[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Azure Cloud Advocates di Microsoft dengan senang hati menawarkan sebuah kurikulum 10-minggu, 20-pelajaran yang membahas tentang Ilmu Data. Setiap pelajaran mencakup kuis sebelum dan setelah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Metode pembelajaran berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif agar keterampilan baru 'menempel'.
Azure Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 10 minggu, 20 pelajaran yang membahas Data Science. Setiap pelajaran mencakup kuis pra-pelajaran dan pasca-pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Metode pembelajaran berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif agar keterampilan baru dapat 'melekat'.
**Terima kasih 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).
> Repositori ini mencakup lebih dari 50+ terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk clone tanpa terjemahan, gunakan sparse checkout:
> Repositori ini menyertakan lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk mengkloning tanpa terjemahan, gunakan sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,51 +53,51 @@ Azure Cloud Advocates di Microsoft dengan senang hati menawarkan sebuah kurikulu
> 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 Anda semua yang diperlukan untuk menyelesaikan kursus dengan unduhan yang jauh lebih cepat.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Jika Anda ingin bahasa terjemahan tambahan didukung, daftar bahasa tersebut ada [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Jika Anda menginginkan dukungan bahasa terjemahan tambahan, bahasa-bahasa yang didukung tercantum [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 berjalan, 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 Ilmu Data.
Kami memiliki seri Discord belajar dengan AI yang sedang berlangsung, pelajari lebih lanjut dan bergabunglah dengan kami di [Seri Learn with AI](https://aka.ms/learnwithai/discord) dari 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:
Mulailah dengan sumber 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-paket Student dan bahkan cara mendapatkan voucher sertifikat gratis. Ini adalah satu 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 para student ambassador, ini bisa menjadi jalan Anda masuk 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 untuk mendapatkan voucher sertifikat gratis. Ini adalah halaman yang ingin Anda bookmark dan periksa dari waktu ke waktu karena kami mengganti konten setidaknya sebulan sekali.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bergabunglah dengan komunitas global student ambassadors, ini bisa menjadi jalan Anda ke Microsoft.
# Memulai
## 📚 Dokumentasi
- **[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 Pengajar](for-teachers.md)** - Panduan pengajaran dan sumber daya kelas
- **[Untuk Guru](for-teachers.md)** - Panduan mengajar dan sumber daya kelas
## 👨🎓 Untuk Mahasiswa
> **Pemula Total**: Baru di ilmu data? Mulailah dengan [contoh yang ramah pemula](examples/README.md)! Contoh sederhana ini dengan komentar yang baik akan membantu Anda memahami dasar-dasarnya sebelum menyelam ke kurikulum lengkap.
> **[Mahasiswa](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini sendiri, fork seluruh repo dan selesaikan latihan sendiri, mulai dengan kuis pra-lecture. Kemudian baca materi kuliah dan selesaikan sisa aktivitas. Cobalah untuk membuat proyek dengan memahami pelajarannya daripada menyalin kode solusi; namun, kode tersebut tersedia di folder /solutions di setiap pelajaran berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman-teman dan melalui konten bersama. Untuk studi lebih lanjut, kami sarankan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
## 👨🎓 Untuk Pelajar
> **Pemula Total**: Baru mengenal data science? Mulailah dengan [contoh yang ramah pemula](examples/README.md)! Contoh sederhana dan berkomentar ini akan membantu Anda memahami dasar sebelum menyelami seluruh kurikulum.
> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini sendiri, fork seluruh repositori dan selesaikan latihan secara mandiri, mulai dengan kuis pra-kuliah. Kemudian baca materi kuliah dan selesaikan aktivitas lainnya. Cobalah membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; meskipun demikian, kode tersebut tersedia di folder /solutions pada setiap pelajaran berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman dan mempelajari konten bersama-sama. 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. Periksa [Panduan Instalasi](INSTALLATION.md) untuk menyiapkan lingkungan Anda
2. Tinjau [Panduan Penggunaan](USAGE.md) untuk belajar cara kerja dengan kurikulum
2. Tinjau [Panduan Penggunaan](USAGE.md) untuk belajar cara bekerja dengan kurikulum
3. Mulai dengan Pelajaran 1 dan kerjakan secara berurutan
4. Bergabunglah dengan [komunitas Discord kami](https://aka.ms/ds4beginners/discord) untuk dukungan
## 👩🏫 Untuk Pengajar
## 👩🏫 Untuk Guru
> **Guru**: kami telah [menyertakan 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)!
@ -105,38 +105,38 @@ Mulailah dengan sumber daya berikut:
## Pedagogi
Kami telah 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, kasus penggunaan ilmu data di dunia nyata, dan lainnya.
Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum ini berbasis proyek dan mencakup kuis yang sering. Pada akhir seri ini, siswa akan mempelajari prinsip dasar ilmu data, termasuk konsep etis, persiapan data, berbagai cara bekerja dengan data, visualisasi data, analisis data, kasus penggunaan dunia nyata dalam ilmu data, dan lainnya.
Selain itu, kuis dengan tingkat kesulitan 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.
Selain itu, kuis dengan tekanan rendah sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan pengingatan lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diikuti secara keseluruhan atau sebagian. Proyek dimulai dari kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.
> Temukan [Kode Etik](CODE_OF_CONDUCT.md), [Kontribusi](CONTRIBUTING.md), dan panduan [Terjemahan](TRANSLATIONS.md) kami. Kami menyambut umpan balik konstruktif Anda!
> **Catatan tentang kuis**: Semua kuis terdapat di folder Quiz-App, dengan total 40 kuis masing-masing berisi tiga pertanyaan. Kuis ini terhubung di dalam pelajaran, namun aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti instruksi di folder `quiz-app`. Kuis tersebut sedang secara bertahap diterjemahkan.
> **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 di folder `quiz-app`. Kuis-kuis ini sedang secara bertahap dilokalkan.
## 🎓 Contoh Ramah Pemula
## 🎓 Contoh Ramah untuk Pemula
**Baru mengenal Ilmu Data?** Kami telah membuat [direktori contoh](examples/README.md) khusus dengan kode sederhana dan berkomentar baik untuk membantu Anda memulai:
**Baru di Ilmu Data?** Kami telah membuat [direktori contoh](examples/README.md) khusus dengan kode sederhana dan berkomentar lengkap untuk membantu Anda memulai:
- 🌟 **Hello World** - Program ilmu data pertama Anda
- 📂 **Memuat Data** - Pelajari cara membaca dan menjelajahi dataset
- 📂 **Memuat Data** - Belajar 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
- 🔬 **Proyek Dunia Nyata** - Alur kerja lengkap dari awal sampai akhir
Setiap contoh menyertakan komentar terperinci yang menjelaskan setiap langkah, membuatnya sempurna untuk pemula sejati!
Setiap contoh menyertakan komentar detail yang menjelaskan setiap langkah, membuatnya sempurna untuk pemula sekali pun!
👉 **[Mulai dengan contoh](examples/README.md)** 👈
@ -145,63 +145,63 @@ Setiap contoh menyertakan komentar terperinci yang menjelaskan setiap langkah, m
||
|:---:|
| Ilmu Data untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ |
| Data Science untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ |
| Nomor Pelajaran | Topik | Pengelompokan Pelajaran | Tujuan Pembelajaran | Pelajaran yang Terhubung | Penulis |
| Nomor Pelajaran | Topik | Kelompok Pelajaran | Tujuan Pembelajaran | Pelajaran Terkait | 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, tantangan & kerangka kerja Etika Data. | [pelajaran](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Mendefinisikan Data | [Pendahuluan](1-Introduction/README.md) | Cara data diklasifikasikan dan sumber umumnya. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Pengantar 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 eksplorasi serta analisis data relasional dengan Structured Query Language, yang 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 eksplorasi serta analisis basis 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) | Dasar penggunaan Python untuk eksplorasi data dengan perpustakaan seperti Pandas. Disarankan memahami dasar 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 teknik data untuk membersihkan dan mengubah data untuk 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) |
| 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 umumnya. | [pelajaran](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Pengantar Statistik & Probabilitas | [Pendahuluan](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, 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) | Pengantar data non-relasional, berbagai jenisnya, 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 penggunaan Python untuk eksplorasi data dengan pustaka seperti Pandas. Pemahaman dasar pemrograman Python direkomendasikan. | [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 untuk 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 pengamatan dan tren dalam suatu 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 antara kumpulan 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 guna 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 pertamanya 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 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 memahaminya. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 10 | Visualisasi Distribusi Data | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualisasikan pengamatan dan tren dalam suatu 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 berharga bagi 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 pertamanya 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 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 pembuat keputusan 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) | Pelatihan 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) | Mendeploy 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 yang digerakkan oleh ilmu data di dunia nyata. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 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) | Menempatkan 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 diterapkan di dunia nyata. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Ikuti langkah-langkah ini untuk membuka contoh ini di Codespace:
1. Klik menu drop-down Kode dan pilih opsi Open with Codespaces.
1. Klik menu tarik-turun 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).
Untuk informasi 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 ini untuk membuka repo ini dalam container menggunakan mesin lokal Anda dan VSCode dengan ekstensi VS Code Remote - Containers:
Ikuti langkah-langkah ini untuk membuka repo ini dalam container menggunakan mesin lokal Anda dan VSCode dengan menggunakan 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 pertama kali Anda menggunakan container pengembangan, pastikan sistem Anda memenuhi prasyarat (misalnya memiliki Docker terinstal) dalam [dokumentasi memulai](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Untuk menggunakan repositori ini, Anda dapat membuka repositori dalam volume Docker terisolasi:
**Catatan**: Secara internal, ini akan menggunakan perintah Remote-Containers: **Clone Repository in Container Volume...** untuk mengkloning kode sumber ke volume Docker alih-alih sistem file lokal. [Volume](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 mengkloning kode sumber ke volume Docker alih-alih sistem file lokal. [Volume](https://docs.docker.com/storage/volumes/) adalah mekanisme yang disarankan untuk menyimpan data container.
Atau buka versi repo yang sudah dikloning atau diunduh secara lokal:
Atau buka versi repositori yang sudah dikloning atau diunduh secara lokal:
- Kloning repositori ini ke sistem file lokal Anda.
- Klon repositori ini ke sistem file lokal Anda.
- Tekan F1 dan pilih perintah **Remote-Containers: Open Folder in Container...**.
- Pilih salinan folder yang sudah dikloning, tunggu container mulai, dan coba fitur-fiturnya.
- Pilih folder yang sudah dikloning, tunggu kontainer dimulai, dan coba gunakan.
## Akses Offline
Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan [Docsify](https://docsify.js.org/#/). Fork repo ini, [pasang Docsify](https://docsify.js.org/#/quickstart) di mesin lokal Anda, kemudian di folder root repo ini, ketik `docsify serve`. Situs web akan disajikan di port 3000 di 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 akan disajikan di port 3000 di localhost Anda: `localhost:3000`.
> Catatan, notebook tidak akan dirender lewat Docsify, jadi saat Anda perlu menjalankan notebook, lakukan secara terpisah di VS Code yang menjalankan kernel Python.
> Catatan, notebook tidak akan dirender melalui Docsify, jadi ketika Anda perlu menjalankan notebook, lakukan secara terpisah di VS Code yang menjalankan kernel Python.
## Kurikulum Lain
## Kurikulum Lainnya
Tim kami menghasilkan kurikulum lain! Periksa:
Tim kami memproduksi kurikulum lain! Lihat:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -245,9 +245,9 @@ Tim kami menghasilkan kurikulum lain! Periksa:
## Mendapatkan Bantuan
**Mengalami masalah?** Periksa [Panduan Pemecahan Masalah](TROUBLESHOOTING.md) kami untuk solusi masalah umum.
**Mengalami masalah?** Periksa [Panduan Pemecahan Masalah](TROUBLESHOOTING.md) kami untuk solusi atas masalah umum.
Jika Anda mengalami kesulitan 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 diterima 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 secara bebas.
@ -259,5 +259,5 @@ Jika Anda memiliki masukan produk atau menemukan kesalahan saat membangun, kunju
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Penafian**:
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berusaha untuk akurasi, harap diingat bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sah dan otoritatif. Untuk informasi penting, disarankan menggunakan jasa terjemahan manusia profesional. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang salah 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 berupaya untuk akurasi, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang sahih. Untuk informasi penting, disarankan menggunakan terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau salah tafsir 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)
Azure Cloud Advocates di Microsoft dengan sukacitanya menawarkan kurikulum 10 minggu, 20 pelajaran yang semuanya mengenai Sains Data. Setiap pelajaran termasuk kuiz pra-pelajaran dan pasca-pelajaran, arahan bertulis untuk melengkapkan pelajaran, penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, satu cara yang terbukti agar kemahiran baru ‘melekat’.
