Azure Cloud Advocates v Microsoftu s potěšením nabízejí 10týdenní kurikulum s 20 lekcemi zaměřenými na Data Science. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš projektově orientovaný přístup vám umožní učit se prostřednictvím tvorby, což je osvědčený způsob, jak si osvojit nové dovednosti.
Azure Cloud Advocates v Microsoftu s potěšením nabízejí 10týdenní kurikulum s 20 lekcemi zaměřenými na datovou vědu. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš přístup založený na projektech vám umožní učit se prostřednictvím tvorby, což je osvědčený způsob, jak si nové dovednosti lépe osvojit.
| ](./sketchnotes/00-Title.png)|
||
|:---:|
|:---:|
| Data Science pro Začátečníky - _Sketchnote od [@nitya](https://twitter.com/nitya)_ |
| Data Science pro začátečníky - _Sketchnote od [@nitya](https://twitter.com/nitya)_ |
## Oznámení - Nové kurikulum o Generativní AI právě vydáno!
### 🌐 Podpora více jazyků
Právě jsme vydali 12lekční kurikulum o generativní AI. Naučte se například:
#### Podporováno prostřednictvím GitHub Action (Automatizované & vždy aktuální)
Jako obvykle obsahuje lekce, úkoly k dokončení, kontrolní otázky a výzvy.
**Pokud si přejete přidat další překlady, seznam podporovaných jazyků najdete [zde](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Podívejte se na to:
#### Připojte se k naší komunitě
[](https://discord.gg/kzRShWzttr)
> https://aka.ms/genai-beginners
# Jste student?
# Jste student?
Začněte s následujícími zdroji:
Začněte s následujícími zdroji:
- [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 voucher na certifikaci zdarma. Tuto stránku si uložte do záložek a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně.
- [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 způsoby, jak získat voucher na certifikaci zdarma. Tuto stránku si určitě uložte a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Připojte se ke globální komunitě studentských ambasadorů, což by mohl být váš vstup do Microsoftu.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Připojte se ke globální komunitě studentských ambasadorů, což může být vaše cesta do Microsoftu.
# Začínáme
# Začínáme
> **Učitelé**: [zahrnuli jsme několik návrhů](for-teachers.md), jak toto kurikulum využít. 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 toto kurikulum využít. Budeme rádi za vaši zpětnou vazbu [v našem diskusním fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **[Studenti](https://aka.ms/student-page)**: chcete-li toto kurikulum použít samostatně, forkněte si celý repozitář a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení; kód řešení je však k dispozici ve složkách /solutions v každé projektově orientované lekci. Další možností je vytvořit studijní skupinu s přáteli a projít 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).
> **[Studenti](https://aka.ms/student-page)**: pokud chcete toto kurikulum používat samostatně, vytvořte si vlastní kopii celého repozitáře a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení kódu; tento kód je však dostupný ve složkách /solutions v každé lekci zaměřené na projekt. Další možností je vytvořit studijní skupinu s přáteli a projít 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).
## Seznamte se s týmem
## Seznamte se s týmem
@ -56,40 +54,38 @@ Začněte s následujícími zdroji:
## Pedagogika
## Pedagogika
Při tvorbě tohoto kurikula jsme zvolili dva pedagogické principy: zajistit, aby bylo projektově orientované, a zahrnout časté kvízy. Na konci této série se studenti naučí základní principy data science, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití data science a další.
Při tvorbě tohoto kurikula jsme se rozhodli pro dva pedagogické principy: zajistit, aby bylo založeno na projektech, a zahrnout 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.
Kromě toho nízkoprahový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné a mohlo být absolvováno celé nebo po částech. Projekty začínají jednoduše a postupně se stávají složitějšími během 10týdenního cyklu.
Navíc nízkostresový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné, a lze ho absolvovat celé nebo jen jeho část. Projekty začínají jednoduše a postupně se stávají složitějšími na konci 10týdenního cyklu.
> Najděte náš [Kodex chování](CODE_OF_CONDUCT.md), [Pokyny pro přispívání](CONTRIBUTING.md), [Pokyny pro překlad](TRANSLATIONS.md). Uvítáme vaši konstruktivní zpětnou vazbu!
## Každá lekce obsahuje:
## Každá lekce obsahuje:
- Volitelný sketchnote
- Volitelný sketchnote
- Volitelné doplňkové video
- Volitelné doplňkové video
- Zahřívací kvíz před lekcí
- Kvíz na rozehřátí před lekcí
- Písemnou lekci
- Psanou lekci
- U projektově orientovaných lekcí podrobné pokyny, jak projekt vytvořit
- U lekcí založených na projektech, průvodce krok za krokem, jak projekt vytvořit
- Kontrolní otázky
- Kontrolní otázky
- Výzvu
- Výzvu
- Doplňkové čtení
- Doplňkové čtení
- Úkol
- Zadání
- Kvíz po lekci
- [Kvíz po lekci](https://ff-quizzes.netlify.app/en/)
> **Poznámka ke kvízům**: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny v rámci lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce `quiz-app`. Postupně jsou lokalizovány.
> **Poznámka ke kvízům**: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů, každý se třemi otázkami. Jsou propojeny přímo z lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce `quiz-app`. Postupně jsou lokalizovány.
