[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[](https://aka.ms/foundry/forum)
يسر فريق مدافعي السحابة في مايكروسوفت أن يقدم منهجًا دراسيًا لمدة 10 أسابيع و20 درسًا كليًا عن علم البيانات. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حل، ومهمة. تسمح طريقتنا التعليمية المبنية على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لترسيخ المهارات الجديدة.
يسعد مدافعوا أزور السحابيون في مايكروسوفت بتقديم منهج دراسي مكون من 10 أسابيع و20 درسًا كله عن علم البيانات. يشمل كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، الحل، ومهمة. تسمح لك منهجيتنا القائمة على المشاريع بالتعلم أثناء البناء، وهي طريقة مثبتة لتثبيت المهارات الجديدة.
[](https://discord.gg/nTYy5BXMWG)
لدينا سلسلة تعلم على Discord عبر AI مستمرة، تعرف أكثر وانضم إلينا في [Learn with AI Series](https://aka.ms/learnwithai/discord) من 18 إلى 30 سبتمبر 2025. ستحصل على نصائح وحيل لاستخدام GitHub Copilot في علم البيانات.
لدينا سلسلة تعلم عبر Discord مع الذكاء الاصطناعي مستمرة، تعرّف على المزيد وانضم إلينا في [سلسلة تعلم مع AI](https://aka.ms/learnwithai/discord) من 18 إلى 30 سبتمبر 2025. ستحصل على نصائح وحيل حول استخدام GitHub Copilot لعلم البيانات.
# هل أنت طالب؟
ابدأ بالموارد التالية:
- [صفحة مركز الطلاب](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) في هذه الصفحة، ستجد موارد للمبتدئين، حزماً للطلاب وحتى طرق للحصول على قسيمة شهادة مجانية. هذه صفحة ترغب في وضع إشارة مرجعية لها والتحقق منها من وقت لآخر حيث نقوم بتغيير المحتوى على الأقل شهريًا.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) انضم إلى مجتمع عالمي من سفراء الطلاب، قد تكون هذه طريقتك للدخول إلى مايكروسوفت.
- [صفحة مركز الطلاب](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) في هذه الصفحة، ستجد موارد للمبتدئين، حزمالطلاب وحتى طرق للحصول على قسيمة شهادة مجانية. هذه صفحة تريد وضع إشارة مرجعية عليها والتحقق منها من وقت لآخر حيث نقوم بتغيير المحتوى شهريًا على الأقل.
- [سفراء مايكروسوفت الطلابية](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) انضم إلى مجتمع عالمي من سفراء الطلاب، قد يكون هذا طريقك إلى مايكروسوفت.
- **[دليل المساهمة](CONTRIBUTING.md)** - كيفية المساهمة في هذا المشروع
- **[للمدرسين](for-teachers.md)** - إرشادات التدريس وموارد للصف الدراسي
- **[للمعلمين](for-teachers.md)** - إرشادات التدريس وموارد الفصل الدراسي
## 👨🎓 للطلاب
> **مبتدئون تماماً**: جديد في علم البيانات؟ ابدأ بـ [أمثلتنا المناسبة للمبتدئين](examples/README.md)! هذه الأمثلة البسيطة والمشروحة جيدًا ستساعدك على فهم الأساسيات قبل الغوص في المنهج الكامل.
> **[الطلاب](https://aka.ms/student-page)**: لاستخدام هذا المنهج بمفردك، قم بعمل fork للمستودع بالكامل وأكمل التمارين بنفسك، بدءًا من اختبار ما قبل المحاضرة. ثم اقرأ المحاضرة وأكمل بقية الأنشطة. حاول إنشاء المشاريع بفهم الدروس بدلاً من نسخ كود الحل؛ مع ذلك، هذا الكود متاح في مجلد /solutions في كل درس موجه نحو مشروع. فكرة أخرى هي تشكيل مجموعة دراسية مع أصدقائك والذهاب عبر المحتوى معًا. لمزيد من الدراسة، نوصي بـ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **للمبتدئين التامّين**: هل أنت جديد في علم البيانات؟ ابدأ بأمثلتنا [الصديقة للمبتدئين](examples/README.md)! تساعدك هذه الأمثلة البسيطة والمشروحة جيدًا على فهم الأساسيات قبل الدخول في المنهج الكامل.
> **[الطلاب](https://aka.ms/student-page)**: لاستخدام هذا المنهج بمفردك، قم بتفرع المستودع بالكامل وأكمل التمرينات بنفسك، بدءًا باختبار قبل المحاضرة. ثم اقرأ المحاضرة وأكمل بقية الأنشطة. حاول إنشاء المشاريع بفهم الدروس بدلاً من نسخ كود الحل؛ ومع ذلك، يتوفر هذا الكود في مجلد /solutions في كل درس موجه نحو المشروع. فكرة أخرى هي تشكيل مجموعة دراسة مع الأصدقاء ومراجعة المحتوى معًا. لمزيد من الدراسة، نوصي بـ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**بدء سريع:**
1. تحقق من [دليل التثبيت](INSTALLATION.md) لإعداد بيئتك
2. راجع [دليل الاستخدام](USAGE.md) لتعلّم كيفية العمل مع المنهج
3. ابدأ بالدرس 1 وواصل التتالي
4. انضم إلى [مجتمعنا على ديسكورد](https://aka.ms/ds4beginners/discord) للدعم
2. راجع [دليل الاستخدام](USAGE.md) لتتعلم كيفية العمل مع المنهج
3. ابدأ بالدرس 1 واعمل بالتتابع
4. انضم إلى [مجتمعنا في Discord](https://aka.ms/ds4beginners/discord) للدعم
## 👩🏫 للمدرسين
## 👩🏫 للمعلمين
> **للمدرسين**: لقد أدرجنا [بعض الاقتراحات](for-teachers.md) حول كيفية استخدام هذا المنهج. نحب أن نحصل على ملاحظاتكم [في منتدى النقاش](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **للمعلمين**: لقد قمنا [بتضمين بعض الاقتراحات](for-teachers.md) حول كيفية استخدام هذا المنهج. نود الحصول على ملاحظاتك [في منتدى المناقشات الخاص بنا](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
**صنع الصور المتحركة من قبل** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
> 🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه!
> 🎥 اضغط على الصورة أعلاه لمشاهدة فيديو عن المشروع والأشخاص الذين أنشأوه!
## المنهجية التعليمية
## منهجية التعليم
لقد اخترنا مبدأين تربويين أثناء بناء هذا المنهج: التأكد من أنه قائم على المشاريع وأنه يشتمل على اختبارات متكررة. بنهاية هذه السلسلة، سيكون الطلاب قد تعلموا المبادئ الأساسية لعلوم البيانات، بما في ذلك المفاهيم الأخلاقية، تجهيز البيانات، طرق مختلفة للعمل مع البيانات، تصور البيانات، تحليل البيانات، حالات استخدام فعلية لعلوم البيانات، وأكثر.
اخترنا مبدأين تربويين أثناء بناء هذا المنهج الدراسي: التأكد من أنه قائم على المشاريع ويتضمن اختبارات متكررة. بحلول نهاية هذه السلسلة، سيكون الطلاب قد تعلموا المبادئ الأساسية لعلم البيانات، بما في ذلك المفاهيم الأخلاقية، تحضير البيانات، الطرق المختلفة للعمل مع البيانات، تصور البيانات، تحليل البيانات، حالات استخدام واقعية لعلم البيانات، وأكثر.
بالإضافة إلى ذلك، تهيئة الاختبار الخفيف قبل الصف توجه نية الطالب نحو تعلم موضوع معين، في حين أن اختبارًا ثانيًا بعد الصف يضمن الاحتفاظ بالمعلومات بشكل أفضل. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن أخذه كاملاً أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا مع انتهاء دورة العشرة أسابيع.
بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الحصة نية الطالب نحو تعلم الموضوع، في حين يضمن اختبار آخر بعد الحصة المزيد من الاحتفاظ بالمعلومات. تم تصميم هذا المنهج لكونه مرنًا وممتعًا ويمكن أخذه بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتزداد تعقيدًا مع نهاية دورة العشرة أسابيع.
> تعرف على [مدونة السلوك](CODE_OF_CONDUCT.md)، [المساهمة](CONTRIBUTING.md)، وإرشادات [الترجمة](TRANSLATIONS.md). نرحب بملاحظاتك البناءة!
## تتضمن كل درس:
- ملاحظات تخطيطية اختيارية
- فيديو إضافي اختياري
- اختبار تهيئة قبل الدرس
- فيديو تكميلي اختياري
- اختبار تسخين قبل الدرس
- درس مكتوب
- دروس خطوة بخطوة لبناء المشروع للدرسان القائمة على المشروع
- فحوصات معرفية
- لدروس المشاريع، دلائل خطوة بخطوة لبناء المشروع
- اختبارات المعرفة
- تحدي
- قراءات إضافية
- مهمة
- قراءة تكاملية
- واجب
- [اختبار ما بعد الدرس](https://ff-quizzes.netlify.app/en/)
> **ملاحظة بشأن الاختبارات**: جميع الاختبارات موجودة في مجلد Quiz-App، بمجموع 40 اختبارًا يحتوي كل منها على ثلاث أسئلة. وهي مرتبطة داخل الدروس، لكن يمكن تشغيل تطبيق الاختبارات محليًا أو نشره على أزور؛ اتبع التعليمات داخل مجلد `quiz-app`. جاري تعريبها تدريجيًا.
> **ملاحظة عن الاختبارات**: جميع الاختبارات موجودة في مجلد Quiz-App، بإجمالي 40 اختبارًا كل منها يتضمن ثلاثة أسئلة. ترتبط من داخل الدروس، لكن يمكن تشغيل تطبيق الاختبارات محليًا أو نشره على Azure؛ اتبع التعليمات في مجلد `quiz-app`. يتم تعريبها تدريجيًا.
## 🎓 أمثلة مناسبة للمبتدئين
**هل أنت جديد في علوم البيانات؟** لقد أنشأنا مجلد [أمثلة](examples/README.md) خاصًا يحتوي على كود بسيط ومعلق جيدًا لمساعدتك على البدء:
**جديد في علم البيانات؟** أنشأنا دليلًا خاصًا للأمثلة [examples directory](examples/README.md) مع أكواد بسيطة ومشروحة جيدًا لمساعدتك على البدء:
- 🌟 **مرحبًا بالعالم** - أول برنامج علوم بيانات لك
- 📂 **تحميل البيانات** - تعلم قراءة واستكشاف مجموعات البيانات
- 📊 **تحليل بسيط** - حساب الإحصاءات والعثور على الأنماط
- 📈 **تصوير أساسي** - إنشاء مخططات ورسوم بيانية
- 🔬 **مشروع حقيقي** - سير عمل كامل من البداية للنهاية
- 🌟 **مرحبا بالعالم** - أول برنامج علم بيانات لك
- 📂 **تحميل البيانات** - تعلّم قراءة واستكشاف مجموعات البيانات
- 📊 **تحليل بسيط** - حساب الإحصائيات واكتشاف الأنماط
- 📈 **التصور الأساسي** - إنشاء مخططات ورسوم بيانية
- 🔬 **مشروع واقعي** - سير العمل كاملًا من البداية للنهاية
تتضمن كل مثال تعليقات مفصلة تشرح كل خطوة، مما يجعله مثاليًا للمبتدئين تمامًا!
تتضمن كل مثال تعليقات تفصيلية تشرح كل خطوة، مما يجعله مثاليًا للمبتدئين تمامًا!
👉 **[ابدأ بالأمثلة](examples/README.md)** 👈
## الدروس
||
||
|:---:|
| علوم البيانات للمبتدئين: خارطة طريق - _ملاحظات تخطيطية بواسطة [@nitya](https://twitter.com/nitya)_ |
| خارطة طريق علم البيانات للمبتدئين - _ملاحظة تخطيطية بواسطة [@nitya](https://twitter.com/nitya)_ |
| رقم الدرس | الموضوع | مجموعة الدرس | أهداف التعلم | الدرس المرتبط | المؤلف |
| 01 | تعريف علوم البيانات | [المقدمة](1-Introduction/README.md) | تعلم المفاهيم الأساسية خلف علوم البيانات وكيفية ارتباطها بالذكاء الاصطناعي، التعلم الآلي، والبيانات الكبيرة. | [درس](1-Introduction/01-defining-data-science/README.md) [فيديو](https://youtu.be/beZ7Mb_oz9I) | [دميتري](http://soshnikov.com) |
| 02 | أخلاقيات علوم البيانات | [المقدمة](1-Introduction/README.md) | مفاهيم تحديات وأُطُر أخلاقيات البيانات. | [درس](1-Introduction/02-ethics/README.md) | [نيتيا](https://twitter.com/nitya) |
| 03 | تعريف البيانات | [المقدمة](1-Introduction/README.md) | كيفية تصنيف البيانات ومصادرها الشائعة. | [درس](1-Introduction/03-defining-data/README.md) | [ياسمين](https://www.twitter.com/paladique) |
| 04 | مقدمة في الإحصاء والاحتمالات | [المقدمة](1-Introduction/README.md) | التقنيات الرياضية في الاحتمالات والإحصاء لفهم البيانات. | [درس](1-Introduction/04-stats-and-probability/README.md) [فيديو](https://youtu.be/Z5Zy85g4Yjw) | [دميتري](http://soshnikov.com) |
| 05 | العمل مع البيانات العلائقية | [العمل مع البيانات](2-Working-With-Data/README.md) | مقدمة للبيانات العلائقية وأساسيات استكشاف البيانات العلائقية وتحليلها باستخدام لغة الاستعلام الهيكلية، المعروفة أيضًا بـ SQL (تُلفظ "سي كويل"). | [درس](2-Working-With-Data/05-relational-databases/README.md) | [كريستوفر](https://www.twitter.com/geektrainer) | | |
| 06 | العمل مع بيانات NoSQL | [العمل مع البيانات](2-Working-With-Data/README.md) | مقدمة للبيانات غير العلائقية وأنواعها المختلفة وأساسيات استكشاف وتحليل قواعد البيانات المستندية. | [درس](2-Working-With-Data/06-non-relational/README.md) | [ياسمين](https://twitter.com/paladique)|
| 07 | العمل مع بايثون | [العمل مع البيانات](2-Working-With-Data/README.md) | أساسيات استخدام بايثون لاستكشاف البيانات مع مكتبات مثل Pandas. يُنصح بفهم أساسي لبرمجة بايثون. | [درس](2-Working-With-Data/07-python/README.md) [فيديو](https://youtu.be/dZjWOGbsN4Y) | [دميتري](http://soshnikov.com) |
| 08 | تجهيز البيانات | [العمل مع البيانات](2-Working-With-Data/README.md) | موضوعات حول تقنيات تنظيف وتحويل البيانات للتعامل مع تحديات البيانات المفقودة، غير الدقيقة، أو غير المكتملة. | [درس](2-Working-With-Data/08-data-preparation/README.md) | [ياسمين](https://www.twitter.com/paladique) |
| 09 | تصور الكميات | [تصوير البيانات](3-Data-Visualization/README.md) | تعلم كيفية استخدام Matplotlib لتصور بيانات الطيور 🦆 | [درس](3-Data-Visualization/09-visualization-quantities/README.md) | [جين](https://twitter.com/jenlooper) |
| 10 | تصور توزيعات البيانات | [تصوير البيانات](3-Data-Visualization/README.md) | تصور الملاحظات والاتجاهات داخل فترة زمنية. | [درس](3-Data-Visualization/10-visualization-distributions/README.md) | [جين](https://twitter.com/jenlooper) |
| 12 | تصور العلاقات | [تصوير البيانات](3-Data-Visualization/README.md) | تصور الاتصالات والارتباطات بين مجموعات البيانات والمتغيرات الخاصة بها. | [درس](3-Data-Visualization/12-visualization-relationships/README.md) | [جين](https://twitter.com/jenlooper) |
| 13 | تصورات ذات معنى | [تصوير البيانات](3-Data-Visualization/README.md) | تقنيات وإرشادات لجعل تصوراتك ذات قيمة لحل المشكلات بشكل فعال والحصول على رؤى. | [درس](3-Data-Visualization/13-meaningful-visualizations/README.md) | [جين](https://twitter.com/jenlooper) |
| 14 | مقدمة لدورة حياة علوم البيانات | [دورة الحياة](4-Data-Science-Lifecycle/README.md) | مقدمة لدورة حياة علوم البيانات وخطوتها الأولى لاكتساب واستخراج البيانات. | [درس](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ياسمين](https://twitter.com/paladique) |
| 15 | التحليل | [دورة الحياة](4-Data-Science-Lifecycle/README.md) | هذه المرحلة من دورة علوم البيانات تركز على تقنيات تحليل البيانات. | [درس](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ياسمين](https://twitter.com/paladique) | | |
| 16 | التواصل | [دورة الحياة](4-Data-Science-Lifecycle/README.md) | هذه المرحلة من دورة علوم البيانات تركز على تقديم الرؤى المستخلصة من البيانات بطريقة تسهل على متخذي القرار فهمها. | [درس](4-Data-Science-Lifecycle/16-communication/README.md) | [جالن](https://twitter.com/JalenMcG) | | |
| 17 | علوم البيانات في السحابة | [بيانات السحابة](5-Data-Science-In-Cloud/README.md) | سلسلة دروس تعرفك على علوم البيانات في السحابة وفوائدها. | [درس](5-Data-Science-In-Cloud/17-Introduction/README.md) | [تيفاني](https://twitter.com/TiffanySouterre) و [مود](https://twitter.com/maudstweets) |
| 18 | علوم البيانات في السحابة | [بيانات السحابة](5-Data-Science-In-Cloud/README.md) | تدريب النماذج باستخدام أدوات قليلة الأكواد. |[درس](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [تيفاني](https://twitter.com/TiffanySouterre) و [مود](https://twitter.com/maudstweets) |
| 19 | علوم البيانات في السحابة | [بيانات السحابة](5-Data-Science-In-Cloud/README.md) | نشر النماذج باستخدام Azure Machine Learning Studio. | [درس](5-Data-Science-In-Cloud/19-Azure/README.md)| [تيفاني](https://twitter.com/TiffanySouterre) و [مود](https://twitter.com/maudstweets) |
| 20 | علوم البيانات في العالم الواقعي | [في العالم الواقعي](6-Data-Science-In-Wild/README.md) | مشاريع معتمدة على علوم البيانات في الواقع الحقيقي. | [درس](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [نيتيا](https://twitter.com/nitya) |
## GitHub Codespaces
اتبع الخطوات التالية لفتح هذا المثال في Codespace:
1. انقر على قائمة السهم المنسدل لكود واختر خيار Open with Codespaces.
2. اختر + New codespace في أسفل اللوحة.
