Data-Science-For-Beginners/translations/hu

Adattudomány kezdőknek - Tananyag

Az Azure Cloud Advocates csapata a Microsoftnál örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot, amely az adattudománnyal foglalkozik. Minden lecke tartalmaz elő- és utókvízeket, írott utasításokat a feladat elvégzéséhez, megoldást és egy házi feladatot. Projektalapú tanítási módszerünk lehetővé teszi, hogy építkezés közben tanulj — ez bevált módja annak, hogy az új készségek „megragadjanak”.

Hálás köszönet szerzőinknek: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Külön köszönet 🙏 a Microsoft Student Ambassador szerzőinknek, lektorainknak és tartalomhozzájárulóinak, különösen 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

Adattudomány kezdőknek - Sketchnote készítette @nitya

🌐 Többnyelvű támogatás

Támogatott GitHub Actionnel (Automatikus és mindig naprakész)

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

Ha további fordítási nyelveket szeretnél, a támogatott nyelvek listája itt található

Csatlakozz a közösségünkhöz

Van egy folyamatos Discord sorozatunk "Learn with AI", további információkért és csatlakozásért látogass el a Learn with AI Series oldalra 2025. szeptember 18. - 30. között. Tippeket és trükköket kapsz a GitHub Copilot adattudományban való használatához.

Diák vagy?

Kezdj az alábbi forrásokkal:

• Hallgatói központ oldal Ez az oldalon megtalálod a kezdőknek szóló forrásokat, hallgatói csomagokat és akár módokat is, hogy ingyenes vizsgautalványt szerezz. Érdemes elmenteni könyvjelzőként, és időnként megnézni, mert legalább havonta frissítjük a tartalmat.
• Microsoft Learn Student Ambassadors Csatlakozz egy globális hallgatói nagykövet közösséghez; ez lehet az utad a Microsofthoz.

Első lépések

📚 Dokumentáció

• Telepítési útmutató - Lépésről lépésre útmutató a kezdő beállításhoz
• Használati útmutató - Példák és gyakori munkafolyamatok
• Hibaelhárítás - Gyakori problémák megoldásai
• Hozzájárulási útmutató - Hogyan járulhatsz hozzá ehhez a projekthez
• Tanárok számára - Oktatási útmutató és osztálytermi források

👨‍🎓 Hallgatóknak

Teljesen kezdőknek: Új vagy az adattudományban? Kezdd a kezdőknek szóló példáinkkal! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágsz a teljes tananyagba. Students: Ha egyedül szeretnéd használni ezt a tananyagot, forkold az egész repót, és oldd meg a gyakorlatokat önállóan, a pre-előadás kvízzel kezdve. Ezután olvasd el az előadást és végezd el a többi tevékenységet. Próbáld meg a projekteket a leckék megértése alapján elkészíteni, a megoldó kód másolása helyett; ez a kód azonban megtalálható a /solutions mappákban minden projektorientált leckénél. Egy másik ötlet, hogy alakíts tanulócsoportot barátokkal, és együtt haladjatok át a tartalmon. További tanuláshoz ajánljuk a Microsoft Learn anyagokat.

Gyors kezdés:

1. Ellenőrizd a Telepítési útmutatót a környezet beállításához
2. Tekintsd át a Használati útmutatót, hogy megtudd, hogyan dolgozz a tananyaggal
3. Kezdd az 1. leckével, és haladj sorrendben
4. Csatlakozz a Discord közösségünkhöz támogatásért

👩‍🏫 Tanároknak

Tanároknak: tartalmaztunk néhány javaslatot arra vonatkozóan, hogyan használjátok ezt a tananyagot. Szívesen fogadjuk visszajelzéseteket a beszélgetési fórumunkon!

Ismerd meg a csapatot

Gif készítette Mohit Jaisal

🎥 Kattints a fenti képre a projektről és az azt létrehozó csapatról készült videó megtekintéséhez!

Pedagógia

Két pedagógiai elvet választottunk ennek a tananyagnak az elkészítése során: projektalapúság és gyakori kvízek beépítése. A sorozat végére a tanulók megismerik az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatelőkészítést, az adatkezelés különböző módjait, az adatok vizualizálását, az adatelemzést, az adattudomány valós felhasználási eseteit és még sok mást.

