Data-Science-For-Beginners/translations/cs/INSTALLATION.md

Průvodce instalací

Tento průvodce vám pomůže nastavit prostředí pro práci s učebními materiály Data Science for Beginners.

Obsah

• Předpoklady
• Možnosti rychlého startu
• Lokální instalace
• Ověření instalace

Předpoklady

Než začnete, měli byste mít:

• Základní znalosti práce s příkazovým řádkem/terminálem
• Účet na GitHubu (zdarma)
• Stabilní internetové připojení pro počáteční nastavení

Možnosti rychlého startu

Možnost 1: GitHub Codespaces (doporučeno pro začátečníky)

Nejjednodušší způsob, jak začít, je GitHub Codespaces, který poskytuje kompletní vývojové prostředí přímo ve vašem prohlížeči.

1. Přejděte na repozitář
2. Klikněte na rozbalovací nabídku Code
3. Vyberte záložku Codespaces
4. Klikněte na Create codespace on main
5. Počkejte, až se prostředí inicializuje (2-3 minuty)

Vaše prostředí je nyní připraveno se všemi předinstalovanými závislostmi!

Možnost 2: Lokální vývoj

Pokud chcete pracovat na svém vlastním počítači, postupujte podle podrobných pokynů níže.

Lokální instalace

Krok 1: Instalace Git

Git je nutný pro klonování repozitáře a sledování vašich změn.

Windows:

• Stáhněte z git-scm.com
• Spusťte instalátor s výchozím nastavením

macOS:

• Nainstalujte pomocí Homebrew: brew install git
• Nebo stáhněte z git-scm.com

Linux:

# Debian/Ubuntu
sudo apt-get update
sudo apt-get install git

# Fedora
sudo dnf install git

# Arch
sudo pacman -S git

Krok 2: Klonování repozitáře

# Clone the repository
git clone https://github.com/microsoft/Data-Science-For-Beginners.git

# Navigate to the directory
cd Data-Science-For-Beginners

Krok 3: Instalace Pythonu a Jupyteru

Pro lekce datové vědy je vyžadován Python 3.7 nebo vyšší.

Windows:

1. Stáhněte Python z python.org
2. Během instalace zaškrtněte "Add Python to PATH"
3. Ověřte instalaci:

python --version

macOS:

# Using Homebrew
brew install python3

# Verify installation
python3 --version

Linux:

# Most Linux distributions come with Python pre-installed
python3 --version

# If not installed:
# Debian/Ubuntu
sudo apt-get install python3 python3-pip

# Fedora
sudo dnf install python3 python3-pip

Krok 4: Nastavení Python prostředí

Doporučuje se použít virtuální prostředí pro izolaci závislostí.

# Create a virtual environment
python -m venv venv

# Activate the virtual environment
# On Windows:
venv\Scripts\activate

# On macOS/Linux:
source venv/bin/activate

Krok 5: Instalace Python balíčků

Nainstalujte požadované knihovny pro datovou vědu:

pip install jupyter pandas numpy matplotlib seaborn scikit-learn

Krok 6: Instalace Node.js a npm (pro aplikaci kvízu)

Aplikace kvízu vyžaduje Node.js a npm.

Windows/macOS:

• Stáhněte z nodejs.org (doporučena verze LTS)
• Spusťte instalátor

Linux:

# Debian/Ubuntu
# WARNING: Piping scripts from the internet directly into bash can be a security risk.
# It is recommended to review the script before running it:
#   curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x
#   less setup_lts.x
# Then run:
#   sudo -E bash setup_lts.x
#
# Alternatively, you can use the one-liner below at your own risk:
curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash -
sudo apt-get install -y nodejs

# Fedora
sudo dnf install nodejs

# Verify installation
node --version
npm --version

Krok 7: Instalace závislostí aplikace kvízu

# Navigate to quiz app directory
cd quiz-app

# Install dependencies
npm install

# Return to root directory
cd ..

Krok 8: Instalace Docsify (volitelné)

Pro offline přístup k dokumentaci:

npm install -g docsify-cli

Ověření instalace

Test Pythonu a Jupyteru

# Activate your virtual environment if not already activated
# On Windows:
venv\Scripts\activate
# On macOS/Linux:
source venv/bin/activate

# Start Jupyter Notebook
jupyter notebook

Váš prohlížeč by se měl otevřít s rozhraním Jupyter. Nyní můžete přejít k jakémukoli souboru .ipynb v lekcích.

Test aplikace kvízu

# Navigate to quiz app
cd quiz-app

# Start development server
npm run serve

Aplikace kvízu by měla být dostupná na http://localhost:8080 (nebo na jiném portu, pokud je 8080 obsazen).

Test serveru dokumentace

# From the root directory of the repository
docsify serve

Dokumentace by měla být dostupná na http://localhost:3000.

Použití Dev Containers ve VS Code

Pokud máte nainstalovaný Docker, můžete použít Dev Containers ve VS Code:

1. Nainstalujte Docker Desktop
2. Nainstalujte Visual Studio Code
3. Nainstalujte rozšíření Remote - Containers
4. Otevřete repozitář ve VS Code
5. Stiskněte F1 a vyberte "Remote-Containers: Reopen in Container"
6. Počkejte, až se kontejner vytvoří (pouze při prvním spuštění)

Další kroky

• Prozkoumejte README.md pro přehled učebních materiálů
• Přečtěte si USAGE.md pro běžné pracovní postupy a příklady
• Zkontrolujte TROUBLESHOOTING.md, pokud narazíte na problémy
• Projděte CONTRIBUTING.md, pokud chcete přispět

Získání pomoci

Pokud narazíte na problémy:

1. Zkontrolujte průvodce TROUBLESHOOTING.md
2. Vyhledejte existující GitHub Issues
3. Připojte se k naší Discord komunitě
4. Vytvořte nový issue s podrobnými informacemi o vašem problému

---

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