|
|
# 面向初学者的数据科学课程
|
|
|
|
|
|
[](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)
|
|
|
|
|
|
微软的 Azure 云倡导者很高兴提供一个为期 10 周、包含 20 节课的完整数据科学课程。每节课都包括课前和课后测验、完成课程的书面指导、解决方案以及作业。我们基于项目的教学法让你在构建项目的同时学习，这是新技能“扎根”的有效方式。
|
|
|
|
|
|
**衷心感谢我们的作者：** [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)。
|
|
|
|
|
|
**🙏 特别感谢我们的 [Microsoft 学生大使](https://studentambassadors.microsoft.com/) 作者、审阅者和内容贡献者，** 尤其是 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/)
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| 面向初学者的数据科学 - _由 [@nitya](https://twitter.com/nitya) 绘制的思维导图_ |
|
|
|
|
|
|
### 🌐 多语言支持
|
|
|
|
|
|
#### 通过 GitHub Action 支持（自动且始终保持最新）
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[阿拉伯语](../ar/README.md) | [孟加拉语](../bn/README.md) | [保加利亚语](../bg/README.md) | [缅甸语 (Myanmar)](../my/README.md) | [中文（简体）](./README.md) | [中文（繁体，香港）](../zh-HK/README.md) | [中文（繁体，澳门）](../zh-MO/README.md) | [中文（繁体，台湾）](../zh-TW/README.md) | [克罗地亚语](../hr/README.md) | [捷克语](../cs/README.md) | [丹麦语](../da/README.md) | [荷兰语](../nl/README.md) | [爱沙尼亚语](../et/README.md) | [芬兰语](../fi/README.md) | [法语](../fr/README.md) | [德语](../de/README.md) | [希腊语](../el/README.md) | [希伯来语](../he/README.md) | [印地语](../hi/README.md) | [匈牙利语](../hu/README.md) | [印度尼西亚语](../id/README.md) | [意大利语](../it/README.md) | [日语](../ja/README.md) | [坎纳达语](../kn/README.md) | [韩语](../ko/README.md) | [立陶宛语](../lt/README.md) | [马来语](../ms/README.md) | [马拉雅拉姆语](../ml/README.md) | [马拉地语](../mr/README.md) | [尼泊尔语](../ne/README.md) | [尼日利亚皮钦语](../pcm/README.md) | [挪威语](../no/README.md) | [波斯语 (法尔西语)](../fa/README.md) | [波兰语](../pl/README.md) | [葡萄牙语（巴西）](../pt-BR/README.md) | [葡萄牙语 (葡萄牙)](../pt-PT/README.md) | [旁遮普语 (Gurmukhi)](../pa/README.md) | [罗马尼亚语](../ro/README.md) | [俄语](../ru/README.md) | [塞尔维亚语 (西里尔字母)](../sr/README.md) | [斯洛伐克语](../sk/README.md) | [斯洛文尼亚语](../sl/README.md) | [西班牙语](../es/README.md) | [斯瓦希里语](../sw/README.md) | [瑞典语](../sv/README.md) | [塔加洛语 (菲律宾语)](../tl/README.md) | [泰米尔语](../ta/README.md) | [泰卢固语](../te/README.md) | [泰语](../th/README.md) | [土耳其语](../tr/README.md) | [乌克兰语](../uk/README.md) | [乌尔都语](../ur/README.md) | [越南语](../vi/README.md)
|
|
|
|
|
|
> **偏好本地克隆？**
|
|
|
|
|
|
> 该仓库包含 50 多种语言的翻译，显著增加了下载大小。若想克隆时不包含翻译，请使用稀疏检出：
|
|
|
> ```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'
|
|
|
> ```
|
|
|
> 这样可以让你更快下载，同时获得完成课程所需的一切内容。
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**如果你希望支持更多翻译语言，支持列表见 [这里](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
|
|
#### 加入我们的社区
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
我们正在进行 Discord 上的“与 AI 学习”系列，详情及加入请访问 [Learn with AI Series](https://aka.ms/learnwithai/discord)，时间为 2025 年 9 月 18 日至 30 日。你将获得使用 GitHub Copilot 进行数据科学的技巧和窍门。
