Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane, 20 lezioni tutto riguardo la Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un compito. Il nostro approccio basato su progetti ti permette di imparare costruendo, un modo comprovato affinché le nuove competenze "rimangano".
Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane, con 20 lezioni completamente dedicate alla Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un esercizio. La nostra pedagogia basata su progetti ti permette di imparare costruendo, un metodo comprovato per fare "attaccare" nuove competenze.
> Questo repository include oltre 50 traduzioni in lingue che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa il sparse checkout:
> Questo repository include oltre 50 traduzioni linguistiche che aumentano significativamente la dimensione del download. Per clonare senza le traduzioni, utilizza lo sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -56,12 +56,12 @@ Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10
> Questo ti fornisce tutto il necessario per completare il corso con un download molto più veloce.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Se desideri avere lingue di traduzione aggiuntive supportate sono elencate [qui](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Se desideri che vengano supportate lingue aggiuntive, sono elencate [qui](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Abbiamo una serie Discord "impara con AI" in corso, scopri di più e unisciti a noi su [Learn with AI Series](https://aka.ms/learnwithai/discord) dal 18 al 30 settembre 2025. Riceverai suggerimenti e trucchi per usare GitHub Copilot per la Data Science.
Abbiamo una serie Discord "Learn with AI" in corso, scopri di più e unisciti a noi su [Learn with AI Series](https://aka.ms/learnwithai/discord) dal 18 al 30 settembre 2025. Riceverai consigli e trucchi sull'uso di GitHub Copilot per la Data Science.
@ -69,31 +69,31 @@ Abbiamo una serie Discord "impara con AI" in corso, scopri di più e unisciti a
Inizia con le seguenti risorse:
- [Pagina Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) In questa pagina troverai risorse per principianti, pacchetti per studenti e anche modi per ottenere un voucher per certificazione gratuita. Questa è una pagina da aggiungere ai preferiti e controllare di tanto in tanto perché aggiorniamo i contenuti almeno mensilmente.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Unisciti a una comunità globale di ambasciatori studenteschi, questo potrebbe essere il tuo modo per entrare in Microsoft.
- [Pagina Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) In questa pagina, troverai risorse per principianti, pacchetti per studenti e perfino modi per ottenere un voucher gratuito per la certificazione. Questa è una pagina da aggiungere ai preferiti e consultare di tanto in tanto, poiché aggiorniamo i contenuti almeno mensilmente.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Unisciti a una comunità globale di ambasciatori studenteschi, questa potrebbe essere la tua strada verso Microsoft.
# Iniziare
# Come Iniziare
## 📚 Documentazione
- **[Guida all’Installazione](INSTALLATION.md)** - Istruzioni passo-passo per l’installazione per principianti
- **[Guida all’Uso](USAGE.md)** - Esempi e flussi di lavoro comuni
- **[Risoluzione dei Problemi](TROUBLESHOOTING.md)** - Soluzioni a problemi comuni
- **[Guida al Contributo](CONTRIBUTING.md)** - Come contribuire a questo progetto
- **[Per Insegnanti](for-teachers.md)** - Guida didattica e risorse per la classe
- **[Guida all'installazione](INSTALLATION.md)** - Istruzioni passo-passo per l'installazione per principianti
- **[Guida all'uso](USAGE.md)** - Esempi e flussi di lavoro comuni
- **[Risoluzione dei problemi](TROUBLESHOOTING.md)** - Soluzioni ai problemi comuni
- **[Guida alla contribuzione](CONTRIBUTING.md)** - Come contribuire a questo progetto
- **[Per insegnanti](for-teachers.md)** - Guida didattica e risorse per la classe
## 👨🎓 Per gli Studenti
> **Principianti Assoluti**: Nuovo alla data science? Inizia con i nostri [esempi per principianti](examples/README.md)! Questi esempi semplici e ben commentati ti aiuteranno a capire le basi prima di entrare nel curriculum completo.
> **[Studenti](https://aka.ms/student-page)**: per usare questo curriculum da solo, fai il fork dell’intero repository e completa gli esercizi autonomamente, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa le altre attività. Cerca di creare i progetti comprendendo le lezioni anziché copiare il codice soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un’altra idea sarebbe formare un gruppo di studio con amici e attraversare i contenuti insieme. Per ulteriori studi, raccomandiamo [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
## 👨🎓 Per Studenti
> **Principianti completi**: Nuovo alla data science? Inizia con i nostri [esempi per principianti](examples/README.md)! Questi esempi semplici e ben commentati ti aiuteranno a comprendere le basi prima di immergerti nel curriculum completo.
> **[Studenti](https://aka.ms/student-page)**: per usare questo curriculum in autonomia, fai il fork dell'intero repo e completa gli esercizi da solo, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa le altre attività. Cerca di creare i progetti comprendendo le lezioni anziché copiare il codice soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un'altra idea sarebbe formare un gruppo di studio con amici e seguire insieme i contenuti. Per ulteriori studi, consigliamo [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Inizio Rapido:**
1. Controlla la [Guida all’Installazione](INSTALLATION.md) per configurare l’ambiente
2. Rivedi la [Guida all’Uso](USAGE.md) per imparare come lavorare con il curriculum
3. Inizia con la Lezione 1 e procedi in ordine sequenziale
**Avvio rapido:**
1. Controlla la [Guida all'installazione](INSTALLATION.md) per configurare il tuo ambiente
2. Consulta la [Guida all'uso](USAGE.md) per imparare come lavorare con il curriculum
3. Inizia con la Lezione 1 e procedi in sequenza
4. Unisciti alla nostra [comunità Discord](https://aka.ms/ds4beginners/discord) per supporto
## 👩🏫 Per gli Insegnanti
> **Insegnanti**: abbiamo [incluso alcuni suggerimenti](for-teachers.md) su come utilizzare questo curriculum. Ci farebbe piacere ricevere il vostro feedback [nel nostro forum di discussione](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## 👩🏫 Per Insegnanti
> **Insegnanti**: abbiamo [incluso alcuni suggerimenti](for-teachers.md) su come utilizzare questo curriculum. Ci piacerebbe ricevere il vostro feedback [nel nostro forum di discussione](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Incontra il Team
@ -105,11 +105,11 @@ Inizia con le seguenti risorse:
## Pedagogia
Abbiamo scelto due principi pedagogici mentre costruivamo questo curriculum: assicurare che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della scienza dei dati, inclusi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della scienza dei dati e altro ancora.
Abbiamo scelto due principi pedagogici nella costruzione di questo curriculum: garantire che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della scienza dei dati, inclusi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della scienza dei dati e altro ancora.
Inoltre, un quiz a basso rischio prima di una lezione pone l'intenzione dello studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione garantisce una maggiore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito nella sua interezza o in parte. I progetti iniziano piccoli e diventano progressivamente più complessi alla fine del ciclo di 10 settimane.
Inoltre, un quiz a bassa pressione prima della lezione indirizza lo studente verso l’apprendimento di un argomento, mentre un secondo quiz dopo la lezione ne assicura una ulteriore memorizzazione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito interamente o in parte. I progetti iniziano piccoli e diventano sempre più complessi entro la fine del ciclo di 10 settimane.
> Trova il nostro [Codice di Condotta](CODE_OF_CONDUCT.md), le linee guida per [Contributi](CONTRIBUTING.md) e [Traduzioni](TRANSLATIONS.md). Accogliamo con piacere il tuo feedback costruttivo!
> Trova il nostro [Codice di Condotta](CODE_OF_CONDUCT.md), le linee guida per il [Contributo](CONTRIBUTING.md), [Traduzione](TRANSLATIONS.md). Accogliamo con piacere i tuoi feedback costruttivi!
## Ogni lezione include:
@ -117,26 +117,26 @@ Inoltre, un quiz a basso rischio prima di una lezione pone l'intenzione dello st
- Video supplementare opzionale
- Quiz di riscaldamento pre-lezione
- Lezione scritta
- Per le lezioni basate su progetti, guide passo-passo per costruire il progetto
- Controlli di conoscenza
- Per le lezioni basate su progetti, guide passo-passo su come costruire il progetto
> **Una nota sui quiz**: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz da tre domande ciascuno. Sono collegati all'interno delle lezioni, ma l'app dei quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella `quiz-app`. Sono in fase di traduzione progressiva.
> **Una nota sui quiz**: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz con tre domande ciascuno. Sono linkati all'interno delle lezioni, ma l'app di quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella `quiz-app`. Sono in corso di localizzazione graduale.
