Data-Science-For-Beginners/translations/hu

Adattudomány kezdőknek - Tananyag

A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot az adattudomány témakörében. Minden lecke tartalmaz elő- és utóteszteket, írott útmutatót a lecke elvégzéséhez, megoldást és feladatot. Projekt-alapú tanítási módszerünknek köszönhetően építés közben tanulsz, ami bizonyítottan hatékony módja az új készségek elsajátításának.

Szívből köszönet szerzőinknek: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Külön köszönet 🙏 a Microsoft Student Ambassador szerzőinknek, lektorainknak és tartalomközreműködőinknek, különösen 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

Adattudomány Kezdőknek - Sketchnote @nitya által

🌐 Többnyelvű támogatás

GitHub Action segítségével támogatott (Automatikus és mindig naprakész)

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

Szeretnéd helyben klónozni?

Ez a tároló több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. A fordítások nélkül klónozáshoz használd a sparse checkout-ot:

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'

Ez mindent megad, ami a tanfolyam elvégzéséhez kell, sokkal gyorsabb letöltéssel.

Ha további fordítási nyelveket szeretnél támogatni, azokat itt találod listázva

Csatlakozz Közösségünkhöz

Jelenleg is fut egy Discord „Tanulj az AI segítségével” sorozatunk, többet megtudhatsz és csatlakozhatsz hozzánk a Learn with AI Series eseménysorozatban 2025. szeptember 18-30. között. Itt megtanulhatod a GitHub Copilot adattudományi használatának tippeit és trükkjeit.

Diák vagy?

Kezdj az alábbi forrásokkal:

• Student Hub oldal Itt megtalálod a kezdő erőforrásokat, diákcsomagokat és még lehetőséget is egy ingyenes vizsga kupont szerezni. Ezt az oldalt érdemes könyvjelzőzni és időnként ellenőrizni, hiszen havonta cseréljük a tartalmat.
• Microsoft Learn Student Ambassadors Csatlakozz egy globális diák nagykövet közösséghez, ez lehet a kapud a Microsoft-hoz.

Kezdő lépések

📚 Dokumentáció

• Telepítési útmutató - Lépésről lépésre útmutató kezdőknek
• Használati útmutató - Példák és gyakori munkafolyamatok
• Hibaelhárítás - Gyakori problémák megoldásai
• Közreműködési útmutató - Hogyan járulhatsz hozzá a projekthez
• Tanároknak - Oktatási útmutató és osztálytermi források

👨‍🎓 Diákoknak

Teljesen kezdők: Új vagy az adattudományban? Kezdd el a kezdőbarát példáinkkal! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágnál a teljes tananyagba. Diákok: ha önállóan szeretnéd használni ezt a tananyagot, forkolj le az egész repót, és önállóan végezd el a feladatokat, kezdve egy előadás előtti teszttel. Ezután olvasd el az előadást és végezd el a további tevékenységeket. Próbáld meg a projekteket megérteni és létrehozni, ne csak a megoldás kódját másold; ez a kód megtalálható a /solutions mappákban minden projektorientált leckénél. Egy másik ötlet, hogy barátokkal tanulócsoportot alkotva közösen haladjatok át a tartalmon. További tanuláshoz ajánljuk a Microsoft Learn oldalait.

Gyorskezdés:

1. Tekintsd meg a Telepítési útmutatót a környezet beállításához
2. Nézd át a Használati útmutatót, hogy megismerd a tananyag használatát
3. Kezdj az 1. leckével és haladj sorban
4. Csatlakozz Discord közösségünkhöz a támaszért: https://aka.ms/ds4beginners/discord

👩‍🏫 Tanároknak

Tanárok: tartalmazunk néhány javaslatot a tananyag használatára. Szeretnénk hallani véleményedet a fórumunkon!

Ismerkedj meg a Csapattal

Gif készítője: Mohit Jaisal

🎥 Kattints a fenti képre, hogy megnézz egy videót a projektről és az alkotóiról!

Pedagógia

Két pedagógiai alapelvet választottunk a tananyag kidolgozásakor: biztosítani, hogy projekt-alapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a tanulók megismerik az adattudomány alapelveit, beleértve az etikai konceptusokat, adat-előkészítést, az adatokkal való különböző munkamódokat, adat vizualizációt, adat elemzést, az adattudomány valós világban való alkalmazásait és még sok mást.

Emellett egy alacsony téttel bíró kvíz az óra előtt segít a tanulót ráhangolni az adott témára, míg egy második kvíz az óra után elősegíti a tudás tartósságát. Ez a tananyag rugalmas és szórakoztató, egészben vagy részleteiben is elvégezhető. A projektek kis léptékben kezdődnek és egyre bonyolultabbak lesznek a 10 hetes ciklus végére.

Találd meg a Magatartási Kódexünket, Hozzájárulási, Fordítási útmutatóinkat. Várjuk építő jellegű visszajelzéseidet!

Minden leckében szerepel:

• Opcionális vázlatjegyzet
• Opcionális kiegészítő videó
• Óra előtti bemelegítő kvíz
• Írott lecke
• Projekt-alapú leckéknél lépésről lépésre útmutatók a projekt elkészítéséhez
• Tudásellenőrzés
• Egy kihívás
• Kiegészítő olvasmány
• Feladat
• Óra utáni kvíz

Megjegyzés a kvízekről: Minden kvíz a Quiz-App mappában van, összesen 40 kvíz három kérdéssel. A leckékből vannak linkelve, de a kvíz alkalmazás helyileg futtatható vagy telepíthető Azure-ra; kövesd az utasításokat a quiz-app mappában. Fokozatosan lokalizálják őket.

🎓 Kezdőknek szóló példák

Új vagy az adattudományban? Különleges példakönyvtárat hoztunk létre egyszerű, jól kommentált kódokkal, hogy segítsünk elindulni:

• 🌟 Hello World - Az első adattudományi programod
• 📂 Adatok betöltése - Tanuld meg beolvasni és felfedezni az adatállományokat
• 📊 Egyszerű elemzés - Számíts statisztikákat és találj mintázatokat
• 📈 Alapvető vizualizáció - Készíts diagramokat és grafikonokat
• 🔬 Valódi világ projektje - Teljes munkafolyamat az elejétől a végéig

Minden példa részletes kommenteket tartalmaz, amelyek minden lépést magyaráznak, így tökéletes az abszolút kezdőknek!

👉 Kezdd a példákkal 👈

Leckék

Adattudomány kezdőknek: Ütemterv - Vázlatjegyzet @nitya munkája

Lecke száma	Téma	Lecke csoportosítás	Tanulási célok	Linkelt lecke	Szerző
01	Az adattudomány meghatározása	Bevezetés	Megtanulni az adattudomány alapvető fogalmait, és hogy miként kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és a big data-hoz.	lecke videó	Dmitry
02	Adat etika	Bevezetés	Az adat etika fogalmai, kihívásai és keretrendszerei.	lecke	Nitya
03	Az adat meghatározása	Bevezetés	Hogyan osztályozzák az adatokat, és mi a gyakori forrásaik.	lecke	Jasmine
04	Statisztika és valószínűség bevezetése	Bevezetés	A valószínűség és statisztika matematikai módszerei az adatok megértéséhez.	lecke videó	Dmitry
05	Munkavégzés relációs adatbázisokkal	Adatokkal való munka	Bevezetés a relációs adatokba és az alapok a relációs adatok feltárásához és elemzéséhez a Strukturált Lekérdező Nyelvvel, azaz SQL-lel (kiejtve „szí-kel”).	lecke	Christopher
06	Munkavégzés NoSQL adatokkal	Adatokkal való munka	Bevezetés a nem relációs adatokba, azok típusai és bevezetés a dokumentum adatbázisok feltárásába és elemzésébe.	lecke	Jasmine
07	Munkavégzés Pythonnal	Adatokkal való munka	Alapok a Python használatáról adatfeltáráshoz Pandas könyvtárak segítségével. Alapvető Python programozási ismeretek ajánlottak.	lecke videó	Dmitry
08	Adat-előkészítés	Adatokkal való munka	Témák az adattisztításról és adatok átalakításáról, az elveszett, pontatlan vagy hiányos adatok kezelésének kihívásaihoz.	lecke	Jasmine
09	Mennyiségek vizualizálása	Adat vizualizáció	Tanuld meg, hogyan használhatod a Matplotlib-et madarak adatainak vizualizálására 🦆	lecke	Jen
10	Adateloszlások vizualizálása	Adat vizualizáció	Megfigyelések és tendenciák vizualizálása egy intervallumban.	lecke	Jen
11	Arányok vizualizálása	Adat vizualizáció	Diszkrét és csoportosított százalékok vizualizálása.	lecke	Jen
12	Kapcsolatok vizualizálása	Adat vizualizáció	Kapcsolatok és korrelációk vizualizálása adathalmazok és változóik között.	lecke	Jen
13	Értelmes vizualizációk	Adat vizualizáció	Technikák és útmutatás arra, hogyan tegyük vizualizációinkat hasznossá a hatékony problémamegoldáshoz és felismerésekhez.	lecke	Jen
14	Az adattudomány életciklusának bevezetése	Életciklus	Bevezetés az adattudomány életciklusába és az adat megszerzésének első lépésébe.	lecke	Jasmine
15	Elemzés	Életciklus	Az életciklus azon szakasza, amely az adatok elemzési technikáira fókuszál.	lecke	Jasmine
16	Kommunikáció	Életciklus	Az életciklus azon szakasza, amely az adatból származó felismerések hatékony bemutatására fókuszál, hogy az döntéshozók számára érthetőbb legyen.	lecke	Jalen
17	Az adattudomány a felhőben	Felhőadatok	Ez a leckesorozat bevezeti az adattudományt a felhőben és annak előnyeit.	lecke	Tiffany és Maud
18	Az adattudomány a felhőben	Felhőadatok	Modellek betanítása Low Code eszközökkel.	lecke	Tiffany és Maud
19	Az adattudomány a felhőben	Felhőadatok	Modellek telepítése az Azure Machine Learning Studio-val.	lecke	Tiffany és Maud
20	Az adattudomány a valós életben	A valós világban	Valós világban zajló adattudományi projektek.	lecke	Nitya

GitHub Codespaces

Kövesd ezeket a lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben:

1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
2. Válaszd az + New codespace az ablak alján. További információkért tekintsd meg a GitHub dokumentációját.

VSCode Remote - Konténerek

Kövesd ezt a lépést, hogy ezt a repót megnyisd egy konténerben a helyi géped és a VSCode segítségével a VS Code Remote - Containers kiterjesztéssel:

1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy rendszered megfelel a követelményeknek (pl. legyen telepítve Docker) a kezdő dokumentációban.

Ehhez a repóhoz megnyithatod a tárolót egy izolált Docker volume-ban:

Megjegyzés: Alatta a Remote-Containers: Clone Repository in Container Volume... parancsot fogja használni, hogy a forráskódot Docker volume-ba klónozza ahelyett, hogy a helyi fájlrendszert használná. A volume-ok ajánlott mechanizmusok a konténer adatainak megőrzésére.

Vagy megnyithatod a repó egy helyben klónozott vagy letöltött példányát:

• 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 klónozott mappát, várd meg, míg elindul a konténer, és próbálj ki dolgokat.

Offline hozzáférés

Ezt a dokumentációt offline is futtathatod a Docsify használatával. Forkold ezt a repót, telepítsd a Docsify-t a helyi gépedre, majd a repó gyökérmappájában futtasd a docsify serve parancsot. A weboldal a 3000-es porton lesz elérhető a localhoston: localhost:3000.

Megjegyzés: a jegyzetfüzeteket (notebooks) a Docsify nem fogja megjeleníteni, így amikor notebookot kell futtatnod, tedd azt külön VS Code-ban Python kernel használatával.

Egyéb Tananyagok

Csapatunk egyéb tananyagokat is készít! Nézd meg:

LangChain

---

Azure / Edge / MCP / Ügynökök

---

Generatív MI sorozat

---

Alapvető tanulás

---

Copilot sorozat

Segítségkérés

Problémákba ütköztél? Nézd meg Hibaelhárítási útmutatónkat a gyakori problémák megoldásához.

Ha elakadsz vagy kérdésed van az MI-alkalmazások fejlesztésével kapcsolatban, csatlakozz a tanulótársaidhoz és tapasztalt fejlesztőkhöz, hogy megvitassátok az MCP-t. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztott.

Ha termék-visszajelzésed vagy hibákat találsz fejlesztés közben, látogass el ide:

---

Jogi Nyilatkozat: Ez a dokumentum az AI fordítószolgáltatás, a Co-op Translator segítségével készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum a saját nyelvén tekintendő hivatalos forrásnak. Fontos információk esetén szakember által végzett emberi fordítást javaslunk. Nem vállalunk felelősséget az ebből az automatikus fordításból eredő félreértésekért vagy téves értelmezésekért.