msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity

chore(i18n): sync translations with latest source changes (chunk 1/1, 213 changes)

Browse Source
update-translations
localizeflow[bot] 6 days ago
parent 7e49551f49
commit c8ba6c6e53
213 changed files with 1549 additions and 2173 deletions
Show Stats Download Patch File Download Diff File

422
translations/el/.co-op-translator.json
Unescape View File

@ -0,0 +1,422 @@
{
"1-Introduction/01-defining-data-science/README.md": {
"original_hash": "43212cc1ac137b7bb1dcfb37ca06b0f4",
"translation_date": "2025-10-25T18:53:00+00:00",
"source_file": "1-Introduction/01-defining-data-science/README.md",
"language_code": "el"
},
"1-Introduction/01-defining-data-science/assignment.md": {
"original_hash": "4e0f1773b9bee1be3b28f9fe2c71b3de",
"translation_date": "2025-08-26T21:34:06+00:00",
"source_file": "1-Introduction/01-defining-data-science/assignment.md",
"language_code": "el"
},
"1-Introduction/01-defining-data-science/solution/assignment.md": {
"original_hash": "a8f79b9c0484c35b4f26e8aec7fc4d56",
"translation_date": "2025-08-26T21:35:06+00:00",
"source_file": "1-Introduction/01-defining-data-science/solution/assignment.md",
"language_code": "el"
},
"1-Introduction/02-ethics/README.md": {
"original_hash": "58860ce9a4b8a564003d2752f7c72851",
"translation_date": "2025-10-03T16:32:38+00:00",
"source_file": "1-Introduction/02-ethics/README.md",
"language_code": "el"
},
"1-Introduction/02-ethics/assignment.md": {
"original_hash": "b588c0fc73014f52520c666efc3e0cc3",
"translation_date": "2025-08-26T21:26:52+00:00",
"source_file": "1-Introduction/02-ethics/assignment.md",
"language_code": "el"
},
"1-Introduction/03-defining-data/README.md": {
"original_hash": "12339119c0165da569a93ddba05f9339",
"translation_date": "2025-09-05T21:18:42+00:00",
"source_file": "1-Introduction/03-defining-data/README.md",
"language_code": "el"
},
"1-Introduction/03-defining-data/assignment.md": {
"original_hash": "2e5cacb967c1e9dfd07809bfc441a0b4",
"translation_date": "2025-08-26T21:39:18+00:00",
"source_file": "1-Introduction/03-defining-data/assignment.md",
"language_code": "el"
},
"1-Introduction/04-stats-and-probability/README.md": {
"original_hash": "ce95884566a74db72572cd51f0cb25ad",
"translation_date": "2025-09-06T13:33:29+00:00",
"source_file": "1-Introduction/04-stats-and-probability/README.md",
"language_code": "el"
},
"1-Introduction/04-stats-and-probability/assignment.md": {
"original_hash": "01d1b493e8b51a6ebb42524f6b1bcfff",
"translation_date": "2025-08-26T21:47:36+00:00",
"source_file": "1-Introduction/04-stats-and-probability/assignment.md",
"language_code": "el"
},
"1-Introduction/README.md": {
"original_hash": "696a8474a01054281704cbfb09148949",
"translation_date": "2025-08-26T21:13:37+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "el"
},
"2-Working-With-Data/05-relational-databases/README.md": {
"original_hash": "11739c7b40e7c6b16ad29e3df4e65862",
"translation_date": "2025-12-19T11:25:12+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/README.md",
"language_code": "el"
},
"2-Working-With-Data/05-relational-databases/assignment.md": {
"original_hash": "25b37acdfb2452917c1aa2e2ca44317a",
"translation_date": "2025-10-24T09:55:37+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/assignment.md",
"language_code": "el"
},
"2-Working-With-Data/06-non-relational/README.md": {
"original_hash": "c182e87f9f80be7e7cdffc7b40bbfccf",
"translation_date": "2025-09-05T21:04:13+00:00",
"source_file": "2-Working-With-Data/06-non-relational/README.md",
"language_code": "el"
},
"2-Working-With-Data/06-non-relational/assignment.md": {
"original_hash": "f824bfdb8b12d33293913f76f5c787c5",
"translation_date": "2025-08-26T21:11:51+00:00",
"source_file": "2-Working-With-Data/06-non-relational/assignment.md",
"language_code": "el"
},
"2-Working-With-Data/07-python/README.md": {
"original_hash": "7bfec050f4717dcc2dfd028aca9d21f3",
"translation_date": "2025-09-06T15:43:31+00:00",
"source_file": "2-Working-With-Data/07-python/README.md",
"language_code": "el"
},
"2-Working-With-Data/07-python/assignment.md": {
"original_hash": "dc8f035ce92e4eaa078ab19caa68267a",
"translation_date": "2025-08-26T21:06:51+00:00",
"source_file": "2-Working-With-Data/07-python/assignment.md",
"language_code": "el"
},
"2-Working-With-Data/08-data-preparation/README.md": {
"original_hash": "1b560955ff39a2bcf2a049fce474a951",
"translation_date": "2025-09-05T21:07:33+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/README.md",
"language_code": "el"
},
"2-Working-With-Data/08-data-preparation/assignment.md": {
"original_hash": "f9d5a7275e046223fa6474477674b810",
"translation_date": "2025-08-26T20:59:14+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/assignment.md",
"language_code": "el"
},
"2-Working-With-Data/README.md": {
"original_hash": "abc3309ab41bc5a7846f70ee1a055838",
"translation_date": "2025-08-26T20:46:50+00:00",
"source_file": "2-Working-With-Data/README.md",
"language_code": "el"
},
"3-Data-Visualization/09-visualization-quantities/README.md": {
"original_hash": "a49d78e32e280c410f04e5f2a2068e77",
"translation_date": "2025-09-05T21:13:01+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/README.md",
"language_code": "el"
},
"3-Data-Visualization/09-visualization-quantities/assignment.md": {
"original_hash": "ad163c4fda72c8278280b61cad317ff4",
"translation_date": "2025-08-26T23:19:10+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/assignment.md",
"language_code": "el"
},
"3-Data-Visualization/10-visualization-distributions/README.md": {
"original_hash": "80a20467e046d312809d008395051fc7",
"translation_date": "2025-09-05T21:15:17+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/README.md",
"language_code": "el"
},
"3-Data-Visualization/10-visualization-distributions/assignment.md": {
"original_hash": "40eeb9b9f94009c537c7811f9f27f037",
"translation_date": "2025-08-26T22:50:51+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/assignment.md",
"language_code": "el"
},
"3-Data-Visualization/11-visualization-proportions/README.md": {
"original_hash": "42119bcc97bee88254e381156d770f3c",
"translation_date": "2025-09-05T21:12:25+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/README.md",
"language_code": "el"
},
"3-Data-Visualization/11-visualization-proportions/assignment.md": {
"original_hash": "1e00fe6a244c2f8f9a794c862661dd4f",
"translation_date": "2025-08-26T23:23:51+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/assignment.md",
"language_code": "el"
},
"3-Data-Visualization/12-visualization-relationships/README.md": {
"original_hash": "0764fd4077f3f04a1d968ec371227744",
"translation_date": "2025-09-06T11:37:56+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/README.md",
"language_code": "el"
},
"3-Data-Visualization/12-visualization-relationships/assignment.md": {
"original_hash": "680419753c086eef51be86607c623945",
"translation_date": "2025-08-26T22:55:10+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/assignment.md",
"language_code": "el"
},
"3-Data-Visualization/13-meaningful-visualizations/README.md": {
"original_hash": "cfb068050337a36e348debaa502a24fa",
"translation_date": "2025-09-05T21:13:52+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/README.md",
"language_code": "el"
},
"3-Data-Visualization/13-meaningful-visualizations/assignment.md": {
"original_hash": "e56df4c0f49357e30ac8fc77aa439dd4",
"translation_date": "2025-08-26T22:45:34+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/assignment.md",
"language_code": "el"
},
"3-Data-Visualization/13-meaningful-visualizations/solution/README.md": {
"original_hash": "5c51a54dd89075a7a362890117b7ed9e",
"translation_date": "2025-08-26T22:46:53+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/solution/README.md",
"language_code": "el"
},
"3-Data-Visualization/13-meaningful-visualizations/starter/README.md": {
"original_hash": "5c51a54dd89075a7a362890117b7ed9e",
"translation_date": "2025-08-26T22:46:14+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/starter/README.md",
"language_code": "el"
},
"3-Data-Visualization/R/09-visualization-quantities/README.md": {
"original_hash": "22acf28f518a4769ea14fa42f4734b9f",
"translation_date": "2025-08-26T23:03:35+00:00",
"source_file": "3-Data-Visualization/R/09-visualization-quantities/README.md",
"language_code": "el"
},
"3-Data-Visualization/R/09-visualization-quantities/assignment.md": {
"original_hash": "0ea21b6513df5ade7419c6b7d65f10b1",
"translation_date": "2025-08-26T23:08:52+00:00",
"source_file": "3-Data-Visualization/R/09-visualization-quantities/assignment.md",
"language_code": "el"
},
"3-Data-Visualization/R/10-visualization-distributions/README.md": {
"original_hash": "ea67c0c40808fd723594de6896c37ccf",
"translation_date": "2025-08-26T22:55:49+00:00",
"source_file": "3-Data-Visualization/R/10-visualization-distributions/README.md",
"language_code": "el"
},
"3-Data-Visualization/R/10-visualization-distributions/assignment.md": {
"original_hash": "a233d542512136c4dd29aad38ca0175f",
"translation_date": "2025-08-26T22:59:15+00:00",
"source_file": "3-Data-Visualization/R/10-visualization-distributions/assignment.md",
"language_code": "el"
},
"3-Data-Visualization/R/11-visualization-proportions/README.md": {
"original_hash": "47028abaaafa2bcb1079702d20569066",
"translation_date": "2025-08-26T23:13:21+00:00",
"source_file": "3-Data-Visualization/R/11-visualization-proportions/README.md",
"language_code": "el"
},
"3-Data-Visualization/R/12-visualization-relationships/README.md": {
"original_hash": "a33c5d4b4156a2b41788d8720b6f724c",
"translation_date": "2025-08-26T22:59:59+00:00",
"source_file": "3-Data-Visualization/R/12-visualization-relationships/README.md",
"language_code": "el"
},
"3-Data-Visualization/R/13-meaningful-vizualizations/README.md": {
"original_hash": "b4039f1c76548d144a0aee0bf28304ec",
"translation_date": "2025-08-26T23:09:32+00:00",
"source_file": "3-Data-Visualization/R/13-meaningful-vizualizations/README.md",
"language_code": "el"
},
"3-Data-Visualization/README.md": {
"original_hash": "1441550a0d789796b2821e04f7f4cc94",
"translation_date": "2025-08-26T22:39:54+00:00",
"source_file": "3-Data-Visualization/README.md",
"language_code": "el"
},
"4-Data-Science-Lifecycle/14-Introduction/README.md": {
"original_hash": "07e12a25d20b8f191e3cb651c27fdb2b",
"translation_date": "2025-09-06T21:00:11+00:00",
"source_file": "4-Data-Science-Lifecycle/14-Introduction/README.md",
"language_code": "el"
},
"4-Data-Science-Lifecycle/14-Introduction/assignment.md": {
"original_hash": "564445c39ad29a491abcb9356fc4d47d",
"translation_date": "2025-08-26T22:27:42+00:00",
"source_file": "4-Data-Science-Lifecycle/14-Introduction/assignment.md",
"language_code": "el"
},
"4-Data-Science-Lifecycle/15-analyzing/README.md": {
"original_hash": "661dad02c3ac239644d34c1eb51e76f8",
"translation_date": "2025-09-06T20:59:16+00:00",
"source_file": "4-Data-Science-Lifecycle/15-analyzing/README.md",
"language_code": "el"
},
"4-Data-Science-Lifecycle/15-analyzing/assignment.md": {
"original_hash": "fcc7547171f4530f159676dd73ed772e",
"translation_date": "2025-08-26T22:30:36+00:00",
"source_file": "4-Data-Science-Lifecycle/15-analyzing/assignment.md",
"language_code": "el"
},
"4-Data-Science-Lifecycle/16-communication/README.md": {
"original_hash": "215a3254ba5a222a57c5bb0192cea8e3",
"translation_date": "2025-09-06T21:01:45+00:00",
"source_file": "4-Data-Science-Lifecycle/16-communication/README.md",
"language_code": "el"
},
"4-Data-Science-Lifecycle/16-communication/assignment.md": {
"original_hash": "8980d7efd101c82d6d6ffc3458214120",
"translation_date": "2025-08-26T22:39:10+00:00",
"source_file": "4-Data-Science-Lifecycle/16-communication/assignment.md",
"language_code": "el"
},
"4-Data-Science-Lifecycle/README.md": {
"original_hash": "dd173fd30fc039a7a299898920680723",
"translation_date": "2025-08-26T22:20:29+00:00",
"source_file": "4-Data-Science-Lifecycle/README.md",
"language_code": "el"
},
"5-Data-Science-In-Cloud/17-Introduction/README.md": {
"original_hash": "5f8e7cdefa096664ae86f795be571580",
"translation_date": "2025-09-05T21:02:05+00:00",
"source_file": "5-Data-Science-In-Cloud/17-Introduction/README.md",
"language_code": "el"
},
"5-Data-Science-In-Cloud/17-Introduction/assignment.md": {
"original_hash": "96f3696153d9ed54b19a1bb65438c104",
"translation_date": "2025-08-26T22:10:54+00:00",
"source_file": "5-Data-Science-In-Cloud/17-Introduction/assignment.md",
"language_code": "el"
},
"5-Data-Science-In-Cloud/18-Low-Code/README.md": {
"original_hash": "bd4da10766c64fce4294a98f6479dfb0",
"translation_date": "2025-09-05T21:00:46+00:00",
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/README.md",
"language_code": "el"
},
"5-Data-Science-In-Cloud/18-Low-Code/assignment.md": {
"original_hash": "8fdc4a5fd9bc27a8d2ebef995dfbf73f",
"translation_date": "2025-08-26T22:05:37+00:00",
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/assignment.md",
"language_code": "el"
},
"5-Data-Science-In-Cloud/19-Azure/README.md": {
"original_hash": "472d3fab1c5be50f387336e7a686dbe1",
"translation_date": "2025-09-05T21:03:26+00:00",
"source_file": "5-Data-Science-In-Cloud/19-Azure/README.md",
"language_code": "el"
},
"5-Data-Science-In-Cloud/19-Azure/assignment.md": {
"original_hash": "386efdbc19786951341f6956247ee990",
"translation_date": "2025-08-26T22:17:43+00:00",
"source_file": "5-Data-Science-In-Cloud/19-Azure/assignment.md",
"language_code": "el"
},
"5-Data-Science-In-Cloud/README.md": {
"original_hash": "8dfe141a0f46f7d253e07f74913c7f44",
"translation_date": "2025-08-26T21:56:49+00:00",
"source_file": "5-Data-Science-In-Cloud/README.md",
"language_code": "el"
},
"6-Data-Science-In-Wild/20-Real-World-Examples/README.md": {
"original_hash": "0f67a4139454816631526779a456b734",
"translation_date": "2025-09-06T18:30:19+00:00",
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/README.md",
"language_code": "el"
},
"6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md": {
"original_hash": "d1e05715f9d97de6c4f1fb0c5a4702c0",
"translation_date": "2025-08-26T21:55:29+00:00",
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md",
"language_code": "el"
},
"6-Data-Science-In-Wild/README.md": {
"original_hash": "07faf02ff163e609edf0b0308dc5d4e6",
"translation_date": "2025-08-26T21:49:11+00:00",
"source_file": "6-Data-Science-In-Wild/README.md",
"language_code": "el"
},
"AGENTS.md": {
"original_hash": "cc2e18ab65df63e75d3619c4752e9b22",
"translation_date": "2025-10-03T11:21:34+00:00",
"source_file": "AGENTS.md",
"language_code": "el"
},
"CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-26T20:44:23+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "el"
},
"CONTRIBUTING.md": {
"original_hash": "10f86fb29b5407088445ac803b3d0ed1",
"translation_date": "2025-10-03T14:01:54+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "el"
},
"INSTALLATION.md": {
"original_hash": "a64d8afa22ffcc2016bb239188d6acb1",
"translation_date": "2025-10-03T15:20:45+00:00",
"source_file": "INSTALLATION.md",
"language_code": "el"
},
"README.md": {
"original_hash": "8ec92ecfeb14923af733851239552146",
"translation_date": "2026-01-30T01:49:27+00:00",
"source_file": "README.md",
"language_code": "el"
},
"SECURITY.md": {
"original_hash": "0d575483100c332b2dbaefef915bb3c4",
"translation_date": "2025-08-26T20:44:57+00:00",
"source_file": "SECURITY.md",
"language_code": "el"
},
"SUPPORT.md": {
"original_hash": "872be8bc1b93ef1dd9ac3d6e8f99f6ab",
"translation_date": "2025-08-26T20:42:12+00:00",
"source_file": "SUPPORT.md",
"language_code": "el"
},
"TROUBLESHOOTING.md": {
"original_hash": "93a6a8a8a209128cbfedcbc076ee21b0",
"translation_date": "2025-10-03T15:39:38+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "el"
},
"USAGE.md": {
"original_hash": "f546349678757508d69ce9e1d2688446",
"translation_date": "2025-10-03T15:02:48+00:00",
"source_file": "USAGE.md",
"language_code": "el"
},
"docs/_sidebar.md": {
"original_hash": "3767555b3cc28a2865c79202f4374204",
"translation_date": "2025-08-26T21:12:37+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "el"
},
"examples/README.md": {
"original_hash": "9bef7fd96c8f262339933117d9b3e342",
"translation_date": "2025-10-03T13:02:18+00:00",
"source_file": "examples/README.md",
"language_code": "el"
},
"for-teachers.md": {
"original_hash": "f7440be10c17a8a9262713af3d2818a9",
"translation_date": "2025-09-06T19:57:01+00:00",
"source_file": "for-teachers.md",
"language_code": "el"
},
"quiz-app/README.md": {
"original_hash": "e92c33ea498915a13c9aec162616db18",
"translation_date": "2025-08-26T22:18:30+00:00",
"source_file": "quiz-app/README.md",
"language_code": "el"
},
"sketchnotes/README.md": {
"original_hash": "3a848466cb63aff1a93411affb152c2a",
"translation_date": "2025-08-26T21:48:40+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "el"
}
}

