chore(i18n): sync translations with latest source changes (chunk 2/10, 100 files)

translations/vi/README.md

@@ -1,227 +1,252 @@
 <!--
 CO_OP_TRANSLATOR_METADATA:
 {
-  "original_hash": "26afff0d5c802e24a14f000c9c9f4614",
-  "translation_date": "2025-11-18T17:42:43+00:00",
+  "original_hash": "210052dafe5b5d956c427824e2c96686",
+  "translation_date": "2025-12-19T11:44:09+00:00",
   "source_file": "README.md",
   "language_code": "vi"
 }
 -->
 # Khoa học Dữ liệu cho Người mới bắt đầu - Chương trình học
 
-Azure Cloud Advocates tại Microsoft rất vui mừng giới thiệu chương trình học kéo dài 10 tuần, gồm 20 bài học về Khoa học Dữ liệu. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, giải pháp và bài tập. Phương pháp học dựa trên dự án cho phép bạn học thông qua việc thực hành, một cách hiệu quả để kỹ năng mới được ghi nhớ lâu dài.
+[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
 
-**Cảm ơn chân thành đến các tác giả của chúng tôi:** [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).
+[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
+[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
+[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
+[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
+[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
 
-**🙏 Đặc biệt cảm ơn 🙏 các [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com/) là tác giả, người đánh giá và người đóng góp nội dung,** đặc biệt là Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
+[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
+[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
+[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
+
+
+[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
+
+[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
+
+Các Chuyên gia Cloud Azure tại Microsoft rất vui được cung cấp một chương trình học 10 tuần, 20 bài học toàn về Khoa học Dữ liệu. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, một giải pháp và một bài tập. Phương pháp học dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới "bám chắc".
+
+**Xin chân thành cảm ơn các tác giả của chúng tôi:** [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).
+
+**🙏 Cảm ơn đặc biệt 🙏 tới các tác giả, người đánh giá và người đóng góp nội dung [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com/),** đặc biệt là Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
 [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
 
 |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.vi.png)|
 |:---:|
 | Khoa học Dữ liệu cho Người mới bắt đầu - _Sketchnote bởi [@nitya](https://twitter.com/nitya)_ |
 
-### 🌐 Hỗ trợ đa ngôn ngữ
+### 🌐 Hỗ trợ Đa ngôn ngữ
 
-#### Được hỗ trợ qua GitHub Action (Tự động & Luôn cập nhật)
+#### Hỗ trợ qua GitHub Action (Tự động & Luôn Cập nhật)
 
-[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](./README.md)
+<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
+[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](./README.md)
+<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
 
-**Nếu bạn muốn có thêm các ngôn ngữ dịch, danh sách các ngôn ngữ được hỗ trợ có thể tìm thấy [tại đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
+**Nếu bạn muốn có thêm các ngôn ngữ dịch được hỗ trợ, danh sách có tại [đây](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
 
-#### Tham gia cộng đồng của chúng tôi 
+#### Tham gia Cộng đồng của chúng tôi 
 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
 
-Chúng tôi có một chuỗi học với AI trên Discord đang diễn ra, tìm hiểu thêm và tham gia tại [Learn with AI Series](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9, 2025. Bạn sẽ nhận được mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.
+Chúng tôi có một chuỗi học tập trên Discord với chủ đề AI đang diễn ra, tìm hiểu thêm và tham gia cùng chúng tôi tại [Chuỗi học với AI](https://aka.ms/learnwithai/discord) từ ngày 18 - 30 tháng 9, 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.
 
-![Learn with AI series](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.vi.jpg)
+![Chuỗi học với AI](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.vi.jpg)
 
 # Bạn là sinh viên?
 
 Bắt đầu với các tài nguyên sau:
 
-- [Trang Hub Sinh viên](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Trong trang này, bạn sẽ tìm thấy các tài nguyên cho người mới bắt đầu, gói dành cho sinh viên và thậm chí là cách nhận voucher chứng chỉ miễn phí. Đây là một trang bạn nên đánh dấu và kiểm tra thường xuyên vì chúng tôi thay đổi nội dung ít nhất hàng tháng.
-- [Đại sứ Sinh viên Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Tham gia cộng đồng toàn cầu của các đại sứ sinh viên, đây có thể là cách bạn bước vào Microsoft.
+- [Trang Trung tâm Sinh viên](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Trong trang này, bạn sẽ tìm thấy tài nguyên dành cho người mới bắt đầu, bộ dụng cụ Sinh viên và thậm chí cả cách nhận phiếu chứng nhận miễn phí. Đây là một trang bạn nên đánh dấu và kiểm tra định kỳ vì chúng tôi thay đổi nội dung ít nhất hàng tháng.
+- [Đại sứ Sinh viên Microsoft](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Tham gia cộng đồng đại sứ sinh viên toàn cầu, đây có thể là con đường của bạn vào Microsoft.
 
 # Bắt đầu
 
 ## 📚 Tài liệu
 
-- **[Hướng dẫn Cài đặt](INSTALLATION.md)** - Hướng dẫn từng bước để thiết lập cho người mới bắt đầu
-- **[Hướng dẫn Sử dụng](USAGE.md)** - Các ví dụ và quy trình làm việc phổ biến
+- **[Hướng dẫn Cài đặt](INSTALLATION.md)** - Hướng dẫn từng bước thiết lập cho người mới bắt đầu
+- **[Hướng dẫn Sử dụng](USAGE.md)** - Ví dụ và quy trình làm việc phổ biến
 - **[Khắc phục sự cố](TROUBLESHOOTING.md)** - Giải pháp cho các vấn đề thường gặp
 - **[Hướng dẫn Đóng góp](CONTRIBUTING.md)** - Cách đóng góp cho dự án này
 - **[Dành cho Giáo viên](for-teachers.md)** - Hướng dẫn giảng dạy và tài nguyên lớp học
 
 ## 👨‍🎓 Dành cho Sinh viên
-> **Người mới hoàn toàn**: Mới làm quen với khoa học dữ liệu? Bắt đầu với [các ví dụ thân thiện với người mới bắt đầu](examples/README.md)! Những ví dụ đơn giản, được chú thích rõ ràng này sẽ giúp bạn hiểu những điều cơ bản trước khi đi sâu vào toàn bộ chương trình học.
-> **[Sinh viên](https://aka.ms/student-page)**: để sử dụng chương trình học này một cách độc lập, hãy fork toàn bộ repo và hoàn thành các bài tập theo cách của bạn, bắt đầu với bài kiểm tra trước bài học. Sau đó đọc bài giảng và hoàn thành các hoạt động còn lại. Hãy cố gắng tạo các dự án bằng cách hiểu bài học thay vì sao chép mã giải pháp; tuy nhiên, mã đó có sẵn trong các thư mục /solutions trong mỗi bài học theo dự án. Một ý tưởng khác là tạo nhóm học tập với bạn bè và cùng nhau học qua nội dung. Để học thêm, chúng tôi khuyến nghị [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
+> **Người mới hoàn toàn**: Mới bắt đầu với khoa học dữ liệu? Bắt đầu với các [ví dụ thân thiện với người mới](examples/README.md)! Những ví dụ đơn giản, có chú thích rõ ràng này sẽ giúp bạn hiểu các kiến thức cơ bản trước khi đi sâu vào toàn bộ chương trình học.
+> **[Sinh viên](https://aka.ms/student-page)**: để sử dụng chương trình học này một mình, hãy fork toàn bộ repo và hoàn thành các bài tập một mình, bắt đầu với bài kiểm tra trước bài giảng. Sau đó đọc bài giảng và hoàn thành các hoạt động còn lại. Cố gắng tạo các dự án bằng cách hiểu bài học thay vì sao chép mã giải pháp; tuy nhiên, mã đó có sẵn trong các thư mục /solutions trong mỗi bài học hướng dự án. Một ý tưởng khác là thành lập nhóm học với bạn bè và cùng nhau học nội dung. Để học thêm, chúng tôi khuyên dùng [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
 
 **Bắt đầu nhanh:**
 1. Kiểm tra [Hướng dẫn Cài đặt](INSTALLATION.md) để thiết lập môi trường của bạn
 2. Xem lại [Hướng dẫn Sử dụng](USAGE.md) để học cách làm việc với chương trình học
-3. Bắt đầu với Bài học 1 và làm việc theo thứ tự
-4. Tham gia cộng đồng [Discord của chúng tôi](https://aka.ms/ds4beginners/discord) để được hỗ trợ
+3. Bắt đầu với Bài học 1 và làm tuần tự
+4. Tham gia [cộng đồng Discord của chúng tôi](https://aka.ms/ds4beginners/discord) để được hỗ trợ
 
 ## 👩‍🏫 Dành cho Giáo viên
 
 > **Giáo viên**: chúng tôi đã [bao gồm một số gợi ý](for-teachers.md) về cách sử dụng chương trình học này. Chúng tôi rất mong nhận được phản hồi của bạn [trong diễn đàn thảo luận của chúng tôi](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
 
-## Gặp gỡ đội ngũ
+## Gặp gỡ Đội ngũ
 
-[![Video giới thiệu](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Video giới thiệu")
+[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video")
 
 **Gif bởi** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
-
-> 🎥 Nhấp vào hình ảnh trên để xem video về dự án và những người đã tạo ra nó!
+> 🎥 Nhấp vào hình ảnh ở trên để xem video về dự án và những người đã tạo ra nó!
 
 ## Phương pháp giảng dạy
-Chúng tôi đã chọn hai nguyên tắc giáo dục khi xây dựng chương trình học này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Đến cuối loạt bài này, học sinh sẽ học được các nguyên tắc cơ bản của khoa học dữ liệu, bao gồm các khái niệm đạo đức, chuẩn bị dữ liệu, các cách làm việc khác nhau với dữ liệu, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp sử dụng thực tế của khoa học dữ liệu, và nhiều hơn nữa.
 
