Data-Science-For-Beginners/translations/uk

Основи науки про дані - Навчальна програма

Azure Cloud Advocates у Microsoft раді запропонувати 10-тижневу навчальну програму з 20 уроків, присвячену науці про дані. Кожен урок включає тести перед і після заняття, письмові інструкції для виконання уроку, рішення та завдання. Наш підхід, заснований на проектах, дозволяє навчатися через створення, що є перевіреним способом закріплення нових навичок.

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

🙏 Особлива подяка 🙏 нашим Microsoft Student Ambassador авторам, рецензентам та учасникам контенту, зокрема 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

Наука про дані для початківців - Скетчнот від @nitya

🌐 Підтримка багатомовності

Підтримується через GitHub Action (Автоматично та завжди актуально)

Арабська | Бенгальська | Болгарська | Бірманська (М'янма) | Китайська (спрощена) | Китайська (традиційна, Гонконг) | Китайська (традиційна, Макао) | Китайська (традиційна, Тайвань) | Хорватська | Чеська | Данська | Нідерландська | Естонська | Фінська | Французька | Німецька | Грецька | Іврит | Гінді | Угорська | Індонезійська | Італійська | Японська | Корейська | Литовська | Малайська | Маратхі | Непальська | Нігерійський піджин | Норвезька | Перська (фарсі) | Польська | Португальська (Бразилія) | Португальська (Португалія) | Панджабі (Гурмухі) | Румунська | Російська | Сербська (кирилиця) | Словацька | Словенська | Іспанська | Суахілі | Шведська | Тагальська (Філіппіни) | Тамільська | Тайська | Турецька | Українська | Урду | В'єтнамська

Якщо ви хочете додати додаткові переклади, список підтримуваних мов доступний тут

Приєднуйтесь до нашої спільноти

У нас триває серія навчання з AI у Discord, дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі використання GitHub Copilot для науки про дані.

Ви студент?

Почніть з наступних ресурсів:

• Сторінка для студентів На цій сторінці ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний ваучер на сертифікацію. Це сторінка, яку варто додати в закладки та перевіряти час від часу, оскільки ми змінюємо контент щонайменше щомісяця.
• Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентів-амбасадорів, це може бути вашим шляхом до Microsoft.

Початок роботи

📚 Документація

• Інструкція з встановлення - Покрокові інструкції для початківців
• Інструкція з використання - Приклади та поширені робочі процеси
• Усунення несправностей - Рішення поширених проблем
• Інструкція для внесення змін - Як внести свій внесок у цей проєкт
• Для викладачів - Рекомендації для викладання та ресурси для класу

👨‍🎓 Для студентів

Повні початківці: Новачок у науці про дані? Почніть з наших прикладів для початківців! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед тим, як перейти до повної навчальної програми. Студенти: щоб використовувати цю навчальну програму самостійно, зробіть форк всього репозиторію та виконайте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Спробуйте створювати проєкти, розуміючи уроки, а не копіюючи код рішення; однак цей код доступний у папках /solutions у кожному проєктно-орієнтованому уроці. Ще одна ідея - створити навчальну групу з друзями та проходити контент разом. Для подальшого навчання ми рекомендуємо Microsoft Learn.

Швидкий старт:

1. Перегляньте Інструкцію з встановлення, щоб налаштувати середовище
2. Ознайомтеся з Інструкцією з використання, щоб дізнатися, як працювати з навчальною програмою
3. Почніть з Уроку 1 і працюйте послідовно
4. Приєднуйтесь до нашої спільноти Discord для підтримки

👩‍🏫 Для викладачів

Викладачі: ми додали кілька пропозицій щодо використання цієї навчальної програми. Нам буде цікаво почути ваші відгуки у нашому форумі обговорень!

Знайомство з командою

Gif створено Mohit Jaisal

🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!

Педагогіка

Ми обрали два педагогічні принципи при створенні цієї навчальної програми: забезпечення її проектно-орієнтованості та включення частих тестів. До кінця цього курсу студенти засвоять основні принципи науки про дані, включаючи етичні концепти, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, реальні приклади використання науки про дані та багато іншого.

Крім того, тест з низькими ставками перед заняттям налаштовує студента на вивчення теми, а другий тест після заняття забезпечує краще запам'ятовування. Ця навчальна програма була розроблена як гнучка та цікава, її можна проходити повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу.

Ознайомтеся з нашим Кодексом поведінки, Правилами внесення змін, Правилами перекладу. Ми раді вашим конструктивним відгукам!

Кожен урок включає:

• Опціональний скетчноут
• Опціональне додаткове відео
• Розігрівний тест перед уроком
• Письмовий урок
• Для проектно-орієнтованих уроків, покрокові інструкції зі створення проекту
• Перевірка знань
• Виклик
• Додаткове читання
• Завдання
• Тест після уроку

Примітка щодо тестів: Усі тести знаходяться в папці Quiz-App, всього 40 тестів по три питання кожен. Вони пов'язані з уроками, але додаток для тестів можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці quiz-app. Вони поступово локалізуються.

🎓 Приклади для початківців

Новачок у науці про дані? Ми створили спеціальний каталог прикладів із простим, добре прокоментованим кодом, щоб допомогти вам розпочати:

• 🌟 Hello World - Ваша перша програма з науки про дані
• 📂 Завантаження даних - Навчіться читати та досліджувати набори даних
• 📊 Простий аналіз - Розрахунок статистики та пошук закономірностей
• 📈 Основна візуалізація - Створення діаграм і графіків
• 🔬 Реальний проект - Повний робочий процес від початку до кінця

Кожен приклад містить детальні коментарі, які пояснюють кожен крок, що робить його ідеальним для абсолютних новачків!

