Data-Science-For-Beginners/translations/ms

Sains Data untuk Pemula - Kurikulum

Azure Cloud Advocates di Microsoft dengan bangga menawarkan kurikulum 10 minggu, 20 pelajaran tentang Sains Data. Setiap pelajaran termasuk kuiz sebelum dan selepas pelajaran, arahan bertulis untuk melengkapkan pelajaran, penyelesaian, dan tugasan. Pendekatan pembelajaran berasaskan projek kami membolehkan anda belajar sambil membina, cara yang terbukti untuk kemahiran baru 'melekat'.

Terima kasih kepada penulis kami: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Terima kasih khas 🙏 kepada Microsoft Student Ambassador penulis, pengulas dan penyumbang kandungan, termasuk 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

Sains Data untuk Pemula - Sketchnote oleh @nitya

🌐 Sokongan Pelbagai Bahasa

Disokong melalui GitHub Action (Automatik & Sentiasa Terkini)

Arab | Bengali | Bulgaria | Burma (Myanmar) | Cina (Ringkas) | Cina (Tradisional, Hong Kong) | Cina (Tradisional, Macau) | Cina (Tradisional, Taiwan) | Croatia | Czech | Denmark | Belanda | Estonia | Finland | Perancis | Jerman | Greek | Ibrani | Hindi | Hungary | Indonesia | Itali | Jepun | Korea | Lithuania | Melayu | Marathi | Nepal | Norway | Parsi (Farsi) | Poland | Portugis (Brazil) | Portugis (Portugal) | Punjabi (Gurmukhi) | Romania | Rusia | Serbia (Cyrillic) | Slovak | Slovenia | Sepanyol | Swahili | Sweden | Tagalog (Filipina) | Tamil | Thai | Turki | Ukraine | Urdu | Vietnam

Jika anda ingin mempunyai terjemahan tambahan, bahasa yang disokong disenaraikan di sini

Sertai Komuniti Kami

Kami mempunyai siri pembelajaran Discord dengan AI yang sedang berlangsung, ketahui lebih lanjut dan sertai kami di Learn with AI Series dari 18 - 30 September, 2025. Anda akan mendapat tip dan trik menggunakan GitHub Copilot untuk Sains Data.

Adakah anda seorang pelajar?

Mulakan dengan sumber berikut:

• Halaman Student Hub Di halaman ini, anda akan menemui sumber untuk pemula, pakej pelajar dan juga cara mendapatkan baucar sijil percuma. Ini adalah satu halaman yang anda ingin tandai dan periksa dari semasa ke semasa kerana kami menukar kandungan sekurang-kurangnya setiap bulan.
• Microsoft Learn Student Ambassadors Sertai komuniti global duta pelajar, ini boleh menjadi jalan anda ke Microsoft.

Memulakan

📚 Dokumentasi

• Panduan Pemasangan - Arahan langkah demi langkah untuk pemula
• Panduan Penggunaan - Contoh dan aliran kerja biasa
• Penyelesaian Masalah - Penyelesaian untuk isu biasa
• Panduan Penyumbangan - Cara menyumbang kepada projek ini
• Untuk Guru - Panduan pengajaran dan sumber bilik darjah

👨‍🎓 Untuk Pelajar

Pemula Sepenuhnya: Baru dalam sains data? Mulakan dengan contoh mesra pemula kami! Contoh yang mudah dan penuh dengan komen ini akan membantu anda memahami asas sebelum mendalami kurikulum penuh. Pelajar: untuk menggunakan kurikulum ini secara sendiri, fork keseluruhan repo dan lengkapkan latihan secara sendiri, bermula dengan kuiz pra-kuliah. Kemudian baca kuliah dan lengkapkan aktiviti yang lain. Cuba buat projek dengan memahami pelajaran daripada menyalin kod penyelesaian; walau bagaimanapun, kod tersebut tersedia dalam folder /solutions dalam setiap pelajaran berorientasikan projek. Idea lain adalah membentuk kumpulan belajar dengan rakan-rakan dan melalui kandungan bersama-sama. Untuk kajian lanjut, kami mengesyorkan Microsoft Learn.

Permulaan Cepat:

1. Semak Panduan Pemasangan untuk menyediakan persekitaran anda
2. Tinjau Panduan Penggunaan untuk belajar cara menggunakan kurikulum
3. Mulakan dengan Pelajaran 1 dan teruskan secara berurutan
4. Sertai komuniti Discord kami untuk sokongan

👩‍🏫 Untuk Guru

Guru: kami telah menyertakan beberapa cadangan tentang cara menggunakan kurikulum ini. Kami menghargai maklum balas anda di forum perbincangan kami!

