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.
253 lines
28 KiB
253 lines
28 KiB
# 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)
|
|
|
|
Zespół Azure Cloud Advocates w Microsoft ma przyjemność zaoferować 10-tygodniowy kurs składający się z 20 lekcji, poświęcony całkowicie Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje realizacji lekcji, rozwiązanie oraz zadanie. Nasza projektowo-oparta metodologia pozwala uczyć się podczas tworzenia, 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).
|
|
|
|
**🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z programu [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/),** 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 - _Rysunek notatek autorstwa [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
### 🌐 Wsparcie wielojęzyczne
|
|
|
|
#### Wspierane przez GitHub Action (Automatyczne i Zawsze Aktualne)
|
|
|
|
<!-- 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](../hu/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](./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)
|
|
|
|
> **Wolisz sklonować lokalnie?**
|
|
|
|
> To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacząco zwiększa rozmiar pobierania. Aby sklonować bez tłumaczeń, użyj sparse checkout:
|
|
> ```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'
|
|
> ```
|
|
> Otrzymasz wszystko, czego potrzebujesz do ukończenia kursu, przy znacznie szybszym pobieraniu.
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
**Jeśli chcesz, by dodatkowe języki tłumaczeń zostały wspierane, są one 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 nauki na Discordzie z AI, dowiedz się więcej i dołącz do nas na [Learn with AI Series](https://aka.ms/learnwithai/discord) w dniach 18 - 30 września 2025. Otrzymasz porady i triki dotyczące używania GitHub Copilot w Data Science.
|
|
|
|
|
|
|
|
# Jesteś studentem?
|
|
|
|
Rozpocznij z następującymi zasobami:
|
|
|
|
- [Strona Student Hub](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Na tej stronie znajdziesz materiały dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera na certyfikat. To strona, którą warto dodać do zakładek i regularnie odwiedzać, gdyż co najmniej raz w miesiącu zmieniamy zawartość.
|
|
- [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 Microsoft.
|
|
|
|
# Jak zacząć
|
|
|
|
## 📚 Dokumentacja
|
|
|
|
- **[Przewodnik instalacji](INSTALLATION.md)** - Instrukcje krok po kroku dla początkujących
|
|
- **[Przewodnik użytkowania](USAGE.md)** - Przykłady i typowe workflow
|
|
- **[Rozwiązywanie problemów](TROUBLESHOOTING.md)** - Rozwiązania powszechnych problemów
|
|
- **[Przewodnik współtworzenia](CONTRIBUTING.md)** - Jak przyczynić się do projektu
|
|
- **[Dla nauczycieli](for-teachers.md)** - Wskazówki i zasoby do nauczania
|
|
|
|
## 👨🎓 Dla studentów
|
|
> **Całkowici początkujący**: Nowi w data science? Zacznij od naszych [przyjaznych dla początkujących przykładów](examples/README.md)! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy, zanim przejdziesz do pełnego programu.
|
|
> **[Studenci](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 resztę aktywności. Staraj się tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod z rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest utworzenie grupy naukowej z przyjaciółmi i wspólne przerabianie materiału. 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 [Przewodnik instalacji](INSTALLATION.md), aby skonfigurować środowisko
|
|
2. Przejrzyj [Przewodnik użytkowania](USAGE.md), aby nauczyć się korzystać z programu
|
|
3. Zacznij od Lekcji 1 i kontynuuj kolejno
|
|
4. Dołącz do naszej społeczności na [Discordzie](https://aka.ms/ds4beginners/discord) po wsparcie
|
|
|
|
## 👩🏫 Dla nauczycieli
|
|
|
|
> **Nauczyciele**: przygotowaliśmy [kilka sugestii](for-teachers.md) dotyczących korzystania z tego programu. Chętnie poznamy Wasze opinie [na naszym forum dyskusyjnym](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
## Poznaj Zespół
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Film promocyjny")
|
|
|
|
**Gif autorstwa** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 Kliknij powyższy obrazek, aby obejrzeć film o projekcie i ludziach, którzy go stworzyli!
|
|
|
|
## Pedagogika
|
|
|
|
Podczas tworzenia tego programu nauczania wybraliśmy dwie zasady 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, zastosowania data science w rzeczywistych przypadkach oraz więcej.
|
|
|
|
Dodatkowo, quiz o niskiej stawce przed zajęciami ustawia intencję studenta na naukę danego tematu, natomiast 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 w części. Projekty zaczynają się od małych i stają się coraz bardziej skomplikowane pod koniec 10-tygodniowego cyklu.
|
|
|
|
> Znajdź nasze [Zasady postępowania](CODE_OF_CONDUCT.md), [Wkład w projekt](CONTRIBUTING.md), [Tłumaczenia](TRANSLATIONS.md). Czekamy na Twoją konstruktywną opinię!
|
|
|
|
## Każda lekcja zawiera:
|
|
|
|
- Opcjonalną sketchnotkę
|
|
- Opcjonalne dodatkowe wideo
|
|
- Quiz rozgrzewkowy przed lekcją
|
|
- Lekcję pisaną
|
|
- Dla lekcji opartych na projektach, przewodniki krok po kroku jak zbudować projekt
|
|
- Sprawdzenia wiedzy
|
|
- Wyzwanie
|
|
- Dodatkową lekturę
|
|
- Zadanie domowe
|
|
- [Quiz po lekcji](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **Uwaga o quizach**: Wszystkie quizy znajdują się w folderze Quiz-App, jest ich łącznie 40, każdy z trzema pytaniami. Są one powiązane z lekcjami, ale aplikację do quizów można uruchomić lokalnie lub wdrożyć do Azure; postępuj zgodnie z instrukcjami w folderze `quiz-app`. Są one stopniowo lokalizowane.