9
translations/el/1-Introduction/01-defining-data-science/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "43212cc1ac137b7bb1dcfb37ca06b0f4",
"translation_date": "2025-10-25T18:53:00+00:00",
"source_file": "1-Introduction/01-defining-data-science/README.md",
"language_code": "el"
}
-->
# Ορισμός της Επιστήμης Δεδομένων
| ![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/01-Definitions.png) |

9
translations/el/1-Introduction/01-defining-data-science/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4e0f1773b9bee1be3b28f9fe2c71b3de",
"translation_date": "2025-08-26T21:34:06+00:00",
"source_file": "1-Introduction/01-defining-data-science/assignment.md",
"language_code": "el"
}
-->
# Ανάθεση: Σενάρια Επιστήμης Δεδομένων
Σε αυτή την πρώτη ανάθεση, σας ζητάμε να σκεφτείτε μια πραγματική διαδικασία ή πρόβλημα σε διαφορετικούς τομείς προβλημάτων και πώς μπορείτε να το βελτιώσετε χρησιμοποιώντας τη διαδικασία της Επιστήμης Δεδομένων. Σκεφτείτε τα εξής:

9
translations/el/1-Introduction/01-defining-data-science/solution/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a8f79b9c0484c35b4f26e8aec7fc4d56",
"translation_date": "2025-08-26T21:35:06+00:00",
"source_file": "1-Introduction/01-defining-data-science/solution/assignment.md",
"language_code": "el"
}
-->
# Ανάθεση: Σενάρια Επιστήμης Δεδομένων
Σε αυτή την πρώτη ανάθεση, σας ζητάμε να σκεφτείτε μια πραγματική διαδικασία ή πρόβλημα σε διαφορετικούς τομείς προβλημάτων και πώς μπορείτε να το βελτιώσετε χρησιμοποιώντας τη διαδικασία της Επιστήμης Δεδομένων. Σκεφτείτε τα εξής:

9
translations/el/1-Introduction/02-ethics/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58860ce9a4b8a564003d2752f7c72851",
"translation_date": "2025-10-03T16:32:38+00:00",
"source_file": "1-Introduction/02-ethics/README.md",
"language_code": "el"
}
-->
# Εισαγωγή στην Ηθική των Δεδομένων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/02-Ethics.png)|

9
translations/el/1-Introduction/02-ethics/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b588c0fc73014f52520c666efc3e0cc3",
"translation_date": "2025-08-26T21:26:52+00:00",
"source_file": "1-Introduction/02-ethics/assignment.md",
"language_code": "el"
}
-->
## Γράψτε Μια Μελέτη Περίπτωσης Για Την Ηθική Δεδομένων
## Οδηγίες

9
translations/el/1-Introduction/03-defining-data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "12339119c0165da569a93ddba05f9339",
"translation_date": "2025-09-05T21:18:42+00:00",
"source_file": "1-Introduction/03-defining-data/README.md",
"language_code": "el"
}
-->
# Ορισμός Δεδομένων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/03-DefiningData.png)|

9
translations/el/1-Introduction/03-defining-data/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2e5cacb967c1e9dfd07809bfc441a0b4",
"translation_date": "2025-08-26T21:39:18+00:00",
"source_file": "1-Introduction/03-defining-data/assignment.md",
"language_code": "el"
}
-->
# Κατηγοριοποίηση Συνόλων Δεδομένων
## Οδηγίες

11
translations/el/1-Introduction/04-stats-and-probability/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ce95884566a74db72572cd51f0cb25ad",
"translation_date": "2025-09-06T13:33:29+00:00",
"source_file": "1-Introduction/04-stats-and-probability/README.md",
"language_code": "el"
}
-->
# Μια Σύντομη Εισαγωγή στη Στατιστική και την Πιθανότητα
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/04-Statistics-Probability.png)|
@ -64,7 +55,7 @@ CO_OP_TRANSLATOR_METADATA:
Γραφικά μπορούμε να αναπαραστήσουμε τη σχέση μεταξύ διαμέσου και τεταρτημορίων σε ένα διάγραμμα που ονομάζεται **κουτίγραμμα**:
<img src="images/boxplot_explanation.png" alt="Επεξήγηση Κουτιγράμματος" width="50%">
<img src="../../../../translated_images/el/boxplot_explanation.4039b7de08780fd4.webp" alt="Επεξήγηση Κουτιγράμματος" width="50%">
Εδώ υπολογίζουμε επίσης το **εύρος μεταξύ τεταρτημορίων** IQR=Q3-Q1, και τις λεγόμενες **ακραίες τιμές** - τιμές που βρίσκονται εκτός των ορίων [Q1-1.5*IQR,Q3+1.5*IQR].

9
translations/el/1-Introduction/04-stats-and-probability/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "01d1b493e8b51a6ebb42524f6b1bcfff",
"translation_date": "2025-08-26T21:47:36+00:00",
"source_file": "1-Introduction/04-stats-and-probability/assignment.md",
"language_code": "el"
}
-->
# Μικρή Μελέτη για τον Διαβήτη
Σε αυτή την εργασία, θα δουλέψουμε με ένα μικρό σύνολο δεδομένων ασθενών με διαβήτη που προέρχεται από [εδώ](https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html).

9
translations/el/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "696a8474a01054281704cbfb09148949",
"translation_date": "2025-08-26T21:13:37+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "el"
}
-->
# Εισαγωγή στην Επιστήμη Δεδομένων
![δεδομένα σε δράση](../../../translated_images/el/data.48e22bb7617d8d92188afbc4c48effb920ba79f5cebdc0652cd9f34bbbd90c18.jpg)

9
translations/el/2-Working-With-Data/05-relational-databases/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "11739c7b40e7c6b16ad29e3df4e65862",
"translation_date": "2025-12-19T11:25:12+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/README.md",
"language_code": "el"
}
-->
# Εργασία με Δεδομένα: Σχεσιακές Βάσεις Δεδομένων
|![ Σχεδιαστικό από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/05-RelationalData.png)|

9
translations/el/2-Working-With-Data/05-relational-databases/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "25b37acdfb2452917c1aa2e2ca44317a",
"translation_date": "2025-10-24T09:55:37+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/assignment.md",
"language_code": "el"
}
-->
# Εμφάνιση δεδομένων αεροδρομίων
Σας έχει δοθεί μια [βάση δεδομένων](https://raw.githubusercontent.com/Microsoft/Data-Science-For-Beginners/main/2-Working-With-Data/05-relational-databases/airports.db) βασισμένη στο [SQLite](https://sqlite.org/index.html), η οποία περιέχει πληροφορίες για αεροδρόμια. Το σχήμα της βάσης δεδομένων εμφανίζεται παρακάτω. Θα χρησιμοποιήσετε την [επέκταση SQLite](https://marketplace.visualstudio.com/items?itemName=alexcvzz.vscode-sqlite&WT.mc_id=academic-77958-bethanycheum) στο [Visual Studio Code](https://code.visualstudio.com?WT.mc_id=academic-77958-bethanycheum) για να εμφανίσετε πληροφορίες σχετικά με τα αεροδρόμια διαφορετικών πόλεων.

9
translations/el/2-Working-With-Data/06-non-relational/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c182e87f9f80be7e7cdffc7b40bbfccf",
"translation_date": "2025-09-05T21:04:13+00:00",
"source_file": "2-Working-With-Data/06-non-relational/README.md",
"language_code": "el"
}
-->
# Εργασία με Δεδομένα: Μη Σχεσιακά Δεδομένα
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/06-NoSQL.png)|

9
translations/el/2-Working-With-Data/06-non-relational/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f824bfdb8b12d33293913f76f5c787c5",
"translation_date": "2025-08-26T21:11:51+00:00",
"source_file": "2-Working-With-Data/06-non-relational/assignment.md",
"language_code": "el"
}
-->
# Κέρδη από Σόδα
## Οδηγίες

9
translations/el/2-Working-With-Data/07-python/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7bfec050f4717dcc2dfd028aca9d21f3",
"translation_date": "2025-09-06T15:43:31+00:00",
"source_file": "2-Working-With-Data/07-python/README.md",
"language_code": "el"
}
-->
# Εργασία με Δεδομένα: Python και η Βιβλιοθήκη Pandas
| ![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/07-WorkWithPython.png) |

9
translations/el/2-Working-With-Data/07-python/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dc8f035ce92e4eaa078ab19caa68267a",
"translation_date": "2025-08-26T21:06:51+00:00",
"source_file": "2-Working-With-Data/07-python/assignment.md",
"language_code": "el"
}
-->
# Ανάθεση για Επεξεργασία Δεδομένων σε Python
Σε αυτή την ανάθεση, θα σας ζητήσουμε να επεξεργαστείτε τον κώδικα που έχουμε αρχίσει να αναπτύσσουμε στις προκλήσεις μας. Η ανάθεση αποτελείται από δύο μέρη:

9
translations/el/2-Working-With-Data/08-data-preparation/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1b560955ff39a2bcf2a049fce474a951",
"translation_date": "2025-09-05T21:07:33+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/README.md",
"language_code": "el"
}
-->
# Εργασία με Δεδομένα: Προετοιμασία Δεδομένων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/08-DataPreparation.png)|

9
translations/el/2-Working-With-Data/08-data-preparation/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f9d5a7275e046223fa6474477674b810",
"translation_date": "2025-08-26T20:59:14+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/assignment.md",
"language_code": "el"
}
-->
# Αξιολόγηση Δεδομένων από μια Φόρμα
Ένας πελάτης έχει δοκιμάσει μια [μικρή φόρμα](../../../../2-Working-With-Data/08-data-preparation/index.html) για να συλλέξει βασικά δεδομένα σχετικά με τη βάση πελατών του. Έχει φέρει τα ευρήματά του σε εσάς για να επικυρώσετε τα δεδομένα που έχει συλλέξει. Μπορείτε να ανοίξετε τη σελίδα `index.html` στον περιηγητή για να δείτε τη φόρμα.

