Data-Science-For-Beginners/translations/ru

Наука о данных для начинающих — учебная программа

Azure Cloud Advocates в Microsoft рады предложить 10-недельную программу из 20 уроков, полностью посвящённую науке о данных. Каждый урок включает викторины до и после урока, письменные инструкции для выполнения урока, решение и задание. Наш проектно-ориентированный подход позволяет учиться, создавая проекты — проверенный способ закрепить новые навыки.

Огромная благодарность нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Особая благодарность 🙏 нашим авторам, рецензентам и вкладчикам контента из числа Студенческих послов Microsoft, в частности 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

Наука о данных для начинающих - Скетчноут от @nitya

🌐 Поддержка нескольких языков

Поддерживается через GitHub Action (автоматизированно и всегда актуально)

Арабский | Бенгальский | Болгарский | Бирманский (Мьянма) | Китайский (упрощённый) | Китайский (традиционный, Гонконг) | Китайский (традиционный, Макао) | Китайский (традиционный, Тайвань) | Хорватский | Чешский | Датский | Нидерландский | Эстонский | Финский | Французский | Немецкий | Греческий | Иврит | Хинди | Венгерский | Индонезийский | Итальянский | Японский | Каннада | Корейский | Литовский | Малайский | Малаялам | Маратхи | Непальский | Нигерийский пиджин | Норвежский | Персидский (фарси) | Польский | Португальский (Бразилия) | Португальский (Португалия) | Пенджабский (гурмукхи) | Румынский | Русский | Сербский (кириллица) | Словацкий | Словенский | Испанский | Свахили | Шведский | Тагалог (филиппинский) | Тамильский | Телугу | Тайский | Турецкий | Украинский | Урду | Вьетнамский

Если вы хотите добавить дополнительные языки перевода, список поддерживаемых языков приведён здесь

Присоединяйтесь к нашему сообществу

У нас идёт серия в Discord «Учимся с ИИ», узнайте больше и присоединяйтесь к нам на Learn with AI Series с 18 по 30 сентября 2025 года. Вы получите советы и приёмы по использованию GitHub Copilot для науки о данных.

Вы студент?

Начните с следующих ресурсов:

• Страница Student Hub На этой странице вы найдёте ресурсы для начинающих, наборы для студентов и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и просматривать время от времени, так как мы обновляем содержимое как минимум ежемесячно.
• Microsoft Learn Student Ambassadors Присоединяйтесь к глобальному сообществу студенческих послов — это может стать вашим путём в Microsoft.

Начало работы

📚 Документация

• Installation Guide - Пошаговые инструкции по настройке для начинающих
• Usage Guide - Примеры и типичные рабочие процессы
• Troubleshooting - Решения распространённых проблем
• Contributing Guide - Как внести вклад в этот проект
• For Teachers - Рекомендации по преподаванию и ресурсы для класса

👨‍🎓 Для студентов

Полные новички: Новички в науке о данных? Начните с наших примеров для начинающих! Эти простые, хорошо прокомментированные примеры помогут понять основы перед тем, как погрузиться в полный курс. Студенты: чтобы использовать эту программу самостоятельно, форкните весь репозиторий и выполняйте упражнения самостоятельно, начиная с предлекционной викторины. Затем прочитайте лекцию и выполните остальные задания. Старайтесь создавать проекты, понимая уроки, а не просто копируя код решения; однако этот код доступен в папках /solutions в каждом проектно-ориентированном уроке. Ещё одна идея — организовать учебную группу с друзьями и проходить материал вместе. Для дальнейшего изучения мы рекомендуем Microsoft Learn.

Быстрый старт:

1. Проверьте Installation Guide чтобы настроить своё окружение
2. Ознакомьтесь с Usage Guide чтобы узнать, как работать с этой программой
3. Начните с Урока 1 и проходите последовательно
4. Присоединяйтесь к нашему сообществу в Discord за поддержкой

👩‍🏫 Для преподавателей

Преподаватели: мы включили несколько предложений о том, как использовать эту программу. Нам будет приятно получить ваш отзыв в нашем форуме обсуждений!

Познакомьтесь с командой

Гиф от Mohit Jaisal

🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!

Педагогика

Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечить проектно-ориентированный подход и включить частые викторины. К концу этой серии студенты изучат базовые принципы науки о данных, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, случаи использования науки о данных в реальном мире и многое другое.

Кроме того, низкоавторитетная викторина перед занятием задаёт намерение студента на изучение темы, а вторая викторина после занятия обеспечивает лучшее запоминание. Эта учебная программа спроектирована быть гибкой и увлекательной и может проходиться целиком или частично. Проекты начинаются с простых и становятся всё более сложными к концу 10-недельного цикла.

Ознакомьтесь с нашими Кодекс поведения, Руководство по участию, Руководство по переводам. Мы приветствуем ваши конструктивные отзывы!

Каждый урок включает:

• Необязательный скетчноут
• Необязательное дополнительное видео
• Викторина для разогрева перед уроком
• Текстовый урок
• Для практических уроков — пошаговые руководства по созданию проекта
• Проверки знаний
• Вызов
• Дополнительная литература
• Домашнее задание
• Викторина после урока

Примечание о викторинах: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Ссылки на них есть в уроках, но приложение викторин можно запустить локально или развернуть в Azure; следуйте инструкциям в папке quiz-app. Они постепенно локализуются.

