[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
Microsoft ನಲ್ಲಿ Azure Cloud Advocates ಡೇಟಾ ವಿಜ್ಞಾನ ಕುರಿತ 10 ವಾರಗಳ, 20 ಪಾಠದ ಪಠ್ಯಕ್ರಮವನ್ನು ನೀಡಲು ಸಂತೋಷಪಡುತ್ತಾರೆ. ಪ್ರತಿಯೊಂದು ಪಾಠದಲ್ಲಿಯೂ ಪಾಠದ ಮೊದಲು ಮತ್ತು ನಂತರದ ಪ್ರಶ್ನೋತ್ತರಗಳು, ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಬರೆಯಲಾದ ಸೂಚನೆಗಳು, ಪರಿಹಾರ ಮತ್ತು ಹವಸಿಕೆಒಂದು ಸೇರಿವೆ. ನಮ್ಮ ಯೋಜನೆ ಆಧಾರಿತ ಪಠ್ಯ ಕ್ರಮದಿಂದ ನೀವು ನಿರ್ಮಿಸುತ್ತಾ ಕಲಿಯಬಹುದು, ಇದು ಹೊಸ ಕೌಶಲ್ಯಗಳಿಗೆ "ಕದ್ದಲೆ" ಆಗುವ ಸSyncೃತಿಯಾಗಿದೆ.
Microsoft ನ ಅಝೂರ್ ಕ್ಲೌಡ್ ವಕೀಲರು ಡೇಟಾ ಸೈನ್ಸ್ ಕುರಿತು 10-ವಾರಗಳ, 20 ಪಾಠಗಳ ಪಠ್ಯಕ್ರಮವನ್ನು ನೀಡುತ್ತಿರುವುದು ಸಂತೋಷ. ಪ್ರತಿ ಪಾಠದಲ್ಲೂ ಪಾಠದ ಮುಂಚಿನ ಹಾಗೂ ನಂತರದ ಪ್ರಶ್ನೋತ್ತರಗಳು, ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ಬರಹದ ಸೂಚನೆಗಳು, ಪರಿಹಾರ ಮತ್ತು ಹೌಂಬಾಗವಿರುತ್ತದೆ. ನಮ್ಮ ಯೋಜನೆ ಆಧಾರಿತ ಪಠನಶೈಲಿ ನಿಮ್ಮ ಹೊಸ ಕೌಶಲ್ಯಗಳನ್ನು ಬಲವಾಗಿ ಅಳವಡಿಸಲು ಅನುಕೂಲವಾಗಿದೆ.
> ಈ ಸಂಗ್ರಹಸ್ಥಳವು 50+ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹಳ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು sparse checkout ಬಳಸಿ:
> ಈ ರೆಪೊಸಿಟರಿಯಲ್ಲಿ 50+ ಭಾಷಾ ಅನುವಾದಗಳು ಇದ್ದವು, ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹಳಷ್ಟು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳನ್ನು ಹೊರತುಪಡಿಸಿ ಕ್ಲೋನಿಂಗ್ ಮಾಡಲು ಸ್ಪಾರ್ಸ್ ಚೆಕ್ಔಟ್ ಬಳಸಿ:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,210 +53,211 @@ Microsoft ನಲ್ಲಿ Azure Cloud Advocates ಡೇಟಾ ವಿಜ್ಞಾ
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> ಇದು ನಿಮಗೆ ಕೊರ್ಸ್ ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನೂ ಶೀಘ್ರ ಡೌನ್ಲೋಡ್ ಜೊತೆ ನೀಡುತ್ತದೆ.
> ಇದರ ಮೂಲಕ ನೀವು ಪಠ್ಯಕ್ರಮವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನೂ ಹೆಚ್ಚಿನ ವೇಗದ ಡೌನ್ಲೋಡ್ ಮೂಲಕ ಪಡೆಯುತ್ತೀರಿ.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**ನೀವು ಹೆಚ್ಚುವರಿ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಬಯಸಿದರೆ, ಅವು [ಇಲ್ಲಿ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) ಪಟ್ಟಿಮಾಡಲಾಗಿದೆ**
**ಹೆಚ್ಚಿನ ಅನುವಾದ ಭಾಷೆಗಳ ಬೆಂಬಲವನ್ನು ಬಯಸಿದರೆ, ಅವುಗಳ ಪಟ್ಟಿ ಇಲ್ಲಿದೆ [ಇಲ್ಲಿ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
ನಮ್ಮ ಡಿಸ್ಕೋರ್ಡ್ನಲ್ಲಿ AI ಸರಣಿಯೊಂದಿಗೆ ಕಲಿಕಾ ಕಾರ್ಯಕ್ರಮವಾಗಿದ್ದು, 2025 ಸೆಪ್ಟೆಂಬರ್ 18 - 30 ರವರೆಗೆ ನಡೆಯುತ್ತಿದೆ. ಮತ್ತಷ್ಟು ತಿಳಿಯಲು ಮತ್ತು ಸೇರುವುದಕ್ಕೆ [Learn with AI Series](https://aka.ms/learnwithai/discord) ಗೆ ಭೇಟಿ ನೀಡಿ. ನೀವು GitHub Copilot ಯನ್ನು ಡೇಟಾ ಸೈನ್ಸ್ ಬಳಕೆಗಾಗಿ ಉಪಯೋಗಿಸುವ ಸಲಹೆ-ತಂತ್ರಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ.
ನಾವು Discord ನಲ್ಲಿ AI ಸರಣಿಗಳಿಂದ ಕಲಿತುಕೊಳ್ಳುವ ಕಾರ್ಯಕ್ರಮವನ್ನು ಜಾರಿಗೊಳಿಸಿದ್ದೇವೆ, ಇದರ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗೆ [Learn with AI Series](https://aka.ms/learnwithai/discord) ನಲ್ಲಿ ಸೆಪ್ಟೆಂಬರ್ 18 - 30, 2025 ರಂದು ಸೇರಿ. GitHub Copilot ನ ಸಹಾಯದಿಂದ ಡೇಟಾ ಸೈನ್ಸ್ ನಿರ್ವಹಣೆಯ ಅನುಕೂಲಗಳನ್ನು ತಿಳಿಯಿರಿ.
# ನೀವು ವಿದ್ಯಾರ್ಥಿಯಾಗಿದ್ದೀರಾ?
# ನೀವು ವಿದ್ಯಾರ್ಥಿಯರಾ?
ಕೆಳಗಿನ ಸಂಪನ್ಮೂಲಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ:
ಕೆಳಗಿನ ಸಂಪನ್ಮೂಲಗಳಿಂದ ಪ್ರಾರಂಭಿಸಿ:
- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ಈ ಪುಟದಲ್ಲಿ ನೀವು ಆರಂಭಿಕ ಸಂಪನ್ಮೂಲಗಳು, ವಿದ್ಯಾರ್ಥಿ ಪ್ಯಾಕ್ಸ್ ಮತ್ತು ಉಚಿತ ಪ್ರಮಾಣಪತ್ರ ವೌಚರ್ ಪಡೆಯುವುದು ಸೇರಿದಂತೆ ಅನೇಕ ವಿಷಯಗಳನ್ನು ಕಾಣಬಹುದು. ಇದು ನೀವು ಸಮಯಕಾಲಕ್ಕೆ ಪರಿಶೀಲಿಸಬೇಕಾದ ಪುಟ.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ಜಾಗತಿಕ ವಿದ್ಯಾರ್ಥಿ ಒತ್ತಾಯಕರ ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿಕೊಳ್ಳಿ, ಇದು ನಿಮ್ಮ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಪ್ರವೇಶವಾಗಬಹುದು.
- [ವಿದ್ಯಾರ್ಥಿ ಹಬ್ ಪುಟ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ಈ ಪುಟದಲ್ಲಿ ಆರಂಭಿಕರಿಗಾಗಿ ಸಂಪನ್ಮೂಲಗಳು, ವಿದ್ಯಾರ್ಥಿ ಪ್ಯಾಕ್ಗಳು ಮತ್ತು ಉಚಿತ ಪ್ರಮಾಣಪತ್ರ ವೌಚರ್ ಗಳಿಸುವ ಮಾರ್ಗಗಳಿವೆ. ನಿಯಮಿತವಾಗಿ ಮಾಸಿಕವಾಗಿ ವಿಷಯವನ್ನು ನವೀಕರಿಸುವ ಕಾರಣ ಈ ಪುಟವನ್ನು ಬುಕ್ಮಾರ್ಕ್ ಮಾಡಿ.
- [Microsoft Learn ವಿದ್ಯಾರ್ಥಿ ರಾಯಭಾರಿಗಳು](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ವಿಶ್ವವ್ಯಾಪಿ ವಿದ್ಯಾರ್ಥಿ ರಾಯಭಾರಿಗಳ ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿ, ಇದು ನಿಮ್ಮ Microsoft ನಲ್ಲಿ ಪ್ರವೇಶದ ದಾರಿ ಆಗಬಹುದು.
# ಪ್ರಾರಂಭಿಸುವುದು
## 📚 ಡಾಕ್ಯುಮೆಂಟೇಶನ್
- **[ಇನ್ಸ್ಟಾಲೇಶನ್ ಮಾರ್ಗದರ್ಶಿ](INSTALLATION.md)** - ಹೊಸದಾಗಿ ಪ್ರಾರಂಭಿಸುವವರಿಗೆ ಹಂತ ಹಂತದ ಸ್ಥಾಪನೆ ಸೂಚನೆಗಳು
- **[ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ](USAGE.md)** - ಉದಾಹರಣೆಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕಾರ್ಯಚಟುವಟಿಕೆಗಳು
- **[ಸಮಸ್ಯಾ ಪರಿಹಾರ](TROUBLESHOOTING.md)** - ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳು
- **[ಕೇಂಪು ನೀಡುವ ಮಾರ್ಗದರ್ಶಿ](CONTRIBUTING.md)** - ಈ ಯೋಜನೆಯಲ್ಲಿ ಹೇಗೆ ಸಹಕಾರ ಮಾಡಬಹುದು
- **[ಗುರುಗಳಿಗೆ](for-teachers.md)** - ಬೋಧನಾ ಮಾರ್ಗದರ್ಶನ ಮತ್ತು ತರಗತಿ ಸಂಪನ್ಮೂಲಗಳು
- **[ಸಂಸ್ಥಾಪನಾ ಮಾರ್ಗದರ್ಶಿ](INSTALLATION.md)** - ಆರಂಭಿಕರಿಗಾಗಿ ಹಂತ ಹಂತವಾಗಿ ಸ್ಥಾಪನೆ ಸೂಚನೆಗಳು
- **[ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ](USAGE.md)** - ಉದಾಹರಣೆಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕಾರ್ಯ ಪ್ರಕ್ರಿಯೆಗಳು
- **[ಸಮಸ್ಯೆ ಪರಿಹಾರ](TROUBLESHOOTING.md)** - ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳು
- **[ದಾನ ಮಾರ್ಗದರ್ಶಿ](CONTRIBUTING.md)** - ಈ ಯೋಜನೆಗೆ ಹೇಗೆ ಕೊಡುಗೆ ನೀಡುವದು
- **[ಶಿಕ್ಷಕರಿಗಾಗಿ](for-teachers.md)** - ಬೋಧನೆ ಮಾರ್ಗದರ್ಶನ ಮತ್ತು ತರಗತಿ ಸಂಪನ್ಮೂಲಗಳು
## 👨🎓 ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ
> **ಸಂಪೂರ್ಣ ಆರಂಭಿಕರು**: ಡೇಟಾ ಸೈನ್ಸ್ ಬಗೆಗಿನ ಹೊಸವರು? ನಮ್ಮ [ಆರಂಭಿಕ ಸ್ನೇಹಪರ ಉದಾಹರಣೆಗಳ](examples/README.md)ೊಂದರಿಂದ ಪ್ರಾರಂಭಿಸಿ! ಈ ಸರಳ, ಚೆನ್ನಾಗಿ ವರ್ಣಿಸಲಾದ ಉದಾಹರಣೆಗಳು ಪಾಠಕ್ರಮದ ಪೂರ್ಣವೂಸಲು ಮೊದಲು ಆಧಾರಭೂತ ವಿಚಾರಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
> **[ವಿದ್ಯಾರ್ಥಿಗಳು](https://aka.ms/student-page)**: ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಸ್ವತಃ ಬಳಸಲು, ಸಂಪೂರ್ಣ ಸಂಗ್ರಹಸ್ಥಳವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ಪ್ರಿ-ಲೆಕ್ಚರ್ ಪ್ರಶ್ನೋತ್ತರದಿಂದ ಪ್ರಾರಂಭಿಸಿ ವೈಯಕ್ತಿಕವಾಗಿ ಅಭ್ಯಾಸಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ. ನಂತರ ಪಾಠವನ್ನು ಓದಿ ಉಳಿದ ಚಟುವಟಿಕೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ. ಪರಿಹಾರ ಕೋಡ್ ನಕಲಿಸುವ ಬದಲು ಪಾಠಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಯೋಜನೆಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಪ್ರಯತ್ನಿಸಿ; ಆದರೂ, ಆ ಕೋಡ್ ಪ್ರತಿ ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠದಲ್ಲಿಯೂ /solutions ಫೋಲ್ಡರ್ನಲ್ಲಿ ಲಭ್ಯವಿದೆ. ಇನ್ನೊಂದು ಆಲೋಚನೆ ಇಷ್ಟರಾದಲ್ಲಿ ಸ್ನೇಹಿತರೊಂದಿಗೆ ಅಧ್ಯಯನ ಬಳಗವನ್ನು ನಿರ್ಮಿಸಿ ಮತ್ತು ವಿಷಯಗಳನ್ನು ಸೇರಿಸಿಕೊಳ್ಳಿ. ಮುಂದಿನ ಅಧ್ಯಯನಕ್ಕಾಗಿ ನಾವು [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ಅನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
## 👨🎓 ವಿದ್ಯಾರ್ಥಿಗಳಿಗಾಗಿ
> **ಪೂರ್ಣ ಹೊಸವರು**: ಡೇಟಾ ಸೈನ್ಸ್ ನ ಹೊಸದಾರರಾ? ನಮ್ಮ [ಸರಳ, ಅಮೆಚ್ಚಿನ ಉದಾಹರಣೆಗಳಿಂದ](examples/README.md) ಪ್ರಾರಂಭಿಸಿ! ಸರಳ, ಚೆನ್ನಾಗಿ ಟಿಪ್ಪಣಿಗೊಳಿಸಿರುವ ಉದಾಹರಣೆಗಳು ಮೂಲಭೂತವನ್ನು ತಿಳಿದುಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
> **[ವಿದ್ಯಾರ್ಥಿಗಳು](https://aka.ms/student-page)**: ನೀವು ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಸ್ವತಃ ಬಳಸಲು, ಸಂಪೂರ್ಣ ರೆಪೊವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ಪೂರ್ವ ಪಾಠ ಪ್ರಶ್ನೋತ್ತರದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ. ನಂತರ ಪಾಠವನ್ನು ಓದಿ ಉಳಿದ ಕಾರ್ಯಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ. ಪರಿಹಾರ ಕೋಡ್ ಅನ್ನು ನಕಲಿಸುವ ಬದಲು ಪಾಠಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಪ್ರಾಜೆಕ್ಟ್ ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಪ್ರಯತ್ನ ಮಾಡಿ; ಆದಾಗ್ಯೂ ಆ ಕೋಡ್ /solutions ಫೋಲ್ಡರ್ ಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ. ಮತ್ತೊಂದು ಆಯ್ಕೆಯಾಗಿ ಸ್ನೇಹಿತರೊಂದಿಗೆ ಅಧ್ಯಯನ ಗುಂಪು ರೂಪಿಸಿ ವಿಷಯವನ್ನು ಒಟ್ಟಾಗಿ ವೀಕ್ಷಿಸಿ. ಹೆಚ್ಚಿನ ಅಧ್ಯಯನಕ್ಕಾಗಿ ನಾವು [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ಅನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
**ವೇಗದ ಪ್ರಾರಂಭ:**
1. ನಿಮ್ಮ ವಾತಾವರಣವನ್ನು ಸೆಟ್ ಅಪ್ ಮಾಡಲು [ಇನ್ಸ್ಟಾಲೇಶನ್ ಮಾರ್ಗದರ್ಶಿ](INSTALLATION.md) ಪರಿಶೀಲಿಸಿ
2. ಪಠ್ಯಕ್ರಮದೊಂದಿಗೆ ಏನು ಮಾಡುವುದು ಎಂದು ತಿಳಿಯ ಬಹುದು [ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ](USAGE.md) ಓದಿ
3. ಪಾಠ 1 ರಿಂದ ಪ್ರಾರಂಭಿಸಿ ಕ್ರಮವಾಗಿ ಮುಂದುವರಿಯಿರಿ
4. ಬೆಂಬಲಕ್ಕಾಗಿ ನಮ್ಮ [ಡಿಸ್ಕೋರ್ಡ್ ಸಮುದಾಯಕ್ಕೆ](https://aka.ms/ds4beginners/discord) ಸೇರುವುದು
1. ನಿಮ್ಮ ಪರಿಸರವನ್ನು ಸ್ಥಾಪಿಸಲು [ಸಂಸ್ಥಾಪನಾ ಮಾರ್ಗದರ್ಶಿಯನ್ನು](INSTALLATION.md) ಪರಿಶೀಲಿಸಿ
2. ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಕಾರ್ಯಗತಗೊಳಿಸುವುದೆಂದು ತಿಳಿಯಲು [ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿಯನ್ನು](USAGE.md) ಓದಿ
3. ಪಾಠ 1 ಅನ್ನು ಆರಂಭಿಸಿ ಕ್ರಮವಾಗಿ ಮುನ್ನಡೆಸಿ
4. ಬೆಂಬಲಕ್ಕಾಗಿ ನಮ್ಮ [Discord ಸಮುದಾಯದಲ್ಲಿ](https://aka.ms/ds4beginners/discord) ಸೇರಿ
## 👩🏫 ಗುರುಗಳಿಗೆ
> **ಶಿಕ್ಷಕರು**: ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸಬೇಕೆಂದು [ಕೆಲವು ಸಲಹೆಗಳನ್ನು ಸೇರಿಸಲಾಗಿದೆ](for-teachers.md). ನಮ್ಮ ಚರ್ಚಾ ವಿನ್ಯಾಸದಲ್ಲಿ ನಿಮ್ಮ ಅಭಿಪ್ರಾಯಗಳನ್ನು ತಿಳಿಸಲು ನಾವು ಉತ್ಸುಕರಾಗಿದ್ದೇವೆ [ನಮ್ಮ ಚರ್ಚಾ ವೇದಿಕೆಯಲ್ಲಿ](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
## 👩🏫 ಶಿಕ್ಷಕರಿಗಾಗಿ
> **ಶಿಕ್ಷಕರು**: ನಾವು ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸುವ ಬಗ್ಗೆ ಕೆಲವು ಸಲಹೆಗಳನ್ನು [ ಸೇರಿಸಿದ್ದೇವೆ](for-teachers.md). ನಿಮ್ಮ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನಾವು [ಚರ್ಚಾ ವೇದಿಕೆಯಲ್ಲಿ](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ಬಯಸುತ್ತೇವೆ!
> 🎥 ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದ ಜನರ ಕುರಿತು ವೀಡಿಯೋವನ್ನು ನೋಡಿ!
> 🎥 ಯೋಜನೆಯ ಬಗ್ಗೆ ವೀಡಿಯೋಕ್ಕಾಗಿ ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಇದನ್ನು ರಚಿಸಿದ ಜನರು!
## ಪಾಠಶಾಸ್ತ್ರ
ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ರಚಿಸುವಾಗ ನಾವು ಎರಡು ಪಾಠಶಾಸ್ತ್ರದ ತತ್ವಗಳನ್ನು ಆರಿಸಿಕೊಂಡಿದ್ದೇವೆ: ಅದು ಯೋಜನೆ ಆಧಾರಿತವಾಗಿದ್ದು, ನಿಯಮಿತವಾಗಿ ಕುಯಿಜ್ಗಳನ್ನು ಒಳಗೊಂಡಿರುವದು. ಈ ಸರಣಿಯ ಅಂತ್ಯಕ್ಕೆ, ವಿದ್ಯಾರ್ಥಿಗಳು ಡೇಟಾ ವಿಜ್ಞಾನದ ಮೂಲ ತತ್ವಗಳನ್ನು, ಆಚಾರ ಸಂಹಿತೆಗಳ ಜೊತೆಗೆ, ಡೇಟಾ તૈયಾರಿ, ಡೇಟಾ ಕೆಲಸ ಮಾಡುವ ವಿಭಿನ್ನ ವಿಧಾನಗಳು, ಡೇಟಾ ದೃಶ್ಯೀಕರಣ, ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ, ಡೇಟಾ ವಿಜ್ಞಾನದ ನೈಜ ಜಗತ್ತಿನ ಬಳಕೆದಾರರ ವಿಚಾರಗಳು ಮತ್ತು ಇತರೆ ವಿಷಯಗಳನ್ನು ಕಲಿಯುವರು.
ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ರಚಿಸುವಾಗ ನಾವು ಎರಡು ಪಾಠಶಾಸ್ತ್ರೀಯ ತತ್ವಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿಕೊಂಡಿದ್ದೇವೆ: ಇದು ಯೋಜನೆ ಆಧಾರಿತವಾಗಿದ್ದು ಸುದೀರ್ಘವಾಗಿ ಪ್ರಶ್ನೆಗಳಿಗೆ ಒಳಗೊಂಡಿದೆ ಎಂಬುದನ್ನು ಖಚಿತಪಡಿಸುವುದು. ಈ ಸರಣಿಯ ಅಂತ್ಯದಲ್ಲಿ, ವಿದ್ಯಾರ್ಥಿಗಳು ಮೂಲಭೂತ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ತತ್ತ್ವಗಳನ್ನು, ನೈತಿಕ ಕಲ್ಪನೆಗಳು, ದತ್ತ್ನಿರ್ವಹಣೆ, ದತ್ತಾಂಶದ ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದು, ದತ್ತಾಂಶ ದೃಶ್ಯೀಕರಣ, ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆ, ನೈಜ ಜಾಗತಿಕ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಬಳಕಾ ಘಟನೆಗಳು ಮುಂತಾದವುಗಳನ್ನು ಕಲಿತಿರುತ್ತಾರೆ.
ಅದರ ಜೊತೆಗೆ, ಒಂದು ಪಾಠದ ಮೊದಲಿಗೆ ಒಂದು ಕಡಿಮೆ ಒತ್ತಡದ ಕುಯಿಜ್ ವಿದ್ಯಾರ್ಥಿಯ ಕಲಿಕೆಯ ಮೇಲೆ ಆಕಾಂಕ್ಷೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಮತ್ತು ಪಾಠದ ನಂತರ ಎರಡನೇ ಕುಯಿಜ್ ಉಳಿಸಿಕೊಂಡಿರುವ ಜ್ಞಾನದ ಸಮರ್ಥಿಕತೆಯನ್ನು ದೃಢಪಡಿಸುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಬದಲಾಯಿಸಬಹುದಾದ ಮತ್ತು ಮನರಂಜನೆಯಾಗಿರಲು ವಿನ್ಯಾಸಗೊಳ್ಳಿದೆ ಮತ್ತು ಮುಕ್ತವಾಗಿಯೂ ಅಥವಾ ಭಾಗಭಾಗವೊಂದಿಗೆ ಹಂತಗಳಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾಗಿದೆ. ಯೋಜನೆಗಳು ಸಣ್ಣದಾಗಿ ಪ್ರಾರಂಭವಾಗಿ 10 ವಾರಗಳ ಚಕ್ರದ ಅಂತ್ಯಕ್ಕೆ ಹೆಚ್ಚು ಸೊಗಸಾಗಿರುತ್ತವೆ.
