Data-Science-For-Beginners/translations/th

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

ทีมสนับสนุน Azure Cloud Advocates ที่ Microsoft ยินดีนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนทั้งหมดเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนจะมีแบบทดสอบก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรสำหรับการทำบทเรียนให้เสร็จสมบูรณ์ โซลูชัน และแบบฝึกหัด วิธีการเรียนรู้แบบโครงการของเราช่วยให้คุณเรียนรู้ไปพร้อมกับการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าส่งผลให้ทักษะใหม่ 'ฝังแน่น'

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

🙏 ขอบคุณเป็นพิเศษ 🙏 แก่ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจทาน และผู้ที่มีส่วนร่วมในเนื้อหา 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

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - สเก็ตช์โน้ตโดย @nitya

🌐 การสนับสนุนหลายภาษา

สนับสนุนผ่าน GitHub Action (อัตโนมัติ & อัปเดตเสมอ)

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

ต้องการโคลนแบบติดตั้งในเครื่องไหม?

ที่เก็บนี้มีการแปลภาษาเกิน 50 ภาษา ซึ่งจะเพิ่มขนาดการดาวน์โหลดอย่างมาก ถ้าต้องการโคลนโดยไม่รวมการแปล ให้ใช้ sparse checkout:

Bash / macOS / Linux:

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'

CMD (Windows):

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"

นี้จะมอบทุกอย่างที่คุณต้องการเพื่อทำหลักสูตรให้เสร็จได้อย่างรวดเร็วขึ้นมาก

หากคุณต้องการให้สนับสนุนภาษาการแปลเพิ่มเติม รายการภาษาที่สนับสนุนอยู่ ที่นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์ Discord เรียนรู้กับ AI ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคในการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยทรัพยากรดังต่อไปนี้:

• หน้าศูนย์นักเรียน ในหน้านี้คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดนักเรียน และแม้แต่ช่องทางในการรับบัตรรับรองฟรี นี่คือหน้าที่คุณควรบันทึกไว้และตรวจสอบเป็นระยะๆ เนื่องจากเราจะสลับเปลี่ยนเนื้อหาอย่างน้อยเดือนละครั้ง
• Microsoft Learn Student Ambassadors เข้าร่วมชุมชนนักเรียนทั่วโลก นี่อาจเป็นช่องทางของคุณเข้าสู่ Microsoft

เริ่มต้นใช้งาน

📚 เอกสาร

• คู่มือการติดตั้ง - คำแนะนำทีละขั้นตอนสำหรับผู้เริ่มต้น
• คู่มือการใช้งาน - ตัวอย่างและกระบวนการทำงานทั่วไป
• การแก้ไขปัญหา - วิธีแก้ไขปัญหาที่พบบ่อย
• คู่มือการมีส่วนร่วม - วิธีการมีส่วนร่วมในโครงการนี้
• สำหรับครูผู้สอน - แนวทางการสอนและทรัพยากรในชั้นเรียน

👨‍🎓 สำหรับนักเรียน

ผู้เริ่มต้นอย่างสมบูรณ์: ใหม่กับวิทยาศาสตร์ข้อมูลหรือไม่? เริ่มต้นด้วย ตัวอย่างที่เหมาะสำหรับผู้เริ่มต้น! ตัวอย่างง่าย ๆ ที่มีคำอธิบายดีจะช่วยให้คุณเข้าใจพื้นฐานก่อนเจาะลึกหลักสูตรทั้งหมด นักเรียน: เพื่อใช้หลักสูตรนี้ด้วยตัวเอง ให้ fork รีโปทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง เริ่มจากแบบทดสอบก่อนบรรยาย จากนั้นอ่านบรรยายและทำกิจกรรมที่เหลือให้ครบ พยายามสร้างโครงการโดยเข้าใจบทเรียนแทนการก็อปปี้โค้ดโซลูชัน อย่างไรก็ตาม โค้ดเหล่านั้นพร้อมใช้งานในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโครงการ อีกวิธีหนึ่งคือสร้างกลุ่มศึกษาเรียนรู้กับเพื่อนและเรียนรู้เนื้อหาร่วมกัน สำหรับการศึกษาต่อ เราแนะนำ Microsoft Learn

