Data-Science-For-Beginners/translations/ru

Основы Data Science - Учебная программа

Azure Cloud Advocates в Microsoft рады предложить 10-недельную учебную программу, состоящую из 20 уроков, посвященных Data Science. Каждый урок включает тесты до и после занятия, письменные инструкции для выполнения задания, решение и домашнее задание. Наш проектный подход к обучению позволяет учиться, создавая, что доказано помогает лучше усваивать новые навыки.

Огромная благодарность нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Особая благодарность 🙏 нашим Microsoft Student Ambassador авторам, рецензентам и участникам контента, включая 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

Основы Data Science - Скетчнот от @nitya

🌐 Поддержка нескольких языков

Поддерживается через GitHub Action (автоматически и всегда актуально)

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 | Korean | Lithuanian | Malay | 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 | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Если вы хотите добавить поддержку дополнительных языков, список доступных языков можно найти здесь

Присоединяйтесь к нашему сообществу

У нас проходит серия обучения с AI в Discord, узнайте больше и присоединяйтесь к Learn with AI Series с 18 по 30 сентября 2025 года. Вы узнаете советы и хитрости использования GitHub Copilot для Data Science.

Вы студент?

Начните с следующих ресурсов:

• Страница для студентов На этой странице вы найдете ресурсы для начинающих, студенческие пакеты и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и проверять время от времени, так как мы обновляем контент как минимум раз в месяц.
• Microsoft Learn Student Ambassadors Присоединяйтесь к глобальному сообществу студенческих амбассадоров, это может стать вашим путем в Microsoft.

Начало работы

📚 Документация

• Руководство по установке - Пошаговые инструкции для начинающих
• Руководство по использованию - Примеры и основные рабочие процессы
• Устранение неполадок - Решения распространенных проблем
• Руководство по внесению изменений - Как внести вклад в проект
• Для преподавателей - Рекомендации по обучению и ресурсы для классов

👨‍🎓 Для студентов

Полные новички: Только начинаете изучать Data Science? Начните с наших примеров для начинающих! Эти простые, хорошо прокомментированные примеры помогут вам понять основы перед тем, как перейти к полной учебной программе. Студенты: чтобы использовать эту учебную программу самостоятельно, сделайте форк репозитория и выполните упражнения самостоятельно, начиная с теста перед лекцией. Затем прочитайте лекцию и выполните остальные задания. Постарайтесь создавать проекты, понимая уроки, а не копируя код решения; однако этот код доступен в папках /solutions в каждом проектно-ориентированном уроке. Еще одна идея — создать учебную группу с друзьями и изучать контент вместе. Для дальнейшего изучения мы рекомендуем Microsoft Learn.

Быстрый старт:

1. Ознакомьтесь с Руководством по установке, чтобы настроить вашу среду
2. Просмотрите Руководство по использованию, чтобы узнать, как работать с учебной программой
3. Начните с Урока 1 и двигайтесь последовательно
4. Присоединяйтесь к нашему сообществу в Discord для получения поддержки

👩‍🏫 Для преподавателей

Преподаватели: мы включили несколько предложений о том, как использовать эту учебную программу. Нам будет приятно получить ваш отзыв в нашем форуме обсуждений!

Знакомьтесь с командой

Gif создан Mohit Jaisal

🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!

Педагогика

Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечение проектной направленности и включение частых викторин. К концу этого курса студенты изучат основные принципы науки о данных, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные примеры использования науки о данных и многое другое.

Кроме того, викторина с низкими ставками перед занятием настраивает студента на изучение темы, а вторая викторина после занятия способствует лучшему запоминанию материала. Эта учебная программа была разработана как гибкая и увлекательная, и её можно проходить полностью или частично. Проекты начинаются с простых и становятся всё более сложными к концу 10-недельного цикла.

Ознакомьтесь с нашими Правилами поведения, Руководством по участию, Руководством по переводу. Мы будем рады вашим конструктивным отзывам!

Каждый урок включает:

• Необязательный скетчноут
• Необязательное дополнительное видео
• Разогревающая викторина перед уроком
• Письменный урок
• Для проектных уроков — пошаговые инструкции по созданию проекта
• Проверка знаний
• Задание-вызов
• Дополнительные материалы для чтения
• Домашнее задание
• Викторина после урока

Примечание о викторинах: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Они связаны с уроками, но приложение для викторин можно запустить локально или развернуть в Azure; следуйте инструкциям в папке quiz-app. Они постепенно переводятся на другие языки.

🎓 Примеры для начинающих

Новичок в науке о данных? Мы создали специальный каталог примеров с простым, хорошо прокомментированным кодом, чтобы помочь вам начать:

• 🌟 Hello World - Ваша первая программа по науке о данных
• 📂 Загрузка данных - Научитесь читать и исследовать наборы данных
• 📊 Простой анализ - Рассчитывайте статистику и находите закономерности
• 📈 Базовая визуализация - Создавайте диаграммы и графики
• 🔬 Реальный проект - Полный рабочий процесс от начала до конца

Каждый пример включает подробные комментарии, объясняющие каждый шаг, что делает их идеальными для абсолютных новичков!

