Data-Science-For-Beginners/translations/el

Επιστήμη Δεδομένων για Αρχάριους - Ένα Πρόγραμμα Σπουδών

Οι Azure Cloud Advocates στη Microsoft έχουν την χαρά να προσφέρουν ένα πρόγραμμα 10 εβδομάδων, 20 μαθημάτων που αφορά την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, μια λύση και μια εργασία. Η παιδαγωγική μας με έμφαση σε έργα σάς επιτρέπει να μαθαίνετε ενώ δημιουργείτε, ένας αποδεδειγμένος τρόπος για να "εγκαθίστανται" νέες δεξιότητες.

Ειλικρινείς ευχαριστίες στους συγγραφείς μας: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Ειδικές ευχαριστίες 🙏 στους Πρεσβευτές Φοιτητών της Microsoft συγγραφείς, αναθεωρητές και συνεισφέροντες περιεχομένου, ιδιαιτέρως 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

Επιστήμη Δεδομένων για Αρχάριους - Σκίτσο από @nitya

🌐 Υποστήριξη Πολλών Γλωσσών

Υποστηρίζεται μέσω GitHub Action (Αυτοματοποιημένο & Πάντα Ενημερωμένο)

Αραβικά | Μπενγκάλι | Βουλγαρικά | Βιρμανικά (Μιανμάρ) | Κινέζικα (Απλοποιημένα) | Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ) | Κινέζικα (Παραδοσιακά, Μακάο) | Κινέζικα (Παραδοσιακά, Ταϊβάν) | Κροατικά | Τσέχικα | Δανικά | Ολλανδικά | Εσθονικά | Φινλανδικά | Γαλλικά | Γερμανικά | Ελληνικά | Εβραϊκά | Χίντι | Ουγγρικά | Ινδονησιακά | Ιταλικά | Ιαπωνικά | Κανάντα | Κορεάτικα | Λιθουανικά | Μαλαιικά | Μαλαγιάλαμ | Μαραθικά | Νεπαλέζικα | Νιγηριανό Πίτζιν | Νορβηγικά | Περσικά (Φαρσί) | Πολωνικά | Πορτογαλικά (Βραζιλίας) | Πορτογαλικά (Πορτογαλίας) | Πουντζαμπικά (Γκουρμούκι) | Ρουμανικά | Ρωσικά | Σερβικά (Κυριλλικά) | Σλοβακικά | Σλοβενικά | Ισπανικά | Σουαχίλι | Σουηδικά | Ταγκάλογκ (Φιλιππινέζικα) | Ταμίλ | Τελούγκου | Ταϊλανδέζικα | Τουρκικά | Ουκρανικά | Ουρντού | Βιετναμέζικα

Εάν επιθυμείτε να προστεθούν επιπλέον γλώσσες, οι υποστηριζόμενες γλώσσες αναφέρονται εδώ

Ελάτε στην Κοινότητά μας

Διεξάγουμε μια σειρά "Μάθε με AI" στο Discord, μάθετε περισσότερα και συμμετάσχετε μαζί μας στη Σειρά 'Μάθε με AI' από 18 - 30 Σεπτεμβρίου, 2025. Θα λάβετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot για Επιστήμη Δεδομένων.

Είσαι φοιτητής?

Ξεκινήστε με τους παρακάτω πόρους:

• Σελίδα Student Hub Σε αυτή τη σελίδα θα βρείτε πόρους για αρχάριους, πακέτα για φοιτητές και ακόμη τρόπους να αποκτήσετε ένα δωρεάν κουπόνι πιστοποίησης. Αυτή είναι μια σελίδα που αξίζει να προσθέσετε σελιδοδείκτη και να ελέγχετε από καιρό σε καιρό καθώς αλλάζουμε το περιεχόμενο τουλάχιστον μηνιαία.
• Microsoft Learn Student Ambassadors Εγγραφείτε σε μια παγκόσμια κοινότητα πρεσβευτών φοιτητών — αυτή μπορεί να είναι η οδός σας προς τη Microsoft.

