History

leestott 57edd69619 🌐 Update translations via Co-op Translator		3 months ago
..
README.md	🌐 Update translations via Co-op Translator	3 months ago

README.md

ตัวอย่างวิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น

ยินดีต้อนรับสู่ไดเรกทอรีตัวอย่าง! คอลเลกชันตัวอย่างที่เรียบง่ายและมีคำอธิบายชัดเจนนี้ถูกออกแบบมาเพื่อช่วยให้คุณเริ่มต้นกับวิทยาศาสตร์ข้อมูล แม้ว่าคุณจะเป็นมือใหม่ก็ตาม

📚 สิ่งที่คุณจะพบที่นี่

แต่ละตัวอย่างมีความสมบูรณ์ในตัวเองและประกอบด้วย:

คำอธิบายที่ชัดเจน อธิบายทุกขั้นตอน
โค้ดที่อ่านง่าย แสดงแนวคิดทีละอย่าง
บริบทในโลกจริง เพื่อช่วยให้คุณเข้าใจว่าเมื่อไหร่และทำไมถึงใช้เทคนิคเหล่านี้
ผลลัพธ์ที่คาดหวัง เพื่อให้คุณรู้ว่าควรดูอะไร

🚀 เริ่มต้นใช้งาน

สิ่งที่ต้องเตรียม

ก่อนที่จะรันตัวอย่างเหล่านี้ ตรวจสอบให้แน่ใจว่าคุณมี:

Python 3.7 หรือสูงกว่าติดตั้งอยู่
ความเข้าใจพื้นฐานเกี่ยวกับการรันสคริปต์ Python

การติดตั้งไลบรารีที่จำเป็น

pip install pandas numpy matplotlib

📖 ภาพรวมของตัวอย่าง

1. Hello World - สไตล์วิทยาศาสตร์ข้อมูล

ไฟล์: 01_hello_world_data_science.py

โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ! เรียนรู้วิธี:

โหลดชุดข้อมูลง่ายๆ
แสดงข้อมูลพื้นฐานเกี่ยวกับชุดข้อมูลของคุณ
พิมพ์ผลลัพธ์วิทยาศาสตร์ข้อมูลครั้งแรกของคุณ

เหมาะสำหรับมือใหม่ที่ต้องการเห็นโปรแกรมวิทยาศาสตร์ข้อมูลครั้งแรกในทางปฏิบัติ

2. การโหลดและสำรวจข้อมูล

ไฟล์: 02_loading_data.py

เรียนรู้พื้นฐานของการทำงานกับข้อมูล:

อ่านข้อมูลจากไฟล์ CSV
ดูแถวแรกๆ ของชุดข้อมูลของคุณ
รับสถิติพื้นฐานเกี่ยวกับข้อมูลของคุณ
เข้าใจประเภทของข้อมูล

นี่มักจะเป็นขั้นตอนแรกในโครงการวิทยาศาสตร์ข้อมูลใดๆ!

3. การวิเคราะห์ข้อมูลแบบง่าย

ไฟล์: 03_simple_analysis.py

ทำการวิเคราะห์ข้อมูลครั้งแรกของคุณ:

คำนวณสถิติพื้นฐาน (ค่าเฉลี่ย มัธยฐาน โหมด)
หาค่าสูงสุดและต่ำสุด
นับจำนวนการเกิดของค่า
กรองข้อมูลตามเงื่อนไข

ดูวิธีตอบคำถามง่ายๆ เกี่ยวกับข้อมูลของคุณ

4. พื้นฐานการสร้างภาพข้อมูล

ไฟล์: 04_basic_visualization.py

สร้างภาพข้อมูลครั้งแรกของคุณ:

สร้างแผนภูมิแท่งง่ายๆ
สร้างกราฟเส้น
สร้างแผนภูมิวงกลม
บันทึกภาพข้อมูลของคุณเป็นไฟล์รูปภาพ

เรียนรู้วิธีสื่อสารผลลัพธ์ของคุณด้วยภาพ!

