +- Hanapin ang pinakamataas at pinakamababang halaga +- Bilangin ang mga paglitaw ng mga halaga +- I-filter ang data batay sa mga kondisyon + +Tingnan kung paano sagutin ang mga simpleng tanong tungkol sa iyong data. + +--- + +### 4. Mga Pangunahing Kaalaman sa Data Visualization +**File:** `04_basic_visualization.py` + +Gumawa ng iyong unang mga visualization: +- Gumawa ng simpleng bar chart +- Gumawa ng line plot +- Gumawa ng pie chart +- I-save ang iyong mga visualization bilang mga imahe + +Matutunan kung paano ipahayag ang iyong mga natuklasan sa biswal na paraan! + +--- + +### 5. Pagtatrabaho sa Totoong Data +**File:** `05_real_world_example.py` + +Pagsamahin ang lahat sa isang kumpletong halimbawa: +- Mag-load ng totoong data mula sa repository +- Linisin at ihanda ang data +- Gawin ang pagsusuri +- Gumawa ng makabuluhang mga visualization +- Gumuhit ng mga konklusyon + +Ipinapakita ng halimbawang ito ang isang kumpletong workflow mula simula hanggang matapos. + +--- + +## 🎯 Paano Gamitin ang Mga Halimbawang Ito + +1. **Magsimula sa simula**: Ang mga halimbawa ay nakaayos ayon sa antas ng kahirapan. Simulan sa `01_hello_world_data_science.py` at sundan ang pagkakasunod-sunod. +2. **Basahin ang mga komento**: Ang bawat file ay may detalyadong mga komento na nagpapaliwanag kung ano ang ginagawa ng code at kung bakit. Basahin ang mga ito nang mabuti! +3. **Mag-eksperimento**: Subukang baguhin ang code. Ano ang mangyayari kung babaguhin mo ang isang halaga? Subukang sirain ang mga bagay at ayusin ang mga ito - ganito ka matututo! +4. **Patakbuhin ang code**: Ipatupad ang bawat halimbawa at obserbahan ang output. Ihambing ito sa inaasahan mo. +5. **Palawakin ito**: Kapag naintindihan mo na ang isang halimbawa, subukang palawakin ito gamit ang sarili mong mga ideya. + +## 💡 Mga Tip para sa mga Baguhan + +- **Huwag magmadali**: Maglaan ng oras upang maunawaan ang bawat halimbawa bago lumipat sa susunod +- **I-type ang code mo mismo**: Huwag lang kopyahin at i-paste. Ang pagta-type ay nakakatulong sa iyong matuto at matandaan +- **Hanapin ang mga hindi pamilyar na konsepto**: Kung may makita kang hindi mo naiintindihan, maghanap online o sa mga pangunahing aralin +- **Magtanong**: Sumali sa [discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions) kung kailangan mo ng tulong +- **Magpraktis nang regular**: Subukang mag-code araw-araw kaysa sa mahabang sesyon isang beses sa isang linggo + +## 🔗 Mga Susunod na Hakbang + +Pagkatapos makumpleto ang mga halimbawa, handa ka nang: +- Dumaan sa mga pangunahing aralin ng kurikulum +- Subukan ang mga gawain sa bawat folder ng aralin +- Tuklasin ang mga Jupyter notebook para sa mas malalim na pag-aaral +- Gumawa ng sarili mong mga proyekto sa data science + +## 📚 Karagdagang Mga Mapagkukunan + +- [Main Curriculum](../README.md) - Ang kumpletong 20-aralin na kurso +- [For Teachers](../for-teachers.md) - Paggamit ng kurikulum na ito sa iyong klase +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Libreng online na mga mapagkukunan sa pag-aaral +- [Python Documentation](https://docs.python.org/3/) - Opisyal na sanggunian sa Python + +## 🤝 Pagtulong + +Nakakita ng bug o may ideya para sa bagong halimbawa? Malugod naming tinatanggap ang mga kontribusyon! Mangyaring tingnan ang aming [Contributing Guide](../CONTRIBUTING.md). + +--- + +**Masayang Pag-aaral! 🎉** + +Tandaan: Ang bawat eksperto ay minsang naging baguhan. Gawin ito nang paisa-isa, at huwag matakot na magkamali - bahagi ito ng proseso ng pagkatuto! + +--- + +**Paunawa**: +Ang dokumentong ito ay isinalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama't sinisikap naming maging tumpak, mangyaring tandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na opisyal na pinagmulan. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito. \ No newline at end of file diff --git a/translations/tr/README.md b/translations/tr/README.md index dd1263dc..30b6380c 100644 --- a/translations/tr/README.md +++ b/translations/tr/README.md @@ -1,20 +1,20 @@ -# Veri Bilimi için Başlangıç - Bir Müfredat +# Veri Bilimi için Yeni Başlayanlar - Müfredat [![GitHub Codespaces'te Aç](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [![GitHub lisansı](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) [![GitHub katkıda bulunanlar](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) [![GitHub sorunlar](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![GitHub çekme istekleri](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) [![PR'ler Hoş Geldiniz](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![GitHub izleyiciler](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) @@ -34,20 +34,20 @@ Microsoft'taki Azure Cloud Advocates ekibi, Veri Bilimi hakkında 10 haftalık, |![@sketchthedocs tarafından Sketchnote https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.tr.png)| |:---:| -| Veri Bilimi için Başlangıç - _[@nitya](https://twitter.com/nitya) tarafından Sketchnote_ | +| Veri Bilimi için Yeni Başlayanlar - _[@nitya](https://twitter.com/nitya) tarafından Sketchnote_ | ### 🌐 Çok Dilli Destek #### GitHub Action ile Destekleniyor (Otomatik ve Her Zaman Güncel) -[Fransızca](../fr/README.md) | [İspanyolca](../es/README.md) | [Almanca](../de/README.md) | [Rusça](../ru/README.md) | [Arapça](../ar/README.md) | [Farsça](../fa/README.md) | [Urduca](../ur/README.md) | [Çince (Basitleştirilmiş)](../zh/README.md) | [Çince (Geleneksel, Macau)](../mo/README.md) | [Çince (Geleneksel, Hong Kong)](../hk/README.md) | [Çince (Geleneksel, Tayvan)](../tw/README.md) | [Japonca](../ja/README.md) | [Korece](../ko/README.md) | [Hintçe](../hi/README.md) | [Bengalce](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalce](../ne/README.md) | [Pencapça (Gurmukhi)](../pa/README.md) | [Portekizce (Portekiz)](../pt/README.md) | [Portekizce (Brezilya)](../br/README.md) | [İtalyanca](../it/README.md) | [Lehçe](../pl/README.md) | [Türkçe](./README.md) | [Yunanca](../el/README.md) | [Tayca](../th/README.md) | [İsveççe](../sv/README.md) | [Danca](../da/README.md) | [Norveççe](../no/README.md) | [Fince](../fi/README.md) | [Felemenkçe](../nl/README.md) | [İbranice](../he/README.md) | [Vietnamca](../vi/README.md) | [Endonezce](../id/README.md) | [Malayca](../ms/README.md) | [Tagalog (Filipince)](../tl/README.md) | [Svahili](../sw/README.md) | [Macarca](../hu/README.md) | [Çekçe](../cs/README.md) | [Slovakça](../sk/README.md) | [Romence](../ro/README.md) | [Bulgarca](../bg/README.md) | [Sırpça (Kiril)](../sr/README.md) | [Hırvatça](../hr/README.md) | [Slovence](../sl/README.md) | [Ukraynaca](../uk/README.md) | [Burma (Myanmar)](../my/README.md) +[Fransızca](../fr/README.md) | [İspanyolca](../es/README.md) | [Almanca](../de/README.md) | [Rusça](../ru/README.md) | [Arapça](../ar/README.md) | [Farsça](../fa/README.md) | [Urduca](../ur/README.md) | [Çince (Basitleştirilmiş)](../zh/README.md) | [Çince (Geleneksel, Macau)](../mo/README.md) | [Çince (Geleneksel, Hong Kong)](../hk/README.md) | [Çince (Geleneksel, Tayvan)](../tw/README.md) | [Japonca](../ja/README.md) | [Korece](../ko/README.md) | [Hintçe](../hi/README.md) | [Bengalce](../bn/README.md) | [Marathi](../mr/README.md) | [Nepalce](../ne/README.md) | [Pencapça (Gurmukhi)](../pa/README.md) | [Portekizce (Portekiz)](../pt/README.md) | [Portekizce (Brezilya)](../br/README.md) | [İtalyanca](../it/README.md) | [Lehçe](../pl/README.md) | [Türkçe](./README.md) | [Yunanca](../el/README.md) | [Tayca](../th/README.md) | [İsveççe](../sv/README.md) | [Danca](../da/README.md) | [Norveççe](../no/README.md) | [Fince](../fi/README.md) | [Felemenkçe](../nl/README.md) | [İbranice](../he/README.md) | [Vietnamca](../vi/README.md) | [Endonezce](../id/README.md) | [Malayca](../ms/README.md) | [Tagalog (Filipince)](../tl/README.md) | [Swahili](../sw/README.md) | [Macarca](../hu/README.md) | [Çekçe](../cs/README.md) | [Slovakça](../sk/README.md) | [Romence](../ro/README.md) | [Bulgarca](../bg/README.md) | [Sırpça (Kiril)](../sr/README.md) | [Hırvatça](../hr/README.md) | [Slovence](../sl/README.md) | [Ukraynaca](../uk/README.md) | [Burma (Myanmar)](../my/README.md) **Ek dil çevirileri istiyorsanız, desteklenen diller [burada](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) listelenmiştir.** #### Topluluğumuza Katılın [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -AI ile öğrenme serimiz devam ediyor, daha fazla bilgi edinin ve [AI ile Öğrenme Serisi](https://aka.ms/learnwithai/discord) etkinliğine 18 - 30 Eylül 2025 tarihleri arasında katılın. Veri Bilimi için GitHub Copilot kullanımı hakkında ipuçları ve püf noktaları alacaksınız. +AI ile öğrenme serimiz devam ediyor, daha fazla bilgi edinin ve [AI ile Öğrenme Serisi](https://aka.ms/learnwithai/discord) etkinliğine 18 - 30 Eylül 2025 tarihleri arasında katılın. GitHub Copilot'ı Veri Bilimi için kullanma ipuçlarını ve püf noktalarını öğrenin. ![AI ile Öğrenme Serisi](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.tr.jpg) @@ -55,30 +55,32 @@ AI ile öğrenme serimiz devam ediyor, daha fazla bilgi edinin ve [AI ile Öğre Aşağıdaki kaynaklarla başlayabilirsiniz: -- [Öğrenci Merkezi sayfası](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Bu sayfada başlangıç kaynakları, öğrenci paketleri ve hatta ücretsiz sertifika kuponu alma yollarını bulabilirsiniz. Bu sayfayı sık sık kontrol etmek isteyebilirsiniz çünkü içeriği en az ayda bir değiştiriyoruz. -- [Microsoft Learn Öğrenci Elçileri](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Küresel bir öğrenci elçileri topluluğuna katılın, bu Microsoft'a giriş yolunuz olabilir. +- [Öğrenci Merkezi sayfası](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Bu sayfada, yeni başlayanlar için kaynaklar, öğrenci paketleri ve hatta ücretsiz sertifika kuponu alma yollarını bulabilirsiniz. Bu sayfayı sık kullanılanlara ekleyin ve zaman zaman kontrol edin; içeriği en az ayda bir değiştiriyoruz. +- [Microsoft Learn Öğrenci Elçileri](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Küresel bir öğrenci elçileri topluluğuna katılın, bu sizin Microsoft'a giriş yolunuz olabilir. # Başlarken -> **Öğretmenler**: Bu müfredatı nasıl kullanabileceğinizle ilgili [bazı öneriler ekledik](for-teachers.md). Geri bildirimlerinizi [tartışma forumumuzda](https://github.com/microsoft/Data-Science-For-Beginners/discussions) paylaşmanızı çok isteriz! +> **Tamamen Yeni Başlayanlar**: Veri bilimine yeni mi başlıyorsunuz? [Yeni başlayanlar için örneklerimize](examples/README.md) göz atın! Bu basit ve iyi açıklanmış örnekler, tam müfredata dalmadan önce temel bilgileri anlamanıza yardımcı olacaktır. -> **[Öğrenciler](https://aka.ms/student-page)**: Bu müfredatı kendi başınıza kullanmak için, tüm depoyu çatallayın ve ders öncesi quiz ile başlayarak alıştırmaları kendi başınıza tamamlayın. Ardından dersi okuyun ve diğer etkinlikleri tamamlayın. Dersleri anlayarak projeleri oluşturmaya çalışın, çözüm kodunu kopyalamaktan kaçının; ancak bu kod, her proje odaklı dersin /solutions klasörlerinde mevcuttur. Başka bir fikir, arkadaşlarınızla bir çalışma grubu oluşturmak ve içeriği birlikte incelemek olabilir. Daha fazla çalışma için [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) öneriyoruz. +> **Eğitmenler**: Bu müfredatı nasıl kullanabileceğinize dair [bazı öneriler ekledik](for-teachers.md). Geri bildirimlerinizi [tartışma forumumuzda](https://github.com/microsoft/Data-Science-For-Beginners/discussions) bekliyoruz! + +> **[Öğrenciler](https://aka.ms/student-page)**: Bu müfredatı kendi başınıza kullanmak için, tüm depoyu çatallayın ve alıştırmaları kendi başınıza tamamlayın, ders öncesi quiz ile başlayarak. Ardından dersi okuyun ve diğer etkinlikleri tamamlayın. Dersleri anlayarak projeler oluşturmaya çalışın, çözüm kodunu kopyalamaktan kaçının; ancak bu kod, her proje odaklı dersin /solutions klasörlerinde mevcuttur. Bir başka fikir, arkadaşlarınızla bir çalışma grubu oluşturmak ve içeriği birlikte incelemek olabilir. Daha fazla çalışma için [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) öneriyoruz. ## Ekibi Tanıyın [![Tanıtım videosu](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Tanıtım videosu") -**Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gif** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) tarafından > 🎥 Yukarıdaki görsele tıklayarak proje ve onu oluşturan kişiler hakkında bir video izleyin! ## Pedagoji -Bu müfredatı oluştururken iki pedagojik ilkeyi benimsedik: proje tabanlı olmasını sağlamak ve sık sık quizler içermesi. Bu serinin sonunda, öğrenciler veri biliminin temel ilkelerini, etik kavramları, veri hazırlama, veriyle çalışma yöntemleri, veri görselleştirme, veri analizi, veri biliminin gerçek dünya uygulamaları ve daha fazlasını öğrenmiş olacaklar. +Bu müfredatı oluştururken iki pedagojik ilkeyi benimsedik: proje tabanlı olmasını sağlamak ve sık sık quizler içermesi. Bu serinin sonunda, öğrenciler veri biliminin temel ilkelerini, etik kavramları, veri hazırlama yöntemlerini, veriyle çalışma yollarını, veri görselleştirme, veri analizi, veri biliminin gerçek dünya uygulamaları ve daha fazlasını öğrenmiş olacaklar. Ayrıca, ders öncesi düşük riskli bir quiz, öğrencinin bir konuyu öğrenmeye yönelik niyetini belirlerken, ders sonrası ikinci bir quiz daha fazla bilgiyi pekiştirir. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlandı ve tamamı veya bir kısmı alınabilir. Projeler küçük başlar ve 10 haftalık döngünün sonunda giderek daha karmaşık hale gelir. -> [Davranış Kurallarımızı](CODE_OF_CONDUCT.md), [Katkı Sağlama](CONTRIBUTING.md), [Çeviri](TRANSLATIONS.md) yönergelerimizi bulun. Yapıcı geri bildirimlerinizi memnuniyetle karşılıyoruz! +> [Davranış Kurallarımızı](CODE_OF_CONDUCT.md), [Katkıda Bulunma](CONTRIBUTING.md), [Çeviri](TRANSLATIONS.md) yönergelerimizi bulun. Yapıcı geri bildirimlerinizi memnuniyetle karşılıyoruz! ## Her ders şunları içerir: @@ -89,55 +91,69 @@ Ayrıca, ders öncesi düşük riskli bir quiz, öğrencinin bir konuyu öğrenm - Proje tabanlı dersler için, projeyi nasıl oluşturacağınızı adım adım anlatan rehberler - Bilgi kontrolleri - Bir meydan okuma -- Ek okuma +- Ek okuma materyalleri - Ödev - [Ders sonrası quiz](https://ff-quizzes.netlify.app/en/) +> **Quizler hakkında bir not**: Tüm quizler Quiz-App klasöründe yer alır ve her biri üç sorudan oluşan toplam 40 quiz içerir. Derslerin içinde bağlantılıdır, ancak quiz uygulaması yerel olarak çalıştırılabilir veya Azure'a dağıtılabilir; `quiz-app` klasöründeki talimatları takip edin. Quizler kademeli olarak yerelleştirilmektedir. + +## 🎓 Yeni Başlayanlar İçin Örnekler + +**Veri Bilimine Yeni mi Başlıyorsunuz?