Data-Science-For-Beginners/translations/vi

Khoa học Dữ liệu cho Người mới bắt đầu - Chương trình học

Các Chuyên gia Cloud Azure tại Microsoft rất vui được cung cấp một chương trình học 10 tuần, 20 bài học toàn về Khoa học Dữ liệu. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, một giải pháp và một bài tập. Phương pháp học dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới "bám chắc".

Xin chân thành cảm ơn các tác giả của chúng tôi: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Cảm ơn đặc biệt 🙏 tới các tác giả, người đánh giá và người đóng góp nội dung Đại sứ Sinh viên Microsoft, đặc biệt là 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

Khoa học Dữ liệu cho Người mới bắt đầu - Sketchnote bởi @nitya

🌐 Hỗ trợ Đa ngôn ngữ

Hỗ trợ qua GitHub Action (Tự động & Luôn Cập nhật)

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

Nếu bạn muốn có thêm các ngôn ngữ dịch được hỗ trợ, danh sách có tại đây

Tham gia Cộng đồng của chúng tôi

Chúng tôi có một chuỗi học tập trên Discord với chủ đề AI đang diễn ra, tìm hiểu thêm và tham gia cùng chúng tôi tại Chuỗi học với AI từ ngày 18 - 30 tháng 9, 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.

Bạn là sinh viên?

Bắt đầu với các tài nguyên sau:

• Trang Trung tâm Sinh viên Trong trang này, bạn sẽ tìm thấy tài nguyên dành cho người mới bắt đầu, bộ dụng cụ Sinh viên và thậm chí cả cách nhận phiếu chứng nhận miễn phí. Đây là một trang bạn nên đánh dấu và kiểm tra định kỳ vì chúng tôi thay đổi nội dung ít nhất hàng tháng.
• Đại sứ Sinh viên Microsoft Tham gia cộng đồng đại sứ sinh viên toàn cầu, đây có thể là con đường của bạn vào Microsoft.

Bắt đầu

📚 Tài liệu

• Hướng dẫn Cài đặt - Hướng dẫn từng bước thiết lập cho người mới bắt đầu
• Hướng dẫn Sử dụng - Ví dụ và quy trình làm việc phổ biến
• Khắc phục sự cố - Giải pháp cho các vấn đề thường gặp
• Hướng dẫn Đóng góp - Cách đóng góp cho dự án này
• Dành cho Giáo viên - Hướng dẫn giảng dạy và tài nguyên lớp học

👨‍🎓 Dành cho Sinh viên

Người mới hoàn toàn: Mới bắt đầu với khoa học dữ liệu? Bắt đầu với các ví dụ thân thiện với người mới! Những ví dụ đơn giản, có chú thích rõ ràng này sẽ giúp bạn hiểu các kiến thức cơ bản trước khi đi sâu vào toàn bộ chương trình học. Sinh viên: để sử dụng chương trình học này một mình, hãy fork toàn bộ repo và hoàn thành các bài tập một mình, bắt đầu với bài kiểm tra trước bài giảng. Sau đó đọc bài giảng và hoàn thành các hoạt động còn lại. Cố gắng tạo các dự án bằng cách hiểu bài học thay vì sao chép mã giải pháp; tuy nhiên, mã đó có sẵn trong các thư mục /solutions trong mỗi bài học hướng dự án. Một ý tưởng khác là thành lập nhóm học với bạn bè và cùng nhau học nội dung. Để học thêm, chúng tôi khuyên dùng Microsoft Learn.

Bắt đầu nhanh:

1. Kiểm tra Hướng dẫn Cài đặt để thiết lập môi trường của bạn
2. Xem lại Hướng dẫn Sử dụng để học cách làm việc với chương trình học
3. Bắt đầu với Bài học 1 và làm tuần tự
4. Tham gia cộng đồng Discord của chúng tôi để được hỗ trợ

👩‍🏫 Dành cho Giáo viên

Giáo viên: chúng tôi đã bao gồm một số gợi ý về cách sử dụng chương trình học này. Chúng tôi rất mong nhận được phản hồi của bạn trong diễn đàn thảo luận của chúng tôi!

Gặp gỡ Đội ngũ

Gif bởi Mohit Jaisal

🎥 Nhấp vào hình ảnh ở trên để xem video về dự án và những người đã tạo ra nó!

Phương pháp giảng dạy

Chúng tôi đã chọn hai nguyên tắc sư phạm khi xây dựng chương trình học này: đảm bảo rằng nó dựa trên dự án và bao gồm các bài kiểm tra thường xuyên. Vào cuối chuỗi bài học này, học viên sẽ học được các nguyên tắc cơ bản của khoa học dữ liệu, bao gồm các khái niệm đạo đức, chuẩn bị dữ liệu, các cách làm việc khác nhau với dữ liệu, trực quan hóa dữ liệu, phân tích dữ liệu, các trường hợp sử dụng thực tế của khoa học dữ liệu và nhiều hơn nữa.

