Skip to content

INSTALLATION.md

Latest commit

 

History

History
261 lines (186 loc) · 7.16 KB

INSTALLATION.md

File metadata and controls

261 lines (186 loc) · 7.16 KB
Raw

Installationsanleitung

Diese Anleitung hilft Ihnen, Ihre Umgebung für die Arbeit mit dem Data Science for Beginners-Lehrplan einzurichten.

Inhaltsverzeichnis

Voraussetzungen

Bevor Sie beginnen, sollten Sie Folgendes haben:

  • Grundkenntnisse im Umgang mit der Kommandozeile/Terminal
  • Ein GitHub-Konto (kostenlos)
  • Stabile Internetverbindung für die Ersteinrichtung

Schnellstart-Optionen

Option 1: GitHub Codespaces (Empfohlen für Anfänger)

Der einfachste Weg, um zu starten, ist GitHub Codespaces, das eine vollständige Entwicklungsumgebung direkt in Ihrem Browser bereitstellt.

  1. Gehen Sie zum Repository
  2. Klicken Sie auf das Dropdown-Menü Code
  3. Wählen Sie den Tab Codespaces
  4. Klicken Sie auf Create codespace on main
  5. Warten Sie, bis die Umgebung initialisiert ist (2-3 Minuten)

Ihre Umgebung ist jetzt bereit mit allen vorinstallierten Abhängigkeiten!

Option 2: Lokale Entwicklung

Wenn Sie auf Ihrem eigenen Computer arbeiten möchten, folgen Sie den detaillierten Anweisungen unten.

Lokale Installation

Schritt 1: Git installieren

Git wird benötigt, um das Repository zu klonen und Ihre Änderungen zu verfolgen.

Windows:

  • Herunterladen von git-scm.com
  • Führen Sie den Installer mit den Standardeinstellungen aus

macOS:

  • Installation über Homebrew: brew install git
  • Oder herunterladen von git-scm.com

Linux:

# Debian/Ubuntu
sudo apt-get update
sudo apt-get install git

# Fedora
sudo dnf install git

# Arch
sudo pacman -S git

Schritt 2: Repository klonen

# Clone the repository
git clone https://github.com/microsoft/Data-Science-For-Beginners.git

# Navigate to the directory
cd Data-Science-For-Beginners

Schritt 3: Python und Jupyter installieren

Python 3.7 oder höher wird für die Data-Science-Lektionen benötigt.

Windows:

  1. Laden Sie Python von python.org herunter
  2. Aktivieren Sie während der Installation die Option "Add Python to PATH"
  3. Installation überprüfen:
python --version

macOS:

# Using Homebrew
brew install python3

# Verify installation
python3 --version

Linux:

# Most Linux distributions come with Python pre-installed
python3 --version

# If not installed:
# Debian/Ubuntu
sudo apt-get install python3 python3-pip

# Fedora
sudo dnf install python3 python3-pip

Schritt 4: Python-Umgebung einrichten

Es wird empfohlen, eine virtuelle Umgebung zu verwenden, um Abhängigkeiten isoliert zu halten.

# Create a virtual environment
python -m venv venv

# Activate the virtual environment
# On Windows:
venv\Scripts\activate

# On macOS/Linux:
source venv/bin/activate

Schritt 5: Python-Pakete installieren

Installieren Sie die erforderlichen Data-Science-Bibliotheken:

pip install jupyter pandas numpy matplotlib seaborn scikit-learn

Schritt 6: Node.js und npm installieren (für Quiz-App)

Die Quiz-Anwendung benötigt Node.js und npm.

Windows/macOS:

  • Herunterladen von nodejs.org (LTS-Version empfohlen)
  • Führen Sie den Installer aus

Linux:

# Debian/Ubuntu
# WARNING: Piping scripts from the internet directly into bash can be a security risk.
# It is recommended to review the script before running it:
#   curl -fsSL https://deb.nodesource.com/setup_lts.x -o setup_lts.x
#   less setup_lts.x
# Then run:
#   sudo -E bash setup_lts.x
#
# Alternatively, you can use the one-liner below at your own risk:
curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash -
sudo apt-get install -y nodejs

# Fedora
sudo dnf install nodejs

# Verify installation
node --version
npm --version

Schritt 7: Abhängigkeiten der Quiz-App installieren

# Navigate to quiz app directory
cd quiz-app

# Install dependencies
npm install

# Return to root directory
cd ..

Schritt 8: Docsify installieren (Optional)

Für den Offline-Zugriff auf die Dokumentation:

npm install -g docsify-cli

Installation überprüfen

Python und Jupyter testen

# Activate your virtual environment if not already activated
# On Windows:
venv\Scripts\activate
# On macOS/Linux:
source venv/bin/activate

# Start Jupyter Notebook
jupyter notebook

Ihr Browser sollte mit der Jupyter-Oberfläche geöffnet werden. Sie können nun zu einer beliebigen .ipynb-Datei einer Lektion navigieren.

Quiz-Anwendung testen

# Navigate to quiz app
cd quiz-app

# Start development server
npm run serve

Die Quiz-App sollte unter http://localhost:8080 (oder einem anderen Port, falls 8080 belegt ist) verfügbar sein.

Dokumentationsserver testen

# From the root directory of the repository
docsify serve

Die Dokumentation sollte unter http://localhost:3000 verfügbar sein.

Verwendung von VS Code Dev Containers

Wenn Sie Docker installiert haben, können Sie VS Code Dev Containers verwenden:

  1. Installieren Sie Docker Desktop
  2. Installieren Sie Visual Studio Code
  3. Installieren Sie die Remote - Containers-Erweiterung
  4. Öffnen Sie das Repository in VS Code
  5. Drücken Sie F1 und wählen Sie "Remote-Containers: Reopen in Container"
  6. Warten Sie, bis der Container erstellt wird (nur beim ersten Mal)

Nächste Schritte

  • Erkunden Sie die README.md für einen Überblick über den Lehrplan
  • Lesen Sie USAGE.md für häufige Workflows und Beispiele
  • Überprüfen Sie TROUBLESHOOTING.md, falls Sie auf Probleme stoßen
  • Sehen Sie sich CONTRIBUTING.md an, wenn Sie beitragen möchten

Hilfe erhalten

Falls Sie auf Probleme stoßen:

  1. Überprüfen Sie die TROUBLESHOOTING.md-Anleitung
  2. Durchsuchen Sie bestehende GitHub Issues
  3. Treten Sie unserer Discord-Community bei
  4. Erstellen Sie ein neues Issue mit detaillierten Informationen zu Ihrem Problem

Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.