** Sizin için basit, iyi açıklanmış kodlarla dolu özel bir [örnekler dizini](examples/README.md) oluşturduk: + +- 🌟 **Merhaba Dünya** - İlk veri bilimi programınız +- 📂 **Veri Yükleme** - Veri setlerini okumayı ve keşfetmeyi öğrenin +- 📊 **Basit Analiz** - İstatistik hesaplayın ve desenler bulun +- 📈 **Temel Görselleştirme** - Grafikler ve tablolar oluşturun +- 🔬 **Gerçek Dünya Projesi** - Baştan sona tam bir iş akışı -> **Quizler hakkında bir not**: Tüm quizler Quiz-App klasöründe yer alır, toplamda üçer sorudan oluşan 40 quiz vardır. Derslerin içinden bağlantılıdır, ancak quiz uygulaması yerel olarak çalıştırılabilir veya Azure'a dağıtılabilir; `quiz-app` klasöründeki talimatları takip edin. Quizler kademeli olarak yerelleştirilmektedir. +Her örnek, her adımı detaylı bir şekilde açıklayan yorumlar içerir, bu da onları tamamen yeni başlayanlar için mükemmel hale getirir! + +👉 **[Örneklerle başlayın](examples/README.md)** 👈 ## Dersler -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.tr.png)| + +|![ @sketchthedocs tarafından çizim notu https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.tr.png)| |:---:| -| Veri Bilimi için Başlangıç: Yol Haritası - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| Yeni Başlayanlar İçin Veri Bilimi: Yol Haritası - _[@nitya](https://twitter.com/nitya) tarafından çizim notu_ | | Ders Numarası | Konu | Ders Grubu | Öğrenme Hedefleri | Bağlantılı Ders | Yazar | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Veri Bilimini Tanımlama | [Giriş](1-Introduction/README.md) | Veri biliminin temel kavramlarını ve yapay zeka, makine öğrenimi ve büyük veri ile nasıl ilişkili olduğunu öğrenin. | [ders](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Veri Bilimi Etiği | [Giriş](1-Introduction/README.md) | Veri etiği kavramları, zorluklar ve çerçeveler. | [ders](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Veri Bilimini Tanımlama | [Giriş](1-Introduction/README.md) | Veri biliminin temel kavramlarını ve yapay zeka, makine öğrenimi ve büyük veri ile ilişkisini öğrenin. | [ders](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Veri Bilimi Etiği | [Giriş](1-Introduction/README.md) | Veri etiği kavramları, zorlukları ve çerçeveleri. | [ders](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Veriyi Tanımlama | [Giriş](1-Introduction/README.md) | Verinin nasıl sınıflandırıldığı ve yaygın kaynakları. | [ders](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | İstatistik ve Olasılığa Giriş | [Giriş](1-Introduction/README.md) | Veriyi anlamak için olasılık ve istatistiklerin matematiksel teknikleri. | [ders](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | İlişkisel Verilerle Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | İlişkisel verilere giriş ve Structured Query Language (SQL) olarak bilinen dil ile ilişkisel verileri keşfetme ve analiz etmenin temelleri. | [ders](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL Verilerle Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | İlişkisel olmayan verilere giriş, çeşitli türleri ve belge tabanlı veritabanlarını keşfetme ve analiz etmenin temelleri. | [ders](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Python ile Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | Pandas gibi kütüphanelerle veri keşfi için Python kullanmanın temelleri. Python programlama konusunda temel bir anlayış önerilir. | [ders](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Veri Hazırlama | [Veri ile Çalışma](2-Working-With-Data/README.md) | Eksik, hatalı veya eksik verilerle başa çıkmak için verileri temizleme ve dönüştürme teknikleri üzerine konular. | [ders](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Miktarları Görselleştirme | [Veri Görselleştirme](3-Data-Visualization/README.md) | Kuş verilerini 🦆 görselleştirmek için Matplotlib kullanmayı öğrenin. | [ders](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 04 | İstatistik ve Olasılığa Giriş | [Giriş](1-Introduction/README.md) | Veriyi anlamak için olasılık ve istatistik matematiksel teknikleri. | [ders](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | İlişkisel Veri ile Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | İlişkisel veriye giriş ve Structured Query Language (SQL) olarak bilinen dil ile ilişkisel veriyi keşfetme ve analiz etmenin temelleri. | [ders](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL Veri ile Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | İlişkisel olmayan veriye giriş, çeşitli türleri ve belge veritabanlarını keşfetme ve analiz etmenin temelleri. | [ders](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Python ile Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | Pandas gibi kütüphanelerle veri keşfi için Python kullanmanın temelleri. Python programlama hakkında temel bir anlayış önerilir. | [ders](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Veri Hazırlama | [Veri ile Çalışma](2-Working-With-Data/README.md) | Eksik, yanlış veya eksik verilerle başa çıkmak için veri temizleme ve dönüştürme teknikleri üzerine konular. | [ders](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Miktarları Görselleştirme | [Veri Görselleştirme](3-Data-Visualization/README.md) | Matplotlib kullanarak kuş verilerini görselleştirmeyi öğrenin 🦆 | [ders](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Veri Dağılımlarını Görselleştirme | [Veri Görselleştirme](3-Data-Visualization/README.md) | Bir aralık içindeki gözlemleri ve eğilimleri görselleştirme. | [ders](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Oranları Görselleştirme | [Veri Görselleştirme](3-Data-Visualization/README.md) | Ayrık ve gruplandırılmış yüzdeleri görselleştirme. | [ders](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | İlişkileri Görselleştirme | [Veri Görselleştirme](3-Data-Visualization/README.md) | Veri setleri ve değişkenleri arasındaki bağlantıları ve korelasyonları görselleştirme. | [ders](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Anlamlı Görselleştirmeler | [Veri Görselleştirme](3-Data-Visualization/README.md) | Etkili problem çözme ve içgörüler için görselleştirmelerinizi değerli kılmak için teknikler ve rehberlik. | [ders](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Veri Bilimi Yaşam Döngüsüne Giriş | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsüne giriş ve veri toplama ve çıkarma adımına giriş. | [ders](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analiz | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsünün bu aşaması, verileri analiz etme tekniklerine odaklanır. | [ders](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | İletişim | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsünün bu aşaması, verilerden elde edilen içgörüleri karar vericilerin anlamasını kolaylaştıracak şekilde sunmaya odaklanır. | [ders](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 13 | Anlamlı Görselleştirmeler | [Veri Görselleştirme](3-Data-Visualization/README.md) | Etkili problem çözme ve içgörüler için görselleştirmelerinizi değerli hale getirme teknikleri ve rehberlik. | [ders](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Veri Bilimi Yaşam Döngüsüne Giriş | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsüne giriş ve veri edinme ve çıkarma adımı. | [ders](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analiz | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsünün bu aşaması, veriyi analiz etme tekniklerine odaklanır. | [ders](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | İletişim | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsünün bu aşaması, veriden elde edilen içgörüleri karar vericilerin daha kolay anlamasını sağlayacak şekilde sunmaya odaklanır. | [ders](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Bu ders serisi, bulutta veri bilimine ve avantajlarına giriş yapar. | [ders](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) | -| 18 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Düşük Kod araçları kullanarak modeller eğitme. |[ders](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) | +| 18 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Düşük Kod araçları kullanarak modelleri eğitme. |[ders](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) | | 19 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ile modelleri dağıtma. | [ders](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) | -| 20 | Gerçek Hayatta Veri Bilimi | [Gerçek Hayatta](6-Data-Science-In-Wild/README.md) | Gerçek dünyada veri bilimi odaklı projeler. | [ders](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 20 | Vahşi Doğada Veri Bilimi | [Vahşi Doğada](6-Data-Science-In-Wild/README.md) | Gerçek dünyada veri bilimi odaklı projeler. | [ders](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Bu örneği bir Codespace'te açmak için şu adımları izleyin: +Bu örneği bir Codespace'de açmak için şu adımları izleyin: 1. Code açılır menüsüne tıklayın ve Codespaces ile Aç seçeneğini seçin. 2. Pencerenin altındaki + Yeni codespace seçeneğini seçin. -Daha fazla bilgi için [GitHub dokümantasyonuna](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) göz atın. +Daha fazla bilgi için [GitHub belgelerine](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) göz atın. ## VSCode Remote - Containers Bu depoyu yerel makineniz ve VSCode kullanarak bir konteynerde açmak için şu adımları izleyin: -1. Eğer bu, bir geliştirme konteynerini ilk kez kullanışınızsa, sisteminizin ön gereksinimleri karşıladığından emin olun (örneğin, [Docker yüklü olmalı](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)). +1. İlk kez bir geliştirme konteyneri kullanıyorsanız, sisteminizin ön gereksinimleri karşıladığından emin olun (örneğin, Docker yüklü olmalı) [başlangıç belgelerinde](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Bu depoyu kullanmak için, ya depoyu izole bir Docker hacminde açabilirsiniz: -**Not**: Arka planda, bu işlem, kaynak kodunu yerel dosya sistemi yerine bir Docker hacminde klonlamak için Remote-Containers: **Clone Repository in Container Volume...** komutunu kullanır. [Hacimler](https://docs.docker.com/storage/volumes/), konteyner verilerini kalıcı hale getirmek için tercih edilen mekanizmadır. +**Not**: Arka planda, bu işlem Remote-Containers: **Clone Repository in Container Volume...** komutunu kullanarak kaynak kodunu yerel dosya sistemi yerine bir Docker hacminde klonlayacaktır. [Hacimler](https://docs.docker.com/storage/volumes/) konteyner verilerini kalıcı hale getirmek için tercih edilen mekanizmadır. Ya da yerel olarak klonlanmış veya indirilmiş bir depo sürümünü açabilirsiniz: @@ -147,45 +163,44 @@ Ya da yerel olarak klonlanmış veya indirilmiş bir depo sürümünü açabilir ## Çevrimdışı erişim -Bu dokümantasyonu [Docsify](https://docsify.js.org/#/) kullanarak çevrimdışı çalıştırabilirsiniz. Bu depoyu forklayın, [Docsify'i yükleyin](https://docsify.js.org/#/quickstart) ve ardından bu deponun kök klasöründe `docsify serve` yazın. Web sitesi localhost'ta 3000 portunda sunulacaktır: `localhost:3000`. +Bu belgeleri [Docsify](https://docsify.js.org/#/) kullanarak çevrimdışı çalıştırabilirsiniz. Bu depoyu çatallayın, [Docsify'i yükleyin](https://docsify.js.org/#/quickstart) yerel makinenize, ardından bu deponun kök klasöründe `docsify serve` yazın. Web sitesi localhost'ta 3000 portunda sunulacaktır: `localhost:3000`. -> Not, not defterleri Docsify üzerinden görüntülenmeyecektir, bu yüzden bir not defterini çalıştırmanız gerektiğinde, bunu ayrı olarak bir Python çekirdeği çalıştıran VS Code'da yapın. +> Not, not defterleri Docsify üzerinden görüntülenmeyecektir, bu yüzden bir not defteri çalıştırmanız gerektiğinde, bunu ayrı olarak Python çekirdeği çalıştıran VS Code'da yapın. ## Diğer Müfredatlar -Ekibimiz başka müfredatlar da üretiyor! Göz atın: +Ekibimiz başka müfredatlar da üretiyor! Şunlara göz atın: -- [Başlangıç için Edge AI](https://aka.ms/edgeai-for-beginners) -- [Başlangıç için AI Ajanları](https://aka.ms/ai-agents-beginners) -- [Başlangıç için Üretken AI](https://aka.ms/genai-beginners) -- [Başlangıç için Üretken AI .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [Yeni Başlayanlar İçin Edge AI](https://aka.ms/edgeai-for-beginners) +- [Yeni Başlayanlar İçin AI Ajanları](https://aka.ms/ai-agents-beginners) +- [Yeni Başlayanlar İçin Üretken AI](https://aka.ms/genai-beginners) +- [Yeni Başlayanlar İçin Üretken AI .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [JavaScript ile Üretken AI](https://github.com/microsoft/generative-ai-with-javascript) - [Java ile Üretken AI](https://aka.ms/genaijava) -- [Başlangıç için AI](https://aka.ms/ai-beginners) -- [Başlangıç için Veri Bilimi](https://aka.ms/datascience-beginners) -- [Başlangıç için Bash](https://github.com/microsoft/bash-for-beginners) -- [Başlangıç için Makine Öğrenimi](https://aka.ms/ml-beginners) -- [Başlangıç için Siber Güvenlik](https://github.com/microsoft/Security-101) -- [Başlangıç için Web Geliştirme](https://aka.ms/webdev-beginners) -- [Başlangıç için IoT](https://aka.ms/iot-beginners) -- [Başlangıç için Makine Öğrenimi](https://aka.ms/ml-beginners) -- [Başlangıç için XR Geliştirme](https://aka.ms/xr-dev-for-beginners) +- [Yeni Başlayanlar İçin AI](https://aka.ms/ai-beginners) +- [Yeni Başlayanlar İçin Veri Bilimi](https://aka.ms/datascience-beginners) +- [Yeni Başlayanlar İçin Bash](https://github.com/microsoft/bash-for-beginners) +- [Yeni Başlayanlar İçin ML](https://aka.ms/ml-beginners) +- [Yeni Başlayanlar İçin Siber Güvenlik](https://github.com/microsoft/Security-101) +- [Yeni Başlayanlar İçin Web Geliştirme](https://aka.ms/webdev-beginners) +- [Yeni Başlayanlar İçin IoT](https://aka.ms/iot-beginners) +- [Yeni Başlayanlar İçin Makine Öğrenimi](https://aka.ms/ml-beginners) +- [Yeni Başlayanlar İçin XR Geliştirme](https://aka.ms/xr-dev-for-beginners) - [AI Eşli Programlama için GitHub Copilot'u Ustalaştırma](https://aka.ms/GitHubCopilotAI) -- [Başlangıç için XR Geliştirme](https://github.com/microsoft/xr-development-for-beginners) +- [Yeni Başlayanlar İçin XR Geliştirme](https://github.com/microsoft/xr-development-for-beginners) - [C#/.NET Geliştiricileri için GitHub Copilot'u Ustalaştırma](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Kendi Copilot Maceranızı Seçin](https://github.com/microsoft/CopilotAdventures) ## Yardım Alma -Takıldığınızda veya AI uygulamaları oluşturma hakkında sorularınız olduğunda, katılın: +Takılırsanız veya AI uygulamaları oluşturma hakkında sorularınız varsa, katılın: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Ürün geri bildirimi veya oluşturma sırasında hatalar için ziyaret edin: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Ürün geri bildirimi veya hata yaşarsanız, ziyaret edin: +[![Azure AI Foundry Geliştirici Forumu](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Feragatname**: -Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz. \ No newline at end of file +Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluğu sağlamak için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz. \ No newline at end of file diff --git a/translations/tr/examples/README.md b/translations/tr/examples/README.md new file mode 100644 index 00000000..ab381b18 --- /dev/null +++ b/translations/tr/examples/README.md @@ -0,0 +1,149 @@ + +# Yeni Başlayanlar İçin Veri Bilimi Örnekleri + +Örnekler dizinine hoş geldiniz! Bu basit ve iyi açıklanmış örnekler koleksiyonu, tamamen yeni başlayanlar için bile veri bilimine başlamayı kolaylaştırmak amacıyla tasarlandı. + +## 📚 Burada Neler Bulacaksınız? + +Her örnek bağımsızdır ve şunları içerir: +- **Açık yorumlar**: Her adımı açıklayan detaylı açıklamalar +- **Basit ve okunabilir kod**: Her seferinde bir kavramı gösteren kodlar +- **Gerçek dünya bağlamı**: Bu teknikleri ne zaman ve neden kullanmanız gerektiğini anlamanıza yardımcı olur +- **Beklenen çıktı**: Ne görmeniz gerektiğini bilmenizi sağlar + +## 🚀 Başlarken + +### Ön Koşullar +Bu örnekleri çalıştırmadan önce şunlara sahip olduğunuzdan emin olun: +- Python 3.7 veya daha yüksek bir sürüm yüklü +- Python betiklerini nasıl çalıştıracağınız hakkında temel bilgi + +### Gerekli Kütüphanelerin Kurulumu +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Örneklerin Genel Görünümü + +### 1. Merhaba Dünya - Veri Bilimi Tarzı +**Dosya:** `01_hello_world_data_science.py` + +İlk veri bilimi programınız! Şunları öğrenin: +- Basit bir veri seti yükleme +- Verileriniz hakkında temel bilgileri görüntüleme +- İlk veri bilimi çıktınızı yazdırma + +Tamamen yeni başlayanlar için, ilk veri bilimi programlarını çalışırken görmeleri için mükemmel bir başlangıç. + +--- + +### 2. Veri Yükleme ve Keşfetme +**Dosya:** `02_loading_data.py` + +Verilerle çalışmanın temellerini öğrenin: +- CSV dosyalarından veri okuma +- Veri setinizin ilk birkaç satırını görüntüleme +- Verileriniz hakkında temel istatistikler elde etme +- Veri türlerini anlama + +Bu, herhangi bir veri bilimi projesinin genellikle ilk adımıdır! + +--- + +### 3. Basit Veri Analizi +**Dosya:** `03_simple_analysis.py` + +İlk veri analizinizi gerçekleştirin: +- Temel istatistikleri hesaplama (ortalama, medyan, mod) +- Maksimum ve minimum değerleri bulma +- Değerlerin kaç kez geçtiğini sayma +- Koşullara göre veri filtreleme + +Verilerinizle ilgili basit soruları nasıl yanıtlayacağınızı görün. + +--- + +### 4. Veri Görselleştirme Temelleri +**Dosya:** `04_basic_visualization.py` + +İlk görselleştirmelerinizi oluşturun: +- Basit bir çubuk grafik yapma +- Bir çizgi grafiği oluşturma +- Bir pasta grafiği oluşturma +- Görselleştirmelerinizi resim olarak kaydetme + +Bulgularınızı görsel olarak nasıl ileteceğinizi öğrenin! + +--- + +### 5. Gerçek Verilerle Çalışma +**Dosya:** `05_real_world_example.py` + +Her şeyi bir araya getiren tam bir örnek: +- Depodan gerçek verileri yükleme +- Verileri temizleme ve hazırlama +- Analiz yapma +- Anlamlı görselleştirmeler oluşturma +- Sonuçlar çıkarma + +Bu örnek, baştan sona tam bir iş akışını gösterir. + +--- + +## 🎯 Bu Örnekleri Nasıl Kullanabilirsiniz? + +1. **Başlangıçtan başlayın**: Örnekler zorluk sırasına göre numaralandırılmıştır. `01_hello_world_data_science.py` ile başlayın ve sırayla ilerleyin. + +2. **Yorumları okuyun**: Her dosyada kodun ne yaptığını ve neden yaptığını açıklayan detaylı yorumlar bulunur. Dikkatlice okuyun! + +3. **Deneyin**: Kodu değiştirmeyi deneyin. Bir değeri değiştirirseniz ne olur? Hatalar yapın ve düzeltin - öğrenmenin yolu budur! + +4. **Kodu çalıştırın**: Her örneği çalıştırın ve çıktıyı gözlemleyin. Beklediğinizle karşılaştırın. + +5. **Geliştirin**: Bir örneği anladıktan sonra, kendi fikirlerinizle genişletmeyi deneyin. + +## 💡 Yeni Başlayanlar İçin İpuçları + +- **Acelemiz yok**: Her örneği anlamak için zaman ayırın, bir sonrakine geçmeden önce iyice öğrenin +- **Kodu kendiniz yazın**: Sadece kopyala-yapıştır yapmayın. Yazmak öğrenmenize ve hatırlamanıza yardımcı olur +- **Bilinmeyen kavramları araştırın**: Anlamadığınız bir şey görürseniz, çevrimiçi veya ana derslerde arayın +- **Sorular sorun**: Yardıma ihtiyacınız varsa [tartışma forumuna](https://github.com/microsoft/Data-Science-For-Beginners/discussions) katılın +- **Düzenli pratik yapın**: Haftada bir uzun oturumlar yerine her gün biraz kod yazmaya çalışın + +## 🔗 Sonraki Adımlar + +Bu örnekleri tamamladıktan sonra: +- Ana müfredat derslerini çalışabilirsiniz +- Her ders klasöründeki ödevleri deneyebilirsiniz +- Daha derinlemesine öğrenme için Jupyter defterlerini keşfedebilirsiniz +- Kendi veri bilimi projelerinizi oluşturabilirsiniz + +## 📚 Ek Kaynaklar + +- [Ana Müfredat](../README.md) - Tam 20 derslik kurs +- [Öğretmenler İçin](../for-teachers.md) - Bu müfredatı sınıfınızda kullanma +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Ücretsiz çevrimiçi öğrenme kaynakları +- [Python Belgeleri](https://docs.python.org/3/) - Resmi Python referansı + +## 🤝 Katkıda Bulunma + +Bir hata mı buldunuz veya yeni bir örnek fikriniz mi var? Katkılarınızı memnuniyetle karşılıyoruz! Lütfen [Katkı Rehberimize](../CONTRIBUTING.md) göz atın. + +--- + +**Keyifli Öğrenmeler! 🎉** + +Unutmayın: Her uzman bir zamanlar yeni başkandı. Adım adım ilerleyin ve hata yapmaktan korkmayın - öğrenme sürecinin bir parçasıdır! + +--- + +**Feragatname**: +Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlık içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz. \ No newline at end of file diff --git a/translations/tw/README.md b/translations/tw/README.md index 8663c7f9..04056c35 100644 --- a/translations/tw/README.md +++ b/translations/tw/README.md @@ -1,8 +1,8 @@ +# 初學者友善的資料科學範例 + +歡迎來到範例目錄！這些簡單且有詳細註解的範例旨在幫助您開始學習資料科學，即使您是完全的初學者。 + +## 📚 您會在這裡找到什麼 + +每個範例都是獨立的，並包含： +- **清晰的註解**，解釋每一步驟 +- **簡單易讀的程式碼**，一次展示一個概念 +- **真實世界的背景**，幫助您了解何時以及為什麼使用這些技術 +- **預期輸出**，讓您知道應該看到什麼結果 + +## 🚀 開始使用 + +### 先決條件 +在執行這些範例之前，請確保您已經： +- 安裝 Python 3.7 或更高版本 +- 基本了解如何執行 Python 腳本 + +### 安裝所需的庫 +```bash +pip install pandas numpy matplotlib +``` + +## 📖 範例概覽 + +### 1. Hello World - 資料科學風格 +**檔案：** `01_hello_world_data_science.py` + +您的第一個資料科學程式！學習如何： +- 載入簡單的資料集 +- 顯示有關資料的基本資訊 +- 輸出您的第一個資料科學結果 + +非常適合想要看到第一個資料科學程式運作的絕對初學者。 + +--- + +### 2. 載入和探索資料 +**檔案：** `02_loading_data.py` + +學習處理資料的基本知識： +- 從 CSV 檔案讀取資料 +- 查看資料集的前幾行 +- 獲取有關資料的基本統計資訊 +- 了解資料型別 + +這通常是任何資料科學專案的第一步！ + +--- + +### 3. 簡單資料分析 +**檔案：** `03_simple_analysis.py` + +進行您的第一次資料分析： +- 計算基本統計數據（平均值、中位數、眾數） +- 找出最大值和最小值 +- 計算值的出現次數 +- 根據條件篩選資料 + +看看如何回答有關資料的簡單問題。 + +--- + +### 4. 資料視覺化基礎 +**檔案：** `04_basic_visualization.py` + +創建您的第一個視覺化： +- 繪製簡單的柱狀圖 +- 創建折線圖 +- 生成圓餅圖 +- 將視覺化結果保存為圖片 + +學習如何以視覺方式傳達您的發現！ + +--- + +### 5. 使用真實資料 +**檔案：** `05_real_world_example.py` + +將所有內容結合在一起的完整範例： +- 從資料庫載入真實資料 +- 清理和準備資料 +- 進行分析 +- 創建有意義的視覺化 +- 得出結論 + +此範例展示了從頭到尾的完整工作流程。 + +--- + +## 🎯 如何使用這些範例 + +1. **從頭開始**：範例按難度排序編號。從 `01_hello_world_data_science.py` 開始，逐步完成。 +2. **閱讀註解**：每個檔案都有詳細的註解，解釋程式碼的作用及原因。仔細閱讀！ +3. **嘗試修改**：嘗試修改程式碼。如果更改某個值會發生什麼？破壞程式並修復它——這是學習的方式！ +4. **執行程式碼**：執行每個範例並觀察輸出。與您的預期結果進行比較。 +5. **擴展範例**：一旦理解了範例，嘗試用自己的想法擴展它。 + +## 💡 初學者提示 + +- **不要急躁**：在進入下一個範例之前，花時間理解每個範例 +- **自己輸入程式碼**：不要只是複製貼上。輸入程式碼有助於學習和記憶 +- **查詢不熟悉的概念**：如果看到不理解的內容，請在線搜索或查看主要課程 +- **提出問題**：如果需要幫助，請加入 [討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions) +- **定期練習**：每天嘗試編寫一些程式碼，而不是每週一次的長時間學習 + +## 🔗 下一步 + +完成這些範例後，您可以： +- 學習主要課程的內容 +- 嘗試每個課程資料夾中的作業 +- 探索 Jupyter 筆記本以進一步深入學習 +- 創建自己的資料科學專案 + +## 📚 其他資源 + +- [主要課程](../README.md) - 完整的 20 篇課程 +- [給教師的指南](../for-teachers.md) - 在課堂中使用此課程 +- [Microsoft Learn](https://docs.microsoft.com/learn/) - 免費的線上學習資源 +- [Python 文件](https://docs.python.org/3/) - 官方 Python 參考 + +## 🤝 貢獻 + +發現錯誤或有新範例的想法？我們歡迎您的貢獻！請參閱 [貢獻指南](../CONTRIBUTING.md)。 + +--- + +**祝學習愉快！🎉** + +記住：每位專家都曾是初學者。一步一步來，不要害怕犯錯——它們是學習過程的一部分！ + +--- + +**免責聲明**： +本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不精確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。 \ No newline at end of file diff --git a/translations/uk/README.md b/translations/uk/README.md index acb5c644..7c04dcb8 100644 --- a/translations/uk/README.md +++ b/translations/uk/README.md @@ -1,72 +1,57 @@ # Основи науки про дані - Навчальна програма -[![Відкрити в GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) - -[![Ліцензія GitHub](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![Співавтори GitHub](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![Проблеми GitHub](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![Запити на зміни GitHub](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) - -[![Спостерігачі GitHub](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![Форки GitHub](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![Зірки GitHub](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) - -[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) - -[![Форум розробників Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -Команда Azure Cloud Advocates у Microsoft рада запропонувати 10-тижневу навчальну програму з 20 уроків, присвячену науці про дані. Кожен урок включає тести перед і після заняття, письмові інструкції для виконання уроку, рішення та завдання. Наш підхід, заснований на проектах, дозволяє навчатися через створення, що є перевіреним способом закріплення нових навичок. +Azure Cloud Advocates у Microsoft раді представити 10-тижневу навчальну програму з 20 уроків, присвячену науці про дані. Кожен урок включає тести перед і після заняття, письмові інструкції для виконання завдання, рішення та домашнє завдання. Наш підхід, заснований на проектах, дозволяє навчатися через створення, що є перевіреним способом закріплення нових навичок. **Щиро дякуємо нашим авторам:** [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). -**🙏 Особлива подяка 🙏 нашим [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) авторам, рецензентам і учасникам контенту,** зокрема 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) +**🙏 Особлива подяка 🙏 нашим [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) авторам, рецензентам і контент-співробітникам,** зокрема 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), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) -|![Скетчнот від @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.uk.png)| +|![Скетч від @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.uk.png)| |:---:| -| Наука про дані для початківців - _Скетчнот від [@nitya](https://twitter.com/nitya)_ | +| Наука про дані для початківців - _Скетч від [@nitya](https://twitter.com/nitya)_ | ### 🌐 Підтримка багатомовності -#### Підтримується через GitHub Action (автоматично та завжди актуально) +#### Підтримується через GitHub Action (Автоматично та завжди актуально) -[Французька](../fr/README.md) | [Іспанська](../es/README.md) | [Німецька](../de/README.md) | [Російська](../ru/README.md) | [Арабська](../ar/README.md) | [Перська (фарсі)](../fa/README.md) | [Урду](../ur/README.md) | [Китайська (спрощена)](../zh/README.md) | [Китайська (традиційна, Макао)](../mo/README.md) | [Китайська (традиційна, Гонконг)](../hk/README.md) | [Китайська (традиційна, Тайвань)](../tw/README.md) | [Японська](../ja/README.md) | [Корейська](../ko/README.md) | [Гінді](../hi/README.md) | [Бенгальська](../bn/README.md) | [Маратхі](../mr/README.md) | [Непальська](../ne/README.md) | [Панджабі (гурмухі)](../pa/README.md) | [Португальська (Португалія)](../pt/README.md) | [Португальська (Бразилія)](../br/README.md) | [Італійська](../it/README.md) | [Польська](../pl/README.md) | [Турецька](../tr/README.md) | [Грецька](../el/README.md) | [Тайська](../th/README.md) | [Шведська](../sv/README.md) | [Данська](../da/README.md) | [Норвезька](../no/README.md) | [Фінська](../fi/README.md) | [Нідерландська](../nl/README.md) | [Іврит](../he/README.md) | [В'єтнамська](../vi/README.md) | [Індонезійська](../id/README.md) | [Малайська](../ms/README.md) | [Тагальська (філіппінська)](../tl/README.md) | [Суахілі](../sw/README.md) | [Угорська](../hu/README.md) | [Чеська](../cs/README.md) | [Словацька](../sk/README.md) | [Румунська](../ro/README.md) | [Болгарська](../bg/README.md) | [Сербська (кирилиця)](../sr/README.md) | [Хорватська](../hr/README.md) | [Словенська](../sl/README.md) | [Українська](./README.md) | [Бірманська (М'янма)](../my/README.md) +[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](./README.md) | [Burmese (Myanmar)](../my/README.md) -**Якщо ви бажаєте додати додаткові переклади, список підтримуваних мов наведено [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Якщо ви хочете додати додаткові переклади, список підтримуваних мов доступний [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Приєднуйтесь до нашої спільноти [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) У нас триває серія навчання з AI у Discord, дізнайтеся більше та приєднуйтесь до нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі використання GitHub Copilot для науки про дані. -![Серія навчання з AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.uk.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.uk.jpg) # Ви студент? -Почніть з наступних ресурсів: +Розпочніть з наступних ресурсів: - [Сторінка Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На цій сторінці ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний сертифікат. Це сторінка, яку варто додати в закладки та перевіряти час від часу, оскільки ми змінюємо контент щонайменше щомісяця. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Приєднуйтесь до глобальної спільноти студентів-амбасадорів, це може бути вашим шляхом до Microsoft. # Початок роботи -> **Вчителі**: ми [додали кілька пропозицій](for-teachers.md) щодо використання цієї навчальної програми. Нам буде цікаво отримати ваші відгуки [у нашому форумі обговорень](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Для абсолютних початківців**: Новачок у науці про дані? Почніть з наших [прикладів для початківців](examples/README.md)! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед тим, як перейти до повної навчальної програми. + +> **Вчителі**: ми [додали кілька пропозицій](for-teachers.md) щодо використання цієї навчальної програми. Ми будемо раді вашим відгукам [у нашому форумі обговорень](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Студенти](https://aka.ms/student-page)**: щоб використовувати цю навчальну програму самостійно, зробіть форк усього репозиторію та виконайте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Спробуйте створювати проекти, розуміючи уроки, а не копіюючи код рішення; однак цей код доступний у папках /solutions у кожному проектно-орієнтованому уроці. Ще одна ідея — створити навчальну групу з друзями та проходити контент разом. Для подальшого навчання ми рекомендуємо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Студенти](https://aka.ms/student-page)**: щоб використовувати цю навчальну програму самостійно, зробіть форк усього репозиторію та виконуйте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Спробуйте створювати проекти, розуміючи уроки, а не копіюючи код рішення; однак цей код доступний у папках /solutions у кожному проектно-орієнтованому уроці. Ще одна ідея — створити навчальну групу з друзями та проходити контент разом. Для подальшого навчання ми рекомендуємо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Знайомтесь із командою -[![Промо-відео](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Промо-відео") +[![Промо-відео](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif створено** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) @@ -74,70 +59,84 @@ CO_OP_TRANSLATOR_METADATA: ## Педагогіка -Ми обрали два педагогічні принципи при створенні цієї навчальної програми: забезпечення її проектної основи та включення частих тестів. До кінця цієї серії студенти вивчать основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, реальні приклади використання науки про дані та багато іншого. +Ми обрали два педагогічні принципи при створенні цієї навчальної програми: забезпечення її проектно-орієнтованості та включення частих тестів. До кінця цієї серії студенти вивчать основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, реальні приклади використання науки про дані тощо. -Крім того, тест з низьким рівнем стресу перед заняттям налаштовує студента на вивчення теми, а другий тест після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма була розроблена як гнучка та цікава і може бути пройдена повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу. +Крім того, тест перед заняттям з низьким рівнем стресу налаштовує студента на вивчення теми, а другий тест після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма була розроблена як гнучка та цікава і може бути пройдена повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу. -> Знайдіть наш [Кодекс поведінки](CODE_OF_CONDUCT.md), [Правила внесення змін](CONTRIBUTING.md), [Правила перекладу](TRANSLATIONS.md). Ми вітаємо ваші конструктивні відгуки! +> Знайдіть наш [Кодекс поведінки](CODE_OF_CONDUCT.md), [Рекомендації щодо внесення змін](CONTRIBUTING.md), [Рекомендації щодо перекладу](TRANSLATIONS.md). Ми вітаємо ваші конструктивні відгуки! ## Кожен урок включає: -- Опціональний скетчнот -- Опціональне додаткове відео +- Необов’язковий скетч +- Необов’язкове додаткове відео - Тест для розігріву перед уроком - Письмовий урок - Для проектно-орієнтованих уроків — покрокові інструкції щодо створення проекту - Перевірка знань - Виклик - Додаткове читання -- Завдання +- Домашнє завдання - [Тест після уроку](https://ff-quizzes.netlify.app/en/) +> **Примітка щодо вікторин**: Усі вікторини знаходяться в папці Quiz-App, всього 40 вікторин по три запитання кожна. Вони пов’язані з уроками, але додаток для вікторин можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці `quiz-app`. Вікторини поступово локалізуються. -> **Примітка про тести**: Усі тести знаходяться в папці Quiz-App, всього 40 тестів по три питання кожен. Вони пов’язані з уроками, але додаток для тестів можна запустити локально або розгорнути в Azure; дотримуйтесь інструкцій у папці `quiz-app`. Вони поступово локалізуються. +## 🎓 Приклади для початківців + +**Новачок у Data Science?