Data-Science-For-Beginners/translations/cs

Data Science pro Začátečníky - Kurikulum

Azure Cloud Advocates v Microsoftu s potěšením nabízejí 10týdenní kurikulum s 20 lekcemi zaměřenými na Data Science. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš projektově orientovaný přístup vám umožní učit se prostřednictvím tvorby, což je osvědčený způsob, jak si osvojit nové dovednosti.

Velké díky našim autorům: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Speciální poděkování 🙏 našim Microsoft Student Ambassador autorům, recenzentům a přispěvatelům obsahu, zejména 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 pro Začátečníky - Sketchnote od @nitya

Oznámení - Nové kurikulum o Generativní AI právě vydáno!

Právě jsme vydali 12lekční kurikulum o generativní AI. Naučte se například:

• tvorbu a optimalizaci promptů
• generování textových a obrazových aplikací
• aplikace pro vyhledávání

Jako obvykle obsahuje lekce, úkoly k dokončení, kontrolní otázky a výzvy.

Podívejte se na to:

https://aka.ms/genai-beginners

Jste student?

Začněte s následujícími zdroji:

• Stránka Student Hub Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce i způsoby, jak získat voucher na certifikaci zdarma. Tuto stránku si uložte do záložek a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně.
• Microsoft Learn Student Ambassadors Připojte se ke globální komunitě studentských ambasadorů, což by mohl být váš vstup do Microsoftu.

Začínáme

Učitelé: zahrnuli jsme několik návrhů, jak toto kurikulum využít. Budeme rádi za vaši zpětnou vazbu v našem diskusním fóru!

Studenti: chcete-li toto kurikulum použít samostatně, forkněte si celý repozitář a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení; kód řešení je však k dispozici ve složkách /solutions v každé projektově orientované lekci. Další možností je vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Seznamte se s týmem

Gif vytvořil Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!

Pedagogika

Při tvorbě tohoto kurikula jsme zvolili dva pedagogické principy: zajistit, aby bylo projektově orientované, a zahrnout časté kvízy. Na konci této série se studenti naučí základní principy data science, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití data science a další.

Kromě toho nízkoprahový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné a mohlo být absolvováno celé nebo po částech. Projekty začínají jednoduše a postupně se stávají složitějšími během 10týdenního cyklu.

Najděte náš Kodex chování, Přispívání, Překlad pokyny. Uvítáme vaši konstruktivní zpětnou vazbu!

Každá lekce obsahuje:

• Volitelný sketchnote
• Volitelné doplňkové video
• Zahřívací kvíz před lekcí
• Písemnou lekci
• U projektově orientovaných lekcí podrobné pokyny, jak projekt vytvořit
• Kontrolní otázky
• Výzvu
• Doplňkové čtení
• Úkol
• Kvíz po lekci

Poznámka ke kvízům: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny v rámci lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce quiz-app. Postupně jsou lokalizovány.