เริ่มต้นอย่างรวดเร็ว:

1. ตรวจสอบ คู่มือการติดตั้ง เพื่อตั้งค่าสภาพแวดล้อมของคุณ
2. ทบทวน คู่มือการใช้งาน เพื่อเรียนรู้วิธีทำงานกับหลักสูตร
3. เริ่มที่บทเรียนที่ 1 และทำตามลำดับ
4. เข้าร่วม ชุมชน Discord ของเรา เพื่อขอความช่วยเหลือ

👩‍🏫 สำหรับครูผู้สอน

ครูผู้สอน: เราได้ รวมคำแนะนำบางส่วน เกี่ยวกับวิธีการใช้หลักสูตรนี้ไว้แล้ว เรายินดีรับฟังข้อเสนอแนะของคุณ ในฟอรัมสนทนาของเรา!

ทำความรู้จักทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกที่ภาพด้านบนเพื่อชมวิดีโอเกี่ยวกับโครงการและทีมที่สร้างสรรค์มัน!

หลักการสอน

เราได้เลือกระเบียบวิธีการสอนสองข้อในการสร้างหลักสูตรนี้: รับรองว่ามันเป็นโครงการที่เน้นการปฏิบัติจริงและรวมถึงแบบทดสอบบ่อยครั้ง เมื่อจบซีรีส์นี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการต่าง ๆ ในการทำงานกับข้อมูล การสร้างภาพข้อมูล การวิเคราะห์ข้อมูล กรณีศึกษาในโลกจริงของวิทยาศาสตร์ข้อมูล และอื่น ๆ

นอกจากนี้ แบบทดสอบที่ไม่เคร่งครัดก่อนเข้าเรียน ตั้งเจตนารมณ์ให้นักเรียนมีความตั้งใจเรียนหัวข้อนั้น ขณะที่แบบทดสอบที่สองหลังเรียนช่วยให้จดจำเนื้อหาได้ดียิ่งขึ้น หลักสูตรนี้ถูกออกแบบให้ยืดหยุ่นและสนุกสนาน สามารถเรียนทั้งหมดหรือบางส่วนได้ โครงการเริ่มต้นด้วยขนาดเล็กและซับซ้อนขึ้นเรื่อย ๆ จนจบในรอบ 10 สัปดาห์

ค้นหา จรรยาบรรณ, การมีส่วนร่วม, และ แนวทางการแปล ของเรา เรายินดีรับฟังข้อเสนอแนะในเชิงสร้างสรรค์จากคุณ!

แต่ละบทเรียนประกอบด้วย:

• สเก็ตช์โน้ตเลือกทำ
• วิดีโอเพิ่มเติมเลือกชม
• แบบทดสอบอบอุ่นก่อนบทเรียน
• บทเรียนที่เขียนไว้
• สำหรับบทเรียนที่เป็นโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ
• ตรวจสอบความรู้
• ความท้าทาย
• การอ่านเสริม
• การบ้าน
• แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดเก็บไว้ในโฟลเดอร์ Quiz-App รวมทั้งหมด 40 แบบทดสอบ มีคำถามละ 3 ข้อ ลิงก์เชื่อมโยงภายในบทเรียน แต่แอปแบบทดสอบนี้สามารถรันแบบโลคอลหรือดีพลอยใน Azure ได้; ให้ทำตามคำแนะนำในโฟลเดอร์ quiz-app กำลังทยอยแปลอย่างต่อเนื่อง

🎓 ตัวอย่างสำหรับผู้เริ่มต้น

ใหม่กับวิทยาศาสตร์ข้อมูลหรือไม่? เราได้สร้าง ไดเรกทอรีตัวอย่าง โดยเฉพาะที่มีรหัสง่าย ๆ พร้อมคอมเมนต์ละเอียด เพื่อช่วยให้คุณเริ่มต้นได้:

• 🌟 สวัสดีโลก - โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ
• 📂 การโหลดข้อมูล - เรียนรู้การอ่านและสำรวจชุดข้อมูล
• 📊 วิเคราะห์ง่าย ๆ - คำนวณสถิติและค้นหารูปแบบ
• 📈 การสร้างภาพพื้นฐาน - สร้างแผนภูมิและกราฟ
• 🔬 โครงการโลกจริง - กระบวนการงานเต็มรูปแบบตั้งแต่เริ่มจนเสร็จ

แต่ละตัวอย่างมีคำอธิบายรายละเอียดทุกขั้นตอน เหมาะอย่างยิ่งสำหรับผู้เริ่มต้นอย่างแท้จริง!

