Data-Science-For-Beginners/translations/zh-TW

資料科學初學者課程

微軟的 Azure Cloud Advocates 很高興提供一套為期 10 週，共 20 課的資料科學課程。每課都包含課前和課後的小測驗、完成課程的書面指導、解答和作業。我們採用以專案為基礎的教學方法，讓您在學習中實作，加強新技能的吸收。

衷心感謝我們的作者： Jasmine Greenaway、Dmitry Soshnikov、Nitya Narasimhan、Jalen McGee、Jen Looper、Maud Levy、Tiffany Souterre、Christopher Harrison。

🙏 特別感謝 🙏 我們的 Microsoft 學生大使 作者、審閱者和內容貢獻者， 包括 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

資料科學初學者 - 手繪筆記 由 @nitya 提供

🌐 多語言支援

透過 GitHub Action 支援（自動且保持最新）

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

偏好本地複製？

本儲存庫包含 50 多種語言翻譯，會顯著增加下載大小。若要在無翻譯的情況下進行稀疏檢出，請用 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'

這樣可讓您以更快的速度取得完成課程所需的內容。

如需支援其他翻譯語言，請參考這裡

加入我們的社群

我們正在舉辦 Discord 學習 AI 系列，了解更多並加入我們，活動時間為 2025 年 9 月 18 日至 30 日，詳見 Learn with AI Series。您將獲得使用 GitHub Copilot 進行資料科學的秘訣與技巧。

您是學生嗎？

請從以下資源開始：

• 學生中心頁面 在此頁面，您將找到初學者資源、學生套裝包，甚至還有獲取免費認證券的方法。這是一個您想要加入書籤並定期查看的頁面，因為我們每月至少會更新內容一次。
• Microsoft Learn 學生大使 加入全球學生大使社群，這可能是您進入微軟的一條途徑。

開始使用

📚 文件說明

• 安裝指南 - 初學者逐步設定說明
• 使用指南 - 範例與常用工作流程
• 故障排除 - 常見問題解決方案
• 貢獻指南 - 怎麼為此計劃做出貢獻
• 給教師的指南 - 教學指導與課堂資源

👨‍🎓 給學生

完全初學者：剛接觸資料科學嗎？從我們的初學者範例開始！這些簡單且有良好註解的範例將幫助您先掌握基礎，然後再深入整個課程。 學生：若想自行使用此課程，請先將整個儲存庫分叉，自行完成練習，並從課前小測開始。再閱讀課程內容並完成其他活動。請嘗試透過理解課程內容來創建專案，而非僅複製解答程式碼；不過，每堂專案導向課程的 /solutions 資料夾中亦提供了解答程式碼。另一個想法是與朋友組成學習小組，一同進行內容學習。若想進一步學習，我們推薦Microsoft Learn。

快速開始:

1. 查看安裝指南來設定您的環境
2. 參考使用指南了解課程如何使用
3. 從第一課開始，依序完成
4. 加入我們的Discord 社群尋求支援

👩‍🏫 給教師

教師們：我們已經包含了一些建議供您使用本課程。期待您在討論區提供寶貴意見！

認識團隊

GIF 製作者 Mohit Jaisal

🎥 點擊上方圖片觀看有關該專案及其創作者的影片！

教學法

在建構此課程時，我們選擇了兩個教學理念：確保課程以專案為基礎，並且包含頻繁的測驗。完成此系列課程後，學生將學會資料科學的基本原理，包括倫理概念、資料準備、不同的資料處理方法、資料視覺化、資料分析、資料科學的實際應用案例等。

此外，課前的低壓力測驗可幫助學生設定學習某主題的意圖，而課後第二次測驗則可加強記憶。此課程設計靈活且有趣，可全部或部分修習。專案從簡單開始，到第十週結束時變得越來越複雜。

請查閱我們的行為守則、貢獻指南、翻譯指南。我們歡迎您的建設性回饋！

每堂課包含：

• 可選的速寫筆記
• 可選的補充影片
• 課前熱身測驗
• 書面課程內容
• 專案課程的逐步專案建置指南
• 知識檢測
• 挑戰題
• 補充閱讀
• 作業
• 課後測驗

關於測驗的說明：所有測驗皆包含在 Quiz-App 資料夾內，總共有40個測驗，每個測驗含三個問題。它們在課程中有連結，但測驗應用程式可以在本地運行或部署到 Azure；請依照 quiz-app 資料夾中的說明操作。測驗也正在逐步本地化。

🎓 初學者友善範例

剛接觸資料科學？ 我們準備了一個特別的範例目錄，包含簡單且註解詳盡的程式碼，幫助你快速入門：

• 🌟 Hello World - 你的第一個資料科學程式
• 📂 載入資料 - 學習讀取與探索資料集
• 📊 簡單分析 - 計算統計與尋找模式
• 📈 基本視覺化 - 製作圖表和圖形
• 🔬 實際專案 - 完整的工作流程，從頭到尾

