Data-Science-For-Beginners/translations/tl

Data Science para sa mga Nagsisimula - Isang Kurikulum

Ang Azure Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng 10-linggong, 20-leksyon na kurikulum tungkol sa Data Science. Bawat leksyon ay may kasamang pre-lesson at post-lesson quizzes, nakasulat na mga tagubilin para matapos ang leksyon, isang solusyon, at isang takdang-aralin. Ang aming project-based na pedagohiya ay nagpapahintulot sa iyo na matuto habang nagtatayo, isang napatunayang paraan para ang mga bagong kasanayan ay 'manatili'.

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 mga Microsoft Student Ambassador na mga may-akda, tagasuri at mga nag-ambag ng nilalaman, lalo na 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 Nagsisimula - Sketchnote ni @nitya

🌐 Suporta sa Maramihang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatiko at Laging 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 | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Kung nais mong magkaroon ng karagdagang mga sinusuportahang wika ng pagsasalin ay nakalista dito

Sumali sa Aming Komunidad

Mayroon kaming serye sa Discord na "learn with AI" na kasalukuyang isinasagawa, alamin pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at trick sa paggamit ng GitHub Copilot para sa Data Science.

Ikaw ba ay isang estudyante?

Magsimula gamit ang mga sumusunod na mapagkukunan:

• Student Hub page Sa pahinang ito, makikita mo ang mga beginner resources, Student packs at pati na rin mga paraan para makakuha ng libreng cert voucher. Ito ay isang pahina na nais mong i-bookmark at tingnan paminsan-minsan dahil nagbabago kami ng nilalaman kahit buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa isang pandaigdigang komunidad ng mga student ambassadors, ito ang maaaring maging daan mo papasok sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• Installation Guide - Hakbang-hakbang na mga tagubilin sa pag-setup para sa mga nagsisimula
• Usage Guide - Mga halimbawa at karaniwang mga workflow
• Troubleshooting - Mga solusyon sa mga karaniwang isyu
• Contributing Guide - Paano mag-ambag sa proyektong ito
• For Teachers - Gabay sa pagtuturo at mga mapagkukunan sa silid-aralan

👨‍🎓 Para sa mga Estudyante

Ganap na mga Nagsisimula: Bago ka sa data science? Magsimula sa aming mga halimbawa na angkop sa mga nagsisimula! Ang mga simpleng halimbawa na may malinaw na paliwanag ay tutulong sa iyo na maunawaan ang mga batayan bago sumabak sa buong kurikulum. Mga Estudyante: upang gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at tapusin ang mga ehersisyo nang mag-isa, simula sa pre-lecture quiz. Pagkatapos basahin ang lektura at tapusin ang natitirang mga aktibidad. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na kopyahin ang code ng solusyon; gayunpaman, ang code na iyon ay makukuha sa mga /solutions na folder sa bawat leksyon na nakatuon sa proyekto. Isang ideya rin ay 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 kapaligiran
2. Suriin ang Usage Guide para matutunan kung paano gamitin ang kurikulum
3. Magsimula sa Lesson 1 at sundan nang sunod-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Mga Guro: may ilang mga mungkahi kami kung paano gamitin ang kurikulum na ito. Nais naming marinig ang inyong puna sa aming discussion forum!

Kilalanin ang Koponan

Gif ni Mohit Jaisal

🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!

Pedagohiya

Pinili namin ang dalawang pedagogical na prinsipyo habang binubuo ang kurikulum na ito: tiyakin na ito ay nakabatay sa proyekto at na ito ay may madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng agham ng datos, kabilang ang mga etikal na konsepto, paghahanda ng datos, iba't ibang paraan ng pagtatrabaho sa datos, pag-visualisa ng datos, pagsusuri ng datos, mga totoong kaso ng paggamit ng agham ng datos, at iba pa.

