Data-Science-For-Beginners/translations/ms

Sains Data untuk Pemula - Kurikulum

Penyokong Azure Cloud di Microsoft dengan sukacitanya menawarkan kurikulum 10-minggu, 20-pelajaran semuanya mengenai Sains Data. Setiap pelajaran termasuk kuiz pra-pelajaran dan pasca-pelajaran, arahan bertulis untuk menyelesaikan pelajaran, satu penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, satu kaedah terbukti untuk kemahiran baru 'melekat'.

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

🙏 Penghargaan khas 🙏 kepada penulis, penyemak dan penyumbang kandungan Duta Pelajar Microsoft, khususnya 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

Sains Data untuk Pemula - Sketchnote oleh @nitya

🌐 Sokongan Pelbagai Bahasa

Disokong melalui GitHub Action (Automatik & Sentiasa Dikemas kini)

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

If you wish to have additional translations languages supported are listed here

Sertai Komuniti Kami

Kami mempunyai siri Discord "Belajar dengan AI" yang sedang berlangsung, ketahui lebih lanjut dan sertai kami di Siri Belajar dengan AI dari 18 - 30 September, 2025. Anda akan mendapat petua dan helah menggunakan GitHub Copilot untuk Sains Data.

Adakah anda seorang pelajar?

Mulakan dengan sumber berikut:

• Halaman Student Hub Dalam halaman ini, anda akan menemui sumber untuk pemula, Pek Pelajar dan juga cara untuk mendapatkan baucar sijil percuma. Ini adalah satu halaman yang anda ingin tandakan dan semak dari semasa ke semasa kerana kami menukar kandungan sekurang-kurangnya setiap bulan.
• Duta Pelajar Microsoft Learn Sertai komuniti global duta pelajar, ini boleh menjadi jalan anda ke Microsoft.

Mula

📚 Dokumentasi

• Panduan Pemasangan - Arahan persediaan langkah demi langkah untuk pemula
• Panduan Penggunaan - Contoh dan aliran kerja biasa
• Penyelesaian Masalah - Penyelesaian untuk isu biasa
• Panduan Menyumbang - Cara untuk menyumbang kepada projek ini
• Untuk Guru - Panduan pengajaran dan sumber untuk bilik darjah

👨‍🎓 Untuk Pelajar

Pemula Lengkap: Baru dalam sains data? Mula dengan contoh mesra-pemula! Contoh-contoh ringkas yang disertakan dengan ulasan jelas ini akan membantu anda memahami asas sebelum menyelami kurikulum penuh. Pelajar: untuk menggunakan kurikulum ini sendiri, buat fork seluruh repo dan lengkapkan latihan sendiri, bermula dengan kuiz pra-ceramah. Kemudian baca ceramah dan lengkapkan aktiviti yang lain. Cuba bina projek dengan memahami pelajaran bukannya menyalin kod penyelesaian; walau bagaimanapun, kod itu tersedia di folder /solutions dalam setiap pelajaran berorientasikan projek. Satu lagi idea ialah membentuk kumpulan belajar dengan rakan dan menelusuri kandungan bersama. Untuk kajian lanjut, kami mengesyorkan Microsoft Learn.

Mula Pantas:

1. Semak Panduan Pemasangan untuk menyediakan persekitaran anda
2. Semak Panduan Penggunaan untuk mengetahui cara bekerja dengan kurikulum ini
3. Mulakan dengan Pelajaran 1 dan ikuti secara berurutan
4. Sertai komuniti Discord kami untuk sokongan

👩‍🏫 Untuk Guru

Guru: kami telah menyertakan beberapa cadangan tentang cara menggunakan kurikulum ini. Kami amat menghargai maklum balas anda di forum perbincangan kami!

Temui Pasukan

Gif oleh Mohit Jaisal

🎥 Klik gambar di atas untuk video tentang projek dan orang yang menciptakannya!

Pedagogi

Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan bahawa ia merangkumi kuiz yang kerap. Menjelang akhir siri ini, pelajar akan telah mempelajari prinsip asas sains data, termasuk konsep etika, penyediaan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, kes penggunaan dunia nyata bagi sains data, dan banyak lagi.

Selain itu, kuiz berisiko rendah sebelum kelas menetapkan niat pelajar untuk mempelajari topik, manakala kuiz kedua selepas kelas memastikan pengekalan lanjut. Kurikulum ini direka agar fleksibel dan menyeronokkan serta boleh diambil sepenuhnya atau sebahagiannya. Projek-projek bermula dari kecil dan menjadi semakin kompleks menjelang akhir kitar 10 minggu.

Lihat Kod Kelakuan, Sumbangan, Terjemahan kami. Kami mengalu-alukan maklum balas membina anda!

Setiap pelajaran merangkumi:

• Sketchnote pilihan
• Video tambahan pilihan
• Kuiz pemanasan sebelum pelajaran
• Pelajaran bertulis
• Untuk pelajaran berasaskan projek, panduan langkah demi langkah tentang cara membina projek
• Pemeriksaan pengetahuan
• Cabaran
• Bacaan tambahan
• Tugasan
• Kuiz selepas pelajaran

Nota mengenai kuiz: Semua kuiz disimpan dalam folder Quiz-App, untuk 40 kuiz keseluruhan dengan tiga soalan setiap satu. Ia dipautkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara setempat atau diterapkan ke Azure; ikut arahan dalam folder quiz-app. Ia sedang dipelbagaikan secara berperingkat.

🎓 Contoh Mesra Pemula

Baru dalam Sains Data? Kami telah mencipta direktori examples khas dengan kod ringkas dan diberi komen dengan baik untuk membantu anda bermula:

• 🌟 Hello World - Program sains data pertama anda
• 📂 Loading Data - Belajar membaca dan meneroka set data
• 📊 Simple Analysis - Mengira statistik dan mencari corak
• 📈 Basic Visualization - Membuat carta dan graf
• 🔬 Real-World Project - Aliran kerja lengkap dari mula hingga tamat

Setiap contoh termasuk komen terperinci yang menerangkan setiap langkah, menjadikannya sempurna untuk pemula mutlak!

👉 Mula dengan contoh-contoh ini 👈

Pelajaran

Data Science For Beginners: Roadmap - Sketchnote oleh @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Mendefinisikan Sains Data	Introduction	Pelajari konsep asas di sebalik sains data dan bagaimana ia berkaitan dengan kecerdasan buatan, pembelajaran mesin, dan data besar.	pelajaran video	Dmitry
02	Etika Sains Data	Introduction	Konsep Etika Data, Cabaran & Rangka Kerja.	pelajaran	Nitya
03	Mendefinisikan Data	Introduction	Bagaimana data diklasifikasikan dan sumber biasa data.	pelajaran	Jasmine
04	Pengenalan kepada Statistik & Kebarangkalian	Introduction	Teknik matematik kebarangkalian dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasional	Working With Data	Pengenalan kepada data relasional dan asas meneroka dan menganalisis data relasional dengan Structured Query Language, juga dikenali sebagai SQL (sebutan “see-quell”).	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Working With Data	Pengenalan kepada data bukan relasional, pelbagai jenisnya dan asas meneroka serta menganalisis pangkalan data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Working With Data	Asas menggunakan Python untuk penerokaan data dengan perpustakaan seperti Pandas. Disyorkan memahami asas pengaturcaraan Python.	pelajaran video	Dmitry
08	Penyediaan Data	Working With Data	Topik mengenai teknik data untuk membersihkan dan mengubah suai data bagi menangani cabaran data yang hilang, tidak tepat, atau tidak lengkap.	pelajaran	Jasmine
09	Visualisasi Kuantiti	Data Visualization	Pelajari cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆	pelajaran	Jen
10	Visualisasi Taburan Data	Data Visualization	Memvisualisasikan pemerhatian dan tren dalam suatu selang.	pelajaran	Jen
11	Visualisasi Peratusan	Data Visualization	Memvisualisasikan peratus diskret dan berkumpulan.	pelajaran	Jen
12	Visualisasi Perhubungan	Data Visualization	Memvisualisasikan hubungan dan korelasi antara set data dan pembolehubahnya.	pelajaran	Jen
13	Visualisasi Bermakna	Data Visualization	Teknik dan panduan untuk menjadikan visualisasi anda berharga untuk penyelesaian masalah dan pemerolehan wawasan yang berkesan.	pelajaran	Jen
14	Pengenalan kepada kitar hayat Sains Data	Lifecycle	Pengenalan kepada kitar hayat sains data dan langkah pertamanya iaitu pemerolehan dan pengekstrakan data.	pelajaran	Jasmine
15	Menganalisis	Lifecycle	Fasa kitar hayat sains data ini memfokuskan pada teknik untuk menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Lifecycle	Fasa ini memfokuskan pada penyampaian wawasan daripada data dengan cara yang memudahkan pembuat keputusan memahami.	pelajaran	Jalen
17	Sains Data di Awan	Cloud Data	Siri pelajaran ini memperkenalkan sains data dalam awan dan manfaatnya.	pelajaran	Tiffany and Maud
18	Sains Data di Awan	Cloud Data	Melatih model menggunakan alat Low Code.	pelajaran	Tiffany and Maud
19	Sains Data di Awan	Cloud Data	Menyebarkan model dengan Azure Machine Learning Studio.	pelajaran	Tiffany and Maud
20	Sains Data dalam Dunia Sebenar	In the Wild	Projek yang dipacu oleh sains data dalam dunia sebenar.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah-langkah ini untuk membuka contoh ini dalam sebuah Codespace:

1. Klik menu Code dan pilih pilihan Open with Codespaces.
2. Pilih + New codespace di bahagian bawah pane. Untuk maklumat lanjut, rujuk dokumentasi GitHub.

VSCode Remote - Containers

Ikuti langkah-langkah ini untuk membuka repo ini dalam sebuah container menggunakan mesin tempatan anda dan VSCode menggunakan sambungan VS Code Remote - Containers:

1. Jika ini kali pertama anda menggunakan container pembangunan, sila pastikan sistem anda memenuhi prasyarat (contohnya telah memasang Docker) dalam the getting started documentation.

Untuk menggunakan repositori ini, anda boleh membuka repositori dalam sebuah volum Docker terasing:

Note: Di sebalik tabir, ini akan menggunakan perintah Remote-Containers: Clone Repository in Container Volume... untuk mengklon kod sumber ke dalam volum Docker dan bukannya sistem fail tempatan. Volumes adalah mekanisme yang disyorkan untuk mengekalkan data container.

Atau buka salinan repositori yang telah diklon atau dimuat turun secara tempatan:

• Klon repositori ini ke sistem fail tempatan anda.
• Tekan F1 dan pilih perintah Remote-Containers: Open Folder in Container....
• Pilih salinan yang diklon bagi folder ini, tunggu sehingga container dimulakan, dan cuba perkara-perkara.

Akses Luar Talian

Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan Docsify. Fork repo ini, pasang Docsify pada mesin tempatan anda, kemudian di folder root repo ini, taip docsify serve. Laman web akan dihidangkan pada port 3000 di localhost anda: localhost:3000.

Nota, notebook tidak akan dipaparkan melalui Docsify, jadi apabila anda perlu menjalankan notebook, lakukan itu secara berasingan dalam VS Code yang menjalankan kernel Python.

Kurikulum Lain

Pasukan kami menghasilkan kurikulum lain! Lihat:

LangChain

---

Azure / Edge / MCP / Agents

---

Siri AI Generatif

---

Pembelajaran Teras

---

Siri Copilot

Mendapatkan Bantuan

Mengalami masalah? Periksa Panduan Penyelesaian Masalah untuk penyelesaian bagi masalah biasa.

Jika anda tersekat atau mempunyai sebarang pertanyaan mengenai pembinaan aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi secara bebas.

Jika anda mempunyai maklum balas produk atau ralat semasa membina, lawati:

---

Penafian: Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha memastikan ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi ralat atau ketidakakuratan. Dokumen asal dalam bahasa asalnya hendaklah dianggap sebagai sumber yang muktamad. Untuk maklumat penting, disyorkan terjemahan profesional oleh penterjemah manusia. Kami tidak bertanggungjawab terhadap sebarang salah faham atau salah tafsiran yang timbul daripada penggunaan terjemahan ini.