Data-Science-For-Beginners/translations/cs

Data Science pro začátečníky - Učební plán

Azure Cloud Advocates v Microsoftu s potěšením nabízejí 10týdenní, 20-lekční učební plán zaměřený na Data Science. Každá lekce obsahuje předlekční a po-lekční kvíz, psané instrukce k dokončení lekce, řešení a cvičení. Naše projektově orientovaná pedagogika vám umožní učit se při stavění projektů, což je osvědčený způsob, jak si nové dovednosti „zapamatovat“.

Srdečné poděkování našim autorům: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Zvláštní poděkování 🙏 našim autorům, recenzentům a přispěvatelům obsahu z řad Microsoft Student Ambassador, konkrétně 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 pro začátečníky - Sketchnote od @nitya

🌐 Vícejazyčná podpora

Podporováno přes GitHub Action (automatizované a vždy aktuální)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Pokud si přejete podporu dalších překladových jazyků, jsou uvedeny zde

Přidejte se k naší komunitě

Máme probíhající sérii Learn with AI na Discordu — dozvíte se více a připojit se můžete na Learn with AI Series v termínu 18. - 30. září 2025. Získáte tipy a triky pro používání GitHub Copilot pro Data Science.

Jste student?

Začněte s následujícími zdroji:

• Student Hub page Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce i způsoby, jak získat bezplatný certifikační voucher. Tuto stránku si vyplatí uložit mezi záložky a občas zkontrolovat, protože obsah měníme alespoň jednou měsíčně.
• Microsoft Learn Student Ambassadors Připojte se k globální komunitě studentských velvyslanců — to by mohl být váš vstup do Microsoftu.

Začínáme

📚 Dokumentace

• Installation Guide - Postup nastavení krok za krokem pro začátečníky
• Usage Guide - Příklady a běžné pracovní postupy
• Troubleshooting - Řešení běžných problémů
• Contributing Guide - Jak přispět do tohoto projektu
• For Teachers - Pokyny pro výuku a materiály do výuky

👨‍🎓 Pro studenty

Úplní začátečníci: Noví v oblasti datové vědy? Začněte s našimi beginner-friendly examples! Tyto jednoduché, dobře okomentované příklady vám pomohou pochopit základy před tím, než se pustíte do celého učebního plánu. Studenti: chcete-li používat tento učební plán samostatně, vytvořte fork celého repozitáře a dokončujte cvičení sami, počínaje přednáškovým kvízem. Poté si přečtěte přednášku a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí místo kopírování řešení; kód řešení je nicméně k dispozici ve složkách /solutions v každé lekci zaměřené na projekt. Další možností je vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Rychlý start:

1. Zkontrolujte Installation Guide pro nastavení vašeho prostředí
2. Projděte si Usage Guide, abyste se naučili pracovat s učebním plánem
3. Začněte lekcí 1 a pokračujte postupně
4. Připojte se k naší komunitě na Discordu pro podporu

👩‍🏫 Pro učitele

Učitelé: zahrnuli jsme několik návrhů na to, jak tento učební plán používat. Rádi uvítáme vaši zpětnou vazbu v našem diskusním fóru!

Seznamte se s týmem

GIF od Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu lidech, kteří ho vytvořili!

Pedagogika

Zvolili jsme dvě pedagogické zásady při vytváření tohoto kurikula: zajistit, aby bylo postavené na projektech a aby obsahovalo časté kvízy. Na konci této série se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití datové vědy a další.

Navíc nízkorizikový kvíz před hodinou nastaví záměr studenta naučit se téma, zatímco druhý kvíz po hodině zajistí lepší uchování znalostí. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné a lze jej absolvovat celé nebo částečně. Projekty začínají malé a postupně se během 10týdenního cyklu stávají složitějšími.

Najděte náš Kód chování, Přispívání, Překlady pokyny. Vítáme vaše konstruktivní připomínky!

Každá lekce obsahuje:

• Volitelná sketchnote
• Volitelné doplňkové video
• Předlekční zahřívací kvíz
• Písemná lekce
• U lekcí založených na projektu: krok za krokem návody na to, jak projekt postavit
• Kontrolní otázky
• Výzva
• Doplňující čtení
• Úkol
• Kvíz po lekci

Poznámka o kvízech: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny z lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit do Azure; postupujte podle pokynů ve složce quiz-app. Postupně se lokalizují.

🎓 Příklady vhodné pro začátečníky

Noví v datové vědě? Vytvořili jsme speciální adresář s příklady se jednoduchým, dobře okomentovaným kódem, který vám pomůže začít:

• 🌟 Hello World - Váš první program v datové vědě
• 📂 Načítání dat - Naučte se číst a prozkoumávat datové sady
• 📊 Jednoduchá analýza - Vypočítejte statistiky a najděte vzory
• 📈 Základní vizualizace - Vytvářejte grafy a diagramy
• 🔬 Projekt z reálného světa - Kompletní pracovní postup od začátku do konce

Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, což z něj dělá ideální volbu pro úplné začátečníky!

👉 Začněte s příklady 👈

Lekce

Datová věda pro začátečníky: Plán - Sketchnote od @nitya

Číslo lekce	Téma	Zařazení lekce	Výukové cíle	Odkaz na lekci	Autor
01	Definování datové vědy	Úvod	Naučte se základní pojmy datové vědy a jak souvisí s umělou inteligencí, strojovým učením, a big data.	lekce video	Dmitry
02	Etika datové vědy	Úvod	Etické koncepty dat, výzvy a rámce.	lekce	Nitya
03	Definování dat	Úvod	Jak jsou data klasifikována a jejich běžné zdroje.	lekce	Jasmine
04	Úvod do statistiky a pravděpodobnosti	Úvod	Matematické metody pravděpodobnosti a statistiky k pochopení dat.	lekce video	Dmitry
05	Práce s relačními daty	Práce s daty	Úvod do relačních dat a základy prozkoumávání a analýzy relačních dat se Structured Query Language, známým také jako SQL (vyslovuje se “see-quell”).	lekce	Christopher
06	Práce s NoSQL daty	Práce s daty	Úvod do nerelačních dat, jejich různých typů a základy prozkoumávání a analýzy dokumentových databází.	lekce	Jasmine
07	Práce s Pythonem	Práce s daty	Základy používání Pythonu pro průzkum dat s knihovnami jako Pandas. Doporučuje se základní znalost programování v Pythonu.	lekce video	Dmitry
08	Příprava dat	Práce s daty	Témata o technikách pro čištění a transformaci dat, aby se řešily problémy s chybějícími, nepřesnými nebo neúplnými daty.	lekce	Jasmine
09	Vizualizace množství	Data Visualization	Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆	lekce	Jen
10	Vizualizace rozdělení dat	Data Visualization	Vizualizace pozorování a trendů v intervalu.	lekce	Jen
11	Vizualizace poměrů	Data Visualization	Vizualizace diskrétních a seskupených procent.	lekce	Jen
12	Vizualizace vztahů	Data Visualization	Vizualizace spojení a korelací mezi datovými sadami a jejich proměnnými.	lekce	Jen
13	Smysluplné vizualizace	Data Visualization	Techniky a pokyny, jak udělat vizualizace hodnotnými pro efektivní řešení problémů a získávání poznatků.	lekce	Jen
14	Úvod do životního cyklu datové vědy	Životní cyklus	Úvod do životního cyklu datové vědy a jeho prvního kroku získávání a extrakce dat.	lekce	Jasmine
15	Analýza	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat.	lekce	Jasmine
16	Komunikace	Životní cyklus	Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje porozumění rozhodovacím činitelům.	lekce	Jalen
17	Datová věda v cloudu	Data v cloudu	Tato série lekcí představuje datovou vědu v cloudu a její výhody.	lekce	Tiffany and Maud
18	Datová věda v cloudu	Data v cloudu	Trénování modelů s použitím nástrojů Low Code.	lekce	Tiffany and Maud
19	Datová věda v cloudu	Data v cloudu	Nasazování modelů pomocí Azure Machine Learning Studio.	lekce	Tiffany and Maud
20	Datová věda v praxi	V praxi	Projekty řízené datovou vědou v reálném světě.	lekce	Nitya

GitHub Codespaces

Postupujte podle těchto kroků pro otevření tohoto vzorku v Codespace:

1. Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
2. Vyberte + New codespace v dolní části panelu. For more info, check out the GitHub documentation.

VSCode Remote - Containers

Postupujte podle těchto kroků, abyste otevřeli tento repozitář v kontejneru na vašem počítači pomocí VS Code a rozšíření Remote - Containers:

1. Pokud používáte vývojový kontejner poprvé, ujistěte se, že váš systém splňuje předpoklady (tj. máte nainstalovaný Docker) v dokumentaci pro začátečníky.

To use this repository, you can either open the repository in an isolated Docker volume:

Note: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

• Naklonujte tento repozitář do vašeho lokálního souborového systému.
• Stiskněte F1 a vyberte příkaz Remote-Containers: Open Folder in Container....
• Vyberte naklonovanou kopii této složky, počkejte na spuštění kontejneru, a vyzkoušejte si věci.

Offline access

Můžete spustit tuto dokumentaci offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na vašem lokálním počítači, poté v kořenové složce tohoto repozitáře napište docsify serve. The website will be served on port 3000 on your localhost: localhost:3000.

Poznámka, notebooky nebudou vykreslovány pomocí Docsify, takže když budete potřebovat spustit notebook, udělejte to samostatně ve VS Code s Python kernel.

Další kurikula

Náš tým vytváří další kurikula! Podívejte se na:

LangChain

---

Azure / Edge / MCP / Agents

---

Série generativního AI

---

Základní kurzy

---

Série Copilot

Získání pomoci

Máte potíže? Podívejte se do našeho Průvodce řešením problémů pro řešení běžných problémů.

Pokud se zaseknete nebo budete mít jakékoli dotazy ohledně vytváření AI aplikací. Připojte se k ostatním studentům a zkušeným vývojářům v diskusích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se sdílejí volně.

Pokud máte zpětnou vazbu k produktu nebo při vývoji narazíte na chyby, navštivte:

---

Vyloučení odpovědnosti: Tento dokument byl přeložen pomocí AI překladatelské služby Co‑op Translator (https://github.com/Azure/co-op-translator). Ačkoli usilujeme o přesnost, vezměte prosím na vědomí, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro zásadní informace doporučujeme využít profesionální lidský překlad. Nepřebíráme odpovědnost za žádná nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.