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

chore(i18n): sync translations with latest source changes (chunk 1/1, 6 changes)

Browse Source
pull/738/head
localizeflow[bot] 3 weeks ago
parent 513f0fc78f
commit e2b6a2ff3d
6 changed files with 337 additions and 335 deletions
Show Stats Download Patch File Download Diff File

4
translations/zh-HK/.co-op-translator.json
Unescape View File

@ -360,8 +360,8 @@
"language_code": "zh-HK"
},
"README.md": {
"original_hash": "8ec92ecfeb14923af733851239552146",
"translation_date": "2026-01-30T01:18:21+00:00",
"original_hash": "9204a2806964384a56f5cb0f22bbe953",
"translation_date": "2026-02-06T07:39:06+00:00",
"source_file": "README.md",
"language_code": "zh-HK"
},

200
translations/zh-HK/README.md
Unescape View File

@ -1,4 +1,4 @@
# Data Science for Beginners - 一個課程大綱
# Data Science for Beginners - A Curriculum
[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
@ -17,12 +17,12 @@
[![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)
微軟 Azure Cloud Advocates 很高興呈獻一個長達 10 週，共 20 課的數據科學課程。每一課包括課前和課後測驗、完成課程的文字指示、解決方案和作業。我們以專案為本的教學法讓你在實作中學習，這是一種經證實能讓新技能「牢記於心」的學習方式。
Azure Cloud Advocates at Microsoft 很高興提供一個為期 10 週，共 20 課的資料科學課程。每一課都包含課前和課後測驗、完成課程的書面指引、解決方案以及作業。我們以項目為基礎的教學法讓你在實作中學習，是新技能得以紮根的有效方法。
**衷心感謝我們的作者：** [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)。
**衷心感謝我們的作者：** [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).
**🙏 特別感謝 🙏 我們的 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) 作者、審閱者及內容貢獻者，** 特別是 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/)
**🙏 特別感謝 🙏 我們的 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) 作者、審核者及內容貢獻者，** 特別是 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/)
|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/zh-HK/00-Title.8af36cd35da1ac55.webp)|
|:---:|
@ -30,28 +30,28 @@
### 🌐 多語言支援
#### 透過 GitHub Action 支援（自動且始終保持最新）
#### 透過 GitHub Action 自動化並持續更新支援
<!-- 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-CN/README.md) | [Chinese (Traditional, Hong Kong)](./README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../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)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **偏好本地克隆？**
> **喜歡本機複製？**
> 本倉庫包含 50 多種語言的翻譯，這大幅增加下載大小。若想不含翻譯檔案克隆，請使用 sparse checkout：
> 本儲存庫包含 50 多種語言翻譯，會大幅增加下載大小。要不帶翻譯複製，請使用稀疏檢出：
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
> cd Data-Science-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> 這樣可以讓您用更快的速度獲得完成課程所需的一切。
> 可讓你快速下載完成課程所需的所有內容。
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**如需其他翻譯語言支援列表，請參閱[此處](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**如果你希望支援更多翻譯語言，清單請見 [這裡](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
#### 加入我們的社群
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
我們正在舉辦 Discord Learn with AI 系列，詳細瞭解並於 2025 年 9 月 18 日至 30 日加入我們，詳情見 [Learn with AI Series](https://aka.ms/learnwithai/discord)。你將獲得如何使用 GitHub Copilot 進行數據科學的技巧與竅門。
我們有一個 Discord AI 學習系列活動，從 2025 年 9 月 18 日至 30 日開放，了解更多並加入我們：[Learn with AI Series](https://aka.ms/learnwithai/discord)。你會獲得使用 GitHub Copilot 於資料科學上的技巧和秘訣。
![Learn with AI series](../../translated_images/zh-HK/1.2b28cdc6205e26fe.webp)
@ -59,146 +59,148 @@
開始使用以下資源：
- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面，您會找到初學者資源、學生包甚至獲取免費認證券的方法。這是一個你會想收藏並不時查看的頁面，因為我們每月至少更新一次內容。
- [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，這可能是你進入微軟的途徑。
- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面中，你可以找到初學者資源、學生套裝，甚至獲得免費證書憑證的方法。這是一個你應該加入書籤並不時查看的頁面，我們會至少每月更新內容。
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入學生大使全球社群，或許這是你進入 Microsoft 的途徑。
# 入門指引
# 開始使用
## 📚 文件
- **[安裝指南](INSTALLATION.md)** - 初學者逐步設置指引
- **[使用指南](USAGE.md)** - 範例和常用工作流程
- **[疑難排解](TROUBLESHOOTING.md)** - 常見問題解決
- **[貢獻指南](CONTRIBUTING.md)** - 如何為本專案做出貢獻
- **[給教師參考](for-teachers.md)** - 教學指導與課堂資源
- **[安裝指南](INSTALLATION.md)** - 針對初學者的逐步設置說明
- **[使用說明](USAGE.md)** - 範例和常見工作流程
- **[疑難排解](TROUBLESHOOTING.md)** - 常見問題解決方案
- **[貢獻指南](CONTRIBUTING.md)** - 如何參與此專案貢獻
- **[給老師們](for-teachers.md)** - 教學指導及課堂資源
## 👨‍🎓 給學生
> **徹底初學者**：對數據科學陌生？請由我們的[初學者範例](examples/README.md)開始！這些簡單且充分註解的範例有助你理解基礎，然後再深入整個課程。
> **[學生](https://aka.ms/student-page)**：要自行使用本課程，請 fork 整個倉庫並自行完成練習，從課前小測開始。然後閱讀課程並完成剩餘活動。嘗試理解課堂內容來創建專案，而不是直接複製解決方案代碼；不過這些代碼可以在每個以專案為導向的課程之 /solutions 資料夾找到。另一個方法是與朋友組成學習小組，一起完成內容。進一步學習建議參考 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
## 👨‍🎓 給學生們
> **完全初學者**：對資料科學不熟悉？從我們的[初學者友好範例](examples/README.md)開始！這些簡單且豐富註解的範例將幫助你在深入整個課程前，先建立基礎了解。
> **[學生](https://aka.ms/student-page)**：若要自行使用本課程，請 fork 整個倉庫並自己完成練習，從課前小測驗開始。接著閱讀課程內容並完成其餘活動。嘗試透過理解課程去自行建立專案，而非直接複製解決方案程式碼；但你可以在每個專案導向課程的 /solutions 資料夾中找到完整程式碼。另一個方法是與朋友組成讀書會一起學習。我們建議進階學習可參考 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
**快速開始步驟：**
1. 查看[安裝指南](INSTALLATION.md)來設置你的環境
2. 閱讀[使用指南](USAGE.md)學習課程的使用方式
3. 從第 1 課開始，依序進行
4. 加入我們的[Discord 社群](https://aka.ms/ds4beginners/discord)尋求支援
**快速開始：**
1. 查看 [安裝指南](INSTALLATION.md) 設置環境
2. 閱讀 [使用說明](USAGE.md) 學習如何操作課程
3. 從第一課開始依序學習
4. 加入我們的 [Discord 社群](https://aka.ms/ds4beginners/discord) 取得支援
## 👩‍🏫 給教師
## 👩‍🏫 給老師們
> **教師們**：我們提供了[一些建議](for-teachers.md)介紹如何使用本課程。歡迎您在[討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions)提供回饋！
> **老師們**：我們[提供一些建議](for-teachers.md) 如何使用本課程。樂意收到你在[討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions)的回饋！
## 介紹團隊
[![宣傳短片](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "宣傳短片")
[![宣傳影片](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "宣傳影片")
**動圖由** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) 製作
**Gif 來源** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
> 🎥 點擊上面圖片觀看關於本專案及其創建者的影片！
> 🎥 點擊上方圖片觀看有關專案及創建團隊的影片！
## 教學法
## 教學理念
我們在設計此課程時選擇了兩個教學原則：確保課程以專案為基礎，並包含頻繁的小測驗。在本系列課程結束時，學生將學會資料科學的基本原理，包括倫理概念、資料準備、資料處理的不同方法、資料視覺化、資料分析、資料科學的實際應用案例等。
我們在建構此課程時選擇了兩個教學原則：確保課程以專案為基礎，並包含頻繁的測驗。完成本系列課程後，學生將學會資料科學的基本原理，包括倫理觀念、資料準備、不同資料處理方式、資料視覺化、資料分析、資料科學的實際應用案例等。
此外，課前的低壓力測驗能設定學生學習主題的意圖，課後的另一個測驗則確保持續記憶。此課程設計靈活且有趣，可全程或分段學習。專案由淺入深，於10週循環結束時逐漸變得複雜。
此外，課前的低壓力測驗設定學習者學習主題的目標，而課後第二次測驗則確保進一步的記憶鞏固。本課程設計彈性且有趣，可以全部或部分學習。專案從小型開始，隨著 10 週週期結束而逐漸變複雜。
> 查看我們的[行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性反饋！
> 請查閱我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指引](TRANSLATIONS.md)。歡迎您的建設性回饋！
## 每課包含：
## 每堂課包含：
- 選擇性的手繪筆記
- 選擇性的補充影片
- 課前暖身測驗
- 書面課程
- 對專案課程，附詳細的逐步專案建置指引
- 知識檢核
