Azure Cloud Advocates v Microsoft s radosťou ponúkajú 10-týždňový, 20-lekciový učebný plán všetkého o dátovej vede. Každá lekcia obsahuje kvízy pred a po lekcii, písané inštrukcie na dokončenie lekcie, riešenie a zadanie. Náš projektový prístup k výučbe vám umožňuje učiť sa počas tvorby, čo je osvedčený spôsob, ako nové schopnosti „uložiť“.
Úprimné poďakovanie 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, predovšetkým 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 | 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
Preferujete klonovať lokálne?
Tento repozitár obsahuje viac ako 50 jazykových prekladov, čo výrazne zvyšuje veľkosť sťahovania. 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 omnoho rýchlejším stiahnutím.
Ak chcete podporovať ďalšie jazyky prekladov, sú uvedené tu
Prebieha séria "Learn with AI" na Discorde, dozviete sa viac a pripojte sa k nám na Learn with AI Series od 18. do 30. septembra 2025. Získate tipy a triky, ako používať GitHub Copilot pre dátovú vedu.
Začnite s nasledujúcimi zdrojmi:
- Stránka Student Hub Na tejto stránke nájdete zdroje pre začiatočníkov, študentské balíčky a dokonca aj spôsoby, ako získať bezplatný certifikačný kupón. Toto je stránka, ktorú si chcete uložiť do záložiek a sledovať ju pravidelne, pretože obsah meníme aspoň raz mesačne.
- Microsoft Learn Student Ambassadors Pridajte sa k globálnej komunite študentských ambasádorov, toto môže byť vaša vstupenka do Microsoftu.
- Inštalačný návod - Krok za krokom inštrukcie pre začiatočníkov
- Používateľský návod - Príklady a bežné workflowy
- Riešenie problémov - Riešenia bežných problémov
- Návod na príspevky - Ako prispieť do tohto projektu
- Pre učiteľov - Pokyny na výučbu a materiály do triedy
Celkom začiatočníci: Noví v dátovej vede? Začnite s našimi príkladmi vhodnými pre začiatočníkov! Tieto jednoduché, dobre okomentované príklady vám pomôžu pochopiť základy predtým, ako sa pustíte do plného učebného plánu. Študenti: ak chcete tento učebný plán používať samostatne, forknete celý repozitár a dokončujte cvičenia postupne, začínajúc prednáškovým kvízom. Prečítajte si prednášku a dokončite ostatné aktivity. Pokúste sa vytvoriť projekty porozumením lekcií namiesto kopírovania kódu riešenia; avšak tento kód je k dispozícii v priečinkoch /solutions v každej projektovo orientovanej lekcii. Ďalšou možnosťou je vytvoriť študijnú skupinu s priateľmi a prechádzať obsah spolu. Na ďalšie štúdium odporúčame Microsoft Learn.
Rýchly štart:
- Prezrite si Inštalačný návod a nastavte si prostredie
- Preštudujte si Používateľský návod a naučte sa pracovať s učebným plánom
- Začnite s Lekciou 1 a pracujte postupne
- Pridajte sa k našej Discord komunite pre podporu
Učitelia: zahrnuli sme niekoľko návrhov na použitie tohto kurikula. Radi by sme dostali vašu spätnú väzbu v našom diskusnom fóre!
Gif od Mohit Jaisal
🎥 Kliknite na obrázok vyššie pre video o projekte a ľuďoch, ktorí ho vytvorili!
Pri tvorbe tohto kurikula sme zvolili dve pedagogické zásady: zabezpečiť, aby bolo projektovo orientované a aby obsahovalo 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 nízkonákladový kvíz pred vyučovaním nastavuje študentovi zameranie na učenie témy, zatiaľ čo druhý kvíz po vyučovaní zabezpečuje ďalšie zafixovanie vedomostí. Toto kurikulum bolo navrhnuté ako flexibilné a zábavné a môže byť absolvované celé alebo čiastočne. Projekty začínajú malé a postupne sa počas 10-týždňového cyklu stávajú náročnejšími.
Nájdete tu náš Kódex správania, Príspevky, Pokyny k prekladu. Radi prijmeme vaše konštruktívne pripomienky!
- Voliteľnú skicovačku
- Voliteľné doplnkové video
- Úvodný rozcvičovací kvíz
- Písanú lekciu
- Pre projektové lekcie príručky krok za krokom, ako vytvoriť projekt
- Kontroly vedomostí
- Výzvu
- Doplnkové čítanie
- Zadanie
- Kvíz po lekcii
Poznámka o kvízoch: Všetky kvízy sú obsiahnuté v priečinku Quiz-App, celkovo je k dispozícii 40 kvízov so 3 otázkami v každom. Sú prepojené z lekcií, ale kvízová aplikácia môže byť spustená lokálne alebo nasadená do Azure; riaďte sa inštrukciami v priečinku
quiz-app. Postupne sa lokalizujú.