## Lekce
## Lekce
| ](./sketchnotes/00-Roadmap.png)|
||
|:---:|
|:---:|
| Data Science pro Začátečníky: Plán - _Sketchnote od [@nitya](https://twitter.com/nitya)_ |
| Data Science pro začátečníky: Plán - _Sketchnote od [@nitya](https://twitter.com/nitya)_ |
| Číslo lekce | Téma | Skupina lekcí | Výukové cíle | Odkaz na lekci | Autor |
| Číslo lekce | Téma | Skupina lekcí | Cíle učení | Odkaz na lekci | Autor |
| 01 | Definování Data Science | [Úvod](1-Introduction/README.md) | Naučte se základní koncepty data science a jak souvisí s umělou inteligencí, strojovým učením a velkými daty. | [lekce](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 01 | Definování Data Science | [Úvod](1-Introduction/README.md) | Naučte se základní koncepty data science a jak souvisí s umělou inteligencí, strojovým učením a velkými daty. | [lekce](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etika v Data Science | [Úvod](1-Introduction/README.md) | Koncepty etiky dat, výzvy a rámce. | [lekce](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 02 | Etika Data Science | [Úvod](1-Introduction/README.md) | Koncepty etiky dat, výzvy a rámce. | [lekce](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 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) |
| 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 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) |
| 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 zkoumání a analýzy relačních dat pomocí Structured Query Language, známého také jako SQL (vyslovováno „síkvél“). | [lekce](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 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 Structured Query Language, známého jako SQL (vyslovováno „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)|
| 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 zkoumání dat s knihovnami, jako je 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) |
| 07 | Práce s Pythonem | [Práce s daty](2-Working-With-Data/README.md) | Základy používání Pythonu pro zkoumání dat s knihovnami, jako je 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 čištění a transformace 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) |
| 08 | Příprava dat | [Práce s daty](2-Working-With-Data/README.md) | Témata o technikách čištění a transformace 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) |
@ -97,18 +93,18 @@ Kromě toho nízkoprahový kvíz před hodinou nastaví záměr studenta na uče
| 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) |
| 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) |
| 12 | Vizualizace vztahů | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace spojení a korelací mezi datovými sadami a jejich proměnnými. | [lekce](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Vizualizace vztahů | [Vizualizace dat](3-Data-Visualization/README.md) | Vizualizace spojení a korelací mezi datovými sadami 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 doporučení, jak vytvořit vizualizace, které jsou užitečné pro efektivní řešení problémů a získávání poznatků. | [lekce](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Smysluplné vizualizace | [Vizualizace dat](3-Data-Visualization/README.md) | Techniky a pokyny pro vytváření vizualizací, které jsou užitečné 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 prvního kroku - získávání a extrakce dat. | [lekce](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 14 | Úvod do životního cyklu Data Science | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Úvod do životního cyklu data science a jeho první fáze 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) | | |
| 15 | Analýza | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Tato fáze životního cyklu data science 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 způsobem, který usnadňuje jejich pochopení pro rozhodovací orgány. | [lekce](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 16 | Komunikace | [Životní cyklus](4-Data-Science-Lifecycle/README.md) | Tato fáze životního cyklu data science se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje jejich pochopení pro rozhodovací orgány. | [lekce](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Datová věda v cloudu | [Cloudová 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) |
| 17 | Data Science v cloudu | [Cloudová data](5-Data-Science-In-Cloud/README.md) | Tato série lekcí představuje data science v cloudu a jeho 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 | [Cloudová data](5-Data-Science-In-Cloud/README.md) | Trénování modelů pomocí nástrojů s nízkým kódem. | [lekce](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) a [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science v cloudu | [Cloudová data](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 | [Cloudová data](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) |
| 19 | Data Science v cloudu | [Cloudová data](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 řízené datovou vědou v reálném světě. | [lekce](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 20 | Data Science v praxi | [V praxi](6-Data-Science-In-Wild/README.md) | Projekty řízené data science v reálném světě. | [lekce](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
## GitHub Codespaces
Postupujte podle těchto kroků pro otevření tohoto příkladu v Codespace:
Postupujte podle těchto kroků pro otevření tohoto vzorku v Codespace:
1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
2. Vyberte + New codespace ve spodní části panelu.
2. Vyberte + New 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).
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).
@ -116,7 +112,7 @@ Pro více informací si přečtěte [dokumentaci GitHubu](https://docs.github.co
## VSCode Remote - Containers
## VSCode Remote - Containers
Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:
Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:
1. Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje předpoklady (např. máte nainstalovaný Docker) podle [dokumentace pro začátečníky](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje předpoklady (např. máte nainstalovaný Docker) podle [dokumentace pro začátek](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 svazku:
@ -126,7 +122,7 @@ Nebo otevřete lokálně klonovanou nebo staženou verzi repozitáře:
- Klonujte tento repozitář do svého lokálního souborového systému.
- Klonujte tento repozitář do svého lokálního souborového systému.
- Stiskněte F1 a vyberte příkaz **Remote-Containers: Open Folder in Container...**.
- Stiskněte F1 a vyberte příkaz **Remote-Containers: Open Folder in Container...**.
- Vyberte klonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte si to.
- Vyberte klonovanou kopii této složky, počkejte, až se kontejner spustí, a vyzkoušejte si věci.
## Offline přístup
## Offline přístup
@ -134,21 +130,17 @@ Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.o
> Poznámka: Notebooky nebudou přes Docsify vykresleny, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem.
> Poznámka: Notebooky nebudou přes Docsify vykresleny, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem.
## Hledáme pomoc!
## Další kurikula
Pokud byste chtěli přeložit celou nebo část této osnovy, postupujte podle našeho průvodce [Překlady](TRANSLATIONS.md).
## Další osnovy
Náš tým vytváří další osnovy! Podívejte se na:
Náš tým vytváří další kurikula! Podívejte se na:
- [Generativní AI pro začátečníky](https://aka.ms/genai-beginners)
- [Generativní AI pro začátečníky](https://aka.ms/genai-beginners)
- [Generativní AI pro začátečníky .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativní AI pro začátečníky .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativní AI s JavaScriptem](https://github.com/microsoft/generative-ai-with-javascript)
- [Generativní AI s JavaScriptem](https://github.com/microsoft/generative-ai-with-javascript)
- [Generativní AI s Javou](https://aka.ms/genaijava)
- [Generativní AI s Javou](https://aka.ms/genaijava)
- [AI pro začátečníky](https://aka.ms/ai-beginners)
- [AI pro začátečníky](https://aka.ms/ai-beginners)
- [Datová věda pro začátečníky](https://aka.ms/datascience-beginners)
- [Data Science pro začátečníky](https://aka.ms/datascience-beginners)
- [Strojové učení pro začátečníky](https://aka.ms/ml-beginners)
- [ML pro začátečníky](https://aka.ms/ml-beginners)
- [Kybernetická bezpečnost pro začátečníky](https://github.com/microsoft/Security-101)
- [Kybernetická bezpečnost pro začátečníky](https://github.com/microsoft/Security-101)
- [Webový vývoj pro začátečníky](https://aka.ms/webdev-beginners)
- [Webový vývoj pro začátečníky](https://aka.ms/webdev-beginners)
- [IoT pro začátečníky](https://aka.ms/iot-beginners)
- [IoT pro začátečníky](https://aka.ms/iot-beginners)
@ -159,5 +151,5 @@ Náš tým vytváří další osnovy! Podívejte se na:
---
---
**Upozornění**:
**Prohlášení**:
Tento dokument byl přeložen pomocí služby pro automatický překlad [Co-op Translator](https://github.com/Azure/co-op-translator). I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za závazný zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Nezodpovídáme za jakékoli nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.