- 挑戰任務
- 可選擇的手繪筆記
- 可選擇的補充影片
- 課前熱身測驗
- 書面課程內容
- 專案課程包含逐步建置指南
- 知識檢測
- 挑戰題
- 補充閱讀
- 作業
- [課後測驗](https://ff-quizzes.netlify.app/en/)
> **關於測驗的一點說明**：所有測驗均收錄於 Quiz-App 資料夾，共40個測驗，每個測驗包含三題問題。它們在課程中有連結，但測驗應用程式可於本機執行或部署至 Azure；請參照 `quiz-app` 資料夾中的說明。測驗正逐步本地化中。
> **關於測驗的一點說明**：所有測驗均包含在 Quiz-App 資料夾中，共 40 個測驗，每個測驗包含三個問題。它們在課程中有連結，但也可本地執行或部署至 Azure；請參考 `quiz-app` 資料夾內的說明。測驗正逐步本地化中。
## 🎓 初學者友善範例
**資料科學新手？** 我們建立了特別的[範例目錄](examples/README.md)，提供簡單且詳細註解的程式碼，助您快速入門：
**資料科學新手？** 我們製作了特別的 [範例目錄](examples/README.md)，有簡易且註解詳盡的程式碼幫助您入門：
- 🌟 **Hello World** - 您的第一個資料科學程式
- 📂 **載入資料** - 學習讀取與探索資料集
- 📊 **簡易分析** - 計算統計數據並發掘規律
- 📈 **基本視覺化** - 製作圖表
- 🔬 **實務專案** - 從頭到尾完成工作流程
- 🌟 **Hello World** - 你的第一個資料科學程式
- 📂 **載入資料** - 學習讀取及探索資料集
- 📊 **簡單分析** - 計算統計數據與尋找趨勢
- 📈 **基本視覺化** - 製作圖表與圖形
- 🔬 **實際專案** - 從頭到尾完成的工作流程
每個範例都有詳細註解，解釋每一步驟，適合完全初學者！
每個範例包含詳細註解說明每步驟，非常適合初學者！
👉 **[從範例開始](examples/README.md)** 👈
## 課程
## 課程內容
|![ 由 @sketchthedocs 繪製手繪筆記 https://sketchthedocs.dev](../../translated_images/zh-HK/00-Roadmap.4905d6567dff4753.webp)|
|![ 由 @sketchthedocs https://sketchthedocs.dev 繪製的手繪筆記](../../translated_images/zh-HK/00-Roadmap.4905d6567dff4753.webp)|
|:---:|
| 資料科學初學者路線圖 - _手繪筆記由 [@nitya](https://twitter.com/nitya) 製作_ |
| 初學者資料科學路線圖 - _手繪筆記作者 [@nitya](https://twitter.com/nitya)_ |
| 課程編號 | 主題 | 課程分類 | 學習目標 | 連結課程 | 作者 |
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 課程編號 | 主題 | 課程群組 | 學習目標 | 連結課程 | 作者 |
| :-------: | :---------------------------------------: | :-------------------------------------------: | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------------: | :----: |
| 01 | 定義資料科學 | [介紹](1-Introduction/README.md) | 了解資料科學的基本概念及其與人工智能、機器學習和大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 資料科學倫理學 | [介紹](1-Introduction/README.md) | 資料倫理概念、挑戰和框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 02 | 資料科學倫理 | [介紹](1-Introduction/README.md) | 資料倫理概念、挑戰與框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 定義資料 | [介紹](1-Introduction/README.md) | 資料如何分類及其常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 統計與機率入門 | [介紹](1-Introduction/README.md) | 介紹機率與統計的數學技巧，用以理解資料。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 使用關聯式資料庫 | [資料操作](2-Working-With-Data/README.md) | 介紹關聯式資料及結構化查詢語言（SQL，發音為“see-quell”） 基本探索與分析技巧。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | 使用 NoSQL 資料 | [資料操作](2-Working-With-Data/README.md) | 介紹非關聯式資料及其各種型態，以及文件資料庫的探索與分析基礎。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 04 | 統計與機率導論 | [介紹](1-Introduction/README.md) | 使用數學方法機率與統計來理解資料。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 處理關聯資料 | [資料操作](2-Working-With-Data/README.md) | 介紹關聯資料及使用結構化查詢語言（SQL，讀作“see-quell”）探索與分析關聯資料的基礎。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | 處理 NoSQL 資料 | [資料操作](2-Working-With-Data/README.md) | 介紹非關聯資料、其各種類型及探索與分析文件資料庫的基礎。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | 使用 Python | [資料操作](2-Working-With-Data/README.md) | 使用 Python 及 Pandas 等函式庫進行資料探索的基礎。建議具備 Python 程式設計基礎。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 資料準備 | [資料操作](2-Working-With-Data/README.md) | 資料清理與轉換技巧，處理缺失、不準確或不完整資料的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 視覺化數量 | [資料視覺化](3-Data-Visualization/README.md) | 使用 Matplotlib 視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 視覺化資料分布 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化觀察值及趨勢於區間內。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 視覺化比例 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化離散及群組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 視覺化關係 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化資料及其變數間的連結及相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 有意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 運用技巧與指導，使視覺化對於有效問題解決與洞察有價值。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 資料科學生命週期導論 | [生命週期](4-Data-Science-Lifecycle/README.md) | 介紹資料科學生命週期及其第一步──資料獲取與萃取。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 資料分析 | [生命週期](4-Data-Science-Lifecycle/README.md) | 生命週期中著重於資料分析的技術。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | 溝通呈現 | [生命週期](4-Data-Science-Lifecycle/README.md) | 著重呈現資料洞察，以方便決策者理解資料。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 介紹雲端資料科學及其優點。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 及 [Maud](https://twitter.com/maudstweets) |
| 18 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用低程式碼工具訓練模型。 |[課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 及 [Maud](https://twitter.com/maudstweets) |
| 19 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 及 [Maud](https://twitter.com/maudstweets) |
| 20 | 實務資料科學 | [實務應用](6-Data-Science-In-Wild/README.md) | 真實世界中由資料科學驅動的專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 08 | 資料準備 | [資料操作](2-Working-With-Data/README.md) | 清理與轉換資料的技巧，以處理缺失、不準確或不完整資料的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 數量視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 學習使用 Matplotlib 對鳥類資料進行視覺化 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 分布視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化區間內的觀察值與趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 比例視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化離散及分組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 關係視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化資料集及其變數之間的連結與相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 有意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 製作有效解決問題與提供洞察的有價值視覺化技巧與指引。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 資料科學生命週期導論 | [生命週期](4-Data-Science-Lifecycle/README.md) | 介紹資料科學生命週期及其第一步驟——取得與擷取資料。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 分析 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期中專注於分析資料的階段。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | 溝通 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期中聚焦於將資料洞察以決策者易於理解的方式呈現的階段。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 這系列課程介紹雲端資料科學及其優勢。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 18 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用低代碼工具訓練模型。 |[課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 19 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 20 | 實務資料科學 | [實務應用](6-Data-Science-In-Wild/README.md) | 真實世界中的資料科學專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
請依照以下步驟在 Codespace 中開啟此範例：
1. 點擊「Code」下拉選單，選擇「Open with Codespaces」。