9
translations/el/2-Working-With-Data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "abc3309ab41bc5a7846f70ee1a055838",
"translation_date": "2025-08-26T20:46:50+00:00",
"source_file": "2-Working-With-Data/README.md",
"language_code": "el"
}
-->
# Εργασία με Δεδομένα
![data love](../../../translated_images/el/data-love.a22ef29e6742c852505ada062920956d3d7604870b281a8ca7c7ac6f37381d5a.jpg)

9
translations/el/3-Data-Visualization/09-visualization-quantities/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a49d78e32e280c410f04e5f2a2068e77",
"translation_date": "2025-09-05T21:13:01+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Ποσοτήτων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/09-Visualizing-Quantities.png)|

9
translations/el/3-Data-Visualization/09-visualization-quantities/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ad163c4fda72c8278280b61cad317ff4",
"translation_date": "2025-08-26T23:19:10+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/assignment.md",
"language_code": "el"
}
-->
# Γραμμές, Διασκορπισμοί και Ραβδόγραμμα
## Οδηγίες

9
translations/el/3-Data-Visualization/10-visualization-distributions/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "80a20467e046d312809d008395051fc7",
"translation_date": "2025-09-05T21:15:17+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Κατανομών
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/10-Visualizing-Distributions.png)|

9
translations/el/3-Data-Visualization/10-visualization-distributions/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "40eeb9b9f94009c537c7811f9f27f037",
"translation_date": "2025-08-26T22:50:51+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/assignment.md",
"language_code": "el"
}
-->
# Εφαρμόστε τις δεξιότητές σας
## Οδηγίες

9
translations/el/3-Data-Visualization/11-visualization-proportions/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "42119bcc97bee88254e381156d770f3c",
"translation_date": "2025-09-05T21:12:25+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Αναλογιών
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/11-Visualizing-Proportions.png)|

9
translations/el/3-Data-Visualization/11-visualization-proportions/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1e00fe6a244c2f8f9a794c862661dd4f",
"translation_date": "2025-08-26T23:23:51+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/assignment.md",
"language_code": "el"
}
-->
# Δοκιμάστε το στο Excel
## Οδηγίες

9
translations/el/3-Data-Visualization/12-visualization-relationships/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0764fd4077f3f04a1d968ec371227744",
"translation_date": "2025-09-06T11:37:56+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Σχέσεων: Όλα για το Μέλι 🍯
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/12-Visualizing-Relationships.png)|

9
translations/el/3-Data-Visualization/12-visualization-relationships/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "680419753c086eef51be86607c623945",
"translation_date": "2025-08-26T22:55:10+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/assignment.md",
"language_code": "el"
}
-->
# Βουτήξτε στην κυψέλη
## Οδηγίες

9
translations/el/3-Data-Visualization/13-meaningful-visualizations/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cfb068050337a36e348debaa502a24fa",
"translation_date": "2025-09-05T21:13:52+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/README.md",
"language_code": "el"
}
-->
# Δημιουργία Σημαντικών Οπτικοποιήσεων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/13-MeaningfulViz.png)|

9
translations/el/3-Data-Visualization/13-meaningful-visualizations/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e56df4c0f49357e30ac8fc77aa439dd4",
"translation_date": "2025-08-26T22:45:34+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/assignment.md",
"language_code": "el"
}
-->
# Δημιουργήστε τη δική σας προσαρμοσμένη οπτικοποίηση
## Οδηγίες

9
translations/el/3-Data-Visualization/13-meaningful-visualizations/solution/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5c51a54dd89075a7a362890117b7ed9e",
"translation_date": "2025-08-26T22:46:53+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/solution/README.md",
"language_code": "el"
}
-->
# Έργο οπτικοποίησης δεδομένων Dangerous Liaisons
Για να ξεκινήσετε, πρέπει να βεβαιωθείτε ότι έχετε εγκατεστημένα το NPM και το Node στον υπολογιστή σας. Εγκαταστήστε τις εξαρτήσεις (npm install) και στη συνέχεια εκτελέστε το έργο τοπικά (npm run serve):

9
translations/el/3-Data-Visualization/13-meaningful-visualizations/starter/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5c51a54dd89075a7a362890117b7ed9e",
"translation_date": "2025-08-26T22:46:14+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/starter/README.md",
"language_code": "el"
}
-->
# Έργο οπτικοποίησης δεδομένων Dangerous Liaisons
Για να ξεκινήσετε, πρέπει να βεβαιωθείτε ότι έχετε εγκατεστημένα το NPM και το Node στον υπολογιστή σας. Εγκαταστήστε τις εξαρτήσεις (npm install) και στη συνέχεια εκτελέστε το έργο τοπικά (npm run serve):

9
translations/el/3-Data-Visualization/R/09-visualization-quantities/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "22acf28f518a4769ea14fa42f4734b9f",
"translation_date": "2025-08-26T23:03:35+00:00",
"source_file": "3-Data-Visualization/R/09-visualization-quantities/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Ποσοτήτων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](https://github.com/microsoft/Data-Science-For-Beginners/blob/main/sketchnotes/09-Visualizing-Quantities.png)|
|:---:|

9
translations/el/3-Data-Visualization/R/09-visualization-quantities/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0ea21b6513df5ade7419c6b7d65f10b1",
"translation_date": "2025-08-26T23:08:52+00:00",
"source_file": "3-Data-Visualization/R/09-visualization-quantities/assignment.md",
"language_code": "el"
}
-->
# Γραμμές, Διαγράμματα Σημείων και Ραβδόγραμμα
## Οδηγίες

9
translations/el/3-Data-Visualization/R/10-visualization-distributions/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ea67c0c40808fd723594de6896c37ccf",
"translation_date": "2025-08-26T22:55:49+00:00",
"source_file": "3-Data-Visualization/R/10-visualization-distributions/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Κατανομών
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](https://github.com/microsoft/Data-Science-For-Beginners/blob/main/sketchnotes/10-Visualizing-Distributions.png)|

9
translations/el/3-Data-Visualization/R/10-visualization-distributions/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a233d542512136c4dd29aad38ca0175f",
"translation_date": "2025-08-26T22:59:15+00:00",
"source_file": "3-Data-Visualization/R/10-visualization-distributions/assignment.md",
"language_code": "el"
}
-->
# Εφαρμόστε τις δεξιότητές σας
## Οδηγίες

9
translations/el/3-Data-Visualization/R/11-visualization-proportions/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "47028abaaafa2bcb1079702d20569066",
"translation_date": "2025-08-26T23:13:21+00:00",
"source_file": "3-Data-Visualization/R/11-visualization-proportions/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Αναλογιών
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../../sketchnotes/11-Visualizing-Proportions.png)|

9
translations/el/3-Data-Visualization/R/12-visualization-relationships/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a33c5d4b4156a2b41788d8720b6f724c",
"translation_date": "2025-08-26T22:59:59+00:00",
"source_file": "3-Data-Visualization/R/12-visualization-relationships/README.md",
"language_code": "el"
}
-->
# Οπτικοποίηση Σχέσεων: Όλα για το Μέλι 🍯
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../../sketchnotes/12-Visualizing-Relationships.png)|

9
translations/el/3-Data-Visualization/R/13-meaningful-vizualizations/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b4039f1c76548d144a0aee0bf28304ec",
"translation_date": "2025-08-26T23:09:32+00:00",
"source_file": "3-Data-Visualization/R/13-meaningful-vizualizations/README.md",
"language_code": "el"
}
-->
# Δημιουργία Σημαντικών Οπτικοποιήσεων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../../sketchnotes/13-MeaningfulViz.png)|

9
translations/el/3-Data-Visualization/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1441550a0d789796b2821e04f7f4cc94",
"translation_date": "2025-08-26T22:39:54+00:00",
"source_file": "3-Data-Visualization/README.md",
"language_code": "el"
}
-->
# Οπτικοποιήσεις
![μια μέλισσα σε ένα άνθος λεβάντας](../../../translated_images/el/bee.0aa1d91132b12e3a8994b9ca12816d05ce1642010d9b8be37f8d37365ba845cf.jpg)

9
translations/el/4-Data-Science-Lifecycle/14-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "07e12a25d20b8f191e3cb651c27fdb2b",
"translation_date": "2025-09-06T21:00:11+00:00",
"source_file": "4-Data-Science-Lifecycle/14-Introduction/README.md",
"language_code": "el"
}
-->
# Εισαγωγή στον Κύκλο Ζωής της Επιστήμης Δεδομένων
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/14-DataScience-Lifecycle.png)|

9
translations/el/4-Data-Science-Lifecycle/14-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "564445c39ad29a491abcb9356fc4d47d",
"translation_date": "2025-08-26T22:27:42+00:00",
"source_file": "4-Data-Science-Lifecycle/14-Introduction/assignment.md",
"language_code": "el"
}
-->
# Αξιολόγηση ενός Συνόλου Δεδομένων
Ένας πελάτης έχει προσεγγίσει την ομάδα σας για βοήθεια στη διερεύνηση των εποχιακών συνηθειών δαπανών των πελατών ταξί στη Νέα Υόρκη.

9
translations/el/4-Data-Science-Lifecycle/15-analyzing/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "661dad02c3ac239644d34c1eb51e76f8",
"translation_date": "2025-09-06T20:59:16+00:00",
"source_file": "4-Data-Science-Lifecycle/15-analyzing/README.md",
"language_code": "el"
}
-->
# Ο Κύκλος Ζωής της Επιστήμης Δεδομένων: Ανάλυση
|![Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev)](../../sketchnotes/15-Analyzing.png)|

9
translations/el/4-Data-Science-Lifecycle/15-analyzing/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fcc7547171f4530f159676dd73ed772e",
"translation_date": "2025-08-26T22:30:36+00:00",
"source_file": "4-Data-Science-Lifecycle/15-analyzing/assignment.md",
"language_code": "el"
}
-->
# Εξερεύνηση για απαντήσεις
Αυτή είναι η συνέχεια της [εργασίας](../14-Introduction/assignment.md) του προηγούμενου μαθήματος, όπου ρίξαμε μια σύντομη ματιά στο σύνολο δεδομένων. Τώρα θα εξετάσουμε τα δεδομένα πιο αναλυτικά.

9
translations/el/4-Data-Science-Lifecycle/16-communication/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "215a3254ba5a222a57c5bb0192cea8e3",
"translation_date": "2025-09-06T21:01:45+00:00",
"source_file": "4-Data-Science-Lifecycle/16-communication/README.md",
"language_code": "el"
}
-->
# Ο Κύκλος Ζωής της Επιστήμης Δεδομένων: Επικοινωνία
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev)](../../sketchnotes/16-Communicating.png)|

9
translations/el/4-Data-Science-Lifecycle/16-communication/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8980d7efd101c82d6d6ffc3458214120",
"translation_date": "2025-08-26T22:39:10+00:00",
"source_file": "4-Data-Science-Lifecycle/16-communication/assignment.md",
"language_code": "el"
}
-->
# Πείτε μια ιστορία
## Οδηγίες

9
translations/el/4-Data-Science-Lifecycle/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dd173fd30fc039a7a299898920680723",
"translation_date": "2025-08-26T22:20:29+00:00",
"source_file": "4-Data-Science-Lifecycle/README.md",
"language_code": "el"
}
-->
# Ο Κύκλος Ζωής της Επιστήμης Δεδομένων
![communication](../../../translated_images/el/communication.06d8e2a88d30d168d661ad9f9f0a4f947ebff3719719cfdaf9ed00a406a01ead.jpg)

9
translations/el/5-Data-Science-In-Cloud/17-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5f8e7cdefa096664ae86f795be571580",
"translation_date": "2025-09-05T21:02:05+00:00",
"source_file": "5-Data-Science-In-Cloud/17-Introduction/README.md",
"language_code": "el"
}
-->
# Εισαγωγή στην Επιστήμη Δεδομένων στο Cloud
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/17-DataScience-Cloud.png)|

9
translations/el/5-Data-Science-In-Cloud/17-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "96f3696153d9ed54b19a1bb65438c104",
"translation_date": "2025-08-26T22:10:54+00:00",
"source_file": "5-Data-Science-In-Cloud/17-Introduction/assignment.md",
"language_code": "el"
}
-->
# Έρευνα Αγοράς
## Οδηγίες

9
translations/el/5-Data-Science-In-Cloud/18-Low-Code/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "bd4da10766c64fce4294a98f6479dfb0",
"translation_date": "2025-09-05T21:00:46+00:00",
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/README.md",
"language_code": "el"
}
-->
# Επιστήμη Δεδομένων στο Cloud: Η μέθοδος "Low code/No code"
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/18-DataScience-Cloud.png)|

9
translations/el/5-Data-Science-In-Cloud/18-Low-Code/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8fdc4a5fd9bc27a8d2ebef995dfbf73f",
"translation_date": "2025-08-26T22:05:37+00:00",
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/assignment.md",
"language_code": "el"
}
-->
# Έργο Επιστήμης Δεδομένων με Χαμηλό ή Καθόλου Κώδικα στο Azure ML
## Οδηγίες

9
translations/el/5-Data-Science-In-Cloud/19-Azure/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "472d3fab1c5be50f387336e7a686dbe1",
"translation_date": "2025-09-05T21:03:26+00:00",
"source_file": "5-Data-Science-In-Cloud/19-Azure/README.md",
"language_code": "el"
}
-->
# Επιστήμη Δεδομένων στο Cloud: Ο τρόπος του "Azure ML SDK"
|![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/19-DataScience-Cloud.png)|

9
translations/el/5-Data-Science-In-Cloud/19-Azure/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "386efdbc19786951341f6956247ee990",
"translation_date": "2025-08-26T22:17:43+00:00",
"source_file": "5-Data-Science-In-Cloud/19-Azure/assignment.md",
"language_code": "el"
}
-->
# Έργο Επιστήμης Δεδομένων χρησιμοποιώντας το Azure ML SDK
## Οδηγίες

9
translations/el/5-Data-Science-In-Cloud/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8dfe141a0f46f7d253e07f74913c7f44",
"translation_date": "2025-08-26T21:56:49+00:00",
"source_file": "5-Data-Science-In-Cloud/README.md",
"language_code": "el"
}
-->
# Επιστήμη Δεδομένων στο Cloud
![cloud-picture](../../../translated_images/el/cloud-picture.f5526de3c6c6387b2d656ba94f019b3352e5e3854a78440e4fb00c93e2dea675.jpg)

9
translations/el/6-Data-Science-In-Wild/20-Real-World-Examples/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0f67a4139454816631526779a456b734",
"translation_date": "2025-09-06T18:30:19+00:00",
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/README.md",
"language_code": "el"
}
-->
# Επιστήμη Δεδομένων στον Πραγματικό Κόσμο
| ![ Σκίτσο από [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/20-DataScience-RealWorld.png) |

9
translations/el/6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d1e05715f9d97de6c4f1fb0c5a4702c0",
"translation_date": "2025-08-26T21:55:29+00:00",
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md",
"language_code": "el"
}
-->
# Εξερεύνηση ενός Συνόλου Δεδομένων του Planetary Computer
## Οδηγίες

9
translations/el/6-Data-Science-In-Wild/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "07faf02ff163e609edf0b0308dc5d4e6",
"translation_date": "2025-08-26T21:49:11+00:00",
"source_file": "6-Data-Science-In-Wild/README.md",
"language_code": "el"
}
-->
# Επιστήμη Δεδομένων στην Πράξη
Πραγματικές εφαρμογές της επιστήμης δεδομένων σε διάφορους κλάδους.

9
translations/el/AGENTS.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cc2e18ab65df63e75d3619c4752e9b22",
"translation_date": "2025-10-03T11:21:34+00:00",
"source_file": "AGENTS.md",
"language_code": "el"
}
-->
# AGENTS.md
## Επισκόπηση Έργου

9
translations/el/CODE_OF_CONDUCT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-26T20:44:23+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "el"
}
-->
# Κώδικας Δεοντολογίας Ανοιχτού Κώδικα της Microsoft
Αυτό το έργο έχει υιοθετήσει τον [Κώδικα Δεοντολογίας Ανοιχτού Κώδικα της Microsoft](https://opensource.microsoft.com/codeofconduct/).

