Data-Science-For-Beginners/translations/tl

Data Science para sa mga Nagsisimula - Isang Kurikulum

Ang Azure Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng isang 10-linggong, 20-aralin na kurikulum tungkol sa Data Science. Bawat aralin ay may kasamang pre-lesson at post-lesson quizzes, nakasulat na mga instruksyon para tapusin ang aralin, solusyon, at isang assignment. Ang aming project-based pedagogy ay nagbibigay-daan sa iyo na matuto habang nagtatayo, isang napatunayang paraan para ang mga bagong kasanayan ay manatili.

Lubos na pasasalamat sa aming mga awtor: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Espesyal na pasasalamat 🙏 sa aming mga Microsoft Student Ambassador na mga awtor, tagasuri, at mga nag-aambag ng nilalaman, lalo na kina 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 Para sa mga Nagsisimula - Sketchnote ni @nitya

🌐 Suporta sa Maraming Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Automated at Palaging Napapanahon)

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

Mas gusto mo bang I-clone Lokally?

Kasama sa repository na ito ang mahigit 50 na mga pagsasalin ng wika na nagpapalaki ng sukat ng pag-download. Para mag-clone nang walang mga pagsasalin, gamitin ang 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"

Ito ang magbibigay sa iyo ng lahat ng kailangan mo para tapusin ang kurso nang mas mabilis ang pag-download.

Kung nais mong magkaroon ng karagdagang mga sinusuportahang wika ng pagsasalin, nakalista ang mga ito dito

Sumali sa Aming Komunidad

Mayroon kaming ongoing na Discord learn with AI series, matuto pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.

Ikaw ba ay isang estudyante?

Magsimula gamit ang mga sumusunod na resources:

• Student Hub page Sa pahinang ito, makikita mo ang mga beginner resources, Student packs at pati na rin mga paraan para makakuha ng libreng cert voucher. Ito ay isang pahina na nais mong i-bookmark at tingnan paminsan-minsan dahil nagbabago kami ng content kahit buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa isang global na komunidad ng student ambassadors, ito ang maaaring maging daan mo patungo sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• Installation Guide - Mga sunud-sunod na tagubilin sa pag-setup para sa mga nagsisimula
• Usage Guide - Mga halimbawa at karaniwang workflows
• Troubleshooting - Mga solusyon sa mga karaniwang problema
• Contributing Guide - Paano mag-ambag sa proyektong ito
• Para sa mga Guro - Patnubay sa pagtuturo at mga gamit sa klase

👨‍🎓 Para sa mga Estudyante

Lubos na Nagsisimula: Bago ka ba sa data science? Magsimula sa aming mga beginner-friendly na halimbawa! Ang mga simpleng ito, na may maayos na paliwanag, ay tutulong sa iyo maunawaan ang mga batayan bago pasukin ang buong kurikulum. Mga Estudyante: para magamit ang kurikulum na ito sa sarili mo, i-fork ang buong repo at tapusin ang mga pagsasanay mag-isa, simula sa isang pre-lecture quiz. Pagkatapos basahin ang lektura at kumpletuhin ang mga gugulin. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga aralin sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa mga /solutions folder sa bawat aralin na nakatuon sa proyekto. Isa pang ideya ay bumuo ng isang study group kasama ang mga kaibigan at sabay-sabay na pag-aralan ang nilalaman. Para sa mas malalim na pag-aaral, inirerekomenda namin ang Microsoft Learn.

Mabilis na Pagsisimula:

1. Suriin ang Installation Guide upang i-setup ang iyong kapaligiran
2. Balikan ang Usage Guide upang matutunan kung paano gamitin ang kurikulum
3. Magsimula sa Aralin 1 at sumunod nang sunud-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Mga Guro: Isinama namin ang ilang mga suhestiyon kung paano gamitin ang kurikulum na ito. Nais naming marinig ang inyong mga puna sa aming discussion forum!

Kilalanin ang Team

Gif ni Mohit Jaisal

🎥 Pindutin ang larawan sa itaas para sa isang video tungkol sa proyekto at ang mga taong lumikha nito!

Pedagohiya

Pinili namin ang dalawang pedagogical tenet habang binubuo ang kurikulum na ito: tiyakin na ito ay nakabatay sa proyekto at na ito ay may madalas na quiz. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng data science, kabilang ang mga etikal na konsepto, paghahanda ng data, iba't ibang paraan ng pagtatrabaho sa data, pag-visualize ng data, pagsusuri ng data, mga totoong gamit ng data science, at iba pa.

