[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Azure Cloud Advocates ve společnosti Microsoft s potěšením nabízejí 10týdenní, 20lekční kurikulum věnované Data Science. Každá lekce obsahuje před- a po-lekční kvízy, písemné instrukce k dokončení lekce, řešení a úkol. Naše projektově orientovaná pedagogika vám umožní učit se při budování, což je osvědčený způsob, jak si nové dovednosti zapamatovat.
Azure Cloud Advocates v Microsoftu rádi představují 10týdenní, 20 lekcí dlouhý studijní plán zaměřený na Data Science. Každá lekce obsahuje kvízy před a po lekci, písemné instrukce k dokončení lekce, řešení a úkol. Naše projektově orientovaná pedagogika vám umožní učit se při tvorbě, což je osvědčený způsob, jak nové dovednosti skutečně uchopit.
> Tento repozitář obsahuje 50+ jazykových překladů, což výrazně zvětšuje velikost stahování. Pro klonování bez překladů použijte sparse checkout:
> Toto úložiště obsahuje 50+ jazykových překladů, což výrazně zvětšuje velikost ke stažení. Pro klonování bez překladů použijte sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,47 +53,47 @@ Azure Cloud Advocates ve společnosti Microsoft s potěšením nabízejí 10týd
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> To vám poskytne vše potřebné ke zvládnutí kurzu s mnohem rychlejším stažením.
> Dostanete vše potřebné pro absolvování kurzu s podstatně rychlejším stahováním.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Pokud chcete podporu dalších jazyků, jsou seznam podporovaných jazyků uveden [zde](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Pokud si přejete podpořit další jazykové překlady, jsou uvedeny [zde](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Máme probíhající sérii „Learn with AI“ na Discordu, dozvíte se více a připojte se na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. září 2025. Získáte tipy a triky pro používání GitHub Copilot pro Data Science.
Máme probíhající sérii na Discordu "Learn with AI", dozvíte se více a přidejte se k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro Data Science.
# Jste student?
Začněte s následujícími zdroji:
Začněte s následujícími materiály:
- [Stránka Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce i způsoby, jak získat bezplatný certifikační voucher. Tuto stránku si chcete uložit do záložek a čas od času ji kontrolovat, protože obsah měníme alespoň každý měsíc.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Připojte se k celosvětové komunitě studentských velvyslanců, může to být vaše cesta do Microsoftu.
- [Student Hub stránka](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce i způsoby, jak získat bezplatný certifikační voucher. Tuto stránku si chcete uložit do záložek a čas od času navštívit, protože obsah měníme alespoň jednou měsíčně.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Připojte se k celosvětové komunitě studentských ambasadorů, může to být váš vstup do Microsoftu.
# Začínáme
## 📚 Dokumentace
- **[Průvodce instalací](INSTALLATION.md)** - Krok za krokem instrukce pro začátečníky
- **[Průvodce používáním](USAGE.md)** - Příklady a běžné pracovní postupy
- **[Průvodce instalací](INSTALLATION.md)** - Krok za krokem nastavení pro začátečníky
- **[Průvodce použitím](USAGE.md)** - Příklady a běžné pracovní postupy
- **[Řešení problémů](TROUBLESHOOTING.md)** - Řešení běžných problémů
- **[Příručka přispěvatelů](CONTRIBUTING.md)** - Jak přispívat do tohoto projektu
- **[Pro učitele](for-teachers.md)** - Pokyny pro výuku a zdroje do tříd
- **[Pravidla přispívání](CONTRIBUTING.md)** - Jak přispět do tohoto projektu
- **[Pro učitele](for-teachers.md)** - Pokyny pro výuku a materiály do třídy
## 👨🎓 Pro studenty
> **Úplní začátečníci**: Noví v oblasti data science? Začněte s našimi [příklady vhodnými pro začátečníky](examples/README.md)! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy před tím, než se pustíte do celého kurikula.
> **[Studenti](https://aka.ms/student-page)**: pro samostatné užití tohoto kurikula, forkněte celý repozitář a dokončujte cvičení sami, začněte přednáškovým kvízem. Potom si přečtěte přednášku a dokončete ostatní aktivity. Snažte se projekty vytvářet na základě pochopení lekcí, nikoli pouze kopírováním kódu řešení; kód však najdete ve složkách /solutions v každé lekci orientované na projekt. Další možností je vytvořit studijní skupinu s přáteli a projít obsah spolu. Pro další studium doporučujeme [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Úplní začátečníci**: Noví v datové vědě? Začněte s našimi [příklady pro začátečníky](examples/README.md)! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy, než se pustíte do celého studijního plánu.
> **[Studenti](https://aka.ms/student-page)**: abyste mohli tento studijní plán využívat samostatně, vytvořte fork celého repozitáře a dokončujte cvičení sami, začněte kvízem před lekcí. Poté přečtěte lekci a dokončete zbylé aktivity. Snažte se projekty vytvářet na základě pochopení lekcí, místo kopírování řešení; řešení jsou však k dispozici ve složkách /solutions v každé lekci zaměřené na projekt. Další možností je založit studijní skupinu s přáteli a procházet obsah společně. Pro další studium doporučujeme [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Rychlý start:**
1. Podívejte se na [Průvodce instalací](INSTALLATION.md) k nastavení prostředí
2. Prostudujte [Průvodce používáním](USAGE.md), jak s kurikulem pracovat
3. Začněte Lekcí 1 a pokračujte postupně
1. Zkontrolujte [Průvodce instalací](INSTALLATION.md) pro nastavení prostředí
2. Prohlédněte si [Průvodce použitím](USAGE.md) a naučte se pracovat se studijním plánem
3. Začněte Lekcí 1 a pokračujte sekvenčně
4. Připojte se k naší [Discord komunitě](https://aka.ms/ds4beginners/discord) pro podporu
## 👩🏫 Pro učitele
> **Učitelé**: zahrnuli jsme [několik návrhů](for-teachers.md), jak tento učební plán používat. Budeme rádi za vaši zpětnou vazbu [v našem diskusním fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Učitelé**: zahrnuli jsme [několik návrhů](for-teachers.md), jak tento osnovy používat. Budeme rádi za vaše připomínky [v našem diskusním fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Seznamte se s týmem
@ -105,36 +105,36 @@ Začněte s následujícími zdroji:
## Pedagogika
Při tvorbě tohoto učebního plánu jsme zvolili dvě pedagogické zásady: zajistit, aby byl založen na projektech, a zahrnout časté kvízy. Na konci tohoto cyklu se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití datové vědy a mnohem více.
Při vytváření tohoto osnov jsme zvolili dva pedagogické principy: zajistit, že je založený na projektech a že obsahuje časté kvízy. Na konci této série se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití datové vědy a další.
Navíc nízkorizikový kvíz před hodinou nastavuje záměr studenta k naučení tématu, zatímco druhý kvíz po hodině zajišťuje další zapamatování. Tento učební plán byl navržen tak, aby byl flexibilní a zábavný a může být absolvován celý nebo zčásti. Projekty začínají jednoduše a postupně se během 10týdenního cyklu stávají složitějšími.
Kromě toho nízkotlaký kvíz před třídou nastavuje studentovu motivaci k učení tématu, zatímco druhý kvíz po hodině zajišťuje další zapamatování. Tento osnov byl navržen tak, aby byl flexibilní a zábavný a může být absolvován celý nebo částečně. Projekty začínají malé a ke konci 10týdenního cyklu se postupně stávají složitějšími.
> Najdete naše [Kodex chování](CODE_OF_CONDUCT.md), pokyny pro [Přispívání](CONTRIBUTING.md), [Překlady](TRANSLATIONS.md). Vítáme vaše konstruktivní zpětné vazby!
## Každá lekce obsahuje:
## Každá lekce zahrnuje:
- Nepovinnou sketchnotu
- Nepovinný sketchnote
- Nepovinné doplňkové video
- Zahřívací kvíz před lekcí
- Písemnou lekci
- U projektových lekcí krok za krokem návody, jak projekt vybudovat
- Pro lekce založené na projektech, průvodce krok za krokem jak projekt vytvořit
- Kontroly znalostí
- Výzvu
- Doplňující čtení
- Doplňkové čtení
- Zadání
- [Kvíz po lekci](https://ff-quizzes.netlify.app/en/)
> **Poznámka o kvízech**: Všechny kvízy jsou v adresáři Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny v lekcích, ale quiz app lze spustit lokálně nebo nasadit do Azure; postupujte podle pokynů v složce `quiz-app`. Kvízy jsou postupně lokalizovány.
> **Poznámka o kvízech**: Všechny kvízy jsou uloženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny z lekcí, ale kvízovou aplikaci lze spustit lokálně nebo nasadit v Azure; postupujte podle instrukcí ve složce `quiz-app`. Postupně se lokalizují.
