Data-Science-For-Beginners/translations/ms

Data Science for Beginners - A Curriculum

Azure Cloud Advocates di Microsoft dengan sukacitanya menawarkan kurikulum 10-minggu, 20-pelajaran yang serba mengenai Sains Data. Setiap pelajaran merangkumi kuiz sebelum-pelajaran dan selepas-pelajaran, arahan bertulis untuk menyelesaikan pelajaran, penyelesaian, dan tugasan. Pedagogi berasaskan projek kami membolehkan anda belajar sambil membina, satu cara yang terbukti membantu kemahiran baru 'melekat'.

Terima kasih yang tidak terhingga kepada penulis kami: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Terima kasih istimewa 🙏 kepada pengarang, penilai dan penyumbang kandungan Microsoft Student Ambassador, khususnya 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

Sains Data untuk Pemula - Sketchnote oleh @nitya

🌐 Sokongan Pelbagai Bahasa

Disokong melalui GitHub Action (Automatik & Sentiasa Dikemas Kini)

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

Jika anda ingin menambah bahasa terjemahan tambahan, bahasa yang disokong disenaraikan di sini

Sertai Komuniti Kami

Kami sedang mengendalikan siri Discord "Belajar dengan AI", ketahui lebih lanjut dan sertai kami di Learn with AI Series dari 18 - 30 September, 2025. Anda akan mendapat petua dan trik menggunakan GitHub Copilot untuk Sains Data.

Adakah anda seorang pelajar?

Mula dengan sumber berikut:

• Halaman Pusat Pelajar Dalam halaman ini, anda akan menemui sumber untuk pemula, Pek Pelajar dan juga cara untuk mendapatkan baucar pensijilan percuma. Ini ialah satu halaman yang anda mahu tandakan dan semak dari semasa ke semasa kerana kami menukar kandungan sekurang-kurangnya setiap bulan.
• Microsoft Learn Student Ambassadors Sertai komuniti duta pelajar global, ini mungkin jalan anda ke Microsoft.

Mula

📚 Dokumentasi

• Panduan Pemasangan - Arahan persediaan langkah demi langkah untuk pemula
• Panduan Penggunaan - Contoh dan aliran kerja biasa
• Menyelesaikan Masalah - Penyelesaian untuk isu biasa
• Panduan Menyumbang - Cara untuk menyumbang kepada projek ini
• Untuk Guru - Panduan pengajaran dan sumber bilik darjah

👨‍🎓 Untuk Pelajar

Pemula Sepenuhnya: Baru dalam sains data? Mula dengan contoh mesra pemula kami! Contoh mudah ini dengan ulasan yang baik akan membantu anda memahami asas sebelum menerokai keseluruhan kurikulum. Pelajar: untuk menggunakan kurikulum ini sendiri, fork keseluruhan repo dan selesaikan latihan sendiri, bermula dengan kuiz pra-ceramah. Kemudian baca kuliah dan lengkapkan aktiviti yang lain. Cuba cipta projek dengan memahami pelajaran dan bukannya menyalin kod penyelesaian; walau bagaimanapun, kod itu tersedia dalam folder /solutions dalam setiap pelajaran berorientasikan projek. Satu lagi idea ialah membentuk kumpulan belajar dengan rakan dan melalui kandungan bersama. Untuk kajian lanjut, kami mengesyorkan Microsoft Learn.

Mula Pantas:

1. Semak Panduan Pemasangan untuk menyediakan persekitaran anda
2. Tinjau Panduan Penggunaan untuk belajar cara bekerja dengan kurikulum
3. Mula dengan Pelajaran 1 dan teruskan secara berurutan
4. Sertai komuniti Discord kami untuk sokongan

👩‍🏫 Untuk Guru

Guru: kami telah menyertakan beberapa cadangan tentang cara menggunakan kurikulum ini. Kami mengalu-alukan maklum balas anda di forum perbincangan kami!

Kenali Pasukan

Gif oleh Mohit Jaisal

🎥 Klik imej di atas untuk video tentang projek dan orang yang menciptakannya!

Pedagogi

Kami telah memilih dua prinsip pedagogi semasa membina kurikulum ini: memastikan ia berasaskan projek dan bahawa ia merangkumi kuiz yang kerap. Menjelang akhir siri ini, pelajar akan mempelajari prinsip asas sains data, termasuk konsep etika, penyediaan data, cara yang berbeza untuk bekerja dengan data, visualisasi data, analisis data, kes-kes penggunaan dunia sebenar sains data, dan banyak lagi.

