Data-Science-For-Beginners/translations/pl

Data Science dla początkujących - Program nauczania

Zespół Azure Cloud Advocates w Microsoft z przyjemnością oferuje 10-tygodniowy, 20-lekcyjny program nauczania poświęcony Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasza projektowa metodologia nauczania pozwala uczyć się podczas tworzenia, co jest sprawdzonym sposobem na trwałe przyswajanie nowych umiejętności.

Serdeczne podziękowania dla naszych autorów: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z Microsoft Student Ambassador, w szczególności 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 dla początkujących - Sketchnote autorstwa @nitya

🌐 Wsparcie wielojęzyczne

Wspierane przez GitHub Action (Automatyczne i zawsze aktualne)

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

Jeśli chcesz, aby dodatkowe języki tłumaczeń były wspierane, są one wymienione tutaj

Dołącz do naszej społeczności

Prowadzimy serię Discord „Learn with AI”, dowiedz się więcej i dołącz do nas na Learn with AI Series w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące korzystania z GitHub Copilot dla Data Science.

Jesteś studentem?

Rozpocznij od następujących zasobów:

• Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera na certyfikat. To jedna strona, którą warto dodać do zakładek i od czasu do czasu sprawdzać, ponieważ co najmniej raz w miesiącu zmieniamy zawartość.
• Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studenckich, to może być Twoja droga do Microsoft.

Rozpoczęcie pracy

📚 Dokumentacja

• Przewodnik instalacji - Instrukcje krok po kroku dla początkujących
• Przewodnik użytkowania - Przykłady i typowe przepływy pracy
• Rozwiązywanie problemów - Rozwiązania typowych problemów
• Przewodnik współtworzenia - Jak przyczynić się do tego projektu
• Dla nauczycieli - Wskazówki dydaktyczne i zasoby do klasy

👨‍🎓 Dla studentów

Całkowici początkujący: Nowy w data science? Zacznij od naszych przykładów dla początkujących! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy przed zagłębieniem się w cały program nauczania. Studenci: aby korzystać z tego programu samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed wykładem. Następnie przeczytaj wykład i wykonaj pozostałe zadania. Staraj się tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez materiał. Do dalszej nauki polecamy Microsoft Learn.

Szybki start:

1. Sprawdź Przewodnik instalacji, aby skonfigurować środowisko
2. Przejrzyj Przewodnik użytkowania, aby nauczyć się pracy z programem
3. Zacznij od Lekcji 1 i kontynuuj kolejno
4. Dołącz do naszej społeczności Discord po wsparcie

👩‍🏫 Dla nauczycieli

Nauczyciele: dołączyliśmy kilka sugestii dotyczących korzystania z tego programu. Chętnie poznamy Wasze opinie na naszym forum dyskusyjnym!

Poznaj zespół

Gif autorstwa Mohit Jaisal

🎥 Kliknij powyższy obraz, aby obejrzeć film o projekcie i ludziach, którzy go stworzyli!

Pedagogika

Podczas tworzenia tego programu nauczania wybraliśmy dwie zasady pedagogiczne: zapewnienie, że jest oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii uczniowie poznają podstawowe zasady nauki o danych, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia nauki o danych i więcej.

Dodatkowo, quiz o niskiej stawce przed zajęciami ustawia intencję ucznia do nauki tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od małych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu.

Znajdź nasze Zasady postępowania, Wkład, Tłumaczenia. Czekamy na Twoją konstruktywną opinię!

Każda lekcja zawiera:

• Opcjonalną notatkę graficzną
• Opcjonalny film uzupełniający
• Quiz rozgrzewkowy przed lekcją
• Pisemną lekcję
• W przypadku lekcji opartych na projektach, przewodniki krok po kroku, jak zbudować projekt
• Sprawdziany wiedzy
• Wyzwanie
• Materiały uzupełniające do czytania
• Zadanie
• Quiz po lekcji

Uwaga o quizach: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Są stopniowo lokalizowane.

🎓 Przykłady przyjazne dla początkujących

Nowy w nauce o danych? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:

• 🌟 Hello World - Twój pierwszy program nauki o danych
• 📂 Ładowanie danych - Naucz się czytać i eksplorować zestawy danych
• 📊 Prosta analiza - Oblicz statystyki i znajdź wzorce
• 📈 Podstawowa wizualizacja - Twórz wykresy i diagramy
• 🔬 Projekt z prawdziwego świata - Kompletny przepływ pracy od początku do końca

Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni go idealnym dla absolutnych początkujących!

