Data-Science-For-Beginners/translations/uk

Наука про дані для початківців - Навчальна програма

Команда Azure Cloud Advocates у Microsoft рада запропонувати 10-тижневу навчальну програму з 20 уроків, присвячену науці про дані. Кожен урок включає тести до та після уроку, письмові інструкції для виконання завдання, рішення та завдання. Наш підхід, заснований на проєктах, дозволяє навчатися через створення, що є перевіреним способом закріплення нових навичок.

Щиро дякуємо нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Особлива подяка 🙏 нашим Microsoft Student Ambassador авторам, рецензентам та учасникам контенту, зокрема 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

Наука про дані для початківців - Скетчноут від @nitya

🌐 Підтримка багатомовності

Підтримується через GitHub Action (автоматично та завжди актуально)

Арабська | Бенгальська | Болгарська | Бірманська (М'янма) | Китайська (спрощена) | Китайська (традиційна, Гонконг) | Китайська (традиційна, Макао) | Китайська (традиційна, Тайвань) | Хорватська | Чеська | Данська | Голландська | Естонська | Фінська | Французька | Німецька | Грецька | Іврит | Гінді | Угорська | Індонезійська | Італійська | Японська | Корейська | Литовська | Малайська | Маратхі | Непальська | Норвезька | Перська (фарсі) | Польська | Португальська (Бразилія) | Португальська (Португалія) | Панджабі (Гурмукхі) | Румунська | Російська | Сербська (кирилиця) | Словацька | Словенська | Іспанська | Суахілі | Шведська | Тагальська (філіппінська) | Тамільська | Тайська | Турецька | Українська | Урду | В'єтнамська

Якщо ви хочете додати підтримку інших мов, список доступних мов знаходиться тут

Приєднуйтесь до нашої спільноти

Ми проводимо серію навчань з AI у Discord, дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі використання GitHub Copilot для науки про дані.

Ви студент?

Почніть з наступних ресурсів:

• Сторінка Student Hub На цій сторінці ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний ваучер на сертифікацію. Це сторінка, яку варто додати в закладки та час від часу перевіряти, оскільки ми змінюємо контент щонайменше раз на місяць.
• Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентів-амбасадорів, це може стати вашим шляхом до Microsoft.

Початок роботи

📚 Документація

• Посібник з установки - Покрокові інструкції для початківців
• Посібник з використання - Приклади та поширені робочі процеси
• Усунення несправностей - Рішення поширених проблем
• Посібник для внесків - Як зробити внесок у цей проєкт
• Для викладачів - Рекомендації для викладання та ресурси для класу

👨‍🎓 Для студентів

Повні початківці: Новачок у науці про дані? Почніть з наших прикладів для початківців! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед тим, як перейти до повної навчальної програми. Студенти: щоб використовувати цю навчальну програму самостійно, зробіть форк усього репозиторію та виконуйте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Спробуйте створювати проєкти, розуміючи уроки, а не копіюючи код рішення; однак цей код доступний у папках /solutions у кожному проєктно-орієнтованому уроці. Інша ідея — створити навчальну групу з друзями та разом проходити контент. Для подальшого навчання ми рекомендуємо Microsoft Learn.

Швидкий старт:

1. Перегляньте Посібник з установки, щоб налаштувати середовище
2. Ознайомтеся з Посібником з використання, щоб дізнатися, як працювати з навчальною програмою
3. Почніть з Уроку 1 і працюйте послідовно
4. Приєднуйтесь до нашої спільноти в Discord для підтримки

👩‍🏫 Для викладачів

Викладачі: ми додали кілька пропозицій щодо використання цієї навчальної програми. Ми будемо раді вашим відгукам у нашому форумі обговорень!

Знайомтесь з командою

Gif створено Mohit Jaisal

🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!

Педагогіка

Ми обрали два педагогічні принципи при створенні цієї навчальної програми: забезпечення її проектної орієнтованості та включення частих тестів. До кінця цього курсу студенти вивчать основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, реальні приклади використання науки про дані тощо.

Крім того, тест з низьким рівнем стресу перед заняттям налаштовує студента на вивчення теми, а другий тест після заняття забезпечує кращу запам'ятовуваність матеріалу. Ця навчальна програма була розроблена так, щоб бути гнучкою та цікавою, і її можна проходити як повністю, так і частково. Проекти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу.

Ознайомтеся з нашим Кодексом поведінки, Правилами участі, Правилами перекладу. Ми будемо раді вашим конструктивним відгукам!

Кожен урок включає:

• Необов'язкову скетчноту
• Необов'язкове додаткове відео
• Розігрівний тест перед уроком
• Письмовий урок
• Для проектних уроків - покрокові інструкції зі створення проекту
• Перевірку знань
• Завдання
• Додаткові матеріали для читання
• Домашнє завдання
• Тест після уроку

Примітка щодо тестів: Усі тести знаходяться в папці Quiz-App, всього 40 тестів по три запитання кожен. Вони пов'язані з уроками, але додаток для тестів можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці quiz-app. Вони поступово локалізуються.

🎓 Приклади для початківців

Новачок у науці про дані? Ми створили спеціальну директорію прикладів з простим, добре прокоментованим кодом, щоб допомогти вам розпочати:

• 🌟 Hello World - Ваша перша програма з науки про дані
• 📂 Завантаження даних - Навчіться читати та досліджувати набори даних
• 📊 Простий аналіз - Розрахунок статистики та пошук закономірностей
• 📈 Базова візуалізація - Створення діаграм і графіків
• 🔬 Реальний проект - Повний робочий процес від початку до кінця

Кожен приклад містить детальні коментарі, які пояснюють кожен крок, що робить їх ідеальними для абсолютних новачків!

👉 Почніть з прикладів 👈

Уроки

Наука про дані для початківців: Дорожня карта - Скетчнота від @nitya

Номер уроку	Тема	Групування уроків	Навчальні цілі	Посилання на урок	Автор
01	Визначення науки про дані	Вступ	Вивчіть основні концепції науки про дані та її зв'язок зі штучним інтелектом, машинним навчанням і великими даними.	урок відео	Дмитро
02	Етика науки про дані	Вступ	Концепції етики даних, виклики та рамки.	урок	Нітія
03	Визначення даних	Вступ	Як класифікуються дані та їхні основні джерела.	урок	Жасмін
04	Вступ до статистики та ймовірності	Вступ	Математичні методи ймовірності та статистики для розуміння даних.	урок відео	Дмитро
05	Робота з реляційними даними	Робота з даними	Вступ до реляційних даних та основи дослідження і аналізу реляційних даних за допомогою мови структурованих запитів SQL (вимовляється як "сі-квел").	урок	Крістофер
06	Робота з NoSQL даними	Робота з даними	Вступ до нереляційних даних, їх різних типів та основи дослідження і аналізу документних баз даних.	урок	Жасмін
07	Робота з Python	Робота з даними	Основи використання Python для дослідження даних з бібліотеками, такими як Pandas. Рекомендується базове розуміння програмування на Python.	урок відео	Дмитро
08	Підготовка даних	Робота з даними	Теми щодо методів очищення та трансформації даних для вирішення проблем з відсутніми, неточними або неповними даними.	урок	Жасмін
09	Візуалізація кількостей	Візуалізація даних	Дізнайтеся, як використовувати Matplotlib для візуалізації даних про птахів 🦆	урок	Джен
10	Візуалізація розподілів даних	Візуалізація даних	Візуалізація спостережень і тенденцій у межах інтервалу.	урок	Джен
11	Візуалізація пропорцій	Візуалізація даних	Візуалізація дискретних і згрупованих відсотків.	урок	Джен
12	Візуалізація взаємозв'язків	Візуалізація даних	Візуалізація зв'язків і кореляцій між наборами даних та їх змінними.	урок	Джен
13	Значущі візуалізації	Візуалізація даних	Техніки та рекомендації для створення цінних візуалізацій для ефективного вирішення проблем і отримання інсайтів.	урок	Джен
14	Вступ до життєвого циклу науки про дані	Життєвий цикл	Вступ до життєвого циклу науки про дані та його першого етапу - отримання та вилучення даних.	урок	Жасмін
15	Аналіз	Життєвий цикл	Ця фаза життєвого циклу науки про дані зосереджена на методах аналізу даних.	урок	Жасмін
16	Комунікація	Життєвий цикл	Ця фаза життєвого циклу науки про дані зосереджена на представленні інсайтів з даних у спосіб, який полегшує розуміння для осіб, що приймають рішення.	урок	Джейлен
17	Наука про дані в хмарі	Хмарні дані	Ця серія уроків знайомить з наукою про дані в хмарі та її перевагами.	урок	Тіффані та Мод
18	Наука про дані в хмарі	Хмарні дані	Навчання моделей за допомогою інструментів з низьким кодом.	урок	Тіффані та Мод
19	Наука про дані в хмарі	Хмарні дані	Розгортання моделей за допомогою Azure Machine Learning Studio.	урок	Тіффані та Мод
20	Наука про дані в реальному світі	У реальному світі	Проекти, керовані наукою про дані, у реальному світі.	урок	Нітія

GitHub Codespaces

Виконайте ці кроки, щоб відкрити цей приклад у Codespace:

1. Натисніть на випадаюче меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace внизу панелі. Для отримання додаткової інформації ознайомтеся з документацією GitHub.

VSCode Remote - Containers

Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері за допомогою вашого локального комп'ютера та VSCode, використовуючи розширення VS Code Remote - Containers:

1. Якщо ви вперше використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає попереднім вимогам (наприклад, встановлено Docker) у документації для початку роботи.

Щоб використовувати цей репозиторій, ви можете або відкрити його в ізольованому обсязі Docker:

Примітка: У фоновому режимі це використовуватиме команду Remote-Containers: Clone Repository in Container Volume... для клонування вихідного коду в обсяг Docker замість локальної файлової системи. Обсяги є переважним механізмом для збереження даних контейнера.

Або відкрийте локально клоновану або завантажену версію репозиторію:

• Клонуйте цей репозиторій на вашу локальну файлову систему.
• Натисніть F1 і виберіть команду Remote-Containers: Open Folder in Container....
• Виберіть клоновану копію цієї папки, зачекайте, поки контейнер запуститься, і спробуйте.

Офлайн-доступ

Ви можете запустити цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на вашому локальному комп'ютері, потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost: localhost:3000.

Примітка: ноутбуки не будуть відображатися через Docsify, тому, якщо вам потрібно запустити ноутбук, зробіть це окремо у VS Code, використовуючи Python kernel.

Інші навчальні програми

Наша команда створює інші навчальні програми! Ознайомтеся з:

• Edge AI для початківців
• AI-агенти для початківців
• Генеративний AI для початківців
• Генеративний AI для початківців .NET
• Генеративний AI з JavaScript
• Генеративний AI з Java
• AI для початківців
• Наука про дані для початківців
• Bash для початківців
• Машинне навчання для початківців
• Кібербезпека для початківців
• Веб-розробка для початківців
• IoT для початківців
• Машинне навчання для початківців
• Розробка XR для початківців
• Опановуємо GitHub Copilot для парного програмування з AI
• Розробка XR для початківців
• Опановуємо GitHub Copilot для розробників C#/.NET
• Вибери свою пригоду з Copilot

Отримання допомоги

Зіштовхнулися з проблемами? Перегляньте наш Посібник з усунення несправностей для вирішення поширених проблем.

Якщо ви застрягли або маєте запитання щодо створення AI-додатків, приєднуйтесь:

Якщо у вас є відгуки про продукт або виникають помилки під час створення, відвідайте:

---

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.