Bilang karagdagan, ang low-stakes na quiz bago ang klase ay nagtatakda ng layunin ng estudyante sa pag-aaral ng isang paksa, habang ang pangalawang quiz pagkatapos ng klase ay nagsisiguro ng mas matibay na retention. Dinisenyo ang kurikulum na ito upang maging flexible at kasiya-siya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at lalong nagiging komplikado sa pagtatapos ng 10 linggong siklo.

Hanapin ang aming Code of Conduct, mga gabay sa Contributing, Translation. Tinatanggap namin ang inyong makabuluhang puna!

Bawat aralin ay may kasamang:

• Opsyonal na sketchnote
• Opsyonal na supplemental na video
• Pre-lesson warmup quiz
• Nakasaad na aralin
• Para sa mga aralin na nakabatay sa proyekto, mga step-by-step na gabay kung paano buuin ang proyekto
• Mga pagsusuri sa kaalaman
• Isang hamon
• Supplemental na pagbasa
• Takdang-aralin
• Post-lesson quiz

Tungkol sa mga quiz: Lahat ng mga quiz ay nilalaman sa Quiz-App folder, para sa kabuuang 40 na quiz na tig-3 tanong bawat isa. Nakalink ang mga ito mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o ideploy sa Azure; sundin ang mga tagubilin sa quiz-app folder. Unti-unti rin itong nililokalisa.

🎓 Mga Halimbawang Magaan Para sa Nagsisimula

Bago ka ba sa Data Science? Nilikha namin ang isang espesyal na examples directory na may simpleng, maayos ang pagkakakomento na code upang matulungan kang magsimula:

• 🌟 Hello World - Ang iyong unang data science na programa
• 📂 Loading Data - Matutong magbasa at mag-explore ng mga dataset
• 📊 Simple Analysis - Kalkulahin ang mga istatistika at tuklasin ang mga pattern
• 📈 Basic Visualization - Gumawa ng mga tsart at grap
• 🔬 Real-World Project - Kumpletong workflow mula simula hanggang matapos

Bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya't perpekto ito para sa mga ganap na nagsisimula!

👉 Simulan sa mga halimbawa 👈

Mga Aralin

Data Science Para sa mga Nagsisimula: Roadmap - Sketchnote ni @nitya

Numero ng Aralin	Paksa	Pagtatalaga ng Aralin	Mga Layunin sa Pagkatuto	Nakalink na Aralin	May-akda
01	Pagpapakahulugan ng Data Science	Introduction	Matutunan ang mga pangunahing konsepto sa likod ng data science at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data.	aralin video	Dmitry
02	Etika sa Data Science	Introduction	Mga Konsepto, Hamon at Framework ng Etika sa Data.	aralin	Nitya
03	Pagpapakahulugan ng Data	Introduction	Paano ikinaklasipika ang data at mga karaniwang pinagmulan nito.	aralin	Jasmine
04	Panimula sa Estadistika at Probabilidad	Introduction	Mga matematikal na teknik sa probabilidad at estadistika upang maunawaan ang data.	aralin video	Dmitry
05	Paggamit ng Relational Data	Working With Data	Panimula sa relational data at mga batayan ng pagsusuri at pag-explore ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”).	aralin	Christopher
06	Paggamit ng NoSQL Data	Working With Data	Panimula sa non-relational data, iba't ibang uri nito at mga batayan ng pagsusuri at pag-explore ng document databases.	aralin	Jasmine
07	Paggamit ng Python	Working With Data	Mga batayan sa paggamit ng Python para sa pag-explore ng data gamit ang mga libraries gaya ng Pandas. Inirerekomenda ang pundamental na pagkaunawa sa Python programming.	aralin video	Dmitry
08	Paghahanda ng Data	Working With Data	Mga paksa tungkol sa mga teknik ng paglinis at pag-transform ng data upang harapin ang mga hamon ng nawawala, maling datos, o hindi kumpletong data.	aralin	Jasmine
09	Pag-visualize ng Mga Dami	Data Visualization	Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang bird data 🦆	aralin	Jen
10	Pag-visualize ng Pamamahagi ng Data	Data Visualization	Pag-visualize ng mga obserbasyon at mga uso sa loob ng isang interval.	aralin	Jen
11	Pag-visualize ng Mga Proportion	Data Visualization	Pag-visualize ng discrete at grouped na mga porsyento.	aralin	Jen
12	Pag-visualize ng Mga Ugnayan	Data Visualization	Pag-visualize ng mga koneksyon at korelasyon sa pagitan ng mga set ng data at kanilang mga variable.	aralin	Jen
13	Makabuluhang Pag-visualize	Data Visualization	Mga teknik at gabay para gawing mahalaga ang iyong mga visualizations para sa epektibong paglutas ng problema at mga insight.	aralin	Jen
14	Panimula sa lifecycle ng Data Science	Lifecycle	Panimula sa lifecycle ng data science at ang unang hakbang ng pagkuha at pag-extract ng data.	aralin	Jasmine
15	Pagsusuri	Lifecycle	Nakatuon ang yugtong ito ng lifecycle ng data science sa mga teknik para suriin ang data.	aralin	Jasmine
16	Komunikasyon	Lifecycle	Nakatuon ang yugtong ito ng lifecycle ng data science sa paglalahad ng mga insight mula sa data sa paraang mas madaling maunawaan ng mga decision maker.	aralin	Jalen
17	Data Science sa Cloud	Cloud Data	Ipinapakilala ng seryeng ito ang data science sa cloud at ang mga benepisyo nito.	aralin	Tiffany at Maud
18	Data Science sa Cloud	Cloud Data	Pagsasanay ng mga modelo gamit ang Low Code na mga tool.	aralin	Tiffany at Maud
19	Data Science sa Cloud	Cloud Data	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	aralin	Tiffany at Maud
20	Data Science sa Totoong Mundo	In the Wild	Mga proyekto ng data science na ginamit sa totoong mundo.	aralin	Nitya