9
translations/el/CONTRIBUTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "10f86fb29b5407088445ac803b3d0ed1",
"translation_date": "2025-10-03T14:01:54+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "el"
}
-->
# Συμμετοχή στο Data Science for Beginners
Ευχαριστούμε για το ενδιαφέρον σας να συμβάλετε στο πρόγραμμα σπουδών του Data Science for Beginners! Καλωσορίζουμε συνεισφορές από την κοινότητα.

9
translations/el/INSTALLATION.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a64d8afa22ffcc2016bb239188d6acb1",
"translation_date": "2025-10-03T15:20:45+00:00",
"source_file": "INSTALLATION.md",
"language_code": "el"
}
-->
# Οδηγός Εγκατάστασης
Αυτός ο οδηγός θα σας βοηθήσει να ρυθμίσετε το περιβάλλον σας για να εργαστείτε με το πρόγραμμα σπουδών "Data Science for Beginners".

203
translations/el/README.md
Unescape View File

@ -1,13 +1,4 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "33d252f7491b696d85df7f680e7e7b90",
"translation_date": "2026-01-16T14:49:49+00:00",
"source_file": "README.md",
"language_code": "el"
}
-->
# Επιστήμη Δεδομένων για Αρχάριους - Ένα Αναλυτικό Πρόγραμμα Σπουδών
# Data Science για Αρχάριους - Ένα Αναλυτικό Πρόγραμμα Σπουδών
[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
@ -26,181 +17,181 @@ CO_OP_TRANSLATOR_METADATA:
[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
Οι Πρεσβευτές Cloud Azure στη Microsoft είναι στην ευχάριστη θέση να προσφέρουν ένα πρόγραμμα σπουδών 10 εβδομάδων με 20 μαθήματα, όλα σχετικά με την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, μια λύση και μια εργασία. Η παιδαγωγική μας που βασίζεται σε έργα σας επιτρέπει να μαθαίνετε ενόσω κατασκευάζετε, ένας αποδεδειγμένος τρόπος για νέες δεξιότητες να "εγκαθίστανται".
Οι Πρεσβευτές του Azure Cloud στη Microsoft είναι χαρούμενοι να προσφέρουν ένα 10-εβδομάδων, 20-μαθημάτων αναλυτικό πρόγραμμα που καλύπτει όλη την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, μια λύση και μια εργασία. Η μαθητοκεντρική προσέγγισή μας σας επιτρέπει να μαθαίνετε δημιουργώντας, έναν αποδεδειγμένο τρόπο για νέες δεξιότητες να «στερεωθούν».
**Θερμές ευχαριστίες στους συγγραφείς μας:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
**Ειλικρινείς ευχαριστίες στους συγγραφείς μας:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
**🙏 Ειδικές ευχαριστίες 🙏 στους συγγραφείς, αξιολογητές και συνεισφέροντες περιεχόμενο από τους [Πρεσβευτές Φοιτητών Microsoft](https://studentambassadors.microsoft.com/),** ιδιαίτερα Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
**🙏 Ειδικές ευχαριστίες 🙏 στους συγγραφείς, αξιολογητές και συνεισφέροντες περιεχόμενο [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/),** ιδιαίτερα Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../../../translated_images/el/00-Title.8af36cd35da1ac55.webp)|
|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/el/00-Title.8af36cd35da1ac55.webp)|
|:---:|
| Επιστήμη Δεδομένων για Αρχάριους - _Σημειώσεις από [@nitya](https://twitter.com/nitya)_ |
| Επιστήμη Δεδομένων για Αρχάριους - _Sketchnote από [@nitya](https://twitter.com/nitya)_ |
### 🌐 Υποστήριξη Πολλών Γλωσσών
### 🌐 Υποστήριξη σε Πολλαπλές Γλώσσες
#### Υποστηρίζεται μέσω GitHub Action (Αυτόματη & Πάντα Ενημερωμένη)
#### Υποστηρίζεται μέσω GitHub Action (Αυτόματο & Πάντα Ενημερωμένο)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](./README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](./README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **Προτιμάτε να Κλωνοποιήσετε Τοπικά;**
> **Προτιμάς να κάνεις Κλωνοποίηση Τοπικά;**
> Αυτό το αποθετήριο περιλαμβάνει περισσότερες από 50 μεταφράσεις γλωσσών, που αυξάνουν σημαντικά το μέγεθος λήψης. Για να κλωνοποιήσετε χωρίς τις μεταφράσεις, χρησιμοποιήστε sparse checkout:
> Αυτό το αποθετήριο περιλαμβάνει 50+ μεταφράσεις σε γλώσσες που αυξάνουν σημαντικά το μέγεθος κατεβάσματος. Για κλωνοποίηση χωρίς τις μεταφράσεις, χρησιμοποίησε sparse checkout:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
> cd Data-Science-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Αυτό σας δίνει ό,τι χρειάζεστε για να ολοκληρώσετε το μάθημα με πολύ πιο γρήγορη λήψη.
> Αυτό σου δίνει όλα όσα χρειάζεσαι για να ολοκληρώσεις το μάθημα με πολύ πιο γρήγορο κατέβασμα.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Αν θέλετε να υποστηριχθούν επιπλέον γλώσσες μετάφρασης, παρατίθενται [εδώ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Αν επιθυμείς να υποστηριχθούν επιπλέον γλώσσες μετάφρασης, αυτές παρατίθενται [εδώ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
#### Ενταχθείτε στην Κοινότητά μας
#### Γίνε Μέλος της Κοινότητάς μας
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Έχουμε μια συνεχιζόμενη σειρά "Μάθε με AI" στο Discord, μάθετε περισσότερα και συμμετάσχετε στο [Learn with AI Series](https://aka.ms/learnwithai/discord) από 18 έως 30 Σεπτεμβρίου 2025. Θα λάβετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot για την Επιστήμη Δεδομένων.
Διοργανώνουμε μια σειρά Discord Learn with AI, μάθε περισσότερα και γίνε μέλος στο [Learn with AI Series](https://aka.ms/learnwithai/discord) από 18 - 30 Σεπτεμβρίου, 2025. Θα λάβεις συμβουλές και κόλπα για τη χρήση του GitHub Copilot στην Επιστήμη Δεδομένων.
![Learn with AI series](../../../../translated_images/el/1.2b28cdc6205e26fe.webp)
![Learn with AI series](../../translated_images/el/1.2b28cdc6205e26fe.webp)
# Είσαι φοιτητής;
Ξεκίνα με τους ακόλουθους πόρους:
Ξεκίνα με τους εξής πόρους:
- [Σελίδα Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Σε αυτή τη σελίδα, θα βρείτε πόρους για αρχάριους, πακέτα για φοιτητές και ακόμη τρόπους να αποκτήσετε δωρεάν κουπόνι πιστοποίησης. Αυτή είναι μια σελίδα που αξίζει να αποθηκεύσετε στα αγαπημένα σας και να ελέγχετε από καιρό σε καιρό καθώς ανανεώνουμε το περιεχόμενο τουλάχιστον κάθε μήνα.
- [Πρεσβευτές Φοιτητών Microsoft](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Ενταχθείτε σε μια παγκόσμια κοινότητα πρεσβευτών φοιτητών, αυτό θα μπορούσε να είναι το εισιτήριό σας για τη Microsoft.
- [Student Hub σελίδα](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Σε αυτή τη σελίδα, θα βρεις πόρους για αρχάριους, πακέτα για φοιτητές και ακόμη και τρόπους να αποκτήσεις δωρεάν κουπόνι πιστοποίησης. Είναι μια σελίδα που θέλεις να προσθέσεις στα αγαπημένα σου και να την ελέγχεις τακτικά καθώς ανανεώνουμε το περιεχόμενο τουλάχιστον μηνιαίως.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Γίνε μέλος μιας παγκόσμιας κοινότητας φοιτητών πρεσβευτών, αυτό μπορεί να είναι ο δρόμος σου για τη Microsoft.
# Ξεκινώντας
## 📚 Τεκμηρίωση
- **[Οδηγός Εγκατάστασης](INSTALLATION.md)** - Οδηγίες βήμα προς βήμα για αρχάριους
- **[Οδηγός Χρήσης](USAGE.md)** - Παραδείγματα και συνήθεις ροές εργασίας
- **[Αντιμετώπιση Προβλημάτων](TROUBLESHOOTING.md)** - Λύσεις σε κοινά ζητήματα
- **[Οδηγός Συμβολής](CONTRIBUTING.md)** - Πώς να συμβάλετε σε αυτό το έργο
- **[Οδηγός Εγκατάστασης](INSTALLATION.md)** - Βήμα-βήμα οδηγίες για αρχάριους
- **[Οδηγός Χρήσης](USAGE.md)** - Παραδείγματα και συνηθισμένες εργασίες
- **[Αντιμετώπιση Προβλημάτων](TROUBLESHOOTING.md)** - Λύσεις σε συνηθισμένα προβλήματα
- **[Οδηγός Συμμετοχής](CONTRIBUTING.md)** - Πώς να συμβάλλετε στο έργο αυτό
- **[Για Εκπαιδευτικούς](for-teachers.md)** - Οδηγίες διδασκαλίας και πόροι για την τάξη
## 👨‍🎓 Για Φοιτητές
> **Απόλυτοι Αρχάριοι**: Νέοι στην επιστήμη δεδομένων; Ξεκινήστε με τα [παραδείγματα φιλικά για αρχάριους](examples/README.md)! Αυτά τα απλά, σχολιασμένα παραδείγματα θα σας βοηθήσουν να κατανοήσετε τα βασικά πριν βουτήξετε στο πλήρες πρόγραμμα σπουδών.
> **[Φοιτητές](https://aka.ms/student-page)**: για να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών μόνοι σας, κάντε fork ολόκληρο το repo και ολοκληρώστε τις ασκήσεις μόνοι σας, ξεκινώντας με ένα κουίζ πριν το μάθημα. Στη συνέχεια διαβάστε το μάθημα και ολοκληρώστε τις υπόλοιπες δραστηριότητες. Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να αντιγράφετε τον κώδικα λύσης· όμως, ο κώδικας αυτός είναι διαθέσιμος στους φακέλους /solutions σε κάθε μάθημα προσανατολισμένο σε έργο. Μια άλλη ιδέα είναι να σχηματίσετε μια ομάδα μελέτης με φίλους και να περάσετε το περιεχόμενο μαζί. Για περαιτέρω μελέτη, προτείνουμε το [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Απόλυτοι Αρχάριοι**: Νέοι στην επιστήμη δεδομένων; Ξεκίνα με τα [φιλικά για αρχάριους παραδείγματα](examples/README.md)! Αυτά τα απλά, καλά σχολιασμένα παραδείγματα θα σε βοηθήσουν να κατανοήσεις τις βάσεις πριν βουτήξεις στο πλήρες πρόγραμμα.
> **[Φοιτητές](https://aka.ms/student-page)**: για να χρησιμοποιήσετε αυτό το πρόγραμμα μόνοι σας, κάντε fork ολόκληρο το αποθετήριο και ολοκληρώστε τις ασκήσεις μόνοι σας, ξεκινώντας με ένα κουίζ προ-διάλεξης. Μετά διάβασε τη διάλεξη και ολοκλήρωσε τις υπόλοιπες δραστηριότητες. Προσπάθησε να δημιουργήσεις τα έργα κατανοώντας τα μαθήματα αντί να αντιγράφεις τον κώδικα λύσης· ωστόσο, αυτός ο κώδικας είναι διαθέσιμος στους φακέλους /solutions σε κάθε μάθημα προσανατολισμένο σε έργα. Μια άλλη ιδέα είναι να σχηματίσεις μια ομάδα μελέτης με φίλους και να πάτε μαζί το περιεχόμενο. Για περαιτέρω μελέτη, προτείνουμε το [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Γρήγορη εκκίνηση:**
1. Ελέγξτε τον [Οδηγό Εγκατάστασης](INSTALLATION.md) για να ρυθμίσετε το περιβάλλον σας
2. Ανασκοπήστε τον [Οδηγό Χρήσης](USAGE.md) για να μάθετε πώς να δουλεύετε με το πρόγραμμα σπουδών
3. Ξεκινήστε με το Μάθημα 1 και δουλέψτε διαδοχικά
4. Ενταχθείτε στην [κοινότητα Discord μας](https://aka.ms/ds4beginners/discord) για υποστήριξη
**Γρήγορη Έναρξη:**
1. Δες τον [Οδηγό Εγκατάστασης](INSTALLATION.md) για να ρυθμίσεις το περιβάλλον σου
2. Διάβασε τον [Οδηγό Χρήσης](USAGE.md) για να μάθεις πώς να δουλεύεις με το πρόγραμμα
3. Ξεκίνησε με το Μάθημα 1 και δούλεψε σειριακά
4. Γίνε μέλος της [κοινότητάς μας στο Discord](https://aka.ms/ds4beginners/discord) για υποστήριξη
## 👩‍🏫 Για Εκπαιδευτικούς
> **Εκπαιδευτικοί**: έχουμε [συμπεριλάβει μερικές προτάσεις](for-teachers.md) για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών. Θα χαρούμε τα σχόλιά σας [στο φόρουμ συζητήσεών μας](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Εκπαιδευτικοί**: έχουμε [περιλάβει κάποιες προτάσεις](for-teachers.md) για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα. Θα χαρούμε πολύ να λάβουμε τα σχόλιά σας [στο φόρουμ συζητήσεων](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Γνωρίστε την Ομάδα
[![Προωθητικό βίντεο](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Προωθητικό βίντεο")
**Gif από** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
> 🎥 Κάντε κλικ στην εικόνα παραπάνω για ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν!
> 🎥 Κάντε κλικ στην εικόνα παραπάνω για ένα βίντεο σχετικά με το έργο και τα άτομα που το δημιούργησαν!
## Παιδαγωγική
Έχουμε επιλέξει δύο παιδαγωγικές αρχές κατά την κατασκευή αυτού του μαθήματος: να είναι βασισμένο σε έργα και να περιλαμβάνει συχνά κουίζ. Μέχρι το τέλος αυτής της σειράς, οι μαθητές θα έχουν μάθει βασικές αρχές της επιστήμης δεδομένων, συμπεριλαμβανομένων ηθικών εννοιών, προετοιμασίας δεδομένων, διαφορετικών τρόπων εργασίας με δεδομένα, οπτικοποίησης δεδομένων, ανάλυσης δεδομένων, πραγματικών περιπτώσεων χρήσης της επιστήμης δεδομένων, και άλλα.
Έχουμε επιλέξει δύο παιδαγωγικές αρχές κατά την κατασκευή αυτής της διδακτέας ύλης: να είναι βασισμένη σε έργα και να περιλαμβάνει συχνά κουίζ. Μέχρι το τέλος αυτής της σειράς, οι μαθητές θα έχουν μάθει βασικές αρχές της επιστήμης των δεδομένων, συμπεριλαμβανομένων ηθικών εννοιών, προετοιμασίας δεδομένων, διαφορετικών τρόπων εργασίας με δεδομένα, οπτικοποίησης δεδομένων, ανάλυσης δεδομένων, πραγματικών περιπτώσεων χρήσης της επιστήμης των δεδομένων και άλλα.
Επιπλέον, ένα χαμηλού κινδύνου κουίζ πριν από ένα μάθημα θέτει την πρόθεση του μαθητή προς την εκμάθηση ενός θέματος, ενώ ένα δεύτερο κουίζ μετά το μάθημα διασφαλίζει περαιτέρω διατήρηση. Αυτή η διδακτική ύλη σχεδιάστηκε ώστε να είναι ευέλικτη και διασκεδαστική και μπορεί να παρακολουθηθεί ολόκληρη ή μεμονωμένα μέρη. Τα έργα ξεκινούν μικρά και γίνονται όλο και πιο περίπλοκα μέχρι το τέλος του κύκλου των 10 εβδομάδων.
Επιπλέον, ένα κουίζ χαμηλής σημασίας πριν από το μάθημα θέτει την πρόθεση του μαθητή για την εκμάθηση ενός θέματος, ενώ ένα δεύτερο κουίζ μετά το μάθημα διασφαλίζει περαιτέρω διατήρηση. Αυτή η διδακτέα ύλη σχεδιάστηκε να είναι ευέλικτη και διασκεδαστική και μπορεί να ληφθεί ολόκληρη ή μεμονωμένα. Τα έργα ξεκινούν μικρά και γίνονται όλο και πιο πολύπλοκα μέχρι το τέλος του κύκλου των 10 εβδομάδων.
> Βρείτε τις οδηγίες μας για τον [Κώδικα Συμπεριφοράς](CODE_OF_CONDUCT.md), τη [Συνεισφορά](CONTRIBUTING.md), και τις [Μεταφράσεις](TRANSLATIONS.md). Καλωσορίζουμε τα εποικοδομητικά σας σχόλια!
> Βρείτε τις [Οδηγίες Συμπεριφοράς μας](CODE_OF_CONDUCT.md), τις οδηγίες [Συμβολής](CONTRIBUTING.md) και [Μετάφρασης](TRANSLATIONS.md). Εκτιμούμε τα εποικοδομητικά σας σχόλια!
## Κάθε μάθημα περιλαμβάνει:
- Προαιρετική σημείωση σχεδίασης (sketchnote)
- Προαιρετική σημείωση σχεδίου (sketchnote)
- Προαιρετικό συμπληρωματικό βίντεο
- Προ-μάθημα προθέρμανση μέσω κουίζ
- Προ-μαθηματικό κουίζ προθέρμανσης
- Γραπτό μάθημα
- Για μαθήματα βασισμένα σε έργα, βήμα-βήμα οδηγίες για την κατασκευή του έργου
- Για μαθήματα βασισμένα σε έργα, βήμα-βήμα οδηγίες για το πώς να κατασκευάσετε το έργο
- Έλεγχοι γνώσεων
- Πρόκληση
- Μια πρόκληση
- Συμπληρωματική ανάγνωση
- Ανάθεση εργασίας
- [Κουίζ μετά το μάθημα](https://ff-quizzes.netlify.app/en/)
- [Μετα-μαθηματικό κουίζ](https://ff-quizzes.netlify.app/en/)
> **Σημείωση για τα κουίζ**: Όλα τα κουίζ περιέχονται στον φάκελο Quiz-App, με συνολικά 40 κουίζ των τριών ερωτήσεων το καθένα. Συνδέονται από τα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να τρέξει τοπικά ή να αναπτυχθεί στο Azure· ακολουθήστε τις οδηγίες στον φάκελο `quiz-app`. Βρίσκονται σταδιακά σε διαδικασία τοπικοποίησης.
> **Μια σημείωση για τα κουίζ**: Όλα τα κουίζ βρίσκονται στον φάκελο Quiz-App, με συνολικά 40 κουίζ των τριών ερωτήσεων το καθένα. Συνδέονται από τα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να τρέξει τοπικά ή να αναπτυχθεί στο Azure· ακολουθήστε τις οδηγίες στον φάκελο `quiz-app`. Βρίσκονται σε διαδικασία σταδιακής τοπικοποίησης.
## 🎓 Παραδείγματα Φιλικά για Αρχάριους
## 🎓 Παραδείγματα φιλικά προς αρχάριους
**Νέοι στην επιστήμη δεδομένων;** Δημιουργήσαμε έναν ειδικό [φάκελο με παραδείγματα](examples/README.md) με απλό, καλά σχολιασμένο κώδικα για να σας βοηθήσει να ξεκινήσετε:
**Νέοι στην Επιστήμη Δεδομένων;** Δημιουργήσαμε έναν ειδικό [κατάλογο παραδειγμάτων](examples/README.md) με απλό, καλά σχολιασμένο κώδικα για να σας βοηθήσει να ξεκινήσετε:
- 🌟 **Γεια σου κόσμε** - Το πρώτο σας πρόγραμμα επιστήμης δεδομένων
- 📂 **Φόρτωση δεδομένων** - Μάθετε να διαβάζετε και να εξερευνάτε σύνολα δεδομένων
- 📊 **Απλή ανάλυση** - Υπολογίστε στατιστικά και βρείτε μοτίβα
- 📈 **Βασική οπτικοποίηση** - Δημιουργία διαγραμμάτων και γραφημάτων
- 🔬 **Πραγματικό έργο** - Ολοκληρωμένη ροή εργασίας από την αρχή μέχρι το τέλος
- 🌟 **Γεια σου Κόσμε** - Το πρώτο σας πρόγραμμα επιστήμης δεδομένων
- 📂 **Φόρτωση Δεδομένων** - Μάθετε να διαβάζετε και να εξερευνάτε σύνολα δεδομένων
- 📊 **Απλή Ανάλυση** - Υπολογίστε στατιστικά και βρείτε μοτίβα
- 📈 **Βασική Οπτικοποίηση** - Δημιουργήστε διαγράμματα και γραφήματα
- 🔬 **Πραγματικό Έργο** - Ολοκληρωμένη διαδικασία από την αρχή ως το τέλος
Κάθε παράδειγμα περιλαμβάνει λεπτομερή σχόλια που εξηγούν κάθε βήμα, καθιστώντας το τέλειο για απόλυτους αρχάριους!
Κάθε παράδειγμα περιλαμβάνει λεπτομερή σχόλια που εξηγούν κάθε βήμα, καθιστώντας το ιδανικό για απόλυτους αρχάριους!
👉 **[Ξεκινήστε με τα παραδείγματα](examples/README.md)** 👈
## Μαθήματα
|![ Σημείωση σχεδίασης από @sketchthedocs https://sketchthedocs.dev](../../../../translated_images/el/00-Roadmap.4905d6567dff4753.webp)|
|![ Σημείωση σχεδίου από @sketchthedocs https://sketchthedocs.dev](../../translated_images/el/00-Roadmap.4905d6567dff4753.webp)|
|:---:|
| Επιστήμη Δεδομένων για Αρχάριους: Οδικός Χάρτης - _Σημείωση σχεδίασης από [@nitya](https://twitter.com/nitya)_ |
| Επιστήμη Δεδομένων για Αρχάριους: Οδικός Χάρτης - _Σημείωση σχεδίου από [@nitya](https://twitter.com/nitya)_ |
| Αριθμός Μαθήματος | Θέμα | Ομαδοποίηση Μαθήματος | Μαθησιακοί Στόχοι | Συνδεδεμένο Μάθημα | Συγγραφέας |