Ngoài ra, một bài kiểm tra nhẹ trước lớp giúp học viên định hướng mục tiêu học tập về một chủ đề, trong khi bài kiểm tra thứ hai sau lớp đảm bảo việc ghi nhớ lâu hơn. Chương trình học này được thiết kế linh hoạt và thú vị, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn theo chu kỳ 10 tuần.

Tìm Bộ Quy tắc Ứng xử, Hướng dẫn Đóng góp, Hướng dẫn Dịch thuật của chúng tôi. Chúng tôi hoan nghênh phản hồi xây dựng của bạn!

Mỗi bài học bao gồm:

• Sketchnote tùy chọn
• Video bổ sung tùy chọn
• Bài kiểm tra khởi động trước bài học
• Bài học viết
• Đối với các bài học dựa trên dự án, hướng dẫn từng bước cách xây dựng dự án
• Kiểm tra kiến thức
• Thử thách
• Đọc thêm bổ sung
• Bài tập
• Bài kiểm tra sau bài học

Lưu ý về các bài kiểm tra: Tất cả các bài kiểm tra được chứa trong thư mục Quiz-App, tổng cộng 40 bài kiểm tra với mỗi bài gồm ba câu hỏi. Chúng được liên kết trong các bài học, nhưng ứng dụng kiểm tra có thể chạy cục bộ hoặc triển khai trên Azure; làm theo hướng dẫn trong thư mục quiz-app. Chúng đang dần được bản địa hóa.

🎓 Ví dụ thân thiện với người mới bắt đầu

Mới với Khoa học Dữ liệu? Chúng tôi đã tạo một thư mục ví dụ đặc biệt với mã đơn giản, có chú thích rõ ràng để giúp bạn bắt đầu:

• 🌟 Hello World - Chương trình khoa học dữ liệu đầu tiên của bạn
• 📂 Tải Dữ liệu - Học cách đọc và khám phá bộ dữ liệu
• 📊 Phân tích Đơn giản - Tính toán thống kê và tìm mẫu
• 📈 Trực quan hóa Cơ bản - Tạo biểu đồ và đồ thị
• 🔬 Dự án Thực tế - Quy trình hoàn chỉnh từ đầu đến cuối

Mỗi ví dụ bao gồm các chú thích chi tiết giải thích từng bước, rất phù hợp cho người mới bắt đầu hoàn toàn!

👉 Bắt đầu với các ví dụ 👈

Các bài học

Khoa học Dữ liệu cho Người mới bắt đầu: Lộ trình - Sketchnote bởi @nitya

Số bài học	Chủ đề	Nhóm bài học	Mục tiêu học tập	Bài học liên kết	Tác giả
01	Định nghĩa Khoa học Dữ liệu	Giới thiệu	Học các khái niệm cơ bản về khoa học dữ liệu và cách nó liên quan đến trí tuệ nhân tạo, học máy và dữ liệu lớn.	bài học video	Dmitry
02	Đạo đức Khoa học Dữ liệu	Giới thiệu	Các khái niệm, thách thức và khung đạo đức dữ liệu.	bài học	Nitya
03	Định nghĩa Dữ liệu	Giới thiệu	Cách phân loại dữ liệu và các nguồn phổ biến.	bài học	Jasmine
04	Giới thiệu về Thống kê & Xác suất	Giới thiệu	Các kỹ thuật toán học về xác suất và thống kê để hiểu dữ liệu.	bài học video	Dmitry
05	Làm việc với Dữ liệu Quan hệ	Làm việc với Dữ liệu	Giới thiệu về dữ liệu quan hệ và các kiến thức cơ bản về khám phá và phân tích dữ liệu quan hệ với Ngôn ngữ Truy vấn Cấu trúc, còn gọi là SQL (phát âm “see-quell”).	bài học	Christopher
06	Làm việc với Dữ liệu NoSQL	Làm việc với Dữ liệu	Giới thiệu về dữ liệu phi quan hệ, các loại khác nhau và kiến thức cơ bản về khám phá và phân tích cơ sở dữ liệu tài liệu.	bài học	Jasmine
07	Làm việc với Python	Làm việc với Dữ liệu	Kiến thức cơ bản về sử dụng Python để khám phá dữ liệu với các thư viện như Pandas. Khuyến nghị có hiểu biết nền tảng về lập trình Python.	bài học video	Dmitry
08	Chuẩn bị Dữ liệu	Làm việc với Dữ liệu	Các chủ đề về kỹ thuật dữ liệu để làm sạch và biến đổi dữ liệu nhằm xử lý các thách thức về dữ liệu thiếu, không chính xác hoặc không đầy đủ.	bài học	Jasmine
09	Trực quan hóa Số lượng	Trực quan hóa Dữ liệu	Học cách sử dụng Matplotlib để trực quan hóa dữ liệu chim 🦆	bài học	Jen
10	Trực quan hóa Phân phối Dữ liệu	Trực quan hóa Dữ liệu	Trực quan hóa các quan sát và xu hướng trong một khoảng.	bài học	Jen
11	Trực quan hóa Tỷ lệ	Trực quan hóa Dữ liệu	Trực quan hóa phần trăm rời rạc và nhóm.	bài học	Jen
12	Trực quan hóa Mối quan hệ	Trực quan hóa Dữ liệu	Trực quan hóa các kết nối và tương quan giữa các bộ dữ liệu và các biến của chúng.	bài học	Jen
13	Trực quan hóa Có ý nghĩa	Trực quan hóa Dữ liệu	Kỹ thuật và hướng dẫn để làm cho các trực quan hóa của bạn có giá trị cho việc giải quyết vấn đề và thu thập thông tin hiệu quả.	bài học	Jen
14	Giới thiệu về vòng đời Khoa học Dữ liệu	Vòng đời	Giới thiệu về vòng đời khoa học dữ liệu và bước đầu tiên là thu thập và trích xuất dữ liệu.	bài học	Jasmine
15	Phân tích	Vòng đời	Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào các kỹ thuật phân tích dữ liệu.	bài học	Jasmine
16	Giao tiếp	Vòng đời	Giai đoạn này của vòng đời khoa học dữ liệu tập trung vào việc trình bày các thông tin thu thập được từ dữ liệu theo cách giúp người ra quyết định dễ hiểu hơn.	bài học	Jalen
17	Khoa học Dữ liệu trên Đám mây	Dữ liệu Đám mây	Chuỗi bài học này giới thiệu khoa học dữ liệu trên đám mây và các lợi ích của nó.	bài học	Tiffany và Maud
18	Khoa học Dữ liệu trên Đám mây	Dữ liệu Đám mây	Huấn luyện mô hình sử dụng công cụ Low Code.	bài học	Tiffany và Maud
19	Khoa học Dữ liệu trên Đám mây	Dữ liệu Đám mây	Triển khai mô hình với Azure Machine Learning Studio.	bài học	Tiffany và Maud
20	Khoa học Dữ liệu trong Thực tế	Trong Thực tế	Các dự án khoa học dữ liệu trong thế giới thực.	bài học	Nitya

