Azure Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 10 minggu, 20 pelajaran yang seluruhnya mengenai Data Science. Setiap pelajaran mencakup kuis pra-pelajaran dan pasca-pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Pedagogi berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara terbukti agar keterampilan baru 'menempel'.
Azure Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 10-minggu, 20-pelajaran yang membahas tentang Data Science. Setiap pelajaran mencakup kuis pra-pelajaran dan pasca-pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Pendekatan berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang sudah terbukti agar keterampilan baru lebih 'melekat'.
**Terima kasih yang sebesar-besarnya kepada para penulis kami:** [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).
**Terima kasih yang sebesar-besarnya untuk para penulis kami:** [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).
> Repositori ini termasuk lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk melakukan clone tanpa terjemahan, gunakan sparse checkout:
> Repositori ini mencakup lebih dari 50+ terjemahan bahasa yang secara signifikan memperbesar ukuran unduh. Untuk meng-clone tanpa terjemahan, gunakan sparse checkout:
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Ini memberi Anda semua yang Anda butuhkan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat.
> Ini memberikan semua yang Anda butuhkan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Jika Anda ingin agar bahasa tambahan didukung, daftar bahasa yang didukung ada [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Jika Anda ingin mendukung bahasa terjemahan tambahan, daftarnya tersedia [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Kami memiliki seri belajar Discord dengan AI yang sedang berlangsung, pelajari lebih lanjut dan bergabunglah dengan kami di [Seri Belajar dengan AI](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.
Kami memiliki seri belajar dengan AI di Discord yang sedang berlangsung, pelajari lebih lanjut dan bergabunglah dengan kami di [Learn with AI Series](https://aka.ms/learnwithai/discord) dari tanggal 18 - 30 September, 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.
# Apakah Anda seorang mahasiswa?
# Apakah Anda seorang pelajar?
Mulailah dengan sumber daya berikut:
- [Halaman Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket Mahasiswa, dan bahkan cara mendapatkan voucher sertifikat gratis. Ini adalah halaman yang ingin Anda tandai dan periksa dari waktu ke waktu karena kami mengganti konten setidaknya setiap bulan.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bergabung dengan komunitas global duta mahasiswa, ini bisa menjadi jalan Anda ke Microsoft.
- [Halaman Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket pelajar dan bahkan cara mendapatkan voucher sertifikat gratis. Ini adalah halaman yang ingin Anda tandai dan periksa dari waktu ke waktu karena kami mengganti konten setidaknya setiap bulan.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bergabunglah dengan komunitas global dari student ambassadors, ini bisa menjadi jalan Anda masuk ke Microsoft.
- **[Panduan Instalasi](INSTALLATION.md)** - Instruksi langkah demi langkah untuk pemula
- **[Panduan Penggunaan](USAGE.md)** - Contoh dan alur kerja umum
- **[Pemecahan Masalah](TROUBLESHOOTING.md)** - Solusi untuk masalah umum
- **[Panduan Kontribusi](CONTRIBUTING.md)** - Cara berkontribusi pada proyek ini
- **[Untuk Guru](for-teachers.md)** - Panduan mengajar dan sumber daya kelas
- **[Panduan Berkontribusi](CONTRIBUTING.md)** - Cara berkontribusi ke proyek ini
- **[Untuk Guru](for-teachers.md)** - Panduan pengajaran dan sumber daya kelas
## 👨🎓 Untuk Mahasiswa
> **Pemula Total**: Baru dalam data science? Mulailah dengan [contoh ramah pemula kami](examples/README.md)! Contoh sederhana dan diberi komentar ini akan membantu Anda memahami dasar-dasarnya sebelum masuk ke seluruh kurikulum.
> **[Mahasiswa](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini secara mandiri, fork seluruh repo dan selesaikan latihan sendiri, mulai dengan kuis pra-ceramah. Kemudian baca ceramah dan selesaikan sisa aktivitas. Cobalah buat proyek dengan memahami pelajaran daripada menyalin kode solusi; namun, kode itu tersedia di folder /solutions di setiap pelajaran yang berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman dan melewati konten bersama. Untuk studi lebih lanjut, kami merekomendasikan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
## 👨🎓 Untuk Pelajar
> **Pemula Lengkap**: Baru mengenal data science? Mulailah dengan [contoh yang ramah pemula](examples/README.md)! Contoh sederhana dan berkomentar baik ini akan membantu Anda memahami dasar-dasar sebelum menyelami kurikulum penuh.
> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini secara mandiri, fork seluruh repo dan selesaikan latihan secara mandiri, mulai dengan kuis pra-ceramah. Kemudian baca ceramah dan selesaikan aktivitas lainnya. Cobalah membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; meskipun kode tersebut tersedia di folder /solutions di setiap pelajaran yang berorientasi proyek. Pilihan lain adalah membentuk kelompok belajar dengan teman dan mempelajari konten bersama. Untuk studi lebih lanjut, kami merekomendasikan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Mulai Cepat:**
1. Cek [Panduan Instalasi](INSTALLATION.md) untuk menyiapkan lingkungan Anda
2. Tinjau [Panduan Penggunaan](USAGE.md) untuk belajar cara bekerja dengan kurikulum
3. Mulailah dengan Pelajaran 1 dan kerjakan secara berurutan
4. Bergabunglah dengan [komunitas Discord kami](https://aka.ms/ds4beginners/discord) untuk dukungan
1. Periksa [Panduan Instalasi](INSTALLATION.md) untuk mengatur lingkungan Anda
2. Tinjau [Panduan Penggunaan](USAGE.md) untuk mempelajari cara menggunakan kurikulum
3. Mulai dengan Pelajaran 1 dan kerjakan secara urut
4. Bergabung dengan [komunitas Discord kami](https://aka.ms/ds4beginners/discord) untuk dukungan
## 👩🏫 Untuk Guru
> **Guru**: kami telah [menyertakan beberapa saran](for-teachers.md) tentang cara menggunakan kurikulum ini. Kami sangat menghargai umpan balik Anda [di forum diskusi kami](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Kenalan dengan Tim
> **Guru**: kami telah [menyediakan beberapa saran](for-teachers.md) tentang cara menggunakan kurikulum ini. Kami sangat mengharapkan masukan Anda [di forum diskusi kami](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Klik gambar di atas untuk menonton video tentang proyek dan orang-orang yang membuatnya!
> 🎥 Klik gambar di atas untuk melihat video tentang proyek dan orang-orang yang membuatnya!
## Pedagogi
Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum ini berbasis proyek dan menyertakan kuis secara berkala. Pada akhir seri ini, siswa akan mempelajari prinsip dasar ilmu data, termasuk konsep etika, persiapan data, berbagai cara bekerja dengan data, visualisasi data, analisis data, penggunaan ilmu data di dunia nyata, dan lainnya.
Kami memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum berbasis proyek dan mencakup kuis yang sering. Pada akhir seri ini, siswa akan mempelajari prinsip dasar ilmu data, termasuk konsep etika, persiapan data, berbagai cara bekerja dengan data, visualisasi data, analisis data, studi kasus dunia nyata ilmu data, dan lainnya.
Selain itu, kuis ringan sebelum kelas menetapkan niat siswa untuk belajar sebuah topik, sementara kuis kedua setelah kelas memastikan penyerapan materi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan dan dapat diikuti secara keseluruhan atau sebagian. Proyek-proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.
Selain itu, kuis dengan risiko rendah sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diikuti secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.
> **Catatan tentang kuis**: Semua kuis terdapat di folder Quiz-App, dengan total 40 kuis masing-masing berisi tiga pertanyaan. Mereka dihubungkan dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti instruksi di folder `quiz-app`. Kuis sedang dalam proses pelokalan secara bertahap.
> **Catatan tentang kuis**: Semua kuis terdapat di folder Quiz-App, dengan total 40 kuis masing-masing berisi tiga pertanyaan. Mereka terhubung dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti petunjuk dalam folder `quiz-app`. Mereka sedang diterjemahkan secara bertahap.
## 🎓 Contoh Ramah Pemula
**Baru dalam Ilmu Data?** Kami telah membuat direktori [contoh](examples/README.md) khusus dengan kode sederhana dan berkomentar jelas untuk membantu Anda memulai:
**Baru dalam Ilmu Data?** Kami telah membuat direktori [contoh khusus](examples/README.md) dengan kode sederhana yang diberi komentar dengan baik untuk membantu Anda memulai:
- 🌟 **Hello World** - Program ilmu data pertama Anda
- 📂 **Memuat Data** - Pelajari cara membaca dan mengeksplorasi dataset
- 📊 **Analisis Sederhana** - Hitung statistik dan temukan pola
- 📈 **Visualisasi Dasar** - Buat grafik dan diagram
- 🔬 **Proyek Dunia Nyata** - Alur kerja lengkap dari awal hingga akhir
- 📈 **Visualisasi Dasar** - Membuat bagan dan grafik
- 🔬 **Proyek Dunia Nyata** - Alur kerja lengkap dari awal hingga selesai
Setiap contoh dilengkapi komentar terperinci yang menjelaskan setiap langkah, sangat cocok untuk pemula mutlak!