## 🎓 Esempi adatti ai principianti
## 🎓 Esempi per principianti
**Sei nuovo alla Scienza dei Dati?** Abbiamo creato una speciale [directory di esempi](examples/README.md) con codice semplice e ben commentato per aiutarti a iniziare:
**Sei nuovo alla scienza dei dati?** Abbiamo creato una speciale [cartella di esempi](examples/README.md) con codice semplice e ben commentato per aiutarti a iniziare:
- 🌟 **Hello World** - Il tuo primo programma di scienza dei dati
- 📂 **Caricamento dati** - Impara a leggere ed esplorare dataset
- 📂 **Caricamento dati** - Impara a leggere ed esplorare i dataset
- 📊 **Analisi semplice** - Calcola statistiche e trova pattern
- 📈 **Visualizzazione di base** - Crea grafici e diagrammi
- 🔬 **Progetto reale** - Flusso di lavoro completo dall'inizio alla fine
- 🔬 **Progetto reale** - Workflow completo dall’inizio alla fine
Ogni esempio include commenti dettagliati che spiegano ogni passaggio, perfetto per principianti assoluti!
Ogni esempio include commenti dettagliati che spiegano ogni passaggio, rendendolo perfetto per principianti assoluti!
👉 **[Inizia con gli esempi](examples/README.md)** 👈
@ -145,119 +145,119 @@ Ogni esempio include commenti dettagliati che spiegano ogni passaggio, perfetto
||
|:---:|
| Scienza dei Dati per Principianti: Roadmap - _Sketchnote di [@nitya](https://twitter.com/nitya)_ |
| Data Science per Principianti: Roadmap - _Sketchnote di [@nitya](https://twitter.com/nitya)_ |
| Numero Lezione | Argomento | Raggruppamento Lezione | Obiettivi di Apprendimento | Lezione Collegata | Autore |
| Numero Lezione | Argomento | Gruppo di Lezioni | Obiettivi di Apprendimento | Lezione Collegata | Autore |
| 01 | Definizione di Scienza dei Dati | [Introduzione](1-Introduction/README.md) | Impara i concetti base della scienza dei dati e come si relazione con intelligenza artificiale, machine learning e big data. | [lezione](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etica nella Scienza dei Dati | [Introduzione](1-Introduction/README.md) | Concetti, sfide e framework dell'etica dei dati. | [lezione](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definizione di Dati | [Introduzione](1-Introduction/README.md) | Come i dati sono classificati e le loro fonti comuni. | [lezione](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introduzione a Statistica e Probabilità | [Introduzione](1-Introduction/README.md) | Tecniche matematiche di probabilità e statistica per comprendere i dati. | [lezione](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Lavorare con Dati Relazionali | [Lavorare con i Dati](2-Working-With-Data/README.md) | Introduzione ai dati relazionali e basi dell'esplorazione e analisi con il Structured Query Language, noto come SQL (pronunciato “see-quell”). | [lezione](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Lavorare con Dati NoSQL | [Lavorare con i Dati](2-Working-With-Data/README.md) | Introduzione ai dati non relazionali, i vari tipi e le basi dell'esplorazione e analisi di database documentali. | [lezione](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Lavorare con Python | [Lavorare con i Dati](2-Working-With-Data/README.md) | Basi dell'uso di Python per l'esplorazione dati con librerie come Pandas. Si raccomanda una comprensione di base della programmazione Python. | [lezione](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Preparazione dei Dati | [Lavorare con i Dati](2-Working-With-Data/README.md) | Tecniche di pulizia e trasformazione dei dati per affrontare dati mancanti, inaccurati o incompleti. | [lezione](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualizzazione di Quantità | [Visualizzazione Dati](3-Data-Visualization/README.md) | Impara a usare Matplotlib per visualizzare dati sugli uccelli 🦆 | [lezione](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualizzare Distribuzioni di Dati | [Visualizzazione Dati](3-Data-Visualization/README.md) | Visualizzare osservazioni e tendenze all'interno di un intervallo. | [lezione](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualizzare Relazioni | [Visualizzazione Dati](3-Data-Visualization/README.md) | Visualizzare connessioni e correlazioni tra set di dati e le loro variabili. | [lezione](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Visualizzazioni Significative | [Visualizzazione Dati](3-Data-Visualization/README.md) | Tecniche e linee guida per rendere le tue visualizzazioni utili per una risoluzione efficace dei problemi e approfondimenti. | [lezione](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduzione al ciclo di vita della Scienza dei Dati | [Ciclo di Vita](4-Data-Science-Lifecycle/README.md) | Introduzione al ciclo di vita della scienza dei dati e al primo passo di acquisizione ed estrazione dei dati. | [lezione](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analisi | [Ciclo di Vita](4-Data-Science-Lifecycle/README.md) | Questa fase del ciclo di vita della scienza dei dati si concentra sulle tecniche di analisi dei dati. | [lezione](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Comunicazione | [Ciclo di Vita](4-Data-Science-Lifecycle/README.md) | Questa fase del ciclo di vita della scienza dei dati si concentra sulla presentazione degli insight dai dati in modo che i decisori possano comprenderli più facilmente. | [lezione](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Scienza dei Dati nel Cloud | [Dati Cloud](5-Data-Science-In-Cloud/README.md) | Questa serie di lezioni introduce la scienza dei dati nel cloud e i suoi benefici. | [lezione](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) |
| 18 | Scienza dei Dati nel Cloud | [Dati Cloud](5-Data-Science-In-Cloud/README.md) | Addestramento di modelli usando strumenti Low Code. |[lezione](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) |
| 19 | Scienza dei Dati nel Cloud | [Dati Cloud](5-Data-Science-In-Cloud/README.md) | Distribuzione di modelli con Azure Machine Learning Studio. | [lezione](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) |
| 20 | Scienza dei Dati nella Vita Reale | [Nel Mondo Reale](6-Data-Science-In-Wild/README.md) | Progetti di scienza dei dati applicati nel mondo reale. | [lezione](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Definire la Scienza dei Dati | [Introduzione](1-Introduction/README.md) | Impara i concetti base dietro la scienza dei dati e come è correlata all’intelligenza artificiale, al machine learning e al big data. | [lezione](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etica nella Scienza dei Dati | [Introduzione](1-Introduction/README.md) | Concetti, sfide e quadri etici della scienza dei dati. | [lezione](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definire i Dati | [Introduzione](1-Introduction/README.md) | Come i dati sono classificati e le loro fonti comuni. | [lezione](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introduzione a Statistica e Probabilità | [Introduzione](1-Introduction/README.md) | Le tecniche matematiche di probabilità e statistica per comprendere i dati. | [lezione](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Lavorare con dati relazionali | [Lavorare con i dati](2-Working-With-Data/README.md) | Introduzione ai dati relazionali e basi per esplorare e analizzare dati relazionali con Structured Query Language, noto anche come SQL (pronunciato "see-quell"). | [lezione](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Lavorare con dati NoSQL | [Lavorare con i dati](2-Working-With-Data/README.md) | Introduzione ai dati non relazionali, ai loro vari tipi e alle basi per esplorare e analizzare database di documenti. | [lezione](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Lavorare con Python | [Lavorare con i dati](2-Working-With-Data/README.md) | Basi dell’uso di Python per l’esplorazione dati con librerie come Pandas. Si raccomanda una conoscenza di base di programmazione Python. | [lezione](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Preparazione dati | [Lavorare con i dati](2-Working-With-Data/README.md) | Argomenti sulle tecniche di pulizia e trasformazione dei dati per gestire problemi di dati mancanti, inaccurati o incompleti. | [lezione](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualizzare quantità | [Visualizzazione dati](3-Data-Visualization/README.md) | Imparare a usare Matplotlib per visualizzare dati di uccelli 🦆 | [lezione](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualizzare distribuzioni di dati | [Visualizzazione dati](3-Data-Visualization/README.md) | Visualizzare osservazioni e tendenze in un intervallo. | [lezione](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualizzare relazioni | [Visualizzazione dati](3-Data-Visualization/README.md) | Visualizzare connessioni e correlazioni tra set di dati e loro variabili. | [lezione](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Visualizzazioni significative | [Visualizzazione dati](3-Data-Visualization/README.md) | Tecniche e indicazioni per rendere le tue visualizzazioni utili per una risoluzione efficace dei problemi e per insight. | [lezione](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduzione al ciclo di vita della scienza dei dati | [Ciclo di vita](4-Data-Science-Lifecycle/README.md) | Introduzione al ciclo di vita della scienza dei dati e al suo primo passo di acquisizione ed estrazione dei dati. | [lezione](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analisi | [Ciclo di vita](4-Data-Science-Lifecycle/README.md) | Questa fase del ciclo di vita della scienza dei dati si concentra sulle tecniche di analisi dei dati. | [lezione](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Comunicazione | [Ciclo di vita](4-Data-Science-Lifecycle/README.md) | Questa fase del ciclo di vita della scienza dei dati si concentra sulla presentazione degli insight dei dati in modo da agevolare la comprensione da parte dei decisori. | [lezione](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Scienza dei dati nel cloud | [Dati Cloud](5-Data-Science-In-Cloud/README.md) | Questa serie di lezioni introduce la scienza dei dati nel cloud e i suoi benefici. | [lezione](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) |
| 18 | Scienza dei dati nel cloud | [Dati Cloud](5-Data-Science-In-Cloud/README.md) | Addestramento di modelli usando strumenti Low Code. |[lezione](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) |
| 19 | Scienza dei dati nel cloud | [Dati Cloud](5-Data-Science-In-Cloud/README.md) | Distribuzione di modelli con Azure Machine Learning Studio. | [lezione](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) e [Maud](https://twitter.com/maudstweets) |
| 20 | Scienza dei dati sul campo | [Sul campo](6-Data-Science-In-Wild/README.md) | Progetti di scienza dei dati nel mondo reale. | [lezione](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Segui questi passaggi per aprire questo esempio in un Codespace:
1. Clicca sul menu a discesa Codice e seleziona l'opzione Apri con Codespaces.
1. Clicca sul menu a discesa Codice e seleziona l’opzione Apri con Codespaces.
2. Seleziona + Nuovo codespace in fondo al pannello.
Per maggiori informazioni, consulta la [documentazione di GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Per maggiori informazioni, consulta la [documentazione GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Segui questi passaggi per aprire questo repository in un container usando il tuo computer locale e VSCode con l'estensione VS Code Remote - Containers:
Segui questi passaggi per aprire questo repository in un container usando la tua macchina locale e VSCode con l’estensione VS Code Remote - Containers:
1. Se è la prima volta che usi un container di sviluppo, assicurati che il tuo sistema soddisfi i prerequisiti (ad esempio, avere Docker installato) nella [documentazione introduttiva](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Se è la prima volta che usi un container di sviluppo, verifica che il tuo sistema soddisfi i prerequisiti (ad esempio avere Docker installato) nella [documentazione introduttiva](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Per usare questo repository, puoi aprire il repository in un volume Docker isolato:
Per usare questo repository, puoi aprirlo in un volume Docker isolato:
**Nota**: Sotto il cofano, questo utilizzerà il comando Remote-Containers: **Clona Repository in Volume Container...** per clonare il codice sorgente in un volume Docker invece che nel filesystem locale. I [volumi](https://docs.docker.com/storage/volumes/) sono il meccanismo preferito per la persistenza dei dati del container.
**Nota**: In pratica, questo utilizzerà il comando Remote-Containers: **Clona repository in volume container...** per clonare il codice sorgente in un volume Docker anziché nel file system locale. I [volumi](https://docs.docker.com/storage/volumes/) sono il meccanismo preferito per la persistenza dei dati nei container.
Oppure apri una versione clonata o scaricata localmente del repository:
- Clona questo repository nel tuo filesystem locale.
- Premi F1 e seleziona il comando **Remote-Containers: Apri cartella in container...**.
- Seleziona la copia clonata di questa cartella, aspetta che il container si avvii e prova.
- Clona questo repository nel tuo filesystem locale.
- Premi F1 e seleziona il comando **Remote-Containers: Apri cartella nel container...**.
- Seleziona la copia clonata di questa cartella, attendi l’avvio del container e prova a usarla.
## Accesso Offline
## Accesso offline
Puoi eseguire questa documentazione offline usando [Docsify](https://docsify.js.org/#/). Fai un fork di questo repo, [installa Docsify](https://docsify.js.org/#/quickstart) sul tuo computer locale, quindi nella cartella radice di questo repo digita `docsify serve`. Il sito sarà servito sulla porta 3000 del tuo localhost: `localhost:3000`.
Puoi eseguire questa documentazione offline usando [Docsify](https://docsify.js.org/#/). Fai un fork di questo repo, [installa Docsify](https://docsify.js.org/#/quickstart) sulla tua macchina locale, quindi nella cartella root di questo repo digita `docsify serve`. Il sito web sarà servito sulla porta 3000 sul tuo localhost: `localhost:3000`.
> Nota, i notebook non verranno renderizzati tramite Docsify, quindi quando devi eseguire un notebook, fallo separatamente in VS Code usando un kernel Python.
> Nota, i notebook non saranno renderizzati tramite Docsify, quindi quando devi eseguire un notebook, fallo separatamente in VS Code eseguendo un kernel Python.
## Altri Curricula
## Altri curricula
Il nostro team produce altri curricula! Dai un'occhiata:
Il nostro team produce altri curricula! Dai un’occhiata:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agenti
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Serie AI Generativa
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Apprendimento Base
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### Apprendimento di Base
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Serie Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Hai riscontrato problemi?** Consulta la nostra [Guida alla Risoluzione dei Problemi](TROUBLESHOOTING.md) per soluzioni ai problemi comuni.
**Hai riscontrato problemi?** Consulta la nostra [Guida alla risoluzione dei problemi](TROUBLESHOOTING.md) per soluzioni ai problemi comuni.
Se sei bloccato o hai domande sulla creazione di app AI, unisciti ad altri studenti e sviluppatori esperti nelle discussioni su MCP. È una comunità di supporto dove le domande sono benvenute e la conoscenza viene condivisa liberamente.
Se rimani bloccato o hai domande sulla creazione di app AI, unisciti a altri apprendenti e sviluppatori esperti nelle discussioni su MCP. È una comunità di supporto dove le domande sono benvenute e la conoscenza viene condivisa liberamente.
Se hai feedback sul prodotto o incontri errori durante lo sviluppo visita:
Se hai feedback sul prodotto o riscontri errori durante lo sviluppo, visita:
[](https://aka.ms/foundry/forum)
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica [Co-op Translator](https://github.com/Azure/co-op-translator). Pur impegnandoci per l’accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o inesattezze. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si consiglia una traduzione professionale effettuata da un traduttore umano. Non ci assumiamo alcuna responsabilità per eventuali incomprensioni o interpretazioni errate derivanti dall’uso di questa traduzione.
**Disclaimer**:
Questo documento è stato tradotto utilizzando il servizio di traduzione AI [Co-op Translator](https://github.com/Azure/co-op-translator). Pur impegnandoci per l’accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o inesattezze. Il documento originale nella sua lingua madre deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda la traduzione professionale umana. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.
# Data Science dla Początkujących - Program Nauczania
# Data Science dla początkujących - program nauczania
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Zespół Azure Cloud Advocates w Microsoft ma przyjemność zaoferować 10-tygodniowy program nauczania składający się z 20 lekcji, dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasza metodologia oparta na projektach pozwala uczyć się podczas budowania, co jest sprawdzonym sposobem na utrwalenie nowych umiejętności.
Zespół Azure Cloud Advocates w Microsoft ma przyjemność zaoferować 10-tygodniowy, 20-lekcyjny program nauczania w całości poświęcony Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasza metodyka oparta na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswojenie nowych umiejętności.
> To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar pobierania. Aby sklonować bez tłumaczeń, użyj sparse checkout:
> To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar pobrania. Aby sklonować bez tłumaczeń, użyj sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,47 +53,47 @@ Zespół Azure Cloud Advocates w Microsoft ma przyjemność zaoferować 10-tygod
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> To daje Ci wszystko, czego potrzebujesz, aby ukończyć kurs, z dużo szybszym pobieraniem.
> Dzięki temu pobierzesz wszystko, czego potrzebujesz do ukończenia kursu znacznie szybciej.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Jeśli chcesz, aby obsługiwane były dodatkowe języki tłumaczeń, są one wymienione [tutaj](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Jeśli chcesz mieć obsługę dodatkowych języków tłumaczeń, są one wymienione [tutaj](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Mamy trwającą serię "Learn with AI" na Discordzie, dowiedz się więcej i dołącz do nas na [Learn with AI Series](https://aka.ms/learnwithai/discord) w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące używania GitHub Copilot do Data Science.
Organizujemy serię na Discordzie „ucz się z AI”, dowiedz się więcej i dołącz do nas na [Learn with AI Series](https://aka.ms/learnwithai/discord) w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące korzystania z GitHub Copilot do Data Science.
# Jesteś studentem?
Zacznij z następującymi zasobami:
Rozpocznij z następującymi zasobami:
- [Strona Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów a nawet sposoby na zdobycie darmowego vouchera na certyfikat. To jedna ze stron, którą warto dodać do zakładek i sprawdzać od czasu do czasu, ponieważ treść jest zmieniana co najmniej raz w miesiącu.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Dołącz do globalnej społeczności ambasadorów studenckich, to może być Twoja droga do Microsoftu.
- [Strona Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na tej stronie znajdziesz materiały dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera na certyfikat. To strona, którą warto dodać do zakładek i od czasu do czasu sprawdzać, ponieważ regularnie aktualizujemy zawartość co najmniej raz w miesiącu.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Dołącz do globalnej społeczności ambasadorów studentów – to może być Twoja droga do Microsoftu.
