leestott
cfd74ebbf1
|
4 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 4 months ago | |
| 2-Working-With-Data | 4 months ago | |
| 3-Data-Visualization | 4 months ago | |
| 4-Data-Science-Lifecycle | 4 months ago | |
| 5-Data-Science-In-Cloud | 4 months ago | |
| 6-Data-Science-In-Wild | 4 months ago | |
| docs | 4 months ago | |
| quiz-app | 4 months ago | |
| sketchnotes | 4 months ago | |
| CODE_OF_CONDUCT.md | 4 months ago | |
| CONTRIBUTING.md | 4 months ago | |
| README.md | 4 months ago | |
| SECURITY.md | 4 months ago | |
| SUPPORT.md | 4 months ago | |
| for-teachers.md | 4 months ago | |
README.md
علوم داده برای مبتدیان - یک برنامه آموزشی
Azure Cloud Advocates در مایکروسافت با افتخار یک برنامه آموزشی ۱۰ هفتهای و ۲۰ درس درباره علوم داده ارائه میدهند. هر درس شامل آزمونهای پیش از درس و پس از درس، دستورالعملهای نوشتاری برای تکمیل درس، راهحل و تکلیف است. روش آموزشی مبتنی بر پروژه ما به شما امکان میدهد در حین ساختن یاد بگیرید، روشی اثباتشده برای تثبیت مهارتهای جدید.
تشکر ویژه از نویسندگان ما: جاسمین گریناوی، دمیتری سوشنیکوف، نیتیا ناراسیمهان، جالن مکگی، جن لوپر، مود لوی، تیفانی سوتر، کریستوفر هریسون.
🙏 تشکر ویژه 🙏 از سفیران دانشجویی مایکروسافت نویسندگان، بازبینان و مشارکتکنندگان محتوا، بهویژه آریان آرورا، آدیتیا گارگ، آلوندرا سانچز، آنکیتا سینگ، انوپام میشرا، آرپیتا داس، چهلبیهاری دوبی، دیبری نسوفور، دیشیتا باسین، مجید صافی، مکس بلوم، میگل کوریا، محمد افتخار (ایفتو) ابن جلال، ناورین تبسم، ریموند وانگسا پوترا، روهیت یاداو، سامریدی شارما، سانیا سینها، شینا نارولا، توقیر احمد، یوگندرا سینگ پاوار، ویدوشی گوپتا، جسلین سوندی
 |
|---|
| علوم داده برای مبتدیان - اسکچنوت توسط @نیتیا |
اطلاعیه - برنامه آموزشی جدید درباره هوش مصنوعی مولد منتشر شد!
ما بهتازگی یک برنامه آموزشی ۱۲ درس درباره هوش مصنوعی مولد منتشر کردهایم. بیایید چیزهایی مانند:
- مهندسی درخواستها
- تولید متن و تصویر
- برنامههای جستجو
را یاد بگیرید. همانند همیشه، هر درس شامل تکالیف، بررسی دانش و چالشها است.
مشاهده کنید:
آیا شما دانشجو هستید؟
با منابع زیر شروع کنید:
- صفحه مرکز دانشجویی در این صفحه، منابع مبتدی، بستههای دانشجویی و حتی راههایی برای دریافت یک کوپن گواهی رایگان را خواهید یافت. این صفحهای است که باید نشانکگذاری کنید و هر از گاهی بررسی کنید، زیرا ما حداقل ماهانه محتوا را تغییر میدهیم.
- سفیران دانشجویی مایکروسافت به یک جامعه جهانی از سفیران دانشجویی بپیوندید، این میتواند راه شما به مایکروسافت باشد.
شروع به کار
معلمان: ما برخی پیشنهادات درباره نحوه استفاده از این برنامه آموزشی را درج کردهایم. ما مشتاقانه منتظر بازخورد شما در انجمن بحث ما هستیم!
دانشجویان: برای استفاده از این برنامه آموزشی بهصورت مستقل، کل مخزن را فورک کنید و تمرینها را بهصورت مستقل انجام دهید، با آزمون پیش از درس شروع کنید. سپس درس را بخوانید و بقیه فعالیتها را تکمیل کنید. سعی کنید پروژهها را با درک درسها ایجاد کنید، نه با کپی کردن کد راهحل؛ با این حال، آن کد در پوشههای /solutions در هر درس مبتنی بر پروژه موجود است. ایده دیگر این است که یک گروه مطالعه با دوستان تشکیل دهید و محتوا را با هم مرور کنید. برای مطالعه بیشتر، ما Microsoft Learn را توصیه میکنیم.
آشنایی با تیم
گیف توسط موهیت جایسال
🎥 روی تصویر بالا کلیک کنید تا ویدئویی درباره پروژه و افرادی که آن را ایجاد کردهاند مشاهده کنید!
روش آموزشی
ما دو اصل آموزشی را هنگام ساخت این برنامه آموزشی انتخاب کردهایم: اطمینان از اینکه مبتنی بر پروژه است و شامل آزمونهای مکرر میشود. تا پایان این سری، دانشجویان اصول اولیه علوم داده را یاد خواهند گرفت، از جمله مفاهیم اخلاقی، آمادهسازی دادهها، روشهای مختلف کار با دادهها، مصورسازی دادهها، تحلیل دادهها، موارد استفاده واقعی از علوم داده و موارد دیگر.
علاوه بر این، یک آزمون کمفشار قبل از کلاس، قصد دانشجو را برای یادگیری یک موضوع تعیین میکند، در حالی که یک آزمون دوم پس از کلاس، حفظ بیشتر را تضمین میکند. این برنامه آموزشی بهگونهای طراحی شده است که انعطافپذیر و سرگرمکننده باشد و میتوان آن را بهصورت کامل یا جزئی گذراند. پروژهها کوچک شروع میشوند و تا پایان چرخه ۱۰ هفتهای بهتدریج پیچیدهتر میشوند.
قوانین رفتاری، مشارکت، راهنمای ترجمه ما را پیدا کنید. ما از بازخورد سازنده شما استقبال میکنیم!
هر درس شامل موارد زیر است:
- اسکچنوت اختیاری
- ویدئوی تکمیلی اختیاری
- آزمون گرمآپ پیش از درس
- درس نوشتاری
- برای درسهای مبتنی بر پروژه، راهنمای گامبهگام برای ساخت پروژه
- بررسی دانش
- یک چالش
- مطالعه تکمیلی
- تکلیف
- آزمون پس از درس
نکتهای درباره آزمونها: تمام آزمونها در پوشه Quiz-App قرار دارند، برای مجموع ۴۰ آزمون هر کدام شامل سه سؤال. آنها از داخل درسها لینک شدهاند، اما اپلیکیشن آزمون میتواند بهصورت محلی اجرا شود یا در Azure مستقر شود؛ دستورالعملها را در پوشه
quiz-appدنبال کنید. آنها بهتدریج در حال بومیسازی هستند.
درسها
 |
|---|
| علوم داده برای مبتدیان: نقشه راه - اسکچنوت توسط @نیتیا |
| شماره درس | موضوع | گروهبندی درس | اهداف یادگیری | درس مرتبط | نویسنده |
|---|---|---|---|---|---|
| 01 | تعریف علوم داده | مقدمه | یادگیری مفاهیم پایهای علوم داده و ارتباط آن با هوش مصنوعی، یادگیری ماشین و دادههای کلان. | درس ویدئو | دمیتری |
| 02 | اخلاق در علوم داده | مقدمه | مفاهیم اخلاق داده، چالشها و چارچوبها. | درس | نیتیا |
| 03 | تعریف داده | مقدمه | نحوه طبقهبندی دادهها و منابع رایج آنها. | درس | جاسمین |
| 04 | مقدمهای بر آمار و احتمال | مقدمه | تکنیکهای ریاضی احتمال و آمار برای درک دادهها. | درس ویدئو | دمیتری |
| 05 | کار با دادههای رابطهای | کار با دادهها | مقدمهای بر دادههای رابطهای و اصول کاوش و تحلیل دادههای رابطهای با زبان Structured Query Language، معروف به SQL (تلفظ "سیکوئل"). | درس | کریستوفر |
| 06 | کار با دادههای NoSQL | کار با دادهها | مقدمهای بر دادههای غیررابطهای، انواع مختلف آن و اصول کاوش و تحلیل پایگاههای داده سندی. | درس | جاسمین |
| 07 | کار با پایتون | کار با دادهها | اصول استفاده از پایتون برای کاوش دادهها با کتابخانههایی مانند Pandas. درک پایهای از برنامهنویسی پایتون توصیه میشود. | درس ویدئو | دمیتری |
| 08 | آمادهسازی داده | کار با داده | موضوعاتی درباره تکنیکهای پاکسازی و تبدیل داده برای مقابله با چالشهای دادههای ناقص، نادرست یا ناکامل. | درس | جاسمین |
| 09 | مصورسازی مقادیر | مصورسازی داده | یادگیری نحوه استفاده از Matplotlib برای مصورسازی دادههای پرندگان 🦆 | درس | جن |
| 10 | مصورسازی توزیع دادهها | مصورسازی داده | مصورسازی مشاهدات و روندها در یک بازه. | درس | جن |
| 11 | مصورسازی نسبتها | مصورسازی داده | مصورسازی درصدهای گسسته و گروهبندیشده. | درس | جن |
| 12 | مصورسازی روابط | مصورسازی داده | مصورسازی ارتباطات و همبستگیها بین مجموعههای داده و متغیرهای آنها. | درس | جن |
| 13 | مصورسازیهای معنادار | مصورسازی داده | تکنیکها و راهنماییهایی برای ارزشمند کردن مصورسازیها جهت حل مؤثر مسائل و کسب بینش. | درس | جن |
| 14 | مقدمهای بر چرخه عمر علم داده | چرخه عمر | مقدمهای بر چرخه عمر علم داده و اولین گام آن یعنی جمعآوری و استخراج داده. | درس | جاسمین |
