# Наука за данни за начинаещи - Учебна програма [](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) [](https://discord.gg/nTYy5BXMWG) [](https://aka.ms/foundry/forum) Облачните адвокати за Azure в Microsoft с удоволствие предлагат 10-седмична, 20-урочна учебна програма, посветена на науката за данни. Всеки урок включва предварителен и последващ тест, писмени инструкции за изпълнение на урока, решение и задачи. Нашата проектно-ориентирана педагогика ви позволява да учите, докато създавате — доказан начин новите умения да се “запаметят”. **Сърдечни благодарности на нашите автори:** [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). **🙏 Специални благодарности 🙏 на нашите [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) автори, рецензенти и съдържателни сътрудници,** по-специално 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/) || |:---:| | Наука за данни за начинаещи - _Скетчнот от [@nitya](https://twitter.com/nitya)_ | ### 🌐 Многоезична поддръжка #### Поддържа се чрез GitHub Action (Автоматизирано и винаги актуално) [Арабски](../ar/README.md) | [Бенгалски](../bn/README.md) | [Български](./README.md) | [Бирмански (Мианмар)](../my/README.md) | [Китайски (опростен)](../zh/README.md) | [Китайски (традиционен, Хонконг)](../hk/README.md) | [Китайски (традиционен, Макао)](../mo/README.md) | [Китайски (традиционен, Тайван)](../tw/README.md) | [Хърватски](../hr/README.md) | [Чешки](../cs/README.md) | [Датски](../da/README.md) | [Нидерландски](../nl/README.md) | [Естонски](../et/README.md) | [Фински](../fi/README.md) | [Френски](../fr/README.md) | [Немски](../de/README.md) | [Гръцки](../el/README.md) | [Иврит](../he/README.md) | [Хинди](../hi/README.md) | [Унгарски](../hu/README.md) | [Индонезийски](../id/README.md) | [Италиански](../it/README.md) | [Японски](../ja/README.md) | [Каннада](../kn/README.md) | [Корейски](../ko/README.md) | [Литовски](../lt/README.md) | [Малайски](../ms/README.md) | [Малаялам](../ml/README.md) | [Маратхи](../mr/README.md) | [Непалски](../ne/README.md) | [Нигерийски пиджин](../pcm/README.md) | [Норвежки](../no/README.md) | [Персийски (Фарси)](../fa/README.md) | [Полски](../pl/README.md) | [Португалски (Бразилия)](../br/README.md) | [Португалски (Португалия)](../pt/README.md) | [Пенджаби (Гурмухи)](../pa/README.md) | [Румънски](../ro/README.md) | [Руски](../ru/README.md) | [Сръбски (кирилица)](../sr/README.md) | [Словашки](../sk/README.md) | [Словенски](../sl/README.md) | [Испански](../es/README.md) | [Свахили](../sw/README.md) | [Шведски](../sv/README.md) | [Тагалог (Филипински)](../tl/README.md) | [Тамилски](../ta/README.md) | [Телугу](../te/README.md) | [Тайландски](../th/README.md) | [Турски](../tr/README.md) | [Украински](../uk/README.md) | [Урду](../ur/README.md) | [Виетнамски](../vi/README.md) **Ако желаете допълнителни преводи, поддържаните езици са изброени [тук](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Присъединете се към нашата общност [](https://discord.gg/nTYy5BXMWG) Провеждаме серия в Discord „Научи се с ИИ“, научете повече и се присъединете към нас на [Научи се с ИИ - серия](https://aka.ms/learnwithai/discord) от 18 - 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за наука за данни.  # Студент ли сте? Започнете с следните ресурси: - [Страница за студентския център](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На тази страница ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен ваучер за сертификация. Това е страница, която си струва да запазите в отметки и да проверявате от време на време, тъй като съдържанието се обновява поне веднъж месечно. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Присъединете се към глобална общност от студентски посланици — това може да бъде вашият път към Microsoft. # Първи стъпки ## 📚 Документация - **[Ръководство за инсталация](INSTALLATION.md)** - Инструкции за настройка стъпка по стъпка за начинаещи - **[Ръководство за използване](USAGE.md)** - Примери и често използвани работни потоци - **[Отстраняване на проблеми](TROUBLESHOOTING.md)** - Решения на често срещани проблеми - **[Ръководство за принос](CONTRIBUTING.md)** - Как да допринесете за този проект - **[За преподаватели](for-teachers.md)** - Насоки за преподаване и ресурси за класната стая ## 👨‍🎓 За студенти > **За напълно начинаещи**: Нов в науката за данни? Започнете с нашите [примери за начинаещи](examples/README.md)! Тези прости, добре коментирани примери ще ви помогнат да разберете основите преди да се потопите в пълната учебна програма. > **[Студенти](https://aka.ms/student-page)**: за да използвате тази учебна програма самостоятелно, направете fork на цялото хранилище и изпълнете упражненията самостоятелно, започвайки с предварителен тест преди лекцията. След това прочетете лекцията и завършете останалите дейности. Опитайте да създавате проектите, като разбирате уроците, вместо да копирате кода за решение; този код обаче е наличен в папките /solutions във всеки уроеко-ориентиран урок. Друга идея е да формирате учебна група с приятели и да преминете през съдържанието заедно. За допълнително обучение препоръчваме [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Бързо начало:** 1. Прегледайте [Ръководството за инсталация](INSTALLATION.md) за настройка на вашата среда 2. Прегледайте [Ръководството за използване](USAGE.md), за