|
|
# Data Science за начинаещи - Учебна програма
|
|
|
|
|
|
[](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)
|
|
|
|
|
|
Адвокатите на Azure Cloud в Microsoft с удоволствие предлагат 10-седмична учебна програма с 20 урока, изцяло посветена на Data Science. Всеки урок включва тест преди и след урока, писмени инструкции за изпълнение на урока, решение и задача. Нашата педагогика, базирана на проекти, ви позволява да учите, докато строите, което е доказан начин новите умения да "залепнат".
|
|
|
|
|
|
**Сърдечни благодарности на нашите автори:** [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).
|
|
|
|
|
|
**🙏 Специални благодарности 🙏 на нашите [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) автори, рецензенти и съдържателни сътрудници,** в частност 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 за начинаещи - _Sketchnote от [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
### 🌐 Поддръжка на множество езици
|
|
|
|
|
|
#### Поддържа се чрез GitHub Action (Автоматизирано и винаги актуално)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](./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](../fr/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)
|
|
|
|
|
|
> **Предпочитате локално клониране?**
|
|
|
>
|
|
|
> Това хранилище включва над 50 езикови превода, което значително увеличава размера за изтегляне. За да клонирате без преводи, използвайте sparse checkout:
|
|
|
>
|
|
|
> **Bash / macOS / Linux:**
|
|
|
> ```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'
|
|
|
> ```
|
|
|
>
|
|
|
> **CMD (Windows):**
|
|
|
> ```cmd
|
|
|
> 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"
|
|
|
> ```
|
|
|
>
|
|
|
> Това ви дава всичко необходимо за завършване на курса с много по-бързо изтегляне.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**Ако искате допълнителни преводи, поддържаните езици са изброени [тук](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
|
|
#### Присъединете се към нашата общност
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Имаме текуща Discord серия „учене с AI“, научете повече и се присъединете към нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) от 18 до 30 септември, 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Вие студент ли сте?
|
|
|
|
|
|
Започнете с следните ресурси:
|
|
|
|
|
|
- [Student Hub страница](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Тук ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен сертификатен ваучер. Това е страница, която искате да запазите и да проверявате от време на време, тъй като съдържанието се обновява поне веднъж месечно.
|
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Присъединете се към глобална общност от студенти посланици, това може да е вашият път към Microsoft.
|
|
|
|
|
|
# Започване
|
|
|
|
|
|
## 📚 Документация
|
|
|
|
|
|
- **[Ръководство за инсталиране](INSTALLATION.md)** - Стъпка по стъпка инструкции за настройка за начинаещи
|
|
|
- **[Ръководство за използване](USAGE.md)** - Примери и често използвани работни потоци
|
|
|
- **[Отстраняване на проблеми](TROUBLESHOOTING.md)** - Решения на често срещани проблеми
|
|
|
- **[Ръководство за принос](CONTRIBUTING.md)** - Как да допринесете за този проект
|
|
|
- **[За учители](for-teachers.md)** - Препоръки за преподаване и материали за класната стая
|
|
|
|
|
|
## 👨🎓 За студенти
|
|
|
> **Пълни начинаещи**: Нови ли сте в data science? Започнете с нашите [примери за начинаещи](examples/README.md)! Тези прости, добре коментирани примери ще ви помогнат да разберете основите преди да се потопите в цялата учебна програма.
|
|
|
> **[Студенти](https://aka.ms/student-page)**: за да използвате тази учебна програма самостоятелно, направете форк на цялото хранилище и направете упражненията сами, започвайки с тест преди лекцията. После прочетете лекцията и завършете останалите дейности. Опитайте се да създавате проектите, като разбирате уроците вместо да копирате кода за решения; въпреки това този код е наличен в папките /solutions във всеки урок, ориентиран към проект. Друга идея е да създадете учебна група с приятели и да преминете съдържанието заедно. За по-нататъшно учене препоръчваме [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
|
|
|
|
|
|
**Бърз старт:**
|
|
|
1. Прегледайте [Ръководството за инсталация](INSTALLATION.md), за да настроите средата си
|
|
|
2. Прегледайте [Ръководството за използване](USAGE.md), за да научите как да работите с учебната програма
|
|
|
3. Започнете с урок 1 и продължете последователно
|
|
|
4. Присъединете се към нашата [Discord общност](https://aka.ms/ds4beginners/discord) за подкрепа
|
|
|
|
|
|
## 👩🏫 За учители
|
|
|
> **Учители**: ние сме [включили някои предложения](for-teachers.md) за това как да използвате тази учебна програма. Ще се радваме на вашата обратна връзка [в нашия дискусионен форум](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
|
|
## Запознайте се с екипа
|
|
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Промо видео")
|
|
|
|
|
|
**Gif от** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 Кликнете на изображението по-горе за видео за проекта и хората, които са го създали!
