Data-Science-For-Beginners/translations/sl

Podatkovna znanost za začetnike - Kurikulum

Azure Cloud Advocates pri Microsoftu z veseljem ponujajo 10-tedenski, 20-lekcijski kurikulum o podatkovni znanosti. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev in nalogo. Naša projektno usmerjena pedagogika vam omogoča učenje skozi ustvarjanje, kar je dokazano učinkovit način za trajno pridobivanje novih veščin.

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

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador avtorjem, recenzentom in prispevalcem vsebine, med njimi 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 by @nitya

🌐 Podpora za več jezikov

Podprto prek GitHub Action (Samodejno in vedno posodobljeno)

Arabščina | Bengalščina | Bolgarščina | Burmanščina (Mjanmar) | Kitajščina (poenostavljena) | Kitajščina (tradicionalna, Hongkong) | Kitajščina (tradicionalna, Macao) | Kitajščina (tradicionalna, Tajvan) | Hrvaščina | Češčina | Danščina | Nizozemščina | Estonščina | Finščina | Francoščina | Nemščina | Grščina | Hebrejščina | Hindijščina | Madžarščina | Indonezijščina | Italijanščina | Japonščina | Korejščina | Litovščina | Malajščina | Maratščina | Nepalščina | Norveščina | Perzijščina (Farsi) | Poljščina | Portugalščina (Brazilija) | Portugalščina (Portugalska) | Pandžabščina (Gurmukhi) | Romunščina | Ruščina | Srbščina (cirilica) | Slovaščina | Slovenščina | Španščina | Svahili | Švedščina | Tagalog (Filipino) | Tamilščina | Tajščina | Turščina | Ukrajinščina | Urdu | Vietnamščina

Če želite dodati dodatne prevode, so podprti jeziki navedeni tukaj

Pridružite se naši skupnosti

Imamo serijo učenja z AI na Discordu, izvedite več in se pridružite Learn with AI Series od 18. do 30. septembra 2025. Naučili se boste nasvetov in trikov za uporabo GitHub Copilot za podatkovno znanost.

Ste študent?

Začnite z naslednjimi viri:

• Stran Student Hub Na tej strani boste našli vire za začetnike, študentske pakete in celo načine za pridobitev brezplačnega certifikata. To je stran, ki jo želite shraniti med zaznamke in občasno preveriti, saj vsebino menjamo vsaj mesečno.
• Microsoft Learn Student Ambassadors Pridružite se globalni skupnosti študentskih ambasadorjev, to bi lahko bil vaš vstop v Microsoft.

Začetek

📚 Dokumentacija

• Navodila za namestitev - Korak za korakom navodila za začetnike
• Navodila za uporabo - Primeri in pogosti delovni tokovi
• Odpravljanje težav - Rešitve za pogoste težave
• Navodila za prispevanje - Kako prispevati k temu projektu
• Za učitelje - Navodila za poučevanje in viri za učilnico

👨‍🎓 Za študente

Popolni začetniki: Ste novi v podatkovni 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 sami, razvejite celoten repozitorij in samostojno dokončajte vaje, začenši s kvizom pred predavanjem. Nato preberite predavanje in dokončajte preostale aktivnosti. Poskusite ustvariti projekte z razumevanjem lekcij, namesto da kopirate kodo rešitve; vendar je ta koda na voljo v mapah /solutions v vsaki lekciji, usmerjeni na projekt. Druga ideja bi bila, da oblikujete študijsko skupino s prijatelji in skupaj preučite vsebino. Za nadaljnje študije priporočamo Microsoft Learn.

Hiter začetek:

1. Preverite Navodila za namestitev za nastavitev okolja
2. Preglejte Navodila za uporabo za učenje dela 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 o tem, kako uporabiti ta kurikulum. Veseli bomo vaših povratnih informacij v našem forumu za razprave!

Spoznajte ekipo

Gif avtorja Mohit Jaisal

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

Pedagogika

Izbrali smo dve pedagoški načeli pri oblikovanju tega učnega načrta: zagotoviti, da je projektno usmerjen, in vključiti pogoste kvize. Do konca te serije bodo študenti 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 nizko tvegan kviz pred predavanjem usmeri pozornost študenta na učenje določene teme, medtem ko drugi kviz po predavanju zagotavlja boljše ohranjanje znanja. Ta učni načrt je zasnovan tako, da je prilagodljiv in zabaven ter ga je mogoče opraviti v celoti ali delno. Projekti se začnejo z manjšimi nalogami in postajajo vse bolj kompleksni do konca 10-tedenskega cikla.

Oglejte si naš Kodeks ravnanja, Prispevanje, Smernice za prevajanje. Veseli bomo vaših konstruktivnih povratnih informacij!

Vsaka lekcija vključuje:

• Neobvezno sketchnote
• Neobvezni dopolnilni video
• Ogrevalni kviz pred lekcijo
• Pisno lekcijo
• Pri projektno usmerjenih lekcijah, korak za korakom vodič za izdelavo projekta
• Preverjanje znanja
• Izziv
• Dopolnilno branje
• Nalogo
• Kviz po lekciji

Opomba o kvizih: Vsi kvizi so shranjeni v mapi Quiz-App, skupaj 40 kvizov s po tremi vprašanji. Povezani so znotraj lekcij, vendar je aplikacijo za kvize mogoče zagnati lokalno ali jo namestiti na 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 razumljivo, dobro komentirano kodo, ki vam bo pomagala začeti:

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

Vsak primer vključuje podrobne komentarje, ki pojasnjujejo vsak korak, kar je idealno za popolne začetnike!

👉 Začnite s primeri 👈

Lekcije

Podatkovna znanost za začetnike: Načrt - Sketchnote by @nitya

Številka lekcije	Tema	Skupina lekcij	Cilji učenja	Povezana lekcija	Avtor
01	Definicija podatkovne znanosti	Uvod	Spoznajte osnovne koncepte podatkovne znanosti in kako je povezana z umetno inteligenco, strojnim učenjem in velikimi podatki.	lekcija video	Dmitry
02	Etika podatkovne znanosti	Uvod	Koncepti etike podatkov, izzivi in okviri.	lekcija	Nitya
03	Definicija podatkov	Uvod	Kako so podatki razvrščeni in njihovi pogosti viri.	lekcija	Jasmine
04	Uvod v statistiko in verjetnost	Uvod	Matematične tehnike verjetnosti in statistike za razumevanje podatkov.	lekcija video	Dmitry
05	Delo z relacijskimi podatki	Delo s podatki	Uvod v relacijske podatke in osnove raziskovanja ter analize relacijskih podatkov z jezikom SQL (izgovorjava "si-kvel").	lekcija	Christopher
06	Delo z NoSQL podatki	Delo s podatki	Uvod v nerelacijske podatke, njihove različne vrste ter osnove raziskovanja in analize dokumentnih baz podatkov.	lekcija	Jasmine
07	Delo s Pythonom	Delo s podatki	Osnove uporabe Pythona za raziskovanje podatkov z knjižnicami, kot je Pandas. Priporočljivo je osnovno razumevanje programiranja v Pythonu.	lekcija video	Dmitry
08	Priprava podatkov	Delo s podatki	Teme o tehnikah čiščenja in preoblikovanja podatkov za reševanje 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 združenih 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 smernice za ustvarjanje vizualizacij, ki so koristne 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 njegov prvi korak pridobivanja ter ekstrakcije podatkov.	lekcija	Jasmine
15	Analiza	Življenjski cikel	Ta faza življenjskega cikla podatkovne znanosti se osredotoča na tehnike analize 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 za odločevalce.	lekcija	Jalen
17	Podatkovna znanost v oblaku	Podatki v oblaku	Ta serija lekcij uvaja podatkovno znanost v oblaku in njene prednosti.	lekcija	Tiffany in Maud
18	Podatkovna znanost v oblaku	Podatki v oblaku	Učenje modelov z uporabo orodij z nizko kodo.	lekcija	Tiffany in Maud
19	Podatkovna znanost v oblaku	Podatki v oblaku	Nameščanje modelov z Azure Machine Learning Studio.	lekcija	Tiffany in Maud
20	Podatkovna znanost v divjini	V divjini	Projekti, ki temeljijo na podatkovni znanosti 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. Na dnu podokna izberite + New codespace. Za več informacij si oglejte dokumentacijo GitHub.

VSCode Remote - Containers

Sledite tem korakom, da odprete to repozitorij v vsebniku z uporabo vaše lokalne naprave in VSCode z razširitvijo VS Code Remote - Containers:

1. Če prvič uporabljate razvojni vsebnik, se prepričajte, da vaš sistem izpolnjuje predpogoje (npr. imate nameščen Docker) v dokumentaciji za začetek.

Za uporabo tega repozitorija ga lahko odprete v izoliranem Docker volumnu:

Opomba: V ozadju bo to uporabilo ukaz Remote-Containers: Clone Repository in Container Volume..., da klonira izvorno kodo v Docker volumnu namesto lokalnega datotečnega sistema. Volumni so priporočeni mehanizem za shranjevanje podatkov vsebnika.

Ali pa odprite lokalno klonirano ali preneseno različico repozitorija:

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

Dostop brez povezave

To dokumentacijo lahko zaženete brez povezave z uporabo Docsify. Forkajte ta repozitorij, namestite Docsify na vašo lokalno napravo, nato v korenski mapi tega repozitorija vnesite docsify serve. Spletna stran bo na voljo na portu 3000 na vašem localhostu: localhost:3000.

Opomba, zvezki ne bodo prikazani prek Docsify, zato jih, ko jih potrebujete, zaženite ločeno v VS Code z uporabo Python jedra.

Drugi učni načrti

Naša ekipa ustvarja tudi druge učne načrte! Oglejte si:

• Edge AI za začetnike
• AI agenti za začetnike
• Generativna AI za začetnike
• Generativna AI za začetnike .NET
• Generativna AI z JavaScriptom
• Generativna AI z Javo
• AI za začetnike
• Podatkovna znanost za začetnike
• Bash za začetnike
• ML za začetnike
• Kibernetska varnost za začetnike
• Spletni razvoj za začetnike
• IoT za začetnike
• Strojno učenje za začetnike
• XR razvoj za začetnike
• Obvladovanje GitHub Copilot za AI programiranje v paru
• XR razvoj za začetnike
• Obvladovanje GitHub Copilot za razvijalce C#/.NET
• Izberi svojo Copilot pustolovščino

Pomoč

Imate težave? Preverite naš Vodnik za odpravljanje težav za rešitve pogostih težav.

Če se zataknete ali imate vprašanja o gradnji AI aplikacij, se pridružite:

Če imate povratne informacije o izdelku ali naletite na napake med gradnjo, obiščite:

---

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za strojno prevajanje Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo profesionalni človeški prevod. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda.