A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tantervet, amely teljes egészében az adattudományról szól. Minden leckéhez tartozik elő- és utóvizsga, írott útmutató a lecke elvégzéséhez, megoldás és feladat. Projektalapú tanítási módszerünk lehetővé teszi, hogy tanulás közben építsd fel a tudásodat, ami bevált módja az új készségek „megragadásának”.
Hálás köszönet a szerzőinknek: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Külön köszönet 🙏 Microsoft Student Ambassador szerzőinknek, lektorainknak és tartalomszolgáltatóinknak, különösen Aaryan Arorának, Aditya Garg -nak, Alondra Sanchez -nak, Ankita Singh -nek, Anupam Mishra -nak, Arpita Das -nak, ChhailBihari Dubey-nek, Dibri Nsofor -nak, Dishita Bhasin -nek, 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
 |
|---|
| Adattudomány kezdőknek - Szabadkézi jegyzet @nitya által |
Arab | Bengáli | Bolgár | Burmese (Myanmar) | Kínai (Egyszerűsített) | Kínai (Hagyományos, Hongkong) | Kínai (Hagyományos, Makaó) | Kínai (Hagyományos, Tajvan) | Horvát | Cseh | Dán | Holland | Észt | Finn | Francia | Német | Görög | Hebrew | Hindi | Magyar | Indonéz | Olasz | Japán | Kannada | Koreai | Litván | Maláj | Malayalam | Marathi | Nepáli | Nigériai Pidgin | Norvég | Perzsa (Farsi) | Lengyel | Portugál (Brazília) | Portugál (Portugália) | Pandzsábi (Gurmukhi) | Román | Orosz | Szerb (Cirill) | Szlovák | Szlovén | Spanyol | Svahili | Svéd | Tagalog (Filippínó) | Tamil | Telugu | Thai | Török | Ukrán | Urdu | Vietnami
Előnyben részesíted a helyi klónozást?
Ez a tárhely 50+ nyelvű fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd letölteni, használd a szelektív checkoutot:
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"Ez mindent megad, amire szükséged van a tanfolyam elvégzéséhez, sokkal gyorsabb letöltéssel.
Ha további fordítási nyelveket szeretnél, a támogatott nyelvek itt találhatók: itt
Discord tanulj AI-val sorozatunk folyamatos, ismerd meg és csatlakozz hozzánk a Learn with AI Series oldalon 2025. szeptember 18-30 között. Tippeket és trükköket kapsz a GitHub Copilot használatához adattudományban.
Indulj el az alábbi forrásokkal:
- Diák központ oldal Ezen az oldalon kezdő erőforrásokat, diákcsomagokat, sőt módokat is találsz ingyenes tanúsítvány utalvány megszerzésére. Ezt az oldalt érdemes könyvjelzőzni és időről időre megnézni, mert legalább havonta frissítjük a tartalmat.
- Microsoft Learn Student Ambassadors Csatlakozz egy globális diákközösséghez, ez lehet a belépőd a Microsofthoz.
- Telepítési útmutató – Lépésről lépésre szóló beállítási útmutató kezdőknek
- Használati útmutató – Példák és gyakori munkafolyamatok
- Hibaelhárítás – Gyakori problémák megoldásai
- Hozzájárulási útmutató – Hogyan járulhatsz hozzá ehhez a projekthez
- Tanári segédanyagok – Oktatási útmutatók és tantermi erőforrások
Teljesen kezdőknek: Új vagy az adattudományban? Kezdd a kezdőbarát példáinkkal! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belevágsz az egész tantervbe. Diákok: hogy önállóan használd ezt a tantervet, forkolj le az egész repót, és végezd el egyedül a gyakorlatokat, kezdve egy előadás előtti kvízzel. Ezután olvasd el az előadást, és végezd el a többi tevékenységet. Próbáld meg a projekteket a leckék megértésével elkészíteni, ne csak másold a megoldás kódokat; ez a kód azonban elérhető a /solutions mappákban minden projektorientált leckénél. Egy másik ötlet lehet barátokkal tanulócsoportot alakítani és együtt átmenni a tartalmon. További gyakorláshoz ajánljuk a Microsoft Learn szolgáltatást.
Gyors kezdés:
- Nézd át a Telepítési útmutatót, hogy beállítsd a környezetedet
- Tekintsd át a Használati útmutatót, hogy megtanuld kezelni a tananyagot
- Kezdj az 1. leckével, és haladj sorban
- Csatlakozz Discord közösségünkhöz támogatásért: Discord közösség
Tanárok: beletettünk néhány javaslatot arra vonatkozóan, hogyan használjátok ezt a tananyagot. Nagyon örülnénk a visszajelzéseteknek a vitafórumunkon!