Ezenfelül egy alacsony tétű kvíz az óra előtt segít a tanuló szándékát a téma megtanulására fókuszálni, míg egy második kvíz az óra után további megőrzést biztosít. Ezt a tananyagot rugalmasra és szórakoztatóra terveztük, és teljes egészében vagy részleteiben is elvégezhető. A projektek kicsiben kezdődnek, és a 10 hetes ciklus végére egyre összetettebbé válnak.

Találd meg a Magatartási kódexünket, Közreműködésre vonatkozó útmutatót, Fordítási irányelveinket. Várjuk építő jellegű visszajelzéseidet!

Minden lecke tartalmazza:

• Opcionális sketchnote
• Opcionális kiegészítő videó
• Lecke előtti bemelegítő kvíz
• Írott lecke
• Projektalapú leckékhez lépésről lépésre útmutatók a projekt elkészítéséhez
• Tudásellenőrzések
• Egy kihívás
• Kiegészítő olvasmányok
• Feladat
• Lecke utáni kvíz

Megjegyzés a kvízekről: Minden kvíz a Quiz-App mappában található, összesen 40 kvíz, mindegyik három kérdésből áll. A leckékből vannak linkelve, de a quiz app lokálisan is futtatható vagy telepíthető Azure-ra; kövesd az útmutatót a quiz-app mappában. Folyamatosan lokalizáljuk őket.

🎓 Kezdők számára ajánlott példák

Új az adattudományban? Készítettünk egy külön példakönyvtárat egyszerű, jól kommentált kóddal, hogy segítsünk a kezdésben:

• 🌟 Hello World - Az első adattudományos programod
• 📂 Adatok betöltése - Tanuld meg beolvasni és feltérképezni az adathalmazokat
• 📊 Egyszerű elemzés - Számíts statisztikákat és találj mintázatokat
• 📈 Alapvető vizualizáció - Készíts diagramokat és grafikonokat
• 🔬 Valós projekt - Teljes munkafolyamat a kezdetektől a végéig

Minden példa részletes megjegyzéseket tartalmaz, amelyek elmagyarázzák az egyes lépéseket, így tökéletesek teljesen kezdők számára!

👉 Kezd a példákkal 👈

Leckék

Adattudomány kezdőknek: Útvonalterv - Sketchnote készítette: @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Adattudomány meghatározása	Bevezetés	Ismerd meg az adattudomány alapfogalmait, és hogyan kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és a big data-hoz.	lecke videó	Dmitry
02	Adattudományi etika	Bevezetés	Az adat-etika fogalmai, kihívásai és keretrendszerei.	lecke	Nitya
03	Az adat meghatározása	Bevezetés	Hogyan osztályozzák az adatokat és mik a gyakori forrásaik.	lecke	Jasmine
04	Bevezetés a statisztikába és valószínűségszámításba	Bevezetés	A valószínűség és a statisztika matematikai technikái az adatok megértéséhez.	lecke videó	Dmitry
05	Relációs adatok kezelése	Adatok kezelése	Bevezetés a relációs adatokhoz és az alapok a relációs adatok felfedezéséhez és elemzéséhez a Structured Query Language segítségével, más néven SQL (kiejtve „szí-kvél”).	lecke	Christopher
06	NoSQL adatok kezelése	Adatok kezelése	Bevezetés a nem relációs adatokhoz, azok különféle típusaihoz és a dokumentumalapú adatbázisok felfedezésének és elemzésének alapjaihoz.	lecke	Jasmine
07	Python használata	Adatok kezelése	Alapok a Python használatához adatfelfedezéshez olyan könyvtárakkal, mint a Pandas. Alapvető Python programozási ismeretek ajánlottak.	lecke videó	Dmitry
08	Adatelőkészítés	Adatok kezelése	Témák az adattisztításról és az adatok átalakításáról a hiányzó, pontatlan vagy hiányos adatok kezeléséhez.	lecke	Jasmine
09	Mennyiségek vizualizálása	Adatvizualizáció	Tanuld meg, hogyan használd a Matplotlib-et madáradatok vizualizálásához 🦆	lecke	Jen
10	Az adatok eloszlásainak vizualizálása	Adatvizualizáció	Megfigyelések és trendek vizualizálása egy intervallumon belül.	lecke	Jen
11	Arányok vizualizálása	Adatvizualizáció	Diszkrét és csoportosított százalékos arányok vizualizálása.	lecke	Jen
12	Kapcsolatok vizualizálása	Adatvizualizáció	Adatkészletek és változóik közötti kapcsolatok és korrelációk vizualizálása.	lecke	Jen
13	Értelmes vizualizációk	Adatvizualizáció	Technikák és útmutatás annak érdekében, hogy vizualizációid értékesek legyenek a hatékony problémamegoldáshoz és betekintéshez.	lecke	Jen
14	Bevezetés az adattudomány életciklusába	Életciklus	Bevezetés az adattudomány életciklusába és az első lépésébe, az adatok megszerzésébe és kinyerésébe.	lecke	Jasmine
15	Elemzés	Életciklus	Az adattudomány életciklusának ez a fázisa az adatok elemzésére összpontosít.	lecke	Jasmine
16	Kommunikáció	Életciklus	Az adattudomány életciklusának ez a fázisa az adatokból nyert betekintések olyan bemutatására összpontosít, amely megkönnyíti a döntéshozók számára a megértést.	lecke	Jalen
17	Adattudomány a felhőben	Felhőadatok	Ezek a leckék bemutatják az adattudományt a felhőben és annak előnyeit.	lecke	Tiffany and Maud
18	Adattudomány a felhőben	Felhőadatok	Modellek képzése Low Code eszközökkel.	lecke	Tiffany and Maud
19	Adattudomány a felhőben	Felhőadatok	Modellek telepítése Azure Machine Learning Studio-val.	lecke	Tiffany and Maud
20	Adattudomány a gyakorlatban	A gyakorlatban	Adattudomány-vezérelt projektek a való világban.	lecke	Nitya

