31 KiB

Raw Permalink Blame History

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

Azure Cloud Advocates ที่ Microsoft มีความยินดีที่จะนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำที่เขียนไว้สำหรับการทำบทเรียน โซลูชัน และงานมอบหมาย วิธีการเรียนรู้แบบเน้นโครงการช่วยให้คุณเรียนรู้ผ่านการลงมือทำ ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าทำให้ทักษะใหม่ๆ ติดตัวได้อย่างมีประสิทธิภาพ

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

🙏 ขอบคุณพิเศษ 🙏 สำหรับ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจสอบ และผู้มีส่วนร่วมในเนื้อหา, โดยเฉพาะ 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 - ภาพสเก็ตช์โดย @nitya

🌐 การสนับสนุนหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ)

หากคุณต้องการให้มีการสนับสนุนภาษาเพิ่มเติม รายการภาษาที่รองรับอยู่ ที่นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์การเรียนรู้กับ AI ที่กำลังดำเนินการอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่วันที่ 18 - 25 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคในการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยทรัพยากรต่อไปนี้:

หน้าศูนย์นักเรียน ในหน้านี้ คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดเครื่องมือสำหรับนักเรียน และแม้กระทั่งวิธีการรับบัตรรับรองฟรี หน้านี้เป็นหน้าที่คุณควรบุ๊กมาร์กและตรวจสอบเป็นระยะๆ เนื่องจากเรามีการเปลี่ยนแปลงเนื้อหาอย่างน้อยเดือนละครั้ง
Microsoft Learn Student Ambassadors เข้าร่วมชุมชนระดับโลกของนักเรียนแอมบาสเดอร์ นี่อาจเป็นทางเข้าสู่ Microsoft ของคุณ

เริ่มต้นใช้งาน

ครู: เราได้ รวมคำแนะนำบางส่วน เกี่ยวกับวิธีการใช้หลักสูตรนี้ เราอยากได้ความคิดเห็นของคุณ ในฟอรัมการสนทนาของเรา!

นักเรียน: หากต้องการใช้หลักสูตรนี้ด้วยตัวเอง ให้ fork repo ทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง โดยเริ่มต้นด้วยแบบทดสอบก่อนการบรรยาย จากนั้นอ่านการบรรยายและทำกิจกรรมที่เหลือ พยายามสร้างโครงการโดยการทำความเข้าใจบทเรียนแทนที่จะคัดลอกรหัสโซลูชัน อย่างไรก็ตาม รหัสนั้นมีอยู่ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโครงการ อีกแนวคิดหนึ่งคือการสร้างกลุ่มการศึกษาและเรียนรู้เนื้อหาด้วยกัน สำหรับการศึกษาเพิ่มเติม เราแนะนำ Microsoft Learn

พบกับทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและผู้ที่สร้างมันขึ้นมา!

วิธีการสอน

เราได้เลือกหลักการสอนสองข้อในขณะที่สร้างหลักสูตรนี้: การทำให้เป็นแบบเน้นโครงการและการรวมแบบทดสอบบ่อยๆ เมื่อจบซีรีส์นี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการทำงานกับข้อมูลในรูปแบบต่างๆ การสร้างภาพข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่นๆ

นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนคลาสจะช่วยตั้งเจตนาของนักเรียนในการเรียนรู้หัวข้อ ในขณะที่แบบทดสอบที่สองหลังคลาสช่วยเพิ่มการจดจำ หลักสูตรนี้ถูกออกแบบมาให้ยืดหยุ่นและสนุกสนาน และสามารถเรียนได้ทั้งแบบเต็มหรือบางส่วน โครงการเริ่มต้นจากขนาดเล็กและมีความซับซ้อนมากขึ้นเมื่อจบวงจร 10 สัปดาห์

ค้นหา Code of Conduct, Contributing, Translation แนวทางปฏิบัติ เราขอขอบคุณความคิดเห็นที่สร้างสรรค์ของคุณ!

