36 KiB
Data Science для початківців - Навчальна програма
Адвокати Azure Cloud у Microsoft раді запропонувати 10-тижневу навчальну програму з 20 уроків про Data Science. Кожен урок має передурочне та післяурочне опитування, письмові інструкції для виконання уроку, розв’язок та завдання. Наша проєктно-орієнтована педагогіка дозволяє вчитися під час створення, що є доведеним способом міцного засвоєння нових навичок.
Щиро дякуємо нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Особлива подяка 🙏 нашим авторам, рецензентам та контентним учасникам Microsoft Student Ambassador, зокрема 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 для початківців - Скетчноут від @nitya |
🌐 Підтримка кількох мов
Підтримується через GitHub Action (Автоматично та Завжди Актуально)
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
Віддаєте перевагу клонувати локально?
Цей репозиторій містить понад 50 мовних перекладів, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте 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'Це дасть усе необхідне для проходження курсу з набагато швидшим завантаженням.
Якщо ви хочете, щоб були підтримані додаткові мови перекладу, їх перелік знаходиться тут
Приєднуйтесь до нашої спільноти
У нас триває серія Discord для навчання з AI, дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Отримаєте поради та хитрощі з використання GitHub Copilot для Data Science.
Ви студент?
Почніть із наступних ресурсів:
- Сторінка студентського центру Тут ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний ваучер на сертифікат. Цю сторінку варто додати до закладок та періодично перевіряти, оскільки вміст оновлюється мінімум раз на місяць.
- Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентських послів, це може бути вашим шляхом до Microsoft.
Початок роботи
📚 Документація
- Керівництво зі встановлення - Покрокові інструкції налаштування для початківців
- Керівництво з використання - Приклади та типові робочі процеси
- Вирішення проблем - Рішення поширених проблем
- Керівництво для сприяння розвитку - Як внести свій внесок у цей проєкт
- Для викладачів - Посібник для викладання та ресурси для аудиторії
👨🎓 Для студентів
Повні початківці: Новачок у data science? Почніть з наших простих прикладів для початківців! Ці прості, добре прокоментовані приклади допоможуть зрозуміти основи перед тим, як заглибитися у повну навчальну програму. Студенти: щоб працювати з цією програмою самостійно, форкніть весь репозиторій і виконуйте вправи самостійно, починаючи з пре-лекційного опитування. Потім читайте лекцію й виконуйте решту завдань. Намагайтеся створювати проекти, розуміючи уроки, а не просто копіюючи код розв’язку; однак цей код доступний у папках /solutions до кожного уроку, орієнтованого на проекти. Інша ідея — сформувати навчальну групу з друзями та разом проходити матеріали. Для подальшого вивчення рекомендуємо Microsoft Learn.
Швидкий старт:
- Перевірте Керівництво зі встановлення для налаштування середовища
- Ознайомтеся з Керівництвом з використання, щоб навчитися працювати з цією програмою
- Починайте з Уроку 1 і працюйте послідовно
- Приєднуйтесь до нашої спільноти Discord для підтримки
👩🏫 Для викладачів
Викладачі: ми включили кілька порад щодо використання цієї програми. Ми будемо раді вашому відгуку у нашому дискусійному форумі!
Зустрічайте команду
Гіф від Mohit Jaisal
🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!
Педагогіка
Ми обрали два педагогічні принципи під час розробки цього навчального курсу: забезпечення проектного підходу та включення частих вікторин. Наприкінці цього циклу студенти вивчать основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, приклади застосування науки про дані у реальному житті та інше.
Крім того, вікторина з низькою ставкою перед заняттям налаштовує студента на вивчення теми, а друга вікторина після заняття забезпечує кращу засвоюваність матеріалу. Цей навчальний план було розроблено гнучким та цікавим, його можна проходити повністю або частинами. Проєкти починаються з простих і з часом стають складнішими до кінця 10-тижневого циклу.
Знайдіть наші Правила поведінки, Внесок, Переклади. Ми вітаємо ваші конструктивні відгуки!
Кожен урок включає:
- Опційний скетчноут
- Опційне додаткове відео
- Вікторину-розминку перед уроком
- Письмовий урок
- Для уроків на основі проєктів — покрокові інструкції зі створення проєкту
- Перевірки знань
- Виклик
- Додаткову літературу
- Завдання
- Вікторину після уроку
Примітка про вікторини: Всі вікторини знаходяться в папці Quiz-App, загалом 40 вікторин по три питання в кожній. Посилання на них є в уроках, але додаток з вікторинами можна запустити локально або розгорнути в Azure; дотримуйтесь інструкцій у папці
quiz-app. Вікторини поступово локалізуються.
🎓 Приклади для початківців
Новачок у науці про дані? Ми створили спеціальний каталог прикладів із простим, добре прокоментованим кодом, щоб допомогти вам почати:
- 🌟 Hello World — ваша перша програма з науки про дані
- 📂 Завантаження даних — навчіться читати та досліджувати набори даних
- 📊 Простий аналіз — обчислення статистики та пошук закономірностей
- 📈 Базова візуалізація — створення діаграм і графіків
- 🔬 Реальний проєкт — повний робочий процес від початку до кінця
Кожен приклад містить докладні коментарі, що пояснюють кожен крок, тому він ідеально підходить для абсолютних початківців!