Ξεκινώντας

📚 Τεκμηρίωση

• Οδηγός Εγκατάστασης - Οδηγίες ρύθμισης βήμα προς βήμα για αρχάριους
• Οδηγός Χρήσης - Παραδείγματα και κοινές ροές εργασίας
• Αντιμετώπιση Προβλημάτων - Λύσεις για κοινά προβλήματα
• Οδηγός Συνεισφοράς - Πώς να συνεισφέρετε σε αυτό το έργο
• Για Εκπαιδευτικούς - Οδηγίες διδασκαλίας και πόροι για την τάξη

👨‍🎓 Για Φοιτητές

Απόλυτα Αρχάριοι: Νέοι στην Επιστήμη Δεδομένων? Ξεκινήστε με τα παραδείγματα για αρχάριους! Αυτά τα απλά, καλά σχολιασμένα παραδείγματα θα σας βοηθήσουν να κατανοήσετε τα βασικά πριν βουτήξετε στο πλήρες πρόγραμμα σπουδών. Φοιτητές: για να χρησιμοποιήσετε αυτό το πρόγραμμα μόνοι σας, κάντε fork ολόκληρο το αποθετήριο και ολοκληρώστε τις ασκήσεις μόνοι σας, ξεκινώντας με ένα προ-διαλέξης κουίζ. Στη συνέχεια διαβάστε τη διάλεξη και ολοκληρώστε τις υπόλοιπες δραστηριότητες. Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να αντιγράφετε τον κώδικα λύσης· ωστόσο, αυτός ο κώδικας είναι διαθέσιμος στους φακέλους /solutions σε κάθε μάθημα που επικεντρώνεται σε έργα. Μια άλλη ιδέα είναι να σχηματίσετε μια ομάδα μελέτης με φίλους και να προχωρήσετε στο περιεχόμενο μαζί. Για περαιτέρω μελέτη, προτείνουμε το Microsoft Learn.

Γρήγορη Εκκίνηση:

1. Ελέγξτε τον Οδηγό Εγκατάστασης για να ρυθμίσετε το περιβάλλον σας
2. Αναθεωρήστε τον Οδηγό Χρήσης για να μάθετε πώς να εργάζεστε με το πρόγραμμα
3. Ξεκινήστε με το Μάθημα 1 και προχωρήστε κατά σειρά
4. Ενωθείτε με την κοινότητα Discord μας για υποστήριξη

👩‍🏫 Για Εκπαιδευτικούς

Εκπαιδευτικοί: έχουμε συμπεριλάβει μερικές προτάσεις για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα. Θα χαρούμε πολύ να λάβουμε τα σχόλιά σας στο φόρουμ συζητήσεών μας!

Γνωρίστε την Ομάδα

GIF από Mohit Jaisal

🎥 Κάντε κλικ στην παραπάνω εικόνα για ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν!

Παιδαγωγική

Έχουμε επιλέξει δύο παιδαγωγικές αρχές κατά την ανάπτυξη αυτού του προγράμματος: να είναι βασισμένο σε έργα και να περιλαμβάνει συχνά κουίζ. Μέχρι το τέλος αυτής της σειράς, οι μαθητές θα έχουν μάθει βασικές αρχές της επιστήμης δεδομένων, συμπεριλαμβανομένων ηθικών εννοιών, προετοιμασίας δεδομένων, διαφορετικών τρόπων εργασίας με δεδομένα, οπτικοποίησης δεδομένων, ανάλυσης δεδομένων, πραγματικών περιπτώσεων χρήσης της επιστήμης δεδομένων και άλλα.

