Data-Science-For-Beginners/translations/nl

Data Science for Beginners - Een curriculum

Azure Cloud Advocates bij Microsoft zijn verheugd om een 10 weken durend curriculum van 20 lessen aan te bieden, helemaal gewijd aan Data Science. Elke les bevat quizzen voor en na de les, schriftelijke instructies om de les te voltooien, een oplossing en een opdracht. Onze projectgebaseerde pedagogiek stelt je in staat te leren door te bouwen, een bewezen manier om nieuwe vaardigheden te laten beklijven.

Hartelijke dank aan onze auteurs: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador auteurs, beoordelaars en inhoudsbijdragers, met name 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 For Beginners - Sketchnote door @nitya

🌐 Meertalige ondersteuning

Ondersteund via GitHub Action (Geautomatiseerd en altijd up-to-date)

Arabisch | Bengaals | Bulgaars | Birmaans (Myanmar) | Chinees (Vereenvoudigd) | Chinees (Traditioneel, Hong Kong) | Chinees (Traditioneel, Macau) | Chinees (Traditioneel, Taiwan) | Kroatisch | Tsjechisch | Deens | Nederlands | Ests | Fins | Frans | Duits | Grieks | Hebreeuws | Hindi | Hongaars | Indonesisch | Italiaans | Japans | Kannada | Koreaans | Litouws | Maleis | Malayalam | Marathi | Nepalees | Nigeriaans Pidgin | Noors | Perzisch (Farsi) | Pools | Portugees (Brazilië) | Portugees (Portugal) | Punjabi (Gurmukhi) | Roemeens | Russisch | Servisch (Cyrillisch) | Slowaaks | Sloveens | Spaans | Swahili | Zweeds | Tagalog (Filipijns) | Tamil | Telugu | Thais | Turks | Oekraïens | Urdu | Vietnamees

Als je wilt dat extra vertalingen worden toegevoegd, staan de ondersteunde talen hier

Doe mee met onze community

We hebben een Learn with AI-serie op Discord lopen; lees meer en doe met ons mee via Learn with AI Series van 18 - 30 september 2025. Je krijgt tips en trucs voor het gebruik van GitHub Copilot voor Data Science.

Ben je student?

Begin met de volgende bronnen:

• Student Hub page Op deze pagina vind je bronnen voor beginners, Student-pakketten en zelfs manieren om een gratis certificeringsvoucher te krijgen. Dit is een pagina die je wilt toevoegen aan je bladwijzers en af en toe wilt controleren, aangezien we de inhoud minstens maandelijks wisselen.
• Microsoft Learn Student Ambassadors Word lid van een wereldwijde community van studentambassadeurs; dit kan jouw weg naar Microsoft zijn.

Aan de slag

📚 Documentatie

• Installatiegids - Stapsgewijze installatie-instructies voor beginners
• Gebruiksgids - Voorbeelden en veelvoorkomende workflows
• Probleemoplossing - Oplossingen voor veelvoorkomende problemen
• Richtlijnen voor bijdragen - Hoe bij te dragen aan dit project
• Voor docenten - Lesbegeleiding en lesmateriaal

👨‍🎓 Voor studenten

Absolute beginners: Nieuw in data science? Begin met onze voor beginners geschikte voorbeelden! Deze eenvoudige, goed van commentaar voorziene voorbeelden helpen je de basis te begrijpen voordat je in het volledige curriculum duikt. Studenten: om dit curriculum zelfstandig te gebruiken, fork je de gehele repo en maak je de oefeningen zelfstandig, te beginnen met een pre-lecture quiz. Lees daarna de les en maak de rest van de activiteiten. Probeer de projecten te maken door de lessen te begrijpen in plaats van de oplossingscode te kopiëren; die code is echter beschikbaar in de /solutions mappen in elke projectgerichte les. Een andere optie is een studiegroep met vrienden te vormen en samen de inhoud door te nemen. Voor verdere studie bevelen we Microsoft Learn aan.

Snelle start:

1. Bekijk de Installatiegids om je omgeving in te stellen
2. Bekijk de Gebruiksgids om te leren hoe je met het curriculum werkt
3. Begin bij Les 1 en werk ze achtereenvolgens door
4. Sluit je aan bij onze Discord-community voor ondersteuning

👩‍🏫 Voor docenten

Docenten: we hebben enkele suggesties opgenomen over hoe je dit curriculum kunt gebruiken. We ontvangen graag je feedback in ons discussieforum!

