18 KiB

Raw Permalink Blame History

Podatkovna znanost za začetnike - Kurikulum

Azure Cloud Advocates pri Microsoftu z veseljem ponujajo 10-tedenski, 20-lekcijski kurikulum o podatkovni znanosti. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev in nalogo. Naš projektno usmerjen pristop omogoča učenje skozi ustvarjanje, kar je dokazano učinkovit način za trajno pridobivanje novih veščin.

Iskrena zahvala našim avtorjem: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador avtorjem, recenzentom in prispevalcem vsebine, med njimi 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


Podatkovna znanost za začetnike - Sketchnote by @nitya

🌐 Večjezična podpora

Podprto prek GitHub Action (Avtomatizirano in vedno posodobljeno)

Če želite dodati dodatne prevode, so podprti jeziki navedeni tukaj

Pridružite se naši skupnosti

Ste študent?

Začnite z naslednjimi viri:

Stran Student Hub Na tej strani boste našli začetniške vire, študentske pakete in celo načine za pridobitev brezplačnega certifikata. To je stran, ki jo želite shraniti med zaznamke in občasno preveriti, saj vsebino menjamo vsaj enkrat mesečno.
Microsoft Learn Student Ambassadors Pridružite se globalni skupnosti študentskih ambasadorjev, to bi lahko bil vaš vstop v Microsoft.

Začetek

Učitelji: vključili smo nekaj predlogov o tem, kako uporabiti ta kurikulum. Veseli bomo vaših povratnih informacij v našem forumu za razprave!

Študenti: za samostojno uporabo tega kurikuluma, razvejajte celoten repozitorij in samostojno dokončajte vaje, začenši s kvizom pred predavanjem. Nato preberite predavanje in dokončajte preostale aktivnosti. Poskusite ustvariti projekte z razumevanjem lekcij, namesto da kopirate kodo rešitve; vendar je ta koda na voljo v mapah /solutions v vsaki projektno usmerjeni lekciji. Druga ideja bi bila, da oblikujete študijsko skupino s prijatelji in skupaj preučite vsebino. Za nadaljnje študije priporočamo Microsoft Learn.

Spoznajte ekipo

Gif avtorja Mohit Jaisal

🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!

Pedagogika

Pri oblikovanju tega kurikuluma smo se odločili za dva pedagoška načela: zagotoviti, da je projektno usmerjen in da vključuje pogoste kvize. Do konca te serije bodo študenti osvojili osnovna načela podatkovne znanosti, vključno z etičnimi koncepti, pripravo podatkov, različnimi načini dela s podatki, vizualizacijo podatkov, analizo podatkov, resničnimi primeri uporabe podatkovne znanosti in še več.

Poleg tega kviz z nizkim tveganjem pred predavanjem usmeri pozornost študenta na učenje določene teme, medtem ko drugi kviz po predavanju zagotavlja dodatno zadrževanje znanja. Ta kurikulum je bil zasnovan tako, da je prilagodljiv in zabaven ter ga je mogoče jemati v celoti ali delno. Projekti se začnejo majhni in postajajo vse bolj kompleksni do konca 10-tedenskega cikla.

Poiščite naš Kodeks ravnanja, Prispevanje, Smernice za prevajanje. Veseli bomo vaših konstruktivnih povratnih informacij!

Vsaka lekcija vključuje:

Izbirna skica
Izbirni dodatni video
Uvodni kviz pred lekcijo
Pisna lekcija
Pri projektno usmerjenih lekcijah, korak za korakom vodiči za izdelavo projekta
Preverjanje znanja
Izziv
Dodatno branje
Naloga
Kviz po lekciji

Opomba o kvizih: Vsi kvizi so shranjeni v mapi Quiz-App, skupaj 40 kvizov, vsak s tremi vprašanji. Povezave do kvizov so vključene v lekcije, aplikacijo za kvize pa lahko zaženete lokalno ali jo namestite na Azure; sledite navodilom v mapi quiz-app. Postopoma se prevajajo v različne jezike.

