diff --git a/translations/et/.co-op-translator.json b/translations/et/.co-op-translator.json index 8cadf895..3c862ca3 100644 --- a/translations/et/.co-op-translator.json +++ b/translations/et/.co-op-translator.json @@ -360,8 +360,8 @@ "language_code": "et" }, "README.md": { - "original_hash": "8ec92ecfeb14923af733851239552146", - "translation_date": "2026-01-30T02:45:32+00:00", + "original_hash": "9204a2806964384a56f5cb0f22bbe953", + "translation_date": "2026-02-06T09:25:15+00:00", "source_file": "README.md", "language_code": "et" }, diff --git a/translations/et/README.md b/translations/et/README.md index 778bbdb5..2ea4ae3f 100644 --- a/translations/et/README.md +++ b/translations/et/README.md @@ -1,15 +1,15 @@ -# Andmeteadus algajatele - Õppekava +# Andmeteadus algajatele - õppekava -[![Ava GitHub Codespacesis](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +[![Ava GitHub Codespaces'is](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [![GitHub litsents](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) [![GitHub panustajad](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) [![GitHub probleemid](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) [![GitHub tõmbepäringud](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![Tõmbepäringud on teretulnud](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![PRid on teretulnud](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![GitHub jälgijad](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub hargnemised](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub kahvlid](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) [![GitHub tähed](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) @@ -17,194 +17,194 @@ [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Microsofti Azure pilvmeeskond on rõõmus pakkuda 10-nädalast, 20-õppetunniga õppekava, mis käsitleb andmeteadust. Iga õppetund sisaldab eeltundi ja järeltundi katseid, kirjalikke juhiseid õppetunni lõpetamiseks, lahendust ja ülesannet. Meie projektipõhine pedagoogika võimaldab õppida ehitades, mis on tõestatud viis uute oskuste kinnistamiseks. +Microsofti Azure Cloud Advocates on rõõmus pakkuda 10-nädalast, 20-õppetunnist koosnevat õppekava, mis keskendub täielikult andmeteadusele. Iga õppetund sisaldab eelmise ja järgneva viktoriini, kirjalikke juhiseid, lahendust ja ülesannet. Meie projektipõhine pedagoogika võimaldab õppimist ehitamise käigus, mis on tõestatud viis uute oskuste kinnistamiseks. -**Sügav tänu meie autoritele:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). +**Südamlikud tänud meie autoritele:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). -**🙏 Eriline tänu 🙏 meie [Microsofti üliõpilasambassadöridele](https://studentambassadors.microsoft.com/) autoritele, retsensentidele ja sisuloojatele,** oluliselt Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), +**🙏 Eriline tänu 🙏 meie [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) autoritele, arvustajatele ja sisuloojatele,** nimelt Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) -|![Sketchnote autor @sketchthedocs https://sketchthedocs.dev](../../translated_images/et/00-Title.8af36cd35da1ac55.webp)| +|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/et/00-Title.8af36cd35da1ac55.webp)| |:---:| -| Andmeteadus algajatele - _Sketchnote autorilt [@nitya](https://twitter.com/nitya)_ | +| Andmeteadus algajatele - _sketchnote autor [@nitya](https://twitter.com/nitya)_ | -### 🌐 Mitmekeelsuse tugi +### 🌐 Mitmekeelne tugi #### Toetatud GitHub Action abil (automatiseeritud ja alati ajakohane) [Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](./README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **Eelistad kloonida kohalikult?** +> **Eelistad kloonida kohapeal?** -> See hoidla sisaldab üle 50 keele tõlked, mis suurendavad märkimisväärselt allalaadimise suurust. Tõlgeteta kloonimiseks kasuta hõredat checkouti: +> See hoidla sisaldab 50+ keele tõlkeid, mis suurendab oluliselt allalaadimissuurust. Tõlgeteta kloonimiseks kasuta sparse checkouti: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git > cd Data-Science-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> Saad kõike vajalikku kursuse läbimiseks palju kiiremalt. +> See annab sulle vajaliku kogu kursuse läbimiseks palju kiiremalt. -**Kui soovid, et toetataks täiendavaid tõlkekeeli, siis need on loetletud [siin](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Kui soovid toetada täiendavaid tõlkeid, on toetatavad keeled loetletud [siin](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -#### Liitu meie kogukonnaga +#### Liitu meie kogukonnaga [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Meil on käimas Discordi õppesari AI-ga, rohkem infot ja liitumiseks külasta [Õpi AI-ga sarja](https://aka.ms/learnwithai/discord) 18.-30. septembril 2025. Saad näpunäiteid ja nippe GitHub Copiloti kasutamiseks andmeteaduses. +Meil on käimas Discordi "Learn with AI" sari, õpi rohkem ja liitu meiega aadressil [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.-30. septembrini 2025. Saad nippe ja trikke GitHub Copiloti kasutamiseks andmeteaduses. -![Õpi AI-ga sari](../../translated_images/et/1.2b28cdc6205e26fe.webp) +![Learn with AI series](../../translated_images/et/1.2b28cdc6205e26fe.webp) -# Oled tudeng? +# Kas oled õpilane? Alusta järgmiste ressurssidega: -- [Tudengikeskuse leht](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sellel lehel leiad algajatele mõeldud ressursid, tudengipakid ja isegi võimalusi saada tasuta sertifikaadi kupong. See on leht, mida soovid järjehoidjatesse lisada ja aeg-ajalt vaadata, kuna sisu vahetub vähemalt kord kuus. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liitu tudengite ülemaailmse kogukonnaga, see võib olla sinu tee Microsofti. +- [Õpilaste keskuse leht](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Sellel lehel leiad algajatele mõeldud ressursid, õpilaspakid ja ka võimalused saada tasuta sertifikaadi vautšer. See on leht, mille tahad järjehoidjasse panna ja aeg-ajalt kontrollida, sest sisu uuendatakse vähemalt kord kuus. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liitu üleriigilise õpilasesindajate kogukonnaga, see võib olla sinu tee Microsofti. # Alustamine ## 📚 Dokumentatsioon -- **[Paigaldusjuhend](INSTALLATION.md)** - samm-sammuline juhend algajatele -- **[Kasutusjuhend](USAGE.md)** - näited ja levinumad töövood -- **[Probleemide lahendamine](TROUBLESHOOTING.md)** - lahendused sagedastele probleemidele -- **[Panustamise juhend](CONTRIBUTING.md)** - kuidas sellesse projekti panustada -- **[Õpetajatele](for-teachers.md)** - õpetamisjuhised ja klassiruumi ressursid +- **[Paigaldusjuhend](INSTALLATION.md)** - samm-sammult juhised algajatele +- **[Kasutusjuhend](USAGE.md)** - näited ja tavalised töövood +- **[Veaotsing](TROUBLESHOOTING.md)** - lahendused sagedastele probleemidele +- **[Panustamise juhend](CONTRIBUTING.md)** - kuidas panustada sellesse projekti +- **[Õpetajatele](for-teachers.md)** - juhendid ja klassiruumi materjalid -## 👨‍🎓 Tudengitele -> **Täielikud algajad**: Uus andmeteaduses? Alusta meie [algajatele sobivatest näidetest](examples/README.md)! Need lihtsad ja hästi kommenteeritud näited aitavad sul mõista põhitõdesid enne kogu õppekavasse süvenemist. -> **[Tudengid](https://aka.ms/student-page)**: et kasutada seda õppekava iseseisvalt, tehtle kogu hoidla omale koopiaks (fork) ja lahenda harjutused iseseisvalt, alustades eeloengu testiga. Seejärel loe loeng ja lõpeta ülejäänud tegevused. Proovi projekte luua, mõistes õppetunde, mitte lihtsalt lahenduste koodi kopeerides; lahenduskood on kättesaadav iga projektipõhise õppetunni /solutions kaustas. Teine idee on moodustada sõpradega õpperühm ja minna sisu läbi koos. Süvendatud õpingute jaoks soovitame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +## 👨‍🎓 Õpilastele +> **Täielikud algajad**: oled andmeteadusega alles alguses? Alusta meie [algajasõbralike näidetega](examples/README.md)! Need lihtsad, hästi kommenteeritud näited aitavad sul mõista põhialuseid enne täismahus õppekavasse sukeldumist. +> **[Õpilased](https://aka.ms/student-page)**: selle õppekava iseseisvaks kasutamiseks tee repositooriumist oma haru ja täida harjutused ise, alustades eelloengu viktoriiniga. Seejärel loe loeng ja täida ülejäänud tegevused. Püüa projekte luua õppetundidest arusaades, mitte lahenduskoodi kopeerides, kuid see kood on kättesaadav iga projektipõhise õppetunni /solutions kaustas. Teine mõte on moodustada sõpradega õpperühm ja uurida sisu koos. Täiendavaks õppimiseks soovitame [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Kiire algus:** -1. Tutvu [paigaldusjuhendiga](INSTALLATION.md), et seada üles oma keskkond -2. Vaata [kasutusjuhendit](USAGE.md), et õppida curriculumiga töötamist -3. Alusta 1. õppetunnist ja liigu järjestikku edasi -4. Liitu meie [Discordi kogukonnaga](https://aka.ms/ds4beginners/discord), et saada tuge +1. Tutvu [Paigaldusjuhendiga](INSTALLATION.md), et seadistada oma keskkond +2. Vaata üle [Kasutusjuhend](USAGE.md), et õppida, kuidas õppekavaga töötada +3. Alusta õppetunnist 1 ja tegutse järjestikku +4. Liitu meie [Discordi kogukonnaga](https://aka.ms/ds4beginners/discord) toe saamiseks ## 👩‍🏫 Õpetajatele -> **Õpetajad**: oleme lisanud [mõningad soovitused](for-teachers.md) selle õppekava kasutamiseks. Ootame hea meelega teie tagasisidet [meie arutelufoorumis](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -## Kohtuge meeskonnaga +> **Õpetajad**: oleme [lisaks lisanud soovitusi](for-teachers.md) selle õppekava kasutamiseks. Hindame väga teie tagasisidet [arutelufoorumis](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +## Tutvuge meeskonnaga -[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") +[![Reklaamvideo](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Reklaamvideo") -**Gif autor** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gif autor:** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klõpsake ülalolevat pilti, et vaadata video projekti ja selle looja(te) kohta! +> 🎥 Klõpsake ülaloleval pildil, et vaadata videot projektist ja inimestest, kes selle lõid! ## Pedagoogika -Olemasoleva õppekava koostamisel oleme valinud kaks pedagoogilist põhimõtet: tagame, et see oleks projektipõhine ja sisaldaks sagedasi viktoriine. Selle sarja lõpuks on õpilased omandanud andmeteaduse põhilised põhimõtted, sealhulgas eetilised kontseptsioonid, andmete ettevalmistamine, erinevad viisid andmetega töötamiseks, andmete visualiseerimine, andmete analüüs, andmeteaduse praktilised kasutusjuhud ja palju muud. +Selle õppekava loomisel oleme valinud kaks pedagoogilist põhimõtet: tagada, et see põhineb projektidel, ja et see sisaldab sagedasi viktoriine. Selle sarja lõpuks on õpilased õppinud andmeteaduse põhiprintsiipe, sealhulgas eetilisi kontseptsioone, andmete ettevalmistamist, erinevaid andmetöötlusviise, andmete