Data-Science-For-Beginners/translations/th

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

Azure Cloud Advocates ที่ Microsoft มีความยินดีที่จะนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนทั้งหมดเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อทำบทเรียนให้เสร็จสมบูรณ์ โซลูชัน และงานมอบหมาย วิธีการสอนที่เน้นโครงการของเราช่วยให้คุณเรียนรู้ไปพร้อมกับการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสำหรับทักษะใหม่ที่จะ 'ติดตัว'

ขอขอบคุณอย่างจริงใจต่อผู้เขียนของเรา: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 ขอบคุณเป็นพิเศษ 🙏 ต่อผู้เขียน ผู้ตรวจทาน และผู้ร่วมสร้างเนื้อหาของเรา Microsoft Student Ambassador, โดยเฉพาะอย่างยิ่ง 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

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - สเก็ตช์โน้ตโดย @nitya

🌐 การสนับสนุนหลายภาษา

สนับสนุนผ่าน GitHub Action (อัตโนมัติ & อัปเดตเสมอ)

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

หากคุณต้องการให้มีการสนับสนุนภาษาแปลเพิ่มเติม รายการภาษาเหล่านั้นอยู่ที่ นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์เรียนรู้กับ AI บน Discord กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราที่ Learn with AI Series ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยทรัพยากรต่อไปนี้:

• หน้า Student Hub ในหน้านี้ คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดนักเรียน และแม้แต่ช่องทางในการรับบัตรรับรองฟรี นี่คือหน้าที่คุณควรบันทึกและตรวจสอบเป็นระยะ ๆ เนื่องจากเราจะเปลี่ยนเนื้อหาอย่างน้อยเดือนละครั้ง
• Microsoft Learn Student Ambassadors เข้าร่วมชุมชนนักเรียนระดับโลก นี่อาจเป็นทางเข้าสู่ Microsoft ของคุณ

การเริ่มต้นใช้งาน

📚 เอกสารประกอบ

• คู่มือการติดตั้ง - คำแนะนำการตั้งค่าแบบทีละขั้นตอนสำหรับผู้เริ่มต้น
• คู่มือการใช้งาน - ตัวอย่างและเวิร์กโฟลว์ทั่วไป
• การแก้ไขปัญหา - วิธีแก้ไขปัญหาทั่วไป
• คู่มือการมีส่วนร่วม - วิธีการมีส่วนร่วมในโครงการนี้
• สำหรับครู - คำแนะนำการสอนและทรัพยากรในห้องเรียน

👨‍🎓 สำหรับนักเรียน

ผู้เริ่มต้นอย่างสมบูรณ์: เพิ่งเริ่มต้นกับวิทยาศาสตร์ข้อมูลหรือไม่? เริ่มต้นด้วย ตัวอย่างที่เหมาะสำหรับผู้เริ่มต้น! ตัวอย่างง่าย ๆ ที่มีคำอธิบายอย่างดีเหล่านี้จะช่วยให้คุณเข้าใจพื้นฐานก่อนที่จะดำดิ่งสู่หลักสูตรเต็มรูปแบบ นักเรียน: เพื่อใช้หลักสูตรนี้ด้วยตนเอง ให้ทำการ fork รีโปทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง เริ่มต้นด้วยแบบทดสอบก่อนบรรยาย จากนั้นอ่านบรรยายและทำกิจกรรมที่เหลือให้เสร็จ ลองสร้างโครงการโดยเข้าใจบทเรียนแทนการคัดลอกโค้ดโซลูชัน อย่างไรก็ตาม โค้ดนั้นมีให้ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโครงการ อีกแนวคิดหนึ่งคือการตั้งกลุ่มเรียนกับเพื่อนและเรียนรู้เนื้อหาร่วมกัน สำหรับการศึกษาต่อ เราแนะนำ Microsoft Learn.

เริ่มต้นอย่างรวดเร็ว:

1. ตรวจสอบ คู่มือการติดตั้ง เพื่อเตรียมสภาพแวดล้อมของคุณ
2. ทบทวน คู่มือการใช้งาน เพื่อเรียนรู้วิธีทำงานกับหลักสูตร
3. เริ่มต้นที่บทเรียนที่ 1 และทำตามลำดับ
4. เข้าร่วม ชุมชน Discord ของเรา เพื่อขอความช่วยเหลือ

👩‍🏫 สำหรับครู

ครูผู้สอน: เราได้ รวมคำแนะนำบางส่วน เกี่ยวกับวิธีใช้หลักสูตรนี้ เราต้องการรับฟังความคิดเห็นของคุณ ในฟอรัมอภิปรายของเรา!

พบกับทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกที่ภาพด้านบนเพื่อชมวิดีโอเกี่ยวกับโครงการและทีมงานที่สร้างมันขึ้นมา!

การสอน

เราได้เลือกหลักการสอนสองประการในการสร้างหลักสูตรนี้: การทำให้เป็นโครงการจริงและการมีแบบทดสอบบ่อยครั้ง เมื่อจบชุดนี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการทำงานกับข้อมูลที่หลากหลาย การสร้างภาพข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่นๆ

นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนเรียนจะช่วยตั้งเจตนารมณ์ของนักเรียนในการเรียนรู้หัวข้อหนึ่งๆ ขณะที่แบบทดสอบที่สองหลังเรียนจะช่วยให้ความรู้คงทนยิ่งขึ้น หลักสูตรนี้ถูกออกแบบให้ยืดหยุ่นและสนุกสนาน สามารถเรียนได้ทั้งหลักสูตรหรือบางส่วน โครงการเริ่มจากขนาดเล็กและซับซ้อนขึ้นเรื่อยๆ จนถึงสิ้นสุดรอบ 10 สัปดาห์

ค้นหา จรรยาบรรณ, การมีส่วนร่วม, และ แนวทางการแปล ของเรา เรายินดีรับฟังความคิดเห็นที่สร้างสรรค์ของคุณ!

แต่ละบทเรียนประกอบด้วย:

• สเก็ตช์โน้ตเสริม (ไม่บังคับ)
• วิดีโอเสริม (ไม่บังคับ)
• แบบทดสอบวอร์มอัพก่อนบทเรียน
• บทเรียนที่เขียนไว้
• สำหรับบทเรียนที่เป็นโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ
• การตรวจสอบความรู้
• ความท้าทาย
• การอ่านเสริม
• การบ้าน
• แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App รวมทั้งหมด 40 แบบทดสอบ แต่ละแบบมี 3 คำถาม พวกมันถูกลิงก์จากบทเรียน แต่แอปแบบทดสอบสามารถรันในเครื่องหรือดีพลอยไปยัง Azure ได้; ทำตามคำแนะนำในโฟลเดอร์ quiz-app กำลังทยอยแปลเป็นภาษาต่างๆ

🎓 ตัวอย่างสำหรับผู้เริ่มต้น

ใหม่กับวิทยาศาสตร์ข้อมูล? เราได้สร้าง ไดเรกทอรีตัวอย่าง พิเศษที่มีโค้ดง่ายๆ พร้อมคำอธิบายอย่างละเอียดเพื่อช่วยให้คุณเริ่มต้นได้:

• 🌟 Hello World - โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ
• 📂 การโหลดข้อมูล - เรียนรู้การอ่านและสำรวจชุดข้อมูล
• 📊 การวิเคราะห์ง่ายๆ - คำนวณสถิติและค้นหารูปแบบ
• 📈 การสร้างภาพพื้นฐาน - สร้างแผนภูมิและกราฟ
• 🔬 โครงการจริง - กระบวนการทำงานครบตั้งแต่ต้นจนจบ

แต่ละตัวอย่างมีคำอธิบายอย่างละเอียดในทุกขั้นตอน เหมาะสำหรับผู้เริ่มต้นอย่างแท้จริง!

