# Duomenų mokslas pradedantiesiems – mokymo programa
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
„Microsoft“ Azure Cloud advokatai džiaugiasi galėdami pasiūlyti 10 savaičių, 20 pamokų mokymo programą apie duomenų mokslą. Kiekviena pamoka apima priešpamokinius ir po pamokinius testus, rašytines pamokos vykdymo instrukcijas, sprendimą ir užduotį. Mūsų projektinis mokymo metodas leidžia mokytis darant, o tai yra patikrintas būdas naujoms žinioms įsisavinti.
„Microsoft“ Azure Cloud advokatai džiaugiasi galėdami pasiūlyti 10 savaičių, 20 pamokų mokymo programą, skirtą Duomenų mokslo temai. Kiekviena pamoka apima prieš pamoką ir po pamokos testus, rašytines instrukcijas pamokai atlikti, sprendimą ir užduotį. Mūsų projektiniu pagrindu grindžiamas mokymosi metodas leidžia mokytis kurti iš karto – tai patikrintas būdas, kaip nauji įgūdžiai „įsitvirtina“.
> Ši saugykla apima daugiau nei 50 kalbų vertimų, dėl ko žymiai išauga atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite sparse checkout:
> Šiame saugykloje yra daugiau nei 50 kalbų vertimų, dėl ko žymiai padidėja atsisiuntimo dydis. Norėdami klonuoti be vertimų, naudokite sparsų atsisiuntimą:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,155 +53,155 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Tai suteikia jums viską, ko reikia norint baigti kursą daug greičiau atsisiunčiant.
> Tai suteikia viską, ko reikia kursui užbaigti, su daug greitesniu atsisiuntimu.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Jei norite papildomų palaikomų vertimų kalbų, sąrašas pateikiamas [čia](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Jei norite palaikyti papildomas vertimo kalbas, jos yra išvardytos [čia](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Turime vykstančią Discord mokymosi su AI seriją, sužinokite daugiau ir prisijunkite prie mūsų adresu [Learn with AI Series](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 iki 30 dienos. Gaunate patarimus ir gudrybes, kaip naudoti GitHub Copilot duomenų mokslui.
Vyksta Discord paskaitų serija „Mokykimės su dirbtiniu intelektu“, sužinokite daugiau ir prisijunkite prie mūsų [mokymosi su DI serijos](https://aka.ms/learnwithai/discord) nuo 2025 m. rugsėjo 18 iki 30 d. Jūs gausite patarimų ir gudrybių, kaip naudoti GitHub Copilot duomenų moksle.
# Ar esate studentas?
Pradėkite naudodamiesi šiais ištekliais:
Pradėkite nuo šių išteklių:
- [Studentų hub puslapis](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Šiame puslapyje rasite pradedančiųjų išteklius, studentų paketus ir net būdus gauti nemokamą sertifikato kuponą. Tai puslapis, kurį verta įsidėti į žymes ir patikrinti kartas nuo karto, nes mums kas mėnesį atnaujinamas turinys.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Prisijunkite prie pasaulinės studentų ambasadorių bendruomenės– tai gali būti jūsų kelias į Microsoft.
- [Studentų centras](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Šiame puslapyje rasite pradedančiųjų išteklius, studentų paketus ir net galimybes gauti nemokamą sertifikato kuponą. Tai puslapis, kurį verta užsirašyti ir reguliariai patikrinti, nes turinys atnaujinamas bent kartą per mėnesį.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Prisijunkite prie pasaulinės studentų ambasadorių bendruomenės, tai gali būti jūsų kelias į Microsoft.
# Pradžia
## 📚 Dokumentacija
- **[Įdiegimo gidas](INSTALLATION.md)** – žingsnis po žingsnio įdiegimo instrukcijos pradedantiesiems
- **[Naudojimo gidas](USAGE.md)** – pavyzdžiai ir dažni darbo procesai
- **[Prisidėjimo gidas](CONTRIBUTING.md)** – Kaip prisidėti prie šio projekto
- **[Mokytojams](for-teachers.md)** –Mokymo gairės ir klasės ištekliai
- **[Įdiegimo vadovas](INSTALLATION.md)** – žingsnis po žingsnio instrukcijos pradedantiesiems
- **[Naudojimo vadovas](USAGE.md)** – pavyzdžiai ir įprasti darbo procesai
- **[Probleminio sprendimo gidas](TROUBLESHOOTING.md)** – sprendimai dažnoms problemoms
- **[Prisidėjimo vadovas](CONTRIBUTING.md)** – kaip prisidėti prie šio projekto
- **[Mokytojams](for-teachers.md)** –mokymo gairės ir klasės ištekliai
## 👨🎓 Studentams
> **Visiškai pradedantiesiems:** Naujokas duomenų moksle? Pradėkite nuo mūsų [pradedančiųjų draugiškų pavyzdžių](examples/README.md)! Šie paprasti ir gerai paaiškinti pavyzdžiai padės suprasti pagrindus prieš imantis visos mokymo programos.
> **[Studentams](https://aka.ms/student-page)**: norint naudoti šią mokymo programą savarankiškai, sukurkite viso saugyklos forką ir savarankiškai atlikite pratimus, pradedant priešpaskaitos testu. Tada perskaitykite paskaitą ir atlikite likusias užduotis. Stenkitės kurti projektus suprasdami pamokas, o ne kopijuodami sprendimų kodą; tačiau šis kodas prieinamas /solutions aplankuose kiekvienoje projektų orientuotoje pamokoje. Kita idėja – sukurti mokymosi grupę su draugais ir kartu peržiūrėti turinį. Tolimesniam mokymuisi rekomenduojame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Pilni pradedantieji:** Nauji duomenų moksle? Pradėkite nuo mūsų [pradedančiųjų pavyzdžių](examples/README.md)! Šie paprasti, gerai paaiškinti pavyzdžiai padės suprasti pagrindus prieš imantis visos programos.
