Data-Science-For-Beginners/translations/hu

Data Science kezdőknek – Tanterv

A Microsoft Azure Cloud Advocates örömmel kínál 10 hetes, 20 leckéből álló tananyagot, amely teljes egészében az adatelemzésről szól. Minden lecke tartalmaz elő- és utóteszteket, írásos útmutatót a feladat elvégzéséhez, megoldást és házi feladatot. Projekt-alapú tanítási módszerünk lehetővé teszi, hogy építés közben tanulj, amely bevált módszer az új készségek elsajátítására.

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

🙏 Külön köszönet 🙏 Microsoft Diák Nagykövet https://studentambassadors.microsoft.com/ szerzőinknek, lektorainknak és tartalomközreműködőinknek, különösen 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 kezdőknek - Sketchnote by @nitya

🌐 Többnyelvű támogatás

GitHub Action által támogatott (Automatikus és mindig naprakész)

arab | bengáli | bolgár | burmai (Mianmar) | kínai (egyszerűsített) | kínai (hagyományos, Hongkong) | kínai (hagyományos, Makaó) | kínai (hagyományos, Tajvan) | horvát | cseh | dán | holland | észt | finn | francia | német | görög | héber | hindi | magyar | indonéz | olasz | japán | kannada | koreai | litván | maláj | malajálam | maráthi | nepáli | nigériai pidzsin | norvég | perzsa (fárszi) | lengyel | portugál (brazil) | portugál (portugál) | pandzsábi (Gurmukhi) | román | orosz | szerb (cirill) | szlovák | szlovén | spanyol | szwahili | svéd | tagalog (filippínó) | tamil | telugu | thai | török | ukrán | urdu | vietnami

Szeretnél helyben klónozni?

Ez a tárház több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használj ritkított kimenti (sparse checkout) opciót:

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'

Ezzel megkapod mindazt, amire szükséged van a tanfolyam elvégzéséhez, lényegesen gyorsabb letöltéssel.

Ha további fordítási nyelveket szeretnél támogatni, azok listája megtalálható itt

Csatlakozz közösségünkhöz

Discordon folyamatosan fut az AI-val való tanulás sorozat, további információ és csatlakozás itt: Learn with AI Series 2025. szeptember 18-30 között. Tippeket és trükköket kapsz arról, hogyan használd a GitHub Copilotot az adatelemzéshez.

Diák vagy?

Kezdd az alábbi forrásokkal:

• Student Hub oldal Ezen az oldalon kezdőknek szóló forrásokat, diákcsomagokat és akár ingyenes tanúsítvány kuponokat találsz. Mentd el könyvjelzőként, és időről időre nézd meg, mert legalább havonta cseréljük a tartalmat.
• Microsoft Learn Student Ambassadors Csatlakozz egy globális diák nagykövet közösséghez, amely egy remek út a Microsoftnál való elhelyezkedéshez.

Kezdés

📚 Dokumentáció

• Telepítési útmutató – Lépésről lépésre kezdőknek az előkészítés
• Használati útmutató – Példák és gyakori munkafolyamatok
• Hibaelhárítás – Gyakori problémák megoldásai
• Hozzájárulási útmutató – Hogyan járulhatsz hozzá ehhez a projekthez
• Tanárnak – Oktatási útmutató és osztálytermi források

👨‍🎓 Diákoknak

Teljesen kezdők: Még új vagy az adatelemzésben? Kezdd kezdőbarát példáinkkal! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt teljes tananyagot tanulnál. Diákok: ha magad akarod használni a tananyagot, forkold le a teljes repót, és önállóan csináld meg a feladatokat, kezdve az előadás előtti quiz-el. Olvasd el az előadást, majd végezd el a további tevékenységeket. Próbáld meg a projekteket úgy elkészíteni, hogy megérted a leckéket, ne csak kimásold a megoldás kódját; az viszont megtalálható a /solutions mappákban minden projektorientált leckénél. Egy másik ötlet, hogy barátokkal tanulócsoportot alakítotok, és együtt dolgoztok át a tartalmakat. További tanuláshoz javasoljuk a Microsoft Learn platformot.

Gyors kezdés:

1. Nézd meg a Telepítési útmutatót a környezet beállításához
2. Tekintsd át a Használati útmutatót a tananyag használatának elsajátításához
3. Kezdd az 1. leckével, és haladj sorban
4. Csatlakozz Discord közösségünkhöz a támogatásért

👩‍🏫 Tanároknak

Tanárként: belefoglaltunk néhány javaslatot arra, hogyan használd ezt a tananyagot. Nagyon örülnénk visszajelzésednek vita fórumunkon!

Ismerd meg a csapatot

Gif készítője: Mohit Jaisal

🎥 Kattints a fenti képre egy videóért a projektről és az azt létrehozó emberekről!

