Azure Cloud Advocates v Microsoft s radosťou ponúkajú 10-týždňový, 20-lekčný kurz zameraný na Data Science. Každá lekcia obsahuje predlekčný a poposledný kvíz, písomné inštrukcie na dokončenie lekcie, riešenie a úlohu. Naša projektová pedagogika vám umožňuje učiť sa pri tvorbe, čo je overený spôsob, ako nové zručnosti „zafixovať“.
Srdečná vďaka našim autorom: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Špeciálne poďakovanie 🙏 našim autorom, recenzentom a prispievateľom obsahu z Microsoft Student Ambassador, hlavne 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 pre začiatočníkov - Sketchnote od @nitya |
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 | Khmer | 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
Uprednostňujete klonovanie lokálne?
Tento repozitár obsahuje preklady do viac ako 50 jazykov, čo výrazne zvyšuje veľkosť stiahnutia. Ak chcete klonovať bez prekladov, použite sparse checkout:
Bash / macOS / Linux:
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'CMD (Windows):
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"Toto vám poskytne všetko potrebné na dokončenie kurzu s oveľa rýchlejším stiahnutím.
Ak si želáte, aby boli podporované ďalšie jazyky s prekladmi, sú uvedené tu
Máme prebiehajúcu sériu Learn with AI na Discorde, dozviete sa viac a pripojíte sa na Learn with AI Series od 18. do 30. septembra 2025. Dostanete tipy a triky na používanie GitHub Copilota pre Data Science.
Začnite s nasledujúcimi zdrojmi:
- Stránka pre študentov Na tejto stránke nájdete zdroje pre začiatočníkov, študentské balíky a dokonca aj spôsoby, ako získať bezplatný certifikačný poukaz. Toto je stránka, ktorú si chcete uložiť do záložiek a občas si ju pozrieť, pretože obsah aspoň raz za mesiac meníme.
- Microsoft Learn Student Ambassadors Pridajte sa k globálnej komunite študentských ambasádorov, toto by mohla byť vaša cesta do Microsoftu.
- Inštalačný návod - krok za krokom nastavenie pre začiatočníkov
- Používateľský sprievodca - príklady a bežné pracovné postupy
- Riešenie problémov - riešenia bežných problémov
- Sprievodca prispievania - ako prispieť do tohto projektu
- Pre učiteľov - pedagogické vedenie a materiály do triedy
Úplní začiatočníci: Ste nový v oblasti data science? Začnite s našimi príkladmi vhodnými pre začiatočníkov! Tieto jednoduché, dobre okomentované príklady vám pomôžu pochopiť základy predtým, než sa pustíte do celej osnovy. Študenti: ak chcete používať túto osnovu sami, vytvorte si fork celého repozitára a cvičenia riešte samostatne, začínajúc prednáškovým kvízom. Potom si prečítajte prednášku a dokončite zvyšok aktivít. Pokúste sa vytvoriť projekty pochopením lekcií namiesto kopírovania riešení; tie však nájdete v priečinkoch /solutions v každej projektovo orientovanej lekcii. Ďalším nápadom je založiť študijnú skupinu s priateľmi a prejsť obsah spolu. Na ďalšie štúdium odporúčame Microsoft Learn.
Rýchly štart:
- Skontrolujte Inštalačný návod a nastavte si prostredie
- Prečítajte si Používateľský sprievodca, aby ste sa naučili pracovať s osnovou
- Začnite s Lekciou 1 a pokračujte postupne
- Pridajte sa k našej Discord komunite pre podporu
Učitelia: zahrnuli sme niekoľko návrhov, ako tento učebný plán používať. Radi privítame vaše spätné väzby na našom diskusnom fóre!
Gif od Mohit Jaisal
🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!
Pri tvorbe tohto učebného plánu sme si zvolili dva pedagogické princípy: zabezpečiť, aby bol založený na projektoch a aby obsahoval časté kvízy. Na konci tejto série sa študenti naučia základné princípy dátovej vedy, vrátane etických konceptov, prípravy dát, rôznych spôsobov práce s dátami, vizualizácie dát, analýzy dát, reálnych prípadov použitia dátovej vedy a ďalšie.