Επιπλέον, ένα χαμηλού ρίσκου κουίζ πριν από ένα μάθημα θέτει την πρόθεση του μαθητή προς την εκμάθηση ενός θέματος, ενώ ένα δεύτερο κουίζ μετά το μάθημα διασφαλίζει περαιτέρω διατήρηση της γνώσης. Αυτό το πρόγραμμα σπουδών σχεδιάστηκε ώστε να είναι ευέλικτο και διασκεδαστικό και μπορεί να ληφθεί ολόκληρο ή εν μέρει. Τα έργα ξεκινούν μικρά και γίνονται όλο και πιο σύνθετα μέχρι το τέλος του κύκλου των 10 εβδομάδων.

Βρείτε τους Code of Conduct, Contributing, Translation οδηγούς μας. Καλωσορίζουμε τα εποικοδομητικά σας σχόλια!

Κάθε μάθημα περιλαμβάνει:

• Προαιρετικό sketchnote
• Προαιρετικό επιπλέον βίντεο
• Κουίζ προθέρμανσης πριν το μάθημα
• Γραπτό μάθημα
• Για μαθήματα βάσει έργου, οδηγοί βήμα-βήμα για το πώς να δημιουργήσετε το έργο
• Έλεγχοι γνώσεων
• Μια πρόκληση
• Επιπλέον ανάγνωση
• Εργασία
• Κουίζ μετά το μάθημα

Μια σημείωση για τα κουίζ: Όλα τα κουίζ περιέχονται στον φάκελο Quiz-App, για συνολικά 40 κουίζ με τρεις ερωτήσεις το καθένα. Συνδέονται μέσα στα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να τρέξει τοπικά ή να αναπτυχθεί στο Azure· ακολουθήστε τις οδηγίες στον φάκελο quiz-app. Σταδιακά μεταφράζονται σε τοπικοποιημένες εκδόσεις.

🎓 Παραδείγματα για Αρχάριους

Νέος στην Επιστήμη Δεδομένων; Έχουμε δημιουργήσει έναν ειδικό φάκελο παραδειγμάτων με απλό, καλά σχολιασμένο κώδικα για να σας βοηθήσει να ξεκινήσετε:

• 🌟 Hello World - Το πρώτο σας πρόγραμμα επιστήμης δεδομένων
• 📂 Loading Data - Μάθετε να διαβάζετε και να εξερευνάτε σύνολα δεδομένων
• 📊 Simple Analysis - Υπολογίστε στατιστικά και βρείτε μοτίβα
• 📈 Basic Visualization - Δημιουργήστε διαγράμματα και γραφήματα
• 🔬 Real-World Project - Ολοκληρωμένη ροή εργασίας από την αρχή έως το τέλος

Κάθε παράδειγμα περιλαμβάνει λεπτομερή σχόλια που εξηγούν κάθε βήμα, καθιστώντας το τέλειο για απόλυτους αρχάριους!