แต่ละบทเรียนประกอบด้วย:

สเก็ตโน้ต (ตัวเลือก)
วิดีโอเสริม (ตัวเลือก)
แบบทดสอบอุ่นเครื่องก่อนเริ่มบทเรียน
บทเรียนที่เขียนขึ้น
สำหรับบทเรียนที่เน้นโครงการ: คู่มือทีละขั้นตอนในการสร้างโครงการ
การตรวจสอบความรู้
ความท้าทาย
การอ่านเสริม
งานที่มอบหมาย
แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App รวมทั้งหมด 40 แบบทดสอบ โดยแต่ละแบบทดสอบมี 3 คำถาม แบบทดสอบเหล่านี้เชื่อมโยงจากภายในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้บน Azure; ทำตามคำแนะนำในโฟลเดอร์ quiz-app แบบทดสอบกำลังถูกแปลเป็นภาษาท้องถิ่นอย่างค่อยเป็นค่อยไป

บทเรียน


วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่นำทาง - สเก็ตโน้ตโดย @nitya

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	บทเรียนที่เชื่อมโยง	ผู้เขียน
01	การนิยามวิทยาศาสตร์ข้อมูล	บทนำ	เรียนรู้แนวคิดพื้นฐานของวิทยาศาสตร์ข้อมูลและความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และข้อมูลขนาดใหญ่	บทเรียน วิดีโอ	Dmitry
02	จริยธรรมในวิทยาศาสตร์ข้อมูล	บทนำ	แนวคิดเกี่ยวกับจริยธรรมในข้อมูล ความท้าทาย และกรอบการทำงาน	บทเรียน	Nitya
03	การนิยามข้อมูล	บทนำ	วิธีการจำแนกข้อมูลและแหล่งข้อมูลทั่วไป	บทเรียน	Jasmine
04	บทนำสู่สถิติและความน่าจะเป็น	บทนำ	เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติเพื่อทำความเข้าใจข้อมูล	บทเรียน วิดีโอ	Dmitry
05	การทำงานกับข้อมูลเชิงสัมพันธ์	การทำงานกับข้อมูล	บทนำเกี่ยวกับข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วย Structured Query Language หรือ SQL (ออกเสียงว่า "ซีเควล")	บทเรียน	Christopher
06	การทำงานกับข้อมูล NoSQL	การทำงานกับข้อมูล	บทนำเกี่ยวกับข้อมูลที่ไม่ใช่เชิงสัมพันธ์ ประเภทต่าง ๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร	บทเรียน	Jasmine
07	การทำงานกับ Python	การทำงานกับข้อมูล	พื้นฐานการใช้ Python เพื่อสำรวจข้อมูลด้วยไลบรารี เช่น Pandas ความเข้าใจพื้นฐานเกี่ยวกับการเขียนโปรแกรม Python เป็นสิ่งที่แนะนำ	บทเรียน วิดีโอ	Dmitry
08	การเตรียมข้อมูล	การทำงานกับข้อมูล	หัวข้อเกี่ยวกับเทคนิคการทำความสะอาดและแปลงข้อมูลเพื่อจัดการกับความท้าทายของข้อมูลที่ขาดหาย ไม่ถูกต้อง หรือไม่สมบูรณ์	บทเรียน	Jasmine
09	การแสดงผลปริมาณข้อมูล	การแสดงผลข้อมูล	เรียนรู้วิธีใช้ Matplotlib เพื่อแสดงผลข้อมูลนก 🦆	บทเรียน	Jen
10	การแสดงผลการกระจายของข้อมูล	การแสดงผลข้อมูล	การแสดงผลการสังเกตและแนวโน้มภายในช่วงเวลา	บทเรียน	Jen
11	การแสดงผลสัดส่วน	การแสดงผลข้อมูล	การแสดงผลเปอร์เซ็นต์แบบแยกและแบบกลุ่ม	บทเรียน	Jen
12	การแสดงผลความสัมพันธ์	การแสดงผลข้อมูล	การแสดงผลการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลและตัวแปร	บทเรียน	Jen
13	การแสดงผลที่มีความหมาย	การแสดงผลข้อมูล	เทคนิคและคำแนะนำในการทำให้การแสดงผลของคุณมีคุณค่าเพื่อการแก้ปัญหาและการให้ข้อมูลเชิงลึกอย่างมีประสิทธิภาพ	บทเรียน	Jen
14	บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูล	วงจรชีวิต	บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูลและขั้นตอนแรกของการได้มาและการดึงข้อมูล	บทเรียน	Jasmine
15	การวิเคราะห์	วงจรชีวิต	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นไปที่เทคนิคการวิเคราะห์ข้อมูล	บทเรียน	Jasmine
16	การสื่อสาร	วงจรชีวิต	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นไปที่การนำเสนอข้อมูลเชิงลึกจากข้อมูลในรูปแบบที่ทำให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น	บทเรียน	Jalen
17	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลในระบบคลาวด์	ชุดบทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลในระบบคลาวด์และประโยชน์ของมัน	บทเรียน	Tiffany และ Maud
18	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลในระบบคลาวด์	การฝึกอบรมโมเดลโดยใช้เครื่องมือ Low Code	บทเรียน	Tiffany และ Maud
19	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลในระบบคลาวด์	การปรับใช้โมเดลด้วย Azure Machine Learning Studio	บทเรียน	Tiffany และ Maud
20	วิทยาศาสตร์ข้อมูลในโลกจริง	ในโลกจริง	โครงการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกจริง	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเหล่านี้เพื่อเปิดตัวอย่างนี้ใน Codespace:

คลิกเมนูแบบเลื่อนลง Code และเลือกตัวเลือก Open with Codespaces
เลือก + New codespace ที่ด้านล่างของแผง สำหรับข้อมูลเพิ่มเติม ดู เอกสาร GitHub.

VSCode Remote - Containers

ทำตามขั้นตอนเหล่านี้เพื่อเปิด repo นี้ใน container โดยใช้เครื่องในพื้นที่ของคุณและ VSCode ด้วยส่วนขยาย VS Code Remote - Containers:

หากนี่เป็นครั้งแรกที่คุณใช้ container สำหรับการพัฒนา โปรดตรวจสอบให้แน่ใจว่าระบบของคุณตรงตามข้อกำหนดเบื้องต้น (เช่น ติดตั้ง Docker) ใน เอกสารการเริ่มต้นใช้งาน.

ในการใช้ repository นี้ คุณสามารถเปิด repository ใน volume Docker ที่แยกออกมา:

หมายเหตุ: เบื้องหลังจะใช้คำสั่ง Remote-Containers: Clone Repository in Container Volume... เพื่อโคลนซอร์สโค้ดใน volume Docker แทนที่จะเป็นระบบไฟล์ในพื้นที่ Volumes เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูล container

หรือเปิดเวอร์ชันที่โคลนหรือดาวน์โหลดในพื้นที่ของ repository:

โคลน repository นี้ไปยังระบบไฟล์ในพื้นที่ของคุณ
กด F1 และเลือกคำสั่ง Remote-Containers: Open Folder in Container...
เลือกสำเนาที่โคลนของโฟลเดอร์นี้ รอให้ container เริ่มต้น และลองใช้งาน

การเข้าถึงแบบออฟไลน์

คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ Docsify. Fork repo นี้, ติดตั้ง Docsify บนเครื่องในพื้นที่ของคุณ จากนั้นในโฟลเดอร์รากของ repo นี้ พิมพ์ docsify serve. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บน localhost ของคุณ: localhost:3000.

หมายเหตุ โน้ตบุ๊กจะไม่ถูกแสดงผลผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้ทำสิ่งนั้นแยกต่างหากใน VS Code โดยใช้ kernel Python

หลักสูตรอื่น ๆ

ทีมของเราผลิตหลักสูตรอื่น ๆ! ดูที่:

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษาจากผู้เชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้

31 KiB Raw Permalink Blame History