Data-Science-For-Beginners/translations/uk

Наука про дані для початківців - Навчальна програма

Спеціалісти Azure Cloud Advocates в Microsoft раді запропонувати 10-тижневу, 20-урокову навчальну програму, присвячену Науці про дані. Кожен урок включає квізи до уроку та після уроку, письмові інструкції для виконання уроку, розв'язок та завдання. Наша проєктно-орієнтована педагогіка дозволяє вчитися, створюючи проєкти — перевірений спосіб для засвоєння нових навичок.

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

🙏 Особлива подяка 🙏 нашим авторам-рев'юерам та контриб'юторам із програми Microsoft Student Ambassador, зокрема 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

Наука про дані для початківців - Скетчноут від @nitya

🌐 Підтримка кількох мов

Підтримується через GitHub Action (автоматизовано та завжди актуально)

Арабська | Бенгальська | Болгарська | Бірманська (М’янма) | Китайська (спрощена) | Китайська (традиційна, Гонконг) | Китайська (традиційна, Макао) | Китайська (традиційна, Тайвань) | Хорватська | Чеська | Данська | Нідерландська | Естонська | Фінська | Французька | Німецька | Грецька | Іврит | Хінді | Угорська | Індонезійська | Італійська | Японська | Каннада | Корейська | Литовська | Малайська | Малаялам | Маратхі | Непальська | Нігерійський піджин | Норвезька | Перська (фарсі) | Польська | Португальська (Бразилія) | Португальська (Португалія) | Пенджабі (Гурмухі) | Румунська | Російська | Сербська (кирилиця) | Словацька | Словенська | Іспанська | Свахілі | Шведська | Тагалог (філіппінська) | Тамільська | Телугу | Тайська | Турецька | Українська | Урду | В'єтнамська

Якщо ви бажаєте, щоб додаткові мови були підтримані, список доступних мов наведено тут

Приєднуйтесь до нашої спільноти

Ми проводимо серію занять у Discord під назвою "Learn with AI", дізнайтеся більше та приєднуйтесь до нас на Серія Learn with AI з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі щодо використання GitHub Copilot для Науки про дані.

Ви студент?

Почніть з наступних ресурсів:

• Student Hub page На цій сторінці ви знайдете ресурси для початківців, набори для студентів і навіть способи отримати купон на безкоштовний сертифікат. Це сторінка, яку варто додати в закладки та періодично переглядати, оскільки ми щонайменше щомісяця оновлюємо вміст.
• Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентських амбасадорів — це може стати вашим шляхом до Microsoft.

Початок роботи

📚 Документація

• Installation Guide - Покрокові інструкції з налаштування для початківців
• Usage Guide - Приклади та типові робочі процеси
• Troubleshooting - Рішення поширених проблем
• Contributing Guide - Як зробити внесок у цей проєкт
• For Teachers - Методичні рекомендації та ресурси для класу

👨‍🎓 Для студентів

Повні початківці: Новачок у науці про дані? Почніть з наших прикладів для початківців! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед зануренням у повну навчальну програму. Студенти: щоб використовувати цю навчальну програму самостійно, зробіть fork всього репозиторію та виконайте вправи самостійно, починаючи з передлекційного тесту. Потім прочитайте лекцію та виконайте інші активності. Намагайтеся створювати проєкти, розуміючи матеріал, а не просто копіюючи код рішення; однак цей код доступний у папках /solutions у кожному уроці, орієнтованому на проєкти. Інша ідея — сформувати навчальну групу з друзями і проходити матеріал разом. Для подальшого вивчення ми рекомендуємо Microsoft Learn.

Швидкий старт:

1. Перевірте Installation Guide, щоб налаштувати ваше середовище
2. Ознайомтеся з Usage Guide, щоб дізнатися, як працювати з навчальною програмою
3. Почніть з Уроку 1 і проходьте їх послідовно
4. Приєднуйтесь до нашої спільноти в Discord для підтримки

👩‍🏫 Для викладачів

Викладачі: ми включили деякі пропозиції щодо використання цієї навчальної програми. Ми будемо раді вашому зворотному зв'язку у нашому форумі для дискусій!

