Data-Science-For-Beginners/translations/th

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

Azure Cloud Advocates ที่ Microsoft ยินดีนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนทั้งหมดเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนมีแบบทดสอบก่อนบทเรียนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อทำบทเรียนให้เสร็จ การแก้ปัญหา และงานมอบหมาย การสอนโดยใช้โครงการทำให้คุณเรียนรู้ไปพร้อมกับการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสำหรับการที่ทักษะใหม่จะ "ติด"

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

🙏 ขอขอบคุณเป็นพิเศษ 🙏 แก่ผู้เขียน นักวิจารณ์ และผู้ร่วมสร้างเนื้อหา 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

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - สเก็ตช์โน้ตโดย @nitya

🌐 การสนับสนุนหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติ & อัปเดตเสมอ)

อาหรับ | เบงกาลี | บัลแกเรีย | พม่า (เมียนมา) | จีน (ตัวย่อ) | จีน (ตัวอักษรดั้งเดิม, ฮ่องกง) | จีน (ตัวอักษรดั้งเดิม, มาเก๊า) | จีน (ตัวอักษรดั้งเดิม, ไต้หวัน) | โครเอเชีย | เช็ก | เดนมาร์ก | ดัตช์ | เอสโตเนีย | ฟินแลนด์ | ฝรั่งเศส | เยอรมัน | กรีก | ฮีบรู | ฮินดี | ฮังการี | อินโดนีเซีย | อิตาลี | ญี่ปุ่น | กันนาดา | เกาหลี | ลิทัวเนีย | มลายู | มาลายาลัม | มราฐี | เนปาล | ไนจีเรียน พิดจิน | นอร์เวย์ | เพอร์เซีย (ฟาร์ซี) | โปแลนด์ | โปรตุเกส (บราซิล) | โปรตุเกส (โปรตุเกส) | ปัญจาบี (กุรมุขี) | โรมาเนีย | รัสเซีย | เซอร์เบีย (คิริลลิก) | สโลวัก | สโลวีเนีย | สเปน | สวาฮิลี | สวีเดน | ทากาล็อก (ฟิลิปปินส์) | ทมิฬ | เตลูกู | ไทย | ตุรกี | ยูเครน | อูรดู | เวียดนาม

หากคุณต้องการให้มีภาษาการแปลเพิ่มเติม ภาษาที่รองรับระบุไว้ ที่นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์ Discord เรียนกับ AI กำลังดำเนินการ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราที่ Learn with AI Series ตั้งแต่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคในการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยแหล่งข้อมูลต่อไปนี้:

• หน้า Student Hub ในหน้านี้ คุณจะพบแหล่งข้อมูลสำหรับผู้เริ่มต้น แพ็กสำหรับนักเรียน และแม้แต่วิธีการรับบัตรกำนัลประกาศนียบัตรฟรี นี่คือหน้าที่คุณควรบุ๊กมาร์กและตรวจสอบเป็นครั้งคราว เนื่องจากเราจะเปลี่ยนเนื้อหาอย่างน้อยทุกเดือน
• Microsoft Learn Student Ambassadors เข้าร่วมชุมชนระดับโลกของ student ambassadors ซึ่งอาจเป็นเส้นทางของคุณสู่ Microsoft

การเริ่มต้น

📚 เอกสาร

• คู่มือการติดตั้ง - คำแนะนำการตั้งค่าแบบทีละขั้นตอนสำหรับผู้เริ่มต้น
• คู่มือการใช้งาน - ตัวอย่างและเวิร์กโฟลว์ที่พบบ่อย
• การแก้ไขปัญหา - วิธีแก้ปัญหาที่พบบ่อย
• คู่มือการมีส่วนร่วม - วิธีมีส่วนร่วมกับโครงการนี้
• สำหรับครู - แนวทางการสอนและทรัพยากรสำหรับชั้นเรียน

