18 KiB

Raw Permalink Blame History

Sains Data untuk Pemula - Kurikulum

Azure Cloud Advocates di Microsoft dengan bangga menawarkan kurikulum 10 minggu, 20 pelajaran yang berkaitan dengan Sains Data. Setiap pelajaran termasuk kuiz sebelum dan selepas pelajaran, arahan bertulis untuk menyelesaikan pelajaran, penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, cara yang terbukti untuk kemahiran baru 'melekat'.

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

🙏 Terima kasih khas 🙏 kepada Microsoft Student Ambassador penulis, pengulas dan penyumbang kandungan kami, terutamanya 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 Terkini)

Jika anda ingin menambah sokongan bahasa tambahan, senarai bahasa yang disokong tersedia di sini

Sertai Komuniti Kami

Adakah anda seorang pelajar?

Mulakan dengan sumber berikut:

Halaman Student Hub Di halaman ini, anda akan menemui sumber untuk pemula, pakej pelajar dan juga cara untuk mendapatkan baucar sijil percuma. Ini adalah satu halaman yang anda ingin tandai dan periksa dari semasa ke semasa kerana kami menukar kandungan sekurang-kurangnya setiap bulan.
Microsoft Learn Student Ambassadors Sertai komuniti global duta pelajar, ini boleh menjadi jalan anda ke Microsoft.

Memulakan

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

Pelajar: untuk menggunakan kurikulum ini secara individu, fork keseluruhan repo dan selesaikan latihan secara sendiri, bermula dengan kuiz sebelum kuliah. Kemudian baca kuliah dan selesaikan aktiviti yang lain. Cuba buat projek dengan memahami pelajaran daripada menyalin kod penyelesaian; walau bagaimanapun, kod tersebut tersedia dalam folder /solutions dalam setiap pelajaran berorientasikan projek. Idea lain adalah membentuk kumpulan belajar dengan rakan-rakan dan melalui kandungan bersama-sama. Untuk kajian lanjut, kami mengesyorkan Microsoft Learn.

Kenali Pasukan

Gif oleh Mohit Jaisal

🎥 Klik imej di atas untuk video tentang projek dan orang yang menciptanya!

Pedagogi

Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan termasuk kuiz yang kerap. Menjelang 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 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 yang lebih lanjut. Kurikulum ini direka untuk fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagian. Projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 10 minggu.

Cari Kod Etika, Panduan Menyumbang, Panduan Terjemahan. Kami mengalu-alukan maklum balas membina daripada 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 tentang kuiz: Semua kuiz terdapat dalam folder Quiz-App, dengan jumlah keseluruhan 40 kuiz yang masing-masing mempunyai tiga soalan. Kuiz ini dihubungkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara tempatan atau dideploy ke Azure; ikuti arahan dalam folder quiz-app. Kuiz ini sedang dilokalkan secara beransur-ansur.

Pelajaran


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

Nombor Pelajaran	Topik	Pengelompokan Pelajaran	Objektif Pembelajaran	Pelajaran Terhubung	Penulis
01	Mendefinisikan Sains Data	Pengenalan	Belajar 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 diklasifikasikan dan sumber-sumber umumnya.	pelajaran	Jasmine
04	Pengenalan kepada 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 penerokaan serta analisis data relasi dengan Structured Query Language, 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 penerokaan serta analisis pangkalan data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja Dengan Data	Asas menggunakan Python untuk penerokaan data dengan pustaka seperti Pandas. Pemahaman asas tentang pengaturcaraan Python disarankan.	pelajaran video	Dmitry
08	Penyediaan Data	Bekerja Dengan Data	Topik tentang teknik data untuk membersihkan dan mengubah data bagi menangani cabaran data yang hilang, tidak tepat, atau tidak lengkap.	pelajaran	Jasmine
09	Memvisualisasikan Kuantiti	Visualisasi Data	Belajar cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆	pelajaran	Jen
10	Memvisualisasikan Taburan Data	Visualisasi Data	Memvisualisasikan pemerhatian dan tren dalam satu interval.	pelajaran	Jen
11	Memvisualisasikan Perkadaran	Visualisasi Data	Memvisualisasikan peratusan diskret dan berkumpulan.	pelajaran	Jen
12	Memvisualisasikan Hubungan	Visualisasi Data	Memvisualisasikan hubungan dan korelasi antara set data dan pemboleh ubahnya.	pelajaran	Jen
13	Visualisasi Bermakna	Visualisasi Data	Teknik dan panduan untuk menjadikan visualisasi anda bernilai bagi penyelesaian masalah dan wawasan yang efektif.	pelajaran	Jen
14	Pengenalan kepada Kitaran Hayat Sains Data	Kitaran Hayat	Pengenalan kepada kitaran hayat sains data dan langkah pertama untuk memperoleh serta mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Kitaran Hayat	Fasa ini dalam kitaran hayat sains data memberi tumpuan kepada teknik untuk menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Kitaran Hayat	Fasa ini dalam kitaran hayat sains data memberi tumpuan kepada menyampaikan wawasan daripada data dengan cara yang memudahkan pembuat keputusan untuk memahami.	pelajaran	Jalen
17	Sains Data di Awan	Data Awan	Siri pelajaran ini memperkenalkan sains data di awan dan manfaatnya.	pelajaran	Tiffany dan Maud
18	Sains Data di Awan	Data Awan	Melatih model menggunakan alat Low Code.	pelajaran	Tiffany dan Maud
19	Sains Data di Awan	Data Awan	Mendeply model dengan Azure Machine Learning Studio.	pelajaran	Tiffany dan Maud
20	Sains Data di Dunia Nyata	Di Dunia Nyata	Projek yang didorong oleh sains data dalam dunia nyata.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah-langkah ini untuk membuka sampel ini dalam Codespace:

Klik menu drop-down Code dan pilih pilihan Open with Codespaces.
Pilih + New codespace di bahagian bawah panel. Untuk maklumat lanjut, lihat dokumentasi GitHub.

VSCode Remote - Containers

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

Jika ini kali pertama anda menggunakan container pembangunan, pastikan sistem anda memenuhi prasyarat (contohnya, mempunyai Docker dipasang) dalam dokumentasi memulakan.

Untuk menggunakan repositori ini, anda boleh membukanya dalam volume Docker yang terasing:

Nota: Di belakang tabir, ini akan menggunakan Remote-Containers: Clone Repository in Container Volume... arahan untuk mengklon kod sumber dalam volume Docker dan bukannya sistem fail tempatan. Volumes adalah mekanisme yang disukai untuk mengekalkan data container.

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

Klon repositori ini ke sistem fail tempatan anda.
Tekan F1 dan pilih arahan Remote-Containers: Open Folder in Container....
Pilih salinan folder yang telah diklon, tunggu container untuk dimulakan, dan cuba perkara-perkara di dalamnya.

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 disediakan pada port 3000 di localhost anda: localhost:3000.

Nota, notebook tidak akan dirender 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:

Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk memastikan ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat penting, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.

18 KiB Raw Permalink Blame History