Data-Science-For-Beginners/translations/ja

初心者のためのデータサイエンス - カリキュラム

Azure のクラウドアドボケートである Microsoft のチームは、データサイエンスに関する10週間、20レッスンのカリキュラムを提供できることを嬉しく思います。各レッスンには、事前・事後のクイズ、レッスンを完了するための書面による手順、解答例、課題が含まれます。プロジェクトベースの教育法により、構築しながら学ぶことで新しいスキルが定着しやすくなります。

著者の皆様に心より感謝します： Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 特別な感謝 🙏 を Microsoft Student Ambassador の著者、レビュアー、コンテンツ寄稿者の皆様へ、 とくに 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

初心者のためのデータサイエンス - スケッチノート by @nitya

🌐 多言語サポート

GitHub Actions 経由でサポート（自動化＆常に最新）

アラビア語 | ベンガル語 | ブルガリア語 | ビルマ語（ミャンマー） | 中国語（簡体字） | 中国語（繁体字、香港） | 中国語（繁体字、マカオ） | 中国語（繁体字、台湾） | クロアチア語 | チェコ語 | デンマーク語 | オランダ語 | エストニア語 | フィンランド語 | フランス語 | ドイツ語 | ギリシャ語 | ヘブライ語 | ヒンディー語 | ハンガリー語 | インドネシア語 | イタリア語 | 日本語 | カンナダ語 | 韓国語 | リトアニア語 | マレー語 | マラヤーラム語 | マラーティー語 | ネパール語 | ナイジェリア・ピジン | ノルウェー語 | ペルシア語（ファルシ） | ポーランド語 | ポルトガル語（ブラジル） | ポルトガル語（ポルトガル） | パンジャブ語（グルムキー） | ルーマニア語 | ロシア語 | セルビア語（キリル） | スロバキア語 | スロベニア語 | スペイン語 | スワヒリ語 | スウェーデン語 | タガログ語（フィリピン） | タミル語 | テルグ語 | タイ語 | トルコ語 | ウクライナ語 | ウルドゥー語 | ベトナム語

追加の翻訳言語をサポートしてほしい場合は、サポートされている言語一覧がこちらにあります： here

コミュニティに参加しましょう

現在、Discordで「Learn with AI」シリーズを開催しています。詳細と参加は Learn with AI Series をご覧ください（開催期間：2025年9月18日〜30日）。GitHub Copilot をデータサイエンスで使うためのヒントやコツが得られます。

学生ですか？

以下のリソースから始めましょう：

• Student Hub page このページには、初心者向けのリソース、学生向けパック、無料の認定バウチャーを得る方法などが掲載されています。月に一度以上コンテンツを入れ替えるため、ブックマークして時々確認することをおすすめします。
• Microsoft Learn Student Ambassadors グローバルな学生アンバサダ―のコミュニティに参加しましょう。これが Microsoft への道になるかもしれません。

はじめに

📚 ドキュメント

• インストールガイド - 初心者向けのステップバイステップセットアップ手順
• 使用ガイド - 例と一般的なワークフロー
• トラブルシューティング - よくある問題の解決策
• コントリビュートガイド - このプロジェクトへの貢献方法
• 教師向け - 教える際のガイダンスと教室用リソース

👨‍🎓 学生向け

完全な初心者向け：データサイエンスが初めてですか？まずは初心者向けの例から始めましょう！これらのシンプルでコメントが充実した例は、カリキュラム全体に進む前に基礎を理解するのに役立ちます。
学生向け：このカリキュラムを自分で使うには、リポジトリをフォークして、事前講義クイズから始めて演習を自分で完了してください。その後、講義を読み残りのアクティビティを完了します。解答コードをコピーするのではなく、レッスンを理解してプロジェクトを作成することを目指してください。各プロジェクト指向のレッスンには /solutions フォルダーにそのコードがあります。別のアイデアとしては、友人と学習グループを作り一緒にコンテンツを進めることです。さらに学習したい場合は Microsoft Learn をおすすめします。

クイックスタート：

1. 環境をセットアップするには インストールガイド を確認してください
2. カリキュラムの使い方を学ぶには 使用ガイド を確認してください
3. レッスン1から順に進めてください
4. サポートが必要な場合は Discordコミュニティ に参加してください

