Data-Science-For-Beginners/translations/ru

Data Science для начинающих - Учебная программа

Azure Cloud Advocates в Microsoft рады предложить 10‑недельную, 20‑уроковую учебную программу, посвящённую Data Science. Каждый урок включает пре-урочный и пост-урочный тесты, письменные инструкции по выполнению урока, решение и домашнее задание. Наш проектно-ориентированный подход позволяет учиться, создавая проекты, что является проверенным способом закрепления новых навыков.

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

🙏 Особая благодарность 🙏 нашим авторам, рецензентам и участникам контента из числа Microsoft Student Ambassador, в частности 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 - Скетчноут от @nitya

🌐 Поддержка нескольких языков

Поддерживается через GitHub Action (Автоматизированно и всегда актуально)

Арабский | Бенгальский | Болгарский | Бирманский (Мьянма) | Китайский (упрощённый) | Китайский (традиционный, Гонконг) | Китайский (традиционный, Макао) | Китайский (традиционный, Тайвань) | Хорватский | Чешский | Датский | Нидерландский | Эстонский | Финский | Французский | Немецкий | Греческий | Иврит | Хинди | Венгерский | Индонезийский | Итальянский | Японский | Каннада | Корейский | Литовский | Малайский | Малаялам | Марати | Непали | Нигерийский пиджин | Норвежский | Персидский (фарси) | Польский | Португальский (Бразилия) | Португальский (Португалия) | Пенджабский (гурмухи) | Румынский | Русский | Сербский (кириллица) | Словацкий | Словенский | Испанский | Свахили | Шведский | Тагальский (филиппинский) | Тамильский | Телугу | Тайский | Турецкий | Украинский | Урду | Вьетнамский

Если вы хотите добавить дополнительные языки перевода, поддерживаемые языки перечислены здесь

Присоединяйтесь к нашему сообществу

У нас проходит серия мероприятий в Discord Learn with AI, узнайте больше и присоединяйтесь к нам на Learn with AI Series с 18 по 30 сентября 2025 г. Вы получите советы и приёмы по использованию GitHub Copilot для Data Science.

Вы студент?

Начните с следующих ресурсов:

• Student Hub page На этой странице вы найдёте материалы для начинающих, наборы для студентов и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и периодически проверять, так как мы обновляем контент как минимум ежемесячно.
• Microsoft Learn Student Ambassadors Присоединяйтесь к глобальному сообществу студенческих послов — это может стать вашим путём в Microsoft.

Начало работы

📚 Документация

• Installation Guide - Пошаговые инструкции по настройке для начинающих
• Usage Guide - Примеры и распространённые рабочие сценарии
• Troubleshooting - Решения распространённых проблем
• Contributing Guide - Как внести вклад в этот проект
• For Teachers - Руководство для преподавателей и ресурсы для классов

👨‍🎓 Для студентов

Полные новички: Не знакомы с Data Science? Начните с наших дружелюбных для начинающих примеров! Эти простые, хорошо прокомментированные примеры помогут понять основы перед тем, как приступать к полной программе. Студенты: чтобы использовать эту учебную программу самостоятельно, форкните весь репозиторий и выполняйте упражнения самостоятельно, начиная с пре-лекционного теста. Затем прочитайте лекцию и выполните остальные задания. Старайтесь создавать проекты, понимая уроки, а не просто копируя код решений; тем не менее, этот код доступен в папках /solutions в каждом уроке, ориентированном на проект. Ещё одна идея — сформировать учебную группу с друзьями и проходить материалы вместе. Для дальнейшего изучения мы рекомендуем Microsoft Learn.

Быстрый старт:

1. Проверьте Installation Guide, чтобы настроить окружение
2. Просмотрите Usage Guide, чтобы узнать, как работать с учебной программой
3. Начните с Урока 1 и проходите их последовательно
4. Присоединяйтесь к нашему сообществу в Discord для поддержки

👩‍🏫 Для преподавателей

Преподаватели: мы включили некоторые предложения по использованию этой учебной программы в разделе For Teachers. Нам будет очень важна ваша обратная связь в нашем форуме обсуждений!

Наша команда

Гифка от Mohit Jaisal

🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!

Педагогика

Мы выбрали две педагогические установки при создании этой учебной программы: обеспечить проектно-ориентированный подход и включить частые викторины. К концу этого цикла студенты изучат базовые принципы data science, включая этические концепции, подготовку данных, разные способы работы с данными, визуализацию данных, анализ данных, реальные примеры применения data science и многое другое.

Кроме того, небольшая викторина перед занятием настраивает студента на изучение темы, а вторая викторина после занятия помогает закрепить материал. Эта учебная программа разработана так, чтобы быть гибкой и интересной и может проходиться целиком или частями. Проекты начинаются с простых задач и становятся всё более сложными к концу 10-недельного цикла.

Найдите наш Кодекс поведения, Руководство по участию, Руководство по переводам. Мы приветствуем ваши конструктивные отзывы!

Каждый урок включает:

• Необязательная скетчноут
• Необязательное дополнительное видео
• Разминка-викторина перед уроком
• Письменный урок
• Для проектно-ориентированных уроков — пошаговые инструкции по созданию проекта
• Проверки знаний
• Задача
• Дополнительное чтение
• Домашнее задание
• Викторина после урока

Примечание о викторинах: Все викторины находятся в папке Quiz-App, всего 40 викторин по три вопроса каждая. Они связаны из уроков, но приложение викторин можно запустить локально или развернуть в Azure; следуйте инструкциям в папке quiz-app. Они постепенно локализуются.

🎓 Примеры для начинающих

Новичок в Data Science? Мы создали специальный каталог примеров с простым, хорошо прокомментированным кодом, чтобы помочь вам начать:

• 🌟 Hello World - Ваша первая программа по data science
• 📂 Загрузка данных - Научитесь читать и исследовать наборы данных
• 📊 Простой анализ - Вычисляйте статистику и находите закономерности
• 📈 Базовая визуализация - Создавайте диаграммы и графики
• 🔬 Реальный проект - Полный рабочий процесс от начала до конца

Каждый пример содержит подробные комментарии, объясняющие каждый шаг, что делает их идеальными для абсолютных новичков!

👉 Начните с примеров 👈

Уроки

Дорожная карта Data Science For Beginners - Скетчноут от @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Определение Data Science	Введение	Изучите основные понятия data science и его связи с искусственным интеллектом, машинным обучением и большими данными.	урок видео	Dmitry
02	Этика Data Science	Введение	Понятия, вызовы и рамки этики данных.	урок	Nitya
03	Определение данных	Введение	Как классифицируются данные и их распространённые источники.	урок	Jasmine
04	Введение в статистику и вероятность	Введение	Математические методы вероятности и статистики для понимания данных.	урок видео	Dmitry
05	Работа с реляционными данными	Работа с данными	Введение в реляционные данные и основы исследовании и анализа реляционных данных с использованием Structured Query Language, также известного как SQL (произносится «си-кью-эл»).	урок	Christopher
06	Работа с NoSQL данными	Работа с данными	Введение в нереляционные данные, их различные типы и основы исследования и анализа документных баз данных.	урок	Jasmine
07	Работа с Python	Работа с данными	Основы использования Python для исследования данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python.	урок видео	Dmitry
08	Подготовка данных	Работа с данными	Темы и методы очистки и преобразования данных для работы с пропущенными, неточными или неполными данными.	урок	Jasmine
09	Визуализация количеств	Визуализация данных	Научитесь использовать Matplotlib для визуализации данных о птицах 🦆	урок	Jen
10	Визуализация распределений данных	Визуализация данных	Визуализация наблюдений и трендов внутри интервала.	урок	Jen
11	Визуализация пропорций	Визуализация данных	Визуализация дискретных и групповых процентов.	урок	Jen
12	Визуализация взаимосвязей	Визуализация данных	Визуализация связей и корреляций между наборами данных и их переменными.	урок	Jen
13	Значимые визуализации	Визуализация данных	Приёмы и рекомендации по созданию визуализаций, которые приносят ценность для решения задач и получения инсайтов.	урок	Jen
14	Введение в жизненный цикл Data Science	Жизненный цикл	Введение в жизненный цикл data science и его первый шаг — получение и извлечение данных.	урок	Jasmine
15	Анализ	Жизненный цикл	Этот этап жизненного цикла data science фокусируется на методах анализа данных.	урок	Jasmine
16	Коммуникация	Жизненный цикл	На этом этапе жизненного цикла data science внимание сосредоточено на представлении выводов из данных так, чтобы их было легче понять лицам, принимающим решения.	урок	Jalen
17	Data Science в облаке	Данные в облаке	Эта серия уроков знакомит с data science в облаке и его преимуществами.	урок	Tiffany and Maud
18	Data Science в облаке	Данные в облаке	Обучение моделей с использованием Low Code инструментов.	урок	Tiffany and Maud
19	Data Science в облаке	Данные в облаке	Развёртывание моделей с помощью Azure Machine Learning Studio.	урок	Tiffany and Maud
20	Data Science в реальном мире	В реальном мире	Проекты, основанные на data science, в реальных условиях.	урок	Nitya