🎓 Примеры для начинающих

Новичок в науке о данных? Мы создали специальный каталог примеров с простым, хорошо документированным кодом, чтобы помочь вам начать:

• 🌟 Hello World - Ваша первая программа по науке о данных
• 📂 Loading Data - Научитесь читать и исследовать наборы данных
• 📊 Simple Analysis - Вычисляйте статистику и находите закономерности
• 📈 Basic Visualization - Создавайте диаграммы и графики
• 🔬 Real-World Project - Полный рабочий процесс от начала до конца

Каждый пример содержит подробные комментарии, объясняющие каждый шаг, что делает их идеальными для абсолютных новичков!

👉 Начните с примеров 👈

Уроки

Наука о данных для начинающих: Дорожная карта - Скетчноут от @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Определение науки о данных	Введение	Изучить основные понятия науки о данных и то, как она связана с искусственным интеллектом, машинным обучением и большими данными.	урок видео	Dmitry
02	Этика в науке о данных	Введение	Понятия, проблемы и фреймворки этики данных.	урок	Nitya
03	Определение данных	Введение	Как классифицируются данные и их распространённые источники.	урок	Jasmine
04	Введение в статистику и теорию вероятностей	Введение	Математические приёмы теории вероятностей и статистики для понимания данных.	урок видео	Dmitry
05	Работа с реляционными данными	Работа с данными	Введение в реляционные данные и основы изучения и анализа реляционных данных с помощью языка структурированных запросов, также известного как SQL (произносится «си-кью-эл»).	урок	Christopher
06	Работа с NoSQL-данными	Работа с данными	Введение в нереляционные данные, их типы и основы изучения и анализа документных баз данных.	урок	Jasmine
07	Работа с Python	Работа с данными	Основы использования Python для исследования данных с помощью библиотек, таких как Pandas. Рекомендуется базовое знание программирования на Python.	урок видео	Dmitry
08	Подготовка данных	Работа с данными	Темы по методам очистки и преобразования данных для работы с пропущенными, неточными или неполными данными.	урок	Jasmine
09	Визуализация количеств	Визуализация данных	Научитесь использовать Matplotlib для визуализации данных о птицах 🦆	урок	Jen
10	Визуализация распределений данных	Визуализация данных	Визуализация наблюдений и трендов в пределах интервала.	урок	Jen
11	Визуализация пропорций	Визуализация данных	Визуализация дискретных и сгруппированных процентов.	урок	Jen
12	Визуализация взаимосвязей	Визуализация данных	Визуализация связей и корреляций между наборами данных и их переменными.	урок	Jen
13	Осмысленные визуализации	Визуализация данных	Приёмы и рекомендации для создания визуализаций, полезных для эффективного решения задач и получения инсайтов.	урок	Jen
14	Введение в жизненный цикл науки о данных	Жизненный цикл	Введение в жизненный цикл науки о данных и его первый этап — получение и извлечение данных.	урок	Jasmine
15	Анализ	Жизненный цикл	Этот этап жизненного цикла науки о данных фокусируется на методах анализа данных.	урок	Jasmine
16	Коммуникация	Жизненный цикл	Этот этап жизненного цикла науки о данных фокусируется на представлении выводов из данных таким образом, чтобы их было проще понять лицам, принимающим решения.	урок	Jalen
17	Наука о данных в облаке	Данные в облаке	Этот цикл уроков вводит понятие науки о данных в облаке и её преимущества.	урок	Tiffany and Maud
18	Наука о данных в облаке	Данные в облаке	Обучение моделей с помощью средств Low Code.	урок	Tiffany and Maud
19	Наука о данных в облаке	Данные в облаке	Развертывание моделей с помощью Azure Machine Learning Studio.	урок	Tiffany and Maud
20	Наука о данных в реальных условиях	В реальной среде	Проекты, управляемые наукой о данных, в реальном мире.	урок	Nitya

GitHub Codespaces

Follow these steps to open this sample in a Codespace:

1. Нажмите на выпадающее меню Code и выберите опцию Open with Codespaces.
2. Выберите + New codespace внизу панели. 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.

Офлайн-доступ

Вы можете запускать эту документацию офлайн, используя Docsify. Форкните этот репозиторий, установите Docsify на локальной машине, затем в корневой папке этого репозитория выполните docsify serve. Веб-сайт будет доступен на порту 3000 на вашем локальном хосте: localhost:3000.

Примечание: блокноты (notebooks) не будут отображаться через Docsify, поэтому когда вам нужно запустить блокнот, делайте это отдельно в VS Code с запущенным Python-ядром.

Другие курсы

Наша команда создаёт и другие учебные программы! Ознакомьтесь:

LangChain

---

Azure / Edge / MCP / Agents

---

Серия генеративного ИИ

---

Основные курсы

---

Серия Copilot

Получить помощь

Возникли проблемы? Посмотрите наше Руководство по устранению неполадок для решений распространённых проблем.

Если вы застряли или у вас возникли вопросы по созданию ИИ-приложений, присоединяйтесь к другим учащимся и опытным разработчикам в обсуждениях MCP. Это поддерживающее сообщество, где вопросы приветствуются, а знания охотно делятся.

Если у вас есть отзывы о продукте или вы обнаружили ошибки во время разработки, посетите:

---

Отказ от ответственности: Этот документ был переведен с помощью сервиса AI-перевода Co-op Translator. Хотя мы стремимся к точности, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для критически важной информации рекомендуется профессиональный перевод, выполненный человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования этого перевода.