Data-Science-For-Beginners/translations/th/AGENTS.md

AGENTS.md

ภาพรวมของโครงการ

Data Science for Beginners เป็นหลักสูตรที่ครอบคลุมระยะเวลา 10 สัปดาห์ รวม 20 บทเรียน ซึ่งสร้างขึ้นโดย Microsoft Azure Cloud Advocates โดยที่เก็บนี้เป็นแหล่งเรียนรู้ที่สอนแนวคิดพื้นฐานของวิทยาศาสตร์ข้อมูลผ่านบทเรียนที่เน้นโครงการ รวมถึง Jupyter notebooks, แบบทดสอบเชิงโต้ตอบ และการมอบหมายงานที่ต้องลงมือปฏิบัติ

เทคโนโลยีหลัก:

• Jupyter Notebooks: สื่อการเรียนรู้หลักที่ใช้ Python 3
• Python Libraries: pandas, numpy, matplotlib สำหรับการวิเคราะห์และการแสดงผลข้อมูล
• Vue.js 2: แอปพลิเคชันแบบทดสอบ (โฟลเดอร์ quiz-app)
• Docsify: ตัวสร้างเว็บไซต์เอกสารสำหรับการเข้าถึงแบบออฟไลน์
• Node.js/npm: การจัดการแพ็กเกจสำหรับส่วนประกอบ JavaScript
• Markdown: เนื้อหาบทเรียนและเอกสารทั้งหมด

สถาปัตยกรรม:

• ที่เก็บการศึกษาหลายภาษา พร้อมการแปลที่ครอบคลุม
• โครงสร้างแบ่งเป็นโมดูลบทเรียน (1-Introduction ถึง 6-Data-Science-In-Wild)
• แต่ละบทเรียนประกอบด้วย README, notebooks, การมอบหมายงาน และแบบทดสอบ
• แอปพลิเคชันแบบทดสอบ Vue.js แบบสแตนด์อโลนสำหรับการประเมินก่อน/หลังบทเรียน
• รองรับ GitHub Codespaces และ VS Code dev containers

คำสั่งการตั้งค่า

การตั้งค่าที่เก็บ

# Clone the repository (if not already cloned)
git clone https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners

การตั้งค่าสภาพแวดล้อม Python

# Create a virtual environment (recommended)
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install common data science libraries (no requirements.txt exists)
pip install jupyter pandas numpy matplotlib seaborn scikit-learn

การตั้งค่าแอปพลิเคชันแบบทดสอบ

# Navigate to quiz app
cd quiz-app

# Install dependencies
npm install

# Start development server
npm run serve

# Build for production
npm run build

# Lint and fix files
npm run lint

เซิร์ฟเวอร์เอกสาร Docsify

# Install Docsify globally
npm install -g docsify-cli

# Serve documentation locally
docsify serve

# Documentation will be available at localhost:3000

การตั้งค่าโครงการการแสดงผล

สำหรับโครงการการแสดงผล เช่น meaningful-visualizations (บทเรียนที่ 13):

# Navigate to starter or solution folder
cd 3-Data-Visualization/13-meaningful-visualizations/starter

# Install dependencies
npm install

# Start development server
npm run serve

# Build for production
npm run build

# Lint files
npm run lint

เวิร์กโฟลว์การพัฒนา

การทำงานกับ Jupyter Notebooks

1. เริ่มต้น Jupyter ในโฟลเดอร์รากของที่เก็บ: jupyter notebook
2. ไปยังโฟลเดอร์บทเรียนที่ต้องการ
3. เปิดไฟล์ .ipynb เพื่อทำแบบฝึกหัด
4. Notebooks มีคำอธิบายและเซลล์โค้ดในตัว
5. ส่วนใหญ่ใช้ pandas, numpy และ matplotlib - ตรวจสอบให้แน่ใจว่าติดตั้งแล้ว

โครงสร้างบทเรียน

แต่ละบทเรียนมักประกอบด้วย:

• README.md - เนื้อหาหลักของบทเรียนพร้อมทฤษฎีและตัวอย่าง
• notebook.ipynb - แบบฝึกหัด Jupyter notebook
• assignment.ipynb หรือ assignment.md - การมอบหมายงานเพื่อฝึกฝน
• โฟลเดอร์ solution/ - โน้ตบุ๊กและโค้ดคำตอบ
• โฟลเดอร์ images/ - วัสดุภาพประกอบ

