Data-Science-For-Beginners/translations/bg

Data Science за начинаещи - Учебна програма

Azure Cloud Advocates в Microsoft с радост предлагат 10-седмична учебна програма с 20 урока, посветена на Науката за данните. Всеки урок включва тестове преди и след урока, писмени инструкции за завършване на урока, решение и задача. Нашата проектно-ориентирана педагогика ви позволява да учите, докато изграждате – изпитана методика за усвояване на нови умения.

Сърдечни благодарности на нашите автори: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Специални благодарности 🙏 на нашите автори, рецензенти и сътрудници от Microsoft Student Ambassador, главно на 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 за данните за начинаещи - Скетчноут от @nitya

🌐 Многоезична поддръжка

Поддържа се чрез GitHub Action (Автоматично и винаги актуално)

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

Предпочитате да клонирате локално?

Това хранилище включва над 50 езикови превода, което значително увеличава размера на изтегляне. За клониране без преводи, използвайте sparse checkout:

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'

Това ви дава всичко необходимо за завършване на курса с много по-бързо изтегляне.

Ако желаете да се добавят поддържани допълнителни езици, те са изброени тук

Присъединете се към нашата общност

Имаме текуща серия в Discord с учене с AI, научете повече и се присъединете към нас в Learn with AI Series от 18 до 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за Наука за данните.

Студент ли сте?

Започнете с следните ресурси:

• Страница Студентски център Тук ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен сертификат. Това е страница, която ще искате да запазите в отметки и да проверявате от време на време, тъй като съдържанието се обновява поне веднъж месечно.
• Microsoft Learn Student Ambassadors Присъединете се към глобална общност от студентски посланици, това може да бъде вашият път към Microsoft.

Започване

📚 Документация

• Ръководство за инсталация - Стъпка по стъпка инструкции за начинаещи
• Ръководство за употреба - Примери и често използвани работни потоци
• Отстраняване на проблеми - Решения на често срещани проблеми
• Ръководство за принос - Как да допринесете за този проект
• За учители - Насоки за преподаване и ресурси за класната стая

👨‍🎓 За студенти

Пълни начинаещи: Нови сте в науката за данните? Започнете с нашите лесни за начинаещи примери! Тези прости и добре коментирани примери ще ви помогнат да разберете основите преди да навлезете в пълната учебна програма. Студенти: за да използвате тази учебна програма самостоятелно, форкнете цялото хранилище и завършете упражненията самостоятелно, започвайки с тест преди лекцията. След това прочетете лекцията и завършете останалите дейности. Опитайте да създадете проектите като разбирате уроците, вместо да копирате кода за решение; все пак този код е наличен в папките /solutions във всеки проектно-ориентиран урок. Друга идея е да създадете учебна група с приятели и да преминете през съдържанието заедно. За допълнително изучаване препоръчваме Microsoft Learn.

Бързо започване:

1. Прегледайте Ръководството за инсталация, за да настроите средата си
2. Разгледайте Ръководството за употреба, за да научите как да работите с учебната програма
3. Започнете с урок 1 и продължете последователно
4. Присъединете се към нашата Discord общност за помощ

👩‍🏫 За учители

Учители: включили сме някои предложения как да използвате тази учебна програма. Ще се радваме на вашата обратна връзка в нашия дискусионен форум!

Запознайте се с екипа

Гиф от Mohit Jaisal

🎥 Натиснете изображението по-горе за видео за проекта и хората, които го създадоха!

Педагогика

Ние избрахме две педагогически принципа при създаването на тази учебна програма: да бъде базирана на проекти и да включва чести викторини. Към края на тази серия студентите ще са научили основни принципи на науката за данни, включително етични концепции, подготовка на данни, различни начини за работа с данни, визуализация на данни, анализ на данни, реални случаи на използване на науката за данни и още много.

Освен това, нискозаложена викторина преди урока поставя намерението на студента за учене на темата, докато втора викторина след урока осигурява допълнително задържане на знанията. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се премине изцяло или частично. Проектите започват малки и стават все по-сложни към края на 10-седмичния цикъл.

Намерете нашите Правила за поведение, Принос, Превод указания. Очакваме вашата конструктивна обратна връзка!

Всеки урок включва:

• По избор скичен бележник
• По избор допълнително видео
• Предурочна загряваща викторина
• Писмен урок
• За уроци на базата на проекти, стъпка по стъпка ръководства за изграждане на проекта
• Проверки на знанията
• Предизвикателство
• Допълнително четиво
• Задача
• Викторина след урока

Бележка относно викторините: Всички викторини са в папката Quiz-App, общо 40 викторини с по три въпроса всяка. Те са свързани в уроците, но приложението за викторини може да се стартира локално или да се разположи в Azure; следвайте инструкциите в папката quiz-app. Те се локализират постепенно.

🎓 Примери за начинаещи

Ново в науката за данни? Създадохме специална директория с примери с прост и добре коментиран код, за да ви помогнем да започнете:

• 🌟 Hello World - Вашата първа програма за наука за данни
• 📂 Зареждане на данни - Научете как да четете и изследвате набори от данни
• 📊 Прост анализ - Изчислете статистики и открийте модели
• 📈 Основна визуализация - Създайте диаграми и графики
• 🔬 Реален проект - Завършен работен поток от начало до край

Всеки пример включва подробни коментари, обясняващи всяка стъпка, правейки го перфектен за абсолютни начинаещи!

