Data-Science-For-Beginners/translations/sl

Podatkovna znanost za začetnike - Kurikulum

Azure Cloud Advocates pri Microsoftu z veseljem ponujajo 10-tedenski, 20-urni kurikulum, povsem o podatkovni znanosti. Vsaka lekcija vključuje kviz pred lekcijo in po lekciji, pisna navodila za dokončanje lekcije, rešitev in nalogo. Naša projektno usmerjena pedagogika vam omogoča učenje med gradnjo — dokazan način, da nove veščine "ostanejo".

Iskrena hvala našim avtorjem: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Posebna zahvala 🙏 našim avtorjem, recenzentom in prispevalcem vsebin iz Microsoft Student Ambassador, zlasti 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

Podatkovna znanost za začetnike - Sketchnote avtorja @nitya

🌐 Večjezična podpora

Podprto prek GitHub Action (samodejno in vedno posodobljeno)

Arabščina | Bengalščina | Bolgarščina | Burmansko (Myanmar) | Kitajščina (poenostavljeno) | Kitajščina (tradicionalno, Hong Kong) | Kitajščina (tradicionalno, Macau) | Kitajščina (tradicionalno, Taiwan) | Hrvaščina | Češčina | Danščina | Nizozemščina | Estonščina | Finščina | Francoščina | Nemščina | Grščina | Hebrejščina | Hindijščina | Madžarščina | Indonezijščina | Italijanščina | Japonščina | kanadaščina (Kannada) | Korejščina | Litovščina | Malajščina | Malajalščina | Maratščina | Nepalščina | Nigerijski pidžin | Norveščina | Perzijščina (Farsi) | Poljščina | Portugalščina (Brazilija) | Portugalščina (Portugal) | Pandžabščina (Gurmukhi) | Romunščina | Ruščina | Srboščina (Cirilica) | Slovaščina | Slovenščina | Španščina | Svahilščina | Švedščina | Tagalog (Filipino) | Tamilščina | Telugščina | Tajščina | Turščina | Ukrajinščina | Urdu | Vietnamščina

Če želite, da so dodatni jeziki prevedeni, so podprti jeziki navedeni tukaj

Pridruži se naši skupnosti

Imamo potekajočo serijo na Discordu Learn with AI, izveste več in se nam pridružite na Learn with AI Series od 18. do 30. septembra 2025. Prejeli boste nasvete in trike za uporabo GitHub Copilot za podatkovno znanost.

Si študent?

Začni z naslednjimi viri:

• Student Hub page Na tej strani boste našli vire za začetnike, pakete za študente in celo načine, kako pridobiti brezplačen potrdilni bon. To je stran, ki si jo želite označiti med priljubljenimi in občasno preveriti, saj redno osvežujemo vsebino vsaj enkrat na mesec.
• Microsoft Learn Student Ambassadors Pridružite se globalni skupnosti študentskih ambasadorjev — to bi lahko bila vaša pot v Microsoft.

Začetek

📚 Dokumentacija

• Vodnik za namestitev - Korak-po-korak navodila za nastavitev za začetnike
• Vodnik za uporabo - Primeri in pogosti delovni tokovi
• Odpravljanje težav - Rešitve za pogoste težave
• Vodnik za prispevanje - Kako prispevati k temu projektu
• Za učitelje - Navodila za poučevanje in gradiva za učilnice

👨‍🎓 Za študente

Popolni začetniki: Niste vešči podatkovne znanosti? Začnite z našimi primeri za začetnike! Ti preprosti, dobro komentirani primeri vam bodo pomagali razumeti osnove, preden se poglobite v celoten kurikulum. Študenti: če želite ta kurikulum uporabljati samostojno, forkajte celoten repo in dokončajte vaje samostojno, začenši s kvizom pred predavanjem. Nato preberite predavanje in dokončajte preostale dejavnosti. Poskusite ustvariti projekte z razumevanjem lekcij namesto kopiranja kode rešitve; koda je na voljo v mapah /solutions v vsaki lekciji, usmerjeni v projekte. Druga ideja je, da oblikujete študijsko skupino s prijatelji in greste skozi vsebino skupaj. Za nadaljnje študije priporočamo Microsoft Learn.

Hiter začetek:

1. Preverite Vodnik za namestitev za nastavitev okolja
2. Preglejte Vodnik za uporabo, da se naučite, kako delati s kurikulumom
3. Začnite z Lekcijo 1 in nadaljujte zaporedno
4. Pridružite se naši Discord skupnosti za podporo

👩‍🏫 Za učitelje

Učitelji: vključili smo nekaj predlogov v za učitelje o tem, kako uporabiti ta kurikulum. Veseli bomo vaših povratnih informacij v našem diskusijskem forumu!

Spoznajte ekipo

Gif avtor Mohit Jaisal

🎥 Kliknite zgornjo sliko za video o projektu in ljudeh, ki so ga ustvarili!

Pedagogika

Izbrali smo dve pedagoški načeli pri izdelavi tega učnega načrta: zagotoviti, da je zasnovan kot projektno usmerjen, in da vključuje pogoste kvize. Do konca te serije bodo učenci osvojili osnovna načela podatkovne znanosti, vključno z etičnimi koncepti, pripravo podatkov, različnimi načini dela s podatki, vizualizacijo podatkov, analizo podatkov, primeri uporabe podatkovne znanosti v resničnem svetu in še več.

Poleg tega kviz z nizkim tveganjem pred lekcijo postavi namero študenta za učenje teme, medtem ko drugi kviz po lekciji zagotavlja nadaljnje zadržanje znanja. Ta učni načrt je zasnovan tako, da je prilagodljiv in zabaven ter ga je mogoče opraviti v celoti ali delno. Projekti se začnejo majhni in postajajo vse bolj zapleteni do konca 10-tedenskega cikla.

Oglejte si naše Kodeks ravnanja, Prispevanje, Prevajanje smernice. Veselimo se vaših konstruktivnih povratnih informacij!

Vsaka lekcija vključuje:

• Izbirna sketchnota
• Neobvezni dodatni posnetek
• Pripravljalni kviz pred lekcijo
• Pisna lekcija
• Za lekcije, zasnovane kot projekt, vodniki po korakih za izdelavo projekta
• Preverjanje znanja
• Izziv
• Dodatno branje
• Domača naloga
• Kviz po lekciji

Opomba o kvizih: Vsi kvizi so shranjeni v mapi quiz-app, skupaj 40 kvizov, vsak s tremi vprašanji. Priključeni so znotraj lekcij, vendar se kvizna aplikacija lahko zažene lokalno ali razporedi v Azure; sledite navodilom v mapi quiz-app. Postopoma se lokalizirajo.

🎓 Primeri za začetnike

Ste novi v podatkovni znanosti? Ustvarili smo poseben imenik primerov z enostavno, dobro komentirano kodo, da vam pomagamo začeti:

• 🌟 Hello World - vaš prvi program podatkovne znanosti
• 📂 Nalaganje podatkov - Naučite se brati in raziskovati nabore podatkov
• 📊 Preprosta analiza - Izračunajte statistiko in poiščite vzorce
• 📈 Osnovna vizualizacija - Ustvarite diagrame in grafe
• 🔬 Projekt iz resničnega sveta - Celoten potek dela od začetka do konca

Vsak primer vsebuje podrobne komentarje, ki pojasnjujejo vsak korak, zato je popoln za popolne začetnike!

👉 Začnite s primeri 👈

Lekcije

Podatkovna znanost za začetnike: Načrt poti - Sketchnote avtorja @nitya

Številka lekcije	Tema	Skupina lekcij	Cilji učenja	Povezana lekcija	Avtor
01	Opredelitev podatkovne znanosti	Uvod	Spoznajte osnovne koncepte podatkovne znanosti in kako je povezana z umetno inteligenco, strojnim učenjem in velikimi podatki.	lekcija posnetek	Dmitry
02	Data Science Ethics	Uvod	Koncepti podatkovne etike, izzivi in okviri.	lekcija	Nitya
03	Opredelitev podatkov	Uvod	Kako se podatki razvrščajo in njihovi pogosti viri.	lekcija	Jasmine
04	Uvod v statistiko in verjetnost	Uvod	Matematične tehnike verjetnosti in statistike za razumevanje podatkov.	lekcija posnetek	Dmitry
05	Delo z relacijskimi podatki	Delo s podatki	Uvod v relacijske podatke in osnove raziskovanja ter analiziranja relacijskih podatkov z jezikom Structured Query Language, znanim tudi kot SQL (izgovori se “see-quell”).	lekcija	Christopher
06	Delo z NoSQL podatki	Delo s podatki	Uvod v nerelacijske podatke, njihove različne vrste in osnove raziskovanja ter analiziranja dokumentnih baz podatkov.	lekcija	Jasmine
07	Delo s Pythonom	Delo s podatki	Osnove uporabe Pythona za raziskovanje podatkov z uporabo knjižnic, kot je Pandas. Priporočeno je osnovno razumevanje programiranja v Pythonu.	lekcija posnetek	Dmitry
08	Priprava podatkov	Delo s podatki	Teme o tehnikah za čiščenje in transformacijo podatkov za obvladovanje izzivov, kot so manjkajoči, netočni ali nepopolni podatki.	lekcija	Jasmine
09	Vizualizacija količin	Vizualizacija podatkov	Naučite se uporabljati Matplotlib za vizualizacijo podatkov o pticah 🦆	lekcija	Jen
10	Vizualizacija porazdelitev podatkov	Vizualizacija podatkov	Vizualizacija opazovanj in trendov znotraj intervala.	lekcija	Jen
11	Vizualizacija deležev	Vizualizacija podatkov	Vizualizacija diskretnih in grupiranih odstotkov.	lekcija	Jen
12	Vizualizacija odnosov	Vizualizacija podatkov	Vizualizacija povezav in korelacij med nizi podatkov in njihovimi spremenljivkami.	lekcija	Jen
13	Smiselne vizualizacije	Vizualizacija podatkov	Tehnike in napotki za ustvarjanje vizualizacij, ki so vredne za učinkovito reševanje problemov in pridobivanje vpogledov.	lekcija	Jen
14	Uvod v življenjski cikel podatkovne znanosti	Življenjski cikel	Uvod v življenjski cikel podatkovne znanosti in njegovo prvo fazo pridobivanja in ekstrakcije podatkov.	lekcija	Jasmine
15	Analiza	Življenjski cikel	Ta faza življenjskega cikla podatkovne znanosti se osredotoča na tehnike za analizo podatkov.	lekcija	Jasmine
16	Komunikacija	Življenjski cikel	Ta faza življenjskega cikla podatkovne znanosti se osredotoča na predstavitev vpogledov iz podatkov na način, ki olajša razumevanje odločevalcem.	lekcija	Jalen
17	Podatkovna znanost v oblaku	Podatki v oblaku	Ta niz lekcij predstavlja podatkovno znanost v oblaku in njene koristi.	lekcija	Tiffany and Maud
18	Podatkovna znanost v oblaku	Podatki v oblaku	Usposabljanje modelov z orodji Low Code.	lekcija	Tiffany and Maud
19	Podatkovna znanost v oblaku	Podatki v oblaku	Nameščanje modelov z Azure Machine Learning Studio.	lekcija	Tiffany and Maud
20	Podatkovna znanost v resničnem svetu	V resničnem svetu	Projekti, ki jih poganja podatkovna znanost, v resničnem svetu.	lekcija	Nitya