2. 在右側窗格底部選擇「+ New codespace」。
請依下列步驟在 Codespace 打開此範例：
1. 點擊 Code 下拉選單，選擇 Open with Codespaces 選項。
2. 在側欄底部選擇 + New codespace。
更多資訊請參考 [GitHub 文件](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
## VSCode 遠端 - 容器
請依照以下步驟，使用本機電腦與 VSCode 以及 VS Code Remote - Containers 擴充功能，在容器中開啟此儲存庫：
## VSCode Remote - Containers
請依下列步驟使用本機與 VSCode 的 Remote - Containers 擴充功能在容器中開啟此版本庫：
1. 如是第一次使用開發容器，請確定系統符合前置需求（例如安裝 Docker），詳見[快速入門文件](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
1. 若您是首次使用開發容器，請確保系統符合前置條件（例如已安裝 Docker），詳見[入門文件](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
使用此儲存庫，可選擇於獨立 Docker 卷中開啟儲存庫：
使用此版本庫，您可以選擇以獨立 Docker 卷打開：
**注意**：底層會執行 Remote-Containers: **Clone Repository in Container Volume...** 指令，將原始碼複製到 Docker 卷而非本機檔案系統。[卷](https://docs.docker.com/storage/volumes/) 是持久化容器資料的推薦方式。
**注意**：底層將使用 Remote-Containers 的 **Clone Repository in Container Volume...** 命令，將原始碼克隆至 Docker 卷而非本地檔案系統。[卷](https://docs.docker.com/storage/volumes/) 為持久化容器資料的首選。
或開啟本機已克隆或下載版本的儲存庫：
或者打開本地克隆或下載的版本庫：
- 將此儲存庫克隆到本機檔案系統。
- 按 F1，選擇 **Remote-Containers: Open Folder in Container...** 指令。
- 選擇克隆後的資料夾，等待容器啟動，開始操作。
- 將此版本庫克隆至本地檔案系統。
- 按 F1 並選擇 **Remote-Containers: Open Folder in Container...** 命令。
- 選取克隆資料夾，等待容器啟動後開始使用。
## 離線存取
您可使用 [Docsify](https://docsify.js.org/#/) 離線瀏覽此文件。請先 fork 此儲存庫，[安裝 Docsify](https://docsify.js.org/#/quickstart) 至本機，然後在此儲存庫根目錄輸入 `docsify serve`。網站會在本機的 3000 埠提供服務：`localhost:3000`。
您可使用 [Docsify](https://docsify.js.org/#/) 離線閱讀本文件。請分支（fork）此版本庫，於本機安裝 Docsify，並於此版本庫根目錄下執行 `docsify serve`。網站將於本地執行於 3000 端口：`localhost:3000`。
> 注意，使用 Docsify 不會呈現筆記本檔案，需時請另以 VS Code 執行 Python 核心來執行筆記本。
> 注意，notebook 不會透過 Docsify 呈現，當需執行 notebook 時，請在 VS Code 中用 Python kernel 獨立執行。
## 其他課程
我們團隊還有其他課程！請參考：
我們團隊也製作其他課程！請參考：
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain4j 初學者指南](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 for Beginners](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)
[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / 代理人
### 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 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)
@ -206,7 +208,7 @@
---
### 生成式人工智能系列
### 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)
@ -231,21 +233,21 @@
[![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 -->
## 獲取幫助
## 獲取支援
**遇到問題？** 請查看我們的 [疑難排解指南](TROUBLESHOOTING.md)，了解常見問題的解決方案。
**遇到問題嗎？** 請查看我們的 [故障排除指南](TROUBLESHOOTING.md)，以解決常見問題。
如果您遇到困難或對構建 AI 應用有任何疑問，歡迎加入與其他學習者及有經驗的開發人員一起討論 MCP 的社群。在這裡，問題被歡迎，並且知識自由分享。
如果你遇到困難或有任何建立 AI 應用程式的問題，歡迎加入學習者和經驗豐富的開發者社群，一同討論 MCP。這是一個支持互助的社區，歡迎提出問題並自由分享知識。
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
如果您在開發過程中有產品反饋或遇到錯誤，請訪問：
如果你有產品反饋或在開發中遇到錯誤，請訪問：
[![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 -->
**免責聲明**：
此文件經由 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯。儘管我們致力於確保準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的本地語言版本應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。本公司不對因使用此翻譯而引起的任何誤解或誤釋承擔責任。
**免責聲明**：
本文件使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的本地語言版本應視為權威資料。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而引致的任何誤解或誤釋承擔責任。
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

4
translations/zh-MO/.co-op-translator.json
Unescape View File

@ -360,8 +360,8 @@
"language_code": "zh-MO"
},
"README.md": {
"original_hash": "8ec92ecfeb14923af733851239552146",
"translation_date": "2026-01-30T01:16:57+00:00",
"original_hash": "9204a2806964384a56f5cb0f22bbe953",
"translation_date": "2026-02-06T07:37:10+00:00",
"source_file": "README.md",
"language_code": "zh-MO"
},

214
translations/zh-MO/README.md
Unescape View File

@ -1,4 +1,4 @@
# 資料科學初學者課程
# Data Science for Beginners - 一份課程大綱
[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
@ -17,186 +17,186 @@
[![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)
微軟 Azure Cloud 擁護者很高興提供一個為期 10 週、包含 20 課的全方位資料科學課程。每課包含課前和課後測驗、完成課程的書面指引、解答以及作業。我們基於專案的教學法讓你藉由實作學習，是個有效幫助新技能「紮根」的方法。
微軟 Azure Cloud Advocates 很高興能提供一份為期 10 週、包含 20 課的資料科學課程大綱。每課都包含課前及課後小測、完成課程的文字指示、解答及作業。我們以專案為本的教學法讓你在實作中學習，這是讓新技能紮根的有效方式。
**特別感謝我們的作者：** [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)。
**誠摯感謝我們的作者：** [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)。
**🙏 特別感謝 🙏 我們的 [Microsoft 學生大使](https://studentambassadors.microsoft.com/) 作者、審稿者與內容貢獻者，** 特別感謝 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/)
**🙏 特別感謝 🙏 我們的 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) 作者、審核者及內容貢獻者，** 包括 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 繪製筆記 https://sketchthedocs.dev](../../translated_images/zh-MO/00-Title.8af36cd35da1ac55.webp)|
|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/zh-MO/00-Title.8af36cd35da1ac55.webp)|
|:---:|
| 資料科學初學者 - _由 [@nitya](https://twitter.com/nitya) 繪製筆記_ |
| 初學者資料科學 - _手繪筆記由 [@nitya](https://twitter.com/nitya) 製作_ |
### 🌐 多語言支援
#### 透過 GitHub Action 支援（自動且持續更新）
<!-- 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-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](./README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../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)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
[阿拉伯語](../ar/README.md) | [孟加拉語](../bn/README.md) | [保加利亞語](../bg/README.md) | [緬甸語（Myanmar）](../my/README.md) | [中文（簡體）](../zh-CN/README.md) | [中文（繁體，香港）](../zh-HK/README.md) | [中文（繁體，澳門）](./README.md) | [中文（繁體，臺灣）](../zh-TW/README.md) | [克羅地亞語](../hr/README.md) | [捷克語](../cs/README.md) | [丹麥語](../da/README.md) | [荷蘭語](../nl/README.md) | [愛沙尼亞語](../et/README.md) | [芬蘭語](../fi/README.md) | [法語](../fr/README.md) | [德語](../de/README.md) | [希臘語](../el/README.md) | [希伯來語](../he/README.md) | [印地語](../hi/README.md) | [匈牙利語](../hu/README.md) | [印尼語](../id/README.md) | [義大利語](../it/README.md) | [日語](../ja/README.md) | [坎納達語](../kn/README.md) | [韓語](../ko/README.md) | [立陶宛語](../lt/README.md) | [馬來語](../ms/README.md) | [馬拉雅拉姆語](../ml/README.md) | [馬拉地語](../mr/README.md) | [尼泊爾語](../ne/README.md) | [尼日利亞皮欽語](../pcm/README.md) | [挪威語](../no/README.md) | [波斯語（法爾西）](../fa/README.md) | [波蘭語](../pl/README.md) | [葡萄牙語（巴西）](../pt-BR/README.md) | [葡萄牙語（葡萄牙）](../pt-PT/README.md) | [旁遮普語（Gurmukhi）](../pa/README.md) | [羅馬尼亞語](../ro/README.md) | [俄語](../ru/README.md) | [塞爾維亞語（西里爾字母）](../sr/README.md) | [斯洛伐克語](../sk/README.md) | [斯洛文尼亞語](../sl/README.md) | [西班牙語](../es/README.md) | [斯瓦希里語](../sw/README.md) | [瑞典語](../sv/README.md) | [他加祿語（菲律賓語）](../tl/README.md) | [泰米爾語](../ta/README.md) | [泰盧固語](../te/README.md) | [泰語](../th/README.md) | [土耳其語](../tr/README.md) | [烏克蘭語](../uk/README.md) | [烏爾都語](../ur/README.md) | [越南語](../vi/README.md)
