14 KiB
Data Science voor Beginners - Een curriculum
Met groot genoegen bieden Azure Cloud Advocates bij Microsoft dit curriculum van 10 weken en 20 lessen aan over data science (datawetenschap). Elke les bevat quizzen voor en na de les, schriftelijke instructies om de les te voltooien, een oplossing en een opdracht. Onze projectmatige pedagogiek stelt je in staat om te leren tijdens het bouwen, een bewezen manier om nieuwe vaardigheden te laten ‘plakken’.
Met dank aan de auteurs: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Speciale dank 🙏 gaat uit naar onze Microsoft Student Ambassador auteurs, proeflezers en “meedenkers”, notably 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
](/python/data-science-for-beginners/media/branch/main/sketchnotes/00-Title.png) |
|---|
| Data Science voor Beginners - Sketchnote door [@nitya](https://twitter.com/nitya) |
Start
Leerkrachten: we hebben suggesties bijgevoegd over het gebruik van dit curriculum. We staan open voor uw feedback in ons discussie forum!
Studenten, leerlingen: “fork” om dit lesmateriaal te gebruiken de gehele folder, en werk op eigen kracht door de opdrachten. Start steeds met de quiz vooraf. Lees dan de lezing en volg de rest van de opdrachten. Probeer de projecten te voltooien zonder de oplossing een-op-een te kopiëren; maar weet dat de oplossing in de /solutions folder te vinden is. Overweeg een studie groep te vormen en samen door het lesmateriaal te gaan. Wil je nog meer leren? Ga dan naar Microsoft Learn.
Het team achter Data Science voor Beginners
Gif door Mohit Jaisal
🎥 Klik op de afbeelding hierboven om een video over de makers van dit project te bekijken!
Pedagogie
We hebben twee pedagogische uitgangspunten gekozen bij het bouwen van dit curriculum: we wilden ervoor zorgen dat het projectmatig is en dat het frequente quizzen bevat. Aan het einde van deze serie hebben studenten de basisprincipes van datawetenschap geleerd, waaronder ethische concepten, “data preparation”, verschillende manieren van werken met gegevens, gegevensvisualisatie, gegevensanalyse, praktijkgevallen van data wetenschap en meer.
Bovendien zet een laagdrempelige quiz voor een les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les zorgt voor verdere retentie. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer tegen het einde van de cyclus van 10 weken.
Vind onze richtlijnen hierL Code of Conduct, Contributing, Translation. Ook hier verwelkomen wij feedback.
Elke les omvat:
- (Optioneel) sketchnote
- (Optioneel) video
- Een warmup quiz voor de les
- Uitgeschreven lezing
- Voor projectgebaseerde lessen: stapsgewijze handleidingen voor het bouwen van het project
- Kennischecks
- Een uitdaging
- Aanvullende lectuur
- Opdracht
- Quiz na de les
Een opmerking over de quizzen: Alle quizzen zijn opgenomen in deze app, voor in totaal 40 quizzen van elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd; volg de instructies in de
quiz-appmap. Ze worden stilaan gelokaliseerd.
Lessen
](/python/data-science-for-beginners/media/branch/main/translations/sketchnotes/00-Roadmap.png) |
|---|
| Data Science voor Beginners: Roadmap - Sketchnote door [@nitya](https://twitter.com/nitya) |
| Les Nummer | Onderwerp | Lesgroepering | Leerdoelen | Link | Auteur |
|---|---|---|---|---|---|
| 01 | Datawetenschap definiëren | Introductie | Leer de basisconcepten achter datawetenschap en hoe deze verband houdt met kunstmatige intelligentie, machine learning en big data. | les video | Dmitry |
| 02 | Ethiek | Introductie | Data-ethiekconcepten, uitdagingen en kaders. | lesson | Nitya |
| 03 | Data definiëren | Introductie | Hoe gegevens worden geclassificeerd en de gemeenschappelijke bronnen. | les | Jasmine |
| 04 | Inleiding tot statistiek en waarschijnlijkheid | Introductie | De wiskundige techniek van waarschijnlijkheid en statistiek om gegevens te begrijpen. | les video | Dmitry |
| 05 | Werken met relationele gegevens | Werken met Data | Inleiding tot relationele gegevens en de basisprincipes van het verkennen en analyseren van relationele gegevens met de Structured Query Language, ook bekend als SQL (uitgesproken als “see-quell”). | les | Christopher |
| 06 | Werken met NoSQL Data | Werken met Data | Inleiding tot niet-relationele gegevens, de verschillende soorten en de basisprincipes van het verkennen en analyseren van documentdatabases. | les | Jasmine |
| 07 | Aan de slag met Python | Werken met Data | Basisprincipes van het gebruik van Python voor gegevensverkenning met bibliotheken zoals Panda’s. Fundamenteel begrip van Python-programmering wordt aanbevolen. | les video | Dmitry |
| 08 | Data Preparation | Werken met Data | Onderwerpen over gegevenstechnieken voor het opschonen en transformeren van gegevens om uitdagingen als ontbrekende, onnauwkeurige of onvolledige gegevens aan te pakken. | les | Jasmine |
| 09 | Hoeveelheden visualiseren | Data Visualisatie | Leer Matplotlib te gebruiken om vogelgegevens te visualiseren 🦆 | les | Jen |
| 10 | Distributies van gegevens visualiseren | Data Visualisatie | Visualiseren van waarnemingen en trends binnen een interval. | les | Jen |
| 11 | Verhoudingen visualiseren | Data Visualisatie | Het visualiseren van discrete en gegroepeerde percentages. | les | Jen |
| 12 | Relaties visualiseren | Data Visualisatie | Het visualiseren van verbanden en correlaties tussen gegevenssets en hun variabelen. | les | Jen |
| 13 | Betekenisvolle visualisaties | Data Visualisatie | Technieken en begeleiding om uw visualisaties waardevol te maken voor effectieve probleemoplossing en inzichten. | les | Jen |
| 14 | Inleiding tot de Data Science-levenscyclus | Levenscyclus | Inleiding tot de data science-levenscyclus en de eerste stap van het verwerven en extraheren van gegevens. | les | Jasmine |
| 15 | Analyse | Levenscyclus | Deze fase van de data science-levenscyclus richt zich op technieken om data te analyseren. | les | Jasmine |
| 16 | Communicatie | Levenscyclus | Deze fase van de data science-levenscyclus richt zich op het presenteren van de inzichten uit de data op een manier die het voor besluitvormers gemakkelijker maakt om te begrijpen. | les | Jalen |
| 17 | Data Science in de Cloud | Levenscyclus | Deze lessenreeks introduceert datawetenschap in de cloud en de voordelen ervan. | les | Tiffany en Maud |
| 18 | Data Science in de Cloud | Cloud Data | Modellen trainen met behulp van low code-tools. | les | Tiffany en Maud |
| 19 | Data Science in de Cloud | Cloud Data | Modellen implementeren met Azure Machine Learning Studio. | les | Tiffany en Maud |
| 20 | Data Science in het Wild | In het Wild | Data science projecten in de echte wereld. | les | Nitya |
Offline toegang
Deze documentatie kan offline geconsumeerd worden door Docsify te gebruiken. Fork deze foldeer, installeer Docsify op uw computer en typ vervolgens in de hoofdmap van deze opslagplaats docsify serve. De website wordt bediend op poort 3000: localhost:3000.
Let op, notebooks worden niet weergegeven via Docsify, dus als je een notebook moet uitvoeren, doe dat dan apart in VS Code met een Python-kernel.
Een PDF van alle lessen is hier te vinden.
Hulp gewenst!
Als je het hele curriculum of een deel ervan wilt vertalen, volg dan onze gids Vertalingen.
Ander Curricula
Ons team maakt andere curricula: - Machine Learning voor Beginners - IoT voor Beginners - Web Dev voor Beginners