GitHub Codespaces

Sledite tem korakom, da odprete ta vzorec v Codespace:

1. Kliknite spustni meni Code in izberite možnost Open with Codespaces.
2. Izberite + New codespace na dnu podokna. Za več informacij si oglejte GitHub dokumentacija.

VSCode Remote - Containers

Sledite tem korakom, da odprete ta repozitorij v kontejnerju z uporabo vašega lokalnega računalnika in VSCode z razširitvijo VS Code Remote - Containers:

1. Če prvič uporabljate razvojni kontejner, se prepričajte, da vaš sistem izpolnjuje predpogojne zahteve (npr. imate nameščen Docker) v the getting started documentation.

Za uporabo tega repozitorija lahko ali odprete repozitorij v izoliranem Docker volumnu:

Opomba: Pod površjem bo to uporabilo ukaz Remote-Containers: Clone Repository in Container Volume... za kloniranje izvorne kode v Docker volumen namesto lokalnega datotečnega sistema. Volumni so priporočeni mehanizem za ohranjanje podatkov kontejnerja.

Ali pa odprite lokalno klonirano ali preneseno različico repozitorija:

• Klonirajte ta repozitorij v svoj lokalni datotečni sistem.
• Pritisnite F1 in izberite ukaz Remote-Containers: Open Folder in Container....
• Izberite klonirano kopijo te mape, počakajte, da se kontejner zažene, in preizkusite stvari.

Dostop brez povezave

Dokumentacijo lahko poganjate brez povezave z uporabo Docsify. Naredite fork tega repozitorija, namestite Docsify na vaš lokalni računalnik, nato v korenski mapi tega repozitorija vnesite docsify serve. Spletna stran bo strežena na vratih 3000 na vašem localhostu: localhost:3000.

Opomba: zvezki (notebooks) se ne bodo prikazovali preko Docsify, zato, ko potrebujete zagon zvezka, to storite ločeno v VS Code z zagonom Python jedra.

Drugi učni programi

Naša ekipa pripravlja tudi druge učne programe! Oglejte si:

LangChain

---

Azure / Edge / MCP / Agents

---

Serija generativne AI

---

Osnovno učenje

---

Serija Copilot

Iskanje pomoči

Se soočate s težavami? Preverite naš Vodnik za odpravljanje težav za rešitve pogosto pojavljajočih se težav.

Če se zataknete ali imate kakršnakoli vprašanja glede izdelave AI aplikacij. Pridružite se drugim učencem in izkušenim razvijalcem v razpravah o MCP. Gre za podporno skupnost, kjer so vprašanja dobrodošla in se znanje prosto deli.

Če imate povratne informacije o izdelku ali se med gradnjo pojavijo napake, obiščite:

---

Izjava o omejitvi odgovornosti: Ta dokument je bil preveden z uporabo storitve za prevajanje z umetno inteligenco Co-op Translator. Čeprav si prizadevamo za natančnost, upoštevajte, da avtomatizirani prevodi lahko vsebujejo napake ali netočnosti. Za avtoritativni vir velja izvirni dokument v izvirnem jeziku. Za kritične informacije priporočamo strokovni človeški prevod. Za morebitne nesporazume ali napačne razlage, ki izhajajo iz uporabe tega prevoda, ne odgovarjamo.