> **較喜歡本機複製？**
> **想要本地克隆？**
> 此倉庫包含超過 50 種語言的翻譯，會極大增加下載大小。若要在無翻譯之情況下複製，可使用稀疏檢出：
> 本儲存庫包含 50 多種語言翻譯，會大幅增加下載量。若想克隆但不含翻譯，請使用稀疏簽出：
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
> cd Data-Science-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> 這樣你就能快速下載完成課程所需的所有內容。
> 這樣你就可以用更快的下載速度取得所有完成課程所需的資料。
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**若希望有其他語言支援，可參考此處列出的語言 [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**若您希望支持額外語言，請參閱[這裡](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
#### 加入我們的社群
#### 加入我們的社區
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
我們目前舉辦 Discord AI 學習系列，更多詳情及參與請訪問 [Learn with AI Series](https://aka.ms/learnwithai/discord)，活動期間為 2025 年 9 月 18 日至 30 日。你將學到使用 GitHub Copilot 進行資料科學的秘訣與技巧。
我們有正在進行的 Discord AI 學習系列，詳細信息及加入請見 [Learn with AI Series](https://aka.ms/learnwithai/discord)，活動時間為 2025 年 9 月 18 日至 30 日。你將會學習使用 GitHub Copilot 做資料科學的技巧與秘訣。
![Learn with AI series](../../translated_images/zh-MO/1.2b28cdc6205e26fe.webp)
# 你是學生嗎？
可以從以下資源開始：
請先從以下資源開始：
- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁你會找到初學者資源、學生包甚至取得免費認證券的方法。這頁是你必須收藏並定期查看的，因為我們至少每月會更新內容。
- [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球的學生大使社群，這可能是你加入微軟的途徑。
- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 這頁面提供初學者資源、學生套件，甚至獲取免費認證券的途徑。這頁值得收藏並偶爾回來看看，因為內容每月至少調整一次。
- [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，有可能是踏入微軟的契機。
# 開始使用
# 上手指南
## 📚 文件
- **[安裝指南](INSTALLATION.md)** - 初學者逐步設定說明
- **[安裝指南](INSTALLATION.md)** - 初學者一步步安裝教學
- **[使用指南](USAGE.md)** - 範例與常見工作流程
- **[問題排除](TROUBLESHOOTING.md)** - 常見問題解決方案
- **[貢獻指南](CONTRIBUTING.md)** - 如何貢獻此專案
- **[給教師](for-teachers.md)** - 教學指引與課堂資源
- **[疑難排解](TROUBLESHOOTING.md)** - 常見問題解決方案
- **[貢獻指南](CONTRIBUTING.md)** - 如何對本專案做出貢獻
- **[教師資源](for-teachers.md)** - 教學指導與課堂資料
## 👨‍🎓 給學生
> **完全初學者**：對資料科學不熟悉？從我們的[初學者範例](examples/README.md)開始！這些簡單且有詳解的範例會幫助你先理解基礎，再逐步學習完整課程。
> **[學生們](https://aka.ms/student-page)**：若想自行使用本課程，請 fork 整個倉庫並自行完成練習，先從課前測驗開始。然後閱讀講義並完成其他活動。盡量透過理解課程內容來製作專案，而非直接複製解答代碼，但各專案導向課程中在 /solutions 資料夾能找到解答代碼。另一個方法是與朋友組成讀書會一起研讀內容。若想更進一步，我們推薦 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
## 👨‍🎓 學生專區
> **完全初學者**: 資料科學新手？請先從我們的[初學者友好範例](examples/README.md)開始！這些簡單且詳細註解的範例將幫助你在深入全課程前掌握基礎。
> **[學生們](https://aka.ms/student-page)**：欲自行使用課程，請 fork 整個倉庫並依序完成練習，從課前小測開始。閱讀講義並完成後續活動。建議以理解課程內容的方式完成專案，而非直接抄寫解答；不過每一專案導向課程的 /solutions 資料夾有完整解答碼。你也可以與朋友組成讀書會，共同研讀。欲進一步學習，我們推薦[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
**快速開始：**
1. 查看 [安裝指南](INSTALLATION.md) 設定你的環境
2. 閱讀 [使用指南](USAGE.md) 學習如何使用課程
3. 從第 1 課開始，依序學習
4. 加入我們的 [Discord 社群](https://aka.ms/ds4beginners/discord) 尋求支援
1. 查看[安裝指南](INSTALLATION.md)以設置你的環境
2. 閱讀[使用指南](USAGE.md)學習如何使用課程材料
3. 從第一課開始，按順序進行
4. 加入我們的[Discord 社群](https://aka.ms/ds4beginners/discord)尋求幫助
## 👩‍🏫 給教師
## 👩‍🏫 教師專區
> **教師們**：我們有[一些建議](for-teachers.md)幫助你使用本課程。歡迎在我們的[討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions)提供反饋！
> **教師們**：我們提供了[一些教學建議](for-teachers.md)，歡迎您在[討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions)留下您的反饋！
## 認識團隊
[![宣傳影片](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "宣傳影片")
[![推廣影片](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "推廣影片")
**Gif 由** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) 製作
**動圖製作者** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
> 🎥 點擊上方圖片觀看介紹這個專案及創作者的影片！
> 🎥 點擊上方圖片觀看關於此專案與創建團隊的影片！
## 教學法
我們在設計這個課程時選擇了兩個教學原則：確保課程以專案為基礎，並包含頻繁的小測驗。在這個系列結束時，學生將學會基本的資料科學原理，包括倫理概念、資料準備、不同的資料處理方式、資料視覺化、資料分析、資料科學的實際應用案例等。
在建立本課程時，我們選擇了兩個教學原則：確保課程以專案為基礎，並且包含頻繁的小測驗。透過這系列課程，學生將學習數據科學的基本原理，包括倫理概念、數據準備、不同的數據處理方式、數據視覺化、數據分析、數據科學的實際案例等等。
此外，課前的小測驗能設定學生學習主題的意圖，而課後的第二次測驗則有助於加深記憶。這套課程設計靈活有趣，可以全程或部分進行。專案從小型開始，隨著十週學習周期結束而漸趨複雜。
此外，課前一個低風險的小測驗能幫助學生設定學習該主題的目標，課後的第二個小測驗則確保更好的記憶與吸收。本課程設計靈活且充滿趣味，可全部或部分進行。專案從小規模開始，逐漸變得更為複雜，直至10週的學習周期結束。
> 請參閱我們的 [行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性回饋！
> 查閱我們的[行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)。歡迎您的建設性回饋！
## 每課內容包括：
## 每堂課包含：
- 選擇性手繪筆記
- 選擇性補充影片
- 課前暖身小測驗
- 書面課程內容
- 對於專案為本的課程，提供逐步指南教您如何建構專案
- 知識檢核
- 選擇性的手繪筆記
- 選擇性的補充影片
- 課前熱身小測驗
- 課文講義
- 對於專案式課程，有一步步的專案製作指引
- 知識檢測
- 挑戰題
- 補充閱讀
- 作業
- 補充閱讀資料
- 功課
- [課後小測驗](https://ff-quizzes.netlify.app/en/)
> **關於小測驗的說明**：所有測驗集中於 Quiz-App 資料夾內，共 40 組，每組 3 題。課程中有連結可直接進入，但此測驗應用程式也可以在本機運行或部署到 Azure；請參考 `quiz-app` 資料夾中的說明。測驗正陸續進行本地化。
> **關於測驗的小提示**：所有測驗都收納於 Quiz-App 資料夾，總計40個測驗，每個測驗含三個問題。測驗會從課程中連結，但也可以在本地執行或部署至 Azure；請參考 `quiz-app` 資料夾中的指示。這些測驗正逐步進行本地化。
## 🎓 初學者友善範例
**剛接觸資料科學？** 我們創建了一個特別的[範例目錄](examples/README.md)，內含簡單且註解詳盡的程式碼幫助您入門：
**第一次接觸數據科學？** 我們創建了特別的[範例目錄](examples/README.md)，提供簡單且註解詳盡的程式碼幫助您入門：
- 🌟 **Hello World** - 您的第一個資料科學程式
- 📂 **載入資料** - 學習如何讀取和探索資料集
- 📊 **簡易分析** - 計算統計數據並找出模式
- 📈 **基礎視覺化** - 製作圖表與圖形
- 🔬 **實務專案** - 從開始到完成的完整工作流程
- 🌟 **Hello World** - 您的第一個數據科學程式
- 📂 **資料載入** - 學習讀取並探索資料集
- 📊 **簡單分析** - 計算統計數據並尋找模式
- 📈 **基本視覺化** - 製作圖表與圖形
- 🔬 **實務專案** - 從頭到尾完成工作流程
每個範例都有詳細註釋解釋每個步驟，超適合零基礎新手！
每個範例都包含詳盡的註解說明每一步，非常適合完全的新手！
👉 **[從範例開始學習](examples/README.md)** 👈
👉 **[從範例開始](examples/README.md)** 👈
## 課程目錄
## 課程
|![ 手繪筆記由 @sketchthedocs https://sketchthedocs.dev](../../translated_images/zh-MO/00-Roadmap.4905d6567dff4753.webp)|
|![ @sketchthedocs 的手繪筆記 https://sketchthedocs.dev](../../translated_images/zh-MO/00-Roadmap.4905d6567dff4753.webp)|
|:---:|
| 資料科學初學者路線圖 - _手繪筆記由 [@nitya](https://twitter.com/nitya)_ |
| 初學者數據科學課程地圖 - _手繪筆記由 [@nitya](https://twitter.com/nitya) 製作_ |
| 課程編號 | 主題 | 課程分類 | 學習目標 | 連結課程 | 作者 |
| :------: | :----------------------------------------: | :-----------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 01 | 定義資料科學 | [介紹](1-Introduction/README.md) | 了解資料科學的基本概念與其與人工智慧、機器學習、大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 資料科學倫理 | [介紹](1-Introduction/README.md) | 資料倫理的概念、挑戰與框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 定義資料 | [介紹](1-Introduction/README.md) | 資料分類及其常見來源的介紹。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 統計與機率入門 | [介紹](1-Introduction/README.md) | 運用機率與統計的數學技巧理解資料。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 處理關聯式資料 | [資料處理](2-Working-With-Data/README.md) | 關聯式資料介紹及使用結構化查詢語言 SQL（發音為“see-quell”）探索與分析關聯式資料基礎。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | 處理非關聯式資料 | [資料處理](2-Working-With-Data/README.md) | 非關聯式資料及其各類型介紹，並介紹探索與分析文件資料庫的基本。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) |
