18 KiB

Raw Blame History

Data Science for Nybegynnere - Et Lærepensum

Azure Cloud Advocates hos Microsoft er glade for å tilby et 10-ukers, 20-leksjons pensum om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instruksjoner for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en bevist metode for å få nye ferdigheter til å "sitte".

Stor takk til våre forfattere: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Spesiell takk 🙏 til våre Microsoft Student Ambassador forfattere, anmeldere og innholdsbidragsytere, spesielt 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 For Nybegynnere - Sketchnote av @nitya

🌐 Støtte for flere språk

Støttet via GitHub Action (Automatisk og alltid oppdatert)

Hvis du ønsker å få flere oversettelser, er støttede språk listet her

Bli med i vårt fellesskap

Er du student?

Kom i gang med følgende ressurser:

Student Hub-side På denne siden finner du ressurser for nybegynnere, studentpakker og til og med måter å få en gratis sertifikatkupong. Dette er en side du vil bokmerke og sjekke fra tid til annen, da vi bytter ut innhold minst månedlig.
Microsoft Learn Student Ambassadors Bli med i et globalt fellesskap av studentambassadører, dette kan være din vei inn i Microsoft.

Kom i gang

Lærere: vi har inkludert noen forslag om hvordan du kan bruke dette pensumet. Vi vil gjerne ha tilbakemeldingen din i vårt diskusjonsforum!

Studenter: for å bruke dette pensumet på egen hånd, fork hele repoet og fullfør oppgavene på egen hånd, start med en quiz før leksjonen. Les deretter leksjonen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; denne koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. En annen idé kan være å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi Microsoft Learn.

Møt teamet

Gif av Mohit Jaisal

🎥 Klikk på bildet over for en video om prosjektet og folkene som skapte det!

Pedagogikk

Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: å sikre at det er prosjektbasert og at det inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper for data science, inkludert etiske konsepter, databehandling, ulike måter å jobbe med data på, datavisualisering, dataanalyse, virkelige brukstilfeller av data science og mer.

I tillegg setter en lavterskel quiz før en klasse intensjonen til studenten mot å lære et emne, mens en andre quiz etter klassen sikrer videre oppbevaring. Dette pensumet ble designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter små og blir stadig mer komplekse mot slutten av den 10-ukers syklusen.

Finn våre retningslinjer for Code of Conduct, Contributing, Translation. Vi setter pris på din konstruktive tilbakemelding!

Hver leksjon inkluderer:

Valgfri sketchnote
Valgfri tilleggsvideo
Oppvarmingsquiz før leksjonen
Skriftlig leksjon
For prosjektbaserte leksjoner, steg-for-steg guider for å bygge prosjektet
Kunnskapssjekker
En utfordring
Tilleggslesing
Oppgave
Quiz etter leksjonen

En merknad om quizer: Alle quizer er samlet i Quiz-App-mappen, totalt 40 quizer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt eller distribueres til Azure; følg instruksjonene i quiz-app-mappen. De blir gradvis lokalisert.

Leksjoner


Data Science For Beginners: Veikart - Sketchnote av @nitya

Leksjonsnummer	Emne	Leksjonsgruppe	Læringsmål	Lenket leksjon	Forfatter
01	Definere Data Science	Introduksjon	Lær de grunnleggende konseptene bak data science og hvordan det er relatert til kunstig intelligens, maskinlæring og big data.	leksjon video	Dmitry
02	Etikk i Data Science	Introduksjon	Konsepter, utfordringer og rammeverk for dataetikk.	leksjon	Nitya
03	Definere Data	Introduksjon	Hvordan data klassifiseres og vanlige kilder til data.	leksjon	Jasmine
04	Introduksjon til Statistikk og Sannsynlighet	Introduksjon	Matematiske teknikker innen sannsynlighet og statistikk for å forstå data.	leksjon video	Dmitry
05	Arbeide med Relasjonelle Data	Arbeide med Data	Introduksjon til relasjonelle data og grunnleggende utforsking og analyse av relasjonelle data med Structured Query Language, også kjent som SQL (uttales "see-quell").	leksjon	Christopher
06	Arbeide med NoSQL Data	Arbeide med Data	Introduksjon til ikke-relasjonelle data, deres ulike typer og grunnleggende utforsking og analyse av dokumentdatabaser.	leksjon	Jasmine
07	Arbeide med Python	Arbeide med Data	Grunnleggende bruk av Python for datautforsking med biblioteker som Pandas. Grunnleggende forståelse av Python-programmering anbefales.	leksjon video	Dmitry
08	Datapreparering	Arbeide med Data	Temaer om teknikker for å rense og transformere data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data.	leksjon	Jasmine
09	Visualisering av Mengder	Datavisualisering	Lær hvordan du bruker Matplotlib til å visualisere fugldata 🦆	leksjon	Jen
10	Visualisering av Datafordelinger	Datavisualisering	Visualisering av observasjoner og trender innenfor et intervall.	leksjon	Jen
11	Visualisering av Proporsjoner	Datavisualisering	Visualisering av diskrete og grupperte prosentandeler.	leksjon	Jen
12	Visualisering av Relasjoner	Datavisualisering	Visualisering av forbindelser og korrelasjoner mellom datasett og deres variabler.	leksjon	Jen
13	Meningsfulle Visualiseringer	Datavisualisering	Teknikker og veiledning for å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt.	leksjon	Jen
14	Introduksjon til Data Science-livssyklusen	Livssyklus	Introduksjon til data science-livssyklusen og dens første steg med å skaffe og hente ut data.	leksjon	Jasmine
15	Analyse	Livssyklus	Denne fasen av data science-livssyklusen fokuserer på teknikker for å analysere data.	leksjon	Jasmine
16	Kommunikasjon	Livssyklus	Denne fasen av data science-livssyklusen fokuserer på å presentere innsiktene fra data på en måte som gjør det enklere for beslutningstakere å forstå.	leksjon	Jalen
17	Data Science i Skyen	Skydata	Denne serien av leksjoner introduserer data science i skyen og dens fordeler.	leksjon	Tiffany og Maud
18	Data Science i Skyen	Skydata	Trening av modeller ved bruk av Low Code-verktøy.	leksjon	Tiffany og Maud
19	Data Science i Skyen	Skydata	Distribuering av modeller med Azure Machine Learning Studio.	leksjon	Tiffany og Maud
20	Data Science i Det Virkelige Liv	I Det Virkelige Liv	Prosjekter drevet av data science i den virkelige verden.	leksjon	Nitya

GitHub Codespaces

Følg disse stegene for å åpne dette eksempelet i en Codespace:

Klikk på Code-rullegardinmenyen og velg alternativet Open with Codespaces.
Velg + New codespace nederst i panelet. For mer info, sjekk ut GitHub-dokumentasjonen.

VSCode Remote - Containers

Følg disse stegene for å åpne dette repoet i en container ved bruk av din lokale maskin og VSCode med VS Code Remote - Containers-utvidelsen:

Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller kravene (f.eks. ha Docker installert) i kom-i-gang-dokumentasjonen.

For å bruke dette repoet, kan du enten åpne repoet i et isolert Docker-volum:

Merk: Under panseret vil dette bruke Remote-Containers: Clone Repository in Container Volume...-kommandoen for å klone kildekoden i et Docker-volum i stedet for det lokale filsystemet. Volumer er den foretrukne mekanismen for å lagre containerdata.

Eller åpne en lokalt klonet eller nedlastet versjon av repoet:

Klon dette repoet til ditt lokale filsystem.
Trykk F1 og velg kommandoen Remote-Containers: Open Folder in Container....
Velg den klonede kopien av denne mappen, vent til containeren starter, og prøv ting ut.

Offline tilgang

Du kan kjøre denne dokumentasjonen offline ved å bruke Docsify. Fork dette repoet, installer Docsify på din lokale maskin, og skriv deretter docsify serve i rotmappen til dette repoet. Nettstedet vil bli servert på port 3000 på din localhost: localhost:3000.

Merk, notatbøker vil ikke bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code med en Python-kjerne.

Andre læreplaner

Teamet vårt produserer andre læreplaner! Sjekk ut:

Ansvarsfraskrivelse:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi tilstreber nøyaktighet, vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på sitt opprinnelige språk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.

18 KiB Raw Blame History