Data-Science-For-Beginners/translations/pl

Data Science dla Początkujących - Program Nauczania

Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-lekcyjny program nauczania poświęcony Data Science. Każda lekcja zawiera quiz przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasza oparta na projektach pedagogika pozwala uczyć się podczas tworzenia, co jest sprawdzonym sposobem, aby nowe umiejętności „pozostały”.

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 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 - Sketchnote autorstwa @nitya

🌐 Wielojęzyczne wsparcie

Wsparcie poprzez GitHub Action (zautomatyzowane i zawsze aktualne)

Arabic | Bengali | Bułgarski | Birmański (Myanmar) | Chiński (uproszczony) | Chiński (tradycyjny, Hong Kong) | Chiński (tradycyjny, Macau) | Chiński (tradycyjny, Tajwan) | Chorwacki | Czeski | Duński | Holenderski | Estoński | Fiński | Francuski | Niemiecki | Grecki | Hebrajski | Hindi | Węgierski | Indonezyjski | Włoski | Japoński | Kannada | Koreański | Litewski | Malajski | Malajalam | Marathi | Nepalski | Nigeryjski Pidgin | Norweski | Perski (Farsi) | Polski | Portugalski (Brazylia) | Portugalski (Portugalia) | Pendżabski (Gurmukhi) | Rumuński | Rosyjski | Serbski (cyrylica) | Słowacki | Słoweński | Hiszpański | Suahili | Szwedzki | Tagalog (Filipiński) | Tamilski | Telugu | Tajski | Turecki | Ukraiński | Urdu | Wietnamski

Wolisz sklonować lokalnie?

To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie 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'

To da Ci wszystko, czego potrzebujesz, aby ukończyć kurs z dużo szybszym pobraniem.

Jeśli chcesz, aby dodatkowe języki tłumaczeń były wspierane, są one wymienione tutaj

Dołącz do naszej społeczności

Mamy trwającą serię Discord Learn with AI, dowiedz się więcej i dołącz do nas na Learn with AI Series w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące używania GitHub Copilot w Data Science.

Jesteś studentem?

Zacznij od następujących zasobów:

• Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety studenckie i nawet sposoby na zdobycie darmowego vouchera na certyfikat. To jedna strona, którą warto dodać do ulubionych i regularnie sprawdzać, ponieważ zawartość jest zmieniana co najmniej raz w miesiącu.
• Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studenckich, może to być Twoja droga do Microsoft.

Zacznijmy

📚 Dokumentacja

• Przewodnik instalacji - Instrukcje krok po kroku dla początkujących
• Przewodnik użytkowania - Przykłady i popularne przepływy pracy
• Rozwiązywanie problemów - Rozwiązania typowych problemów
• Przewodnik współtworzenia - Jak współtworzyć ten projekt
• Dla nauczycieli - Wskazówki dydaktyczne i materiały do klasy

👨‍🎓 Dla studentów

Całkowicie początkujący: Nowy w data science? Zacznij od naszych przykładów dla początkujących! Te proste, bogato komentowane przykłady pomogą Ci zrozumieć podstawy zanim przejdziesz do pełnego programu. Studenci: aby korzystać z programu samodzielnie, utwórz fork całego repozytorium i wykonuj ćwiczenia samodzielnie, zaczynając od quizu przed wykładem. Następnie przeczytaj wykład i wykonaj pozostałe zadania. Staraj się tworzyć projekty rozumiejąc lekcje, a nie tylko kopiując kod rozwiązań; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji skupionej na projekcie. Innym pomysłem jest utworzenie grupy nauki z przyjaciółmi i wspólne przerabianie materiału. Do dalszej nauki rekomendujemy Microsoft Learn.

Szybki start:

1. Sprawdź Przewodnik instalacji, aby skonfigurować środowisko
2. Przejrzyj Przewodnik użytkowania, aby nauczyć się pracy z programem
3. Zacznij od Lekcji 1 i pracuj po kolei
4. Dołącz do naszej społeczności Discord po wsparcie

👩‍🏫 Dla nauczycieli

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

Poznaj Zespół

Gif autorstwa Mohit Jaisal

🎥 Kliknij powyższy obraz, aby zobaczyć film o projekcie i ludziach, którzy go stworzyli!

Pedagogika

Wybraliśmy dwie zasady pedagogiczne podczas tworzenia tego programu nauczania: zapewnienie, że jest oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii uczniowie poznają podstawowe zasady nauki o danych, w tym zagadnienia etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste przypadki użycia nauki o danych i więcej.

Dodatkowo, mało stresujący quiz przed lekcją nastawia ucznia na naukę danego tematu, podczas gdy drugi quiz po lekcji zapewnia lepsze zapamiętanie materiału. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od małych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu.

Znajdź nasze Zasady zachowania, Zasady współtworzenia, Tłumaczenia. Czekamy na Twoją konstruktywną opinię!

Każda lekcja zawiera:

• Opcjonalną notatkę wizualną (sketchnote)
• Opcjonalny film uzupełniający
• Quiz rozgrzewający przed lekcją
• Lekcję pisaną
• W przypadku lekcji opartych na projektach, instrukcje krok po kroku jak zbudować projekt
• Sprawdziany wiedzy
• Wyzwanie
• Materiały uzupełniające do czytania
• Zadanie domowe
• Quiz po lekcji

Uwaga na temat quizów: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Są stopniowo lokalizowane.