Bukod dito, ang isang mababang-panganib na pagsusulit bago ang klase ay nagtatakda ng layunin ng estudyante sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisiguro ng mas malalim 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 unti-unting lumalalim sa kahirapan sa pagtatapos ng 10-linggong siklo.

Hanapin ang aming Code of Conduct, Contributing, Translation na mga gabay. Malugod naming tinatanggap ang iyong makabuluhang puna!

Bawat aralin ay may kasamang:

• Opsyonal na sketchnote
• Opsyonal na karagdagang video
• Pre-lesson warmup quiz
• Nakatalang aralin
• Para sa mga araling nakabatay sa proyekto, mga hakbang-hakbang na gabay kung paano buuin ang proyekto
• Mga pagsusuri ng kaalaman
• Isang hamon
• Karagdagang babasahin
• Takdang-aralin
• Post-lesson quiz

Isang tala tungkol sa mga pagsusulit: Lahat ng pagsusulit ay nasa Quiz-App folder, para sa kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Nakalink ang mga ito 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. Unti-unti itong nilalokalisa.

🎓 Mga Halimbawa na Friendly sa mga Nagsisimula

Bago ka sa Agham ng Datos? Nilikha namin ang isang espesyal na examples directory na may simpleng, maayos na may komento na code upang matulungan kang makapagsimula:

• 🌟 Hello World - Ang iyong unang programa sa agham ng datos
• 📂 Loading Data - Matutong magbasa at mag-explore ng mga dataset
• 📊 Simple Analysis - Kalkulahin ang mga estadistika at hanapin ang mga pattern
• 📈 Basic Visualization - Gumawa ng mga tsart at grap
• 🔬 Real-World Project - Kumpletong workflow mula simula hanggang katapusan

Bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perpekto ito para sa mga ganap na nagsisimula!