👉 Започнете с примерите 👈

Уроци

Наука за данни за начинаещи: Пътна карта - Скичен бележник от @nitya

Номер на урока	Тема	Групиране на урока	Учебни цели	Свързан урок	Автор
01	Определение за наука за данни	Въведение	Научете основните концепции зад науката за данни и как тя е свързана с изкуствен интелект, машинно обучение и големи данни.	урок видео	Dmitry
02	Етика в науката за данни	Въведение	Концепции, предизвикателства и рамки за етика в данните.	урок	Nitya
03	Определяне на данни	Въведение	Как се класифицират данните и чести източници.	урок	Jasmine
04	Въведение в статистиката и вероятностите	Въведение	Математическите техники на вероятността и статистиката за разбиране на данни.	урок видео	Dmitry
05	Работа с релационни данни	Работа с данни	Въведение в релационните данни и основите на изследване и анализ на такива данни с езика за структурирани заявки, известен като SQL (произнася се „сис-квел“).	урок	Christopher
06	Работа с NoSQL данни	Работа с данни	Въведение в нерелационни данни, различните им типове и основите за изследване и анализ на документни бази данни.	урок	Jasmine
07	Работа с Python	Работа с данни	Основи на използването на Python за изследване на данни с библиотеки като Pandas. Препоръчва се основно разбиране на програмиране с Python.	урок видео	Dmitry
08	Подготовка на данни	Работа с данни	Теми за техники за почистване и трансформиране на данните, справяне с проблеми като липсващи, неточни или непълни данни.	урок	Jasmine
09	Визуализация на количества	Визуализация на данни	Научете как да използвате Matplotlib за визуализация на данни за птици 🦆	урок	Jen
10	Визуализация на разпределенията на данни	Визуализация на данни	Визуализиране на наблюдения и тенденции в интервал.	урок	Jen
11	Визуализация на пропорции	Визуализация на данни	Визуализиране на дискретни и групирани проценти.	урок	Jen
12	Визуализация на взаимоотношения	Визуализация на данни	Визуализиране на връзки и корелации между набори от данни и техните променливи.	урок	Jen
13	Смислени визуализации	Визуализация на данни	Техники и напътствия за създаване на визуализации, ценни за ефективно решаване на проблеми и извличане на прозрения.	урок	Jen
14	Въведение в жизнения цикъл на науката за данни	Жизнен цикъл	Въведение в жизнения цикъл на науката за данни и първата му стъпка - придобиване и извличане на данни.	урок	Jasmine
15	Анализиране	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данни.	урок	Jasmine
16	Комуникация	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху представяне на прозренията от данните по начин, който улеснява разбирането им от вземащите решения.	урок	Jalen
17	Наука за данни в облака	Данни в облака	Тази серия уроци представя науката за данни в облака и нейните предимства.	урок	Tiffany и Maud
18	Наука за данни в облака	Данни в облака	Обучение на модели с инструменти Low Code.	урок	Tiffany и Maud
19	Наука за данни в облака	Данни в облака	Разгръщане на модели с Azure Machine Learning Studio.	урок	Tiffany и Maud
20	Наука за данни навън	В дивата природа	Проекти, базирани на науката за данни в реалния свят.	урок	Nitya

GitHub Codespaces

Следвайте тези стъпки, за да отворите този пример в Codespace:

1. Натиснете падащото меню Code и изберете опцията Open with Codespaces.
2. Изберете + New codespace в долната част на панела. За повече информация вижте документацията на GitHub.

VSCode Remote - Контейнери

Следвайте тези стъпки, за да отворите това хранилище в контейнер, използвайки вашия локален компютър и VSCode с разширението VS Code Remote - Containers:

1. Ако това е първият път, когато използвате контейнер за разработка, уверете се, че системата ви отговаря на изискванията (напр. Docker е инсталиран) в документацията за започване.

За да използвате това хранилище, можете или да отворите хранилището в изолиран Docker том:

Забележка: Работа под капака това ще използва командата Remote-Containers: Clone Repository in Container Volume... за клониране на сорс кода в Docker том, вместо в локалната файлова система. Томовете са предпочитания механизъм за съхранение на данни на контейнера.

Или да отворите локално клонирана или свалена версия на хранилището:

• Клонирайте това хранилище на вашия локален диск.
• Натиснете F1 и изберете командата Remote-Containers: Open Folder in Container....
• Изберете клонираното копие на тази папка, изчакайте контейнера да стартира и изпробвайте нещата.

Достъп офлайн

Можете да използвате тази документация офлайн като използвате Docsify. Форкнете това хранилище, инсталирайте Docsify на вашия локален компютър, след това в основната папка на това хранилище въведете docsify serve. Уебсайтът ще бъде предоставен на порт 3000 на локалния ви адрес: localhost:3000.

Забележка, тетрадките няма да се визуализират чрез Docsify, така че когато трябва да изпълните тетрадка, направете го отделно във VS Code с изпълняващ се Python kernel.

Други учебни програми

Нашият екип създава и други учебни програми! Вижте:

LangChain

---

Azure / Edge / MCP / Агенти

---

Серия за генеративен AI

---

Основно обучение

---

Серия за Copilot

Получаване на помощ

Имате проблеми? Вижте нашето Ръководство за отстраняване на проблеми за решения на често срещани проблеми.

Ако се затруднявате или имате въпроси относно изграждането на AI приложения, присъединете се към други учащи се и опитни разработчици в дискусии за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанията се споделят свободно.

Ако имате обратна връзка за продукта или грешки при изграждане, посетете:

---

Отказ от отговорност:
Този документ е преведен с помощта на AI преводаческа услуга Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматичните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия език трябва да се счита за официален източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, произтичащи от използването на този превод.