WEBVTT

00:00:00.000 --> 00:00:02.580
>> Hallo jeder. Mein Name ist Sarah.

00:00:02.580 --> 00:00:04.905
>> Hallo. Mein Name ist Francesca.

00:00:04.905 --> 00:00:07.575
>> Das sind Entwickler
Einführung in die Datenwissenschaft.

00:00:07.575 --> 00:00:09.090
In diesem Video werden wir

00:00:09.090 --> 00:00:10.710
sagen Sie ein wenig
darüber, wer wir sind,

00:00:10.710 --> 00:00:14.580
wer du sein könntest, und was die
Ziel dieser Videoserie ist.

00:00:14.580 --> 00:00:16.425
Mein Name ist Sarah Guthals.

00:00:16.425 --> 00:00:18.855
Ich bin ein Hauptprogramm
Manager bei Microsoft.

00:00:18.855 --> 00:00:21.150
Ich bin besessen vom Unterrichten
und Lerntechnik,

00:00:21.150 --> 00:00:23.985
ob das für Kinder zu lernen
zum ersten Mal zu programmieren,

00:00:23.985 --> 00:00:27.025
oder Entwickler, die
an Datenwissenschaft interessiert sind.

00:00:27.025 --> 00:00:29.660
Ich gehe nach Disneyland
jederzeit, wenn ich kann.

00:00:29.660 --> 00:00:32.945
Ich bin Ehepartner und Mutter
zu einem zweibeinigen Kleinkind,

00:00:32.945 --> 00:00:35.300
und vier, vierbeinige Kinder,

00:00:35.300 --> 00:00:36.770
zwei Katzen und zwei Hunde.

00:00:36.770 --> 00:00:39.130
Der beste Ort, um zu finden
ich bin auf Twitter.

00:00:39.130 --> 00:00:42.815
>> Hallo jeder. Mein Name
ist Francesca Lazzeri.

00:00:42.815 --> 00:00:45.200
Ich bin ein Cloud-Befürworter
bei Microsoft und I

00:00:45.200 --> 00:00:48.605
führen Sie ein Team von Cloud Advocates
und Datenwissenschaftler.

00:00:48.605 --> 00:00:51.260
Ich bin in maschinelles Lernen verliebt

00:00:51.260 --> 00:00:54.020
und Betriebsforschung
seit ich ein Kind war,

00:00:54.020 --> 00:00:57.140
aber ich bin auch verliebt
mit Kunst und Jazzmusik.

00:00:57.140 --> 00:00:59.845
Der beste Weg, um zu finden
ich bin auf Twitter.

00:00:59.845 --> 00:01:01.670
>> Für diese Videoserie

00:01:01.670 --> 00:01:04.070
ich vertrete
der Entwickler, der

00:01:04.070 --> 00:01:07.085
dass Daten wichtig sind, aber
keine Ahnung, wie man loslegen kann,

00:01:07.085 --> 00:01:09.230
die nicht weit von der Wahrheit entfernt ist.

00:01:09.230 --> 00:01:11.930
>> Ich wäre die Maschine
lernenden Wissenschaftler.

00:01:11.930 --> 00:01:14.355
Wer kennt diese Daten
ist sehr wichtig,

00:01:14.355 --> 00:01:17.695
und weiß tatsächlich
wie sie loslegen können.

00:01:17.695 --> 00:01:21.035
Dieser Kurs ist für Sie.

00:01:21.035 --> 00:01:24.230
Wenn Sie bereits ein wenig
Erfahrung in der Codierung,

00:01:24.230 --> 00:01:26.150
in textbasierten Programmiersprachen

00:01:26.150 --> 00:01:28.895
wie der Python,
JavaScript oder "C".

00:01:28.895 --> 00:01:32.210
Wenn Sie Erfahrung als
ein Entwickler, z. B.

00:01:32.210 --> 00:01:35.120
Wenn Sie eine App erstellt haben
von Anfang bis Ende,

00:01:35.120 --> 00:01:38.475
oder wenn Sie eine ausgefüllte
Codierungskurs oder Bootcamp.

00:01:38.475 --> 00:01:40.970
Am wichtigsten ist, wenn
sie wirklich suchen

00:01:40.970 --> 00:01:43.625
vorwärts, um loszulegen
mit der Data Science.