** Ми створили спеціальну [директорію прикладів](examples/README.md) з простим, добре прокоментованим кодом, щоб допомогти вам розпочати: + +- 🌟 **Hello World** - Ваш перший програмний проєкт у сфері Data Science +- 📂 **Завантаження даних** - Навчіться читати та досліджувати набори даних +- 📊 **Простий аналіз** - Розрахунок статистики та пошук закономірностей +- 📈 **Базова візуалізація** - Створення діаграм і графіків +- 🔬 **Реальний проєкт** - Повний робочий процес від початку до кінця + +Кожен приклад містить детальні коментарі, які пояснюють кожен крок, що робить їх ідеальними для абсолютних новачків! + +👉 **[Почніть з прикладів](examples/README.md)** 👈 ## Уроки -|![Скетчноут від @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.uk.png)| + +|![ Скетчноут від @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.uk.png)| |:---:| -| Data Science For Beginners: Дорожня карта - _Скетчноут від [@nitya](https://twitter.com/nitya)_ | +| Data Science для початківців: Дорожня карта - _Скетчноут від [@nitya](https://twitter.com/nitya)_ | | Номер уроку | Тема | Групування уроків | Навчальні цілі | Посилання на урок | Автор | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Визначення науки про дані | [Вступ](1-Introduction/README.md) | Вивчіть основні концепції науки про дані та її зв’язок зі штучним інтелектом, машинним навчанням і великими даними. | [урок](1-Introduction/01-defining-data-science/README.md) [відео](https://youtu.be/beZ7Mb_oz9I) | [Дмитро](http://soshnikov.com) | -| 02 | Етика науки про дані | [Вступ](1-Introduction/README.md) | Концепції етики даних, виклики та рамки. | [урок](1-Introduction/02-ethics/README.md) | [Нітія](https://twitter.com/nitya) | -| 03 | Визначення даних | [Вступ](1-Introduction/README.md) | Як класифікуються дані та їхні основні джерела. | [урок](1-Introduction/03-defining-data/README.md) | [Жасмін](https://www.twitter.com/paladique) | -| 04 | Вступ до статистики та ймовірності | [Вступ](1-Introduction/README.md) | Математичні методи ймовірності та статистики для розуміння даних. | [урок](1-Introduction/04-stats-and-probability/README.md) [відео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитро](http://soshnikov.com) | -| 05 | Робота з реляційними даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до реляційних даних і основи дослідження та аналізу реляційних даних за допомогою мови SQL (вимовляється як "сі-квел"). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Крістофер](https://www.twitter.com/geektrainer) | | | -| 06 | Робота з NoSQL-даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до нереляційних даних, їхніх різновидів і основи дослідження та аналізу документних баз даних. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Жасмін](https://twitter.com/paladique)| -| 07 | Робота з Python | [Робота з даними](2-Working-With-Data/README.md) | Основи використання Python для дослідження даних із бібліотеками, такими як Pandas. Рекомендується базове розуміння програмування на Python. | [урок](2-Working-With-Data/07-python/README.md) [відео](https://youtu.be/dZjWOGbsN4Y) | [Дмитро](http://soshnikov.com) | -| 08 | Підготовка даних | [Робота з даними](2-Working-With-Data/README.md) | Теми щодо технік очищення та трансформації даних для вирішення проблем із відсутніми, неточними або неповними даними. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Жасмін](https://www.twitter.com/paladique) | -| 09 | Візуалізація кількостей | [Візуалізація даних](3-Data-Visualization/README.md) | Дізнайтеся, як використовувати Matplotlib для візуалізації даних про птахів 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) | -| 10 | Візуалізація розподілів даних | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація спостережень і трендів у межах інтервалу. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) | -| 11 | Візуалізація пропорцій | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація дискретних і згрупованих відсотків. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Джен](https://twitter.com/jenlooper) | -| 12 | Візуалізація взаємозв’язків | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація зв’язків і кореляцій між наборами даних і їхніми змінними. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Джен](https://twitter.com/jenlooper) | -| 13 | Змістовні візуалізації | [Візуалізація даних](3-Data-Visualization/README.md) | Техніки та рекомендації для створення цінних візуалізацій для ефективного вирішення проблем і отримання інсайтів. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) | -| 14 | Вступ до життєвого циклу науки про дані | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Вступ до життєвого циклу науки про дані та його першого етапу — отримання та вилучення даних. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Жасмін](https://twitter.com/paladique) | -| 15 | Аналіз | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Ця фаза життєвого циклу науки про дані зосереджена на техніках аналізу даних. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Жасмін](https://twitter.com/paladique) | | | -| 16 | Комунікація | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Ця фаза життєвого циклу науки про дані зосереджена на представленні інсайтів із даних у спосіб, який полегшує розуміння для осіб, що приймають рішення. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джейлен](https://twitter.com/JalenMcG) | | | -| 17 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Ця серія уроків знайомить із наукою про дані в хмарі та її перевагами. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) | -| 18 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Навчання моделей за допомогою інструментів Low Code. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) | -| 19 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Розгортання моделей за допомогою Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) | -| 20 | Наука про дані в реальному світі | [У реальному світі](6-Data-Science-In-Wild/README.md) | Проєкти, керовані наукою про дані, у реальному світі. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нітія](https://twitter.com/nitya) | +| 01 | Визначення Data Science | [Вступ](1-Introduction/README.md) | Вивчіть основні концепції Data Science та його зв’язок зі штучним інтелектом, машинним навчанням і великими даними. | [урок](1-Introduction/01-defining-data-science/README.md) [відео](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Етика в Data Science | [Вступ](1-Introduction/README.md) | Концепції етики даних, виклики та рамки. | [урок](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Визначення даних | [Вступ](1-Introduction/README.md) | Як класифікуються дані та їхні загальні джерела. | [урок](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Вступ до статистики та ймовірності | [Вступ](1-Introduction/README.md) | Математичні методи ймовірності та статистики для розуміння даних. | [урок](1-Introduction/04-stats-and-probability/README.md) [відео](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Робота з реляційними даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до реляційних даних і основи дослідження та аналізу реляційних даних за допомогою мови SQL (вимовляється як "сі-квел"). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Робота з NoSQL даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до нереляційних даних, їх різновидів і основи дослідження та аналізу документних баз даних. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Робота з Python | [Робота з даними](2-Working-With-Data/README.md) | Основи використання Python для дослідження даних із бібліотеками, такими як Pandas. Рекомендується базове розуміння програмування на Python. | [урок](2-Working-With-Data/07-python/README.md) [відео](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Підготовка даних | [Робота з даними](2-Working-With-Data/README.md) | Теми щодо методів очищення та трансформації даних для вирішення проблем із відсутніми, неточними або неповними даними. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Візуалізація кількісних даних | [Візуалізація даних](3-Data-Visualization/README.md) | Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Візуалізація розподілу даних | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація спостережень і тенденцій у межах інтервалу. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Візуалізація пропорцій | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація дискретних і групових відсотків. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Візуалізація взаємозв’язків | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація зв’язків і кореляцій між наборами даних і їх змінними. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Значущі візуалізації | [Візуалізація даних](3-Data-Visualization/README.md) | Методи та рекомендації щодо створення візуалізацій, які є цінними для ефективного вирішення проблем і отримання інсайтів. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Вступ до життєвого циклу Data Science | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Вступ до життєвого циклу Data Science та його першого етапу — отримання та вилучення даних. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Аналіз | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Ця фаза життєвого циклу Data Science зосереджена на методах аналізу даних. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Комунікація | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Ця фаза життєвого циклу Data Science зосереджена на представленні інсайтів із даних у спосіб, який полегшує розуміння для осіб, що приймають рішення. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science у хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Ця серія уроків знайомить із Data Science у хмарі та його перевагами. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) та [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science у хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Навчання моделей за допомогою інструментів Low Code. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) та [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science у хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Розгортання моделей за допомогою Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) та [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science у реальному світі | [У реальному світі](6-Data-Science-In-Wild/README.md) | Проєкти, керовані Data Science, у реальному світі. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Виконайте ці кроки, щоб відкрити цей приклад у Codespace: +Дотримуйтесь цих кроків, щоб відкрити цей приклад у Codespace: 1. Натисніть на випадаюче меню Code і виберіть опцію Open with Codespaces. 2. Виберіть + New codespace внизу панелі. Для отримання додаткової інформації перегляньте [документацію GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері за допомогою вашого локального комп’ютера та VSCode, використовуючи розширення VS Code Remote - Containers: +Дотримуйтесь цих кроків, щоб відкрити цей репозиторій у контейнері за допомогою вашого локального комп’ютера та VSCode, використовуючи розширення VS Code Remote - Containers: -1. Якщо ви вперше використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає вимогам (тобто встановлено Docker) у [документації для початківців](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Якщо ви вперше використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає вимогам (наприклад, встановлено Docker), зазначеним у [документації для початку роботи](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Щоб використовувати цей репозиторій, ви можете або відкрити його в ізольованому томі Docker: -**Примітка**: У фоновому режимі це використовуватиме команду Remote-Containers: **Clone Repository in Container Volume...** для клонування вихідного коду в том Docker замість локальної файлової системи. [Томи](https://docs.docker.com/storage/volumes/) є рекомендованим механізмом для збереження даних контейнера. +**Примітка**: У процесі це використовуватиме команду Remote-Containers: **Clone Repository in Container Volume...** для клонування вихідного коду в том Docker замість локальної файлової системи. [Томи](https://docs.docker.com/storage/volumes/) є рекомендованим механізмом для збереження даних контейнера. Або відкрийте локально клоновану або завантажену версію репозиторію: @@ -147,33 +146,33 @@ CO_OP_TRANSLATOR_METADATA: ## Офлайн-доступ -Ви можете запустити цю документацію офлайн за допомогою [Docsify](https://docsify.js.org/#/). Форкніть цей репозиторій, [встановіть Docsify](https://docsify.js.org/#/quickstart) на ваш локальний комп’ютер, а потім у кореневій папці цього репозиторію введіть `docsify serve`. Вебсайт буде доступний на порту 3000 вашого localhost: `localhost:3000`. +Ви можете запустити цю документацію офлайн, використовуючи [Docsify](https://docsify.js.org/#/). Форкніть цей репозиторій, [встановіть Docsify](https://docsify.js.org/#/quickstart) на ваш локальний комп’ютер, а потім у кореневій папці цього репозиторію введіть `docsify serve`. Вебсайт буде доступний на порту 3000 вашого localhost: `localhost:3000`. -> Примітка: блокноти не будуть відображатися через Docsify, тому, якщо вам потрібно запустити блокнот, зробіть це окремо у VS Code, використовуючи Python kernel. +> Примітка: блокноти не будуть відображатися через Docsify, тому, коли вам потрібно запустити блокнот, зробіть це окремо у VS Code, використовуючи ядро Python. ## Інші навчальні програми Наша команда створює інші навчальні програми! Ознайомтеся з: -- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) -- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) -- [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) -- [Bash for Beginners](https://github.com/microsoft/bash-for-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) -- [Machine Learning for Beginners](https://aka.ms/ml-beginners) -- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) -- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) -- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) -- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) +- [Edge AI для початківців](https://aka.ms/edgeai-for-beginners) +- [AI Agents для початківців](https://aka.ms/ai-agents-beginners) +- [Генеративний AI для початківців](https://aka.ms/genai-beginners) +- [Генеративний AI для початківців .