Data-Science-For-Beginners/translations/pl

Data Science dla Początkujących - Program Nauczania

Zespół Azure Cloud Advocates w Microsoft z przyjemnością oferuje 10-tygodniowy, 20-lekcyjny program nauczania całkowicie poświęcony Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie do wykonania. Nasza projektowo-zorientowana metodologia pozwala uczyć się podczas tworzenia, 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 autorów, recenzentów i współtwórców treści z Microsoft Student Ambassador, w szczególności Aaryana Arory, Aditya Garga, Alondry Sancheza, Ankity Singh, Anupama Mishry, Arpity Das, ChhailBihari Dubey, Dibri Nsofor, Dishity Bhasin, Majda Safiego, Maxa Bluma, Miguela Correi, Mohamma Iftekher (Iftu) Ebne Jalala, Nawrin Tabassuma, Raymonda Wangsy Putry, Rohita Yadava, Samridhi Sharma, Sanyi Sinha, Sheeny Naruli, Tauqeera Ahmada, Yogendrasingha Pawara, Vidushi Gupty, Jasleena Sondhiego

Data Science dla Początkujących - Sketchnote autorstwa @nitya

🌐 Wsparcie Wielojęzyczne

Wspierane przez GitHub Action (Automatycznie & Zawsze Aktualne)

Arabic | Bengali | Bułgarski | Birmański (Myanmar) | Chiński (Uproszczony) | Chiński (Tradycyjny, Hong Kong) | Chiński (Tradycyjny, Macau) | Chiński (Tradycyjny, Tajwan) | Chorwacki | Czeski | Duński | Holenderski | Estoński | Fiński | Francuski | Niemiecki | Grecki | Hebrajski | Hindi | Węgierski | Indonezyjski | Włoski | Japoński | Kannada | Koreański | Litewski | Malajski | Malajalam | Marathi | Nepalski | Nigeryjski Pidgin | Norweski | Perski (Farsi) | Polski | Portugalski (Brazylia) | Portugalski (Portugalia) | Pendżabski (Gurmukhi) | Rumuński | Rosyjski | Serbski (Cyrylica) | Słowacki | Słoweński | Hiszpański | Suahili | Szwedzki | Tagalog (Filipiński) | Tamilski | Telugu | Tajski | Turecki | Ukraiński | Urdu | Wietnamski

Wolisz Klonować Lokalnie?

To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar pobierania. Aby sklonować bez tłumaczeń, użyj sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

To da Ci wszystko, czego potrzebujesz do ukończenia kursu z dużo szybszym pobieraniem.

Jeśli chcesz, aby dodano wsparcie dla innych języków, są one wymienione 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 dla Data Science.

Jesteś studentem?

Zacznij od następujących zasobów:

• Strona Student Hub Na tej stronie znajdziesz materiały dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego bonu na certyfikat. To jedna ze stron, którą warto dodać do zakładek i od czasu do czasu sprawdzać, ponieważ regularnie zmieniamy zawartość, przynajmniej 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 powszechne schematy pracy
• Rozwiązywanie problemów - Rozwiązania typowych problemów
• Przewodnik współpracy - Jak przyczynić się do tego projektu
• Dla nauczycieli - Wskazówki dydaktyczne i zasoby do klasy

👨‍🎓 Dla studentów

Całkowici początkujący: Nowy w data science? Zacznij od naszych przykładów dla początkujących! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy zanim zanurzysz się w cały program. Studenci: aby korzystać z tego programu samodzielnie, rozgałęź całe repozytorium i samodzielnie wykonaj ćwiczenia, zaczynając od quizu przed wykładem. Następnie przeczytaj wykład i wykonaj pozostałe aktywności. Staraj się tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązań; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji skoncentrowanej na projekcie. Innym pomysłem jest zorganizowanie grupy studenckiej z przyjaciółmi i przejście przez zawartość razem. Do dalszej nauki polecamy Microsoft Learn.

Szybki start:

1. Sprawdź Przewodnik instalacji, aby skonfigurować swoje środowisko
2. Przejrzyj Przewodnik użytkowania, aby nauczyć się, jak korzystać z programu
3. Zacznij od Lekcji 1 i przechodź po kolei
4. Dołącz do naszej społeczności Discord, aby uzyskać wsparcie

👩‍🏫 Dla nauczycieli

Nauczyciele: dołączyliśmy kilka sugestii dotyczących korzystania z tego programu. Chętnie poznamy Wasze opinie na naszym forum dyskusyjnym!

Poznaj zespół

Gif autorstwa Mohit Jaisal

🎥 Kliknij obraz powyżej, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!

Pedagogika

W budowaniu tego programu nauczania wybraliśmy dwa założenia pedagogiczne: zapewnienie opartego na projektach charakteru oraz częste quizy. Po ukończeniu tej serii uczniowie poznają podstawowe zasady nauki o danych, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, realne zastosowania nauki o danych i więcej.

Dodatkowo quiz o niskiej stawce przed zajęciami nastawia ucznia na naukę tematu, natomiast drugi quiz po zajęciach zapewnia lepsze utrwalenie wiedzy. Program ten został zaprojektowany tak, aby był elastyczny i przyjemny oraz można go realizować w całości lub częściowo. Projekty zaczynają się od małych i stają się coraz bardziej złożone w trakcie 10. tygodniowego cyklu.

Znajdź nasze Zasady postępowania, Wkład, Tłumaczenia. Chętnie przyjmujemy Twoją konstruktywną opinię!

Każda lekcja zawiera:

• Opcjonalną notatkę graficzną
• Opcjonalne dodatkowe wideo
• Quiz rozgrzewkowy przed lekcją
• Lekcję pisaną
• W lekcjach opartych na projektach, przewodniki krok po kroku jak zbudować projekt
• Sprawdziany wiedzy
• Wyzwanie
• Dodatkową lekturę
• Zadanie domowe
• Quiz po lekcji

Uwagi o quizach: 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 Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Są stopniowo lokalizowane.

🎓 Przykłady przyjazne dla początkujących

Nowy w nauce o danych? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze komentowanym kodem, który pomoże Ci zacząć:

• 🌟 Hello World - Twój pierwszy program w nauce o danych
• 📂 Ładowanie danych - Naucz się czytać i eksplorować zestawy danych
• 📊 Prosta analiza - Obliczaj statystyki i znajdź wzorce
• 📈 Podstawowa wizualizacja - Twórz wykresy i diagramy
• 🔬 Projekt z prawdziwego świata - Kompletny proces od początku do końca

Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni go idealnym dla całkowicie początkujących!

👉 Zacznij od przykładów 👈

Lekcje

Nauka o danych dla początkujących: Plan nauki - Notatka graficzna autorstwa @nitya

