Data-Science-For-Beginners/translations/el

Data Science for Beginners - A Curriculum

Οι Azure Cloud Advocates στη Microsoft είναι στην ευχάριστη θέση να προσφέρουν ένα πρόγραμμα 10 εβδομάδων, 20 μαθημάτων όλο για την Επιστήμη Δεδομένων. Κάθε μάθημα περιλαμβάνει προ-μάθημα και μετα-μάθημα κουίζ, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, μια λύση και μια ανάθεση. Η παιδαγωγική μας βασισμένη σε έργα σας επιτρέπει να μαθαίνετε ενώ χτίζετε, ένας αποδεδειγμένος τρόπος για να "καθίσουν" οι νέες δεξιότητες.

Θερμές ευχαριστίες στους συγγραφείς μας: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Ειδικές ευχαριστίες 🙏 σε συγγραφείς, κριτές και συνεισφέροντες περιεχομένου από το πρόγραμμα Microsoft Student Ambassador, ειδικότερα 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

Επιστήμη Δεδομένων για Αρχάριους - Σκίτσο από @nitya

🌐 Υποστήριξη πολλαπλών γλωσσών

Υποστηρίζεται μέσω GitHub Action (Αυτοματοποιημένο & Πάντα Ενημερωμένο)

Αραβικά | Μπενγκάλι | Βουλγαρικά | Βιρμανικά (Μυανμάρ) | Κινέζικα (Απλοποιημένα) | Κινέζικα (Παραδοσιακά, Χονγκ Κονγκ) | Κινέζικα (Παραδοσιακά, Μακάο) | Κινέζικα (Παραδοσιακά, Ταϊβάν) | Κροατικά | Τσέχικα | Δανικά | Ολλανδικά | Εσθονικά | Φινλανδικά | Γαλλικά | Γερμανικά | Ελληνικά | Εβραϊκά | Χίντι | Ουγγρικά | Ινδονησιακά | Ιταλικά | Ιαπωνικά | Κανάντα | Κορεατικά | Λιθουανικά | Μαλαικά | Μαλαγιάλαμ | Μαράθι | Νεπάλι | Νιγηριανό Πίτζιν | Νορβηγικά | Περσικά (Φαρσί) | Πολωνικά | Πορτογαλικά (Βραζιλίας) | Πορτογαλικά (Πορτογαλίας) | Πουντζάμπι (Gurmukhi) | Ρουμανικά | Ρωσικά | Σερβικά (Κυριλλικά) | Σλοβακικά | Σλοβενικά | Ισπανικά | Σουαχίλι | Σουηδικά | Ταγκαλόγκ (Φιλιππινέζικα) | Ταμίλ | Τελούγκου | Ταϊλανδικά | Τουρκικά | Ουκρανικά | Ουρντού | Βιετναμέζικα

Εάν επιθυμείτε πρόσθετες μεταφράσεις, οι υποστηριζόμενες γλώσσες αναφέρονται εδώ

Ελάτε στην κοινότητά μας

Διεξάγουμε μια σειρά στο Discord με τίτλο «Μάθηση με AI», μάθετε περισσότερα και ελάτε μαζί μας στη Σειρά Μάθησης με AI από τις 18 έως τις 30 Σεπτεμβρίου 2025. Θα λάβετε συμβουλές και κόλπα για τη χρήση του GitHub Copilot για την Επιστήμη Δεδομένων.

Είσαι φοιτητής;

Ξεκίνα με τους ακόλουθους πόρους:

• Σελίδα Student Hub Σε αυτή τη σελίδα, θα βρείτε πόρους για αρχάριους, πακέτα για φοιτητές και ακόμη τρόπους να αποκτήσετε ένα δωρεάν κουπόνι πιστοποίησης. Αυτή είναι μια σελίδα που θέλετε να σελιδοδείξετε και να ελέγχετε από καιρό σε καιρό καθώς αλλάζουμε το περιεχόμενο τουλάχιστον μηνιαίως.
• Microsoft Learn Student Ambassadors Εγγραφείτε σε μια παγκόσμια κοινότητα φοιτητών πρεσβευτών, αυτό μπορεί να είναι ο τρόπος σας για να μπείτε στη Microsoft.

