33 KiB

Raw Blame History Unescape Escape

Data Science za početnike - Nastavni plan

Zagovornici Azure Cloud-a u Microsoftu sa zadovoljstvom nude 10-nedeljni, 20-lekturni nastavni plan o Data Science-u. Svaka lekcija uključuje kvizove pre i posle lekcije, pisane instrukcije za završetak lekcije, rešenje i zadatak. Naša pedagoška metoda zasnovana na projektima omogućava vam da učite kroz pravljenje, što je dokazani način da nove veštine "upamte".

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

🙏 Posebna zahvalnost 🙏 našim Microsoft Student Ambassador autorima, recenzentima i saradnicima na sadržaju, naročito 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 za početnike - Sketchnote by @nitya

🌐 Višejezična podrška

Podržano putem GitHub akcije (automatski i uvek ažurno)

Želite li da klonirate lokalno?

Ovaj repozitorijum uključuje preko 50 prevoda što značajno povećava veličinu preuzimanja. Da biste klonirali bez prevoda, 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'
Ovo vam daje sve što vam treba za završetak kursa sa mnogo bržim preuzimanjem.

Ako želite da budu podržani dodatni jezici za prevod, dostupni su na ovom mestu

Pridružite se našoj zajednici

Imamo trajnu seriju na Discord-u "Learn with AI", saznajte više i pridružite nam se na Learn with AI Series od 18 - 30 septembra 2025. godine. Dobićete savete i trikove za korišćenje GitHub Copilot-a za Data Science.

Da li ste student?

Počnite sa sledećim resursima:

Student Hub stranica Na ovoj strani ćete pronaći resurse za početnike, studentske pakete pa čak i načine da dobijete besplatan sertifikacioni vaučer. Ovo je stranica koju želite da sačuvate u obeleživačima i da je povremeno proveravate jer menjamo sadržaj bar jednom mesečno.
Microsoft Learn Student Ambassadors Pridružite se globalnoj zajednici studentskih ambasadora, to može biti vaš put u Microsoft.

Početak

📚 Dokumentacija

Uputstvo za instalaciju - Korak-po-korak uputstva za početnike
Uputstvo za upotrebu - Primeri i uobičajeni radni tokovi
Otklanjanje problema - Rešenja za česte probleme
Uputstvo za doprinos - Kako doprineti ovom projektu
Za nastavnike - Vodič za nastavu i resursi za učionicu

👨‍🎓 Za studente

Potpuni početnici: Novi ste u data science-u? Počnite sa našim prijateljskim primerima za početnike! Ovi jednostavni, dobro komentarisani primeri pomoći će vam da razumete osnove pre nego što započnete ceo nastavnim planom. Studenti: da koristite ovaj nastavni plan sami, napravite fork celog repozitorijuma i samostalno rešavajte vežbe, počevši kvizom pre predavanja. Zatim pročitajte predavanje i završite ostale aktivnosti. Pokušajte da kreirate projekte razumevanjem lekcija, a ne kopiranjem koda rešenja; međutim, taj kod je dostupan u fasciklama /solutions u svakoj lekciji orijentisanoj na projekat. Druga ideja je da formirate studijsku grupu sa prijateljima i zajedno prolazite kroz sadržaj. Za dodatno učenje preporučujemo Microsoft Learn.

Brzi početak:

Pogledajte Uputstvo za instalaciju za postavljanje okruženja
Pregledajte Uputstvo za upotrebu da naučite kako da radite sa nastavnim planom
Počnite sa Lekcijom 1 i radite redom
Pridružite se našoj Discord zajednici za podršku

👩‍🏫 Za nastavnike

Nastavnici: uključili smo neke predloge o tome kako koristiti ovaj nastavni plan. Voleli bismo vaše povratne informacije u našem diskusionom forumu!

Упознајте тим

Гиф од Mohit Jaisal

🎥 Кликните на слику изнад за видео о пројекту и људима који су га направили!

