Azure Cloud Advocates w Microsoft z przyjemnością oferują 10-tygodniowy, 20-lekcyjny program nauczania dotyczący Data Science. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie oraz zadanie. Nasze podejście oparte 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.
🙏 Specjalne podziękowania 🙏 dla naszych Microsoft Student Ambassador autorów, recenzentów i współtwórców treści, w szczególności 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 dla Początkujących - Sketchnote by @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 | Korean | Lithuanian | Malay | Marathi | Nepali | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Thai | Turkish | Ukrainian | Urdu | Vietnamese
Jeśli chcesz, aby dodatkowe języki były obsługiwane, lista dostępnych języków znajduje się tutaj
Mamy trwającą serię nauki z AI na Discordzie, dowiedz się więcej i dołącz do nas na Learn with AI Series od 18 do 30 września 2025. Otrzymasz wskazówki i triki dotyczące korzystania z GitHub Copilot w Data Science.
Rozpocznij od następujących zasobów:
- Strona Student Hub Na tej stronie znajdziesz zasoby dla początkujących, pakiety dla studentów, a nawet sposoby na zdobycie darmowego vouchera certyfikacyjnego. To strona, którą warto dodać do zakładek i sprawdzać od czasu do czasu, ponieważ zmieniamy treści co najmniej raz w miesiącu.
- Microsoft Learn Student Ambassadors Dołącz do globalnej społeczności ambasadorów studentów, to może być Twoja droga do Microsoft.
- Przewodnik instalacji - Instrukcje krok po kroku dla początkujących
- Przewodnik użytkowania - Przykłady i typowe procesy
- Rozwiązywanie problemów - Rozwiązania typowych problemów
- Przewodnik dla współtwórców - Jak przyczynić się do tego projektu
- Dla nauczycieli - Wskazówki dydaktyczne i zasoby dla klasy
Całkowici początkujący: Nowy w Data Science? Zacznij od naszych przykładów dla początkujących! Te proste, dobrze skomentowane przykłady pomogą Ci zrozumieć podstawy, zanim zagłębisz się w pełny program nauczania. Studenci: aby samodzielnie korzystać z tego programu nauczania, zrób fork całego repozytorium i samodzielnie wykonaj ćwiczenia, zaczynając od quizu przed lekcją. Następnie przeczytaj lekcję i wykonaj resztę aktywności. Spróbuj stworzyć projekty, rozumiejąc lekcje, zamiast kopiować kod rozwiązania; jednak ten kod jest dostępny w folderach /solutions w każdej lekcji zorientowanej na projekt. Innym pomysłem może być utworzenie grupy naukowej z przyjaciółmi i wspólne przejście przez treści. Do dalszej nauki polecamy Microsoft Learn.
Szybki start:
- Sprawdź Przewodnik instalacji, aby skonfigurować swoje środowisko
- Przejrzyj Przewodnik użytkowania, aby dowiedzieć się, jak pracować z programem nauczania
- Zacznij od Lekcji 1 i przechodź kolejno
- Dołącz do naszej społeczności Discord po wsparcie
Nauczyciele: dołączyliśmy kilka sugestii dotyczących korzystania z tego programu nauczania. Chętnie poznamy Wasze opinie na naszym forum dyskusyjnym!
Gif by Mohit Jaisal
🎥 Kliknij obrazek powyżej, aby obejrzeć wideo o projekcie i ludziach, którzy go stworzyli!
Podczas tworzenia tego programu nauczania wybraliśmy dwie zasady pedagogiczne: zapewnienie, że jest on oparty na projektach oraz że zawiera częste quizy. Pod koniec tej serii uczniowie poznają podstawowe zasady nauki o danych, w tym kwestie etyczne, przygotowanie danych, różne sposoby pracy z danymi, wizualizację danych, analizę danych, rzeczywiste zastosowania nauki o danych i wiele więcej.
Dodatkowo, quiz o niskim poziomie trudności przed zajęciami ukierunkowuje ucznia na naukę danego tematu, a drugi quiz po zajęciach pomaga w dalszym utrwaleniu wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 10-tygodniowego cyklu.
Znajdź nasze Zasady postępowania, Wskazówki dotyczące współtworzenia, Wskazówki dotyczące tłumaczeń. Czekamy na Twoje konstruktywne opinie!
- Opcjonalny szkic graficzny
- Opcjonalny film uzupełniający
- Quiz rozgrzewkowy przed lekcją
- Pisemną lekcję
- W przypadku lekcji opartych na projektach, przewodniki krok po kroku dotyczące budowy projektu
- Sprawdzenie wiedzy
- Wyzwanie
- Dodatkowe materiały do czytania
- Zadanie
- Quiz po lekcji
Informacja o quizach: Wszystkie quizy znajdują się w folderze Quiz-App, w sumie 40 quizów po trzy pytania każdy. Są one powiązane z lekcjami, ale aplikację quizową można uruchomić lokalnie lub wdrożyć na platformie Azure; postępuj zgodnie z instrukcjami w folderze
quiz-app. Quizy są stopniowo lokalizowane.
Nowy w nauce o danych? Stworzyliśmy specjalny katalog przykładów z prostym, dobrze skomentowanym kodem, który pomoże Ci zacząć:
- 🌟 Hello World - Twój pierwszy program związany z nauką o danych
- 📂 Ładowanie danych - Naucz się czytać i eksplorować zestawy danych
- 📊 Prosta analiza - Obliczanie statystyk i znajdowanie wzorców
- 📈 Podstawowa wizualizacja - Tworzenie wykresów i diagramów
- 🔬 Projekt rzeczywisty - Kompletny proces od początku do końca
Każdy przykład zawiera szczegółowe komentarze wyjaśniające każdy krok, co czyni je idealnymi dla absolutnie początkujących!
 |
|---|
| Nauka o danych dla początkujących: Plan działania - Szkic graficzny autorstwa @nitya |
| Numer lekcji | Temat | Grupa lekcji | Cele nauczania | Powiązana lekcja | Autor |
|---|---|---|---|---|---|
| 01 | Definiowanie nauki o danych | Wprowadzenie | Poznaj podstawowe pojęcia związane z nauką o danych i jej powiązania z sztuczną inteligencją, uczeniem maszynowym i big data. | lekcja film | Dmitry |
| 02 | Etyka w nauce o danych | Wprowadzenie | Koncepcje etyki danych, wyzwania i ramy. | lekcja | Nitya |
| 03 | Definiowanie danych | Wprowadzenie | Jak klasyfikowane są dane i ich typowe źródła. | lekcja | Jasmine |
| 04 | Wprowadzenie do statystyki i prawdopodobieństwa | Wprowadzenie | Matematyczne techniki prawdopodobieństwa i statystyki do analizy danych. | lekcja film | Dmitry |
| 05 | Praca z danymi relacyjnymi | Praca z danymi | Wprowadzenie do danych relacyjnych oraz podstawy eksploracji i analizy danych relacyjnych za pomocą języka SQL (wymawiane „si-kłel”). | 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 korzystania z Pythona do eksploracji danych z użyciem bibliotek takich jak Pandas. Zalecane jest podstawowe zrozumienie programowania w Pythonie. | lekcja film | Dmitry |
| 08 | Przygotowanie danych | Praca z danymi | Tematy dotyczące technik czyszczenia i transformacji danych w celu radzenia sobie z brakującymi, nieścisłymi lub niekompletnymi danymi. | lekcja | Jasmine |
| 09 | Wizualizacja ilości | Wizualizacja danych | Naucz się korzystać z Matplotlib do wizualizacji danych o ptakach 🦆 | lekcja | Jen |
| 10 | Wizualizacja rozkładów danych | Wizualizacja danych | Wizualizacja obserwacji i trendów w przedziale. | lekcja | Jen |
| 11 | Wizualizacja proporcji | Wizualizacja danych | Wizualizacja procentów dyskretnych i grupowych. | lekcja | Jen |
| 12 | Wizualizacja relacji | Wizualizacja danych | Wizualizacja połączeń i korelacji między zestawami danych i ich zmiennymi. | lekcja | Jen |
| 13 | Znaczące wizualizacje | Wizualizacja danych | Techniki i wskazówki dotyczące tworzenia wartościowych wizualizacji dla efektywnego rozwiązywania problemów i uzyskiwania wniosków. | lekcja | Jen |
| 14 | Wprowadzenie do cyklu życia nauki o danych | Cykl życia | Wprowadzenie do cyklu życia nauki o danych i jego pierwszego etapu pozyskiwania i ekstrakcji danych. | lekcja | Jasmine |
| 15 | Analiza | Cykl życia | Ten etap cyklu życia nauki o danych koncentruje się na technikach analizy danych. | lekcja | Jasmine |
| 16 | Komunikacja | Cykl życia | Ten etap cyklu życia nauki o danych koncentruje się na prezentowaniu wniosków z danych w sposób ułatwiający ich zrozumienie decydentom. | lekcja | Jalen |
| 17 | Nauka o danych w chmurze | Dane w chmurze | Seria lekcji wprowadzających naukę o danych w chmurze i jej korzyści. | lekcja | Tiffany i Maud |
| 18 | Nauka o danych w chmurze | Dane w chmurze | Trenowanie modeli za pomocą narzędzi Low Code. | lekcja | Tiffany i Maud |
| 19 | Nauka o danych w chmurze | Dane w chmurze | Wdrażanie modeli za pomocą Azure Machine Learning Studio. | lekcja | Tiffany i Maud |
| 20 | Nauka o danych w rzeczywistości | W rzeczywistości | Projekty oparte na nauce o danych w rzeczywistym świecie. | lekcja | Nitya |
Postępuj zgodnie z tymi krokami, aby otworzyć ten przykład w Codespace:
- Kliknij menu rozwijane Code i wybierz opcję Open with Codespaces.
- Wybierz + New codespace na dole panelu. Więcej informacji znajdziesz w dokumentacji GitHub.
Postępuj zgodnie z tymi krokami, aby otworzyć to repozytorium w kontenerze za pomocą lokalnego komputera i VSCode, korzystając z rozszerzenia VS Code Remote - Containers:
- Jeśli po raz pierwszy korzystasz z kontenera deweloperskiego, upewnij się, że Twój system spełnia wymagania wstępne (np. zainstalowany Docker) w dokumentacji wprowadzającej.
Aby użyć tego repozytorium, możesz je otworzyć w izolowanym woluminie Dockera:
Uwaga: W tle zostanie użyte polecenie Remote-Containers: Clone Repository in Container Volume..., aby sklonować kod źródłowy w woluminie Dockera zamiast lokalnego systemu plików. Woluminy są preferowanym mechanizmem do przechowywania danych kontenera.
Lub otwórz lokalnie sklonowaną lub pobraną wersję repozytorium:
- Sklonuj to repozytorium na swój lokalny system plików.
- Naciśnij F1 i wybierz polecenie Remote-Containers: Open Folder in Container....
- Wybierz sklonowaną kopię tego folderu, poczekaj na uruchomienie kontenera i wypróbuj.
Możesz uruchomić tę dokumentację offline, korzystając z Docsify. Sforkuj to repozytorium, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w folderze głównym tego repozytorium wpisz docsify serve. Strona internetowa zostanie uruchomiona na porcie 3000 na Twoim localhost: localhost:3000.
Uwaga, notatniki nie będą renderowane za pomocą Docsify, więc jeśli musisz uruchomić notatnik, zrób to osobno w VS Code, uruchamiając jądro 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}
Napotkałeś problemy? Sprawdź nasz Przewodnik rozwiązywania problemów w celu znalezienia rozwiązań typowych problemów.
Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz:
Jeśli masz uwagi dotyczące produktu lub napotkałeś błędy podczas tworzenia, odwiedź:
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.