18 KiB

Raw Blame History

Data Science pro začátečníky - Kurikulum

Azure Cloud Advocates v Microsoftu s potěšením nabízejí 10týdenní kurikulum s 20 lekcemi zaměřenými na datovou vědu. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš přístup založený na projektech vám umožní učit se prostřednictvím tvorby, což je osvědčený způsob, jak si nové dovednosti lépe osvojit.

Velké díky našim autorům: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Speciální poděkování 🙏 našim Microsoft Student Ambassador autorům, recenzentům a přispěvatelům obsahu, zejména 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 pro začátečníky - Sketchnote od @nitya

🌐 Podpora více jazyků

Podporováno prostřednictvím GitHub Action (Automatizované & vždy aktuální)

Pokud si přejete přidat další překlady, seznam podporovaných jazyků najdete zde

Připojte se k naší komunitě

Jste student?

Začněte s následujícími zdroji:

Stránka Student Hub Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce způsoby, jak získat voucher na certifikaci zdarma. Tuto stránku si určitě uložte a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně.
Microsoft Learn Student Ambassadors Připojte se ke globální komunitě studentských ambasadorů, což může být vaše cesta do Microsoftu.

Začínáme

Učitelé: zahrnuli jsme několik návrhů, jak toto kurikulum využít. Budeme rádi za vaši zpětnou vazbu v našem diskusním fóru!

Studenti: pokud chcete toto kurikulum používat samostatně, vytvořte si vlastní kopii celého repozitáře a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení kódu; tento kód je však dostupný ve složkách /solutions v každé lekci zaměřené na projekt. Další možností je vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Seznamte se s týmem

Gif vytvořil Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!

Pedagogika

Při tvorbě tohoto kurikula jsme se rozhodli pro dva pedagogické principy: zajistit, aby bylo založeno na projektech, a zahrnout časté kvízy. Na konci této série se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití datové vědy a další.

Navíc nízkostresový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné, a lze ho absolvovat celé nebo jen jeho část. Projekty začínají jednoduše a postupně se stávají složitějšími na konci 10týdenního cyklu.

Najděte náš Kodex chování, Pokyny pro přispívání, Pokyny pro překlad. Uvítáme vaši konstruktivní zpětnou vazbu!

Každá lekce obsahuje:

Volitelný sketchnote
Volitelné doplňkové video
Kvíz na rozehřátí před lekcí
Psanou lekci
U lekcí založených na projektech, průvodce krok za krokem, jak projekt vytvořit
Kontrolní otázky
Výzvu
Doplňkové čtení
Zadání
Kvíz po lekci

Poznámka ke kvízům: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů, každý se třemi otázkami. Jsou propojeny přímo z lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce quiz-app. Postupně jsou lokalizovány.

Lekce


Data Science pro začátečníky: Plán - Sketchnote od @nitya

Číslo lekce	Téma	Skupina lekcí	Cíle učení	Odkaz na lekci	Autor
01	Definování Data Science	Úvod	Naučte se základní koncepty data science a jak souvisí s umělou inteligencí, strojovým učením a velkými daty.	lekce video	Dmitry
02	Etika Data Science	Úvod	Koncepty etiky dat, výzvy a rámce.	lekce	Nitya
03	Definování dat	Úvod	Jak jsou data klasifikována a jejich běžné zdroje.	lekce	Jasmine
04	Úvod do statistiky a pravděpodobnosti	Úvod	Matematické techniky pravděpodobnosti a statistiky pro pochopení dat.	lekce video	Dmitry
05	Práce s relačními daty	Práce s daty	Úvod do relačních dat a základy zkoumání a analýzy relačních dat pomocí Structured Query Language, známého jako SQL (vyslovováno „sí-kvel“).	lekce	Christopher
06	Práce s NoSQL daty	Práce s daty	Úvod do nerelačních dat, jejich různých typů a základy zkoumání a analýzy dokumentových databází.	lekce	Jasmine
07	Práce s Pythonem	Práce s daty	Základy používání Pythonu pro zkoumání dat s knihovnami, jako je Pandas. Doporučuje se základní znalost programování v Pythonu.	lekce video	Dmitry
08	Příprava dat	Práce s daty	Témata o technikách čištění a transformace dat pro řešení problémů s chybějícími, nepřesnými nebo neúplnými daty.	lekce	Jasmine
09	Vizualizace množství	Vizualizace dat	Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆	lekce	Jen
10	Vizualizace rozložení dat	Vizualizace dat	Vizualizace pozorování a trendů v rámci intervalu.	lekce	Jen
11	Vizualizace proporcí	Vizualizace dat	Vizualizace diskrétních a seskupených procent.	lekce	Jen
12	Vizualizace vztahů	Vizualizace dat	Vizualizace spojení a korelací mezi datovými sadami a jejich proměnnými.	lekce	Jen
13	Smysluplné vizualizace	Vizualizace dat	Techniky a pokyny pro vytváření vizualizací, které jsou užitečné pro efektivní řešení problémů a získávání poznatků.	lekce	Jen
14	Úvod do životního cyklu Data Science	Životní cyklus	Úvod do životního cyklu data science a jeho první fáze získávání a extrakce dat.	lekce	Jasmine
15	Analýza	Životní cyklus	Tato fáze životního cyklu data science se zaměřuje na techniky analýzy dat.	lekce	Jasmine
16	Komunikace	Životní cyklus	Tato fáze životního cyklu data science se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje jejich pochopení pro rozhodovací orgány.	lekce	Jalen
17	Data Science v cloudu	Cloudová data	Tato série lekcí představuje data science v cloudu a jeho výhody.	lekce	Tiffany a Maud
18	Data Science v cloudu	Cloudová data	Trénování modelů pomocí nástrojů Low Code.	lekce	Tiffany a Maud
19	Data Science v cloudu	Cloudová data	Nasazení modelů pomocí Azure Machine Learning Studio.	lekce	Tiffany a Maud
20	Data Science v praxi	V praxi	Projekty řízené data science v reálném světě.	lekce	Nitya

GitHub Codespaces

Postupujte podle těchto kroků pro otevření tohoto vzorku v Codespace:

Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
Vyberte + New codespace ve spodní části panelu. Pro více informací si přečtěte dokumentaci GitHubu.

VSCode Remote - Containers

Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:

Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje předpoklady (např. máte nainstalovaný Docker) podle dokumentace pro začátek.

Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker svazku:

Poznámka: Na pozadí se použije příkaz Remote-Containers: Clone Repository in Container Volume... pro klonování zdrojového kódu do Docker svazku místo lokálního souborového systému. Svazky jsou preferovaným mechanismem pro uchovávání dat kontejneru.

Nebo otevřete lokálně klonovanou nebo staženou verzi repozitáře:

Klonujte tento repozitář do svého lokálního souborového systému.
Stiskněte F1 a vyberte příkaz Remote-Containers: Open Folder in Container....
Vyberte klonovanou kopii této složky, počkejte, až se kontejner spustí, a vyzkoušejte si věci.

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na svůj lokální počítač, poté v kořenové složce tohoto repozitáře zadejte docsify serve. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: localhost:3000.

Poznámka: Notebooky nebudou přes Docsify vykresleny, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem.

Další kurikula

Náš tým vytváří další kurikula! Podívejte se na:

Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. I když se snažíme o co největší přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za závazný zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.

18 KiB Raw Blame History