Data-Science-For-Beginners/translations/bg

Наука за данни за начинаещи - Учебна програма

Azure Cloud Advocates в Microsoft с удоволствие предлагат 10-седмична, 20-урочна учебна програма, посветена на науката за данни. Всеки урок включва тестове преди и след урока, писмени инструкции за изпълнение на урока, решение и задача. Нашата проектно-ориентирана методология ви позволява да учите, докато създавате, доказан начин 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 Microsoft Student Ambassador автори, рецензенти и сътрудници на съдържанието, включително 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 данни за начинаещи - Скица от @nitya

🌐 Многоезична поддръжка

Поддържана чрез GitHub Action (Автоматизирана и винаги актуална)

Арабски | Бенгалски | Български | Бирмански (Мианмар) | Китайски (опростен) | Китайски (традиционен, Хонг Конг) | Китайски (традиционен, Макао) | Китайски (традиционен, Тайван) | Хърватски | Чешки | Датски | Холандски | Естонски | Фински | Френски | Немски | Гръцки | Иврит | Хинди | Унгарски | Индонезийски | Италиански | Японски | Корейски | Литовски | Малайски | Марати | Непалски | Нигерийски пиджин | Норвежки | Персийски (фарси) | Полски | Португалски (Бразилия) | Португалски (Португалия) | Пенджабски (Гурмукхи) | Румънски | Руски | Сръбски (кирилица) | Словашки | Словенски | Испански | Суахили | Шведски | Тагалог (Филипински) | Тамилски | Тайландски | Турски | Украински | Урду | Виетнамски

Ако желаете да добавите допълнителни преводи, поддържаните езици са изброени тук

Присъединете се към нашата общност

Имаме текуща серия за обучение с AI в Discord, 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 наука за данни.

Студент ли сте?

Започнете с тези ресурси:

• Студентска страница На тази страница ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен ваучер за сертификат. Това е страница, която трябва да запазите и 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.

Начало

📚 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

Пълни начинаещи: Нови в науката за данни? Започнете с нашите примери за начинаещи! Тези прости, добре коментирани примери ще ви помогнат да разберете основите, преди да се потопите в пълната учебна програма. Студенти: за да използвате тази учебна програма самостоятелно, клонирайте цялото хранилище и изпълнете упражненията самостоятелно, започвайки с тест преди лекцията. След това прочетете лекцията и завършете останалите дейности. Опитайте се да създадете проектите, като разбирате уроците, вместо да копирате кода на решенията; въпреки това, този код е наличен в папките /solutions във всеки проектно-ориентиран урок. 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 вашата среда
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: ние сме включили някои предложения за това как да използвате тази учебна програма. Ще се радваме на вашата обратна връзка в нашия форум за дискусии!

Запознайте се с екипа

Gif от Mohit Jaisal

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

Методология

Ние избрахме два педагогически принципа при създаването на тази учебна програма: да бъде базирана на проекти и да включва чести тестове. До края на тази серия студентите ще са научили основните принципи на науката за данни, включително етични концепции, подготовка на данни, различни начини за работа с данни, визуализация на данни, анализ на данни, реални примери за използване на науката за данни и други.

Освен това, тест с нисък риск преди урока насочва вниманието на студента към изучаване на дадена тема, докато втори тест след урока гарантира по-добро запаметяване. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се премине изцяло или частично. Проектите започват с малки задачи и стават все по-сложни до края на 10-седмичния цикъл.

Намерете нашите Правила за поведение, Насоки за принос, Насоки за превод. Очакваме вашата конструктивна обратна връзка!

Всеки урок включва:

• По избор скица
• По избор допълнително видео
• Загряващ тест преди урока
• Писмен урок
• За уроци, базирани на проекти, ръководства стъпка по стъпка за изграждане на проекта
• Проверка на знанията
• Предизвикателство
• Допълнително четиво
• Задача
• Тест след урока

Бележка относно тестовете: Всички тестове се намират в папката Quiz-App, общо 40 теста с по три въпроса всеки. Те са свързани с 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, 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 - Изчисляване на статистики и откриване 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 идеален за абсолютни начинаещи!

👉 Започнете с примерите 👈

Уроци

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

Номер на урока	Тема	Групиране на уроци	Цели на обучението	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	Dmitry
02	Етика в науката за данни	Въведение	Концепции за етика на данните, предизвикателства и рамки.	урок	Nitya
03	Определяне на данни	Въведение	Как се класифицират данните и техните общи източници.	урок	Jasmine
04	Въведение в статистиката и вероятността	Въведение	Математическите техники на вероятността и статистиката за разбиране на данните.	урок видео	Dmitry
05	Работа с релационни данни	Работа с данни	Въведение в релационните данни и основите на изследването и анализа на релационни данни със Structured Query Language, известен като SQL (произнася се „си-квел“).	урок	Christopher
06	Работа с NoSQL данни	Работа с данни	Въведение в нерелационните данни, техните различни типове и основите на изследването и анализа 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 програмирането с Python.	урок видео	Dmitry
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	Jasmine
09	Визуализиране на количества	Визуализация на данни	Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆	урок	Jen
10	Визуализиране на разпределения на данни	Визуализация на данни	Визуализиране на наблюдения и тенденции в интервал.	урок	Jen
11	Визуализиране на пропорции	Визуализация на данни	Визуализиране на дискретни и групирани проценти.	урок	Jen
12	Визуализиране на връзки	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 насоки за създаване на визуализации, които са 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 за 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 представянето на прозренията от данните по начин, който улеснява разбирането от страна на вземащите решения.	урок	Jalen
17	Наука за данни в облака	Данни в облака	Тази серия от 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 помощта на инструменти с нисък код.	урок	Tiffany и Maud
19	Наука за данни в облака	Данни в облака	Разполагане на модели с Azure Machine Learning Studio.	урок	Tiffany и Maud
20	Наука за данни в реалния свят	В реалния свят	Проекти, базирани на науката за данни, в реалния свят.	урок	Nitya

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 - Containers

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 ви път, когато използвате контейнер за разработка, уверете се, че вашата система отговаря на предварителните изисквания (например, инсталиран Docker) в документацията за започване.

За да използвате това хранилище, можете или да го отворите в изолиран Docker обем:

Бележка: В основата си това ще използва командата Remote-Containers: Clone Repository in Container Volume... за клониране на изходния код в Docker обем вместо в локалната файлова система. Обемите са предпочитаният механизъм за запазване на данни от контейнера.

Или да отворите локално клонирана или изтеглена версия на хранилището:

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

Офлайн достъп

Можете да стартирате тази документация офлайн, използвайки Docsify. Форкнете това хранилище, инсталирайте Docsify на вашия локален компютър, след това в основната папка на това хранилище въведете docsify serve. Уебсайтът ще бъде достъпен на порт 3000 на вашия localhost: localhost:3000.

Бележка, тетрадките няма да бъдат визуализирани чрез Docsify, така че когато трябва да стартирате тетрадка, направете го отделно в VS Code, използвайки Python kernel.

Други учебни програми

Нашият екип създава и други учебни програми! Вижте:

Azure / Edge / MCP / Agents

---

Серия за Генеративен AI

---

Основно обучение

---

Серия Copilot

---

Получаване на помощ

Срещате проблеми? Проверете 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 общността от обучаващи се и опитни разработчици за дискусии относно MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанията се споделят свободно.

Ако имате обратна връзка за продукт или срещате грешки при разработката, посетете:

---

Отказ от отговорност:
Този документ е преведен с помощта на AI услуга за превод Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може 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 погрешни интерпретации, произтичащи от използването на този превод.