> **[Studentai](https://aka.ms/student-page):** norėdami naudotis programa savarankiškai, galite suforkinti visą saugyklą ir savarankiškai atlikti pratimus, pradėdami nuo testuko prieš paskaitą. Tada perskaitykite paskaitą ir atlikite likusias veiklas. Stenkitės kurti projektus suprasdami pamokas, o ne kopijuodami sprendimų kodą; tačiau tas kodas yra prieinamas /solutions aplankuose kiekvienoje projekto pamokoje. Kita idėja – sukurti mokymosi grupę su draugais ir kartu peržiūrėti medžiagą. Tolimesniam mokymuisi rekomenduojame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Greitas startas:**
1. Peržiūrėkite [Įdiegimo gidą](INSTALLATION.md) savo aplinkos paruošimui
2. Susipažinkite su [Naudojimo gidu](USAGE.md), kaip dirbti su mokymo programa
3. Pradėkite nuo 1-os pamokos ir dirbkite paeiliui
**Greitas pradžios planas:**
1. Peržiūrėkite [Įdiegimo vadovą](INSTALLATION.md), kad sukonfigūruotumėte aplinką
2. Susipažinkite su [Naudojimo vadovu](USAGE.md), kad sužinotumėte, kaip dirbti su programa
3. Pradėkite nuo 1-os pamokos ir dirbkite nuosekliai
4. Prisijunkite prie mūsų [Discord bendruomenės](https://aka.ms/ds4beginners/discord) pagalbai
## 👩🏫 Mokytojams
> **Mokytojams**: mes [įtraukėme keletą pasiūlymų](for-teachers.md), kaip naudoti šią mokymo programą. Laukiame jūsų atsiliepimų [mūsų diskusijų forume](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Mokytojams**: mes įtraukėme [keletą pasiūlymų](for-teachers.md), kaip naudoti šią mokymo programą. Laukiame jūsų atsiliepimų [mūsų diskusijų forume](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Spauskite paveikslėlį aukščiau, kad pamatytumėte vaizdo įrašą apie projektą ir jį sukūrusius žmones!
> 🎥 Spustelėkite aukščiau esantį vaizdą, kad peržiūrėtumėte vaizdo įrašą apie projektą ir žmones, kurie jį sukūrė!
## Pedagogika
Kuriant šią mokymo programą pasirinkome dvi pedagogines nuostatas: užtikrinti, kad ji būtų pagrįsta projektais ir kad būtų dažnai atliekami testai. Šios serijos pabaigoje studentai išmoks pagrindines duomenų mokslo principus, įskaitant etikos sąvokas, duomenų paruošimą, įvairius būdus dirbti su duomenimis, duomenų vizualizaciją, duomenų analizę, realaus pasaulio duomenų mokslo panaudojimo atvejus ir daug daugiau.
Kurdami šią mokymo programą pasirinkome du pedagoginius principus: užtikrinti, kad ji būtų paremta projektais ir apimtų dažnus testus. Baigus šią seriją studentai išmoks pagrindines duomenų mokslo taisykles, įskaitant etikos koncepcijas, duomenų paruošimą, skirtingus duomenų apdorojimo būdus, duomenų vizualizaciją, duomenų analizę, realius duomenų mokslo panaudojimo atvejus ir daugiau.
Be to, žemos rizikos testas prieš pamoką nustato studento ketinimą mokytis tam tikros temos, o antras testas po pamokos užtikrina geresnį žinių įsisavinimą. Ši mokymo programa sukurta būti lanksti ir įdomi, ją galima atlikti visiškai arba dalimis. Projektai prasideda nuo mažų ir tampa vis sudėtingesni per 10 savaičių ciklą.
Be to, prieš paskaitą rengiamas mažos svarbos testas skatina mokinių norą mokytis temą, o antras testas po paskaitos užtikrina geresnį įsisavinimą. Ši mokymo programa sukurta būti lanksti ir įdomi, ją galima atlikti visą arba atskiras dalis. Projektai prasideda nuo mažesnių ir palaipsniui tampa sudėtingesni per 10 savaičių ciklą.
- [Testą po pamokos](https://ff-quizzes.netlify.app/en/)
> **Pastaba apie testus**: visi testai yra Quiz-App aplanke, kur yra 40 testų po tris klausimus kiekviename. Jie yra susieti iš pamokų, bet testų programėlę galima paleisti vietoje arba diegti Azure; sekite instrukcijas `quiz-app` aplanke. Testai palaipsniui lokalizuojami.
> **Pastaba apie testus**: visi testai yra Quiz-App aplanke, iš viso 40 testų po tris klausimus. Jie susieti pamokose, bet testų programėlę galima paleisti vietoje arba įdiegti į Azure; vykdykite nurodymus `quiz-app` aplanke. Jie palaipsniui yra lokalizuojami.
## 🎓 Pradedančiųjų draugiški pavyzdžiai
## 🎓 Pavyzdžiai pradedantiesiems
**Naujas duomenų moksle?** Mes sukūrėme specialų [pavyzdžių katalogą](examples/README.md) su paprastu, gerai paaiškintu kodu, kad padėtume jums pradėti:
**Naujas duomenų mokslui?** Sukūrėme specialų [pavyzdžių katalogą](examples/README.md) su paprastu, gerai komentuotu kodu, padedančiu pradėti:
- 🌟 **Hello World**–jūsų pirmoji duomenų mokslo programa
- 📂 **Duomenų įkėlimas**–sužinokite, kaip skaityti ir tyrinėti duomenų rinkinius
- 📊 **Paprasta analizė**–apskaičiuokite statistiką ir suraskite dėsningumus
- 📈 **Pagrindinė vizualizacija**–kurkite diagramas ir grafikus
- 🔬 **Realaus pasaulio projektas** – baigtinis darbo eiga nuo pradžios iki pabaigos
- 🌟 **Hello World**–Jūsų pirmoji duomenų mokslo programa
- 📂 **Duomenų įkėlimas**–Išmokite skaityti ir tyrinėti duomenų rinkinius
- 📊 **Paprasta analizė**–Apskaičiuokite statistinius duomenis ir raskite dėsningumus
- 📈 **Pagrindinė vizualizacija**–Kurkite diagramas ir grafikus
- 🔬 **Realus projektas** – Pilnas darbo procesas nuo pradžios iki pabaigos
Kiekvienas pavyzdys apima detalius komentarus, paaiškinančius kiekvieną žingsnį, todėl jis puikiai tinka absoliučioms pradedančiųjų pamokoms!
Kiekviename pavyzdyje pateikti išsamūs komentarai paaiškina kiekvieną žingsnį – tai puiku visiškiems pradedantiesiems!
