17 KiB

Raw Permalink Blame History Unescape Escape

初學者的資料科學課程

Azure Cloud Advocates 團隊很高興為大家提供一個為期 10 週、共 20 節課的資料科學課程。每節課包含課前與課後測驗、完成課程的書面指導、解答以及作業。我們採用以專案為基礎的教學法，讓您在實作中學習，這是一種能讓新技能更牢固記住的有效方式。

衷心感謝我們的作者們： Jasmine Greenaway、Dmitry Soshnikov、Nitya Narasimhan、Jalen McGee、Jen Looper、Maud Levy、Tiffany Souterre、Christopher Harrison。

🙏 特別感謝 🙏 我們的 Microsoft 學生大使作者、審稿人及內容貢獻者們， 特別是 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。


資料科學初學者課程 - 由 @nitya 繪製的草圖

🌐 多語言支援

透過 GitHub Action 支援（自動化且始終保持最新）

如果您希望支援其他語言，請參考這裡

加入我們的社群

您是學生嗎？

可以從以下資源開始：

學生中心頁面在這個頁面，您可以找到初學者資源、學生套件，甚至有機會獲得免費認證券。這是您應該收藏並定期查看的頁面，因為我們至少每月更新一次內容。
Microsoft 學生大使加入一個全球性的學生大使社群，這可能是您進入 Microsoft 的途徑。

開始學習

教師們：我們已提供一些建議來幫助您使用這份課程。我們非常期待您在討論論壇中的回饋！

學生們：如果您想自行使用這份課程，請 fork 整個 repo 並自行完成練習，從課前測驗開始。然後閱讀課程內容並完成其餘活動。嘗試通過理解課程來創建專案，而不是直接複製解答程式碼；不過，解答程式碼可以在每個專案導向課程的 /solutions 資料夾中找到。另一個建議是與朋友組成學習小組，一起學習這些內容。進一步學習，我們推薦 Microsoft Learn。

認識團隊

Gif 作者 Mohit Jaisal

🎥 點擊上方圖片觀看關於這個專案及其創作者的影片！

教學法

在設計這份課程時，我們選擇了兩個教學原則：確保課程以專案為基礎，並且包含頻繁的測驗。到本系列結束時，學生將學習到資料科學的基本原則，包括倫理概念、資料準備、不同的資料處理方式、資料視覺化、資料分析、資料科學的實際應用案例等。

此外，課前的低壓力測驗能幫助學生設定學習主題的方向，而課後的第二次測驗則能進一步加強記憶。這份課程設計靈活且有趣，可以整體學習，也可以部分學習。專案從簡單開始，並在 10 週的學習週期結束時逐漸變得更為複雜。

查看我們的行為準則、貢獻指南、翻譯指南。我們歡迎您的建設性意見！

每堂課包含：

可選的手繪筆記
可選的補充影片
課前暖身測驗
書面課程
專案型課程的逐步指南，教你如何完成專案
知識檢查
挑戰
補充閱讀
作業
課後測驗

關於測驗的說明：所有測驗都包含在 Quiz-App 資料夾中，共有 40 個測驗，每個測驗包含三個問題。測驗在課程中有連結，但測驗應用程式可以在本地運行或部署到 Azure；請按照 quiz-app 資料夾中的指示操作。測驗正在逐步本地化。

課程


初學者的數據科學：學習路線圖 - 手繪筆記由 @nitya 提供

課程編號	主題	課程分組	學習目標	課程連結	作者
01	定義數據科學	簡介	學習數據科學的基本概念，以及它與人工智慧、機器學習和大數據的關係。	課程影片	Dmitry
02	數據科學倫理	簡介	數據倫理的概念、挑戰與框架。	課程	Nitya
03	定義數據	簡介	數據的分類及其常見來源。	課程	Jasmine
04	統計與概率入門	簡介	使用概率與統計的數學技術來理解數據。	課程影片	Dmitry
05	使用關聯數據	使用數據	關聯數據的介紹，以及使用結構化查詢語言（SQL，讀作“see-quell”）探索和分析關聯數據的基礎。	課程	Christopher
06	使用 NoSQL 數據	使用數據	非關聯數據的介紹、其各種類型，以及探索和分析文件型數據庫的基礎。	課程	Jasmine
07	使用 Python	使用數據	使用 Python 進行數據探索的基礎，並使用如 Pandas 等庫。建議具備 Python 程式設計的基礎知識。	課程影片	Dmitry
08	數據準備	使用數據	數據清理與轉換技術，應對缺失、不準確或不完整數據的挑戰。	課程	Jasmine
09	數量的可視化	數據可視化	學習如何使用 Matplotlib 可視化鳥類數據 🦆	課程	Jen
10	數據分佈的可視化	數據可視化	可視化區間內的觀察與趨勢。	課程	Jen
11	比例的可視化	數據可視化	可視化離散與分組百分比。	課程	Jen
12	關係的可視化	數據可視化	可視化數據集及其變數之間的連結與相關性。	課程	Jen
13	有意義的可視化	數據可視化	提供有效解決問題與洞察的可視化技術與指導。	課程	Jen
14	數據科學生命周期簡介	生命周期	數據科學生命周期的介紹及其第一步：數據的獲取與提取。	課程	Jasmine
15	分析	生命周期	數據科學生命周期中專注於數據分析的技術。	課程	Jasmine
16	溝通	生命周期	數據科學生命周期中專注於以易於決策者理解的方式呈現數據洞察。	課程	Jalen
17	雲端中的數據科學	雲端數據	這系列課程介紹雲端中的數據科學及其優勢。	課程	Tiffany 和 Maud
18	雲端中的數據科學	雲端數據	使用低代碼工具訓練模型。	課程	Tiffany 和 Maud
19	雲端中的數據科學	雲端數據	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany 和 Maud
20	野外的數據科學	野外數據	現實世界中的數據科學驅動專案。	課程	Nitya

GitHub Codespaces

按照以下步驟在 Codespace 中開啟此範例：

點擊 Code 下拉選單，選擇 Open with Codespaces 選項。
在面板底部選擇 + New codespace。更多資訊請參考 GitHub 文件。

VSCode Remote - Containers

按照以下步驟使用本地機器和 VSCode 的 VS Code Remote - Containers 擴展在容器中開啟此 repo：

如果是第一次使用開發容器，請確保您的系統符合前置需求（例如已安裝 Docker），詳情請參考入門文件。

使用此 repo 時，可以選擇在隔離的 Docker 卷中開啟：

注意：此操作將使用 Remote-Containers: Clone Repository in Container Volume... 命令將原始碼克隆到 Docker 卷中，而非本地文件系統。卷是持久化容器數據的首選機制。

或者開啟本地克隆或下載的 repo 版本：

將此 repo 克隆到本地文件系統。
按 F1，選擇 Remote-Containers: Open Folder in Container... 命令。
選擇克隆的資料夾副本，等待容器啟動，然後試用。

離線存取

您可以使用 Docsify 離線運行此文件。Fork 此 repo，並在本地機器上安裝 Docsify，然後在此 repo 的根目錄中輸入 docsify serve。網站將在本地端的 3000 端口上運行：localhost:3000。

注意，筆記本無法通過 Docsify 渲染，因此需要運行筆記本時，請在 VS Code 中使用 Python 核心單獨運行。

其他課程

我們的團隊還製作了其他課程！查看以下內容：

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不精確之處。原始語言的文件應被視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。

17 KiB Raw Permalink Blame History Unescape Escape