Data-Science-For-Beginners/translations/tw

初學者的資料科學課程

Azure Cloud Advocates 團隊很高興提供一個為期10週、共20堂課的資料科學課程。每堂課包含課前與課後測驗、詳細的課程指導、解答以及作業。我們的專案式教學法讓您在實作中學習，這是一種能讓新技能更牢固的有效方式。

衷心感謝我們的作者們： 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、審稿者及內容貢獻者， 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。

初學者的資料科學 - 速寫筆記由 @nitya 繪製

🌐 多語言支援

透過 GitHub Action 支援（自動化且始終保持最新）

阿拉伯文 | 孟加拉文 | 保加利亞文 | 緬甸文 | 簡體中文 | 繁體中文（香港） | 繁體中文（澳門） | 繁體中文（台灣） | 克羅埃西亞文 | 捷克文 | 丹麥文 | 荷蘭文 | 愛沙尼亞文 | 芬蘭文 | 法文 | 德文 | 希臘文 | 希伯來文 | 印地文 | 匈牙利文 | 印尼文 | 義大利文 | 日文 | 韓文 | 立陶宛文 | 馬來文 | 馬拉地文 | 尼泊爾文 | 奈及利亞皮欽語 | 挪威文 | 波斯文（法爾西文） | 波蘭文 | 葡萄牙文（巴西） | 葡萄牙文（葡萄牙） | 旁遮普文（古木基文） | 羅馬尼亞文 | 俄文 | 塞爾維亞文（西里爾文） | 斯洛伐克文 | 斯洛維尼亞文 | 西班牙文 | 斯瓦希里文 | 瑞典文 | 他加祿文（菲律賓文） | 泰米爾文 | 泰文 | 土耳其文 | 烏克蘭文 | 烏爾都文 | 越南文

如果您希望支援其他翻譯語言，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的 AI 學習系列，活動時間為 2025 年 9 月 18 日至 30 日。您將學到使用 GitHub Copilot 進行資料科學的技巧。

您是學生嗎？

以下是一些資源供您開始使用：

• 學生中心頁面 在此頁面，您可以找到初學者資源、學生套件，甚至有機會獲得免費認證憑證。這是一個值得收藏並定期查看的頁面，因為我們至少每月更新一次內容。
• Microsoft 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 - 範例與常見工作流程
• 疑難排解 - 常見問題的解決方案
• 貢獻指南 - 如何為此專案做出貢獻
• 給教師的資源 - 教學指導與課堂資源

👨‍🎓 給學生

完全初學者：對資料科學完全陌生嗎？從我們的 初學者範例 開始！這些簡單且有詳細註解的範例將幫助您在深入課程之前了解基礎。 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。嘗試透過理解課程內容來創建專案，而不是直接複製解答程式碼；不過，解答程式碼可在每個專案導向課程的 /solutions 資料夾中找到。另一個建議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 獲得支援

👩‍🏫 給教師

教師：我們已 提供一些建議 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專案及創作者的影片！

教學法

我們在設計這份課程時選擇了兩個教學原則：確保課程以專案為基礎，並包含頻繁的小測驗。在這個系列結束時，學生將學習到資料科學的基本原則，包括倫理概念、資料準備、不同的資料處理方式、資料視覺化、資料分析、資料科學的實際應用案例等等。

此外，課前的低壓力小測驗可以幫助學生專注於學習主題，而課後的第二次測驗則能進一步鞏固記憶。這份課程設計靈活且有趣，可以完整學習，也可以選擇部分內容學習。專案從簡單開始，並在 10 週的課程週期結束時逐漸變得更為複雜。

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反饋！

每節課包含：

• 可選的手繪筆記
• 可選的補充影片
• 課前熱身小測驗
• 書面課程
• 專案型課程的逐步指導
• 知識檢查
• 挑戰
• 補充閱讀
• 作業
• 課後小測驗

關於小測驗的說明：所有小測驗都包含在 Quiz-App 資料夾中，共有 40 個小測驗，每個小測驗包含三個問題。這些測驗在課程中有連結，但也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。這些測驗正在逐步進行本地化。

🎓 初學者友好的範例

剛接觸資料科學嗎？ 我們特別創建了一個 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 - 您的第一個資料科學程式
• 📂 載入資料 - 學習如何讀取和探索資料集
• 📊 簡單分析 - 計算統計數據並發現模式
• 📈 基礎視覺化 - 創建圖表和圖形
• 🔬 實際專案 - 從頭到尾的完整工作流程

每個範例都包含詳細的註解，解釋每一步驟，非常適合完全的初學者！

👉 從範例開始 👈

課程

資料科學初學者：學習路線圖 - 手繪筆記由 @nitya 提供

課程編號	主題	課程分組	學習目標	連結課程	作者
01	定義資料科學	簡介	學習資料科學的基本概念，以及它與人工智慧、機器學習和大數據的關係。	課程 影片	Dmitry
02	資料科學倫理	簡介	資料倫理的概念、挑戰與框架。	課程	Nitya
03	定義資料	簡介	資料的分類及其常見來源。	課程	Jasmine
04	統計與機率簡介	簡介	使用機率與統計的數學技術來理解資料。	課程 影片	Dmitry
05	使用關聯資料	資料操作	關聯資料的簡介，以及使用結構化查詢語言（SQL）探索和分析關聯資料的基礎知識。	課程	Christopher
06	使用 NoSQL 資料	資料操作	非關聯資料的簡介、其各種類型，以及探索和分析文件資料庫的基礎知識。	課程	Jasmine
07	使用 Python	資料操作	使用 Python 進行資料探索的基礎知識，包括 Pandas 等庫。建議具備 Python 程式設計的基礎知識。	課程 影片	Dmitry
08	資料準備	資料操作	關於清理和轉換資料的技術主題，以應對遺漏、不準確或不完整的資料挑戰。	課程	Jasmine
09	視覺化數量	資料視覺化	學習如何使用 Matplotlib 視覺化鳥類資料 🦆	課程	Jen
10	視覺化資料分佈	資料視覺化	視覺化區間內的觀察和趨勢。	課程	Jen
11	視覺化比例	資料視覺化	視覺化離散和分組的百分比。	課程	Jen
12	視覺化關係	資料視覺化	視覺化資料集及其變數之間的連結和相關性。	課程	Jen
13	有意義的視覺化	資料視覺化	提供技術和指導，讓您的視覺化對於有效解決問題和獲取洞察更有價值。	課程	Jen
14	資料科學生命週期簡介	生命週期	資料科學生命週期的簡介及其第一步：獲取和提取資料。	課程	Jasmine
15	分析	生命週期	資料科學生命週期中專注於分析資料的技術。	課程	Jasmine
16	溝通	生命週期	資料科學生命週期中專注於以易於決策者理解的方式呈現資料洞察。	課程	Jalen
17	雲端中的資料科學	雲端資料	這系列課程介紹雲端中的資料科學及其優勢。	課程	Tiffany 和 Maud
18	雲端中的資料科學	雲端資料	使用低代碼工具訓練模型。	課程	Tiffany 和 Maud
19	雲端中的資料科學	雲端資料	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany 和 Maud
20	野外的資料科學	實際應用	資料科學驅動的實際專案。	課程	Nitya

GitHub Codespaces

按照以下步驟在 Codespace 中開啟此範例：

1. 點擊 Code 下拉選單，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，在容器中開啟此存儲庫：

1. 如果這是您第一次使用開發容器，請確保您的系統符合前置需求（例如已安裝 Docker），詳見 入門文件。

要使用此存儲庫，您可以選擇在隔離的 Docker 卷中開啟存儲庫：

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。

或者開啟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。
• 選擇此資料夾的克隆副本，等待容器啟動，然後嘗試操作。

離線存取

您可以使用 Docsify 離線運行此文件。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目錄中輸入 docsify serve。網站將在本地端口 3000 上提供服務：localhost:3000。

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

其他課程

我們的團隊還製作了其他課程！查看以下內容：

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求協助

遇到問題了嗎？ 請查看我們的 疑難排解指南，了解常見問題的解決方法。

如果您在建立 AI 應用程式時遇到困難或有任何疑問，歡迎加入學習者和有經驗的開發者的討論社群。這是一個支持性的社群，鼓勵提問並自由分享知識。

如果您有產品回饋或在開發過程中遇到錯誤，請造訪：

---

免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或誤釋不承擔責任。