Data-Science-For-Beginners/translations/mo

Data Science for Beginners - A Curriculum

微軟 Azure Cloud Advocates 高興地提供一個為期 10 週、共 20 課的數據科學課程。每節課包含課前及課後測驗、完成課程的文字指引、解答方案以及作業。我們以專案為基礎的教學方式讓你在實作中學習，是讓新技能「紮根」的有效方法。

衷心感謝我們的作者： Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison。

🙏 特別鳴謝 🙏 我們的 Microsoft 學生大使 作者、審稿人及內容貢獻者， 其中包括 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

初學者數據科學 - 手繪筆記由 @nitya 製作

🌐 多語言支援

透過 GitHub Action 支援（自動且隨時更新）

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

想本地複製？

本倉庫包括超過 50 種語言翻譯，會大大增加下載大小。若想不下載翻譯檔請使用稀疏檢出：

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

這樣可更快速取得完成課程所需所有內容。

如果您希望支援更多翻譯語言，請參考列表 這裡

加入我們的社群

我們正在進行 Discord AI 系列學習活動，詳情與加入請訪問 Learn with AI Series，活動期間為 2025 年 9 月 18日至 30日。你將學習使用 GitHub Copilot 進行數據科學的技巧與秘訣。

你是學生嗎？

可從以下資源開始：

• 學生中心頁面 在此頁面，你會找到初學者資源、學生套件甚至免費認證券的取得方式。這是你值得加入書籤、並定期查看的頁面，因為我們至少每月更新內容一次。
• Microsoft Learn 學生大使 加入全球學生大使社群，這可能是你進入微軟的大好機會。

開始使用

📚 文件

• 安裝指南 - 初學者逐步安裝設定指示
• 使用指南 - 範例與常見作業流程
• 疑難排解 - 常見問題解決方案
• 貢獻指南 - 如何參與本專案
• 教師指南 - 教學指引與課堂資源

👨‍🎓 學生專區

完全初學者：對數據科學一無所知？先從我們的新手友好範例開始！這些簡單且帶有充分註解的範例能在你深入整套課程前打好基礎。 學生：若想自行使用此課程，請 fork 整個倉庫並完成練習，從課前測驗開始。接著閱讀講義並完成後續活動。試著透過理解課程內容自行製作專案，而非僅僅複製解答程式碼；當然，每個專案導向課程中的 /solutions 資料夾內提供了解答程式碼。另外，也可以和朋友組成讀書小組一同學習。若欲進一步研習，建議參考 Microsoft Learn。

快速開始：

1. 查看安裝指南 完成環境配置
2. 閱讀使用指南 學習如何使用課程
3. 由第 1 課開始依序學習
4. 加入我們的 Discord 社區 獲取支援

👩‍🏫 教師專區

教師們：我們提供了一些建議幫助您使用本課程。歡迎您在討論論壇分享寶貴意見！

認識團隊

Gif 由 Mohit Jaisal 提供

🎥 按一下上方圖片觀看關於此專案及其創作者的影片！

教學法

我們在設計這個課程時選擇了兩個教學宗旨：確保以專案為基礎，並且包含頻繁的小測驗。在這個系列結束時，學生將會學到資料科學的基本原理，包括倫理概念、資料準備、不同的資料操作方式、資料視覺化、資料分析、資料科學的實際應用案例等等。

另外，課前進行一次低壓力的小測驗可以設定學生學習主題的意圖，而課後再進行一次小測驗能確保進一步的記憶鞏固。此課程設計靈活且有趣，可全程或部分參與。專案從簡單開始，到十週週期結束時逐漸增加難度。

請參閱我們的行為守則、貢獻指南、翻譯指引。我們歡迎您的建設性回饋！

每堂課包含：

• 選擇性速寫筆記
• 選擇性補充影片
• 課前暖身小測驗
• 課文內容
• 對於專案型課程，提供逐步指南以完成專案
• 知識檢測
• 挑戰題
• 補充閱讀
• 作業
• 課後測驗

關於小測驗的說明：所有小測驗都包含於 Quiz-App 資料夾中，共有40次小測，每次三題。它們在課程中有連結，但這個小測驗應用程式可以在本地執行或部署到 Azure；請參閱 quiz-app 資料夾中的說明。這些小測驗正逐步本地化。

🎓 友善初學者範例

剛接觸資料科學？ 我們特別製作了一個範例目錄，裡面有簡單且包含詳細註解的程式碼，幫助你入門：

• 🌟 Hello World - 你的第一個資料科學程式
• 📂 載入資料 - 學習讀取與探索資料集
• 📊 簡單分析 - 計算統計數據並找出模式
• 📈 基礎視覺化 - 製作圖表
• 🔬 實際專案 - 從頭到尾完成完整工作流程

