Data-Science-For-Beginners/translations/hr

Data Science za početnike - Kurikulum

Azure Cloud Advocacy u Microsoftu s radošću nude 10-tjedni, 20-lekcijski kurikulum posvećen Data Science-u. Svaka lekcija uključuje kviz prije i nakon lekcije, pisane upute za dovršetak lekcije, rješenje i zadatak. Naša pedagogija usmjerena na projekte omogućuje vam učenje kroz izgradnju, što je dokazan način da nove vještine „ostanu“.

Iskrene zahvale našim autorima: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Posebna zahvala 🙏 našim Microsoft Student Ambassador autorima, recenzentima i suradnicima na sadržaju, osobito Aaryanu Arori, 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 Za Početnike - Skicirani bilješki od @nitya

🌐 Podrška za više jezika

Podržano putem GitHub Action (Automatski i uvijek ažurno)

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

Preferirate li Klonirati Lokalno?

Ovaj repozitorij uključuje 50+ prevoda što značajno povećava veličinu preuzimanja. Da biste klonirali bez prijevoda, koristite 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'

Time dobivate sve što vam je potrebno za dovršetak tečaja uz znatno brže preuzimanje.

Ako želite da budu podržani dodatni jezici prijevoda, oni su navedeni ovdje

Pridružite se našoj zajednici

Imamo aktivnu seriju na Discordu pod nazivom "Uči s AI-jem", saznajte više i pridružite nam se na Learn with AI Series od 18. do 30. rujna 2025. Dobit ćete savjete i trikove o korištenju GitHub Copilot za Data Science.

Jeste li student?

Počnite s sljedećim resursima:

• Student Hub stranica Na ovoj stranici pronaći ćete resurse za početnike, Studentske pakete pa čak i načine da dobijete besplatni certifikat. Ovo je stranica koju želite označiti i povremeno provjeravati jer sadržaj mijenjamo barem mjesečno.
• Microsoft Learn Student Ambassadors Pridružite se globalnoj zajednici studentskih ambasadora, ovo bi mogao biti vaš put u Microsoft.

Početak rada

📚 Dokumentacija

• Vodič za instalaciju - Korak po korak upute za početnike
• Vodič za korištenje - Primjeri i uobičajeni radni tijekovi
• Rješavanje problema - Rješenja uobičajenih problema
• Vodič za doprinos - Kako doprinositi ovom projektu
• Za nastavnike - Upute za podučavanje i resursi za školu

👨‍🎓 Za studente

Potpuni početnici: Novi ste u data science? Počnite s našim primjerima prilagođenim početnicima! Ovi jednostavni, dobro komentirani primjeri pomoći će vam razumjeti osnove prije nego što prijeđete na cijeli kurikulum. Studenti: za korištenje ovog kurikuluma samostalno, napravite fork cijelog repozitorija i samostalno dovršite vježbe, počevši s kvizom prije predavanja. Zatim pročitajte predavanje i dovršite ostale aktivnosti. Pokušajte stvarati projekte razumijevanjem lekcija, a ne kopirajući rješenje; međutim, taj je kod dostupan u mapama /solutions u svakoj lekciji usmjerenoj na projekt. Još jedna ideja je da formirate studijsku grupu s prijateljima i zajedno prolazite sadržaj. Za daljnje učenje preporučujemo Microsoft Learn.

Brzi početak:

1. Pogledajte Vodič za instalaciju za postavljanje okruženja
2. Pregledajte Vodič za korištenje da naučite kako raditi s kurikulumom
3. Počnite s Lekcijom 1 i redom prođite kroz lekcije
4. Pridružite se našoj Discord zajednici za podršku

👩‍🏫 Za nastavnike

Nastavnici: uključen je nekoliko prijedloga o tome kako koristiti ovaj kurikulum. Veselimo se vašim povratnim informacijama na našem forumu za raspravu!

Upoznajte Tim

Gif autor Mohit Jaisal

🎥 Kliknite na gornju sliku za video o projektu i ljudima koji su ga stvorili!

Pedagogija

Odabrali smo dva pedagoška načela prilikom izrade ovog kurikuluma: osigurati da bude baziran na projektima i da uključuje česte kvizove. Do kraja ove serije, studenti će naučiti osnovne principe znanosti o podacima, uključujući etičke koncepte, pripremu podataka, različite načine rada s podacima, vizualizaciju podataka, analizu podataka, primjere iz stvarnog svijeta primjene znanosti o podacima i više.

Uz to, kviz s niskim ulogom prije sata postavlja namjeru studenta prema učenju teme, dok drugi kviz nakon sata osigurava dodatno zadržavanje znanja. Ovaj kurikulum je dizajniran da bude fleksibilan i zabavan te ga se može pohađati u cijelosti ili djelomično. Projekti počinju malo i postaju sve složeniji do kraja ciklusa od 10 tjedana.

Pronađite naš Kodeks ponašanja, Upute za doprinos, Prijevode. Dobrodošli su vaši konstruktivni komentari!

Svaka lekcija uključuje:

• Opcionalni sketchnote
• Opcionalni dodatni video
• Kviz za zagrijavanje prije lekcije
• Pisanu lekciju
• Za lekcije bazirane na projektu, vodiče korak po korak kako izgraditi projekt
• Provjere znanja
• Izazov
• Dodatnu literaturu
• Zadatak
• Kviz nakon lekcije

Napomena o kvizovima: Svi kvizovi nalaze se u mapi Quiz-App, ukupno 40 kvizova sa po tri pitanja svaki. Povezani su iz lekcija, ali aplikaciju za kvizove možete pokrenuti lokalno ili je implementirati na Azure; slijedite upute u mapi quiz-app. Postupno se lokaliziraju.

🎓 Primjeri prilagođeni početnicima

Novi ste u znanosti o podacima? Stvorili smo poseban direktorij primjera sa jednostavnim, dobro komentiranim kodom za lakši početak:

• 🌟 Hello World - Vaš prvi program za znanost o podacima
• 📂 Učitavanje podataka - Naučite kako čitati i istraživati skupove podataka
• 📊 Jednostavna analiza - Izračunajte statistiku i pronađite obrasce
• 📈 Osnovna vizualizacija - Izradite grafikone i nacrte
• 🔬 Projekt iz stvarnog svijeta - Kompletan tijek rada od početka do kraja

Svaki primjer uključuje detaljne komentare koji objašnjavaju svaki korak, što ga čini savršenim za apsolutne početnike!

👉 Započnite s primjerima 👈

Lekcije

Znanost o podacima za početnike: Plan puta - Sketchnote autor @nitya

Broj lekcije	Tema	Grupiranje lekcija	Ciljevi učenja	Povezana lekcija	Autor
01	Definiranje znanosti o podacima	Uvod	Naučite osnovne pojmove koji stoje iza znanosti o podacima i kako je povezana s umjetnom inteligencijom, strojnim učenjem i velikim podacima.	lekcija video	Dmitry
02	Etika u znanosti o podacima	Uvod	Koncepti, izazovi i okviri etike podataka.	lekcija	Nitya
03	Definiranje podataka	Uvod	Kako su podaci klasificirani i njihovi uobičajeni izvori.	lekcija	Jasmine
04	Uvod u statistiku i vjerojatnost	Uvod	Matematičke tehnike vjerojatnosti i statistike za razumijevanje podataka.	lekcija video	Dmitry
05	Rad s relacijskim podacima	Rad s podacima	Uvod u relacijske podatke i osnove istraživanja i analize relacijskih podataka pomoću jezika za strukturirane upite, poznatog kao SQL (izgovara se „es-kju-el“).	lekcija	Christopher
06	Rad s NoSQL podacima	Rad s podacima	Uvod u nerealacijske podatke, njihove različite vrste i osnove istraživanja i analize baza dokumenata.	lekcija	Jasmine
07	Rad s Pythonom	Rad s podacima	Osnove korištenja Pythona za istraživanje podataka s bibliotekama poput Pandas. Preporučuje se osnovno razumijevanje programiranja u Pythonu.	lekcija video	Dmitry
08	Priprema podataka	Rad s podacima	Teme o tehnikama čišćenja i transformacije podataka za rješavanje problema poput nedostajućih, netočnih ili nepotpunih podataka.	lekcija	Jasmine
09	Vizualizacija količina	Vizualizacija podataka	Naučite kako koristiti Matplotlib za vizualizaciju podataka o pticama 🦆	lekcija	Jen
10	Vizualizacija distribucija podataka	Vizualizacija podataka	Vizualizacija opažanja i trendova unutar intervala.	lekcija	Jen
11	Vizualizacija proporcija	Vizualizacija podataka	Vizualizacija diskretnih i grupiranih postotaka.	lekcija	Jen
12	Vizualizacija odnosa	Vizualizacija podataka	Vizualizacija veza i korelacija između skupova podataka i njihovih varijabli.	lekcija	Jen
13	Značajne vizualizacije	Vizualizacija podataka	Tehnike i smjernice za stvaranje vrijednih vizualizacija za učinkovito rješavanje problema i dobivanje uvida.	lekcija	Jen
14	Uvod u životni ciklus znanosti o podacima	Životni ciklus	Uvod u životni ciklus znanosti o podacima i njegov prvi korak - prikupljanje i ekstrakcija podataka.	lekcija	Jasmine
15	Analiza	Životni ciklus	Ova faza životnog ciklusa znanosti o podacima fokusira se na tehnike analize podataka.	lekcija	Jasmine
16	Komunikacija	Životni ciklus	Ova faza životnog ciklusa znanosti o podacima fokusira se na prezentaciju uvida iz podataka na način koji olakšava razumijevanje donositeljima odluka.	lekcija	Jalen
17	Znanost o podacima u oblaku	Podaci u oblaku	Ova serija lekcija uvodi znanost o podacima u oblaku i njezine prednosti.	lekcija	Tiffany i Maud
18	Znanost o podacima u oblaku	Podaci u oblaku	Treniranje modela korištenjem Low Code alata.	lekcija	Tiffany i Maud
19	Znanost o podacima u oblaku	Podaci u oblaku	Implementacija modela pomoću Azure Machine Learning Studio.	lekcija	Tiffany i Maud
20	Znanost o podacima u stvarnosti	U stvarnosti	Projekti temeljeni na znanosti o podacima u stvarnom svijetu.	lekcija	Nitya

GitHub Codespaces

Slijedite ove korake za otvaranje ovog uzorka u Codespace-u:

1. Kliknite na padajući izbornik Code i odaberite opciju Open with Codespaces.
2. Odaberite + New codespace na dnu panela. Za više informacija, pogledajte GitHub dokumentaciju.

VSCode Remote - Containers

Slijedite ove korake za otvaranje ovog spremišta u kontejneru koristeći lokalno računalo i VSCode uz pomoć proširenja VS Code Remote - Containers:

1. Ako prvi put koristite razvojni kontejner, provjerite da vaš sustav ispunjava preduvjete (npr. instaliran Docker) u uputama za početak.

Da biste koristili ovo spremište, možete ga otvoriti u izoliranom Docker volumenu:

Napomena: U pozadini, ovo će koristiti naredbu Remote-Containers: Clone Repository in Container Volume... za kloniranje izvornog koda u Docker volumen umjesto lokalnog datotečnog sustava. Volumeni su preferirani način za trajno pohranjivanje podataka kontejnera.

Ili otvorite lokalno kloniranu ili preuzetu verziju spremišta:

• Klonirajte ovo spremište na lokalni datotečni sustav.
• Pritisnite F1 i odaberite naredbu Remote-Containers: Open Folder in Container....
• Odaberite kloniranu kopiju ove mape, pričekajte da se kontejner pokrene i isprobajte.

Pristup bez interneta

Ovu dokumentaciju možete koristiti offline pomoću Docsify. Forkajte ovo spremište, instalirajte Docsify na lokalno računalo, zatim u korijenskoj mapi ovog spremišta upišite docsify serve. Web stranica će se poslužiti na portu 3000 na vašem localhostu: localhost:3000.

Napomena, bilježnice se neće prikazivati putem Docsify-ja, pa kada trebate pokrenuti bilježnicu, učinite to zasebno u VS Code-u koji koristi Python kernel.

Ostali kurikulumi

Naš tim proizvodi i druge kurikulume! Pogledajte:

LangChain

Azure / Edge / MCP / Agenti

---

Serija Generativne AI

---

Osnovno Učenje

---

Serija Copilot

Dobivanje Pomoći

Imate problema? Pogledajte naš Vodič za Rješavanje Problema za rješenja uobičajenih problema.

Ako zapnete ili imate pitanja o izgradnji AI aplikacija, pridružite se ostalim polaznicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla, a znanje slobodno dijeljeno.

Ako imate povratne informacije o proizvodu ili pogreške tijekom izgradnje posjetite:

---

Odricanje od odgovornosti: Ovaj dokument preveden je pomoću AI usluge prevođenja Co-op Translator. Iako nastojimo postići točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku smatra se službenim i relevantnim izvorom. Za važne informacije preporučuje se profesionalni prijevod od strane stručnog prevoditelja. Ne snosimo odgovornost za bilo kakva nesporazumevanja ili pogrešna tumačenja koja mogu proizaći iz korištenja ovog prijevoda.