17 KiB

Raw Blame History

Data Science per Principianti - Un Curriculum

Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane e 20 lezioni dedicato alla Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un compito. La nostra pedagogia basata sui progetti ti permette di imparare costruendo, un metodo comprovato per far sì che le nuove competenze rimangano impresse.

Un sentito ringraziamento ai nostri autori: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Un ringraziamento speciale 🙏 ai nostri Microsoft Student Ambassador autori, revisori e collaboratori di contenuti, tra cui 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 per Principianti - Sketchnote di @nitya

Annuncio - Nuovo Curriculum su Generative AI appena rilasciato!

Abbiamo appena rilasciato un curriculum di 12 lezioni sulla generative AI. Vieni a scoprire argomenti come:

tecniche di prompting e prompt engineering
generazione di app di testo e immagini
app di ricerca

Come sempre, ci sono lezioni, compiti da completare, verifiche di conoscenza e sfide.

Scoprilo qui:

https://aka.ms/genai-beginners

Sei uno studente?

Inizia con le seguenti risorse:

Pagina Student Hub In questa pagina troverai risorse per principianti, pacchetti per studenti e persino modi per ottenere un voucher gratuito per la certificazione. È una pagina da salvare nei preferiti e controllare di tanto in tanto, poiché il contenuto viene aggiornato almeno mensilmente.
Microsoft Learn Student Ambassadors Unisciti a una comunità globale di ambasciatori studenti, potrebbe essere il tuo ingresso in Microsoft.

Per iniziare

Insegnanti: abbiamo incluso alcune indicazioni su come utilizzare questo curriculum. Ci piacerebbe ricevere il vostro feedback nel nostro forum di discussione!

Studenti: per utilizzare questo curriculum autonomamente, fai un fork dell'intero repository e completa gli esercizi da solo, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa il resto delle attività. Cerca di creare i progetti comprendendo le lezioni piuttosto che copiando il codice della soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata ai progetti. Un'altra idea potrebbe essere formare un gruppo di studio con amici e affrontare il contenuto insieme. Per ulteriori studi, consigliamo Microsoft Learn.

Incontra il Team

Gif di Mohit Jaisal

🎥 Clicca sull'immagine sopra per un video sul progetto e sulle persone che lo hanno creato!

Pedagogia

Abbiamo scelto due principi pedagogici per costruire questo curriculum: garantire che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della data science, inclusi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della data science e altro ancora.

Inoltre, un quiz a basso rischio prima della lezione orienta lo studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione garantisce una maggiore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito interamente o in parte. I progetti iniziano piccoli e diventano sempre più complessi entro la fine del ciclo di 10 settimane.

Trova il nostro Codice di Condotta, Linee guida per il Contributo, Linee guida per la Traduzione. Accogliamo con favore il tuo feedback costruttivo!

Ogni lezione include:

Sketchnote opzionale
Video supplementare opzionale
Quiz di riscaldamento pre-lezione
Lezione scritta
Per le lezioni basate su progetti, guide passo-passo su come costruire il progetto
Verifiche di conoscenza
Una sfida
Letture supplementari
Compito
Quiz post-lezione

Nota sui quiz: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz di tre domande ciascuno. Sono collegati all'interno delle lezioni, ma l'app quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella quiz-app. I quiz vengono gradualmente localizzati.

