Data-Science-For-Beginners/translations/ru

Основы Data Science - Учебная программа

Azure Cloud Advocates в Microsoft рады предложить 10-недельную учебную программу, состоящую из 20 уроков, посвященных Data Science. Каждый урок включает тесты до и после занятия, письменные инструкции для выполнения задания, решение и домашнюю работу. Наш проектный подход к обучению позволяет учиться через создание, что доказано как эффективный способ закрепления новых навыков.

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

🙏 Особая благодарность 🙏 нашим Microsoft Student Ambassador авторам, рецензентам и участникам контента, включая 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

Основы Data Science - Скетчноут от @nitya

🌐 Поддержка нескольких языков

Поддерживается через GitHub Action (автоматически и всегда актуально)

Арабский | Бенгальский | Болгарский | Бирманский (Мьянма) | Китайский (упрощенный) | Китайский (традиционный, Гонконг) | Китайский (традиционный, Макао) | Китайский (традиционный, Тайвань) | Хорватский | Чешский | Датский | Голландский | Эстонский | Финский | Французский | Немецкий | Греческий | Иврит | Хинди | Венгерский | Индонезийский | Итальянский | Японский | Корейский | Литовский | Малайский | Маратхи | Непальский | Норвежский | Персидский (фарси) | Польский | Португальский (Бразилия) | Португальский (Португалия) | Панджаби (Гурмукхи) | Румынский | Русский | Сербский (кириллица) | Словацкий | Словенский | Испанский | Суахили | Шведский | Тагальский (Филиппинский) | Тамильский | Тайский | Турецкий | Украинский | Урду | Вьетнамский

Если вы хотите добавить дополнительные переводы, список поддерживаемых языков доступен здесь

Присоединяйтесь к нашему сообществу

Мы проводим серию обучения с AI в Discord, узнайте больше и присоединяйтесь к нам на Learn with AI Series с 18 по 30 сентября 2025 года. Вы узнаете советы и хитрости использования GitHub Copilot для Data Science.

Вы студент?

Начните с следующих ресурсов:

• Страница для студентов На этой странице вы найдете ресурсы для начинающих, студенческие пакеты и даже способы получить бесплатный ваучер на сертификацию. Это страница, которую стоит добавить в закладки и проверять время от времени, так как контент обновляется как минимум ежемесячно.
• Microsoft Learn Student Ambassadors Присоединяйтесь к глобальному сообществу студенческих амбассадоров, это может стать вашим путем в Microsoft.

Начало работы

📚 Документация

• Руководство по установке - Пошаговые инструкции для начинающих
• Руководство по использованию - Примеры и основные рабочие процессы
• Устранение неполадок - Решения распространенных проблем
• Руководство по внесению изменений - Как внести вклад в проект
• Для преподавателей - Рекомендации по обучению и ресурсы для классов

👨‍🎓 Для студентов

Полные новички: Только начинаете изучать Data Science? Начните с наших примеров для начинающих! Эти простые, хорошо прокомментированные примеры помогут вам понять основы перед тем, как углубиться в полную учебную программу. Студенты: чтобы использовать эту учебную программу самостоятельно, сделайте форк репозитория и выполните упражнения самостоятельно, начиная с теста перед лекцией. Затем прочитайте лекцию и выполните остальные задания. Постарайтесь создавать проекты, понимая уроки, а не копируя код решения; однако этот код доступен в папках /solutions в каждом проектно-ориентированном уроке. Еще одна идея — создать учебную группу с друзьями и изучать контент вместе. Для дальнейшего изучения мы рекомендуем Microsoft Learn.

Быстрый старт:

1. Ознакомьтесь с Руководством по установке, чтобы настроить вашу среду
2. Просмотрите Руководство по использованию, чтобы узнать, как работать с учебной программой
3. Начните с урока 1 и двигайтесь последовательно
4. Присоединяйтесь к нашему сообществу в Discord для поддержки

👩‍🏫 Для преподавателей

Преподаватели: мы включили несколько предложений о том, как использовать эту учебную программу. Нам будет приятно получить ваш отзыв в нашем форуме обсуждений!

