Data-Science-For-Beginners/translations/bg

Наука за данните за начинаещи - Учебна програма

Адвокатите за облака Azure в Microsoft с удоволствие представят 10-седмична учебна програма от 20 урока, изцяло посветена на науката за данните. Всеки урок включва предварителен и последващ тест, писмени инструкции за изпълнение на урока, решение и задание. Нашата проектно-базирана педагогика ви позволява да учите, докато изграждате, доказано ефективен начин новите умения да "залепват".

Благодарим от сърце на нашите автори: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Специални благодарности 🙏 на нашите Microsoft Student Ambassador автори, рецензенти и сътрудници на съдържание, сред които Аариан Арора, 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

Наука за данните за начинаещи - Скетчнот от @nitya

🌐 Поддръжка на много езици

Поддържа се чрез GitHub Action (Автоматизирано и винаги актуално)

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

Предпочитате да клонирате локално?

Това хранилище включва преводи на над 50 езика, което значително увеличава размера на изтегляне. За да клонирате без преводите, използвайте 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'

Това ви дава всичко необходимо, за да завършите курса с много по-бързо изтегляне.

Ако искате да бъдат добавени допълнителни езикови преводи, поддържаните езици са изброени тук

Присъединете се към нашата общност

Имаме активна серия "Научи с AI" в Discord, научете повече и се присъединете към нас на Learn with AI Series от 18 до 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за наука за данните.

Студент ли сте?

Започнете с следните ресурси:

• Страница за студенти На тази страница ще откриете ресурси за начинаещи, студентски пакети и дори начини да получите безплатен сертификатен ваучер. Това е страница, която ще искате да отбелязвате и преглеждате от време на време, тъй като съдържанието се обновява поне месечно.
• Microsoft Learn Student Ambassadors Присъединете се към глобална общност от студентски посланици, това може да бъде вашият път към Microsoft.

Започване

📚 Документация

• Ръководство за инсталиране - Подробни инструкции за настройка за начинаещи
• Ръководство за употреба - Примери и често използвани работни потоци
• Отстраняване на проблеми - Решения на чести проблеми
• Ръководство за сътрудничество - Как да допринесете към този проект
• За учители - Насоки за преподаване и ресурси за класната стая

👨‍🎓 За студенти

Напълно начинаещи: Нови сте в науката за данните? Започнете с нашите лесни за начинаещи примери! Тези прости, добре коментирани примери ще ви помогнат да разберете основите преди да се потопите в пълната учебна програма. Студенти: за да използвате тази учебна програма самостоятелно, форкнете цялото репо и изпълнете задачите самостоятелно, започвайки с предварителен тест. След това прочетете лекцията и завършете останалите дейности. Опитайте се да създадете проектите, като разбирате уроците, а не като копирате кода за решения; въпреки това, кодът е наличен в папките /solutions във всеки проектно ориентиран урок. Друга идея е да формирате учебна група с приятели и да преминете през съдържанието заедно. За по-нататъшно обучение препоръчваме Microsoft Learn.

Бърз старт:

1. Прегледайте Ръководството за инсталиране, за да настроите средата си
2. Разгледайте Ръководството за употреба, за да научите как да работите с учебната програма
3. Започнете с Урок 1 и продължете последователно
4. Присъединете се към нашата Discord общност за подкрепа

👩‍🏫 За учители

Учители: ние сме включили някои предложения за това как да използвате тази учебна програма. Ще се радваме на вашата обратна връзка в нашия дискусионен форум!

Запознайте се с екипа

Гиф от Мохит Джайзал

🎥 Кликнете върху изображението по-горе за видео за проекта и хората, които го създадоха!

Педагогика

Избрахме две педагогически основи при изграждането на тази учебна програма: да бъде базирана на проекти и да включва чести тестове. Към края на тази серия студентите ще са научили основните принципи на науката за данни, включително етични концепции, подготовка на данни, различни начини за работа с данни, визуализация на данни, анализ на данни, реални случаи на използване на науката за данни и още.

Освен това, тест с нисък залог преди урока задава намерението на ученика към изучаването на тема, а втори тест след урока осигурява по-добро запомняне. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се предприеме изцяло или на части. Проектите започват малки и стават все по-сложни към края на 10-седмичния цикъл.

Намерете нашите Правила за поведение, Приноси, Превод насоки. Очакваме вашата конструктивна обратна връзка!

Всеки урок включва:

• По желание скицник
• По желание допълнително видео
• Загряващ тест преди урока
• Писмен урок
• За уроци основани на проекти, стъпка по стъпка водачи как да изградите проекта
• Провери на знанията
• Предизвикателство
• Допълнително четиво
• Задача
• Тест след урока

Бележка относно тестовете: Всички тестове са в папката Quiz-App, общо 40 теста с по три въпроса. Те са свързани от самите уроци, но приложението за тестове може да се стартира локално или да се разположи в Azure; следвайте инструкциите в папката quiz-app. Те постепенно се локализират.

🎓 Примери за начинаещи

Нови в науката за данни? Създадохме специален директория с примери с прост, добре коментиран код, който ще ви помогне да започнете:

• 🌟 Здравей свят - Вашата първа програма за наука за данни
• 📂 Зареждане на данни - Научете се да четете и изследвате набори от данни
• 📊 Прост анализ - Изчисляване на статистики и търсене на модели
• 📈 Основна визуализация - Създаване на диаграми и графики
• 🔬 Реален проект - Цялостен работен процес от начало до край

Всеки пример включва подробни коментари, обясняващи всяка стъпка, което го прави идеален за абсолютни начинаещи!

