Data-Science-For-Beginners/translations/ru

Data Science для начинающих — Учебная программа

Azure Cloud Advocates в Microsoft рады предложить 10-недельную программу из 20 уроков по Data Science. Каждый урок включает опросы до и после урока, письменные инструкции для выполнения урока, решение и задание. Наша проектно-ориентированная педагогика позволяет учиться на практике — проверенный способ закрепления новых навыков.

Большая благодарность нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Особая благодарность 🙏 нашим авторам, рецензентам и участникам контента из числа Microsoft Student Ambassador, в частности Аариану Арора, 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 Для начинающих — Скетчноут от @nitya

🌐 Многоязычная поддержка

Поддерживается через GitHub Action (автоматизировано и всегда актуально)

Арабский | Бенгальский | Болгарский | Бирманский (Мьянма) | Китайский (упрощённый) | Китайский (традиционный, Гонконг) | Китайский (традиционный, Макао) | Китайский (традиционный, Тайвань) | Хорватский | Чешский | Датский | Нидерландский | Эстонский | Финский | Французский | Немецкий | Греческий | Иврит | Хинди | Венгерский | Индонезийский | Итальянский | Японский | Каннада | Корейский | Литовский | Малайский | Малаялам | Маратхи | Непальский | Нигерийский пиджин | Норвежский | Персидский (Фарси) | Польский | Португальский (Бразилия) | Португальский (Португалия) | Пенджаби (Гурмукхи) | Румынский | Русский | Сербский (кириллица) | Словацкий | Словенский | Испанский | Суахили | Шведский | Тагалог (филиппинский) | Тамильский | Телугу | Тайский | Турецкий | Украинский | Урду | Вьетнамский

Предпочитаете клонировать локально?

Этот репозиторий содержит более 50 языковых переводов, что сильно увеличивает размер загрузки. Чтобы клонировать без переводов, используйте sparse checkout:

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'

Это даст вам всё необходимое для прохождения курса с гораздо более быстрой загрузкой.

Если вы хотите, чтобы были добавлены дополнительные языки переводов, их список доступен здесь

Присоединяйтесь к нашему сообществу

У нас идет серия обучения с AI в Discord, узнайте больше и присоединяйтесь к нам на Learn with AI Series с 18 по 30 сентября 2025 года. Вы получите советы и хитрости по использованию GitHub Copilot для Data Science.

Вы студент?

Начните с следующих ресурсов:

• Страница Student Hub На этой странице вы найдете ресурсы для начинающих, наборы для студентов и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и периодически проверять, так как мы обновляем контент как минимум раз в месяц.
• Microsoft Learn Student Ambassadors Присоединяйтесь к глобальному сообществу студенческих послов, это может быть вашим входом в Microsoft.

Начало работы

📚 Документация

• Руководство по установке — Пошаговые инструкции для начинающих
• Руководство пользователя — Примеры и распространённые сценарии работы
• Устранение неполадок — Решения распространённых проблем
• Руководство для контрибьюторов — Как внести вклад в этот проект
• Для преподавателей — Рекомендации по преподаванию и материалы для класса

👨‍🎓 Для студентов

Абсолютные новички: новичок в data science? Начните с наших примеров для начинающих! Эти простые, хорошо прокомментированные примеры помогут вам понять основы перед изучением всей программы. Студенты: чтобы использовать эту учебную программу самостоятельно, сделайте форк всего репозитория и выполните упражнения самостоятельно, начиная с викторины перед лекцией. Затем прочитайте лекцию и выполните остальные задания. Старайтесь создавать проекты, понимая уроки, а не просто копируя код решений; однако этот код доступен в папках /solutions для каждого урока, ориентированного на проекты. Ещё одна идея — объединиться в учебную группу с друзьями и проходить материал вместе. Для дальнейшего изучения мы рекомендуем Microsoft Learn.

Быстрый старт:

1. Ознакомьтесь с Руководством по установке, чтобы настроить среду
2. Изучите Руководство пользователя, чтобы узнать, как работать с программой
3. Начните с урока 1 и проходите уроки последовательно
4. Присоединяйтесь к нашему сообществу Discord для поддержки

👩‍🏫 Для преподавателей

Преподавателям: мы подготовили некоторые рекомендации по использованию этой учебной программы. Нам будет приятно получить ваш отзыв в нашем форуме обсуждений!

Встречайте Команду

GIF от Mohit Jaisal

🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!

Педагогика

Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечить её проектно-ориентированным подходом и включить частые викторины. К концу этого курса студенты освоят базовые принципы науки о данных, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные примеры применения науки о данных и многое другое.

Кроме того, викторина с низкой ставкой перед занятием настраивает студента на изучение темы, а вторая викторина после занятия обеспечивает лучшее усвоение материала. Эта учебная программа была разработана таким образом, чтобы быть гибкой и увлекательной, её можно проходить полностью или частично. Проекты начинаются с небольших и постепенно усложняются к концу 10-недельного цикла.

Ознакомьтесь с нашими Правилами поведения, Руководством по участию, Руководством по переводу. Мы приветствуем ваши конструктивные отзывы!

Каждое занятие включает:

• Необязательная зарисовка
• Необязательное видео с дополнительным материалом
• Викторину для разогрева перед занятием
• Письменный урок
• Для занятий с проектами – пошаговые руководства по созданию проекта
• Проверки знаний
• Задание на вызов
• Дополнительное чтение
• Домашнее задание
• Викторину после урока

Заметка о викторинах: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Ссылки на них размещены в уроках, но приложение викторин можно запустить локально или развернуть в Azure; следуйте инструкциям в папке quiz-app. Они постепенно локализуются.

🎓 Примеры для начинающих

Новичок в науке о данных? Мы создали специальную директорию с примерами с простым, хорошо комментированным кодом, чтобы помочь вам начать:

• 🌟 Hello World - Ваша первая программа по науке о данных
• 📂 Загрузка данных - Научитесь читать и изучать наборы данных
• 📊 Простой анализ - Вычисление статистики и поиск закономерностей
• 📈 Базовая визуализация - Создание диаграмм и графиков
• 🔬 Реальный проект - Полный рабочий процесс от начала до конца

Каждый пример содержит подробные комментарии, объясняющие каждый шаг, что делает их идеальными для абсолютных новичков!

👉 Начните с примеров 👈

Уроки

Наука о данных для начинающих: дорожная карта - Скетчноут от @nitya

Номер урока	Тема	Группа уроков	Цели обучения	Связанный урок	Автор
01	Определение науки о данных	Введение	Изучите основные понятия науки о данных и её связь с искусственным интеллектом, машинным обучением и большими данными.	урок видео	Дмитрий
02	Этика в науке о данных	Введение	Концепции этики данных, вызовы и рамки.	урок	Нития
03	Определение данных	Введение	Как классифицируются данные и их основные источники.	урок	Жасмин
04	Введение в статистику и вероятность	Введение	Математические методы вероятности и статистики для понимания данных.	урок видео	Дмитрий
05	Работа с реляционными данными	Работа с Данных	Введение в реляционные данные и основы их исследования и анализа с помощью структурированного языка запросов, также известного как SQL (произносится «си-квел»).	урок	Кристофер
06	Работа с NoSQL данными	Работа с Данных	Введение в нереляционные данные, их различные типы и основы исследования и анализа документных баз данных.	урок	Жасмин
07	Работа с Python	Работа с Данных	Основы использования Python для изучения данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python.	урок видео	Дмитрий
08	Подготовка данных	Работа с Данных	Темы, касающиеся техник очистки и трансформации данных для решения проблем отсутствующих, неточных или неполных данных.	урок	Жасмин
09	Визуализация количественных данных	Визуализация данных	Научитесь использовать Matplotlib для визуализации данных о птицах 🦆	урок	Джен
10	Визуализация распределения данных	Визуализация данных	Визуализация наблюдений и трендов в интервале.	урок	Джен
11	Визуализация пропорций	Визуализация данных	Визуализация дискретных и сгруппированных процентов.	урок	Джен
12	Визуализация взаимосвязей	Визуализация данных	Визуализация связей и корреляций между наборами данных и их переменными.	урок	Джен
13	Значимые визуализации	Визуализация данных	Техники и рекомендации для создания ценных визуализаций для эффективного решения задач и получения инсайтов.	урок	Джен
14	Введение в жизненный цикл науки о данных	Жизненный цикл	Введение в жизненный цикл науки о данных и первый шаг — получение и извлечение данных.	урок	Жасмин
15	Анализ	Жизненный цикл	Эта фаза жизненного цикла науки о данных сосредоточена на техниках анализа данных.	урок	Жасмин
16	Коммуникация	Жизненный цикл	Эта фаза жизненного цикла науки о данных сосредоточена на представлении инсайтов из данных таким образом, чтобы упростить понимание для принимающих решения.	урок	Джейлен
17	Наука о данных в облаке	Облачные данные	Эта серия уроков знакомит с наукой о данных в облаке и её преимуществами.	урок	Тиффани и Мод
18	Наука о данных в облаке	Облачные данные	Обучение моделей с использованием Low Code инструментов.	урок	Тиффани и Мод
19	Наука о данных в облаке	Облачные данные	Развертывание моделей с помощью Azure Machine Learning Studio.	урок	Тиффани и Мод
20	Наука о данных в реальной жизни	В реальной жизни	Проекты, основанные на науке о данных в реальном мире.	урок	Нития

GitHub Codespaces

Выполните следующие шаги, чтобы открыть этот пример в Codespace:

1. Нажмите на меню Code и выберите опцию Open with Codespaces.
2. Внизу панели выберите + New codespace. Для дополнительной информации ознакомьтесь с документацией GitHub.

VSCode Remote - Контейнеры

Следуйте этим шагам, чтобы открыть этот репозиторий в контейнере с использованием вашей локальной машины и VSCode с расширением VS Code Remote - Containers:

1. Если вы впервые используете контейнер для разработки, убедитесь, что ваша система соответствует требованиям (например, установлен Docker) в документации для начала работы.

Чтобы использовать этот репозиторий, вы можете либо открыть репозиторий в изолированном Docker томе:

Примечание: В основе будет использована команда Remote-Containers: Clone Repository in Container Volume..., чтобы клонировать исходный код в Docker том вместо локальной файловой системы. Томы — предпочтительный механизм для сохранения данных контейнера.

Или открыть локально клонированную или загруженную версию репозитория:

• Клонируйте этот репозиторий на ваш локальный диск.
• Нажмите F1 и выберите команду Remote-Containers: Open Folder in Container....
• Выберите склонированную копию этой папки, дождитесь запуска контейнера и пробуйте.

Офлайн-доступ

Вы можете запускать эту документацию офлайн с помощью Docsify. Форкните этот репозиторий, установите Docsify на вашу локальную машину, затем в корневой папке этого репозитория введите docsify serve. Веб-сайт будет доступен по адресу порта 3000 на вашем локальном хосте: localhost:3000.

Обратите внимание, блокноты не будут отображаться через Docsify, поэтому для запуска блокнота делайте это отдельно в VS Code с запущенным Python-ядром.

Другие учебные курсы

Наша команда создаёт и другие учебные программы! Ознакомьтесь:

LangChain

---

Azure / Edge / MCP / Агенты

---

Серия по генеративному ИИ

---

Основное обучение

---

Серия Copilot

Получение помощи

Возникли проблемы? Ознакомьтесь с нашим руководством по устранению неполадок для поиска решений распространённых проблем.

Если вы застряли или у вас есть вопросы по созданию приложений с ИИ, присоединяйтесь к другим обучающимся и опытным разработчикам для обсуждений по MCP. Это поддерживающее сообщество, где приветствуются вопросы и свободно делятся знаниями.

Если у вас есть отзывы о продукте или обнаружены ошибки при разработке, посетите:

---

Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия по обеспечению точности, просим учитывать, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать достоверным и официальным источником. Для получения критически важной информации рекомендуется обращаться к профессиональному переводу, выполненному человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.