ಅದಕ್ಕೆ ಸೇರಿ, ವರ್ಗದ ಮುಂಚೆ ಹೆಚ್ಚು ಹಾನಿಯಾಗದ ಪ್ರಶ್ನೆ ವಿದ್ಯಾರ್ಥಿಯ ಕಲಿಕೆ ಉತ್ಸಾಹವನ್ನು ಹೊಂದಿಸುತ್ತದೆ, ವರ್ಗದ ನಂತರದ ಎರಡನೇ ಪ್ರಶ್ನೆ ಮತ್ತಷ್ಟು ಜೃಂಭಣೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಸಂಪೂರ್ಣವಾಗಿ ಅಥವಾ ಭಾಗವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದಷ್ಟು ನನವಿದ್ದು ಮನರಂಜನೆಯಾಗಿರುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಯೋಜನೆಗಳು ಸಣ್ಣದಾಗಿ ಆರಂಭಿಸಿ 10 ವಾರಗಳ ಸೈಕಲ್ ಅಂತ್ಯಕ್ಕೆ progressively ಸಂಕೀರ್ಣವಾಗುತ್ತವೆ.
> ನಮ್ಮ [ಚಾಲನ ನಿಯಮಗಳು](CODE_OF_CONDUCT.md), [ಸಹಾಯ](CONTRIBUTING.md), [ಭಾಷಾಂತರ](TRANSLATIONS.md) ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ಸಂರಚನಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಗೆ ಸ್ವಾಗತ!
> ನಮ್ಮ [ನಡವಳಿಕೆ ಸ್ಪರ್ಧಾ नियमಾವಳಿ](CODE_OF_CONDUCT.md), [ದಿಂದಾಯಿತಾರಿಕೆಗೆ](CONTRIBUTING.md), [ಭಾಷಾಂತರ](TRANSLATIONS.md) ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ನಿರ್ಮಾಣಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನಾವು ಸ್ವಾಗತಿಸುತ್ತೇವೆ!
## ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ഉള്പ്പെടുത്തಲಾಗಿದೆ:
## ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಸೇರಿದ್ದು:
- ಐಚ್ಛಿಕ ಸ್ಕೆಚ್ ನೋಟ್
- ಐಚ್ಛಿಕ ಸಮರ್ಪಕ ವೀಡಿಯೋ
- ಪಾಠದ ಮುಂಚಿನ ತಂತ್ರಪರಿಕ ಪರೀಕ್ಷೆ
- ಲಿಖಿತ ಪಾಠ
- ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠಗಳಿಗೆ, ಯೋಜನೆಯನ್ನು ರಚಿಸುವ ಹಂತ ಹಂತ ಮಾರ್ಗಸೂಚಿ
- ಜ್ಞಾನ ಪರಿಶೀಲನೆಗಳು
- ಸವಾಲು
- ಹೆಚ್ಚುವರಿ ಓದು
- ಕಾರ್ಯನಿರ್ವಹಣೆ
- [ಪಾಠದ ನಂತರದ ಕುಯಿಜ್](https://ff-quizzes.netlify.app/en/)
- ಐಚ್ಛಿಕ ಸ್ಕೆಚ್ನೋಟ್
- ಐಚ್ಛಿಕ ಪೂರಕ ವೀಡಿಯೋ
- ಪಾಠದ ಮುಂಚಿನ ತಯಾರಿ ಪ್ರಶ್ನೆ
- ಬರೆಹಪಡು ಪಾಠ
- ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠಗಳಿಗಾಗಿ, ಯೋಜನೆ ರಚಿಸುವಂತೆ ಹಂತದಲ್ಲಿಯ ಗೈಡ್ಗಳು
- ಜ್ಞಾನ ಪರಿಶೀಲನೆಗಳು
- ಸವಾಲು
- ಪೂರಕ ಓದುವಿಕೆ
- ಅಸೈನ್ಮೆಂಟ್
- [ಪಾಠದ ನಂತರದ ಪ್ರಶ್ನೆ](https://ff-quizzes.netlify.app/en/)
> **ಕುಯಿಜ್ಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ**: ಎಲ್ಲಾ ಕುಯಿಜ್ಗಳು Quiz-App ಫೋಲ್ಡರ್ನಲ್ಲಿ ಸೇರಿವೆ, ಪ್ರತಿ ಒಂದರಲ್ಲಿ ಮೂರು ಪ್ರಶ್ನೆಗಳ 40 ಕುಯಿಜ್ಗಳ ಒಟ್ಟು. ಅವು ಪಾಠಗಳೊಳಗಿಂದ ಲಿಂಕ್ ಮಾಡಲಾಗಿದೆ, ಆದರೆ ಕುಯಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ನೇರವಾಗಿ ಲೋಕಲ್ನಲ್ಲಿ ಅಥವಾ ಅಜೂರ್ಗೆ ರವಾನಿಸಬಹುದಾಗಿದೆ; `quiz-app` ಫೋಲ್ಡರ್ನಲ್ಲಿ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ. ಅವು ಸ್ಥರಿಸಿದ ಭಾಷಾಂತರಗಳಾಗಿ ಕ್ರಮವಾಗಿ ಲಭ್ಯವಾಗುತ್ತಿರುವುವು.
> **ಪ್ರಶ್ನೆಗಳ ಬಗ್ಗೆ ಟಿಪ್ಪಣಿ**: ಎಲ್ಲಾ ಪ್ರಶ್ನೆಗಳು Quiz-App ಫೋಲ್ಡರ್ನಲ್ಲಿ ಇದ್ದು, ಒಟ್ಟು 40 ಪ್ರಶ್ನೆಗಳ 3 ಪ್ರಶ್ನೆಗಳ ಪ್ರತಿ. ಅವು ಪಾಠಗಳಿಂದ ಲಿಂಕ್ ಆಗಿವೆ, ಆದರೆ ಪ್ರಶ್ನೆಗಳ ಅಪ್ಲಿಕೇಶನ್ ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡಬಹುದು ಅಥವಾ ಅಜುರ್ಗೆ ನಿಯೋಜಿಸಬಹುದು; `quiz-app` ಫೋಲ್ಡರ್ನಲ್ಲಿ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ. ಅವು ಹ渐ವಾಗಿ ಸ್ಥಳೀಯಗೊಳ್ಳುತ್ತಿವೆ.
## 🎓 ಆರಂಭಿಕರಿಗಾಗಿ ಸಹಾಯಕ ಉದಾಹರಣೆಗಳು
## 🎓 ಶುರುಮಾಡುವವರಿಗೆ ಅನುಕೂಲಕರ ಉದಾಹರಣೆಗಳು
**ಡೇಟಾ ಸೈನ್ಸ್ ಹೊಸದಾಗಿ ಕಲಿಯುತ್ತಿದ್ದೀರಾ?** ನಿಮ್ಮ ಆರಂಭಕ್ಕಾಗಿ ಸರಳ ಮತ್ತು ಚೆನ್ನಾಗಿ ಕಾಮೆಂಟ್ ಮಾಡಲಾದ ಕೋಡ್ ಹೊಂದಿರುವ ವಿಶೇಷ [ಉದಾಹರಣೆಫೋಲ್ಡರ್](examples/README.md) ರಚಿಸಿದ್ದೇವೆ:
**ದತ್ತಾಂಶ ವಿಜ್ಞಾನದಲ್ಲಿ ಹೊಸದಾಗಿ ಬಂದಿದ್ದೀರಾ?** ಶುರು ಮಾಡುವುದಕ್ಕೆ ಸಹಾಯ ಮಾಡುವ ಸರಳವಾಗಿ ಮತ್ತು ಚೆನ್ನಾಗಿ ಕಾಮೆಂಟ್ ಮಾಡಲಾದ ಕೋಡ್ ಹೊಂದಿರುವ ವಿಶೇಷ [ಉದಾಹರಣೆಗಳ ಡೈರೆಕ್ಟರಿ](examples/README.md) ರಚಿಸಿದ್ದೇವೆ:
- 🌟 **ಹಲೋ ವರ್ಲ್ಡ್** - ನಿಮ್ಮ ಮೊದಲ ಡೇಟಾ ವಿಜ್ಞಾನ ಕಾರ್ಯಕ್ರಮ
- 📂 **ಡೇಟಾ ಲೋಡ್ ಮಾಡುವುದು** - ಡೇಟಾಸೆಟ್ ಗಳನ್ನು ಓದುತ್ತ ಪ್ರಯತ್ನಿಸುವುದು ಕಲಿಯಿರಿ
- 📊 **ಸರಳ ವಿಶ್ಲೇಷಣೆ** - ಸಾಂಖ್ಯಿಕ ಗಣನೆ ಮಾಡಿ ಪ್ಯಾಟರ್ನ್ಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ
- 📈 **ಮೂಲ ದೃಷ್ಠಾಂತ** - ಚಾನೆಲ್ನ್ನು ಮತ್ತು ಗ್ರಾಫ್ಗಳನ್ನು ಸೃಷ್ಟಿಸಿ
- 🔬 **ನೈಜ ಪ್ರಪಂಚ ಯೋಜನೆ** - ಪ್ರಾರಂಭದಿಂದ ಪೂರ್ಣವಾಗುವ ಕಾರ್ಯಚಟುವಟಿಕೆ
- 🌟 **ಹಲೋ ವರ್ಲ್ಡ್** - ನಿಮ್ಮ ಮೊದಲ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಸಂದೇಶ
- 📂 **ದತ್ತಾಂಶ ಲೋಡ್ ಮಾಡುವುದು** - ಡೇಟಾಸೆಟ್ ಅನ್ನು ಓದುತ್ತಾ ಮತ್ತು ಅನ್ವೇಷಿಸುತ್ತಾ ಕಲಿಯಿರಿ
- 📊 **ಸರಳ ವಿಶ್ಲೇಷಣೆ** - ಸಂಖ್ಯಾಶಾಸ್ತ್ರಗಳನ್ನು ಲೆಕ್ಕಿಸಿ ಮತ್ತು ಮಾದರಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ
- 📈 **ಮೂಲಭೂತ ದೃಶ್ಯೀಕರಣ** - ಚಾರ್ಟ್ಗಳು ಮತ್ತು ಗ್ರಾಫ್ಗಳನ್ನು ರಚಿಸಿ
- 🔬 **ನಿಜಜೀವನ ಯೋಜನೆ** - ಪ್ರಾರಂಭದಿಂದ ಅಂತ್ಯವರೆಗೆ ಪೂರ್ಣ ವರ್ಕ್ಫ್ಲೋ
ಪ್ರತಿ ಉದಾಹರಣೆಯಲ್ಲಿ ಪ್ರತಿಯೊಂದು ಹಂತವನ್ನು ವಿವರಿಸುವ ನಿಯಮಿತ ಕಾಮೆಂಟ್ಸ್ ಇರುತ್ತವೆ, ಇದು ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರಾರಂಭಿಕರಿಗೆ ಅತ್ಯುತ್ತಮವಾಗಿದೆ!
ಪ್ರತಿ ಉದಾಹರಣೆಯು ಪ್ರತಿ ಹಂತವನ್ನು ವಿವರಿಸುವ ಟಿಪ್ಪಣಿಗಳನ್ನು ಒಳಗೊಂಡಿದ್ದು, ಅದು ಸಂಪೂರ್ಣವಾಗಿ ಆರಂಭಿಕರಿಗಾಗಿ ಸೂಕ್ತವಾಗಿದೆ!
| 01 | ಡೇಟಾ ಸೈನ್ಸ್ ವ್ಯಾಖ್ಯಾನ | [ಪರಿಚಯ](1-Introduction/README.md) | ಡೇಟಾ ಸೈನ್ಸ್ ಆಧಾರದ ತತ್ವಗಳನ್ನು ಹಾಗು ಅದು искусственный интеллект, ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾ ಜೊತೆಗೆ ಹೇಗೆ ಸಂಬಂಧಿಸಿದೆ ಎಂಬುದನ್ನು ಕಲಿಯಿರಿ. | [ಪಾಠ](1-Introduction/01-defining-data-science/README.md) [ವೀಡಿಯೋ](https://youtu.be/beZ7Mb_oz9I) | [ಡಿಮಿಟ್ರಿ](http://soshnikov.com) |
| 02 | ಡೇಟಾ ಸೈನ್ಸ್ ನೈತಿಕತೆ | [ಪರಿಚಯ](1-Introduction/README.md) | ಡೇಟಾ ನೈತಿಕತೆ ತತ್ವಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ರೂಪರೇಖೆಗಳು. | [ಪಾಠ](1-Introduction/02-ethics/README.md) | [ನಿತ್ಯ](https://twitter.com/nitya) |
| 03 | ಡೇಟಾ ನಿಶ್ಚಿತಮಾಡುವುದು | [ಪರಿಚಯ](1-Introduction/README.md) | ಡೇಟಾ ಹೇಗೆ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ ಮತ್ತು ಅದರ ಸಾಮಾನ್ಯ ಮೂಲಗಳು ಏನು. | [ಪಾಠ](1-Introduction/03-defining-data/README.md) | [ಜಾಸ್ಮಿನ್](https://www.twitter.com/paladique) |
| 04 | ಸಮೀಕ್ಷೆ ಮತ್ತು ಸಂಭಾವ್ಯದ ಪರಿಚಯ | [ಪರಿಚಯ](1-Introduction/README.md) | ಡೇಟಾವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಂಭಾವ್ಯತೆ ಮತ್ತು ಸಮೀಕ್ಷೆಯ ಗಣಿತ ತಂತ್ರಗಳು. | [ಪಾಠ](1-Introduction/04-stats-and-probability/README.md) [ವೀಡಿಯೋ](https://youtu.be/Z5Zy85g4Yjw) | [ಡಿಮಿಟ್ರಿ](http://soshnikov.com) |
| 05 | ಸಂಬಂಧಿತ ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವುದು | [ಡೇಟಾ ಕೆಲಸ](2-Working-With-Data/README.md) | ಸಂಬಂಧಿತ ಡೇಟಾ ಮತ್ತು structured query language (SQL) ಮೂಲಕ ಸಂಬಂಧಿತ ಡೇಟಾವನ್ನು ಅನ್ವೇಷಿಸುವ ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಭೂತಗಳು. | [ಪಾಠ](2-Working-With-Data/05-relational-databases/README.md) | [ಕ್ರಿಸ್ಟೋಫರ್](https://www.twitter.com/geektrainer) | | |
| 06 | ನಾನ್ SQL ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವುದು | [ಡೇಟಾ ಕೆಲಸ](2-Working-With-Data/README.md) | ಸಂಬಂಧಿಸದ ಡೇಟಾ ಪರಿಚಯ, ಅದರ ವಿಭಿನ್ನ ವಿಧಗಳು ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್ ಡೇಟಾಬೇಸ್ ಅನ್ವೇಷಣೆ ಹಾಗೂ ವಿಶ್ಲೇಷಣೆಯ ಮೂಲಭೂತಗಳು. | [ಪಾಠ](2-Working-With-Data/06-non-relational/README.md) | [ಜಾಸ್ಮಿನ್](https://twitter.com/paladique)|
| 07 | ಪೈಥಾನ್ ಬಳಸಿ ಕೆಲಸ | [ಡೇಟಾ ಕೆಲಸ](2-Working-With-Data/README.md) | ಪ್ಯಾಂಡಾಸ್ ಸೇರಿದಂತೆ ಪೈಥಾನ್ ಲೈಬ್ರರಿಗಳು ಬಳಸಿ ಡೇಟಾ ಅನ್ವೇಷಣೆಯ ಮೂಲಭೂತಗಳು. ಪೈಥಾನ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಪರಿಪೂರ್ಣವಾದ ಅರ್ಥವನ್ನು ಹೊಂದಿರುವುದು ಶಿಫಾರಸು. | [ಪಾಠ](2-Working-With-Data/07-python/README.md) [ವೀಡಿಯೋ](https://youtu.be/dZjWOGbsN4Y) | [ಡಿಮಿಟ್ರಿ](http://soshnikov.com) |
| 08 | ಡೇಟಾ ಸಿದ್ಧತೆ | [ಡೇಟಾ ಕೆಲಸ](2-Working-With-Data/README.md) | ಕಳೆದುಹೋದ, ತಪ್ಪಾಗಾದ ಅಥವಾ ಅಪೂರ್ಣ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಲು ಸ್ವಚ್ಛತೆ ಮತ್ತು ಪರಿವರ್ತನೆಯ ತಂತ್ರಗಳು. | [ಪಾಠ](2-Working-With-Data/08-data-preparation/README.md) | [ಜಾಸ್ಮಿನ್](https://www.twitter.com/paladique) |
| 12 | ಸಂಬಂಧಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು | [ಡೇಟಾ ದೃಶ್ಯೀಕರಣ](3-Data-Visualization/README.md) | ಡೇಟಾ ಸೆಟ್ಗಳ ಮತ್ತು ಅವರ ವೈಶಿಷ್ಟ್ಯಗಳ ನಡುವಿನ ಸಂಪರ್ಕ ಮತ್ತು ಸಮ್ಮಿಲನಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು. | [ಪಾಠ](3-Data-Visualization/12-visualization-relationships/README.md) | [ಜೆನ್](https://twitter.com/jenlooper) |
| 13 | ಅರ್ಥಪೂರ್ಣ ದೃಶ್ಯೀಕರಣಗಳು | [ಡೇಟಾ ದೃಶ್ಯೀಕರಣ](3-Data-Visualization/README.md) | ಪರಿಣಾಮಕಾರಿ ಸಮಸ್ಯೆ ಪರಿಹಾರ ಮತ್ತು洞察ಗಳಿಗಾಗಿ ನಿಮ್ಮ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ಮೌಲ್ಯಯುತವಾಗಿಸಲು ತಂತ್ರಗಳು ಮತ್ತು ಮಾರ್ಗದರ್ಶನ. | [ಪಾಠ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ಜೆನ್](https://twitter.com/jenlooper) |
| 14 | ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರದ ಪರಿಚಯ | [ಜೀವನಚಕ್ರ](4-Data-Science-Lifecycle/README.md) | ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರದ ಪರಿಚಯ ಮತ್ತು ಮೊದಲ ಹಂತವಾದ ಡೇಟಾ ಪಡೆಯುವುದು ಮತ್ತು ತೆಗೆದುಹಾಕುವುದು. | [ಪಾಠ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ಜಾಸ್ಮಿನ್](https://twitter.com/paladique) |
| 15 | ವಿಶ್ಲೇಷಣೆ | [ಜೀವನಚಕ್ರ](4-Data-Science-Lifecycle/README.md) | ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರದ ಈ ಹಂತವು ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ತಂತ್ರಗಳನ್ನು ಕೇಂದ್ರಿತಗೊಳಿಸುತ್ತದೆ. | [ಪಾಠ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ಜಾಸ್ಮಿನ್](https://twitter.com/paladique) | | |
| 16 | ಸಂವಹನ | [ಜೀವನಚಕ್ರ](4-Data-Science-Lifecycle/README.md) | ಈ ಹಂತದಲ್ಲಿ ಡೇಟಾದ洞察ಗಳನ್ನು ನಿರ್ಧಾರಮೇಕರ್ಗಳ فهمಕ್ಕೆ ಸುಲಭವಾಗುವ ರೀತಿಯಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದು. | [ಪಾಠ](4-Data-Science-Lifecycle/16-communication/README.md) | [ಜಾಲೆನ್](https://twitter.com/JalenMcG) | | |
| 17 | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | [ಮೋಡು ಡೇಟಾ](5-Data-Science-In-Cloud/README.md) | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಪರಿಚಯ ಮತ್ತು ಅದರ ಲಾಭಗಳು. | [ಪಾಠ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [ಟಿಫನಿ](https://twitter.com/TiffanySouterre) ಮತ್ತು [ಮಾಡ್](https://twitter.com/maudstweets) |
| 18 | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | [ಮೋಡು ಡೇಟಾ](5-Data-Science-In-Cloud/README.md) | ಲೋ ಕೋಡ್ ಉಪಕರಣಗಳಿಂದ ಮಾದರಿಗಳನ್ನು ತರಬೇತುಗೊಳಿಸುವುದು. |[ಪಾಠ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [ಟಿಫನಿ](https://twitter.com/TiffanySouterre) ಮತ್ತು [ಮಾಡ್](https://twitter.com/maudstweets) |
| 19 | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | [ಮೋಡು ಡೇಟಾ](5-Data-Science-In-Cloud/README.md) | ಅಜೂರ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಸ್ಟುಡಿಯೋ ಮೂಲಕ ಮಾದರಿಗಳನ್ನು ವಹಿಸುವುದು. | [ಪಾಠ](5-Data-Science-In-Cloud/19-Azure/README.md)| [ಟಿಫನಿ](https://twitter.com/TiffanySouterre) ಮತ್ತು [ಮಾಡ್](https://twitter.com/maudstweets) |
| 20 | ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | [ನೈಜ ಜಗತ್ತು](6-Data-Science-In-Wild/README.md) | ನೈಜ ಪ್ರಪಂಚದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಚಾಲಿತ ಯೋಜನೆಗಳು. | [ಪಾಠ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [ನಿತ್ಯ](https://twitter.com/nitya) |
## GitHub Codespaces
ಈ ನುಡಿಯನ್ನು Codespace ನಲ್ಲಿ ತೆರೆಯಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
1. ಕೋಡ್ ಡ್ರಾಪ್ಡೌನ್ ಮೆನು ಕ್ಲಿಕ್ ಮಾಡಿ ಮತ್ತು "Open with Codespaces" ಆಯ್ಕೆಯನ್ನು ಆರಿಸಿ.
2. ಪಾನೆಲ್ ಕೆಳಭಾಗದಲ್ಲಿ + New codespace ಆಯ್ಕೆಮಾಡಿ.
ಹೆಚ್ಚು ಮಾಹಿತಿಗಾಗಿ, [GitHub ಡಾಕ್ಯುಮೆಂಟೇಶನ್](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) ನೋಡಿ.
## VSCode ರಿಮೋಟ್ - ಕಂಟೈನರ್ಗಳು
ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರ ಮತ್ತು VSCode ರಿಮೋಟ್ - ಕಂಟೈನರ್ ವಿಸ್ತರಣೆ ಬಳಸಿ ಈ ರೆಪೋ ಕಂಟೈನರ್ನಲ್ಲಿ ತೆರೆಯಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
1. ನೀವು ಮೊದಲ ಬಾರಿಗೆ ಡೆವಲಪ್ಮೆಂಟ್ ಕಂಟೈನರ್ ಬಳಸುತ್ತಿದ್ದರೆ, ದಯವಿಟ್ಟು ನಿಮ್ಮ ವ್ಯವಸ್ಥೆ ಅಗತ್ಯ ಕನಿಷ್ಠ ಅಂಶಗಳನ್ನು (ಅಂದರೆ ಡೋಕರ್ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿರಬೇಕು) [Getting Started ಡಾಕ್ಯುಮೆಂಟೇಶನ್](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) ನಲ್ಲಿ ಪರಿಶೀಲಿಸಿ.
