A Microsoft Azure Cloud Advocates örömmel kínál egy 10 hetes, 20 leckéből álló tananyagot, amely teljes egészében az Adattudományról szól. Minden lecke tartalmaz előtti és utáni kvízeket, írott utasításokat a lecke elvégzéséhez, megoldást, és egy házi feladatot. Projekt-alapú oktatásunk lehetővé teszi, hogy tanulj miközben építesz, ami bizonyítottan segít az új készségek megtartásában.
Őszinte köszönet szerzőinknek: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Külön köszönet 🙏 a Microsoft Student Ambassador szerzőinknek, értékelőinknek és tartalomközreműködőinknek, nevezetesen 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
 |
|---|
| Adattudomány kezdőknek - Sketchnote @nitya tollából |
Arab | Bengáli | Bolgár | Burmai (Mianmar) | Kínai (egyszerűsített) | Kínai (hagyományos, Hongkong) | Kínai (hagyományos, Makaó) | Kínai (hagyományos, Tajvan) | Horvát | Cseh | Dán | Holland | Észt | Finn | Francia | Német | Görög | Héber | Hindi | Magyar | Indonéz | Olasz | Japán | Kannada | Khmer | 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 | Szuahéli | Svéd | Tagalog (filippínó) | Tamil | Telugu | Thai | Török | Ukrán | Urdu | Vietnamita
Szeretnéd inkább helyben klónozni?
Ez a tároló több mint 50 nyelvű fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha a fordítások nélkül szeretnéd klónozni, használd a sparse checkout-ot:
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 a kurzushoz szükséged van, jóval gyorsabb letöltéssel.
Ha szeretnél további támogatott nyelveket hozzáadni, megtalálhatók itt
Folyamatban van egy Discord "Tanulj mesterséges intelligenciával" sorozatunk, tudj meg többet és csatlakozz hozzánk a Tanulj mesterséges intelligenciával sorozatban 2025. szeptember 18-30 között. Tippeket és trükköket kapsz a GitHub Copilot adattudományos felhasználásához.
Kezdd az alábbi erőforrásokkal:
- Diák Hub oldal Ezen az oldalon kezdő erőforrásokat, Diák csomagokat és ingyenes tanúsítvány-kuponokat találsz. Érdemes ezt az oldalt elmenteni, és időről időre visszanézni, mivel havonta frissítjük a tartalmat.
- Microsoft Learn Student Ambassadors Csatlakozz a globális diák nagykövet közösséghez, ez lehet az utad a Microsoft-hoz.
- Telepítési útmutató - Lépésről lépésre telepítési instrukciók kezdőknek
- Használati útmutató - Példák és gyakori munkafolyamatok
- Hibaelhárítás - Gyakori problémák megoldásai
- Hozzájárulási útmutató - Hogyan járulj hozzá ehhez a projekthez
- Tanároknak - Oktatási irányelvek és osztálytermi anyagok
Teljesen kezdőknek: Új vagy az adattudományban? Kezdd el a kezdőbarát példáinkkal! Ezek az egyszerű, jól kommentált példák segítenek megérteni az alapokat, mielőtt belemennél az egész tantervbe. Diákok: hogy saját magad használd ezt a tananyagot, forkolj le az egész repót, és dolgozd végig a feladatokat önállóan, először a bevezető kvízzel. Olvasd el az előadást, majd végezd el a többi tevékenységet. Próbálj meg tanulás közben megalkotni projekteket, ne csak másold a megoldások kódját; ezek a kódok azonban elérhetők megoldásként az egyes projekt-orientált leckék /solutions mappáiban. Egy másik ötlet, hogy hozz létre egy tanulócsoportot barátokkal, és együtt haladjatok át a tartalmon. További tanuláshoz ajánljuk a Microsoft Learnt.
Gyors indulás:
- Nézd meg a Telepítési útmutatót a környezeted beállításához
- Tanulmányozd a Használati útmutatót a tananyag kezeléséhez
- Kezdd az 1. leckével és haladj sorrendben
- Csatlakozz Discord közösségünkhöz támogatásért
Tanárok: tartalmaztunk néhány javaslatot arra vonatkozóan, hogyan használhatják ezt a tantervet. Nagyon várjuk visszajelzéseiket a vitafórumunkon!
Gif készítője: Mohit Jaisal
🎥 Kattints a fenti képre, hogy megnézz egy videót a projektről és a készítőcsapatról!
Ennek a tantervnek a felépítésekor két pedagógiai alapelvet választottunk: garantálni, hogy projektalapú legyen, és belefoglalni gyakori kvízeket. A sorozat végére a hallgatók elsajátítják az adattudomány alapelveit, beleértve az etikai fogalmakat, az adatelőkészítést, az adatokkal való különböző munkamódszereket, adatvizualizációt, adat elemzést, az adattudomány valós használati eseteit és még sok mást.
Emellett egy alacsony tétű kvíz az óra előtt a tanuló tanulási szándékát állítja be a témára, míg az óra utáni második kvíz további megőrzést biztosít. A tanterv rugalmas és szórakoztató, egészében vagy részleteiben is végezhető. A projektek kezdetben kicsik, és a 10 hetes ciklus végére egyre összetettebbek lesznek.
Tekintsd meg Magatartási Kódexünket, Hozzájárulás, Fordítás útmutatóinkat. Várjuk építő jellegű visszajelzéseiteket!
- Választható skiccjegyzetet
- Választható kiegészítő videót
- Óra előtti bemelegítő kvízt
- Írásos órát
- Projektalapú órákhoz lépésről lépésre útmutatót a projekt építéséhez
- Tudásellenőrzéseket
- Egy kihívást
- Kiegészítő olvasmányt
- Feladatot
- Óra utáni kvízt
Megjegyzés a kvízekhez: Minden kvíz a Quiz-App mappában található, összesen 40 kvíz három kérdéssel mindegyikben. Az órákból vannak linkelve, de a kvíz app helyileg futtatható vagy Azure-ra telepíthető; kövesd az utasításokat a
quiz-appmappában. Fokozatosan lokalizálják őket.
Új vagy az adattudományban? Különleges példakönyvtárat hoztunk létre egyszerű, jól kommentált kódokkal, hogy segítsünk elkezdeni:
- 🌟 Hello World - Az első adat tudomány programod
- 📂 Adatok betöltése - Tanuld meg az adatkészletek olvasását és felfedezését
- 📊 Egyszerű elemzés - Statisztikák számítása és minták keresése
- 📈 Alapvető vizualizáció - Diagramok és grafikonok készítése
- 🔬 Valós világ projekt - Teljes munkafolyamat az elejétől a végéig
Minden példa részletes megjegyzéseket tartalmaz, amelyek minden lépést elmagyaráznak, így tökéletes abszolút kezdőknek!
 |
|---|
| Adattudomány kezdőknek: Útvonalterv - Skiccjegyzet @nitya által |
| Óra szám | Téma | Órafoglalás | Tanulási célok | Linkelt óra | Szerző |
|---|---|---|---|---|---|
| 01 | Az adattudomány meghatározása | Bevezetés | Ismerd meg az adattudomány alapfogalmait, és hogy miként kapcsolódik a mesterséges intelligenciához, gépi tanuláshoz és nagy adatokhoz. | óra videó | Dmitry |
| 02 | Adattudományi etika | Bevezetés | Az adat etika fogalmai, kihívásai és keretrendszerei. | óra | Nitya |
| 03 | Az adatok meghatározása | Bevezetés | Hogyan osztályozzuk az adatokat és azok gyakori forrásai. | óra | Jasmine |
| 04 | Bevezetés a statisztikába és valószínűségszámításba | Bevezetés | Valószínűség- és statisztikai matematikai technikák az adatok megértéséhez. | óra videó | Dmitry |
| 05 | Relációs adatokkal való munka | Adatokkal való munka | Bevezetés a relációs adatbázisokba és az alapok az adatok felfedezéséhez és elemzéséhez a Strukturált Lekérdező Nyelvvel, más néven SQL-lel (ejtsd: „szíkell”). | óra | Christopher |
| 06 | Nem relációs adatokkal való munka | Adatokkal való munka | Bevezetés a nem relációs adatokba, különféle típusaik és az alapok a dokumentum adatbázisok felfedezéséhez és elemzéséhez. | óra | Jasmine |
| 07 | Python használata | Adatokkal való munka | Python használatának alapjai az adatok felfedezéséhez olyan könyvtárakkal, mint a Pandas. Ajánlott a Python programozás alapjainak ismerete. | óra videó | Dmitry |
| 08 | Adatelőkészítés | Adatokkal való munka | Témák az adattisztítás és átalakítás technikáiról, hogy kezelni lehessen a hiányzó, pontatlan vagy hiányos adatokat. | óra | Jasmine |
| 09 | Mennyiségek vizualizálása | Adatvizualizáció | Tanulj meg Matplotlib-pel vizualizálni madáradatokat 🦆 | óra | Jen |
| 10 | Az adatok eloszlásának vizualizálása | Adatvizualizáció | Megfigyelések és trendek vizualizációja egy intervallumon belül. | óra | Jen |
