Data-Science-For-Beginners/translations/cs

Data Science pro začátečníky - Kurikulum

Azure Cloud Advocates ve společnosti Microsoft s potěšením nabízí 10týdenní kurikulum o 20 lekcích zaměřených na datovou vědu. Každá lekce obsahuje kvíz před lekcí a po lekci, psaný návod k dokončení lekce, řešení a zadání. Naše projektově orientovaná pedagogika vám umožní učit se při tvorbě projektů — osvědčený způsob, jak nové dovednosti „uchytit“.

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

🙏 Zvláštní poděkování 🙏 našim autorům, recenzentům a přispěvatelům obsahu z řad Microsoft Student Ambassador, 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 přes GitHub Action (automatizované a vždy aktuální)

Arabština | Bengálština | Bulharština | Barmský (Myanmar) | Čínština (zjednodušená) | Čínština (tradiční, Hongkong) | Čínština (tradiční, Macau) | Čínština (tradiční, Taiwan) | Chorvatština | Čeština | Dánština | Nizozemština | Estonština | Finština | Francouzština | Němčina | Řečtina | Hebrejština | Hindština | Maďarština | Indonéština | Italština | Japonština | Kannadština | Korejština | Litevština | Malajština | Malayalam | Maráthština | Nepálština | Nigerian Pidgin | Norština | Perština (Farsi) | Polština | Portugalština (Brazílie) | Portugalština (Portugalsko) | Paňdžábština (Gurmukhi) | Rumunština | Ruština | Srbština (cyrilice) | Slovenština | Slovinština | Španělština | Svahilština | Švédština | Tagalog (Filipínština) | Tamilština | Telugština | Thajština | Turečtina | Ukrajinština | Urdština | Vietnamština

Pokud si přejete, aby byly podporovány další jazyky, naleznete je zde

Přidejte se k naší komunitě

Probíhá série „Learn with AI“ na Discordu — dozvíte se více a připojte se k nám na Série Learn with AI v termínu 18. - 30. září 2025. Získáte tipy a triky pro používání 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 i způsoby, jak získat bezplatný voucher na certifikaci. Tuto stránku si vyplatí uložit mezi záložky a občas zkontrolovat, protože obsah měníme alespoň měsíčně.
• Microsoft Learn Student Ambassadors Připojte se ke globální komunitě studentských ambasadorů, to může být vaše cesta do Microsoftu.

Začínáme

📚 Dokumentace

• Průvodce instalací - Krok za krokem pokyny k nastavení pro začátečníky
• Příručka používání - Příklady a běžné pracovní postupy
• Řešení problémů - Řešení běžných problémů
• Příručka pro přispívání - Jak přispívat do tohoto projektu
• Pro učitele - Pokyny pro výuku a materiály do výuky

👨‍🎓 Pro studenty

Úplní začátečníci: Jste v datové vědě noví? Začněte s našimi příklady vhodnými pro začátečníky! Tyto jednoduché, dobře okomentované příklady vám pomohou pochopit základy před tím, než se pustíte do celého kurikula. Studenti: chcete-li použít toto kurikulum samostatně, forknete si celý repozitář a dokončujte cvičení sami, začínaje kvízem před lekcí. Poté si přečtěte přednášku a dokončete zbylé aktivity. Snažte se vytvářet projekty porozuměním lekcí místo kopírování kódu řešení; tento kód je však k dispozici ve složkách /solutions v každé lekci zaměřené na projekt. Další možností je vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Rychlý start:

1. Zkontrolujte Průvodce instalací a nastavte si prostředí
2. Prohlédněte si Příručku používání, abyste se naučili pracovat s kurikulem
3. Začněte s Lekcí 1 a pokračujte sekvenčně
4. Přidejte se k naší komunitě na Discordu pro podporu

👩‍🏫 Pro učitele

Učitelé: zahrnuli jsme několik návrhů, jak toto kurikulum používat. Rádi uvítáme vaši zpětnou vazbu v našem diskusním fóru!

Seznamte se s týmem

GIF od Mohit Jaisal

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

Pedagogika

Při tvorbě tohoto kurikula jsme zvolili dva pedagogické principy: aby byl založený na projektech a aby obsahoval 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 použití datové vědy a dalších.

Navíc nízkorizikový kvíz před hodinou nastolí záměr studenta učit se téma, zatímco druhý kvíz po hodině zajišťuje lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné a lze jej absolvovat celé nebo částečně. Projekty začínají malé a postupně během 10týdenního cyklu nabývají na složitosti.

Najděte náš Kodex chování, Přispívání, Pokyny pro překlady. Vítáme vaše konstruktivní připomínky!

Každá lekce obsahuje:

• Volitelná sketchnota
• Volitelné doplňkové video
• Předlekční rozehřívací kvíz
• Písemná lekce
• U lekcí založených na projektech krok za krokem návody, jak projekt postavit
• Kontrolní otázky
• Výzva
• Doplňující četba
• Zadání
• Kvíz po lekci

Poznámka o kvízech: Všechny kvízy jsou v složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojené z lekcí, ale kvízovou aplikaci lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce quiz-app. Probíhá jejich postupná lokalizace.

🎓 Příklady pro začátečníky

Nový v datové vědě? Vytvořili jsme speciální adresář s příklady s jednoduchým, dobře okomentovaným kódem, který vám pomůže začít:

• 🌟 Hello World - Váš první program pro datovou vědu
• 📂 Načítání dat - Naučte se číst a prozkoumávat datové sady
• 📊 Jednoduchá analýza - Vypočítejte statistiky a najděte vzory
• 📈 Základní vizualizace - Vytvářejte grafy a diagramy
• 🔬 Projekt z praxe - Kompletní pracovní postup od začátku do konce

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

👉 Začněte s příklady 👈

Lekce

Datová věda pro začátečníky: Mapa cesty - Sketchnote od @nitya

Číslo lekce	Téma	Lesson Grouping	Výukové cíle	Propojená lekce	Autor
01	Definování datové vědy	Úvod	Naučte se základní koncepty datové vědy a jak souvisí s umělou inteligencí, strojovým učením a big daty.	lekce video	Dmitry
02	Etika datové vědy	Úvod	Koncepty, výzvy a rámce datové etiky.	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 k pochopení dat.	lekce video	Dmitry
05	Práce s relačními daty	Práce s daty	Úvod do relačních dat a základy prozkoumávání a analýzy relačních dat pomocí Structured Query Language, známého také jako SQL (vyslovováno “see-quell”).	lekce	Christopher
06	Práce s NoSQL daty	Práce s daty	Úvod do nerelačních dat, jejich různých typů a základy prozkoumávání a analýzy dokumentových databází.	lekce	Jasmine
07	Práce s Pythonem	Práce s daty	Základy použití Pythonu pro průzkum dat s knihovnami jako Pandas. Doporučuje se základní porozumění programování v Pythonu.	lekce video	Dmitry
08	Příprava dat	Práce s daty	Témata o technikách práce s daty pro čištění a transformaci dat k řešení problémů se chybějícími, nepřesnými nebo neúplnými daty.	lekce	Jasmine
09	Vizualizace množství	Data Visualization	Naučíte se použít Matplotlib k vizualizaci dat o ptácích 🦆	lekce	Jen
10	Vizualizace rozložení dat	Data Visualization	Vizualizace pozorování a trendů v intervalu.	lekce	Jen
11	Vizualizace podílů	Data Visualization	Vizualizace diskrétních a seskupených procent.	lekce	Jen
12	Vizualizace vztahů	Data Visualization	Vizualizace spojení a korelací mezi množinami dat a jejich proměnnými.	lekce	Jen
13	Smysluplné vizualizace	Data Visualization	Techniky a pokyny pro vytvoření vizualizací, které jsou hodnotné pro efektivní řešení problémů a získávání poznatků.	lekce	Jen
14	Úvod do životního cyklu datové vědy	Lifecycle	Úvod do životního cyklu datové vědy a jeho prvního kroku – získávání a extrakce dat.	lekce	Jasmine
15	Analýza	Lifecycle	Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat.	lekce	Jasmine
16	Komunikace	Lifecycle	Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat tak, aby je bylo snazší pochopit pro rozhodovatele.	lekce	Jalen
17	Datová věda v cloudu	Data v cloudu	Tato série lekcí představuje datovou vědu v cloudu a její výhody.	lekce	Tiffany and Maud
18	Datová věda v cloudu	Data v cloudu	Trénování modelů pomocí nástrojů s nízkým kódem.	lekce	Tiffany and Maud
19	Datová věda v cloudu	Data v cloudu	Nasazování modelů pomocí Azure Machine Learning Studio.	lekce	Tiffany and Maud
20	Datová věda v praxi	V praxi	Projekty poháněné datovou vědou v reálném světě.	lekce	Nitya

GitHub Codespaces

Pro otevření tohoto příkladu v Codespace postupujte podle těchto kroků:

1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
2. Ve spodní části panelu vyberte + New codespace. For more info, check out the GitHub documentation.

VSCode Remote - Containers

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

1. Pokud poprvé používáte vývojový kontejner, ujistěte se, že váš systém splňuje předpoklady (např. má nainstalovaný Docker) v dokumentaci pro začátečníky.

To use this repository, you can either open the repository in an isolated Docker volume:

Poznámka: Pod povrchem to použije příkaz Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

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

Offline přístup

You can run this documentation offline by using Docsify. Fork this repo, install Docsify on your local machine, then in the root folder of this repo, type docsify serve. The website will be served on port 3000 on your localhost: localhost:3000.

Poznámka, notebooky nebudou vykresleny pomocí Docsify, takže když budete potřebovat spustit notebook, udělejte to samostatně ve VS Code s běžícím Python kernel.

Další kurikula

Náš tým vytváří další kurikula! Podívejte se na:

LangChain

---

Azure / Edge / MCP / Agents

---

Série generativní AI

---

Základní kurzy

---

Série Copilot

Získání pomoci

Máte potíže? Přečtěte si náš Průvodce řešením problémů pro řešení běžných problémů.

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

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

---

Prohlášení o vyloučení odpovědnosti: Tento dokument byl přeložen pomocí služby strojového překladu Co‑op Translator (https://github.com/Azure/co-op-translator). I když usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro zásadní informace doporučujeme využít profesionální lidský překlad. Nejsme odpovědní za žádná nedorozumění nebo chybné interpretace vyplývající z použití tohoto překladu.