Data-Science-For-Beginners/translations/tl

Data Science para sa mga Nagsisimula - Isang Kurikulum

Ang Azure Cloud Advocates sa Microsoft ay natutuwa na mag-alok ng 10-linggong, 20-aralang kurikulum tungkol sa Data Science. Ang bawat aralin ay may kasamang pre-lesson at post-lesson na pagsusulit, mga nakasulat na tagubilin para tapusin ang aralin, isang solusyon, at isang asignatura. Ang aming pedagogiyang nakabatay sa proyekto ay nagbibigay-daan sa iyo na matuto habang nagtatayo, isang napatunayang paraan para manatili ang bagong mga kasanayan.

Malugod na 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, mga tagasuri at mga nag-ambag ng nilalaman, lalo na sina 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 para sa Maramihang Wika

Sinusuportahan sa pamamagitan ng GitHub Action (Awtomatik 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 nang Lokal?

Kasama sa repository na ito ang mahigit 50 wika ng pagsasalin na malaki ang pinapataas na laki ng pag-download. Upang i-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 upang tapusin ang kurso nang mas mabilis ang pag-download.

Kung nais mong magkaroon ng karagdagang mga wikang pagsasalin na sinusuportahan ay nakalista dito

Sumali sa Aming Komunidad

Mayroon kaming ongoing na Discord na serye tungkol sa pag-aaral kasama ang AI, matuto pa at sumali sa amin sa Learn with AI Series mula Setyembre 18 - 30, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.

Ikaw ba ay estudyante?

Magsimula gamit ang mga sumusunod na resources:

• Student Hub page Sa pahinang ito, makikita mo ang mga beginner resources, Student packs at pati na rin ang mga paraan para makakuha ng libreng cert voucher. Isang pahina ito na nais mong i-bookmark at tingnan paminsan-minsan dahil palagi kaming nagpapalit ng nilalaman kahit buwan-buwan.
• Microsoft Learn Student Ambassadors Sumali sa isang global na komunidad ng mga student ambassadors, ito ang maaaring maging daan mo sa Microsoft.

Pagsisimula

📚 Dokumentasyon

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

👨‍🎓 Para sa mga Estudyante

Ganap na Baguhan: Bago sa data science? Magsimula sa aming mga halimbawa na madaling maintindihan! Ang mga simpleng halimbawa na may mahusay na pagpapaliwanag na ito ay tutulong sa iyo na maunawaan ang mga pangunahing kaalaman bago sumabak sa buong kurikulum. Mga Estudyante: para gamitin ang kurikulum na ito nang mag-isa, i-fork ang buong repo at tapusin ang mga ehersisyo nang mag-isa, simula sa pre-lecture quiz. Pagkatapos basahin ang lektura at tapusin ang iba pang mga aktibidad. Subukang likhain ang mga proyekto sa pamamagitan ng pag-unawa sa mga aralin sa halip na kopyahin ang code ng solusyon; gayunpaman, ang code na iyon ay makikita sa mga /solutions na folder sa bawat araling nakatuon sa proyekto. Isang ideya rin ay magbuo ng study group kasama ang mga kaibigan at sabay-sabay pag-aralan ang nilalaman. Para sa karagdagang pag-aaral, inirerekomenda namin ang Microsoft Learn.

Mabilis na Simula:

1. Suriin ang Installation Guide upang i-setup ang iyong kapaligiran
2. Balikan ang Usage Guide upang 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

Mga Guro: may inampon kaming ilang mungkahi kung paano gamitin ang kurikulum na ito. Nais naming marinig ang iyong puna sa aming discussion forum!

Kilalanin ang Koponan

Gif ni Mohit Jaisal

🎥 I-click ang larawan sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!

Pedagohiya

Pinili namin ang dalawang pedagogical tenet habang binubuo ang kurikulum na ito: tiyakin na ito ay project-based at kasama ang madalas na mga pagsusulit. Sa pagtatapos ng seryeng ito, matututuhan ng mga estudyante ang mga pangunahing prinsipyo ng data science, kabilang ang mga etikal na konsepto, paghahanda ng datos, iba't ibang paraan ng pagtrabaho sa datos, data visualization, pagsusuri ng datos, mga totoong aplikasyon ng data science, at iba pa.