ಈ ರೆಪೋ ಬಳಸಲು, ನೀವು ಇದನ್ನು ವೆಚ್ಚ ಕಂಟೈನರ್ ವಾಲ್ಯೂಮ್ (Docker volume) ನಲ್ಲಿ ತೆರೆಯಬಹುದು:
**ಟಿಪ್**: ಆಂತರಿಕವಾಗಿ, ಇದು Remote-Containers: **Clone Repository in Container Volume...** ಆಜ್ಞೆಯನ್ನು ಬಳಸಿ ಮೂಲ ಕೋಡ್ ಅನ್ನು ಲೋಕಲ್ ಫೈಲ್ಸಿಸ್ಟಮ್ ಬದಲು ಡೋಕರ್ ವಾಲ್ಯೂಮ್ನಲ್ಲಿ ನಕಲಿಸುವುದು. [ವಾಲ್ಯೂಮ್ಗಳು](https://docs.docker.com/storage/volumes/) ಕಂಟೈನರ್ ಡೇಟಾ ಉಳಿಸುವ ಬಹುಮಾನ್ಯ ವಿಧಾನ.
ಅಥವಾ ಈ ರೆಪೋನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಅಥವಾ ಡೌನ್ಲೋಡ್ ಮಾಡಲಾದ ಪ್ರತಿ ಪ್ರತಿಯನ್ನು ತೆರೆಯಬಹುದು:
- ಈ ರೆಪೋವನ್ನು ನಿಮ್ಮ ಸ್ಥಳೀಯ ಫೈಲ್ ಸಿಸ್ಟಮ್ಗೆ ಕ್ಲೋನ್ ಮಾಡಿ.
- F1 ಒತ್ತಿ ಮತ್ತು **Remote-Containers: Open Folder in Container...**ಆಜ್ಞೆಯನ್ನು ಆರಿಸಿ.
- ಈ ಫೋಲ್ಡರ್ನ ಕ್ಲೋನ್ ಮಾಡಿದ ನಕಲನ್ನು ಆರಿಸಿ, ಕಂಟೈನರ್ ಪ್ರಾರಂಭವಾಗುವ ತನಕ ಕಾಯಿರಿ ಮತ್ತು ಪ್ರಯತ್ನಿಸಿ.
| 01 | ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ವ್ಯಾಖ್ಯಾನ | [ಪರಿಚಯ](1-Introduction/README.md) | ದತ್ತಾಂಶ ವಿಜ್ಞಾನದ ಮೂಲ ತತ್ತ್ವಗಳನ್ನು ಮತ್ತು ಇದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ, ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ದೊಡ್ಡ ದತ್ತಾಂಶಕ್ಕೆ ಹೇಗೆ ಸಂಬಂಧಿಸಿದೆ ಎಂಬುದನ್ನು ಕಲಿಯಿರಿ. | [ಪಾಠ](1-Introduction/01-defining-data-science/README.md) [ವೀಡಿಯೋ](https://youtu.be/beZ7Mb_oz9I) | [ಡಿಮಿಟ್ರಿ](http://soshnikov.com) |
| 02 | ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ನೈತಿಕತೆ | [ಪರಿಚಯ](1-Introduction/README.md) | ದತ್ತಾಂಶ ನೈತಿಕತೆ ತತ್ತ್ವಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ಫ್ರೇಮ್ವರ್ಕ್ಗಳು. | [ಪಾಠ](1-Introduction/02-ethics/README.md) | [ನಿತ್ಯ](https://twitter.com/nitya) |
| 03 | ದತ್ತಾಂಶದ ವ್ಯಾಖ್ಯಾನ | [ಪರಿಚಯ](1-Introduction/README.md) | ದತ್ತಾನ್ವಯಾತ್ಮಕ ವಿಭಜನೆ ಮತ್ತು ಸಾಮಾನ್ಯ ಮೂಲಗಳು ಹೇಗಿವೆ. | [ಪಾಠ](1-Introduction/03-defining-data/README.md) | [ಜ್ಯಾಸ್ಮಿನ್](https://www.twitter.com/paladique) |
| 04 | ಸಂಖ್ಯೆಶಾಸ್ತ್ರ ಮತ್ತು ಸಂભાવ್ಯತೆ ಪರಿಚಯ | [ಪರಿಚಯ](1-Introduction/README.md) | ದತ್ತಾಂಶವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಂಖ್ಯಾಶಾಸ್ತ್ರ ಮತ್ತು ಸಂಭಾವ್ಯತೆಯ ಗಣಿತೀಯ ತಂತ್ರಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ. | [ಪಾಠ](1-Introduction/04-stats-and-probability/README.md) [ವೀಡಿಯೋ](https://youtu.be/Z5Zy85g4Yjw) | [ಡಿಮಿಟ್ರಿ](http://soshnikov.com) |
| 05 | ಸಂಬಂಧಿತ ದತ್ತಾಂಶದೊಂದಿಗೆ ಕೆಲಸ | [ದತ್ತಾಂಶದೊಂದಿಗೆ ಕೆಲಸ](2-Working-With-Data/README.md) | ಸಂಬಂಧಿತ ದತ್ತಾಂಶ ಮತ್ತು SQL (ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಕ್ವೆರಿ ಲಾಂಗುಯೇಜ್) ಅಥವಾ "ಸಿ-ಕ್ವೆಲ್" ಎಂದು ಉಚ್ಛಾರಿಸುವವು) ಬಳಸಿಕೊಂಡು ಸಂಬಂಧಿತ ದತ್ತಾಂಶವನ್ನು ಅನ್ವೇಷಿಸುವ ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವ ಪ್ರಾಥಮಿಕಗಳು. | [ಪಾಠ](2-Working-With-Data/05-relational-databases/README.md) | [ಕ್ರಿಸ್ಟೋಫರ್](https://www.twitter.com/geektrainer) | | |
| 06 | ನೋಎಸ್ಕ್ಯೂಎಲ್ ದತ್ತಾಂಶದೊಂದಿಗೆ ಕೆಲಸ | [ದತ್ತಾಂಶದೊಂದಿಗೆ ಕೆಲಸ](2-Working-With-Data/README.md) | ಅನ್ವಯಾತ್ಮಕ ಡೇಟಾ ಮತ್ತು ವಿವಿಧ ಪ್ರಕಾರಗಳು ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್ ಡೇಟಾಬೇಸ್ ಅನ್ವೇಷಣೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ ಮೂಲಭೂತಗಳು. | [ಪಾಠ](2-Working-With-Data/06-non-relational/README.md) | [ಜ್ಯಾಸ್ಮಿನ್](https://twitter.com/paladique)|
| 07 | ಪೈಥನ್ನೊಂದಿಗೆ ಕೆಲಸ | [ದತ್ತಾಂಶದೊಂದಿಗೆ ಕೆಲಸ](2-Working-With-Data/README.md) | ಪಾಂಡಾಸ್ ಹೋಲಿದ ಪುಸ್ತಕಗಳುಳ್ಳ ಪೈಥನ್ ಬಳಸಿ ದತ್ತಾಂಶ ಅನ್ವೇಷಣೆ ಬಗೆಗಿನ ಮೂಲಭೂತಗಳು. ಪೈಥನ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ನಲ್ಲಿ ಮೂಲಭೂತ ಅರಿವು ಸಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. | [ಪಾಠ](2-Working-With-Data/07-python/README.md) [ವೀಡಿಯೋ](https://youtu.be/dZjWOGbsN4Y) | [ಡಿಮಿಟ್ರಿ](http://soshnikov.com) |
| 08 | ದತ್ತಾಂಶ ತಯಾರಿ | [ದತ್ತಾಂಶದೊಂದಿಗೆ ಕೆಲಸ](2-Working-With-Data/README.md) | ತಪ್ಪು, ಕೊರತೆಯ ದತ್ತಾಂಶವನ್ನು ನಿಭಾಯಿಸಲು ಕೈಗಾರಿಕೆಗಳು ಅಂದರೆ ದತ್ತಾಂಶ ಶುದ್ಧೀಕರಣ ಮತ್ತು ಪರಿವರ್ತನೆ ತಂತ್ರಗಳು. | [ಪಾಠ](2-Working-With-Data/08-data-preparation/README.md) | [ಜ್ಯಾಸ್ಮಿನ್](https://www.twitter.com/paladique) |
| 09 | ಪ್ರಮಾಣಗಳ ದೃಶ್ಯೀಕರಣ | [ದತ್ತಾಂಶ ದೃಶ್ಯೀಕರಣ](3-Data-Visualization/README.md) | ಮ್ಯಾಟ್ಪ್ಲಾಟ್ಲಿಬ್ ಬಳಸಿದ ಹಕ್ಕಿಗಳ ದತ್ತಾಂಶವನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು 🦆 | [ಪಾಠ](3-Data-Visualization/09-visualization-quantities/README.md) | [ಜೆನ್](https://twitter.com/jenlooper) |
| 10 | ದತ್ತಾಂಶದ ವಿತರಣೆಯ ದೃಶ್ಯೀಕರಣ | [ದತ್ತಾಂಶ ದೃಶ್ಯೀಕರಣ](3-Data-Visualization/README.md) | ಪರಿಮಿತಿಯಲ್ಲಿ ವೀಕ್ಷಣೆಗಳು ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು. | [ಪಾಠ](3-Data-Visualization/10-visualization-distributions/README.md) | [ಜೆನ್](https://twitter.com/jenlooper) |
| 11 | ಪ್ರಮಾಣಗಳಿಗೆ ದೃಶ್ಯೀಕರಣ | [ದತ್ತಾಂಶ ದೃಶ್ಯೀಕರಣ](3-Data-Visualization/README.md) | ಡಿಸ್ಕ್ರೀಟ್ ಮತ್ತು ಗುಂಪು ಪ್ರತಿಶತಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು. | [ಪಾಠ](3-Data-Visualization/11-visualization-proportions/README.md) | [ಜೆನ್](https://twitter.com/jenlooper) |
| 12 | ಸಂಬಂಧಗಳ ದೃಶ್ಯೀಕರಣ | [ದತ್ತಾಂಶ ದೃಶ್ಯೀಕರಣ](3-Data-Visualization/README.md) | ದತ್ತಾಂಶ ಗುಂಪುಗಳ ಮತ್ತು ಅವುಗಳ ವ್ಯತ್ಯಾಸಗಳ ಸಂಯೋಜನೆ ಮತ್ತು ಸಂಬಂಧಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು. | [ಪಾಠ](3-Data-Visualization/12-visualization-relationships/README.md) | [ಜೆನ್](https://twitter.com/jenlooper) |
| 13 | ಅರ್ಥಪೂರ್ಣ ದೃಶ್ಯೀಕರಣಗಳು | [ದತ್ತಾಂಶ ದೃಶ್ಯೀಕರಣ](3-Data-Visualization/README.md) | ಪರಿಣಾಮಕಾರಿ ಸಮಸ್ಯೆ ಪರಿಹಾರ ಮತ್ತು ಒಳನೋಟಗಳಿಗೆ ನಿಮ್ಮ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ಮೌಲ್ಯಯುತವಾಗಿಸುವ ತಂತ್ರಗಳು ಹಾಗೂ ಮಾರ್ಗದರ್ಶನ. | [ಪಾಠ](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ಜೆನ್](https://twitter.com/jenlooper) |
| 14 | ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಜೀವನಚಕ್ರ ಪರಿಚಯ | [ಜೀವನಚಕ್ರ](4-Data-Science-Lifecycle/README.md) | ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಜೀವನಚಕ್ರ ಮತ್ತು ಅದರ ಮೊದಲ ಹಂತವಾದ ದತ್ತಾಂಶವನ್ನು ಸಿಕ್ಕಿಸಲಾಗಿದೆ ಮತ್ತು ಮೂಡಿದ ಹಂತದ ಪರಿಚಯ. | [ಪಾಠ](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ಜ್ಯಾಸ್ಮಿನ್](https://twitter.com/paladique) |
| 15 | ವಿಶ್ಲೇಷಣೆ | [ಜೀವನಚಕ್ರ](4-Data-Science-Lifecycle/README.md) | ಈ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಜೀವನಚಕ್ರದ ಹಂತವು ದತ್ತಾಂಶವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ತಂತ್ರಗಳನ್ನು ಕೇಂದ್ರವಾಗಿರುತ್ತದೆ. | [ಪಾಠ](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ಜ್ಯಾಸ್ಮಿನ್](https://twitter.com/paladique) | | |
| 16 | ಸಂವಹನ | [ಜೀವನಚಕ್ರ](4-Data-Science-Lifecycle/README.md) | ಈ ಹಂತದಲ್ಲಿ ದತ್ತಾಂಶದಿಂದ ಜನನವಾದ ಒಳನೋಟಗಳನ್ನು ನಿರ್ಧಾರಕಾರರಿಗೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸುಲಭಗೊಳಿಸುವ ರೀತಿಯಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದಕ್ಕೆ ಒತ್ತು ಸಿಗುತ್ತದೆ. | [ಪಾಠ](4-Data-Science-Lifecycle/16-communication/README.md) | [ಜೇಲೆನ್](https://twitter.com/JalenMcG) | | |
| 17 | ಕ್ಲೌಡ್ ನಲ್ಲಿ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ | [ಕ್ಲೌಡ್ ದತ್ತಾಂಶ](5-Data-Science-In-Cloud/README.md) | ಈ ಪಾಠ ಸರಣಿಯಲ್ಲಿ ಕ್ಲೌಡ್ನಲ್ಲಿ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಮತ್ತು ಅದರ ಲಾಭಗಳನ್ನು ಪರಿಚಯಿಸಲಾಗುತ್ತದೆ. | [ಪಾಠ](5-Data-Science-In-Cloud/17-Introduction/README.md) | [ಟಿಫನಿ](https://twitter.com/TiffanySouterre) ಮತ್ತು [ಮೌಡ್](https://twitter.com/maudstweets) |
| 18 | ಕ್ಲೌಡ್ ನಲ್ಲಿ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ | [ಕ್ಲೌಡ್ ದತ್ತಾಂಶ](5-Data-Science-In-Cloud/README.md) | ಕಡಿಮೆ ಕೋಡ್ ಉಪಕರಣಗಳನ್ನು ಬಳಸಿ ನಿಯೋಜನೆ ಮಾದರಿಗಳು. |[ಪಾಠ](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [ಟಿಫನಿ](https://twitter.com/TiffanySouterre) ಮತ್ತು [ಮೌಡ್](https://twitter.com/maudstweets) |
| 19 | ಕ್ಲೌಡ್ ನಲ್ಲಿ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ | [ಕ್ಲೌಡ್ ದತ್ತಾಂಶ](5-Data-Science-In-Cloud/README.md) | ಅಜುರ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಸ್ಟುಡಿಯೊ ಮೂಲಕ ಮಾದರಿಗಳನ್ನು ನಿಯೋಜಿಸುವುದು. | [ಪಾಠ](5-Data-Science-In-Cloud/19-Azure/README.md)| [ಟಿಫನಿ](https://twitter.com/TiffanySouterre) ಮತ್ತು [ಮೌಡ್](https://twitter.com/maudstweets) |
| 20 | ಕಾಡಿನಲ್ಲಿ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ | [ಅರಣ್ಯದಲ್ಲ](6-Data-Science-In-Wild/README.md) | ನಿಜಜೀವನದ ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಚಲಿತ ಯೋಜನೆಗಳು. | [ಪಾಠ](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [ನಿತ್ಯ](https://twitter.com/nitya) |
## GitHub ಕೋಡ್ಸ್ಪೇಸ್ಸ್
ಈ ಮಾದರಿಯನ್ನು ಕೋಡ್ಸ್ಪೇಸ್ನಲ್ಲಿ ತೆರೆಯಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
1. ಕೋಡ್ ಡ್ರಾಪ್-ಡೌನ್ ಮೆನು ಕ್ಲಿಕ್ ಮಾಡಿ ಮತ್ತು ಓಪನ್ ವಿತ್ ಕೋಡ್ಸ್ಪೇಸಸ್ ಆಯ್ಕೆಯನ್ನು ಆರಿಸಿ.
2. ಪ್ಯಾನೆಲಿನ ಕೆಳಭಾಗದಲ್ಲಿ + ನ್ಯೂ ಕೋಡ್ಸ್ಪೇಸ್ ಆರಿಸಿ.
ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗೆ, [GitHub ಡಾಕ್ಯುಮೆಂಟೇಶನ್](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) ಅನ್ನು ಪರಿಶೀಲಿಸಿ.
## VSCode ರಿಮೋಟ್ - ಕಂಟೇನರ್ಸ್
ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರ ಮತ್ತು VSCode ನಲ್ಲಿ VS Code Remote - Containers ವಿಸ್ತರಣೆ ಬಳಸಿ ಈ ರೆಪೋವನ್ನು ಕಂಟೇನರ್ನಲ್ಲಿ ತೆರೆದುಕೊಳ್ಳಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
1. ಇದು ನಿಮ್ಮ ಮೊದಲ ಡೆವಲೆಪ್ಮೆಂಟ್ ಕಂಟೇನರ್ ಬಳಕೆ ಆಗಿದ್ದರೆ, ದಯವಿಟ್ಟು ನಿಮ್ಮ ವ್ಯವಸ್ಥೆ ಪೂರ್ವಶರತ್ತಾಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ (ಅಂದರೆ ಡಾಕರ್ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿರುವುದು) [ಆರंभಿಸುವ ಡಾಕ್ಯುಮೆಂಟೇಶನ್](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) ನಲ್ಲಿ.
ಈ ರೆಪೋವನ್ನು ಬಳಸಲು, ನೀವು ರೆಪೋವನ್ನು ಪ್ರತ್ಯೇಕ ಡಾಕರ್ ವಾಲ್ಯೂಮ್ನಲ್ಲಿ ತೆರೆಯಬಹುದು:
**ಗಮನಿಸಿ**: ಹೀಗೆಯೇ, ಇದು Remote-Containers: **Clone Repository in Container Volume...** ಕಮಾಂಡ್ ಅನ್ನು ಬಳಸಿ ಮೂಲ ಕೋಡ್ ಡಾಕರ್ ವಾಲ್ಯೂಮ್ನಲ್ಲಿ ಕ್ಲೋನ್ ಮಾಡುತ್ತದೆ, ಸ್ಥಳೀಯ ಫೈಲ್ ಸಿಸ್ಟಮ್ ಬದಲಾಗಿ. [ವಾಲ್ಯೂಮ್ಗಳು](https://docs.docker.com/storage/volumes/) ಡೇಟಾ ಉಳಿಸಲು ಹೆಚ್ಚಾಗಿ ಬಳಸುವ ವಿಧಾನವಾಗಿದೆ.
ಅಥವಾ ಈ ರೆಪೋವನ್ನು ನಿಮ್ಮ ಲೊಕಲ್ ಫೈಲ್ ಸಿಸ್ಟಮ್ಗೆ ಕ್ಲೋನ್ ಮಾಡಿ ಅಥವಾ ಡೌನ್ಲೋಡ್ ಮಾಡಿ ತೆರೆಯಿರಿ:
- ಈ ರೆಪೋವನ್ನು ನಿಮ್ಮ ಲೊಕಲ್ ಫೈಲ್ ಸಿಸ್ಟಮ್ಗೆ ಕ್ಲೋನ್ ಮಾಡಿ.
- F1 ಒತ್ತಿ ಮತ್ತು **Remote-Containers: Open Folder in Container...**ಕಮಾಂಡ್ ಆರಿಸಿ.
- ಈ ಫೋಲ್ಡರಿನ ಕ್ಲೋನ್ ಮಾಡಿದ ನಕಲನ್ನು ಆರಿಸಿ, ಕಂಟೇನರ್ ಆರಂಭವಾಗಲು ಕಾಯಿರಿ ಮತ್ತು ಪ್ರಯೋಗಿಸಿ.
## ಆಫ್ಲೈನ್ ಪ್ರವೇಶ
ನೀವು ಈ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಆಫ್ಲೈನ್ ಓದಲು [Docsify](https://docsify.js.org/#/) ಬಳಸಿ ನಡೆಸಬಹುದು. ಈ ರೆಪೋವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ, [Docsify ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿ](https://docsify.js.org/#/quickstart) ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ, ನಂತರ ಈ ರೆಪೋ ಮೂಲ ಫೋಲ್ಡರ್ನಲ್ಲಿ `docsify serve`(TYPE) ಮಾಡಿ. ವೆಬ್ಸೈಟ್ ನಿಮ್ಮ ಸ್ಥಳೀಯ ಹೇಂದಿಗಾವಾಗ 3000 ಪೋರ್ಟ್ನಲ್ಲಿ ಲಭ್ಯವಾಗುತ್ತದೆ: `localhost:3000`.
ನೀವು [Docsify](https://docsify.js.org/#/) ಬಳಸಿ ಈ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಆಫ್ಲೈನ್ ಚಾಲನೆ ಮಾಡಬಹುದು. ಈ ರೆಪೋ ಅನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ, [Docsify ಅನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿ](https://docsify.js.org/#/quickstart) ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ, ನಂತರ ಈ ರೆಪೋ ಮೂಲ ಫೋಲ್ಡರ್ನಲ್ಲಿ `docsify serve` ಟೈಪ್ ಮಾಡಿ. ವೆಬ್ಸೈಟ್ ನಿಮ್ಮ ಲೋಕಲ್ಹೋಸ್ಟ್ 3000 ಪೋರ್ಟ್ನಲ್ಲಿ ನಿಮ್ಮನ್ನು ಸೇವ್ ಮಾಡುತ್ತದೆ: `localhost:3000`.
> ಗಮನಿಸಿ, ನೋಟ್ಬುಕ್ಗಳು Docsify ಮೂಲಕ ರೆಂಡರ್ ಆಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ನೀವು ನೋಟ್ಬುಕ್ ಅನ್ನು ನಡೆಸಬೇಕಾದರೆ, ಅದನ್ನು VS Code ಪೈಥಾನ್ ಕರ್ಣಲ್ ಮೂಲಕ ಪ್ರತ್ಯೇಕವಾಗಿ ನಡೆಸಿ.
> ಗಮನಿಸಿ, ನೋಟ್ಬುಕ್ಗಳು Docsify ಮೂಲಕ ರೆಂಡರ್ ಆಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ನೀವು ನೋಟ್ಬುಕ್ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವಾಗ, ಅದನ್ನು VS Code ನಲ್ಲಿ Python ಕರ್ಣಲ್ ಚಾಲನೆ ಮಾಡಬೇಕು.
## ಇತರೆ ಪಾಠಕ್ರಮಗಳು
## ಇತರೆ ಪಠ್ಯಕ್ರಮಗಳು
ನಮ್ಮ ತಂಡ ಇತರೆ ಪಾಠಕ್ರಮಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ! ಅವುಗಳನ್ನು ನೋಡಿ:
ನಮ್ಮ ತಂಡ ಇತರ ಪಠ್ಯಕ್ರಮಗಳನ್ನು ರಚಿಸುತ್ತದೆ! ನೋಡಿ:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### ಲಾಂಗ್ಚೈನ್
[](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)
[](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)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### ಜನರೇಟಿವ್ AI ಸರಣಿಗಳು
[](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)
[-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)
---
### ಮೂಲ ಅಧ್ಯಯನ
[](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)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](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)
**ಸಮಸ್ಯೆಗಳ ಸಂಕಟದಲ್ಲಿ ಇದ್ದೀರಾ?** ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳಿಗಾಗಿ ನಮ್ಮ [Troubleshooting Guide](TROUBLESHOOTING.md) ಅನ್ನು ಪರಿಶೀಲಿಸಿ.
