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

Przewodnik instalacji

Ten przewodnik pomoże Ci skonfigurować środowisko do pracy z programem nauczania "Data Science for Beginners".

Spis treści

• Wymagania wstępne
• Opcje szybkiego startu
• Instalacja lokalna
• Weryfikacja instalacji

Wymagania wstępne

Przed rozpoczęciem powinieneś:

• Mieć podstawową znajomość pracy z wierszem poleceń/terminalem
• Posiadać konto GitHub (bezpłatne)
• Mieć stabilne połączenie internetowe do początkowej konfiguracji

Opcje szybkiego startu

Opcja 1: GitHub Codespaces (zalecane dla początkujących)

Najłatwiejszym sposobem na rozpoczęcie jest GitHub Codespaces, który oferuje kompletne środowisko programistyczne w przeglądarce.

1. Przejdź do repozytorium
2. Kliknij menu rozwijane Code
3. Wybierz zakładkę Codespaces
4. Kliknij Create codespace on main
5. Poczekaj na inicjalizację środowiska (2-3 minuty)

Twoje środowisko jest teraz gotowe z zainstalowanymi wszystkimi zależnościami!

Opcja 2: Rozwój lokalny

Aby pracować na własnym komputerze, postępuj zgodnie z poniższymi szczegółowymi instrukcjami.

Instalacja lokalna

Krok 1: Zainstaluj Git

Git jest wymagany do sklonowania repozytorium i śledzenia zmian.

Windows:

• Pobierz z git-scm.com
• Uruchom instalator z domyślnymi ustawieniami

macOS:

• Zainstaluj za pomocą Homebrew: brew install git
• Lub pobierz 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: Sklonuj repozytorium

# 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: Zainstaluj Python i Jupyter

Python w wersji 3.7 lub wyższej jest wymagany do lekcji z zakresu nauki o danych.

Windows:

1. Pobierz Python z python.org
2. Podczas instalacji zaznacz opcję "Add Python to PATH"
3. Zweryfikuj instalację:

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: Skonfiguruj środowisko Python

Zaleca się użycie wirtualnego środowiska, aby izolować zależności.

# 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: Zainstaluj pakiety Python

Zainstaluj wymagane biblioteki do nauki o danych:

pip install jupyter pandas numpy matplotlib seaborn scikit-learn

Krok 6: Zainstaluj Node.js i npm (dla aplikacji quizowej)

Aplikacja quizowa wymaga Node.js i npm.

Windows/macOS:

• Pobierz z nodejs.org (zalecana wersja LTS)
• Uruchom instalator

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: Zainstaluj zależności aplikacji quizowej

# Navigate to quiz app directory
cd quiz-app

# Install dependencies
npm install

# Return to root directory
cd ..

Krok 8: Zainstaluj Docsify (opcjonalne)

Dla dostępu offline do dokumentacji:

npm install -g docsify-cli

Weryfikacja instalacji

Test Python i Jupyter

# 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

Twoja przeglądarka powinna otworzyć interfejs Jupyter. Możesz teraz przejść do dowolnego pliku .ipynb z lekcji.

Test aplikacji quizowej

# Navigate to quiz app
cd quiz-app

# Start development server
npm run serve

Aplikacja quizowa powinna być dostępna pod adresem http://localhost:8080 (lub innym, jeśli port 8080 jest zajęty).

Test serwera dokumentacji

# From the root directory of the repository
docsify serve

Dokumentacja powinna być dostępna pod adresem http://localhost:3000.

Korzystanie z kontenerów Dev w VS Code

Jeśli masz zainstalowany Docker, możesz użyć kontenerów Dev w VS Code:

1. Zainstaluj Docker Desktop
2. Zainstaluj Visual Studio Code
3. Zainstaluj rozszerzenie Remote - Containers
4. Otwórz repozytorium w VS Code
5. Naciśnij F1 i wybierz "Remote-Containers: Reopen in Container"
6. Poczekaj na zbudowanie kontenera (tylko za pierwszym razem)

Kolejne kroki

• Przeglądaj README.md dla ogólnego przeglądu programu nauczania
• Przeczytaj USAGE.md dla typowych przepływów pracy i przykładów
• Sprawdź TROUBLESHOOTING.md, jeśli napotkasz problemy
• Przejrzyj CONTRIBUTING.md, jeśli chcesz wnieść swój wkład

Uzyskiwanie pomocy

Jeśli napotkasz problemy:

1. Sprawdź przewodnik TROUBLESHOOTING.md
2. Przeszukaj istniejące GitHub Issues
3. Dołącz do naszej społeczności Discord
4. Utwórz nowy problem, podając szczegółowe informacje o swoim problemie

---

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.