Okrem toho kvíz s nízkou záťažou pred hodinou nastavuje študentovi cieľ učiť sa danú tému, zatiaľ čo druhý kvíz po hodine zabezpečuje ďalšie udržanie vedomostí. Tento učebný plán bol navrhnutý tak, aby bol flexibilný a zábavný, a môže byť absolvovaný celý alebo čiastočne. Projekty začínajú malé a postupne sa počas 10 týždňového cyklu stávajú zložitejšími.
Nájdite náš Kódex správania, Príspevky, Preklady pravidlá. Radi privítame vašu konštruktívnu spätnú väzbu!
- Voliteľnú náčrtnú poznámku (sketchnote)
- Voliteľné doplnkové video
- Rozcvičkový kvíz pred lekciou
- Písanú lekciu
- Pre lekcie založené na projektoch, krok za krokom návody na vytvorenie projektu
- Overenia vedomostí
- Výzvu
- Doplnkové čítanie
- Zadanie
- Kvíz po lekcii
Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz-App, celkovo 40 kvízov po tri otázky v každom. Sú prepojené v rámci lekcií, ale aplikáciu kvízov je možné spustiť lokálne alebo nasadiť na Azure; nasledujte inštrukcie v priečinku
quiz-app. Postupne sa lokalizujú.
Noví v dátovej vede? Vytvorili sme špeciálny adresár príkladov so jednoduchým, dobre komentovaným kódom, ktorý vám pomôže začať:
- 🌟 Hello World - Váš prvý program v dátovej vede
- 📂 Načítavanie dát - Naučte sa čítať a skúmať datasety
- 📊 Jednoduchá analýza - Vypočítajte štatistiky a nájdite vzory
- 📈 Základná vizualizácia - Vytvorte grafy a diagramy
- 🔬 Projekt z reálneho sveta - Kompletný pracovný tok od začiatku do konca
Každý príklad obsahuje podrobné komentáre vysvetľujúce každý krok, čo je ideálne pre úplných začiatočníkov!
 |
|---|
| Dátová veda pre začiatočníkov: Plán - Sketchnote od @nitya |
| Číslo lekcie | Téma | Skupina lekcií | Ciele učenia | Prepojená lekcia | Autor |
|---|---|---|---|---|---|
| 01 | Definovanie dátovej vedy | Úvod | Naučte sa základné koncepty dátovej vedy a ako súvisí s umelou inteligenciou, strojovým učením a veľkými dátami. | lekcia video | Dmitry |
| 02 | Etika dátovej vedy | Úvod | Koncepty, výzvy a rámce etiky dát. | lekcia | Nitya |
| 03 | Definovanie dát | Úvod | Ako sa klasifikujú dáta a ich bežné zdroje. | lekcia | Jasmine |
| 04 | Úvod do štatistiky a pravdepodobnosti | Úvod | Matematické techniky pravdepodobnosti a štatistiky na porozumenie dát. | lekcia video | Dmitry |
| 05 | Práca s relačnými dátami | Práca s dátami | Úvod do relačných dát a základy skúmania a analýzy relačných dát pomocou štruktúrovaného dopytovacieho jazyka, známeho ako SQL (vyslovované “see-quell”). | lekcia | Christopher |
| 06 | Práca s NoSQL dátami | Práca s dátami | Úvod do nerelačných dát, ich rôznych typov a základy skúmania a analýzy dokumentových databáz. | lekcia | Jasmine |
| 07 | Práca s Python | Práca s dátami | Základy používania Pythonu na prieskum dát s knižnicami, ako je Pandas. Odporúča sa základné znalosť programovania v Pythone. | lekcia video | Dmitry |
| 08 | Príprava dát | Práca s dátami | Témy o technikách čistenia a transformácie dát na riešenie výziev so chýbajúcimi, nepresnými alebo neúplnými dátami. | lekcia | Jasmine |
| 09 | Vizualizácia množstiev | Vizualizácia dát | Naučte sa používať Matplotlib na vizualizáciu údajov o vtákoch 🦆 | lekcia | Jen |
| 10 | Vizualizácia rozdelení dát | Vizualizácia dát | Vizualizácia pozorovaní a trendov v rámci intervalu. | lekcia | Jen |
| 11 | Vizualizácia pomerov | Vizualizácia dát | Vizualizácia diskrétnych a zoskupených percent. | lekcia | Jen |
| 12 | Vizualizácia vzťahov | Vizualizácia dát | Vizualizácia spojení a korelácií medzi dátovými sadami a ich premennými. | lekcia | Jen |