Ξεκινώντας

📚 Τεκμηρίωση

• Οδηγός Εγκατάστασης - Οδηγίες εγκατάστασης βήμα προς βήμα για αρχάριους
• Οδηγός Χρήσης - Παραδείγματα και κοινά ροή εργασίας
• Αντιμετώπιση Προβλημάτων - Λύσεις για κοινά ζητήματα
• Οδηγός Συνεισφοράς - Πώς να συνεισφέρετε σε αυτό το έργο
• Για Εκπαιδευτικούς - Οδηγίες διδασκαλίας και πόροι για την τάξη

👨‍🎓 Για Φοιτητές

Πλήρως Αρχάριοι: Νέος στην επιστήμη των δεδομένων; Ξεκίνα με τα παραδείγματα για αρχάριους! Αυτά τα απλά, καλά σχολιασμένα παραδείγματα θα σας βοηθήσουν να κατανοήσετε τα βασικά πριν βουτήξετε στο πλήρες πρόγραμμα σπουδών. Φοιτητές: για να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών μόνοι σας, κάντε fork ολόκληρο το repo και ολοκληρώστε τις ασκήσεις μόνοι σας, ξεκινώντας με ένα προ-μάθημα κουίζ. Στη συνέχεια διαβάστε το μάθημα και ολοκληρώστε τις υπόλοιπες δραστηριότητες. Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να αντιγράψετε τον κώδικα λύσης· ωστόσο, αυτός ο κώδικας είναι διαθέσιμος στους φακέλους /solutions σε κάθε μάθημα προσανατολισμένο σε έργα. Μια άλλη ιδέα είναι να σχηματίσετε μια ομάδα μελέτης με φίλους και να περάσετε το περιεχόμενο μαζί. Για περαιτέρω μελέτη, προτείνουμε το Microsoft Learn.

Γρήγορη εκκίνηση:

1. Ελέγξτε τον Οδηγό Εγκατάστασης για να ρυθμίσετε το περιβάλλον σας
2. Ανασκοπήστε τον Οδηγό Χρήσης για να μάθετε πώς να εργάζεστε με το πρόγραμμα σπουδών
3. Ξεκινήστε με το Μάθημα 1 και προχωρήστε κατά σειρά
4. Ελάτε στην κοινότητα μας στο Discord για υποστήριξη

👩‍🏫 Για Εκπαιδευτικούς

Εκπαιδευτικοί: έχουμε περιλάβει μερικές προτάσεις σχετικά με το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών. Θα θέλαμε πολύ τα σχόλιά σας στο φόρουμ συζητήσεών μας!

Γνωρίστε την Ομάδα

Gif από Mohit Jaisal

🎥 Κάντε κλικ στην εικόνα παραπάνω για ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν!

Παιδαγωγική

Έχουμε επιλέξει δύο παιδαγωγικές αρχές κατά την ανάπτυξη αυτού του προγράμματος σπουδών: να είναι βασισμένο σε έργα και να περιλαμβάνει συχνά κουίζ. Μέχρι το τέλος αυτής της σειράς, οι μαθητές θα έχουν μάθει βασικές αρχές της επιστήμης δεδομένων, συμπεριλαμβανομένων ηθικών εννοιών, προετοιμασίας δεδομένων, διαφορετικών τρόπων εργασίας με δεδομένα, οπτικοποίησης δεδομένων, ανάλυσης δεδομένων, πραγματικών εφαρμογών της επιστήμης δεδομένων και άλλα.

Επιπλέον, ένα κουίζ χαμηλού ρίσκου πριν το μάθημα θέτει την πρόθεση του μαθητή για την εκμάθηση ενός θέματος, ενώ ένα δεύτερο κουίζ μετά το μάθημα εξασφαλίζει περαιτέρω διατήρηση. Αυτό το πρόγραμμα σπουδών σχεδιάστηκε για να είναι ευέλικτο και διασκεδαστικό και μπορεί να ληφθεί ολόκληρο ή μεμονωμένα. Τα έργα ξεκινούν μικρά και γίνονται ολοένα και πιο σύνθετα μέχρι το τέλος του κύκλου των 10 εβδομάδων.

