Data-Science-For-Beginners/translations/ja

初心者のためのデータサイエンス - カリキュラム

MicrosoftのAzure Cloud Advocatesは、データサイエンスに関する全10週間、20レッスンのカリキュラムを提供しています。各レッスンには、レッスン前とレッスン後のクイズ、レッスンを完了するための文書化された指示、解答例、および課題が含まれています。プロジェクトベースの教授法により、実際に作りながら学ぶことで、新しいスキルが「定着」しやすくなります。

著者の皆様に心より感謝いたします: Jasmine Greenaway、Dmitry Soshnikov、Nitya Narasimhan、Jalen McGee、Jen Looper、Maud Levy、Tiffany Souterre、Christopher Harrison。

🙏 特別な感謝を Microsoft Student Ambassador の著者、レビュアー、コンテンツ提供者の皆様に🙏 特に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

初心者のためのデータサイエンス - スケッチノート by @nitya

🌐 多言語サポート

GitHub Action によるサポート（自動化＆常に最新）

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

ローカルでクローンしたいですか？

このリポジトリは50以上の言語翻訳を含んでおり、ダウンロードサイズが大きくなります。翻訳なしでクローンするにはスパースチェックアウトを使ってください：

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'

これにより、このコースの完了に必要なすべてが、より高速にダウンロードできます。

追加の翻訳言語をご希望の場合は、こちらをご覧ください。

コミュニティに参加しよう

Discordでの「AIと学ぶシリーズ」が開催中です。詳細および参加はこちらから：Learn with AI Series 2025年9月18日〜30日。GitHub Copilotをデータサイエンスで活用するコツやヒントが得られます。

学生のあなたへ

以下のリソースから始めましょう:

• Student Hub ページ このページでは、初心者向けリソース、学生パック、無料認定バウチャーの取得方法などが見つかります。最低でも月1回はブックマークして内容をチェックするとよいでしょう。
• Microsoft Learn Student Ambassadors グローバルな学生大使コミュニティに参加できます。Microsoftへの道を開くかもしれません。

はじめに

📚 ドキュメント

• インストールガイド — 初心者向けのステップバイステップのセットアップ手順
• 使い方ガイド — 例とよくあるワークフロー
• トラブルシューティング — よくある問題の解決策
• 貢献ガイド — このプロジェクトへの貢献方法
• 教師用 — 教育指導と授業用リソース

👨‍🎓 学生向け

完全初心者の方へ：データサイエンスが初めてですか？まずは初心者向けの例から始めてください！これらのシンプルでコメント付きの例は、カリキュラムの全体に取り掛かる前に基礎を理解するのに役立ちます。 学生：このカリキュラムを自分で使うには、リポジトリ全体をフォークして、レッスン前のクイズから始めて演習を進めてください。その後、講義を読み、残りの活動を完了します。解答コードを単にコピーするのではなく、レッスン内容を理解してプロジェクトを作成することを推奨します。解答コードは各プロジェクト指向レッスンの /solutions フォルダーに用意されています。友人と学習グループを作り、一緒に内容を学ぶのも良い方法です。さらなる学習には、Microsoft Learn をお勧めします。

クイックスタート:

1. 環境構築は インストールガイド を確認
2. カリキュラムの使い方は 使い方ガイド を参照
3. レッスン1から順に進める
4. サポートが必要なら Discordコミュニティ に参加

👩‍🏫 教師向け

教師の皆様へ：このカリキュラムの活用方法についての提案を含めています。ぜひ ディスカッションフォーラム にてご意見をお寄せください！

チーム紹介

Gif作成者 Mohit Jaisal

🎥 上の画像をクリックすると、このプロジェクトとそれを作成した人々についてのビデオをご覧いただけます！

教育方針

このカリキュラムを構築する際に、私たちは２つの教育の原則を選びました：プロジェクトベースであることと、頻繁にクイズを含めることです。このシリーズを終える頃には、学生はデータサイエンスの基本原則、倫理的概念、データ準備、さまざまなデータの扱い方、データビジュアライゼーション、データ分析、データサイエンスの実例などを学んでいることでしょう。

また、授業の前に行う低負荷のクイズは、学生が特定のトピックの学習に集中する意図を設定し、授業後のクイズがさらに記憶の定着を助けます。このカリキュラムは柔軟で楽しく設計されており、全体または一部だけでも受講できます。プロジェクトは小さく始まり、10週間のサイクルの終わりまでに徐々に複雑になります。

私たちの行動規範、貢献ガイドライン、翻訳ガイドラインもご覧ください。建設的なフィードバックをお待ちしています！

各レッスンには以下が含まれます：

• 任意のスケッチノート
• 任意の補足ビデオ
• 授業前のウォームアップクイズ
• 文章によるレッスン
• プロジェクトベースのレッスンの場合、プロジェクトの段階的な作成ガイド
• 知識確認
• チャレンジ
• 補助読書
• 課題
• 授業後のクイズ

クイズについての注意: 全てのクイズはQuiz-Appフォルダーに収められており、計40回のクイズで各回３問ずつあります。クイズはレッスン内からリンクされていますが、クイズアプリはローカルで実行したりAzureにデプロイすることも可能です。quiz-appフォルダーの指示に従ってください。現在、順次ローカライズが進められています。

🎓 初心者に優しい例

データサイエンスが初めてですか？ 簡単で丁寧にコメントされたコードを揃えた特別なexamplesディレクトリをご用意しています：

• 🌟 Hello World - あなたの最初のデータサイエンスプログラム
• 📂 データの読み込み - データセットを読み込み、探索する方法を学びます
• 📊 簡単な分析 - 統計を計算しパターンを見つけます
• 📈 基本的なビジュアライゼーション - チャートやグラフを作成します
• 🔬 実世界プロジェクト - 初めから完成までのワークフローを体験します

各例には細かいコメントが全手順について説明されており、完全な初心者に最適です！

👉 例から始める 👈

レッスン

データサイエンス入門: ロードマップ - @nityaによるスケッチノート

レッスン番号	トピック	レッスングループ	学習目標	リンクされたレッスン	著者
01	データサイエンスの定義	Introduction	データサイエンスの基礎概念と、それが人工知能、機械学習、ビッグデータとどう関連するかを学ぶ。	lesson video	Dmitry
02	データサイエンス倫理	Introduction	データ倫理の概念、課題、フレームワーク。	lesson	Nitya
03	データの定義	Introduction	データの分類方法とその一般的なソース。	lesson	Jasmine
04	統計学と確率の入門	Introduction	データを理解するための確率と統計の数学的手法。	lesson video	Dmitry
05	リレーショナルデータの扱い方	Working With Data	リレーショナルデータの入門と、構造化問い合わせ言語（SQL）を使った基本的な探索・分析の方法。	lesson	Christopher
06	NoSQLデータの扱い方	Working With Data	非リレーショナルデータの入門、その多様なタイプ、ドキュメントデータベースの基本的な探索と解析方法。	lesson	Jasmine
07	Pythonでのデータ操作	Working With Data	Pandasなどのライブラリを使ったPythonによるデータ探索の基礎。Pythonプログラミングの基礎理解が推奨されます。	lesson video	Dmitry
08	データ準備	Working With Data	欠損、不正確、不完全なデータの課題に対処するためのクリーニングや変換の技術。	lesson	Jasmine
09	量の可視化	Data Visualization	Matplotlibを使った鳥データの可視化を学びます 🦆	lesson	Jen
10	データ分布の可視化	Data Visualization	観測値や傾向を一定範囲内で視覚化。	lesson	Jen
11	割合の可視化	Data Visualization	離散的およびグループ化されたパーセンテージの可視化。	lesson	Jen
12	関係性の可視化	Data Visualization	データセットとその変数間の関係性と相関の可視化。	lesson	Jen
13	意味のあるビジュアライゼーション	Data Visualization	効果的な問題解決と洞察のために価値あるビジュアライゼーションを作成するテクニックと指針。	lesson	Jen
14	データサイエンスのライフサイクル入門	Lifecycle	データサイエンスのライフサイクルと、最初のステップであるデータ獲得と抽出の紹介。	lesson	Jasmine
15	分析	Lifecycle	データサイエンスのライフサイクルのこのフェーズは、データを分析する技術に焦点を当てます。	lesson	Jasmine
16	コミュニケーション	Lifecycle	データサイエンスのライフサイクルのこのフェーズは、意思決定者が理解しやすい形でデータから得られた洞察を伝えることに重点を置きます。	lesson	Jalen
17	クラウドにおけるデータサイエンス	Cloud Data	クラウドにおけるデータサイエンスとその利点の紹介。	lesson	Tiffany と Maud
18	クラウドにおけるデータサイエンス	Cloud Data	ローコードツールを使用したモデルのトレーニング。	lesson	Tiffany と Maud
19	クラウドにおけるデータサイエンス	Cloud Data	Azure Machine Learning Studioを用いたモデルのデプロイ。	lesson	Tiffany と Maud
20	現実世界のデータサイエンス	In the Wild	現実世界で行われるデータサイエンス駆動のプロジェクト。	lesson	Nitya

GitHub Codespaces

このサンプルをCodespaceで開くには、以下の手順を実行してください：

1. Codeドロップダウンメニューをクリックし、「Open with Codespaces」オプションを選択します。
2. ペイン下部の「+ New codespace」を選択します。 詳細はGitHubのドキュメントをご覧ください。

VSCode Remote - Containers

ローカルマシンとVSCodeのRemote - Containers拡張機能を使って、このリポジトリをコンテナ内で開くには以下の手順：

1. 開発コンテナを初めて使う場合は、システムがはじめにドキュメントに記載の前提条件（例：Dockerのインストール）を満たしていることを確認してください。

このリポジトリを使用するには、以下のいずれかを行います：

ローカルのファイルシステムではなくDockerボリューム内でリポジトリを開く：

注意：内部的には、Remote-Containersの「Clone Repository in Container Volume...」コマンドを使ってリポジトリのソースコードをDockerボリュームにクローンします。ボリュームはコンテナデータの永続化に推奨される方法です。

またはローカルにクローンまたはダウンロードしたリポジトリを開く：

• このリポジトリをローカルのファイルシステムにクローンします。
• F1を押して「Remote-Containers: Open Folder in Container...」コマンドを選択します。
• クローンしたフォルダーを選択し、コンテナの起動を待ってから試してみてください。

オフラインアクセス

Docsifyを使用してこのドキュメントをオフラインで閲覧可能です。このリポジトリをフォークし、ローカルマシンにDocsifyをインストールしてから、このリポジトリのルートフォルダで docsify serve を実行してください。ウェブサイトはローカルホストの3000番ポート（localhost:3000）でサーブされます。

注意：ノートブックはDocsifyではレンダリングされないため、ノートブックを実行する必要がある場合はPythonカーネルを動かすVS Code内で別途実行してください。

その他のカリキュラム

私たちのチームは他のカリキュラムも提供しています！ご覧ください：

LangChain

---

Azure / Edge / MCP / エージェント

---

生成系AIシリーズ

---

コアラーニング

---

コパイロットシリーズ

ヘルプを得る

問題が発生しましたか？ 一般的な問題の解決策については、トラブルシューティングガイドを参照してください。

AIアプリの構築で立ち止まったり質問がある場合は、MCPに関する議論に参加してください。質問が歓迎され、知識が自由に共有されるサポートコミュニティです。

製品のフィードバックや構築中のエラーがある場合は、こちらをご利用ください：

---

免責事項：
本書類はAI翻訳サービス「Co-op Translator」を使用して翻訳されています。正確さには努めておりますが、自動翻訳には誤りや不正確な部分が含まれる場合があります。原文（原言語版）が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の使用により生じた誤解や解釈の相違について、当社は一切の責任を負いかねます。