-Ngoài ra, một bài kiểm tra nhẹ nhàng trước lớp giúp học sinh định hướng học tập về một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ lâu dài. Chương trình học này được thiết kế linh hoạt và thú vị, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn vào cuối chu kỳ 10 tuần.
+Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình học này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Vào cuối chuỗi bài học này, học viên sẽ học được các nguyên tắc cơ bản của khoa học dữ liệu, bao gồm các khái niệm đạo đức, chuẩn bị dữ liệu, các cách làm việc khác nhau với dữ liệu, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp sử dụng thực tế của khoa học dữ liệu và nhiều hơn nữa.
+
+Ngoài ra, một bài kiểm tra nhẹ trước lớp giúp học viên định hướng mục tiêu học tập về một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ lâu hơn. Chương trình học này được thiết kế linh hoạt và thú vị, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn theo chu kỳ 10 tuần.
 
-> Tìm [Quy tắc ứng xử](CODE_OF_CONDUCT.md), [Hướng dẫn đóng góp](CONTRIBUTING.md), [Hướng dẫn dịch thuật](TRANSLATIONS.md). Chúng tôi hoan nghênh phản hồi mang tính xây dựng của bạn!
+> Tìm [Bộ Quy tắc Ứng xử](CODE_OF_CONDUCT.md), [Hướng dẫn Đóng góp](CONTRIBUTING.md), [Hướng dẫn Dịch thuật](TRANSLATIONS.md) của chúng tôi. Chúng tôi hoan nghênh phản hồi xây dựng của bạn!
 
 ## Mỗi bài học bao gồm:
 
-- Ghi chú hình ảnh tùy chọn
+- Sketchnote tùy chọn
 - Video bổ sung tùy chọn
 - Bài kiểm tra khởi động trước bài học
 - Bài học viết
-- Đối với các bài học dựa trên dự án, hướng dẫn từng bước về cách xây dựng dự án
+- Đối với các bài học dựa trên dự án, hướng dẫn từng bước cách xây dựng dự án
 - Kiểm tra kiến thức
-- Một thử thách
-- Đọc bổ sung
+- Thử thách
+- Đọc thêm bổ sung
 - Bài tập
 - [Bài kiểm tra sau bài học](https://ff-quizzes.netlify.app/en/)
 
-> **Lưu ý về bài kiểm tra**: Tất cả các bài kiểm tra được chứa trong thư mục Quiz-App, với tổng cộng 40 bài kiểm tra, mỗi bài gồm ba câu hỏi. Chúng được liên kết từ trong các bài học, nhưng ứng dụng kiểm tra có thể chạy cục bộ hoặc triển khai lên Azure; làm theo hướng dẫn trong thư mục `quiz-app`. Chúng đang dần được bản địa hóa.
+> **Lưu ý về các bài kiểm tra**: Tất cả các bài kiểm tra được chứa trong thư mục Quiz-App, tổng cộng 40 bài kiểm tra với mỗi bài gồm ba câu hỏi. Chúng được liên kết trong các bài học, nhưng ứng dụng kiểm tra có thể chạy cục bộ hoặc triển khai trên Azure; làm theo hướng dẫn trong thư mục `quiz-app`. Chúng đang dần được bản địa hóa.
 
 ## 🎓 Ví dụ thân thiện với người mới bắt đầu
 
-**Mới làm quen với Khoa học Dữ liệu?** Chúng tôi đã tạo một [thư mục ví dụ](examples/README.md) đặc biệt với mã đơn giản, được chú thích rõ ràng để giúp bạn bắt đầu:
+**Mới với Khoa học Dữ liệu?** Chúng tôi đã tạo một [thư mục ví dụ](examples/README.md) đặc biệt với mã đơn giản, có chú thích rõ ràng để giúp bạn bắt đầu:
 
 - 🌟 **Hello World** - Chương trình khoa học dữ liệu đầu tiên của bạn
-- 📂 **Tải dữ liệu** - Học cách đọc và khám phá các tập dữ liệu
-- 📊 **Phân tích đơn giản** - Tính toán thống kê và tìm kiếm mẫu
-- 📈 **Trực quan hóa cơ bản** - Tạo biểu đồ và đồ thị
-- 🔬 **Dự án thực tế** - Quy trình làm việc hoàn chỉnh từ đầu đến cuối
+- 📂 **Tải Dữ liệu** - Học cách đọc và khám phá bộ dữ liệu
+- 📊 **Phân tích Đơn giản** - Tính toán thống kê và tìm mẫu
+- 📈 **Trực quan hóa Cơ bản** - Tạo biểu đồ và đồ thị
+- 🔬 **Dự án Thực tế** - Quy trình hoàn chỉnh từ đầu đến cuối
 
-Mỗi ví dụ đều có các chú thích chi tiết giải thích từng bước, rất phù hợp cho người mới bắt đầu!
+Mỗi ví dụ bao gồm các chú thích chi tiết giải thích từng bước, rất phù hợp cho người mới bắt đầu hoàn toàn!
 
 👉 **[Bắt đầu với các ví dụ](examples/README.md)** 👈
 
 ## Các bài học
 
 
-|![ Ghi chú hình ảnh của @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.vi.png)|
+|![ Sketchnote bởi @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.vi.png)|
 |:---:|
-| Khoa học Dữ liệu cho Người mới bắt đầu: Lộ trình - _Ghi chú hình ảnh của [@nitya](https://twitter.com/nitya)_ |
+| Khoa học Dữ liệu cho Người mới bắt đầu: Lộ trình - _Sketchnote bởi [@nitya](https://twitter.com/nitya)_ |
 
 
-| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Liên kết bài học | Tác giả |
+| Số bài học | Chủ đề | Nhóm bài học | Mục tiêu học tập | Bài học liên kết | Tác giả |
 | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
-| 01 | Định nghĩa Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Tìm hiểu các khái niệm cơ bản về khoa học dữ liệu và cách nó liên quan đến trí tuệ nhân tạo, học máy, và dữ liệu lớn. | [bài học](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
-| 02 | Đạo đức Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Các khái niệm đạo đức dữ liệu, thách thức và khung làm việc. | [bài học](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
-| 03 | Định nghĩa Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Cách phân loại dữ liệu và các nguồn phổ biến của nó. | [bài học](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
+| 01 | Định nghĩa Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Học các khái niệm cơ bản về khoa học dữ liệu và cách nó liên quan đến trí tuệ nhân tạo, học máy và dữ liệu lớn. | [bài học](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
+| 02 | Đạo đức Khoa học Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Các khái niệm, thách thức và khung đạo đức dữ liệu. | [bài học](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
+| 03 | Định nghĩa Dữ liệu | [Giới thiệu](1-Introduction/README.md) | Cách phân loại dữ liệu và các nguồn phổ biến. | [bài học](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
 | 04 | Giới thiệu về Thống kê & Xác suất | [Giới thiệu](1-Introduction/README.md) | Các kỹ thuật toán học về xác suất và thống kê để hiểu dữ liệu. | [bài học](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
-| 05 | Làm việc với Dữ liệu Quan hệ | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu về dữ liệu quan hệ và các nguyên tắc cơ bản của việc khám phá và phân tích dữ liệu quan hệ với Ngôn ngữ Truy vấn Có cấu trúc, còn được gọi là SQL (phát âm là “see-quell”). | [bài học](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
-| 06 | Làm việc với Dữ liệu NoSQL | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu về dữ liệu không quan hệ, các loại khác nhau của nó và các nguyên tắc cơ bản của việc khám phá và phân tích cơ sở dữ liệu tài liệu. | [bài học](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
-| 07 | Làm việc với Python | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Các nguyên tắc cơ bản của việc sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Kiến thức nền tảng về lập trình Python được khuyến nghị. | [bài học](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
-| 08 | Chuẩn bị Dữ liệu | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Các chủ đề về kỹ thuật dữ liệu để làm sạch và chuyển đổi dữ liệu nhằm xử lý các thách thức về dữ liệu thiếu, không chính xác hoặc không đầy đủ. | [bài học](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
+| 05 | Làm việc với Dữ liệu Quan hệ | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu về dữ liệu quan hệ và các kiến thức cơ bản về khám phá và phân tích dữ liệu quan hệ với Ngôn ngữ Truy vấn Cấu trúc, còn gọi là SQL (phát âm “see-quell”). | [bài học](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
+| 06 | Làm việc với Dữ liệu NoSQL | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Giới thiệu về dữ liệu phi quan hệ, các loại khác nhau và kiến thức cơ bản về khám phá và phân tích cơ sở dữ liệu tài liệu. | [bài học](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
+| 07 | Làm việc với Python | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Kiến thức cơ bản về sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Khuyến nghị có hiểu biết nền tảng về lập trình Python. | [bài học](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
+| 08 | Chuẩn bị Dữ liệu | [Làm việc với Dữ liệu](2-Working-With-Data/README.md) | Các chủ đề về kỹ thuật dữ liệu để làm sạch và biến đổi dữ liệu nhằm xử lý các thách thức về dữ liệu thiếu, không chính xác hoặc không đầy đủ. | [bài học](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
 | 09 | Trực quan hóa Số lượng | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Học cách sử dụng Matplotlib để trực quan hóa dữ liệu chim 🦆 | [bài học](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 10 | Trực quan hóa Phân phối Dữ liệu | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các quan sát và xu hướng trong một khoảng thời gian. | [bài học](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 11 | Trực quan hóa Tỷ lệ | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các phần trăm rời rạc và nhóm. | [bài học](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 12 | Trực quan hóa Mối quan hệ | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các kết nối và tương quan giữa các tập dữ liệu và các biến của chúng. | [bài học](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 13 | Trực quan hóa Có ý nghĩa | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Các kỹ thuật và hướng dẫn để làm cho các trực quan hóa của bạn có giá trị cho việc giải quyết vấn đề và cung cấp thông tin chi tiết hiệu quả. | [bài học](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 14 | Giới thiệu về vòng đời Khoa học Dữ liệu | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giới thiệu về vòng đời khoa học dữ liệu và bước đầu tiên của nó là thu thập và trích xuất dữ liệu. | [bài học](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
+| 10 | Trực quan hóa Phân phối Dữ liệu | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các quan sát và xu hướng trong một khoảng. | [bài học](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 11 | Trực quan hóa Tỷ lệ | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa phần trăm rời rạc và nhóm. | [bài học](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 12 | Trực quan hóa Mối quan hệ | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Trực quan hóa các kết nối và tương quan giữa các bộ dữ liệu và các biến của chúng. | [bài học](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 13 | Trực quan hóa Có ý nghĩa | [Trực quan hóa Dữ liệu](3-Data-Visualization/README.md) | Kỹ thuật và hướng dẫn để làm cho các trực quan hóa của bạn có giá trị cho việc giải quyết vấn đề và thu thập thông tin hiệu quả. | [bài học](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 14 | Giới thiệu về vòng đời Khoa học Dữ liệu | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giới thiệu về vòng đời khoa học dữ liệu và bước đầu tiên là thu thập và trích xuất dữ liệu. | [bài học](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
 | 15 | Phân tích | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào các kỹ thuật phân tích dữ liệu. | [bài học](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
-| 16 | Giao tiếp | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào việc trình bày các thông tin chi tiết từ dữ liệu theo cách giúp người ra quyết định dễ hiểu hơn. | [bài học](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
-| 17 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Loạt bài học này giới thiệu khoa học dữ liệu trên đám mây và các lợi ích của nó. | [bài học](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
-| 18 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Huấn luyện mô hình bằng các công cụ Low Code. |[bài học](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
+| 16 | Giao tiếp | [Vòng đời](4-Data-Science-Lifecycle/README.md) | Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào việc trình bày các thông tin thu thập được từ dữ liệu theo cách giúp người ra quyết định dễ hiểu hơn. | [bài học](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
+| 17 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Chuỗi bài học này giới thiệu khoa học dữ liệu trên đám mây và các lợi ích của nó. | [bài học](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
+| 18 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Huấn luyện mô hình sử dụng công cụ Low Code. |[bài học](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
 | 19 | Khoa học Dữ liệu trên Đám mây | [Dữ liệu Đám mây](5-Data-Science-In-Cloud/README.md) | Triển khai mô hình với Azure Machine Learning Studio. | [bài học](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) và [Maud](https://twitter.com/maudstweets) |
 | 20 | Khoa học Dữ liệu trong Thực tế | [Trong Thực tế](6-Data-Science-In-Wild/README.md) | Các dự án khoa học dữ liệu trong thế giới thực. | [bài học](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
 
