Data-Science-For-Beginners/translations/et

Andmeteadus algajatele - Õppekava

Microsofti Azure'i pilveadvokaadid on rõõmsad, et saavad pakkuda 10-nädalast, 20-õppetunnist koosnevat õppekava, mis keskendub andmeteadusele. Iga õppetund sisaldab eel- ja järelteste, kirjalikke juhiseid õppetunni läbimiseks, lahendust ja ülesannet. Meie projektipõhine pedagoogika võimaldab õppida läbi praktilise tegevuse, mis on tõestatud viis uute oskuste omandamiseks.

Südamlik tänu meie autoritele: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Eriline tänu 🙏 meie Microsofti Õpilasambassadöride autoritele, retsensentidele ja sisuloojatele, sealhulgas 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

Andmeteadus algajatele - Visand autorilt @nitya

🌐 Mitmekeelne tugi

Toetatud GitHub Actioni kaudu (Automatiseeritud ja alati ajakohane)

Araabia | Bengali | Bulgaaria | Birma (Myanmar) | Hiina (lihtsustatud) | Hiina (traditsiooniline, Hongkong) | Hiina (traditsiooniline, Macau) | Hiina (traditsiooniline, Taiwan) | Horvaatia | Tšehhi | Taani | Hollandi | Eesti | Soome | Prantsuse | Saksa | Kreeka | Heebrea | Hindi | Ungari | Indoneesia | Itaalia | Jaapani | Korea | Leedu | Malai | Marathi | Nepali | Nigeeria pidgin | Norra | Pärsia (Farsi) | Poola | Portugali (Brasiilia) | Portugali (Portugal) | Punjabi (Gurmukhi) | Rumeenia | Vene | Serbia (kirillitsa) | Slovaki | Sloveeni | Hispaania | Suahiili | Rootsi | Tagalogi (Filipiinid) | Tamili | Tai | Türgi | Ukraina | Urdu | Vietnami

Kui soovite lisada täiendavaid tõlkeid, on toetatud keeled loetletud siin

Liitu meie kogukonnaga

Meil on käimas Discordi AI-õppesari, lisateavet ja liitumisvõimalusi leiate AI-õppesari 18.–30. september 2025. Saate näpunäiteid ja nippe GitHub Copiloti kasutamiseks andmeteaduses.

Kas oled õpilane?

Alusta järgmiste ressurssidega:

• Õpilaste keskuse leht Sellelt lehelt leiad algajatele mõeldud ressursid, õpilaspaketid ja isegi võimalusi saada tasuta sertifikaadi vautšer. See on leht, mida tasub järjehoidjatesse lisada ja aeg-ajalt kontrollida, kuna sisu vahetub vähemalt kord kuus.
• Microsoft Learn Õpilasambassadöride programm Liitu ülemaailmse õpilasambassadöride kogukonnaga, see võib olla sinu tee Microsofti.

Alustamine

📚 Dokumentatsioon

• Paigaldusjuhend - Samm-sammuline seadistusjuhend algajatele
• Kasutusjuhend - Näited ja levinud töövood
• Tõrkeotsing - Lahendused levinud probleemidele
• Kaastööjuhend - Kuidas sellele projektile kaasa aidata
• Õpetajatele - Õpetamisjuhised ja klassiruumi ressursid

👨‍🎓 Õpilastele

Täielikud algajad: Uus andmeteaduses? Alusta meie algajasõbralike näidetega! Need lihtsad ja hästi kommenteeritud näited aitavad sul mõista põhitõdesid enne, kui sukeldud täisõppekavasse. Õpilased: et kasutada seda õppekava iseseisvalt, klooni kogu repo ja täida harjutused iseseisvalt, alustades eeltestiga. Seejärel loe loengut ja täida ülejäänud tegevused. Püüa projekte luua, mõistes õppetunde, mitte lihtsalt lahenduskoodi kopeerides; siiski on see kood saadaval iga projektipõhise õppetunni /solutions kaustades. Teine idee oleks moodustada sõpradega õpperühm ja läbida sisu koos. Edasiseks õppimiseks soovitame Microsoft Learn.

Kiire algus:

1. Vaata Paigaldusjuhendit, et seadistada oma keskkond
2. Tutvu Kasutusjuhendiga, et õppida, kuidas õppekavaga töötada
3. Alusta 1. õppetunnist ja liigu järjest edasi
4. Liitu meie Discordi kogukonnaga toe saamiseks

👩‍🏫 Õpetajatele

Õpetajad: oleme lisanud mõned soovitused, kuidas seda õppekava kasutada. Oleme tänulikud teie tagasiside eest meie arutelufoorumis!