|
|
|
|
|
|
|
|
|
|
|
|
# 你是学生吗？
|
|
|
|
|
|
请从以下资源开始：
|
|
|
|
|
|
- [学生中心页面](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 在此页面，你将找到初学者资源、学生包，甚至还有获取免费证书优惠券的方法。这是你值得收藏并定期查看的一页，因为我们至少每月更换内容。
|
|
|
- [Microsoft Learn 学生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 加入学生大使全球社区，这可能是你进入微软的途径。
|
|
|
|
|
|
# 入门指南
|
|
|
|
|
|
## 📚 文档
|
|
|
|
|
|
- **[安装指南](INSTALLATION.md)** - 为初学者提供的逐步安装说明
|
|
|
- **[使用指南](USAGE.md)** - 示例和常用工作流程
|
|
|
- **[故障排除](TROUBLESHOOTING.md)** - 常见问题解决方案
|
|
|
- **[贡献指南](CONTRIBUTING.md)** - 如何为本项目贡献
|
|
|
- **[教师专用](for-teachers.md)** - 教学指导和课堂资源
|
|
|
|
|
|
## 👨🎓 适合学生
|
|
|
> **完全初学者**：对数据科学新手？从我们的[初学者友好示例](examples/README.md)开始吧！这些简单且注释丰富的示例将帮助你掌握基础知识，然后再深入完整课程。
|
|
|
> **[学生](https://aka.ms/student-page)**：想独立使用此课程，请 fork 整个仓库并独立完成练习，从课前测验开始。然后阅读讲义并完成后续活动。尝试通过理解课程内容完成项目，而不是直接复制解决方案代码；不过，这些代码在各项目导向课程的 /solutions 文件夹中可用。另一种方法是和朋友组成学习小组，一起学习内容。想进一步学习，我们推荐 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
|
|
|
|
|
|
**快速开始：**
|
|
|
1. 查看 [安装指南](INSTALLATION.md) 安装环境
|
|
|
2. 阅读 [使用指南](USAGE.md) 学习如何使用课程
|
|
|
3. 从第一课开始，按顺序学习
|
|
|
4. 加入我们的 [Discord 社区](https://aka.ms/ds4beginners/discord) 寻求支持
|
|
|
|
|
|
## 👩🏫 适合教师
|
|
|
|
|
|
> **教师们**：我们[提供了一些建议](for-teachers.md)关于如何使用本课程。欢迎在[讨论论坛](https://github.com/microsoft/Data-Science-For-Beginners/discussions)分享你的反馈！
|
|
|
## 团队介绍
|
|
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "宣传视频")
|
|
|
|
|
|
**动图作者** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 点击上方图片观看关于项目及其创建者的视频！
|
|
|
|
|
|
## 教学法
|
|
|
|
|
|
我们在构建课程时选择了两个教学原则：确保课程基于项目，并包含频繁的测验。在本系列课程结束时，学生将学会数据科学的基本原理，包括伦理概念、数据准备、不同的数据处理方法、数据可视化、数据分析、数据科学的实际应用案例等。
|
|
|
|
|
|
此外，课前的低压力测验帮助学生树立学习主题的意图，课后的测验确保知识的进一步巩固。该课程设计灵活且有趣，可以全部学习也可以部分学习。项目从小型开始，逐渐在10周周期结束时变得更加复杂。
|
|
|
|
|
|
> 查看我们的[行为准则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)、[翻译指南](TRANSLATIONS.md)。欢迎您的建设性反馈！
|
|
|
|
|
|
## 每节课包括：
|
|
|
|
|
|
- 可选的草图笔记
|
|
|
- 可选的补充视频
|
|
|
- 课前热身测验
|
|
|
- 书面课程
|
|
|
- 基于项目的课程，有逐步项目构建指南
|
|
|
- 知识检查
|
|
|
- 挑战
|
|
|
- 补充阅读
|
|
|
- 作业
|
|
|
- [课后测验](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **关于测验的说明**：所有测验均包含在 Quiz-App 文件夹中，共有40个测验，每个测验3个问题。课程中提供了链接，测验应用也可以本地运行或部署到 Azure；请参照 `quiz-app` 文件夹中的说明。测验内容正在逐步本地化。
|
|
|
|
|
|
## 🎓 初学者友好示例
|
|
|
|
|
|
**刚接触数据科学？** 我们创建了一个特别的[示例目录](examples/README.md)，提供简单且注释详细的代码，助你入门：
|
|
|
|
|
|
- 🌟 **Hello World** - 你的第一个数据科学程序
|
|
|
- 📂 **加载数据** - 学习读取与探索数据集
|
|
|
- 📊 **简单分析** - 计算统计量、发现模式
|
|
|
- 📈 **基础可视化** - 创建图表与图形
|
|
|
- 🔬 **实际项目** - 从头到尾完成完整工作流
|
|
|
|
|
|
每个示例均包含详细注释，逐步解释每个步骤，非常适合初学者！
|
|
|
|
|
|
👉 **[从示例开始](examples/README.md)** 👈
|
|
|
|
