|
|
# Data Science для начинающих - учебная программа
|
|
|
|
|
|
[](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)
|
|
|
|
|
|
Azure Cloud Advocates в Microsoft рады предложить 10-недельную программу из 20 уроков полностью посвящённую Data Science. Каждый урок включает викторины до и после урока, письменные инструкции для выполнения урока, решение и задание. Наш проектно-ориентированный подход позволяет учиться, одновременно создавая проекты — доказанный способ лучше усваивать новые навыки.
|
|
|
|
|
|
**Большая благодарность нашим авторам:** [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).
|
|
|
|
|
|
**🙏 Особая благодарность 🙏 нашим авторам, рецензентам и контентным участникам из [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/),** в частности 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 для начинающих - _Скетчноут от [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
### 🌐 Многоязычная поддержка
|
|
|
|
|
|
#### Поддерживается через GitHub Action (Автоматически и всегда актуально)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[Арабский](../ar/README.md) | [Бенгали](../bn/README.md) | [Болгарский](../bg/README.md) | [Бирманский (Мьянма)](../my/README.md) | [Китайский (упрощённый)](../zh-CN/README.md) | [Китайский (традиционный, Гонконг)](../zh-HK/README.md) | [Китайский (традиционный, Макао)](../zh-MO/README.md) | [Китайский (традиционный, Тайвань)](../zh-TW/README.md) | [Хорватский](../hr/README.md) | [Чешский](../cs/README.md) | [Датский](../da/README.md) | [Нидерландский](../nl/README.md) | [Эстонский](../et/README.md) | [Финский](../fi/README.md) | [Французский](../fr/README.md) | [Немецкий](../de/README.md) | [Греческий](../el/README.md) | [Иврит](../he/README.md) | [Хинди](../hi/README.md) | [Венгерский](../hu/README.md) | [Индонезийский](../id/README.md) | [Итальянский](../it/README.md) | [Японский](../ja/README.md) | [Каннада](../kn/README.md) | [Корейский](../ko/README.md) | [Литовский](../lt/README.md) | [Малазийский](../ms/README.md) | [Малаялам](../ml/README.md) | [Марати](../mr/README.md) | [Непальский](../ne/README.md) | [Нигерийский пиджин](../pcm/README.md) | [Норвежский](../no/README.md) | [Персидский (фарси)](../fa/README.md) | [Польский](../pl/README.md) | [Португальский (Бразилия)](../pt-BR/README.md) | [Португальский (Португалия)](../pt-PT/README.md) | [Пенджаби (Гурмукхи)](../pa/README.md) | [Румынский](../ro/README.md) | [Русский](./README.md) | [Сербский (кириллица)](../sr/README.md) | [Словацкий](../sk/README.md) | [Словенский](../sl/README.md) | [Испанский](../es/README.md) | [Свахили](../sw/README.md) | [Шведский](../sv/README.md) | [Тагальский (филиппинский)](../tl/README.md) | [Тамильский](../ta/README.md) | [Телугу](../te/README.md) | [Тайский](../th/README.md) | [Турецкий](../tr/README.md) | [Украинский](../uk/README.md) | [Урду](../ur/README.md) | [Вьетнамский](../vi/README.md)
|
|
|
|
|
|
> **Предпочитаете клонировать локально?**
|
|
|
>
|
|
|
> В этом репозитории есть более 50 языковых переводов, что значительно увеличивает размер скачивания. Чтобы клонировать без переводов, используйте 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"
|
|
|
> ```
|
|
|
>
|
|
|
> Это даст вам всё, что нужно для прохождения курса с гораздо более быстрой загрузкой.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**Если вы хотите, чтобы дополнительные языки переводов были поддержаны, они перечислены [здесь](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
|
|
#### Присоединяйтесь к нашему сообществу
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
У нас продолжается серия занятий в Discord с обучением с помощью ИИ, узнайте больше и присоединяйтесь к нам на [Learn with AI Series](https://aka.ms/learnwithai/discord) с 18 по 30 сентября 2025 года. Вы получите советы и хитрости по использованию GitHub Copilot для Data Science.
|
|
|
|
|
|
|
|
|
|
|
|
# Вы студент?
|
|
|
|
|
|
Начните с следующих ресурсов:
|
|
|
|
|
|
- [Страница Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На этой странице вы найдете ресурсы для начинающих, студенческие наборы и даже способы получить бесплатный сертификат. Это страница, которую стоит добавить в закладки и время от времени проверять, поскольку мы обновляем контент как минимум раз в месяц.
