Data-Science-For-Beginners/translations/tl

Data Science para sa mga Baguhan - Isang Kurikulum

Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng 10-linggong, 20-aralin na kurikulum tungkol sa Data Science. Ang bawat aralin ay may kasamang pre-lesson at post-lesson na mga pagsusulit, nakasulat na mga tagubilin para sa pagsasagawa ng aralin, solusyon, at takdang-aralin. Ang aming project-based na paraan ng pagtuturo ay nagbibigay-daan sa iyo na matuto habang gumagawa, isang napatunayang paraan para mas matutunan ang mga bagong kasanayan.

Taos-pusong pasasalamat sa aming mga may-akda: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Espesyal na pasasalamat 🙏 sa aming Microsoft Student Ambassador na mga may-akda, tagasuri, at mga nag-ambag ng nilalaman, kabilang sina 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

Data Science Para sa mga Baguhan - Sketchnote ni @nitya

🌐 Suporta sa Multi-Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Automated at Palaging Napapanahon)

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

Kung nais mong magkaroon ng karagdagang mga pagsasalin, ang mga sinusuportahang wika ay nakalista dito

Sumali sa Aming Komunidad

Mayroon kaming ongoing na Discord learn with AI series, alamin pa at sumali sa amin sa Learn with AI Series mula 18 - 30 Setyembre, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.

Ikaw ba ay isang estudyante?

Simulan gamit ang mga sumusunod na resources:

• Student Hub page Sa pahinang ito, makakahanap ka ng mga resources para sa mga baguhan, Student packs, at maging mga paraan para makakuha ng libreng cert voucher. Isa itong pahina na dapat mong i-bookmark at bisitahin paminsan-minsan dahil binabago namin ang nilalaman buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa global na komunidad ng mga student ambassadors, maaaring ito ang iyong daan papunta sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• Installation Guide - Hakbang-hakbang na gabay sa pag-setup para sa mga baguhan
• Usage Guide - Mga halimbawa at karaniwang workflows
• Troubleshooting - Mga solusyon sa karaniwang mga isyu
• Contributing Guide - Paano mag-ambag sa proyektong ito
• For Teachers - Gabay sa pagtuturo at mga resources para sa klase

👨‍🎓 Para sa mga Estudyante

Mga Baguhan: Bago sa data science? Simulan sa aming mga halimbawa para sa baguhan! Ang mga simpleng halimbawa na may mga komento ay makakatulong sa iyo na maunawaan ang mga pangunahing kaalaman bago sumabak sa buong kurikulum. Mga Estudyante: upang gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at kumpletuhin ang mga exercises nang mag-isa, simula sa pre-lecture quiz. Pagkatapos, basahin ang lecture at kumpletuhin ang natitirang mga aktibidad. Subukang gawin ang mga proyekto sa pamamagitan ng pag-unawa sa mga aralin sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa /solutions folders sa bawat project-oriented na aralin. Isa pang ideya ay ang bumuo ng study group kasama ang mga kaibigan at sabay-sabay na pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekomenda namin ang Microsoft Learn.

Mabilis na Pagsisimula:

1. Tingnan ang Installation Guide para i-setup ang iyong environment
2. Suriin ang Usage Guide para matutunan kung paano gamitin ang kurikulum
3. Simulan sa Lesson 1 at magpatuloy nang sunod-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Mga Guro: mayroon kaming ilang mungkahi kung paano gamitin ang kurikulum na ito. Gusto naming marinig ang inyong feedback sa aming discussion forum!

Kilalanin ang Koponan

Gif ni Mohit Jaisal

🎥 I-click ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!

Pedagogy

Pinili namin ang dalawang prinsipyo ng pagtuturo sa pagbuo ng kurikulum na ito: tiyaking ito ay nakabatay sa proyekto at may kasamang madalas na pagsusulit. Sa pagtatapos ng seryeng ito, matututunan ng mga mag-aaral ang mga pangunahing prinsipyo ng data science, kabilang ang mga konsepto ng etika, paghahanda ng data, iba't ibang paraan ng paggamit ng data, visualisasyon ng data, pagsusuri ng data, mga tunay na kaso ng paggamit ng data science, at marami pa.

