Data-Science-For-Beginners/translations/tw

資料科學入門課程

Azure Cloud Advocates 在 Microsoft 很高興提供一個為期 10 週、共 20 節課的資料科學課程。每堂課皆包含課前與課後小測驗、完成課程的書面指引、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「牢記」的有效方式。

衷心感謝我們的作者： 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， 尤其是 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

資料科學入門 - 速寫圖作者 @nitya

🌐 多語言支援

透過 GitHub Action 支援（自動化且隨時保持最新）

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） | 克羅埃西亞語 | 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 | 義大利語 | 日語 | 卡納達語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 尼日利亞皮欽語 | 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 | 塔加洛語（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

如需支援其他翻譯語言，請參閱 這裡

加入我們的社群

我們在 Discord 上有一個「與 AI 一起學習」系列，更多資訊及加入請見 與 AI 一起學習系列，活動期間為 2025 年 9 月 18 日至 30 日。您將獲得使用 GitHub Copilot 做資料科學的提示與技巧。

你是學生嗎？

開始使用以下資源：

• 學生中心頁面 在此頁面，您將找到初學者資源、學生包，甚至獲得免費證照憑證的方法。這是一個您想要加入書籤並偶爾查看的頁面，因為我們至少每月會更換內容。
• Microsoft Learn Student Ambassadors 加入一個全球性的學生大使社群，這可能是您進入 Microsoft 的途徑。

開始使用

📚 文件

• 安裝指南 - 給初學者的一步一步設定說明
• 使用指南 - 範例與常見工作流程
• 疑難排解 - 常見問題的解決方案
• 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

👨‍🎓 給學生

完全初學者：剛接觸資料科學嗎？請先從我們的適合初學者的範例開始！這些簡單且註解良好的範例會在你進入完整課程前幫助你理解基礎概念。 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。嘗試在理解課程內容的前提下自行建立專案，而不是複製解答程式碼；不過，每個以專案為導向的課程單元，其 /solutions 資料夾中都有解答程式碼。另一個做法是與朋友組成讀書會一起學習內容。若要進一步學習，我們建議使用 Microsoft Learn.

快速開始：

1. 查看 安裝指南 以設定你的開發環境
2. 閱讀 使用指南 以了解如何使用此課程
3. 從第 1 課開始，按順序學習
4. 加入我們的 Discord 社群 尋求支援

👩‍🏫 給教師

教師們：我們在 給教師 中包含了一些關於如何使用此課程的建議。我們很希望在 討論論壇 聽到你的回饋！

認識團隊

Gif 作者 Mohit Jaisal

🎥 點擊上方圖片觀看一段關於此專案的影片 以及建立它的人們！

教學法

我們在建立此課程時選擇了兩個教學原則：確保以專案為基礎，以及包含頻繁的小測驗。到本系列結束時，學生將學到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、資料科學在現實世界中的應用案例，等等。

此外，課前的一個低壓力測驗可以讓學生對學習主題設定學習意圖，而課後的第二次測驗則能確保更佳的記憶保留。此課程設計彈性且有趣，可完整參與或分段學習。專案從小型開始，並在 10 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。我們歡迎您提出建設性的回饋！

每堂課包括：

• 可選的手繪速記（sketchnote）
• 可選的補充影片
• 課前暖身測驗
• 書面課程
• 對於以專案為基礎的課程，逐步引導如何建立專案
• 知識檢測
• 一項挑戰
• 補充閱讀
• 作業
• 課後測驗

關於測驗的一則說明：所有測驗都包含在 Quiz-App 資料夾中，總共有 40 個測驗，每個測驗三題。它們在課程中有連結，但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。測驗正在逐步在地化。

🎓 適合初學者的範例

剛接觸資料科學？ 我們建立了一個特別的 範例目錄，裡面有簡單且註解詳盡的程式碼，幫助你開始：

• 🌟 Hello World - 你的第一個資料科學程式
• 📂 載入資料 - 學習如何讀取與探索資料集
• 📊 簡單分析 - 計算統計數據並找出模式
• 📈 基本視覺化 - 建立圖表與圖形
• 🔬 實務專案 - 從開始到完成的完整工作流程

