Data-Science-For-Beginners/translations/pl

Data Science dla Początkujących - Program Nauczania

Zespół Azure Cloud Advocates w Microsoft ma przyjemność zaoferować 10-tygodniowy program nauczania składający się z 20 lekcji, dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasza metodologia oparta na projektach pozwala uczyć się podczas budowania, co jest sprawdzonym sposobem na utrwalenie nowych umiejętności.

Serdeczne podziękowania dla naszych autorów: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z Microsoft Student Ambassador, w szczególności 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 Dla Początkujących - Sketchnote autorstwa @nitya

🌐 Wsparcie Wielojęzyczne

Obsługiwane przez GitHub Action (Automatyczne i Zawsze Aktualne)

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

Wolisz sklonować lokalnie?

To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar pobierania. Aby sklonować bez tłumaczeń, użyj 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"

To daje Ci wszystko, czego potrzebujesz, aby ukończyć kurs, z dużo szybszym pobieraniem.

Jeśli chcesz, aby obsługiwane były dodatkowe języki tłumaczeń, są one wymienione tutaj

Dołącz do naszej społeczności

Mamy trwającą serię "Learn with AI" na Discordzie, dowiedz się więcej i dołącz do nas na Learn with AI Series w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące używania GitHub Copilot do Data Science.

Jesteś studentem?

Zacznij z następującymi zasobami:

• Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów a nawet sposoby na zdobycie darmowego vouchera na certyfikat. To jedna ze stron, którą warto dodać do zakładek i sprawdzać od czasu do czasu, ponieważ treść jest zmieniana co najmniej raz w miesiącu.
• Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studenckich, to może być Twoja droga do Microsoftu.

Pierwsze kroki

📚 Dokumentacja

• Przewodnik instalacji - Instrukcje krok po kroku dla początkujących
• Przewodnik użycia - Przykłady i typowe przepływy pracy
• Rozwiązywanie problemów - Rozwiązania typowych problemów
• Przewodnik dla współtwórców - Jak przyczyniać się do tego projektu
• Dla nauczycieli - Wskazówki dydaktyczne i zasoby do klasy

👨‍🎓 Dla studentów

Kompletni początkujący: Nowy w data science? Zacznij od naszych przyjaznych przykładów dla początkujących! Te proste, dobrze komentowane przykłady pomogą Ci zrozumieć podstawy zanim zagłębisz się w cały program. Studenci: aby korzystać z tego programu samodzielnie, forkuj całe repozytorium i wykonuj ćwiczenia samodzielnie, zaczynając od quizu przed wykładem. Następnie przeczytaj wykład i wykonaj pozostałe aktywności. Staraj się tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednakże kod ten jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest stworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez materiał. Do dalszej nauki polecamy Microsoft Learn.

Szybki start:

1. Sprawdź Przewodnik instalacji aby skonfigurować środowisko
2. Przejrzyj Przewodnik użycia, aby nauczyć się pracować z programem
3. Zacznij od Lekcji 1 i kontynuuj kolejno
4. Dołącz do naszej społeczności na Discord aby uzyskać wsparcie

👩‍🏫 Dla nauczycieli

Nauczyciele: umieściliśmy kilka sugestii dotyczących korzystania z tego programu nauczania. Chętnie poznamy wasze opinie na naszym forum dyskusyjnym!

Poznaj Zespół

Gif autorstwa Mohit Jaisal

🎥 Kliknij powyższy obraz, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!

Pedagogika

Podczas tworzenia tego programu nauczania wybraliśmy dwa założenia pedagogiczne: zapewnienie, że jest oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii uczniowie poznają podstawowe zasady nauki o danych, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste zastosowania nauki o danych i wiele więcej.

Dodatkowo quiz o niskiej stawce przed zajęciami ustawia intencję ucznia do nauki tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjazny, i można go realizować w całości lub częściowo. Projekty zaczynają się od małych i stają się coraz bardziej złożone do końca 10-tygodniowego cyklu.

Znajdź nasz Kodeks Postępowania, Zasady Współpracy, Wytyczne dotyczące tłumaczeń. Zapraszamy do konstruktywnej krytyki!

Każda lekcja zawiera:

• Opcjonalną notatkę wizualną
• Opcjonalny dodatkowy film
• Quiz rozgrzewkowy przed lekcją
• Pisemną lekcję
• W przypadku lekcji opartych na projekcie – przewodniki krok po kroku, jak zbudować projekt
• Sprawdziany wiedzy
• Wyzwanie
• Dodatkową lekturę
• Zadanie
• Quiz po lekcji

Uwaga o quizach: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć w Azure; postępuj według instrukcji w folderze quiz-app. Stopniowo są lokalizowane.

🎓 Przykłady przyjazne dla początkujących

Nowy w nauce o danych? Stworzyliśmy specjalny folder z przykładami z prostym, dobrze skomentowanym kodem, aby pomóc Ci zacząć:

• 🌟 Hello World – Twój pierwszy program do nauki o danych
• 📂 Ładowanie danych – Naucz się czytać i eksplorować zestawy danych
• 📊 Prosta analiza – Oblicz statystyki i znajdź wzorce
• 📈 Podstawowa wizualizacja – Twórz wykresy i grafiki
• 🔬 Projekt z prawdziwego świata – Kompletny proces od początku do końca

Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni go idealnym dla absolutnych początkujących!

