Data-Science-For-Beginners/translations/sl

Data Science za začetnike - učni načrt

Azure Cloud zagovorniki pri Microsoftu z veseljem ponujajo 10-tedenski učni načrt s 20 lekcijami, vse o podatkovni znanosti. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev in nalogo. Naše pedagoško načelo temelji na projektih, ki vam omogoča učenje med gradnjo; dokazano je, da nove veščine tako bolje 'pridejo do izraza'.

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

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador avtorjem, recenzentom in sodelavcem pri vsebinah, še posebej 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 začetnike - Sketchnote avtor @nitya

🌐 Podpora več jezikom

Podprto prek GitHub Action (avtomatsko in vedno posodobljeno)

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

Raje želite klonirati lokalno?

To repozitorij vsebuje več kot 50 prevodov jezikov, kar znatno poveča velikost prenosa. Za kloniranje brez prevodov uporabite 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'

Tako dobite vse, kar potrebujete za dokončanje tečaja z veliko hitrejšim prenosom.

Če želite dodatno podporo za prevode jezikov, so podprti jeziki navedeni tukaj

Pridružite se naši skupnosti

Imamo tekočo Discord serijo učenja z AI, izvedite več in se nam pridružite na Learn with AI Series od 18. do 30. septembra 2025. Dobite nasvete in trike za uporabo GitHub Copilot pri podatkovni znanosti.

Ste študent?

Začnite z naslednjimi viri:

• Stran za študente Na tej strani boste našli začetniške vire, pakete za študente in celo načine, kako priti do brezplačnega certifikata. To stran si želite označiti in jo redno obiskovati, saj vsak mesec posodabljamo vsebine.
• Microsoft Learn Student Ambassadors Pridružite se globalni skupnosti študentskih ambasadorjev, to bi lahko bil vaš prehod v Microsoft.

Začetek

📚 Dokumentacija

• Navodila za namestitev - Korak za korakom navodila za začetnike
• Navodila za uporabo - Primeri in pogosti delovni procesi
• Reševanje težav - Rešitve pogostih težav
• Navodila za prispevanje - Kako prispevati k temu projektu
• Za učitelje - Navodila za poučevanje in viri za učilnice

👨‍🎓 Za študente

Popolni začetniki: Nova v podatkovni znanosti? Začnite z našimi primeri za začetnike! Ti preprosti, dobro komentirani primeri vam bodo pomagali razumeti osnove, preden se poglobite v celoten učni načrt. Študentje: za samostojno uporabo učnega načrta, ustvarite fork celotnega repozitorija in dokončajte vaje sami, začnite s kvizom pred predavanjem. Potem preberite predavanje in dokončajte ostale dejavnosti. Poskušajte ustvariti projekte z razumevanjem lekcij, namesto da kopirate kodo rešitve; ta koda pa je na voljo v mapah /solutions v vsakem lekcijskem projektu. Druga ideja je, da oblikujete študijsko skupino s prijatelji in se skupaj učite. Za nadaljnje študije priporočamo Microsoft Learn.

Hiter začetek:

1. Preverite Navodila za namestitev, da nastavite okolje
2. Preglejte Navodila za uporabo, da se naučite delati z učnim načrtom
3. Začnite z Lekcijo 1 in nadaljujte zaporedno
4. Pridružite se naši Discord skupnosti za podporo

👩‍🏫 Za učitelje

Učitelji: vključili smo nekaj predlogov kako uporabljati ta učni načrt. Veseli bomo vaših povratnih informacij v našem diskusijskem forumu!

Spoznajte ekipo

Gif avtor: Mohit Jaisal

🎥 Kliknite na zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!

Pedagogika

Pri oblikovanju tega učnega načrta smo izbrali dve pedagoški načeli: zagotoviti, da je projektno usmerjen in da vključuje pogoste kvize. Do konca te serije bodo študenti spoznali osnovna načela podatkovne znanosti, vključno z etičnimi koncepti, pripravo podatkov, različnimi načini dela s podatki, vizualizacijo podatkov, analizo podatkov, primeri uporabe podatkovne znanosti v resničnem svetu in še več.

Poleg tega kviz z nizkimi vložki pred poukom usmeri študenta k učenju teme, medtem ko drugi kviz po pouku zagotavlja dodatno zadrževanje znanja. Ta učni načrt je zasnovan tako, da je prilagodljiv in zabaven ter ga je mogoče opraviti v celoti ali delno. Projekti se začnejo majhni in se do konca 10-tedenskega cikla postopoma zapletejo.