| 11 | Arányok vizualizálása | Adatvizualizáció | Diszkrét és csoportos százalékok vizualizálása. | óra | Jen |
| 12 | Kapcsolatok vizualizálása | Adatvizualizáció | Kapcsolatok és korrelációk vizualizálása különböző adatkészletek és változóik között. | óra | Jen |
| 13 | Értelmes vizualizációk | Adatvizualizáció | Technikák és útmutató a vizualizációk értékessé tételéhez a hatékony problémamegoldás és betekintés érdekében. | óra | Jen |
| 14 | Bevezetés az adattudomány életciklusába | Életciklus | Bevezetés az adattudomány életciklusába és az adatgyűjtés, adatkinyerés első lépésébe. | óra | Jasmine |
| 15 | Elemzés | Életciklus | Az adattudomány életciklusának ezen szakasza az adatok elemzésére koncentrál. | óra | Jasmine |
| 16 | Kommunikáció | Életciklus | Az adattudomány életciklusának ezen szakasza az adatból származó betekintések bemutatására összpontosít úgy, hogy azt a döntéshozók könnyebben megérthessék. | óra | Jalen |
| 17 | Adattudomány a felhőben | Felhőadat | Ezek az órák bevezetik az adattudományt a felhőben és annak előnyeit. | óra | Tiffany és Maud |
| 18 | Adattudomány a felhőben | Felhőadat | Modellek tanítása Low Code eszközökkel. | óra | Tiffany és Maud |
| 19 | Adattudomány a felhőben | Felhőadat | Modellek telepítése Azure Machine Learning Studioval. | óra | Tiffany és Maud |
| 20 | Adattudomány a valóságban | A vadonban | Adattudomány által vezérelt projektek a való életben. | óra | Nitya |
Kövesd ezeket a lépéseket, hogy megnyisd ezt a mintát egy Codespace-ben:
- Kattints a Code legördülő menüre, és válaszd az Open with Codespaces opciót.
- Válaszd a + New codespace-t az ablak alján. További információért nézd meg a GitHub dokumentációját.
Kövesd az alábbi lépéseket, hogy konténerben nyisd meg a repo-t a helyi gépeden és VSCode használatával a VS Code Remote - Containers kiterjesztés segítségével:
- Ha először használod a fejlesztői konténert, győződj meg arról, hogy a rendszer megfelel az előfeltételeknek (pl. Docker telepítve legyen) az első lépések dokumentációban.
A repó használatához vagy megnyithatod izolált Docker kötetben a repót:
Megjegyzés: A háttérben a Remote-Containers: Clone Repository in Container Volume... parancsot használja a forráskód Docker kötetbe klónozására a helyi fájlrendszer helyett. A kötetek a preferált mechanizmusok a konténer adatok megőrzésére.
Vagy megnyithatsz egy helyben klónozott vagy letöltött repó verziót:
- Klónozd ezt a repót a helyi fájlrendszeredre.
- Nyomd meg az F1-et és válaszd a Remote-Containers: Open Folder in Container... parancsot.
- Válaszd ki a klónozott mappát, várd meg, míg elindul a konténer, és próbáld ki.
Ezt a dokumentációt offline is futtathatod Docsify használatával. Forkold a repót, telepítsd a Docsify-t a helyi gépeden, majd a repó gyökérmappájában írd be: docsify serve. A weboldal a 3000-es porton érhető el a helyi gépeden: localhost:3000.
Megjegyzés: a jegyzetfüzetek nem jelennek meg Docsify-val, ezért amikor szükséges jegyzetfüzetet futtatni, azt külön futtasd VS Code-ban Python kernel segítségével.
Csapatunk más tanterveket 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}
Problémát tapasztalsz? Nézd meg a Hibaelhárítási útmutatót, ahol gyakori problémák megoldásait találod.
Ha elakadsz vagy kérdéseid vannak az AI alkalmazások fejlesztésével kapcsolatban, csatlakozz más tanulókhoz és tapasztalt fejlesztőkhöz az MCP közösségi beszélgetéseiben. Ez egy támogató közösség, ahol a kérdések szívesen fogadottak és a tudás szabadon megosztott.
Ha visszajelzésed vagy hibajelentésed van fejlesztés közben, látogass el ide:
Nyilatkozat:
Ez a dokumentum az AI fordító szolgáltatás Co-op Translator használatával készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti, anyanyelvi dokumentum tekintendő hivatalos forrásnak. Kritikus információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget az ebből a fordításból eredő félreértésekért vagy félreértelmezésekért.