msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'cd575a82b7'
${ noResults }
Data-Science-For-Beginners/translations/ja/examples
History
leestott 57edd69619
🌐 Update translations via Co-op Translator 		4 months ago
..
README.md 🌐 Update translations via Co-op Translator 4 months ago

README.md
Escape

初心者向けデータサイエンスの例

例のディレクトリへようこそ！このコレクションは、シンプルでコメントが充実した例を集めたもので、データサイエンスを始めたい初心者の方に最適です。

📚 ここで見つかるもの

各例は独立しており、以下を含みます：

  • 明確なコメント：各ステップを丁寧に説明
  • シンプルで読みやすいコード：1つの概念を1度に学べる
  • 実際の状況に即した内容：いつ、なぜその技術を使うのか理解できる
  • 期待される出力：何を目指すべきかが分かる

🚀 始め方

必要条件

これらの例を実行する前に、以下を準備してください：

  • Python 3.7以上がインストールされていること
  • Pythonスクリプトの実行方法の基本的な理解

必要なライブラリのインストール

pip install pandas numpy matplotlib

📖 例の概要

1. Hello World - データサイエンス編

ファイル名: 01_hello_world_data_science.py

最初のデータサイエンスプログラム！以下を学びます：

  • シンプルなデータセットの読み込み
  • データの基本情報を表示
  • 最初のデータサイエンス出力を表示

データサイエンスを初めて体験する方に最適です。

2. データの読み込みと探索

ファイル名: 02_loading_data.py

データ操作の基本を学びます：

  • CSVファイルからデータを読み込む
  • データセットの最初の数行を表示
  • データの基本統計を取得
  • データ型を理解

これは、ほとんどのデータサイエンスプロジェクトの最初のステップです！

3. シンプルなデータ分析

ファイル名: 03_simple_analysis.py

最初のデータ分析を行います：

  • 基本統計量（平均、中央値、最頻値）の計算
  • 最大値と最小値の特定
  • 値の出現回数をカウント
  • 条件に基づいてデータをフィルタリング

データに関する簡単な質問に答える方法を学びます。

4. データ可視化の基本

ファイル名: 04_basic_visualization.py

最初の可視化を作成します：

  • シンプルな棒グラフを作成
  • 折れ線グラフを作成
  • 円グラフを生成
  • 可視化を画像として保存

視覚的に結果を伝える方法を学びます！

5. 実データを使った作業

ファイル名: 05_real_world_example.py

すべてを組み合わせた完全な例：

  • リポジトリから実データを読み込む
  • データをクリーンアップし準備する
  • 分析を実行
  • 意味のある可視化を作成
  • 結論を導き出す

最初から最後までの完全なワークフローを体験できます。

🎯 これらの例の使い方

  1. 最初から始める：例は難易度順に番号が付けられています。01_hello_world_data_science.pyから始めて順番に進めてください。

  2. コメントを読む：各ファイルには、コードが何をしているのか、なぜそうしているのかを説明する詳細なコメントがあります。しっかり読んでください！

  3. 試してみる：コードを変更してみてください。値を変えるとどうなるか？壊して直すことで学びましょう！

  4. コードを実行する：各例を実行し、出力を観察してください。期待した結果と比較してみましょう。

  5. 発展させる：例を理解したら、自分のアイデアで拡張してみてください。

💡 初心者へのヒント

  • 焦らない：次に進む前に、各例をしっかり理解する時間を取りましょう
  • 自分でコードを入力する：コピー＆ペーストせずに、自分で入力することで学びが深まります
  • 分からない概念を調べる：分からないことがあれば、オンラインやメインレッスンで調べてみましょう
  • 質問する：助けが必要な場合は、ディスカッションフォーラムに参加してください
  • 定期的に練習する：週に一度長時間やるよりも、毎日少しずつコードを書く方が効果的です

🔗 次のステップ

これらの例を終えたら、次のことに挑戦できます：

  • メインカリキュラムのレッスンを進める
  • 各レッスンフォルダの課題に取り組む
  • Jupyterノートブックを使ってさらに深く学ぶ
  • 自分のデータサイエンスプロジェクトを作成する

📚 追加リソース

🤝 コントリビューション

バグを見つけた場合や新しい例のアイデアがある場合は、ぜひ貢献してください！コントリビューションガイドをご覧ください。

楽しく学びましょう！🎉

覚えておいてください：どんな専門家も最初は初心者でした。一歩ずつ進み、間違いを恐れないでください。それも学びの一部です！

免責事項:
この文書は、AI翻訳サービスCo-op Translatorを使用して翻訳されています。正確性を期して努力しておりますが、自動翻訳には誤りや不正確さが含まれる可能性があります。元の言語で記載された文書が正式な情報源と見なされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用に起因する誤解や誤認について、当社は一切の責任を負いません。