[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Microsoft में Azure Cloud Advocates डेटा साइंस के बारे में 10 सप्ताह, 20 पाठों का एक पाठ्यक्रम प्रस्तुत करने में प्रसन्न हैं। प्रत्येक पाठ में पूर्व-पाठ और बाद-पाठ क्विज़, पाठ पूरा करने के लिए लिखित निर्देश, समाधान, और एक असाइनमेंट शामिल है। हमारा परियोजना-आधारित शिक्षण आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नए कौशल को 'टिकाऊ' बनाने का एक प्रमाणित तरीका है।
माइक्रोसॉफ्ट में Azure Cloud Advocates एक 10 सप्ताह, 20-लेसन का पाठ्यक्रम प्रदान करने में प्रसन्न हैं जो पूरी तरह से डेटा साइंस के बारे में है। प्रत्येक लेसन में पूर्व-लेसन और पश्च-लेसन क्विज़, पाठ पूरा करने के लिए लिखित निर्देश, एक समाधान और एक असाइनमेंट शामिल है। हमारा परियोजना-आधारित शिक्षण तरीका आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नई कौशलों को 'टिकाए रखने' का सिद्ध तरीका है।
> यह रिपोज़िटरी 50+ भाषा अनुवाद शामिल करती है, जिससे डाउनलोड का आकार काफी बढ़ जाता है। अनुवाद के बिना क्लोन करने के लिए, sparse checkout का उपयोग करें:
> इस रिपॉजिटरी में 50+ भाषा अनुवाद शामिल हैं जो डाउनलोड आकार को काफी बढ़ा देते हैं। अनुवादों के बिना क्लोन करने के लिए, sparse checkout का उपयोग करें:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,151 +53,151 @@ Microsoft में Azure Cloud Advocates डेटा साइंस के
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> यह आपको तेज़ डाउनलोड के साथ पाठ्यक्रम पूरा करने के लिए आवश्यक सब कुछ देता है।
> इससे आपको बहुत तेज डाउनलोड के साथ पाठ्यक्रम पूरा करने के लिए सब कुछ मिलेगा।
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**यदि आप चाहें कि अतिरिक्त अनुवाद भाषाएं समर्थित हों, वे [यहां](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) सूचीबद्ध हैं।**
**यदि आप अतिरिक्त अनुवाद भाषाएं चाहते हैं तो वे [यहाँ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) सूचीबद्ध हैं**
हमारी एक डिस्कॉर्ड 'AI के साथ सीखें' श्रृंखला चल रही है, और अधिक जानने और जुड़ने के लिए [Learn with AI Series](https://aka.ms/learnwithai/discord) पर जाएं, जो 18 - 30 सितम्बर, 2025 तक चलेगी। आपको डेटा साइंस के लिए GitHub Copilot के उपयोग के टिप्स और ट्रिक्स मिलेंगे।
हमारे पास Discord पर AI के साथ सीखने की श्रृंखला चल रही है, इसके बारे में और जानें और हमें [Learn with AI Series](https://aka.ms/learnwithai/discord) पर 18 - 30 सितंबर, 2025 को ज्वाइन करें। आपको डेटा साइंस के लिए GitHub Copilot का उपयोग करने के टिप्स और ट्रिक्स मिलेंगे।
# क्या आप छात्र हैं?
निम्न संसाधनों के साथ शुरू करें:
निम्नलिखित संसाधनों के साथ शुरुआत करें:
- [छात्र हब पृष्ठ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) इस पृष्ठ पर, आपको शुरुआती संसाधन, छात्र पैक, और मुफ्त प्रमाणपत्र वाउचर प्राप्त करने के तरीके मिलेंगे। यह एक ऐसा पृष्ठ है जिसे आप बुकमार्क करना चाहेंगे और समय-समय पर देखना चाहेंगे क्योंकि हम कम से कम महीने में एक बार सामग्री अपडेट करते हैं।
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) एक वैश्विक छात्र राजदूत समुदाय से जुड़ें, यह Microsoft में आपका मार्ग हो सकता है।
- [स्टूडेंट हब पेज](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) इस पेज में, आपको शुरुआती संसाधन, स्टूडेंट पैक और मुफ्त प्रमाणपत्र वाउचर प्राप्त करने के तरीके मिलेंगे। यह एक ऐसा पृष्ठ है जिसे आपको बार-बार बुकमार्क करना चाहिए क्योंकि हम कम से कम महीने में एक बार सामग्री बदलते रहते हैं।
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) वैश्विक छात्र एम्बेसडर समुदाय में शामिल हों, यह आपकी माइक्रोसॉफ्ट में प्रवेश का रास्ता हो सकता है।
# शुरू करें
# शुरूआत
## 📚 दस्तावेज़ीकरण
## 📚 प्रलेखन
- **[इंस्टालेशन गाइड](INSTALLATION.md)** - शुरुआती लोगों के लिए चरण-दर-चरण सेटअप निर्देश
- **[उपयोग गाइड](USAGE.md)** - उदाहरण और सामान्य वर्कफ़्लोज़
- **[इंस्टॉलेशन गाइड](INSTALLATION.md)** - शुरुआती लोगों के लिए चरण-दर-चरण सेटअप निर्देश
- **[उपयोग गाइड](USAGE.md)** - उदाहरण और सामान्य वर्कफ़्लो
- **[समस्या निवारण](TROUBLESHOOTING.md)** - सामान्य समस्याओं के समाधान
- **[योगदान गाइड](CONTRIBUTING.md)** - इस परियोजना में योगदान कैसे करें
- **[शिक्षकों के लिए](for-teachers.md)** - शिक्षण मार्गदर्शन और कक्षा संसाधन
## 👨🎓 छात्रों के लिए
> **पूर्ण शुरुआती**: डेटा साइंस में नए हैं? हमारे [शुरुआती-मित्रवत उदाहरणों](examples/README.md) के साथ शुरू करें! ये सरल, अच्छी तरह से टिप्पणी किए गए उदाहरण आपको पाठ्यक्रम में गहराई से जाने से पहले मूल बातें समझने में मदद करेंगे।
> **[छात्र](https://aka.ms/student-page)**: इस पाठ्यक्रम का उपयोग अपनी सुविधा अनुसार करें, पूरा रेपो फोर्क करें और स्वयं व्यायामों को पूरा करें, शुरूआत पूर्व-व्याख्यान क्विज़ से करें। फिर व्याख्यान पढ़ें और बाकी गतिविधियां पूरी करें। समाधान कोड को कॉपी करने के बजाय, पाठों को समझकर परियोजनाएं बनाने का प्रयास करें; हालांकि, वह कोड प्रत्येक परियोजना-प्रधान पाठ में /solutions फ़ोल्डर में उपलब्ध है। एक अन्य विचार है कि दोस्तों के साथ एक अध्ययन समूह बनाएं और साथ मिलकर सामग्री को पढ़ें। आगे की पढ़ाई के लिए, हम [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) की सलाह देते हैं।
> **पूरी तरह से शुरुआती:** डेटा साइंस में नए हैं? हमारे [शुरुआती-अनुकूल उदाहरण](examples/README.md) से शुरुआत करें! ये सरल, अच्छी तरह से टिप्पणीकृत उदाहरण आपको मूल बातें समझने में मदद करेंगे इससे पहले कि आप पूरे पाठ्यक्रम में डूबें।
> **[छात्रों](https://aka.ms/student-page):** इस पाठ्यक्रम का उपयोग अपने आप करने के लिए, पूरी रिपॉजिटरी को फोर्क करें और स्वयं व्यायाम पूरा करें, पहले पूर्व-व्याख्यान क्विज़ से शुरू करें। फिर व्याख्यान पढ़ें और बाकी गतिविधियाँ पूरी करें। समाधान कोड की बजाय पाठों को समझकर प्रोजेक्ट बनाने की कोशिश करें; हालाँकि वह कोड प्रत्येक परियोजना-केंद्रित पाठ में /solutions फ़ोल्डर में उपलब्ध है। एक और विचार दोस्तों के साथ अध्ययन समूह बनाना और साथ में सामग्री को समझना होगा। आगे के अध्ययन के लिए, हम [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) की सिफारिश करते हैं।
**त्वरित प्रारंभ:**
1. अपने परिवेश को सेट करने के लिए [इंस्टालेशन गाइड](INSTALLATION.md) देखें
2. पाठ्यक्रम के साथ काम करना सीखने के लिए [उपयोग गाइड](USAGE.md) देखें
3. पाठ 1 से शुरू करें और अनुक्रमिक रूप से काम करें
**त्वरित शुरुआत:**
1. अपना वातावरण सेटअप करने के लिए [इंस्टॉलेशन गाइड](INSTALLATION.md) देखें
2. पाठ्यक्रम के साथ काम करना सीखने के लिए [उपयोग गाइड](USAGE.md) की समीक्षा करें
3. लेसन 1 से शुरू करें और क्रमशः आगे बढ़ें
4. सहायता के लिए हमारे [Discord समुदाय](https://aka.ms/ds4beginners/discord) में शामिल हों
## 👩🏫 शिक्षकों के लिए
> **शिक्षकगण**: हमने इस पाठ्यक्रम का उपयोग कैसे करें, इस पर [कुछ सुझाव शामिल किए हैं](for-teachers.md)। हम आपकी प्रतिक्रिया [हमारे चर्चा मंच](https://github.com/microsoft/Data-Science-For-Beginners/discussions) में जानना पसंद करेंगे!