## 🎓 Příklady vhodné pro začátečníky
**Jste nováček v datové vědě?** Vytvořili jsme speciální [adresář příkladů](examples/README.md) s jednoduchým, dobře okomentovaným kódem, který vám pomůže začít:
**Nový v datové vědě?** Vytvořili jsme speciální [adresář příkladů](examples/README.md) s jednoduchým, dobře komentovaným kódem, který vám pomůže začít:
- 🌟 **Hello World**– váš první program v datové vědě
- 📂 **Načítání dat**– naučte se číst a zkoumat datové sady
- 📊 **Jednoduchá analýza**– vypočítejte statistiky a hledejte vzory
- 📈 **Základní vizualizace**– vytvářejte grafy a diagramy
- 🔬 **Projekt z reálného světa** – kompletní pracovní postup od začátku do konce
- 🌟 **Hello World**- Váš první program v datové vědě
- 📂 **Načítání dat**- Naučte se číst a prozkoumávat datasety
- 📊 **Jednoduchá analýza**- Vypočítávejte statistiky a hledejte vzory
- 📈 **Základní vizualizace**- Vytvářejte grafy a diagramy
- 🔬 **Reálný projekt** - Kompletní pracovní postup od začátku do konce
Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, což je ideální pro úplné začátečníky!
@ -143,65 +143,65 @@ Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, c
## Lekce
||
||
|:---:|
| Datová věda pro začátečníky: Plán cesty - _Sketchnota od [@nitya](https://twitter.com/nitya)_ |
| Data Science Pro Začátečníky: Plán - _Sketchnote od [@nitya](https://twitter.com/nitya)_ |
| Číslo lekce | Téma | Skupina lekcí | Vzdělávací cíle | Propojená lekce | Autor |
| Číslo lekce | Téma | Skupina lekcí | Učební cíle | Propojená lekce | Autor |
| 01 | Definování datové vědy | [Úvod](1-Introduction/README.md) | Naučit se základní koncepty datové vědy a jak souvisí s umělou inteligencí, strojovým učením a big data. | [lekce](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Definování dat | [Úvod](1-Introduction/README.md) | Jak se data klasifikují a jaké jsou jejich běžné zdroje. | [lekce](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Úvod do statistiky a pravděpodobnosti | [Úvod](1-Introduction/README.md) | Matematické techniky pravděpodobnosti a statistiky pro pochopení dat. | [lekce](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Práce s relačními daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do relačních dat a základy prozkoumávání a analýzy relačních dat pomocí jazyka SQL (Structured Query Language, vyslovuje se „si-kvel“). | [lekce](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Práce s NoSQL daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do nereálnací (NoSQL) dat, jejich typů a základy prozkoumávání a analýzy dokumentových databází. | [lekce](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Práce s Pythonem | [Práce s daty](2-Working-With-Data/README.md) | Základy použití Pythonu pro průzkum dat s knihovnami jako Pandas. Doporučuje se základní znalost programování v Pythonu. | [lekce](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Příprava dat | [Práce s daty](2-Working-With-Data/README.md) | Techniky čištění a transformace dat k řešení problémů s chybějícími, nepřesnými nebo neúplnými daty. | [lekce](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Vizualizace množství | [Vizualizace dat](3-Data-Visualization/README.md) | Naučte se používat Matplotlib pro vizualizaci dat ptáků 🦆 | [lekce](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Vizualizace rozložení dat | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace pozorování a trendů v rámci intervalu. | [lekce](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 01 | Definice datové vědy | [Úvod](1-Introduction/README.md) | Naučit se základní koncepty datové vědy a jak jsou spojeny s umělou inteligencí, strojovým učením a big daty. | [lekce](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Definování dat | [Úvod](1-Introduction/README.md) | Jak jsou data klasifikována a jejich běžné zdroje. | [lekce](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Úvod do statistik a pravděpodobnosti | [Úvod](1-Introduction/README.md) | Matematické techniky pravděpodobnosti a statistiky pro pochopení dat. | [lekce](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Práce s relačními daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do relačních dat a základy zkoumání a analýzy relačních dat pomocí jazyk Structured Query Language, známého také jako SQL (vyslovuje se „sí-kvel“). | [lekce](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Práce s NoSQL daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do nerelačních dat, jejich různých typů a základy zkoumání a analýzy dokumentových databází. | [lekce](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Práce s Pythonem | [Práce s daty](2-Working-With-Data/README.md) | Základy používání Pythonu pro průzkum dat s knihovnami jako Pandas. Doporučuje se základní znalost programování v Pythonu. | [lekce](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Příprava dat | [Práce s daty](2-Working-With-Data/README.md) | Témata o technikách pro čištění a transformaci dat pro řešení problémů s chybějícími, nepřesnými nebo neúplnými daty. | [lekce](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Vizualizace množství | [Vizualizace dat](3-Data-Visualization/README.md) | Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆 | [lekce](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Vizualizace rozložení dat | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace pozorování a trendů v intervalu. | [lekce](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Vizualizace vztahů | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace spojení a korelací mezi sadami dat a jejich proměnnými. | [lekce](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Smysluplné vizualizace | [Vizualizace dat](3-Data-Visualization/README.md) | Techniky a pokyny, jak udělat vizualizace cennými pro efektivní řešení problémů a získání poznatků. | [lekce](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Úvod do životního cyklu datové vědy | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Úvod do životního cyklu datové vědy a jeho první krok získávání a vytahování dat. | [lekce](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analýza | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Fáze životního cyklu datové vědy zaměřená na techniky analýzy dat. | [lekce](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikace | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Fáze životního cyklu datové vědy zaměřená na prezentaci poznatků z dat tak, aby byly snadněji pochopitelné pro rozhodující osoby. | [lekce](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Datová věda v cloudu | [Data v cloudu](5-Data-Science-In-Cloud/README.md) | Tato série lekcí představuje datovou vědu v cloudu a její výhody. | [lekce](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) |
| 18 | Datová věda v cloudu | [Data v cloudu](5-Data-Science-In-Cloud/README.md) | Trénování modelů pomocí nástrojů Low Code. |[lekce](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) |
| 19 | Datová věda v cloudu | [Data v cloudu](5-Data-Science-In-Cloud/README.md) | Nasazení modelů pomocí Azure Machine Learning Studio. | [lekce](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) |
| 20 | Datová věda v praxi | [V praxi](6-Data-Science-In-Wild/README.md) | Projekty datové vědy v reálném světě. | [lekce](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 13 | Smysluplné vizualizace | [Vizualizace dat](3-Data-Visualization/README.md) | Techniky a doporučení pro vytváření hodnotných vizualizací pro efektivní řešení problémů a získávání poznatků. | [lekce](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Úvod do životního cyklu datové vědy | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Úvod do životního cyklu datové vědy a jeho první krok získávání a extrakce dat. | [lekce](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analýza | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat. | [lekce](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Komunikace | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat tak, aby to bylo snazší ke pochopení pro rozhodovací osoby. | [lekce](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Datová věda v cloudu | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Tato série lekcí představuje datovou vědu v cloudu a její výhody. | [lekce](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) |
| 18 | Datová věda v cloudu | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Trénování modelů pomocí Low Code nástrojů. |[lekce](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) |
| 19 | Datová věda v cloudu | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Nasazování modelů v Azure Machine Learning Studio. | [lekce](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) |
| 20 | Datová věda v terénu | [In the Wild](6-Data-Science-In-Wild/README.md) | Projekty založené na datové vědě v reálném světě. | [lekce](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Postupujte podle těchto kroků pro otevření tohoto vzorku v Codespace:
1. Klikněte na rozbalovací menu Kód a vyberte možnost Otevřít v Codespaces.
Postupujte podle těchto kroků pro otevření tohoto vzoru v Codespace:
1. Klikněte na rozbalovací nabídku Kód a vyberte možnost Otevřít s Codespaces.
2. Vyberte + Nový codespace ve spodní části panelu.
Pro více informací si přečtěte [dokumentaci GitHubu](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Více informací naleznete v [dokumentaci GitHubu](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - kontejnery
Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:
## VSCode Remote - Containers
Provádějte tyto kroky pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:
1. Pokud používáte vývojářský kontejner poprvé, ujistěte se, že váš systém splňuje předpoklady (např. má nainstalovaný Docker) v [dokumentaci pro začátečníky](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Pokud toto používáte poprvé, ujistěte se, že váš systém splňuje požadavky (tzn. má nainstalovaný Docker) v [dokumentaci pro začátečníky](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker svazku:
Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker volume:
**Poznámka**: Pod kapotou bude použito příkazu Remote-Containers: **Clone Repository in Container Volume...** pro naklonování zdrojového kódu do Docker svazku místo lokálního souborového systému. [Svazky](https://docs.docker.com/storage/volumes/) jsou preferovaný mechanismus pro uchovávání dat kontejneru.
**Poznámka**: Pod povrchem toto použije příkaz Remote-Containers: **Clone Repository in Container Volume...** pro naklonování zdrojového kódu do Docker volume místo lokálního souborového systému. [Volumes](https://docs.docker.com/storage/volumes/) jsou preferovaný mechanismus pro uchování dat kontejneru.