لمزيد من المعلومات، راجع [توثيق GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
اتبع هذه الخطوات لفتح هذا المستودع داخل حاوية باستخدام جهازك المحلي وVSCode باستخدام امتداد Remote - Containers:
1. إذا كانت هذه هي المرة الأولى لاستخدام حاوية التطوير، يرجى التأكد من أن النظام يلبي المتطلبات المسبقة (مثل تثبيت Docker) في [توثيق البدء السريع](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
لاستخدام هذا المستودع، يمكنك فتحه إما في حجم Docker معزول:
**ملاحظة**: من الناحية التقنية، سيتم استخدام أمر Remote-Containers: **Clone Repository in Container Volume...** لاستنساخ كود المصدر داخل حجم Docker بدلاً من نظام الملفات المحلي. [الأحجام](https://docs.docker.com/storage/volumes/) هي الآلية المفضلة للحفاظ على بيانات الحاوية.
| 01 | تعريف علم البيانات | [مقدمة](1-Introduction/README.md) | تعلّم المفاهيم الأساسية وراء علم البيانات وكيف يرتبط بالذكاء الاصطناعي، التعلم الآلي، والبيانات الضخمة. | [درس](1-Introduction/01-defining-data-science/README.md) [فيديو](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | أخلاقيات علم البيانات | [مقدمة](1-Introduction/README.md) | مفاهيم أخلاقيات البيانات، التحديات، والأطر. | [درس](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | تعريف البيانات | [مقدمة](1-Introduction/README.md) | كيفية تصنيف البيانات ومصادرها الشائعة. | [درس](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | مقدمة في الإحصاء والاحتمالات | [مقدمة](1-Introduction/README.md) | التقنيات الرياضية للاحتمالات والإحصاء لفهم البيانات. | [درس](1-Introduction/04-stats-and-probability/README.md) [فيديو](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | العمل مع البيانات العلائقية | [العمل مع البيانات](2-Working-With-Data/README.md) | مقدمة عن البيانات العلائقية والأساسيات لاستكشاف وتحليل البيانات العلائقية باستخدام لغة الاستعلام البنائية، المعروفة أيضًا بـ SQL (تنطق "سي-كول"). | [درس](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | العمل مع بيانات NoSQL | [العمل مع البيانات](2-Working-With-Data/README.md) | مقدمة عن البيانات غير العلائقية، أنواعه المختلفة، والأساسيات لاستكشاف وتحليل قواعد بيانات المستندات. | [درس](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | العمل مع بايثون | [العمل مع البيانات](2-Working-With-Data/README.md) | أساسيات استخدام بايثون لاستكشاف البيانات مع مكتبات مثل Pandas. من المفضل فهم برمجة بايثون أساسيًا. | [درس](2-Working-With-Data/07-python/README.md) [فيديو](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | تحضير البيانات | [العمل مع البيانات](2-Working-With-Data/README.md) | مواضيع تقنيات تنظيف وتحويل البيانات لمعالجة تحديات البيانات المفقودة أو غير الدقيقة أو غير المكتملة. | [درس](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | تصور الكميات | [تصور البيانات](3-Data-Visualization/README.md) | تعلم كيفية استخدام Matplotlib لتصوير بيانات الطيور 🦆 | [درس](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | تصور توزيع البيانات | [تصور البيانات](3-Data-Visualization/README.md) | تصور الملاحظات والاتجاهات ضمن فترة زمنية. | [درس](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | تصور العلاقات | [تصور البيانات](3-Data-Visualization/README.md) | تصور الروابط والترابطات بين مجموعات البيانات ومتغيراتها. | [درس](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | تصورات ذات معنى | [تصور البيانات](3-Data-Visualization/README.md) | تقنيات وإرشادات لجعل تصوراتك قيمة وفعالة في حل المشكلات واستخلاص الرؤى. | [درس](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | مقدمة في دورة حياة علم البيانات | [دورة الحياة](4-Data-Science-Lifecycle/README.md) | مقدمة في دورة حياة علم البيانات وخطوتها الأولى اكتساب واستخلاص البيانات. | [درس](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | التحليل | [دورة الحياة](4-Data-Science-Lifecycle/README.md) | تركز هذه المرحلة من دورة الحياة على تقنيات تحليل البيانات. | [درس](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | التواصل | [دورة الحياة](4-Data-Science-Lifecycle/README.md) | تركز هذه المرحلة على تقديم الرؤى المستخلصة من البيانات بطريقة تسهل فهمها لصناع القرار. | [درس](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | علم البيانات في السحابة | [بيانات السحابة](5-Data-Science-In-Cloud/README.md) | سلسلة دروس تعرّف علم البيانات في السحابة وفوائده. | [درس](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) |
| 18 | علم البيانات في السحابة | [بيانات السحابة](5-Data-Science-In-Cloud/README.md) | تدريب النماذج باستخدام أدوات الكود المنخفض. |[درس](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) و [Maud](https://twitter.com/maudstweets) |
| 19 | علم البيانات في السحابة | [بيانات السحابة](5-Data-Science-In-Cloud/README.md) | نشر النماذج باستخدام 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 البيانات في العالم الحقيقي | [في العالم الحقيقي](6-Data-Science-In-Wild/README.md) | مشاريع مدفوعة بواسطة علم البيانات في الواقع. | [درس](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## مساحات كود جيت هاب
اتبع هذه الخطوات لفتح هذا العينة في مساحة أكواد:
1. اضغط على قائمة الشيفرة المنسدلة واختر خيار "الفتح مع مساحات الكود".
2. اختر + مساحة جديدة في أسفل اللوحة.
لمزيد من المعلومات، راجع [وثائق GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode عن بعد - الحاويات
اتبع هذه الخطوات لفتح هذا المستودع في حاوية باستخدام جهازك المحلي وVSCode مع امتداد Remote - Containers:
1. إذا كانت هذه أول مرة تستخدم فيها حاوية تطوير، فتأكد من أن نظامك يلبي المتطلبات الأساسية (أي وجود Docker مثبت) في [وثائق البدء](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
لاستخدام هذا المستودع، يمكنك فتح المستودع في حجم Docker معزول:
**ملاحظة**: تحت الغطاء، يستخدم هذا الأمر Remote-Containers: **Clone Repository in Container Volume...** لاستنساخ الشفرة المصدرية في حجم Docker بدلاً من نظام الملفات المحلي. [الأحجام](https://docs.docker.com/storage/volumes/) هي الآلية المفضلة للاحتفاظ ببيانات الحاوية.
أو افتح نسخة من المستودع مستنسخة محليًا أو محملة:
- استنسخ هذا المستودع إلى نظام الملفات المحلي.
- اضغط F1 واختر أمر **Remote-Containers: Open Folder in Container...**.
- اختر النسخة المستنسخة من هذا المجلد، انتظر بدء الحاوية، وجرب العمل.
- اختر النسخة المستنسخة من هذا المجلد، انتظر بدء الحاوية، وجرب الأمور.
## الوصول دون اتصال
يمكنك تشغيل هذا التوثيق دون اتصال باستخدام [Docsify](https://docsify.js.org/#/). قم بعمل فورك لهذا المستودع، [ثبّت Docsify](https://docsify.js.org/#/quickstart) على جهازك المحلي، ثم في مجلد الجذر لهذا المستودع، اكتب `docsify serve`. سيتم تقديم الموقع على المنفذ 3000 في جهازك المحلي: `localhost:3000`.
يمكنك تشغيل هذا التوثيق دون اتصال باستخدام [Docsify](https://docsify.js.org/#/). انسخ هذا الريبو، [ثبت Docsify](https://docsify.js.org/#/quickstart) على جهازك المحلي، ثم في المجلد الجذري لهذا الريبو، اكتب `docsify serve`. سيُخدم الموقع على المنفذ 3000 على المضيف المحلي: `localhost:3000`.
> ملاحظة، دفاتر الملاحظات لن تعرض عبر Docsify، لذلك عند الحاجة لتشغيل دفتر ملاحظات، قم بذلك بشكل منفصل في VS Code باستخدام نواة بايثون.
> ملاحظة، لن تُعرض دفاتر الملاحظات عبر Docsify، لذا عندما تحتاج إلى تشغيل دفتر ملاحظات، افعل ذلك بشكل منفصل في VS Code مع تشغيل نواة بايثون.
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**تواجه مشاكل؟** تفقد دليل [استكشاف الأخطاء وإصلاحها](TROUBLESHOOTING.md) لحلول المشاكل الشائعة.
**هل تواجه مشكلات؟** تحقق من [دليل استكشاف الأخطاء وإصلاحها](TROUBLESHOOTING.md) للعثور على حلول للمشاكل الشائعة.
إذا علقت أو كانت لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي. انضم إلى زملائك المتعلمين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث تُرحب الأسئلة ويتم تبادل المعرفة بحرية.
إذا واجهت صعوبة أو كان لديك أي أسئلة حول بناء تطبيقات الذكاء الاصطناعي. انضم إلى المتعلمين الآخرين والمطورين ذوي الخبرة في مناقشات حول MCP. إنها مجتمع داعم حيث تُرحب بالأسئلة ويُشارك المعرفة بحرية.
إذا كان لديك ملاحظات على المنتج أو أخطاء أثناء البناء قم بزيارة:
إذا كان لديك ملاحظات عن المنتج أو أخطاء أثناء البناء، يمكنك زيارة:
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**إخلاء مسؤولية**:
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [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 والمعتمد. للمعلومات الهامة، يُنصح بالاستعانة بترجمة بشرية محترفة. نحن غير مسؤولين عن أي سوء فهم أو تفسير ناتج عن استخدام هذه الترجمة.
