Data-Science-For-Beginners/translations/tl

Data Science para sa mga Baguhan - Isang Kurikulum

Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng 10-linggong, 20-leksyon na kurikulum tungkol sa Data Science. Ang bawat leksyon ay may kasamang pre-leksyon at post-leksyon na mga pagsusulit, nakasulat na mga tagubilin para tapusin ang leksyon, solusyon, at takdang-aralin. Ang aming project-based na paraan ng pagtuturo ay nagbibigay-daan sa iyo na matuto habang gumagawa, isang napatunayang paraan para matutunan ang mga bagong kasanayan.

Taos-pusong pasasalamat sa aming mga may-akda: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Espesyal na pasasalamat 🙏 sa aming Microsoft Student Ambassador na mga may-akda, tagasuri, at mga nag-ambag ng nilalaman, partikular sina 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

Data Science Para sa mga Baguhan - Sketchnote ni @nitya

🌐 Suporta sa Iba't Ibang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Automated at Palaging Napapanahon)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Korean | Lithuanian | Malay | Marathi | Nepali | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Kung nais mong magkaroon ng karagdagang mga pagsasalin, ang mga sinusuportahang wika ay nakalista dito

Sumali sa Aming Komunidad

Mayroon kaming ongoing na Discord learn with AI series, alamin pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.

Ikaw ba ay isang estudyante?

Simulan sa mga sumusunod na resources:

• Student Hub page Sa pahinang ito, makakahanap ka ng mga resources para sa mga baguhan, Student packs, at mga paraan para makakuha ng libreng cert voucher. Isa itong pahina na dapat mong i-bookmark at bisitahin paminsan-minsan dahil regular naming ina-update ang nilalaman nito buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa global na komunidad ng mga student ambassadors, maaaring ito ang daan mo papunta sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• Installation Guide - Hakbang-hakbang na gabay sa pag-set up para sa mga baguhan
• Usage Guide - Mga halimbawa at karaniwang workflow
• Troubleshooting - Mga solusyon sa karaniwang mga isyu
• Contributing Guide - Paano mag-ambag sa proyektong ito
• For Teachers - Gabay sa pagtuturo at mga resources para sa klase

👨‍🎓 Para sa mga Estudyante

Para sa mga Baguhan: Bago sa data science? Simulan sa aming mga halimbawa para sa baguhan! Ang mga simpleng halimbawa na may malinaw na mga komento ay makakatulong sa iyo na maunawaan ang mga pangunahing kaalaman bago sumabak sa buong kurikulum. Mga Estudyante: Para magamit ang kurikulum na ito nang mag-isa, i-fork ang buong repo at tapusin ang mga aktibidad nang mag-isa, simula sa pre-lecture quiz. Pagkatapos, basahin ang leksyon at tapusin ang iba pang mga aktibidad. Subukang buuin ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na kopyahin ang solution code; gayunpaman, ang code na iyon ay makikita sa /solutions folders sa bawat project-oriented na leksyon. Isa pang ideya ay ang bumuo ng study group kasama ang mga kaibigan at sabay-sabay na pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekomenda namin ang Microsoft Learn.

Mabilisang Pagsisimula:

1. Tingnan ang Installation Guide para i-set up ang iyong environment
2. Basahin ang Usage Guide para matutunan kung paano gamitin ang kurikulum
3. Simulan sa Lesson 1 at sundan ang mga leksyon nang sunod-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Mga Guro: Kasama namin ang ilang mga mungkahi kung paano gamitin ang kurikulum na ito. Gusto naming marinig ang inyong feedback sa aming discussion forum!

Kilalanin ang Koponan

Gif ni Mohit Jaisal

🎥 I-click ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!

Pedagogy

Pinili namin ang dalawang prinsipyo sa pagtuturo habang binubuo ang kurikulum na ito: tiyaking ito ay nakabatay sa proyekto at may kasamang madalas na pagsusulit. Sa pagtatapos ng seryeng ito, matututunan ng mga mag-aaral ang mga pangunahing prinsipyo ng data science, kabilang ang mga etikal na konsepto, paghahanda ng datos, iba't ibang paraan ng pagproseso ng datos, visualisasyon ng datos, pagsusuri ng datos, mga totoong aplikasyon ng data science, at marami pa.

