Data-Science-For-Beginners/translations/th

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

ทีมผู้สนับสนุน Azure Cloud Advocates ที่ Microsoft ยินดีนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำที่เขียนไว้เพื่อทำบทเรียนให้สำเร็จ โซลูชัน และงานมอบหมาย วิธีการเรียนรู้แบบเน้นโครงการช่วยให้คุณเรียนรู้ผ่านการลงมือทำ ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าทำให้ทักษะใหม่ๆ ติดตัวได้ดี

ขอขอบคุณผู้เขียนของเรา: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 ขอขอบคุณพิเศษ 🙏 สำหรับ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจสอบ และผู้มีส่วนร่วมในเนื้อหา, โดยเฉพาะ 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

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - ภาพสเก็ตช์โดย @nitya

🌐 การสนับสนุนหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ)

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

หากคุณต้องการให้มีการสนับสนุนภาษาเพิ่มเติม รายการภาษาที่รองรับอยู่ ที่นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์การเรียนรู้กับ AI ใน Discord ที่กำลังดำเนินอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคในการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยทรัพยากรต่อไปนี้:

• หน้าศูนย์นักเรียน ในหน้านี้ คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดเครื่องมือสำหรับนักเรียน และแม้กระทั่งวิธีการรับบัตรกำนัลการรับรองฟรี นี่คือหน้าที่คุณควรบุ๊กมาร์กและตรวจสอบเป็นระยะๆ เนื่องจากเรามีการเปลี่ยนแปลงเนื้อหาอย่างน้อยเดือนละครั้ง
• Microsoft Learn Student Ambassadors เข้าร่วมชุมชนระดับโลกของนักเรียนทูต นี่อาจเป็นทางเข้าสู่ Microsoft ของคุณ

เริ่มต้นใช้งาน

📚 เอกสาร

• คู่มือการติดตั้ง - คำแนะนำการตั้งค่าแบบทีละขั้นตอนสำหรับผู้เริ่มต้น
• คู่มือการใช้งาน - ตัวอย่างและกระบวนการทำงานทั่วไป
• การแก้ไขปัญหา - วิธีแก้ไขปัญหาที่พบบ่อย
• คู่มือการมีส่วนร่วม - วิธีการมีส่วนร่วมในโครงการนี้
• สำหรับครู - คำแนะนำการสอนและทรัพยากรสำหรับห้องเรียน

👨‍🎓 สำหรับนักเรียน

ผู้เริ่มต้นอย่างสมบูรณ์: ใหม่กับวิทยาศาสตร์ข้อมูล? เริ่มต้นด้วย ตัวอย่างที่เหมาะสำหรับผู้เริ่มต้น! ตัวอย่างที่เรียบง่ายและมีคำอธิบายชัดเจนเหล่านี้จะช่วยให้คุณเข้าใจพื้นฐานก่อนที่จะเข้าสู่หลักสูตรเต็มรูปแบบ นักเรียน: หากต้องการใช้หลักสูตรนี้ด้วยตัวเอง ให้ Fork โครงการทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง โดยเริ่มต้นด้วยแบบทดสอบก่อนการบรรยาย จากนั้นอ่านการบรรยายและทำกิจกรรมที่เหลือ พยายามสร้างโครงการโดยการทำความเข้าใจบทเรียนแทนที่จะคัดลอกรหัสโซลูชัน อย่างไรก็ตาม รหัสนั้นมีอยู่ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโครงการ อีกแนวคิดหนึ่งคือการสร้างกลุ่มศึกษาและเรียนรู้เนื้อหาด้วยกัน สำหรับการศึกษาต่อ เราแนะนำ Microsoft Learn

เริ่มต้นอย่างรวดเร็ว:

1. ตรวจสอบ คู่มือการติดตั้ง เพื่อเตรียมสภาพแวดล้อมของคุณ
2. ทบทวน คู่มือการใช้งาน เพื่อเรียนรู้วิธีการทำงานกับหลักสูตร
3. เริ่มต้นด้วยบทเรียนที่ 1 และทำตามลำดับ
4. เข้าร่วมชุมชน Discord ของเรา เพื่อรับการสนับสนุน

👩‍🏫 สำหรับครู

ครู: เราได้ รวมคำแนะนำบางส่วน เกี่ยวกับวิธีการใช้หลักสูตรนี้ เราอยากได้ความคิดเห็นของคุณ ในฟอรัมการอภิปรายของเรา!

พบกับทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและผู้ที่สร้างมันขึ้นมา!

วิธีการเรียนรู้

เราได้เลือกหลักการการสอนสองข้อในการสร้างหลักสูตรนี้: การทำให้เป็นโครงการเป็นหลักและการมีแบบทดสอบบ่อยครั้ง เมื่อจบหลักสูตรนี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการทำงานกับข้อมูล การสร้างภาพข้อมูล การวิเคราะห์ข้อมูล กรณีศึกษาในโลกจริงของวิทยาศาสตร์ข้อมูล และอื่นๆ อีกมากมาย

นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนเริ่มเรียนจะช่วยให้นักเรียนตั้งเป้าหมายในการเรียนรู้หัวข้อหนึ่งๆ ในขณะที่แบบทดสอบหลังเรียนจะช่วยเสริมความจำ หลักสูตรนี้ถูกออกแบบให้มีความยืดหยุ่นและสนุกสนาน สามารถเรียนได้ทั้งแบบเต็มหลักสูตรหรือบางส่วน โครงการจะเริ่มต้นจากง่ายและซับซ้อนขึ้นเรื่อยๆ ในช่วง 10 สัปดาห์

ดู Code of Conduct, Contributing, Translation guidelines เรายินดีรับฟังความคิดเห็นที่สร้างสรรค์ของคุณ!

