You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
252 lines
28 KiB
252 lines
28 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "7c31d1a22c746b1d0f0582d4f54702ba",
|
|
"translation_date": "2025-12-24T23:29:23+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "pl"
|
|
}
|
|
-->
|
|
# Data Science dla początkujących - Program nauczania
|
|
|
|
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
|
|
|
|
[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
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. Nasza pedagogika oparta na projektach pozwala uczyć się podczas tworzenia — sprawdzony sposób, by nowe umiejętności się „przyjęły”.
|
|
|
|
**Serdeczne podziękowania naszym autorom:** [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).
|
|
|
|
**🙏 Szczególne podziękowania 🙏 naszym [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autorom, recenzentom i współtwórcom 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 autorstwa [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
### 🌐 Wielojęzyczne wsparcie
|
|
|
|
#### Obsługiwane przez GitHub Action (zautomatyzowane i zawsze aktualne)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Arabski](../ar/README.md) | [Bengalski](../bn/README.md) | [Bułgarski](../bg/README.md) | [Birmański (Myanmar)](../my/README.md) | [Chiński (uproszczony)](../zh/README.md) | [Chiński (tradycyjny, Hongkong)](../hk/README.md) | [Chiński (tradycyjny, Makau)](../mo/README.md) | [Chiński (tradycyjny, Tajwan)](../tw/README.md) | [Chorwacki](../hr/README.md) | [Czeski](../cs/README.md) | [Duński](../da/README.md) | [Holenderski](../nl/README.md) | [Estoński](../et/README.md) | [Fiński](../fi/README.md) | [Francuski](../fr/README.md) | [Niemiecki](../de/README.md) | [Grecki](../el/README.md) | [Hebrajski](../he/README.md) | [Hindi](../hi/README.md) | [Węgierski](../hu/README.md) | [Indonezyjski](../id/README.md) | [Włoski](../it/README.md) | [Japoński](../ja/README.md) | [Kannada](../kn/README.md) | [Koreański](../ko/README.md) | [Litewski](../lt/README.md) | [Malajski](../ms/README.md) | [Malajalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepalski](../ne/README.md) | [Nigeryjski Pidgin](../pcm/README.md) | [Norweski](../no/README.md) | [Perski (farsi)](../fa/README.md) | [Polski](./README.md) | [Portugalski (Brazylia)](../br/README.md) | [Portugalski (Portugalia)](../pt/README.md) | [Pendżabski (Gurmukhi)](../pa/README.md) | [Rumuński](../ro/README.md) | [Rosyjski](../ru/README.md) | [Serbski (cyrylica)](../sr/README.md) | [Słowacki](../sk/README.md) | [Słoweński](../sl/README.md) | [Hiszpański](../es/README.md) | [Suahili](../sw/README.md) | [Szwedzki](../sv/README.md) | [Tagalog (filipiński)](../tl/README.md) | [Tamilski](../ta/README.md) | [Telugu](../te/README.md) | [Tajski](../th/README.md) | [Turecki](../tr/README.md) | [Ukraiński](../uk/README.md) | [Urdu](../ur/README.md) | [Wietnamski](../vi/README.md)
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
**Jeśli chcesz, aby dodano kolejne języki tłumaczeń, obsługiwane języki są wymienione [tutaj](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
#### Dołącz do naszej społeczności
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Prowadzimy serię „Learn with AI” na Discordzie — dowiedz się więcej i dołącz do nas na [Seria Learn with AI](https://aka.ms/learnwithai/discord) w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące używania GitHub Copilot dla Data Science.
|
|
|
|
|
|
|
|
# Czy jesteś studentem?
|
|
|
|
Rozpocznij od następujących zasobów:
|
|
|
|
- [Student Hub page](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 uzyskanie darmowego vouchera na certyfikat. To strona, którą warto dodać do zakładek i od czasu do czasu odwiedzić, ponieważ zawartość jest co najmniej raz w miesiącu aktualizowana.
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Dołącz do globalnej społeczności ambasadorów studenckich — może to być Twoja droga do Microsoftu.
|
|
|
|
# Pierwsze kroki
|
|
|
|
## 📚 Dokumentacja
|
|
|
|
- **[Installation Guide](INSTALLATION.md)** - Instrukcja krok po kroku instalacji dla początkujących
|
|
- **[Usage Guide](USAGE.md)** - Przykłady i typowe scenariusze pracy
|
|
- **[Troubleshooting](TROUBLESHOOTING.md)** - Rozwiązania typowych problemów
|
|
- **[Contributing Guide](CONTRIBUTING.md)** - Jak wnosić wkład do tego projektu
|
|
- **[For Teachers](for-teachers.md)** - Wskazówki dydaktyczne i materiały do zajęć
|
|
|
|
## 👨🎓 Dla studentów
|
|
> **Complete Beginners**: New to data science? Start with our [beginner-friendly examples](examples/README.md)! These simple, well-commented examples will help you understand the basics before diving into the full curriculum.