GitHub Codespaces

Выполните следующие шаги, чтобы открыть этот пример в Codespace:

1. Нажмите меню Code и выберите опцию Open with Codespaces.
2. Выберите + New codespace в нижней части панели. Для получения дополнительной информации ознакомьтесь с документацией GitHub.

VSCode Remote - Containers

Выполните эти шаги, чтобы открыть этот репозиторий в контейнере, используя вашу локальную машину и VSCode с расширением VS Code Remote - Containers:

1. Если вы впервые используете контейнер разработки, убедитесь, что ваша система соответствует требованиям (например, установлен Docker) в документации по началу работы.

Чтобы использовать этот репозиторий, вы можете либо открыть репозиторий в изолированном Docker-томе:

Примечание: Под капотом это будет использовать команду Remote-Containers: Clone Repository in Container Volume... для клонирования исходного кода в Docker-том вместо локальной файловой системы. Volumes являются предпочтительным механизмом для сохранения данных контейнера.

Или откройте локально склонированную или загруженную копию репозитория:

• Клонируйте этот репозиторий на вашу локальную файловую систему.
• Нажмите F1 и выберите команду Remote-Containers: Open Folder in Container....
• Выберите склонированную копию этой папки, дождитесь запуска контейнера и попробуйте работать.

Оффлайн доступ

Вы можете запускать эту документацию оффлайн, используя Docsify. Форкните этот репозиторий, установите Docsify на вашей локальной машине, затем в корневой папке этого репозитория введите docsify serve. Веб-сайт будет доступен на порту 3000 по адресу localhost: localhost:3000.

Примечание: ноутбуки не будут отображаться через Docsify, поэтому когда вам нужно запустить ноутбук, делайте это отдельно в VS Code с включённым Python-ядром.

Другие учебные программы

Наша команда выпускает и другие учебные программы! Ознакомьтесь:

LangChain

---

Azure / Edge / MCP / Agents

---

Серия по генеративному ИИ

---

Основное обучение

---

Серия Copilot

Получение помощи

Возникли проблемы? Ознакомьтесь с нашим Руководством по устранению неполадок для решений распространённых проблем.

Если вы застряли или у вас есть вопросы по созданию AI-приложений, присоединяйтесь к другим учащимся и опытным разработчикам для обсуждения MCP. Это поддерживающее сообщество, где вопросы приветствуются, а знания свободно обмениваются.

Если у вас есть отзывы о продукте или вы сталкиваетесь с ошибками во время разработки, посетите:

---

Отказ от ответственности: Этот документ был переведен с помощью сервиса машинного перевода на основе ИИ Co-op Translator. Хотя мы стремимся к точности, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для критически важной информации рекомендуется обратиться к профессиональному переводчику. Мы не несем ответственности за любые недопонимания или неверные толкования, возникшие в результате использования этого перевода.