Педагогија

Одабрали смо два педагошка принципа приликом креирања овог курса: осигурати да је пројектно оријентисан и да садржи честе квизове. До краја ове серије, студенти ће научити основне принципе науке о подацима, укључујући етичке концепте, припрему података, различите начине рада са подацима, визуализацију података, анализу података, стварне примере примене науке о подацима и још много тога.

Поред тога, квиз са малим утицајем пре часова поставља студенту циљ учења теме, док други квиз после часа обезбеђује боље памћење. Овај програм је дизајниран да буде флексибилан и забаван и може се похађати у целини или делимично. Пројекти почињу од малих и постепено постају све сложенији до краја 10-недељног циклуса.

Пронађите наше смернице Code of Conduct, Contributing, Translation. Добро дошла су ваша конструктивна мишљења!

Свака лекција укључује:

Опционалну скечнот белешку
Опционални видеозапис као додатак
Квиз за загревање пре лекције
Писану лекцију
За лекције базиране на пројектима, корак по корак водич за израду пројекта
Провере знања
Изазов
Додатно читање
Задатак
Квиз после лекције

Напомена о квизовима: Сви квизови се налазе у фолдеру Quiz-App, укупно 40 квизова са по три питања сваки. Линкови су унутар лекција, али квиз апликацију можете покренути локално или објавити на Azure; пратите упутства у фолдеру quiz-app. Текуће се постепено преводе.

🎓 Примери прилагођени почетницима

Нови сте у Науци о подацима? Направили смо посебан фолдер примера са једноставним, добро коментарисаним кодом како бисте лакше почели:

🌟 Hello World - Ваш први програм за науку о подацима
📂 Учитавање података - Научите како читати и истраживати скупове података
📊 Једноставна анализа - Израчунајте статистику и пронађите обрасце
📈 Основна визуализација - Креирајте графиконе и дијаграме
🔬 Пројекат из стварног света - Комплетан ток рада од почетка до краја

Сваки пример садржи детаљне коментаре који објашњавају сваки корак, што их чини савршеним за апсолутне почетнике!

👉 Почните са примерима 👈

Лекције


Наука о подацима за почетнике: План - Скечнот од @nitya

Број лекције	Тема	Груписање лекције	Циљеви учења	Линк ка лекцији	Аутор
01	Дефинисање науке о подацима	Увод	Научите основне концепте иза науке о подацима и како је она повезана са вештачком интелигенцијом, машинским учењем и великим подацима.	лекција видео	Дмитриј
02	Етика у науци о подацима	Увод	Концепти етике података, изазови и оквири.	лекција	Нитија
03	Дефинисање података	Увод	Како се подаци класификују и њихови уобичајени извори.	лекција	Јасмин
04	Увод у статистику и вероватноћу	Увод	Математичке технике вероватноће и статистике за разумевање података.	лекција видео	Дмитриј
05	Рад са релативним подацима	Рад са подацима	Увод у релативне податке и основе истраживања и анализе релативних података уз Језик за структуиране упите, познат као SQL (изговара се "си-квел").	лекција	Кристофер
06	Рад са NoSQL подацима	Рад са подацима	Увод у нерелативне податке, њихове различите типове и основе истраживања и анализе докумената базе података.	лекција	Јасмин
07	Рад са Python-ом	Рад са подацима	Основе коришћења Питхона за истраживање података уз библиотеке као што је Pandas. Препоручује се основно разумевање програмирања у Python-у.	лекција видео	Дмитриј
08	Припрема података	Рад са подацима	Теме о техникама за чишћење и трансформацију података како би се решили изазови недостајућих, нетачних или непотпуних података.	лекција	Јасмин
09	Визуелизација количина	Визуелизација података	Научите како да користите Matplotlib за визуелизацију података о птицама 🦆	лекција	Џен
10	Визуелизација расподела података	Визуелизација података	Визуелизација посматрања и трендова унутар интервала.	лекција	Џен
11	Визуелизација пропорција	Визуелизација података	Визуелизација дискретних и груписаних процената.	лекција	Џен
12	Визуелизација односа	Визуелизација података	Визуелизација веза и корелација између скупова података и њихових променљивих.	лекција	Џен
13	Смислене визуализације	Визуелизација података	Технике и смернице за прављење визуализација вредних за ефективно решавање проблема и добијање увида.	лекција	Џен
14	Увод у животни циклус науке о подацима	Животни циклус	Увод у животни циклус науке о подацима и њен први корак - прибављање и екстракцију података.	лекција	Јасмин
15	Анализа	Животни циклус	Ова фаза животног циклуса науке о подацима фокусира се на технике анализе података.	лекција	Јасмин
16	Комуникација	Животни циклус	Ова фаза животног циклуса науке о подацима фокусира се на презентацију увида из података на начин који олакшава разумевање донесеоцима одлука.	лекција	Џален
17	Наука о подацима у облаку	Облак	Ова серија лекција уводи науку о подацима у облаку и њене предности.	лекција	Тифани и Мауд
18	Наука о подацима у облаку	Облак	Тренинг модела помоћу Low Code алата.	лекција	Тифани и Мауд
19	Наука о подацима у облаку	Облак	Покретање модела уз помоћ Azure Machine Learning Studio.	лекција	Тифани и Мауд
20	Наука о подацима у стварном свету	У природи	Пројекти засновани на науци о подацима у стварном свету.	лекција	Нитија