|
|
> **[Students](https://aka.ms/student-page)**: aby korzystać z tego programu samodzielnie, zrób fork całego repozytorium i wykonuj ćwiczenia samodzielnie, zaczynając od quizu przedwykładowego. Następnie przeczytaj wykład i wykonaj pozostałe aktywności. Staraj się tworzyć projekty rozumiejąc lekcje, zamiast kopiować kod rozwiązań; kod jest jednak dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez materiały. Do dalszej nauki polecamy [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
|
|
|
|
**Szybki start:**
|
|
1. Sprawdź [Installation Guide](INSTALLATION.md), aby skonfigurować swoje środowisko
|
|
2. Przejrzyj [Usage Guide](USAGE.md), aby dowiedzieć się, jak pracować z programem
|
|
3. Zacznij od Lekcji 1 i pracuj sekwencyjnie
|
|
4. Dołącz do naszej [społeczności na Discordzie](https://aka.ms/ds4beginners/discord) po wsparcie
|
|
|
|
## 👩🏫 Dla nauczycieli
|
|
|
|
> **Nauczyciele**: zamieściliśmy [kilka sugestii](for-teachers.md), jak korzystać z tego programu nauczania. Chętnie poznamy Wasze uwagi [na naszym forum dyskusyjnym](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
## Poznaj zespół
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Promo video")
|
|
|
|
**GIF autorstwa** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
> 🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!
|
|
|
|
## Pedagogika
|
|
|
|
Wybraliśmy dwie zasady pedagogiczne podczas tworzenia tego programu nauczania: oparcie go na projektach oraz włączenie częstych quizów. Na koniec tej serii uczniowie poznają podstawowe zasady data science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste zastosowania data science i więcej.
|
|
|
|
Dodatkowo, quiz o niskiej stawce przed zajęciami ustawia intencję ucznia wobec nauki danego tematu, podczas gdy drugi quiz po zajęciach zapewnia lepsze utrwalenie. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny i można go przerobić w całości lub częściowo. Projekty zaczynają się od małych i stopniowo stają się coraz bardziej złożone do końca 10-tygodniowego cyklu.
|
|
|
|
> Znajdź nasz [Kodeks postępowania](CODE_OF_CONDUCT.md), [Zasady współpracy](CONTRIBUTING.md), [Wytyczne tłumaczeń](TRANSLATIONS.md). Zachęcamy do konstruktywnej informacji zwrotnej!
|
|
|
|
## Każda lekcja zawiera:
|
|
|
|
- Opcjonalną notatkę graficzną (sketchnote)
|
|
- Opcjonalne wideo uzupełniające
|
|
- Quiz rozgrzewkowy przed lekcją
|
|
- Lekcję w formie pisemnej
|
|
- Dla lekcji projektowych: przewodniki krok po kroku, jak zbudować projekt
|
|
- Sprawdzenia wiedzy
|
|
- Wyzwanie
|
|
- Dodatkowe lektury
|
|
- Zadanie
|
|
- [Quiz po lekcji](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **Uwaga dotycząca quizów**: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów po trzy pytania każdy. Są one połączone z lekcjami, ale aplikację quizów można uruchomić lokalnie lub wdrożyć do Azure; postępuj zgodnie z instrukcjami w folderze `quiz-app`. Są one stopniowo lokalizowane.
|
|
|
|
## 🎓 Przyjazne początkującym przykłady
|
|
|
|
**Nowy w Data Science?** Stworzyliśmy specjalny [katalog przykładów](examples/README.md) z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:
|
|
|
|
- 🌟 **Hello World** - Twój pierwszy program w data science
|
|
- 📂 **Loading Data** - Naucz się wczytywać i eksplorować zbiory danych
|
|
- 📊 **Simple Analysis** - Obliczanie statystyk i wyszukiwanie wzorców
|
|
- 📈 **Basic Visualization** - Tworzenie wykresów i diagramów
|
|
- 🔬 **Real-World Project** - Pełny przepływ pracy od początku do końca
|
|
|
|
Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni je idealnymi dla zupełnych początkujących!
