[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://aka.ms/foundry/forum)
סוכני ענן Azure במיקרוסופט שמחים להציע תוכנית לימודים בת 10 שבועות, 20 שיעורים, הכל על מדע הנתונים. כל שיעור כולל מבחני טרום-שיעור וסתם-שיעור, הנחיות כתובות להשלמת השיעור, פתרון, ומשימה. הפדגוגיה מבוססת הפרויקט שלנו מאפשרת לך ללמוד תוך כדי בנייה, דרך מוכחת להטמעת מיומנויות חדשות.
מקדמי הענן באזורה של מיקרוסופט שמחים להציע תוכנית לימודים של 10 שבועות, 20 שיעורים העוסקת במדע הנתונים. כל שיעור כולל מבחני לפני ואחרי השיעור, הוראות כתובות להשלמת השיעור, פתרון ותרגיל. פדגוגיית הפרויקטים שלנו מאפשרת לך ללמוד תוך כדי בנייה, דרך מוכחת שכישורים חדשים "נדבקים".
יש לנו סדרת למידה בדיסקורד בנושא AI, למידע נוסף והצטרפות בקר ב-[סדרת למידה עם AI](https://aka.ms/learnwithai/discord) מ-18 עד 30 בספטמבר 2025. תקבל טיפים וטריקים לשימוש ב-GitHub Copilot עבור מדע נתונים.
יש לנו סדרת למידה ב-Discord עם AI שמתמשכת, למד עוד והצטרף אלינו ב-[סדרת למידה עם AI](https://aka.ms/learnwithai/discord) מ-18 עד 30 בספטמבר, 2025. תקבל טיפים וטריקים לשימוש ב-GitHub Copilot למדעי הנתונים.
# אתה סטודנט?
התחל עם המשאבים הבאים:
- [דף מרכז הסטודנטים](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) בדף זה תמצא משאבים למתחילים, חבילות לסטודנטים ואפילו דרכים לקבל שובר הסמכה חינם. זהו דף שכדאי לשמור בסימניות ולבדוק מדי פעם כי אנו מעדכנים תכנים לפחות פעם בחודש.
- [שגרירי הסטודנטים של מיקרוסופט](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) הצטרף לקהילת שגרירים עולמית, זו יכולה להיות הדרך שלך למיקרוסופט.
- [דף מרכז הסטודנטים](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) בדף זה, תמצא משאבים למתחילים, חבילות לסטודנטים ואפילו דרכים לקבל שובר חינם לתעודה. זהו דף שתרצה לשמור ולעקוב אחריו מדי פעם מכיוון שאנו מחליפים תוכן לפחות פעם בחודש.
- [שגרירי סטודנטים של מיקרוסופט](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) הצטרף לקהילה גלובלית של שגרירים סטודנטים, זו יכולה להיות הכניסה שלך למיקרוסופט.
# להתחלה
# התחלה
## 📚 תיעוד
- **[מדריך התקנה](INSTALLATION.md)** - הוראות הקמה צעד-אחר-צעד למתחילים
- **[מדריך התקנה](INSTALLATION.md)** - הוראות שלב-אחר-שלב למתחילים
- **[מדריך שימוש](USAGE.md)** - דוגמאות וזרימות עבודה נפוצות
- **[מדריך לתרומה](CONTRIBUTING.md)** - איך לתרום לפרויקט זה
- **[למורים](for-teachers.md)** - הנחיות הוראה ומשאבים ללמידה בכיתה
- **[מדריך לתרומה](CONTRIBUTING.md)** - כיצד לתרום לפרויקט זה
- **[למורים](for-teachers.md)** - הדרכת הוראה ומשאבים לכיתה
## 👨🎓 לסטודנטים
> **מתחילים מוחלטים**: חדשים במדע הנתונים? התחל עם [דוגמאות ידידותיות למתחילים](examples/README.md)! דוגמאות פשוטות ומוסברות היטב שיעזרו לך להבין את היסודות לפני שנכנסים לתוכנית המלאה.
> **[סטודנטים](https://aka.ms/student-page)**: להשתמש בתוכנית זו באופן עצמאי, פצל את המאגר כולו והשלם את התרגילים בעצמך, החל מבחן טרום-הרצאה. לאחר מכן קרא את ההרצאה והשלם את שאר הפעילויות. נסה ליצור את הפרויקטים על ידי הבנת השיעורים ולא על ידי העתקת קטעי הקוד; עם זאת, הקוד זמין בתיקיית /solutions בכל שיעור ממוקד פרויקט. רעיון נוסף יהיה להקים קבוצת לימוד עם חברים ולעבוד על התוכן יחד. ללמידה נוספת מומלץ [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **מתחילים מוחלטים**: חדשים במדעי הנתונים? התחילו עם [דוגמאות ידידותיות למתחילים](examples/README.md)! דוגמאות פשוטות עם הסברים יעזרו לך להבין את היסודות לפני שתעמיק בתכנית המלאה.
> **[סטודנטים](https://aka.ms/student-page)**: כדי להשתמש בתכנית זו באופן עצמאי, פצל את כל הריפו והשלם את התרגילים לבד, החל במבחן לפני ההרצאה. לאחר מכן קרא את ההרצאה והשלם את שאר הפעילויות. נסה ליצור את הפרויקטים בהבנת השיעורים ולא בהעתקת קוד הפתרון; עם זאת, הקוד זמין בתיקיית /solutions בכל שיעור ממוקד בפרויקט. רעיון נוסף הוא ליצור קבוצת לימוד עם חברים ולעבור את התוכן יחד. ללימוד נוסף, מומלץ להשתמש ב-[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**התחלה מהירה:**
1. בדוק את [מדריך ההתקנה](INSTALLATION.md) כדי להקים את הסביבה שלך
2. עיין ב-[מדריך השימוש](USAGE.md) כדי ללמוד כיצד לעבוד עם תוכנית הלימודים
3. התחל בשיעור 1 ועבור לפי הסדר
4. הצטרף ל[קהילת הדיסקורד שלנו](https://aka.ms/ds4beginners/discord) לקבלת תמיכה
1. בדוק את [מדריך ההתקנה](INSTALLATION.md) כדי להגדיר את הסביבה שלך
2. עיין ב-[מדריך השימוש](USAGE.md) כדי ללמוד כיצד לעבוד עם התכנית
3. התחל בשיעור 1 ועבור לסדר השיעורים
4. הצטרף ל[קהילת ה-Discord שלנו](https://aka.ms/ds4beginners/discord) לקבלת תמיכה
## 👩🏫 למורים
> **מורים**: כלולנו [כמה הצעות](for-teachers.md) כיצד להשתמש בתוכנית הלימודים הזו. נשמח למשובכם [בפורום הדיונים שלנו](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **מורים**: כללנו [כמה הצעות](for-teachers.md) כיצד להשתמש בתכנית הלימודים הזו. נשמח לקבל את המשוב שלכם [בפורום הדיונים שלנו](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 לחצו על התמונה למעלה לסרטון אודות הפרויקט והאנשים שיצרו אותו!
> 🎥 לחצו על התמונה למעלה לקבלת וידאו אודות הפרויקט והאנשים שיצרו אותו!
## פדגוגיה
בחרנו שני עקרונות פדגוגיים בעת בניית תוכנית הלימודים הזו: להבטיח שהיא מבוססת פרויקטים וכוללת חידונים תכופים. בסוף הסדרה הזו, התלמידים ילמדו עקרונות בסיסיים במדעי הנתונים, כולל מושגים אתיים, הכנת נתונים, דרכים שונות לעבודה עם נתונים, ויזואליזציה של נתונים, ניתוח נתונים, מקרי שימוש אמיתיים במדעי הנתונים, ועוד.
בחרנו בשני עקרונות פדגוגיים בעת בניית תכנית הלימודים הזו: להבטיח שהיא מבוססת פרויקטים וכוללת חידונים תכופים. בסיום הסדרה הזו, הלומדים ילמדו עקרונות בסיסיים במדעי הנתונים, כולל מושגים אתיים, הכנת נתונים, דרכים שונות לעבודה עם נתונים, ויזואליזציית נתונים, ניתוח נתונים, שימושים מעשיים במדעי הנתונים ועוד.
בנוסף, חידון קל-השפעה לפני השיעור קובע את כוונת התלמיד ללמוד נושא, בעוד שחידון שני לאחר השיעור מבטיח שימור נוסף. תוכנית הלימודים הזו עוצבה להיות גמישה ומהנה וניתן לעבור עליה בשלמותה או בחלקה. הפרויקטים מתחילים קטנים והופכים למורכבים יותר לקראת סוף מחזור של 10 שבועות.
בנוסף, חידון בסיכון נמוך לפני השיעור מגדיר את כוונת הלומד כלפי נושא הלמידה, בעוד שחידון שני לאחר השיעור מבטיח שמירה נוספת של המידע. תכנית הלימודים הזו עוצבה להיות גמישה ומהנה וניתנת ללמידה בשלמותה או בחלקיה. הפרויקטים מתחילים קטנים ומתפתחים למורכבים יותר לקראת סוף מחזור 10 השבועות.