Уроки
 |
|---|
| Data Science For Beginners: Roadmap – Скетчноут від @nitya |
| Номер уроку | Тема | Група уроків | Цілі навчання | Посилання на урок | Автор |
|---|---|---|---|---|---|
| 01 | Визначення науки про дані | Вступ | Вивчіть основні поняття науки про дані і як вона пов’язана з штучним інтелектом, машинним навчанням і великими даними. | урок відео | Dmitry |
| 02 | Етика науки про дані | Вступ | Концепції етики даних, виклики та рамки. | урок | Nitya |
| 03 | Визначення даних | Вступ | Як класифікуються дані та їх поширені джерела. | урок | Jasmine |
| 04 | Вступ до статистики та ймовірності | Вступ | Математичні методи ймовірності та статистики для розуміння даних. | урок відео | Dmitry |
| 05 | Робота з реляційними даними | Робота з даними | Вступ до реляційних даних і основи дослідження та аналізу реляційних даних за допомогою мови структурованих запитів, також відомої як SQL (проізноситься “сі-квел”). | урок | Christopher |
| 06 | Робота з NoSQL даними | Робота з даними | Вступ до нереляційних даних, їхніх різних типів і основи дослідження та аналізу документних баз даних. | урок | Jasmine |
| 07 | Робота з Python | Робота з даними | Основи використання Python для дослідження даних з бібліотеками на кшталт Pandas. Рекомендується базове розуміння програмування на Python. | урок відео | Dmitry |
| 08 | Підготовка даних | Робота з даними | Теми з методів очищення та трансформації даних для подолання проблеми відсутніх, неточних або неповних даних. | урок | Jasmine |
| 09 | Візуалізація кількостей | Візуалізація даних | Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆 | урок | Jen |
| 10 | Візуалізація розподілів даних | Візуалізація даних | Візуалізація спостережень і трендів в інтервалі. | урок | Jen |
| 11 | Візуалізація пропорцій | Візуалізація даних | Візуалізація дискретних і згрупованих відсотків. | урок | Jen |
| 12 | Візуалізація взаємозв’язків | Візуалізація даних | Візуалізація зв’язків і кореляцій між наборами даних і їх змінними. | урок | Jen |
| 13 | Змістовні візуалізації | Візуалізація даних | Техніки та рекомендації для створення цінних візуалізацій для ефективного розв’язання проблем та отримання інсайтів. | урок | Jen |
| 14 | Вступ до життєвого циклу науки про дані | Життєвий цикл | Вступ до життєвого циклу науки про дані та його першого кроку – отримання та вилучення даних. | урок | Jasmine |
| 15 | Аналізування | Життєвий цикл | Цей етап життєвого циклу науки про дані зосереджується на техніках аналізу даних. | урок | Jasmine |
| 16 | Комунікація | Життєвий цикл | Цей етап життєвого циклу науки про дані присвячений представленню інсайтів з даних у спосіб, що полегшує розуміння для осіб, які приймають рішення. | урок | Jalen |
| 17 | Наука про дані в хмарі | Хмарні дані | Цей цикл уроків знайомить із наукою про дані в хмарі та її перевагами. | урок | Tiffany та Maud |
| 18 | Наука про дані в хмарі | Хмарні дані | Навчання моделей із використанням інструментів Low Code. | урок | Tiffany та Maud |
| 19 | Наука про дані в хмарі | Хмарні дані | Розгортання моделей за допомогою Azure Machine Learning Studio. | урок | Tiffany та Maud |
| 20 | Наука про дані в реальному житті | У реальному житті | Проєкти, керовані наукою про дані у реальному світі. | урок | Nitya |
GitHub Codespaces
Виконайте ці кроки, щоб відкрити цей приклад у Codespace:
- Натисніть меню Code та виберіть опцію Open with Codespaces.
- Виберіть + New codespace у нижній частині панелі. Додаткову інформацію дивіться в документації GitHub.
VSCode Remote - Containers
Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері, використовуючи ваш локальний комп’ютер та VSCode за допомогою розширення VS Code Remote - Containers:
- Якщо це ваш перший раз, коли ви використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає попереднім вимогам (наприклад, встановлений Docker) у документації з початку роботи.
Щоб використовувати цей репозиторій, ви можете або відкрити його у ізольованому Docker-томі:
Примітка: Ця команда під капотом використовуватиме Remote-Containers: Clone Repository in Container Volume..., щоб клонувати вихідний код у Docker-том замість локальної файлової системи. Томи — це рекомендований механізм збереження даних контейнера.
Або ж відкрити локально клоновану або завантажену версію репозиторію:
- Клонуйте цей репозиторій у вашу локальну файлову систему.
- Натисніть F1 і виберіть команду Remote-Containers: Open Folder in Container....
- Виберіть скопійовану папку репозиторію, дочекайтеся запуску контейнера і починайте роботу.
Офлайн доступ
Ви можете переглядати цю документацію офлайн за допомогою Docsify. Форкніть цей репозиторій, встановіть Docsify на ваш комп’ютер, а потім у кореневій папці репозиторію введіть docsify serve. Сайт буде запущений на порту 3000 на вашому локальному хості: localhost:3000.
Зверніть увагу, що зошити (notebooks) не будуть відображатися через Docsify, тому коли вам потрібно запустити зошит, робіть це окремо у VS Code з увімкненим Python-ядром.
Інші навчальні курси
Наша команда також створює інші навчальні курси! Ознайомтесь із:
LangChain
Azure / Edge / MCP / Агенти
Серія Генеративного ШІ
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Основне навчання
Серія Copilot
Отримання допомоги
Виникли проблеми? Перевірте наш Посібник з усунення несправностей для рішень поширених проблем.
Якщо ви застрягли або маєте питання щодо створення AI-додатків, приєднуйтесь до інших учнів і досвідчених розробників для обговорення MCP. Це підтримуюча спільнота, де вітаються питання та вільно діляться знаннями.
Якщо у вас є відгуки про продукт чи помилки під час розробки, відвідайте:
Відмова від відповідальності: Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, просимо враховувати, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критичної інформації рекомендується звертатись до професійного людського перекладу. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.