Data-Science-For-Beginners/translations/th

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - หลักสูตร

Azure Cloud Advocates ที่ Microsoft ยินดีนำเสนอหลักสูตร 10 สัปดาห์ 20 บทเรียนเกี่ยวกับวิทยาศาสตร์ข้อมูล แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำที่เขียนไว้อย่างละเอียดสำหรับการทำบทเรียนให้สำเร็จ คำตอบ และงานมอบหมาย วิธีการเรียนรู้ที่เน้นโครงการช่วยให้คุณเรียนรู้ไปพร้อมกับการสร้าง ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าทำให้ทักษะใหม่ๆ ติดตัวคุณได้อย่างยั่งยืน

ขอขอบคุณผู้เขียนของเรา: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 ขอบคุณพิเศษ 🙏 สำหรับ Microsoft Student Ambassador ผู้เขียน ผู้ตรวจสอบ และผู้สนับสนุนเนื้อหา, โดยเฉพาะ 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

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น - ภาพสเก็ตช์โดย @nitya

🌐 รองรับหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติและอัปเดตเสมอ)

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 | Korean | Lithuanian | Malay | 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 | Thai | Turkish | Ukrainian | Urdu | Vietnamese

หากคุณต้องการให้มีการสนับสนุนการแปลเพิ่มเติม สามารถดูภาษาที่รองรับได้ ที่นี่

เข้าร่วมชุมชนของเรา

เรามีซีรีส์การเรียนรู้กับ AI ใน Discord เรียนรู้เพิ่มเติมและเข้าร่วมกับเราได้ที่ Learn with AI Series ตั้งแต่วันที่ 18 - 30 กันยายน 2025 คุณจะได้รับเคล็ดลับและเทคนิคการใช้ GitHub Copilot สำหรับวิทยาศาสตร์ข้อมูล

คุณเป็นนักเรียนหรือไม่?

เริ่มต้นด้วยทรัพยากรต่อไปนี้:

• หน้าศูนย์นักเรียน ในหน้านี้ คุณจะพบทรัพยากรสำหรับผู้เริ่มต้น ชุดนักเรียน และแม้กระทั่งวิธีการรับบัตรกำนัลการรับรองฟรี นี่คือหน้าที่คุณควรบุ๊กมาร์กและตรวจสอบเป็นระยะๆ เนื่องจากเรามีการเปลี่ยนแปลงเนื้อหาอย่างน้อยทุกเดือน
• Microsoft Learn Student Ambassadors เข้าร่วมชุมชนระดับโลกของนักเรียนแอมบาสเดอร์ นี่อาจเป็นทางเข้าสู่ Microsoft ของคุณ

เริ่มต้นใช้งาน

📚 เอกสาร

• คู่มือการติดตั้ง - คำแนะนำการตั้งค่าแบบทีละขั้นตอนสำหรับผู้เริ่มต้น
• คู่มือการใช้งาน - ตัวอย่างและกระบวนการทำงานทั่วไป
• การแก้ไขปัญหา - วิธีแก้ปัญหาทั่วไป
• คู่มือการมีส่วนร่วม - วิธีการมีส่วนร่วมในโครงการนี้
• สำหรับครู - คำแนะนำการสอนและทรัพยากรสำหรับห้องเรียน

👨‍🎓 สำหรับนักเรียน

ผู้เริ่มต้นอย่างสมบูรณ์: ใหม่กับวิทยาศาสตร์ข้อมูล? เริ่มต้นด้วย ตัวอย่างที่เหมาะสำหรับผู้เริ่มต้น! ตัวอย่างที่เรียบง่ายและมีคำอธิบายอย่างดีเหล่านี้จะช่วยให้คุณเข้าใจพื้นฐานก่อนที่จะเข้าสู่หลักสูตรเต็มรูปแบบ นักเรียน: หากต้องการใช้หลักสูตรนี้ด้วยตัวเอง ให้ fork repo ทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง โดยเริ่มจากแบบทดสอบก่อนบทเรียน จากนั้นอ่านบทเรียนและทำกิจกรรมที่เหลือ พยายามสร้างโครงการโดยการทำความเข้าใจบทเรียนแทนที่จะคัดลอกรหัสคำตอบ อย่างไรก็ตาม รหัสคำตอบนั้นมีอยู่ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโครงการ อีกแนวคิดหนึ่งคือการสร้างกลุ่มการศึกษากับเพื่อนๆ และเรียนรู้เนื้อหาด้วยกัน สำหรับการศึกษาต่อ เราขอแนะนำ Microsoft Learn

เริ่มต้นอย่างรวดเร็ว:

1. ตรวจสอบ คู่มือการติดตั้ง เพื่อเตรียมสภาพแวดล้อมของคุณ
2. ทบทวน คู่มือการใช้งาน เพื่อเรียนรู้วิธีการทำงานกับหลักสูตร
3. เริ่มต้นด้วยบทเรียนที่ 1 และทำตามลำดับ
4. เข้าร่วม ชุมชน Discord ของเรา เพื่อรับการสนับสนุน

👩‍🏫 สำหรับครู

ครู: เราได้ รวมคำแนะนำบางส่วน เกี่ยวกับวิธีการใช้หลักสูตรนี้ เราอยากได้ยินความคิดเห็นของคุณ ในฟอรัมการสนทนาของเรา!

พบกับทีมงาน

Gif โดย Mohit Jaisal

🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโครงการและผู้ที่สร้างมันขึ้นมา!

วิธีการสอน

เราได้เลือกหลักการการสอนสองข้อในการสร้างหลักสูตรนี้: การทำให้เป็นโครงการเป็นหลักและการมีแบบทดสอบบ่อยครั้ง เมื่อจบหลักสูตรนี้ นักเรียนจะได้เรียนรู้หลักการพื้นฐานของวิทยาศาสตร์ข้อมูล รวมถึงแนวคิดด้านจริยธรรม การเตรียมข้อมูล วิธีการทำงานกับข้อมูล การสร้างภาพข้อมูล การวิเคราะห์ข้อมูล กรณีการใช้งานจริงของวิทยาศาสตร์ข้อมูล และอื่นๆ

นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนเริ่มเรียนจะช่วยให้นักเรียนตั้งเป้าหมายในการเรียนรู้หัวข้อ ขณะที่แบบทดสอบหลังเรียนจะช่วยเสริมความจำ หลักสูตรนี้ถูกออกแบบให้มีความยืดหยุ่นและสนุกสนาน สามารถเรียนได้ทั้งแบบเต็มหลักสูตรหรือบางส่วน โครงการจะเริ่มต้นจากง่ายและซับซ้อนขึ้นเรื่อยๆ ในช่วง 10 สัปดาห์

ดู Code of Conduct, Contributing, Translation guidelines เรายินดีรับฟังความคิดเห็นที่สร้างสรรค์ของคุณ!

แต่ละบทเรียนประกอบด้วย:

• ภาพสเก็ตช์โน้ต (ตัวเลือก)
• วิดีโอเสริม (ตัวเลือก)
• แบบทดสอบอุ่นเครื่องก่อนบทเรียน
• บทเรียนที่เขียนขึ้น
• สำหรับบทเรียนที่เน้นโครงการ มีคำแนะนำทีละขั้นตอนในการสร้างโครงการ
• การตรวจสอบความรู้
• ความท้าทาย
• การอ่านเสริม
• งานที่มอบหมาย
• แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ Quiz-App มีทั้งหมด 40 แบบทดสอบ แต่ละแบบมี 3 คำถาม แบบทดสอบถูกลิงก์จากในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้บน Azure โดยทำตามคำแนะนำในโฟลเดอร์ quiz-app แบบทดสอบกำลังถูกแปลเป็นภาษาต่างๆ อย่างต่อเนื่อง

🎓 ตัวอย่างที่เหมาะสำหรับผู้เริ่มต้น

ใหม่กับวิทยาศาสตร์ข้อมูล? เราได้สร้าง โฟลเดอร์ตัวอย่าง ที่มีโค้ดง่ายๆ พร้อมคำอธิบายเพื่อช่วยให้คุณเริ่มต้น:

• 🌟 Hello World - โปรแกรมวิทยาศาสตร์ข้อมูลแรกของคุณ
• 📂 การโหลดข้อมูล - เรียนรู้การอ่านและสำรวจชุดข้อมูล
• 📊 การวิเคราะห์ง่ายๆ - คำนวณสถิติและค้นหารูปแบบ
• 📈 การสร้างภาพพื้นฐาน - สร้างแผนภูมิและกราฟ
• 🔬 โครงการในโลกจริง - กระบวนการทำงานตั้งแต่ต้นจนจบ

แต่ละตัวอย่างมีคำอธิบายรายละเอียดในทุกขั้นตอน เหมาะสำหรับผู้เริ่มต้นอย่างแท้จริง!

👉 เริ่มต้นด้วยตัวอย่าง 👈

บทเรียน

วิทยาศาสตร์ข้อมูลสำหรับผู้เริ่มต้น: แผนที่เส้นทาง - ภาพสเก็ตช์โน้ตโดย @nitya

หมายเลขบทเรียน	หัวข้อ	กลุ่มบทเรียน	วัตถุประสงค์การเรียนรู้	ลิงก์บทเรียน	ผู้เขียน
01	การนิยามวิทยาศาสตร์ข้อมูล	บทนำ	เรียนรู้แนวคิดพื้นฐานของวิทยาศาสตร์ข้อมูลและความสัมพันธ์กับปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และข้อมูลขนาดใหญ่	บทเรียน วิดีโอ	Dmitry
02	จริยธรรมในวิทยาศาสตร์ข้อมูล	บทนำ	แนวคิดด้านจริยธรรมในข้อมูล ความท้าทาย และกรอบการทำงาน	บทเรียน	Nitya
03	การนิยามข้อมูล	บทนำ	วิธีการจัดประเภทข้อมูลและแหล่งข้อมูลทั่วไป	บทเรียน	Jasmine
04	บทนำสู่สถิติและความน่าจะเป็น	บทนำ	เทคนิคทางคณิตศาสตร์ของความน่าจะเป็นและสถิติในการทำความเข้าใจข้อมูล	บทเรียน วิดีโอ	Dmitry
05	การทำงานกับข้อมูลเชิงสัมพันธ์	การทำงานกับข้อมูล	บทนำสู่ข้อมูลเชิงสัมพันธ์และพื้นฐานการสำรวจและวิเคราะห์ข้อมูลเชิงสัมพันธ์ด้วย Structured Query Language หรือ SQL	บทเรียน	Christopher
06	การทำงานกับข้อมูล NoSQL	การทำงานกับข้อมูล	บทนำสู่ข้อมูลที่ไม่ใช่เชิงสัมพันธ์ ประเภทต่างๆ และพื้นฐานการสำรวจและวิเคราะห์ฐานข้อมูลเอกสาร	บทเรียน	Jasmine
07	การทำงานกับ Python	การทำงานกับข้อมูล	พื้นฐานการใช้ Python ในการสำรวจข้อมูลด้วยไลบรารี เช่น Pandas แนะนำให้มีความเข้าใจพื้นฐานเกี่ยวกับการเขียนโปรแกรม Python	บทเรียน วิดีโอ	Dmitry
08	การเตรียมข้อมูล	การทำงานกับข้อมูล	หัวข้อเกี่ยวกับเทคนิคการทำความสะอาดและแปลงข้อมูลเพื่อจัดการกับปัญหาข้อมูลที่ขาดหาย ไม่ถูกต้อง หรือไม่สมบูรณ์	บทเรียน	Jasmine
09	การสร้างภาพปริมาณข้อมูล	การสร้างภาพข้อมูล	เรียนรู้การใช้ Matplotlib ในการสร้างภาพข้อมูลนก 🦆	บทเรียน	Jen
10	การสร้างภาพการกระจายของข้อมูล	การสร้างภาพข้อมูล	การสร้างภาพการสังเกตและแนวโน้มในช่วงเวลา	บทเรียน	Jen
11	การสร้างภาพสัดส่วน	การสร้างภาพข้อมูล	การสร้างภาพเปอร์เซ็นต์แบบแยกและแบบกลุ่ม	บทเรียน	Jen
12	การสร้างภาพความสัมพันธ์	การสร้างภาพข้อมูล	การสร้างภาพการเชื่อมโยงและความสัมพันธ์ระหว่างชุดข้อมูลและตัวแปร	บทเรียน	Jen
13	การสร้างภาพที่มีความหมาย	การสร้างภาพข้อมูล	เทคนิคและคำแนะนำในการทำให้การสร้างภาพของคุณมีคุณค่าเพื่อการแก้ปัญหาและการวิเคราะห์ที่มีประสิทธิภาพ	บทเรียน	Jen
14	บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูล	วงจรชีวิต	บทนำสู่วงจรชีวิตของวิทยาศาสตร์ข้อมูลและขั้นตอนแรกในการรวบรวมและดึงข้อมูล	บทเรียน	Jasmine
15	การวิเคราะห์	วงจรชีวิต	ขั้นตอนนี้ในวงจรชีวิตของวิทยาศาสตร์ข้อมูลเน้นเทคนิคการวิเคราะห์ข้อมูล	บทเรียน	Jasmine
16	การสื่อสาร	วงจรชีวิต	ขั้นตอนนี้ในวงจรชีวิตของวิทยาศาสตร์ข้อมูลเน้นการนำเสนอข้อมูลเชิงลึกในรูปแบบที่ช่วยให้ผู้ตัดสินใจเข้าใจได้ง่ายขึ้น	บทเรียน	Jalen
17	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลคลาวด์	ชุดบทเรียนนี้แนะนำวิทยาศาสตร์ข้อมูลในระบบคลาวด์และประโยชน์ของมัน	บทเรียน	Tiffany และ Maud
18	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลคลาวด์	การฝึกอบรมโมเดลด้วยเครื่องมือ Low Code	บทเรียน	Tiffany และ Maud
19	วิทยาศาสตร์ข้อมูลในระบบคลาวด์	ข้อมูลคลาวด์	การปรับใช้โมเดลด้วย Azure Machine Learning Studio	บทเรียน	Tiffany และ Maud
20	วิทยาศาสตร์ข้อมูลในโลกจริง	ในโลกจริง	โครงการที่ขับเคลื่อนด้วยวิทยาศาสตร์ข้อมูลในโลกจริง	บทเรียน	Nitya