👉 Magsimula sa mga halimbawa 👈

Mga Aralin

Data Science For Beginners: Roadmap - Sketchnote by @nitya

Lesson Number	Paksa	Pangkat ng Aralin	Mga Layunin sa Pagkatuto	Nakalink na Aralin	May-akda
01	Pagpapakahulugan ng Agham ng Datos	Introduction	Matutunan ang mga pangunahing konsepto sa likod ng agham ng datos at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data.	lesson video	Dmitry
02	Etika sa Agham ng Datos	Introduction	Mga Konsepto, Hamon at Balangkas ng Etika sa Datos.	lesson	Nitya
03	Pagpapakahulugan ng Datos	Introduction	Paano ikinaklasipika ang datos at ang mga karaniwang pinagmulan nito.	lesson	Jasmine
04	Panimula sa Estadistika at Probabilidad	Introduction	Ang mga matematikal na teknik ng probabilidad at estadistika upang maunawaan ang datos.	lesson video	Dmitry
05	Pagtatrabaho sa Relational Data	Working With Data	Panimula sa relational data at mga batayan ng pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”).	lesson	Christopher
06	Pagtatrabaho sa NoSQL Data	Working With Data	Panimula sa non-relational data, ang iba't ibang uri nito at mga batayan ng pag-explore at pagsusuri ng document databases.	lesson	Jasmine
07	Pagtatrabaho gamit ang Python	Working With Data	Mga batayan ng paggamit ng Python para sa pag-explore ng datos gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundamental na pag-unawa sa programming ng Python.	lesson video	Dmitry
08	Paghahanda ng Datos	Working With Data	Mga paksa tungkol sa mga teknik sa paglilinis at pag-transform ng datos upang harapin ang mga hamon ng nawawala, maling, o hindi kumpletong datos.	lesson	Jasmine
09	Pag-visualisa ng mga Dami	Data Visualization	Matutong gumamit ng Matplotlib upang i-visualize ang datos ng mga ibon 🦆	lesson	Jen
10	Pag-visualisa ng Pamamahagi ng Datos	Data Visualization	Pag-visualisa ng mga obserbasyon at mga uso sa loob ng isang interval.	lesson	Jen
11	Pag-visualisa ng mga Proporsyon	Data Visualization	Pag-visualisa ng mga discrete at pinangkat na porsyento.	lesson	Jen
12	Pag-visualisa ng mga Relasyon	Data Visualization	Pag-visualisa ng mga koneksyon at korelasyon sa pagitan ng mga set ng datos at kanilang mga variable.	lesson	Jen
13	Makabuluhang mga Visualisasyon	Data Visualization	Mga teknik at gabay para gawing mahalaga ang iyong mga visualisasyon para sa epektibong paglutas ng problema at mga insight.	lesson	Jen
14	Panimula sa Siklo ng Buhay ng Agham ng Datos	Lifecycle	Panimula sa siklo ng buhay ng agham ng datos at ang unang hakbang nito ng pagkuha at pag-extract ng datos.	lesson	Jasmine
15	Pagsusuri	Lifecycle	Ang yugtong ito ng siklo ng buhay ng agham ng datos ay nakatuon sa mga teknik para suriin ang datos.	lesson	Jasmine
16	Komunikasyon	Lifecycle	Ang yugtong ito ng siklo ng buhay ng agham ng datos ay nakatuon sa pagpapakita ng mga insight mula sa datos sa paraang mas madaling maunawaan ng mga tagagawa ng desisyon.	lesson	Jalen
17	Agham ng Datos sa Cloud	Cloud Data	Ang seryeng ito ng mga aralin ay nagpapakilala sa agham ng datos sa cloud at ang mga benepisyo nito.	lesson	Tiffany at Maud
18	Agham ng Datos sa Cloud	Cloud Data	Pagsasanay ng mga modelo gamit ang Low Code tools.	lesson	Tiffany at Maud
19	Agham ng Datos sa Cloud	Cloud Data	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	lesson	Tiffany at Maud
20	Agham ng Datos sa Tunay na Mundo	In the Wild	Mga proyektong pinatatakbo ng agham ng datos sa totoong mundo.	lesson	Nitya

GitHub Codespaces

Sundin ang mga hakbang na ito upang buksan ang sample na ito sa isang Codespace:

1. I-click ang Code drop-down menu at piliin ang Open with Codespaces na opsyon.
2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang impormasyon, tingnan ang GitHub documentation.

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 unang beses mong gumamit ng development container, siguraduhing natutugunan ng iyong sistema ang mga kinakailangan (hal. naka-install ang Docker) sa the getting started documentation.

Para magamit ang repository na ito, maaari mong buksan ang repository sa isang isolated Docker volume:

Tandaan: Sa ilalim nito, gagamitin ang Remote-Containers: Clone Repository in Container Volume... na utos upang i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Ang Volumes ang inirerekomendang mekanismo para sa pagpapanatili ng data ng container.

O buksan ang 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... na utos.
• Piliin ang na-clone na kopya ng folder na ito, maghintay na magsimula ang container, at subukan ito.

Offline 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 ihahain sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, ang mga notebook ay hindi irerender gamit ang Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin ito nang hiwalay sa VS Code na nagpapatakbo ng Python kernel.

Iba pang Kurikulum

Ang aming koponan ay gumagawa ng iba pang mga kurikulum! Tingnan ang:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Core Learning

---

Copilot Series

Pagkuha ng Tulong

Nakakaranas ng mga isyu? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa mga karaniwang problema.

Kung ikaw ay natigil o may mga tanong tungkol sa paggawa ng mga AI app. Sumali sa mga kapwa nag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Ito ay isang suportadong komunidad kung saan malugod ang mga tanong at malayang ibinabahagi ang kaalaman.

Kung mayroon kang feedback sa produkto o mga error habang nagtatayo, bisitahin:

---

Paalala: Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagamat nagsusumikap kami para sa katumpakan, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o di-tumpak na impormasyon. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.