 ## GitHub Codespaces
 
-Làm theo các bước sau để mở mẫu này trong Codespace:
+Thực hiện các bước sau để mở mẫu này trong Codespace:
 1. Nhấp vào menu thả xuống Code và chọn tùy chọn Open with Codespaces.
-2. Chọn + New codespace ở dưới cùng của bảng.
-Để biết thêm thông tin, hãy xem [tài liệu GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
+2. Chọn + New codespace ở dưới cùng của bảng điều khiển.
+Để biết thêm thông tin, xem [tài liệu GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
 
 ## VSCode Remote - Containers
-Làm theo các bước sau để mở kho lưu trữ này trong một container bằng máy tính cục bộ của bạn và VSCode sử dụng tiện ích mở rộng VS Code Remote - Containers:
+Thực hiện các bước sau để mở kho lưu trữ này trong container sử dụng máy cục bộ và VSCode với tiện ích mở rộng VS Code Remote - Containers:
 
-1. Nếu đây là lần đầu tiên bạn sử dụng container phát triển, hãy đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ: đã cài đặt Docker) trong [tài liệu bắt đầu](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
+1. Nếu đây là lần đầu bạn sử dụng container phát triển, hãy đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ đã cài Docker) trong [tài liệu bắt đầu](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
 
-Để sử dụng kho lưu trữ này, bạn có thể mở kho lưu trữ trong một volume Docker cách ly:
+Để sử dụng kho lưu trữ này, bạn có thể mở kho lưu trữ trong một volume Docker riêng biệt:
 
-**Lưu ý**: Phía sau, điều này sẽ sử dụng lệnh Remote-Containers: **Clone Repository in Container Volume...** để sao chép mã nguồn trong một volume Docker thay vì hệ thống tệp cục bộ. [Volumes](https://docs.docker.com/storage/volumes/) là cơ chế ưu tiên để lưu trữ dữ liệu container.
+**Lưu ý**: Về cơ bản, điều này sẽ sử dụng lệnh Remote-Containers: **Clone Repository in Container Volume...** để sao chép mã nguồn vào volume Docker thay vì hệ thống tập tin cục bộ. [Volumes](https://docs.docker.com/storage/volumes/) là cơ chế ưu tiên để lưu trữ dữ liệu container.
 
-Hoặc mở một phiên bản đã sao chép hoặc tải xuống cục bộ của kho lưu trữ:
+Hoặc mở phiên bản kho lưu trữ đã sao chép hoặc tải về cục bộ:
 
-- Sao chép kho lưu trữ này vào hệ thống tệp cục bộ của bạn.
+- Sao chép kho lưu trữ này vào hệ thống tập tin cục bộ của bạn.
 - Nhấn F1 và chọn lệnh **Remote-Containers: Open Folder in Container...**.
-- Chọn bản sao đã sao chép của thư mục này, chờ container khởi động, và thử nghiệm.
+- Chọn bản sao đã sao chép của thư mục này, chờ container khởi động và thử nghiệm.
 
 ## Truy cập ngoại tuyến
 
-Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork kho lưu trữ này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy tính cục bộ của bạn, sau đó trong thư mục gốc của kho lưu trữ này, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: `localhost:3000`.
+Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng [Docsify](https://docsify.js.org/#/). Fork repo này, [cài đặt Docsify](https://docsify.js.org/#/quickstart) trên máy cục bộ của bạn, sau đó trong thư mục gốc của repo này, gõ `docsify serve`. Trang web sẽ được phục vụ trên cổng 3000 tại localhost của bạn: `localhost:3000`.
 
-> Lưu ý, các notebook sẽ không được hiển thị qua Docsify, vì vậy khi bạn cần chạy một notebook, hãy làm điều đó riêng biệt trong VS Code chạy kernel Python.
+> Lưu ý, các notebook sẽ không được hiển thị qua Docsify, vì vậy khi bạn cần chạy notebook, hãy làm điều đó riêng biệt trong VS Code với kernel Python.
 
 ## Các chương trình học khác
 
-Nhóm của chúng tôi sản xuất các chương trình học khác! Hãy xem:
+Nhóm của chúng tôi còn sản xuất các chương trình học khác! Hãy xem:
 
 <!-- CO-OP TRANSLATOR OTHER COURSES START -->
+### LangChain
+[![LangChain4j cho Người mới bắt đầu](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
+[![LangChain.js cho Người mới bắt đầu](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
+
+---
+
 ### Azure / Edge / MCP / Agents
 [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
 [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![MCP cho Người Mới Bắt Đầu](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)  
-[![AI Agents cho Người Mới Bắt Đầu](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
+[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
+[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
 
 ---
-
-### Chuỗi Generative AI  
-[![Generative AI cho Người Mới Bắt Đầu](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)  
-[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)  
-[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)  
+ 
+### Chuỗi AI Tạo Sinh
+[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
+[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
+[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
 [![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
 
 ---
-
-### Học Tập Cốt Lõi  
-[![ML cho Người Mới Bắt Đầu](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)  
-[![Khoa Học Dữ Liệu cho Người Mới Bắt Đầu](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)  
-[![AI cho Người Mới Bắt Đầu](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)  
-[![An Ninh Mạng cho Người Mới Bắt Đầu](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)  
-[![Phát Triển Web cho Người Mới Bắt Đầu](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)  
-[![IoT cho Người Mới Bắt Đầu](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)  
-[![Phát Triển XR cho Người Mới Bắt Đầu](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
+ 
+### Học Tập Cốt Lõi
+[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
+[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
+[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
+[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
+[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
+[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
+[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
 
 ---
-
-### Chuỗi Copilot  
-[![Copilot cho Lập Trình Cặp AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)  
-[![Copilot cho C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)  
-[![Cuộc Phiêu Lưu Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)  
+ 
+### Chuỗi Copilot
+[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
+[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
+[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
 <!-- CO-OP TRANSLATOR OTHER COURSES END -->
 
-## Nhận Hỗ Trợ  
+## Nhận Trợ Giúp
 
-**Gặp vấn đề?** Hãy kiểm tra [Hướng Dẫn Khắc Phục Sự Cố](TROUBLESHOOTING.md) để tìm giải pháp cho các vấn đề thường gặp.
+**Gặp sự cố?** Hãy xem [Hướng dẫn Khắc phục Sự cố](TROUBLESHOOTING.md) của chúng tôi để tìm giải pháp cho các vấn đề phổ biến.
 
-Nếu bạn gặp khó khăn hoặc có câu hỏi về việc xây dựng ứng dụng AI, hãy tham gia cùng các học viên và nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi mọi câu hỏi đều được chào đón và kiến thức được chia sẻ tự do.
+Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng những người học khác và các nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi các câu hỏi được chào đón và kiến thức được chia sẻ tự do.
 