Pendukung Azure Cloud di Microsoft dengan sukacitanya menawarkan kurikulum 10 minggu, 20 pelajaran mengenai Sains Data. Setiap pelajaran merangkumi kuiz pra-pelajaran dan pasca-pelajaran, arahan bertulis untuk menyelesaikan pelajaran, satu penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, satu cara terbukti supaya kemahiran baru terus 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 termasuk lebih 50 terjemahan bahasa yang secara ketara meningkatkan saiz muat turun. Untuk klon tanpa terjemahan, gunakan sparse checkout:
> Repositori ini termasuk lebih daripada 50 terjemahan bahasa yang secara ketara meningkatkan saiz muat turun. Untuk klon tanpa terjemahan, gunakan sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,7 +53,7 @@ Azure Cloud Advocates di Microsoft dengan sukacitanya menawarkan kurikulum 10 mi
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Ini memberikan anda segala yang anda perlukan untuk melengkapkan kursus dengan muat turun yang lebih pantas.
> Ini memberi anda segala yang diperlukan untuk menyelesaikan kursus dengan muat turun yang lebih pantas.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Jika anda ingin menyokong bahasa terjemahan tambahan disenaraikan [di sini](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
@ -61,39 +61,39 @@ Azure Cloud Advocates di Microsoft dengan sukacitanya menawarkan kurikulum 10 mi
Kami mempunyai siri belajar Discord bersama AI yang sedang berlangsung, pelajari 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.
Kami mempunyai siri belajar Discord dengan AI sedang berlangsung, ketahui lebih lanjut dan sertai kami di [Siri Belajar dengan AI](https://aka.ms/learnwithai/discord) dari 18 - 30 September, 2025. Anda akan mendapat petua dan trik menggunakan GitHub Copilot untuk Sains Data.
# 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 dapati sumber untuk pemula, Pek Pelajar dan juga cara mendapatkan baucar sijil percuma. Ini adalah satu halaman yang anda mahu tandakan dan semak dari semasa ke semasa kerana kami menukar kandungan sekurang-kurangnya sebulan sekali.
- [Duta Pelajar Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sertai komuniti global duta pelajar, ini mungkin menjadi jalan anda ke Microsoft.
- [Halaman Hub 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 ingin tandakan dan semak dari masa ke masa kerana kami menukar kandungan 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.
- **[Panduan Pemasangan](INSTALLATION.md)** - Arahan langkah demi langkah untuk pemula
- **[Panduan Penggunaan](USAGE.md)** - Contoh dan aliran kerja biasa
- **[Penyelesaian Masalah](TROUBLESHOOTING.md)** - Penyelesaian untuk isu biasa
- **[Panduan Menyumbang](CONTRIBUTING.md)** - Cara menyumbang ke projek ini
- **[Penyelesaian Masalah](TROUBLESHOOTING.md)** - Penyelesaian kepada masalah biasa
- **[Panduan Menyumbang](CONTRIBUTING.md)** - Cara menyumbang kepada projek ini
- **[Untuk Guru](for-teachers.md)** - Panduan pengajaran dan sumber kelas
## 👨🎓 Untuk Pelajar
> **Pemula Lengkap**: Baru dalam sains data? Mulakan dengan [contoh mesra pemula kami](examples/README.md)! Contoh mudah dan penuh komen ini akan membantu anda memahami asas sebelum menyelami kurikulum penuh.
> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini sendiri, buat fork untuk keseluruhan repo dan selesaikan latihan secara sendiri, bermula dengan kuiz pra-ceramah. Kemudian baca ceramah dan lengkapkan aktiviti yang lain. Cuba bina projek dengan memahami pelajaran berbanding menyalin kod penyelesaian; bagaimanapun, kod tersebut tersedia dalam folder /solutions pada setiap pelajaran berorientasikan projek. Satu lagi idea ialah membentuk kumpulan belajar dengan rakan dan melalui 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 Lengkap**: Baru dalam sains data? Mulakan dengan [contoh mesra pemula kami](examples/README.md)! Contoh mudah dan lengkap dengan komen ini akan membantu anda memahami asas sebelum menyelami kurikulum penuh.
> **[Pelajar](https://aka.ms/student-page)**: untuk menggunakan kurikulum ini secara sendiri, buat garpu keseluruhan repositori dan selesaikan latihan sendiri, bermula dengan kuiz pra-ceramah. Kemudian baca ceramah dan selesaikan aktiviti lain. Cuba buat projek dengan memahami pelajaran daripada hanya menyalin kod penyelesaian; namun kod itu tersedia dalam folder /solutions dalam setiap pelajaran berfokus projek. Satu lagi idea adalah membentuk kumpulan belajar bersama rakan dan lalui kandungan bersama. Untuk kajian lanjut, kami cadangkan [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Mula 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 dengan Pelajaran 1 dan teruskan secara berurutan
2. Tinjau [Panduan Penggunaan](USAGE.md) untuk belajar cara menggunakan kurikulum
3. Mula 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 ingin mendengar maklum balas anda [di forum perbincangan kami](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Guru**: kami telah [menyertakan beberapa cadangan](for-teachers.md) tentang cara menggunakan kurikulum ini. Kami mengalu-alukan maklum balas anda [dalam forum perbincangan kami](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Kenali Pasukan
@ -101,107 +101,107 @@ Mulakan dengan sumber berikut:
> 🎥 Klik imej di atas untuk video mengenai projek ini dan orang-orang yang menciptakannya!
> 🎥 Klik imej di atas untuk menonton video mengenai projek ini dan orang-orang yang menciptakannya!
## Pedagogi
Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan termasuk kuiz yang 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, kes penggunaan dunia sebenar dalam sains data, dan banyak lagi.
Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan merangkumi kuiz yang kerap. Menjelang akhir siri ini, pelajar akan mempelajari prinsip asas ilmu data, termasuk konsep etika, penyediaan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, kes penggunaan ilmu data dunia sebenar, dan banyak lagi.
Selain itu, kuiz berisiko rendah sebelum kelas menetapkan niat pelajar untuk mempelajari topik, manakala kuiz kedua selepas kelas memastikan pengekalan lanjut. Kurikulum ini direka untuk menjadi fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagiannya. Projek-projek bermula kecil dan menjadi semakin kompleks pada akhir kitaran 10 minggu.
Selain itu, kuiz bertaraf rendah sebelum kelas menetapkan hasrat pelajar untuk mempelajari topik, manakala kuiz kedua selepas kelas memastikan pengekalan yang lebih baik. Kurikulum ini direka untuk fleksibel dan menyeronokkan serta boleh diikuti secara keseluruhan atau sebahagian. Projek-projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 10 minggu.
> Dapatkan [Kod Etika](CODE_OF_CONDUCT.md), [Panduan Menyumbang](CONTRIBUTING.md), [Terjemahan](TRANSLATIONS.md) kami. Kami mengalu-alukan maklum balas anda yang membina!
> Dapatkan [Kod Etika](CODE_OF_CONDUCT.md), [Sumbangan](CONTRIBUTING.md), dan garis panduan [Terjemahan](TRANSLATIONS.md) kami. Kami mengalu-alukan maklum balas membina anda!
## Setiap pelajaran merangkumi:
- Sketchnote pilihan
- Video tambahan pilihan
- Kuiz pemanasan sebelum pelajaran
- Kuiz pemanasan pra-pelajaran
- Pelajaran bertulis
- Untuk pelajaran berasaskan projek, panduan langkah demi langkah bagaimana membina projek
- Pemeriksaan pengetahuan
- Untuk pelajaran berasaskan projek, panduan langkah demi langkah tentang cara membina projek
- Semakan pengetahuan
- Cabaran
- Bacaan tambahan
- Tugasan
- [Kuiz selepas pelajaran](https://ff-quizzes.netlify.app/en/)
> **Nota mengenai kuiz**: Semua kuiz terkandung dalam folder Quiz-App, dengan 40 kuiz keseluruhan, setiap satu mempunyai tiga soalan. Ia dipautkan dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara lokal atau dideploy ke Azure; ikut arahan dalam folder `quiz-app`. Ia sedang diterjemahkan secara berperingkat.
> **Nota tentang kuiz**: Semua kuiz disimpan dalam folder Quiz-App, dengan jumlah 40 kuiz masing-masing mengandungi tiga soalan. Ia dihubungkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara tempatan atau dikerah ke Azure; ikut arahan dalam folder `quiz-app`. Ia sedang diperingkatkan penterjemahannya secara berperingkat.
## 🎓 Contoh Mesra Pemula
**Baru dalam Sains Data?** Kami telah mencipta direktori [contoh khas](examples/README.md) dengan kod mudah dan diberi ulasan untuk membantu anda bermula:
**Baru dalam Ilmu Data?** Kami telah menyediakan direktori [contoh](examples/README.md) khas dengan kod ringkas dan ulasan terperinci untuk membantu anda memulakan:
- 🌟 **Hello World** - Program pertama sains data anda
- 🌟 **Hello World** - Program ilmu data pertama anda
- 📂 **Memuatkan Data** - Belajar membaca dan meneroka set data
- 📊 **Analisis Ringkas** - Mengira statistik dan mencari corak
- 📊 **Analisis Mudah** - Mengira statistik dan mencari corak
- 📈 **Visualisasi Asas** - Membuat carta dan graf
- 🔬 **Projek Dunia Sebenar** - Aliran kerja lengkap dari mula hingga selesai
Setiap contoh termasuk ulasan terperinci yang menerangkan setiap langkah, sesuai untuk pemula mutlak!
Setiap contoh termasuk ulasan terperinci yang menerangkan setiap langkah, sangat sesuai untuk pemula mutlak!
👉 **[Mulakan dengan contoh](examples/README.md)** 👈
👉 **[Mula dengan contoh](examples/README.md)** 👈
## Pelajaran
||
|:---:|
| Sains Data Untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ |
| Ilmu Data untuk Pemula: Peta Jalan - _Sketchnote oleh [@nitya](https://twitter.com/nitya)_ |
| Nombor Pelajaran | Topik | Pengelompokan Pelajaran | Objektif Pembelajaran | Pelajaran Pautan | Pengarang |
| Nombor Pelajaran | Topik | Kumpulan Pelajaran | Objektif Pembelajaran | Pelajaran Berkait | Penulis |
| 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) |
| 02 | Etika Sains Data | [Pengenalan](1-Introduction/README.md) | Konsep Etika Data, Cabaran &Kerangka Kerja. | [pelajaran](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Mendefinisikan Data | [Pengenalan](1-Introduction/README.md) | Bagaimana data dikategorikan dan sumber umumnya. | [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 meneroka dan 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) | | |
| 01 | Mendefinisikan Ilmu Data | [Pengenalan](1-Introduction/README.md) | Pelajari konsep asas di sebalik ilmu data dan bagaimana ia berkait 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) |
| 02 | Etika Ilmu Data | [Pengenalan](1-Introduction/README.md) | Konsep Etika Data, Cabaran &Rangka Kerja. | [pelajaran](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Mendefinisikan Data | [Pengenalan](1-Introduction/README.md) | Cara data diklasifikasikan dan sumber biasa data. | [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 Structured Query Language, 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 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 eksplorasi 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 | Penyediaan Data | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Topik teknik data untuk membersihkan dan mengubah data bagi mengendalikan 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 | Memvisualkan 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 | Memvisualkan Taburan Data | [Visualisasi Data](3-Data-Visualization/README.md) | Memvisualkan pemerhatian dan tren dalam selang. | [pelajaran](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Memvisualkan 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 membuat visualisasi yang bernilai untuk menyelesaikan masalah dan mendapatkan wawasan secara berkesan. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Pengenalan ke kitaran hayat Sains Data | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Pengenalan kepada kitaran hayat sains data dan langkah pertama untuk 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 dalam kitaran hayat sains data yang menumpukan pada teknik 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 dalam kitaran hayat sains data yang menumpukan pada penyampaian wawasan dari data dengan cara yang memudahkan penggubal keputusan memahami. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Sains Data dalam Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Siri pelajaran ini memperkenalkan sains data dalam 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 dalam Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Melatih model menggunakan Alat Kod Rendah. |[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 dalam 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 di Dunia Nyata | [Di Dunia Nyata](6-Data-Science-In-Wild/README.md) | Projek didorong oleh sains data dalam dunia sebenar. | [pelajaran](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 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 | Penyediaan Data | [Bekerja Dengan Data](2-Working-With-Data/README.md) | Topik teknik data untuk membersihkan dan mengubah data untuk 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 | Visualisasi Kuantiti | [Visualisasi Data](3-Data-Visualization/README.md) | Belajar menggunakan Matplotlib untuk memvisualisasikan 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) | Memvisualisasi pemerhatian dan tren dalam satu selang. | [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 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 bagi penyelesaian masalah dan kefahaman yang berkesan. | [pelajaran](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Pengenalan kepada kitaran hayat Ilmu Data | [Kitaran Hayat](4-Data-Science-Lifecycle/README.md) | Pengenalan kepada kitaran hayat ilmu data dan langkah pertama untuk memperoleh serta 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 ini dalam kitaran hayat ilmu data 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 ini dalam kitaran hayat ilmu data menumpukan pada penyampaian pandangan dari data dengan cara yang memudahkan pembuat keputusan memahami. | [pelajaran](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Ilmu Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Siri pelajaran ini memperkenalkan ilmu 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 | Ilmu Data di Awan | [Data Awan](5-Data-Science-In-Cloud/README.md) | Melatih model menggunakan alat Kod Rendah. |[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 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 | Ilmu Data di Dunia Nyata | [Di Dunia Nyata](6-Data-Science-In-Wild/README.md) | Projek berasaskan ilmu data dalam 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 Kod dan pilih pilihan Buka dengan Codespaces.
2. Pilih + Codespace baru di bahagian bawah pane.
Ikuti langkah-langkah ini untuk membuka contoh ini dalam Codespace:
1. Klik menu lungsur Code dan pilih pilihan Open with Codespaces.
2. Pilih + New codespace di bahagian bawah pane.
Untuk maklumat lanjut, lihat [dokumentasi GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Jauh - Kontena
Ikut langkah berikut untuk membuka repo ini dalam kontena menggunakan mesin tempatan anda dan VSCode dengan sambungan VS Code Remote - Containers:
## VSCode Remote - Containers
Ikuti langkah berikut untuk membuka repo ini dalam kontena menggunakan mesin tempatan anda dan VSCode dengan sambungan VS Code Remote - Containers:
1. Jika ini kali pertama anda menggunakan kontena pembangunan, pastikan sistem anda memenuhi syarat prasyarat (iaitu memasang Docker) dalam [dokumentasi memulakan](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Jika ini kali pertama anda menggunakan kontena pembangunan, sila pastikan sistem anda memenuhi prasyarat (contoh: telah memasang Docker) dalam [dokumentasi memulakan](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Untuk menggunakan repositori ini, anda boleh buka repositori dalam volum Docker terpencil:
Untuk menggunakan repositori ini, anda boleh membuka repo dalam volum Docker yang terasing:
**Nota**: Di belakang tabir, ini akan menggunakan perintah Remote-Containers: **Clone Repository in Container Volume...** untuk klon kod sumber dalam volum Docker bukannya sistem fail tempatan. [Volum](https://docs.docker.com/storage/volumes/) adalah mekanisme yang disyorkan untuk menyimpan data kontena.
**Nota**: Di balik tabir, ini akan menggunakan perintah Remote-Containers: **Clone Repository in Container Volume...** untuk mengklon kod sumber dalam volum Docker dan bukan sistem fail tempatan. [Volum](https://docs.docker.com/storage/volumes/) adalah mekanisme yang disyorkan untuk menyimpan data kontena.
Atau buka versi yang telah diklon atau dimuat turun secara tempatan:
Atau buka salinan repo yang telah diklon atau dimuat turun secara tempatan:
- Klon repositori ini ke sistem fail tempatan anda.
- Tekan F1 dan pilih perintah **Remote-Containers: Open Folder in Container...**.
- Pilih salinan folder yang telah diklon, tunggu kontena mula, dan cuba.
- Pilih salinan folder ini yang telah diklon, tunggu kontena dimulakan, dan cuba gunakan.
## 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 tempatan anda, kemudian dalam folder root repo ini, taip `docsify serve`. Laman web akan dihoskan di port 3000 pada localhost anda: `localhost:3000`.
Anda boleh menjalankan dokumentasi ini secara offline dengan menggunakan [Docsify](https://docsify.js.org/#/). Forq repo ini, [pasang Docsify](https://docsify.js.org/#/quickstart) pada mesin tempatan anda, kemudian dalam folder akar repo 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 dalam VS Code yang menjalankan kernel Python.
> Nota, buku nota tidak akan dipaparkan melalui Docsify, jadi apabila perlu menjalankan buku nota, lakukan secara berasingan dalam VS Code yang menjalankan kernel Python.
## Kurikulum Lain
Pasukan kami menghasilkan kurikulum lain! Lihat:
Pasukan kami juga menghasilkan kurikulum lain! Lihat:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -210,11 +210,11 @@ Pasukan kami menghasilkan kurikulum lain! Lihat:
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agen
### Azure / Edge / MCP / Ejen
[](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)
---
@ -238,26 +238,26 @@ Pasukan kami menghasilkan kurikulum lain! Lihat:
---
### Siri Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Mengalami masalah?** Semak [Panduan Penyelesaian Masalah](TROUBLESHOOTING.md) kami untuk penyelesaian masalah biasa.
**Menghadapi masalah?** Semak [Panduan Penyelesaian Masalah](TROUBLESHOOTING.md) kami untuk penyelesaian kepada masalah biasa.
Jika anda tersekat atau mempunyai sebarang soalan mengenai membina aplikasi AI. Sertai rakan pembelajar dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi dengan bebas.
Jika anda tersekat atau mempunyai sebarang soalan tentang membina aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan ilmu dikongsi dengan bebas.
[](https://aka.ms/foundry/forum)
---
<!-- 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 memastikan ketepatan, sila maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya hendaklah dianggap sebagai sumber yang sahih. Untuk maklumat yang kritikal, terjemahan profesional oleh manusia adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.
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 yang sahih. Untuk maklumat penting, terjemahan profesional oleh manusia adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.
Ang Azure Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng isang 10-linggong, 20-aralin na kurikulum tungkol sa Data Science. Bawat aralin ay may kasamang pre-lesson at post-lesson quizzes, nakasulat na mga instruksyon para tapusin ang aralin, solusyon, at isang assignment. Ang aming project-based pedagogy ay nagbibigay-daan sa iyo na matuto habang nagtatayo, isang napatunayang paraan para ang mga bagong kasanayan ay manatili.
Ang Azure Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng isang 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 makumpleto ang leksyon, isang solusyon, at isang takdang-aralin. Ang aming project-based na pagtuturo ay nagpapahintulot sa iyo na matuto habang nagtatayo, isang napatunayang paraan para ang mga bagong kasanayan ay manatili.
**Lubos na pasasalamat sa aming mga awtor:** [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).
> Kasama sa repository na ito ang mahigit 50 na mga pagsasalin ng wika na nagpapalaki ng sukat ng pag-download. Para mag-clone nang walang mga pagsasalin, gamitin ang sparse checkout:
> Kasama sa repositoryong ito ang 50+ na mga pagsasalin ng wika na lubos na nagpapalaki sa laki ng pag-download. Para mag-clone nang walang mga pagsasalin, gamitin ang sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,159 +53,159 @@ Ang Azure Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng isang 10-lingg
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Ito ang magbibigay sa iyo ng lahat ng kailangan mo para tapusin ang kurso nang mas mabilis ang pag-download.
> Binibigyan ka nito ng lahat ng kailangan mo para makumpleto 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, nakalista ang mga ito [dito](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Kung nais mong magkaroon pa ng karagdagang mga suportadong wika ng pagsasalin, nakalista ang mga ito [dito](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Mayroon kaming ongoing na Discord learn with AI series, matuto 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 learn with AI series na tumatakbo, 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.
# Ikaw ba ay isang estudyante?
# Isa ka bang estudyante?
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, makikita mo ang mga beginner resources, Student packs at pati na rin mga paraan para makakuha ng libreng cert voucher. Ito ay isang pahina na nais mong i-bookmark at tingnan paminsan-minsan dahil nagbabago kami ng content kahit buwan-buwan.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Sumali sa isang global na komunidad ng student ambassadors, ito ang maaaring maging daan mo patungo 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 na resources, Student packs at pati na mga paraan para makakuha ng libreng certificate voucher. Isang pahina ito na nais mong i-bookmark at tingnan paminsan-minsan habang pinapalitan 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 ambassador, ito ay maaaring maging iyong daan papasok sa Microsoft.
# Pagsisimula
# Panimula
## 📚 Dokumentasyon
- **[Installation Guide](INSTALLATION.md)** - Mga sunud-sunod na tagubilin sa pag-setup para sa mga nagsisimula
- **[Installation Guide](INSTALLATION.md)** - Hakbang-hakbang na gabay sa pag-set up para sa mga nagsisimula
- **[Usage Guide](USAGE.md)** - Mga halimbawa at karaniwang workflows
- **[Troubleshooting](TROUBLESHOOTING.md)** - Mga solusyon sa mga karaniwang problema
- **[Troubleshooting](TROUBLESHOOTING.md)** - Mga solusyon sa mga karaniwang isyu
- **[Contributing Guide](CONTRIBUTING.md)** - Paano mag-ambag sa proyektong ito
- **[Para sa mga Guro](for-teachers.md)** - Patnubay sa pagtuturo at mga gamit sa klase
- **[Para sa mga Guro](for-teachers.md)** - Gabay sa pagtuturo at mga materyales para sa klase
## 👨🎓 Para sa mga Estudyante
> **Lubos na Nagsisimula**: Bago ka ba sa data science? Magsimula sa aming [mga beginner-friendly na halimbawa](examples/README.md)! Ang mga simpleng ito, na may maayos na paliwanag, ay tutulong sa iyo maunawaan ang mga batayan bago pasukin ang buong kurikulum.
> **[Mga Estudyante](https://aka.ms/student-page)**: para magamit ang kurikulum na ito sa sarili mo, i-fork ang buong repo at tapusin ang mga pagsasanay mag-isa, simula sa isang pre-lecture quiz. Pagkatapos basahin ang lektura at kumpletuhin ang mga gugulin. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga aralin sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa mga /solutions folder sa bawat aralin na nakatuon sa proyekto. Isa pang ideya ay bumuo ng isang study group kasama ang mga kaibigan at sabay-sabay na pag-aralan ang nilalaman. Para sa mas malalim na 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 pa sa data science? Magsimula sa aming mga [example na angkop para sa mga nagsisimula](examples/README.md)! Ang mga simpleng halimbawa na ito na may malinaw na komento ay makakatulong sa iyo na maunawaan ang mga pangunahing kaalaman bago magpatuloy sa buong kurikulum.
> **[Mga Estudyante](https://aka.ms/student-page)**: para gamitin ang kurikulum na ito ng mag-isa, i-fork ang buong repo at tapusin ang mga exercises nang mag-isa, simula sa pre-lecture quiz. Pagkatapos basahin ang lektura at kumpletuhin ang mga natitirang gawain. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon kaysa kopyahin ang solusyon; gayunpaman, ang code na iyon ay makukuha sa mga /solutions na folder sa bawat proyekto-orientated na leksyon. Isa pang ideya ay magbuo ng 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).
**Mabilis na Pagsisimula:**
1. Suriin ang [Installation Guide](INSTALLATION.md) upang i-setup ang iyong kapaligiran
2. Balikan ang [Usage Guide](USAGE.md) upang matutunan kung paano gamitin ang kurikulum
3. Magsimula sa Aralin 1 at sumunod nang sunud-sunod
**Mabilisang 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. Simulan 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**: [Isinama namin ang ilang mga suhestiyon](for-teachers.md) kung paano gamitin ang kurikulum na ito. Nais naming marinig ang inyong mga puna [sa aming discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Mga Guro**: nag- [include kami ng ilang mungkahi](for-teachers.md) kung paano gamitin ang kurikulum na ito. Nais naming marinig ang inyong puna [sa aming discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Pindutin ang larawan sa itaas para sa isang video tungkol sa proyekto at ang mga taong lumikha nito!
> 🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!
## Pedagohiya
Pinili namin ang dalawang pedagogical tenet habang binubuo ang kurikulum na ito: tiyakin na ito ay nakabatay sa proyekto at na ito ay may madalas na quiz. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng data science, kabilang ang mga etikal na konsepto, paghahanda ng data, iba't ibang paraan ng pagtatrabaho sa data, pag-visualize ng data, pagsusuri ng data, mga totoong gamit ng data science, at iba pa.
Pinili namin ang dalawang pedagogical tenets habang binubuo ang kurikulum na ito: tiyakin na ito ay proyekto-based at may kasamang madalas na pagsusulit. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng data science, kabilang ang mga etikal na konsepto, paghahanda ng data, iba't ibang paraan ng pagtatrabaho gamit ang data, visualisasyon ng data, pagsusuri ng data, mga totoong gamit ng data science, at iba pa.
Bilang karagdagan, ang low-stakes na quiz bago ang klase ay nagtatakda ng layunin ng estudyante sa pag-aaral ng isang paksa, habang ang pangalawang quiz pagkatapos ng klase ay nagsisiguro ng mas matibay na retention. Dinisenyo ang kurikulum na ito upang maging flexible at kasiya-siya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at lalong nagiging komplikado sa pagtatapos ng 10 linggong siklo.
Bilang karagdagan, ang isang mababang-stakes na pagsusulit bago ang klase ay nagtatakda ng intensiyon ng estudyante na matutunan ang isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagtitiyak ng mas malalim na pag-alala. Dinisenyo ang kurikulum na ito upang maging flexible at masaya at maaaring kunin nang buo o bahagi. Nagsisimula ang mga proyekto nang maliit at nagiging mas kumplikado sa pagtatapos ng 10 linggong siklo.
> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), mga gabay sa [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md). Tinatanggap namin ang inyong makabuluhang puna!
> Hanapin ang aming [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) na mga patnubay. Malugod naming tinatanggap ang inyong makabuluhang puna!
## Bawat aralin ay may kasamang:
## Kasama sa bawat aralin:
- Opsyonal na sketchnote
- Opsyonal na supplemental na video
- Opsyonal na karagdagang video
- Pre-lesson warmup quiz
- Nakasaad na aralin
- Para sa mga aralin na nakabatay sa proyekto, mga step-by-step na gabay kung paano buuin ang proyekto
- Mga pagsusuri sa kaalaman
- Para sa mga proyekto-based na aralin, step-by-step na gabay kung paano buuin ang proyekto
> **Tungkol sa mga quiz**: Lahat ng mga quiz ay nilalaman sa Quiz-App folder, para sa kabuuang 40 na quiz na tig-3 tanong bawat isa. Nakalink ang mga ito mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o ideploy sa Azure; sundin ang mga tagubilin sa `quiz-app` folder. Unti-unti rin itong nililokalisa.
