Data-Science-For-Beginners/translations/tl

Data Science para sa Mga Nagsisimula - Isang Kurikulum

Ang Azure Cloud Advocates sa Microsoft ay natutuwa na ialok ang isang 10-linggong, 20-araling kurikulum tungkol sa Data Science. Bawat aralin ay may kasamang pre-lesson at post-lesson na mga pagsusulit, nakasulat na mga instruksyon para tapusin ang aralin, isang solusyon, at isang takdang-aralin. Ang aming pedagohiyang nakatuon sa proyekto ay nagpapahintulot sa iyo na matuto habang gumagawa, isang subok na paraan para ang mga bagong kasanayan ay 'manatili'.

Taos-pusong pasasalamat sa aming mga may-akda: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Espesyal na pasasalamat 🙏 sa aming mga Microsoft Student Ambassador na mga may-akda, tagasuri at mga nag-ambag ng nilalaman, partikular sina 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 Para sa Mga Nagsisimula - Sketchnote ni @nitya

🌐 Suporta sa Maramihang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatiko at Laging Napapanahon)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

If you wish to have additional translations languages supported are listed here

Sumali sa Aming Komunidad

Mayroon kaming serye na "Learn with AI" na nagpapatuloy sa Discord — alamin pa at sumali sa amin sa Learn with AI Series mula 18 - 30 September, 2025. Makakakuha ka ng mga tips at trick sa paggamit ng GitHub Copilot para sa Data Science.

Estudyante ka ba?

Magsimula gamit ang mga sumusunod na mapagkukunan:

• Pahina ng Student Hub Sa pahinang ito, makakakita ka ng mga mapagkukunang panimulang-lebel, mga Student pack at maging mga paraan para makakuha ng libreng voucher para sa sertipikasyon. Ito ang isang pahina na dapat mong i-bookmark at tingnan paminsan-minsan dahil nag-a-update kami ng nilalaman hindi bababa sa buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa isang pandaigdigang komunidad ng mga student ambassador; ito ang maaaring maging daan mo papasok sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• Gabay sa Pag-install - Mga tagubiling hakbang-hakbang para sa pag-set up para sa mga nagsisimula
• Gabay sa Paggamit - Mga halimbawa at karaniwang daloy ng trabaho
• Pag-troubleshoot - Mga solusyon sa mga karaniwang isyu
• Gabay sa Pag-aambag - Paano mag-ambag sa proyektong ito
• Para sa Mga Guro - Mga gabay sa pagtuturo at mga mapagkukunan para sa silid-aralan

👨‍🎓 Para sa Mga Estudyante

Ganap na mga Nagsisimula: Bago ka sa data science? Magsimula sa aming mga halimbawa para sa nagsisimula! Ang mga simpleng halimbawang ito na may maayos na mga komento ay tutulong sa iyo na maunawaan ang mga batayan bago sumabak sa buong kurikulum. Mga Estudyante: Upang gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at kumpletuhin ang mga ehersisyo nang mag-isa, simula sa isang pre-lecture na pagsusulit. Pagkatapos basahin ang lektura at kumpletuhin ang natitirang mga aktibidad. Subukan na likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga aralin sa halip na pagkopya ng solution code; gayunpaman, ang code na iyon ay makukuha sa mga folder na /solutions sa bawat araling nakatuon sa proyekto. Isang alternatibo ay bumuo ng isang study group kasama ang mga kaibigan at sabay-sabay na pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekumenda namin ang Microsoft Learn.

Mabilis na Pagsisimula:

1. Suriin ang Gabay sa Pag-install upang isaayos ang iyong kapaligiran
2. Suriin ang Gabay sa Paggamit upang matutunan kung paano gamitin ang kurikulum
3. Magsimula sa Aralin 1 at magpatuloy nang sunud-sunod
4. Sumali sa aming komunidad sa Discord para sa suporta

👩‍🏫 Para sa Mga Guro

Mga Guro: mayroon kaming kasamang ilang mungkahi kung paano gamitin ang kurikulum na ito. Gustung-gusto naming matanggap ang inyong puna sa aming forum ng talakayan!

Kilalanin ang Koponan

Gif ni Mohit Jaisal

🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at ang mga taong lumikha nito!

Pedagohiya

Pinili namin ang dalawang prinsipyo ng pedagohiya habang binubuo ang kurikulum na ito: tiyakin na ito ay naka-project-based at naglalaman ng madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng data science, kabilang ang mga konseptong etikal, paghahanda ng data, iba't ibang paraan ng pagtatrabaho sa data, pag-visualize ng data, pagsusuri ng data, mga totoong gamit ng data science, at iba pa.