Pedagógia

Két pedagógiai alapelvet választottunk ennek a tantervnek az összeállításakor: azt, hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a tanulók elsajátítják az adatelemzés alapelveit, beleértve az etikai fogalmakat, az adatelőkészítést, az adatkezelés különböző módjait, az adatvizualizációt, az adatelemzést, az adatelemzés valós példáit és még sok mást.

Ezen túlmenően egy alacsony tétű kvíz az óra előtt beállítja a tanulók tanulási szándékát egy adott témakör iránt, míg egy második kvíz az óra után biztosítja a mélyebb megértést. Ez a tanterv rugalmas és szórakoztató, és teljes egészében vagy részben is végezhető. A projektek kicsiként kezdődnek, és a 10 hetes ciklus végére egyre összetettebbek lesznek.

Találd meg irányelveinket a Viselkedési kódexben, Hozzájárulásról, Fordításról. Örömmel fogadjuk építő visszajelzéseidet!

Minden lecke tartalmaz:

• Opcionális sketchnote-ot
• Opcionális kiegészítő videót
• Óra előtti bemelegítő kvízt
• Írott leckét
• Projektalapú leckéknél lépésről lépésre útmutatót a projekt összeállításához
• Tudásellenőrzéseket
• Egy kihívást
• Kiegészítő olvasnivalót
• Feladatot
• Óra utáni kvíz

Megjegyzés a kvízekről: Az összes kvíz a Quiz-App mappában található, összesen 40 kvíz három-három kérdéssel. A leckékből linkelve vannak, de a kvízalkalmazás helyben is futtatható, vagy telepíthető Azure-ba; kövesd az útmutatót a quiz-app mappában. Folyamatosan lokalizálják őket.

🎓 Kezdőknek Szánt Példák

Új vagy az Adatelemzésben? Külön példakönyvtárat hoztunk létre egyszerű, jól kommentált kódokkal, hogy segítsünk a kezdésben:

• 🌟 Hello World – Az első adatelemző programod
• 📂 Adatok betöltése – Tanuld meg az adatkészletek beolvasását és felfedezését
• 📊 Egyszerű elemzés – Számíts statisztikákat és találj mintákat
• 📈 Alapvető vizualizáció – Készíts diagramokat és grafikonokat
• 🔬 Valós világ projekt – Teljes munkafolyamat a kezdetektől a végéig

Minden példa részletes kommentárokat tartalmaz, amelyek elmagyarázzák a lépéseket, így tökéletes az abszolút kezdőknek!

👉 Kezdd a példákkal 👈

Leckék

Adatelemzés kezdőknek: Útvonalterv - Sketchnote készítette @nitya

Lecke sorszáma	Téma	Lecke csoportosítás	Tanulási célok	Linked lecke	Szerző
01	Az adatelemzés meghatározása	Bevezetés	Ismerd meg az adatelemzés alapfogalmait és kapcsolatát a mesterséges intelligenciával, gépi tanulással és a nagy adatokkal.	lecke videó	Dmitry
02	Adatelemzés etikája	Bevezetés	Adatazetika fogalmak, kihívások és keretrendszerek.	lecke	Nitya
03	Az adatok meghatározása	Bevezetés	Hogyan osztályozzuk az adatokat és milyen gyakori forrásai vannak.	lecke	Jasmine
04	Bevezetés a statisztikába és a valószínűségbe	Bevezetés	Valószínűségszámítási és statisztikai matematikai technikák az adatok megértéséhez.	lecke videó	Dmitry
05	Relációs adatok kezelése	Munka az adatokkal	Bevezetés a relációs adatokba és a relációs adatok SQL (Structured Query Language) alapú feltérképezésének és elemzésének alapjai.	lecke	Christopher
06	NoSQL adatok kezelése	Munka az adatokkal	Bevezetés a nem-relációs adatokba, különböző típusaikba és a dokumentum adatbázisok alapfokú feltérképezésébe és elemzésébe.	lecke	Jasmine
07	Python használata	Munka az adatokkal	A Python alapjai adatfeltérképezéshez, olyan könyvtárak használatával, mint a Pandas. Alap szintű Python programozási ismeretek ajánlottak.	lecke videó	Dmitry
08	Adatelőkészítés	Munka az adatokkal	Az adattisztítás és átalakítás módszerei az adathiány, pontatlanság vagy hiányosságok kezelésére.	lecke	Jasmine
09	Mennyiségek vizualizálása	Adatvizualizáció	Tanuld meg a Matplotlib használatát madáradataid vizualizálásához 🦆	lecke	Jen
10	Adatok eloszlásának vizualizálása	Adatvizualizáció	Megfigyelések és trendek vizualizálása egy adott időintervallumon belül.	lecke	Jen
11	Arányok vizualizálása	Adatvizualizáció	Diszkrét és csoportosított százalékok vizualizálása.	lecke	Jen
12	Kapcsolatok vizualizálása	Adatvizualizáció	Kapcsolatok és korrelációk vizualizálása adat- és változóhalmazok között.	lecke	Jen
13	Értelmes vizualizációk	Adatvizualizáció	Technikák és útmutatás az értékes vizualizációk készítéséhez a hatékony problémamegoldás és betekintés érdekében.	lecke	Jen
14	Bevezetés az adatelemzés életciklusába	Életciklus	Bevezetés az adatelemzés életciklusába és első lépése az adatok beszerzése és kinyerése.	lecke	Jasmine
15	Elemzés	Életciklus	Az adatelemzés életciklusának ezen fázisa az adatok elemzésére fókuszál.	lecke	Jasmine
16	Kommunikáció	Életciklus	Az adatelemzés életciklusának ezen fázisa a végkövetkeztetések bemutatására fókuszál, hogy a döntéshozók számára könnyebben érthető legyen.	lecke	Jalen
17	Adatelemzés a felhőben	Felhőadatok	Ez a leckesorozat bemutatja az adatelemzést a felhőben és annak előnyeit.	lecke	Tiffany és Maud
18	Adatelemzés a felhőben	Felhőadatok	Modellek tréningje alacsony kódolású eszközökkel.	lecke	Tiffany és Maud
19	Adatelemzés a felhőben	Felhőadatok	Modellek telepítése az Azure Machine Learning Studio használatával.	lecke	Tiffany és Maud
20	Adatelemzés a valós világban	A természetben	Adatalapú projektek a való életben.	lecke	Nitya