**إخلاء المسؤولية**:
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يُرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. ينبغي اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي والمعتمد. للحصول على معلومات هامة، يُنصح بالاعتماد على الترجمة البشرية المهنية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة قد تنشأ عن استخدام هذه الترجمة.
Die Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen, 20-teiligen Lehrplan über Data Science anbieten zu können. Jede Lektion beinhaltet Vor- und Nach-Quizze, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung und eine Aufgabe. Unsere projektbasierte Pädagogik ermöglicht es Ihnen, während des Bauens zu lernen – eine bewährte Methode, um neue Fähigkeiten dauerhaft zu verankern.
Die Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen Lehrplan mit 20 Lektionen rund um Data Science anzubieten. Jede Lektion beinhaltet Vor- und Nachquiz, schriftliche Anweisungen zum Abschluss der Lektion, eine Lösung und eine Aufgabe. Unsere projektbasierte Lehrmethode ermöglicht es Ihnen, beim Bauen zu lernen – eine bewährte Methode, damit neue Fähigkeiten „haften bleiben“.
@ -43,172 +43,170 @@ Die Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen, 20-teil
> cd Data-Science-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Dies gibt Ihnen alles, was Sie zum Abschließen des Kurses benötigen, mit einem deutlich schnelleren Download.
> Dies gibt Ihnen alles, was Sie brauchen, um den Kurs viel schneller herunterzuladen.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Wenn Sie weitere unterstützte Übersetzungssprachen wünschen, finden Sie diese [hier](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Wir haben eine laufende Discord-Serie „Learn with AI“, erfahren Sie mehr und machen Sie mit unter [Learn with AI Series](https://aka.ms/learnwithai/discord) vom 18. bis 30. September 2025. Sie erhalten Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science.
Wir haben eine laufende Discord-Reihe „Learn with AI“, erfahren Sie mehr und treten Sie uns bei unter [Learn with AI Series](https://aka.ms/learnwithai/discord) vom 18. bis 30. September 2025. Dort erhalten Sie Tipps und Tricks zur Nutzung von GitHub Copilot für Data Science.
# Sind Sie Student/in?
# Sind Sie ein Student?
Starten Sie mit den folgenden Ressourcen:
- [Student Hub Seite](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Auf dieser Seite finden Sie Einsteiger-Ressourcen, Studentenpakete und sogar Möglichkeiten, einen kostenlosen Zertifizierungsgutschein zu erhalten. Diese Seite sollten Sie als Lesezeichen speichern und von Zeit zu Zeit überprüfen, da wir mindestens monatlich Inhalte austauschen.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Treten Sie einer globalen Gemeinschaft von Student Ambassadors bei, dies könnte Ihr Weg zu Microsoft sein.
- [Student Hub Seite](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Auf dieser Seite finden Sie Einsteigerressourcen, Studentensets und sogar Möglichkeiten, einen kostenlosen Zertifikatsgutschein zu erhalten. Diese Seite sollten Sie speichern und regelmäßig besuchen, da wir den Inhalt mindestens monatlich aktualisieren.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Treten Sie einer globalen Gemeinschaft von Student Ambassadors bei, das könnte Ihr Einstieg bei Microsoft sein.
# Erste Schritte
## 📚 Dokumentation
- **[Installationsanleitung](INSTALLATION.md)** – Schritt-für-Schritt-Anleitung für Anfänger
- **[Benutzerhandbuch](USAGE.md)** – Beispiele und gängige Arbeitsabläufe
- **[Fehlerbehebung](TROUBLESHOOTING.md)** – Lösungen für häufige Probleme
- **[Beitragsleitfaden](CONTRIBUTING.md)** – Wie Sie zu diesem Projekt beitragen können
- **[Für Lehrkräfte](for-teachers.md)** – Lehranleitungen und Unterrichtsmaterialien
- **[Installationsanleitung](INSTALLATION.md)** - Schritt-für-Schritt-Anleitung für Anfänger
- **[Nutzungsanleitung](USAGE.md)** - Beispiele und häufige Abläufe
- **[Fehlerbehebung](TROUBLESHOOTING.md)** - Lösungen für häufige Probleme
- **[Beitragsrichtlinien](CONTRIBUTING.md)** - Wie man zu diesem Projekt beiträgt
- **[Für Lehrkräfte](for-teachers.md)** - Unterrichtshilfen und Materialien für den Klassenraum
## 👨🎓 Für Studierende
> **Absolute Anfänger:** Neu in der Datenwissenschaft? Beginnen Sie mit unseren [einsteigerfreundlichen Beispielen](examples/README.md)! Diese einfachen, gut kommentierten Beispiele helfen Ihnen, die Grundlagen zu verstehen, bevor Sie in den vollständigen Lehrplan eintauchen.
> **[Studierende](https://aka.ms/student-page):** Um diesen Lehrplan eigenständig zu nutzen, forken Sie das gesamte Repository und bearbeiten Sie die Übungen selbstständig, beginnend mit einem Quiz vor der Vorlesung. Lesen Sie dann die Vorlesung und bearbeiten Sie die restlichen Aktivitäten. Versuchen Sie, die Projekte durch Verstehen der Lektionen zu erstellen, anstatt den Lösungscode zu kopieren; dieser Code ist jedoch in den /solutions-Ordnern jeder projektorientierten Lektion verfügbar. Eine weitere Idee ist, eine Lerngruppe mit Freunden zu bilden und die Inhalte gemeinsam durchzugehen. Für weiterführende Studien empfehlen wir [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Komplette Anfänger:** Neu in Data Science? Beginnen Sie mit unseren [anfängerfreundlichen Beispielen](examples/README.md)! Diese einfachen, gut kommentierten Beispiele helfen Ihnen, die Grundlagen zu verstehen, bevor Sie sich in den kompletten Lehrplan vertiefen.
> **[Studierende](https://aka.ms/student-page)**: Um diesen Lehrplan eigenständig zu nutzen, forken Sie das gesamte Repository und bearbeiten die Übungen eigenständig, beginnend mit einem Vorlesungsquiz. Lesen Sie dann die Vorlesung und bearbeiten die restlichen Aktivitäten. Versuchen Sie, die Projekte zu verstehen und selbst zu erstellen, statt einfach die Lösungscodes zu kopieren; diese Lösungen sind allerdings in den /solutions-Ordnern jeder projektorientierten Lektion verfügbar. Eine weitere Idee ist, eine Lerngruppe mit Freunden zu bilden und gemeinsam den Inhalt durchzuarbeiten. Für weiterführendes Lernen empfehlen wir [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Schnellstart:**
1. Sehen Sie sich die [Installationsanleitung](INSTALLATION.md) an, um Ihre Umgebung einzurichten
2. Überprüfen Sie das [Benutzerhandbuch](USAGE.md), um zu lernen, wie man mit dem Lehrplan arbeitet
3. Beginnen Sie mit Lektion 1 und arbeiten Sie sie der Reihe nach durch
4. Treten Sie unserer [Discord-Community](https://aka.ms/ds4beginners/discord) zur Unterstützung bei
1. Sehen Sie sich die [Installationsanleitung](INSTALLATION.md) zur Einrichtung Ihrer Umgebung an
2. Lesen Sie die [Nutzungsanleitung](USAGE.md), um zu lernen, wie Sie mit dem Lehrplan arbeiten
3. Beginnen Sie mit Lektion 1 und arbeiten Sie diese der Reihe nach durch
4. Treten Sie unserer [Discord-Community](https://aka.ms/ds4beginners/discord) für Unterstützung bei
## 👩🏫 Für Lehrkräfte
> **Lehrkräfte:** Wir haben [einige Vorschläge](for-teachers.md) aufgenommen, wie Sie diesen Lehrplan nutzen können. Wir freuen uns auf Ihr Feedback [in unserem Diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Treffen Sie das Team
> **Lehrkräfte:** Wir haben [einige Vorschläge](for-teachers.md) zur Nutzung dieses Lehrplans zusammengestellt. Wir freuen uns über Ihr Feedback [in unserem Diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Klicken Sie auf das obige Bild für ein Video über das Projekt und die Leute, die es erstellt haben!
> 🎥 Klicken Sie auf das Bild oben für ein Video über das Projekt und die Personen, die es erstellt haben!
## Pädagogik
Wir haben beim Aufbau dieses Curriculums zwei pädagogische Grundsätze gewählt: sicherzustellen, dass es projektbasiert ist und regelmäßige Quizze enthält. Am Ende dieser Serie werden die Studierenden grundlegende Prinzipien der Datenwissenschaft gelernt haben, einschließlich ethischer Konzepte, Datenaufbereitung, verschiedener Methoden zur Arbeit mit Daten, Datenvisualisierung, Datenanalyse, Anwendungsfälle der Datenwissenschaft in der Praxis und mehr.
Wir haben beim Aufbau dieses Lehrplans zwei pädagogische Grundsätze gewählt: sicherzustellen, dass er projektbasiert ist und häufige Quizze enthält. Am Ende dieser Reihe werden die Lernenden grundlegende Prinzipien der Datenwissenschaft gelernt haben, einschließlich ethischer Konzepte, Datenvorbereitung, verschiedener Arbeitsweisen mit Daten, Datenvisualisierung, Datenanalyse, Anwendungsbeispiele aus der Praxis der Datenwissenschaft und mehr.
Außerdem setzt ein niedrigschwelliges Quiz vor dem Unterricht die Absicht des Lernenden, ein Thema zu erlernen, während ein zweites Quiz nach der Stunde die weitere Beibehaltung des Wissens gewährleistet. Dieses Curriculum wurde flexibel und unterhaltsam gestaltet und kann vollständig oder teilweise absolviert werden. Die Projekte beginnen klein und werden bis zum Ende des 10-wöchigen Zyklus zunehmend komplexer.
Darüber hinaus setzt ein Quiz mit niedrigem Einsatz vor einer Unterrichtseinheit die Lernabsicht des Studierenden hinsichtlich eines Themas, während ein zweites Quiz nach der Unterrichtsstunde das weitere Behalten sichert. Dieser Lehrplan wurde flexibel und unterhaltsam gestaltet und kann vollständig oder teilweise durchlaufen werden. Die Projekte beginnen klein und werden im Laufe des 10-wöchigen Zyklus zunehmend komplexer.
> Finden Sie unseren [Verhaltenskodex](CODE_OF_CONDUCT.md), [Mitwirkenden](CONTRIBUTING.md) und [Übersetzungsrichtlinien](TRANSLATIONS.md). Wir freuen uns über Ihr konstruktives Feedback!
> Finden Sie unseren [Verhaltenskodex](CODE_OF_CONDUCT.md), [Beitragsleitfaden](CONTRIBUTING.md), [Übersetzungsrichtlinien](TRANSLATIONS.md). Wir freuen uns auf Ihr konstruktives Feedback!
## Jede Lektion enthält:
## Jede Lektion beinhaltet:
- Optionale Sketchnote
- Optionales ergänzendes Video
- Optionales Zusatzvideo
- Aufwärmquiz vor der Lektion
- Schriftliche Lektion
- Für projektbasierte Lektionen Schritt-für-Schritt-Anleitungen zum Bau des Projekts
- Wissensüberprüfungen
- Für projektbasierte Lektionen: Schritt-für-Schritt-Anleitungen zum Aufbau des Projekts
- Wissenskontrollen
- Eine Herausforderung
- Zusatzlektüre
- Ergänzende Lektüre
- Aufgabe
- [Quiz nach der Lektion](https://ff-quizzes.netlify.app/en/)
> **Eine Anmerkung zu den Quizzen**: Alle Quizze befinden sich im Quiz-App-Ordner, insgesamt 40 Quizze mit jeweils drei Fragen. Sie sind in den Lektionen verlinkt, aber die Quiz-App kann lokal ausgeführt oder in Azure bereitgestellt werden; folgen Sie den Anweisungen im `quiz-app`-Ordner. Sie werden schrittweise lokalisiert.
> **Ein Hinweis zu den Quizzen**: Alle Quizze befinden sich im Quiz-App-Ordner, insgesamt 40 Quizze mit jeweils drei Fragen. Sie sind aus den Lektionen verlinkt, aber die Quiz-App kann lokal ausgeführt oder in Azure bereitgestellt werden; folgen Sie den Anweisungen im `quiz-app`-Ordner. Sie werden nach und nach lokalisiert.
## 🎓 Anfängerfreundliche Beispiele
**Neu in der Datenwissenschaft?** Wir haben ein spezielles [Beispielverzeichnis](examples/README.md) mit einfachem, gut kommentiertem Code erstellt, um Ihnen den Einstieg zu erleichtern:
**Neu in der Datenwissenschaft?** Wir haben ein spezielles [Beispielverzeichnis](examples/README.md) mit einfachem, gut kommentiertem Code erstellt, das Ihnen den Einstieg erleichtert:
- 🌟 **Hello World**– Ihr erstes Datenwissenschaftsprogramm
- 📂 **Daten laden**– Lernen Sie, Datensätze zu lesen und zu erkunden
- 📊 **Einfache Analyse**–Berechnen Sie Statistiken und finden Sie Muster
- 📈 **Grundlegende Visualisierung**– Erstellen Sie Diagramme und Grafiken
- 🔬 **Projekt aus der Praxis** – Vollständiger Workflow von Anfang bis Ende
- 📂 **Daten laden**– Lernen, Datensätze zu lesen und zu erkunden
- 📊 **Einfache Analyse**–Statistiken berechnen und Muster finden
- 📈 **Grundlegende Visualisierung**– Erstellen von Diagrammen und Grafiken
- 🔬 **Praxisprojekt** – Kompletter Workflow von Anfang bis Ende
Jedes Beispiel enthält ausführliche Kommentare, die jeden Schritt erklären – perfekt für absolute Anfänger!
Jedes Beispiel enthält detaillierte Kommentare, die jeden Schritt erklären, perfekt für absolute Anfänger!
👉 **[Beginnen Sie mit den Beispielen](examples/README.md)** 👈
## Lektionen
||
|:---:|
| Data Science für Anfänger: Fahrplan - _Sketchnote von [@nitya](https://twitter.com/nitya)_ |
| Data Science For Beginners: Fahrplan - _Sketchnote von [@nitya](https://twitter.com/nitya)_ |
| Lektion Nummer | Thema | Lektion Gruppierung | Lernziele | Verlinkte Lektion | Autor |
| Lektion Nummer | Thema | Lektion Gruppe | Lernziele | Verlinkte Lektion | Autor |
| 01 | Definition von Data Science | [Einführung](1-Introduction/README.md) | Lernen Sie die grundlegenden Konzepte hinter der Datenwissenschaft kennen und wie sie mit künstlicher Intelligenz, maschinellem Lernen und Big Data zusammenhängt. | [Lektion](1-Introduction/01-defining-data-science/README.md) [Video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Definition von Daten | [Einführung](1-Introduction/README.md) | Wie Daten klassifiziert werden und ihre häufigen Quellen. | [Lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Einführung in Statistik & Wahrscheinlichkeit | [Einführung](1-Introduction/README.md) | Mathematische Techniken der Wahrscheinlichkeit und Statistik zur Datenverständnis. | [Lektion](1-Introduction/04-stats-and-probability/README.md) [Video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Arbeit mit relationalen Daten | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Einführung in relationale Daten und Grundlagen der Erkundung und Analyse relationaler Daten mit der Structured Query Language, auch bekannt als SQL (ausgesprochen „see-quell“). | [Lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | Arbeit mit NoSQL-Daten | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Einführung in nicht-relationale Daten, ihre verschiedenen Typen und die Grundlagen der Erkundung und Analyse von Dokumentdatenbanken. | [Lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Arbeit mit Python | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Grundlagen der Verwendung von Python zur Datenerkundung mit Bibliotheken wie Pandas. Grundlegendes Verständnis der Python-Programmierung wird empfohlen. | [Lektion](2-Working-With-Data/07-python/README.md) [Video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Datenaufbereitung | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Themen zu Datentechniken zum Reinigen und Transformieren der Daten, um Herausforderungen fehlender, ungenauer oder unvollständiger Daten zu bewältigen. | [Lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualisierung von Mengen | [Datenvisualisierung](3-Data-Visualization/README.md) | Lernen Sie, wie man mit Matplotlib Vogeldaten visualisiert 🦆 | [Lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 01 | Definition von Data Science | [Einführung](1-Introduction/README.md) | Lernen Sie die Grundkonzepte der Datenwissenschaft und deren Beziehung zu künstlicher Intelligenz, maschinellem Lernen und Big Data kennen. | [Lektion](1-Introduction/01-defining-data-science/README.md) [Video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Definition von Daten | [Einführung](1-Introduction/README.md) | Wie Daten klassifiziert werden und ihre häufigsten Quellen. | [Lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Einführung in Statistik & Wahrscheinlichkeit | [Einführung](1-Introduction/README.md) | Mathematische Techniken der Wahrscheinlichkeit und Statistik zum Verständnis von Daten. | [Lektion](1-Introduction/04-stats-and-probability/README.md) [Video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Arbeit mit relationalen Daten | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Einführung in relationale Daten und Grundlagen der Erkundung und Analyse relationaler Daten mit der Structured Query Language, auch bekannt als SQL (ausgesprochen „see-quell“). | [Lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Arbeit mit NoSQL-Daten | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Einführung in nicht-relationale Daten, deren verschiedene Typen und die Grundlagen der Erkundung und Analyse von Dokumentendatenbanken. | [Lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Arbeiten mit Python | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Grundlagen der Nutzung von Python zur Datenexploration mit Bibliotheken wie Pandas. Grundlegendes Verständnis der Python-Programmierung wird empfohlen. | [Lektion](2-Working-With-Data/07-python/README.md) [Video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Datenvorbereitung | [Arbeiten mit Daten](2-Working-With-Data/README.md) | Themen zu Daten-Techniken zum Reinigen und Transformieren der Daten, um Herausforderungen wie fehlende, ungenaue oder unvollständige Daten zu bewältigen. | [Lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualisierung von Mengen | [Datenvisualisierung](3-Data-Visualization/README.md) | Lernen Sie, wie Sie Matplotlib zur Visualisierung von Vogeldaten 🦆 verwenden. | [Lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualisierung von Datenverteilungen | [Datenvisualisierung](3-Data-Visualization/README.md) | Visualisierung von Beobachtungen und Trends innerhalb eines Intervalls. | [Lektion](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualisierung von Anteilen | [Datenvisualisierung](3-Data-Visualization/README.md) | Visualisierung diskreter und gruppierter Prozentsätze. | [Lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualisierung von Beziehungen | [Datenvisualisierung](3-Data-Visualization/README.md) | Visualisierung von Verbindungen und Korrelationen zwischen Datensätzen und deren Variablen. | [Lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Sinnvolle Visualisierungen | [Datenvisualisierung](3-Data-Visualization/README.md) | Techniken und Hinweise, um Visualisierungen wertvoll für effektive Problemlösung und Erkenntnisse zu machen. | [Lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Einführung in den Datenwissenschafts-Lebenszyklus | [Lebenszyklus](4-Data-Science-Lifecycle/README.md) | Einführung in den Datenwissenschafts-Lebenszyklus und dessen ersten Schritt des Erwerbs und der Extraktion von Daten. | [Lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analysieren | [Lebenszyklus](4-Data-Science-Lifecycle/README.md) | Diese Phase des Datenwissenschafts-Lebenszyklus konzentriert sich auf Techniken zur Datenanalyse. | [Lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | Kommunikation | [Lebenszyklus](4-Data-Science-Lifecycle/README.md) | Diese Phase des Datenwissenschafts-Lebenszyklus konzentriert sich darauf, Erkenntnisse aus den Daten so zu präsentieren, dass Entscheidungsträger sie besser verstehen können. | [Lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 17 | Datenwissenschaft in der Cloud | [Cloud-Daten](5-Data-Science-In-Cloud/README.md) | Diese Lektionenreihe führt in Datenwissenschaft in der Cloud und deren Vorteile ein. | [Lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) und [Maud](https://twitter.com/maudstweets) |
