Data-Science-For-Beginners/translations/bg

Наука за данни за начинаещи - Учебна програма

Облачните адвокати за Azure в Microsoft с удоволствие предлагат 10-седмична, 20-урочна учебна програма, посветена на науката за данни. Всеки урок включва предварителен и последващ тест, писмени инструкции за изпълнение на урока, решение и задачи. Нашата проектно-ориентирана педагогика ви позволява да учите, докато създавате — доказан начин новите умения да се “запаметят”.

Сърдечни благодарности на нашите автори: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Специални благодарности 🙏 на нашите Microsoft Student Ambassador автори, рецензенти и съдържателни сътрудници, по-специално 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

Наука за данни за начинаещи - Скетчнот от @nitya

🌐 Многоезична поддръжка

Поддържа се чрез GitHub Action (Автоматизирано и винаги актуално)

Арабски | Бенгалски | Български | Бирмански (Мианмар) | Китайски (опростен) | Китайски (традиционен, Хонконг) | Китайски (традиционен, Макао) | Китайски (традиционен, Тайван) | Хърватски | Чешки | Датски | Нидерландски | Естонски | Фински | Френски | Немски | Гръцки | Иврит | Хинди | Унгарски | Индонезийски | Италиански | Японски | Каннада | Корейски | Литовски | Малайски | Малаялам | Маратхи | Непалски | Нигерийски пиджин | Норвежки | Персийски (Фарси) | Полски | Португалски (Бразилия) | Португалски (Португалия) | Пенджаби (Гурмухи) | Румънски | Руски | Сръбски (кирилица) | Словашки | Словенски | Испански | Свахили | Шведски | Тагалог (Филипински) | Тамилски | Телугу | Тайландски | Турски | Украински | Урду | Виетнамски

Ако желаете допълнителни преводи, поддържаните езици са изброени тук

Присъединете се към нашата общност

Провеждаме серия в Discord „Научи се с ИИ“, научете повече и се присъединете към нас на Научи се с ИИ - серия от 18 - 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за наука за данни.

Студент ли сте?

Започнете с следните ресурси:

• Страница за студентския център На тази страница ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен ваучер за сертификация. Това е страница, която си струва да запазите в отметки и да проверявате от време на време, тъй като съдържанието се обновява поне веднъж месечно.
• Microsoft Learn Student Ambassadors Присъединете се към глобална общност от студентски посланици — това може да бъде вашият път към Microsoft.

Първи стъпки

📚 Документация

• Ръководство за инсталация - Инструкции за настройка стъпка по стъпка за начинаещи
• Ръководство за използване - Примери и често използвани работни потоци
• Отстраняване на проблеми - Решения на често срещани проблеми
• Ръководство за принос - Как да допринесете за този проект
• За преподаватели - Насоки за преподаване и ресурси за класната стая

👨‍🎓 За студенти

За напълно начинаещи: Нов в науката за данни? Започнете с нашите примери за начинаещи! Тези прости, добре коментирани примери ще ви помогнат да разберете основите преди да се потопите в пълната учебна програма. Студенти: за да използвате тази учебна програма самостоятелно, направете fork на цялото хранилище и изпълнете упражненията самостоятелно, започвайки с предварителен тест преди лекцията. След това прочетете лекцията и завършете останалите дейности. Опитайте да създавате проектите, като разбирате уроците, вместо да копирате кода за решение; този код обаче е наличен в папките /solutions във всеки уроеко-ориентиран урок. Друга идея е да формирате учебна група с приятели и да преминете през съдържанието заедно. За допълнително обучение препоръчваме Microsoft Learn.

Бързо начало:

1. Прегледайте Ръководството за инсталация за настройка на вашата среда
2. Прегледайте Ръководството за използване, за да научите как да работите с учебната програма
3. Започнете с Урок 1 и работете последователно
4. Присъединете се към нашата Discord общност за подкрепа

👩‍🏫 За преподаватели

Учители: включили сме някои предложения за това как да използвате тази учебна програма. Ще се радваме на вашата обратна връзка във форума ни за дискусии!

Запознайте се с екипа

GIF от Mohit Jaisal

🎥 Кликнете върху изображението по-горе за видео за проекта хората, които го създадоха!

Педагогика

Ние избрахме две педагогически принципа при изграждането на тази учебна програма: да бъде базирана на проекти и да включва чести тестове. Към края на тази серия, студентите ще са научили основните принципи на науката за данни, включително етични концепции, подготовка на данни, различни начини на работа с данни, визуализация на данни, анализ на данни, реални случаи на използване на науката за данни и още.

В допълнение, кратък тест с нисък риск преди урок задава намерението на студента към изучаване на тема, докато втори тест след урока осигурява допълнително запаметяване. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се следва изцяло или частично. Проектите започват малки и стават все по-сложни до края на 10-седмичния цикъл.

Намерете нашите Code of Conduct, Contributing, Translation насоки. Ще се радваме на вашата конструктивна обратна връзка!

Всеки урок включва:

• Незадължителен sketchnote
• Незадължително допълнително видео
• Кратък подгряващ тест преди урока
• Писмен урок
• За уроци, базирани на проекти, ръководства стъпка по стъпка за изграждане на проекта
• Проверки на знанията
• Предизвикателство
• Допълнително четиво
• Задание
• Тест след урока

Бележка относно тестовете: Всички тестове са събрани в папката Quiz-App, общо 40 теста по три въпроса всеки. Те са свързани от уроците, но приложението за тестове може да се изпълнява локално или да се публикува в Azure; следвайте инструкциите в папката quiz-app. Те постепенно се локализират.

🎓 Примери за начинаещи

Нов/а в науката за данни? Създадохме специална examples directory с прост, добре коментиран код, за да ви помогнем да започнете:

• 🌟 Hello World - Вашата първа програма за наука за данни
• 📂 Loading Data - Научете как да четете и изследвате набори от данни
• 📊 Simple Analysis - Изчисляване на статистики и намиране на модели
• 📈 Basic Visualization - Създаване на диаграми и графики
• 🔬 Real-World Project - Пълен работен процес от началото до края

Всеки пример включва подробни коментари, обясняващи всяка стъпка, което ги прави перфектни за абсолютни начинаещи!

👉 Започнете с примерите 👈

Уроци

Наука за данни за начинаещи: Пътна карта - Скетчнот от @nitya

Номер на урока	Тема	Група уроци	Учебни цели	Свързан урок	Автор
01	Дефиниране на науката за данни	Въведение	Научете основните концепции зад науката за данни и как тя е свързана с изкуствения интелект, машинното обучение и големите данни.	урок видео	Dmitry
02	Етика в науката за данни	Въведение	Концепции за етика на данните, предизвикателства и рамки.	урок	Nitya
03	Дефиниране на данните	Въведение	Как се класифицират данните и техните общи източници.	урок	Jasmine
04	Въведение в статистиката и вероятностите	Въведение	Математическите техники на вероятностите и статистиката за разбиране на данните.	урок видео	Dmitry
05	Работа с релационни данни	Работа с данни	Въведение в релационните данни и основите при изследване и анализ на релационни данни със Structured Query Language, известен още като SQL (произнася се “see-quell”).	урок	Christopher
06	Работа с NoSQL данни	Работа с данни	Въведение в нерелационните данни, техните различни типове и основите при изследване и анализ на документно-ориентирани бази данни.	урок	Jasmine
07	Работа с Python	Работа с данни	Основи при използване на Python за изследване на данни с библиотеки като Pandas. Препоръчва се базово разбиране на програмирането с Python.	урок видео	Dmitry
08	Подготовка на данни	Работа с данни	Теми за техники за почистване и трансформация на данни, за да се справят с липсващи, неточни или непълни данни.	урок	Jasmine
09	Визуализиране на количества	Визуализация на данни	Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆	урок	Jen
10	Визуализиране на разпределенията на данните	Визуализация на данни	Визуализиране на наблюдения и тенденции в рамките на интервал.	урок	Jen
11	Визуализиране на пропорции	Визуализация на данни	Визуализиране на дискретни и групирани проценти.	урок	Jen
12	Визуализиране на връзки	Визуализация на данни	Визуализиране на връзки и корелации между набори данни и техните променливи.	урок	Jen
13	Смислени визуализации	Визуализация на данни	Техники и указания за това как да направите визуализациите си полезни за ефективно решаване на проблеми и извличане на знания.	урок	Jen
14	Въведение в жизнения цикъл на науката за данни	Жизнен цикъл	Въведение в жизнения цикъл на науката за данни и първата му стъпка - придобиване и извличане на данни.	урок	Jasmine
15	Анализ	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данните.	урок	Jasmine
16	Комуникация	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху представяне на извлечените прозрения от данните по начин, който улеснява разбирането им от вземащите решения.	урок	Jalen
17	Наука за данни в облака	Данни в облака	Тази серия от уроци въвежда науката за данни в облака и нейните предимства.	урок	Tiffany and Maud
18	Наука за данни в облака	Данни в облака	Обучение на модели с помощта на Low Code инструменти.	урок	Tiffany and Maud
19	Наука за данни в облака	Данни в облака	Разгръщане на модели с Azure Machine Learning Studio.	урок	Tiffany and Maud
20	Наука за данни в реалния свят	В реалния свят	Проекти, задвижвани от науката за данни в реалния свят.	урок	Nitya

GitHub Codespaces

Follow these steps to open this sample in a Codespace:

1. Кликнете върху падащото меню 'Code' и изберете опцията 'Open with Codespaces'.
2. Изберете + New codespace в долната част на панела. For more info, check out the GitHub documentation.

VSCode Remote - Containers

Follow these steps to open this repo in a container using your local machine and VSCode using the VS Code Remote - Containers extension:

1. If this is your first time using a development container, please ensure your system meets the pre-reqs (i.e. have Docker installed) in the getting started documentation.

To use this repository, you can either open the repository in an isolated Docker volume:

Забележка: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

• Клонирайте този репозитория на локалната си файлова система.
• Натиснете F1 и изберете командата Remote-Containers: Open Folder in Container....
• Изберете клонираното копие на тази папка, изчакайте контейнерът да се стартира и опитайте.

Offline access

You can run this documentation offline by using Docsify. Fork this repo, install Docsify on your local machine, then in the root folder of this repo, type docsify serve. The website will be served on port 3000 on your localhost: localhost:3000.

Забележка, notebook файловете няма да бъдат визуализирани чрез Docsify, така че когато трябва да стартирате notebook, направете това отделно във VS Code, използвайки Python kernel.

Other Curricula

Our team produces other curricula! Check out:

LangChain

---

Azure / Edge / MCP / Agents

---

Серия за генеративен ИИ

---

Основно обучение

---

Серия Copilot

Получаване на помощ

Имате проблеми? Проверете нашето Ръководство за отстраняване на проблеми за решения на често срещани проблеми.

Ако се затрудните или имате въпроси относно създаването на AI приложения, присъединете се към други учащи се и опитни разработчици в дискусиите за MCP. Това е подкрепяща общност, в която въпросите са добре дошли и знанието се споделя свободно.

Ако имате обратна връзка за продукта или възникнат грешки по време на разработка, посетете:

---

Отказ от отговорност: Този документ е преведен с помощта на услуга за машинен превод с изкуствен интелект Co-op Translator (https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ в оригиналния си език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, произтичащи от използването на този превод.