|
|
4 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 4 months ago | |
| 2-Working-With-Data | 4 months ago | |
| 3-Data-Visualization | 5 months ago | |
| 4-Data-Science-Lifecycle | 5 months ago | |
| 5-Data-Science-In-Cloud | 5 months ago | |
| 6-Data-Science-In-Wild | 5 months ago | |
| docs | 5 months ago | |
| examples | 4 months ago | |
| quiz-app | 5 months ago | |
| sketchnotes | 5 months ago | |
| AGENTS.md | 4 months ago | |
| CODE_OF_CONDUCT.md | 5 months ago | |
| CONTRIBUTING.md | 4 months ago | |
| INSTALLATION.md | 4 months ago | |
| README.md | 4 months ago | |
| SECURITY.md | 5 months ago | |
| SUPPORT.md | 5 months ago | |
| TROUBLESHOOTING.md | 4 months ago | |
| USAGE.md | 4 months ago | |
| for-teachers.md | 5 months ago | |
README.md
Data Science dla Początkujących - Program Nauczania
Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy program nauczania składający się z 20 lekcji dotyczących 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)
Arabski | Bengalski | Bułgarski | Birmański (Myanmar) | Chiński (Uproszczony) | Chiński (Tradycyjny, Hongkong) | Chiński (Tradycyjny, Makau) | Chiński (Tradycyjny, Tajwan) | Chorwacki | Czeski | Duński | Holenderski | Estoński | Fiński | Francuski | Niemiecki | Grecki | Hebrajski | Hindi | Węgierski | Indonezyjski | Włoski | Japoński | Koreański | Litewski | Malajski | Marathi | Nepalski | Norweski | Perski (Farsi) | Polski | Portugalski (Brazylia) | Portugalski (Portugalia) | Punjabi (Gurmukhi) | Rumuński | Rosyjski | Serbski (Cyrylica) | Słowacki | Słoweński | Hiszpański | Suahili | Szwedzki | Tagalog (Filipiński) | Tamilski | Tajski | Turecki | Ukraiński | Urdu | Wietnamski
Jeśli chcesz, aby dodatkowe języki były obsługiwane, 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 triki 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
📚 Dokumentacja
- Przewodnik instalacji - Instrukcje krok po kroku dla początkujących
- Przewodnik użytkowania - Przykłady i typowe procesy
- Rozwiązywanie problemów - Rozwiązania typowych problemów
- Przewodnik dla współtwórców - Jak przyczynić się do rozwoju tego projektu
- Dla nauczycieli - Wskazówki dydaktyczne i zasoby dla klasy
👨🎓 Dla Studentów
Całkowici początkujący: Nowy w Data Science? Zacznij od naszych przykładów przyjaznych dla początkujących! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy przed zagłębieniem się w pełny program nauczania. Studenci: aby korzystać z tego programu 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.
Szybki start:
- Sprawdź Przewodnik instalacji, aby skonfigurować swoje środowisko
- Przejrzyj Przewodnik użytkowania, aby dowiedzieć się, jak pracować z programem nauczania
- Zacznij od Lekcji 1 i przechodź kolejno
- Dołącz do naszej społeczności Discord po wsparcie
👩🏫 Dla Nauczycieli
Nauczyciele: dołączyliśmy kilka sugestii dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie na naszym forum dyskusyjnym!
Poznaj Zespół
Gif by Mohit Jaisal
🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!
Pedagogika
Wybraliśmy dwie zasady pedagogiczne podczas tworzenia tego programu nauczania: zapewnienie, że jest oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii uczniowie poznają podstawowe zasady nauki o danych, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste zastosowania nauki o danych i wiele więcej.
Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ukierunkowuje ucznia na naukę danego tematu, a drugi quiz po zajęciach pomaga w dalszym utrwaleniu 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 Zasady postępowania, Wskazówki dotyczące współtworzenia, Wskazówki dotyczące tłumaczenia. Czekamy na Twoją konstruktywną opinię!
Każda lekcja zawiera:
- Opcjonalny szkic graficzny
- Opcjonalny dodatkowy film
- Quiz rozgrzewkowy przed lekcją
- Pisemną lekcję
- W przypadku lekcji opartych na projektach, przewodniki krok po kroku dotyczące budowy projektu
- Sprawdzanie wiedzy
- Wyzwanie
- Dodatkowe materiały do czytania
- Zadanie
- Quiz po lekcji
Uwaga dotycząca quizów: Wszystkie quizy znajdują się w folderze Quiz-App, w sumie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na platformie Azure; postępuj zgodnie z instrukcjami w folderze
quiz-app. Quizy są stopniowo lokalizowane.
🎓 Przykłady dla początkujących
Nowy w nauce o danych? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:
- 🌟 Hello World - Twój pierwszy program związany z nauką o danych
- 📂 Ładowanie danych - Naucz się czytać i eksplorować zestawy danych
- 📊 Prosta analiza - Obliczanie statystyk i znajdowanie wzorców
- 📈 Podstawowa wizualizacja - Tworzenie wykresów i diagramów
- 🔬 Projekt rzeczywisty - Kompletny przepływ pracy od początku do końca
Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni je idealnymi dla absolutnych początkujących!
Lekcje
![]() |
|---|
| Nauka o danych dla początkujących: Mapa drogowa - Szkic graficzny autorstwa @nitya |
| Numer lekcji | Temat | Grupa lekcji | Cele nauczania | Powiązana lekcja | Autor |
|---|---|---|---|---|---|
| 01 | Definicja nauki o danych | Wprowadzenie | Poznaj podstawowe pojęcia związane z nauką o danych i jej związki ze sztuczną inteligencją, uczeniem maszynowym i big data. | lekcja film | Dmitry |
| 02 | Etyka w nauce o danych | Wprowadzenie | Koncepcje etyki danych, wyzwania i ramy. | lekcja | Nitya |
| 03 | Definicja 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 film | Dmitry |
| 05 | Praca z danymi relacyjnymi | Praca z danymi | Wprowadzenie do danych relacyjnych oraz podstaw eksploracji i analizy danych relacyjnych za pomocą języka SQL (wymawiane „si-kłel”). | 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 film | Dmitry |
| 08 | Przygotowanie danych | Praca z danymi | Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, niedokładnymi lub niekompletnymi danymi. | lekcja | Jasmine |
| 09 | Wizualizacja ilości danych | 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 wizualizacji wartościowych dla efektywnego rozwiązywania problemów i uzyskiwania wglądów. | lekcja | Jen |
| 14 | Wprowadzenie do cyklu życia nauki o danych | Cykl życia | Wprowadzenie do cyklu życia nauki o danych i jego pierwszego kroku, czyli pozyskiwania i ekstrakcji danych. | lekcja | Jasmine |
| 15 | Analiza | Cykl życia | Ta faza cyklu życia nauki o danych koncentruje się na technikach analizy danych. | lekcja | Jasmine |
| 16 | Komunikacja | Cykl życia | Ta faza cyklu życia nauki o danych koncentruje się na prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie przez decydentów. | lekcja | Jalen |
| 17 | Nauka o danych w chmurze | Dane w chmurze | Seria lekcji wprowadzających naukę o danych w chmurze i jej korzyści. | lekcja | Tiffany i Maud |
| 18 | Nauka o danych w chmurze | Dane w chmurze | Trenowanie modeli za pomocą narzędzi Low Code. | lekcja | Tiffany i Maud |
| 19 | Nauka o danych w chmurze | Dane w chmurze | Wdrażanie modeli za pomocą Azure Machine Learning Studio. | lekcja | Tiffany i Maud |
| 20 | Nauka o danych w rzeczywistości | W rzeczywistości | Projekty oparte na nauce o danych w rzeczywistym świecie. | lekcja | Nitya |
GitHub Codespaces
Postępuj zgodnie z tymi krokami, aby otworzyć ten przykład w Codespace:
- Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces.
- 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:
- Jeśli po raz pierwszy korzystasz z kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) zgodnie z dokumentacją wprowadzającą.
Aby użyć tego repozytorium, możesz otworzyć je w izolowanym wolumenie Dockera:
Uwaga: W tle zostanie użyte polecenie Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy w wolumenie Dockera zamiast lokalnego systemu plików. Wolumeny 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 głównym folderze 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 jądro 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 JavaScriptem
- Generatywna AI z Javą
- AI dla początkujących
- Nauka o danych dla początkujących
- Bash dla początkujących
- Uczenie maszynowe 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 Parze z AI
- Rozwój XR dla Początkujących
- Opanowanie GitHub Copilot dla Programistów C#/.NET
- Wybierz Swoją Własną Przygodę z Copilotem
Uzyskiwanie Pomocy
Napotkałeś problemy? Sprawdź nasz Przewodnik Rozwiązywania Problemów w poszukiwaniu rozwiązań typowych trudności.
Jeśli utkniesz lub masz pytania dotyczące budowania aplikacji AI, dołącz:
Jeśli masz uwagi dotyczące produktu lub napotkałeś 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 wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.



