|
|
# Data Science pour Débutants - Un Programme
|
|
|
|
|
|
[](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)
|
|
|
|
|
|
Les Azure Cloud Advocates chez Microsoft sont heureux d'offrir un programme de 10 semaines, 20 leçons, entièrement dédié à la Data Science. Chaque leçon comprend des quiz avant et après, des instructions écrites pour compléter la leçon, une solution et un devoir. Notre pédagogie basée sur les projets vous permet d'apprendre en construisant, une méthode éprouvée pour que les nouvelles compétences "collent".
|
|
|
|
|
|
**Un grand merci à nos auteurs :** [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).
|
|
|
|
|
|
**🙏 Remerciements spéciaux 🙏 à nos auteurs, relecteurs et contributeurs de contenu [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/),** notamment 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/)
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Data Science Pour Débutants - _Sketchnote par [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
### 🌐 Support Multilingue
|
|
|
|
|
|
#### Pris en charge via GitHub Action (Automatisé & Toujours à jour)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](./README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
|
|
> **Vous préférez cloner localement ?**
|
|
|
|
|
|
> Ce dépôt inclut plus de 50 traductions, ce qui augmente significativement la taille du téléchargement. Pour cloner sans les traductions, utilisez le sparse checkout :
|
|
|
> ```bash
|
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
|
|
|
> cd Data-Science-For-Beginners
|
|
|
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
|
|
> ```
|
|
|
> Cela vous donne tout ce dont vous avez besoin pour suivre le cours avec un téléchargement beaucoup plus rapide.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**Si vous souhaitez que d'autres langues de traduction soient prises en charge, elles sont listées [ici](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
|
|
#### Rejoignez Notre Communauté
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Nous avons une série Discord "learn with AI" en cours, apprenez-en plus et rejoignez-nous à [Learn with AI Series](https://aka.ms/learnwithai/discord) du 18 au 30 septembre 2025. Vous recevrez des astuces pour utiliser GitHub Copilot en Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Vous êtes étudiant ?
|
|
|
|
|
|
Commencez avec les ressources suivantes :
|
|
|
|
|
|
- [Page du Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sur cette page, vous trouverez des ressources pour débutants, des packs étudiants et même des moyens d'obtenir un bon de certification gratuit. C’est une page à mettre en favori et à consulter régulièrement car nous changeons le contenu au moins une fois par mois.
|
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Rejoignez une communauté mondiale d’ambassadeurs étudiants, cela pourrait être votre porte d’entrée chez Microsoft.
|
|
|
|
|
|
# Commencer
|
|
|
|
|
|
## 📚 Documentation
|
|
|
|
|
|
- **[Guide d’Installation](INSTALLATION.md)** - Instructions de configuration étape par étape pour débutants
|
|
|
- **[Guide d’Utilisation](USAGE.md)** - Exemples et workflows courants
|
|
|
- **[Dépannage](TROUBLESHOOTING.md)** - Solutions aux problèmes courants
|
|
|
- **[Guide de Contribution](CONTRIBUTING.md)** - Comment contribuer à ce projet
|
|
|
- **[Pour les enseignants](for-teachers.md)** - Conseils pédagogiques et ressources pour la classe
|
|
|
|
|
|
## 👨🎓 Pour les étudiants
|
|
|
> **Débutants complets** : Nouveau en data science ? Commencez avec nos [exemples faciles à suivre](examples/README.md) ! Ces exemples simples et bien commentés vous aideront à comprendre les bases avant de plonger dans le programme complet.
