[](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)
Azure Cloud Advocates v Microsoft mají radost, že mohou nabídnout 10týdenní osnovu, která obsahuje 20 lekcí věnovaných datové vědě. Každá lekce zahrnuje kvízy před a po lekci, psané pokyny k dokončení lekce, řešení a úkol. Naše projektově orientovaná pedagogika vám umožňuje učit se při tvorbě, což je osvědčený způsob, jak nové dovednosti "zůstanou".
Zástupci Azure Cloud ve společnosti Microsoft s potěšením představují desetitýdenní, dvacetilekční učební plán zaměřený na Data Science. Každá lekce obsahuje kvízy před lekcí a po lekci, psaný návod k dokončení lekce, řešení a úkol. Náš projektově orientovaný způsob výuky umožňuje učit se při tvorbě projektů, což je osvědčený způsob, jak si nové dovednosti skutečně osvojit.
> Tento repozitář zahrnuje více než 50 jazykových překladů, což výrazně zvětšuje velikost stahování. Pro klonování bez překladů použijte sparse checkout:
> Tento repozitář obsahuje více než 50 jazykových překladů, což výrazně zvyšuje velikost stahování. Pro klonování bez překladů použijte sparse checkout:
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> To vám poskytne vše potřebné k dokončení kurzu s mnohem rychlejším stažením.
> Toto vám zajistí vše potřebné k dokončení kurzu s mnohem rychlejším stažením.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Pokud si přejete podpořit další jazyky, podporované jazyky jsou uvedeny [zde](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Pokud si přejete mít podporu dalších jazyků, podporované jazyky najdete [zde](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Máme probíhající řadu Learn with AI na Discordu, dozvíte se více a připojte se k nám na [Learn with AI Series](https://aka.ms/learnwithai/discord) v době od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro datovou vědu.
Máme probíhající sérii Learn with AI na Discordu, 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 používání GitHub Copilot pro Data Science.
@ -59,72 +59,72 @@ Máme probíhající řadu Learn with AI na Discordu, dozvíte se více a připo
Začněte s následujícími zdroji:
- [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 rozhodně uložte mezi záložky 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 k celosvětové komunitě studentských velvyslanců, může to být vaše cesta do Microsoftu.
- [Stránka Studentského centra](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 určitě uložte mezi záložky a občas ji zkontrolujte, protože obsah obměňujeme alespoň jednou měsíčně.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Přidejte se k mezinárodní komunitě studentských ambasadorů, může to být vaše cesta do Microsoftu.
# Začínáme
## 📚 Dokumentace
- **[Instalační příručka](INSTALLATION.md)** - Krok za krokem nastavení pro začátečníky
- **[Průvodce používáním](USAGE.md)** - Příklady a běžné pracovní postupy
- **[Řešení problémů](TROUBLESHOOTING.md)** - Řešení běžných problémů
- **[Příručka přispívání](CONTRIBUTING.md)** - Jak přispět do tohoto projektu
- **[Pro učitele](for-teachers.md)** - Doporučení k výuce a materiály do výuky
- **[Instalační příručka](INSTALLATION.md)** – Podrobné pokyny k nastavení pro začátečníky
- **[Příručka k použití](USAGE.md)** – Příklady a běžné pracovní postupy
- **[Řešení problémů](TROUBLESHOOTING.md)** – Řešení běžných problémů
- **[Příručka přispívání](CONTRIBUTING.md)** – Jak přispět do tohoto projektu
- **[Pro učitele](for-teachers.md)** – Pokyny k výuce a zdroje pro třídu
## 👨🎓 Pro studenty
> **Úplní začátečníci**: Jste noví v datové vědě? Začněte s našimi [příklady přátelskými pro začátečníky](examples/README.md)! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy před tím, než se do osnovy ponoříte.
> **[Studenti](https://aka.ms/student-page)**: Chcete-li tento kurz využít sami, forknete celý repozitář a samostatně dokončete cvičení, začínající přednáškovým kvízem. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se projekty vytvářet tak, že pochopíte lekce, místo abyste pouze kopírovali řešení; však tyto kódy jsou k dispozici v /solutions složkách v každé lekci orientované na projekt. Dalším nápadem 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).
> **Úplní začátečníci**: Jste v oblasti data science nováčkem? Začněte s našimi [příklady vhodnými pro začátečníky](examples/README.md)! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy ještě před tím, než se pustíte do celého učebního plánu.
> **[Studenti](https://aka.ms/student-page)**: abyste mohli tento učební plán využívat sami, naklonujte celý repozitář a vypracujte úkoly samostatně, počínaje kvízem před přednáškou. Pak si přečtěte přednášku a dokončete zbývající aktivity. Snažte se projekty vytvářet tak, že lekce pochopíte, místo pouhého 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 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).
**Rychlý start:**
1. Podívejte se na [Instalační příručku](INSTALLATION.md) k nastavení svého prostředí
2. Prohlédněte si [Průvodce používáním](USAGE.md), abyste se naučili, jak s osnovou pracovat
1. Podívejte se do [Instalační příručky](INSTALLATION.md) pro nastavení vašeho prostředí
2. Prostudujte [Příručku k použití](USAGE.md), jak pracovat s učebním plánem
3. Začněte Lekcí 1 a pokračujte postupně
4. Připojte se k naší [komunitě na Discordu](https://aka.ms/ds4beginners/discord) pro podporu
4. Přidejte se k naší [Discord komunitě](https://aka.ms/ds4beginners/discord) pro podporu
## 👩🏫 Pro učitele
> **Učitelé**: přidali jsme [několik návrhů](for-teachers.md), jak tuto osnovu používat. Rádi uvítáme vaše připomínky [v našem diskusním fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Učitelé**: zahrnuli jsme [některá doporučení](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)!
> 🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!
> 🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří jej vytvořili!
## Pedagogika
Při tvorbě této učební osnovy jsme zvolili dvě pedagogické zásady: zajistit, aby byl kurz založen na projektech a aby obsahoval 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, praktických případů použití datové vědy a další.
Při tvorbě této kurikula jsme zvolili dvě pedagogické zásady: zajistit, aby bylo založeno na projektech, a aby obsahovalo 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 dalších.
Navíc nízkorizikový kvíz před lekcí nastavuje záměr studenta k učení daného tématu, zatímco druhý kvíz po lekci zajišťuje lepší zapamatování. Tento kurz byl navržen tak, aby byl flexibilní a zábavný a může být absolvován celý nebo jen jeho část. Projekty začínají malé a postupně se během 10týdenního cyklu stávají složitějšími.
Navíc nízkorizikový kvíz před hodinou nastavuje záměr studenta učit se dané téma, zatímco druhý kvíz po hodině zajišťuje lepší zapamatování. Toto kurikulum je navrženo tak, aby bylo flexibilní a zábavné a může být absolvováno celé nebo částečně. Projekty začínají malé a postupně se ve 10týdenním cyklu stávají složitějšími.
- [Kvíz po lekci](https://ff-quizzes.netlify.app/en/)
> **Poznámka k učebním kvízům**: Všechny kvízy jsou obsaženy ve složce Quiz-App, kde je celkem 40 kvízů po třech otázkách. Jsou propojeny v rámci lekcí, ale kvízovou aplikaci lze spustit lokálně nebo nasadit do Azure; postupujte podle pokynů ve složce `quiz-app`. Postupně jsou lokalizovány.
