Azure Cloud Advocates v Microsoftu rádi představují 10týdenní, 20 lekcí dlouhý studijní plán zaměřený na Data Science. Každá lekce obsahuje kvízy před a po lekci, písemné instrukce k dokončení lekce, řešení a úkol. Naše projektově orientovaná pedagogika vám umožní učit se při tvorbě, což je osvědčený způsob, jak nové dovednosti skutečně uchopit.
Srdečné díky našim autorům: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Zvláštní poděkování 🙏 patří našim autorům, recenzentům a přispěvatelům obsahu z řad Microsoft Student Ambassador, 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
 |
|---|
| Data Science pro začátečníky - 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
Raději klonovat lokálně?
Toto úložiště obsahuje 50+ jazykových překladů, což výrazně zvětšuje velikost ke stažení. Pro klonování bez překladů použijte 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"Dostanete vše potřebné pro absolvování kurzu s podstatně rychlejším stahováním.
Pokud si přejete podpořit další jazykové překlady, jsou uvedeny zde
Máme probíhající sérii na Discordu "Learn with AI", dozvíte se více a přidejte se k nám na Learn with AI Series od 18. do 30. září 2025. Získáte tipy a triky, jak používat GitHub Copilot pro Data Science.
Začněte s následujícími materiály:
- Student Hub stránka Na této stránce najdete zdroje pro začátečníky, studentské balíčky a dokonce i způsoby, jak získat bezplatný certifikační voucher. Tuto stránku si chcete uložit do záložek a čas od času navštívit, protože obsah měníme alespoň jednou měsíčně.
- Microsoft Learn Student Ambassadors Připojte se k celosvětové komunitě studentských ambasadorů, může to být váš vstup do Microsoftu.
- Průvodce instalací - Krok za krokem nastavení pro začátečníky
- Průvodce použitím - Příklady a běžné pracovní postupy
- Řešení problémů - Řešení běžných problémů
- Pravidla přispívání - Jak přispět do tohoto projektu
- Pro učitele - Pokyny pro výuku a materiály do třídy
Úplní začátečníci: Noví v datové vědě? Začněte s našimi příklady pro začátečníky! Tyto jednoduché, dobře komentované příklady vám pomohou pochopit základy, než se pustíte do celého studijního plánu. Studenti: abyste mohli tento studijní plán využívat samostatně, vytvořte fork celého repozitáře a dokončujte cvičení sami, začněte kvízem před lekcí. Poté přečtěte lekci a dokončete zbylé aktivity. Snažte se projekty vytvářet na základě pochopení lekcí, místo kopírování řešení; řešení jsou však k dispozici ve složkách /solutions v každé lekci zaměřené na projekt. Další možností je založit studijní skupinu s přáteli a procházet obsah společně. Pro další studium doporučujeme Microsoft Learn.
Rychlý start:
- Zkontrolujte Průvodce instalací pro nastavení prostředí
- Prohlédněte si Průvodce použitím a naučte se pracovat se studijním plánem
- Začněte Lekcí 1 a pokračujte sekvenčně
- Připojte se k naší Discord komunitě pro podporu
Učitelé: zahrnuli jsme několik návrhů, jak tento osnovy používat. Budeme rádi za vaše připomínky v našem diskusním fóru!
Gif od Mohit Jaisal
🎥 Klikněte na obrázek výše pro video o projektu a lidech, kteří ho vytvořili!
Při vytváření tohoto osnov jsme zvolili dva pedagogické principy: zajistit, že je založený na projektech a že obsahuje 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 nízkotlaký kvíz před třídou nastavuje studentovu motivaci k učení tématu, zatímco druhý kvíz po hodině zajišťuje další zapamatování. Tento osnov byl navržen tak, aby byl flexibilní a zábavný a může být absolvován celý nebo částečně. Projekty začínají malé a ke konci 10týdenního cyklu se postupně stávají složitějšími.
Najdete naše Kodex chování, pokyny pro Přispívání, Překlady. Vítáme vaše konstruktivní zpětné vazby!
- Nepovinný sketchnote
- Nepovinné doplňkové video
- Zahřívací kvíz před lekcí
- Písemnou lekci
- Pro lekce založené na projektech, průvodce krok za krokem jak projekt vytvořit
- Kontroly znalostí
- Výzvu
- Doplňkové čtení
- Zadání
- Kvíz po lekci
Poznámka o kvízech: Všechny kvízy jsou uloženy ve složce Quiz-App, celkem 40 kvízů po třech otázkách. Jsou propojeny z lekcí, ale kvízovou aplikaci lze spustit lokálně nebo nasadit v Azure; postupujte podle instrukcí ve složce
quiz-app. Postupně se lokalizují.
