Data-Science-For-Beginners/translations/hu

Adattudomány kezdőknek – Tanterv

A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tantervet, amely teljes egészében az adattudományról szól. Minden leckéhez tartozik elő- és utóvizsga, írott útmutató a lecke elvégzéséhez, megoldás és feladat. Projektalapú tanítási módszerünk lehetővé teszi, hogy tanulás közben építsd fel a tudásodat, ami bevált módja az új készségek „megragadásának”.

Hálás köszönet a szerzőinknek: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Külön köszönet 🙏 Microsoft Student Ambassador szerzőinknek, lektorainknak és tartalomszolgáltatóinknak, különösen Aaryan Arorának, Aditya Garg -nak, Alondra Sanchez -nak, Ankita Singh -nek, Anupam Mishra -nak, Arpita Das -nak, ChhailBihari Dubey-nek, Dibri Nsofor -nak, Dishita Bhasin -nek, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Adattudomány kezdőknek - Szabadkézi jegyzet @nitya által

🌐 Többnyelvű támogatás

GitHub Action révén támogatott (Automatizált & Mindig naprakész)

Arab | Bengáli | Bolgár | Burmese (Myanmar) | Kínai (Egyszerűsített) | Kínai (Hagyományos, Hongkong) | Kínai (Hagyományos, Makaó) | Kínai (Hagyományos, Tajvan) | Horvát | Cseh | Dán | Holland | Észt | Finn | Francia | Német | Görög | Hebrew | Hindi | Magyar | Indonéz | Olasz | Japán | Kannada | Koreai | Litván | Maláj | Malayalam | Marathi | Nepáli | Nigériai Pidgin | Norvég | Perzsa (Farsi) | Lengyel | Portugál (Brazília) | Portugál (Portugália) | Pandzsábi (Gurmukhi) | Román | Orosz | Szerb (Cirill) | Szlovák | Szlovén | Spanyol | Svahili | Svéd | Tagalog (Filippínó) | Tamil | Telugu | Thai | Török | Ukrán | Urdu | Vietnami

Előnyben részesíted a helyi klónozást?

Ez a tárhely 50+ nyelvű fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd letölteni, használd a szelektív checkoutot:

Bash / macOS / Linux:

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'

CMD (Windows):

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.

Ha további fordítási nyelveket szeretnél, a támogatott nyelvek itt találhatók: itt

Csatlakozz közösségünkhöz

Discord tanulj AI-val sorozatunk folyamatos, ismerd meg és csatlakozz hozzánk a Learn with AI Series oldalon 2025. szeptember 18-30 között. Tippeket és trükköket kapsz a GitHub Copilot használatához adattudományban.

Diák vagy?

Indulj el az alábbi forrásokkal:

• Diák központ oldal Ezen az oldalon kezdő erőforrásokat, diákcsomagokat, sőt módokat is találsz ingyenes tanúsítvány utalvány megszerzésére. Ezt az oldalt érdemes könyvjelzőzni és időről időre megnézni, mert legalább havonta frissítjük a tartalmat.
• Microsoft Learn Student Ambassadors Csatlakozz egy globális diákközösséghez, ez lehet a belépőd a Microsofthoz.

Kezdés

📚 Dokumentáció

• Telepítési útmutató – Lépésről lépésre szóló beállítási útmutató kezdőknek
• Használati útmutató – Példák és gyakori munkafolyamatok
• Hibaelhárítás – Gyakori problémák megoldásai
• Hozzájárulási útmutató – Hogyan járulhatsz hozzá ehhez a projekthez
• Tanári segédanyagok – Oktatási útmutatók és tantermi erőforrások

👨‍🎓 Diákoknak

Teljesen kezdőknek: Új vagy az adattudományban? Kezdd a kezdőbarát példáinkkal! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágsz az egész tantervbe. Diákok: hogy önállóan használd ezt a tantervet, forkolj le az egész repót, és végezd el egyedül a gyakorlatokat, kezdve egy előadás előtti kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket a leckék megértésével elkészíteni, ne csak másold a megoldás kódokat; ez a kód azonban elérhető a /solutions mappákban minden projektorientált leckénél. Egy másik ötlet lehet barátokkal tanulócsoportot alakítani és együtt átmenni a tartalmon. További gyakorláshoz ajánljuk a Microsoft Learn szolgáltatást.

Gyors kezdés:

1. Nézd át a Telepítési útmutatót, hogy beállítsd a környezetedet
2. Tekintsd át a Használati útmutatót, hogy megtanuld kezelni a tananyagot
3. Kezdj az 1. leckével, és haladj sorban
4. Csatlakozz Discord közösségünkhöz támogatásért: Discord közösség

👩‍🏫 Tanároknak

Tanárok: beletettünk néhány javaslatot arra vonatkozóan, hogyan használjátok ezt a tananyagot. Nagyon örülnénk a visszajelzéseteknek a vitafórumunkon!

Ismerd meg a csapatot

Gif készítője: Mohit Jaisal

🎥 Kattints a fenti képre egy videóért a projektről és az alkotóiról!

Pedagógia

A tananyag felépítése során két pedagógiai alaptételt választottunk: hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a tanulók elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, adat-előkészítést, az adatokkal való különféle munkamódszereket, adatvizualizációt, adatelemzést, az adattudomány valós világban való alkalmazási eseteit és még sok mást.

Ezen felül az óra előtti alacsony kockázatú kvíz beállítja a tanuló szándékát egy téma megismerésére, míg a második kvíz az óra után segíti a további megőrzést. A tananyagot rugalmasra és szórakoztatóra terveztük, és egészében vagy részleteiben is elvégezhető. A projektek kicsiben indulnak, és a 10 hetes ciklus végére egyre összetettebbé válnak.

Találd meg a Magatartási kódexünket, a Hozzájárulási és a Fordítási irányelveket. Várjuk építő jellegű visszajelzéseiteket!

Minden lecke tartalmazza:

• Opcionális összefoglaló
• Opcionális kiegészítő videó
• Óra előtti bemelegítő kvíz
• Írott lecke
• Projektalapú leckékhez lépésről lépésre útmutatók a projekt elkészítéséhez
• Tudásellenőrzések
• Egy kihívás
• Kiegészítő olvasmány
• Óra utáni kvíz

Megjegyzés a kvízekről: Minden kvíz a Quiz-App mappában található, összesen 40, három kérdésből álló kvíz. Ezek be vannak linkelve a leckékben, de a kvízalkalmazás helyileg is futtatható vagy telepíthető az Azure-ba; kövesd az útmutatást a quiz-app mappában. Folyamatosan lokalizáljuk őket.

🎓 Kezdőknek szánt példák

Új vagy az adatelemzésben? Külön példakönyvtárat hoztunk létre egyszerű, jól kommentált kóddal, hogy segítsünk az indulásban:

• 🌟 Hello World - Az első adatelemző programod
• 📂 Adatok betöltése - Tanuld meg adatállományok olvasását és feltérképezését
• 📊 Egyszerű elemzés - Statisztikák számítása és minták keresése
• 📈 Alapvető vizualizáció - Diagramok és grafikonok készítése
• 🔬 Valós projektek - Teljes munkafolyamat az elejétől a végéig

Minden példa részletes kommentárokat tartalmaz, amelyek minden lépést elmagyaráznak, így tökéletesek abszolút kezdőknek!

👉 Kezdj a példákkal 👈

Leckék

Adatelemzés kezdőknek: Útvonalterv - Összefoglaló @nitya tollából

Lecke száma	Téma	Lecke csoportosítás	Tanulási célok	Link a leckéhez	Szerző
01	Adatelemzés meghatározása	Bevezetés	Tanuld meg az adatelemzés alapfogalmait és hogy mi a kapcsolata a mesterséges intelligenciával, gépi tanulással és a big datával.	lecke videó	Dmitry
02	Adatelemzési etika	Bevezetés	Az adatetikával kapcsolatos fogalmak, kihívások és keretrendszerek.	lecke	Nitya
03	Adat meghatározása	Bevezetés	Hogyan osztályozzuk az adatokat és milyen gyakori forrásaik vannak.	lecke	Jasmine
04	Bevezetés a statisztikába és valószínűségszámításba	Bevezetés	A valószínűség és statisztika matematikai módszerei az adatok megértéséhez.	lecke videó	Dmitry
05	Relációs adatok kezelése	Adatok kezelése	Bevezetés a relációs adatokba és alapok a relációs adatok felfedezéséhez és elemzéséhez a Strukturált Lekérdező Nyelv, azaz SQL (ejtsd: "szíkvel") segítségével.	lecke	Christopher
06	Nem relációs adatok kezelése	Adatok kezelése	Bevezetés a nem relációs adatokba, ezek fajtáiba és a dokumentum adatbázisok felfedezésének, elemzésének alapjaiba.	lecke	Jasmine
07	Python használata	Adatok kezelése	Python alapjai adatfeltárásra, például a Pandas könyvtárakkal. Ajánlott a Python programozás alapjainak ismerete.	lecke videó	Dmitry
08	Adatelőkészítés	Adatok kezelése	Témák az adattisztításról és az adat átalakításáról a hiányzó, pontatlan vagy hiányos adatok kezeléséhez.	lecke	Jasmine
09	Mennyiségek vizualizálása	Adatvizualizáció	Tanuld meg, hogyan használjuk a Matplotlib-et madáradatok vizualizálásához 🦆	lecke	Jen
10	Az adatok eloszlásának vizualizálása	Adatvizualizáció	Megfigyelések és trendek vizualizálása egy intervallumon belül.	lecke	Jen
11	Arányok vizualizálása	Adatvizualizáció	Diszkrét és csoportos százalékok vizualizálása.	lecke	Jen
12	Kapcsolatok vizualizálása	Adatvizualizáció	Az adathalmazok és változóik közötti kapcsolatok és korrelációk vizualizálása.	lecke	Jen
13	Értelmes vizualizációk	Adatvizualizáció	Technológiák és útmutató az értékes vizualizációk készítéséhez a hatékony problémamegoldás és betekintés érdekében.	lecke	Jen
14	Bevezetés az adatelemzési életciklusba	Életciklus	Bevezetés az adatelemzés életciklusába és az első lépésbe: adatgyűjtés és -kivonás.	lecke	Jasmine
15	Elemzés	Életciklus	Az adatelemzési életciklus ezen szakasza az adatokat elemző technikákra koncentrál.	lecke	Jasmine
16	Kommunikáció	Életciklus	Az adatelemzési életciklus ezen szakasza az adatból származó felismerések bemutatására fókuszál úgy, hogy az döntéshozók számára könnyebben érthető legyen.	lecke	Jalen
17	Adattudomány a felhőben	Felhőadatok	Ez a leckesorozat bemutatja az adatelemzést a felhőben és annak előnyeit.	lecke	Tiffany és Maud
18	Adattudomány a felhőben	Felhőadatok	Modellek tanítása Low Code eszközökkel.	lecke	Tiffany és Maud
19	Adattudomány a felhőben	Felhőadatok	Modellek telepítése az Azure Machine Learning Studio segítségével.	lecke	Tiffany és Maud
20	Adattudomány a valóságban	A valóságban	Valós világban végzett adattudományi projektek.	lecke	Nitya

