Data-Science-For-Beginners/translations/vi

Khoa học Dữ liệu cho Người mới Bắt đầu - Chương trình giảng dạy

Các Chuyên gia Truyền thông Đám mây Azure tại Microsoft vui mừng giới thiệu một chương trình 10 tuần, 20 bài giảng toàn bộ về Khoa học Dữ liệu. Mỗi bài học bao gồm bài kiểm tra trước bài học và sau bài học, hướng dẫn viết tay để hoàn thành bài học, một lời giải và một bài tập. Phương pháp dạy dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới "bám trụ".

Xin chân thành cảm ơn các tác giả của chúng tôi: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Lời cảm ơn đặc biệt 🙏 tới các tác giả, người duyệt và cộng tác nội dung của Microsoft Student Ambassador, đặc biệt 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

Khoa học Dữ liệu cho Người mới Bắt đầu - Sketchnote bởi @nitya

🌐 Hỗ trợ Đa ngôn ngữ

Được Hỗ trợ qua GitHub Action (Tự động & Luôn Cập nhật)

Tiếng Ả Rập | Tiếng Bengal | Tiếng Bulgaria | Tiếng Miến Điện (Myanmar) | Tiếng Trung (Giản thể) | Tiếng Trung (Phồn thể, Hồng Kông) | Tiếng Trung (Phồn thể, Macau) | Tiếng Trung (Phồn thể, Đài Loan) | Tiếng Croatia | Tiếng Séc | Tiếng Đan Mạch | Tiếng Hà Lan | Tiếng Estonia | Tiếng Phần Lan | Tiếng Pháp | Tiếng Đức | Tiếng Hy Lạp | Tiếng Do Thái | Tiếng Hindi | Tiếng Hungary | Tiếng Indonesia | Tiếng Ý | Tiếng Nhật | Tiếng Kannada | Tiếng Hàn | Tiếng Litva | Tiếng Mã Lai | Tiếng Malayalam | Tiếng Marathi | Tiếng Nepal | Tiếng Pidgin Nigeria | Tiếng Na Uy | Tiếng Ba Tư (Farsi) | Tiếng Ba Lan | Tiếng Bồ Đào Nha (Brazil) | Tiếng Bồ Đào Nha (Bồ Đào Nha) | Tiếng Punjabi (Gurmukhi) | Tiếng Romania | Tiếng Nga | Tiếng Serbia (Chữ Cyril) | Tiếng Slovakia | Tiếng Slovenia | Tiếng Tây Ban Nha | Tiếng Swahili | Tiếng Thụy Điển | Tiếng Tagalog (Filipino) | Tiếng Tamil | Tiếng Telugu | Tiếng Thái | Tiếng Thổ Nhĩ Kỳ | Tiếng Ukraina | Tiếng Urdu | Tiếng Việt

Nếu bạn muốn có thêm các ngôn ngữ dịch được hỗ trợ, danh sách có ở đây

Tham gia Cộng đồng của Chúng tôi

Chúng tôi đang có chuỗi Discord "Học cùng AI", tìm hiểu thêm và tham gia với chúng tôi tại Learn with AI Series từ ngày 18 - 30 tháng 9, 2025. Bạn sẽ nhận được mẹo và thủ thuật khi sử dụng GitHub Copilot cho Khoa học Dữ liệu.

Bạn là sinh viên?

Bắt đầu với các tài nguyên sau:

• Trang Trung tâm Sinh viên Trong trang này, bạn sẽ tìm thấy các tài nguyên dành cho người mới bắt đầu, gói dành cho sinh viên và thậm chí cả các cách để nhận phiếu chứng nhận miễn phí. Đây là một trang bạn nên đánh dấu và kiểm tra định kỳ vì chúng tôi thay đổi nội dung ít nhất hàng tháng.
• Microsoft Learn Student Ambassadors Tham gia một cộng đồng đại diện sinh viên toàn cầu, đây có thể là con đường của bạn vào Microsoft.

Bắt đầu

📚 Tài liệu

• Hướng dẫn Cài đặt - Hướng dẫn thiết lập từng bước cho người mới bắt đầu
• Hướng dẫn Sử dụng - Ví dụ và các luồng công việc thông dụng
• Khắc phục sự cố - Giải pháp cho các vấn đề thường gặp
• Hướng dẫn Đóng góp - Cách đóng góp vào dự án này
• Dành cho Giáo viên - Hướng dẫn giảng dạy và tài nguyên cho lớp học

👨‍🎓 Dành cho Sinh viên

Người mới hoàn toàn: Mới với khoa học dữ liệu? Bắt đầu với các ví dụ thân thiện cho người mới của chúng tôi! Những ví dụ đơn giản, có chú thích rõ ràng này sẽ giúp bạn hiểu các khái niệm cơ bản trước khi đi sâu vào toàn bộ chương trình giảng dạy. Sinh viên: để sử dụng chương trình này một mình, fork toàn bộ repo và hoàn thành các bài tập một mình, bắt đầu bằng bài kiểm tra trước bài giảng. Sau đó đọc bài giảng và hoàn thành các hoạt động còn lại. Cố gắng tạo các dự án bằng cách hiểu bài học thay vì sao chép mã giải pháp; tuy nhiên, mã đó có sẵn trong các thư mục /solutions trong mỗi bài học theo dự án. Một ý tưởng khác là thành lập một nhóm học với bạn bè và cùng nhau đi qua nội dung. Để học thêm, chúng tôi khuyên bạn nên Microsoft Learn.

Bắt đầu Nhanh:

1. Kiểm tra Hướng dẫn Cài đặt để thiết lập môi trường của bạn
2. Xem lại Hướng dẫn Sử dụng để học cách làm việc với chương trình giảng dạy
3. Bắt đầu với Bài học 1 và làm theo tuần tự
4. Tham gia cộng đồng Discord của chúng tôi để được hỗ trợ

👩‍🏫 Dành cho Giáo viên

Giáo viên: chúng tôi đã bao gồm một số gợi ý về cách sử dụng chương trình này. Chúng tôi rất mong nhận được phản hồi của bạn trong diễn đàn thảo luận của chúng tôi!

Gặp đội ngũ

Gif bởi Mohit Jaisal

🎥 Nhấp vào hình ảnh phía trên để xem video về dự án và những người đã tạo ra nó!

Phương pháp giảng dạy

Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình học này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Đến cuối chuỗi này, học viên sẽ nắm được các nguyên tắc cơ bản của khoa học dữ liệu, bao gồm các khái niệm đạo đức, chuẩn bị dữ liệu, các cách làm việc với dữ liệu khác nhau, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp sử dụng khoa học dữ liệu trong thế giới thực, và nhiều hơn nữa.

Ngoài ra, một bài kiểm tra nhẹ trước lớp giúp học viên đặt mục tiêu học tập cho một chủ đề, trong khi bài kiểm tra thứ hai sau lớp giúp tăng khả năng ghi nhớ. Chương trình này được thiết kế linh hoạt và vui nhộn, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên ngày càng phức tạp vào cuối chu kỳ 10 tuần.

Tìm Bộ Quy tắc Ứng xử, Hướng dẫn Đóng góp, Hướng dẫn Dịch thuật. Chúng tôi hoan nghênh mọi góp ý mang tính xây dựng!

Each lesson includes:

• Sketchnote tùy chọn
• Video bổ sung tùy chọn
• Trắc nghiệm khởi động trước bài học
• Bài học bằng văn bản
• Đối với các bài học theo dự án, hướng dẫn từng bước về cách xây dựng dự án
• Kiểm tra kiến thức
• Một thử thách
• Tài liệu đọc bổ sung
• Bài tập
• Trắc nghiệm sau bài học

Một ghi chú về các bài trắc nghiệm: Tất cả các bài trắc nghiệm được chứa trong thư mục Quiz-App, với tổng cộng 40 bài trắc nghiệm, mỗi bài gồm ba câu hỏi. Chúng được liên kết từ trong các bài học, nhưng ứng dụng trắc nghiệm có thể chạy cục bộ hoặc triển khai lên Azure; làm theo hướng dẫn trong thư mục quiz-app. Chúng đang dần được bản địa hóa.

🎓 Ví dụ thân thiện cho người mới bắt đầu

Mới với Khoa học dữ liệu? Chúng tôi đã tạo một thư mục ví dụ đặc biệt với mã đơn giản, nhiều chú thích để giúp bạn bắt đầu:

• 🌟 Hello World - Chương trình khoa học dữ liệu đầu tiên của bạn
• 📂 Loading Data - Học cách đọc và khám phá các bộ dữ liệu
• 📊 Simple Analysis - Tính toán thống kê và tìm các mẫu
• 📈 Basic Visualization - Tạo biểu đồ và đồ thị
• 🔬 Real-World Project - Quy trình hoàn chỉnh từ đầu đến cuối

Mỗi ví dụ bao gồm các chú thích chi tiết giải thích từng bước, khiến nó hoàn hảo cho người mới tuyệt đối!

👉 Bắt đầu với các ví dụ 👈

Bài học

Khoa học dữ liệu cho người mới bắt đầu: Lộ trình - Sketchnote bởi @nitya

Số bài học	Chủ đề	Nhóm bài học	Mục tiêu học tập	Bài học liên kết	Tác giả
01	Định nghĩa Khoa học dữ liệu	Giới thiệu	Tìm hiểu các khái niệm cơ bản về khoa học dữ liệu và cách nó liên quan đến trí tuệ nhân tạo, máy học và big data.	bài học video	Dmitry
02	Đạo đức trong Khoa học dữ liệu	Giới thiệu	Các khái niệm, thách thức & khung về đạo đức dữ liệu.	bài học	Nitya
03	Định nghĩa Dữ liệu	Giới thiệu	Cách dữ liệu được phân loại và các nguồn phổ biến của nó.	bài học	Jasmine
04	Giới thiệu về Thống kê & Xác suất	Giới thiệu	Các kỹ thuật toán học về xác suất và thống kê để hiểu dữ liệu.	bài học video	Dmitry
05	Làm việc với Dữ liệu Quan hệ	Làm việc với Dữ liệu	Giới thiệu về dữ liệu quan hệ và các kiến thức cơ bản về khám phá và phân tích dữ liệu quan hệ bằng Structured Query Language, còn được gọi là SQL (phát âm “see-quell”).	bài học	Christopher
06	Làm việc với Dữ liệu NoSQL	Làm việc với Dữ liệu	Giới thiệu về dữ liệu phi quan hệ, các loại của nó và kiến thức cơ bản để khám phá và phân tích cơ sở dữ liệu dạng tài liệu.	bài học	Jasmine
07	Làm việc với Python	Làm việc với Dữ liệu	Những kiến thức cơ bản về sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Khuyến nghị có hiểu biết nền tảng về lập trình Python.	bài học video	Dmitry
08	Chuẩn bị Dữ liệu	Làm việc với Dữ liệu	Các chủ đề về kỹ thuật xử lý dữ liệu để làm sạch và chuyển đổi dữ liệu nhằm xử lý các thách thức như dữ liệu bị thiếu, không chính xác hoặc không đầy đủ.	bài học	Jasmine
09	Trực quan hóa các Đại lượng	Trực quan hóa Dữ liệu	Học cách sử dụng Matplotlib để trực quan hóa dữ liệu về chim 🦆	bài học	Jen
10	Trực quan hóa Phân bố Dữ liệu	Trực quan hóa Dữ liệu	Trực quan hóa các quan sát và xu hướng trong một khoảng.	bài học	Jen
11	Trực quan hóa Tỉ lệ	Trực quan hóa Dữ liệu	Trực quan hóa các phần trăm rời rạc và theo nhóm.	bài học	Jen
12	Trực quan hóa Mối quan hệ	Trực quan hóa Dữ liệu	Trực quan hóa các kết nối và tương quan giữa các tập dữ liệu và biến của chúng.	bài học	Jen
13	Trực quan hóa Có ý nghĩa	Trực quan hóa Dữ liệu	Các kỹ thuật và hướng dẫn để làm cho các biểu đồ của bạn có giá trị trong việc giải quyết vấn đề và rút ra insight hiệu quả.	bài học	Jen
14	Giới thiệu về vòng đời Khoa học dữ liệu	Vòng đời	Giới thiệu về vòng đời khoa học dữ liệu và bước đầu tiên là thu thập và trích xuất dữ liệu.	bài học	Jasmine
15	Phân tích	Vòng đời	Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào các kỹ thuật để phân tích dữ liệu.	bài học	Jasmine
16	Truyền đạt	Vòng đời	Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào việc trình bày các insight từ dữ liệu theo cách giúp người ra quyết định dễ hiểu hơn.	bài học	Jalen
17	Khoa học dữ liệu trên Cloud	Dữ liệu trên Cloud	Chuỗi bài học này giới thiệu khoa học dữ liệu trên đám mây và các lợi ích của nó.	bài học	Tiffany and Maud
18	Khoa học dữ liệu trên Cloud	Dữ liệu trên Cloud	Huấn luyện mô hình sử dụng các công cụ Low Code.	bài học	Tiffany and Maud
19	Khoa học dữ liệu trên Cloud	Dữ liệu trên Cloud	Triển khai mô hình với Azure Machine Learning Studio.	bài học	Tiffany and Maud
20	Khoa học dữ liệu trong Thực tế	Trong Thực tế	Các dự án được dẫn dắt bởi khoa học dữ liệu trong thế giới thực.	bài học	Nitya

