Zespół Azure Cloud Advocates w Microsoft ma przyjemność zaoferować 10-tygodniowy, 20-lekcyjny program nauczania w całości poświęcony Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasza metodyka oparta na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswojenie nowych umiejętności.
Serdeczne podziękowania dla naszych autorów: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z Microsoft Student Ambassador, w szczególności Aaryana Arora, Adityę Garg, Alondrę Sanchez, Ankitę Singh, Anupama Mishrę, Arpitę Das, ChhailBihari Dubeya, Dibri Nsofor, Dishitę Bhasin, Majda Safi, Maxa Bluma, Miguela Correę, Mohammę Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymonda Wangsa Putrę, Rohita Yadava, Samridhiego Sharma, Sanya Sinhę, Sheenę Narula, Tauqeera Ahmada, Yogendrasingha Pawara , Vidushi Guptę, Jasleen Sondhi
 |
|---|
| Data Science dla początkujących - Sketchnotka autorstwa @nitya |
Arabski | Bengalski | Bułgarski | Birmański (Myanmar) | Chiński (uproszczony) | Chiński (tradycyjny, Hongkong) | Chiński (tradycyjny, Makau) | Chiński (tradycyjny, Tajwan) | Chorwacki | Czeski | Duński | Niderlandzki | Estoński | Fiński | Francuski | Niemiecki | Grecki | Hebrajski | Hinduski | Węgierski | Indonezyjski | Włoski | Japoński | Kannada | Khmer | Koreański | Litewski | Malajski | Malajalam | Marathi | Nepalski | Nigeryjski pidżin | Norweski | Perski (Farsi) | Polski | Portugalski (Brazylia) | Portugalski (Portugalia) | Pendżabski (Gurmukhi) | Rumuński | Rosyjski | Serbski (cyrylica) | Słowacki | Słoweński | Hiszpański | Suahili | Szwedzki | Tagalog (Filipino) | Tamilski | Telugu | Tajski | Turecki | Ukraiński | Urdu | Wietnamski
Wolisz sklonować lokalnie?
To repozytorium zawiera ponad 50 tłumaczeń językowych, co znacznie zwiększa rozmiar pobrania. Aby sklonować bez tłumaczeń, użyj 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"Dzięki temu pobierzesz wszystko, czego potrzebujesz do ukończenia kursu znacznie szybciej.
Jeśli chcesz mieć obsługę dodatkowych języków tłumaczeń, są one wymienione tutaj
Organizujemy serię na Discordzie „ucz się z AI”, dowiedz się więcej i dołącz do nas na Learn with AI Series w dniach 18 - 30 września 2025. Otrzymasz wskazówki i triki dotyczące korzystania z GitHub Copilot do Data Science.
Rozpocznij z następującymi zasobami:
- Strona Student Hub Na tej stronie znajdziesz materiały dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera na certyfikat. To strona, którą warto dodać do zakładek i od czasu do czasu sprawdzać, ponieważ regularnie aktualizujemy zawartość co najmniej raz w miesiącu.
- Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studentów – to może być Twoja droga do Microsoftu.
- Przewodnik instalacji - Instrukcje krok po kroku dla początkujących
- Przewodnik użytkowania - Przykłady i typowe workflow
- Rozwiązywanie problemów - Rozwiązania najczęstszych problemów
- Przewodnik kontrybucji - Jak wnieść wkład do tego projektu
- Dla nauczycieli - Porady dydaktyczne i zasoby do klasy
Całkowici początkujący: Nowy w Data Science? Zacznij od naszych przyjaznych przykładów dla początkujących! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy zanim zagłębisz się w cały program nauczania. Studenci: aby korzystać z tego programu na własną rękę, sforkuj całe repozytorium i wykonaj ćwiczenia samodzielnie, zaczynając od quizu przed wykładem. Następnie przeczytaj wykład i zrób resztę aktywności. Staraj się tworzyć projekty, rozumiejąc lekcje, a nie tylko kopiując kod rozwiązania; jednakże ten kod jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem jest utworzenie grupy naukowej z przyjaciółmi i wspólne przerabianie materiału. Na dalszą naukę polecamy Microsoft Learn.
Szybki start:
- Sprawdź Przewodnik instalacji, aby skonfigurować środowisko
- Zapoznaj się z Przewodnikiem użytkowania, by nauczyć się pracy z kursem
- Zacznij od Lekcji 1 i kontynuuj kolejno
- Dołącz do naszej społeczności na Discordzie po wsparcie
Nauczyciele: zamieściliśmy kilka sugestii dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie na naszym forum dyskusyjnym!
