Data-Science-For-Beginners/translations/bg

Data Science за начинаещи - Учебна програма

Адвокатите на Azure Cloud в Microsoft с удоволствие предлагат 10-седмична учебна програма с 20 урока, посветена изцяло на Data Science. Всеки урок включва предварителен и последващ тест, писмени инструкции за изпълнение на урока, решение и задача. Нашата проектно-ориентирана педагогика ви позволява да учите, докато изграждате, доказан начин новите умения да "залепват".

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, особено 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 за начинаещи - Скетчноут от @nitya

🌐 Многоезична поддръжка

Поддържа се чрез GitHub Action (Автоматизирано 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

Ако желаете да се поддържат допълнителни езици за превод, те са изброени тук

Присъединете се към нашата общност

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

Студент ли сте?

Започнете с следните ресурси:

• Страница Student Hub Тук ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен ваучер за сертификат. Това е страница, която 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 е вашият път към Microsoft.

Започване

📚 Документация

• Ръководство за инсталация - Стъпка по стъпка инструкции за настройка 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

Напълно начинаещи: Нови в data science? Започнете с нашите лесни за начинаещи примери! Тези прости, добре коментирани примери ще ви помогнат да разберете основите, преди да се потопите в цялата учебна програма. Студенти: за да използвате тази учебна програма самостоятелно, форкнете цялото хранилище и изпълнете упражненията самостоятелно, започвайки с предварителен тест преди лекцията. След това прочетете лекцията и изпълнете останалите дейности. Опитайте се да създавате проектите, като разбирате уроците, а не просто копирате кода на решенията; въпреки това, този код е наличен в папките /solutions във всеки урок, ориентиран към проект. Друга идея е да сформирате учебна група с приятели и да преминете през съдържанието заедно. За по-нататъшно обучение препоръчваме Microsoft Learn.

Бърз старт:

1. Проверете Ръководството за инсталация, за да настроите средата си
2. Прегледайте Ръководството за употреба, за да научите как да работите с учебната програма
3. Започнете с Урок 1 и преминавайте последователно
4. Присъединете се към нашата Discord общност за подкрепа

👩‍🏫 За учители

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

Запознайте се с екипа

Gif от Mohit Jaisal

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

Педагогика

Избрахме два педагогически принципа при изграждането на тази учебна програма: да бъде базирана на проекти и да включва чести тестове. 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.

Освен това, тест с нисък залог преди урока задава намерението на студента към изучаване на тема, докато втори тест след урока осигурява по-добро задържане на знанията. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се изучава изцяло или частично. Проектите започват малки и стават все по-сложни към края на 10-седмичния цикъл.

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

Всеки урок включва:

• По избор скицник
• По избор допълнително видео
• Тест за загряване преди урока
• Писмен урок
• За уроци, базирани на проекти, стъпка по стъпка ръководства за изграждане на проекта
• Проверки на знанията
• Предизвикателство
• Допълнително четиво
• Задание
• Тест след урока

Бележка за тестовете: Всички тестове са в папката Quiz-App, общо 40 теста с по три въпроса всеки. Те са свързани от уроците, но приложението за тестове може да се стартира локално или да се разположи в Azure; следвайте инструкциите в папката quiz-app. Постепенно се локализират.

🎓 Примери за начинаещи

Нов в науката за данни? Създадохме специална директория с примери с прост, добре коментиран код, който да ви помогне 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 - Изчисляване на статистики и намиране на модели
• 📈 Основна визуализация - Създаване на диаграми и графики
• 🔬 Реален проект - Пълен работен процес от начало до край