Nový v dátovej vede? Vytvorili sme špeciálny adresár príkladov s jednoduchým, dobre komentovaným kódom, ktorý vám pomôže začať:
- 🌟 Hello World - Váš prvý program dátovej vedy
- 📂 Načítanie dát - Naučte sa čítať a skúmať datasety
- 📊 Jednoduchá analýza - Vypočítajte štatistiky a nájdite vzory
- 📈 Základná vizualizácia - Vytvorte grafy a diagramy
- 🔬 Projekt z praxe - Kompletný pracovný tok od začiatku do konca
Každý príklad obsahuje detailné komentáre vysvetľujúce každý krok, čo ho robí ideálnym pre absolútnych začiatočníkov!
 |
|---|
| Dátová veda pre začiatočníkov: Plán cesty - Skicovačka od @nitya |
| Číslo lekcie | Téma | Zoskupenie lekcie | 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 dátovej etiky. | lekcia | Nitya |
| 03 | Definovanie dát | Úvod | Ako sa dáta klasifikujú a ich bežné zdroje. | lekcia | Jasmine |
| 04 | Úvod do štatistiky a pravdepodobnosti | Úvod | Matematické techniky pravdepodobnosti a štatistiky na pochopenie dát. | lekcia video | Dmitry |
| 05 | Práca s relačnými dátami | Práca s dátami | Úvod do relačných dát a základy skúmania a analýzy relačných dát pomocou jazyka Structured Query Language, známeho tiež ako SQL (vyslovuje sa „si-kwel“). | 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 Pythonom | Práca s dátami | Základy používania Pythonu na prieskum dát s knižnicami ako Pandas. Odporúča sa základné porozumenie programovaniu v Pythone. | lekcia video | Dmitry |
| 08 | Príprava dát | Práca s dátami | Témy týkajúce sa techník čistenia a transformácie dát na zvládanie problémov s chýbajúcimi, nepresnými alebo neúplnými dátami. | lekcia | Jasmine |
| 09 | Vizualizácia množstiev | Vizualizácia dát | Naučte sa používať Matplotlib na vizualizáciu dát o vtákoch 🦆 | lekcia | Jen |
| 10 | Vizualizácia rozdelení dát | Vizualizácia dát | Vizualizovanie pozorovaní a trendov v rámci intervalu. | lekcia | Jen |
| 11 | Vizualizácia podielov | Vizualizácia dát | Vizualizácia diskrétnych a zoskupených percentuálnych podielov. | lekcia | Jen |
| 12 | Vizualizácia vzťahov | Vizualizácia dát | Vizualizácia spojení a korelácií medzi množinami dát a ich premennými. | lekcia | Jen |
| 13 | Významné vizualizácie | Vizualizácia dát | Techniky a rady na to, aby vaše vizualizácie boli cenné 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 prvý krok – získavanie a extrakcia dát. | lekcia | Jasmine |
| 15 | Analýza | 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 prezentáciu poznatkov z dát tak, aby boli pre rozhodovateľov ľahko pochopiteľné. | 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 pomocou Azure Machine Learning Studio. | lekcia | Tiffany a Maud |
| 20 | Dátová veda v praxi | V teréne | Projekty založené na dátovej vede v reálnom svete. | lekcia | Nitya |
Postupujte podľa týchto krokov na otvorenie tohto ukážkového projektu v Codespace:
- Kliknite na rozbaľovaciu ponuku Kód a vyberte možnosť Open with Codespaces.
- Vyberte + New codespace v spodnej časti panela. Pre viac informácií si pozrite dokumentáciu GitHubu.
Postupujte podľa týchto krokov na otvorenie tohto repozitára v kontajneri pomocou vášho lokálneho počítača a VSCode s rozšírením VS Code Remote - Containery:
- Ak používate vývojový kontajner prvýkrát, uistite sa, že váš systém spĺňa požiadavky (napr. je nainštalovaný Docker) podľa dokumentácie pre začiatočníkov.
Na používanie tohto repozitára môžete buď otvoriť repozitár v izolovanom Docker volume:
Poznámka: Pod kapotou sa použije príkaz Remote-Containers: Clone Repository in Container Volume... na klonovanie zdrojového kódu do Docker volume namiesto lokálneho súborového systému. Volumes sú preferovaný mechanizmus na uchovávanie dát kontajnerov.
Alebo otvorte lokálnu sklonovanú alebo stiahnutú verziu repozitára:
- Sklonujte tento repozitár na váš lokálny súborový systém.
- Stlačte F1 a vyberte príkaz Remote-Containers: Open Folder in Container....
- Vyberte sklonovanú kópiu tohto priečinka, počkajte na spustenie kontajnera a vyskúšajte si to.
Túto dokumentáciu môžete spustiť offline pomocou Docsify. Zforkujte tento repozitár, nainštalujte Docsify na váš lokálny počítač, potom v koreňovom priečinku tohto repozitára zadajte príkaz docsify serve. Webová stránka bude dostupná na porte 3000 na vašom localhoste: localhost:3000.
Poznámka, notebooky nebudú cez Docsify renderované, takže ak potrebujete spustiť notebook, urobte to samostatne vo VS Code s bežiacim Python kernelom.
Náš tím vytvára aj iné kurikuly! 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? Prezrite si náš Príručka riešenia problémov pre riešenia bežných problémov.
Ak sa zaseknete alebo máte akékoľvek otázky týkajúce sa tvorby AI aplikácií, pripojte sa k ďalším študentom a skúseným vývojárom v diskusiách o MCP. Je to podporujúca komunita, kde sú otázky vítané a zdieľanie vedomostí je slobodné.
Ak máte spätnú väzbu k produktu alebo pri tvorbe narazíte na chyby, navštívte:
Vyhlásenie o zodpovednosti:
Tento dokument bol preložený pomocou AI prekladateľskej služby Co-op Translator. Aj keď sa snažíme o presnosť, uvedomte si, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku by mal byť považovaný 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.