Kenali Pasukan

Gif oleh Mohit Jaisal

🎥 Klik imej di atas untuk video tentang projek dan orang-orang yang menciptanya!

Pedagogi

Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan termasuk kuiz yang kerap. Menjelang akhir siri ini, pelajar akan mempelajari prinsip asas sains data, termasuk konsep etika, penyediaan data, pelbagai cara bekerja dengan data, visualisasi data, analisis data, kes penggunaan sains data dalam dunia sebenar, dan banyak lagi.

Selain itu, kuiz dengan risiko rendah sebelum kelas bertujuan untuk menetapkan niat pelajar terhadap pembelajaran topik, manakala kuiz kedua selepas kelas memastikan pengekalan yang lebih baik. Kurikulum ini direka untuk fleksibel dan menyeronokkan serta boleh diambil secara keseluruhan atau sebahagian. Projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 10 minggu.

Temui Kod Etika, Panduan Menyumbang, Panduan Terjemahan. Kami mengalu-alukan maklum balas membina anda!

Setiap pelajaran termasuk:

• Sketchnote pilihan
• Video tambahan pilihan
• Kuiz pemanasan sebelum pelajaran
• Pelajaran bertulis
• Untuk pelajaran berasaskan projek, panduan langkah demi langkah tentang cara membina projek
• Semakan pengetahuan
• Cabaran
• Bacaan tambahan
• Tugasan
• Kuiz selepas pelajaran

Nota tentang kuiz: Semua kuiz terdapat dalam folder Quiz-App, dengan jumlah 40 kuiz yang masing-masing mengandungi tiga soalan. Kuiz ini dihubungkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara tempatan atau dideploy ke Azure; ikuti arahan dalam folder quiz-app. Kuiz ini sedang dilokalkan secara beransur-ansur.

🎓 Contoh Mesra Pemula

Baru dalam Sains Data? Kami telah mencipta direktori contoh khas dengan kod yang mudah dan diberi komen dengan baik untuk membantu anda bermula:

• 🌟 Hello World - Program sains data pertama anda
• 📂 Memuatkan Data - Belajar membaca dan meneroka dataset
• 📊 Analisis Mudah - Mengira statistik dan mencari pola
• 📈 Visualisasi Asas - Membuat carta dan graf
• 🔬 Projek Dunia Sebenar - Aliran kerja lengkap dari awal hingga akhir

Setiap contoh termasuk komen terperinci yang menerangkan setiap langkah, menjadikannya sesuai untuk pemula mutlak!

