You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
158 lines
19 KiB
158 lines
19 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "7332da4946897c5885e9ca5bc24de96b",
|
|
"translation_date": "2025-09-06T11:06:18+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "hu"
|
|
}
|
|
-->
|
|
# Adattudomány kezdőknek - Tananyag
|
|
|
|
Azure Cloud Advocates csapata a Microsoftnál örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot, amely az adattudományról szól. Minden lecke tartalmaz előzetes és utólagos kvízeket, írásos útmutatót a lecke elvégzéséhez, megoldást és egy feladatot. Projektalapú pedagógiai megközelítésünk lehetővé teszi, hogy tanulás közben építs valamit, ami bizonyítottan segíti az új készségek elsajátítását.
|
|
|
|
**Hálás köszönet a szerzőinknek:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
|
|
|
|
**🙏 Külön köszönet 🙏 a [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) szerzőknek, bírálóknak és tartalmi közreműködőknek,** különösen Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
|
|
|
|
||
|
|
|:---:|
|
|
| Adattudomány kezdőknek - _Sketchnote készítette: [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
### 🌐 Többnyelvű támogatás
|
|
|
|
#### GitHub Action által támogatott (Automatikus és mindig naprakész)
|
|
|
|
[Francia](../fr/README.md) | [Spanyol](../es/README.md) | [Német](../de/README.md) | [Orosz](../ru/README.md) | [Arab](../ar/README.md) | [Perzsa (Fárszi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kínai (Egyszerűsített)](../zh/README.md) | [Kínai (Hagyományos, Makaó)](../mo/README.md) | [Kínai (Hagyományos, Hongkong)](../hk/README.md) | [Kínai (Hagyományos, Tajvan)](../tw/README.md) | [Japán](../ja/README.md) | [Koreai](../ko/README.md) | [Hindi](../hi/README.md) | [Bengáli](../bn/README.md) | [Marathi](../mr/README.md) | [Nepáli](../ne/README.md) | [Pandzsábi (Gurmukhi)](../pa/README.md) | [Portugál (Portugália)](../pt/README.md) | [Portugál (Brazília)](../br/README.md) | [Olasz](../it/README.md) | [Lengyel](../pl/README.md) | [Török](../tr/README.md) | [Görög](../el/README.md) | [Thai](../th/README.md) | [Svéd](../sv/README.md) | [Dán](../da/README.md) | [Norvég](../no/README.md) | [Finn](../fi/README.md) | [Holland](../nl/README.md) | [Héber](../he/README.md) | [Vietnámi](../vi/README.md) | [Indonéz](../id/README.md) | [Maláj](../ms/README.md) | [Tagalog (Filippínó)](../tl/README.md) | [Szuahéli](../sw/README.md) | [Magyar](./README.md) | [Cseh](../cs/README.md) | [Szlovák](../sk/README.md) | [Román](../ro/README.md) | [Bolgár](../bg/README.md) | [Szerb (Cirill)](../sr/README.md) | [Horvát](../hr/README.md) | [Szlovén](../sl/README.md) | [Ukrán](../uk/README.md) | [Burmai (Mianmar)](../my/README.md)
|
|
|
|
**Ha további fordításokat szeretnél, a támogatott nyelvek listája [itt található](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
#### Csatlakozz a közösségünkhöz
|
|
[](https://discord.gg/kzRShWzttr)
|
|
|
|
# Diák vagy?
|
|
|
|
Kezdd el az alábbi forrásokkal:
|
|
|
|
- [Diákoknak szóló oldal](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Ezen az oldalon kezdő forrásokat, diákcsomagokat és akár ingyenes tanúsítvány-vouchereket is találhatsz. Ez egy olyan oldal, amit érdemes könyvjelzőzni és időről időre ellenőrizni, mivel havonta frissítjük a tartalmat.
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Csatlakozz egy globális diák nagyköveti közösséghez, ez lehet az utad a Microsofthoz.
|
|
|
|
# Kezdés
|
|
|
|
> **Tanárok**: [Néhány javaslatot is mellékeltünk](for-teachers.md) arra vonatkozóan, hogyan használhatjátok ezt a tananyagot. Szívesen fogadjuk visszajelzéseiteket [a vitafórumunkon](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
> **[Diákok](https://aka.ms/student-page)**: Ha egyedül szeretnéd használni ezt a tananyagot, forkolj egy példányt az egész repóból, és végezd el a gyakorlatokat önállóan, kezdve az előadás előtti kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket a leckék megértésével létrehozni, ahelyett, hogy a megoldáskódot másolnád; azonban ez a kód elérhető a /solutions mappákban minden projektorientált leckéhez. Egy másik ötlet az lehet, hogy tanulócsoportot alakítasz barátaiddal, és együtt haladtok a tartalommal. További tanulmányokhoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) platformot.
|
|
|
|
## Ismerd meg a csapatot
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Promo video")
|
|
|
|
**Gif készítette:** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 Kattints a fenti képre, hogy megnézd a projektet és azokat, akik létrehozták!
|
|
|
|
## Pedagógia
|
|
|
|
Két pedagógiai alapelvet választottunk a tananyag kidolgozása során: biztosítani, hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok megtanulják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatelőkészítést, az adatokkal való különböző munkamódokat, az adatvizualizációt, az adatelemzést, az adattudomány valós felhasználási eseteit és még sok mást.
|
|
|
|
Ezenkívül egy alacsony tétű kvíz az óra előtt segít a diákoknak ráhangolódni a tananyag témájára, míg egy második kvíz az óra után elősegíti a további rögzülést. Ez a tananyag rugalmas és szórakoztató módon lett kialakítva, és egészében vagy részleteiben is elvégezhető. A projektek kicsiben kezdődnek, és a 10 hetes ciklus végére egyre összetettebbé válnak.
|
|
> Találd meg a [Magatartási kódexünket](CODE_OF_CONDUCT.md), a [Hozzájárulási útmutatót](CONTRIBUTING.md), és a [Fordítási](TRANSLATIONS.md) irányelveket. Örömmel fogadjuk az építő jellegű visszajelzéseidet!
|
|
## Minden lecke tartalmaz:
|
|
|
|
- Opcionális vázlatrajz
|
|
- Opcionális kiegészítő videó
|
|
- Bevezető kvíz a lecke előtt
|
|
- Írott lecke
|
|
- Projektalapú leckék esetén lépésről lépésre útmutató a projekt elkészítéséhez
|
|
- Tudásellenőrzések
|
|
- Egy kihívás
|
|
- Kiegészítő olvasmány
|
|
- Feladat
|
|
- [Kvíz a lecke után](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **Megjegyzés a kvízekről**: Az összes kvíz a Quiz-App mappában található, összesen 40 darab, három kérdésből álló kvíz. A leckékből elérhetők, de a kvíz alkalmazás helyben futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a `quiz-app` mappában. Folyamatosan lokalizáljuk őket.