👉 Zacznij od przykładów 👈

Lekcje

Nauka o danych dla początkujących: Mapa drogowa - Notatka wizualna autorstwa @nitya

Numer lekcji	Temat	Grupowanie lekcji	Cele nauczania	Powiązana lekcja	Autor
01	Definicja nauki o danych	Wprowadzenie	Poznaj podstawowe pojęcia nauki o danych oraz jej powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja wideo	Dmitry
02	Etyka w nauce o danych	Wprowadzenie	Pojęcia, wyzwania i ramy etyki danych.	lekcja	Nitya
03	Definicja danych	Wprowadzenie	Jak klasyfikowane są dane i ich najczęstsze źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Matematyczne techniki prawdopodobieństwa i statystyki do zrozumienia danych.	lekcja wideo	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka zapytań strukturalnych, znanego jako SQL (wym. „see-quell”).	lekcja	Christopher
06	Praca z danymi NoSQL	Praca z danymi	Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentowych.	lekcja	Jasmine
07	Praca z Pythonem	Praca z danymi	Podstawy użycia Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecana jest podstawowa znajomość programowania w Pythonie.	lekcja wideo	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i przekształcania danych do radzenia sobie z brakującymi, nieprecyzyjnymi lub niekompletnymi danymi.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Naucz się korzystać z Matplotlib do wizualizacji danych o ptakach 🦆	lekcja	Jen
10	Wizualizacja rozkładów danych	Wizualizacja danych	Wizualizacja obserwacji i trendów w przedziale czasowym.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizacja procentów dyskretnych i pogrupowanych.	lekcja	Jen
12	Wizualizacja relacji	Wizualizacja danych	Wizualizacja połączeń i korelacji między zestawami danych i ich zmiennymi.	lekcja	Jen
13	Znaczące wizualizacje	Wizualizacja danych	Techniki i wskazówki, jak tworzyć wizualizacje wartościowe dla efektywnego rozwiązywania problemów i uzyskiwania spostrzeżeń.	lekcja	Jen
14	Wprowadzenie do cyklu życia nauki o danych	Cykl życia	Wprowadzenie do cyklu życia nauki o danych oraz jego pierwszego kroku – pozyskiwania i ekstrakcji danych.	lekcja	Jasmine
15	Analiza	Cykl życia	Ta faza cyklu życia nauki o danych koncentruje się na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Ta faza cyklu życia nauki o danych koncentruje się na prezentowaniu spostrzeżeń z danych w sposób ułatwiający zrozumienie decydentom.	lekcja	Jalen
17	Nauka o danych w chmurze	Dane w chmurze	Seria lekcji wprowadzająca naukę o danych w chmurze oraz jej korzyści.	lekcja	Tiffany i Maud
18	Nauka o danych w chmurze	Dane w chmurze	Trenowanie modeli za pomocą narzędzi Low Code.	lekcja	Tiffany i Maud
19	Nauka o danych w chmurze	Dane w chmurze	Wdrażanie modeli z wykorzystaniem Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Nauka o danych w praktyce	W terenie	Projekty nauki o danych w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Wykonaj następujące kroki, aby otworzyć ten przykład w Codespace:

1. Kliknij menu rozwijane Kod i wybierz opcję Otwórz w Codespaces.
2. Na dole panelu wybierz + Nowy codespace. Więcej informacji znajdziesz w dokumentacji GitHub.

VSCode Remote - Containers

Wykonaj następujące kroki, aby otworzyć to repozytorium w kontenerze, używając lokalnej maszyny i VSCode z rozszerzeniem VS Code Remote - Containers:

1. Jeśli używasz kontenera deweloperskiego po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowany Docker) w dokumentacji rozpoczęcia pracy.

Aby użyć tego repozytorium, możesz otworzyć repozytorium w izolowanym wolumenie Dockera:

Uwaga: Pod maską użyje to polecenia Remote-Containers: Klonuj repozytorium w wolumenie kontenera... do sklonowania kodu źródłowego w wolumenie Dockera zamiast w lokalnym systemie plików. Wolumeny są preferowanym mechanizmem do przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

• Sklonuj to repozytorium na lokalny system plików.
• Naciśnij F1 i wybierz polecenie Remote-Containers: Otwórz folder w kontenerze....
• Wybierz sklonowaną kopię tego folderu, poczekaj, aż kontener się uruchomi i wypróbuj.

Dostęp offline

Możesz przeglądać tę dokumentację offline, używając Docsify. Sklonuj to repozytorium, zainstaluj Docsify na swojej lokalnej maszynie, a następnie w folderze głównym repozytorium wpisz docsify serve. Strona internetowa będzie dostępna na porcie 3000 na twoim localhost: localhost:3000.

Uwaga, notatniki nie będą renderowane przez Docsify, więc gdy potrzebujesz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona.

Inne programy nauczania

Nasz zespół tworzy również inne programy! Zobacz:

LangChain

Azure / Edge / MCP / Agenci

---

Seria Generatywnej AI

---

Podstawowa nauka

---

Seria Copilot

Uzyskiwanie pomocy

Napotykałeś problemy? Sprawdź nasz Przewodnik Rozwiązywania Problemów z rozwiązaniami typowych problemów.

Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI. Dołącz do innych uczących się i doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, gdzie pytania są mile widziane, a wiedza swobodnie dzielona.

Jeśli masz uwagi dotyczące produktu lub napotkasz błędy podczas tworzenia, odwiedź:

---

Zastrzeżenie: Niniejszy dokument został przetłumaczony przy użyciu usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy starań, aby tłumaczenie było poprawne, prosimy mieć na uwadze, że tłumaczenia automatyczne mogą zawierać błędy lub niedokładności. Oryginalny dokument w języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.