> מצאו את [קוד ההתנהגות שלנו](CODE_OF_CONDUCT.md), הנחיות [השתתפות](CONTRIBUTING.md), ו[תרגום](TRANSLATIONS.md). נשמח למשוב בונה!
> מצאו את [קוד ההתנהגות שלנו](CODE_OF_CONDUCT.md), [הנחיות לתרומה](CONTRIBUTING.md), [הנחיות לתרגום](TRANSLATIONS.md). נשמח לקבל משוב בונה!
## כל שיעור כולל:
- סיכום בעזרת ציור (אופציונלי)
- וידאו תוספתי (אופציונלי)
- שרטוט רישומי אופציונלי
- סרטון נוסף אופציונלי
- חידון חימום לפני השיעור
- שיעור כתוב
- לשיעורים מבוססי פרויקט, מדריכים שלב אחר שלב לבניית הפרויקט
- עבור שיעורי מבוססי פרויקטים, מדריכים שלב-אחר-שלב לבניית הפרויקט
- בדיקות ידע
- אתגר
- קריאה תוספתית
- קריאה נוספת
- משימה
- [חידון לאחר השיעור](https://ff-quizzes.netlify.app/en/)
> **הערה על חידונים**: כל החידונים נמצאים בתיקיית Quiz-App, ובסך הכל יש 40 חידונים עם שלוש שאלות בכל אחד. הם מקושרים מתוך השיעורים, אך אפליקציית החידונים יכולה לפעול באופן מקומי או להיות מועלת ל-Azure; עקבו אחרי ההוראות בתיקיית `quiz-app`. החידונים מיועדים להיטמע בהדרגה לשפות שונות.
> **הערה לגבי חידונים**: כל החידונים נמצאים בתיקיית Quiz-App, בסה"כ 40 חידונים של שלושה שאלות כל אחד. הם מקושרים מתוך השיעורים, אך ניתן להריץ את אפליקציית החידון מקומית או לפרוס ל-Azure; עקבו אחר ההוראות בתיקיית `quiz-app`. הם מתורגמים בהדרגה.
## 🎓 דוגמאות ידידותיות למתחילים
**חדש במדעי הנתונים?** יצרנו תיקיית [דוגמאות מיוחדת](examples/README.md) עם קודים פשוטים ומוסברים היטב שיעזרו לכם להתחיל:
**חדש במדעי הנתונים?** יצרנו תיקיית [דוגמאות מיוחדת](examples/README.md) עם קוד פשוט ומוסבר היטב שיעזור לכם להתחיל:
- 🌟 **Hello World** - תוכנית מדעי הנתונים הראשונה שלכם
- 📂 **טעינת נתונים** - למידת קריאה וחקר מערכי נתונים
| 01 | הגדרת מדעי הנתונים | [הקדמה](1-Introduction/README.md) | למידת מושגי הבסיס של מדעי הנתונים וכיצד הם קשורים לאינטליגנציה מלאכותית, למידת מכונה ו-big data. | [שיעור](1-Introduction/01-defining-data-science/README.md) [וידאו](https://youtu.be/beZ7Mb_oz9I) | [דמיטרי](http://soshnikov.com) |
| 05 | עבודה עם נתונים יחסיים | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים יחסיים והבסיס לחקר וניתוח נתונים יחסיים באמצעות שפת השאילתה המבנית (SQL). | [שיעור](2-Working-With-Data/05-relational-databases/README.md) | [כריסטופר](https://www.twitter.com/geektrainer) | | |
| 06 | עבודה עם נתוני NoSQL | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים לא יחסיים, סוגיהם השונים והבסיס לחקר וניתוח מסדי נתונים מסוג מסמך. | [שיעור](2-Working-With-Data/06-non-relational/README.md) | [ג'סמין](https://twitter.com/paladique)|
| 07 | עבודה עם פייתון | [עבודה עם נתונים](2-Working-With-Data/README.md) | יסודות השימוש בפייתון לחקר נתונים עם ספריות כגון Pandas. מומלץ להכיר יסודות בתכנות בפייתון. | [שיעור](2-Working-With-Data/07-python/README.md) [וידאו](https://youtu.be/dZjWOGbsN4Y) | [דמיטרי](http://soshnikov.com) |
| 08 | הכנת נתונים | [עבודה עם נתונים](2-Working-With-Data/README.md) | נושאים על טכניקות ניקוי והמרת נתונים להתמודד עם אתגרים של נתונים חסרים, לא מדויקים או לא שלמים. | [שיעור](2-Working-With-Data/08-data-preparation/README.md) | [ג'סמין](https://www.twitter.com/paladique) |
| 09 | ויזואליזציה של כמויות | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | למדו כיצד להשתמש ב-Matplotlib לויזואליזציה של נתוני ציפורים 🦆 | [שיעור](3-Data-Visualization/09-visualization-quantities/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 10 | ויזואליזציה של התפלגויות נתונים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של תצפיות ומגמות במסגרת מסוימת. | [שיעור](3-Data-Visualization/10-visualization-distributions/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 11 | ויזואליזציה של אחוזים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של אחוזים בדידים וקבוצתיים. | [שיעור](3-Data-Visualization/11-visualization-proportions/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 12 | ויזואליזציה של קשרים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של חיבורים וקורלציות בין מערכי נתונים ומשתנים שלהם. | [שיעור](3-Data-Visualization/12-visualization-relationships/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 14 | מבוא למחזור חיי מדעי הנתונים | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | מבוא למחזור חיי מדעי הנתונים והשלב הראשון של רכישת ושליפת נתונים. | [שיעור](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ג'סמין](https://twitter.com/paladique) |
| 15 | ניתוח | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | שלב במחזור החיים של מדעי הנתונים המתמקד בטכניקות לניתוח נתונים. | [שיעור](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ג'סמין](https://twitter.com/paladique) | | |
| 16 | תקשורת | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | שלב במחזור החיים של מדעי הנתונים המתמקד בהצגת תובנות מהנתונים באופן המקל על מקבלי ההחלטות להבין. | [שיעור](4-Data-Science-Lifecycle/16-communication/README.md) | [ג'יילן](https://twitter.com/JalenMcG) | | |
| 17 | מדעי נתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | סדרת שיעורים זו מציגה את מדעי הנתונים בענן ואת יתרונותיו. | [שיעור](5-Data-Science-In-Cloud/17-Introduction/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 18 | מדעי נתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | אימון מודלים באמצעות כלים ללא קוד. |[שיעור](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 19 | מדעי נתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | פריסת מודלים עם Azure Machine Learning Studio. | [שיעור](5-Data-Science-In-Cloud/19-Azure/README.md)| [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 20 | מדעי נתונים בשטח | [בשדה](6-Data-Science-In-Wild/README.md) | פרויקטים מבוססי מדעי נתונים בעולם האמיתי. | [שיעור](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [ניטיה](https://twitter.com/nitya) |
| 01 | הגדרת מדעי הנתונים | [הקדמה](1-Introduction/README.md) | ללמוד את העקרונות הבסיסיים מאחורי מדעי הנתונים וכיצד הם קשורים לבינה מלאכותית, למידה חישובית ולנתונים גדולים. | [שיעור](1-Introduction/01-defining-data-science/README.md) [וידאו](https://youtu.be/beZ7Mb_oz9I) | [דמיטרי](http://soshnikov.com) |
| 03 | הגדרת נתונים | [הקדמה](1-Introduction/README.md) | כיצד נתונים מסווגים ומהם המקורות הנפוצים שלהם. | [שיעור](1-Introduction/03-defining-data/README.md) | [ג'סמין](https://www.twitter.com/paladique) |
| 05 | עבודה עם נתונים יחסיים | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים יחסיים ויסודות חקר וניתוח נתונים יחסיים בשפת SQL (המכונה "סי-קול"). | [שיעור](2-Working-With-Data/05-relational-databases/README.md) | [כריסטופר](https://www.twitter.com/geektrainer) | | |
| 06 | עבודה עם נתוני NoSQL | [עבודה עם נתונים](2-Working-With-Data/README.md) | מבוא לנתונים לא יחסיים, סוגיהם השונים ויסודות חקר וניתוח מסדי מסמכים. | [שיעור](2-Working-With-Data/06-non-relational/README.md) | [ג'סמין](https://twitter.com/paladique)|
| 07 | עבודה עם פייתון | [עבודה עם נתונים](2-Working-With-Data/README.md) | יסודות השימוש בפייתון לחקר נתונים עם ספריות כמו Pandas. מומלץ ידע בסיסי בתכנות פייתון. | [שיעור](2-Working-With-Data/07-python/README.md) [וידאו](https://youtu.be/dZjWOGbsN4Y) | [דמיטרי](http://soshnikov.com) |
| 08 | הכנת נתונים | [עבודה עם נתונים](2-Working-With-Data/README.md) | נושאים בטכניקות ניקוי וטרנספורמציה של נתונים לטיפול באתגרים של נתונים חסרים, לא מדויקים או לא שלמים. | [שיעור](2-Working-With-Data/08-data-preparation/README.md) | [ג'סמין](https://www.twitter.com/paladique) |
