Data-Science-For-Beginners/translations/hr

Data Science za početnike - nastavni plan

Azure Cloud Advocates u Microsoftu s veseljem vam nude 10-tjedni, 20-lekcijski nastavni plan posvećen Data Scienceu. Svaka lekcija uključuje kviz prije i nakon lekcije, pisane upute za dovršetak lekcije, rješenje i zadatak. Naša projektno-orijentirana pedagogija omogućuje vam učenje kroz praktičan rad, što je dokazani način da nove vještine zaista uđju u upotrebu.

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

🙏 Posebna hvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima, s posebnim isticanjem Aaryana 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 za početnike - Sketchnote autora @nitya

🌐 Podrška za više jezika

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

Preferirate klonirati lokalno?

Ovaj repozitorij sadrži 50+ jezičnih prijevoda što znatno povećava veličinu preuzimanja. Za kloniranje bez prijevoda, koristite 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'

Ovo vam daje sve što vam je potrebno da dovršite tečaj s puno bržim preuzimanjem.

Ako želite da se podrže dodatni jezici prijevoda, popis je dostupan ovdje

Pridružite se našoj zajednici

Imamo seriju učenja s AI na Discordu koja je u tijeku, saznajte više i pridružite nam se na Learn with AI Series od 18. do 30. rujna 2025. godine. Dobit ćete savjete i trikove za korištenje GitHub Copilot za Data Science.

Jeste li student?

Započnite s sljedećim resursima:

• Student Hub stranica Na ovoj stranici pronaći ćete resurse za početnike, studentske pakete i čak načine za dobivanje besplatnog certifikacijskog vaučera. Ovo je jedna stranica koju želite dodati u favorite i povremeno provjeravati jer periodično mijenjamo sadržaj, barem mjesečno.
• Microsoft Learn Student Ambassadors Pridružite se globalnoj zajednici studentskih ambasadora, ovo može biti vaš put u Microsoft.

Početak rada

📚 Dokumentacija

• Vodič za instalaciju - korak-po-korak upute za postavljanje za početnike
• Vodič za korištenje - primjeri i uobičajeni radni tijekovi
• Rješavanje problema - rješenja za česte probleme
• Vodič za doprinos - kako doprinijeti ovom projektu
• Za nastavnike - smjernice i resursi za nastavu

👨‍🎓 Za studente

Potpuni početnici: Novi ste u data scienceu? Počnite s našim primjerima prilagođenima početnicima! Ovi jednostavni, dobro komentirani primjeri pomoći će vam razumjeti osnove prije nego što krenete u cjeloviti nastavni plan. Studenti: da biste koristili ovaj nastavni plan sami, napravite fork kompletnog repozitorija i dovršite zadatke samostalno, počevši s kvizom prije predavanja. Potom pročitajte predavanje i dovršite preostale aktivnosti. Pokušajte napraviti projekte razumijevanjem lekcija, a ne samo kopiranjem koda rješenja; ipak, taj kod dostupan je u mapama /solutions u svakoj lekciji usmjerenoj na projekte. Još jedna ideja je da se formira grupa za učenje s prijateljima i zajedno prođete sadržaj. Za daljnje učenje preporučujemo Microsoft Learn.

Brzi početak:

1. Provjerite Vodič za instalaciju za postavljanje okruženja
2. Pregledajte Vodič za korištenje da naučite kako raditi s nastavnim planom
3. Počnite 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 nastavni plan. Veselimo se vašim povratnim informacijama u našem diskusionom forumu!

Upoznajte tim

Gif autora Mohit Jaisal

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

Pedagogija

Odabrali smo dva pedagoška načela pri izradi ovog kurikuluma: osigurati da je projektno orijentiran i da uključuje česte kvizove. Do kraja ove serije, studenti će naučiti osnovne principe znanosti o podacima, uključujući etičke pojmove, pripremu podataka, različite načine rada s podacima, vizualizaciju podataka, analizu podataka, stvarne primjere primjene znanosti o podacima i više.

Uz to, kviz s malim ulogom prije nastave postavlja namjeru studenta za učenje teme, dok drugi kviz nakon nastave osigurava daljnju zadržavanje znanja. Ovaj kurikulum dizajniran je da bude fleksibilan i zabavan te se može proći u cijelosti ili djelomično. Projekti počinju jednostavni i postaju sve složeniji do kraja ciklusa od 10 tjedana.

Pronađite naše Pravila ponašanja, upute za Doprinos, Prevođenje. Dobrodošle su vaše konstruktivne povratne informacije!

Svaka lekcija uključuje:

• Neobaveznu skicu
• Neobavezni dodatni video
• Kviz za zagrijavanje prije lekcije
• Pisanu lekciju
• Za lekcije temeljene na projektima, korak-po-korak upute kako izraditi projekt
• Provjere znanja
• Izazov
• Dodatno čitanje
• Zadatak
• Kviz nakon lekcije

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

🎓 Primjeri prilagođeni početnicima

Novi u znanosti o podacima? Stvorili smo poseban direktorij primjera s jednostavnim, dobro komentiranim kodom kako bismo vam pomogli da započnete:

• 🌟 Hello World - Vaš prvi program iz znanosti o podacima
• 📂 Učitavanje podataka - Naučite čitati i istraživati skupove podataka
• 📊 Jednostavna analiza - Izračunajte statistike i pronađite obrasce
• 📈 Osnovna vizualizacija - Izradite grafikone i dijagrame
• 🔬 Projekt iz stvarnog svijeta - Cjelokupan tijek rada od početka do kraja