да научите как да работите с учебната програма 3. Започнете с Урок 1 и работете последователно 4. Присъединете се към нашата [Discord общност](https://aka.ms/ds4beginners/discord) за подкрепа ## 👩‍🏫 За преподаватели > **Учители**: включили сме [някои предложения](for-teachers.md) за това как да използвате тази учебна програма. Ще се радваме на вашата обратна връзка [във форума ни за дискусии](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! ## Запознайте се с екипа [](https://youtu.be/8mzavjQSMM4 "Рекламен видеоклип") **GIF от** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 Кликнете върху изображението по-горе за видео за проекта хората, които го създадоха! ## Педагогика Ние избрахме две педагогически принципа при изграждането на тази учебна програма: да бъде базирана на проекти и да включва чести тестове. Към края на тази серия, студентите ще са научили основните принципи на науката за данни, включително етични концепции, подготовка на данни, различни начини на работа с данни, визуализация на данни, анализ на данни, реални случаи на използване на науката за данни и още. В допълнение, кратък тест с нисък риск преди урок задава намерението на студента към изучаване на тема, докато втори тест след урока осигурява допълнително запаметяване. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се следва изцяло или частично. Проектите започват малки и стават все по-сложни до края на 10-седмичния цикъл. > Намерете нашите [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) насоки. Ще се радваме на вашата конструктивна обратна връзка! ## Всеки урок включва: - Незадължителен sketchnote - Незадължително допълнително видео - Кратък подгряващ тест преди урока - Писмен урок - За уроци, базирани на проекти, ръководства стъпка по стъпка за изграждане на проекта - Проверки на знанията - Предизвикателство - Допълнително четиво - Задание - [Тест след урока](https://ff-quizzes.netlify.app/en/) > **Бележка относно тестовете**: Всички тестове са събрани в папката Quiz-App, общо 40 теста по три въпроса всеки. Те са свързани от уроците, но приложението за тестове може да се изпълнява локално или да се публикува в Azure; следвайте инструкциите в папката `quiz-app`. Те постепенно се локализират. ## 🎓 Примери за начинаещи **Нов/а в науката за данни?** Създадохме специална [examples directory](examples/README.md) с прост, добре коментиран код, за да ви помогнем да започнете: - 🌟 **Hello World** - Вашата първа програма за наука за данни - 📂 **Loading Data** - Научете как да четете и изследвате набори от данни - 📊 **Simple Analysis** - Изчисляване на статистики и намиране на модели - 📈 **Basic Visualization** - Създаване на диаграми и графики - 🔬 **Real-World Project** - Пълен работен процес от началото до края Всеки пример включва подробни коментари, обясняващи всяка стъпка, което ги прави перфектни за абсолютни начинаещи! 👉 **[Започнете с примерите](examples/README.md)** 👈 ## Уроци || |:---:| | Наука за данни за начинаещи: Пътна карта - _Скетчнот от [@nitya](https://twitter.com/nitya)_ | | Номер на урока | Тема | Група уроци | Учебни цели | Свързан урок | Автор | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Дефиниране на науката за данни | [Въведение](1-Introduction/README.md) | Научете основните концепции зад науката за данни и как тя е свързана с изкуствения интелект, машинното обучение и големите данни. | [урок](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Етика в науката за данни | [Въведение](1-Introduction/README.md) | Концепции за етика на данните, предизвикателства и рамки. | [урок](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Дефиниране на данните | [Въведение](1-Introduction/README.md) | Как се класифицират данните и техните общи източници. | [урок](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Въведение в статистиката и вероятностите | [Въведение](1-Introduction/README.md) | Математическите техники на вероятностите и статистиката за разбиране на данните. | [урок](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | Работа с релационни данни | [Работа с данни](2-Working-With-Data/README.md) | Въведение в релационните данни и основите при изследване и анализ на релационни данни със Structured Query Language, известен още като SQL (произнася се “see-quell”). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Работа с NoSQL данни | [Работа с данни](2-Working-With-Data/README.md) | Въведение в нерелационните данни, техните различни типове и основите при изследване и анализ на документно-ориентирани бази данни. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Работа с Python | [Работа с данни](2-Working-With-Data/README.md) | Основи при използване на Python за изследване на данни с библиотеки като Pandas. Препоръчва се базово разбиране на програмирането с Python. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | Подготовка на данни | [Работа с данни](2-Working-With-Data/README.md) | Теми за техники за почистване и трансформация на данни, за да се справят с липсващи, неточни или непълни данни. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Визуализиране на количества | [Визуализация на данни](3-Data-Visualization/README.md) | Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Визуализиране на разпределенията на данните | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на наблюдения и тенденции в рамките на интервал. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Визуализиране на пропорции | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на дискретни и групирани проценти. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Визуализиране на връзки | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на връзки и корелации между набори данни и техните променливи. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | Смислени визуализации | [Визуализация на данни](3-Data-Visualization/README.md) | Техники и указания за това как да направите визуализациите си полезни за ефективно решаване на проблеми и извличане на знания. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Въведение в жизнения цикъл на науката за данни | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Въведение в жизнения цикъл на науката за данни и първата му стъпка - придобиване и извличане на данни. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Анализ | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данните. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | | 16 | Комуникация | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Тази фаза от жизнения цикъл на науката за данни се фокусира върху представяне на извлечените прозрения от данните по начин, който улеснява разбирането им от вземащите решения. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Наука за данни в облака | [Данни в облака](5-Data-Science-In-Cloud/README.md) | Тази серия от уроци въвежда науката за данни в облака и нейните предимства. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 18 | Наука за данни в облака | [Данни в облака](5-Data-Science-In-Cloud/README.md) | Обучение на модели с помощта на Low Code инструменти. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 19 | Наука за данни в облака | [Данни в облака](5-Data-Science-In-Cloud/README.md) | Разгръщане на модели с Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 20 | Наука за данни в реалния свят | [В реалния свят](6-Data-Science-In-Wild/README.md) | Проекти, задвижвани от науката за данни в реалния свят. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Follow these steps to open this sample in a Codespace: 1. Кликнете върху падащото меню 'Code' и изберете опцията 'Open with Codespaces'. 2. Изберете + New codespace в долната част на панела. For more info, check out the [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers Follow these steps to open this repo in a container using your local machine and VSCode using the VS Code Remote - Containers extension: 1. If this is your first time using a development container, please ensure your system meets the pre-reqs (i.e. have Docker installed) in [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). To use this repository, you can either open the repository in an isolated Docker volume: **Забележка**: Under the hood, this will use the Remote-Containers: **Clone Repository in Container Volume...** command to clone the source code in a Docker volume instead of the local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) are the preferred mechanism for persisting container data. Or open a locally cloned or downloaded version of the repository: - Клонирайте този репозитория на локалната си файлова система. - Натиснете F1 и изберете командата **Remote-Containers: Open Folder in Container...**. - Изберете клонираното копие на тази папка, изчакайте контейнерът да се стартира и опитайте. ## Offline access You can run this documentation offline by using [Docsify](https://docsify.js.org/#/). Fork this repo, [install Docsify](https://docsify.js.org/#/quickstart) on your local machine, then in the root folder of this repo, type `docsify serve`. The website will be served on port 3000 on your localhost: `localhost:3000`. > Забележка, notebook файловете няма да бъдат визуализирани чрез Docsify, така че когато трябва да стартирате notebook, направете това отделно във VS Code, използвайки Python kernel. ## Other Curricula Our team produces other curricula! Check out: ### LangChain [](https://aka.ms/langchain4j-for-beginners) [](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents [](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Серия за генеративен ИИ [](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Основно обучение [](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Серия Copilot [](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Получаване на помощ **Имате проблеми?** Проверете нашето [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md) за решения на често срещани проблеми. Ако се затрудните или имате въпроси относно създаването на AI приложения, присъединете се към други учащи се и опитни разработчици в дискусиите за MCP. Това е подкрепяща общност, в която въпросите са добре дошли и знанието се споделя свободно. [](https://discord.gg/nTYy5BXMWG) Ако имате обратна връзка за продукта или възникнат грешки по време на разработка, посетете: [](https://aka.ms/foundry/forum) --- Отказ от отговорност: Този документ е преведен с помощта на услуга за машинен превод с изкуствен интелект Co-op Translator (https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ в оригиналния си език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, произтичащи от използването на този превод.