每個範例都包含詳細註解說明每個步驟，非常適合完全初學者！

👉 從範例開始 👈

課程列表

初學者資料科學藍圖 - 速寫筆記由 @nitya 製作

課程編號	主題	課程群組	學習目標	相關課程	作者
01	定義資料科學	介紹	了解資料科學的基本概念及其與人工智慧、機器學習及大數據的關係。	課程 影片	Dmitry
02	資料科學倫理	介紹	探討資料倫理的概念、挑戰與框架。	課程	Nitya
03	定義資料	介紹	資料的分類方法與常見來源。	課程	Jasmine
04	統計與機率入門	介紹	使用機率與統計的數學技術來理解資料。	課程 影片	Dmitry
05	使用關聯式資料	資料操作	介紹關聯式資料，並教授使用結構化查詢語言（SQL，讀作“see-quell”）探索和分析關聯資料的基礎。	課程	Christopher
06	使用 NoSQL 資料	資料操作	介紹非關聯資料、其類型及文檔資料庫的探索與分析基礎。	課程	Jasmine
07	使用 Python	資料操作	利用 Pandas 等程式庫進行資料探索的 Python 基礎。建議有 Python 程式基礎。	課程 影片	Dmitry
08	資料準備	資料操作	資料清理和轉換技巧，處理缺失、不準確或不完整資料的挑戰。	課程	Jasmine
09	數量視覺化	資料視覺化	使用 Matplotlib 視覺化鳥類資料 🦆	課程	Jen
10	資料分布視覺化	資料視覺化	視覺化區間內的觀察值與趨勢。	課程	Jen
11	比例視覺化	資料視覺化	視覺化離散和分組的百分比。	課程	Jen
12	關係視覺化	資料視覺化	視覺化資料集及其變數間的連結和關聯。	課程	Jen
13	有意義的視覺化	資料視覺化	製作有價值的視覺化，協助有效解決問題和獲得洞見的技巧與指導。	課程	Jen
14	資料科學生命週期介紹	生命週期	介紹資料科學生命週期及其第一步：獲取與提取資料。	課程	Jasmine
15	資料分析	生命週期	著重於資料科學生命週期中分析資料的技術。	課程	Jasmine
16	溝通	生命週期	著重於資料科學生命週期中，以便於決策者理解的方式呈現資料洞見。	課程	Jalen
17	雲端資料科學	雲端資料	本系列課程介紹雲端資料科學及其優點。	課程	Tiffany 和 Maud
18	雲端資料科學	雲端資料	使用低代碼工具訓練模型。	課程	Tiffany 和 Maud
19	雲端資料科學	雲端資料	使用 Azure 機器學習工作室部署模型。	課程	Tiffany 和 Maud
20	實地資料科學	實地	真實世界中資料科學驅動的專案。	課程	Nitya

GitHub Codespaces

請依下列步驟在 Codespace 中開啟此範例：

1. 點擊 Code 下拉選單，選擇「Open with Codespaces」選項。
2. 在畫面底部選擇「+ New codespace」。 欲了解更多資訊，請參閱GitHub 文件。

VSCode Remote - Containers

請按照以下步驟，利用你的本機與 VSCode，並使用 VS Code Remote - Containers 擴充功能，將此程式庫開啟於容器中：

1. 若你是首次使用開發容器，請確保系統符合入門文件中所列的先決條件（如安裝 Docker）。

使用此程式庫時，可以開啟於獨立的 Docker 卷中：

注意：此操作會在底層執行 Remote-Containers 的 Clone Repository in Container Volume... 命令，將原始碼克隆至 Docker 卷，而非本地檔案系統。卷是持久化容器資料的推薦機制。

或者開啟本地已克隆或下載的版本：

• 將此程式庫克隆到本地檔案系統。
• 按 F1 鍵並選擇 Remote-Containers: Open Folder in Container... 命令。
• 選擇該資料夾的本地克隆版本，等待容器啟動，開始操作。

離線存取

你可以透過 Docsify 離線瀏覽本文件。請複製此程式庫，於本地安裝 Docsify，然後在本資料夾根目錄輸入 docsify serve。網站將在本地端的 3000 埠執行：localhost:3000。

注意，筆記本檔案不會透過 Docsify 呈現，因此執行筆記本時，請另行於 VS Code 中啟動 Python 核心執行。

其他課程

我們團隊還製作其他課程！請參考：

LangChain

Azure / Edge / MCP / 代理人

---

生成式 AI 系列

---

核心學習

---

智能助理系列

尋求協助

遇到問題嗎？ 請參考我們的疑難排解指南以解決常見問題。

如果您卡住了或對建立 AI 應用有任何疑問，歡迎加入學習者與經驗豐富的開發者社群，一同討論 MCP。這是一個能自由提問並共享知識的支持性社群。

如果您在開發過程中有產品反饋或錯誤回報，請造訪：

---

免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保翻譯的準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的原文版本應被視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯所引起的任何誤解或誤譯負責。