15 KiB

Raw Blame History Unescape Escape

数据科学入门 - 课程大纲

Azure 云倡导者团队很高兴为大家提供一个为期10周、共20节课的完整数据科学课程。每节课都包含课前和课后测验、完成课程的书面指导、解决方案以及作业。我们的项目式教学法让你在实践中学习，这是一种被证明能让新技能“扎根”的有效方式。

特别感谢我们的作者们： Jasmine Greenaway、Dmitry Soshnikov、Nitya Narasimhan、Jalen McGee、Jen Looper、Maud Levy、Tiffany Souterre、Christopher Harrison。

🙏 特别感谢 🙏 我们的 Microsoft Student Ambassador 作者、审阅者和内容贡献者们， 特别是 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。


数据科学入门 - 由 @nitya 绘制的草图笔记

公告 - 新的生成式 AI 课程已发布！

我们刚刚发布了一个关于生成式 AI 的12节课课程。你将学习以下内容：

提示和提示工程
文本和图像应用生成
搜索应用

和往常一样，每节课都包含课程内容、作业、知识检查和挑战。

查看课程：

https://aka.ms/genai-beginners

你是学生吗？

可以从以下资源开始：

学生中心页面在这个页面，你可以找到入门资源、学生包，甚至有机会获得免费认证券。建议将此页面加入书签并定期查看，因为我们至少每月更新一次内容。
Microsoft Learn 学生大使加入一个全球学生大使社区，这可能是你进入微软的机会。

入门指南

教师们：我们提供了一些建议，帮助您使用这套课程。我们期待您在讨论论坛中的反馈！

学生们：如果你想自己学习这套课程，可以 fork 整个仓库并独立完成练习，从课前测验开始。然后阅读课程内容并完成其他活动。尝试通过理解课程内容来创建项目，而不是直接复制解决方案代码；不过，解决方案代码可以在每个项目课程的 /solutions 文件夹中找到。另一个建议是与朋友组成学习小组，一起学习内容。对于进一步学习，我们推荐 Microsoft Learn。

团队介绍

Gif 制作： Mohit Jaisal

🎥 点击上方图片观看关于项目及其创建者的视频！

教学法

在设计这套课程时，我们选择了两个教学原则：确保课程是基于项目的，并且包含频繁的测验。在本系列课程结束时，学生将学习到数据科学的基本原理，包括伦理概念、数据准备、不同的数据处理方式、数据可视化、数据分析、数据科学的实际应用案例等。

此外，课前的低压力测验可以帮助学生集中注意力学习某个主题，而课后的测验则能进一步巩固知识。这套课程设计灵活有趣，可以完整学习，也可以部分学习。项目从简单开始，到10周课程结束时逐渐变得复杂。

查看我们的行为准则、贡献指南、翻译指南。我们欢迎您的建设性反馈！

每节课包含：

可选的草图笔记
可选的补充视频
课前热身测验
书面课程内容
对于基于项目的课程，提供逐步构建项目的指南
知识检查
挑战
补充阅读
作业
课后测验

关于测验的说明：所有测验都包含在 Quiz-App 文件夹中，共有40个测验，每个测验包含三个问题。测验链接嵌入在课程中，但测验应用可以在本地运行或部署到 Azure；请按照 quiz-app 文件夹中的说明操作。测验正在逐步进行本地化。

课程内容


数据科学入门：路线图 - 由 @nitya 绘制的草图笔记

课程编号	主题	课程分组	学习目标	链接课程	作者
01	定义数据科学	简介	学习数据科学的基本概念，以及它与人工智能、机器学习和大数据的关系。	课程视频	Dmitry
02	数据科学伦理	简介	数据伦理的概念、挑战和框架。	课程	Nitya
03	定义数据	简介	数据的分类及其常见来源。	课程	Jasmine
04	统计与概率简介	简介	使用概率和统计的数学技术来理解数据。	课程视频	Dmitry
05	使用关系数据	数据处理	介绍关系数据，以及使用结构化查询语言（SQL，发音为“see-quell”）探索和分析关系数据的基础知识。	课程	Christopher
06	使用 NoSQL 数据	数据处理	介绍非关系数据的各种类型，以及探索和分析文档数据库的基础知识。	课程	Jasmine
07	使用 Python	数据处理	使用 Python 进行数据探索的基础知识，包括 Pandas 等库。建议具备 Python 编程的基础知识。	课程视频	Dmitry
08	数据准备	数据处理	讨论清理和转换数据的技术，以应对缺失、不准确或不完整数据的挑战。	课程	Jasmine
09	数量可视化	数据可视化	学习如何使用 Matplotlib 可视化鸟类数据 🦆	课程	Jen
10	数据分布可视化	数据可视化	可视化区间内的观察和趋势。	课程	Jen
11	比例可视化	数据可视化	可视化离散和分组百分比。	课程	Jen
12	关系可视化	数据可视化	可视化数据集及其变量之间的连接和相关性。	课程	Jen
13	有意义的可视化	数据可视化	提供技术和指导，使您的可视化在解决问题和洞察方面更有价值。	课程	Jen
14	数据科学生命周期简介	生命周期	介绍数据科学生命周期及其第一步：数据获取和提取。	课程	Jasmine
15	数据分析	生命周期	数据科学生命周期的这一阶段专注于数据分析技术。	课程	Jasmine
16	数据沟通	生命周期	数据科学生命周期的这一阶段专注于以易于决策者理解的方式呈现数据洞察。	课程	Jalen
17	云中的数据科学	云数据	这一系列课程介绍了云中的数据科学及其优势。	课程	Tiffany 和 Maud
18	云中的数据科学	云数据	使用低代码工具训练模型。	课程	Tiffany 和 Maud
19	云中的数据科学	云数据	使用 Azure Machine Learning Studio 部署模型。	课程	Tiffany 和 Maud
20	野外的数据科学	真实场景	数据科学驱动的真实世界项目。	课程	Nitya

GitHub Codespaces

按照以下步骤在 Codespace 中打开此示例：

点击“Code”下拉菜单，选择“Open with Codespaces”选项。
在面板底部选择“+ New codespace”。更多信息，请查看 GitHub 文档。

VSCode Remote - Containers

按照以下步骤使用本地机器和 VSCode 的 VS Code Remote - Containers 扩展在容器中打开此仓库：

如果这是您第一次使用开发容器，请确保您的系统满足前置要求（例如安装了 Docker），请参考入门文档。

要使用此仓库，您可以选择在隔离的 Docker 卷中打开仓库：

注意：底层将使用 Remote-Containers 的 Clone Repository in Container Volume... 命令将源代码克隆到 Docker 卷中，而不是本地文件系统。卷是持久化容器数据的首选机制。

或者打开本地克隆或下载的仓库版本：

将此仓库克隆到您的本地文件系统。
按 F1 并选择 Remote-Containers: Open Folder in Container... 命令。
选择此文件夹的克隆副本，等待容器启动，然后尝试操作。

离线访问

您可以使用 Docsify 离线运行此文档。Fork 此仓库，在您的本地机器上安装 Docsify，然后在此仓库的根文件夹中输入 docsify serve。网站将在您的本地主机的 3000 端口上运行：localhost:3000。

注意，笔记本文件不会通过 Docsify 渲染，因此当您需要运行笔记本时，请在运行 Python 内核的 VS Code 中单独运行。

寻求帮助！

如果您希望翻译全部或部分课程，请参考我们的翻译指南。

其他课程

我们的团队还制作了其他课程！查看以下内容：

免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言版本的文档应被视为权威来源。对于重要信息，建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。

15 KiB Raw Blame History Unescape Escape