Data-Science-For-Beginners/translations/ms

Sains Data untuk Pemula - Kurikulum

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

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

🙏 Terima kasih khas 🙏 kepada penulis, pemeriksa 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

Lebih Suka Klon Secara Tempatan?

Repositori ini termasuk lebih 50 terjemahan bahasa yang secara ketara meningkatkan saiz muat turun. Untuk klon tanpa terjemahan, gunakan sparse checkout:

Bash / macOS / Linux:

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'

CMD (Windows):

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"

Ini memberikan anda segala yang anda perlukan untuk melengkapkan kursus dengan muat turun yang lebih pantas.

Jika anda ingin menyokong bahasa terjemahan tambahan disenaraikan di sini

Sertai Komuniti Kami

Kami mempunyai siri belajar Discord bersama AI yang sedang berlangsung, pelajari lebih lanjut dan sertai kami di Learn with AI Series dari 18 - 30 September, 2025. Anda akan mendapat petua dan trik menggunakan GitHub Copilot untuk Sains Data.

Adakah anda seorang pelajar?

Mulakan dengan sumber berikut:

• Halaman Pusat Pelajar Dalam halaman ini, anda akan dapati sumber untuk pemula, Pek Pelajar dan juga cara mendapatkan baucar sijil percuma. Ini adalah satu halaman yang anda mahu tandakan dan semak dari semasa ke semasa kerana kami menukar kandungan sekurang-kurangnya sebulan sekali.
• Duta Pelajar Microsoft Learn Sertai komuniti global duta pelajar, ini mungkin menjadi jalan anda ke Microsoft.

Memulakan

📚 Dokumentasi

• Panduan Pemasangan - Arahan penyediaan langkah demi langkah untuk pemula
• Panduan Penggunaan - Contoh dan aliran kerja biasa
• Penyelesaian Masalah - Penyelesaian untuk isu biasa
• Panduan Menyumbang - Cara menyumbang ke projek ini
• Untuk Guru - Panduan pengajaran dan sumber kelas

👨‍🎓 Untuk Pelajar

Pemula Lengkap: Baru dalam sains data? Mulakan dengan contoh mesra pemula kami! Contoh mudah dan penuh komen ini akan membantu anda memahami asas sebelum menyelami kurikulum penuh. Pelajar: untuk menggunakan kurikulum ini sendiri, buat fork untuk keseluruhan repo dan selesaikan latihan secara sendiri, bermula dengan kuiz pra-ceramah. Kemudian baca ceramah dan lengkapkan aktiviti yang lain. Cuba bina projek dengan memahami pelajaran berbanding menyalin kod penyelesaian; bagaimanapun, kod tersebut tersedia dalam folder /solutions pada setiap pelajaran berorientasikan projek. Satu lagi idea ialah membentuk kumpulan belajar dengan rakan dan melalui kandungan bersama. Untuk kajian lanjut, kami mengesyorkan Microsoft Learn.

Mula dengan Cepat:

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

👩‍🏫 Untuk Guru

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

Kenali Pasukan

Gif oleh Mohit Jaisal

🎥 Klik imej di atas untuk video mengenai projek ini dan orang-orang yang menciptakannya!

Pedagogi

Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan termasuk kuiz yang kerap. Pada akhir siri ini, pelajar akan mempelajari prinsip asas sains data, termasuk konsep etika, penyediaan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, kes penggunaan dunia sebenar dalam 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 untuk menjadi fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagiannya. Projek-projek bermula kecil dan menjadi semakin kompleks pada akhir kitaran 10 minggu.

Dapatkan Kod Etika, Panduan Menyumbang, Terjemahan kami. Kami mengalu-alukan maklum balas anda yang membina!

Setiap pelajaran merangkumi:

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

Nota mengenai kuiz: Semua kuiz terkandung dalam folder Quiz-App, dengan 40 kuiz keseluruhan, setiap satu mempunyai tiga soalan. Ia dipautkan dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara lokal atau dideploy ke Azure; ikut arahan dalam folder quiz-app. Ia sedang diterjemahkan secara berperingkat.

🎓 Contoh Mesra Pemula

Baru dalam Sains Data? Kami telah mencipta direktori contoh khas dengan kod mudah dan diberi ulasan untuk membantu anda bermula:

• 🌟 Hello World - Program pertama sains data anda
• 📂 Memuatkan Data - Belajar membaca dan meneroka set data
• 📊 Analisis Ringkas - Mengira statistik dan mencari corak
• 📈 Visualisasi Asas - Membuat carta dan graf
• 🔬 Projek Dunia Sebenar - Aliran kerja lengkap dari mula hingga selesai

Setiap contoh termasuk ulasan terperinci yang menerangkan setiap langkah, sesuai untuk pemula mutlak!

👉 Mulakan dengan contoh 👈

Pelajaran

Sains Data Untuk Pemula: Peta Jalan - Sketchnote oleh @nitya

Nombor Pelajaran	Topik	Pengelompokan Pelajaran	Objektif Pembelajaran	Pelajaran Pautan	Pengarang
01	Mendefinisikan Sains Data	Pengenalan	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	Pengenalan	Konsep Etika Data, Cabaran & Kerangka Kerja.	pelajaran	Nitya
03	Mendefinisikan Data	Pengenalan	Bagaimana data dikategorikan dan sumber umumnya.	pelajaran	Jasmine
04	Pengenalan Statistik & Kebarangkalian	Pengenalan	Teknik matematik kebarangkalian dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasi	Bekerja Dengan Data	Pengenalan kepada data relasi dan asas meneroka dan menganalisis data relasi dengan Bahasa Pertanyaan Berstruktur, juga dikenali sebagai SQL (disebut “see-quell”).	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Bekerja Dengan Data	Pengenalan kepada data bukan relasi, pelbagai jenisnya dan asas meneroka serta menganalisis pangkalan data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja Dengan Data	Asas menggunakan Python untuk eksplorasi data dengan perpustakaan seperti Pandas. Pemahaman asas pengaturcaraan Python disyorkan.	pelajaran video	Dmitry
08	Penyediaan Data	Bekerja Dengan Data	Topik teknik data untuk membersihkan dan mengubah data bagi mengendalikan cabaran data yang hilang, tidak tepat, atau tidak lengkap.	pelajaran	Jasmine
09	Memvisualkan Kuantiti	Visualisasi Data	Belajar menggunakan Matplotlib untuk memvisualkan data burung 🦆	pelajaran	Jen
10	Memvisualkan Taburan Data	Visualisasi Data	Memvisualkan pemerhatian dan tren dalam selang.	pelajaran	Jen
11	Memvisualkan Peratusan	Visualisasi Data	Memvisualkan peratusan diskret dan berkumpulan.	pelajaran	Jen
12	Memvisualkan Hubungan	Visualisasi Data	Memvisualkan hubungan dan korelasi antara set data dan pembolehubahnya.	pelajaran	Jen
13	Visualisasi Bermakna	Visualisasi Data	Teknik dan panduan membuat visualisasi yang bernilai untuk menyelesaikan masalah dan mendapatkan wawasan secara berkesan.	pelajaran	Jen
14	Pengenalan ke kitaran hayat Sains Data	Kitaran Hayat	Pengenalan kepada kitaran hayat sains data dan langkah pertama untuk memperoleh dan mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Kitaran Hayat	Fasa dalam kitaran hayat sains data yang menumpukan pada teknik menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Kitaran Hayat	Fasa dalam kitaran hayat sains data yang menumpukan pada penyampaian wawasan dari data dengan cara yang memudahkan penggubal keputusan memahami.	pelajaran	Jalen
17	Sains Data dalam Awan	Data Awan	Siri pelajaran ini memperkenalkan sains data dalam awan dan manfaatnya.	pelajaran	Tiffany dan Maud
18	Sains Data dalam Awan	Data Awan	Melatih model menggunakan Alat Kod Rendah.	pelajaran	Tiffany dan Maud
19	Sains Data dalam Awan	Data Awan	Menyebarkan model dengan Azure Machine Learning Studio.	pelajaran	Tiffany dan Maud
20	Sains Data di Dunia Nyata	Di Dunia Nyata	Projek didorong oleh sains data dalam dunia sebenar.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah ini untuk membuka contoh ini dalam Codespace:

1. Klik menu lungsur Kod dan pilih pilihan Buka dengan Codespaces.
2. Pilih + Codespace baru di bahagian bawah pane. Untuk maklumat lanjut, lihat dokumentasi GitHub.

VSCode Jauh - Kontena

Ikut langkah berikut untuk membuka repo ini dalam kontena menggunakan mesin tempatan anda dan VSCode dengan sambungan VS Code Remote - Containers:

1. Jika ini kali pertama anda menggunakan kontena pembangunan, pastikan sistem anda memenuhi syarat prasyarat (iaitu memasang Docker) dalam dokumentasi memulakan.

Untuk menggunakan repositori ini, anda boleh buka repositori dalam volum Docker terpencil:

Nota: Di belakang tabir, ini akan menggunakan perintah Remote-Containers: Clone Repository in Container Volume... untuk klon kod sumber dalam volum Docker bukannya sistem fail tempatan. Volum adalah mekanisme yang disyorkan untuk menyimpan data kontena.

Atau buka versi 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 folder yang telah diklon, tunggu kontena mula, dan cuba.

Akses Luar Talian

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

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

Kurikulum Lain

Pasukan kami menghasilkan kurikulum lain! Lihat:

LangChain

Azure / Edge / MCP / Agen

---

Siri AI Generatif

---

Pembelajaran Teras

---

Siri Copilot

Mendapatkan Bantuan

Mengalami masalah? Semak Panduan Penyelesaian Masalah kami untuk penyelesaian masalah biasa.

Jika anda tersekat atau mempunyai sebarang soalan mengenai membina aplikasi AI. Sertai rakan pembelajar dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi dengan 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 untuk memastikan ketepatan, sila maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya hendaklah dianggap sebagai sumber yang sahih. Untuk maklumat yang kritikal, terjemahan profesional oleh manusia adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.