|
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Присоединяйтесь к глобальному сообществу студенческих амбассадоров, это может стать вашим путём в Microsoft.
|
|
|
|
|
|
# Начало работы
|
|
|
|
|
|
## 📚 Документация
|
|
|
|
|
|
- **[Руководство по установке](INSTALLATION.md)** - Пошаговые инструкции по настройке для начинающих
|
|
|
- **[Руководство по использованию](USAGE.md)** - Примеры и распространённые сценарии работы
|
|
|
- **[Устранение неисправностей](TROUBLESHOOTING.md)** - Решения распространённых проблем
|
|
|
- **[Руководство по внесению вклада](CONTRIBUTING.md)** - Как внести вклад в этот проект
|
|
|
- **[Для преподавателей](for-teachers.md)** - Методические указания и материалы для занятий
|
|
|
|
|
|
## 👨🎓 Для студентов
|
|
|
> **Полные новички**: Новички в Data Science? Начните с наших [примеров для начинающих](examples/README.md)! Эти простые, хорошо прокомментированные примеры помогут вам разобраться с основами перед изучением всей программы.
|
|
|
> **[Студенты](https://aka.ms/student-page)**: чтобы использовать эту программу самостоятельно, форкните весь репозиторий и выполняйте упражнения самостоятельно, начиная с викторины до лекции. Затем прочитайте лекцию и выполните остальные задания. Старайтесь создавать проекты, понимая уроки, а не просто копируя решения; однако код решений доступен в папках /solutions для каждого урока с проектами. Ещё одна идея — сформировать учебную группу с друзьями и проходить материал вместе. Для дополнительного обучения рекомендуем [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
|
|
|
|
|
|
**Быстрый старт:**
|
|
|
1. Ознакомьтесь с [Руководством по установке](INSTALLATION.md) для настройки среды
|
|
|
2. Изучите [Руководство по использованию](USAGE.md), чтобы понять работу с программой
|
|
|
3. Начинайте с урока 1 и проходите последовательно
|
|
|
4. Присоединяйтесь к нашему [сообществу Discord](https://aka.ms/ds4beginners/discord) для поддержки
|
|
|
|
|
|
## 👩🏫 Для преподавателей
|
|
|
> **Преподаватели**: мы включили [некоторые рекомендации](for-teachers.md) по использованию этой учебной программы. Будем рады вашим отзывам [в нашем форуме для обсуждений](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
|
|
## Познакомьтесь с командой
|
|
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Промо-видео")
|
|
|
|
|
|
**Гифка от** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 Нажмите на изображение выше для просмотра видео о проекте и людях, которые его создали!
|
|
|
|
|
|
## Педагогика
|
|
|
|
|
|
Мы выбрали два педагогических принципа при создании этой учебной программы: сделать её проектно-ориентированной и включить частые викторины. К концу серии студенты изучат основные принципы науки о данных, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные случаи применения науки о данных и многое другое.
|
|
|
|
|
|
Кроме того, викторина с низкой степенью сложности перед занятием задаёт настрой студента на изучение темы, а вторая викторина после занятия помогает закрепить материал. Эта учебная программа разработана, чтобы быть гибкой и увлекательной, её можно пройти целиком или частично. Проекты начинаются с простых и становятся всё более сложными к концу 10-недельного цикла.
|
|
|
|
|
|
> Посмотрите наши [Правила поведения](CODE_OF_CONDUCT.md), [Правила внесения изменений](CONTRIBUTING.md), [Руководство по переводу](TRANSLATIONS.md). Мы приветствуем ваши конструктивные отзывы!
|
|
|
|
|
|
## В каждом уроке есть:
|
|
|
|
|
|
- Опциональная зарисовка
|
|
|
- Опциональное дополнительное видео
|
|
|
- Разминка-викторина перед уроком
|
|
|
- Текст урока
|
|
|
- Для проектно-ориентированных уроков — пошаговые инструкции по созданию проекта
|
|
|
- Проверки знаний
|
|
|
- Задание вызова
|
|
|
- Дополнительное чтение
|
|
|
- Домашнее задание
|
|
|
- [Викторина после урока](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **Примечание о викторинах**: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Они связаны из уроков, но приложение викторин можно запускать локально или развернуть в Azure; следуйте инструкциям в папке `quiz-app`. Они постепенно локализуются.
