Data-Science-For-Beginners/translations/sr

Data Science za Početnike - Nastavni Plan

Azure Cloud Advocates u Microsoftu sa zadovoljstvom nude 10-nedeljni, 20-lekciona nastavni plan u potpunosti o Data Science-u. Svaka lekcija uključuje kvizove pre i posle lekcije, pisane instrukcije za izvođenje lekcije, rešenje i zadatak. Naša pedagoška metoda zasnovana na projektima omogućava vam učenje kroz pravljenje, što je dokazani način da nove veštine 'ostanu'.

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

🌐 Višejezička Podrška

Podržano putem GitHub Akcije (Automatski & Uvek Ažurirano)

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

Више волите да клонирате локално?

Ово складиште укључује преводе на преко 50 језика, што знатно повећава величину преузимања. Да бисте клонирали без превода, користите 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'

Ово вам даје све што је потребно да завршите курс са знатно бржим преузимањем.

Ако желите додатне језике превода, они су наведени овде

Придружите се нашој заједници

Имамо текућу серију Learn with AI на Discord-у, сазнајте више и придружите нам се на Learn with AI Series од 18. до 30. септембра, 2025. Ту ћете добијати савете и трикове о коришћењу GitHub Copilot за Data Science.

Јесте ли студент?

Почните са следећим ресурсима:

• Student Hub страница На овој страници ћете пронаћи ресурсе за почетнике, студентске пакете и чак могућности да добијете бесплатан сертификат ваучер. Ово је страница коју требате додати у фаворите и повремено проверавати јер садржај мењамо барем месечно.
• Microsoft Learn Student Ambassadors Придружите се глобалној заједници студентских амбасадора, то може бити ваш пут у Microsoft.

Почетак

📚 Документација

• Водич за инсталацију - Корак по корак упутства за подешавање за почетнике
• Водич за коришћење - Примери и уобичајени радни токови
• Приклад вођење - Решавање уобичајених проблема
• Упутство за допринос - Како допринети овом пројекту
• За наставнике - Водич за предавање и ресурси за учионицу

👨‍🎓 За студенте

Потпуни почетници: Нови сте у Data Science? Почните са нашим примерама прилагођеним почетницима! Ови једноставни, добро коментарисани примери ће вам помоћи да разумете основе пре него што кренете у цео наставни план. Студенти: да користите овај наставни план самостално, форкујте цео репо и радите вежбе сами, почевши са квизом пре предавања. Затим прочитајте предавање и завршите остале активности. Покушајте да креирате пројекте разумејући лекције, а не копирајући код решења; ипак, ти кодови су доступни у фолдерима /solutions за сваку лекцију оријентисану на пројекте. Друга идеја је да формирате студијску групу са пријатељима и прођете кроз садржај заједно. За даље учење препоручујемо Microsoft Learn.

Брзи почетак:

1. Проверите Водич за инсталацију да подесите ваше окружење
2. Прегледајте Водич за коришћење да научите како да користите наставни план
3. Почните са Лецијом 1 и радите редом
4. Придружите се нашој Discord заједници за подршку

👩‍🏫 За наставнике

Наставници: укључили смо неке предлоге како да користите овај наставни план. Волели бисмо ваше повратне информације у нашем форуму за дискусију!

Упознајте тим

Гиф од Мохит Џаисал

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

Педагошка метода

Изабрали смо два педагошка принципа током израде овог курикулума: да буде заснован на пројектима и да укључује честе квизове. На крају ове серије, ученици ће научити основне принципе науке о подацима, укључујући етичке концепте, припрему података, различите начине рада са подацима, визуализацију података, анализа података, примере из стварног света у науци о подацима и још много тога.

Поред тога, квиз са малим утицајем пре часа поставља студенту циљ учења теме, док други квиз након часа осигурава боље задржавање знања. Овај курикулум је креиран да буде флексибилан и забаван и може се узимати у целини или делимично. Пројекти почињу мали, а на крају 10-недељног циклуса постају све сложенији.

Пронађите наше кодекс понашања, упутства за допринос, превођење смернице. Добродошли су вам конструктивни коментари!

Свако поглавље укључује:

• Опциони скицнот
• Опциони додатни видео
• Предчасовни квиз као загревање
• Писана лекција
• За поглавља заснована на пројектима, корак по корак упутства како направити пројекат
• Провере знања
• Изазов
• Додатно читање
• Задатак
• Квиз након часа

Напомена о квизовима: Сви квизови се налазе у фасцикли Quiz-App, укупно 40 квизова са по три питања. Они су повезани унутар лекција, али квиз апликација може да се покреће локално или да се имплементира у Azure; следите упутства у фасцикли quiz-app. Квизови се постепено локализују.