Nový v datové vědě? Vytvořili jsme speciální adresář příkladů s jednoduchým, dobře komentovaným kódem, který vám pomůže začít:
- 🌟 Hello World - Váš první program v datové vědě
- 📂 Načítání dat - Naučte se číst a prozkoumávat datasety
- 📊 Jednoduchá analýza - Vypočítávejte statistiky a hledejte vzory
- 📈 Základní vizualizace - Vytvářejte grafy a diagramy
- 🔬 Reálný projekt - Kompletní pracovní postup od začátku do konce
Každý příklad obsahuje podrobné komentáře vysvětlující každý krok, což je ideální pro úplné začátečníky!
 |
|---|
| Data Science Pro Začátečníky: Plán - Sketchnote od @nitya |
| Číslo lekce | Téma | Skupina lekcí | Učební cíle | Propojená lekce | Autor |
|---|---|---|---|---|---|
| 01 | Definice datové vědy | Úvod | Naučit se základní koncepty datové vědy a jak jsou spojeny s umělou inteligencí, strojovým učením a big daty. | lekce video | Dmitry |
| 02 | Etika datové vědy | Úvod | Koncepty, výzvy a rámce datové etiky. | lekce | Nitya |
| 03 | Definování dat | Úvod | Jak jsou data klasifikována a jejich běžné zdroje. | lekce | Jasmine |
| 04 | Úvod do statistik 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 jazyk Structured Query Language, známého také jako SQL (vyslovuje se „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 průzkum dat s knihovnami jako Pandas. Doporučuje se základní znalost programování v Pythonu. | lekce video | Dmitry |
| 08 | Příprava dat | Práce s daty | Témata o technikách pro čištění a transformaci 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 intervalu. | lekce | Jen |
| 11 | Vizualizace podílů | Vizualizace dat | Vizualizace diskrétních a seskupených procent. | lekce | Jen |
| 12 | Vizualizace vztahů | Vizualizace dat | Vizualizace spojení a korelací mezi sadami dat a jejich proměnnými. | lekce | Jen |
| 13 | Smysluplné vizualizace | Vizualizace dat | Techniky a doporučení pro vytváření hodnotných vizualizací 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 tak, aby to bylo snazší ke pochopení pro rozhodovací osoby. | lekce | Jalen |
| 17 | Datová věda v cloudu | Cloud Data | Tato série lekcí představuje datovou vědu v cloudu a její výhody. | lekce | Tiffany a Maud |
| 18 | Datová věda v cloudu | Cloud Data | Trénování modelů pomocí Low Code nástrojů. | lekce | Tiffany a Maud |
| 19 | Datová věda v cloudu | Cloud Data | Nasazování modelů v Azure Machine Learning Studio. | lekce | Tiffany a Maud |
| 20 | Datová věda v terénu | In the Wild | Projekty založené na datové vědě v reálném světě. | lekce | Nitya |
Postupujte podle těchto kroků pro otevření tohoto vzoru v Codespace:
- Klikněte na rozbalovací nabídku Kód a vyberte možnost Otevřít s Codespaces.
- Vyberte + Nový codespace ve spodní části panelu. Více informací naleznete v dokumentaci GitHubu.
Provádějte tyto kroky pro otevření tohoto repozitáře v kontejneru pomocí vašeho lokálního počítače a VSCode s rozšířením VS Code Remote - Containers:
- Pokud toto používáte poprvé, ujistěte se, že váš systém splňuje požadavky (tzn. má nainstalovaný Docker) v dokumentaci pro začátečníky.
Pro použití tohoto repozitáře můžete buď otevřít repozitář v izolovaném Docker volume:
Poznámka: Pod povrchem toto použije příkaz Remote-Containers: Clone Repository in Container Volume... pro naklonování zdrojového kódu do Docker volume místo lokálního souborového systému. Volumes jsou preferovaný mechanismus pro uchování dat kontejneru.
Nebo otevřít lokálně naklonovanou nebo staženou verzi repozitáře:
- Naklonujte tento repozitář do svého lokálního souborového systému.
- Stiskněte F1 a vyberte příkaz Remote-Containers: Open Folder in Container....
- Vyberte naklonovanou kopii této složky, počkejte na spuštění kontejneru a vyzkoušejte to.
Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte tento repozitář, nainstalujte Docsify na vašem lokálním počítači, poté v kořenové složce tohoto repozitáře zadejte docsify serve. Webová stránka se spustí na portu 3000 na localhostu: localhost:3000.
Poznámka, poznámkové bloky nebudou vykresleny přes Docsify, takže pokud potřebujete spustit poznámkový blok, dělejte to samostatně ve VS Code běžícím na Python kernelu.
Náš tým vytváří další osnovy! Podívejte se na:
-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 potíže? Podívejte se na náš Průvodce řešením problémů pro řešení běžných problémů.
Pokud jste uvízli nebo máte jakékoliv dotazy týkající se vytváření AI aplikací, připojte se k dalším studentům a zkušeným vývojářům v diskuzích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se sdílejí otevřeně.
Pokud máte zpětnou vazbu k produktu nebo se setkáte s chybami při vývoji, navštivte:
Prohlášení o vyloučení odpovědnosti:
Tento dokument byl přeložen pomocí AI překladatelské služby Co-op Translator. I když usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědni za jakékoli nedorozumění nebo nesprávné výklady vzniklé použitím tohoto překladu.