Bukod dito, ang pagsusulit na mababa ang stakes bago ang klase ay nagtatakda ng intensyon ng mag-aaral sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay tumutulong sa mas matibay na pagkatuto. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya, at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at nagiging mas kumplikado sa pagtatapos ng 10-linggong siklo.

Hanapin ang aming Code of Conduct, Contributing, Translation guidelines. Malugod naming tinatanggap ang inyong mga konstruktibong feedback!

Kasama sa bawat aralin:

• Opsyonal na sketchnote
• Opsyonal na karagdagang video
• Pagsusulit na warmup bago ang aralin
• Nakatalang aralin
• Para sa mga araling nakabatay sa proyekto, mga step-by-step na gabay kung paano buuin ang proyekto
• Mga pagsusuri ng kaalaman
• Isang hamon
• Karagdagang babasahin
• Takdang-aralin
• Pagsusulit pagkatapos ng aralin

Tungkol sa mga pagsusulit: Ang lahat ng pagsusulit ay nasa Quiz-App folder, na may kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Ang mga ito ay naka-link mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o i-deploy sa Azure; sundin ang mga tagubilin sa quiz-app folder. Ang mga ito ay unti-unting isinasalin.

🎓 Mga Halimbawa Para sa Baguhan

Bago sa Data Science? Nilikha namin ang isang espesyal na examples directory na may simpleng code na may mga komento upang matulungan kang magsimula:

• 🌟 Hello World - Ang iyong unang programa sa data science
• 📂 Pag-load ng Data - Matutong magbasa at mag-explore ng mga dataset
• 📊 Simpleng Pagsusuri - Kalkulahin ang mga istatistika at tuklasin ang mga pattern
• 📈 Pangunahing Visualisasyon - Gumawa ng mga chart at graph
• 🔬 Tunay na Proyekto - Kumpletong workflow mula simula hanggang matapos

Ang bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perpekto ito para sa mga baguhan!

