History

leestott 57edd69619 🌐 Update translations via Co-op Translator		4 months ago
..
README.md	🌐 Update translations via Co-op Translator	4 months ago

README.md

Przykłady Data Science dla Początkujących

Witamy w katalogu przykładów! Ta kolekcja prostych, dobrze skomentowanych przykładów została zaprojektowana, aby pomóc Ci rozpocząć przygodę z data science, nawet jeśli jesteś zupełnym nowicjuszem.

📚 Co znajdziesz tutaj

Każdy przykład jest samodzielny i zawiera:

Jasne komentarze wyjaśniające każdy krok
Prosty, czytelny kod, który pokazuje jeden koncept na raz
Kontekst z życia codziennego, aby pomóc Ci zrozumieć, kiedy i dlaczego używać tych technik
Oczekiwany wynik, abyś wiedział, czego szukać

🚀 Jak zacząć

Wymagania wstępne

Przed uruchomieniem tych przykładów upewnij się, że masz:

Zainstalowany Python 3.7 lub nowszy
Podstawową wiedzę na temat uruchamiania skryptów w Pythonie

Instalacja wymaganych bibliotek

pip install pandas numpy matplotlib

📖 Przegląd przykładów

1. Hello World - Styl Data Science

Plik: 01_hello_world_data_science.py

Twój pierwszy program w data science! Nauczysz się:

Ładować prosty zestaw danych
Wyświetlać podstawowe informacje o danych
Wydrukować swój pierwszy wynik w data science

Idealne dla absolutnych początkujących, którzy chcą zobaczyć swój pierwszy program w akcji.

2. Ładowanie i eksploracja danych

Plik: 02_loading_data.py

Poznaj podstawy pracy z danymi:

Odczyt danych z plików CSV
Wyświetlanie pierwszych kilku wierszy zestawu danych
Uzyskiwanie podstawowych statystyk o danych
Zrozumienie typów danych

To często pierwszy krok w każdym projekcie data science!

3. Prosta analiza danych

Plik: 03_simple_analysis.py

Wykonaj swoją pierwszą analizę danych:

Oblicz podstawowe statystyki (średnia, mediana, dominanta)
Znajdź wartości maksymalne i minimalne
Policz wystąpienia wartości
Filtruj dane na podstawie warunków

Zobacz, jak odpowiadać na proste pytania dotyczące danych.

4. Podstawy wizualizacji danych

Plik: 04_basic_visualization.py

Stwórz swoje pierwsze wizualizacje:

Wykonaj prosty wykres słupkowy
Stwórz wykres liniowy
Wygeneruj wykres kołowy
Zapisz swoje wizualizacje jako obrazy

Naucz się komunikować swoje wnioski wizualnie!

5. Praca z prawdziwymi danymi

Plik: 05_real_world_example.py

Połącz wszystko w kompletnym przykładzie:

Załaduj prawdziwe dane z repozytorium
Wyczyść i przygotuj dane
Wykonaj analizę
Stwórz znaczące wizualizacje
Wyciągnij wnioski

Ten przykład pokazuje pełny przepływ pracy od początku do końca.

🎯 Jak korzystać z tych przykładów

Zacznij od początku: Przykłady są ponumerowane według stopnia trudności. Zacznij od 01_hello_world_data_science.py i przechodź dalej.
Czytaj komentarze: Każdy plik zawiera szczegółowe komentarze wyjaśniające, co robi kod i dlaczego. Czytaj je uważnie!
Eksperymentuj: Spróbuj modyfikować kod. Co się stanie, jeśli zmienisz wartość? Psuj rzeczy i naprawiaj je - tak się uczysz!
Uruchamiaj kod: Wykonaj każdy przykład i obserwuj wynik. Porównaj go z tym, czego się spodziewałeś.
Rozwijaj go: Gdy zrozumiesz przykład, spróbuj go rozszerzyć swoimi pomysłami.

💡 Wskazówki dla początkujących

Nie spiesz się: Poświęć czas na zrozumienie każdego przykładu, zanim przejdziesz do następnego
Przepisuj kod samodzielnie: Nie kopiuj-wklejaj. Pisanie kodu pomaga w nauce i zapamiętywaniu
Szukaj nieznanych pojęć: Jeśli zobaczysz coś, czego nie rozumiesz, poszukaj tego w internecie lub w głównych lekcjach
Zadawaj pytania: Dołącz do forum dyskusyjnego, jeśli potrzebujesz pomocy
Ćwicz regularnie: Staraj się kodować codziennie, zamiast robić długie sesje raz w tygodniu

🔗 Kolejne kroki

Po ukończeniu tych przykładów jesteś gotowy, aby:

Przejść przez główne lekcje programu nauczania
Spróbować zadań w każdym folderze lekcji
Eksplorować notatniki Jupyter dla bardziej szczegółowej nauki
Tworzyć własne projekty data science

📚 Dodatkowe zasoby

Główny program nauczania - Kompletny kurs składający się z 20 lekcji
Dla nauczycieli - Korzystanie z tego programu w klasie
Microsoft Learn - Darmowe zasoby do nauki online
Dokumentacja Pythona - Oficjalne odniesienie do Pythona

🤝 Współtworzenie

Znalazłeś błąd lub masz pomysł na nowy przykład? Zapraszamy do współtworzenia! Zobacz nasz Przewodnik dla współtwórców.

Miłej nauki! 🎉

Pamiętaj: Każdy ekspert kiedyś był początkującym. Rób wszystko krok po kroku i nie bój się popełniać błędów - są one częścią procesu nauki!

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.