Maak kennis met het team

Gif door Mohit Jaisal

🎥 Klik op de afbeelding hierboven voor een video over het project de mensen die het hebben gemaakt!

Pedagogie

We hebben twee pedagogische principes gekozen bij het opbouwen van dit curriculum: ervoor zorgen dat het projectgebaseerd is en dat het frequente quizzen bevat. Aan het eind van deze serie zullen studenten de basisprincipes van datawetenschap hebben geleerd, waaronder ethische concepten, gegevensvoorbereiding, verschillende manieren om met data te werken, datavisualisatie, data-analyse, praktische gebruikssituaties van datawetenschap en meer.

Daarnaast stelt een low-stakes quiz vóór een les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les verdere retentie waarborgt. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan in zijn geheel of deels gevolgd worden. De projecten beginnen klein en worden steeds complexer tegen het einde van de 10-weekse cyclus.

Vind onze Code of Conduct, Contributing, Translation richtlijnen. We verwelkomen je constructieve feedback!

Elke les bevat:

• Optionele sketchnote
• Optionele aanvullende video
• Opwarmquiz vóór de les
• Geschreven les
• Voor projectgebaseerde lessen: stapsgewijze handleidingen over hoe je het project bouwt
• Kenniscontroles
• Een uitdaging
• Aanvullende lectuur
• Opdracht
• Quiz na de les

Een opmerking over quizzen: Alle quizzen bevinden zich in de Quiz-App map, in totaal 40 quizzen van elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd of naar Azure worden gedeployed; volg de instructies in de quiz-app map. Ze worden geleidelijk gelokaliseerd.

🎓 Voor beginners geschikte voorbeelden

Nieuw in Data Science? We hebben een speciale examples directory gemaakt met eenvoudige, goed van commentaar voorziene code om je op weg te helpen:

• 🌟 Hello World - Je eerste data science-programma
• 📂 Gegevens laden - Leer datasets te lezen en verkennen
• 📊 Eenvoudige analyse - Bereken statistieken en vind patronen
• 📈 Basisvisualisatie - Maak diagrammen en grafieken
• 🔬 Praktijkproject - Volledige workflow van begin tot eind

Elk voorbeeld bevat gedetailleerde opmerkingen die elke stap uitleggen, waardoor het perfect is voor absolute beginners!

