Data-Science-For-Beginners/translations/cs

Data Science pro začátečníky - Kurikulum

Azure Cloud Advocates v Microsoftu s potěšením nabízejí 10týdenní, 20lekční kurikulum zaměřené na Data Science. Každá lekce obsahuje kvízy před a po lekci, psané instrukce k dokončení lekce, řešení a úkol. Naše projektově orientovaná pedagogika vám umožní učit se při tvorbě, což je osvědčený způsob, jak nové dovednosti „uchytit“.

Srdečné díky našim autorům: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Zvláštní poděkování 🙏 našim autorům, recenzentům a přispěvatelům obsahu z řad Microsoft Student Ambassador, zejména Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, 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

Data Science pro začátečníky - Sketchnote od @nitya

🌐 Podpora více jazyků

Podporováno pomocí GitHub Action (automatizované a vždy aktuální)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Pokud si přejete, aby byly podporovány další překladové jazyky, jsou uvedeny zde

Připojte se k naší komunitě

Máme probíhající sérii Learn with AI na Discordu, dozvíte se více a připojte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky pro používání GitHub Copilot pro Data Science.

Jste student?

Začněte s následujícími zdroji:

• Student Hub stránka Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce i způsoby, jak získat bezplatný certifikační voucher. Tuto stránku si chcete uložit do záložek a čas od času ji kontrolovat, protože obsah měníme alespoň jednou měsíčně.
• Microsoft Learn Student Ambassadors Připojte se k globální komunitě studentských ambasadorů, může to být vaše cesta do Microsoftu.

Začínáme

📚 Dokumentace

• Instalační příručka - Krok za krokem nastavení pro začátečníky
• Příručka použití - Příklady a běžné pracovní postupy
• Řešení problémů - Řešení běžných problémů
• Příručka pro přispívání - Jak přispět do tohoto projektu
• Pro učitele - Pokyny pro výuku a zdroje do tříd

👨‍🎓 Pro studenty

Úplní začátečníci: Noví v datové vědě? Začněte s našimi příklady pro začátečníky! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy před tím, než se pustíte do celého kurikula. Studenti: pro samostatné použití tohoto kurikula si vytvořte fork celého repozitáře a dokončujte cvičení sami, začínaje kvízem před lekcí. Pak si přečtěte lekci a dokončete zbytek aktivit. Snažte se projekty vytvářet pochopením lekcí, nikoli kopírováním kódu řešení; tento kód je však k dispozici ve složkách /solutions v každé lekci orientované na projekt. Další možností je vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Rychlý start:

1. Pro nastavení prostředí si přečtěte Instalační příručku
2. Pro naučení se práce s kurikulem si projděte Příručku použití
3. Začněte Lekcí 1 a pokračujte postupně
4. Připojte se k naší Discord komunitě pro podporu

👩‍🏫 Pro učitele

Učitelé: zahrnuli jsme několik návrhů, jak toto kurikulum používat. Budeme rádi za vaši zpětnou vazbu v našem diskusním fóru!

Seznamte se s týmem

Gif od Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří jej vytvořili!

Pedagogika

Při tvorbě tohoto kurikula jsme zvolili dva pedagogické principy: zajistit, aby byl založen na projektech, a aby obsahoval časté kvízy. Na konci této série se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití datové vědy a další.

Navíc nízkorizikový kvíz před hodinou nastavuje záměr studenta k učení tématu, zatímco druhý kvíz po hodině zajišťuje další zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné a lze jej absolvovat celé nebo částečně. Projekty začínají malé a postupně se během 10týdenního cyklu stávají složitějšími.

Najděte náš Kodex chování, Příspěvky, Překlady pokyny. Vítáme vaši konstruktivní zpětnou vazbu!

Každá lekce obsahuje:

• Volitelnou sketchnotu
• Volitelné doplňkové video
• Zahřívací kvíz před lekcí
• Písemnou lekci
• U lekcí založených na projektech krok za krokem návody, jak projekt vytvořit
• Kontroly znalostí
• Výzvu
• Doplňující čtení
• Zadání
• Kvíz po lekci

Poznámka o kvízech: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny z lekcí, ale kvízovou aplikaci lze spustit lokálně nebo nasadit do Azure; postupujte podle pokynů ve složce quiz-app. Postupně jsou lokalizovány.

🎓 Příklady vhodné pro začátečníky

Nový v datové vědě? Vytvořili jsme speciální adresář příkladů s jednoduchým, dobře komentovaným kódem, který vám pomůže začít:

• 🌟 Hello World - Váš první program v datové vědě
• 📂 Načítání dat - Naučte se číst a prozkoumávat datové sady
• 📊 Jednoduchá analýza - Vypočítejte statistiky a najděte vzory
• 📈 Základní vizualizace - Vytvářejte grafy a diagramy
• 🔬 Reálný projekt - Kompletní pracovní postup od začátku do konce

Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, což je ideální pro úplné začátečníky!

👉 Začněte s příklady 👈

Lekce

Datová věda pro začátečníky: Plán - Sketchnote od @nitya

Číslo lekce	Téma	Skupina lekcí	Výukové cíle	Propojená lekce	Autor
01	Definice datové vědy	Úvod	Naučte se základní pojmy datové vědy a jak souvisí s umělou inteligencí, strojovým učením a velkými daty.	lekce video	Dmitry
02	Etika datové vědy	Úvod	Koncepty, výzvy a rámce datové etiky.	lekce	Nitya
03	Definice dat	Úvod	Jak jsou data klasifikována a jejich běžné zdroje.	lekce	Jasmine
04	Úvod do statistiky a pravděpodobnosti	Úvod	Matematické techniky pravděpodobnosti a statistiky pro pochopení dat.	lekce video	Dmitry
05	Práce s relačními daty	Práce s daty	Úvod do relačních dat a základy prozkoumávání a analýzy relačních dat pomocí jazyka Structured Query Language, známého také jako SQL (vyslovuje se „sí-kvel“).	lekce	Christopher
06	Práce s NoSQL daty	Práce s daty	Úvod do nerelačních dat, jejich různých typů a základy prozkoumávání a analýzy dokumentových databází.	lekce	Jasmine
07	Práce s Pythonem	Práce s daty	Základy používání Pythonu pro průzkum dat s knihovnami jako Pandas. Doporučuje se základní znalost programování v Pythonu.	lekce video	Dmitry
08	Příprava dat	Práce s daty	Témata o technikách čištění a transformace dat pro řešení problémů s chybějícími, nepřesnými nebo neúplnými daty.	lekce	Jasmine
09	Vizualizace množství	Vizualizace dat	Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆	lekce	Jen
10	Vizualizace rozdělení dat	Vizualizace dat	Vizualizace pozorování a trendů v intervalu.	lekce	Jen
11	Vizualizace poměrů	Vizualizace dat	Vizualizace diskrétních a seskupených procent.	lekce	Jen
12	Vizualizace vztahů	Vizualizace dat	Vizualizace spojení a korelací mezi sadami dat a jejich proměnnými.	lekce	Jen
13	Smysluplné vizualizace	Vizualizace dat	Techniky a rady, jak učinit vaše vizualizace hodnotnými pro efektivní řešení problémů a získávání poznatků.	lekce	Jen
14	Úvod do životního cyklu datové vědy	Životní cyklus	Úvod do životního cyklu datové vědy a jeho první krok získávání a extrakce dat.	lekce	Jasmine
15	Analýza	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat.	lekce	Jasmine
16	Komunikace	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje porozumění rozhodovacím činitelům.	lekce	Jalen
17	Datová věda v cloudu	Cloud Data	Tato série lekcí představuje datovou vědu v cloudu a její výhody.	lekce	Tiffany a Maud
18	Datová věda v cloudu	Cloud Data	Trénování modelů pomocí nástrojů Low Code.	lekce	Tiffany a Maud
19	Datová věda v cloudu	Cloud Data	Nasazení modelů pomocí Azure Machine Learning Studio.	lekce	Tiffany a Maud
20	Datová věda v praxi	In the Wild	Projekty řízené datovou vědou v reálném světě.	lekce	Nitya

GitHub Codespaces

Postupujte podle těchto kroků pro otevření tohoto vzoru v Codespace:

1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
2. Vyberte + New codespace ve spodní části panelu. Pro více informací si přečtěte dokumentaci GitHubu.

VSCode Remote - Containers

Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:

1. Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje předpoklady (např. má nainstalovaný Docker) v dokumentaci pro začátečníky.

Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker volume:

Poznámka: Pod kapotou bude použita příkaz Remote-Containers: Clone Repository in Container Volume... pro klonování zdrojového kódu do Docker volume místo lokálního souborového systému. Volumes jsou preferovaný mechanismus pro uchovávání dat kontejneru.

Nebo otevřete lokálně klonovanou či staženou verzi repozitáře:

• Naklonujte tento repozitář do svého lokálního souborového systému.
• Stiskněte F1 a vyberte příkaz Remote-Containers: Open Folder in Container....
• Vyberte klonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte to.

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Vytvořte fork tohoto repozitáře, nainstalujte Docsify na svůj lokální počítač, poté v kořenové složce tohoto repozitáře zadejte docsify serve. Web bude dostupný na portu 3000 na vašem localhostu: localhost:3000.

Poznámka, notebooky nebudou vykresleny přes Docsify, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem.

Další kurikula

Náš tým vytváří i další kurikula! Podívejte se na:

LangChain

---

Azure / Edge / MCP / Agents

---

Série Generativní AI

---

Základní učení

---

Série Copilot

Získání pomoci

Máte problémy? Podívejte se na náš Průvodce řešením problémů pro řešení běžných potíží.

Pokud se zaseknete nebo máte jakékoli otázky ohledně vytváření AI aplikací, připojte se k ostatním studentům a zkušeným vývojářům v diskuzích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se sdílejí volně.

Pokud máte zpětnou vazbu k produktu nebo chyby při vývoji, navštivte:

---

Prohlášení o vyloučení odpovědnosti:
Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. Přestože usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.