初學者數據科學課程綱要

微軟的 Azure Cloud Advocates 很高興提供一個為期10週、共20課的數據科學課程。每課包含課前及課後小測驗、完成課程的書面指引、解決方案和作業。我們採用基於項目的教學法，讓你在實作中學習，是讓新技能「牢記」的有效方式。

衷心感謝我們的作者們： 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、審核者和內容貢獻者， 尤其是 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


初學者數據科學 - 草圖筆記由 @nitya 繪製

🌐 多語言支援

透過 GitHub Action 支援（自動及持續更新）

想要本地端克隆？

本儲存庫包含50餘種語言翻譯，會大幅增加下載大小。若想不帶翻譯檔案克隆，可使用稀疏檢出：

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"
這樣讓你以更快的速度取得完成課程所需所有資源。

如欲增加其他翻譯語言，請參閱此處列出的支援語言清單 here

加入我們的社群

我們目前正在進行 Discord AI 學習系列，歡迎了解並於 2025 年 9 月 18 日至 30 日加入我們：Learn with AI Series。你將學到使用 GitHub Copilot 進行數據科學的秘訣與技巧。

你是學生嗎？

開始使用以下資源：

學生中心頁面在此頁面，你會找到初學者資源、學生包甚至免費證書兌換券的取得方式。這是你想要加入書籤並定期查看的頁面，因為我們至少每月更換內容一次。
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橋樑。

入門指南

📚 文件資料

安裝指南 - 初學者的分步設定指引
使用指南 - 範例與常用工作流程
故障排除 - 常見問題解決方案
貢獻指南 - 如何參與此專案
教師專區 - 教學指導與課堂資源

👨‍🎓 學生專區

完全初學者：剛開始接觸數據科學？請先從我們的初學者範例開始！這些簡單且附有良好註解的範例，將幫助你在深入完整課程前，理解基本概念。 學生們：想要自行使用本課程，請複製整個倉庫，並自行完成練習，從課前小測驗開始。然後閱讀課程並完成其他活動。盡量透過理解課程來創建專案，而非直接複製解答程式碼；不過每個基於專案的課程都在 /solutions 目錄備有程式碼。另一個方式是和朋友組成學習小組，一同進行內容。進一步學習我們推薦使用 Microsoft Learn。

快速開始：

查看安裝指南以設定你的環境
閱讀使用指南以學習如何使用課程
從第一課開始，按順序完成各課
加入我們的 Discord 社群尋求支援

👩‍🏫 教師專區

教師：我們已包含一些建議說明如何使用此課程。歡迎您在討論區留下您的意見！

認識團隊

動圖由 Mohit Jaisal 製作

🎥 點擊上方圖片觀看關於專案和創作者們的影片！

教學法

在設計本課程時，我們選擇了兩個教學原則：確保課程以專案為基礎，並包含頻繁的測驗。到本系列課程結束時，學生將學會資料科學的基本原理，包括倫理概念、資料準備、不同的資料處理方式、資料視覺化、資料分析、資料科學的實際應用案例等。

另外，課前的低壓力測驗可幫助學生設定學習主題的意圖，而課後的第二次測驗則確保持續記憶。此課程設計具彈性且有趣，可整體或部分學習。專案從簡單開始，並在十週的學習週期結束時逐漸增加難度。

請參閱我們的行為準則、貢獻指南、翻譯指南。歡迎您提供建設性的回饋！

每堂課包含：

選用的手繪筆記
選用的補充影片
課前暖身測驗
書面課程
專案課程包含的逐步專案建置指引
知識檢測
挑戰題
補充閱讀
作業
課後測驗

關於測驗的說明：所有測驗均位於 Quiz-App 資料夾中，共有40個，每個包含三個問題。測驗連結嵌入於課程中，但測驗應用程式可本地執行或部署至 Azure；請參考 quiz-app 資料夾中的說明。測驗正在逐步本地化。

🎓 初學者友善範例

剛接觸資料科學？ 我們建立了特殊的範例目錄，包含簡單且詳盡註解的程式碼幫助您入門：

🌟 Hello World - 您的第一個資料科學程式
📂 資料載入 - 學習讀取與探索資料集
📊 簡單分析 - 計算統計並尋找模式
📈 基礎視覺化 - 創建圖表與圖形
🔬 實務專案 - 從頭到尾完整工作流程

每個範例均包含詳細註解解說每步驟，適合完全的新手！

👉 從範例開始 👈

課程列表


資料科學初學者：路線圖 - 手繪筆記由 @nitya

課程編號	主題	課程分組	學習目標	連結課程	作者
01	定義資料科學	介紹	了解資料科學的基本概念及其與人工智慧、機器學習和大數據的關聯。	課程影片	Dmitry
02	資料科學倫理	介紹	資料倫理概念、挑戰與架構。	課程	Nitya
03	定義資料	介紹	資料的分類及其常見來源。	課程	Jasmine
04	統計與機率導論	介紹	使用機率與統計的數學技術來了解資料。	課程影片	Dmitry
05	使用關聯式資料	資料處理	關聯式資料介紹及使用結構化查詢語言（SQL，發音為 “see-quell”）探索和分析關聯式資料的基礎。	課程	Christopher
06	使用 NoSQL 資料	資料處理	非關聯式資料介紹、種類及探索和分析文件型資料庫的基礎。	課程	Jasmine
07	使用 Python	資料處理	使用 Python 進行資料探索的基礎，包含 Pandas 等函式庫。建議具備 Python 程式基礎。	課程影片	Dmitry
08	資料準備	資料處理	資料清理與轉換技術，應對缺失、不準確或不完整資料的挑戰。	課程	Jasmine
09	量化視覺化	資料視覺化	學習使用 Matplotlib 來視覺化鳥類資料 🦆	課程	Jen
10	資料分佈視覺化	資料視覺化	在區間內視覺化觀察與趨勢。	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	視覺化資料集及其變量間的連結和相關性。	課程	Jen
13	有意義的視覺化	資料視覺化	創造有價值視覺化的技巧與指導，有助於有效解決問題和獲得見解。	課程	Jen
14	資料科學生命週期導論	生命週期	資料科學生命週期介紹及其第一步驟：取得與提取資料。	課程	Jasmine
15	分析	生命週期	資料科學生命週期中著重於資料分析的階段。	課程	Jasmine
16	溝通	生命週期	資料科學生命週期中專注於以便於決策者理解的方式呈現資料洞見的階段。	課程	Jalen
17	雲端資料科學	雲端資料	介紹雲端資料科學及其好處。	課程	Tiffany 及 Maud
18	雲端資料科學	雲端資料	使用低碼工具訓練模型。	課程	Tiffany 及 Maud
19	雲端資料科學	雲端資料	使用 Azure 機器學習工作室部署模型。	課程	Tiffany 及 Maud
20	實務資料科學	實務	實際世界中由資料科學驅動的專案。	課程	Nitya