# Data Science for Beginners - 課程 [](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://discord.gg/nTYy5BXMWG) [](https://aka.ms/foundry/forum) Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 課的資料科學課程。每堂課包括課前和課後小測驗、完成課堂的書面指引、解答，以及一項作業。我們以專案為本的教學法讓你一邊實作一邊學習，這是讓新技能「更牢靠」的有效方法。 **衷心感謝作者：** [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、審閱者與內容貢獻者，** 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/) || |:---:| | Data Science For Beginners - _速寫筆記 由 [@nitya](https://twitter.com/nitya)_ | ### 🌐 多語言支援 #### 透過 GitHub Action 支援（自動化並保持最新） [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（緬甸）](../my/README.md) | [中文（簡體）](../zh/README.md) | [中文（繁體，香港）](./README.md) | [中文（繁體，澳門）](../mo/README.md) | [中文（繁體，台灣）](../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) | [意大利語](../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) | [奈及利亞皮欽語](../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）](../br/README.md) | [葡萄牙語（葡萄牙）](../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) **如果你希望額外支援其他翻譯語言，請參閱 [此處](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### 加入我們的社群 [](https://discord.gg/nTYy5BXMWG) 我們正在舉辦 Discord 的「與 AI 一起學習」系列，詳情與加入請於 2025 年 9 月 18 日至 30 日，到 [與 AI 一起學習系列](https://aka.ms/learnwithai/discord)。你將會獲得使用 GitHub Copilot 進行資料科學的技巧與秘訣。  # 你是學生嗎？ 從以下資源開始： - [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此頁面，你會找到初學者資源、學生套件，甚至取得免費認證兌換券的方法。這是你應該加書籤並不時查看的一頁，因為我們至少每月會更新內容。 - [Microsoft Learn Student Ambassadors](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 Microsoft 的一條途徑。 # 開始 ## 📚 文件 - **[安裝指南](INSTALLATION.md)** - 針對初學者的逐步環境設定說明 - **[使用指南](USAGE.md)** - 範例與常見工作流程 - **[疑難排解](TROUBLESHOOTING.md)** - 常見問題的解決方法 - **[貢獻指南](CONTRIBUTING.md)** - 如何為此專案做出貢獻 - **[給教師](for-teachers.md)** - 教學指引與課堂資源 ## 👨‍🎓 適用於學生 > **完全初學者**：對資料科學新手？請從我們的 [初學者範例](examples/README.md) 開始！這些簡單且註解詳盡的範例會幫助你在深入完整課程前理解基礎。 > **[學生](https://aka.ms/student-page)**：若要自行使用此課程，請 fork 整個 repo 並自行完成練習，從課前小測驗開始。然後閱讀講義並完成其餘活動。嘗試透過理解課程內容來建立專案，而不是複製解答程式碼；不過，各專案導向課程的 /solutions 資料夾中有該程式碼可供參考。另一個方式是與朋友組成讀書小組，共同研讀內容。欲進一步學習，我們建議參考 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。 **快速開始：** 1. 查看 [安裝指南](INSTALLATION.md) 以設定你的環境 2. 閱讀 [使用指南](USAGE.md) 以了解如何使用本課程 3. 從第 1 課開始並按順序學習 4. 加入我們的 [Discord 社群](https://aka.ms/ds4beginners/discord) 以獲得支援 ## 👩‍🏫 適用於教師 > **教師**：我們在 [for-teachers.md](for-teachers.md) 中包含了一些使用本課程的建議。我們很樂意在 [討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions) 收到你的回饋！ ## 認識團隊 [](https://youtu.be/8mzavjQSMM4 "宣傳影片") **GIF 由** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 點擊上方圖片觀看關於此專案以及創作者的影片！ ## 教學法 我們在建立此課程時選擇了兩個教學原則：確保它以專案為基礎，並且包含頻繁的小測驗。到本系列結束時，學生將學會資料科學的基本原則，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。 此外，課前的一個低風險小測驗能幫助學生設定學習主題的心態，而課後的第二個小測驗則可確保進一步的記憶保留。此課程設計靈活且有趣，可完整修讀或分段學習。專案從小規模開始，並在十週週期結束時逐漸變得更複雜。 > 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) 指南。 我們歡迎你的建設性回饋！ ## 每堂課包括： - 可選的速寫筆記 - 可選的補充影片 - 課前熱身小測驗 - 書面課程 - 針對以專案為主的課程，提供逐步指引教你如何建立專案 - 知識檢核 - 一個挑戰 - 補充閱讀 - 作業 - [課後小測驗](https://ff-quizzes.netlify.app/en/) > **關於小測驗的注意事項**: 所有小測驗都放在 Quiz-App 資料夾中，總共有 40 個小測驗，每個小測驗三題。它們從課程內部連結，但該小測驗應用程式可以在本機執行或部署到 Azure；請遵循 `quiz-app` 資料夾中的指示。這些小測驗正在逐步本地化。 ## 🎓 初學者友善範例 **剛接觸資料科學嗎？** 我們建立了一個特別的 [範例目錄](examples/README.md)，內含簡單且註解完整的程式碼以協助你入門： - 🌟 **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** - 計算統計數據並發現模式 - 📈 **基礎視覺化** - 製作圖表與圖形 - 🔬 **實務專案** - 從頭到尾完成整個工作流程 每個範例都包含詳細註解說明每一步，非常適合完全的新手！ 