Data-Science-For-Beginners/translations/uk

Data Science для початківців - Навчальна програма

Фахівці Azure Cloud Advocates з Microsoft раді запропонувати 10-тижневий курс з 20 уроків, присвячений Data Science. Кожен урок включає підготовчі та підсумкові тести, письмові інструкції для виконання уроку, рішення та завдання. Наша орієнтована на проекти методика навчання дозволяє вивчати матеріал, одночасно створюючи проекти — перевірений спосіб закріпити нові навички.

Щира подяка нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Особлива подяка 🙏 нашим авторам, рецензентам та контент-співавтором з Microsoft Student Ambassador, зокрема 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 для початківців - Нотатка від @nitya

🌐 Підтримка кількох мов

Підтримується через GitHub Action (автоматично та завжди актуально)

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

Віддаєте перевагу клонувати локально?

Цей репозиторій включає понад 50 мовних перекладів, що суттєво збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте 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"

Це дасть вам усе необхідне для проходження курсу з набагато швидшим завантаженням.

Якщо ви бажаєте, щоб підтримувались додаткові мови перекладів, вони перелічені тут

Приєднуйтесь до нашої спільноти

Ми проводимо серію навчань у Discord із AI, дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі використання GitHub Copilot для Data Science.

Ви студент?

Почніть із наступних ресурсів:

• Сторінка Student Hub Тут ви знайдете ресурси для початківців, студентські пакети та навіть можливості отримати безкоштовний ваучер на сертифікацію. Це сторінка, яку варто додати в закладки та час від часу переглядати, оскільки ми оновлюємо контент щонайменше щомісяця.
• Microsoft Learn Student Ambassadors Приєднайтеся до глобальної спільноти студентських послів — можливо, це ваш шлях до Microsoft.

Початок роботи

📚 Документація

• Посібник з встановлення - покрокові інструкції налаштування для початківців
• Посібник з використання - приклади та базові робочі процеси
• Вирішення проблем - рішення поширених проблем
• Посібник для внеску - як долучитися до цього проєкту
• Для викладачів - рекомендації для навчання та ресурси для класу

👨‍🎓 Для студентів

Повні новачки: Новачок у Data Science? Почніть з наших приємних для початківців прикладів! Ці прості, добре прокоментовані приклади допоможуть зрозуміти основи перед тим, як поринути у повну навчальну програму. Студенти: щоб використовувати цю навчальну програму самостійно, зробіть форк всього репозиторію та виконуйте вправи самостійно, починаючи з підготовчого тесту до лекції. Потім прочитайте лекцію і виконуйте решту завдань. Намагайтесь створювати проекти, розуміючи уроки, а не просто копіюючи код рішень; однак цей код доступний у папках /solutions у кожному уроку, орієнтованому на проекти. Іншим варіантом є створення навчальної групи з друзями для проходження матеріалу разом. Для додаткового вивчення рекомендуємо Microsoft Learn.

Швидкий старт:

1. Ознайомтесь із Посібником з встановлення, щоб налаштувати середовище
2. Перегляньте Посібник з використання, щоб навчитися працювати з навчальною програмою
3. Почніть з уроку 1 та виконуйте послідовно
4. Приєднуйтесь до нашої спільноти Discord для підтримки

👩‍🏫 Для викладачів

Вчителям: ми включили кілька пропозицій щодо того, як використовувати цей навчальний план. Ми будемо раді вашим відгукам на нашому форумі для обговорень!

Зустріч з командою

Гіфка від Mohit Jaisal

🎥 Натисніть на зображення вище, щоб подивитися відео про проект та людей, які його створили!

Педагогіка

Ми обрали два педагогічні принципи під час створення цього навчального плану: забезпечення проектної орієнтації та включення частих вікторин. Наприкінці цього циклу студенти оволодіють базовими принципами науки про дані, включно з етичними концепціями, підготовкою даних, різними способами роботи з даними, візуалізацією даних, аналізом даних, реальними кейсами використання науки про дані та багато іншого.

