Data-Science-For-Beginners/translations/hk

Data Science for Beginners - 課程

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, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 特別感謝 🙏 我們的 Microsoft Student Ambassador 作者、審閱者與內容貢獻者， 特別是 Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science For Beginners - 速寫筆記 由 @nitya

🌐 多語言支援

透過 GitHub Action 支援（自動化並保持最新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語（緬甸） | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，台灣） | 克羅地亞語 | 捷克語 | 丹麥語 | 荷蘭語 | 愛沙尼亞語 | 芬蘭語 | 法語 | 德語 | 希臘語 | 希伯來語 | 印地語 | 匈牙利語 | 印尼語 | 意大利語 | 日語 | 坎納達語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 奈及利亞皮欽語 | 挪威語 | 波斯語（法爾西） | 波蘭語 | 葡萄牙語（巴西） | 葡萄牙語（葡萄牙） | 旁遮普語（Gurmukhi） | 羅馬尼亞語 | 俄語 | 塞爾維亞語（西里爾字母） | 斯洛伐克語 | 斯洛文尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 他加祿語（菲律賓語） | 泰米爾語 | 泰盧固語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

如果你希望額外支援其他翻譯語言，請參閱 此處

加入我們的社群

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。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 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 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 - 針對初學者的逐步環境設定說明
• 使用指南 - 範例與常見工作流程
• 疑難排解 - 常見問題的解決方法
• 貢獻指南 - 如何為此專案做出貢獻
• 給教師 - 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 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：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。

快速開始：

1. 查看 安裝指南 以設定你的環境
2. 閱讀 使用指南 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 以獲得支援

👩‍🏫 適用於教師

教師：我們在 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 收到你的回饋！

認識團隊

GIF 由 Mohit Jaisal

🎥 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, 貢獻指南, 翻譯指南 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

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，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 👈

課程

給初學者的資料科學：路線圖 - 手繪速寫筆記由 @nitya 提供

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	定義資料科學	介紹	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 影片	Dmitry
02	資料科學倫理	介紹	資料倫理概念、挑戰與框架。	課程	Nitya
03	定義資料	介紹	資料如何分類及其常見來源。	課程	Jasmine
04	統計與機率導論	介紹	運用機率與統計的數學技術來理解資料。	課程 影片	Dmitry
05	處理關聯式資料	處理資料	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	Christopher
06	處理 NoSQL 資料	處理資料	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	Jasmine
07	使用 Python 處理資料	處理資料	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 影片	Dmitry
08	資料整理	處理資料	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	Jasmine
09	數量視覺化	資料視覺化	學習如何使用 Matplotlib 來視覺化鳥類資料 🦆	課程	Jen
10	視覺化資料分佈	資料視覺化	視覺化區間內的觀察與趨勢。	課程	Jen
11	視覺化比例	資料視覺化	視覺化離散與分組百分比。	課程	Jen
12	視覺化關係	資料視覺化	視覺化資料集合及其變數之間的連結與相關性。	課程	Jen
13	具意義的視覺化	資料視覺化	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	Jen
14	資料科學生命週期導論	生命週期	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	Jasmine
15	分析	生命週期	資料科學生命週期的此階段著重於分析資料的技術。	課程	Jasmine
16	溝通	生命週期	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	Jalen
17	雲端資料科學	雲端資料	這系列課程介紹雲端資料科學及其優點。	課程	Tiffany and Maud
18	雲端資料科學	雲端資料	使用低程式碼工具訓練模型。	課程	Tiffany and Maud
19	雲端資料科學	雲端資料	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany and Maud
20	資料科學在實務中	在實務中	以資料科學為驅動的真實世界專案。	課程	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.

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.

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 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. Fork this repo, install Docsify 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

---

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求幫助

遇到問題？ 請查看我們的 疑難排解指南 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。

如果你在構建過程中有產品反饋或遇到錯誤，請造訪：

---

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。