Najdete naša Pravila vedenja, Prispevke, Prevajalska navodila. Veseli smo vaše konstruktivne povratne informacije!

Vsaka lekcija vključuje:

• Neobvezno skiciranje
• Neobvezni dodatni video
• Kviz za ogrevanje pred lekcijo
• Pisno lekcijo
• Za projektno usmerjene lekcije, vodnike korak za korakom, kako zgraditi projekt
• Preverjanje znanja
• Izziv
• Dodatno branje
• Nalogo
• Kviz po lekciji

Opomba o kvizih: Vsi kvizi so shranjeni v mapi Quiz-App, skupaj 40 kvizov s po tremi vprašanji. Povezani so znotraj lekcij, vendar lahko kviz aplikacijo zaganjate lokalno ali namestite na Azure; sledite navodilom v mapi quiz-app. Postopoma jih lokaliziramo.

🎓 Primeri prijazni do začetnikov

Ste novi v podatkovni znanosti? Ustvarili smo poseben primeri direktorij z enostavno in dobro komentirano kodo, ki vam bo pomagala začeti:

• 🌟 Pozdravljen svet - vaš prvi program za podatkovno znanost
• 📂 Nalaganje podatkov - naučite se brati in raziskovati podatkovne nize
• 📊 Preprosta analiza - izračunajte statistiko in poiščite vzorce
• 📈 Osnovna vizualizacija - ustvarite diagrame in grafe
• 🔬 Projekt iz resničnega sveta - celoten potek od začetka do konca

Vsak primer vključuje podrobne komentarje, ki razlagajo vsak korak, zato je popoln za popolne začetnike!

👉 Začnite s primeri 👈

Lekcije

Podatkovna znanost za začetnike: Načrt poti - Sketchnote avtor: @nitya

Število lekcije	Tema	Skupina lekcij	Cilji učenja	Povezana lekcija	Avtor
01	Določanje podatkovne znanosti	Uvod	Spoznajte osnovne koncepte podatkovne znanosti in kako je povezana z umetno inteligenco, strojno učenje in velikimi podatki.	lekcija video	Dmitry
02	Etika podatkovne znanosti	Uvod	Koncepti, izzivi in okviri podatkovne etike.	lekcija	Nitya
03	Določanje podatkov	Uvod	Kako so podatki razvrščeni in njihovi pogosti viri.	lekcija	Jasmine
04	Uvod v statistiko in verjetnost	Uvod	Matematične tehnike verjetnosti in statistike za razumevanje podatkov.	lekcija video	Dmitry
05	Delo z relacijskimi podatki	Delo s podatki	Uvod v relacijske podatke in osnove raziskovanja ter analize relacijskih podatkov z jezikom Structured Query Language, znanim tudi kot SQL (izgovori se “si-kvel”).	lekcija	Christopher
06	Delo z NoSQL podatki	Delo s podatki	Uvod v norelacijske podatke, njihove različne tipe in osnove raziskovanja ter analize podatkovnih baz dokumentov.	lekcija	Jasmine
07	Delo s Pythonom	Delo s podatki	Osnove uporabe Pythona za raziskovanje podatkov z uporabo knjižnic, kot je Pandas. Priporočeno je osnovno razumevanje programiranja v Pythonu.	lekcija video	Dmitry
08	Priprava podatkov	Delo s podatki	Teme o tehnikah čiščenja in pretvorbe podatkov za obvladovanje izzivov manjkajočih, nepravilnih ali nepopolnih podatkov.	lekcija	Jasmine
09	Vizualizacija količin	Vizualizacija podatkov	Naučite se uporabljati Matplotlib za vizualizacijo podatkov o pticah 🦆	lekcija	Jen
10	Vizualizacija porazdelitev podatkov	Vizualizacija podatkov	Vizualizacija opažanj in trendov znotraj intervala.	lekcija	Jen
11	Vizualizacija deležev	Vizualizacija podatkov	Vizualizacija diskretnih in združenih odstotkov.	lekcija	Jen
12	Vizualizacija povezav	Vizualizacija podatkov	Vizualizacija povezav in korelacij med nizi podatkov in njihovimi spremenljivkami.	lekcija	Jen
13	Pomenljive vizualizacije	Vizualizacija podatkov	Tehnike in smernice za ustvarjanje vizualizacij, ki so koristne za učinkovito reševanje problemov in vpoglede.	lekcija	Jen
14	Uvod v življenjski cikel podatkovne znanosti	Življenjski cikel	Uvod v življenjski cikel podatkovne znanosti in prvi korak – pridobivanje in zajemanje podatkov.	lekcija	Jasmine
15	Analiza	Življenjski cikel	Ta faza življenjskega cikla podatkovne znanosti se osredotoča na tehnike analize podatkov.	lekcija	Jasmine
16	Komunikacija	Življenjski cikel	Ta faza življenjskega cikla podatkovne znanosti se osredotoča na predstavitev ugotovitev iz podatkov na način, ki olajša razumevanje odločevalcem.	lekcija	Jalen
17	Podatkovna znanost v oblaku	Oblak podatkov	Ta serija lekcij uvaja podatkovno znanost v oblaku in njene koristi.	lekcija	Tiffany in Maud
18	Podatkovna znanost v oblaku	Oblak podatkov	Učenje modelov z uporabo orodij Low Code.	lekcija	Tiffany in Maud
19	Podatkovna znanost v oblaku	Oblak podatkov	Zaganjanje modelov z Azure Machine Learning Studio.	lekcija	Tiffany in Maud
20	Podatkovna znanost v divjini	V divjini	Projekti na osnovi podatkovne znanosti v resničnem svetu.	lekcija	Nitya