👉 เริ่มต้นด้วยตัวอย่าง 👈

บทเรียน

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่เส้นทาง - สเก็ตช์โน้ตโดย @nitya

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	ลิงก์บทเรียน	ผู้แต่ง
01	การนิยามวิทยาศาสตร์ข้อมูล	บทนำ	เรียนรู้แนวคิดพื้นฐานเบื้องหลังวิทยาศาสตร์ข้อมูลและความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และบิ๊กดาต้า	บทเรียน วิดีโอ	Dmitry
02	จริยธรรมวิทยาศาสตร์ข้อมูล	บทนำ	แนวคิดจริยธรรมข้อมูล ปัญหา และกรอบงาน	บทเรียน	Nitya
03	การนิยามข้อมูล	บทนำ	วิธีการจัดประเภทข้อมูลและแหล่งข้อมูลทั่วไป	บทเรียน	Jasmine
04	แนะนำสถิติและความน่าจะเป็น	บทนำ	เทคนิคคณิตศาสตร์เกี่ยวกับความน่าจะเป็นและสถิติเพื่อทำความเข้าใจข้อมูล	บทเรียน วิดีโอ	Dmitry
05	การทำงานกับข้อมูลแบบเชิงสัมพันธ์	การทำงานกับข้อมูล	แนะนำข้อมูลแบบเชิงสัมพันธ์ และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วยภาษา Structured Query Language หรือ SQL (อ่านว่า "ซี-เควล")	บทเรียน	Christopher
06	การทำงานกับข้อมูล NoSQL	การทำงานกับข้อมูล	แนะนำข้อมูลแบบไม่เชิงสัมพันธ์ ประเภทต่าง ๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร	บทเรียน	Jasmine
07	การทำงานกับ Python	การทำงานกับข้อมูล	พื้นฐานการใช้ Python เพื่อสำรวจข้อมูลด้วยไลบรารีอย่าง Pandas แนะนำให้มีความเข้าใจพื้นฐานโปรแกรมมิ่ง Python	บทเรียน วิดีโอ	Dmitry
08	การเตรียมข้อมูล	การทำงานกับข้อมูล	หัวข้อเทคนิคล้างและแปลงข้อมูลเพื่อจัดการกับความท้าทายของข้อมูลที่หายไป ไม่ถูกต้อง หรือไม่ครบถ้วน	บทเรียน	Jasmine
09	การสร้างภาพปริมาณ	การสร้างภาพข้อมูล	เรียนรู้วิธีใช้ Matplotlib เพื่อสร้างภาพข้อมูลนก 🦆	บทเรียน	Jen
10	การสร้างภาพการแจกแจงของข้อมูล	การสร้างภาพข้อมูล	การสร้างภาพสังเกตการณ์และแนวโน้มภายในช่วงค่า	บทเรียน	Jen
11	การสร้างภาพสัดส่วน	การสร้างภาพข้อมูล	การสร้างภาพเปอร์เซ็นต์แบบแยกส่วนและแบ่งกลุ่ม	บทเรียน	Jen
12	การสร้างภาพความสัมพันธ์	การสร้างภาพข้อมูล	การสร้างภาพการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลและตัวแปรของมัน	บทเรียน	Jen
13	การสร้างภาพที่มีความหมาย	การสร้างภาพข้อมูล	เทคนิคและคำแนะนำในการทำให้ภาพข้อมูลมีคุณค่าสำหรับการแก้ปัญหาและสร้างความเข้าใจ	บทเรียน	Jen
14	แนะนำวงจรชีวิตวิทยาศาสตร์ข้อมูล	วงจรชีวิต	แนะนำวงจรชีวิตของวิทยาศาสตร์ข้อมูลและขั้นตอนแรกของการได้มาและแยกข้อมูล	บทเรียน	Jasmine
15	การวิเคราะห์	วงจรชีวิต	เฟสนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลเน้นไปที่เทคนิคการวิเคราะห์ข้อมูล	บทเรียน	Jasmine
16	การสื่อสาร	วงจรชีวิต	เฟสนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลเน้นการนำเสนอข้อมูลเชิงลึกจากข้อมูลในรูปแบบที่ช่วยให้ง่ายต่อการเข้าใจของผู้ตัดสินใจ	บทเรียน	Jalen
17	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	ซีรีส์บทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลบนคลาวด์และประโยชน์ของมัน	บทเรียน	Tiffany และ Maud
18	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	การฝึกอบรมโมเดลโดยใช้เครื่องมือ Low Code	บทเรียน	Tiffany และ Maud
19	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	การดีพลอยโมเดลด้วย Azure Machine Learning Studio	บทเรียน	Tiffany และ Maud
20	วิทยาศาสตร์ข้อมูลในสภาพแวดล้อมจริง	In the Wild	โครงการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกจริง	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเหล่านี้เพื่อเปิดตัวอย่างนี้ใน Codespace:

1. คลิกเมนูแบบเลื่อนลง Code และเลือกตัวเลือก Open with Codespaces
2. เลือก + New codespace ที่ด้านล่างของแผง ดูข้อมูลเพิ่มเติมได้ที่ เอกสาร GitHub

VSCode Remote - Containers

ทำตามขั้นตอนเหล่านี้เพื่อเปิดรีโปนี้ในคอนเทนเนอร์โดยใช้เครื่องของคุณและ VSCode ผ่านส่วนขยาย VS Code Remote - Containers:

1. หากเป็นครั้งแรกที่ใช้ container สำหรับพัฒนา กรุณาตรวจสอบว่าเครื่องคุณตรงตามข้อกำหนดล่วงหน้า (เช่น ติดตั้ง Docker แล้ว) ใน เอกสารการเริ่มต้นใช้งาน

เพื่อใช้งานรีโปนี้ คุณสามารถเปิดใน Docker volume แยกต่างหาก:

หมายเหตุ: งานเบื้องหลังนี้จะใช้คำสั่ง Remote-Containers: Clone Repository in Container Volume... เพื่อโคลนซอร์สโค้ดลงใน Docker volume แทนไฟล์ระบบในเครื่อง Volumes คือวิธีที่แนะนำสำหรับเก็บข้อมูลของคอนเทนเนอร์อย่างถาวร

หรือเปิดรีโปที่โคลนหรือดาวน์โหลดมาในเครื่อง:

• โคลนรีโปนี้ลงในเครื่องคุณ
• กด F1 และเลือกคำสั่ง Remote-Containers: Open Folder in Container...
• เลือกโฟลเดอร์ที่โคลนมา รอให้คอนเทนเนอร์เริ่มต้น แล้วทดลองใช้งาน

การเข้าถึงแบบออฟไลน์

คุณสามารถเรียกดูเอกสารนี้แบบออฟไลน์ด้วย Docsify สร้างสาขาใหม่ของรีโปนี้ ติดตั้ง Docsify ในเครื่องของคุณ แล้วในโฟลเดอร์ root ของรีโปนี้ พิมพ์ docsify serve เว็บไซต์จะถูกให้บริการผ่านพอร์ต 3000 บน localhost: localhost:3000

หมายเหตุ โน้ตบุ๊กจะไม่ถูกแสดงผลผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้รันแยกต่างหากใน VS Code ด้วยเคอร์เนล Python

หลักสูตรอื่น ๆ

ทีมของเราผลิตหลักสูตรอื่น ๆ ด้วย! ลองดู:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Core Learning

---

Copilot Series

การขอความช่วยเหลือ

พบปัญหาใช่ไหม? ตรวจสอบ คู่มือแก้ปัญหา สำหรับวิธีแก้ไขปัญหาทั่วไป

หากคุณติดขัดหรือต้องการคำถามใด ๆ เกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์เพื่อหารือเกี่ยวกับ MCP ชุมชนที่ส่งเสริมการถามคำถามและแบ่งปันความรู้กันอย่างเสรี

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดในขณะสร้าง โปรดเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้ว่าเราจะพยายามให้มีความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาว่าเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้