Nebo otevřete lokálně klonovanou či staženou verzi repozitáře:
Nebo otevřít lokálně naklonovanou nebo staženou verzi repozitáře:
- Naklonujte tento repozitář do svého lokálního souborového systému.
- Stiskněte F1 a vyberte příkaz **Remote-Containers: Open Folder in Container...**.
- Vyberte klonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte to.
- Vyberte naklonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte to.
## Offline přístup
## Off-line přístup
Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Vytvořte fork tohoto repozitáře, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na vašem počítači, poté zadejte v kořenové složce tohoto repozitáře příkaz `docsify serve`. Web bude servírován na portu 3000 na vaší localhost adrese: `localhost:3000`.
Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Forkněte tento repozitář, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na vašem lokálním počítači, poté v kořenové složce tohoto repozitáře zadejte `docsify serve`. Webová stránka se spustí na portu 3000 na localhostu: `localhost:3000`.
> Poznámka, notebooky nebudou renderovány přes Docsify, takže když potřebujete spustit notebook, dělejte to zvlášť ve VS Code s běžícím Python kernel.
> Poznámka, poznámkové bloky nebudou vykresleny přes Docsify, takže pokud potřebujete spustit poznámkový blok, dělejte to samostatně ve VS Code běžícím na Python kernelu.
## Další učební plány
## Další osnovy
Náš tým vytváří i další učební plány! Podívejte se na:
Náš tým vytváří další osnovy! Podívejte se na:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -217,7 +217,7 @@ Náš tým vytváří i další učební plány! Podívejte se na:
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Série Generativní 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)
@ -225,9 +225,9 @@ Náš tým vytváří i další učební plány! Podívejte se na:
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### Základní učení
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](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)
@ -236,22 +236,22 @@ Náš tým vytváří i další učební plány! Podívejte se na:
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Série 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)
**Máte problémy?** Podívejte se na naši [Příručku řešení problémů](TROUBLESHOOTING.md) pro řešení běžných potíží.
**Máte potíže?** Podívejte se na náš [Průvodce řešením problémů](TROUBLESHOOTING.md) pro řešení běžných problémů.
Pokud uvíznete nebo máte jakékoli otázky ohledně tvorby AI aplikací, připojte se ke komunitě dalších studentů a zkušených vývojářů v diskusích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se volně sdílejí.
Pokud jste uvízli nebo máte jakékoliv dotazy týkající se vytváření AI aplikací, připojte se k dalším studentům a zkušeným vývojářům v diskuzích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se sdílejí otevřeně.
@ -259,5 +259,5 @@ Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby během vývoje, na
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Prohlášení o vyloučení odpovědnosti**:
Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). Přestože usilujeme o přesnost, mějte na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nepřebíráme odpovědnost za jakákoliv nedorozumění nebo chybné interpretace vyplývající z použití tohoto překladu.
Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). I když usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědni za jakékoli nedorozumění nebo nesprávné výklady vzniklé použitím tohoto překladu.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tantervet, amely teljes egészében az adattudományról szól. Minden leckéhez tartozik elő- és utóvizsga, írott útmutató a lecke elvégzéséhez, megoldás és feladat. Projektalapú tanítási módszerünk lehetővé teszi, hogy tanulás közben építsd fel a tudásodat, ami bevált módja az új készségek „megragadásának”.
A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot, amely teljes egészében az Adattudományról szól. Minden lecke tartalmaz előtti és utáni kvízeket, írott utasításokat a lecke elvégzéséhez, megoldást, és egy házi feladatot. Projekt-alapú oktatásunk lehetővé teszi, hogy tanulj miközben építesz, ami bizonyítottan segít az új készségek megtartásában.
> Ez a tárhely 50+ nyelvű fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd letölteni, használd a szelektív checkoutot:
> Ez a tároló több mint 50 nyelvű fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha a fordítások nélkül szeretnéd klónozni, használd a sparse checkout-ot:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,154 +53,155 @@ A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Ez mindent megad, amire szükséged van a tanfolyam elvégzéséhez, sokkal gyorsabb letöltéssel.
> Ez mindent megad, amire a kurzushoz szükséged van, jóval gyorsabb letöltéssel.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Ha további fordítási nyelveket szeretnél, a támogatott nyelvek itt találhatók: [itt](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Ha szeretnél további támogatott nyelveket hozzáadni, megtalálhatók [itt](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Discord tanulj AI-val sorozatunk folyamatos, ismerd meg és csatlakozz hozzánk a [Learn with AI Series](https://aka.ms/learnwithai/discord) oldalon 2025. szeptember 18-30 között. Tippeket és trükköket kapsz a GitHub Copilot használatához adattudományban.
Folyamatban van egy Discord "Tanulj mesterséges intelligenciával" sorozatunk, tudj meg többet és csatlakozz hozzánk a [Tanulj mesterséges intelligenciával sorozatban](https://aka.ms/learnwithai/discord) 2025. szeptember 18-30 között. Tippeket és trükköket kapsz a GitHub Copilot adattudományos felhasználásához.
# Diák vagy?
Indulj el az alábbi forrásokkal:
Kezdd az alábbi erőforrásokkal:
- [Diák központ oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ezen az oldalon kezdő erőforrásokat, diákcsomagokat, sőt módokat is találsz ingyenes tanúsítvány utalvány megszerzésére. Ezt az oldalt érdemes könyvjelzőzni és időről időre megnézni, mert legalább havonta frissítjük a tartalmat.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz egy globális diákközösséghez, ez lehet a belépőd a Microsofthoz.
- [Diák Hub oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ezen az oldalon kezdő erőforrásokat, Diák csomagokat és ingyenes tanúsítvány-kuponokat találsz. Érdemes ezt az oldalt elmenteni, és időről időre visszanézni, mivel havonta frissítjük a tartalmat.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz a globális diák nagykövet közösséghez, ez lehet az utad a Microsoft-hoz.
# Kezdés
## 📚 Dokumentáció
- **[Telepítési útmutató](INSTALLATION.md)** – Lépésről lépésre szóló beállítási útmutató kezdőknek
- **[Használati útmutató](USAGE.md)** – Példák és gyakori munkafolyamatok
- **[Hibaelhárítás](TROUBLESHOOTING.md)** – Gyakori problémák megoldásai
- **[Hozzájárulási útmutató](CONTRIBUTING.md)** – Hogyan járulhatsz hozzá ehhez a projekthez
- **[Tanári segédanyagok](for-teachers.md)** – Oktatási útmutatók és tantermi erőforrások
- **[Használati útmutató](USAGE.md)** - Példák és gyakori munkafolyamatok
- **[Hibaelhárítás](TROUBLESHOOTING.md)** - Gyakori problémák megoldásai
- **[Hozzájárulási útmutató](CONTRIBUTING.md)** - Hogyan járulj hozzá ehhez a projekthez
- **[Tanároknak](for-teachers.md)** - Oktatási irányelvek és osztálytermi anyagok
## 👨🎓 Diákoknak
> **Teljesen kezdőknek:** Új vagy az adattudományban? Kezdd a [kezdőbarát példáinkkal](examples/README.md)! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágsz az egész tantervbe.
> **[Diákok](https://aka.ms/student-page):** hogy önállóan használd ezt a tantervet, forkolj le az egész repót, és végezd el egyedül a gyakorlatokat, kezdve egy előadás előtti kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket a leckék megértésével elkészíteni, ne csak másold a megoldás kódokat; ez a kód azonban elérhető a /solutions mappákban minden projektorientált leckénél. Egy másik ötlet lehet barátokkal tanulócsoportot alakítani és együtt átmenni a tartalmon. További gyakorláshoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) szolgáltatást.
> **Teljesen kezdőknek**: Új vagy az adattudományban? Kezdd el a [kezdőbarát példáinkkal](examples/README.md)! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belemennél az egész tantervbe.
> **[Diákok](https://aka.ms/student-page)**: hogy saját magad használd ezt a tananyagot, forkolj le az egész repót, és dolgozd végig a feladatokat önállóan, először a bevezető kvízzel. Olvasd el az előadást, majd végezd el a többi tevékenységet. Próbálj meg tanulás közben megalkotni projekteket, ne csak másold a megoldások kódját; ezek a kódok azonban elérhetők megoldásként az egyes projekt-orientált leckék /solutions mappáiban. Egy másik ötlet, hogy hozz létre egy tanulócsoportot barátokkal, és együtt haladjatok át a tartalmon. További tanuláshoz ajánljuk a [Microsoft Learnt](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Gyors kezdés:**
1. Nézd át a [Telepítési útmutatót](INSTALLATION.md), hogy beállítsd a környezetedet
2. Tekintsd át a [Használati útmutatót](USAGE.md), hogy megtanuld kezelni a tananyagot
> **Tanárok**: [beletettünk néhány javaslatot](for-teachers.md) arra vonatkozóan, hogyan használjátok ezt a tananyagot. Nagyon örülnénk a visszajelzéseteknek [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Tanárok**: [tartalmaztunk néhány javaslatot](for-teachers.md) arra vonatkozóan, hogyan használhatják ezt a tantervet. Nagyon várjuk visszajelzéseiket [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Kattints a fenti képre egy videóért a projektről és az alkotóiról!
