Data-Science-For-Beginners/translations/uk

Data Science для початківців - навчальна програма

Azure Cloud Advocates у Microsoft раді запропонувати 10-тижневу навчальну програму з 20 уроків, присвячену Data Science. Кожен урок включає тести до та після уроку, письмові інструкції для виконання завдання, розв’язок та домашнє завдання. Наша проектно-орієнтована педагогіка дозволяє вчитися, створюючи проекти — перевірений спосіб закріплення нових навичок.

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

🙏 Особлива подяка 🙏 нашим авторам, рецензентам та контент-співавторам Microsoft Student Ambassador, 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

Data Science для початківців - Скетчноут від @nitya

🌐 Підтримка багатьох мов

Підтримується через GitHub Action (автоматично та завжди актуально)

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

Якщо ви хочете, щоб додаткові мови перекладу були підтримані, вони перелічені тут

Приєднуйтесь до нашої спільноти

У нас триває серія Discord «Вчимося з AI», дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Ви отримаєте поради та трюки з використання GitHub Copilot для Data Science.

Ви студент?

Почніть з наступних ресурсів:

• Сторінка Student Hub Тут ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний сертифікаційний ваучер. Це сторінка, яку варто додати в закладки та час від часу перевіряти, оскільки ми оновлюємо контент щонайменше щомісяця.
• Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентських амбасадорів, це може бути вашим шляхом до Microsoft.

Початок роботи

📚 Документація

• Посібник з встановлення - покрокові інструкції для початківців
• Посібник з використання - приклади та типові робочі процеси
• Вирішення проблем - рішення поширених проблем
• Посібник для внеску - як долучитися до цього проєкту
• Для викладачів - рекомендації для викладання та ресурси для класу

👨‍🎓 Для студентів

Повні початківці: Новачок у Data Science? Почніть з наших дружніх для початківців прикладів! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед тим, як зануритися у повну навчальну програму. Студенти: щоб використовувати цю програму самостійно, зробіть форк усього репозиторію та виконуйте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Намагайтеся створювати проекти, розуміючи уроки, а не просто копіюючи код розв’язку; однак цей код доступний у папках /solutions у кожному уроці, орієнтованому на проекти. Інша ідея — сформувати навчальну групу з друзями та проходити матеріал разом. Для подальшого вивчення рекомендуємо Microsoft Learn.

Швидкий старт:

1. Перегляньте Посібник з встановлення для налаштування середовища
2. Ознайомтеся з Посібником з використання, щоб дізнатися, як працювати з програмою
3. Почніть з уроку 1 і проходьте послідовно
4. Приєднуйтесь до нашої спільноти Discord для підтримки

👩‍🏫 Для викладачів

Викладачі: ми включили деякі пропозиції щодо використання цієї програми. Ми будемо раді вашим відгукам у нашому форумі обговорень!

Знайомтесь з командою

Гіф від Mohit Jaisal

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

Педагогіка

Ми обрали два педагогічні принципи під час створення цієї навчальної програми: забезпечення проєктного підходу та включення частих вікторин. До кінця цього циклу студенти вивчать базові принципи науки про дані, включно з етичними концепціями, підготовкою даних, різними способами роботи з даними, візуалізацією даних, аналізом даних, реальними прикладами використання науки про дані та інше.

Крім того, вікторина з низьким рівнем ризику перед заняттям налаштовує студента на вивчення теми, а друга вікторина після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма була розроблена так, щоб бути гнучкою та цікавою, і її можна проходити повністю або частково. Проєкти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу.

Знайдіть наші Кодекс поведінки, Правила внеску, Переклади. Ми радо приймаємо ваші конструктивні відгуки!