| 09 | ויזואליזציה של כמויות | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | למדו כיצד להשתמש ב-Matplotlib לויזואליזציית נתוני ציפורים 🦆 | [שיעור](3-Data-Visualization/09-visualization-quantities/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 10 | ויזואליזציה של התפלגויות נתונים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של תצפיות ומגמות בטווח מסוים. | [שיעור](3-Data-Visualization/10-visualization-distributions/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 11 | ויזואליזציה של יחסים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של אחוזים בדידים ומקובצים. | [שיעור](3-Data-Visualization/11-visualization-proportions/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 12 | ויזואליזציה של קשרים | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | ויזואליזציה של קשרים וקורלציות בין מערכי נתונים ומשתנים שלהם. | [שיעור](3-Data-Visualization/12-visualization-relationships/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 13 | ויזואליזציות משמעותיות | [ויזואליזציה של נתונים](3-Data-Visualization/README.md) | טכניקות והנחיות לעשיית הוויזואליזציות שלכם בעלות ערך לפתרון בעיות יעיל ותובנות. | [שיעור](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ג'ן](https://twitter.com/jenlooper) |
| 14 | מבוא למחזור החיים של מדעי הנתונים | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | מבוא למחזור החיים של מדעי הנתונים ושלב האיסוף והפ استخراج הנתונים. | [שיעור](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ג'סמין](https://twitter.com/paladique) |
| 15 | ניתוח | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | שלב במחזור החיים של מדעי הנתונים שמתמקד בטכניקות לניתוח נתונים. | [שיעור](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ג'סמין](https://twitter.com/paladique) | | |
| 16 | תקשורת | [מחזור חיים](4-Data-Science-Lifecycle/README.md) | שלב במחזור החיים של מדעי הנתונים שמתמקד בהצגת התובנות מהנתונים באופן שמקל על מקבלי ההחלטות להבין. | [שיעור](4-Data-Science-Lifecycle/16-communication/README.md) | [ג'יילן](https://twitter.com/JalenMcG) | | |
| 17 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | סדרת שיעורים זו מציגה את מדעי הנתונים בענן ואת יתרונותיו. | [שיעור](5-Data-Science-In-Cloud/17-Introduction/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 18 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | אימון מודלים באמצעות כלים עם קוד מועט. |[שיעור](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 19 | מדעי הנתונים בענן | [נתוני ענן](5-Data-Science-In-Cloud/README.md) | פריסת מודלים עם Azure Machine Learning Studio. | [שיעור](5-Data-Science-In-Cloud/19-Azure/README.md)| [טיפאני](https://twitter.com/TiffanySouterre) ו-[מוד](https://twitter.com/maudstweets) |
| 20 | מדעי הנתונים בטבע | [בטבע](6-Data-Science-In-Wild/README.md) | פרויקטים מבוססי מדעי הנתונים בעולם האמיתי. | [שיעור](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [ניטיה](https://twitter.com/nitya) |
## GitHub Codespaces
עקבו אחרי השלבים הבאים כדי לפתוח דוגמה זו ב-Codespace:
עקבו אחר השלבים הבאים כדי לפתוח דוגמה זו ב-Codespace:
1. לחצו על תפריט הנפתח Code ובחרו באפשרות Open with Codespaces.
2. בחרו + New codespace בתחתית החלון.
למידע נוסף, קראו את [התיעוד של GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
למידע נוסף, עיינו ב-[תיעוד GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
עקבו אחרי השלבים הבאים כדי לפתוח את המאגר הזה במכולה באמצעות המחשב המקומי ו-VSCode עם התוסף VS Code Remote - Containers:
1. אם זו הפעם הראשונה שבה אתם משתמשים במכולת פיתוח, וודאו שמערכתכם עומדת בדרישות המקדימות (למשל, התקנת Docker) ב[תיעוד התחלת העבודה](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
עקבו אחר השלבים הבאים כדי לפתוח את המאגר הזה במיכל באמצעות המחשב המקומי ו-VSCode באמצעות תוסף VS Code Remote - Containers:
כדי להשתמש במאגר זה, תוכלו לפתוח את המאגר בנפח מבודד בתוך Docker:
1. אם זו הפעם הראשונה שאתם משתמשים במיכל פיתוח, אנא ודאו שהמערכת שלכם עומדת בדרישות המקדימות (למשל התקנת Docker) ב-[תיעוד התחלה](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
**הערה**: מאחורי הקלעים, פעולה זו משתמשת בפקודה Remote-Containers: **Clone Repository in Container Volume...** לשכפול קוד המקור בנפח Docker במקום במערכת הקבצים המקומית. [נפחים](https://docs.docker.com/storage/volumes/) הם המנגנון המועדף לשמירת נתוני מכולה.
כדי להשתמש במאגר זה, ניתן לפתוח את המאגר בנפח Docker מבודד:
או לפתוח גרסה שהורדתם או ששכפלתם למחשב מקומי:
**הערה**: בפועל, פעולה זו תשתמש בפקודת Remote-Containers: **Clone Repository in Container Volume...** לשכפל את קוד המקור בנפח Docker במקום במערכת הקבצים המקומית. [Volums](https://docs.docker.com/storage/volumes/) הם המנגנון המועדף לשימור נתוני מיכלים.
- שכפלו את המאגר למערכת הקבצים המקומית.
או לפתוח עותק משוכפל או שהורד מקומית של המאגר:
- שכפלו את המאגר למערכת הקבצים המקומית שלכם.
- לחצו F1 ובחרו את הפקודה **Remote-Containers: Open Folder in Container...**.
- בחרו את התיקייה המשוכפלת, המתינו לפתיחת המכולה וניסו את הפעולות.
- בחרו את העתיק המשוכפל של תיקיה זו, המתינו שהמיכל יתחיל ונסו.
## גישה לא מקוונת
ניתן להפעיל תיעוד זה במצב לא מקוון באמצעות [Docsify](https://docsify.js.org/#/). פוצו את המאגר, [התקינו Docsify](https://docsify.js.org/#/quickstart) במחשב המקומי, ואז בתיקיית השורש של המאגר, הקלידו `docsify serve`. האתר יוגש על נמל 3000 בכתובת המקומית שלכם: `localhost:3000`.
ניתן להפעיל תיעוד זה במצב לא מקוון באמצעות [Docsify](https://docsify.js.org/#/). צרו עותק של מאגר זה, [התקינו את Docsify](https://docsify.js.org/#/quickstart) על המחשב המקומי, ואז בתיקיית השורש של המאגר הקלידו `docsify serve`. האתר ישרת בכתובת port 3000 ב-localhost שלכם: `localhost:3000`.
> שימו לב, מחברות עבודה לא יוצגו דרך Docsify, לכן כאשר תצטרכו להריץ מחברת עבודה, עשו זאת בנפרד ב-VS Code עם מאיץ Python.
> שימו לב, פנקסי הרשומות לא יוצגו ב-Docsify, אז כשאתם צריכים להריץ פנקס רשומות, עשו זאת בנפרד ב-VS Code עם ליבת Python.
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
**מתקשים?** בדקו את [מדריך פתרון הבעיות](TROUBLESHOOTING.md) שלנו לפתרונות לבעיות נפוצות.
**מתקשים?** בדקו את [מדריך פתרון בעיות](TROUBLESHOOTING.md) שלנו לפתרונות לבעיות נפוצות.
אם אתם תקועים או יש לכם שאלות עלבניית אפליקציות AI. הצטרפו ללומדים אחרים ומפתחים מנוסים בדיונים על MCP. זו קהילה תומכת בה שאלות מתקבלות בברכה והידע משותף בחופשיות.
אם אתם תקועים או יש לכם שאלות בנוגעלבניית אפליקציות AI. הצטרפו ללומדים אחרים ומפתחים מנוסים בדיונים על MCP. זוהי קהילה תומכת שבה שאלות מתקבלות בברכה וידע משתף בחופשיות.
אם יש לכם משוב על המוצר או שגיאות בזמן בנייה בקרו ב:
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות תרגום בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון כי תרגומים אוטומטיים עשויים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור הסמכות. למידע קריטי מומלץ להשתמש בתרגום מקצועי אנושי. איננו אחראים לכל אי הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה.
**כתב ויתור**:
מסמך זה תורגם באמצעות שירות התרגום בינה מלאכותית [Co-op Translator](https://github.com/Azure/co-op-translator). למרות שאנו שואפים לדיוק, יש לקחת בחשבון כי תרגומים אוטומטיים עשויים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפתו המקורית נחשב למקור הסמכותי. למידע קריטי מומלץ ביצוע תרגום מקצועי על ידי אדם. איננו נושאים באחריות על כל הבנה שגויה או פרשנות לא נכונה הנובעת משימוש בתרגום זה.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Azure Cloud Advocates bij Microsoft zijn verheugd om een 10-weekse, 20-les curriculum aan te bieden over Data Science. Elke les bevat quizzen vóór en na de les, geschreven instructies om de les te voltooien, een oplossing en een opdracht. Onze projectgerichte pedagogiek stelt je in staat om te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te 'verankeren'.
Azure Cloud Advocates bij Microsoft bieden met plezier een 10-weken durend, 20-lessen curriculum aan dat volledig draait om Datawetenschap. Elke les bevat voorafgaande en latere quizzen, geschreven instructies om de les te voltooien, een oplossing, en een opdracht. Onze projectgerichte pedagogiek stelt je in staat om te leren terwijl je bouwt, een bewezen manier waarop nieuwe vaardigheden 'blijven hangen'.
> Deze repository bevat meer dan 50 taalvertalingen, wat de downloadgrootte aanzienlijk vergroot. Om te klonen zonder vertalingen, gebruik sparse checkout:
> Deze repository bevat 50+ taalvertalingen die de downloadgrootte aanzienlijk vergroten. Om zonder vertalingen te klonen, gebruik sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -56,48 +56,48 @@ Azure Cloud Advocates bij Microsoft zijn verheugd om een 10-weekse, 20-les curri
> Dit geeft je alles wat je nodig hebt om de cursus te voltooien met een veel snellere download.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Als je wilt dat extra vertalingen worden ondersteund, staan deze vermeld [hier](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Als je extra vertalingen wenst, zijn ondersteunde talen hier te vinden [hier](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
We hebben een Discord leerreeks over AI gaande, leer meer en sluit je aan bij [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je ontvangt tips en trucs voor het gebruik van GitHub Copilot voor Data Science.
We hebben een lopende Discord leer met AI-serie, leer meer en doe mee via [Learn with AI Series](https://aka.ms/learnwithai/discord) van 18 - 30 september 2025. Je krijgt tips en trucs over het gebruik van GitHub Copilot voor Datawetenschap.
# Ben je een student?
# Ben jij een student?
Begin met de volgende bronnen:
- [Student Hub pagina](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Op deze pagina vind je bronnen voor beginners, studentenpakketten en zelfs manieren om een gratis certificaatvoucher te krijgen. Dit is een pagina die je wilt toevoegen aan je favorieten en af en toe wilt controleren, aangezien we minstens maandelijks inhoud wisselen.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Word lid van een wereldwijde community van studentambassadeurs, dit kan jouw ingang zijn tot Microsoft.
- [Student Hub pagina](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Op deze pagina vind je beginnersbronnen, studentenpakketten en zelfs manieren om een gratis certificaatvoucher te krijgen. Dit is een pagina die je wilt bookmarken en van tijd tot tijd wilt controleren aangezien we de inhoud minstens maandelijks wisselen.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Word lid van een wereldwijde gemeenschap van studentambassadeurs, dit kan jouw toegang tot Microsoft zijn.
# Aan de slag
# Aan de Slag
## 📚 Documentatie
- **[Installatiegids](INSTALLATION.md)** - Stapsgewijze installatie-instructies voor beginners
- **[Gebruiksgids](USAGE.md)** - Voorbeelden en veelvoorkomende workflows
- **[Installatiehandleiding](INSTALLATION.md)** - Stapsgewijze installatie-instructies voor beginners
- **[Gebruiksaanwijzing](USAGE.md)** - Voorbeelden en veelvoorkomende workflows
- **[Probleemoplossing](TROUBLESHOOTING.md)** - Oplossingen voor veelvoorkomende problemen
- **[Bijdragegids](CONTRIBUTING.md)** - Hoe bij te dragen aan dit project
- **[Voor docenten](for-teachers.md)** - Lesmateriaal en bronnen voor de klas
- **[Bijdragen Gids](CONTRIBUTING.md)** - Hoe bij te dragen aan dit project
- **[Voor Docenten](for-teachers.md)** - Lesgeven richtlijnen en klaslokaalbronnen
## 👨🎓 Voor Studenten
> **Volledige Beginners**: Nieuw bij data science? Begin met onze [beginnersvriendelijke voorbeelden](examples/README.md)! Deze eenvoudige, goed toegelichte voorbeelden helpen je de basis te begrijpen voordat je aan het volledige curriculum begint.
> **[Studenten](https://aka.ms/student-page)**: om dit curriculum zelfstandig te gebruiken, fork je de gehele repo en maak je de oefeningen zelfstandig, beginnend met een quiz vóór de les. Lees daarna de les en voltooi de overige activiteiten. Probeer de projecten te maken door de lessen te begrijpen in plaats van simpelweg de oplossing te kopiëren; die code is echter beschikbaar in de /solutions-mappen in elke projectgerichte les. Een andere optie is om een studiegroep te vormen met vrienden en samen door de inhoud te gaan. Voor verdere studie raden we [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) aan.
> **Volledige Beginners**: Nieuw met datawetenschap? Begin met onze [beginnersvriendelijke voorbeelden](examples/README.md)! Deze eenvoudige, goed becommentarieerde voorbeelden helpen je de basis te begrijpen voordat je in het volledige curriculum duikt.
> **[Studenten](https://aka.ms/student-page)**: om dit curriculum zelfstandig te gebruiken, fork je de hele repo en maak je de oefeningen zelfstandig af, te beginnen met een pre-college quiz. Lees dan de college en voltooi de rest van de activiteiten. Probeer de projecten te creëren door de lessen te begrijpen in plaats van de oplossingcode te kopiëren; die code is echter beschikbaar in de /solutions mappen in elke projectgerichte les. Een ander idee is om een studiegroep te vormen met vrienden en samen door de inhoud te gaan. Voor verdere studie raden we [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) aan.
**Snelstart:**
1. Bekijk de [Installatiegids](INSTALLATION.md) om je omgeving in te stellen
2. Bekijk de [Gebruiksgids](USAGE.md) om te leren werken met het curriculum
3. Begin met Les 1 en werk deze achtereenvolgens door
1. Bekijk de [Installatiehandleiding](INSTALLATION.md) om je omgeving op te zetten
2. Bekijk de [Gebruiksaanwijzing](USAGE.md) om te leren hoe je met het curriculum werkt
3. Begin met Les 1 en werk de lessen sequentieel door
4. Word lid van onze [Discord-community](https://aka.ms/ds4beginners/discord) voor ondersteuning
## 👩🏫 Voor Docenten
> **Docenten**: we hebben [enkele suggesties opgenomen](for-teachers.md) over hoe je dit curriculum kunt gebruiken. We horen graag je feedback [in ons discussieforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Docenten**: we hebben [enkele suggesties toegevoegd](for-teachers.md) over hoe u dit curriculum kunt gebruiken. We horen graag uw feedback [in ons discussieforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
@ -105,103 +105,103 @@ Begin met de volgende bronnen:
## Pedagogiek
We hebben twee pedagogische principes gekozen bij het opbouwen van dit curriculum: ervoor zorgen dat het projectgericht is en dat het frequente quizzen bevat. Aan het einde van deze reeks hebben studenten de basisprincipes van datawetenschap geleerd, inclusief ethische concepten, gegevensvoorbereiding, verschillende manieren om met data te werken, datavisualisatie, data-analyse, praktijkvoorbeelden van datawetenschap en meer.
We hebben twee pedagogische uitgangspunten gekozen bij het opbouwen van dit curriculum: ervoor zorgen dat het projectgericht is en dat het frequente quizzen bevat. Aan het einde van deze serie hebben studenten de basisprincipes van data science geleerd, inclusief ethische concepten, gegevensvoorbereiding, verschillende manieren om met gegevens te werken, datavisualisatie, data-analyse, praktijkvoorbeelden van data science en meer.
Daarnaast zet een quiz met lage inzet vóór een les de intentie van de leerling om een onderwerp te leren, terwijl een tweede quiz na de les zorgt voor verdere retentie. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer tegen het einde van de tienweekse cyclus.
Daarnaast zet een quiz met lage inzet vóór een les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les zorgt voor verdere behoud van kennis. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden aan het einde van de 10 weken-cyclus steeds complexer.
> Vind onze [Gedragscode](CODE_OF_CONDUCT.md), [Bijdragen](CONTRIBUTING.md), [Vertaling](TRANSLATIONS.md) richtlijnen. We verwelkomen je constructieve feedback!
- Voor projectgebaseerde lessen, stapsgewijze handleidingen om het project te bouwen
- Kenniscontroles
- Een uitdaging
- Aanvullende leesstof
- Aanvullende lectuur
- Opdracht
- [Quiz na de les](https://ff-quizzes.netlify.app/en/)
> **Een opmerking over quizzen**: Alle quizzen bevinden zich in de Quiz-App map, in totaal 40 quizzen met elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd of worden ingezet op Azure; volg de instructies in de `quiz-app` map. Ze worden geleidelijk gelokaliseerd.
> **Een notitie over quizzen**: Alle quizzen bevinden zich in de Quiz-App map, voor in totaal 40 quizzen met elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd of worden geïmplementeerd naar Azure; volg de instructies in de map `quiz-app`. Ze worden geleidelijk gelokaliseerd.