Lekcije


Podatkovna znanost za začetnike: Načrt - Skica avtorja @nitya

Številka lekcije	Tema	Skupina lekcij	Učni cilji	Povezana lekcija	Avtor
01	Definicija podatkovne znanosti	Uvod	Spoznajte osnovne koncepte podatkovne znanosti in njeno povezavo z umetno inteligenco, strojim učenjem in velikimi podatki.	lekcija video	Dmitry
02	Etika podatkovne znanosti	Uvod	Koncepti etike podatkov, izzivi in okviri.	lekcija	Nitya
03	Definicija podatkov	Uvod	Kako so podatki razvrščeni in njihovi pogosti viri.	lekcija	Jasmine
04	Uvod v statistiko in verjetnost	Uvod	Matematične tehnike verjetnosti in statistike za razumevanje podatkov.	lekcija video	Dmitry
05	Delo z relacijskimi podatki	Delo s podatki	Uvod v relacijske podatke in osnove raziskovanja ter analize relacijskih podatkov z jezikom SQL (izgovorjava "si-kvel").	lekcija	Christopher
06	Delo z NoSQL podatki	Delo s podatki	Uvod v nerelacijske podatke, njihove različne vrste in osnove raziskovanja ter analize dokumentnih baz.	lekcija	Jasmine
07	Delo s Pythonom	Delo s podatki	Osnove uporabe Pythona za raziskovanje podatkov z uporabo knjižnic, kot je Pandas. Priporočljivo je osnovno razumevanje programiranja v Pythonu.	lekcija video	Dmitry
08	Priprava podatkov	Delo s podatki	Teme o tehnikah čiščenja in preoblikovanja podatkov za reševanje izzivov, kot so manjkajoči, netočni ali nepopolni podatki.	lekcija	Jasmine
09	Vizualizacija količin	Vizualizacija podatkov	Naučite se uporabljati Matplotlib za vizualizacijo podatkov o pticah 🦆	lekcija	Jen
10	Vizualizacija porazdelitev podatkov	Vizualizacija podatkov	Vizualizacija opažanj in trendov znotraj intervala.	lekcija	Jen
11	Vizualizacija deležev	Vizualizacija podatkov	Vizualizacija diskretnih in združenih odstotkov.	lekcija	Jen
12	Vizualizacija odnosov	Vizualizacija podatkov	Vizualizacija povezav in korelacij med nabori podatkov in njihovimi spremenljivkami.	lekcija	Jen
13	Smiselne vizualizacije	Vizualizacija podatkov	Tehnike in smernice za ustvarjanje vizualizacij, ki so koristne za učinkovito reševanje problemov in pridobivanje vpogledov.	lekcija	Jen
14	Uvod v življenjski cikel podatkovne znanosti	Življenjski cikel	Uvod v življenjski cikel podatkovne znanosti in njegov prvi korak - pridobivanje in ekstrakcija podatkov.	lekcija	Jasmine
15	Analiza	Življenjski cikel	Ta faza življenjskega cikla podatkovne znanosti se osredotoča na tehnike analize podatkov.	lekcija	Jasmine
16	Komunikacija	Življenjski cikel	Ta faza življenjskega cikla podatkovne znanosti se osredotoča na predstavitev vpogledov iz podatkov na način, ki je razumljiv odločevalcem.	lekcija	Jalen
17	Podatkovna znanost v oblaku	Podatki v oblaku	Ta serija lekcij uvaja podatkovno znanost v oblaku in njene prednosti.	lekcija	Tiffany in Maud
18	Podatkovna znanost v oblaku	Podatki v oblaku	Učenje modelov z uporabo orodij za nizko kodiranje.	lekcija	Tiffany in Maud
19	Podatkovna znanost v oblaku	Podatki v oblaku	Nameščanje modelov z Azure Machine Learning Studio.	lekcija	Tiffany in Maud
20	Podatkovna znanost v praksi	V praksi	Projekti, ki temeljijo na podatkovni znanosti, v resničnem svetu.	lekcija	Nitya

GitHub Codespaces

Sledite tem korakom za odpiranje tega vzorca v Codespace:

Kliknite spustni meni Code in izberite možnost Open with Codespaces.
Na dnu podokna izberite + New codespace. Za več informacij si oglejte dokumentacijo GitHub.

VSCode Remote - Containers

Sledite tem korakom za odpiranje tega repozitorija v vsebniku z uporabo vašega lokalnega računalnika in VSCode z razširitvijo VS Code Remote - Containers:

Če prvič uporabljate razvojni vsebnik, se prepričajte, da vaš sistem izpolnjuje predpogoje (npr. nameščen Docker) v dokumentaciji za začetek.

Za uporabo tega repozitorija ga lahko odprete v izoliranem Dockerjevem volumnu:

Opomba: V ozadju bo uporabljen ukaz Remote-Containers: Clone Repository in Container Volume..., da se izvorna koda klonira v Dockerjev volumen namesto v lokalni datotečni sistem. Volumni so priporočljiv mehanizem za shranjevanje podatkov vsebnika.

Ali pa odprite lokalno klonirano ali preneseno različico repozitorija:

Klonirajte ta repozitorij na vaš lokalni datotečni sistem.
Pritisnite F1 in izberite ukaz Remote-Containers: Open Folder in Container....
Izberite klonirano kopijo te mape, počakajte, da se vsebnik zažene, in preizkusite stvari.

Dostop brez povezave

To dokumentacijo lahko zaženete brez povezave z uporabo Docsify. Forkajte ta repozitorij, namestite Docsify na vaš lokalni računalnik, nato v korenski mapi tega repozitorija vnesite docsify serve. Spletna stran bo na voljo na vratih 3000 na vašem localhostu: localhost:3000.

Opomba, zvezki ne bodo prikazani prek Docsify, zato jih po potrebi zaženite ločeno v VS Code z uporabo Pythonovega jedra.

Drugi učni načrti

Naša ekipa pripravlja tudi druge učne načrte! Oglejte si:

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za prevajanje z umetno inteligenco Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem maternem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo profesionalni človeški prevod. Ne prevzemamo odgovornosti za morebitna napačna razumevanja ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda.

18 KiB Raw Permalink Blame History