Data-Science-For-Beginners/translations/cs

Data Science pro začátečníky - Kurikulum

Azure Cloud Advocates ve Microsoftu s potěšením nabízejí 10týdenní, 20lekční kurikulum zaměřené na Data Science. Každá lekce obsahuje kvízy před a po lekci, psané pokyny k dokončení lekce, řešení a úkol. Naše výuková metoda založená na projektech vám umožňuje učit se při tvorbě, což je osvědčený způsob, jak si nové dovednosti opravdu osvojit.

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

🙏 Zvláštní poděkování 🙏 našim Microsoft Student Ambassador autorům, recenzentům a přispěvatelům obsahu, 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 přes GitHub Action (automatické 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

Preferujete klonovat lokálně?

Tento repozitář zahrnuje více než 50 překladových jazyků, což výrazně zvětšuje velikost stažení. Pro klonování bez překladů použijte sparse checkout:

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'

Toto vám poskytne vše potřebné k dokončení kurzu s mnohem rychlejším stažením.

Pokud chcete podporu dalších jazyků překladů, jsou uvedeny zde

Připojte se k naší komunitě

Máme probíhající Discord sérii Learn with AI, dozvíte se více a připojte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky, jak používat 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. To je stránka, kterou si chcete uložit do záložek a občas ji navštívit, protože obsah měníme alespoň jednou měsíčně.
• Microsoft Learn Student Ambassadors Připojte se k globální komunitě studentských ambasadorů, to může být vaše cesta do Microsoftu.

Začínáme

📚 Dokumentace

• Průvodce instalací - Krok za krokem nastavení pro začátečníky
• Průvodce používáním - Příklady a běžné pracovní postupy
• Řešení problémů - Řešení běžných problémů
• Příspěvky do projektu - Jak přispět do tohoto projektu
• Pro učitele - Příručka pro výuku a zdroje do tříd

👨‍🎓 Pro studenty

Úplní začátečníci: Noví v oblasti data science? Začněte s našimi přátelskými příklady pro začátečníky! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy předtím, než se pustíte do celého kurikula. Studenti: pro použití tohoto kurikula sami, vyfofrkujte celý repozitář a samostatně dokončujte cvičení, začněte kvízem před přednáškou. Pak si přečtěte přednášku a dokončete zbytek aktivit. Snažte se vytvářet projekty na základě porozumění lekcím, nikoli pouze kopírováním kódu řešení; ten je ale dostupný ve složkách /solutions v každé projektově orientované lekci. Další možností je vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Rychlý start:

1. Pro instalaci spoléháte na Průvodce instalací
2. Podívejte se na Průvodce používáním, abyste se naučili pracovat s kurikulem
3. Začněte Lekcí 1 a postupujte chronologicky
4. Připojte se k naší Discord komunitě pro podporu

👩‍🏫 Pro učitele

Učitelé: přidali jsme několik návrhů, jak používat toto kurikulum. Budeme rádi za vaši zpětnou vazbu v našem diskuzním 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 dvě pedagogické zásady: zajistit, aby bylo založeno na projektech, a aby obsahovalo 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 ke studiu daného tématu, zatímco druhý kvíz po hodině zajišťuje lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné a může být absolvováno celé nebo částečně. Projekty začínají malé a postupně se během 10týdenního cyklu stávají složitějšími.

Najdete zde naše Kodex chování, Pravidla přispívání a Překlady. Vítáme vaše konstruktivní připomínky!

Každá lekce obsahuje:

• Volitelnou náčrtnou poznámku
• Volitelné doplňkové video
• Zahřívací kvíz před lekcí
• Psána lekce
• U lekcí založených na projektu podrobné návody, jak projekt vybudovat
• Kontroly znalostí
• Výzvu
• Doplňující četbu
• Zadání
• Kvíz po lekci

Poznámka ke kvízům: Všechny kvízy jsou uloženy v složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny z lekcí, ale aplikaci kvízů je možné spustit lokálně nebo nasadit do Azure; postupujte podle pokynů ve složce quiz-app. Postupně se lokalizují.