**ಸಮಸ್ಯೆಗಳು ಎದುರಾಗುತ್ತಿದೆಯೆ?** ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳಿಗೆ ನಮ್ಮ [ತೊಂದರೆ ಪರಿಹಾರ ಮಾರ್ಗದರ್ಶಿ](TROUBLESHOOTING.md) ನೋಡಿರಿ.
ನೀವು ಅಡಚಣೆಯಲ್ಲಿದ್ದೀರಾ ಅಥವಾ AI ಅಪ್ಲಿಕೇಶನ್ಗಳ ನಿರ್ಮಾಣ ಬಗ್ಗೆ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ. MCP ಕುರಿತು fellow ಕಲಿಯುವವರ ಮತ್ತು ಅನುಭವಿತ ಡೆವೆಲಪರ್ಗಳ ಚರ್ಚೆಗಳಲ್ಲಿ ಭಾಗವಹಿಸಿ. ಇದು ಪ್ರಶ್ನೆಗಳನ್ನು ಸ್ವಾಗತಿಸುವ ಮತ್ತು ಜ್ಞಾನವನ್ನು ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳುವ ಒತ್ತಾಯಪೂರ್ಣ ಸಮುದಾಯವಾಗಿದೆ.
ನೀವು ಅಡಗಿಸಿಕೊಂಡಿದ್ದರೆ ಅಥವಾ ಎಐ ಆಪ್ ಸೃಷ್ಟಿಸುವ ಬಗ್ಗೆ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ, MCP ಬಗ್ಗೆ ಚರ್ಚೆಗಳಲ್ಲಿ ಸಹ ಪಾಠಿಧರಾದವರು ಮತ್ತು ಅನುಭವಜ್ಞರಾದ ಡೆವಲಪರ್ಗಳ ಜತೆ ಸೇರಿ ಚರ್ಚೆ ಮಾಡಿ. ಇದು ಬೆಂಬಲಕಾರಿ ಸಮುದಾಯವಾಗಿದ್ದು, ಪ್ರಶ್ನೆಗಳು ಸ್ವಾಗತಾರ್ಹವಾಗಿವೆ ಮತ್ತು ಜ್ಞಾನ ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ.
ಈ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು AI ಭಾಷಾಂತರ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಭಾಷಾಂತರಿಸಲಾಗಿದೆ. ನಮಗೆ ಶುದ್ಧತೆಗೆ ಪ್ರಯತ್ನವಿದ್ದರೂ, ಸ್ವಯಂಕ್ರಿಯ ಭಾಷಾಂತರಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದೆಂದು ಗಮನಿಸಿ. ಮೂಲದ ಡಾಕ್ಯುಮೆಂಟ್ ಅದರ ಮಾತೃಭಾಷೆಯಲ್ಲಿ ಪ್ರಾಮಾಣಿಕ ಮೂಲವಾಗಿವೆ ಎಂದು ಪರಿಗಣಿಸಬೇಕು. ಮುಖ್ಯ ಮಾಹಿತಿಗೆ ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಭಾಷಾಂತರವನ್ನು ಬಳಸುವುದರಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಗ್ರಹಿಕೆಗಳು ಅಥವಾ ತಪ್ಪು ಅರ್ಥೈಸಿಕೆಗಳಿಗಾಗಿ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.
**ಅस्वೀಕರಣೆ**:
ಈ ದಾಖಲೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಎಂಬ AI ಅನುವಾದ ಸೇವೆಯನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಕರಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ತಪ್ಪುಗಳು ಇರಬಲ್ಲವು. ಮೂಲ ಭಾಷೆಯ ದಾಖಲೆವನ್ನು ಅಧಿಕೃತ ಮತ್ತು ಅವಲಂಬನೀಯ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಹಿಡಿತ ಅಥವಾ ತಪ್ಪುಾರ್ಥಕ್ಕೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.
Microsoft-യിലെ Azure Cloud Advocates-മെമ്പറെന്ന് ഈ 10 വാരവും 20 പാഠങ്ങളും ഉൾക്കുന്ന ഡാറ്റാ സയൻസ് കോഴ്സ് നിങ്ങളെ പരിചയപ്പെടുത്താൻ സന്തോഷമുണ്ടാക്കുന്നു. ഓരോ പാഠത്തിലും പാഠം തുടങ്ങുന്നതിനും അവസാനം നല്കുന്ന ക്വിസുകളുണ്ട്, പാഠം നിർവ്വഹിക്കാൻ എഴുതിയുന്ന നിർദ്ദേശങ്ങൾ, പരിഹാരം, ഹോംവർക്ക് എന്നിവ ഉൾപ്പെടുന്നു. പ്രോജക്ട് അടിസ്ഥാനത്തിലുള്ള വിദ്യാസമ്പ്രദായം നിങ്ങളുടെ പുതിയ കഴിവുകൾ തുടർച്ചയായി നിലനിൽക്കാൻ സഹായിക്കുന്ന നല്ല മാർഗമാണ്, നിങ്ങൾ നിർമ്മിക്കുന്നതിനിടയിൽ പഠിക്കാനും കഴിയും.
Microsoft-ലുള്ള Azure ക്ലൗഡ് ആഡ്വോക്കറ്റുകൾ ഡേറ്റാ സയൻസ് സംബന്ധിച്ചുള്ള 10 ആഴ്ചകളും 20 ലെഷൻസും ഉൾപ്പെടുന്ന ഒരു പഠനപദ്ധതി നിങ്ങൾക്കായി ഒരുക്കിയിരിക്കുന്നതിൽ സന്തോഷവാന്മാരായിരിക്കുന്നു. ഓരോ ലെഷനിലും പ്രീ-ലെഷൻ, പോസ്റ്റ്-ലെഷൻ ക്വിസുകളും, ലെഷൻ പൂർത്തിയാക്കാനുള്ള എഴുത്ത് നിർദ്ദേശങ്ങളും, ഒരു പരിഹാരവും, ഒരു അസൈൻമെന്റും ഉൾക്കുന്നുണ്ട്. നമ്മുടെ പ്രൊജക്റ്റ് അടിസ്ഥാനമാക്കിയ പഠനരീതി നിങ്ങൾക്ക് പഠിച്ചു ആഹ്ലാദകരമായി നിർമ്മിക്കുന്നതിനും സഹായിക്കുന്നു, ഇതൊരു പുതിയ കഴിവുകൾ ‘പിടിപ്പിക്കാൻ’ പ്രമാണമായ രീതിയാണ്.
> ഈ സംഭരണം 50+ ഭാഷാ വിവർത്തനങ്ങൾ ഉൾക്കൊള്ളുന്നു, ഇത് ഡൗൺലോഡ് വലിപ്പം വളരെ വർധിപ്പിക്കുന്നു. വിവർത്തനങ്ങൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:
> ഈ റിപ്പോസിറ്ററിയിൽ 50ലധികം ഭാഷാ പരിഭാഷകൾ ഉൾപ്പടുന്നുണ്ട്, അതിനാൽ ഡൗൺലോഡ് വലുതാണ്. പരിഭാഷകൾ ഒഴിച്ച് ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> ഇതിലൂടെ കോഴ്സ് പൂർത്തിയാക്കാൻ ആവശ്യമുള്ള എല്ലാ കാര്യങ്ങളും വളരെ വേഗത്തിലുള്ള ഡൗൺലോഡോടെ ലഭിക്കും.
> ഇത് വളരെ വേഗം ഡൗൺലോഡ് ചെയ്ത് കോഴ്സ് പൂർത്തിയാക്കാൻ നിങ്ങൾക്ക് ആവശ്യമായ എല്ലാ ഉള്ളടക്കവും നൽകും.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**കൂടുതൽ വിവർത്തനഭാഷകൾ ആവശ്യമാണ് എങ്കിൽ അവ [ഇവിടെ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) നൽക്കിയിരിക്കുന്നു**
**ഞാൻ ആഗ്രഹിക്കുന്നെങ്കിൽ കൂടുതൽ ഭാഷാ പരിഭാഷകൾക്ക് പിന്തുണ ലഭ്യമാക്കുന്നതിന്റെ പട്ടിക [ഇവിടെ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) കാണുക**
നാം ഒരു Discord ലേണുമായ AI സീരീസ് നടത്തുന്നു, കൂടുതൽ അറിയാനും ഞങ്ങളോടൊപ്പം ചേരാനും [Learn with AI Series](https://aka.ms/learnwithai/discord) സന്ദർശിക്കുക, സെപ്റ്റംബർ 18 - 30, 2025 നടന്നു പോകുന്നു. GitHub Copilot ഉപയോഗിച്ച് ഡാറ്റാ സയൻസിന് ടിപ്പുകളും ട്രിക്കുകളും ഈ സീരീസിൽ നൽകും.
നമുക്ക് Discord-യിൽ കൃത്രിമബുദ്ധിയുമായുള്ള പഠന പരമ്പര തുടരുകയാണ്, കൂടുതൽ അറിയാനാകും, കൂടെ ചേരാനും [Learn with AI Series](https://aka.ms/learnwithai/discord) 2025 സെപ്റ്റംബർ 18 മുതൽ 30 വരെ. GitHub Copilot ഡേറ്റാ സയൻസിനായി ഉപയോഗിക്കുന്നതിനുള്ള ടിപ്പ്സും താരതമ്യങ്ങളും നിങ്ങൾക്ക് ലഭിക്കും.
# നിങ്ങൾ ഒരു വിദ്യാർത്ഥിയാണോ?
ഇനിപ്പറയുന്ന സ്രോതസുകൾ ഉപയോഗിച്ച് തുടങ്ങുക:
അടുത്തുള്ള വనരൂപങ്ങളിലൂടെ തുടങ്ങുക:
- [സ്റ്റുഡന്റ് ഹബ് പേജ്](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ഇവിടെ തുടക്കംവരെയുള്ള വൃക്ഷങ്ങൾ, വിദ്യാർത്ഥി പാക്കുകൾ, സൗജന്യ സർട്ടിഫിക്കറ്റ് വൗച്ചർ ലഭിക്കുന്ന മാർഗങ്ങൾ എന്നിവ കാണാം. ഈ പേജ് മാർക്ക് ചെയ്യാനും ഗതി മാറ്റങ്ങൾ ഈ പേജ് മാസത്തിൽ താഴെ അറിയാനും ഉത്സാഹദായകമാണ്.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ഒരു ആഗോള വിദ്യാർത്ഥി എംബസഡർ സമൂഹത്തിൽ ചേരുക, ഇത് Microsoftൽ പ്രവേശിക്കാൻ ഒരു വഴിയാകും.
- [Student Hub പേജ്](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ഈ പേജിൽ നിങ്ങൾക്ക് തുടക്കക്കാരെ സഹായിക്കുന്ന വനങ്ങൾ, വിദ്യാർത്ഥി പാക്കുകൾ, ഫ്രീ സർട്ട് വൗച്ചർ ലഭിക്കുന്ന മാർഗ്ഗങ്ങൾ എന്നിവ കാണാം. ഈ പേജ് നിങ്ങൾക്ക് സമയം സമയം സന്ദർശിക്കുക, കാരണം ഓരോ മാസവും ഉള്ളടക്കം പുതുക്കുന്നു.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ഒരു ആഗോള വിദ്യാർത്ഥി അംബാസഡർ സമൂഹത്തിലേക്ക് ചേർന്നേക്കാം, ഇത് Microsoft-ലേക്ക് നിങ്ങളുടെ വഴി ആകാം.
# ആരംഭിക്കൽ
# ആരംഭിക്കുന്നത്
## 📚 ഡോക്യുമെന്റേഷൻ
- **[ഇൻസ്റ്റലേഷൻ ഗൈഡ്](INSTALLATION.md)** - തുടക്കംവരെയുള്ളവർക്കുള്ള ഘട്ടങ്ങളായി ക്രമീകരിക്കൽ നിർദ്ദേശങ്ങൾ
- **[ഉപയോഗം ഗൈഡ്](USAGE.md)** - ഉദാഹരണങ്ങൾ കൂടിയ പൊതുവായ പ്രവൃത്തി രീതികൾ
- **[പ്രശ്നപരിഹാരം](TROUBLESHOOTING.md)** - സാധാരണ പ്രശ്നങ്ങൾക്കുള്ള പരിഹാരങ്ങൾ
- **[സംഭാവനം ഗൈഡ്](CONTRIBUTING.md)** - ഈ പദ്ധതി ക്ക് സംഭാവനം ചെയ്യാനുള്ള മാർഗങ്ങൾ
- **[അധ്യാപകർക്ക്](for-teachers.md)** - പാഠം നിർവഹണത്തിനും ക്ലാസ് റിസോഴ്സുകൾക്കുമായി മാർഗനിർദ്ദേശങ്ങൾ
- **[ഉപയോഗം ഗൈഡ്](USAGE.md)** - ഉദാഹരണങ്ങളും സാധാരണ പ്രവൃത്തികളുമാണ്
- **[പ്രശ്നപരിഹാരം](TROUBLESHOOTING.md)** - സാധാരണ പ്രശ്നങ്ങൾക്കുള്ള പരിഹാരങ്ങൾ
- **[സംഭാവന ഗൈഡ്](CONTRIBUTING.md)** - ഈ പ്രൊജക്ടിൽ സംഭാവന ചെയ്യുന്നത് എങ്ങനെ
- **[അധ്യാപകർക്ക്](for-teachers.md)** - പഠിപ്പിക്കുന്ന മാർഗ്ഗദർശനവും ക്ലാസ് റിസോഴ്സുകളും
## 👨🎓 വിദ്യാർത്ഥികൾക്ക്
> **പൂർണ തുടക്കക്കാർ**: ഡാറ്റാ സയൻസിലേക്ക് പുതുവനോ? ഞങ്ങളുടെ [തുടക്കം സുഹൃത്തായ ഉദാഹരണങ്ങൾ](examples/README.md) കണ്ടെത്തുക! ഈ ലളിതമാരിയ, അധിക കൂട്ടമായ ഉദാഹരണങ്ങൾ അടിസ്ഥാനങ്ങൾ മനസ്സിലാക്കാൻ സഹായിക്കും, മുഴുവൻ കോഴ്സിൽ നീങ്ങുന്നതിന് മുമ്പ്.
> **[വിദ്യാർത്ഥികൾ](https://aka.ms/student-page)**: ഈ കോഴ്സ് സ്വയം പഠിക്കാൻ, മുഴുവനായ റീപ്പോ ഫോর্ক് ചെയ്ത് മുൻപുള്ള ക്വിസ് ചെയ്ത് ശേഷം പ്രഭാഷണം വായിച്ച് മറ്റുള്ള പ്രവർത്തികൾ നിർവഹിക്കുക. പരിഹാര കോഡ് പകർത്തുന്നതുപകരം പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്ടുകൾ സൃഷ്ടിക്കുക; പക്ഷേ, പരിഹാര കോഡ് /solutions ഫോൾഡറുകളിൽ ലഭ്യമാണ്. കൂട്ടുകാരുമായുള്ള പഠന ഗ്രൂപ്പ് രൂപീകരിച്ച് ഒന്നിച്ച് പാഠങ്ങൾ പഠിച്ചുകൊണ്ടിരിക്കുക. കൂടുതൽ പഠനത്തിനായി [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ഉപയോഗിക്കുക.
## 👨🎓 വിദ്യാർത്ഥികൾക്കായി
> **പൂർത്തിയായ തുടക്കക്കാർ**: ഡേറ്റാ സയൻസ് പുതിയതായി പഠിക്കണോ? ഞങ്ങളുടെ [തുടക്കക്കാരെ സഹായിക്കുന്ന ഉദാഹരണങ്ങൾ](examples/README.md) കൊണ്ട് ആരംഭിക്കുക! ഈ ലളിതവും വിശദീകരിക്കപ്പെട്ട ഉദ്ധരണികൾ ബോധ്യപ്പെടാൻ സഹായിക്കും, പൂർണ്ണ പഠനപദ്ധതിയുടെ മുമ്പ് അടിസ്ഥാനങ്ങൾ മനസ്സിലാക്കാൻ.
> **[വിദ്യാർത്ഥികൾ](https://aka.ms/student-page)**: ഈ പഠനപദ്ധതി സ്വയം ഉപയോഗിക്കാൻ, മുഴുവൻ റിപ്പോ ഫോർക്കുചെയ്ത് സ്വതന്ത്രമായി അഭ്യാസങ്ങൾ പൂർത്തിയാക്കുക, പ്രീ-ലെക്ഷർ ക്വിസ് പ്രാഥമികമായി ചെയ്യുക. പിന്നീട് ലെക്ഷർ വായിച്ച് ബാക്കി പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുക. പരിഹാര കോഡ് പകർന്നു നൽകുന്നത് ഒഴിവാക്കി ലെക്ഷനിലെ അർത്ഥം മനസ്സിലാക്കുകയാണെങ്കിൽ പ്രൊജക്റ്റുകൾ സൃഷ്ടിക്കാൻ ശ്രമിക്കുക; എങ്കിലും, പരിഹാര കോഡ് ഓരോ പ്രൊജക്റ്റ്-അഭിമുഖമായ ലെഷനിലെ /solutions ഫോളഡറുകളിലുണ്ട്. മറ്റൊരു മാർഗ്ഗം കൂട്ടുകാർക്കൊപ്പം പഠന സംഘം രൂപീകരിച്ച് ഉള്ളടക്കം ഒരുമിച്ച് മനസ്സിലാക്കുക എന്നതാണ്. കൂടുതൽ പഠനത്തിന് [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ശുപാർശ ചെയ്യുന്നു.
**വേഗത്തോടെയുള്ള തുടക്കം:**
1. പരിസ്ഥിതി ക്രമീകരണത്തിനു [ഇൻസ്റ്റലേഷൻ ഗൈഡ്](INSTALLATION.md) തിരയുക
2. കോഴ്സിനെ എങ്ങനെ പ്രവർത്തിക്കാമെന്ന് [ഉപയോഗം ഗൈഡ്](USAGE.md) വായിക്കുക
3. പാഠം 1-നു തുടങ്ങി തുടർക്രമത്തിൽ പഠിക്കൂ
4. സഹായത്തിനായി ഞങ്ങളുടെ [ഡിസ്കോർഡ് കമ്മ്യൂണിറ്റി](https://aka.ms/ds4beginners/discord) ഞങ്ങളോടൊപ്പം ചേർന്ന് സഹായം നേടുക
**ശീഘ്രാരംഭം:**
1. നിങ്ങളുടെ പരിസ്ഥിതി ക്രമീകരിക്കാനായി [ഇൻസ്റ്റലേഷൻ ഗൈഡ്](INSTALLATION.md) പരിശോധിക്കുക
2. ഈ പഠനപദ്ധതിയിൽ പ്രവർത്തിക്കുവാനുള്ള മാർഗ്ഗങ്ങൾ മനസ്സിലാക്കുവാൻ [ഉപയോഗം ഗൈഡ്](USAGE.md) അവലോകനം ചെയ്യുക
3. ലെഷൻ 1നു തുടക്കം കുറിച്ച് തുടർച്ചയായി ജോലിചെയ്യുക
4. പിന്തുണയ്ക്ക് ഞങ്ങളുടെ [Discord സമൂഹത്തിൽ](https://aka.ms/ds4beginners/discord) ചേരുക
## 👩🏫 അധ്യാപകർക്ക്
> **അധ്യാപകർ**: ഈ പാഠ്യപദ്ധതിയെ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് പറ്റിയ [ചില നിർദ്ദേശങ്ങൾ ഞങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്](for-teachers.md). നിങ്ങളുടെ അഭിപ്രായങ്ങൾ ഞങ്ങളുടെ ചർച്ചാ ഫോറത്തിൽ [വാങ്ങാമെന്നു ആസ്വദിക്കും](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **അധ്യാപകർ**: ഈ പാഠ്യപദ്ധതി എങ്ങിനെ ഉപയോഗിക്കാമെന്നു സംബന്ധിച്ച [ചില നിർദ്ദേശങ്ങൾ ഞങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്](for-teachers.md). നിങ്ങളുടെ അഭിപ്രായങ്ങൾ [ഞങ്ങളുടെ ചർച്ചാ ഫോറത്തിലേക്ക്](https://github.com/microsoft/Data-Science-For-Beginners/discussions) സ്വാഗതം ചെയ്യും!
> 🎥 ഉരച്ചു നിർമ്മിച്ച പ്രോജക്റ്റ് സെറ്റിന്റെ വീഡിയോക്കായി മുകളിൽ കാണുന്ന ചിത്രം ക്ലിക്ക് ചെയ്യുക!
> 🎥 പദ്ധതി സൃഷ്ടിച്ചവരുടെ വീഡിയോക്കായി മുകളിൽ ചിത്രത്തിൽ ക്ലിക്ക് ചെയ്യുക!
## പഠനരീതിയ നിയമങ്ങൾ
## പാഠശാസ്ത്രം
ഈ പാഠ്യപദ്ധതി നിർമ്മിക്കുമ്പോൾ ഞങ്ങൾ തിരഞ്ഞെടുത്ത രണ്ട് പഠനരീതിയ തത്വങ്ങൾ ഉണ്ട്: അത് പ്രോജക്റ്റ് അടിസ്ഥാനമാക്കിയത് എന്നതും, കൂടാതെ പതിവായി ക്വിസുകൾ ഉൾപ്പെടുത്തിയത്. ഈ സീരീസ് അവസാനിക്കുന്നത് വരെ വിദ്യാർഥികൾ പ്രാഥമിക ഡാറ്റാ സയൻസ് തത്വങ്ങൾ പഠിക്കും, ധാർമിക ആശയങ്ങൾ ഉൾപ്പെടെ, ഡാറ്റാ തയ്യാറാക്കൽ, ഡാറ്റാ കൈകാര്യം ചെയ്യാനുള്ള വ്യത്യസ്ത മാർഗങ്ങൾ, ഡാറ്റാ ദൃശ്യവൽക്കരണം, ഡാറ്റാ വിശകലനം, ഡേറ്റാ സയൻസ് യാഥാർത്ഥ്യ ഉപയോഗകേസുകൾ മറ്റും.
ഈ പാഠ്യപദ്ധതി രൂപപ്പെടുത്തുമ്പോൾ ഞങ്ങൾ രണ്ട് അധ്യാപന സിദ്ധാന്തങ്ങൾ തിരഞ്ഞെടുക്കുകയും ചെയ്തു: ഇത് പ്രൊജക്ട് അടിസ്ഥാനമാക്കിയാണെന്ന് ഉറപ്പാക്കുകയും, പതിവായി ക്വിസുകൾ ഉൾപ്പെടുത്തുകയും ചെയ്യുക. ഈ പരമ്പരയുടെ അവസാനം, വിദ്യാർത്ഥികൾക്ക് ഡാറ്റ സയൻസിന്റെ അടിസ്ഥാന തത്ത്വങ്ങൾ, ഇടപാടുകാർക്കുള്ള സദാചാര ആശയങ്ങൾ, ഡാറ്റ ഒരുക്കൽ, ഡാറ്റയിൽ പ്രവർത്തിക്കുന്ന വ്യത്യസ്ത മാർഗങ്ങൾ, ഡാറ്റ ദൃശ്യീകരണം, ഡാറ്റ വിശകലനം, ഡാറ്റ സയൻസിന്റെ യഥാർത്ഥ ലോക പ്രയോഗങ്ങൾ തുടങ്ങി കൂടുതൽ കാര്യങ്ങൾ പഠിക്കാനാകും.