> **Poznámka ke kvízům**: Všechny kvízy jsou v složce Quiz-App, je jich celkem 40, každý s třemi otázkami. Jsou propojeny z lekcí, ale kvízovou aplikaci lze spustit lokálně nebo nasadit na Azure; následujte instrukce ve složce `quiz-app`. Postupně se překládají.
## 🎓 Příklady vhodné pro začátečníky
## 🎓 Příklady přátelské k začátečníkům
**Jste v datové vědě nováčkem?** Vytvořili jsme speciální [adresář s příklady](examples/README.md) s jednoduchým, dobře okomentovaným kódem, který vám pomůže začít:
**Jste nový v datové vědě?** Vytvořili jsme speciální [adresář příkladů](examples/README.md) s jednoduchým, dobře okomentovaným 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 najděte vzory
- 🌟 **Hello World** - Váš první program pro datovou vědu
- 📂 **Načítání dat** - Naučte se číst a prozkoumávat datové sady
- 📊 **Jednoduchá analýza** - Spočítejte statistiky a objevte vzory
- 📈 **Základní vizualizace** - Vytvářejte grafy a diagramy
- 🔬 **Projekt ze skutečného světa** - Kompletní workflow od začátku do konce
- 🔬 **Projekt z reálného světa** - Kompletní pracovní postup od začátku do konce
Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, což je ideální pro úplné začátečníky!
@ -133,83 +133,83 @@ Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, c
| 01 | Definice datové vědy | [Úvod](1-Introduction/README.md) | Naučte se základní koncepty datové vědy a jak souvisí 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) |
| Číslo lekce | Téma | Skupina lekcí | Cíle učení | Propojená lekce | Autor |
| 01 | Definování datové vědy | [Úvod](1-Introduction/README.md) | Naučte se základní pojmy datové vědy 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) |
| 03 | Definice 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) |
| 05 | Práce s relačními daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do relačních dat a základy průzkumu a analýzy relačních dat za pomocí strukturovaného dotazovacího jazyka, známého jako SQL (vyslovováno „ess-kyu-el“). | [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 průzkumu a analýzy dokumentových databází. | [lekce](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 05 | Práce s relačními daty | [Práce s daty](2-Working-With-Data/README.md) | Úvod do relačních dat a základy průzkumu a analýzy relačních dat pomocí strukturovaného dotazovacího jazyka, známého jako SQL (vyslovuje se "ess-kju-el"). | [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 průzkumu 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) | Témata o technikách vyčištění 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) |
| 09 | Vizualizace množství | [Vizualizace dat](3-Data-Visualization/README.md) | Naučte se, jak používat Matplotlib k vizualizaci dat ptáků 🦆 | [lekce](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 08 | Příprava dat | [Práce s daty](2-Working-With-Data/README.md) | Témata týkající se technik 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 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 rady, jak udělat vaše vizualizace hodnotnými 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) |
| 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 bylo snazší je pochopit rozhodovacím orgánům. | [lekce](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) |
| 13 | Smysluplné vizualizace | [Vizualizace dat](3-Data-Visualization/README.md) | Techniky a návody, jak učinit vaše vizualizace hodnotnými 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 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) | | |
| 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 bylo snazší je pochopit rozhodovacím orgánům. | [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) | Trénink 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 | [Cloud 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 terénu | [V terénu](6-Data-Science-In-Wild/README.md) | Projekty poháněné datovou vědou ve skutečném světě. | [lekce](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 18 | Datová věda v cloudu | [Cloud 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 | [Cloud 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 | [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 vzoru v Codespace:
1. Klikněte na rozbalovací nabídku Kód a vyberte možnost Otevřít v Codespaces.
2. Vyberte + Nový codespace ve spodní části panelu.
Další informace naleznete v [dokumentaci GitHubu](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
1. Klikněte na rozbalovací menu Code a vyberte možnost Open with Codespaces.
2. Vyberte + New codespace v dolní části panelu.
Pro více informací se podívejte na [dokumentaci GitHubu](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho místního počítače a VSCode pomocí rozšíření 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 poprvé používáte vývojový kontejner, ujistěte se, že váš systém splňuje požadavky (například máte nainstalovaný Docker) v [dokumentaci pro začátečníky](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje požadavky (tzn. máte 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 volume:
Pro použití tohoto repozitáře můžete repozitář otevřít v izolovaném Docker svazku:
**Poznámka**: Pod kapotou se 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 uchovávání dat kontejneru.
**Poznámka**: Pod pokličkou toto používá příkaz Remote-Containers: **Clone Repository in Container Volume...** pro klonování zdrojového kódu do Docker svazku místo lokálního souborového systému. [Svazky](https://docs.docker.com/storage/volumes/) jsou preferovaným mechanismem pro perzistenci dat kontejneru.
Nebo otevřete lokálně klonovanou nebo staženou verzi repozitáře:
Nebo otevřete lokálně klonovanou či staženou verzi repozitáře:
- Naklonujte tento repozitář do svého místního souborového systému.
- 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.
- Vyberte naklonovanou kopii této složky, počkejte, až se kontejner spustí, a vyzkoušejte to.
## Offline přístup
Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Forkněte tento repozitář, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na svůj místní počítač, poté v kořenové složce tohoto repozitáře zadejte `docsify serve`. Webová stránka bude dostupná na portu 3000 na vašem localhostu: `localhost:3000`.
Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Vytvořte fork tohoto repozitáře, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na svůj počítač, pak v kořenové složce tohoto repozitáře zadejte `docsify serve`. Web bude dostupný na portu 3000 na vašem localhostu: `localhost:3000`.
> Poznámka, notebooky nebudou vykresleny přes Docsify, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code, kde běží Python kernel.
> Poznámka, zápisníky (notebooks) nebudou renderovány přes Docsify, takže pokud potřebujete notebook spustit, dělejte to zvlášť ve VS Code s Python kernelem.
## Další kurzy
## Jiná kurikula
Náš tým vytváří další kurikula! Podívejte se na:
Náš tým tvoří i další kurikula! Podívejte se:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / Agenti
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Sérii Generativní AI
[](https://github.com/microsoft/generative-ai-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)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
@ -220,7 +220,7 @@ Náš tým vytváří další kurikula! Podívejte se na:
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://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)
@ -230,18 +230,18 @@ Náš tým vytváří další kurikula! Podívejte se na:
### Série Copilot
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
**Narážíte na problémy?** Podívejte se na náš [Průvodce řešením problémů](TROUBLESHOOTING.md) pro řešení běžných potíží.
**Setkáváte se s problémy?** Podívejte se na náš [Průvodce odstraňováním problémů](TROUBLESHOOTING.md) pro řešení běžných problémů.
Pokud se zaseknete nebo máte jakékoli otázky ohledně vytváření AI aplikací. Připojte se k ostatním studentům a zkušeným vývojářům k diskuzím o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti jsou sdíleny volně.
Pokud uvíznete nebo máte jakékoli dotazy ohledně vytváření AI aplikací, připojte se k dalším studentům a zkušeným vývojářům v diskusích o MCP. Je to podporující komunita, kde jsou otázky vítány a znalosti jsou sdíleny volně.
@ -249,5 +249,5 @@ Pokud máte zpětnou vazbu k produktu nebo chyby při tvorbě navštivte:
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Upozornění**:
Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). I když usilujeme o přesnost, vezměte prosím na vědomí, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro zásadní informace se doporučuje profesionální lidský překlad. Neručíme za jakékoli nedorozumění nebo nesprávné výklady 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 automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Nejsme zodpovědní za žádné nedorozumění či chybné interpretace vzniklé z použití 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 tananyagot az adattudomány témakörében. Minden lecke tartalmaz elő- és utóteszteket, írott útmutatót a lecke elvégzéséhez, megoldást és feladatot. Projekt-alapú tanítási módszerünknek köszönhetően építés közben tanulsz, ami bizonyítottan hatékony módja az új készségek elsajátításának.
A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot, amely kizárólag az adattudománnyal foglalkozik. Minden leckéhez tartozik elő- és utóteszt, írásos utasítások a lecke elvégzéséhez, megoldás és egy feladat. Projektalapú oktatásunk lehetővé teszi, hogy tanulj miközben építesz, ami bevált módszer az új készségek elsajátítására.
> Ez a tároló több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. A fordítások nélkül klónozáshoz használd a sparse checkout-ot:
> Ez a tár több mint 50 nyelvre fordított változatot tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha a fordítások nélkül szeretnéd klónozni, használd a sparse checkoutot:
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Ez mindent megad, ami a tanfolyam elvégzéséhez kell, sokkal gyorsabb letöltéssel.
> Ez mindent megad, amire szükséged van a tanfolyam elvégzéséhez, sokkal gyorsabb letöltéssel.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Ha további fordítási nyelveket szeretnél támogatni, azokat itt találod [listázva](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Ha további fordítási nyelveket szeretnél, azok fel vannak sorolva [itt](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Jelenleg is fut egy Discord „Tanulj az AI segítségével” sorozatunk, többet megtudhatsz és csatlakozhatsz hozzánk a [Learn with AI Series](https://aka.ms/learnwithai/discord) eseménysorozatban 2025. szeptember 18-30. között. Itt megtanulhatod a GitHub Copilot adattudományi használatának tippeit és trükkjeit.
Jelenleg is fut egy Discord-os AI tanuló sorozatunk, tanulj többet és csatlakozz hozzánk szeptember 18-30 között a [Learn with AI Series](https://aka.ms/learnwithai/discord) oldalon. Tippeket és trükköket kapsz a GitHub Copilot adattudományban való használatáról.
# Diák vagy?
Kezdj az alábbi forrásokkal:
Kezdd a következő forrásokkal:
- [Student Hub oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Itt megtalálod a kezdő erőforrásokat, diákcsomagokat és még lehetőséget is egy ingyenes vizsga kupont szerezni. Ezt az oldalt érdemes könyvjelzőzni és időnként ellenőrizni, hiszen havonta cseréljük a tartalmat.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz egy globális diák nagykövet közösséghez, ez lehet a kapud a Microsoft-hoz.
- [Diák-központ oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Itt megtalálod a kezdőknek szóló anyagokat, diákcsomagokat, sőt ingyenes minősítésigénylési lehetőségeket is. Érdemes elmentened ezt az oldalt, 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 diák nagykövetek globális közösségéhez, ez lehet a kapud a Microsofthoz.
- **[Használati útmutató](USAGE.md)** - Példák és gyakori munkafolyamatok
- **[Hibaelhárítás](TROUBLESHOOTING.md)** - Gyakori problémák megoldásai
- **[Közreműködési útmutató](CONTRIBUTING.md)** - Hogyan járulhatsz hozzá a projekthez
- **[Tanároknak](for-teachers.md)** - Oktatási útmutató és osztálytermi források
- **[Telepítési útmutató](INSTALLATION.md)** – Lépésről lépésre útmutató kezdőknek a beállításhoz
- **[Használati útmutató](USAGE.md)** – Példák és gyakori munkafolyamatok
- **[Hibaelhárítás](TROUBLESHOOTING.md)** – Gyakori problémák megoldásai
- **[Közreműködési útmutató](CONTRIBUTING.md)** – Hogyan járulhatsz hozzá ehhez a projekthez
- **[Tanároknak](for-teachers.md)** – Oktatási útmutató és osztálytermi anyagok
## 👨🎓 Diákoknak
> **Teljesen kezdők:** Új vagy az adattudományban? Kezdd el a [kezdőbarát példáinkkal](examples/README.md)! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágnál a teljes tananyagba.
> **[Diákok](https://aka.ms/student-page):** ha önállóan szeretnéd használni ezt a tananyagot, forkolj le az egész repót, és önállóan végezd el a feladatokat, kezdve egy előadás előtti teszttel. Ezután olvasd el az előadást és végezd el a további tevékenységeket. Próbáld meg a projekteket megérteni és létrehozni, ne csak a megoldás kódját másold; ez a kód megtalálható a /solutions mappákban minden projektorientált leckénél. Egy másik ötlet, hogy barátokkal tanulócsoportot alkotva közösen haladjatok át a tartalmon. További tanuláshoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) oldalait.
> **Teljes kezdőknek**: Új vagy az adattudományban? Kezdd a [kezdőbarát példáinkkal](examples/README.md)! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágnál az egész tananyagba.
> **[Diákok](https://aka.ms/student-page)**: hogy egyedül használd ezt a tananyagot, forkold le az egész repót és végezd el a feladatokat egymás után, kezdve egy előadás előtti teszttel. Olvasd el az előadást és végezd el a további tevékenységeket. Próbáld megérteni az leckéket és azok alapján létrehozni a projekteket, ahelyett, hogy csak a megoldás kódját másolnád; ez a kód ugyanakkor elérhető a /solutions mappákban minden projekt-orientált leckénél. Egy másik ötlet, hogy barátokkal tanulócsoportot alkotva közösen menjétek végig a tartalmat. További tanuláshoz ajánljuk a [Microsoft Learnt](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Gyorskezdés:**
1. Tekintsd meg a [Telepítési útmutatót](INSTALLATION.md) a környezet beállításához
2. Nézd át a [Használati útmutatót](USAGE.md), hogy megismerd a tananyag használatát
3. Kezdj az 1. leckével és haladj sorban
4. Csatlakozz Discord közösségünkhöz a támaszért: [https://aka.ms/ds4beginners/discord](https://aka.ms/ds4beginners/discord)
**Gyorskezdés:**
1. Nézd meg a [Telepítési útmutatót](INSTALLATION.md) a környezeted beállításához
2. Tanulmányozd a [Használati útmutatót](USAGE.md), hogy megtudd, hogyan dolgozz a tananyaggal
> **Tanárként**: [megtalálod benne az ajánlásokat](for-teachers.md), hogyan használd ezt a tananyagot. Nagyon örülnénk, ha visszajelzést adnál [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Kattints a fenti képre, hogy megnézz egy videót a projektről és az alkotóiról!
> 🎥 Kattints a fenti képre, hogy megnézd a projektet és az azt létrehozó embereket bemutató videót!