| 13 | Významné vizualizácie | Vizualizácia dát | Techniky a odporúčania na vytváranie hodnotných vizualizácií pre efektívne riešenie problémov a získavanie poznatkov. | lekcia | Jen |
| 14 | Úvod do životného cyklu dátovej vedy | Životný cyklus | Úvod do životného cyklu dátovej vedy a jeho prvého kroku – získavanie a extrahovanie dát. | lekcia | Jasmine |
| 15 | Analyzovanie | Životný cyklus | Táto fáza životného cyklu dátovej vedy sa zameriava na techniky analýzy dát. | lekcia | Jasmine |
| 16 | Komunikácia | Životný cyklus | Táto fáza životného cyklu dátovej vedy sa zameriava na prezentovanie poznatkov z dát spôsobom, ktorý uľahčuje pochopenie pre rozhodovateľov. | lekcia | Jalen |
| 17 | Dátová veda v cloude | Cloud Data | Táto séria lekcií predstavuje dátovú vedu v cloude a jej výhody. | lekcia | Tiffany a Maud |
| 18 | Dátová veda v cloude | Cloud Data | Tréning modelov pomocou nástrojov Low Code. | lekcia | Tiffany a Maud |
| 19 | Dátová veda v cloude | Cloud Data | Nasadzovanie modelov cez Azure Machine Learning Studio. | lekcia | Tiffany a Maud |
| 20 | Dátová veda v teréne | In the Wild | Projekty založené na dátovej vede v reálnom svete. | lekcia | Nitya |
Postupujte podľa týchto krokov, aby ste otvorili tento príklad v Codespace:
- Kliknite na rozbaľovacie menu Kód a vyberte možnosť Otvoriť v Codespaces.
- Vyberte + Nový codespace v spodnej časti panela. Pre viac informácií pozrite si dokumentáciu GitHub.
Postupujte podľa týchto krokov, aby ste otvorili tento repozitár v kontejnery pomocou vášho lokálneho počítača a VSCode s rozšírením VS Code Remote - Containers:
- Ak používate kontajner na vývoj po prvýkrát, uistite sa, prosím, že váš systém spĺňa požiadavky (t.j. máte nainštalovaný Docker) v dokumentácii pre začiatočníkov.
Pre využitie tohto repozitára môžete buď otvoriť repozitár v izolovanom Docker volume:
Poznámka: Pod kapotou sa použije príkaz Remote-Containers: Clone Repository in Container Volume... na naklonovanie zdrojového kódu do Docker volume namiesto lokálneho súborového systému. Volume sú preferovaný mechanizmus pre uchovávanie dát kontajnera.
Alebo otvorte lokálne naklonovanú alebo stiahnutú verziu repozitára:
- Naklonujte si tento repozitár do lokálneho súborového systému.
- Stlačte F1 a vyberte príkaz Remote-Containers: Open Folder in Container....
- Vyberte naklonovanú kópiu tohto priečinka, počkajte kým sa kontajner spustí, a vyskúšajte to.
Túto dokumentáciu môžete používať aj offline pomocou Docsify. Forknite tento repozitár, nainštalujte Docsify na vašom lokálnom počítači, potom v koreňovom priečinku tohto repozitára zadajte docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhost: localhost:3000.
Poznámka, notebooky sa cez Docsify nevykresľujú, preto ak potrebujete spustiť notebook, robte to samostatne vo VS Code s bežiacim Python kernelom.
Náš tím vytvára aj iné učebné plány! Pozrite si:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Máte problémy? Skontrolujte náš Sprievodca riešením problémov pre riešenia bežných problémov.
Ak ste zablokovaní alebo máte otázky týkajúce sa vývoja AI aplikácií, pripojte sa k ostatným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a vedomosti sa slobodne zdieľajú.
Ak máte spätnú väzbu k produktu alebo narazíte na chyby počas tvorby, navštívte:
Zrieknutie sa zodpovednosti: Tento dokument bol preložený pomocou automatizovanej prekladateľskej služby AI Co-op Translator. Hoci sa snažíme o presnosť, prosím uvedomte si, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by sa mal považovať za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.