# Pierwsze kroki
# Zaczynamy
## 📚 Dokumentacja
- **[Przewodnik instalacji](INSTALLATION.md)** - Instrukcje krok po kroku dla początkujących
- **[Przewodnik użycia](USAGE.md)** - Przykłady i typowe przepływy pracy
- **[Rozwiązywanie problemów](TROUBLESHOOTING.md)** - Rozwiązania typowych problemów
- **[Przewodnik dla współtwórców](CONTRIBUTING.md)** - Jak przyczyniać się do tego projektu
- **[Dla nauczycieli](for-teachers.md)** - Wskazówki dydaktyczne i zasoby do klasy
- **[Przewodnik użytkowania](USAGE.md)** - Przykłady i typowe workflow
- **[Rozwiązywanie problemów](TROUBLESHOOTING.md)** - Rozwiązania najczęstszych problemów
- **[Przewodnik kontrybucji](CONTRIBUTING.md)** - Jak wnieść wkład do tego projektu
- **[Dla nauczycieli](for-teachers.md)** - Porady dydaktyczne i zasoby do klasy
## 👨🎓 Dla studentów
> **Kompletni początkujący**: Nowy w data science? Zacznij od naszych [przyjaznych przykładów dla początkujących](examples/README.md)! Te proste, dobrze komentowane przykłady pomogą Ci zrozumieć podstawy zanim zagłębisz się w cały program.
> **[Studenci](https://aka.ms/student-page)**: aby korzystać z tego programu samodzielnie, forkuj całe repozytorium i wykonuj ćwiczenia samodzielnie, zaczynając od quizu przed wykładem. Następnie przeczytaj wykład i wykonaj pozostałe aktywności. Staraj się tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednakże kod ten jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest stworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez materiał. Do dalszej nauki polecamy [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Całkowici początkujący**: Nowy w Data Science? Zacznij od naszych [przyjaznych przykładów dla początkujących](examples/README.md)! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy zanim zagłębisz się w cały program nauczania.
> **[Studenci](https://aka.ms/student-page)**: aby korzystać z tego programu na własną rękę, sforkuj całe repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed wykładem. Następnie przeczytaj wykład i zrób resztę aktywności. Staraj się tworzyć projekty, rozumiejąc lekcje, a nie tylko kopiując kod rozwiązania; jednakże ten kod jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest utworzenie grupy naukowej z przyjaciółmi i wspólne przerabianie materiału. Na dalszą naukę polecamy [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Szybki start:**
1. Sprawdź [Przewodnik instalacji](INSTALLATION.md) aby skonfigurować środowisko
2. Przejrzyj [Przewodnik użycia](USAGE.md), aby nauczyć się pracować z programem
1. Sprawdź [Przewodnik instalacji](INSTALLATION.md), aby skonfigurować środowisko
2. Zapoznaj się z [Przewodnikiem użytkowania](USAGE.md), by nauczyć się pracy z kursem
3. Zacznij od Lekcji 1 i kontynuuj kolejno
4. Dołącz do naszej społeczności na [Discord](https://aka.ms/ds4beginners/discord) aby uzyskać wsparcie
4. Dołącz do naszej [społeczności na Discordzie](https://aka.ms/ds4beginners/discord) po wsparcie
## 👩🏫 Dla nauczycieli
> **Nauczyciele**: umieściliśmy [kilka sugestii](for-teachers.md) dotyczących korzystania z tego programu nauczania. Chętnie poznamy wasze opinie [na naszym forum dyskusyjnym](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Nauczyciele**: zamieściliśmy [kilka sugestii](for-teachers.md) dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie [na naszym forum dyskusyjnym](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Poznaj Zespół
@ -105,36 +105,36 @@ Zacznij z następującymi zasobami:
## Pedagogika
Podczas tworzenia tego programu nauczania wybraliśmy dwa założenia pedagogiczne: zapewnienie, że jest oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii uczniowie poznają podstawowe zasady nauki o danych, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste zastosowania nauki o danych i wiele więcej.
Podczas tworzenia tego programu nauczania wybraliśmy dwa założenia pedagogiczne: aby był oparty na projektach oraz by zawierał częste quizy. Po ukończeniu tego cyklu uczniowie poznają podstawowe zasady data science, w tym zagadnienia etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, zastosowania data science w rzeczywistych przypadkach i więcej.
Dodatkowo quiz o niskiej stawce przed zajęciami ustawia intencję ucznia do nauki tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjazny, i można go realizować w całości lub częściowo. Projekty zaczynają się od małych i stają się coraz bardziej złożone do końca 10-tygodniowego cyklu.
Dodatkowo quiz o niskiej stawce przed zajęciami nastawia ucznia na naukę tematu, natomiast drugi quiz po zajęciach zapewnia lepsze utrwalenie wiedzy. Ten program został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych, a kończą się coraz bardziej złożonymi pod koniec 10-tygodniowego cyklu.
> Znajdź nasz [Kodeks Postępowania](CODE_OF_CONDUCT.md), [Zasady Współpracy](CONTRIBUTING.md), [Wytyczne dotyczące tłumaczeń](TRANSLATIONS.md). Zapraszamy do konstruktywnej krytyki!
- W przypadku lekcji opartych na projekcie – przewodniki krok po kroku, jak zbudować projekt
- Dla lekcji opartych na projekcie, przewodniki krok po kroku, jak zbudować projekt
- Sprawdziany wiedzy
- Wyzwanie
- Dodatkową lekturę
- Zadanie
- Lektury uzupełniające
- Zadanie domowe
- [Quiz po lekcji](https://ff-quizzes.netlify.app/en/)
> **Uwaga o quizach**: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć w Azure; postępuj według instrukcji w folderze `quiz-app`. Stopniowo są lokalizowane.
> **Uwagi o quizach**: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów po trzy pytania każdy. Są połączone w lekcjach, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze `quiz-app`. Są stopniowo lokalizowane.
## 🎓 Przykłady przyjazne dla początkujących
## 🎓 Przykłady dla początkujących
**Nowy w nauce o danych?** Stworzyliśmy specjalny [folder z przykładami](examples/README.md) z prostym, dobrze skomentowanym kodem, aby pomóc Ci zacząć:
**Nowy w Data Science?** Stworzyliśmy specjalny [katalog przykładów](examples/README.md) z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:
- 🌟 **Hello World**– Twój pierwszy program do nauki o danych
- 📂 **Ładowanie danych**– Naucz się czytać i eksplorować zestawy danych
- 📊 **Prosta analiza**– Oblicz statystyki i znajdź wzorce
- 📈 **Podstawowa wizualizacja**– Twórz wykresy i grafiki
- 🔬 **Projekt z prawdziwego świata** – Kompletny proces od początku do końca
- 🌟 **Hello World**– Twój pierwszy program do data science
- 📂 **Wczytywanie danych**– Naucz się czytać i eksplorować zestawy danych
- 📊 **Prosta analiza**– Obliczaj statystyki i znajdź wzory
- 📈 **Podstawowa wizualizacja**– Twórz wykresy i diagramy
- 🔬 **Projekt z rzeczywistego świata** – Kompletny przebieg pracy od początku do końca
Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni go idealnym dla absolutnych początkujących!