Bukod dito, ang pagsusulit na may mababang antas ng stress bago ang klase ay nagtatakda ng layunin ng mag-aaral na matuto ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay tumutulong sa mas matibay na pagkatuto. Ang kurikulum na ito ay dinisenyo upang maging flexible at masaya, at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at nagiging mas kumplikado sa pagtatapos ng 10 linggong siklo.

Hanapin ang aming Code of Conduct, Contributing, Translation na mga patnubay. Malugod naming tinatanggap ang inyong mga makabuluhang puna!

Bawat aralin ay naglalaman ng:

• Opsyonal na sketchnote
• Opsyonal na karagdagang video
• Pagsusulit bago ang aralin
• Nakatalang aralin
• Para sa mga araling nakabatay sa proyekto, mga gabay sa hakbang-hakbang kung paano bumuo ng proyekto
• Mga pagsusuri sa kaalaman
• Isang hamon
• Karagdagang babasahin
• Takdang-aralin
• Pagsusulit pagkatapos ng aralin

Tungkol sa mga pagsusulit: Ang lahat ng pagsusulit ay nasa Quiz-App folder, na may kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Ang mga ito ay naka-link mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o i-deploy sa Azure; sundin ang mga tagubilin sa quiz-app folder. Unti-unti itong isinasalin sa iba't ibang wika.

🎓 Mga Halimbawa Para sa Baguhan

Bago sa Data Science? Nilikha namin ang isang espesyal na examples directory na may simpleng code na may mga komento upang matulungan kang magsimula:

• 🌟 Hello World - Ang iyong unang programa sa data science
• 📂 Pag-load ng Datos - Matutunan kung paano magbasa at mag-eksplora ng mga dataset
• 📊 Simpleng Pagsusuri - Magkalkula ng mga istatistika at tuklasin ang mga pattern
• 📈 Pangunahing Visualisasyon - Gumawa ng mga tsart at grap
• 🔬 Totoong Proyekto - Kumpletong workflow mula simula hanggang matapos

Ang bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perpekto ito para sa mga baguhan!

