初學者資料科學課程綱要

微軟 Azure 雲端倡導者很榮幸提供一個為期 10 週、共 20 堂課的完整資料科學課程綱要。每堂課包含課前和課後測驗、完成課程的書面說明、解答以及作業。我們採用專案導向教學法，讓你邊學邊做，這是讓新技能「深植」的有效方式。

誠摯感謝我們的作者： 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、審稿人與內容貢獻者， 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


初學者資料科學 - 手繪筆記由 @nitya 製作

🌐 多語言支援

透過 GitHub Action 支援（自動且持續更新）

偏好在本機端克隆？

本專案包含 50 多種語言的翻譯，這會大幅增加下載大小。若要不含翻譯檔案克隆，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"
這樣將為你提供完成課程所需的所有內容，而且下載速度更快。

如果你希望支援其他翻譯語言，請參考此處

加入我們的社群

我們有一個持續進行中的 Discord 「與 AI 一起學習」系列講座，詳情與加入請訪問與 AI 一起學習系列，時間為 2025 年 9 月 18 日至 30 日。你將獲得使用 GitHub Copilot 進行資料科學的技巧與秘訣。

你是學生嗎？

開始使用以下資源：

學生中心頁面在此頁面中，你會找到初學者資源、學生包甚至免費證書優惠券。這是一個你應該加入書籤並定期查看的頁面，因為我們每月至少會更新內容一次。
Microsoft Learn 學生大使加入學生大使全球社群，這可能是你進入微軟的管道。

入門指南

📚 文檔

安裝指南 - 初學者逐步設定教學
使用指南 - 範例與常見工作流程
故障排除 - 常見問題解決方案
貢獻指南 - 如何為本專案貢獻
教師專用 - 教學指導與課堂資源

👨‍🎓 學生專區

完全初學者：資料科學新手？請先從我們的初學者友善範例開始！這些簡單且有詳細註解的範例將幫助你理解基本概念，再進入完整課程。學生：自行使用本課程綱要，請 Fork 整個倉庫並獨立完成練習，從課前測驗開始。然後閱讀課程內容並完成其餘活動。盡量透過理解課程自行建立專案，而非直接複製解答程式碼；不過，每個專案導向課程中 /solutions 資料夾提供了完整程式碼解答。另一個方法是和朋友組成讀書會，一起學習內容。深入研究建議透過 Microsoft Learn。

快速開始：

查看安裝指南以設定環境
閱讀使用指南了解課程使用方式
從第 1 課開始，按順序完成
加入我們的 Discord 社群尋求支援

👩‍🏫 教師專區

教師們：我們已經包含了一些建議來說明如何使用這份課程內容。我們非常期待您在討論論壇中的回饋！

認識團隊

動圖作者 Mohit Jaisal

🎥 點擊上方圖片觀看關於此專案及其創作者的影片！

教學理念

我們在建立這個課程時選擇了兩個教學原則：確保它以專案為基礎，且包含頻繁的小測驗。在本系列課程結束時，學生將學會數據科學的基本原則，包括倫理概念、數據準備、處理數據的不同方式、數據視覺化、數據分析、數據科學的真實案例等。

此外，課前的小測能使學生設定學習主題的目標，而課後的第二次小測則確保進一步記憶。這個課程設計靈活且有趣，您可以全部學習或部分選擇學習。專案從簡單開始，到第10週結束時會逐漸複雜。

請參考我們的行為守則、貢獻指南、翻譯指南。歡迎您的建設性回饋！

每堂課包含：

選擇性手繪筆記
選擇性補充影片
課前熱身小測
書面課程內容
專案課程附上逐步專案建置指南
知識檢測
挑戰題
補充閱讀
作業
課後小測

關於小測的說明：所有小測均位於 Quiz-App 資料夾中，共40個小測，每個含三題。課程中有連結，且小測應用可以本機執行或部署至 Azure；請參照 quiz-app 資料夾中的說明。小測正在逐步本地化。

🎓 適合初學者的範例

剛接觸數據科學嗎？ 我們特別建立了一個範例目錄，提供簡單且註解良好的程式碼，幫助您入門：

🌟 Hello World - 您的第一個數據科學程式
📂 讀取資料 - 學習閱讀與探索資料集
📊 簡單分析 - 計算統計資料與尋找模式
📈 基礎視覺化 - 建立圖表與繪圖
🔬 實務專案 - 從開始到完成的完整工作流程

每個範例都包含詳細註解，說明每一步驟，是絕對初學者的理想教材！

👉 從範例開始 👈

課程列表


數據科學初學者路線圖 - 手繪筆記作者 @nitya

課程編號	主題	所屬單元	學習目標	連結課程	作者
01	定義數據科學	簡介	學習數據科學背後的基本概念，以及它與人工智慧、機器學習和大數據的關係。	課程影片	Dmitry
02	數據科學倫理	簡介	數據倫理的概念、挑戰與框架。	課程	Nitya
03	定義數據	簡介	數據如何分類及其常見來源。	課程	Jasmine
04	統計學與機率入門	簡介	使用機率與統計的數學技術來理解數據。	課程影片	Dmitry
05	使用關聯式資料庫	處理資料	關於關聯式資料庫的介紹，以及使用結構化查詢語言（SQL，讀作“see-quell”）探究與分析關聯資料的基礎。	課程	Christopher
06	使用非關聯式資料庫	處理資料	非關聯式資料的介紹、不同類型及探究與分析文件型資料庫的基礎。	課程	Jasmine
07	使用 Python	處理資料	使用 Python 進行資料探索的基礎，包含 Pandas 等函式庫。建議具備 Python 程式設計的基礎認識。	課程影片	Dmitry
08	資料準備	處理資料	探討清洗與轉換資料的技術，以應對缺失、不準確或不完整資料的挑戰。	課程	Jasmine
09	數量視覺化	資料視覺化	學習使用 Matplotlib 來視覺化鳥類資料 🦆	課程	Jen
10	資料分布視覺化	資料視覺化	視覺化區間內的觀察與趨勢。	課程	Jen
11	比例視覺化	資料視覺化	視覺化離散及分組百分比。	課程	Jen
12	關係視覺化	資料視覺化	視覺化數據集及其變數間的關聯與相關性。	課程	Jen
13	有意義的視覺化	資料視覺化	製作有效且有助於問題解決與洞察的視覺化技巧與指導。	課程	Jen
14	數據科學生命週期入門	生命週期	介紹數據科學生命週期及其第一步：獲取與擷取資料。	課程	Jasmine
15	分析階段	生命週期	數據科學生命週期中專注於資料分析的方法。	課程	Jasmine
16	溝通階段	生命週期	專注於將數據洞察以便決策者理解的方式呈現。	課程	Jalen
17	雲端數據科學	雲端資料	本系列課程介紹雲端數據科學及其優勢。	課程	Tiffany 與 Maud
18	雲端數據科學	雲端資料	使用低代碼工具訓練模型。	課程	Tiffany 與 Maud
19	雲端數據科學	雲端資料	使用 Azure Machine Learning Studio 部署模型。	課程	Tiffany 與 Maud
20	野外的數據科學	實戰	真實世界中由數據科學推動的專案。	課程	Nitya