leestott
57edd69619
|
3 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 | |
| examples | 3 months ago | |
| quiz-app | 4 months ago | |
| sketchnotes | 4 months ago | |
| AGENTS.md | 3 months ago | |
| CODE_OF_CONDUCT.md | 4 months ago | |
| CONTRIBUTING.md | 4 months ago | |
| README.md | 3 months ago | |
| SECURITY.md | 4 months ago | |
| SUPPORT.md | 4 months ago | |
| for-teachers.md | 4 months ago | |
README.md
Datenwissenschaft für Anfänger - Ein Lehrplan
Die Azure Cloud Advocates bei Microsoft freuen sich, einen 10-wöchigen Lehrplan mit 20 Lektionen rund um Datenwissenschaft anzubieten. Jede Lektion enthält Quizfragen vor und nach der Lektion, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung und eine Aufgabe. Unsere projektbasierte Pädagogik ermöglicht es Ihnen, durch praktisches Arbeiten zu lernen – eine bewährte Methode, um neue Fähigkeiten nachhaltig zu erlernen.
Herzlichen Dank an unsere Autoren: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Besonderer Dank 🙏 an unsere Microsoft Student Ambassador Autoren, Prüfer und Inhaltsbeiträger, insbesondere 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
 |
|---|
| Datenwissenschaft für Anfänger - Sketchnote von @nitya |
🌐 Mehrsprachige Unterstützung
Unterstützt durch GitHub Action (Automatisiert & Immer Aktuell)
Französisch | Spanisch | Deutsch | Russisch | Arabisch | Persisch (Farsi) | Urdu | Chinesisch (Vereinfacht) | Chinesisch (Traditionell, Macau) | Chinesisch (Traditionell, Hongkong) | Chinesisch (Traditionell, Taiwan) | Japanisch | Koreanisch | Hindi | Bengalisch | Marathi | Nepali | Punjabi (Gurmukhi) | Portugiesisch (Portugal) | Portugiesisch (Brasilien) | Italienisch | Polnisch | Türkisch | Griechisch | Thailändisch | Schwedisch | Dänisch | Norwegisch | Finnisch | Niederländisch | Hebräisch | Vietnamesisch | Indonesisch | Malaiisch | Tagalog (Filipino) | Swahili | Ungarisch | Tschechisch | Slowakisch | Rumänisch | Bulgarisch | Serbisch (Kyrillisch) | Kroatisch | Slowenisch | Ukrainisch | Birmanisch (Myanmar)
Falls Sie zusätzliche Übersetzungen wünschen, finden Sie die unterstützten Sprachen hier
Treten Sie unserer Community bei
Wir haben eine laufende Discord-Serie zum Lernen mit KI. Erfahren Sie mehr und treten Sie uns bei Learn with AI Series vom 18. bis 30. September 2025 bei. Sie erhalten Tipps und Tricks zur Nutzung von GitHub Copilot für Datenwissenschaft.
Sind Sie ein Student?
Beginnen Sie mit den folgenden Ressourcen:
- Student Hub Seite Auf dieser Seite finden Sie Ressourcen für Anfänger, Student Packs und sogar Möglichkeiten, einen kostenlosen Zertifikatsgutschein zu erhalten. Diese Seite sollten Sie sich unbedingt merken und regelmäßig besuchen, da wir den Inhalt mindestens monatlich aktualisieren.
- Microsoft Learn Student Ambassadors Treten Sie einer globalen Gemeinschaft von Studentenbotschaftern bei – dies könnte Ihr Einstieg bei Microsoft sein.
Erste Schritte
Komplette Anfänger: Neu in der Datenwissenschaft? Beginnen Sie mit unseren anfängerfreundlichen Beispielen! Diese einfachen, gut kommentierten Beispiele helfen Ihnen, die Grundlagen zu verstehen, bevor Sie in den vollständigen Lehrplan eintauchen.
Lehrer: Wir haben einige Vorschläge hinzugefügt, wie Sie diesen Lehrplan nutzen können. Wir freuen uns über Ihr Feedback in unserem Diskussionsforum!