Setiap contoh mencakup komentar rinci yang menjelaskan setiap langkah, sangat cocok untuk pemula mutlak!
👉 **[Mulai dengan contoh](examples/README.md)** 👈
👉 **[Mulai dengan contoh-contoh](examples/README.md)** 👈
## Pelajaran
||
|:---:|
| Ilmu Data untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ |
| Nomor Pelajaran | Topik | Kelompok Pelajaran | Tujuan Pembelajaran | Pelajaran Terkait | Penulis |
| 01 | Mendefinisikan Ilmu Data | [Pengantar](1-Introduction/README.md) | Pelajari konsep dasar di balik ilmu data dan bagaimana kaitannya dengan kecerdasan buatan, pembelajaran mesin, dan big data. | [pelajaran](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etika Ilmu Data | [Pengantar](1-Introduction/README.md) | Konsep Etika Data, Tantangan & Kerangka Kerja. | [pelajaran](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Mendefinisikan Data | [Pengantar](1-Introduction/README.md) | Bagaimana data diklasifikasikan dan sumber umumnya. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Pengantar Statistik & Probabilitas | [Pengantar](1-Introduction/README.md) | Teknik matematika probabilitas dan statistik untuk memahami data. | [pelajaran](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Bekerja dengan Data Relasional | [Bekerja dengan Data](2-Working-With-Data/README.md) | Pengantar data relasional dan dasar eksplorasi serta analisis data relasional dengan Structured Query Language, yang dikenal dengan SQL (dibaca “see-quell”). | [pelajaran](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Bekerja dengan Data NoSQL | [Bekerja dengan Data](2-Working-With-Data/README.md) | Pengantar data non-relasional, berbagai tipenya dan dasar eksplorasi serta analisis database dokumen. | [pelajaran](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Bekerja dengan Python | [Bekerja dengan Data](2-Working-With-Data/README.md) | Dasar menggunakan Python untuk eksplorasi data dengan pustaka seperti Pandas. Disarankan memiliki pemahaman dasar tentang pemrograman Python. | [pelajaran](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Persiapan Data | [Bekerja dengan Data](2-Working-With-Data/README.md) | Topik tentang teknik data untuk membersihkan dan mengubah data guna mengatasi tantangan data yang hilang, tidak akurat, atau tidak lengkap. | [pelajaran](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| Ilmu Data Untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ |
| Nomor Pelajaran | Topik | Kelompok Pelajaran | Tujuan Pembelajaran | Pelajaran Terhubung | Penulis |
| 01 | Mendefinisikan Ilmu Data | [Pendahuluan](1-Introduction/README.md) | Pelajari konsep dasar di balik ilmu data dan bagaimana kaitannya dengan kecerdasan buatan, pembelajaran mesin, dan big data. | [pelajaran](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etika Ilmu Data | [Pendahuluan](1-Introduction/README.md) | Konsep Etika Data, Tantangan & Kerangka Kerja. | [pelajaran](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Mendefinisikan Data | [Pendahuluan](1-Introduction/README.md) | Bagaimana data diklasifikasikan dan sumber-sumber umumnya. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Pengenalan Statistik & Probabilitas | [Pendahuluan](1-Introduction/README.md) | Teknik matematis probabilitas dan statistik untuk memahami data. | [pelajaran](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Bekerja dengan Data Relasional | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan data relasional dan dasar-dasarmengeksplorasi serta menganalisis data relasional dengan Structured Query Language, juga dikenal sebagai SQL (diucapkan “see-quell”). | [pelajaran](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Bekerja dengan Data NoSQL | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan data non-relasional, berbagai jenisnya dan dasar-dasar mengeksplorasi serta menganalisis database dokumen. | [pelajaran](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Bekerja dengan Python | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Dasar-dasar menggunakan Python untuk eksplorasi data dengan pustaka seperti Pandas. Pemahaman dasar pemrograman Python dianjurkan. | [pelajaran](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Persiapan Data | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Topik tentang teknik data untuk membersihkan dan mentransformasi data guna menangani tantangan data yang hilang, tidak akurat, atau tidak lengkap. | [pelajaran](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualisasi Kuantitas | [Visualisasi Data](3-Data-Visualization/README.md) | Pelajari cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆 | [pelajaran](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualisasi Distribusi Data | [Visualisasi Data](3-Data-Visualization/README.md) | Visualisasi observasi dan tren dalam sebuah interval. | [pelajaran](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualisasi Hubungan | [Visualisasi Data](3-Data-Visualization/README.md) | Visualisasi koneksi dan korelasi antar set data dan variabelnya. | [pelajaran](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Visualisasi yang Bermakna | [Visualisasi Data](3-Data-Visualization/README.md) | Teknik dan panduan untuk membuat visualisasi Anda berharga untuk pemecahan masalah dan wawasan yang efektif. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Pengantar Siklus Hidup Ilmu Data | [Siklus Hidup](4-Data-Science-Lifecycle/README.md) | Pengantar siklus hidup ilmu data dan langkah pertama yaitu memperoleh dan mengekstrak data. | [pelajaran](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Menganalisis | [Siklus Hidup](4-Data-Science-Lifecycle/README.md) | Fase siklus hidup ilmu data yang berfokus pada teknik analisis data. | [pelajaran](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 10 | Visualisasi Distribusi Data | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan pengamatan dan tren dalam sebuah interval. | [pelajaran](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualisasi Hubungan | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan koneksi dan korelasi antara set data dan variabelnya. | [pelajaran](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Visualisasi yang Bermakna | [Visualisasi Data](3-Data-Visualization/README.md) | Teknik dan panduan untuk membuat visualisasi Anda bernilai untuk pemecahan masalah dan wawasan yang efektif. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Pengenalan siklus hidup Ilmu Data | [Siklus Hidup](4-Data-Science-Lifecycle/README.md) | Pengenalan siklus hidup ilmu data dan langkah pertama yaitu memperoleh serta mengekstrak data. | [pelajaran](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analisis | [Siklus Hidup](4-Data-Science-Lifecycle/README.md) | Fase siklus hidup ilmu data yang berfokus pada teknik untuk menganalisis data. | [pelajaran](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikasi | [Siklus Hidup](4-Data-Science-Lifecycle/README.md) | Fase siklus hidup ilmu data yang berfokus pada penyajian wawasan dari data dengan cara yang memudahkan pengambil keputusan untuk memahami. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Ilmu Data di Cloud | [Data Cloud](5-Data-Science-In-Cloud/README.md) | Seri pelajaran ini memperkenalkan ilmu data di cloud dan manfaatnya. | [pelajaran](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 18 | Ilmu Data di Cloud | [Data Cloud](5-Data-Science-In-Cloud/README.md) | Melatih model menggunakan alat Low Code. |[pelajaran](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 19 | Ilmu Data di Cloud | [Data Cloud](5-Data-Science-In-Cloud/README.md) | Mendistribusikan model dengan Azure Machine Learning Studio. | [pelajaran](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 20 | Ilmu Data di Lapangan | [Di Lapangan](6-Data-Science-In-Wild/README.md) | Proyek-proyek ilmu data di dunia nyata. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 19 | Ilmu Data di Cloud | [Data Cloud](5-Data-Science-In-Cloud/README.md) | Meng-deploy model dengan Azure Machine Learning Studio. | [pelajaran](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 20 | Ilmu Data di Dunia Nyata | [Di Dunia Nyata](6-Data-Science-In-Wild/README.md) | Proyek ilmu data yang dijalankan di dunia nyata. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Ikuti langkah berikut untuk membuka contoh ini di Codespace:
1. Klik menu tarik turun Code dan pilih opsi Open with Codespaces.
Ikuti langkah-langkah berikut untuk membuka contoh ini dalam Codespace:
1. Klik menu drop-down Code dan pilih opsi Open with Codespaces.
2. Pilih + New codespace di bagian bawah panel.
Untuk info lebih lanjut, lihat [dokumentasi GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Ikuti langkah berikut untuk membuka repo ini dalam container menggunakan mesin lokal dan VSCode dengan ekstensi VS Code Remote - Containers:
Ikuti langkah-langkah berikut untuk membuka repo ini dalam container menggunakan mesin lokal Anda dan VSCode dengan ekstensi VS Code Remote - Containers:
1. Jika ini pertama kali Anda menggunakan container pengembangan, pastikan sistem Anda memenuhi prasyarat (misalnya telah menginstal Docker) dalam [dokumentasi memulai](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Jika ini adalah kali pertama Anda menggunakan development container, pastikan sistem Anda memenuhi prasyarat (misalnya sudah menginstal Docker) dalam [dokumentasi memulai](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Untuk menggunakan repositori ini, Anda dapat membuka repositori di volume Docker terisolasi:
Untuk menggunakan repositori ini, Anda bisa membuka repositori dalam volume Docker terisolasi:
**Catatan**: Secara teknis, ini akan menggunakan perintah Remote-Containers: **Clone Repository in Container Volume...** untuk mengkloning kode sumber di volume Docker alih-alih sistem file lokal. [Volumes](https://docs.docker.com/storage/volumes/) adalah mekanisme yang disarankan untuk menyimpan data container.