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

👉 Започнете с примерите 👈

Уроци

Наука за данни за начинаещи: Пътна карта - Скицник от @nitya

Номер на урок	Тема	Групиране на урока	Учебни цели	Свързан урок	Автор
01	Определяне на науката за данни	Въведение	Научете основните концепции зад науката за данни и как тя е свързана с изкуствения интелект, машинното обучение и големите данни.	урок видео	Дмитрий
02	Етика в науката за данни	Въведение	Концепции, предизвикателства и рамки за етика на данните.	урок	Нитя
03	Определяне на данни	Въведение	Как се класифицират данните и техните често срещани източници.	урок	Жасмин
04	Въведение в статистиката и вероятността	Въведение	Математическите техники на вероятността и статистиката за разбиране на данни.	урок видео	Дмитрий
05	Работа с релационни данни	Работа с данни	Въведение в релационните данни и основите на изследване и анализ на релационни данни с езика за структурирани заявки, известен като SQL (произнася се „си-квел“).	урок	Кристофър
06	Работа с NoSQL данни	Работа с данни	Въведение в нерелационните данни, техните различни типове и основите на изследване и анализ на документни бази данни.	урок	Жасмин
07	Работа с Python	Работа с данни	Основи на използване на Python за изследване на данни с библиотеки като Pandas. Препоръчва се основно разбиране на програмирането с Python.	урок видео	Дмитрий
08	Подготовка на данни	Работа с данни	Теми за техники за почистване и трансформиране на данни за справяне с предизвикателства като липсващи, неточни или непълни данни.	урок	Жасмин
09	Визуализиране на количества	Визуализация на данни	Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆	урок	Джен
10	Визуализиране на разпределения на данни	Визуализация на данни	Визуализиране на наблюдения и тенденции в интервал.	урок	Джен
11	Визуализиране на пропорции	Визуализация на данни	Визуализиране на дискретни и групирани проценти.	урок	Джен
12	Визуализиране на връзки	Визуализация на данни	Визуализиране на връзки и корелации между набори от данни и техните променливи.	урок	Джен
13	Смислени визуализации	Визуализация на данни	Техники и насоки за създаване на визуализации, които са ценни за ефективно решаване на проблеми и извличане на прозрения.	урок	Джен
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	Жасмин
15	Анализиране	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данни.	урок	Жасмин
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	Джален
17	Наука за данни в облака	Облачни данни	Тази серия уроци представя науката за данни в облака и нейните предимства.	урок	Тифани и Мод
18	Наука за данни в облака	Облачни данни	Обучение на модели с помощта на Low Code инструменти.	урок	Тифани и Мод
19	Наука за данни в облака	Облачни данни	Разгръщане на модели с Azure Machine Learning Studio.	урок	Тифани и Мод
20	Наука за данни в реалния свят	В дивата природа	Проекти, базирани на науката за данни в реалния свят.	урок	Нитя

GitHub Codespaces

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

1. Кликнете върху 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 локалната си машина и VSCode с разширението VS Code Remote - Containers:

1. Ако използвате контейнер за разработка за първи път, уверете се, че системата ви отговаря на изискванията (например имате инсталиран Docker) в документацията за започване.

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

Забележка: Под капака това ще използва командата Remote-Containers: Clone Repository in Container Volume... за клониране на изходния код в Docker том вместо в локалната файлова система. Томовете са предпочитаният механизъм за запазване на данни на контейнера.

Или отворете локално клонирана или изтеглена версия на хранилището:

• Клонирайте това хранилище на локалната си файлова система.
• Натиснете F1 и изберете командата Remote-Containers: Open Folder in Container....
• Изберете клонираното копие на тази папка, изчакайте контейнерът да стартира и изпробвайте.

Офлайн достъп

Можете да използвате тази документация офлайн чрез Docsify. Форкнете това хранилище, инсталирайте Docsify на локалната си машина, след това в коренната папка на това хранилище напишете docsify serve. Уебсайтът ще се обслужва на порт 3000 на вашия localhost: localhost:3000.

Забележка, бележниците няма да се визуализират чрез Docsify, така че когато трябва да стартирате бележник, направете го отделно във VS Code с работещ 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 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 създаването на AI приложения, присъединете се към други учащи и опитни разработчици в дискусии за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанието се споделя свободно.

Ако имате обратна връзка за продукта или грешки по време на разработка, 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 автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен 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.