Data Science for Beginners - 課程大綱

微軟 Azure 雲端倡導者很高興提供一個為期 10 週、共 20 課的數據科學課程。每課包含課前和課後小測驗、書面指引來完成課程、解決方案和一個作業。我們基於專案的教學法讓你一邊學習一邊實作，是培養新技能的有效方法。

衷心感謝我們的作者： Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 特別感謝 🙏 我們的 Microsoft 學生大使作者、審查員與內容貢獻者， 特別是 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 Beginners - Sketchnote by @nitya

🌐 多語言支持

透過 GitHub Action 支援（自動及持續更新）

偏好本地克隆？

此倉庫包含 50 多種語言的翻譯，會大幅增加下載大小。要跳過翻譯只克隆核心資料，請使用稀疏檢出：

Bash / macOS / Linux:
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'
CMD (Windows):
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"
這樣能以更快的速度獲得完成課程所需的所有內容。

如果你希望支持更多翻譯語言，請參考此處

加入我們的社區

我們有一系列持續進行的 Discord AI 學習活動，9 月 18 日至 30 日加入 Learn with AI Series ，獲取使用 GitHub Copilot 作數據科學的秘訣和技巧。

你是學生嗎？

可以從以下資源開始：

學生中心頁面在此頁面，你會找到初學者資源、學生包甚至取得免費認證券的方法。這是一個值得收藏並定期查看的頁面，因為我們每月至少調整一次內容。
Microsoft Learn 學生大使加入全球學生大使社群，這可能是你進入微軟的一條途徑。

開始使用

📚 文檔

安裝指南 - 初學者逐步安裝設定說明
使用指南 - 範例和常見工作流程
疑難排解 - 常見問題解決方案
貢獻指南 - 如何參與此專案
教師資源 - 教學指導和課堂資源

👨‍🎓 對學生

完全初學者：剛接觸數據科學？請先看我們的初學者範例！這些簡單且註解詳盡的範例將幫助你理解基礎，然後再深入整個課程。學生：若想自行使用此課綱，請分支整個倉庫，從課前測驗開始自行完成練習。閱讀課文，完成其他活動。嘗試藉由理解課程內容來完成專案，不要直接複製解決方案程式碼；不過每個專案課的 /solutions 資料夾中都有程式碼可供參考。另一個建議是跟同學組成讀書會一起學習。欲深入進修，我們推薦 Microsoft Learn。

快速入門：

參考安裝指南設定環境
閱讀使用指南學習如何使用課程
從第一課開始依序學習
加入我們的 Discord 社群獲得協助

👩‍🏫 對教師

教師們：我們已經包含了一些使用本課程的建議。歡迎您在討論區提供寶貴意見！

團隊介紹

動圖製作者 Mohit Jaisal

🎥 點擊上方圖片觀看有關本專案及其創建者的影片！

教學法

我們在構建本課程時選定了兩個教學原則：確保課程以專案為基礎，並且包含頻繁的測驗。到本系列課程結束時，學生將學會資料科學的基本原則，包括倫理概念、資料準備、不同的資料操作方法、資料視覺化、資料分析、資料科學的實際案例，等等。

此外，課前的低壓力測驗能使學生對學習主題設立目標，而課後第二次測驗則確保進一步的知識保留。該課程設計靈活且有趣，可整體參與或部分學習。專案從簡單開始，經過10週的課程循環逐漸變得複雜。

請參閱我們的行為準則、貢獻指南及翻譯指南。我們歡迎您提出建設性意見！

每堂課包含：

可選素描筆記
可選補充影片
課前暖身測驗
書面教學內容
對於專案課，提供逐步的專案製作指南
知識檢查
挑戰題
補充閱讀材料
作業
課後測驗

關於測驗的小提醒：所有測驗皆存在 Quiz-App 資料夾中，總共40組測驗，每組3題。測驗連結嵌入於課程內，但可在本機執行或部署至 Azure；請參考 quiz-app 資料夾中的教學。測驗正在逐步本地化。

🎓 初學者友善範例

剛接觸資料科學？ 我們建立了特別的範例目錄，內含簡單且有詳細註解的程式碼，幫助你入門：

🌟 Hello World - 你的第一個資料科學程式
📂 載入資料 - 學習讀取與探索資料集
📊 簡單分析 - 計算統計數據並尋找模式
📈 基礎視覺化 - 製作圖表與圖形
🔬 實務專案 - 從開始到完成的完整流程

每個範例均有詳細註解，說明每一步，非常適合完全新手！

👉 從範例開始 👈

課程內容


資料科學初學者：路線圖 - 素描筆記作者 @nitya

課程編號	主題	課程群組	學習目標	連結課程	作者
01	資料科學定義	介紹	學習資料科學的基本概念及其與人工智慧、機器學習與大數據的關聯。	課程影片	Dmitry
02	資料科學倫理	介紹	資料倫理的概念、挑戰與架構。	課程	Nitya
03	資料定義	介紹	資料的分類方式及常見來源。	課程	Jasmine
04	統計與機率導論	介紹	運用機率與統計的數學技巧來理解資料。	課程影片	Dmitry
05	處理關聯式資料	資料操作	介紹關聯式資料與使用結構化查詢語言 (SQL，發音為“see-quell”) 探索及分析致關資料的基礎。	課程	Christopher
06	處理 NoSQL 資料	資料操作	介紹非關聯式資料、其各種類型，以及探索和分析文件資料庫的基礎。	課程	Jasmine
07	使用 Python	資料操作	使用 Pandas 等函式庫，基礎的 Python 資料探索操作。建議具備 Python 程式基礎知識。	課程影片	Dmitry
08	資料準備	資料操作	涵蓋資料清理和轉換技巧，以應對資料缺失、不準確或不完整的挑戰。	課程	Jasmine
09	量的視覺化	資料視覺化	學習如何用 Matplotlib 視覺化鳥類資料 🦆	課程	Jen
10	資料分布視覺化	資料視覺化	視覺化區間內的觀察和趨勢。	課程	Jen
11	比例視覺化	資料視覺化	視覺化離散和分組百分比。	課程	Jen
12	關係視覺化	資料視覺化	視覺化資料集合及變數間的連結和相關性。	課程	Jen
13	有意義的視覺化	資料視覺化	製作有效解決問題及洞見的重要視覺化技術與指導。	課程	Jen
14	資料科學生命週期導論	生命週期	介紹資料科學生命週期及其第一步：取得與擷取資料。	課程	Jasmine
15	分析階段	生命週期	本階段聚焦於資料分析技巧。	課程	Jasmine
16	溝通階段	生命週期	本階段聚焦於以方便決策者理解的方式呈現資料洞見。	課程	Jalen
17	雲端資料科學	雲端資料	介紹雲端資料科學及其優勢。	課程	Tiffany 和 Maud
18	雲端資料科學	雲端資料	使用低代碼工具訓練模型。	課程	Tiffany 和 Maud
19	雲端資料科學	雲端資料	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany 和 Maud
20	實務資料科學	實務應用	真實世界中由資料科學所推動的專案。	課程	Nitya