GitHub Codespaces

Sledite tem korakom za odpiranje tega vzorca v Codespace:

1. Kliknite na spustni meni Code in izberite možnost Open with Codespaces.
2. Na dnu plošče izberite + New codespace. Za več informacij si oglejte GitHub dokumentacijo.

VSCode Remote - Containers

Sledite tem korakom za odpiranje tega repozitorija v vsebniku z uporabo vašega lokalnega računalnika in VSCode z razširitvijo VS Code Remote - Containers:

1. Če je to vaš prvič za uporabo razvojnega vsebnika, poskrbite, da vaš sistem izpolnjuje predpogoje (npr. da imate nameščen Docker) v dokumentaciji za začetek.

Za uporabo tega repozitorija ga lahko odprete bodisi v izoliranem Docker volumnu:

Opomba: Pod pokrovom bo ta uporabil ukaz Remote-Containers: Clone Repository in Container Volume..., ki izvorno kodo klonira v Docker volume namesto v lokalni datotečni sistem. Volumni so priporočeni mehanizem za trajno shranjevanje podatkov vsebnikov.

Ali odprite lokalno klonirano ali preneseno različico repozitorija:

• Klonirajte ta repozitorij na vaš lokalni datotečni sistem.
• Pritisnite F1 in izberite ukaz Remote-Containers: Open Folder in Container....
• Izberite klonirano kopijo te mape, počakajte, da se vsebnik zažene, in preizkusite.

Dostop brez povezave

To dokumentacijo lahko uporabljate brez povezave z uporabo Docsify. Forkajte ta repozitorij, namestite Docsify na vaš lokalni računalnik, nato v korenski mapi repozitorija zaženite docsify serve. Spletno mesto bo dostopno na vratih 3000 na vašem lokalnem strežniku: localhost:3000.

Opomba, beležnice se ne bodo prikazovale preko Docsify, zato kadar potrebujete zagnati beležnico, to storite ločeno v VS Code z zagonom Python jedra.

Drugi učni načrti

Naša ekipa izdaja tudi druge učne načrte! Oglejte si:

LangChain

---

Azure / Edge / MCP / Agentje

---

Serija Generativna AI

---

Osnovno učenje

---

Serija Copilot

Pridobivanje pomoči

Se srečujete s težavami? Oglejte si naš Vodnik za odpravljanje težav za rešitve pogostih problemov.

Če se zataknete ali imate kakršnakoli vprašanja glede razvoja AI aplikacij. Pridružite se drugim učencem in izkušenim razvijalcem v razpravah o MCP. To je podporna skupnost, kjer so vprašanja dobrodošla in se znanje prosto deli.

Če imate povratne informacije o izdelku ali naletite na napake med razvojem, obiščite:

---

Izjava o omejitvi odgovornosti: Ta dokument je bil preveden z uporabo storitve za prevajanje z umetno inteligenco Co-op Translator. Čeprav si prizadevamo za natančnost, vas opozarjamo, da avtomatizirani prevodi lahko vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvorno jeziku je treba šteti za avtoritativni vir. Za ključne informacije priporočamo strokovni človeški prevod. Nismo odgovorni za kakršna koli nesporazume ali napačne razlage, ki izhajajo iz uporabe tega prevoda.