visualiseerimist, andmete analüüsi, andmeteaduse reaalse maailma kasutusjuhtumeid ja palju muud. -Lisaks seab enne tundi toimuv madala panusega viktoriin õppija kavatsuseks teema õppimise, samas kui teine viktoriin pärast tundi tagab parema säilitamise. See õppekava on loodud olema paindlik ja lõbus ning seda saab võtta kas tervikuna või osaliselt. Projektid algavad väikestena ja muutuvad 10-nädalase tsükli lõpuks järjest keerukamaks. +Lisaks seab madala panusega viktoriin enne tundi õpilasele eesmärgi õppida teemat, samas kui teine viktoriin pärast tundi tagab teadmiste kinnistamise. See õppekava on kujundatud olema paindlik ja lõbus ning seda saab võtta tervikuna või osadena. Projektid algavad väikestena ja muutuvad 10-nädalase tsükli jooksul järjest keerukamaks. -> Leia meie [käitumisjuhend](CODE_OF_CONDUCT.md), [panustamise](CONTRIBUTING.md), [tõlke](TRANSLATIONS.md) juhised. Ootame teie konstruktiivset tagasisidet! +> Leidke meie [käitumiskoodeks](CODE_OF_CONDUCT.md), [panustamise](CONTRIBUTING.md), [tõlke](TRANSLATIONS.md) juhised. Ootame teie konstruktiivset tagasisidet! -## Iga õppetund sisaldab: +## Igas õppetükis on kaasas: -- Valikulist sketšimärkust -- Valikulist lisavideot -- Pre-tunniviktoriini soojenduseks -- Kirjalikku õppetundi -- Projektipõhiste õppetundide puhul samm-sammult juhiseid, kuidas projekti üles ehitada -- Teadmiste kontrolli -- Väljakutset -- Lisalugemist -- Kodutööd -- [Pärastundi viktoriini](https://ff-quizzes.netlify.app/en/) +- Valikuline skeemimärkus +- Valikuline täiendav video +- Enne tundi soojendusviktoriin +- Kirjalik õppetükk +- Projektipõhiste õppetükkide puhul samm-sammult juhendid projekti loomise kohta +- Teadmiste kontrollid +- Väljakutse +- Täiendav lugemine +- Kodune ülesanne +- [Pärast tundi viktoriin](https://ff-quizzes.netlify.app/en/) -> **Märkus viktoriinide kohta**: Kõik viktoriinid on koondatud Quiz-App kausta, kokku 40 viktoriini, milles igas on kolm küsimust. Neile viidatakse õppetundide sees, kuid viktoriinirakendust saab käivitada lokaalselt või Azure’is; täpsemad juhised asuvad `quiz-app` kaustas. Viktoriinid tõlgitakse järk-järgult. +> **Märkused viktoriinide kohta**: Kõik viktoriinid on paigutatud Quiz-App kausta, kokku 40 viktoriini, igaühes kolm küsimust. Need on seotud õppetükkide sees, kuid viktoriinirakendust saab käivitada lokaalselt või juurutada Azure'i; järgige juhiseid `quiz-app` kaustas. Neid lokaliseeritakse järk-järgult. -## 🎓 Algajasõbralikud näited +## 🎓 Algajale sobivad näited -**Oled andmeteadusega uus?** Oleme loonud spetsiaalse [näidiste kataloogi](examples/README.md), kus on lihtne ja hästi kommenteeritud kood, mis aitab sul alustada: +**Oled uus andmeteaduses?** Oleme loonud spetsiaalse [näidiste kataloogi](examples/README.md) lihtsa ja hästi kommenteeritud koodiga, mis aitab sul alustada: -- 🌟 **Hello World** - Sinu esimene andmeteaduse programm -- 📂 **Andmete laadimine** - Õpi andmekogumeid lugema ja uurima +- 🌟 **Tere, maailm!** - Sinu esimene andmeteaduse programm +- 📂 **Andmete laadimine** - Õpi andmekogumite lugemist ja uurimist - 📊 **Lihtne analüüs** - Arvuta statistikat ja leia mustreid -- 📈 **Põhivisualiseerimine** - Loo diagramme ja graafikuid -- 🔬 **Tegelik projekt** - Täielik töökäik algusest lõpuni +- 📈 **Põhiline visualiseerimine** - Loo diagramme ja graafikuid +- 🔬 **Reaalmaailma projekt** - Täielik töövoog algusest lõpuni -Igas näites on üksikasjalikud kommentaarid, mis selgitavad igat sammu, muutes selle ideaalseks täiesti algajatele! +Iga näide sisaldab üksikasjalikke kommentaare, mis selgitavad iga sammu, muutes selle ideaalseks absoluutselt algajatele! 👉 **[Alusta näidetest](examples/README.md)** 👈 -## Õppetunnid +## Õppetükid -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/et/00-Roadmap.4905d6567dff4753.webp)| +|![ Skeemimärkus autorilt @sketchthedocs https://sketchthedocs.dev](../../translated_images/et/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| Andmeteadus algajatele: teekaart - _Sketš @nitya_ | +| Andmeteadus algajatele: teekaart - _Skeemimärkus autorilt [@nitya](https://twitter.com/nitya)_ | -| Õppetunni number | Teema | Õppetunni gruppeerimine | Õpitulemused | Lingitud õppetund | Autor | +| Õppetüki Number | Teema | Õppetükkide grupp | Õpieesmärgid | Lingitud õppetükk | Autor | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Andmeteaduse määratlemine | [Sissejuhatus](1-Introduction/README.md) | Õpi andmeteaduse põhimõisteid ja kuidas see on seotud tehisintellekti, masinõppe ja suurandmetega. | [õppetund](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Andmeteaduse eetika | [Sissejuhatus](1-Introduction/README.md) | Andme-eetika kontseptsioonid, väljakutsed ja raamistikud. | [õppetund](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Andmete määratlemine | [Sissejuhatus](1-Introduction/README.md) | Kuidas andmeid klassifitseeritakse ja nende levinud allikad. | [õppetund](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Sissejuhatus statistikasse ja tõenäosusse | [Sissejuhatus](1-Introduction/README.md) | Matemaatilised tõenäosuse ja statistika tehnikad andmete mõistmiseks. | [õppetund](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Töötamine relatsioonandmetega | [Töötamine andmetega](2-Working-With-Data/README.md) | Sissejuhatus relatsioonandmetesse ja andmete uurimise ning analüüsimise põhialused struktureeritud päringukeeles (SQL). | [õppetund](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Töötamine NoSQL andmetega | [Töötamine andmetega](2-Working-With-Data/README.md) | Sissejuhatus mitte-relatsioonandmetesse, nende erinevate tüüpide ja dokumentandmebaaside uurimise ning analüüsi põhialused. | [õppetund](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Töötamine Pythoniga | [Töötamine andmetega](2-Working-With-Data/README.md) | Python kasutamise põhialused andmete uurimiseks selliste teekidega nagu Pandas. Soovitatav on Python programmeerimise aluste mõistmine. | [õppetund](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Andmete ettevalmistamine | [Töötamine andmetega](2-Working-With-Data/README.md) | Andmetehnikad andmete puhastamiseks ja transformeerimiseks, et toime tulla puuduvate, ebatäpsete või puudulike andmetega. | [õppetund](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Koguste visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Õpi kasutama Matplotlibi lindude andmete visualiseerimiseks 🦆 | [õppetund](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Andmete jaotuste visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Visuaalselt kujutame tähelepanekuid ja trende kindlas intervallis. | [õppetund](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Proportsioonide visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Diskreetsete ja grupeeritud protsentide visualiseerimine. | [õppetund](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Suhete visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Andmekogumite ja nende muutujate vaheliste seoste ja korrelatsioonide kujutamine. | [õppetund](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Mõtestatud visualiseeringud | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Tehnikad ja juhised, mis aitavad teha visualiseeringud väärtuslikeks tõhusaks probleemilahenduseks ja teadmisteks. | [õppetund](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Sissejuhatus andmeteaduse elutsüklisse | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | Sissejuhatus andmeteaduse elutsüklisse ja selle esimene samm: andmete hankimine ja väljavõtmine. | [õppetund](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analüüsimine | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | See faas andmeteaduse elutsüklis keskendub andmete analüüsimise tehnikatele. | [õppetund](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Kommunikatsioon | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | See faas andmeteaduse elutsüklis keskendub teadmiste esitamisele selliselt, et see oleks otsustajatele arusaadav. | [õppetund](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Andmeteadus pilves | [Pilvandmed](5-Data-Science-In-Cloud/README.md) | See õppesari tutvustab andmeteadust pilves ja selle eeliseid. | [õppetund](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 18 | Andmeteadus pilves | [Pilvandmed](5-Data-Science-In-Cloud/README.md) | Mudelite treenimine madalakoodiliste tööriistade abil. |[õppetund](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 19 | Andmeteadus pilves | [Pilvandmed](5-Data-Science-In-Cloud/README.md) | Mudelite juurutamine Azure Machine Learning Studio abil. | [õppetund](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 20 | Andmeteadus vabamas keskkonnas | [Väljas](6-Data-Science-In-Wild/README.md) | Andmeteadusjuhtumid reaalses maailmas. | [õppetund](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Andmeteaduse määratlemine | [Sissejuhatus](1-Introduction/README.md) | Õpi andmeteaduse põhimõisted ja kuidas see on seotud tehisintellekti, masinõppe ja suurandmetega. | [õppetükk](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Andmeteaduse eetika | [Sissejuhatus](1-Introduction/README.md) | Andmete eetika kontseptsioonid, väljakutsed ja raamistikud. | [õppetükk](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Andmete määratlemine | [Sissejuhatus](1-Introduction/README.md) | Kuidas andmeid klassifitseeritakse ja nende levinumad allikad. | [õppetükk](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Statistika ja tõenäosuse sissejuhatus | [Sissejuhatus](1-Introduction/README.md) | Matemaatilised meetodid tõenäosuse ja statistika valdkonnas andmete mõistmiseks. | [õppetükk](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Töötamine relaandmetega | [Andmetega töötamine](2-Working-With-Data/README.md) | Sissejuhatus relaandmetesse ja andmete uurimise ning analüüsi põhialused struktureeritud päringukeelt (SQL) kasutades. | [õppetükk](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Töötamine NoSQL andmetega | [Andmetega töötamine](2-Working-With-Data/README.md) | Sissejuhatus mitte-relatsioonilistele andmetele, nende erinevatele tüüpidele ning dokumentandmebaaside uurimise ja analüüsi alustele. | [õppetükk](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Töötamine Pythoni keelega | [Andmetega töötamine](2-Working-With-Data/README.md) | Pythoni kasutamise põhialused andmete uurimiseks selliste teekidega nagu Pandas. Soovitatav on põhiline arusaam Python programmeerimisest. | [õppetükk](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Andmete ettevalmistamine | [Andmetega töötamine](2-Working-With-Data/README.md) | Andmetöötlusmeetodid andmete puhastamiseks ja teisendamiseks, et toime tulla puuduvate, ebatäpsete või mittetäielike andmetega seotud väljakutsetega. | [õppetükk](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Koguste visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Õpi