കൂടാതെ, ഒരു ക്ലാസിന് മുൻപ് കൃത്യമായ കലാകൃതി ഇല്ലാത്ത ഒരു ക്വിസ് വിദ്യാർത്ഥിയെ ഒരു വിഷയത്തിൽ പഠനത്തിന്റെ ഉദ്ദേശിക്കുന്നതിൽ സഹായിക്കുന്നു, ക്ലാസിനു ശേഷമുള്ള രണ്ടാമത്തെ ക്വിസ് കൂടുതലായി ഓർമ്മിപ്പിക്കുന്നു. ഈ പാഠ്യപദ്ധതി ലക്ഷ്യമിട്ടിരിക്കുന്നത് സൗകര്യപ്രദവും രസകരവുമാണ്, മുഴുവൻ അല്ലെങ്കിൽ ഭാഗികമായി സ്വീകരിക്കാവുന്നതാണ്. പ്രോജക്റ്റുകൾ ചെറിയതിൽ തുടങ്ങുകയും പത്തു ആഴ്ച കൂടി കഴിഞ്ഞ് സങ്കീർണ്ണമായതായിത്തീരുമെന്ന്.
തുടർന്ന്, ഒരു ക്ലാസിന് മുൻപ് നടത്തപ്പെടുന്ന കുറഞ്ഞമുതൽ ക്വിസ് വിദ്യാർത്ഥിയുടെ വിഷയ പഠനത്തിലേക്കുള്ള ഉദ്ദേശ്യം നിർണ്ണയിക്കുന്നു, കൂടാതെ ക്ലാസിനു ശേഷം രണ്ടാമത്തെ ക്വിസ് കൂടുതൽ നിലനിൽപ്പിനായി ഉപകരിക്കും. ഈ പാഠ്യപദ്ധതി സൗകര്യപ്രദവും രസകരവുമായിട്ട് രൂപകൽപ്പന ചെയ്തിട്ടുണ്ട്, മുഴുവനായി അല്ലെങ്കിൽ ഭാഗികമായി ഇത് സ്വീകരിക്കാവുന്നതാണ്. പ്രോജക്റ്റുകൾ ചെറുതായി ആരംഭിച്ച് 10 ആഴ്ച കാൽവർഷം മുഴുവനോടെ കൂടുതൽ സങ്കീർണ്ണമാകും.
> ഞങ്ങളുടെ [കണ്ടക്ട് കോഡ്](CODE_OF_CONDUCT.md), [സംഭാവന മാർഗ്ഗനിർദ്ദേശങ്ങൾ](CONTRIBUTING.md), [പരിവർത്തനം](TRANSLATIONS.md) മാർഗ്ഗനിർദേശങ്ങളുണ്ട്. നിങ്ങളുടെ സൃഷ്ടിപരമായ അഭിപ്രായങ്ങൾ ഞങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!
> [ഞങ്ങളുടെ പ്രവർത്തനചട്ടം](CODE_OF_CONDUCT.md), [സംവാദം](CONTRIBUTING.md), [ഭാഷാന്തരം](TRANSLATIONS.md) മാർഗ്ഗനിർദ്ദേശങ്ങൾ കാണുക. നിങ്ങളുടെ നന്മയുള്ള അഭിപ്രായങ്ങൾ ഞങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!
## പ്രതേകം പാഠത്തിൽ ഉൾപ്പെടുത്തിയിട്ടുള്ളത്:
## ഓരോ പാഠവും ഉൾക്കൊള്ളുന്നതിൽ:
- ഐച്ഛിക സ്കെച്ച്നോട്ട്
- ഐച്ഛിക പൂരക വീഡിയോ
- പാഠത്തിന് മുൻപുള്ള വാര്മപ്പ് ക്വിസ്
- എഴുതിയ പാഠം
- പ്രോജക്റ്റ് അടിസ്ഥാന പാഠങ്ങൾക്ക്, പ്രോജക്റ്റ് നിർമ്മിക്കുന്നതിനുള്ള ക്രമക്രമ ഗൈഡ്സുകൾ
- വിജ്ഞാന പരിശോധനകൾ
- ഒരു ചലഞ്ച്
- ഇച്ഛാനുസൃത സ്കെച്ച്നോട്ട്
- ഇച്ഛാനുസൃത ഉപരിതല വീഡിയോ
- പാഠം മുന്നറിയിപ്പായി വാര്മപ്പ് ക്വിസ്
- എഴുത്തുപ്രബന്ധം
- പ്രോജക്റ്റ് അടിസ്ഥാന പാഠങ്ങൾക്ക്, പ്രോജക്റ്റ് നിർമ്മിക്കാൻ ഘട്ടംഘട്ട മാർഗ്ഗനിർദ്ദേശങ്ങൾ
> **ക്വിസുകൾക്കുറിച്ചുള്ള കുറിപ്പ്**: എല്ലാ ക്വിസുകളും Quiz-App ഫോൾഡറിലുണ്ട്, മൂന്ന് ചോദ്യങ്ങൾ ഉള്ള 40 മൊത്തം ക്വിസുകൾ. ഇവ പാഠങ്ങളിൽ നിന്നാണ് ലിങ്ക് ചെയ്യപ്പെട്ടിരിക്കുന്നത്, എങ്കിലും ക്വിസ് ആപ്പ് സാമാന്യമായി ലോക്കലിൽ പ്രവർത്തിക്കാവുന്നതുമായ അല്ലെങ്കിൽ Azure-ല് വിന്യാസം ചെയ്യാവുന്നതുമായ ആപ്ലിക്കേഷൻ ആണ്; `quiz-app` ഫോൾഡറിൽ നൽകരുന്ന നിർദ്ദേശങ്ങൾ പിന്തുടരുക. അവ ക്രമാതീതമായി പ്രാദേശികമാകുന്നു.
> **ക്വിസുകൾക്കുറിച്ച് ഒരു കുറിപ്പ്**: മുഴുവൻ ക്വിസുകളും Quiz-App ഫോൾഡറിൽ 40 എണ്ണം, ഓരോതിലും മൂന്ന് ചോദ്യങ്ങളടങ്ങിയവയാണ്. ഇവ പാഠങ്ങളിൽ നിന്നാകും ലിങ്ക് ചെയ്യപ്പെട്ടത്, പക്ഷേ ക്വിസ് ആപ്പ് പ്രാദേശികമായി പ്രവർത്തിപ്പിക്കാനോ ആസ്യൂറിൽ വിനിയോഗിക്കാനോ കഴിയും; `quiz-app` ഫോൾഡറിൽ ഉള്ള നിർദ്ദേശങ്ങൾ പാലിക്കുക. ഇത് ക്രമാതീതമായി ഭാഷാന്തരപ്പെടുത്തിയെടുക്കുന്നു.
## 🎓 തുടങ്ങുന്നവർക്ക് സുഹൃത്ത് ഉദാഹരണങ്ങൾ
## 🎓 തുടക്കക്കാർക്കായി സൗഹൃദമായ ഉദാഹരണങ്ങൾ
**ഡാറ്റാ സയൻസിൽ പുതിയവനോ?** നിങ്ങൾക്ക് തുടങ്ങാൻ സഹായിക്കുന്ന ലളിതവും വിശദമായ കുറിപ്പുകളുള്ള പ്രത്യേക [ഉദാഹരണ ഡയറക്ടറി](examples/README.md) ഞങ്ങൾ സൃഷ്ടിച്ചിരിക്കുന്നു:
**ഡാറ്റ സയൻസ് പുതിയയാളോ?** തുടക്കം കുറിക്കാൻ സഹായവും നന്നായി നിക്ക്ളവിയ എടുത്തുകൊടുത്ത കോഡും ഉൾക്കൊള്ളുന്ന പ്രത്യേക [ഉദാഹരണ ഡയറക്ടറി](examples/README.md) ഞങ്ങൾ സൃഷ്ടിച്ചിട്ടുണ്ട്:
- 🌟 **ഹലോ വേൾഡ്** - നിങ്ങളുടെ ആദ്യ ഡാറ്റാ സയൻസ് പ്രോഗ്രാം
- 📂 **ഡാറ്റ എടുക്കൽ** - ഡാറ്റാസെറ്റുകൾ വായിച്ചു പഠിക്കാൻ പഠിക്കുക
- 📊 **സിമ്പിൾ അനാലിസിസ്** - സ്റ്റാറ്റിസ്റ്റിക്സ് കണക്കാക്കുക, മാതൃകകൾ കണ്ടെത്തുക
- 🔬 **യഥാർത്ഥ പ്രോജക്റ്റ്** - ആരംഭം മുതൽ സമാപന വരെ മുഴുവൻ പ്രവൃത്തി നിർവ്വഹണം
- 🌟 **ഹലോ വേൾഡ്** - നിങ്ങളുടെ ആദ്യ ഡാറ്റ സയൻസ് പ്രോഗ്രാം
- 📂 **ഡാറ്റ ലോഡിംഗ്** - ഡാറ്റാസെറ്റുകൾ വായിക്കുകയും അന്വേഷണവും ചെയ്ത് പഠിക്കുക
- 📊 **സാധാരണ വിശകലനം** - സ്ഥിതിവിവര കണക്ക് കൂട്ടി മാതൃകകൾ കണ്ടെത്തുക
- 📈 ** അടിസ്ഥാന ദൃശ്യീകരണം ** - ചാർട്ടുകളും ഗ്രാഫുകളും സൃഷ്ടിക്കുക
- 🔬 ** യഥാർത്ഥ ലോക പ്രോജക്ട് ** - ആരംഭത്തിൽ നിന്നു സമ്പൂർണ്ണ പ്രവൃത്തി പ്രവാഹം
ഏറ്റവും പഠാരണീയരായവർക്കായി ഓരോ ഘടകവും വിശദമായ കമന്റുകളൊടുകൂടി നൽകപ്പെട്ടിരിക്കുന്നു!
ഓരോ ഉദാഹരണത്തിലും എല്ലാ ഘട്ടവും വിശദമായി വിശദീകരിച്ചിട്ടുള്ള ഉദ്ദേശ്യങ്ങള് ഉള്ളതുകൊണ്ട്, നിശ്ചയമായും തുടങ്ങി തുടങ്ങുന്നവർക്കും ഇത് ഏറ്റവും അനുയോജ്യമാണ്!
👉 **[ഉദാഹരണങ്ങളിൽ നിന്ന് ആരംഭിക്കുക](examples/README.md)** 👈
| 01 | ഡാറ്റാ സയൻസ് നിർവ്വചിക്കൽ | [പരിചയം](1-Introduction/README.md) | ഡാറ്റാ സയന്സിന്റെ അടിസ്ഥാന ആശയങ്ങൾ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസുമായി, മെഷീൻ ലേണിങ്ങുമായി, ബിഗ് ഡാറ്റയുമായുള്ള ബന്ധം പഠിക്കുക. | [പാഠം](1-Introduction/01-defining-data-science/README.md) [വീഡിയോ](https://youtu.be/beZ7Mb_oz9I) | [ഡ്മിത്രി](http://soshnikov.com) |
| 02 | ഡാറ്റാ സയൻസ് ധാർമികം | [പരിചയം](1-Introduction/README.md) | ഡാറ്റാ ധാർമിക ആശയങ്ങൾ, വെല്ലുവിളികൾ & ഫ്രെയിംവർക്കുകൾ. | [പാഠം](1-Introduction/02-ethics/README.md) | [നിത്യ](https://twitter.com/nitya) |
| 03 | ഡാറ്റ നിർവ്വചിക്കൽ | [പരിചയം](1-Introduction/README.md) | ഡാറ്റ എങ്ങനെ വർഗ്ഗീകരിക്കപ്പെടുന്നു, അതിന്റെ സാധാരണ സ്രോതസ്സ്. | [പാഠം](1-Introduction/03-defining-data/README.md) | [ജാസ്മിൻ](https://www.twitter.com/paladique) |
| 04 | സ്റ്റാറ്റിസ്റ്റിക്ക്സിന്റെയും സാധ്യതാപരമായതിന്റെയും പരിചയം | [പരിചയം](1-Introduction/README.md) | ഡാറ്റയെ മനസ്സിലാക്കാൻ സാധ്യതയും സ്റ്റാറ്റിസ്റ്റിക്സും ഉപയോഗിക്കുന്ന ഗണിത തന്ത്രങ്ങൾ. | [പാഠം](1-Introduction/04-stats-and-probability/README.md) [വീഡിയോ](https://youtu.be/Z5Zy85g4Yjw) | [ഡ്മിത്രി](http://soshnikov.com) |
| 05 | റിലേഷണൽ ഡാറ്റയിൽ പ്രവർത്തനം | [ഡാറ്റയുമായി ജോലി ചെയ്യൽ](2-Working-With-Data/README.md) | റിലേഷണൽ ഡാറ്റയുടെ പരിചയം, ഉറച്ചു ചോദ്യം ഭാഷ ഉപയോഗിച്ച് അതേ ബന്ധമുള്ള ഡാറ്റ പരിശോധിച്ചും അനാലിസിസ് ചെയ്യുന്ന അടിസ്ഥാനങ്ങൾ. SQL (പറയുന്നത് “സി-ക്വെല്ല്”) എന്നും അറിയപ്പെടുന്നു. | [പാഠം](2-Working-With-Data/05-relational-databases/README.md) | [ക്രിസ്റ്റഫർ](https://www.twitter.com/geektrainer) | | |
| 06 | നോൺ-SQL ഡാറ്റയിൽ പ്രവർത്തനം | [ഡാറ്റയുമായി ജോലി ചെയ്യൽ](2-Working-With-Data/README.md) | നോൺ-റിലേഷണൽ ഡാറ്റയുടെ പരിചയം, അവയുടെ വിവിധ തരങ്ങൾ, ഡോക്യുമെന്റ് ഡാറ്റാബേസുകൾ പരിശോധിക്കുകയും വിശകലനം ചെയ്യുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ. | [പാഠം](2-Working-With-Data/06-non-relational/README.md) | [ജാസ്മിൻ](https://twitter.com/paladique)|
| 07 | പൈതലിൽ പ്രവർത്തനം | [ഡാറ്റയുമായി ജോലി ചെയ്യൽ](2-Working-With-Data/README.md) | പണ്ഡാസ് പോലുള്ള ലൈബ്രറികൾ ഉപയോഗിച്ച് പൈതൺ ഡാറ്റാ എക്സ്പ്ലോറേഷനിൽ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് അടിസ്ഥാനങ്ങൾ. പൈതൺ പ്രോഗ്രാമിംഗിൽ അടിസ്ഥാന പഠനം ശുപാർശ ചെയ്യുന്നു. | [പാഠം](2-Working-With-Data/07-python/README.md) [വീഡിയോ](https://youtu.be/dZjWOGbsN4Y) | [ഡ്മിത്രി](http://soshnikov.com) |
| 08 | ഡാറ്റാ തയ്യാറാക്കൽ | [ഡാറ്റയുമായി ജോലി ചെയ്യൽ](2-Working-With-Data/README.md) | നഷ്ടപ്പെട്ട, തെറ്റായ, അപ്രാപ്തമായ ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ശുദ്ധിയാക്കൽ, രൂപാന്തര്ണം തുടങ്ങിയ ഡാറ്റാ സാങ്കേതികതകൾ. | [പാഠം](2-Working-With-Data/08-data-preparation/README.md) | [ജാസ്മിൻ](https://www.twitter.com/paladique) |
| 09 | അളവുകൾ ദൃശ്യവൽക്കരിക്കുക | [ഡാറ്റാ ദൃശ്യവൽക്കരണം](3-Data-Visualization/README.md) | മാറ്റ്plotlib ഉപയോഗിച്ചുകൊണ്ട് പക്ഷികളുടെ ഡാറ്റ ദൃശ്യവൽക്കരിക്കുക 🦆 | [പാഠം](3-Data-Visualization/09-visualization-quantities/README.md) | [ജെൻ](https://twitter.com/jenlooper) |
| 10 | ഡാറ്റയുടെ വിതരണം ദൃശ്യവൽക്കരിക്കൽ | [ഡാറ്റാ ദൃശ്യവൽക്കരണം](3-Data-Visualization/README.md) | ഒരു ഇടവേളയിലുണ്ടായ നിരീക്ഷണങ്ങളും പ്രവണതകളും ദൃശ്യവൽക്കരിക്കൽ. | [പാഠം](3-Data-Visualization/10-visualization-distributions/README.md) | [ജെൻ](https://twitter.com/jenlooper) |
| 12 | ബന്ധങ്ങൾ ദൃശ്യവൽക്കരിക്കൽ | [ഡാറ്റാ ദൃശ്യവൽക്കരണം](3-Data-Visualization/README.md) | ഡാറ്റാ സെറ്റുകളും അവരുടെ ഘടകങ്ങളും ഇടയിൽ ബന്ധങ്ങളും സഹബന്ധങ്ങളും ദൃശ്യവൽക്കരിക്കൽ. | [പാഠം](3-Data-Visualization/12-visualization-relationships/README.md) | [ജെൻ](https://twitter.com/jenlooper) |
| 13 | സാരമായ ദൃശ്യവൽക്കരണങ്ങൾ | [ഡാറ്റാ ദൃശ്യവൽക്കരണം](3-Data-Visualization/README.md) | പ്രശ്നപരിഹാരവും അറിവ് കണ്ടെത്തലും ലാഭകരമാക്കുന്നതിനുള്ള പ്രാധ്യമങ്ങൾക്കും മാർഗ്ഗനിർദ്ദേശങ്ങൾക്കും. | [പാഠം](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ജെൻ](https://twitter.com/jenlooper) |
| 14 | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിൾ പരിചയം | [ലൈഫ്സൈക്കിൾ](4-Data-Science-Lifecycle/README.md) | ഡാറ്റാ ശേഖരണവും ഉഷിച്ചെടുക്കലും ഉള്പ്പെടെ ഡാറ്റാ സയൻസ് ജീവിതചക്രത്തെ പരിചയപ്പെടുത്തുക. | [പാഠം](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ജാസ്മിൻ](https://twitter.com/paladique) |
| 15 | വിശകലനം | [ലൈഫ്സൈക്കിൾ](4-Data-Science-Lifecycle/README.md) | ഡാറ്റ അനാലിസിസിനായുള്ള സാങ്കേതിക തന്ത്രങ്ങൾ വിവാഹരഹിതമാക്കുന്ന ജീവിതഘട്ടം. | [പാഠം](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ജാസ്മിൻ](https://twitter.com/paladique) | | |
| 16 | ആശയവിനിമയം | [ലൈഫ്സൈക്കിൾ](4-Data-Science-Lifecycle/README.md) | ഡാറ്റയിൽ നിന്നുള്ള അറിവ് എളുപ്പത്തിൽ തീരുമാനം എടുക്കുന്നവരുടെ മനസ്സിലാകുവാൻ പ്രദർശിപ്പിക്കുന്ന അവസ്ഥ. | [പാഠം](4-Data-Science-Lifecycle/16-communication/README.md) | [ജാലൻ](https://twitter.com/JalenMcG) | | |
| 17 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | [ക്ലൗഡ്ഡാറ്റ](5-Data-Science-In-Cloud/README.md) | ഈ സീരീസിൽ ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് പരിചയപ്പെടുത്തുകയും അതിന്റെ ഗുണങ്ങൾ വിശദീകരിക്കുകയും ചെയ്യുന്നു. | [പാഠം](5-Data-Science-In-Cloud/17-Introduction/README.md) | [ടിഫനി](https://twitter.com/TiffanySouterre) and [മോഡ്](https://twitter.com/maudstweets) |
| 18 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | [ക്ലൗഡ്ഡാറ്റ](5-Data-Science-In-Cloud/README.md) | ലോ കൊഡ് ഉപകരണങ്ങൾ ഉപയോഗിച്ചു മോഡലുകൾ പരിശീലിപ്പിക്കൽ. |[പാഠം](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [ടിഫനി](https://twitter.com/TiffanySouterre) and [മോഡ്](https://twitter.com/maudstweets) |
| 19 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | [ക്ലൗഡ്ഡാറ്റ](5-Data-Science-In-Cloud/README.md) | അജ്യൂർ മെഷീൻ ലേണിങ്ങ് സ്റ്റുഡിയോ ഉപയോഗിച്ച് മോഡലുകൾ വിന്യസിക്കൽ. | [പാഠം](5-Data-Science-In-Cloud/19-Azure/README.md)| [ടിഫനി](https://twitter.com/TiffanySouterre) and [മോഡ്](https://twitter.com/maudstweets) |
| 20 | കാട്ടിൽ ഡാറ്റാ സയൻസ് | [കാട്ടിൽ](6-Data-Science-In-Wild/README.md) | യാഥാര്ത്ഥ്യ ലോകത്തിലെ ഡാറ്റാ സയൻസ് മൂലമുണ്ടായ പ്രോജക്റ്റുകൾ. | [പാഠം](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [നിത്യ](https://twitter.com/nitya) |
## GitHub കോഡ്സ்பെയ്സുകൾ
ഈ സാമ്പിൾ കോഡ്സ്പെയ്സ് തുറക്കാൻ താഴെ പറയുന്ന നടപടി ക്രമങ്ങൾ പിന്തുടരുക:
1. കോഡ് ഡ്രോപ്പ്-ഡൗൺ മెనു ക്ലിക്ക് ചെയ്ത് Open with Codespaces ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക.
2. പേനിന്റെ താഴെയാണ് + New codespace തിരഞ്ഞെടുക്കുക.
കൂടുതൽ വിവരങ്ങൾക്ക്, [GitHub ഡോകുമെന്റേഷൻ](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) പരിശോധിക്കുക.
## VSCode Remote - Containers
നിങ്ങളുടെ ലൊക്കൽ മെഷീനും VSCode ഉപയോഗിച്ച് VS Code Remote - Containers വിപുലീകരണം ഉപയോഗിച്ച് ഈ റിപ്പോസിറ്ററി ഒരു കണ്ടെയ്നറിൽ തുറക്കുന്നതിന് താഴെ നൽകിയ ക്രമീകരണം പിന്തുടരുക:
1. ആദ്യമായി ഡെവലപ്പ്മെന്റ് കണ്ടെയ്നർ ഉപയോഗിക്കുന്നുവെങ്കിൽ, സിസ്റ്റം മുൻകൂട്ടി ആവശ്യകതകൾ (മൂല്യവത്തായ ഡോക്കർ ഇൻസ്റ്റാൾ ചെയ്യുക) [getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) പരിശോധിക്കുക.
