|
|
# Adattudomány kezdőknek – Egy tananyag
|
|
|
|
|
|
[](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)
|
|
|
|
|
|
A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot, amely kizárólag az adattudománnyal foglalkozik. Minden leckéhez tartozik elő- és utóteszt, írásos utasítások a lecke elvégzéséhez, megoldás és egy feladat. Projektalapú oktatásunk lehetővé teszi, hogy tanulj miközben építesz, ami bevált módszer az új készségek elsajátítására.
|
|
|
|
|
|
**Köszönet szerzőinknek:** [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).
|
|
|
|
|
|
**🙏 Külön köszönet 🙏 a [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) szerzőinek, lektorainak és tartalomközreműködőinek,** köztük 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/)
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Adattudomány kezdőknek – _Vázlat @nitya ([https://twitter.com/nitya](https://twitter.com/nitya))_ |
|
|
|
|
|
|
### 🌐 Többnyelvű támogatás
|
|
|
|
|
|
#### GitHub Action révén támogatott (automatikus és mindig naprakész)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](./README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
|
|
> **Szeretnéd helyben klónozni?**
|
|
|
|
|
|
> Ez a tár több mint 50 nyelvre fordított változatot tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha a fordítások nélkül szeretnéd klónozni, használd a sparse checkoutot:
|
|
|
> ```bash
|
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
|
|
|
> cd Data-Science-For-Beginners
|
|
|
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
|
|
> ```
|
|
|
> Ez mindent megad, amire szükséged van a tanfolyam elvégzéséhez, sokkal gyorsabb letöltéssel.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**Ha további fordítási nyelveket szeretnél, azok fel vannak sorolva [itt](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
|
|
#### Csatlakozz közösségünkhöz
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Jelenleg is fut egy Discord-os AI tanuló sorozatunk, tanulj többet és csatlakozz hozzánk szeptember 18-30 között a [Learn with AI Series](https://aka.ms/learnwithai/discord) oldalon. Tippeket és trükköket kapsz a GitHub Copilot adattudományban való használatáról.
|
|
|
|
|
|
|
|
|
|
|
|
# Diák vagy?
|
|
|
|
|
|
Kezdd a következő forrásokkal:
|
|
|
|
|
|
- [Diák-központ oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Itt megtalálod a kezdőknek szóló anyagokat, diákcsomagokat, sőt ingyenes minősítésigénylési lehetőségeket is. Érdemes elmentened ezt az oldalt, és időről időre visszanézni, mivel havonta frissítjük a tartalmat.
|
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz a diák nagykövetek globális közösségéhez, ez lehet a kapud a Microsofthoz.
|
|
|
|
|
|
# Első lépések
|
|
|
|
|
|
## 📚 Dokumentáció
|
|
|
|
|
|
- **[Telepítési útmutató](INSTALLATION.md)** – Lépésről lépésre útmutató kezdőknek a beállításhoz
|
|
|
- **[Használati útmutató](USAGE.md)** – Példák és gyakori munkafolyamatok
|
|
|
- **[Hibaelhárítás](TROUBLESHOOTING.md)** – Gyakori problémák megoldásai
|
|
|
- **[Közreműködési útmutató](CONTRIBUTING.md)** – Hogyan járulhatsz hozzá ehhez a projekthez
|
|
|
- **[Tanároknak](for-teachers.md)** – Oktatási útmutató és osztálytermi anyagok
|
|
|
|
|
|
## 👨🎓 Diákoknak
|
|
|
> **Teljes kezdőknek**: Új vagy az adattudományban? Kezdd a [kezdőbarát példáinkkal](examples/README.md)! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágnál az egész tananyagba.
