diff --git a/translations/kn/.co-op-translator.json b/translations/kn/.co-op-translator.json
index 4e41b4e7..f87bb324 100644
--- a/translations/kn/.co-op-translator.json
+++ b/translations/kn/.co-op-translator.json
@@ -12,8 +12,8 @@
"language_code": "kn"
},
"1-Introduction/01-defining-data-science/notebook.ipynb": {
- "original_hash": "8f5eb7b3f7cc89e6d98fb32e1de65dec",
- "translation_date": "2026-02-27T10:47:14+00:00",
+ "original_hash": "8eb07e3d899aaba7ea9c9ec9b5aa2850",
+ "translation_date": "2026-07-17T23:30:17+00:00",
"source_file": "1-Introduction/01-defining-data-science/notebook.ipynb",
"language_code": "kn"
},
@@ -42,8 +42,8 @@
"language_code": "kn"
},
"1-Introduction/03-defining-data/README.md": {
- "original_hash": "12339119c0165da569a93ddba05f9339",
- "translation_date": "2025-12-19T14:00:15+00:00",
+ "original_hash": "7217c6f9eb464d4ff4bae6c036ab53cb",
+ "translation_date": "2026-07-17T23:32:56+00:00",
"source_file": "1-Introduction/03-defining-data/README.md",
"language_code": "kn"
},
@@ -65,6 +65,12 @@
"source_file": "1-Introduction/04-stats-and-probability/assignment.md",
"language_code": "kn"
},
+ "1-Introduction/04-stats-and-probability/notebook.ipynb": {
+ "original_hash": "0c77e104b29c723287bf11b773fcc5d5",
+ "translation_date": "2026-07-17T23:31:18+00:00",
+ "source_file": "1-Introduction/04-stats-and-probability/notebook.ipynb",
+ "language_code": "kn"
+ },
"1-Introduction/README.md": {
"original_hash": "696a8474a01054281704cbfb09148949",
"translation_date": "2025-12-19T13:23:24+00:00",
@@ -108,8 +114,8 @@
"language_code": "kn"
},
"2-Working-With-Data/07-python/notebook-covidspread.ipynb": {
- "original_hash": "6335cccba01dc6ad7b15aba7a8c73f38",
- "translation_date": "2026-02-27T10:48:59+00:00",
+ "original_hash": "da97f98781c7cd271063f605fe8d71d0",
+ "translation_date": "2026-07-17T23:29:46+00:00",
"source_file": "2-Working-With-Data/07-python/notebook-covidspread.ipynb",
"language_code": "kn"
},
@@ -192,14 +198,14 @@
"language_code": "kn"
},
"3-Data-Visualization/13-meaningful-visualizations/solution/README.md": {
- "original_hash": "5c51a54dd89075a7a362890117b7ed9e",
- "translation_date": "2025-12-19T16:19:08+00:00",
+ "original_hash": "2b3b2632bb02af608ca60be828e8097d",
+ "translation_date": "2026-07-17T23:33:05+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/solution/README.md",
"language_code": "kn"
},
"3-Data-Visualization/13-meaningful-visualizations/starter/README.md": {
- "original_hash": "5c51a54dd89075a7a362890117b7ed9e",
- "translation_date": "2025-12-19T16:18:22+00:00",
+ "original_hash": "2b3b2632bb02af608ca60be828e8097d",
+ "translation_date": "2026-07-17T23:33:00+00:00",
"source_file": "3-Data-Visualization/13-meaningful-visualizations/starter/README.md",
"language_code": "kn"
},
diff --git a/translations/kn/1-Introduction/01-defining-data-science/notebook.ipynb b/translations/kn/1-Introduction/01-defining-data-science/notebook.ipynb
index 75e2311c..e83698ba 100644
--- a/translations/kn/1-Introduction/01-defining-data-science/notebook.ipynb
+++ b/translations/kn/1-Introduction/01-defining-data-science/notebook.ipynb
@@ -2,420 +2,319 @@
"cells": [
{
"cell_type": "markdown",
+ "metadata": {},
"source": [
- "# ಸವಾಲು: ಡೇಟಾ ವಿಜ್ಞಾನ ಸಂಬಂಧಿತ ಪಠ್ಯ ವಿಶ್ಲೇಷಣೆ\n",
+ "# ಚಾಲೆಂಜ್: ಡೇಟಾ ಸೈನ್ಸ್ ಬಗ್ಗೆ ಪಠ್ಯ ವಿಶ್ಲೇಷಣೆ\n",
"\n",
- "ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ಪರಂಪರাগত ಡೇಟಾ ವಿಜ್ಞಾನ ಪ್ರಕ್ರಿಯೆಯ ಎಲ್ಲಾ ಹಂತಗಳನ್ನು ಒಳಗೊಂಡ ಸರಳ ವ್ಯಾಯಾಮವನ್ನು ಮಾಡೋಣ. ನೀವು ಯಾವುದೇ ಕೋಡ್ ಬರೆಯಬೇಕಾಗಿಲ್ಲ, ಕೆಳಗಿನ ಸೆಲ್ಗಳನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಅವುಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಗಮನಿಸಬಹುದು. ಸವಾಲಿನಾಗಿ, ನೀವು ಈ ಕೋಡ್ ಅನ್ನು ವಿಭಿನ್ನ ಡೇಟಾ ಬಳಸಿ ಪ್ರಯತ್ನಿಸಲು ಪ್ರೋತ್ಸಾಹಿಸಲಾಗಿದೆ.\n",
+ "ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ಪ್ರಾಮಾಣಿಕ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರಕ್ರಿಯೆಯ ಎಲ್ಲಾ ಹಂತಗಳನ್ನು ಒಳಗೊಂಡ ಸರಳ ವ್ಯಾಯಾಮವನ್ನು ಮಾಡೋಣ. ನೀವು ಯಾವುದೇ ಕೋಡ್ ಬರೆಯಬೇಕಾಗಿಲ್ಲ, ಕೆಳಗಿನ ಸೆಲ್ಗಳ ಮೇಲೆ ಕ್ಲಿಕ್ ಮಾಡಿ ಅವುಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ ಫಲಿತಾಂಶವನ್ನು ಅಲೋಕಿಸಬಹುದು. ಚಾಲೆಂಜ್ಗೆ, ನೀವು ವಿಭಿನ್ನ ಡೇಟಾ ಜೊತೆ ಈ ಕೋಡ್ ಅನ್ನು ಪ್ರಯತ್ನಿಸಲು ಪ್ರోత್ಸಾಹಿತರಾಗಿದ್ದೀರಿ.\n",