GitHub Codespaces

Thực hiện các bước sau để mở mẫu này trong Codespace:

1. Nhấp vào menu thả xuống Code và chọn tùy chọn Open with Codespaces.
2. Chọn + New codespace ở dưới cùng của bảng điều khiển. Để biết thêm thông tin, xem tài liệu GitHub.

VSCode Remote - Containers

Thực hiện các bước sau để mở kho lưu trữ này trong container sử dụng máy cục bộ và VSCode với tiện ích mở rộng VS Code Remote - Containers:

1. Nếu đây là lần đầu bạn sử dụng container phát triển, hãy đảm bảo hệ thống của bạn đáp ứng các yêu cầu trước (ví dụ đã cài Docker) trong tài liệu bắt đầu.

Để sử dụng kho lưu trữ này, bạn có thể mở kho lưu trữ trong một volume Docker riêng biệt:

Lưu ý: Về cơ bản, điều này sẽ sử dụng lệnh Remote-Containers: Clone Repository in Container Volume... để sao chép mã nguồn vào volume Docker thay vì hệ thống tập tin cục bộ. Volumes là cơ chế ưu tiên để lưu trữ dữ liệu container.

Hoặc mở phiên bản kho lưu trữ đã sao chép hoặc tải về cục bộ:

• Sao chép kho lưu trữ này vào hệ thống tập tin cục bộ của bạn.
• Nhấn F1 và chọn lệnh Remote-Containers: Open Folder in Container....
• Chọn bản sao đã sao chép của thư mục này, chờ container khởi động và thử nghiệm.

Truy cập ngoại tuyến

Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng Docsify. Fork repo này, cài đặt Docsify trên máy cục bộ của bạn, sau đó trong thư mục gốc của repo này, gõ docsify serve. Trang web sẽ được phục vụ trên cổng 3000 tại localhost của bạn: localhost:3000.

Lưu ý, các notebook sẽ không được hiển thị qua Docsify, vì vậy khi bạn cần chạy notebook, hãy làm điều đó riêng biệt trong VS Code với kernel Python.

Các chương trình học khác

Nhóm của chúng tôi còn sản xuất các chương trình học khác! Hãy xem:

LangChain

---

Azure / Edge / MCP / Agents

---

Chuỗi AI Tạo Sinh

---

Học Tập Cốt Lõi

---

Chuỗi Copilot

Nhận Trợ Giúp

Gặp sự cố? Hãy xem Hướng dẫn Khắc phục Sự cố của chúng tôi để tìm giải pháp cho các vấn đề phổ biến.

Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng những người học khác và các nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi các câu hỏi được chào đón và kiến thức được chia sẻ tự do.

Nếu bạn có phản hồi về sản phẩm hoặc gặp lỗi khi xây dựng, hãy truy cập:

---

Tuyên bố từ chối trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ gốc của nó nên được coi là nguồn chính xác và đáng tin cậy. Đối với thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc giải thích sai nào phát sinh từ việc sử dụng bản dịch này.