Data-Science-For-Beginners/translations/mo

初學者數據科學 - 課程

Azure Cloud Advocates 團隊於 Microsoft 很高興提供一個為期 10 週、共 20 節課的數據科學課程。每節課包括課前和課後測驗、完成課程的書面指導、解決方案以及作業。我們的項目式教學法讓您在建構中學習，這是一種能讓新技能牢牢掌握的有效方法。

衷心感謝我們的作者： Jasmine Greenaway、Dmitry Soshnikov、Nitya Narasimhan、Jalen McGee、Jen Looper、Maud Levy、Tiffany Souterre、Christopher Harrison。

🙏 特別感謝 🙏 我們的 Microsoft 學生大使 作者、審核者及內容貢獻者， 特別是 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。

初學者數據科學 - 由 @nitya 繪製的速寫筆記

🌐 多語言支持

通過 GitHub Action 支持（自動化且始終保持最新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語 | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，台灣） | 克羅地亞語 | 捷克語 | 丹麥語 | 荷蘭語 | 愛沙尼亞語 | 芬蘭語 | 法語 | 德語 | 希臘語 | 希伯來語 | 印地語 | 匈牙利語 | 印尼語 | 意大利語 | 日語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉地語 | 尼泊爾語 | 尼日利亞皮欽語 | 挪威語 | 波斯語（法爾西語） | 波蘭語 | 葡萄牙語（巴西） | 葡萄牙語（葡萄牙） | 旁遮普語（古木基文） | 羅馬尼亞語 | 俄語 | 塞爾維亞語（西里爾文） | 斯洛伐克語 | 斯洛文尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 塔加洛語（菲律賓語） | 泰米爾語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

如果您希望支持其他翻譯語言，請參考 此處

加入我們的社群

我們正在進行一個 AI 學習系列，了解更多並加入我們 AI 學習系列，活動時間為 2025 年 9 月 18 日至 30 日。您將獲得使用 GitHub Copilot 進行數據科學的技巧和建議。

您是學生嗎？

開始使用以下資源：

• 學生中心頁面 在此頁面，您可以找到初學者資源、學生包以及獲得免費證書憑證的方法。這是一個您想要收藏並不時查看的頁面，因為我們至少每月更換一次內容。
• Microsoft 學習學生大使 加入全球學生大使社群，這可能是您進入 Microsoft 的途徑。

開始使用

📚 文件

• 安裝指南 - 初學者的逐步設置指導
• 使用指南 - 示例和常見工作流程
• 故障排除 - 常見問題的解決方案
• 貢獻指南 - 如何為此項目做出貢獻
• 教師指南 - 教學指導和課堂資源

👨‍🎓 給學生

完全初學者：對數據科學完全陌生？從我們的 初學者友好示例 開始！這些簡單且有詳細註解的示例將幫助您在深入完整課程之前理解基礎。 學生：如果您想自行使用此課程，請 fork 整個 repo 並自行完成練習，從課前測驗開始。然後閱讀課程並完成其餘活動。嘗試通過理解課程來創建項目，而不是直接複製解決方案代碼；不過，該代碼可在每個項目導向課程的 /solutions 文件夾中找到。另一個想法是與朋友組成學習小組，一起學習內容。進一步學習，我們推薦 Microsoft Learn。

快速開始：

1. 查看 安裝指南 設置您的環境
2. 閱讀 使用指南 了解如何使用課程
3. 從第一課開始，按順序學習
4. 加入我們的 Discord 社群 獲得支持

👩‍🏫 給教師

教師：我們 提供了一些建議 關於如何使用此課程。我們期待您在 討論論壇 中提供反饋！

認識團隊

Gif 作者 Mohit Jaisal

🎥 點擊上方圖片觀看關於此項目及創建者的影片！

教學法

我們在設計這套課程時選擇了兩個教學原則：確保課程以專案為基礎，並包含頻繁的測驗。到這系列課程結束時，學生將學習到數據科學的基本原則，包括倫理概念、數據準備、不同的數據處理方式、數據可視化、數據分析、數據科學的實際應用案例等。

此外，課前的低壓測驗能幫助學生專注於學習主題，而課後的第二次測驗則能加強記憶。這套課程設計靈活有趣，可以完整學習，也可以選擇部分內容。專案從簡單開始，並在10週的循環結束時逐漸變得複雜。

查看我們的行為準則、貢獻指南、翻譯指南。我們歡迎您的建設性意見！

每節課包括：

• 可選的手繪筆記
• 可選的補充影片
• 課前暖身測驗
• 書面課程
• 專案式課程的逐步指導
• 知識檢查
• 挑戰
• 補充閱讀
• 作業
• 課後測驗

關於測驗的說明：所有測驗都包含在 Quiz-App 資料夾中，共有40個測驗，每個測驗包含三個問題。測驗在課程中有連結，但測驗應用程式可以在本地運行或部署到 Azure；請按照 quiz-app 資料夾中的指示操作。測驗正在逐步本地化。

🎓 初學者友好的範例

剛接觸數據科學？ 我們創建了一個特別的範例目錄，其中包含簡單且有詳細註解的程式碼，幫助您入門：

• 🌟 Hello World - 您的第一個數據科學程式
• 📂 載入數據 - 學習如何讀取和探索數據集
• 📊 簡單分析 - 計算統計數據並尋找模式
• 📈 基礎可視化 - 創建圖表和圖形
• 🔬 實際專案 - 從開始到完成的完整工作流程

每個範例都包含詳細的註解，解釋每一步，非常適合完全的初學者！

👉 從範例開始 👈

課程

數據科學初學者：學習路線圖 - 手繪筆記由 @nitya

課程編號	主題	課程分組	學習目標	課程連結	作者
01	定義數據科學	介紹	學習數據科學的基本概念及其與人工智能、機器學習和大數據的關係。	課程 影片	Dmitry
02	數據科學倫理	介紹	數據倫理概念、挑戰及框架。	課程	Nitya
03	定義數據	介紹	數據的分類及其常見來源。	課程	Jasmine
04	統計與概率入門	介紹	使用概率和統計的數學技術來理解數據。	課程 影片	Dmitry
05	使用關聯數據	使用數據	關聯數據的介紹及使用結構化查詢語言（SQL）探索和分析關聯數據的基礎。	課程	Christopher
06	使用 NoSQL 數據	使用數據	非關聯數據的介紹、其各種類型及探索和分析文件型數據庫的基礎。	課程	Jasmine
07	使用 Python	使用數據	使用 Python 探索數據的基礎，包含 Pandas 等庫。建議具備 Python 程式設計的基礎知識。	課程 影片	Dmitry
08	數據準備	使用數據	數據清理和轉換技術，應對缺失、不準確或不完整數據的挑戰。	課程	Jasmine
09	數量可視化	數據可視化	學習如何使用 Matplotlib 可視化鳥類數據 🦆	課程	Jen
10	數據分佈可視化	數據可視化	可視化區間內的觀察和趨勢。	課程	Jen
11	比例可視化	數據可視化	可視化離散和分組百分比。	課程	Jen
12	關係可視化	數據可視化	可視化數據集及其變數之間的連接和相關性。	課程	Jen
13	有意義的可視化	數據可視化	提供技術和指導，讓您的可視化在解決問題和洞察方面更具價值。	課程	Jen
14	數據科學生命周期介紹	生命周期	數據科學生命周期的介紹及其第一步：獲取和提取數據。	課程	Jasmine
15	分析	生命周期	數據科學生命周期的這一階段專注於數據分析技術。	課程	Jasmine
16	溝通	生命周期	數據科學生命周期的這一階段專注於以易於決策者理解的方式呈現數據洞察。	課程	Jalen
17	雲端中的數據科學	雲端數據	這系列課程介紹雲端中的數據科學及其優勢。	課程	Tiffany 和 Maud
18	雲端中的數據科學	雲端數據	使用低代碼工具訓練模型。	課程	Tiffany 和 Maud
19	雲端中的數據科學	雲端數據	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany 和 Maud
20	野外的數據科學	野外應用	數據科學驅動的實際專案。	課程	Nitya

GitHub Codespaces

按照以下步驟在 Codespace 中打開此範例：

1. 點擊 Code 下拉選單並選擇 Open with Codespaces 選項。
2. 在面板底部選擇 + New codespace。 更多資訊，請查看 GitHub 文件。

VSCode Remote - Containers

按照以下步驟使用本地機器和 VSCode 的 VS Code Remote - Containers 擴展在容器中打開此存儲庫：

1. 如果您是第一次使用開發容器，請確保您的系統符合前置要求（例如安裝了 Docker），請參考入門文檔。

要使用此存儲庫，您可以選擇在隔離的 Docker 卷中打開存儲庫：

注意：在底層，這將使用 Remote-Containers: Clone Repository in Container Volume... 命令將源代碼克隆到 Docker 卷中，而不是本地文件系統。卷是持久化容器數據的首選機制。

或者打開本地克隆或下載的存儲庫版本：

• 將此存儲庫克隆到您的本地文件系統。
• 按 F1 並選擇 Remote-Containers: Open Folder in Container... 命令。
• 選擇此文件夾的克隆副本，等待容器啟動，然後嘗試操作。

離線訪問

您可以使用 Docsify 離線運行此文檔。Fork 此存儲庫，在您的本地機器上安裝 Docsify，然後在此存儲庫的根文件夾中輸入 docsify serve。網站將在您的本地主機的 3000 端口上提供服務：localhost:3000。

注意，筆記本無法通過 Docsify 渲染，因此當您需要運行筆記本時，請在 VS Code 中單獨運行 Python 核心。

其他課程

我們的團隊還製作了其他課程！查看：

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求幫助

遇到問題？ 請查看我們的 故障排除指南，以解決常見問題。

如果您在構建 AI 應用時遇到困難或有任何疑問，歡迎加入學習者和經驗豐富的開發者的討論社區。這是一個支持性的社區，歡迎提問並自由分享知識。

如果您有產品反饋或在構建過程中遇到錯誤，請訪問：

---

免責聲明：
此文件已使用 AI 翻譯服務 Co-op Translator 翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件為權威來源。如涉及關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。