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) +- [Генеративний AI з JavaScript](https://github.com/microsoft/generative-ai-with-javascript) +- [Генеративний AI з Java](https://aka.ms/genaijava) +- [AI для початківців](https://aka.ms/ai-beginners) +- [Data Science для початківців](https://aka.ms/datascience-beginners) +- [Bash для початківців](https://github.com/microsoft/bash-for-beginners) +- [ML для початківців](https://aka.ms/ml-beginners) +- [Кібербезпека для початківців](https://github.com/microsoft/Security-101) +- [Web Dev для початківців](https://aka.ms/webdev-beginners) +- [IoT для початківців](https://aka.ms/iot-beginners) +- [Машинне навчання для початківців](https://aka.ms/ml-beginners) +- [Розробка XR для початківців](https://aka.ms/xr-dev-for-beginners) +- [Опанування GitHub Copilot для парного програмування з AI](https://aka.ms/GitHubCopilotAI) +- [Розробка XR для початківців](https://github.com/microsoft/xr-development-for-beginners) +- [Опанування GitHub Copilot для розробників C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Виберіть свою пригоду з Copilot](https://github.com/microsoft/CopilotAdventures) ## Отримання допомоги @@ -181,9 +180,8 @@ CO_OP_TRANSLATOR_METADATA: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Якщо у вас є відгуки про продукт або виникли помилки під час створення, відвідайте: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Якщо у вас є відгуки про продукт або помилки під час створення, відвідайте: +[![Форум розробників Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/uk/examples/README.md b/translations/uk/examples/README.md new file mode 100644 index 00000000..da57c688 --- /dev/null +++ b/translations/uk/examples/README.md @@ -0,0 +1,149 @@ + +# Приклади для початківців у сфері Data Science + +Ласкаво просимо до каталогу прикладів! Ця колекція простих, добре прокоментованих прикладів створена, щоб допомогти вам розпочати роботу з Data Science, навіть якщо ви абсолютний новачок. + +## 📚 Що ви знайдете тут + +Кожен приклад є автономним і включає: +- **Чіткі коментарі**, які пояснюють кожен крок +- **Простий, зрозумілий код**, що демонструє одну концепцію за раз +- **Контекст реального світу**, щоб допомогти вам зрозуміти, коли і чому використовувати ці техніки +- **Очікуваний результат**, щоб ви знали, на що звертати увагу + +## 🚀 Як почати + +### Попередні вимоги +Перед запуском цих прикладів переконайтеся, що у вас є: +- Встановлений Python 3.7 або новіший +- Базове розуміння того, як запускати скрипти Python + +### Встановлення необхідних бібліотек +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Огляд прикладів + +### 1. Hello World - у стилі Data Science +**Файл:** `01_hello_world_data_science.py` + +Ваш перший програмний код у Data Science! Ви навчитеся: +- Завантажувати простий набір даних +- Відображати базову інформацію про ваші дані +- Виводити ваш перший результат у Data Science + +Ідеально для абсолютних новачків, які хочуть побачити свій перший програмний код у дії. + +--- + +### 2. Завантаження та дослідження даних +**Файл:** `02_loading_data.py` + +Вивчіть основи роботи з даними: +- Читання даних із CSV-файлів +- Перегляд перших кількох рядків вашого набору даних +- Отримання базової статистики про ваші дані +- Розуміння типів даних + +Це часто є першим кроком у будь-якому проєкті Data Science! + +--- + +### 3. Проста аналітика даних +**Файл:** `03_simple_analysis.py` + +Виконайте свою першу аналітику даних: +- Розрахунок базової статистики (середнє, медіана, мода) +- Пошук максимальних і мінімальних значень +- Підрахунок кількості значень +- Фільтрація даних за умовами + +Дізнайтеся, як відповідати на прості запитання про ваші дані. + +--- + +### 4. Основи візуалізації даних +**Файл:** `04_basic_visualization.py` + +Створіть свої перші візуалізації: +- Побудова простого стовпчастого графіка +- Створення лінійного графіка +- Генерація кругової діаграми +- Збереження ваших візуалізацій як зображень + +Навчіться візуально передавати свої висновки! + +--- + +### 5. Робота з реальними даними +**Файл:** `05_real_world_example.py` + +Об'єднайте все в одному повному прикладі: +- Завантаження реальних даних із репозиторію +- Очищення та підготовка даних +- Виконання аналізу +- Створення значущих візуалізацій +- Формулювання висновків + +Цей приклад демонструє повний робочий процес від початку до кінця. + +--- + +## 🎯 Як використовувати ці приклади + +1. **Почніть з початку**: Приклади пронумеровані за рівнем складності. Почніть із `01_hello_world_data_science.py` і поступово переходьте до наступних. + +2. **Читайте коментарі**: Кожен файл містить детальні коментарі, які пояснюють, що робить код і чому. Уважно їх читайте! + +3. **Експериментуйте**: Спробуйте змінити код. Що станеться, якщо ви зміните значення? Ламайте і виправляйте - так ви навчитеся! + +4. **Запускайте код**: Виконуйте кожен приклад і спостерігайте за результатом. Порівнюйте його з тим, що ви очікували. + +5. **Розвивайте**: Як тільки ви зрозумієте приклад, спробуйте розширити його своїми ідеями. + +## 💡 Поради для новачків + +- **Не поспішайте**: Витрачайте час на розуміння кожного прикладу перед переходом до наступного +- **Вводьте код самостійно**: Не просто копіюйте-вставляйте. Введення допомагає вам навчитися і запам'ятати +- **Шукайте незнайомі концепції**: Якщо ви бачите щось незрозуміле, шукайте це онлайн або в основних уроках +- **Ставте запитання**: Приєднуйтесь до [форуму обговорень](https://github.com/microsoft/Data-Science-For-Beginners/discussions), якщо вам потрібна допомога +- **Практикуйте регулярно**: Намагайтеся писати код трохи щодня, а не довгі сесії раз на тиждень + +## 🔗 Наступні кроки + +Після завершення цих прикладів ви готові: +- Пройти основні уроки курсу +- Виконати завдання в кожній папці уроку +- Дослідити Jupyter notebooks для більш глибокого навчання +- Створити власні проєкти в Data Science + +## 📚 Додаткові ресурси + +- [Основний курс](../README.md) - Повний курс із 20 уроків +- [Для викладачів](../for-teachers.md) - Використання цього курсу в класі +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Безкоштовні онлайн-ресурси для навчання +- [Документація Python](https://docs.python.org/3/) - Офіційний довідник Python + +## 🤝 Внесок + +Знайшли помилку або маєте ідею для нового прикладу? Ми раді вашим внескам! Будь ласка, ознайомтеся з нашим [Посібником для внесків](../CONTRIBUTING.md). + +--- + +**Щасливого навчання! 🎉** + +Пам'ятайте: кожен експерт колись був новачком. Робіть один крок за раз і не бійтеся помилятися - це частина процесу навчання! + +--- + +**Відмова від відповідальності**: +Цей документ був перекладений за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу. \ No newline at end of file diff --git a/translations/ur/README.md b/translations/ur/README.md index ae9daa3c..220b00ad 100644 --- a/translations/ur/README.md +++ b/translations/ur/README.md @@ -1,23 +1,23 @@ -# ڈیٹا سائنس برائے ابتدائی - ایک نصاب +# ڈیٹا سائنس کے ابتدائی افراد کے لیے - ایک نصاب -Azure Cloud Advocates نے مائیکروسافٹ میں ایک 10 ہفتوں، 20 اسباق پر مشتمل نصاب پیش کیا ہے جو مکمل طور پر ڈیٹا سائنس کے بارے میں ہے۔ ہر سبق میں پری-سبق اور پوسٹ-سبق کوئز، سبق مکمل کرنے کے لیے تحریری ہدایات، ایک حل، اور ایک اسائنمنٹ شامل ہے۔ ہمارا پروجیکٹ پر مبنی طریقہ کار آپ کو سیکھنے کے دوران بنانے کی اجازت دیتا ہے، جو نئے ہنر کو یاد رکھنے کا ایک مؤثر طریقہ ہے۔ +Azure Cloud Advocates نے Microsoft میں ایک 10 ہفتوں کا، 20 اسباق پر مشتمل نصاب پیش کیا ہے جو مکمل طور پر ڈیٹا سائنس کے بارے میں ہے۔ ہر سبق میں پری-سبق اور پوسٹ-سبق کوئز، سبق مکمل کرنے کے لیے تحریری ہدایات، ایک حل، اور ایک اسائنمنٹ شامل ہے۔ ہمارا پروجیکٹ پر مبنی طریقہ کار آپ کو سیکھنے کے دوران بنانے کی اجازت دیتا ہے، جو نئے ہنر کو یاد رکھنے کا ایک مؤثر طریقہ ہے۔ **ہمارے مصنفین کا دل سے شکریہ:** [جیسمن گریناوے](https://www.twitter.com/paladique)، [دیمتری سوشنیکوف](http://soshnikov.com)، [نیتیا نرسمہن](https://twitter.com/nitya)، [جیلن میکگی](https://twitter.com/JalenMcG)، [جین لوپر](https://twitter.com/jenlooper)، [ماود لیوی](https://twitter.com/maudstweets)، [ٹفنی سوٹیر](https://twitter.com/TiffanySouterre)، [کرسٹوفر ہیریسن](https://www.twitter.com/geektrainer)۔ -**🙏 خاص شکریہ 🙏 ہمارے [مائیکروسافٹ اسٹوڈنٹ ایمبیسڈر](https://studentambassadors.microsoft.com/) مصنفین، جائزہ لینے والوں اور مواد کے تعاون کرنے والوں کا،** خاص طور پر آریان اروڑا، [ادیتیہ گرگ](https://github.com/AdityaGarg00)، [الوندرا سانچیز](https://www.linkedin.com/in/alondra-sanchez-molina/)، [انکیتا سنگھ](https://www.linkedin.com/in/ankitasingh007)، [انوپم مشرا](https://www.linkedin.com/in/anupam--mishra/)، [ارپیتا داس](https://www.linkedin.com/in/arpitadas01/)، چھائل بہاری دوبے، [دیبری نسوفور](https://www.linkedin.com/in/dibrinsofor)، [دیشیتا بھاسین](https://www.linkedin.com/in/dishita-bhasin-7065281bb)، [مجید صافی](https://www.linkedin.com/in/majd-s/)، [میکس بلوم](https://www.linkedin.com/in/max-blum-6036a1186/)، [میگل کوریا](https://www.linkedin.com/in/miguelmque/)، [محمد افتخار (افتو) ابن جلال](https://twitter.com/iftu119)، [نورین تبسم](https://www.linkedin.com/in/nawrin-tabassum)، [ریمنڈ وانگسا پترا](https://www.linkedin.com/in/raymond-wp/)، [روہت یادو](https://www.linkedin.com/in/rty2423)، سمردھی شرما، [سانیا سنہا](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200)، [شینا نرولا](https://www.linkedin.com/in/sheena-narua-n/)، [توقیر احمد](https://www.linkedin.com/in/tauqeerahmad5201/)، یوگندر سنگھ پاوار، [ودوشی گپتا](https://www.linkedin.com/in/vidushi-gupta07/)، [جسلین سوندھی](https://www.linkedin.com/in/jasleen-sondhi/)۔ +**🙏 خاص شکریہ 🙏 ہمارے [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) مصنفین، جائزہ لینے والوں اور مواد کے تعاون کرنے والوں کا،** خاص طور پر آریان اروڑا، [ادیتیہ گرگ](https://github.com/AdityaGarg00)، [الوندرا سانچیز](https://www.linkedin.com/in/alondra-sanchez-molina/)، [انکیتا سنگھ](https://www.linkedin.com/in/ankitasingh007)، [انپم مشرا](https://www.linkedin.com/in/anupam--mishra/)، [ارپیتا داس](https://www.linkedin.com/in/arpitadas01/)، چھائل بہاری دوبے، [دیبری نسوفور](https://www.linkedin.com/in/dibrinsofor)، [دیشیتا بھاسین](https://www.linkedin.com/in/dishita-bhasin-7065281bb)، [مجید صافی](https://www.linkedin.com/in/majd-s/)، [میکس بلوم](https://www.linkedin.com/in/max-blum-6036a1186/)، [میگل کوریا](https://www.linkedin.com/in/miguelmque/)، [محمد افتخار (افتو) ابن جلال](https://twitter.com/iftu119)، [نورین تبسم](https://www.linkedin.com/in/nawrin-tabassum)، [ریمنڈ وانگسا پترا](https://www.linkedin.com/in/raymond-wp/)، [روہت یادو](https://www.linkedin.com/in/rty2423)، سمردھی شرما، [سانیا سنہا](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200)، [شینا نرولا](https://www.linkedin.com/in/sheena-narua-n/)، [توقیر احمد](https://www.linkedin.com/in/tauqeerahmad5201/)، یوگندر سنگھ پاور، [ودوشی گپتا](https://www.linkedin.com/in/vidushi-gupta07/)، [جسلین سوندھی](https://www.linkedin.com/in/jasleen-sondhi/)۔ |![اسکیچ نوٹ از @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.ur.png)| |:---:| -| ڈیٹا سائنس برائے ابتدائی - _اسکیچ نوٹ از [@nitya](https://twitter.com/nitya)_ | +| ڈیٹا سائنس کے ابتدائی افراد کے لیے - _اسکیچ نوٹ از [@nitya](https://twitter.com/nitya)_ | ### 🌐 کثیر زبان کی حمایت @@ -38,22 +38,24 @@ Azure Cloud Advocates نے مائیکروسافٹ میں ایک 10 ہفتوں، مندرجہ ذیل وسائل کے ساتھ شروع کریں: -- [اسٹوڈنٹ ہب صفحہ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) اس صفحے پر، آپ کو ابتدائی وسائل، اسٹوڈنٹ پیک اور یہاں تک کہ مفت سرٹیفکیٹ واؤچر حاصل کرنے کے طریقے ملیں گے۔ یہ ایک صفحہ ہے جسے آپ بک مارک کرنا چاہتے ہیں اور وقتاً فوقتاً چیک کرنا چاہتے ہیں کیونکہ ہم کم از کم ماہانہ مواد کو تبدیل کرتے ہیں۔ -- [مائیکروسافٹ لرن اسٹوڈنٹ ایمبیسڈرز](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ایک عالمی کمیونٹی میں شامل ہوں، یہ مائیکروسافٹ میں آپ کے داخلے کا راستہ ہو سکتا ہے۔ +- [طالب علم حب صفحہ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) اس صفحے پر، آپ کو ابتدائی وسائل، طالب علم پیک اور یہاں تک کہ مفت سرٹیفکیٹ واؤچر حاصل کرنے کے طریقے ملیں گے۔ یہ ایک صفحہ ہے جسے آپ بک مارک کرنا چاہیں گے اور وقتاً فوقتاً چیک کریں گے کیونکہ ہم کم از کم ماہانہ مواد تبدیل کرتے ہیں۔ +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ایک عالمی کمیونٹی میں شامل ہوں، یہ Microsoft میں آپ کے داخلے کا راستہ ہو سکتا ہے۔ # شروعات کریں -> **اساتذہ**: ہم نے [کچھ تجاویز شامل کی ہیں](for-teachers.md) کہ اس نصاب کو کیسے استعمال کیا جائے۔ ہمیں آپ کی رائے [ہمارے بحث فورم میں](https://github.com/microsoft/Data-Science-For-Beginners/discussions) پسند آئے گی! +> **مکمل ابتدائی افراد**: ڈیٹا سائنس میں نئے ہیں؟ ہمارے [ابتدائی دوستانہ مثالوں](examples/README.md) سے شروع کریں! یہ سادہ، اچھی طرح سے تبصرہ شدہ مثالیں آپ کو مکمل نصاب میں جانے سے پہلے بنیادی باتیں سمجھنے میں مدد کریں گی۔ -> **[طلباء](https://aka.ms/student-page)**: اس نصاب کو خود استعمال کرنے کے لیے، پورے ریپو کو فورک کریں اور خود سے مشقیں مکمل کریں، پری-لیکچر کوئز سے شروع کریں۔ پھر لیکچر پڑھیں اور باقی سرگرمیاں مکمل کریں۔ کوشش کریں کہ اسباق کو سمجھ کر پروجیکٹس بنائیں بجائے اس کے کہ حل کوڈ کو کاپی کریں؛ تاہم، وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے /solutions فولڈرز میں دستیاب ہے۔ ایک اور خیال یہ ہو سکتا ہے کہ دوستوں کے ساتھ ایک اسٹڈی گروپ بنائیں اور مواد کو ایک ساتھ دیکھیں۔ مزید مطالعہ کے لیے، ہم [مائیکروسافٹ لرن](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) کی سفارش کرتے ہیں۔ +> **اساتذہ**: ہم نے [کچھ تجاویز شامل کی ہیں](for-teachers.md) کہ اس نصاب کو کیسے استعمال کیا جائے۔ ہمیں آپ کی رائے [ہمارے بحث فورم](https://github.com/microsoft/Data-Science-For-Beginners/discussions) میں پسند آئے گی! + +> **[طلباء](https://aka.ms/student-page)**: اس نصاب کو خود استعمال کرنے کے لیے، پورے ریپو کو فورک کریں اور خود سے مشقیں مکمل کریں، پری-لیکچر کوئز سے شروع کریں۔ پھر لیکچر پڑھیں اور باقی سرگرمیاں مکمل کریں۔ کوشش کریں کہ اسباق کو سمجھ کر پروجیکٹس بنائیں بجائے اس کے کہ حل کوڈ کو کاپی کریں؛ تاہم، وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے /solutions فولڈرز میں دستیاب ہے۔ ایک اور خیال یہ ہو سکتا ہے کہ دوستوں کے ساتھ ایک اسٹڈی گروپ بنائیں اور مواد کو ایک ساتھ دیکھیں۔ مزید مطالعہ کے لیے، ہم [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) کی سفارش کرتے ہیں۔ ## ٹیم سے ملاقات کریں [![پرومو ویڈیو](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "پرومو ویڈیو") -**Gif از** [محیط جیسل](https://www.linkedin.com/in/mohitjaisal) +**Gif از** [محیط جیسال](https://www.linkedin.com/in/mohitjaisal) -> 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ اور ان لوگوں کے بارے میں ویڈیو دیکھ سکیں جنہوں نے اسے بنایا! +> 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ اور اسے بنانے والے افراد کے بارے میں ویڈیو دیکھ سکیں! ## تدریسی طریقہ کار @@ -61,7 +63,7 @@ Azure Cloud Advocates نے مائیکروسافٹ میں ایک 10 ہفتوں، اس کے علاوہ، کلاس سے پہلے ایک کم دباؤ والا کوئز طالب علم کو کسی موضوع کو سیکھنے کی طرف راغب کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور تفریحی طور پر ڈیزائن کیا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے شروع ہوتے ہیں اور 10 ہفتوں کے سائیکل کے اختتام تک بتدریج پیچیدہ ہو جاتے ہیں۔ -> ہمارا [کوڈ آف کنڈکٹ](CODE_OF_CONDUCT.md)، [شراکت](CONTRIBUTING.md)، [ترجمہ](TRANSLATIONS.md) کے رہنما اصول دیکھیں۔ ہم آپ کی تعمیری رائے کا خیر مقدم کرتے ہیں! +> ہمارا [Code of Conduct](CODE_OF_CONDUCT.md)، [Contributing](CONTRIBUTING.md)، [Translation](TRANSLATIONS.md) کے رہنما اصول دیکھیں۔ ہم آپ کی تعمیری رائے کا خیر مقدم کرتے ہیں! ## ہر سبق میں شامل ہے: @@ -69,49 +71,63 @@ Azure Cloud Advocates نے مائیکروسافٹ میں ایک 10 ہفتوں، - اختیاری اضافی ویڈیو - پری-سبق وارم اپ کوئز - تحریری سبق -- پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے مرحلہ وار گائیڈز +- پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے لیے مرحلہ وار گائیڈز - علم کی جانچ - ایک چیلنج - اضافی مطالعہ - اسائنمنٹ - [پوسٹ-سبق کوئز](https://ff-quizzes.netlify.app/en/) +> **کوئز کے بارے میں ایک نوٹ**: تمام کوئز Quiz-App فولڈر میں موجود ہیں، جن میں کل 40 کوئز ہیں اور ہر ایک میں تین سوالات ہیں۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں، لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے یا Azure پر ڈیپلائی کیا جا سکتا ہے؛ `quiz-app` فولڈر میں دی گئی ہدایات پر عمل کریں۔ یہ آہستہ آہستہ مقامی زبانوں میں ترجمہ کیے جا رہے ہیں۔ + +## 🎓 ابتدائی افراد کے لیے آسان مثالیں + +**ڈیٹا سائنس میں نئے ہیں؟** ہم نے ایک خاص [مثالوں کی ڈائریکٹری](examples/README.md) بنائی ہے جس میں سادہ اور واضح کوڈ شامل ہے تاکہ آپ کو شروعات میں مدد ملے: + +- 🌟 **ہیلو ورلڈ** - آپ کا پہلا ڈیٹا سائنس پروگرام +- 📂 **ڈیٹا لوڈ کرنا** - ڈیٹا سیٹس کو پڑھنے اور ان کا جائزہ لینے کا طریقہ سیکھیں +- 📊 **سادہ تجزیہ** - شماریات کا حساب لگائیں اور پیٹرنز تلاش کریں +- 📈 **بنیادی بصریات** - چارٹس اور گراف بنائیں +- 🔬 **حقیقی دنیا کا پروجیکٹ** - شروع سے آخر تک مکمل ورک فلو -> **کوئز کے بارے میں ایک نوٹ**: تمام کوئز Quiz-App فولڈر میں موجود ہیں، کل 40 کوئز، ہر ایک میں تین سوالات۔ وہ اسباق کے اندر سے لنک کیے گئے ہیں، لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے یا Azure پر تعینات کیا جا سکتا ہے؛ `quiz-app` فولڈر میں دی گئی ہدایات پر عمل کریں۔ وہ بتدریج مقامی زبان میں ترجمہ کیے جا رہے ہیں۔ +ہر مثال میں ہر قدم کی تفصیل کے ساتھ تبصرے شامل ہیں، جو اسے بالکل ابتدائی افراد کے لیے بہترین بناتا ہے! + +👉 **[مثالوں سے شروع کریں](examples/README.md)** 👈 ## اسباق + |![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.ur.png)| |:---:| -| ڈیٹا سائنس کے ابتدائی افراد کے لیے: روڈ میپ - _اسکیچ نوٹ از [@nitya](https://twitter.com/nitya)_ | +| ڈیٹا سائنس برائے ابتدائی افراد: روڈ میپ - _اسکیچ نوٹ از [@nitya](https://twitter.com/nitya)_ | -| سبق نمبر | موضوع | سبق کی گروپ بندی | سیکھنے کے مقاصد | منسلک سبق | مصنف | +| سبق نمبر | موضوع | سبق کی گروپ بندی | سیکھنے کے مقاصد | لنک شدہ سبق | مصنف | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | ڈیٹا سائنس کی تعریف | [تعارف](1-Introduction/README.md) | ڈیٹا سائنس کے بنیادی تصورات سیکھیں اور یہ مصنوعی ذہانت، مشین لرننگ، اور بڑے ڈیٹا سے کیسے متعلق ہے۔ | [سبق](1-Introduction/01-defining-data-science/README.md) [ویڈیو](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | ڈیٹا سائنس اخلاقیات | [تعارف](1-Introduction/README.md) | ڈیٹا اخلاقیات کے تصورات، چیلنجز اور فریم ورک۔ | [سبق](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | ڈیٹا کی تعریف | [تعارف](1-Introduction/README.md) | ڈیٹا کو کیسے درجہ بندی کیا جاتا ہے اور اس کے عام ذرائع۔ | [سبق](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 03 | ڈیٹا کی تعریف | [تعارف](1-Introduction/README.md) | ڈیٹا کی درجہ بندی اور اس کے عام ذرائع۔ | [سبق](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | شماریات اور احتمال کا تعارف | [تعارف](1-Introduction/README.md) | ڈیٹا کو سمجھنے کے لیے احتمال اور شماریات کی ریاضیاتی تکنیکیں۔ | [سبق](1-Introduction/04-stats-and-probability/README.md) [ویڈیو](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | تعلقاتی ڈیٹا کے ساتھ کام کرنا | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | تعلقاتی ڈیٹا کا تعارف اور SQL (جسے "سی-کوئل" کہا جاتا ہے) کے ذریعے تعلقاتی ڈیٹا کو دریافت اور تجزیہ کرنے کی بنیادی باتیں۔ | [سبق](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL ڈیٹا کے ساتھ کام کرنا | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | غیر تعلقاتی ڈیٹا کا تعارف، اس کی مختلف اقسام اور دستاویز ڈیٹا بیس کو دریافت اور تجزیہ کرنے کی بنیادی باتیں۔ | [سبق](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | پائتھون کے ساتھ کام کرنا | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | پائتھون کے ذریعے ڈیٹا کو دریافت کرنے کے لیے Pandas جیسی لائبریریوں کا استعمال۔ پائتھون پروگرامنگ کی بنیادی سمجھ ضروری ہے۔ | [سبق](2-Working-With-Data/07-python/README.md) [ویڈیو](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | ڈیٹا کی تیاری | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | ڈیٹا کو صاف کرنے اور تبدیل کرنے کے لیے تکنیکیں تاکہ گمشدہ، غلط یا نامکمل ڈیٹا کے چیلنجز سے نمٹا جا سکے۔ | [سبق](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | مقداروں کی بصری نمائندگی | [ڈیٹا کی بصری نمائندگی](3-Data-Visualization/README.md) | سیکھیں کہ Matplotlib کا استعمال کرتے ہوئے پرندوں کے ڈیٹا کو کیسے بصری بنایا جائے 🦆 | [سبق](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | ڈیٹا کی تقسیم کی بصری نمائندگی | [ڈیٹا کی بصری نمائندگی](3-Data-Visualization/README.md) | وقفے کے اندر مشاہدات اور رجحانات کی بصری نمائندگی۔ | [سبق](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | تناسب کی بصری نمائندگی | [ڈیٹا کی بصری نمائندگی](3-Data-Visualization/README.md) | الگ اور گروپ شدہ فیصد کی بصری نمائندگی۔ | [سبق](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | تعلقات کی بصری نمائندگی | [ڈیٹا کی بصری نمائندگی](3-Data-Visualization/README.md) | ڈیٹا کے سیٹ اور ان کے متغیرات کے درمیان تعلقات اور ارتباط کی بصری نمائندگی۔ | [سبق](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | بامعنی بصری نمائندگی | [ڈیٹا کی بصری نمائندگی](3-Data-Visualization/README.md) | مسئلے کو مؤثر طریقے سے حل کرنے اور بصیرت کے لیے اپنی بصری نمائندگی کو قیمتی بنانے کے لیے تکنیکیں اور رہنمائی۔ | [سبق](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 05 | تعلقاتی ڈیٹا کے ساتھ کام کرنا | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | تعلقاتی ڈیٹا کا تعارف اور Structured Query Language (SQL) کے ذریعے تعلقاتی ڈیٹا کو دریافت اور تجزیہ کرنے کی بنیادی باتیں۔ | [سبق](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL ڈیٹا کے ساتھ کام کرنا | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | غیر تعلقاتی ڈیٹا کا تعارف، اس کی مختلف اقسام اور دستاویز ڈیٹا بیسز کو دریافت اور تجزیہ کرنے کی بنیادی باتیں۔ | [سبق](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Python کے ساتھ کام کرنا | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | Pandas جیسی لائبریریوں کے ساتھ ڈیٹا کو دریافت کرنے کے لیے Python کا استعمال۔ Python پروگرامنگ کی بنیادی سمجھ بوجھ کی سفارش کی جاتی ہے۔ | [سبق](2-Working-With-Data/07-python/README.md) [ویڈیو](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | ڈیٹا کی تیاری | [ڈیٹا کے ساتھ کام کرنا](2-Working-With-Data/README.md) | ڈیٹا کو صاف کرنے اور تبدیل کرنے کے لیے تکنیکوں پر موضوعات تاکہ گمشدہ، غلط، یا نامکمل ڈیٹا کے چیلنجز سے نمٹا جا سکے۔ | [سبق](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | مقداروں کو بصری بنانا | [ڈیٹا بصریات](3-Data-Visualization/README.md) | Matplotlib کا استعمال کرتے ہوئے پرندوں کے ڈیٹا کو بصری بنانا سیکھیں 🦆 | [سبق](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | ڈیٹا کی تقسیم کو بصری بنانا | [ڈیٹا بصریات](3-Data-Visualization/README.md) | وقفے کے اندر مشاہدات اور رجحانات کو بصری بنانا۔ | [سبق](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | تناسب کو بصری بنانا | [ڈیٹا بصریات](3-Data-Visualization/README.md) | الگ اور گروپ شدہ فیصد کو بصری بنانا۔ | [سبق](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | تعلقات کو بصری بنانا | [ڈیٹا بصریات](3-Data-Visualization/README.md) | ڈیٹا کے سیٹوں اور ان کے متغیرات کے درمیان تعلقات اور ارتباط کو بصری بنانا۔ | [سبق](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | بامعنی بصریات | [ڈیٹا بصریات](3-Data-Visualization/README.md) | آپ کی بصریات کو مؤثر مسئلہ حل کرنے اور بصیرت کے لیے قیمتی بنانے کے لیے تکنیکیں اور رہنمائی۔ | [سبق](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | ڈیٹا سائنس کے لائف سائیکل کا تعارف | [لائف سائیکل](4-Data-Science-Lifecycle/README.md) | ڈیٹا سائنس کے لائف سائیکل کا تعارف اور ڈیٹا حاصل کرنے اور نکالنے کا پہلا مرحلہ۔ | [سبق](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | تجزیہ کرنا | [لائف سائیکل](4-Data-Science-Lifecycle/README.md) | ڈیٹا سائنس کے لائف سائیکل کا یہ مرحلہ ڈیٹا کا تجزیہ کرنے کی تکنیکوں پر مرکوز ہے۔ | [سبق](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | مواصلات | [لائف سائیکل](4-Data-Science-Lifecycle/README.md) | ڈیٹا سے حاصل کردہ بصیرت کو اس طرح پیش کرنے پر مرکوز ہے کہ فیصلہ سازوں کے لیے اسے سمجھنا آسان ہو۔ | [سبق](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | کلاؤڈ میں ڈیٹا سائنس | [کلاؤڈ ڈیٹا](5-Data-Science-In-Cloud/README.md) | کلاؤڈ میں ڈیٹا سائنس اور اس کے فوائد کا تعارف۔ | [سبق](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) اور [Maud](https://twitter.com/maudstweets) | +| 16 | مواصلات | [لائف سائیکل](4-Data-Science-Lifecycle/README.md) | ڈیٹا سائنس کے لائف سائیکل کا یہ مرحلہ ڈیٹا سے بصیرت کو اس طرح پیش کرنے پر مرکوز ہے کہ فیصلہ سازوں کے لیے اسے سمجھنا آسان ہو۔ | [سبق](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | کلاؤڈ میں ڈیٹا سائنس | [کلاؤڈ ڈیٹا](5-Data-Science-In-Cloud/README.md) | اسباق کی یہ سیریز کلاؤڈ میں ڈیٹا سائنس اور اس کے فوائد کا تعارف کراتی ہے۔ | [سبق](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) اور [Maud](https://twitter.com/maudstweets) | | 18 | کلاؤڈ میں ڈیٹا سائنس | [کلاؤڈ ڈیٹا](5-Data-Science-In-Cloud/README.md) | لو کوڈ ٹولز کا استعمال کرتے ہوئے ماڈلز کی تربیت۔ |[سبق](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) اور [Maud](https://twitter.com/maudstweets) | -| 19 | کلاؤڈ میں ڈیٹا سائنس | [کلاؤڈ ڈیٹا](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio کے ساتھ ماڈلز کو تعینات کرنا۔ | [سبق](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) اور [Maud](https://twitter.com/maudstweets) | -| 20 | جنگلی ماحول میں ڈیٹا سائنس | [جنگلی ماحول میں](6-Data-Science-In-Wild/README.md) | حقیقی دنیا میں ڈیٹا سائنس پر مبنی منصوبے۔ | [سبق](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 19 | کلاؤڈ میں ڈیٹا سائنس | [کلاؤڈ ڈیٹا](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio کے ساتھ ماڈلز کو ڈیپلائی کرنا۔ | [سبق](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) اور [Maud](https://twitter.com/maudstweets) | +| 20 | جنگلی ماحول میں ڈیٹا سائنس | [جنگلی ماحول میں](6-Data-Science-In-Wild/README.md) | حقیقی دنیا میں ڈیٹا سائنس سے چلنے والے پروجیکٹس۔ | [سبق](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -اس نمونے کو Codespace میں کھولنے کے لیے درج ذیل مراحل پر عمل کریں: -1. کوڈ ڈراپ ڈاؤن مینو پر کلک کریں اور Open with Codespaces آپشن منتخب کریں۔ +Codespace میں اس نمونے کو کھولنے کے لیے درج ذیل مراحل پر عمل کریں: +1. Code ڈراپ ڈاؤن مینو پر کلک کریں اور Open with Codespaces آپشن منتخب کریں۔ 2. پین کے نیچے + New codespace منتخب کریں۔ -مزید معلومات کے لیے، [GitHub دستاویزات](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) دیکھیں۔ +مزید معلومات کے لیے [GitHub دستاویزات](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) دیکھیں۔ ## VSCode Remote - Containers اپنے مقامی مشین اور VSCode کا استعمال کرتے ہوئے اس ریپو کو کنٹینر میں کھولنے کے لیے درج ذیل مراحل پر عمل کریں، VS Code Remote - Containers ایکسٹینشن کا استعمال کرتے ہوئے: @@ -120,7 +136,7 @@ Azure Cloud Advocates نے مائیکروسافٹ میں ایک 10 ہفتوں، اس ریپوزٹری کو استعمال کرنے کے لیے، آپ یا تو ریپوزٹری کو ایک الگ تھلگ Docker والیوم میں کھول سکتے ہیں: -**نوٹ**: اندرونی طور پر، یہ Remote-Containers: **Clone Repository in Container Volume...** کمانڈ استعمال کرے گا تاکہ سورس کوڈ کو Docker والیوم میں کلون کیا جا سکے بجائے مقامی فائل سسٹم کے۔ [Volumes](https://docs.docker.com/storage/volumes/) کنٹینر ڈیٹا کو برقرار رکھنے کے لیے ترجیحی طریقہ کار ہیں۔ +**نوٹ**: اندرونی طور پر، یہ Remote-Containers: **Clone Repository in Container Volume...** کمانڈ استعمال کرے گا تاکہ سورس کوڈ کو مقامی فائل سسٹم کے بجائے Docker والیوم میں کلون کیا جا سکے۔ [Volumes](https://docs.docker.com/storage/volumes/) کنٹینر ڈیٹا کو برقرار رکھنے کے لیے ترجیحی طریقہ کار ہیں۔ یا مقامی طور پر کلون شدہ یا ڈاؤن لوڈ شدہ ریپوزٹری کا ورژن کھولیں: @@ -130,9 +146,9 @@ Azure Cloud Advocates نے مائیکروسافٹ میں ایک 10 ہفتوں، ## آف لائن رسائی -آپ اس دستاویزات کو آف لائن چلا سکتے ہیں [Docsify](https://docsify.js.org/#/) کا استعمال کرتے ہوئے۔ اس ریپو کو فورک کریں، [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart) اپنی مقامی مشین پر، پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر پیش کی جائے گی: `localhost:3000`۔ +آپ اس دستاویزات کو آف لائن [Docsify](https://docsify.js.org/#/) کا استعمال کرتے ہوئے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart) اپنی مقامی مشین پر، پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے localhost پر پورٹ 3000 پر پیش کی جائے گی: `localhost:3000`۔ -> نوٹ کریں، نوٹ بکس Docsify کے ذریعے پیش نہیں کیے جائیں گے، لہذا جب آپ کو نوٹ بک چلانے کی ضرورت ہو، تو اسے الگ سے VS Code میں Python کرنل چلاتے ہوئے کریں۔ +> نوٹ، نوٹ بکس Docsify کے ذریعے پیش نہیں کیے جائیں گے، لہذا جب آپ کو نوٹ بک چلانے کی ضرورت ہو، تو اسے الگ سے Python کرنل چلانے والے VS Code میں کریں۔ ## دیگر نصاب @@ -164,11 +180,10 @@ Azure Cloud Advocates نے مائیکروسافٹ میں ایک 10 ہفتوں، [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -اگر آپ کو پروڈکٹ کے بارے میں رائے دینی ہو یا تعمیر کے دوران غلطیاں ہوں تو دیکھیں: - +اگر آپ کو پروڈکٹ کے بارے میں فیڈبیک دینا ہو یا بلڈنگ کے دوران کوئی غلطی ہو تو یہاں جائیں: [![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **ڈسکلیمر**: -یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کی بھرپور کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔ \ No newline at end of file +یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔ \ No newline at end of file diff --git a/translations/ur/examples/README.md b/translations/ur/examples/README.md new file mode 100644 index 00000000..164b1f1c --- /dev/null +++ b/translations/ur/examples/README.md @@ -0,0 +1,149 @@ + +# ڈیٹا سائنس کے ابتدائی دوستانہ مثالیں + +مثالوں کی ڈائریکٹری میں خوش آمدید! یہ سادہ اور واضح تبصرے والی مثالوں کا مجموعہ آپ کو ڈیٹا سائنس کے ساتھ شروعات کرنے میں مدد دینے کے لیے بنایا گیا ہے، چاہے آپ بالکل نئے ہوں۔ + +## 📚 یہاں آپ کو کیا ملے گا + +ہر مثال خود مختار ہے اور شامل کرتی ہے: +- **واضح تبصرے** جو ہر قدم کی وضاحت کرتے ہیں +- **سادہ اور قابلِ فہم کوڈ** جو ایک وقت میں ایک تصور کو ظاہر کرتا ہے +- **حقیقی دنیا کا سیاق و سباق** تاکہ آپ سمجھ سکیں کہ ان تکنیکوں کو کب اور کیوں استعمال کرنا ہے +- **متوقع نتائج** تاکہ آپ جان سکیں کہ کیا دیکھنا ہے + +## 🚀 شروعات کرنا + +### ضروریات +ان مثالوں کو چلانے سے پہلے، یقینی بنائیں کہ آپ کے پاس: +- Python 3.7 یا اس سے زیادہ انسٹال ہے +- Python اسکرپٹس چلانے کا بنیادی علم ہے + +### مطلوبہ لائبریریاں انسٹال کرنا +```bash +pip install pandas numpy matplotlib +``` + +## 📖 مثالوں کا جائزہ + +### 1. ہیلو ورلڈ - ڈیٹا سائنس انداز +**فائل:** `01_hello_world_data_science.py` + +آپ کا پہلا ڈیٹا سائنس پروگرام! سیکھیں کہ: +- ایک سادہ ڈیٹا سیٹ لوڈ کریں +- اپنے ڈیٹا کے بارے میں بنیادی معلومات دکھائیں +- اپنا پہلا ڈیٹا سائنس آؤٹ پٹ پرنٹ کریں + +بالکل نئے افراد کے لیے بہترین جو اپنا پہلا ڈیٹا سائنس پروگرام ایکشن میں دیکھنا چاہتے ہیں۔ + +--- + +### 2. ڈیٹا لوڈ کرنا اور دریافت کرنا +**فائل:** `02_loading_data.py` + +ڈیٹا کے ساتھ کام کرنے کی بنیادی باتیں سیکھیں: +- CSV فائلوں سے ڈیٹا پڑھیں +- اپنے ڈیٹا سیٹ کی ابتدائی چند قطاریں دیکھیں +- اپنے ڈیٹا کے بارے میں بنیادی شماریات حاصل کریں +- ڈیٹا کی اقسام کو سمجھیں + +یہ اکثر کسی بھی ڈیٹا سائنس پروجیکٹ کا پہلا قدم ہوتا ہے! + +--- + +### 3. سادہ ڈیٹا تجزیہ +**فائل:** `03_simple_analysis.py` + +اپنا پہلا ڈیٹا تجزیہ کریں: +- بنیادی شماریات (اوسط، درمیانی، موڈ) کا حساب لگائیں +- زیادہ سے زیادہ اور کم سے کم اقدار تلاش کریں +- اقدار کی تعداد گنیں +- شرائط کی بنیاد پر ڈیٹا فلٹر کریں + +دیکھیں کہ اپنے ڈیٹا کے بارے میں سادہ سوالات کے جواب کیسے دیں۔ + +--- + +### 4. ڈیٹا کی بصری نمائندگی کی بنیادی باتیں +**فائل:** `04_basic_visualization.py` + +اپنی پہلی بصری نمائندگی بنائیں: +- ایک سادہ بار چارٹ بنائیں +- ایک لائن پلاٹ بنائیں +- ایک پائی چارٹ تیار کریں +- اپنی بصری نمائندگی کو تصاویر کے طور پر محفوظ کریں + +اپنے نتائج کو بصری طور پر پیش کرنے کا طریقہ سیکھیں! + +--- + +### 5. حقیقی ڈیٹا کے ساتھ کام کرنا +**فائل:** `05_real_world_example.py` + +سب کچھ ایک مکمل مثال کے ساتھ جوڑیں: +- ریپوزٹری سے حقیقی ڈیٹا لوڈ کریں +- ڈیٹا کو صاف کریں اور تیار کریں +- تجزیہ کریں +- معنی خیز بصری نمائندگی بنائیں +- نتائج اخذ کریں + +یہ مثال آپ کو شروع سے آخر تک مکمل ورک فلو دکھاتی ہے۔ + +--- + +## 🎯 ان مثالوں کو استعمال کرنے کا طریقہ + +1. **شروع سے شروع کریں**: مثالیں مشکل کے لحاظ سے نمبر دی گئی ہیں۔ `01_hello_world_data_science.py` سے شروع کریں اور آگے بڑھیں۔ + +2. **تبصرے پڑھیں**: ہر فائل میں تفصیلی تبصرے ہیں جو کوڈ کیا کرتا ہے اور کیوں کرتا ہے۔ انہیں غور سے پڑھیں! + +3. **تجربہ کریں**: کوڈ میں تبدیلی کرنے کی کوشش کریں۔ اگر آپ کوئی قدر تبدیل کریں تو کیا ہوتا ہے؟ چیزوں کو خراب کریں اور انہیں ٹھیک کریں - یہی سیکھنے کا طریقہ ہے! + +4. **کوڈ چلائیں**: ہر مثال کو چلائیں اور نتائج دیکھیں۔ انہیں اپنے متوقع نتائج سے موازنہ کریں۔ + +5. **اس پر کام کریں**: جب آپ ایک مثال کو سمجھ لیں، تو اسے اپنے خیالات کے ساتھ بڑھانے کی کوشش کریں۔ + +## 💡 ابتدائی افراد کے لیے تجاویز + +- **جلدی نہ کریں**: ہر مثال کو سمجھنے کے لیے وقت لیں، پھر اگلی پر جائیں +- **خود کوڈ ٹائپ کریں**: صرف کاپی پیسٹ نہ کریں۔ ٹائپنگ آپ کو سیکھنے اور یاد رکھنے میں مدد دیتی ہے +- **نامانوس تصورات کو تلاش کریں**: اگر آپ کچھ ایسا دیکھیں جو آپ نہیں سمجھتے، تو اسے آن لائن یا مرکزی اسباق میں تلاش کریں +- **سوالات پوچھیں**: اگر آپ کو مدد کی ضرورت ہو تو [ڈسکشن فورم](https://github.com/microsoft/Data-Science-For-Beginners/discussions) میں شامل ہوں +- **باقاعدگی سے مشق کریں**: ہفتے میں ایک بار طویل سیشنز کے بجائے روزانہ تھوڑا سا کوڈ کرنے کی کوشش کریں + +## 🔗 اگلے اقدامات + +ان مثالوں کو مکمل کرنے کے بعد، آپ تیار ہیں: +- مرکزی نصاب کے اسباق پر کام کریں +- ہر سبق کے فولڈر میں اسائنمنٹس آزمائیں +- مزید گہرائی سے سیکھنے کے لیے Jupyter نوٹ بکس کو دریافت کریں +- اپنے ڈیٹا سائنس پروجیکٹس بنائیں + +## 📚 اضافی وسائل + +- [مرکزی نصاب](../README.md) - مکمل 20 سبق کا کورس +- [اساتذہ کے لیے](../for-teachers.md) - اس نصاب کو اپنی کلاس میں استعمال کرنا +- [Microsoft Learn](https://docs.microsoft.com/learn/) - مفت آن لائن سیکھنے کے وسائل +- [Python Documentation](https://docs.python.org/3/) - آفیشل Python حوالہ + +## 🤝 تعاون + +کوئی مسئلہ ملا یا کسی نئی مثال کے لیے کوئی خیال ہے؟ ہم تعاون کا خیر مقدم کرتے ہیں! براہ کرم ہمارا [تعاون گائیڈ](../CONTRIBUTING.md) دیکھیں۔ + +--- + +**خوشگوار سیکھنا! 🎉** + +یاد رکھیں: ہر ماہر کبھی ابتدائی تھا۔ ایک وقت میں ایک قدم اٹھائیں، اور غلطیاں کرنے سے نہ گھبرائیں - یہ سیکھنے کے عمل کا حصہ ہیں! + +--- + +**ڈسکلیمر**: +یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔ \ No newline at end of file diff --git a/translations/vi/README.md b/translations/vi/README.md index f3fe7ebc..7bc20256 100644 --- a/translations/vi/README.md +++ b/translations/vi/README.md @@ -1,68 +1,54 @@ # Khoa học Dữ liệu cho Người mới bắt đầu - Chương trình học -[![Mở trong GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +Azure Cloud Advocates tại Microsoft hân hạnh giới thiệu chương trình học kéo dài 10 tuần với 20 bài học về Khoa học Dữ liệu. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, giải pháp và bài tập. Phương pháp học tập dựa trên dự án cho phép bạn học thông qua việc thực hành, một cách hiệu quả để kỹ năng mới được ghi nhớ lâu dài. -[![Giấy phép GitHub](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![Người đóng góp GitHub](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![Vấn đề GitHub](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![Yêu cầu kéo GitHub](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +**Cảm ơn chân thành đến các tác giả:** [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). -[![Người theo dõi GitHub](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![Fork GitHub](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![Sao GitHub](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +**🙏 Đặc biệt cảm ơn 🙏 các [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com/) đã đóng góp nội dung, đánh giá và hỗ trợ,** 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), +[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) -[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott) - -[![Diễn đàn Nhà phát triển Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -Các Nhà truyền bá đám mây Azure tại Microsoft rất vui mừng giới thiệu chương trình học kéo dài 10 tuần, gồm 20 bài học về Khoa học Dữ liệu. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, giải pháp và bài tập. Phương pháp học tập dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh để kỹ năng mới được ghi nhớ lâu hơn. - -**Cảm ơn chân thành đến 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 🙏 các [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com/) là tác giả, người đánh giá và người đóng góp nội dung,** 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), -[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) - -|![Sketchnote của @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.vi.png)| +|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.vi.png)| |:---:| -| Khoa học Dữ liệu cho Người mới bắt đầu - _Sketchnote của [@nitya](https://twitter.com/nitya)_ | +| Khoa học Dữ liệu cho Người mới bắt đầu - _Sketchnote bởi [@nitya](https://twitter.com/nitya)_ | ### 🌐 Hỗ trợ đa ngôn ngữ #### Được hỗ trợ qua GitHub Action (Tự động & Luôn cập nhật) -[Tiếng Pháp](../fr/README.md) | [Tiếng Tây Ban Nha](../es/README.md) | [Tiếng Đức](../de/README.md) | [Tiếng Nga](../ru/README.md) | [Tiếng Ả Rập](../ar/README.md) | [Tiếng Ba Tư (Farsi)](../fa/README.md) | [Tiếng Urdu](../ur/README.md) | [Tiếng Trung (Giản thể)](../zh/README.md) | [Tiếng Trung (Phồn thể, Macau)](../mo/README.md) | [Tiếng Trung (Phồn thể, Hong Kong)](../hk/README.md) | [Tiếng Trung (Phồn thể, Đài Loan)](../tw/README.md) | [Tiếng Nhật](../ja/README.md) | [Tiếng Hàn](../ko/README.md) | [Tiếng Hindi](../hi/README.md) | [Tiếng Bengal](../bn/README.md) | [Tiếng Marathi](../mr/README.md) | [Tiếng Nepal](../ne/README.md) | [Tiếng Punjab (Gurmukhi)](../pa/README.md) | [Tiếng Bồ Đào Nha (Bồ Đào Nha)](../pt/README.md) | [Tiếng Bồ Đào Nha (Brazil)](../br/README.md) | [Tiếng Ý](../it/README.md) | [Tiếng Ba Lan](../pl/README.md) | [Tiếng Thổ Nhĩ Kỳ](../tr/README.md) | [Tiếng Hy Lạp](../el/README.md) | [Tiếng Thái](../th/README.md) | [Tiếng Thụy Điển](../sv/README.md) | [Tiếng Đan Mạch](../da/README.md) | [Tiếng Na Uy](../no/README.md) | [Tiếng Phần Lan](../fi/README.md) | [Tiếng Hà Lan](../nl/README.md) | [Tiếng Do Thái](../he/README.md) | [Tiếng Việt](./README.md) | [Tiếng Indonesia](../id/README.md) | [Tiếng Mã Lai](../ms/README.md) | [Tiếng Tagalog (Philippines)](../tl/README.md) | [Tiếng Swahili](../sw/README.md) | [Tiếng Hungary](../hu/README.md) | [Tiếng Séc](../cs/README.md) | [Tiếng Slovak](../sk/README.md) | [Tiếng Romania](../ro/README.md) | [Tiếng Bulgaria](../bg/README.md) | [Tiếng Serbia (Cyrillic)](../sr/README.md) | [Tiếng Croatia](../hr/README.md) | [Tiếng Slovenia](../sl/README.md) | [Tiếng Ukraina](../uk/README.md) | [Tiếng Myanmar (Burma)](../my/README.md) +[Tiếng Pháp](../fr/README.md) | [Tiếng Tây Ban Nha](../es/README.md) | [Tiếng Đức](../de/README.md) | [Tiếng Nga](../ru/README.md) | [Tiếng Ả Rập](../ar/README.md) | [Tiếng Ba Tư (Farsi)](../fa/README.md) | [Tiếng Urdu](../ur/README.md) | [Tiếng Trung (Giản thể)](../zh/README.md) | [Tiếng Trung (Phồn thể, Macau)](../mo/README.md) | [Tiếng Trung (Phồn thể, Hong Kong)](../hk/README.md) | [Tiếng Trung (Phồn thể, Đài Loan)](../tw/README.md) | [Tiếng Nhật](../ja/README.md) | [Tiếng Hàn](../ko/README.md) | [Tiếng Hindi](../hi/README.md) | [Tiếng Bengal](../bn/README.md) | [Tiếng Marathi](../mr/README.md) | [Tiếng Nepal](../ne/README.md) | [Tiếng Punjab (Gurmukhi)](../pa/README.md) | [Tiếng Bồ Đào Nha (Bồ Đào Nha)](../pt/README.md) | [Tiếng Bồ Đào Nha (Brazil)](../br/README.md) | [Tiếng Ý](../it/README.md) | [Tiếng Ba Lan](../pl/README.md) | [Tiếng Thổ Nhĩ Kỳ](../tr/README.md) | [Tiếng Hy Lạp](../el/README.md) | [Tiếng Thái](../th/README.md) | [Tiếng Thụy Điển](../sv/README.md) | [Tiếng Đan Mạch](../da/README.md) | [Tiếng Na Uy](../no/README.md) | [Tiếng Phần Lan](../fi/README.md) | [Tiếng Hà Lan](../nl/README.md) | [Tiếng Hebrew](../he/README.md) | [Tiếng Việt](./README.md) | [Tiếng Indonesia](../id/README.md) | [Tiếng Mã Lai](../ms/README.md) | [Tiếng Tagalog (Philippines)](../tl/README.md) | [Tiếng Swahili](../sw/README.md) | [Tiếng Hungary](../hu/README.md) | [Tiếng Séc](../cs/README.md) | [Tiếng Slovak](../sk/README.md) | [Tiếng Romania](../ro/README.md) | [Tiếng Bulgaria](../bg/README.md) | [Tiếng Serbia (Cyrillic)](../sr/README.md) | [Tiếng Croatia](../hr/README.md) | [Tiếng Slovenia](../sl/README.md) | [Tiếng Ukraina](../uk/README.md) | [Tiếng Myanmar (Burma)](../my/README.md) -**Nếu bạn muốn có thêm các ngôn ngữ dịch, danh sách các ngôn ngữ được hỗ trợ có thể tìm thấy [tại đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Nếu bạn muốn có thêm các ngôn ngữ được hỗ trợ, danh sách các ngôn ngữ có sẵn [tại đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Tham gia cộng đồng của chúng tôi [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://aka.ms/ds4beginners/discord) -Chúng tôi đang tổ chức một chuỗi học tập với AI trên Discord, tìm hiểu thêm và tham gia tại [Learn with AI Series](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9, 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu. +Chúng tôi đang tổ chức chuỗi học tập với AI trên Discord, tìm hiểu thêm và tham gia tại [Learn with AI Series](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9, 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu. -![Chuỗi học tập với AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.vi.jpg) +![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.vi.jpg) # Bạn là sinh viên? Bắt đầu với các tài nguyên sau: -- [Trang Hub Sinh viên](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Trong trang này, bạn sẽ tìm thấy các tài nguyên cho người mới bắt đầu, các gói dành cho sinh viên và thậm chí là cách nhận voucher chứng chỉ miễn phí. Đây là một trang bạn nên đánh dấu và kiểm tra thường xuyên vì chúng tôi thay đổi nội dung ít nhất hàng tháng. -- [Đại sứ Sinh viên Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Tham gia cộng đồng toàn cầu của các đại sứ sinh viên, đây có thể là cách bạn bước vào Microsoft. +- [Trang Hub Sinh viên](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Trong trang này, bạn sẽ tìm thấy các tài nguyên dành cho người mới bắt đầu, gói dành cho sinh viên và thậm chí là cách nhận voucher chứng chỉ miễn phí. Đây là một trang bạn nên đánh dấu và kiểm tra thường xuyên vì nội dung được thay đổi ít nhất hàng tháng. +- [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Tham gia cộng đồng toàn cầu của các đại sứ sinh viên, đây có thể là cách bạn bước vào Microsoft. # Bắt đầu -> **Giáo viên**: chúng tôi đã [bao gồm một số gợi ý](for-teachers.md) về cách sử dụng chương trình học này. Chúng tôi rất mong nhận được phản hồi của bạn [trong diễn đàn thảo luận của chúng tôi](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Người mới hoàn toàn**: Mới làm quen với khoa học dữ liệu? Bắt đầu với [các ví dụ thân thiện với người mới bắt đầu](examples/README.md)! Những ví dụ đơn giản, có chú thích rõ ràng này sẽ giúp bạn hiểu những điều cơ bản trước khi đi sâu vào chương trình học đầy đủ. + +> **Giáo viên**: chúng tôi đã [đưa ra một số gợi ý](for-teachers.md) về cách sử dụng chương trình học này. Chúng tôi rất mong nhận được phản hồi của bạn [trong diễn đàn thảo luận của chúng tôi](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Sinh viên](https://aka.ms/student-page)**: để sử dụng chương trình học này một cách độc lập, hãy fork toàn bộ repo và hoàn thành các bài tập theo cách của bạn, bắt đầu với bài kiểm tra trước bài học. Sau đó, đọc bài giảng và hoàn thành các hoạt động còn lại. Hãy 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 dựa trên dự án. Một ý tưởng khác là tạo một nhóm học tập với bạn bè và cùng nhau đi qua nội dung. Để học thêm, chúng tôi khuyến nghị [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Sinh viên](https://aka.ms/student-page)**: để sử dụng chương trình học này một cách độc lập, hãy fork toàn bộ repo và hoàn thành các bài tập theo cách của bạn, bắt đầu với bài kiểm tra trước bài học. Sau đó, đọc bài giảng và hoàn thành các hoạt động còn lại. Hãy 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 của mỗi bài học dựa trên dự án. Một ý tưởng khác là tạo nhóm học tập với bạn bè và cùng nhau học nội dung. Để học thêm, chúng tôi khuyến nghị [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Gặp gỡ đội ngũ @@ -76,9 +62,9 @@ Bắt đầu với các tài nguyên sau: Chúng tôi đã chọn hai nguyên tắc giảng dạy khi xây dựng chương trình học này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Đến cuối loạt bài này, sinh 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 khác nhau với dữ liệu, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp sử dụng thực tế của khoa học dữ liệu và nhiều hơn nữa. -Ngoài ra, một bài kiểm tra không áp lực trước lớp sẽ định hướng ý định của sinh viên đối với việc học một chủ đề, trong khi một bài kiểm tra thứ hai sau lớp đảm bảo sự ghi nhớ lâu hơn. Chương trình học này được thiết kế để linh hoạt và thú vị, có thể được học toàn bộ hoặc một phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn vào cuối chu kỳ 10 tuần. +Ngoài ra, một bài kiểm tra nhẹ nhàng trước lớp sẽ định hướng ý định của sinh viên đối với việc học một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo sự ghi nhớ lâu dài. Chương trình học này được thiết kế 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 vào cuối chu kỳ 10 tuần. -> Tìm [Quy tắc ứng xử](CODE_OF_CONDUCT.md), [Hướng dẫn đóng góp](CONTRIBUTING.md), [Hướng dẫn dịch thuật](TRANSLATIONS.md) của chúng tôi. Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn! +> Tìm [Quy tắc ứng xử](CODE_OF_CONDUCT.md), [Hướng dẫn đóng góp](CONTRIBUTING.md), [Hướng dẫn dịch thuật](TRANSLATIONS.md). Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn! ## Mỗi bài học bao gồm: @@ -89,35 +75,49 @@ Ngoài ra, một bài kiểm tra không áp lực trước lớp sẽ định h - Đối với các bài học dựa trên dự án, hướng dẫn từng bước về cách xây dựng dự án - Kiểm tra kiến thức - Một thử thách -- Đọc bổ sung +- Đọc thêm - Bài tập - [Bài kiểm tra sau bài học](https://ff-quizzes.netlify.app/en/) +> **Lưu ý về các bài kiểm tra**: Tất cả các 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 lên Azure; hãy làm theo hướng dẫn trong thư mục `quiz-app`. Các bài kiểm tra đang dần được bản địa hóa. -> **Lưu ý về các bài kiểm tra**: Tất cả các bài kiểm tra được chứa 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 lên Azure; làm theo hướng dẫn trong thư mục `quiz-app`. Chúng đang dần được bản địa hóa. +## 🎓 Ví dụ Dễ Hiểu Cho Người Mới Bắt Đầu -## Các bài học -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.vi.png)| +**Mới làm quen với Khoa học Dữ liệu?