# 面向初学者的数据科学课程 [](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) 微软的 Azure Cloud Advocates 很高兴提供一个为期 10 周、共 20 节课的完整数据科学课程。每节课都包括课前和课后测验、完成课程的书面说明、一个解答以及一个作业。我们的项目驱动教学法允许你在构建项目的同时学习——这是让新技能“留下来”的有效方法。 **衷心感谢我们的作者：** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). **🙏 特别感谢 🙏 我们的 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) 作者、审阅者和内容贡献者，** 尤其是 Aaryan Arora、[Aditya Garg](https://github.com/AdityaGarg00)、[Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/)、[Ankita Singh](https://www.linkedin.com/in/ankitasingh007)、[Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/)、[Arpita Das](https://www.linkedin.com/in/arpitadas01/)、ChhailBihari Dubey、[Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor)、[Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb)、[Majd Safi](https://www.linkedin.com/in/majd-s/)、[Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/)、[Miguel Correa](https://www.linkedin.com/in/miguelmque/)、[Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119)、[Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum)、[Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/)、[Rohit Yadav](https://www.linkedin.com/in/rty2423)、Samridhi Sharma、[Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/)、[Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/)、Yogendrasingh Pawar 、[Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/)、[Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) || |:---:| | 面向初学者的数据科学 - _素描笔记 由 [@nitya](https://twitter.com/nitya)_ | ### 🌐 多语言支持 #### 通过 GitHub Action 支持（自动且始终保持最新） [阿拉伯语](../ar/README.md) | [孟加拉语](../bn/README.md) | [保加利亚语](../bg/README.md) | [缅甸语 (Myanmar)](../my/README.md) | [中文（简体）](./README.md) | [中文（繁体，香港）](../hk/README.md) | [中文（繁体，澳门）](../mo/README.md) | [中文（繁体，台湾）](../tw/README.md) | [克罗地亚语](../hr/README.md) | [捷克语](../cs/README.md) | [丹麦语](../da/README.md) | [荷兰语](../nl/README.md) | [爱沙尼亚语](../et/README.md) | [芬兰语](../fi/README.md) | [法语](../fr/README.md) | [德语](../de/README.md) | [希腊语](../el/README.md) | [希伯来语](../he/README.md) | [印地语](../hi/README.md) | [匈牙利语](../hu/README.md) | [印度尼西亚语](../id/README.md) | [意大利语](../it/README.md) | [日语](../ja/README.md) | [卡纳达语](../kn/README.md) | [韩语](../ko/README.md) | [立陶宛语](../lt/README.md) | [马来语](../ms/README.md) | [马拉雅拉姆语](../ml/README.md) | [马拉地语](../mr/README.md) | [尼泊尔语](../ne/README.md) | [尼日利亚皮钦语](../pcm/README.md) | [挪威语](../no/README.md) | [波斯语（法尔西）](../fa/README.md) | [波兰语](../pl/README.md) | [葡萄牙语（巴西）](../br/README.md) | [葡萄牙语（葡萄牙）](../pt/README.md) | [旁遮普语（古鲁穆奇）](../pa/README.md) | [罗马尼亚语](../ro/README.md) | [俄语](../ru/README.md) | [塞尔维亚语（西里尔字母）](../sr/README.md) | [斯洛伐克语](../sk/README.md) | [斯洛文尼亚语](../sl/README.md) | [西班牙语](../es/README.md) | [斯瓦西里语](../sw/README.md) | [瑞典语](../sv/README.md) | [他加洛语（菲律宾）](../tl/README.md) | [泰米尔语](../ta/README.md) | [泰卢固语](../te/README.md) | [泰语](../th/README.md) | [土耳其语](../tr/README.md) | [乌克兰语](../uk/README.md) | [乌尔都语](../ur/README.md) | [越南语](../vi/README.md) **如果您希望支持其他翻译语言，已支持的语言列在 [这里](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### 加入我们的社区 [](https://discord.gg/nTYy5BXMWG) 我们正在进行 Discord 的“与 AI 学习”系列，了解更多并在 2025 年 9 月 18 日至 30 日加入我们，访问 [“与 AI 学习”系列](https://aka.ms/learnwithai/discord)。