Знакомьтесь с командой

Gif от Mohit Jaisal

🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!

Педагогика

Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечение проектной направленности и включение регулярных тестов. К концу этого курса студенты изучат основные принципы науки о данных, включая этические концепции, подготовку данных, различные способы работы с данными, визуализацию данных, анализ данных, реальные примеры использования науки о данных и многое другое.

Кроме того, тест с низкими ставками перед занятием помогает студенту настроиться на изучение темы, а второй тест после занятия способствует лучшему запоминанию материала. Эта учебная программа была разработана как гибкая и увлекательная, и ее можно пройти полностью или частично. Проекты начинаются с простых и становятся все более сложными к концу 10-недельного цикла.

Ознакомьтесь с нашим Кодексом поведения, Руководством по внесению изменений, Руководством по переводу. Мы приветствуем ваши конструктивные отзывы!

Каждое занятие включает:

• Дополнительный скетчноут (по желанию)
• Дополнительное видео (по желанию)
• Разогревающий тест перед занятием
• Письменный урок
• Для проектных уроков — пошаговые инструкции по созданию проекта
• Проверка знаний
• Задачу
• Дополнительные материалы для чтения
• Домашнее задание
• Тест после занятия

Примечание о тестах: Все тесты находятся в папке Quiz-App, всего 40 тестов по три вопроса каждый. Они связаны с уроками, но приложение для тестов можно запустить локально или развернуть в Azure; следуйте инструкциям в папке quiz-app. Постепенно они переводятся на другие языки.

🎓 Примеры для начинающих

Новичок в науке о данных? Мы создали специальный каталог примеров с простым, хорошо прокомментированным кодом, чтобы помочь вам начать:

• 🌟 Hello World — ваша первая программа в области науки о данных
• 📂 Загрузка данных — научитесь читать и исследовать наборы данных
• 📊 Простой анализ — рассчитывайте статистику и находите закономерности
• 📈 Основная визуализация — создавайте диаграммы и графики
• 🔬 Реальный проект — полный рабочий процесс от начала до конца

Каждый пример включает подробные комментарии, объясняющие каждый шаг, что делает их идеальными для абсолютных новичков!

👉 Начните с примеров 👈

Уроки

Наука о данных для начинающих: Дорожная карта - Скетчноут от @nitya

Номер урока	Тема	Группа уроков	Цели обучения	Связанный урок	Автор
01	Определение науки о данных	Введение	Изучите основные концепции науки о данных и ее связь с искусственным интеллектом, машинным обучением и большими данными.	урок видео	Дмитрий
02	Этика науки о данных	Введение	Концепции этики данных, вызовы и рамки.	урок	Нития
03	Определение данных	Введение	Как классифицируются данные и их основные источники.	урок	Жасмин
04	Введение в статистику и вероятность	Введение	Математические методы вероятности и статистики для понимания данных.	урок видео	Дмитрий
05	Работа с реляционными данными	Работа с данными	Введение в реляционные данные и основы их исследования и анализа с использованием языка SQL (произносится как "си-квел").	урок	Кристофер
06	Работа с данными NoSQL	Работа с данными	Введение в нереляционные данные, их различные типы и основы исследования и анализа документных баз данных.	урок	Жасмин
07	Работа с Python	Работа с данными	Основы использования Python для исследования данных с библиотеками, такими как Pandas. Рекомендуется базовое понимание программирования на Python.	урок видео	Дмитрий
08	Подготовка данных	Работа с данными	Темы о методах очистки и преобразования данных для решения проблем, связанных с отсутствующими, неточными или неполными данными.	урок	Жасмин
09	Визуализация количеств	Визуализация данных	Узнайте, как использовать Matplotlib для визуализации данных о птицах 🦆	урок	Джен
10	Визуализация распределений данных	Визуализация данных	Визуализация наблюдений и тенденций в интервале.	урок	Джен
11	Визуализация пропорций	Визуализация данных	Визуализация дискретных и сгруппированных процентов.	урок	Джен
12	Визуализация связей	Визуализация данных	Визуализация связей и корреляций между наборами данных и их переменными.	урок	Джен
13	Значимые визуализации	Визуализация данных	Техники и рекомендации для создания визуализаций, полезных для эффективного решения проблем и получения инсайтов.	урок	Джен
14	Введение в жизненный цикл науки о данных	Жизненный цикл	Введение в жизненный цикл науки о данных и его первый этап — получение и извлечение данных.	урок	Жасмин
15	Анализ	Жизненный цикл	Этот этап жизненного цикла науки о данных посвящен методам анализа данных.	урок	Жасмин
16	Коммуникация	Жизненный цикл	Этот этап жизненного цикла науки о данных посвящен представлению инсайтов из данных таким образом, чтобы облегчить их понимание для лиц, принимающих решения.	урок	Джейлен
17	Наука о данных в облаке	Облачные данные	Этот цикл уроков вводит в науку о данных в облаке и ее преимущества.	урок	Тиффани и Мод
18	Наука о данных в облаке	Облачные данные	Обучение моделей с использованием инструментов Low Code.	урок	Тиффани и Мод
19	Наука о данных в облаке	Облачные данные	Развертывание моделей с помощью Azure Machine Learning Studio.	урок	Тиффани и Мод
20	Наука о данных в реальном мире	В реальном мире	Проекты, основанные на науке о данных, в реальном мире.	урок	Нития