 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
 
-Nếu bạn có phản hồi về sản phẩm hoặc gặp lỗi trong quá trình xây dựng, hãy truy cập:
+Nếu bạn có phản hồi về sản phẩm hoặc gặp lỗi khi xây dựng, hãy truy cập:
 
 [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
 
 ---
 
 <!-- CO-OP TRANSLATOR DISCLAIMER START -->
-**Tuyên bố miễn trừ trách nhiệm**:  
-Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn thông tin chính thức. Đối với thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp của con người. Chúng tôi không chịu trách nhiệm cho bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.
+**Tuyên bố từ chối trách nhiệm**:  
+Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ gốc của nó nên được coi là nguồn chính xác và đáng tin cậy. Đối với thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc giải thích sai nào phát sinh từ việc sử dụng bản dịch này.
 <!-- CO-OP TRANSLATOR DISCLAIMER END -->

translations/zh/2-Working-With-Data/05-relational-databases/README.md

@@ -1,89 +1,89 @@
 <!--
 CO_OP_TRANSLATOR_METADATA:
 {
-  "original_hash": "80d80300002ef4e77cc7631d5904bd6e",
-  "translation_date": "2025-10-25T18:38:20+00:00",
+  "original_hash": "11739c7b40e7c6b16ad29e3df4e65862",
+  "translation_date": "2025-12-19T10:41:14+00:00",
   "source_file": "2-Working-With-Data/05-relational-databases/README.md",
   "language_code": "zh"
 }
 -->
 # 使用数据：关系型数据库
 
-|![ 由 [(@sketchthedocs)](https://sketchthedocs.dev) 绘制的速记图 ](../../sketchnotes/05-RelationalData.png)|
+|![ 由 [(@sketchthedocs)](https://sketchthedocs.dev) 绘制的草图笔记 ](../../sketchnotes/05-RelationalData.png)|
 |:---:|
-| 使用数据：关系型数据库 - _速记图由 [@nitya](https://twitter.com/nitya) 绘制_ |
+| 使用数据：关系型数据库 - _由 [@nitya](https://twitter.com/nitya) 绘制的草图笔记_ |
 
-你可能曾经用过电子表格来存储信息。电子表格由一组行和列组成，行中包含信息（或数据），列则描述这些信息（有时称为元数据）。关系型数据库正是基于表格中行和列的核心原理构建的，它允许你将信息分布在多个表中。这使得你可以处理更复杂的数据，避免数据重复，并在探索数据时拥有更大的灵活性。让我们一起来探索关系型数据库的概念。
+你很可能过去使用过电子表格来存储信息。你有一组行和列，其中行包含信息（或数据），列描述信息（有时称为元数据）。关系型数据库建立在表中列和行的核心原则之上，允许你将信息分布在多个表中。这使你能够处理更复杂的数据，避免重复，并在探索数据的方式上具有灵活性。让我们来探索关系型数据库的概念。
 
 ## [课前测验](https://ff-quizzes.netlify.app/en/ds/quiz/8)
 
-## 一切从表格开始
+## 一切从表开始
 
-关系型数据库的核心是表格。就像电子表格一样，表格是由行和列组成的集合。行包含我们希望处理的数据或信息，例如城市名称或降雨量。列则描述了它们存储的数据。
+关系型数据库的核心是表。就像电子表格一样，表是列和行的集合。行包含我们希望处理的数据或信息，例如城市名称或降雨量。列描述它们存储的数据。
 
-让我们从创建一个存储城市信息的表格开始。我们可以从城市名称和国家开始。你可以将其存储在如下表格中：
+让我们开始探索，创建一个表来存储城市信息。我们可能从它们的名称和国家开始。你可以将其存储在如下表格中：
 
-| 城市     | 国家         |
+| City     | Country       |
 | -------- | ------------- |
-| 东京     | 日本         |
-| 亚特兰大 | 美国         |
-| 奥克兰   | 新西兰       |
+| Tokyo    | Japan         |
+| Atlanta  | United States |
+| Auckland | New Zealand   |
 
-注意，**城市**、**国家**和**人口**这些列名描述了存储的数据，每一行都包含一个城市的信息。
+注意，**city**、**country** 和 **population** 这些列名描述了所存储的数据，每一行包含一个城市的信息。
 
-## 单一表格方法的局限性
+## 单表方法的不足
 
-上面的表格看起来可能对你来说很熟悉。现在我们尝试向这个新兴的数据库中添加一些额外的数据——年降雨量（以毫米为单位）。我们将关注2018年、2019年和2020年的数据。如果我们为东京添加这些数据，可能会是这样的：
+你可能觉得上面的表格相当熟悉。让我们开始向我们不断增长的数据库添加一些额外数据——年降雨量（以毫米为单位）。我们将关注2018、2019和2020年。如果我们为东京添加数据，可能看起来像这样：
 
-| 城市  | 国家   | 年份 | 降雨量 |
+| City  | Country | Year | Amount |
 | ----- | ------- | ---- | ------ |
-| 东京  | 日本   | 2020 | 1690   |
-| 东京  | 日本   | 2019 | 1874   |
-| 东京  | 日本   | 2018 | 1445   |
+| Tokyo | Japan   | 2020 | 1690   |
+| Tokyo | Japan   | 2019 | 1874   |
+| Tokyo | Japan   | 2018 | 1445   |
 
-你注意到我们的表格有什么问题了吗？你可能会注意到我们重复了城市的名称和国家多次。这会占用相当多的存储空间，而且大部分情况下是不必要的。毕竟，东京只有一个我们感兴趣的名称。
+你注意到表格有什么吗？你可能注意到我们不断重复城市的名称和国家。这可能占用相当多的存储空间，而且多份拷贝基本上是没必要的。毕竟，东京只有一个我们感兴趣的名称。
 
-好吧，我们试试别的方法。我们为每一年添加新的列：
+好吧，我们试试别的方法。为每一年添加新列：
 
-| 城市     | 国家         | 2018 | 2019 | 2020 |
+| City     | Country       | 2018 | 2019 | 2020 |
 | -------- | ------------- | ---- | ---- | ---- |
-| 东京     | 日本         | 1445 | 1874 | 1690 |
-| 亚特兰大 | 美国         | 1779 | 1111 | 1683 |
-| 奥克兰   | 新西兰       | 1386 | 942  | 1176 |
+| Tokyo    | Japan         | 1445 | 1874 | 1690 |
+| Atlanta  | United States | 1779 | 1111 | 1683 |
+| Auckland | New Zealand   | 1386 | 942  | 1176 |
 
-虽然这样避免了行的重复，但也带来了其他问题。每次有新的一年时，我们都需要修改表格的结构。此外，随着数据的增长，将年份作为列会使得检索和计算值变得更加困难。
+虽然这避免了行的重复，但带来了其他几个挑战。每当有新的一年时，我们需要修改表结构。此外，随着数据增长，将年份作为列会使检索和计算值变得更复杂。
 
-这就是为什么我们需要多个表格和关系。通过将数据分解开来，我们可以避免重复，并在处理数据时拥有更大的灵活性。
+这就是为什么我们需要多个表和关系。通过拆分数据，我们可以避免重复，并在处理数据时拥有更大的灵活性。
 
 ## 关系的概念
 
-让我们回到数据，确定如何分解它们。我们知道需要存储城市的名称和国家，因此这部分数据最好存储在一个表中。
+让我们回到数据，确定如何拆分。我们知道想存储城市的名称和国家，所以这可能最好放在一个表中。
 
-| 城市     | 国家         |
+| City     | Country       |
 | -------- | ------------- |
-| 东京     | 日本         |
-| 亚特兰大 | 美国         |
-| 奥克兰   | 新西兰       |
+| Tokyo    | Japan         |
+| Atlanta  | United States |
+| Auckland | New Zealand   |
 
-但在创建下一个表之前，我们需要弄清楚如何引用每个城市。我们需要某种形式的标识符、ID 或（在数据库术语中）主键。主键是用于标识表中某一特定行的值。虽然这可以基于某个值本身（例如，我们可以使用城市的名称），但它几乎总是一个数字或其他标识符。我们不希望 ID 发生变化，因为这会破坏关系。大多数情况下，主键或 ID 是自动生成的数字。
+但在创建下一个表之前，我们需要弄清楚如何引用每个城市。我们需要某种形式的标识符、ID或（在技术数据库术语中）主键。主键是用于标识表中某一特定行的值。虽然这可以基于值本身（例如我们可以使用城市名称），但它几乎总是应该是数字或其他标识符。我们不希望ID发生变化，因为这会破坏关系。你会发现大多数情况下主键或ID是自动生成的数字。
 
 > ✅ 主键通常缩写为 PK
 
-### 城市表
+### cities
 
-| city_id | 城市     | 国家         |
+| city_id | City     | Country       |
 | ------- | -------- | ------------- |
-| 1       | 东京     | 日本         |
-| 2       | 亚特兰大 | 美国         |
-| 3       | 奥克兰   | 新西兰       |
+| 1       | Tokyo    | Japan         |
+| 2       | Atlanta  | United States |
+| 3       | Auckland | New Zealand   |
 
-> ✅ 在本课程中，你会注意到我们交替使用“id”和“主键”这两个术语。这里的概念同样适用于你稍后会探索的 DataFrame。虽然 DataFrame 不使用“主键”这个术语，但你会注意到它们的行为非常相似。
+> ✅ 你会注意到在本课中我们交替使用“id”和“主键”这两个术语。这里的概念也适用于你稍后会探索的DataFrame。DataFrame不使用“主键”这个术语，但你会发现它们的行为非常相似。
 