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 01 | Ορισμός Επιστήμης Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Μάθετε τις βασικές έννοιες πίσω από την επιστήμη δεδομένων και πώς σχετίζεται με την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τα μεγάλα δεδομένα. | [μάθημα](1-Introduction/01-defining-data-science/README.md) [βίντεο](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Ηθική στην επιστήμη δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Έννοιες, προκλήσεις και πλαίσια ηθικής δεδομένων. | [μάθημα](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Ορισμός Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Πώς ταξινομούνται τα δεδομένα και οι κοινές πηγές τους. | [μάθημα](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Εισαγωγή στη Στατιστική και Πιθανότητες | [Εισαγωγή](1-Introduction/README.md) | Μαθηματικές τεχνικές πιθανοτήτων και στατιστικής για την κατανόηση των δεδομένων. | [μάθημα](1-Introduction/04-stats-and-probability/README.md) [βίντεο](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Εργασία με Σχεσιακά Δεδομένα | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Εισαγωγή σε σχεσιακά δεδομένα και τα βασικά της εξερεύνησης και ανάλυσης σχεσιακών δεδομένων με τη γλώσσα δομημένων ερωτημάτων, γνωστή και ως SQL (προφέρεται “σι-κουελ”). | [μάθημα](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 01 | Ορισμός της Επιστήμης Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Μάθετε τις βασικές έννοιες πίσω από την επιστήμη δεδομένων και πώς σχετίζεται με την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τα μεγάλα δεδομένα. | [μάθημα](1-Introduction/01-defining-data-science/README.md) [βίντεο](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Ηθική της Επιστήμης Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Έννοιες Ηθικής Δεδομένων, Προκλήσεις & Πλαίσια. | [μάθημα](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Ορισμός των Δεδομένων | [Εισαγωγή](1-Introduction/README.md) | Πώς ταξινομούνται τα δεδομένα και οι κοινές πηγές τους. | [μάθημα](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Εισαγωγή στη Στατιστική & Πιθανότητες | [Εισαγωγή](1-Introduction/README.md) | Οι μαθηματικές τεχνικές πιθανοτήτων και στατιστικής για την κατανόηση των δεδομένων. | [μάθημα](1-Introduction/04-stats-and-probability/README.md) [βίντεο](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Εργασία με Σχεσιακά Δεδομένα | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Εισαγωγή στα σχεσιακά δεδομένα και τα βασικά της εξερεύνησης και ανάλυσης σχεσιακών δεδομένων με τη Γλώσσα Δομημένων Ερωτημάτων, γνωστή και ως SQL (προφέρεται “σι-κουελ”). | [μάθημα](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Εργασία με NoSQL Δεδομένα | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Εισαγωγή σε μη σχεσιακά δεδομένα, τους διάφορους τύπους τους και τα βασικά της εξερεύνησης και ανάλυσης βάσεων δεδομένων εγγράφων. | [μάθημα](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Εργασία με Python | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Βασικά της χρήσης της Python για εξερεύνηση δεδομένων με βιβλιοθήκες όπως οι Pandas. Συνιστάται βασική κατανόηση προγραμματισμού Python. | [μάθημα](2-Working-With-Data/07-python/README.md) [βίντεο](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Προετοιμασία Δεδομένων | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Θέματα για τεχνικές καθαρισμού και μετασχηματισμού των δεδομένων ώστε να αντιμετωπιστούν προβλήματα όπως τα ελλιπή, ανακριβή ή ατελή δεδομένα. | [μάθημα](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Οπτικοποίηση Ποσοτήτων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Μάθετε πώς να χρησιμοποιείτε το Matplotlib για οπτικοποίηση δεδομένων πουλιών 🦆 | [μάθημα](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 07 | Εργασία με Python | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Βασικά της χρήσης της Python για εξερεύνηση δεδομένων με βιβλιοθήκες όπως η Pandas. Συνιστάται βασική κατανόηση προγραμματισμού Python. | [μάθημα](2-Working-With-Data/07-python/README.md) [βίντεο](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Προετοιμασία Δεδομένων | [Εργασία με Δεδομένα](2-Working-With-Data/README.md) | Θέματα τεχνικών δεδομένων για καθαρισμό και μετασχηματισμό των δεδομένων ώστε να αντιμετωπιστούν προκλήσεις όπως τα ελλιπή, ανακριβή ή ατελή δεδομένα. | [μάθημα](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Οπτικοποίηση Ποσοτήτων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Μάθετε πώς να χρησιμοποιείτε το Matplotlib για να οπτικοποιήσετε δεδομένα πουλιών 🦆 | [μάθημα](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Οπτικοποίηση Κατανομών Δεδομένων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση παρατηρήσεων και τάσεων μέσα σε ένα διάστημα. | [μάθημα](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Οπτικοποίηση Αναλογιών | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση διακριτών και ομαδοποιημένων ποσοστών. | [μάθημα](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Οπτικοποίηση Σχέσεων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση συνδέσεων και συσχετίσεων μεταξύ συνόλων δεδομένων και των μεταβλητών τους. | [μάθημα](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Σημαντικές Οπτικοποιήσεις | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Τεχνικές και οδηγίες για τη δημιουργία οπτικοποιήσεων που έχουν αξία για αποτελεσματική επίλυση προβλημάτων και βαθύτερες γνώσεις. | [μάθημα](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Εισαγωγή στον Κύκλο Ζωής της Επιστήμης Δεδομένων | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Εισαγωγή στον κύκλο ζωής της επιστήμης δεδομένων και το πρώτο του βήμα που είναι η απόκτηση και εξαγωγή δεδομένων. | [μάθημα](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Ανάλυση | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται σε τεχνικές ανάλυσης δεδομένων. | [μάθημα](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Επικοινωνία | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται στην παρουσίαση των πληροφοριών από τα δεδομένα με τέτοιο τρόπο ώστε να διευκολύνει την κατανόηση από τους λήπτες αποφάσεων. | [μάθημα](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Επιστήμη Δεδομένων στο Cloud | [Δεδομένα στο Cloud](5-Data-Science-In-Cloud/README.md) | Αυτή η σειρά μαθημάτων εισάγει την επιστήμη δεδομένων στο cloud και τα οφέλη της. | [μάθημα](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 18 | Επιστήμη Δεδομένων στο Cloud | [Δεδομένα στο Cloud](5-Data-Science-In-Cloud/README.md) | Εκπαίδευση μοντέλων χρησιμοποιώντας εργαλεία χαμηλού κώδικα. |[μάθημα](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 19 | Επιστήμη Δεδομένων στο Cloud | [Δεδομένα στο Cloud](5-Data-Science-In-Cloud/README.md) | Ανάπτυξη μοντέλων με το Azure Machine Learning Studio. | [μάθημα](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 12 | Οπτικοποίηση Συσχετίσεων | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Οπτικοποίηση συνδέσεων και συσχετίσεων μεταξύ συνόλων δεδομένων και των μεταβλητών τους. | [μάθημα](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Σημαντικές Οπτικοποιήσεις | [Οπτικοποίηση Δεδομένων](3-Data-Visualization/README.md) | Τεχνικές και καθοδήγηση για να κάνετε τις οπτικοποιήσεις σας πολύτιμες για αποτελεσματική επίλυση προβλημάτων και εξαγωγή γνώσεων. | [μάθημα](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Εισαγωγή στον κύκλο ζωής της Επιστήμης Δεδομένων | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Εισαγωγή στον κύκλο ζωής της επιστήμης δεδομένων και το πρώτο βήμα της απόκτησης και εξαγωγής δεδομένων. | [μάθημα](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Ανάλυση | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων εστιάζει σε τεχνικές ανάλυσης δεδομένων. | [μάθημα](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Επικοινωνία | [Κύκλος Ζωής](4-Data-Science-Lifecycle/README.md) | Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων εστιάζει στην παρουσίαση των ευρημάτων από τα δεδομένα με τρόπο που διευκολύνει τους λήπτες αποφάσεων να κατανοήσουν. | [μάθημα](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Επιστήμη Δεδομένων στο Cloud | [Cloud Δεδομένα](5-Data-Science-In-Cloud/README.md) | Αυτή η σειρά μαθημάτων εισάγει την επιστήμη δεδομένων στο cloud και τα οφέλη της. | [μάθημα](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 18 | Επιστήμη Δεδομένων στο Cloud | [Cloud Δεδομένα](5-Data-Science-In-Cloud/README.md) | Εκπαίδευση μοντέλων χρησιμοποιώντας εργαλεία Low Code. |[μάθημα](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 19 | Επιστήμη Δεδομένων στο Cloud | [Cloud Δεδομένα](5-Data-Science-In-Cloud/README.md) | Ανάπτυξη μοντέλων με το Azure Machine Learning Studio. | [μάθημα](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) και [Maud](https://twitter.com/maudstweets) |
| 20 | Επιστήμη Δεδομένων στην Πράξη | [Στην Πράξη](6-Data-Science-In-Wild/README.md) | Έργα επιστήμης δεδομένων στον πραγματικό κόσμο. | [μάθημα](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το δείγμα σε Codespace:
1. Κάντε κλικ στο μενού Code και επιλέξτε την επιλογή Open with Codespaces.
2. Επιλέξτε + New codespace στο κάτω μέρος του πλαισίου.
Για περισσότερες πληροφορίες, δείτε την [τεκμηρίωση του GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το παράδειγμα σε ένα Codespace:
1. Κάντε κλικ στο αναπτυσσόμενο μενού Κώδικα και επιλέξτε την επιλογή Άνοιγμα με Codespaces.
2. Επιλέξτε + Νέο codespace στο κάτω μέρος του παραθύρου.
Για περισσότερες πληροφορίες, δείτε την [τεκμηρίωση GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το αποθετήριο σε κοντέινερ χρησιμοποιώντας τον τοπικό σας υπολογιστή και το VSCode μέσω της επέκτασης VS Code Remote - Containers:
Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το αποθετήριο σε container χρησιμοποιώντας τον τοπικό σας υπολογιστή και το VSCode με την επέκταση VS Code Remote - Containers:
1. Αν αυτή είναι η πρώτη φορά που χρησιμοποιείτε κοντέινερ ανάπτυξης, βεβαιωθείτε ότι το σύστημά σας πληροί τις προϋποθέσεις (δηλαδή έχει εγκατεστημένο το Docker) σύμφωνα με [την τεκμηρίωση έναρξης](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Αν είναι η πρώτη φορά που χρησιμοποιείτε ένα development container, βεβαιωθείτε ότι το σύστημά σας πληροί τις προϋποθέσεις (π.χ. έχει εγκατασταθεί το Docker) στην [τεκμηρίωση εκκίνησης](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Για να χρησιμοποιήσετε αυτό το αποθετήριο, μπορείτε είτε να ανοίξετε το αποθετήριο σε απομονωμένο τόμο Docker:
Για να χρησιμοποιήσετε αυτό το αποθετήριο, μπορείτε είτε να το ανοίξετε μέσα σε έναν απομονωμένο τόμο Docker:
**Σημείωση**: Υπό το καπό, αυτό θα χρησιμοποιήσει την εντολή Remote-Containers: **Clone Repository in Container Volume...** για να κλωνοποιήσει τον πηγαίο κώδικα σε τόμο Docker αντί για το τοπικό σύστημα αρχείων. Οι [Volumes](https://docs.docker.com/storage/volumes/) είναι η προτιμώμενη μέθοδος για τη διατήρηση δεδομένων κοντέινερ.
**Σημείωση**: Υπό το καπό, αυτό θα χρησιμοποιήσει την εντολή Remote-Containers: **Clone Repository in Container Volume...** για να κλωνοποιήσει τον κώδικα πηγής σε έναν τόμο Docker αντί για το τοπικό σύστημα αρχείων. Οι [τόμοι](https://docs.docker.com/storage/volumes/) είναι ο προτιμώμενος μηχανισμός για τη διατήρηση δεδομένων container.
Ή να ανοίξετε μια τοπικά κλωνοποιημένη ή κατεβασμένη έκδοση του αποθετηρίου:
- Κλωνοποιήστε αυτό το αποθετήριο στο τοπικό σύστημά σας.
- Κλωνοποιήστε αυτό το αποθετήριο στο τοπικό σας σύστημα αρχείων.
- Πατήστε F1 και επιλέξτε την εντολή **Remote-Containers: Open Folder in Container...**.
- Επιλέξτε το κλωνοποιημένο αντίγραφο αυτού του φακέλου, περιμένετε να ξεκινήσει το κοντέινερ και δοκιμάστε.
- Επιλέξτε το κλωνοποιημένο αντίγραφο αυτού του φακέλου, περιμένετε να ξεκινήσει το container και δοκιμάστε.
## Πρόσβαση εκτός σύνδεσης
Μπορείτε να εκτελέσετε αυτή την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το [Docsify](https://docsify.js.org/#/). Κάντε fork αυτό το αποθετήριο, [εγκαταστήστε το Docsify](https://docsify.js.org/#/quickstart) στον τοπικό σας υπολογιστή, και στη ρίζα αυτού του φακέλου πληκτρολογήστε `docsify serve`. Η ιστοσελίδα θα σερβιριστεί στη θύρα 3000 στο localhost σας: `localhost:3000`.
Μπορείτε να τρέξετε αυτή την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το [Docsify](https://docsify.js.org/#/). Κάντε fork αυτό το αποθετήριο, [εγκαταστήστε το Docsify](https://docsify.js.org/#/quickstart) στον τοπικό σας υπολογιστή, στη συνέχεια μέσα στο ριζικό φάκελο αυτού του αποθετηρίου, πληκτρολογήστε `docsify serve`. Η ιστοσελίδα θα σερβιριστεί στην πόρτα 3000 στον localhost σας: `localhost:3000`.
> Σημείωση, τα σημειωματάρια δεν θα αποδίδονται μέσω Docsify, οπότε όταν χρειάζεται να τρέξετε ένα σημειωματάριο, κάντε το ξεχωριστά στο VS Code με έναν Python πυρήνα.
> Σημείωση, τα notebooks δεν θα αποδίδονται μέσω Docsify, οπότε όταν χρειαστεί να τρέξετε ένα notebook, κάντε το ξεχωριστά στο VS Code με kernel Python.
## Άλλες Διδακτικές Ενότητες
Η ομάδα μας παράγει και άλλες διδακτικές ενότητες! Ρίξτε μια ματιά:
Η ομάδα μας παράγει και άλλες διδακτικές ενότητες! Δείτε:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -209,54 +200,54 @@ CO_OP_TRANSLATOR_METADATA:
---
### Azure / Edge / MCP / Πράκτορες
### Azure / Edge / MCP / Agents
[![AZD για Αρχάριους](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI για Αρχάριους](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP για Αρχάριους](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Πράκτορες AI για Αρχάριους](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI Agents για Αρχάριους](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Σειρά Δημιουργικής Τεχνητής Νοημοσύνης
[![Δημιουργική Τεχνητή Νοημοσύνη για Αρχάριους](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Δημιουργική Τεχνητή Νοημοσύνη (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Δημιουργική Τεχνητή Νοημοσύνη (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Δημιουργική Τεχνητή Νοημοσύνη (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[![Generative AI για Αρχάριους](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Βασική Μάθηση
[![Μηχανική Μάθηση για Αρχάριους](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![ML για Αρχάριους](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Επιστήμη Δεδομένων για Αρχάριους](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![Τεχνητή Νοημοσύνη για Αρχάριους](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Ασφάλεια στον Κυβερνοχώρο για Αρχάριους](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Ανάπτυξη Web για Αρχάριους](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![AI για Αρχάριους](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Κυβερνοασφάλεια για Αρχάριους](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Ανάπτυξη Ιστού για Αρχάριους](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT για Αρχάριους](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![Ανάπτυξη XR για Αρχάριους](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Σειρά Copilot
[![Copilot για Προγραμματισμό με AI σε Ζεύγη](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot για ζευγαρωμένο προγραμματισμό AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot για C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Περιπέτεια Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## Λήψη Βοήθειας
**Αντιμετωπίζετε προβλήματα;** Δείτε τον [Οδηγό Επίλυσης Προβλημάτων](TROUBLESHOOTING.md) για λύσεις σε κοινά ζητήματα.
**Αντιμετωπίζετε προβλήματα;** Ελέγξτε τον [Οδηγό Επίλυσης Προβλημάτων](TROUBLESHOOTING.md) για λύσεις σε συνηθισμένα ζητήματα.
Εάν κολλήσετε ή έχετε ερωτήσεις σχετικά με τη δημιουργία εφαρμογών AI, συμμετέχετε με άλλους εκπαιδευόμενους και έμπειρους προγραμματιστές σε συζητήσεις για το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και η γνώση μοιράζεται ελεύθερα.
Εάν κολλήσετε ή έχετε οποιεσδήποτε ερωτήσεις σχετικά με την κατασκευή εφαρμογών τεχνητής νοημοσύνης, συμμετέχετε με άλλους μαθητές και έμπειρους προγραμματιστές σε συζητήσεις για το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και η γνώση μοιράζεται ελεύθερα.
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
Εάν έχετε σχόλια για προϊόντα ή σφάλματα κατά την ανάπτυξη επισκεφθείτε:
Εάν έχετε σχόλια προϊόντος ή σφάλματα κατά την ανάπτυξη, επισκεφθείτε:
[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Αποποίηση ευθύνης**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης με τεχνητή νοημοσύνη [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να λάβετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες συνιστάται η επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
**Αποποίηση ευθυνών**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης AI [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που προσπαθούμε για ακρίβεια, παρακαλούμε να σημειώσετε ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη γλώσσα του θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για οποιεσδήποτε παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/el/SECURITY.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0d575483100c332b2dbaefef915bb3c4",
"translation_date": "2025-08-26T20:44:57+00:00",
"source_file": "SECURITY.md",
"language_code": "el"
}
-->
## Ασφάλεια
Η Microsoft λαμβάνει σοβαρά υπόψη την ασφάλεια των προϊόντων και υπηρεσιών λογισμικού της, συμπεριλαμβανομένων όλων των αποθετηρίων πηγαίου κώδικα που διαχειρίζεται μέσω των οργανισμών της στο GitHub, όπως [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) και [τους οργανισμούς μας στο GitHub](https://opensource.microsoft.com/).

9
translations/el/SUPPORT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "872be8bc1b93ef1dd9ac3d6e8f99f6ab",
"translation_date": "2025-08-26T20:42:12+00:00",
"source_file": "SUPPORT.md",
"language_code": "el"
}
-->
# Υποστήριξη
## Πώς να αναφέρετε προβλήματα και να λάβετε βοήθεια

9
translations/el/TROUBLESHOOTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "93a6a8a8a209128cbfedcbc076ee21b0",
"translation_date": "2025-10-03T15:39:38+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "el"
}
-->
# Οδηγός Αντιμετώπισης Προβλημάτων
Αυτός ο οδηγός παρέχει λύσεις σε κοινά προβλήματα που μπορεί να αντιμετωπίσετε κατά την εργασία σας με το πρόγραμμα σπουδών "Data Science for Beginners".

9
translations/el/USAGE.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f546349678757508d69ce9e1d2688446",
"translation_date": "2025-10-03T15:02:48+00:00",
"source_file": "USAGE.md",
"language_code": "el"
}
-->
# Οδηγός Χρήσης
Αυτός ο οδηγός παρέχει παραδείγματα και κοινές ροές εργασίας για τη χρήση του προγράμματος σπουδών "Data Science for Beginners".

9
translations/el/docs/_sidebar.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "3767555b3cc28a2865c79202f4374204",
"translation_date": "2025-08-26T21:12:37+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "el"
}
-->
- Εισαγωγή
- [Ορισμός της Επιστήμης Δεδομένων](../1-Introduction/01-defining-data-science/README.md)
- [Ηθική στην Επιστήμη Δεδομένων](../1-Introduction/02-ethics/README.md)

9
translations/el/examples/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9bef7fd96c8f262339933117d9b3e342",
"translation_date": "2025-10-03T13:02:18+00:00",
"source_file": "examples/README.md",
"language_code": "el"
}
-->
# Παραδείγματα Επιστήμης Δεδομένων για Αρχάριους
Καλώς ήρθατε στον κατάλογο παραδειγμάτων! Αυτή η συλλογή από απλά, καλά σχολιασμένα παραδείγματα έχει σχεδιαστεί για να σας βοηθήσει να ξεκινήσετε με την επιστήμη δεδομένων, ακόμα κι αν είστε εντελώς αρχάριοι.

9
translations/el/for-teachers.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f7440be10c17a8a9262713af3d2818a9",
"translation_date": "2025-09-06T19:57:01+00:00",
"source_file": "for-teachers.md",
"language_code": "el"
}
-->
## Για Εκπαιδευτικούς
Θα θέλατε να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών στην τάξη σας; Μη διστάσετε!

