Data-Science-For-Beginners/translations/bg

Data Science за начинаещи - Учебна програма

Екипът Azure Cloud Advocates в Microsoft с удоволствие предлага 10-седмична учебна програма с 20 урока, посветена на Data Science. Всеки урок включва тест преди урока и след урока, писмени инструкции за изпълнение на урока, решение и задача. Нашата проектно-ориентирана педагогика ви позволява да учите, докато изграждате, което е доказан начин новите умения да 'останат'.

Сърдечни благодарности на нашите автори: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Специални благодарности 🙏 на нашите Студентски посланици на Microsoft автори, рецензенти и приносители на съдържание, особено 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 за начинаещи - Скетчноут от @nitya

🌐 Многоезична поддръжка

Поддържа се чрез GitHub Action (автоматизирано и винаги актуално)

Арабски | Бенгалски | Български | Бирмански (Мианмар) | Китайски (опростен) | Китайски (традиционен, Хонконг) | Китайски (традиционен, Макао) | Китайски (традиционен, Тайван) | Хърватски | Чешки | Датски | Холандски | Естонски | Фински | Френски | Немски | Гръцки | Иврит | Хинди | Унгарски | Индонезийски | Италиански | Японски | Каннада | Корейски | Литовски | Малайски | Малаялам | Маратхи | Непалски | Нигерийски пиджин | Норвежки | Персийски (фарси) | Полски | Португалски (Бразилия) | Португалски (Португалия) | Пенджабски (Гурумуки) | Румънски | Руски | Сръбски (кирилица) | Словашки | Словенски | Испански | Свахили | Шведски | Тагалог (филипински) | Тамилски | Телугу | Тайландски | Турски | Украински | Урду | Виетнамски

Ако желаете да има допълнителни преводи, поддържаните езици са изброени тук

Присъединете се към нашата общност

Провеждаме серия "Учете се с ИИ" в Discord, научете повече и се присъединете към нас на Серия 'Учете се с ИИ' от 18 - 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за Data Science.

Студент ли сте?

Започнете с следните ресурси:

• Страница Student Hub В тази страница ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен ваучер за сертификат. Това е страница, която искате да отметнете и да проверявате от време на време, тъй като ние обновяваме съдържанието поне веднъж месечно.
• Студентски посланици на Microsoft Learn Присъединете се към глобална общност от студентски посланици, това може да е вашият път към Microsoft.

Започване

📚 Документация

• Ръководство за инсталиране - Стъпка по стъпка инструкции за настройка за начинаещи
• Ръководство за употреба - Примери и често срещани работни потоци
• Отстраняване на проблеми - Решения на често срещани проблеми
• Ръководство за допринасяне - Как да допринесете за този проект
• За учители - Насоки за преподаване и ресурси за класната стая

👨‍🎓 За студенти

Напълно начинаещи: Нови в областта на Data Science? Започнете с нашите примери за начинаещи! Тези прости, добре коментирани примери ще ви помогнат да разберете основите, преди да се потопите в цялата учебна програма. Студенти: за да използвате тази учебна програма самостоятелно, форкнете целия репозиториум и изпълнете упражненията самостоятелно, започвайки с тест преди лекцията. След това прочетете лекцията и завършете останалите дейности. Опитайте се да създадете проектите, като разберете уроците, а не като копирате кода на решението; въпреки това този код е наличен в папките /solutions във всеки проектно-ориентиран урок. Друга идея е да сформирате учебна група с приятели и да преминете през съдържанието заедно. За по-нататъшно изучаване, препоръчваме Microsoft Learn.

Бърз старт:

1. Проверете Ръководството за инсталиране за да настроите вашата среда
2. Прегледайте Ръководството за употреба за да научите как да работите с учебната програма
3. Започнете с Урок 1 и работете последователно
4. Присъединете се към нашата Discord общност за помощ

👩‍🏫 За учители

Учители: ние сме включили някои предложения относно това как да използвате тази учебна програма. Ще се радваме на вашите отзиви в нашия дискусионен форум!