แต่ละบทเรียนประกอบด้วย:

• สเก็ตโน้ต (ตัวเลือกเสริม)
• วิดีโอเสริม (ตัวเลือกเสริม)
• แบบทดสอบอุ่นเครื่องก่อนบทเรียน
• บทเรียนที่เขียนขึ้น
• สำหรับบทเรียนที่เน้นโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ
• การตรวจสอบความรู้
• ความท้าทาย
• การอ่านเสริม
• งานที่มอบหมาย
• แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App มีทั้งหมด 40 แบบทดสอบ แต่ละแบบมี 3 คำถาม แบบทดสอบเหล่านี้ถูกลิงก์จากในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้บน Azure โดยทำตามคำแนะนำในโฟลเดอร์ quiz-app แบบทดสอบกำลังถูกแปลเป็นภาษาต่างๆ อย่างต่อเนื่อง

🎓 ตัวอย่างสำหรับผู้เริ่มต้น

ใหม่กับวิทยาศาสตร์ข้อมูล? เราได้สร้าง ไดเรกทอรีตัวอย่าง ที่มีโค้ดง่ายๆ พร้อมคำอธิบายเพื่อช่วยให้คุณเริ่มต้น:

• 🌟 Hello World - โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ
• 📂 Loading Data - เรียนรู้การอ่านและสำรวจชุดข้อมูล
• 📊 Simple Analysis - คำนวณสถิติและค้นหารูปแบบ
• 📈 Basic Visualization - สร้างแผนภูมิและกราฟ
• 🔬 Real-World Project - กระบวนการทำงานตั้งแต่ต้นจนจบ

แต่ละตัวอย่างมีคำอธิบายรายละเอียดในทุกขั้นตอน เหมาะสำหรับผู้เริ่มต้นอย่างแท้จริง!

👉 เริ่มต้นด้วยตัวอย่าง 👈

บทเรียน

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่นำทาง - สเก็ตโน้ตโดย @nitya

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	ลิงก์บทเรียน	ผู้เขียน
01	การนิยามวิทยาศาสตร์ข้อมูล	บทนำ	เรียนรู้แนวคิดพื้นฐานของวิทยาศาสตร์ข้อมูลและความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และข้อมูลขนาดใหญ่	บทเรียน วิดีโอ	Dmitry
02	จริยธรรมในวิทยาศาสตร์ข้อมูล	บทนำ	แนวคิดด้านจริยธรรมในข้อมูล ความท้าทาย และกรอบการทำงาน	บทเรียน	Nitya
03	การนิยามข้อมูล	บทนำ	วิธีการจัดประเภทข้อมูลและแหล่งข้อมูลทั่วไป	บทเรียน	Jasmine
04	บทนำสู่สถิติและความน่าจะเป็น	บทนำ	เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติในการทำความเข้าใจข้อมูล	บทเรียน วิดีโอ	Dmitry
05	การทำงานกับข้อมูลเชิงสัมพันธ์	การทำงานกับข้อมูล	บทนำสู่ข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วย Structured Query Language หรือ SQL	บทเรียน	Christopher
06	การทำงานกับข้อมูล NoSQL	การทำงานกับข้อมูล	บทนำสู่ข้อมูลที่ไม่ใช่เชิงสัมพันธ์ ประเภทต่างๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร	บทเรียน	Jasmine
07	การทำงานกับ Python	การทำงานกับข้อมูล	พื้นฐานการใช้ Python ในการสำรวจข้อมูลด้วยไลบรารี เช่น Pandas แนะนำให้มีความเข้าใจพื้นฐานเกี่ยวกับการเขียนโปรแกรม Python	บทเรียน วิดีโอ	Dmitry
08	การเตรียมข้อมูล	การทำงานกับข้อมูล	หัวข้อเกี่ยวกับเทคนิคการทำความสะอาดและแปลงข้อมูลเพื่อจัดการกับปัญหาข้อมูลที่ขาดหาย ไม่ถูกต้อง หรือไม่สมบูรณ์	บทเรียน	Jasmine
09	การสร้างภาพปริมาณข้อมูล	การสร้างภาพข้อมูล	เรียนรู้การใช้ Matplotlib ในการสร้างภาพข้อมูลนก 🦆	บทเรียน	Jen
10	การสร้างภาพการกระจายของข้อมูล	การสร้างภาพข้อมูล	การสร้างภาพการสังเกตและแนวโน้มภายในช่วง	บทเรียน	Jen
11	การสร้างภาพสัดส่วน	การสร้างภาพข้อมูล	การสร้างภาพเปอร์เซ็นต์แบบแยกและแบบกลุ่ม	บทเรียน	Jen
12	การสร้างภาพความสัมพันธ์	การสร้างภาพข้อมูล	การสร้างภาพการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลและตัวแปร	บทเรียน	Jen
13	การสร้างภาพที่มีความหมาย	การสร้างภาพข้อมูล	เทคนิคและคำแนะนำในการทำให้การสร้างภาพของคุณมีคุณค่าเพื่อการแก้ปัญหาและการให้ข้อมูลเชิงลึกที่มีประสิทธิภาพ	บทเรียน	Jen
14	บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูล	วงจรชีวิต	บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูลและขั้นตอนแรกในการรวบรวมและดึงข้อมูล	บทเรียน	Jasmine
15	การวิเคราะห์	วงจรชีวิต	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นไปที่เทคนิคการวิเคราะห์ข้อมูล	บทเรียน	Jasmine
16	การสื่อสาร	วงจรชีวิต	ขั้นตอนนี้ของวงจรชีวิตวิทยาศาสตร์ข้อมูลมุ่งเน้นไปที่การนำเสนอข้อมูลเชิงลึกจากข้อมูลในรูปแบบที่ทำให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น	บทเรียน	Jalen
17	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลในระบบคลาวด์	ชุดบทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลในระบบคลาวด์และประโยชน์ของมัน	บทเรียน	Tiffany และ Maud
18	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลในระบบคลาวด์	การฝึกอบรมโมเดลด้วยเครื่องมือ Low Code	บทเรียน	Tiffany และ Maud
19	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลในระบบคลาวด์	การปรับใช้โมเดลด้วย Azure Machine Learning Studio	บทเรียน	Tiffany และ Maud
20	วิทยาศาสตร์ข้อมูลในโลกจริง	ในโลกจริง	โครงการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกจริง	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเหล่านี้เพื่อเปิดตัวอย่างนี้ใน Codespace:

1. คลิกเมนูแบบเลื่อนลง Code และเลือกตัวเลือก Open with Codespaces
2. เลือก + New codespace ที่ด้านล่างของแผง สำหรับข้อมูลเพิ่มเติม ดู เอกสาร GitHub.

VSCode Remote - Containers

ทำตามขั้นตอนเหล่านี้เพื่อเปิด repo นี้ใน container โดยใช้เครื่องของคุณและ VSCode ด้วยส่วนขยาย VS Code Remote - Containers:

1. หากนี่เป็นครั้งแรกที่คุณใช้ container สำหรับการพัฒนา โปรดตรวจสอบให้แน่ใจว่าระบบของคุณตรงตามข้อกำหนดเบื้องต้น (เช่น ติดตั้ง Docker) ใน เอกสารการเริ่มต้นใช้งาน.

ในการใช้ repo นี้ คุณสามารถเปิด repo ใน volume Docker ที่แยกออกมา:

หมายเหตุ: เบื้องหลังจะใช้คำสั่ง Remote-Containers: Clone Repository in Container Volume... เพื่อโคลนซอร์สโค้ดใน volume Docker แทนที่จะเป็นระบบไฟล์ในเครื่อง Volumes เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูล container

หรือเปิด repo ที่โคลนหรือดาวน์โหลดไว้ในเครื่อง:

• โคลน repo นี้ไปยังระบบไฟล์ในเครื่องของคุณ
• กด F1 และเลือกคำสั่ง Remote-Containers: Open Folder in Container...
• เลือกสำเนาที่โคลนของโฟลเดอร์นี้ รอให้ container เริ่มต้น และลองใช้งาน

การเข้าถึงแบบออฟไลน์

คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ Docsify. Fork repo นี้, ติดตั้ง Docsify บนเครื่องของคุณ จากนั้นในโฟลเดอร์ root ของ repo นี้ พิมพ์ docsify serve. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บน localhost ของคุณ: localhost:3000.

หมายเหตุ โน้ตบุ๊กจะไม่ถูกแสดงผลผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้ทำสิ่งนั้นแยกต่างหากใน VS Code โดยใช้ kernel Python

หลักสูตรอื่นๆ

ทีมของเราผลิตหลักสูตรอื่นๆ! ลองดู:

• Edge AI for Beginners
• AI Agents for Beginners
• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• Bash for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• การพัฒนาเว็บสำหรับผู้เริ่มต้น
• IoT สำหรับผู้เริ่มต้น
• การเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น
• การพัฒนา XR สำหรับผู้เริ่มต้น
• การใช้งาน GitHub Copilot สำหรับการเขียนโปรแกรม AI แบบคู่
• การพัฒนา XR สำหรับผู้เริ่มต้น
• การใช้งาน GitHub Copilot สำหรับนักพัฒนา C#/.NET
• เลือกการผจญภัย Copilot ของคุณเอง

การขอความช่วยเหลือ

พบปัญหา? ตรวจสอบ คู่มือการแก้ไขปัญหา เพื่อหาวิธีแก้ไขปัญหาที่พบบ่อย

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วม:

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้าง โปรดเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่มีความเชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้