👉 **[從範例開始](examples/README.md)** 👈 ## 課程 || |:---:| | 給初學者的資料科學：路線圖 - _手繪速寫筆記由 [@nitya](https://twitter.com/nitya) 提供_ | | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | 定義資料科學 | [介紹](1-Introduction/README.md) | 了解資料科學的基本概念，以及它與人工智慧、機器學習與大數據的關係。 | [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 | 統計與機率導論 | [介紹](1-Introduction/README.md) | 運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 | 處理關聯式資料 | [處理資料](2-Working-With-Data/README.md) | 介紹關聯式資料，以及使用結構化查詢語言（SQL，讀作 “see-quell”）探索與分析關聯式資料的基本概念。 | [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) | 介紹非關聯式資料、其各種類型，以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 | [處理資料](2-Working-With-Data/README.md) | 使用 Python 與像 Pandas 的函式庫進行資料探索的基礎。建議具備 Python 程式設計的基礎知識。 | [課程](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | 資料整理 | [處理資料](2-Working-With-Data/README.md) | 涵蓋用於清理與轉換資料的技巧，以處理資料遺失、不準確或不完整等挑戰。 | [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) | 學習如何使用 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 | 視覺化資料分佈 | [資料視覺化](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 | 視覺化比例 | [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 | 視覺化關係 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化資料集合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 | 具意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 製作有助於有效解決問題與獲得洞察的視覺化的技巧與指引。 | [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以及其第一步：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) | 資料科學生命週期的此階段著重於分析資料的技術。 | [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) | 此階段著重於以便於決策者理解的方式呈現資料中的洞察。 | [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點。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [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) and [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) and [Maud](https://twitter.com/maudstweets) | | 20 | 資料科學在實務中 | [在實務中](6-Data-Science-In-Wild/README.md) | 以資料科學為驅動的真實世界專案。 | [課程](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. Click the Code drop-down menu and select the Open with Codespaces option. 2. Select + New codespace at the bottom on the pane. 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: **Note**: 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: - Clone this repository to your local filesystem. - Press F1 and select the **Remote-Containers: Open Folder in Container...** command. - Select the cloned copy of this folder, wait for the container to start, and try things out. ## 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`. > Note, notebooks will not be rendered via Docsify, so when you need to run a notebook, do that separately in VS Code running a 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) --- ### 生成式 AI 系列 [](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) --- ### 核心學習 [](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) --- ### Copilot 系列 [](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) ## 尋求幫助 **遇到問題？** 請查看我們的 [疑難排解指南](TROUBLESHOOTING.md) 以取得常見問題的解決方法。 如果你在建立 AI 應用程式時卡住或有任何問題。歡迎加入 MCP 的其他學習者和具經驗的開發人員，一同參與討論。這是一個互相支持的社群，歡迎提問並自由分享知識。 [](https://discord.gg/nTYy5BXMWG) 如果你在構建過程中有產品反饋或遇到錯誤，請造訪： [](https://aka.ms/foundry/forum) --- 免責聲明： 本文件由 AI 翻譯服務 Co‑op Translator (https://github.com/Azure/co-op-translator) 自動翻譯而成。雖然我們會盡力確保準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件之原文應被視為具權威性的版本。對於重要資訊，建議採用專業人工翻譯。因使用本翻譯而造成的任何誤解或誤釋，我們概不負責。