Запознайте се с екипа

GIF от Mohit Jaisal

🎥 Щракнете върху изображението по-горе за видео за проекта и хората, които го създадоха!

Педагогика

Избрахме два педагогически принципа при създаването на тази учебна програма: да бъде основана на проекти и да включва чести куизове. В края на тази поредица студентите ще са научили основни принципи на науката за данни, включително етични концепции, подготовка на данни, различни начини за работа с данни, визуализация на данни, анализ на данни, реални случаи на приложение на науката за данни и още.

В допълнение, куиз с нисък залог преди урока поставя намерението на студента за изучаване на тема, докато втори куиз след урока осигурява по-нататъшно задържане. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се премине изцяло или частично. Проектите започват малки и стават все по-сложни към края на 10-седмичния цикъл.

Вижте нашия Кодекс на поведение, Ръководство за принос, Ръководство за преводи. Ще се радваме на вашата конструктивна обратна връзка!

Всяко занятие включва:

• По избор: скетчноут
• По избор: допълнително видео
• Въпросник за затопляне преди урока
• Писмен урок
• За уроци, базирани на проекти, стъпка по стъпка ръководства как да изградите проекта
• Проверки на знанията
• Предизвикателство
• Допълнително четиво
• Задача
• Куиз след урока

Бележка за куизовете: Всички куизове се намират в папката Quiz-App — общо 40 куиза по три въпроса всеки. Те са свързани от уроците, но quiz app може да се изпълни локално или да се публикува в Azure; следвайте инструкциите в папката quiz-app. Те се локализират постепенно.

🎓 Примери за начинаещи

Нови в науката за данни? Създадохме специална директория с примери с прост, добре коментиран код, за да ви помогнем да започнете:

• 🌟 Hello World - Вашата първа програма по наука за данни
• 📂 Зареждане на данни - Научете как да четете и изследвате набори от данни
• 📊 Прост анализ - Изчисляване на статистики и откриване на закономерности
• 📈 Основна визуализация - Създаване на диаграми и графики
• 🔬 Проект от реалния свят - Пълен работен поток от начало до край

Всеки пример съдържа подробни коментари, обясняващи всяка стъпка, което го прави перфектен за напълно начинаещи!

👉 Започнете с примерите 👈

Уроци

Наука за данни за начинаещи: Пътна карта - Скетчноут от @nitya

Номер на урока	Тема	Lesson Grouping	Учебни цели	Linked Lesson	Автор
01	Дефиниране на науката за данни	Въведение	Научете основните концепции зад науката за данни и как тя е свързана с изкуствения интелект, машинното обучение и big data.	урок видео	Dmitry
02	Етика в науката за данни	Въведение	Концепции, предизвикателства и рамки за етика на данните.	урок	Nitya
03	Дефиниране на данни	Въведение	Как се класифицират данните и техните чести източници.	урок	Jasmine
04	Въведение в статистиката и вероятности	Въведение	Математическите техники на теорията на вероятностите и статистиката за разбиране на данните.	урок видео	Dmitry
05	Работа с релационни данни	Работа с данни	Въведение в релационните данни и основите на изследване и анализ на релационни данни със Structured Query Language, известен още като SQL (произнася се “see-quell”).	урок	Christopher
06	Работа с NoSQL данни	Работа с данни	Въведение в нерелационните данни, техните различни видове и основите на изследване и анализ на документно-ориентирани бази данни.	урок	Jasmine
07	Работа с Python	Работа с данни	Основи на използването на Python за изследване на данни с библиотеки като Pandas. Препоръчва се основно разбиране на програмирането на Python.	урок видео	Dmitry
08	Подготовка на данни	Работа с данни	Теми за техники за почистване и трансформиране на данни за справяне с проблеми като липсващи, неточни или непълни данни.	урок	Jasmine
09	Визуализиране на количества	Визуализация на данни	Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆	урок	Jen
10	Визуализиране на разпределения на данни	Визуализация на данни	Визуализиране на наблюдения и тенденции в рамките на интервал.	урок	Jen
11	Визуализиране на пропорции	Визуализация на данни	Визуализиране на дискретни и групирани проценти.	урок	Jen
12	Визуализиране на връзки	Визуализация на данни	Визуализиране на връзки и корелации между набори от данни и техните променливи.	урок	Jen
13	Смислени визуализации	Визуализация на данни	Техники и насоки за правене на визуализациите ви полезни за ефективно решаване на проблеми и извличане на прозрения.	урок	Jen
14	Въведение в жизнения цикъл на науката за данни	Жизнен цикъл	Въведение в жизнения цикъл на науката за данни и неговата първа стъпка по придобиване и извличане на данни.	урок	Jasmine
15	Анализиране	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данни.	урок	Jasmine
16	Комуникация	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху представянето на прозренията от данните по начин, който улеснява разбирането им от вземащите решения.	урок	Jalen
17	Наука за данни в облака	Данни в облака	Тази серия от уроци запознава с науката за данни в облака и нейните предимства.	урок	Tiffany и Maud
18	Наука за данни в облака	Данни в облака	Обучение на модели с помощта на Low Code инструменти.	урок	Tiffany и Maud
19	Наука за данни в облака	Данни в облака	Разгръщане на модели с Azure Machine Learning Studio.	урок	Tiffany и Maud
20	Наука за данни в реалната среда	В дивата природа	Проекти, движени от науката за данни в реалния свят.	урок	Nitya

