Data-Science-For-Beginners/translations/pl

Data Science dla Początkujących - Program Nauczania

Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-lekcyjny program nauczania dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswojenie nowych umiejętności.

Serdeczne podziękowania dla naszych autorów: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Specjalne podziękowania 🙏 dla naszych Microsoft Student Ambassador autorów, recenzentów i współtwórców treści, w szczególności 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 dla Początkujących - Sketchnote by @nitya

🌐 Wsparcie wielojęzyczne

Obsługiwane przez GitHub Action (Automatyczne i zawsze aktualne)

Francuski | Hiszpański | Niemiecki | Rosyjski | Arabski | Perski (Farsi) | Urdu | Chiński (uproszczony) | Chiński (tradycyjny, Makau) | Chiński (tradycyjny, Hongkong) | Chiński (tradycyjny, Tajwan) | Japoński | Koreański | Hindi | Bengalski | Marathi | Nepalski | Punjabi (Gurmukhi) | Portugalski (Portugalia) | Portugalski (Brazylia) | Włoski | Polski | Turecki | Grecki | Tajski | Szwedzki | Duński | Norweski | Fiński | Holenderski | Hebrajski | Wietnamski | Indonezyjski | Malajski | Tagalog (Filipiński) | Suahili | Węgierski | Czeski | Słowacki | Rumuński | Bułgarski | Serbski (cyrylica) | Chorwacki | Słoweński | Ukraiński | Birmański (Myanmar)

Jeśli chcesz, aby obsługiwane były dodatkowe języki, lista dostępnych języków znajduje się tutaj

Dołącz do naszej społeczności

Mamy trwającą serię nauki z AI na Discordzie, dowiedz się więcej i dołącz do nas na Learn with AI Series od 18 do 30 września 2025. Otrzymasz wskazówki i porady dotyczące korzystania z GitHub Copilot w Data Science.

Jesteś studentem?

Rozpocznij od następujących zasobów:

• Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera certyfikacyjnego. To strona, którą warto dodać do zakładek i sprawdzać od czasu do czasu, ponieważ zmieniamy treści co najmniej raz w miesiącu.
• Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studentów, to może być Twoja droga do Microsoft.

Rozpoczęcie

Całkowici początkujący: Nowy w Data Science? Zacznij od naszych przykładów dla początkujących! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy przed zagłębieniem się w pełny program nauczania.

Nauczyciele: mamy kilka sugestii dotyczących wykorzystania tego programu nauczania. Chętnie poznamy Twoją opinię na naszym forum dyskusyjnym!

Studenci: aby korzystać z tego programu nauczania samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj pozostałe aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji opartej na projekcie. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przejście przez treści. Do dalszej nauki polecamy Microsoft Learn.

Poznaj zespół

Gif autorstwa Mohit Jaisal

🎥 Kliknij obrazek powyżej, aby obejrzeć film o projekcie i ludziach, którzy go stworzyli!

Pedagogika

Podczas tworzenia tego programu nauczania wybraliśmy dwa założenia pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci poznają podstawowe zasady Data Science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia Data Science i wiele więcej.

Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ustawia intencję studenta na naukę danego tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu.

Znajdź nasze Kodeks postępowania, Wskazówki dotyczące współtworzenia, Wskazówki dotyczące tłumaczenia. Czekamy na Twoją konstruktywną opinię!

Każda lekcja zawiera:

• Opcjonalny sketchnote
• Opcjonalny dodatkowy film
• Quiz rozgrzewkowy przed lekcją
• Pisemną lekcję
• W przypadku lekcji opartych na projektach, przewodniki krok po kroku, jak zbudować projekt
• Sprawdzanie wiedzy
• Wyzwanie
• Dodatkowe materiały do czytania
• Zadanie
• Quiz po lekcji

Informacja o quizach: Wszystkie quizy znajdują się w folderze Quiz-App, w sumie 40 quizów, każdy z trzema pytaniami. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Quizy są stopniowo lokalizowane.

🎓 Przykłady dla początkujących

Nowy w Data Science? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:

• 🌟 Hello World - Twój pierwszy program w dziedzinie data science
• 📂 Ładowanie danych - Naucz się czytać i eksplorować zestawy danych
• 📊 Prosta analiza - Obliczanie statystyk i odkrywanie wzorców
• 📈 Podstawowa wizualizacja - Tworzenie wykresów i diagramów
• 🔬 Projekt z życia wzięty - Kompletny proces od początku do końca

Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni je idealnymi dla absolutnych początkujących!