Βρείτε τον Κώδικα Συμπεριφοράς, τις Οδηγίες Συμμετοχής, τις Οδηγίες Μετάφρασης. Καλωσορίζουμε τις εποικοδομητικές σας παρατηρήσεις!

Κάθε μάθημα περιλαμβάνει:

• Προαιρετικό σκιτσο-σημείωμα
• Προαιρετικό συμπληρωματικό βίντεο
• Κουίζ προθέρμανσης πριν το μάθημα
• Γραπτό μάθημα
• Για μαθήματα με βάση έργα, βήμα-βήμα οδηγίες για το πώς να κατασκευάσετε το έργο
• Έλεγχοι γνώσεων
• Μία πρόκληση
• Συμπληρωματική ανάγνωση
• Ανάθεση
• Κουίζ μετά το μάθημα

Μία σημείωση σχετικά με τα κουίζ: Όλα τα κουίζ περιέχονται στο φάκελο Quiz-App, συνολικά 40 κουίζ με τρεις ερωτήσεις το καθένα. Συνδέονται από τα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να εκτελεστεί τοπικά ή να αναπτυχθεί στο Azure· ακολουθήστε τις οδηγίες στο φάκελο quiz-app. Το περιεχόμενο τοπικοποιείται σταδιακά.

🎓 Παραδείγματα Φιλικά για Αρχάριους

Νεοεισερχόμενος στην Επιστήμη Δεδομένων; Δημιουργήσαμε έναν ειδικό φάκελο παραδειγμάτων με απλό, καλά σχολιασμένο κώδικα για να σας βοηθήσει να ξεκινήσετε:

• 🌟 Hello World - Το πρώτο σας πρόγραμμα επιστήμης δεδομένων
• 📂 Φόρτωση Δεδομένων - Μάθετε να διαβάζετε και να εξερευνάτε σύνολα δεδομένων
• 📊 Απλή Ανάλυση - Υπολογίστε στατιστικά και βρείτε πρότυπα
• 📈 Βασική Οπτικοποίηση - Δημιουργήστε διαγράμματα και γραφήματα
• 🔬 Πραγματικό Έργο - Πλήρης ροή εργασίας από την αρχή έως το τέλος

Κάθε παράδειγμα περιλαμβάνει λεπτομερή σχόλια που εξηγούν κάθε βήμα, καθιστώντας το ιδανικό για απόλυτους αρχάριους!