## 🎓 Voor beginners geschikte voorbeelden
**Nieuw in Data Science?** We hebben een speciale [voorbeeldmap](examples/README.md) gemaakt met eenvoudige, goed toegelichte code om je op weg te helpen:
**Nieuw in Data Science?** We hebben een speciale [voorbeeldenmap](examples/README.md) gemaakt met eenvoudige, goed becommentarieerde code om je op weg te helpen:
- 🌟 **Hello World** - Je eerste data science programma
- 🌟 **Hallo Wereld** - Je eerste data science programma
- 📂 **Gegevens laden** - Leer datasets lezen en verkennen
- 📊 **Eenvoudige analyse** - Bereken statistieken en vind patronen
- 📈 **Basisvisualisatie** - Maak grafieken en diagrammen
- 🔬 **Project uit de praktijk** - Volledig workflow van begin tot eind
- 🔬 **Echte wereld project** - Volledig workflow van begin tot eind
Elk voorbeeld bevat gedetailleerde commentaren die elke stap uitleggen, perfect voor absolute beginners!
Elk voorbeeld bevat gedetailleerde opmerkingen die elke stap uitleggen, perfect voor absolute beginners!
👉 **[Begin met de voorbeelden](examples/README.md)** 👈
## Lessen
||
||
|:---:|
| Data Science Voor Beginners: Routekaart - _Sketchnote door [@nitya](https://twitter.com/nitya)_ |
| Data Science Voor Beginners: Routekaart - _Schetsnotitie door [@nitya](https://twitter.com/nitya)_ |
| 01 | Wat is Data Science | [Introductie](1-Introduction/README.md) | Leer de basisbegrippen achter datawetenschap en hoe het verband houdt met kunstmatige intelligentie, machine learning en big data. | [les](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Ethiek in Data Science | [Introductie](1-Introduction/README.md) | Concepten, uitdagingen en kaders rondom data-ethiek. | [les](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Wat zijn Data | [Introductie](1-Introduction/README.md) | Hoe data wordt geclassificeerd en de gebruikelijke bronnen ervan. | [les](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 01 | Data Science definiëren | [Introductie](1-Introduction/README.md) | Leer de basisconcepten achter data science en hoe het gerelateerd is aan kunstmatige intelligentie, machine learning en big data. | [les](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Data Science ethiek | [Introductie](1-Introduction/README.md) | Concepten, uitdagingen en kaders van data-ethiek. | [les](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Data definiëren | [Introductie](1-Introduction/README.md) | Hoe data wordt geclassificeerd en de veelvoorkomende bronnen ervan. | [les](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introductie tot Statistiek & Kansrekening | [Introductie](1-Introduction/README.md) | De wiskundige technieken van kansrekening en statistiek om data te begrijpen. | [les](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Werken met Relationele Data | [Werken met Data](2-Working-With-Data/README.md) | Introductie tot relationele data en de basis van het verkennen en analyseren van relationele data met de Structured Query Language, ook wel SQL genoemd (uitgesproken als "see-quell"). | [les](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Werken met NoSQL Data | [Werken met Data](2-Working-With-Data/README.md) | Introductie tot niet-relationele data, de verschillende typen en de basis van het verkennen en analyseren van documentdatabases. | [les](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Werken met Python | [Werken met Data](2-Working-With-Data/README.md) | Basis van het gebruik van Python voor data-exploratie met bibliotheken zoals Pandas. Basiskennis van Python-programmering wordt aanbevolen. | [les](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Data Voorbereiding | [Werken met Data](2-Working-With-Data/README.md) | Onderwerpen over data-technieken voor het schoonmaken en transformeren van data om uitdagingen aan te pakken zoals ontbrekende, onnauwkeurige of onvolledige data. | [les](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualiseren van Hoeveelheden | [Data Visualisatie](3-Data-Visualization/README.md) | Leer hoe Matplotlib te gebruiken om vogeldatat te visualiseren 🦆 | [les](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualiseren van Verdelingen in Data | [Data Visualisatie](3-Data-Visualization/README.md) | Visualiseren van observaties en trends binnen een interval. | [les](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualiseren van Verhoudingen | [Data Visualisatie](3-Data-Visualization/README.md) | Visualiseren van discrete en gegroepeerde percentages. | [les](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualiseren van Relaties | [Data Visualisatie](3-Data-Visualization/README.md) | Visualiseren van verbindingen en correlaties tussen datasets en hun variabelen. | [les](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Betekenisvolle Visualisaties | [Data Visualisatie](3-Data-Visualization/README.md) | Technieken en richtlijnen voor het maken van waardevolle visualisaties voor effectief probleemoplossen en inzichten. | [les](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introductie tot de Data Science levenscyclus | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Introductie tot de data science levenscyclus en de eerste stap van het verwerven en extraheren van data. | [les](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 05 | Werken met relationele data | [Werken met Data](2-Working-With-Data/README.md) | Introductie tot relationele data en de basis van het verkennen en analyseren van relationele data met de Structured Query Language, ook wel SQL genoemd (uitgesproken als "see-quell"). | [les](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Werken met NoSQL data | [Werken met Data](2-Working-With-Data/README.md) | Introductie tot niet-relationele data, de verschillende types en de basis van het verkennen en analyseren van documentendatabases. | [les](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Werken met Python | [Werken met Data](2-Working-With-Data/README.md) | Basis van Python gebruiken voor data-exploratie met bibliotheken zoals Pandas. Basiskennis van Python programmeren wordt aanbevolen. | [les](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Gegevensvoorbereiding | [Werken met Data](2-Working-With-Data/README.md) | Onderwerpen over technieken voor het schoonmaken en transformeren van data om uitdagingen aan te pakken zoals ontbrekende, onnauwkeurige of onvolledige data. | [les](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualiseren van hoeveelheden | [Datavisualisatie](3-Data-Visualization/README.md) | Leer hoe je Matplotlib gebruikt om vogeldatagegevens te visualiseren 🦆 | [les](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualiseren van verdelingen van data | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van observaties en trends binnen een interval. | [les](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualiseren van verhoudingen | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van discrete en gegroepeerde percentages. | [les](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualiseren van relaties | [Datavisualisatie](3-Data-Visualization/README.md) | Visualiseren van verbanden en correlaties tussen datasets en hun variabelen. | [les](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Betekenisvolle visualisaties | [Datavisualisatie](3-Data-Visualization/README.md) | Technieken en richtlijnen om je visualisaties waardevol te maken voor effectieve probleemoplossing en inzichten. | [les](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introductie tot de data science levenscyclus | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Introductie tot de data science levenscyclus en de eerste stap van het verkrijgen en extraheren van data. | [les](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analyseren | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Deze fase van de data science levenscyclus richt zich op technieken om data te analyseren. | [les](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Communicatie | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Deze fase van de data science levenscyclus richt zich op het presenteren van inzichten uit data op een manier die besluitvormers helpt dit te begrijpen. | [les](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Deze serie lessen introduceert data science in de cloud en de voordelen ervan. | [les](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Modellen trainen met Low Code tools. |[les](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science in de Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Modellen uitrollen met Azure Machine Learning Studio. | [les](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science in de praktijk | [In de praktijk](6-Data-Science-In-Wild/README.md) | Data science gedreven projecten in de echte wereld. | [les](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 16 | Communicatie | [Levenscyclus](4-Data-Science-Lifecycle/README.md) | Deze fase van de data science levenscyclus richt zich op het presenteren van inzichten uit de data op een manier die het voor beslissers makkelijker maakt om te begrijpen. | [les](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science in de cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Deze reeks lessen introduceert data science in de cloud en de voordelen ervan. | [les](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science in de cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Modellen trainen met Low Code tools. |[les](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science in de cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Modellen implementeren met Azure Machine Learning Studio. | [les](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) en [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science in het wild | [In the Wild](6-Data-Science-In-Wild/README.md) | Data science gedreven projecten in de echte wereld. | [les](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Volg deze stappen om dit voorbeeld in een Codespace te openen:
1. Klik op het Code-menu en selecteer de optie Openen met Codespaces.
Volg deze stappen om dit voorbeeld te openen in een Codespace:
1. Klik op het Code dropdown-menu en selecteer de optie Openen met Codespaces.
2. Selecteer + Nieuwe codespace onderaan het paneel.
Voor meer informatie, bekijk de [GitHub documentatie](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Voor meer info, kijk in de [GitHub documentatie](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Volg deze stappen om deze repo in een container te openen met je lokale machine en VSCode met de VS Code Remote - Containers extensie:
1. Als dit je eerste keer is dat je een ontwikkelcontainer gebruikt, zorg dan dat je systeem voldoet aan de vereisten (zoals het geïnstalleerd hebben van Docker) in [de startdocumentatie](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Als dit je eerste keer is dat je een ontwikkelcontainer gebruikt, zorg dan dat je systeem voldoet aan de vereisten (bijv. Docker geïnstalleerd) in [de startgids](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Om deze repository te gebruiken, kun je de repository openen in een geïsoleerde Docker volume:
**Opmerking**: Onder de motorkap zal dit het Remote-Containers: **Clone Repository in Container Volume...** commando gebruiken om de broncode te klonen in een Docker volume in plaats van het lokale bestandssysteem. [Volumes](https://docs.docker.com/storage/volumes/) zijn de voorkeursmethode om containerdata te bewaren.