Studenten: Um diesen Lehrplan eigenständig zu nutzen, forken Sie das gesamte Repository und bearbeiten Sie die Übungen selbstständig, beginnend mit einem Quiz vor der Vorlesung. Lesen Sie dann die Vorlesung und führen Sie die restlichen Aktivitäten durch. Versuchen Sie, die Projekte zu erstellen, indem Sie die Lektionen verstehen, anstatt den Lösungscode zu kopieren; dieser Code ist jedoch in den /solutions-Ordnern jeder projektorientierten Lektion verfügbar. Eine weitere Idee wäre, eine Lerngruppe mit Freunden zu bilden und den Inhalt gemeinsam durchzugehen. Für weiterführendes Lernen empfehlen wir Microsoft Learn.
Lernen Sie das Team kennen
Gif von Mohit Jaisal
🎥 Klicken Sie auf das Bild oben, um ein Video über das Projekt und die Personen, die es erstellt haben, anzusehen!
Pädagogik
Wir haben zwei pädagogische Grundsätze gewählt, während wir diesen Lehrplan erstellt haben: sicherzustellen, dass er projektbasiert ist und dass er häufige Quizfragen enthält. Am Ende dieser Serie werden die Studenten grundlegende Prinzipien der Datenwissenschaft gelernt haben, einschließlich ethischer Konzepte, Datenvorbereitung, verschiedener Arbeitsweisen mit Daten, Datenvisualisierung, Datenanalyse, realer Anwendungsfälle der Datenwissenschaft und mehr.
Darüber hinaus setzt ein niedrigschwelliges Quiz vor einer Klasse die Absicht des Studenten, ein Thema zu lernen, während ein zweites Quiz nach der Klasse die weitere Beibehaltung sicherstellt. Dieser Lehrplan wurde so gestaltet, dass er flexibel und unterhaltsam ist und ganz oder teilweise absolviert werden kann. Die Projekte beginnen klein und werden bis zum Ende des 10-Wochen-Zyklus zunehmend komplexer.
Finden Sie unseren Verhaltenskodex, Beitragsrichtlinien, Übersetzungsrichtlinien. Wir freuen uns über Ihr konstruktives Feedback!
Jede Lektion enthält:
- Optionales Sketchnote
- Optionales ergänzendes Video
- Quiz zur Vorbereitung auf die Lektion
- Schriftliche Lektion
- Für projektbasierte Lektionen Schritt-für-Schritt-Anleitungen zum Erstellen des Projekts
- Wissensüberprüfungen
- Eine Herausforderung
- Ergänzende Lektüre
- Aufgabe
- Quiz nach der Lektion
Eine Anmerkung zu den Quiz: Alle Quiz befinden sich im Ordner Quiz-App, insgesamt 40 Quiz mit jeweils drei Fragen. Sie sind in den Lektionen verlinkt, aber die Quiz-App kann lokal ausgeführt oder auf Azure bereitgestellt werden; folgen Sie den Anweisungen im Ordner
quiz-app. Sie werden nach und nach lokalisiert.
🎓 Anfängerfreundliche Beispiele
Neu in der Datenwissenschaft? Wir haben ein spezielles Beispielverzeichnis erstellt, das einfachen, gut kommentierten Code enthält, um Ihnen den Einstieg zu erleichtern:
- 🌟 Hello World - Ihr erstes Datenwissenschaftsprogramm
- 📂 Daten laden - Lernen Sie, Datensätze zu lesen und zu erkunden
- 📊 Einfache Analyse - Berechnen Sie Statistiken und finden Sie Muster
- 📈 Grundlegende Visualisierung - Erstellen Sie Diagramme und Grafiken
- 🔬 Projekt aus der Praxis - Vollständiger Workflow von Anfang bis Ende
Jedes Beispiel enthält ausführliche Kommentare, die jeden Schritt erklären – perfekt für absolute Anfänger!