|
|
|
> **[Diákok](https://aka.ms/student-page)**: hogy egyedül használd ezt a tananyagot, forkold le az egész repót és végezd el a feladatokat egymás után, kezdve egy előadás előtti teszttel. Olvasd el az előadást és végezd el a további tevékenységeket. Próbáld megérteni az leckéket és azok alapján létrehozni a projekteket, ahelyett, hogy csak a megoldás kódját másolnád; ez a kód ugyanakkor elérhető a /solutions mappákban minden projekt-orientált leckénél. Egy másik ötlet, hogy barátokkal tanulócsoportot alkotva közösen menjétek végig a tartalmat. További tanuláshoz ajánljuk a [Microsoft Learnt](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
|
|
|
|
|
|
**Gyors kezdés:**
|
|
|
1. Nézd meg a [Telepítési útmutatót](INSTALLATION.md) a környezeted beállításához
|
|
|
2. Tanulmányozd a [Használati útmutatót](USAGE.md), hogy megtudd, hogyan dolgozz a tananyaggal
|
|
|
3. Kezdd az 1. leckével és haladj sorban
|
|
|
4. Csatlakozz [Discord közösségünkhöz](https://aka.ms/ds4beginners/discord) segítségért
|
|
|
|
|
|
## 👩🏫 Tanároknak
|
|
|
|
|
|
> **Tanárként**: [megtalálod benne az ajánlásokat](for-teachers.md), hogyan használd ezt a tananyagot. Nagyon örülnénk, ha visszajelzést adnál [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
## Ismerd meg a csapatot
|
|
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Promóciós videó")
|
|
|
|
|
|
**Gif készítője:** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 Kattints a fenti képre, hogy megnézd a projektet és az azt létrehozó embereket bemutató videót!
|
|
|
|
|
|
## Pedagógia
|
|
|
|
|
|
Két pedagógiai alapelvet választottunk ennek a tantervnek az elkészítésekor: hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatok előkészítését, az adatkezelés különböző módjait, az adatvizualizációt, az adatelemzést, az adattudomány valódi alkalmazási eseteit és még sok mást.
|
|
|
|
|
|
Ezen felül, egy alacsony tétű kvíz az óra előtt beállítja a tanuló szándékát a tématankulásra, míg egy második kvíz az óra után biztosítja a tudás további megerősítését. Ez a tanterv rugalmas és szórakoztató, az egész teljes egészében vagy részletekben is elsajátítható. A projektek kicsiben kezdődnek és a 10 hetes ciklus végére egyre összetettebbé válnak.
|
|
|
|
|
|
> Találd meg [Viselkedési kódexünket](CODE_OF_CONDUCT.md), [Hozzájárulási útmutatónkat](CONTRIBUTING.md), [Fordítási irányelveinket](TRANSLATIONS.md)! Várjuk építő jellegű visszajelzéseidet!
|
|
|
|
|
|
## Minden leckében szerepel:
|
|
|
|
|
|
- Opcionális rajzjegyzet
|
|
|
- Opcionális kiegészítő videó
|
|
|
- Óra előtti bemelegítő kvíz
|
|
|
- Írott lecke
|
|
|
- Projektalapú leckékhez lépésről lépésre útmutató a projekt elkészítéséhez
|
|
|
- Tudásellenőrző feladatok
|
|
|
- Egy kihívás
|
|
|
- Kiegészítő olvasnivaló
|
|
|
- Feladat
|
|
|
- [Óra utáni kvíz](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **Megjegyzés a kvízekről**: Minden kvíz a Quiz-App mappában található, összesen 40 kvíz, mindegyik három kérdéssel. A leckékből vannak összekapcsolva, de a kvíz alkalmazás helyileg is futtatható vagy Azure-ra telepíthető; kövesd az útmutatót a `quiz-app` mappában. Folyamatosan lokalizálás alatt állnak.
|
|
|
|
|
|
## 🎓 Kezdőbarát példák
|
|
|
|
|
|
**Új vagy az adattudományban?** Létrehoztunk egy külön [példakönyvtárat](examples/README.md), egyszerű és jól kommentált kódokkal, hogy segítsen elindulni:
|
|
|
|
|
|
- 🌟 **Hello World** - Az első adattudományi programod
|
|
|
- 📂 **Adatok betöltése** - Tanuld meg beolvasni és felfedezni az adatállományokat
|
|
|
- 📊 **Egyszerű elemzés** - Statisztikák számítása és mintázatok keresése
|
|
|
- 📈 **Alapvető vizualizáció** - Készíts diagramokat és grafikonokat
|
|
|
- 🔬 **Valódi projekt** - Teljes munkafolyamat kezdőtől végéig
|
|
|
|
|
|
Minden példában részletes kommentárok magyarázzák el az egyes lépéseket, így tökéletes az abszolút kezdőknek!
|
|
|
|
|
|
👉 **[Kezdj a példákkal](examples/README.md)** 👈
|
|
|
|
|
|
## Leckék
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Adattudomány kezdőknek: Útvonalterv - _Rajzjegyzet készítette: [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| Lecke száma | Téma | Lecke csoportosítás | Tanulási célok | Kapcsolódó lecke | Szerző |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 01 | Az adattudomány meghatározása | [Bevezető](1-Introduction/README.md) | Ismerkedés az adattudomány alapfogalmaival, valamint a mesterséges intelligencia, gépi tanulás és big data kapcsolatával. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
|
| 02 | Az adattudomány etikája | [Bevezető](1-Introduction/README.md) | Az adat-etika fogalmai, kihívásai és keretrendszerei. | [lecke](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
| 03 | Az adatok meghatározása | [Bevezető](1-Introduction/README.md) | Hogyan osztályozzuk az adatokat és milyen gyakori forrásaik vannak. | [lecke](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 04 | Statisztika és valószínűség alapjai | [Bevezető](1-Introduction/README.md) | A valószínűség és statisztika matematikai módszerei az adatok megértéséhez. | [lecke](1-Introduction/04-stats-and-probability/README.md) [videó](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
|
| 05 | Relációs adatok kezelése | [Adatkezelés](2-Working-With-Data/README.md) | Bevezetés a relációs adatokba és az SQL (Structured Query Language, kiejtve "szí-kel") alapjaiba az adatok feltárására és elemzésére. | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
|
| 06 | NoSQL adatok kezelése | [Adatkezelés](2-Working-With-Data/README.md) | Bevezetés a nem-relációs adatok típusaihoz és a dokumentum adatbázisok feltárásának, elemzésének alapjaihoz. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
|
| 07 | Python használata | [Adatkezelés](2-Working-With-Data/README.md) | A Python alapjai adatfeltáráshoz, például a Pandas könyvtár használata. Ajánlott az alapvető Python programozási ismeretek megszerzése. | [lecke](2-Working-With-Data/07-python/README.md) [videó](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
|
| 08 | Adatelőkészítés | [Adatkezelés](2-Working-With-Data/README.md) | Adattisztítási és átalakítási technikák a hiányos, pontatlan vagy töredékes adatok kezelése érdekében. | [lecke](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 09 | Mennyiségek vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Tanuld meg a Matplotlib használatát madáradatok 🦆 vizualizálásához | [lecke](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 10 | Adatok eloszlásának ábrázolása | [Adatvizualizáció](3-Data-Visualization/README.md) | Megfigyelések és trendek vizualizálása egy intervallumon belül. | [lecke](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 11 | Arányok vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Diszkrét és csoportosított százalékok vizualizálása. | [lecke](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 12 | Kapcsolatok vizualizálása | [Adatvizualizáció](3-Data-Visualization/README.md) | Adathalmazok és változóik közötti kapcsolatok, korrelációk ábrázolása. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 13 | Értelmes vizualizációk | [Adatvizualizáció](3-Data-Visualization/README.md) | Technikák és útmutatók arra, hogyan tegyük vizualizációinkat hasznossá hatékony problémamegoldáshoz és betekintéshez. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 14 | Bevezetés az adattudományi életciklusba | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adattudományi életciklusba és az első lépésbe, amely az adatok beszerzése és kinyerése. | [lecke](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
|
| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az életciklus ezen szakasza az adatelemzési technikákra fókuszál. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
|
| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az életciklus ezen szakasza az adatokból származó eredmények bemutatására koncentrál, hogy az döntéshozók számára könnyebben érthető legyen. | [lecke](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
|
| 17 | Adattudomány a felhőben | [Felhő alapú adatok](5-Data-Science-In-Cloud/README.md) | Ez a leckesorozat bevezeti az adattudományt a felhőben és annak előnyeit. | [lecke](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
|
|
|
| 18 | Adattudomány a felhőben | [Felhő alapú adatok](5-Data-Science-In-Cloud/README.md) | Alacsony kódú (Low Code) eszközökkel modelltréning. |[lecke](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
|
|
|
| 19 | Adattudomány a felhőben | [Felhő alapú adatok](5-Data-Science-In-Cloud/README.md) | Modellek telepítése az Azure Machine Learning Studio segítségével. | [lecke](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
|
|
|
| 20 | Adattudomány a gyakorlatban | [A valóságban](6-Data-Science-In-Wild/README.md) | Adattudományi projektek a valós világban. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
|
|
## GitHub Codespaces
|
|
|
|
|
|
Kövesd az alábbi lépéseket a minta megnyitásához Codespace-ben:
|
|
|
1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
|
|
|
2. A panel alján válaszd a + New codespace opciót.
|
|
|
További információkért nézd meg a [GitHub dokumentációját](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
|
|
## VSCode Remote - Konténerek
|
|
|
Kövesd az alábbi lépéseket, hogy helyileg a gépeden, VSCode segítségével és a VS Code Remote - Containers kiterjesztéssel futtasd ezt a repót egy konténerben:
|
|
|
|
|
|
1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (pl. Docker telepítve van), a [kezdő dokumentáció](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) szerint.
|
|
|
|
|
|
Használhatod ezt a repót úgy, hogy vagy egy izolált Docker kötetben nyitod meg:
|
|
|
|
|
|
**Megjegyzés**: A háttérben a Remote-Containers: **Clone Repository in Container Volume...** parancsot használja, ami a forráskódot egy Docker kötetbe klónozza a helyi fájlrendszer helyett. A [kötetek](https://docs.docker.com/storage/volumes/) a konténeradatok tárolásának ajánlott módjai.
|
|
|
|
|
|
Vagy megnyithatsz egy helyileg klónozott vagy letöltött példányt:
|
|
|
|
|
|
- Klónozd ezt a repót a helyi gépedre.
|
|
|
- Nyomj F1-et, majd válaszd a **Remote-Containers: Open Folder in Container...** parancsot.
|
|
|
- Válaszd ki a klónozott mappát, várd meg, míg elindul a konténer, és próbálj ki mindent.
|
|
|
|
|
|
## Offline hozzáférés
|
|
|
|
|
|
Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) használatával. Fork-old ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépeden, majd ebben a repo gyökérmappájában írd be: `docsify serve`. A weboldal a 3000-es porton lesz elérhető helyileg: `localhost:3000`.
|
|
|
|
|
|
> Megjegyzés: a jegyzetfüzetek (notebooks) nem jelennek meg Docsify-val, így amennyiben notebookot kell futtatnod, azt külön, VS Code-ban, Python kernellel tedd.
|
|
|
|
|
|
## Egyéb tantervek
|
|
|
|
|
|
Csapatunk más tanterveket is készít! Nézd meg:
|
|
|
|
|
|
<!-- 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)
|
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / Ügynökök
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Generatív AI sorozat
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Alapvető tanulás
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Copilot sorozat
|
|
|
[](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 -->
|
|
|
|
|
|
## Segítség kérése
|
|
|
|
|
|
**Problémák merülnek fel?** Nézze meg a [Hibaelhárítási útmutatónkat](TROUBLESHOOTING.md), ahol a gyakori problémák megoldásait találhatja.
|
|
|
|
|
|
Ha elakad, vagy kérdése van az AI alkalmazások építésével kapcsolatban, csatlakozzon a tanulók és tapasztalt fejlesztők közösségéhez az MCP kapcsán folytatott beszélgetésekhez. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztott.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Ha termék visszajelzése vagy hibák jelentkeznek a fejlesztés során, látogasson el ide:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Nyilatkozat**:
|
|
|
Ezt a dokumentumot az AI fordító szolgáltatás, a [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével fordítottuk. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum anyanyelvén tekintendő hiteles forrásnak. Fontos információk esetén profi emberi fordítást javaslunk. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy félreértelmezésekért.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