00:01:43.625 --> 00:01:46.099
Wenn Sie z. B.

00:01:46.099 --> 00:01:48.650
mit Datenwissenschaftlern dort
in Ihrem täglichen Job,

00:01:48.650 --> 00:01:51.845
wenn Sie Daten werden möchten
Wissenschaftler in der Zukunft,

00:01:51.845 --> 00:01:54.260
und auch, wenn Sie

00:01:54.260 --> 00:01:57.230
eine Daten information
Entscheidungen für Ihre Arbeit.

00:01:57.230 --> 00:02:00.950
Für diese Serie haben wir
ein paar Ziele im Hinterkopf.

00:02:00.950 --> 00:02:02.900
Zuallererst sind wir
gehen, um Sie zu erklären

00:02:02.900 --> 00:02:05.225
warum Datenwissenschaft so wichtig ist.

00:02:05.225 --> 00:02:09.155
Wir werden dies tun, indem wir
Sie, was Data Science ist,

00:02:09.155 --> 00:02:11.165
wie Sie sich einbringen können,

00:02:11.165 --> 00:02:13.355
wie es zur Entwicklung beitragen kann.

00:02:13.355 --> 00:02:16.925
Dann erklären wir Ihnen
wie Sie Data Science machen können.

00:02:16.925 --> 00:02:18.650
Wir werden erklären
Wie Sie können

00:02:18.650 --> 00:02:20.630
Ihre Daten zu erforschen und vorzubereiten,

00:02:20.630 --> 00:02:22.610
und wie Sie erhöhen können, um

00:02:22.610 --> 00:02:25.190
verwenden Sie verschiedene Maschine
Lernalgorithmen.

00:02:25.190 --> 00:02:28.700
Schließlich werden wir
erklären, wie Sie bleiben

00:02:28.700 --> 00:02:30.395
ethisch mit Ihrem End-to-End

00:02:30.395 --> 00:02:33.085
maschinelles Lernen und
Data Science-Lösungen.

00:02:33.085 --> 00:02:34.880
>> Wie Sie sehen können, haben wir

00:02:34.880 --> 00:02:36.860
Themen, die in dieser Videoreihe behandelt werden sollen.

00:02:36.860 --> 00:02:39.200
Wir beginnen mit
diese Erklärung auf hoher Ebene

00:02:39.200 --> 00:02:41.565
der Datenwissenschaft und der Maschine
Lernalgorithmen,

00:02:41.565 --> 00:02:43.070
Sprung in VS-Code,

00:02:43.070 --> 00:02:45.560
die Sie vielleicht kennen
mit als Entwickler,

00:02:45.560 --> 00:02:48.064
verschieben Sie in Azure
Machine Learning-Arbeitsbereich

00:02:48.064 --> 00:02:49.615
innerhalb des Azure-Portals,

00:02:49.615 --> 00:02:52.370
und beenden Sie es nicht nur mit
die Diskussion über Ethik,

00:02:52.370 --> 00:02:56.015
aber wie man praktisch integriert
Ethik in Ihre Lösung einfließen.

00:02:56.015 --> 00:02:59.345
Wir haben auf jeden Fall eine Menge
nützliche Ressourcen für Sie.

00:02:59.345 --> 00:03:02.060
Alle diese sind
in der Beschreibung unten.

00:03:02.060 --> 00:03:05.090
Das GitHub-Repository verfügt über alle
des Codes, den wir verwenden werden

00:03:05.090 --> 00:03:06.500
Schreiben Sie in dieser Serie so

00:03:06.500 --> 00:03:08.540
Sie können es ausprobieren
zu Hause.

00:03:08.540 --> 00:03:11.210
Wir haben auch eine
Sammlung auf Microsoft

00:03:11.210 --> 00:03:13.880
mit einigen unserer
Lieblingslernmodule,

00:03:13.880 --> 00:03:15.685
wenn Sie weiterlernen möchten.

00:03:15.685 --> 00:03:18.920
Wir haben nur eine Reihe von
von Spickzetteln, Dokumenten,

00:03:18.920 --> 00:03:20.630
und Lernmodule, die wir für

00:03:20.630 --> 00:03:22.595
die wichtigsten für diese Videoserie.

00:03:22.595 --> 00:03:26.790
Achten Sie darauf, sie zu überprüfen
vor, während und nachher.