5. การทำงานกับข้อมูลจริง

ไฟล์: 05_real_world_example.py

นำทุกอย่างมารวมกันในตัวอย่างที่สมบูรณ์:

โหลดข้อมูลจริงจากที่เก็บข้อมูล
ทำความสะอาดและเตรียมข้อมูล
ทำการวิเคราะห์
สร้างภาพข้อมูลที่มีความหมาย
สรุปผล

ตัวอย่างนี้แสดงให้คุณเห็นกระบวนการทำงานที่สมบูรณ์ตั้งแต่ต้นจนจบ

🎯 วิธีใช้ตัวอย่างเหล่านี้

เริ่มต้นจากจุดเริ่มต้น: ตัวอย่างถูกจัดลำดับตามความยาก เริ่มต้นที่ 01_hello_world_data_science.py และทำตามลำดับไปเรื่อยๆ
อ่านคำอธิบาย: แต่ละไฟล์มีคำอธิบายละเอียดเกี่ยวกับสิ่งที่โค้ดทำและเหตุผล อ่านอย่างละเอียด!
ทดลอง: ลองแก้ไขโค้ด ดูว่าเกิดอะไรขึ้นถ้าคุณเปลี่ยนค่า ลองทำให้โค้ดเสียแล้วแก้ไข - นั่นคือวิธีการเรียนรู้!
รันโค้ด: รันแต่ละตัวอย่างและสังเกตผลลัพธ์ เปรียบเทียบกับสิ่งที่คุณคาดหวัง
ต่อยอด: เมื่อคุณเข้าใจตัวอย่างแล้ว ลองขยายมันด้วยไอเดียของคุณเอง

💡 เคล็ดลับสำหรับมือใหม่

อย่ารีบร้อน: ใช้เวลาในการทำความเข้าใจแต่ละตัวอย่างก่อนที่จะไปยังตัวอย่างถัดไป
พิมพ์โค้ดด้วยตัวเอง: อย่าแค่คัดลอก-วาง การพิมพ์ช่วยให้คุณเรียนรู้และจดจำ
ค้นหาความหมายของแนวคิดที่ไม่คุ้นเคย: หากคุณเห็นสิ่งที่คุณไม่เข้าใจ ค้นหาข้อมูลออนไลน์หรือในบทเรียนหลัก
ถามคำถาม: เข้าร่วม ฟอรัมสนทนา หากคุณต้องการความช่วยเหลือ
ฝึกฝนอย่างสม่ำเสมอ: พยายามเขียนโค้ดเล็กๆ น้อยๆ ทุกวันแทนที่จะทำเป็นช่วงยาวๆ สัปดาห์ละครั้ง

🔗 ขั้นตอนถัดไป

หลังจากทำตัวอย่างเหล่านี้เสร็จ คุณพร้อมที่จะ:

ทำบทเรียนในหลักสูตรหลัก
ลองทำแบบฝึกหัดในแต่ละโฟลเดอร์บทเรียน
สำรวจ Jupyter notebooks เพื่อการเรียนรู้ที่ลึกซึ้งยิ่งขึ้น
สร้างโครงการวิทยาศาสตร์ข้อมูลของคุณเอง

📚 แหล่งข้อมูลเพิ่มเติม

หลักสูตรหลัก - หลักสูตร 20 บทเรียนที่สมบูรณ์
สำหรับครู - การใช้หลักสูตรนี้ในห้องเรียนของคุณ
Microsoft Learn - แหล่งเรียนรู้ออนไลน์ฟรี
เอกสาร Python - เอกสารอ้างอิง Python อย่างเป็นทางการ

🤝 การมีส่วนร่วม

พบข้อผิดพลาดหรือมีไอเดียสำหรับตัวอย่างใหม่? เรายินดีต้อนรับการมีส่วนร่วม! โปรดดู คู่มือการมีส่วนร่วม

เรียนรู้อย่างมีความสุข! 🎉

จำไว้ว่า: ผู้เชี่ยวชาญทุกคนเคยเป็นมือใหม่มาก่อน เรียนรู้ทีละขั้นตอน และอย่ากลัวที่จะทำผิดพลาด - เพราะมันเป็นส่วนหนึ่งของกระบวนการเรียนรู้!

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลภาษามนุษย์ที่เป็นมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้