GitHub Codespaces

Следуйте этим шагам, чтобы открыть этот пример в Codespace:

1. Нажмите на выпадающее меню Code и выберите опцию Open with Codespaces.
2. Выберите + New codespace внизу панели. Для получения дополнительной информации ознакомьтесь с документацией GitHub.

VSCode Remote - Containers

Следуйте этим шагам, чтобы открыть этот репозиторий в контейнере, используя ваш локальный компьютер и VSCode с расширением VS Code Remote - Containers:

1. Если вы впервые используете контейнер для разработки, убедитесь, что ваша система соответствует предварительным требованиям (например, установлен Docker) в документации по началу работы.

Чтобы использовать этот репозиторий, вы можете либо открыть его в изолированном Docker-объеме:

Примечание: Внутри будет использоваться команда Remote-Containers: Clone Repository in Container Volume... для клонирования исходного кода в Docker-объем вместо локальной файловой системы. Объемы являются предпочтительным механизмом для сохранения данных контейнера.

Или открыть локально клонированную или загруженную версию репозитория:

• Клонируйте этот репозиторий на вашу локальную файловую систему.
• Нажмите F1 и выберите команду Remote-Containers: Open Folder in Container....
• Выберите клонированную копию этой папки, дождитесь запуска контейнера и попробуйте.

Оффлайн-доступ

Вы можете запустить эту документацию оффлайн, используя Docsify. Форкните этот репозиторий, установите Docsify на вашем локальном компьютере, затем в корневой папке этого репозитория введите docsify serve. Веб-сайт будет доступен на порту 3000 вашего localhost: localhost:3000.

Примечание: блокноты не будут отображаться через Docsify, поэтому, если вам нужно запустить блокнот, сделайте это отдельно в VS Code, используя ядро Python.

Другие учебные программы

Наша команда создает другие учебные программы! Ознакомьтесь:

Azure / Edge / MCP / Agents

---

Серия по генеративному ИИ

---

Основное обучение

---

Серия Copilot

Получение помощи

Возникли проблемы? Ознакомьтесь с нашим Руководством по устранению неполадок, чтобы найти решения распространенных проблем.

Если вы застряли или у вас есть вопросы о создании приложений с ИИ, присоединяйтесь:

Если у вас есть отзывы о продукте или ошибки при разработке, посетите:

---

Отказ от ответственности:
Этот документ был переведен с использованием сервиса автоматического перевода Co-op Translator. Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.