| 07 | 使用 Python | [資料處理](2-Working-With-Data/README.md) | 使用 Python 及 Pandas 等函式庫進行資料探索基礎。建議具備 Python 程式設計基礎。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 資料準備 | [資料處理](2-Working-With-Data/README.md) | 資料清理與轉換的技巧，處理遺漏、不準確或不完整資料的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 資料數量視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 學習使用 Matplotlib 視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 資料分布視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 觀察並視覺化區間內的趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 比例視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化離散與分組百分比資料。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 關聯視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化不同資料集及變數間的連結與相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 有意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 提供製作有助於有效解決問題與洞察的視覺化技術與指導。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 資料科學生命週期入門 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期介紹及資料獲取與萃取的第一步。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 分析階段 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期中專注於資料分析的技術階段。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | 溝通階段 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期中專注於以易於決策者理解的方式呈現資料洞察的階段。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 17 | 雲端資料科學 | [雲資料](5-Data-Science-In-Cloud/README.md) | 介紹雲端資料科學及其優勢。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 18 | 雲端資料科學 | [雲資料](5-Data-Science-In-Cloud/README.md) | 使用低程式碼工具訓練模型。 |[課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 19 | 雲端資料科學 | [雲資料](5-Data-Science-In-Cloud/README.md) | 使用 Azure 機器學習工作室部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 20 | 野外資料科學 | [野外](6-Data-Science-In-Wild/README.md) | 真實世界中資料科學驅動的專案案例。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 01 | 定義數據科學 | [介紹](1-Introduction/README.md) | 了解數據科學背後的基本概念，以及其與人工智能、機器學習及大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 數據科學倫理 | [介紹](1-Introduction/README.md) | 數據倫理概念、挑戰和框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 定義數據 | [介紹](1-Introduction/README.md) | 瞭解數據如何分類及其常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 統計與機率導論 | [介紹](1-Introduction/README.md) | 使用機率與統計數學技術來理解數據。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 使用關聯式數據 | [資料操作](2-Working-With-Data/README.md) | 介紹關聯式數據及如何使用結構化查詢語言(SQL，發音「see-quell」)來探索和分析關聯式資料的基礎。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | 使用 NoSQL 數據 | [資料操作](2-Working-With-Data/README.md) | 介紹非關聯式數據、各類型別以及如何探索和分析文件型資料庫的基礎。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) |
| 07 | 使用 Python | [資料操作](2-Working-With-Data/README.md) | 使用 Python 及如 Pandas 等函式庫進行數據探索的基礎。建議具備 Python 程式設計基礎。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 數據準備 | [資料操作](2-Working-With-Data/README.md) | 涵蓋清理與轉換數據的技術，應對遺失、不準確及不完整數據的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 量化視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 學習如何使用 Matplotlib 視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 數據分布視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 視覺化區間內的觀察與趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 比例視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 視覺化離散與群組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 關係視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 視覺化資料集及其變數間的連結與關聯。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 有意義的視覺化 | [數據視覺化](3-Data-Visualization/README.md) | 製作有效解決問題與洞察的有價值視覺化的技巧與指導。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 數據科學生命週期導論 | [生命週期](4-Data-Science-Lifecycle/README.md) | 介紹數據科學生命週期及其首步──獲取與擷取數據。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 分析階段 | [生命週期](4-Data-Science-Lifecycle/README.md) | 數據科學生命週期中專注於分析數據的階段技巧。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | 溝通階段 | [生命週期](4-Data-Science-Lifecycle/README.md) | 數據科學生命週期中專注於以便於決策者理解的方式呈現數據洞察的階段。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 17 | 雲端數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 介紹雲端數據科學及其優勢的系列課程。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 及 [Maud](https://twitter.com/maudstweets) |
| 18 | 雲端數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 使用 Low Code 工具訓練模型。 | [課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 及 [Maud](https://twitter.com/maudstweets) |
| 19 | 雲端數據科學 | [雲端數據](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 及 [Maud](https://twitter.com/maudstweets) |
| 20 | 真實世界的數據科學 | [真實世界](6-Data-Science-In-Wild/README.md) | 真實世界中由數據科學驅動的專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
請依照以下步驟在 Codespace 中開啟此範例：
1. 點擊 Code 下拉選單並選擇 Open with Codespaces 選項。
2. 在窗格底部選擇 + New codespace。
更多資訊請參閱 [GitHub 文件](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
## VSCode 遠端 - Containers
請依照下列步驟使用本機電腦與 VSCode 搭配 VS Code Remote - Containers 延伸套件在容器中開啟此專案：
請依照以下步驟以 Codespace 開啟此範例：
1. 點擊 Code 下拉選單並選擇 Open with Codespaces。
2. 在側邊欄底部選擇 + New codespace。
更多資訊請參見 [GitHub 文件](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
1. 若是首次使用開發容器，請確保系統符合前置需求（例如已安裝 Docker），參考 [入門文檔](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
## VSCode Remote - Containers
請依照以下步驟，透過本機與 VSCode 並利用 VS Code Remote - Containers 擴充功能，在容器中開啟此儲存庫：
使用此專案有兩種方法：
1. 若首次使用開發容器，請確認系統符合先決條件（例如已安裝 Docker），詳見[入門文件](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
您可直接在隔離的 Docker 卷中打開資料庫：
使用此儲存庫，可選擇以隔離的 Docker 磁碟區開啟：
**注意**：此方式底層會使用 Remote-Containers: **Clone Repository in Container Volume...** 指令，將原始碼克隆到 Docker 卷，而非本地檔案系統。[卷](https://docs.docker.com/storage/volumes/) 是保留容器資料的推薦方式。
**注意**：背後將使用 Remote-Containers: **Clone Repository in Container Volume...** 指令，在 Docker 磁碟區克隆原始碼，而非使用本地檔案系統。[Volumes](https://docs.docker.com/storage/volumes/) 是持久化容器數據的推薦方式。
或是打開本地克隆或下載的專案版本：
或開啟本地克隆或下載的儲存庫版本：
- 將此專案克隆至本地。
- 將儲存庫克隆至本機檔案系統。
- 按 F1 並選擇 **Remote-Containers: Open Folder in Container...** 指令。
- 選擇剛剛克隆的資料夾，等待容器啟動後開始操作。
- 選擇該資料夾的複本，等候容器啟動後開始試用。
## 離線使用
## 離線存取
您可以使用 [Docsify](https://docsify.js.org/#/) 離線查看此文件。請先分叉此儲存庫，並在本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此儲存庫根目錄輸入 `docsify serve`。網站會在本機的 3000 端口啟動：`localhost:3000`。