每個範例都包含詳細註解說明每個步驟，非常適合完全初學者！

👉 從範例開始 👈

課程列表

資料科學初學者路線圖 - 速寫筆記由 @nitya 提供

課程編號	主題	課程群組	學習目標	聯結課程	作者
01	定義資料科學	介紹	瞭解資料科學的基本概念及其與人工智慧、機器學習和大數據的關係。	課程 影片	Dmitry
02	資料科學倫理	介紹	資料倫理概念、挑戰與框架。	課程	Nitya
03	定義資料	介紹	如何分類資料及其常見來源。	課程	Jasmine
04	統計學與機率初探	介紹	使用機率與統計的數學技術來理解資料。	課程 影片	Dmitry
05	關聯式資料操作	資料處理	介紹關聯式資料及使用結構化查詢語言(Structured Query Language，簡稱SQL)進行探索與分析的基礎。	課程	Christopher
06	非關聯式資料操作	資料處理	介紹非關聯式資料及其類型，並基本說明文件型資料庫的探索與分析。	課程	Jasmine
07	Python 使用入門	資料處理	使用 Python 及 Pandas 等函式庫進行資料探索的基礎。建議具備基本 Python 程式設計知識。	課程 影片	Dmitry
08	資料準備	資料處理	探討資料清理與轉換技術，處理缺失、不準確或不完整資料的挑戰。	課程	Jasmine
09	數量視覺化	資料視覺化	學習使用 Matplotlib 視覺化鳥類資料 🦆	課程	Jen
10	資料分佈視覺化	資料視覺化	對區間內觀察和趨勢進行視覺化。	課程	Jen
11	比例視覺化	資料視覺化	視覺化離散及群組百分比。	課程	Jen
12	關係視覺化	資料視覺化	視覺化資料集及其變數之間的關聯與相關性。	課程	Jen
13	意義深遠的視覺化	資料視覺化	改善視覺化的技巧及指導，使其對有效解決問題及洞察更具價值。	課程	Jen
14	資料科學生命週期介紹	生命週期	資料科學生命週期介紹及其第一步——資料擷取與抽取。	課程	Jasmine
15	資料分析	生命週期	此階段聚焦於資料分析技術。	課程	Jasmine
16	溝通	生命週期	此階段專注於用易於決策者理解的方式呈現資料洞察。	課程	Jalen
17	雲端資料科學	雲端資料	一系列介紹雲端資料科學及其優點的課程。	課程	Tiffany 及 Maud
18	雲端資料科學	雲端資料	使用低代碼工具進行模型訓練。	課程	Tiffany 及 Maud
19	雲端資料科學	雲端資料	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany 及 Maud
20	資料科學實務	實務應用	資料科學驅動的真實世界專案。	課程	Nitya

GitHub Codespaces

按照以下步驟在 Codespace 中打開此範例：

1. 按一下 Code 下拉選單，選擇 Open with Codespaces 選項。
2. 在窗格底部選擇 + New codespace。 更多資訊請參閱GitHub 文件。

VSCode Remote - Containers

使用本機端電腦與 VSCode 以及 VS Code Remote - Containers 擴充套件，在容器中開啟此倉庫，請遵循以下步驟：

1. 若是第一次使用開發容器，請確認系統符合前置需求（如已安裝 Docker），詳情請參見入門文件。

您可以選擇打開此倉庫於獨立 Docker 卷中：

備註：底層會使用 Remote-Containers: Clone Repository in Container Volume... 指令，將原始碼克隆到 Docker 卷，而非本機檔案系統。卷是持續保存容器資料的首選機制。

或者打開本地克隆或下載的倉庫版本：

• 將此倉庫克隆到本機文件系統。
• 按下 F1 並選擇 Remote-Containers: Open Folder in Container... 指令。
• 選擇該文件夾的克隆版本，等待容器啟動，然後開始嘗試。

離線存取

您可使用 Docsify 離線瀏覽此文件。叉出此倉庫，在本機安裝 Docsify，然後在此倉庫根目錄下執行 docsify serve。網站將在本地端口 3000（localhost:3000）提供服務。

注意，Docsify 無法渲染筆記本，因此如需執行筆記本，請在 VS Code 中使用 Python 核心另外完成。

其他課程

我們團隊還製作其他課程！請參考：

LangChain

---

Azure / Edge / MCP / 代理人

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求幫助

遇到問題？ 請查看我們的Troubleshooting Guide，裡面有常見問題的解決方案。

如果你卡住了或有任何關於建立 AI 應用的問題，歡迎加入學習者和經驗豐富開發者的討論，一同參與 MCP 的社群。這是一個支持性的社群，歡迎提問並自由分享知識。

如果你在開發中有產品反饋或遇到錯誤，請訪問：

---

免責聲明：
本文件由 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保準確性，但請注意，自動翻譯可能包含錯誤或不精確之處。原始文件的母語版本應被視為權威資料來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而引起之任何誤解或誤釋負責。