👩‍🏫 教師向け

教師の方へ：このカリキュラムの使い方については いくつかの提案を含めています。ぜひ ディスカッションフォーラム でフィードバックをお願いします！

チーム紹介

GIF 作成： Mohit Jaisal

🎥 上の画像をクリックすると、このプロジェクトとそれを作成した人々に関するビデオをご覧になれます！

教育方針

このカリキュラムを作成する際に、プロジェクトベースであることと、頻繁なクイズを含めること、という2つの教育上の原則を選びました。このシリーズを終える頃には、学生はデータサイエンスの基本原則（倫理の概念、データ準備、データの異なる取り扱い方、データ可視化、データ分析、データサイエンスの実世界でのユースケースなど）を学んでいるでしょう。

さらに、授業前の低リスクなウォームアップクイズは学生の学習意図を設定し、授業後の第2のクイズは定着を助けます。このカリキュラムは柔軟で楽しく設計されており、全体でも一部でも受講できます。プロジェクトは小さく始まり、10週間のサイクルの終わりには徐々に複雑になります。

当社の行動規範、貢献ガイドライン、翻訳ガイドラインをご覧ください。建設的なフィードバックを歓迎します！

各レッスンには以下が含まれます:

• 任意のスケッチノート
• 任意の補足ビデオ
• レッスン前ウォームアップクイズ
• テキストのレッスン
• プロジェクトベースのレッスンには、プロジェクトの構築方法に関するステップバイステップのガイド
• 知識チェック
• チャレンジ
• 補足読書
• 課題
• レッスン後のクイズ

クイズについての注意: すべてのクイズは Quiz-App フォルダーに収められており、合計40のクイズ（それぞれ3問）があります。クイズはレッスン内からリンクされていますが、クイズアプリはローカルで実行するか Azure にデプロイできます。quiz-app フォルダー内の指示に従ってください。クイズは段階的にローカライズされています。

🎓 初心者向けの例

データサイエンスが初めてですか？ 開始を支援するために、シンプルでコメントが豊富なコードを含む特別なexamples ディレクトリを作成しました：

• 🌟 Hello World - あなたの最初のデータサイエンスプログラム
• 📂 Loading Data - データセットの読み込みと探索を学ぶ
• 📊 Simple Analysis - 統計を計算しパターンを見つける
• 📈 Basic Visualization - チャートとグラフを作成する
• 🔬 Real-World Project - はじめから終わりまでの完全なワークフロー

各例にはすべてのステップを説明する詳細なコメントが含まれているため、完全な初心者に最適です！

👉 例から始める 👈

レッスン

データサイエンス入門：ロードマップ - スケッチノート（作成: @nitya）

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	データサイエンスの定義	導入	データサイエンスの基本概念と、それが人工知能、機械学習、ビッグデータとどのように関係しているかを学びます。	レッスン ビデオ	Dmitry
02	データサイエンスの倫理	導入	データ倫理の概念、課題、フレームワーク。	レッスン	Nitya
03	データの定義	導入	データの分類方法とその一般的な出所。	レッスン	Jasmine
04	統計学と確率入門	導入	データを理解するための確率と統計の数学的手法。	レッスン ビデオ	Dmitry
05	リレーショナルデータの操作	データの操作	リレーショナルデータの導入と、Structured Query Language（SQL、発音は「シーキューエル」）を使用したリレーショナルデータの探索と分析の基本。	レッスン	Christopher
06	NoSQL データの操作	データの操作	非リレーショナルデータの紹介、さまざまなタイプ、およびドキュメントデータベースの探索と分析の基本。	レッスン	Jasmine
07	Python を使ったデータ作業	データの操作	Pandas のようなライブラリを使用したデータ探索における Python の基本。Python プログラミングの基礎理解が推奨されます。	レッスン ビデオ	Dmitry
08	データ準備	データの操作	欠損、不正確、または不完全なデータの課題に対処するためのデータのクレンジングと変換のテクニックに関するトピック。	レッスン	Jasmine
09	数量の可視化	データ可視化	Matplotlib を使用して鳥のデータを可視化する方法を学びます 🦆	レッスン	Jen
10	データ分布の可視化	データ可視化	区間内の観測値や傾向を可視化します。	レッスン	Jen
11	割合の可視化	データ可視化	離散的およびグループ化された割合を可視化します。	レッスン	Jen
12	関係性の可視化	データ可視化	データセットやその変数間のつながりや相関を可視化します。	レッスン	Jen
13	意味のある可視化	データ可視化	問題解決や洞察に役立つ価値ある可視化を作るための技法とガイダンス。	レッスン	Jen
14	データサイエンスライフサイクル入門	ライフサイクル	データサイエンスライフサイクルの導入と、その最初のステップであるデータの取得と抽出について。	レッスン	Jasmine
15	分析	ライフサイクル	この段階はデータを分析するための技術に焦点を当てます。	レッスン	Jasmine
16	コミュニケーション	ライフサイクル	この段階は、意思決定者が理解しやすくするためにデータから得られた洞察を提示することに焦点を当てます。	レッスン	Jalen
17	クラウドにおけるデータサイエンス	クラウドデータ	この一連のレッスンは、クラウドにおけるデータサイエンスとその利点を紹介します。	レッスン	Tiffany と Maud
18	クラウドにおけるデータサイエンス	クラウドデータ	ローコードツールを使用したモデルのトレーニング。	レッスン	Tiffany と Maud
19	クラウドにおけるデータサイエンス	クラウドデータ	Azure Machine Learning Studio を使用したモデルのデプロイ。	レッスン	Tiffany と Maud
20	現実世界のデータサイエンス	現場での実践	現実世界でのデータサイエンス主導のプロジェクト。	レッスン	Nitya

GitHub Codespaces

このサンプルを Codespace で開く手順は次のとおりです:

1. Code のドロップダウンメニューをクリックし、Open with Codespaces オプションを選択します。
2. ペインの下部で + New codespace を選択します。 詳細については、GitHub documentation を確認してください。

VSCode Remote - Containers

ローカルマシンと VSCode を使用し、VS Code Remote - Containers 拡張機能を使ってこのリポジトリをコンテナ内で開くには、次の手順に従ってください:

1. もし開発コンテナを初めて使用する場合は、the getting started documentation にある事前要件（例: Docker がインストールされていること）を満たしていることを確認してください。

このリポジトリを使用するには、リポジトリを隔離された Docker ボリューム内で開くか、次のいずれかを行います:

Note: 裏では、Remote-Containers: Clone Repository in Container Volume... コマンドを使用して、ソースコードをローカルファイルシステムではなく Docker ボリュームにクローンします。 Volumes はコンテナデータを永続化するための推奨手段です。

または、ローカルにクローンまたはダウンロードしたバージョンのリポジトリを開きます:

• このリポジトリをローカルのファイルシステムにクローンします。
• F1 を押して Remote-Containers: Open Folder in Container... コマンドを選択します。
• クローンしたこのフォルダーのコピーを選択し、コンテナが起動するのを待ってから試してみてください。

Offline access

Docsify を使用することで、このドキュメントをオフラインで実行できます。リポジトリをフォークし、ローカルマシンに Docsify をインストール してから、このリポジトリのルートフォルダーで docsify serve と入力します。ウェブサイトはローカルホストのポート3000で提供されます: localhost:3000。

注意: ノートブックは Docsify ではレンダリングされないため、ノートブックを実行する必要がある場合は、Python カーネルを実行している VS Code で別途実行してください。

その他のカリキュラム

私たちのチームは他のカリキュラムも制作しています！チェックしてみてください:

LangChain

---

Azure / Edge / MCP / Agents

---

生成AIシリーズ

---

コア学習

---

Copilot シリーズ

ヘルプ

問題が発生していますか？ トラブルシューティングガイド を確認して、よくある問題の解決方法を探してください。

AI アプリの構築で行き詰まったり質問がある場合は、学習者や経験豊富な開発者と一緒に MCP に関する議論に参加してください。ここは質問が歓迎され、知識が自由に共有される支援的なコミュニティです。

製品に関するフィードバックや構築中のエラーがある場合は、次をご覧ください：

---

免責事項： 本書は AI 翻訳サービス「Co-op Translator」（https://github.com/Azure/co-op-translator）を用いて翻訳されました。正確性には努めておりますが、自動翻訳には誤りや不正確さが含まれる場合があります。重要な情報については、専門の翻訳者による人による翻訳を推奨します。原文（原言語の文書）を正本かつ権威ある資料として扱ってください。本翻訳の使用により生じた誤解や誤った解釈については、一切の責任を負いかねます。