Gif készítője: Mohit Jaisal
🎥 Kattints a fenti képre egy videóért a projektről és az alkotóiról!
A tananyag felépítése során két pedagógiai alaptételt választottunk: hogy projektalapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a tanulók elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, adat-előkészítést, az adatokkal való különféle munkamódszereket, adatvizualizációt, adatelemzést, az adattudomány valós világban való alkalmazási eseteit és még sok mást.
Ezen felül az óra előtti alacsony kockázatú kvíz beállítja a tanuló szándékát egy téma megismerésére, míg a második kvíz az óra után segíti a további megőrzést. A tananyagot rugalmasra és szórakoztatóra terveztük, és egészében vagy részleteiben is elvégezhető. A projektek kicsiben indulnak, és a 10 hetes ciklus végére egyre összetettebbé válnak.
Találd meg a Magatartási kódexünket, a Hozzájárulási és a Fordítási irányelveket. Várjuk építő jellegű visszajelzéseiteket!
- Opcionális összefoglaló
- Opcionális kiegészítő videó
- Óra előtti bemelegítő kvíz
- Írott lecke
- Projektalapú leckékhez lépésről lépésre útmutatók a projekt elkészítéséhez
- Tudásellenőrzések
- Egy kihívás
- Kiegészítő olvasmány
- Óra utáni kvíz
Megjegyzés a kvízekről: Minden kvíz a Quiz-App mappában található, összesen 40, három kérdésből álló kvíz. Ezek be vannak linkelve a leckékben, de a kvízalkalmazás helyileg is futtatható vagy telepíthető az Azure-ba; kövesd az útmutatást a
quiz-appmappában. Folyamatosan lokalizáljuk őket.
Új vagy az adatelemzésben? Külön példakönyvtárat hoztunk létre egyszerű, jól kommentált kóddal, hogy segítsünk az indulásban:
- 🌟 Hello World - Az első adatelemző programod
- 📂 Adatok betöltése - Tanuld meg adatállományok olvasását és feltérképezését
- 📊 Egyszerű elemzés - Statisztikák számítása és minták keresése
- 📈 Alapvető vizualizáció - Diagramok és grafikonok készítése
- 🔬 Valós projektek - Teljes munkafolyamat az elejétől a végéig
Minden példa részletes kommentárokat tartalmaz, amelyek minden lépést elmagyaráznak, így tökéletesek abszolút kezdőknek!
 |
|---|
| Adatelemzés kezdőknek: Útvonalterv - Összefoglaló @nitya tollából |
| Lecke száma | Téma | Lecke csoportosítás | Tanulási célok | Link a leckéhez | Szerző |
|---|---|---|---|---|---|
| 01 | Adatelemzés meghatározása | Bevezetés | Tanuld meg az adatelemzés alapfogalmait és hogy mi a kapcsolata a mesterséges intelligenciával, gépi tanulással és a big datával. | lecke videó | Dmitry |
| 02 | Adatelemzési etika | Bevezetés | Az adatetikával kapcsolatos fogalmak, kihívások és keretrendszerek. | lecke | Nitya |
| 03 | Adat meghatározása | Bevezetés | Hogyan osztályozzuk az adatokat és milyen gyakori forrásaik vannak. | lecke | Jasmine |
| 04 | Bevezetés a statisztikába és valószínűségszámításba | Bevezetés | A valószínűség és statisztika matematikai módszerei az adatok megértéséhez. | lecke videó | Dmitry |
| 05 | Relációs adatok kezelése | Adatok kezelése | Bevezetés a relációs adatokba és alapok a relációs adatok felfedezéséhez és elemzéséhez a Strukturált Lekérdező Nyelv, azaz SQL (ejtsd: "szíkvel") segítségével. | lecke | Christopher |
| 06 | Nem relációs adatok kezelése | Adatok kezelése | Bevezetés a nem relációs adatokba, ezek fajtáiba és a dokumentum adatbázisok felfedezésének, elemzésének alapjaiba. | lecke | Jasmine |
| 07 | Python használata | Adatok kezelése | Python alapjai adatfeltárásra, például a Pandas könyvtárakkal. Ajánlott a Python programozás alapjainak ismerete. | lecke videó | Dmitry |
| 08 | Adatelőkészítés | Adatok kezelése | Témák az adattisztításról és az adat átalakításáról a hiányzó, pontatlan vagy hiányos adatok kezeléséhez. | lecke | Jasmine |
| 09 | Mennyiségek vizualizálása | Adatvizualizáció | Tanuld meg, hogyan használjuk a Matplotlib-et madáradatok vizualizálásához 🦆 | lecke | Jen |
| 10 | Az adatok eloszlásának vizualizálása | Adatvizualizáció | Megfigyelések és trendek vizualizálása egy intervallumon belül. | lecke | Jen |
| 11 | Arányok vizualizálása | Adatvizualizáció | Diszkrét és csoportos százalékok vizualizálása. | lecke | Jen |
| 12 | Kapcsolatok vizualizálása | Adatvizualizáció | Az adathalmazok és változóik közötti kapcsolatok és korrelációk vizualizálása. | lecke | Jen |
| 13 | Értelmes vizualizációk | Adatvizualizáció | Technológiák és útmutató az értékes vizualizációk készítéséhez a hatékony problémamegoldás és betekintés érdekében. | lecke | Jen |
| 14 | Bevezetés az adatelemzési életciklusba | Életciklus | Bevezetés az adatelemzés életciklusába és az első lépésbe: adatgyűjtés és -kivonás. | lecke | Jasmine |
| 15 | Elemzés | Életciklus | Az adatelemzési életciklus ezen szakasza az adatokat elemző technikákra koncentrál. | lecke | Jasmine |
| 16 | Kommunikáció | Életciklus | Az adatelemzési életciklus ezen szakasza az adatból származó felismerések bemutatására fókuszál úgy, hogy az döntéshozók számára könnyebben érthető legyen. | lecke | Jalen |
| 17 | Adattudomány a felhőben | Felhőadatok | Ez a leckesorozat bemutatja az adatelemzést a felhőben és annak előnyeit. | lecke | Tiffany és Maud |
| 18 | Adattudomány a felhőben | Felhőadatok | Modellek tanítása Low Code eszközökkel. | lecke | Tiffany és Maud |
| 19 | Adattudomány a felhőben | Felhőadatok | Modellek telepítése az Azure Machine Learning Studio segítségével. | lecke | Tiffany és Maud |
| 20 | Adattudomány a valóságban | A valóságban | Valós világban végzett adattudományi projektek. | lecke | Nitya |
Kövessük az alábbi lépéseket ennek a mintának a Codespace-ben való megnyitásához:
- Kattints a Code legördülő menüre és válaszd az Open with Codespaces opciót.
- Válaszd a + New codespace lehetőséget az ablak alján. További információért tekintsd meg a GitHub dokumentációját.
Kövessük az alábbi lépéseket ennek a tárolónak a helyi gépről és a VSCode-ból a VS Code Remote - Containers kiterjesztéssel történő megnyitásához:
- Ha ez az első alkalom, hogy fejlesztési konténert használsz, győződj meg róla, hogy a rendszered megfelel az előfeltételeknek (pl. telepítve van a Docker) a kezdő dokumentációban.
A tárház használatához megnyithatod azt izolált Docker kötetben:
Megjegyzés: A háttérben a Remote-Containers: Clone Repository in Container Volume... parancsot használja a forráskód Docker kötetbe történő klónozásához, ahelyett, hogy a helyi fájlrendszerbe másolná. A Tömeges tárolók a rendszertartalom megőrzésének preferált módja.
Vagy megnyithatsz a tárház helyi példányt vagy letöltött változatát:
- Klónozd a tárházat helyi fájlrendszeredre.
- Nyomj F1-et, és válaszd a Remote-Containers: Open Folder in Container... parancsot.
- Válaszd ki a klónozott mappa másolatát, várd meg, amíg a konténer elindul, és próbáld ki.
Offline is futtathatod ezt a dokumentációt a Docsify segítségével. Forkold ezt a repo-t, telepítsd a Docsify-t a helyi gépeden, majd a repo gyökérmappájában indítsd el a docsify serve parancsot. A weboldal a 3000-es porton lesz elérhető a localhoston: localhost:3000.
Megjegyzés: a jegyzetfüzetek nem jelennek meg Docsify-val, így ha jegyzetfüzetet kell futtatnod, azt külön tedd meg VS Code-ban Python kernel használatával.
Csapatunk más tananyagokat is készít! Nézd meg:
-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}
Problémába ütköztél? Nézd meg Hibakeresési útmutatónkat, ahol gyakori problémák megoldásait találod.
Ha elakadsz, vagy kérdésed van az AI alkalmazások fejlesztésével kapcsolatban, csatlakozz tanulótársaidhoz és tapasztalt fejlesztőkhöz az MCP-ről folytatott beszélgetésekben. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztásra kerül.
Ha termék visszajelzésed vagy hibajelentésed van fejlesztés közben, látogass el ide:
Nyilatkozat: Ezt a dokumentumot az AI fordító szolgáltatás, a Co-op Translator segítségével fordítottuk le. Bár igyekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum anyanyelvi változatát tekintse a hiteles forrásnak. Kritikus információk esetén professzionális, emberi fordítást javaslunk. Semmilyen felelősséget nem vállalunk az ebből a fordításból eredő félreértésekért vagy téves értelmezésekért.