|
|
|
|
## Leckék
|
|
|
|
||
|
|
|:---:|
|
|
| Adattudomány kezdőknek: Útmutató - _Vázlatrajz [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
| Lecke száma | Téma | Leckék csoportosítása | Tanulási célok | Kapcsolódó lecke | Szerző |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | Az adattudomány meghatározása | [Bevezetés](1-Introduction/README.md) | Ismerd meg az adattudomány alapfogalmait, és hogyan kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és big data-hoz. | [lecke](1-Introduction/01-defining-data-science/README.md) [videó](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
| 02 | Az adattudomány etikája | [Bevezetés](1-Introduction/README.md) | Adatetikával kapcsolatos fogalmak, kihívások és keretrendszerek. | [lecke](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
| 03 | Az adatok meghatározása | [Bevezetés](1-Introduction/README.md) | Hogyan osztályozzuk az adatokat és azok gyakori forrásait. | [lecke](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 04 | Bevezetés a statisztikába és valószínűségszámításba | [Bevezetés](1-Introduction/README.md) | A statisztika és valószínűségszámítás matematikai technikái az adatok megértéséhez. | [lecke](1-Introduction/04-stats-and-probability/README.md) [videó](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
| 05 | Relációs adatokkal való munka | [Adatokkal való munka](2-Working-With-Data/README.md) | Bevezetés a relációs adatokba és az SQL (Structured Query Language) alapjaiba, amelyet „szí-kvell”-nek ejtünk. | [lecke](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
| 06 | NoSQL adatokkal való munka | [Adatokkal való munka](2-Working-With-Data/README.md) | Bevezetés a nem relációs adatokba, azok különböző típusai és dokumentumadatbázisok elemzésének alapjai. | [lecke](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
| 07 | Python használata | [Adatokkal való munka](2-Working-With-Data/README.md) | Alapok a Python használatához az adatok feltárásában, például Pandas könyvtárakkal. Ajánlott a Python programozás alapjainak ismerete. | [lecke](2-Working-With-Data/07-python/README.md) [videó](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
| 08 | Adatok előkészítése | [Adatokkal való munka](2-Working-With-Data/README.md) | Témák az adatok tisztításának és átalakításának technikáiról, hogy kezelni tudjuk a hiányos, pontatlan vagy nem teljes adatokat. | [lecke](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 09 | Mennyiségek vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Tanuld meg, hogyan használhatod a Matplotlib-et madáradatok vizualizálására 🦆 | [lecke](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 10 | Adatok eloszlásának vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Megfigyelések és trendek vizualizálása egy intervallumon belül. | [lecke](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 11 | Arányok vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Diszkrét és csoportosított százalékok vizualizálása. | [lecke](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 12 | Kapcsolatok vizualizálása | [Adatok vizualizálása](3-Data-Visualization/README.md) | Kapcsolatok és korrelációk vizualizálása adathalmazok és azok változói között. | [lecke](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 13 | Értékes vizualizációk | [Adatok vizualizálása](3-Data-Visualization/README.md) | Technikák és útmutatók, hogy vizualizációid hatékony problémamegoldásra és betekintésekre alkalmasak legyenek. | [lecke](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 14 | Bevezetés az adattudomány életciklusába | [Életciklus](4-Data-Science-Lifecycle/README.md) | Bevezetés az adattudomány életciklusába és annak első lépésébe, az adatok megszerzésébe és kinyerésébe. | [lecke](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
| 15 | Elemzés | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatok elemzésének technikáira összpontosít. | [lecke](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
| 16 | Kommunikáció | [Életciklus](4-Data-Science-Lifecycle/README.md) | Az adattudomány életciklusának ezen szakasza az adatokból származó betekintések bemutatására összpontosít, hogy a döntéshozók könnyebben megértsék azokat. | [lecke](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
| 17 | Adattudomány a felhőben | [Felhő adatok](5-Data-Science-In-Cloud/README.md) | Ez a leckesorozat bevezetést nyújt az adattudományba a felhőben és annak előnyeibe. | [lecke](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
|
|
| 18 | Adattudomány a felhőben | [Felhő adatok](5-Data-Science-In-Cloud/README.md) | Modellek tanítása alacsony kódú eszközökkel. |[lecke](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
|
|
| 19 | Adattudomány a felhőben | [Felhő adatok](5-Data-Science-In-Cloud/README.md) | Modellek telepítése az Azure Machine Learning Studio-val. | [lecke](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) és [Maud](https://twitter.com/maudstweets) |
|
|
| 20 | Adattudomány a való életben | [Való életben](6-Data-Science-In-Wild/README.md) | Adattudomány által vezérelt projektek a való világban. | [lecke](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
## GitHub Codespaces
|
|
|
|
Kövesd az alábbi lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben:
