diff --git a/translations/hi/.co-op-translator.json b/translations/hi/.co-op-translator.json index 2279646d..cb3b71fb 100644 --- a/translations/hi/.co-op-translator.json +++ b/translations/hi/.co-op-translator.json @@ -11,12 +11,24 @@ "source_file": "1-Introduction/01-defining-data-science/assignment.md", "language_code": "hi" }, + "1-Introduction/01-defining-data-science/notebook.ipynb": { + "original_hash": "8f5eb7b3f7cc89e6d98fb32e1de65dec", + "translation_date": "2026-02-28T09:15:20+00:00", + "source_file": "1-Introduction/01-defining-data-science/notebook.ipynb", + "language_code": "hi" + }, "1-Introduction/01-defining-data-science/solution/assignment.md": { "original_hash": "a8f79b9c0484c35b4f26e8aec7fc4d56", "translation_date": "2025-08-24T21:32:36+00:00", "source_file": "1-Introduction/01-defining-data-science/solution/assignment.md", "language_code": "hi" }, + "1-Introduction/01-defining-data-science/solution/notebook.ipynb": { + "original_hash": "090bbfbfcb0c40d3d6e3236f836164ea", + "translation_date": "2026-02-28T09:15:50+00:00", + "source_file": "1-Introduction/01-defining-data-science/solution/notebook.ipynb", + "language_code": "hi" + }, "1-Introduction/02-ethics/README.md": { "original_hash": "58860ce9a4b8a564003d2752f7c72851", "translation_date": "2025-10-03T16:15:02+00:00", @@ -95,6 +107,12 @@ "source_file": "2-Working-With-Data/07-python/assignment.md", "language_code": "hi" }, + "2-Working-With-Data/07-python/notebook-covidspread.ipynb": { + "original_hash": "6335cccba01dc6ad7b15aba7a8c73f38", + "translation_date": "2026-02-28T09:16:43+00:00", + "source_file": "2-Working-With-Data/07-python/notebook-covidspread.ipynb", + "language_code": "hi" + }, "2-Working-With-Data/08-data-preparation/README.md": { "original_hash": "1b560955ff39a2bcf2a049fce474a951", "translation_date": "2025-09-05T14:55:08+00:00", @@ -360,8 +378,8 @@ "language_code": "hi" }, "README.md": { - "original_hash": "9204a2806964384a56f5cb0f22bbe953", - "translation_date": "2026-02-06T07:48:09+00:00", + "original_hash": "f671e295a294a2559fc59d1524e001b4", + "translation_date": "2026-02-28T09:21:00+00:00", "source_file": "README.md", "language_code": "hi" }, diff --git a/translations/hi/1-Introduction/01-defining-data-science/README.md b/translations/hi/1-Introduction/01-defining-data-science/README.md index 49058a85..2886148e 100644 --- a/translations/hi/1-Introduction/01-defining-data-science/README.md +++ b/translations/hi/1-Introduction/01-defining-data-science/README.md @@ -6,7 +6,7 @@ --- -[![डेटा साइंस की परिभाषा वीडियो](../../../../translated_images/hi/video-def-ds.6623ee2392ef1abf6d7faf3fad10a4163642811749da75f44e35a5bb121de15c.png)](https://youtu.be/beZ7Mb_oz9I) +[![डेटा साइंस की परिभाषा वीडियो](../../../../translated_images/hi/video-def-ds.6623ee2392ef1abf.webp)](https://youtu.be/beZ7Mb_oz9I) ## [प्री-लेक्चर क्विज़](https://ff-quizzes.netlify.app/en/ds/quiz/0) @@ -144,7 +144,7 @@ इस चुनौती में, हम डेटा साइंस के क्षेत्र से संबंधित अवधारणाओं को खोजने की कोशिश करेंगे, और इसके लिए हम टेक्स्ट का विश्लेषण करेंगे। हम डेटा साइंस पर एक विकिपीडिया लेख लेंगे, टेक्स्ट को डाउनलोड और प्रोसेस करेंगे, और फिर एक वर्ड क्लाउड बनाएंगे, जो इस तरह दिखेगा: -![डेटा साइंस के लिए वर्ड क्लाउड](../../../../translated_images/hi/ds_wordcloud.664a7c07dca57de017c22bf0498cb40f898d48aa85b3c36a80620fea12fadd42.png) +![डेटा साइंस के लिए वर्ड क्लाउड](../../../../translated_images/hi/ds_wordcloud.664a7c07dca57de0.webp) कोड को पढ़ने के लिए [`notebook.ipynb`](../../../../1-Introduction/01-defining-data-science/notebook.ipynb ':ignore') पर जाएं। आप कोड को चला सकते हैं और देख सकते हैं कि यह वास्तविक समय में सभी डेटा ट्रांसफॉर्मेशन कैसे करता है। diff --git a/translations/hi/1-Introduction/01-defining-data-science/notebook.ipynb b/translations/hi/1-Introduction/01-defining-data-science/notebook.ipynb index ae6039b9..8642fd83 100644 --- a/translations/hi/1-Introduction/01-defining-data-science/notebook.ipynb +++ b/translations/hi/1-Introduction/01-defining-data-science/notebook.ipynb @@ -3,15 +3,15 @@ { "cell_type": "markdown", "source": [ - "# चुनौती: डेटा साइंस के बारे में टेक्स्ट का विश्लेषण\n", + "# चुनौती: डेटा विज्ञान से संबंधित टेक्स्ट का विश्लेषण\n", "\n", - "इस उदाहरण में, आइए एक साधारण अभ्यास करें जो पारंपरिक डेटा साइंस प्रक्रिया के सभी चरणों को कवर करता है। आपको कोई कोड लिखने की आवश्यकता नहीं है, आप केवल नीचे दिए गए सेल्स पर क्लिक करके उन्हें निष्पादित कर सकते हैं और परिणाम देख सकते हैं। एक चुनौती के रूप में, आप इस कोड को अलग-अलग डेटा के साथ आज़माने के लिए प्रोत्साहित किए जाते हैं।\n", + "इस उदाहरण में, आइए एक सरल अभ्यास करें जो पारंपरिक डेटा विज्ञान प्रक्रिया के सभी चरणों को कवर करता है। आपको कोई कोड लिखने की आवश्यकता नहीं है, आप केवल नीचे दिए गए सेल्स पर क्लिक करके उन्हें निष्पादित कर सकते हैं और परिणाम देख सकते हैं। एक चुनौती के रूप में, आपको इस कोड को विभिन्न डेटा के साथ आज़माने के लिए प्रोत्साहित किया जाता है।\n", "\n", "## लक्ष्य\n", "\n", - "इस पाठ में, हमने डेटा साइंस से संबंधित विभिन्न अवधारणाओं पर चर्चा की है। आइए कुछ **टेक्स्ट माइनिंग** करके अधिक संबंधित अवधारणाओं की खोज करने की कोशिश करें। हम डेटा साइंस के बारे में एक टेक्स्ट से शुरुआत करेंगे, उसमें से कीवर्ड निकालेंगे, और फिर परिणाम को विज़ुअलाइज़ करने की कोशिश करेंगे।\n", + "इस पाठ में, हमने डेटा विज्ञान से संबंधित विभिन्न अवधारणाओं पर चर्चा की है। आइए कुछ **टेक्स्ट माइनिंग** करके अधिक संबंधित अवधारणाओं की खोज करने का प्रयास करें। हम डेटा विज्ञान के बारे में एक टेक्स्ट से शुरू करेंगे, उससे कीवर्ड निकालेंगे, और फिर परिणाम को दृश्य रूप में प्रदर्शित करने का प्रयास करेंगे।\n", "\n", - "टेक्स्ट के रूप में, मैं विकिपीडिया पर डेटा साइंस के पेज का उपयोग करूंगा:\n" + "एक टेक्स्ट के रूप में, मैं विकिपीडिया के डेटा विज्ञान पृष्ठ का उपयोग करूंगा:\n" ], "metadata": {} }, @@ -32,9 +32,9 @@ { "cell_type": "markdown", "source": [ - "## चरण 1: डेटा प्राप्त करना\n", + "## Step 1: डेटा प्राप्त करना\n", "\n", - "हर डेटा साइंस प्रक्रिया का पहला चरण डेटा प्राप्त करना होता है। हम इसे करने के लिए `requests` लाइब्रेरी का उपयोग करेंगे:\n" + "हर डेटा विज्ञान प्रक्रिया में पहला कदम डेटा प्राप्त करना होता है। हम इसे करने के लिए `requests` लाइब्रेरी का उपयोग करेंगे:\n" ], "metadata": {} }, @@ -66,45 +66,43 @@ { "cell_type": "markdown", "source": [ - "## चरण 2: डेटा को रूपांतरित करना\n", + "## Step 2: डेटा को परिवर्तित करना\n", "\n", - "अगला कदम डेटा को उस रूप में बदलना है जो प्रोसेसिंग के लिए उपयुक्त हो। हमारे मामले में, हमने पेज से HTML स्रोत कोड डाउनलोड किया है, और हमें इसे साधारण टेक्स्ट में बदलने की आवश्यकता है।\n", + "अगला कदम डेटा को उस रूप में परिवर्तित करना है जो संसाधित करने के लिए उपयुक्त हो। हमारे मामले में, हमने पेज से HTML स्रोत कोड डाउनलोड किया है, और हमें इसे सामान्य पाठ में परिवर्तित करना है।\n", "\n", - "यह कई तरीकों से किया जा सकता है। हम Python के बिल्ट-इन [HTMLParser](https://docs.python.org/3/library/html.parser.html) ऑब्जेक्ट का सबसे सरल उपयोग करेंगे। हमें `HTMLParser` क्लास को सबक्लास करना होगा और ऐसा कोड परिभाषित करना होगा जो HTML टैग्स के अंदर का सारा टेक्स्ट इकट्ठा करेगा, लेकिन `