18 KiB

Raw Permalink Blame History

Data Science untuk Pemula - Sebuah Kurikulum

Azure Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 10 minggu, 20 pelajaran tentang Data Science. Setiap pelajaran mencakup kuis sebelum dan sesudah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Pendekatan berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif untuk membuat keterampilan baru lebih melekat.

Terima kasih banyak kepada para penulis kami: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Terima kasih khusus 🙏 kepada Microsoft Student Ambassador penulis, peninjau, dan kontributor konten kami, terutama 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


Data Science untuk Pemula - Sketchnote oleh @nitya

🌐 Dukungan Multi-Bahasa

Didukung melalui GitHub Action (Otomatis & Selalu Terbaru)

Jika Anda ingin menambahkan dukungan bahasa tambahan, daftar bahasa yang didukung tersedia di sini

Bergabunglah dengan Komunitas Kami

Apakah Anda seorang pelajar?

Mulailah dengan sumber daya berikut:

Halaman Student Hub Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket pelajar, dan bahkan cara mendapatkan voucher sertifikasi gratis. Ini adalah halaman yang ingin Anda tandai dan periksa dari waktu ke waktu karena kami mengganti konten setidaknya setiap bulan.
Microsoft Learn Student Ambassadors Bergabunglah dengan komunitas global duta pelajar, ini bisa menjadi jalan Anda menuju Microsoft.

Memulai

Guru: kami telah menyertakan beberapa saran tentang cara menggunakan kurikulum ini. Kami akan senang mendengar umpan balik Anda di forum diskusi kami!

Pelajar: untuk menggunakan kurikulum ini secara mandiri, fork seluruh repositori dan selesaikan latihan secara mandiri, dimulai dengan kuis sebelum pelajaran. Kemudian baca materi pelajaran dan selesaikan aktivitas lainnya. Cobalah untuk membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; namun, kode tersebut tersedia di folder /solutions di setiap pelajaran berbasis proyek. Ide lainnya adalah membentuk kelompok belajar dengan teman-teman dan mempelajari konten bersama. Untuk studi lebih lanjut, kami merekomendasikan Microsoft Learn.

Kenali Tim

Gif oleh Mohit Jaisal

🎥 Klik gambar di atas untuk video tentang proyek dan orang-orang yang membuatnya!

Pedagogi

Kami telah memilih dua prinsip pedagogi saat membangun kurikulum ini: memastikan bahwa kurikulum ini berbasis proyek dan mencakup kuis yang sering. Pada akhir seri ini, pelajar akan mempelajari prinsip-prinsip dasar data science, termasuk konsep etika, persiapan data, berbagai cara bekerja dengan data, visualisasi data, analisis data, kasus penggunaan nyata data science, dan lainnya.

Selain itu, kuis dengan risiko rendah sebelum kelas menetapkan niat pelajar untuk mempelajari topik tertentu, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diambil secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.

Temukan Kode Etik, Panduan Berkontribusi, Panduan Terjemahan. Kami menyambut masukan konstruktif Anda!

Setiap pelajaran mencakup:

Sketchnote opsional
Video tambahan opsional
Kuis pemanasan sebelum pelajaran
Pelajaran tertulis
Untuk pelajaran berbasis proyek, panduan langkah demi langkah tentang cara membangun proyek
Pemeriksaan pengetahuan
Tantangan
Bacaan tambahan
Tugas
Kuis setelah pelajaran

Catatan tentang kuis: Semua kuis terdapat dalam folder Quiz-App, dengan total 40 kuis masing-masing terdiri dari tiga pertanyaan. Kuis ini terhubung dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau di-deploy ke Azure; ikuti instruksi di folder quiz-app. Kuis ini secara bertahap sedang dilokalkan.

Pelajaran


Data Science Untuk Pemula: Roadmap - Sketchnote oleh @nitya

Nomor Pelajaran	Topik	Pengelompokan Pelajaran	Tujuan Pembelajaran	Pelajaran Tertaut	Penulis
01	Mendefinisikan Data Science	Pendahuluan	Mempelajari konsep dasar di balik data science dan hubungannya dengan kecerdasan buatan, pembelajaran mesin, dan big data.	pelajaran video	Dmitry
02	Etika Data Science	Pendahuluan	Konsep, tantangan, dan kerangka kerja etika data.	pelajaran	Nitya
03	Mendefinisikan Data	Pendahuluan	Bagaimana data diklasifikasikan dan sumber-sumber umumnya.	pelajaran	Jasmine
04	Pengantar Statistik & Probabilitas	Pendahuluan	Teknik matematika probabilitas dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasional	Bekerja Dengan Data	Pengantar data relasional dan dasar-dasar eksplorasi serta analisis data relasional dengan Structured Query Language, yang juga dikenal sebagai SQL (diucapkan “see-quell”).	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Bekerja Dengan Data	Pengantar data non-relasional, berbagai jenisnya, dan dasar-dasar eksplorasi serta analisis basis data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja Dengan Data	Dasar-dasar menggunakan Python untuk eksplorasi data dengan pustaka seperti Pandas. Pemahaman dasar tentang pemrograman Python direkomendasikan.	pelajaran video	Dmitry
08	Persiapan Data	Bekerja Dengan Data	Topik tentang teknik data untuk membersihkan dan mentransformasi data guna menangani tantangan data yang hilang, tidak akurat, atau tidak lengkap.	pelajaran	Jasmine
09	Memvisualisasikan Kuantitas	Visualisasi Data	Mempelajari cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆	pelajaran	Jen
10	Memvisualisasikan Distribusi Data	Visualisasi Data	Memvisualisasikan pengamatan dan tren dalam interval.	pelajaran	Jen
11	Memvisualisasikan Proporsi	Visualisasi Data	Memvisualisasikan persentase diskrit dan terkelompok.	pelajaran	Jen
12	Memvisualisasikan Hubungan	Visualisasi Data	Memvisualisasikan koneksi dan korelasi antara kumpulan data dan variabelnya.	pelajaran	Jen
13	Visualisasi yang Bermakna	Visualisasi Data	Teknik dan panduan untuk membuat visualisasi Anda berharga untuk pemecahan masalah dan wawasan yang efektif.	pelajaran	Jen
14	Pengantar Siklus Hidup Data Science	Siklus Hidup	Pengantar siklus hidup data science dan langkah pertama dalam memperoleh serta mengekstraksi data.	pelajaran	Jasmine
15	Menganalisis	Siklus Hidup	Fase siklus hidup data science ini berfokus pada teknik untuk menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Siklus Hidup	Fase siklus hidup data science ini berfokus pada penyajian wawasan dari data dengan cara yang memudahkan pengambil keputusan untuk memahaminya.	pelajaran	Jalen
17	Data Science di Cloud	Data Cloud	Seri pelajaran ini memperkenalkan data science di cloud dan manfaatnya.	pelajaran	Tiffany dan Maud
18	Data Science di Cloud	Data Cloud	Melatih model menggunakan alat Low Code.	pelajaran	Tiffany dan Maud
19	Data Science di Cloud	Data Cloud	Mendeploy model dengan Azure Machine Learning Studio.	pelajaran	Tiffany dan Maud
20	Data Science di Dunia Nyata	Di Dunia Nyata	Proyek berbasis data science di dunia nyata.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah-langkah ini untuk membuka contoh ini di Codespace:

Klik menu drop-down Code dan pilih opsi Open with Codespaces.
Pilih + New codespace di bagian bawah panel. Untuk informasi lebih lanjut, lihat dokumentasi GitHub.

VSCode Remote - Containers

Ikuti langkah-langkah ini untuk membuka repo ini dalam container menggunakan mesin lokal Anda dan VSCode dengan ekstensi VS Code Remote - Containers:

Jika ini adalah pertama kalinya Anda menggunakan container pengembangan, pastikan sistem Anda memenuhi prasyarat (misalnya, memiliki Docker terinstal) dalam dokumentasi memulai.

Untuk menggunakan repositori ini, Anda dapat membukanya dalam volume Docker yang terisolasi:

Catatan: Di balik layar, ini akan menggunakan perintah Remote-Containers: Clone Repository in Container Volume... untuk mengkloning kode sumber dalam volume Docker alih-alih sistem file lokal. Volumes adalah mekanisme yang disukai untuk menyimpan data container.

Atau buka versi repositori yang telah diklon atau diunduh secara lokal:

Klon repositori ini ke sistem file lokal Anda.
Tekan F1 dan pilih perintah Remote-Containers: Open Folder in Container....
Pilih salinan folder yang telah diklon, tunggu hingga container dimulai, dan coba berbagai hal.

Akses Offline

Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan Docsify. Fork repo ini, instal Docsify di mesin lokal Anda, lalu di folder root repo ini, ketik docsify serve. Situs web akan disajikan di port 3000 di localhost Anda: localhost:3000.

Catatan, notebook tidak akan dirender melalui Docsify, jadi ketika Anda perlu menjalankan notebook, lakukan itu secara terpisah di VS Code dengan kernel Python.

Kurikulum Lainnya

Tim kami menghasilkan kurikulum lainnya! Lihat:

Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI Co-op Translator. Meskipun kami berupaya untuk memberikan hasil yang akurat, harap diperhatikan bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang berwenang. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan manusia profesional. Kami tidak bertanggung jawab atas kesalahpahaman atau interpretasi yang keliru yang timbul dari penggunaan terjemahan ini.

18 KiB Raw Permalink Blame History