[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Microsofti Azure'i Cloud Advocates pakub 10-nädalast, 20-õppetunni pikkust õppekava, mis keskendub täielikult andmeteadusele. Iga õppetund sisaldab eelkatsel ja järellõputesti, kirjalikke juhiseid õppetunni läbiviimiseks, lahendust ja ülesannet. Meie projektipõhine õpetamisviis võimaldab sul õppida ehitamise käigus – tõestatud meetod uute oskuste kinnistamiseks.
Microsofti Azure Cloud Advocates pakuvad rõõmuga 10-nädalast ja 20-õppetunnist koosnevat andmeteaduse õppekava. Iga õppetund sisaldab eel- ja järelekatseid, kirjalikke juhiseid õppetunni lõpuleviimiseks, lahendust ning ülesannet. Meie projektipõhine pedagoogika võimaldab õppida ehitamise käigus, mis on tõestatud viis uute oskuste omandamiseks.
> See hoidla sisaldab 50+ keele tõlked, mis suurendavad oluliselt allalaadimismahu. Kui soovid kloonida ilma tõlgeteta, kasuta sparse checkouti:
> Selles hoidlasse on lisatud üle 50 keele tõlke, mis suurendab oluliselt allalaaditava faili suurust. Kui soovite kloonida ilma tõlgeteta, kasutage sparse checkouti:
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> See annab sulle kõik vajaliku kursuse lõpetamiseks oluliselt kiiremalt.
> Sel viisil saate kogu vajaliku kursuse läbimiseks palju kiirema allalaadimise.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**Kui soovid, et toetataks täiendavaid tõlkekeeli, on need loetletud [siin](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**Kui soovite, et toetataks rohkem tõlkekeeli, on need nimekirjas [siin](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Meil töötab Discordis õppesari AI-ga, saa rohkem teada ja liitu meiega aadressil [Õpi koos AI-ga sari](https://aka.ms/learnwithai/discord) 18.-30. septembrini 2025. Saad nõuandeid ja nippe GitHub Copiloti kasutamiseks andmeteaduses.
Meil jookseb Discordis õppesari "Learn with AI", uurige lähemalt ja liituge meiega aadressil [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.–30. septembril 2025. Saate GitHub Copiloti kasutamise nippe ja nippe andmeteaduse jaoks.
# Kas oled tudeng?
Alusta järgmiste ressurssidega:
- [Tudengi keskus](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Selles lehel leiad algajatele mõeldud ressursse, tudengipakette ja isegi võimalusi saada tasuta sertifikaadikuponk. See on üks leht, mille peaksid järjehoidjatesse panema ja aeg-ajalt vaatama, sest sisu uuendatakse vähemalt kord kuus.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liitu ülemaailmse tudengisaadikute kogukonnaga, see võib olla sinu tee Microsofti.
- [Student Hub leht](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sellel lehel leiad algajale mõeldud ressursid, tudengipakid ja isegi võimalused saada tasuta sertifikaadikuponk. See on leht, mille soovid järjehoidjates hoida ja aeg-ajalt kontrollida, kuna sisu vahetub vähemalt kord kuus.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liitu tudengisaadikute globaalse kogukonnaga, see võib olla sinu tee Microsofti.
- **[Panustamise juhend](CONTRIBUTING.md)** – kuidas sellesse projekti panustada
- **[Õpetajatele](for-teachers.md)** – juhendamine ja klassiruumis kasutatavad ressursid
## 👨🎓 Tudengitele
> **Täielikud algajad**: Uus andmeteaduses? Alusta meie [algajasõbralike näidete](examples/README.md) juurest! Need lihtsad, hästi kommenteeritud näited aitavad sul mõista põhialuseid enne täisõppekava läbimist.
> **[Tudengid](https://aka.ms/student-page)**: selle õppekava iseseisvaks kasutamiseks tee kogu repo fork ja tee harjutused ise läbi, alustades eelkatsest. Seejärel loe õppetund läbi ja tee ülejäänud tegevused. Proovi projekte luua läbi õppetundide mõistmise, mitte kopeerides lahenduse koodi; siiski on see kood saadaval iga projektipõhise õppetunni /solutions kaustas. Teine võimalus on moodustada õpirühm sõpradega ja läbida sisu koos. Täiendavaks õppimiseks soovitame [Microsoft Learn'i](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Täielik algaja**: Oled uus andmeteaduses? Alusta meie [algajasõbralikest näidetest](examples/README.md)! Need lihtsad, hästi kommenteeritud näited aitavad sul mõista põhialuseid enne kogu õppekavasse süvenemist.
> **[Tudengid](https://aka.ms/student-page)**: et kasutada seda õppekava iseseisvalt, tee kogu hoidla fork ja lahenda ülesanded iseseisvalt, alustades eel-loenguteenistusega. Seejärel loe loeng läbi ja täida ülejäänud tegevused. Proovi projekte luua, mõistes loenguid, mitte kopeerides lahenduskoodi; kuid see kood on kättesaadav igas projektikeskses õppetunnis /solutions kaustas. Teine idee on moodustada sõpradega õpperühm ja õppida sisu koos läbi. Edasiseks õppeks soovitame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Kiirstart:**
1. Vaata üle [Paigaldusjuhend](INSTALLATION.md), et keskkond seadistada
2. Uuri [Kasutusjuhendit](USAGE.md), kuidas õppekavaga töötada
3. Alusta 1. õppetunnist ja tee järjest edasi
4. Liitu meie [Discord kogukonnaga](https://aka.ms/ds4beginners/discord) toe saamiseks
**Kiire algus:**
1. Vaata [Paigaldusjuhendit](INSTALLATION.md) oma keskkonna seadistamiseks
2. Tutvu [Kasutusjuhendiga](USAGE.md), et õppida, kuidas õppekavaga töötada
3. Alusta õppetunnist 1 ja tööta järjestikku läbi
4. Liitu meie [Discordi kogukonnaga](https://aka.ms/ds4beginners/discord) abi saamiseks
## 👩🏫 Õpetajatele
> **Õpetajatele**: oleme lisanud [mõningaid soovitusi](for-teachers.md), kuidas seda õppekava kasutada. Ootame teie tagasisidet [meie arutelufoorumis](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Õpetajad**: oleme lisanud [mõningaid soovitusi](for-teachers.md), kuidas seda õppekava kasutada. Oleme väga tänulikud teie tagasiside eest [meie arutelufoorumis](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
@ -105,101 +105,101 @@ Alusta järgmiste ressurssidega:
## Pedagoogika
Selle õppekava koostamisel oleme valinud kaks pedagoogilist põhimõtet: tagada, et õpe baseeruks projektidel, ning et see sisaldaks tihedaid viktoriine. Selle sarja lõpuks on õpilased omandanud andmeteaduse põhialused, sh eetilised kontseptsioonid, andmete ettevalmistamise, erinevad viisid andmetega töötamiseks, andmete visualiseerimise, andmete analüüsi, andmeteaduse reaalse maailma kasutusjuhtumid ja palju muud.
Selle õppekava koostamisel oleme valinud kaks pedagoogilist põhimõtet: tagada, et see põhineb projektidel, ja et see sisaldab sageli teste. Selle sarja lõpuks on üliõpilased õppinud andmeteaduse põhialuseid, sealhulgas eetilisi mõisteid, andmete ettevalmistamist, erinevaid viise andmetega töötamiseks, andmete visualiseerimist, andmeanalüüsi, andmeteaduse reaalse maailma kasutusjuhtumeid ja palju muud.
Lisaks seab madala panusega viktoriin enne tundi õpilase kavatsuse konkreetset õppeainet omandada, samas kui teine viktoriin pärast tundi aitab teadmiste kinnistamisel. See õppekava on koostatud nii, et see oleks paindlik ja lõbus ning seda saab läbida kas terviklikult või osaliselt. Projektid algavad väikestest ja muutuvad 10-nädalase tsükli lõpuks järjest keerukamaks.
Lisaks seab enne tundi toimuv madala panusega test õppija eesmärgiks teema omandamise, samas kui pärast tundi toimuv teine test tagab teadmiste kinnistumise. See õppekava on disainitud olema paindlik ja lõbus ning seda saab läbida täielikult või osaliselt. Projektid algavad väikeselt ja muutuvad 10-nädalase tsükli lõpuks järjest keerulisemaks.
> **Märkus viktoriinide kohta**: Kõik viktoriinid on koos Quiz-App kaustas, kokku 40 viktoriini, igas kolm küsimust. Neid on linkitud õppetöö sees, kuid viktoriinirakendust saab käivitada kohapeal või juurutada Azure'i; järgige juhiseid kaustas `quiz-app`. Viktoriine lokaliseeritakse järk-järgult.
> **Märkused testide kohta**: Kõik testid asuvad kaustas Quiz-App, kokku 40 testi, igaühes kolm küsimust. Need on lingitud õppetundides, kuid testirakendust saab käivitada kohapeal või juurutada Azure’is; juhiseid leiate kaustast `quiz-app`. Need localization protsess on pooleli.
## 🎓 Algajatele sobivad näited
## 🎓 Algajasõbralikud näited
**Uus andmeteaduses?** Oleme loonud eraldi [näidiskataloogi](examples/README.md) lihtsa ja hästi kommenteeritud koodiga, mis aitab teil alustada:
**Oled andmeteadusega alles alustamas?** Oleme loonud spetsiaalse [näidiste kausta](examples/README.md), kus on lihtne ja hästi kommenteeritud kood, mis aitab sul alustada:
- 🌟 **Hello World** - Teie esimene andmeteaduse programm
- 📂 **Andmete laadimine**- Õppige, kuidas lugeda ja uurida andmekogumeid
- 📊 **Lihtne analüüs**- Arvutage statistikat ja leidke mustreid
- 📈 **Põhiline visualiseerimine**- Looge diagramme ja graafikuid
- 🔬 **Reaalmaailma projekt** - Täielik töövoog algusest lõpuni
- 🌟 **Tere maailm** – sinu esimene andmeteaduse programm
- 📂 **Andmete laadimine**– õpi lugema ja andmestikke uurima
- 📊 **Lihtne analüüs**– arvuta statistikat ja leia mustreid
- 📈 **Põhiline visualiseerimine**– loo diagramme ja graafikuid
- 🔬 **Reaalne projekt** – kogu töövoog algusest lõpuni
Iga näide sisaldab üksikasjalikke kommentaare, mis selgitavad igat sammu, mis teeb need täiuslikuks täiesti algajatele!
Iga näide sisaldab detailseid kommentaare, mis selgitavad iga sammu, muutes selle ideaalseks täiesti algajatele!
