leestott
ebddf4bd4b
|
4 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 4 months ago | |
| 2-Working-With-Data | 4 months ago | |
| 3-Data-Visualization | 5 months ago | |
| 4-Data-Science-Lifecycle | 5 months ago | |
| 5-Data-Science-In-Cloud | 5 months ago | |
| 6-Data-Science-In-Wild | 5 months ago | |
| docs | 5 months ago | |
| examples | 4 months ago | |
| quiz-app | 5 months ago | |
| sketchnotes | 5 months ago | |
| AGENTS.md | 4 months ago | |
| CODE_OF_CONDUCT.md | 5 months ago | |
| CONTRIBUTING.md | 4 months ago | |
| INSTALLATION.md | 4 months ago | |
| README.md | 4 months ago | |
| SECURITY.md | 5 months ago | |
| SUPPORT.md | 5 months ago | |
| TROUBLESHOOTING.md | 4 months ago | |
| USAGE.md | 4 months ago | |
| for-teachers.md | 5 months ago | |
README.md
Data Science untuk Pemula - Kurikulum
Azure Cloud Advocates di Microsoft dengan senang hati menawarkan kurikulum 10 minggu, 20 pelajaran tentang Data Science. Setiap pelajaran mencakup kuis sebelum dan sesudah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, dan tugas. Pendekatan berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti efektif untuk membuat keterampilan baru lebih melekat.
Terima kasih banyak kepada para penulis kami: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Terima kasih khusus 🙏 kepada Microsoft Student Ambassador penulis, peninjau, dan kontributor konten kami, terutama 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 untuk Pemula - Sketchnote oleh @nitya |
🌐 Dukungan Multi-Bahasa
Didukung melalui GitHub Action (Otomatis & Selalu Terbaru)
Arab | Bengali | Bulgaria | Burma (Myanmar) | Cina (Sederhana) | Cina (Tradisional, Hong Kong) | Cina (Tradisional, Makau) | Cina (Tradisional, Taiwan) | Kroasia | Ceko | Denmark | Belanda | Estonia | Finlandia | Prancis | Jerman | Yunani | Ibrani | Hindi | Hungaria | Indonesia | Italia | Jepang | Korea | Lituania | Melayu | Marathi | Nepali | Norwegia | Persia (Farsi) | Polandia | Portugis (Brasil) | Portugis (Portugal) | Punjabi (Gurmukhi) | Rumania | Rusia | Serbia (Kiril) | Slovakia | Slovenia | Spanyol | Swahili | Swedia | Tagalog (Filipina) | Tamil | Thailand | Turki | Ukraina | Urdu | Vietnam
Jika Anda ingin mendukung bahasa tambahan, daftar bahasa yang didukung tersedia di sini
Bergabunglah dengan Komunitas Kami
Kami memiliki seri belajar dengan AI yang sedang berlangsung di Discord, pelajari lebih lanjut dan bergabunglah dengan kami di Learn with AI Series dari 18 - 30 September, 2025. Anda akan mendapatkan tips dan trik menggunakan GitHub Copilot untuk Data Science.
Apakah Anda seorang pelajar?
Mulailah dengan sumber daya berikut:
- Halaman Student Hub Di halaman ini, Anda akan menemukan sumber daya untuk pemula, paket pelajar, dan bahkan cara mendapatkan voucher sertifikasi gratis. Ini adalah halaman yang ingin Anda tandai dan periksa dari waktu ke waktu karena kami mengganti konten setidaknya setiap bulan.
- Microsoft Learn Student Ambassadors Bergabunglah dengan komunitas global duta pelajar, ini bisa menjadi jalan Anda ke Microsoft.