Bilang karagdagan, ang isang low-stakes na pagsusulit bago ang klase ay nagtatakda ng intensyon ng estudyante patungo sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisiguro ng mas matagal na pag-alaala. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at nagiging mas kumplikado sa pagtatapos ng 10-linggong siklo.

Hanapin ang aming Kodigo ng Pag-uugali, Pag-aambag, Pagsasalin na mga gabay. Tinatanggap namin ang iyong mga nakabubuting puna!

Kasama sa bawat aralin:

• Opsyonal na sketchnote
• Opsyonal na karagdagang video
• Pagsusulit na pampainit bago ang aralin
• Nakatalang aralin
• Para sa mga araling naka-base sa proyekto, step-by-step na gabay kung paano buuin ang proyekto
• Mga pagsusuri ng kaalaman
• Isang hamon
• Karagdagang babasahin
• Takdang-aralin
• Pagsusulit pagkatapos ng aralin

Isang paalala tungkol sa mga pagsusulit: Lahat ng mga pagsusulit ay nasa Quiz-App folder, kabuuang 40 pagsusulit na may tig-tlong tanong bawat isa. Nakalinks sila mula sa mga aralin, pero ang quiz app ay puwedeng patakbuhin nang lokal o i-deploy sa Azure; sundin ang instruksyon sa quiz-app folder. Unti-unti itong nilalokalisa.

🎓 Mga Halimbawa na Angkop para sa Mga Nagsisimula

Bago sa Data Science? Nilikha namin ang isang espesyal na direktoryo ng mga halimbawa na may simple, maayos na naka-komentong code upang tulungan kang makapagsimula:

• 🌟 Hello World - Ang iyong unang programang data science
• 📂 Paglo-load ng Data - Matutong magbasa at galugarin ang mga dataset
• 📊 Simpleng Pagsusuri - Kalkulahin ang mga estadistika at hanapin ang mga pattern
• 📈 Pangunahing Visualisasyon - Lumikha ng mga tsart at grap
• 🔬 Proyektong Totoong Buhay - Kumpletong daloy ng trabaho mula simula hanggang tapos

Ang bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag ng bawat hakbang, kaya perpekto ito para sa ganap na mga nagsisimula!

👉 Magsimula sa mga halimbawa 👈

Mga Aralin

Data Science Para sa Mga Nagsisimula: Roadmap - Sketchnote ni @nitya

Numero ng Aralin	Paksa	Pagpapangkat ng Aralin	Mga Layunin sa Pagkatuto	Nakalink na Aralin	May-akda
01	Pagpapakahulugan ng Data Science	Panimula	Matutunan ang mga pangunahing konsepto sa likod ng data science at kung paanong nauugnay ito sa artificial intelligence, machine learning, at big data.	aralin video	Dmitry
02	Etika ng Data Science	Panimula	Mga Konsepto ng Etika ng Data, Mga Hamon at Mga Balangkas.	aralin	Nitya
03	Pagpapakahulugan ng Data	Panimula	Paano ikinaklasipika ang data at ang mga karaniwang pinagkukunan nito.	aralin	Jasmine
04	Panimula sa Estadistika & Probabilidad	Panimula	Ang mga teknikang matematika ng probabilidad at estadistika upang maunawaan ang data.	aralin video	Dmitry
05	Paggamit ng Relational Data	Paggamit ng Data	Panimula sa relational data at mga batayan ng pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, kilala rin bilang SQL (binibigkas na “see-quell”).	aralin	Christopher
06	Paggamit ng NoSQL Data	Paggamit ng Data	Panimula sa non-relational data, ang iba't ibang uri nito at mga batayan ng pag-explore at pagsusuri ng document databases.	aralin	Jasmine
07	Paggamit ng Python	Paggamit ng Data	Mga batayan ng paggamit ng Python para sa pag-explore ng data gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundamental na pag-unawa sa programming ng Python.	aralin video	Dmitry
08	Paghahanda ng Data	Paggamit ng Data	Mga paksa sa mga teknik sa data para sa paglilinis at pag-transform ng data upang harapin ang mga hamon ng kulang, hindi tumpak, o hindi kumpletong data.	aralin	Jasmine
09	Pag-visualisa ng Mga Dami	Data Visualization	Matutong gumamit ng Matplotlib para i-visualize ang data ng mga ibon 🦆	aralin	Jen
10	Pag-visualisa ng Mga Distribusyon ng Data	Data Visualization	Pag-visualisa ng mga obserbasyon at mga trend sa loob ng isang interval.	aralin	Jen
11	Pag-visualisa ng Mga Proporsyon	Data Visualization	Pag-visualisa ng mga diskreto at pinangkat na porsyento.	aralin	Jen
12	Pag-visualisa ng Mga Ugnayan	Data Visualization	Pag-visualisa ng koneksyon at korelasyon sa pagitan ng mga set ng data at kanilang mga variable.	aralin	Jen
13	Makabuluhang Visualisasyon	Data Visualization	Mga teknik at gabay para gawing makahulugan ang iyong mga visualisasyon para sa epektibong paglutas ng problema at pagkuha ng mga pananaw.	aralin	Jen
14	Panimula sa lifecycle ng Data Science	Siklo ng Data Science	Panimula sa lifecycle ng data science at ang unang hakbang nito ng pagkuha at pag-extract ng data.	aralin	Jasmine
15	Pagsusuri	Siklo ng Data Science	Ang yugtong ito ng lifecycle ng data science ay nakatuon sa mga teknik upang suriin ang data.	aralin	Jasmine
16	Komunikasyon	Siklo ng Data Science	Ang yugtong ito ng lifecycle ng data science ay nakatuon sa pagpapakita ng mga pananaw mula sa data sa paraang ginagawang mas madali para sa mga gumagawa ng desisyon na maunawaan.	aralin	Jalen
17	Data Science sa Cloud	Cloud Data	Ang seryeng ito ng mga aralin ay nagpapakilala ng data science sa cloud at ang mga benepisyo nito.	aralin	Tiffany and Maud
18	Data Science sa Cloud	Cloud Data	Pagsasanay ng mga modelo gamit ang mga Low Code na tool.	aralin	Tiffany and Maud
19	Data Science sa Cloud	Cloud Data	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	aralin	Tiffany and Maud
20	Data Science sa Totoong Mundo	In the Wild	Mga proyektong pinapagana ng data science sa totoong mundo.	aralin	Nitya