Tento dokument byl přeložen pomocí služby pro automatický překlad [Co-op Translator](https://github.com/Azure/co-op-translator). I když se snažíme o co největší přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za závazný zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.
| ](./sketchnotes/00-Title.png)|
||
|:---:|
|:---:|
| Adattudomány kezdőknek - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
| Adattudomány kezdőknek - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
## Bejelentés - Új tananyag a generatív AI-ról!
### 🌐 Többnyelvű támogatás
Most jelentettünk meg egy 12 leckéből álló tananyagot a generatív AI-ról. Tanulj meg olyan dolgokat, mint:
#### Támogatott GitHub Action által (Automatikus és mindig naprakész)
Ahogy mindig, minden leckéhez tartozik feladat, tudásellenőrzés és kihívások.
**Ha további fordításokat szeretnél, a támogatott nyelvek listája [itt található](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Nézd meg:
#### Csatlakozz közösségünkhöz
[](https://discord.gg/kzRShWzttr)
> https://aka.ms/genai-beginners
# Diák vagy?
# Diák vagy?
Kezdd el az alábbi forrásokkal:
Kezdd el az alábbi forrásokkal:
- [Student Hub oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ezen az oldalon kezdő forrásokat, diákcsomagokat és akár ingyenes tanúsítvány-vouchert is találhatsz. Ez egy olyan oldal, amit érdemes könyvjelzőzni és időnként ellenőrizni, mivel havonta cseréljük a tartalmat.
- [Diákoknak szóló oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ezen az oldalon kezdő forrásokat, diákcsomagokat és akár ingyenes tanúsítvány vouchert is találhatsz. Érdemes ezt az oldalt könyvjelzőzni és időnként ellenőrizni, mivel havonta frissítjük a tartalmat.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz egy globális diák nagyköveti közösséghez, ez lehet az utad a Microsofthoz.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz egy globális diák nagyköveti közösséghez, ez lehet az utad a Microsofthoz.
# Kezdés
# Kezdés
> **Tanárok**: [néhány javaslatot is mellékeltünk](for-teachers.md) arra vonatkozóan, hogyan használhatjátok ezt a tananyagot. Örömmel fogadjuk visszajelzéseiteket [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Tanárok**: [néhány javaslatot](for-teachers.md) is mellékeltünk, hogyan használhatjátok ezt a tananyagot. Szívesen fogadjuk visszajelzéseiteket [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **[Diákok](https://aka.ms/student-page)**: ha önállóan szeretnéd használni ezt a tananyagot, forkold az egész repót, és végezd el a gyakorlatokat önállóan, kezdve az előzetes kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket úgy létrehozni, hogy megérted a leckéket, nem pedig a megoldáskódot másolod; azonban a kód elérhető a /solutions mappákban minden projektalapú leckénél. Egy másik ötlet az lehet, hogy tanulócsoportot alakítasz barátaiddal, és együtt haladtok a tartalommal. További tanulmányokhoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) platformot.
> **[Diákok](https://aka.ms/student-page)**: ha önállóan szeretnéd használni ezt a tananyagot, forkolj le az egész repót, és végezd el a gyakorlatokat, kezdve az előadások előtti kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket úgy létrehozni, hogy megérted a leckéket, ahelyett hogy lemásolnád a megoldás kódját; azonban a kód elérhető a /solutions mappákban minden projektorientált leckében. Egy másik ötlet lehet, hogy tanulócsoportot alakítasz barátaiddal, és együtt haladtok a tartalommal. További tanulmányokhoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) platformot.
## Ismerd meg a csapatot
## Ismerd meg a csapatot
@ -53,58 +50,57 @@ Kezdd el az alábbi forrásokkal:
> 🎥 Kattints a fenti képre egy videóért a projektről és azokról, akik létrehozták!
> 🎥 Kattints a fenti képre, hogy megnézd a projektet és azokat, akik létrehozták!
## Pedagógia
## Pedagógia
Két pedagógiai alapelvet választottunk a tananyag összeállításakor: biztosítani, hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok megtanulják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatok előkészítését, az adatokkal való munka különböző módjait, adatvizualizációt, adatelemzést, az adattudomány valós alkalmazásait és még sok mást.
Két pedagógiai alapelvet választottunk a tananyag kidolgozása során: biztosítani, hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok megtanulják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatelőkészítést, az adatokkal való különböző munkamódokat, adatvizualizációt, adatelemzést, az adattudomány valós alkalmazási eseteit és még sok mást.
Ezenkívül egy alacsony tétű kvíz az óra előtt beállítja a diák szándékát a téma tanulására, míg egy második kvíz az óra után biztosítja a további rögzülést. Ez a tananyag rugalmasnak és szórakoztatónak készült, és egészében vagy részben is elvégezhető. A projektek kicsiben kezdődnek, és a 10 hetes ciklus végére egyre összetettebbé válnak.
> Találd meg a [Magatartási kódexünket](CODE_OF_CONDUCT.md), [Hozzájárulási](CONTRIBUTING.md), [Fordítási](TRANSLATIONS.md) irányelveinket. Örömmel fogadjuk építő jellegű visszajelzéseidet!
## Minden lecke tartalmaz:
Ezenkívül egy alacsony tétű kvíz az óra előtt segít a diákoknak a téma iránti figyelem összpontosításában, míg egy második kvíz az óra után elősegíti a további rögzítést. Ez a tananyag rugalmasnak és szórakoztatónak készült, és egészében vagy részben is elvégezhető. A projektek kicsiben kezdődnek, és a 10 hetes ciklus végére egyre összetettebbé válnak.
> Találd meg a [Magatartási Kódexünket](CODE_OF_CONDUCT.md), a [Hozzájárulási útmutatót](CONTRIBUTING.md), és az [Fordítási irányelveket](TRANSLATIONS.md). Örömmel fogadjuk az építő jellegű visszajelzéseidet!
