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.
140 lines
5.3 KiB
140 lines
5.3 KiB
# Príklady pre začiatočníkov v dátovej vede
|
|
|
|
Vitajte v adresári s príkladmi! Táto kolekcia jednoduchých, dobre okomentovaných príkladov je navrhnutá tak, aby vám pomohla začať s dátovou vedou, aj keď ste úplný začiatočník.
|
|
|
|
## 📚 Čo tu nájdete
|
|
|
|
Každý príklad je samostatný a obsahuje:
|
|
- **Jasné komentáre** vysvetľujúce každý krok
|
|
- **Jednoduchý, čitateľný kód**, ktorý demonštruje jeden koncept naraz
|
|
- **Reálny kontext**, ktorý vám pomôže pochopiť, kedy a prečo používať tieto techniky
|
|
- **Očakávaný výstup**, aby ste vedeli, čo hľadať
|
|
|
|
## 🚀 Začíname
|
|
|
|
### Predpoklady
|
|
Pred spustením týchto príkladov sa uistite, že máte:
|
|
- Nainštalovaný Python 3.7 alebo vyšší
|
|
- Základné znalosti o tom, ako spúšťať Python skripty
|
|
|
|
### Inštalácia potrebných knižníc
|
|
```bash
|
|
pip install pandas numpy matplotlib
|
|
```
|
|
|
|
## 📖 Prehľad príkladov
|
|
|
|
### 1. Hello World - štýl dátovej vedy
|
|
**Súbor:** `01_hello_world_data_science.py`
|
|
|
|
Váš prvý program v dátovej vede! Naučíte sa:
|
|
- Načítať jednoduchý dataset
|
|
- Zobraziť základné informácie o vašich dátach
|
|
- Vytlačiť váš prvý výstup v dátovej vede
|
|
|
|
Ideálne pre úplných začiatočníkov, ktorí chcú vidieť svoj prvý program v dátovej vede v akcii.
|
|
|
|
---
|
|
|
|
### 2. Načítanie a skúmanie dát
|
|
**Súbor:** `02_loading_data.py`
|
|
|
|
Naučte sa základy práce s dátami:
|
|
- Čítať dáta z CSV súborov
|
|
- Zobraziť prvých pár riadkov vášho datasetu
|
|
- Získať základné štatistiky o vašich dátach
|
|
- Pochopiť typy dát
|
|
|
|
Toto je často prvý krok v každom projekte dátovej vedy!
|
|
|
|
---
|
|
|
|
### 3. Jednoduchá analýza dát
|
|
**Súbor:** `03_simple_analysis.py`
|
|
|
|
Vykonajte svoju prvú analýzu dát:
|
|
- Vypočítajte základné štatistiky (priemer, medián, mód)
|
|
- Nájdite maximálne a minimálne hodnoty
|
|
- Spočítajte výskyty hodnôt
|
|
- Filtrovanie dát na základe podmienok
|
|
|
|
Zistite, ako odpovedať na jednoduché otázky o vašich dátach.
|
|
|
|
---
|
|
|
|
### 4. Základy vizualizácie dát
|
|
**Súbor:** `04_basic_visualization.py`
|
|
|
|
Vytvorte svoje prvé vizualizácie:
|
|
- Vytvorte jednoduchý stĺpcový graf
|
|
- Vytvorte čiarový graf
|
|
- Generujte koláčový graf
|
|
- Uložte svoje vizualizácie ako obrázky
|
|
|
|
Naučte sa komunikovať svoje zistenia vizuálne!
|
|
|
|
---
|
|
|
|
### 5. Práca s reálnymi dátami
|
|
**Súbor:** `05_real_world_example.py`
|
|
|
|
Spojte všetko dohromady s kompletným príkladom:
|
|
- Načítajte reálne dáta z repozitára
|
|
- Vyčistite a pripravte dáta
|
|
- Vykonajte analýzu
|
|
- Vytvorte zmysluplné vizualizácie
|
|
- Vyvodzujte závery
|
|
|
|
Tento príklad vám ukáže kompletný pracovný postup od začiatku do konca.
|
|
|
|
---
|
|
|
|
## 🎯 Ako používať tieto príklady
|
|
|
|
1. **Začnite od začiatku**: Príklady sú očíslované podľa náročnosti. Začnite s `01_hello_world_data_science.py` a postupujte ďalej.
|
|
|
|
2. **Čítajte komentáre**: Každý súbor obsahuje podrobné komentáre vysvetľujúce, čo kód robí a prečo. Čítajte ich pozorne!
|
|
|
|
3. **Experimentujte**: Skúste upraviť kód. Čo sa stane, ak zmeníte hodnotu? Rozbíjajte veci a opravujte ich - tak sa učíte!
|
|
|
|
4. **Spúšťajte kód**: Spustite každý príklad a pozorujte výstup. Porovnajte ho s tým, čo ste očakávali.
|
|
|
|
5. **Rozvíjajte ho**: Keď pochopíte príklad, skúste ho rozšíriť vlastnými nápadmi.
|
|
|
|
## 💡 Tipy pre začiatočníkov
|
|
|
|
- **Nesnažte sa ponáhľať**: Dajte si čas na pochopenie každého príkladu predtým, než prejdete na ďalší
|
|
- **Píšte kód sami**: Nekopírujte len. Písanie vám pomáha učiť sa a zapamätať si
|
|
- **Vyhľadávajte neznáme koncepty**: Ak narazíte na niečo, čomu nerozumiete, vyhľadajte to online alebo v hlavných lekciách
|
|
- **Pýtajte sa otázky**: Pripojte sa k [diskusnému fóru](https://github.com/microsoft/Data-Science-For-Beginners/discussions), ak potrebujete pomoc
|
|
- **Pravidelne cvičte**: Skúste kódovať trochu každý deň namiesto dlhých sedení raz za týždeň
|
|
|
|
## 🔗 Ďalšie kroky
|
|
|
|
Po dokončení týchto príkladov ste pripravení:
|
|
- Prejsť hlavné lekcie kurikula
|
|
- Skúsiť úlohy v každom adresári lekcií
|
|
- Preskúmať Jupyter notebooky pre hlbšie učenie
|
|
- Vytvoriť vlastné projekty dátovej vedy
|
|
|
|
## 📚 Ďalšie zdroje
|
|
|
|
- [Hlavné kurikulum](../README.md) - Kompletný 20-lekciový kurz
|
|
- [Pre učiteľov](../for-teachers.md) - Používanie tohto kurikula v triede
|
|
- [Microsoft Learn](https://docs.microsoft.com/learn/) - Bezplatné online vzdelávacie zdroje
|
|
- [Python Dokumentácia](https://docs.python.org/3/) - Oficiálny Python referenčný materiál
|
|
|
|
## 🤝 Prispievanie
|
|
|
|
Našli ste chybu alebo máte nápad na nový príklad? Uvítame príspevky! Pozrite si náš [Príručku pre prispievateľov](../CONTRIBUTING.md).
|
|
|
|
---
|
|
|
|
**Šťastné učenie! 🎉**
|
|
|
|
Pamätajte: Každý expert bol kedysi začiatočníkom. Choďte krok za krokom a nebojte sa robiť chyby - sú súčasťou procesu učenia!
|
|
|
|
---
|
|
|
|
**Upozornenie**:
|
|
Tento dokument bol preložený pomocou služby AI prekladu [Co-op Translator](https://github.com/Azure/co-op-translator). Hoci sa snažíme o presnosť, upozorňujeme, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za žiadne nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. |