**Catatan**: Di balik layar, ini akan menggunakan perintah Remote-Containers: **Clone Repository in Container Volume...** untuk meng-clone kode sumber ke dalam volume Docker daripada filesystem lokal. [Volumes](https://docs.docker.com/storage/volumes/) adalah mekanisme yang disarankan untuk mempertahankan data container.
Atau buka versi lokal yang sudah diklon atau diunduh dari repositori:
Atau buka salinan repo yang sudah di-clone atau diunduh secara lokal:
- Kloning repositori ini ke sistem file lokal Anda.
- Clone repositori ini ke filesystem lokal Anda.
- Tekan F1 dan pilih perintah **Remote-Containers: Open Folder in Container...**.
- Pilih salinan folder yang sudah diklon, tunggu kontainer mulai, dan coba gunakan.
- Pilih salinan folder yang sudah di-clone, tunggu container mulai, dan coba gunakan.
## Akses Offline
Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [instal Docsify](https://docsify.js.org/#/quickstart) di mesin lokal Anda, lalu di folder root repo ini, ketik `docsify serve`. Situs web akan dilayani di port 3000 pada localhost Anda: `localhost:3000`.
Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [instal Docsify](https://docsify.js.org/#/quickstart) di mesin lokal Anda, lalu di folder root repo ini, ketik `docsify serve`. Situs web akan disajikan di port 3000 di localhost Anda: `localhost:3000`.
> Catatan, notebook tidak akan dirender melalui Docsify, jadi saat Anda perlu menjalankan notebook, lakukan secara terpisah di VS Code yang menjalankan kernel Python.
## Kurikulum Lainnya
Tim kami juga memproduksi kurikulum lain! Lihat:
Tim kami memproduksi kurikulum lain! Lihat:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agen
@ -237,17 +237,17 @@ Tim kami juga memproduksi kurikulum lain! Lihat:
**Mengalami masalah?** Periksa [Panduan Pemecahan Masalah](TROUBLESHOOTING.md) kami untuk solusi atas masalah umum.
Jika Anda mengalami kebuntuan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan dipersilakan dan pengetahuan dibagikan secara bebas.
Jika Anda mengalami kebuntuan atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan disambut dan pengetahuan dibagikan dengan bebas.
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Penafian**:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berupaya mencapai akurasi, harap ketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah dan utama. Untuk informasi penting, disarankan menggunakan penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berusaha untuk keakuratan, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidaktepatan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://aka.ms/foundry/forum)
Penyokong Azure Cloud di Microsoft gembira untuk menawarkan kurikulum 10 minggu, 20 pelajaran yang membahas tentang Sains Data. Setiap pelajaran termasuk kuiz pra-pelajaran dan pasca-pelajaran, arahan bertulis untuk menyelesaikan pelajaran, penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, cara yang terbukti untuk kemahiran baru terus diingati.
Azure Cloud Advocates di Microsoft berbesar hati untuk menawarkan kurikulum 10 minggu, 20 pelajaran semuanya mengenai Sains Data. Setiap pelajaran termasuk kuiz pra-pelajaran dan pasca-pelajaran, arahan bertulis untuk menyelesaikan pelajaran, penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, cara terbukti agar kemahiran baru 'melekat'.
**Terima kasih banyak kepada penulis kami:** [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).
**Terima kasih yang tidak terhingga kepada penulis kami:** [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).
> Repositori ini merangkumi lebih dari 50 terjemahan bahasa yang meningkatkan saiz muat turun dengan ketara. Untuk klon tanpa terjemahan, gunakan sparse checkout:
> Repositori ini termasuk 50+ terjemahan bahasa yang secara signifikan meningkatkan saiz muat turun. Untuk klon tanpa terjemahan, gunakan sparse checkout:
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Ini memberi anda semua yang anda perlukan untuk menyelesaikan kursus dengan muat turun yang lebih pantas.
> Ini memberikan anda segala yang anda perlukan untuk menyelesaikan kursus dengan muat turun yang jauh lebih pantas.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Jika anda ingin menyokong bahasa tambahan terjemahan disenaraikan [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Jika anda mahu bahasa terjemahan tambahan disokong disenaraikan [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Kami mempunyai siri belajar dengan AI di Discord yang sedang berjalan, ketahui lebih lanjut dan sertai kami di [Siri Belajar dengan AI](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapatkan petua dan trik menggunakan GitHub Copilot untuk Sains Data.
Kami mempunyai siri pelajaran Discord belajar dengan AI yang sedang berjalan, ketahui lebih lanjut dan sertai kami di [Learn with AI Series](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapat petua dan trik menggunakan GitHub Copilot untuk Sains Data.
# Adakah anda pelajar?
# Adakah anda seorang pelajar?
Mulakan dengan sumber berikut:
- [Halaman Pusat Pelajar](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Dalam halaman ini, anda akan menemui sumber untuk pemula, Pakej Pelajar dan juga cara untuk mendapatkan baucar sijil percuma. Ini adalah satu halaman yang anda mahu tandai dan semak dari masa ke masa kerana kandungan diganti sekurang-kurangnya setiap bulan.
- [Duta Pelajar Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sertai komuniti global duta pelajar, ini boleh menjadi jalan anda ke Microsoft.
- [Halaman Pusat Pelajar](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Di halaman ini, anda akan menemui sumber untuk pemula, Pek Pelajar dan juga cara untuk mendapatkan baucar sijil percuma. Ini adalah satu halaman yang anda mahu tandakan dan semak dari masa ke semasa kerana kami menukar kandungan sekurang-kurangnya sebulan sekali.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sertai komuniti global duta pelajar, ini boleh jadi jalan anda ke Microsoft.
# Memulakan
## 📚 Dokumentasi
- **[Panduan Pemasangan](INSTALLATION.md)** - Arahan langkah demi langkah untuk pemula
- **[Panduan Penggunaan](USAGE.md)** - Contoh dan alur kerja biasa
- **[Penyelesaian Masalah](TROUBLESHOOTING.md)** - Penyelesaian untuk isu biasa
- **[Panduan Menyumbang](CONTRIBUTING.md)** - Cara untuk menyumbang kepada projek ini
- **[Untuk Guru](for-teachers.md)** - Panduan pengajaran dan sumber bilik darjah
- **[Panduan Penggunaan](USAGE.md)** - Contoh dan aliran kerja biasa
- **[Penyelesaian Masalah](TROUBLESHOOTING.md)** - Penyelesaian untuk masalah biasa
- **[Panduan Menyumbang](CONTRIBUTING.md)** - Cara menyumbang kepada projek ini
- **[Untuk Guru](for-teachers.md)** - Panduan mengajar dan sumber bilik darjah
## 👨🎓 Untuk Pelajar
> **Pemula Sepenuhnya**: Baru dalam sains data? Mulakan dengan [contoh mesra pemula kami](examples/README.md)! Contoh mudah ini dengan komen membantu anda memahami asas sebelum menyelami kurikulum penuh.
> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini secara sendiri, forklah keseluruhan repo dan selesaikan latihan sendiri, bermula dengan kuiz pra-ceramah. Kemudian baca ceramah dan selesaikan aktiviti lain. Cuba cipta projek dengan memahami pelajaran bukannya menyalin kod penyelesaian; namun, kod itu ada di dalam folder /solutions dalam setiap pelajaran berorientasikan projek. Satu lagi idea adalah membuat kumpulan belajar dengan rakan dan lalui kandungan bersama. Untuk kajian lanjut, kami mengesyorkan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Pemula Sepenuhnya**: Baru dalam sains data? Mula dengan [contoh mesra pemula kami](examples/README.md)! Contoh mudah yang disertakan dengan komen ini akan membantu anda memahami asas sebelum meneruskan kurikulum penuh.
> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini sendiri, forklah repositori sepenuhnya dan selesaikan latihan sendiri, bermula dengan kuiz pra-ceramah. Kemudian baca kuliah dan selesaikan aktiviti yang lain. Cuba cipta projek dengan memahami pelajaran dan bukannya menyalin kod penyelesaian; namun, kod tersebut tersedia dalam folder /solutions dalam setiap pelajaran berorientasikan projek. Satu lagi idea adalah untuk membentuk kumpulan belajar bersama rakan dan meneliti kandungan bersama. Untuk pembelajaran lanjut, kami mengesyorkan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Mulakan dengan cepat:**
**Mula Pantas:**
1. Semak [Panduan Pemasangan](INSTALLATION.md) untuk menyediakan persekitaran anda
2. Tinjau [Panduan Penggunaan](USAGE.md) untuk belajar cara bekerja dengan kurikulum
3. Mulakan dari Pelajaran 1 dan teruskan secara berurutan
3. Mulakan dengan Pelajaran 1 dan teruskan secara berurutan
4. Sertai [komuniti Discord kami](https://aka.ms/ds4beginners/discord) untuk sokongan
## 👩🏫 Untuk Guru
> **Guru**: kami telah [menyertakan beberapa cadangan](for-teachers.md) tentang cara menggunakan kurikulum ini. Kami amat menghargai maklum balas anda [di forum perbincangan kami](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Guru**: kami telah [menyediakan beberapa cadangan](for-teachers.md) tentang cara menggunakan kurikulum ini. Kami menghargai maklum balas anda [di forum perbincangan kami](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Klik imej di atas untuk video mengenai projek dan orang yang menciptakannya!
> 🎥 Klik imej di atas untuk video tentang projek dan orang-orang yang menciptakannya!
## Pedagogi
Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ianya berasaskan projek dan termasuk kuiz yang kerap. Menjelang akhir siri ini, pelajar akan mempelajari prinsip asas sains data, termasuk konsep etika, persiapan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, penggunaan dunia sebenar dalam sains data, dan banyak lagi.
Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan turut merangkumi kuiz secara kerap. Pada akhir siri ini, pelajar akan mempelajari prinsip asas sains data, termasuk konsep etika, penyediaan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, penggunaan sebenar sains data, dan banyak lagi.
Selain itu, kuiz berisiko rendah sebelum kelas menetapkan niat pelajar terhadap pembelajaran topik, manakala kuiz kedua selepas kelas memastikan pengekalan tambahan. Kurikulum ini direka untuk fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagian. Projek bermula kecil dan menjadi semakin rumit menjelang akhir kitaran 10 minggu.
Selain itu, kuiz dengan risiko rendah sebelum kelas menetapkan niat pelajar untuk mempelajari sesuatu topik, manakala kuiz kedua selepas kelas memastikan pengekalan pengetahuan lebih lanjut. Kurikulum ini direka supaya fleksibel dan menyeronokkan dan boleh diikuti sepenuhnya atau sebahagian. Projek bermula dengan mudah dan menjadi semakin kompleks menjelang akhir kitaran 10 minggu.
> Cari [Kod Etika](CODE_OF_CONDUCT.md), [Sumbangan](CONTRIBUTING.md), [Terjemahan](TRANSLATIONS.md) kami. Kami mengalu-alukan maklum balas membina anda!
- Untuk pelajaran berasaskan projek, panduan langkah demi langkah cara membina projek
- Pemeriksaan pengetahuan
- Cabaran
- Untuk pelajaran berasaskan projek, panduan langkah demi langkah membina projek
- Semakan pengetahuan
- Satu cabaran
- Bacaan tambahan
- Tugasan
- [Kuiz selepas pelajaran](https://ff-quizzes.netlify.app/en/)
> **Nota tentang kuiz**: Semua kuiz terkandung dalam folder Quiz-App, dengan 40 kuiz keseluruhan yang setiap satu mempunyai tiga soalan. Mereka dipautkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara lokal atau dilancarkan di Azure; ikuti arahan dalam folder `quiz-app`. Ia sedang diterjemah secara berperingkat.
> **Nota tentang kuiz**: Semua kuiz terdapat dalam folder Quiz-App, dengan jumlah 40 kuiz mengandungi tiga soalan setiap satu. Ia dihubungkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara lokal atau dihoskan di Azure; ikut arahan dalam folder `quiz-app`. Ia sedang diterjemahkan secara beransur-ansur.
## 🎓 Contoh Mesra Pemula
**Baru dalam Sains Data?** Kami telah mencipta direktori [contoh](examples/README.md) khas dengan kod mudah dan dikomen dengan baik untuk membantu anda bermula:
**Baru dalam Sains Data?** Kami telah mencipta direktori [contoh khusus](examples/README.md) dengan kod ringkas dan berkomentar untuk membantu anda bermula:
- 🌟 **Hello World** - Program sains data pertama anda
- 📂 **Memuatkan Data** - Belajar membaca dan meneroka set data
- 📊 **Analisis Mudah** - Mengira statistik dan mencari corak
- 📈 **Visualisasi Asas** - Mencipta carta dan graf
- 🔬 **Projek Dunia Sebenar** - Aliran kerja lengkap dari mula hingga akhir
- 🌟 **Hello World** - Program data sains pertama anda
- 📂 **Memuat Data** - Belajar membaca dan meneroka set data
- 📊 **Analisis Ringkas** - Kirakan statistik dan cari corak
- 📈 **Visualisasi Asas** - Buat carta dan graf
- 🔬 **Projek Dunia Sebenar** - Aliran kerja lengkap dari mula hingga selesai
Setiap contoh termasuk komen terperinci yang menerangkan setiap langkah, menjadikannya sempurna untuk pemula mutlak!
Setiap contoh termasuk komen terperinci yang menerangkan setiap langkah, menjadikannya sempurna untuk yang benar-benar baru!
👉 **[Mula dengan contoh](examples/README.md)** 👈
👉 **[Mulakan dengan contoh](examples/README.md)** 👈
## Pelajaran
||
||
|:---:|
| Sains Data Untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ |
| Data Science For Beginners: Peta Jalan - _Nota lakaran oleh [@nitya](https://twitter.com/nitya)_ |
| Nombor Pelajaran | Topik | Kumpulan Pelajaran | Objektif Pembelajaran | Pelajaran Berkaitan | Pengarang |
| 01 | Mendefinisikan Sains Data | [Pengenalan](1-Introduction/README.md) | Pelajari konsep asas di belakang sains data dan bagaimana ia berkaitan dengan kecerdasan buatan, pembelajaran mesin, dan data besar. | [pelajaran](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Mendefinisikan Data | [Pengenalan](1-Introduction/README.md) | Bagaimana data diklasifikasikan dan sumber-sumber umumnya. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Pengenalan kepada Statistik & Kebarangkalian | [Pengenalan](1-Introduction/README.md) | Teknik matematik kebarangkalian dan statistik untuk memahami data. | [pelajaran](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Bekerja dengan Data Relasi | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data relasi dan asas meneroka serta menganalisis data relasi dengan Bahasa Pengaturcaraan Berstruktur, juga dikenali sebagai SQL (sebut “see-quell”). | [pelajaran](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | Bekerja dengan Data NoSQL | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data bukan relasi, pelbagai jenisnya dan asas meneroka serta menganalisis pangkalan data dokumen. | [pelajaran](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Bekerja dengan Python | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Asas menggunakan Python untuk penerokaan data dengan perpustakaan seperti Pandas. Pemahaman asas pengaturcaraan Python disyorkan. | [pelajaran](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Persiapan Data | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Topik teknik data untuk membersihkan dan mengubah data bagi menangani cabaran data hilang, tidak tepat, atau tidak lengkap. | [pelajaran](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Memvisualisasikan Kuantiti | [Visualisasi Data](3-Data-Visualization/README.md) | Belajar cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆 | [pelajaran](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Memvisualisasikan Taburan Data | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan pemerhatian dan tren dalam suatu selang. | [pelajaran](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Memvisualisasikan Hubungan | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan sambungan dan korelasi antara set data dan pemboleh ubahnya. | [pelajaran](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Visualisasi Bermakna | [Visualisasi Data](3-Data-Visualization/README.md) | Teknik dan panduan untuk menjadikan visualisasi anda berharga untuk penyelesaian masalah yang berkesan dan wawasan. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Pengenalan kepada Kitaran Hayat Sains Data | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Pengenalan kepada kitaran hayat sains data dan langkah pertama iaitu memperoleh dan mengekstrak data. | [pelajaran](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Menganalisis | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa kitaran hayat sains data ini memfokuskan pada teknik untuk menganalisis data. | [pelajaran](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | Komunikasi | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa kitaran hayat sains data ini memfokuskan pada penyampaian wawasan dari data dengan cara yang lebih mudah difahami oleh pembuat keputusan. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 01 | Mendefinisikan Sains Data | [Pengenalan](1-Introduction/README.md) | Pelajari konsep asas di sebalik sains data dan bagaimana ia berkaitan dengan kecerdasan buatan, pembelajaran mesin, dan data besar. | [pelajaran](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Mendefinisikan Data | [Pengenalan](1-Introduction/README.md) | Bagaimana data diklasifikasikan dan sumbernya yang biasa. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Pengenalan Statistik & Kebarangkalian | [Pengenalan](1-Introduction/README.md) | Teknik matematik kebarangkalian dan statistik untuk memahami data. | [pelajaran](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Bekerja dengan Data Relasi | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data relasi dan asas untuk meneroka serta menganalisis data relasi dengan Bahasa Pertanyaan Berstruktur, juga dikenali sebagai SQL (disebut “see-quell”). | [pelajaran](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Bekerja dengan Data NoSQL | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Pengenalan kepada data bukan relasi, pelbagai jenisnya dan asas penerokaan serta penganalisisan pangkalan data dokumen. | [pelajaran](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Bekerja dengan Python | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Asas menggunakan Python untuk penerokaan data dengan pustaka seperti Pandas. Pemahaman asas pengaturcaraan Python disyorkan. | [pelajaran](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Penyediaan Data | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Topik teknik data untuk membersih dan mengubah data bagi menangani cabaran data yang hilang, tidak tepat atau tidak lengkap. | [pelajaran](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualisasi Kuantiti | [Visualisasi Data](3-Data-Visualization/README.md) | Belajar menggunakan Matplotlib untuk memvisualkan data burung 🦆 | [pelajaran](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualisasi Taburan Data | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualkan pemerhatian dan trend dalam sesuatu interval. | [pelajaran](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualisasi Hubungan | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualkan hubungan dan korelasi antara set data dan pembolehubahnya. | [pelajaran](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Visualisasi Bermakna | [Visualisasi Data](3-Data-Visualization/README.md) | Teknik dan panduan untuk menjadikan visualisasi anda bernilai untuk menyelesaikan masalah dengan berkesan dan mendapatkan wawasan. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Pengenalan kepada kitaran hayat Sains Data | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Pengenalan kepada kitaran hayat sains data dan langkah pertama iaitu memperoleh dan mengekstrak data. | [pelajaran](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Menganalisis | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa kitaran hayat sains data yang menumpukan pada teknik untuk menganalisis data. | [pelajaran](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikasi | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Fasa kitaran hayat sains data yang menumpukan pada penyampaian wawasan daripada data dengan cara yang memudahkan pembuat keputusan memahaminya. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Siri pelajaran ini memperkenalkan sains data di awan dan manfaatnya. | [pelajaran](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 18 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Melatih model menggunakan alat Low Code. |[pelajaran](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 19 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Melancarkan model dengan Azure Machine Learning Studio. | [pelajaran](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 20 | Sains Data dalam Alam Semula Jadi | [Dalam Alam Semula Jadi](6-Data-Science-In-Wild/README.md) | Projek yang didorong oleh sains data di dunia sebenar. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 19 | Sains Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Menyebarkan model dengan Azure Machine Learning Studio. | [pelajaran](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) dan [Maud](https://twitter.com/maudstweets) |
| 20 | Sains Data Dalam Dunia Nyata | [Dalam Dunia Nyata](6-Data-Science-In-Wild/README.md) | Projek berpandukan sains data di dunia sebenar. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Ikuti langkah ini untuk membuka contoh ini dalam Codespace:
1. Klik menu lungsur turun Code dan pilih pilihan Open with Codespaces.
2. Pilih + New codespace di bahagian bawah panel.
Untuk maklumat lanjut, semak [dokumentasi GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
1. Klik menu lungsur Code dan pilih pilihan Open with Codespaces.
2. Pilih + New codespace di bawah bahagian panel.
Untuk maklumat lanjut, sila semak [dokumentasi GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Ikuti langkah ini untuk membuka repo ini dalam bekas menggunakan mesin tempatan anda dan VSCode menggunakan sambungan VS Code Remote - Containers:
Ikuti langkah ini untuk membuka repositori ini dalam bekas menggunakan mesin setempat anda dan VSCode dengan sambungan VS Code Remote - Containers:
1. Jika ini kali pertama anda menggunakan bekas pembangunan, sila pastikan sistem anda memenuhi prasyarat (contohnya telah memasang Docker) dalam [dokumentasi permulaan](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Jika ini kali pertama anda menggunakan bekas pembangunan, pastikan sistem anda memenuhi syarat prasyarat (cth: memasang Docker) dalam [dokumentasi memulakan](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Untuk menggunakan repositori ini, anda boleh buka sama ada repositori dalam volume Docker yang terasing:
Untuk menggunakan repositori ini, anda boleh buka repositori dalam volum Docker terpencil:
**Nota**: Di belakang tabir, ini akan menggunakan perintah Remote-Containers: **Clone Repository in Container Volume...** untuk menyalin kod sumber dalam volume Docker bukan dalam sistem fail tempatan. [Volume](https://docs.docker.com/storage/volumes/) adalah mekanisme pilihan untuk mengekalkan data kontena.
**Nota**: Secara teknikal, ini akan menggunakan arahan Remote-Containers: **Clone Repository in Container Volume...** untuk menggandakan kod sumber dalam volum Docker dan bukannya sistem fail tempatan. [Volume](https://docs.docker.com/storage/volumes/) adalah mekanisme pilihan untuk mengekalkan data bekas.
Atau buka versi repositori yang diclon secara lokal atau dimuat turun:
Atau buka salinan repositori yang digandakan atau dimuat turun secara tempatan:
- Klon repositori ini ke sistem fail tempatan anda.
- Gandakan repositori ini ke sistem fail tempatan anda.
- Tekan F1 dan pilih perintah **Remote-Containers: Open Folder in Container...**.
- Pilih salinan folder yang telah diclon, tunggu bekas mula, dan cuba solusi.
- Pilih salinan folder yang digandakan ini, tunggu bekas bermula, dan cuba ia.
## Akses Luar Talian
Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan [Docsify](https://docsify.js.org/#/). Gandakan repo ini, [pasang Docsify](https://docsify.js.org/#/quickstart) pada mesin lokal anda, kemudian dalam folder root repo ini, taip `docsify serve`. Laman web akan disediakan pada port 3000 di localhost anda: `localhost:3000`.
Anda boleh menjalankan dokumentasi ini secara luar talian menggunakan [Docsify](https://docsify.js.org/#/). Fork repositori ini, [pasang Docsify](https://docsify.js.org/#/quickstart) pada mesin tempatan anda, kemudian pada folder akar repositori ini, taip `docsify serve`. Laman web akan dihidangkan pada port 3000 di localhost anda: `localhost:3000`.
> Nota, buku nota tidak akan dipaparkan melalui Docsify, jadi apabila anda perlu menjalankan buku nota, lakukan secara berasingan di VS Code yang menjalankan kernel Python.
> Nota, buku nota tidak akan dirender melalui Docsify, jadi apabila anda perlu menjalankan buku nota, jalankan secara berasingan dalam VS Code menggunakan kernel Python.
## Kurikulum Lain
Pasukan kami menghasilkan kurikulum lain! Semak:
Pasukan kami menghasilkan kurikulum lain! Lihat:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Ejen
### Azure / Edge / MCP / Agen
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
@ -216,7 +216,7 @@ Pasukan kami menghasilkan kurikulum lain! Semak:
---
### Pembelajaran Asas
### Pembelajaran Teras
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
@ -235,9 +235,9 @@ Pasukan kami menghasilkan kurikulum lain! Semak:
## Mendapatkan Bantuan
**Menghadapi masalah?** Semak [Panduan Penyelesaian Masalah](TROUBLESHOOTING.md) kami untuk penyelesaian masalah biasa.
**Menghadapi masalah?** Semak [Panduan Penyelesaian Masalah](TROUBLESHOOTING.md) kami untuk penyelesaian masalah yang biasa.
Jika anda tersekat atau ada soalan mengenai pembinaan aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti sokongan di mana soalan dialu-alukan dan pengetahuan dikongsi secara bebas.
Jika anda tersekat atau mempunyai sebarang pertanyaan tentang membina aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan tentang MCP. Ia adalah komuniti sokongan di mana soalan dialu-alukan dan pengetahuan dikongsi dengan bebas.
@ -248,6 +248,6 @@ Jika anda mempunyai maklum balas produk atau ralat semasa membina, lawati:
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Penafian**:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber rujukan utama. Untuk maklumat penting, terjemahan oleh penterjemah profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau tafsiran yang timbul daripada penggunaan terjemahan ini.
**Penafian**:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Walaupun kami berusaha untuk memastikan ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang sahih. Untuk maklumat penting, terjemahan oleh penterjemah manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.