Познайомтесь із командою

Гіф від Mohit Jaisal

🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт та людей, які його створили!

Педагогіка

Ми обрали дві педагогічні засади при створенні цього курсу: зробити його орієнтованим на проєкти та включити часті вікторини. Наприкінці цієї серії студенти опанують базові принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, приклади застосування науки про дані в реальному світі та інше.

Крім того, низьковажлива вікторина перед заняттям налаштовує студента на вивчення теми, а друга вікторина після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма була розроблена так, щоб бути гнучкою та цікавою, і її можна проходити цілком або частинами. Проєкти починаються з простих і стають поступово складнішими до кінця 10-тижневого циклу.

Знайдіть наші Кодекс поведінки, Внесок, Переклад інструкції. Ми вітаємо ваші конструктивні відгуки!

Кожен урок включає:

• Необов'язкова скетчноут
• Додаткове відео (необов'язкове)
• Розминкова вікторина перед уроком
• Письмовий урок
• Для практичних уроків — покрокові інструкції зі створення проєкту
• Перевірки знань
• Виклик
• Додаткова література
• Домашнє завдання
• Післяурочна вікторина

Примітка щодо вікторин: Всі вікторини містяться в папці Quiz-App, загалом 40 вікторин по три питання в кожній. Вони пов'язані з уроками, але додаток вікторин можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці quiz-app. Вони поступово локалізуються.

🎓 Приклади для початківців

Новачок у Data Science? Ми створили спеціальний каталог прикладів з простим, добре прокоментованим кодом, щоб допомогти вам розпочати:

• 🌟 Hello World - Ваша перша програма з дослідження даних
• 📂 Loading Data - Навчіться читати та досліджувати набори даних
• 📊 Simple Analysis - Обчислюйте статистики та знаходьте закономірності
• 📈 Basic Visualization - Створюйте діаграми та графіки
• 🔬 Real-World Project - Повний робочий процес від початку до кінця

Кожен приклад містить детальні коментарі, що пояснюють кожен крок, тож він ідеально підходить для абсолютних початківців!

👉 Почніть з прикладів 👈

Уроки

Data Science для початківців: Дорожня карта - Скетчноут від @nitya

Номер уроку	Тема	Lesson Grouping	Навчальні цілі	Linked Lesson	Автор
01	Визначення Data Science	Introduction	Дізнайтеся основні концепції науки про дані та як вона пов’язана зі штучним інтелектом, машинним навчанням і великими даними.	урок відео	Dmitry
02	Етика науки про дані	Introduction	Концепції етики даних, виклики та рамки.	урок	Nitya
03	Визначення даних	Introduction	Як класифікуються дані та їх поширені джерела.	урок	Jasmine
04	Вступ до статистики та теорії ймовірностей	Introduction	Математичні методи теорії ймовірностей і статистики для розуміння даних.	урок відео	Dmitry
05	Робота з реляційними даними	Working With Data	Вступ до реляційних даних та основ дослідження й аналізу реляційних даних за допомогою мови Structured Query Language, відомої як SQL (вимовляється «сі-квел»).	урок	Christopher
06	Робота з NoSQL-даними	Working With Data	Вступ до нереляційних даних, їхніх різних типів та основ дослідження й аналізу документних баз даних.	урок	Jasmine
07	Робота з Python	Working With Data	Основи використання Python для дослідження даних із бібліотеками, такими як Pandas. Рекомендується базове розуміння програмування на Python.	урок відео	Dmitry
08	Підготовка даних	Working With Data	Теми щодо методів обробки даних для очищення та перетворення даних, щоб впоратися з проблемами відсутніх, неточних або неповних даних.	урок	Jasmine
09	Візуалізація кількостей	Data Visualization	Дізнайтеся, як використовувати Matplotlib для візуалізації даних про птахів 🦆	урок	Jen
10	Візуалізація розподілів даних	Data Visualization	Візуалізація спостережень і тенденцій в межах інтервалу.	урок	Jen
11	Візуалізація пропорцій	Data Visualization	Візуалізація дискретних та згрупованих відсотків.	урок	Jen
12	Візуалізація взаємозв'язків	Data Visualization	Візуалізація зв'язків та кореляцій між наборами даних і їхніми змінними.	урок	Jen
13	Інформативні візуалізації	Data Visualization	Методи та рекомендації для створення візуалізацій, які сприяють ефективному розв'язанню проблем і отриманню інсайтів.	урок	Jen
14	Вступ до життєвого циклу Data Science	Lifecycle	Вступ до життєвого циклу науки про дані та його першого кроку — отримання й витягання даних.	урок	Jasmine
15	Аналіз	Lifecycle	Ця фаза життєвого циклу науки про дані зосереджена на методах аналізу даних.	урок	Jasmine
16	Комунікація	Lifecycle	Ця фаза життєвого циклу науки про дані зосереджена на поданні інсайтів з даних таким чином, щоб їх було легше зрозуміти особам, які приймають рішення.	урок	Jalen
17	Data Science у хмарі	Cloud Data	Ця серія уроків знайомить з Data Science у хмарі та її перевагами.	урок	Tiffany and Maud
18	Data Science у хмарі	Cloud Data	Навчання моделей із використанням інструментів Low Code.	урок	Tiffany and Maud
19	Data Science у хмарі	Cloud Data	Розгортання моделей за допомогою Azure Machine Learning Studio.	урок	Tiffany and Maud
20	Data Science у реальному світі	In the Wild	Проєкти, орієнтовані на науку про дані, у реальному світі.	урок	Nitya