Gif autorstwa Mohit Jaisal
🎥 Kliknij powyższy obraz, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!
Podczas tworzenia tego programu nauczania wybraliśmy dwa założenia pedagogiczne: aby był oparty na projektach oraz by zawierał częste quizy. Po ukończeniu tego cyklu uczniowie poznają podstawowe zasady data science, w tym zagadnienia etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, zastosowania data science w rzeczywistych przypadkach i więcej.
Dodatkowo quiz o niskiej stawce przed zajęciami nastawia ucznia na naukę tematu, natomiast drugi quiz po zajęciach zapewnia lepsze utrwalenie wiedzy. Ten program został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych, a kończą się coraz bardziej złożonymi pod koniec 10-tygodniowego cyklu.
Znajdź nasze Zasady postępowania, Wkład, Tłumaczenia. Czekamy na Wasze konstruktywne opinie!
- Opcjonalny szkic notatek
- Opcjonalny uzupełniający film
- Quiz rozgrzewkowy przed lekcją
- Pisemną lekcję
- Dla lekcji opartych na projekcie, przewodniki krok po kroku, jak zbudować projekt
- Sprawdziany wiedzy
- Wyzwanie
- Lektury uzupełniające
- Zadanie domowe
- Quiz po lekcji
Uwagi o quizach: Wszystkie quizy znajdują się w folderze Quiz-App, łącznie 40 quizów po trzy pytania każdy. Są połączone w lekcjach, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na Azure; postępuj zgodnie z instrukcjami w folderze
quiz-app. Są stopniowo lokalizowane.
Nowy w Data Science? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:
- 🌟 Hello World – Twój pierwszy program do data science
- 📂 Wczytywanie danych – Naucz się czytać i eksplorować zestawy danych
- 📊 Prosta analiza – Obliczaj statystyki i znajdź wzory
- 📈 Podstawowa wizualizacja – Twórz wykresy i diagramy
- 🔬 Projekt z rzeczywistego świata – Kompletny przebieg pracy od początku do końca
Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni go idealnym dla absolutnych początkujących!
 |
|---|
| Data Science dla początkujących: mapa drogowa – Notatka wizualna autorstwa @nitya |
| Numer lekcji | Temat | Grupa lekcji | Cele nauczania | Powiązana lekcja | Autor |
|---|---|---|---|---|---|
| 01 | Definiowanie Data Science | Wprowadzenie | Poznaj podstawowe koncepcje data science oraz jak jest ono powiązane ze sztuczną inteligencją, uczeniem maszynowym i big data. | lekcja wideo | Dmitry |
| 02 | Etyka Data Science | Wprowadzenie | Pojęcia, wyzwania i ramy etyki danych. | lekcja | Nitya |
| 03 | Definiowanie danych | Wprowadzenie | Jak klasyfikuje się dane i jakie są ich typowe źródła. | lekcja | Jasmine |
| 04 | Wprowadzenie do statystyki i rachunku prawdopodobieństwa | Wprowadzenie | Techniki matematyczne z dziedziny prawdopodobieństwa i statystyki do rozumienia danych. | lekcja wideo | Dmitry |
| 05 | Praca z danymi relacyjnymi | Praca z danymi | Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka zapytań strukturalnych SQL (wym. „see-quell”). | lekcja | Christopher |
| 06 | Praca z danymi NoSQL | Praca z danymi | Wprowadzenie do danych nierelacyjnych, ich różnych typów oraz podstawy eksploracji i analizy baz dokumentów. | lekcja | Jasmine |
| 07 | Praca z Pythonem | Praca z danymi | Podstawy używania Pythona do eksploracji danych z bibliotekami takimi jak Pandas. Zalecane podstawowe zrozumienie programowania w Pythonie. | lekcja wideo | Dmitry |
| 08 | Przygotowanie danych | Praca z danymi | Tematy dotyczące technik czyszczenia i transformacji danych, aby radzić sobie z wyzwaniami brakujących, nieprecyzyjnych lub niepełnych danych. | lekcja | Jasmine |
| 09 | Wizualizacja ilościowa | Wizualizacja danych | Naucz się używać Matplotlib do wizualizacji danych ptaków 🦆 | lekcja | Jen |
| 10 | Wizualizacja rozkładów danych | Wizualizacja danych | Wizualizacja obserwacji i trendów w przedziale. | lekcja | Jen |
| 11 | Wizualizacja proporcji | Wizualizacja danych | Wizualizacja dyskretnych i grupowanych procentów. | lekcja | Jen |
| 12 | Wizualizacja zależności | Wizualizacja danych | Wizualizacja połączeń i korelacji między zbiorami danych i ich zmiennymi. | lekcja | Jen |
| 13 | Sensowne wizualizacje | Wizualizacja danych | Techniki i wskazówki, jak uczynić wizualizacje wartościowymi dla skutecznego rozwiązywania problemów i uzyskiwania wglądów. | lekcja | Jen |
| 14 | Wprowadzenie do cyklu życia data science | Cykl życia | Wprowadzenie do cyklu życia data science i jego pierwszego etapu – pozyskiwania i wydobywania danych. | lekcja | Jasmine |
| 15 | Analiza | Cykl życia | Ta faza cyklu życia data science koncentruje się na technikach analizy danych. | lekcja | Jasmine |
| 16 | Komunikacja | Cykl życia | Ta faza cyklu życia data science skupia się na przedstawianiu wniosków płynących z danych w sposób ułatwiający ich zrozumienie decydentom. | lekcja | Jalen |
| 17 | Data Science w chmurze | Dane w chmurze | Ten cykl lekcji wprowadza data science w chmurze i jej korzyści. | lekcja | Tiffany i Maud |
| 18 | Data Science w chmurze | Dane w chmurze | Trenowanie modeli przy użyciu narzędzi Low Code. | lekcja | Tiffany i Maud |
| 19 | Data Science w chmurze | Dane w chmurze | Wdrażanie modeli z Azure Machine Learning Studio. | lekcja | Tiffany i Maud |
| 20 | Data Science w praktyce | W praktyce | Projekty napędzane data science w rzeczywistym świecie. | lekcja | Nitya |
Wykonaj następujące kroki, aby otworzyć tę próbkę w Codespace:
- Kliknij menu rozwijane Kod i wybierz opcję Otwórz w Codespaces.
- W dolnej części panelu wybierz + Nowy codespace. Więcej informacji znajdziesz w dokumentacji GitHub.
Wykonaj następujące kroki, aby otworzyć to repozytorium w kontenerze na swoim lokalnym komputerze za pomocą VSCode i rozszerzenia VS Code Remote - Containers:
- Jeśli używasz kontenera deweloperskiego po raz pierwszy, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) zgodnie z dokumentacją dotyczącą rozpoczęcia.
Aby użyć tego repozytorium, możesz albo otworzyć repozytorium w izolowanym wolumenie Dockera:
Uwaga: Pod maską użyje to polecenia Remote-Containers: Klonuj repozytorium w wolumenie kontenera... aby sklonować kod źródłowy w wolumenie Dockera zamiast na lokalnym systemie plików. Wolumeny są preferowanym mechanizmem do przechowywania danych kontenera.
Lub otworzyć lokalnie sklonowaną lub pobraną wersję repozytorium:
- Sklonuj to repozytorium na swój lokalny system plików.
- Naciśnij F1 i wybierz polecenie Remote-Containers: Otwórz folder w kontenerze....
- Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i przetestuj.
Możesz uruchomić tę dokumentację offline, korzystając z Docsify. Wykonaj fork tego repozytorium, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w katalogu głównym tego repo wpisz docsify serve. Strona będzie dostępna pod adresem http://localhost:3000.
Uwaga, notatniki (notebooks) nie będą renderowane za pomocą Docsify, więc gdy potrzebujesz uruchomić notatnik, zrób to osobno w VS Code z uruchomionym jądrem Pythona.
Nasz zespół tworzy inne programy nauczania! Sprawdź:
-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}
Masz problemy? Sprawdź nasz Przewodnik rozwiązywania problemów z rozwiązaniami najczęstszych problemów.
Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do innych uczących się i doświadczonych deweloperów w dyskusjach o MCP. To wspierająca społeczność, w której pytania są mile widziane, a wiedza dzielona jest swobodnie.
Jeśli masz opinie o produkcie lub napotkasz błędy podczas tworzenia, odwiedź:
Zastrzeżenie:
Dokument ten został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Choć dążymy do dokładności, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji o krytycznym znaczeniu zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.