18 KiB

Raw Permalink Blame History

Data Science za Početnike - Kurikulum

Azure Cloud Advocates u Microsoftu s ponosom nude desetotjedni kurikulum s 20 lekcija o znanosti o podacima. Svaka lekcija uključuje kvizove prije i nakon lekcije, pisane upute za dovršetak lekcije, rješenje i zadatak. Naša metodologija temeljena na projektima omogućuje vam učenje kroz izgradnju, što je dokazano učinkovit način za usvajanje novih vještina.

Veliko hvala našim autorima: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima na sadržaju, posebno 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


Znanost o Podacima za Početnike - Sketchnote by @nitya

🌐 Višejezična Podrška

Podržano putem GitHub Action (Automatizirano i Uvijek Ažurirano)

Ako želite dodatne prijevode, jezici koji su podržani navedeni su ovdje

Pridružite se Našoj Zajednici

Jeste li student?

Započnite s ovim resursima:

Student Hub stranica Na ovoj stranici pronaći ćete resurse za početnike, studentske pakete i čak načine za dobivanje besplatnog certifikata. Ovo je stranica koju biste trebali označiti i povremeno provjeravati jer sadržaj mijenjamo barem mjesečno.
Microsoft Learn Student Ambassadors Pridružite se globalnoj zajednici studentskih ambasadora, ovo bi mogao biti vaš put u Microsoft.

Početak

Nastavnici: uključili smo neke prijedloge o tome kako koristiti ovaj kurikulum. Voljeli bismo čuti vaše povratne informacije u našem forumu za raspravu!

Studenti: da biste koristili ovaj kurikulum samostalno, forkajte cijeli repozitorij i sami dovršite vježbe, počevši s kvizom prije predavanja. Zatim pročitajte predavanje i dovršite ostale aktivnosti. Pokušajte sami izraditi projekte razumijevajući lekcije umjesto kopiranja rješenja; međutim, taj kod je dostupan u /solutions mapama u svakoj lekciji temeljenoj na projektima. Druga ideja bila bi formirati studijsku grupu s prijateljima i zajedno prolaziti kroz sadržaj. Za daljnje učenje preporučujemo Microsoft Learn.

Upoznajte Tim

Gif by Mohit Jaisal

🎥 Kliknite na sliku iznad za video o projektu i ljudima koji su ga stvorili!

Pedagogija

Odabrali smo dva pedagoška načela prilikom izrade ovog kurikuluma: osigurati da je temeljen na projektima i da uključuje česte kvizove. Do kraja ove serije, studenti će naučiti osnovne principe znanosti o podacima, uključujući etičke koncepte, pripremu podataka, različite načine rada s podacima, vizualizaciju podataka, analizu podataka, stvarne primjere primjene znanosti o podacima i još mnogo toga.

Osim toga, kviz s niskim ulogom prije predavanja usmjerava pažnju studenta na učenje teme, dok drugi kviz nakon predavanja osigurava daljnje zadržavanje znanja. Ovaj kurikulum je osmišljen da bude fleksibilan i zabavan te se može uzeti u cijelosti ili djelomično. Projekti započinju jednostavno i postaju sve složeniji do kraja desetotjednog ciklusa. Pronađite naše Pravila ponašanja, Doprinos, Smjernice za prijevod. Vaše konstruktivne povratne informacije su dobrodošle!

Svaka lekcija uključuje:

Opcionalni sketchnote
Opcionalni dodatni video
Kviz za zagrijavanje prije lekcije
Pisanu lekciju
Za lekcije temeljene na projektima, vodiče korak-po-korak kako izraditi projekt
Provjere znanja
Izazov
Dodatno čitanje
Zadatak
Kviz nakon lekcije

Napomena o kvizovima: Svi kvizovi nalaze se u mapi Quiz-App, ukupno 40 kvizova s po tri pitanja. Povezani su unutar lekcija, ali aplikacija za kviz može se pokrenuti lokalno ili implementirati na Azure; slijedite upute u mapi quiz-app. Postupno se lokaliziraju.

Lekcije


Data Science za početnike: Plan - Sketchnote od @nitya

Broj lekcije	Tema	Grupiranje lekcija	Ciljevi učenja	Povezana lekcija	Autor
01	Definiranje Data Sciencea	Uvod	Naučite osnovne koncepte iza data sciencea i kako je povezan s umjetnom inteligencijom, strojnim učenjem i velikim podacima.	lekcija video	Dmitry
02	Etika u Data Scienceu	Uvod	Koncepti etike podataka, izazovi i okviri.	lekcija	Nitya
03	Definiranje podataka	Uvod	Kako se podaci klasificiraju i njihovi uobičajeni izvori.	lekcija	Jasmine
04	Uvod u statistiku i vjerojatnost	Uvod	Matematičke tehnike vjerojatnosti i statistike za razumijevanje podataka.	lekcija video	Dmitry
05	Rad s relacijskim podacima	Rad s podacima	Uvod u relacijske podatke i osnove istraživanja i analize relacijskih podataka pomoću Structured Query Language, poznatog kao SQL (izgovara se “si-kvel”).	lekcija	Christopher
06	Rad s NoSQL podacima	Rad s podacima	Uvod u nerelacijske podatke, njihove različite vrste i osnove istraživanja i analize dokumentnih baza podataka.	lekcija	Jasmine
07	Rad s Pythonom	Rad s podacima	Osnove korištenja Pythona za istraživanje podataka s bibliotekama poput Pandas. Preporučuje se osnovno razumijevanje programiranja u Pythonu.	lekcija video	Dmitry
08	Priprema podataka	Rad s podacima	Teme o tehnikama čišćenja i transformacije podataka za rješavanje izazova poput nedostajućih, netočnih ili nepotpunih podataka.	lekcija	Jasmine
09	Vizualizacija količina	Vizualizacija podataka	Naučite kako koristiti Matplotlib za vizualizaciju podataka o pticama 🦆	lekcija	Jen
10	Vizualizacija distribucija podataka	Vizualizacija podataka	Vizualizacija opažanja i trendova unutar intervala.	lekcija	Jen
11	Vizualizacija proporcija	Vizualizacija podataka	Vizualizacija diskretnih i grupiranih postotaka.	lekcija	Jen
12	Vizualizacija odnosa	Vizualizacija podataka	Vizualizacija veza i korelacija između skupova podataka i njihovih varijabli.	lekcija	Jen
13	Smislene vizualizacije	Vizualizacija podataka	Tehnike i smjernice za izradu vizualizacija koje su korisne za učinkovito rješavanje problema i dobivanje uvida.	lekcija	Jen
14	Uvod u životni ciklus Data Sciencea	Životni ciklus	Uvod u životni ciklus data sciencea i njegov prvi korak - prikupljanje i ekstrakcija podataka.	lekcija	Jasmine
15	Analiza	Životni ciklus	Ova faza životnog ciklusa data sciencea fokusira se na tehnike analize podataka.	lekcija	Jasmine
16	Komunikacija	Životni ciklus	Ova faza životnog ciklusa data sciencea fokusira se na prezentiranje uvida iz podataka na način koji olakšava razumijevanje donositeljima odluka.	lekcija	Jalen
17	Data Science u oblaku	Podaci u oblaku	Ova serija lekcija uvodi data science u oblaku i njegove prednosti.	lekcija	Tiffany i Maud
18	Data Science u oblaku	Podaci u oblaku	Treniranje modela koristeći alate s malo koda.	lekcija	Tiffany i Maud
19	Data Science u oblaku	Podaci u oblaku	Implementacija modela pomoću Azure Machine Learning Studija.	lekcija	Tiffany i Maud
20	Data Science u stvarnom svijetu	U stvarnom svijetu	Projekti vođeni data scienceom u stvarnom svijetu.	lekcija	Nitya

GitHub Codespaces

Slijedite ove korake za otvaranje ovog primjera u Codespaceu:

Kliknite na padajući izbornik Code i odaberite opciju Open with Codespaces.
Na dnu panela odaberite + New codespace. Za više informacija, pogledajte GitHub dokumentaciju.

VSCode Remote - Containers

Slijedite ove korake za otvaranje ovog repozitorija u kontejneru koristeći vaš lokalni stroj i VSCode s ekstenzijom VS Code Remote - Containers:

Ako prvi put koristite razvojni kontejner, osigurajte da vaš sustav ispunjava preduvjete (npr. instaliran Docker) prema dokumentaciji za početak.

Za korištenje ovog repozitorija, možete ga otvoriti u izoliranom Docker volumenu:

Napomena: U pozadini, ovo će koristiti Remote-Containers: Clone Repository in Container Volume... naredbu za kloniranje izvornog koda u Docker volumen umjesto lokalnog datotečnog sustava. Volumeni su preferirani mehanizam za pohranu podataka kontejnera.

Ili otvorite lokalno kloniranu ili preuzetu verziju repozitorija:

Klonirajte ovaj repozitorij na vaš lokalni datotečni sustav.
Pritisnite F1 i odaberite naredbu Remote-Containers: Open Folder in Container....
Odaberite kloniranu kopiju ove mape, pričekajte da se kontejner pokrene i isprobajte.

Pristup bez interneta

Ovu dokumentaciju možete pokrenuti offline koristeći Docsify. Forkajte ovaj repozitorij, instalirajte Docsify na vaš lokalni stroj, zatim u korijenskoj mapi ovog repozitorija upišite docsify serve. Web stranica će biti poslužena na portu 3000 na vašem localhostu: localhost:3000.

Napomena, bilježnice se neće prikazivati putem Docsifyja, pa kada trebate pokrenuti bilježnicu, učinite to zasebno u VS Codeu koristeći Python kernel.

Ostali kurikulumi

Naš tim proizvodi i druge kurikulume! Pogledajte:

Odricanje od odgovornosti:
Ovaj dokument je preveden pomoću AI usluge za prevođenje Co-op Translator. Iako nastojimo osigurati točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati autoritativnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane čovjeka. Ne preuzimamo odgovornost za nesporazume ili pogrešna tumačenja koja mogu proizaći iz korištenja ovog prijevoda.

18 KiB Raw Permalink Blame History