Data-Science-For-Beginners/translations/tl

Data Science para sa mga Nagsisimula - Isang Kurikulum

Ikinalulugod ng Azure Cloud Advocates sa Microsoft na mag-alok ng 10-linggong, 20-lesson na kurikulum na tungkol sa Data Science. Bawat aralin ay may kasamang pre-lesson at post-lesson na mga pagsusulit, nakasulat na mga tagubilin para matapos ang aralin, solusyon, at isang assignment. Ang aming pedagohiyang nakabatay sa proyekto ay nagpapahintulot sa iyo na matuto habang gumagawa, isang napatunayang paraan para manatili ang mga bagong kasanayan.

Taos-pusong pasasalamat sa aming mga may-akda: 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 may-akda, mga tagasuri at mga nag-aambag ng nilalaman, partikular 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 Maramihang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatiko 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 Nang Lokal?

Kasama sa repository na ito ang 50+ na pagsasalin sa wika na lubos na nagpapalaki ng laki ng pag-download. Para mag-clone nang walang mga pagsasalin, gamitin ang 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'

Makukuha mo dito ang lahat ng kailangan mo para matapos ang kurso nang mas mabilis ang pag-download.

Kung nais mong magkaroon ng karagdagang mga sinusuportahang wika ng pagsasalin ay nakalista dito

Sumali sa Aming Komunidad

Mayroon kaming tuloy-tuloy na serye sa Discord na pag-aaral kasama ang AI, alamin 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?

Simulan gamit ang mga sumusunod na mapagkukunan:

• Student Hub page Sa pahinang ito, makakakita ka ng mga beginner resources, student packs, at maging mga paraan para makakuha ng libreng certificate voucher. Isa ito sa mga pahinang gusto mong i-bookmark at tingnan paminsan-minsan habang palitan namin ang nilalaman kahit buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa isang pandaigdigang komunidad ng mga student ambassadors, maaaring ito ang iyong daan papasok sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• Installation Guide - Hakbang-hakbang na mga tagubilin sa pagsasaayos para sa mga baguhan
• Usage Guide - Mga halimbawa at karaniwang workflow
• Troubleshooting - Mga solusyon sa karaniwang mga problema
• Contributing Guide - Paano mag-ambag sa proyektong ito
• For Teachers - Gabay para sa pagtuturo at mga mapagkukunan sa silid-aralan

👨‍🎓 Para sa mga Estudyante

Kumpletong mga Baguhan: Bago ka sa data science? Magsimula sa aming mga halimbawang pangbaguhan! Ang mga simpleng ito na may malinaw na komento ay tutulong sa iyo na maunawaan ang mga pangunahing kaalaman bago sumabak sa buong kurikulum. Mga Estudyante: upang gamitin ang kurikulm na ito nang mag-isa, i-fork ang buong repo at tapusin ang mga ehersisyo nang mag-isa, simula sa pre-lecture quiz. Pagkatapos basahin ang lektura at tapusin ang natitirang mga gawain. Subukang gawin ang mga proyekto sa pamamagitan ng pagunawa sa mga aralin sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa /solutions na mga folder sa bawat leksyon na nakatuon sa proyekto. Isa pang ideya ay bumuo ng isang study group kasama ang mga kaibigan at pag-aralan ang nilalaman nang magkakasama. Para sa karagdagang pag-aaral, inirerekomenda namin ang Microsoft Learn.

Mabilisang Simula:

1. Tingnan ang Installation Guide para isaayos ang iyong kapaligiran
2. Suriin ang Usage Guide para matutunan kung paano gamitin ang kurikulum
3. Magsimula sa Lesson 1 at sundan nang sunud-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Mga Guro: mayroon kaming ilang mga mungkahi kung paano gamitin ang kurikulum na ito. Masaya kaming tanggapin ang inyong feedback sa aming discussion forum!

Kilalanin ang Koponan

Gif ni Mohit Jaisal

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

Pedagohiya

Pinili namin ang dalawang gabay sa pagtuturo habang binubuo ang kurikulum na ito: siguraduhing ito ay nakabatay sa proyekto at may madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututunan ng mga estudyante ang mga pangunahing prinsipyo ng agham ng datos, kabilang ang mga konseptong etikal, paghahanda ng datos, iba't ibang paraan ng pagtatrabaho sa datos, visualisasyon ng datos, pagsusuri ng datos, mga tunay na gamit ng agham ng datos, at iba pa.

Bukod pa rito, ang isang mababang-stakes na pagsusulit bago ang klase ay nagtatakda ng layunin ng estudyante sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisiguro ng mas higit na alaala. Dinisenyo ang kurikulum na ito upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at unti-unting lumalalim sa katapusan ng 10-linggong siklo.

Hanapin ang aming Code of Conduct, Contributing, Translation mga alituntunin. Malugod naming tinatanggap ang iyong makabuluhang puna!

Bawat aralin ay may kasamang:

• Opsyonal na sketchnote
• Opsyonal na karagdagang video
• Pagsusulit na pampainit bago ang aralin
• Nakatalang aralin
• Para sa mga araling nakabatay sa proyekto, mga hakbang-hakbang na gabay kung paano buuin ang proyekto
• Mga knowledge check
• Isang hamon
• Karagdagang babasahin
• Takdang-aralin
• Pagsusulit pagkatapos ng aralin

Isang paalala tungkol sa mga pagsusulit: Lahat ng pagsusulit ay nasa folder na Quiz-App, para sa kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Nakalink sila mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o mai-deploy sa Azure; sundin ang mga tagubilin sa quiz-app folder. Unti-unti itong nililokalisa.

🎓 Mga Halimbawa na Pinadaling Para sa Baguhan

Bago ka sa Agham ng Datos? Nilikha namin ang isang espesyal na halimbawa na direktoryo na may simpleng, maayos na nakomentaryong code upang tulungan kang magsimula:

• 🌟 Hello World - Ang iyong unang programa sa agham ng datos
• 📂 Pag-load ng Datos - Matutong bumasa at mag-explore ng mga dataset
• 📊 Simpleng Pagsusuri - Kalkulahin ang mga estadistika at hanapin ang mga pattern
• 📈 Pangunahing Visualisasyon - Gumawa ng mga tsart at grap
• 🔬 Tunay na Proyekto - Kumpletong workflow mula simula hanggang matapos

Bawat halimbawa ay may malalim na mga komentaryo na nagpapaliwanag sa bawat hakbang, ginagawa itong perpekto para sa mga ganap na baguhan!

👉 Simulan sa mga halimbawa 👈

Mga Aralin

Agham ng Datos Para sa mga Baguhan: Roadmap - Sketchnote ni @nitya

Numero ng Aralin	Paksa	Pangkat ng Aralin	Mga Layunin sa Pagkatuto	Nakalink na Aralin	May-akda
01	Pagpapakahulugan ng Agham ng Datos	Panimula	Matutunan ang mga pangunahing konsepto ng agham ng datos at kung paano ito kaugnay ng artificial intelligence, machine learning, at big data.	aralin video	Dmitry
02	Etika sa Agham ng Datos	Panimula	Mga Konsepto ng Etika sa Datos, Hamon at mga Balangkas.	aralin	Nitya
03	Pagpapakahulugan ng Datos	Panimula	Kung paano ikinaklasipika ang datos at mga karaniwang pinagkukunan nito.	aralin	Jasmine
04	Panimula sa Estadistika at Probabilidad	Panimula	Mga matematikal na teknik ng probabilidad at estadistika upang maunawaan ang datos.	aralin video	Dmitry
05	Pagtatrabaho sa Relational Data	Pagtatrabaho Sa Datos	Panimula sa relational data at mga batayang pamamaraan ng pag-explore at pagsusuri gamit ang Structured Query Language, o SQL (binibigkas na “see-quell”).	aralin	Christopher
06	Pagtatrabaho sa NoSQL Data	Pagtatrabaho Sa Datos	Panimula sa non-relational data, mga iba’t ibang uri nito, at mga batayang pamamaraan sa pag-explore at pagsusuri ng mga document databases.	aralin	Jasmine
07	Pagtatrabaho gamit ang Python	Pagtatrabaho Sa Datos	Mga batayan ng paggamit ng Python para sa paggalugad ng datos gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundamental na pag-unawa sa programming ng Python.	aralin video	Dmitry
08	Paghahanda ng Datos	Pagtatrabaho Sa Datos	Mga paksa tungkol sa mga teknik ng paglilinis at pagbabago ng datos upang matugunan ang mga hamon ng nawawala, di-tumpak, o hindi kumpletong datos.	aralin	Jasmine
09	Pag-visualize ng mga Dami	Pag-visualize ng Datos	Matutong gamitin ang Matplotlib para i-visualize ang datos ng mga ibon 🦆	aralin	Jen
10	Pag-visualize ng Pamamahagi ng Datos	Pag-visualize ng Datos	Pag-visualize ng mga obserbasyon at mga trend sa loob ng isang interval.	aralin	Jen
11	Pag-visualize ng mga Proportion	Pag-visualize ng Datos	Pag-visualize ng mga discrete at pinangkat na porsyento.	aralin	Jen
12	Pag-visualize ng mga Relasyon	Pag-visualize ng Datos	Pag-visualize ng mga koneksyon at kaugnayan sa pagitan ng mga set ng datos at iba’t ibang variable nito.	aralin	Jen
13	Makabuluhang Visualisasyon	Pag-visualize ng Datos	Mga teknik at patnubay para gawing mahalaga ang iyong mga visualisasyon para sa epektibong paglutas ng problema at mga insight.	aralin	Jen
14	Panimula sa Siklo ng Agham ng Datos	Siklo ng Buhay	Panimula sa data science lifecycle at ang unang hakbang nito na pagkuha at pag-extract ng datos.	aralin	Jasmine
15	Pagsusuri	Siklo ng Buhay	Ang bahagi ng data science lifecycle na ito ay nakatuon sa mga teknik sa pagsusuri ng datos.	aralin	Jasmine
16	Komunikasyon	Siklo ng Buhay	Bahagi ito ng data science lifecycle na nakatuon sa pagpapakita ng mga insight mula sa datos sa isang paraan na mas madaling maintindihan ng mga tagapagpasya.	aralin	Jalen
17	Agham ng Datos sa Ulap	Cloud Data	Ang seryeng ito ng mga aralin ay nagpapakilala ng agham ng datos sa ulap at mga benepisyo nito.	aralin	Tiffany at Maud
18	Agham ng Datos sa Ulap	Cloud Data	Pagsasanay ng mga modelo gamit ang mga Low Code na kasangkapan.	aralin	Tiffany at Maud
19	Agham ng Datos sa Ulap	Cloud Data	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	aralin	Tiffany at Maud
20	Agham ng Datos sa Kalikasan	Sa Kalikasan	Mga proyektong pinaloob ang agham ng datos sa tunay na mundo.	aralin	Nitya

GitHub Codespaces

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

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

VSCode Remote - Containers

Sundin ang mga hakbang na ito para 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 beses mong gumamit ng development container, siguraduhing ang iyong system ay pumasa sa mga pre-req (hal. naka-install ang Docker) sa the getting started documentation.

Para gamitin ang repositoryong ito, maaari mong buksan ang repositoryo sa isang isolated Docker volume:

Tandaan: Sa ilalim nito, gagamitin ang Remote-Containers: Clone Repository in Container Volume... command para i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Ang Volumes ang mas gusto para sa pagpapatuloy ng data ng container.

O buksan ang lokal na kopya ng repositoryo na na-clone o na-download:

• I-clone ang repositoryo sa iyong lokal na filesystem.
• Pindutin ang F1 at piliin ang Remote-Containers: Open Folder in Container... na command.
• Piliin ang nakopyang kopya ng folder na ito, hintayin ang pagsisimula ng container, at subukan ang mga bagay.

Offline access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. 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 mai-serve sa port 3000 sa iyong localhost: localhost:3000.

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

Ibang Kurikulum

Ang aming koponan ay gumagawa rin ng ibang mga kurikulum! Tingnan:

LangChain

---

Azure / Edge / MCP / Agents

---

Seriya ng Generative AI

---

Pangunahing Pag-aaral

---

Seriya ng Copilot

Pagkuha ng Tulong

May mga suliranin ba? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa mga karaniwang problema.

Kung ikaw ay nahihirapan o may mga tanong tungkol sa paggawa ng AI apps, sumali sa kapwa mga nag-aaral at mga bihasang developer sa talakayan tungkol sa MCP. Ito ay isang suportadong komunidad kung saan malugod ang mga tanong at malayang naibabahagi ang kaalaman.

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

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagamat nagsusumikap kaming maging tumpak, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o di-tumpak na impormasyon. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasaling-tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring idulot ng paggamit ng pagsasaling ito.