@ -143,65 +143,65 @@ Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co
| 01 | Definicja nauki o danych | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe pojęcia nauki o danych oraz jej powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data. | [lekcja](1-Introduction/01-defining-data-science/README.md) [wideo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etyka w nauce o danych | [Wprowadzenie](1-Introduction/README.md) | Pojęcia, wyzwania i ramy etyki danych. | [lekcja](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definicja danych | [Wprowadzenie](1-Introduction/README.md) | Jak klasyfikowane są dane i ich najczęstsze źródła. | [lekcja](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Wprowadzenie do statystyki i prawdopodobieństwa | [Wprowadzenie](1-Introduction/README.md) | Matematyczne techniki prawdopodobieństwa i statystyki do zrozumienia danych. | [lekcja](1-Introduction/04-stats-and-probability/README.md) [wideo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Praca z danymi relacyjnymi | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka zapytań strukturalnych, znanego jako SQL (wym. „see-quell”). | [lekcja](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Praca z danymi NoSQL | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentowych. | [lekcja](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Praca z Pythonem | [Praca z danymi](2-Working-With-Data/README.md) | Podstawy użycia Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecana jest podstawowa znajomość programowania w Pythonie. | [lekcja](2-Working-With-Data/07-python/README.md) [wideo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Przygotowanie danych | [Praca z danymi](2-Working-With-Data/README.md) | Tematy dotyczące technik czyszczenia i przekształcania danych do radzenia sobie z brakującymi, nieprecyzyjnymi lub niekompletnymi danymi. | [lekcja](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Wizualizacja ilości | [Wizualizacja danych](3-Data-Visualization/README.md) | Naucz się korzystać z Matplotlib do wizualizacji danych o ptakach 🦆 | [lekcja](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Wizualizacja rozkładów danych | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja obserwacji i trendów w przedziale czasowym. | [lekcja](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Wizualizacja relacji | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja połączeń i korelacji między zestawami danych i ich zmiennymi. | [lekcja](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Znaczące wizualizacje | [Wizualizacja danych](3-Data-Visualization/README.md) | Techniki i wskazówki, jak tworzyć wizualizacje wartościowe dla efektywnego rozwiązywania problemów i uzyskiwania spostrzeżeń. | [lekcja](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Wprowadzenie do cyklu życia nauki o danych | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Wprowadzenie do cyklu życia nauki o danych oraz jego pierwszego kroku – pozyskiwania i ekstrakcji danych. | [lekcja](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analiza | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ta faza cyklu życia nauki o danych koncentruje się na technikach analizy danych. | [lekcja](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikacja | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ta faza cyklu życia nauki o danych koncentruje się na prezentowaniu spostrzeżeń z danych w sposób ułatwiający zrozumienie decydentom. | [lekcja](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Nauka o danych w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Seria lekcji wprowadzająca naukę o danych w chmurze oraz jej korzyści. | [lekcja](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) |
| 18 | Nauka o danych w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Trenowanie modeli za pomocą narzędzi Low Code. |[lekcja](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) |
| 19 | Nauka o danych w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Wdrażanie modeli z wykorzystaniem Azure Machine Learning Studio. | [lekcja](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) |
| 20 | Nauka o danych w praktyce | [W terenie](6-Data-Science-In-Wild/README.md) | Projekty nauki o danych w rzeczywistym świecie. | [lekcja](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Definiowanie Data Science | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe koncepcje data science oraz jak jest ono powiązane ze sztuczną inteligencją, uczeniem maszynowym i big data. | [lekcja](1-Introduction/01-defining-data-science/README.md) [wideo](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etyka Data Science | [Wprowadzenie](1-Introduction/README.md) | Pojęcia, wyzwania i ramy etyki danych. | [lekcja](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definiowanie danych | [Wprowadzenie](1-Introduction/README.md) | Jak klasyfikuje się dane i jakie są ich typowe źródła. | [lekcja](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Wprowadzenie do statystyki i rachunku prawdopodobieństwa | [Wprowadzenie](1-Introduction/README.md) | Techniki matematyczne z dziedziny prawdopodobieństwa i statystyki do rozumienia danych. | [lekcja](1-Introduction/04-stats-and-probability/README.md) [wideo](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Praca z danymi relacyjnymi | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka zapytań strukturalnych SQL (wym. „see-quell”). | [lekcja](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Praca z danymi NoSQL | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentów. | [lekcja](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Praca z Pythonem | [Praca z danymi](2-Working-With-Data/README.md) | Podstawy używania Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecane podstawowe zrozumienie programowania w Pythonie. | [lekcja](2-Working-With-Data/07-python/README.md) [wideo](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Przygotowanie danych | [Praca z danymi](2-Working-With-Data/README.md) | Tematy dotyczące technik czyszczenia i transformacji danych, aby radzić sobie z wyzwaniami brakujących, nieprecyzyjnych lub niepełnych danych. | [lekcja](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Wizualizacja ilościowa | [Wizualizacja danych](3-Data-Visualization/README.md) | Naucz się używać Matplotlib do wizualizacji danych ptaków 🦆 | [lekcja](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Wizualizacja rozkładów danych | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja obserwacji i trendów w przedziale. | [lekcja](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Wizualizacja zależności | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja połączeń i korelacji między zbiorami danych i ich zmiennymi. | [lekcja](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Sensowne wizualizacje | [Wizualizacja danych](3-Data-Visualization/README.md) | Techniki i wskazówki, jak uczynić wizualizacje wartościowymi dla skutecznego rozwiązywania problemów i uzyskiwania wglądów. | [lekcja](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Wprowadzenie do cyklu życia data science | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Wprowadzenie do cyklu życia data science i jego pierwszego etapu – pozyskiwania i wydobywania danych. | [lekcja](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analiza | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ta faza cyklu życia data science koncentruje się na technikach analizy danych. | [lekcja](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikacja | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ta faza cyklu życia data science skupia się na przedstawianiu wniosków płynących z danych w sposób ułatwiający ich zrozumienie decydentom. | [lekcja](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Ten cykl lekcji wprowadza data science w chmurze i jej korzyści. | [lekcja](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Trenowanie modeli przy użyciu narzędzi Low Code. |[lekcja](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Wdrażanie modeli z Azure Machine Learning Studio. | [lekcja](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science w praktyce | [W praktyce](6-Data-Science-In-Wild/README.md) | Projekty napędzane data science w rzeczywistym świecie. | [lekcja](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Wykonaj następujące kroki, aby otworzyć ten przykład w Codespace:
Wykonaj następujące kroki, aby otworzyć tę próbkę w Codespace:
1. Kliknij menu rozwijane Kod i wybierz opcję Otwórz w Codespaces.
2. Na dole panelu wybierz + Nowy codespace.
2. W dolnej części panelu wybierz + Nowy codespace.
Więcej informacji znajdziesz w [dokumentacji GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Wykonaj następujące kroki, aby otworzyć to repozytorium w kontenerze, używając lokalnej maszyny i VSCode z rozszerzeniem VS Code Remote - Containers:
## VSCode Remote - Kontenery
Wykonaj następujące kroki, aby otworzyć to repozytorium w kontenerze na swoim lokalnym komputerze za pomocą VSCode i rozszerzenia VS Code Remote - Containers:
1. Jeśli używasz kontenera deweloperskiego po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowany Docker) w [dokumentacji rozpoczęcia pracy](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Jeśli używasz kontenera deweloperskiego po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) zgodnie z [dokumentacją dotyczącą rozpoczęcia](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Aby użyć tego repozytorium, możesz otworzyć repozytorium w izolowanym wolumenie Dockera:
Aby użyć tego repozytorium, możesz albo otworzyć repozytorium w izolowanym wolumenie Dockera:
**Uwaga**: Pod maską użyje to polecenia Remote-Containers: **Klonuj repozytorium w wolumenie kontenera...**do sklonowania kodu źródłowego w wolumenie Dockera zamiast w lokalnym systemie plików. [Wolumeny](https://docs.docker.com/storage/volumes/) są preferowanym mechanizmem do przechowywania danych kontenera.
**Uwaga**: Pod maską użyje to polecenia Remote-Containers: **Klonuj repozytorium w wolumenie kontenera...**aby sklonować kod źródłowy w wolumenie Dockera zamiast na lokalnym systemie plików. [Wolumeny](https://docs.docker.com/storage/volumes/) są preferowanym mechanizmem do przechowywania danych kontenera.
Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:
Lub otworzyć lokalnie sklonowaną lub pobraną wersję repozytorium:
- Sklonuj to repozytorium na lokalny system plików.
- Sklonuj to repozytorium na swój lokalny system plików.
- Naciśnij F1 i wybierz polecenie **Remote-Containers: Otwórz folder w kontenerze...**.
- Wybierz sklonowaną kopię tego folderu, poczekaj, aż kontener się uruchomi i wypróbuj.
- Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i przetestuj.
## Dostęp offline
Możesz przeglądać tę dokumentację offline, używając [Docsify](https://docsify.js.org/#/). Sklonuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swojej lokalnej maszynie, a następnie w folderze głównym repozytorium wpisz `docsify serve`. Strona internetowa będzie dostępna na porcie 3000 na twoim localhost: `localhost:3000`.
Możesz uruchomić tę dokumentację offline, korzystając z [Docsify](https://docsify.js.org/#/). Wykonaj fork tego repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim lokalnym komputerze, a następnie w katalogu głównym tego repo wpisz `docsify serve`. Strona będzie dostępna pod adresem http://localhost:3000.
> Uwaga, notatniki nie będą renderowane przez Docsify, więc gdy potrzebujesz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona.
> Uwaga, notatniki (notebooks) nie będą renderowane za pomocą Docsify, więc gdy potrzebujesz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona.
## Inne programy nauczania
Nasz zespół tworzy również inne programy! Zobacz:
Nasz zespół tworzy inne programy nauczania! Sprawdź:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -214,22 +214,22 @@ Nasz zespół tworzy również inne programy! Zobacz:
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Seria Generatywnej AI
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Seria Generatywnej Sztucznej Inteligencji
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Podstawowa nauka
### Podstawowa Nauka
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
@ -238,26 +238,26 @@ Nasz zespół tworzy również inne programy! Zobacz:
---
### Seria Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI. Dołącz do innych uczących się i doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, gdzie pytania są mile widziane, a wiedza swobodnie dzielona.
Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do innych uczących się i doświadczonych deweloperów w dyskusjach o MCP. To wspierająca społeczność, w której pytania są mile widziane, a wiedza dzielona jest swobodnie.
Niniejszy dokument został przetłumaczony przy użyciu usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy starań, aby tłumaczenie było poprawne, prosimy mieć na uwadze, że tłumaczenia automatyczne mogą zawierać błędy lub niedokładności. Oryginalny dokument w języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
**Zastrzeżenie**:
Dokument ten został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Choć dążymy do dokładności, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji o krytycznym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
Microsoft’daki Azure Cloud Advocates, Veri Bilimi hakkında 10 haftalık, 20 derslik bir müfredat sunmaktan memnuniyet duyar. Her ders, ön ve son ders sınavları, dersi tamamlamak için yazılı talimatlar, bir çözüm ve bir ödev içerir. Proje tabanlı pedagojimiz, yeni becerilerin 'kalıcı' olmasını sağlayan kanıtlanmış bir yöntem olarak, öğrenirken inşa etmenize olanak tanır.