Ikinalulugod ng Azure Cloud Advocates sa Microsoft na mag-alok ng 10-linggong, 20-lesson na kurikulum na tungkol sa Data Science. Bawat aralin ay may kasamang pre-lesson at post-lesson na mga pagsusulit, nakasulat na mga tagubilin para matapos ang aralin, solusyon, at isang assignment. Ang aming pedagohiyang nakabatay sa proyekto ay nagpapahintulot sa iyo na matuto habang gumagawa, isang napatunayang paraan para manatili ang mga bagong kasanayan.
Ang Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng 10-linggong, 20-leksyon na kurikulum tungkol sa Data Science. Bawat leksyon ay may kasamang pre-lesson at post-lesson quizzes, mga nakasulat na tagubilin para tapusin ang leksyon, isang solusyon, at isang asignatura. Ang aming project-based pedagogy ay nagpapahintulot sa iyo na matuto habang gumagawa, isang napatunayan na paraan para maitanim ang mga bagong kasanayan.
> Kasama sa repository na ito ang 50+ na pagsasalin sa wika na lubos na nagpapalaki ng laki ng pag-download. Para mag-clone nang walang mga pagsasalin, gamitin ang sparse checkout:
> Ang repositoryong ito ay may kasamang 50+ na pagsasalin sa wika na malaki ang dagdag sa laki ng pag-download. Para mag-clone nang walang mga pagsasalin, gamitin ang sparse checkout:
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Makukuha mo dito ang lahat ng kailangan mo para matapos ang kurso nang mas mabilis ang pag-download.
> Binibigyan ka nito ng lahat ng kailangan mo para matapos ang kurso nang mas mabilis ang pag-download.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Kung nais mong magkaroon ng karagdagang mga sinusuportahang wika ng pagsasalin ay nakalista [dito](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Kung nais mo ng karagdagang suporta sa mga salin ng wika, nakalista ito [dito](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Mayroon kaming tuloy-tuloy na serye sa Discord na pag-aaral kasama ang AI, alamin pa at sumali sa amin sa [Learn with AI Series](https://aka.ms/learnwithai/discord) mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.
Mayroon kaming Discord na serye sa pagkatuto kasama ang AI, alamin pa at sumali sa amin sa [Learn with AI Series](https://aka.ms/learnwithai/discord) mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at diskarte sa paggamit ng GitHub Copilot para sa Data Science.
# Ikaw ba ay isang estudyante?
Simulan gamit ang mga sumusunod na mapagkukunan:
Magsimula gamit ang mga sumusunod na resources:
- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sa pahinang ito, makakakita ka ng mga beginner resources, student packs, at maging mga paraan para makakuha ng libreng certificate voucher. Isa ito sa mga pahinang gusto mong i-bookmark at tingnan paminsan-minsan habang palitan namin ang nilalaman kahit buwan-buwan.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sumali sa isang pandaigdigang komunidad ng mga student ambassadors, maaaring ito ang iyong daan papasok sa Microsoft.
- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sa pahinang ito, makikita mo ang mga beginner resources, Student packs at maging mga paraan para makakuha ng libreng sertipikasyon voucher. Ito ang pahinang nais mong i-bookmark at tingnan paminsan-minsan habang nagpapalit kami ng nilalaman buwan-buwan.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sumali sa isang pandaigdigang komunidad ng student ambassadors, ito ang posibleng daan mo papasok sa Microsoft.
# Pagsisimula
## 📚 Dokumentasyon
- **[Installation Guide](INSTALLATION.md)** - Hakbang-hakbang na mga tagubilin sa pagsasaayos para sa mga baguhan
- **[Installation Guide](INSTALLATION.md)** - Mga hakbang-hakbang na tagubilin para sa setup ng mga nagsisimula
- **[Usage Guide](USAGE.md)** - Mga halimbawa at karaniwang workflow
- **[Troubleshooting](TROUBLESHOOTING.md)** - Mga solusyon sa karaniwang mga problema
- **[Troubleshooting](TROUBLESHOOTING.md)** - Mga solusyon sa karaniwang problema
- **[Contributing Guide](CONTRIBUTING.md)** - Paano mag-ambag sa proyektong ito
- **[For Teachers](for-teachers.md)** - Gabay para sa pagtuturo at mga mapagkukunan sa silid-aralan
- **[For Teachers](for-teachers.md)** - Gabay sa pagtuturo at mga resources para sa klase
## 👨🎓 Para sa mga Estudyante
> **Kumpletong mga Baguhan**: Bago ka sa data science? Magsimula sa aming [mga halimbawang pangbaguhan](examples/README.md)! Ang mga simpleng ito na may malinaw na komento ay tutulong sa iyo na maunawaan ang mga pangunahing kaalaman bago sumabak sa buong kurikulum.
> **[Mga Estudyante](https://aka.ms/student-page)**: upang gamitin ang kurikulm na ito nang mag-isa, i-fork ang buong repo at tapusin ang mga ehersisyo nang mag-isa, simula sa pre-lecture quiz. Pagkatapos basahin ang lektura at tapusin ang natitirang mga gawain. Subukang gawin ang mga proyekto sa pamamagitan ng pagunawa sa mga aralin sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa /solutions na mga folder sa bawat leksyon na nakatuon sa proyekto. Isa pang ideya ay bumuo ng isang study group kasama ang mga kaibigan at pag-aralan ang nilalaman nang magkakasama. Para sa karagdagang pag-aaral, inirerekomenda namin ang [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Mga ganap na Nagsisimula**: Bago ka ba sa data science? Magsimula sa aming [beginner-friendly examples](examples/README.md)! Ang mga simpleng halimbawa na may komento ay tutulong sa iyo na maunawaan ang mga batayan bago sumabak sa buong kurikulum.
> **[Mga Estudyante](https://aka.ms/student-page)**: para gamitin ang kurikulum na ito nang mag-isa, mag-fork ng buong repo at kumpletuhin ang mga pagsasanay nang mag-isa, simula sa pre-lecture quiz. Pagkatapos basahin ang leksyon at tapusin ang mga natitirang gawain. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na kopyahin ang code ng solusyon; gayunpaman, ang code na iyon ay makikita sa mga /solutions folder sa bawat proyekto-oriented na leksyon. Isa pang ideya ay bumuo ng study group kasama ang mga kaibigan at sabay na pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekomenda namin ang [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Mabilisang Simula:**
1. Tingnan ang [Installation Guide](INSTALLATION.md) para isaayos ang iyong kapaligiran
**Mabilis na Pagsisimula:**
1. Tingnan ang [Installation Guide](INSTALLATION.md) para i-setup ang iyong environment
2. Suriin ang [Usage Guide](USAGE.md) para matutunan kung paano gamitin ang kurikulum
3. Magsimula sa Lesson 1 at sundan nang sunud-sunod
3. Magsimula sa Lesson 1 at sundan nang sunod-sunod
4. Sumali sa aming [Discord community](https://aka.ms/ds4beginners/discord) para sa suporta
## 👩🏫 Para sa mga Guro
> **Mga Guro**: mayroon kaming [ilang mga mungkahi](for-teachers.md) kung paano gamitin ang kurikulum na ito. Masaya kaming tanggapin ang inyong feedback [sa aming discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Guro**: naglagay kami ng [ilang mga mungkahi](for-teachers.md) kung paano gamitin ang kurikulum na ito. Masaya kaming matanggap ang iyong feedback [sa aming discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
**Gif mula kay** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
> 🎥 Pindutin ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!
> 🎥 Pindutin ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong gumawa nito!
## Pedagohiya
Pinili namin ang dalawang gabay sa pagtuturo habang binubuo ang kurikulum na ito: siguraduhing ito ay nakabatay sa proyekto at may madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututunan ng mga estudyante ang mga pangunahing prinsipyo ng agham ng datos, kabilang ang mga konseptong etikal, paghahanda ng datos, iba't ibang paraan ng pagtatrabaho sa datos, visualisasyon ng datos, pagsusuri ng datos, mga tunay na gamit ng agham ng datos, at iba pa.
Pinili namin ang dalawang pedagogical na prinsipyo habang binubuo ang kurikulum na ito: tiyakin na ito ay nakabatay sa proyekto at may kasamang madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng agham ng datos, kabilang ang mga konseptong etikal, paghahanda ng datos, iba't ibang paraan ng pagtatrabaho sa datos, pagvisualisa ng datos, pagsusuri ng datos, mga totoong gamit ng agham ng datos, at iba pa.
Bukod pa rito, ang isang mababang-stakes na pagsusulit bago ang klase ay nagtatakda ng layunin ng estudyante sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisiguro ng mas higit na alaala. Dinisenyo ang kurikulum na ito upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at unti-unting lumalalim sa katapusan ng 10-linggong siklo.
Bukod dito, ang mababang-taya na pagsusulit bago ang klase ay nagtatalaga ng layunin ng estudyante sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisigurong mas matagal na pananatili ng kaalaman. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o paunti-unti. Ang mga proyekto ay nagsisimula sa maliit at lumalalim ang komplikasyon sa pagtatapos ng 10-linggong siklo.
> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) mga alituntunin. Malugod naming tinatanggap ang iyong makabuluhang puna!
> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), at [Translation](TRANSLATIONS.md) na mga gabay. Malugod naming tinatanggap ang iyong makabuluhang puna!
## Bawat aralin ay may kasamang:
- Opsyonal na sketchnote
- Opsyonal na karagdagang video
- Pagsusulit na pampainit bago ang aralin
- Nakatalang aralin
- Para sa mga araling nakabatay sa proyekto, mga hakbang-hakbang na gabay kung paano buuin ang proyekto
- Mga knowledge check
- Pre-lesson warmup quiz
- Nakalistang aralin
- Para sa mga aralin na nakabatay sa proyekto, mga hakbang-hakbang na gabay kung paano buuin ang proyekto
- Mga pagsusuri ng kaalaman
- Isang hamon
- Karagdagang babasahin
- Takdang-aralin
- [Pagsusulit pagkatapos ng aralin](https://ff-quizzes.netlify.app/en/)
> **Isang paalala tungkol sa mga pagsusulit**: Lahat ng pagsusulit ay nasa folder na Quiz-App, para sa kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Nakalink sila mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o mai-deploy sa Azure; sundin ang mga tagubilin sa `quiz-app` folder. Unti-unti itong nililokalisa.
> **Isang tala tungkol sa mga pagsusulit**: Lahat ng pagsusulit ay nasa loob ng Quiz-App folder, na may kabuuang 40 pagsusulit na tig-tatlong tanong bawat isa. Nakaugnay ang mga ito sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o i-deploy sa Azure; sundin ang mga tagubilin sa `quiz-app` folder. Unti-unting nilalokalisa ang mga ito.
## 🎓 Mga Halimbawa na Pinadaling Para sa Baguhan
## 🎓 Mga Halimbawang Madaling Simulan
**Bago ka sa Agham ng Datos?** Nilikha namin ang isang espesyal na [halimbawa na direktoryo](examples/README.md) na may simpleng, maayos na nakomentaryong code upang tulungan kang magsimula:
**Bago sa Agham ng Datos?** Nilikha namin ang isang espesyal na [examples directory](examples/README.md) na may simpleng mga malinaw na pinaliwanag na code upang tulungan kang magsimula:
- 🌟 **Hello World** - Ang iyong unang programa sa agham ng datos
- 📂 **Pag-load ng Datos** - Matutong bumasa at mag-explore ng mga dataset
- 🌟 **Hello World** - Ang iyong unang programang agham ng datos
- 📂 **Pag-load ng Datos** - Matutunan kung paano basahin at suriin ang mga dataset
- 📊 **Simpleng Pagsusuri** - Kalkulahin ang mga estadistika at hanapin ang mga pattern
- 📈 **Pangunahing Visualisasyon** - Gumawa ng mga tsart at grap
- 🔬 **Tunay na Proyekto** - Kumpletong workflow mula simula hanggang matapos
- 🔬 **Totoong Proyekto** - Kumpletong daloy ng trabaho mula simula hanggang katapusan
Bawat halimbawa ay may malalim na mga komentaryo na nagpapaliwanag sa bawat hakbang, ginagawa itong perpekto para sa mga ganap na baguhan!
Bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perpekto ito para sa mga ganap na baguhan!
👉 **[Simulan sa mga halimbawa](examples/README.md)** 👈
👉 **[Magsimula sa mga halimbawa](examples/README.md)** 👈
| 01 | Pagpapakahulugan ng Agham ng Datos | [Panimula](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto ng agham ng datos at kung paano ito kaugnay ng artificial intelligence, machine learning, at big data. | [aralin](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etika sa Agham ng Datos | [Panimula](1-Introduction/README.md) | Mga Konsepto ng Etika sa Datos, Hamon at mga Balangkas. | [aralin](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Pagpapakahulugan ng Datos | [Panimula](1-Introduction/README.md) | Kung paano ikinaklasipika ang datos at mga karaniwang pinagkukunan nito. | [aralin](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Panimula sa Estadistika at Probabilidad | [Panimula](1-Introduction/README.md) | Mga matematikal na teknik ng probabilidad at estadistika upang maunawaan ang datos. | [aralin](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Pagtatrabaho sa Relational Data | [Pagtatrabaho Sa Datos](2-Working-With-Data/README.md) | Panimula sa relational data at mga batayang pamamaraan ng pag-explore at pagsusuri gamit ang Structured Query Language, o SQL (binibigkas na “see-quell”). | [aralin](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Pagtatrabaho sa NoSQL Data | [Pagtatrabaho Sa Datos](2-Working-With-Data/README.md) | Panimula sa non-relational data, mga iba’t ibang uri nito, at mga batayang pamamaraan sa pag-explore at pagsusuri ng mga document databases. | [aralin](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Pagtatrabaho gamit ang Python | [Pagtatrabaho Sa Datos](2-Working-With-Data/README.md) | Mga batayan ng paggamit ng Python para sa paggalugad ng datos gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundamental na pag-unawa sa programming ng Python. | [aralin](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Paghahanda ng Datos | [Pagtatrabaho Sa Datos](2-Working-With-Data/README.md) | Mga paksa tungkol sa mga teknik ng paglilinis at pagbabago ng datos upang matugunan ang mga hamon ng nawawala, di-tumpak, o hindi kumpletong datos. | [aralin](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Pag-visualize ng mga Dami | [Pag-visualize ng Datos](3-Data-Visualization/README.md) | Matutong gamitin ang Matplotlib para i-visualize ang datos ng mga ibon 🦆 | [aralin](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Pag-visualize ng Pamamahagi ng Datos | [Pag-visualize ng Datos](3-Data-Visualization/README.md) | Pag-visualize ng mga obserbasyon at mga trend sa loob ng isang interval. | [aralin](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Pag-visualize ng mga Proportion | [Pag-visualize ng Datos](3-Data-Visualization/README.md) | Pag-visualize ng mga discrete at pinangkat na porsyento. | [aralin](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Pag-visualize ng mga Relasyon | [Pag-visualize ng Datos](3-Data-Visualization/README.md) | Pag-visualize ng mga koneksyon at kaugnayan sa pagitan ng mga set ng datos at iba’t ibang variable nito. | [aralin](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Makabuluhang Visualisasyon | [Pag-visualize ng Datos](3-Data-Visualization/README.md) | Mga teknik at patnubay para gawing mahalaga ang iyong mga visualisasyon para sa epektibong paglutas ng problema at mga insight. | [aralin](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Panimula sa Siklo ng Agham ng Datos | [Siklo ng Buhay](4-Data-Science-Lifecycle/README.md) | Panimula sa data science lifecycle at ang unang hakbang nito na pagkuha at pag-extract ng datos. | [aralin](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Pagsusuri | [Siklo ng Buhay](4-Data-Science-Lifecycle/README.md) | Ang bahagi ng data science lifecycle na ito ay nakatuon sa mga teknik sa pagsusuri ng datos. | [aralin](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikasyon | [Siklo ng Buhay](4-Data-Science-Lifecycle/README.md) | Bahagi ito ng data science lifecycle na nakatuon sa pagpapakita ng mga insight mula sa datos sa isang paraan na mas madaling maintindihan ng mga tagapagpasya. | [aralin](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Agham ng Datos sa Ulap | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Ang seryeng ito ng mga aralin ay nagpapakilala ng agham ng datos sa ulap at mga benepisyo nito. | [aralin](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) |
| 18 | Agham ng Datos sa Ulap | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pagsasanay ng mga modelo gamit ang mga Low Code na kasangkapan. |[aralin](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) |
| 19 | Agham ng Datos sa Ulap | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio. | [aralin](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) |
| 20 | Agham ng Datos sa Kalikasan | [Sa Kalikasan](6-Data-Science-In-Wild/README.md) | Mga proyektong pinaloob ang agham ng datos sa tunay na mundo. | [aralin](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Pagpapakahulugan sa Agham ng Datos | [Introduction](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto sa likod ng agham ng datos at kung paano ito nauugnay sa artipisyal na intelihensiya, machine learning, at malalaking datos. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etika sa Agham ng Datos | [Introduction](1-Introduction/README.md) | Mga Konsepto, Hamon, at Balangkas ng Etika sa Datos. | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Pagpapakahulugan ng Datos | [Introduction](1-Introduction/README.md) | Paano ikinaklasipika ang datos at ang mga karaniwang pinagkukunan nito. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Panimula sa Estadistika at Probabilidad | [Introduction](1-Introduction/README.md) | Mga teknikang matematika ng probabilidad at estadistika upang maunawaan ang datos. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Paggamit ng Relational Data | [Working With Data](2-Working-With-Data/README.md) | Panimula sa relational data at mga pangunahing pamamaraan ng pagsusuri at pag-explore gamit ang Structured Query Language o SQL (binibigkas bilang “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Paggamit ng NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Panimula sa non-relational data, iba't ibang uri nito, at mga pangunahing pamamaraan ng pagsusuri at pag-explore ng mga document database. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Paggamit ng Python | [Working With Data](2-Working-With-Data/README.md) | Mga pangunahing gamit ng Python para sa pag-explore ng datos gamit ang mga librarya tulad ng Pandas. Inirerekomenda ang pundamental na kaalaman sa programming ng Python. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Paghahanda ng Datos | [Working With Data](2-Working-With-Data/README.md) | Mga paksa sa mga teknik sa paglilinis at pag-transform ng datos upang harapin ang mga hamon ng nawawala, maling, o hindi kumpletong datos. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Pagvisualisa ng Dami | [Data Visualization](3-Data-Visualization/README.md) | Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang datos ng mga ibon 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Pagvisualisa ng Pamamahagi ng Datos | [Data Visualization](3-Data-Visualization/README.md) | Pagvisualisa ng mga obserbasyon at mga trend sa loob ng isang interval. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Pagvisualisa ng Proportion | [Data Visualization](3-Data-Visualization/README.md) | Pagvisualisa ng mga discrete at pangkat na porsyento. | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Pagvisualisa ng Mga Ugnayan | [Data Visualization](3-Data-Visualization/README.md) | Pagvisualisa ng mga koneksyon at korelasyon sa pagitan ng mga datos at kanilang mga variable. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Makabuluhang Visualisasyon | [Data Visualization](3-Data-Visualization/README.md) | Mga teknik at patnubay sa paggawa ng mga visualisasyon na may halaga para sa epektibong paglutas ng problema at pagkuha ng mga insight. | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Panimula sa Siklo ng Agham ng Datos | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Panimula sa siklo ng agham ng datos at unang hakbang nito sa pagkuha at pag-extract ng datos. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Pagsusuri | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Ang yugto ng siklo ng agham ng datos na ito ay nakatuon sa mga teknik para sa pagsusuri ng datos. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikasyon | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Ang yugtong ito ng siklo ng agham ng datos ay nakatuon sa pagpapahayag ng mga insight mula sa datos sa paraang mas madali itong maintindihan ng mga tagagawa ng desisyon. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Agham ng Datos sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Ang seryeng ito ng mga aralin ay nagpapakilala sa agham ng datos sa cloud at mga benepisyo nito. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) |
| 18 | Agham ng Datos sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pagsasanay ng mga modelo gamit ang Low Code tools. |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) |
| 19 | Agham ng Datos sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pagde-deploy ng mga modelo gamit ang Azure Machine Learning Studio. | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) |
| 20 | Agham ng Datos sa Realidad | [In the Wild](6-Data-Science-In-Wild/README.md) | Mga proyektong pinagagana ng agham ng datos sa totoong mundo. | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Sundin ang mga hakbang na ito para buksan ang sample na ito sa isang Codespace:
1. Pindutin ang Code drop-down menu at piliin ang Open with Codespaces option.
2. Piliin ang + New codespace sa ibaba ng pane.
Sundin ang mga hakbang na ito upang buksan ang halimbawa na ito sa isang Codespace:
1. I-click ang drop-down na menu ng Code at piliin ang opsyon na Open with Codespaces.
2. Piliin ang + New codespace sa ilalim ng pane.
Para sa karagdagang impormasyon, tingnan ang [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Sundin ang mga hakbang na ito para buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension:
Sundin ang mga hakbang na ito upang buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension:
1. Kung ito ang unang beses mong gumamit ng development container, siguraduhing ang iyong system ay pumasa sa mga pre-req (hal. naka-install ang Docker) sa [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Kung ito ang unang pagkakataon mong gumamit ng development container, siguraduhing pumasa ang iyong sistema sa mga kinakailangan (hal. mayroon kang naka-install na Docker) sa [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Para gamitin ang repositoryong ito, maaari mong buksan ang repositoryo sa isang isolated Docker volume:
Para gamitin ang repositoryo na ito, maaari mong buksan ang repositoryo sa isang isolated Docker volume:
**Tandaan**: Sa ilalim nito, gagamitin ang Remote-Containers: **Clone Repository in Container Volume...** command para i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Ang [Volumes](https://docs.docker.com/storage/volumes/) ang mas gusto para sa pagpapatuloy ng data ng container.
**Tandaan**: Sa likod nito, gagamitin nito ang Remote-Containers: **Clone Repository in Container Volume...** command para i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Ang mga [Volumes](https://docs.docker.com/storage/volumes/) ay ang inirerekomendang mekanismo para sa pagpapanatili ng data ng container.
O buksan ang lokal na kopya ng repositoryo na na-clone o na-download:
O buksan ang locally cloned o downloaded na bersyon ng repositoryo:
- I-clone ang repositoryo sa iyong lokal na filesystem.
- Pindutin ang F1 at piliin ang **Remote-Containers: Open Folder in Container...**na command.
- Piliin ang nakopyang kopya ng folder na ito, hintayin ang pagsisimula ng container, at subukan ang mga bagay.
- I-clone ang repositoryong ito sa iyong lokal na filesystem.
- Pindutin ang F1 at piliin ang **Remote-Containers: Open Folder in Container...** command.
- Piliin ang naka-clone na kopya ng folder na ito, maghintay hanggang magsimula ang container, at subukan ito.
## Offline access
## Offline na pag-access
Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang [Docsify](https://docsify.js.org/#/). Fork ang repo na ito, [i-install ang Docsify](https://docsify.js.org/#/quickstart) sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type ang `docsify serve`. Ang website ay mai-serve sa port 3000 sa iyong localhost: `localhost:3000`.
Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang [Docsify](https://docsify.js.org/#/). I-fork ang repo na ito, [i-install ang Docsify](https://docsify.js.org/#/quickstart) sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, itype ang `docsify serve`. Ang website ay ihahain sa port 3000 sa iyong localhost: `localhost:3000`.
> Tandaan, ang mga notebook ay hindi irerender sa Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code na nagpapatakbo ng Python kernel.
> Tandaan, hindi mare-render ang mga notebook sa pamamagitan ng Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin ito nang hiwalay sa VS Code gamit ang Python kernel.
## Ibang Kurikulum
## Iba Pang Kurikulum
Ang aming koponan ay gumagawa rin ng ibang mga kurikulum! Tingnan:
Ang aming koponan ay gumagawa ng iba pang mga kurikulum! Tingnan ang:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Seriya ng Generative AI
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Generative AI Series
---
### Pangunahing Pag-aaral
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### Core Learning
---
### Seriya ng Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**May mga suliranin ba?** Tingnan ang aming [Troubleshooting Guide](TROUBLESHOOTING.md) para sa mga solusyon sa mga karaniwang problema.
**Nakakaranas ng problema?** Tingnan ang aming [Troubleshooting Guide](TROUBLESHOOTING.md) para sa mga solusyon sa mga karaniwang problema.
Kung ikaw ay nahihirapan o may mga tanong tungkol sa paggawa ng AI apps, sumali sa kapwa mga nag-aaral at mga bihasang developer sa talakayan tungkol sa MCP. Ito ay isang suportadong komunidad kung saan malugod ang mga tanong at malayang naibabahagi ang kaalaman.
Kung ikaw ay na-stuck o may mga tanong tungkol sa paggawa ng mga AI app, sumali sa mga kapwa nag-aaral at karanasang mga developer sa mga talakayan tungkol sa MCP. Ito ay isang sumusuportang komunidad kung saan malugod ang mga tanong at malayang ibinabahagi ang kaalaman.
Ang dokumentong ito ay isinalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagamat nagsusumikap kaming maging tumpak, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o di-tumpak na impormasyon. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasaling-tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring idulot ng paggamit ng pagsasaling ito.
**Pahayag ng Pagtatanggol**:
Ang dokumentong ito ay naisalin gamit ang serbisyong AI na pagsasalin na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama't nagsusumikap kami para sa katumpakan, mangyaring tandaan na maaaring may mga pagkakamali o kamalian ang mga awtomatikong pagsasalin. Ang orihinal na dokumento sa kanyang likas na wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasaling pantao. Hindi kami mananagot sa anumang hindi pagkakaintindihan o maling interpretasyon na nagmula sa paggamit ng pagsasaling ito.
localizeflow[bot]
4 weeks ago