|
|
|
|
|
|
## Педагогика
|
|
|
|
|
|
Избрахме два педагогически принципа при създаването на тази учебна програма: да бъде базирана на проект и да включва често повтарящи се тестове. В края на този курс студентите ще са научили основните принципи на науката за данните, включително етични концепции, подготовка на данни, различни начини за работа с данни, визуализация на данни, анализ на данни, реални случаи на използване на науката за данните и още.
|
|
|
|
|
|
Освен това, тест с нисък залог преди урок задава намерението на студента да изучава дадена тема, докато втори тест след урок осигурява по-нататъшна запаметяемост. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се премине изцяло или частично. Проектите започват малки и стават все по-сложни до края на 10-седмичния цикъл.
|
|
|
|
|
|
> Намерете нашите [Правила за поведение](CODE_OF_CONDUCT.md), [Принос](CONTRIBUTING.md), [Превод](TRANSLATIONS.md) указания. Очакваме вашата конструктивна обратна връзка!
|
|
|
|
|
|
## Всеки урок включва:
|
|
|
|
|
|
- Допълнителна скица (по желание)
|
|
|
- Допълнително видео (по желание)
|
|
|
- Предварителен тест за загряване преди урока
|
|
|
- Писмен урок
|
|
|
- За уроци базирани на проекти – стъпка по стъпка ръководства за изграждане на проекта
|
|
|
- Проверки на знанията
|
|
|
- Предизвикателство
|
|
|
- Допълнително четиво
|
|
|
- Задача
|
|
|
- [Тест след урока](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **Забележка относно тестовете**: Всички тестове се съдържат в папката Quiz-App, общо 40 теста с по три въпроса всеки. Те са свързани от уроците, но приложението за тестове може да се изпълнява локално или да се деплойва в Azure; следвайте инструкциите в папката `quiz-app`. Те постепенно се локализират.
|
|
|
|
|
|
## 🎓 Примери за начинаещи
|
|
|
|
|
|
**Нов в науката за данните?** Създадохме специална [директория с примери](examples/README.md) с прост и добре коментиран код, който да ви помогне да започнете:
|
|
|
|
|
|
- 🌟 **Hello World** - Вашата първа програма по наука за данните
|
|
|
- 📂 **Зареждане на данни** - Научете как да четете и изследвате набори от данни
|
|
|
- 📊 **Прост анализ** - Изчисляване на статистики и намиране на модели
|
|
|
- 📈 **Основна визуализация** - Създаване на диаграми и графики
|
|
|
- 🔬 **Реален проект** - Цялостен работен процес от начало до край
|
|
|
|
|
|
Всеки пример включва подробни коментари, обясняващи всяка стъпка, което го прави перфектен за абсолютни начинаещи!
|
|
|
|
|
|
👉 **[Започнете с примерите](examples/README.md)** 👈
|
|
|
|
|
|
## Уроци
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Наука за данни за начинаещи: План за обучение - _Скица от [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| Номер на урок | Тема | Групиране на урока | Учебни цели | Свързан урок | Автор |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 01 | Дефиниране на науката за данни | [Въведение](1-Introduction/README.md) | Научете основните концепции зад науката за данни и как тя се свързва с изкуствения интелект, машинното обучение и големите данни. | [урок](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Дмитрий](http://soshnikov.com) |
|
|
|
| 02 | Етика в науката за данни | [Въведение](1-Introduction/README.md) | Концепции, предизвикателства и рамки на етиката в данните. | [урок](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
| 03 | Дефиниране на данни | [Въведение](1-Introduction/README.md) | Как се класифицират данните и техните чести източници. | [урок](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 04 | Въведение в статистиката и вероятността | [Въведение](1-Introduction/README.md) | Математическите техники на вероятността и статистиката за разбиране на данните. | [урок](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитрий](http://soshnikov.com) |
|
|
|
| 05 | Работа с релационни данни | [Работа с данни](2-Working-With-Data/README.md) | Въведение в релационните данни и основите на изследване и анализ на релационни данни със структуриран език за заявки, известен като SQL (произнася се “си-куел”). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Кристофър](https://www.twitter.com/geektrainer) | | |
|
|
|
| 06 | Работа с NoSQL данни | [Работа с данни](2-Working-With-Data/README.md) | Въведение в нерелационните данни, техните различни типове и основите на изследване и анализ на документ-ориентирани бази данни. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
|
| 07 | Работа с Python | [Работа с данни](2-Working-With-Data/README.md) | Основи на използване на Python за изследване на данни с библиотеки като Pandas. Препоръчва се основно разбиране на Python програмирането. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Дмитрий](http://soshnikov.com) |
|
|
|
| 08 | Подготовка на данни | [Работа с данни](2-Working-With-Data/README.md) | Теми за техники за почистване и трансформиране на данните за справяне с проблемите на липсващи, неточни или непълни данни. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 09 | Визуализация на количества | [Визуализация на данни](3-Data-Visualization/README.md) | Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 10 | Визуализация на разпределение на данните | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на наблюдения и тенденции в интервал. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 11 | Визуализация на пропорции | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на дискретни и групирани проценти. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 12 | Визуализация на взаимоотношения | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на връзки и корелации между набори от данни и техните променливи. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 13 | Смислени визуализации | [Визуализация на данни](3-Data-Visualization/README.md) | Техники и насоки за правене на визуализациите стойностни за ефективно решаване на проблеми и изводи. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 14 | Въведение в жизнения цикъл на науката за данни | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Въведение в жизнения цикъл на науката за данни и първата му стъпка – придобиване и извличане на данни. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
|
| 15 | Анализиране | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данни. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
|
| 16 | Комуникация | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Тази фаза от жизнения цикъл на науката за данни се фокусира върху представянето на изводите от данните по начин, който улеснява разбирането им от вземащите решения. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
|
| 17 | Наука за данни в облака | [Облачни данни](5-Data-Science-In-Cloud/README.md) | Тази серия от уроци представя науката за данни в облака и нейните предимства. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тифани](https://twitter.com/TiffanySouterre) и [Мауд](https://twitter.com/maudstweets) |
|
|
|
| 18 | Наука за данни в облака | [Облачни данни](5-Data-Science-In-Cloud/README.md) | Обучение на модели с използване на Low Code инструменти. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тифани](https://twitter.com/TiffanySouterre) и [Мауд](https://twitter.com/maudstweets) |
|
|
|
| 19 | Наука за данни в облака | [Облачни данни](5-Data-Science-In-Cloud/README.md) | Деплойване на модели с Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тифани](https://twitter.com/TiffanySouterre) и [Мауд](https://twitter.com/maudstweets) |
|
|
|
| 20 | Наука за данни в реалния свят | [В дивата природа](6-Data-Science-In-Wild/README.md) | Проекти, базирани на науката за данните, в реалния свят. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
|
|
## GitHub Codespaces
|
|
|
|
|
|
Следвайте тези стъпки, за да отворите този пример в Codespace:
|
|
|
1. Кликнете на падащото меню Code и изберете опцията Open with Codespaces.
|
|
|
2. Изберете + New codespace в долната част на панела.
|
|
|
За повече информация вижте [GitHub документацията](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
|
|
## VSCode Remote - Контейнери
|
|
|
Следвайте тези стъпки, за да отворите това репо в контейнер, използвайки локалната си машина и VSCode чрез разширението VS Code Remote - Containers:
|
|
|
|
|
|
1. Ако използвате контейнер за разработка за първи път, моля уверете се, че системата ви отговаря на изискванията (т.е. имате инсталиран Docker) в [документацията за начало](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
|
|
За да използвате това репо, можете или да го отворите в изолиран Docker volume:
|
|
|
|
|
|
**Забележка**: Под капака това ще използва командата Remote-Containers: **Clone Repository in Container Volume...**, за да клонира изходния код в Docker volume вместо в локалната файлова система. [Volumes](https://docs.docker.com/storage/volumes/) са предпочитаният механизъм за съхранение на данни на контейнера.
|
|
|
|
|
|
Или да отворите локално клонирано или изтеглено копие на репото:
|
|
|
|
|
|
- Клонирайте това репо на локалната файлова система.
|
|
|
- Натиснете F1 и изберете команда **Remote-Containers: Open Folder in Container...**.
|
|
|
- Изберете клонираното копие на тази папка, изчакайте да стартира контейнера и пробвайте.
|
|
|
|
|
|
## Офлайн достъп
|
|
|
|
|
|
Можете да изпълнявате тази документация офлайн чрез [Docsify](https://docsify.js.org/#/). Форкнете това репо, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на локалната си машина, след това в основната папка на това репо, изпълнете `docsify serve`. Уебсайтът ще бъде обслужван на порт 3000 на localhost: `localhost:3000`.
|
|
|
|
|
|
> Забележка: бележниците няма да се визуализират с Docsify, така че когато трябва да изпълните бележник, направете го отделно в VS Code, използвайки Python kernel.
|
|
|
|
|
|
## Други учебни програми
|
|
|
|
|
|
Нашият екип създава и други учебни програми! Вижте:
|
|
|
|
|
|
<!-- 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 / Агентите
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Поредицата за генеративен AI
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Основно обучение
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Поредицата 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 -->
|
|
|
|
|
|
## Помощ
|
|
|
|
|
|
**Срещате проблеми?** Вижте нашето [Ръководство за отстраняване на проблеми](TROUBLESHOOTING.md) за решения на често срещани проблеми.
|
|
|
|
|
|
Ако забиете или имате въпроси относно създаването на AI приложения, присъединете се към други учащи и опитни разработчици в дискусиите за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанието се споделя свободно.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Ако имате обратна връзка за продукта или грешки по време на изграждането, посетете:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Отказ от отговорност**:
|
|
|
Този документ е преведен с помощта на автоматизирана услуга за превод [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия първоначален език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Не носим отговорност за възникнали недоразумения или неправилни тълкувания вследствие на използването на този превод.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