**Opmerking**: Onder de motorkap gebruikt dit de Remote-Containers: **Clone Repository in Container Volume...** opdracht om de broncode in een Docker volume te klonen in plaats van in het lokale bestandssysteem. [Volumes](https://docs.docker.com/storage/volumes/) zijn de geprefereerde methode om containerdata persistent te bewaren.
Of open een lokaal gekloonde of gedownloade versie van de repository:
- Clone deze repository naar je lokale bestandssysteem.
- Druk op F1 en selecteer het commando**Remote-Containers: Open Folder in Container...**.
- Selecteer de gekloonde kopie van deze map, wacht tot de container is gestart, en probeer het uit.
- Druk op F1 en selecteer de opdracht**Remote-Containers: Open Folder in Container...**.
- Selecteer de gekloonde kopie van deze map, wacht tot de container start, en probeer het uit.
## Offline toegang
Je kunt deze documentatie offline draaien met [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je lokale machine, typ dan in de hoofdmap van deze repo `docsify serve`. De website wordt geserveerd op poort 3000 op je localhost: `localhost:3000`.
Je kunt deze documentatie offline draaien met behulp van [Docsify](https://docsify.js.org/#/). Fork deze repo, [installeer Docsify](https://docsify.js.org/#/quickstart) op je lokale machine, en typ dan in de hoofdmap van deze repo `docsify serve`. De website zal dan op poort 3000 op je localhost worden geserveerd: `localhost:3000`.
> Let op, notebooks worden niet weergegeven via Docsify, dus wanneer je een notebook moet uitvoeren, doe dat dan apart in VS Code met een Python kernel.
> Let op, notebooks worden niet gerenderd via Docsify, dus wanneer je een notebook moet uitvoeren, doe dat dan apart in VS Code met een Python kernel.
## Andere curricula
## Andere curriculum
Ons team maakt ook andere curricula! Bekijk:
Ons team produceert ook andere curricula! Bekijk:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -218,46 +218,46 @@ Ons team maakt ook andere curricula! Bekijk:
---
### Generative AI Series
[](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)
### Generatieve AI Reeks
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Core Learning
### Kernleren
[](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/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 Series
### Copilot Reeks
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Problemen ondervonden?** Bekijk onze [Probleemoplossingsgids](TROUBLESHOOTING.md) voor oplossingen voor veelvoorkomende problemen.
Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met medeleerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende community waar vragen welkom zijn en kennis vrij gedeeld wordt.
Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met mede-leerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij wordt gedeeld.
Dit document is vertaald met behulp van de AI-vertalingsdienst [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel we streven naar nauwkeurigheid, dient u er rekening mee te houden dat automatische vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de originele taal moet als de gezaghebbende bron worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor enige misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.
**Disclaimer**:
Dit document is vertaald met behulp van de AI-vertalingsdienst [Co-op Translator](https://github.com/Azure/co-op-translator). Hoewel we streven naar nauwkeurigheid, dient u er rekening mee te houden dat geautomatiseerde vertalingen fouten of onjuistheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet als de gezaghebbende bron worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor eventuele misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.
# Khoa học dữ liệu cho người mới bắt đầu - Một chương trình học
# Khoa học dữ liệu cho người mới bắt đầu - Chương trình học
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
[](https://aka.ms/foundry/forum)
Nhóm Đại sứ Đám mây Azure tại Microsoft vui mừng cung cấp một chương trình học 10 tuần, 20 bài học toàn bộ về Khoa học Dữ liệu. Mỗi bài học bao gồm kiểm tra trước và sau bài, hướng dẫn chi tiết để hoàn thành bài học, lời giải và bài tập. Phương pháp học dựa trên dự án cho phép bạn học trong khi xây dựng, một cách đã được chứng minh để các kỹ năng mới "bám dính".
Các Nhà vận động Điện toán Đám mây Azure tại Microsoft vui mừng giới thiệu một chương trình học 10 tuần, 20 bài học hoàn toàn về Khoa học Dữ liệu. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn bằng văn bản để hoàn thành bài học, một giải pháp và một bài tập. Phương pháp giảng dạy dựa trên dự án cho phép bạn học đồng thời với việc xây dựng, một cách đã được chứng minh để các kỹ năng mới được "giữ lại".
**Xin chân thành cảm ơn các tác giả của chúng tôi:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
**Chân thành cảm ơn các tác giả của chúng tôi:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
**🙏 Đặc biệt cảm ơn 🙏 các tác giả, người đánh giá và đóng góp nội dung [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com/),** đặc biệt là Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
**🙏 Đặc biệt cảm ơn 🙏 các tác giả, người đánh giá và đóng góp nội dung [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/),** nổi bật là Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ, điều này làm tăng đáng kể kích thước tải xuống. Để sao chép mà không có bản dịch, hãy sử dụng sparse checkout:
> Kho lưu trữ này bao gồm hơn 50 bản dịch ngôn ngữ làm tăng kích thước tải xuống đáng kể. Để sao chép mà không có bản dịch, hãy sử dụng sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,211 +53,210 @@ Nhóm Đại sứ Đám mây Azure tại Microsoft vui mừng cung cấp một c
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Điều này cho bạn mọi thứ bạn cần để hoàn thành khóa học với tốc độ tải xuống nhanh hơn nhiều.
> Điều này cung cấp cho bạn tất cả những gì bạn cần để hoàn thành khóa học với tốc độ tải xuống nhanh hơn nhiều.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Nếu bạn muốn hỗ trợ thêm các ngôn ngữ dịch thuật, các ngôn ngữ được hỗ trợ được liệt kê [tại đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Nếu bạn muốn có thêm các ngôn ngữ bản dịch, các ngôn ngữ được hỗ trợ được liệt kê [tại đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Chúng tôi có một chuỗi học tập Discord với chủ đề AI đang diễn ra, tìm hiểu thêm và tham gia với chúng tôi tại [Chuỗi học với AI](https://aka.ms/learnwithai/discord) từ ngày 18 đến 30 tháng 9 năm 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.
Chúng tôi đang có một loạt chương trình học trên Discord với chủ đề học cùng AI, tìm hiểu thêm và tham gia cùng chúng tôi tại [Learn with AI Series](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9 năm 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.
# Bạn là sinh viên?
Bắt đầu với các tài nguyên sau đây:
Bắt đầu với các tài nguyên sau:
- [Trang Trung tâm Sinh viên](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Trong trang này, bạn sẽ tìm thấy tài nguyên dành cho người mới bắt đầu, bộ dụng cụ dành cho sinh viên và thậm chí cả cách nhận phiếu chứng nhận miễn phí. Đây là trang bạn nên đánh dấu trang và kiểm tra định kỳ 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 đại sứ sinh viên toàn cầu, đây có thể là con đường của bạn vào Microsoft.
- [Trang Trung tâm 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 bộ tài liệu dành cho sinh viên và thậm chí các cách để lấy voucher chứng nhận miễn phí. Đây là một trang bạn nên đánh dấu trang và kiểm tra định kỳ vì chúng tôi thay đổi nội dung ít nhất mỗi tháng.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Tham gia cộng đồng đại sứ sinh viên toàn cầu, đây có thể là con đường dẫn bạn đến Microsoft.
# Bắt đầu
## 📚 Tài liệu
- **[Hướng dẫn Cài đặt](INSTALLATION.md)** - Hướng dẫn từng bước thiết lập cho người mới bắt đầu
- **[Hướng dẫn Sử dụng](USAGE.md)** - Ví dụ và các quy trình làm việc phổ biến
- **[Khắc phục sự cố](TROUBLESHOOTING.md)** - Giải pháp cho các vấn đề thường gặp
- **[Hướng dẫn Đóng góp](CONTRIBUTING.md)** - Cách đóng góp cho dự án này
- **[Hướng dẫn cài đặt](INSTALLATION.md)** - Hướng dẫn cài đặt từng bước cho người mới
- **[Hướng dẫn sử dụng](USAGE.md)** - Ví dụ và các quy trình làm việc phổ biến
- **[Khắc phục sự cố](TROUBLESHOOTING.md)** - Giải pháp cho các sự cố thường gặp
- **[Hướng dẫn đóng góp](CONTRIBUTING.md)** - Cách đóng góp cho dự án này
- **[Dành cho Giáo viên](for-teachers.md)** - Hướng dẫn giảng dạy và tài nguyên lớp học
## 👨🎓 Dành cho Sinh viên
> **Người Mới Hoàn Toàn:** Mới bắt đầu với khoa học dữ liệu? Bắt đầu với các [ví dụ thân thiện cho người mới](examples/README.md)! Những ví dụ đơn giản, có chú thích đầy đủ này sẽ giúp bạn hiểu các khái niệm cơ bản trước khi bước vào toàn bộ chương trình.