👉 Ξεκινήστε με τα παραδείγματα 👈

Μαθήματα

Επιστήμη Δεδομένων για Αρχάριους: Χάρτης δρόμου - Sketchnote από @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Ορισμός της Επιστήμης Δεδομένων	Introduction	Μάθετε τις βασικές έννοιες πίσω από την επιστήμη δεδομένων και πώς σχετίζεται με την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τα big data.	μάθημα βίντεο	Dmitry
02	Ηθική στην Επιστήμη Δεδομένων	Introduction	Έννοιες ηθικής δεδομένων, προκλήσεις και πλαίσια.	μάθημα	Nitya
03	Ορισμός Δεδομένων	Introduction	Πώς ταξινομούνται τα δεδομένα και οι κοινές πηγές τους.	μάθημα	Jasmine
04	Εισαγωγή στις Στατιστικές & την Πιθανότητα	Introduction	Οι μαθηματικές τεχνικές της πιθανότητας και των στατιστικών για την κατανόηση των δεδομένων.	μάθημα βίντεο	Dmitry
05	Εργασία με Σχεσιακά Δεδομένα	Working With Data	Εισαγωγή στα σχεσιακά δεδομένα και τα βασικά της εξερεύνησης και ανάλυσης σχεσιακών δεδομένων με τη Structured Query Language, γνωστή και ως SQL (προφέρεται “see-quell”).	μάθημα	Christopher
06	Εργασία με NoSQL Δεδομένα	Working With Data	Εισαγωγή σε μη σχεσιακά δεδομένα, τους διάφορους τύπους τους και τα βασικά της εξερεύνησης και ανάλυσης βάσεων δεδομένων εγγράφων.	μάθημα	Jasmine
07	Εργασία με Python	Working With Data	Βασικά της χρήσης Python για εξερεύνηση δεδομένων με βιβλιοθήκες όπως οι Pandas. Συνιστάται θεμελιώδης κατανόηση του προγραμματισμού σε Python.	μάθημα βίντεο	Dmitry
08	Προετοιμασία Δεδομένων	Working With Data	Θέματα τεχνικών δεδομένων για τον καθαρισμό και τη μετατροπή των δεδομένων ώστε να αντιμετωπίσουν προκλήσεις όπως ελλείποντα, ανακριβή ή ατελή δεδομένα.	μάθημα	Jasmine
09	Οπτικοποίηση Ποσοτήτων	Data Visualization	Μάθετε πώς να χρησιμοποιείτε το Matplotlib για να οπτικοποιήσετε δεδομένα πουλιών 🦆	μάθημα	Jen
10	Οπτικοποίηση Κατανομών Δεδομένων	Data Visualization	Οπτικοποίηση παρατηρήσεων και τάσεων μέσα σε ένα διάστημα.	μάθημα	Jen
11	Οπτικοποίηση Ποσοστών	Data Visualization	Οπτικοποίηση διακριτών και ομαδοποιημένων ποσοστών.	μάθημα	Jen
12	Οπτικοποίηση Σχέσεων	Data Visualization	Οπτικοποίηση συνδέσεων και συσχετίσεων μεταξύ συνόλων δεδομένων και των μεταβλητών τους.	μάθημα	Jen
13	Οπτικοποιήσεις με νόημα	Data Visualization	Τεχνικές και οδηγίες για το πώς να κάνετε τις οπτικοποιήσεις σας πολύτιμες για αποτελεσματική επίλυση προβλημάτων και εξαγωγή συμπερασμάτων.	μάθημα	Jen
14	Εισαγωγή στον κύκλο ζωής της Επιστήμης Δεδομένων	Lifecycle	Εισαγωγή στον κύκλο ζωής της επιστήμης δεδομένων και στο πρώτο βήμα απόκτησης και εξαγωγής δεδομένων.	μάθημα	Jasmine
15	Ανάλυση	Lifecycle	Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται σε τεχνικές ανάλυσης δεδομένων.	μάθημα	Jasmine
16	Επικοινωνία	Lifecycle	Αυτή η φάση του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται στην παρουσίαση των ευρημάτων από τα δεδομένα με τρόπο που διευκολύνει τους λήπτες αποφάσεων να τα κατανοήσουν.	μάθημα	Jalen
17	Επιστήμη Δεδομένων στο Νέφος	Cloud Data	Αυτή η σειρά μαθημάτων εισάγει την επιστήμη δεδομένων στο νέφος και τα οφέλη της.	μάθημα	Tiffany and Maud
18	Επιστήμη Δεδομένων στο Νέφος	Cloud Data	Εκπαίδευση μοντέλων χρησιμοποιώντας εργαλεία Low Code.	μάθημα	Tiffany and Maud
19	Επιστήμη Δεδομένων στο Νέφος	Cloud Data	Ανάπτυξη μοντέλων με το Azure Machine Learning Studio.	μάθημα	Tiffany and Maud
20	Επιστήμη Δεδομένων στην Πράξη	In the Wild	Έργα επιστήμης δεδομένων στον πραγματικό κόσμο.	μάθημα	Nitya

GitHub Codespaces

Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το δείγμα σε ένα Codespace:

1. Κάντε κλικ στο αναπτυσσόμενο μενού Code και επιλέξτε την επιλογή Open with Codespaces.
2. Επιλέξτε + New codespace στο κάτω μέρος του παραθύρου. Για περισσότερες πληροφορίες, δείτε την τεκμηρίωση του GitHub.

