Data-Science-For-Beginners/translations/hu

Adattudomány kezdőknek – Egy tananyag

A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot, amely kizárólag az adattudománnyal foglalkozik. Minden leckéhez tartozik elő- és utóteszt, írásos utasítások a lecke elvégzéséhez, megoldás és egy feladat. Projektalapú oktatásunk lehetővé teszi, hogy tanulj miközben építesz, ami bevált módszer az új készségek elsajátítására.

Köszönet szerzőinknek: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Külön köszönet 🙏 a Microsoft Student Ambassador szerzőinek, lektorainak és tartalomközreműködőinek, köztük 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

Adattudomány kezdőknek – Vázlat @nitya (https://twitter.com/nitya)

🌐 Többnyelvű támogatás

GitHub Action révén támogatott (automatikus és mindig naprakész)

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

Szeretnéd helyben klónozni?

Ez a tár több mint 50 nyelvre fordított változatot tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha a fordítások nélkül szeretnéd klónozni, használd a sparse checkoutot:

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'

Ez mindent megad, amire szükséged van a tanfolyam elvégzéséhez, sokkal gyorsabb letöltéssel.

Ha további fordítási nyelveket szeretnél, azok fel vannak sorolva itt

Csatlakozz közösségünkhöz

Jelenleg is fut egy Discord-os AI tanuló sorozatunk, tanulj többet és csatlakozz hozzánk szeptember 18-30 között a Learn with AI Series oldalon. Tippeket és trükköket kapsz a GitHub Copilot adattudományban való használatáról.

Diák vagy?

Kezdd a következő forrásokkal:

• Diák-központ oldal Itt megtalálod a kezdőknek szóló anyagokat, diákcsomagokat, sőt ingyenes minősítésigénylési lehetőségeket is. Érdemes elmentened ezt az oldalt, és időről időre visszanézni, mivel havonta frissítjük a tartalmat.
• Microsoft Learn Student Ambassadors Csatlakozz a diák nagykövetek globális közösségéhez, ez lehet a kapud a Microsofthoz.

Első lépések

📚 Dokumentáció

• Telepítési útmutató – Lépésről lépésre útmutató kezdőknek a beállításhoz
• Használati útmutató – Példák és gyakori munkafolyamatok
• Hibaelhárítás – Gyakori problémák megoldásai
• Közreműködési útmutató – Hogyan járulhatsz hozzá ehhez a projekthez
• Tanároknak – Oktatási útmutató és osztálytermi anyagok

👨‍🎓 Diákoknak

Teljes kezdőknek: Új vagy az adattudományban? Kezdd a kezdőbarát példáinkkal! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágnál az egész tananyagba. Diákok: hogy egyedül használd ezt a tananyagot, forkold le az egész repót és végezd el a feladatokat egymás után, kezdve egy előadás előtti teszttel. Olvasd el az előadást és végezd el a további tevékenységeket. Próbáld megérteni az leckéket és azok alapján létrehozni a projekteket, ahelyett, hogy csak a megoldás kódját másolnád; ez a kód ugyanakkor elérhető a /solutions mappákban minden projekt-orientált leckénél. Egy másik ötlet, hogy barátokkal tanulócsoportot alkotva közösen menjétek végig a tartalmat. További tanuláshoz ajánljuk a Microsoft Learnt.

Gyors kezdés:

1. Nézd meg a Telepítési útmutatót a környezeted beállításához
2. Tanulmányozd a Használati útmutatót, hogy megtudd, hogyan dolgozz a tananyaggal
3. Kezdd az 1. leckével és haladj sorban
4. Csatlakozz Discord közösségünkhöz segítségért

👩‍🏫 Tanároknak

Tanárként: megtalálod benne az ajánlásokat, hogyan használd ezt a tananyagot. Nagyon örülnénk, ha visszajelzést adnál a vitafórumunkon!

Ismerd meg a csapatot

Gif készítője: Mohit Jaisal

🎥 Kattints a fenti képre, hogy megnézd a projektet és az azt létrehozó embereket bemutató videót!

Pedagógia

Két pedagógiai alapelvet választottunk ennek a tantervnek az elkészítésekor: hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatok előkészítését, az adatkezelés különböző módjait, az adatvizualizációt, az adatelemzést, az adattudomány valódi alkalmazási eseteit és még sok mást.

Ezen felül, egy alacsony tétű kvíz az óra előtt beállítja a tanuló szándékát a tématankulásra, míg egy második kvíz az óra után biztosítja a tudás további megerősítését. Ez a tanterv rugalmas és szórakoztató, az egész teljes egészében vagy részletekben is elsajátítható. A projektek kicsiben kezdődnek és a 10 hetes ciklus végére egyre összetettebbé válnak.

Találd meg Viselkedési kódexünket, Hozzájárulási útmutatónkat, Fordítási irányelveinket! Várjuk építő jellegű visszajelzéseidet!

Minden leckében szerepel:

• Opcionális rajzjegyzet
• Opcionális kiegészítő videó
• Óra előtti bemelegítő kvíz
• Írott lecke
• Projektalapú leckékhez lépésről lépésre útmutató a projekt elkészítéséhez
• Tudásellenőrző feladatok
• Egy kihívás
• Kiegészítő olvasnivaló
• Feladat
• Óra utáni kvíz

Megjegyzés a kvízekről: Minden kvíz a Quiz-App mappában található, összesen 40 kvíz, mindegyik három kérdéssel. A leckékből vannak összekapcsolva, de a kvíz alkalmazás helyileg is futtatható vagy Azure-ra telepíthető; kövesd az útmutatót a quiz-app mappában. Folyamatosan lokalizálás alatt állnak.

🎓 Kezdőbarát példák

Új vagy az adattudományban? Létrehoztunk egy külön példakönyvtárat, egyszerű és jól kommentált kódokkal, hogy segítsen elindulni:

• 🌟 Hello World - Az első adattudományi programod
• 📂 Adatok betöltése - Tanuld meg beolvasni és felfedezni az adatállományokat
• 📊 Egyszerű elemzés - Statisztikák számítása és mintázatok keresése
• 📈 Alapvető vizualizáció - Készíts diagramokat és grafikonokat
• 🔬 Valódi projekt - Teljes munkafolyamat kezdőtől végéig

Minden példában részletes kommentárok magyarázzák el az egyes lépéseket, így tökéletes az abszolút kezdőknek!

👉 Kezdj a példákkal 👈

Leckék

Adattudomány kezdőknek: Útvonalterv - Rajzjegyzet készítette: @nitya

Lecke száma	Téma	Lecke csoportosítás	Tanulási célok	Kapcsolódó lecke	Szerző
01	Az adattudomány meghatározása	Bevezető	Ismerkedés az adattudomány alapfogalmaival, valamint a mesterséges intelligencia, gépi tanulás és big data kapcsolatával.	lecke videó	Dmitry
02	Az adattudomány etikája	Bevezető	Az adat-etika fogalmai, kihívásai és keretrendszerei.	lecke	Nitya
03	Az adatok meghatározása	Bevezető	Hogyan osztályozzuk az adatokat és milyen gyakori forrásaik vannak.	lecke	Jasmine
04	Statisztika és valószínűség alapjai	Bevezető	A valószínűség és statisztika matematikai módszerei az adatok megértéséhez.	lecke videó	Dmitry
05	Relációs adatok kezelése	Adatkezelés	Bevezetés a relációs adatokba és az SQL (Structured Query Language, kiejtve "szí-kel") alapjaiba az adatok feltárására és elemzésére.	lecke	Christopher
06	NoSQL adatok kezelése	Adatkezelés	Bevezetés a nem-relációs adatok típusaihoz és a dokumentum adatbázisok feltárásának, elemzésének alapjaihoz.	lecke	Jasmine
07	Python használata	Adatkezelés	A Python alapjai adatfeltáráshoz, például a Pandas könyvtár használata. Ajánlott az alapvető Python programozási ismeretek megszerzése.	lecke videó	Dmitry
08	Adatelőkészítés	Adatkezelés	Adattisztítási és átalakítási technikák a hiányos, pontatlan vagy töredékes adatok kezelése érdekében.	lecke	Jasmine
09	Mennyiségek vizualizálása	Adatvizualizáció	Tanuld meg a Matplotlib használatát madáradatok 🦆 vizualizálásához	lecke	Jen
10	Adatok eloszlásának ábrázolása	Adatvizualizáció	Megfigyelések és trendek vizualizálása egy intervallumon belül.	lecke	Jen
11	Arányok vizualizálása	Adatvizualizáció	Diszkrét és csoportosított százalékok vizualizálása.	lecke	Jen
12	Kapcsolatok vizualizálása	Adatvizualizáció	Adathalmazok és változóik közötti kapcsolatok, korrelációk ábrázolása.	lecke	Jen
13	Értelmes vizualizációk	Adatvizualizáció	Technikák és útmutatók arra, hogyan tegyük vizualizációinkat hasznossá hatékony problémamegoldáshoz és betekintéshez.	lecke	Jen
14	Bevezetés az adattudományi életciklusba	Életciklus	Bevezetés az adattudományi életciklusba és az első lépésbe, amely az adatok beszerzése és kinyerése.	lecke	Jasmine
15	Elemzés	Életciklus	Az életciklus ezen szakasza az adatelemzési technikákra fókuszál.	lecke	Jasmine
16	Kommunikáció	Életciklus	Az életciklus ezen szakasza az adatokból származó eredmények bemutatására koncentrál, hogy az döntéshozók számára könnyebben érthető legyen.	lecke	Jalen
17	Adattudomány a felhőben	Felhő alapú adatok	Ez a leckesorozat bevezeti az adattudományt a felhőben és annak előnyeit.	lecke	Tiffany és Maud
18	Adattudomány a felhőben	Felhő alapú adatok	Alacsony kódú (Low Code) eszközökkel modelltréning.	lecke	Tiffany és Maud
19	Adattudomány a felhőben	Felhő alapú adatok	Modellek telepítése az Azure Machine Learning Studio segítségével.	lecke	Tiffany és Maud
20	Adattudomány a gyakorlatban	A valóságban	Adattudományi projektek a valós világban.	lecke	Nitya

GitHub Codespaces

Kövesd az alábbi lépéseket a minta megnyitásához Codespace-ben:

1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
2. A panel alján válaszd a + New codespace opciót. További információkért nézd meg a GitHub dokumentációját.

VSCode Remote - Konténerek

Kövesd az alábbi lépéseket, hogy helyileg a gépeden, VSCode segítségével és a VS Code Remote - Containers kiterjesztéssel futtasd ezt a repót egy konténerben:

1. Ha először használsz fejlesztői konténert, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (pl. Docker telepítve van), a kezdő dokumentáció szerint.

Használhatod ezt a repót úgy, hogy vagy egy izolált Docker kötetben nyitod meg:

Megjegyzés: A háttérben a Remote-Containers: Clone Repository in Container Volume... parancsot használja, ami a forráskódot egy Docker kötetbe klónozza a helyi fájlrendszer helyett. A kötetek a konténeradatok tárolásának ajánlott módjai.

Vagy megnyithatsz egy helyileg klónozott vagy letöltött példányt:

• Klónozd ezt a repót a helyi gépedre.
• Nyomj F1-et, majd válaszd a Remote-Containers: Open Folder in Container... parancsot.
• Válaszd ki a klónozott mappát, várd meg, míg elindul a konténer, és próbálj ki mindent.

Offline hozzáférés

Ezt a dokumentációt offline is futtathatod a Docsify használatával. Fork-old ezt a repót, telepítsd a Docsify-t a helyi gépeden, majd ebben a repo gyökérmappájában írd be: docsify serve. A weboldal a 3000-es porton lesz elérhető helyileg: localhost:3000.

Megjegyzés: a jegyzetfüzetek (notebooks) nem jelennek meg Docsify-val, így amennyiben notebookot kell futtatnod, azt külön, VS Code-ban, Python kernellel tedd.

Egyéb tantervek

Csapatunk más tanterveket is készít! Nézd meg:

LangChain

Azure / Edge / MCP / Ügynökök

---

Generatív AI sorozat

---

Alapvető tanulás

---

Copilot sorozat

Segítség kérése

Problémák merülnek fel? Nézze meg a Hibaelhárítási útmutatónkat, ahol a gyakori problémák megoldásait találhatja.

Ha elakad, vagy kérdése van az AI alkalmazások építésével kapcsolatban, csatlakozzon a tanulók és tapasztalt fejlesztők közösségéhez az MCP kapcsán folytatott beszélgetésekhez. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztott.

Ha termék visszajelzése vagy hibák jelentkeznek a fejlesztés során, látogasson el ide:

---

Nyilatkozat: Ezt a dokumentumot az AI fordító szolgáltatás, a Co-op Translator segítségével fordítottuk. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum anyanyelvén tekintendő hiteles forrásnak. Fontos információk esetén profi emberi fordítást javaslunk. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy félreértelmezésekért.