kasutama Matplotlib'i lindude andmete visualiseerimiseks 🦆 | [õppetükk](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Andmete jaotuste visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Visualiseeri vaatlusi ja trende teatud intervallis. | [õppetükk](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Suhete visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Diskreetsete ja rühmitatud protsentide visualiseerimine. | [õppetükk](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Suhete visualiseerimine | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Visualiseeri andmekogumi elementide vahelisi seoseid ja korrelatsioone ning nende muutujaid. | [õppetükk](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Tähenduslikud visualiseeringud | [Andmete visualiseerimine](3-Data-Visualization/README.md) | Tehnikad ja juhised, kuidas teha visualiseeringuid väärtuslikuks tõhusa probleemilahenduse ja teadmiste saamise jaoks. | [õppetükk](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Sissejuhatus andmeteaduse elutsüklisse | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | Sissejuhatus andmeteaduse elutsüklisse ja selle esimene samm, andmete hankimine ja eraldamine. | [õppetükk](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analüüs | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | See andmeteaduse elutsükli faas keskendub andmete analüüsi tehnikatele. | [õppetükk](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Kommunikatsioon | [Elutsükkel](4-Data-Science-Lifecycle/README.md) | See faas keskendub andmetest saadud teadmiste esitamisele viisil, mis muudab otsustajate jaoks lihtsamaks nende mõistmise. | [õppetükk](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Andmeteadus pilves | [Pilveandmed](5-Data-Science-In-Cloud/README.md) | See õppetükkide sari tutvustab andmeteadust pilves ja selle eeliseid. | [õppetükk](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 18 | Andmeteadus pilves | [Pilveandmed](5-Data-Science-In-Cloud/README.md) | Mudelite treenimine madala koodiga tööriistade abil. |[õppetükk](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 19 | Andmeteadus pilves | [Pilveandmed](5-Data-Science-In-Cloud/README.md) | Mudelite juurutamine Azure Machine Learning Studio abil. | [õppetükk](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 20 | Andmeteadus looduses | [Looduses](6-Data-Science-In-Wild/README.md) | Andmeteadusel põhinevad projektid reaalses maailmas. | [õppetükk](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Järgige neid samme selle näite avamiseks Codespaces’is: -1. Klõpsake menüüs Code rippmenüüd ja valige Open with Codespaces. -2. Paneeli allosas valige + New codespace. -Lisateabe saamiseks vaadake [GitHubi dokumentatsiooni](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +Järgige neid samme, et avada see näidis Codespaces'is: +1. Klõpsake koodi ripploendil ja valige suvand Open with Codespaces. +2. Valige riba allosas + New codespace. +Rohkem teavet leiate [GitHubi dokumentatsioonist](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Järgige neid samme selle hoidla avamiseks konteineris, kasutades oma kohalikku arvutit ja VSCode’i ning Remote - Containers laiendust: +Järgige neid samme, et avada see hoidla konteineris, kasutades oma kohalikku masinat ja VSCode'i koos VS Code Remote - Containers laiendiga: -1. Kui kasutate arenduscontainerit esimest korda, veenduge, et teie süsteem vastab eeltingimustele (nt Docker on paigaldatud) [käivitamise dokumentatsioonis](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Kui kasutate arenduskonteinerit esimest korda, veenduge, et teie süsteem vastab nõuetele (nt Docker on installitud), vt [algdokumenti](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Seda hoidlat saab kasutada avades selle hoidla isoleeritud Docker mahu sees: +Selle hoidla kasutamiseks saate kas avada hoidla isoleeritud Docker mahus: -**Märkus**: Tegelikult kasutatakse Remote-Containers: **Clone Repository in Container Volume...** käsku, mis kloonib lähtekoodi Docker-mahu sisse, mitte kohalikku failisüsteemi. [Mahud](https://docs.docker.com/storage/volumes/) on eelistatud mehhanism konteineri andmete säilitamiseks. +**Märkus**: Varjatult kasutatakse Remote-Containers: **Clone Repository in Container Volume...** käsku lähtekoodi kloonimiseks Docker mahuga lokaalse failisüsteemi asemel. [Mahud](https://docs.docker.com/storage/volumes/) on soovitatav mehhanism konteineri andmete säilitamiseks. -Või avades kohalikult kloonitud või alla laetud hoidla: +Või avada lokaalselt kloonitud või alla laaditud versiooni hoidlast: -- Kloonige see hoidla oma kohalikku failisüsteemi. +- Klooni see hoidla oma kohalikule failisüsteemile. - Vajutage F1 ja valige käsk **Remote-Containers: Open Folder in Container...