Tutvu meeskonnaga

Gif autorilt Mohit Jaisal

🎥 Klõpsa ülaloleval pildil, et vaadata videot projektist ja inimestest, kes selle lõid!

Pedagoogika

Oleme valinud kaks pedagoogilist põhimõtet selle õppekava koostamisel: tagada, et see oleks projektipõhine ja sisaldaks sagedasi teste. Selle sarja lõpuks õpivad õpilased andmeteaduse põhialuseid, sealhulgas eetilisi kontseptsioone, andmete ettevalmistamist, erinevaid viise andmetega töötamiseks, andmete visualiseerimist, andmete analüüsi, andmeteaduse praktilisi kasutusjuhtumeid ja palju muud.

Lisaks aitab madala panusega test enne tundi suunata õpilase tähelepanu teema õppimisele, samas kui teine test pärast tundi tagab parema teadmiste säilitamise. See õppekava on loodud paindlikuks ja lõbusaks ning seda saab läbida tervikuna või osaliselt. Projektid algavad väikestest ja muutuvad 10-nädalase tsükli lõpuks järjest keerukamaks.

Vaata meie käitumisjuhendit, kaastöö juhiseid, tõlkimise juhiseid. Ootame teie konstruktiivset tagasisidet!

Iga tund sisaldab:

• Valikuline visuaalne märkmete leht
• Valikuline lisavideo
• Eeltunni soojendustest
• Kirjalik tund
• Projektipõhiste tundide puhul samm-sammult juhised projekti loomiseks
• Teadmiste kontrollid
• Väljakutse
• Täiendav lugemine
• Ülesanne
• Pärast tunni test

Märkus testide kohta: Kõik testid asuvad Quiz-App kaustas, kokku 40 testi, millest igaüks sisaldab kolme küsimust. Need on tundidesse lingitud, kuid testirakendust saab käivitada kohapeal või Azure'is; järgige juhiseid quiz-app kaustas. Testid lokaliseeritakse järk-järgult.

🎓 Algajatele sobivad näited

Uus andmeteaduses? Oleme loonud spetsiaalse näidete kataloogi lihtsa ja hästi kommenteeritud koodiga, et aidata teil alustada:

• 🌟 Tere maailm - Teie esimene andmeteaduse programm
• 📂 Andmete laadimine - Õppige andmekogumeid lugema ja uurima
• 📊 Lihtne analüüs - Arvutage statistikat ja leidke mustreid
• 📈 Põhivisualiseerimine - Looge diagramme ja graafikuid
• 🔬 Praktiline projekt - Täielik töövoog algusest lõpuni

Iga näide sisaldab üksikasjalikke kommentaare, mis selgitavad iga sammu, muutes need ideaalseks täiesti algajatele!