การพัฒนาแอปพลิเคชันแบบทดสอบ

• แอปพลิเคชัน Vue.js 2 พร้อม hot-reload ระหว่างการพัฒนา
• แบบทดสอบจัดเก็บใน quiz-app/src/assets/translations/
• แต่ละภาษามีโฟลเดอร์การแปลของตัวเอง (en, fr, es, ฯลฯ)
• หมายเลขแบบทดสอบเริ่มต้นที่ 0 และไปจนถึง 39 (รวม 40 แบบทดสอบ)

การเพิ่มการแปลภาษา

• การแปลอยู่ในโฟลเดอร์ translations/ ที่รากของที่เก็บ
• แต่ละภาษามีโครงสร้างบทเรียนที่สมบูรณ์เหมือนภาษาอังกฤษ
• การแปลอัตโนมัติผ่าน GitHub Actions (co-op-translator.yml)

คำแนะนำการทดสอบ

การทดสอบแอปพลิเคชันแบบทดสอบ

cd quiz-app

# Run lint checks
npm run lint

# Test build process
npm run build

# Manual testing: Start dev server and verify quiz functionality
npm run serve

การทดสอบโน้ตบุ๊ก

• ไม่มีกรอบการทดสอบอัตโนมัติสำหรับโน้ตบุ๊ก
• การตรวจสอบด้วยตนเอง: รันเซลล์ทั้งหมดตามลำดับเพื่อให้แน่ใจว่าไม่มีข้อผิดพลาด
• ตรวจสอบว่าไฟล์ข้อมูลสามารถเข้าถึงได้และผลลัพธ์ถูกสร้างขึ้นอย่างถูกต้อง
• ตรวจสอบว่าการแสดงผลภาพทำงานได้อย่างเหมาะสม

การทดสอบเอกสาร

# Verify Docsify renders correctly
docsify serve

# Check for broken links manually by navigating through content
# Verify all lesson links work in the rendered documentation

การตรวจสอบคุณภาพโค้ด

# Vue.js projects (quiz-app and visualization projects)
cd quiz-app  # or visualization project folder
npm run lint

# Python notebooks - manual verification recommended
# Ensure imports work and cells execute without errors

แนวทางการเขียนโค้ด

Python (Jupyter Notebooks)

• ปฏิบัติตามแนวทางสไตล์ PEP 8 สำหรับโค้ด Python
• ใช้ชื่อตัวแปรที่ชัดเจนซึ่งอธิบายข้อมูลที่กำลังวิเคราะห์
• รวมเซลล์ markdown พร้อมคำอธิบายก่อนเซลล์โค้ด
• ให้เซลล์โค้ดมุ่งเน้นไปที่แนวคิดหรือการดำเนินการเดียว
• ใช้ pandas สำหรับการจัดการข้อมูล, matplotlib สำหรับการแสดงผล
• รูปแบบการนำเข้าทั่วไป:

  import pandas as pd
  import numpy as np
  import matplotlib.pyplot as plt
  

JavaScript/Vue.js

• ปฏิบัติตามแนวทางสไตล์ Vue.js 2 และแนวปฏิบัติที่ดีที่สุด
• การกำหนดค่า ESLint ใน quiz-app/package.json
• ใช้ส่วนประกอบ Vue แบบไฟล์เดียว (.vue files)
• รักษาสถาปัตยกรรมที่เน้นส่วนประกอบ
• รัน npm run lint ก่อนการ commit การเปลี่ยนแปลง

เอกสาร Markdown

• ใช้ลำดับชั้นหัวข้อที่ชัดเจน (# ## ### ฯลฯ)
• รวมบล็อกโค้ดพร้อมตัวระบุภาษา
• เพิ่มข้อความ alt สำหรับภาพ
• ลิงก์ไปยังบทเรียนและแหล่งข้อมูลที่เกี่ยวข้อง
• รักษาความยาวบรรทัดให้อ่านง่าย

การจัดระเบียบไฟล์

• เนื้อหาบทเรียนในโฟลเดอร์ที่มีหมายเลข (01-defining-data-science ฯลฯ)
• คำตอบในโฟลเดอร์ย่อย solution/ โดยเฉพาะ
• การแปลโครงสร้างเหมือนภาษาอังกฤษในโฟลเดอร์ translations/
• เก็บไฟล์ข้อมูลใน data/ หรือโฟลเดอร์เฉพาะบทเรียน

การสร้างและการปรับใช้

การปรับใช้แอปพลิเคชันแบบทดสอบ

cd quiz-app

# Build production version
npm run build

# Output is in dist/ folder
# Deploy dist/ folder to static hosting (Azure Static Web Apps, Netlify, etc.)

การปรับใช้ Azure Static Web Apps

แอป quiz-app สามารถปรับใช้กับ Azure Static Web Apps:

1. สร้างทรัพยากร Azure Static Web App
2. เชื่อมต่อกับที่เก็บ GitHub
3. กำหนดค่าการตั้งค่าการสร้าง:
   • ตำแหน่งแอป: quiz-app
   • ตำแหน่งผลลัพธ์: dist
4. GitHub Actions workflow จะปรับใช้อัตโนมัติเมื่อมีการ push

เว็บไซต์เอกสาร

# Build PDF from Docsify (optional)
npm run convert

# Docsify documentation is served directly from markdown files
# No build step required for deployment
# Deploy repository to static hosting with Docsify

GitHub Codespaces

• ที่เก็บรวมการกำหนดค่า dev container
• Codespaces ตั้งค่าสภาพแวดล้อม Python และ Node.js โดยอัตโนมัติ
• เปิดที่เก็บใน Codespace ผ่าน UI ของ GitHub
• การติดตั้งการพึ่งพาทั้งหมดจะดำเนินการโดยอัตโนมัติ

แนวทางการส่ง Pull Request

ก่อนการส่ง

# For Vue.js changes in quiz-app
cd quiz-app
npm run lint
npm run build

# Test changes locally
npm run serve

รูปแบบชื่อ PR

• ใช้ชื่อที่ชัดเจนและอธิบายได้
• รูปแบบ: [Component] คำอธิบายสั้นๆ
• ตัวอย่าง:
  • [Lesson 7] แก้ไขข้อผิดพลาดการนำเข้า Python notebook
  • [Quiz App] เพิ่มการแปลภาษาเยอรมัน
  • [Docs] อัปเดต README พร้อมข้อกำหนดเบื้องต้นใหม่

การตรวจสอบที่จำเป็น

• ตรวจสอบให้แน่ใจว่าโค้ดทั้งหมดทำงานได้โดยไม่มีข้อผิดพลาด
• ยืนยันว่าโน้ตบุ๊กทำงานได้สมบูรณ์
• ยืนยันว่าแอป Vue.js สร้างสำเร็จ
• ตรวจสอบว่าเอกสารลิงก์ทำงานได้
• ทดสอบแอปพลิเคชันแบบทดสอบหากมีการแก้ไข
• ยืนยันว่าโครงสร้างการแปลยังคงสอดคล้องกัน

แนวทางการมีส่วนร่วม

• ปฏิบัติตามสไตล์และรูปแบบโค้ดที่มีอยู่
• เพิ่มความคิดเห็นอธิบายสำหรับตรรกะที่ซับซ้อน
• อัปเดตเอกสารที่เกี่ยวข้อง
• ทดสอบการเปลี่ยนแปลงในโมดูลบทเรียนต่างๆ หากเกี่ยวข้อง
• อ่านไฟล์ CONTRIBUTING.md

หมายเหตุเพิ่มเติม

ไลบรารีที่ใช้บ่อย

• pandas: การจัดการและวิเคราะห์ข้อมูล
• numpy: การคำนวณเชิงตัวเลข
• matplotlib: การแสดงผลและการพล็อตข้อมูล
• seaborn: การแสดงผลข้อมูลเชิงสถิติ (บางบทเรียน)
• scikit-learn: การเรียนรู้ของเครื่อง (บทเรียนขั้นสูง)

การทำงานกับไฟล์ข้อมูล

• ไฟล์ข้อมูลอยู่ในโฟลเดอร์ data/ หรือไดเรกทอรีเฉพาะบทเรียน
• โน้ตบุ๊กส่วนใหญ่คาดหวังไฟล์ข้อมูลในเส้นทางสัมพัทธ์
• ไฟล์ CSV เป็นรูปแบบข้อมูลหลัก
• บางบทเรียนใช้ JSON สำหรับตัวอย่างข้อมูลที่ไม่ใช่เชิงสัมพันธ์

การสนับสนุนหลายภาษา

• การแปลมากกว่า 40 ภาษา ผ่าน GitHub Actions อัตโนมัติ
• เวิร์กโฟลว์การแปลใน .github/workflows/co-op-translator.yml
• การแปลในโฟลเดอร์ translations/ พร้อมรหัสภาษา
• การแปลแบบทดสอบใน quiz-app/src/assets/translations/

ตัวเลือกสภาพแวดล้อมการพัฒนา

1. การพัฒนาในเครื่อง: ติดตั้ง Python, Jupyter, Node.js ในเครื่อง
2. GitHub Codespaces: สภาพแวดล้อมการพัฒนาแบบคลาวด์ทันที
3. VS Code Dev Containers: การพัฒนาบนคอนเทนเนอร์ในเครื่อง
4. Binder: เปิดโน้ตบุ๊กในคลาวด์ (หากกำหนดค่าไว้)

แนวทางเนื้อหาบทเรียน

• แต่ละบทเรียนเป็นแบบสแตนด์อโลนแต่สร้างขึ้นจากแนวคิดก่อนหน้า
• แบบทดสอบก่อนบทเรียนทดสอบความรู้ก่อนหน้า
• แบบทดสอบหลังบทเรียนเสริมสร้างการเรียนรู้
• การมอบหมายงานให้โอกาสฝึกฝน
• Sketchnotes ให้สรุปภาพรวม

การแก้ไขปัญหาทั่วไป

ปัญหา Jupyter Kernel:

# Ensure correct kernel is installed
python -m ipykernel install --user --name=datascience

ข้อผิดพลาด npm Install:

# Clear npm cache and retry
npm cache clean --force
rm -rf node_modules package-lock.json
npm install

ข้อผิดพลาดการนำเข้าในโน้ตบุ๊ก:

• ตรวจสอบให้แน่ใจว่าติดตั้งไลบรารีที่จำเป็นทั้งหมด
• ตรวจสอบความเข้ากันได้ของเวอร์ชัน Python (แนะนำ Python 3.7+)
• ตรวจสอบให้แน่ใจว่าสภาพแวดล้อมเสมือนถูกเปิดใช้งาน

Docsify ไม่โหลด:

• ตรวจสอบว่าคุณกำลังให้บริการจากโฟลเดอร์รากของที่เก็บ
• ตรวจสอบว่า index.html มีอยู่
• ตรวจสอบการเข้าถึงเครือข่ายที่เหมาะสม (พอร์ต 3000)

ข้อควรพิจารณาด้านประสิทธิภาพ

• ชุดข้อมูลขนาดใหญ่อาจใช้เวลาโหลดในโน้ตบุ๊ก
• การแสดงผลภาพอาจช้าสำหรับพล็อตที่ซับซ้อน
• เซิร์ฟเวอร์ dev ของ Vue.js เปิดใช้งาน hot-reload สำหรับการทำซ้ำอย่างรวดเร็ว
• การสร้างสำหรับการใช้งานจริงได้รับการปรับให้เหมาะสมและย่อขนาด

หมายเหตุด้านความปลอดภัย

• ห้าม commit ข้อมูลหรือข้อมูลประจำตัวที่ละเอียดอ่อน
• ใช้ตัวแปรสภาพแวดล้อมสำหรับคีย์ API ในบทเรียนคลาวด์
• บทเรียนที่เกี่ยวข้องกับ Azure อาจต้องใช้ข้อมูลประจำตัวบัญชี Azure
• อัปเดตการพึ่งพาเพื่อรับแพตช์ความปลอดภัย

การมีส่วนร่วมในการแปล

• การแปลอัตโนมัติจัดการผ่าน GitHub Actions
• ยินดีต้อนรับการแก้ไขด้วยตนเองเพื่อความถูกต้องของการแปล
• ปฏิบัติตามโครงสร้างโฟลเดอร์การแปลที่มีอยู่
• อัปเดตลิงก์แบบทดสอบให้รวมพารามิเตอร์ภาษา: ?loc=fr
• ทดสอบบทเรียนที่แปลเพื่อให้แน่ใจว่าการแสดงผลถูกต้อง

แหล่งข้อมูลที่เกี่ยวข้อง

• หลักสูตรหลัก: https://aka.ms/datascience-beginners
• Microsoft Learn: https://docs.microsoft.com/learn/
• Student Hub: https://docs.microsoft.com/learn/student-hub
• ฟอรัมสนทนา: https://github.com/microsoft/Data-Science-For-Beginners/discussions
• หลักสูตรอื่นๆ ของ Microsoft: ML for Beginners, AI for Beginners, Web Dev for Beginners

การดูแลรักษาโครงการ

• อัปเดตเป็นประจำเพื่อให้เนื้อหาทันสมัย
• ยินดีต้อนรับการมีส่วนร่วมจากชุมชน
• ติดตามปัญหาบน GitHub
• PRs ตรวจสอบโดยผู้ดูแลหลักสูตร
• การตรวจสอบและอัปเดตเนื้อหารายเดือน

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่มีความเชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้