|
|
|
> **[Étudiants](https://aka.ms/student-page)** : pour utiliser ce programme en autonomie, forkez l’intégralité du dépôt et complétez les exercices vous-même, en commençant par un quiz pré-lecture. Puis lisez la leçon et réalisez le reste des activités. Essayez de créer les projets en comprenant les leçons plutôt qu’en copiant le code solution ; toutefois, ce code est disponible dans les dossiers /solutions de chaque leçon orientée projet. Une autre idée serait de former un groupe d’étude avec des amis et de parcourir le contenu ensemble. Pour approfondir, nous recommandons [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
|
|
|
|
|
|
**Démarrage rapide :**
|
|
|
1. Consultez le [Guide d’Installation](INSTALLATION.md) pour configurer votre environnement
|
|
|
2. Lisez le [Guide d’Utilisation](USAGE.md) pour apprendre à travailler avec le programme
|
|
|
3. Commencez par la leçon 1 et suivez-les dans l’ordre
|
|
|
4. Rejoignez notre [communauté Discord](https://aka.ms/ds4beginners/discord) pour obtenir du support
|
|
|
|
|
|
## 👩🏫 Pour les enseignants
|
|
|
|
|
|
> **Enseignants** : nous avons [inclus quelques suggestions](for-teachers.md) sur la manière d’utiliser ce programme. Nous aimerions beaucoup vos retours [dans notre forum de discussion](https://github.com/microsoft/Data-Science-For-Beginners/discussions) !
|
|
|
## Rencontrez l'équipe
|
|
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Vidéo promo")
|
|
|
|
|
|
**Gif par** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 Cliquez sur l'image ci-dessus pour une vidéo sur le projet et les personnes qui l'ont créé !
|
|
|
|
|
|
## Pédagogie
|
|
|
|
|
|
Nous avons choisi deux principes pédagogiques lors de la création de ce programme : garantir qu'il soit basé sur des projets et qu'il inclue des quiz fréquents. À la fin de cette série, les étudiants auront appris les principes de base de la science des données, y compris les concepts éthiques, la préparation des données, différentes façons de travailler avec les données, la visualisation des données, l'analyse des données, des cas d'utilisation réels de la science des données, et plus encore.
|
|
|
|
|
|
De plus, un quiz à faible enjeu avant un cours fixe l'intention de l'étudiant envers l'apprentissage d'un sujet, tandis qu'un second quiz après le cours assure une meilleure rétention. Ce programme a été conçu pour être flexible et amusant et peut être suivi dans son intégralité ou partiellement. Les projets commencent petits et deviennent de plus en plus complexes à la fin du cycle de 10 semaines.
|
|
|
|
|
|
> Retrouvez notre [Code de conduite](CODE_OF_CONDUCT.md), [Contribuer](CONTRIBUTING.md), [Traduction](TRANSLATIONS.md) guidelines. Nous accueillons vos retours constructifs !
|
|
|
|
|
|
## Chaque leçon inclut :
|
|
|
|
|
|
- Sketchnote optionnel
|
|
|
- Vidéo complémentaire optionnelle
|
|
|
- Quiz d'échauffement avant la leçon
|
|
|
- Leçon écrite
|
|
|
- Pour les leçons basées sur des projets, guides étape par étape pour construire le projet
|
|
|
- Vérifications de connaissances
|
|
|
- Un défi
|
|
|
- Lecture complémentaire
|
|
|
- Devoir
|
|
|
- [Quiz post-leçon](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **Une note sur les quiz** : Tous les quiz se trouvent dans le dossier Quiz-App, pour un total de 40 quiz composés chacun de trois questions. Ils sont liés depuis les leçons, mais l'application de quiz peut être exécutée localement ou déployée sur Azure ; suivez les instructions dans le dossier `quiz-app`. Ils sont progressivement localisés.
|
|
|
|
|
|
## 🎓 Exemples accessibles aux débutants
|
|
|
|
|
|
**Nouveau en science des données ?** Nous avons créé un [répertoire d'exemples](examples/README.md) spécial avec du code simple et bien commenté pour vous aider à démarrer :
|
|
|
|
|
|
- 🌟 **Hello World** - Votre premier programme de science des données
|
|
|
- 📂 **Chargement des données** - Apprenez à lire et explorer des jeux de données
|
|
|
- 📊 **Analyse simple** - Calculez des statistiques et trouvez des motifs
|
|
|
- 📈 **Visualisation de base** - Créez des graphiques et des diagrammes
|
|
|
- 🔬 **Projet du monde réel** - Flux complet du début à la fin
|
|
|
|
|
|
Chaque exemple inclut des commentaires détaillés expliquant chaque étape, parfait pour les débutants complets !