| 15 | تحلیل | چرخه عمر | این مرحله از چرخه عمر علم داده بر تکنیکهای تحلیل داده تمرکز دارد. | درس | جاسمین |
| 16 | ارتباط | چرخه عمر | این مرحله از چرخه عمر علم داده بر ارائه بینشهای حاصل از داده به گونهای که تصمیمگیرندگان به راحتی آن را درک کنند، تمرکز دارد. | درس | جیلن |
| 17 | علم داده در فضای ابری | داده ابری | این مجموعه درسها علم داده در فضای ابری و مزایای آن را معرفی میکند. | درس | تیفانی و مود |
| 18 | علم داده در فضای ابری | داده ابری | آموزش مدلها با استفاده از ابزارهای کمکد. | درس | تیفانی و مود |
| 19 | علم داده در فضای ابری | داده ابری | استقرار مدلها با استفاده از Azure Machine Learning Studio. | درس | تیفانی و مود |
| 20 | علم داده در دنیای واقعی | در دنیای واقعی | پروژههای مبتنی بر علم داده در دنیای واقعی. | درس | نیتیا |
GitHub Codespaces
این مراحل را دنبال کنید تا این نمونه را در یک Codespace باز کنید:
- روی منوی کشویی Code کلیک کنید و گزینه Open with Codespaces را انتخاب کنید.
- در پایین پنل، گزینه + New codespace را انتخاب کنید.
برای اطلاعات بیشتر، به مستندات GitHub مراجعه کنید.
VSCode Remote - Containers
این مراحل را دنبال کنید تا این مخزن را با استفاده از ماشین محلی خود و VSCode در یک کانتینر باز کنید، با استفاده از افزونه VS Code Remote - Containers:
- اگر این اولین بار است که از یک کانتینر توسعه استفاده میکنید، لطفاً مطمئن شوید که سیستم شما پیشنیازها (مانند نصب Docker) را دارد. مستندات شروع به کار را بررسی کنید.
برای استفاده از این مخزن، میتوانید آن را در یک حجم ایزوله Docker باز کنید:
توجه: در پشت صحنه، این کار از دستور Remote-Containers: Clone Repository in Container Volume... برای کلون کردن کد منبع در یک حجم Docker به جای سیستم فایل محلی استفاده میکند. Volumes مکانیزم ترجیحی برای نگهداری دادههای کانتینر هستند.
یا نسخهای که به صورت محلی کلون یا دانلود شده است را باز کنید:
- این مخزن را به سیستم فایل محلی خود کلون کنید.
- کلید F1 را فشار دهید و دستور Remote-Containers: Open Folder in Container... را انتخاب کنید.
- نسخه کلونشده این پوشه را انتخاب کنید، منتظر بمانید تا کانتینر شروع شود و موارد را امتحان کنید.
دسترسی آفلاین
میتوانید این مستندات را به صورت آفلاین با استفاده از Docsify اجرا کنید. این مخزن را فورک کنید، Docsify را نصب کنید روی ماشین محلی خود، سپس در پوشه اصلی این مخزن، دستور docsify serve را تایپ کنید. وبسایت روی پورت 3000 در localhost شما ارائه خواهد شد: localhost:3000.
توجه داشته باشید، نوتبوکها از طریق Docsify رندر نمیشوند، بنابراین زمانی که نیاز به اجرای یک نوتبوک دارید، آن را جداگانه در VS Code با اجرای یک کرنل پایتون انجام دهید.
نیاز به کمک!
اگر مایل به ترجمه تمام یا بخشی از این برنامه درسی هستید، لطفاً راهنمای ترجمهها ما را دنبال کنید.
سایر برنامههای درسی
تیم ما برنامههای درسی دیگری نیز تولید میکند! بررسی کنید:
- هوش مصنوعی مولد برای مبتدیان
- هوش مصنوعی مولد برای مبتدیان .NET
- هوش مصنوعی مولد با جاوااسکریپت
- هوش مصنوعی مولد با جاوا
- هوش مصنوعی برای مبتدیان
- علم داده برای مبتدیان
- یادگیری ماشین برای مبتدیان
- امنیت سایبری برای مبتدیان
- توسعه وب برای مبتدیان
- اینترنت اشیا برای مبتدیان
- توسعه XR برای مبتدیان
- تسلط بر GitHub Copilot برای برنامهنویسی جفتی
- تسلط بر GitHub Copilot برای توسعهدهندگان C#/.NET
- ماجراجویی خود را با Copilot انتخاب کنید
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما تلاش میکنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطاها یا نادرستیهایی باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفهای انسانی توصیه میشود. ما هیچ مسئولیتی در قبال سوءتفاهمها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.