Lekce

Data Science pro Začátečníky: Plán - Sketchnote od @nitya

Číslo lekce	Téma	Skupina lekcí	Výukové cíle	Odkaz na lekci	Autor
01	Definování Data Science	Úvod	Naučte se základní koncepty data science a jak souvisí s umělou inteligencí, strojovým učením a velkými daty.	lekce video	Dmitry
02	Etika v Data Science	Úvod	Koncepty etiky dat, výzvy a rámce.	lekce	Nitya
03	Definování dat	Úvod	Jak jsou data klasifikována a jejich běžné zdroje.	lekce	Jasmine
04	Úvod do statistiky a pravděpodobnosti	Úvod	Matematické techniky pravděpodobnosti a statistiky pro pochopení dat.	lekce video	Dmitry
05	Práce s relačními daty	Práce s daty	Úvod do relačních dat a základy zkoumání a analýzy relačních dat pomocí Structured Query Language, známého také jako SQL (vyslovováno „síkvél“).	lekce	Christopher
06	Práce s NoSQL daty	Práce s daty	Úvod do nerelačních dat, jejich různých typů a základy zkoumání a analýzy dokumentových databází.	lekce	Jasmine
07	Práce s Pythonem	Práce s daty	Základy používání Pythonu pro zkoumání dat s knihovnami, jako je Pandas. Doporučuje se základní znalost programování v Pythonu.	lekce video	Dmitry
08	Příprava dat	Práce s daty	Témata o technikách čištění a transformace dat pro řešení problémů s chybějícími, nepřesnými nebo neúplnými daty.	lekce	Jasmine
09	Vizualizace množství	Vizualizace dat	Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆	lekce	Jen
10	Vizualizace rozložení dat	Vizualizace dat	Vizualizace pozorování a trendů v rámci intervalu.	lekce	Jen
11	Vizualizace proporcí	Vizualizace dat	Vizualizace diskrétních a seskupených procent.	lekce	Jen
12	Vizualizace vztahů	Vizualizace dat	Vizualizace spojení a korelací mezi datovými sadami a jejich proměnnými.	lekce	Jen
13	Smysluplné vizualizace	Vizualizace dat	Techniky a doporučení, jak vytvořit vizualizace, které jsou užitečné pro efektivní řešení problémů a získávání poznatků.	lekce	Jen
14	Úvod do životního cyklu datové vědy	Životní cyklus	Úvod do životního cyklu datové vědy a jeho prvního kroku - získávání a extrakce dat.	lekce	Jasmine
15	Analýza	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat.	lekce	Jasmine
16	Komunikace	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje jejich pochopení pro rozhodovací orgány.	lekce	Jalen
17	Datová věda v cloudu	Cloudová data	Tato série lekcí představuje datovou vědu v cloudu a její výhody.	lekce	Tiffany a Maud
18	Datová věda v cloudu	Cloudová data	Trénování modelů pomocí nástrojů s nízkým kódem.	lekce	Tiffany a Maud
19	Datová věda v cloudu	Cloudová data	Nasazení modelů pomocí Azure Machine Learning Studio.	lekce	Tiffany a Maud
20	Datová věda v praxi	V praxi	Projekty řízené datovou vědou v reálném světě.	lekce	Nitya

GitHub Codespaces

Postupujte podle těchto kroků pro otevření tohoto příkladu v Codespace:

1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
2. Vyberte + New codespace ve spodní části panelu. Pro více informací si přečtěte dokumentaci GitHubu.

VSCode Remote - Containers

Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:

1. Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje předpoklady (např. máte nainstalovaný Docker) podle dokumentace pro začátečníky.

Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker svazku:

Poznámka: Na pozadí se použije příkaz Remote-Containers: Clone Repository in Container Volume... pro klonování zdrojového kódu do Docker svazku místo lokálního souborového systému. Svazky jsou preferovaným mechanismem pro uchovávání dat kontejneru.

Nebo otevřete lokálně klonovanou nebo staženou verzi repozitáře:

• Klonujte tento repozitář do svého lokálního souborového systému.
• Stiskněte F1 a vyberte příkaz Remote-Containers: Open Folder in Container....
• Vyberte klonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte si to.

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na svůj lokální počítač, poté v kořenové složce tohoto repozitáře zadejte docsify serve. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: localhost:3000.

Poznámka: Notebooky nebudou přes Docsify vykresleny, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem.

Hledáme pomoc!

Pokud byste chtěli přeložit celou nebo část této osnovy, postupujte podle našeho průvodce Překlady.

Další osnovy

Náš tým vytváří další osnovy! Podívejte se na:

• Generativní AI pro začátečníky
• Generativní AI pro začátečníky .NET
• Generativní AI s JavaScriptem
• Generativní AI s Javou
• AI pro začátečníky
• Datová věda pro začátečníky
• Strojové učení pro začátečníky
• Kybernetická bezpečnost pro začátečníky
• Webový vývoj pro začátečníky
• IoT pro začátečníky
• Vývoj XR pro začátečníky
• Ovládnutí GitHub Copilot pro párové programování
• Ovládnutí GitHub Copilot pro vývojáře C#/.NET
• Vyberte si vlastní dobrodružství s Copilotem

---

Upozornění:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za závazný zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Nezodpovídáme za jakékoli nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.