👨‍🎓 สำหรับนักเรียน/นักศึกษา

ผู้เริ่มต้นแบบสมบูรณ์: ยังใหม่กับวิทยาศาสตร์ข้อมูลหรือไม่? เริ่มต้นด้วย ตัวอย่างที่เป็นมิตรสำหรับผู้เริ่มต้น! ตัวอย่างเหล่านี้ที่มีคำอธิบายประกอบอย่างดีจะช่วยให้คุณเข้าใจพื้นฐานก่อนที่จะลงลึกในหลักสูตรทั้งหมด นักเรียน/นักศึกษา: หากต้องการใช้หลักสูตรนี้ด้วยตนเอง ให้ fork รีโปทั้งหมดแล้วทำแบบฝึกหัดด้วยตัวเอง โดยเริ่มจากแบบทดสอบก่อนบรรยาย จากนั้นอ่านบรรยายและทำกิจกรรมที่เหลือต่อ พยายามสร้างโครงการโดยการเข้าใจบทเรียนมากกว่าการคัดลอกโค้ดคำตอบ อย่างไรก็ตาม โค้ดนั้นมีให้ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโครงการ อีกไอเดียหนึ่งคือจัดกลุ่มศึกษากับเพื่อนและเรียนเนื้อหาร่วมกัน สำหรับการศึกษาเพิ่มเติม เราแนะนำ Microsoft Learn.

เริ่มอย่างรวดเร็ว:

1. ตรวจสอบ คู่มือการติดตั้ง เพื่อเตรียมสภาพแวดล้อมของคุณ
2. ทบทวน คู่มือการใช้งาน เพื่อเรียนรู้วิธีการทำงานกับหลักสูตร
3. เริ่มจากบทเรียนที่ 1 และทำตามลำดับ
4. เข้าร่วม ชุมชน Discord ของเรา เพื่อขอการสนับสนุน

👩‍🏫 สำหรับผู้สอน

ผู้สอน: เราได้ รวมข้อเสนอแนะบางส่วน เกี่ยวกับวิธีการใช้หลักสูตรนี้ เราจะยินดีรับความคิดเห็นของคุณ ในฟอรัมอภิปรายของเรา!

รู้จักทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกที่รูปด้านบนเพื่อชมวิดีโอเกี่ยวกับโครงการและผู้ที่สร้างมัน!

หลักการสอน

เราเลือกหลักการสอนสองข้อเมื่อสร้างหลักสูตรนี้: ให้เป็นโครงการเป็นหลัก (project-based) และมีแบบทดสอบบ่อยครั้ง เมื่อสิ้นสุดชุดบทเรียนนี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการต่าง ๆ ในการทำงานกับข้อมูล การแสดงผลข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่น ๆ

นอกจากนี้ แบบทดสอบที่มีความกดดันต่ำก่อนการเรียนจะช่วยกำหนดเจตนารมณ์ของนักเรียนต่อการเรียนรู้หัวข้อ ในขณะที่แบบทดสอบที่สองหลังการเรียนช่วยทำให้เกิดการจดจำมากขึ้น หลักสูตรนี้ถูกออกแบบให้ยืดหยุ่นและสนุก และสามารถเรียนทั้งชุดหรือเป็นส่วน ๆ ได้ โครงการเริ่มจากขนาดเล็กและมีความซับซ้อนเพิ่มขึ้นเรื่อย ๆ จนถึงสิ้นสุดรอบ 10 สัปดาห์

ค้นหา แนวทางปฏิบัติ, การมีส่วนร่วม, แนวทางการแปล ของเรา เรายินดีรับฟังความคิดเห็นที่สร้างสรรค์จากคุณ!

ในแต่ละบทเรียนประกอบด้วย:

• สเก็ตช์โน้ต (ไม่บังคับ)
• วิดีโอเสริม (ไม่บังคับ)
• แบบทดสอบวอร์มอัพก่อนบทเรียน
• บทเรียนแบบเขียน
• สำหรับบทเรียนแบบโครงงาน: คำแนะนำทีละขั้นตอนในการสร้างโครงการ
• การตรวจสอบความรู้
• ความท้าทาย
• การอ่านเสริม
• แบบฝึกหัด
• แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดถูกเก็บไว้ในโฟลเดอร์ Quiz-App จำนวนทั้งหมด 40 แบบทดสอบ แต่ละแบบมีสามคำถาม พวกมันถูกลิงก์จากภายในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้ไปยัง Azure; ให้ทำตามคำแนะนำในโฟลเดอร์ quiz-app พวกมันกำลังถูกแปลเป็นภาษาต่าง ๆ อย่างค่อยเป็นค่อยไป