9
translations/el/quiz-app/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e92c33ea498915a13c9aec162616db18",
"translation_date": "2025-08-26T22:18:30+00:00",
"source_file": "quiz-app/README.md",
"language_code": "el"
}
-->
# Κουίζ
Αυτά τα κουίζ είναι τα κουίζ πριν και μετά τις διαλέξεις για το πρόγραμμα σπουδών επιστήμης δεδομένων στο https://aka.ms/datascience-beginners

9
translations/el/sketchnotes/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "3a848466cb63aff1a93411affb152c2a",
"translation_date": "2025-08-26T21:48:40+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "el"
}
-->
Βρείτε όλα τα sketchnotes εδώ!
## Πιστώσεις

422
translations/sv/.co-op-translator.json
Unescape View File

@ -0,0 +1,422 @@
{
"1-Introduction/01-defining-data-science/README.md": {
"original_hash": "43212cc1ac137b7bb1dcfb37ca06b0f4",
"translation_date": "2025-10-25T18:54:45+00:00",
"source_file": "1-Introduction/01-defining-data-science/README.md",
"language_code": "sv"
},
"1-Introduction/01-defining-data-science/assignment.md": {
"original_hash": "4e0f1773b9bee1be3b28f9fe2c71b3de",
"translation_date": "2025-08-26T21:34:28+00:00",
"source_file": "1-Introduction/01-defining-data-science/assignment.md",
"language_code": "sv"
},
"1-Introduction/01-defining-data-science/solution/assignment.md": {
"original_hash": "a8f79b9c0484c35b4f26e8aec7fc4d56",
"translation_date": "2025-08-26T21:35:37+00:00",
"source_file": "1-Introduction/01-defining-data-science/solution/assignment.md",
"language_code": "sv"
},
"1-Introduction/02-ethics/README.md": {
"original_hash": "58860ce9a4b8a564003d2752f7c72851",
"translation_date": "2025-10-03T16:36:54+00:00",
"source_file": "1-Introduction/02-ethics/README.md",
"language_code": "sv"
},
"1-Introduction/02-ethics/assignment.md": {
"original_hash": "b588c0fc73014f52520c666efc3e0cc3",
"translation_date": "2025-08-26T21:27:17+00:00",
"source_file": "1-Introduction/02-ethics/assignment.md",
"language_code": "sv"
},
"1-Introduction/03-defining-data/README.md": {
"original_hash": "12339119c0165da569a93ddba05f9339",
"translation_date": "2025-09-05T21:53:17+00:00",
"source_file": "1-Introduction/03-defining-data/README.md",
"language_code": "sv"
},
"1-Introduction/03-defining-data/assignment.md": {
"original_hash": "2e5cacb967c1e9dfd07809bfc441a0b4",
"translation_date": "2025-08-26T21:39:43+00:00",
"source_file": "1-Introduction/03-defining-data/assignment.md",
"language_code": "sv"
},
"1-Introduction/04-stats-and-probability/README.md": {
"original_hash": "ce95884566a74db72572cd51f0cb25ad",
"translation_date": "2025-09-06T13:36:56+00:00",
"source_file": "1-Introduction/04-stats-and-probability/README.md",
"language_code": "sv"
},
"1-Introduction/04-stats-and-probability/assignment.md": {
"original_hash": "01d1b493e8b51a6ebb42524f6b1bcfff",
"translation_date": "2025-08-26T21:47:59+00:00",
"source_file": "1-Introduction/04-stats-and-probability/assignment.md",
"language_code": "sv"
},
"1-Introduction/README.md": {
"original_hash": "696a8474a01054281704cbfb09148949",
"translation_date": "2025-08-26T21:13:53+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "sv"
},
"2-Working-With-Data/05-relational-databases/README.md": {
"original_hash": "11739c7b40e7c6b16ad29e3df4e65862",
"translation_date": "2025-12-19T11:30:36+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/README.md",
"language_code": "sv"
},
"2-Working-With-Data/05-relational-databases/assignment.md": {
"original_hash": "25b37acdfb2452917c1aa2e2ca44317a",
"translation_date": "2025-10-24T09:55:56+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/assignment.md",
"language_code": "sv"
},
"2-Working-With-Data/06-non-relational/README.md": {
"original_hash": "c182e87f9f80be7e7cdffc7b40bbfccf",
"translation_date": "2025-09-05T21:43:31+00:00",
"source_file": "2-Working-With-Data/06-non-relational/README.md",
"language_code": "sv"
},
"2-Working-With-Data/06-non-relational/assignment.md": {
"original_hash": "f824bfdb8b12d33293913f76f5c787c5",
"translation_date": "2025-08-26T21:12:06+00:00",
"source_file": "2-Working-With-Data/06-non-relational/assignment.md",
"language_code": "sv"
},
"2-Working-With-Data/07-python/README.md": {
"original_hash": "7bfec050f4717dcc2dfd028aca9d21f3",
"translation_date": "2025-09-06T15:45:37+00:00",
"source_file": "2-Working-With-Data/07-python/README.md",
"language_code": "sv"
},
"2-Working-With-Data/07-python/assignment.md": {
"original_hash": "dc8f035ce92e4eaa078ab19caa68267a",
"translation_date": "2025-08-26T21:07:16+00:00",
"source_file": "2-Working-With-Data/07-python/assignment.md",
"language_code": "sv"
},
"2-Working-With-Data/08-data-preparation/README.md": {
"original_hash": "1b560955ff39a2bcf2a049fce474a951",
"translation_date": "2025-09-05T21:45:19+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/README.md",
"language_code": "sv"
},
"2-Working-With-Data/08-data-preparation/assignment.md": {
"original_hash": "f9d5a7275e046223fa6474477674b810",
"translation_date": "2025-08-26T20:59:29+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/assignment.md",
"language_code": "sv"
},
"2-Working-With-Data/README.md": {
"original_hash": "abc3309ab41bc5a7846f70ee1a055838",
"translation_date": "2025-08-26T20:47:09+00:00",
"source_file": "2-Working-With-Data/README.md",
"language_code": "sv"
},
"3-Data-Visualization/09-visualization-quantities/README.md": {
"original_hash": "a49d78e32e280c410f04e5f2a2068e77",
"translation_date": "2025-09-05T21:48:45+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/README.md",
"language_code": "sv"
},
"3-Data-Visualization/09-visualization-quantities/assignment.md": {
"original_hash": "ad163c4fda72c8278280b61cad317ff4",
"translation_date": "2025-08-26T23:19:25+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/assignment.md",
"language_code": "sv"
},
"3-Data-Visualization/10-visualization-distributions/README.md": {
"original_hash": "80a20467e046d312809d008395051fc7",
"translation_date": "2025-09-05T21:50:11+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/README.md",
"language_code": "sv"
},
"3-Data-Visualization/10-visualization-distributions/assignment.md": {
"original_hash": "40eeb9b9f94009c537c7811f9f27f037",
"translation_date": "2025-08-26T22:51:07+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/assignment.md",
"language_code": "sv"
},
"3-Data-Visualization/11-visualization-proportions/README.md": {
"original_hash": "42119bcc97bee88254e381156d770f3c",
"translation_date": "2025-09-05T21:48:17+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/README.md",
"language_code": "sv"
},
"3-Data-Visualization/11-visualization-proportions/assignment.md": {
"original_hash": "1e00fe6a244c2f8f9a794c862661dd4f",
"translation_date": "2025-08-26T23:24:03+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/assignment.md",
"language_code": "sv"
},
"3-Data-Visualization/12-visualization-relationships/README.md": {
"original_hash": "0764fd4077f3f04a1d968ec371227744",
"translation_date": "2025-09-06T11:39:15+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/README.md",
"language_code": "sv"
},
"3-Data-Visualization/12-visualization-relationships/assignment.md": {
"original_hash": "680419753c086eef51be86607c623945",
"translation_date": "2025-08-26T22:55:24+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/assignment.md",
"language_code": "sv"
},
"3-Data-Visualization/13-meaningful-visualizations/README.md": {
"original_hash": "cfb068050337a36e348debaa502a24fa",
"translation_date": "2025-09-05T21:49:11+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/README.md",
"language_code": "sv"
},
"3-Data-Visualization/13-meaningful-visualizations/assignment.md": {
"original_hash": "e56df4c0f49357e30ac8fc77aa439dd4",
"translation_date": "2025-08-26T22:45:47+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/assignment.md",
"language_code": "sv"
},
"3-Data-Visualization/13-meaningful-visualizations/solution/README.md": {
"original_hash": "5c51a54dd89075a7a362890117b7ed9e",
"translation_date": "2025-08-26T22:47:05+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/solution/README.md",
"language_code": "sv"
},
"3-Data-Visualization/13-meaningful-visualizations/starter/README.md": {
"original_hash": "5c51a54dd89075a7a362890117b7ed9e",
"translation_date": "2025-08-26T22:46:28+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/starter/README.md",
"language_code": "sv"
},
"3-Data-Visualization/R/09-visualization-quantities/README.md": {
"original_hash": "22acf28f518a4769ea14fa42f4734b9f",
"translation_date": "2025-08-26T23:05:28+00:00",
"source_file": "3-Data-Visualization/R/09-visualization-quantities/README.md",
"language_code": "sv"
},
"3-Data-Visualization/R/09-visualization-quantities/assignment.md": {
"original_hash": "0ea21b6513df5ade7419c6b7d65f10b1",
"translation_date": "2025-08-26T23:09:06+00:00",
"source_file": "3-Data-Visualization/R/09-visualization-quantities/assignment.md",
"language_code": "sv"
},
"3-Data-Visualization/R/10-visualization-distributions/README.md": {
"original_hash": "ea67c0c40808fd723594de6896c37ccf",
"translation_date": "2025-08-26T22:57:19+00:00",
"source_file": "3-Data-Visualization/R/10-visualization-distributions/README.md",
"language_code": "sv"
},
"3-Data-Visualization/R/10-visualization-distributions/assignment.md": {
"original_hash": "a233d542512136c4dd29aad38ca0175f",
"translation_date": "2025-08-26T22:59:32+00:00",
"source_file": "3-Data-Visualization/R/10-visualization-distributions/assignment.md",
"language_code": "sv"
},
"3-Data-Visualization/R/11-visualization-proportions/README.md": {
"original_hash": "47028abaaafa2bcb1079702d20569066",
"translation_date": "2025-08-26T23:14:19+00:00",
"source_file": "3-Data-Visualization/R/11-visualization-proportions/README.md",
"language_code": "sv"
},
"3-Data-Visualization/R/12-visualization-relationships/README.md": {
"original_hash": "a33c5d4b4156a2b41788d8720b6f724c",
"translation_date": "2025-08-26T23:01:28+00:00",
"source_file": "3-Data-Visualization/R/12-visualization-relationships/README.md",
"language_code": "sv"
},
"3-Data-Visualization/R/13-meaningful-vizualizations/README.md": {
"original_hash": "b4039f1c76548d144a0aee0bf28304ec",
"translation_date": "2025-08-26T23:11:01+00:00",
"source_file": "3-Data-Visualization/R/13-meaningful-vizualizations/README.md",
"language_code": "sv"
},
"3-Data-Visualization/README.md": {
"original_hash": "1441550a0d789796b2821e04f7f4cc94",
"translation_date": "2025-08-26T22:40:35+00:00",
"source_file": "3-Data-Visualization/README.md",
"language_code": "sv"
},
"4-Data-Science-Lifecycle/14-Introduction/README.md": {
"original_hash": "07e12a25d20b8f191e3cb651c27fdb2b",
"translation_date": "2025-09-06T21:06:22+00:00",
"source_file": "4-Data-Science-Lifecycle/14-Introduction/README.md",
"language_code": "sv"
},
"4-Data-Science-Lifecycle/14-Introduction/assignment.md": {
"original_hash": "564445c39ad29a491abcb9356fc4d47d",
"translation_date": "2025-08-26T22:28:02+00:00",
"source_file": "4-Data-Science-Lifecycle/14-Introduction/assignment.md",
"language_code": "sv"
},
"4-Data-Science-Lifecycle/15-analyzing/README.md": {
"original_hash": "661dad02c3ac239644d34c1eb51e76f8",
"translation_date": "2025-09-06T21:05:41+00:00",
"source_file": "4-Data-Science-Lifecycle/15-analyzing/README.md",
"language_code": "sv"
},
"4-Data-Science-Lifecycle/15-analyzing/assignment.md": {
"original_hash": "fcc7547171f4530f159676dd73ed772e",
"translation_date": "2025-08-26T22:30:58+00:00",
"source_file": "4-Data-Science-Lifecycle/15-analyzing/assignment.md",
"language_code": "sv"
},
"4-Data-Science-Lifecycle/16-communication/README.md": {
"original_hash": "215a3254ba5a222a57c5bb0192cea8e3",
"translation_date": "2025-09-06T21:06:46+00:00",
"source_file": "4-Data-Science-Lifecycle/16-communication/README.md",
"language_code": "sv"
},
"4-Data-Science-Lifecycle/16-communication/assignment.md": {
"original_hash": "8980d7efd101c82d6d6ffc3458214120",
"translation_date": "2025-08-26T22:39:27+00:00",
"source_file": "4-Data-Science-Lifecycle/16-communication/assignment.md",
"language_code": "sv"
},
"4-Data-Science-Lifecycle/README.md": {
"original_hash": "dd173fd30fc039a7a299898920680723",
"translation_date": "2025-08-26T22:20:43+00:00",
"source_file": "4-Data-Science-Lifecycle/README.md",
"language_code": "sv"
},
"5-Data-Science-In-Cloud/17-Introduction/README.md": {
"original_hash": "5f8e7cdefa096664ae86f795be571580",
"translation_date": "2025-09-05T21:42:23+00:00",
"source_file": "5-Data-Science-In-Cloud/17-Introduction/README.md",
"language_code": "sv"
},
"5-Data-Science-In-Cloud/17-Introduction/assignment.md": {
"original_hash": "96f3696153d9ed54b19a1bb65438c104",
"translation_date": "2025-08-26T22:11:08+00:00",
"source_file": "5-Data-Science-In-Cloud/17-Introduction/assignment.md",
"language_code": "sv"
},
"5-Data-Science-In-Cloud/18-Low-Code/README.md": {
"original_hash": "bd4da10766c64fce4294a98f6479dfb0",
"translation_date": "2025-09-05T21:41:19+00:00",
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/README.md",
"language_code": "sv"
},
"5-Data-Science-In-Cloud/18-Low-Code/assignment.md": {
"original_hash": "8fdc4a5fd9bc27a8d2ebef995dfbf73f",
"translation_date": "2025-08-26T22:05:55+00:00",
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/assignment.md",
"language_code": "sv"
},
"5-Data-Science-In-Cloud/19-Azure/README.md": {
"original_hash": "472d3fab1c5be50f387336e7a686dbe1",
"translation_date": "2025-09-05T21:42:49+00:00",
"source_file": "5-Data-Science-In-Cloud/19-Azure/README.md",
"language_code": "sv"
},
"5-Data-Science-In-Cloud/19-Azure/assignment.md": {
"original_hash": "386efdbc19786951341f6956247ee990",
"translation_date": "2025-08-26T22:18:00+00:00",
"source_file": "5-Data-Science-In-Cloud/19-Azure/assignment.md",
"language_code": "sv"
},
"5-Data-Science-In-Cloud/README.md": {
"original_hash": "8dfe141a0f46f7d253e07f74913c7f44",
"translation_date": "2025-08-26T21:57:10+00:00",
"source_file": "5-Data-Science-In-Cloud/README.md",
"language_code": "sv"
},
"6-Data-Science-In-Wild/20-Real-World-Examples/README.md": {
"original_hash": "0f67a4139454816631526779a456b734",
"translation_date": "2025-09-06T18:32:07+00:00",
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/README.md",
"language_code": "sv"
},
"6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md": {
"original_hash": "d1e05715f9d97de6c4f1fb0c5a4702c0",
"translation_date": "2025-08-26T21:55:58+00:00",
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/assignment.md",
"language_code": "sv"
},
"6-Data-Science-In-Wild/README.md": {
"original_hash": "07faf02ff163e609edf0b0308dc5d4e6",
"translation_date": "2025-08-26T21:49:21+00:00",
"source_file": "6-Data-Science-In-Wild/README.md",
"language_code": "sv"
},
"AGENTS.md": {
"original_hash": "cc2e18ab65df63e75d3619c4752e9b22",
"translation_date": "2025-10-03T11:24:03+00:00",
"source_file": "AGENTS.md",
"language_code": "sv"
},
"CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-26T20:44:35+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "sv"
},
"CONTRIBUTING.md": {
"original_hash": "10f86fb29b5407088445ac803b3d0ed1",
"translation_date": "2025-10-03T14:06:35+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "sv"
},
"INSTALLATION.md": {
"original_hash": "a64d8afa22ffcc2016bb239188d6acb1",
"translation_date": "2025-10-03T15:21:18+00:00",
"source_file": "INSTALLATION.md",
"language_code": "sv"
},
"README.md": {
"original_hash": "8ec92ecfeb14923af733851239552146",
"translation_date": "2026-01-30T01:52:27+00:00",
"source_file": "README.md",
"language_code": "sv"
},
"SECURITY.md": {
"original_hash": "0d575483100c332b2dbaefef915bb3c4",
"translation_date": "2025-08-26T20:45:24+00:00",
"source_file": "SECURITY.md",
"language_code": "sv"
},
"SUPPORT.md": {
"original_hash": "872be8bc1b93ef1dd9ac3d6e8f99f6ab",
"translation_date": "2025-08-26T20:42:24+00:00",
"source_file": "SUPPORT.md",
"language_code": "sv"
},
"TROUBLESHOOTING.md": {
"original_hash": "93a6a8a8a209128cbfedcbc076ee21b0",
"translation_date": "2025-10-03T15:40:48+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "sv"
},
"USAGE.md": {
"original_hash": "f546349678757508d69ce9e1d2688446",
"translation_date": "2025-10-03T15:04:04+00:00",
"source_file": "USAGE.md",
"language_code": "sv"
},
"docs/_sidebar.md": {
"original_hash": "3767555b3cc28a2865c79202f4374204",
"translation_date": "2025-08-26T21:12:58+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "sv"
},
"examples/README.md": {
"original_hash": "9bef7fd96c8f262339933117d9b3e342",
"translation_date": "2025-10-03T13:03:11+00:00",
"source_file": "examples/README.md",
"language_code": "sv"
},
"for-teachers.md": {
"original_hash": "f7440be10c17a8a9262713af3d2818a9",
"translation_date": "2025-09-06T19:57:32+00:00",
"source_file": "for-teachers.md",
"language_code": "sv"
},
"quiz-app/README.md": {
"original_hash": "e92c33ea498915a13c9aec162616db18",
"translation_date": "2025-08-26T22:19:06+00:00",
"source_file": "quiz-app/README.md",
"language_code": "sv"
},
"sketchnotes/README.md": {
"original_hash": "3a848466cb63aff1a93411affb152c2a",
"translation_date": "2025-08-26T21:48:51+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "sv"
}
}

9
translations/sv/1-Introduction/01-defining-data-science/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "43212cc1ac137b7bb1dcfb37ca06b0f4",
"translation_date": "2025-10-25T18:54:45+00:00",
"source_file": "1-Introduction/01-defining-data-science/README.md",
"language_code": "sv"
}
-->
# Definition av Data Science
| ![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/01-Definitions.png) |

9
translations/sv/1-Introduction/01-defining-data-science/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4e0f1773b9bee1be3b28f9fe2c71b3de",
"translation_date": "2025-08-26T21:34:28+00:00",
"source_file": "1-Introduction/01-defining-data-science/assignment.md",
"language_code": "sv"
}
-->
# Uppgift: Scenarier inom Data Science
I denna första uppgift ber vi dig att fundera på några verkliga processer eller problem inom olika problemområden, och hur du kan förbättra dem med hjälp av Data Science-processen. Fundera på följande:

9
translations/sv/1-Introduction/01-defining-data-science/solution/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a8f79b9c0484c35b4f26e8aec7fc4d56",
"translation_date": "2025-08-26T21:35:37+00:00",
"source_file": "1-Introduction/01-defining-data-science/solution/assignment.md",
"language_code": "sv"
}
-->
# Uppgift: Scenarier inom Data Science
I denna första uppgift ber vi dig att tänka på några verkliga processer eller problem inom olika problemområden, och hur du kan förbättra dem med hjälp av Data Science-processen. Fundera på följande:

9
translations/sv/1-Introduction/02-ethics/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58860ce9a4b8a564003d2752f7c72851",
"translation_date": "2025-10-03T16:36:54+00:00",
"source_file": "1-Introduction/02-ethics/README.md",
"language_code": "sv"
}
-->
# Introduktion till Dataetik
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/02-Ethics.png)|

9
translations/sv/1-Introduction/02-ethics/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b588c0fc73014f52520c666efc3e0cc3",
"translation_date": "2025-08-26T21:27:17+00:00",
"source_file": "1-Introduction/02-ethics/assignment.md",
"language_code": "sv"
}
-->
## Skriv en fallstudie om dataetik
## Instruktioner

9
translations/sv/1-Introduction/03-defining-data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "12339119c0165da569a93ddba05f9339",
"translation_date": "2025-09-05T21:53:17+00:00",
"source_file": "1-Introduction/03-defining-data/README.md",
"language_code": "sv"
}
-->
# Definiera Data
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/03-DefiningData.png)|

9
translations/sv/1-Introduction/03-defining-data/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2e5cacb967c1e9dfd07809bfc441a0b4",
"translation_date": "2025-08-26T21:39:43+00:00",
"source_file": "1-Introduction/03-defining-data/assignment.md",
"language_code": "sv"
}
-->
# Klassificering av dataset
## Instruktioner

11
translations/sv/1-Introduction/04-stats-and-probability/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ce95884566a74db72572cd51f0cb25ad",
"translation_date": "2025-09-06T13:36:56+00:00",
"source_file": "1-Introduction/04-stats-and-probability/README.md",
"language_code": "sv"
}
-->
# En kort introduktion till statistik och sannolikhet
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/04-Statistics-Probability.png)|
@ -64,7 +55,7 @@ För att förstå fördelningen av data är det också användbart att prata om
Grafiskt kan vi representera förhållandet mellan median och kvartiler i ett diagram som kallas **låddiagram**:
<img src="images/boxplot_explanation.png" alt="Förklaring av låddiagram" width="50%">
<img src="../../../../translated_images/sv/boxplot_explanation.4039b7de08780fd4.webp" alt="Förklaring av låddiagram" width="50%">
Här beräknar vi också **interkvartilavstånd** IQR=Q3-Q1, och så kallade **uteliggare** - värden som ligger utanför gränserna [Q1-1.5*IQR,Q3+1.5*IQR].

9
translations/sv/1-Introduction/04-stats-and-probability/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "01d1b493e8b51a6ebb42524f6b1bcfff",
"translation_date": "2025-08-26T21:47:59+00:00",
"source_file": "1-Introduction/04-stats-and-probability/assignment.md",
"language_code": "sv"
}
-->
# Liten Diabetesstudie
I denna uppgift kommer vi att arbeta med en liten dataset av diabetespatienter hämtad från [här](https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html).

9
translations/sv/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "696a8474a01054281704cbfb09148949",
"translation_date": "2025-08-26T21:13:53+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "sv"
}
-->
# Introduktion till Data Science
![data i aktion](../../../translated_images/sv/data.48e22bb7617d8d92188afbc4c48effb920ba79f5cebdc0652cd9f34bbbd90c18.jpg)

9
translations/sv/2-Working-With-Data/05-relational-databases/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "11739c7b40e7c6b16ad29e3df4e65862",
"translation_date": "2025-12-19T11:30:36+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/README.md",
"language_code": "sv"
}
-->
# Arbeta med data: Relationsdatabaser
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/05-RelationalData.png)|

9
translations/sv/2-Working-With-Data/05-relational-databases/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "25b37acdfb2452917c1aa2e2ca44317a",
"translation_date": "2025-10-24T09:55:56+00:00",
"source_file": "2-Working-With-Data/05-relational-databases/assignment.md",
"language_code": "sv"
}
-->
# Visa flygplatsdata
Du har fått en [databas](https://raw.githubusercontent.com/Microsoft/Data-Science-For-Beginners/main/2-Working-With-Data/05-relational-databases/airports.db) byggd på [SQLite](https://sqlite.org/index.html) som innehåller information om flygplatser. Schemat visas nedan. Du kommer att använda [SQLite-tillägget](https://marketplace.visualstudio.com/items?itemName=alexcvzz.vscode-sqlite&WT.mc_id=academic-77958-bethanycheum) i [Visual Studio Code](https://code.visualstudio.com?WT.mc_id=academic-77958-bethanycheum) för att visa information om olika städers flygplatser.

9
translations/sv/2-Working-With-Data/06-non-relational/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c182e87f9f80be7e7cdffc7b40bbfccf",
"translation_date": "2025-09-05T21:43:31+00:00",
"source_file": "2-Working-With-Data/06-non-relational/README.md",
"language_code": "sv"
}
-->
# Arbeta med data: Icke-relationell data
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/06-NoSQL.png)|

9
translations/sv/2-Working-With-Data/06-non-relational/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f824bfdb8b12d33293913f76f5c787c5",
"translation_date": "2025-08-26T21:12:06+00:00",
"source_file": "2-Working-With-Data/06-non-relational/assignment.md",
"language_code": "sv"
}
-->
# Soda Vinster
## Instruktioner

9
translations/sv/2-Working-With-Data/07-python/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7bfec050f4717dcc2dfd028aca9d21f3",
"translation_date": "2025-09-06T15:45:37+00:00",
"source_file": "2-Working-With-Data/07-python/README.md",
"language_code": "sv"
}
-->
# Arbeta med data: Python och Pandas-biblioteket
| ![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/07-WorkWithPython.png) |

9
translations/sv/2-Working-With-Data/07-python/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dc8f035ce92e4eaa078ab19caa68267a",
"translation_date": "2025-08-26T21:07:16+00:00",
"source_file": "2-Working-With-Data/07-python/assignment.md",
"language_code": "sv"
}
-->
# Uppgift för Databehandling i Python
I denna uppgift kommer vi att be dig utveckla vidare på den kod vi har börjat skapa i våra utmaningar. Uppgiften består av två delar:

9
translations/sv/2-Working-With-Data/08-data-preparation/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1b560955ff39a2bcf2a049fce474a951",
"translation_date": "2025-09-05T21:45:19+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/README.md",
"language_code": "sv"
}
-->
# Arbeta med data: Databeredning
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/08-DataPreparation.png)|

9
translations/sv/2-Working-With-Data/08-data-preparation/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "f9d5a7275e046223fa6474477674b810",
"translation_date": "2025-08-26T20:59:29+00:00",
"source_file": "2-Working-With-Data/08-data-preparation/assignment.md",
"language_code": "sv"
}
-->
# Utvärdera data från ett formulär
En kund har testat ett [litet formulär](../../../../2-Working-With-Data/08-data-preparation/index.html) för att samla in grundläggande information om sin kundbas. De har tagit med sina resultat till dig för att validera den data de har samlat in. Du kan öppna sidan `index.html` i webbläsaren för att titta på formuläret.

9
translations/sv/2-Working-With-Data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "abc3309ab41bc5a7846f70ee1a055838",
"translation_date": "2025-08-26T20:47:09+00:00",
"source_file": "2-Working-With-Data/README.md",
"language_code": "sv"
}
-->
# Arbeta med data
![data love](../../../translated_images/sv/data-love.a22ef29e6742c852505ada062920956d3d7604870b281a8ca7c7ac6f37381d5a.jpg)

9
translations/sv/3-Data-Visualization/09-visualization-quantities/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a49d78e32e280c410f04e5f2a2068e77",
"translation_date": "2025-09-05T21:48:45+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/README.md",
"language_code": "sv"
}
-->
# Visualisera kvantiteter
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/09-Visualizing-Quantities.png)|

9
translations/sv/3-Data-Visualization/09-visualization-quantities/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ad163c4fda72c8278280b61cad317ff4",
"translation_date": "2025-08-26T23:19:25+00:00",
"source_file": "3-Data-Visualization/09-visualization-quantities/assignment.md",
"language_code": "sv"
}
-->
# Linjer, Spridningsdiagram och Stapeldiagram
## Instruktioner

9
translations/sv/3-Data-Visualization/10-visualization-distributions/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "80a20467e046d312809d008395051fc7",
"translation_date": "2025-09-05T21:50:11+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/README.md",
"language_code": "sv"
}
-->
# Visualisera distributioner
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/10-Visualizing-Distributions.png)|

9
translations/sv/3-Data-Visualization/10-visualization-distributions/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "40eeb9b9f94009c537c7811f9f27f037",
"translation_date": "2025-08-26T22:51:07+00:00",
"source_file": "3-Data-Visualization/10-visualization-distributions/assignment.md",
"language_code": "sv"
}
-->
# Tillämpa dina färdigheter
## Instruktioner

9
translations/sv/3-Data-Visualization/11-visualization-proportions/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "42119bcc97bee88254e381156d770f3c",
"translation_date": "2025-09-05T21:48:17+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/README.md",
"language_code": "sv"
}
-->
# Visualisera Proportioner
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/11-Visualizing-Proportions.png)|

9
translations/sv/3-Data-Visualization/11-visualization-proportions/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1e00fe6a244c2f8f9a794c862661dd4f",
"translation_date": "2025-08-26T23:24:03+00:00",
"source_file": "3-Data-Visualization/11-visualization-proportions/assignment.md",
"language_code": "sv"
}
-->
# Prova det i Excel
## Instruktioner

9
translations/sv/3-Data-Visualization/12-visualization-relationships/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0764fd4077f3f04a1d968ec371227744",
"translation_date": "2025-09-06T11:39:15+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/README.md",
"language_code": "sv"
}
-->
# Visualisera relationer: Allt om honung 🍯
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/12-Visualizing-Relationships.png)|

9
translations/sv/3-Data-Visualization/12-visualization-relationships/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "680419753c086eef51be86607c623945",
"translation_date": "2025-08-26T22:55:24+00:00",
"source_file": "3-Data-Visualization/12-visualization-relationships/assignment.md",
"language_code": "sv"
}
-->
# Utforska bikupan
## Instruktioner

9
translations/sv/3-Data-Visualization/13-meaningful-visualizations/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cfb068050337a36e348debaa502a24fa",
"translation_date": "2025-09-05T21:49:11+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/README.md",
"language_code": "sv"
}
-->
# Skapa Meningsfulla Visualiseringar
|![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](../../sketchnotes/13-MeaningfulViz.png)|

Some files were not shown because too many files have changed in this diff Show More

Write Preview
Loading…
Cancel
Save