Numer lekcji	Temat	Grupa lekcji	Cele nauki	Powiązana lekcja	Autor
01	Definiowanie nauki o danych	Wprowadzenie	Poznaj podstawowe pojęcia nauki o danych i jej powiązania ze sztuczną inteligencją, uczeniem maszynowym oraz big data.	lekcja wideo	Dmitry
02	Etyka w nauce o danych	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy postępowania.	lekcja	Nitya
03	Definiowanie danych	Wprowadzenie	Jak dane są klasyfikowane i ich powszechne źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Matematyczne techniki prawdopodobieństwa i statystyki do zrozumienia danych.	lekcja wideo	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą Structured Query Language, znanego jako SQL (wym. „see-quell”).	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 wykorzystaniem bibliotek takich jak Pandas. Zalecane podstawowe rozumienie 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, niedokładnymi lub niekompletnymi danymi.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Nauka używania Matplotlib do wizualizacji danych o ptakach 🦆	lekcja	Jen
10	Wizualizacja rozkładów danych	Wizualizacja danych	Wizualizacja obserwacji i trendów w obrębie przedziału.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizacja dyskretnych i grupowanych procentów.	lekcja	Jen
12	Wizualizacja zależności	Wizualizacja danych	Wizualizacja powiązań i korelacji pomiędzy zestawami danych oraz ich zmiennymi.	lekcja	Jen
13	Sensowne wizualizacje	Wizualizacja danych	Techniki i wskazówki, jak uczynić wizualizacje wartościowymi dla skutecznego 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	Faza cyklu życia nauki o danych skupiona na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Faza cyklu życia nauki o danych skoncentrowana na prezentowaniu spostrzeżeń z danych w sposób ułatwiający podejmowanie decyzji 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 oraz Maud
18	Nauka o danych w chmurze	Dane w chmurze	Trenowanie modeli za pomocą narzędzi Low Code.	lekcja	Tiffany oraz Maud
19	Nauka o danych w chmurze	Dane w chmurze	Wdrażanie modeli za pomocą Azure Machine Learning Studio.	lekcja	Tiffany oraz Maud
20	Nauka o danych w praktyce	W praktyce	Projekty oparte na nauce o danych w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Wykonaj te kroki, aby otworzyć ten przykład w Codespace:

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

VSCode Remote - Containers

Wykonaj te kroki, aby otworzyć to repozytorium w kontenerze korzystając z lokalnej maszyny i VSCode za pomocą rozszerzenia VS Code Remote - Containers:

1. Jeśli to Twój pierwszy raz używania kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowanego Dockera) w dokumentacji startowej.

Aby korzystać z tego repozytorium, możesz albo otworzyć repozytorium w izolowanym wolumenie Dockera:

Uwaga: W tle będzie użyta komenda Remote-Containers: Clone Repository in Container Volume... aby sklonować kod źródłowy do wolumenu Dockera zamiast do lokalnego systemu plików. Wolumeny są preferowanym mechanizmem utrwalania danych kontenera.

Lub otworzyć lokalnie sklonowaną lub pobraną wersję repozytorium:

• Sklonuj to repozytorium na lokalny dysk.
• Naciśnij F1 i wybierz komendę Remote-Containers: Open Folder in Container....
• Wybierz sklonowany folder, poczekaj na uruchomienie kontenera i przetestuj.

Dostęp offline

Możesz uruchomić tę dokumentację offline, używając Docsify. Sforkuj to repozytorium, zainstaluj Docsify na lokalnym komputerze, a następnie w głównym folderze tego repo wpisz docsify serve. Strona zostanie udostępniona na porcie 3000 na Twoim localhost: localhost:3000.

Uwaga, notatniki (notebooks) nie będą renderowane przez Docsify, więc gdy potrzebujesz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona.

Inne programy nauczania

Nasz zespół tworzy także inne programy! Sprawdź:

LangChain

---

Azure / Edge / MCP / Agenci

---

Seria Generatywnej AI

---

Podstawowa nauka

---

Seria Copilot

Uzyskiwanie pomocy

Masz problemy? Sprawdź nasz Przewodnik rozwiązywania problemów z rozwiązaniami najczęstszych problemów.

Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do innych uczących się i doświadczonych programistów w dyskusjach na temat MCP. To wspierająca społeczność, gdzie pytania są mile widziane, a wiedza jest chętnie dzielona.

Jeśli masz uwagi dotyczące produktu lub napotkasz błędy podczas tworzenia, odwiedź:

---

Zastrzeżenie: Niniejszy dokument został przetłumaczony za pomocą automatycznej usługi tłumaczeniowej Co-op Translator. Choć dokładamy starań, aby tłumaczenie było jak najbardziej precyzyjne, należy pamiętać, że tłumaczenia automatyczne mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym należy uznać za źródło nadrzędne. W przypadku informacji o krytycznym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.