|
| 1 | +# Наука о данных для начинающих - Учебный план |
| 2 | + |
| 3 | +[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) |
| 4 | +[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) |
| 5 | +[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) |
| 6 | +[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) |
| 7 | +[](http://makeapullrequest.com) |
| 8 | + |
| 9 | +[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) |
| 10 | +[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) |
| 11 | +[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) |
| 12 | + |
| 13 | +Команда Azure Cloud Advocates от компании Microsoft рада представить вам десятинедельный учебный курс по науке о данным, разбитый на 20 уроков. Каждый урок содержит вступительный и проверочный тесты, инструкции для прохождения, решение и домашнее задание. Мы выбрали методику проектно-ориентированного обучения как проверенный способ освоения новых навыков. Она помогает Вам учиться в процессе работы над проектом. |
| 14 | + |
| 15 | +**Выражаем благодарность нашим авторам:** [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). |
| 16 | + |
| 17 | +**🙏 Отдельная благодарность 🙏 нашей команде авторов Microsoft Student Ambassador и редакторам,** в особенности [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Rohit Yadav](https://www.linkedin.com/in/rty2423), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Sheena Narula](https://www.linkedin.com/in/sheena-narula-n/), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), Yogendrasingh Pawar, Max Blum, Samridhi Sharma, Tauqeer Ahmad, Aaryan Arora, ChhailBihari Dubey |
| 18 | + |
| 19 | +| ](./sketchnotes/00-Title.png)| |
| 20 | +|:---:| |
| 21 | +| Data Science For Beginners - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | |
| 22 | + |
| 23 | + |
| 24 | +# Начало работы |
| 25 | + |
| 26 | +> **Дорогие учителя**, мы [добавили наши рекомендации](for-teachers.md) по работе с курсом. Мы будем рады получить ваши отзывы [на нашем форуме](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! |
| 27 | +
|
| 28 | +> **Дорогие студенты**, для самостоятельного прохождения курса сделайте форк всего репозитория, выполните задания самостоятельно, начиная со вступительных тестов, а после прочтения лекции, выполните оставшуюся часть урока. Постарайтесь достигнуть понимания при выполнении заданий и избегайте копирования решения, несмотря на то, что решение доступно в папке `/solutions` для каждого мини-проекта. Отличной идеей также является организовать учебную группу со своими друзьями и пройти этот курс вместе. Для дальнейшего обучения мы рекомендуем портал [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-40229-cxa). |
| 29 | + |
| 30 | + |
| 31 | +<!--[]( "Promo video") |
| 32 | +
|
| 33 | +> 🎥 Click the image above for a video about the project the folks who created it!--> |
| 34 | + |
| 35 | +## О методике обучения |
| 36 | + |
| 37 | +Мы выбрали два ключевых пункта при разработке данного учебного курса: проектоориентированность и частая проверка знаний. К концу занятий учащиеся изучат основные принципы науки о данных, среди которых этические аспекты работы с данными, подготовку данных, различные способы обработки данных, визуализация данных, анализ данных, примеры практического использования науки о данных и многое другое. |
| 38 | + |
| 39 | +В дополнение к этому, незначительные тесты перед началом урока поможет мотивировать учеников к изучению темы, а заключительный тест проверит усвоение материала. Мы постарались сделать данный курс гибким и нескучным, поэтому вы можете пройти его полностью или только некоторые разделы. По мере прохождения десятинедельного курса, проекты будут становиться всё сложнее. |
| 40 | + |
| 41 | +> Ознакомьтесь с нашими [правилами поведения](CODE_OF_CONDUCT.md), [сотрудничества](CONTRIBUTING.md), [перевода](TRANSLATIONS.md). Мы приветствуем конструктивную критику. |
| 42 | +
|
| 43 | +## Каждый урок включает в себя: |
| 44 | + |
| 45 | +- Небольшой скетч (необязательно) |
| 46 | +- Вспомогательное видео (необязательно) |
| 47 | +- Вступительный тест |
| 48 | +- Учебный материал |
| 49 | +- Пошаговую инструкцию для выполнения проекта (для проектно-ориентированных уроков) |
| 50 | +- Проверку знаний |
| 51 | +- Задачу для выполнения |
| 52 | +- Дополнительные материалы |
| 53 | +- Домашнее задание |
| 54 | +- Проверочный тест |
| 55 | + |
| 56 | +> **О тестах**: Все тесты Вы можете найти [в этом приложении](https://red-water-0103e7a0f.azurestaticapps.net/), их всего 40 по три вопроса в каждом. Ссылки на них находятся внутри уроков, однако приложение не может быть запущено локально. Следуйте инструкциям в папке `quiz-app`. Постепенно тесты будут локализованы. |
| 57 | +
|
| 58 | +## Содержание уроков |
| 59 | + |
| 60 | + |
| 61 | +| ](./sketchnotes/00-Roadmap.png)| |
| 62 | +|:---:| |
| 63 | +| Data Science For Beginners: Roadmap - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | |
| 64 | + |
| 65 | + |
| 66 | +| Номер урока | Тема | Раздел | Цели | Ссылка | Автор | |
| 67 | +| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | |
| 68 | +| 01 | Что такое наука о данных | [Введение](1-Introduction/README.md) | Изучить основные понятия науки о данных и её связь с искусственным интеллектом, машинным обучением и большими данными. | [урок](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | |
| 69 | +| 02 | Этика и наука о данных | [Введение](1-Introduction/README.md) | Этические аспекты в области науки о данных. | [урок](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | |
| 70 | +| 03 | Что такое данные | [Введение](1-Introduction/README.md) | Классификация данных и их источники. | [урок](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | |
| 71 | +| 04 | Введение в статистику и теорию вероятности | [Введение](1-Introduction/README.md) | Вероятностные и статистические приёмы для изучения данных.| [урок](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | |
| 72 | +| 05 | Работа с реляционными данными | [Работа с данными](2-Working-With-Data/README.md) | Введение в реляционные данные, основы изучения и анализа реляционных данных при помощи структурированного языка запросов, также известного как SQL (произносится “си-квел”). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | |
| 73 | +| 06 | Работа с NoSQL данными | [Работа с данными](2-Working-With-Data/README.md) | Введение в нереляционные данные, их разнообразие и основы работы с документоориентированными базами данных. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| |
| 74 | +| 07 | Работа с языком программирования Python | [Работа с данными](2-Working-With-Data/README.md) | Основы использования языка Python при исследовании данных на примере библиотеки Pandas. Рекомендуется предварительно познакомиться с Python. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | |
| 75 | +| 08 | Подготовка данных | [Работа с данными](2-Working-With-Data/README.md) | Методы очистки и трансформации данных для работы с пропусками, ошибками и неполными данными. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | |
| 76 | +| 09 | Визуализация количественных данных | [Визуализация данных](3-Data-Visualization/README.md) | Использование библиотеки Matplotlib для визуализации данных о разнообразии птиц 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | |
| 77 | +| 10 | Визуализация распределения данных | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация наблюдений и трендов на временнóм интервале | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | |
| 78 | +| 11 | Визуализация пропорций | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация дискретных и сгруппированных процентных соотношений. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | |
| 79 | +| 12 | Визуализация связей | [Визуализация данных](3-Data-Visualization/README.md) | Визуализация связей и корреляций между наборами данных и их переменными. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | |
| 80 | +| 13 | Выразительная визуализация | [Визуализация данных](3-Data-Visualization/README.md) | Методы и инструкция для построения визуализации для эффективного решения проблем и получения инсайтов. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | |
| 81 | +| 14 | Введение в жизненный цикл проекта в области науки о данных | [Жизненный цикл проекта](4-Data-Science-Lifecycle/README.md) | Введение в жизненный цикл проекта в области науки о данных и его первый этап получения и извлечения данных. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | |
| 82 | +| 15 | Анализ данных | [Жизненный цикл проекта](4-Data-Science-Lifecycle/README.md) | Данный этап жизненного цикла сосредоточен на методах анализа данных. | [урок](4-Data-Science-Lifecycle/15-Analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | |
| 83 | +| 16 | Взаимодействие | [Жизненный цикл проекта](4-Data-Science-Lifecycle/README.md) | Данный этап жизненного цикла сфокусирован на презентацию инсайтов в данных в виде, легком для понимания лицам, принимающим решения. | [урок](4-Data-Science-Lifecycle/16-Communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | |
| 84 | +| 17 | Наука о данных в облачной инфраструктуре | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Данная серия уроков знакомит с применением облачных технологии в науке о данных и его преимуществах. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | |
| 85 | +| 18 | Наука о данных в облачной инфраструктуре | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Обучение моделей с минимальным использованием программирования. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | |
| 86 | +| 19 | Наука о данных в облачной инфраструктуре | [Облачные данные](5-Data-Science-In-Cloud/README.md) | Развёртывание моделей с использованием Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | |
| 87 | +| 20 | Наука о данных на практике | [На практике](6-Data-Science-In-Wild/README.md) | Проекты в области науки о данных на практике. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | |
| 88 | + |
| 89 | +## Оффлайн доступ |
| 90 | + |
| 91 | +Вы можете запустить данную документацию используя [Docsify](https://docsify.js.org/#/). Сделайте форк данного репозитория, [установите Docsify](https://docsify.js.org/#/quickstart) на Вашем компьютере, и затем введите команду `docsify serve` в корневом разделе репозитория. Веб-сайт будет доступен на порте 3000 Вашей локальной машины: `localhost:3000`. |
| 92 | + |
| 93 | + |
| 94 | +> Отмечаем, что Docsify не поддерживает Jupyter-ноутбуки. Для работы с ними используйте VS Code с запуском ядра Python. |
| 95 | +
|
| 96 | +## PDF файлы |
| 97 | + |
| 98 | +PDF файлы всех уроков Вы можете найти [здесь](https://microsoft.github.io/Data-Science-For-Beginners/pdf/readme.pdf). |
| 99 | + |
| 100 | +## Ищем помощников! |
| 101 | + |
| 102 | +Если вы хотите поучаствовать в перевода курса, прочтите нашу [инструкцию по переводу](TRANSLATIONS.md). |
| 103 | + |
| 104 | +## Другие учебные курсы |
| 105 | + |
| 106 | +Наша команда разрабатывает и другие курсы. Познакомьтесь с ними: |
| 107 | + |
| 108 | +- [Машинное обучение для начинающих](https://aka.ms/ml-beginners) |
| 109 | +- [Интернет вещей для начинающих](https://aka.ms/iot-beginners) |
| 110 | +- [Веб-разработка для начинающих](https://aka.ms/webdev-beginners) |
0 commit comments