> **[Sinh viên](https://aka.ms/student-page):** để sử dụng chương trình này một cách độc lập, hãy fork toàn bộ repo và hoàn thành các bài tập một mình, bắt đầu với bài kiểm tra trước bài giảng. 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 thư mục /solutions trong mỗi bài học theo dự án. Một ý tưởng khác là lập nhóm học với bạn bè và cùng nhau học nội dung. Để học thêm, chúng tôi khuyên dùng [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Hoàn toàn mới**: Mới 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 đầy đủ này sẽ giúp bạn hiểu được cơ bản trước khi bước vào toàn bộ chương trình học.
> **[Sinh viên](https://aka.ms/student-page)**: để sử dụng chương trình học này một mình, hãy fork toàn bộ repo và hoàn thành các bài tập một mình, bắt đầu bằng bài kiểm tra trước bài giảng. Sau đó đọc bài giảng và hoàn thành các hoạt động còn lại. Cố gắng tạo ra các dự án bằng cách hiểu bài học hơn là sao chép mã giải pháp; tuy nhiên, mã đó có sẵn trong các thư mục /solutions trong mỗi bài học theo dự án. Một ý tưởng khác là thành lập nhóm học cùng bạn bè và cùng nhau học nội dung. Để học sâu hơn, chúng tôi khuyên bạn nên dùng [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Bắt đầu nhanh:**
1. Kiểm tra [Hướng dẫn Cài đặt](INSTALLATION.md) để thiết lập môi trường của bạn
2. Xem qua [Hướng dẫn Sử dụng](USAGE.md) để học cách làm việc với chương trình học
3. Bắt đầu với Bài 1 và làm lần lượt theo thứ tự
4. Tham gia cộng đồng [Discord của chúng tôi](https://aka.ms/ds4beginners/discord) để được hỗ trợ
1. Xem [Hướng dẫn cài đặt](INSTALLATION.md) để thiết lập môi trường của bạn
2. Xem qua [Hướng dẫn sử dụng](USAGE.md) để học cách làm việc với chương trình học
3. Bắt đầu với Bài học 1 và làm tuần tự
4. Tham gia [cộng đồng Discord](https://aka.ms/ds4beginners/discord) để được hỗ trợ
## 👩🏫 Dành cho Giáo viên
> **Giáo viên**: chúng tôi đã [bao gồm một số đề xuất](for-teachers.md) về cách sử dụng chương trình giảng dạy 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)!
> **Giáo viên**: chúng tôi đã [bao gồm một số gợi ý](for-teachers.md) về cách sử dụng chương trình giảng dạy 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)!
> 🎥 Nhấn vào hình ảnh ở trên để xem video về dự án và những người đã tạo ra nó!
> 🎥 Nhấp vào hình ảnh phía trên để xem video về dự án và những người đã tạo ra nó!
## Phương pháp giảng dạy
Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình giảng dạy này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Vào cuối chuỗi này, học viên sẽ học được các nguyên tắc cơ bản về khoa học dữ liệu, bao gồm các khái niệm về đạo đức, chuẩn bị dữ liệu, các cách khác nhau để làm việc với dữ liệu, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp sử dụng khoa học dữ liệu trong thực tế, và nhiều hơn nữa.
Chúng tôi đã chọn hai nguyên tắc giảng dạy khi xây dựng chương trình này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Đến cuối loạt bài này, học sinh 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 khác nhau để làm việc 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 nhẹ nhàng trước lớp tạo ý định học tập cho học viên về một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ lâu dài hơn. Chương trình giảng dạy này được thiết kế để linh hoạt và thú vị, có thể học toàn bộ hoặc một phần. Các dự án bắt đầu nhỏ và ngày càng phức tạp hơn vào cuối chu kỳ 10 tuần.
Ngoài ra, một bài kiểm tra nhẹ nhàng trước khi lên lớp sẽ thiết lập mục đích học tập của học viên về một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ lâu hơn. Chương trình này được thiết kế linh hoạt và vui nhộn và có thể được học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn theo chu kỳ 10 tuần.
> Tìm [Bộ Quy tắc Ứng xử](CODE_OF_CONDUCT.md), hướng dẫn [Đóng góp](CONTRIBUTING.md), [Dịch thuật](TRANSLATIONS.md). Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn!
> Tìm [Bộ quy tắc ứng xử](CODE_OF_CONDUCT.md), [Hướng dẫn đóng góp](CONTRIBUTING.md), [Dịch thuật](TRANSLATIONS.md) của chúng tôi. Chúng tôi rất hoan nghênh phản hồi xây dựng của bạn!
## Mỗi bài học bao gồm:
- Sketchnote tùy chọn
- Ghi chú tóm tắt tùy chọn
- Video bổ sung tùy chọn
- Bài kiểm tra khởi động trước bài học
- Bài học bằng văn bản
- Đối với các bài học dựa trên dự án, hướng dẫn từng bước cách xây dựng dự án
- Đối với các bài học dựa trên dự án, hướng dẫn từng bước để xây dựng dự án
- Kiểm tra kiến thức
- Một thử thách
- Đọc thêm bổ sung
- Bài tập
- [Bài kiểm tra sau bài học](https://ff-quizzes.netlify.app/en/)
- Bài đọc bổ sung
- 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 đều nằm trong thư mục Quiz-App, tổng cộng 40 bài kiểm tra với mỗi bài 3 câu hỏi. Các bài kiểm tra được liên kết trong các bài học, nhưng ứng dụng kiểm tra có thể chạy cục bộ hoặc được triển khai trên Azure; hãy làm theo hướng dẫn trong thư mục `quiz-app`. Các bài kiểm tra đang được dịch dần dần.
> **Lưu ý về bài kiểm tra**: Tất cả các bài kiểm tra được chứa trong thư mục Quiz-App, tổng cộng 40 bài kiểm tra với mỗi bài 3 câu hỏi. Chúng được liên kết trong các bài học, nhưng ứng dụng kiểm tra có thể chạy cục bộ hoặc triển khai trên Azure; làm theo hướng dẫn trong thư mục `quiz-app`. Chúng đang dần được địa phương hóa.
## 🎓 Ví dụ Thân thiện với Người mới bắt đầu
## 🎓 Ví dụ thân thiện với người mới bắt đầu
**Mới làm quen với Khoa học Dữ liệu?** Chúng tôi đã tạo một [thư mục ví dụ đặc biệt](examples/README.md) với mã nguồn đơn giản, có chú thích rõ ràng để giúp bạn bắt đầu:
**Mới với Khoa học Dữ liệu?** Chúng tôi đã tạo một thư mục [ví dụ đặc biệt](examples/README.md) với mã đơn giản, có chú thích rõ ràng để giúp bạn bắt đầu:
- 🌟 **Hello World** - Chương trình khoa học dữ liệu đầu tiên của bạn
- 📂 **Tải Dữ liệu** - Học cách đọc và khám phá bộ dữ liệu
- 📊 **Phân tích Đơn giản** - Tính toán thống kê và tìm kiếm mẫu
- 📈 **Trực quan hóa Cơ bản** - Tạo biểu đồ và đồ thị
- 🔬 **Dự án Thực tế** - Quy trình hoàn chỉnh từ đầu đến cuối
- 📂 **Tải dữ liệu** - Học cách đọc và khám phá các bộ dữ liệu
- 📊 **Phân tích đơn giản** - Tính toán thống kê và tìm các 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 tuyệt đối!
Mỗi ví dụ đều có chú thích chi tiết giải thích từng bước, phù hợp hoàn hảo cho người mới bắt đầu hoàn toàn!
