28 KiB

Raw Blame History

Data Science dla początkujących - Program nauczania

Zespół Azure Cloud Advocates w Microsoft ma przyjemność zaoferować 10-tygodniowy kurs składający się z 20 lekcji, poświęcony całkowicie Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje realizacji lekcji, rozwiązanie oraz zadanie. Nasza projektowo-oparta metodologia pozwala uczyć się podczas tworzenia, co jest sprawdzonym sposobem na trwałe przyswajanie nowych umiejętności.

Serdeczne podziękowania dla naszych autorów: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z programu Microsoft Student Ambassador, w szczególności 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 dla początkujących - Rysunek notatek autorstwa @nitya

🌐 Wsparcie wielojęzyczne

Wspierane przez GitHub Action (Automatyczne i Zawsze Aktualne)

Wolisz sklonować lokalnie?

To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacząco 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'
Otrzymasz wszystko, czego potrzebujesz do ukończenia kursu, przy znacznie szybszym pobieraniu.

Jeśli chcesz, by dodatkowe języki tłumaczeń zostały wspierane, są one wymienione tutaj

Dołącz do naszej społeczności

Prowadzimy serię nauki na Discordzie z AI, dowiedz się więcej i dołącz do nas na Learn with AI Series w dniach 18 - 30 września 2025. Otrzymasz porady i triki dotyczące używania GitHub Copilot w Data Science.

Jesteś studentem?

Rozpocznij z następującymi zasobami:

Strona Student Hub Na tej stronie znajdziesz materiały dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera na certyfikat. To strona, którą warto dodać do zakładek i regularnie odwiedzać, gdyż co najmniej raz w miesiącu zmieniamy zawartość.
Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studenckich, może to być Twoja droga do Microsoft.

Jak zacząć

📚 Dokumentacja

Przewodnik instalacji - Instrukcje krok po kroku dla początkujących
Przewodnik użytkowania - Przykłady i typowe workflow
Rozwiązywanie problemów - Rozwiązania powszechnych problemów
Przewodnik współtworzenia - Jak przyczynić się do projektu
Dla nauczycieli - Wskazówki i zasoby do nauczania

👨‍🎓 Dla studentów

Całkowici początkujący: Nowi w data science? Zacznij od naszych przyjaznych dla początkujących przykładów! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy, zanim przejdziesz do pełnego programu. Studenci: aby korzystać z tego programu samodzielnie, zrób fork całego repozytorium i wykonuj ćwiczenia samodzielnie, zaczynając od quizu przedwykładowego. Następnie przeczytaj wykład i wykonaj resztę aktywności. Staraj się tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod z rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest utworzenie grupy naukowej z przyjaciółmi i wspólne przerabianie materiału. Do dalszej nauki polecamy Microsoft Learn.

Szybki start:

Sprawdź Przewodnik instalacji, aby skonfigurować środowisko
Przejrzyj Przewodnik użytkowania, aby nauczyć się korzystać z programu
Zacznij od Lekcji 1 i kontynuuj kolejno
Dołącz do naszej społeczności na Discordzie po wsparcie

👩‍🏫 Dla nauczycieli

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

Poznaj Zespół

Gif autorstwa Mohit Jaisal

🎥 Kliknij powyższy obrazek, aby obejrzeć film o projekcie i ludziach, którzy go stworzyli!

Pedagogika

Podczas tworzenia tego programu nauczania wybraliśmy dwie zasady pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci poznają podstawowe zasady data science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, zastosowania data science w rzeczywistych przypadkach oraz więcej.

Dodatkowo, quiz o niskiej stawce przed zajęciami ustawia intencję studenta na naukę danego tematu, natomiast drugi quiz po zajęciach zapewnia lepsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub w części. Projekty zaczynają się od małych i stają się coraz bardziej skomplikowane pod koniec 10-tygodniowego cyklu.

Znajdź nasze Zasady postępowania, Wkład w projekt, Tłumaczenia. Czekamy na Twoją konstruktywną opinię!

Każda lekcja zawiera:

Opcjonalną sketchnotkę
Opcjonalne dodatkowe wideo
Quiz rozgrzewkowy przed lekcją
Lekcję pisaną
Dla lekcji opartych na projektach, przewodniki krok po kroku jak zbudować projekt
Sprawdzenia wiedzy
Wyzwanie
Dodatkową lekturę
Zadanie domowe
Quiz po lekcji

Uwaga o quizach: Wszystkie quizy znajdują się w folderze Quiz-App, jest ich łącznie 40, każdy z trzema pytaniami. Są one powiązane z lekcjami, ale aplikację do quizów można uruchomić lokalnie lub wdrożyć do Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Są one stopniowo lokalizowane.