**. -- Valige selle kausta kloonitud koopia, oodake konteineri käivitumist ja proovige funktsioone. +- Valige selle kausta kloonitud koopia, oodake konteineri käivitumist ja proovige asju välja. -## Võrgust väljas kasutamine +## Võrguühenduseta juurdepääs -Seda dokumentatsiooni saab kasutada ka võrgust väljas, kasutades [Docsify](https://docsify.js.org/#/). Forkige see hoidla, paigaldage oma kohalikku masinasse [Docsify](https://docsify.js.org/#/quickstart), seejärel hoidla root-kataloogis tippige `docsify serve`. Veebileht saadetakse pordi 3000 kaudu aadressil `localhost:3000`. +Seda dokumentatsiooni saate võrguühenduseta käivitada, kasutades [Docsify](https://docsify.js.org/#/). Hargnege see hoidla, [installige Docsify](https://docsify.js.org/#/quickstart) oma kohalikule masinale, siis käivitage hoidla juurkaustas käsk `docsify serve`. Veebileht serveeritakse porti 3000 aadressil localhost: `localhost:3000`. -> Märkus: märkmikud ei renderdata Docsify abil, seega kui peate käivitama märkmiku, tehke seda eraldi VS Code’is Python kerneliga. +> Märkus, märkmikud ei renderdu Docsify abil, seega kui peate käivitama märkmiku, tehke seda eraldi VS Code'is, kasutades Python kernelit. -## Muud õppekavad +## Teised õppekavad -Meie meeskond toodab ka teisi õppekavasid! Vaadake: +Meie meeskond koostab ka teisi õppekavu! Vaadake: ### LangChain -[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain4j algajatele](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js algajatele](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain algajatele](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agendid [![AZD algajatele](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge tehisintellekt algajatele](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI algajatele](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP algajatele](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Tehisintellekti agendid algajatele](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agendid algajatele](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- @@ -216,38 +216,38 @@ Meie meeskond toodab ka teisi õppekavasid! Vaadake: --- -### Põhiteadmised +### Põhiline õppimine [![Masinõpe algajatele](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Andmeteadus algajatele](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![Tehisintellekt algajatele](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [![Küberjulgeolek algajatele](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [![Veebiarendus algajatele](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT algajatele](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![Asjade internet algajatele](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [![XR arendus algajatele](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copiloti sari -[![Copilot tehisintellekti paarisprogrammeerimiseks](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot AI paarisprogrammeerimiseks](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot C#/.NET jaoks](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copiloti seiklused](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Abi saamine -**Tekivad probleemid?** Vaadake meie [Tõrkeotsingu juhendit](TROUBLESHOOTING.md) levinud probleemide lahendamiseks. +**Kas teil on probleeme?** Vaadake meie [Tõrkeotsingu juhendit](TROUBLESHOOTING.md) levinud probleemide lahendamiseks. -Kui takerdate või teil on küsimusi AI-rakenduste loomise kohta, liituge MCP arutelufoorumis teiste õppijate ja kogenud arendajatega. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt. +Kui jääte kinni või teil on küsimusi AI rakenduste loomise kohta, liituge teiste õppijate ja kogenud arendajatega MCP aruteludes. See on toetav kogukond, kus küsimused on teretulnud ja teadmisi jagatakse vabalt. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Kui teil on toote kohta tagasisidet või ehitamise ajal vigu, külastage: +Kui teil on toote tagasisidet või ehitamisel esineb vigu, külastage: [![Microsoft Foundry arendajate foorum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Vastutusest loobumine**: -See dokument on tõlgitud kasutades tehisintellektil põhinevat tõlketeenust [Co-op Translator](https://github.com/Azure/co-op-translator). Kuigi püüame tagada täpsust, palun arvestage, et automatiseeritud tõlgetes võib esineda vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Kriitilise tähtsusega teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta käesoleva tõlke kasutamisest tekkida võivate arusaamatuste või valesti mõistmiste eest. +**Loaavaldus**: +See dokument on tõlgitud kasutades tehisintellekti tõlketeenust [Co-op Translator](https://github.com/Azure/co-op-translator). Kuigi püüame täpsust, palun arvestage, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Originaaldokument oma emakeeles tuleks pidada autoriteetseks allikaks. Olulise info puhul on soovitatav kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tingitud arusaamatuste või valesti mõistmiste eest. \ No newline at end of file diff --git a/translations/pcm/.co-op-translator.json b/translations/pcm/.co-op-translator.json index d0a73165..18f8a015 100644 --- a/translations/pcm/.co-op-translator.json +++ b/translations/pcm/.co-op-translator.json @@ -360,8 +360,8 @@ "language_code": "pcm" }, "README.md": { - "original_hash": "8ec92ecfeb14923af733851239552146", - "translation_date": "2026-01-30T02:47:14+00:00", + "original_hash": "9204a2806964384a56f5cb0f22bbe953", + "translation_date": "2026-02-06T09:27:14+00:00", "source_file": "README.md", "language_code": "pcm" }, diff --git a/translations/pcm/README.md b/translations/pcm/README.md index 2d29fda5..2e988552 100644 --- a/translations/pcm/README.md +++ b/translations/pcm/README.md @@ -17,11 +17,11 @@ [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Azure Cloud Advocates dem for Microsoft dey happy to offer one 10-week, 20-lesson curriculum wey na all about Data Science. Every lesson get pre-lesson and post-lesson quizzes, written instructions to finish the lesson, one solution, and one assignment. Our