BethanyJep
c664b0f05d
|
4 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 5 months ago | |
| 2-Working-With-Data | 5 months ago | |
| 3-Data-Visualization | 5 months ago | |
| 4-Data-Science-Lifecycle | 5 months ago | |
| 5-Data-Science-In-Cloud | 5 months ago | |
| 6-Data-Science-In-Wild | 5 months ago | |
| docs | 6 months ago | |
| quiz-app | 6 months ago | |
| sketchnotes | 6 months ago | |
| AGENTS.md | 4 months ago | |
| CODE_OF_CONDUCT.md | 6 months ago | |
| CONTRIBUTING.md | 6 months ago | |
| README.md | 4 months ago | |
| SECURITY.md | 6 months ago | |
| SUPPORT.md | 6 months ago | |
| for-teachers.md | 5 months ago | |
README.md
Data Science pro začátečníky - Kurikulum
Azure Cloud Advocates ve společnosti Microsoft s potěšením nabízejí 10týdenní kurikulum s 20 lekcemi zaměřenými na datovou vědu. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení a úkol. Náš přístup založený na projektech vám umožní učit se při tvorbě, což je osvědčený způsob, jak si nové dovednosti lépe osvojit.
Velké díky našim autorům: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Speciální poděkování 🙏 našim Microsoft Student Ambassador autorům, recenzentům a přispěvatelům obsahu, zejména 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
 |
|---|
| Datová věda pro začátečníky - Sketchnote od @nitya |
🌐 Podpora více jazyků
Podporováno prostřednictvím GitHub Action (automatizované a vždy aktuální)
Francouzština | Španělština | Němčina | Ruština | Arabština | Perština (Farsi) | Urdu | Čínština (zjednodušená) | Čínština (tradiční, Macao) | Čínština (tradiční, Hongkong) | Čínština (tradiční, Tchaj-wan) | Japonština | Korejština | Hindština | Bengálština | Maráthština | Nepálština | Paňdžábština (Gurmukhi) | Portugalština (Portugalsko) | Portugalština (Brazílie) | Italština | Polština | Turečtina | Řečtina | Thajština | Švédština | Dánština | Norština | Finština | Nizozemština | Hebrejština | Vietnamština | Indonéština | Malajština | Tagalog (Filipíny) | Svahilština | Maďarština | Čeština | Slovenština | Rumunština | Bulharština | Srbština (cyrilice) | Chorvatština | Slovinština | Ukrajinština | Barmština (Myanmar)
Pokud si přejete přidat další překlady, seznam podporovaných jazyků najdete zde
Připojte se k naší komunitě
Máme probíhající sérii Learn with AI na Discordu, dozvíte se více a připojte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro datovou vědu.
Jste student?
Začněte s následujícími zdroji:
- Stránka Student Hub Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce způsoby, jak získat voucher na certifikaci zdarma. Tuto stránku si určitě uložte a pravidelně kontrolujte, protože obsah měníme alespoň jednou měsíčně.
- Microsoft Learn Student Ambassadors Připojte se ke globální komunitě studentských ambasadorů, může to být vaše cesta do Microsoftu.
Začínáme
Učitelé: zahrnuli jsme několik návrhů, jak toto kurikulum využít. Budeme rádi za vaši zpětnou vazbu v našem diskusním fóru!
Studenti: pokud chcete toto kurikulum používat samostatně, vytvořte si vlastní kopii celého repozitáře a dokončete cvičení sami, začněte kvízem před lekcí. Poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení kódu; tento kód je však dostupný ve složkách /solutions v každé lekci zaměřené na projekt. Dalším nápadem by bylo vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.
Seznamte se s týmem
Gif vytvořil Mohit Jaisal
🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!