👉 Mulakan dengan contoh 👈

Pelajaran

Sains Data untuk Pemula: Peta Jalan - Sketchnote oleh @nitya

Nombor Pelajaran	Topik	Pengelompokan Pelajaran	Objektif Pembelajaran	Pelajaran Terhubung	Penulis
01	Mendefinisikan Sains Data	Pengenalan	Belajar konsep asas di sebalik sains data dan bagaimana ia berkaitan dengan kecerdasan buatan, pembelajaran mesin, dan data besar.	pelajaran video	Dmitry
02	Etika Sains Data	Pengenalan	Konsep Etika Data, Cabaran & Kerangka Kerja.	pelajaran	Nitya
03	Mendefinisikan Data	Pengenalan	Bagaimana data diklasifikasikan dan sumber-sumber umumnya.	pelajaran	Jasmine
04	Pengenalan kepada Statistik & Kebarangkalian	Pengenalan	Teknik matematik kebarangkalian dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasi	Bekerja Dengan Data	Pengenalan kepada data relasi dan asas meneroka serta menganalisis data relasi dengan Structured Query Language, juga dikenali sebagai SQL (disebut "see-quell").	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Bekerja Dengan Data	Pengenalan kepada data bukan relasi, pelbagai jenisnya dan asas meneroka serta menganalisis pangkalan data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja Dengan Data	Asas menggunakan Python untuk penerokaan data dengan pustaka seperti Pandas. Pemahaman asas tentang pengaturcaraan Python disarankan.	pelajaran video	Dmitry
08	Penyediaan Data	Bekerja Dengan Data	Topik tentang teknik data untuk membersihkan dan mengubah data bagi menangani cabaran data yang hilang, tidak tepat, atau tidak lengkap.	pelajaran	Jasmine
09	Memvisualisasikan Kuantiti	Visualisasi Data	Belajar cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆	pelajaran	Jen
10	Memvisualisasikan Taburan Data	Visualisasi Data	Memvisualisasikan pemerhatian dan tren dalam satu interval.	pelajaran	Jen
11	Memvisualisasikan Perkadaran	Visualisasi Data	Memvisualisasikan peratusan diskret dan berkumpulan.	pelajaran	Jen
12	Memvisualisasikan Hubungan	Visualisasi Data	Memvisualisasikan hubungan dan korelasi antara set data dan pemboleh ubahnya.	pelajaran	Jen
13	Visualisasi Bermakna	Visualisasi Data	Teknik dan panduan untuk menjadikan visualisasi anda bernilai bagi penyelesaian masalah dan mendapatkan wawasan yang efektif.	pelajaran	Jen
14	Pengenalan kepada Kitaran Hayat Sains Data	Kitaran Hayat	Pengenalan kepada kitaran hayat sains data dan langkah pertama untuk memperoleh serta mengekstrak data.	pelajaran	Jasmine
15	Menganalisis	Kitaran Hayat	Fasa ini dalam kitaran hayat sains data memberi tumpuan kepada teknik untuk menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Kitaran Hayat	Fasa ini dalam kitaran hayat sains data memberi tumpuan kepada menyampaikan wawasan dari data dengan cara yang memudahkan pembuat keputusan untuk memahami.	pelajaran	Jalen
17	Sains Data di Awan	Data Awan	Siri pelajaran ini memperkenalkan sains data di awan dan manfaatnya.	pelajaran	Tiffany dan Maud
18	Sains Data di Awan	Data Awan	Melatih model menggunakan alat Low Code.	pelajaran	Tiffany dan Maud
19	Sains Data di Awan	Data Awan	Mendeply model dengan Azure Machine Learning Studio.	pelajaran	Tiffany dan Maud
20	Sains Data di Dunia Liar	Di Dunia Liar	Projek yang didorong oleh sains data dalam dunia sebenar.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah-langkah ini untuk membuka sampel ini dalam Codespace:

1. Klik menu drop-down Code dan pilih pilihan Open with Codespaces.
2. Pilih + New codespace di bahagian bawah panel. Untuk maklumat lanjut, lihat dokumentasi GitHub.

VSCode Remote - Containers

Ikuti langkah-langkah ini untuk membuka repo ini dalam kontena menggunakan mesin tempatan anda dan VSCode dengan sambungan VS Code Remote - Containers:

1. Jika ini kali pertama anda menggunakan kontena pembangunan, pastikan sistem anda memenuhi prasyarat (contohnya, mempunyai Docker dipasang) dalam dokumentasi permulaan.

Untuk menggunakan repositori ini, anda boleh membukanya dalam volume Docker yang terasing:

Nota: Di belakang tabir, ini akan menggunakan Remote-Containers: Clone Repository in Container Volume... arahan untuk mengklon kod sumber dalam volume Docker dan bukannya sistem fail tempatan. Volumes adalah mekanisme yang disukai untuk mengekalkan data kontena.

Atau buka versi repositori yang telah diklon atau dimuat turun secara tempatan:

• Klon repositori ini ke sistem fail tempatan anda.
• Tekan F1 dan pilih arahan Remote-Containers: Open Folder in Container....
• Pilih salinan yang telah diklon dari folder ini, tunggu kontena untuk dimulakan, dan cuba perkara-perkara.

Akses Luar Talian

Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan Docsify. Fork repo ini, pasang Docsify pada mesin tempatan anda, kemudian di folder root repo ini, taip docsify serve. Laman web akan disajikan pada port 3000 di localhost anda: localhost:3000.

Nota, notebook tidak akan dirender melalui Docsify, jadi apabila anda perlu menjalankan notebook, lakukan secara berasingan dalam VS Code yang menjalankan kernel Python.

Kurikulum Lain

Pasukan kami menghasilkan kurikulum lain! Lihat:

Azure / Edge / MCP / Agents

---

Siri AI Generatif

---

Pembelajaran Teras

---

Siri Copilot

Mendapatkan Bantuan

Menghadapi masalah? Semak Panduan Penyelesaian Masalah kami untuk penyelesaian kepada masalah biasa.

Jika anda menghadapi kesukaran atau mempunyai sebarang soalan tentang membina aplikasi AI, sertai:

Jika anda mempunyai maklum balas produk atau menghadapi ralat semasa membina, lawati:

---

Penafian:
Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha untuk ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.