msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from '95ded644fa'
${ noResults }
Data-Science-For-Beginners/translations/sr/examples
History
leestott 57edd69619
🌐 Update translations via Co-op Translator 		3 months ago
..
README.md 🌐 Update translations via Co-op Translator 3 months ago

README.md
Escape

Примери за почетнике у области науке о подацима

Добродошли у директоријум са примерима! Ова колекција једноставних, добро коментарисаних примера је осмишљена да вам помогне да започнете са науком о подацима, чак и ако сте потпуни почетник.

📚 Шта ћете овде пронаћи

Сваки пример је самосталан и укључује:

  • Јасне коментаре који објашњавају сваки корак
  • Једноставан, читљив код који демонстрира један концепт у исто време
  • Контекст из стварног света који вам помаже да разумете када и зашто користити ове технике
  • Очекивани излаз како бисте знали шта да тражите

🚀 Како започети

Предуслови

Пре него што покренете ове примере, уверите се да имате:

  • Инсталиран Python 3.7 или новији
  • Основно разумевање како се покрећу Python скрипте

Инсталирање потребних библиотека

pip install pandas numpy matplotlib

📖 Преглед примера

1. Здраво, свет - стил науке о подацима

Фајл: 01_hello_world_data_science.py

Ваш први програм у науци о подацима! Научите како да:

  • Учитате једноставан скуп података
  • Прикажете основне информације о вашим подацима
  • Испишете ваш први излаз у науци о подацима

Идеално за апсолутне почетнике који желе да виде свој први програм у акцији.

2. Учитавање и истраживање података

Фајл: 02_loading_data.py

Научите основе рада са подацима:

  • Читање података из CSV фајлова
  • Преглед првих неколико редова вашег скупа података
  • Добијање основних статистика о вашим подацима
  • Разумевање типова података

Ово је често први корак у било ком пројекту науке о подацима!

3. Једноставна анализа података

Фајл: 03_simple_analysis.py

Извршите вашу прву анализу података:

  • Израчунајте основне статистике (средња вредност, медијана, мод)
  • Пронађите максималне и минималне вредности
  • Пребројте учесталост вредности
  • Филтрирајте податке на основу услова

Видите како да одговорите на једноставна питања о вашим подацима.

4. Основе визуализације података

Фајл: 04_basic_visualization.py

Направите ваше прве визуализације:

  • Направите једноставан стубни графикон
  • Креирајте линијски графикон
  • Генеришите круговни графикон
  • Сачувајте ваше визуализације као слике

Научите како да визуелно комуницирате своје налазе!

5. Рад са стварним подацима

Фајл: 05_real_world_example.py

Ставите све заједно уз комплетан пример:

  • Учитајте стварне податке из репозиторијума
  • Очистите и припремите податке
  • Извршите анализу
  • Креирајте значајне визуализације
  • Извуците закључке

Овај пример вам показује комплетан ток рада од почетка до краја.

🎯 Како користити ове примере

  1. Почните од почетка: Примери су нумерисани по тежини. Почните са 01_hello_world_data_science.py и наставите редом.

  2. Прочитајте коментаре: Сваки фајл има детаљне коментаре који објашњавају шта код ради и зашто. Прочитајте их пажљиво!

  3. Експериментишите: Покушајте да измените код. Шта се дешава ако промените вредност? Покварите ствари и поправите их - тако се учи!

  4. Покрените код: Извршите сваки пример и посматрајте излаз. Упоредите га са оним што сте очекивали.

  5. Проширите га: Када разумете пример, покушајте да га проширите својим идејама.

💡 Савети за почетнике

  • Не журите: Одвојите време да разумете сваки пример пре него што пређете на следећи
  • Куцајте код сами: Немојте само копирати и налепити. Куцање помаже да научите и запамтите
  • Истражите непознате концепте: Ако видите нешто што не разумете, потражите то на интернету или у главним лекцијама
  • Постављајте питања: Придружите се форуму за дискусију ако вам је потребна помоћ
  • Вежбајте редовно: Покушајте да програмирате мало сваки дан, уместо дугих сесија једном недељно

🔗 Следећи кораци

Након што завршите ове примере, спремни сте да:

  • Прођете кроз главне лекције из курикулума
  • Покушате задатке у сваком директоријуму лекција
  • Истражите Jupyter бележнице за дубље учење
  • Креирате сопствене пројекте у науци о подацима

📚 Додатни ресурси

🤝 Доприноси

Пронашли сте грешку или имате идеју за нови пример? Добродошли су доприноси! Погледајте наш Водич за доприносе.

Срећно учење! 🎉

Запамтите: Сваки стручњак је некада био почетник. Идите корак по корак и не бојте се да правите грешке - оне су део процеса учења!

Одрицање од одговорности:
Овај документ је преведен помоћу услуге за превођење вештачке интелигенције Co-op Translator. Иако се трудимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не преузимамо одговорност за било каква погрешна тумачења или неспоразуме који могу произаћи из коришћења овог превода.