GitHub Codespaces

Sundin ang mga hakbang na ito upang buksan ang sample na ito sa isang Codespace:

1. Pindutin ang Code drop-down menu at piliin ang Open with Codespaces na opsyon.
2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang info, tingnan ang GitHub documentation.

VSCode Remote - Containers

Sundin ang mga hakbang na ito upang buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension:

1. Kung ito ang unang pagkakataon na gagamitin mo ang development container, tiyakin na ang iyong sistema ay tumutugon sa mga kinakailangan (hal. naka-install ang Docker) sa getting started documentation.

Upang magamit ang repository na ito, maaari mong buksan ang repository sa isang isolated Docker volume:

Tandaan: Sa ilalim nito, gagamitin ang Remote-Containers: Clone Repository in Container Volume... na command upang i-clone ang source code sa Docker volume sa halip na sa lokal na filesystem. Volumes ang preferred na mekanismo para sa pag-save ng data ng container.

O buksan ang lokal na na-clone o na-download na bersyon ng repository:

• I-clone ang repository na ito sa lokal na filesystem mo.
• Pindutin ang F1 at piliin ang Remote-Containers: Open Folder in Container... na command.
• Piliin ang na-clone na folder na ito, maghintay na magsimula ang container, at subukan.

Offline access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay ise-serve sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, hindi mapapakita ang mga notebook gamit ang Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code na nagpapatakbo ng Python kernel.

Iba Pang Kurikulum

Gumagawa ang aming team ng iba pang mga kurikulum! Tingnan ang:

LangChain

Azure / Edge / MCP / Mga Ahente

---

Generative AI Series

---

Pangunahing Pagkatuto

---

Copilot Series

Pagkuha ng Tulong

Nakakaranas ng mga problema? Suriin ang aming Gabayan sa Pag-troubleshoot para sa mga solusyon sa mga karaniwang problema.

Kung ikaw ay natigil o may mga tanong tungkol sa paggawa ng mga AI na app. Sumali sa kapwa mga nag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Isang sumusuportang komunidad kung saan malugod ang mga tanong at malayang naibabahagi ang kaalaman.

Kung mayroon kang puna sa produkto o mga error habang nagtatayo, bisitahin ang:

---

Pahayag ng Hindi Pananagutan: Ang dokumentong ito ay isinalin gamit ang serbisyong AI na pagsasalin Co-op Translator. Bagama’t aming pinagsisikapang maging tumpak ang pagsasalin, pakiusap na tandaan na maaaring may mga pagkakamali o di-tiyak na bahagi ang awtomatikong pagsasalin. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.