# 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://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) Azure Cloud Advocates at Microsoft 很高興提供一個為期 10 週、共 20 課的完整資料科學課程。每一課都包含課前與課後小測、完成課程的書面指示、解答以及作業。我們以專案為導向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。 **衷心感謝所有作者：** [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（作者：[ @nitya ](https://twitter.com/nitya)）_ | ### 🌐 多語言支援 #### 透過 GitHub Action 支援（自動且隨時更新） [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](../my/README.md) | [中文（簡體）](../zh/README.md) | [中文（繁體，香港）](../hk/README.md) | [中文（繁體，澳門）](./README.md) | [中文（繁體，臺灣）](../tw/README.md) | [克羅埃西亞語](../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) | [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（古爾穆基）](../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) **如果你希望新增其他翻譯，支援的語言列表請見 [這裡](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### 加入我們的社群 [](https://discord.gg/nTYy5BXMWG) 我們正在舉辦 Discord 的 Learn with AI 系列活動，了解更多並於 2025 年 9 月 18 日至 30 日加入我們，請參閱 [Learn with AI Series](https://aka.ms/learnwithai/discord)。你將會獲得使用 GitHub Copilot 進行資料科學的祕訣與技巧。  # 你是學生嗎？ 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，你會找到給初學者的資源、學生套件，甚至還有獲取免費考照憑證的方式。這是一個你會想要加入書籤並定期查看的頁面，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) 加入一個全球性的學生大使社群，這可能是你進入 Microsoft 的一條途徑。 # 開始使用 ## 📚 文件 - **[Installation Guide](INSTALLATION.md)** - 針對初學者的逐步環境設定說明 - **[Usage Guide](USAGE.md)** - 範例與常見工作流程 - **[Troubleshooting](TROUBLESHOOTING.md)** - 常見問題的解決方法 - **[Contributing Guide](CONTRIBUTING.md)** - 如何為此專案做出貢獻 - **[For Teachers](for-teachers.md)** - 教學建議與課堂資源 ## 👨‍🎓 給學生 > **完全初學者**：剛接觸資料科學嗎？從我們的[初學者友善範例](examples/README.md)開始！這些簡單且有詳盡註解的範例會在你深入完整課程之前，幫助你理解基礎概念。 > **[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，從課前測驗開始。接著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，而非複製解答程式碼；不過，該程式碼可在每個以專案為導向的課程單元的 /solutions 資料夾中找到。另一個做法是與朋友組成讀書小組，一起學習內容。若要深入學習，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. 檢查 [Installation Guide](INSTALLATION.md) 設定你的環境 2. 瀏覽 [Usage Guide](USAGE.md) 以了解如何使用此課程 3. 從第 1 課開始，並依序完成 4. 加入我們的 [Discord 社群](https://aka.ms/ds4beginners/discord) 以獲得支援 ## 👩‍🏫 給老師 > **教師**：我們在 [for-teachers.md](for-teachers.md) 中包含了一些如何使用此課程的建議。我們很期待您在 [討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions) 提供回饋！ ## 認識團隊 [](https://youtu.be/8mzavjQSMM4 "宣傳影片") **Gif 製作：** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 按上方圖片以觀看有關該專案及其建立者的影片！ ## 教學法 我們在建立此課程時選擇了兩個教學原則：確保以專案為本，以及包含頻繁的小測驗。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、資料科學的實際使用情境等。 此外，課堂前的一個低風險小測驗可以讓學生對學習某個主題設定意向，而課後的第二個小測驗則確保進一步的記憶保留。此課程設計可靈活且有趣，可整套或部分選修。專案由簡而繁，於 10 週循環結束時逐步增加複雜度。 > 找到我們的 [Code of Conduct](CODE_OF_CONDUCT.md)、[Contributing](CONTRIBUTING.md)、[Translation](TRANSLATIONS.md) 指南。我們歡迎您的建設性回饋！ ## 每堂課包含： - 選擇性的速寫筆記 - 選擇性補充影片 - 課前暖身小測驗 - 書面課程 - 對於以專案為本的課程，逐步指引如何建立該專案 - 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/) > **關於小測驗的一則說明**：所有小測驗都包含在 Quiz-App 資料夾中，總共有 40 個小測驗，每個小測驗有三個問題。它們從課程內連結，但此測驗應用程式也可以在本機執行或部署到 Azure；請遵循 `quiz-app` 資料夾中的說明。它們正在逐步在地化。 ## 🎓 初學者友善範例 **剛接觸資料科學？** 我們建立了一個特別的 [examples directory](examples/README.md)，裡面有簡單且註解完整的程式碼，幫助你開始： - 🌟 **Hello World** - 你的第一個資料科學程式 - 📂 **Loading Data** - 學習讀取和探索資料集 - 📊 **Simple Analysis** - 計算統計並找出模式 - 📈 **Basic Visualization** - 建立圖表和圖形 - 🔬 **Real-World Project** - 從頭到尾的完整工作流程 每個範例都包含詳細註解說明每一步，對完全的初學者非常合適！ 👉 **[從範例開始](examples/README.md)** 👈 ## 課程列表 || |:---:| | 初學者資料科學：路線圖 - _手繪筆記作者 [@nitya](https://twitter.com/nitya)_ | | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | 定義資料科學 | [Introduction](1-Introduction/README.md) | 了解資料科學的基本概念，以及它與人工智慧、機器學習和大數據之間的關係。 | [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 | [Introduction](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 | [Introduction](1-Introduction/README.md) | 資料如何被分類以及常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | 統計與機率導論 | [Introduction](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 | 處理關聯式資料 | [Working With Data](2-Working-With-Data/README.md) | 介紹關聯式資料以及使用結構化查詢語言（也稱為 SQL，發音為 “see-quell”）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 | 處理 NoSQL 資料 | [Working With Data](2-Working-With-Data/README.md) | 介紹非關聯式資料、其各種型態以及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 | [Working With Data](2-Working-With-Data/README.md) | 使用 Python 進行資料探索的基礎，例如 Pandas 等函式庫。建議具備 Python 程式設計的基礎理解。 | [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 | [Working With Data](2-Working-With-Data/README.md) | 關於資料清理與轉換的技術主題，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 | 量的視覺化 | [Data Visualization](3-Data-Visualization/README.md) | 學習如何使用 Matplotlib 去視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | 資料分佈的視覺化 | [Data Visualization](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 | 比例的視覺化 | [Data Visualization](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 | 關係的視覺化 | [Data Visualization](3-Data-Visualization/README.md) | 視覺化資料集及其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 | [Data Visualization](3-Data-Visualization/README.md) | 製作有價值的視覺化以利有效問題解決與洞察的技巧與指引。 | [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 | [Lifecycle](4-Data-Science-Lifecycle/README.md) | 介紹資料科學生命週期及其第一步——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 | [Lifecycle](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 | [Lifecycle](4-Data-Science-Lifecycle/README.md) | 資料科學生命週期中專注於以利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 | 雲端的資料科學 | [Cloud Data](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) and [Maud](https://twitter.com/maudstweets) | | 18 | 雲端的資料科學 | [Cloud Data](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 | 雲端的資料科學 | [Cloud Data](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 | 實務中的資料科學 | [In the Wild](6-Data-Science-In-Wild/README.md) | 真實世界中由資料科學推動的專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces 依照以下步驟在 Codespace 中開啟此範例： 1. 點選 Code 下拉選單並選擇 Open with Codespaces 選項。 2. 在窗格底部選擇 + New codespace。 欲知更多資訊，請查看 [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。 ## VSCode Remote - Containers 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： 1. 若這是您第一次使用開發容器，請先確保您的系統符合先決條件（例如已安裝 Docker），請參閱 [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。 要使用此儲存庫，您可以選擇在隔離的 Docker 卷中開啟儲存庫： **注意**：在背後，這會使用 Remote-Containers: **Clone Repository in Container Volume...** 命令，將原始程式碼克隆到 Docker 卷中，而不是本機檔案系統。[Volumes](https://docs.docker.com/storage/volumes/) 是持久化容器資料的建議機制。 或者開啟已在本機克隆或下載的儲存庫版本： - 將此儲存庫克隆到您的本機檔案系統。 - 按 F1 並選擇 **Remote-Containers: Open Folder in Container...** 命令。 - 選擇已克隆的資料夾副本，等待容器啟動，然後開始試用。 ## 離線存取 您可以使用 [Docsify](https://docsify.js.org/#/) 在離線環境執行本文件。Fork 此儲存庫，在本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此儲存庫的根目錄輸入 `docsify serve`。網站將在您的本機 localhost 的 3000 埠提供服務：`localhost:3000`。 > 注意，筆記本檔案將不會透過 Docsify 呈現，所以當您需要執行筆記本時，請在啟用 Python kernel 的 VS Code 中分別執行。 ## 其他課程 我們團隊還製作其他課程！看看： ### 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) ## 取得協助 **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。 如果你遇到困難或對建立 AI 應用程式有任何疑問。加入其他學習者和有經驗的開發人員，一同在 MCP 討論中交流。這是一個互相支援的社群，歡迎發問並自由分享知識。 [](https://discord.gg/nTYy5BXMWG) 如果在建置過程中有產品回饋或發現錯誤，請造訪： [](https://aka.ms/foundry/forum) --- 免責聲明： 本文件已使用 AI 翻譯服務 Co‑op Translator（https://github.com/Azure/co-op-translator）進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不精確之處。原始語言版本應視為具權威性的文件。對於重要資訊，建議採用專業人工翻譯。我們不就因使用本翻譯而引致的任何誤解或誤譯承擔責任。