|
|
1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
|
|
2. Válaszd a + New codespace lehetőséget a panel alján.
|
|
További információért nézd meg a [GitHub dokumentációt](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
## VSCode Remote - Containers
|
|
Kövesd az alábbi lépéseket, hogy megnyisd ezt a repót egy konténerben a helyi gépeden és a VSCode-ban a VS Code Remote - Containers bővítmény segítségével:
|
|
|
|
1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (például telepítve van a Docker) [a kezdő dokumentációban](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
A repó használatához megnyithatod a repót egy izolált Docker kötetben:
|
|
|
|
**Megjegyzés**: A háttérben ez a Remote-Containers: **Clone Repository in Container Volume...** parancsot fogja használni, hogy a forráskódot egy Docker kötetbe klónozza a helyi fájlrendszer helyett. [Kötetek](https://docs.docker.com/storage/volumes/) az adatok tárolásának preferált mechanizmusa.
|
|
|
|
Vagy megnyithatod a repó helyileg klónozott vagy letöltött verzióját:
|
|
|
|
- Klónozd ezt a repót a helyi fájlrendszeredre.
|
|
- Nyomd meg az F1-et, és válaszd a **Remote-Containers: Open Folder in Container...** parancsot.
|
|
- Válaszd ki a mappa klónozott példányát, várd meg, amíg a konténer elindul, és próbáld ki.
|
|
|
|
## Offline hozzáférés
|
|
|
|
Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) segítségével. Forkold ezt a repót, [telepítsd a Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépedre, majd a repó gyökérmappájában írd be: `docsify serve`. A weboldal a localhost 3000-es portján lesz elérhető: `localhost:3000`.
|
|
|
|
> Megjegyzés: a jegyzetfüzetek nem lesznek megjelenítve a Docsify segítségével, így ha jegyzetfüzetet kell futtatnod, azt külön futtasd a VS Code-ban Python kernel használatával.
|
|
|
|
## Egyéb tananyagok
|
|
|
|
Csapatunk más tananyagokat is készít! Nézd meg:
|
|
|
|
- [Generatív AI kezdőknek](https://aka.ms/genai-beginners)
|
|
- [Generatív AI kezdőknek .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
- [Generatív AI JavaScript-tel](https://github.com/microsoft/generative-ai-with-javascript)
|
|
- [Generatív AI Java-val](https://aka.ms/genaijava)
|
|
- [AI kezdőknek](https://aka.ms/ai-beginners)
|
|
- [Adattudomány kezdőknek](https://aka.ms/datascience-beginners)
|
|
- [Bash kezdőknek](https://github.com/microsoft/bash-for-beginners)
|
|
- [ML kezdőknek](https://aka.ms/ml-beginners)
|
|
- [Kiberbiztonság kezdőknek](https://github.com/microsoft/Security-101)
|
|
- [Webfejlesztés kezdőknek](https://aka.ms/webdev-beginners)
|
|
- [IoT kezdőknek](https://aka.ms/iot-beginners)
|
|
- [Gépi tanulás kezdőknek](https://aka.ms/ml-beginners)
|
|
- [XR fejlesztés kezdőknek](https://aka.ms/xr-dev-for-beginners)
|
|
- [GitHub Copilot mesterfokon AI páros programozáshoz](https://aka.ms/GitHubCopilotAI)
|
|
- [XR fejlesztés kezdőknek](https://github.com/microsoft/xr-development-for-beginners)
|
|
- [GitHub Copilot mesterfokon C#/.NET fejlesztőknek](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
- [Válaszd ki a saját Copilot kalandodat](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
---
|
|
|
|
**Felelősségkizárás**:
|
|
Ez a dokumentum az [Co-op Translator](https://github.com/Azure/co-op-translator) AI fordítási szolgáltatás segítségével lett lefordítva. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt professzionális, emberi fordítást igénybe venni. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy téves értelmezésekért. |