👉 Ξεκινήστε με τα παραδείγματα 👈

Μαθήματα

Επιστήμη Δεδομένων για Αρχάριους: Οδικός χάρτης - Σκιτσο-σημείωση από @nitya

Αριθμός Μαθήματος	Θέμα	Ομαδοποίηση Μαθήματος	Στόχοι Μάθησης	Συνδεδεμένο Μάθημα	Συγγραφέας
01	Ορισμός της Επιστήμης Δεδομένων	Εισαγωγή	Μάθετε τις βασικές έννοιες της επιστήμης δεδομένων και πώς σχετίζεται με την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τα big data.	μάθημα βίντεο	Dmitry
02	Ηθική στην Επιστήμη Δεδομένων	Εισαγωγή	Έννοιες ηθικής στα δεδομένα, προκλήσεις & πλαίσια.	μάθημα	Nitya
03	Ορισμός των Δεδομένων	Εισαγωγή	Πώς ταξινομούνται τα δεδομένα και οι κοινές τους πηγές.	μάθημα	Jasmine
04	Εισαγωγή στη Στατιστική & την Πιθανοθεωρία	Εισαγωγή	Οι μαθηματικές τεχνικές της πιθανοθεωρίας και της στατιστικής για την κατανόηση των δεδομένων.	μάθημα βίντεο	Dmitry
05	Εργασία με Σχεσιακά Δεδομένα	Εργασία με Δεδομένα	Εισαγωγή στα σχεσιακά δεδομένα και τα βασικά της εξερεύνησης και ανάλυσης σχεσιακών δεδομένων με τη Structured Query Language, γνωστή και ως SQL (προφέρεται “σι-κουελ”).	μάθημα	Christopher
06	Εργασία με NoSQL Δεδομένα	Εργασία με Δεδομένα	Εισαγωγή στα μη σχεσιακά δεδομένα, τους διάφορους τύπους τους και τα βασικά της εξερεύνησης και ανάλυσης βάσεων δεδομένων τύπου εγγράφου.	μάθημα	Jasmine
07	Εργασία με Python	Εργασία με Δεδομένα	Βασικά της χρήσης της Python για εξερεύνηση δεδομένων με βιβλιοθήκες όπως η Pandas. Συνιστάται βασική κατανόηση του προγραμματισμού σε Python.	μάθημα βίντεο	Dmitry
08	Προετοιμασία Δεδομένων	Εργασία με Δεδομένα	Θέματα τεχνικών καθαρισμού και μετασχηματισμού των δεδομένων για την αντιμετώπιση προκλήσεων όπως ελλείπουσες, ανακριβείς ή ελλιπείς τιμές.	μάθημα	Jasmine
09	Οπτικοποίηση Ποσοτήτων	Οπτικοποίηση Δεδομένων	Μάθετε πώς να χρησιμοποιείτε το Matplotlib για να οπτικοποιήσετε δεδομένα για πτηνά 🦆	μάθημα	Jen
10	Οπτικοποίηση Κατανομών Δεδομένων	Οπτικοποίηση Δεδομένων	Οπτικοποίηση παρατηρήσεων και τάσεων εντός ενός διαστήματος.	μάθημα	Jen
11	Οπτικοποίηση Ποσοστών	Οπτικοποίηση Δεδομένων	Οπτικοποίηση διακριτών και ομαδοποιημένων ποσοστών.	μάθημα	Jen
12	Οπτικοποίηση Σχέσεων	Οπτικοποίηση Δεδομένων	Οπτικοποίηση συνδέσεων και συσχετίσεων μεταξύ συνόλων δεδομένων και των μεταβλητών τους.	μάθημα	Jen
13	Σημαντικές Οπτικοποιήσεις	Οπτικοποίηση Δεδομένων	Τεχνικές και οδηγίες για τη δημιουργία οπτικοποιήσεων που είναι πολύτιμες για αποτελεσματική επίλυση προβλημάτων και εξαγωγή συμπερασμάτων.	μάθημα	Jen
14	Εισαγωγή στον κύκλο ζωής της επιστήμης δεδομένων	Κύκλος Ζωής	Εισαγωγή στον κύκλο ζωής της επιστήμης δεδομένων και το πρώτο του βήμα της απόκτησης και εξαγωγής δεδομένων.	μάθημα	Jasmine
15	Ανάλυση	Κύκλος Ζωής	Αυτό το στάδιο του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται σε τεχνικές ανάλυσης δεδομένων.	μάθημα	Jasmine
16	Επικοινωνία	Κύκλος Ζωής	Αυτό το στάδιο του κύκλου ζωής της επιστήμης δεδομένων επικεντρώνεται στην παρουσίαση των ευρημάτων από τα δεδομένα με τρόπο που διευκολύνει τους λήπτες αποφάσεων να κατανοήσουν.	μάθημα	Jalen
17	Επιστήμη Δεδομένων στο Cloud	Δεδομένα στο Cloud	Αυτή η σειρά μαθημάτων εισάγει την επιστήμη δεδομένων στο cloud και τα οφέλη της.	μάθημα	Tiffany and Maud
18	Επιστήμη Δεδομένων στο Cloud	Δεδομένα στο Cloud	Εκπαίδευση μοντέλων χρησιμοποιώντας εργαλεία Low Code.	μάθημα	Tiffany and Maud
19	Επιστήμη Δεδομένων στο Cloud	Δεδομένα στο Cloud	Ανάπτυξη μοντέλων με Azure Machine Learning Studio.	μάθημα	Tiffany and Maud
20	Επιστήμη Δεδομένων στον Πραγματικό Κόσμο	Στον Πραγματικό Κόσμο	Έργα καθοδηγούμενα από την επιστήμη δεδομένων στον πραγματικό κόσμο.	μάθημα	Nitya

GitHub Codespaces

Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το δείγμα σε ένα Codespace:

1. Κάντε κλικ στο αναπτυσσόμενο μενού Code και επιλέξτε την επιλογή Open with Codespaces.
2. Επιλέξτε + New codespace στο κάτω μέρος του παραθύρου. Για περισσότερες πληροφορίες, δείτε την τεκμηρίωση του GitHub.

