Data-Science-For-Beginners/translations/zh

数据科学初学者课程

微软 Azure 云倡导者很高兴提供一个为期 10 周、包含 20 课的数据科学课程。每节课包括课前和课后测验、完成课程的书面指导、解决方案和作业。我们的项目驱动教学法让你在构建中学习，这是一种被证明能让新技能“扎根”的有效方式。

衷心感谢我们的作者： Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison。

🙏 特别感谢 🙏 我们的 Microsoft 学生大使 作者、审阅者和内容贡献者， 尤其是 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

数据科学初学者 - 速写笔记作者 @nitya

🌐 多语言支持

通过 GitHub Action 支持（自动且始终保持最新）

阿拉伯语 | 孟加拉语 | 保加利亚语 | 缅甸语 (Myanmar) | 中文（简体） | 中文（繁体，香港） | 中文（繁体，澳门） | 中文（繁体，台湾） | 克罗地亚语 | 捷克语 | 丹麦语 | 荷兰语 | 爱沙尼亚语 | 芬兰语 | 法语 | 德语 | 希腊语 | 希伯来语 | 印地语 | 匈牙利语 | 印度尼西亚语 | 意大利语 | 日语 | 卡纳达语 | 韩语 | 立陶宛语 | 马来语 | 马拉雅拉姆语 | 马拉地语 | 尼泊尔语 | 尼日利亚皮钦语 | 挪威语 | 波斯语 (法尔西语) | 波兰语 | 葡萄牙语（巴西） | 葡萄牙语（葡萄牙） | 旁遮普语（古鲁姆奇） | 罗马尼亚语 | 俄语 | 塞尔维亚语（西里尔字母） | 斯洛伐克语 | 斯洛文尼亚语 | 西班牙语 | 斯瓦希里语 | 瑞典语 | 他加禄语（菲律宾语） | 泰米尔语 | 泰卢固语 | 泰语 | 土耳其语 | 乌克兰语 | 乌尔都语 | 越南语

如果您希望支持更多翻译语言，列表见 这里

加入我们的社区

我们正在进行 Discord 上的 AI 学习系列，了解更多并加入我们：Learn with AI Series，时间为 2025 年 9 月 18 日至 30 日。你将获得使用 GitHub Copilot 进行数据科学的技巧和窍门。

你是学生吗？

请使用以下资源开始：

• 学生中心页面 在此页面，你会找到初学者资源、学生包，甚至获得免费证书券的方法。这个页面值得收藏并定期查看，因为我们至少每月更新内容。
• Microsoft Learn 学生大使 加入全球学生大使社区，这可能是你进入微软的途径。

入门指南

📚 文档

• 安装指南 - 初学者逐步设置说明
• 使用指南 - 示例和常见工作流程
• 故障排除 - 常见问题解决方案
• 贡献指南 - 如何为本项目贡献代码
• 教师专用 - 教学指导和课堂资源

👨‍🎓 学生专用

完全初学者：刚接触数据科学？从我们的初学者友好示例开始！这些简单且注释详尽的示例将帮助你理解基础，然后再深入完整课程。 学生：想自己使用本课程，请 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余活动。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，每个项目导向课程的 /solutions 文件夹中都有代码可供参考。另一种方法是与朋友组建学习小组，共同学习内容。进一步学习推荐使用 Microsoft Learn。

快速开始：

1. 查看 安装指南 以设置环境
2. 浏览 使用指南 学习如何使用课程
3. 从第 1 课开始，按顺序学习
4. 加入我们的 Discord 社区 获取支持

👩‍🏫 教师专用

教师们：我们提供了一些建议关于如何使用本课程。欢迎在讨论论坛中反馈意见！

团队介绍

Gif 制作者 Mohit Jaisal

🎥 点击上方图片观看关于该项目及其创建者的视频！

教学法

在构建本课程时，我们选择了两个教学原则：确保课程以项目为基础，并包含频繁的测验。通过本系列课程，学生将学习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，课前的低风险测验帮助学生设定学习主题的意图，课后的第二次测验则确保知识的进一步巩固。该课程设计灵活且有趣，可以全部学习或部分学习。项目从小型开始，随着10周周期的推进逐渐变得复杂。

查阅我们的行为准则、贡献指南、翻译指南。欢迎您的建设性反馈！

每节课包含：

• 可选的手绘笔记
• 可选的补充视频
• 课前热身测验
• 书面课程内容
• 针对项目课程，提供逐步项目构建指南
• 知识检测
• 挑战任务
• 补充阅读
• 作业
• 课后测验