VSCode Remote - Containers

Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το repo σε ένα container χρησιμοποιώντας τον τοπικό σας υπολογιστή και το VSCode με την επέκταση VS Code Remote - Containers:

1. Εάν είναι η πρώτη φορά που χρησιμοποιείτε ένα development container, βεβαιωθείτε ότι το σύστημά σας πληροί τις προϋποθέσεις (π.χ. έχετε εγκαταστήσει το Docker) στην τεκμηρίωση για να ξεκινήσετε.

Για να χρησιμοποιήσετε αυτό το αποθετήριο, μπορείτε είτε να ανοίξετε το αποθετήριο σε έναν απομονωμένο όγκο Docker:

Note: Στο παρασκήνιο, αυτό θα χρησιμοποιήσει την εντολή Remote-Containers: Clone Repository in Container Volume... για να κλωνοποιήσει τον πηγαίο κώδικα σε έναν όγκο Docker αντί του τοπικού συστήματος αρχείων. Volumes είναι ο προτιμώμενος μηχανισμός για τη διατήρηση δεδομένων του container.

Ή ανοίξτε μια τοπικά κλωνοποιημένη ή ληφθείσα έκδοση του αποθετηρίου:

• Κλωνοποιήστε αυτό το αποθετήριο στο τοπικό σας σύστημα αρχείων.
• Πατήστε F1 και επιλέξτε την εντολή Remote-Containers: Open Folder in Container....
• Επιλέξτε το κλωνοποιημένο αντίγραφο αυτού του φακέλου, περιμένετε να ξεκινήσει το container και πειραματιστείτε.

Πρόσβαση εκτός σύνδεσης

Μπορείτε να τρέξετε αυτή την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το Docsify. Κλωνοποιήστε αυτό το repo, εγκαταστήστε το Docsify στο τοπικό σας μηχάνημα, και στη συνέχεια στον ριζικό φάκελο αυτού του repo, πληκτρολογήστε docsify serve. Ο ιστότοπος θα σερβιριστεί στην πόρτα 3000 στο localhost σας: localhost:3000.

Σημείωση, τα notebooks δεν θα αποδοθούν μέσω Docsify, οπότε όταν χρειαστεί να εκτελέσετε ένα notebook, κάντε το ξεχωριστά στο VS Code με έναν πυρήνα Python.

Άλλα Προγράμματα Σπουδών

Η ομάδα μας παράγει και άλλα προγράμματα σπουδών! Δείτε:

LangChain

---

Azure / Edge / MCP / Agents

---

Σειρά Generative AI

---

Κύρια Μαθήματα

---

Σειρά Copilot

Λήψη Βοήθειας

Συναντάτε προβλήματα; Δείτε τον Οδηγό αντιμετώπισης προβλημάτων για λύσεις σε κοινά προβλήματα.

Εάν κολλήσετε ή έχετε οποιεσδήποτε ερωτήσεις σχετικά με την κατασκευή εφαρμογών AI. Ενταχθείτε με συναδέλφους μαθητές και έμπειρους προγραμματιστές σε συζητήσεις για το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και η γνώση μοιράζεται ελεύθερα.

Εάν έχετε σχόλια για το προϊόν ή σφάλματα κατά την ανάπτυξη, επισκεφθείτε:

---

Αποποίηση ευθυνών: Το παρόν έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης με τεχνητή νοημοσύνη Co-op Translator. Αν και επιδιώκουμε την ακρίβεια, λάβετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική/επίσημη πηγή. Για κρίσιμες πληροφορίες συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρανοήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.