ഈ രീതി ഉപയോഗിച്ച്, നിങ്ങൾക്ക് റിപ്പോസിറ്ററി ഒരു ഐസൊലേറ്റഡ് ഡോക്കർ വോളിയത്തിൽ തുറക്കാം:
**കുറിപ്പ്**: ബാക്ക്എൻഡ് ഇപ്രകാരം Remote-Containers: **Clone Repository in Container Volume...**എന്ന കമാൻഡ് ഉപയോഗിച്ച് ഡോക്കർ വോളിയത്തിൽ സോഴ്സ് കോഡ് ക്ലോൺ ചെയ്യും, ലോക്കൽ ഫയൽസിസ്റ്റം അല്ല. [വോളിയങ്ങൾ](https://docs.docker.com/storage/volumes/) കണ്ടെയ്ൻർ ഡാറ്റ സംരക്ഷിക്കുന്നതിനുള്ള ഏറ്റവും അനുയോജ്യമായ മാർഗ്ഗമാണ്.
അല്ലെങ്കിൽ ലോക്കലിൽ ക്ലോൺ ചെയ്തോ ഡൗൺലോഡ് ചെയ്തോ രൂപം തുറക്കുക:
- റിപ്പോസിറ്ററി നിങ്ങളുടെ ഫയൽസിസ്റ്റത്തിലേക്ക് ക്ലോൺ ചെയ്യുക.
| 01 | ഡാറ്റ സയൻസ് നിർവചനം | [പരിചയം](1-Introduction/README.md) | ഡാറ്റ സയൻസ് പിന്നിൽ ഉൾപ്പെടുന്ന അടിസ്ഥാന ആശയങ്ങൾ, അത് കൃത്രിമ ബുദ്ധി, മെഷീൻ ലേണിങ്, വലിയ ഡാറ്റ എന്നിവയുമായി എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് പഠിക്കുക. | [പാഠം](1-Introduction/01-defining-data-science/README.md) [വീഡിയോ](https://youtu.be/beZ7Mb_oz9I) | [ദ്മിത്രി](http://soshnikov.com) |
| 02 | ഡാറ്റ സയൻസ് സദാചാരം | [പരിചയം](1-Introduction/README.md) | ഡാറ്റ സദാചാര ആശയങ്ങൾ, വെല്ലുവിളികൾ & ഫ്രെയിംവർക്ക്. | [പാഠം](1-Introduction/02-ethics/README.md) | [നിത്യ](https://twitter.com/nitya) |
| 03 | ഡാറ്റ നിർവചനം | [പരിചയം](1-Introduction/README.md) | ഡാറ്റ എങ്ങനെ വർഗ്ഗീകരിക്കപ്പെടുന്നു, സാധാരണ ഉറവിടങ്ങൾ. | [പാഠം](1-Introduction/03-defining-data/README.md) | [ജാസ്മിൻ](https://www.twitter.com/paladique) |
| 04 | സ്ഥിതിവിവരവും സാദ്ധ്യതയും പരിചയപ്പെടുത്തൽ | [പരിചയം](1-Introduction/README.md) | ഡാറ്റ മനസ്സിലാക്കുന്നതിനുള്ള സാദ്ധ്യതയും സ്ഥിതിവിവരശാസ്ത്രവും സംബന്ധിച്ച ഗണിത തന്ത്രങ്ങൾ. | [പാഠം](1-Introduction/04-stats-and-probability/README.md) [വീഡിയോ](https://youtu.be/Z5Zy85g4Yjw) | [ദ്മിത്രി](http://soshnikov.com) |
| 05 | ബന്ധമുള്ള ഡാറ്റ ഉപയോഗിക്കൽ | [ഡാറ്റയുമായി പ്രവർത്തിക്കൽ](2-Working-With-Data/README.md) | ബന്ധമുള്ള ഡാറ്റ പരിചയപ്പെടുത്തൽ, SQL (എസ്ക്യൂഎൽ) ഉപയോഗിച്ച് ഡാറ്റ അന്വേഷിക്കുകയും വിശകലനം ചെയ്യുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ. | [പാഠം](2-Working-With-Data/05-relational-databases/README.md) | [ക്രിസ്റ്റഫർ](https://www.twitter.com/geektrainer) | | |
| 06 | നോൺ-എസ്ക്യൂഎൽ ഡാറ്റ ഉപയോഗിക്കൽ | [ഡാറ്റയുമായി പ്രവർത്തിക്കൽ](2-Working-With-Data/README.md) | ബന്ധരഹിത ഡാറ്റ പരിചയപ്പെടുത്തൽ, അതിന്റെ വിവിധ തരങ്ങൾ, ഡോക്യുമെന്റ് ഡാറ്റാബേസുകൾ അന്വേഷിച്ചു വിശകലനം ചെയ്യുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ. | [പാഠം](2-Working-With-Data/06-non-relational/README.md) | [ജാസ്മിൻ](https://twitter.com/paladique)|
| 07 | പൈത്തൺ ഉപയോഗിക്കുക | [ഡാറ്റയുമായി പ്രവർത്തിക്കൽ](2-Working-With-Data/README.md) | പാൻഡാസ് പോലുള്ള ലൈബ്രറികൾ ഉപയോഗിച്ച് ഡാറ്റ അന്വേഷിക്കുന്നതിനുള്ള പൈത്തൺ അടിസ്ഥാനങ്ങൾ. പൈത്തൺ പ്രോഗ്രാമിങ് അടിസ്ഥാന പരിജ്ഞാനം നിർബന്ധമാണ്. | [പാഠം](2-Working-With-Data/07-python/README.md) [വീഡിയോ](https://youtu.be/dZjWOGbsN4Y) | [ദ്മിത്രി](http://soshnikov.com) |
| 08 | ഡാറ്റ ഒരുക്കൽ | [ഡാറ്റയുമായി പ്രവർത്തിക്കൽ](2-Working-With-Data/README.md) | നഷ്ടമായ, തെറ്റായ, അല്ലെങ്കിൽ അപൂർണ്ണമായ ഡാറ്റ ചുരുക്കുന്നതിന് ക്ലീൻ ചെയ്യുകയും പരിവർത്തനം ചെയ്യുന്നതിനുള്ള ഡാറ്റാ സാങ്കേതികതകൾ. | [പാഠം](2-Working-With-Data/08-data-preparation/README.md) | [ജാസ്മിൻ](https://www.twitter.com/paladique) |
| 09 | അളവുകൾ ദൃശ്യീകരിക്കൽ | [ഡാറ്റാ ദൃശ്യീകരണം](3-Data-Visualization/README.md) | മാട്പ്ലോട്ട്ലിബ് ഉപയോഗിച്ച് പാറി ഡാറ്റ കാണിക്കുക 🦆 | [പാഠം](3-Data-Visualization/09-visualization-quantities/README.md) | [ജെൻ](https://twitter.com/jenlooper) |
| 10 | ഡാറ്റ വזיך ചിതറലുകളുടെ ദൃശ്യവൽക്കരണം | [ഡാറ്റാ ദൃശ്യീകരണം](3-Data-Visualization/README.md) | ഒരു ഇടവേളയിലുള്ള നിരീക്ഷണങ്ങളും പ്രവണതകളും ദൃശ്യവൽക്കരം. | [പാഠം](3-Data-Visualization/10-visualization-distributions/README.md) | [ജെൻ](https://twitter.com/jenlooper) |
| 13 | പ്രാധാന്യമുള്ള ദൃശ്യവൽക്കരണങ്ങൾ | [ഡാറ്റാ ദൃശ്യീകരണം](3-Data-Visualization/README.md) | ഫലപ്രദമായ പ്രശ്നം പരിഹാരത്തിനും洞察ങ്ങൾക്കും നിങ്ങളുടെ ദൃശ്യവൽക്കരണങ്ങൾ മൂല്യമർപ്പിക്കുന്ന സാങ്കേതിക വിദ്യകളും മാർഗ്ഗനിർദ്ദേശങ്ങളും. | [പാഠം](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ജെൻ](https://twitter.com/jenlooper) |
| 14 | ഡാറ്റ സയൻസ് ലൈഫ്സൈക്കിൾ പരിചയപ്പെടുത്തൽ | [ലൈഫ്സൈക്കിൾ](4-Data-Science-Lifecycle/README.md) | ഡാറ്റ സയൻസ് ലൈഫ്സൈക്കിള് പരിചയപ്പെടുത്തൽ, ആദ്യഘട്ടം: ഡാറ്റ സംഭരണം, എന്നിവ. | [പാഠം](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ജാസ്മിൻ](https://twitter.com/paladique) |
| 15 | വിശകലനം | [ലൈഫ്സൈക്കിൾ](4-Data-Science-Lifecycle/README.md) | ഡാറ്റ സയൻസ് ലൈഫ്സൈക്കിളിലെ ഈ ഘട്ടം ഡാറ്റ വിശകലന സാങ്കേതിക വിദ്യകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. | [പാഠം](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ജാസ്മിൻ](https://twitter.com/paladique) | | |
| 16 | ആശയവിനിമയം | [ലൈഫ്സൈക്കിൾ](4-Data-Science-Lifecycle/README.md) | ഡാറ്റയിൽ നിന്ന് നിങ്ങൾ ശക്തമായ洞察ങ്ങൾ പരിചയപ്പെടുത്തുക, തീരുമാനമെടുക്കുന്നവർക്കു മനസ്സിലാക്കാനായ രീതിയിൽ, ഈ ഘട്ടം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. | [പാഠം](4-Data-Science-Lifecycle/16-communication/README.md) | [ജാലെൻ](https://twitter.com/JalenMcG) | | |
| 17 | ക്ലൗഡിൽ ഡാറ്റ സയൻസ് | [ക്ലൗഡ്ഡാറ്റ](5-Data-Science-In-Cloud/README.md) | ക്ലൗഡിലെ ഡാറ്റ സയൻസ് പരിചയപ്പെടുത്തലും അതിന്റെ ഗുണങ്ങളും. | [പാഠം](5-Data-Science-In-Cloud/17-Introduction/README.md) | [ടിഫാനി](https://twitter.com/TiffanySouterre) and [മോഡ്](https://twitter.com/maudstweets) |
| 18 | ക്ലൗഡിൽ ഡാറ്റ സയൻസ് | [ക്ലൗഡ്ഡാറ്റ](5-Data-Science-In-Cloud/README.md) | ലോ കോഡ് ഉപകരണങ്ങളിലൂടെയുള്ള മോഡൽ പരിശീലനം. |[പാഠം](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [ടിഫാനി](https://twitter.com/TiffanySouterre) and [മോഡ്](https://twitter.com/maudstweets) |
| 19 | ക്ലൗഡില് ഡാറ്റ സയൻസ് | [ക്ലൗഡ് ഡാറ്റ](5-Data-Science-In-Cloud/README.md) | ആസ്യൂർ മെഷീൻ ലേണിംഗ് സ്റ്റുഡിയോ ഉപയോഗിച്ച് മോഡലുകൾ വിനിയോഗിക്കൽ. | [പാഠം](5-Data-Science-In-Cloud/19-Azure/README.md)| [ടിഫാനി](https://twitter.com/TiffanySouterre) and [മോഡ്](https://twitter.com/maudstweets) |
| 20 | യഥാർത്ഥ ലോകത്തിലെ ഡാറ്റ സയൻസ് | [ഇൻ ദി വائل്ഡ്](6-Data-Science-In-Wild/README.md) | യഥാർത്ഥ ലോകം കേന്ദ്രീകരിച്ച ഡാറ്റ സയൻസ് പ്രോജക്റ്റുകൾ. | [പాఠം](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [നിത്യ](https://twitter.com/nitya) |
## GitHub കോഡ്സ്പേസുകൾ
ഈ സാമ്പിൾ കോഡ്സ്പേസ് ഉപയോഗിച്ച് തുറക്കാൻ താഴെ ഉള്ള ഘട്ടങ്ങൾ പിന്തുടരുക:
1. കോഡ് ഡ്രോപ്പ്-ഡൗൺ മെനുവിൽ ക്ലിക്ക് ചെയ്ത് Open with Codespaces ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക.
2. പെട്ടിയിലെ താഴെ + New codespace തിരഞ്ഞെടുക്കുക.
കൂടുതൽ വിവരങ്ങൾക്ക്, [GitHub ഡോക്യുമെന്റേഷൻ](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) കാണുക.
## VSCode റിമോട്ട് - കണ്ടെയ്നറുകൾ
നിങ്ങളുടെ ലൊക്കൽ മെഷീനിലും VSCode-യിലും VS Code Remote - Containers എക്സ്ടൻഷൻ ഉപയോഗിച്ച് ഈ റീപോ കണ്ടെയ്നറിൽ തുറക്കാൻ താഴെ കാണുന്ന ഘട്ടങ്ങൾ പിന്തുടരുക:
1. ഇത് development container പ്രഥമമായി ഉപയോഗിക്കുന്നുവെങ്കിൽ, നിങ്ങളുടെ സിസ്റ്റം മുൻ നിറവുകൾക്കായി Docker ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക [Getting Started ഡോക്യുമെന്റേഷൻ](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) കാണുക.
ഈ റീപൊ ഉപയോഗിക്കാൻ, നിങ്ങൾക്ക് റീപൊ Docker വോളിയമിൽ ഇസൊലേറ്റഡ് ആയി തുറക്കാം:
**ശ്രദ്ധിക്കേണ്ടത്**: ഇതിൽ Remote-Containers: **Clone Repository in Container Volume...** കമാൻഡ് ഉപയോഗിച്ച് സോഴ്സ് കോഡ് Docker വോളിയത്തിൽ ക്ലോൺ ചെയ്യുന്നു, ലൊക്കൽ ഫയൽസിസ്റ്റം ഉപയോഗിക്കുന്നതിന് പകരം. [Volumes](https://docs.docker.com/storage/volumes/) കണ്ടെയ്നർ ഡാറ്റ സംരക്ഷിക്കുന്നതിന് പ്രിയപ്പെട്ട മാർഗമാണ്.
അല്ലെങ്കിൽ, GitHub-ൽ നിന്നു ലോക്കലായി ക്ലോൺ ചെയ്ത കോപ്പി ഒഴിച്ച് തുറക്കാം:
- ഈ റീപൊ നിങ്ങളുടെ ലൊക്കൽ ഫയൽസിസ്റ്റത്തിലേക്ക് ക്ലോൺ ചെയ്യുക.
- F1 അമർത്തി **Remote-Containers: Open Folder in Container...** കമാൻഡ് തിരഞ്ഞെടുക്കുക.
- ക്ലോൺ ചെയ്ത ഫോൾഡർ തിരഞ്ഞെടുക്കുക, കണ്ടെയ്നർ ആരംഭിക്കുമ്പോൾ കാത്തിരിക്കുക, തുടർന്ന് പരീക്ഷണം നടത്തുക.
- ക്ലോൺ ചെയ്ത ഈ ഫോൾഡർ തിരഞ്ഞെടുക്കുക, കണ്ടെയ്നർ തുടങ്ങാൻ കാത്തിരിക്കുക, പിന്നെ പരീക്ഷിക്കുക.
## ഓഫ്ലൈൻ ആക്സസ്
## ഓഫ്ലൈൻ ആക്സസ്സ്
[Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഈ ഡോക്യമെന്റേഷൻ ഓഫ്ലൈനിൽ പ്രവർത്തിപ്പിക്കാം. ഈ റിപ്പോസിറ്ററി ഫോർക്കുചെയ്തു, ലോക്കലിൽ [Docsify ഇൻസ്റ്റാൾ](https://docsify.js.org/#/quickstart) ചെയ്ത ശേഷം, ഇവിടെ ഡോക്വുമെന്റ് ഇൻഡക്സിൽ നിന്ന് `docsify serve` ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് സ്ഥലീയം പോർട്ട് 3000 ല് ലഭിക്കും: `localhost:3000`.
[Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഈ ഡോക്യുമെന്റേഷൻ ഓഫ്ലൈനായി പ്രവർത്തിപ്പിക്കാം. ഈ റീപോ ഫോർക്ക് ചെയ്യുക, [Docsify ഇൻസ്റ്റാൾ](https://docsify.js.org/#/quickstart) ചെയ്യുക, പിന്നെ ഈ റീപോയുടെ റൂട്ട് ഫോൾഡറിൽ `docsify serve` ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് പോർട്ട് 3000 ൽ നിങ്ങളുടെ ലോകൽഹോസ്റ്റിൽ തുറക്കപ്പെടും: `localhost:3000`.
> ശ്രദ്ധിക്കുക, നോട്ട്ബുക്കുകൾ Docsify വഴി റെൻഡർ ചെയ്യില്ല, അതിനാൽ ഒരു നോട്ട്ബുക്ക് ഓടിക്കേണ്ടത് വേണമെങ്കിൽ, അത് വേർതിരിച്ച് VS Code-ൽ 파이ത്തൺ കർണൽ ഉപയോഗിച്ച് നടത്തുക.
> ശ്രദ്ധിക്കുക, നോട്ട്ബുക്കുകൾ Docsify വഴി റെൻഡർ ചെയ്യപ്പെടുകയില്ല, അതിനാൽ നിങ്ങൾക്ക് നോട്ട്ബുക്ക് പ്രവർത്തിപ്പിക്കേണ്ടപ്പോൾ, Python കർണൽ പ്രവർത്തിപ്പിക്കുന്ന VSCode-യിൽ വെച്ച് വേലിയുറപ്പിച്ച് വേറെ പ്രവർത്തിപ്പിക്കുക.
## മറ്റ് പാഠ്യപദ്ധതികൾ
## മറ്റ് പാഠപദ്ധതികൾ
ഞങ്ങളുടെ ടീം മറ്റ് പാഠ്യപദ്ധതികളും സൃഷ്ടിക്കുന്നു! പരിശോധിക്കുക:
ഞങ്ങളുടെ ടീം മറ്റ് പാഠപദ്ധതികളും തയ്യാറാക്കുന്നു! വിലയിരുത്തുക:
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### അസ്യൂർ / എഡ്ജ് / MCP / ഏജന്റുമാർ
### അസ്യൂർ / എഡ്ജ് / MCP / ഏജൻസുകൾ
[](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)
[](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)
[](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)
[](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)
**പ്രശ്നങ്ങൾ നേരിട്ടുണ്ടോ?** സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ കണ്ടെത്താൻ ഞങ്ങളുടെ [ത്തറിച്ചൊല്ലല്ഗൈഡ്](TROUBLESHOOTING.md) പരിശോധിക്കുക.
**പ്രശ്നങ്ങൾ നേരിടുകയാണോ?** സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾക്കായി ഞങ്ങളുടെ [Troubleshooting Guide](TROUBLESHOOTING.md) പരിശോധിക്കുക.
AI ആപ്പുകൾ നിർമ്മിക്കുന്നതു സംബന്ധിച്ച് നിങ്ങൾക്ക് സംശയങ്ങളുണ്ടോ? MCP പരിചയസമ്പന്നരും മറ്റ് പഠനാർഥികളും ചേർന്ന് നടക്കുന്ന സംവാദങ്ങളിൽ പങ്കെടുക്കൂ. ചോദ്യങ്ങൾ സ്വാഗതം ചെയ്യുന്ന, അറിവ് സ്വതന്ത്രമായി പങ്കുവെക്കപ്പെടുന്ന ഒരു അനുഭവസമ്പന്നമായ സമൂഹമാണ് ഇത്.
നിങ്ങൾ പാളിയാലോ AI ആപ്പുകൾ നിർമ്മിക്കുന്നതെങ്ങനെ എന്നതിലൂടെ സംശയമുണ്ടെങ്കിൽ. MCPാ സംബന്ധിച്ച ചർച്ചകളിൽ കൂട്ടുകാർക്കും പരിചയസമ്പന്നരായ ഡെവലപ്പർമാരുടെയും കൂട്ടായ്മയിൽ ചേരുക. ചോദ്യങ്ങൾക്ക് സ്വാഗതം ചെയ്യുന്നും അറിവ് സ്വതന്ത്രമായി പങ്കിടപ്പെടുന്ന ഒരു സഹകരണ സമൂഹമാണിത്.
ഈ ഡോക്യുമെന്റ് AI വിവർത്തന സേവനമായ [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നമുക്ക് കൃത്യതയ്ക്കായി ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയമേധയാ പരിഭാഷകളിൽ പിഴവുകളും അശുദ്ധികളുമുണ്ടാകാൻ സാധ്യതയുണ്ട്. അതിന്റെ പ്രാദേശിക ഭാഷയിലെ യഥാർത്ഥ ഡോക്യുമെന്റ് ആത്മാർത്ഥമായ ഉറവിടമായി കണക്കാക്കണം. നിർണ്ണായകമായ വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മാനവ വിവർത്തനം നിർദ്ദേശിക്കപ്പെടുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകാവുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ വ്യാഖ്യാനഭ്രമങ്ങളിലേക്കോ ഞങ്ങൾ ഉത്തരവാദിത്വം ഏറ്റെടുക്കുന്നില്ല.
**പരാമര്ശം**:
ഈ ഡോക്യുമെന്റ് AI പരിഭാഷ സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ചാണു് പരിഭാഷ ചെയ്തിരിക്കുന്നത്. നാം കൃത്യത ലക്ഷിച്ചു പ്രവര്ത്തിച്ചാലും, യാന്ത്രിത പരിഭാഷകള് പിഴവുകളും അപൂര്ണതകളും അടങ്ങിയിരിക്കാം എന്ന് ദയവായി ശ്രദ്ധിക്കുക. മാതൃഭാഷയിലുള്ള അതിന്റെ മൗലിക ഡോക്യുമെന്റിനെ വിശ്വാസയോഗ്യമായ ഉറവിടമായി കാണണം. അത്യന്താവശ്യമായ വിവരങ്ങള്ക്കായി പ്രൊഫഷണല് മനുഷ്യ പരിഭാഷ നിര്ദേശിക്കുന്നു. ഈ പരിഭാഷ ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന തെറ്റുപറച്ചിലുകള്ക്കും തെറ്റിദ്ധാരണകൾക്കും ഞങ്ങൾ ഉത്തരവാദിത്വം വഹിച്ചു കൊള്ളുന്നില്ല.
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
మైక్రోసాఫ్ట్లో Azure క్లౌడ్ అడ్వోకేట్స్ డాటా సైన్స్ గురించి 10 వారాల, 20 పాఠాల పూర్తి పాఠ్యక్రమాన్ని అందించడంలో సంతోషిస్తున్నాము. ప్రతి పాఠం ముందు మరియు తర్వాత క్విజ్లు, పాఠం పూర్తి చేయడానికి రాత సూచనలు, ఒక సమాధానం మరియు అసైన్మెంట్ను కలిగి ఉంటుంది. మా ప్రాజెక్ట్-ఆధారిత విద్యా విధానం మీరు నేర్చుకోవడానికి తోడ్పడుతుంది, అది కొత్త నైపుణ్యాలు 'జరిగే' పద్ధతి.
Microsoft లో Azure Cloud Advocates డేటా సైన్స్ గురించి 10 వారాల, 20 పాఠాలు కలిగిన పాఠ్యಕ್ರಮాన్ని అందడం ఆనందంగా ఉంది. ప్రతి పాఠం ముందు మరియు తరువాత క్విజ్లు, పాఠం పూర్తిచేయడానికి రచనాత్మక సూచనలు, పరిష్కారం మరియు అసైన్మెంట్ కలిగివుంటుంది. మన ప్రాజెక్టు-ఆధారిత పాఠ్య విధానం ద్వారా మీరు చేర్చుకుంటూ నేర్చుకోవచ్చు, ఇది కొత్త నైపుణ్యాలు 'స్థిరంగా' ఉండటానికి సాక్ష్యమైన పద్ధతి.
> ఈ రెపోజిటరీలో 50+ భాషా అనువాదాలు ఉన్నాయి, ఇవి డౌన్లోడ్ పరిమాణాన్ని గణనీయంగా పెంచుతాయి. అనువాదాలు లేకుండా క్లోన్ చేయడానికి sparse checkout ఉపయోగించండి:
> ఈ రిపాజిటరీలో 50+ భాషలలో అనువాదాలు ఉన్నాయి, అవి డౌన్లోడ్ సైజ్ను గణనీయంగా పెంచుతాయి. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెకౌట్ను ఉపయోగించండి:
>
> **Bash / macOS / Linux:**
> ```bash
@ -53,155 +53,153 @@
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> కోర్సు పూర్తి చేయడానికి మీకు కావలసిన మొత్తం ఇది, మరి వేగంగా డౌన్లోడ్ అవుతుంది.
> దీని ద్వారా మీరు ఈ కోర్సును పూర్తి చేయడానికి అవసరమైన అన్ని ఫైళ్లను చాలా వేగంగా డౌన్లోడ్ చేసుకోగలుగుతారు.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
**మీకు అదనపు అనువాద భాషల మద్దతు కావాలంటే వాటిని ఇక్కడ చూడండి [ఇక్కడ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
**ఇంకా అదనపు అనువాద భాషలను మద్దతు ఇవ్వాలనుకుంటే అవి [ఇక్కడ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) జాబితా చేయబడ్డాయి**
మనం Discordలో AI తో నేర్చుకునే సిరీస్ నిర్వహిస్తున్నాము, మరింత తెలుసుకోండి మరియు 2025 సెప్టెంబర్ 18 - 30 తేదీల మధ్య [Learn with AI Series](https://aka.ms/learnwithai/discord) లో చేరండి. మీరు GitHub Copilot ను డేటా సైన్స్ కోసం ఉపయోగించే చిట్కాలు మరియు టిప్స్ పొందగలుగుతారు.
మేము డిస్కోర్డ్ లో AI తో నేర్చుకునే సిరీస్ కొనసాగిస్తున్నాము, ఇంకా తెలుసుకోవడానికి మరియు చేరడానికి [Learn with AI Series](https://aka.ms/learnwithai/discord) వద్ద 18 - 30 సెప్టెంబర్, 2025 మధ్య. మీరు డేటా సైన్స్ కోసం GitHub Copilot ఉపయోగించే సూచనలు మరియు చిట్కాలను పొందగలుగుతారు.
# మీరు విద్యార్థి కాబోయేరు?
# మీరు విద్యార్థి అయితే?
క్రింది వనరులతో ప్రారంభించండి:
దీని ద్వారా మొదలు పెట్టండి:
- [Student Hub పేజీ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ఈ పేజీలో మీరు ప్రాథమిక వనరులు, విద్యార్థి ప్యాక్స్ మరియు ఫ్రీ సర్టిఫికెట్ వౌచర్ పొందడానికి మార్గాలను కనుగొంటారు. ఇది ఒక పేజీ మీరు బుక్మార్క్ చేసి తరచుగా చెక్ చేసుకోవాలి ఎందుకంటే మనం కంటెంట్ మాసానికి కనీసం ఒకసారి మార్చుతూ ఉంటాము.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ఒక గ్లోబల్ విద్యార్థి అంబాసిడార్ సంఘంలో చేరండి, ఇది మీకు మైక్రోసాఫ్ట్లో అడుగు పెట్టే మార్గం కావచ్చు.
- [Student Hub పేజీ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ఈ పేజీలో ప్రారంభికుల కోసం వనరులు, విద్యార్థి ప్యాకేజీలు మరియు ఉచిత సర్టిఫికెట్ వోచర్ పొందే మార్గాలు ఉంటాయి. ఇది ఒక పేజీని బుక్మార్క్ చేసి కొన్నిసార్లు తనిఖీ చేయండి, ఎందుకంటే మేము కనీసం నెలకు ఒకదఫా కంటెంట్ మారుస్తూ ఉంటాము.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ప్రపంచవ్యాప్తంగా ఉన్న విద్యార్థి అంబాసడర్లు కమ్యూనిటీ లో చేరండి, ఇది Microsoft లో ప్రవేశించే మీ మార్గం కావచ్చు.
# ప్రారంభించడమే
# మొదలు పెట్టడం
## 📚 డాక్యుమెంటేషన్
- **[ఇన్స్టాలేషన్ గైడ్](INSTALLATION.md)** - కొత్తవారికి దశలవారీ సెటప్ సూచనలు
- **[వినియోగ గైడ్](USAGE.md)** - ఉదాహరణలూ సాధారణ వర్క్ఫ్లోలు
- **[పరిష్కార మార్గాలు](TROUBLESHOOTING.md)** - సాధారణ సమస్యలకు పరిష్కారాలు
- **[కాంట్రిబ్యూటింగ్ గైడ్](CONTRIBUTING.md)** - ఈ ప్రాజెక్టుకు ఎలా సహకరించాలి
- **[ఉపాధ్యాయులకు](for-teachers.md)** - బోధన మార్గదర్శకాలు మరియు క్లాస్రిం వనరులు
- **[సంస్థాపనా గైడ్](INSTALLATION.md)** - ప్రారంభికులకు దశలవారీ సెటప్ సూచనలు
- **[వినియోగ గైడ్](USAGE.md)** - ఉదాహరణలు మరియు సాధారణ వర్క్ఫ్లోలు
- **[సమస్య పరిష్కారం](TROUBLESHOOTING.md)** - సాధారణ సమస్యలకు పరిష్కారాలు
- **[ఫ్రాజెక్టుకు సహకారం](CONTRIBUTING.md)** - ఈ ప్రాజెక్టుకి ఎలా సహకరించాలో
- **[ఉపాధ్యాయులకు](for-teachers.md)** - బోధనా మార్గదర్శకాలు మరియు తరగతి వనరులు
## 👨🎓 విద్యార్థులకు
> **కలుపు గల కొత్తవారికి**: డేటా సైన్స్లో కొత్తవారా? మన [అరలి అనుకూల ఉదాహరణలు](examples/README.md) తో ప్రారంభించండి! ఈ సులభ గమనించే ఉదాహరణలు మీరు పాఠ్యక్రమం మొత్తం లోతుగా చేరడానికి ముందే మూలాంశాలను అర్థం చేసుకోవడంలో సహాయపడతాయి.
> **[విద్యార్థులు](https://aka.ms/student-page)**: ఈ పాఠ్యక్రమాన్ని స్వయంగా ఉపయోగించేందుకు, మొత్తం రెపోజిటరీని ఫోర్క్ చేసుకుని వ్యాయామాలు పూర్తిచేయండి, ప్రీ-లెక్చర్ క్విజ్ తో ప్రారంభించి తరువాత పాఠాలు చదివి మిగిలిన కార్యకలాపాలను పూర్తిచేయండి. పరిష్కార కోడ్ను కాపీ చేయడం కంటే పాఠాలను అర్థం చేసుకోవడమే ప్రాజెక్టులను సృష్టించడానికి ప్రయత్నించండి; ఆ కోడ్ ప్రాజెక్ట్-కేంద్రిత పాఠాల్లో /solutions ఫోల్డర్లలో అందుబాటులో ఉంటుంది. మరో ఆలోచన మీరు స్నేహితులతో అధ్యయన గ్రూప్ ఏర్పాటు చేసి కంటెంట్ కలిసి చూడడం. మరింత అధ్యయనానికి [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ని మనస్పూర్తిగా సిఫార్సు చేస్తున్నాము.
## 👨🎓 విద్యార్థుల కోసం
> **పూర్తిగా ప్రారంభికులు**: డేటా సైన్స్ కొత్తదేనా? మా [ప్రారంభికులకు అనుకూలమైన ఉదాహరణలతో](examples/README.md) మొదలెయ్యండి! ఈ సులభమైన, బాగా వ్యాఖ్యానించిన ఉదాహరణలు మీరు పూర్తిగా పాఠ్యక్రమంలోకి దిగకమునుపు ప్రాథమికాంశాలను అర్థం చేసుకోవడంలో సహాయపడతాయి.
> **[విద్యార్థులు](https://aka.ms/student-page)**: ఈ పాఠ్యక్రమాన్ని మీరు స్వయంగా ఉపయోగించడానికి, మొత్తం రిపోజిటరీని ఫోర్క్ చేసి మొదట ప్రీ-лек్చర్ క్విజ్తో ప్రారంభించి పూర్తి వ్యాయామాలను చేయండి. తరువాత లెక్చర్ చదివి మిగిలిన కార్యకలాపాలు పూర్తిచేయండి. పరిష్కార కోడ్ను కాపీ చేసుకోవటం కాకుండా పాఠాలు అర్థం చేసుకుని ప్రాజెక్టులను సృష్టించడానికి ప్రయత్నించండి; అయితే, ఆ కోడ్ ప్రతి ప్రాజెక్టు-కేంద్రీకృత పాఠంలో /solutions ఫోల్డర్లలో అందుబాటులో ఉంటుంది. మరో ఆలోచనగా మీరు స్నేహితులతో ఒక స్టడీ గ్రూప్ ఏర్పాటు చేసి కంటెంట్ను కలిసి పరిశీలించవచ్చు. మరింత అధ్యయనానికి, మేము [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)ను సిఫార్సు చేస్తాము.
**తక్షణ ప్రారంభం:**
1. మీ పరిసర వాతావరణాన్ని సెటప్ చేసేందుకు [ఇన్స్టాలేషన్ గైడ్](INSTALLATION.md) ని చూడండి
2. పాఠ్యక్రమంతో ఎలా పని చేయాలో తెలుసుకోవడానికి [వినియోగ గైడ్](USAGE.md)ని సమీక్షించండి
3. పాఠం 1 తో మొదలుపెట్టి వరుసగా పూర్తి చేయండి
4. మద్ధతు కోసం మన [Discord కమ్యూనిటీ](https://aka.ms/ds4beginners/discord)లో చేరండి
**వేగవంతమైన ప్రారంభం:**
1. మీ వాతావరణాన్ని సెటప్ చేసుకోవడానికి [సంస్థాపనా గైడ్](INSTALLATION.md)ని చూడండి
2. పాఠ్యక్రమంతో ఎలా పని చేయాలో తెలుసుకోవడానికి [వినియోగ గైడ్](USAGE.md)ని సమీక్షించండి
3. లెసన్ 1 నుండి ప్రారంభించి క్రమంగా పనిచేయండి
4. సమర్థన కోసం మా [డిస్కోర్డ్ కమ్యూనిటీ](https://aka.ms/ds4beginners/discord)లో చేరండి
## 👩🏫 ఉపాధ్యాయులకు
> **ఉపాధ్యాయులు**: ఈ పాఠ్యాంశాన్ని ఎలా ఉపయోగించాలో కొన్ని సూచనలను మేము [జోడించాము](for-teachers.md). మీ అభిప్రాయాలను [మా చర్చా మંચంలో](https://github.com/microsoft/Data-Science-For-Beginners/discussions) తెలపండి!
> **ఉపాధ్యాయులు**: ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో కొన్ని సూచనలను మేము [చేర్చాము](for-teachers.md). మీ అభిప్రాయాన్ని మేము మా చర్చా ఫోరం [లో పొందాలనుకుంటున్నాము](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
**గిఫ్ చేసిన వ్యక్తి** [మోహిత్ జైసల్](https://www.linkedin.com/in/mohitjaisal)
**జీఫ్** [మోహిత్ జైసాల్](https://www.linkedin.com/in/mohitjaisal) ద్వారా
> 🎥 ప్రాజెక్ట్ గురించి మరియు దాన్ని సృష్టించిన వారిని గురించి వీడియో కోసం పై చిత్రాన్ని క్లిక్ చేయండి!
> 🎥 ప్రాజెక్టు మరియు దాన్ని సృష్టించిన వారి గురించి వీడియో కోసం పై చిత్రం క్లిక్ చేయండి!
## పాఠ్యశాస్త్ర నిబంధనలు
## పాఠ్యశాస్త్రం
ఈ పాఠ్యాంశాన్ని రూపొందించడం వలన మేము రెండు పాఠ్యశాస్త్ర సిద్ధాంతాలను ఎంచుకున్నాము: అది ప్రాజెక్ట్ ఆధారితంగా ఉండాలని మరియు తరచూ క్విజ్లను కలిగించడం. ఈ సిరీస్ ముగింపులో, విద్యార్థులు డేటా సైన్స్ యొక్క ప్రాథమిక సూత్రాలను తెలుసుకుంటారు, వాటిలో నైతిక అంశాలు, డేటా ప్రిపరేషన్, డేటాతో పని చేసే వివిధ మార్గాలు, డేటా విజువలైజేషన్, డేటా విశ్లేషణ, డేటా సైన్స్ యొక్క నిజజీవిత ఉపయోగాలు మరియు మరిన్ని ఉన్నాయి.
ఈ పాఠ్యక్రమాన్ని రూపొందించే సమయంలో మేము రెండు పాఠశాస్త్ర సిద్ధాంతాలను ఎంచుకున్నాము: ఇది ప్రాజెక్ట్-ఆధారితంగా ఉండాలని మరియు తరచుగా క్విజ్లను కలిగి ఉండాలని. ఈ సిరీస్ ముగిసే వరకు, విద్యార్థులు డేటా సైన్స్ ప్రాథమిక సూత్రాలు నేర్చుకుంటారు, వాటిలో నైతిక సిద్ధాంతాలు, డేటా సన్నాహకం, డేటాతో పని చేసే వివిధ మార్గాలు, డేటా విజువలైజేషన్, డేటా విశ్లేషణ, డేటా సైన్స్ యొక్క వాస్తవ ప్రపంచ ఉపయోగాలు మరియు మరిన్ని ఉన్నాయి.
అదనంగా, తరగతి ముందు తక్కువ పెట్టుబడి ఉన్న క్విజ్ విద్యార్థి నేర్చుకోవడంపై పట్టుదల సృష్టిస్తుంది, తరగతి తర్వాత రెండవ క్విజ్ జ్ఞాపకాన్ని మరింత పెంచుతుంది. ఈ పాఠ్యాంశం సడలింపు మరియు సరదాగా ఉండే విధంగా రూపొందించింది మరియు మొత్తంగా లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్నగా ప్రారంభమయ్యి 10 వారాల చక్రం ముగింపు వరకు సుదీర్ఘంగా క్లిష్టమవుతాయి.
అదనంగా, తరగతి ప్రారంభానికి ముందు తక్కువ-పరిధి క్విజ్ ఒక విషయం నేర్చుకోవడానికి విద్యార్థి లక్ష్యాన్ని సెట్ చేస్తుంది, తరగతి తర్వాత రెండవ క్విజ్ మరింత సంరక్షణను నిర్ధారిస్తుంది. ఈ పాఠ్యక్రమం సౌలభ్యంగా మరియు సంతోషంగా ఉండేందుకు రూపొందించబడి ఉంది మరియు మొత్తం లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్నవిగా మొదలుకొని 10 వారాల చక్రం చివరికి క్లిష్టత పెరుగుతుంది.
> మా [ఆచరణా నియమాలు](CODE_OF_CONDUCT.md), [కాంట్రిబ్యూటింగ్](CONTRIBUTING.md), [অনువাদ](TRANSLATIONS.md) మార్గదర్శకాలను చూడండి. మీ నిర్మాణాత్మక అభిప్రాయాలను స్వాగతిస్తున్నాము!
> మా [ఆచరణ సంకేతం](CODE_OF_CONDUCT.md), [కాంట్రిబ్యూషన్](CONTRIBUTING.md), [భాషಾಂತರ](TRANSLATIONS.md) మార్గదర్శకాలు చూడండి. మీ నిర్మాణాత్మక అభిప్రాయాలను స్వాగతిస్తున్నాము!
## ప్రతి పాఠం లో ఉంటుంది:
## ప్రతి పాఠం లో ఉంటాయి:
- ఐచ్ఛిక స్కెచ్నోట్
- ఐచ్ఛిక అదనపు వీడియో
- ఐచ్ఛిక స్కెచ్నోట్
- ఐచ్ఛిక సప్లిమెంటల్ వీడియో
- పాఠం ముందు వార్మప్ క్విజ్
- వ్రాత పాఠం
- ప్రాజెక్ట్ ఆధారిత పాఠాల కోసం, ప్రాజెక్టును నిర్మించేందుకు దశల వారీ మార్గదర్శకాలు
- జ్ఞాన తనిఖీలు
- ఒక సవాలు
- అదనపు రీడింగ్
- అసైన్మెంట్
- వ్రాతపూర్వక పాఠం
- ప్రాజెక్ట్-ఆధారిత పాఠాల కోసం, ప్రాజెక్టును ఎలా నిర్మించాలో దశల వారీ గైడ్లు
- జ్ఞాన పరీక్షలు
- ఒక ఛాలెంజ్
- సప్లిమెంటల్ పఠనం
- అసైన్మెంట్
- [పాఠం తర్వాత క్విజ్](https://ff-quizzes.netlify.app/en/)
> **క్విజ్ల గురించి ఒక నోటు**: మొత్తం 40 క్విజ్లు, ఒక్కో క్విజ్ మూడు ప్రశ్నలతో, Quiz-App ఫోల్డర్లో ఉన్నాయి. ఈ క్విజ్లు పాఠాల నుండి లింక్ చేయబడ్డాయి, కానీ క్విజ్ యాప్ను స్థానికంగా నడపవచ్చు లేదా Azureలో నిర్వహించవచ్చు; `quiz-app` ఫోల్డర్లో సూచనలను అనుసరించండి. అవి నెమ్మదిగా స్థానికీకృతమవుతున్నాయి.
> **క్విజ్ల గురించి కొన్ని మాటలు:** అన్ని క్విజ్లు Quiz-App ఫోల్డర్లో ఉంటాయి, మొత్తం 40 క్విజ్లు, ప్రతీటి లో మూడు ప్రశ్నలు ఉంటాయి. అవి పాఠాల నుండి లింక్ అయ్యాయి, కానీ క్విజ్ యాప్ను స్థానికంగా నిర్వహించవచ్చు లేదా Azureలో డిప్లాయ్ చేయవచ్చు; `quiz-app` ఫోల్డర్లోని సూచనలను అనుసరించండి. అవి స్థిరంగా స్థానికంగా మార్చబడుతున్నాయి.
## 🎓 ప్రారంభ కారులకు స్నేహపూర్వక ఉదాహరణలు
## 🎓 ప్రారంభ దశకు సరిపోయే ఉదాహరణలు
**డేటా సైన్స్ కొత్తవారా?** మేము ప్రారంభించడానికి సహాయపడే సరళమైన, బాగా వ్యాఖ్యానించిన కోడ్ కలిగిన ప్రత్యేక [ఉదాహరణల డైరెక్టరీ](examples/README.md)ను సృష్టించాము:
**డేటా సైన్స్కు కొత్తగా ఉన్నారా?** మీరు ప్రారంభించడానికై సులభమైన, బాగా వ్యాఖ్యాత వేశారు కోడ్తో ప్రత్యేక [ఉదాహరణల డైరెక్టరీ](examples/README.md)ని మేము సృష్టించాము:
- 🌟 **హలో వరల్డ్** - మీ మొదటి డేటా సైన్స్ ప్రోగ్రాం
- 📂 **డేటా లోడింగ్** - డేటాసెట్లను చదివి అన్వేషించడం నేర్చుకోండి
- 📊 **సాధారణ విశ్లేషణ** - గణాంకాలు లెక్కించండి మరియు నమూనాలను కనుగొనండి
- 📈 **ప్రాథమిక విజువలైజేషన్** - చార్ట్లు మరియు గ్రాఫ్లు సృష్టించండి
- 🔬 **నిజమైన ప్రపంచ ప్రాజెక్టు** - ప్రారంభం నుండి పూర్తిఅవ్వడం వరకు వర్క్ఫ్లో
- 🌟 **హెలో వరల్డ్** – మీ మొదటి డేటా సైన్స్ ప్రోగ్రామ్
| 01 | డేటా సైన్స్ నిర్వచనం | [పరిచయము](1-Introduction/README.md) | డేటా సైన్స్ తాత్వికాలు మరియు అది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, మెషిన్ లెర్నింగ్, మరియు పెద్ద డేటాతో ఎలా సంబంధించి ఉండొచ్చో నేర్చుకోండి. | [పాఠం](1-Introduction/01-defining-data-science/README.md) [వీడియో](https://youtu.be/beZ7Mb_oz9I) | [ద్మిత్రి](http://soshnikov.com) |
| 02 | డేటా సైన్స్ నైతికత | [పరిచయము](1-Introduction/README.md) | డేటా నైతికత భావనలు, సవాళ్లు & ఫ్రేమ్వర్క్లు. | [పాఠం](1-Introduction/02-ethics/README.md) | [నిత్య](https://twitter.com/nitya) |
| 03 | డేటా నిర్వచనం | [పరిచయము](1-Introduction/README.md) | డేటాను ఎలా వర్గీకరిస్తారు మరియు దాని సాధారణ మూలాలు. | [పాఠం](1-Introduction/03-defining-data/README.md) | [జాస్మిన్](https://www.twitter.com/paladique) |
| 04 | గణితం & సంభావ్యత పరిచయం | [పరిచయము](1-Introduction/README.md) | డేటా అర్థం చేసుకోవడానికి సంభావ్యత మరియు గణాంకాల గణిత సాంకేతికతలు. | [పాఠం](1-Introduction/04-stats-and-probability/README.md) [వీడియో](https://youtu.be/Z5Zy85g4Yjw) | [ద్మిత్రి](http://soshnikov.com) |
| 05 | రిలేషనల్ డేటాతో పని | [డేటాతో పని](2-Working-With-Data/README.md) | రిలేషనల్ డేటాకు పరిచయం మరియు SQL (‘‘సీ-క్వెల్’’ గా ఉచ్చరించబడుతుంది) తో రిలేషనల్ డేటాను అన్వేషించడం మరియు విశ్లేషించడం. | [పాఠం](2-Working-With-Data/05-relational-databases/README.md) | [క్రిస్టఫర్](https://www.twitter.com/geektrainer) | | |
| 06 | నాన్-SQL డేటాతో పని | [డేటాతో పని](2-Working-With-Data/README.md) | నాన్-రిలేషనల్ డేటాకు పరిచయం, దాని వివిధ రకాలు మరియు డాక్యుమెంట్ డేటాబేస్లను అన్వేషించడం మరియు విశ్లేషించడం. | [పాఠం](2-Working-With-Data/06-non-relational/README.md) | [జాస్మిన్](https://twitter.com/paladique)|
| 07 | పైథాన్తో పని | [డేటాతో పని](2-Working-With-Data/README.md) | పాండాస్ వంటి లైబ్రరీలతో డేటా అన్వేషణకు పైథాన్ను ఉపయోగించడం యొక్క ప్రాథమికాలు. పైథాన్ ప్రోగ్రామింగ్ పునాది అవగాహన సిఫార్సు చేయబడింది. | [పాఠం](2-Working-With-Data/07-python/README.md) [వీడియో](https://youtu.be/dZjWOGbsN4Y) | [ద్మిత్రి](http://soshnikov.com) |
| 08 | డేటా ప్రిపరేషన్ | [డేటాతో పని](2-Working-With-Data/README.md) | డేటాను శుభ్రపరచడం మరియు మార్చడం కోసం సాంకేతిక పాఠాలు, లేపి, తప్పు, లేదా అసంపూర్ణ డేటా యొక్క సవాళ్లను ఎదుర్కోవడం. | [పాఠం](2-Working-With-Data/08-data-preparation/README.md) | [జాస్మిన్](https://www.twitter.com/paladique) |
| 09 | పరిమాణాల దృశ్యీకరణ | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | మ్యాట్ప్లాట్లిబ్ ఉపయోగించి పైజనుల డేటా విజువలైజ్ చేయడం నేర్చుకోండి 🦆 | [పాఠం](3-Data-Visualization/09-visualization-quantities/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 10 | డేటా పంపిణీల దృశ్యీకరణ | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | మధ్యాంతరంలో పర్యవేక్షణలు మరియు ధోరణులను దర్శించడం. | [పాఠం](3-Data-Visualization/10-visualization-distributions/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 11 | అనుపాతాల దృశ్యీకరణ | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | విడినిమయ మరియు సమూహీకృత శాతం విజువలైజ్ చేయడం. | [పాఠం](3-Data-Visualization/11-visualization-proportions/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 12 | సంబంధాల దృశ్యీకరణ | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | డేటా సెట్లు మరియు వాటి చరాల మధ్య సంబంధాలు మరియు సహసంబంధాలను చూపించడం. | [పాఠం](3-Data-Visualization/12-visualization-relationships/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 13 | అర్థవంతమైన విజువలైజేషన్స్ | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | మీ విజువలైజేషన్స్ను సమర్థవంతమైన సమస్య పరిష్కారం మరియు అవగాహన కోసం విలువైనవిగా చేయడానికి సాంకేతికతలు మరియు మార్గనిర్దేశం. | [పాఠం](3-Data-Visualization/13-meaningful-visualizations/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 14 | డేటా సైన్స్ జీవనచక్ర పరిచయము | [జీవనచక్రం](4-Data-Science-Lifecycle/README.md) | డేటా సైన్స్ జీవనచక్రం పరిచయం మరియు డేటాను సేకరించి వెలికి తీయడం మొదటి దశ. | [పాఠం](4-Data-Science-Lifecycle/14-Introduction/README.md) | [జాస్మిన్](https://twitter.com/paladique) |
| 15 | విశ్లేషణ | [జీవనచక్రం](4-Data-Science-Lifecycle/README.md) | డేటాను విశ్లేషించడానికి ఈ దశలో సాంకేతికతలకు దృష్టి. | [పాఠం](4-Data-Science-Lifecycle/15-analyzing/README.md) | [జాస్మిన్](https://twitter.com/paladique) | | |
| 16 | కమ్యూనికేషన్ | [జీవనచక్రం](4-Data-Science-Lifecycle/README.md) | డేటా వెనుక ఉన్న అవగాహనలను తీసుకుని నిర్ణయాలు తీసుకునేవారికి అర్థమయ్యే రీతిలో ప్రవృత్తి చేసే దశ. | [పాఠం](4-Data-Science-Lifecycle/16-communication/README.md) | [జాలెన్](https://twitter.com/JalenMcG) | | |
| 17 | క్లౌడ్లో డేటా సైన్స్ | [క్లౌడ్ డేటా](5-Data-Science-In-Cloud/README.md) | క్లౌడ్లో డేటా సైన్స్ పరిచయం మరియు దాని ప్రయోజనాలు. | [పాఠం](5-Data-Science-In-Cloud/17-Introduction/README.md) | [టిఫాని](https://twitter.com/TiffanySouterre) మరియు [మాడ్](https://twitter.com/maudstweets) |
| 18 | క్లౌడ్లో డేటా సైన్స్ | [క్లౌడ్ డేటా](5-Data-Science-In-Cloud/README.md) | లో కోడ్ టూల్స్ ఉపయోగించి ట్రైనింగ్ మోడల్స్. |[పాఠం](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [టిఫాని](https://twitter.com/TiffanySouterre) మరియు [మాడ్](https://twitter.com/maudstweets) |
| 19 | క్లౌడ్లో డేటా సైన్స్ | [క్లౌడ్ డేటా](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning స్టూడియోతో మోడల్స్ క్రియేట్ చేయడం. | [పాఠం](5-Data-Science-In-Cloud/19-Azure/README.md)| [టిఫాని](https://twitter.com/TiffanySouterre) మరియు [మాడ్](https://twitter.com/maudstweets) |
| 20 | వనంలో డేటా సైన్స్ | [వనంలో](6-Data-Science-In-Wild/README.md) | నిజమైన ప్రపంచంలో డేటా సైన్స్ ఆధారిత ప్రాజెక్టులు. | [పాఠం](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [నిత్య](https://twitter.com/nitya) |
## GitHub కోడ్స్పేసెస్
ఈ నమూనాను కోడ్స్పేస్లో ఓపెన్ చేయడానికి ఈ దశలను అనుసరించండి:
1. కోడ్ డ్రాప్-డౌన్ మెనును క్లిక్ చేసి Open with Codespaces ఎంపికను ఎంచుకోండి.