GitHub Codespaces

Следвайте тези стъпки, за да отворите този пример в Codespace:

1. Кликнете върху падащото меню Code и изберете опцията Open with Codespaces.
2. Изберете + New codespace в долната част на панела. За повече информация вижте GitHub документацията.

VSCode Remote - Containers

Следвайте тези стъпки, за да отворите това хранилище в контейнер, използвайки локалната си машина и VSCode с разширението VS Code Remote - Containers:

1. Ако това е първият ви път, използвайки development container, моля уверете се, че вашата система отговаря на предварителните изисквания (напр. имате инсталиран Docker) в документацията за започване.

За да използвате това хранилище, можете или да отворите хранилището в изолиран Docker том:

Забележка: Под капака, това ще използва командата Remote-Containers: Clone Repository in Container Volume... за да клонира изходния код в Docker том вместо в локалната файлова система. Томове са предпочитаният механизъм за запазване на данни в контейнерите.

Или отворете локално клонирано или изтеглено копие на хранилището:

• Клонирайте това хранилище в локалната си файлова система.
• Натиснете F1 и изберете командата Remote-Containers: Open Folder in Container....
• Изберете клонираното копие на тази папка, изчакайте контейнерът да стартира и пробвайте.

Офлайн достъп

Можете да стартирате тази документация офлайн, като използвате Docsify. Форкнете това хранилище, инсталирайте Docsify на вашата локална машина, след това в кореновата папка на това хранилище въведете docsify serve. Уебсайтът ще бъде обслужван на порт 3000 на вашия localhost: localhost:3000.

Забележка, бележниците няма да бъдат визуализирани чрез Docsify, така че когато трябва да стартирате бележник, направете това отделно във VS Code, работещ с Python kernel.

Други учебни програми

Нашият екип създава и други учебни програми! Разгледайте:

LangChain

---

Azure / Edge / MCP / Agents

---

Серия за генеративен ИИ

---

Основно обучение

---

Серия Copilot

Получаване на помощ

Имате проблеми? Вижте нашето Ръководство за отстраняване на проблеми за решения на често срещани проблеми.

Ако се затрудните или имате въпроси относно изграждането на приложения с ИИ, присъединете се към други учащи и опитни разработчици в дискусиите за MCP. Това е подкрепяща общност, в която въпросите са добре дошли и знанието се споделя свободно.

Ако имате обратна връзка за продукта или грешки по време на разработката, посетете:

---

Отказ от отговорност: Този документ е преведен с помощта на услуга за превод с изкуствен интелект Co-op Translator (https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на съответния език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Не носим отговорност за каквито и да е недоразумения или погрешни тълкувания, произтичащи от използването на този превод.