18 KiB

Raw Blame History

Data Science för Nybörjare - En Läroplan

Azure Cloud Advocates på Microsoft är glada att erbjuda en 10-veckors, 20-lektions läroplan som handlar om Data Science. Varje lektion innehåller quiz före och efter lektionen, skriftliga instruktioner för att genomföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära dig genom att skapa, en beprövad metod för att nya färdigheter ska fastna.

Stort tack till våra författare: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Speciellt tack 🙏 till våra Microsoft Student Ambassadors författare, granskare och innehållsbidragare, särskilt 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 för Nybörjare - Sketchnote av @nitya

🌐 Flerspråkigt Stöd

Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat)

Om du vill ha ytterligare översättningar, finns stödda språk listade här

Gå med i vårt Community

Är du student?

Kom igång med följande resurser:

Student Hub-sida På denna sida hittar du resurser för nybörjare, studentpaket och till och med sätt att få en gratis certifieringskupong. Detta är en sida du vill bokmärka och kolla in då och då eftersom vi byter ut innehållet minst en gång i månaden.
Microsoft Learn Student Ambassadors Gå med i ett globalt community av studentambassadörer, detta kan vara din väg in i Microsoft.

Kom igång

Lärare: vi har inkluderat några förslag på hur man använder denna läroplan. Vi skulle älska att få din feedback i vårt diskussionsforum!

Studenter: för att använda denna läroplan på egen hand, forka hela repot och slutför övningarna själv, börja med ett quiz före lektionen. Läs sedan lektionen och slutför resten av aktiviteterna. Försök att skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; dock finns den koden tillgänglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För vidare studier rekommenderar vi Microsoft Learn.

Möt Teamet

Gif av Mohit Jaisal

🎥 Klicka på bilden ovan för en video om projektet och personerna som skapade det!

Pedagogik

Vi har valt två pedagogiska principer när vi byggde denna läroplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. Vid slutet av denna serie kommer studenter att ha lärt sig grundläggande principer inom data science, inklusive etiska koncept, databeredning, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsfall av data science och mer.

Dessutom sätter ett lågtröskel-quiz före en lektion studentens intention mot att lära sig ett ämne, medan ett andra quiz efter lektionen säkerställer ytterligare inlärning. Denna läroplan är designad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar små och blir alltmer komplexa mot slutet av den 10-veckors cykeln.

Hitta vår Uppförandekod, Bidrag, Översättnings riktlinjer. Vi välkomnar din konstruktiva feedback!

Varje lektion innehåller:

Valfri sketchnote
Valfri kompletterande video
Uppvärmningsquiz före lektionen
Skriven lektion
För projektbaserade lektioner, steg-för-steg-guider för att bygga projektet
Kunskapskontroller
En utmaning
Kompletterande läsning
Uppgift
Quiz efter lektionen

En notering om quiz: Alla quiz finns i mappen Quiz-App, totalt 40 quiz med tre frågor vardera. De är länkade från lektionerna, men quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionerna i mappen quiz-app. De lokaliseras gradvis.