关于测验的说明：所有测验均包含在 Quiz-App 文件夹中，共40个测验，每个测验包含三个问题。测验链接嵌入课程中，但测验应用可在本地运行或部署到 Azure；请参阅 quiz-app 文件夹中的说明。测验正在逐步本地化。

🎓 适合初学者的示例

刚接触数据科学？ 我们创建了一个特别的示例目录，包含简单且注释详尽的代码，帮助您入门：

• 🌟 Hello World - 您的第一个数据科学程序
• 📂 加载数据 - 学习读取和探索数据集
• 📊 简单分析 - 计算统计数据并发现模式
• 📈 基础可视化 - 创建图表和图形
• 🔬 真实项目 - 从头到尾完成完整工作流程

每个示例都包含详细注释，解释每一步，非常适合完全初学者！

👉 从示例开始 👈

课程列表

数据科学初学者路线图 - 手绘笔记作者 @nitya

课程编号	主题	课程分组	学习目标	关联课程	作者
01	定义数据科学	介绍	了解数据科学的基本概念及其与人工智能、机器学习和大数据的关系。	课程 视频	Dmitry
02	数据科学伦理	介绍	数据伦理的概念、挑战与框架。	课程	Nitya
03	定义数据	介绍	数据的分类及其常见来源。	课程	Jasmine
04	统计与概率入门	介绍	使用概率和统计的数学技术理解数据。	课程 视频	Dmitry
05	关系型数据处理	数据处理	介绍关系型数据及使用结构化查询语言（SQL，发音“see-quell”）探索和分析关系型数据的基础。	课程	Christopher
06	非关系型数据处理	数据处理	介绍非关系型数据及其各种类型，基础的文档数据库探索和分析。	课程	Jasmine
07	使用 Python	数据处理	使用 Python 及 Pandas 等库进行数据探索的基础。建议具备 Python 编程基础。	课程 视频	Dmitry
08	数据准备	数据处理	数据清洗和转换技术，处理缺失、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值和趋势。	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	制作有价值的可视化以实现有效问题解决和洞察的技巧和指导。	课程	Jen
14	数据科学生命周期介绍	生命周期	介绍数据科学生命周期及其第一步：获取和提取数据。	课程	Jasmine
15	数据分析	生命周期	数据科学生命周期中专注于数据分析的阶段。	课程	Jasmine
16	交流沟通	生命周期	数据科学生命周期中专注于以便于决策者理解的方式呈现数据洞察的阶段。	课程	Jalen
17	云端数据科学	云端数据	介绍云端数据科学及其优势。	课程	Tiffany 和 Maud
18	云端数据科学	云端数据	使用低代码工具训练模型。	课程	Tiffany 和 Maud
19	云端数据科学	云端数据	使用 Azure 机器学习工作室部署模型。	课程	Tiffany 和 Maud
20	现实世界中的数据科学	现实世界	现实世界中的数据科学驱动项目。	课程	Nitya

GitHub Codespaces

按照以下步骤在 Codespace 中打开此示例：

1. 点击 Code 下拉菜单，选择 Open with Codespaces 选项。
2. 在面板底部选择 + New codespace。 更多信息请参阅GitHub 文档。

VSCode 远程容器

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

1. 如果是首次使用开发容器，请确保系统满足先决条件（即已安装 Docker），详见入门文档。

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，而非本地文件系统。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：

• 将此仓库克隆到本地文件系统。
• 按 F1 并选择 Remote-Containers: Open Folder in Container... 命令。
• 选择克隆的文件夹，等待容器启动，然后开始使用。

离线访问

您可以使用 Docsify 离线运行本文档。Fork 本仓库，在本地安装 Docsify，然后在仓库根目录输入 docsify serve。网站将在本地主机的3000端口提供服务：localhost:3000。

注意，笔记本文件不会通过 Docsify 渲染，运行笔记本时请在 VS Code 中使用 Python 内核单独操作。

其他课程

我们的团队还制作了其他课程！请查看：

LangChain

---

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心学习

---

Copilot 系列

获取帮助

遇到问题？ 请查看我们的故障排除指南以获取常见问题的解决方案。

如果您遇到困难或对构建 AI 应用有任何疑问，欢迎加入学习者和经验丰富的开发者社区，一起讨论 MCP。这是一个支持性的社区，欢迎提问并自由分享知识。

如果您在构建过程中有产品反馈或遇到错误，请访问：

---

免责声明：
本文件由人工智能翻译服务 Co-op Translator 翻译。虽然我们力求准确，但请注意自动翻译可能存在错误或不准确之处。原始文件的母语版本应被视为权威来源。对于重要信息，建议使用专业人工翻译。因使用本翻译而产生的任何误解或误释，我们概不负责。