Imported from TangentJay/Codedex_stuff (Data-Science-For-Beginners-main/translations/pl/AGENTS.md). Install upstream with npx skills add TangentJay/Codedex_stuff --skill pl. Copyright stays with the author.

AGENTS.md

Przegląd projektu

Data Science for Beginners to kompleksowy, 10-tygodniowy kurs składający się z 20 lekcji, stworzony przez Microsoft Azure Cloud Advocates. Repozytorium jest zasobem edukacyjnym, który uczy podstawowych pojęć z zakresu nauki o danych poprzez lekcje oparte na projektach, w tym notatniki Jupyter, interaktywne quizy i zadania praktyczne.

Kluczowe technologie:

Notatniki Jupyter: Główne medium nauki z użyciem Python 3
Biblioteki Python: pandas, numpy, matplotlib do analizy danych i wizualizacji
Vue.js 2: Aplikacja quizowa (folder quiz-app)
Docsify: Generator strony dokumentacji do użytku offline
Node.js/npm: Zarządzanie pakietami dla komponentów JavaScript
Markdown: Cała treść lekcji i dokumentacja

Architektura:

Repozytorium edukacyjne w wielu językach z obszernymi tłumaczeniami
Struktura podzielona na moduły lekcji (1-Introduction do 6-Data-Science-In-Wild)
Każda lekcja zawiera README, notatniki, zadania i quizy
Samodzielna aplikacja quizowa Vue.js do oceny przed/po lekcji
Wsparcie dla GitHub Codespaces i kontenerów deweloperskich VS Code

Polecenia konfiguracji

Konfiguracja repozytorium

# Clone the repository (if not already cloned)
git clone https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners

Konfiguracja środowiska Python

# Create a virtual environment (recommended)
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install common data science libraries (no requirements.txt exists)
pip install jupyter pandas numpy matplotlib seaborn scikit-learn

Konfiguracja aplikacji quizowej

# Navigate to quiz app
cd quiz-app

# Install dependencies
npm install

# Start development server
npm run serve

# Build for production
npm run build

# Lint and fix files
npm run lint

Serwer dokumentacji Docsify

# Install Docsify globally
npm install -g docsify-cli

# Serve documentation locally
docsify serve

# Documentation will be available at localhost:3000

Konfiguracja projektów wizualizacyjnych

Dla projektów wizualizacyjnych, takich jak meaningful-visualizations (lekcja 13):

# Navigate to starter or solution folder
cd 3-Data-Visualization/13-meaningful-visualizations/starter

# Install dependencies
npm install

# Start development server
npm run serve

# Build for production
npm run build

# Lint files
npm run lint

Przebieg pracy deweloperskiej

Praca z notatnikami Jupyter

Uruchom Jupyter w katalogu głównym repozytorium: jupyter notebook
Przejdź do odpowiedniego folderu lekcji
Otwórz pliki .ipynb, aby przejść przez ćwiczenia
Notatniki są samodzielne, zawierają wyjaśnienia i komórki kodu
Większość notatników używa pandas, numpy i matplotlib - upewnij się, że są zainstalowane

Struktura lekcji

Każda lekcja zazwyczaj zawiera:

README.md - Główna treść lekcji z teorią i przykładami
notebook.ipynb - Ćwiczenia praktyczne w notatniku Jupyter
assignment.ipynb lub assignment.md - Zadania praktyczne
Folder solution/ - Notatniki z rozwiązaniami i kod
Folder images/ - Materiały wizualne wspierające

Rozwój aplikacji quizowej

Aplikacja Vue.js 2 z funkcją hot-reload podczas rozwoju
Quizy przechowywane w quiz-app/src/assets/translations/
Każdy język ma własny folder tłumaczeń (en, fr, es, itd.)
Numeracja quizów zaczyna się od 0 i kończy na 39 (łącznie 40 quizów)

Dodawanie tłumaczeń

Tłumaczenia umieszczane w folderze translations/ w katalogu głównym repozytorium
Każdy język ma pełną strukturę lekcji odzwierciedloną z angielskiego
Automatyczne tłumaczenie za pomocą GitHub Actions (co-op-translator.yml)

Instrukcje testowania

Testowanie aplikacji quizowej

cd quiz-app

# Run lint checks
npm run lint

# Test build process
npm run build

# Manual testing: Start dev server and verify quiz functionality
npm run serve

Testowanie notatników

Nie istnieje automatyczny framework testowy dla notatników
Walidacja ręczna: Uruchom wszystkie komórki w kolejności, aby upewnić się, że nie ma błędów
Sprawdź dostępność plików danych i poprawność generowanych wyników
Upewnij się, że wizualizacje renderują się poprawnie