👉 Почніть із прикладів 👈

Уроки

Наука про дані для початківців: Дорожня карта - Скетчноут від @nitya

Номер уроку	Тема	Групування уроків	Цілі навчання	Пов'язаний урок	Автор
01	Визначення науки про дані	Вступ	Вивчіть основні концепти науки про дані та її зв'язок зі штучним інтелектом, машинним навчанням і великими даними.	урок відео	Dmitry
02	Етика науки про дані	Вступ	Концепти етики даних, виклики та рамки.	урок	Nitya
03	Визначення даних	Вступ	Як класифікуються дані та їхні загальні джерела.	урок	Jasmine
04	Вступ до статистики та ймовірності	Вступ	Математичні методи ймовірності та статистики для розуміння даних.	урок відео	Dmitry
05	Робота з реляційними даними	Робота з даними	Вступ до реляційних даних та основи дослідження і аналізу реляційних даних за допомогою мови SQL (вимовляється як "сі-квел").	урок	Christopher
06	Робота з NoSQL даними	Робота з даними	Вступ до нереляційних даних, їхніх різних типів та основи дослідження і аналізу документних баз даних.	урок	Jasmine
07	Робота з Python	Робота з даними	Основи використання Python для дослідження даних з бібліотеками, такими як Pandas. Рекомендується базове розуміння програмування на Python.	урок відео	Dmitry
08	Підготовка даних	Робота з даними	Теми про техніки очищення та трансформації даних для вирішення проблем з відсутніми, неточними або неповними даними.	урок	Jasmine
09	Візуалізація кількостей	Візуалізація даних	Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆	урок	Jen
10	Візуалізація розподілів даних	Візуалізація даних	Візуалізація спостережень і тенденцій у межах інтервалу.	урок	Jen
11	Візуалізація пропорцій	Візуалізація даних	Візуалізація дискретних і групових відсотків.	урок	Jen
12	Візуалізація взаємозв'язків	Візуалізація даних	Візуалізація зв'язків і кореляцій між наборами даних та їхніми змінними.	урок	Jen
13	Значущі візуалізації	Візуалізація даних	Техніки та рекомендації для створення цінних візуалізацій для ефективного вирішення проблем і отримання інсайтів.	урок	Jen
14	Вступ до життєвого циклу науки про дані	Життєвий цикл	Вступ до життєвого циклу науки про дані та його першого етапу - отримання та вилучення даних.	урок	Jasmine
15	Аналіз	Життєвий цикл	Ця фаза життєвого циклу науки про дані зосереджена на техніках аналізу даних.	урок	Jasmine
16	Комунікація	Життєвий цикл	Ця фаза життєвого циклу науки про дані зосереджена на представленні інсайтів з даних у спосіб, який полегшує розуміння для прийняття рішень.	урок	Jalen
17	Наука про дані в хмарі	Хмарні дані	Ця серія уроків знайомить із наукою про дані в хмарі та її перевагами.	урок	Tiffany та Maud
18	Наука про дані в хмарі	Хмарні дані	Навчання моделей за допомогою інструментів Low Code.	урок	Tiffany та Maud
19	Наука про дані в хмарі	Хмарні дані	Розгортання моделей за допомогою Azure Machine Learning Studio.	урок	Tiffany та Maud
20	Наука про дані в реальному світі	У реальному світі	Проекти, керовані наукою про дані, у реальному світі.	урок	Nitya

GitHub Codespaces

Дотримуйтесь цих кроків, щоб відкрити цей приклад у Codespace:

1. Натисніть на випадаюче меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace внизу панелі. Для отримання додаткової інформації ознайомтеся з документацією GitHub.

VSCode Remote - Containers

Дотримуйтесь цих кроків, щоб відкрити цей репозиторій у контейнері за допомогою вашого локального комп'ютера та VSCode, використовуючи розширення VS Code Remote - Containers:

1. Якщо це ваш перший досвід використання контейнера для розробки, переконайтеся, що ваша система відповідає вимогам (наприклад, встановлено Docker) у документації для початку роботи.

Щоб використовувати цей репозиторій, ви можете або відкрити його в ізольованому Docker-томі:

Примітка: У процесі це буде використовувати команду Remote-Containers: Clone Repository in Container Volume... для клонування вихідного коду в Docker-том замість локальної файлової системи. Томи є рекомендованим механізмом для збереження даних контейнера.

Або відкрийте локально клоновану або завантажену версію репозиторію:

• Клонуйте цей репозиторій на вашу локальну файлову систему.
• Натисніть F1 і виберіть команду Remote-Containers: Open Folder in Container....
• Виберіть клоновану копію цієї папки, зачекайте, поки контейнер запуститься, і спробуйте.

Офлайн-доступ

Ви можете запустити цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на ваш локальний комп'ютер, потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost: localhost:3000.

Примітка, блокноти не будуть відображатися через Docsify, тому коли вам потрібно запустити блокнот, зробіть це окремо у VS Code, запустивши Python kernel.

Інші навчальні програми

Наша команда створює інші навчальні програми! Ознайомтеся:

Azure / Edge / MCP / Agents

---

Серія про генеративний ШІ

---

Основне навчання

---

Серія Copilot

Отримання допомоги

Зіткнулися з проблемами? Перегляньте наш Посібник з усунення несправностей для вирішення поширених проблем.

Якщо ви застрягли або маєте запитання щодо створення додатків з ШІ, приєднуйтесь до обговорень з іншими учнями та досвідченими розробниками про MCP. Це підтримуюча спільнота, де вітаються запитання та вільно ділиться знаннями.

Якщо у вас є відгуки про продукт або виникають помилки під час створення, відвідайте:

---

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.