-创建了城市表后，让我们存储降雨量。与其重复存储城市的完整信息，我们可以使用 ID。我们还应该确保新创建的表也有一个 *id* 列，因为所有表都应该有一个 id 或主键。
+创建了cities表后，让我们存储降雨量。我们不再重复城市的完整信息，而是使用id。我们还应确保新创建的表也有一个*id*列，因为所有表都应该有id或主键。
 
-### 降雨量表
+### rainfall
 
-| rainfall_id | city_id | 年份 | 降雨量 |
+| rainfall_id | city_id | Year | Amount |
 | ----------- | ------- | ---- | ------ |
 | 1           | 1       | 2018 | 1445   |
 | 2           | 1       | 2019 | 1874   |
@@ -95,16 +95,16 @@ CO_OP_TRANSLATOR_METADATA:
 | 8           | 3       | 2019 | 942    |
 | 9           | 3       | 2020 | 1176   |
 
-注意新创建的 **降雨量** 表中的 **city_id** 列。此列包含引用 **城市** 表中 ID 的值。在关系型数据的技术术语中，这称为 **外键**；它是另一个表中的主键。你可以简单地将其视为一个引用或指针。**city_id** 为 1 的值指向东京。
+注意新创建的**rainfall**表中的**city_id**列。该列包含引用**cities**表中ID的值。在技术关系数据术语中，这称为**外键**；它是另一个表的主键。你可以把它看作是引用或指针。**city_id** 1引用东京。
 
 > [!NOTE] 
 > 外键通常缩写为 FK
 
 ## 检索数据
 
-将数据分成两个表后，你可能会想如何检索它们。如果我们使用 MySQL、SQL Server 或 Oracle 等关系型数据库，可以使用一种称为结构化查询语言（SQL）的语言。SQL（有时读作 sequel）是一种用于在关系型数据库中检索和修改数据的标准语言。
+将数据分成两个表后，你可能想知道如何检索它。如果我们使用关系型数据库，如MySQL、SQL Server或Oracle，我们可以使用一种称为结构化查询语言（SQL）的语言。SQL（有时发音为sequel）是用于检索和修改关系型数据库中数据的标准语言。
 
-要检索数据，你可以使用命令 `SELECT`。其核心是，你**选择**想要查看的列，并从它们所在的表中**提取**。如果你只想显示城市的名称，可以使用以下命令：
+要检索数据，你使用命令`SELECT`。其核心是你**选择**想要查看的列，**从**它们所在的表中。如果你只想显示城市名称，可以使用以下语句：
 
 ```sql
 SELECT city
@@ -115,13 +115,13 @@ FROM cities;
 -- Atlanta
 -- Auckland
 ```
-  
-`SELECT` 是列出列名的地方，而 `FROM` 是列出表名的地方。
+
+`SELECT` 是列出列的地方，`FROM` 是列出表的地方。
 
 > [!NOTE] 
-> SQL 语法不区分大小写，这意味着 `select` 和 `SELECT` 是一样的。然而，根据你使用的数据库类型，列名和表名可能区分大小写。因此，作为最佳实践，建议在编写 SQL 查询时始终将所有内容视为区分大小写。编写 SQL 查询时，通常的惯例是将关键字全部用大写字母表示。
+> SQL语法不区分大小写，意味着`select`和`SELECT`是相同的。然而，根据你使用的数据库类型，列和表可能区分大小写。因此，最佳实践是始终将编程中的所有内容视为区分大小写。编写SQL查询时，常见约定是将关键字全部大写。
 
-上面的查询将显示所有城市。假设我们只想显示新西兰的城市。我们需要某种形式的过滤器。SQL 中的关键字是 `WHERE`，表示“某条件为真时”。
+上面的查询将显示所有城市。假设我们只想显示新西兰的城市。我们需要某种形式的过滤。SQL关键字是`WHERE`，意思是“在某条件为真时”。
 
 ```sql
 SELECT city
@@ -131,16 +131,16 @@ WHERE country = 'New Zealand';
 -- Output:
 -- Auckland
 ```
-  
-## 数据联接
 
-到目前为止，我们只从一个表中检索数据。现在我们想将 **城市** 和 **降雨量** 中的数据结合起来。这可以通过*联接*它们来实现。你实际上是在两个表之间创建一个连接，并将每个表中的列值匹配起来。
+## 连接数据
+
+到目前为止，我们只从单个表中检索数据。现在我们想将**cities**和**rainfall**的数据合并。这通过*连接*它们来完成。你实际上是在两个表之间创建一个连接点，并匹配每个表中某列的值。
 
-在我们的示例中，我们将匹配 **降雨量** 表中的 **city_id** 列和 **城市** 表中的 **city_id** 列。这将把降雨量值与其对应的城市匹配起来。我们将执行一种称为*内联接*的联接，这意味着如果某些行与另一个表中的任何内容不匹配，它们将不会显示。在我们的例子中，每个城市都有降雨量数据，因此所有内容都会显示。
+在我们的例子中，我们将匹配**rainfall**中的**city_id**列和**cities**中的**city_id**列。这将把降雨量值与其对应的城市匹配。我们执行的连接类型称为*内连接*，意味着如果有任何行与另一个表中的内容不匹配，则不会显示。在我们的例子中，每个城市都有降雨量数据，因此所有内容都会显示。
 
-让我们检索所有城市在2019年的降雨量。
+让我们检索所有城市2019年的降雨量。
 
-我们将分步骤进行。第一步是通过指定连接的列（即 **city_id**）将数据联接在一起。
+我们将分步骤进行。第一步是通过指定连接的列——之前强调的**city_id**——将数据连接起来。
 
 ```sql
 SELECT cities.city
@@ -148,8 +148,8 @@ SELECT cities.city
 FROM cities
     INNER JOIN rainfall ON cities.city_id = rainfall.city_id
 ```
-  
-我们已经标出了我们需要的两列，并指出我们希望通过 **city_id** 将表格联接在一起。现在我们可以添加 `WHERE` 语句来过滤出仅2019年的数据。
+
+我们已经突出显示了想要的两列，以及我们希望通过**city_id**连接表。现在我们可以添加`WHERE`语句，只筛选2019年。
 
 ```sql
 SELECT cities.city
@@ -166,14 +166,14 @@ WHERE rainfall.year = 2019
 -- Atlanta  | 1111
 -- Auckland |  942
 ```
-  
+
 ## 总结
 
-关系型数据库的核心是将信息分成多个表格，然后将其重新组合以进行显示和分析。这提供了高度的灵活性，可以执行计算或以其他方式操作数据。你已经了解了关系型数据库的核心概念，以及如何在两个表之间进行联接。
+关系型数据库围绕将信息划分到多个表中，然后再将它们组合起来进行显示和分析。这提供了高度的灵活性来执行计算和其他数据操作。你已经了解了关系型数据库的核心概念，以及如何在两个表之间执行连接。
 
 ## 🚀 挑战
 
-互联网上有许多关系型数据库。你可以使用上面学到的技能来探索这些数据。
+互联网上有许多关系型数据库可用。你可以使用上面学到的技能来探索数据。
 
 ## 课后测验
 
@@ -181,17 +181,19 @@ WHERE rainfall.year = 2019
 
 ## 复习与自学
 
-[Microsoft Learn](https://docs.microsoft.com/learn?WT.mc_id=academic-77958-bethanycheum) 上有许多资源可以帮助你继续探索 SQL 和关系型数据库的概念。
+在[Microsoft Learn](https://docs.microsoft.com/learn?WT.mc_id=academic-77958-bethanycheum)上有多个资源供你继续探索SQL和关系型数据库概念
 
-- [描述关系型数据的概念](https://docs.microsoft.com//learn/modules/describe-concepts-of-relational-data?WT.mc_id=academic-77958-bethanycheum)
-- [开始使用 Transact-SQL 进行查询](https://docs.microsoft.com//learn/paths/get-started-querying-with-transact-sql?WT.mc_id=academic-77958-bethanycheum)（Transact-SQL 是 SQL 的一个版本）
-- [Microsoft Learn 上的 SQL 内容](https://docs.microsoft.com/learn/browse/?products=azure-sql-database%2Csql-server&expanded=azure&WT.mc_id=academic-77958-bethanycheum)
+- [描述关系数据的概念](https://docs.microsoft.com//learn/modules/describe-concepts-of-relational-data?WT.mc_id=academic-77958-bethanycheum)
+- [开始使用Transact-SQL查询](https://docs.microsoft.com//learn/paths/get-started-querying-with-transact-sql?WT.mc_id=academic-77958-bethanycheum)（Transact-SQL是SQL的一个版本）
+- [Microsoft Learn上的SQL内容](https://docs.microsoft.com/learn/browse/?products=azure-sql-database%2Csql-server&expanded=azure&WT.mc_id=academic-77958-bethanycheum)
 
 ## 作业
 
-[作业标题](assignment.md)
+[显示机场数据](assignment.md)
 
 ---
 
+<!-- CO-OP TRANSLATOR DISCLAIMER START -->
 **免责声明**：  
-本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于关键信息，建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。
+本文件由人工智能翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻译而成。虽然我们力求准确，但请注意自动翻译可能存在错误或不准确之处。原始文件的母语版本应被视为权威来源。对于重要信息，建议使用专业人工翻译。我们不对因使用本翻译而产生的任何误解或误释承担责任。
+<!-- CO-OP TRANSLATOR DISCLAIMER END -->

translations/zh/README.md

@@ -1,13 +1,13 @@
 <!--
 CO_OP_TRANSLATOR_METADATA:
 {
-  "original_hash": "26afff0d5c802e24a14f000c9c9f4614",
-  "translation_date": "2025-11-18T17:04:32+00:00",
+  "original_hash": "210052dafe5b5d956c427824e2c96686",
+  "translation_date": "2025-12-19T10:39:17+00:00",
   "source_file": "README.md",
   "language_code": "zh"
 }
 -->
-# 数据科学入门 - 课程大纲
+# 数据科学初学者课程
 