每個範例都包含詳細註解，說明每個步驟，非常適合完全的初學者！

👉 從範例開始 👈

課程

資料科學初學者：路線圖 - 手繪速記作者 @nitya

課程編號	主題	課程分組	學習目標	連結的課程	作者
01	定義資料科學	介紹	學習資料科學背後的基本概念，以及它與人工智慧、機器學習和大資料的關係。	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	資料如何分類以及其常見來源。	課程	Jasmine
04	統計與機率導論	介紹	使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	與資料共事	介紹關聯式資料以及使用結構化查詢語言（也就是 SQL，發音類似「see-quell」）探索與分析關聯式資料的基礎。	課程	Christopher
06	處理 NoSQL 資料	與資料共事	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	與資料共事	使用 Python 進行資料探索的基礎，會使用像 Pandas 這類的函式庫。建議具備 Python 程式設計的基礎理解。	課程 影片	Dmitry
08	資料準備	與資料共事	關於資料清理與轉換技術的主題，以處理遺失、不準確或不完整資料的挑戰。	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	分布視覺化	資料視覺化	視覺化區間內的觀察值與趨勢。	課程	Jen
11	比例視覺化	資料視覺化	視覺化離散與分組的百分比。	課程	Jen
12	關係視覺化	資料視覺化	視覺化資料集及其變數之間的連結與相關性。	課程	Jen
13	有意義的視覺化	資料視覺化	使你的視覺化在有效解決問題與獲取洞見方面更有價值的技術與指引。	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	資料科學生命週期中專注於分析資料的技術階段。	課程	Jasmine
16	溝通	生命週期	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見的階段。	課程	Jalen
17	雲端中的資料科學	雲端資料	這一系列課程介紹雲端中的資料科學及其優勢。	課程	Tiffany and Maud
18	雲端中的資料科學	雲端資料	使用低程式碼工具訓練模型。	課程	Tiffany and Maud
19	雲端中的資料科學	雲端資料	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany and Maud
20	實務中的資料科學	實務中	在真實世界中的資料科學驅動專案。	課程	Nitya

GitHub Codespaces

按照下列步驟在 Codespace 中開啟此範例：

1. 按一下 Code 下拉選單並選擇 Open with Codespaces 選項。
2. 在窗格底部選擇 + New codespace。 如需更多資訊，請查看 GitHub 文件。

VSCode Remote - Containers

按照下列步驟，使用本機電腦與 VSCode 並透過 VS Code Remote - Containers 擴充功能在容器中開啟此程式庫：

1. 若這是您第一次使用開發容器，請確保系統符合先決條件（例如已安裝 Docker），詳見快速入門文件。

要使用此程式庫，您可以將程式庫開啟在隔離的 Docker 卷中：

注意：在底層，此操作會使用 Remote-Containers: Clone Repository in Container Volume... 指令，將原始程式碼複製到 Docker 卷而非本機檔案系統中。Volumes 是持久化容器資料的首選機制。

或是開啟本機已克隆或下載的程式庫版本：

• 將此程式庫克隆到您的本機檔案系統。
• 按下 F1 並選擇 Remote-Containers: Open Folder in Container... 指令。
• 選擇已克隆的資料夾副本，等待容器啟動，然後開始嘗試。

離線存取

您可以透過 Docsify 在離線狀態下執行此說明文件。將本儲存庫分叉，並在本機安裝 Docsify（請參閱 快速開始），然後在此儲存庫的根目錄中輸入 docsify serve。網站將在本機的 3000 埠上提供服務：localhost:3000。

注意，筆記本（notebooks）不會透過 Docsify 呈現，因此當您需要執行筆記本時，請在執行 Python 核心的 VS Code 中另行執行。

其他課程

我們的團隊也製作其他課程！查看：

LangChain

---

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

取得協助

遇到問題嗎？ 請查看我們的 故障排除指南 以取得常見問題的解決方案。

如果您在建立 AI 應用程式時遇到困難或有任何問題，歡迎加入與其他學習者和資深開發者一起討論 MCP 的社群。這是一個支持性的社群，歡迎提問並自由分享知識。

如果您在建立過程中有產品回饋或發現錯誤，請造訪：

---

免責聲明： 本文件使用 AI 翻譯服務 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準確之處。原始文件的母語版本應視為具權威的來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或錯誤詮釋負責。