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 przyswajanie 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 by @nitya

🌐 Wsparcie Wielojęzyczne

Obsługiwane przez GitHub Action (Automatyczne i Zawsze Aktualne)

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 | Korean | Lithuanian | Malay | 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 | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Jeśli chcesz, aby obsługiwane były dodatkowe języki, lista dostępnych 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 co jakiś czas, ponieważ zmieniamy treści przynajmniej raz w miesiącu.
• Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studentów, to może być Twoja droga do Microsoft.

Pierwsze Kroki

📚 Dokumentacja

• Przewodnik Instalacji - Instrukcje krok po kroku dla początkujących
• Przewodnik Użytkowania - Przykłady i typowe przepływy pracy
• Rozwiązywanie Problemów - Rozwiązania typowych problemów
• Przewodnik Współtworzenia - Jak przyczynić się do tego projektu
• Dla Nauczycieli - Wskazówki dydaktyczne i zasoby dla klasy

👨‍🎓 Dla Studentów

Całkowici Początkujący: Nowy w Data Science? Zacznij od naszych przykładów przyjaznych dla początkujących! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy przed zagłębieniem się w pełny program nauczania. Studenci: aby korzystać z tego programu samodzielnie, zrób fork całego repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj resztę aktywności. Spróbuj tworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji projektowej. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez treści. Do dalszej nauki polecamy Microsoft Learn.

Szybki Start:

1. Sprawdź Przewodnik Instalacji, aby skonfigurować swoje środowisko
2. Przejrzyj Przewodnik Użytkowania, aby dowiedzieć się, jak pracować z programem nauczania
3. Zacznij od Lekcji 1 i przechodź kolejno
4. Dołącz do naszej społeczności Discord po wsparcie

👩‍🏫 Dla Nauczycieli

Nauczyciele: zawarte są tutaj sugestie, jak korzystać z tego programu nauczania. Chętnie poznamy Twoją opinię na naszym forum dyskusyjnym!

Poznaj Zespół

Gif by Mohit Jaisal

🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i osobach, które go stworzyły!

Pedagogika

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

Dodatkowo, quiz o niskiej stawce przed zajęciami ustawia intencję ucznia na naukę danego tematu, podczas gdy drugi quiz po zajęciach zapewnia lepsze 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 Zasady postępowania, Wytyczne dotyczące współpracy, Wytyczne dotyczące tłumaczeń. Czekamy na Twoje konstruktywne opinie!

Każda lekcja zawiera:

• Opcjonalny szkic notatek
• Opcjonalne dodatkowe wideo
• Quiz rozgrzewkowy przed lekcją
• Pisemną lekcję
• W przypadku lekcji opartych na projektach, przewodniki krok po kroku, jak zbudować projekt
• Sprawdzenie wiedzy
• Wyzwanie
• Dodatkowe materiały do czytania
• 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 w Azure; postępuj zgodnie z instrukcjami w folderze quiz-app. Są one 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 w nauce o danych
• 📂 Ładowanie danych - Naucz się czytać i eksplorować zestawy danych
• 📊 Prosta analiza - Obliczanie statystyk i znajdowanie wzorców
• 📈 Podstawowa wizualizacja - Tworzenie wykresów i diagramów
• 🔬 Projekt rzeczywisty - 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

Nauka o danych dla początkujących: Mapa drogowa - Szkic notatek autorstwa @nitya

Numer lekcji	Temat	Grupa lekcji	Cele nauczania	Powiązana lekcja	Autor
01	Definiowanie nauki o danych	Wprowadzenie	Poznaj podstawowe pojęcia związane z nauką o danych i jej powiązania z sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja wideo	Dmitry
02	Etyka w nauce o danych	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy.	lekcja	Nitya
03	Definiowanie danych	Wprowadzenie	Jak klasyfikowane są dane i jakie są ich typowe źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Techniki matematyczne statystyki i prawdopodobieństwa do analizy danych.	lekcja wideo	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstaw eksploracji i analizy danych relacyjnych za pomocą SQL.	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 bibliotekami takimi jak Pandas. Zalecana podstawowa znajomość programowania w Pythonie.	lekcja wideo	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie 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 dyskretnych i grupowych procentów.	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 efektywnego rozwiązywania problemów i uzyskiwania wniosków.	lekcja	Jen
14	Wprowadzenie do cyklu życia nauki o danych	Cykl życia	Wprowadzenie do cyklu życia nauki o danych i jego pierwszego kroku, jakim jest pozyskiwanie i ekstrakcja 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 koncentruje 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 za pomocą narzędzi Low Code.	lekcja	Tiffany i Maud
19	Nauka o danych w chmurze	Dane w chmurze	Wdrażanie modeli za pomocą Azure Machine Learning Studio.	lekcja	Tiffany i Maud
20	Nauka o danych w praktyce	W praktyce	Projekty oparte na nauce o danych w rzeczywistych warunkach.	lekcja	Nitya

GitHub Codespaces

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

1. Jeśli to Twój pierwszy raz korzystasz z kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) w dokumentacji wprowadzającej.

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

Uwaga: W tle zostanie użyte polecenie Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy w woluminie Dockera zamiast w lokalnym systemie plików. Woluminy 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 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:

Azure / Edge / MCP / Agents

---

Seria Generatywna AI

---

Podstawowa nauka

---

Seria Copilot

Uzyskiwanie pomocy

Napotkałeś problemy? Sprawdź nasz Przewodnik rozwiązywania problemów, aby znaleźć rozwiązania typowych problemów.

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

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

---

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się zapewnić dokładność, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne 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.