## Pedagógia
Két pedagógiai alapelvet választottunk a tananyag kidolgozásakor: biztosítani, hogy projekt-alapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a tanulók megismerik az adattudomány alapelveit, beleértve az etikai konceptusokat, adat-előkészítést, az adatokkal való különböző munkamódokat, adat vizualizációt, adat elemzést, az adattudomány valós világban való alkalmazásait és még sok mást.
Két pedagógiai alapelvet választottunk ennek a tantervnek az elkészítésekor: hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatok előkészítését, az adatkezelés különböző módjait, az adatvizualizációt, az adatelemzést, az adattudomány valódi alkalmazási eseteit és még sok mást.
Emellett egy alacsony téttel bíró kvíz az óra előtt segít a tanulót ráhangolni az adott témára, míg egy második kvíz az óra után elősegíti a tudás tartósságát. Ez a tananyag rugalmas és szórakoztató, egészben vagy részleteiben is elvégezhető. A projektek kis léptékben kezdődnek és egyre bonyolultabbak lesznek a 10 hetes ciklus végére.
Ezen felül, egy alacsony tétű kvíz az óra előtt beállítja a tanuló szándékát a tématankulásra, míg egy második kvíz az óra után biztosítja a tudás további megerősítését. Ez a tanterv rugalmas és szórakoztató, az egész teljes egészében vagy részletekben is elsajátítható. 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) útmutatóinkat. Várjuk építő jellegű visszajelzéseidet!
> Találd meg [Viselkedési kódexünket](CODE_OF_CONDUCT.md), [Hozzájárulási útmutatónkat](CONTRIBUTING.md), [Fordítási irányelveinket](TRANSLATIONS.md)! Várjuk építő jellegű visszajelzéseidet!
## Minden leckében szerepel:
- Opcionális vázlatjegyzet
- Opcionális rajzjegyzet
- Opcionális kiegészítő videó
- Óra előtti bemelegítő kvíz
- Írott lecke
- Projekt-alapú leckéknél lépésről lépésre útmutatók a projekt elkészítéséhez
- Tudásellenőrzés
- Projektalapú leckékhez lépésről lépésre útmutató a projekt elkészítéséhez
- Tudásellenőrző feladatok
- Egy kihívás
- Kiegészítő olvasmány
- Kiegészítő olvasnivaló
- Feladat
- [Óra utáni kvíz](https://ff-quizzes.netlify.app/en/)
> **Megjegyzés a kvízekről**: Minden kvíz a Quiz-App mappában van, összesen 40 kvíz három kérdéssel. A leckékből vannak linkelve, de a kvíz alkalmazás helyileg futtatható vagy telepíthető Azure-ra; kövesd az utasításokat a `quiz-app` mappában. Fokozatosan lokalizálják őket.
> **Megjegyzés a kvízekről**: Minden kvíz a Quiz-App mappában található, összesen 40 kvíz, mindegyik három kérdéssel. A leckékből vannak összekapcsolva, de a kvíz alkalmazás helyileg is futtatható vagy Azure-ra telepíthető; kövesd az útmutatót a `quiz-app` mappában. Folyamatosan lokalizálás alatt állnak.
## 🎓 Kezdőknek szóló példák
## 🎓 Kezdőbarát példák
**Új vagy az adattudományban?** Különleges [példakönyvtárat](examples/README.md) hoztunk létre egyszerű, jól kommentált kódokkal, hogy segítsünk elindulni:
**Új vagy az adattudományban?** Létrehoztunk egy külön [példakönyvtárat](examples/README.md), egyszerű és jól kommentált kódokkal, hogy segítsen elindulni:
- 🌟 **Hello World** - Az első adattudományi programod
- 📂 **Adatok betöltése** - Tanuld meg beolvasni és felfedezni az adatállományokat
- 📊 **Egyszerű elemzés** - Számíts statisztikákat és találj mintázatokat
- 📊 **Egyszerű elemzés** - Statisztikák számítása és mintázatok keresése
- 📈 **Alapvető vizualizáció** - Készíts diagramokat és grafikonokat
- 🔬 **Valódi világ projektje** - Teljes munkafolyamat az elejétől a végéig
- 🔬 **Valódi projekt** - Teljes munkafolyamat kezdőtől végéig
Minden példa részletes kommenteket tartalmaz, amelyek minden lépést magyaráznak, így tökéletes az abszolút kezdőknek!
Minden példában részletes kommentárok magyarázzák el az egyes lépéseket, így tökéletes az abszolút kezdőknek!
| 01 | Az adattudomány meghatározása | [Bevezetés](1-Introduction/README.md) | Megtanulni az adattudomány alapvető fogalmait, és hogy miként 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 | Adat etika | [Bevezetés](1-Introduction/README.md) | Az adat etika fogalmai, kihívásai és keretrendszerei. | [lecke](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Az adat meghatározása | [Bevezetés](1-Introduction/README.md) | Hogyan osztályozzák az adatokat, és mi a gyakori forrásaik. | [lecke](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Statisztika és valószínűség bevezetése | [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 | Munkavégzés relációs adatbázisokkal | [Adatokkal való munka](2-Working-With-Data/README.md) | Bevezetés a relációs adatokba és az alapok a relációs adatok feltárásához és elemzéséhez a Strukturált Lekérdező Nyelvvel, azaz SQL-lel (kiejtve „szí-kel”). | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Munkavégzés NoSQL adatokkal | [Adatokkal való munka](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, azok típusai és bevezetés a dokumentum adatbázisok feltárásába és elemzésébe. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Munkavégzés Pythonnal | [Adatokkal való munka](2-Working-With-Data/README.md) | Alapok a Python használatáról adatfeltáráshoz Pandas könyvtárak segítségével. Alapvető Python programozási ismeretek ajánlottak. | [lecke](2-Working-With-Data/07-python/README.md) [videó](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Adat-előkészítés | [Adatokkal való munka](2-Working-With-Data/README.md) | Témák az adattisztításról és adatok átalakításáról, az elveszett, pontatlan vagy hiányos adatok kezelésének kihívásaihoz. | [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 madarak adatainak vizualizálására 🦆 | [lecke](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Adateloszlások vizualizálása | [Adat vizualizáció](3-Data-Visualization/README.md) | Megfigyelések és tendenciák vizualizálása egy intervallumban. | [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 változóik között. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Értelmes vizualizációk | [Adatvizualizáció](3-Data-Visualization/README.md) | Technikák és útmutatás arra, hogyan tegyük vizualizációinkat hasznossá a hatékony problémamegoldáshoz és felismerésekhez. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Az adattudomány életciklusának bevezetése | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adattudomány életciklusába és az adat megszerzésének első lépésébe. | [lecke](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az életciklus azon szakasza, amely az adatok elemzési technikáira fókuszál. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az életciklus azon szakasza, amely az adatból származó felismerések hatékony bemutatására fókuszál, hogy az döntéshozók számára érthetőbb legyen. | [lecke](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Az 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 | Az adattudomány a felhőben | [Felhőadatok](5-Data-Science-In-Cloud/README.md) | Modellek betanítása 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 | Az 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 | Az adattudomány a valós életben | [A valós világban](6-Data-Science-In-Wild/README.md) | Valós világban zajló adattudományi projektek. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Az adattudomány meghatározása | [Bevezető](1-Introduction/README.md) | Ismerkedés az adattudomány alapfogalmaival, valamint a mesterséges intelligencia, gépi tanulás és big data kapcsolatával. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Az adattudomány etikája | [Bevezető](1-Introduction/README.md) | Az adat-etika fogalmai, kihívásai és keretrendszerei. | [lecke](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Az adatok meghatározása | [Bevezető](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 | Statisztika és valószínűség alapjai | [Bevezető](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 | [Adatkezelés](2-Working-With-Data/README.md) | Bevezetés a relációs adatokba és az SQL (Structured Query Language, kiejtve "szí-kel") alapjaiba az adatok feltárására és elemzésére. | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL adatok kezelése | [Adatkezelés](2-Working-With-Data/README.md) | Bevezetés a nem-relációs adatok típusaihoz és a dokumentum adatbázisok feltárásának, elemzésének alapjaihoz. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Python használata | [Adatkezelés](2-Working-With-Data/README.md) | A Python alapjai adatfeltáráshoz, például a Pandas könyvtár használata. Ajánlott az alapvető Python programozási ismeretek megszerzése. | [lecke](2-Working-With-Data/07-python/README.md) [videó](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Adatelőkészítés | [Adatkezelés](2-Working-With-Data/README.md) | Adattisztítási és átalakítási technikák a hiányos, pontatlan vagy töredékes adatok kezelése érdekében. | [lecke](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 12 | Kapcsolatok vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Adathalmazok és változóik közötti kapcsolatok, korrelációk ábrázolása. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Értelmes vizualizációk | [Adatvizualizáció](3-Data-Visualization/README.md) | Technikák és útmutatók arra, hogyan tegyük vizualizációinkat hasznossá hatékony problémamegoldáshoz és betekintéshez. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Bevezetés az adattudományi életciklusba | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adattudományi életciklusba és az első lépésbe, amely az adatok beszerzése és kinyerése. | [lecke](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az életciklus ezen szakasza az adatelemzési technikákra fókuszál. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az életciklus ezen szakasza az adatokból származó eredmények bemutatására koncentrál, 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 | [Felhő alapú adatok](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 | [Felhő alapú adatok](5-Data-Science-In-Cloud/README.md) | Alacsony kódú (Low Code) eszközökkel modelltréning. |[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 | [Felhő alapú adatok](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 gyakorlatban | [A valóságban](6-Data-Science-In-Wild/README.md) | Adattudományi projektek a valós világban. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Kövesd ezeket a lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben:
Kövesd az alábbi lépéseket a minta megnyitásához Codespace-ben:
1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
2. Válaszd az + New codespace az ablak alján.
További információkért tekintsd meg a [GitHub dokumentációját](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
2. A panel alján válaszd a + New codespace opciót.
További információkért 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
Kövesd ezt a lépést, hogy ezt a repót megnyisd egy konténerben a helyi géped és a VSCode segítségével a VS Code Remote - Containers kiterjesztéssel:
Kövesd az alábbi lépéseket, hogy helyileg a gépeden, VSCode segítségével és a VS Code Remote - Containers kiterjesztéssel futtasd ezt a repót egy konténerben:
1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy rendszered megfelel a követelményeknek (pl. legyen telepítve 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 (pl. Docker telepítve van), a [kezdő dokumentáció](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) szerint.
Ehhez a repóhoz megnyithatod a tárolót egy izolált Docker volume-ban:
Használhatod ezt a repót úgy, hogy vagy egy izolált Docker kötetben nyitod meg:
**Megjegyzés:** Alatta a Remote-Containers: **Clone Repository in Container Volume...** parancsot fogja használni, hogy a forráskódot Docker volume-ba klónozza ahelyett, hogy a helyi fájlrendszert használná. [A volume-ok](https://docs.docker.com/storage/volumes/) ajánlott mechanizmusok a konténer adatainak megőrzésére.
**Megjegyzés**: A háttérben a Remote-Containers: **Clone Repository in Container Volume...** parancsot használja, ami a forráskódot egy Docker kötetbe klónozza a helyi fájlrendszer helyett. A [kötetek](https://docs.docker.com/storage/volumes/) a konténeradatok tárolásának ajánlott módjai.
Vagy megnyithatod a repó egy helyben klónozott vagy letöltött példányát:
Vagy megnyithatsz egy helyileg klónozott vagy letöltött példányt:
- 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 próbálj ki dolgokat.
- Klónozd ezt a repót a helyi gépedre.
- Nyomj F1-et, majd válaszd a **Remote-Containers: Open Folder in Container...** parancsot.
- Válaszd ki a klónozott mappát, várd meg, míg elindul a konténer, és próbálj ki mindent.
## Offline hozzáférés
Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) használatával. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépedre, majd a repó gyökérmappájában futtasd a `docsify serve` parancsot. A weboldal a 3000-es porton lesz elérhető a localhoston: `localhost:3000`.
Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) használatával. Fork-old ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépeden, majd ebben a repo gyökérmappájában írd be: `docsify serve`. A weboldal a 3000-es porton lesz elérhető helyileg: `localhost:3000`.
> Megjegyzés: a jegyzetfüzeteket (notebooks) a Docsify nem fogja megjeleníteni, így amikor notebookot kell futtatnod, tedd azt külön VS Code-ban Python kernel használatával.
> Megjegyzés: a jegyzetfüzetek (notebooks) nem jelennek meg Docsify-val, így amennyiben notebookot kell futtatnod, azt külön, VS Code-ban, Python kernellel tedd.
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Generatív AI sorozat
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
@ -228,26 +228,26 @@ Csapatunk egyéb 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)
**Problémákba ütköztél?** Nézd meg [Hibaelhárítási útmutatónkat](TROUBLESHOOTING.md) a gyakori problémák megoldásához.
**Problémák merülnek fel?** Nézze meg a [Hibaelhárítási útmutatónkat](TROUBLESHOOTING.md), ahol a gyakori problémák megoldásait találhatja.
Ha elakadsz vagy kérdésed van az MI-alkalmazások fejlesztésével kapcsolatban, csatlakozz a tanulótársaidhoz és tapasztalt fejlesztőkhöz, hogy megvitassátok az MCP-t. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztott.
Ha elakad, vagy kérdése van az AI alkalmazások építésével kapcsolatban, csatlakozzon a tanulók és tapasztalt fejlesztők közösségéhez az MCP kapcsán folytatott beszélgetésekhez. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztott.
Ez a dokumentum az AI fordítószolgáltatás, a [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum a saját nyelvén tekintendő hivatalos forrásnak. Fontos információk esetén szakember által végzett emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből az automatikus fordításból eredő félreértésekért vagy téves értelmezésekért.
**Nyilatkozat**:
Ezt a dokumentumot az AI fordítószolgáltatás, a [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével fordítottuk. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum anyanyelvén tekintendő hiteles forrásnak. Fontos információk esetén profi emberi fordítást javaslunk. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy félreértelmezésekért.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Wakili wa Wingu la Azure katika Microsoft wanafurahia kutoa mtaala wa wiki 10, masomo 20 yote kuhusu Sayansi ya Data. Kila somo linajumuisha mtihani wa kabla na baada ya somo, maelekezo ya maandishi ya kumaliza somo, suluhisho, na kazi. Mbinu yetu ya kujifunza inayotegemea mradi inakuwezesha kujifunza wakati unajenga, njia iliyothibitishwa ya ujuzi mpya 'kubaki'.