 [![在 GitHub Codespaces 中打开](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
 
@@ -21,215 +21,226 @@ CO_OP_TRANSLATOR_METADATA:
 [![GitHub 分叉](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
 [![GitHub 星标](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
 
+
 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
 
-[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
+[![Microsoft Foundry 开发者论坛](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
 
-微软 Azure 云倡导团队很高兴为大家提供一个为期10周、共20节课的课程，内容涵盖数据科学的方方面面。每节课包括课前和课后测验、完成课程的书面指导、解决方案以及作业。我们的项目式教学法让您在实践中学习，这是一种让新技能“扎根”的有效方式。
+微软 Azure 云倡导者很高兴提供一个为期 10 周、包含 20 课的数据科学课程。每节课包括课前和课后测验、完成课程的书面指导、解决方案和作业。我们的项目驱动教学法让你在构建中学习，这是一种被证明能让新技能“扎根”的有效方式。
 
-**衷心感谢我们的作者：** [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)。
+**衷心感谢我们的作者：** [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)。
 
-**🙏 特别感谢 🙏 我们的 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) 作者、审阅者和内容贡献者，** 尤其是 Aaryan Arora、[Aditya Garg](https://github.com/AdityaGarg00)、[Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/)、[Ankita Singh](https://www.linkedin.com/in/ankitasingh007)、[Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/)、[Arpita Das](https://www.linkedin.com/in/arpitadas01/)、ChhailBihari Dubey、[Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor)、[Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb)、[Majd Safi](https://www.linkedin.com/in/majd-s/)、[Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/)、[Miguel Correa](https://www.linkedin.com/in/miguelmque/)、[Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119)、[Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum)、[Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/)、[Rohit Yadav](https://www.linkedin.com/in/rty2423)、Samridhi Sharma、[Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200)、[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/)、[Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/)、Yogendrasingh Pawar、[Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/)、[Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)。
+**🙏 特别感谢 🙏 我们的 [Microsoft 学生大使](https://studentambassadors.microsoft.com/) 作者、审阅者和内容贡献者，** 尤其是 Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
+[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
 
-|![由 @sketchthedocs 绘制的速写图 https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.zh.png)|
+|![由 @sketchthedocs https://sketchthedocs.dev 绘制的速写笔记](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.zh.png)|
 |:---:|
-| 数据科学入门 - _速写图由 [@nitya](https://twitter.com/nitya) 绘制_ |
+| 数据科学初学者 - _速写笔记作者 [@nitya](https://twitter.com/nitya)_ |
 
 ### 🌐 多语言支持
 
-#### 通过 GitHub Action 支持（自动更新且始终保持最新）
+#### 通过 GitHub Action 支持（自动且始终保持最新）
 
 <!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
-[阿拉伯语](../ar/README.md) | [孟加拉语](../bn/README.md) | [保加利亚语](../bg/README.md) | [缅甸语](../my/README.md) | [中文（简体）](./README.md) | [中文（繁体，香港）](../hk/README.md) | [中文（繁体，澳门）](../mo/README.md) | [中文（繁体，台湾）](../tw/README.md) | [克罗地亚语](../hr/README.md) | [捷克语](../cs/README.md) | [丹麦语](../da/README.md) | [荷兰语](../nl/README.md) | [爱沙尼亚语](../et/README.md) | [芬兰语](../fi/README.md) | [法语](../fr/README.md) | [德语](../de/README.md) | [希腊语](../el/README.md) | [希伯来语](../he/README.md) | [印地语](../hi/README.md) | [匈牙利语](../hu/README.md) | [印尼语](../id/README.md) | [意大利语](../it/README.md) | [日语](../ja/README.md) | [韩语](../ko/README.md) | [立陶宛语](../lt/README.md) | [马来语](../ms/README.md) | [马拉地语](../mr/README.md) | [尼泊尔语](../ne/README.md) | [尼日利亚皮钦语](../pcm/README.md) | [挪威语](../no/README.md) | [波斯语](../fa/README.md) | [波兰语](../pl/README.md) | [葡萄牙语（巴西）](../br/README.md) | [葡萄牙语（葡萄牙）](../pt/README.md) | [旁遮普语（古木基文）](../pa/README.md) | [罗马尼亚语](../ro/README.md) | [俄语](../ru/README.md) | [塞尔维亚语（西里尔文）](../sr/README.md) | [斯洛伐克语](../sk/README.md) | [斯洛文尼亚语](../sl/README.md) | [西班牙语](../es/README.md) | [斯瓦希里语](../sw/README.md) | [瑞典语](../sv/README.md) | [他加禄语（菲律宾语）](../tl/README.md) | [泰米尔语](../ta/README.md) | [泰语](../th/README.md) | [土耳其语](../tr/README.md) | [乌克兰语](../uk/README.md) | [乌尔都语](../ur/README.md) | [越南语](../vi/README.md)
+[阿拉伯语](../ar/README.md) | [孟加拉语](../bn/README.md) | [保加利亚语](../bg/README.md) | [缅甸语 (Myanmar)](../my/README.md) | [中文（简体）](./README.md) | [中文（繁体，香港）](../hk/README.md) | [中文（繁体，澳门）](../mo/README.md) | [中文（繁体，台湾）](../tw/README.md) | [克罗地亚语](../hr/README.md) | [捷克语](../cs/README.md) | [丹麦语](../da/README.md) | [荷兰语](../nl/README.md) | [爱沙尼亚语](../et/README.md) | [芬兰语](../fi/README.md) | [法语](../fr/README.md) | [德语](../de/README.md) | [希腊语](../el/README.md) | [希伯来语](../he/README.md) | [印地语](../hi/README.md) | [匈牙利语](../hu/README.md) | [印度尼西亚语](../id/README.md) | [意大利语](../it/README.md) | [日语](../ja/README.md) | [卡纳达语](../kn/README.md) | [韩语](../ko/README.md) | [立陶宛语](../lt/README.md) | [马来语](../ms/README.md) | [马拉雅拉姆语](../ml/README.md) | [马拉地语](../mr/README.md) | [尼泊尔语](../ne/README.md) | [尼日利亚皮钦语](../pcm/README.md) | [挪威语](../no/README.md) | [波斯语 (法尔西语)](../fa/README.md) | [波兰语](../pl/README.md) | [葡萄牙语（巴西）](../br/README.md) | [葡萄牙语（葡萄牙）](../pt/README.md) | [旁遮普语（古鲁姆奇）](../pa/README.md) | [罗马尼亚语](../ro/README.md) | [俄语](../ru/README.md) | [塞尔维亚语（西里尔字母）](../sr/README.md) | [斯洛伐克语](../sk/README.md) | [斯洛文尼亚语](../sl/README.md) | [西班牙语](../es/README.md) | [斯瓦希里语](../sw/README.md) | [瑞典语](../sv/README.md) | [他加禄语（菲律宾语）](../tl/README.md) | [泰米尔语](../ta/README.md) | [泰卢固语](../te/README.md) | [泰语](../th/README.md) | [土耳其语](../tr/README.md) | [乌克兰语](../uk/README.md) | [乌尔都语](../ur/README.md) | [越南语](../vi/README.md)
 <!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
 
-**如果您希望支持其他语言，支持的语言列表请查看 [这里](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
+**如果您希望支持更多翻译语言，列表见 [这里](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
 
 #### 加入我们的社区 
 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
 
-我们正在进行一个 Discord AI 学习系列活动，了解更多并加入我们 [AI 学习系列](https://aka.ms/learnwithai/discord)，活动时间为 2025 年 9 月 18 日至 30 日。您将学习使用 GitHub Copilot 进行数据科学的技巧和方法。
+我们正在进行 Discord 上的 AI 学习系列，了解更多并加入我们：[Learn with AI Series](https://aka.ms/learnwithai/discord)，时间为 2025 年 9 月 18 日至 30 日。你将获得使用 GitHub Copilot 进行数据科学的技巧和窍门。
 
-![AI 学习系列](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.zh.jpg)
+![Learn with AI 系列](../../translated_images/1.2b28cdc6205e26fef6a21817fe5d83ae8b50fbd0a33e9fed0df05845da5b30b6.zh.jpg)
 
 # 你是学生吗？
 
-通过以下资源开始学习：
+请使用以下资源开始：
 
-- [学生中心页面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此页面，您可以找到入门资源、学生包，甚至获取免费认证券的方法。建议您将此页面加入书签并定期查看，因为我们至少每月更新内容。
-- [Microsoft Learn 学生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球学生大使社区，这可能是您进入微软的途径。
+- [学生中心页面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此页面，你会找到初学者资源、学生包，甚至获得免费证书券的方法。这个页面值得收藏并定期查看，因为我们至少每月更新内容。
+- [Microsoft Learn 学生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球学生大使社区，这可能是你进入微软的途径。
 
-# 开始学习
+# 入门指南
 
 ## 📚 文档
 
-- **[安装指南](INSTALLATION.md)** - 初学者的逐步设置说明
+- **[安装指南](INSTALLATION.md)** - 初学者逐步设置说明
 - **[使用指南](USAGE.md)** - 示例和常见工作流程
-- **[故障排除](TROUBLESHOOTING.md)** - 常见问题的解决方案
-- **[贡献指南](CONTRIBUTING.md)** - 如何为此项目做贡献
-- **[教师指南](for-teachers.md)** - 教学指导和课堂资源
+- **[故障排除](TROUBLESHOOTING.md)** - 常见问题解决方案
+- **[贡献指南](CONTRIBUTING.md)** - 如何为本项目贡献代码
+- **[教师专用](for-teachers.md)** - 教学指导和课堂资源
 
