19 KiB

Raw Permalink Blame History

Data Science dla Początkujących - Program Nauczania

Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-lekcyjny program nauczania dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do realizacji lekcji, rozwiązanie oraz zadanie. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswajanie nowych umiejętności.

Serdeczne podziękowania dla naszych autorów: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Specjalne podziękowania 🙏 dla naszych Microsoft Student Ambassador autorów, recenzentów i współtwórców treści, w szczególności 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 dla Początkujących - Sketchnote by @nitya

🌐 Wsparcie Wielojęzyczne

Obsługiwane przez GitHub Action (Automatyczne i Zawsze Aktualne)

Jeśli chcesz, aby obsługiwane były dodatkowe języki, lista dostępnych znajduje się tutaj

Dołącz do naszej społeczności

Jesteś studentem?

Rozpocznij od następujących zasobów:

Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera certyfikacyjnego. To strona, którą warto dodać do zakładek i sprawdzać co jakiś czas, ponieważ zmieniamy treści przynajmniej raz w miesiącu.
Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studentów, to może być Twoja droga do Microsoft.

Rozpoczęcie

Nauczyciele: zamieściliśmy kilka sugestii dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie na naszym forum dyskusyjnym!

Studenci: aby korzystać z tego programu samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj resztę aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji projektowej. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez treści. Do dalszej nauki polecamy Microsoft Learn.

Poznaj Zespół

Gif by Mohit Jaisal

🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i osobach, które go stworzyły!

Pedagogika

Podczas tworzenia tego programu nauczania przyjęliśmy dwie zasady pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci poznają podstawowe zasady data science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia data science i wiele więcej.

Dodatkowo, quiz o niskiej stawce przed zajęciami ustawia intencję studenta na naukę danego tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu. Znajdź nasze Kodeks Postępowania, Wskazówki dotyczące współpracy, Wskazówki dotyczące tłumaczeń. Czekamy na Twoje konstruktywne uwagi!

Każda lekcja zawiera:

Opcjonalną notatkę wizualną
Opcjonalny dodatkowy film
Quiz rozgrzewkowy przed lekcją
Lekcję w formie pisemnej
W przypadku lekcji projektowych, przewodniki krok po kroku dotyczące budowy projektu
Sprawdzanie wiedzy
Wyzwanie
Dodatkowe materiały do czytania
Zadanie
Quiz po lekcji

Uwaga dotycząca quizów: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów, każdy z trzema pytaniami. Są one podlinkowane w lekcjach, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na platformie Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Quizy są stopniowo lokalizowane.

Lekcje


Data Science dla początkujących: Mapa drogowa - Notatka wizualna autorstwa @nitya

Numer lekcji	Temat	Grupa lekcji	Cele nauki	Podlinkowana lekcja	Autor
01	Definicja Data Science	Wprowadzenie	Poznaj podstawowe pojęcia związane z data science oraz jego powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja film	Dmitry
02	Etyka w Data Science	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy działania.	lekcja	Nitya
03	Definicja danych	Wprowadzenie	Jak klasyfikowane są dane i jakie są ich najczęstsze źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Matematyczne techniki statystyki i prawdopodobieństwa w celu zrozumienia danych.	lekcja film	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka SQL (wymawiane „si-kłel”).	lekcja	Christopher
06	Praca z danymi NoSQL	Praca z danymi	Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz danych dokumentów.	lekcja	Jasmine
07	Praca z Pythonem	Praca z danymi	Podstawy korzystania z Pythona do eksploracji danych z wykorzystaniem bibliotek takich jak Pandas. Zalecana jest podstawowa znajomość programowania w Pythonie.	lekcja film	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, niedokładnymi lub niekompletnymi danymi.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Naucz się korzystać z Matplotlib do wizualizacji danych o ptakach 🦆	lekcja	Jen
10	Wizualizacja rozkładów danych	Wizualizacja danych	Wizualizacja obserwacji i trendów w przedziale.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizacja procentów dyskretnych i grupowych.	lekcja	Jen
12	Wizualizacja relacji	Wizualizacja danych	Wizualizacja połączeń i korelacji między zbiorami danych i ich zmiennymi.	lekcja	Jen
13	Znaczące wizualizacje	Wizualizacja danych	Techniki i wskazówki dotyczące tworzenia wartościowych wizualizacji dla efektywnego rozwiązywania problemów i uzyskiwania wglądów.	lekcja	Jen
14	Wprowadzenie do cyklu życia Data Science	Cykl życia	Wprowadzenie do cyklu życia data science i jego pierwszego etapu, jakim jest pozyskiwanie i ekstrakcja danych.	lekcja	Jasmine
15	Analiza	Cykl życia	Ten etap cyklu życia data science koncentruje się na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Ten etap cyklu życia data science koncentruje się na prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie decydentom.	lekcja	Jalen
17	Data Science w chmurze	Dane w chmurze	Ten cykl lekcji wprowadza data science w chmurze i jego korzyści.	lekcja	Tiffany i Maud
18	Data Science w chmurze	Dane w chmurze	Trenowanie modeli za pomocą narzędzi Low Code.	lekcja	Tiffany i Maud
19	Data Science w chmurze	Dane w chmurze	Wdrażanie modeli za pomocą Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Data Science w praktyce	W praktyce	Projekty oparte na data science w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Wykonaj następujące kroki, aby otworzyć ten przykład w Codespace:

Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces.
Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w dokumentacji GitHub.

VSCode Remote - Containers

Wykonaj następujące kroki, aby otworzyć to repozytorium w kontenerze za pomocą swojego lokalnego komputera i VSCode, korzystając z rozszerzenia VS Code Remote - Containers:

Jeśli korzystasz z kontenerów deweloperskich po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) opisane w dokumentacji wprowadzającej.

Aby użyć tego repozytorium, możesz otworzyć je w izolowanym woluminie Dockera:

Uwaga: W tle zostanie użyte polecenie Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy w woluminie Dockera zamiast w lokalnym systemie plików. Woluminy są preferowanym mechanizmem przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

Sklonuj to repozytorium na swój lokalny system plików.
Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i przetestuj.

Dostęp offline

Możesz uruchomić tę dokumentację offline, korzystając z Docsify. Sforkuj to repozytorium, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w głównym folderze tego repozytorium wpisz docsify serve. Strona internetowa zostanie uruchomiona na porcie 3000 na Twoim localhost: localhost:3000.

Uwaga, notatniki nie będą renderowane za pomocą Docsify, więc jeśli potrzebujesz uruchomić notatnik, zrób to osobno w VS Code, korzystając z jądra Pythona.

Inne programy nauczania

Nasz zespół tworzy inne programy nauczania! Sprawdź:

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.

19 KiB Raw Permalink Blame History