Data-Science-For-Beginners/translations/tl

Data Science para sa mga Baguhan - Isang Kurikulum

Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng isang 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 sa pagsasagawa ng leksyon, solusyon, at takdang-aralin. Ang aming proyekto-based na paraan ng pagtuturo ay nagbibigay-daan sa iyo na matuto habang gumagawa, isang napatunayang paraan para mas 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, kabilang 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 Multi-Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatik 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 18 - 30 Setyembre, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.

Ikaw ba ay isang mag-aaral?

Simulan gamit ang mga sumusunod na resources:

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

Pagsisimula

📚 Dokumentasyon

• Installation Guide - Hakbang-hakbang na gabay sa pag-setup para sa mga baguhan
• Usage Guide - Mga halimbawa at karaniwang workflows
• 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 Mag-aaral

Mga Baguhan: Bago sa data science? Simulan sa aming mga halimbawa para sa baguhan! Ang mga simpleng halimbawa na may mga komento ay makakatulong sa iyo na maunawaan ang mga pangunahing kaalaman bago sumabak sa buong kurikulum. Mga Mag-aaral: upang gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at kumpletuhin ang mga exercises nang mag-isa, simula sa pre-lecture quiz. Pagkatapos, basahin ang leksyon at kumpletuhin ang natitirang mga aktibidad. Subukang gawin 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.

Mabilis na Pagsisimula:

1. Tingnan ang Installation Guide para i-setup ang iyong environment
2. Suriin ang Usage Guide para matutunan kung paano gamitin ang kurikulum
3. Simulan sa Lesson 1 at magpatuloy nang sunod-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Mga Guro: mayroon kaming 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 konseptong etikal, paghahanda ng data, iba't ibang paraan ng paggamit ng data, visualisasyon ng data, pagsusuri ng data, mga tunay na aplikasyon ng data science, at marami pa.

Bukod dito, ang pagsusulit na mababa ang stakes bago ang klase ay nagtatakda ng layunin ng mag-aaral sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay tumutulong sa mas matagal na pag-alala. Ang kurikulum na ito ay idinisenyo 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 alituntunin. Malugod naming tinatanggap ang inyong mga konstruktibong feedback!

Ang bawat aralin ay naglalaman ng:

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

Tungkol sa mga pagsusulit: Ang lahat ng pagsusulit ay nasa folder ng Quiz-App, 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. Ang mga ito ay unti-unting isinasalin sa iba't ibang wika.

🎓 Mga Halimbawa Para sa Mga 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 Data - Matutong magbasa at mag-explore ng mga dataset
• 📊 Simpleng Pagsusuri - Magkalkula ng mga istatistika at maghanap ng mga pattern
• 📈 Pangunahing Visualisasyon - Gumawa ng mga chart at graph
• 🔬 Tunay na Proyekto - Kumpletong workflow mula simula hanggang matapos

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

👉 Simulan sa mga halimbawa 👈

Mga Aralin

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

Bilang ng Aralin	Paksa	Pangkat ng Aralin	Mga Layunin sa Pagkatuto	Naka-link 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 Data	Panimula	Paano ikinuklasipika ang data at ang mga karaniwang pinagmulan nito.	aralin	Jasmine
04	Panimula sa Statistics at Probability	Panimula	Ang mga teknik sa matematika ng probability at statistics upang maunawaan ang data.	aralin video	Dmitry
05	Paggamit ng Relational Data	Paggamit ng Data	Panimula sa relational data at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”).	aralin	Christopher
06	Paggamit ng NoSQL Data	Paggamit ng Data	Panimula sa non-relational data, ang iba't ibang uri nito, at ang mga pangunahing kaalaman sa pag-explore at pagsusuri ng document databases.	aralin	Jasmine
07	Paggamit ng Python	Paggamit ng Data	Mga pangunahing kaalaman sa paggamit ng Python para sa pag-explore ng data gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundasyong kaalaman sa Python programming.	aralin video	Dmitry
08	Paghahanda ng Data	Paggamit ng Data	Mga paksa sa mga teknik ng data para sa paglilinis at pagbabago ng data upang harapin ang mga hamon ng nawawala, hindi tama, o hindi kumpletong data.	aralin	Jasmine
09	Pag-visualize ng Mga Dami	Visualisasyon ng Data	Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang data ng ibon 🦆	aralin	Jen
10	Pag-visualize ng Pamamahagi ng Data	Visualisasyon ng Data	Pag-visualize ng mga obserbasyon at mga trend sa loob ng isang interval.	aralin	Jen
11	Pag-visualize ng Proporsyon	Visualisasyon ng Data	Pag-visualize ng mga discrete at grouped na porsyento.	aralin	Jen
12	Pag-visualize ng Mga Relasyon	Visualisasyon ng Data	Pag-visualize ng mga koneksyon at correlations sa pagitan ng mga set ng data at kanilang mga variable.	aralin	Jen
13	Makabuluhang Visualisasyon	Visualisasyon ng Data	Mga teknik at gabay para gawing mahalaga ang iyong mga visualisasyon para sa epektibong paglutas 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 pag-extract ng data.	aralin	Jasmine
15	Pagsusuri	Lifecycle	Ang phase na ito ng lifecycle ng data science ay nakatuon sa mga teknik para sa pagsusuri ng data.	aralin	Jasmine
16	Komunikasyon	Lifecycle	Ang phase na ito ng lifecycle ng data science ay nakatuon sa pagpapakita ng mga insight mula sa data sa paraang mas madaling maunawaan ng mga gumagawa ng desisyon.	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	Sa Wild	Mga proyekto na pinapatakbo ng data science sa tunay na 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 opsyon na Open with Codespaces.
2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang impormasyon, tingnan ang dokumentasyon ng GitHub.

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 paggamit ng development container, tiyakin na ang iyong sistema ay nakakatugon sa mga kinakailangan (hal. may naka-install na Docker) sa dokumentasyon ng pagsisimula.

Upang gamitin ang repository na ito, maaari mong buksan ang repository sa isang isolated na Docker volume:

Tandaan: Sa ilalim ng hood, gagamitin nito ang Remote-Containers: Clone Repository in Container Volume... 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 data ng container.

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... command.
• Piliin ang na-clone na kopya ng folder na ito, hintayin ang pagsisimula ng container, at subukan ang mga bagay.

Offline na Pag-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 magsisilbi sa port 3000 sa iyong localhost: localhost:3000.

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

Iba Pang Kurikulum

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

• Edge AI para sa Mga Baguhan
• AI Agents para sa Mga Baguhan
• Generative AI para sa Mga Baguhan
• Generative AI para sa Mga Baguhan .NET
• Generative AI gamit ang JavaScript
• Generative AI gamit ang Java
• AI para sa Mga Baguhan
• Data Science para sa Mga Baguhan
• Bash para sa Mga Baguhan
• ML para sa Mga Baguhan
• Cybersecurity para sa Mga Baguhan
• Web Dev para sa mga Baguhan
• IoT para sa mga Baguhan
• Machine Learning para sa mga Baguhan
• Pag-develop ng XR para sa mga Baguhan
• Pag-master ng GitHub Copilot para sa AI Paired Programming
• Pag-develop ng XR para sa mga Baguhan
• Pag-master ng GitHub Copilot para sa mga C#/.NET Developer
• Pumili ng Sariling Copilot Adventure

Pagkuha ng Tulong

May mga problema? Tingnan ang aming Gabay sa Pag-troubleshoot para sa mga solusyon sa karaniwang mga isyu.

Kung nahihirapan ka o may mga tanong tungkol sa paggawa ng mga AI app, sumali sa:

Kung may feedback ka tungkol sa produkto o nakakaranas ng mga error habang gumagawa, bisitahin:

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na 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 opisyal na sanggunian. 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.