18 KiB

Raw Blame History

Data Science for Nybegynnere - En Læreplan

Azure Cloud Advocates hos Microsoft er glade for å tilby en 10-ukers, 20-leksjons læreplan om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instruksjoner for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en velprøvd metode for å få nye ferdigheter til å "sitte fast".

En stor takk til våre forfattere: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Spesiell takk 🙏 til våre Microsoft Student Ambassador forfattere, anmeldere og innholdsbidragsytere, spesielt 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 for Nybegynnere - Sketchnote av @nitya

🌐 Flerspråklig støtte

Støttet via GitHub Action (Automatisk og alltid oppdatert)

Hvis du ønsker å få støtte for flere oversettelser, finner du språkene som støttes her

Bli med i vårt fellesskap

Er du student?

Kom i gang med følgende ressurser:

Student Hub-side På denne siden finner du ressurser for nybegynnere, studentpakker og til og med måter å få en gratis sertifikatkupong. Dette er en side du bør bokmerke og sjekke fra tid til annen, da vi bytter ut innhold minst månedlig.
Microsoft Learn Student Ambassadors Bli med i et globalt fellesskap av studentambassadører, dette kan være din vei inn i Microsoft.

Kom i gang

Lærere: vi har inkludert noen forslag om hvordan du kan bruke denne læreplanen. Vi vil gjerne ha tilbakemeldingen din i vårt diskusjonsforum!

Studenter: for å bruke denne læreplanen på egen hånd, fork hele repoet og fullfør oppgavene på egen hånd, start med en quiz før leksjonen. Les deretter leksjonen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; denne koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. Et annet forslag er å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi Microsoft Learn.

Møt teamet

Gif av Mohit Jaisal

🎥 Klikk på bildet over for en video om prosjektet og menneskene som skapte det!

Pedagogikk

Vi har valgt to pedagogiske prinsipper mens vi utviklet denne læreplanen: å sikre at den er prosjektbasert og at den inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper for data science, inkludert etiske konsepter, datatilrettelegging, ulike måter å jobbe med data på, datavisualisering, dataanalyse, virkelige bruksområder for data science og mer.

I tillegg setter en lavterskelquiz før en klasse studentens intensjon mot å lære et emne, mens en andre quiz etter klassen sikrer ytterligere læring. Denne læreplanen er designet for å være fleksibel og morsom og kan tas i sin helhet eller delvis. Prosjektene starter små og blir stadig mer komplekse mot slutten av den 10-ukers syklusen.

Finn våre retningslinjer for Code of Conduct, Contributing, Translation. Vi setter pris på din konstruktive tilbakemelding!

Hver leksjon inkluderer:

Valgfri sketchnote
Valgfri tilleggsvideo
Oppvarmingsquiz før leksjonen
Skriftlig leksjon
For prosjektbaserte leksjoner, trinnvise guider for hvordan man bygger prosjektet
Kunnskapssjekker
En utfordring
Tilleggslesing
Oppgave
Quiz etter leksjonen

En merknad om quizer: Alle quizer finnes i Quiz-App-mappen, totalt 40 quizer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt eller distribueres til Azure; følg instruksjonene i quiz-app-mappen. De blir gradvis lokalisert.