👉 Simulan sa mga halimbawa 👈

Mga Aralin

Data Science Para sa Mga Baguhan: Roadmap - Sketchnote ni @nitya

Bilang ng Aralin	Paksa	Pangkat ng Aralin	Mga Layunin sa Pagkatuto	Naka-link na Aralin	May-akda
01	Pagpapakilala sa Data Science	Introduction	Matutunan ang mga pangunahing konsepto ng data science at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data.	aralin video	Dmitry
02	Etika sa Data Science	Introduction	Mga Konsepto, Hamon, at Framework ng Etika sa Data.	aralin	Nitya
03	Pagpapakilala sa Data	Introduction	Paano ikinuklasipika ang data at ang mga karaniwang pinagmulan nito.	aralin	Jasmine
04	Pagpapakilala sa Statistics at Probability	Introduction	Ang mga teknik sa matematika ng probability at statistics upang maunawaan ang data.	aralin video	Dmitry
05	Paggamit ng Relational Data	Working With Data	Pagpapakilala sa relational data at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”).	aralin	Christopher
06	Paggamit ng NoSQL Data	Working With Data	Pagpapakilala sa non-relational data, ang iba't ibang uri nito, at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng document databases.	aralin	Jasmine
07	Paggamit ng Python	Working With Data	Mga pangunahing kaalaman sa paggamit ng Python para sa pag-explore ng data gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundasyong kaalaman sa Python programming.	aralin video	Dmitry
08	Paghahanda ng Data	Working With Data	Mga paksa sa mga teknik ng data para sa paglilinis at pagbabago ng data upang matugunan ang mga hamon ng nawawala, hindi tama, o hindi kumpletong data.	aralin	Jasmine
09	Pag-visualize ng Mga Dami	Data Visualization	Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang bird data 🦆	aralin	Jen
10	Pag-visualize ng Pamamahagi ng Data	Data Visualization	Pag-visualize ng mga obserbasyon at trend sa loob ng isang interval.	aralin	Jen
11	Pag-visualize ng Proporsyon	Data Visualization	Pag-visualize ng discrete at grouped percentages.	aralin	Jen
12	Pag-visualize ng Mga Relasyon	Data Visualization	Pag-visualize ng mga koneksyon at correlations sa pagitan ng mga set ng data at kanilang mga variable.	aralin	Jen
13	Makabuluhang Visualisasyon	Data Visualization	Mga teknik at gabay para gawing mahalaga ang iyong mga visualisasyon para sa epektibong paglutas ng problema at mga insight.	aralin	Jen
14	Pagpapakilala sa Lifecycle ng Data Science	Lifecycle	Pagpapakilala sa lifecycle ng data science at ang unang hakbang nito sa pagkuha at pag-extract ng data.	aralin	Jasmine
15	Pagsusuri	Lifecycle	Ang phase na ito ng lifecycle ng data science ay nakatuon sa mga teknik para sa pagsusuri ng data.	aralin	Jasmine
16	Komunikasyon	Lifecycle	Ang phase na ito ng lifecycle ng data science ay nakatuon sa pagpapakita ng mga insight mula sa data sa paraang mas madaling maunawaan ng mga decision maker.	aralin	Jalen
17	Data Science sa Cloud	Cloud Data	Ang serye ng mga araling ito ay nagpapakilala sa data science sa cloud at ang mga benepisyo nito.	aralin	Tiffany at Maud
18	Data Science sa Cloud	Cloud Data	Pagsasanay ng mga modelo gamit ang Low Code tools.	aralin	Tiffany at Maud
19	Data Science sa Cloud	Cloud Data	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	aralin	Tiffany at Maud
20	Data Science sa Wild	In the Wild	Mga proyektong pinapatakbo ng data science sa tunay na mundo.	aralin	Nitya

GitHub Codespaces

Sundin ang mga hakbang na ito upang buksan ang sample na ito sa isang Codespace:

1. I-click ang drop-down na menu ng Code at piliin ang opsyon na Open with Codespaces.
2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang impormasyon, tingnan ang GitHub documentation.

VSCode Remote - Containers

Sundin ang mga hakbang na ito upang buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension:

1. Kung ito ang iyong unang beses na gumamit ng development container, tiyaking ang iyong sistema ay nakakatugon sa mga pre-req (hal. may naka-install na Docker) sa getting started documentation.

Upang gamitin ang repository na ito, maaari mo itong buksan sa isang isolated Docker volume:

Tandaan: Sa ilalim ng hood, gagamitin nito ang Remote-Containers: Clone Repository in Container Volume... command upang i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Volumes ang mas pinapaboran na mekanismo para sa pag-persist ng container data.

O buksan ang isang lokal na na-clone o na-download na bersyon ng repository:

• I-clone ang repository na ito sa iyong lokal na filesystem.
• Pindutin ang F1 at piliin ang Remote-Containers: Open Folder in Container... command.
• Piliin ang na-clone na kopya ng folder na ito, hintayin ang pagsisimula ng container, at subukan ang mga bagay.

Offline na access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay magsisilbi sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, ang mga notebook ay hindi mairender sa pamamagitan ng Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code na tumatakbo sa isang Python kernel.

Iba pang Kurikulum

Ang aming team ay gumagawa ng iba pang kurikulum! Tingnan:

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Pangunahing Pag-aaral

---

Copilot Series

Pagkuha ng Tulong

Nakakaranas ng mga isyu? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa karaniwang mga problema.

Kung ikaw ay nahihirapan o may mga tanong tungkol sa paggawa ng AI apps, sumali sa mga kapwa mag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Ito ay isang suportadong komunidad kung saan ang mga tanong ay malugod na tinatanggap at ang kaalaman ay malayang ibinabahagi.

Kung mayroon kang feedback sa produkto o mga error habang gumagawa, bisitahin:

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service Co-op Translator. Bagamat sinisikap naming maging tumpak, mangyaring tandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.