WEBVTT

00:00:00.000 --> 00:00:02.580
• 大家好。我叫莎拉。

00:00:02.580 --> 00:00:04.905
嗨, 嗨。我叫弗朗切斯卡

00:00:04.905 --> 00:00:07.575
• 這是開發人員
數據科學的簡介。

00:00:07.575 --> 00:00:09.090
在這個視頻中,我們將

00:00:09.090 --> 00:00:10.710
告訴你一點
關於我們是誰

00:00:10.710 --> 00:00:14.580
你可能是誰,什麼
這個視頻系列的目標是。

00:00:14.580 --> 00:00:16.425
我叫莎拉·古塔爾斯

00:00:16.425 --> 00:00:18.855
我是校長計劃
微軟的經理。

00:00:18.855 --> 00:00:21.150
我癡迷於教學
和學習技術,

00:00:21.150 --> 00:00:23.985
這是否是為孩子們學習
第一次編碼,

00:00:23.985 --> 00:00:27.025
或開發人員誰是
對數據科學感興趣。

00:00:27.025 --> 00:00:29.660
我去迪士尼樂園
隨時可以。

00:00:29.660 --> 00:00:32.945
我是配偶和母親
一個兩條腿的蹣跚學步的孩子,

00:00:32.945 --> 00:00:35.300
和四個四條腿的孩子

00:00:35.300 --> 00:00:36.770
兩隻貓和兩隻狗

00:00:36.770 --> 00:00:39.130
最佳地點
我在推特上

00:00:39.130 --> 00:00:42.815
• 大家好。我的名字
是弗朗切斯卡·拉澤里

00:00:42.815 --> 00:00:45.200
我是雲宣導者
在微軟和我在

00:00:45.200 --> 00:00:48.605
領導雲宣導者團隊
和數據科學家。

00:00:48.605 --> 00:00:51.260
我愛上了機器學習

00:00:51.260 --> 00:00:54.020
和操作研究
從我小時候起

00:00:54.020 --> 00:00:57.140
但我也戀愛了
藝術和爵士樂。

00:00:57.140 --> 00:00:59.845
最好的找到方法
我在推特上

00:00:59.845 --> 00:01:01.670
• 對於此視頻系列,

00:01:01.670 --> 00:01:04.070
我會代表
知道的開發人員

00:01:04.070 --> 00:01:07.085
數據是重要的,但有
不知道如何開始

00:01:07.085 --> 00:01:09.230
離真相不遠了

00:01:09.230 --> 00:01:11.930
我會是機器
學習科學家。

00:01:11.930 --> 00:01:14.355
誰知道資料
非常重要

00:01:14.355 --> 00:01:17.695
實際上知道
如何開始。

00:01:17.695 --> 00:01:21.035
這些課程是為你準備的。

00:01:21.035 --> 00:01:24.230
如果你已經有一點點
在編碼方面有點經驗,

00:01:24.230 --> 00:01:26.150
在基於文字的程式設計語言中

00:01:26.150 --> 00:01:28.895
比如 Python,
JavaScript 或 C#。

00:01:28.895 --> 00:01:32.210
如果您有
例如,開發人員,

00:01:32.210 --> 00:01:35.120
如果你建構任何應用程式
從頭到尾

00:01:35.120 --> 00:01:38.475
或者,如果你有一個完成
編碼課程或訓練營。

00:01:38.475 --> 00:01:40.970
最重要的是,如果
你真的在看

00:01:40.970 --> 00:01:43.625
轉寄開始
與數據科學。

00:01:43.625 --> 00:01:46.099
例如,如果您與合作夥伴

00:01:46.099 --> 00:01:48.650
與資料科學家有
在你的日常工作中

00:01:48.650 --> 00:01:51.845
如果你想成為一個資料
科學家在未來,

00:01:51.845 --> 00:01:54.260
而且,如果你必須

00:01:54.260 --> 00:01:57.230
通知資料
決定你的工作。

00:01:57.230 --> 00:02:00.950
對於本系列,我們有
心中有幾個目標。

00:02:00.950 --> 00:02:02.900
首先,我們是
要解釋你

00:02:02.900 --> 00:02:05.225
為什麼數據科學如此重要。

00:02:05.225 --> 00:02:09.155
我們要通過解釋來做到這一點
你什麼是數據科學,

00:02:09.155 --> 00:02:11.165
你如何參與,

00:02:11.165 --> 00:02:13.355
它如何幫助發展。

00:02:13.355 --> 00:02:16.925
然後我們來解釋你
如何做數據科學。

00:02:16.925 --> 00:02:18.650
我們要解釋
你如何可以

00:02:18.650 --> 00:02:20.630
瀏覽和準備您的數據,

00:02:20.630 --> 00:02:22.610
以及如何提升到

00:02:22.610 --> 00:02:25.190
使用不同的機器
學習演演演算法。

00:02:25.190 --> 00:02:28.700
最後,我們將得出結論
解釋你如何留下來

00:02:28.700 --> 00:02:30.395
符合您的端到端道德規範

00:02:30.395 --> 00:02:33.085
機器學習和
數據科學解決方案。

00:02:33.085 --> 00:02:34.880
• 如您所看到的,我們有很多

00:02:34.880 --> 00:02:36.860
本視頻系列中要介紹的主題。

00:02:36.860 --> 00:02:39.200
我們要從
高層次的解釋

00:02:39.200 --> 00:02:41.565
資料科學和機器
學習演演演算法,

00:02:41.565 --> 00:02:43.070
跳進 VS 代碼,

00:02:43.070 --> 00:02:45.560
你可能很熟悉
作為一個開發人員,

00:02:45.560 --> 00:02:48.064
移至 Azure
機器學習工作區

00:02:48.064 --> 00:02:49.615
在 Azure 門戶中,

00:02:49.615 --> 00:02:52.370
結束它不僅與
關於道德的討論,

00:02:52.370 --> 00:02:56.015
但如何實際整合
道德進入您的解決方案。

00:02:56.015 --> 00:02:59.345
我們肯定有很多
有用的資源。

00:02:59.345 --> 00:03:02.060
所有這些都被鏈接下來
在下面的描述中。

00:03:02.060 --> 00:03:05.090
GitHub 儲存庫擁有所有
的代碼,我們要

00:03:05.090 --> 00:03:06.500
寫整個這個系列, 所以

00:03:06.500 --> 00:03:08.540
你可以試試看
自己在家。

00:03:08.540 --> 00:03:11.210
我們還有一個
微軟的集合

00:03:11.210 --> 00:03:13.880
學習我們的一些
最喜歡的學習模組,

00:03:13.880 --> 00:03:15.685
如果你想繼續學習。

00:03:15.685 --> 00:03:18.920
我們只是有個號碼
備忘單,檔,

00:03:18.920 --> 00:03:20.630
並學習我們認為是模組

00:03:20.630 --> 00:03:22.595
最重要的這個視頻系列。

00:03:22.595 --> 00:03:26.790
請務必檢視
之前,期間和之後。