|
|
|
|
👉 **[Zacznij od przykładów](examples/README.md)** 👈
|
|
|
|
## Lekcje
|
|
|
|
|
|
||
|
|
|:---:|
|
|
| Data Science dla początkujących: Plan nauki - _Sketchnote autorstwa [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
| Numer lekcji | Temat | Grupa lekcji | Cele nauczania | Powiązana lekcja | Autor |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | Definiowanie Data Science | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe koncepcje stojące za data science i jak łączy się ono ze sztuczną inteligencją, uczeniem maszynowym i big data. | [lekcja](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
| 02 | Etyka w Data Science | [Wprowadzenie](1-Introduction/README.md) | Koncepcje etyki danych, wyzwania i ramy postępowania. | [lekcja](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
| 03 | Definiowanie danych | [Wprowadzenie](1-Introduction/README.md) | Jak klasyfikuje się dane i ich typowe 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 z zakresu prawdopodobieństwa i statystyki do rozumienia danych. | [lekcja](1-Introduction/04-stats-and-probability/README.md) [video](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 podstaw eksploracji i analizy danych relacyjnych za pomocą języka zapytań strukturalnych, znanego również jako SQL (wymawiane „see-quell”). | [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 podstaw eksploracji i analizy baz dokumentowych. | [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 bibliotekami takimi jak Pandas. Zalecana jest podstawowa znajomość programowania w Pythonie. | [lekcja](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
| 08 | Przygotowanie danych | [Praca z danymi](2-Working-With-Data/README.md) | Tematy dotyczące technik oczyszczania i transformacji danych, aby radzić sobie z brakującymi, niedokładnymi lub niekompletnymi danymi. | [lekcja](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 09 | Wizualizowanie ilości | [Wizualizacja danych](3-Data-Visualization/README.md) | Naucz się używać 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) | Wizualizowanie obserwacji i trendów w pewnym 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) | Wizualizowanie wartości dyskretnych i udziałów procentowych. | [lekcja](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 12 | Wizualizacja zależności | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizowanie powiązań i korelacji między zbiorami danych i ich zmiennymi. | [lekcja](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 13 | Sensowne wizualizacje | [Wizualizacja danych](3-Data-Visualization/README.md) | Techniki i wskazówki dotyczące tworzenia wizualizacji wartościowych dla efektywnego rozwiązywania problemów i uzyskiwania wglądów. | [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 kroku polegającego na pozyskiwaniu i ekstrakcji 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) | Ta faza 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) | Ta faza 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) | Ta seria lekcji wprowadza data science w chmurze i jej korzyści. | [lekcja](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
| 18 | Data Science w chmurze | [Dane w chmurze](5-Data-Science-In-Cloud/README.md) | Trenowanie modeli z użyciem narzędzi Low Code. |[lekcja](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [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) and [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 te kroki, aby otworzyć ten przykład w Codespace:
|
|
1. Kliknij rozwijane menu Code i wybierz opcję Open with Codespaces.
|
|
2. Wybierz + New codespace u dołu panelu.
|
|
Po więcej informacji sprawdź [dokumentację GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
## VSCode Remote - Containers
|
|
Wykonaj te kroki, aby otworzyć to repozytorium w kontenerze, używając lokalnego komputera i rozszerzenia VS Code Remote - Containers:
|
|
|
|
1. Jeśli to Twój pierwszy raz korzystasz z kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowanego Dockera) w [dokumentacji rozpoczynania pracy](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
Aby użyć tego repozytorium, możesz otworzyć repozytorium w izolowanym wolumenie Dockera:
|
|
|
|
**Uwaga**: Pod spodem użyta zostanie komenda Remote-Containers: **Clone Repository in Container Volume...**, aby sklonować kod źródłowy do wolumenu Dockera zamiast do lokalnego systemu plików. [Volumes](https://docs.docker.com/storage/volumes/) są preferowanym mechanizmem do przechowywania danych kontenera.
|
|
|
|
Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:
|
|
|
|
- Sklonuj to repozytorium na lokalny system plików.
|
|
- Naciśnij F1 i wybierz komendę **Remote-Containers: Open Folder in Container...**.
|
|
- Wybierz sklonowaną kopię tego folderu, poczekaj aż kontener się uruchomi i wypróbuj różne rzeczy.
|
|
|
|
## Dostęp offline
|
|
|
|
Możesz uruchomić tę dokumentację offline, używając [Docsify](https://docsify.js.org/#/). Sforkuj to repo, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim lokalnym komputerze, a następnie w katalogu głównym tego repo wpisz `docsify serve`. Strona będzie serwowana na porcie 3000 na Twoim localhost: `localhost:3000`.
|
|
|
|
> Uwaga, notatniki (notebooks) nie będą renderowane przez Docsify, więc gdy będziesz potrzebować uruchomić notatnik, zrób to osobno w VS Code z uruchomionym kernel Pythona.
|
|
|
|
## Inne programy nauczania
|
|
|
|
Nasz zespół tworzy również inne programy nauczania! Sprawdź:
|
|
|
|
<!-- 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)
|
|
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
[](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)
|
|
|
|
---
|
|
|
|
### Seria Generatywnego 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)
|
|
|
|
---
|
|
|
|
### Podstawowe kursy
|
|
[](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)
|
|
|
|
---
|
|
|
|
### Seria 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)
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
## Uzyskiwanie pomocy
|
|
|
|
**Masz problemy?** Sprawdź nasz [Przewodnik rozwiązywania problemów](TROUBLESHOOTING.md) w poszukiwaniu rozwiązań typowych problemów.
|
|
|
|
Jeśli utkniesz lub będziesz mieć pytania dotyczące tworzenia aplikacji AI. Dołącz do innych osób uczących się i doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, w której pytania są mile widziane, a wiedza jest swobodnie przekazywana.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Jeśli masz uwagi dotyczące produktu lub napotkasz błędy podczas tworzenia, odwiedź:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
Zastrzeżenie:
|
|
Niniejszy dokument został przetłumaczony przy użyciu usługi tłumaczeń AI Co-op Translator (https://github.com/Azure/co-op-translator). Chociaż dążymy do zachowania dokładności, należy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w języku źródłowym należy traktować jako źródło autorytatywne. W przypadku informacji o krytycznym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |