17 KiB

Raw Blame History

Data Science dla Początkujących - Program Nauczania

Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-lekcyjny program nauczania dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswojenie nowych umiejętności.

Serdeczne podziękowania dla naszych autorów: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Specjalne podziękowania 🙏 dla naszych Microsoft Student Ambassador autorów, recenzentów i współtwórców treści, w szczególności 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 dla Początkujących - Sketchnote by @nitya

Ogłoszenie - Nowy Program Nauczania o Generatywnej AI właśnie został wydany!

Właśnie opublikowaliśmy 12-lekcyjny program nauczania dotyczący generatywnej AI. Dowiedz się więcej o:

tworzeniu zapytań i inżynierii zapytań
generowaniu aplikacji tekstowych i obrazowych
aplikacjach wyszukiwania

Jak zawsze, każda lekcja zawiera zadania do wykonania, testy wiedzy i wyzwania.

Sprawdź tutaj:

https://aka.ms/genai-beginners

Jesteś studentem?

Rozpocznij od następujących zasobów:

Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera certyfikacyjnego. To strona, którą warto dodać do zakładek i sprawdzać co jakiś czas, ponieważ treści są zmieniane co najmniej raz w miesiącu.
Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studentów, to może być Twoja droga do Microsoft.

Rozpoczęcie

Nauczyciele: dołączyliśmy kilka sugestii dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie na naszym forum dyskusyjnym!

Studenci: aby korzystać z tego programu nauczania samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj pozostałe aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji projektowej. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez treści. Do dalszej nauki polecamy Microsoft Learn.

Poznaj Zespół

Gif by Mohit Jaisal

🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!

Pedagogika

Podczas tworzenia tego programu nauczania wybraliśmy dwa główne założenia pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci poznają podstawowe zasady data science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia data science i wiele więcej.

Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ustawia intencję studenta na naukę danego tematu, a drugi quiz po zajęciach zapewnia dalsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu.

Znajdź nasz Kodeks Postępowania, Współtworzenie, Tłumaczenia. Czekamy na Wasze konstruktywne opinie!

Każda lekcja zawiera:

Opcjonalny sketchnote
Opcjonalne dodatkowe wideo
Quiz rozgrzewkowy przed lekcją
Pisemną lekcję
W przypadku lekcji projektowych, przewodniki krok po kroku dotyczące budowy projektu
Sprawdzanie wiedzy
Wyzwanie
Dodatkowe materiały do czytania
Zadanie
Quiz po lekcji

Uwaga dotycząca quizów: Wszystkie quizy znajdują się w folderze Quiz-App, w sumie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Quizy są stopniowo lokalizowane.

Lekcje


Data Science dla Początkujących: Plan - Sketchnote by @nitya

Numer Lekcji	Temat	Grupa Lekcji	Cele Nauczania	Powiązana Lekcja	Autor
01	Definiowanie Data Science	Wprowadzenie	Poznaj podstawowe pojęcia związane z data science i jak jest ono powiązane ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja wideo	Dmitry
02	Etyka w Data Science	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy.	lekcja	Nitya
03	Definiowanie Danych	Wprowadzenie	Jak klasyfikowane są dane i ich typowe źródła.	lekcja	Jasmine
04	Wprowadzenie do Statystyki i Prawdopodobieństwa	Wprowadzenie	Matematyczne techniki prawdopodobieństwa i statystyki do analizy danych.	lekcja wideo	Dmitry
05	Praca z Danymi Relacyjnymi	Praca z Danymi	Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka SQL (wymawiane „si-kłel”).	lekcja	Christopher
06	Praca z Danymi NoSQL	Praca z Danymi	Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentów.	lekcja	Jasmine
07	Praca z Pythonem	Praca z Danymi	Podstawy używania Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecane jest podstawowe zrozumienie programowania w Pythonie.	lekcja wideo	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, niedokładnymi lub niekompletnymi danymi.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Naucz się używać Matplotlib do wizualizacji danych o ptakach 🦆	lekcja	Jen
10	Wizualizacja rozkładów danych	Wizualizacja danych	Wizualizacja obserwacji i trendów w określonym przedziale.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizacja dyskretnych i grupowych procentów.	lekcja	Jen
12	Wizualizacja relacji	Wizualizacja danych	Wizualizacja połączeń i korelacji między zestawami danych i ich zmiennymi.	lekcja	Jen
13	Znaczące wizualizacje	Wizualizacja danych	Techniki i wskazówki, jak sprawić, by wizualizacje były wartościowe dla skutecznego rozwiązywania problemów i uzyskiwania wniosków.	lekcja	Jen
14	Wprowadzenie do cyklu życia Data Science	Cykl życia	Wprowadzenie do cyklu życia Data Science i jego pierwszego etapu, czyli pozyskiwania i ekstrakcji danych.	lekcja	Jasmine
15	Analiza	Cykl życia	Ta faza cyklu życia Data Science koncentruje się na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Ta faza cyklu życia Data Science skupia się na prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie decydentom.	lekcja	Jalen
17	Data Science w chmurze	Dane w chmurze	Seria lekcji wprowadzających do Data Science w chmurze i jej korzyści.	lekcja	Tiffany i Maud
18	Data Science w chmurze	Dane w chmurze	Trenowanie modeli za pomocą narzędzi Low Code.	lekcja	Tiffany i Maud
19	Data Science w chmurze	Dane w chmurze	Wdrażanie modeli za pomocą Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Data Science w praktyce	W praktyce	Projekty oparte na Data Science w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Wykonaj poniższe kroki, aby otworzyć ten przykład w Codespace:

Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces.
Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w dokumentacji GitHub.

VSCode Remote - Containers

Wykonaj poniższe kroki, aby otworzyć to repozytorium w kontenerze za pomocą lokalnego komputera i VSCode z rozszerzeniem VS Code Remote - Containers:

Jeśli po raz pierwszy korzystasz z kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) opisane w dokumentacji wprowadzającej.

Aby użyć tego repozytorium, możesz otworzyć je w izolowanym woluminie Dockera:

Uwaga: W tle zostanie użyte polecenie Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy do woluminu Dockera zamiast lokalnego systemu plików. Woluminy są preferowanym mechanizmem do przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

Sklonuj to repozytorium na swój lokalny system plików.
Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i wypróbuj różne funkcje.

Dostęp offline

Możesz uruchomić tę dokumentację offline, korzystając z Docsify. Sforkuj to repozytorium, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w katalogu głównym tego repozytorium wpisz docsify serve. Strona internetowa zostanie uruchomiona na porcie 3000 na Twoim localhost: localhost:3000.

Uwaga, notatniki nie będą renderowane za pomocą Docsify, więc jeśli musisz uruchomić notatnik, zrób to osobno w VS Code, korzystając z jądra Pythona.

Poszukiwani pomocnicy!

Jeśli chciałbyś przetłumaczyć całość lub część tego programu nauczania, zapoznaj się z naszym przewodnikiem Translations.

Inne programy nauczania

Nasz zespół tworzy inne programy nauczania! Sprawdź:

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się zapewnić dokładność, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.

17 KiB Raw Blame History