您可以透過使用 [Docsify](https://docsify.js.org/#/) 離線瀏覽此文件。請先分叉此儲存庫，[在本機安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此儲存庫根目錄輸入 `docsify serve`。網站將在本機的3000埠運行：`localhost:3000`。
> 注意，筆記本不會由 Docsify 呈現，因此要執行筆記本時請在 VS Code 中使用 Python 核心另行執行。
> 注意，使用 Docsify 時不會渲染筆記本內容，若需執行筆記本，請在 VS Code 中透過 Python 核心另行執行。
## 其他課程
我們團隊還有其他課程！請參考：
我們的團隊也提供其他課程！敬請參考：
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain4j 初學者指南](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 for Beginners](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)
[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
@ -207,7 +207,7 @@
---
### Generative AI Series
### 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)
@ -215,7 +215,7 @@
---
### Core Learning
### 核心學習
[![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)
@ -226,21 +226,21 @@
---
### Copilot Series
### 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 -->
## Getting Help
## 獲取幫助
**遇到問題嗎？** 請參閱我們的[疑難排解指南](TROUBLESHOOTING.md)以獲得常見問題的解決方案。
**遇到問題？** 請查看我們的[故障排除指南](TROUBLESHOOTING.md)，以獲取常見問題的解決方案。
如果您在構建 AI 應用時遇到困難或有任何疑問，歡迎加入其他學習者和有經驗的開發者的討論。這是一個支持性的社群，歡迎提問並自由分享知識。
如果你卡住了或者對構建 AI 應用有任何疑問，加入其他學習者和有經驗的開發者，一起討論 MCP。這是一個支援性強的社群，歡迎提問並自由分享知識。
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
如果您在開發過程中有產品反饋或遇到錯誤，請訪問：
如果你在構建過程中有產品反饋或發現錯誤，請訪問：
[![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)
@ -248,5 +248,5 @@
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**免責聲明**：
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於確保準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為具權威性的資料來源。關於重要資訊，建議採用專業人工翻譯。我們不對因使用此翻譯而產生的任何誤解或誤釋承擔責任。
本文件由人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻譯而成。雖然我們致力於確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用本翻譯而產生的任何誤解或誤釋概不負責。
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

4
translations/zh-TW/.co-op-translator.json
Unescape View File

@ -360,8 +360,8 @@
"language_code": "zh-TW"
},
"README.md": {
"original_hash": "8ec92ecfeb14923af733851239552146",
"translation_date": "2026-01-30T01:19:54+00:00",
"original_hash": "9204a2806964384a56f5cb0f22bbe953",
"translation_date": "2026-02-06T07:40:51+00:00",
"source_file": "README.md",
"language_code": "zh-TW"
},

246
translations/zh-TW/README.md
Unescape View File

@ -1,4 +1,4 @@
# 初學者資料科學課程大綱
# 資料科學初學者課程
[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
@ -17,238 +17,238 @@
[![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)
微軟 Azure 雲端倡導者很高興提供一個為期 10 週、共 20 節的資料科學課程。每堂課包含課前和課後測驗、完成課程的書面指南、解答以及作業。我們採用以專案為基礎的教學法，讓你在實作中學習，這是一種讓新技能穩固吸收的有效方式。
微軟的 Azure Cloud Advocates 很高興提供一套為期 10 週，共 20 課的資料科學課程。每課都包含課前和課後的小測驗、完成課程的書面指導、解答和作業。我們採用以專案為基礎的教學方法，讓您在學習中實作，加強新技能的吸收。
**衷心感謝我們的作者們：** [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)。
**衷心感謝我們的作者：** [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)。
**🙏 特別感謝 🙏 我們的 [Microsoft 學生大使](https://studentambassadors.microsoft.com/) 作者、審查員與內容貢獻者，** 主要包括 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/)
**🙏 特別感謝 🙏 我們的 [Microsoft 學生大使](https://studentambassadors.microsoft.com/) 作者、審閱者和內容貢獻者，** 包括 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/zh-TW/00-Title.8af36cd35da1ac55.webp)|
|:---:|
| 初學者資料科學 - _圖解筆記由 [@nitya](https://twitter.com/nitya) 製作_ |
| 資料科學初學者 - _手繪筆記 由 [@nitya](https://twitter.com/nitya) 提供_ |
### 🌐 多語系支援
### 🌐 多語言支援
#### 透過 GitHub Action 支援（自動且隨時更新）
#### 透過 GitHub Action 支援（自動且保持最新）
<!-- 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-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](./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)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **偏好本機複製？**
> **偏好本地複製？**
> 本儲存庫包含超過 50 種語言翻譯，會大幅增加下載大小。若要在沒有翻譯的情況下複製，請使用稀疏檢出：
> 本儲存庫包含 50 多種語言翻譯，會顯著增加下載大小。若要在無翻譯的情況下進行稀疏檢出，請用 sparse checkout：
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
> cd Data-Science-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> 這樣你會以更快的速度獲得完成課程所需的一切。
> 這樣可讓您以更快的速度取得完成課程所需的內容。
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**如果你希望支援其他翻譯語言，清單列於[這裡](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**如需支援其他翻譯語言，請參考[這裡](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
#### 加入我們的社群
#### 加入我們的社群
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
我們持續進行 Discord 上的 AI 學習系列，詳情請參閱並加入 [Learn with AI Series](https://aka.ms/learnwithai/discord)，活動期間為 2025 年 9 月 18 日至 30 日。你將獲得使用 GitHub Copilot 進行資料科學的技巧與秘訣。
我們正在舉辦 Discord 學習 AI 系列，了解更多並加入我們，活動時間為 2025 年 9 月 18 日至 30 日，詳見 [Learn with AI Series](https://aka.ms/learnwithai/discord)。您將獲得使用 GitHub Copilot 進行資料科學的秘訣與技巧。
![Learn with AI series](../../translated_images/zh-TW/1.2b28cdc6205e26fe.webp)
# 你是學生嗎？
# 您是學生嗎？
請使用以下資源開始：
請從以下資源開始：
- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在這頁你可以找到初學者資源、學生套件，甚至有方式取得免費認證憑證。這是一個你應該收藏並常回訪的網頁，因為我們至少每月更新一次內容。
- [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，這可能是你進入微軟的門路。
- [學生中心頁面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面，您將找到初學者資源、學生套裝包，甚至還有獲取免費認證券的方法。這是一個您想要加入書籤並定期查看的頁面，因為我們每月至少會更新內容一次。
- [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入全球學生大使社群，這可能是您進入微軟的一條途徑。
# 入門指南
# 開始使用
## 📚 文件資源
## 📚 文件說明
- **[安裝指南](INSTALLATION.md)** - 初學者逐步安裝說明
- **[使用指南](USAGE.md)** - 範例與常見工作流程
- **[安裝指南](INSTALLATION.md)** - 初學者逐步設定說明
- **[使用指南](USAGE.md)** - 範例與常用工作流程
- **[故障排除](TROUBLESHOOTING.md)** - 常見問題解決方案
- **[貢獻指南](CONTRIBUTING.md)** - 如何為此專案做出貢獻
- **[教師專用](for-teachers.md)** - 教學指引和課堂資源
- **[貢獻指南](CONTRIBUTING.md)** - 怎麼為此計劃做出貢獻
- **[給教師的指南](for-teachers.md)** - 教學指導與課堂資源
## 👨‍🎓 對學生
## 👨‍🎓 給學生
> **完全初學者**：剛接觸資料科學嗎？從我們的[初學者範例](examples/README.md)開始！這些簡單且有良好註解的範例將幫助您先掌握基礎，然後再深入整個課程。
> **[學生](https://aka.ms/student-page)**：若想自行使用此課程，請先將整個儲存庫分叉，自行完成練習，並從課前小測開始。再閱讀課程內容並完成其他活動。請嘗試透過理解課程內容來創建專案，而非僅複製解答程式碼；不過，每堂專案導向課程的 /solutions 資料夾中亦提供了解答程式碼。另一個想法是與朋友組成學習小組，一同進行內容學習。若想進一步學習，我們推薦[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
> **完全初學者**：對資料科學不熟悉？從我們的[初學者範例](examples/README.md)開始吧！這些簡單且註解完整的範例，能幫助你先了解基礎，再投入完整課程。
> **[學生](https://aka.ms/student-page)**：想自行使用本課程，請將整個儲存庫 fork 一份，自行完成課程活動，從課前測驗開始。然後閱讀課程內容，完成後續練習。嘗試理解課程內容自行建立專案，不要直接複製解答程式碼；不過這些程式碼會放在每個以專案為導向課程的 /solutions 目錄下。另一個想法是與朋友組成學習小組，一起研讀課程內容。進一步學習，建議參考 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
**快速開始：**
1. 參考[安裝指南](INSTALLATION.md)設定你的開發環境
2. 閱讀[使用指南](USAGE.md)了解如何操作課程內容
3. 從第一課開始，依序完成各課
**快速開始:**
1. 查看[安裝指南](INSTALLATION.md)來設定您的環境
2. 參考[使用指南](USAGE.md)了解課程如何使用
3. 從第一課開始，依序完成
4. 加入我們的[Discord 社群](https://aka.ms/ds4beginners/discord)尋求支援
## 👩‍🏫 對教師
## 👩‍🏫 給教師
> **教師們**：我們在[此處](for-teachers.md)提供了一些使用本課程的建議。歡迎你在[討論論壇](https://github.com/microsoft/Data-Science-For-Beginners/discussions)提供回饋！
> **教師們**：我們已經[包含了一些建議](for-teachers.md)供您使用本課程。期待您在[討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions)提供寶貴意見！
## 認識團隊
[![宣傳影片](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "宣傳影片")
[![推廣影片](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "推廣影片")
**Gif 製作者** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
**GIF 製作者** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
> 🎥 點擊上方圖片觀看關於此專案及創作者的影片！
> 🎥 點擊上方圖片觀看有關該專案及其創作者的影片！
## 教學法
我們在建構此課程時選擇了兩個教學原則：確保它是以專案為基礎，並包括頻繁的小測驗。到本系列結束時，學生將學會資料科學的基本原理，包括倫理概念、資料準備、不同的資料處理方式、資料視覺化、資料分析、資料科學的實際案例等。
在建構此課程時，我們選擇了兩個教學理念：確保課程以專案為基礎，並且包含頻繁的測驗。完成此系列課程後，學生將學會資料科學的基本原理，包括倫理概念、資料準備、不同的資料處理方法、資料視覺化、資料分析、資料科學的實際應用案例等。
此外，課前的低壓測驗能設定學生學習主題的意圖，而課後的第二次測驗則確保進一步的記憶鞏固。此課程設計靈活且有趣，可全部或部分學習。專案由簡入深，隨著10週週期的結束逐漸變得複雜。
此外，課前的低壓力測驗可幫助學生設定學習某主題的意圖，而課後第二次測驗則可加強記憶。此課程設計靈活且有趣，可全部或部分修習。專案從簡單開始，到第十週結束時變得越來越複雜。
> 請參閱我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性回饋！
> 請查閱我們的[行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性回饋！
## 每堂課包含：
- 可選擇的手繪筆記
- 可選擇的補充影片
- 課前暖身小測驗
- 可選的速寫筆記
- 可選的補充影片
- 課前熱身測驗
- 書面課程內容
- 以專案為基礎的課程，包含如何逐步構建專案的指南
- 知識檢查
- 挑戰任務
- 專案課程的逐步專案建置指南
- 知識檢測
- 挑戰題
- 補充閱讀
- 作業
- [課後小測驗](https://ff-quizzes.netlify.app/en/)
- [課後測驗](https://ff-quizzes.netlify.app/en/)
> **關於測驗的說明**：所有測驗存放於 Quiz-App 資料夾中，共40個小測驗，每個含三個問題。它們從課程內部連結，但該測驗應用也可以在本地執行或部署到 Azure；請參考 `quiz-app` 資料夾中的指示。正逐步進行在地化。
> **關於測驗的說明**：所有測驗皆包含在 Quiz-App 資料夾內，總共有40個測驗，每個測驗含三個問題。它們在課程中有連結，但測驗應用程式可以在本地運行或部署到 Azure；請依照 `quiz-app` 資料夾中的說明操作。測驗也正在逐步本地化。
## 🎓 初學者友善範例
**資料科學新手？** 我們建立了一個特別的[範例目錄](examples/README.md)，提供簡單且詳細註解的程式碼，幫助你快速上手：
**剛接觸資料科學？** 我們準備了一個特別的[範例目錄](examples/README.md)，包含簡單且註解詳盡的程式碼，幫助你快速入門：
- 🌟 **Hello World** - 你的第一個資料科學程式
- 📂 **載入資料** - 學習讀取與探索資料集
- 📊 **簡單分析** - 計算統計與尋找模式
- 📈 **基本視覺化** - 製作圖表
- 🔬 **真實專案** - 完整流程從頭到尾
- 📈 **基本視覺化** - 製作圖表和圖形
- 🔬 **實際專案** - 完整的工作流程，從頭到尾
每個範例皆附詳細註解說明每一步，適合完全初學者！
每個範例都包含詳細註解說明每個步驟，非常適合完全初學者！
👉 **[從範例開始學習](examples/README.md)** 👈
👉 **[從範例開始](examples/README.md)** 👈
## 課程列表
|![ 由 @sketchthedocs 製作的手繪筆記 https://sketchthedocs.dev](../../translated_images/zh-TW/00-Roadmap.4905d6567dff4753.webp)|
|![ 速寫筆記由 @sketchthedocs 製作 https://sketchthedocs.dev](../../translated_images/zh-TW/00-Roadmap.4905d6567dff4753.webp)|
|:---:|
| 初學資料科學：路線圖 - _手繪筆記由 [@nitya](https://twitter.com/nitya) 製作_ |
| 課程編號 | 主題 | 課程群組 | 學習目標 | 連結課程 | 作者 |
| :-------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 01 | 定義資料科學 | [介紹](1-Introduction/README.md) | 了解資料科學的基本概念及其與人工智慧、機器學習和大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 資料科學倫理 | [介紹](1-Introduction/README.md) | 資料倫理的概念、挑戰與架構。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 定義資料 | [介紹](1-Introduction/README.md) | 資料如何分類及常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 統計與機率入門 | [介紹](1-Introduction/README.md) | 運用機率與統計的數學技術理解資料。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 處理關聯型資料 | [處理資料](2-Working-With-Data/README.md) | 介紹關聯型資料及使用結構化查詢語言（SQL，讀作「see-quell」）探索與分析關聯資料的基礎。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | 處理 NoSQL 資料 | [處理資料](2-Working-With-Data/README.md) | 介紹非關聯資料及其類型，及探索與分析文件型資料庫的基礎。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) |
| 07 | 使用 Python | [處理資料](2-Working-With-Data/README.md) | 使用 Python 與 Pandas 等函式庫進行資料探索的基礎。建議具備 Python 程式設計基礎。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 資料準備 | [處理資料](2-Working-With-Data/README.md) | 資料清理與轉換技術，應對缺失、不準確或不完整資料的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 數量視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 學習用 Matplotlib 來視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 資料分布視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化區間內的觀測與趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 比例視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化離散與分組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 關係視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化資料集及其變數間的連結與關聯。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 有意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 製作具價值且有助於有效問題解決與洞察的視覺化技術與指導。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 資料科學生命週期入門 | [生命週期](4-Data-Science-Lifecycle/README.md) | 介紹資料科學生命週期及其第一步：獲取與萃取資料。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 資料分析 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期中專注於資料分析技術的階段。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | 溝通 | [生命週期](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期中著重於以便於決策者理解的方式呈現資料洞察的階段。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 17 | 雲端中的資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 系列課程介紹雲端資料科學及其優點。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 18 | 雲端中的資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用低代碼工具訓練模型。 |[課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 19 | 雲端中的資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 20 | 實務中的資料科學 | [實務應用](6-Data-Science-In-Wild/README.md) | 實務中由資料科學驅動的專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 初學者資料科學藍圖 - _速寫筆記由 [@nitya](https://twitter.com/nitya) 製作_ |
| 課程編號 | 主題 | 課程群組 | 學習目標 | 相關課程 | 作者 |
| :------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 01 | 定義資料科學 | [介紹](1-Introduction/README.md) | 了解資料科學的基本概念及其與人工智慧、機器學習及大數據的關係。 | [課程](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 資料科學倫理 | [介紹](1-Introduction/README.md) | 探討資料倫理的概念、挑戰與框架。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 定義資料 | [介紹](1-Introduction/README.md) | 資料的分類方法與常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 統計與機率入門 | [介紹](1-Introduction/README.md) | 使用機率與統計的數學技術來理解資料。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 使用關聯式資料 | [資料操作](2-Working-With-Data/README.md) | 介紹關聯式資料，並教授使用結構化查詢語言（SQL，讀作“see-quell”）探索和分析關聯資料的基礎。 | [課程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | 使用 NoSQL 資料 | [資料操作](2-Working-With-Data/README.md) | 介紹非關聯資料、其類型及文檔資料庫的探索與分析基礎。 | [課程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) |