👉 **[Alustage näidetest](examples/README.md)** 👈
👉 **[Alusta näidistest](examples/README.md)** 👈
## Õppetükid
## Õppetunnid
||
||
| 01 | Andmeteaduse määratlus | [Sissejuhatus](1-Introduction/README.md) | Õppida andmeteaduse põhikontseptsioone ja selle seoseid tehisintellekti, masinõppe ja suurandmetega. | [õppetükk](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Andmeteaduse eetika | [Sissejuhatus](1-Introduction/README.md) | Andmete eetika mõisted, väljakutsed ja raamistikud. | [õppetükk](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Andmete määratlus | [Sissejuhatus](1-Introduction/README.md) | Kuidas andmeid klassifitseeritakse ja nende tavapärased allikad. | [õppetükk](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Sissejuhatus statistika ja tõenäosusesse | [Sissejuhatus](1-Introduction/README.md) | Matemaatilised meetodid tõenäosuse ja statistika alal andmete mõistmiseks. | [õppetükk](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Töötamine relatsioonandmetega | [Andmetega töötamine](2-Working-With-Data/README.md) | Sissejuhatus relatsioonandmetesse ning andmete uurimise ja analüüsi põhialused relatsioonandmebaaside keelt kasutades, tuntud ka kui SQL (hääldatakse "sii-kwell"). | [õppetükk](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Töötamine NoSQL andmetega | [Andmetega töötamine](2-Working-With-Data/README.md) | Sissejuhatus mitte-relatsioonandmetesse, nende erinevatesse tüüpidesse ja dokumentandmebaaside uurimise ning analüüsi põhialustesse. | [õppetükk](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Töö Pythoniga | [Andmetega töötamine](2-Working-With-Data/README.md) | Pythoni kasutamise alused andmete uurimiseks, sh teekide nagu Pandas kasutamine. Soovitatav on omada põhiteadmisi Python programmeerimisest. | [õppetükk](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Andmete ettevalmistamine | [Andmetega töötamine](2-Working-With-Data/README.md) | Teemad andmetöötluse tehnikatest andmete puhastamiseks ja ümberkujundamiseks, et toime tulla puuduvate, ebatäpsete või mittetäielike andmetega. | [õppetükk](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Kvantitatiivsete andmete visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Õppige kasutama Matplotlibi lindude andmete visualiseerimiseks 🦆 | [õppetükk](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Suhete visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Andmekogumite ja nende muutujate vaheliste seoste ja korrelatsioonide visualiseerimine. | [õppetükk](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Mõtestatud visualiseerimised | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Tehnikad ja juhised, kuidas muuta oma visualiseeringud väärtuslikeks efektiivse probleemi lahendamise ja teadmiste saamiseks. | [õppetükk](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Sissejuhatus andmeteaduse elutsüklisse | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | Sissejuhatus andmeteaduse elutsüklisse ja selle esimese sammu andmete hankimisse ja töötlemisse. | [õppetükk](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analüüs | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | Andmeteaduse elutsükli faas, mis keskendub andmete analüüsimeetoditele. | [õppetükk](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikatsioon | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | Andmeteaduse elutsükli faas, mis keskendub andmetest saadud teadmiste esitamisele viisil, mis hõlbustab otsustajate mõistmist. | [õppetükk](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Andmeteadus pilves | [Pilvandmed](5-Data-Science-In-Cloud/README.md) | See õppetükkide sari tutvustab andmeteadust pilves ja selle eeliseid. | [õppetükk](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 18 | Andmeteadus pilves | [Pilvandmed](5-Data-Science-In-Cloud/README.md) | Mudelite treenimine madala koodi tööriistadega. |[õppetükk](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 19 | Andmeteadus pilves | [Pilvandmed](5-Data-Science-In-Cloud/README.md) | Mudelite juurutamine Azure Machine Learning Studio abil. | [õppetükk](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 20 | Andmeteadus looduses | [Looduses](6-Data-Science-In-Wild/README.md) | Andmeteaduse-põhised projektid reaalses maailmas. | [õppetükk](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Andmeteaduse määratlemine | [Sissejuhatus](1-Introduction/README.md) | Õpi andmeteaduse põhimõisteid ja kuidas see seostub tehisintellekti, masinõppe ja suurandmetega. | [õppetund](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 03 | Andmete määratlemine | [Sissejuhatus](1-Introduction/README.md) | Kuidas andmeid klassifitseeritakse ja nende levinud allikad. | [õppetund](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Statistika ja tõenäosuse sissejuhatus | [Sissejuhatus](1-Introduction/README.md) | Matemaatilised tõenäosuse ja statistika tehnikad andmete mõistmiseks. | [õppetund](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Suhteliste andmetega töötamine | [Andmetega töötamine](2-Working-With-Data/README.md) | Sissejuhatus suhtelisse andmetesse ja põhitõed suhtelise andmebaasi uurimisel ja analüüsimisel Structured Query Language'i ehk SQL-i (hääldatakse “see-kwell”) abil. | [õppetund](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL-andmetega töötamine | [Andmetega töötamine](2-Working-With-Data/README.md) | Sissejuhatus mittenõustavatesse andmetesse, nende erinevatesse tüüpidesse ja põhitõed dokumentandmebaaside uurimisel ja analüüsimisel. | [õppetund](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Pythoniga töötamine | [Andmetega töötamine](2-Working-With-Data/README.md) | Andmete uurimiseks Pythoni kasutamise põhitõed Pandase jt teekidega. Soovitatav on baasteadmised Python programmeerimisest. | [õppetund](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Andmete ettevalmistamine | [Andmetega töötamine](2-Working-With-Data/README.md) | Andmete puhastamise ja teisendamise tehnikad, et tulla toime puuduvate, ebatäpsete või puudulike andmetega seotud probleemidega. | [õppetund](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 12 | Suhete visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Ühenduste ja korrelatsioonide visualiseerimine andmekogumite ja nende muutujate vahel. | [õppetund](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Mõtestatud visualiseeringud | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Tehnikad ja juhised, kuidas muuta oma visualiseeringud väärtuslikeks tõhusaks probleemilahenduseks ja teadmiste saamiseks. | [õppetund](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Sissejuhatus andmeteaduse elutsüklisse | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | Sissejuhatus andmeteaduse elutsüklisse ja selle esimesele sammule: andmete hankimisele ja väljavõtmisele. | [õppetund](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analüüsimine | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | See andmeteaduse elutsükli faas keskendub andmete analüüsi tehnikatele. | [õppetund](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikatsioon | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | See andmeteaduse elutsükli faas keskendub teadmiste esitamisele andmetest viisil, mis teeb otsustajatel nende mõistmise lihtsamaks. | [õppetund](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Andmeteadus pilves | [Pilvede andmed](5-Data-Science-In-Cloud/README.md) | See õppesari tutvustab andmeteadust pilves ja selle eeliseid. | [õppetund](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 18 | Andmeteadus pilves | [Pilvede andmed](5-Data-Science-In-Cloud/README.md) | Madala koodiga tööriistadega mudelite treenimine. |[õppetund](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 19 | Andmeteadus pilves | [Pilvede andmed](5-Data-Science-In-Cloud/README.md) | Mudelite juurutamine Azure Machine Learning Studio abil. | [õppetund](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 20 | Andmeteadus looduses | [Looduses](6-Data-Science-In-Wild/README.md) | Andmeteadusest juhitud projektid reaalses maailmas. | [õppetund](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Avage see näide Codespaces'is järgides neid samme:
1. Klõpsake koodimenüüd ja valige valik Open with Codespaces.
2. Valige paneeli allosas + New codespace.
Rohkem info saamiseks vaadake [GitHub dokumentatsiooni](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
Järgige neid samme selle näidisprojekti avamiseks Codespace'is:
1. Klikkige nupul Code ja valige Open with Codespaces.
2. Valige akna allosas + New codespace.
Lisateabe saamiseks vaadake [GitHub dokumentatsiooni](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - konteinerid
Avage see hoidla konteineris oma kohalikus masinas VSCode'i ja VS Code Remote - Containers laienduse abil:
## VSCode Remote - Containers
Järgige neid samme, et avada see hoidla konteineris oma kohalikust masinast VSCode abil, kasutades VS Code Remote - Containers laiendust:
1. Kui kasutate arenduskonteinerit esimest korda, veenduge, et teie süsteem vastab eeltingimustele (nt Docker on paigaldatud), vt [algusjuhendit](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Kui kasutate arenduskonteinerit esimest korda, veenduge, et teie süsteem vastab eeltingimustele (näiteks Docker on installitud) [alustamise dokumentatsioonis](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
Selle hoidla kasutamiseks saate kas avada hoidla isoleeritud Docker mahu sees:
Selle hoidla kasutamiseks saate kas avada hoidla isoleeritud Docker mahtu:
**Märkus**: Sisuliselt kasutab see käsku Remote-Containers: **Clone Repository in Container Volume...** lähtekoodi kloonimiseks Docker mahu asemel kohalikule failisüsteemile. [Mahud](https://docs.docker.com/storage/volumes/) on eelistatud mehhanism konteineri andmete säilitamiseks.
**Märkus**: Selle taga kasutatakse Remote-Containers: **Clone Repository in Container Volume...** käsku, et kloonida lähtekood Docker mahus, mitte kohalikus failisüsteemis. [Mahud](https://docs.docker.com/storage/volumes/) on soovitatav mehhanism konteineri andmete säilitamiseks.
Või avage kohalikult kloonitud või alla laetud hoidla koopia:
Või avada kohalikku kloonitud või alla laaditud hoidla versiooni:
- Kloonige see hoidla oma kohalikule failisüsteemile.
- Kloonige hoidla oma kohalikku failisüsteemi.
- Vajutage F1 ja valige käsk **Remote-Containers: Open Folder in Container...**.
- Valige selle kausta kloonitud koopia, oodake konteineri käivitamist ja testige.
- Valige selle kausta kloonitud koopia, oodake konteineri käivitamist ja proovige.
## Offline juurdepääs
## Võrguühenduseta ligipääs
Seda dokumentatsiooni saab kasutada ka offline režiimis Docsify abil: [Docsify](https://docsify.js.org/#/). Tehke selle hoidla fork, paigaldage kohalikus masinas [Docsify](https://docsify.js.org/#/quickstart) ja seejärel juurkaustas tippige `docsify serve`. Veebileht töötab aadressil localhost:3000.
Seda dokumentatsiooni saate võrguühenduseta kasutada, kasutades [Docsify](https://docsify.js.org/#/). Forkige see hoidlasse, [installige Docsify](https://docsify.js.org/#/quickstart) oma kohalikku masinasse ja seejärel käivitage hoidlakausta juurest käsk `docsify serve`. Veebisait jookseb porti 3000 aadressil `localhost:3000`.
> Märkus, et märkmikud ei ilmu Docsify abil, seega kui peate käivitama märkmiku, tehke seda eraldi VS Code'is Python kernelit kasutades.
> Märkus, märkmikud ei renderdu Docsify abil, seega kui peate märkmikku jooksma, tehke seda eraldi VS Code'is, kasutades Python kernelit.
## Teised õppekavad
## Muud õppekavad
Meie meeskond toodab ka teisi õppekavasid! Vaadake:
@ -210,54 +210,54 @@ Meie meeskond toodab ka teisi õppekavasid! Vaadake:
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
**Tekkinud probleemid?** Vaadake meie [Tõrkeotsingu juhendit](TROUBLESHOOTING.md), et leida lahendusi tavapärastele probleemidele.
**Kas teil on probleeme?** Kontrollige meie [Tõrkeotsingu juhendit](TROUBLESHOOTING.md), et leida lahendusi levinud probleemidele.
Kui jääte hätta või on küsimusi AI rakenduste loomise kohta, liituge teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt.
Kui ummikusse satute või teil on küsimusi AI-rakenduste loomise kohta, liituge teiste õppijate ja kogenud arendajatega MCP teemalistes aruteludes. See on toetav kogukond, kus küsimusi võetakse vastu ja teadmisi jagatakse vabalt.
See dokument on tõlgitud AI tõlke teenuse [Co-op Translator](https://github.com/Azure/co-op-translator) abil. Kuigi püüame täpsust, palun pidage meeles, et automatiseeritud tõlgetes võib esineda vigu või ebatäpsusi. Originaaldokument selle algkeeles tuleks pidada autoriteetseks allikaks. Kriitilise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlkega seotud arusaamatuste või valesti mõistmiste eest.
**Vastutusest loobumine**:
See dokument on tõlgitud AI tõlke teenuse [Co-op Translator](https://github.com/Azure/co-op-translator) abil. Kuigi püüame täpsust tagada, palun arvestage, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Originaaldokument algkeeles tuleks pidada autoriteetseks allikaks. Tähtsa teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti mõistmiste eest.
Azure Cloud Advocates for Microsoft happy to offer 10-week, 20-lesson curriculum wey dey all about Data Science. Each lesson get pre-lesson and post-lesson quizzes, written instructions to complete lesson, solution, plus assignment. Our project-based way to teach dey allow you learn as you dey build, dat na correct way for new skills to 'stick'.
Azure Cloud Advocates wey dey Microsoft happy to offer 10 weeks, 20 lessons curriculum wey dey all about Data Science. Each lesson get pre-lesson and post-lesson quizzes, written instructions to complete the lesson, solution, plus assignment. Our project-based teaching style dey allow you learn while you dey build, na beta way for new skills to "stick".
> This repository get 50+ language translations wey go increase di download size well well. To clone without di translations, use sparse checkout:
> Dis repository get 50+ language translations wey go make di download size plenty. If you wan clone without translations, use sparse checkout:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,15 +53,15 @@ Azure Cloud Advocates for Microsoft happy to offer 10-week, 20-lesson curriculum
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> Dis one go give you everytin you need to finish di course with much faster download.
> Dis one go give you everything you need to finish di course quick quick.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**If you want make dem add more translation languages, di ones wey dem dey support dey listed [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**If you want make we support more translation languages dey listed [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
We get Discord learn with AI series wey dey go on, learn more and join us for [Learn with AI Series](https://aka.ms/learnwithai/discord) from 18 - 30 September, 2025. You go fit get tips and tricks on how to use GitHub Copilot for Data Science.
We get Discord learn with AI series wey still dey go on, learn more and join us at [Learn with AI Series](https://aka.ms/learnwithai/discord) from 18 - 30 September, 2025. You go get tips and tricks on how to use GitHub Copilot for Data Science.
@ -69,49 +69,49 @@ We get Discord learn with AI series wey dey go on, learn more and join us for [L
Start with these resources:
- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) For dis page, you go find beginner resources, Student packs plus ways to get free cert voucher. Dis na one page wey you for bookmark and come check sometimes as we dey change di content at least every month.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Join one global community of student ambassadors, dis fit be your way enter Microsoft.
- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) For dis page, you go find beginner resources, Student packs plus even ways to collect free cert voucher. Dis one na page wey you suppose bookmark and dey check time to time as we dey update content every month.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Join global community of student ambassadors, dis fit be your way enter Microsoft.
# How to start
# How to Start
## 📚 Documentation
- **[Installation Guide](INSTALLATION.md)** - Step-by-step setup instructions for beginners
- **[Usage Guide](USAGE.md)** - Examples and common workflows
- **[Troubleshooting](TROUBLESHOOTING.md)** - Solutions to common wahala
- **[Contributing Guide](CONTRIBUTING.md)** - How to contribute to dis project
- **[For Teachers](for-teachers.md)** - Teaching guidance and classroom resources
- **[Installation Guide](INSTALLATION.md)** - Step by step setup instructions for beginners
- **[Usage Guide](USAGE.md)** - Examples and normal workflows
- **[Troubleshooting](TROUBLESHOOTING.md)** - Solutions to common problems
- **[Contributing Guide](CONTRIBUTING.md)** - How to contribute to this project
- **[For Teachers](for-teachers.md)** - Teaching guide and classroom resources
## 👨🎓 For Students
> **Complete Beginners**: You be new for data science? Start from our [beginner-friendly examples](examples/README.md)! These simple, well-commented examples go help you understand basics before you enter full curriculum.
> **[Students](https://aka.ms/student-page)**: To use this curriculum by yourself, fork di full repo and finish all di exercises on your own, start with pre-lecture quiz. Then read di lecture and finish di rest activities. Try create di projects by understanding di lessons not just copy di solution code; but di code still dey for the /solutions folders for each project-oriented lesson. Another idea na to form study group with friends make una go through di content together. For more study, we recommend [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **Complete Beginners**: You new to data science? Start with our [beginner-friendly examples](examples/README.md)! These easy, well-explained examples go help you understand the basics before you jump enter the full curriculum.
> **[Students](https://aka.ms/student-page)**: to use this curriculum by yourself, fork the whole repo and finish all exercises yourself, start with pre-lecture quiz. Then read the lecture and complete all the other activities. Try create the projects by understanding the lessons instead to just copy the solution code; but dat code dey inside /solutions folders for every project-based lesson. Another idea na to gather study group with your friends and go through content together. For more study, we recommend [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
**Quick Start:**
1. Check di [Installation Guide](INSTALLATION.md) make you set up your environment
2. Review di [Usage Guide](USAGE.md) to sabi how to take work with di curriculum
3. Start with Lesson 1 and waka through am step by step
1. Check the [Installation Guide](INSTALLATION.md) to set up your environment
2. Read the [Usage Guide](USAGE.md) to learn how to work with this curriculum
3. Start with Lesson 1 and dey do am step by step
4. Join our [Discord community](https://aka.ms/ds4beginners/discord) for support
## 👩🏫 For Teachers
> **Teachers**: we don [included some suggestions](for-teachers.md) on how to use dis curriculum. We go like make una give feedback [for our discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **Teachers**: we don don [put some suggestions](for-teachers.md) on how to use dis curriculum. We go like make you give us your feedback [for our discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> 🎥 Click di image wey dey top for see video about di project and di people wey create am!
> 🎥 Click di image wey dey up for video about di project di people wey create am!
## Pedagogy
We don choose two main tings for how we go teach dis curriculum: to make sure say e get project-based learning and sey e get plenty quizzes. By di time we finish dis series, students go don sabi di basic principles of data science, including ethical concepts, how to prepare data, different ways to work with data, how to do data visualization, data analysis, real-world use cases of data science, plus more.
We don choose two teaching principles as we dey build dis curriculum: make e dey project-based and make e get frequent quizzes. By di end of dis series, students go don learn basic principles of data science, including ethical concepts, data preparation, different ways of working with data, data visualization, data analysis, real-world use cases of data science, and more.
Plus, one low-stakes quiz wey de happen before class go set di student mind for learning di topic, and the second quiz after class go make sure dem remember well-well. Dis curriculum design make am flexible and fun, and you fit do am all or just part. Di projects start small-small then dem go hard as you near di 10 week period.
Plus, low-stakes quiz before class set di mind of di student to learn the topic, while after-class quiz go make dem remember better. Dis curriculum design make e flexible and fun, and e fit be done as whole or just part. Di projects dey start small and dey grow complex as di 10 weeks go finish.
> Find our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) guidelines. We dey welcome una constructive feedback!
> Find our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) guidelines. We dey welcome your constructive feedback!
## Each lesson get:
## Each lesson includes:
- Optional sketchnote
- Optional supplemental video
@ -119,24 +119,24 @@ Plus, one low-stakes quiz wey de happen before class go set di student mind for
- Written lesson
- For project-based lessons, step-by-step guides on how to build the project
> **About quizzes:** All di quizzes dey inside di Quiz-App folder, total of 40 quizzes with three questions each. Dem linked from inside di lessons, but you fit run di quiz app locally or deploy am for Azure; follow di instruction for di `quiz-app` folder. Dem dey localize am small-small.
> **A note about quizzes**: All quizzes dey for the Quiz-App folder, with 40 total quizzes of three questions each. Dem dey link am from lessons, but quiz app fit run locally or fit deployed for Azure; follow the instructions for `quiz-app` folder. Dem dey localize am little by little.
## 🎓 Beginner-Friendly Examples
**New for Data Science?** We create special [examples directory](examples/README.md) with simple, well-commented code wey go help you start:
**New to Data Science?** We don create special [examples directory](examples/README.md) with simple, well-commented code to help you start:
- 🌟 **Hello World** - Your first data science program
- 📂 **Loading Data** - Learn how to read and explore datasets
- 📂 **Loading Data** - Learn to read and explore datasets
- 📊 **Simple Analysis** - Calculate statistics and find patterns
- 📈 **Basic Visualization** - Create charts and graphs
- 🔬 **Real-World Project** - Complete workflow from start to finish
Every example get detailed comments to explain every step, so e perfect for total beginners!
Every example get detailed comments wey explain every step, e perfect for absolute beginners!
👉 **[Start with the examples](examples/README.md)** 👈
@ -150,54 +150,54 @@ Every example get detailed comments to explain every step, so e perfect for tota
| 01 | Defining Data Science | [Introduction](1-Introduction/README.md) | Learn the basic concepts behind data science and how e relate to artificial intelligence, machine learning, and big data. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 01 | Defining Data Science | [Introduction](1-Introduction/README.md) | Learn di basic concepts behind data science and how e relate to artificial intelligence, machine learning, and big data. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Data Science Ethics | [Introduction](1-Introduction/README.md) | Data Ethics Concepts, Challenges & Frameworks. | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Defining Data | [Introduction](1-Introduction/README.md) | How data dey classified and di common sources. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introduction to Statistics & Probability | [Introduction](1-Introduction/README.md) | Di mathematical techniques of probability and statistics to understand data. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Working with Relational Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to relational data and basics of exploring and analyzing relational data with Structured Query Language, wey dem call SQL (pronounced “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Working with NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to non-relational data, wetin different types and basics of exploring and analyzing document databases. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Working with Python | [Working With Data](2-Working-With-Data/README.md) | Basics of using Python for data exploration with libraries like Pandas. E good if you sabi Python programming first. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Data Preparation | [Working With Data](2-Working-With-Data/README.md) | Topics on data techniques for cleaning and transforming data to handle missing, inaccurate, or incomplete data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualizing Quantities | [Data Visualization](3-Data-Visualization/README.md) | Learn how to use Matplotlib to visualize bird data 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualizing Distributions of Data | [Data Visualization](3-Data-Visualization/README.md) | Visualizing observations and trends inside interval. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 03 | Defining Data | [Introduction](1-Introduction/README.md) | How data dey classified and where e commonly dey come from. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introduction to Statistics & Probability | [Introduction](1-Introduction/README.md) | Di mathematical methods of probability and statistics to sabi data well. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Working with Relational Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to relational data and basics of exploring and analyzing relational data with Structured Query Language, wey dem dey call SQL (pronounced “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Working with NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to non-relational data, im different types and basics of exploring and analyzing document databases. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Working with Python | [Working With Data](2-Working-With-Data/README.md) | Basics of using Python for data exploration with libraries like Pandas. E good if you sabi basic Python programming before. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Data Preparation | [Working With Data](2-Working-With-Data/README.md) | Topics on data techniques for cleaning and transforming data to handle challenges like missing, inaccurate, or incomplete data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualizing Quantities | [Data Visualization](3-Data-Visualization/README.md) | Learn how to use Matplotlib for visualize bird data 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualizing Distributions of Data | [Data Visualization](3-Data-Visualization/README.md) | Visualize observations and trends inside interval. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualizing Relationships | [Data Visualization](3-Data-Visualization/README.md) | Visualizing connections and correlations between sets of data and their variables. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Meaningful Visualizations | [Data Visualization](3-Data-Visualization/README.md) | Techniques and guidance for making your visualizations valuable for effective problem solving and insights. | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduction to the Data Science lifecycle | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Introduction to di data science lifecycle and di first step of acquiring and extracting data. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analyzing | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase of di data science lifecycle dey focus on techniques to analyze data. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Communication | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase of di data science lifecycle dey focus on presenting di insights from data in a way wey go make am easy for decision makers to understand. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Dis series of lessons introduce data science for cloud and di benefits. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 14 | Introduction to the Data Science lifecycle | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Introduction to the data science lifecycle and im first step of acquiring and extracting data. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analyzing | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase for data science lifecycle focus on techniques to analyze data. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Communication | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase for data science lifecycle dey focus on presenting insights from data in way wey go make am easy for decision makers to understand. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Dis series of lessons dey introduce data science for cloud and di benefits. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Training models using Low Code tools. |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Deploying models with Azure Machine Learning Studio. | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science in the Wild | [In the Wild](6-Data-Science-In-Wild/README.md) | Data science driven projects for real world. | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Follow dis steps to open dis sample inside Codespace:
1. Click Code drop-down menu and select di Open with Codespaces option.
2. Select + New codespace for di bottom for di pane.
Follow these steps to open dis sample in a Codespace:
1. Click di Code drop-down menu and select the Open with Codespaces option.
2. Select + New codespace for bottom of di pane.
For more info, check di [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Follow dis steps to open dis repo in container using your local machine and VSCode with di VS Code Remote - Containers extension:
Follow these steps to open dis repo in container using your local machine and VSCode with di VS Code Remote - Containers extension:
1. If na your first time to use development container, make sure say your system get all wetin e need (like Docker) by checking [di getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. If dis na your first time to use development container, make sure your system get di pre-reqs (like Docker installed) for [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
To use dis repository, you fit either open di repo in isolated Docker volume:
To use dis repository, you fit open am in isolated Docker volume:
**Note**: Under di hood, dis one go use Remote-Containers: **Clone Repository in Container Volume...** command to clone di source code to Docker volume instead of local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) na di preferred way to keep container data.
**Note**: For under di hood, dis go use Remote-Containers: **Clone Repository in Container Volume...** command to clone di source code in Docker volume instead of local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) na di preferred way for keep container data.
Or open locally cloned or downloaded version of di repository:
- Clone dis repo to your local filesystem.
- Clone dis repository to your local filesystem.
- Press F1 and select **Remote-Containers: Open Folder in Container...** command.
- Select di cloned copy of dis folder, wait make container start, then try am out.
- Pick di cloned copy of dis folder, wait make container start, then try am.
## Offline access
You fit run dis documentation offline by using [Docsify](https://docsify.js.org/#/). Fork dis repo, [install Docsify](https://docsify.js.org/#/quickstart) for your local machine, then for di root folder of dis repo, type `docsify serve`. Di website go dey served on port 3000 on your localhost: `localhost:3000`.
You fit run dis documentation offline by using [Docsify](https://docsify.js.org/#/). Fork dis repo, [install Docsify](https://docsify.js.org/#/quickstart) for your local machine, then for root folder of dis repo, type `docsify serve`. Website go run for port 3000 for your localhost: `localhost:3000`.
> Note, notebooks no go render with Docsify, so if you need run notebook, do am separately in VS Code with Python kernel.
> Note, notebooks no go render for Docsify, so if you need run notebook, do am separately inside VS Code with Python kernel.
## Other Curricula
@ -245,19 +245,19 @@ Our team dey produce other curricula! Check am out:
## Getting Help
**You dey get wahala?** Check our [Troubleshooting Guide](TROUBLESHOOTING.md) for solutions to common problems.
**You dey get wahala?** Check our [Troubleshooting Guide](TROUBLESHOOTING.md) for how to solve common issues.
If you jam stuck or get any question about how to build AI apps. Join other learners plus experienced developers for discussions about MCP. Na community wey dey support, where questions dey welcome and knowledge dey share freely.
If you jam problem or get any question about how to build AI apps. Join other learners and beta developers for inside talks about MCP. Na community wey dey support, dem welcome questions and dem dey share knowledge freely.
Dis document na AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator) wey translate am. Even though we try make e correct, abeg sabi say automated translation fit get some mistake or no correct. Di original document wey dey im own language na di correct one. If na serious tin you dey check, better make professional human translate am. We no go responsible for any wahala or misunderstanding wey fit happen because of this translation.
**Disclaimer**:
Dis document don translate wit AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator). Even though we dey try make am correct, abeg sabi say automated translation fit get errors or mistakes. Di original document for im own language na di main correct source. For important information, make person wey sabi human translation translate am. We no go fit take any blame if pesin misunderstand or misinterpret di translation wey dis one produce.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
Microsoft இல் Azure Cloud ஆதரவாளர்கள் தரவு அறிவியலைக் குறித்து 10 வாரங்கள், 20 பாடங்களைக் கொண்ட ஒரு முழுமையான பாடத்திட்டத்தை வழங்க மனதில் கள்ளும். ஒவ்வொரு பாடத்திலும் முன்-பாட, பின்-பாட க்விச்கள், பாடத்தை முடிக்க எழுதப்பட்ட வழிகாட்டிகள், ஒருங்குறிப்பு மற்றும் பணியிலும் உண்டு. எங்கள் திட்டமேற்பாடும் கற்றல் முறையில், நீங்கள் கட்டுக்கோப்புகளைக் கொண்டு கற்றுக்கொள்வதில், புதிய திறன்கள் சிறந்த முறையில் 'இணைந்து' கற்றுக் கொள்ளக் கூடியது.
மைக்ரோசாஃப்ட் Azure க்லவுட் அதிகாரிகள் தரவு அறிவியலைப் பற்றிய 10 வாரங்கள், 20 பாடங்கள் கொண்ட பாடத்திட்டத்தை வழங்குவதில் மகிழ்ச்சி அடைகிறார்கள். ஒவ்வொரு பாடத்திலும் முன்-பாடம் மற்றும் பின்-பாடக் கேள்விப் பட்டியல்கள், பாடத்தை முடிக்க எழுதப்பட்ட வழிமுறைகள், ஒரு தீர்வு மற்றும் ஒரு பணிப்பணி உள்ளடக்கப்பட்டுள்ளது. எங்கள் திட்டத்தில் அடிப்படையாக்கப்பட்ட கற்கை முறையால் நீங்கள் கட்டும் போது கற்றுக் கொள்ள முடியும், இது புதிய திறன்கள் 'தொடரத் தென்றல்' ஏற்படுத்தும் மூலம் என்று நிரூபிக்கப்பட்டது.
> இந்த ரெப்போசிடரி 50+ மொழி மொழிபெயர்ப்புகளைக் கொண்டுள்ளது, இது பதிவிறக்களவை குறிப்பிடத்தக்கவாறு அதிகரிக்கும். மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய sparse checkout பயன்படுத்தவும்:
> இந்த நிரல்கூடு 50+ மொழி மொழிபெயர்ப்புகளை கொண்டுள்ளது, இது பதிவிறக்கம் அளவை பெரிதாக அதிகரிக்கிறது. மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய spares checkout பயன்படுத்தவும்:
>
> **Bash / macOS / Linux:**
> ```bash
@ -46,171 +46,171 @@ Microsoft இல் Azure Cloud ஆதரவாளர்கள் தரவு
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> இது பாடத்திட்டத்தை முடிக்க தேவையான எல்லாத்தையும் வேகமாக பதிவிறக்கம் செய்ய உதவும்.
> இது விரைவான பதிவிறக்கத்துடன் படிப்பை முடிப்பதற்கு தேவையான அனைத்தையும் வழங்கும்.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**மேலும் மொழி மொழிபெயர்ப்புகளை ஆதரிக்க விரும்பினால், அவை [இங்கே](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) பட்டியலிடப்பட்டுள்ளன**
**மேலும் மொழிபெயர்ப்பு மொழிகள் ஆதரவு தேவைப்பட்டால் இங்கு பட்டியலிடப்பட்டுள்ளது [இங்கே](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
எங்களிடம் AI-இன் உதவியுடன் நடைபெறும் ஒரு Discord கற்றல் தொடர் உள்ளது, மேலும் அறிந்து, [Learn with AI Series](https://aka.ms/learnwithai/discord) இணைந்து 18 - 30 செப்டம்பர், 2025 வரை தொடருங்கள். GitHub Copilot-ஐ தரவு அறிவியலுக்காக பயன்படுத்துவதற்கான குறிப்புகள் மற்றும் முறைகளை நீங்கள் பெறுவீர்கள்.
நாம் AI-ன் மூலம் கற்றல் தொடர் தொடர்ந்தும் நடைபெற்று வருகிறது, மேலும் அறிந்து எங்கள் [Learn with AI Series](https://aka.ms/learnwithai/discord) இல் 2025 செப்டம்பர் 18 - 30 வரை கலந்து கொள்ளுங்கள். தரவு அறிவியலுக்கான GitHub Copilot பயன்படுத்துவதற்கான குறிப்புகள் மற்றும் முறைகள் கிடைக்கும்.
# நீங்கள் மாணவரா?
# நீங்கள் ஒரு மாணவரா?
கீழ்காணும் வளங்களுடன் துவங்குங்கள்:
பின்வரும் வளன்களைத் தொடங்கு:
- [மாணவர் ஹப் பக்கம்](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) இந்தப் பக்கத்தில் துவக்கம் செய்யக் கூடிய வளங்கள், மாணவர் தொகுப்புகள் மற்றும் இலவச சான்றிதழ் வௌ்ச்சர் பெறும் வழிகளும் உண்டாகும். மாதந்தோறும் உள்ளடக்கம் மாற்றப்படுவதால், இந்தப் பக்கத்தை பேக் மார்க் செய்து சமீப கால இடைவெளிகளில் பரிசோதனை செய்யவும்.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) உலகளாவிய மாணவர் தூதரகக் குழுவில் சேரவும், இது உங்கள் Microsoft உள்வாயிலாக இருக்கலாம்.
- [மாணவர் மையப் பக்கம்](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) இந்த பக்கத்தில், நீங்கள் தொடக்க வளங்களையும், மாணவர் தொகுப்புகளையும், ஒரு இலவச சான்றிதழ் வௌ்சர் பெறுவதற்கான வழிகளையும் காணலாம். இது ஒரு பக்கம் நீங்கள் பூட்டியில் வைக்கவும், காலக்கெடுவின்போது மாற்றப்படும் உள்ளடக்கத்தைக் காணவும் வேண்டும்.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) உலகளாவிய மாணவர் தூதர்கள் சமூகத்தில் இணையுங்கள், இது உங்கள் மைக்ரோசாஃப்ட் போக்குவரத்துக்கான வழியாக அமையலாம்.
# துவக்குதல்
# தொடக்கம்
## 📚 ஆவணங்கள்
- **[நிறுவல் கையேடு](INSTALLATION.md)** - துவக்கக்காரர்களுக்கான படி-படி அமைப்பு வழிமுறைகள்
- **[பயன்பாட்டு கையேடு](USAGE.md)** - எடுத்துக்காட்டு மற்றும் பொதுவான பணிச்சூழல்கள்
- **[நிறுவல் வழிகாட்டி](INSTALLATION.md)** - புதியவர்களுக்கு படிப்படியாக அமைக்கும் வழிமுறைகள்
- **[பயன்பாடு வழிகாட்டி](USAGE.md)** - எடுத்துக்காட்டுகள் மற்றும் பொதுவான வேலைநடப்புகள்
- **[பிரச்சனை தீர்வு](TROUBLESHOOTING.md)** - பொதுவான பிரச்சனைகளுக்கான தீர்வுகள்
- **[பங்களிப்பு வழிமுறை](CONTRIBUTING.md)** - இந்த திட்டத்திற்கு பங்களிப்பது எப்படி
- **[ஆசிரியர்களுக்காக](for-teachers.md)** - கற்பித்தல் வழிகாட்டி மற்றும் வகுப்பறை வளங்கள்
- **[பங்களிக்க வழிகாட்டி](CONTRIBUTING.md)** - இந்தத் திட்டத்தில் பங்களிப்பது எப்படி
- **[ஆசிரியர்களுக்கு](for-teachers.md)** - கற்பித்தல் வழிகாட்டுதல் மற்றும் வகுப்பு வளங்கள்
## 👨🎓 மாணவர்களுக்காக
> **முழுமையான துவக்கக்காரர்கள்**: தரவு அறிவியலில் புதியவரா? எங்கள் [துவக்கக்காரர்களுக்கு ஏற்ப எடுத்துக்காட்டுகளை](examples/README.md) தொடங்குங்கள்! இந்த எளிய, நன்கு கருத்துரை செய்யப்பட்ட எடுத்துக்காட்டுகள் முழு பாடத்திட்டத்தில் சென்று சேருவதற்கு முன்னர் அடிப்படைகளை புரிந்துகொள்ள உதவும்.
> **[மாணவர்கள்](https://aka.ms/student-page)**: உங்கள் சொந்தமாக இந்த பாடத்திட்டத்தை பயன்படுத்த, முற்றிலும் ரெப்போவை கால் செய்து உங்கள் சொந்தபடி பயிற்சிகளை முடிக்கவும், முன்னும்-அறைகளுக்கான க்விசைத் தொடங்கி. பின்னர் போதனையைப் படித்து மற்ற செயல்களை முடிக்கவும். தீர்வு குறியீட்டை நகலெடுக்காமல் பாடங்களை புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; ஆனால் அந்த குறியீடு ஒவ்வொரு திட்ட சார்ந்த பாடத்திலும் /solutions கோப்புறையில் உள்ளது. மேலும், நண்பர்களுடன் ஒரு படிப்புக் குழு அமைத்து உள்ளடக்கத்தை ஒன்றாகக் கொண்டு செல்லும் வழியும் உள்ளது. மேலதிக படிப்புக்கு, [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) பரிந்துரைக்கப்படுகிறது.
## 👨🎓 மாணவர்களுக்கு
> **முழுமையான தொடக்கக்கலார்கள்**: தரவு அறிவியலில் புதியவரா? எங்கள் [தொடக்கக்கடைகார எடுத்துக்காட்டுகளை](examples/README.md) நோக்குங்கள்! இந்த எளிமையான, நன்கு கருத்து செய்யபட்ட எடுத்துக்காட்டுகள் முழு பாடத்திட்டத்தில் நுழையுமுன் அடிப்படைகளை புரிந்துகொள்ள உதவும்.
> **[மாணவர்கள்](https://aka.ms/student-page)**: இந்த பாடத்திட்டத்தை தனியாகப் பயன்படுத்த, முழு ரெப்போவை fork செய்து, முன்னுரை வினாடி வினா மூலம் தொடங்கி, பாடங்களை படித்து மற்ற செயல்களை முடிக்கவும். தீர்வு குறியீட்டை நகலெடுக்காமல் பாடங்களை புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; இருப்பினும், தீர்வு குறியீடு ஒவ்வொரு திட்ட சார்ந்த பாடத்திலும் /solutions கோப்புறையில் கிடைக்கிறது. மேலும், நண்பர்களுடன் படிக்கும் குழுவை உருவாக்கி ஒன்றாக உள்ளடக்கத்தைப் பகிரவும். மேலதிக படிப்புக்காக, [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) பரிந்துரைக்கப்படுகிறது.
**விரைவான துவக்கம்:**
1. உங்கள் சுற்றுப்புறத்தை அமைக்க [நிறுவல் கையேட்டை](INSTALLATION.md) பரிசோதிக்கவும்
2. பாடத்திட்டத்தைப் பயன்படுத்த [பயன்பாட்டு கையேட்டைக்](USAGE.md) கற்றுக்கொள்ளவும்
3. பாடம் 1-ல் தொடங்கி வரிசையாக செயல்படவும்
4. ஆதரப்புக்கு எங்கள் [Discord சமுதாயத்தில்](https://aka.ms/ds4beginners/discord) சேரவும்
**விரைவு தொடக்கம்:**
1. உங்கள் சுற்றுச்சூழலை அமைப்பதற்கு [நிறுவல் வழிகாட்டி](INSTALLATION.md) ஐ பார்க்கவும்
2. பாடத்திட்டத்துடன் எப்படிக் வேலை செய்ய வேண்டும் என்பதை அறிய [பயன்பாடு வழிகாட்டி](USAGE.md) ஐ மதிப்பாய்வு செய்யவும்
3. பாடம் 1-ல் தொடங்கி வரிசைப்படுத்திப் பணி செய்யவும்
4. ஆதரவுக்காக எங்கள் [Discord சமூகம்](https://aka.ms/ds4beginners/discord) இணைக்கவும்
## 👩🏫 ஆசிரியர்களுக்காக
> **ஆசிரியர்கள்**: இந்த பாடத்திட்டத்தை எப்படி பயன்படுத்துவது என்பது குறித்து [சில ஆலோசனைகள்](for-teachers.md) சேர்க்கப்பட்டுள்ளன. உங்கள் கருத்துக்களை [எங்கள் விவாத மன்றத்தில்](https://github.com/microsoft/Data-Science-For-Beginners/discussions) பகிர்ந்துகொள்ளும்படி கேட்கிறோம்!
## 👩🏫 ஆசிரியர்களுக்கு
> **ஆசிரியர்கள்**: இந்த பாடத்திட்டத்தை பயன்படுத்துவதற்கான [சலுகைகள் சில](for-teachers.md) சேர்த்துள்ளோம். உங்கள் கருத்துக்களை [எங்கள் விவாத மேடையில்](https://github.com/microsoft/Data-Science-For-Beginners/discussions) பகிர்ந்து கொள்ளுங்கள்!
> 🎥 மேலே உள்ள படத்தை கிளிக் செய்து இந்த திட்டம் மற்றும் அதை உருவாக்கியோருக்கு 관한 காணொளி பார்க்கவும்!
> 🎥 மேலே உள்ள படம் கிளிக் செய்து இந்த திட்டத்தையும் அதை உருவாக்கியவர்களையும் பற்றிய காணொளியைப் பார்க்கவும்!
## கல்விசார் முறைகள்
## கற்பிக்க/body/body
இந்த பாடத்திட்டத்தை உருவாக்கும்போது இரண்டு கல்விசார் கொள்கைகளை தேர்ந்தெடுத்துள்ளோம்: இது திட்டத்துடன் தொடர்புடையதாக இருக்க வேண்டும் மற்றும் அதில் அடிக்கடி வினாக்களைக் கொண்டிருக்க வேண்டும். இந்த தொடர் முடிவில், மாணவர்கள் தரவியல் அறிவியலின் அடிப்படையான கொள்கைகள், ஒழுக்க நெறிகள், தரவு தயாரிப்பு, தரவுடன் வேலை செய்யும் விதிகள், தரவு காட்சியமைப்பு, தரவு பகுப்பு, தரவியல் அறிவியலின் உலகளாவிய பயன்பாடுகள் மற்றும் பலவற்றை கற்றுக்கொள்ளமுடியும்.
இந்த பாடத்திட்டத்தை உருவாக்கும்போது இரண்டு கற்பித்தல் ஆதாரவாதங்களை நாம் தேர்ந்தெடுத்துள்ளோம்: அது திட்ட ஆதாரமாக இருக்க வேண்டும் மற்றும் நிறைவேற்று தடவைகள் அடிக்கடி இடம்பெற வேண்டும். இந்த தொடர் முடிவில், மாணவர்கள் தரவு அறிவியலின் அடிப்படையான கொள்கைகளையும், அறநெறி கருத்துகளை, தரவு தயார் செயல் முறைகளை, தரவுடன் வேலை செய்யும் விதங்களை, தரவு காட்சி வடிவமைப்புகளை, தரவு பகுப்பாய்வுகளை, தரவு அறிவியலின் உண்மையான உலக பயன்பாடுகளை ஆகியவற்றை கற்றுக்கொள்ளுவர்.
மேலும், ஒரு வகுப்புக்கு முன் குறைந்த பளிச்சியான வினா ஒரு மாணவரின் ஒரு தலைப்பை கற்கும் நோக்கத்தை அமைக்க உதவுகிறது, அதேபோல் வகுப்பு முடிந்த பின்னர் இரண்டாவது வினா மேலதிக நினைவாற்றலை உறுதி செய்கிறது. இந்த பாடத்திட்டம் நெகிழ்வுடனும், மகிழ்ச்சியாகவும் இருக்க வடிவமைக்கப்பட்டுள்ளது மற்றும் முழுவதும் அல்லது ஒரு பகுதியையும் எடுத்துக் கொள்ளலாம். திட்டங்கள் சிறிய அளவில் துவங்கி 10 வார சுழற்சியின் இறுதிக்கு அதிகப்படியான சிக்கலானதாக மாறுகின்றன.
மேலும், வகுப்புக்கு முன் ஒரு குறைந்த-போகும் வினாடி வினா மாணவரின் ஒரு தலைவினை உருவாக்கி, வகுப்புக்குப் பிறகு ஒரு இரண்டாவது வினாடி வினா மேலும் நினைவில் வைத்திருப்பதை உறுதி செய்கிறது. இப்பாடத்திட்டம் இனிமையானதாகவும், திடீரெனமானதாகவும் இருக்கப் பாடப்படுகிறது மற்றும் முழுதாக அல்லது பகுதியாய் எடுத்துக் கொள்ளலாம். திட்டங்கள் சிறிது சிறிதாக தொடங்கி, 10 வார கால படியில் அதிகம் சிக்கலானவையாக மாறும்.
> எங்கள் [நடத்தை குறைந்த செயல்முறை](CODE_OF_CONDUCT.md), [கொடைப்பு](CONTRIBUTING.md), [மொழிபெயர்ப்பு](TRANSLATIONS.md) வழிகாட்டுதல்களை காண்க. உறுதியான கருத்துக்களை வரவேற்கிறோம்!
> எங்கள் [நடத்தை விதிகள்](CODE_OF_CONDUCT.md), [சேர்க்கை](CONTRIBUTING.md), [மொழிபெயர்ப்பு](TRANSLATIONS.md) வழிகாட்டுதல்களை காணவும். உங்கள் கட்டமைப்பான கருத்துக்களை வரவேற்கிறோம்!
## ஒவ்வொரு பாடத்திலும் அடங்கும்:
## ஒவ்வொரு பாடத்திலும் உள்ளவை:
- விருப்ப ஸ்கெட்ச்நோட்டு
- விருப்ப மேலதிக வீடியோ
- பாடத்திற்கு முன் மற்றும் வகுப்புக்குப் பிறகு வினாடி வினா
- விருப்பமான ஸ்கெட்ச்நோட்டு
- விருப்பமான கூடுதல் வீடியோ
- பாடத்திற்குமுன் வெற்றிட சூத்திர வினா
- எழுதப்பட்ட பாடம்
- திட்ட அடிப்படையிலான பாடங்களுக்கு, திட்டத்தை அமைப்பதற்கான படிப் படி வழிகாட்டிகள்
- அறிவு சோதனை
- திட்ட ஆதார பாடங்களுக்கு, கட்டமைப்புக்கான படி படி வழிகாட்டிகள்
- அறிவு பரிசோதனைகள்
- ஒரு சவால்
- மேலதிக வாசிப்பு
- கூடுதல் வாசிப்பு
- பணிகள்
- [பாடத்திற்கு பிறகு வினாடி வினா](https://ff-quizzes.netlify.app/en/)
> **வினாடி வினாக்கள் குறித்த ஒரு குறிப்புரை**: அனைத்து வினாடி வினாக்களும் Quiz-App கோப்பகத்தில் உள்ளன, ஒவ்வொன்றிலும் மூன்று கேள்விகளுடன் மொத்தமாக 40 வினாக்கள் உள்ளன. அவை பாடங்களிலிருந்து இணைக்கப்பட்டுள்ளன, ஆனால் Quiz-ஆப் உள்ளூரில் இயக்கு அல்லது Azure க்கு வெளியிடலாம்; `quiz-app` கோப்பகத்தின் பரிந்துரைகளை பின்பற்றவும். அவை படிப்படியாக மொழிபெயர்க்கப்படுகின்றன.
> **வினா பற்றிய ஒரு குறிப்பு**: அனைத்து வினாக்களும் Quiz-App கோப்புறையில் உள்ளன, மூன்று கேள்விகள் கொண்ட மொத்தம் 40 வினாக்கள். அவை பாடங்களில் இணைக்கப்பட்டுள்ளன, ஆனால் Quiz App ஐ உள்ளூரோ அல்லது Azure இல் இயக்கலாம்; `quiz-app` கோப்புறையில் உள்ள வழிகாட்டல்களை பின்பற்றவும். அவை படிப்படியாக உள்ளூர் மொழிபெயர்க்கப்பட்டு வருகின்றன.
## 🎓 தொடக்கத்திற்கு ஏற்ற எடுத்துக்காட்டுக்கள்
## 🎓 தொடக்க நண்பர் எடுத்துக்காட்டுகள்
**தரவு அறிவியலில் புதியவரா?** ஆரம்பிப்பதற்கான எளிய, நன்கு விளக்கப்பட்ட குறியீட்டை கொண்ட ஒரு சிறப்பு [எடுத்துக்காட்டு கோப்பகம்](examples/README.md) உருவாக்கியுள்ளோம்:
**தரவு அறிவியலில் புதியவரா?** எளிய, நன்கு விளக்கப்பட்ட குறியீடுகளை கொண்ட ஒரு சிறப்பு [எடுத்துக்காட்டுகள் அடைவுப் பகுதி](examples/README.md) உருவாக்கியுள்ளோம்:
- 🌟 **ஹலோ வேர்ல்டு** - உங்கள் முதல் தரவு அறிவியல் நிரலை
- 📂 **தரவு ஏற்றுதல்** - தரவு பலகைகளை படித்து ஆய்வு செய்வது
| 01 | தரவு அறிவியலை வரையறுத்தல் | [அறிமுகம்](1-Introduction/README.md) | தரவு அறிவியலை பற்றிய அடிப்படைக் கொள்கைகள் மற்றும் அதனுடன் கூடிய செயற்கை நுண்ணறிவு, இயந்திர கற்றல் மற்றும் பெரிய தரவு தொடர்புகளை அறிந்துகொள்ளல். | [பாடம்](1-Introduction/01-defining-data-science/README.md) [காணொளி](https://youtu.be/beZ7Mb_oz9I) | [ட்மிட்ரி](http://soshnikov.com) |
| 02 | தரவு அறிவியல் ஒழுங்கு விதிகள் | [அறிமுகம்](1-Introduction/README.md) | தரவு ஒழுங்கு விதி கொள்கைகள், சவால்கள் மற்றும் கட்டமைப்புகள். | [பாடம்](1-Introduction/02-ethics/README.md) | [நித்யா](https://twitter.com/nitya) |
| 03 | தரவு வரையறுத்தல் | [அறிமுகம்](1-Introduction/README.md) | தரவு வகைகள் மற்றும் அதன் பொதுவான மூலதனங்கள். | [பாடம்](1-Introduction/03-defining-data/README.md) | [ஜஸ்மின்](https://www.twitter.com/paladique) |
| 04 | புள்ளியியல் மற்றும் பற்றிய அறிமுகம் | [அறிமுகம்](1-Introduction/README.md) | தரவு புரிந்துகொள்ள புள்ளிவிவரங்களின் மற்றும் வாய்ப்பியல் முறைமைகள்.| [பாடம்](1-Introduction/04-stats-and-probability/README.md) [காணொளி](https://youtu.be/Z5Zy85g4Yjw) | [ட்மிட்ரி](http://soshnikov.com) |
| 05 | தொடர்புடைய தரவோடு வேலை செய்தல் | [தரவு வேலை செய்வது](2-Working-With-Data/README.md) | தொடர்புடைய தரவு அறிமுகம் மற்றும் தொடர்புடைய தரவை ஆராயவும் பரிசீலனை செய்யவும் அடிப்படைமுறைகள், மேலும் வட்டாரக் கேள்வி மொழி அல்லது SQL (”See-Quell” என உச்சரிக்கப்படுகிறது) பயன்படுத்தல். | [பாடம்](2-Working-With-Data/05-relational-databases/README.md) | [கிறிஸ்டோபர்](https://www.twitter.com/geektrainer) | | |
| 06 | நோ-எஸ்க்யூஎல் தரவோடு வேலை செய்தல் | [தரவு வேலை செய்வது](2-Working-With-Data/README.md) | தொடர்பில்லாத தரவு அறிமுகம், அதன் வகைகள் மற்றும் ஆவண தரவுத்தளங்களை ஆராயும் மற்றும் பகுப்பாய்வு செய்யும் அடிப்படை. | [பாடம்](2-Working-With-Data/06-non-relational/README.md) | [ஜஸ்மின்](https://twitter.com/paladique)|
| 07 | பைதான் மொழியுடன் வேலை செய்வது | [தரவு வேலை செய்வது](2-Working-With-Data/README.md) | Pandas போன்ற நூலகங்களைப் பயன்படுத்தி பைதானில் தரவை ஆராய்வு செய்வதன் அடிப்படைகள். பைதான் நிரலாக்கத்தின் அடிப்படை புரிதல் பரிந்துரைக்கப்படுகிறது. | [பாடம்](2-Working-With-Data/07-python/README.md) [காணொளி](https://youtu.be/dZjWOGbsN4Y) | [ட்மிட்ரி](http://soshnikov.com) |
| 08 | தரவு தயாரிப்பு | [தரவு வேலை செய்வது](2-Working-With-Data/README.md) | பிழையான, குறைந்தவோ அல்லது அவற்றுக்குள் மறைந்துள்ள தரவை பராமரிக்க மற்றும் மாற்றுவதற்கான நுட்ப அம்சங்கள். | [பாடம்](2-Working-With-Data/08-data-preparation/README.md) | [ஜஸ்மின்](https://www.twitter.com/paladique) |
| 09 | அளவுகளை காட்சியமைத்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | பறவை தரவை மாட்பிளாட்லிபை பயன்படுத்தி காட்சியமைக்க கற்றுக்கொள்ளுங்கள் 🦆 | [பாடம்](3-Data-Visualization/09-visualization-quantities/README.md) | [ஜென்](https://twitter.com/jenlooper) |
| 10 | தரவு விநியோகங்களை காட்சியமைத்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | ஓர் இடைவெளியின் உள்ள பார்வைகள் மற்றும் போக்குகளை காட்சியமைத்தல். | [பாடம்](3-Data-Visualization/10-visualization-distributions/README.md) | [ஜென்](https://twitter.com/jenlooper) |
| 11 | விகிதங்களை காட்சியமைத்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | தனித்த மற்றும் குழுவாக பகுக்கப்பட்ட சதவீதங்களை காட்சியமைத்தல். | [பாடம்](3-Data-Visualization/11-visualization-proportions/README.md) | [ஜென்](https://twitter.com/jenlooper) |
| 12 | தொடர்புகளை காட்சியமைத்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | தரவுத்தொகுதிகளுக்கும் அதனுடைய மாறிலிகளுக்கும் இடையேயான தொடர்புகள் மற்றும் தொடர்புகளை காட்சியமைத்தல். | [பாடம்](3-Data-Visualization/12-visualization-relationships/README.md) | [ஜென்](https://twitter.com/jenlooper) |
| 13 | பொருள்மிக்க காட்சிகள் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | உங்கள் காட்சிகளினை மதிப்புமிக்கதாக மாற்றுவதற்கான நுட்பங்கள் மற்றும் வழிகாட்டல்கள், செயல்திறன் அளிக்கும் பிரச்சனைகளை தீர்க்க மற்றும் தெளிவுகளை பெற. | [பாடம்](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ஜென்](https://twitter.com/jenlooper) |
| 14 | தரவு அறிவியலின் வாழ்கைச் சுற்றம் அறிமுகம் | [வாழ்கைச் சுற்றம்](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்கைச் சுற்றமும் அதின் முதல் படியான தரவு சேகரிப்பு மற்றும் எடுக்கும் நடவடிக்கையும். | [பாடம்](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ஜஸ்மின்](https://twitter.com/paladique) |
| 15 | பகுப்பாய்வு | [வாழ்கைச் சுற்றம்](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்கைச் சுற்றின் இந்த கட்டம் தரவை ஆராயும் நுட்பங்களை கவனிக்கிறது. | [பாடம்](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ஜஸ்மின்](https://twitter.com/paladique) | | |
| 16 | தொடர்பாடல் | [வாழ்கைச் சுற்றம்](4-Data-Science-Lifecycle/README.md) | தரவிலிருந்து கிடைக்கும் தெளிவுகளை முடிவு எடுப்பவர்களுக்கு எளிதாக புரியுமிடமாக காட்டு இந்த கட்டம் கவனம் செலுத்துகிறது. | [பாடம்](4-Data-Science-Lifecycle/16-communication/README.md) | [ஜேலன்](https://twitter.com/JalenMcG) | | |
| 17 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | இதுவே மேகத்தில் தரவு அறிவியலை அறிமுகப்படுத்தும் மற்றும் அதன் நன்மைகள் குறித்த தொடர் பாடங்கள். | [பாடம்](5-Data-Science-In-Cloud/17-Introduction/README.md) | [டிஃபினி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) |
| 18 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | குறைந்த குறியீட்டுடன் (Low Code) மாதிரிகள் பயிற்சி பெறுதல். |[பாடம்](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [டிஃபினி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) |
| 19 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | மேகத்தில் Azure Machine Learning Studio மூலம் மாதிரிகளை வெளியிடுதல். | [பாடம்](5-Data-Science-In-Cloud/19-Azure/README.md)| [டிஃபினி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) |
| 20 | உள்ளூர் சாதனங்களில் தரவு அறிவியல் | [இலங்கையில்](6-Data-Science-In-Wild/README.md) | உண்மையான உலகில் தரவு அறிவியலை செயல்படுத்தும் திட்டங்கள். | [பாடம்](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [நித்யா](https://twitter.com/nitya) |
| 01 | தரவு அறிவியலை வரையறுத்தல் | [அறிமுகம்](1-Introduction/README.md) | தரவு அறிவியலின் அடிப்படை கொள்கைகளை மற்றும் இது செயற்கை நுண்ணறிவு, மெஷின் லெர்னிங் மற்றும் பெரிய தரவுடன் எப்படி தொடர்புடையதென கற்றுக்கொள்ளவும். | [பாடம்](1-Introduction/01-defining-data-science/README.md) [வீடியோ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | தரவு அறிவியல் தர்மம் | [அறிமுகம்](1-Introduction/README.md) | தரவு அறநெறி கொள்கைகள், சவால்கள் மற்றும் கட்டமைப்புகள். | [பாடம்](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | தரவினைப் வரையறுத்தல் | [அறிமுகம்](1-Introduction/README.md) | தரவு வகைப்படுத்தப்படுவது மற்றும் அதன் பொதுவான மூலங்கள். | [பாடம்](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | புள்ளியியல் மற்றும் நிகழ்ச்சி அறிமுகம் | [அறிமுகம்](1-Introduction/README.md) | தரவை புரிந்துகொள்ள நிகழ்ச்சி மற்றும் புள்ளியியல் கணித முறைகள். | [பாடம்](1-Introduction/04-stats-and-probability/README.md) [வீடியோ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | தொடர்பு தரவுடன் பணியாற்றுதல் | [தரவு உடன் பணியாற்றுதல்](2-Working-With-Data/README.md) | தொடர்பு தரவை அறிமுகம் செய்தல் மற்றும் தொகுப்புசெலுத்தல் மற்றும் தொடர்பு தரவுகளை அறிய SQL (சீ-க்கு-எல் என்றெழுதப்படும்) பயன்படுத்துதல் அடிப்படைகள். | [பாடம்](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL தரவுடன் பணியாற்றுதல் | [தரவு உடன் பணியாற்றுதல்](2-Working-With-Data/README.md) | தொடர்பில்லாத தரவு, அதன் விதிகள் மற்றும் ஆவண தரவுத்தளங்களை ஆராய்ச்சி செய்வது பற்றிய அடிப்படைகள். | [பாடம்](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) |
| 07 | Python உடன் பணியாற்றுதல் | [தரவு உடன் பணியாற்றுதல்](2-Working-With-Data/README.md) | Pandas போன்ற நூலகங்களை பயன்படுத்தி தரவை ஆய்வு செய்வதில் Python அடிப்படைகள். Python நிரல் எழுததல் அடிப்படைகள் பரிந்துரைக்கப்படுகிறது. | [பாடம்](2-Working-With-Data/07-python/README.md) [வீடியோ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | தரவு தயார் பணிகள் | [தரவு உடன் பணியாற்றுதல்](2-Working-With-Data/README.md) | இழந்த, தவறான அல்லது பூர்த்தி செய்யாத தரவுடன் சம்பந்தப்பட்ட சவால்களை கையாள தரவு சுத்தம் மற்றும் மாற்றுதல் தொடர்பான தொழில்நுட்பங்கள். | [பாடம்](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | அளவுகளைக் காண்பித்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | சில பறவைகள் தரவை Matplotlib கொண்டு காண்பித்தல் 🦆 | [பாடம்](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | தரவு விநியோகங்களை காண்பித்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | ஒரு இடைவெளியில் காணப்படும் கண்காணிப்புகள் மற்றும் போக்குகளை காண்பித்தல். | [பாடம்](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | விகிதங்களைக் காண்பித்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | தனித்த மற்றும் கூட்டப்பட்ட சதவீதங்களை காண்பித்தல். | [பாடம்](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | உறவுகளை காண்பித்தல் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | தரவு தொகுதிகள் மற்றும் அவர்களின் மாறிலிகள் இடையேயான தொடர்புகள் மற்றும் ஒற்றுமைகளை காண்பித்து விளக்குதல். | [பாடம்](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | பொருத்தமான காட்சிப்படுத்தல்கள் | [தரவு காட்சியமைப்பு](3-Data-Visualization/README.md) | உங்கள் காட்சிகளை மதிப்புமிக்கவை ஆக செய்யும் தொழில்நுட்பங்கள் மற்றும் வழிகாட்டல்கள். | [பாடம்](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | தரவு அறிவியல் வாழ்க்கைச்சுற்று அறிமுகம் | [வாழ்க்கைச் சுற்று](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்க்கைச் சுற்று மற்றும் தரவை பெறல் மற்றும் எடுக்கும் முதற்கட்டம் அறிமுகம். | [பாடம்](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | பகுப்பாய்வு | [வாழ்க்கைச் சுற்று](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்க்கைச் சுற்றின் பகுப்பாய்வு கட்டத்தைச் சார்ந்த தொழில்நுட்பங்கள். | [பாடம்](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | தொடர்பு | [வாழ்க்கைச் சுற்று](4-Data-Science-Lifecycle/README.md) | தரவு இலக்குகளை எளிதாக புரிந்துகொள்ள முடியும் வகையில், முடிவெடுத்தோருக்கு தரவு அறிவுத் தரவுகளை அறிமுகப்படுத்தும் கட்டம். | [பாடம்](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | மேகத்தில் தரவு அறிவியலின் அறிமுகம் மற்றும் அதன் நன்மைகள். | [பாடம்](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) மற்றும் [Maud](https://twitter.com/maudstweets) |
| 18 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | குறைந்த குறியீடு கருவிகளை பயன்படுத்தி மாதிரிகள் பயிற்றல். | [பாடம்](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) மற்றும் [Maud](https://twitter.com/maudstweets) |
| 19 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio மூலம் மாதிரிகளை விவரிப்பது. | [பாடம்](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) மற்றும் [Maud](https://twitter.com/maudstweets) |
| 20 | இயற்கையில் தரவு அறிவியல் | [இயற்கையில்](6-Data-Science-In-Wild/README.md) | உண்மையான உலகில் தரவு அறிவியலில் இயக்கப்படும் திட்டங்கள். | [பாடம்](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub கோட்ஸ்பேசஸ்
## GitHub Codespaces
இந்த மாதிரியை Codespace இல் திறக்க கீழ்காணும் படிகளை பின்பற்றவும்:
1. குறியீடு கீழ் விழுந்து வெளியீடு பட்டியில் Open with Codespaces விருப்பத்தை தேர்ந்தெடுக்கவும்.
2. குழியில் கீழே + New codespace என்பதை தேர்ந்தெடுக்கவும்.
மேலும் தகவலுக்கு, [GitHub ஆவணத்தை](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) காணவும்.
இந்த மாதிரியை Codespace இல் திறக்க கீழ்கண்ட படிகளை பின்தொடரவும்:
1. Code ட்ராப்டவுன் மேனுவை கிளிக் செய்து Open with Codespaces விருப்பத்தை தேர்வு செய்யவும்.
2. பக்கம் கீழே உள்ள + New codespace ஐ தேர்வு செய்யவும்.
மேலும் விளக்கங்களுக்காக, [GitHub ஆவணத்தை](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) பார்க்கவும்.
## VSCode ரிமோட் - கண்டெய்னர்கள்
உங்கள் உள்ளூர் கணினி மற்றும் VSCode பயன்படுத்தி VS Code Remote - Containers நீட்டிப்பை மூலம் இந்த தொகுதியை கண்டெய்னரில் திறக்க கீழ்காணும் படிகள்:
## VSCode Remote - Containers
உங்கள் உள்ளூர் கணினியிலும் VSCode பயன்பாட்டையும் பயன்படுத்தி இந்த கோப்பகத்தை container இல் திறக்க கீழ்கண்ட படிகளை பின்பற்றவும்:
1. நீங்கள் முதல் முறையாக அபிவிருத்தி கண்டெய்னரை பயன்படுத்தினால், உங்கள் அமைப்பு தேவைகளை (முக்கியமாக Docker நிறுவல்) [ஆரம்ப ஆவணத்தில்](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) உறுதிப்படுத்தவும்.
1. இது உங்கள் முதல் தடவை என்றால், தேவையான முன்னேற்பாடுகள் (உதாரணம்: Docker நிறுவப்பட்டுள்ளது) இருப்பதை [தொடங்கும் வழிகாட்டல்](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) இலிருந்து உறுதிப்படுத்தவும்.
இந்த தொகுதியைப் பயன்படுத்த, நீங்கள் அல்லது:
இந்த கோப்பகத்தை பயன்படுத்த, நீங்கள் அணிகலனிலும் நோக்கி தொடங்கலாம்:
**குறிப்பு**: உள்ளக கோப்புறை பதிலாக Docker தொகுதியிலேயே மூலக் குறியீட்டை கிளோன் செய்ய Remote-Containers: **Clone Repository in Container Volume...** ஆணையைப் பயன்படுத்தும். [கோப்பகங்கள்](https://docs.docker.com/storage/volumes/) என்பது கண்டெய்னர் தரவை நிலைத்திருக்க மிகவும் பிடித்த முறை.
**குறிப்பு**: இந்த செயலியில் Remote-Containers: **Clone Repository in Container Volume...** கட்டளையை பயன்படுத்தி மூலக் குறியீட்டை உள்ளூர் கோப்பு முறைமைக்குப் பதிலாக Docker தொகுதியில் சுருக்கம் செய்யப்படும். [தொகுதிகள்](https://docs.docker.com/storage/volumes/) என்பவை container தரவைக் காப்பாற்றுவதற்கான நிதானமுறை.
அல்லது உள்ளகமாக கிளோன் செய்த பதிப்பைத் திறக்கவும்:
அல்லது உள்ளூர் படிமமாக அல்லது பதிவிறக்கம் செய்த கோப்பகத்தை திறக்கவும்:
- இந்த தொகுதியை உங்கள் உள்ளக கோப்புறைக்கு கிளோன் செய்யவும்.
- F1 அழுத்தி **Remote-Containers: Open Folder in Container...** ஆணையை தேர்வு செய்யவும்.
- இந்த கோப்பகத்தின் கிளோன் பிரதியை தேர்ந்தெடுத்து, கண்டெய்னர் துவங்கும்வரை காத்திருந்து முயற்சிக்கவும்.
- இந்த கோப்பகத்தை உள்ளூர் கோப்பு முறையில் க்ளோன் செய்யவும்.
- F1 அழுத்தவும் மற்றும் **Remote-Containers: Open Folder in Container...** கட்டளையை தேர்வு செய்யவும்.
- இந்த கோப்பகத்தின் க்ளோன் செய்யப்பட்ட பதிப்பை தேர்வு செய்யவும், container துவங்கும் வரை காத்திருக்கவும், பின்னர் சோதனை செய்யவும்.
## ஆஃப்லைன் அணுகல்
## ஆன்லைன் அலைஅணிகல்
இந்த ஆவணத்தை ஆஃப்லைனில் பயன்படுத்த [Docsify](https://docsify.js.org/#/) பயன்படுத்தலாம். இந்த தொகுதியை ஃபோர்க் செய்து [Docsify ஐ நிறுவி](https://docsify.js.org/#/quickstart) உள்ளூர் கணினியில் இயக்கு, பின்னர் இந்த தொகுதியின் ரூட் கோப்பகத்தில் `docsify serve` என தட்டச்சு செய்யவும். இணையதளம் உங்கள் உள்ளூர் ஃப்ராட்ட்லோக்கலிடம் 3000 போர்ட்டில் இயக்கப்படும்: `localhost:3000`.
[Docsify](https://docsify.js.org/#/) ஐப் பயன்படுத்தி இந்த ஆவணத்தை ஆன்லைனிலிருந்து இயக்கலாம். இந்த repo வை கிளோன் செய்து, உங்கள் உள்ளூர் கணினியில் [Docsify ஐ நிறுவி](https://docsify.js.org/#/quickstart), பின்னர் இந்த repo வின் ரூட் அடைவில் `docsify serve` என தட்டச்சு செய்யவும். இணையதளம் உங்கள் உள்ளூர் புலத்தில் 3000 இடைமுகத்தில் வழங்கப்படும்: `localhost:3000`.
> குறிப்பு, நோட்புக் கோப்புகள் Docsify மூலம் காட்டப்படமாட்டாது, எனவே நோட்பூக்கை இயக்க வேண்டியபோது, அதனை தனியே VS Code இல் Python கர்னலை இயக்கி செய்யவும்.
> குறிப்பு, நோட்புக் கோப்புகள் Docsify மூலம் காண்பிக்கப்படமாட்டாது, ஆகையால் நோட்புக் இயக்கவேண்டுமானால் அதை தனித்தனியாக VS Code இல் Python கர்னல் இயக்கி செய்யவும்.
## பிற பாடத்திட்டங்கள்
எங்கள் குழு பிற பாடத்திட்டங்களையும் உருவாக்குகிறது! பார்க்கவும்:
எங்கள் குழு பிற பாடத்திட்டங்களை உருவாக்குகிறது! பாருங்கள்:
[](https://aka.ms/langchain4j-for-beginners)
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### Azure / Edge / MCP / முகவர்கள்
### ஆக்ஷர் / எட்ஜ் / MCP / பிரதிநிதிகள்
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
@ -226,7 +226,7 @@ Microsoft இல் Azure Cloud ஆதரவாளர்கள் தரவு
---
### மையக் கற்றல்
### கோர் கற்றல்
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
@ -237,7 +237,7 @@ Microsoft இல் Azure Cloud ஆதரவாளர்கள் தரவு
---
### கூட்டணித் தொடர்
### கோபைலட் தொடர்
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
@ -245,19 +245,19 @@ Microsoft இல் Azure Cloud ஆதரவாளர்கள் தரவு
## உதவி பெறுதல்
**பிரச்சினைகள் நேர்ந்துள்ளதா?** பொதுவான பிரச்சினைகளுக்கான தீர்வுகளைப் பெற எங்கள் [பிரச்சினை தீர்க்கும் வழிகாட்டியை](TROUBLESHOOTING.md) சரிபார்க்கவும்.
**பிரச்சனைகள் எதிர்கொள்கிறீர்களா?** பொதுவான பிரச்சனைகளுக்கு தீர்வாக எங்கள் [பிரச்சனை தீர்க்கும் வழிகாட்டியை](TROUBLESHOOTING.md) பார்க்கவும்.
AI செயலிகளை உருவாக்குவதில் சிக்கல்கள் அல்லது கேள்விகள் உள்ளதாயின், MCP பற்றி நிபுணர்கள் மற்றும் உடன் கற்றுக்கொள்ளும் மாணவர்கள் இணைந்த கருத்தரங்குகளில் கலந்துரையாடுங்கள். கேள்விகள் வரவேற்கப்படுகிறன மற்றும் அறிவு சுதந்திரமாக பகிரப்படுகிறது.
நீங்கள் முடங்கியிருந்தும் அல்லது AI செயலிகளை உருவாக்குவது பற்றி எந்தவொரு கேள்விகளும் இருந்தாலும், MCP பற்றி பேசும் மற்ற கற்றல் ஈடுபட்டவர்கள் மற்றும் அனுபவமுள்ள டெவலப்பர்களுடன் சேரவும். இது கேள்விகளுக்கு வரவேற்பு அளிக்கும் மற்றும் அறிவு சாய்ந்துகொள்ளப்படும் ஒரு ஆதரவான சமூகமாகும்.
இந்த ஆவணம் [Co-op Translator](https://github.com/Azure/co-op-translator) என்ற AI மொழிபெயர்ப்பு சேவையை பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளதாகும். நாங்கள் துல்லியத்திற்காக முயலுகிறோம்; எனினும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கருத்தில் கொள்ளவும். பூரண தகவலுக்காக, மூல மொழியில் உள்ள ஆவணம் அதிகாரபூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவலுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பின் பயன்பாட்டினால் ஏற்பட்ட ஏதேனும் தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்புவாயிலிருப்பதில்லை.
**பிரதி ஒத்திகை**:
இந்த ஆவணம் [Co-op Translator](https://github.com/Azure/co-op-translator) என்ற AI மொழிபெயர்ப்பு சேவையை பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நமது துல்லியத்திற்கான முயற்சிகள் இருந்தாலும், தானியங்கி மொழிபெயர்ப்புகளில் தவறுகள் அல்லது Bruinsசறுக்கைகள் உள்ளடக்கக்கூடும் என்பதைக் கவனத்தில் கொள்ளவும். அசல் ஆவணம் அதன் சொந்த மொழியில் அதிகாரப்பூர்வ ஆதாரமாகக் கருதப்பட வேண்டும். முக்கிய தகவல்களுக்காக, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்தியதனால் ஏற்படும் எந்தவொரு புரிதலின்மோ தவறான விளக்கமோ குறித்து நாங்கள் பொறுப்பேற்கப்போகவில்லை.
localizeflow[bot]
2 weeks ago