| 18 | Datenwissenschaft in der Cloud | [Cloud-Daten](5-Data-Science-In-Cloud/README.md) | Modelle mit Low-Code-Tools trainieren. | [Lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) und [Maud](https://twitter.com/maudstweets) |
| 19 | Datenwissenschaft in der Cloud | [Cloud-Daten](5-Data-Science-In-Cloud/README.md) | Bereitstellung von Modellen mit Azure Machine Learning Studio. | [Lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) und [Maud](https://twitter.com/maudstweets) |
| 20 | Datenwissenschaft in der Praxis | [In freier Wildbahn](6-Data-Science-In-Wild/README.md) | Datenwissenschaftlich getriebene Projekte in der realen Welt. | [Lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 12 | Visualisierung von Zusammenhängen | [Datenvisualisierung](3-Data-Visualization/README.md) | Visualisierung von Verbindungen und Korrelationen zwischen Datensätzen und deren Variablen. | [Lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Sinnvolle Visualisierungen | [Datenvisualisierung](3-Data-Visualization/README.md) | Techniken und Anleitungen, um Ihre Visualisierungen wertvoll für eine effektive Problemlösung und Einsichten zu machen. | [Lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Einführung in den Data Science Lifecycle | [Lebenszyklus](4-Data-Science-Lifecycle/README.md) | Einführung in den Data Science Lebenszyklus und dessen ersten Schritt der Datenerfassung und -extraktion. | [Lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analysieren | [Lebenszyklus](4-Data-Science-Lifecycle/README.md) | Diese Phase des Data Science Lebenszyklus konzentriert sich auf Techniken zur Analyse von Daten. | [Lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikation | [Lebenszyklus](4-Data-Science-Lifecycle/README.md) | Diese Phase des Data Science Lebenszyklus konzentriert sich darauf, Einsichten aus den Daten so zu präsentieren, dass Entscheidungsträger sie besser verstehen können. | [Lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science in der Cloud | [Cloud Daten](5-Data-Science-In-Cloud/README.md) | Diese Unterrichtsreihe führt in Data Science in der Cloud und deren Vorteile ein. | [Lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) und [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science in der Cloud | [Cloud Daten](5-Data-Science-In-Cloud/README.md) | Modelltraining mit Low-Code-Tools. |[Lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) und [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science in der Cloud | [Cloud Daten](5-Data-Science-In-Cloud/README.md) | Deployment von Modellen mit Azure Machine Learning Studio. | [Lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) und [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science in der Praxis | [Im praktischen Einsatz](6-Data-Science-In-Wild/README.md) | Data Science-getriebene Projekte in der realen Welt. | [Lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Folgen Sie diesen Schritten, um dieses Beispiel in einem Codespace zu öffnen:
1. Klicken Sie auf das Dropdown-Menü Code und wählen Sie die Option "Öffnen mit Codespaces".
2. Wählen Sie unten im Bereich + Neuer Codespace aus.
Weitere Informationen finden Sie in der [GitHub-Dokumentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
1. Klicken Sie auf das Code-Dropdown-Menü und wählen Sie die Option „Open with Codespaces“.
2. Wählen Sie „+ New codespace“ unten im Bereich.
Für weitere Informationen siehe die [GitHub-Dokumentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote – Container
Folgen Sie diesen Schritten, um dieses Repository in einem Container auf Ihrer lokalen Maschine mit VSCode unter Verwendung der VS Code Remote – Containers-Erweiterung zu öffnen:
## VSCode Remote - Containers
Folgen Sie diesen Schritten, um dieses Repository in einem Container mit Ihrem lokalen Rechner und VSCode mit der VS Code Remote - Containers Erweiterung zu öffnen:
1. Wenn dies das erste Mal ist, dass Sie einen Entwicklungscontainer verwenden, stellen Sie bitte sicher, dass Ihr System die Voraussetzungen erfüllt (z. B. Docker installiert) gemäß der [Einsteiger-Dokumentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Wenn Sie zum ersten Mal einen Entwicklungscontainer verwenden, stellen Sie sicher, dass Ihr System die Voraussetzungen erfüllt (z. B. Docker installiert ist) gemäß [der Einstiegshilfe](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Um dieses Repository zu verwenden, können Sie entweder das Repository in einem isolierten Docker-Volume öffnen:
**Hinweis**: Im Hintergrund wird der Befehl Remote-Containers: **Repository im Containervolume klonen...** verwendet, um den Quellcode in einem Docker-Volume statt im lokalen Dateisystem zu klonen. [Volumes](https://docs.docker.com/storage/volumes/) sind der bevorzugte Mechanismus zur Persistenz von Containerdaten.
**Hinweis**: Im Hintergrund wird der Remote-Containers-Befehl **Clone Repository in Container Volume...** verwendet, der den Quellcode in einem Docker-Volume statt im lokalen Dateisystem klont. [Volumes](https://docs.docker.com/storage/volumes/) sind der bevorzugte Mechanismus zur dauerhaften Speicherung von Container-Daten.
Oder öffnen Sie eine lokal geklonte oder heruntergeladene Version des Repositorys:
Oder öffnen Sie eine lokal geklonte oder heruntergeladene Version des Repositories:
- Klonen Sie dieses Repository auf Ihr lokales Dateisystem.
- Drücken Sie F1 und wählen Sie den Befehl **Remote-Containers: Ordner im Container öffnen...**.
- Wählen Sie die geklonte Kopie dieses Ordners, warten Sie, bis der Container gestartet ist, und probieren Sie es aus.
- Drücken Sie F1 und wählen Sie den Befehl **Remote-Containers: Open Folder in Container...**.
- Wählen Sie die geklonte Kopie dieses Ordners aus, warten Sie, bis der Container gestartet ist, und probieren Sie es aus.
## Offline-Zugriff
Sie können diese Dokumentation offline mit [Docsify](https://docsify.js.org/#/) ausführen. Forken Sie dieses Repository, [installieren Sie Docsify](https://docsify.js.org/#/quickstart) auf Ihrer lokalen Maschine und geben Sie dann im Stammordner dieses Repos `docsify serve` ein. Die Website wird lokal auf Port 3000 unter `localhost:3000` bereitgestellt.
Sie können diese Dokumentation offline mit [Docsify](https://docsify.js.org/#/) ausführen. Forken Sie dieses Repository, [installieren Sie Docsify](https://docsify.js.org/#/quickstart) auf Ihrem lokalen Rechner und geben Sie dann im Stammverzeichnis dieses Repositories `docsify serve` ein. Die Webseite wird auf Port 3000 auf Ihrem lokalen Host bereitgestellt: `localhost:3000`.
> Hinweis: Notebooks werden via Docsify nicht gerendert, daher müssen Sie, wenn Sie ein Notebook ausführen möchten, dies separat in VS Code mit einem Python-Kernel tun.
> Hinweis: Notebooks werden nicht über Docsify gerendert. Wenn Sie ein Notebook ausführen müssen, tun Sie dies separat in VS Code mit einem Python-Kernel.
## Weitere Curricula
## Weitere Lehrpläne
Unser Team erstellt weitere Curricula! Schauen Sie sich an:
Unser Team erstellt weitere Lehrpläne! Schauen Sie sich an:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
### Azure / Edge / MCP / Agenten
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generative KI-Reihe
### Generative KIReihe
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
@ -221,33 +219,33 @@ Unser Team erstellt weitere Curricula! Schauen Sie sich an:
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot-Reihe
### CopilotReihe
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Probleme?** Sieh dir unseren [Fehlerbehebungsleitfaden](TROUBLESHOOTING.md) für Lösungen zu häufigen Problemen an.
**Probleme?** Schau dir unseren [Fehlerbehebungsleitfaden](TROUBLESHOOTING.md) für Lösungen zu häufigen Problemen an.
Wenn du nicht weiterkommst oder Fragen zum Erstellen von KI-Anwendungen hast, nimm an Diskussionen mit anderen Lernenden und erfahrenen Entwicklern zum MCP teil. Es ist eine unterstützende Gemeinschaft, in der Fragen willkommen sind und Wissen frei geteilt wird.
Wenn du feststeckst oder Fragen zum Erstellen von KI-Apps hast. Tritt Gleichgesinnten und erfahrenen Entwicklern in Diskussionen über MCP bei. Es ist eine unterstützende Gemeinschaft, in der Fragen willkommen sind und Wissen frei geteilt wird.
Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir uns um Genauigkeit bemühen, bitten wir zu beachten, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungsprache gilt als maßgebliche Quelle. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die durch die Verwendung dieser Übersetzung entstehen.
**Haftungsausschluss**:
Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes [Co-op Translator](https://github.com/Azure/co-op-translator) übersetzt. Obwohl wir auf Genauigkeit achten, können automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten. Das Originaldokument in der jeweiligen Ursprungssprache gilt als maßgebliche Quelle. Bei kritischen Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Nutzung dieser Übersetzung entstehen.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[](https://aka.ms/foundry/forum)
Azure Cloud Advocates в Microsoft рады предложить 10-недельную программу из 20 уроков по Data Science. Каждый урок включает опросы до и после урока, письменные инструкции для выполнения урока, решение и задание. Наша проектно-ориентированная педагогика позволяет учиться на практике — проверенный способ закрепления новых навыков.
Адвокаты Azure Cloud в Microsoft рады предложить 10-недельную учебную программу из 20 уроков, посвящённую Data Science. Каждый урок включает в себя викторины до и после урока, письменные инструкции по выполнению, решение и задание. Наша проектно-ориентированная методика позволяет учиться, создавая проекты, что доказало свою эффективность в закреплении новых навыков.
> Этот репозиторий содержит более 50 языковых переводов, что сильно увеличивает размер загрузки. Чтобы клонировать без переводов, используйте sparse checkout:
> Этот репозиторий содержит более 50 переводов, что значительно увеличивает размер загрузки. Чтобы клонировать без переводов, используйте sparse checkout:
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Это даст вам всё необходимое для прохождения курса с гораздо более быстрой загрузкой.
> Это даст вам всё необходимое для прохождения курса при гораздо более быстрой загрузке.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Если вы хотите, чтобы были добавлены дополнительные языки переводов, их список доступен [здесь](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Если вы хотите добавить поддержку других языков, см. список [здесь](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
У нас идет серия обученияс AI в Discord, узнайте больше и присоединяйтесь к нам на [Learn with AI Series](https://aka.ms/learnwithai/discord) с 18 по 30 сентября 2025 года. Вы получите советы и хитрости по использованию GitHub Copilot для Data Science.
У нас проходит серия по обучениюс AI в Discord, узнайте больше и присоединяйтесь на [Learn with AI Series](https://aka.ms/learnwithai/discord) с 18 по 30 сентября 2025 года. Вы получите советы и рекомендации по использованию GitHub Copilot для Data Science.
# Вы студент?
Начните с следующих ресурсов:
- [Страница Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На этой странице вы найдете ресурсы для начинающих, наборы для студентов и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и периодически проверять, 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 быть вашим входом в Microsoft.
- [Страница Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На этой странице вы найдёте материалы для начинающих, студенческие наборы и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и периодически проверять, так как контент обновляется 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 путём в Microsoft.
# Начало работы
## 📚 Документация
- **[Руководство по установке](INSTALLATION.md)** — Пошаговые инструкции для начинающих
- **[Руководство пользователя](USAGE.md)** — Примеры и распространённые сценарии работы
- **[Устранение неполадок](TROUBLESHOOTING.md)** — Решения распространённых проблем
- **[Руководство для контрибьюторов](CONTRIBUTING.md)** — Как внести вклад в этот проект
- **[Для преподавателей](for-teachers.md)** — Рекомендации по преподаванию и материалы для класса
- **[Руководство по установке](INSTALLATION.md)** — Поэтапные инструкции по настройке для начинающих
- **[Руководство по использованию](USAGE.md)** — Примеры и распространённые сценарии работы
- **[Руководство по устранению неполадок](TROUBLESHOOTING.md)** — Решения типичных проблем
- **[Руководство по участию](CONTRIBUTING.md)** — Как внести вклад в этот проект
- **[Для преподавателей](for-teachers.md)** — Методические рекомендации и материалы для занятий
## 👨🎓 Для студентов
> **Абсолютные новички**: новичок в data science? Начните с наших [примеров для начинающих](examples/README.md)! Эти простые, хорошо прокомментированные примеры помогут вам понять основы перед изучением всей программы.
> **[Студенты](https://aka.ms/student-page)**: чтобы использовать эту учебную программу самостоятельно, сделайте форк всего репозитория и выполните упражнения самостоятельно, начиная с викторины перед лекцией. Затем прочитайте лекцию и выполните остальные задания. Старайтесь создавать проекты, понимая уроки, а не просто копируя код решений; однако этот код доступен в папках /solutions для каждого урока, ориентированного на проекты. Ещё одна идея — объединиться в учебную группу с друзьями и проходить материал 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).
> **Совершенно новые пользователи**: новичок в data science? Начните с наших [простых примеров для начинающих](examples/README.md)! Эти простые и хорошо прокомментированные примеры помогут понять основы, прежде чем перейти к полной программе.
> **[Студенты](https://aka.ms/student-page)**: чтобы использовать эту программу самостоятельно, создайте форк всего репозитория и выполняйте упражнения самостоятельно, начиная с викторины перед лекцией. Затем прочитайте лекцию и выполните остальные задания. Старайтесь создавать проекты, осмысленно усваивая уроки, а не просто копируя код решений; однако код решений доступен в папках /solutions каждого проектно-ориентированного урока. Другой вариант — собрать учебную группу с друзьями и изучать материал вместе. Для дальнейшего обучения рекомендуем [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Быстрый старт:**
1. Ознакомьтесь с [Руководством по установке](INSTALLATION.md), чтобы настроить среду
2. Изучите [Руководство пользователя](USAGE.md), чтобы узнать, как работать с программой
3. Начните с урока 1 и проходите уроки последовательно
4. Присоединяйтесь к нашему [сообществу Discord](https://aka.ms/ds4beginners/discord) для поддержки
1. Ознакомьтесь с [Руководством по установке](INSTALLATION.md) для настройки среды
2. Изучите [Руководство по использованию](USAGE.md), чтобы узнать, как работать с программой
3. Начинайте с урока 1 и проходите последовательно
4. Присоединяйтесь к нашему [Discord-сообществу](https://aka.ms/ds4beginners/discord) за поддержкой
## 👩🏫 Для преподавателей
> **Преподавателям**: мы подготовили [некоторые рекомендации](for-teachers.md) по использованию этой учебной программы. Нам будет приятно получить ваш отзыв [в нашем форуме обсуждений](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Встречайте Команду
> **Преподаватели**: мы [включили некоторые рекомендации](for-teachers.md) по использованию этой программы. Будем рады вашим отзывам [в нашем форуме обсуждений](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!
## Педагогика
Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечить её проектно-ориентированным подходом и включить частые викторины. К концу этого курса студенты освоят базовые принципы науки о данных, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные примеры применения науки о данных и многое другое.
Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечение проектной направленности и включение частых викторин. К концу этой серии студенты узнают основные принципы науки о данных, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные случаи использования науки о данных и многое другое.
Кроме того, викторина с низкой ставкой перед занятием настраивает студента на изучение темы, а вторая викторина после занятия обеспечивает лучшее усвоение материала. Эта учебная программа была разработана таким образом, чтобы быть гибкой и увлекательной, её можно проходить полностью или частично. Проекты начинаются снебольших и постепенно усложняются к концу 10-недельного цикла.
Кроме того, викторина с низкой ставкой перед занятием задаёт намерение студента на изучение темы, а вторая викторина после занятия обеспечивает лучшее закрепление материала. Эта учебная программа была разработана так, чтобы быть гибкой и интересной, и её можно проходить полностью или частично. Проекты начинаются спростых и становятся всё более сложными к концу 10-недельного цикла.
> Ознакомьтесь с нашими [Правилами поведения](CODE_OF_CONDUCT.md), [Руководством по участию](CONTRIBUTING.md), [Руководством по переводу](TRANSLATIONS.md). Мы приветствуем ваши конструктивные отзывы!
> Ознакомьтесь с нашим [Кодексом поведения](CODE_OF_CONDUCT.md), [правилами участия](CONTRIBUTING.md), [переводческими](TRANSLATIONS.md) рекомендациями. Мы приветствуем ваши конструктивные отзывы!
## Каждое занятие включает:
- Необязательная зарисовка
- Необязательное видео с дополнительным материалом
- Викторину для разогрева перед занятием
- Опциональную скетчноут
- Опциональное дополнительное видео
- Разминку-викторину перед занятием
- Письменный урок
- Для занятий с проектами – пошаговые руководства по созданию проекта
- Для проектных уроков — пошаговые руководства по созданию проекта
- Проверки знаний
- Задание на вызов
- Задание
- Дополнительное чтение
- Домашнее задание
- [Викторину после урока](https://ff-quizzes.netlify.app/en/)
> **Заметкао викторинах**: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Ссылки на них размещены в уроках, но приложение викторин можно запустить локально или развернуть в Azure; следуйте инструкциям в папке `quiz-app`. Они постепенно локализуются.
> **Примечаниео викторинах**: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Они связаны из уроков, но приложение викторин можно запускать локально или размещать в Azure; следуйте инструкциям в папке `quiz-app`. Они постепенно локализуются.