您将获得使用 GitHub Copilot 进行数据科学的小技巧和窍门。  # 你是学生吗？ 开始使用以下资源： - [学生中心页面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在该页面中，您会找到面向初学者的资源、学生包，甚至获取免费认证凭证的方法。建议将此页面加入书签并不时查看，因为我们至少每月更换一次内容。 - [Microsoft Learn 学生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入一个全球学生大使社区，这可能成为你进入微软的一种途径。 # 入门 ## 📚 文档 - **[Installation Guide](INSTALLATION.md)** - 针对初学者的逐步设置说明 - **[Usage Guide](USAGE.md)** - 示例和常用工作流程 - **[Troubleshooting](TROUBLESHOOTING.md)** - 常见问题的解决方案 - **[Contributing Guide](CONTRIBUTING.md)** - 如何为本项目做出贡献 - **[For Teachers](for-teachers.md)** - 教学指南和课堂资源 ## 👨‍🎓 面向学生 > **完全初学者**：刚接触数据科学？从我们的[面向初学者的示例](examples/README.md)开始！这些简洁、注释良好的示例将帮助你在深入完整课程之前理解基础。 > **[学生](https://aka.ms/student-page)**：如果想自行使用本课程，请将整个仓库 fork 一份并自行完成练习，从课前测验开始。然后阅读讲义并完成其余活动。尽量通过理解课程内容来创建项目，而不是直接复制解答代码；不过，每个面向项目的课程在 /solutions 文件夹中都提供了解答代码。另一个想法是与朋友组建学习小组，一起学习内容。若需进一步学习，我们推荐 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。 **快速开始：** 1. 查看 [Installation Guide](INSTALLATION.md) 以设置你的环境 2. 查阅 [Usage Guide](USAGE.md) 以了解如何使用本课程 3. 从第 1 课开始，按顺序学习 4. 加入我们的 [Discord 社区](https://aka.ms/ds4beginners/discord) 寻求支持 ## 👩‍🏫 面向教师 > **教师**：我们在 [for-teachers.md](for-teachers.md) 中包含了一些关于如何使用本课程的建议。我们非常希望您在 [讨论论坛](https://github.com/microsoft/Data-Science-For-Beginners/discussions) 中提供反馈！ ## 认识团队 [](https://youtu.be/8mzavjQSMM4 "宣传视频") **动图作者：** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 点击上方图片查看关于该项目 创建它的人们的视频！ ## 教学法 我们在构建本课程时选择了两个教学原则：确保以项目为基础，并包含频繁的测验。在本系列结束时，学生将掌握数据科学的基本原理，包括伦理概念、数据准备、不同的数据处理方式、数据可视化、数据分析、数据科学的真实世界用例等。 此外，课前的一次低风险测验可以帮助学生为学习某个主题设定意图，而课后的第二次测验则有助于进一步巩固记忆。本课程旨在灵活且有趣，可整体或部分学习。项目从小规模开始，在 10 周周期结束时变得越来越复杂。 > 查阅我们的 [行为准则](CODE_OF_CONDUCT.md), [贡献指南](CONTRIBUTING.md), [翻译指南](TRANSLATIONS.md)。欢迎您提出建设性的反馈！ ## 每节课包括： - 可选的速写笔记 - 可选的补充视频 - 课前热身测验 - 书面课程 - 对于基于项目的课程，提供逐步指南教你如何构建项目 - 知识检测 - 挑战 - 补充阅读 - 作业 - [课后测验](https://ff-quizzes.netlify.app/en/) > **关于测验的说明**: 所有测验都包含在 Quiz-App 文件夹中，总共 40 个测验，每个测验包含三道题。它们在课程中有链接，但测验应用可以在本地运行或部署到 Azure；请遵循 `quiz-app` 文件夹中的说明。它们正在逐步本地化。 ## 🎓 适合初学者的示例 **刚接触数据科学吗？** 我们创建了一个专门的 [示例目录](examples/README.md)，其中包含简单且注释详细的代码，帮助你入门： - 🌟 **Hello World** - 你的第一个数据科学程序 - 📂 **Loading Data** - 学习读取和探索数据集 - 📊 **Simple Analysis** - 计算统计并发现模式 - 📈 **Basic Visualization** - 创建图表和图形 - 🔬 **Real-World Project** - 从头到尾完成整个工作流程 每个示例都包含详细注释，解释每一步，非常适合完全的初学者！ 👉 **[从示例开始](examples/README.md)** 👈 ## 课程 || |:---:| | 面向初学者的数据科学：路线图 - _速写笔记作者 [@nitya](https://twitter.com/nitya)_ | | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | 定义数据科学 | [介绍](1-Introduction/README.md) | 学习数据科学背后的基本概念，以及它与人工智能、机器学习和大数据之间的关系。 | [课程](1-Introduction/01-defining-data-science/README.md) [视频](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | 数据科学伦理 | [介绍](1-Introduction/README.md) | 数据伦理的概念、挑战与框架。 | [课程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | 定义数据 | [介绍](1-Introduction/README.md) | 数据如何分类及其常见来源。 | [课程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | 统计与概率导论 | [介绍](1-Introduction/README.md) | 使用概率与统计的数学技术来理解数据。 | [课程](1-Introduction/04-stats-and-probability/README.md) [视频](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | 处理关系型数据 | [数据处理](2-Working-With-Data/README.md) | 介绍关系型数据，以及使用结构化查询语言（Structured Query Language，简称 SQL，发音为“see-quell”）来探索和分析关系型数据的基础知识。 | [课程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | 处理 NoSQL 数据 | [数据处理](2-Working-With-Data/README.md) | 介绍非关系型数据、其各种类型以及探索和分析文档数据库的基础知识。 | [课程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | 使用 Python | [数据处理](2-Working-With-Data/README.md) | 使用诸如 Pandas 等库进行数据探索的 Python 基础。建议具备 Python 编程的基础理解。 | [课程](2-Working-With-Data/07-python/README.md) [视频](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | 数据准备 | [数据处理](2-Working-With-Data/README.md) | 涵盖用于清洗和转换数据的技术，以应对缺失、不准确或不完整数据的挑战。 | [课程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | 数量可视化 | [数据可视化](3-Data-Visualization/README.md) | 学习如何使用 Matplotlib 可视化鸟类数据 🦆 | [课程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | 数据分布可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化区间内的观测值和趋势。 | [课程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | 比例可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化离散和分组的百分比。 | [课程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | 关系可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化数据集及其变量之间的连接和相关性。 | [课程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | 有意义的可视化 | [数据可视化](3-Data-Visualization/README.md) | 提供使可视化在解决问题和洞察方面更有价值的技巧与指导。 | [课程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | 数据科学生命周期导论 | [生命周期](4-Data-Science-Lifecycle/README.md) | 介绍数据科学生命周期及其获取和抽取数据的第一步。 | [课程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | 分析 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期的此阶段侧重于分析数据的各种技术。 | [课程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | | 16 | 沟通 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期的此阶段侧重于以便决策者更易理解的方式呈现数据洞察。 | [课程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | 云端的数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 这一系列课程介绍云端数据科学及其优势。 | [课程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 18 | 云端的数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 使用低代码工具训练模型。 |[课程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 19 | 云端的数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [课程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 20 | 实践中的数据科学 | [实践](6-Data-Science-In-Wild/README.md) | 现实世界中的数据科学驱动项目。 | [课程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces 按照以下步骤在 Codespace 中打开此示例： 1. 点击 Code 下拉菜单并选择 Open with Codespaces 选项。 2. 在面板底部选择 + New codespace。 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 远程 - 容器 按照以下步骤，使用本地机器和 VSCode 通过 VS Code Remote - Containers 扩展在容器中打开此仓库： 1. 如果这是您第一次使用开发容器，请确保您的系统满足先决条件（即在 [入门文档](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) 中列出的要求，例如已安装 Docker）。 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. ## 离线访问 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`. > 注意，笔记本不会通过 Docsify 呈现，因此当您需要运行笔记本时，请在运行 Python 内核的 VS Code 中单独执行。 ## 其他课程 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) --- ### 核心学习 [](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) ## 获取帮助 **遇到问题？** 请查看我们的 [故障排除指南](TROUBLESHOOTING.md) 以获取常见问题的解决方案。 如果在构建 AI 应用时遇到困难或有任何问题，请加入 MCP 的学习者和经验丰富的开发者，参与讨论。这里是一个互助社区，欢迎提问并自由分享知识。 [](https://discord.gg/nTYy5BXMWG) 如果在构建过程中有产品反馈或遇到错误，请访问： [](https://aka.ms/foundry/forum) --- 免责声明： 本文件使用 AI 翻译服务 Co-op Translator（https://github.com/Azure/co-op-translator）进行翻译。尽管我们力求准确，但请注意自动翻译可能包含错误或不准确之处。原始语言的文档应视为具有权威性的版本。对于关键信息，建议使用专业人工翻译。因使用本翻译而产生的任何误解或曲解，我们不承担责任。