> 🎥 Kattints a fenti képre, hogy megnézz egy videót a projektről és a készítőcsapatról!
## Pedagógia
A tananyag felépítése során két pedagógiai alaptételt választottunk: hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a tanulók elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, adat-előkészítést, az adatokkal való különféle munkamódszereket, adatvizualizációt, adatelemzést, az adattudomány valós világban való alkalmazási eseteit és még sok mást.
Ennek a tantervnek a felépítésekor két pedagógiai alapelvet választottunk: garantálni, hogy projektalapú legyen, és belefoglalni gyakori kvízeket. A sorozat végére a hallgatók elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatelőkészítést, az adatokkal való különböző munkamódszereket, adatvizualizációt, adat elemzést, az adattudomány valós használati eseteit és még sok mást.
Ezen felül az óra előtti alacsony kockázatú kvíz beállítja a tanuló szándékát egy téma megismerésére, míg a második kvíz az óra után segíti a további megőrzést. A tananyagot rugalmasra és szórakoztatóra terveztük, és egészében vagy részleteiben is elvégezhető. A projektek kicsiben indulnak, és a 10 hetes ciklus végére egyre összetettebbé válnak.
Emellett egy alacsony tétű kvíz az óra előtt a tanuló tanulási szándékát állítja be a témára, míg az óra utáni második kvíz további megőrzést biztosít. A tanterv rugalmas és szórakoztató, egészében vagy részleteiben is végezhető. A projektek kezdetben kicsik, és a 10 hetes ciklus végére egyre összetettebbek lesznek.
> Találd meg a [Magatartási kódexünket](CODE_OF_CONDUCT.md), a [Hozzájárulási](CONTRIBUTING.md) és a [Fordítási](TRANSLATIONS.md) irányelveket. Várjuk építő jellegű visszajelzéseiteket!
> Tekintsd meg [Magatartási Kódexünket](CODE_OF_CONDUCT.md), [Hozzájárulás](CONTRIBUTING.md), [Fordítás](TRANSLATIONS.md) útmutatóinkat. Várjuk építő jellegű visszajelzéseiteket!
## Minden lecke tartalmazza:
## Minden óra tartalmazza:
- Opcionális összefoglaló
- Opcionális kiegészítő videó
- Óra előtti bemelegítő kvíz
- Írott lecke
- Projektalapú leckékhez lépésről lépésre útmutatók a projekt elkészítéséhez
- Tudásellenőrzések
- Egy kihívás
- Kiegészítő olvasmány
- [Óra utáni kvíz](https://ff-quizzes.netlify.app/en/)
- Választható skiccjegyzetet
- Választható kiegészítő videót
- Óra előtti bemelegítő kvízt
- Írásos órát
- Projektalapú órákhoz lépésről lépésre útmutatót a projekt építéséhez
- Tudásellenőrzéseket
- Egy kihívást
- Kiegészítő olvasmányt
- Feladatot
- [Óra utáni kvízt](https://ff-quizzes.netlify.app/en/)
> **Megjegyzés a kvízekről**: Minden kvíz a Quiz-App mappában található, összesen 40, három kérdésből álló kvíz. Ezek be vannak linkelve a leckékben, de a kvízalkalmazás helyileg is futtatható vagy telepíthető az Azure-ba; kövesd az útmutatást a `quiz-app` mappában. Folyamatosan lokalizáljuk őket.
> **Megjegyzés a kvízekhez**: Minden kvíz a Quiz-App mappában található, összesen 40 kvíz három kérdéssel mindegyikben. Az órákból vannak linkelve, de a kvíz app helyileg futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a `quiz-app` mappában. Fokozatosan lokalizálják őket.
## 🎓 Kezdőknek szánt példák
## 🎓 Kezdőbarát példák
**Új vagy az adatelemzésben?** Külön [példakönyvtárat](examples/README.md) hoztunk létre egyszerű, jól kommentált kóddal, hogy segítsünk az indulásban:
**Új vagy az adattudományban?** Különleges [példakönyvtárat](examples/README.md) hoztunk létre egyszerű, jól kommentált kódokkal, hogy segítsünk elkezdeni:
- 🌟 **Hello World** - Az első adatelemző programod
- 📂 **Adatok betöltése** - Tanuld meg adatállományok olvasását és feltérképezését
- 🌟 **Hello World** - Az első adat tudomány programod
- 📂 **Adatok betöltése** - Tanuld meg az adatkészletek olvasását és felfedezését
- 📊 **Egyszerű elemzés** - Statisztikák számítása és minták keresése
- 📈 **Alapvető vizualizáció** - Diagramok és grafikonok készítése
- 🔬 **Valós projektek** - Teljes munkafolyamat az elejétől a végéig
- 🔬 **Valós világ projekt** - Teljes munkafolyamat az elejétől a végéig
Minden példa részletes kommentárokat tartalmaz, amelyek minden lépést elmagyaráznak, így tökéletesek abszolút kezdőknek!
Minden példa részletes megjegyzéseket tartalmaz, amelyek minden lépést elmagyaráznak, így tökéletes abszolút kezdőknek!
| 01 | Adatelemzés meghatározása | [Bevezetés](1-Introduction/README.md) | Tanuld meg az adatelemzés alapfogalmait és hogy mi a kapcsolata a mesterséges intelligenciával, gépi tanulással és a big datával. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Adatelemzési etika | [Bevezetés](1-Introduction/README.md) | Az adatetikával kapcsolatos fogalmak, kihívások és keretrendszerek. | [lecke](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Adat meghatározása | [Bevezetés](1-Introduction/README.md) | Hogyan osztályozzuk az adatokat és milyen gyakori forrásaik vannak. | [lecke](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Bevezetés a statisztikába és valószínűségszámításba | [Bevezetés](1-Introduction/README.md) | A valószínűség és statisztika matematikai módszerei az adatok megértéséhez. | [lecke](1-Introduction/04-stats-and-probability/README.md) [videó](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Relációs adatok kezelése | [Adatok kezelése](2-Working-With-Data/README.md) | Bevezetés a relációs adatokba és alapok a relációs adatok felfedezéséhez és elemzéséhez a Strukturált Lekérdező Nyelv, azaz SQL (ejtsd: "szíkvel") segítségével. | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Nem relációs adatok kezelése | [Adatok kezelése](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, ezek fajtáiba és a dokumentum adatbázisok felfedezésének, elemzésének alapjaiba. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Python használata | [Adatok kezelése](2-Working-With-Data/README.md) | Python alapjai adatfeltárásra, például a Pandas könyvtárakkal. Ajánlott a Python programozás alapjainak ismerete. | [lecke](2-Working-With-Data/07-python/README.md) [videó](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Adatelőkészítés | [Adatok kezelése](2-Working-With-Data/README.md) | Témák az adattisztításról és az adat átalakításáról a hiányzó, pontatlan vagy hiányos adatok kezeléséhez. | [lecke](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Mennyiségek vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Tanuld meg, hogyan használjuk a Matplotlib-et madáradatok vizualizálásához 🦆 | [lecke](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Az adatok eloszlásának vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Megfigyelések és trendek vizualizálása egy intervallumon belül. | [lecke](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Kapcsolatok vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Az adathalmazok és változóik közötti kapcsolatok és korrelációk vizualizálása. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Értelmes vizualizációk | [Adatvizualizáció](3-Data-Visualization/README.md) | Technológiák és útmutató az értékes vizualizációk készítéséhez a hatékony problémamegoldás és betekintés érdekében. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Bevezetés az adatelemzési életciklusba | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adatelemzés életciklusába és az első lépésbe: adatgyűjtés és -kivonás. | [lecke](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adatelemzési életciklus ezen szakasza az adatokat elemző technikákra koncentrál. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adatelemzési életciklus ezen szakasza az adatból származó felismerések bemutatására fókuszál úgy, hogy az döntéshozók számára könnyebben érthető legyen. | [lecke](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Adattudomány a felhőben | [Felhőadatok](5-Data-Science-In-Cloud/README.md) | Ez a leckesorozat bemutatja az adatelemzést a felhőben és annak előnyeit. | [lecke](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
| 18 | Adattudomány a felhőben | [Felhőadatok](5-Data-Science-In-Cloud/README.md) | Modellek tanítása Low Code eszközökkel. |[lecke](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
| 19 | Adattudomány a felhőben | [Felhőadatok](5-Data-Science-In-Cloud/README.md) | Modellek telepítése az Azure Machine Learning Studio segítségével. | [lecke](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
| 20 | Adattudomány a valóságban | [A valóságban](6-Data-Science-In-Wild/README.md) | Valós világban végzett adattudományi projektek. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Az adattudomány meghatározása | [Bevezetés](1-Introduction/README.md) | Ismerd meg az adattudomány alapfogalmait, és hogy miként kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és nagy adatokhoz. | [óra](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Adattudományi etika | [Bevezetés](1-Introduction/README.md) | Az adat etika fogalmai, kihívásai és keretrendszerei. | [óra](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Az adatok meghatározása | [Bevezetés](1-Introduction/README.md) | Hogyan osztályozzuk az adatokat és azok gyakori forrásai. | [óra](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Bevezetés a statisztikába és valószínűségszámításba | [Bevezetés](1-Introduction/README.md) | Valószínűség- és statisztikai matematikai technikák az adatok megértéséhez. | [óra](1-Introduction/04-stats-and-probability/README.md) [videó](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Relációs adatokkal való munka | [Adatokkal való munka](2-Working-With-Data/README.md) | Bevezetés a relációs adatbázisokba és az alapok az adatok felfedezéséhez és elemzéséhez a Strukturált Lekérdező Nyelvvel, más néven SQL-lel (ejtsd: „szíkell”). | [óra](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) |
| 06 | Nem relációs adatokkal való munka | [Adatokkal való munka](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, különféle típusaik és az alapok a dokumentum adatbázisok felfedezéséhez és elemzéséhez. | [óra](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Python használata | [Adatokkal való munka](2-Working-With-Data/README.md) | Python használatának alapjai az adatok felfedezéséhez olyan könyvtárakkal, mint a Pandas. Ajánlott a Python programozás alapjainak ismerete. | [óra](2-Working-With-Data/07-python/README.md) [videó](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Adatelőkészítés | [Adatokkal való munka](2-Working-With-Data/README.md) | Témák az adattisztítás és átalakítás technikáiról, hogy kezelni lehessen a hiányzó, pontatlan vagy hiányos adatokat. | [óra](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 12 | Kapcsolatok vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Kapcsolatok és korrelációk vizualizálása különböző adatkészletek és változóik között. | [óra](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Értelmes vizualizációk | [Adatvizualizáció](3-Data-Visualization/README.md) | Technikák és útmutató a vizualizációk értékessé tételéhez a hatékony problémamegoldás és betekintés érdekében. | [óra](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Bevezetés az adattudomány életciklusába | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adattudomány életciklusába és az adatgyűjtés, adatkinyerés első lépésébe. | [óra](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatok elemzésére koncentrál. | [óra](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) |
| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatból származó betekintések bemutatására összpontosít úgy, hogy azt a döntéshozók könnyebben megérthessék. | [óra](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 17 | Adattudomány a felhőben | [Felhőadat](5-Data-Science-In-Cloud/README.md) | Ezek az órák bevezetik az adattudományt a felhőben és annak előnyeit. | [óra](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
| 20 | Adattudomány a valóságban | [A vadonban](6-Data-Science-In-Wild/README.md) | Adattudomány által vezérelt projektek a való életben. | [óra](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Kövessük az alábbi lépéseket ennek a mintának a Codespace-ben való megnyitásához:
1. Kattints a Code legördülő menüre és válaszd az Open with Codespaces opciót.
2. Válaszd a + New codespace lehetőséget az ablak alján.
További információért tekintsd meg a [GitHub dokumentációját](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Kövesd ezeket a lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben:
1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
2. Válaszd a + New codespace-t az ablak alján.
További információért nézd meg a [GitHub dokumentációját](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Konténerek
Kövessük az alábbi lépéseket ennek a tárolónak a helyi gépről és a VSCode-ból a VS Code Remote - Containers kiterjesztéssel történő megnyitásához:
Kövesd az alábbi lépéseket, hogy konténerben nyisd meg a repo-t a helyi gépeden és VSCode használatával a VS Code Remote - Containers kiterjesztés segítségével:
1. Ha ez az első alkalom, hogy fejlesztési konténert használsz, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (pl. telepítve van a Docker) a [kezdő dokumentációban](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Ha először használod a fejlesztői konténert, győződj meg arról, hogy a rendszer megfelel az előfeltételeknek (pl. Docker telepítve legyen) az [első lépések dokumentációban](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
A tárház használatához megnyithatod azt izolált Docker kötetben:
A repó használatához vagy megnyithatod izolált Docker kötetben a repót:
**Megjegyzés**: A háttérben a Remote-Containers: **Clone Repository in Container Volume...** parancsot használja a forráskód Docker kötetbe történő klónozásához, ahelyett, hogy a helyi fájlrendszerbe másolná. A [Tömeges tárolók](https://docs.docker.com/storage/volumes/) a rendszertartalom megőrzésének preferált módja.
**Megjegyzés:** A háttérben a Remote-Containers: **Clone Repository in Container Volume...** parancsot használja a forráskód Docker kötetbe klónozására a helyi fájlrendszer helyett. A [kötetek](https://docs.docker.com/storage/volumes/) a preferált mechanizmusok a konténer adatok megőrzésére.
Vagy megnyithatsz a tárház helyi példányt vagy letöltött változatát:
Vagy megnyithatsz egy helyben klónozott vagy letöltött repó verziót:
- Klónozd a tárházat helyi fájlrendszeredre.
- Nyomj F1-et, és válaszd a **Remote-Containers: Open Folder in Container...** parancsot.
- Válaszd ki a klónozott mappa másolatát, várd meg, amíg a konténer elindul, és próbáld ki.
- Klónozd ezt a repót a helyi fájlrendszeredre.
- Nyomd meg az F1-et és válaszd a **Remote-Containers: Open Folder in Container...** parancsot.
- Válaszd ki a klónozott mappát, várd meg, míg elindul a konténer, és próbáld ki.
## Offline elérés
## Offline hozzáférés
Offline is futtathatod ezt a dokumentációt a [Docsify](https://docsify.js.org/#/) segítségével. Forkold ezt a repo-t, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépeden, majd a repo gyökérmappájában indítsd el a `docsify serve` parancsot. A weboldal a 3000-es porton lesz elérhető a localhoston: `localhost:3000`.
Ezt a dokumentációt offline is futtathatod [Docsify](https://docsify.js.org/#/) használatával. Forkold a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépeden, majd a repó gyökérmappájában írd be: `docsify serve`. A weboldal a 3000-es porton érhető el a helyi gépeden: `localhost:3000`.
> Megjegyzés: a jegyzetfüzetek nem jelennek meg Docsify-val, így ha jegyzetfüzetet kell futtatnod, azt külön tedd meg VS Code-ban Python kernel használatával.
> Megjegyzés: a jegyzetfüzetek nem jelennek meg Docsify-val, ezért amikor szükséges jegyzetfüzetet futtatni, azt külön futtasd VS Code-ban Python kernel segítségével.
## Egyéb tananyagok
## Egyéb tantervek
Csapatunk más tananyagokat is készít! Nézd meg:
Csapatunk más tanterveket is készít! Nézd meg:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -228,8 +229,8 @@ Csapatunk más tananyagokat is készít! Nézd meg:
@ -237,26 +238,26 @@ Csapatunk más tananyagokat is készít! Nézd meg:
---
### Copilot sorozat
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
**Problémába ütköztél?** Nézd meg [Hibakeresési útmutatónkat](TROUBLESHOOTING.md), ahol gyakori problémák megoldásait találod.
**Problémát tapasztalsz?** Nézd meg a [Hibaelhárítási útmutatót](TROUBLESHOOTING.md), ahol gyakori problémák megoldásait találod.
Ha elakadsz, vagy kérdésed van az AI alkalmazások fejlesztésével kapcsolatban, csatlakozz tanulótársaidhoz és tapasztalt fejlesztőkhöz az MCP-ről folytatott beszélgetésekben. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztásra kerül.
Ha elakadsz vagy kérdéseid vannak az AI alkalmazások fejlesztésével kapcsolatban, csatlakozz más tanulókhoz és tapasztalt fejlesztőkhöz az MCP közösségi beszélgetéseiben. Ez egy támogató közösség, ahol a kérdések szívesen fogadottak és a tudás szabadon megosztott.
Ezt a dokumentumot az AI fordító szolgáltatás, a [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével fordítottuk le. Bár igyekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum anyanyelvi változatát tekintse a hiteles forrásnak. Kritikus információk esetén professzionális, emberi fordítást javaslunk. Semmilyen felelősséget nem vállalunk az ebből a fordításból eredő félreértésekért vagy téves értelmezésekért.
**Nyilatkozat**:
Ez a dokumentum az AI fordító szolgáltatás [Co-op Translator](https://github.com/Azure/co-op-translator) használatával készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti, anyanyelvi dokumentum tekintendő hivatalos forrásnak. Kritikus információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy félreértelmezésekért.
[](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)
[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
[](https://aka.ms/foundry/forum)
Wafuasi wa Azure Cloud huko Microsoft wanafurahia kutoa mtaala wa wiki 10, masomo 20 yote kuhusu Sayansi ya Data. Kila somo linajumuisha vipimo kabla ya somo na baada ya somo, maagizo yaliyoandikwa ya kumaliza somo, suluhisho, na kazi ya nyumbani. Mbinu yetu ya kujifunza kwa miradi hukuruhusu kujifunza huku ukiunda, njia iliyothibitishwa ya ujuzi mpya 'kubaki'.