Leksjoner


Data Science for Nybegynnere: Veikart - Sketchnote av @nitya

Leksjonsnummer	Tema	Leksjonsgruppe	Læringsmål	Lenket leksjon	Forfatter
01	Definere Data Science	Introduksjon	Lær de grunnleggende konseptene bak data science og hvordan det er relatert til kunstig intelligens, maskinlæring og big data.	leksjon video	Dmitry
02	Data Science Etikk	Introduksjon	Konsepter, utfordringer og rammeverk for dataetikk.	leksjon	Nitya
03	Definere Data	Introduksjon	Hvordan data klassifiseres og vanlige kilder til data.	leksjon	Jasmine
04	Introduksjon til Statistikk og Sannsynlighet	Introduksjon	De matematiske teknikkene for sannsynlighet og statistikk for å forstå data.	leksjon video	Dmitry
05	Arbeide med Relasjonelle Data	Arbeide med Data	Introduksjon til relasjonelle data og grunnleggende utforsking og analyse av relasjonelle data med Structured Query Language, også kjent som SQL (uttales "see-quell").	leksjon	Christopher
06	Arbeide med NoSQL Data	Arbeide med Data	Introduksjon til ikke-relasjonelle data, deres ulike typer og grunnleggende utforsking og analyse av dokumentdatabaser.	leksjon	Jasmine
07	Arbeide med Python	Arbeide med Data	Grunnleggende bruk av Python for datautforsking med biblioteker som Pandas. Grunnleggende forståelse av Python-programmering anbefales.	leksjon video	Dmitry
08	Datapreparering	Arbeide med Data	Temaer om teknikker for å rense og transformere data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data.	leksjon	Jasmine
09	Visualisere Mengder	Datavisualisering	Lær hvordan du bruker Matplotlib til å visualisere fugledata 🦆	leksjon	Jen
10	Visualisere Datafordelinger	Datavisualisering	Visualisere observasjoner og trender innenfor et intervall.	leksjon	Jen
11	Visualisere Prosentandeler	Datavisualisering	Visualisere diskrete og grupperte prosentandeler.	leksjon	Jen
12	Visualisere Relasjoner	Datavisualisering	Visualisere forbindelser og korrelasjoner mellom datasett og deres variabler.	leksjon	Jen
13	Meningsfulle Visualiseringer	Datavisualisering	Teknikker og veiledning for å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt.	leksjon	Jen
14	Introduksjon til Data Science Livssyklus	Livssyklus	Introduksjon til data science-livssyklusen og dens første steg med å samle og trekke ut data.	leksjon	Jasmine
15	Analyse	Livssyklus	Denne fasen av data science-livssyklusen fokuserer på teknikker for å analysere data.	leksjon	Jasmine
16	Kommunikasjon	Livssyklus	Denne fasen av data science-livssyklusen fokuserer på å presentere innsiktene fra data på en måte som gjør det enklere for beslutningstakere å forstå.	leksjon	Jalen
17	Data Science i Skyen	Skydata	Denne serien med leksjoner introduserer data science i skyen og fordelene med det.	leksjon	Tiffany og Maud
18	Data Science i Skyen	Skydata	Trening av modeller ved bruk av Low Code-verktøy.	leksjon	Tiffany og Maud
19	Data Science i Skyen	Skydata	Distribuering av modeller med Azure Machine Learning Studio.	leksjon	Tiffany og Maud
20	Data Science i Felten	I Felten	Prosjekter drevet av data science i den virkelige verden.	leksjon	Nitya

GitHub Codespaces

Følg disse trinnene for å åpne dette eksempelet i en Codespace:

Klikk på Code-rullegardinmenyen og velg alternativet Open with Codespaces.
Velg + New codespace nederst i panelet. For mer informasjon, sjekk ut GitHub-dokumentasjonen.

VSCode Remote - Containers

Følg disse trinnene for å åpne dette repoet i en container ved bruk av din lokale maskin og VSCode med VS Code Remote - Containers-utvidelsen:

Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller kravene (f.eks. har Docker installert) i komme i gang-dokumentasjonen.

For å bruke dette repoet kan du enten åpne det i et isolert Docker-volum:

Merk: Under panseret vil dette bruke Remote-Containers: Clone Repository in Container Volume...-kommandoen for å klone kildekoden i et Docker-volum i stedet for det lokale filsystemet. Volumer er den foretrukne mekanismen for å vedvare containerdata.

Eller åpne en lokalt klonet eller nedlastet versjon av repoet:

Klon dette repoet til ditt lokale filsystem.
Trykk F1 og velg Remote-Containers: Open Folder in Container...-kommandoen.
Velg den klonede kopien av denne mappen, vent til containeren starter, og prøv ting ut.

Offline tilgang

Du kan kjøre denne dokumentasjonen offline ved å bruke Docsify. Fork dette repoet, installer Docsify på din lokale maskin, og i rotmappen til dette repoet, skriv docsify serve. Nettstedet vil bli servert på port 3000 på din localhost: localhost:3000.

Merk, notatbøker vil ikke bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code som kjører en Python-kjerne.

Andre Læreplaner

Vårt team produserer andre læreplaner! Sjekk ut:

Ansvarsfraskrivelse:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi tilstreber nøyaktighet, vennligst vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på sitt opprinnelige språk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.

18 KiB Raw Blame History