## Minden lecke tartalmazza:
- Opcionális sketchnote
- Opcionális vázlatrajz
- Opcionális kiegészítő videó
- Opcionális kiegészítő videó
- Előzetes bemelegítő kvíz
- Óra előtti bemelegítő kvíz
- Írásos lecke
- Írott lecke
- Projektalapú leckék esetén lépésről lépésre útmutató a projekt elkészítéséhez
- Projektalapú leckék esetén lépésről lépésre útmutató a projekt elkészítéséhez
- Tudásellenőrzések
- Tudásellenőrzések
- Kihívás
- Egy kihívás
- Kiegészítő olvasmány
- Kiegészítő olvasmány
- Feladat
- Feladat
- Utólagos kvíz
- [Óra utáni kvíz](https://ff-quizzes.netlify.app/en/)
> **Megjegyzés a kvízekről**: Minden kvíz a Quiz-App mappában található, összesen 40 darab három kérdéses kvíz. A leckékből hivatkozva érhetők el, de a kvíz alkalmazás helyileg futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a `quiz-app` mappában. Fokozatosan lokalizáljuk őket.
> **Megjegyzés a kvízekről**: Az összes kvíz a Quiz-App mappában található, összesen 40 darab, három kérdésből álló kvíz. A leckékből elérhetők, de a kvíz alkalmazás helyben futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a `quiz-app` mappában. Folyamatosan lokalizáljuk őket.
## Leckék
## Leckék
| ](./sketchnotes/00-Roadmap.png)|
| 01 | Az adattudomány meghatározása | [Bevezetés](1-Introduction/README.md) | Ismerd meg az adattudomány alapfogalmait, és hogyan kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és big data-hoz. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 01 | Az adattudomány meghatározása | [Bevezetés](1-Introduction/README.md) | Ismerd meg az adattudomány alapfogalmait, és hogy hogyan kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és a big data-hoz. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Az adattudomány etikája | [Bevezetés](1-Introduction/README.md) | Adatetikai fogalmak, kihívások és keretrendszerek. | [lecke](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 02 | Az adattudomány etikája | [Bevezetés](1-Introduction/README.md) | Adatetikával kapcsolatos fogalmak, kihívások és keretrendszerek. | [lecke](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 általános forrásait. | [lecke](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 03 | Az adatok meghatározása | [Bevezetés](1-Introduction/README.md) | Hogyan osztályozzuk az adatokat és azok gyakori forrásait. | [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 statisztika és valószínűség matematikai technikái az adatok megértéséhez. | [lecke](1-Introduction/04-stats-and-probability/README.md) [videó](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 04 | Bevezetés a statisztikába és valószínűségszámításba | [Bevezetés](1-Introduction/README.md) | A statisztika és valószínűségszámítás matematikai technikái az adatok megértéséhez. | [lecke](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 adatokba és az SQL (Structured Query Language) alapjaiba, amelyet „szí-kvell”-nek ejtünk. | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 05 | Relációs adatok kezelése | [Adatok kezelése](2-Working-With-Data/README.md) | Bevezetés a relációs adatokba és az SQL (Structured Query Language) alapjaiba, amelyet „szí-kvell”-nek ejtenek. | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL adatokkal való munka | [Adatokkal való munka](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, azok különböző típusai és a dokumentumadatbázisok alapjai. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 06 | NoSQL adatok kezelése | [Adatok kezelése](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, azok különböző típusai és dokumentumadatbázisok elemzésének alapjai. | [lecke](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) | Alapok a Python használatához az adatok feltárásában, például 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) |
| 07 | Python használata | [Adatok kezelése](2-Working-With-Data/README.md) | Alapok a Python használatához az adatok feltárásában, például 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 | [Adatokkal dolgozni](2-Working-With-Data/README.md) | Témák az adatok tisztításáról és átalakításáról, hogy kezelni lehessen a hiányzó, pontatlan vagy hiányos adatokat. | [lecke](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 08 | Adatok előkészítése | [Adatok kezelése](2-Working-With-Data/README.md) | Témák az adatok tisztításának és átalakításának technikáiról, hogy kezelni lehessen a hiányos, pontatlan vagy nem teljes adatokat. | [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 használhatod a Matplotlib-et madáradatok vizualizálására 🦆 | [lecke](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 09 | Mennyiségek vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Tanuld meg, hogyan használhatod a Matplotlib-et madáradatok vizualizálására 🦆 | [lecke](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Adateloszlások 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) |
| 10 | Adatok eloszlásának vizualizálása | [Adatok vizualizálása](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) | Kapcsolatok és korrelációk vizualizálása adathalmazok és azok változói között. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Kapcsolatok vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Kapcsolatok és korrelációk vizualizálása adathalmazok és azok változói között. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Jelentőségteljes vizualizációk | [Adatvizualizáció](3-Data-Visualization/README.md) | Technikák és útmutatók, amelyek segítenek értékes vizualizációkat készíteni hatékony problémamegoldás és betekintések érdekében. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Értékes vizualizációk | [Adatok vizualizálása](3-Data-Visualization/README.md) | Technikák és útmutatók, hogy vizualizációid hatékony problémamegoldásra és betekintésekre alkalmasak legyenek. | [lecke](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 annak első lépésébe, az adatok megszerzésébe és kinyerésébe. | [lecke](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 14 | Bevezetés az adattudomány életciklusába | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adattudomány életciklusába és annak első lépésébe, az adatok megszerzésébe és kinyerésébe. | [lecke](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 összpontosít. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatok elemzésének technikáira összpontosít. | [lecke](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 adatokból származó betekintések bemutatására összpontosít, hogy a döntéshozók számára könnyebben érthető legyen. | [lecke](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatokból származó betekintések bemutatására összpontosít, hogy a döntéshozók könnyebben megértsék azokat. | [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 adattudományt 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) |
| 17 | Adattudomány a felhőben | [Felhőadatok](5-Data-Science-In-Cloud/README.md) | Ez a leckesorozat bevezeti az adattudományt 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 alacsony kódú eszközökkel. |[lecke](5-Data-Science-In-Cloud/18-Low-Code/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 alacsony kódú 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) |
| 19 | Adattudomány a felhőben | [Felhőadatok](5-Data-Science-In-Cloud/README.md) | Modellek telepítése az Azure Machine Learning Studio-val. | [lecke](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
| 20 | Adattudomány a való világban | [Való világban](6-Data-Science-In-Wild/README.md) | Adattudomány által vezérelt projektek a való életben. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 20 | Adattudomány a való világban | [Való világban](6-Data-Science-In-Wild/README.md) | Adattudomány által vezérelt projektek a való életben. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
## GitHub Codespaces
@ -119,25 +115,21 @@ Kövesd az alábbi lépéseket, hogy megnyisd ezt a repót egy konténerben a he
1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (például telepítve van a Docker) a [kezdő dokumentációban](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (például telepítve van a Docker) a [kezdő dokumentációban](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
A repó használatához megnyithatod a repót egy izolált Docker kötetben:
A repót kétféleképpen használhatod:
**Megjegyzés**: A háttérben ez a Remote-Containers: **Clone Repository in Container Volume...** parancsot fogja használni, hogy a forráskódot egy Docker kötetben klónozza a helyi fájlrendszer helyett. [Kötetek](https://docs.docker.com/storage/volumes/) az ajánlott mechanizmus a konténer adatok megőrzésére.