🎓 Příklady přátelské k začátečníkům

Nový ve světě datové vědy? Vytvořili jsme speciální adresář příkladů se jednoduchým, dobře komentovaným kódem, který vám pomůže začít:

• 🌟 Hello World - Váš první program datové vědy
• 📂 Načítání dat - Naučte se číst a prozkoumávat dataset
• 📊 Jednoduchá analýza - Vypočítejte statistiky a najděte vzory
• 📈 Základní vizualizace - Vytvořte grafy a diagramy
• 🔬 Projekt z reálného světa - Kompletní pracovní postup od začátku do konce

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

👉 Začněte s příklady 👈

Lekce

Data Science Pro Začátečníky: Plán - Nákres poznámky od @nitya

Číslo lekce	Téma	Skupina lekcí	Výukové cíle	Odkaz na lekci	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 etiky dat, výzvy a rámce.	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 k 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 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 použití Pythonu pro průzkum dat s knihovnami, jako je Pandas. Doporučuje se základní porozumění programování v Pythonu.	lekce video	Dmitry
08	Příprava dat	Práce s daty	Témata o technikách čistění a transformace dat pro zvládání 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 rozložení dat	Vizualizace dat	Vizualizace pozorování a trendů v rámci intervalu.	lekce	Jen
11	Vizualizace poměrů	Vizualizace dat	Vizualizace diskrétních a seskupených procent.	lekce	Jen
12	Vizualizace vztahů	Vizualizace dat	Vizualizace propojení a korelací mezi sadami dat a jejich proměnnými.	lekce	Jen
13	Významné vizualizace	Vizualizace dat	Techniky a rady, jak učinit vaše vizualizace hodnotnými pro efektivní řešení problémů a získání poznatků.	lekce	Jen
14	Úvod do životního cyklu datové vědy	Životní cyklus	Úvod do životního cyklu datové vědy a jeho prvního kroku, 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 tak, aby byly snadněji pochopitelné pro rozhodovatele.	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 s nízkým kódem.	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 reálném životě	In the Wild	Projekty řízené datovou vědou v reálném světě.	lekce	Nitya

GitHub Codespaces

Postupujte podle těchto kroků, abyste otevřeli tento příklad v Codespace:

1. Klikněte na rozbalovací nabídku Kód a vyberte možnost Otevřít pomocí Codespaces.
2. Vyberte + Nový 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 pomocí rozšíření VS Code Remote - Containers:

1. Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje požadavky (tj. máte nainstalovaný Docker) v dokumentaci pro začátečníky.

Pro používání tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker svazku:

Poznámka: Pod kapotou bude použito Remote-Containers: Klonovat repozitář do svazku kontejneru... příkaz pro naklonování zdrojového kódu do Docker svazku místo lokálního souborového systému. Svazky jsou preferovaný mechanismus pro uchovávání dat kontejneru.

Nebo otevřete lokálně naklonovanou či staženou verzi repozitáře:

• Naklonujte tento repozitář do lokálního souborového systému.
• Stiskněte F1 a vyberte příkaz Remote-Containers: Otevřít složku v kontejneru....
• Vyberte naklonovanou kopii této složky, počkejte, až se kontejner spustí, a vyzkoušejte to.

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Vytvořte fork tohoto repozitáře, nainstalujte Docsify na váš lokální počítač, poté v kořenové složce tohoto repozitáře spusťte docsify serve. Webová stránka bude dostupná na portu 3000 na vašem localhostu: localhost:3000.

Poznámka, poznámkové bloky nebudou vykresleny přes Docsify, takže pokud potřebujete spustit poznámkový blok, udělejte to samostatně ve VS Code s běžícím Python jádrem.

Další kurikula

Náš tým vytváří další kurikula! Podívejte se na:

LangChain

---

Azure / Edge / MCP / Agenti

---

Série Generativní AI

---

Základní vzdělávání

---

Série Copilot

Získání pomoci

Máte problémy? Podívejte se do našeho Průvodce řešením problémů pro řešení běžných potíží.

Pokud uvíznete nebo máte jakékoli dotazy ohledně vytváření AI aplikací. Připojte se k ostatním studentům a zkušeným vývojářům v diskusích o MCP. Je to podpůrná komunita, kde jsou dotazy vítány a znalosti se volně sdílejí.

Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby během vývoje, 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 automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace doporučujeme profesionální lidský překlad. Nejsme zodpovědní za jakékoli nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.