> **Tungkol sa mga pagsusulit**: Lahat ng pagsusulit ay nasa folder ng Quiz-App, para sa kabuuang 40 na pagsusulit na may tig-tatlong tanong bawat isa. Nakalink ito mula sa mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o ideploy sa Azure; sundin ang mga tagubilin sa folder na `quiz-app`. Unti-unti itong nililinang sa lokal na wika.
## 🎓 Mga Halimbawang Magaan Para sa Nagsisimula
## 🎓 Mga Halimbawa na Friendly para sa mga Nagsisimula
**Bago ka ba sa Data Science?** Nilikha namin ang isang espesyal na [examples directory](examples/README.md) na may simpleng, maayos ang pagkakakomento na code upang matulungan kang magsimula:
**Bago sa Data Science?** Nilikha namin ang isang espesyal na [mga direktoryo ng halimbawa](examples/README.md) na may simpleng mga code na may malinaw na paliwanag upang tulungan kang makapagsimula:
- 🌟 **Hello World** - Ang iyong unang data science na programa
- 🌟 **Hello World** - Ang iyong unang data science program
- 📂 **Loading Data** - Matutong magbasa at mag-explore ng mga dataset
- 📊 **Simple Analysis** - Kalkulahin ang mga istatistika at tuklasin ang mga pattern
- 📊 **Simple Analysis** - Kalkulahin ang mga estadistika at hanapin ang mga pattern
- 📈 **Basic Visualization** - Gumawa ng mga tsart at grap
- 🔬 **Real-World Project** - Kumpletong workflow mula simula hanggang matapos
- 🔬 **Real-World Project** - Kumpletong workflow mula simula hanggang katapusan
Bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya't perpekto ito para sa mga ganap na nagsisimula!
Bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perfect ito para sa mga ganap na nagsisimula!
👉 **[Simulan sa mga halimbawa](examples/README.md)** 👈
👉 **[Magsimula sa mga halimbawa](examples/README.md)** 👈
## Mga Aralin
||
|:---:|
| Data Science Para sa mga Nagsisimula: Roadmap - _Sketchnote ni [@nitya](https://twitter.com/nitya)_ |
| Numero ng Aralin | Paksa | Pagtatalaga ng Aralin | Mga Layunin sa Pagkatuto | Nakalink na Aralin | May-akda |
| 01 | Pagpapakahulugan ng Data Science | [Introduction](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto sa likod ng data science at kung paano ito nauugnay sa 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 Data Science | [Introduction](1-Introduction/README.md) | Mga Konsepto, Hamon at Framework ng Etika sa Data. | [aralin](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Pagpapakahulugan ng Data | [Introduction](1-Introduction/README.md) | Paano ikinaklasipika ang data at mga karaniwang pinagmulan nito. | [aralin](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 matematikal na teknik sa probabilidad at estadistika upang maunawaan ang data. | [aralin](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 batayan ng pagsusuri at pag-explore ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”). | [aralin](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 batayan ng pagsusuri at pag-explore ng document databases. | [aralin](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 batayan sa paggamit ng Python para sa pag-explore ng data gamit ang mga libraries gaya ng Pandas. Inirerekomenda ang pundamental na pagkaunawa sa Python programming. | [aralin](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Paghahanda ng Data | [Working With Data](2-Working-With-Data/README.md) | Mga paksa tungkol sa mga teknik ng paglinis at pag-transform ng data upang harapin ang mga hamon ng nawawala, maling datos, o hindi kumpletong data. | [aralin](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Pag-visualize ng Mga Dami | [Data Visualization](3-Data-Visualization/README.md) | Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang bird data 🦆 | [aralin](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Pag-visualize ng Pamamahagi ng Data | [Data Visualization](3-Data-Visualization/README.md) | Pag-visualize ng mga obserbasyon at mga uso 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 | [Data Visualization](3-Data-Visualization/README.md) | Pag-visualize ng discrete at grouped na mga porsyento. | [aralin](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Pag-visualize ng Mga Ugnayan | [Data Visualization](3-Data-Visualization/README.md) | Pag-visualize ng mga koneksyon at korelasyon sa pagitan ng mga set ng data at kanilang mga variable. | [aralin](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Makabuluhang Pag-visualize | [Data Visualization](3-Data-Visualization/README.md) | Mga teknik at gabay para gawing mahalaga ang iyong mga visualizations 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 lifecycle ng Data Science | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Panimula sa lifecycle ng data science at ang unang hakbang ng pagkuha at pag-extract ng data. | [aralin](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Pagsusuri | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Nakatuon ang yugtong ito ng lifecycle ng data science sa mga teknik para suriin ang data. | [aralin](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikasyon | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Nakatuon ang yugtong ito ng lifecycle ng data science sa paglalahad ng mga insight mula sa data sa paraang mas madaling maunawaan ng mga decision maker. | [aralin](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Ipinapakilala ng seryeng ito ang data science sa cloud at ang 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 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pagsasanay ng mga modelo gamit ang Low Code na mga tool. |[aralin](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) at [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science sa Cloud | [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 | Data Science sa Totoong Mundo | [In the Wild](6-Data-Science-In-Wild/README.md) | Mga proyekto ng data science na ginamit sa totoong mundo. | [aralin](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| Data Science For Beginners: Roadmap - _Sketchnote ni [@nitya](https://twitter.com/nitya)_ |
| Numero ng Aralin | Paksa | Pag-grupo ng Aralin | Mga Layunin ng Pagkatuto | Nakalink na Aralin | May-Akda |
| 01 | Pagpapakahulugan sa Data Science | [Introduction](1-Introduction/README.md) | Matutunan ang mga pangunahing konsepto sa likod ng data science at kung paano ito may kaugnayan sa artificial intelligence, machine learning, at big data. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etika sa Data Science | [Introduction](1-Introduction/README.md) | Mga Konsepto, Hamon & Mga Framework ng Data Ethics. | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Pagpapakahulugan sa Data | [Introduction](1-Introduction/README.md) | Paano ikinaklasipika ang data 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 Probability | [Introduction](1-Introduction/README.md) | Mga matematikal na teknik ng probability at estadistika upang maunawaan ang data. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Pagtatrabaho gamit ang Relational Data | [Working With Data](2-Working-With-Data/README.md) | Panimula sa relational data at mga batayan ng pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, kilala rin bilang SQL (binibigkas na “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Pagtatrabaho gamit ang NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Panimula sa non-relational data, iba't ibang uri nito at mga batayan ng pag-explore at pagsusuri ng mga document database. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Pagtatrabaho gamit ang Python | [Working With Data](2-Working-With-Data/README.md) | Mga batayan ng paggamit ng Python para sa pag-explore ng data gamit ang mga library gaya ng Pandas. Inirerekomenda ang pangunahing pag-unawa sa programming sa Python. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Paghahanda ng Data | [Working With Data](2-Working-With-Data/README.md) | Mga paksa tungkol sa mga teknik sa paglilinis at pagbabago ng data upang hawakan ang mga hamon ng nawawala, mali, o hindi kumpletong data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Pag-visualize ng mga Dami | [Data Visualization](3-Data-Visualization/README.md) | Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang bird data 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Pag-visualize ng Pamamahagi ng Data | [Data Visualization](3-Data-Visualization/README.md) | Pag-visualize 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 | Pag-visualize ng mga Proporsyon | [Data Visualization](3-Data-Visualization/README.md) | Pag-visualize ng discrete at pinangkat na porsyento. | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Pag-visualize ng mga Ugnayan | [Data Visualization](3-Data-Visualization/README.md) | Pag-visualize ng mga koneksyon at korelasyon sa pagitan ng mga set ng data at kanilang mga variable. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Makabuluhang Mga Visualization | [Data Visualization](3-Data-Visualization/README.md) | Mga teknik at gabay para gawing mahalaga ang iyong mga visualization para sa epektibong paglutas ng problema at pagkuha ng mga kaalaman. | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Panimula sa Lifecycle ng Data Science | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Panimula sa lifecycle ng data science at ang unang hakbang ng pagkuha at pag-extract ng data. | [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 data science lifecycle na ito ay nakatuon sa mga teknik para suriin ang data. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikasyon | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Ang yugto ng data science lifecycle na ito ay nakatuon sa paghahayag ng mga kaalaman mula sa data sa isang paraan upang maging mas madali para sa mga tagagawa ng desisyon na maunawaan. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Ang serye ng mga araling ito ay nagpapakilala ng data science sa cloud at ang 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 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pagsasanay sa 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 | Data Science sa Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Pag-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 | Data Science sa Aktuwal na Mundo | [In the Wild](6-Data-Science-In-Wild/README.md) | Mga proyektong pinatatakbo ng data science 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 upang buksan ang sample na ito sa isang Codespace:
1. Pindutin ang Code drop-down menu at piliin ang Open with Codespaces na opsyon.
1. I-click ang drop-down na menu ng Code at piliin ang Open with Codespaces na opsyon.
2. Piliin ang + New codespace sa ibaba ng pane.
Para sa karagdagang info, tingnan ang [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
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 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 pagkakataon na gagamitin mo ang development container, tiyakin na ang iyong sistema ay tumutugon sa mga kinakailangan (hal. naka-install ang Docker) sa [getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Kung ito ang unang pagkakataon mong gumamit ng development container, siguraduhin na ang iyong sistema ay nakakatugon sa mga kinakailangan (i.e. naka-install ang Docker) sa [getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Upang magamit ang repository na ito, maaari mong buksan ang repository sa isang isolated Docker volume:
Para gamitin ang repository na ito, maaari mong buksan ang repository sa isang isolated Docker volume:
**Tandaan**: Sa ilalim nito, gagamitin ang Remote-Containers: **Clone Repository in Container Volume...**na command upang i-clone ang source code sa Docker volume sa halip na sa lokal na filesystem. [Volumes](https://docs.docker.com/storage/volumes/) ang preferred na mekanismo para sa pag-save ng data ng container.
**Tandaan**: Sa likod nito, gagamitin nito ang Remote-Containers: **Clone Repository in Container Volume...** command upang 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 pinipiling mekanismo para mapanatili ang data ng container.
O buksan ang lokal na na-clone o na-download na bersyon ng repository:
- I-clone ang repository na ito sa lokal na filesystem mo.
- I-clone ang repository na ito sa iyong lokal na filesystem.
- Pindutin ang F1 at piliin ang **Remote-Containers: Open Folder in Container...** na command.
- Piliin ang na-clone na folder na ito, maghintay na magsimula ang container, at subukan.
- Piliin ang kinopyang folder, hintayin ang pagsisimula ng container, at subukan.
## Offline access
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, i-type ang `docsify serve`. Ang website ay ise-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 ay sa root folder ng repo na ito, i-type ang `docsify serve`. Ang website ay ise-serve sa port 3000 sa iyong localhost: `localhost:3000`.
> Tandaan, hindi mapapakita ang mga notebook gamit ang Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code na nagpapatakbo ng Python kernel.
> Tandaan, hindi marender ang mga notebooks via Docsify, kaya kapag kailangang patakbuhin ang notebook, gawin ito nang hiwalay sa VS Code gamit ang isang Python kernel.
## Iba Pang Kurikulum
## Iba pang Kurikulum
Gumagawa ang aming team ng iba pang mga kurikulum! Tingnan ang:
Ang aming koponan ay gumagawa ng ibang kurikulum! Tingnan ang:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
@ -245,19 +245,19 @@ Gumagawa ang aming team ng iba pang mga kurikulum! Tingnan ang:
## Pagkuha ng Tulong
**Nakakaranas ng mga problema?** Suriin ang aming [Gabayan sa Pag-troubleshoot](TROUBLESHOOTING.md) para sa mga solusyon sa mga karaniwang problema.
**May mga problema ba?** Tingnan ang aming [Troubleshooting Guide](TROUBLESHOOTING.md) para sa mga solusyon sa mga karaniwang problema.
Kung ikaw ay natigil o may mga tanong tungkol sa paggawa ng mga AI na app. Sumali sa kapwa mga nag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Isang sumusuportang komunidad kung saan malugod ang mga tanong at malayang naibabahagi ang kaalaman.
Kung ikaw ay nahihirapan o may mga tanong tungkol sa paggawa ng AI apps. Sumali sa mga kapwa nag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Ito ay isang suportadong komunidad kung saan malugod ang mga tanong at malaya ang pagbabahagi ng kaalaman.
Ang dokumentong ito ay isinalin gamit ang serbisyong AI na pagsasalin [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama’t aming pinagsisikapang maging tumpak ang pagsasalin, pakiusap na tandaan na maaaring may mga pagkakamali o di-tiyak na bahagi ang awtomatikong pagsasalin. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.
**Paunawa**:
Ang dokumentong ito ay naisalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagamat aming pinagsisikapang maging tumpak, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang orihinal na wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na nagmumula sa paggamit ng pagsasaling ito.
localizeflow[bot]
6 days ago