GitHub Codespaces

Kövesd ezeket a lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben:

1. Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
2. Válaszd a + New codespace-t az alján. További információért nézd meg a GitHub dokumentációt.

VSCode Remote - Konténerek

Kövesd az alábbi lépéseket, hogy ezt a tárolót helyben, a VSCode Remote - Containers bővítmény segítségével egy konténerben nyisd meg:

1. Ha először használsz fejlesztői konténert, győződj meg arról, hogy a rendszered megfelel-e az előfeltételeknek (pl. Docker telepítve van) a kezdő dokumentációban.

Ehhez a tárolóhoz megnyithatod a repót egy különálló Docker kötetben:

Megjegyzés: Alatta a Remote-Containers: Clone Repository in Container Volume... parancs használatos a forráskód Docker kötetbe történő klónozására a helyi fájlrendszer helyett. A kötetek a preferált mechanizmus a konténer-adatok megőrzésére.

Vagy megnyithatsz egy helyileg klónozott vagy letöltött verziót:

• Klónozd ezt a tárolót a helyi fájlrendszeredre.
• Nyomd meg az F1-et, és válaszd a Remote-Containers: Open Folder in Container... parancsot.
• Válaszd ki a klónozott mappát, várd meg, míg a konténer elindul, majd próbáld ki a funkciókat.

Offline hozzáférés

Ezt a dokumentációt offline is futtathatod a Docsify használatával. Forkold ezt a repo-t, telepítsd a Docsify-t a helyi gépedre, majd a repo gyökér mappájában írd be: docsify serve. A weboldal a localhoston, a 3000-es porton lesz elérhető: localhost:3000.

Megjegyzés: a jegyzetfüzetek nem jelennek meg Docsify alatt, így ha futtatnod kell egy jegyzetfüzetet, tedd azt külön a VS Code-ban, Python kernel használatával.

Egyéb tantervek

Csapatunk más tanterveket is készít! Nézd meg:

LangChain

---

Azure / Edge / MCP / Ügynökök

---

Generatív AI Sorozat

---

Alapvető Tanulás

---

Copilot Sorozat

Segítségkérés

Problémába ütközött? Tekintse meg Hibaelhárítási útmutatónkat a gyakori problémák megoldásaiért.

Ha elakad vagy bármilyen kérdése van az AI alkalmazások fejlesztésével kapcsolatban, csatlakozzon tanulótársaihoz és tapasztalt fejlesztőkhöz az MCP körüli beszélgetésekben. Ez egy támogató közösség, ahol a kérdések szívesen fogadottak, és a tudás szabadon megosztott.

Ha termék visszajelzése vagy hibák merülnek fel fejlesztés közben, látogasson el ide:

---

Jogi nyilatkozat: Ezt a dokumentumot az AI fordító szolgáltatás Co-op Translator használatával fordítottuk le. Bár igyekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum a saját nyelvén tekintendő hivatalos forrásnak. Kritikus információk esetén szakmai emberi fordítást javaslunk. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy téves értelmezésekért.