👉 Alusta näidetega 👈

Tunnid

Andmeteadus algajatele: Teekond - Visuaalne märkmete leht @nitya

Tunni number	Teema	Tunni rühm	Õpieesmärgid	Lingitud tund	Autor
01	Andmeteaduse määratlemine	Sissejuhatus	Õppige andmeteaduse põhimõisteid ja kuidas see on seotud tehisintellekti, masinõppe ja suurandmetega.	tund video	Dmitry
02	Andmeteaduse eetika	Sissejuhatus	Andmete eetika kontseptsioonid, väljakutsed ja raamistikud.	tund	Nitya
03	Andmete määratlemine	Sissejuhatus	Kuidas andmeid klassifitseeritakse ja nende levinumad allikad.	tund	Jasmine
04	Sissejuhatus statistikasse ja tõenäosusesse	Sissejuhatus	Matemaatilised tehnikad tõenäosuse ja statistika kasutamiseks andmete mõistmiseks.	tund video	Dmitry
05	Töö relatsiooniliste andmetega	Töö andmetega	Sissejuhatus relatsiooniliste andmete ja SQL-i (hääldatakse "siikvel") kasutamise põhitõdedesse.	tund	Christopher
06	Töö NoSQL andmetega	Töö andmetega	Sissejuhatus mitte-relatsiooniliste andmete erinevatesse tüüpidesse ja dokumentide andmebaaside analüüsi põhitõdedesse.	tund	Jasmine
07	Töö Pythoniga	Töö andmetega	Pythoni kasutamise põhitõed andmete uurimiseks, kasutades raamatukogusid nagu Pandas. Soovitatav on Pythoni programmeerimise põhialuste mõistmine.	tund video	Dmitry
08	Andmete ettevalmistamine	Töö andmetega	Teemad andmete puhastamise ja teisendamise tehnikatest, et lahendada puuduvate, ebatäpsete või mittetäielike andmete probleeme.	tund	Jasmine
09	Koguste visualiseerimine	Andmete visualiseerimine	Õppige kasutama Matplotlibi, et visualiseerida linnuandmeid 🦆	tund	Jen
10	Andmete jaotuste visualiseerimine	Andmete visualiseerimine	Vahemikus olevate vaatluste ja trendide visualiseerimine.	tund	Jen
11	Proportsioonide visualiseerimine	Andmete visualiseerimine	Diskreetsete ja rühmitatud protsentide visualiseerimine.	tund	Jen
12	Suhete visualiseerimine	Andmete visualiseerimine	Andmekogumite ja nende muutujate vaheliste seoste ja korrelatsioonide visualiseerimine.	tund	Jen
13	Tähenduslikud visualiseeringud	Andmete visualiseerimine	Tehnikad ja juhised, kuidas muuta oma visualiseeringud tõhusaks probleemide lahendamiseks ja teadmiste saamiseks.	tund	Jen
14	Sissejuhatus andmeteaduse elutsüklisse	Elutsükkel	Sissejuhatus andmeteaduse elutsüklisse ja selle esimesse etappi - andmete hankimine ja ekstraheerimine.	tund	Jasmine
15	Analüüsimine	Elutsükkel	Andmeteaduse elutsükli etapp, mis keskendub andmete analüüsimise tehnikatele.	tund	Jasmine
16	Kommunikatsioon	Elutsükkel	Andmeteaduse elutsükli etapp, mis keskendub andmetest saadud teadmiste esitamisele otsustajatele arusaadaval viisil.	tund	Jalen
17	Andmeteadus pilves	Pilveandmed	Sari tundidest, mis tutvustavad andmeteadust pilves ja selle eeliseid.	tund	Tiffany ja Maud
18	Andmeteadus pilves	Pilveandmed	Mudelite treenimine madala koodiga tööriistade abil.	tund	Tiffany ja Maud
19	Andmeteadus pilves	Pilveandmed	Mudelite juurutamine Azure Machine Learning Studio abil.	tund	Tiffany ja Maud
20	Andmeteadus looduses	Looduses	Andmeteaduse juhitud projektid pärismaailmas.	tund	Nitya

GitHub Codespaces

Järgige neid samme, et avada see näidis Codespaces'is:

1. Klõpsake koodi rippmenüül ja valige Open with Codespaces valik.
2. Valige + New codespace paneeli allosas. Lisateabe saamiseks vaadake GitHubi dokumentatsiooni.

VSCode Remote - Containers

Järgige neid samme, et avada see repo konteineris, kasutades oma kohalikku masinat ja VSCode'i koos VS Code Remote - Containers laiendusega:

1. Kui kasutate arenduskonteinerit esimest korda, veenduge, et teie süsteem vastab eeltingimustele (nt Docker on installitud) alustamise dokumentatsioonis.

Selle repositooriumi kasutamiseks saate selle avada kas isoleeritud Dockeri mahus:

Märkus: Selle taustal kasutatakse Remote-Containers: Clone Repository in Container Volume... käsku, et kloonida lähtekood Dockeri mahus, mitte kohalikus failisüsteemis. Mahud on eelistatud mehhanism konteineri andmete säilitamiseks.

Või avage kohalikult kloonitud või alla laaditud repositooriumi versioon:

• Kloonige see repositoorium oma kohalikku failisüsteemi.
• Vajutage F1 ja valige Remote-Containers: Open Folder in Container... käsk.
• Valige selle kausta kloonitud koopia, oodake, kuni konteiner käivitub, ja proovige asju.

Offline kasutamine

Seda dokumentatsiooni saab kasutada ka võrguühenduseta, kasutades Docsify. Kloonige see repo, installige Docsify oma kohalikku masinasse, seejärel sisestage selle repo juurkaustas docsify serve. Veebisait teenindatakse pordil 3000 teie localhostis: localhost:3000.

Märkus: märkmikud ei renderdu Docsify kaudu, seega kui peate märkmikku käivitama, tehke seda eraldi VS Code'is, kasutades Pythoni kerneli.

Muud õppekavad

Meie meeskond koostab ka teisi õppekavasid! Vaadake:

Azure / Edge / MCP / Agents

---

Generatiivse tehisintellekti sari

---

Põhiõpe

---

Copiloti sari

Abi saamine

Probleemid? Vaata meie Tõrkeotsingu juhendit, et leida lahendusi levinud probleemidele.

Kui jääd hätta või sul on küsimusi AI rakenduste loomise kohta, liitu teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt.

Kui sul on tagasisidet toodete kohta või esineb vigu arendamisel, külasta:

---

Lahtiütlus:
See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame tagada täpsust, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algkeeles tuleks lugeda autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valede tõlgenduste eest.