Pedagogika
Při tvorbě tohoto kurikula jsme zvolili dva pedagogické principy: zajistit, aby bylo založeno na projektech, a zahrnout časté kvízy. Na konci této série se studenti naučí základní principy datové vědy, včetně etických konceptů, přípravy dat, různých způsobů práce s daty, vizualizace dat, analýzy dat, reálných případů použití datové vědy a další.
Kromě toho nízkostresový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí lepší zapamatování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné, a lze ho absolvovat celé nebo jen jeho části. Projekty začínají malými úkoly a postupně se stávají složitějšími na konci 10týdenního cyklu.
Najděte naše Pravidla chování, Pokyny pro přispívání, Pokyny pro překlady. Uvítáme vaši konstruktivní zpětnou vazbu!
Každá lekce obsahuje:
- Volitelný sketchnote
- Volitelné doplňkové video
- Kvíz na zahřátí před lekcí
- Písemná lekce
- U lekcí založených na projektech podrobné pokyny, jak projekt vytvořit
- Kontroly znalostí
- Výzvu
- Doplňkové čtení
- Úkol
- Kvíz po lekci
Poznámka ke kvízům: Všechny kvízy jsou obsaženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny v rámci lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce
quiz-app. Postupně jsou lokalizovány.
Lekce
 |
|---|
| Data Science pro začátečníky: Plán - Sketchnote od @nitya |
| Číslo lekce | Téma | Skupina lekcí | Cíle učení | Odkaz na lekci | Autor |
|---|---|---|---|---|---|
| 01 | Definování datové vědy | Úvod | Naučte se základní koncepty datové vědy a jak souvisí s umělou inteligencí, strojovým učením a velkými daty. | lekce video | Dmitry |
| 02 | Etika datové vědy | Úvod | Koncepty etiky dat, výzvy a rámce. | lekce | Nitya |
| 03 | Definování dat | Úvod | Jak jsou data klasifikována a jejich běžné zdroje. | lekce | Jasmine |
| 04 | Úvod do statistiky a pravděpodobnosti | Úvod | Matematické techniky pravděpodobnosti a statistiky pro pochopení dat. | lekce video | Dmitry |
| 05 | Práce s relačními daty | Práce s daty | Úvod do relačních dat a základy zkoumání a analýzy relačních dat pomocí Structured Query Language, známého jako SQL (čti „sí-kvel“). | lekce | Christopher |
| 06 | Práce s NoSQL daty | Práce s daty | Úvod do nerelačních dat, jejich různých typů a základy zkoumání a analýzy dokumentových databází. | lekce | Jasmine |
| 07 | Práce s Pythonem | Práce s daty | Základy používání Pythonu pro zkoumání dat s knihovnami jako Pandas. Doporučuje se základní znalost programování v Pythonu. | lekce video | Dmitry |
| 08 | Příprava dat | Práce s daty | Témata o technikách čištění a transformace dat pro řešení problémů s chybějícími, nepřesnými nebo neúplnými daty. | lekce | Jasmine |
| 09 | Vizualizace množství | Vizualizace dat | Naučte se používat Matplotlib k vizualizaci dat o ptácích 🦆 | lekce | Jen |
| 10 | Vizualizace rozložení dat | Vizualizace dat | Vizualizace pozorování a trendů v rámci intervalu. | lekce | Jen |
| 11 | Vizualizace proporcí | Vizualizace dat | Vizualizace diskrétních a seskupených procent. | lekce | Jen |
| 12 | Vizualizace vztahů | Vizualizace dat | Vizualizace spojení a korelací mezi datovými sadami a jejich proměnnými. | lekce | Jen |
| 13 | Smysluplné vizualizace | Vizualizace dat | Techniky a doporučení pro vytváření vizualizací, které jsou hodnotné pro efektivní řešení problémů a získávání poznatků. | lekce | Jen |
| 14 | Úvod do životního cyklu datové vědy | Životní cyklus | Úvod do životního cyklu datové vědy a jeho první krok - získávání a extrakce dat. | lekce | Jasmine |
| 15 | Analýza | Životní cyklus | Tato fáze životního cyklu datové vědy se zaměřuje na techniky analýzy dat. | lekce | Jasmine |
| 16 | Komunikace | Životní cyklus | Tato fáze životního cyklu datové vědy se zaměřuje na prezentaci poznatků z dat způsobem, který usnadňuje jejich pochopení pro rozhodovací orgány. | lekce | Jalen |
| 17 | Datová věda v cloudu | Cloudová data | Tato série lekcí představuje datovou vědu v cloudu a její výhody. | lekce | Tiffany a Maud |
| 18 | Datová věda v cloudu | Cloudová data | Trénování modelů pomocí nástrojů s nízkým kódem. | lekce | Tiffany a Maud |
| 19 | Datová věda v cloudu | Cloudová data | Nasazení modelů pomocí Azure Machine Learning Studio. | lekce | Tiffany a Maud |
| 20 | Datová věda v praxi | V praxi | Projekty řízené datovou vědou v reálném světě. | lekce | Nitya |
GitHub Codespaces
Postupujte podle těchto kroků pro otevření tohoto příkladu v Codespace:
- Klikněte na rozbalovací nabídku Code a vyberte možnost Open with Codespaces.
- Vyberte + New codespace ve spodní části panelu. Pro více informací si přečtěte dokumentaci GitHubu.
VSCode Remote - Containers
Postupujte podle těchto kroků pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:
- Pokud je to poprvé, co používáte vývojový kontejner, ujistěte se, že váš systém splňuje předpoklady (např. máte nainstalovaný Docker) podle dokumentace pro začátečníky.
Pro použití tohoto repozitáře jej můžete buď otevřít v izolovaném Docker svazku:
Poznámka: V zákulisí se použije příkaz Remote-Containers: Clone Repository in Container Volume... pro klonování zdrojového kódu do Docker svazku místo lokálního souborového systému. Svazky jsou preferovaným mechanismem pro uchovávání dat kontejneru.
Nebo otevřete lokálně klonovanou nebo staženou verzi repozitáře:
- Klonujte tento repozitář do svého lokálního souborového systému.
- Stiskněte F1 a vyberte příkaz Remote-Containers: Open Folder in Container....
- Vyberte klonovanou kopii této složky, počkejte, až se kontejner spustí, a vyzkoušejte si to.
Offline přístup
Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na svůj lokální počítač, poté v kořenové složce tohoto repozitáře napište docsify serve. Webová stránka bude spuštěna na portu 3000 na vašem localhostu: localhost:3000.
Poznámka: Notebooky nebudou přes Docsify vykresleny, takže pokud potřebujete spustit notebook, udělejte to samostatně ve VS Code s běžícím Python jádrem.
Další kurzy
Náš tým vytváří i další kurzy! Podívejte se na:
- Edge AI pro začátečníky
- AI agenti pro začátečníky
- Generativní AI pro začátečníky
- Generativní AI pro začátečníky .NET
- Generativní AI s JavaScriptem
- Generativní AI s Javou
- AI pro začátečníky
- Datová věda pro začátečníky
- Bash pro začátečníky
- ML pro začátečníky
- Kybernetická bezpečnost pro začátečníky
- Webový vývoj pro začátečníky
- IoT pro začátečníky
- Strojové učení pro začátečníky
- Vývoj XR pro začátečníky
- Ovládnutí GitHub Copilot pro párové programování AI
- Vývoj XR pro začátečníky
- Ovládnutí GitHub Copilot pro vývojáře C#/.NET
- Vyberte si vlastní dobrodružství s Copilotem
Získání pomoci
Pokud se zaseknete nebo máte jakékoliv dotazy ohledně vytváření AI aplikací, připojte se:
Pokud máte zpětnou vazbu k produktu nebo narazíte na chyby při vývoji, navštivte:
Prohlášení:
Tento dokument byl přeložen pomocí služby AI pro překlady Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.