Selain itu, kuiz berisiko rendah sebelum kelas menetapkan niat pelajar terhadap pembelajaran sesuatu topik, manakala kuiz kedua selepas kelas memastikan pengekalan yang lebih lanjut. Kurikulum ini direka untuk fleksibel dan menyeronokkan dan boleh diambil secara keseluruhan atau sebahagian. Projek-projek bermula kecil dan menjadi semakin kompleks menjelang akhir kitaran 10 minggu.

Lihat Kod Kelakuan, Menyumbang, Terjemahan kami. Kami mengalu-alukan maklum balas membina anda!

Setiap pelajaran merangkumi:

• Sketchnote pilihan
• Video tambahan pilihan
• Kuis pemanasan sebelum pelajaran
• Pelajaran bertulis
• Untuk pelajaran berasaskan projek, panduan langkah demi langkah tentang cara membina projek
• Pemeriksaan pengetahuan
• Cabaran
• Bacaan tambahan
• Tugasan
• Kuis selepas pelajaran

Nota tentang kuiz: Semua kuiz terkandung dalam folder Quiz-App, sebanyak 40 kuiz dengan tiga soalan setiap satu. Ia dipautkan dari dalam pelajaran, tetapi aplikasi kuiz boleh dijalankan secara tempatan atau dideploy ke Azure; ikut arahan dalam folder quiz-app. Kuis-kuiz ini sedang dialih bahasa secara berperingkat.

🎓 Contoh Mesra Pemula

Baru dalam Sains Data? Kami telah mencipta direktori contoh khas dengan kod ringkas dan berkomentar terperinci untuk membantu anda bermula:

• 🌟 Hello World - Program sains data pertama anda
• 📂 Memuat Data - Belajar membaca dan meneroka set data
• 📊 Analisis Ringkas - Kira statistik dan cari corak
• 📈 Visualisasi Asas - Buat carta dan graf
• 🔬 Projek Dunia Sebenar - Aliran kerja lengkap dari mula hingga akhir

Setiap contoh merangkumi komen terperinci yang menerangkan setiap langkah, menjadikannya sempurna untuk pemula mutlak!

👉 Mula dengan contoh-contoh 👈

Pelajaran

Sains Data Untuk Pemula: Peta Jalan - Sketchnote oleh @nitya

Nombor Pelajaran	Topik	Kumpulan Pelajaran	Objektif Pembelajaran	Pelajaran Dipautkan	Pengarang
01	Mendefinisikan Sains Data	Pengenalan	Pelajari konsep asas di sebalik sains data dan bagaimana ia berkaitan dengan kecerdasan buatan, pembelajaran mesin, dan data besar.	pelajaran video	Dmitry
02	Etika Sains Data	Pengenalan	Konsep Etika Data, Cabaran & Rangka Kerja.	pelajaran	Nitya
03	Mendefinisikan Data	Pengenalan	Bagaimana data diklasifikasikan dan sumber-sumber umumnya.	pelajaran	Jasmine
04	Pengenalan kepada Statistik & Kebarangkalian	Pengenalan	Teknik matematik kebarangkalian dan statistik untuk memahami data.	pelajaran video	Dmitry
05	Bekerja dengan Data Relasi	Bekerja Dengan Data	Pengenalan kepada data berrelasi dan asas untuk meneroka dan menganalisis data berrelasi menggunakan Structured Query Language, juga dikenali sebagai SQL (diucapkan “see-quell”).	pelajaran	Christopher
06	Bekerja dengan Data NoSQL	Bekerja Dengan Data	Pengenalan kepada data bukan berrelasi, pelbagai jenisnya dan asas meneroka serta menganalisis pangkalan data dokumen.	pelajaran	Jasmine
07	Bekerja dengan Python	Bekerja Dengan Data	Asas menggunakan Python untuk penerokaan data dengan perpustakaan seperti Pandas. Kefahaman asas pengaturcaraan Python disyorkan.	pelajaran video	Dmitry
08	Penyediaan Data	Bekerja Dengan Data	Topik tentang teknik data untuk membersihkan dan menukarkan data bagi menangani cabaran data yang hilang, tidak tepat, atau tidak lengkap.	pelajaran	Jasmine
09	Visualisasi Kuantiti	Visualisasi Data	Belajar cara menggunakan Matplotlib untuk memvisualkan data burung 🦆	pelajaran	Jen
10	Visualisasi Taburan Data	Visualisasi Data	Memvisualkan pemerhatian dan tren dalam sesuatu selang.	pelajaran	Jen
11	Visualisasi Peratusan	Visualisasi Data	Memvisualkan peratusan diskret dan berkumpulan.	pelajaran	Jen
12	Visualisasi Perhubungan	Visualisasi Data	Memvisualkan hubungan dan korelasi antara set data dan pembolehubahnya.	pelajaran	Jen
13	Visualisasi Bermakna	Visualisasi Data	Teknik dan panduan untuk menjadikan visualisasi anda bernilai untuk penyelesaian masalah dan pemerolehan maklumat yang efektif.	pelajaran	Jen
14	Pengenalan kepada kitar hayat Sains Data	Kitar Hayat	Pengenalan kepada kitar hayat sains data dan langkah pertamanya iaitu pemerolehan dan pengekstrakan data.	pelajaran	Jasmine
15	Menganalisis	Kitar Hayat	Fasa kitar hayat sains data ini menumpukan pada teknik untuk menganalisis data.	pelajaran	Jasmine
16	Komunikasi	Kitar Hayat	Fasa kitar hayat sains data ini menumpukan pada pembentangan wawasan dari data dengan cara yang memudahkan pembuat keputusan untuk memahami.	pelajaran	Jalen
17	Sains Data di Awan	Data Awan	Siri pelajaran ini memperkenalkan sains data dalam awan dan manfaatnya.	pelajaran	Tiffany and Maud
18	Sains Data di Awan	Data Awan	Melatih model menggunakan alat Low Code.	pelajaran	Tiffany and Maud
19	Sains Data di Awan	Data Awan	Menyebarkan model dengan Azure Machine Learning Studio.	pelajaran	Tiffany and Maud
20	Sains Data Dalam Dunia Sebenar	Dalam Dunia Sebenar	Projek yang didorong oleh sains data di dunia sebenar.	pelajaran	Nitya