Microsoft'taki Azure Bulut Savunucuları, Veri Bilimi hakkında tümüyle 10 haftalık, 20 derslik bir müfredat sunmaktan mutluluk duyarlar. Her ders, dersten önce ve sonra yapılan quizler, dersi tamamlamak için yazılı talimatlar, bir çözüm ve bir ödev içerir. Proje tabanlı pedagojimiz, yeni becerilerin 'yerleşmesi' için kanıtlanmış bir yol olan yaparak öğrenmenizi sağlar.
> **Yerel olarak Kopyalamayı mı Tercih Edersiniz?**
> **Yerel Olarak Klonlamayı Tercih Ediyor musunuz?**
>
> Bu depo, indirme boyutunu önemli ölçüde artıran 50+ dil çevirisi içerir. Çeviriler olmadan kopyalamak için seyrek kontrol (sparse checkout) kullanın:
> Bu depo 50+ dil çevirisi içerir ve bu da indirme boyutunu önemli ölçüde artırır. Çeviriler olmadan klonlamak için dağıtık checkout kullanın:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,24 +53,24 @@ Microsoft’daki Azure Cloud Advocates, Veri Bilimi hakkında 10 haftalık, 20 d
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Bu, kursu tamamlamak için ihtiyacınız olan her şeyi çok daha hızlı bir indirme ile sağlar.
> Bu sayede kursu tamamlamak için ihtiyacınız olan her şeye çok daha hızlı indirme ile sahip olursunuz.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Desteklenmesini istediğiniz ek çeviri dilleri [burada](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) listelenmiştir**
**Ek çeviri dillerinin desteklenmesini istiyorsanız, bunlar [burada](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) listelenmiştir**
Discord üzerinde AI ile Öğrenme serimiz devam ediyor, daha fazla bilgi edinmek ve katılmak için [Learn with AI Series](https://aka.ms/learnwithai/discord) adresine 18 - 30 Eylül 2025 tarihleri arasında gelin. GitHub Copilot'un Veri Bilimi için kullanımı hakkında ipuçları ve püf noktaları alacaksınız.
Yapay Zeka ile öğrenme serimiz Discord üzerinde devam ediyor, daha fazla bilgi almak ve 18 - 30 Eylül 2025 tarihleri arasında bize katılmak için [Learn with AI Series](https://aka.ms/learnwithai/discord) sayfasını ziyaret edin. Veri Bilimi için GitHub Copilot kullanımı hakkında ipuçları ve püf noktaları edineceksiniz.
# Siz bir öğrenci misiniz?
# Öğrenci misiniz?
Aşağıdaki kaynaklarla başlayın:
- [Öğrenci Merkezi sayfası](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Bu sayfada, başlangıç kaynakları, Öğrenci paketleri ve ücretsiz sertifika kuponu alma yollarını bulacaksınız. İçeriği ayda en az bir kez değiştirdiğimiz için bu sayfayı yer imlerine ekleyip zaman zaman kontrol etmek isteyebilirsiniz.
- [Microsoft Learn Öğrenci Elçileri](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Küresel bir öğrenci elçileri topluluğuna katılın, bu Microsoft'a girmenin bir yolu olabilir.
- [Öğrenci Merkezi sayfası](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Bu sayfada başlangıç kaynakları, Öğrenci paketleri ve hatta ücretsiz sertifika kuponu alma yolları bulacaksınız. İçeriği en az ayda bir değiştirdiğimiz için, sık sık kontrol etmek isteyeceğiniz tek sayfa bu.
- [Microsoft Learn Öğrenci Elçileri](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Küresel öğrenci elçileri topluluğuna katılın, bu Microsoft’a giden yolunuz olabilir.
# Başlarken
@ -78,22 +78,22 @@ Aşağıdaki kaynaklarla başlayın:
- **[Kurulum Kılavuzu](INSTALLATION.md)** - Yeni başlayanlar için adım adım kurulum talimatları
- **[Kullanım Kılavuzu](USAGE.md)** - Örnekler ve yaygın iş akışları
- **[Sorun Giderme](TROUBLESHOOTING.md)** - Yaygın sorunlar için çözümler
- **[Katkıda Bulunma Kılavuzu](CONTRIBUTING.md)** - Bu projeye nasıl katkıda bulunulur
- **[Öğretmenler için](for-teachers.md)** - Öğretme rehberi ve sınıf kaynakları
- **[Sorun Giderme](TROUBLESHOOTING.md)** - Yaygın sorunların çözümleri
- **[Katkı Kılavuzu](CONTRIBUTING.md)** - Bu projeye nasıl katkıda bulunulur
- **[Öğretmenler için](for-teachers.md)** - Öğretim rehberi ve sınıf kaynakları
## 👨🎓 Öğrenciler İçin
> **Tamamen Yeni Başlayanlar**: Veri bilimine yeni misiniz? Başlangıç seviyesindeki [örneklerimizle başlayın](examples/README.md)! Bu basit, iyi yorumlanmış örnekler, tam müfredata geçmeden önce temel kavramları anlamanıza yardımcı olacaktır.
> **[Öğrenciler](https://aka.ms/student-page)**: bu müfredatı kendi başınıza kullanmak için tüm depoyu çatalayın ve ön ders sınavı ile başlayarak alıştırmaları kendi başınıza tamamlayın. Ardından dersi okuyun ve geri kalan aktiviteleri gerçekleştirin. Çözüm kodunu kopyalamak yerine dersleri anlayarak projeleri oluşturmayı deneyin; ancak o kod her proje odaklı dersin /solutions klasörlerinde mevcuttur. Diğer bir fikir de arkadaşlarınızla bir çalışma grubu kurup içeriği birlikte ilerletmektir. Daha ileri çalışma için [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)’u öneriyoruz.
> **Tamamen Yeni Başlayanlar:** Veri bilimine yeni misiniz? [Başlangıç dostu örneklerimiz](examples/README.md) ile başlayın! Bu basit, iyi yorumlanmış örnekler tam müfredata girmeden önce temel bilgiyi anlamanıza yardımcı olur.
> **[Öğrenciler](https://aka.ms/student-page)**: Bu müfredatı kendi başınıza kullanmak için tüm depoyu çatalayın ve alıştırmaları kendi başınıza tamamlayın, önce bir ders öncesi quiz yaparak başlayın. Sonra dersi okuyun ve geri kalan etkinlikleri tamamlayın. Projeleri çözüm kodunu kopyalamak yerine dersleri anlayarak yapmaya çalışın; ancak kod /çözümler klasörlerinde her proje odaklı derste mevcuttur. Bir diğer fikir ise arkadaşlarınızla bir çalışma grubu kurmak ve içeriği birlikte gözden geçirmek. Daha ileri seviye çalışma için [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) önerilir.
**Hızlı Başlangıç:**
1. Ortamınızı kurmak için [Kurulum Kılavuzunu](INSTALLATION.md) kontrol edin
2. Müfredatla çalışmayı öğrenmek için [Kullanım Kılavuzunu](USAGE.md) inceleyin
3. 1. Ders ile başlayın ve sıralı olarak ilerleyin
2. Müfredatla nasıl çalışılacağını öğrenmek için [Kullanım Kılavuzunu](USAGE.md) inceleyin
3. Ders 1'den başlayarak sırasıyla ilerleyin
4. Destek için [Discord topluluğumuza](https://aka.ms/ds4beginners/discord) katılın
## 👩🏫 Öğretmenler İçin
> **Öğretmenler**: Bu müfredatın nasıl kullanılacağına dair [bazı önerileri dahil ettik](for-teachers.md). Geri bildiriminizi [tartışma forumumuzda](https://github.com/microsoft/Data-Science-For-Beginners/discussions) bekliyoruz!
> **Öğretmenler**: Bu müfredatı nasıl kullanacağınıza dair [bazı öneriler ekledik](for-teachers.md). Geri bildirimlerinizi [tartışma forumumuzda](https://github.com/microsoft/Data-Science-For-Beginners/discussions) bizlerle paylaşmanızı çok isteriz!
## Takım ile Tanışın
@ -101,111 +101,111 @@ Aşağıdaki kaynaklarla başlayın:
> 🎥 Proje ve yaratan kişiler hakkında bir video için yukarıdaki görsele tıklayın!
> 🎥 Projeyle ve yaratan kişilerle ilgili bir video için yukarıdaki görsele tıklayın!
## Pedagoji
Bu müfredatı oluştururken iki pedagojik ilke seçtik: proje tabanlı olması ve sık sık quizler içermesi. Bu serinin sonunda öğrenciler, etik kavramlar, veri hazırlama, veri ile çalışma yöntemleri, veri görselleştirme, veri analizi, veri biliminin gerçek dünya kullanımları ve daha fazlasını içeren veri bilimi temel ilkelerini öğrenmiş olacaklar.