Lezioni


Data Science per Principianti: Roadmap - Sketchnote di @nitya

Numero Lezione	Argomento	Raggruppamento Lezione	Obiettivi di Apprendimento	Lezione Collegata	Autore
01	Definire la Data Science	Introduzione	Impara i concetti base della data science e come è correlata all'intelligenza artificiale, al machine learning e ai big data.	lezione video	Dmitry
02	Etica della Data Science	Introduzione	Concetti di etica dei dati, sfide e framework.	lezione	Nitya
03	Definire i Dati	Introduzione	Come i dati sono classificati e le loro fonti comuni.	lezione	Jasmine
04	Introduzione a Statistica e Probabilità	Introduzione	Le tecniche matematiche di probabilità e statistica per comprendere i dati.	lezione video	Dmitry
05	Lavorare con Dati Relazionali	Lavorare con i Dati	Introduzione ai dati relazionali e alle basi dell'esplorazione e analisi dei dati relazionali con il linguaggio SQL (Structured Query Language).	lezione	Christopher
06	Lavorare con Dati NoSQL	Lavorare con i Dati	Introduzione ai dati non relazionali, ai loro vari tipi e alle basi dell'esplorazione e analisi dei database documentali.	lezione	Jasmine
07	Lavorare con Python	Lavorare con i Dati	Basi dell'uso di Python per l'esplorazione dei dati con librerie come Pandas. È consigliata una comprensione di base della programmazione in Python.	lezione video	Dmitry
08	Preparazione dei Dati	Lavorare con i Dati	Argomenti sulle tecniche di pulizia e trasformazione dei dati per affrontare le sfide di dati mancanti, inaccurati o incompleti.	lezione	Jasmine
09	Visualizzare le Quantità	Visualizzazione dei Dati	Impara a utilizzare Matplotlib per visualizzare i dati sugli uccelli 🦆	lezione	Jen
10	Visualizzare le Distribuzioni dei Dati	Visualizzazione dei Dati	Visualizzare osservazioni e tendenze all'interno di un intervallo.	lezione	Jen
11	Visualizzare le Proporzioni	Visualizzazione dei Dati	Visualizzare percentuali discrete e raggruppate.	lezione	Jen
12	Visualizzare le Relazioni	Visualizzazione dei Dati	Visualizzare connessioni e correlazioni tra insiemi di dati e le loro variabili.	lezione	Jen
13	Visualizzazioni Significative	Visualizzazione dei Dati	Tecniche e linee guida per rendere le tue visualizzazioni utili per una risoluzione efficace dei problemi e per ottenere insight.	lezione	Jen
14	Introduzione al Ciclo di Vita della Data Science	Ciclo di Vita	Introduzione al ciclo di vita della data science e al suo primo passo: acquisire ed estrarre i dati.	lezione	Jasmine
15	Analisi	Ciclo di Vita	Questa fase del ciclo di vita della data science si concentra sulle tecniche per analizzare i dati.	lezione	Jasmine
16	Comunicazione	Ciclo di Vita	Questa fase del ciclo di vita della data science si concentra sulla presentazione degli insight dai dati in modo che siano facilmente comprensibili per i decisori.	lezione	Jalen
17	Data Science nel Cloud	Dati nel Cloud	Questa serie di lezioni introduce la data science nel cloud e i suoi benefici.	lezione	Tiffany e Maud
18	Data Science nel Cloud	Dati nel Cloud	Addestrare modelli utilizzando strumenti Low Code.	lezione	Tiffany e Maud
19	Data Science nel Cloud	Dati nel Cloud	Distribuire modelli con Azure Machine Learning Studio.	lezione	Tiffany e Maud
20	Data Science nel Mondo Reale	Nel Mondo Reale	Progetti di data science applicati al mondo reale.	lezione	Nitya

GitHub Codespaces

Segui questi passaggi per aprire questo esempio in un Codespace:

Clicca sul menu a discesa "Code" e seleziona l'opzione "Open with Codespaces".
Seleziona + Nuovo Codespace in basso nel pannello. Per maggiori informazioni, consulta la documentazione di GitHub.

VSCode Remote - Containers

Segui questi passaggi per aprire questo repository in un container utilizzando la tua macchina locale e VSCode con l'estensione VS Code Remote - Containers:

Se è la prima volta che utilizzi un container di sviluppo, assicurati che il tuo sistema soddisfi i prerequisiti (ad esempio, avere Docker installato) nella documentazione introduttiva.

Per utilizzare questo repository, puoi aprirlo in un volume Docker isolato:

Nota: In background, verrà utilizzato il comando Remote-Containers: Clone Repository in Container Volume... per clonare il codice sorgente in un volume Docker invece che nel file system locale. I volumi sono il meccanismo preferito per la persistenza dei dati nei container.

Oppure apri una versione clonata o scaricata localmente del repository:

Clona questo repository nel tuo file system locale.
Premi F1 e seleziona il comando Remote-Containers: Open Folder in Container....
Seleziona la copia clonata di questa cartella, attendi l'avvio del container e prova le funzionalità.

Accesso Offline

Puoi eseguire questa documentazione offline utilizzando Docsify. Fai un fork di questo repository, installa Docsify sulla tua macchina locale, quindi nella cartella principale di questo repository, digita docsify serve. Il sito web sarà servito sulla porta 3000 del tuo localhost: localhost:3000.

Nota: i notebook non verranno renderizzati tramite Docsify, quindi quando hai bisogno di eseguire un notebook, fallo separatamente in VS Code utilizzando un kernel Python.

Aiuto Richiesto!

Se desideri tradurre tutto o parte del curriculum, segui la nostra guida sulle Traduzioni.

Altri Curricula

Il nostro team produce altri curricula! Dai un'occhiata a:

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche potrebbero contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale eseguita da un traduttore umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione.

17 KiB Raw Blame History