GitHub Codespaces

Виконайте ці кроки, щоб відкрити цей зразок у Codespace:

1. Натисніть випадаюче меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace внизу панелі. Для отримання додаткової інформації перегляньте документацію GitHub.

VSCode Remote - Containers

Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері, використовуючи вашу локальну машину та VSCode використовуючи розширення VS Code Remote - Containers:

1. Якщо ви вперше використовуєте контейнер для розробки, будь ласка, переконайтеся, що ваша система відповідає передумовам (наприклад, має встановлений Docker) у документації з початку роботи.

Щоб використовувати цей репозиторій, ви можете або відкрити репозиторій в ізольованому томі Docker:

Примітка: Під капотом це використовуватиме команду Remote-Containers: Clone Repository in Container Volume..., щоб клонувати вихідний код у том Docker замість локальної файлової системи. Volumes — це рекомендований механізм для збереження даних контейнера.

Або відкрийте локально клоновану або завантажену версію репозиторію:

• Клонуйте цей репозиторій у вашу локальну файлову систему.
• Натисніть F1 і виберіть команду Remote-Containers: Open Folder in Container....
• Виберіть клоновану копію цієї папки, дочекайтеся запуску контейнера та випробуйте функціонал.

Офлайн-доступ

Ви можете запускати цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на вашому локальному комп'ютері, а потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 на вашому localhost: localhost:3000.

Зауважте, блокноти не будуть відображені через Docsify, тож коли вам потрібно запустити блокнот, зробіть це окремо у VS Code із запущеним ядром Python.

Інші навчальні програми

Наша команда створює й інші навчальні програми! Перегляньте:

LangChain

---

Azure / Edge / MCP / Agents

---

Серія генеративного ШІ

---

Основи навчання

---

Серія Copilot

Отримання допомоги

Зіткнулися з проблемами? Перегляньте наш Посібник з усунення несправностей для рішень поширених проблем.

Якщо ви застрягли або у вас є питання щодо створення додатків зі ШІ. Приєднуйтесь до інших учнів і досвідчених розробників в обговореннях MCP. Це підтримувальна спільнота, де питання вітаються, а знання вільно діляться.

Якщо у вас є відгуки про продукт або помилки під час розробки, відвідайте:

---

Відмова від відповідальності: Цей документ було перекладено за допомогою сервісу машинного перекладу на основі штучного інтелекту Co-op Translator. Хоча ми прагнемо до точності, просимо врахувати, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ мовою оригіналу слід вважати авторитетним джерелом. Для критичної інформації рекомендується скористатися послугами професійного перекладача. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.