project-based pedagogy dey allow you learn as you dey build, na verified way for new skills to 'stick'. +Azure Cloud Advocates for Microsoft dey happy to offer 10-week, 20-lesson curriculum wey dey all about Data Science. Each lesson get pre-lesson and post-lesson quizzes, written instructions to complete the lesson, solution, and assignment. Our project-based way of teaching go allow you learn while you build, na correct way for new skills to "stick". **Big thanks to our authors:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). -**🙏 Special thanks 🙏 to our [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) authors, reviewers and content contributors,** especially Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), +**🙏 Special thanks 🙏 go to our [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) authors, reviewers and content contributors,** especially Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/pcm/00-Title.8af36cd35da1ac55.webp)| @@ -37,21 +37,21 @@ Azure Cloud Advocates dem for Microsoft dey happy to offer one 10-week, 20-lesso > **Prefer to Clone Locally?** -> Dis repository get over 50 language translation dem wey dey increase the download size well-well. To clone without translations, use sparse checkout: +> This repository get 50+ language translations wey dey make di download size big well-well. To clone without translations, use sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git > cd Data-Science-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> Dis one go give you everything wey you need to finish the course sharp-sharp. +> Dis one go give you everything wey you need to complete di course with fast download. -**If you wan get extra translation languages wey dem dey support, dem list dem [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**If you want more translations wey dem dey support dey listed [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Join Our Community [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -We get one Discord learn with AI series wey dey go on, learn more and join us for [Learn with AI Series](https://aka.ms/learnwithai/discord) from 18 - 30 September, 2025. You go get tips and tricks on how to use GitHub Copilot for Data Science. +We get Discord learn with AI series wey dey go now, learn more and join us for [Learn with AI Series](https://aka.ms/learnwithai/discord) from 18 - 30 September, 2025. You go get correct tips and tricks to use GitHub Copilot for Data Science. ![Learn with AI series](../../translated_images/pcm/1.2b28cdc6205e26fe.webp) @@ -59,8 +59,8 @@ We get one Discord learn with AI series wey dey go on, learn more and join us fo Start with these resources: -- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) For dis page, you go find beginner resources, Student packs and even ways to get free cert voucher. Na one page wey you suppose bookmark and check every time as we dey change content at least every month. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Join global community of student ambassadors, dis fit be your way enter Microsoft. +- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) For this page, you go find beginner resources, Student packs and even ways wey you fit get free cert voucher. This one na page wey you go like bookmark and dey check from time to time as we dey change content every month. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Join global student ambassadors community, dis fit be your way enter Microsoft. # How to Start @@ -68,62 +68,62 @@ Start with these resources: - **[Installation Guide](INSTALLATION.md)** - Step-by-step setup instructions for beginners - **[Usage Guide](USAGE.md)** - Examples and common workflows -- **[Troubleshooting](TROUBLESHOOTING.md)** - Solutions to common problems dem -- **[Contributing Guide](CONTRIBUTING.md)** - How to contribute to this project +- **[Troubleshooting](TROUBLESHOOTING.md)** - Solutions to common wahala +- **[Contributing Guide](CONTRIBUTING.md)** - How to add your own work for this project - **[For Teachers](for-teachers.md)** - Teaching guidance and classroom resources ## 👨‍🎓 For Students -> **Complete Beginners**: New for data science? Start with our [beginner-friendly examples](examples/README.md)! These simple examples with good comments go help you sabi the basics before you enter the full curriculum. -> **[Students](https://aka.ms/student-page)**: to use this curriculum on your own, fork the whole repo and complete the exercise by yourself, start with pre-lecture quiz. Then read the lecture and finish the rest activities. Try create the projects by understanding the lessons instead of just copying the solution code; but the code dey available for /solutions folders inside each project-based lesson. Another idea na to form study group with your friends and go through the content together. For more study, we recommend [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Complete Beginners**: You never sabi Data Science before? Start with our [beginner-friendly examples](examples/README.md)! These simple examples wey fine-commented go help you understand the basics before you jump for the full curriculum. +> **[Students](https://aka.ms/student-page)**: to use this curriculum by yourself, fork the whole repo and do the exercises by yourself, start with the pre-lecture quiz. Then read the lecture and do the rest of the activities. Try create the