GitHub Codespaces

Ikuti langkah-langkah berikut untuk membuka contoh ini dalam Codespace:

1. Klik menu lungsur Code dan pilih pilihan Open with Codespaces.
2. Pilih + New codespace di bahagian bawah pane. Untuk maklumat lanjut, semak dokumentasi GitHub.

VSCode Remote - Containers

Ikuti langkah berikut untuk membuka repo ini dalam sebuah container menggunakan mesin tempatan anda dan VSCode menggunakan sambungan VS Code Remote - Containers:

1. Jika ini kali pertama anda menggunakan container pembangunan, sila pastikan sistem anda memenuhi prasyarat (iaitu memasang Docker) dalam dokumentasi permulaan.

Untuk menggunakan repositori ini, anda boleh sama ada membuka repositori dalam volum Docker terasing:

Nota: Di sebalik tabir, ini akan menggunakan Remote-Containers: Clone Repository in Container Volume... command untuk menggandakan kod sumber dalam volum Docker bukannya sistem fail tempatan. Volumes adalah mekanisme pilihan untuk mengekalkan data container.

Atau buka salinan repo yang diklon atau dimuat turun secara setempat:

• Klon repositori ini ke sistem fail setempat anda.
• Tekan F1 dan pilih perintah Remote-Containers: Open Folder in Container....
• Pilih salinan yang diklon bagi folder ini, tunggu container bermula, dan cuba gunakan.

Akses Luar Talian

Anda boleh menjalankan dokumentasi ini secara luar talian dengan menggunakan Docsify. Fork repo ini, pasang Docsify pada mesin tempatan anda, kemudian di folder root repo ini, taip docsify serve. Laman web akan dihidangkan pada port 3000 di localhost anda: localhost:3000.

Nota, buku nota (notebooks) tidak akan dipaparkan melalui Docsify, jadi apabila anda perlu menjalankan sebuah notebook, lakukan secara berasingan dalam VS Code yang menjalankan kernel Python.

Kurikulum Lain

Pasukan kami menghasilkan kurikulum lain! Lihat:

LangChain

---

Azure / Edge / MCP / Ejen

---

Siri AI Generatif

---

Pembelajaran Teras

---

Siri Copilot

Mendapatkan Bantuan

Mengalami masalah? Semak Panduan Penyelesaian Masalah untuk penyelesaian bagi masalah biasa.

Jika anda tersekat atau mempunyai sebarang pertanyaan tentang membina aplikasi AI. Sertai pelajar lain dan pembangun berpengalaman dalam perbincangan mengenai MCP. Ia adalah komuniti yang menyokong di mana soalan dialu-alukan dan pengetahuan dikongsi secara bebas.

Jika anda mempunyai maklum balas produk atau ralat semasa membina, lawati:

---

Penafian: Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI Co-op Translator. Walaupun kami berusaha mencapai ketepatan, sila ambil maklum bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya hendaklah dianggap sebagai sumber rujukan yang sahih. Untuk maklumat penting, disarankan mendapatkan terjemahan profesional oleh penterjemah manusia. Kami tidak bertanggungjawab terhadap sebarang salah faham atau salah tafsiran yang timbul daripada penggunaan terjemahan ini.