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

Data Science for Beginners - A Curriculum

Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 10 週、共 20 課的數據科學課程。每課包括課前和課後測驗、完成課程的書面指引、解決方案和作業。我們的專案導向教學法讓你在建立項目的同時學習，是新技能學習的有效方法。

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 學生大使 作者、審稿人及內容貢獻者， 尤其是 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

數據科學初學者 - Sketchnote 由 @nitya 製作

🌐 多語言支援

透過 GitHub Action 支援（自動且持續更新）

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

想本地克隆？

此儲存庫包含超過 50 種語言的翻譯，會顯著增加下載大小。若想不包含翻譯檔案進行克隆，可使用稀疏檢出：

Bash / macOS / Linux:

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):

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"

這樣你將能迅速下載並取得所有學習資源。

若希望支持更多翻譯語言，可參考列表 here

加入我們的社群

我們持續進行 Discord AI 學習系列，詳細資訊及參加請至 Learn with AI Series，活動期間為 2025 年 9 月 18 日至 30 日。你將學習如何使用 GitHub Copilot 來輔助數據科學技術。

你是學生嗎？

可使用以下資源開始：

• 學生中心頁面 此頁提供初學者資源、學生套件，甚至可以取得免費證書券。這頁值得加入書籤，並不時回來查看，我們至少每月更新內容。
• Microsoft Learn 學生大使 加入全球學生大使社群，這可能是你進入 Microsoft 的途徑。

開始使用

📚 文件

• 安裝指南 — 初學者逐步套件設置說明
• 使用指南 — 範例與常見工作流程
• 疑難排解 — 常見問題解決方案
• 貢獻指南 — 如何貢獻此專案
• 教師資源 — 教學指導與課堂資源

👨‍🎓 學生專區

完全初學者：剛接觸數據科學？先看我們的初學者範例！這些簡單且有詳盡註解的範例會幫助你了解基礎，然後再深入整個課程。 學生：若打算自行使用本課程，建議將整個倉庫叉 fork，從課前測驗開始完成練習，接著閱讀教學內容及完成其餘活動。嘗試用理解的方式來建立專案，而非單純複製解決方案代碼。解決方案代碼都在每個專案導向課程的 /solutions 資料夾。你也可以和朋友組成讀書會一起學習。若想進一步學習，推薦參考 Microsoft Learn。

快速開始：

1. 查看安裝指南，設置你的環境
2. 閱讀使用指南，學習如何使用課程
3. 從第 1 課開始，依序學習
4. 加入我們的Discord 社群尋求協助

👩‍🏫 教師專區

教師們：我們已包含一些建議關於如何使用此課程。非常歡迎您在討論區提供您的意見反饋！

團隊介紹

動圖來源 Mohit Jaisal

🎥 點擊上方圖片觀看有關此專案及創作者的影片！

教學法

我們在設計此課程時選擇了兩項教學原則：確保其以專案為導向，並包含頻繁的測驗。在完成這個系列課程後，學生將學會資料科學的基本原則，包括倫理概念、資料準備、資料操作的不同方式、資料視覺化、資料分析、資料科學的實際應用案例等等。

此外，每堂課前的低壓測驗有助於學生專注於學習該主題，而課後的第二個測驗則確保進一步的知識鞏固。此課程設計靈活且有趣，可整體或部分學習。專案由簡至繁，在10週的課程結束時逐漸具挑戰性。

查看我們的行為守則、貢獻指南和翻譯指南。歡迎您的建設性回饋！

每堂課包含：

• 選擇性手繪筆記
• 選擇性補充影片
• 課前熱身小測驗
• 書面課程內容
• 專案導向課程的步驟指引
• 知識確認
• 挑戰題
• 補充閱讀材料
• 作業
• 課後測驗

關於測驗提醒：所有測驗均收錄於 Quiz-App 資料夾，總計40組，每組包含三題。這些測驗在課程中有連結，但也可以在本地運行或部署至 Azure；請參考 quiz-app 資料夾內的說明。測驗正在逐步本地化。

🎓 初學者友善範例

資料科學新手？ 我們製作了一個特別的範例目錄，包含簡單且具詳細註解的程式碼，幫助您入門：

• 🌟 Hello World - 您的第一個資料科學程式
• 📂 載入資料 - 學習閱讀與探索資料集
• 📊 簡單分析 - 計算統計數據並找出模式
• 📈 基礎視覺化 - 製作圖表和圖形
• 🔬 實務專案 - 從頭到尾完整工作流程