Memulai
📚 Dokumentasi
- Panduan Instalasi - Instruksi langkah demi langkah untuk pemula
- Panduan Penggunaan - Contoh dan alur kerja umum
- Pemecahan Masalah - Solusi untuk masalah umum
- Panduan Kontribusi - Cara berkontribusi pada proyek ini
- Untuk Guru - Panduan pengajaran dan sumber daya kelas
👨🎓 Untuk Pelajar
Pemula Lengkap: Baru mengenal data science? Mulailah dengan contoh ramah pemula! Contoh sederhana dan penuh komentar ini akan membantu Anda memahami dasar-dasarnya sebelum mendalami kurikulum penuh. Pelajar: untuk menggunakan kurikulum ini secara mandiri, fork seluruh repo dan selesaikan latihan secara mandiri, dimulai dengan kuis pra-pelajaran. Kemudian baca pelajaran dan selesaikan aktivitas lainnya. Cobalah untuk membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; namun, kode tersebut tersedia di folder /solutions di setiap pelajaran berbasis proyek. Ide lainnya adalah membentuk kelompok belajar dengan teman-teman dan melalui konten bersama-sama. Untuk studi lebih lanjut, kami merekomendasikan Microsoft Learn.
Langkah Cepat:
- Periksa Panduan Instalasi untuk menyiapkan lingkungan Anda
- Tinjau Panduan Penggunaan untuk mempelajari cara bekerja dengan kurikulum
- Mulailah dengan Pelajaran 1 dan lanjutkan secara berurutan
- Bergabunglah dengan komunitas Discord kami untuk mendapatkan dukungan
👩🏫 Untuk Guru
Guru: kami telah menyertakan beberapa saran tentang cara menggunakan kurikulum ini. Kami ingin mendengar umpan balik Anda di forum diskusi kami!
Kenali Tim
Gif oleh Mohit Jaisal
🎥 Klik gambar di atas untuk video tentang proyek dan orang-orang yang membuatnya!
Pedagogi
Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa kurikulum berbasis proyek dan mencakup kuis yang sering. Pada akhir seri ini, siswa akan mempelajari prinsip dasar ilmu data, termasuk konsep etika, persiapan data, berbagai cara bekerja dengan data, visualisasi data, analisis data, kasus penggunaan ilmu data di dunia nyata, dan lainnya.
Selain itu, kuis dengan risiko rendah sebelum kelas membantu siswa memfokuskan niat mereka untuk mempelajari topik tertentu, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan, serta dapat diikuti secara keseluruhan atau sebagian. Proyek dimulai dari yang kecil dan menjadi semakin kompleks pada akhir siklus 10 minggu.
Temukan Kode Etik, Kontribusi, Panduan Terjemahan. Kami menyambut umpan balik konstruktif Anda!
Setiap pelajaran mencakup:
- Sketchnote opsional
- Video tambahan opsional
- Kuis pemanasan sebelum pelajaran
- Pelajaran tertulis
- Untuk pelajaran berbasis proyek, panduan langkah demi langkah tentang cara membangun proyek
- Pemeriksaan pengetahuan
- Tantangan
- Bacaan tambahan
- Tugas
- Kuis setelah pelajaran
Catatan tentang kuis: Semua kuis terdapat dalam folder Quiz-App, dengan total 40 kuis masing-masing terdiri dari tiga pertanyaan. Kuis ini terhubung dari dalam pelajaran, tetapi aplikasi kuis dapat dijalankan secara lokal atau di-deploy ke Azure; ikuti instruksi dalam folder
quiz-app. Kuis ini secara bertahap sedang dilokalkan.
🎓 Contoh Ramah Pemula
Baru mengenal Ilmu Data? Kami telah membuat direktori contoh khusus dengan kode sederhana yang diberi komentar dengan baik untuk membantu Anda memulai:
- 🌟 Hello World - Program ilmu data pertama Anda
- 📂 Memuat Data - Pelajari cara membaca dan menjelajahi dataset
- 📊 Analisis Sederhana - Hitung statistik dan temukan pola
- 📈 Visualisasi Dasar - Buat diagram dan grafik
- 🔬 Proyek Dunia Nyata - Alur kerja lengkap dari awal hingga akhir
Setiap contoh mencakup komentar rinci yang menjelaskan setiap langkah, sehingga sangat cocok untuk pemula!