|
|
|
|
## 🎓 Przykłady przyjazne dla początkujących
|
|
|
|
**Nowy w Data Science?** Stworzyliśmy specjalny [folder z przykładami](examples/README.md) z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:
|
|
|
|
- 🌟 **Hello World** - Twój pierwszy program data science
|
|
- 📂 **Ładowanie danych** - Naucz się czytać i eksplorować zbiory danych
|
|
- 📊 **Prosta analiza** - Oblicz statystyki i znajdź wzorce
|
|
- 📈 **Podstawowa wizualizacja** - Twórz wykresy i diagramy
|
|
- 🔬 **Projekt w świecie rzeczywistym** - Kompletny przepływ pracy od początku do końca
|
|
|
|
Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni go idealnym dla absolutnych początkujących!
|
|
|
|
👉 **[Zacznij od przykładów](examples/README.md)** 👈
|
|
|
|
## Lekcje
|
|
|
|
|
|
||
|
|
|:---:|
|
|
| Data Science dla początkujących: Plan działania - _Sketchnotka autorstwa [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
| Numer lekcji | Temat | Grupa lekcji | Cele naukowe | Powiązana lekcja | Autor |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | Definicja Data Science | [Wprowadzenie](1-Introduction/README.md) | Poznaj podstawowe koncepcje związane z data science oraz jej powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data. | [lekcja](1-Introduction/01-defining-data-science/README.md) [wideo](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 | Definicja danych | [Wprowadzenie](1-Introduction/README.md) | Jak klasyfikowane są dane i jakie są ich typowe źródła. | [lekcja](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 04 | Wprowadzenie do statystyki i rachunku prawdopodobieństwa | [Wprowadzenie](1-Introduction/README.md) | Techniki matematyczne rachunku prawdopodobieństwa i statystyki do analizy danych. | [lekcja](1-Introduction/04-stats-and-probability/README.md) [wideo](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 z użyciem strukturalnego języka zapytań SQL (czytane „sekwel”). | [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 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 bibliotekami takimi jak Pandas. Zaleca się podstawową znajomość programowania w Pythonie. | [lekcja](2-Working-With-Data/07-python/README.md) [wideo](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 przekształcania 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) | Naucz się używać Matplotlib do wizualizacji danych ptaków 🦆 | [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 obrębie przedziału. | [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 dyskretnych i zgrupowanych procentów. | [lekcja](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 12 | Wizualizacja zależności | [Wizualizacja danych](3-Data-Visualization/README.md) | Wizualizacja powiązań i korelacji między zestawami 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, jak tworzyć wartościowe wizualizacje dla skutecznego rozwiązywania problemów i uzyskiwania wglądu. | [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 pozyskiwania 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 prezentacji wniosków z danych w sposób ułatwiający zrozumienie przez decydentów. | [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) 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 przy użyciu 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 | [Na żywo](6-Data-Science-In-Wild/README.md) | Projekty data science realizowane w świecie rzeczywistym. | [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 Kod i wybierz opcję Otwórz w Codespaces.
|
|
2. Wybierz + Nowy codespace u dołu 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, używając lokalnego komputera i VSCode oraz rozszerzenia VS Code Remote - Containers:
|
|
|
|
1. Jeśli to Twój pierwszy raz używania kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowany Docker) w [dokumentacji wprowadzającej](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
Aby użyć tego repozytorium, możesz otworzyć repozytorium w izolowanym wolumenie Docker:
|
|
|
|
**Uwaga**: W praktyce użyje to polecenia Remote-Containers: **Clone Repository in Container Volume...**, aby sklonować kod źródłowy do wolumenu Dockera zamiast systemu plików lokalnych. [Wolumeny](https://docs.docker.com/storage/volumes/) są preferowanym mechanizmem do przechowywania danych kontenera.
|
|
|
|
Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:
|
|
|
|
- Sklonuj to repozytorium do lokalnego systemu plików.
|
|
- Naciśnij F1 i wybierz polecenie **Remote-Containers: Open Folder in Container...**.
|
|
- Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i wypróbuj.
|
|
|
|
## Dostęp offline
|
|
|
|
Możesz uruchomić tę dokumentację offline, używając [Docsify](https://docsify.js.org/#/). Rozgałęź to repozytorium, [zainstaluj Docsify](https://docsify.js.org/#/quickstart) na swoim komputerze, a następnie w głównym folderze repozytorium wpisz `docsify serve`. Strona będzie serwowana na porcie 3000 na Twoim localhost: `localhost:3000`.
|
|
|
|
> Uwaga, notatniki nie będą renderowane przez Docsify, więc gdy musisz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona.
|
|
|
|
## Inne programy nauczania
|
|
|
|
Nasz zespół tworzy także 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)
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agenci
|
|
[](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 Generatywnej 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 nauki
|
|
[](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 najczęstszych problemów.
|
|
|
|
Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do innych uczących się oraz doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, gdzie pytania są mile widziane, a wiedza jest swobodnie dzielona.
|
|
|
|
[](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 za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Mimo że staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Za źródło autorytatywne należy uważać oryginalny dokument w jego oryginalnym języku. W przypadku informacji o kluczowym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |