Data-Science-For-Beginners/translations/hr

Data Science za početnike - Nastavni plan

Zagovornici Azure Clouda u Microsoftu s veseljem nude 10-tjedni, 20-lekcijski nastavni plan u potpunosti posvećen Data Scienceu. Svaka lekcija uključuje kvizove prije i poslije lekcije, pisane upute za dovršavanje lekcije, rješenje i zadatak. Naša pedagoška metoda bazirana na projektima omogućava učenje kroz izgradnju, dokazano djelotvoran način da nove vještine 'upamtiš'.

Srdačna zahvala našim autorima: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Posebna zahvala 🙏 našim autorima, recenzentima i suradnicima sadržaja iz Microsoft Student Ambassador, naročito Aaryanu Arori, 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 za početnike - Sketchnote by @nitya

🌐 Višejezična podrška

Podržano putem GitHub Action (Automatski i uvijek ažurno)

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

Radije lokalno klonirati?

Ovaj repozitorij uključuje prijevode na preko 50 jezika što značajno povećava veličinu preuzimanja. Za kloniranje bez prijevoda, koristite sparse checkout:

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"

Ovo vam daje sve što vam treba za dovršetak tečaja s mnogo bržim preuzimanjem.

Ako želite podržati dodatne jezike prijevoda, popis podržanih jezika je ovdje

Pridružite se našoj zajednici

Imamo u tijeku Discord seriju "learn with AI", saznajte više i pridružite nam se na Learn with AI Series od 18. do 30. rujna 2025. Dobit ćete korisne savjete i trikove za korištenje GitHub Copilota za Data Science.

Jeste li student?

Započnite sa sljedećim resursima:

• Student Hub stranica Na ovoj stranici pronaći ćete resurse za početnike, studentske pakete pa čak i načine za dobiti besplatni certifikat vaučer. Ovo je stranica koju ćete htjeti bookmarkirati i povremeno pregledavati jer redovito mijenjamo sadržaj, barem na mjesečnoj bazi.
• Microsoft Learn Student Ambassadors Pridružite se globalnoj zajednici studentskih ambasadora, ovo može biti vaš put u Microsoft.

Početak

📚 Dokumentacija

• Upute za instalaciju - Korak-po-korak upute za postavljanje za početnike
• Upute za korištenje - Primjeri i uobičajeni postupci
• Rješavanje problema - Rješenja za uobičajene probleme
• Upute za doprinos - Kako pridonijeti ovom projektu
• Za nastavnike - Upute za podučavanje i materijali za nastavu

👨‍🎓 Za studente

Potpuni početnici: Novi ste u data scienceu? Započnite s našim primjerima prilagođenim početnicima! Ovi jednostavni, dobro komentirani primjeri pomoći će vam shvatiti osnove prije nego započnete s punim nastavnim planom. Studenti: Za samostalan rad na ovom nastavnom planu, forkajte cijeli repozitorij i sami dovršavajte zadatke, počevši s kvizom prije predavanja. Zatim pročitajte predavanje i dovršite ostatak aktivnosti. Pokušajte stvarati projekte razumijevanjem lekcija umjesto kopiranjem koda rješenja; no taj kod je dostupan u mapama /solutions u svakoj lekciji usmjerenoj na projekte. Druga ideja je formirati studijsku grupu s prijateljima i zajedno prolaziti sadržaj. Za dodatno učenje preporučujemo Microsoft Learn.

Brzi početak:

1. Provjerite Upute za instalaciju za postavljanje vašeg okruženja
2. Pregledajte Upute za korištenje kako biste naučili rad s nastavnim planom
3. Započnite s Lekcijom 1 i radite redom
4. Pridružite se našoj Discord zajednici za podršku

👩‍🏫 Za nastavnike

Nastavnici: uključili smo neke prijedloge o tome kako koristiti ovaj kurikulum. Veselimo se vašim povratnim informacijama u našem forumu za raspravu!

Upoznajte tim

Gif by Mohit Jaisal

🎥 Kliknite gornju sliku za video o projektu i ljudima koji su ga stvorili!

Pedagogija

Prilikom izrade ovog kurikuluma odabrali smo dva pedagoška načela: osigurati da je projektno orijentiran i da uključuje česte kvizove. Do kraja ove serije, učenici će naučiti osnovne principe podatkovne znanosti, uključujući etičke koncepte, pripremu podataka, različite načine rada s podacima, vizualizaciju podataka, analizu podataka, primjere upotrebe podatkovne znanosti u stvarnom svijetu i više.

Osim toga, kviz s niskim ulogom prije sata usmjerava učenikovu namjeru prema učenju teme, dok drugi kviz nakon sata osigurava dodatno zadržavanje znanja. Ovaj kurikulum dizajniran je da bude fleksibilan i zabavan i može se prolaziti u cijelosti ili dijelom. Projekti započinju mali i postaju složeniji do kraja 10-tjednog ciklusa.

Pronađite naš Kodeks ponašanja, Upute za doprinos, Pravila prevođenja. Veselimo se vašim konstruktivnim povratnim informacijama!

Svaka lekcija uključuje:

• Neobavezan sketchnote
• Neobavezan dodatni video
• Kviz za zagrijavanje prije lekcije
• Pisanu lekciju
• Za projektno orijentirane lekcije, korak-po-korak vodiče za izgradnju projekta
• Provjere znanja
• Izazov
• Dodatno čitanje
• Zadatak
• Kviz nakon lekcije

Napomena o kvizovima: Svi kvizovi nalaze se u mapi Quiz-App, ukupno 40 kvizova po tri pitanja svaki. Povezani su unutar lekcija, ali quiz app se može pokrenuti lokalno ili implementirati na Azure; slijedite upute u mapi quiz-app. Postupno se lokaliziraju.

🎓 Primjeri prilagođeni početnicima

Novi ste u podatkovnoj znanosti? Kreirali smo poseban direktorij primjera s jednostavnim i dobro komentiranim kodom koji će vam pomoći da započnete:

• 🌟 Hello World - Vaš prvi program podatkovne znanosti
• 📂 Učitavanje podataka - Naučite kako čitati i istraživati skupove podataka
• 📊 Jednostavna analiza - Izračunajte statistike i pronađite obrasce
• 📈 Osnovna vizualizacija - Stvarajte grafikone i grafikone
• 🔬 Projekt iz stvarnog svijeta - Potpuni radni tijek od početka do kraja

Svaki primjer uključuje detaljne komentare koji objašnjavaju svaki korak, što ga čini savršenim za apsolutne početnike!

👉 Započnite s primjerima 👈

Lekcije

Podatkovna znanost za početnike: Putokaz - Sketchnote by @nitya

Broj lekcije	Tema	Grupiranje lekcije	Ciljevi učenja	Povezana lekcija	Autor
01	Definiranje podatkovne znanosti	Uvod	Naučite osnovne pojmove vezane uz podatkovnu znanost i kako je povezana s umjetnom inteligencijom, strojnim učenjem i velikim podacima.	lekcija video	Dmitry
02	Etika podatkovne znanosti	Uvod	Koncepti, izazovi i okviri etike podataka.	lekcija	Nitya
03	Definiranje podataka	Uvod	Kako se podaci klasificiraju i njihovi uobičajeni izvori.	lekcija	Jasmine
04	Uvod u statistiku i vjerojatnost	Uvod	Matematičke tehnike vjerojatnosti i statistike za razumijevanje podataka.	lekcija video	Dmitry
05	Rad s relacijskim podacima	Rad s podacima	Uvod u relacijske podatke i osnove istraživanja i analize relacijskih podataka uz korištenje strukturalnog jezika upita, poznatog kao SQL (izgovara se "es-kju-el").	lekcija	Christopher
06	Rad s NoSQL podacima	Rad s podacima	Uvod u nerelacijske podatke, različite vrste i osnove istraživanja i analize dokumenata baza podataka.	lekcija	Jasmine
07	Rad s Pythonom	Rad s podacima	Osnove korištenja Pythona za istraživanje podataka s bibliotekama kao što je Pandas. Preporučeno osnovno razumijevanje programiranja u Pythonu.	lekcija video	Dmitry
08	Priprema podataka	Rad s podacima	Tematska područja tehnika čišćenja i transformacije podataka za rješavanje izazova poput nedostajućih, netočnih ili nepotpunih podataka.	lekcija	Jasmine
09	Vizualizacija količina	Vizualizacija podataka	Naučite kako koristiti Matplotlib za vizualizaciju podataka o pticama 🦆	lekcija	Jen
10	Vizualizacija raspodjele podataka	Vizualizacija podataka	Vizualizacija opažanja i trendova unutar intervala.	lekcija	Jen
11	Vizualizacija proporcija	Vizualizacija podataka	Vizualizacija diskretnih i grupiranih postotaka.	lekcija	Jen
12	Vizualizacija odnosa	Vizualizacija podataka	Vizualizacija veza i korelacija između skupova podataka i njihovih varijabli.	lekcija	Jen
13	Značajne vizualizacije	Vizualizacija podataka	Tehnike i smjernice za stvaranje vrijednih vizualizacija za učinkovito rješavanje problema i dobivanje uvida.	lekcija	Jen
14	Uvod u životni ciklus podatkovne znanosti	Životni ciklus	Uvod u životni ciklus podatkovne znanosti i njegov prvi korak - prikupljanje i izdvajanje podataka.	lekcija	Jasmine
15	Analiza	Životni ciklus	Ova faza životnog ciklusa podatkovne znanosti fokusira se na tehnike analize podataka.	lekcija	Jasmine
16	Komunikacija	Životni ciklus	Ova faza životnog ciklusa podatkovne znanosti fokusira se na prezentiranje uvida iz podataka na način koji olakšava razumijevanje donositeljima odluka.	lekcija	Jalen
17	Podatkovna znanost u oblaku	Podaci u oblaku	Ova serija lekcija uvodi podatkovnu znanost u oblak i njezine prednosti.	lekcija	Tiffany i Maud
18	Podatkovna znanost u oblaku	Podaci u oblaku	Treniranje modela koristeći Low Code alate.	lekcija	Tiffany i Maud
19	Podatkovna znanost u oblaku	Podaci u oblaku	Implementacija modela s Azure Machine Learning Studio.	lekcija	Tiffany i Maud
20	Podatkovna znanost u praksi	U praksi	Projekti vođeni podatkovnom znanošću u stvarnom svijetu.	lekcija	Nitya

