# Příklady pro začátečníky v datové vědě Vítejte v adresáři příkladů! Tato sbírka jednoduchých, dobře okomentovaných příkladů je navržena tak, aby vám pomohla začít s datovou vědou, i když jste úplný začátečník. ## 📚 Co zde najdete Každý příklad je samostatný a obsahuje: - **Jasné komentáře** vysvětlující každý krok - **Jednoduchý, čitelný kód**, který demonstruje jeden koncept najednou - **Reálný kontext**, který vám pomůže pochopit, kdy a proč tyto techniky použít - **Očekávaný výstup**, abyste věděli, co hledat ## 🚀 Jak začít ### Předpoklady Než spustíte tyto příklady, ujistěte se, že máte: - Nainstalovaný Python 3.7 nebo vyšší - Základní znalosti o tom, jak spouštět Python skripty ### Instalace potřebných knihoven ```bash pip install pandas numpy matplotlib ``` ## 📖 Přehled příkladů ### 1. Hello World - styl datové vědy **Soubor:** `01_hello_world_data_science.py` Váš první program v datové vědě! Naučíte se: - Načíst jednoduchý dataset - Zobrazit základní informace o vašich datech - Vytisknout váš první výstup z datové vědy Ideální pro úplné začátečníky, kteří chtějí vidět svůj první program v datové vědě v akci. --- ### 2. Načítání a zkoumání dat **Soubor:** `02_loading_data.py` Naučte se základy práce s daty: - Čtení dat z CSV souborů - Zobrazení prvních několika řádků vašeho datasetu - Získání základních statistik o vašich datech - Porozumění datovým typům Toto je často první krok v jakémkoli projektu datové vědy! --- ### 3. Jednoduchá analýza dat **Soubor:** `03_simple_analysis.py` Proveďte svou první analýzu dat: - Vypočítejte základní statistiky (průměr, medián, modus) - Najděte maximální a minimální hodnoty - Spočítejte výskyty hodnot - Filtrování dat na základě podmínek Zjistěte, jak odpovědět na jednoduché otázky o vašich datech. --- ### 4. Základy vizualizace dat **Soubor:** `04_basic_visualization.py` Vytvořte své první vizualizace: - Vytvořte jednoduchý sloupcový graf - Vytvořte čárový graf - Generujte koláčový graf - Uložte své vizualizace jako obrázky Naučte se vizuálně komunikovat své poznatky! --- ### 5. Práce s reálnými daty **Soubor:** `05_real_world_example.py` Spojte vše dohromady v kompletním příkladu: - Načtěte reálná data z repozitáře - Vyčistěte a připravte data - Proveďte analýzu - Vytvořte smysluplné vizualizace - Vyvoďte závěry Tento příklad vám ukáže kompletní pracovní postup od začátku do konce. --- ## 🎯 Jak používat tyto příklady 1. **Začněte od začátku**: Příklady jsou očíslovány podle obtížnosti. Začněte s `01_hello_world_data_science.py` a postupujte dál. 2. **Čtěte komentáře**: Každý soubor obsahuje podrobné komentáře vysvětlující, co kód dělá a proč. Čtěte je pozorně! 3. **Experimentujte**: Zkuste upravit kód. Co se stane, když změníte hodnotu? Rozbijte věci a opravte je - tak se učíte! 4. **Spusťte kód**: Spusťte každý příklad a sledujte výstup. Porovnejte ho s tím, co jste očekávali. 5. **Rozšiřte ho**: Jakmile pochopíte příklad, zkuste ho rozšířit svými vlastními nápady. ## 💡 Tipy pro začátečníky - **Nespěchejte**: Věnujte čas pochopení každého příkladu, než přejdete k dalšímu - **Pište kód sami**: Nekopírujte jen kód. Psání vám pomůže se učit a zapamatovat si - **Vyhledejte neznámé koncepty**: Pokud narazíte na něco, čemu nerozumíte, vyhledejte to online nebo v hlavních lekcích - **Ptejte se**: Připojte se k [diskusnímu fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions), pokud potřebujete pomoc - **Pravidelně cvičte**: Snažte se kódovat trochu každý den, místo dlouhých sezení jednou týdně ## 🔗 Další kroky Po dokončení těchto příkladů jste připraveni: - Projít hlavní lekce kurikula - Vyzkoušet úkoly v každé složce lekce - Prozkoumat Jupyter notebooky pro hlubší učení - Vytvořit své vlastní projekty v datové vědě ## 📚 Další zdroje - [Hlavní kurikulum](../README.md) - Kompletní kurz o 20 lekcích - [Pro učitele](../for-teachers.md) - Použití tohoto kurikula ve třídě - [Microsoft Learn](https://docs.microsoft.com/learn/) - Bezplatné online vzdělávací zdroje - [Dokumentace Pythonu](https://docs.python.org/3/) - Oficiální reference Pythonu ## 🤝 Přispívání Našli jste chybu nebo máte nápad na nový příklad? Uvítáme příspěvky! Podívejte se na náš [Průvodce přispíváním](../CONTRIBUTING.md). --- **Šťastné učení! 🎉** Pamatujte: Každý expert byl kdysi začátečník. Postupujte krok za krokem a nebojte se dělat chyby - jsou součástí procesu učení! --- **Prohlášení**: Tento dokument byl přeložen pomocí služby AI pro překlady [Co-op Translator](https://github.com/Azure/co-op-translator). I když se snažíme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho rodném jazyce by měl být považován za závazný zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.