Data-Science-For-Beginners/translations/tl

Agham ng Datos para sa mga Nagsisimula - Isang Kurikulum

Ang Azure Cloud Advocates sa Microsoft ay nasisiyahang mag-alok ng 10-linggong, 20-leksyon na kurikulum na tungkol sa Agham ng Datos. Bawat leksyon ay may kasama na pre-lesson at post-lesson na pagsusulit, nakasulat na mga instruksyon para kumpletuhin ang leksyon, isang solusyon, at isang takdang-aralin. Ang aming project-based na pedagohiya ay nagpapahintulot sa iyo na matuto habang nagtatayo, isang napatunayang paraan para ang mga bagong kasanayan ay 'manatili'.

Taos-pusong pasasalamat sa aming mga may-akda: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Espesyal na pasasalamat 🙏 sa aming mga may-akda, tagasuri at mga kontribyutor ng nilalaman ng Microsoft Student Ambassador, lalo na sina 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

Agham ng Datos para sa mga Nagsisimula - Sketchnote ni @nitya

🌐 Suporta sa Maramihang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatik at Laging Napapanahon)

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

Kung nais mong magkaroon ng karagdagang mga pagsasalin, ang mga suportadong wika ay nakalista dito

Sumali sa Aming Komunidad

Mayroon kaming serye ng Discord na "learn with AI" na kasalukuyang nagaganap, alamin pa at sumali sa amin sa Learn with AI Series mula 18 - 30 September, 2025. Makakakuha ka ng mga tip at trick sa paggamit ng GitHub Copilot para sa Agham ng Datos.

Ikaw ba ay isang estudyante?

Magsimula gamit ang mga sumusunod na mapagkukunan:

• Student Hub page Sa pahinang ito, makikita mo ang mga mapagkukunan para sa mga nagsisimula, mga Student pack at maging mga paraan para makakuha ng libreng cert voucher. Ito ay isang pahina na dapat mong i-bookmark at tingnan paminsan-minsan dahil nag-a-update kami ng nilalaman hindi bababa sa buwanan.
• Microsoft Learn Student Ambassadors Sumali sa isang pandaigdigang komunidad ng mga student ambassador, ito ay maaaring maging iyong daan papasok sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• INSTALLATION.md - Sunud-sunod na mga instruksyon sa pag-setup para sa mga nagsisimula
• USAGE.md - Mga halimbawa at karaniwang mga workflow
• TROUBLESHOOTING.md - Mga solusyon sa karaniwang mga isyu
• CONTRIBUTING.md - Paano mag-ambag sa proyektong ito
• for-teachers.md - Mga gabay sa pagtuturo at mga mapagkukunan para sa silid-aralan

👨‍🎓 Para sa mga Estudyante

Ganap na mga Nagsisimula: Bago sa agham ng datos? Magsimula sa aming mga halimbawa na angkop sa nagsisimula! Ang mga simpleng, mahusay na na-komento na mga halimbawa na ito ay tutulong sa iyo na maunawaan ang mga batayan bago sumabak sa buong kurikulum. Mga Estudyante: upang gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at kumpletuhin ang mga ehersisyo nang mag-isa, simula sa isang pre-lecture na pagsusulit. Pagkatapos basahin ang lektura at kumpletuhin ang natitirang mga aktibidad. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na pagkopya ng solusyon na code; gayunpaman, ang code na iyon ay makukuha sa mga /solutions folder sa bawat lesson na nakatuon sa proyekto. Isang ideya pa ay bumuo ng isang study group kasama ang mga kaibigan at sabay-sabay pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekumenda namin ang Microsoft Learn.

Mabilis na Pagsisimula:

1. Suriin ang Installation Guide upang i-setup ang iyong kapaligiran
2. Balikan ang Usage Guide upang matutunan kung paano gumana sa kurikulum
3. Magsimula sa Lesson 1 at magtrabaho nang sunud-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Mga Guro: naglagay kami ng ilang mungkahi kung paano gamitin ang kurikulum na ito. Ikinagagalak naming makuha ang inyong puna sa aming discussion forum!

Kilalanin ang Koponan

Gif ni Mohit Jaisal

🎥 I-click ang larawan sa itaas para sa isang bidyo tungkol sa proyekto at ang mga taong lumikha nito!

Pedagohiya

Pinili namin ang dalawang pedagogical tenets habang binubuo ang kurikulum na ito: tiyakin na ito ay nakabatay sa proyekto at naglalaman ng madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, ang mga estudyante ay matututunan ang mga pangunahing prinsipyo ng data science, kasama ang mga etikal na konsepto, paghahanda ng data, iba't ibang paraan ng pagtatrabaho sa data, pagbiswalisa ng data, pagsusuri ng data, mga totoong gamit ng data science, at iba pa.

