Data-Science-For-Beginners/translations/th

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

Azure Cloud Advocates ที่ Microsoft ยินดีเสนอหลักสูตร 10 สัปดาห์ ประกอบด้วย 20 บทเรียนทั้งหมดเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนมีแบบทดสอบก่อนบทเรียนและหลังบทเรียน คำแนะนำเป็นลายลักษณ์อักษรเพื่อทำบทเรียนให้สำเร็จ รวมถึงคำตอบ และแบบฝึกหัด แนวทางการสอนเชิงโครงการของเราช่วยให้คุณเรียนรู้ไปพร้อมกับการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าสำหรับทักษะใหม่ๆ จะ "ติด" ได้ดีขึ้น

ขอขอบคุณอย่างจริงใจต่อผู้เขียนของเรา: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 ขอบคุณเป็นพิเศษ 🙏 ต่อผู้เขียน ทบทวน และผู้มีส่วนร่วมเนื้อหาจาก Microsoft Student Ambassador, โดยเฉพาะ 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

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - สเก็ตช์โน้ตโดย @nitya

🌐 การสนับสนุนหลายภาษา

สนับสนุนผ่าน GitHub Action (อัตโนมัติ & อัปเดตเสมอ)

อาหรับ | เบงกาลี | บัลแกเรียน | ภาษาพม่า (เมียนมาร์) | จีน (แบบย่อ) | จีน (ดั้งเดิม, ฮ่องกง) | จีน (ดั้งเดิม, มาเก๊า) | จีน (ดั้งเดิม, ไต้หวัน) | โครเอเชีย | เช็ก | เดนมาร์ก | ดัตช์ | เอสโตเนีย | ฟินแลนด์ | ฝรั่งเศส | เยอรมัน | กรีก | ฮีบรู | ฮินดี | ฮังการี | อินโดนีเซีย | อิตาลี | ญี่ปุ่น | คันนาดา | เกาหลี | ลิทัวเนีย | มาเลย์ | มาลายาลัม | มราฐี | เนปาลี | ไนจีเรีย พิดจิน | นอร์เวย์ | เปอร์เซีย (ฟาร์ซี) | โปแลนด์ | โปรตุเกส (บราซิล) | โปรตุเกส (โปรตุเกส) | ปัญจาบี (Gurmukhi) | โรมาเนีย | รัสเซีย | เซอร์เบีย (คีริลลิก) | สโลวัก | สโลวีเนีย | สเปน | สวาฮิลี | สวีเดน | ทากาล็อก (ฟิลิปปินส์) | ทมิฬ | เทลูกู | ไทย | ตุรกี | ยูเครน | อูรดู | เวียดนาม

หากคุณต้องการให้มีการรองรับการแปลภาษาเพิ่มเติม รายชื่อภาษาที่รองรับอยู่ ที่นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์ Discord เรียนรู้กับ AI กำลังจัดอยู่ เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยทรัพยากรต่อไปนี้:

• หน้า Student Hub ในหน้านี้ คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดสำหรับนักเรียน และแม้แต่ช่องทางในการรับคูปองสอบฟรี นี่คือหน้าที่คุณควรบุ๊กมาร์กและตรวจสอบเป็นครั้งคราวเนื่องจากเราจะสลับเนื้อหาอย่างน้อยเดือนละครั้ง
• Microsoft Learn Student Ambassadors เข้าร่วมชุมชนนักเรียนระดับโลก นี่อาจเป็นหนทางของคุณสู่ Microsoft

การเริ่มต้นใช้งาน

📚 เอกสารประกอบ

• คู่มือการติดตั้ง - คำแนะนำการตั้งค่าแบบทีละขั้นตอนสำหรับผู้เริ่มต้น
• คู่มือการใช้งาน - ตัวอย่างและเวิร์กโฟลว์ที่พบบ่อย
• การแก้ปัญหา - วิธีแก้ปัญหาที่พบบ่อย
• คู่มือการมีส่วนร่วม - วิธีการมีส่วนร่วมในโครงการนี้
• สำหรับผู้สอน - คำแนะนำการสอนและทรัพยากรในชั้นเรียน

👨‍🎓 สำหรับนักเรียน

ผู้เริ่มต้นอย่างสมบูรณ์: ใหม่กับวิทยาศาสตร์ข้อมูลหรือไม่? เริ่มด้วย ตัวอย่างที่เป็นมิตรสำหรับผู้เริ่มต้น! ตัวอย่างง่ายๆ เหล่านี้มีคำอธิบายที่ชัดเจนจะช่วยให้คุณเข้าใจพื้นฐานก่อนที่จะลงลึกในหลักสูตรเต็มรูปแบบ นักเรียน: หากต้องการใช้หลักสูตรนี้ด้วยตนเอง ให้ทำการ fork รีโปทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง เริ่มจากแบบทดสอบก่อนบรรยาย จากนั้นอ่านบรรยายและทำกิจกรรมที่เหลือให้ครบพยายามสร้างโปรเจ็กต์โดยการทำความเข้าใจบทเรียนมากกว่าจะคัดลอกโค้ดคำตอบ อย่างไรก็ตาม โค้ดคำตอบมีให้ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เป็นเชิงโครงการ ไอเดียอีกอย่างคือการจัดกลุ่มศึกษาเป็นกลุ่มกับเพื่อนและทำเนื้อหาร่วมกัน สำหรับการศึกษาต่อ เราแนะนำ Microsoft Learn.

เริ่มด่วน:

1. ตรวจสอบ คู่มือการติดตั้ง เพื่อตั้งค่าสภาพแวดล้อมของคุณ
2. ทบทวน คู่มือการใช้งาน เพื่อเรียนรู้วิธีการทำงานกับหลักสูตร
3. เริ่มด้วย บทเรียน 1 และทำตามลำดับ
4. เข้าร่วม ชุมชน Discord ของเรา เพื่อขอความช่วยเหลือ

👩‍🏫 สำหรับครูผู้สอน

ครูผู้สอน: เราได้ รวมข้อเสนอแนะบางอย่าง เกี่ยวกับวิธีการใช้หลักสูตรนี้ เราอยากได้รับความคิดเห็นจากคุณ ในฟอรัมการสนทนาของเรา!

พบกับทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกที่รูปด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและผู้ที่สร้างมัน!

แนวทางการสอน

เราได้เลือกหลักการสอนสองประการเมื่อสร้างหลักสูตรนี้: มั่นใจว่าหลักสูตรเป็นโครงการเป็นฐาน (project-based) และมีแบบทดสอบบ่อยครั้ง เมื่อสิ้นสุดชุดบทเรียนนี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดทางจริยธรรม การเตรียมข้อมูล วิธีการต่าง ๆ ในการทำงานกับข้อมูล การแสดงภาพข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่น ๆ

นอกจากนี้ แบบทดสอบก่อนเรียนที่ไม่กดดันจะช่วยตั้งเจตนารมณ์ของนักเรียนต่อการเรียนรู้หัวข้อ ในขณะที่แบบทดสอบอีกชุดหลังการสอนจะช่วยให้เกิดการจดจำมากขึ้น หลักสูตรนี้ถูกออกแบบให้ยืดหยุ่นและสนุก และสามารถเรียนได้ทั้งชุดหรือแค่บางส่วน โครงการเริ่มจากเล็กไปใหญ่และซับซ้อนมากขึ้นเมื่อสิ้นสุดรอบ 10 สัปดาห์

ค้นหา Code of Conduct, Contributing, Translation แนวทางปฏิบัติของเรา เรายินดีต้อนรับความคิดเห็นเชิงสร้างสรรค์จากคุณ!

แต่ละบทเรียนประกอบด้วย:

• สเก็ตช์โน้ต (ตัวเลือก)
• วิดีโอเสริม (ตัวเลือก)
• แบบทดสอบอุ่นเครื่องก่อนบทเรียน
• บทเรียนเป็นลายลักษณ์อักษร
• สำหรับบทเรียนที่เป็นโครงการ: คู่มือทีละขั้นตอนในการสร้างโครงการ
• ตรวจสอบความรู้
• ความท้าทาย
• การอ่านเสริม
• งานมอบหมาย
• แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App รวมทั้งหมด 40 แบบทดสอบ แต่ละแบบมี 3 คำถาม ลิงก์จากภายในบทเรียน แต่แอปแบบทดสอบสามารถรันในเครื่องหรือปรับใช้ไปยัง Azure ได้; ตามคำแนะนำในโฟลเดอร์ quiz-app พวกมันกำลังถูกแปลเป็นภาษาต่าง ๆ อย่างค่อยเป็นค่อยไป

🎓 ตัวอย่างสำหรับผู้เริ่มต้น

เพิ่งเริ่มเรียน Data Science? เราได้สร้าง examples directory พิเศษที่มีโค้ดง่าย ๆ และมีคอมเมนต์ชัดเจนเพื่อช่วยให้คุณเริ่มต้นได้:

• 🌟 Hello World - โปรแกรม Data Science แรกของคุณ
• 📂 Loading Data - เรียนรู้การอ่านและสำรวจชุดข้อมูล
• 📊 Simple Analysis - คำนวณสถิติและค้นหารูปแบบ
• 📈 Basic Visualization - สร้างแผนภูมิและกราฟ
• 🔬 Real-World Project - เวิร์กโฟลว์ตั้งแต่ต้นจนจบ

แต่ละตัวอย่างมีคำอธิบายอย่างละเอียดอธิบายทุกขั้นตอน ทำให้เหมาะสำหรับผู้เริ่มต้นอย่างแท้จริง!

👉 เริ่มจากตัวอย่าง 👈

บทเรียน

Data Science For Beginners: Roadmap - สเก็ตช์โน้ตโดย @nitya

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	ลิงก์บทเรียน	ผู้เขียน
01	การนิยาม Data Science	บทนำ	เรียนรู้แนวคิดพื้นฐานของ data science และความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และข้อมูลขนาดใหญ่	บทเรียน วิดีโอ	Dmitry
02	จริยธรรมของ Data Science	บทนำ	แนวคิดด้านจริยธรรมของข้อมูล ความท้าทาย และกรอบการทำงาน	บทเรียน	Nitya
03	การนิยามข้อมูล	บทนำ	วิธีการจำแนกข้อมูลและแหล่งที่มาทั่วไป	บทเรียน	Jasmine
04	แนะนำสถิติและความน่าจะเป็น	บทนำ	เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติเพื่อเข้าใจข้อมูล	บทเรียน วิดีโอ	Dmitry
05	การทำงานกับข้อมูลเชิงสัมพันธ์	การทำงานกับข้อมูล	แนะนำข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วย Structured Query Language หรือที่รู้จักในชื่อ SQL (ออกเสียง “see-quell”)	บทเรียน	Christopher
06	การทำงานกับข้อมูล NoSQL	การทำงานกับข้อมูล	แนะนำข้อมูลแบบไม่สัมพันธ์ ชนิดต่าง ๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร	บทเรียน	Jasmine
07	การทำงานกับ Python	การทำงานกับข้อมูล	พื้นฐานการใช้ Python เพื่อสำรวจข้อมูลด้วยไลบรารีเช่น Pandas แนะนำให้มีความเข้าใจพื้นฐานการเขียนโปรแกรม Python	บทเรียน วิดีโอ	Dmitry
08	การเตรียมข้อมูล	การทำงานกับข้อมูล	หัวข้อเกี่ยวกับเทคนิคการทำความสะอาดและแปลงข้อมูลเพื่อจัดการกับปัญหาข้อมูลที่ขาดหาย ไม่ถูกต้อง หรือไม่สมบูรณ์	บทเรียน	Jasmine
09	การแสดงปริมาณ	การแสดงภาพข้อมูล	เรียนรู้การใช้ Matplotlib เพื่อแสดงภาพข้อมูลนก 🦆	บทเรียน	Jen
10	การแสดงการกระจายของข้อมูล	การแสดงภาพข้อมูล	การแสดงการสังเกตและแนวโน้มภายในช่วง	บทเรียน	Jen
11	การแสดงสัดส่วน	การแสดงภาพข้อมูล	การแสดงเปอร์เซ็นต์แบบไม่ต่อเนื่องและแบบกลุ่ม	บทเรียน	Jen
12	การแสดงความสัมพันธ์	การแสดงภาพข้อมูล	การแสดงการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลและตัวแปร	บทเรียน	Jen
13	การสร้างภาพที่มีความหมาย	การแสดงภาพข้อมูล	เทคนิคและแนวทางในการทำให้ภาพข้อมูลมีคุณค่าเพื่อการแก้ปัญหาและให้ข้อมูลเชิงลึกที่มีประสิทธิผล	บทเรียน	Jen
14	แนะนำวงจรการทำงานของ Data Science	วัฏจักร	แนะนำวงจรการทำงานของ data science และขั้นตอนแรกในการได้มาซึ่งข้อมูลและการสกัดข้อมูล	บทเรียน	Jasmine
15	การวิเคราะห์	วัฏจักร	ระยะนี้ของวงจรการทำงานของ data science มุ่งเน้นที่เทคนิคในการวิเคราะห์ข้อมูล	บทเรียน	Jasmine
16	การสื่อสาร	วัฏจักร	ระยะนี้ของวงจรการทำงานของ data science มุ่งเน้นการนำเสนอข้อมูลเชิงลึกจากข้อมูลในรูปแบบที่ช่วยให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น	บทเรียน	Jalen
17	Data Science บนคลาวด์	ข้อมูลบนคลาวด์	ชุดบทเรียนนี้แนะนำการทำ Data Science บนคลาวด์และประโยชน์ของมัน	บทเรียน	Tiffany and Maud
18	Data Science บนคลาวด์	ข้อมูลบนคลาวด์	การฝึกโมเดลโดยใช้เครื่องมือ Low Code	บทเรียน	Tiffany and Maud
19	Data Science บนคลาวด์	ข้อมูลบนคลาวด์	การปรับใช้โมเดลด้วย Azure Machine Learning Studio	บทเรียน	Tiffany and Maud
20	Data Science ในโลกจริง	ในโลกจริง	โครงการที่ขับเคลื่อนโดย data science ในโลกจริง	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเหล่านี้เพื่อเปิดตัวอย่างนี้ใน Codespace:

1. คลิกเมนู Code และเลือกตัวเลือก Open with Codespaces.
2. เลือก + New codespace ที่ด้านล่างของแผง สำหรับข้อมูลเพิ่มเติม ให้ดูที่ เอกสารประกอบของ GitHub.

VSCode Remote - Containers

ทำตามขั้นตอนเหล่านี้เพื่อเปิด repo นี้ในคอนเทนเนอร์โดยใช้เครื่องของคุณและ VSCode โดยใช้ส่วนขยาย VS Code Remote - Containers:

1. หากนี่เป็นครั้งแรกที่คุณใช้ development container โปรดตรวจสอบให้แน่ใจว่าระบบของคุณตรงตามข้อกำหนดเบื้องต้น (เช่น ติดตั้ง Docker แล้ว) ใน เอกสารเริ่มต้น.

ในการใช้รีโปนี้ คุณสามารถเปิดรีโปใน Docker volume แบบแยกกัน:

หมายเหตุ: ใต้การทำงานจริงแล้ว คำสั่งนี้จะใช้คำสั่ง Remote-Containers: Clone Repository in Container Volume... เพื่อโคลนซอร์สโค้ดลงใน Docker volume แทนระบบไฟล์ในเครื่องท้องถิ่น Volumes เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูลของคอนเทนเนอร์

หรือเปิดสำเนาที่โคลนหรือดาวน์โหลดมาของรีโปในเครื่อง:

• โคลนรีโปนี้ไปยังระบบไฟล์ในเครื่องของคุณ
• กด F1 และเลือกคำสั่ง Remote-Containers: Open Folder in Container...
• เลือกสำเนาที่โคลนของโฟลเดอร์นี้ รอให้คอนเทนเนอร์เริ่มต้น แล้วลองใช้งาน

การเข้าถึงแบบออฟไลน์

คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ Docsify. Fork รีโปนี้, ติดตั้ง Docsify บนเครื่องของคุณ จากนั้นในโฟลเดอร์รูทของรีโปนี้ ให้พิมพ์ docsify serve. เว็บไซต์จะให้บริการบนพอร์ต 3000 ที่ localhost ของคุณ: localhost:3000.

หมายเหตุ: โน้ตบุ๊กจะไม่ถูกเรนเดอร์ผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้รันแยกต่างหากใน VS Code ที่รันเคอร์เนล Python

หลักสูตรอื่น ๆ

ทีมของเราจัดทำหลักสูตรอื่น ๆ! ดูได้ที่:

LangChain

---

Azure / Edge / MCP / Agents

---

ชุดการเรียนรู้ Generative AI

---

การเรียนรู้หลัก

---

ชุด Copilot

ขอความช่วยเหลือ

พบปัญหาใช่ไหม? ตรวจสอบ คู่มือแก้ไขปัญหา เพื่อหาวิธีแก้ไขปัญหาที่พบบ่อย.

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI. เข้าร่วมผู้เรียนคนอื่นๆและนักพัฒนาที่มีประสบการณ์ในการอภิปรายเกี่ยวกับ MCP. นี่คือชุมชนที่ให้การสนับสนุนซึ่งยินดีต้อนรับคำถามและแบ่งปันความรู้กันอย่างเสรี.

หากคุณมีความคิดเห็นเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้าง โปรดไปที่:

---

ข้อจำกัดความรับผิดชอบ: เอกสารฉบับนี้ถูกแปลโดยใช้บริการแปลภาษา AI Co-op Translator (https://github.com/Azure/co-op-translator) แม้เราจะพยายามให้การแปลมีความแม่นยำ โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อน เอกสารต้นฉบับในภาษาต้นทางควรถูกถือเป็นแหล่งข้อมูลอ้างอิงหลัก สำหรับข้อมูลที่มีความสำคัญสูง ขอแนะนำให้ใช้การแปลโดยผู้เชี่ยวชาญมนุษย์ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใดๆ ที่เกิดจากการใช้การแปลนี้