## 🎓 Примеры для начинающих
**Новичок в науке о данных?** Мы создали специальную [директорию с примерами](examples/README.md) с простым, хорошо комментированным кодом, чтобы помочь вам начать:
**Новички в науке о данных?** Мы создали специальный [каталог примеров](examples/README.md) с простым, хорошо прокомментированным кодом, чтобы помочь вам начать:
- 🌟 **Hello World**- Ваша первая программа по науке о данных
- 📂 **Загрузка данных** - Научитесь читать и изучать наборы данных
- 📊 **Простой анализ** - Вычисление статистики и поиск закономерностей
- 📈 **Базовая визуализация** - Создание диаграмм и графиков
- 🔬 **Реальный проект** - Полный рабочий процесс от начала до конца
- 🌟 **Hello World**— ваша первая программа по науке о данных
- 📂 **Загрузка данных** — научитесь читать и исследовать наборы данных
- 📊 **Простой анализ** — вычисляйте статистику и находите закономерности
- 📈 **Базовая визуализация** — создавайте диаграммы и графики
- 🔬 **Реальный проект** — полный рабочий процесс от начала до конца
Каждый пример содержит подробные комментарии, объясняющие каждый шаг, что делает их идеальными для абсолютных новичков!
Каждый пример включает подробные комментарии, объясняющие каждый шаг, что идеально подходит для абсолютных новичков!
👉 **[Начните с примеров](examples/README.md)** 👈
## Уроки
||
||
|:---:|
| Наука о данных для начинающих: дорожная карта - _Скетчноут от [@nitya](https://twitter.com/nitya)_ |
| Наука о данных 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 понятия науки о данных и её связьс 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 науке 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) |
| 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) |
| 01 | Определение науки о данных | [Введение](1-Introduction/README.md) | Изучить основные концепции науки о данных и её связис 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 науке о данных | [Введение](1-Introduction/README.md) | Концепции этики данных, вызовы и рамочные подходы. | [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 распространённые источники. | [урок](1-Introduction/03-defining-data/README.md) | [Жасмин](https://www.twitter.com/paladique) |
| 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 сДанных](2-Working-With-Data/README.md) | Введение в реляционные данные и основы их исследования и анализа с помощью структурированного языка запросов, также известного как SQL (произносится «си-квел»). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Кристофер](https://www.twitter.com/geektrainer) | | |
| 06 | Работа с NoSQL данными | [Работа сДанных](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 сДанных](2-Working-With-Data/README.md) | Основы использования Python для изучения 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 сДанных](2-Working-With-Data/README.md) | Темы, касающиеся техник очистки и трансформации данных для решения проблем отсутствующих, неточных или неполных данных. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Жасмин](https://www.twitter.com/paladique) |
| 09 | Визуализация количественных данных | [Визуализация данных](3-Data-Visualization/README.md) | Научитесь использовать Matplotlib для визуализации данных о птицах 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) |
| 10 | Визуализация распределения данных | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация наблюдений и трендов в интервале. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) |
| 05 | Работа с реляционными данными | [Работа сданными](2-Working-With-Data/README.md) | Введение в реляционные данные и основы изучения и анализа реляционных данных с помощью языка структурированных запросов SQL (произносится «си-квел»). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Кристофер](https://www.twitter.com/geektrainer) | | |
| 06 | Работа с NoSQL данными | [Работа сданными](2-Working-With-Data/README.md) | Введение в нереляционные данные, их типы и основы изучения 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 сданными](2-Working-With-Data/README.md) | Основы использования Python для исследования данных с библиотеками, такими как Pandas. Рекомендуются базовые знания Python. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Дмитрий](http://soshnikov.com) |
| 08 | Подготовка данных | [Работа сданными](2-Working-With-Data/README.md) | Темы по очистке и преобразованию данных для решения проблем 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) | Изучите использование Matplotlib для визуализации данных о птицах 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) |
| 10 | Визуализация распределения 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) |
| 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) | Техники и рекомендации для создания ценных визуализаций для эффективного решения задач и получения инсайтов. | [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 первый шаг — 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) | Эта фаза жизненного цикла науки о данных сосредоточена на техниках 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) | Эта фаза жизненного цикла науки о данных сосредоточена на представлении инсайтов из данных таким образом, чтобы упростить понимание для принимающих решения. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джейлен](https://twitter.com/JalenMcG) | | |
| 12 | Визуализация связей | [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) | Приёмы и рекомендации для создания ценных визуализаций для эффективного решения задач и получения инсайтов. | [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 — 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 науки о данных фокусируется на техниках 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 фокусируется на представлении инсайтов из данных так, чтобы решениям было легче их понять. | [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) | Эта серия уроков знакомит с наукой о данных в облаке и её преимуществами. | [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 Low Code инструментов. |[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) | 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 | Наука о данных в реальной жизни | [В реальной жизни](6-Data-Science-In-Wild/README.md) | Проекты,основанные на науке о данных в реальном мире. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нития](https://twitter.com/nitya) |
| 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 реальной жизни | [В реальной жизни](6-Data-Science-In-Wild/README.md) | Проекты по науке о данных в реальном мире. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нития](https://twitter.com/nitya) |
## GitHub Codespaces
Выполните следующие шаги, чтобы открыть этот пример в Codespace:
1. Нажмите на меню Code и выберите опцию Open with Codespaces.
2. Внизу панели выберите + New codespace.
Для дополнительной информации ознакомьтесь с [документацией GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
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 - Контейнеры
Следуйте этим шагам, чтобы открыть этот репозиторий в контейнере с использованием вашей локальной машины и VSCode с расширением VS Code Remote - Containers:
## VSCode Remote - Containers
Выполните следующие шаги, чтобы открыть этот репозиторий в контейнере на вашем локальном компьютере с помощью VSCode и расширения VS Code Remote - Containers:
1. Если вы впервые используете контейнер для разработки, убедитесь, что ваша система соответствует требованиям (например, установлен Docker) в [документации для начала работы](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Если вы впервые используете контейнер для разработки, убедитесь, что ваша система соответствует требованиям (например, установлен Docker) в [руководстве по началу работы](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Чтобы использовать этот репозиторий, вы можете либо открыть репозиторий в изолированном Docker томе:
Для использования этого репозитория вы можете либо открыть репозиторий в изолированном Docker volume:
**Примечание**: В основе будет использована команда Remote-Containers: **Clone Repository in Container Volume...**, чтобы клонировать исходный код в Docker том вместо локальной файловой системы. [Томы](https://docs.docker.com/storage/volumes/) — предпочтительный механизм для сохранения данных контейнера.
**Примечание**: Под капотом будет использоваться команда Remote-Containers: **Clone Repository in Container Volume...** для клонирования исходного кода в Docker volume вместо локальной файловой системы. [Volumes](https://docs.docker.com/storage/volumes/) — предпочтительный механизм для сохранения данных контейнера.
Или открыть локально клонированную или загруженную версию репозитория:
Или открыть локально клонированную или скачанную версию репозитория:
- Клонируйте этот репозиторий на ваш локальный диск.
- Клонируйте этот репозиторий на локальный диск.
- Нажмите F1 и выберите команду **Remote-Containers: Open Folder in Container...**.
- Выберите склонированную копию этой папки, дождитесь запуска контейнера и пробуйте.
- Выберите клонированную копию этой папки, дождитесь запуска контейнера и приступайте к работе.
## Офлайн-доступ
Вы можете запускать эту документацию офлайн с помощью [Docsify](https://docsify.js.org/#/). Форкните этот репозиторий, [установите Docsify](https://docsify.js.org/#/quickstart) на вашу локальную машину, затем в корневой папке этого репозитория введите `docsify serve`. Веб-сайт будет доступен по адресу порта 3000 на вашем локальном хосте: `localhost:3000`.
Вы можете просматривать эту документацию офлайн с помощью [Docsify](https://docsify.js.org/#/). Форкайте этот репозиторий, [установите Docsify](https://docsify.js.org/#/quickstart) на локальной машине, затем в корневой папке репозитория введите `docsify serve`. Сайт будет доступен на порту 3000 на вашем localhost: `localhost:3000`.
> Обратите внимание, блокноты не будут отображаться через Docsify, поэтому для запуска блокнота делайте это отдельно в VS Code с запущенным Python-ядром.
> Обратите внимание, что ноутбуки не будут отображаться через Docsify, поэтому для работы с ноутбуками запускайте их отдельно в VS Code с поддержкой Python ядра.
## Другие учебные курсы
## Другие учебные программы
Наша команда создаёт и другие учебные программы! Ознакомьтесь:
Наша команда создаёт и другие учебные программы! Ознакомьтесьс:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Агенты
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серия по генеративному ИИ
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Основное обучение
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серия Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Возникли проблемы?** Ознакомьтесь с нашим [руководством по устранению неполадок](TROUBLESHOOTING.md) для поиска решений распространённых проблем.
**Возникли проблемы?** Ознакомьтесь с нашим [руководством по устранению неполадок](TROUBLESHOOTING.md) для решения распространённых проблем.
Если вы застряли или у вас есть вопросы по созданию приложенийс ИИ, присоединяйтесь к другим обучающимся и опытным разработчикам для обсуждений по MCP. Это поддерживающее сообщество, где приветствуются вопросы и свободно делятся знаниями.
Если вы застряли или у вас есть вопросы по созданию AI-приложений, присоединяйтесь к другим учащимся и опытным разработчикам для обсуждения MCP. Это поддерживающее сообщество, где вопросы приветствуются, а знания свободно делятся.
@ -249,5 +248,5 @@ Azure Cloud Advocates в Microsoft рады предложить 10-недель
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**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 по обеспечению точности, просим учитывать, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на егоисходном языке следует считать достоверным и официальным источником. Для получения критически важной информации рекомендуется обращаться к профессиональному переводу, выполненному человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.
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, просим учитывать, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на исходном языке следует считать авторитетным источником. Для критически важной информации рекомендуется обращаться к профессиональному переводчику. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.
localizeflow[bot]
3 weeks ago