2. ప్యానెల్ దిగువన + New codespace ఎంచుకోండి.
మరిన్ని వివరాలకు, [GitHub డొక్యుమెంటేషన్](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) చూడండి.
## VSCode రిమోట్ - కంటేనర్లు
మీ స్థానిక యంత్రం మరియు VSCode ఉపయోగించి VS Code Remote - Containers విస్తరణతో ఈ రెపోను కంటైనర్లో ఓపెన్ చేయడానికి ఈ దశలను అనుసరించండి:
1. మీరు మొదటిసారి డెవలప్మెంట్ కంటైనర్ ఉపయోగించేటప్పుడు, మీ సిస్టమ్ ప్రీ-రకల నిబంధనలను (అంటే Docker ఇన్స్టాల్ చేసినట్లు) [Getting Started డాక్యుమెంటేషన్](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)లో చూసుకోండి.
ఈ రెపోను ఉపయోగించడానికి, మీరు రిపాజిటరీని వేరుచేసిన Docker వాల్యూమ్లో ఓపెన్ చేయవచ్చు:
**గమనిక**: ఇది Remote-Containers: **Clone Repository in Container Volume...** కమాండ్ ఉపయోగించి స్థానిక ఫైల్ సిస్టమ్ బదులుగా Docker వాల్యూమ్లో సోర్స్ కోడ్ను క్లోన్ చేస్తుంది. [Volumes](https://docs.docker.com/storage/volumes/) కంటైనర్ డేటాను నిల్వ చేయడానికి అత్యంత ప్రాధాన్యత కలిగిన మెకానిజం.
లేదా స్థానికంగా క్లోన్ చెయ్యబడిన లేదా డౌన్లోడ్ చేసిన రెపోను ఓపెన్ చేయండి:
- ఈ రెపోను మీ స్థానిక ఫైల్ సిస్టమ్కి క్లోన్ చేయండి.
| 01 | డేటా సైన్స్ నిర్వచనం | [పరిచయం](1-Introduction/README.md) | డేటా సైన్స్ వెనుక ప్రాథమిక భావనలు, మరియు అది కృతిమ సున్నితత్వం, మెషీన్ లెర్నింగ్, మరియు బిగ్ డేటాతో ఎలా సంబంధం ఉన్నదో తెలుసుకోండి. | [పాఠం](1-Introduction/01-defining-data-science/README.md) [వీడియో](https://youtu.be/beZ7Mb_oz9I) | [ద్మిత్రి](http://soshnikov.com) |
| 02 | డేటా సైన్స్ నైతికత | [పరిచయం](1-Introduction/README.md) | డేటా నైతికత భావనలు, సవాళ్లు & ఫ్రేమ్వర్క్లు. | [పాఠం](1-Introduction/02-ethics/README.md) | [నిత్య](https://twitter.com/nitya) |
| 03 | డేటా నిర్వచనం | [పరిచయం](1-Introduction/README.md) | డేటా ఎలా వర్గీకరించబడింది మరియు దాని సాధారణ మూలాలు. | [పాఠం](1-Introduction/03-defining-data/README.md) | [జాస్మిన్](https://www.twitter.com/paladique) |
| 04 | గణాంకాలు & సంభావ్యతకు పరిచయం | [పరిచయం](1-Introduction/README.md) | డేటాను అర్థం చేసుకోవడానికి సంభావ్యత మరియు గణాంకాల గణిత సాంకేతికతలు. | [పాఠం](1-Introduction/04-stats-and-probability/README.md) [వీడియో](https://youtu.be/Z5Zy85g4Yjw) | [ద్మిత్రి](http://soshnikov.com) |
| 05 | రిలేషనల్ డేటాతో పని చేయడం | [డేటాతో పని](2-Working-With-Data/README.md) | రిలేషనల్ డేటాకు పరిచయం మరియు స్ట్రక్చర్డ్ క్వైనల్ లాంగ్వేజ్ (SQL) తో రిలేషనల్ డేటా విశ్లేషణ మరియు అన్వేషణ వ్యతిరేకంగా ప్రాథమికాలు. | [పాఠం](2-Working-With-Data/05-relational-databases/README.md) | [క్రిస్టోఫర్](https://www.twitter.com/geektrainer) | | |
| 06 | నాన్-SQL డేటాతో పని చేయడం | [డేటాతో పని](2-Working-With-Data/README.md) | నాన్-రిలేషనల్ డేటా, దాని వివిధ రకాలు మరియు డాక్యుమెంట్ డేటాబేస్ల అన్వేషణ మరియు విశ్లేషణ యొక్క ప్రాథమికాలు. | [పాఠం](2-Working-With-Data/06-non-relational/README.md) | [జాస్మిన్](https://twitter.com/paladique)|
| 07 | Pythonతో పని చేయడం | [డేటాతో పని](2-Working-With-Data/README.md) | పాండాస్ వంటి లైబ్రరీలతో డేటా అన్వేషణకు Python ఉపయోగించే ప్రాథమికాలు. Python ప్రోగ్రామింగ్ యొక్క మౌలిక అవగాహన అవసరం. | [పాఠం](2-Working-With-Data/07-python/README.md) [వీడియో](https://youtu.be/dZjWOGbsN4Y) | [ద్మిత్రి](http://soshnikov.com) |
| 08 | డేటా సన్నాహకం | [డేటాతో పని](2-Working-With-Data/README.md) | గాయపడి, తప్పు లేదా অসম్పూర్ణ డేటా సమస్యలను నిర్వహించడానికి డేటా శుభ్రం మరియు మార్చు సాంకేతికాలు. | [పాఠం](2-Working-With-Data/08-data-preparation/README.md) | [జాస్మిన్](https://www.twitter.com/paladique) |
| 09 | పరిమాణాలను విజువలైజ్ చేయడం | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | మట్లాబ్ ఉపయోగించి బర్డ్ డేటాను విజువలైజ్ చేయడం నేర్చుకోండి 🦆 | [పాఠం](3-Data-Visualization/09-visualization-quantities/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 10 | డేటా పంపిణీలను విజువలైజ్ చేయడం | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | ఆబ్జర్వేషన్లను మరియు ట్రెండ్లను ఒక ఇంటర్వెల్లో విజువలైజ్ చేయడం. | [పాఠం](3-Data-Visualization/10-visualization-distributions/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 11 | అనుపాతాలను విజువలైజ్ చేయడం | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | విడిపోయిన మరియు సమూహిత శాతం విజువలైజింగ్. | [పాఠం](3-Data-Visualization/11-visualization-proportions/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 12 | సంబంధాలను విజువలైజ్ చేయడం | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | డేటా సెట్ల మధ్య సంబంధాలు మరియు సహసంబంధాలను విజువలైజ్ చేయడం. | [పాఠం](3-Data-Visualization/12-visualization-relationships/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 13 | అర్థవంతమైన విజువలైజేషన్లు | [డేటా విజువలైజేషన్](3-Data-Visualization/README.md) | మీ విజువలైజేషన్లను విలువైనది కావడానికి సాంకేతికాలు మరియు మార్గదర్శకాలు. | [పాఠం](3-Data-Visualization/13-meaningful-visualizations/README.md) | [జెన్](https://twitter.com/jenlooper) |
| 14 | డేటా సైన్స్ జీవిత చక్రానికి పరిచయం | [జీవిత చక్రం](4-Data-Science-Lifecycle/README.md) | డేటా సైన్స్ జీవిత చక్రానికి పరిచయం మరియు డేటాను సేకరించడం, పొందడం మొదటి దశ. | [పాఠం](4-Data-Science-Lifecycle/14-Introduction/README.md) | [జాస్మిన్](https://twitter.com/paladique) |
| 15 | విశ్లేషణ | [జీవిత చక్రం](4-Data-Science-Lifecycle/README.md) | డేటా విశ్లేషణ సాంకేతికతలపై దృష్టి సారించే డేటా సైన్స్ జీవిత చక్ర దశ. | [పాఠం](4-Data-Science-Lifecycle/15-analyzing/README.md) | [జాస్మిన్](https://twitter.com/paladique) | | |
| 16 | కమ్యూనికేషన్ | [జీవిత చక్రం](4-Data-Science-Lifecycle/README.md) | డేటా నుండి సంపాదించిన సమాచారాన్ని నిర్ణయ మేకర్లకు అర్థమయ్యే విధంగా అందించే దశ. | [పాఠం](4-Data-Science-Lifecycle/16-communication/README.md) | [జాలెన్](https://twitter.com/JalenMcG) | | |
| 17 | క్లౌడ్లో డేటా సైన్స్ | [క్లౌడ్ డేటా](5-Data-Science-In-Cloud/README.md) | ఈ సిరీస్ క్లౌడ్లో డేటా సైన్స్ మరియు దాని ప్రయోజనాలను పరిచయం చేస్తుంది. | [పాఠం](5-Data-Science-In-Cloud/17-Introduction/README.md) | [టిఫనీ](https://twitter.com/TiffanySouterre) మరియు [మాడ్](https://twitter.com/maudstweets) |
| 18 | క్లౌడ్లో డేటా సైన్స్ | [క్లౌడ్ డేటా](5-Data-Science-In-Cloud/README.md) | Low Code టూల్స్ ఉపయోగించి మోడళ్లు శిక్షణ. |[పాఠం](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [టిఫనీ](https://twitter.com/TiffanySouterre) మరియు [మాడ్](https://twitter.com/maudstweets) |
| 19 | క్లౌడ్లో డేటా సైన్స్ | [క్లౌడ్ డేటా](5-Data-Science-In-Cloud/README.md) | Azure మెషిన్ లెర్నింగ్ స్టూడియోతో మోడళ్లు డిప్లాయ్ చేయడం. | [పాఠం](5-Data-Science-In-Cloud/19-Azure/README.md)| [టిఫనీ](https://twitter.com/TiffanySouterre) మరియు [మాడ్](https://twitter.com/maudstweets) |
| 20 | వన్య లో డేటా సైన్స్ | [In the Wild](6-Data-Science-In-Wild/README.md) | వాస్తవ ప్రపంచంలో డేటా సైన్స్ నడిపించే ప్రాజెక్టులు. | [పాఠం](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [నిత్య](https://twitter.com/nitya) |
## GitHub కోడ్స్పేస్లు
ఈ నమూనాను కోడ్స్పేస్లో తెరవడానికి ఈ దశలను అనుసరించండి:
1. కోడ్ డ్రాప్-డౌన్ మెనూలో క్లిక్ చేసి Open with Codespaces ఎంపికను ఎంచుకోండి.
2. ప్యానెల్ కింద భాగంలో + New codespace ఎంచుకోండి.
అధిక సమాచారం కోసం, [GitHub డాక్యుమెంటేషన్](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) చూడండి.
## VSCode రిమోట్ - కంటెయినర్లు
మీ స్థానిక మెషిన్ మరియు VSCode ఉపయోగించి ఈ రిపోను కంటెయినర్లో తెరవడానికి ఈ దశలను అనుసరించండి:
1. మీరు మొదటిసారి డెవలప్మెంట్ కంటెయినర్ ఉపయోగిస్తుంటే, మీ సిస్టమ్ ప్రీ-రిక్విసిట్లను (అంటే Docker ఇపుడే ఇన్స్టాల్ చేయబడింది) [గెట్ స్టార్టెడ్ డాక్యుమెంటేషన్](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) లో చూసుకోవాలి.
ఈ రిపోను ఉపయోగించడానికి, లేదా సాధారణంగా డాకర్ వాల్యూమ్ను ఉపయోగించి రిపోను ఓపెన్ చేయవచ్చు:
**గమనిక**: ఈ క్రింద రిమోట్-కంటెయినర్స్: **Clone Repository in Container Volume...** కమాండ్ ఉపయోగించి సోర్స్ కోడ్ను స్ధానిక ఫైల్ సిస్టమ్ బదులుగా డాకర్ వాల్యూమ్లో క్లోన్ చేస్తుంది. [వాల్యూమ్లు](https://docs.docker.com/storage/volumes/) కంటెయినర్ డేటా నిల్వ కొరకు ఇష్టమైన పద్ధతి.
లేదా స్థానికంగా క్లోన్ చేయబడిన లేదా డౌన్లోడ్ చేసిన రిపోను తెరవాలి:
- ఈ రిపోను మీ స్థానిక ఫైల్ సిస్టమ్కు క్లోన్ చేయండి.
- F1 నొక్కి **Remote-Containers: Open Folder in Container...** కమాండ్ ఎంచుకోండి.
- ఈ ఫోల్డర్ యొక్క క్లోన్ చేసిన ప్రతిని ఎంచుకుని, కంటైనర్ ప్రారంభమయ్యేవరకు వేచి ఉండండి, మరియు ప్రయత్నించండి.
- ఈ ఫోల్డరు క్లోన్ చేసిన కాపీ ఎంచుకుని, కంటెయినర్ ప్రారంభం కావడానికి వేచిచూడండి, ఆపై ప్రయత్నించండి.
## ఆఫ్లైన్ యాక్సెస్
మీరు ఈ డాక్యుమెంటేషన్ను ఆఫ్లైన్లో [Docsify](https://docsify.js.org/#/) ఉపయోగించి నడపవచ్చు. ఈ రెపోను ఫార్క్ చేసి, మీ స్థానిక యంత్రంపై [Docsify ఇన్స్టాల్](https://docsify.js.org/#/quickstart)చేసి, ఈ రెపో యొక్క రూట్ ఫోల్డర్లో `docsify serve` టైప్ చేయండి. వెబ్సైట్ స్థానికహోస్ట్ 3000 పోర్టులో అందుబాటులో ఉంటుంది: `localhost:3000`.
మీరు [Docsify](https://docsify.js.org/#/) ఉపయోగించి ఈ డాక్యుమెంటేషన్ను ఆఫ్లైన్లోనూ నడిపించవచ్చు. ఈ రిపోను ఫోర్క్ చేసి, మీ స్థానిక మెషిన్నులో [Docsify ఇన్స్టాల్](https://docsify.js.org/#/quickstart) చేసి, ఆ రిపో యొక్క రూట్ ఫోల్డర్లో `docsify serve` టైప్ చేయండి. వెబ్సైట్ మీ localhost: 3000 పోర్ట్లో అందుబాటులో ఉంటుంది: `localhost:3000`.
> గమనిక, నోట్బుక్స్ Docsify ద్వారా రేండర్ అవవు, కాబట్టి మీరు నోట్బుక్ నడపవలసినప్పుడు, దాన్ని వేరుగా VS Codeలో పైథాన్ కర్నల్ నడుపుతూ చేయండి.
> గమనిక, నోట్బుక్స్ Docsify ద్వారా రేండ్ర్ చేయబడవు, కనుక మీరు నోట్బుక్ నడపాల్సినప్పుడు, దాన్ని వేరుగా VS Code లో Python కర్నెల్ నడుపుతూ చేయాలి.
## ఇతర పాఠ్యాంశాలు
## ఇతర పాఠ్యక్రమాలు
మన టీమ్ ఇతర పాఠ్యాంశాలను తయారుచేస్తుంది! చూడండి:
మా జట్టు ఇతర పాఠ్యక్రమాలు కూడా తయారు చేస్తుంది! చూడండి:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -210,7 +208,7 @@
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
### ఆజ్యూర్ / ఎజ్ / MCP / ఏజెంట్లు
### అజ్యూర్ / ఎడ్జ్ / MCP / ఏజెంట్లు
[](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)
@ -237,27 +235,27 @@
---
### కోపిలట్ సిరీస్
### కోపైలట్ సిరీస్
[](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)
**సమస్యలు ఎదుర్కొంటున్నారా?** సాధారణ సమస్యలకు పరిష్కారాల కోసం మా [ట్రబ్బుల్షూటింగ్ గైడ్](TROUBLESHOOTING.md) ను తనిఖీ చేయండి.
**సమస్యలు ఎదురవుతున్నాయా?** సాధారణ సమస్యలకు పరిష్కారాలను తెలుసుకోవడానికి మా [సమస్య పరిష్కరణ గైడ్](TROUBLESHOOTING.md) ను చూడండి.
మీరు అడ్డుకుపోవడం లేదా AI యాప్ల నిర్మాణంపై ఏదైనా ప్రశ్నలు ఉన్నట్లయితే, ఇతర పాఠకులు మరియు అనుభవజ్ఞులైన డెవలపర్లతో MCP గురించి చర్చలకు చేరండి. ఇది ప్రశ్నలు అడగడానికి మరియు జ్ఞానం ఉచితంగా పంచుకోవడానికి ఒక మద్దతు సమాజం.
మీరు అడ్డుకుపోయినట్లయితే లేదా AI యాప్లను నిర్మించడంపై ఏవైనా ప్రశ్నలు ఉంటే. MCP గురించి చర్చల్లో భాగమైన సహచర అభ్యసకులు మరియు అనుభవజ్ఞులైన డెవలపర్లు ఉన్న సమాజంలో చేరండి. ఇది ప్రశ్నలకు స్వాగతం పలికే, జ్ఞానం స్వేచ్ఛగా పంచుకునే మద్దతు సమాజం.
ఈ డాక్యుమెంట్ AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మనం ఖచ్చితత్వం కోసం ప్రయత్నిస్తున్నప్పటికీ, ఆటోమేటెడ్ అనువాదాలలో తప్పులూ లేదా లోపాలూ ఉండవచ్చు. స్వదేశ భాషలో ఉన్న మూల డాక్యుమెంట్ను అధికారిక మూలంగా పరిగణించడం మంచిది. కీలక సమాచారానికి, వృత్తిపరమైన మానవ అనువాదం అర్హత సాధించేది. ఈ అనువాదం వాడుక వల్ల సంభవించే ఏయే అపార్థాలు లేదా తప్పుగా అర్థం చేసుకోవడాలు ఆ జవాబుదారీత మనది కాదు.
**దస్సావరణం**:
ఈ డాక్యుమెంట్ AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. సమాచార ఖచ్చితత్వానికి మేము ప్రయత్నిస్తున్నప్పటికీ, స్వయంచాలక అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. స్థానిక భాషలో ఉన్న అసలు డాక్యుమెంట్ అధికారిక మూలం గా పరిగణించాలి. ముఖ్యమైన సమాచారంతో సంబంధించినట్లయితే, నిపుణుల చేతి అనువాదం అవసరం. ఈ అనువాదం ఉపయోగించుట వల్ల కలిగే ఏదైనా తప్పుదోవ పట్టుకొనటం లేదా అర్ధం తప్పుదోవ పడుటకు మేము బాధ్యులవము కతి.
localizeflow[bot]
6 days ago