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. Nasza pedagogika oparta na projektach pozwala uczyć się podczas tworzenia — sprawdzony sposób, by nowe umiejętności się „przyjęły”.

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

🙏 Szczególne podziękowania 🙏 naszym Microsoft Student Ambassador autorom, recenzentom i współtwórcom 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

🌐 Wielojęzyczne wsparcie

Obsługiwane przez GitHub Action (zautomatyzowane i zawsze aktualne)

Arabski | Bengalski | Bułgarski | Birmański (Myanmar) | Chiński (uproszczony) | Chiński (tradycyjny, Hongkong) | Chiński (tradycyjny, Makau) | 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

Jeśli chcesz, aby dodano kolejne języki tłumaczeń, obsługiwane języki są wymienione tutaj

Dołącz do naszej społeczności

Prowadzimy serię „Learn with AI” na Discordzie — dowiedz się więcej i dołącz do nas na Seria Learn with AI w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące używania GitHub Copilot dla Data Science.

Czy jesteś studentem?

Rozpocznij od następujących zasobów:

• Student Hub page Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na uzyskanie darmowego vouchera na certyfikat. To strona, którą warto dodać do zakładek i od czasu do czasu odwiedzić, ponieważ zawartość jest co najmniej raz w miesiącu aktualizowana.
• Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studenckich — może to być Twoja droga do Microsoftu.

Pierwsze kroki

📚 Dokumentacja

• Installation Guide - Instrukcja krok po kroku instalacji dla początkujących
• Usage Guide - Przykłady i typowe scenariusze pracy
• Troubleshooting - Rozwiązania typowych problemów
• Contributing Guide - Jak wnosić wkład do tego projektu
• For Teachers - Wskazówki dydaktyczne i materiały do zajęć

👨‍🎓 Dla studentów

Complete Beginners: New to data science? Start with our beginner-friendly examples! These simple, well-commented examples will help you understand the basics before diving into the full curriculum. Students: aby korzystać z tego programu samodzielnie, zrób fork całego repozytorium i wykonuj ćwiczenia samodzielnie, zaczynając od quizu przedwykładowego. Następnie przeczytaj wykład i wykonaj pozostałe aktywności. Staraj się tworzyć projekty rozumiejąc lekcje, zamiast kopiować kod rozwiązań; kod jest jednak dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest utworzenie grupy naukowej z przyjaciółmi i wspólne przechodzenie przez materiały. Do dalszej nauki polecamy Microsoft Learn.

Szybki start:

1. Sprawdź Installation Guide, aby skonfigurować swoje środowisko
2. Przejrzyj Usage Guide, aby dowiedzieć się, jak pracować z programem
3. Zacznij od Lekcji 1 i pracuj sekwencyjnie
4. Dołącz do naszej społeczności na Discordzie po wsparcie

👩‍🏫 Dla nauczycieli

Nauczyciele: zamieściliśmy kilka sugestii, jak korzystać z tego programu nauczania. Chętnie poznamy Wasze uwagi na naszym forum dyskusyjnym!

Poznaj zespół

GIF autorstwa Mohit Jaisal

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

Pedagogika

Wybraliśmy dwie zasady pedagogiczne podczas tworzenia tego programu nauczania: oparcie go na projektach oraz włączenie częstych quizów. Na koniec tej serii uczniowie poznają podstawowe zasady data science, w tym koncepcje etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste zastosowania data science i więcej.

Dodatkowo, quiz o niskiej stawce przed zajęciami ustawia intencję ucznia wobec nauki danego tematu, podczas gdy drugi quiz po zajęciach zapewnia lepsze utrwalenie. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny i można go przerobić w całości lub częściowo. Projekty zaczynają się od małych i stopniowo stają się coraz bardziej złożone do końca 10-tygodniowego cyklu.

Znajdź nasz Kodeks postępowania, Zasady współpracy, Wytyczne tłumaczeń. Zachęcamy do konstruktywnej informacji zwrotnej!

Każda lekcja zawiera:

• Opcjonalną notatkę graficzną (sketchnote)
• Opcjonalne wideo uzupełniające
• Quiz rozgrzewkowy przed lekcją
• Lekcję w formie pisemnej
• Dla lekcji projektowych: przewodniki krok po kroku, jak zbudować projekt
• Sprawdzenia wiedzy
• Wyzwanie
• Dodatkowe lektury
• Zadanie
• Quiz po lekcji

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

🎓 Przyjazne początkującym przykłady

Nowy w Data Science? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:

• 🌟 Hello World - Twój pierwszy program w data science
• 📂 Loading Data - Naucz się wczytywać i eksplorować zbiory danych
• 📊 Simple Analysis - Obliczanie statystyk i wyszukiwanie wzorców
• 📈 Basic Visualization - Tworzenie wykresów i diagramów
• 🔬 Real-World Project - Pełny przepływ pracy od początku do końca

Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni je idealnymi dla zupełnych początkujących!

👉 Zacznij od przykładów 👈

Lekcje

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

Numer lekcji	Temat	Grupa lekcji	Cele nauczania	Powiązana lekcja	Autor
01	Definiowanie Data Science	Wprowadzenie	Poznaj podstawowe koncepcje stojące za data science i jak łączy się ono ze sztuczną inteligencją, uczeniem maszynowym i big data.	lekcja video	Dmitry
02	Etyka w Data Science	Wprowadzenie	Koncepcje etyki danych, wyzwania i ramy postępowania.	lekcja	Nitya
03	Definiowanie danych	Wprowadzenie	Jak klasyfikuje się dane i ich typowe źródła.	lekcja	Jasmine
04	Wprowadzenie do statystyki i prawdopodobieństwa	Wprowadzenie	Techniki matematyczne z zakresu prawdopodobieństwa i statystyki do rozumienia danych.	lekcja video	Dmitry
05	Praca z danymi relacyjnymi	Praca z danymi	Wprowadzenie do danych relacyjnych oraz podstaw eksploracji i analizy danych relacyjnych za pomocą języka zapytań strukturalnych, znanego również jako SQL (wymawiane „see-quell”).	lekcja	Christopher
06	Praca z danymi NoSQL	Praca z danymi	Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstaw eksploracji i analizy baz dokumentowych.	lekcja	Jasmine
07	Praca z Pythonem	Praca z danymi	Podstawy używania Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecana jest podstawowa znajomość programowania w Pythonie.	lekcja video	Dmitry
08	Przygotowanie danych	Praca z danymi	Tematy dotyczące technik oczyszczania i transformacji danych, aby radzić sobie z brakującymi, niedokładnymi lub niekompletnymi danymi.	lekcja	Jasmine
09	Wizualizowanie ilości	Wizualizacja danych	Naucz się używać Matplotlib do wizualizacji danych o ptakach 🦆	lekcja	Jen
10	Wizualizacja rozkładów danych	Wizualizacja danych	Wizualizowanie obserwacji i trendów w pewnym przedziale.	lekcja	Jen
11	Wizualizacja proporcji	Wizualizacja danych	Wizualizowanie wartości dyskretnych i udziałów procentowych.	lekcja	Jen
12	Wizualizacja zależności	Wizualizacja danych	Wizualizowanie powiązań i korelacji między zbiorami danych i ich zmiennymi.	lekcja	Jen
13	Sensowne wizualizacje	Wizualizacja danych	Techniki i wskazówki dotyczące tworzenia wizualizacji wartościowych dla efektywnego rozwiązywania problemów i uzyskiwania wglądów.	lekcja	Jen
14	Wprowadzenie do cyklu życia Data Science	Cykl życia	Wprowadzenie do cyklu życia data science i jego pierwszego kroku polegającego na pozyskiwaniu 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	Ta seria lekcji wprowadza data science w chmurze i jej korzyści.	lekcja	Tiffany and Maud
18	Data Science w chmurze	Dane w chmurze	Trenowanie modeli z użyciem narzędzi Low Code.	lekcja	Tiffany and Maud
19	Data Science w chmurze	Dane w chmurze	Wdrażanie modeli za pomocą Azure Machine Learning Studio.	lekcja	Tiffany and Maud
20	Data Science w praktyce	W praktyce	Projekty oparte na data science w rzeczywistym świecie.	lekcja	Nitya

GitHub Codespaces

Wykonaj te kroki, aby otworzyć ten przykład w Codespace:

1. Kliknij rozwijane menu Code i wybierz opcję Open with Codespaces.
2. Wybierz + New codespace u dołu panelu. Po więcej informacji sprawdź dokumentację GitHub.

VSCode Remote - Containers

Wykonaj te kroki, aby otworzyć to repozytorium w kontenerze, używając lokalnego komputera i rozszerzenia VS Code Remote - Containers:

1. Jeśli to Twój pierwszy raz korzystasz z kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. ma zainstalowanego Dockera) w dokumentacji rozpoczynania pracy.

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

Uwaga: Pod spodem użyta zostanie komenda Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy do wolumenu Dockera zamiast do lokalnego systemu plików. Volumes 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 komendę Remote-Containers: Open Folder in Container....
• Wybierz sklonowaną kopię tego folderu, poczekaj aż kontener się uruchomi i wypróbuj różne rzeczy.

Dostęp offline

Możesz uruchomić tę dokumentację offline, używając Docsify. Sforkuj to repo, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w katalogu głównym tego repo wpisz docsify serve. Strona będzie serwowana na porcie 3000 na Twoim localhost: localhost:3000.

Uwaga, notatniki (notebooks) nie będą renderowane przez Docsify, więc gdy będziesz potrzebować uruchomić notatnik, zrób to osobno w VS Code z uruchomionym kernel Pythona.

Inne programy nauczania

Nasz zespół tworzy również inne programy nauczania! Sprawdź:

LangChain

---

Azure / Edge / MCP / Agents

---

Seria Generatywnego AI

---

Podstawowe kursy

---

Seria Copilot

Uzyskiwanie pomocy

Masz problemy? Sprawdź nasz Przewodnik rozwiązywania problemów w poszukiwaniu rozwiązań typowych problemów.

Jeśli utkniesz lub będziesz mieć pytania dotyczące tworzenia aplikacji AI. Dołącz do innych osób uczących się i doświadczonych programistów w dyskusjach o MCP. To wspierająca społeczność, w której pytania są mile widziane, a wiedza jest swobodnie przekazywana.

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

---

Zastrzeżenie: Niniejszy dokument został przetłumaczony przy użyciu usługi tłumaczeń AI Co-op Translator (https://github.com/Azure/co-op-translator). Chociaż dążymy do zachowania dokładności, należy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w języku źródłowym należy traktować jako źródło autorytatywne. W przypadku informacji o krytycznym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.