Pelajaran
 |
|---|
| Ilmu Data untuk Pemula: Peta Jalan - Sketchnote oleh @nitya |
| Nomor Pelajaran | Topik | Kelompok Pelajaran | Tujuan Pembelajaran | Pelajaran Terkait | Penulis |
|---|---|---|---|---|---|
| 01 | Mendefinisikan Ilmu Data | Pendahuluan | Pelajari konsep dasar ilmu data dan bagaimana kaitannya dengan kecerdasan buatan, pembelajaran mesin, dan big data. | pelajaran video | Dmitry |
| 02 | Etika Ilmu Data | Pendahuluan | Konsep Etika Data, Tantangan & Kerangka Kerja. | pelajaran | Nitya |
| 03 | Mendefinisikan Data | Pendahuluan | Bagaimana data diklasifikasikan dan sumber-sumber umumnya. | pelajaran | Jasmine |
| 04 | Pengantar Statistik & Probabilitas | Pendahuluan | Teknik matematika probabilitas dan statistik untuk memahami data. | pelajaran video | Dmitry |
| 05 | Bekerja dengan Data Relasional | Bekerja Dengan Data | Pengantar data relasional dan dasar-dasar eksplorasi serta analisis data relasional dengan Structured Query Language, yang juga dikenal sebagai SQL (diucapkan “see-quell”). | pelajaran | Christopher |
| 06 | Bekerja dengan Data NoSQL | Bekerja Dengan Data | Pengantar data non-relasional, berbagai jenisnya, dan dasar-dasar eksplorasi serta analisis database dokumen. | pelajaran | Jasmine |
| 07 | Bekerja dengan Python | Bekerja Dengan Data | Dasar-dasar menggunakan Python untuk eksplorasi data dengan pustaka seperti Pandas. Pemahaman dasar tentang pemrograman Python direkomendasikan. | pelajaran video | Dmitry |
| 08 | Persiapan Data | Bekerja Dengan Data | Topik tentang teknik data untuk membersihkan dan mentransformasi data guna menangani tantangan data yang hilang, tidak akurat, atau tidak lengkap. | pelajaran | Jasmine |
| 09 | Memvisualisasikan Kuantitas | Visualisasi Data | Pelajari cara menggunakan Matplotlib untuk memvisualisasikan data burung 🦆 | pelajaran | Jen |
| 10 | Memvisualisasikan Distribusi Data | Visualisasi Data | Memvisualisasikan pengamatan dan tren dalam interval. | pelajaran | Jen |
| 11 | Memvisualisasikan Proporsi | Visualisasi Data | Memvisualisasikan persentase diskret dan terkelompok. | pelajaran | Jen |
| 12 | Memvisualisasikan Hubungan | Visualisasi Data | Memvisualisasikan koneksi dan korelasi antara kumpulan data dan variabelnya. | pelajaran | Jen |
| 13 | Visualisasi yang Bermakna | Visualisasi Data | Teknik dan panduan untuk membuat visualisasi Anda berharga untuk pemecahan masalah dan wawasan yang efektif. | pelajaran | Jen |
| 14 | Pengantar Siklus Hidup Ilmu Data | Siklus Hidup | Pengantar siklus hidup ilmu data dan langkah pertama dalam memperoleh serta mengekstraksi data. | pelajaran | Jasmine |
| 15 | Menganalisis | Siklus Hidup | Fase ini dalam siklus hidup ilmu data berfokus pada teknik untuk menganalisis data. | pelajaran | Jasmine |
| 16 | Komunikasi | Siklus Hidup | Fase ini dalam siklus hidup ilmu data berfokus pada menyajikan wawasan dari data dengan cara yang memudahkan pengambil keputusan untuk memahami. | pelajaran | Jalen |
| 17 | Ilmu Data di Cloud | Data Cloud | Seri pelajaran ini memperkenalkan ilmu data di cloud dan manfaatnya. | pelajaran | Tiffany dan Maud |
| 18 | Ilmu Data di Cloud | Data Cloud | Melatih model menggunakan alat Low Code. | pelajaran | Tiffany dan Maud |
| 19 | Ilmu Data di Cloud | Data Cloud | Mendeploy model dengan Azure Machine Learning Studio. | pelajaran | Tiffany dan Maud |
| 20 | Ilmu Data di Dunia Nyata | Di Dunia Nyata | Proyek berbasis ilmu data di dunia nyata. | pelajaran | Nitya |
GitHub Codespaces
Ikuti langkah-langkah ini untuk membuka contoh ini di Codespace:
- Klik menu drop-down Code dan pilih opsi Open with Codespaces.
- Pilih + New codespace di bagian bawah panel. Untuk informasi lebih lanjut, lihat dokumentasi GitHub.
VSCode Remote - Containers
Ikuti langkah-langkah ini untuk membuka repo ini dalam container menggunakan mesin lokal Anda dan VSCode dengan ekstensi VS Code Remote - Containers:
- Jika ini adalah pertama kalinya Anda menggunakan container pengembangan, pastikan sistem Anda memenuhi persyaratan awal (misalnya, memiliki Docker terinstal) dalam dokumentasi memulai.
Untuk menggunakan repositori ini, Anda dapat membukanya dalam volume Docker yang terisolasi:
Catatan: Di balik layar, ini akan menggunakan perintah Remote-Containers: Clone Repository in Container Volume... untuk mengkloning kode sumber dalam volume Docker daripada sistem file lokal. Volume adalah mekanisme yang disukai untuk menyimpan data container.
Atau buka versi repositori yang telah dikloning atau diunduh secara lokal:
- Klon repositori ini ke sistem file lokal Anda.
- Tekan F1 dan pilih perintah Remote-Containers: Open Folder in Container....
- Pilih salinan folder yang telah dikloning, tunggu hingga container dimulai, dan coba berbagai hal.
Akses Offline
Anda dapat menjalankan dokumentasi ini secara offline dengan menggunakan Docsify. Fork repo ini, instal Docsify di mesin lokal Anda, lalu di folder root repo ini, ketik docsify serve. Situs web akan disajikan di port 3000 di localhost Anda: localhost:3000.
Catatan, notebook tidak akan dirender melalui Docsify, jadi ketika Anda perlu menjalankan notebook, lakukan itu secara terpisah di VS Code dengan kernel Python.
Kurikulum Lain
Tim kami menghasilkan kurikulum lainnya! Lihat:
- Edge AI untuk Pemula
- AI Agents untuk Pemula
- Generative AI untuk Pemula
- Generative AI untuk Pemula .NET
- Generative AI dengan JavaScript
- Generative AI dengan Java
- AI untuk Pemula
- Ilmu Data untuk Pemula
- Bash untuk Pemula
- ML untuk Pemula
- Keamanan Siber untuk Pemula
- Pengembangan Web untuk Pemula
- IoT untuk Pemula
- Machine Learning untuk Pemula
- Pengembangan XR untuk Pemula
- Menguasai GitHub Copilot untuk Pemrograman Berpasangan AI
- Pengembangan XR untuk Pemula
- Menguasai GitHub Copilot untuk Pengembang C#/.NET
- Pilih Petualangan Copilot Anda Sendiri
Mendapatkan Bantuan
Mengalami masalah? Periksa Panduan Pemecahan Masalah kami untuk solusi dari masalah umum.
Jika Anda mengalami kesulitan atau memiliki pertanyaan tentang membangun aplikasi AI, bergabunglah dengan:
Jika Anda memiliki masukan produk atau menemukan kesalahan saat membangun, kunjungi:
Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI Co-op Translator. Meskipun kami berupaya untuk memberikan hasil yang akurat, harap diperhatikan bahwa terjemahan otomatis dapat mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan manusia profesional. Kami tidak bertanggung jawab atas kesalahpahaman atau interpretasi yang keliru yang timbul dari penggunaan terjemahan ini.