🎓 Przykłady przyjazne dla początkujących

Nowy w nauce o danych? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze skomentowanym kodem, aby pomóc Ci zacząć:

• 🌟 Hello World – Twój pierwszy program nauki o danych
• 📂 Ładowanie danych – Naucz się czytać i eksplorować zbiory danych
• 📊 Prosta analiza – Oblicz statystyki i znajdź wzorce
• 📈 Podstawowa wizualizacja – Twórz wykresy i diagramy
• 🔬 Projekt z prawdziwego świata – 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: mapa drogowa - Notatka wizualna autorstwa @nitya

Numer lekcji	Temat	Grupa lekcji	Cele nauczania	Powiązana lekcja	Autor
01	Definicja nauki o danych	Wprowadzenie	Poznaj podstawowe koncepcje nauki o danych oraz jak wiąże się ona ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja film	Dmitry
02	Etyka w nauce o danych	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy postępowania.	lekcja	Nitya
03	Definicja danych	Wprowadzenie	Jak klasyfikowane są dane i ich typowe źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i rachunku prawdopodobieństwa	Wprowadzenie	Matematyczne techniki prawdopodobieństwa i statystyki do zrozumienia danych.	lekcja film	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych przy użyciu języka Structured Query Language, znanego jako SQL (czyt. „si-kju-el”).	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 użyciem bibliotek takich jak Pandas. Zalecane podstawy programowania w Pythonie.	lekcja film	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i przekształcania danych, aby radzić sobie z problemami brakujących, nieprawidłowych lub niekompletnych danych.	lekcja	Jasmine
09	Wizualizacja ilości	Wizualizacja danych	Naucz się używać Matplotlib do wizualizacji danych o ptakach 🦆	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 grupowanych 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 wizualizacje wartościowe dla skutecznego rozwiązywania problemów i uzyskiwania wglądów.	lekcja	Jen
14	Wprowadzenie do cyklu życia nauki o danych	Cykl życia	Wprowadzenie do cyklu życia nauki o danych i jego pierwszego kroku, pozyskiwania i ekstrakcji danych.	lekcja	Jasmine
15	Analiza	Cykl życia	Ta faza cyklu życia nauki o danych koncentruje się na technikach analizy danych.	lekcja	Jasmine
16	Komunikacja	Cykl życia	Ta faza cyklu życia nauki o danych skupia się na prezentowaniu wniosków z danych w sposób ułatwiający zrozumienie decydentom.	lekcja	Jalen
17	Nauka o danych w chmurze	Dane w chmurze	Ta seria lekcji wprowadza naukę o danych w chmurze i jej korzyści.	lekcja	Tiffany i Maud
18	Nauka o danych w chmurze	Dane w chmurze	Trenowanie modeli przy użyciu narzędzi Low Code.	lekcja	Tiffany i Maud
19	Nauka o danych w chmurze	Dane w chmurze	Wdrażanie modeli przy pomocy Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Nauka o danych w praktyce	W praktyce	Projekty nauki o danych w świecie rzeczywistym.	lekcja	Nitya

GitHub Codespaces

Wykonaj te kroki, aby otworzyć ten przykład w Codespace:

1. Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces.
2. Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w dokumentacji GitHub.

VSCode Remote - Containers

Wykonaj te kroki, aby otworzyć to repozytorium w kontenerze używając swojej lokalnej maszyny i VSCode oraz rozszerzenia VS Code Remote - Containers:

1. Jeśli używasz kontenera deweloperskiego po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowany Docker) opisane w dokumentacji rozpoczęcia pracy.

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

Uwaga: Pod spodem będzie używane polecenie Remote-Containers: Clone Repository in Container Volume..., które klonuje kod źródłowy do wolumenu Dockera zamiast do lokalnego systemu plików. Wolumeny są preferowanym mechanizmem do przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

• Sklonuj to repozytorium na swój lokalny system plików.
• Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
• Wybierz sklonowaną kopię tego folderu, poczekaj, aż kontener się uruchomi, i rozpocznij pracę.

Dostęp offline

Możesz uruchomić tę dokumentację offline, używając Docsify. Sforkuj to repozytorium, zainstaluj Docsify na swojej lokalnej maszynie, następnie w katalogu głównym tego repozytorium wpisz docsify serve. Strona będzie dostępna pod adresem localhost:3000.

Uwaga, notatniki (notebooks) nie będą renderowane przez Docsify, więc jeśli potrzebujesz uruchomić notatnik, zrób to oddzielnie w VS Code z uruchomionym kernellem Pythona.

Inne programy nauczania

Nasz zespół tworzy także inne programy nauczania! Sprawdź:

LangChain

---

Azure / Edge / MCP / Agenci

---

Seria Generatywnej AI

---

Core Learning

---

Seria Copilot

Uzyskanie pomocy

Napotykałeś problemy? Sprawdź nasz Przewodnik rozwiązywania problemów z rozwiązaniami najczęstszych problemów.

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

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

---

Zastrzeżenie: Dokument ten został przetłumaczony przy użyciu usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy starań, aby tłumaczenie było jak najbardziej precyzyjne, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym należy traktować jako źródło nadrzędne. W przypadku istotnych informacji zaleca się skorzystanie z usług profesjonalnego tłumacza. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.