🎓 ตัวอย่างสำหรับผู้เริ่มต้น

ยังใหม่กับวิทยาศาสตร์ข้อมูล? เราได้สร้าง ไดเรกทอรีตัวอย่าง พิเศษที่มีโค้ดที่อธิบายเป็นอย่างดีและมีคอมเมนต์ชัดเจนเพื่อช่วยให้คุณเริ่มต้นได้:

• 🌟 Hello World - โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ
• 📂 Loading Data - เรียนรู้การอ่านและสำรวจชุดข้อมูล
• 📊 Simple Analysis - คำนวณสถิติและค้นหารูปแบบ
• 📈 Basic Visualization - สร้างแผนภูมิและกราฟขั้นพื้นฐาน
• 🔬 Real-World Project - เวิร์กโฟลว์สมบูรณ์ตั้งแต่เริ่มจนจบ

แต่ละตัวอย่างมีคอมเมนต์อย่างละเอียดที่อธิบายทุกขั้นตอน ทำให้เหมาะสำหรับผู้เริ่มต้นอย่างแท้จริง!

👉 เริ่มด้วยตัวอย่าง 👈

บทเรียน

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่เส้นทาง - สเก็ตช์โน้ตโดย @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Defining Data Science	Introduction	เรียนรู้แนวคิดพื้นฐานของวิทยาศาสตร์ข้อมูลและความเชื่อมโยงกับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และข้อมูลขนาดใหญ่.	บทเรียน วิดีโอ	Dmitry
02	Data Science Ethics	Introduction	แนวคิด จริยธรรมข้อมูล ความท้าทาย & กรอบงาน.	บทเรียน	Nitya
03	Defining Data	Introduction	การจัดประเภทข้อมูลและแหล่งที่มาทั่วไป.	บทเรียน	Jasmine
04	Introduction to Statistics & Probability	Introduction	เทคนิคทางคณิตศาสตร์ด้านความน่าจะเป็นและสถิติเพื่อทำความเข้าใจข้อมูล.	บทเรียน วิดีโอ	Dmitry
05	Working with Relational Data	Working With Data	บทนำสู่ข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วย Structured Query Language, หรือที่เรียกว่า SQL (ออกเสียง “see-quell”).	บทเรียน	Christopher
06	Working with NoSQL Data	Working With Data	บทนำสู่ข้อมูลที่ไม่ใช่เชิงสัมพันธ์ ประเภทต่างๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลแบบเอกสาร.	บทเรียน	Jasmine
07	Working with Python	Working With Data	พื้นฐานการใช้ Python ในการสำรวจข้อมูลด้วยไลบรารีเช่น Pandas แนะนำให้มีความเข้าใจพื้นฐานในการเขียนโปรแกรม Python.	บทเรียน วิดีโอ	Dmitry
08	Data Preparation	Working With Data	หัวข้อเกี่ยวกับเทคนิคข้อมูลสำหรับการทำความสะอาดและแปลงข้อมูลเพื่อจัดการกับปัญหาข้อมูลที่หายไป ไม่ถูกต้อง หรือไม่สมบูรณ์.	บทเรียน	Jasmine
09	Visualizing Quantities	Data Visualization	เรียนรู้การใช้ Matplotlib เพื่อสร้างภาพข้อมูลเกี่ยวกับนก 🦆	บทเรียน	Jen
10	Visualizing Distributions of Data	Data Visualization	การสร้างภาพการสังเกตและแนวโน้มภายในช่วง.	บทเรียน	Jen
11	Visualizing Proportions	Data Visualization	การสร้างภาพร้อยละแบบแยกตัวและแบบจัดกลุ่ม.	บทเรียน	Jen
12	Visualizing Relationships	Data Visualization	การสร้างภาพความสัมพันธ์และการเชื่อมต่อระหว่างชุดข้อมูลและตัวแปรของพวกมัน.	บทเรียน	Jen
13	Meaningful Visualizations	Data Visualization	เทคนิคและคำแนะนำในการทำให้การแสดงผลของคุณมีคุณค่าเพื่อการแก้ปัญหาและการค้นพบเชิงลึกอย่างมีประสิทธิภาพ.	บทเรียน	Jen
14	Introduction to the Data Science lifecycle	Lifecycle	บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูลและขั้นตอนแรกของการได้มาซึ่งและการแยกข้อมูล.	บทเรียน	Jasmine
15	Analyzing	Lifecycle	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นเทคนิคในการวิเคราะห์ข้อมูล.	บทเรียน	Jasmine
16	Communication	Lifecycle	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นการนำเสนอข้อค้นพบจากข้อมูลในลักษณะที่ช่วยให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น.	บทเรียน	Jalen
17	Data Science in the Cloud	Cloud Data	ชุดบทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลในคลาวด์และประโยชน์ของมัน.	บทเรียน	Tiffany and Maud
18	Data Science in the Cloud	Cloud Data	การฝึกสอนโมเดลโดยใช้เครื่องมือแบบ Low Code.	บทเรียน	Tiffany and Maud
19	Data Science in the Cloud	Cloud Data	การปรับใช้โมเดลด้วย Azure Machine Learning Studio.	บทเรียน	Tiffany and Maud
20	Data Science in the Wild	In the Wild	โครงการขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกความเป็นจริง.	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเหล่านี้เพื่อเปิดตัวอย่างนี้ใน Codespace:

1. คลิกเมนู Code แบบเลื่อนลงแล้วเลือกตัวเลือก Open with Codespaces.
2. เลือก + New codespace ที่ด้านล่างของแผง. For more info, check out the GitHub documentation.

VSCode Remote - Containers

ทำตามขั้นตอนเหล่านี้เพื่อเปิดรีโพนี้ในคอนเทนเนอร์โดยใช้เครื่องของคุณเองและ VSCode โดยใช้ส่วนขยาย VS Code Remote - Containers:

1. หากนี่เป็นครั้งแรกที่คุณใช้ development container โปรดตรวจสอบให้แน่ใจว่าระบบของคุณตรงตามข้อกำหนดล่วงหน้า (เช่น ติดตั้ง Docker แล้ว) ใน the getting started documentation.

To use this repository, you can either open the repository in an isolated Docker volume:

Note: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

• Clone this repository to your local filesystem.
• Press F1 and select the Remote-Containers: Open Folder in Container... command.
• Select the cloned copy of this folder, wait for the container to start, and try things out.

Offline access

You can run this documentation offline by using Docsify. Fork this repo, install Docsify on your local machine, then in the root folder of this repo, type docsify serve. The website will be served on port 3000 on your localhost: localhost:3000.

หมายเหตุ: ไฟล์ notebook จะไม่ถูกเรนเดอร์ผ่าน Docsify ดังนั้นเมื่อต้องรันโน้ตบุ๊ก ให้ทำแยกต่างหากใน VS Code ที่รัน Python kernel

หลักสูตรอื่นๆ

Our team produces other curricula! Check out:

LangChain

---

Azure / Edge / MCP / Agents

---

ซีรีส์ Generative AI

---

การเรียนรู้หลัก

---

ซีรีส์ Copilot

การขอความช่วยเหลือ

พบปัญหา? ตรวจสอบ คู่มือแก้ไขปัญหา สำหรับวิธีแก้ปัญหาของปัญหาที่พบบ่อย.

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI. เข้าร่วมกับผู้เรียนคนอื่นและนักพัฒนาที่มีประสบการณ์ในการสนทนาเกี่ยวกับ MCP. นี่คือชุมชนที่ให้การสนับสนุนซึ่งเปิดรับคำถามและแบ่งปันความรู้กันอย่างเสรี.

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้าง โปรดไปที่:

---

ข้อจำกัดความรับผิดชอบ: เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลด้วยปัญญาประดิษฐ์ Co-op Translator แม้ว่าเราจะพยายามให้ผลการแปลที่ถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกถือเป็นแหล่งข้อมูลที่เป็นทางการ สำหรับข้อมูลที่มีความสำคัญ ควรใช้การแปลโดยผู้เชี่ยวชาญมนุษย์ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดใด ๆ ที่เกิดจากการใช้การแปลนี้