|
|
# Data Science pour les débutants - Un programme d'études
|
|
|
|
|
|
[](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 de proposer un programme de 10 semaines, comprenant 20 leçons, entièrement dédié à la science des données. Chaque leçon comprend des quiz pré- et post-leçon, des instructions écrites pour compléter la leçon, une solution et un devoir. Notre pédagogie basée sur des projets vous permet d'apprendre tout 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).
|
|
|
|
|
|
**🙏 Merci tout particulier 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 les 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)
|
|
|
|
|
|
> **Préférez cloner localement ?**
|
|
|
>
|
|
|
> Ce dépôt inclut plus de 50 traductions de langues, ce qui augmente considérablement la taille du téléchargement. Pour cloner sans les traductions, utilisez le 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"
|
|
|
> ```
|
|
|
>
|
|
|
> Ceci vous donne tout ce dont vous avez besoin pour compléter le cours avec un téléchargement beaucoup plus rapide.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**Si vous souhaitez que des langues supplémentaires 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 organisons une série Discord « apprendre avec l'IA », 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 conseils et astuces pour utiliser GitHub Copilot pour la Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Êtes-vous étudiant ?
|
|
|
|
|
|
Commencez avec les ressources suivantes :
|
|
|
|
|
|
- [Page 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 pour une certification gratuite. 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.
|
|
|
|
|
|
# Pour commencer
|
|
|
|
|
|
## 📚 Documentation
|
|
|
|
|
|
- **[Guide d'installation](INSTALLATION.md)** - Instructions d’installation étape par étape pour les débutants
|
|
|
- **[Guide d'utilisation](USAGE.md)** - Exemples et flux de travail 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 science des données ? Commencez avec nos [exemples adaptés aux débutants](examples/README.md) ! Ces exemples simples et bien commentés vous aideront à comprendre les bases avant d’aborder le programme complet.
|
|
|
> **[Étudiants](https://aka.ms/student-page)** : pour utiliser ce programme par vous-même, forkez le dépôt entier et complétez les exercices seul, en commençant par un quiz pré-lecture. Puis lisez la leçon et complétez le reste des activités. Essayez de créer les projets en comprenant les leçons plutôt qu’en copiant le code de solution ; cependant, ce code est disponible dans les dossiers /solutions dans chaque leçon axée sur un projet. Une autre idée serait de former un groupe d'étude avec des amis et de parcourir le contenu ensemble. Pour des études complémentaires, 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. Passez en revue le [Guide d'utilisation](USAGE.md) pour apprendre à manipuler 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 du support
|
|
|
|
|
|
## 👩🏫 Pour les enseignants
|
|
|
> **Enseignants** : nous avons [inclus quelques suggestions](for-teachers.md) sur la manière d’utiliser ce programme. Nous serions ravis de recevoir 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 à propos du projet et des personnes qui l’ont créé !
|
|
|
|
|
|
## Pédagogie
|
|
|
|
|
|
Nous avons choisi deux principes pédagogiques lors de la création de ce cursus : assurer qu’il est basé sur des projets et qu’il inclut 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 manières de travailler avec les données, la visualisation des données, l’analyse des données, les cas d’usage 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 vis-à-vis de 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 ludique, et peut être suivi en totalité 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), les [Directives de contribution](CONTRIBUTING.md), et les [Directives de traduction](TRANSLATIONS.md). 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, des guides pas à pas pour construire le projet
|
|
|
- Contrôles des connaissances
|
|
|
- Un défi
|
|
|
- Lecture complémentaire
|
|
|
- Devoir
|
|
|
- [Quiz post-leçon](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **Une note à propos des quiz** : Tous les quiz se trouvent dans le dossier Quiz-App, soit 40 quiz au total de trois questions chacun. Ils sont liés au sein des 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** - Apprendre à lire et explorer des ensembles de données
|
|
|
- 📊 **Analyse simple** - Calculer des statistiques et trouver des motifs
|
|
|
- 📈 **Visualisation basique** - Créer des graphiques et des diagrammes
|
|
|
- 🔬 **Projet réel** - Flux complet du début à la fin
|
|
|
|
|
|
Chaque exemple inclut des commentaires détaillés expliquant chaque étape, parfait pour les débutants absolus !
|
|
|
|
|
|
👉 **[Commencez par 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 | Groupe de leçons | Objectifs d’apprentissage | Leçon liée | Auteur |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 01 | Définir la science des données | [Introduction](1-Introduction/README.md) | Apprendre les concepts de base de la science des données et comment elle est liée à l’intelligence artificielle, à l’apprentissage automatique et au 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 aux statistiques & probabilités | [Introduction](1-Introduction/README.md) | Les techniques mathématiques des probabilités et des statistiques pour comprendre les données. | [leçon](1-Introduction/04-stats-and-probability/README.md) [vidéo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
|
| 05 | Travail avec les données relationnelles | [Working With Data](2-Working-With-Data/README.md) | Introduction aux données relationnelles et aux 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 | Travail avec les 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 | Travail avec Python | [Working With Data](2-Working-With-Data/README.md) | Bases de l’utilisation de Python pour l’exploration des données avec des bibliothèques telles que Pandas. Une compréhension de base de la programmation en 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 | Visualisation des quantités | [Data Visualization](3-Data-Visualization/README.md) | Apprenez à utiliser Matplotlib pour visualiser des données sur les oiseaux 🦆 | [leçon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 10 | Visualisation des distributions de données | [Data Visualization](3-Data-Visualization/README.md) | Visualisation des observations et des tendances dans un intervalle. | [leçon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 11 | Visualisation des proportions | [Data Visualization](3-Data-Visualization/README.md) | Visualisation des pourcentages discrets et groupés. | [leçon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 12 | Visualisation des relations | [Data Visualization](3-Data-Visualization/README.md) | Visualisation des connexions et des corrélations entre 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 utiles pour une résolution efficace des problèmes et des idées. | [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 idées issues des données afin de faciliter leur 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 des 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 des 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 dans la vie réelle | [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 Open with Codespaces.
|
|
|
2. Sélectionnez + New codespace en bas du volet.
|
|
|
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 avec 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 remplit les prérequis (par exemple, avoir 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 coulisses, cela utilisera la commande Remote-Containers : **Clone Repository in Container Volume...** pour cloner le code source dans un volume Docker plutôt que dans le système de fichiers local. Les [volumes](https://docs.docker.com/storage/volumes/) sont le mécanisme préféré pour persister les données des conteneurs.
|
|
|
|
|
|
Ou ouvrir 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: Open Folder in Container...**.
|
|
|
- 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 dépôt, [installez Docsify](https://docsify.js.org/#/quickstart) sur votre machine locale, puis, dans le dossier racine de ce dépôt, tapez `docsify serve`. Le site 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 cursus
|
|
|
|
|
|
Notre équipe produit d’autres cursus ! 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 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
|
|
|
|
|
|
**Vous rencontrez des problèmes ?** Consultez notre [Guide de résolution des problèmes](TROUBLESHOOTING.md) pour des solutions aux problèmes courants.
|
|
|
|
|
|
Si vous êtes bloqué ou avez des questions sur la création d’applications IA, rejoignez d’autres apprenants et développeurs expérimentés dans les discussions autour de MCP. C’est une communauté accueillante où les questions sont les bienvenues et les connaissances sont partagées librement.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Si vous avez des retours sur les produits 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 efforcions d’assurer l’exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d’origine doit être considéré comme la source faisant foi. Pour les informations critiques, il est recommandé de recourir à une traduction professionnelle humaine. Nous déclinons toute responsabilité en cas de malentendus ou de mauvaises interprétations résultant de l’utilisation de cette traduction.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