Lektioner


Data Science för nybörjare: Vägkarta - Sketchnote av @nitya

Lektion Nummer	Ämne	Lektion Grupp	Lärandemål	Länkad Lektion	Författare
01	Definiera Data Science	Introduktion	Lär dig de grundläggande koncepten bakom data science och hur det är relaterat till artificiell intelligens, maskininlärning och big data.	lektion video	Dmitry
02	Etik inom Data Science	Introduktion	Koncept, utmaningar och ramverk för dataetik.	lektion	Nitya
03	Definiera Data	Introduktion	Hur data klassificeras och dess vanliga källor.	lektion	Jasmine
04	Introduktion till Statistik & Sannolikhet	Introduktion	Matematiska tekniker för sannolikhet och statistik för att förstå data.	lektion video	Dmitry
05	Arbeta med Relationell Data	Arbeta med Data	Introduktion till relationell data och grunderna i att utforska och analysera relationell data med Structured Query Language, även känt som SQL (uttalas "see-quell").	lektion	Christopher
06	Arbeta med NoSQL Data	Arbeta med Data	Introduktion till icke-relationell data, dess olika typer och grunderna i att utforska och analysera dokumentdatabaser.	lektion	Jasmine
07	Arbeta med Python	Arbeta med Data	Grunderna i att använda Python för datautforskning med bibliotek som Pandas. Grundläggande förståelse för Python-programmering rekommenderas.	lektion video	Dmitry
08	Datapreparation	Arbeta med Data	Ämnen om datatekniker för att rengöra och transformera data för att hantera utmaningar med saknad, felaktig eller ofullständig data.	lektion	Jasmine
09	Visualisera Kvantiteter	Datavisualisering	Lär dig hur du använder Matplotlib för att visualisera fågeldata 🦆	lektion	Jen
10	Visualisera Datafördelningar	Datavisualisering	Visualisera observationer och trender inom ett intervall.	lektion	Jen
11	Visualisera Proportioner	Datavisualisering	Visualisera diskreta och grupperade procentandelar.	lektion	Jen
12	Visualisera Relationer	Datavisualisering	Visualisera kopplingar och korrelationer mellan dataset och deras variabler.	lektion	Jen
13	Meningsfulla Visualiseringar	Datavisualisering	Tekniker och vägledning för att göra dina visualiseringar värdefulla för effektiv problemlösning och insikter.	lektion	Jen
14	Introduktion till Data Science-livscykeln	Livscykel	Introduktion till data science-livscykeln och dess första steg att samla in och extrahera data.	lektion	Jasmine
15	Analysera	Livscykel	Denna fas av data science-livscykeln fokuserar på tekniker för att analysera data.	lektion	Jasmine
16	Kommunikation	Livscykel	Denna fas av data science-livscykeln fokuserar på att presentera insikter från data på ett sätt som gör det lättare för beslutsfattare att förstå.	lektion	Jalen
17	Data Science i Molnet	Molndata	Denna serie av lektioner introducerar data science i molnet och dess fördelar.	lektion	Tiffany och Maud
18	Data Science i Molnet	Molndata	Träna modeller med Low Code-verktyg.	lektion	Tiffany och Maud
19	Data Science i Molnet	Molndata	Distribuera modeller med Azure Machine Learning Studio.	lektion	Tiffany och Maud
20	Data Science i Verkligheten	I Verkligheten	Data science-drivna projekt i verkliga världen.	lektion	Nitya

GitHub Codespaces

Följ dessa steg för att öppna detta exempel i en Codespace:

Klicka på Code-menyn och välj alternativet Open with Codespaces.
Välj + New codespace längst ner i panelen. För mer information, kolla GitHub-dokumentationen.

VSCode Remote - Containers

Följ dessa steg för att öppna detta repo i en container med din lokala dator och VSCode med tillägget VS Code Remote - Containers:

Om detta är första gången du använder en utvecklingscontainer, se till att ditt system uppfyller förkraven (t.ex. ha Docker installerat) i dokumentationen för att komma igång.

För att använda detta repo kan du antingen öppna det i en isolerad Docker-volym:

Notering: Under huven kommer detta att använda Remote-Containers: Clone Repository in Container Volume...-kommandot för att klona källkoden i en Docker-volym istället för det lokala filsystemet. Volymer är den föredragna mekanismen för att bevara containerdata.

Eller öppna en lokalt klonad eller nedladdad version av repo:

Klona detta repo till ditt lokala filsystem.
Tryck på F1 och välj kommandot Remote-Containers: Open Folder in Container....
Välj den klonade kopian av denna mapp, vänta tills containern startar och testa saker.

Offlineåtkomst

Du kan köra denna dokumentation offline med Docsify. Forka detta repo, installera Docsify på din lokala dator, och i root-mappen av detta repo, skriv docsify serve. Webbplatsen kommer att köras på port 3000 på din localhost: localhost:3000.

Notera, notebooks kommer inte att renderas via Docsify, så när du behöver köra en notebook, gör det separat i VS Code med en Python-kärna.

Andra Läroplaner

Vårt team producerar andra läroplaner! Kolla in:

Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen notera att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på sitt originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.

18 KiB Raw Blame History