** Chúng tôi đã tạo một [thư mục ví dụ](examples/README.md) đặc biệt với mã đơn giản, được 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 các tập 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 đều có chú thích chi tiết giải thích từng bước, rất phù hợp cho người mới bắt đầu! + +👉 **[Bắt đầu với các ví dụ](examples/README.md)** 👈 + +## Các Bài Học + +|![ Sketchnote của @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.vi.png)| |:---:| -| Khoa học Dữ liệu cho Người mới bắt đầu: Lộ trình - _Sketchnote bởi [@nitya](https://twitter.com/nitya)_ | +| Khoa học Dữ liệu Cho Người Mới Bắt Đầu: Lộ trình - _Sketchnote của [@nitya](https://twitter.com/nitya)_ | -| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Bài học liên kết | Tác giả | +| 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) | Tìm hiểu các khái niệm cơ bản về khoa học dữ liệu và mối liên hệ của nó với 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) | +| 01 | Định nghĩa Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Tìm hiểu 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 Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Các khái niệm, thách thức và khung 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 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) | +| 03 | Định nghĩa Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Cách phân loại dữ liệu và các nguồn phổ biến của nó. | [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 về dữ liệu quan hệ và các kiến thức cơ bản để khám phá và phân tích dữ liệu quan hệ bằng Ngôn ngữ Truy vấn Có cấu trúc, còn gọi là SQL (phát âm là “see-quell”). | [bài học](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 05 | Làm việc với Dữ liệu Quan hệ | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu về dữ liệu quan hệ và các kiến thức cơ bản để khám phá và phân tích dữ liệu quan hệ bằng Ngôn ngữ Truy vấn Có cấu trúc, còn được gọi là SQL (phát âm là “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 về dữ liệu phi quan hệ, các loại khác nhau của nó và các kiến thức cơ bản để 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) | Các kiến thức cơ bản về sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Nên 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 xử lý 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) | Tìm hiểu 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) | +| 07 | Làm việc với Python | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Các kiến thức cơ bản về sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Hiểu biết nền tảng về lập trình Python được khuyến nghị. | [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 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 thời gian. | [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 các 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) | Các kỹ thuật và hướng dẫn để làm cho các trực quan hóa của bạn có giá trị trong việc giải quyết vấn đề và cung cấp thông tin chi tiết hiệu quả. | [bài học](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Trực quan hóa Có ý nghĩa | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Các kỹ thuật và hướng dẫn để làm cho các trực quan hóa của bạn có giá trị trong việc giải quyết vấn đề và tìm kiếm thông tin. | [bài học](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Giới thiệu về 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 của nó là thu thập 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 | Giao tiếp | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào việc trình bày các thông tin chi tiết 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) | | | +| 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 để phân tích dữ liệu. | [bài học](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Giao tiếp | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào việc trình bày các thông tin 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) | Loạt 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 các 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) | @@ -125,15 +125,15 @@ Ngoài ra, một bài kiểm tra không áp lực trước lớp sẽ định h ## GitHub Codespaces -Thực hiện các bước sau để mở mẫu này trong Codespace: +Làm theo 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 dưới cùng của bảng. 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 một container bằng máy tính cục bộ của bạn và VSCode sử dụng tiện ích mở rộng VS Code Remote - Containers: +Làm theo các bước sau để mở kho lưu trữ này trong một container bằng máy tính cục bộ của bạn và VSCode sử dụng tiện ích mở rộng VS Code Remote - Containers: -1. Nếu đây là lần đầu tiên bạn sử dụng container phát triển, hãy đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ: đã cài đặt Docker) trong [tài liệu bắt đầu](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Nếu đây là lần đầu tiên bạn sử dụng container phát triển, hãy đảm bảo hệ thống của bạn đáp ứng các yêu cầu (ví dụ: đã cài đặt 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 cách ly: @@ -143,47 +143,46 @@ Hoặc mở một phiên bản đã sao chép hoặc tải xuống cục bộ c - Sao chép kho lưu trữ này vào hệ thống tệp cục bộ của bạn. - Nhấn F1 và chọn lệnh **Remote-Containers: Open Folder in Container...**. -- Chọn bản sao đã sao chép của thư mục này, chờ container khởi động và thử nghiệm. +- Chọn bản sao đã sao chép của thư mục này, chờ container khởi động, và thử nghiệm. -## Truy cập ngoại tuyến +## Truy cập Ngoại tuyến Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork kho lưu trữ này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy tính cục bộ của bạn, sau đó trong thư mục gốc của kho lưu trữ này, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: `localhost:3000`. > Lưu ý, các notebook sẽ không được hiển thị qua Docsify, vì vậy khi bạn cần chạy một notebook, hãy làm điều đó riêng biệt trong VS Code chạy kernel Python. -## Các chương trình học khác - -Nhóm của chúng tôi sản xuất các chương trình học khác! Xem thêm: - -- [Edge AI cho Người mới bắt đầu](https://aka.ms/edgeai-for-beginners) -- [AI Agents cho Người mới bắt đầu](https://aka.ms/ai-agents-beginners) -- [Generative AI cho Người mới bắt đầu](https://aka.ms/genai-beginners) -- [Generative AI cho Người mới bắt đầu .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) -- [Generative AI với JavaScript](https://github.com/microsoft/generative-ai-with-javascript) -- [Generative AI với Java](https://aka.ms/genaijava) -- [AI cho Người mới bắt đầu](https://aka.ms/ai-beginners) -- [Khoa học Dữ liệu cho Người mới bắt đầu](https://aka.ms/datascience-beginners) -- [Bash cho Người mới bắt đầu](https://github.com/microsoft/bash-for-beginners) -- [ML cho Người mới bắt đầu](https://aka.ms/ml-beginners) -- [An ninh mạng cho Người mới bắt đầu](https://github.com/microsoft/Security-101) -- [Phát triển Web cho Người mới bắt đầu](https://aka.ms/webdev-beginners) -- [IoT cho Người mới bắt đầu](https://aka.ms/iot-beginners) -- [Học máy cho Người mới bắt đầu](https://aka.ms/ml-beginners) -- [Phát triển XR cho Người mới bắt đầu](https://aka.ms/xr-dev-for-beginners) -- [Làm chủ GitHub Copilot cho Lập trình Cặp AI](https://aka.ms/GitHubCopilotAI) -- [Phát triển XR cho Người mới bắt đầu](https://github.com/microsoft/xr-development-for-beginners) -- [Làm chủ GitHub Copilot cho Nhà phát triển C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Chọn Cuộc phiêu lưu Copilot của bạn](https://github.com/microsoft/CopilotAdventures) - -## Nhận hỗ trợ +## Các Chương Trình Học Khác + +Nhóm của chúng tôi sản xuất các chương trình học khác! Hãy xem: + +- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) +- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) +- [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) +- [Bash for Beginners](https://github.com/microsoft/bash-for-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) +- [Machine Learning for Beginners](https://aka.ms/ml-beginners) +- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners) +- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI) +- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) +- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) +- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) + +## Nhận Hỗ Trợ Nếu bạn gặp khó khăn hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI, hãy tham gia: [![Azure AI Foundry Discord](https://img.shields.io/badge/Discord-Azure_AI_Foundry_Community_Discord-blue?style=for-the-badge&logo=discord&color=5865f2&logoColor=fff)](https://aka.ms/foundry/discord) -Nếu bạn có phản hồi sản phẩm hoặc gặp lỗi khi xây dựng, hãy truy cập: - -[![Azure AI Foundry Developer Forum](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Nếu bạn có phản hồi về sản phẩm hoặc gặp lỗi khi xây dựng, hãy truy cập: +[![Diễn đàn Nhà phát triển Azure AI Foundry](https://img.shields.io/badge/GitHub-Azure_AI_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- diff --git a/translations/vi/examples/README.md b/translations/vi/examples/README.md new file mode 100644 index 00000000..e5a23b14 --- /dev/null +++ b/translations/vi/examples/README.md @@ -0,0 +1,149 @@ + +# Các Ví Dụ Khoa Học Dữ Liệu Dành Cho Người Mới Bắt Đầu + +Chào mừng bạn đến với thư mục ví dụ! Bộ sưu tập các ví dụ đơn giản, được chú thích rõ ràng này được thiết kế để giúp bạn bắt đầu với khoa học dữ liệu, ngay cả khi bạn là người hoàn toàn mới. + +## 📚 Những Gì Bạn Sẽ Tìm Thấy Ở Đây + +Mỗi ví dụ đều độc lập và bao gồm: +- **Các chú thích rõ ràng** giải thích từng bước +- **Mã dễ đọc, đơn giản** minh họa từng khái niệm một +- **Ngữ cảnh thực tế** giúp bạn hiểu khi nào và tại sao sử dụng các kỹ thuật này +- **Kết quả mong đợi** để bạn biết cần tìm kiếm điều gì + +## 🚀 Bắt Đầu + +### Yêu Cầu Trước +Trước khi chạy các ví dụ này, hãy đảm bảo bạn đã: +- Cài đặt Python 3.7 hoặc cao hơn +- Hiểu cơ bản về cách chạy các tập lệnh Python + +### Cài Đặt Các Thư Viện Cần Thiết +```bash +pip install pandas numpy matplotlib +``` + +## 📖 Tổng Quan Các Ví Dụ + +### 1. Hello World - Phong Cách Khoa Học Dữ Liệu +**Tệp:** `01_hello_world_data_science.py` + +Chương trình khoa học dữ liệu đầu tiên của bạn! Học cách: +- Tải một tập dữ liệu đơn giản +- Hiển thị thông tin cơ bản về dữ liệu của bạn +- In kết quả khoa học dữ liệu đầu tiên của bạn + +Hoàn hảo cho người mới bắt đầu muốn thấy chương trình khoa học dữ liệu đầu tiên của mình hoạt động. + +--- + +### 2. Tải và Khám Phá Dữ Liệu +**Tệp:** `02_loading_data.py` + +Học các nguyên tắc cơ bản về làm việc với dữ liệu: +- Đọc dữ liệu từ các tệp CSV +- Xem vài dòng đầu tiên của tập dữ liệu +- Nhận các thống kê cơ bản về dữ liệu của bạn +- Hiểu các loại dữ liệu + +Đây thường là bước đầu tiên trong bất kỳ dự án khoa học dữ liệu nào! + +--- + +### 3. Phân Tích Dữ Liệu Đơn Giản +**Tệp:** `03_simple_analysis.py` + +Thực hiện phân tích dữ liệu đầu tiên của bạn: +- Tính toán các thống kê cơ bản (trung bình, trung vị, mode) +- Tìm giá trị lớn nhất và nhỏ nhất +- Đếm số lần xuất hiện của các giá trị +- Lọc dữ liệu dựa trên điều kiện + +Xem cách trả lời các câu hỏi đơn giản về dữ liệu của bạn. + +--- + +### 4. Cơ Bản Về Trực Quan Hóa Dữ Liệu +**Tệp:** `04_basic_visualization.py` + +Tạo các trực quan hóa đầu tiên của bạn: +- Tạo biểu đồ cột đơn giản +- Tạo biểu đồ đường +- Tạo biểu đồ tròn +- Lưu các trực quan hóa của bạn dưới dạng hình ảnh + +Học cách truyền đạt kết quả của bạn một cách trực quan! + +--- + +### 5. Làm Việc Với Dữ Liệu Thực Tế +**Tệp:** `05_real_world_example.py` + +Kết hợp tất cả với một ví dụ hoàn chỉnh: +- Tải dữ liệu thực từ kho lưu trữ +- Làm sạch và chuẩn bị dữ liệu +- Thực hiện phân tích +- Tạo các trực quan hóa có ý nghĩa +- Rút ra kết luận + +Ví dụ này cho bạn thấy một quy trình hoàn chỉnh từ đầu đến cuối. + +--- + +## 🎯 Cách Sử Dụng Các Ví Dụ Này + +1. **Bắt đầu từ đầu**: Các ví dụ được đánh số theo mức độ khó. Bắt đầu với `01_hello_world_data_science.py` và làm theo thứ tự. + +2. **Đọc các chú thích**: Mỗi tệp đều có các chú thích chi tiết giải thích mã làm gì và tại sao. Đọc kỹ chúng! + +3. **Thử nghiệm**: Hãy thử sửa đổi mã. Điều gì xảy ra nếu bạn thay đổi một giá trị? Làm hỏng và sửa chữa - đó là cách bạn học! + +4. **Chạy mã**: Thực thi từng ví dụ và quan sát kết quả. So sánh với những gì bạn mong đợi. + +5. **Phát triển thêm**: Khi bạn hiểu một ví dụ, hãy thử mở rộng nó với ý tưởng của riêng bạn. + +## 💡 Mẹo Dành Cho Người Mới Bắt Đầu + +- **Đừng vội vàng**: Dành thời gian để hiểu từng ví dụ trước khi chuyển sang ví dụ tiếp theo +- **Tự gõ mã**: Đừng chỉ sao chép-dán. Việc gõ giúp bạn học và ghi nhớ +- **Tra cứu các khái niệm không quen thuộc**: Nếu bạn thấy điều gì đó không hiểu, hãy tìm kiếm trực tuyến hoặc trong các bài học chính +- **Đặt câu hỏi**: Tham gia [diễn đàn thảo luận](https://github.com/microsoft/Data-Science-For-Beginners/discussions) nếu bạn cần trợ giúp +- **Luyện tập thường xuyên**: Cố gắng viết mã một chút mỗi ngày thay vì các buổi học dài một lần mỗi tuần + +## 🔗 Bước Tiếp Theo + +Sau khi hoàn thành các ví dụ này, bạn đã sẵn sàng: +- Làm các bài học chính trong chương trình học +- Thử các bài tập trong từng thư mục bài học +- Khám phá các notebook Jupyter để học sâu hơn +- Tạo các dự án khoa học dữ liệu của riêng bạn + +## 📚 Tài Nguyên Bổ Sung + +- [Chương Trình Học Chính](../README.md) - Khóa học 20 bài học đầy đủ +- [Dành Cho Giáo Viên](../for-teachers.md) - Sử dụng chương trình học này trong lớp học +- [Microsoft Learn](https://docs.microsoft.com/learn/) - Tài nguyên học trực tuyến miễn phí +- [Tài Liệu Python](https://docs.python.org/3/) - Tài liệu tham khảo chính thức của Python + +## 🤝 Đóng Góp + +Phát hiện lỗi hoặc có ý tưởng cho một ví dụ mới? Chúng tôi hoan nghênh các đóng góp! Vui lòng xem [Hướng Dẫn Đóng Góp](../CONTRIBUTING.md). + +--- + +**Chúc Bạn Học Tốt! 🎉** + +Hãy nhớ: Mỗi chuyên gia đều từng là người mới bắt đầu. Hãy đi từng bước một, và đừng ngại mắc lỗi - chúng là một phần của quá trình học tập! + +--- + +**Tuyên bố miễn trừ 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 bản địa nên được coi là nguồn thông tin chính thức. Đối với các thông tin quan trọng, khuyến nghị sử dụng dịch vụ dịch thuật chuyên nghiệp bởi con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này. \ No newline at end of file diff --git a/translations/zh/README.md b/translations/zh/README.md index b7ff05a3..8b6f849a 100644 --- a/translations/zh/README.md +++ b/translations/zh/README.md @@ -1,8 +1,8 @@ +# 初学者友好的数据科学示例 + +欢迎来到示例目录！这套简单且注释清晰的示例旨在帮助您开始学习数据科学，即使您是完全的初学者。 + +## 📚 您将在这里找到什么 + +每个示例都是独立的，并包括： +- **清晰的注释**，解释每一步操作 +- **简单易读的代码**，每次只展示一个概念 +- **真实世界的背景**，帮助您理解这些技术的使用场景和原因 +- **预期输出**，让您知道应该关注什么 + +## 🚀 开始使用 + +### 前置条件 +在运行这些示例之前，请确保您已经： +- 安装了 Python 3.7 或更高版本 +- 对如何运行 Python 脚本有基本了解 + +### 安装所需库 +```bash +pip install pandas numpy matplotlib +``` + +## 📖 示例概览 + +### 1. Hello World - 数据科学风格 +**文件名:** `01_hello_world_data_science.py` + +您的第一个数据科学程序！学习如何： +- 加载一个简单的数据集 +- 显示数据的基本信息 +- 打印您的第一个数据科学输出 + +非常适合希望看到第一个数据科学程序运行效果的绝对初学者。 + +--- + +### 2. 加载和探索数据 +**文件名:** `02_loading_data.py` + +学习处理数据的基础知识： +- 从 CSV 文件读取数据 +- 查看数据集的前几行 +- 获取数据的基本统计信息 +- 理解数据类型 + +这是任何数据科学项目的第一步！ + +--- + +### 3. 简单数据分析 +**文件名:** `03_simple_analysis.py` + +进行您的第一次数据分析： +- 计算基本统计数据（均值、中位数、众数） +- 找到最大值和最小值 +- 统计值的出现次数 +- 根据条件过滤数据 + +了解如何回答关于数据的简单问题。 + +--- + +### 4. 数据可视化基础 +**文件名:** `04_basic_visualization.py` + +创建您的第一个可视化： +- 制作简单的柱状图 +- 创建折线图 +- 生成饼图 +- 将可视化保存为图片 + +学习如何通过可视化传达您的发现！ + +--- + +### 5. 使用真实数据 +**文件名:** `05_real_world_example.py` + +通过完整示例将所有内容结合起来： +- 从存储库加载真实数据 +- 清理和准备数据 +- 进行分析 +- 创建有意义的可视化 +- 得出结论 + +此示例展示了从头到尾的完整工作流程。 + +--- + +## 🎯 如何使用这些示例 + +1. **从头开始**：示例按难度排序编号。从 `01_hello_world_data_science.py` 开始，逐步学习。 +2. **阅读注释**：每个文件都有详细的注释，解释代码的功能和原因。仔细阅读！ +3. **尝试实验**：尝试修改代码。如果更改一个值会发生什么？打破代码并修复它——这是学习的方式！ +4. **运行代码**：执行每个示例并观察输出。与您的预期结果进行比较。 +5. **扩展它**：一旦理解了一个示例，尝试用自己的想法扩展它。 + +## 💡 初学者提示 + +- **不要着急**：在进入下一个示例之前，花时间理解每个示例 +- **自己输入代码**：不要只是复制粘贴。输入代码有助于学习和记忆 +- **查找不熟悉的概念**：如果看到不理解的内容，请在线搜索或参考主课程 +- **提出问题**：如果需要帮助，请加入 [讨论论坛](https://github.com/microsoft/Data-Science-For-Beginners/discussions) +- **定期练习**：每天尝试编写一点代码，而不是每周进行一次长时间的学习 + +## 🔗 下一步 + +完成这些示例后，您可以： +- 学习主课程的内容 +- 尝试每个课程文件夹中的作业 +- 探索 Jupyter 笔记本以进行更深入的学习 +- 创建自己的数据科学项目 + +## 📚 其他资源 + +- [主课程](../README.md) - 完整的20课课程 +- [教师指南](../for-teachers.md) - 在课堂中使用此课程 +- [Microsoft Learn](https://docs.microsoft.com/learn/) - 免费在线学习资源 +- [Python 文档](https://docs.python.org/3/) - 官方 Python 参考 + +## 🤝 贡献 + +发现了错误或有新示例的想法？我们欢迎您的贡献！请参阅我们的 [贡献指南](../CONTRIBUTING.md)。 + +--- + +**祝学习愉快！🎉** + +记住：每个专家都曾是初学者。一步一步来，不要害怕犯错——它们是学习过程的一部分！ + +--- + +**免责声明**： +本文档使用AI翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而产生的任何误解或误读不承担责任。 \ No newline at end of file