👉 Starten Sie mit den Beispielen 👈
Lektionen
 |
|---|
| Datenwissenschaft für Anfänger: Roadmap - Sketchnote von @nitya |
| Lektion Nummer | Thema | Lektionengruppe | Lernziele | Verlinkte Lektion | Autor |
|---|---|---|---|---|---|
| 01 | Datenwissenschaft definieren | Einführung | Lernen Sie die grundlegenden Konzepte der Datenwissenschaft und wie sie mit künstlicher Intelligenz, maschinellem Lernen und Big Data zusammenhängt. | Lektion Video | Dmitry |
| 02 | Ethik in der Datenwissenschaft | Einführung | Konzepte, Herausforderungen und Rahmenbedingungen der Datenethik. | Lektion | Nitya |
| 03 | Daten definieren | Einführung | Wie Daten klassifiziert werden und ihre häufigsten Quellen. | Lektion | Jasmine |
| 04 | Einführung in Statistik und Wahrscheinlichkeit | Einführung | Die mathematischen Techniken der Wahrscheinlichkeit und Statistik, um Daten zu verstehen. | Lektion Video | Dmitry |
| 05 | Arbeiten mit relationalen Daten | Arbeiten mit Daten | Einführung in relationale Daten und die Grundlagen der Erkundung und Analyse relationaler Daten mit der Structured Query Language, auch bekannt als SQL (ausgesprochen „see-quell“). | Lektion | Christopher |
| 06 | Arbeiten mit NoSQL-Daten | Arbeiten mit Daten | Einführung in nicht-relationale Daten, ihre verschiedenen Typen und die Grundlagen der Erkundung und Analyse von Dokumentdatenbanken. | Lektion | Jasmine |
| 07 | Arbeiten mit Python | Arbeiten mit Daten | Grundlagen der Nutzung von Python zur Datenexploration mit Bibliotheken wie Pandas. Grundlegendes Verständnis der Python-Programmierung wird empfohlen. | Lektion Video | Dmitry |
| 08 | Datenvorbereitung | Arbeiten mit Daten | Themen zu Datentechniken für die Bereinigung und Transformation von Daten, um Herausforderungen wie fehlende, ungenaue oder unvollständige Daten zu bewältigen. | Lektion | Jasmine |
| 09 | Mengen visualisieren | Datenvisualisierung | Lernen Sie, wie Sie Matplotlib verwenden, um Vogeldaten 🦆 zu visualisieren. | Lektion | Jen |
| 10 | Verteilungen von Daten visualisieren | Datenvisualisierung | Beobachtungen und Trends innerhalb eines Intervalls visualisieren. | Lektion | Jen |
| 11 | Proportionen visualisieren | Datenvisualisierung | Diskrete und gruppierte Prozentsätze visualisieren. | Lektion | Jen |
| 12 | Beziehungen visualisieren | Datenvisualisierung | Verbindungen und Korrelationen zwischen Datensätzen und ihren Variablen visualisieren. | Lektion | Jen |
| 13 | Sinnvolle Visualisierungen | Datenvisualisierung | Techniken und Leitlinien, um Ihre Visualisierungen wertvoll für effektive Problemlösungen und Erkenntnisse zu machen. | Lektion | Jen |
| 14 | Einführung in den Lebenszyklus der Datenwissenschaft | Lebenszyklus | Einführung in den Lebenszyklus der Datenwissenschaft und seinen ersten Schritt: Daten erfassen und extrahieren. | Lektion | Jasmine |
| 15 | Analysieren | Lebenszyklus | Diese Phase des Lebenszyklus der Datenwissenschaft konzentriert sich auf Techniken zur Datenanalyse. | Lektion | Jasmine |
| 16 | Kommunikation | Lebenszyklus | Diese Phase des Lebenszyklus der Datenwissenschaft konzentriert sich darauf, die Erkenntnisse aus den Daten so zu präsentieren, dass sie für Entscheidungsträger leichter verständlich sind. | Lektion | Jalen |
| 17 | Datenwissenschaft in der Cloud | Cloud-Daten | Diese Serie von Lektionen führt in die Datenwissenschaft in der Cloud und ihre Vorteile ein. | Lektion | Tiffany und Maud |
| 18 | Datenwissenschaft in der Cloud | Cloud-Daten | Modelle mit Low-Code-Tools trainieren. | Lektion | Tiffany und Maud |
| 19 | Datenwissenschaft in der Cloud | Cloud-Daten | Modelle mit Azure Machine Learning Studio bereitstellen. | Lektion | Tiffany und Maud |
| 20 | Datenwissenschaft in der Praxis | In der Praxis | Datenwissenschaftsprojekte in der realen Welt. | Lektion | Nitya |
GitHub Codespaces
Folgen Sie diesen Schritten, um dieses Beispiel in einem Codespace zu öffnen:
- Klicken Sie auf das Code-Dropdown-Menü und wählen Sie die Option „Mit Codespaces öffnen“.
- Wählen Sie + Neuer Codespace unten im Fenster. Weitere Informationen finden Sie in der GitHub-Dokumentation.
VSCode Remote - Containers
Folgen Sie diesen Schritten, um dieses Repository in einem Container mit Ihrer lokalen Maschine und VSCode mithilfe der VS Code Remote - Containers-Erweiterung zu öffnen:
- Wenn Sie zum ersten Mal einen Entwicklungscontainer verwenden, stellen Sie bitte sicher, dass Ihr System die Voraussetzungen erfüllt (z. B. Docker installiert ist), wie in der Einführungsdokumentation beschrieben.
Um dieses Repository zu verwenden, können Sie entweder das Repository in einem isolierten Docker-Volume öffnen:
Hinweis: Im Hintergrund wird der Befehl Remote-Containers: Clone Repository in Container Volume... verwendet, um den Quellcode in einem Docker-Volume anstelle des lokalen Dateisystems zu klonen. Volumes sind das bevorzugte Verfahren zur Persistenz von Containerdaten.
Oder öffnen Sie eine lokal geklonte oder heruntergeladene Version des Repositorys:
- Klonen Sie dieses Repository auf Ihr lokales Dateisystem.
- Drücken Sie F1 und wählen Sie den Befehl Remote-Containers: Open Folder in Container....
- Wählen Sie die geklonte Kopie dieses Ordners aus, warten Sie, bis der Container gestartet ist, und probieren Sie die Funktionen aus.
Offline-Zugriff
Sie können diese Dokumentation offline mit Docsify ausführen. Forken Sie dieses Repository, installieren Sie Docsify auf Ihrem lokalen Rechner, und geben Sie dann im Stammordner dieses Repositorys docsify serve ein. Die Website wird auf Port 3000 auf Ihrem localhost bereitgestellt: localhost:3000.
Hinweis: Notebooks werden nicht über Docsify gerendert, daher führen Sie ein Notebook bei Bedarf separat in VS Code mit einem Python-Kernel aus.
Weitere Lehrpläne
Unser Team erstellt weitere Lehrpläne! Schauen Sie sich an:
- Edge AI für Anfänger
- AI Agents für Anfänger
- Generative AI für Anfänger
- Generative AI für Anfänger .NET
- Generative AI mit JavaScript
- Generative AI mit Java
- AI für Anfänger
- Datenwissenschaft für Anfänger
- Bash für Anfänger
- ML für Anfänger
- Cybersicherheit für Anfänger
- Webentwicklung für Anfänger
- IoT für Anfänger
- Maschinelles Lernen für Anfänger
- XR-Entwicklung für Anfänger
- GitHub Copilot meistern für KI-gestütztes Pair-Programming
- XR-Entwicklung für Anfänger
- GitHub Copilot meistern für C#/.NET-Entwickler
- Wählen Sie Ihr eigenes Copilot-Abenteuer
Hilfe erhalten
Wenn Sie nicht weiterkommen oder Fragen zum Erstellen von KI-Anwendungen haben, treten Sie bei:
Wenn Sie Produktfeedback oder Fehler beim Erstellen haben, besuchen Sie:
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.