Watangazaji wa Wingu wa Azure huko Microsoft wanafurahia kutoa mtaala wa wiki 10, masomo 20 yote kuhusu Sayansi ya Data. Kila somo lina maswali kabla na baada ya somo, maelekezo yaliyoandikwa ya kumaliza somo, suluhisho, na kazi. Mbinu yetu ya kufundisha inayotegemea miradi inakuwezesha kujifunza huku ukiunda, njia iliyo thibitishwa kwa ujuzi mpya kuwa 'zeke'.
> Hifadhidata hii ina tafsiri zaidi ya 50 za lugha ambazo huongeza kwa kiasi kikubwa ukubwa wa kupakua. Ili kuiga bila tafsiri, tumia sparse checkout:
> Hifadhi hii ina tafsiri za lugha 50+ ambazo huongeza sana ukubwa wa kupakua. Ili kurejesha bila tafsiri, tumia sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,90 +53,90 @@ Wafuasi wa Azure Cloud huko Microsoft wanafurahia kutoa mtaala wa wiki 10, masom
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Hii inakupa kila kitu unachohitaji kumaliza kozi kwa upakuaji wa haraka zaidi.
> Hii inakupa kila unachohitaji ili kumaliza kozi kwa upakuaji wa haraka zaidi.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Kama unataka kuwa na lugha za ziada za tafsiri zinazoungiwa mkono ziko [hapa](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Ikiwa unataka msaada wa lugha za tafsiri za ziada ziko [hapa](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Tuna mfululizo wa kujifunza Discord na AI unaoendelea, jifunze zaidi na ujiunge nasi katika [Mfululizo wa Kujifunza na AI](https://aka.ms/learnwithai/discord) kuanzia tarehe 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data.
Tuna mfululizo wa kujifunza kwa AI kwenye Discord unaoendelea, jifunze zaidi na ujiunge nasi kwenye [Learn with AI Series](https://aka.ms/learnwithai/discord) kuanzia tarehe 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data.
# Je, wewe ni mwanafunzi?
Anza na rasilimali zifuatazo:
- [Ukurasa wa Kituo cha Wanafunzi](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Katika ukurasa huu, utapata rasilimali za wanaoanza, vifurushi vya Wanafunzi na hata njia za kupata vocha za cheti bure. Huu ni ukurasa unaotaka kuweka alama na kuangalia mara kwa mara tunapobadilisha maudhui angalau kila mwezi.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Jiunge na jamii ya kimataifa ya mabalozi wanafunzi, hii inaweza kuwa njia yako ya kuingia Microsoft.
- [Ukubwa wa Mwanafunzi](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ukurasa huu, utapata rasilimali za waanzilishi, vifurushi vya wanafunzi na hata njia za kupata risiti ya cheti bila malipo. Huu ni ukurasa unaotakiwa kuuweka alama na kuangalia mara kwa mara kadri tunavyobadilisha maudhui angalau kila mwezi.
- [Balozi wa Wanafunzi wa Microsoft](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Jiunge na jamii ya kimataifa ya mabalozi wa wanafunzi, hii inaweza kuwa njia yako ya kuingia Microsoft.
# Kuanzia
## 📚 Nyaraka
- **[Mwongozo wa Usanidi](INSTALLATION.md)** - Maelekezo hatua kwa hatua kwa waanzizi
- **[Mwongozo wa Usanidi](INSTALLATION.md)** - Maelekezo hatua kwa hatua kwa waanzilishi
- **[Mwongozo wa Matumizi](USAGE.md)** - Mifano na michakato ya kawaida
- **[Utatuzi wa Matatizo](TROUBLESHOOTING.md)** - Suluhisho za masuala ya kawaida
- **[Matatizo na Ufumbuzi](TROUBLESHOOTING.md)** - Suluhisho za matatizo ya kawaida
- **[Mwongozo wa Kuchangia](CONTRIBUTING.md)** - Jinsi ya kuchangia mradi huu
- **[Kwa Walimu](for-teachers.md)** - Mwongozo wa kufundisha na rasilimali za darasani
## 👨🎓 Kwa Wanafunzi
> **Waanzizi Wapya**: Mpya katika sayansi ya data? Anza na [mifano rahisi kwa wanaoanza](examples/README.md)! Mifano hii rahisi, yenye maelezo itakusaidia kuelewa misingi kabla ya kuingia mtaala mzima.
> **[Wanafunzi](https://aka.ms/student-page)**: kutumia mtaala huu peke yako, tengeneza nakala ya repo nzima na maliza mazoezi kwa wewe mwenyewe, ukianza na jaribio la kabla ya mihadhara. Kisha soma mihadhara na maliza shughuli nyingine. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo, msimbo huo upo katika folda za /solutions katika kila somo linalolenga mradi. Wazo jingine ni kuunda kikundi cha masomo na marafiki na kupitia maudhui pamoja. Kwa masomo zaidi, tunapendekeza [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Waanzilishi Kamili**: Mpya katika sayansi ya data? Anza na [mifano rafiki kwa waanzilishi](examples/README.md)! Mifano hii rahisi, yenye maelezo itasaidia kuelewa misingi kabla ya kuingia mtaala mzima.
> **[Wanafunzi](https://aka.ms/student-page)**: kutumia mtaala huu peke yako, tengeneza fork ya repo yote na maliza mazoezi peke yako, kuanzia na mtihani wa kabla ya mihadhara. Kisha soma mihadhara na maliza shughuli zote nyingine. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo, msimbo huo upo kwenye folda za /solutions katika kila somo linalolenga mradi. Wazo jingine ni kuunda kikundi cha masomo na marafiki na kusoma maudhui pamoja. Kwa masomo zaidi, tunapendekeza [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Anza Haraka:**
1. Angalia [Mwongozo wa Usanidi](INSTALLATION.md) kuweka mazingira yako
2. Pitia [Mwongozo wa Matumizi](USAGE.md) kujifunza jinsi ya kufanya kazi na mtaala
3. Anza na Somo la 1 na fanya kazi mfululizo
2. Pitia [Mwongozo wa Matumizi](USAGE.md) kujifunza jinsi ya kutumia mtaala
3. Anza na Somo la 1 na fuata mtiririko
4. Jiunge na [jamii yetu ya Discord](https://aka.ms/ds4beginners/discord) kwa msaada
## 👩🏫 Kwa Walimu
> **Walimu**: tumekuwa [tukiongeza mapendekezo kadhaa](for-teachers.md) kuhusu jinsi ya kutumia mtaala huu. Tunatarajia maoni yako [katika jukwaa letu la majadiliano](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Walimu**: tumekuwa [tukijumuisha mapendekezo kadhaa](for-teachers.md) juu ya jinsi ya kutumia mtaala huu. Tunapenda maoni yako [katika jukwaa letu la majadiliano](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## Kutana na Timu
[](https://youtu.be/8mzavjQSMM4 "Video ya utangulizi")
[](https://youtu.be/8mzavjQSMM4 "Video ya matangazo")
> 🎥 Bonyeza picha hapo juu kwa video kuhusu mradi na watu waliouunda!
## Pedagojia
## Pedagogia
Tumechagua kanuni mbili za kufundisha wakati wa kuunda mtaala huu: kuhakikisha unategemea miradi na unajumuisha maswali ya mara kwa mara. Mwishoni mwa mfululizo huu, wanafunzi watakuwa wamejifunza misingi ya sayansi ya data, ikijumuisha dhana za kimaadili, maandalizi ya data, njia tofauti za kufanya kazi na data, uwasilishaji wa data, uchambuzi wa data, matumizi halisi ya sayansi ya data, na zaidi.
Tumechagua kanuni mbili za kielimu tunapojenga mtaala huu: kuhakikisha kuwa unategemea miradi na unajumuisha maswali ya mara kwa mara. Mwishoni mwa mfululizo huu, wanafunzi watakuwa wamejifunza kanuni za msingi za sayansi ya data, zikiwemo dhana za maadili, maandalizi ya data, njia mbalimbali za kufanya kazi na data, taswira ya data, uchambuzi wa data, matumizi halisi ya sayansi ya data, na zaidi.
Zaidi ya hayo, jaribio la chini la hatari kabla ya darasa linaweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya darasa linahakikisha kuhifadhi zaidi. Mtaala huu umeundwa kuwa rahisi kubadilika na kufurahisha na unaweza kuchukuliwa kwa jumla au kwa sehemu. Miradi huanza ndogo na kuwa changamano zaidi mwishoni mwa mzunguko wa wiki 10.
Aidha, mtihani wa chini kabla ya darasa huweka nia ya mwanafunzi kuelekea kujifunza mada, wakati mtihani wa pili baada ya darasa huhakikishia kumbukumbu zaidi. Mtaala huu umeundwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa jumla au sehemu. Miradi huanza ndogo na huongezeka ugumu mwishoni mwa mzunguko wa wiki 10.