🎓 Примери погодни за почетнике

Нови сте у науци о подацима? Направили смо посебан директоријум са примерима са једноставним, добро коментарисаним кодом да вам помогне да започнете:

• 🌟 Hello World - Ваш први програм из науке о подацима
• 📂 Учитавање података - Научите како да читате и истражујете скупове података
• 📊 Једноставна анализа - Израчунајте статистике и пронађите обрасце
• 📈 Основна визуализација - Креирајте графиконе и дијаграме
• 🔬 Стварни пројекат - Комплетан радни ток од почетка до краја

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

👉 Започните са примерима 👈

Лекције

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

Број лекције	Тема	Група лекција	Циљеви учења	Повезана лекција	Аутор
01	Дефинисање науке о подацима	Увод	Научите основне појмове иза науке о подацима и како је повезана са вештачком интелигенцијом, машинским учењем и великим подацима.	лекција видео	Дмитриј
02	Етика у науци о подацима	Увод	Концепти, изазови и оквири етике података.	лекција	Нитја
03	Дефинисање података	Увод	Како се подаци класификују и њихови уобичајени извори.	лекција	Џасмин
04	Увод у статистику и вероватноћу	Увод	Математичке технике вероватноће и статистике за разумевање података.	лекција видео	Дмитриј
05	Рад са релационим подацима	Рад са подацима	Увод у релационе податке и основе истраживања и анализе релационих података помоћу језика структурисаних упита, познатог као SQL (изговара се „си-квел“).	лекција	Кристофер
06	Рад са NoSQL подацима	Рад са подацима	Увод у нерелационе податке, њихове различите типове и основе истраживања и анализе докумената у базама података.	лекција	Џасмин
07	Рад са Python-ом	Рад са подацима	Основе коришћења Python-а за истраживање података уз помоћ библиотека као што је Pandas. Препоручује се основно разумевање програмирања у Python-у.	лекција видео	Дмитриј
08	Припрема података	Рад са подацима	Теме о техникама чишћења и трансформације података како би се решавали изазови недостајућих, нетачних или непотпуних података.	лекција	Џасмин
09	Визуализација количина	Визуализација података	Научите како да користите Matplotlib за визуализацију података о птицама 🦆	лекција	Џен
10	Визуализација расподеле података	Визуализација података	Визуализација посматрања и трендова унутар интервала.	лекција	Џен
11	Визуализација пропорција	Визуализација података	Визуализација дискретних и груписаних процената.	лекција	Џен
12	Визуализација односа	Визуализација података	Визуализација веза и корелација између скупова података и њихових варијабли.	лекција	Џен
13	Значајне визуализације	Визуализација података	Технике и смернице за прављење вредних визуализација за ефикасно решавање проблема и стицање увида.	лекција	Џен
14	Увод у животни циклус науке о подацима	Животни циклус	Увод у животни циклус науке о подацима и његов први корак – прибављање и екстракцију података.	лекција	Џасмин
15	Анализа	Животни циклус	Ова фаза животног циклуса науке о подацима фокусира се на технике анализе података.	лекција	Џасмин
16	Комуникација	Животни циклус	Ова фаза животног циклуса науке о подацима фокусира се на представљање увида из података на начин да буде лакше разумљиво доносилацима одлука.	лекција	Џејлен
17	Наука о подацима у облаку	Облак подаци	Ова серија лекција уводи науку о подацима у облаку и њене предности.	лекција	Тифани и Мауд
18	Наука о подацима у облаку	Облак подаци	Тренирање модела користећи Low Code алате.	лекција	Тифани и Мауд
19	Наука о подацима у облаку	Облак подаци	Деплоирање 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	Нитја

GitHub Codespaces

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

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

VSCode Remote - Containers

Пратите ове кораке да бисте отворили овај репозиторијум у контејнеру користећи ваш локални рачунар и VSCode помоћу екстензије VS Code Remote - Containers:

1. Уколико први пут користите развојни контејнер, проверите да ли ваш систем испуњава предуслове (нпр. да ли је Docker инсталиран) у документацији за почетак рада.

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

Напомена: У позадини, ово ће користити команду Remote-Containers: Clone Repository in Container Volume... да клонира изворни код у Docker волумен уместо у локални фајл систем. Volumeni су препоручени механизам за трајно чување података контејнера.

Или отворите локално клониран или скинут пример:

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

Оффлине приступ

Можете покретати ову документацију оффлине користећи Docsify. Направите форк овог репозиторијума, инсталирајте Docsify на вашем локалном рачунару, а затим у коренској фасцикли овог репозиторијума укуцајте docsify serve. Вебсајт ће бити доступан на порту 3000 на вашем локалном серверу: localhost:3000.

Напомена, белешке се неће приказивати преко Docsify-а, тако да када треба да користите белешку, покрените је посебно у VS Code користећи Python кернел.

Други курикулуми

Наш тим производи и друге курикулуме! Погледајте:

LangChain

---

Azure / Edge / MCP / Агенти

---

Сериија генеративне AI

---

Основно учење

---

Сериија Copilot

Како добити помоћ

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

Ако запнете или имате питања о грађењу AI апликација, придружите се другим ученицима и искусним програмерима у дискусијама о MCP. То је подржана заједница где су питања добродошла, а знање се слободно дели.

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

---

Изјава о ограничењу одговорности: Овај документ је преведен коришћењем услуге аутоматског превођења Co-op Translator. Иако се трудимо да обезбедимо тачност, молимо имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Изворни документ на његовом матичном језику треба сматрати званичним и ауторитетним извором. За критичне информације препоручује се професионални превод од стране стручног лица. Нисмо одговорни за било какве неспоразуме или погрешна тумачења настала коришћењем овог превода.