GitHub Codespaces

ทำตามขั้นตอนเหล่านี้เพื่อเปิดตัวอย่างนี้ใน Codespace:

1. คลิกเมนูดรอปดาวน์ Code และเลือกตัวเลือก Open with Codespaces
2. เลือก + New codespace ที่ด้านล่างของแผง สำหรับข้อมูลเพิ่มเติม ดู เอกสาร GitHub.

VSCode Remote - Containers

ทำตามขั้นตอนเหล่านี้เพื่อเปิด repo นี้ใน container โดยใช้เครื่องของคุณและ VSCode ด้วยส่วนขยาย VS Code Remote - Containers:

1. หากนี่เป็นครั้งแรกที่คุณใช้ container สำหรับการพัฒนา โปรดตรวจสอบให้แน่ใจว่าระบบของคุณตรงตามข้อกำหนดเบื้องต้น (เช่น ติดตั้ง Docker) ใน เอกสารเริ่มต้น.

ในการใช้ repo นี้ คุณสามารถเปิด repo ใน volume Docker ที่แยกออกมา:

หมายเหตุ: เบื้องหลังจะใช้คำสั่ง Remote-Containers: Clone Repository in Container Volume... เพื่อโคลนซอร์สโค้ดใน volume Docker แทนที่จะเป็นระบบไฟล์ในเครื่อง Volumes เป็นกลไกที่แนะนำสำหรับการเก็บข้อมูล container

หรือเปิด repo ที่โคลนหรือดาวน์โหลดไว้ในเครื่อง:

• โคลน repo นี้ไปยังระบบไฟล์ในเครื่องของคุณ
• กด F1 และเลือกคำสั่ง Remote-Containers: Open Folder in Container...
• เลือกสำเนาที่โคลนของโฟลเดอร์นี้ รอให้ container เริ่มต้น และลองใช้งาน

การเข้าถึงแบบออฟไลน์

คุณสามารถรันเอกสารนี้แบบออฟไลน์โดยใช้ Docsify. Fork repo นี้, ติดตั้ง Docsify บนเครื่องของคุณ จากนั้นในโฟลเดอร์ root ของ repo นี้ พิมพ์ docsify serve. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บน localhost ของคุณ: localhost:3000.

หมายเหตุ โน้ตบุ๊กจะไม่ถูกแสดงผลผ่าน Docsify ดังนั้นเมื่อคุณต้องการรันโน้ตบุ๊ก ให้ทำแยกต่างหากใน VS Code โดยใช้ kernel Python

หลักสูตรอื่นๆ

ทีมของเราผลิตหลักสูตรอื่นๆ! ดูที่:

Azure / Edge / MCP / Agents

---

ซีรีส์ Generative AI

---

การเรียนรู้พื้นฐาน

---

ซีรีส์ Copilot

การขอความช่วยเหลือ

พบปัญหา? ตรวจสอบ คู่มือการแก้ไขปัญหา สำหรับวิธีแก้ไขปัญหาทั่วไป

หากคุณติดขัดหรือมีคำถามเกี่ยวกับการสร้างแอป AI เข้าร่วมกับผู้เรียนและนักพัฒนาที่มีประสบการณ์ในชุมชน MCP ที่สนับสนุนซึ่งยินดีต้อนรับคำถามและแบ่งปันความรู้กันอย่างอิสระ

หากคุณมีข้อเสนอแนะเกี่ยวกับผลิตภัณฑ์หรือพบข้อผิดพลาดขณะสร้าง โปรดเยี่ยมชม:

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลภาษามนุษย์ที่เป็นมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้