GitHub Codespaces

Sundin ang mga hakbang na ito para buksan ang sample na ito sa isang Codespace:

1. I-click ang Code drop-down menu at piliin ang opsyong "Open with Codespaces".
2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang impormasyon, tingnan ang dokumentasyon ng GitHub.

VSCode Remote - Containers

Sundin ang mga hakbang na ito para buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension:

1. Kung ito ang unang beses mong gumamit ng development container, tiyaking natutugunan ng iyong sistema ang mga kinakailangan (hal. naka-install ang Docker) sa ang dokumentasyon sa pagsisimula.

Para gamitin ang repositoryong ito, maaari mong buksan ang repositoryo sa isang hiwalay na Docker volume:

Tandaan: Sa ilalim nito, gagamitin nito ang Remote-Containers: Clone Repository in Container Volume... command upang i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Volumes ang pinaprefere na mekanismo para mapanatili ang data ng container.

O buksan ang lokal na naka-clone o na-download na bersyon ng repositoryo:

• I-clone ang repositoryong ito sa iyong lokal na filesystem.
• Pindutin ang F1 at piliin ang Remote-Containers: Open Folder in Container... command.
• Piliin ang naka-clone na kopya ng folder na ito, maghintay hanggang magsimula ang container, at subukan ang mga bagay.

Pag-access nang Offline

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay ihahain sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, ang mga notebook ay hindi ire-render via Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code na nagpapatakbo ng Python kernel.

Iba pang Kurikulum

Gumagawa ang aming koponan ng iba pang kurikulum! Tingnan ang:

LangChain

---

Azure / Edge / MCP / Agents

---

Serye ng Generative AI

---

Pangunahing Pag-aaral

---

Serye ng Copilot

Pagkuha ng Tulong

Nakakaranas ng mga problema? Tingnan ang aming Gabay sa Pag-troubleshoot para sa mga solusyon sa mga karaniwang problema.

Kung ikaw ay ma-stuck o may mga tanong tungkol sa pagbuo ng mga AI app, sumali sa mga kapwa nag-aaral at mga bihasang developer sa mga diskusyon tungkol sa MCP. Ito ay isang sumusuportang komunidad kung saan malugod ang mga tanong at malayang naibabahagi ang kaalaman.

Kung mayroon kang feedback sa produkto o mga error habang nagbuo, bisitahin:

---

Paunawa: Ang dokumentong ito ay isinalin gamit ang serbisyong pagsasalin ng AI na Co-op Translator. Bagama't nagsusumikap kami para sa kawastuhan, pakitandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatumpak. Ang orihinal na dokumento sa kanyang orihinal na wika ang dapat ituring na opisyal na sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na magmula sa paggamit ng pagsasaling ito.