Testowanie dokumentacji

# Verify Docsify renders correctly
docsify serve

# Check for broken links manually by navigating through content
# Verify all lesson links work in the rendered documentation

Kontrola jakości kodu

# Vue.js projects (quiz-app and visualization projects)
cd quiz-app  # or visualization project folder
npm run lint

# Python notebooks - manual verification recommended
# Ensure imports work and cells execute without errors

Wytyczne dotyczące stylu kodu

Python (Notatniki Jupyter)

Przestrzegaj wytycznych stylu PEP 8 dla kodu Python
Używaj jasnych nazw zmiennych, które opisują analizowane dane
Dodawaj komórki markdown z wyjaśnieniami przed komórkami kodu
Skup komórki kodu na pojedynczych koncepcjach lub operacjach
Używaj pandas do manipulacji danymi, matplotlib do wizualizacji

Typowy wzorzec importu:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

JavaScript/Vue.js

Przestrzegaj wytycznych stylu Vue.js 2 i najlepszych praktyk
Konfiguracja ESLint w quiz-app/package.json
Używaj komponentów Vue w pojedynczych plikach (.vue)
Utrzymuj architekturę opartą na komponentach
Uruchom npm run lint przed zatwierdzeniem zmian

Dokumentacja Markdown

Używaj jasnej hierarchii nagłówków (# ## ### itd.)
Dodawaj bloki kodu ze specyfikatorami języka
Dodawaj tekst alternatywny dla obrazów
Linkuj do powiązanych lekcji i zasobów
Zachowaj rozsądną długość linii dla czytelności

Organizacja plików

Treść lekcji w ponumerowanych folderach (01-defining-data-science, itd.)
Rozwiązania w dedykowanych podfolderach solution/
Tłumaczenia odzwierciedlają strukturę angielską w folderze translations/
Pliki danych w folderze data/ lub specyficznych dla lekcji

Budowa i wdrożenie

Wdrożenie aplikacji quizowej

cd quiz-app

# Build production version
npm run build

# Output is in dist/ folder
# Deploy dist/ folder to static hosting (Azure Static Web Apps, Netlify, etc.)

Wdrożenie Azure Static Web Apps

Aplikacja quizowa może być wdrożona na Azure Static Web Apps:

Utwórz zasób Azure Static Web App
Połącz z repozytorium GitHub
Skonfiguruj ustawienia budowy:
- Lokalizacja aplikacji: quiz-app
- Lokalizacja wynikowa: dist
Workflow GitHub Actions automatycznie wdroży zmiany po ich przesłaniu

Strona dokumentacji

# Build PDF from Docsify (optional)
npm run convert

# Docsify documentation is served directly from markdown files
# No build step required for deployment
# Deploy repository to static hosting with Docsify

GitHub Codespaces

Repozytorium zawiera konfigurację kontenera deweloperskiego
Codespaces automatycznie konfiguruje środowisko Python i Node.js
Otwórz repozytorium w Codespace za pomocą interfejsu GitHub
Wszystkie zależności instalują się automatycznie

Wytyczne dotyczące pull requestów

Przed przesłaniem

# For Vue.js changes in quiz-app
cd quiz-app
npm run lint
npm run build

# Test changes locally
npm run serve

Format tytułu PR

Używaj jasnych, opisowych tytułów
Format: [Komponent] Krótki opis
Przykłady:
- [Lekcja 7] Napraw błąd importu w notatniku Python
- [Aplikacja Quizowa] Dodaj tłumaczenie na niemiecki
- [Dokumentacja] Zaktualizuj README o nowe wymagania wstępne

Wymagane kontrole

Upewnij się, że cały kod działa bez błędów
Zweryfikuj, że notatniki wykonują się w całości
Potwierdź, że aplikacje Vue.js budują się poprawnie
Sprawdź, czy linki w dokumentacji działają
Przetestuj aplikację quizową, jeśli została zmodyfikowana
Zweryfikuj, że tłumaczenia zachowują spójną strukturę

Wytyczne dotyczące wkładu

Przestrzegaj istniejącego stylu kodu i wzorców
Dodawaj wyjaśniające komentarze dla złożonej logiki
Aktualizuj odpowiednią dokumentację
Testuj zmiany w różnych modułach lekcji, jeśli to możliwe
Przejrzyj plik CONTRIBUTING.md

Dodatkowe uwagi

Często używane biblioteki

pandas: Manipulacja i analiza danych
numpy: Obliczenia numeryczne
matplotlib: Wizualizacja danych i wykresy
seaborn: Wizualizacja danych statystycznych (niektóre lekcje)
scikit-learn: Uczenie maszynowe (lekcje zaawansowane)

Praca z plikami danych

Pliki danych znajdują się w folderze data/ lub w katalogach specyficznych dla lekcji
Większość notatników oczekuje plików danych w ścieżkach względnych
Pliki CSV są głównym formatem danych
Niektóre lekcje używają JSON dla przykładów danych nierelacyjnych

Wsparcie wielojęzyczne

Ponad 40 tłumaczeń językowych za pomocą automatycznych GitHub Actions
Workflow tłumaczeń w .github/workflows/co-op-translator.yml
Tłumaczenia w folderze translations/ z kodami języków
Tłumaczenia quizów w quiz-app/src/assets/translations/

Opcje środowiska deweloperskiego

Rozwój lokalny: Zainstaluj Python, Jupyter, Node.js lokalnie
GitHub Codespaces: Środowisko rozwoju w chmurze
Kontenery deweloperskie VS Code: Lokalny rozwój oparty na kontenerach
Binder: Uruchamianie notatników w chmurze (jeśli skonfigurowane)

Wytyczne dotyczące treści lekcji

Każda lekcja jest samodzielna, ale buduje na poprzednich koncepcjach
Quizy przed lekcją sprawdzają wcześniejszą wiedzę
Quizy po lekcji wzmacniają naukę
Zadania zapewniają praktykę
Sketchnotes oferują wizualne podsumowania

Rozwiązywanie typowych problemów

Problemy z Jupyter Kernel:

# Ensure correct kernel is installed
python -m ipykernel install --user --name=datascience

Problemy z instalacją npm:

# Clear npm cache and retry
npm cache clean --force
rm -rf node_modules package-lock.json
npm install

Błędy importu w notatnikach:

Upewnij się, że wszystkie wymagane biblioteki są zainstalowane
Sprawdź zgodność wersji Python (zalecany Python 3.7+)
Upewnij się, że środowisko wirtualne jest aktywowane

Docsify nie ładuje się:

Upewnij się, że serwujesz z katalogu głównego repozytorium
Sprawdź, czy istnieje plik index.html
Upewnij się, że masz odpowiedni dostęp do sieci (port 3000)

Uwagi dotyczące wydajności

Duże zestawy danych mogą długo się ładować w notatnikach
Renderowanie wizualizacji może być wolne dla złożonych wykresów
Serwer deweloperski Vue.js umożliwia szybkie iteracje dzięki hot-reload
Kompilacje produkcyjne są zoptymalizowane i zminimalizowane

Uwagi dotyczące bezpieczeństwa

Nie należy przesyłać danych wrażliwych ani poświadczeń
Używaj zmiennych środowiskowych dla kluczy API w lekcjach chmurowych
Lekcje związane z Azure mogą wymagać poświadczeń konta Azure
Aktualizuj zależności dla poprawek bezpieczeństwa

Wkład w tłumaczenia

Automatyczne tłumaczenia zarządzane za pomocą GitHub Actions
Mile widziane ręczne poprawki dla dokładności tłumaczeń
Przestrzegaj istniejącej struktury folderów tłumaczeń
Aktualizuj linki do quizów, aby zawierały parametr języka: ?loc=fr
Testuj przetłumaczone lekcje pod kątem poprawnego renderowania

Powiązane zasoby

Główna ścieżka nauczania: https://aka.ms/datascience-beginners
Microsoft Learn: https://docs.microsoft.com/learn/
Student Hub: https://docs.microsoft.com/learn/student-hub
Forum dyskusyjne: https://github.com/microsoft/Data-Science-For-Beginners/discussions
Inne kursy Microsoft: ML for Beginners, AI for Beginners, Web Dev for Beginners

Utrzymanie projektu

Regularne aktualizacje, aby treść była aktualna
Mile widziane wkłady społeczności
Problemy śledzone na GitHub
PR-y przeglądane przez opiekunów programu nauczania
Miesięczne przeglądy i aktualizacje treści

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za źródło autorytatywne. 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.

About