-## 👨‍🎓 面向学生
-> **完全初学者**：数据科学新手？从我们的[初学者友好示例](examples/README.md)开始！这些简单且注释详尽的示例将帮助您在深入学习课程之前理解基础知识。
-> **[学生](https://aka.ms/student-page)**：如果您想独立使用此课程，请分叉整个仓库并独立完成练习，从课前测验开始。然后阅读课程内容并完成其他活动。尝试通过理解课程内容来创建项目，而不是直接复制解决方案代码；不过，解决方案代码可以在每个项目课程的 /solutions 文件夹中找到。另一个建议是与朋友组成学习小组，共同学习内容。进一步学习，我们推荐 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
+## 👨‍🎓 学生专用
+> **完全初学者**：刚接触数据科学？从我们的[初学者友好示例](examples/README.md)开始！这些简单且注释详尽的示例将帮助你理解基础，然后再深入完整课程。
+> **[学生](https://aka.ms/student-page)**：想自己使用本课程，请 fork 整个仓库并独立完成练习，从课前测验开始。然后阅读课程内容并完成其余活动。尝试通过理解课程内容来创建项目，而不是直接复制解决方案代码；不过，每个项目导向课程的 /solutions 文件夹中都有代码可供参考。另一种方法是与朋友组建学习小组，共同学习内容。进一步学习推荐使用 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
 
 **快速开始：**
-1. 查看 [安装指南](INSTALLATION.md) 以设置您的环境
-2. 阅读 [使用指南](USAGE.md) 了解如何使用课程
-3. 从第1课开始，按顺序学习
-4. 加入我们的 [Discord 社区](https://aka.ms/ds4beginners/discord) 寻求支持
+1. 查看 [安装指南](INSTALLATION.md) 以设置环境
+2. 浏览 [使用指南](USAGE.md) 学习如何使用课程
+3. 从第 1 课开始，按顺序学习
+4. 加入我们的 [Discord 社区](https://aka.ms/ds4beginners/discord) 获取支持
 
-## 👩‍🏫 面向教师
+## 👩‍🏫 教师专用
 
-> **教师**：我们[提供了一些建议](for-teachers.md)供您使用此课程。我们期待您在[讨论论坛](https://github.com/microsoft/Data-Science-For-Beginners/discussions)中提供反馈！
+> **教师们**：我们[提供了一些建议](for-teachers.md)关于如何使用本课程。欢迎在[讨论论坛](https://github.com/microsoft/Data-Science-For-Beginners/discussions)中反馈意见！
 
 ## 团队介绍
 
 [![宣传视频](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "宣传视频")
 
-**Gif 制作：** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
-
-> 🎥 点击上方图片观看关于项目及其创建者的视频！
+**Gif 制作者** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
+> 🎥 点击上方图片观看关于该项目及其创建者的视频！
 
 ## 教学法
-我们在设计这套课程时选择了两个教学原则：确保课程以项目为基础，并包含频繁的测验。在本系列课程结束时，学生将学习数据科学的基本原理，包括伦理概念、数据准备、不同的数据处理方式、数据可视化、数据分析、数据科学的实际应用案例等。
 
-此外，课前的低压力测验可以帮助学生明确学习主题的目标，而课后的第二次测验则有助于进一步巩固知识。这套课程设计灵活有趣，可以完整学习，也可以选择部分内容。项目从简单开始，到10周课程结束时逐渐变得复杂。
+在构建本课程时，我们选择了两个教学原则：确保课程以项目为基础，并包含频繁的测验。通过本系列课程，学生将学习数据科学的基本原理，包括伦理概念、数据准备、不同的数据处理方式、数据可视化、数据分析、数据科学的实际应用案例等。
 
-> 查看我们的[行为准则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)、[翻译指南](TRANSLATIONS.md)。我们欢迎您的建设性反馈！
+此外，课前的低风险测验帮助学生设定学习主题的意图，课后的第二次测验则确保知识的进一步巩固。该课程设计灵活且有趣，可以全部学习或部分学习。项目从小型开始，随着10周周期的推进逐渐变得复杂。
 
-## 每节课包括：
+> 查阅我们的[行为准则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)、[翻译指南](TRANSLATIONS.md)。欢迎您的建设性反馈！
+
+## 每节课包含：
 
 - 可选的手绘笔记
 - 可选的补充视频
 - 课前热身测验
 - 书面课程内容
-- 对于基于项目的课程，提供逐步指导如何完成项目
-- 知识检查
+- 针对项目课程，提供逐步项目构建指南
+- 知识检测
 - 挑战任务
-- 补充阅读材料
+- 补充阅读
 - 作业
 - [课后测验](https://ff-quizzes.netlify.app/en/)
 
-> **关于测验的说明**：所有测验都包含在Quiz-App文件夹中，共有40个测验，每个测验包含三个问题。测验链接嵌入在课程中，但测验应用可以在本地运行或部署到Azure；请按照`quiz-app`文件夹中的说明操作。测验正在逐步进行本地化。
+> **关于测验的说明**：所有测验均包含在 Quiz-App 文件夹中，共40个测验，每个测验包含三个问题。测验链接嵌入课程中，但测验应用可在本地运行或部署到 Azure；请参阅 `quiz-app` 文件夹中的说明。测验正在逐步本地化。
 
-## 🎓 初学者友好的示例
+## 🎓 适合初学者的示例
 
-**数据科学新手？** 我们创建了一个特别的[示例目录](examples/README.md)，其中包含简单且注释详尽的代码，帮助您入门：
+**刚接触数据科学？** 我们创建了一个特别的[示例目录](examples/README.md)，包含简单且注释详尽的代码，帮助您入门：
 
 - 🌟 **Hello World** - 您的第一个数据科学程序
-- 📂 **加载数据** - 学习如何读取和探索数据集
+- 📂 **加载数据** - 学习读取和探索数据集
 - 📊 **简单分析** - 计算统计数据并发现模式
 - 📈 **基础可视化** - 创建图表和图形
-- 🔬 **实际项目** - 从头到尾的完整工作流程
+- 🔬 **真实项目** - 从头到尾完成完整工作流程
 
-每个示例都包含详细的注释，解释每一步，非常适合绝对初学者！
+每个示例都包含详细注释，解释每一步，非常适合完全初学者！
 
 👉 **[从示例开始](examples/README.md)** 👈
 
-## 课程
+## 课程列表
+
 
-|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.zh.png)|
+|![ 由 @sketchthedocs 绘制的手绘笔记 https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.zh.png)|
 |:---:|
-| 数据科学初学者：路线图 - _手绘笔记由 [@nitya](https://twitter.com/nitya)_ |
+| 数据科学初学者路线图 - _手绘笔记作者 [@nitya](https://twitter.com/nitya)_ |
+
 
