# Data Science for Beginners - 課程大綱
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[](http://makeapullrequest.com)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
[](https://discord.gg/nTYy5BXMWG)
[](https://aka.ms/foundry/forum)
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](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
**🙏 特別感謝 🙏 我們的 [Microsoft 學生大使](https://studentambassadors.microsoft.com/) 作者、審查員與內容貢獻者，** 特別是 Aaryan Arora、[Aditya Garg](https://github.com/AdityaGarg00)、[Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/)、[Ankita Singh](https://www.linkedin.com/in/ankitasingh007)、[Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/)、[Arpita Das](https://www.linkedin.com/in/arpitadas01/)、ChhailBihari Dubey、[Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor)、[Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb)、[Majd Safi](https://www.linkedin.com/in/majd-s/)、[Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/)、[Miguel Correa](https://www.linkedin.com/in/miguelmque/)、[Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119)、[Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum)、[Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/)、[Rohit Yadav](https://www.linkedin.com/in/rty2423)、Samridhi Sharma、[Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200)、[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/)、[Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/)、Yogendrasingh Pawar、[Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/)、[Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
||
|:---:|
| Data Science For Beginners - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
### 🌐 多語言支持
#### 透過 GitHub Action 支援（自動及持續更新）
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](./README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **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:**
> ```bash
> 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):**
> ```cmd
> 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](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
#### 加入我們的社區
[](https://discord.gg/nTYy5BXMWG)
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](https://aka.ms/learnwithai/discord) ，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](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 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](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) 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](INSTALLATION.md)** - 初學者逐步安裝設定說明
- **[使用指南](USAGE.md)** - 範例和常見工作流程
- **[疑難排解](TROUBLESHOOTING.md)** - 常見問題解決方案
- **[貢獻指南](CONTRIBUTING.md)** - 如何參與此專案
- **[教師資源](for-teachers.md)** - 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](examples/README.md)！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](https://aka.ms/student-page)**：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](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)。
**快速入門：**
1. 參考 [安裝指南](INSTALLATION.md) 設定環境
2. 閱讀 [使用指南](USAGE.md) 學習如何使用課程
3. 從第一課開始依序學習
4. 加入我們的 [Discord 社群](https://aka.ms/ds4beginners/discord) 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](for-teachers.md)。歡迎您在[討論區](https://github.com/microsoft/Data-Science-For-Beginners/discussions)提供寶貴意見！
## 團隊介紹
[](https://youtu.be/8mzavjQSMM4 "宣傳影片")
動圖製作者 [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
> 🎥 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](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)及[翻譯指南](TRANSLATIONS.md)。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](https://ff-quizzes.netlify.app/en/)
> 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](examples/README.md)，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](examples/README.md)** 👈
## 課程內容
||
|:---:|
| 資料科學初學者：路線圖 - _素描筆記作者 [@nitya](https://twitter.com/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](1-Introduction/README.md) | 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](1-Introduction/01-defining-data-science/README.md) [影片](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | 資料科學倫理 | [介紹](1-Introduction/README.md) | 資料倫理的概念、挑戰與架構。 | [課程](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | 資料定義 | [介紹](1-Introduction/README.md) | 資料的分類方式及常見來源。 | [課程](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | 統計與機率導論 | [介紹](1-Introduction/README.md) | 運用機率與統計的數學技巧來理解資料。 | [課程](1-Introduction/04-stats-and-probability/README.md) [影片](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | 處理關聯式資料 | [資料操作](2-Working-With-Data/README.md) | 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](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | 處理 NoSQL 資料 | [資料操作](2-Working-With-Data/README.md) | 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](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) |
| 07 | 使用 Python | [資料操作](2-Working-With-Data/README.md) | 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](2-Working-With-Data/07-python/README.md) [影片](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | 資料準備 | [資料操作](2-Working-With-Data/README.md) | 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](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | 量的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 學習如何用 Matplotlib 視覺化鳥類資料 🦆 | [課程](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | 資料分布視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化區間內的觀察和趨勢。 | [課程](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | 比例視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化離散和分組百分比。 | [課程](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | 關係視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 視覺化資料集合及變數間的連結和相關性。 | [課程](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | 有意義的視覺化 | [資料視覺化](3-Data-Visualization/README.md) | 製作有效解決問題及洞見的重要視覺化技術與指導。 | [課程](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | 資料科學生命週期導論 | [生命週期](4-Data-Science-Lifecycle/README.md) | 介紹資料科學生命週期及其第一步：取得與擷取資料。 | [課程](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | 分析階段 | [生命週期](4-Data-Science-Lifecycle/README.md) | 本階段聚焦於資料分析技巧。 | [課程](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | 溝通階段 | [生命週期](4-Data-Science-Lifecycle/README.md) | 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](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 介紹雲端資料科學及其優勢。 | [課程](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 18 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用低代碼工具訓練模型。 | [課程](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 19 | 雲端資料科學 | [雲端資料](5-Data-Science-In-Cloud/README.md) | 使用 Azure Machine Learning Studio 部署模型。 | [課程](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) 和 [Maud](https://twitter.com/maudstweets) |
| 20 | 實務資料科學 | [實務應用](6-Data-Science-In-Wild/README.md) | 真實世界中由資料科學所推動的專案。 | [課程](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
按照以下步驟在 Codespace 開啟此範例：
1. 點擊 Code 下拉選單並選擇 Open with Codespaces 選項。
2. 在窗格底部選取 + New codespace。
更多資訊請查看[GitHub 文件](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace)。
## VSCode 遠端 - 容器
使用本機電腦與 VSCode 的「遠端 - 容器 (Remote - Containers)」擴充，按照以下步驟在容器中開啟此倉庫：
1. 若是首次使用開發容器，請確保系統符合先決條件（例如已安裝Docker），詳見[入門文件](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)。
使用此倉庫有兩種方式：
開啟倉庫至獨立的 Docker 卷：
注意：此舉使用 Remote-Containers 的「Clone Repository in Container Volume...」指令，將原始碼克隆至 Docker 卷，而非本地檔案系統。[卷 (Volumes)](https://docs.docker.com/storage/volumes/) 是持久化容器資料的首選機制。
或開啟本地克隆或下載的版本：
- 將此倉庫克隆到本地檔案系統。
- 按 F1，選擇 **Remote-Containers: Open Folder in Container...** 指令。
- 選擇剛克隆的資料夾，等待容器啟動後開始使用。
## 離線瀏覽
可使用 [Docsify](https://docsify.js.org/#/) 離線瀏覽本文件。將本倉庫 fork 下來，於本地安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在本倉庫根目錄執行 `docsify serve`。網站將在本地端口 3000 提供服務：`localhost:3000`。
> 注意，Notebook 無法透過 Docsify 渲染，如需執行 Notebook，請在 VS Code 中使用 Python kernel 分別操作。
## 其他課程
我們團隊還開發其他課程！請參考：
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### 生成式人工智能系列
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### 核心學習
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot 系列
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
## 尋求協助
**遇到問題？** 查看我們的 [故障排除指南](TROUBLESHOOTING.md) 以獲得常見問題的解決方案。
如果你在構建人工智能應用程序時遇到困難或有任何疑問，歡迎加入用戶及經驗豐富的開發者一同參與 MCP 的討論。這是一個支持性強的社群，問題隨時歡迎，知識自由分享。
[](https://discord.gg/nTYy5BXMWG)
如果你在開發過程中有產品反饋或錯誤，請訪問：
[](https://aka.ms/foundry/forum)
---
**免責聲明**：
本文件是使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力追求準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或誤釋負責。