👉 เริ่มต้นด้วยตัวอย่าง 👈

บทเรียน

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่เส้นทาง - สเก็ตช์โน้ตโดย @nitya

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	บทเรียนที่ลิงก์	ผู้แต่ง
01	การกำหนดวิทยาศาสตร์ข้อมูล	บทนำ	เรียนรู้แนวคิดพื้นฐานเบื้องหลังวิทยาศาสตร์ข้อมูลและความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และข้อมูลขนาดใหญ่	บทเรียน วิดีโอ	Dmitry
02	จริยธรรมวิทยาศาสตร์ข้อมูล	บทนำ	แนวคิดจริยธรรมข้อมูล ความท้าทาย และกรอบการทำงาน	บทเรียน	Nitya
03	การกำหนดข้อมูล	บทนำ	วิธีการจัดประเภทข้อมูลและแหล่งข้อมูลทั่วไป	บทเรียน	Jasmine
04	บทนำสถิติและความน่าจะเป็น	บทนำ	เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติเพื่อทำความเข้าใจข้อมูล	บทเรียน วิดีโอ	Dmitry
05	การทำงานกับข้อมูลเชิงสัมพันธ์	การทำงานกับข้อมูล	บทนำข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วยภาษา Structured Query Language หรือ SQL (อ่านว่า “ซี-เควล”)	บทเรียน	Christopher
06	การทำงานกับข้อมูล NoSQL	การทำงานกับข้อมูล	บทนำข้อมูลที่ไม่ใช่เชิงสัมพันธ์ ประเภทต่างๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร	บทเรียน	Jasmine
07	การทำงานกับ Python	การทำงานกับข้อมูล	พื้นฐานการใช้ Python สำหรับการสำรวจข้อมูลด้วยไลบรารีเช่น Pandas แนะนำให้มีความเข้าใจพื้นฐานการเขียนโปรแกรม Python	บทเรียน วิดีโอ	Dmitry
08	การเตรียมข้อมูล	การทำงานกับข้อมูล	หัวข้อเกี่ยวกับเทคนิคการทำความสะอาดและแปลงข้อมูลเพื่อจัดการกับความท้าทายของข้อมูลที่ขาดหาย ไม่ถูกต้อง หรือไม่สมบูรณ์	บทเรียน	Jasmine
09	การสร้างภาพปริมาณ	การสร้างภาพข้อมูล	เรียนรู้การใช้ Matplotlib เพื่อสร้างภาพข้อมูลนก 🦆	บทเรียน	Jen
10	การสร้างภาพการแจกแจงข้อมูล	การสร้างภาพข้อมูล	การสร้างภาพการสังเกตและแนวโน้มภายในช่วงเวลา	บทเรียน	Jen
11	การสร้างภาพสัดส่วน	การสร้างภาพข้อมูล	การสร้างภาพเปอร์เซ็นต์แบบแยกและแบบกลุ่ม	บทเรียน	Jen
12	การสร้างภาพความสัมพันธ์	การสร้างภาพข้อมูล	การสร้างภาพการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลและตัวแปร	บทเรียน	Jen
13	การสร้างภาพที่มีความหมาย	การสร้างภาพข้อมูล	เทคนิคและคำแนะนำในการทำให้ภาพของคุณมีคุณค่าเพื่อแก้ปัญหาและให้ข้อมูลเชิงลึกอย่างมีประสิทธิภาพ	บทเรียน	Jen
14	บทนำวงจรชีวิตวิทยาศาสตร์ข้อมูล	วงจรชีวิต	บทนำวงจรชีวิตวิทยาศาสตร์ข้อมูลและขั้นตอนแรกของการได้มาและสกัดข้อมูล	บทเรียน	Jasmine
15	การวิเคราะห์	วงจรชีวิต	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลเน้นเทคนิคการวิเคราะห์ข้อมูล	บทเรียน	Jasmine
16	การสื่อสาร	วงจรชีวิต	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลเน้นการนำเสนอข้อมูลเชิงลึกจากข้อมูลในรูปแบบที่ทำให้ผู้ตัดสินใจเข้าใจง่ายขึ้น	บทเรียน	Jalen
17	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	ชุดบทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลบนคลาวด์และประโยชน์ของมัน	บทเรียน	Tiffany และ Maud
18	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	การฝึกอบรมโมเดลโดยใช้เครื่องมือ Low Code	บทเรียน	Tiffany และ Maud
19	วิทยาศาสตร์ข้อมูลบนคลาวด์	ข้อมูลบนคลาวด์	การดีพลอยโมเดลด้วย Azure Machine Learning Studio	บทเรียน	Tiffany และ Maud
20	วิทยาศาสตร์ข้อมูลในโลกจริง	ในโลกจริง	โครงการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกจริง	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเหล่านี้เพื่อเปิดตัวอย่างนี้ใน Codespace:

1. คลิกเมนูดรอปดาวน์ Code และเลือกตัวเลือก Open with Codespaces
2. เลือก + New codespace ที่ด้านล่างของแผง สำหรับข้อมูลเพิ่มเติม ดูที่ เอกสาร GitHub

VSCode Remote - Containers

ทำตามขั้นตอนเหล่านี้เพื่อเปิดรีโปนี้ในคอนเทนเนอร์โดยใช้เครื่องของคุณและ VSCode ด้วยส่วนขยาย VS Code Remote - Containers:

1. หากนี่เป็นครั้งแรกที่คุณใช้คอนเทนเนอร์สำหรับพัฒนา โปรดตรวจสอบให้แน่ใจว่าระบบของคุณตรงตามข้อกำหนดเบื้องต้น (เช่น ติดตั้ง Docker แล้ว) ใน เอกสารเริ่มต้นใช้งาน

เพื่อใช้รีโปนี้ คุณสามารถเปิดรีโปในโวลุ่ม Docker แยกต่างหาก:

หมายเหตุ: ภายใต้ระบบนี้ จะใช้คำสั่ง Remote-Containers: Clone Repository in Container Volume... เพื่อโคลนซอร์สโค้ดลงในโวลุ่ม Docker แทนที่จะเป็นไฟล์ระบบในเครื่อง โวลุ่ม เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูลคอนเทนเนอร์อย่างถาวร

หรือเปิดรีโปที่โคลนหรือดาวน์โหลดมาในเครื่อง:

• โคลนรีโปนี้ลงในไฟล์ระบบในเครื่องของคุณ
• กด F1 และเลือกคำสั่ง Remote-Containers: Open Folder in Container...
• เลือกโฟลเดอร์ที่โคลนมา รอให้คอนเทนเนอร์เริ่มทำงาน แล้วลองใช้งาน

การเข้าถึงแบบออฟไลน์

คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ Docsify ทำการ Fork รีโปนี้, ติดตั้ง Docsify บนเครื่องของคุณ จากนั้นในโฟลเดอร์รากของรีโปนี้ พิมพ์ docsify serve เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 ที่ localhost ของคุณ: localhost:3000

หมายเหตุ โน้ตบุ๊กจะไม่ถูกเรนเดอร์ผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้ทำแยกต่างหากใน VS Code ที่รันเคอร์เนล Python

หลักสูตรอื่นๆ

ทีมของเราผลิตหลักสูตรอื่นๆ! ลองดู:

LangChain

---

Azure / Edge / MCP / Agents

---

ชุดการเรียนรู้ Generative AI

---

การเรียนรู้พื้นฐาน

---

ชุด Copilot

ขอความช่วยเหลือ

พบปัญหาใช่ไหม? ตรวจสอบ คู่มือแก้ไขปัญหา ของเราเพื่อหาวิธีแก้ไขปัญหาทั่วไป

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในการสนทนาเกี่ยวกับ MCP นี่คือชุมชนที่สนับสนุนซึ่งยินดีต้อนรับคำถามและแบ่งปันความรู้กันอย่างเสรี

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้างโปรดเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้