👉 **[Bắt đầu với các ví dụ](examples/README.md)** 👈
## Các bài học
||
||
|:---:|
| Lộ trình Khoa học Dữ liệu cho Người mới bắt đầu - _Sketchnote bởi [@nitya](https://twitter.com/nitya)_ |
| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Bài học liên kết | Tác giả |
| 01 | Định nghĩa Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | 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) |
| 02 | Đạo đức Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Các khái niệm, thách thức và khuôn khổ về đạo đức dữ liệu. | [bài học](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Định nghĩa Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Cách 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 cơ bản về khám phá và phân tích dữ liệu quan hệ với Ngôn ngữ Truy vấn Có cấu trúc, còn gọi là SQL (phát âm “xi-kwel”). | [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 cơ bản về khám phá và phân tích các 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) | Cơ bản về sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Khuyến nghị có kiến thức nền tảng về lập trình Python. | [bài học](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Chuẩn bị Dữ liệu | [Làm việc với dữ liệu](2-Working-With-Data/README.md) | Các chủ đề về kỹ thuật dữ liệu để làm sạch và chuyển đổi dữ liệu nhằm 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 chim 🦆 | [bài học](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Trực quan hóa Phân bố Dữ liệu | [Trực quan hóa dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các quan sát và xu hướng trong một khoảng. | [bài học](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Trực quan hóa Tỷ lệ | [Trực quan hóa dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa 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 bộ dữ liệu và các biến của chúng. | [bài học](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Trực quan hóa Có ý nghĩa | [Trực quan hóa dữ liệu](3-Data-Visualization/README.md) | Các kỹ thuật và hướng dẫn giúp trực quan hóa của bạn có giá trị cho việc giải quyết vấn đề và sẽ kiến hiệu quả. | [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 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 những hiểu biết từ dữ liệu theo cách giúp người ra quyết định dễ hiểu hơn. | [bài học](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Chuỗi bài học này giới thiệu về khoa học dữ liệu trên đám mây và các lợi ích của nó. | [bài học](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 18 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Huấn luyện mô hình sử dụng công cụ Low Code. |[bài học](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 19 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Triển khai mô hình với Azure Machine Learning Studio. | [bài học](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 20 | Khoa học Dữ liệu trong Thực tế | [Trong Thực tế](6-Data-Science-In-Wild/README.md) | Các dự án dựa trên khoa học dữ liệu trong thế giới thực. | [bài học](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| Khoa học Dữ liệu cho Người mới bắt đầu: Lộ trình - _Ghi chú tóm tắt bởi [@nitya](https://twitter.com/nitya)_ |
| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Liên kết bài học | Tác giả |
| 01 | Định nghĩa Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Học các khái niệm cơ bản về khoa học dữ liệu và cách nó liên quan đến trí tuệ nhân tạo, học máy, và dữ liệu lớn. | [bài học](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Đạo đức trong Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | 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 dữ liệu được phân loại và các nguồn phổ biến. | [bài học](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Giới thiệu thống kê & xác suất | [Giới thiệu](1-Introduction/README.md) | Các kỹ thuật toán học về xác suất và thống kê để hiểu dữ liệu. | [bài học](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Làm việc với Dữ liệu Quan hệ | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu dữ liệu quan hệ và các kiến thức cơ bản về khám phá và phân tích dữ liệu quan hệ với Ngôn ngữ Truy vấn Cấu trúc, hay gọi là SQL (đọc 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 dữ liệu phi quan hệ, các loại khác nhau và kiến thức cơ bản về khám phá và phân tích cơ sở dữ liệu tài liệu. | [bài học](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Làm việc với Python | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Cơ bản sử dụng Python cho khám phá dữ liệu với các thư viện như Pandas. Khuyến nghị có hiểu biết nền tảng lập trình Python. | [bài học](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Chuẩn bị Dữ liệu | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Các chủ đề về kỹ thuật dữ liệu để làm sạch và biến đổi dữ liệu nhằm xử lý các thách thức về dữ liệu thiếu, không chính xác, hoặc không đầy đủ. | [bài học](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Trực quan hóa Số lượng | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Học cách sử dụng Matplotlib để trực quan hóa dữ liệu về chim 🦆 | [bài học](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Trực quan hóa Phân bố Dữ liệu | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các quan sát và xu hướng trong một khoảng 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 tỷ lệ phần trăm rời rạc và nhóm. | [bài học](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Trực quan hóa Mối quan hệ | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các kết nối và tương quan giữa các tập dữ liệu và các biến của chúng. | [bài học](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Trực quan hóa Có ý nghĩa | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Kỹ thuật và hướng dẫn để làm trực quan hóa của bạn có giá trị cho việc giải quyết vấn đề hiệu quả và đưa ra những hiểu biết. | [bài học](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Giới thiệu vòng đời Khoa học Dữ liệu | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giới thiệu về vòng đời khoa học dữ liệu và bước đầu tiên là thu 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 trong vòng đời khoa học dữ liệu tập trung vào các kỹ thuật phân tích dữ liệu. | [bài học](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Truyền đạt | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn trong vòng đời khoa học dữ liệu tập trung vào trình bày những hiểu biết 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 mây | [Dữ liệu trên mây](5-Data-Science-In-Cloud/README.md) | Loạt bài 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 mây | [Dữ liệu trên mây](5-Data-Science-In-Cloud/README.md) | Huấn luyện mô hình bằng công cụ Low Code. |[bài học](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 19 | Khoa học Dữ liệu trên mây | [Dữ liệu trên mây](5-Data-Science-In-Cloud/README.md) | Triển khai mô hình với Azure Machine Learning Studio. | [bài học](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
| 20 | Khoa học Dữ liệu trong thực tế | [Trong thực tế](6-Data-Science-In-Wild/README.md) | Các dự án khoa học dữ liệu ứng dụng trong thế giới thực. | [bài học](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Làm theo các bước sau để mở mẫu này trong một Codespace:
1. Nhấp vào menu thả xuống Code và chọn tùy chọn Mở với Codespaces.
2. Chọn + Codespace mới ở dưới cùng của bảng điều khiển.
Thực hiện các bước sau để mở mẫu này trong một 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, 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
Làm theo các bước này để mở kho lưu trữ này trong container sử dụng máy tính cục bộ của bạn và VSCode với phần mở rộng VS Code Remote - Containers:
Thực hiện các bước sau để mở repo này trong container bằng máy cục bộ và VSCode sử dụng extension VS Code Remote - Containers:
1. Nếu đây là lần đầu bạn sử dụng container phát triển, hãy đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ đã cài Docker) trong [tài liệu hướng dẫn bắt đầu](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Nếu đây là lần đầu tiên bạn sử dụng container phát triển, vui lòng đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ đã cài Docker) trong [tài liệu hướng dẫn 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 cô lập:
Để sử dụng repo này, bạn có thể mở repo trong một Docker volume cô lập:
**Lưu ý**: Về mặt kỹ thuật, điều này sẽ sử dụng lệnh Remote-Containers: **Clone Repository in Container Volume...** để nhân bản mã nguồn trong một volume Docker thay vì trong hệ thống tệp cục bộ. [Volumes](https://docs.docker.com/storage/volumes/) là cơ chế ưu tiên để lưu trữ dữ liệu container.
**Lưu ý**: Về cơ bản, điều này sẽ sử dụng lệnh Remote-Containers: **Clone Repository in Container Volume...** để sao chép mã nguồn vào Docker volume thay vì hệ thống tập tin cục bộ. [Volumes](https://docs.docker.com/storage/volumes/) là cơ chế được khuyến nghị để lưu trữ dữ liệu container.
Hoặc mở bản sao đã clone hoặc tải về kho lưu trữ tại máy cục bộ:
Hoặc mở bản sao repo đã clone hoặc tải về trên máy cục bộ:
- Clone kho lưu trữ này về hệ thống tập tin cục bộ.
- Sao chép repo này vào hệ thống tập tin local của bạn.
- Nhấn F1 và chọn lệnh **Remote-Containers: Open Folder in Container...**.
- Chọn thư mục đã clone này, chờ container khởi động và thử nghiệm.
- Chọn thư mục đã sao chép, chờ container khởi động và thử nghiệm.
## Truy cập ngoại tuyến
## Truy cập Offline
Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy cục bộ, sau đó ở thư mục gốc của repo, gõ lệnh `docsify serve`. Trang web sẽ được phục vụ tại cổng 3000 trên localhost của bạn: `localhost:3000`.
Bạn có thể chạy tài liệu này offline bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy local của bạn, rồi trong thư mục gốc của repo, nhập `docsify serve`. Website sẽ chạy trên cổng 3000 ở localhost: `localhost:3000`.
> Lưu ý, các notebook sẽ không được render qua Docsify, nên khi cần chạy notebook, hãy chạy riêng trong VS Code với kernel Python.
> Lưu ý, các notebook sẽ không được hiển thị qua Docsify, vì vậy khi bạn cần chạy notebook, hãy làm điều đó riêng trong VS Code với kernel Python.
## Các Chương trình Giảng dạy Khác
## Các chương trình giảng dạy khác
Nhóm chúng tôi còn sản xuất các chương trình giảng dạy khác! Hãy xem qua:
Đội ngũ của chúng tôi còn sản xuất nhiều chương trình giảng dạy khác! Hãy xem:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Chuỗi AI Sinh tạo
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Học tập cốt lõi
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### Học tập Cốt lõi
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Chuỗi Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Gặp vấn đề?** Kiểm tra [Hướng dẫn khắc phục sự cố](TROUBLESHOOTING.md) của chúng tôi để tìm giải pháp cho các vấn đề phổ biến.
**Gặp sự cố?** Hãy xem [Hướng dẫn Khắc phục sự cố](TROUBLESHOOTING.md) để tìm giải pháp cho các vấn đề phổ biến.
Nếu bạn bị kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng những người học khác và các nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng thân thiện, nơi mọi câu hỏi đều được chào đón và kiến thức được chia sẻ tự do.
Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng các học viên và nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là cộng đồng hỗ trợ, nơi các câu hỏi được chào đón và kiến thức được chia sẻ tự do.
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Từ chối trách nhiệm**:
Tài liệu này đã được dịch sử dụng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi nỗ lực đảm bảo tính 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 nguyên bản của nó nên được coi là nguồn tham khảo chính xác nhất. Đối với thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp bởi con người. Chúng tôi không chịu trách nhiệm về bất kỳ hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.
**Tuyên bố từ chối trách nhiệm**:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc sự không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được xem là nguồn chính xác và đáng tin cậy. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp bởi con người. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.
localizeflow[bot]
6 days ago