> Pata [Kanuni Zetu za Maadili](CODE_OF_CONDUCT.md), [Kushirikiana](CONTRIBUTING.md), [Mwongozo wa Tafsiri](TRANSLATIONS.md). Tunakukaribisha maoni yako yenye kujenga!
> Tafuta [Kanuni Yetu za Maadili](CODE_OF_CONDUCT.md), [Mchango](CONTRIBUTING.md), [Mwongozo wa Tafsiri](TRANSLATIONS.md). Tunakaribisha mrejesho wako wa kujenga!
## Kila somo linajumuisha:
- Sketchnote hiari
- Video ya ziada hiari
- Jaribio la msingi kabla ya somo
- Mtihani wa kuwasha moto kabla ya somo
- Somo lililoandikwa
- Kwa masomo yanayotegemea mradi, mwongozo hatua kwa hatua wa jinsi ya kuunda mradi
- Kwa masomo yanayotegemea miradi, miongozo ya hatua kwa hatua juu ya jinsi ya kujenga mradi
- Ukaguzi wa maarifa
- Changamoto
- Usomaji wa ziada
- Kusoma zaidi
- Kazi ya nyumbani
- [Jaribio baada ya somo](https://ff-quizzes.netlify.app/en/)
- [Mtihani baada ya somo](https://ff-quizzes.netlify.app/en/)
> **Kumbuka kuhusu maswali**: Maswali yote yamo kwenye folda ya Quiz-App, kwa maswali 40 ya jumla yenye maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo, lakini programu ya jaribio inaweza kuendeshwa kwa ndani au kusambazwa kwenye Azure; fuata maelekezo katika folda ya `quiz-app`. Yanazunguka tafsiri polepole.
> **Kumbuka kuhusu mitihani**: Mitihani yote iko katika folda ya Quiz-App, kwa jumla ya mitihani 40 yenye maswali matatu kila moja. Zimeunganishwa kutoka ndani ya masomo, lakini programu ya mtihani inaweza kuendeshwa kwa ndani au kuhamishwa Azure; fuata maelekezo katika folda ya `quiz-app`. Zinatafutwa kwa lugha nyingine polepole.
## 🎓 Mifano Rafiki kwa Waanziaji
## 🎓 Mifano Rahisi kwa Waanziaji
**Mpya kwa Sayansi ya Data?** Tumeunda [folda ya mifano](examples/README.md) maalum yenye msimbo rahisi na wenye maelezo mazuri kusaidia kuanza:
**Mpya katika Sayansi ya Data?** Tumeunda [folda ya mifano](examples/README.md) yenye msimbo rahisi uliobainishwa vizuri kusaidia kuanza:
- 🌟 **Hello World** - Programu yako ya kwanza ya sayansi ya data
- 📂 **Kupakia Data** - Jifunze kusoma na kuchambua datasets
- 📊 **Uchambuzi Rahisi** - Hesabu takwimu na tafuta mifumo
- 📈 **Uwasilishaji wa Msingi** - Tengeneza chati na grafu
- 🔬 **Mradi wa Dunia Halisi** - Mchakato kamili kuanzia mwanzo hadi mwisho
- 📂 **Kupakia Data** - Jifunze kusoma na kuchunguza seti za data
- 📊 **Uchambuzi Rahisi** - Hesabu takwimu na pata mifumo
- 📈 **Taswira za Msingi** - Tengeneza chati na michoro
- 🔬 **Mradi Halisi** - Mtiririko kamili kutoka mwanzo hadi mwisho
Kila mfano una maelezo ya kina yanayoelezea kila hatua, ukifanya iwe nzuri kwa waanziaji kabisa!
Kila mfano unajumuisha maelezo ya kina yanayoelezea kila hatua, kufanya iwe kamili kwa waanziaji kabisa!
👉 **[Anza na mifano](examples/README.md)** 👈
@ -148,60 +148,60 @@ Kila mfano una maelezo ya kina yanayoelezea kila hatua, ukifanya iwe nzuri kwa w
| Sayansi ya Data kwa Waanziaji: Ramani ya Njia - _Sketchnote na [@nitya](https://twitter.com/nitya)_ |
| Nambari ya Somo | Mada | Kundi la Somo | Malengo ya Kujifunza | Somo Lililounganishwa | Mwandishi |
| Nambari ya Somo | Mada | Kikundi cha Somo | Malengo ya Kujifunza | Somo Lililounganishwa | Mwandishi |
| 01 | Kufafanua Sayansi ya Data | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi za sayansi ya data na jinsi inavyohusiana na akili bandia, ujifunzaji mashine, na data kubwa. | [somo](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Maadili ya Sayansi ya Data | [Utangulizi](1-Introduction/README.md) | Dhana za Maadili ya Data, Changamoto na Miundo. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Kufafanua Data | [Utangulizi](1-Introduction/README.md) | Jinsi data inavyoainishwa na vyanzo vyake vya kawaida. | [somo](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Utangulizi wa Takwimu na Uwezekano | [Utangulizi](1-Introduction/README.md) | Mbinu za kihisabati za uwezekano na takwimu kuelewa data. | [somo](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Kufanya kazi na Data ya Uhusiano | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data ya uhusiano na misingi ya kuchambua na kuchunguza data ya uhusiano kwa kutumia Structured Query Language, inayojulikana pia kama SQL (inayosemwa “see-quell”). | [somo](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Kufanya kazi na Data isiyo ya NoSQL | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data isiyo ya uhusiano, aina zake mbalimbali na misingi ya kuchambua na kuchunguza database za hati. | [somo](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Kufanya kazi na Python | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Misingi ya kutumia Python katika uchambuzi wa data kwa maktaba kama Pandas. Uelewa wa msingi wa programu ya Python unahitajika. | [somo](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Maandalizi ya Data | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Mada kuhusu mbinu za kusafisha na kubadilisha data kushughulikia changamoto za data kupungufu, isiyo sahihi au isiyo kamili. | [somo](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kuonyesha Viwango | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Jifunze jinsi ya kutumia Matplotlib kuonyesha data za ndege 🦆 | [somo](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Kuonyesha Mgawanyo wa Data | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Kuonyesha maoni na mwenendo ndani ya kipindi. | [somo](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Kuonyesha Asilimia | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Kuonyesha asilimia za kujitenga na zilizokusanywa. | [somo](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Kuonyesha Uhusiano | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uhusiano na uhusiano kati ya seti za data na mabadiliko yao. | [somo](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Uwasilishaji wenye Thamani | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Mbinu na mwongozo wa kufanya uwasilishaji wako kuwa na thamani kwa kutatua matatizo kwa ufanisi na kupata maarifa. | [somo](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Utangulizi wa mzunguko wa maisha ya Sayansi ya Data | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Utangulizi wa mzunguko wa maisha ya sayansi ya data na hatua yake ya kwanza ya kupata na kutoa data. | [somo](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 01 | Kuelezea Sayansi ya Data | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi nyuma ya sayansi ya data na jinsi inavyohusiana na akili bandia, ujifunzaji wa mashine, na data kubwa. | [somo](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Maadili ya Sayansi ya Data | [Utangulizi](1-Introduction/README.md) | Dhana za Maadili ya Data, Changamoto & Mifumo. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Kuelezea Data | [Utangulizi](1-Introduction/README.md) | Jinsi data inavyopangwa na vyanzo vyake vya kawaida. | [somo](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Utangulizi wa Takwimu & Uwezekano | [Utangulizi](1-Introduction/README.md) | Mbinu za kihisabati za uwezekano na takwimu kuelewa data. | [somo](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Kufanya kazi na Data ya Uhusiano | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data ya uhusiano na misingi ya kuchunguza na kuchambua data ya uhusiano kwa kutumia Lugha Iliyo na Muundo wa Maombi, pia inajulikana kama SQL (inatamkwa “see-quell”). | [somo](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Kufanya kazi na Data isiyo ya NoSQL | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data isiyo ya uhusiano, aina zake mbalimbali na misingi ya kuchunguza na kuchambua hifadhidata za hati. | [somo](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Kufanya kazi na Python | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Misingi ya kutumia Python kwa uchunguzi wa data na maktaba kama Pandas. Uelewa wa msingi wa programu ya Python unashauriwa. | [somo](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Maandalizi ya Data | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Mada juu ya mbinu za kusafisha na kubadilisha data kushughulikia changamoto za data ambayo haipo, si sahihi, au haijakamilika. | [somo](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kutoa Taswira za Kiasi | [Taswira ya Data](3-Data-Visualization/README.md) | Jifunze jinsi ya kutumia Matplotlib kutoa taswira za data za ndege 🦆 | [somo](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Kutoa Taswira za Usambazaji wa Data | [Taswira ya Data](3-Data-Visualization/README.md) | Kuonyesha maoni na mwelekeo ndani ya kipindi. | [somo](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Kutoa Taswira za Sehemu | [Taswira ya Data](3-Data-Visualization/README.md) | Kuonyesha asilimia zilizo peekee na zilizogawanyika. | [somo](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Kutoa Taswira za Uhusiano | [Taswira ya Data](3-Data-Visualization/README.md) | Kuonyesha muunganisho na uhusiano kati ya seti za data na