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

👉 Započnite s primjerima 👈

Lekcije

Data Science For Beginners: Roadmap - Sketchnote by @nitya

Broj lekcije	Tema	Grupa lekcije	Ciljevi učenja	Povezana lekcija	Autor
01	Definiranje znanosti o podacima	Uvod	Naučite osnovne pojmove iza znanosti o podacima i kako je povezana s umjetnom inteligencijom, strojnim učenjem i velikim podacima.	lekcija video	Dmitry
02	Etika u znanosti o podacima	Uvod	Pojmovi, izazovi i okviri etike u podacima.	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 pomoću Strukturiranog upitnog jezika, poznatog kao SQL (izgovara se "es-kju-el").	lekcija	Christopher
06	Rad s NoSQL podacima	Rad s podacima	Uvod u nerelacijske podatke, njihove različite vrste i osnove istraživanja i analize baza podataka dokumenata.	lekcija	Jasmine
07	Rad s Pythonom	Rad s podacima	Osnove korištenja Pythona za istraživanje podataka s bibliotekama poput Pandas. Preporuča se temeljno razumijevanje programiranja u Pythonu.	lekcija video	Dmitry
08	Priprema podataka	Rad s podacima	Tema o tehnikama čišćenja i transformacije podataka za rješavanje izazova nepotpunih, netočnih ili manjkavih podataka.	lekcija	Jasmine
09	Vizualizacija količina	Vizualizacija podataka	Naučite kako koristiti Matplotlib za vizualizaciju podataka o pticama 🦆	lekcija	Jen
10	Vizualizacija distribucije podataka	Vizualizacija podataka	Vizualizacija opažanja i trendova unutar intervala.	lekcija	Jen
11	Vizualizacija omjera	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	Smislene vizualizacije	Vizualizacija podataka	Tehnike i smjernice za vrijedne vizualizacije za učinkovito rješavanje problema i uvide.	lekcija	Jen
14	Uvod u životni ciklus znanosti o podacima	Životni ciklus	Uvod u životni ciklus znanosti o podacima i njegov prvi korak – prikupljanje i izdvajanje podataka.	lekcija	Jasmine
15	Analiza	Životni ciklus	Ova faza životnog ciklusa znanosti o podacima fokusira se na tehnike analize podataka.	lekcija	Jasmine
16	Komunikacija	Životni ciklus	Ova faza životnog ciklusa znanosti o podacima fokusira se na predstavljanje uvida iz podataka na način koji olakšava razumijevanje donosiocima odluka.	lekcija	Jalen
17	Znanost o podacima u oblaku	Podaci u oblaku	Ova serija lekcija uvodi znanost o podacima u oblaku i njezine prednosti.	lekcija	Tiffany i Maud
18	Znanost o podacima u oblaku	Podaci u oblaku	Treniranje modela pomoću Low Code alata.	lekcija	Tiffany i Maud
19	Znanost o podacima u oblaku	Podaci u oblaku	Postavljanje modela pomoću Azure Machine Learning Studio.	lekcija	Tiffany i Maud
20	Znanost o podacima u stvarnom svijetu	U stvarnom svijetu	Projekti iz stvarnog svijeta vođeni znanošću o podacima.	lekcija	Nitya

GitHub Codespaces

Slijedite ove korake za otvaranje ovog primjera u Codespaceu:

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

VSCode Remote - Containers

Slijedite ove korake za otvaranje ovog spremišta u kontejneru koristeći svoje lokalno računalo i VSCode koristeći ekstenziju VS Code Remote - Containers:

1. Ako ovo prvi put koristite razvojni kontejner, molimo osigurajte da vaš sustav ispunjava preduvjete (npr. da imate instaliran Docker) u dokumentaciji za početak.

Da biste koristili ovo spremište, možete otvoriti spremište u izoliranom Docker volumenu:

Napomena: Ispod haube, ovo će koristiti Remote-Containers: Clone Repository in Container Volume... naredbu za kloniranje izvornih kodova u Docker volumen umjesto lokalnog file sustava. Volumeni su preporučeni mehanizam za trajno pohranjivanje podataka kontejnera.

Ili otvorite lokalno kloniranu ili preuzetu verziju spremišta:

• Klonirajte ovo spremište na svoj lokalni file sustav.
• Pritisnite F1 i odaberite naredbu Remote-Containers: Open Folder in Container....
• Odaberite kloniranu kopiju ove mape, pričekajte da kontejner počne te isprobajte.

Pristup bez interneta

Možete pokrenuti ovu dokumentaciju offline koristeći Docsify. Forkajte ovo spremište, instalirajte Docsify na svoje lokalno računalo, zatim u korijenskoj mapi ovog spremišta upišite docsify serve. Web stranica će biti poslužena na portu 3000 na vašem localhostu: localhost:3000.

Napomena, bilježnice neće biti prikazane putem Docsifyja, pa ih je potrebno pokrenuti zasebno u VS Codeu s Python jezgrom.

Ostali kurikulumi

Naš tim stvara i druge kurikulume! Pogledajte:

LangChain

---

Azure / Edge / MCP / Agenti

---

Serija Generativne AI

---

Osnovno učenje

---

Serija Copilot

Dobivanje pomoći

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

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

Ako imate povratnu informaciju o proizvodu ili primijetite pogreške tijekom izrade, posjetite:

---

Izjava o odricanju od odgovornosti: Ovaj dokument preveden je korištenjem AI prevoditeljskog servisa Co-op Translator. Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati autoritativnim izvorom. Za kritične informacije preporučuje se stručni ljudski prijevod. Nismo odgovorni za bilo kakve nesporazume ili kriva tumačenja koja proizlaze iz korištenja ovog prijevoda.