GitHub Codespaces

Slijedite ove korake da biste otvorili ovaj primjer u Codespaceu:

1. Kliknite na padajući izbornik Code i odaberite opciju Open with Codespaces.
2. Odaberite + New codespace pri dnu okna. Za više informacija, pogledajte GitHub dokumentaciju.

VSCode Remote - Containers

Slijedite ove korake da biste otvorili ovaj repozitorij u kontejneru koristeći vaše lokalno računalo i VSCode s proširenjem VS Code Remote - Containers:

1. Ako prvi put koristite razvojni kontejner, provjerite zadovoljava li vaš sustav preduvjete (npr. imate li instaliran Docker) u putu za početak rada.

Za korištenje ovog repozitorija možete ili otvoriti repozitorij u izoliranom Docker volumenu:

Napomena: U pozadini će se koristiti naredba Remote-Containers: Clone Repository in Container Volume... za kloniranje izvornog koda unutar Docker volumena umjesto lokalnog datotečnog sustava. Volumeni su preferirani mehanizam za trajno pohranjivanje podataka kontejnera.

Ili otvoriti lokalno kloniranu ili preuzetu verziju repozitorija:

• Klonirajte ovaj repozitorij na svoj lokalni datotečni sustav.
• Pritisnite F1 i odaberite naredbu Remote-Containers: Open Folder in Container....
• Odaberite kloniranu kopiju ove mape, pričekajte da kontejner krene i isprobajte.

Pristup bez mreže

Ovu dokumentaciju možete pokrenuti offline koristeći Docsify. Forkajte ovaj repozitorij, instalirajte Docsify na svom lokalnom računalu, zatim u korijenskoj mapi ovog repozitorija upišite docsify serve. Web stranica bit će dostupna na portu 3000 na vašem localhostu: localhost:3000.

Napomena, bilježnice se neće prikazivati preko Docsifyja, pa kada trebate pokrenuti bilježnicu, učinite to zasebno u VS Codeu koji pokreće Python kernel.

Ostali kurikulumi

Naš tim proizvodi i druge kurikulume! Pogledajte:

LangChain

Azure / Edge / MCP / Agent

---

Serija generativne umjetne inteligencije

---

Osnovno učenje

---

Serija Copilot

Dobivanje pomoći

Imate problema? Pogledajte naš Vodič za rješavanje problema za rješenja uobičajenih problema.

Ako zapnete ili imate pitanja o izgradnji AI aplikacija, pridružite se drugim polaznicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica u kojoj su pitanja dobrodošla, a znanje se slobodno dijeli.

Ako imate povratne informacije o proizvodu ili greške tijekom izrade, posjetite:

---

Odricanje od odgovornosti: Ovaj dokument je preveden koristeći AI prevodilačku uslugu Co-op Translator. Iako se trudimo osigurati točnost, imajte na umu da automatizirani prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na njegovom izvornom jeziku treba se smatrati službenim izvorom. Za važne informacije preporučuje se profesionalni ljudski prijevod. Ne snosimo odgovornost za bilo kakve nesporazume ili kriva tumačenja koja proizlaze iz uporabe ovog prijevoda.