Data-Science-For-Beginners/translations/th

วิทยาการข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

Azure Cloud Advocates ที่ Microsoft มีความยินดีนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนเกี่ยวกับวิทยาการข้อมูล แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อให้งานสำเร็จ ลักษณะงานที่ทำเสร็จ และการบ้าน วิธีการเรียนรู้แบบโครงการของเราช่วยให้คุณเรียนรู้ขณะสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสามารถช่วยให้ทักษะใหม่ 'ติดตัว' ได้

ขอขอบคุณเป็นพิเศษแก่ผู้เขียนของเรา: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 ขอขอบคุณเป็นพิเศษ 🙏 แก่ผู้เขียน ผู้ตรวจทาน และผู้มีส่วนร่วมเนื้อหาของเราในฐานะ Microsoft Student Ambassador, โดยเฉพาะอย่างยิ่ง 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

วิทยาการข้อมูลสำหรับผู้เริ่มต้น - สเก็ตช์โน้ตโดย @nitya

🌐 รองรับหลายภาษา

รองรับโดย GitHub Action (ทำงานอัตโนมัติ & อัปเดตตลอดเวลา)

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

ต้องการโคลนในเครื่อง?

ที่เก็บนี้มีการแปลกว่า 50 ภาษา ซึ่งเพิ่มขนาดการดาวน์โหลดอย่างมาก ในการโคลนโดยไม่รวมการแปล ให้ใช้ 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'

ซึ่งจะให้ทุกอย่างที่คุณต้องการสำหรับการเรียนหลักสูตรด้วยการดาวน์โหลดที่เร็วกว่า

หากคุณต้องการให้รองรับภาษาเพิ่มเติม รายชื่อภาษาที่รองรับอยู่ ที่นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์เรียนรู้กับ AI บน Discord ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคการใช้ GitHub Copilot สำหรับวิทยาการข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยทรัพยากรต่อไปนี้:

• หน้าศูนย์นักเรียน ในหน้านี้คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดนักเรียน และแม้แต่ช่องทางในการรับบัตรรับรองฟรี นี่คือหน้าที่คุณควรบันทึกไว้และเช็คบ่อยๆ เพราะเราจะเปลี่ยนเนื้อหาอย่างน้อยเดือนละครั้ง
• Microsoft Learn Student Ambassadors เข้าร่วมชุมชนทั่วโลกของนักเรียนทูต นี่อาจเป็นเส้นทางของคุณสู่ Microsoft

การเริ่มต้นใช้งาน

📚 เอกสาร

• คู่มือการติดตั้ง - คำแนะนำติดตั้งทีละขั้นตอนสำหรับผู้เริ่มต้น
• คู่มือการใช้งาน - ตัวอย่างและขั้นตอนปฏิบัติทั่วไป
• การแก้ไขปัญหา - วิธีแก้ไขปัญหาทั่วไป
• คู่มือการมีส่วนร่วม - วิธีมีส่วนร่วมในโปรเจกต์นี้
• สำหรับครู - แนวทางการสอนและทรัพยากรในห้องเรียน

👨‍🎓 สำหรับนักเรียน

ผู้เริ่มต้นอย่างสมบูรณ์: ใหม่กับวิทยาการข้อมูลหรือไม่? เริ่มต้นด้วย ตัวอย่างสำหรับผู้เริ่มต้น ของเรา! ตัวอย่างง่าย ๆ ที่มีคำอธิบายชัดเจนเหล่านี้จะช่วยให้คุณเข้าใจพื้นฐานก่อนเข้าสู่หลักสูตรเต็ม นักเรียน: เพื่อใช้หลักสูตรนี้ด้วยตัวเอง ให้โฟกัสเต็ม repo แล้วทำแบบฝึกหัดด้วยตัวเอง เริ่มต้นด้วยแบบทดสอบก่อนบรรยาย จากนั้นอ่านบรรยายและทำกิจกรรมที่เหลือ พยายามสร้างโปรเจกต์โดยเข้าใจเนื้อหาแทนการคัดลอกโค้ดคำตอบ; อย่างไรก็ตาม โค้ดนั้นมีในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่มุ่งเน้นโปรเจกต์ อีกแนวคิดหนึ่งคือการตั้งกลุ่มเรียนกับเพื่อนและเรียนรู้ไปพร้อมกัน สำหรับการศึกษาต่อ เราขอแนะนำ Microsoft Learn.