|
|
|
|
|
|
## 🎓 Примеры для начинающих
|
|
|
|
|
|
**Новый в науке о данных?** Мы создали специальный [каталог с примерами](examples/README.md) с простым, хорошо комментированным кодом, чтобы помочь вам начать:
|
|
|
|
|
|
- 🌟 **Hello World** — Ваша первая программа по науке о данных
|
|
|
- 📂 **Загрузка данных** — Учитесь читать и исследовать наборы данных
|
|
|
- 📊 **Простой анализ** — Рассчитывайте статистику и находите закономерности
|
|
|
- 📈 **Базовая визуализация** — Создавайте диаграммы и графики
|
|
|
- 🔬 **Реальный проект** — Полный рабочий процесс от начала до конца
|
|
|
|
|
|
Каждый пример содержит подробные комментарии, объясняющие каждый шаг, что идеально подходит для абсолютных начинающих!
|
|
|
|
|
|
👉 **[Начните с примеров](examples/README.md)** 👈
|
|
|
|
|
|
## Уроки
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Наука о данных для начинающих: план - _Зарисовка от [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| Номер урока | Тема | Группа уроков | Цели обучения | Связанный урок | Автор |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 01 | Определение науки о данных | [Введение](1-Introduction/README.md) | Изучить базовые концепции науки о данных и её связь с искусственным интеллектом, машинным обучением и большими данными. | [урок](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Дмитрий](http://soshnikov.com) |
|
|
|
| 02 | Этика в науке о данных | [Введение](1-Introduction/README.md) | Концепции этики данных, вызовы и рамки. | [урок](1-Introduction/02-ethics/README.md) | [Нитья](https://twitter.com/nitya) |
|
|
|
| 03 | Определение данных | [Введение](1-Introduction/README.md) | Как классифицируются данные и их основные источники. | [урок](1-Introduction/03-defining-data/README.md) | [Жасмин](https://www.twitter.com/paladique) |
|
|
|
| 04 | Введение в статистику и вероятность | [Введение](1-Introduction/README.md) | Математические методы вероятности и статистики для понимания данных. | [урок](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Дмитрий](http://soshnikov.com) |
|
|
|
| 05 | Работа с реляционными данными | [Работа с данными](2-Working-With-Data/README.md) | Введение в реляционные данные и основы исследования и анализа реляционных данных с помощью языка структурированных запросов, известного как SQL (произносится «си-кью-эл»). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Кристофер](https://www.twitter.com/geektrainer) | | |
|
|
|
| 06 | Работа с NoSQL данными | [Работа с данными](2-Working-With-Data/README.md) | Введение в нереляционные данные, их различные типы и основы исследования и анализа документальных баз данных. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Жасмин](https://twitter.com/paladique) |
|
|
|
| 07 | Работа с Python | [Работа с данными](2-Working-With-Data/README.md) | Основы использования Python для исследования данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Дмитрий](http://soshnikov.com) |
|
|
|
| 08 | Подготовка данных | [Работа с данными](2-Working-With-Data/README.md) | Темы, касающиеся техник очистки и преобразования данных для решения проблем с отсутствующими, неточными или неполными данными. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Жасмин](https://www.twitter.com/paladique) |
|
|
|
| 09 | Визуализация количеств | [Визуализация данных](3-Data-Visualization/README.md) | Изучите, как использовать Matplotlib для визуализации данных о птицах 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 10 | Визуализация распределений данных | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация наблюдений и тенденций в интервале. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 11 | Визуализация пропорций | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация дискретных и групповых процентов. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 12 | Визуализация связей | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация связей и корреляций между наборами данных и их переменными. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 13 | Значимые визуализации | [Визуализация данных](3-Data-Visualization/README.md) | Техники и рекомендации для создания визуализаций, которые ценны для эффективного решения задач и получения инсайтов. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Джен](https://twitter.com/jenlooper) |
|
|
|
| 14 | Введение в жизненный цикл науки о данных | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Введение в жизненный цикл науки о данных и его первый этап — сбор и извлечение данных. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Жасмин](https://twitter.com/paladique) |
|
|
|
| 15 | Анализ | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Этот этап жизненного цикла науки о данных сосредоточен на техниках анализа данных. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Жасмин](https://twitter.com/paladique) | | |
|
|
|
| 16 | Коммуникация | [Жизненный цикл](4-Data-Science-Lifecycle/README.md) | Этот этап жизненного цикла науки о данных сосредоточен на представлении выводов из данных таким образом, чтобы обусловить лучшее понимание у принимающих решения. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Джейлен](https://twitter.com/JalenMcG) | | |
|
|
|
| 17 | Наука о данных в облаке | [Данные в облаке](5-Data-Science-In-Cloud/README.md) | Эта серия уроков знакомит с наукой о данных в облаке и её преимуществами. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) |
|
|
|
| 18 | Наука о данных в облаке | [Данные в облаке](5-Data-Science-In-Cloud/README.md) | Обучение моделей с использованием Low Code инструментов. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) |
|
|
|
| 19 | Наука о данных в облаке | [Данные в облаке](5-Data-Science-In-Cloud/README.md) | Развёртывание моделей с помощью Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Тиффани](https://twitter.com/TiffanySouterre) и [Мод](https://twitter.com/maudstweets) |
|
|
|
| 20 | Наука о данных в реальной жизни | [В реальной жизни](6-Data-Science-In-Wild/README.md) | Проекты, основанные на науке о данных в реальном мире. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Нитья](https://twitter.com/nitya) |
|
|
|
|
|
|
## GitHub Codespaces
|
|
|
|
|
|
Выполните следующие шаги, чтобы открыть этот пример в Codespace:
|
|
|
1. Нажмите на выпадающее меню Code и выберите опцию Open with Codespaces.