Bukod dito, ang isang low-stakes na pagsusulit bago ang klase ay nagseset ng intensyon ng estudyante na matuto ng isang paksa, habang ang ikalawang pagsusulit pagkatapos ng klase ay nagsisiguro ng karagdagang pag-alala. Ang kurikulum na ito ay idinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at unti-unting nagiging komplikado sa pagtatapos ng 10-linggong siklo.

Hanapin ang aming Code of Conduct, Contributing, Translation guidelines. Inaasam namin ang inyong makabuluhang puna!

Kasama sa bawat aralin:

• Opsyonal na sketchnote
• Opsyonal na supplemental na video
• Pre-lesson warmup quiz
• Nakasaad na aralin
• Para sa mga project-based na aralin, step-by-step na gabay kung paano gawin ang proyekto
• Mga pagsusuri ng kaalaman
• Isang hamon
• Supplemental na pagbabasa
• Takdang-aralin
• Post-lesson quiz

Tungkol sa mga pagsusulit: Lahat ng pagsusulit ay nilalaman sa Quiz-App folder, para sa kabuuang 40 pagsusulit na may tig-3 tanong bawat isa. Nakalink ang mga ito mula sa mga aralin, ngunit ang quiz app ay maaaring patakbuhin lokal o ideploy sa Azure; sundin ang mga tagubilin sa quiz-app folder. Unti-unti itong nilalocalize.

🎓 Mga Halimbawang Patok para sa mga Baguhan

Bago ka ba sa Data Science? Nilikha namin ang isang espesyal na examples directory na may simple, maayos na nakomentaryong code para tulungan kang magsimula:

• 🌟 Hello World - Ang iyong unang programa sa data science
• 📂 Loading Data - Matutong magbasa at mag-explore ng datasets
• 📊 Simple Analysis - Kalkulahin ang mga statistics at hanapin ang mga pattern
• 📈 Basic Visualization - Gumawa ng mga chart at graph
• 🔬 Real-World Project - Buong workflow mula simula hanggang wakas