**Megjegyzés**: A háttérben a Remote-Containers: **Clone Repository in Container Volume...** parancsot használja, hogy a forráskódot egy Docker kötetbe klónozza a helyi fájlrendszer helyett. A [kötetek](https://docs.docker.com/storage/volumes/) az adatok tárolásának preferált mechanizmusa.
Vagy megnyithatod a repó helyileg klónozott vagy letöltött verzióját:
Vagy megnyithatod a repó helyileg klónozott vagy letöltött verzióját:
- Klónozd ezt a repót a helyi fájlrendszeredre.
- Klónozd ezt a repót a helyi fájlrendszeredre.
- Nyomd meg az F1-et, és válaszd a **Remote-Containers: Open Folder in Container...** parancsot.
- Nyomd meg az F1-et, és válaszd a **Remote-Containers: Open Folder in Container...** parancsot.
- Válaszd ki ennek a mappának a klónozott példányát, várd meg, amíg a konténer elindul, és próbáld ki.
- Válaszd ki a klónozott mappát, várd meg, amíg a konténer elindul, és próbáld ki.
## Offline hozzáférés
## Offline hozzáférés
Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) segítségével. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépedre, majd a repó gyökérmappájában írd be: `docsify serve`. A weboldal a localhost 3000-es portján lesz elérhető: `localhost:3000`.
A dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) segítségével. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépedre, majd a repó gyökérmappájában írd be: `docsify serve`. A weboldal a localhost 3000-es portján lesz elérhető: `localhost:3000`.
> Megjegyzés: A jegyzetfüzetek nem lesznek megjelenítve a Docsify segítségével, így ha jegyzetfüzetet kell futtatnod, azt külön végezd el a VS Code-ban, Python kernel használatával.
## Segítségre van szükségünk!
Ha szeretnéd lefordítani a tananyagot részben vagy egészben, kövesd a [Fordítások](TRANSLATIONS.md) útmutatónkat.
> Megjegyzés: A jegyzetfüzetek nem jelennek meg a Docsify-ban, ezért ha jegyzetfüzetet kell futtatnod, azt külön tedd meg a VS Code-ban, Python kernel használatával.
## Egyéb tananyagok
## Egyéb tananyagok
@ -161,4 +153,4 @@ Csapatunk más tananyagokat is készít! Nézd meg:
---
---
**Felelősségkizárás**:
**Felelősségkizárás**:
Ezt a dokumentumot az [Co-op Translator](https://github.com/Azure/co-op-translator) AI fordítószolgáltatás segítségével fordítottuk le. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt professzionális, emberi fordítást igénybe venni. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy téves értelmezésekért.
Ez a dokumentum az [Co-op Translator](https://github.com/Azure/co-op-translator) AI fordítási szolgáltatás segítségével készült. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt a professzionális, emberi fordítás igénybevétele. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy téves értelmezésekért.
Azure Cloud Advocates katika Microsoft wanatoa mtaala wa wiki 10, masomo 20 kuhusu Sayansi ya Takwimu. Kila somo linajumuisha maswali ya kabla na baada ya somo, maelekezo ya maandishi ya kukamilisha somo, suluhisho, na kazi ya nyumbani. Mbinu yetu ya kujifunza kwa miradi inakuruhusu kujifunza huku ukijenga, njia iliyothibitishwa ya kuhakikisha ujuzi mpya unakaa.
Azure Cloud Advocates wa Microsoft wanatoa mtaala wa wiki 10, masomo 20 kuhusu Sayansi ya Takwimu. Kila somo linajumuisha maswali ya awali na ya baada ya somo, maelekezo ya maandishi ya kukamilisha somo, suluhisho, na kazi ya nyumbani. Mbinu yetu ya kujifunza kwa miradi inakuruhusu kujifunza huku ukijenga, njia iliyothibitishwa ya kuhakikisha ujuzi mpya unakaa.
## Tangazo - Mtaala Mpya wa AI ya Kizazi Umetolewa!
||
|:---:|
| Sayansi ya Takwimu kwa Kompyuta - _Sketchnote na [@nitya](https://twitter.com/nitya)_ |
Tumetoa mtaala wa masomo 12 kuhusu AI ya kizazi. Jifunze mambo kama:
### 🌐 Msaada wa Lugha Nyingi
- Uhandisi wa maelekezo
#### Inasaidiwa kupitia GitHub Action (Imefanywa Kiotomatiki & Daima Inaendelea)
- Uundaji wa programu za maandishi na picha
- Programu za utafutaji
Kama kawaida, kuna somo, kazi za kukamilisha, ukaguzi wa maarifa na changamoto.
**Ikiwa ungependa lugha zaidi ziongezwe, orodha ya lugha zinazosaidiwa inapatikana [hapa](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
> https://aka.ms/genai-beginners
#### Jiunge na Jamii Yetu
[](https://discord.gg/kzRShWzttr)
# Je, wewe ni mwanafunzi?
# Je, wewe ni mwanafunzi?
@ -39,77 +40,83 @@ Anza na rasilimali zifuatazo:
# Kuanza
# Kuanza
> **Walimu**: tumetoa [mapendekezo kadhaa](for-teachers.md) ya jinsi ya kutumia mtaala huu. Tunapenda maoni yako [katika jukwaa letu la majadiliano](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Walimu**: tumetoa [mapendekezo kadhaa](for-teachers.md) ya jinsi ya kutumia mtaala huu. Tunapenda maoni yako [kwenye jukwaa letu la majadiliano](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **[Wanafunzi](https://aka.ms/student-page)**: ili kutumia mtaala huu peke yako, fanya nakala ya repo nzima na ukamilishe mazoezi peke yako, ukianza na jaribio la kabla ya somo. Kisha soma somo na ukamilishe shughuli nyingine. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo, msimbo huo unapatikana katika folda za /solutions katika kila somo linalohusiana na mradi. Wazo jingine ni kuunda kikundi cha kujifunza 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).