GitHub Codespaces

Kövesd az alábbi lépéseket, hogy megnyisd ezt a példát egy Codespace-ben:

1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces lehetőséget.
2. Válaszd a + New codespace opciót az ablak alján. További információért tekintsd meg a GitHub dokumentációját.

VSCode Remote - Containers

Kövesd az alábbi lépéseket, hogy megnyisd ezt a repo-t egy konténerben a helyi géped és a VSCode használatával a VS Code Remote - Containers kiterjesztéssel:

1. Ha először használsz fejlesztői konténert, kérjük, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (pl. telepítve van a Docker) a kezdő dokumentációban.

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

Note: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Kötetek a preferált mechanizmusok a konténeradatok tartósításához.

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

• Klónozd ezt a tárolót a helyi fájlrendszeredre.
• Nyomd meg az F1-et és válaszd a Remote-Containers: Open Folder in Container... parancsot.
• Válaszd ki a klónozott mappa példányát, várd meg, amíg a konténer elindul, és próbáld ki.

Offline hozzáférés

A dokumentációt offline is futtathatod a Docsify használatával. Fork-old ezt a repo-t, telepítsd a Docsify-t a helyi gépedre, majd a repo gyökérmappájában írd be a docsify serve parancsot. A weboldal a localhost 3000-es portján lesz elérhető: localhost:3000.

Megjegyzés: a jegyzetfüzetek (notebookok) nem lesznek megjelenítve a Docsify által, ezért ha futtatni szeretnél egy notebookot, tedd azt külön a VS Code-ban futó Python kernelben.

Egyéb tananyagok

Csapatunk más tananyagokat is készít! Nézd meg:

LangChain

---

Azure / Edge / MCP / Agents

---

Generatív AI sorozat

---

Alapvető tanulás

---

Copilot sorozat

Segítség

Problémákat tapasztal? Tekintse meg a Hibakeresési útmutatót az ismert problémák megoldásaiért.

Ha elakad vagy bármilyen kérdése van az AI-alkalmazások építésével kapcsolatban. Csatlakozzon más tanulókhoz és tapasztalt fejlesztőkhöz az MCP-ről folytatott beszélgetésekben. Ez egy támogató közösség, ahol a kérdések szívesen fogadottak és a tudás szabadon megosztásra kerül.

Ha termék-visszajelzése van vagy hibákat tapasztal fejlesztés közben, látogasson el ide:

---

Felelősségkizárás: Ezt a dokumentumot az AI fordítószolgáltatás Co-op Translator (https://github.com/Azure/co-op-translator) segítségével fordítottuk. Bár igyekszünk a pontosságra, felhívjuk figyelmét, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. A dokumentum eredeti, anyanyelvi változatát kell tekinteni a hiteles forrásnak. Fontos információk esetén szakmai, emberi fordítás igénybevétele javasolt. Nem vállalunk felelősséget a jelen fordítás használatából eredő félreértésekért vagy téves értelmezésekért.