เริ่มต้นอย่างรวดเร็ว:

1. ตรวจสอบ คู่มือการติดตั้ง เพื่อตั้งค่าสภาพแวดล้อมของคุณ
2. ทบทวน คู่มือการใช้งาน เพื่อเรียนรู้วิธีทำงานกับหลักสูตร
3. เริ่มด้วยบทเรียนที่ 1 แล้วทำตามลำดับ
4. เข้าร่วม ชุมชน Discord ของเรา เพื่อรับการสนับสนุน

👩‍🏫 สำหรับครู

ครูผู้สอน: เราได้ รวมข้อเสนอแนะบางส่วน ในการใช้หลักสูตรนี้ไว้ เรายินดีรับความคิดเห็นของคุณ ในฟอรัมพูดคุยของเรา!

พบกับทีมงาน

ภาพเคลื่อนไหวโดย Mohit Jaisal

🎥 คลิกที่ภาพด้านบนเพื่อชมวิดีโอเกี่ยวกับโครงการและทีมที่สร้างมันขึ้นมา!

การสอน

เราได้เลือกสองหลักการทางการศึกษาขณะสร้างหลักสูตรนี้ ได้แก่ การทำให้เป็นแบบโครงการและการมีแบบทดสอบบ่อย ๆ เมื่อจบชุดนี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดทางจริยธรรม การเตรียมข้อมูล วิธีการต่าง ๆ ในการทำงานกับข้อมูล การแสดงภาพข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่น ๆ อีกมากมาย

นอกจากนี้ แบบทดสอบที่ความเสี่ยงต่ำก่อนเข้าคลาสจะช่วยตั้งใจให้นักเรียนมุ่งเรียนรู้หัวข้อที่กำหนด ในขณะที่แบบทดสอบที่สองหลังคลาสช่วยยืนยันการจดจำอย่างต่อเนื่อง หลักสูตรนี้ถูกออกแบบให้ยืดหยุ่นและสนุกสนาน สามารถเรียนครบทั้งหมดหรือเป็นบางส่วน โครงการต่าง ๆ เริ่มจากขนาดเล็กและมีความซับซ้อนเพิ่มขึ้นจนถึงสิ้นสุดรอบ 10 สัปดาห์

ค้นหา ระเบียบวินัย, การมีส่วนร่วม, แนวทางการแปล ของเรา ยินดีรับคำแนะนำแสดงความคิดเห็นอย่างสร้างสรรค์ของคุณ!

ทุกบทเรียนประกอบด้วย:

• สเก็ตช์โน้ต (ไม่บังคับ)
• วิดีโอเสริม (ไม่บังคับ)
• แบบทดสอบอบอุ่นก่อนบทเรียน
• บทเรียนแบบเขียน
• สำหรับบทเรียนแบบโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ
• การตรวจสอบความรู้
• ความท้าทาย
• การอ่านเสริม
• การบ้าน
• แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App รวมทั้งหมด 40 แบบทดสอบ แต่ละแบบมีสามคำถาม ลิงก์จากบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือเผยแพร่ใน Azure; อ่านคำแนะนำในโฟลเดอร์ quiz-app อยู่ในระหว่างการแปลทีละน้อย

🎓 ตัวอย่างเหมาะสำหรับผู้เริ่มต้น

ใหม่กับวิทยาศาสตร์ข้อมูล? เราได้สร้าง โฟลเดอร์ตัวอย่าง พิเศษที่มีโค้ดง่าย ๆ และมีคอมเมนต์ละเอียดเพื่อช่วยให้เริ่มต้นได้ง่าย:

• 🌟 สวัสดีโลก - โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ
• 📂 โหลดข้อมูล - เรียนรู้การอ่านและสำรวจชุดข้อมูล
• 📊 การวิเคราะห์ง่าย ๆ - คำนวณสถิติและค้นหารูปแบบ
• 📈 การแสดงภาพพื้นฐาน - สร้างแผนภูมิและกราฟ
• 🔬 โครงการโลกจริง - กระบวนการครบตั้งแต่ต้นจนจบ

แต่ละตัวอย่างมีคำอธิบายละเอียดทุกขั้นตอน เหมาะสำหรับผู้เริ่มต้นอย่างยิ่ง!