"\n",
"## ಗುರಿ\n",
"\n",
- "ಈ ಪಾಠದಲ್ಲಿ, ನಾವು ಡೇಟಾ ವಿಜ್ಞಾನಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ವಿವಿಧ ಕಲ್ಪನೆಗಳನ್ನು ಚರ್ಚಿಸಿರುವೆವು. ಕೆಲವು **ಪಠ್ಯ ಗಣನೆ**ಗಳನ್ನು ಮಾಡಿ ಹೆಚ್ಚು ಸಂಬಂಧಿತ ಕಲ್ಪನೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸೋಣ. ನಾವು ಡೇಟಾ ವಿಜ್ಞಾನ ಕುರಿತು ಪಠ್ಯದಿಂದ ಪ್ರಾರಂಭಿಸಿ, ಅದರಿಂದ ಕೀವರ್ಡ್ಗಳನ್ನು ಹೊರತೆಗೆಯುತ್ತೇವೆ, ನಂತರ ಫಲಿತಾಂಶವನ್ನು ದೃಶ್ಯಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತೇವೆ.\n",
+ "ಈ ಪಾಠದಲ್ಲಿ, ನಾವು ಡೇಟಾ ಸೈನ್ಸ್ಗೆ ಸಂಬಂಧಿಸಿದ ವಿಭಿನ್ನ ಕಲ್ಪನೆಗಳನ್ನು ಚರ್ಚಿಸುತ್ತಿದ್ದೇವೆ. ಕೆಲವು **ಪಠ್ಯ ಮೈನಿಂಗ್** ಅನ್ನು ಮಾಡಿ ಇನ್ನಷ್ಟು ಸಂಬಂಧಿತ ಕಲ್ಪನೆಗಳನ್ನು ಆವಿಷ್ಕರಿಸಲು ಪ್ರಯತ್ನಿಸೋಣ. ನಾವು ಡೇಟಾ ಸೈನ್ಸ್ ಬಗ್ಗೆ ಪಠ್ಯದಿಂದ ಪ್ರಾರಂಭಿಸಿ, ಅದರಲ್ಲಿಂದ ಪ್ರಮುಖ كلمات ಹೊರತೆಗೆಯೋಣ ಮತ್ತು ನಂತರ ಫಲಿತಾಂಶವನ್ನು ದೃಶ್ಯೀಕರಿಸಲು ಪ್ರಯತ್ನಿಸೋಣ.\n",
"\n",
- "ಪಠ್ಯವಾಗಿ, ನಾನು ವಿಕಿಪೀಡಿಯಾದ ಡೇಟಾ ವಿಜ್ಞಾನ ಪೇಜ್ ಉಪಯೋಗಿಸಲಿದ್ದೇನೆ:\n"
- ],
- "metadata": {}
+ "ಪಠ್ಯವಾಗಿ, ನಾನು ವಿಕಿಪೀಡಿಯಾದ ಡೇಟಾ ಸೈನ್ಸ್ ಪುಟವನ್ನು ಬಳಸುತ್ತೇನೆ:\n"
+ ]
},
{
"cell_type": "markdown",
- "source": [],
- "metadata": {}
+ "metadata": {},
+ "source": []
},
{
"cell_type": "code",
- "execution_count": 62,
+ "execution_count": null,
+ "metadata": {},
+ "outputs": [],
"source": [
"url = 'https://en.wikipedia.org/wiki/Data_science'"
- ],
- "outputs": [],
- "metadata": {}
+ ]
},
{
"cell_type": "markdown",
+ "metadata": {},
"source": [
"## ಹಂತ 1: ಡೇಟಾವನ್ನು ಪಡೆಯುವುದು\n",
"\n",
- "ಪ್ರತಿ ಡೇಟಾ ವಿಜ್ಞಾನ ಪ್ರಕ್ರಿಯೆಯ ಮೊದಲ ಹಂತವೆಂದರೆ ಡೇಟಾವನ್ನು ಪಡೆಯುವುದೆಂದು ಆಗಿದೆ. ನಾವು ಅದಕ್ಕಾಗಿ `requests` ಗ್ರಂಥಾಲಯವನ್ನು ಬಳಸುವುದು:\n"
- ],
- "metadata": {}
+ "ಪ್ರತಿಯೊಂದು ಡೇಟಾ ವಿಜ್ಞಾನ ಪ್ರಕ್ರಿಯೆಯ ಮೊದಲ ಹಂತ ಡೇಟಾವನ್ನು ಪಡೆಯುವುದು. ನಾವು ಅದಕ್ಕಾಗಿ `requests` ಗ್ರಂಥಾಲಯವನ್ನು ಬಳಸುತ್ತೇವೆ:\n"
+ ]
},
{
"cell_type": "code",
- "execution_count": 63,
+ "execution_count": null,
+ "metadata": {},
+ "outputs": [],
"source": [
- "import requests\r\n",
- "\r\n",
- "text = requests.get(url).content.decode('utf-8')\r\n",
- "print(text[:1000])"
- ],
- "outputs": [
- {
- "output_type": "stream",
- "name": "stdout",
- "text": [
- "\n",
- "\n",
- "\n",
- "\n",
- "Data science - Wikipedia\n",
- "