Data-Science-For-Beginners/translations/sk

Data Science pre začiatočníkov - učebný plán

Azure Cloud Advocates v Microsoft s potešením ponúkajú 10-týždňový, 20-lekčný učebný plán o Data Science. Každá lekcia obsahuje predlekčné a po-lekčné kvízy, písomné pokyny na dokončenie lekcie, riešenie a zadanie. Naša projektovo orientovaná pedagogika vám umožňuje učiť sa pri tvorbe, čo je osvedčený spôsob, ako nové zručnosti „uchytiť“.

Srdečne ďakujeme našim autorom: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Špeciálne poďakovanie 🙏 patrí našim Microsoft Student Ambassador autorom, recenzentom a prispievateľom obsahu, osobitne 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 pre začiatočníkov - Skica od @nitya

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

Arabic | Bengalčina | Bulharčina | Barmčina (Mjanmarsko) | Čínština (zjednodušená) | Čínština (tradičná, Hongkong) | Čínština (tradičná, Macao) | Čínština (tradičná, Taiwan) | Chorvátčina | Čeština | Dánčina | Holandčina | Estónčina | Fínčina | Francúzština | Nemčina | Gréčtina | Hebrejčina | Hindčina | Maďarčina | Indonézština | Taliančina | Japončina | Kannadčina | Kórejčina | Litovčina | Malajčina | Malajalámčina | Maratčina | Nepálčina | Nigerijská pidžin | Nórčina | Perzština (Farsi) | Poľština | Portugalčina (Brazília) | Portugalčina (Portugalsko) | Paňdžábčina (Gurmukhi) | Rumunčina | Ruština | Srbčina (cyrilika) | Slovenčina | Slovinčina | Španielčina | Suahelčina | Švédčina | Tagalog (Filipíny) | Tamilčina | Telugčina | Thajčina | Turečtina | Ukrajinčina | Urdu | Vietnamčina

Radšej klonovať lokálne?

Tento repozitár obsahuje vyše 50 jazykových prekladov, čo výrazne zvyšuje veľkosť na stiahnutie. Ak chcete klonovať bez prekladov, použite 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'

Toto vám poskytne všetko potrebné na dokončenie kurzu s výrazne rýchlejším sťahovaním.

Ak si prajete podporu ďalších prekladových jazykov, zoznam je uvedený tu

Pridajte sa do našej komunity

Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Dostanete tipy a triky na používanie GitHub Copilot pre Data Science.

Ste študent?

Začnite s nasledujúcimi zdrojmi:

• Stránka Student Hub Na tejto stránke nájdete zdroje pre začiatočníkov, študentské balíčky a dokonca spôsoby, ako získať bezplatný certifikátový poukaz. Túto stránku si určite pridajte do záložiek a občas ju skontrolujte, pretože obsah meníme aspoň raz mesačne.
• Microsoft Learn Student Ambassadors Pripojte sa k globálnej komunite študentských ambasádorov, môže to byť vaša cesta do Microsoftu.

Začíname

📚 Dokumentácia

• Inštalačný návod - Podrobný návod na nastavenie pre začiatočníkov
• Používateľský návod - Príklady a bežné postupy
• Riešenie problémov - Riešenia bežných problémov
• Návod na prispievanie - Ako prispieť do tohto projektu
• Pre učiteľov - Pokyny na vyučovanie a zdroje do triedy

👨‍🎓 Pre študentov

Úplní začiatočníci: Noví v Data Science? Začnite s našimi príkladmi vhodnými pre začiatočníkov! Tieto jednoduché, dobre okomentované príklady vám pomôžu pochopiť základy predtým, než sa pustíte do celého učebného plánu. Študenti: ak chcete použiť tento učebný plán sami, rozkonzte celý repozitár a riešte cvičenia sami, začnite prednáškovým kvízom. Potom si prečítajte prednášku a dokončite zvyšné aktivity. Pokúste sa vytvárané projekty pochopiť a vytvoriť ich, namiesto kopírovania riešení; kód je však dostupný v priečinkoch /solutions v každej projektovo zameranej lekcii. Ďalšou možnosťou je založiť si študijnú skupinu s priateľmi a prejsť obsah spoločne. Na ďalšie štúdium odporúčame Microsoft Learn.

Rýchly začiatok:

1. Prezrite si inštalačný návod na nastavenie prostredia
2. Prejdite si používateľský návod, aby ste sa naučili pracovať s učebným plánom
3. Začnite Lekciou 1 a postupujte postupne
4. Pridajte sa k našej Discord komunite pre podporu

👩‍🏫 Pre učiteľov

Učitelia: zahrnuli sme niekoľko návrhov ako používať tento učebný plán. Radi privítame vašu spätnú väzbu v našom diskusnom fóre!

