Data-Science-For-Beginners/translations/zh-HK

Data Science for Beginners - A Curriculum

Azure Cloud Advocates at Microsoft 很高興提供一個為期 10 週，共 20 課的資料科學課程。每一課都包含課前和課後測驗、完成課程的書面指引、解決方案以及作業。我們以項目為基礎的教學法讓你在實作中學習，是新技能得以紮根的有效方法。

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、審核者及內容貢獻者， 特別是 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

Data Science For Beginners - 手繪筆記由 @nitya 製作

🌐 多語言支援

透過 GitHub Action 自動化並持續更新支援

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

喜歡本機複製？

本儲存庫包含 50 多種語言翻譯，會大幅增加下載大小。要不帶翻譯複製，請使用稀疏檢出：

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'

可讓你快速下載完成課程所需的所有內容。

如果你希望支援更多翻譯語言，清單請見 這裡

加入我們的社群

我們有一個 Discord AI 學習系列活動，從 2025 年 9 月 18 日至 30 日開放，了解更多並加入我們：Learn with AI Series。你會獲得使用 GitHub Copilot 於資料科學上的技巧和秘訣。

你是學生嗎？

開始使用以下資源：

• 學生中心頁面 在此頁面中，你可以找到初學者資源、學生套裝，甚至獲得免費證書憑證的方法。這是一個你應該加入書籤並不時查看的頁面，我們會至少每月更新內容。
• Microsoft Learn Student Ambassadors 加入學生大使全球社群，或許這是你進入 Microsoft 的途徑。

開始使用

📚 文件

• 安裝指南 - 針對初學者的逐步設置說明
• 使用說明 - 範例和常見工作流程
• 疑難排解 - 常見問題解決方案
• 貢獻指南 - 如何參與此專案貢獻
• 給老師們 - 教學指導及課堂資源

👨‍🎓 給學生們

完全初學者：對資料科學不熟悉？從我們的初學者友好範例開始！這些簡單且豐富註解的範例將幫助你在深入整個課程前，先建立基礎了解。 學生：若要自行使用本課程，請 fork 整個倉庫並自己完成練習，從課前小測驗開始。接著閱讀課程內容並完成其餘活動。嘗試透過理解課程去自行建立專案，而非直接複製解決方案程式碼；但你可以在每個專案導向課程的 /solutions 資料夾中找到完整程式碼。另一個方法是與朋友組成讀書會一起學習。我們建議進階學習可參考 Microsoft Learn。

快速開始：

1. 查看 安裝指南 設置環境
2. 閱讀 使用說明 學習如何操作課程
3. 從第一課開始依序學習
4. 加入我們的 Discord 社群 取得支援

👩‍🏫 給老師們

老師們：我們提供一些建議 如何使用本課程。樂意收到你在討論區的回饋！

介紹團隊

Gif 來源 Mohit Jaisal

🎥 點擊上方圖片觀看有關專案及創建團隊的影片！

教學理念

我們在建構此課程時選擇了兩個教學原則：確保課程以專案為基礎，並包含頻繁的測驗。完成本系列課程後，學生將學會資料科學的基本原理，包括倫理觀念、資料準備、不同資料處理方式、資料視覺化、資料分析、資料科學的實際應用案例等。

此外，課前的低壓力測驗設定學習者學習主題的目標，而課後第二次測驗則確保進一步的記憶鞏固。本課程設計彈性且有趣，可以全部或部分學習。專案從小型開始，隨著 10 週週期結束而逐漸變複雜。

請查閱我們的行為準則、貢獻指南、翻譯指引。歡迎您的建設性回饋！

每堂課包含：

• 可選擇的手繪筆記
• 可選擇的補充影片
• 課前熱身測驗
• 書面課程內容
• 專案課程包含逐步建置指南
• 知識檢測
• 挑戰題
• 補充閱讀
• 作業
• 課後測驗

關於測驗的一點說明：所有測驗均包含在 Quiz-App 資料夾中，共 40 個測驗，每個測驗包含三個問題。它們在課程中有連結，但也可本地執行或部署至 Azure；請參考 quiz-app 資料夾內的說明。測驗正逐步本地化中。

🎓 初學者友善範例

資料科學新手？ 我們製作了特別的 範例目錄，有簡易且註解詳盡的程式碼幫助您入門：

• 🌟 Hello World - 你的第一個資料科學程式
• 📂 載入資料 - 學習讀取及探索資料集
• 📊 簡單分析 - 計算統計數據與尋找趨勢
• 📈 基本視覺化 - 製作圖表與圖形
• 🔬 實際專案 - 從頭到尾完成的工作流程

每個範例包含詳細註解說明每步驟，非常適合初學者！

👉 從範例開始 👈

課程內容

初學者資料科學路線圖 - 手繪筆記作者 @nitya

課程編號	主題	課程群組	學習目標	連結課程	作者
01	定義資料科學	介紹	了解資料科學的基本概念及其與人工智能、機器學習和大數據的關係。	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	資料如何分類及其常見來源。	課程	Jasmine
04	統計與機率導論	介紹	使用數學方法機率與統計來理解資料。	課程 影片	Dmitry
05	處理關聯資料	資料操作	介紹關聯資料及使用結構化查詢語言（SQL，讀作“see-quell”）探索與分析關聯資料的基礎。	課程	Christopher
06	處理 NoSQL 資料	資料操作	介紹非關聯資料、其各種類型及探索與分析文件資料庫的基礎。	課程	Jasmine
07	使用 Python	資料操作	使用 Python 及 Pandas 等函式庫進行資料探索的基礎。建議具備 Python 程式設計基礎。	課程 影片	Dmitry
08	資料準備	資料操作	清理與轉換資料的技巧，以處理缺失、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	學習使用 Matplotlib 對鳥類資料進行視覺化 🦆	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	視覺化離散及分組百分比。	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	製作有效解決問題與提供洞察的有價值視覺化技巧與指引。	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驟——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階段。	課程	Jasmine
16	溝通	生命週期	資料科學生命週期中聚焦於將資料洞察以決策者易於理解的方式呈現的階段。	課程	Jalen
17	雲端資料科學	雲端資料	這系列課程介紹雲端資料科學及其優勢。	課程	Tiffany 和 Maud
18	雲端資料科學	雲端資料	使用低代碼工具訓練模型。	課程	Tiffany 和 Maud
19	雲端資料科學	雲端資料	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany 和 Maud
20	實務資料科學	實務應用	真實世界中的資料科學專案。	課程	Nitya

GitHub Codespaces

請依下列步驟在 Codespace 打開此範例：

1. 點擊 Code 下拉選單，選擇 Open with Codespaces 選項。
2. 在側欄底部選擇 + New codespace。 更多資訊請參考 GitHub 文件。

VSCode Remote - Containers

請依下列步驟使用本機與 VSCode 的 Remote - Containers 擴充功能在容器中開啟此版本庫：

1. 若您是首次使用開發容器，請確保系統符合前置條件（例如已安裝 Docker），詳見入門文件。

使用此版本庫，您可以選擇以獨立 Docker 卷打開：

注意：底層將使用 Remote-Containers 的 Clone Repository in Container Volume... 命令，將原始碼克隆至 Docker 卷而非本地檔案系統。卷 為持久化容器資料的首選。

或者打開本地克隆或下載的版本庫：

• 將此版本庫克隆至本地檔案系統。
• 按 F1 並選擇 Remote-Containers: Open Folder in Container... 命令。
• 選取克隆資料夾，等待容器啟動後開始使用。

離線存取

您可使用 Docsify 離線閱讀本文件。請分支（fork）此版本庫，於本機安裝 Docsify，並於此版本庫根目錄下執行 docsify serve。網站將於本地執行於 3000 端口：localhost:3000。

注意，notebook 不會透過 Docsify 呈現，當需執行 notebook 時，請在 VS Code 中用 Python kernel 獨立執行。

其他課程

我們團隊也製作其他課程！請參考：

LangChain

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

獲取支援

遇到問題嗎？ 請查看我們的 故障排除指南，以解決常見問題。

如果你遇到困難或有任何建立 AI 應用程式的問題，歡迎加入學習者和經驗豐富的開發者社群，一同討論 MCP。這是一個支持互助的社區，歡迎提出問題並自由分享知識。

如果你有產品反饋或在開發中遇到錯誤，請訪問：

---

免責聲明：
本文件使用人工智能翻譯服務 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。原始文件的本地語言版本應視為權威資料。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引致的任何誤解或誤釋承擔責任。