👉 Begin met de voorbeelden 👈

Lessen

Data Science voor Beginners: Routekaart - Sketchnote door @nitya

Lesnummer	Onderwerp	Lesgroep	Leerdoelen	Gekoppelde les	Auteur
01	Data Science definiëren	Introductie	Leer de basisconcepten achter datawetenschap en hoe het gerelateerd is aan kunstmatige intelligentie, machine learning en big data.	les video	Dmitry
02	Ethiek van datawetenschap	Introductie	Concepten, uitdagingen en kaders voor data-ethiek.	les	Nitya
03	Data definiëren	Introductie	Hoe data wordt geclassificeerd en de veelvoorkomende bronnen.	les	Jasmine
04	Introductie tot statistiek en waarschijnlijkheid	Introductie	De wiskundige technieken van waarschijnlijkheid en statistiek om data te begrijpen.	les video	Dmitry
05	Werken met relationele data	Werken met data	Introductie tot relationele data en de basis van het verkennen en analyseren van relationele data met de Structured Query Language, ook bekend als SQL (uitgesproken “see-quell”).	les	Christopher
06	Werken met NoSQL-data	Werken met data	Introductie tot niet-relationele data, de verschillende typen en de basis van het verkennen en analyseren van documentdatabases.	les	Jasmine
07	Werken met Python	Werken met data	Basisprincipes van het gebruik van Python voor data-exploratie met libraries zoals Pandas. Een fundamenteel begrip van Python-programmering wordt aanbevolen.	les video	Dmitry
08	Gegevensvoorbereiding	Werken met data	Onderwerpen over technieken voor het opschonen en transformeren van gegevens om uitdagingen van ontbrekende, onnauwkeurige of onvolledige data aan te pakken.	les	Jasmine
09	Visualiseren van hoeveelheden	Data Visualization	Leer hoe je Matplotlib gebruikt om vogeldata te visualiseren 🦆	les	Jen
10	Visualiseren van gegevensverdelingen	Data Visualization	Visualiseren van waarnemingen en trends binnen een interval.	les	Jen
11	Visualiseren van verhoudingen	Data Visualization	Visualiseren van discrete en gegroepeerde percentages.	les	Jen
12	Visualiseren van relaties	Data Visualization	Visualiseren van verbindingen en correlaties tussen datasets en hun variabelen.	les	Jen
13	Zinvolle visualisaties	Data Visualization	Technieken en richtlijnen om je visualisaties waardevol te maken voor effectief probleemoplossen en inzichten.	les	Jen
14	Introductie tot de levenscyclus van datawetenschap	Levenscyclus	Introductie tot de levenscyclus van datawetenschap en de eerste stap: het verwerven en extraheren van data.	les	Jasmine
15	Analyseren	Levenscyclus	In deze fase van de levenscyclus van datawetenschap ligt de focus op technieken om data te analyseren.	les	Jasmine
16	Communicatie	Levenscyclus	In deze fase van de levenscyclus van datawetenschap ligt de focus op het presenteren van inzichten uit de data op een manier die het voor besluitvormers makkelijker maakt om te begrijpen.	les	Jalen
17	Data Science in de cloud	Cloud Data	Deze reeks lessen introduceert datawetenschap in de cloud en de voordelen ervan.	les	Tiffany en Maud
18	Data Science in de cloud	Cloud Data	Modellen trainen met Low Code-tools.	les	Tiffany en Maud
19	Data Science in de cloud	Cloud Data	Modellen inzetten met Azure Machine Learning Studio.	les	Tiffany en Maud
20	Data Science in het wild	In het wild	Datawetenschapgestuurde projecten in de echte wereld.	les	Nitya

GitHub Codespaces

Volg deze stappen om dit voorbeeld in een Codespace te openen:

1. Klik op het Code-uitklapmenu en selecteer de optie Open with Codespaces.
2. Selecteer + New codespace onderaan het paneel. For more info, check out the GitHub documentation.

VSCode Remote - Containers

Volg deze stappen om deze repo in een container te openen met je lokale machine en VS Code met de VS Code Remote - Containers extensie:

1. If this is your first time using a development container, please ensure your system meets the pre-reqs (i.e. have Docker installed) in the getting started documentation.

To use this repository, you can either open the repository in an isolated Docker volume:

Note: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

• Kloon deze repository naar je lokale bestandssysteem.
• Druk op F1 en selecteer de Remote-Containers: Open Folder in Container... opdracht.
• Selecteer de gekloonde kopie van deze map, wacht tot de container is gestart, en probeer het uit.

Offline toegang

Je kunt deze documentatie offline uitvoeren met Docsify. Maak een fork van deze repo, installeer Docsify op je lokale machine, typ dan in de hoofdmap van deze repo docsify serve. De website wordt geserveerd op poort 3000 op je localhost: localhost:3000.

Opmerking, notebooks worden niet gerenderd via Docsify, dus wanneer je een notebook moet uitvoeren, doe dat apart in VS Code met een Python-kernel.

Andere curricula

Ons team maakt ook andere curricula! Bekijk:

LangChain

---

Azure / Edge / MCP / Agents

---

Generatieve AI-serie

---

Kernonderwerpen

---

Copilot-serie

Hulp krijgen

Problemen ondervindt u? Bekijk onze Probleemoplossingsgids voor oplossingen voor veelvoorkomende problemen.

Als u vastloopt of vragen heeft over het bouwen van AI-apps, sluit u aan bij mede-lerenden en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende community waar vragen welkom zijn en kennis vrijelijk wordt gedeeld.

Als u productfeedback heeft of fouten tegenkomt tijdens het bouwen, bezoek:

---

Vrijwaring: Dit document is vertaald met behulp van de AI-vertalingsdienst Co-op Translator. Hoewel we naar nauwkeurigheid streven, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onjuistheden kunnen bevatten. Het oorspronkelijke document in de eigen taal moet als de gezaghebbende bron worden beschouwd. Voor kritieke informatie wordt een professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor enige misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.