> **[Wanafunzi](https://aka.ms/student-page)**: ili kutumia mtaala huu peke yako, fanya nakala ya repo nzima na ukamilishe mazoezi peke yako, ukianza na jaribio la awali la somo. Kisha soma somo na ukamilishe shughuli nyingine zote. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo, msimbo huo unapatikana kwenye folda za /solutions katika kila somo linalohusiana na mradi. Wazo jingine ni kuunda kikundi cha kujifunza 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).
## Kutana na Timu
## Kutana na Timu
> 🎥 Bofya picha hapo juu kwa video kuhusu mradi na watu waliouunda!
Tumechagua kanuni mbili za kufundisha wakati wa kuunda mtaala huu: kuhakikisha kuwa ni wa miradi na kwamba unajumuisha maswali ya mara kwa mara. Mwisho wa mfululizo huu, wanafunzi watakuwa wamejifunza kanuni za msingi za sayansi ya takwimu, ikiwa ni pamoja na dhana za kimaadili, maandalizi ya takwimu, njia tofauti za kufanya kazi na takwimu, uwasilishaji wa takwimu, uchambuzi wa takwimu, matumizi halisi ya sayansi ya takwimu, na zaidi.
> 🎥 Bofya picha hapo juu kwa video kuhusu mradi na watu waliouunda!
Aidha, jaribio la hatari ndogo kabla ya darasa huweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya darasa linahakikisha uhifadhi zaidi. Mtaala huu uliundwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa ukamilifu au kwa sehemu. Miradi huanza kwa ndogo na kuwa ngumu zaidi mwishoni mwa mzunguko wa wiki 10.
## Mbinu ya Kujifunza
> Pata [Kanuni za Maadili](CODE_OF_CONDUCT.md), [Mchango](CONTRIBUTING.md), [Miongozo ya Tafsiri](TRANSLATIONS.md). Tunakaribisha maoni yako ya kujenga!
Tumetumia kanuni mbili za kielimu wakati wa kuunda mtaala huu: kuhakikisha kuwa ni wa msingi wa miradi na kwamba unajumuisha maswali ya mara kwa mara. Mwisho wa mfululizo huu, wanafunzi watakuwa wamejifunza kanuni za msingi za sayansi ya takwimu, ikiwa ni pamoja na dhana za kimaadili, maandalizi ya takwimu, njia tofauti za kufanya kazi na takwimu, uwasilishaji wa takwimu, uchambuzi wa takwimu, matumizi halisi ya sayansi ya takwimu, na zaidi.
Zaidi ya hayo, jaribio la awali la somo lenye shinikizo la chini linaweka nia ya mwanafunzi kuelekea kujifunza mada, wakati jaribio la pili baada ya somo linahakikisha uhifadhi zaidi. Mtaala huu uliundwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa ukamilifu au kwa sehemu. Miradi huanza kwa urahisi na kuwa ngumu zaidi mwishoni mwa mzunguko wa wiki 10.
> Pata [Kanuni za Maadili](CODE_OF_CONDUCT.md), [Mchango](CONTRIBUTING.md), [Mwongozo wa Tafsiri](TRANSLATIONS.md). Tunakaribisha maoni yako ya kujenga!
## Kila somo linajumuisha:
## Kila somo linajumuisha:
- Sketchnote ya hiari
- Sketchnote ya hiari
- Video ya ziada ya hiari
- Video ya ziada ya hiari
- Jaribio la joto la kabla ya somo
- Jaribio la maswali ya awali ya somo
- Somo la maandishi
- Somo lililoandikwa
- Kwa masomo yanayohusiana na miradi, mwongozo wa hatua kwa hatua wa jinsi ya kujenga mradi
- Kwa masomo yanayozingatia miradi, mwongozo wa hatua kwa hatua wa jinsi ya kujenga mradi
- Ukaguzi wa maarifa
- Ukaguzi wa maarifa
- Changamoto
- Changamoto
- Usomaji wa ziada
- Usomaji wa ziada
- Kazi ya nyumbani
- Kazi ya nyumbani
- Jaribio la baada ya somo
- [Jaribio la maswali baada ya somo](https://ff-quizzes.netlify.app/en/)
> **Kuhusu maswali ya jaribio**: Maswali yote ya jaribio yamejumuishwa katika folda ya Quiz-App, kwa jumla ya maswali 40 ya jaribio yenye maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo, lakini programu ya jaribio inaweza kuendeshwa ndani au kupelekwa Azure; fuata maelekezo katika folda ya `quiz-app`. Yanatafsiriwa polepole.
> **Maelezo kuhusu majaribio**: Majaribio yote yamewekwa kwenye folda ya Quiz-App, jumla ya majaribio 40 yenye maswali matatu kila moja. Yameunganishwa kutoka ndani ya masomo, lakini programu ya jaribio inaweza kuendeshwa kwa ndani au kupelekwa kwenye Azure; fuata maelekezo kwenye folda ya `quiz-app`. Yanatafsiriwa hatua kwa hatua.