-| 课程编号 | 主题 | 课程分组 | 学习目标 | 课程链接 | 作者 |
+| 课程编号 | 主题 | 课程分组 | 学习目标 | 关联课程 | 作者 |
 | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
-| 01 | 定义数据科学 | [简介](1-Introduction/README.md) | 学习数据科学的基本概念及其与人工智能、机器学习和大数据的关系。 | [课程](1-Introduction/01-defining-data-science/README.md) [视频](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
-| 02 | 数据科学伦理 | [简介](1-Introduction/README.md) | 数据伦理概念、挑战与框架。 | [课程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
-| 03 | 定义数据 | [简介](1-Introduction/README.md) | 数据的分类及其常见来源。 | [课程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
-| 04 | 统计与概率简介 | [简介](1-Introduction/README.md) | 使用概率和统计的数学技术来理解数据。 | [课程](1-Introduction/04-stats-and-probability/README.md) [视频](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
-| 05 | 使用关系型数据 | [数据处理](2-Working-With-Data/README.md) | 关系型数据简介以及使用结构化查询语言（SQL，发音为“see-quell”）探索和分析关系型数据的基础知识。 | [课程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
-| 06 | 使用NoSQL数据 | [数据处理](2-Working-With-Data/README.md) | 非关系型数据简介、其各种类型以及探索和分析文档数据库的基础知识。 | [课程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
-| 07 | 使用Python | [数据处理](2-Working-With-Data/README.md) | 使用Python进行数据探索的基础知识，涉及如Pandas等库。建议具备Python编程的基础知识。 | [课程](2-Working-With-Data/07-python/README.md) [视频](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
-| 08 | 数据准备 | [数据处理](2-Working-With-Data/README.md) | 数据清理和转换技术，处理缺失、不准确或不完整数据的挑战。 | [课程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
-| 09 | 可视化数量 | [数据可视化](3-Data-Visualization/README.md) | 学习如何使用Matplotlib可视化鸟类数据 🦆 | [课程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 10 | 可视化数据分布 | [数据可视化](3-Data-Visualization/README.md) | 可视化区间内的观察和趋势。 | [课程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 11 | 可视化比例 | [数据可视化](3-Data-Visualization/README.md) | 可视化离散和分组百分比。 | [课程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 12 | 可视化关系 | [数据可视化](3-Data-Visualization/README.md) | 可视化数据集及其变量之间的连接和相关性。 | [课程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 13 | 有意义的可视化 | [数据可视化](3-Data-Visualization/README.md) | 提供技术和指导，使您的可视化在解决问题和洞察方面更有价值。 | [课程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
-| 14 | 数据科学生命周期简介 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期简介及其第一步：数据获取和提取。 | [课程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
-| 15 | 数据分析 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期的这一阶段专注于数据分析技术。 | [课程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
-| 16 | 数据沟通 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期的这一阶段专注于以便于决策者理解的方式呈现数据洞察。 | [课程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
-| 17 | 云端数据科学 | [云数据](5-Data-Science-In-Cloud/README.md) | 本系列课程介绍云端数据科学及其优势。 | [课程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
-| 18 | 云端数据科学 | [云数据](5-Data-Science-In-Cloud/README.md) | 使用低代码工具训练模型。 |[课程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
-| 19 | 云端数据科学 | [云数据](5-Data-Science-In-Cloud/README.md) | 使用Azure Machine Learning Studio部署模型。 | [课程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
-| 20 | 野外数据科学 | [野外数据科学](6-Data-Science-In-Wild/README.md) | 数据科学驱动的实际项目。 | [课程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
+| 01 | 定义数据科学 | [介绍](1-Introduction/README.md) | 了解数据科学的基本概念及其与人工智能、机器学习和大数据的关系。 | [课程](1-Introduction/01-defining-data-science/README.md) [视频](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
+| 02 | 数据科学伦理 | [介绍](1-Introduction/README.md) | 数据伦理的概念、挑战与框架。 | [课程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
+| 03 | 定义数据 | [介绍](1-Introduction/README.md) | 数据的分类及其常见来源。 | [课程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
+| 04 | 统计与概率入门 | [介绍](1-Introduction/README.md) | 使用概率和统计的数学技术理解数据。 | [课程](1-Introduction/04-stats-and-probability/README.md) [视频](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
+| 05 | 关系型数据处理 | [数据处理](2-Working-With-Data/README.md) | 介绍关系型数据及使用结构化查询语言（SQL，发音“see-quell”）探索和分析关系型数据的基础。 | [课程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
+| 06 | 非关系型数据处理 | [数据处理](2-Working-With-Data/README.md) | 介绍非关系型数据及其各种类型，基础的文档数据库探索和分析。 | [课程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
+| 07 | 使用 Python | [数据处理](2-Working-With-Data/README.md) | 使用 Python 及 Pandas 等库进行数据探索的基础。建议具备 Python 编程基础。 | [课程](2-Working-With-Data/07-python/README.md) [视频](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
+| 08 | 数据准备 | [数据处理](2-Working-With-Data/README.md) | 数据清洗和转换技术，处理缺失、不准确或不完整数据的挑战。 | [课程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
+| 09 | 数量可视化 | [数据可视化](3-Data-Visualization/README.md) | 学习使用 Matplotlib 可视化鸟类数据 🦆 | [课程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 10 | 数据分布可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化区间内的观察值和趋势。 | [课程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 11 | 比例可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化离散和分组百分比。 | [课程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 12 | 关系可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化数据集及其变量之间的连接和相关性。 | [课程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 13 | 有意义的可视化 | [数据可视化](3-Data-Visualization/README.md) | 制作有价值的可视化以实现有效问题解决和洞察的技巧和指导。 | [课程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
+| 14 | 数据科学生命周期介绍 | [生命周期](4-Data-Science-Lifecycle/README.md) | 介绍数据科学生命周期及其第一步：获取和提取数据。 | [课程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
+| 15 | 数据分析 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期中专注于数据分析的阶段。 | [课程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
+| 16 | 交流沟通 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期中专注于以便于决策者理解的方式呈现数据洞察的阶段。 | [课程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
+| 17 | 云端数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 介绍云端数据科学及其优势。 | [课程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
+| 18 | 云端数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 使用低代码工具训练模型。 |[课程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
+| 19 | 云端数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 使用 Azure 机器学习工作室部署模型。 | [课程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
+| 20 | 现实世界中的数据科学 | [现实世界](6-Data-Science-In-Wild/README.md) | 现实世界中的数据科学驱动项目。 | [课程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
 
 ## GitHub Codespaces
 
-按照以下步骤在Codespace中打开此示例：
-1. 点击“Code”下拉菜单，选择“Open with Codespaces”选项。
-2. 在面板底部选择“+ New codespace”。
-更多信息，请查看[GitHub文档](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
+按照以下步骤在 Codespace 中打开此示例：
+1. 点击 Code 下拉菜单，选择 Open with Codespaces 选项。
+2. 在面板底部选择 + New codespace。
+更多信息请参阅[GitHub 文档](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
 
-## VSCode Remote - Containers
-按照以下步骤使用本地机器和VSCode通过VS Code Remote - Containers扩展打开此仓库：
+## VSCode 远程容器
+按照以下步骤使用本地机器和 VSCode 通过 VS Code Remote - Containers 扩展在容器中打开此仓库：
 
-1. 如果这是您第一次使用开发容器，请确保您的系统满足前提条件（例如安装了Docker），请参考[入门文档](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
+1. 如果是首次使用开发容器，请确保系统满足先决条件（即已安装 Docker），详见[入门文档](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
 
-要使用此仓库，您可以选择在隔离的Docker卷中打开仓库：
+使用此仓库，您可以选择在隔离的 Docker 卷中打开仓库：
 
-**注意**：在底层，这将使用Remote-Containers: **Clone Repository in Container Volume...**命令将源代码克隆到Docker卷中，而不是本地文件系统。[卷](https://docs.docker.com/storage/volumes/)是持久化容器数据的首选机制。
+**注意**：底层将使用 Remote-Containers 的 **Clone Repository in Container Volume...** 命令，将源代码克隆到 Docker 卷中，而非本地文件系统。[卷](https://docs.docker.com/storage/volumes/) 是持久化容器数据的首选机制。
 
 或者打开本地克隆或下载的仓库版本：
 
-- 将此仓库克隆到您的本地文件系统。
-- 按F1并选择**Remote-Containers: Open Folder in Container...**命令。
-- 选择此文件夹的克隆副本，等待容器启动并尝试操作。
+- 将此仓库克隆到本地文件系统。
+- 按 F1 并选择 **Remote-Containers: Open Folder in Container...** 命令。
+- 选择克隆的文件夹，等待容器启动，然后开始使用。
 
 ## 离线访问
 
-您可以使用[Docsify](https://docsify.js.org/#/)离线运行此文档。Fork此仓库，在您的本地机器上[安装Docsify](https://docsify.js.org/#/quickstart)，然后在此仓库的根文件夹中输入`docsify serve`。网站将在您的本地主机的3000端口上运行：`localhost:3000`。
+您可以使用 [Docsify](https://docsify.js.org/#/) 离线运行本文档。Fork 本仓库，在本地安装 [Docsify](https://docsify.js.org/#/quickstart)，然后在仓库根目录输入 `docsify serve`。网站将在本地主机的3000端口提供服务：`localhost:3000`。
 
-> 注意，笔记本文件不会通过Docsify渲染，因此当您需要运行笔记本时，请在VS Code中单独运行Python内核。
+> 注意，笔记本文件不会通过 Docsify 渲染，运行笔记本时请在 VS Code 中使用 Python 内核单独操作。
 
 ## 其他课程
 
-我们的团队还制作了其他课程！查看以下内容：
+我们的团队还制作了其他课程！请查看：
+
+<!-- CO-OP TRANSLATOR OTHER COURSES START -->
+### LangChain
+[![LangChain4j 初学者课程](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
+[![LangChain.js 初学者课程](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
+
+---
 
 ### Azure / Edge / MCP / Agents
 [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
 [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[![MCP 初学者指南](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)  
-[![AI 代理初学者指南](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
+[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
+[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
 
 ---
-
-### 生成式 AI 系列  
-[![生成式 AI 初学者指南](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)  
-[![生成式 AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)  
-[![生成式 AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)  
-[![生成式 AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
+ 
+### 生成式 AI 系列
+[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
+[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
+[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
+[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
 
 ---
-
-### 核心学习  
-[![机器学习初学者指南](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)  
-[![数据科学初学者指南](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)  
-[![人工智能初学者指南](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)  
-[![网络安全初学者指南](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)  
-[![Web 开发初学者指南](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)  
-[![物联网初学者指南](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)  
-[![XR 开发初学者指南](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
+ 
+### 核心学习
+[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
+[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
+[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
+[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
+[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
+[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
+[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
 
 ---
-
-### Copilot 系列  
-[![Copilot AI 配对编程](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)  
-[![Copilot C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)  
-[![Copilot 冒险](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)  
+ 
+### Copilot 系列
+[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
+[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
+[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
 <!-- CO-OP TRANSLATOR OTHER COURSES END -->
 
-## 获取帮助  
+## 获取帮助
 
-**遇到问题？** 请查看我们的 [故障排除指南](TROUBLESHOOTING.md)，了解常见问题的解决方案。
+**遇到问题？** 请查看我们的[故障排除指南](TROUBLESHOOTING.md)以获取常见问题的解决方案。
 
-如果您在构建 AI 应用时遇到困难或有任何问题，可以加入学习者和经验丰富的开发者的讨论社区。这里是一个支持性的社区，欢迎提问并自由分享知识。
+如果您遇到困难或对构建 AI 应用有任何疑问，欢迎加入学习者和经验丰富的开发者社区，一起讨论 MCP。这是一个支持性的社区，欢迎提问并自由分享知识。
 
 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
 
-如果您有产品反馈或在构建过程中遇到错误，请访问：
+如果您在构建过程中有产品反馈或遇到错误，请访问：
 
 [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
 
@@ -237,5 +248,5 @@ CO_OP_TRANSLATOR_METADATA:
 
 <!-- CO-OP TRANSLATOR DISCLAIMER START -->
 **免责声明**：  
-本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档为权威来源。对于关键信息，建议使用专业人工翻译。因使用本翻译而引起的任何误解或误读，我们概不负责。
+本文件由人工智能翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻译。虽然我们力求准确，但请注意自动翻译可能存在错误或不准确之处。原始文件的母语版本应被视为权威来源。对于重要信息，建议使用专业人工翻译。因使用本翻译而产生的任何误解或误释，我们概不负责。
 <!-- CO-OP TRANSLATOR DISCLAIMER END -->