Bukod dito, ang isang mababang-pusta na pagsusulit bago ang klase ay nagtatakda ng intensyon ng estudyante patungo sa pagkatuto ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagtutiyak ng mas higit na pagpapanatili. Idinisenyo ang kurikulum na ito upang maging flexible at masaya at maaaring kunin nang buo o bahagi. Ang mga proyekto ay nagsisimula nang maliit at nagiging mas kumplikado hanggang sa wakas ng 10-linggong siklo.

Hanapin ang aming Code of Conduct, Contributing, Translation guidelines. Tinatanggap namin ang iyong konstruktibong puna!

Kasama sa bawat aralin:

• Opsyonal na sketchnote
• Opsyonal na karagdagang bidyo
• Paunang warmup na pagsusulit bago ang aralin
• Nakasulat na aralin
• Para sa mga araling batay sa proyekto, mga gabay na hakbang-hakbang kung paano buuin ang proyekto
• Mga pagsusuri ng kaalaman
• Isang hamon
• Karagdagang babasahin
• Takdang-aralin
• Pagsusulit pagkatapos ng aralin

Isang paalala tungkol sa mga pagsusulit: Nakapaloob ang lahat ng pagsusulit sa Quiz-App folder, para sa kabuuang 40 pagsusulit na may tig-tatlong tanong bawat isa. Nakalagay ang mga ito mula sa loob ng mga aralin, ngunit ang quiz app ay maaaring patakbuhin nang lokal o i-deploy sa Azure; sundin ang mga tagubilin sa quiz-app folder. Unti-unti itong nilalokalisa.

🎓 Mga Halimbawa na Magiliw sa Baguhan

Bago sa Data Science? Nilikha namin ang isang espesyal na examples directory na may simple, mahusay na naka-komentong code para tulungan kang makapagsimula:

• 🌟 Hello World - Ang iyong unang programang data science
• 📂 Loading Data - Matutong magbasa at mag-explore ng mga dataset
• 📊 Simple Analysis - Kwentahin ang mga istatistika at maghanap ng mga pattern
• 📈 Basic Visualization - Gumawa ng mga tsart at grap
• 🔬 Real-World Project - Kumpletong daloy ng trabaho mula simula hanggang katapusan

Kasama sa bawat halimbawa ang detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perpekto ito para sa lubos na mga baguhan!

👉 Magsimula sa mga halimbawa 👈

Mga Aralin

Data Science For Beginners: Roadmap - Sketchnote ni @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Pagpapakahulugan sa Data Science	Panimula	Matutunan ang mga pangunahing konsepto sa likod ng data science at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data.	aralin bidyo	Dmitry
02	Etika ng Data Science	Panimula	Mga Konsepto, Hamon, at Balangkas ng Etika ng Data.	aralin	Nitya
03	Pagpapakahulugan ng Data	Panimula	Paano ikinaklasipika ang data at ang mga karaniwang pinagmulan nito.	aralin	Jasmine
04	Panimula sa Estadistika at Probabilidad	Panimula	Ang mga matematikal na teknik ng probabilidad at estadistika upang maunawaan ang data.	aralin bidyo	Dmitry
05	Paggamit ng Relational Data	Paggamit ng Data	Panimula sa relational data at ang mga batayan ng pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”).	aralin	Christopher
06	Paggamit ng NoSQL Data	Paggamit ng Data	Panimula sa non-relational data, ang iba’t ibang uri nito at ang mga batayan ng pag-explore at pagsusuri ng document databases.	aralin	Jasmine
07	Paggamit ng Python	Paggamit ng Data	Mga batayan ng paggamit ng Python para sa pag-explore ng data gamit ang mga library tulad ng Pandas. Inirerekomenda ang pundamental na pag-unawa sa pagprograma ng Python.	aralin bidyo	Dmitry
08	Paghahanda ng Data	Paggamit ng Data	Mga paksa sa mga teknik ng data para sa paglilinis at pag-transform ng data upang harapin ang mga hamon ng nawawala, maling, o hindi kumpletong data.	aralin	Jasmine
09	Pagbiswalisa ng Dami	Pagbiswalisa ng Data	Matutong gumamit ng Matplotlib para mag-visualize ng datos ng mga ibon 🦆	aralin	Jen
10	Pagbiswalisa ng Distribusyon ng Data	Pagbiswalisa ng Data	Pagbiswalisa ng mga obserbasyon at mga trend sa loob ng isang hanay.	aralin	Jen
11	Pagbiswalisa ng Mga Proporsyon	Pagbiswalisa ng Data	Pagbiswalisa ng mga diskreto at pinangkat-pangkat na porsyento.	aralin	Jen
12	Pagbiswalisa ng Mga Relasyon	Pagbiswalisa ng Data	Pagbiswalisa ng mga koneksyon at korelasyon sa pagitan ng mga set ng data at kanilang mga baryable.	aralin	Jen
13	Makabuluhang Pagbiswalisa	Pagbiswalisa ng Data	Mga teknik at gabay para gawing makahulugan ang iyong mga visualisasyon para sa epektibong paglutas ng problema at mga insight.	aralin	Jen
14	Panimula sa siklo ng buhay ng Data Science	Siklo ng Buhay	Panimula sa siklo ng buhay ng data science at ang unang hakbang nito na pagkuha at pag-extract ng data.	aralin	Jasmine
15	Pagsusuri	Siklo ng Buhay	Ang yugtong ito ng siklo ng buhay ng data science ay nakatuon sa mga teknik para suriin ang data.	aralin	Jasmine
16	Komunikasyon	Siklo ng Buhay	Ang yugtong ito ng siklo ng buhay ng data science ay nakatuon sa pagpapakita ng mga insight mula sa data sa paraang mas madaling maintindihan ng mga tagagawa ng desisyon.	aralin	Jalen
17	Data Science sa Cloud	Data sa Cloud	Ang serye ng mga araling ito ay nagpapakilala sa data science sa cloud at ang mga benepisyo nito.	aralin	Tiffany and Maud
18	Data Science sa Cloud	Data sa Cloud	Pagsasanay ng mga modelo gamit ang mga Low Code na kasangkapan.	aralin	Tiffany and Maud
19	Data Science sa Cloud	Data sa Cloud	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	aralin	Tiffany and Maud
20	Data Science sa Tunay na Mundo	Sa Tunay na Mundo	Mga proyektong pinapagana ng data science sa tunay na mundo.	aralin	Nitya

GitHub Codespaces

Sundin ang mga hakbang na ito upang buksan ang sample na ito sa isang Codespace:

1. I-click ang Code drop-down menu at piliin ang Open with Codespaces na opsyon.
2. Piliin ang + New codespace sa ibaba ng pane. Para sa karagdagang impormasyon, tingnan ang dokumentasyon ng GitHub.

VSCode Remote - Containers

Sundin ang mga hakbang na ito upang buksan ang repo na ito sa isang container gamit ang iyong lokal na makina at VSCode gamit ang VS Code Remote - Containers extension:

1. Kung ito ang unang beses mong gumamit ng development container, tiyaking natutugunan ng iyong sistema ang mga pre-reqs (hal. naka-install ang Docker) sa the getting started documentation.

Upang gamitin ang repositoryong ito, maaari mong buksan ang repository sa isang isolated na Docker volume:

Tandaan: Sa ilalim ng hood, gagamitin nito ang Remote-Containers: Clone Repository in Container Volume... command upang i-clone ang source code sa isang Docker volume sa halip na sa lokal na filesystem. Volumes ang inirerekomendang mekanismo para panatilihin ang data ng container.

O buksan ang isang lokal na na-clone o na-download na bersyon ng repository:

• I-clone ang repository na ito sa iyong lokal na filesystem.
• Pindutin ang F1 at piliin ang Remote-Containers: Open Folder in Container... command.
• Piliin ang na-clone na kopya ng folder na ito, maghintay para magsimula ang container, at subukan ang mga bagay.

Offline na pag-access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type docsify serve. Ang website ay ipo-serve sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, ang mga notebook ay hindi maire-render sa pamamagitan ng Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code na nagpapatakbo ng Python kernel.

Iba Pang Kurikulum

Ang aming koponan ay gumagawa ng iba pang mga kurikulum! Tingnan:

LangChain

---

Azure / Edge / MCP / Agents

---

Serye ng Generative AI

---

Pangunahing Pagkatuto

---

Serye ng Copilot

Pagkuha ng Tulong

Nakakaranas ba ng mga problema? Suriin ang aming Gabay sa Pag-troubleshoot para sa mga solusyon sa mga karaniwang problema.

Kung nahihirapan ka o may mga tanong tungkol sa pagbuo ng mga AI app, sumali sa mga kapwa nag-aaral at mga may karanasang developer sa mga talakayan tungkol sa MCP. Ito ay isang sumusuportang komunidad kung saan malugod ang pagtatanong at malayang ibinabahagi ang kaalaman.

Kung mayroon kang puna tungkol sa produkto o nakatagpo ng mga error habang nagtatayo, bisitahin:

---

Paunawa: Isinalin ang dokumentong ito gamit ang AI na serbisyo sa pagsasalin Co-op Translator. Bagaman nagsusumikap kami para sa katumpakan, pakitandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi tumpak na impormasyon. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mga kritikal na impormasyon, inirerekomenda ang propesyonal na pagsasalin na isinagawa ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na nagmumula sa paggamit ng pagsasaling ito.