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

👉 Magsimula sa mga halimbawa 👈

Mga Aralin

Data Science For Beginners: Roadmap - Sketchnote ni @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Pagpapakahulugan ng Data Science	Introduction	Matutunan ang mga pangunahing konsepto sa likod ng data science at kung paano ito nauugnay sa artificial intelligence, machine learning, at big data.	lesson video	Dmitry
02	Etika sa Data Science	Introduction	Mga Konsepto, Hamon, at Frameworks ng Data Ethics.	lesson	Nitya
03	Pagpapakahulugan ng Data	Introduction	Paano nakaklasipika ang data at ang mga karaniwang pinagmulan nito.	lesson	Jasmine
04	Panimula sa Statistics & Probability	Introduction	Ang mga matematikal na teknik ng probability at statistics upang maunawaan ang data.	lesson video	Dmitry
05	Paggawa sa Relational Data	Working With Data	Panimula sa relational data at mga pangunahing kaalaman sa pag-explore at pagsusuri ng relational data gamit ang Structured Query Language, na kilala rin bilang SQL (binibigkas na “see-quell”).	lesson	Christopher
06	Paggawa sa NoSQL Data	Working With Data	Panimula sa non-relational data, iba't ibang uri nito at mga pangunahing kaalaman sa pag-explore at pagsusuri ng document databases.	lesson	Jasmine
07	Paggawa gamit ang Python	Working With Data	Mga pangunahing kaalaman sa paggamit ng Python para sa pag-explore ng data gamit ang mga aklatan tulad ng Pandas. Inirerekomenda ang pundamental na pag-unawa sa programming ng Python.	lesson video	Dmitry
08	Paghahanda ng Data	Working With Data	Mga paksa tungkol sa mga teknik sa paglilinis at pag-transform ng data upang harapin ang mga hamon ng nawawala, mali, o hindi kumpletong data.	lesson	Jasmine
09	Pag-visualize ng Quantities	Data Visualization	Matutong gumamit ng Matplotlib para i-visualize ang data ng mga ibon 🦆	lesson	Jen
10	Pag-visualize ng Distribusyon ng Data	Data Visualization	Pag-visualize ng mga obserbasyon at mga trend sa loob ng isang interval.	lesson	Jen
11	Pag-visualize ng Proportion	Data Visualization	Pag-visualize ng mga discrete at grouped na porsyento.	lesson	Jen
12	Pag-visualize ng mga Relasyon	Data Visualization	Pag-visualize ng mga koneksyon at ugnayan sa pagitan ng mga set ng data at kanilang mga variable.	lesson	Jen
13	Makabuluhang Visualization	Data Visualization	Mga teknik at patnubay para gawing mahalaga ang iyong mga visualization para sa epektibong paglutas ng problema at mga insight.	lesson	Jen
14	Panimula sa Data Science lifecycle	Lifecycle	Panimula sa lifecycle ng data science at ang unang hakbang nito na pagkuha at pag-extract ng data.	lesson	Jasmine
15	Pagsusuri	Lifecycle	Ang yugto ng data science lifecycle na ito ay nakatuon sa mga teknik upang suriin ang data.	lesson	Jasmine
16	Komunikasyon	Lifecycle	Ang yugto ng data science lifecycle na ito ay nakatuon sa pagpapakita ng mga insight mula sa data sa paraang mas madaling maunawaan ng mga tagagawa ng desisyon.	lesson	Jalen
17	Data Science sa Cloud	Cloud Data	Ang seryeng ito ng mga aralin ay nagpapakilala ng data science sa cloud at ang mga benepisyo nito.	lesson	Tiffany at Maud
18	Data Science sa Cloud	Cloud Data	Pagsasanay ng mga modelo gamit ang Low Code na mga tool.	lesson	Tiffany at Maud
19	Data Science sa Cloud	Cloud Data	Pag-deploy ng mga modelo gamit ang Azure Machine Learning Studio.	lesson	Tiffany at Maud
20	Data Science sa Tunay na Mundo	In the Wild	Mga proyekto ng data science na pinapatakbo sa totoong mundo.	lesson	Nitya

GitHub Codespaces

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

1. I-click ang Code drop-down menu at piliin ang Open with Codespaces option.
2. Piliin ang + New codespace sa ibaba 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 iyong unang paggamit ng development container, tiyakin na ang iyong sistema ay nakakatugon sa mga pre-req (hal. mayroon kang Docker na naka-install) sa the getting started documentation.

Para gamitin ang repository na ito, maaari mong buksan ang repository sa isang hiwalay na Docker volume:

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

O buksan ang isang lokal na na-clone o na-download na bersyon ng repository:

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

Offline access

Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, mag-install ng Docsify sa iyong lokal na makina, pagkatapos sa root folder ng repo na ito, i-type ang docsify serve. Ang website ay ihahain sa port 3000 sa iyong localhost: localhost:3000.

Tandaan, ang mga notebook ay hindi irerender gamit ang Docsify, kaya kapag kailangan mong patakbuhin ang isang notebook, gawin iyon nang hiwalay sa VS Code na may Python kernel.

Iba pang Kurikulum

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

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Core Learning

---

Copilot Series

Pagkuha ng Tulong

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

Kung ikaw ay natigil o may mga katanungan tungkol sa paggawa ng mga AI app. Sumali sa mga kapwa mag-aaral at mga bihasang developer sa mga talakayan tungkol sa MCP. Isa itong suportadong komunidad kung saan malugod ang mga tanong at malaya ang pagbabahagi ng kaalaman.

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

---

Paalala:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagaman nagsusumikap kami na maging tumpak, pakatandaan na ang mga awtomatikong salin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa wikang katutubo nito ang dapat ituring na pinagkakatiwalaang sanggunian. Para sa mahahalagang impormasyon, ipinapayo ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaintindihan o maling interpretasyon na nagmula sa paggamit ng pagsasaling ito.