## Masomo
## Masomo
||
|:---:|
| Sayansi ya Takwimu kwa Anayeanza: Ramani ya Njia - _Sketchnote na [@nitya](https://twitter.com/nitya)_ |
| Namba ya Somo | Mada | Kundi la Somo | Malengo ya Kujifunza | Somo Lililounganishwa | Mwandishi |
| Namba ya Somo | Mada | Kundi la Somo | Malengo ya Kujifunza | Somo Lililounganishwa | Mwandishi |
| 01 | Kufafanua Sayansi ya Takwimu | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi za sayansi ya takwimu na jinsi inavyohusiana na akili bandia, ujifunzaji wa mashine, na takwimu kubwa. | [somo](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 01 | Kufafanua Sayansi ya Takwimu | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi za sayansi ya takwimu 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 Takwimu | [Utangulizi](1-Introduction/README.md) | Dhana za Maadili ya Takwimu, Changamoto na Mfumo. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 02 | Maadili ya Sayansi ya Takwimu | [Utangulizi](1-Introduction/README.md) | Dhana za Maadili ya Data, Changamoto na Mfumo. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Kufafanua Takwimu | [Utangulizi](1-Introduction/README.md) | Jinsi takwimuzinavyogawanywa na vyanzo vyake vya kawaida. | [somo](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 03 | Kufafanua Data | [Utangulizi](1-Introduction/README.md) | Jinsi data inavyogawanywa 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 ili kuelewa takwimu. | [somo](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 04 | Utangulizi wa Takwimu na Uwezekano | [Utangulizi](1-Introduction/README.md) | Mbinu za kihesabu za uwezekano na takwimu ili kuelewa data. | [somo](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Kufanya Kazi na Takwimu za Uhusiano | [Kufanya Kazi na Takwimu](2-Working-With-Data/README.md) | Utangulizi wa takwimu za uhusiano na misingi ya kuchunguza na kuchambua takwimu za uhusiano kwa kutumia Structured Query Language, inayojulikana kama SQL. | [somo](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 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 ya Muundo wa Maswali, inayojulikana 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 Takwimu za NoSQL | [Kufanya Kazi na Takwimu](2-Working-With-Data/README.md) | Utangulizi wa takwimu zisizo za 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)|
| 06 | Kufanya Kazi na Data 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 Takwimu](2-Working-With-Data/README.md) | Misingi ya kutumia Python kwa uchunguzi wa takwimu kwa kutumia maktaba kama Pandas. Uelewa wa msingi wa programu ya Python unapendekezwa. | [somo](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 07 | Kufanya Kazi na Python | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Misingi ya kutumia Python kwa uchunguzi wa data kwa kutumia maktaba kama Pandas. Uelewa wa msingi wa programu ya Python unapendekezwa. | [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 ili kushughulikia changamoto za data iliyokosekana, isiyo sahihi, au isiyo kamili. | [somu](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 08 | Maandalizi ya Data | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Mada kuhusu mbinu za data za kusafisha na kubadilisha data ili kushughulikia changamoto za data iliyokosekana, isiyo sahihi, au isiyo kamili. | [somo](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kuonyesha Kiasi | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Jifunze jinsi ya kutumia Matplotlib kuonyesha data ya ndege 🦆 | [somu](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 09 | Kuonyesha Kiasi | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Jifunze jinsi ya kutumia Matplotlib kuonyesha data ya ndege 🦆 | [somo](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Kuonyesha Usambazaji wa Data | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uchunguzi na mwenendo ndani ya muda maalum. | [somu](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Kuonyesha Usambazaji wa Data | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uchunguzi na mitindo ndani ya muda maalum. | [somo](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Kuonyesha Uwiano | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha asilimia za makundi na za pekee. | [somu](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Kuonyesha Uwiano | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha asilimia za makundi na za pekee. | [somo](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Kuonyesha Mahusiano | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uhusiano na mfanano kati ya seti za data na vigezo vyake. | [somu](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Kuonyesha Mahusiano | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uhusiano na ulinganifu kati ya seti za data na vigezo vyake. | [somo](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Uonyeshaji wa Maana | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Mbinu na mwongozo wa kufanya uonyeshaji wako kuwa wa thamani kwa utatuzi wa matatizo na kupata maarifa. | [somu](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Uonyeshaji wa Maana | [Uonyeshaji wa Data](3-Data-Visualization/README.md) | Mbinu na mwongozo wa kufanya uonyeshaji wako kuwa wa thamani kwa utatuzi wa matatizo na ufahamu bora. | [somo](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Utangulizi wa Mzunguko wa Sayansi ya Data | [Mzunguko](4-Data-Science-Lifecycle/README.md) | Utangulizi wa mzunguko wa sayansi ya data na hatua yake ya kwanza ya kupata na kutoa data. | [somu](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 14 | Utangulizi wa Mzunguko wa Maisha wa Sayansi ya Takwimu | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Utangulizi wa mzunguko wa maisha wa sayansi ya takwimu 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](4-Data-Science-Lifecycle/README.md) | Hatua hii ya mzunguko wa sayansi ya data inazingatia mbinu za kuchambua data. | [somu](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 15 | Kuchambua | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha wa sayansi ya takwimu inazingatia mbinu za kuchambua data. | [somo](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Mawasiliano | [Mzunguko](4-Data-Science-Lifecycle/README.md) | Hatua hii ya mzunguko wa sayansi ya data inazingatia kuwasilisha maarifa kutoka kwa data kwa njia inayorahisisha maamuzi kwa watoa maamuzi. | [somu](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 16 | Mawasiliano | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha wa sayansi ya takwimu inazingatia kuwasilisha ufahamu kutoka kwa data kwa njia inayorahisisha watunga 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 unatoa utangulizi wa sayansi ya data katika wingu na faida zake. | [somu](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 17 | Sayansi ya Takwimu katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Mfululizo huu wa masomo unatoa utangulizi wa sayansi ya takwimu 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) | Kufundisha mifano kwa kutumia zana za Low Code. | [somu](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 18 | Sayansi ya Takwimu katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Kufundisha mifano 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) | Kuweka mifano kwa Azure Machine Learning Studio. | [somu](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) na [Maud](https://twitter.com/maudstweets) |
| 19 | Sayansi ya Takwimu katika Wingu | [Data ya Wingu](5-Data-Science-In-Cloud/README.md) | Kuweka mifano kwa 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 Mazingira Halisi | [Katika Mazingira Halisi](6-Data-Science-In-Wild/README.md) | Miradi inayotokana na sayansi ya data katika ulimwengu halisi. | [somu](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 20 | Sayansi ya Takwimu katika Mazingira Halisi | [Katika Mazingira Halisi](6-Data-Science-In-Wild/README.md) | Miradi inayotokana na sayansi ya takwimu katika ulimwengu halisi. | [somo](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
## GitHub Codespaces
Fuata hatua hizi kufungua mfano huu katika Codespace:
Fuata hatua hizi kufungua sampuli hii katika Codespace:
1. Bonyeza menyu ya kushuka ya Code na uchague chaguo la Open with Codespaces.
1. Bonyeza menyu ya kushuka ya Code na uchague chaguo la Open with Codespaces.
2. Chagua + New codespace chini ya paneli.
2. Chagua + New codespace chini ya paneli.
Kwa maelezo zaidi, angalia [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Kwa maelezo zaidi, angalia [dokumentesheni ya GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
## VSCode Remote - Containers
Fuata hatua hizi kufungua repo hii katika kontena ukitumia mashine yako ya ndani na VSCode kwa kutumia kiendelezi cha VS Code Remote - Containers:
Fuata hatua hizi kufungua repo hii katika kontena ukitumia mashine yako ya ndani na VSCode ukitumia kiendelezi cha VS Code Remote - Containers:
1. Ikiwa ni mara yako ya kwanza kutumia kontena la maendeleo, tafadhali hakikisha mfumo wako unakidhi mahitaji ya awali (yaani, kuwa na Docker iliyosakinishwa) katika [nyaraka za kuanza](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Ikiwa ni mara yako ya kwanza kutumia kontena la maendeleo, tafadhali hakikisha mfumo wako unakidhi mahitaji ya awali (yaani, kuwa na Docker iliyosakinishwa) katika [dokumentesheni ya kuanza](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Kutumia repo hii, unaweza kufungua repo katika hifadhi ya Docker iliyotengwa:
Ili kutumia repo hii, unaweza kufungua repo katika hifadhi ya Docker iliyotengwa:
**Kumbuka**: Kwa ndani, hii itatumia Remote-Containers: **Clone Repository in Container Volume...** amri ya kunakili msimbo wa chanzo katika hifadhi ya Docker badala ya mfumo wa faili wa ndani. [Hifadhi](https://docs.docker.com/storage/volumes/) ni njia inayopendekezwa ya kuhifadhi data ya kontena.
**Kumbuka**: Chini ya kapoti, hii itatumia Remote-Containers: **Clone Repository in Container Volume...** amri ya kunakili msimbo wa chanzo katika hifadhi ya Docker badala ya mfumo wa faili wa ndani. [Hifadhi](https://docs.docker.com/storage/volumes/) ni njia inayopendekezwa ya kuhifadhi data ya kontena.
Au fungua nakala iliyopakuliwa au iliyoklonwa ya repo:
Au fungua nakala iliyopakuliwa au iliyoklonwa ya repo:
@ -119,34 +126,30 @@ Au fungua nakala iliyopakuliwa au iliyoklonwa ya repo:
## Ufikiaji wa Nje ya Mtandao
## Ufikiaji wa Nje ya Mtandao
Unaweza kuendesha nyaraka hizi nje ya mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Kloni repo hii, [sakinisha Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha katika folda ya mizizi ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: `localhost:3000`.
Unaweza kuendesha dokumentesheni hii nje ya mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Kloni repo hii, [sakinisha Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha kwenye folda ya mizizi ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye bandari ya 3000 kwenye localhost yako: `localhost:3000`.
> Kumbuka, daftari hazitaonyeshwa kupitia Docsify, kwa hivyo unapotaka kuendesha daftari, fanya hivyo kando katika VS Code ukitumia kernel ya Python.
> Kumbuka, daftari hazitaonyeshwa kupitia Docsify, kwa hivyo unapotaka kuendesha daftari, fanya hivyo kando katika VS Code ukitumia kernel ya Python.
## Msaada Unahitajika!
Ikiwa ungependa kutafsiri sehemu au yote ya mtaala, tafadhali fuata mwongozo wetu wa [Tafsiri](TRANSLATIONS.md).
## Mitaala Mingine
## Mitaala Mingine
Timu yetu inazalisha mitaala mingine! Angalia:
Timu yetu inazalisha mitaala mingine! Angalia:
- [Generative AI kwa Kompyuta](https://aka.ms/genai-beginners)
- [Generative AI kwa Anayeanza](https://aka.ms/genai-beginners)
- [Generative AI kwa Kompyuta .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generative AI kwa Anayeanza .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generative AI na JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generative AI na JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generative AI na Java](https://aka.ms/genaijava)
- [Generative AI na Java](https://aka.ms/genaijava)
- [AI kwa Kompyuta](https://aka.ms/ai-beginners)
- [AI kwa Anayeanza](https://aka.ms/ai-beginners)
- [Sayansi ya Data kwa Kompyuta](https://aka.ms/datascience-beginners)
- [Sayansi ya Takwimu kwa Anayeanza](https://aka.ms/datascience-beginners)
- [ML kwa Kompyuta](https://aka.ms/ml-beginners)
- [ML kwa Anayeanza](https://aka.ms/ml-beginners)
- [Usalama wa Mtandao kwa Kompyuta](https://github.com/microsoft/Security-101)
- [Usalama wa Mtandao kwa Anayeanza](https://github.com/microsoft/Security-101)
- [Web Dev kwa Kompyuta](https://aka.ms/webdev-beginners)
- [Web Dev kwa Anayeanza](https://aka.ms/webdev-beginners)
- [IoT kwa Kompyuta](https://aka.ms/iot-beginners)
- [IoT kwa Anayeanza](https://aka.ms/iot-beginners)
- [Maendeleo ya XR kwa Kompyuta](https://github.com/microsoft/xr-development-for-beginners)
- [Maendeleo ya XR kwa Anayeanza](https://github.com/microsoft/xr-development-for-beginners)
- [Kumiliki GitHub Copilot kwa Uprogramu wa Pamoja](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [Kumiliki GitHub Copilot kwa Programu ya Pamoja](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [Kumiliki GitHub Copilot kwa Waendelezaji wa C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [Kumiliki GitHub Copilot kwa Waendelezaji wa C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [Chagua Safari Yako ya Copilot](https://github.com/microsoft/CopilotAdventures)
- [Chagua Maendeleo Yako ya Copilot](https://github.com/microsoft/CopilotAdventures)
---
---
**Kanusho**:
**Kanusho**:
Hati hii imetafsiriwa kwa kutumia huduma ya kutafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kwa usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati ya asili katika lugha yake ya awali inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatutawajibika kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kwa usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati asili katika lugha yake ya awali inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, inashauriwa kutumia huduma ya tafsiri ya kibinadamu ya kitaalamu. Hatutawajibika kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.
leestott
3 weeks ago
committed by
GitHub