vigezo vyake. | [somo](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Taswira Zenye Maana | [Taswira ya Data](3-Data-Visualization/README.md) | Mbinu na miongozo ya kufanya taswira zako kuwa na thamani kwa utatuzi mzuri wa matatizo na maarifa. | [somo](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Utangulizi wa Mzunguko wa Maisha wa Sayansi ya Data | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Utangulizi wa mzunguko wa maisha ya sayansi ya data na hatua yake ya kwanza ya kupata na kutoa data. | [somo](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Kuchambua | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha ya sayansi ya data inazingatia mbinu za kuchambua data. | [somo](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Mawasiliano | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii inahusu kuwasilisha maarifa yanayotokana na data kwa njia inayorahisisha watoa maamuzi kuelewa. | [somo](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Sayansi ya Data katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Mfululizo huu wa masomo yaanzisha sayansi ya data katika wingu na faida zake. | [somo](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 18 | Sayansi ya Data katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Mafunzo ya modeli kwa kutumia zana za Low Code. |[somo](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 19 | Sayansi ya Data katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Kusambaza modeli kwa kutumia Azure Machine Learning Studio. | [somo](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 20 | Sayansi ya Data Kwenye Ulimwengu Halisi | [Kwenye Ulimwengu Halisi](6-Data-Science-In-Wild/README.md) | Miradi ya sayansi ya data katika dunia halisi. | [somo](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 16 | Mawasiliano | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha ya sayansi ya data inazingatia kuwasilisha maarifa kutoka kwa data kwa njia ambayo inarahisisha watoa maamuzi kuelewa. | [somo](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Sayansi ya Data Katika Wingu | [Data Wingu](5-Data-Science-In-Cloud/README.md) | Mfululizo huu wa masomo utanguliza sayansi ya data katika wingu na faida zake. | [somo](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 18 | Sayansi ya Data Katika Wingu | [Data Wingu](5-Data-Science-In-Cloud/README.md) | Mafunzo ya modeli kwa kutumia zana za Low Code. |[somo](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 19 | Sayansi ya Data Katika Wingu | [Data Wingu](5-Data-Science-In-Cloud/README.md) | Kuweka modeli kwa kutumia Azure Machine Learning Studio. | [somo](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 20 | Sayansi ya Data Katika Maisha Halisi | [Maisha Halisi](6-Data-Science-In-Wild/README.md) | Miradi inayoendeshwa na sayansi ya data katika dunia halisi. | [somo](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Fuata hatua hizi kufungua sampuli hii katika Codespace:
1. Bonyeza menyu ya Code na chagua chaguo la Open with Codespaces.
2. Chagua + New codespace chini kwenye sehemu ya kidirisha.
Kwa maelezo zaidi, angalia [nyaraka za GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Fuata hatua hizi kufungua sampuli hii kwenye Codespace:
1. Bonyeza menyu ya Code chini na chagua chaguo la Open with Codespaces.
2. Chagua + New codespace chini kwenye dirisha.
Kwa habari zaidi, angalia [nyaraka za GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Fuata hatua hizi kufungua repo hii kwenye chombo (container) kwa kutumia mashine yako ya ndani na VSCode ukitumia ugani wa VS Code Remote - Containers:
Fuata hatua hizi kufungua repo hii ndani ya kontena kwa kutumia mashine yako ya ndani na VSCode kwa kutumia nyongeza ya VS Code Remote - Containers:
1. Ikiwa ni mara yako ya kwanza kutumia chombo cha maendeleo (development container), hakikisha mfumo wako unakidhi vigezo (yaani, kuwa na Docker imewekwa) katika [nyaraka za kuanza](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Ikiwa huu ndiyo mara yako ya kwanza kutumia kontena ya maendeleo, tafadhali hakikisha mfumo wako unakidhi mahitaji (yaani kuwa na Docker imewekwa) katika [nyaraka za kuanza](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Ili kutumia repozitori hii, unaweza kufungua repozitori kwa kutumia gari la Docker ambalo limejitenga:
Ili kutumia hifadhidata hii, unaweza kufungua hifadhidata katika volumu ya Docker iliyotengwa:
**Kumbuka**: Chini ya kifuniko, hii itatumia amri ya Remote-Containers: **Clone Repository in Container Volume...** ili kunakili msimbo wa chanzo kwenye gari la Docker badala ya mfumo wa faili wa ndani. [Gari (Volumes)](https://docs.docker.com/storage/volumes/) ni njia iliyopendekezwa kuhifadhi data ya chombo.
**Kumbuka**: Ndani ndani, itatumia amri ya Remote-Containers: **Clone Repository in Container Volume...** kunakili msimbo wa chanzo kwenye volumu ya Docker badala ya mfumo wa faili wa ndani. [Volumu](https://docs.docker.com/storage/volumes/) ndio njia inayopendekezwa kuhifadhi data ya kontena.
Au fungua toleo lililonakiliwa au kupakuliwa la repozitori kwa ndani:
Au fungua toleo lililoklonwa au kupakuliwa la hifadhidata:
- Nakili repozitori hii kwenye mfumo wako wa faili wa ndani.
- Klona hifadhidata hii kwenye mfumo wako wa faili wa ndani.
- Bonyeza F1 na chagua amri ya **Remote-Containers: Open Folder in Container...**.
- Chagua nakala ya folda hii iliyoklonwa, subiri kontena iaanze, na jaribu mambo.
## Ufikiaji wa Nje ya Mtandao
## Upatikanaji wa Offline
Unaweza kuendesha nyaraka hii nje ya mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Fanya nakala ya repozitori hii, [sakinisha Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha kwenye folda kuu ya repozitori hii, andika `docsify serve`. Tovuti itashirikiwa kwenye port 3000 kwenye localhost yako: `localhost:3000`.
Unaweza kuendesha nyaraka hizi offline kwa kutumia [Docsify](https://docsify.js.org/#/). Fanya fork kwa repo hii, [weka Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha kwenye folda ya mzizi ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: `localhost:3000`.
> Kumbuka, vitabu vya daftari hayatatumwa kupitia Docsify, kwa hivyo unapohitaji kuendesha daftari, fanya hivyo tofauti ndani ya VS Code ukitumia kernel ya Python.
> Kumbuka, daftari hazitaonyeshwa kupitia Docsify, hivyo unapotaka kuendesha daftari, fanya hivyo kwa tofauti ndani ya VS Code ukiendesha kernel ya Python.
## Mtaala Mwingine
## Mitaala Mengine
Timu yetu inatengeneza mtaala mingine! Angalia:
Timu yetu hutengeneza mitaala mingine! Angalia:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -210,11 +210,11 @@ Timu yetu inatengeneza mtaala mingine! Angalia:
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Maajenti
### Azure / Edge / MCP / Wakala
[](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)
---
@ -226,38 +226,38 @@ Timu yetu inatengeneza mtaala mingine! Angalia:
---
### Mafunzo Msingi
### Mafunzo ya Msingi
[](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/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://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)
---
### Mfululizo wa 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)
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## Kupata Msaada
**Unakutana na matatizo?** Angalia [Mwongozo wa Kutatua Matatizo](TROUBLESHOOTING.md) kwa suluhisho la matatizo ya kawaida.
**Unakumbana na matatizo?** Angalia [Mwongozo wa Utatuzi wa Matatizo](TROUBLESHOOTING.md) kwa suluhisho za matatizo ya kawaida.
Ikiwa unashindwa au una maswali yoyote kuhusu kujenga programu za AI. Jiunge na wenzako wanaojifunza na waendelezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jumuiya inayounga mkono ambapo maswali yanakaribishwa na maarifa hushirikiwa kwa uhuru.
Kama unakumbwa au una maswali yeyote kuhusu kujenga programu za AI. Jiunge na wanafunzi wenzako na watengenezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jamii yenye msaada ambapo maswali yanakaribishwa na maarifa yanasambazwa kwa uhuru.
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kupata usahihi, tafadhali fahamu kwamba tafsiri zilizotengenezwa moja kwa moja zinaweza kuwa na makosa au upungufu wa usahihi. Hati asilia katika lugha yake ya asili inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, inapendekezwa kutumia tafsiri za kitaalamu za binadamu. Hatuna dhamana kwa kutoelewana au tafsiri potofu zitokanazo na matumizi ya tafsiri hii.
**Tangazo la Kukataa**:
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Wakati tunajitahidi kwa usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au upungufu wa usahihi. Hati ya asili kwa lugha yake ya mzazi inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa habari muhimu, tafsiri ya kitaalamu inayofanywa na binadamu inapendekezwa. Sisi hatuwezi kuwajibika kwa maelezo yasiyoeleweka au tafsiri mbaya zinazotokana na matumizi ya tafsiri hii.
localizeflow[bot]
6 days ago