19 KiB

Raw Permalink Blame History

Data Science per Principianti - Un Curriculum

Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane e 20 lezioni interamente dedicato alla Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un compito. La nostra pedagogia basata sui progetti ti permette di imparare costruendo, un metodo comprovato per far sì che le nuove competenze si consolidino.

Un sentito ringraziamento ai nostri autori: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Un ringraziamento speciale 🙏 ai nostri Microsoft Student Ambassador autori, revisori e collaboratori di contenuti, in particolare 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 per Principianti - Sketchnote di @nitya

🌐 Supporto Multilingue

Supportato tramite GitHub Action (Automatizzato e Sempre Aggiornato)

Se desideri supportare ulteriori traduzioni, le lingue disponibili sono elencate qui

Unisciti alla Nostra Comunità

Sei uno studente?

Inizia con le seguenti risorse:

Pagina Student Hub In questa pagina troverai risorse per principianti, pacchetti per studenti e persino modi per ottenere un voucher per una certificazione gratuita. Questa è una pagina da aggiungere ai preferiti e controllare di tanto in tanto, poiché aggiorniamo i contenuti almeno mensilmente.
Microsoft Learn Student Ambassadors Unisciti a una comunità globale di ambasciatori studenti, potrebbe essere il tuo ingresso in Microsoft.

Per Iniziare

Insegnanti: abbiamo incluso alcune indicazioni su come utilizzare questo curriculum. Ci piacerebbe ricevere il vostro feedback nel nostro forum di discussione!

Studenti: per utilizzare questo curriculum autonomamente, fai un fork dell'intero repository e completa gli esercizi da solo, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa il resto delle attività. Cerca di creare i progetti comprendendo le lezioni piuttosto che copiare il codice della soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un'altra idea potrebbe essere formare un gruppo di studio con amici e affrontare i contenuti insieme. Per ulteriori studi, ti consigliamo Microsoft Learn.

Incontra il Team

Gif di Mohit Jaisal

🎥 Clicca sull'immagine sopra per un video sul progetto e sulle persone che lo hanno creato!

Pedagogia

Abbiamo scelto due principi pedagogici nella costruzione di questo curriculum: garantire che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della data science, inclusi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della data science e altro ancora.

Inoltre, un quiz a bassa pressione prima della lezione orienta lo studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione garantisce una maggiore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito interamente o in parte. I progetti iniziano in piccolo e diventano progressivamente più complessi entro la fine del ciclo di 10 settimane.

Trova il nostro Codice di Condotta, le linee guida per Contribuire e per la Traduzione. Accogliamo con piacere i tuoi feedback costruttivi!

Ogni lezione include:

Sketchnote opzionale
Video supplementare opzionale
Quiz di riscaldamento pre-lezione
Lezione scritta
Per le lezioni basate su progetti, guide passo-passo su come costruire il progetto
Verifiche delle conoscenze
Una sfida
Letture supplementari
Compito
Quiz post-lezione

Una nota sui quiz: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz, ciascuno composto da tre domande. Sono collegati all'interno delle lezioni, ma l'app dei quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella quiz-app. La localizzazione dei quiz è in corso.

Lezioni


Data Science per Principianti: Roadmap - Sketchnote di @nitya

Numero Lezione	Argomento	Raggruppamento Lezione	Obiettivi di Apprendimento	Lezione Collegata	Autore
01	Definire la Data Science	Introduzione	Impara i concetti di base della data science e come è correlata all'intelligenza artificiale, al machine learning e ai big data.	lezione video	Dmitry
02	Etica della Data Science	Introduzione	Concetti, sfide e framework sull'etica dei dati.	lezione	Nitya
03	Definire i Dati	Introduzione	Come vengono classificati i dati e le loro fonti comuni.	lezione	Jasmine
04	Introduzione a Statistica e Probabilità	Introduzione	Le tecniche matematiche di probabilità e statistica per comprendere i dati.	lezione video	Dmitry
05	Lavorare con Dati Relazionali	Lavorare con i Dati	Introduzione ai dati relazionali e alle basi per esplorare e analizzare i dati relazionali con il linguaggio SQL (Structured Query Language).	lezione	Christopher
06	Lavorare con Dati NoSQL	Lavorare con i Dati	Introduzione ai dati non relazionali, ai loro vari tipi e alle basi per esplorare e analizzare i database documentali.	lezione	Jasmine
07	Lavorare con Python	Lavorare con i Dati	Basi dell'uso di Python per l'esplorazione dei dati con librerie come Pandas. Si consiglia una conoscenza di base della programmazione in Python.	lezione video	Dmitry
08	Preparazione dei Dati	Lavorare con i Dati	Tecniche per la pulizia e la trasformazione dei dati per affrontare le sfide di dati mancanti, inaccurati o incompleti.	lezione	Jasmine
09	Visualizzare le Quantità	Visualizzazione dei Dati	Impara a usare Matplotlib per visualizzare i dati sugli uccelli 🦆	lezione	Jen
10	Visualizzare le Distribuzioni dei Dati	Visualizzazione dei Dati	Visualizzare osservazioni e tendenze all'interno di un intervallo.	lezione	Jen
11	Visualizzare le Proporzioni	Visualizzazione dei Dati	Visualizzare percentuali discrete e raggruppate.	lezione	Jen
12	Visualizzare le Relazioni	Visualizzazione dei Dati	Visualizzare connessioni e correlazioni tra insiemi di dati e le loro variabili.	lezione	Jen
13	Visualizzazioni Significative	Visualizzazione dei Dati	Tecniche e linee guida per rendere le tue visualizzazioni utili per risolvere problemi in modo efficace e ottenere approfondimenti.	lezione	Jen
14	Introduzione al Ciclo di Vita della Data Science	Ciclo di Vita	Introduzione al ciclo di vita della data science e al suo primo passo: acquisire ed estrarre i dati.	lezione	Jasmine
15	Analisi	Ciclo di Vita	Questa fase del ciclo di vita della data science si concentra sulle tecniche per analizzare i dati.	lezione	Jasmine
16	Comunicazione	Ciclo di Vita	Questa fase del ciclo di vita della data science si concentra sulla presentazione delle intuizioni dai dati in modo che siano più comprensibili per i decisori.	lezione	Jalen
17	Data Science nel Cloud	Dati nel Cloud	Questa serie di lezioni introduce la data science nel cloud e i suoi benefici.	lezione	Tiffany e Maud
18	Data Science nel Cloud	Dati nel Cloud	Addestrare modelli utilizzando strumenti Low Code.	lezione	Tiffany e Maud
19	Data Science nel Cloud	Dati nel Cloud	Distribuire modelli con Azure Machine Learning Studio.	lezione	Tiffany e Maud
20	Data Science nel Mondo Reale	Nel Mondo Reale	Progetti guidati dalla data science nel mondo reale.	lezione	Nitya

GitHub Codespaces

Segui questi passaggi per aprire questo esempio in un Codespace:

Clicca sul menu a discesa Code e seleziona l'opzione Open with Codespaces.
Seleziona + New codespace in fondo al pannello. Per maggiori informazioni, consulta la documentazione di GitHub.

VSCode Remote - Containers

Segui questi passaggi per aprire questo repository in un container utilizzando il tuo computer locale e VSCode con l'estensione VS Code Remote - Containers:

Se è la prima volta che utilizzi un container di sviluppo, assicurati che il tuo sistema soddisfi i prerequisiti (ad esempio, avere Docker installato) nella documentazione introduttiva.

Per utilizzare questo repository, puoi aprirlo in un volume Docker isolato:

Nota: In background, verrà utilizzato il comando Remote-Containers: Clone Repository in Container Volume... per clonare il codice sorgente in un volume Docker invece che nel file system locale. I volumi sono il meccanismo preferito per la persistenza dei dati nei container.

Oppure apri una versione clonata o scaricata localmente del repository:

Clona questo repository nel tuo file system locale.
Premi F1 e seleziona il comando Remote-Containers: Open Folder in Container....
Seleziona la copia clonata di questa cartella, attendi che il container si avvii e prova.

Accesso offline

Puoi eseguire questa documentazione offline utilizzando Docsify. Fai un fork di questo repository, installa Docsify sul tuo computer locale, quindi nella cartella principale di questo repository, digita docsify serve. Il sito web sarà servito sulla porta 3000 del tuo localhost: localhost:3000.

Nota, i notebook non verranno visualizzati tramite Docsify, quindi quando hai bisogno di eseguire un notebook, fallo separatamente in VS Code utilizzando un kernel Python.

Altri Corsi

Il nostro team produce altri corsi! Dai un'occhiata a:

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si consiglia una traduzione professionale eseguita da un traduttore umano. Non siamo responsabili per eventuali fraintendimenti o interpretazioni errate derivanti dall'uso di questa traduzione.

19 KiB Raw Permalink Blame History