Azure Cloud Advocates у Microsoft раді запропонувати 10-тижневу навчальну програму, що складається з 20 уроків, присвячених науці про дані. Кожен урок включає тести перед і після заняття, письмові інструкції для виконання уроку, рішення та завдання. Наш підхід, заснований на проектах, дозволяє навчатися, створюючи, що є перевіреним способом закріплення нових навичок.
Щиро дякуємо нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Особлива подяка 🙏 нашим Microsoft Student Ambassador авторам, рецензентам та учасникам контенту, зокрема 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
 |
|---|
| Основи науки про дані - Скетчнот від @nitya |
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 | 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
Якщо ви хочете додати додаткові переклади, список підтримуваних мов наведено тут
У нас триває серія навчання з AI у Discord, дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Ви отримаєте поради та рекомендації щодо використання GitHub Copilot для науки про дані.
Почніть з наступних ресурсів:
- Сторінка для студентів На цій сторінці ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний сертифікат. Це сторінка, яку варто додати в закладки та періодично перевіряти, оскільки ми оновлюємо контент щонайменше раз на місяць.
- Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентів-амбасадорів, це може бути вашим шляхом до Microsoft.
- Інструкція з встановлення - Покрокові інструкції з налаштування для початківців
- Інструкція з використання - Приклади та поширені робочі процеси
- Усунення несправностей - Рішення поширених проблем
- Інструкція для внесення змін - Як внести свій вклад у цей проєкт
- Для викладачів - Рекомендації для викладання та ресурси для класу
Повні початківці: Новачок у науці про дані? Почніть з наших прикладів для початківців! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед тим, як перейти до повної навчальної програми. Студенти: щоб використовувати цю навчальну програму самостійно, зробіть форк усього репозиторію та виконайте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Спробуйте створити проєкти, розуміючи уроки, а не копіюючи код рішення; однак цей код доступний у папках /solutions у кожному проектно-орієнтованому уроці. Ще одна ідея - створити навчальну групу з друзями та разом проходити матеріал. Для подальшого навчання ми рекомендуємо Microsoft Learn.
Швидкий старт:
- Ознайомтеся з Інструкцією з встановлення, щоб налаштувати своє середовище
- Перегляньте Інструкцію з використання, щоб дізнатися, як працювати з навчальною програмою
- Почніть з Уроку 1 і працюйте послідовно
- Приєднуйтесь до нашої спільноти Discord для підтримки
Викладачі: ми включили кілька пропозицій щодо використання цієї навчальної програми. Ми будемо раді вашим відгукам у нашому форумі обговорень!
Gif створено Mohit Jaisal
🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!
Ми обрали два педагогічні принципи при створенні цієї навчальної програми: забезпечення її проектної орієнтованості та включення частих тестів. До кінця цього курсу студенти засвоять основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, реальні приклади використання науки про дані та багато іншого.
Крім того, тест з низьким рівнем стресу перед заняттям налаштовує студента на вивчення теми, а другий тест після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма була розроблена як гнучка та цікава, і її можна проходити повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу.
Ознайомтеся з нашим Кодексом поведінки, Правилами внесення змін, Правилами перекладу. Ми раді вашим конструктивним відгукам!
- Опціональний скетчноут
- Опціональне додаткове відео
- Розігрівний тест перед уроком
- Письмовий урок
- Для уроків, орієнтованих на проекти, покрокові інструкції щодо створення проекту
- Перевірка знань
- Виклик
- Додаткове читання
- Завдання
- Тест після уроку
Примітка щодо тестів: Усі тести знаходяться в папці Quiz-App, всього 40 тестів по три питання кожен. Вони пов’язані з уроками, але додаток для тестів можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці
quiz-app. Вони поступово локалізуються.
Новачок у науці про дані? Ми створили спеціальний каталог прикладів з простим, добре прокоментованим кодом, щоб допомогти вам розпочати:
- 🌟 Hello World - Ваша перша програма з науки про дані
- 📂 Завантаження даних - Навчіться читати та досліджувати набори даних
- 📊 Простий аналіз - Розрахунок статистики та пошук закономірностей
- 📈 Основна візуалізація - Створення діаграм і графіків
- 🔬 Реальний проект - Повний робочий процес від початку до кінця
Кожен приклад містить детальні коментарі, які пояснюють кожен крок, що робить його ідеальним для абсолютних новачків!
 |
|---|
| Наука про дані для початківців: Дорожня карта - Скетчноут від @nitya |
| Номер уроку | Тема | Групування уроків | Цілі навчання | Посилання на урок | Автор |
|---|---|---|---|---|---|
| 01 | Визначення науки про дані | Вступ | Вивчіть основні концепції науки про дані та її зв’язок зі штучним інтелектом, машинним навчанням і великими даними. | урок відео | Dmitry |
| 02 | Етика науки про дані | Вступ | Концепції етики даних, виклики та рамки. | урок | Nitya |
| 03 | Визначення даних | Вступ | Як класифікуються дані та їхні загальні джерела. | урок | Jasmine |
| 04 | Вступ до статистики та ймовірності | Вступ | Математичні методи ймовірності та статистики для розуміння даних. | урок відео | Dmitry |
| 05 | Робота з реляційними даними | Робота з даними | Вступ до реляційних даних і основи дослідження та аналізу реляційних даних за допомогою мови структурованих запитів, також відомої як SQL (вимовляється як "сі-квел"). | урок | Christopher |
| 06 | Робота з NoSQL даними | Робота з даними | Вступ до нереляційних даних, їх різних типів і основи дослідження та аналізу документних баз даних. | урок | Jasmine |
| 07 | Робота з Python | Робота з даними | Основи використання Python для дослідження даних за допомогою бібліотек, таких як Pandas. Рекомендується базове розуміння програмування на Python. | урок відео | Dmitry |
| 08 | Підготовка даних | Робота з даними | Теми про методи обробки даних для очищення та трансформації даних, щоб вирішити проблеми з відсутніми, неточними або неповними даними. | урок | Jasmine |
| 09 | Візуалізація кількостей | Візуалізація даних | Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆 | урок | Jen |
| 10 | Візуалізація розподілу даних | Візуалізація даних | Візуалізація спостережень і тенденцій у межах інтервалу. | урок | Jen |
| 11 | Візуалізація пропорцій | Візуалізація даних | Візуалізація дискретних і згрупованих відсотків. | урок | Jen |
| 12 | Візуалізація взаємозв’язків | Візуалізація даних | Візуалізація зв’язків і кореляцій між наборами даних і їх змінними. | урок | Jen |
| 13 | Значущі візуалізації | Візуалізація даних | Методи та рекомендації щодо створення візуалізацій, які є цінними для ефективного вирішення проблем і отримання інсайтів. | урок | Jen |
| 14 | Вступ до життєвого циклу науки про дані | Життєвий цикл | Вступ до життєвого циклу науки про дані та його першого етапу отримання та вилучення даних. | урок | Jasmine |
| 15 | Аналіз | Життєвий цикл | Цей етап життєвого циклу науки про дані зосереджений на методах аналізу даних. | урок | Jasmine |
| 16 | Комунікація | Життєвий цикл | Цей етап життєвого циклу науки про дані зосереджений на представленні інсайтів з даних у спосіб, який полегшує розуміння для осіб, які приймають рішення. | урок | Jalen |
| 17 | Наука про дані в хмарі | Хмарні дані | Ця серія уроків знайомить з наукою про дані в хмарі та її перевагами. | урок | Tiffany та Maud |
| 18 | Наука про дані в хмарі | Хмарні дані | Навчання моделей за допомогою інструментів Low Code. | урок | Tiffany та Maud |
| 19 | Наука про дані в хмарі | Хмарні дані | Розгортання моделей за допомогою Azure Machine Learning Studio. | урок | Tiffany та Maud |
| 20 | Наука про дані в реальному світі | У реальному світі | Проекти, керовані наукою про дані, у реальному світі. | урок | Nitya |
Виконайте ці кроки, щоб відкрити цей зразок у Codespace:
- Натисніть на випадаюче меню Code і виберіть опцію Open with Codespaces.
- Виберіть + New codespace внизу панелі. Для отримання додаткової інформації перегляньте документацію GitHub.
Виконайте ці кроки, щоб відкрити цей репозиторій у контейнері за допомогою вашого локального комп’ютера та VSCode, використовуючи розширення VS Code Remote - Containers:
- Якщо ви вперше використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає попереднім вимогам (наприклад, встановлено Docker) у документації для початку роботи.
Щоб використовувати цей репозиторій, ви можете або відкрити його в ізольованому томі Docker:
Примітка: У фоновому режимі буде використано команду Remote-Containers: Clone Repository in Container Volume... для клонування вихідного коду в том Docker замість локальної файлової системи. Томи є рекомендованим механізмом для збереження даних контейнера.
Або відкрийте локально клоновану чи завантажену версію репозиторію:
- Клонуйте цей репозиторій на вашу локальну файлову систему.
- Натисніть F1 і виберіть команду Remote-Containers: Open Folder in Container....
- Виберіть клоновану копію цієї папки, зачекайте, поки контейнер запуститься, і спробуйте.
Ви можете запустити цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на ваш локальний комп’ютер, потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost: localhost:3000.
Примітка, блокноти не будуть відображатися через Docsify, тому, якщо вам потрібно запустити блокнот, зробіть це окремо у VS Code, запустивши ядро Python.
Наша команда створює інші навчальні програми! Ознайомтеся:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Виникли проблеми? Перегляньте наш Посібник з усунення несправностей для вирішення поширених проблем.
Якщо ви застрягли або маєте запитання щодо створення AI-додатків, приєднуйтесь:
Якщо у вас є відгуки про продукт або виникають помилки під час створення, відвідайте:
Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.