Zoznámte sa s tímom

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!

Pedagogika

Pri tvorbe tohto kurikula sme zvolili dva pedagogické princípy: zabezpečiť, aby bolo založené na projektoch a aby obsahovalo časté kvízy. Na konci tejto série študenti nadobudnú základné poznatky o dátovej vede, vrátane etických konceptov, prípravy dát, rôznych spôsobov práce s dátami, vizualizácie dát, analýzy dát, reálnych prípadov použitia dátovej vedy a ďalších.

Okrem toho, nízkonákladový kvíz pred hodinou nastavuje študijný zámer študenta na učenie sa témy, zatiaľ čo druhý kvíz po vyučovaní zabezpečuje lepšie zapamätanie. Toto kurikulum bolo navrhnuté tak, aby bolo flexibilné a zábavné, a môžete ho absolvovať celé alebo čiastočne. Projekty začínajú malé a postupne sa počas 10-týždňového cyklu stávajú zložitejšími.

Nájdite náš Kodeks správania, Príspevky, Preklady a pravidlá. Radi privítame vaše konštruktívne pripomienky!

Každá lekcia obsahuje:

• Voliteľnú poznámku v štýle sketchnote
• Voliteľné doplnkové video
• Kvíz na rozcvičenie pred lekciou
• Písomnú lekciu
• Pre lekcie založené na projektoch, krok za krokom návody na vytvorenie projektu
• Overovanie vedomostí
• Výzvu
• Doplnkové čítanie
• Zadanie
• Kvíz po lekcii

Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz-App, spolu 40 kvízov s tromi otázkami v každom. Sú prepojené v rámci lekcií, ale aplikáciu kvízov je možné spustiť lokálne alebo nasadiť do Azure; postupujte podľa pokynov v priečinku quiz-app. Postupne sa lokalizujú.

🎓 Príklady priateľské pre začiatočníkov

Nový v dátovej vede? Vytvorili sme špeciálny adresár príkladov s jednoduchým, dobre komentovaným kódom, ktorý vám pomôže začať:

• 🌟 Hello World - Váš prvý program pre dátovú vedu
• 📂 Nahrávanie dát - Naučte sa čítať a skúmať dátové súbory
• 📊 Jednoduchá analýza - Vypočítajte štatistiky a nájdite vzory
• 📈 Základná vizualizácia - Vytvorte grafy a diagramy
• 🔬 Reálny projekt - Kompletný pracovný postup od začiatku do konca

Každý príklad obsahuje podrobné komentáre vysvetľujúce každý krok, ideálne pre úplných začiatočníkov!

👉 Začnite s príkladmi 👈

Lekcie

Dátová veda pre začiatočníkov: Plán - Sketchnote od @nitya

Číslo lekcie	Téma	Skupina lekcií	Ciele učenia	Prepojená lekcia	Autor
01	Definovanie dátovej vedy	Úvod	Naučte sa základné koncepty dátovej vedy a jej vzťah k umelej inteligencii, strojovému učeniu a veľkým dátam.	lekcia video	Dmitry
02	Etika v dátovej vede	Úvod	Koncepty dátaovej etiky, výzvy a rámce.	lekcia	Nitya
03	Definovanie dát	Úvod	Ako sa dáta klasifikujú a ich bežné zdroje.	lekcia	Jasmine
04	Úvod do štatistiky a pravdepodobnosti	Úvod	Matematické techniky pravdepodobnosti a štatistiky na pochopenie dát.	lekcia video	Dmitry
05	Práca s relačnými dátami	Práca s dátami	Úvod do relačných dát a základy skúmania a analýzy relačných dát pomocou štruktúrovaného dotazovacieho jazyka, známeho ako SQL (vyslovuje sa "síkuel").	lekcia	Christopher
06	Práca s NoSQL dátami	Práca s dátami	Úvod do nerelačných dát, ich rôzne typy a základy skúmania a analýzy databáz dokumentov.	lekcia	Jasmine
07	Práca s Python	Práca s dátami	Základy používania Pythonu na prieskum dát s knižnicami ako Pandas. Odporúčané je základné porozumenie programovaniu v Pythone.	lekcia video	Dmitry
08	Príprava dát	Práca s dátami	Témy o technikách čistenia a transformácie dát na riešenie problémov s chýbajúcimi, nepresnými alebo nekompletnými dátami.	lekcia	Jasmine
09	Vizualizácia množstiev	Vizualizácia dát	Naučte sa používať Matplotlib na vizualizáciu údajov o vtákoch 🦆	lekcia	Jen
10	Vizualizácia rozdelenia dát	Vizualizácia dát	Vizualizácia pozorovaní a trendov v rámci intervalu.	lekcia	Jen
11	Vizualizácia pomerov	Vizualizácia dát	Vizualizácia diskrétnych a zoskupených percentuálnych hodnôt.	lekcia	Jen
12	Vizualizácia vzťahov	Vizualizácia dát	Vizualizácia spojení a korelácií medzi súbormi dát a ich premennými.	lekcia	Jen
13	Významné vizualizácie	Vizualizácia dát	Techniky a rady pre tvorbu hodnotných vizualizácií na efektívne riešenie problémov a získavanie poznatkov.	lekcia	Jen
14	Úvod do životného cyklu dátovej vedy	Životný cyklus	Úvod do životného cyklu dátovej vedy a jeho prvého kroku získavania a extrakcie dát.	lekcia	Jasmine
15	Analýza	Životný cyklus	Táto fáza životného cyklu dátovej vedy sa zameriava na techniky analýzy dát.	lekcia	Jasmine
16	Komunikácia	Životný cyklus	Táto fáza životného cyklu dátovej vedy sa zameriava na prezentáciu poznatkov z dát tak, aby bolo pre rozhodovateľov ľahšie ich porozumieť.	lekcia	Jalen
17	Dátová veda v cloude	Dáta v cloude	Táto séria lekcií predstavuje dátovú vedu v cloude a jej výhody.	lekcia	Tiffany a Maud
18	Dátová veda v cloude	Dáta v cloude	Tréning modelov pomocou nástrojov Low Code.	lekcia	Tiffany a Maud
19	Dátová veda v cloude	Dáta v cloude	Nasadenie modelov pomocou Azure Machine Learning Studio.	lekcia	Tiffany a Maud
20	Dátová veda v praxi	V praxi	Projekty riadené dátovou vedou v reálnom svete.	lekcia	Nitya

GitHub Codespaces

Postupujte podľa týchto krokov, aby ste otvorili tento príklad v Codespace:

1. Kliknite na rozbaľovacie menu Code a vyberte možnosť Open with Codespaces.
2. Vyberte + New codespace v spodnej časti panela. Pre viac informácií si pozrite dokumentáciu GitHubu.

VSCode Remote - Containers

Postupujte podľa týchto krokov, aby ste otvorili toto repozitórium v kontajneri pomocou vášho lokálneho počítača a VSCode s rozšírením VS Code Remote - Containers:

1. Ak používate vývojový kontajner prvýkrát, uistite sa, že váš systém spĺňa predpoklady (napr. máte nainštalovaný Docker) podľa dokumentácie pre začínajúcich používateľov.

Na použitie tohto repozitára môžete buď otvoriť repozitár v izolovanom Docker volume:

Poznámka: Pod kapotou sa použije príkaz Remote-Containers: Clone Repository in Container Volume..., ktorý skopíruje zdrojový kód do Docker volume namiesto lokálneho súborového systému. Volume sú preferovaný spôsob pre trvalé ukladanie dát v kontajneri.

Alebo otvorte lokálne klonovanú alebo stiahnutú verziu repozitára:

• Klonujte tento repozitár do vášho lokálneho súborového systému.
• Stlačte F1 a vyberte príkaz Remote-Containers: Open Folder in Container....
• Vyberte skopírovanú kópiu tejto zložky, počkajte na spustenie kontajnera a vyskúšajte si to.

Prístup offline

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Vytvorte si fork tohto repozitára, nainštalujte Docsify na vašom lokálnom počítači, potom v koreňovej zložke tohto repozitára zadajte príkaz docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhoste: localhost:3000.

Poznámka, poznámkové bloky nebudú renderované cez Docsify, takže keď potrebujete spustiť notebook, urobte to samostatne vo VS Code so spusteným Python kernelom.

Iné kurikuly

Náš tím vytvára aj iné kurikuly! Pozrite si:

LangChain

---

Azure / Edge / MCP / Agenti

---

Séria Generatívnej AI

---

Základné vzdelávanie

---

Séria Copilot

Získanie pomoci

Máte problémy? Skontrolujte náš Sprievodca riešením problémov pre riešenia bežných problémov.

Ak sa zaseknete alebo máte otázky týkajúce sa tvorby AI aplikácií, pridajte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporujúca komunita, kde sú otázky vítané a vedomosti sa slobodne zdieľajú.

Ak máte spätnú väzbu k produktu alebo chyby počas vývoja, navštívte:

---

Zrieknutie sa zodpovednosti: Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Aj keď sa snažíme o presnosť, majte na pamäti, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Za akékoľvek nedorozumenia alebo nesprávne výklady vyplývajúce z použitia tohto prekladu nenesieme zodpovednosť.