👉 Започнете с примерите 👈

Уроци

Наука за данни за начинаещи: План - Скицник от @nitya

Номер на урока	Тема	Групиране на урока	Цели за обучение	Свързан урок	Автор
01	Определяне на науката за данни	Въведение	Научете основните понятия зад науката за данни и как тя е свързана с изкуствен интелект, машинно обучение и големи данни.	урок видео	Дмитрий
02	Етика в науката за данни	Въведение	Концепции, предизвикателства и рамки на етиката в данните.	урок	Нитя
03	Определяне на данни	Въведение	Как се класифицират данните и техните чести източници.	урок	Жасмин
04	Въведение в статистиката и вероятността	Въведение	Математическите техники на вероятност и статистика за разбиране на данните.	урок видео	Дмитрий
05	Работа с релационни данни	Работа с данни	Въведение в релационни данни и основите на изследване и анализ на релационни данни с езика за структурирани заявки, известен като SQL (произнася се “си-кю-ел”).	урок	Кристофър
06	Работа с NoSQL данни	Работа с данни	Въведение в нерелационни данни, различните им типове и основите на изследване и анализ на документно-базирани бази данни.	урок	Жасмин
07	Работа с Python	Работа с данни	Основи на използването на Python за изследване на данни с библиотеки като Pandas. Препоръчва се основно разбиране на програмирането с Python.	урок видео	Дмитрий
08	Подготовка на данни	Работа с данни	Теми за техники за почистване и трансформиране на данните, за да се справят с проблеми като липсващи, неточни или непълни данни.	урок	Жасмин
09	Визуализация на количества	Визуализация на данни	Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆	урок	Джен
10	Визуализация на разпределения на данни	Визуализация на данни	Визуализиране на наблюдения и тенденции в интервал.	урок	Джен
11	Визуализация на пропорции	Визуализация на данни	Визуализиране на дискретни и групирани проценти.	урок	Джен
12	Визуализация на връзки	Визуализация на данни	Визуализиране на връзки и корелации между набори от данни и техните променливи.	урок	Джен
13	Значими визуализации	Визуализация на данни	Техники и насоки за правене на визуализациите ви ценни за ефективно решаване на проблеми и прозрения.	урок	Джен
14	Въведение в жизнения цикъл на науката за данни	Жизнен цикъл	Въведение в жизнения цикъл на науката за данни и първата му стъпка за придобиване и извличане на данни.	урок	Жасмин
15	Анализиране	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данни.	урок	Жасмин
16	Комуникация	Жизнен цикъл	Тази фаза от жизнения цикъл на науката за данни се фокусира върху представяне на прозренията от данните по начин, който улеснява разбирането им от вземащите решения.	урок	Джален
17	Наука за данни в облака	Облачни данни	Тази серия уроци представя науката за данни в облака и нейните предимства.	урок	Тифани и Мод
18	Наука за данни в облака	Облачни данни	Обучение на модели чрез инструменти с нисък код.	урок	Тифани и Мод
19	Наука за данни в облака	Облачни данни	Разгръщане на модели с Azure Machine Learning Studio.	урок	Тифани и Мод
20	Наука за данни в реалния свят	В дивата природа	Проекти, базирани на наука за данни в реалния свят.	урок	Нитя

GitHub Codespaces

Следвайте тези стъпки, за да отворите този пример в Codespace:

1. Кликнете върху менюто Code и изберете опцията Open with Codespaces.
2. Изберете + New codespace в долната част на панела. За повече информация, вижте документацията на GitHub.

VSCode Remote - Контейнери

Следвайте тези стъпки, за да отворите това репо в контейнер чрез вашия локален компютър и VSCode, използвайки разширението VS Code Remote - Containers:

1. Ако използвате контейнер за разработка за първи път, уверете се, че системата ви отговаря на предварителните изисквания (т.е. имате инсталиран Docker) в документацията за започване.

За да използвате това хранилище, можете да отворите хранилището в изолиран Docker том:

Забележка: Под капака, това ще използва командата Remote-Containers: Clone Repository in Container Volume... за клониране на изходния код в Docker том вместо локалната файлова система. Томове са предпочитаният механизъм за съхранение на данни на контейнера.

Или отворете локално клонирана или изтеглена версия на хранилището:

• Клонирайте хранилището на локалната си файлова система.
• Натиснете F1 и изберете командата Remote-Containers: Open Folder in Container....
• Изберете клонираното копие на тази папка, изчакайте да стартира контейнера и опитайте.

Достъп офлайн

Можете да стартирате тази документация офлайн, като използвате Docsify. Форкнете това хранилище, инсталирайте Docsify на локалната си машина, след което в основната папка на това хранилище напишете docsify serve. Уебсайтът ще се сервира на порт 3000 на вашия localhost: localhost:3000.

Забележка, бележниците няма да бъдат изобразявани чрез Docsify, така че когато трябва да изпълните бележник, направете това отделно в VS Code с работещ Python ядро.

Други учебни програми

Нашият екип създава и други учебни програми! Вижте:

LangChain

---

Azure / Edge / MCP / Агенти

---

Поредица за генериращ AI

---

Основно обучение

---

Поредица Copilot

Получаване на помощ

Имали проблеми? Проверете нашето Ръководство за отстраняване на проблеми за решения на често срещани проблеми.

Ако сте зациклили или имате въпроси относно създаването на AI приложения, присъединете се към други обучаващи се и опитни разработчици в дискусии за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанието се споделя свободно.

Ако имате обратна връзка за продукта или грешки по време на разработка посетете:

---

Отказ от отговорност: Този документ е преведен с помощта на AI преводаческа услуга Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи могат да съдържат грешки или неточности. Оригиналният документ на неговия език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за никакви недоразумения или неправилни тълкувания, произтичащи от използването на този превод.