|
|
## 课程列表
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| 数据科学初学者路线图 - _草图笔记作者 [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| 课程编号 | 主题 | 课程分组 | 学习目标 | 关联课程 | 作者 |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 01 | 定义数据科学 | [介绍](1-Introduction/README.md) | 了解数据科学背后的基本概念及其与人工智能、机器学习和大数据的关系。 | [课程](1-Introduction/01-defining-data-science/README.md) [视频](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
|
| 02 | 数据科学伦理 | [介绍](1-Introduction/README.md) | 数据伦理的概念、挑战与框架。 | [课程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
| 03 | 定义数据 | [介绍](1-Introduction/README.md) | 数据的分类及其常见来源。 | [课程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 04 | 统计与概率简介 | [介绍](1-Introduction/README.md) | 使用概率与统计的数学技巧理解数据。 | [课程](1-Introduction/04-stats-and-probability/README.md) [视频](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
|
| 05 | 关系型数据处理 | [数据处理](2-Working-With-Data/README.md) | 介绍关系型数据及如何使用结构化查询语言（SQL，读作“see-quell”）探索和分析关系型数据的基础。 | [课程](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
|
| 06 | 非关系型数据处理 | [数据处理](2-Working-With-Data/README.md) | 介绍非关系型数据及其各种类型，及文档数据库的基础探索与分析。 | [课程](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
|
| 07 | Python 数据处理 | [数据处理](2-Working-With-Data/README.md) | 使用 Python 及 Pandas 等库进行数据探索的基础。建议具备 Python 编程基础。 | [课程](2-Working-With-Data/07-python/README.md) [视频](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
|
| 08 | 数据准备 | [数据处理](2-Working-With-Data/README.md) | 涉及数据清洗与转换技术，处理缺失、不准确或不完整数据的挑战。 | [课程](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 09 | 数量可视化 | [数据可视化](3-Data-Visualization/README.md) | 学习使用 Matplotlib 可视化鸟类数据 🦆 | [课程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 10 | 数据分布可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化观测值和区间内的趋势。 | [课程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 11 | 比例可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化离散和分组百分比。 | [课程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 12 | 关系可视化 | [数据可视化](3-Data-Visualization/README.md) | 可视化数据集合及变量间的联系与相关性。 | [课程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 13 | 有意义的可视化 | [数据可视化](3-Data-Visualization/README.md) | 提供制作有效问题解决和洞察的可视化的技巧和指导。 | [课程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 14 | 数据科学生命周期简介 | [生命周期](4-Data-Science-Lifecycle/README.md) | 介绍数据科学生命周期及其第一步：数据获取与提取。 | [课程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
|
| 15 | 分析阶段 | [生命周期](4-Data-Science-Lifecycle/README.md) | 数据科学生命周期的分析阶段，侧重数据分析技巧。 | [课程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
|
| 16 | 交流阶段 | [生命周期](4-Data-Science-Lifecycle/README.md) | 此阶段强调以便于决策者理解的方式展示数据洞察。 | [课程](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