GitHub Codespaces

Kövessük az alábbi lépéseket ennek a mintának a Codespace-ben való megnyitásához:

1. Kattints a Code legördülő menüre és válaszd az Open with Codespaces opciót.
2. Válaszd a + New codespace lehetőséget az ablak alján. További információért tekintsd meg a GitHub dokumentációját.

VSCode Remote - Konténerek

Kövessük az alábbi lépéseket ennek a tárolónak a helyi gépről és a VSCode-ból a VS Code Remote - Containers kiterjesztéssel történő megnyitásához:

1. Ha ez az első alkalom, hogy fejlesztési konténert használsz, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (pl. telepítve van a Docker) a kezdő dokumentációban.

A tárház használatához megnyithatod azt izolált Docker kötetben:

Megjegyzés: A háttérben a Remote-Containers: Clone Repository in Container Volume... parancsot használja a forráskód Docker kötetbe történő klónozásához, ahelyett, hogy a helyi fájlrendszerbe másolná. A Tömeges tárolók a rendszertartalom megőrzésének preferált módja.

Vagy megnyithatsz a tárház helyi példányt vagy letöltött változatát:

• Klónozd a tárházat helyi fájlrendszeredre.
• Nyomj F1-et, és válaszd a Remote-Containers: Open Folder in Container... parancsot.
• Válaszd ki a klónozott mappa másolatát, várd meg, amíg a konténer elindul, és próbáld ki.

Offline elérés

Offline is futtathatod ezt a dokumentációt a Docsify segítségével. Forkold ezt a repo-t, telepítsd a Docsify-t a helyi gépeden, majd a repo gyökérmappájában indítsd el a docsify serve parancsot. A weboldal a 3000-es porton lesz elérhető a localhoston: localhost:3000.

Megjegyzés: a jegyzetfüzetek nem jelennek meg Docsify-val, így ha jegyzetfüzetet kell futtatnod, azt külön tedd meg VS Code-ban Python kernel használatával.

Egyéb tananyagok

Csapatunk más tananyagokat is készít! Nézd meg:

LangChain

Azure / Edge / MCP / Ügynökök

---

Generatív AI sorozat

---

Alapvető tanulás

---

Copilot sorozat

Segítség kérése

Problémába ütköztél? Nézd meg Hibakeresési útmutatónkat, ahol gyakori problémák megoldásait találod.

Ha elakadsz, vagy kérdésed van az AI alkalmazások fejlesztésével kapcsolatban, csatlakozz tanulótársaidhoz és tapasztalt fejlesztőkhöz az MCP-ről folytatott beszélgetésekben. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztásra kerül.

Ha termék visszajelzésed vagy hibajelentésed van fejlesztés közben, látogass el ide:

---

Nyilatkozat: Ezt a dokumentumot az AI fordító szolgáltatás, a Co-op Translator segítségével fordítottuk le. Bár igyekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum anyanyelvi változatát tekintse a hiteles forrásnak. Kritikus információk esetén professzionális, emberi fordítást javaslunk. Semmilyen felelősséget nem vállalunk az ebből a fordításból eredő félreértésekért vagy téves értelmezésekért.