Data-Science-For-Beginners/translations/tl

Data Science para sa mga Nagsisimula - Isang Kurikulum

Ang Azure Cloud Advocates sa Microsoft ay masayang nag-aalok ng 10-linggong, 20-leksyon na kurikulum tungkol sa Data Science. Bawat leksyon ay may kasamang pre-lesson at post-lesson quizzes, mga nakasulat na tagubilin para tapusin ang leksyon, isang solusyon, at isang asignatura. Ang aming project-based pedagogy ay nagpapahintulot sa iyo na matuto habang gumagawa, isang napatunayan na paraan para maitanim ang mga bagong kasanayan.

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 Microsoft Student Ambassador na mga may-akda, tagasuri at mga contributor sa nilalaman, lalo na kina 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

Data Science Para sa mga Nagsisimula - Sketchnote ni @nitya

🌐 Suporta sa Maramihang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Automated at Palaging 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

Mas gusto mo bang I-clone Lokal?

Ang repositoryong ito ay may kasamang 50+ na pagsasalin sa wika na malaki ang dagdag sa laki ng pag-download. Para mag-clone nang walang mga pagsasalin, gamitin ang sparse checkout:

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'

Binibigyan ka nito ng lahat ng kailangan mo para matapos ang kurso nang mas mabilis ang pag-download.

Kung nais mo ng karagdagang suporta sa mga salin ng wika, nakalista ito dito

Sumali sa Aming Komunidad

Mayroon kaming Discord na serye sa pagkatuto kasama ang AI, alamin pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tip at diskarte sa paggamit ng GitHub Copilot para sa Data Science.

Ikaw ba ay isang estudyante?

Magsimula gamit ang mga sumusunod na resources:

• Student Hub page Sa pahinang ito, makikita mo ang mga beginner resources, Student packs at maging mga paraan para makakuha ng libreng sertipikasyon voucher. Ito ang pahinang nais mong i-bookmark at tingnan paminsan-minsan habang nagpapalit kami ng nilalaman buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa isang pandaigdigang komunidad ng student ambassadors, ito ang posibleng daan mo papasok sa Microsoft.

Pagsisimula

📚 Dokumentasyon

• Installation Guide - Mga hakbang-hakbang na tagubilin para sa setup ng mga nagsisimula
• Usage Guide - Mga halimbawa at karaniwang workflow
• Troubleshooting - Mga solusyon sa karaniwang problema
• Contributing Guide - Paano mag-ambag sa proyektong ito
• For Teachers - Gabay sa pagtuturo at mga resources para sa klase

👨‍🎓 Para sa mga Estudyante

Mga ganap na Nagsisimula: Bago ka ba sa data science? Magsimula sa aming beginner-friendly examples! Ang mga simpleng halimbawa na may komento ay tutulong sa iyo na maunawaan ang mga batayan bago sumabak sa buong kurikulum. Mga Estudyante: para gamitin ang kurikulum na ito nang mag-isa, mag-fork ng buong repo at kumpletuhin ang mga pagsasanay nang mag-isa, simula sa pre-lecture quiz. Pagkatapos basahin ang leksyon at tapusin ang mga natitirang gawain. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na kopyahin ang code ng solusyon; gayunpaman, ang code na iyon ay makikita sa mga /solutions folder sa bawat proyekto-oriented na leksyon. Isa pang ideya ay bumuo ng study group kasama ang mga kaibigan at sabay na pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekomenda namin ang Microsoft Learn.

Mabilis na Pagsisimula:

1. Tingnan ang Installation Guide para i-setup ang iyong environment
2. Suriin ang Usage Guide para matutunan kung paano gamitin ang kurikulum
3. Magsimula sa Lesson 1 at sundan nang sunod-sunod
4. Sumali sa aming Discord community para sa suporta

👩‍🏫 Para sa mga Guro

Guro: naglagay kami ng ilang mga mungkahi kung paano gamitin ang kurikulum na ito. Masaya kaming matanggap ang iyong feedback sa aming discussion forum!

Kilalanin ang Koponan

Gif mula kay Mohit Jaisal

🎥 Pindutin ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong gumawa nito!

Pedagohiya

Pinili namin ang dalawang pedagogical na prinsipyo habang binubuo ang kurikulum na ito: tiyakin na ito ay nakabatay sa proyekto at may kasamang madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng agham ng datos, kabilang ang mga konseptong etikal, paghahanda ng datos, iba't ibang paraan ng pagtatrabaho sa datos, pagvisualisa ng datos, pagsusuri ng datos, mga totoong gamit ng agham ng datos, at iba pa.

Bukod dito, ang mababang-taya na pagsusulit bago ang klase ay nagtatalaga ng layunin ng estudyante sa pag-aaral ng isang paksa, habang ang pangalawang pagsusulit pagkatapos ng klase ay nagsisigurong mas matagal na pananatili ng kaalaman. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o paunti-unti. Ang mga proyekto ay nagsisimula sa maliit at lumalalim ang komplikasyon sa pagtatapos ng 10-linggong siklo.

Hanapin ang aming Code of Conduct, Contributing, at Translation na mga gabay. Malugod naming tinatanggap ang iyong makabuluhang puna!

Bawat aralin ay may kasamang:

• Opsyonal na sketchnote
• Opsyonal na karagdagang video
• Pre-lesson warmup quiz
• Nakalistang aralin
• Para sa mga aralin na nakabatay sa proyekto, mga hakbang-hakbang na gabay kung paano buuin ang proyekto
• Mga pagsusuri ng kaalaman
• Isang hamon
• Karagdagang babasahin
• Takdang-aralin
• Post-lesson quiz

Isang tala tungkol sa mga pagsusulit: Lahat ng pagsusulit ay nasa loob ng Quiz-App folder, na may kabuuang 40 pagsusulit na tig-tatlong tanong bawat isa. Nakaugnay ang mga ito 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-unting nilalokalisa ang mga ito.

🎓 Mga Halimbawang Madaling Simulan

Bago sa Agham ng Datos? Nilikha namin ang isang espesyal na examples directory na may simpleng mga malinaw na pinaliwanag na code upang tulungan kang magsimula:

• 🌟 Hello World - Ang iyong unang programang agham ng datos
• 📂 Pag-load ng Datos - Matutunan kung paano basahin at suriin ang mga dataset
• 📊 Simpleng Pagsusuri - Kalkulahin ang mga estadistika at hanapin ang mga pattern
• 📈 Pangunahing Visualisasyon - Gumawa ng mga tsart at grap
• 🔬 Totoong Proyekto - Kumpletong daloy ng trabaho mula simula hanggang katapusan

Bawat halimbawa ay may detalyadong mga komento na nagpapaliwanag sa bawat hakbang, kaya perpekto ito para sa mga ganap na baguhan!

👉 Magsimula sa mga halimbawa 👈

Mga Aralin

Data Science For Beginners: Roadmap - Sketchnote by @nitya

Numero ng Aralin	Paksa	Pangkat ng Aralin	Mga Layunin ng Pagkatuto	Nakaugnay na Aralin	May-akda
01	Pagpapakahulugan sa Agham ng Datos	Introduction	Matutunan ang mga pangunahing konsepto sa likod ng agham ng datos at kung paano ito nauugnay sa artipisyal na intelihensiya, machine learning, at malalaking datos.	lesson video	Dmitry
02	Etika sa Agham ng Datos	Introduction	Mga Konsepto, Hamon, at Balangkas ng Etika sa Datos.	lesson	Nitya
03	Pagpapakahulugan ng Datos	Introduction	Paano ikinaklasipika ang datos at ang mga karaniwang pinagkukunan nito.	lesson	Jasmine
04	Panimula sa Estadistika at Probabilidad	Introduction	Mga teknikang matematika ng probabilidad at estadistika upang maunawaan ang datos.	lesson video	Dmitry
05	Paggamit ng Relational Data	Working With Data	Panimula sa relational data at mga pangunahing pamamaraan ng pagsusuri at pag-explore gamit ang Structured Query Language o SQL (binibigkas bilang “see-quell”).	lesson	Christopher
06	Paggamit ng NoSQL Data	Working With Data	Panimula sa non-relational data, iba't ibang uri nito, at mga pangunahing pamamaraan ng pagsusuri at pag-explore ng mga document database.	lesson	Jasmine
07	Paggamit ng Python	Working With Data	Mga pangunahing gamit ng Python para sa pag-explore ng datos gamit ang mga librarya tulad ng Pandas. Inirerekomenda ang pundamental na kaalaman sa programming ng Python.	lesson video	Dmitry
08	Paghahanda ng Datos	Working With Data	Mga paksa sa mga teknik sa paglilinis at pag-transform ng datos upang harapin ang mga hamon ng nawawala, maling, o hindi kumpletong datos.	lesson	Jasmine
09	Pagvisualisa ng Dami	Data Visualization	Matutunan kung paano gamitin ang Matplotlib upang i-visualize ang datos ng mga ibon 🦆	lesson	Jen
10	Pagvisualisa ng Pamamahagi ng Datos	Data Visualization	Pagvisualisa ng mga obserbasyon at mga trend sa loob ng isang interval.	lesson	Jen
11	Pagvisualisa ng Proportion	Data Visualization	Pagvisualisa ng mga discrete at pangkat na porsyento.	lesson	Jen
12	Pagvisualisa ng Mga Ugnayan	Data Visualization	Pagvisualisa ng mga koneksyon at korelasyon sa pagitan ng mga datos at kanilang mga variable.	lesson	Jen
13	Makabuluhang Visualisasyon	Data Visualization	Mga teknik at patnubay sa paggawa ng mga visualisasyon na may halaga para sa epektibong paglutas ng problema at pagkuha ng mga insight.	lesson	Jen
14	Panimula sa Siklo ng Agham ng Datos	Lifecycle	Panimula sa siklo ng agham ng datos at unang hakbang nito sa pagkuha at pag-extract ng datos.	lesson	Jasmine
15	Pagsusuri	Lifecycle	Ang yugto ng siklo ng agham ng datos na ito ay nakatuon sa mga teknik para sa pagsusuri ng datos.	lesson	Jasmine
16	Komunikasyon	Lifecycle	Ang yugtong ito ng siklo ng agham ng datos ay nakatuon sa pagpapahayag ng mga insight mula sa datos sa paraang mas madali itong maintindihan ng mga tagagawa ng desisyon.	lesson	Jalen
17	Agham ng Datos sa Cloud	Cloud Data	Ang seryeng ito ng mga aralin ay nagpapakilala sa agham ng datos sa cloud at mga benepisyo nito.	lesson	Tiffany at Maud
18	Agham ng Datos sa Cloud	Cloud Data	Pagsasanay ng mga modelo gamit ang Low Code tools.	lesson	Tiffany at Maud
19	Agham ng Datos sa Cloud	Cloud Data	Pagde-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	lesson	Tiffany at Maud
20	Agham ng Datos sa Realidad	In the Wild	Mga proyektong pinagagana ng agham ng datos sa totoong mundo.	lesson	Nitya

GitHub Codespaces

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

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

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 pagkakataon mong gumamit ng development container, siguraduhing pumasa ang iyong sistema sa mga kinakailangan (hal. mayroon kang naka-install na Docker) sa the getting started documentation.

Para gamitin ang repositoryo na ito, maaari mong buksan ang repositoryo sa isang isolated Docker volume:

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

O buksan ang locally cloned o downloaded na bersyon ng repositoryo:

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

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, itype ang docsify serve. Ang website ay ihahain sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, hindi mare-render ang mga notebook sa pamamagitan ng Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin ito nang hiwalay sa VS Code gamit ang Python kernel.

Iba Pang Kurikulum

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

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Core Learning

---

Copilot Series

Getting Help

Nakakaranas ng problema? Tingnan ang aming Troubleshooting Guide para sa mga solusyon sa mga karaniwang problema.

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

Kung mayroon kang feedback sa produkto o mga error habang nagbuo, bisitahin:

---

Pahayag ng Pagtatanggol:
Ang dokumentong ito ay naisalin gamit ang serbisyong AI na pagsasalin na Co-op Translator. Bagama't nagsusumikap kami para sa katumpakan, mangyaring tandaan na maaaring may mga pagkakamali o kamalian ang mga awtomatikong pagsasalin. Ang orihinal na dokumento sa kanyang likas na wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasaling pantao. Hindi kami mananagot sa anumang hindi pagkakaintindihan o maling interpretasyon na nagmula sa paggamit ng pagsasaling ito.