👉 **[Pradėkite nuo pavyzdžių](examples/README.md)** 👈
## Pamokos
||
||
|:---:|
| Duomenų mokslas pradedantiesiems: kelias - _Eskizo užrašas autoriaus [@nitya](https://twitter.com/nitya)_ |
| Duomenų mokslas pradedantiesiems: kelio žemėlapis - _Eskizas sukurtas [@nitya](https://twitter.com/nitya)_ |
| Pamokos numeris | Tema | Pamokų grupė | Mokymosi tikslai | Susieta pamoka | Autorius |
| Pamokos numeris | Tema | Pamokos grupė | Mokymosi tikslai | Susieta pamoka | Autorius |
| 01 | Duomenų mokslo apibrėžimas | [Įvadas](1-Introduction/README.md) | Sužinoti pagrindines duomenų mokslo sampratas ir kaip jis siejasi su dirbtiniu intelektu, mašininiu mokymusi ir didžiaisiais duomenimis. | [pamoka](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitrijus](http://soshnikov.com) |
| 02 | Duomenų mokslo etika | [Įvadas](1-Introduction/README.md) | Duomenų etikos sampratos, iššūkiai ir sistemos. | [pamoka](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Duomenų apibrėžimas | [Įvadas](1-Introduction/README.md) | Kaip klasifikuojami duomenys ir jų dažniausios kilmės. | [pamoka](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Įvadas į statistiką ir tikimybes | [Įvadas](1-Introduction/README.md) | Matematiniai tikimybės ir statistikos metodai duomenų supratimui. | [pamoka](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitrijus](http://soshnikov.com) |
| 05 | Darbas su reliaciniais duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į reliacinius duomenis ir pagrindai, kaip tyrinėti ir analizuoti reliacinius duomenis naudojant struktūrinę užklausų kalbą, žinomą kaip SQL (išreiškiama „ši-kvel“). | [pamoka](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Darbas su NoSQL duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į neleriacinius duomenis, jų tipus ir pagrindus, kaip tyrinėti ir analizuoti dokumentų duombazes. | [pamoka](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Darbas su Python | [Darbas su duomenimis](2-Working-With-Data/README.md) | Pagrindai, kaip naudoti Python duomenų tyrimui su bibliotekomis, tokiomis kaip Pandas. Rekomenduojama turėti pagrindines Python programavimo žinias. | [pamoka](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitrijus](http://soshnikov.com) |
| 08 | Duomenų paruošimas | [Darbas su duomenimis](2-Working-With-Data/README.md) | Temų apie duomenų valymo ir transformavimo metodus, kaip spręsti praleistų, netikslių ar neišsamių duomenų problemas. | [pamoka](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kiekių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Sužinokite, kaip naudoti Matplotlib paukščių duomenų vizualizavimui 🦆 | [pamoka](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Duomenų pasiskirstymo vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Stebėjimų ir tendencijų intervale vizualizavimas. | [pamoka](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Proporcijų vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Diskrečios ir grupuotos procentinės dalys vizualizuojamos. | [pamoka](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Ryšių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Ryšių ir koreliacijų tarp duomenų rinkinių ir jų kintamųjų vizualizavimas. | [pamoka](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Reikšmingos vizualizacijos | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Technikos ir gairės, kaip jūsų vizualizacijas padaryti vertingas efektyviam problemų sprendimui ir įžvalgoms. | [pamoka](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Įvadas į duomenų mokslo ciklą | [Ciklas](4-Data-Science-Lifecycle/README.md) | Įvadas į duomenų mokslo ciklą ir jo pirmą žingsnį – duomenų gavimą ir išgavimą. | [pamoka](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Duomenų analizė | [Ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo ciklo fazė koncentruojasi į technikas, skirtas duomenų analizei. | [pamoka](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikacija | [Ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo ciklo fazė akcentuoja įžvalgų iš duomenų pateikimą taip, kad sprendimų priėmėjams būtų lengviau suprasti. | [pamoka](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Ši pamokų serija supažindina su duomenų mokslo naudojimu debesyje ir jo privalumais. | [pamoka](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 18 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių mokymas naudojant Low Code įrankius. |[pamoka](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 19 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių diegimas su Azure Machine Learning Studio. | [pamoka](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 20 | Duomenų mokslas realiame pasaulyje | [Realiame pasaulyje](6-Data-Science-In-Wild/README.md) | Duomenų mokslo valdomi projektai realiame pasaulyje. | [pamoka](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Duomenų mokslo apibrėžimas | [Įvadas](1-Introduction/README.md) | Sužinokite pagrindines duomenų mokslo sąvokas ir kaip jis susijęs su dirbtiniu intelektu, mašininio mokymosi bei didžiųjų duomenų apdorojimu. | [pamoka](1-Introduction/01-defining-data-science/README.md) [vaizdo įrašas](https://youtu.be/beZ7Mb_oz9I) | [Dmitrijus](http://soshnikov.com) |
| 02 | Duomenų mokslo etika | [Įvadas](1-Introduction/README.md) | Duomenų etikos sąvokos, iššūkiai ir pagrindai. | [pamoka](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Duomenų apibrėžimas | [Įvadas](1-Introduction/README.md) | Kaip klasifikuojami duomenys ir jų įprasti šaltiniai. | [pamoka](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Įvadas į statistiką ir tikimybes | [Įvadas](1-Introduction/README.md) | Matematiniai tikimybių ir statistikos metodai duomenims suprasti. | [pamoka](1-Introduction/04-stats-and-probability/README.md) [vaizdo įrašas](https://youtu.be/Z5Zy85g4Yjw) | [Dmitrijus](http://soshnikov.com) |
| 05 | Darbas su reliaciniais duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į reliacinius duomenis ir pagrindai, kaip tyrinėti bei analizuoti reliacinius duomenis naudojant struktūrinės užklausų kalbą, dar vadinamą SQL (ištariama „es-ki-u-el“). | [pamoka](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | Darbas su NoSQL duomenimis | [Darbas su duomenimis](2-Working-With-Data/README.md) | Įvadas į nereliacinius duomenis, jų įvairias rūšis ir pagrindus, kaip tyrinėti ir analizuoti dokumentų duomenų bazes. | [pamoka](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Darbas su Python | [Darbas su duomenimis](2-Working-With-Data/README.md) | Python naudojimo duomenų tyrimui pagrindai su bibliotekomis, tokiomis kaip Pandas. Rekomenduojama turėti pagrindines Python programavimo žinias. | [pamoka](2-Working-With-Data/07-python/README.md) [vaizdo įrašas](https://youtu.be/dZjWOGbsN4Y) | [Dmitrijus](http://soshnikov.com) |
