Data-Science-For-Beginners/translations/cs

Data Science pro začátečníky - Kurikulum

Azure Cloud Advocates ve společnosti Microsoft s potěšením nabízejí 10týdenní kurikulum s 20 lekcemi zaměřenými na datovou vědu. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš přístup založený na projektech vám umožní učit se při tvorbě, což je osvědčený způsob, jak si nové dovednosti lépe osvojit.

Velké díky našim autorům: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Speciální poděkování 🙏 našim Microsoft Student Ambassador autorům, recenzentům a přispěvatelům obsahu, zejména 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 pro začátečníky - Sketchnote od @nitya

🌐 Podpora více jazyků

Podporováno prostřednictvím GitHub Action (Automatizováno a vždy aktuální)

Arabština | Bengálština | Bulharština | Barmština (Myanmar) | Čínština (zjednodušená) | Čínština (tradiční, Hongkong) | Čínština (tradiční, Macao) | Čínština (tradiční, Tchaj-wan) | Chorvatština | Čeština | Dánština | Nizozemština | Estonština | Finština | Francouzština | Němčina | Řečtina | Hebrejština | Hindština | Maďarština | Indonéština | Italština | Japonština | Korejština | Litevština | Malajština | Maráthština | Nepálština | Nigerijský pidžin | Norština | Perština (Fársí) | Polština | Portugalština (Brazílie) | Portugalština (Portugalsko) | Panjábština (Gurmukhi) | Rumunština | Ruština | Srbština (cyrilice) | Slovenština | Slovinština | Španělština | Svahilština | Švédština | Tagalog (Filipíny) | Tamilština | Thajština | Turečtina | Ukrajinština | Urdu | Vietnamština

Pokud si přejete přidat další překlady, seznam podporovaných jazyků najdete zde

Připojte se k naší komunitě

Máme probíhající sérii Learn with AI na Discordu, dozvíte se více a připojte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro datovou vědu.

Jste student?

Začněte s následujícími zdroji:

• Stránka Student Hub Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce způsoby, jak získat voucher na certifikaci zdarma. Tuto stránku si určitě uložte a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně.
• Microsoft Learn Student Ambassadors Připojte se ke globální komunitě studentských ambasadorů, může to být vaše cesta do Microsoftu.

Začínáme

📚 Dokumentace

• Průvodce instalací - Krok za krokem nastavení pro začátečníky
• Průvodce používáním - Příklady a běžné pracovní postupy
• Řešení problémů - Řešení běžných problémů
• Průvodce přispíváním - Jak přispět do tohoto projektu
• Pro učitele - Pokyny pro výuku a zdroje pro třídy

👨‍🎓 Pro studenty

Úplní začátečníci: Noví v datové vědě? Začněte s našimi příklady pro začátečníky! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy před tím, než se pustíte do celého kurikula. Studenti: chcete-li toto kurikulum použít samostatně, vytvořte si vlastní kopii celého repozitáře a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení kódu; tento kód je však k dispozici ve složkách /solutions v každé lekci zaměřené na projekt. Dalším nápadem by bylo vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Rychlý start:

1. Podívejte se na Průvodce instalací pro nastavení prostředí
2. Projděte si Průvodce používáním a naučte se pracovat s kurikulem
3. Začněte s lekcí 1 a postupujte postupně
4. Připojte se k naší komunitě na Discordu pro podporu

👩‍🏫 Pro učitele

Učitelé: zahrnuli jsme několik návrhů, jak toto kurikulum využít. Budeme rádi za vaši zpětnou vazbu v našem diskusním fóru!

Seznamte se s týmem

Gif vytvořil Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!

Pedagogika

Při tvorbě tohoto kurikula jsme se zaměřili na dvě pedagogické zásady: zajistit, aby bylo projektově orientované, a zahrnout časté kvízy. Na konci této série se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů využití datové vědy a další.

Kromě toho nízkostresový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné, a lze jej absolvovat celé nebo jen částečně. Projekty začínají jednoduše a postupně se stávají složitějšími na konci 10týdenního cyklu.

Najděte náš Kodex chování, Pokyny pro přispívání, Pokyny pro překlad. Uvítáme vaši konstruktivní zpětnou vazbu!

Každá lekce obsahuje:

• Volitelný sketchnote
• Volitelné doplňkové video
• Zahřívací kvíz před lekcí
• Psanou lekci
• U projektově orientovaných lekcí podrobné návody, jak projekt vytvořit
• Kontrolní otázky
• Výzvu
• Doplňkové čtení
• Zadání
• Kvíz po lekci

Poznámka ke kvízům: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů, každý se třemi otázkami. Jsou propojeny přímo v lekcích, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce quiz-app. Postupně jsou lokalizovány.

🎓 Příklady pro začátečníky

Jste noví v datové vědě? Vytvořili jsme speciální adresář příkladů s jednoduchým, dobře okomentovaným kódem, který vám pomůže začít:

• 🌟 Hello World - Váš první program v datové vědě
• 📂 Načítání dat - Naučte se číst a zkoumat datové sady
• 📊 Jednoduchá analýza - Vypočítejte statistiky a najděte vzory
• 📈 Základní vizualizace - Vytvářejte grafy a diagramy
• 🔬 Reálný projekt - Kompletní pracovní postup od začátku do konce

Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, což je ideální pro naprosté začátečníky!

👉 Začněte s příklady 👈

Lekce

Data Science For Beginners: Roadmap - Sketchnote od @nitya

Číslo lekce	Téma	Skupina lekcí	Výukové cíle	Odkaz na lekci	Autor
01	Definování datové vědy	Úvod	Naučte se základní koncepty datové vědy a jak souvisí s umělou inteligencí, strojovým učením a velkými daty.	lekce video	Dmitry
02	Etika datové vědy	Úvod	Koncepty etiky dat, výzvy a rámce.	lekce	Nitya
03	Definování dat	Úvod	Jak jsou data klasifikována a jejich běžné zdroje.	lekce	Jasmine
04	Úvod do statistiky a pravděpodobnosti	Úvod	Matematické techniky pravděpodobnosti a statistiky pro pochopení dat.	lekce video	Dmitry
05	Práce s relačními daty	Práce s daty	Úvod do relačních dat a základy zkoumání a analýzy relačních dat pomocí Structured Query Language, známého jako SQL (vyslovováno „sí-kvel“).	lekce	Christopher
06	Práce s NoSQL daty	Práce s daty	Úvod do nerelačních dat, jejich různých typů a základy zkoumání a analýzy dokumentových databází.	lekce	Jasmine
07	Práce s Pythonem	Práce s daty	Základy používání Pythonu pro zkoumání dat s knihovnami, jako je Pandas. Doporučuje se základní znalost programování v Pythonu.	lekce video	Dmitry
08	Příprava dat	Práce s daty	Témata o technikách čištění a transformace dat pro řešení problémů s chybějícími, nepřesnými nebo neúplnými daty.	lekce	Jasmine
09	Vizualizace množství	Vizualizace dat	Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆	lekce	Jen
10	Vizualizace rozložení dat	Vizualizace dat	Vizualizace pozorování a trendů v rámci intervalu.	lekce	Jen
11	Vizualizace proporcí	Vizualizace dat	Vizualizace diskrétních a seskupených procent.	lekce	Jen
12	Vizualizace vztahů	Vizualizace dat	Vizualizace spojení a korelací mezi datovými sadami a jejich proměnnými.	lekce	Jen
13	Smysluplné vizualizace	Vizualizace dat	Techniky a pokyny pro vytváření vizualizací, které jsou užitečné pro efektivní řešení problémů a získávání poznatků.	lekce	Jen
14	Úvod do životního cyklu datové vědy	Životní cyklus	Úvod do životního cyklu datové vědy a jeho prvního kroku získávání a extrakce dat.	lekce	Jasmine
15	Analýza	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat.	lekce	Jasmine
16	Komunikace	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje porozumění pro rozhodovací orgány.	lekce	Jalen
17	Datová věda v cloudu	Cloudová data	Tato série lekcí představuje datovou vědu v cloudu a její výhody.	lekce	Tiffany a Maud
18	Datová věda v cloudu	Cloudová data	Trénování modelů pomocí Low Code nástrojů.	lekce	Tiffany a Maud
19	Datová věda v cloudu	Cloudová data	Nasazení modelů pomocí Azure Machine Learning Studio.	lekce	Tiffany a Maud
20	Datová věda v praxi	V praxi	Projekty řízené datovou vědou v reálném světě.	lekce	Nitya

GitHub Codespaces

Postupujte podle těchto kroků pro otevření tohoto příkladu v Codespace:

1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
2. Vyberte + New codespace ve spodní části panelu. Pro více informací si přečtěte dokumentaci GitHubu.

VSCode Remote - Containers

Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:

1. Pokud je to poprvé, co používáte vývojový kontejner, ujistěte se, že váš systém splňuje předpoklady (např. máte nainstalovaný Docker) podle dokumentace pro začátek.

Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker svazku:

Poznámka: Na pozadí se použije příkaz Remote-Containers: Clone Repository in Container Volume... pro klonování zdrojového kódu do Docker svazku místo lokálního souborového systému. Svazky jsou preferovaným mechanismem pro uchovávání dat kontejneru.

Nebo otevřete lokálně klonovanou nebo staženou verzi repozitáře:

• Klonujte tento repozitář do svého lokálního souborového systému.
• Stiskněte F1 a vyberte příkaz Remote-Containers: Open Folder in Container....
• Vyberte klonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte si věci.

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na svůj lokální počítač, poté v kořenové složce tohoto repozitáře zadejte docsify serve. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: localhost:3000.

Poznámka, notebooky nebudou vykresleny přes Docsify, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem.

Další kurikula

Náš tým vytváří další kurikula! Podívejte se na:

Azure / Edge / MCP / Agents

---

Série Generativní AI

---

Základní vzdělávání

---

Série Copilot

Získání pomoci

Narazili jste na problémy? Podívejte se na náš Průvodce řešením problémů pro řešení běžných potíží.

Pokud se zaseknete nebo máte otázky ohledně vytváření AI aplikací, připojte se k ostatním studentům a zkušeným vývojářům v diskuzích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se sdílejí volně.

Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby při vývoji, navštivte:

---

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