VSCode Remote - Containers

Ακολουθήστε αυτά τα βήματα για να ανοίξετε αυτό το αποθετήριο σε ένα container χρησιμοποιώντας τη τοπική σας μηχανή και το VSCode χρησιμοποιώντας την επέκταση VS Code Remote - Containers:

1. Εάν είναι η πρώτη φορά που χρησιμοποιείτε ένα development container, βεβαιωθείτε ότι το σύστημά σας πληροί τις προϋποθέσεις (π.χ. έχετε εγκατεστημένο το Docker) στην τεκμηρίωση εκκίνησης.

Για να χρησιμοποιήσετε αυτό το αποθετήριο, μπορείτε είτε να ανοίξετε το αποθετήριο σε έναν απομονωμένο όγκο Docker:

Σημείωση: Στο παρασκήνιο, αυτό θα χρησιμοποιήσει την εντολή Remote-Containers: Clone Repository in Container Volume... για να κλωνοποιήσει τον πηγαίο κώδικα σε έναν όγκο Docker αντί του τοπικού συστήματος αρχείων. Volumes είναι ο προτιμώμενος μηχανισμός για τη διατήρηση των δεδομένων του container.

Ή ανοίξτε μια τοπικά κλωνοποιημένη ή ληφθείσα έκδοση του αποθετηρίου:

• Κλωνοποιήστε αυτό το αποθετήριο στο τοπικό σας σύστημα αρχείων.
• Πατήστε F1 και επιλέξτε την εντολή Remote-Containers: Open Folder in Container....
• Επιλέξτε το κλωνοποιημένο αντίγραφο αυτού του φακέλου, περιμένετε να ξεκινήσει το container και δοκιμάστε.

Offline access

Μπορείτε να εκτελέσετε αυτή την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το Docsify. Fork αυτό το repo, εγκαταστήσετε το Docsify στη τοπική σας μηχανή, στη συνέχεια στον ριζικό φάκελο αυτού του αποθετηρίου πληκτρολογήστε docsify serve. Ο ιστότοπος θα σερβίρεται στην θύρα 3000 στον τοπικό σας διακομιστή: localhost:3000.

Σημείωση, τα σημειωματάρια (notebooks) δεν θα αποδοθούν μέσω του Docsify, οπότε όταν χρειαστεί να εκτελέσετε ένα σημειωματάριο, κάντε το ξεχωριστά στο VS Code εκτελώντας έναν Python kernel.

Άλλα Προγράμματα Σπουδών

Η ομάδα μας παράγει και άλλα προγράμματα σπουδών! Δείτε:

LangChain

---

Azure / Edge / MCP / Agents

---

Σειρά Γενετικής AI

---

Βασική Μάθηση

---

Σειρά Copilot

Λήψη Βοήθειας

Αν αντιμετωπίζετε προβλήματα; Δείτε τον Οδηγό Επίλυσης Προβλημάτων για λύσεις σε συνήθη προβλήματα.

Εάν κολλήσετε ή έχετε οποιεσδήποτε ερωτήσεις σχετικά με την κατασκευή εφαρμογών AI, συμμετάσχετε με άλλους μαθητευόμενους και έμπειρους προγραμματιστές στις συζητήσεις για το MCP. Είναι μια υποστηρικτική κοινότητα όπου οι ερωτήσεις είναι ευπρόσδεκτες και οι γνώσεις μοιράζονται ελεύθερα.

Εάν έχετε σχόλια για το προϊόν ή σφάλματα κατά την κατασκευή, επισκεφτείτε:

---

Αποποίηση ευθυνών: Το παρόν έγγραφο έχει μεταφραστεί με χρήση της υπηρεσίας μετάφρασης τεχνητής νοημοσύνης Co-op Translator. Παρόλο που επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στην αρχική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.