| 08 | Duomenų paruošimas | [Darbas su duomenimis](2-Working-With-Data/README.md) | Duomenų valymo ir transformavimo technikos, skirtos spręsti trūkstamų, netikslių ar nebaigtų duomenų problemas. | [pamoka](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kiekybių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Išmokite naudoti Matplotlib, kad vizualizuotumėte paukščių duomenis 🦆 | [pamoka](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Duomenų pasiskirstymo vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Duomenų stebėjimų ir tendencijų vizualizavimas intervale. | [pamoka](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Ryšių vizualizavimas | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Ryšių ir koreliacijų tarp duomenų rinkinių bei jų kintamųjų vizualizavimas. | [pamoka](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Prasmingos vizualizacijos | [Duomenų vizualizacija](3-Data-Visualization/README.md) | Technikos ir patarimai, kaip padaryti vizualizacijas vertingas efektyviam problemų sprendimui ir įžvalgoms. | [pamoka](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Įvadas į duomenų mokslo gyvavimo ciklą | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Įvadas į duomenų mokslo gyvavimo ciklą ir jo pirmąjį žingsnį – duomenų gavimą ir išgavimą. | [pamoka](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Duomenų analizė | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo gyvavimo ciklo dalis orientuota į duomenų analizės technikas. | [pamoka](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | Komunikacija | [Gyvavimo ciklas](4-Data-Science-Lifecycle/README.md) | Ši duomenų mokslo gyvavimo ciklo dalis orientuota į rezultatų iš duomenų pateikimą taip, kad sprendimų priėmėjams būtų aiškiau suprasti. | [pamoka](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 17 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Šių pamokų serija pristato duomenų mokslą debesyje ir jo privalumus. | [pamoka](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 18 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių mokymas naudojant Low Code įrankius. |[pamoka](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 19 | Duomenų mokslas debesyje | [Debesų duomenys](5-Data-Science-In-Cloud/README.md) | Modelių diegimas naudojant Azure Machine Learning Studio. | [pamoka](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ir [Maud](https://twitter.com/maudstweets) |
| 20 | Duomenų mokslas gamtoje | [Gamtoje](6-Data-Science-In-Wild/README.md) | Duomenų mokslo projektai realiame pasaulyje. | [pamoka](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Sekite šiuos žingsnius, kad atidarytumėte šį pavyzdį Codespace aplinkoje:
1. Spauskite Code išskleidžiamą meniu ir pasirinkite Open with Codespaces parinktį.
2. Pasirinkite + New codespace apačioje.
Vadovaukitės šiomis instrukcijomis, kaip atidaryti šį pavyzdį Codespace aplinkoje:
1. Spustelėkite Code išskleidžiamąjį meniu ir pasirinkite Open with Codespaces parinktį.
2. Apačioje pasirinkite + New codespace.
Daugiau informacijos rasite [GitHub dokumentacijoje](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode nuotoliniai konteineriai
Sekite šiuos žingsnius, kad atidarytumėte šį saugyklą konteineryje naudodami savo vietinę mašiną ir VSCode su VS Code Remote - Containers plėtiniu:
## VSCode Nuotolinė - konteineriai
Vadovaukitės šiomis instrukcijomis, kaip atidaryti šį saugyklą konteineryje, naudodami savo kompiuterį ir VSCode su VS Code Remote - Containers plėtiniu:
1. Jei tai pirmas kartas naudojant vystymo konteinerį, įsitikinkite, kad sistema atitinka reikalavimus (pvz., įdiegta Docker) [pradžios gide](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Jei tai pirmas kartas, kai naudojate plėtros konteinerį, įsitikinkite, kad jūsų sistema atitinka reikalavimus (pvz., įdiegta Docker) pagal [pradžios gaires](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Norėdami naudoti šią saugyklą, galite atidaryti ją izoliuotame Docker tūryje:
**Pastaba**: viduje bus naudojamas Remote-Containers: **Clone Repository in Container Volume...** komanda, kuri klonavimo kodeksą saugo Docker tūryje vietoje vietinio failų sistemos. [Tūriai](https://docs.docker.com/storage/volumes/) yra pageidaujamas būdas saugoti konteinerio duomenis.
**Pastaba**: Iš esmės tai naudos Remote-Containers: **Clone Repository in Container Volume...** komandą, kad šaltinio kodas būtų nukopijuotas į Docker tūrį, o ne vietinę failų sistemą. [Tūriai](https://docs.docker.com/storage/volumes/) yra pageidaujama duomenų konteineryje išlaikymo priemonė.
Arba atidarykite vietinę nuklonuotą ar atsisiųstą šios saugyklos kopiją:
Arba atidarykite vietoje nuklonuotą arba parsisiųstą saugyklos kopiją:
- Nuklonuokite šią saugyklą į savo vietinę failų sistemą.
- Paspauskite F1 ir pasirinkite **Remote-Containers: Open Folder in Container...** komandą.
- Pasirinkite šio aplanko nuklonuotą kopiją, palaukite kol konteineris užsikraus, ir išbandykite.
- Nuklonuokite šią saugyklą į vietinę failų sistemą.
- Paspauskite F1 ir pasirinkite komandą **Remote-Containers: Open Folder in Container...**.
- Pasirinkite šios aplanko nuklonuotą kopiją, palaukite, kol konteineris paleis, ir išbandykite.
## Offline prieiga
Šią dokumentaciją galite naudoti neprisijungę naudodami [Docsify](https://docsify.js.org/#/). Nuklonuokite šią saugyklą, [įdiekite Docsify](https://docsify.js.org/#/quickstart) vietinėje mašinoje, tada šios saugyklos šakiniame aplanke įveskite `docsify serve`. Svetainė bus pasiekiama per 3000 prievadą adresu`localhost:3000`.
Galite naudoti šią dokumentaciją neprisijungę naudodami [Docsify](https://docsify.js.org/#/). Nuklonuokite šią saugyklą, [įdiekite Docsify](https://docsify.js.org/#/quickstart) savo kompiuteryje, tada paleiskite `docsify serve` šios saugyklos šakninėje aplankoje. Svetainė bus pasiekiama per 3000 prievadą`localhost:3000`.
> Pastaba, užrašų knygelės (notebooks) nebus rodomos Docsify, todėl kai reikės paleisti užrašų knygelę, darykite tai atskirai VS Code su Python branduoliu.
> Pastaba: užrašų knygelės (notebooks) nebus atvaizduojamos Docsify, todėl jei reikia paleisti užrašų knygelę, atlikite tai atskirai VS Code su Python branduoliu.
## Kitos mokymo programos
Mūsų komanda kuria ir kitas mokymo programas! Pažiūrėkite:
Mūsų komanda kuria ir kitas mokymo programas! Patikrinkite:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -218,40 +218,40 @@ Mūsų komanda kuria ir kitas mokymo programas! Pažiūrėkite:
---
### Generatyvinis AI serija
[](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)
### Generatyvusis DI serija
[](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/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
**Susiduriate su problemomis?** Patikrinkite mūsų [Trikčių šalinimo vadovą](TROUBLESHOOTING.md) dažniausių problemų sprendimams.