|
|
|
2. Выберите + New codespace внизу панели.
|
|
|
Для дополнительной информации смотрите [документацию GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
|
|
## VSCode Remote - Контейнеры
|
|
|
Выполните следующие шаги, чтобы открыть этот репозиторий в контейнере на локальной машине с помощью VSCode и расширения VS Code Remote - Containers:
|
|
|
|
|
|
1. Если вы используете контейнер разработки впервые, убедитесь, что ваша система соответствует требованиям (например, установлен Docker) в [документации по началу работы](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
|
|
Чтобы использовать этот репозиторий, вы можете открыть репозиторий в изолированном Docker томе:
|
|
|
|
|
|
**Примечание**: В основе этого используется команда Remote-Containers: **Clone Repository in Container Volume...**, которая клонирует исходный код в Docker том вместо файловой системы локального компьютера. [Тома](https://docs.docker.com/storage/volumes/) — предпочтительный механизм для сохранения данных контейнера.
|
|
|
|
|
|
Или открыть локально клонированную или загруженную версию репозитория:
|
|
|
|
|
|
- Клонируйте этот репозиторий на свой локальный диск.
|
|
|
- Нажмите F1 и выберите команду **Remote-Containers: Open Folder in Container...**.
|
|
|
- Выберите клонированную копию этой папки, дождитесь запуска контейнера и приступайте к работе.
|
|
|
|
|
|
## Офлайн-доступ
|
|
|
|
|
|
Вы можете запускать эту документацию офлайн, используя [Docsify](https://docsify.js.org/#/). Форкните этот репозиторий, [установите Docsify](https://docsify.js.org/#/quickstart) на свой локальный компьютер, затем в корневой папке репозитория введите `docsify serve`. Веб-сайт будет доступен на порту 3000 на вашем локальном хосте: `localhost:3000`.
|
|
|
|
|
|
> Обратите внимание, что ноутбуки не будут отображаться через Docsify, поэтому для работы с ноутбуками используйте VS Code с Python ядром отдельно.
|
|
|
|
|
|
## Другие учебные программы
|
|
|
|
|
|
Наша команда выпускает и другие учебные программы! Ознакомьтесь с:
|
|
|
|
|
|
<!-- 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 / Агенты
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Серия по генеративному ИИ
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Основное 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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Серия 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 -->
|
|
|
|
|
|
## Получение помощи
|
|
|
|
|
|
**Возникли проблемы?** Ознакомьтесь с нашим [Руководством по устранению неполадок](TROUBLESHOOTING.md) для поиска решений распространённых проблем.
|
|
|
|
|
|
Если вы застряли или у вас есть вопросы по созданию ИИ-приложений, присоединяйтесь к другим учащимся и опытным разработчикам для обсуждений по MCP. Это поддерживающее сообщество, где вопросы приветствуются, а знания свободно делятся.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Если у вас есть отзывы по продукту или вы обнаружили ошибки при разработке, посетите:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Отказ от ответственности**:
|
|
|
Данный документ был переведен с помощью сервиса машинного перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, имейте в виду, что автоматический перевод может содержать ошибки или неточности. Исходный документ на его оригинальном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется обратиться к профессиональному человеческому переводу. Мы не несем ответственности за любые недоразумения или искажения смысла, возникающие в результате использования данного перевода.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