Кожен урок включає:

• Опціональну скетчноуту
• Опціональне додаткове відео
• Вікторину для розігріву перед уроком
• Письмовий урок
• Для уроків з проєктами — покрокові інструкції зі створення проєкту
• Перевірки знань
• Виклик
• Додаткове читання
• Завдання
• Вікторину після уроку

Примітка про вікторини: Всі вікторини містяться у папці Quiz-App, загалом 40 вікторин по три питання в кожній. Вони пов’язані з уроками, але додаток для вікторин можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці quiz-app. Вікторини поступово локалізуються.

🎓 Приклади для початківців

Новачок у науці про дані? Ми створили спеціальний каталог прикладів з простим, добре прокоментованим кодом, щоб допомогти вам почати:

• 🌟 Hello World — ваша перша програма з науки про дані
• 📂 Завантаження даних — навчіться читати та досліджувати набори даних
• 📊 Простий аналіз — обчислення статистики та пошук закономірностей
• 📈 Базова візуалізація — створення діаграм і графіків
• 🔬 Реальний проєкт — повний робочий процес від початку до кінця

Кожен приклад містить детальні коментарі, що пояснюють кожен крок, що робить його ідеальним для абсолютних початківців!

👉 Почніть з прикладів 👈

Уроки

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

Номер уроку	Тема	Група уроків	Цілі навчання	Посилання на урок	Автор
01	Визначення науки про дані	Вступ	Вивчити основні поняття 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, виклики та рамки етики даних.	урок	Нітія
03	Визначення даних	Вступ	Як класифікуються дані та їхні поширені 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, відомої як SQL (вимовляється «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 технік очищення та трансформації даних для подолання проблем відсутніх, неточних або неповних даних.	урок	Жасмін
09	Візуалізація кількостей	Візуалізація даних	Навчіться 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 розв’язання 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 кроку — отримання та вилучення даних.	урок	Жасмін
15	Аналіз	Життєвий цикл	Цей етап життєвого циклу науки про дані зосереджений на техніках аналізу даних.	урок	Жасмін
16	Комунікація	Життєвий цикл	Цей етап життєвого циклу науки про дані зосереджений на представленні інсайтів із даних таким чином, щоб полегшити розуміння для осіб, які 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 Low Code.	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	Проєкти, що базуються на науці про дані, у реальному світі.	урок	Нітія

GitHub Codespaces

Виконайте ці кроки, щоб відкрити цей приклад у Codespace:

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

VSCode Remote - Containers

Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері, використовуючи вашу локальну машину та VSCode з розширенням VS Code Remote - Containers:

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

Щоб використовувати цей репозиторій, ви можете або відкрити репозиторій у ізольованому Docker-томі:

Примітка: Під капотом це використовує команду Remote-Containers: Clone Repository in Container Volume... для клонування вихідного коду у Docker-том замість локальної файлової системи. Томи є рекомендованим механізмом для збереження даних контейнера.

Або відкрийте локально клоновану або завантажену версію репозиторію:

• Клонуйте цей репозиторій у 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 починайте працювати.

Офлайн-доступ

Ви можете запускати цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на ваш локальний комп’ютер, потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 на вашому локальному хості: localhost:3000.

Зверніть увагу, що ноутбуки не відображаються через Docsify, тому коли потрібно запустити ноутбук, робіть це окремо у VS Code з активованим Python-ядром.

Інші навчальні програми

Наша команда створює й інші навчальні програми! Перегляньте:

LangChain

---

Azure / Edge / MCP / Agents

---

Серія Generative AI

---

Основне навчання

---

Серія Copilot

Отримання допомоги

Виникли проблеми? Перегляньте наш Посібник з усунення несправностей для пошуку рішень поширених проблем.

Якщо ви застрягли або маєте питання щодо створення AI-додатків, приєднуйтесь до інших учнів та досвідчених розробників у обговореннях про MCP. Це підтримуюча спільнота, де вітаються питання і знання вільно обмінюються.

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

---

Відмова від відповідальності:
Цей документ було перекладено 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 рідною мовою слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується звертатися до професійного людського перекладу. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.