# Przykłady Data Science dla Początkujących Witamy w katalogu przykładów! Ta kolekcja prostych, dobrze skomentowanych przykładów została zaprojektowana, aby pomóc Ci rozpocząć przygodę z data science, nawet jeśli jesteś zupełnym nowicjuszem. ## 📚 Co znajdziesz tutaj Każdy przykład jest samodzielny i zawiera: - **Jasne komentarze** wyjaśniające każdy krok - **Prosty, czytelny kod**, który pokazuje jeden koncept na raz - **Kontekst z życia codziennego**, aby pomóc Ci zrozumieć, kiedy i dlaczego używać tych technik - **Oczekiwany wynik**, abyś wiedział, czego szukać ## 🚀 Jak zacząć ### Wymagania wstępne Przed uruchomieniem tych przykładów upewnij się, że masz: - Zainstalowany Python 3.7 lub nowszy - Podstawową wiedzę na temat uruchamiania skryptów w Pythonie ### Instalacja wymaganych bibliotek ```bash pip install pandas numpy matplotlib ``` ## 📖 Przegląd przykładów ### 1. Hello World - Styl Data Science **Plik:** `01_hello_world_data_science.py` Twój pierwszy program w data science! Nauczysz się: - Ładować prosty zestaw danych - Wyświetlać podstawowe informacje o danych - Wydrukować swój pierwszy wynik w data science Idealne dla absolutnych początkujących, którzy chcą zobaczyć swój pierwszy program w akcji. --- ### 2. Ładowanie i eksploracja danych **Plik:** `02_loading_data.py` Poznaj podstawy pracy z danymi: - Odczyt danych z plików CSV - Wyświetlanie pierwszych kilku wierszy zestawu danych - Uzyskiwanie podstawowych statystyk o danych - Zrozumienie typów danych To często pierwszy krok w każdym projekcie data science! --- ### 3. Prosta analiza danych **Plik:** `03_simple_analysis.py` Wykonaj swoją pierwszą analizę danych: - Oblicz podstawowe statystyki (średnia, mediana, dominanta) - Znajdź wartości maksymalne i minimalne - Policz wystąpienia wartości - Filtruj dane na podstawie warunków Zobacz, jak odpowiadać na proste pytania dotyczące danych. --- ### 4. Podstawy wizualizacji danych **Plik:** `04_basic_visualization.py` Stwórz swoje pierwsze wizualizacje: - Wykonaj prosty wykres słupkowy - Stwórz wykres liniowy - Wygeneruj wykres kołowy - Zapisz swoje wizualizacje jako obrazy Naucz się komunikować swoje wnioski wizualnie! --- ### 5. Praca z prawdziwymi danymi **Plik:** `05_real_world_example.py` Połącz wszystko w kompletnym przykładzie: - Załaduj prawdziwe dane z repozytorium - Wyczyść i przygotuj dane - Wykonaj analizę - Stwórz znaczące wizualizacje - Wyciągnij wnioski Ten przykład pokazuje pełny przepływ pracy od początku do końca. --- ## 🎯 Jak korzystać z tych przykładów 1. **Zacznij od początku**: Przykłady są ponumerowane według stopnia trudności. Zacznij od `01_hello_world_data_science.py` i przechodź dalej. 2. **Czytaj komentarze**: Każdy plik zawiera szczegółowe komentarze wyjaśniające, co robi kod i dlaczego. Czytaj je uważnie! 3. **Eksperymentuj**: Spróbuj modyfikować kod. Co się stanie, jeśli zmienisz wartość? Psuj rzeczy i naprawiaj je - tak się uczysz! 4. **Uruchamiaj kod**: Wykonaj każdy przykład i obserwuj wynik. Porównaj go z tym, czego się spodziewałeś. 5. **Rozwijaj go**: Gdy zrozumiesz przykład, spróbuj go rozszerzyć swoimi pomysłami. ## 💡 Wskazówki dla początkujących - **Nie spiesz się**: Poświęć czas na zrozumienie każdego przykładu, zanim przejdziesz do następnego - **Przepisuj kod samodzielnie**: Nie kopiuj-wklejaj. Pisanie kodu pomaga w nauce i zapamiętywaniu - **Szukaj nieznanych pojęć**: Jeśli zobaczysz coś, czego nie rozumiesz, poszukaj tego w internecie lub w głównych lekcjach - **Zadawaj pytania**: Dołącz do [forum dyskusyjnego](https://github.com/microsoft/Data-Science-For-Beginners/discussions), jeśli potrzebujesz pomocy - **Ćwicz regularnie**: Staraj się kodować codziennie, zamiast robić długie sesje raz w tygodniu ## 🔗 Kolejne kroki Po ukończeniu tych przykładów jesteś gotowy, aby: - Przejść przez główne lekcje programu nauczania - Spróbować zadań w każdym folderze lekcji - Eksplorować notatniki Jupyter dla bardziej szczegółowej nauki - Tworzyć własne projekty data science ## 📚 Dodatkowe zasoby - [Główny program nauczania](../README.md) - Kompletny kurs składający się z 20 lekcji - [Dla nauczycieli](../for-teachers.md) - Korzystanie z tego programu w klasie - [Microsoft Learn](https://docs.microsoft.com/learn/) - Darmowe zasoby do nauki online - [Dokumentacja Pythona](https://docs.python.org/3/) - Oficjalne odniesienie do Pythona ## 🤝 Współtworzenie Znalazłeś błąd lub masz pomysł na nowy przykład? Zapraszamy do współtworzenia! Zobacz nasz [Przewodnik dla współtwórców](../CONTRIBUTING.md). --- **Miłej nauki! 🎉** Pamiętaj: Każdy ekspert kiedyś był początkującym. Rób wszystko krok po kroku i nie bój się popełniać błędów - są one częścią procesu nauki! --- **Zastrzeżenie**: Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.