Bu müfredatı oluştururken iki pedagojik ilke seçtik: proje tabanlı olması ve sık sık quizler içermesi. Bu serinin sonunda öğrenciler; ahlaki kavramlar, veri hazırlama, veri ile çalışma farklı yolları, veri görselleştirme, veri analizi, veri biliminin gerçek dünya kullanım örnekleri ve daha fazlası dahil olmak üzere veri biliminin temel prensiplerini öğrenmiş olacaklar.
Ayrıca, dersten önce yapılan düşük riskli bir quiz, öğrencinin bir konuyu öğrenme niyetini belirlerken, dersten sonra yapılan ikinci bir quiz ise bilginin daha iyi kalıcı olmasını sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlanmıştır ve bütünüyle ya da kısmen alınabilir. Projeler küçük başlar ve 10 haftalık döngünün sonunda giderek karmaşıklaşır.
Buna ek olarak, ders öncesi yapılan düşük stresli bir quiz öğrencinin bir konuyu öğrenme amacını belirlerken, ders sonrası yapılan ikinci quiz ise bilgilerin kalıcı olmasını sağlar. Bu müfredat esnek ve eğlenceli olacak şekilde tasarlandı ve tamamı ya da bir kısmı alınabilir. Projeler küçük başlayıp 10 haftalık döngünün sonunda giderek daha karmaşık hale gelir.
- Proje tabanlı derslerde, projeyi adım adım inşa etme rehberleri
- Bilgi kontrolü
- Proje tabanlı dersler için, projeyi nasıl inşa edeceğinize dair adım adım rehberler
- Bilgi kontrolleri
- Bir meydan okuma
- Ek okuma materyalleri
- Destekleyici okumalar
- Ödev
- [Ders sonrası quiz](https://ff-quizzes.netlify.app/en/)
> **Quizler hakkında bir not**: Tüm quizler Quiz-App klasöründe bulunmaktadır, toplamda 40 adet ve her biri üç soru içermektedir. Quizler derslerin içinden linklenmiştir, ancak quiz uygulaması yerel olarak çalıştırılabilir veya Azure’a dağıtılabilir; `quiz-app` klasöründeki talimatları izleyin. Quizler yavaş yavaş yerelleştiriliyor.
> **Quizler hakkında bir not**: Tüm quizler Quiz-App klasöründe yer almakta olup, toplamda 40 adet, her biri üç sorudan oluşan quiz vardır. Derslerin içinden bağlantı verilmiştir ancak quiz uygulaması yerel olarak çalıştırılabilir veya Azure'a dağıtılabilir; `quiz-app` klasöründeki talimatları izleyin. Quizler kademeli olarak yerelleştirilmektedir.
## 🎓 Yeni Başlayanlar için Örnekler
## 🎓 Yeni Başlayanlara Uygun Örnekler
**Veri Bilimine yeni misiniz?** Basit ve iyi yorumlanmış kodlarla başlamanıza yardımcı olmak için özel bir [örnekler dizini](examples/README.md) oluşturduk:
**Veri Bilimine yeni misiniz?** Başlamanıza yardımcı olmak için basit, iyi yorumlu kodların yer aldığı özel bir [örnekler dizini](examples/README.md) oluşturduk:
- 🌟 **Merhaba Dünya** - İlk veri bilimi programınız
- 📂 **Veri Yükleme** - Veri setlerini okuma ve keşfetmeyi öğrenin
- 📊 **Basit Analiz** - İstatistik hesaplama ve desenleri bulma
- 📈 **Temel Görselleştirme** - Grafikler ve çizelgeler oluşturma
- 🔬 **Gerçek Dünya Projesi** - Baştan sona tam iş akışı
- 📂 **Veri Yükleme** - Veri setlerini okumayı ve keşfetmeyi öğrenin
- 📊 **Basit Analiz** - İstatistikleri hesaplayın ve desenleri bulun
- 📈 **Temel Görselleştirme** - Grafikler ve çizelgeler oluşturun
- 🔬 **Gerçek Dünya Projesi** - Baştan sona tamamlanan iş akışı
Her örnek, her adımı ayrıntılı olarak açıklayan yorumlar içerir, bu nedenle kesinlikle yeni başlayanlar için uygundur!
Her örnek, her adımı açıklayan detaylı yorumlar içerir, bu yüzden tamamen yeni başlayanlar için mükemmeldir!
👉 **[Örneklerle başlayın](examples/README.md)** 👈
## Dersler
||
||
|:---:|
| Veri Bilimine Yeni Başlayanlar: Yol Haritası - _Sketchnote [@nitya](https://twitter.com/nitya) tarafından_ |
| Yeni Başlayanlar İçin Veri Bilimi: Yol Haritası - _Çizim notu [@nitya](https://twitter.com/nitya) tarafından_ |
| Ders Numarası | Konu | Ders Grubu | Öğrenme Hedefleri | Bağlantılı Ders | Yazar |
| 01 | Veri Bilimini Tanımlama | [Giriş](1-Introduction/README.md) | Veri biliminin temel kavramlarını ve yapay zeka, makine öğrenimi ve büyük veri ile ilişkisini öğrenin. | [ders](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Veri Bilimi Etikleri | [Giriş](1-Introduction/README.md) | Veri Etiği Kavramları, Zorluklar ve Çerçeveler. | [ders](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Veri Bilimini Tanımlama | [Giriş](1-Introduction/README.md) | Veri bilimi temel kavramlarını ve yapay zeka, makine öğrenimi ve büyük veri ile ilişkisini öğrenin. | [ders](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Veri Bilimi Etiği | [Giriş](1-Introduction/README.md) | Veri Etiği Kavramları, Zorluklar ve Çerçeveler. | [ders](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Veriyi Tanımlama | [Giriş](1-Introduction/README.md) | Verinin nasıl sınıflandırıldığı ve yaygın kaynakları. | [ders](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | İstatistik & Olasılığa Giriş | [Giriş](1-Introduction/README.md) | Veriyi anlamak için olasılık ve istatistiğin matematiksel teknikleri. | [ders](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | İlişkisel Veri ile Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | İlişkisel veriye giriş ve Yapılandırılmış Sorgu Dili (SQL) ile ilişkisel veriyi keşfetme ve analiz etme temel bilgileri. | [ders](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL Veri ile Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | İlişkisel olmayan veriye giriş, çeşitli türleri ve belge veri tabanlarını keşfetme ve analiz etme temel bilgileri. | [ders](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Python ile Çalışma | [Veri ile Çalışma](2-Working-With-Data/README.md) | Pandas gibi kütüphanelerle veri keşfi için Python kullanımı temel bilgileri. Python programlamanın temel anlayışı önerilir. | [ders](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Veri Hazırlama | [Veri ile Çalışma](2-Working-With-Data/README.md) | Eksik, yanlış veya eksik verilerle başa çıkmak için veriyi temizleme ve dönüştürme teknikleri. | [ders](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 12 | İlişkileri Görselleştirme | [Veri Görselleştirme](3-Data-Visualization/README.md) | Veri setleri ve değişkenleri arasındaki bağlantılar ve korelasyonların görselleştirilmesi. | [ders](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Anlamlı Görselleştirmeler | [Veri Görselleştirme](3-Data-Visualization/README.md) | Görselleştirmelerin etkili problem çözme ve içgörü açısından değerli olması için teknikler ve rehberlik. | [ders](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Veri Bilimi Yaşam Döngüsüne Giriş | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsüne ve veri edinme ile çıkarma adımına giriş. | [ders](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analiz Etme | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsünün bu aşaması veriyi analiz etme tekniklerine odaklanır. | [ders](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | İletişim | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Bu aşama, veriden elde edilen içgörülerin karar vericiler tarafından daha kolay anlaşılması için sunulmasına odaklanır. | [ders](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Bulutta veri bilimi ve faydalarını tanıtan ders serisi. | [ders](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) |
| 18 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Low Code araçları kullanarak modellerin eğitilmesi. |[ders](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) |
| 19 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Modelleri Azure Machine Learning Studio ile dağıtma. | [ders](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) |
| 20 | Gerçek Dünyada Veri Bilimi | [Gerçek Dünya](6-Data-Science-In-Wild/README.md) | Gerçek dünyada veri bilimi odaklı projeler. | [ders](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 04 | İstatistik ve Olasılığa Giriş | [Giriş](1-Introduction/README.md) | Veriyi anlamak için olasılık ve istatistik matematiksel teknikleri. | [ders](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | İlişkisel Veri ile Çalışmak | [Veri ile Çalışmak](2-Working-With-Data/README.md) | İlişkisel veriye giriş ve SQL (Structured Query Language, “si-kwel” olarak telaffuz edilir) ile ilişkisel veriyi keşfetme ve analiz etme temelleri. | [ders](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL Veri ile Çalışmak | [Veri ile Çalışmak](2-Working-With-Data/README.md) | İlişkisel olmayan veriye giriş, türleri ve döküman veritabanlarını keşfetme ve analiz etme temelleri. | [ders](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Python ile Çalışmak | [Veri ile Çalışmak](2-Working-With-Data/README.md) | Pandas gibi kütüphanelerle Python kullanarak veri keşfine giriş. Temel Python programlama bilgisi önerilir. | [ders](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Veri Hazırlama | [Veri ile Çalışmak](2-Working-With-Data/README.md) | Eksik, hatalı veya tamamlanmamış verilerle başa çıkmak için veri temizleme ve dönüştürme teknikleri. | [ders](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 11 | Oranların Görselleştirilmesi | [Veri Görselleştirme](3-Data-Visualization/README.md) | Ayrık ve gruplanmış yüzde oranlarını görselleştirme. | [ders](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | İlişkilerin Görselleştirilmesi | [Veri Görselleştirme](3-Data-Visualization/README.md) | Veri setleri ve değişkenler arasındaki bağlantılar ve korelasyonların görselleştirilmesi. | [ders](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Anlamlı Görselleştirmeler | [Veri Görselleştirme](3-Data-Visualization/README.md) | Görselleştirmenizi etkili problem çözme ve içgörüler için değerli kılmanın teknikleri ve rehberi. | [ders](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Veri Bilimi Yaşam Döngüsüne Giriş | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsüne giriş ve verinin edinilmesi ve çıkarılması ilk adımı. | [ders](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analiz Etme | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsünün bu aşaması, veriyi analiz etme tekniklerine odaklanır. | [ders](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | İletişim | [Yaşam Döngüsü](4-Data-Science-Lifecycle/README.md) | Veri bilimi yaşam döngüsünün bu aşaması, karar vericilerin anlayabilmesi için veriden elde edilen içgörülerin sunulmasına odaklanır. | [ders](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Bu ders serisi, bulutta veri bilimi ve avantajlarını tanıtır. | [ders](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) |
| 18 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Low Code araçları kullanarak model eğitimi. |[ders](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) |
| 19 | Bulutta Veri Bilimi | [Bulut Verisi](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ile modelleri dağıtma. | [ders](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ve [Maud](https://twitter.com/maudstweets) |
| 20 | Gerçek Dünyada Veri Bilimi | [Doğada](6-Data-Science-In-Wild/README.md) | Gerçek dünya veri bilimi odaklı projeler. | [ders](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Bu örneği bir Codespace’de açmak için şu adımları izleyin:
1. Kod açılır menüsüne tıklayın ve Codespaces ile Aç seçeneğini seçin.
2. Panelin altında + Yeni codespace seçin.
Daha fazla bilgi için [GitHub belgelerine](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) göz atın.
Bu örneği bir Codespace’de açmak için aşağıdaki adımları uygulayın:
1. Kod menüsünü açın ve Open with Codespaces seçeneğini seçin.
2. Panelin altındaki + New codespace seçeneğini seçin.
Daha fazla bilgi için [GitHub dokümantasyonuna](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) bakın.
## VSCode Remote - Containers
Yerel makineniz ve VSCode kullanarak bu depoyu bir konteynerde açmak için VS Code Remote - Containers uzantısını kullanarak şu adımları izleyin:
Bu depoyu yerel makinenizde ve VSCode’da VS Code Remote - Containers uzantısını kullanarak bir konteyner içinde açmak için aşağıdaki adımları izleyin:
1. Eğer ilk defa bir geliştirme konteyneri kullanıyorsanız, sisteminizin ön gereksinimleri karşıladığından emin olun (örneğin Docker’ın yüklü olması) [başlangıç belgelerinde](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) anlatılmaktadır.
1. Eğer bu sizin ilk geliştirme konteyneri kullanışınızsa, sisteminizin ön gereksinimleri karşıladığından emin olun (ör. Docker kurulumu) [başlangıç dokümantasyonunda](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) belirtilmiştir.
Bu depoyu kullanmak için depoyu izole bir Docker hacminde açabilirsiniz:
Bu depoyu kullanmak için ya deposu izole bir Docker hacminde açabilirsiniz:
**Not**: Arkada, bu işlem Remote-Containers: **Clone Repository in Container Volume...** komutunu kullanarak kaynak kodunu yerel dosya sisteminden ziyade bir Docker hacmine klonlayacaktır. [Hacimler](https://docs.docker.com/storage/volumes/) konteyner verilerini kalıcı hale getirmek için tercih edilen mekanizmadır.
**Not**: Arkada, bu, kaynak kodu yerel dosya sistemine değil bir Docker hacmine klonlamak için Remote-Containers: **Clone Repository in Container Volume...** komutunu kullanır. [Hacimler](https://docs.docker.com/storage/volumes/) konteyner verisini saklamak için tercih edilen mekanizmadır.
Ya da depoyu lokal olarak klonlanmış veya indirilmiş bir sürümünü açabilirsiniz:
Ya da depoyu yerel olarak klonlanmış ya da indirilmiş haliyle açabilirsiniz:
- Bu depoyu yerel dosya sisteminize klonlayın.
- F1 tuşuna basın ve **Remote-Containers: Open Folder in Container...** komutunu seçin.
- Bu klasörün klonlanmış kopyasını seçin, konteynerin başlamasını bekleyin ve deneyin.
- Bu depoyu yerel dosya sisteminize klonlayın.
- F1 tuşuna basın ve **Remote-Containers: Open Folder in Container...** komutunu seçin.
- Bu klasörün klonlanmış kopyasını seçin, konteynerin başlamasını bekleyin ve denemeye başlayın.
## Çevrimdışı erişim
Bu dokümantasyonu çevrimdışı[Docsify](https://docsify.js.org/#/) kullanarak çalıştırabilirsiniz. Bu depoyu çatallayın, yerel makinenize [Docsify kurun](https://docsify.js.org/#/quickstart), sonra bu deponun kök klasöründe `docsify serve` yazın. Web sitesi localhost'ta 3000 portunda sunulacaktır: `localhost:3000`.
Bu dokümantasyonu [Docsify](https://docsify.js.org/#/) kullanarak çevrimdışı olarak çalıştırabilirsiniz. Bu depoyu çatallayın, [Docsify'ı yükleyin](https://docsify.js.org/#/quickstart) yerel makinenize, sonra bu deponun kök klasöründe `docsify serve` yazın. Web sitesi localhost'unuzda 3000 numaralı portta sunulacaktır: `localhost:3000`.
> Not, not defterleri Docsify ile render edilmez, bu yüzden bir not defteri çalıştırmanız gerektiğinde, bunu VS Code’da Python çekirdeği çalıştırarak ayrı yapmanız gerekir.
> Not, defterler Docsify ile işlenmez, bu yüzden bir defteri çalıştırmanız gerektiğinde, bunu VS Code'da bir Python çekirdeği kullanarak ayrı olarak yapın.
## Diğer Müfredatlar
Takımımız başka müfredatlar da üretiyor! Şunlara göz atın:
Ekibimiz başka müfredatlar da üretiyor! Bakınız:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
@ -218,46 +218,46 @@ Takımımız başka müfredatlar da üretiyor! Şunlara göz atın:
---
### Üretken Yapay Zeka Serisi
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Temel Öğrenme
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot Serisi
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Sorun mu yaşıyorsunuz?** Yaygın problemlerin çözümleri için [Sorun Giderme Kılavuzumuzu](TROUBLESHOOTING.md) kontrol edin.
**Sorun mu yaşıyorsunuz?** Yaygın sorunlar için çözümler içeren [Sorun Giderme Rehberi](TROUBLESHOOTING.md)'ne göz atın.
Eğer takılırsanız veya yapay zeka uygulamaları geliştirme hakkında herhangi bir sorunuz olursa, MCP hakkında tartışmalara katılmak için diğer öğrenenler ve deneyimli geliştiricilerle buluşun. Soruların memnuniyetle karşılandığı ve bilginin özgürce paylaşıldığı destekleyici bir topluluktur.
AI uygulamaları geliştirme konusunda takılırsanız veya herhangi bir sorunuz varsa. MCP ile ilgili tartışmalara katılın, diğer öğrenciler ve deneyimli geliştiricilerle bir araya gelin. Soruların hoş karşılandığı ve bilginin özgürce paylaşıldığı destekleyici bir topluluk.
Bu belge, AI çeviri servisi [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba gösterilse de, otomatik çevirilerin hatalar veya yanlışlıklar içerebileceğinin farkında olunuz. Orijinal belge, kendi dilinde yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu ortaya çıkabilecek yanlış anlamalar veya yanlış yorumlamalar nedeniyle sorumluluk kabul edilmemektedir.
Bu belge, AI çeviri servisi [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hatalar veya yanlışlıklar içerebileceğini lütfen unutmayın. Orijinal belge, kendi ana dilindeki haliyle yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımı sonucu ortaya çıkabilecek herhangi bir yanlış anlama veya yanlış yorumdan sorumlu değiliz.
localizeflow[bot]
6 days ago