Data-Science-For-Beginners/translations/uk

Основи науки про дані - Навчальна програма

Azure Cloud Advocates у Microsoft раді запропонувати 10-тижневу навчальну програму, що складається з 20 уроків, присвячених науці про дані. Кожен урок включає тести перед і після заняття, письмові інструкції для виконання завдання, рішення та домашнє завдання. Наш підхід, заснований на проєктах, дозволяє навчатися через практику, що є перевіреним способом закріплення нових навичок.

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

🙏 Особлива подяка 🙏 нашим Microsoft Student Ambassador авторам, рецензентам та учасникам контенту, 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

Наука про дані для початківців - Скетчнот від @nitya

🌐 Підтримка багатомовності

Підтримується через GitHub Action (Автоматично та завжди актуально)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Якщо ви хочете додати підтримку інших мов, список доступних мов наведено тут

Приєднуйтесь до нашої спільноти

Ми проводимо серію навчань з AI у Discord, дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 25 вересня 2025 року. Ви отримаєте поради та хитрощі щодо використання GitHub Copilot для науки про дані.

Ви студент?

Розпочніть з наступних ресурсів:

• Сторінка для студентів На цій сторінці ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний сертифікат. Це сторінка, яку варто додати в закладки та час від часу перевіряти, оскільки ми змінюємо контент щонайменше раз на місяць.
• Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентів-амбасадорів, це може стати вашим шляхом до Microsoft.

Початок роботи

Вчителі: ми додали кілька пропозицій щодо використання цієї навчальної програми. Нам буде цікаво отримати ваші відгуки у нашому форумі обговорень!

Студенти: щоб використовувати цю навчальну програму самостійно, зробіть форк усього репозиторію та виконуйте завдання самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Спробуйте створювати проєкти, розуміючи уроки, а не копіюючи код рішення; однак цей код доступний у папках /solutions у кожному проєктно-орієнтованому уроці. Ще одна ідея — створити навчальну групу з друзями та проходити контент разом. Для подальшого навчання ми рекомендуємо Microsoft Learn.

Знайомство з командою

Gif створено Mohit Jaisal

🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!

Педагогіка

Ми обрали два педагогічні принципи під час створення цієї навчальної програми: забезпечення її орієнтованості на проєкти та включення частих тестів. До кінця цієї серії студенти вивчать основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, реальні приклади використання науки про дані тощо.

Крім того, тест з низькими ставками перед заняттям налаштовує студента на вивчення теми, а другий тест після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма була розроблена як гнучка та цікава і може бути пройдена повністю або частково. Проєкти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу.

Знайдіть наші Правила поведінки, Рекомендації щодо внеску, Рекомендації щодо перекладу. Ми раді вашим конструктивним відгукам!

Кожен урок включає:

• Опціональний скетчноут
• Опціональне додаткове відео
• Розминковий тест перед уроком
• Письмовий урок
• Для уроків, заснованих на проєктах, покрокові інструкції щодо створення проєкту
• Перевірка знань
• Завдання
• Додаткове читання
• Домашнє завдання
• Тест після уроку

Примітка щодо тестів: Усі тести знаходяться в папці Quiz-App, всього 40 тестів по три питання кожен. Вони пов’язані з уроками, але додаток для тестів можна запустити локально або розгорнути в Azure; дотримуйтесь інструкцій у папці quiz-app. Тести поступово локалізуються.

Уроки

Data Science For Beginners: Roadmap - Скетчноут від @nitya

Номер уроку	Тема	Групування уроків	Цілі навчання	Посилання на урок	Автор
01	Визначення науки про дані	Вступ	Вивчіть основні концепції науки про дані та її зв’язок зі штучним інтелектом, машинним навчанням і великими даними.	урок відео	Dmitry
02	Етика науки про дані	Вступ	Концепції етики даних, виклики та рамки.	урок	Nitya
03	Визначення даних	Вступ	Як класифікуються дані та їхні загальні джерела.	урок	Jasmine
04	Вступ до статистики та ймовірності	Вступ	Математичні методи ймовірності та статистики для розуміння даних.	урок відео	Dmitry
05	Робота з реляційними даними	Робота з даними	Вступ до реляційних даних і основи дослідження та аналізу реляційних даних за допомогою мови структурованих запитів, також відомої як SQL (вимовляється «сі-квел»).	урок	Christopher
06	Робота з NoSQL даними	Робота з даними	Вступ до нереляційних даних, їхніх різновидів і основи дослідження та аналізу документних баз даних.	урок	Jasmine
07	Робота з Python	Робота з даними	Основи використання Python для дослідження даних із бібліотеками, такими як Pandas. Рекомендується базове розуміння програмування на Python.	урок відео	Dmitry
08	Підготовка даних	Робота з даними	Теми щодо методів очищення та трансформації даних для вирішення проблем із відсутніми, неточними або неповними даними.	урок	Jasmine
09	Візуалізація кількісних даних	Візуалізація даних	Вивчіть, як використовувати Matplotlib для візуалізації даних про птахів 🦆	урок	Jen
10	Візуалізація розподілу даних	Візуалізація даних	Візуалізація спостережень і тенденцій у межах інтервалу.	урок	Jen
11	Візуалізація пропорцій	Візуалізація даних	Візуалізація дискретних і згрупованих відсотків.	урок	Jen
12	Візуалізація взаємозв’язків	Візуалізація даних	Візуалізація зв’язків і кореляцій між наборами даних і їхніми змінними.	урок	Jen
13	Змістовні візуалізації	Візуалізація даних	Методи та рекомендації щодо створення візуалізацій, які є цінними для ефективного вирішення проблем і отримання інсайтів.	урок	Jen
14	Вступ до життєвого циклу науки про дані	Життєвий цикл	Вступ до життєвого циклу науки про дані та його першого етапу — отримання та вилучення даних.	урок	Jasmine
15	Аналіз	Життєвий цикл	Ця фаза життєвого циклу науки про дані зосереджена на методах аналізу даних.	урок	Jasmine
16	Комунікація	Життєвий цикл	Ця фаза життєвого циклу науки про дані зосереджена на представленні інсайтів із даних у спосіб, який полегшує розуміння для осіб, що приймають рішення.	урок	Jalen
17	Наука про дані в хмарі	Хмарні дані	Ця серія уроків знайомить із наукою про дані в хмарі та її перевагами.	урок	Tiffany та Maud
18	Наука про дані в хмарі	Хмарні дані	Навчання моделей за допомогою інструментів Low Code.	урок	Tiffany та Maud
19	Наука про дані в хмарі	Хмарні дані	Розгортання моделей за допомогою Azure Machine Learning Studio.	урок	Tiffany та Maud
20	Наука про дані в реальному світі	У реальному світі	Проєкти, керовані наукою про дані, у реальному світі.	урок	Nitya

GitHub Codespaces

Дотримуйтесь цих кроків, щоб відкрити цей приклад у Codespace:

1. Натисніть на випадаюче меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace внизу панелі. Для отримання додаткової інформації перегляньте документацію GitHub.

VSCode Remote - Containers

Дотримуйтесь цих кроків, щоб відкрити цей репозиторій у контейнері за допомогою вашого локального комп’ютера та VSCode, використовуючи розширення VS Code Remote - Containers:

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

Щоб використовувати цей репозиторій, ви можете або відкрити його в ізольованому томі Docker:

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

Або відкрийте локально клоновану або завантажену версію репозиторію:

• Клонуйте цей репозиторій на вашу локальну файлову систему.
• Натисніть F1 і виберіть команду Remote-Containers: Open Folder in Container....
• Виберіть клоновану копію цієї папки, зачекайте, поки контейнер запуститься, і спробуйте.

Офлайн-доступ

Ви можете запустити цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на ваш локальний комп’ютер, потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost: localhost:3000.

Примітка: блокноти не будуть відображатися через Docsify, тому, коли вам потрібно запустити блокнот, зробіть це окремо у VS Code, використовуючи ядро Python.

Інші навчальні програми

Наша команда створює інші навчальні програми! Ознайомтеся з:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• Bash for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• Machine Learning for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for AI Paired Programming
• XR Development for Beginners
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.