Крім того, вікторина з низькою ставкою перед заняттям налаштовує намір студента вивчити тему, а друга вікторина після заняття забезпечує краще засвоєння матеріалу. Цей навчальний план створений бути гнучким і цікавим, його можна проходити повністю або частково. Проекти починаються з простих і стають складнішими до кінця 10-тижневого циклу.

Знайдіть наші Кодекс поведінки, Внесок, Переклад керівництва. Ми вітаємо ваші конструктивні відгуки!

Кожен урок включає:

• Опціональний скетчноут
• Опціональне додаткове відео
• Розминкову вікторину перед уроком
• Текстовий урок
• Для проектно-орієнтованих уроків: покрокові інструкції зі створення проекту
• Перевірку знань
• Виклик
• Додаткове читання
• Завдання
• Вікторина після уроку

Примітка про вікторини: Всі вікторини знаходяться в папці Quiz-App, усього 40 вікторин по три питання у кожній. Вони пов’язані з уроками, але додаток для вікторин можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці quiz-app. Вікторини поступово локалізуються.

🎓 Приклади для початківців

Новачок у Науці про Дані? Ми створили спеціальний каталог прикладів з простим, добре прокоментованим кодом, щоб допомогти вам почати:

• 🌟 Hello World - Ваша перша програма з науки про дані
• 📂 Завантаження даних - Навчіться читати та досліджувати набори даних
• 📊 Простий аналіз - Обчислення статистики та пошук закономірностей
• 📈 Базова візуалізація - Створення графіків та діаграм
• 🔬 Реальний проект - Повний робочий процес від початку до кінця

Кожен приклад містить детальні коментарі, що пояснюють кожен крок, що робить його ідеальним для абсолютних початківців!

👉 Почніть з прикладів 👈

Уроки

Наука про дані для початківців: дорожня карта - скетчноут від @nitya

Номер уроку	Тема	Група уроків	Цілі навчання	Пов’язаний урок	Автор
01	Визначення науки про дані	Вступ	Вивчити базові поняття науки про дані та як вона пов’язана зі штучним інтелектом, машинним навчанням і великими даними.	урок відео	Дмитро
02	Етика науки про дані	Вступ	Поняття етики даних, виклики та рамки.	урок	Нітія
03	Визначення даних	Вступ	Як класифікуються дані та їх основні джерела.	урок	Жасмин
04	Вступ до статистики та ймовірності	Вступ	Математичні методи ймовірності та статистики для розуміння даних.	урок відео	Дмитро
05	Робота з реляційними даними	Робота з даними	Вступ до реляційних даних та основи дослідження і аналізу реляційних даних за допомогою мови структурованих запитів, або SQL (вимовляється «сі-квелл»).	урок	Крістофер
06	Робота з NoSQL даними	Робота з даними	Вступ до нереляційних даних, їх різновиди та основи дослідження і аналізу документних баз даних.	урок	Жасмин
07	Робота з Python	Робота з даними	Основи використання Python для дослідження даних з бібліотеками, такими як Pandas. Рекомендовано базове розуміння програмування на Python.	урок відео	Дмитро
08	Підготовка даних	Робота з даними	Теми про методики очищення і трансформації даних для вирішення проблем відсутніх, неточних або неповних даних.	урок	Жасмин
09	Візуалізація кількостей	Візуалізація даних	Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆	урок	Джен
10	Візуалізація розподілів даних	Візуалізація даних	Візуалізація спостережень і тенденцій в межах інтервалу.	урок	Джен
11	Візуалізація пропорцій	Візуалізація даних	Візуалізація дискретних і згрупованих відсотків.	урок	Джен
12	Візуалізація взаємозв’язків	Візуалізація даних	Візуалізація зв’язків і кореляцій між наборами даних та їх змінними.	урок	Джен
13	Змістовні візуалізації	Візуалізація даних	Методики та рекомендації щодо створення візуалізацій, які цінні для ефективного вирішення проблем і отримання інсайтів.	урок	Джен
14	Вступ до життєвого циклу науки про дані	Життєвий цикл	Вступ до життєвого циклу науки про дані та його першого етапу — збору та вилучення даних.	урок	Жасмин
15	Аналіз	Життєвий цикл	Цей етап життєвого циклу науки про дані зосереджений на техніках аналізу даних.	урок	Жасмин
16	Комунікація	Життєвий цикл	Цей етап життєвого циклу науки про дані зосереджений на поданні інсайтів із даних у спосіб, що полегшує розуміння для приймачів рішень.	урок	Джален
17	Наука про дані в хмарі	Хмарні дані	Цей цикл уроків знайомить із наукою про дані в хмарі та її перевагами.	урок	Тіффані та Мод
18	Наука про дані в хмарі	Хмарні дані	Навчання моделей із використанням інструментів Low Code.	урок	Тіффані та Мод
19	Наука про дані в хмарі	Хмарні дані	Розгортання моделей із Azure Machine Learning Studio.	урок	Тіффані та Мод
20	Наука про дані в реальному світі	У природі	Проекти, що ґрунтуються на науці про дані у реальному світі.	урок	Нітія