每個範例均包含詳細註解，解說每一步，適合完全初學者！

👉 從範例開始學習 👈

課程列表

資料科學入門路線圖 - 手繪筆記由 @nitya 提供

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	理解資料科學背後的基本概念及其與人工智能、機器學習和大數據的關聯。	課程 影片	Dmitry
02	資料科學倫理	介紹	資料倫理的概念、挑戰與架構。	課程	Nitya
03	定義資料	介紹	資料的分類方式及其常見來源。	課程	Jasmine
04	統計與機率入門	介紹	運用機率與統計的數學技巧來理解資料。	課程 影片	Dmitry
05	操作關聯資料	操作資料	關聯資料介紹，以及使用結構化查詢語言（SQL）探索和分析關聯資料的基礎。	課程	Christopher
06	操作 NoSQL 資料	操作資料	非關聯資料介紹、各種類型以及探索和分析文件資料庫的基礎。	課程	Jasmine
07	使用 Python	操作資料	使用 Pandas 等庫來進行資料探索的 Python 基礎。建議具備 Python 程式基礎知識。	課程 影片	Dmitry
08	資料準備	操作資料	清理及轉換資料的技巧，以應對資料缺失、不準確或不完整等挑戰。	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	資料分布視覺化	資料視覺化	視覺化觀察值和趨勢於特定區間內。	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間的聯繫和相關性。	課程	Jen
13	有意義的視覺化	資料視覺化	製作有效解決問題和洞察的有價值視覺化的技巧與指引。	課程	Jen
14	資料科學生命週期介紹	生命週期	介紹資料科學生命週期及其第一步：取得及抽取資料。	課程	Jasmine
15	分析	生命週期	資料科學生命週期中專注於資料分析的階段。	課程	Jasmine
16	溝通	生命週期	資料科學生命週期中著重於以便決策者理解的方式呈現資料洞察。	課程	Jalen
17	雲端資料科學	雲端資料	介紹雲端資料科學及其優點的系列課程。	課程	Tiffany 與 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 與 Maud
19	雲端資料科學	雲端資料	使用 Azure 機器學習工作室部署模型。	課程	Tiffany 與 Maud
20	實務資料科學	實戰應用	真實世界中由資料科學驅動的專案。	課程	Nitya

GitHub Codespaces

按照以下步驟在 Codespace 中開啟此範例：

1. 點擊 Code 下拉選單並選擇 Open with Codespaces 選項。
2. 在視窗底部點選 + New codespace。 更多資訊請參考GitHub 文件。

VSCode Remote - Containers

透過本機電腦和 VSCode 使用 VS Code Remote - Containers 擴充功能開啟此專案容器：

1. 若您是首次使用開發容器，請確保您的系統符合前置需求（例如已安裝 Docker），詳見快速入門說明。

使用此倉庫時，您可選擇在獨立的 Docker 卷中開啟：

注意：底層會使用 Remote-Containers：Clone Repository in Container Volume... 指令，將原始碼克隆至 Docker 卷中，而非本地檔案系統。卷是持久化容器資料的推薦方式。

或者直接開啟本地已克隆或下載的專案：

• 將倉庫克隆到本地磁碟。
• 按 F1 並選擇 Remote-Containers: Open Folder in Container... 指令。
• 選取已克隆的資料夾，等待容器啟動後即可開始使用。

離線存取

您可使用 Docsify 離線瀏覽此文檔。先分支此倉庫，於本機安裝 Docsify，然後在此倉庫根目錄輸入 docsify serve。網站會在本地主機的 3000 埠口提供服務：localhost:3000。

注意，筆記本文件無法透過 Docsify 直接渲染，需另行於 VS Code 執行帶有 Python 核心的筆記本。

其他課程

我們團隊還製作其他課程！歡迎參考：

LangChain

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求協助

遇到問題？ 查看我們的疑難排解指南以找到常見問題解決方案。

如果你在構建 AI 應用時遇到困難或有任何疑問，歡迎加入其他學習者和經驗豐富開發者的討論，一同交流 MCP。這是一個支持性的社群，歡迎提問並自由分享知識。

如果你有產品反饋或在構建過程中發現錯誤，請訪問：

---

免責聲明：
本文件乃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，自動翻譯可能存在錯誤或不準確之處。原文文件應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用此翻譯而產生的任何誤解或誤釋承擔責任。