GitHub Codespaces

Thực hiện các bước sau để mở mẫu này trong một Codespace:

1. Nhấp vào menu thả xuống Code và chọn tùy chọn Open with Codespaces.
2. Chọn + New codespace ở đáy ngăn. For more info, check out the GitHub documentation.

VSCode Remote - Containers

Thực hiện các bước sau để mở repo này trong một container bằng máy cục bộ của bạn và VSCode sử dụng the VS Code Remote - Containers extension:

1. Nếu đây là lần đầu bạn sử dụng một development container, vui lòng đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ: đã cài Docker) trong 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:

• Clone this repository to your local filesystem.
• Press F1 and select the Remote-Containers: Open Folder in Container... command.
• Select the cloned copy of this folder, wait for the container to start, and try things out.

Truy cập ngoại tuyến

Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng Docsify. Fork repo này, install Docsify trên máy cục bộ của bạn, then in the root folder of this repo, type docsify serve. The website will be served on port 3000 on your localhost: localhost:3000.

Lưu ý, các notebook sẽ không được render qua Docsify, vì vậy khi bạn cần chạy một notebook, hãy làm điều đó riêng trong VS Code đang chạy một Python kernel.

Các chương trình giảng dạy khác

Our team produces other curricula! Check out:

LangChain

---

Azure / Edge / MCP / Agents

---

Chuỗi Generative AI

---

Học tập cốt lõi

---

Chuỗi Copilot

Nhận trợ giúp

Gặp phải sự cố? Hãy xem Hướng dẫn xử lý sự cố để biết giải pháp cho các vấn đề thường gặp.

Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI, hãy tham gia cùng những người học khác và các nhà phát triển giàu kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi các câu hỏi luôn được chào đón và kiến thức được chia sẻ rộng rãi.

If you have product feedback or errors while building visit:

---

Miễn trừ trách nhiệm: Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator (https://github.com/Azure/co-op-translator). Mặc dù chúng tôi nỗ lực đảm bảo độ chính xác, xin lưu ý rằng bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ gốc nên được coi là nguồn thông tin có thẩm quyền. Đối với thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm đối với bất kỳ sự hiểu nhầm hoặc giải thích sai nào phát sinh từ việc sử dụng bản dịch này.