|
|
|
|
|
|
👉 **[Commencez avec les exemples](examples/README.md)** 👈
|
|
|
|
|
|
## Leçons
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Science des données pour débutants : feuille de route - _Sketchnote par [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| Numéro de leçon | Sujet | Regroupement de leçons | Objectifs d'apprentissage | Leçon liée | Auteur |
|
|
|
| :-------------: | :-----------------------------: | :--------------------------: | :--------------------------------------------------------------------------------------------------------------------------: | :-----------------------------------------------------------: | :-----: |
|
|
|
| 01 | Définir la science des données | [Introduction](1-Introduction/README.md) | Apprenez les concepts de base derrière la science des données et comment elle est reliée à l'intelligence artificielle, l'apprentissage automatique et le big data. | [leçon](1-Introduction/01-defining-data-science/README.md) [vidéo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
|
| 02 | Éthique de la science des données | [Introduction](1-Introduction/README.md) | Concepts, défis et cadres de l'éthique des données. | [leçon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
| 03 | Définir les données | [Introduction](1-Introduction/README.md) | Comment les données sont classifiées et leurs sources communes. | [leçon](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 04 | Introduction à la statistique et à la probabilité | [Introduction](1-Introduction/README.md) | Les techniques mathématiques de probabilité et de statistique pour comprendre les données. | [leçon](1-Introduction/04-stats-and-probability/README.md) [vidéo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
|
| 05 | Travailler avec des données relationnelles | [Working With Data](2-Working-With-Data/README.md) | Introduction aux données relationnelles et bases de l'exploration et de l'analyse des données relationnelles avec le langage de requête structuré, aussi appelé SQL (prononcé “see-quell”). | [leçon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
|
| 06 | Travailler avec des données NoSQL | [Working With Data](2-Working-With-Data/README.md) | Introduction aux données non relationnelles, leurs différents types et les bases de l'exploration et de l'analyse des bases de données documentaires. | [leçon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
|
| 07 | Travailler avec Python | [Working With Data](2-Working-With-Data/README.md) | Bases de l'utilisation de Python pour l'exploration de données avec des bibliothèques comme Pandas. Une compréhension de base de la programmation Python est recommandée. | [leçon](2-Working-With-Data/07-python/README.md) [vidéo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
|
| 08 | Préparation des données | [Working With Data](2-Working-With-Data/README.md) | Sujets sur les techniques de nettoyage et de transformation des données pour gérer les défis des données manquantes, inexactes ou incomplètes. | [leçon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 09 | Visualiser des quantités | [Data Visualization](3-Data-Visualization/README.md) | Apprenez à utiliser Matplotlib pour visualiser des données d'oiseaux 🦆 | [leçon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 10 | Visualiser des distributions de données | [Data Visualization](3-Data-Visualization/README.md) | Visualiser des observations et tendances dans un intervalle. | [leçon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 11 | Visualiser des proportions | [Data Visualization](3-Data-Visualization/README.md) | Visualiser des pourcentages discrets et groupés. | [leçon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 12 | Visualiser des relations | [Data Visualization](3-Data-Visualization/README.md) | Visualiser les connexions et corrélations entre des ensembles de données et leurs variables. | [leçon](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 13 | Visualisations significatives | [Data Visualization](3-Data-Visualization/README.md) | Techniques et conseils pour rendre vos visualisations précieuses pour la résolution efficace de problèmes et les insights. | [leçon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 14 | Introduction au cycle de vie de la science des données | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Introduction au cycle de vie de la science des données et à sa première étape d’acquisition et d’extraction des données. | [leçon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
|
| 15 | Analyse | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Cette phase du cycle de vie de la science des données se concentre sur les techniques d’analyse des données. | [leçon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
|
| 16 | Communication | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Cette phase du cycle de vie de la science des données se concentre sur la présentation des insights issus des données d’une manière facilitant la compréhension par les décideurs. | [leçon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
|
| 17 | La science des données dans le cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Cette série de leçons introduit la science des données dans le cloud et ses avantages. | [leçon](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) |
|
|
|
| 18 | La science des données dans le cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Entraînement de modèles avec des outils Low Code. | [leçon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) |
|
|
|
| 19 | La science des données dans le cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Déploiement de modèles avec Azure Machine Learning Studio. | [leçon](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) et [Maud](https://twitter.com/maudstweets) |
|
|
|
| 20 | La science des données sur le terrain | [In the Wild](6-Data-Science-In-Wild/README.md) | Projets de science des données dans le monde réel. | [leçon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
|
|
## GitHub Codespaces
|
|
|
|
|
|
Suivez ces étapes pour ouvrir cet exemple dans un Codespace :
|
|
|
1. Cliquez sur le menu déroulant Code et sélectionnez l'option Ouvrir avec Codespaces.
|
|
|
2. Sélectionnez + Nouveau codespace en bas du panneau.
|
|
|
Pour plus d’informations, consultez la [documentation GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
|
|
## VSCode Remote - Containers
|
|
|
|
|
|
Suivez ces étapes pour ouvrir ce dépôt dans un conteneur en utilisant votre machine locale et VSCode via l’extension VS Code Remote - Containers :
|
|
|
|
|
|
1. Si c’est la première fois que vous utilisez un conteneur de développement, assurez-vous que votre système répond aux prérequis (par ex. Docker installé) dans [la documentation de démarrage](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
|
|
Pour utiliser ce dépôt, vous pouvez soit ouvrir le dépôt dans un volume Docker isolé :
|
|
|
|
|
|
**Note** : En arrière-plan, cela utilisera la commande Remote-Containers : **Cloner le dépôt dans un volume conteneur...** pour cloner le code source dans un volume Docker au lieu du système de fichiers local. Les [Volumes](https://docs.docker.com/storage/volumes/) sont le mécanisme préféré pour persister les données de conteneur.
|
|
|
|
|
|
Ou ouvrez une version clonée ou téléchargée localement du dépôt :
|
|
|
|
|
|
- Clonez ce dépôt sur votre système de fichiers local.
|
|
|
- Appuyez sur F1 et sélectionnez la commande **Remote-Containers : Ouvrir un dossier dans un conteneur...**.
|
|
|
- Sélectionnez la copie clonée de ce dossier, attendez que le conteneur démarre, et essayez.
|
|
|
|
|
|
## Accès hors ligne
|
|
|
|
|
|
Vous pouvez consulter cette documentation hors ligne en utilisant [Docsify](https://docsify.js.org/#/). Forkez ce repo, [installez Docsify](https://docsify.js.org/#/quickstart) sur votre machine locale, puis dans le dossier racine de ce repo, tapez `docsify serve`. Le site web sera servi sur le port 3000 de votre localhost : `localhost:3000`.
|
|
|
|
|
|
> Note, les notebooks ne seront pas rendus via Docsify, donc lorsque vous devez exécuter un notebook, faites-le séparément dans VS Code avec un noyau Python.
|
|
|
|
|
|
## Autres programmes
|
|
|
|
|
|
Notre équipe produit d’autres programmes ! Découvrez :
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
[](https://github.com/microsoft/langchain-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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Série d’IA Générative
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Apprentissage Fondamental
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Série Copilot
|
|
|
[](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)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## Obtenir de l’aide
|
|
|
|
|
|
**Rencontrez-vous des problèmes ?** Consultez notre [Guide de dépannage](TROUBLESHOOTING.md) pour des solutions aux problèmes courants.
|
|
|
|
|
|
Si vous êtes bloqué ou avez des questions sur la construction d’applications IA, rejoignez les autres apprenants et développeurs expérimentés dans des discussions sur MCP. C’est une communauté bienveillante où les questions sont les bienvenues et le savoir est partagé librement.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Si vous avez des retours sur le produit ou des erreurs lors du développement, visitez :
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Avertissement** :
|
|
|
Ce document a été traduit à l’aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforçons d’assurer l’exactitude, veuillez noter que les traductions automatiques peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d’origine doit être considéré comme la source faisant autorité. Pour les informations critiques, une traduction professionnelle réalisée par un humain est recommandée. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l’utilisation de cette traduction.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