👉 Zacznij od przykładów 👈

Lekcje

Nauka o danych dla początkujących: Mapa drogowa - Notatka graficzna autorstwa @nitya

Numer lekcji	Temat	Grupa lekcji	Cele nauki	Powiązana lekcja	Autor
01	Definiowanie nauki o danych	Wprowadzenie	Poznaj podstawowe pojęcia nauki o danych oraz jej związek ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja wideo	Dmitry
02	Etyka nauki o danych	Wprowadzenie	Koncepcje, wyzwania i ramy etyki danych.	lekcja	Nitya
03	Definiowanie danych	Wprowadzenie	Jak klasyfikowane są dane i ich typowe źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Techniki matematyczne prawdopodobieństwa i statystyki do zrozumienia danych.	lekcja wideo	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstaw eksploracji i analizy danych relacyjnych za pomocą języka zapytań strukturalnych, znanego jako SQL (czytane „see-quell”).	lekcja	Christopher
06	Praca z danymi NoSQL	Praca z danymi	Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstaw eksploracji i analizy baz dokumentów.	lekcja	Jasmine
07	Praca z Pythonem	Praca z danymi	Podstawy używania Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecane podstawowe zrozumienie programowania w Pythonie.	lekcja wideo	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i transformacji danych, aby radzić sobie z wyzwaniami brakujących, niedokładnych lub niekompletnych danych.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Naucz się używać Matplotlib do wizualizacji danych o ptakach 🦆	lekcja	Jen
10	Wizualizacja rozkładów danych	Wizualizacja danych	Wizualizacja obserwacji i trendów w obrębie przedziału.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizacja dyskretnych i grupowanych procentów.	lekcja	Jen
12	Wizualizacja zależności	Wizualizacja danych	Wizualizacja powiązań i korelacji między zestawami danych i ich zmiennymi.	lekcja	Jen
13	Znaczące wizualizacje	Wizualizacja danych	Techniki i wskazówki, jak uczynić wizualizacje wartościowymi dla skutecznego rozwiązywania problemów i uzyskiwania wglądów.	lekcja	Jen
14	Wprowadzenie do cyklu życia nauki o danych	Cykl życia	Wprowadzenie do cyklu życia nauki o danych i jego pierwszego kroku, jakim jest pozyskiwanie i ekstrakcja danych.	lekcja	Jasmine
15	Analiza	Cykl życia	Ta faza cyklu życia nauki o danych koncentruje się na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Ta faza cyklu życia nauki o danych koncentruje się na prezentowaniu wniosków z danych w sposób ułatwiający zrozumienie decydentom.	lekcja	Jalen
17	Nauka o danych w chmurze	Dane w chmurze	Ta seria lekcji wprowadza naukę o danych w chmurze i jej korzyści.	lekcja	Tiffany i Maud
18	Nauka o danych w chmurze	Dane w chmurze	Trenowanie modeli za pomocą narzędzi Low Code.	lekcja	Tiffany i Maud
19	Nauka o danych w chmurze	Dane w chmurze	Wdrażanie modeli za pomocą Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Nauka o danych w praktyce	W praktyce	Projekty nauki o danych w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Wykonaj następujące kroki, aby otworzyć ten przykład w Codespace:

1. Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces.
2. Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w dokumentacji GitHub.

VSCode Remote - Containers

Wykonaj następujące kroki, aby otworzyć to repozytorium w kontenerze, używając lokalnej maszyny i VSCode z rozszerzeniem VS Code Remote - Containers:

1. Jeśli używasz kontenera deweloperskiego po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowany Docker) w dokumentacji rozpoczęcia pracy.

Aby użyć tego repozytorium, możesz otworzyć repozytorium w izolowanym wolumenie Dockera:

Uwaga: Pod spodem użyje to polecenia Remote-Containers: Clone Repository in Container Volume... do sklonowania kodu źródłowego w wolumenie Dockera zamiast w lokalnym systemie plików. Wolumeny są preferowanym mechanizmem do przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

• Sklonuj to repozytorium do lokalnego systemu plików.
• Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
• Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i wypróbuj.

Dostęp offline

Możesz uruchomić tę dokumentację offline, używając Docsify. Rozgałęź to repozytorium, zainstaluj Docsify na swojej lokalnej maszynie, a następnie w katalogu głównym tego repozytorium wpisz docsify serve. Strona będzie serwowana na porcie 3000 na Twoim localhost: localhost:3000.

Uwaga, notatniki nie będą renderowane przez Docsify, więc gdy potrzebujesz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona.

Inne programy nauczania

Nasz zespół tworzy inne programy nauczania! Sprawdź:

LangChain

---

Azure / Edge / MCP / Agents

---

Seria Generative AI

---

Podstawowa nauka

---

Seria Copilot

Uzyskiwanie pomocy

Masz problemy? Sprawdź nasz Przewodnik rozwiązywania problemów z rozwiązaniami najczęstszych problemów.

Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do innych uczących się i doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, gdzie pytania są mile widziane, a wiedza jest swobodnie dzielona.

Jeśli masz uwagi dotyczące produktu lub napotkasz błędy podczas tworzenia, odwiedź:

---

Zastrzeżenie:
Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Mimo że dokładamy starań, aby tłumaczenie było jak najbardziej precyzyjne, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym powinien być uznawany za źródło autorytatywne. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.