👉 เริ่มต้นด้วยตัวอย่าง 👈

บทเรียน

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่เส้นทาง - สเก็ตช์โน้ตโดย @nitya

หมายเลขบทเรียน	หัวข้อ	การจัดกลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	บทเรียนที่ลิงก์	ผู้แต่ง
01	การกำหนดวิทยาศาสตร์ข้อมูล	บทนำ	เรียนรู้แนวคิดพื้นฐานเบื้องหลังวิทยาศาสตร์ข้อมูลและวิธีที่เกี่ยวข้องกับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และบิ๊กดาต้า	บทเรียน วิดีโอ	Dmitry
02	จริยธรรมวิทยาศาสตร์ข้อมูล	บทนำ	แนวคิด จริยธรรม ข้อท้าทาย และกรอบการทำงาน	บทเรียน	Nitya
03	การกำหนดข้อมูล	บทนำ	วิธีการจัดประเภทข้อมูลและแหล่งข้อมูลทั่วไป	บทเรียน	Jasmine
04	บทนำสถิติและความน่าจะเป็น	บทนำ	เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติเพื่อทำความเข้าใจข้อมูล	บทเรียน วิดีโอ	Dmitry
05	การทำงานกับข้อมูลเชิงสัมพันธ์	การทำงานกับข้อมูล	บทนำข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วยภาษา Structured Query Language หรือ SQL (อ่านว่า "ซีเควล")	บทเรียน	Christopher
06	การทำงานกับข้อมูล NoSQL	การทำงานกับข้อมูล	บทนำข้อมูลที่ไม่ใช่เชิงสัมพันธ์ ประเภทต่าง ๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร	บทเรียน	Jasmine
07	การทำงานกับ Python	การทำงานกับข้อมูล	พื้นฐานการใช้ Python เพื่อสำรวจข้อมูลด้วยไลบรารีเช่น Pandas แนะนำว่าควรมีความเข้าใจพื้นฐานการเขียนโปรแกรม Python	บทเรียน วิดีโอ	Dmitry
08	การเตรียมข้อมูล	การทำงานกับข้อมูล	หัวข้อเกี่ยวกับเทคนิคการทำความสะอาดและแปลงข้อมูลเพื่อจัดการปัญหาข้อมูลขาดหาย ไม่ถูกต้อง หรือไม่สมบูรณ์	บทเรียน	Jasmine
09	การแสดงภาพปริมาณ	การแสดงภาพข้อมูล	เรียนรู้การใช้ Matplotlib ในการแสดงข้อมูลนก 🦆	บทเรียน	Jen
10	การแสดงภาพการแจกแจงของข้อมูล	การแสดงภาพข้อมูล	การแสดงภาพการสังเกตและแนวโน้มภายในช่วงค่า	บทเรียน	Jen
11	การแสดงภาพสัดส่วน	การแสดงภาพข้อมูล	การแสดงภาพเปอร์เซ็นต์แบบกลุ่มและแบบแยก	บทเรียน	Jen
12	การแสดงภาพความสัมพันธ์	การแสดงภาพข้อมูล	การแสดงภาพการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลกับตัวแปร	บทเรียน	Jen
13	การแสดงภาพที่มีความหมาย	การแสดงภาพข้อมูล	เทคนิคและคำแนะนำในการทำให้การแสดงภาพมีคุณค่าสำหรับการแก้ปัญหาและการให้ข้อมูลเชิงลึกอย่างมีประสิทธิภาพ	บทเรียน	Jen
14	บทนำวงจรชีวิตของวิทยาศาสตร์ข้อมูล	วงจรชีวิต	บทนำวงจรชีวิตของวิทยาศาสตร์ข้อมูลและขั้นตอนแรกของการได้มาซึ่งและสกัดข้อมูล	บทเรียน	Jasmine
15	การวิเคราะห์	วงจรชีวิต	ขั้นตอนของวงจรชีวิตวิทยาศาสตร์ข้อมูลที่เน้นเทคนิคการวิเคราะห์ข้อมูล	บทเรียน	Jasmine
16	การสื่อสาร	วงจรชีวิต	ขั้นตอนของวงจรชีวิตวิทยาศาสตร์ข้อมูลที่เน้นการนำเสนอข้อมูลเชิงลึกเพื่อให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น	บทเรียน	Jalen
17	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	ชุดบทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลบนคลาวด์และประโยชน์ของมัน	บทเรียน	Tiffany และ Maud
18	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	การฝึกอบรมโมเดลโดยใช้เครื่องมือ Low Code	บทเรียน	Tiffany และ Maud
19	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	การนำโมเดลไปใช้กับ Azure Machine Learning Studio	บทเรียน	Tiffany และ Maud
20	วิทยาศาสตร์ข้อมูลในโลกจริง	ในโลกจริง	โครงการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกความเป็นจริง	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเพื่อเปิดตัวอย่างนี้ใน Codespace:

1. คลิกเมนูดรอปดาวน์ Code แล้วเลือกตัวเลือก Open with Codespaces
2. เลือก + New codespace ที่ด้านล่างของแผง สำหรับข้อมูลเพิ่มเติม ดู เอกสาร GitHub

VSCode Remote - Containers

ทำตามขั้นตอนเพื่อเปิด repository นี้ใน container โดยใช้เครื่องของคุณและ VSCode ด้วยส่วนขยาย VS Code Remote - Containers:

1. หากเป็นครั้งแรกที่คุณใช้ development container โปรดตรวจสอบว่าระบบของคุณตรงตามข้อกำหนดเบื้องต้น (เช่น ติดตั้ง Docker) ใน เอกสารเริ่มต้นใช้งาน

เพื่อใช้ repository นี้ คุณสามารถเปิด repository ใน Docker volume แยกต่างหาก:

หมายเหตุ: ภายใต้กระโปรง หลักการนี้จะใช้คำสั่ง Remote-Containers: Clone Repository in Container Volume... เพื่อโคลนซอร์สโค้ดใน Docker volume แทนระบบไฟล์ท้องถิ่น Volumes เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูล container

หรือเปิดโฟลเดอร์ repository ที่โคลนหรือดาวน์โหลดไว้ในเครื่อง:

• โคลน repository นี้ไปยังระบบไฟล์ท้องถิ่น
• กด F1 แล้วเลือกคำสั่ง Remote-Containers: Open Folder in Container...
• เลือกโฟลเดอร์ที่โคลน รอให้ container เริ่มทำงาน แล้วทดลองใช้งาน

การเข้าถึงแบบออฟไลน์

คุณสามารถดูเอกสารนี้แบบออฟไลน์ได้โดยใช้ Docsify สร้าง fork ของ repo นี้ ติดตั้ง Docsify บนเครื่องของคุณ จากนั้นในโฟลเดอร์ root ของ repo นี้ พิมพ์คำสั่ง docsify serve เว็บไซต์จะให้บริการที่พอร์ต 3000 บน localhost ของคุณ: localhost:3000

หมายเหตุ: โน้ตบุ๊กจะไม่ถูกเรนเดอร์ผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้รันแยกต่างหากใน VS Code ที่ใช้เคอร์เนล Python

หลักสูตรอื่น ๆ

ทีมงานของเราผลิตหลักสูตรอื่น ๆ ด้วย! ลองดูที่:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Core Learning

---

Copilot Series

การขอความช่วยเหลือ

เจอปัญหาใช่ไหม? ตรวจสอบ คู่มือแก้ไขปัญหา ของเราเพื่อหาวิธีแก้ไขปัญหาที่พบบ่อย

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในการสนทนาเกี่ยวกับ MCP นี่คือชุมชนที่สนับสนุนซึ่งคำถามได้รับการต้อนรับและความรู้ถูกแบ่งปันอย่างอิสระ

ถ้าคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือตรวจพบข้อผิดพลาดขณะสร้างแอป กรุณาเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้ว่าเราจะพยายามให้ความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อนได้ เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญด้านภาษามนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดขึ้นจากการใช้การแปลนี้