👉 Начните с примеров 👈

Уроки

Наука о данных для начинающих: Дорожная карта - Скетчноут от @nitya

Номер урока	Тема	Группа уроков	Цели обучения	Ссылка на урок	Автор
01	Определение науки о данных	Введение	Изучите основные концепции науки о данных и её связь с искусственным интеллектом, машинным обучением и большими данными.	урок видео	Дмитрий
02	Этика в науке о данных	Введение	Концепции этики данных, вызовы и рамки.	урок	Нития
03	Определение данных	Введение	Как классифицируются данные и их основные источники.	урок	Жасмин
04	Введение в статистику и вероятность	Введение	Математические методы вероятности и статистики для понимания данных.	урок видео	Дмитрий
05	Работа с реляционными данными	Работа с данными	Введение в реляционные данные и основы их исследования и анализа с использованием языка SQL (произносится как "си-квел").	урок	Кристофер
06	Работа с NoSQL данными	Работа с данными	Введение в нереляционные данные, их различные типы и основы исследования и анализа документных баз данных.	урок	Жасмин
07	Работа с Python	Работа с данными	Основы использования Python для исследования данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python.	урок видео	Дмитрий
08	Подготовка данных	Работа с данными	Темы о методах очистки и преобразования данных для решения проблем отсутствующих, неточных или неполных данных.	урок	Жасмин
09	Визуализация количеств	Визуализация данных	Научитесь использовать Matplotlib для визуализации данных о птицах 🦆	урок	Джен
10	Визуализация распределений данных	Визуализация данных	Визуализация наблюдений и трендов в пределах интервала.	урок	Джен
11	Визуализация пропорций	Визуализация данных	Визуализация дискретных и сгруппированных процентов.	урок	Джен
12	Визуализация взаимосвязей	Визуализация данных	Визуализация связей и корреляций между наборами данных и их переменными.	урок	Джен
13	Значимые визуализации	Визуализация данных	Техники и рекомендации для создания ценных визуализаций для эффективного решения проблем и получения инсайтов.	урок	Джен
14	Введение в жизненный цикл науки о данных	Жизненный цикл	Введение в жизненный цикл науки о данных и его первый этап — сбор и извлечение данных.	урок	Жасмин
15	Анализ	Жизненный цикл	Этот этап жизненного цикла науки о данных сосредоточен на методах анализа данных.	урок	Жасмин
16	Коммуникация	Жизненный цикл	Этот этап жизненного цикла науки о данных сосредоточен на представлении инсайтов из данных таким образом, чтобы это было понятно лицам, принимающим решения.	урок	Джейлен
17	Наука о данных в облаке	Облачные данные	Этот цикл уроков вводит в науку о данных в облаке и её преимущества.	урок	Тиффани и Мод
18	Наука о данных в облаке	Облачные данные	Обучение моделей с использованием инструментов Low Code.	урок	Тиффани и Мод
19	Наука о данных в облаке	Облачные данные	Развёртывание моделей с помощью Azure Machine Learning Studio.	урок	Тиффани и Мод
20	Наука о данных в реальном мире	В реальном мире	Проекты, основанные на науке о данных, в реальном мире.	урок	Нития

GitHub Codespaces

Следуйте этим шагам, чтобы открыть этот пример в Codespace:

1. Нажмите на выпадающее меню Code и выберите опцию Open with Codespaces.
2. Выберите + New codespace внизу панели. Для получения дополнительной информации ознакомьтесь с документацией GitHub.

VSCode Remote - Containers

Следуйте этим шагам, чтобы открыть этот репозиторий в контейнере, используя ваш локальный компьютер и VSCode с расширением VS Code Remote - Containers:

1. Если вы впервые используете контейнер для разработки, убедитесь, что ваша система соответствует требованиям (например, установлен Docker), указанным в документации по началу работы.

Чтобы использовать этот репозиторий, вы можете либо открыть его в изолированном Docker-томе:

Примечание: Внутри будет использоваться команда Remote-Containers: Clone Repository in Container Volume..., чтобы клонировать исходный код в Docker-том вместо локальной файловой системы. Томы являются предпочтительным механизмом для сохранения данных контейнера.

Или открыть локально клонированную или загруженную версию репозитория:

• Клонируйте этот репозиторий на вашу локальную файловую систему.
• Нажмите F1 и выберите команду Remote-Containers: Open Folder in Container....
• Выберите клонированную копию этой папки, дождитесь запуска контейнера и попробуйте.

Офлайн-доступ

Вы можете запустить эту документацию офлайн, используя Docsify. Форкните этот репозиторий, установите Docsify на вашем локальном компьютере, затем в корневой папке этого репозитория введите docsify serve. Веб-сайт будет доступен на порту 3000 на вашем localhost: localhost:3000.

Обратите внимание, что ноутбуки не будут отображаться через Docsify, поэтому, если вам нужно запустить ноутбук, сделайте это отдельно в VS Code с работающим Python-ядром.

Другие учебные программы

Наша команда создаёт и другие учебные программы! Ознакомьтесь:

Azure / Edge / MCP / Agents

---

Серия по генеративному ИИ

---

Основное обучение

---

Серия Copilot

Получение помощи

Возникли проблемы? Ознакомьтесь с нашим Руководством по устранению неполадок для решения распространенных проблем.

Если вы застряли или у вас есть вопросы о создании приложений с ИИ, присоединяйтесь к обсуждениям с другими учащимися и опытными разработчиками о MCP. Это поддерживающее сообщество, где приветствуются вопросы и свободно делятся знаниями.

Если у вас есть отзывы о продукте или вы столкнулись с ошибками при разработке, посетите:

---

Отказ от ответственности:
Этот документ был переведен с использованием сервиса автоматического перевода Co-op Translator. Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования этого перевода.