|
| 17 | 云端数据科学简介 | [云端数据](5-Data-Science-In-Cloud/README.md) | 介绍云端数据科学及其优势。 | [课程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
|
|
|
| 18 | 云端数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 使用低代码工具训练模型。 |[课程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
|
|
|
| 19 | 云端数据科学 | [云端数据](5-Data-Science-In-Cloud/README.md) | 使用 Azure 机器学习工作室部署模型。 | [课程](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
|
|
|
| 20 | 实战中的数据科学 | [实战](6-Data-Science-In-Wild/README.md) | 现实世界中的数据科学项目。 | [课程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
|
|
## GitHub Codespaces
|
|
|
|
|
|
按以下步骤在 Codespace 中打开此示例：
|
|
|
1. 点击 Code 下拉菜单，选择“Open with Codespaces”选项。
|
|
|
2. 在面板底部选择 + New codespace。
|
|
|
更多信息请查看 [GitHub 文档](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
|
|
|
|
|
|
## VSCode 远程 - 容器
|
|
|
按以下步骤使用您本地的 VSCode 远程 - 容器扩展，在容器中打开此仓库：
|
|
|
|
|
|
1. 如果是首次使用开发容器，请确保您的系统满足先决条件（例如安装了 Docker），详见[入门文档](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
|
|
|
|
|
|
使用此仓库，您可以选择在隔离的 Docker 卷中打开仓库：
|
|
|
|
|
|
**注意**：此操作底层将使用 Remote-Containers 的 **Clone Repository in Container Volume...** 命令，将源代码克隆到 Docker 卷中，而非本地文件系统。[卷](https://docs.docker.com/storage/volumes/)是持久化容器数据的首选机制。
|
|
|
|
|
|
或者打开本地克隆或下载的仓库版本：
|
|
|
|
|
|
- 将此仓库克隆到本地文件系统。
|
|
|
- 按 F1，选择 **Remote-Containers: Open Folder in Container...** 命令。
|
|
|
- 选择克隆的文件夹，等待容器启动，然后开始使用。
|
|
|
|
|
|
## 离线访问
|
|
|
|
|
|
您可以使用 [Docsify](https://docsify.js.org/#/) 离线浏览本文档。Fork 本仓库，在本地机器上[安装 Docsify](https://docsify.js.org/#/quickstart)，然后在仓库根目录输入 `docsify serve`。网站将在本地主机的3000端口提供服务：`localhost:3000`。
|
|
|
|
|
|
> 注意，Jupyter 笔记本不会通过 Docsify 渲染，需要运行笔记本时，请在 VS Code 中使用 Python 内核单独运行。
|
|
|
|
|
|
## 其他课程体系
|
|
|
|
|
|
我们团队还制作了其他课程！敬请查看：
|
|
|
|
|
|
<!-- 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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### 生成式 AI 系列
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### 核心学习
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Copilot 系列
|
|
|
[](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 -->
|
|
|
|
|
|
## 获取帮助
|
|
|
|
|
|
**遇到问题？** 请查看我们的[Troubleshooting Guide](TROUBLESHOOTING.md)，了解常见问题的解决方案。
|
|
|
|
|
|
如果你遇到卡顿或对构建 AI 应用有任何疑问，欢迎加入其他学习者和经验丰富的开发者，一起讨论 MCP。这里是一个支持性的社区，欢迎提问并自由分享知识。
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
如果你在构建过程中有产品反馈或遇到错误，请访问：
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**免责声明**：
|
|
|
本文件由AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)翻译完成。虽然我们尽力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。以原文的母语版本为权威参考。如涉及重要信息，建议使用专业人工翻译。我们不对因使用本翻译而引起的任何误解或误释承担责任。
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
