# Data Science dla Początkujących - Program Nauczania Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-lekcyjny program nauczania dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswajanie nowych umiejętności. **Serdeczne podziękowania dla naszych autorów:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). **🙏 Specjalne podziękowania 🙏 dla naszych [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autorów, recenzentów i współtwórców treści,** w szczególności Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) || |:---:| | Data Science dla Początkujących - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | ### 🌐 Wsparcie Wielojęzyczne #### Obsługiwane przez GitHub Action (Automatyczne i Zawsze Aktualne) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](./README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) **Jeśli chcesz, aby dodatkowe języki były obsługiwane, lista dostępnych języków znajduje się [tutaj](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Dołącz do naszej społeczności [](https://discord.gg/kzRShWzttr) # Jesteś studentem? Rozpocznij od następujących zasobów: - [Strona Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera certyfikacyjnego. To strona, którą warto dodać do zakładek i sprawdzać od czasu do czasu, ponieważ co miesiąc zmieniamy treści. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Dołącz do globalnej społeczności ambasadorów studentów, to może być Twoja droga do Microsoft. # Rozpoczęcie > **Nauczyciele**: [zamieściliśmy kilka sugestii](for-teachers.md) dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie [na naszym forum dyskusyjnym](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! > **[Studenci](https://aka.ms/student-page)**: aby korzystać z tego programu nauczania samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj pozostałe aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji projektowej. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez treści. Do dalszej nauki polecamy [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Poznaj Zespół [](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i osobach, które go stworzyły! ## Pedagogika Podczas tworzenia tego programu nauczania wybraliśmy dwa główne założenia pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci poznają podstawowe zasady data science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia data science i wiele więcej. Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ukierunkowuje uwagę studenta na naukę danego tematu, a drugi quiz po zajęciach zapewnia lepsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu. Znajdź nasze [Kodeks Postępowania](CODE_OF_CONDUCT.md), [Wskazówki dotyczące współpracy](CONTRIBUTING.md), [Wskazówki dotyczące tłumaczeń](TRANSLATIONS.md). Czekamy na Twoje konstruktywne uwagi! ## Każda lekcja zawiera: - Opcjonalną notatkę wizualną - Opcjonalny film uzupełniający - Quiz rozgrzewkowy przed lekcją - Lekcję w formie pisemnej - W przypadku lekcji projektowych, przewodniki krok po kroku dotyczące budowy projektu - Sprawdzanie wiedzy - Wyzwanie - Materiały uzupełniające - Zadanie - [Quiz po lekcji](https://ff-quizzes.netlify.app/en/) > **Notatka dotycząca quizów**: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów, każdy z trzema pytaniami. Są one podlinkowane w lekcjach, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na platformie Azure; postępuj zgodnie z instrukcjami w folderze `quiz-app`. Quizy są stopniowo lokalizowane. ## Lekcje || |:---:| | Data Science dla początkujących: Mapa drogowa - _Notatka wizualna autorstwa [@nitya](https://twitter.com/nitya)_ | | Numer lekcji | Temat | Grupa lekcji | Cele nauki | Podlinkowana lekcja | Autor | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Definicja Data Science | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe pojęcia związane z data science oraz jego powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data. | [lekcja](1-Introduction/01-defining-data-science/README.md) [film](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Etyka w Data Science | [Wprowadzenie](1-Introduction/README.md) | Pojęcia, wyzwania i ramy etyczne w data science. | [lekcja](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Definicja danych | [Wprowadzenie](1-Introduction/README.md) | Jak klasyfikowane są dane i jakie są ich najczęstsze źródła. | [lekcja](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Wprowadzenie do statystyki i prawdopodobieństwa | [Wprowadzenie](1-Introduction/README.md) | Techniki matematyczne związane z prawdopodobieństwem i statystyką w celu analizy danych. | [lekcja](1-Introduction/04-stats-and-probability/README.md) [film](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | Praca z danymi relacyjnymi | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka SQL (wymawiane „si-kłel”). | [lekcja](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Praca z danymi NoSQL | [Praca z danymi](2-Working-With-Data/README.md) | Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentów. | [lekcja](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Praca z Pythonem | [Praca z danymi](2-Working-With-Data/README.md) | Podstawy używania Pythona do eksploracji danych z wykorzystaniem bibliotek takich jak Pandas. Zalecana jest podstawowa znajomość programowania w Pythonie. | [lekcja](2-Working-With-Data/07-python/README.md) [film](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | Przygotowanie danych | [Praca z danymi](2-Working-With-Data/README.md) | Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, niedokładnymi lub niekompletnymi danymi. | [lekcja](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Wizualizacja ilości | [Wizualizacja danych](3-Data-Visualization/README.md) | Nauka korzystania z Matplotlib do wizualizacji danych o ptakach 🦆 | [lekcja](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Wizualizacja rozkładów danych | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja obserwacji i trendów w określonym przedziale. | [lekcja](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Wizualizacja proporcji | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja procentów dyskretnych i grupowych. | [lekcja](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Wizualizacja relacji | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja połączeń i korelacji między zbiorami danych i ich zmiennymi. | [lekcja](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | Znaczące wizualizacje | [Wizualizacja danych](3-Data-Visualization/README.md) | Techniki i wskazówki dotyczące tworzenia wartościowych wizualizacji, które wspierają efektywne rozwiązywanie problemów i uzyskiwanie wniosków. | [lekcja](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Wprowadzenie do cyklu życia Data Science | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Wprowadzenie do cyklu życia data science i jego pierwszego etapu, jakim jest pozyskiwanie i ekstrakcja danych. | [lekcja](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Analiza | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ten etap cyklu życia data science koncentruje się na technikach analizy danych. | [lekcja](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | | 16 | Komunikacja | [Cykl życia](4-Data-Science-Lifecycle/README.md) | Ten etap cyklu życia data science koncentruje się na prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie decydentom. | [lekcja](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Seria lekcji wprowadzających do data science w chmurze i jego zalet. | [lekcja](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | | 18 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Trenowanie modeli za pomocą narzędzi Low Code. |[lekcja](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | | 19 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Wdrażanie modeli za pomocą Azure Machine Learning Studio. | [lekcja](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) i [Maud](https://twitter.com/maudstweets) | | 20 | Data Science w praktyce | [W praktyce](6-Data-Science-In-Wild/README.md) | Projekty oparte na data science w rzeczywistym świecie. | [lekcja](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Wykonaj poniższe kroki, aby otworzyć ten przykład w Codespace: 1. Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces. 2. Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w [dokumentacji GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers Wykonaj poniższe kroki, aby otworzyć to repozytorium w kontenerze za pomocą lokalnego komputera i VSCode z użyciem rozszerzenia VS Code Remote - Containers: 1. Jeśli korzystasz z kontenerów deweloperskich po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) opisane w [dokumentacji wprowadzającej](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). Aby użyć tego repozytorium, możesz otworzyć je w izolowanym woluminie Dockera: **Uwaga**: W tle zostanie użyte polecenie Remote-Containers: **Clone Repository in Container Volume...**, aby sklonować kod źródłowy w woluminie Dockera zamiast w lokalnym systemie plików. [Woluminy](https://docs.docker.com/storage/volumes/) są preferowanym mechanizmem przechowywania danych kontenera. Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium: - Sklonuj to repozytorium na swój lokalny system plików. - Naciśnij F1 i wybierz polecenie **Remote-Containers: Open Folder in Container...**. - Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i przetestuj. ## Dostęp offline Możesz uruchomić tę dokumentację offline, korzystając z [Docsify](https://docsify.js.org/#/). Sforkuj to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim lokalnym komputerze, a następnie w głównym folderze tego repozytorium wpisz `docsify serve`. Strona zostanie uruchomiona na porcie 3000 na Twoim localhost: `localhost:3000`. > Uwaga, notatniki nie będą renderowane za pomocą Docsify, więc jeśli potrzebujesz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona. ## Inne programy nauczania Nasz zespół tworzy inne programy nauczania! Sprawdź: - [Generatywna AI dla początkujących](https://aka.ms/genai-beginners) - [Generatywna AI dla początkujących .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generatywna AI z JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generatywna AI z Java](https://aka.ms/genaijava) - [AI dla początkujących](https://aka.ms/ai-beginners) - [Data Science dla początkujących](https://aka.ms/datascience-beginners) - [Bash dla początkujących](https://github.com/microsoft/bash-for-beginners) - [Uczenie maszynowe dla początkujących](https://aka.ms/ml-beginners) - [Cyberbezpieczeństwo dla początkujących](https://github.com/microsoft/Security-101) - [Web Dev dla początkujących](https://aka.ms/webdev-beginners) - [IoT dla początkujących](https://aka.ms/iot-beginners) - [Uczenie maszynowe dla początkujących](https://aka.ms/ml-beginners) - [Rozwój XR dla początkujących](https://aka.ms/xr-dev-for-beginners) - [Opanowanie GitHub Copilot dla programowania w parach z AI](https://aka.ms/GitHubCopilotAI) - [Rozwój XR dla początkujących](https://github.com/microsoft/xr-development-for-beginners) - [Opanowanie GitHub Copilot dla programistów C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Wybierz swoją własną przygodę z Copilotem](https://github.com/microsoft/CopilotAdventures) --- **Zastrzeżenie**: Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej 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 rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.