**Susiduriate su problemomis?** Peržiūrėkite mūsų [Trikčių šalinimo vadovą](TROUBLESHOOTING.md) sprendimams rasti dažniausiai pasitaikančias problemas.
Jei įstrigote arba turite klausimų apie AI programėlių kūrimą, prisijunkite prie bendraminčių mokinių ir patyrusių kūrėjų diskusijų apie MCP. Tai palaikanti bendruomenė, kurioje klausimai yra laukiamai ir žinios dalijamos laisvai.
Jei užstrigote ar turite klausimų apie DI programėlių kūrimą. Prisijunkite prie mokymosi bendruomenės ir patyrusių kūrėjų diskusijų apie MCP. Tai palaikanti bendruomenė, kurioje klausimai laukiami, o žinios dalijamasi laisvai.
@ -259,5 +259,5 @@ Jei turite atsiliepimų apie produktą arba susidūrėte su klaidomis kurdami, a
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Atsakomybės apribojimas**:
Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatizuotuose vertimuose gali būti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų žmogaus vertimą. Mes neatsakome už bet kokius nesusipratimus ar neteisingus suvokimus, kilusius dėl šio vertimo naudojimo.
Šis dokumentas buvo išverstas naudojant DI vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors stengiamės užtikrinti tikslumą, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas patikimiausiu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų žmonių vertimą. Mes neprisiimame atsakomybės už nesusipratimus ar neteisingus aiškinimus, kilusius dėl šio vertimo naudojimo.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
# Data Science для початківців - Навчальна програма
# Data Science для початківців - навчальна програма
[](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/pulls/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[](https://aka.ms/foundry/forum)
Фахівці Azure Cloud Advocates з Microsoft раді запропонувати 10-тижневий курс з 20 уроків, присвячений Data Science. Кожен урок включає підготовчі та підсумкові тести, письмові інструкції для виконання уроку, рішення та завдання. Наша орієнтована на проекти методика навчання дозволяє вивчати матеріал, одночасно створюючи проекти — перевірений спосіб закріпити нові навички.
Azure Cloud Advocates у Microsoft із задоволенням пропонують 10-тижневу навчальну програму з 20 уроків, присвячених Data Science. Кожен урок містить тести до та після заняття, письмові інструкції для виконання уроку, розв’язок та домашнє завдання. Наша проєктно-орієнтована педагогіка дозволяє вчитися, створюючи, що є перевіреним способом ефективного засвоєння нових навичок.
> Цей репозиторій включає понад 50 мовних перекладів, що суттєво збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout:
> У цьому репозиторії є понад 50 мовних перекладів, що суттєво збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -56,156 +56,156 @@
> Це дасть вам усе необхідне для проходження курсу з набагато швидшим завантаженням.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Якщо ви бажаєте, щоб підтримувались додаткові мови перекладів, вони перелічені [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Якщо ви хочете, щоб додаткові мови перекладу підтримувалися, вони перелічені [тут](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Ми проводимо серію навчань у Discord із AI, дізнайтеся більше та приєднуйтесь до нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі використання GitHub Copilot для Data Science.
У нас триває серія на Discord «Вчитися з AI», дізнайтеся більше та приєднуйтеся до нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) з 18 по 30 вересня 2025 року. Ви отримаєте поради та трюки з використання GitHub Copilot для Data Science.
# Ви студент?
Почніть із наступних ресурсів:
Розпочніть з таких ресурсів:
- [Сторінка Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Тут ви знайдете ресурси для початківців, студентські пакети та навіть можливості отримати безкоштовний ваучер на сертифікацію. Це сторінка, яку варто додати в закладки та час від часу переглядати, оскільки ми оновлюємо контент щонайменше щомісяця.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Приєднайтеся до глобальної спільноти студентських послів — можливо, це ваш шлях до Microsoft.
- [Сторінка студентського хабу](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На цій сторінці ви знайдете ресурси для початківців, набори для студентів і навіть способи отримати безкоштовний ваучер на сертифікацію. Цю сторінку варто додати в закладки та час від часу перевіряти, оскільки ми оновлюємо контент щонайменше щомісяця.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Приєднуйтесь до глобальної спільноти студентських послів, це може бути вашим шляхом до Microsoft.
# Початок роботи
## 📚 Документація
- **[Посібник з встановлення](INSTALLATION.md)** - покрокові інструкції налаштування для початківців
- **[Посібник з використання](USAGE.md)** - приклади та базові робочі процеси
- **[Вирішення проблем](TROUBLESHOOTING.md)** - рішення поширених проблем
- **[Посібник для внеску](CONTRIBUTING.md)** - як долучитися до цього проєкту
- **[Для викладачів](for-teachers.md)** - рекомендації для навчання та ресурси для класу
- **[Посібник з установки](INSTALLATION.md)** - покрокові інструкції налаштування для початківців
- **[Посібник з використання](USAGE.md)** - приклади та типові робочі процеси
- **[Усунення неполадок](TROUBLESHOOTING.md)** - рішення типових проблем
- **[Посібник з внеску](CONTRIBUTING.md)** - як внести свій внесок у цей проєкт
- **[Для викладачів](for-teachers.md)** - методичні поради та навчальні ресурси
## 👨🎓 Для студентів
> **Повні новачки**: Новачок у Data Science? Почніть з наших [приємних для початківців прикладів](examples/README.md)! Ці прості, добре прокоментовані приклади допоможуть зрозуміти основи перед тим, як поринути у повну навчальну програму.
> **[Студенти](https://aka.ms/student-page)**: щоб використовувати цю навчальну програму самостійно, зробіть форк всього репозиторію та виконуйте вправи самостійно, починаючи з підготовчого тесту до лекції. Потім прочитайте лекцію і виконуйте решту завдань. Намагайтесь створювати проекти, розуміючи уроки, а не просто копіюючи код рішень; однак цей код доступний у папках /solutions у кожному уроку, орієнтованому на проекти. Іншим варіантом є створення навчальної групи з друзями для проходження матеріалу разом. Для додаткового вивчення рекомендуємо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Повні початківці**: Ви новачок у data science? Почніть з наших [простіших прикладів для початківців](examples/README.md)! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед повним проходженням навчальної програми.
> **[Студенти](https://aka.ms/student-page)**: щоб використовувати цю програму самостійно, зробіть форк всього репозиторію і виконайте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію і завершіть інші завдання. Намагайтеся створювати проєкти, розуміючи уроки, а не просто копіюючи розв’язки; проте код розв’язків є у папках /solutions кожного проєктно-орієнтовного уроку. Інша ідея – утворити навчальну групу з друзями і разом проходити матеріал. Для додаткового вивчення радимо [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Швидкий старт:**
1. Ознайомтесь із [Посібником з встановлення](INSTALLATION.md), щоб налаштувати середовище
2. Перегляньте [Посібник з використання](USAGE.md), щоб навчитися працювати з навчальною програмою
3. Почніть з уроку 1 та виконуйте послідовно
1. Перегляньте [Посібник з установки](INSTALLATION.md) для налаштування середовища
2. Ознайомтесь з [Посібником з використання](USAGE.md), щоб навчитися працювати з програмою
3. Починайте з уроку 1 та рухайтеся послідовно
4. Приєднуйтесь до нашої [спільноти Discord](https://aka.ms/ds4beginners/discord) для підтримки
## 👩🏫 Для викладачів
> **Вчителям**: ми [включили кілька пропозицій](for-teachers.md) щодо того, як використовувати цей навчальний план. Ми будемо раді вашим відгукам [на нашому форумі для обговорень](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Викладачі**: ми [додали деякі пропозиції](for-teachers.md) щодо використання цієї навчальної програми. Ми будемо раді вашому відгуку [на нашому форумі обговорень](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Натисніть на зображення вище, щоб подивитися відео про проект та людей, які його створили!
> 🎥 Натисніть на зображення вище, щоб переглянути відео про проект та людей, які його створили!
## Педагогіка
Ми обрали два педагогічні принципи під час створення цього навчального плану: забезпечення проектної орієнтації та включення частих вікторин. Наприкінці цього циклу студенти оволодіють базовими принципами науки про дані, включно з етичними концепціями, підготовкою даних, різними способами роботи з даними, візуалізацією даних, аналізом даних, реальними кейсами використання науки про дані та багато іншого.
Ми обрали два педагогічні принципи під час створення цієї навчальної програми: забезпечити проектну основу та часті опитування. До кінця цього курсу студенти засвоять базові принципи науки про дані, включно з етичними концепціями, підготовкою даних, різними способами роботи з даними, візуалізацією даних, аналізом даних, реальними випадками використання науки про дані тощо.
Крім того, вікторина з низькою ставкою перед заняттям налаштовує намір студента вивчити тему, а друга вікторина після заняття забезпечує краще засвоєння матеріалу. Цей навчальний план створений бути гнучким і цікавим, його можна проходити повністю або частково. Проекти починаються з простих і стають складнішими до кінця 10-тижневого циклу.
Крім того, опитування з низькими ставками перед заняттям налаштовує студента на вивчення теми, а друге опитування після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма розроблена так, щоб бути гнучкою та цікавою і може бути пройдена повністю або частково. Проекти починаються з простого і поступово ускладнюються до кінця 10-тижневого циклу.
> Знайдіть наші [Кодекс поведінки](CODE_OF_CONDUCT.md), [Внесок](CONTRIBUTING.md), [Переклад](TRANSLATIONS.md) керівництва. Ми вітаємо ваші конструктивні відгуки!
> Знайдіть наші [Кодекс поведінки](CODE_OF_CONDUCT.md), [Внесок](CONTRIBUTING.md), [Переклади](TRANSLATIONS.md) рекомендації. Ми радо приймаємо ваші конструктивні відгуки!
## Кожен урок включає:
- Опціональний скетчноут
- Опціональне додаткове відео
- Розминкову вікторину перед уроком
- Текстовий урок
- Для проектно-орієнтованих уроків: покрокові інструкції зі створення проекту
- Перевірку знань
- Опціональну нотатку у вигляді ескізу
- Опціональне допоміжне відео
- Розігрівальне опитування перед уроком
- Письмовий урок
- Для уроків на основі проектів поетапні інструкції зі створення проекту
- Перевірки знань
- Виклик
- Додаткове читання
- Допоміжне читання
- Завдання
- [Вікторина після уроку](https://ff-quizzes.netlify.app/en/)
- [Опитування після уроку](https://ff-quizzes.netlify.app/en/)
> **Примітка про вікторини**: Всі вікторини знаходяться в папці Quiz-App, усього 40 вікторин по три питання у кожній. Вони пов’язані з уроками, але додаток для вікторин можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці `quiz-app`. Вікторини поступово локалізуються.
> **Примітка про опитування**: Усі опитування містяться у папці Quiz-App, загалом 40 опитувань з трьома питаннями кожне. Вони підключені з уроків, але додаток для опитувань можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці `quiz-app`. Вони поступово локалізуються.
## 🎓 Приклади для початківців
**Новачок уНауці про Дані?** Ми створили спеціальний [каталог прикладів](examples/README.md) з простим, добре прокоментованим кодом, щоб допомогти вам почати:
**Новачок унауці про дані?** Ми створили спеціальний [приклади каталог](examples/README.md) з простим, добре прокоментованим кодом, який допоможе вам почати:
- 🌟 **Hello World** - Ваша перша програма з науки про дані
- 📂 **Завантаження даних** - Навчіться читати та досліджувати набори даних
- 📊 **Простий аналіз** - Обчислення статистики та пошук закономірностей
- 📈 **Базова візуалізація** - Створення графіків та діаграм
- 🔬 **Реальний проект** - Повний робочий процес від початку до кінця
- 🌟 **Hello World** - ваша перша програма з науки про дані
- 📂 **Завантаження даних** - навчіться читати та досліджувати набори даних
- 📊 **Простий аналіз** - обчислити статистику та знайти закономірності
- 📈 **Базова візуалізація** - створюйте діаграми та графіки
- 🔬 **Реальний проект** - повний робочий процес від початку до кінця
Кожен приклад містить детальні коментарі, що пояснюють кожен крок, що робить його ідеальним для абсолютних початківців!
Кожен приклад містить докладні коментарі, які пояснюють кожен крок, що робить їх ідеальними для абсолютних новачків!
👉 **[Почніть з прикладів](examples/README.md)** 👈
## Уроки
||
||
|:---:|
| Наука про дані для початківців: дорожня карта - _скетчноут від [@nitya](https://twitter.com/nitya)_ |
| Наука про дані для початківців: Дорожня карта - _Ескіз від [@nitya](https://twitter.com/nitya)_ |
| Номер уроку | Тема | Група уроків | Цілі навчання | Пов’язаний урок | Автор |
| 01 | Визначення науки про дані | [Вступ](1-Introduction/README.md) | Вивчити базові поняття науки про дані та як вона пов’язана зі штучним інтелектом, машинним навчанням і великими даними. | [урок](1-Introduction/01-defining-data-science/README.md) [відео](https://youtu.be/beZ7Mb_oz9I) | [Дмитро](http://soshnikov.com) |
| 02 | Етика науки про дані | [Вступ](1-Introduction/README.md) | Поняття етики даних, виклики та рамки. | [урок](1-Introduction/02-ethics/README.md) | [Нітія](https://twitter.com/nitya) |
| 03 | Визначення даних | [Вступ](1-Introduction/README.md) | Як класифікуються дані та їх основні джерела. | [урок](1-Introduction/03-defining-data/README.md) | [Жасмин](https://www.twitter.com/paladique) |
| 04 | Вступ до статистики та ймовірності | [Вступ](1-Introduction/README.md) | Математичні методи ймовірності та статистики для розуміння даних. | [урок](1-Introduction/04-stats-and-probability/README.md) [відео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитро](http://soshnikov.com) |
| 05 | Робота з реляційними даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до реляційних даних та основи дослідження і аналізу реляційних даних за допомогою мови структурованих запитів, або SQL (вимовляється «сі-квелл»). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Крістофер](https://www.twitter.com/geektrainer) | | |
| 06 | Робота з NoSQL даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до нереляційних даних, їх різновиди та основи дослідження і аналізу документних баз даних. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Жасмин](https://twitter.com/paladique)|
| 07 | Робота з Python | [Робота з даними](2-Working-With-Data/README.md) | Основи використання Python для дослідження даних з бібліотеками, такими як Pandas. Рекомендовано базове розуміння програмування на Python. | [урок](2-Working-With-Data/07-python/README.md) [відео](https://youtu.be/dZjWOGbsN4Y) | [Дмитро](http://soshnikov.com) |
| 08 | Підготовка даних | [Робота з даними](2-Working-With-Data/README.md) | Теми про методики очищення і трансформації даних для вирішення проблем відсутніх, неточних або неповних даних. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Жасмин](https://www.twitter.com/paladique) |
| 01 | Визначення науки про дані | [Вступ](1-Introduction/README.md) | Вивчіть основні поняття науки про дані та як вона пов’язана з штучним інтелектом, машинним навчанням і великими даними. | [урок](1-Introduction/01-defining-data-science/README.md) [відео](https://youtu.be/beZ7Mb_oz9I) | [Дмитро](http://soshnikov.com) |
| 02 | Етика у науці про дані | [Вступ](1-Introduction/README.md) | Концепції, виклики та рамки етики даних. | [урок](1-Introduction/02-ethics/README.md) | [Нітія](https://twitter.com/nitya) |
| 03 | Визначення даних | [Вступ](1-Introduction/README.md) | Як класифікуються дані та їхні загальні джерела. | [урок](1-Introduction/03-defining-data/README.md) | [Жасмін](https://www.twitter.com/paladique) |
| 04 | Вступ до статистики та ймовірності | [Вступ](1-Introduction/README.md) | Математичні прийоми ймовірності і статистики для розуміння даних. | [урок](1-Introduction/04-stats-and-probability/README.md) [відео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитро](http://soshnikov.com) |
| 05 | Робота з реляційними даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до реляційних даних та основи дослідження і аналізу реляційних даних за допомогою мови структурованих запитів SQL (читається як "сі-квел"). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Крістофер](https://www.twitter.com/geektrainer) | | |
| 06 | Робота з NoSQL даними | [Робота з даними](2-Working-With-Data/README.md) | Вступ до нереляційних даних, їхніх різних типів і основ дослідження та аналізу документальних баз даних. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Жасмін](https://twitter.com/paladique)|
| 07 | Робота з Python | [Робота з даними](2-Working-With-Data/README.md) | Основи використання Python для дослідження даних із бібліотеками, такими як Pandas. Рекомендовано базове розуміння програмування на Python. | [урок](2-Working-With-Data/07-python/README.md) [відео](https://youtu.be/dZjWOGbsN4Y) | [Дмитро](http://soshnikov.com) |
| 08 | Підготовка даних | [Робота з даними](2-Working-With-Data/README.md) | Теми про техніки очищення та трансформації даних для подолання проблем відсутніх, неточних або неповних даних. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Жасмін](https://www.twitter.com/paladique) |
| 09 | Візуалізація кількостей | [Візуалізація даних](3-Data-Visualization/README.md) | Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) |
| 10 | Візуалізація розподілів даних | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація спостережень і тенденцій в межах інтервалу. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) |
| 10 | Візуалізація розподілів даних | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація спостережень і тенденцій у межах інтервалу. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) |
| 12 | Візуалізація взаємозв’язків | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація зв’язків і кореляцій між наборами даних та їх змінними. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Джен](https://twitter.com/jenlooper) |
| 13 | Змістовні візуалізації | [Візуалізація даних](3-Data-Visualization/README.md) | Методики та рекомендації щодо створення візуалізацій, які цінні для ефективного вирішення проблем і отримання інсайтів. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) |
| 14 | Вступ до життєвого циклу науки про дані | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Вступ до життєвого циклу науки про дані та його першого етапу — збору та вилучення даних. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Жасмин](https://twitter.com/paladique) |
| 15 | Аналіз | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані зосереджений на техніках аналізу даних. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Жасмин](https://twitter.com/paladique) | | |
| 16 | Комунікація | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані зосереджений на поданні інсайтів із даних у спосіб, що полегшує розуміння для приймачів рішень. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джален](https://twitter.com/JalenMcG) | | |
| 17 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Цей цикл уроків знайомить із наукою про дані в хмарі та її перевагами. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) |
| 18 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Навчання моделей із використанням інструментів Low Code. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) |
| 19 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Розгортання моделей із Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тіффані](https://twitter.com/TiffanySouterre) та [Мод](https://twitter.com/maudstweets) |
| 20 | Наука про дані в реальному світі | [У природі](6-Data-Science-In-Wild/README.md) | Проекти, що ґрунтуються на науці про дані у реальному світі. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нітія](https://twitter.com/nitya) |
| 12 | Візуалізація зв’язків | [Візуалізація даних](3-Data-Visualization/README.md) | Візуалізація зв’язків і кореляцій між наборами даних і їх змінними. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Джен](https://twitter.com/jenlooper) |
| 13 | Значущі візуалізації | [Візуалізація даних](3-Data-Visualization/README.md) | Техніки та рекомендації, щоб ваші візуалізації були цінними для ефективного розв’язання проблем і отримання інсайтів. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) |
| 14 | Вступ до життєвого циклу науки про дані | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Вступ до життєвого циклу науки про дані та його першого кроку — отримання та вилучення даних. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Жасмін](https://twitter.com/paladique) |
| 15 | Аналіз | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані зосереджений на техніках аналізу даних. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Жасмін](https://twitter.com/paladique) | | |
| 16 | Комунікація | [Життєвий цикл](4-Data-Science-Lifecycle/README.md) | Цей етап життєвого циклу науки про дані зосереджений на представленні інсайтів з даних таким чином, щоб рішення приймальники легше їх розуміли. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джейлен](https://twitter.com/JalenMcG) | | |
| 17 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Ця серія уроків вводить науку про дані в хмарі та її переваги. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мауд](https://twitter.com/maudstweets) |
| 18 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Навчання моделей за допомогою Low Code інструментів. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тіффані](https://twitter.com/TiffanySouterre) та [Мауд](https://twitter.com/maudstweets) |
| 19 | Наука про дані в хмарі | [Хмарні дані](5-Data-Science-In-Cloud/README.md) | Розгортання моделей з Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тіффані](https://twitter.com/TiffanySouterre) та [Мауд](https://twitter.com/maudstweets) |
| 20 | Наука про дані в реальному житті | [У природі](6-Data-Science-In-Wild/README.md) | Проекти керовані наукою про дані у реальному світі. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нітія](https://twitter.com/nitya) |
## GitHub Codespaces
Виконайте ці кроки, щоб відкрити цей прикладу Codespace:
1. Натисніть меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace у нижній частині панелі.
Для додаткової інформації перегляньте [документацію GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Виконайте ці кроки, щоб відкрити цей зразоку Codespace:
1. Натисніть меню Код і виберіть опцію Відкрити з Codespaces.
2. Виберіть + Новий codespace внизу панелі.
Для отримання додаткової інформації перегляньте [документацію GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Контейнери
Виконайте ці кроки, щоб відкрити це сховище в контейнері на вашому локальному комп’ютері за допомогою VSCode та розширення VS Code Remote - Containers:
## VSCode Remote - Containers
Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері з використанням вашого локального комп’ютера та VSCode за допомогою розширення VS Code Remote - Containers:
1. Якщо ви вперше використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає вимогам (наприклад, встановлений Docker) за посиланняму [документації для початку роботи](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Якщо ви використовуєте контейнер розробки вперше, переконайтеся, що ваша система відповідає вимогам (наприклад, встановлений Docker) у [документації для початку роботи](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Щоб використовувати це сховище, ви можете або відкрити сховище в ізольованому Docker-томі:
Щоб використовувати цей репозиторій, ви можете або відкрити його в ізольованому Docker об’ємі:
**Примітка**: Під капотом це використовуватиме команду Remote-Containers: **Clone Repository in Container Volume...** для клонування вихідного коду у том Docker замість використання локальної файлової системи. [Томи](https://docs.docker.com/storage/volumes/) є рекомендованим механізмом збереження даних контейнера.
**Примітка**: За лаштунками використовується команда Remote-Containers: **Clone Repository in Container Volume...**, щоб клонувати вихідний код у Docker об’ємі замість локальної файлової системи. [Об’єми](https://docs.docker.com/storage/volumes/) є рекомендованим механізмом для збереження даних контейнера.
Або відкрийте локально клоновану або завантажену версію сховища:
Або відкрийте локально клоновану чи завантажену версію репозиторію:
- Клонуйте це сховище у вашу локальну файлову систему.
- Натисніть F1 іоберіть команду **Remote-Containers: Open Folder in Container...**.
- Виберіть клоновану копію цієї папки, зачекайте на запуск контейнера та почніть працювати.
- Клонувати цей репозиторій на локальну файлову систему.
- Натисніть F1 івиберіть команду **Remote-Containers: Open Folder in Container...**.
- Виберіть клоновану копію цієї теки, зачекайте, поки контейнер запуститься, і починайте працювати.
## Оффлайн доступ
## Офлайн доступ
Ви можете переглядати цю документацію офлайн, використовуючи [Docsify](https://docsify.js.org/#/). Відфоркуйте це сховище, [встановіть Docsify](https://docsify.js.org/#/quickstart) на своєму локальному комп’ютері, а потім у кореневій папці сховища введіть `docsify serve`. Вебсайт буде доступний на порту 3000 за адресою localhost: `localhost:3000`.
Ви можете запускати цю документацію офлайн, використовуючи [Docsify](https://docsify.js.org/#/). Форкніть цей репозиторій, [встановіть Docsify](https://docsify.js.org/#/quickstart) на локальний комп’ютер, потім у кореневій теці цього репозиторію виконайте команду `docsify serve`. Вебсайт буде доступний на порту 3000 на вашому локальному хості: `localhost:3000`.
> Зверніть увагу, що нотатки не будуть рендеритись через Docsify, тому якщо потрібно запустити ноутбук, робіть це окремо у VS Code з використанням Python кернела.
> Зауважте, що ноутбуки не будуть відображатися через Docsify, тому коли потрібно запустити ноутбук, робіть це окремо у VS Code з Python ядром.
## Інші навчальні програми
Наша команда створює й інші навчальні програми! Ознайомтесь:
Наша команда створює інші навчальні програми! Перегляньте:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
@ -218,40 +218,40 @@
---
### Серія Generative AI
[](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)
### Серія Генеративного ШІ
[](https://github.com/microsoft/generative-ai-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://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Серія 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)
**Сталися проблеми?** Перегляньте наш [Посібник з усунення несправностей](TROUBLESHOOTING.md) для вирішення поширених проблем.
**Виникають проблеми?** Перегляньте наш [Посібник з усунення несправностей](TROUBLESHOOTING.md), щоб знайти рішення поширених проблем.
Якщо ви застрягли або маєте питання щодо створення AI-застосунків, приєднуйтеся до інших учнів та досвідчених розробників у обговоренні MCP. Це підтримуюча спільнота, де вітаються запитання і де знання вільно діляться.
Якщо ви застрягли або маєте запитання щодо створення AI-додатків, приєднуйтесь до інших учнів та досвідчених розробників у обговореннях про MCP. Це підтримуюча спільнота, де запитання вітаються, а знання охоче діляться.
Цей документ був перекладений із використанням сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки чи неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом інформації. Для критично важливої інформації рекомендується звертатись до професійного перекладача. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.
Цей документ було перекладено за допомогою сервісу автоматичного перекладу AI [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми докладаємо зусиль для забезпечення точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальність за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.
localizeflow[bot]
5 days ago