GitHub Codespaces

Пратите ове кораке да бисте отворили пример у Codespace-у:

Кликните на мени Code и изаберите опцију Open with Codespaces.
Изаберите + New codespace на дну панела. За више информација, погледајте GitHub документацију.

VSCode Remote - Контейнери

Пратите ове кораке да бисте отворили овај репо у контејнеру користећи вашу локалну машину и VSCode уз помоћ екстензије VS Code Remote - Containers:

Ако први пут користите развојни контејнер, уверите се да ваш систем испуњава предуслове (тј. да имате инсталиран Docker) у документацији за почетак.

Да бисте користили овај репозиторијум, можете или отворити репо у изолованом Docker волумену:

Напомена: Испод поклопца ће се користити команда Remote-Containers: Clone Repository in Container Volume... да копира изворни код у Docker волумен уместо у локални фајл систем. Волумени су пожељан механизам за трајно чување података из контејнера.

Или отворити локално клонирану или преузету верзију репоа:

Клонирајте овај репозиторијум на свој локални фајл систем.
Притисните F1 и изаберите команду Remote-Containers: Open Folder in Container....
Изаберите клонирану копију овог фолдера, сачекајте да се контејнер покрене и испробајте.

Приступ без интернета

Можете покренути ову документацију ван мреже користећи Docsify. Форкујте овај репо, инсталирајте Docsify на вашој локалној машини, затим у коренском фолдеру овог репа укуцајте docsify serve. Веб сајт ће бити доступан на порту 3000 на вашем локалном хосту: localhost:3000.

Напомена, белешке (notebooks) неће бити приказане преко Docsify-а, тако да ако вам треба да покренете белешку, урадите то одвојено у VS Code-у са покренутим Python кернелом.

Остали курикулуми

Наш тим производи и друге курикулуме! Погледајте:

LangChain

Azure / Edge / MCP / Агенти

Серија генеративне вештачке интелигенције

Основно учење

Серија Copilot

Добијање помоћи

Имате проблеме? Погледајте наш Водич за решавање проблема за решења уобичајених проблема.

Ако запнете или имате било каква питања о изради AI апликација. Придружите се другим ученицима и искусним програмерима у дискусијама о MCP. То је подржавајућа заједница у којој су питања добродошла и где се знање слободно дели.

Ако имате повратне информације о производу или грешке током израде, посетите:

Изјава о одрицању одговорности: Овај документ је преведен коришћењем услуге за аутоматски превод помоћу вештачке интелигенције Co-op Translator. Иако се трудимо да буде што прецизније, молимо имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује се професионални људски превод. Не сносимо одговорност за било каква неспоразума или погрешна тумачења која произилазе из коришћења овог превода.

33 KiB Raw Blame History Unescape Escape