🎓 Przykłady przyjazne dla początkujących

Nowy w Data Science? Stworzyliśmy specjalny folder z przykładami z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:

🌟 Hello World - Twój pierwszy program data science
📂 Ładowanie danych - Naucz się czytać i eksplorować zbiory danych
📊 Prosta analiza - Oblicz statystyki i znajdź wzorce
📈 Podstawowa wizualizacja - Twórz wykresy i diagramy
🔬 Projekt w świecie rzeczywistym - Kompletny przepływ pracy od początku do końca

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

👉 Zacznij od przykładów 👈

Lekcje


Data Science dla początkujących: Plan działania - Sketchnotka autorstwa @nitya

Numer lekcji	Temat	Grupa lekcji	Cele naukowe	Powiązana lekcja	Autor
01	Definicja Data Science	Wprowadzenie	Poznaj podstawowe koncepcje związane z data science oraz jej powiązania ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja wideo	Dmitry
02	Etyka w Data Science	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy postępowania.	lekcja	Nitya
03	Definicja danych	Wprowadzenie	Jak klasyfikowane są dane i jakie są ich typowe źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i rachunku prawdopodobieństwa	Wprowadzenie	Techniki matematyczne rachunku prawdopodobieństwa i statystyki do analizy danych.	lekcja wideo	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstaw eksploracji i analizy danych z użyciem strukturalnego języka zapytań SQL (czytane „sekwel”).	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 bibliotekami takimi jak Pandas. Zaleca się podstawową znajomość programowania w Pythonie.	lekcja wideo	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i przekształcania danych w celu radzenia sobie z brakującymi, niedokładnymi lub niekompletnymi danymi.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Naucz się używać Matplotlib do wizualizacji danych ptaków 🦆	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 zgrupowanych procentów.	lekcja	Jen
12	Wizualizacja zależności	Wizualizacja danych	Wizualizacja powiązań i korelacji między zestawami danych i ich zmiennymi.	lekcja	Jen
13	Znaczące wizualizacje	Wizualizacja danych	Techniki i wskazówki, jak tworzyć wartościowe wizualizacje dla skutecznego rozwiązywania problemów i uzyskiwania wglądu.	lekcja	Jen
14	Wprowadzenie do cyklu życia data science	Cykl życia	Wprowadzenie do cyklu życia data science i jego pierwszego etapu pozyskiwania i ekstrakcji danych.	lekcja	Jasmine
15	Analiza	Cykl życia	Ta faza cyklu życia data science koncentruje się na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Ta faza cyklu życia data science koncentruje się na prezentacji wniosków z danych w sposób ułatwiający zrozumienie przez decydentów.	lekcja	Jalen
17	Data Science w chmurze	Dane w chmurze	Ta seria lekcji wprowadza data science w chmurze i jej korzyści.	lekcja	Tiffany i Maud
18	Data Science w chmurze	Dane w chmurze	Trenowanie modeli za pomocą narzędzi Low Code.	lekcja	Tiffany i Maud
19	Data Science w chmurze	Dane w chmurze	Wdrażanie modeli przy użyciu Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Data Science w praktyce	Na żywo	Projekty data science realizowane w świecie rzeczywistym.	lekcja	Nitya

GitHub Codespaces

Wykonaj poniższe kroki, aby otworzyć ten przykład w Codespace:

Kliknij menu rozwijane Kod i wybierz opcję Otwórz w Codespaces.
Wybierz + Nowy codespace u dołu panelu. Więcej informacji znajdziesz w dokumentacji GitHub.

VSCode Remote - Containers

Wykonaj poniższe kroki, aby otworzyć to repozytorium w kontenerze, używając lokalnego komputera i VSCode oraz rozszerzenia VS Code Remote - Containers:

Jeśli to Twój pierwszy raz używania kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowany Docker) w dokumentacji wprowadzającej.

Aby użyć tego repozytorium, możesz otworzyć repozytorium w izolowanym wolumenie Docker:

Uwaga: W praktyce użyje to polecenia Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy do wolumenu Dockera zamiast systemu plików lokalnych. Wolumeny są preferowanym mechanizmem do przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

Sklonuj to repozytorium do lokalnego systemu plików.
Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i wypróbuj.

Dostęp offline

Możesz uruchomić tę dokumentację offline, używając Docsify. Rozgałęź to repozytorium, zainstaluj Docsify na swoim komputerze, a następnie w głównym folderze repozytorium wpisz docsify serve. Strona będzie serwowana na porcie 3000 na Twoim localhost: localhost:3000.

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

Inne programy nauczania

Nasz zespół tworzy także inne programy nauczania! Sprawdź:

LangChain

Azure / Edge / MCP / Agenci

Seria Generatywnej AI

Podstawowe nauki

Seria Copilot

Uzyskiwanie pomocy

Masz problemy? Sprawdź nasz Przewodnik rozwiązywania problemów w poszukiwaniu rozwiązań najczęstszych problemów.

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

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

Zastrzeżenie: Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Mimo że staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Za źródło autorytatywne należy uważać oryginalny dokument w jego oryginalnym języku. W przypadku informacji o kluczowym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.

28 KiB Raw Blame History