GitHub Codespaces

Виконайте ці кроки, щоб відкрити цей приклад у Codespace:

1. Натисніть меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace у нижній частині панелі. Для додаткової інформації перегляньте документацію GitHub.

VSCode Remote - Контейнери

Виконайте ці кроки, щоб відкрити це сховище в контейнері на вашому локальному комп’ютері за допомогою VSCode та розширення VS Code Remote - Containers:

1. Якщо ви вперше використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає вимогам (наприклад, встановлений Docker) за посиланням у документації для початку роботи.

Щоб використовувати це сховище, ви можете або відкрити сховище в ізольованому Docker-томі:

Примітка: Під капотом це використовуватиме команду Remote-Containers: Clone Repository in Container Volume... для клонування вихідного коду у том Docker замість використання локальної файлової системи. Томи є рекомендованим механізмом збереження даних контейнера.

Або відкрийте локально клоновану або завантажену версію сховища:

• Клонуйте це сховище у вашу локальну файлову систему.
• Натисніть F1 і оберіть команду Remote-Containers: Open Folder in Container....
• Виберіть клоновану копію цієї папки, зачекайте на запуск контейнера та почніть працювати.

Оффлайн доступ

Ви можете переглядати цю документацію офлайн, використовуючи Docsify. Відфоркуйте це сховище, встановіть Docsify на своєму локальному комп’ютері, а потім у кореневій папці сховища введіть docsify serve. Вебсайт буде доступний на порту 3000 за адресою localhost: localhost:3000.

Зверніть увагу, що нотатки не будуть рендеритись через Docsify, тому якщо потрібно запустити ноутбук, робіть це окремо у VS Code з використанням Python кернела.

Інші навчальні програми

Наша команда створює й інші навчальні програми! Ознайомтесь:

LangChain

Azure / Edge / MCP / Агенти

---

Серія Generative AI

---

Основне навчання

---

Серія Copilot

Отримання допомоги

Сталися проблеми? Перегляньте наш Посібник з усунення несправностей для вирішення поширених проблем.

Якщо ви застрягли або маєте питання щодо створення AI-застосунків, приєднуйтеся до інших учнів та досвідчених розробників у обговоренні MCP. Це підтримуюча спільнота, де вітаються запитання і де знання вільно діляться.

Якщо у вас є відгуки про продукт або ви зіткнулися з помилками під час розробки, відвідайте:

---

Відмова від відповідальності:
Цей документ був перекладений із використанням сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки чи неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом інформації. Для критично важливої інформації рекомендується звертатись до професійного перекладача. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.