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 dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswojenie nowych umiejętności.

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

🙏 Specjalne podziękowania 🙏 dla naszych Microsoft Student Ambassador autorów, recenzentów i współtwórców treści, 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

🌐 Wsparcie wielojęzyczne

Obsługiwane przez GitHub Action (Automatyczne i zawsze aktualne)

Francuski | Hiszpański | Niemiecki | Rosyjski | Arabski | Perski (Farsi) | Urdu | Chiński (uproszczony) | Chiński (tradycyjny, Makau) | Chiński (tradycyjny, Hongkong) | Chiński (tradycyjny, Tajwan) | Japoński | Koreański | Hindi | Bengalski | Marathi | Nepalski | Punjabi (Gurmukhi) | Portugalski (Portugalia) | Portugalski (Brazylia) | Włoski | Polski | Turecki | Grecki | Tajski | Szwedzki | Duński | Norweski | Fiński | Holenderski | Hebrajski | Wietnamski | Indonezyjski | Malajski | Tagalog (Filipiński) | Suahili | Węgierski | Czeski | Słowacki | Rumuński | Bułgarski | Serbski (cyrylica) | Chorwacki | Słoweński | Ukraiński | Birmański (Myanmar)

Jeśli chcesz, aby obsługiwane były dodatkowe języki, lista dostępnych języków znajduje się tutaj

Dołącz do naszej społeczności

Mamy trwającą serię nauki z AI na Discordzie, dowiedz się więcej i dołącz do nas na Learn with AI Series od 18 do 30 września 2025. Otrzymasz wskazówki i triki dotyczące korzystania z GitHub Copilot w Data Science.

Jesteś studentem?

Rozpocznij od następujących zasobów:

• Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera certyfikacyjnego. To strona, którą warto dodać do zakładek i sprawdzać od czasu do czasu, ponieważ zmieniamy treści co najmniej raz w miesiącu.
• Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studentów, to może być Twoja droga do Microsoft.

Rozpoczęcie

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

Studenci: aby korzystać z tego programu nauczania samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj pozostałe aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji opartej na projekcie. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez treści. Do dalszej nauki polecamy Microsoft Learn.

Poznaj zespół

Gif autorstwa Mohit Jaisal

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

Pedagogika

Podczas tworzenia tego programu nauczania wybraliśmy dwa główne założenia pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii studenci nauczą się podstawowych zasad data science, w tym koncepcji etycznych, przygotowania danych, różnych sposobów pracy z danymi, wizualizacji danych, analizy danych, rzeczywistych przypadków użycia data science i więcej.

Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ustawia intencję studenta na naukę danego tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze utrwalenie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu.

Znajdź nasze Kodeks Postępowania, Wskazówki dotyczące współtworzenia, Wskazówki dotyczące tłumaczenia. Czekamy na Wasze konstruktywne opinie!

Każda lekcja zawiera:

• Opcjonalny sketchnote
• Opcjonalny film uzupełniający
• Quiz rozgrzewkowy przed lekcją
• Pisemną lekcję
• W przypadku lekcji opartych na projektach, przewodniki krok po kroku dotyczące budowy projektu
• Sprawdzanie wiedzy
• Wyzwanie
• Lekturę uzupełniającą
• Zadanie
• Quiz po lekcji

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

Lekcje

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

Numer lekcji	Temat	Grupa lekcji	Cele nauki	Powiązana lekcja	Autor
01	Definiowanie Data Science	Wprowadzenie	Poznaj podstawowe pojęcia związane z data science oraz jego powiązania z sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja wideo	Dmitry
02	Etyka w Data Science	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy działania.	lekcja	Nitya
03	Definiowanie danych	Wprowadzenie	Jak klasyfikować dane i jakie są ich najczęstsze źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Matematyczne techniki prawdopodobieństwa i statystyki w celu zrozumienia danych.	lekcja wideo	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka SQL (wymawiane „si-kłel”).	lekcja	Christopher
06	Praca z danymi NoSQL	Praca z danymi	Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentów.	lekcja	Jasmine
07	Praca z Pythonem	Praca z danymi	Podstawy używania Pythona do eksploracji danych z wykorzystaniem bibliotek takich jak Pandas. Zalecane jest podstawowe zrozumienie programowania w Pythonie.	lekcja wideo	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z wyzwaniami związanymi z brakującymi, niedokładnymi lub niekompletnymi danymi.	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 przedziale.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizacja procentów dyskretnych i grupowych.	lekcja	Jen
12	Wizualizacja relacji	Wizualizacja danych	Wizualizacja połączeń i korelacji między zestawami danych i ich zmiennymi.	lekcja	Jen
13	Znaczące wizualizacje	Wizualizacja danych	Techniki i wskazówki dotyczące tworzenia wartościowych wizualizacji dla skutecznego rozwiązywania problemów i uzyskiwania wniosków.	lekcja	Jen
14	Wprowadzenie do cyklu życia Data Science	Cykl życia	Wprowadzenie do cyklu życia Data Science i jego pierwszego kroku, czyli 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 prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie decydentom.	lekcja	Jalen
17	Data Science w chmurze	Dane w chmurze	Seria lekcji wprowadzająca do Data Science w chmurze i jego 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 za pomocą Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Data Science w praktyce	W praktyce	Projekty oparte na Data Science w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Postępuj zgodnie z poniższymi krokami, 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

Postępuj zgodnie z poniższymi krokami, aby otworzyć to repozytorium w kontenerze za pomocą lokalnego komputera i VSCode, korzystając z rozszerzenia VS Code Remote - Containers:

1. Jeśli korzystasz z kontenerów deweloperskich po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) zgodnie z dokumentacją wprowadzającą.

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

Uwaga: W tle zostanie użyte polecenie Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy w wolumenie Dockera zamiast lokalnego systemu plików. Wolumeny są preferowanym mechanizmem do przechowywania danych kontenera.

Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:

• Sklonuj to repozytorium na lokalny system plików.
• Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
• Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i wypróbuj różne funkcje.

Dostęp offline

Możesz uruchomić tę dokumentację offline, korzystając z Docsify. Sforkuj to repozytorium, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w katalogu głównym tego repozytorium wpisz docsify serve. Strona internetowa zostanie uruchomiona na porcie 3000 na Twoim localhost: localhost:3000.

Uwaga, notatniki nie będą renderowane za pomocą Docsify, więc jeśli potrzebujesz uruchomić notatnik, zrób to osobno w VS Code, uruchamiając jądro Pythona.

Inne programy nauczania

Nasz zespół tworzy inne programy nauczania! Sprawdź:

• Edge AI dla początkujących
• Agent AI dla początkujących
• Generatywna AI dla początkujących
• Generatywna AI dla początkujących .NET
• Generatywna AI z JavaScript
• Generatywna AI z Java
• AI dla początkujących
• Data Science dla początkujących
• Bash dla początkujących
• ML dla początkujących
• Cyberbezpieczeństwo dla początkujących
• Web Dev dla początkujących
• IoT dla początkujących
• Uczenie maszynowe dla początkujących
• Rozwój XR dla początkujących
• Opanowanie GitHub Copilot dla programowania w parach z AI
• Rozwój XR dla początkujących
• Opanowanie GitHub Copilot dla programistów C#/.NET
• Wybierz swoją własną przygodę z Copilotem

---

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.