Data-Science-For-Beginners/translations/ru

Основы Data Science - Учебная программа

Azure Cloud Advocates в Microsoft рады предложить 10-недельную учебную программу, состоящую из 20 уроков, посвященных Data Science. Каждый урок включает предварительные и итоговые тесты, письменные инструкции для выполнения задания, решение и домашнюю работу. Наш проектно-ориентированный подход позволяет учиться через практику, что доказано способствует лучшему усвоению новых навыков.

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

🙏 Особая благодарность 🙏 нашим Microsoft Student Ambassador авторам, рецензентам и участникам контента, включая 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 для начинающих - Скетчнот от @nitya

🌐 Поддержка нескольких языков

Поддерживается через GitHub Action (автоматически и всегда актуально)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Если вы хотите добавить поддержку дополнительных языков, список доступных языков находится здесь

Присоединяйтесь к нашему сообществу

Вы студент?

Начните с следующих ресурсов:

• Страница для студентов На этой странице вы найдете ресурсы для начинающих, студенческие пакеты и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и проверять время от времени, так как мы обновляем контент как минимум раз в месяц.
• Microsoft Learn Student Ambassadors Присоединяйтесь к глобальному сообществу студенческих амбассадоров, это может стать вашим путем в Microsoft.

Начало работы

Учителя: мы включили несколько предложений о том, как использовать эту учебную программу. Нам будет интересно ваше мнение в нашем форуме обсуждений!

Студенты: чтобы использовать эту учебную программу самостоятельно, сделайте форк репозитория и выполняйте задания самостоятельно, начиная с предварительного теста. Затем прочитайте лекцию и выполните остальные задания. Постарайтесь создавать проекты, понимая уроки, а не копируя код решения; однако этот код доступен в папках /solutions в каждом проектно-ориентированном уроке. Еще одна идея — создать учебную группу с друзьями и изучать контент вместе. Для дальнейшего изучения мы рекомендуем Microsoft Learn.

Знакомьтесь с командой

Gif создан Mohit Jaisal

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

Педагогика

При создании этой учебной программы мы выбрали два педагогических принципа: обеспечение проектной направленности и включение частых тестов. К концу этой серии студенты изучат основные принципы Data Science, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные примеры использования Data Science и многое другое.

Кроме того, тест с низкими ставками перед занятием настраивает студента на изучение темы, а второй тест после занятия способствует лучшему запоминанию. Эта учебная программа была разработана как гибкая и увлекательная, и ее можно проходить полностью или частично. Проекты начинаются с простых и становятся все более сложными к концу 10-недельного цикла.

Ознакомьтесь с нашими Правилами поведения, Руководством по участию, Руководством по переводу. Мы будем рады вашему конструктивному отзыву!

Каждый урок включает:

• Опциональный скетчноут
• Опциональное дополнительное видео
• Разминочный тест перед уроком
• Письменный урок
• Для проектных уроков — пошаговые инструкции по созданию проекта
• Проверка знаний
• Задание на вызов
• Дополнительное чтение
• Домашнее задание
• Тест после урока

Примечание о тестах: Все тесты находятся в папке Quiz-App, всего 40 тестов по три вопроса каждый. Они связаны с уроками, но приложение для тестов можно запустить локально или развернуть в Azure; следуйте инструкциям в папке quiz-app. Постепенно они переводятся на другие языки.

Уроки

Data Science For Beginners: Roadmap - Скетчноут от @nitya

Номер урока	Тема	Группировка уроков	Цели обучения	Связанный урок	Автор
01	Определение Data Science	Введение	Изучите основные концепции Data Science и его связь с искусственным интеллектом, машинным обучением и большими данными.	урок видео	Дмитрий
02	Этика Data Science	Введение	Концепции, вызовы и рамки этики данных.	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 анализа данных.	урок видео	Дмитрий
05	Работа с реляционными данными	Работа с данными	Введение в реляционные данные и основы их исследования и анализа с использованием языка SQL (произносится как "си-квел").	урок	Кристофер
06	Работа с NoSQL данными	Работа с данными	Введение в нереляционные данные, их различные типы и основы исследования и анализа документных баз данных.	урок	Жасмин
07	Работа с Python	Работа с данными	Основы использования Python для исследования данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python.	урок видео	Дмитрий
08	Подготовка данных	Работа с данными	Темы о методах очистки и преобразования данных для решения проблем, связанных с отсутствующими, неточными или неполными данными.	урок	Жасмин
09	Визуализация количеств	Визуализация данных	Узнайте, как использовать Matplotlib для визуализации данных о птицах 🦆	урок	Джен
10	Визуализация распределений данных	Визуализация данных	Визуализация наблюдений и тенденций 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	Методы и рекомендации по созданию визуализаций, которые помогают эффективно решать задачи и получать инсайты.	урок	Джен
14	Введение в жизненный цикл Data Science	Жизненный цикл	Введение в жизненный цикл Data Science и его первый этап — сбор и извлечение данных.	урок	Жасмин
15	Анализ	Жизненный цикл	Этот этап жизненного цикла Data Science посвящен методам анализа данных.	урок	Жасмин
16	Коммуникация	Жизненный цикл	Этот этап жизненного цикла Data Science посвящен представлению инсайтов из данных таким образом, чтобы облегчить их понимание для лиц, принимающих решения.	урок	Джейлен
17	Data Science в облаке	Облачные данные	Серия уроков, посвященная Data Science в облаке и его преимуществам.	урок	Тиффани и Мод
18	Data Science в облаке	Облачные данные	Обучение моделей с использованием инструментов Low Code.	урок	Тиффани и Мод
19	Data Science в облаке	Облачные данные	Развертывание моделей с помощью Azure Machine Learning Studio.	урок	Тиффани и Мод
20	Data Science в реальном мире	В реальном мире	Проекты, основанные на Data Science, в реальном мире.	урок	Нития

GitHub Codespaces

Следуйте этим шагам, чтобы открыть этот пример в Codespace:

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

VSCode Remote - Containers

Следуйте этим шагам, чтобы открыть этот репозиторий в контейнере, используя ваш локальный компьютер 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), указанным в документации по началу работы.

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

Примечание: Внутри будет использоваться команда Remote-Containers: Clone Repository in Container Volume... для клонирования исходного кода в Docker-том вместо локальной файловой системы. Томы являются предпочтительным механизмом для сохранения данных контейнера.

Или открыть локально клонированную или загруженную версию репозитория:

• Клонируйте этот репозиторий на вашу локальную файловую систему.
• Нажмите F1 и выберите команду Remote-Containers: Open Folder in Container....
• Выберите клонированную копию этой папки, дождитесь запуска контейнера и попробуйте.

Оффлайн-доступ

Вы можете запустить эту документацию оффлайн, используя Docsify. Форкните этот репозиторий, установите Docsify на вашем локальном компьютере, затем в корневой папке этого репозитория введите docsify serve. Веб-сайт будет доступен на порту 3000 вашего локального хоста: localhost:3000.

Примечание: блокноты не будут отображаться через Docsify, поэтому, если вам нужно запустить блокнот, сделайте это отдельно в VS Code с использованием Python-ядра.

Другие учебные материалы

Наша команда создает другие учебные материалы! Ознакомьтесь:

• Generative AI для начинающих
• Generative AI для начинающих .NET
• Generative AI с JavaScript
• Generative AI с Java
• AI для начинающих
• Data Science для начинающих
• Bash для начинающих
• ML для начинающих
• Кибербезопасность для начинающих
• Веб-разработка для начинающих
• IoT для начинающих
• Машинное обучение для начинающих
• XR-разработка для начинающих
• Мастерство GitHub Copilot для парного программирования с AI
• XR-разработка для начинающих
• Мастерство GitHub Copilot для разработчиков C#/.NET
• Выбери свое приключение с Copilot

---

Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.