👉 Simulan sa mga halimbawa 👈

Mga Aralin

Data Science Para sa Mga Baguhan: Roadmap - Sketchnote ni @nitya

Bilang ng Aralin	Paksa	Pangkat ng Aralin	Layunin ng Pagkatuto	Nakakabit na Aralin	May-akda
01	Pagpapakahulugan sa Data Science	Panimula	Matutunan ang mga pangunahing konsepto ng data science at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data.	aralin video	Dmitry
02	Etika sa Data Science	Panimula	Mga Konsepto, Hamon, at Framework ng Etika sa Data.	aralin	Nitya
03	Pagpapakahulugan sa Datos	Panimula	Paano ikinuklasipika ang datos at ang mga karaniwang pinagmulan nito.	aralin	Jasmine
04	Panimula sa Istatistika at Probabilidad	Panimula	Ang mga teknikal na pamamaraan ng probabilidad at istatistika upang maunawaan ang datos.	aralin video	Dmitry
05	Paggawa gamit ang Relational Data	Paggawa Gamit ang Datos	Panimula sa relational data at ang mga pangunahing kaalaman sa pag-eksplora at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”).	aralin	Christopher
06	Paggawa gamit ang NoSQL Data	Paggawa Gamit ang Datos	Panimula sa non-relational data, ang iba't ibang uri nito, at ang mga pangunahing kaalaman sa pag-eksplora at pagsusuri ng document databases.	aralin	Jasmine
07	Paggawa gamit ang Python	Paggawa Gamit ang Datos	Mga pangunahing kaalaman sa paggamit ng Python para sa pag-eksplora ng datos gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundasyong kaalaman sa programming gamit ang Python.	aralin video	Dmitry
08	Paghahanda ng Datos	Paggawa Gamit ang Datos	Mga paksa sa mga teknik ng datos para sa paglilinis at pagbabago ng datos upang matugunan ang mga hamon ng nawawala, hindi tama, o hindi kumpletong datos.	aralin	Jasmine
09	Pag-visualize ng Dami	Data Visualization	Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang datos ng ibon 🦆	aralin	Jen
10	Pag-visualize ng Pamamahagi ng Datos	Data Visualization	Pag-visualize ng mga obserbasyon at trend sa loob ng isang interval.	aralin	Jen
11	Pag-visualize ng Proporsyon	Data Visualization	Pag-visualize ng discrete at grouped percentages.	aralin	Jen
12	Pag-visualize ng Relasyon	Data Visualization	Pag-visualize ng mga koneksyon at correlations sa pagitan ng mga set ng datos at kanilang mga variable.	aralin	Jen
13	Makabuluhang Visualisasyon	Data Visualization	Mga teknik at gabay para gawing mahalaga ang iyong mga visualisasyon para sa epektibong pagresolba ng problema at mga insight.	aralin	Jen
14	Panimula sa Lifecycle ng Data Science	Lifecycle	Panimula sa lifecycle ng data science at ang unang hakbang nito sa pagkuha at pagkuha ng datos.	aralin	Jasmine
15	Pagsusuri	Lifecycle	Ang phase na ito ng lifecycle ng data science ay nakatuon sa mga teknik ng pagsusuri ng datos.	aralin	Jasmine
16	Komunikasyon	Lifecycle	Ang phase na ito ng lifecycle ng data science ay nakatuon sa pagpapakita ng mga insight mula sa datos sa paraang mas madaling maunawaan ng mga decision maker.	aralin	Jalen
17	Data Science sa Cloud	Cloud Data	Ang serye ng mga araling ito ay nagpapakilala sa data science sa cloud at ang mga benepisyo nito.	aralin	Tiffany at Maud
18	Data Science sa Cloud	Cloud Data	Pagsasanay ng mga modelo gamit ang Low Code tools.	aralin	Tiffany at Maud
19	Data Science sa Cloud	Cloud Data	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	aralin	Tiffany at Maud
20	Data Science sa Wild	In the Wild	Mga proyektong pinapatakbo ng data science sa totoong mundo.	aralin	Nitya

GitHub Codespaces

Sundin ang mga hakbang na ito upang buksan ang sample na ito sa isang Codespace:

1. I-click ang drop-down na menu ng Code at piliin ang Open with Codespaces na opsyon.
2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang impormasyon, tingnan ang GitHub documentation.

VSCode Remote - Containers

Sundin ang mga hakbang na ito upang buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension:

1. Kung ito ang iyong unang beses na gumamit ng development container, tiyakin na ang iyong sistema ay nakakatugon sa mga kinakailangan (hal. may naka-install na Docker) sa getting started documentation.

Upang gamitin ang repository na ito, maaari mo itong buksan sa isang hiwalay na Docker volume:

Tandaan: Sa ilalim ng hood, gagamitin nito ang Remote-Containers: Clone Repository in Container Volume... na command upang i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Ang Volumes ang mas pinapaboran na mekanismo para sa pag-persist ng container data.

O buksan ang isang lokal na na-clone o na-download na bersyon ng repository:

• I-clone ang repository na ito sa iyong lokal na filesystem.
• Pindutin ang F1 at piliin ang Remote-Containers: Open Folder in Container... na command.
• Piliin ang na-clone na kopya ng folder na ito, hintayin ang container na magsimula, at subukan ang mga bagay.

Offline na access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay magsisimula sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, ang mga notebook ay hindi mairender gamit ang Docsify, kaya kung kailangan mong patakbuhin ang isang notebook, gawin ito nang hiwalay sa VS Code gamit ang isang Python kernel.

Iba pang Kurikulum

Ang aming team ay gumagawa ng iba pang mga kurikulum! Tingnan:

Azure / Edge / MCP / Agents

---

Serye ng Generative AI

---

Pangunahing Pag-aaral

---

Serye ng Copilot

Pagkuha ng Tulong

May mga isyu? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa karaniwang problema.

Kung ikaw ay nahihirapan o may mga tanong tungkol sa paggawa ng AI apps, sumali sa:

Kung mayroon kang feedback sa produkto o mga error habang gumagawa, bisitahin:

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service Co-op Translator. Bagama't sinisikap naming maging tumpak, mangyaring tandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na mapagkakatiwalaang pinagmulan. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.