👉 Rozpocznij od przykładów 👈

Lekcje

Data Science dla początkujących: Plan działania - Sketchnote autorstwa @nitya

Numer lekcji	Temat	Grupa lekcji	Cele nauki	Powiązana lekcja	Autor
01	Definiowanie Data Science	Wprowadzenie	Poznaj podstawowe pojęcia związane z data science i jego powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja wideo	Dmitry
02	Etyka w Data Science	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy.	lekcja	Nitya
03	Definiowanie danych	Wprowadzenie	Jak klasyfikowane są dane i ich typowe źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Matematyczne techniki prawdopodobieństwa i statystyki do analizy danych.	lekcja wideo	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstaw eksploracji i analizy danych relacyjnych za pomocą SQL (Structured Query Language).	lekcja	Christopher
06	Praca z danymi NoSQL	Praca z danymi	Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstaw eksploracji i analizy baz dokumentów.	lekcja	Jasmine
07	Praca z Pythonem	Praca z danymi	Podstawy używania Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecane jest podstawowe zrozumienie programowania w Pythonie.	lekcja wideo	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, nieścisłymi lub niekompletnymi danymi.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Naucz się używać Matplotlib do wizualizacji danych o ptakach 🦆	lekcja	Jen
10	Wizualizacja rozkładów danych	Wizualizacja danych	Wizualizacja obserwacji i trendów w przedziale.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizacja procentów dyskretnych i grupowych.	lekcja	Jen
12	Wizualizacja relacji	Wizualizacja danych	Wizualizacja połączeń i korelacji między zestawami danych i ich zmiennymi.	lekcja	Jen
13	Znaczące wizualizacje	Wizualizacja danych	Techniki i wskazówki dotyczące tworzenia wartościowych wizualizacji dla efektywnego rozwiązywania problemów i uzyskiwania wniosków.	lekcja	Jen
14	Wprowadzenie do cyklu życia Data Science	Cykl życia	Wprowadzenie do cyklu życia data science i jego pierwszego kroku, jakim jest pozyskiwanie i ekstrakcja danych.	lekcja	Jasmine
15	Analiza	Cykl życia	Ta faza cyklu życia data science skupia się na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Ta faza cyklu życia data science skupia się na prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie przez decydentów.	lekcja	Jalen
17	Data Science w chmurze	Dane w chmurze	Seria lekcji wprowadzających data science w chmurze i jego korzyści.	lekcja	Tiffany i Maud
18	Data Science w chmurze	Dane w chmurze	Trenowanie modeli za pomocą narzędzi Low Code.	lekcja	Tiffany i Maud
19	Data Science w chmurze	Dane w chmurze	Wdrażanie modeli za pomocą Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Data Science w praktyce	W praktyce	Projekty oparte na data science w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Postępuj zgodnie z tymi krokami, aby otworzyć ten przykład w Codespace:

1. Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces.
2. Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w dokumentacji GitHub.

VSCode Remote - Containers

Postępuj zgodnie z tymi krokami, aby otworzyć to repozytorium w kontenerze za pomocą lokalnego komputera i VSCode, korzystając z rozszerzenia VS Code Remote - Containers:

1. Jeśli korzystasz z kontenerów deweloperskich po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) w dokumentacji wprowadzającej.

Aby użyć tego repozytorium, możesz otworzyć je w izolowanym woluminie Dockera:

Uwaga: W tle zostanie użyte polecenie Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy w woluminie Dockera zamiast lokalnego systemu plików. Woluminy są preferowanym mechanizmem do przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

• Sklonuj to repozytorium na lokalny system plików.
• Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
• Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i wypróbuj różne funkcje.

Dostęp offline

Możesz uruchomić tę dokumentację offline, korzystając z Docsify. Sforkuj to repozytorium, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w katalogu głównym tego repozytorium wpisz docsify serve. Strona internetowa zostanie uruchomiona na porcie 3000 na Twoim localhost: localhost:3000.

Uwaga, notatniki nie będą renderowane za pomocą Docsify, więc jeśli potrzebujesz uruchomić notatnik, zrób to osobno w VS Code, uruchamiając kernel Pythona.

Inne programy nauczania

Nasz zespół tworzy inne programy nauczania! Sprawdź:

• Edge AI dla początkujących
• Agent AI dla początkujących
• Generatywna AI dla początkujących
• Generatywna AI dla początkujących .NET
• Generatywna AI z JavaScript
• Generatywna AI z Java
• AI dla początkujących
• Data Science dla początkujących
• Bash dla początkujących
• ML dla początkujących
• Cyberbezpieczeństwo dla początkujących
• Web Dev dla początkujących
• IoT dla początkujących
• Uczenie maszynowe dla początkujących
• Rozwój XR dla początkujących
• Opanowanie GitHub Copilot dla programowania w parach z AI
• Rozwój XR dla początkujących
• Opanowanie GitHub Copilot dla programistów C#/.NET
• Wybierz swoją własną przygodę z Copilot

Uzyskiwanie pomocy

Jeśli utkniesz lub masz pytania dotyczące budowania aplikacji AI, dołącz:

Jeśli masz uwagi dotyczące produktu lub napotykasz błędy podczas budowy, odwiedź:

---

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 autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.