> **शिक्षक**: हमने इस पाठ्यक्रम का उपयोग कैसे करें इस पर कुछ सुझाव [शामिल किए हैं](for-teachers.md)। हमें आपकी प्रतिक्रिया [हमारे चर्चा मंच में](https://github.com/microsoft/Data-Science-For-Beginners/discussions) पसंद आएगी!
> 🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें!
> 🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए ऊपर की इमेज पर क्लिक करें!
## शिक्षण पद्धति
## शिक्षाशास्त्र
इस पाठ्यक्रम को बनाते समय हमने दो शिक्षण सिद्धांत चुने हैं: सुनिश्चित करना कि यह परियोजना-आधारित हो और इसमें बार-बार क्विज़ शामिल हों। इस श्रृंखला के अंत तक, छात्र डेटा साइंस के मूल सिद्धांतों को सीखेंगे, जिनमें नैतिक अवधारणाएँ, डेटा तैयारी, डेटा के साथ काम करने के विभिन्न तरीके, डेटा विज़ुअलाइज़ेशन, डेटा विश्लेषण, डेटा साइंस के वास्तविक दुनिया के उपयोग के मामले, और बहुत कुछ शामिल है।
इस पाठ्यक्रम को बनाते हुए हमने दो शिक्षाशास्त्र संबंधी सिद्धांत चुने हैं: इसे परियोजना आधारित बनाना और इसमें नियमित क्विज़ शामिल करना। इस श्रृंखला के अंत तक, छात्र डेटा विज्ञान के मूल सिद्धांतों को सीखेंगे, जिसमें नैतिक सिद्धांत, डेटा तैयारी, डेटा के साथ कार्य करने के विभिन्न तरीके, डेटा विज़ुअलाइज़ेशन, डेटा विश्लेषण, डेटा विज्ञान के वास्तविक विश्व उपयोग मामले, और अधिक शामिल हैं।
इसके अतिरिक्त, कक्षा से पहले एक कम दबाव वाला क्विज़ छात्र के सीखने की इच्छा को सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ और बेहतर अवधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मज़ेदार बनाने के लिए डिज़ाइन किया गया है और इसे पूरी तरह से या आंशिक रूप से लिया जा सकता है। परियोजनाएँ छोटी शुरू होती हैं और 10 सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाती हैं।
इसके अतिरिक्त, कक्षा से पहले का एक कम जोखिम वाला क्विज़ छात्र के विषय सीखने के इरादे को निर्धारित करता है, जबकि कक्षा के बाद दूसरा क्विज़ आगे की समझ बनाए रखने में मदद करता है। यह पाठ्यक्रम लचीला और मजेदार होने के लिए डिज़ाइन किया गया है और इसे पूरे पाठ्यक्रम के रूप में या आंशिक रूप से लिया जा सकता है। परियोजनाएं छोटी से शुरू होती हैं और 10 सप्ताह की चक्र के अंत तक बढ़ती हुई जटिल हो जाती हैं।
> हमारे [व्यवहार संहिता](CODE_OF_CONDUCT.md), [योगदान देने के निर्देश](CONTRIBUTING.md), [अनुवाद](TRANSLATIONS.md) दिशानिर्देश देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!
> हमारा [आचार संहिता](CODE_OF_CONDUCT.md), [योगदान](CONTRIBUTING.md), [अनुवाद](TRANSLATIONS.md) दिशानिर्देश देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!
## प्रत्येक पाठ में शामिल हैं:
- वैकल्पिक स्केचनोट
- वैकल्पिक स्केचनोट
- वैकल्पिक पूरक वीडियो
- पाठ से पहले वार्मअप क्विज़
- पूर्व-पाठ वार्मअप क्विज़
- लिखित पाठ
- परियोजना-आधारित पाठों के लिए, परियोजना बनाने के चरण-दर-चरण मार्गदर्शिकाएँ
- परियोजनाआधारित पाठों के लिए, परियोजना बनाने के चरण-दर-चरण मार्गदर्शिकाएँ
- ज्ञान जांच
- एक挑战
- पूरक पठन सामग्री
- एक चुनौती
- पूरक पठन
- असाइनमेंट
- [पाठ के बाद क्विज़](https://ff-quizzes.netlify.app/en/)
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ Quiz-App फ़ोल्डर में हैं, जिसमें प्रत्येक में तीन प्रश्नों के कुल 40 क्विज़ हैं। ये पाठों से लिंक किए गए हैं, लेकिन क्विज़ ऐप लोकल भी चलाया जा सकता है या Azure पर डिप्लॉय किया जा सकता है; `quiz-app` फ़ोल्डर में निर्देशों का पालन करें। इन्हें धीरे-धीरे स्थानीयकृत किया जा रहा है।
> **क्विज़ के बारे में एक नोट**: सभी क्विज़ क्विज़-ऐप फोल्डर में संचित हैं, कुल 40 क्विज़ तीन प्रश्नों वाले। वे पाठों से लिंक किए गए हैं, लेकिन क्विज़ ऐप को स्थानीय रूप से चलाया जा सकता है या Azure पर तैनात किया जा सकता है; `quiz-app` फोल्डर में निर्देशों का पालन करें। इन्हें धीरे-धीरे स्थानीयकृत किया जा रहा है।
## 🎓 शुरुआती के लिए दोस्ताना उदाहरण
**डेटा साइंस में नए हैं?** हमने एक विशेष [उदाहरण निर्देशिका](examples/README.md) बनाई है जिसमें सरल, अच्छी तरह से टिप्पणी की गई कोड है जो आपको शुरू करने में मदद करेगी:
**डेटा साइंस में नए हैं?** हमने एक विशेष [उदाहरण निर्देशिका](examples/README.md) बनाई है जहाँ सरल, अच्छी तरह से कमेंटेड कोड के साथ शुरुआत में मदद मिलती है:
- 🌟 **हैलो वर्ल्ड** - आपका पहला डेटा साइंस प्रोग्राम
- 📂 **डेटा लोड करना** - डेटा सेट पढ़ना और एक्सप्लोर करना सीखें
| 01 | डेटा साइंस की परिभाषा | [परिचय](1-Introduction/README.md) | डेटा साइंस के मूल सिद्धांतों को सीखें और यह आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग, और बिग डेटा से कैसे संबंधित है। | [पाठ](1-Introduction/01-defining-data-science/README.md) [वीडियो](https://youtu.be/beZ7Mb_oz9I) | [दिमित्रि](http://soshnikov.com) |
| 03 | डेटा की परिभाषा | [परिचय](1-Introduction/README.md) | डेटा को कैसे वर्गीकृत किया जाता है और इसके सामान्य स्रोत। | [पाठ](1-Introduction/03-defining-data/README.md) | [जैस्मिन](https://www.twitter.com/paladique) |
| 04 | सांख्यिकी और संभाव्यता का परिचय | [परिचय](1-Introduction/README.md) | डेटा को समझने के लिए संभाव्यता और सांख्यिकी की गणितीय तकनीकें। | [पाठ](1-Introduction/04-stats-and-probability/README.md) [वीडियो](https://youtu.be/Z5Zy85g4Yjw) | [दिमित्रि](http://soshnikov.com) |
| 05 | संबंधपरक डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | संबंधपरक डेटा का परिचय और संरचित क्वेरी भाषा (SQL) के साथ संबंधपरक डेटा का अन्वेषण और विश्लेषण के मूल बातें। | [पाठ](2-Working-With-Data/05-relational-databases/README.md) | [क्रिस्टोफर](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | गैर-संबंधपरक डेटा का परिचय, इसके विभिन्न प्रकार और दस्तावेज़ डेटाबेस का अन्वेषण और विश्लेषण की मूल बातें। | [पाठ](2-Working-With-Data/06-non-relational/README.md) | [जैस्मिन](https://twitter.com/paladique)|
| 07 | पायथन के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | पायथन का उपयोग डेटा अन्वेषण के लिए करना, जैसे कि पांडस लाइब्रेरी के साथ। पायथन प्रोग्रामिंग की मूल समझ अनुशंसित है। | [पाठ](2-Working-With-Data/07-python/README.md) [वीडियो](https://youtu.be/dZjWOGbsN4Y) | [दिमित्रि](http://soshnikov.com) |
| 08 | डेटा तैयारी | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | डेटा साफ़ करने और रूपांतरित करने के तकनीकें ताकि मिसिंग, गलत या अपूर्ण डेटा की चुनौतियों को संभाला जा सके। | [पाठ](2-Working-With-Data/08-data-preparation/README.md) | [जैस्मिन](https://www.twitter.com/paladique) |
| 09 | मात्राओं का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | बैट डेटा का विज़ुअलायज़ेशन करने के लिए Matplotlib का उपयोग करना सीखें 🦆 | [पाठ](3-Data-Visualization/09-visualization-quantities/README.md) | [जेन](https://twitter.com/jenlooper) |
| 10 | डेटा के वितरण का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | अवलोकनों और प्रवृत्तियों को एक अंतराल के भीतर विज़ुअलाइज़ करना। | [पाठ](3-Data-Visualization/10-visualization-distributions/README.md) | [जेन](https://twitter.com/jenlooper) |
| 11 | अनुपातों का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | विविक्त और समूहित प्रतिशत का विज़ुअलाइज़ेशन। | [पाठ](3-Data-Visualization/11-visualization-proportions/README.md) | [जेन](https://twitter.com/jenlooper) |
| 12 | संबंधों का विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | डेटा सेट और उनके चर के बीच कनेक्शन और सहसंबंध का विज़ुअलाइज़ेशन। | [पाठ](3-Data-Visualization/12-visualization-relationships/README.md) | [जेन](https://twitter.com/jenlooper) |
| 13 | अर्थपूर्ण विज़ुअलाइज़ेशन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | मूल्यवान और प्रभावी समस्या समाधान और अंतर्दृष्टि के लिए आपकी विज़ुअलाइज़ेशन बनाने की तकनीक और मार्गदर्शन। | [पाठ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [जेन](https://twitter.com/jenlooper) |
| 14 | डेटा साइंस जीवनचक्र का परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र का परिचय और उसके पहले चरण में डेटा प्राप्त करना और निकालना। | [पाठ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [जैस्मिन](https://twitter.com/paladique) |
| 15 | विश्लेषण करना | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र का यह चरण डेटा का विश्लेषण करने की तकनीकों पर केंद्रित है। | [पाठ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [जैस्मिन](https://twitter.com/paladique) | | |
| 16 | संवाद करना | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र का यह चरण डेटा से अंतर्दृष्टि प्रस्तुत करने पर केंद्रित है, ताकि निर्णय लेने वालों को समझना आसान हो सके। | [पाठ](4-Data-Science-Lifecycle/16-communication/README.md) | [जालेन](https://twitter.com/JalenMcG) | | |
| 17 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउड में डेटा साइंस और इसके लाभों का परिचय। | [पाठ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [टिफ़नी](https://twitter.com/TiffanySouterre) और [मौड](https://twitter.com/maudstweets) |
| 18 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | लो कोड टूल्स का उपयोग करके मॉडल प्रशिक्षण। |[पाठ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [टिफ़नी](https://twitter.com/TiffanySouterre) और [मौड](https://twitter.com/maudstweets) |
| 19 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure मशीन लर्निंग स्टूडियो के साथ मॉडल तैनात करना। | [पाठ](5-Data-Science-In-Cloud/19-Azure/README.md)| [टिफ़नी](https://twitter.com/TiffanySouterre) और [मौड](https://twitter.com/maudstweets) |
| 20 | डेटा साइंस इन द वाइल्ड | [इन् द वाइल्ड](6-Data-Science-In-Wild/README.md) | वास्तविक दुनिया में डेटा साइंस संचालित परियोजनाएँ। | [पाठ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [नित्य](https://twitter.com/nitya) |
| 01 | डेटा साइंस को परिभाषित करना | [परिचय](1-Introduction/README.md) | डेटा साइंस के मूल सिद्धांत सीखें और यह आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग, और बिग डेटा से कैसे संबंधित है। | [पाठ](1-Introduction/01-defining-data-science/README.md) [वीडियो](https://youtu.be/beZ7Mb_oz9I) | [डिमित्री](http://soshnikov.com) |
| 03 | डेटा को परिभाषित करना | [परिचय](1-Introduction/README.md) | डेटा कैसे वर्गीकृत किया जाता है और इसके सामान्य स्रोत। | [पाठ](1-Introduction/03-defining-data/README.md) | [जैस्मिन](https://www.twitter.com/paladique) |
| 04 | सांख्यिकी और संभावना का परिचय | [परिचय](1-Introduction/README.md) | डेटा को समझने के लिए संभावना और सांख्यिकी की गणितीय तकनीकें। | [पाठ](1-Introduction/04-stats-and-probability/README.md) [वीडियो](https://youtu.be/Z5Zy85g4Yjw) | [डिमित्री](http://soshnikov.com) |
| 05 | रिलेशनल डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | रिलेशनल डेटा का परिचय और इसके खोज और विश्लेषण के मूल, जिसे संरचित क्वेरी भाषा (SQL) भी कहा जाता है। | [पाठ](2-Working-With-Data/05-relational-databases/README.md) | [क्रिस्टोफ़र](https://www.twitter.com/geektrainer) | | |
| 06 | नोSQL डेटा के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | गैर-रिलेशनल डेटा का परिचय, इसके विभिन्न प्रकार और डाक्यूमेंट डेटाबेस के खोज और विश्लेषण के मूल। | [पाठ](2-Working-With-Data/06-non-relational/README.md) | [जैस्मिन](https://twitter.com/paladique)|
| 07 | पाइथन के साथ काम करना | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | पांडास जैसी लाइब्रेरीज के साथ डेटा अन्वेषण के लिए पाइथन का मूल उपयोग। पाइथन प्रोग्रामिंग की बुनियादी समझ सिफारिश की जाती है। | [पाठ](2-Working-With-Data/07-python/README.md) [वीडियो](https://youtu.be/dZjWOGbsN4Y) | [डिमित्री](http://soshnikov.com) |
| 08 | डेटा तैयारी | [डेटा के साथ काम करना](2-Working-With-Data/README.md) | डेटा को साफ़ और रूपांतरित करने की तकनीकें, जिसमें गुम, गलत या अधूरी डेटा से निपटना शामिल है। | [पाठ](2-Working-With-Data/08-data-preparation/README.md) | [जैस्मिन](https://www.twitter.com/paladique) |
| 09 | मात्राओं का दृश्यांकन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | मैटप्लॉटलिब का उपयोग कर पक्षी डेटा का दृश्यांकन सीखें 🦆 | [पाठ](3-Data-Visualization/09-visualization-quantities/README.md) | [जेन](https://twitter.com/jenlooper) |
| 10 | डेटा के वितरणों का दृश्यांकन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | अवलोकन और रुझानों को एक अंतराल के भीतर दृश्यित करना। | [पाठ](3-Data-Visualization/10-visualization-distributions/README.md) | [जेन](https://twitter.com/jenlooper) |
| 11 | अनुपात का दृश्यांकन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | विविक्त और समूहित प्रतिशतों का दृश्यांकन। | [पाठ](3-Data-Visualization/11-visualization-proportions/README.md) | [जेन](https://twitter.com/jenlooper) |
| 12 | रिश्तों का दृश्यांकन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | डेटा सेटों और उनके चर के बीच संबंधों और सहसंबंधों का दृश्यांकन। | [पाठ](3-Data-Visualization/12-visualization-relationships/README.md) | [जेन](https://twitter.com/jenlooper) |
| 13 | सार्थक दृश्यांकन | [डेटा विज़ुअलाइज़ेशन](3-Data-Visualization/README.md) | प्रभावी समस्या-समाधान और अंतर्दृष्टि के लिए अपने दृश्यांकन को मूल्यवान बनाने की तकनीकें और मार्गदर्शन। | [पाठ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [जेन](https://twitter.com/jenlooper) |
| 14 | डेटा साइंस जीवनचक्र का परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा साइंस जीवनचक्र और डेटा प्राप्ति और निष्कर्षण के पहले चरण का परिचय। | [पाठ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [जैस्मिन](https://twitter.com/paladique) |
| 15 | विश्लेषण करना | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | जीवनचक्र के इस चरण में डेटा का विश्लेषण करने की तकनीकें शामिल हैं। | [पाठ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [जैस्मिन](https://twitter.com/paladique) | | |
| 16 | संप्रेषण | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | जीवनचक्र के इस चरण में डेटा से मिली जानकारी को इस तरह प्रस्तुत करना शामिल है जिससे निर्णय निर्माता आसानी से समझ सकें। | [पाठ](4-Data-Science-Lifecycle/16-communication/README.md) | [जेलन](https://twitter.com/JalenMcG) | | |
| 17 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउड में डेटा साइंस और इसके लाभों का परिचय। | [पाठ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [टिफ़नी](https://twitter.com/TiffanySouterre) और [मॉड](https://twitter.com/maudstweets) |
| 18 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | लो कोड टूल्स का उपयोग कर मॉडल प्रशिक्षण। |[पाठ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [टिफ़नी](https://twitter.com/TiffanySouterre) और [मॉड](https://twitter.com/maudstweets) |
| 19 | क्लाउड में डेटा साइंस | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio के साथ मॉडल तैनाती। | [पाठ](5-Data-Science-In-Cloud/19-Azure/README.md)| [टिफ़नी](https://twitter.com/TiffanySouterre) और [मॉड](https://twitter.com/maudstweets) |
| 20 | असली दुनिया में डेटा साइंस | [वाइल्ड में](6-Data-Science-In-Wild/README.md) | वास्तविक दुनिया में डेटा साइंस संचालित परियोजनाएं। | [पाठ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [नित्या](https://twitter.com/nitya) |
## GitHub Codespaces
इस नमूना को Codespace में खोलने के लिए ये कदम उठाएँ:
इस नमूने को Codespace में खोलने के लिए ये चरणों का पालन करें:
1. कोड ड्रॉप-डाउन मेनू पर क्लिक करें और Open with Codespaces विकल्प चुनें।
2. पैन के नीचे + New codespace चुनें।
अधिक जानकारी के लिए, [GitHub दस्तावेज़](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) देखें।
## VSCode Remote - कंटेनर
अपने स्थानीय मशीन और VSCode के साथ इस रिपॉजिटरी को कंटेनर में खोलने के लिए VS Code Remote - Containers एक्सटेंशन का उपयोग करें:
## VSCode Remote - Containers
अपने स्थानीय मशीन और VSCode का उपयोग करके इस रिपॉजिटरी को कंटेनर में खोलने के लिए VS Code Remote - Containers एक्सटेंशन का पालन करें:
1. यदि यह आपकी पहली बार डेवलपमेंट कंटेनर उपयोग कर रहे हैं, तो कृपया सुनिश्चित करें कि आपकी प्रणाली [शुरुआत के दस्तावेज़](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) में उल्लिखित आवश्यकताएँ पूरी करती है (जैसे Docker इंस्टॉल होना)।
1. यदि यह आपका पहली बार विकास कंटेनर का उपयोग है, तो कृपया सुनिश्चित करें कि आपका सिस्टम प्री-रिक्विज़िट्स (जैसे Docker इंस्टॉल होना) को पूरा करता है [शुरू करने के दस्तावेज़](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) में।
इस रिपॉजिटरी का उपयोग करने के लिए, आप या तो इसे एक अलग Docker वॉल्यूम में खोल सकते हैं:
इस रिपॉजिटरी का उपयोग करने के लिए, आप या तो रिपॉजिटरी को एक पृथक Docker वॉल्यूम में खोल सकते हैं:
**नोट**: इसके तहत Remote-Containers: **Clone Repository in Container Volume...** कमांड का उपयोग कर सोर्स कोड को लोकल फाइलसिस्टम के बजाय Docker वॉल्यूम में क्लोन किया जाएगा। [वॉल्यूम](https://docs.docker.com/storage/volumes/) कंटेनर डेटा को स्थायी बनाने के लिए पसंदीदा तंत्र हैं।
**नोट**: आंतरिक रूप से, यह Remote-Containers: **Clone Repository in Container Volume...** कमांड का उपयोग करके स्रोत कोड को स्थानीय फ़ाइल सिस्टम की बजाय Docker वॉल्यूम में क्लोन करेगा। [वॉल्यूम](https://docs.docker.com/storage/volumes/) कंटेनर डेटा संधारण के लिए प्राथमिक तरीका हैं।
या रिपॉजिटरी की लोकली क्लोन या डाउनलोड की गई कॉपी खोलें:
या रिपॉजिटरी की स्थानीय क्लोन की गई या डाउनलोड की गई कॉपी खोलें:
- इसे अपनी लोकल फाइलसिस्टम में क्लोन करें।
- इस रिपॉजिटरी को अपनी स्थानीय फ़ाइल सिस्टम पर क्लोन करें।
- F1 दबाएं और **Remote-Containers: Open Folder in Container...** कमांड चुनें।
- इस फ़ोल्डर की क्लोन की गई कॉपी चुनें, कंटेनर के शुरू होने का इंतजार करें, और फिर प्रयोग करें।
- इस फ़ोल्डर की क्लोन की हुई कॉपी चुनें, कंटेनर के शुरू होने का इंतजार करें, और चीज़ों को आज़माएं।
## ऑफ़लाइन पहुँच
आप इस दस्तावेज़ को ऑफ़लाइन [Docsify](https://docsify.js.org/#/) का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने स्थानीय मशीन पर [Docsify इंस्टॉल करें](https://docsify.js.org/#/quickstart), फिर इस रिपॉजिटरी की रूट फ़ोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व होगी: `localhost:3000`।
आप [Docsify](https://docsify.js.org/#/) का उपयोग करके इस दस्तावेज़ को ऑफ़लाइन चला सकते हैं। इस रिपॉजिटरी को फ़ोर्क करें, अपने स्थानीय मशीन पर [Docsify इंस्टॉल](https://docsify.js.org/#/quickstart) करें, फिर इस रिपॉजिटरी के रूट फ़ोल्डर में `docsify serve` टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर उपलब्ध होगी: `localhost:3000`।
> ध्यान दें, नोटबुक्स Docsify के माध्यम से रेंडर नहीं होंगी, इसलिए जब आपको नोटबुक चलाना हो, तो वह अलग से VS Code में पायथन कर्नेल चलाकर करें।
> ध्यान दें, नोटबुक Docsify के माध्यम से प्रदर्शित नहीं होंगी, इसलिए जब आपको नोटबुक चलानी हो, तो इसे VS Code में Python कर्नेल चलाकर अलग से करें।
## अन्य पाठ्यक्रम
@ -218,7 +218,7 @@ Microsoft में Azure Cloud Advocates डेटा साइंस के
---
### जनरेटिव AI श्रृंखला
### जनरेटिव एआई श्रृंखला
[](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)
@ -237,7 +237,7 @@ Microsoft में Azure Cloud Advocates डेटा साइंस के
---
### कोपिलॉट श्रृंखला
### कोपाइलट श्रृंखला
[](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)
@ -245,19 +245,19 @@ Microsoft में Azure Cloud Advocates डेटा साइंस के
## सहायता प्राप्त करना
**समस्याओं का सामना कर रहे हैं?** सामान्य समस्याओं के समाधान के लिए हमारा [ट्रबलशूटिंग गाइड](TROUBLESHOOTING.md) देखें।
**समस्याओं का सामना कर रहे हैं?** आम समस्याओं के समाधान के लिए हमारा [ट्रबलशूटिंग गाइड](TROUBLESHOOTING.md) देखें।
यदि आप अटक जाते हैं या AI ऐप बनाने के बारे में कोई सवाल है। MCP के बारे में चर्चाओं में साथी शिक्षार्थियों और अनुभवी डेवलपर्स में शामिल हों। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत योग्य हैं और ज्ञान खुले तौर पर साझा किया जाता है।
यदि आप फंस गए हैं या AI ऐप्स बनाने के बारे में कोई प्रश्न हैं। MCP के बारे में बातचीत में साथी शिक्षार्थियों और अनुभवी डेवलपर्स में शामिल हों। यह एक सहायक समुदाय है जहां प्रश्न स्वागतयोग्य हैं और ज्ञान मुक्त रूप से साझा किया जाता है।
इस दस्तावेज़ का अनुवाद AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके किया गया है। हम सही अनुवाद के लिए प्रयासरत हैं, लेकिन कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या असंगतियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही अधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।
**अस्वीकरण**:
यह दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) का उपयोग करके अनुवादित किया गया है। जबकि हम शुद्धता के लिए प्रयासरत हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मातृ भाषा में ही प्राधिकृत स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए पेशेवर मानव अनुवाद की सलाह दी जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।
DiscordにてAIシリーズの学習を継続中です。2025年9月18日～30日に [Learn with AI Series](https://aka.ms/learnwithai/discord) に参加して詳細を学び、GitHub Copilotをデータサイエンスで使うヒントやコツを取得しましょう。
Discordでの「AIと学ぶシリーズ」を現在開催中です。詳細と参加はこちら [Learn with AI Series](https://aka.ms/learnwithai/discord)、開催期間は2025年9月18日〜30日です。GitHub Copilotを活用したデータサイエンスのヒントやコツを学べます。
1. 開発コンテナを初めて使う場合は、[Getting Started ドキュメント](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)の前提条件（例：Dockerがインストールされていること）を確認してください。
このリポジトリを使うには、リポジトリを分離されたDockerボリューム内に開けます：
このリポジトリを使うには、隔離されたDockerボリューム内でリポジトリを開く方法があります：
**注記**: 内部的には、Remote-Containersの **Clone Repository in Container Volume...** コマンドを使い、ローカルファイルシステムの代わりにDockerボリュームにソースコードをクローンします。データ永続化には[ボリューム](https://docs.docker.com/storage/volumes/)が推奨されています。
<strong>注意</strong>: 内部的には、Remote-Containersの<strong>Clone Repository in Container Volume...</strong>コマンドを使い、ソースコードをローカルファイルシステムではなくDockerボリュームにクローンします。ボリュームはコンテナデータの永続化に推奨される仕組みです。
または、ローカルにクローンまたはダウンロードしたリポジトリを開く：
または、ローカルにクローンまたはダウンロードしたリポジトリを使うことも可能です：
- このリポジトリをローカルファイルシステムにクローンする。
- F1を押して **Remote-Containers: Open Folder in Container...** コマンドを選択。
- このフォルダーのクローンコピーを選択し、コンテナ起動を待って試してください。
- このリポジトリをローカルファイルシステムにクローン。
- F1キーを押し、**Remote-Containers: Open Folder in Container...** コマンドを選択。
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / エージェント
### 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/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)
[](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/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
Microsoft의 Azure Cloud Advocates는 데이터 과학에 관한 10주, 20개 레슨의 커리큘럼을 제공합니다. 각 레슨에는 사전 및 사후 퀴즈, 레슨을 완료하기 위한 서면 지침, 솔루션 및 과제가 포함되어 있습니다. 우리의 프로젝트 기반 교수법은 구축하며 배우는 방식을 제공하여 새로운 기술이 잘 습득되도록 합니다.
마이크로소프트의 Azure Cloud Advocates는 데이터 과학에 관한 10주, 20개 강의 커리큘럼을 제공합니다. 각 강의에는 사전 및 사후 퀴즈, 강의를 완료하기 위한 서면 지침, 솔루션, 과제가 포함되어 있습니다. 프로젝트 기반 교수법은 빌드하면서 학습하도록 하여 새로운 기술을 확실히 익힐 수 있는 검증된 방법입니다.
Discord에서 AI와 함께 배우는 시리즈가 진행 중입니다. 자세한 내용 및 참여는 [Learn with AI Series](https://aka.ms/learnwithai/discord)에서 확인하세요. 2025년 9월 18일부터 30일까지 GitHub Copilot을 활용한 데이터 과학 팁과 요령을 배울 수 있습니다.
우리는 현재 Discord에서 AI 시리즈와 함께 학습 중이며, 2025년 9월 18일부터 30일까지 [Learn with AI Series](https://aka.ms/learnwithai/discord)에서 자세한 정보를 얻고 참여할 수 있습니다. GitHub Copilot을 데이터 과학에 활용하는 팁과 요령을 얻으실 수 있습니다.
# 학생이신가요?
다음 자료들로 시작하세요:
다음 자원으로 시작하세요:
- [Student Hub 페이지](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 이 페이지에서는 초보자 자료, 학생 팩, 무료 자격증 바우처를 얻는 방법 등을 확인할 수 있습니다. 매달 콘텐츠를 교체하므로 즐겨찾기에 추가하고 수시로 확인하는 것을 추천합니다.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 전 세계 학생 대사 커뮤니티에 가입하세요. Microsoft에 진입하는 좋은 방법이 될 수 있습니다.
- [학생 허브 페이지](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 이 페이지에서는 초보자용 자료, 학생 패키지, 무료 인증 바우처 받는 방법 등을 찾을 수 있습니다. 월 단위로 콘텐츠가 교체되니 즐겨찾기에 추가하고 수시로 확인해 보세요.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 전 세계 학생 홍보대사 커뮤니티에 참여하세요. 이것이 마이크로소프트로 가는 길이 될 수 있습니다.
# 시작하기
## 📚 문서
- **[설치 가이드](INSTALLATION.md)** - 초보자를 위한 단계별 설치 지침
- **[사용법 가이드](USAGE.md)** - 예제 및 일반 워크플로우
- **[문제 해결](TROUBLESHOOTING.md)** - 자주 발생하는 문제 해결책
- **[기여 가이드](CONTRIBUTING.md)** - 프로젝트 기여 방법
- **[교사용 자료](for-teachers.md)** - 교육 안내 및 교실 자료
- **[설치 가이드](INSTALLATION.md)** - 초보자를 위한 단계별 설정 지침
- **[사용 가이드](USAGE.md)** - 예제 및 일반적인 작업 흐름
- **[문제 해결](TROUBLESHOOTING.md)** - 일반적인 문제 해결책
- **[기여 가이드](CONTRIBUTING.md)** - 이 프로젝트에 기여하는 방법
- **[교사용 자료](for-teachers.md)** - 교육 지침과 교실 자원
## 👨🎓 학생용
> **완전 초보자**: 데이터 과학이 처음인가요? [초보자 친화적 예제](examples/README.md)부터 시작하세요! 간단하고 주석이 잘 달린 예제들로 기본 개념을 이해한 후 전체 커리큘럼을 진행하는 데 도움이 됩니다.
> **[학생](https://aka.ms/student-page)**: 이 커리큘럼을 독학하려면 저장소를 포크(fork)한 후 사전 강의 퀴즈부터 시작해 연습문제를 완료하세요. 강의를 읽고 나머지 활동을 완료하세요. 솔루션 코드를 복사하기보다는 수업을 이해하며 프로젝트를 만들어보세요. 하지만 각 프로젝트 지향 레슨의 /solutions 폴더에서 코드가 제공됩니다. 친구들과 스터디 그룹을 만들어 함께 공부하는 것도 좋은 방법입니다. 추가 학습을 원한다면 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)을 추천합니다.
> **완전 초보자:** 데이터 과학이 처음이라면, [초보자 친화적 예제](examples/README.md)부터 시작하세요! 이 간단하고 잘 주석 된 예제들이 기본 개념을 이해하는 데 도움을 줍니다.
> **[학생](https://aka.ms/student-page)**: 이 커리큘럼을 혼자 이용하려면, 전체 저장소를 포크하고 사전 강의 퀴즈부터 시작해 직접 연습 문제를 해결하세요. 그런 다음 강의를 읽고 나머지 활동을 완료하세요. 해답 코드를 복사하기보다는 수업을 이해하여 프로젝트를 직접 만들어보세요. 각 프로젝트 단원 강의마다 /solutions 폴더에 해답 코드가 있습니다. 또 다른 방법은 친구들과 스터디 그룹을 만들어 같이 콘텐츠를 학습하는 것입니다. 심화 학습을 원하면 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)을 권장합니다.
**빠른 시작:**
1. [설치 가이드](INSTALLATION.md)를 확인해 환경을 설정하세요
2. [사용법 가이드](USAGE.md)를 검토해 커리큘럼 활용법을 배우세요
3. 레슨 1부터 순차적으로 진행하세요
1. [설치 가이드](INSTALLATION.md)를 확인하여 환경을 설정하세요
2. [사용 가이드](USAGE.md)를 검토하여 커리큘럼 활용법을 배우세요
3. 1강부터 순차적으로 학습하세요
4. 지원이 필요하면 [Discord 커뮤니티](https://aka.ms/ds4beginners/discord)에 참여하세요
## 👩🏫 교사용
> **교사 여러분**: 저희는 이 교육 과정을 사용하는 방법에 대해 [몇 가지 제안](for-teachers.md)을 포함시켰습니다. [토론 포럼](https://github.com/microsoft/Data-Science-For-Beginners/discussions)에서 여러분의 피드백을 기다립니다!
> **교사 분들**: 이 커리큘럼을 활용하는 방법에 대한 [일부 제안](for-teachers.md)을 포함했습니다. [토론 포럼](https://github.com/microsoft/Data-Science-For-Beginners/discussions)에서 여러분의 피드백을 환영합니다!
이 커리큘럼을 구축하면서 두 가지 교육 원칙을 선택했습니다: 프로젝트 기반 학습과 빈번한 퀴즈 포함입니다. 이 시리즈가 끝나면 학생들은 윤리적 개념, 데이터 준비, 데이터 작업의 다양한 방법, 데이터 시각화, 데이터 분석, 데이터 과학의 실제 사례 등을 포함한 데이터 과학의 기본 원리를 배우게 됩니다.
이 커리큘럼을 구축하면서 우리는 두 가지 교육 원칙을 선택했습니다: 프로젝트 기반 학습과 자주 진행되는 퀴즈 포함. 이 시리즈가 끝나면 학생들은 윤리적 개념, 데이터 준비, 데이터 작업의 다양한 방법, 데이터 시각화, 데이터 분석, 데이터 과학의 실제 사례 등 데이터 과학의 기본 원리를 배웁니다.
또한 수업 전 낮은 부담의 퀴즈는 학생이 주제 학습에 집중하도록 동기를 부여하며, 수업 후 두 번째 퀴즈는 학습 내용의 추가 기억을 돕습니다. 이 커리큘럼은 유연하고 재미있게 설계되어 전체 또는 일부만 수강할 수 있습니다. 프로젝트는 처음에 작게 시작하여 10주 주기 종료 시점에 점점 복잡해집니다.
또한, 수업 전 저위험 퀴즈는 학생들의 학습 의도를 설정하고, 수업 후 두 번째 퀴즈는 추가적인 기억을 돕습니다. 이 커리큘럼은 유연하고 재미있도록 설계되었으며 전체 또는 일부만 학습할 수 있습니다. 프로젝트들은 작게 시작하여 10주 주기 말에 점점 복잡해집니다.
> **퀴즈에 관한 참고 사항**: 모든 퀴즈는 Quiz-App 폴더 내에 있으며, 총 40개 퀴즈로 각각 3문제씩 구성되어 있습니다. 강의 내에서 링크되어 있지만, 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다; `quiz-app` 폴더의 지침을 따르세요. 점진적으로 현지화되고 있습니다.
> **퀴즈에 관한 안내**: 모든 퀴즈는 Quiz-App 폴더에 포함되어 있으며, 총 40개의 퀴즈가 각각 3문항으로 구성되어 있습니다. 수업 내에서 링크되지만, 퀴즈 앱은 로컬에서 실행하거나 Azure에 배포할 수 있습니다. 자세한 내용은 `quiz-app` 폴더의 지침을 따르세요. 점차 현지화 중입니다.
## 🎓 초보자 친화적 예제
**데이터 과학이 처음인가요?** 간단하고 잘 주석 처리된 코드로 시작할 수 있도록 특별한 [예제 디렉터리](examples/README.md)를 만들었습니다:
**데이터 과학이 처음이신가요?** 간단하고 잘 주석이 달린 코드로 시작할 수 있도록 특별한 [예제 디렉터리](examples/README.md)를 만들었습니다:
- 🌟 **Hello World** - 여러분의 첫 데이터 과학 프로그램
- 📂 **데이터 로딩** - 데이터셋 읽기 및 탐색 배우기
- 📊 **간단 분석** - 통계 계산 및 패턴 찾기
- 📈 **기초 시각화** - 차트 및 그래프 만들기
- 🔬 **실제 프로젝트** - 처음부터 끝까지 완성하는 워크플로우
- 🌟 **Hello World** - 첫 번째 데이터 과학 프로그램
- 📂 **데이터 불러오기** - 데이터셋 읽기 및 탐색 방법 배우기
- 📊 **간단한 분석** - 통계 계산 및 패턴 찾기
- 📈 **기본 시각화** - 차트 및 그래프 만들기
- 🔬 **실제 프로젝트** - 시작부터 완료까지 전체 작업 흐름
각 예제에는 모든 단계를 자세히 설명하는 주석이 포함되어 있어 완전 초보자에게 안성맞춤입니다!
| 01 | 데이터 과학 정의 | [소개](1-Introduction/README.md) | 데이터 과학의 기본 개념과 인공지능, 머신러닝, 빅데이터와의 관계를 배웁니다. | [수업](1-Introduction/01-defining-data-science/README.md) [영상](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 데이터 과학 윤리 | [소개](1-Introduction/README.md) | 데이터 윤리 개념, 도전과제 및 프레임워크. | [수업](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 데이터 정의 | [소개](1-Introduction/README.md) | 데이터 분류 방식과 주요 출처. | [수업](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 통계 및 확률 소개 | [소개](1-Introduction/README.md) | 데이터를 이해하기 위한 확률 및 통계 수학 기법. | [수업](1-Introduction/04-stats-and-probability/README.md) [영상](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 관계형 데이터 작업 | [데이터 작업](2-Working-With-Data/README.md) | 관계형 데이터 소개 및 SQL(“시퀄”)을 사용한 탐색과 분석 기초. | [수업](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL 데이터 작업 | [데이터 작업](2-Working-With-Data/README.md) | 비관계형 데이터 소개, 다양한 유형과 문서 데이터베이스 탐색 및 분석 기초. | [수업](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | 파이썬으로 작업하기 | [데이터 작업](2-Working-With-Data/README.md) | Pandas 같은 라이브러리를 활용한 데이터 탐색용 Python 기초. Python 프로그래밍 기초 지식 권장. | [수업](2-Working-With-Data/07-python/README.md) [영상](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 데이터 준비 | [데이터 작업](2-Working-With-Data/README.md) | 누락, 부정확하거나 불완전한 데이터를 처리하기 위한 데이터 정제 및 변환 기술. | [수업](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 수량 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | Matplotlib을 사용하여 새 데이터를 시각화하는 방법 배우기 🦆 | [수업](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 데이터 분포 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 구간 내 관찰 및 추세 시각화. | [수업](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 비율 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 이산 데이터 및 그룹 비율 시각화. | [수업](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 관계 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 데이터 집합과 변수 간의 연관성과 상관 관계 시각화. | [수업](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 의미 있는 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 효과적인 문제 해결과 인사이트를 위한 유용한 시각화 기술과 지침. | [수업](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 데이터 과학 수명 주기 소개 | [수명 주기](4-Data-Science-Lifecycle/README.md) | 데이터 과학 수명 주기 소개 및 데이터 획득 및 추출의 첫 단계. | [수업](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 분석 | [수명 주기](4-Data-Science-Lifecycle/README.md) | 데이터 과학 수명 주기에서 데이터를 분석하는 기법에 중점. | [수업](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | 커뮤니케이션 | [수명 주기](4-Data-Science-Lifecycle/README.md) | 데이터 과학 수명 주기에서 데이터 인사이트를 의사결정자가 이해하기 쉽게 전달하는 단계. | [수업](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | 클라우드에서의 데이터 과학과 그 이점을 소개하는 시리즈 강의. | [수업](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 18 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | 로우 코드 도구를 사용한 모델 훈련. |[수업](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 19 | 클라우드에서의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio를 사용한 모델 배포. | [수업](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 20 | 현장에서의 데이터 과학 | [현장](6-Data-Science-In-Wild/README.md) | 현실 세계에서 진행되는 데이터 과학 기반 프로젝트. | [수업](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 데이터 과학 입문: 로드맵 - _스케치노트 by [@nitya](https://twitter.com/nitya)_ |
| 01 | 데이터 과학 정의 | [소개](1-Introduction/README.md) | 데이터 과학의 기본 개념과 인공지능, 머신러닝, 빅데이터와의 연관성 학습 | [수업](1-Introduction/01-defining-data-science/README.md) [영상](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 데이터 과학 윤리 | [소개](1-Introduction/README.md) | 데이터 윤리 개념, 도전과제 및 프레임워크 | [수업](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 데이터 정의 | [소개](1-Introduction/README.md) | 데이터 분류 및 일반적인 출처 학습 | [수업](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 통계 및 확률 소개 | [소개](1-Introduction/README.md) | 데이터 이해를 위한 확률 및 통계 수학 기법 소개 | [수업](1-Introduction/04-stats-and-probability/README.md) [영상](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 관계형 데이터 작업 | [데이터 작업](2-Working-With-Data/README.md) | 관계형 데이터 소개 및 SQL(“시퀄” 발음)로 탐색과 분석하는 기본 학습 | [수업](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL 데이터 작업 | [데이터 작업](2-Working-With-Data/README.md) | 비관계형 데이터 및 그 유형, 문서형 데이터베이스 탐색과 분석 기본 학습 | [수업](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Python 활용 | [데이터 작업](2-Working-With-Data/README.md) | Pandas 같은 라이브러리를 활용한 데이터 탐색용 Python 기초. Python 프로그래밍 기초 이해 권장 | [수업](2-Working-With-Data/07-python/README.md) [영상](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 데이터 준비 | [데이터 작업](2-Working-With-Data/README.md) | 누락, 부정확하거나 불완전한 데이터 처리용 정리 및 변형 기법 | [수업](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 수량 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | Matplotlib를 사용해 새 데이터 시각화 🦆 | [수업](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 데이터 분포 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 구간 내 관찰 및 추세 시각화 | [수업](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 비율 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 이산 및 그룹 비율 시각화 | [수업](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 관계 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 데이터 집합과 변수 간 연결 및 상관관계 시각화 | [수업](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 의미 있는 시각화 | [데이터 시각화](3-Data-Visualization/README.md) | 효과적인 문제 해결과 통찰을 위한 시각화 기법 및 가이드 | [수업](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 데이터 과학 라이프사이클 소개 | [라이프사이클](4-Data-Science-Lifecycle/README.md) | 데이터 과학 라이프사이클과 데이터 수집 및 추출 첫 단계 소개 | [수업](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 데이터 분석 | [라이프사이클](4-Data-Science-Lifecycle/README.md) | 데이터 분석에 중점 둔 데이터 과학 라이프사이클 단계 | [수업](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | 커뮤니케이션 | [라이프사이클](4-Data-Science-Lifecycle/README.md) | 의사결정자가 이해하기 쉽게 데이터 통찰을 전달하는 단계 | [수업](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | 클라우드의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | 클라우드 데이터 과학 소개 및 이점 | [수업](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 및 [Maud](https://twitter.com/maudstweets) |
| 18 | 클라우드의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | 로우 코드 도구를 이용한 모델 학습 | [수업](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 및 [Maud](https://twitter.com/maudstweets) |
| 19 | 클라우드의 데이터 과학 | [클라우드 데이터](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio를 활용한 모델 배포 | [수업](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 및 [Maud](https://twitter.com/maudstweets) |
| 20 | 실제 환경의 데이터 과학 | [현장](6-Data-Science-In-Wild/README.md) | 실제 세계에서의 데이터 과학 기반 프로젝트 | [수업](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
이 샘플을 Codespace에서 열려면 다음 단계를 따르세요:
1. Code 드롭다운 메뉴를 클릭하고 Open with Codespaces 옵션을 선택합니다.
2. 창 하단에서 + New codespace를 선택합니다.
다음 단계에 따라 이 샘플을 Codespace에서 열어보세요:
1. Code 드롭다운 메뉴를 클릭하여 Open with Codespaces 옵션을 선택합니다.
2. 패널 하단에서 + New codespace를 선택합니다.
자세한 내용은 [GitHub 문서](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)를 참조하세요.
## VSCode Remote - Containers
로컬 머신과 VSCode에서 VS Code Remote - Containers 확장을 사용해 이 저장소를 컨테이너로 열려면 다음 단계를 따르세요:
로컬 머신과 VSCode에서 VS Code Remote - Containers 확장을 사용하여 이 저장소를 컨테이너에서 여는 단계:
1. 처음 개발 컨테이너를 사용하는 경우, [시작하기 문서](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)에 명시된 사전 요구 사항(예: Docker 설치)을 충족하는지 확인하세요.
1. 개발 컨테이너를 처음 사용하는 경우 [시작하기 문서](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)에서 시스템 요구사항(예: Docker 설치)을 확인하세요.
이 저장소를 사용하려면 격리된 Docker 볼륨에서 저장소를 열 수 있습니다:
저장소를 사용하려면 보통 두 가지 방법이 있습니다:
**참고**: 내부적으로 이 방법은 Remote-Containers: **Clone Repository in Container Volume...** 명령을 사용해 로컬 파일 시스템 대신 Docker 볼륨에 소스 코드를 복제합니다. [볼륨](https://docs.docker.com/storage/volumes/)은 컨테이너 데이터를 지속하는 권장 메커니즘입니다.
저장소를 격리된 Docker 볼륨에서 열기:
또는 로컬에 복제하거나 다운로드한 저장소 버전을 열 수 있습니다:
<strong>참고</strong>: 내부적으로는 Remote-Containers: **Clone Repository in Container Volume...** 명령을 사용하여 소스 코드를 로컬 파일시스템 대신 Docker 볼륨에 복제합니다. [볼륨](https://docs.docker.com/storage/volumes/)은 컨테이너 데이터 지속을 위한 권장 방식입니다.
- 이 저장소를 로컬 파일 시스템에 복제합니다.
- F1 키를 누르고 **Remote-Containers: Open Folder in Container...** 명령을 선택합니다.
- 이 폴더의 복제본을 선택하고 컨테이너가 시작될 때까지 기다린 후 사용해 보세요.
또는 로컬에 복제하거나 다운로드한 저장소 버전을 열기:
- 로컬 파일시스템에 저장소를 복제합니다.
- F1을 누른 뒤 **Remote-Containers: Open Folder in Container...** 명령을 선택합니다.
- 복제한 폴더를 선택하고 컨테이너가 시작될 때까지 기다린 후 작업을 시작하세요.
## 오프라인 접근
[Docsify](https://docsify.js.org/#/)를 사용해 이 문서를 오프라인에서 실행할 수 있습니다. 이 저장소를 포크하고, 로컬에서 [Docsify 설치](https://docsify.js.org/#/quickstart) 후, 이 저장소 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트는 로컬호스트 포트 3000에서 제공됩니다: `localhost:3000`.
[Docsify](https://docsify.js.org/#/)를 사용하여 이 문서를 오프라인으로 실행할 수 있습니다. 이 저장소를 포크하고, 로컬 머신에 [Docsify를 설치](https://docsify.js.org/#/quickstart)한 후, 저장소의 루트 폴더에서 `docsify serve`를 입력하세요. 웹사이트는 로컬호스트의 3000번 포트(`localhost:3000`)에서 서비스됩니다.
> 참고: 노트북은 Docsify로 렌더링 되지 않으니, 노트북을 실행할 필요가 있을 때는 VS Code에서 Python 커널을 실행하여 별도 작업하세요.
> 참고: 노트북은 Docsify로 렌더링되지 않으니 노트북 실행이 필요할 때는 VS Code에서 Python 커널을 통해 별도로 실행하세요.
## 기타 커리큘럼
저희 팀이 제작한 다른 커리큘럼도 확인해 보세요!
우리 팀은 다른 커리큘럼도 제작하고 있습니다! 확인해 보세요:
<!-- 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/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 / 에이전트
[](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)
---
### 생성 AI 시리즈
[](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)
---
### 핵심 학습
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### 코파일럿 시리즈
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 당사는 정확성을 위해 최선을 다하고 있으나, 자동 번역은 오류나 부정확성을 포함할 수 있음을 유의하시기 바랍니다. 원문은 해당 언어의 원본 문서를 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우 전문적인 인간 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의해 주시기 바랍니다. 원본 문서는 해당 언어로 된 원본 문서가 권위 있는 자료로 간주되어야 합니다. 중요한 정보에 대해서는 전문적인 인간 번역을 권장합니다. 본 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해서는 당사가 책임지지 않습니다.
localizeflow[bot]
6 days ago