Wahubiri wa Azure Cloud huko Microsoft wanafurahia kutoa mtaala wa wiki 10, masomo 20 yote kuhusu Sayansi ya Takwimu. Kila somo linajumuisha maswali ya kabla ya somo na baada ya somo, maelekezo yaliyoandikwa ya kumaliza somo, suluhisho, na kazi ya nyumbani. Njia yetu ya kujifunza kwa msingi wa miradi inakuwezesha kujifunza wakati unajenga, njia thabiti ya ujuzi mpya "kubaki".
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Hii inakupa kila kitu unachohitaji kukamilisha kozi kwa upakua wa haraka zaidi.
> Hii inakupa kila kitu unachohitaji kukamilisha kozi kwa upakuaji wa haraka zaidi.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Ikiwa unataka lugha za tafsiri za ziada zinazozungumzwa zinapatikana [hapa](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Ikiwa unataka lugha za ziada za tafsiri zinazoungwa mkono, zimetajwa [hapa](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Tunayo mfululizo wa kujifunza kwenye Discord na AI unaoendelea, jifunze zaidi na jiunge nasi kwenye [Mfululizo wa Kujifunza na AI](https://aka.ms/learnwithai/discord) kuanzia 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Data.
Tuna mfululizo wa kujifunza kwenye Discord kuhusu AI unaoendelea, jifunze zaidi na jiunge nasi kwenye [Mfululizo wa Kujifunza na AI](https://aka.ms/learnwithai/discord) kuanzia 18 - 30 Septemba, 2025. Utapata vidokezo na mbinu za kutumia GitHub Copilot kwa Sayansi ya Takwimu.
# Je, wewe ni mwanafunzi?
Anza na rasilimali zifuatazo:
- [Ukubwa wa Mwanafunzi](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Katika ukurasa huu, utapata rasilimali kwa waanzilishi, vifurushi vya Wanafunzi na hata njia za kupata vocha ya cheti bure. Huu ni ukurasa unayetaka kuihifadhi 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 balozi wa wanafunzi, hii inaweza kuwa njia yako ya kuingia Microsoft.
- [Ukumbi wa Wanafunzi](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 vocha ya cheti bure. Huu ni ukurasa mmoja unaotaka kuhifadhi na kuangalia mara kwa mara kwa kuwa hubadilisha maudhui kila mwezi.
- [Mabalozi wa Wanafunzi wa Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Jiunge na jamii ya mabalozi wanafunzi duniani kote, hii inaweza kuwa njia yako ya kuingia Microsoft.
# Kuanzia
## 📚 Nyaraka
- **[Mwongozo wa Usakinishaji](INSTALLATION.md)** - Maelekezo ya hatua kwa hatua kwa waanzilishi
- **[Mwongozo wa Matumizi](USAGE.md)** - Mifano na mtiririko ya kawaida wa kazi
- **[Utatuzi wa Matatizo](TROUBLESHOOTING.md)** - Suluhisho za matatizo ya kawaida
- **[Mwongozo wa Usanidi](INSTALLATION.md)** - Maelekezo ya hatua kwa hatua kwa waanzilishi
- **[Mwongozo wa Matumizi](USAGE.md)** - Mifano na taratibu za kawaida za kazi
- **[Ushughulikiaji wa Matatizo](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
> **Waanzilishi Kamili**: Hujui sayansi ya data? Anza na [mifano rahisi kwa waanzilishi](examples/README.md)! Mifano hii rahisi, yenye maoni vizuri itakusaidia kuelewa misingi kabla ya kuingia mtaala mzima.
> **[Wanafunzi](https://aka.ms/student-page)**: kutumia mtaala huu mwenyewe, tengeneza nakala ya hifadhi yote na kamilisha mazoezi peke yako, kuanzia na mtihani kabla ya mihadhara. Kisha soma mihadhara na kamilisha shughuli zote. 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 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 Kabisa**: Mpya kwa sayansi ya takwimu? Anza na [mifano rahisi kwa waanzilishi](examples/README.md)! Mifano hii rahisi, yenye maelezo yatakusaidia kuelewa misingi kabla ya kuingia kwenye mtaala mzima.
> **[Wanafunzi](https://aka.ms/student-page)**: kutumia mtaala huu kwa wenyewe, tengeneza nakala ya ripo yote na ukamilishe mazoezi mwenyewe, kuanzia kwa jaribio la kabla ya mihadhara. Kisha soma mihadhara na ukamilishe shughuli zote. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo, msimbo huo upo katika folda za /solutions kwa kila somo linalolenga mradi. Wazo jingine ni kuunda kikundi cha kusoma 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).
**Anza Haraka:**
1. Angalia [Mwongozo wa Usakinishaji](INSTALLATION.md) kuweka mazingira yako
1. Angalia [Mwongozo wa Usanidi](INSTALLATION.md) kuanzisha mazingira yako
2. Pitia [Mwongozo wa Matumizi](USAGE.md) kujifunza jinsi ya kufanya kazi na mtaala
3. Anza na Somo la 1 na fanya hatua kwa hatua
3. Anza na Somo 1 na ufanye mfululizo
4. Jiunge na [jamii yetu ya Discord](https://aka.ms/ds4beginners/discord) kwa msaada
## 👩🏫 Kwa Walimu
> **Walimu**: tumewajumuisha [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)!
> **Walimu**: tumejumuisha [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 Promo")
@ -93,161 +93,159 @@ Anza na rasilimali zifuatazo:
> 🎥 Bonyeza picha hapo juu kwa video kuhusu mradi na watu waliouunda!
## Pedagojia
## Mafundisho
Tumechagua misingi miwili ya kifundisho tunapojenga mtaala huu: kuhakikisha kuwa ni msingi wa miradi na kwamba unajumuisha maswali ya mara kwa mara. Mwisho wa mfululizo huu, wanafunzi watakuwa wamejifunza kanuni za msingi za sayansi ya data, ikiwa ni pamoja na dhana za kimaadili, uandaaji wa 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 kufundisha wakati wa kujenga mtaala huu: kuhakikisha kuwa ni wenye msingi wa miradi na kwamba unajumuisha mtihani wa mara kwa mara. Mwisho wa mfululizo huu, wanafunzi watajifunza kanuni za msingi za sayansi ya data, ikiwa ni pamoja na dhana za maadili, maandalizi ya data, njia mbalimbali za kufanya kazi na data, uonyesho wa data, uchambuzi wa data, matumizi halisi ya sayansi ya data, na zaidi.
Zaidi ya hayo, mtihani mdogo kabla ya darasa huweka nia ya mwanafunzi kuelekea kujifunza mada, wakati mtihani wa pili baada ya darasa huhakikisha kumbukumbu zaidi. Mtaala huu umetengenezwa kuwa rahisi kubadilika na kufurahisha na unaweza kuchukuliwa kwa jumla au kwa sehemu. Miradi huanza ndogo na kuongezeka kuwa changamoto zaidi kufikia mwisho wa mzunguko wa wiki 10.
Zaidi ya hayo, mtihani wa chini kabla ya darasa huweka nia ya mwanafunzi kuelekea kujifunza mada, wakati mtihani wa pili baada ya darasa huhakikisha uhifadhi zaidi. Mtaala huu umeundwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa jumla au sehemu. Miradi huanza mdogo na kuwa mgumu zaidi mwishoni mwa mzunguko wa wiki 10.
> Tafuta [Kanuni Zetu za Maadili](CODE_OF_CONDUCT.md), [Kushiriki](CONTRIBUTING.md), [Miongozo ya Tafsiri](TRANSLATIONS.md). Tunakaribisha maoni yako yenye ujenzi!
> Pata [Kanuni Zetu za Maadili](CODE_OF_CONDUCT.md), [Kushiriki](CONTRIBUTING.md), [Miongozo ya Tafsiri](TRANSLATIONS.md). Tunakaribisha mrejesho wako wenye kujenga!
## Kila somo linajumuisha:
- Sketchnote hiari
- Video ya ziada hiari
- Mtihani wa mazoezi kabla ya somo
- Mtihani wa kujiandaa kabla ya somo
- Somo lililoandikwa
- Kwa masomo ya msingi wa miradi, mwongozo hatua kwa hatua juu ya jinsi ya kujenga mradi
- Kwa masomo ya msingi wa mradi, miongozo hatua kwa hatua juu ya jinsi ya kujenga mradi
- Ukaguzi wa maarifa
- Changamoto
- Kusoma kwa ziada
- Usomaji wa ziada
- Kazi ya nyumbani
- [Mtihani baada ya somo](https://ff-quizzes.netlify.app/en/)
> **Kumbuka kuhusu mitihani**: Mitihani yote ipo katika folda ya Quiz-App, kwa jumla ya mitihani 40 wenye maswali matatu kila mmoja. Inahusishwa kutoka ndani ya masomo, lakini programu ya mtihani inaweza kuendeshwa ndani au kuwekwa Azure; fuata maelekezo katika folda ya `quiz-app`. Zinatafsiriwa polepole.
> **Kumbuka kuhusu mitihani:** Mitihani yote iko katika folda ya Quiz-App, kwa jumla ya mitihani 40 yenye maswali matatu kila moja. Imeunganishwa ndani ya masomo, lakini programu ya mtihani inaweza kuendeshwa kwa karibu au kuwasilishwa Azure; fuata maelekezo katika folda ya `quiz-app`. Yanaendelea kutafsiriwa kwa taratibu.
## 🎓 Mifano Rafiki kwa Maanzo
## 🎓 Mifano Rafiki kwa Waanzilishi
**Mpya kwa Sayansi ya Data?** Tumetengeneza [folda ya mifano](examples/README.md) maalum yenye msimbo rahisi na maelezo mazuri kusaidia kuanza:
- 🌟 **Hello World** - Programu yako ya kwanza ya sayansi ya data
- 📂 **Kupakia Data** - Jifunze kusoma na kuchunguza seti za data
- 📊 **Uchambuzi Rahisi** - Hesabu takwimu na pata mifumo
- 📈 **Uwasilishaji wa Msingi** - Tengeneza chati na grafu
- 🔬 **Mradi Halisi** - Mchakato kamili kutoka mwanzo hadi mwisho
- 📊 **Uchambuzi Rahisi** - Hesabu takwimu na tafuta mifumo
- 📈 **Uonyesho Msingi** - Tengeneza chati na grafu
- 🔬 **Mradi wa Dunia Halisi** - Mchakato kamili kutoka mwanzo hadi mwisho
Kila mfano unajumuisha maelezo ya kina yanayoelezea kila hatua, hivyo ni kamili kwa wanaoanza kabisa!
Kila mfano una maelezo ya kina yanayofafanua kila hatua, hivyo ni mzuri kwa wanaoanza kabisa!
👉 **[Anza na mifano](examples/README.md)** 👈
## Masomo
||
|:---:|
| Sayansi ya Data Kwa Waanzilishi: Ramani ya Njia - _Sketchnote na [@nitya](https://twitter.com/nitya)_ |
| Sayansi ya Data kwa Waanzilishi: Ramani - _Sketchnote na [@nitya](https://twitter.com/nitya)_ |
| Nambari ya Somo | Mada | Kundi la Somo | Malengo ya Kujifunza | Somo Lililohusishwa | Mwandishi |
| Nambari ya Somo | Mada | Ugawaji wa Somo | Malengo ya Kujifunza | Somo Lililoambatanishwa | Mwandishi |
| 01 | Kufafanua Sayansi ya Data | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi nyuma ya sayansi ya data na jinsi inavyohusiana na akili bandia, kujifunza kwa 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 Misingi. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Kufafanua 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 na Uwezekano | [Utangulizi](1-Introduction/README.md) | Mbinu za kihesabu 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 Structured Query Language, inayojulikana kama SQL (inavyosomwa “see-quell”). | [somo](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 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 nyaraka. | [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 kuchunguza data kwa 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 | Kuandaa Data | [Kufanya kazi na Data](2-Working-With-Data/README.md) | Mada juu ya mbinu za kusafisha na kubadilisha data kushughulikia changamoto za data kupatikana kwa kiasi kidogo, isiyo sahihi, au isiyo kamilifu. | [somo](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kuonyesha Idadi | [Uwasilishaji 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 Mzabibu wa Data | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uchunguzi na mwelekeo ndani ya kipindi. | [somo](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Kuonyesha Sehemu | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Kuonyesha asilimia zilizogawanyika na zilizokusanyika. | [somo](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Kuonyesha Mahusiano | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Kuonyesha uhusiano na mwelekeo kati ya seti za data na vigezo vyake. | [somo](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Uwasilishaji wenye Maana | [Uwasilishaji wa Data](3-Data-Visualization/README.md) | Mbinu na miongozo ya kufanya uwasilishaji wako kuwa wa thamani kwa suluhisho bora la matatizo na ufahamu. | [somo](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 01 | Kueleza Sayansi ya Data | [Utangulizi](1-Introduction/README.md) | Jifunze dhana za msingi za 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 & Miundombinu. | [somo](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Kueleza 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 & Uwezekano | [Utangulizi](1-Introduction/README.md) | Mbinu za hisabati 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 Mahusiano | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data ya mahusiano na misingi ya kuchunguza na kuchambua data ya mahusiano kwa kutumia Structured Query Language, inayojulikana kama SQL (inasomwa “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 SQL | [Kufanya Kazi na Data](2-Working-With-Data/README.md) | Utangulizi wa data isiyo ya mahusiano, 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 kwa 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 kutokuwepo, yenye makosa, au ambayo haijakamilika. | [somo](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Uonyesho wa Kiasi | [Uonyesho 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 | Uonyesho wa Mgawanyo wa Data | [Uonyesho wa Data](3-Data-Visualization/README.md) | Onyesha mashahidi na mwenendo ndani ya kipindi. | [somo](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Uonyesho wa Sehemu | [Uonyesho wa Data](3-Data-Visualization/README.md) | Onyesha asilimia zilizojitenga na zilizopangwa. | [somo](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Uonyesho wa Uhusiano | [Uonyesho wa Data](3-Data-Visualization/README.md) | Onyesha uhusiano na uambatano kati ya seti za data na vigezo vyake. | [somo](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Uonyesho Zenye Maana | [Uonyesho wa Data](3-Data-Visualization/README.md) | Mbinu na mwongozo wa kufanya uonyesho wako kuwa na thamani kwa ajili ya 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 wa Sayansi ya Data | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Utangulizi wa mzunguko wa maisha wa 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 wa sayansi ya data inalenga 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 ya mzunguko wa maisha wa sayansi ya data inalenga kuwasilisha ufahamu kutoka kwa data kwa njia inayorahisisha wanafanya 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 unatambulisha 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 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 katika 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 inayotegemea sayansi ya data katika ulimwengu halisi. | [somo](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 15 | Kuchambua | [Mzunguko wa Maisha](4-Data-Science-Lifecycle/README.md) | Awamu hii ya mzunguko wa maisha ya sayansi ya data inalenga 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 ya mzunguko wa maisha ya sayansi ya data inalenga kuwasilisha maarifa 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 Mawingu | [Data ya Mawingu](5-Data-Science-In-Cloud/README.md) | Mfululizo huu wa masomo unaanzisha 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 Mawingu | [Data ya Mawingu](5-Data-Science-In-Cloud/README.md) | Mafunzo ya 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 Mawingu | [Data ya Mawingu](5-Data-Science-In-Cloud/README.md) | Kuweka mifano 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 kwa Maisha Halisi | [Maisha Halisi](6-Data-Science-In-Wild/README.md) | Miradi inayotumia 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 mfano huu katika Codespace:
1. Bonyeza menyu ya Kushuka ya Code na chagua chaguo la Open with Codespaces.
2. Chagua + New codespace hapo chini kwenye dirisha.
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 katika Codespace:
1. Bonyeza menyu ya kushuka ya Code na chagua chaguo la Open with Codespaces.
2. Chagua + New codespace chini kwenye pane.
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 ndani ya kontena kwa kutumia kompyuta yako ya eneo na VSCode kwa kutumia ugani wa VS Code Remote - Containers:
Fuata hatua hizi kufungua repo hii katika kontena kwa kutumia mashine yako ya eneo na VSCode ukitumia ugani wa VS Code Remote - Containers:
1. Ikiwa ni mara ya kwanza kutumia kontena ya maendeleo, tafadhali hakikisha mfumo wako unakidhi mahitaji ya awali (yaani kuwa na Docker imewekwa) 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 (yaani kuwa na Docker imewekwa) katika [nyaraka za kuanza](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Ili kutumia hazina hii, unaweza kufungua hazina kwenye eneo lililotengwa la Docker:
Ili kutumia hazina hii, unaweza kufungua hazina hiyo katika sauti ya Docker iliyotengwa:
**Kumbuka**: Chini ya pazia, hii itatumia amri ya Remote-Containers: **Clone Repository in Container Volume...** kunakili msimbo wa chanzo katika eneo la Docker badala ya mfumo wa faili wa eneo. [Eneo la Kuchukua Nguvu](https://docs.docker.com/storage/volumes/) ni njia inayopendelea kuhifadhi data ya kontena.
**Kumbuka**: Kwa ndani, itatumia amri ya Remote-Containers: **Clone Repository in Container Volume...** kunakili msimbo wa chanzo katika sauti ya Docker badala ya mfumo wa faili wa eneo. [Volumes](https://docs.docker.com/storage/volumes/) ni njia inayopendekezwa kuhifadhi data za kontena.
Au fungua nakala iliyopakuliwa au kuokolewa ya hazina:
Au fungua toleo lililonakiliwa au kupakuliwa la hazina hii kwa eneo lako:
- Nakili hazina hii kwenye mfumo wako wa faili wa eneo.
- Bonyeza F1 na chagua amri ya **Remote-Containers: Open Folder in Container...**.
- Chagua nakala iliyokopiwa ya folda hii, ngoja kontena ianze, na jaribu mambo.
- Bonyeza F1 na chagua amri ya **Remote-Containers: Open Folder in Container...**
- Chagua nakala iliyonakiliwa ya folda hii, subiri kontena iaanze, na jaribu vitu.
## Ufikiaji wa Offline
## Ufikiaji bila Mtandao
Unaweza kuendesha nyaraka hizi bila mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Nakili repo hii, [weka Docsify](https://docsify.js.org/#/quickstart) kwenye kompyuta yako ya eneo, kisha katika folda kuu ya repo hii, waza `docsify serve`. Tovuti itakuwa hai kwenye bandari 3000 kwenye localhost yako: `localhost:3000`.
Unaweza kuendesha nyaraka hizi bila mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Tenganisha repo hii, [sakinisha Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya eneo, kisha katika folda kuu ya repo hii, andika `docsify serve`. Tovuti itahudumiwa kwenye bandari 3000 kwenye localhost yako: `localhost:3000`.
> Kumbuka, daftari zitaletwa siyo kupitia Docsify, kwa hivyo unapohitaji kuendesha daftari, fanya hivyo tofauti ndani ya VS Code na kernel ya Python.
> Kumbuka, daftari hazitatengenezwa kupitia Docsify, hivyo unapohitaji kuendesha daftari, fanya hivyo kwa tofauti katika VS Code ukitumia kernel ya Python.
## Mtaala Mwingine
## Mitaala Mingine
Timu yetu hutoa mitaala mingine! Angalia:
Timu yetu hutengeneza mitaala mingine! Angalia:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### 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)
### Azure / Edge / MCP / Maajenti
[](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)
---
### Mfululizo wa AI Inayotengeneza
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### 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 Utatuzi wa Matatizo](TROUBLESHOOTING.md) kwa suluhisho za matatizo ya kawaida.
**Unapata matatizo?** Angalia [Mwongozo wa Kutatua Matatizo](TROUBLESHOOTING.md) kwa suluhisho za matatizo ya kawaida.
Ikiwa umekwama au una maswali yoyote kuhusu kujenga programu za AI. Jiunge na wanafunzi wenzako na waendelezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jamii inayounga mkono ambapo maswali yanakaribishwa na maarifa huishirikishwa kwa hiari.
Kama umekwama au una maswali kuhusu ujenzi wa programu za AI. Jiunge na wanafunzi wenzako na waendelezaji wenye uzoefu katika majadiliano kuhusu MCP. Ni jamii yenye msaada ambapo maswali yanakaribishwa na maarifa yanashirikiwa kwa uhuru.
[](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Tangazo la Kutojibu**:
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 za kiotomatiki zinaweza kuwa na makosa au kasoro. Hati ya asili katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo chenye mamlaka. Kwa taarifa za muhimu sana, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatuhusiki kwa kutoelewana au tafsiri potofu zinazotokana na matumizi ya tafsiri hii.
**Tangazo la Hukumu**:
Nyaraka hii imetafsiriwa kwa kutumia huduma ya utafsiri wa AI [Co-op Translator](https://github.com/Azure/co-op-translator). Wakati tunajitahidi kupata usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au upungufu wa usahihi. Nyaraka ya asili katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo chenye mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu kutoka kwa wanadamu inashauriwa. Hatutojibu kwa maelezo yoyote potofu au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.
localizeflow[bot]
4 weeks ago