| 07 | 使用 Python | [資料操作](2-Working-With-Data/README.md) | 利用 Pandas 等程式庫進行資料探索的 Python 基礎。建議有 Python 程式基礎。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 資料準備 | [資料操作](2-Working-With-Data/README.md) | 資料清理和轉換技巧，處理缺失、不準確或不完整資料的挑戰。 | [課程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 數量視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 使用 Matplotlib 視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 資料分布視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化區間內的觀察值與趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 比例視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化離散和分組的百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 關係視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化資料集及其變數間的連結和關聯。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 有意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 製作有價值的視覺化，協助有效解決問題和獲得洞見的技巧與指導。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 資料科學生命週期介紹 | [生命週期](4-Data-Science-Lifecycle/README.md) | 介紹資料科學生命週期及其第一步：獲取與提取資料。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 資料分析 | [生命週期](4-Data-Science-Lifecycle/README.md) | 著重於資料科學生命週期中分析資料的技術。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | 溝通 | [生命週期](4-Data-Science-Lifecycle/README.md) | 著重於資料科學生命週期中，以便於決策者理解的方式呈現資料洞見。 | [課程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 17 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 本系列課程介紹雲端資料科學及其優點。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 18 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用低代碼工具訓練模型。 | [課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 19 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用 Azure 機器學習工作室部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 20 | 實地資料科學 | [實地](6-Data-Science-In-Wild/README.md) | 真實世界中資料科學驅動的專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
請依照以下步驟打開此範例於 Codespace：
1. 點擊 Code 下拉選單，選擇「Open with Codespaces」。
2. 在窗格底部選擇「+ New codespace」。
更多資訊請參考 [GitHub 文件](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
請依下列步驟在 Codespace 中開啟此範例：
1. 點擊 Code 下拉選單，選擇「Open with Codespaces」選項。
2. 在畫面底部選擇「+ New codespace」。
欲了解更多資訊，請參閱[GitHub 文件](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
## VSCode 遠端容器
## VSCode Remote - Containers
請依照下列步驟使用 VS Code Remote - Containers 擴充套件，在你的本機和 VSCode 中於容器中開啟此倉庫：
請按照以下步驟，利用你的本機與 VSCode，並使用 VS Code Remote - Containers 擴充功能，將此程式庫開啟於容器中：
1. 若是首次使用開發容器，請確保你的系統已符合前置需求（例如安裝 Docker），詳見[入門文件](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
1. 若你是首次使用開發容器，請確保系統符合[入門文件](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)中所列的先決條件（如安裝 Docker）。
使用此倉庫時，可以選擇在隔離的 Docker 卷中開啟：
使用此程式庫時，可以開啟於獨立的 Docker 卷中：
**注意**：底層會使用 Remote-Containers 的 **Clone Repository in Container Volume...** 指令，將原始碼克隆到 Docker 卷，而非本地檔案系統。[卷](https://docs.docker.com/storage/volumes/) 是持續保存容器資料的首選方式。
**注意**：此操作會在底層執行 Remote-Containers 的 **Clone Repository in Container Volume...** 命令，將原始碼克隆至 Docker 卷，而非本地檔案系統。[卷](https://docs.docker.com/storage/volumes/)是持久化容器資料的推薦機制。
或是開啟本地克隆或下載的倉庫版本：
或者開啟本地已克隆或下載的版本：
- 將此倉庫克隆到本地檔案系統。
- 按 F1 鍵並選擇 **Remote-Containers: Open Folder in Container...** 指令。
- 選擇剛克隆的資料夾，等待容器啟動後即可開始使用。
- 將此程式庫克隆到本地檔案系統。
- 按 F1 鍵並選擇 **Remote-Containers: Open Folder in Container...** 命令。
- 選擇該資料夾的本地克隆版本，等待容器啟動，開始操作。
## 離線使用
## 離線存取
可用 [Docsify](https://docsify.js.org/#/) 離線運行此文件。請 fork 此倉庫，[在本機安裝 Docsify](https://docsify.js.org/#/quickstart)，然後於此倉庫根目錄輸入 `docsify serve`。網站將於本地主機的 3000 埠執行：`localhost:3000`。
你可以透過 [Docsify](https://docsify.js.org/#/) 離線瀏覽本文件。請複製此程式庫，於本地安裝 Docsify，然後在本資料夾根目錄輸入 `docsify serve`。網站將在本地端的 3000 埠執行：`localhost:3000`。
> 注意，筆記本無法經由 Docsify 渲染，需時請另行在 VS Code 中使用 Python 核心運行。
> 注意，筆記本檔案不會透過 Docsify 呈現，因此執行筆記本時，請另行於 VS Code 中啟動 Python 核心執行。
## 其他課程
我們團隊也製作其他課程！歡迎查看：
我們團隊還製作其他課程！請參考：
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j 初學者](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 for Beginners](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)
[![LangChain.js 入門](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)
[![LangChain 入門](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-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 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)
### Azure / Edge / MCP / 代理人
[![AZD 入門](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 入門](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 入門](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 代理人入門](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
[![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)
[![生成式 AI 入門](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)
---
### 核心學習
[![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)
[![機器學習入門](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)
[![資料科學入門](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)
[![人工智慧入門](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)
[![資安入門](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)
[![網頁開發入門](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)
[![物聯網入門](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)
[![擴增實境開發入門](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 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)
### 智能助理系列
[![AI 配對程式設計的智能助理](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)
[![C#/.NET 的智能助理](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)
[![智能助理冒險](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 -->
## 獲取幫助
## 尋求協助
**遇到問題嗎？** 查看我們的[故障排除指南](TROUBLESHOOTING.md)，獲得常見問題的解決方案。
**遇到問題嗎？** 請參考我們的[疑難排解指南](TROUBLESHOOTING.md)以解決常見問題。
如果您卡住或對建立 AI 應用有任何疑問，請加入學習者及資深開發人員的 MCP 討論社群。這是一個支持性強的社群，歡迎提問且自由分享知識。
如果您卡住了或對建立 AI 應用有任何疑問，歡迎加入學習者與經驗豐富的開發者社群，一同討論 MCP。這是一個能自由提問並共享知識的支持性社群。
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
如果您在開發過程中有產品反饋或錯誤，請訪問：
如果您在開發過程中有產品反饋或錯誤回報，請造訪：
[![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 開發者論壇](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 -->
**免責聲明**：
本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 所翻譯而成。雖然我們致力於確保翻譯的準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始語言版本應視為權威且具法律效力的文件。對於關鍵資訊，建議聘請專業人工翻譯。我們不對因使用本翻譯內容而產生的任何誤解或誤譯負責。
本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於確保翻譯的準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的原文版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯所引起的任何誤解或誤譯負責。
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
Write Preview
Loading…
Cancel
Save