projects by understanding the lessons instead of just copying solution code; but that code dey for the /solutions folders for each project-oriented lesson. Another way na to form study group with your friends and go through the content together. If you want study more, we recommend [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Quick Start:** 1. Check the [Installation Guide](INSTALLATION.md) to set up your environment -2. Review the [Usage Guide](USAGE.md) to learn how to work with the curriculum -3. Start with Lesson 1 and work through am sequencially +2. Review the [Usage Guide](USAGE.md) make you sabi how to wok with the curriculum +3. Start with Lesson 1 and continue sequentially 4. Join our [Discord community](https://aka.ms/ds4beginners/discord) for support ## 👩‍🏫 For Teachers -> **Teachers**: we don put [some suggestions](for-teachers.md) on how to use this curriculum. We go happy to get your feedback [for our discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -## Meet the Team +> **Teachers**: we don put some suggestions for [how to use this curriculum](for-teachers.md). We go like hear your feedback [inside our discussion forum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +## Meet di Team [![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Click di picture wey dey up dere for video about di project and di pipo wey create am! +> 🎥 Click di image wey dey above for video about di project an di people wey create am! ## Pedagogy -We don choose two pedagogical tenets wen we dey build dis curriculum: make sure say e dey project-based and e get quizzes plenty times. By di end of dis series, students go don learn basic principles of data science, including ethical concepts, data preparation, different ways to work wit data, data visualization, data analysis, real-world use cases of data science, and more. +We don choose two pedagogical tenets as we dey build dis curriculum: make sure say e dey project-based an e get frequent quizzes. By di time dis series end, students go don sabi basic principles of data science, including ethical concepts, data preparation, different ways to work with data, data visualization, data analysis, real-world use cases of data science, an more. -Plus, small quiz before class go set di mind of di student to learn di topic, and another quiz after class go make dem remember better. Dis curriculum na to make am flexible and fun and you fit do am complete or part. Di projects start small and e go get strong pass gidigba by di end of di 10 week cycle. +Plus, low-stakes quiz before class dey set di intention of di student to learn one topic, while second quiz after class dey make sure say dem still remember well. Dis curriculum e design to be flexible an fun, an you fit do am fully or partly. Di projects start small an dem go get more complex by di end of di 10 week cycle. -> Find our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) guidelines. We welcome your constructive feedback! +> Find our [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) guidelines dem. We welcome your constructive feedback! ## Each lesson get: - Optional sketchnote -- Optional extra video +- Optional supplemental video - Pre-lesson warmup quiz - Written lesson -- For project-based lessons, step-by-step guide how to build di project +- For project-based lessons, step-by-step guides on how to build di project - Knowledge checks - Challenge -- Extra reading +- Supplemental reading - Assignment - [Post-lesson quiz](https://ff-quizzes.netlify.app/en/) -> **Note about quizzes**: All quizzes dey inside Quiz-App folder, total 40 quizzes wit three questions each. Dem link am from inside lessons, but quiz app fit run local or deploy for Azure; follow di instruction for the `quiz-app` folder. Dem dey localize dem steady steady. +> **Note about quizzes**: All quizzes dey inside Quiz-App folder, total na 40 quizzes with three questions each. Dem dey linked from inside lessons, but you fit run quiz app locally or deploy am for Azure; follow di instruction inside `quiz-app` folder. Dem dey slowly dey localize. ## 🎓 Beginner-Friendly Examples -**New to Data Science?** We don create special [examples directory](examples/README.md) wit simple, well-commented code to help you start well: +**New to Data Science?** We don create special [examples directory](examples/README.md) with simple, well-commented code to help you start: - 🌟 **Hello World** - Your first data science program -- 📂 **Loading Data** - Learn to read and explore datasets -- 📊 **Simple Analysis** - Calculate statistics and find patterns -- 📈 **Basic Visualization** - Create charts and graphs +- 📂 **Loading Data** - Learn how to read and explore datasets +- 📊 **Simple Analysis** - Calculate statistics an find patterns +- 📈 **Basic Visualization** - Create charts an graphs - 🔬 **Real-World Project** - Complete workflow from start to finish Each example get detailed comments wey explain every step, e perfect for absolute beginners! @@ -140,64 +140,64 @@ Each example get detailed comments wey explain every step, e perfect for absolut | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Defining Data Science | [Introduction](1-Introduction/README.md) | Learn di basic concepts wey dey behind data science and how e relate to artificial intelligence, machine learning, and big data. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 01 | Defining Data Science | [Introduction](1-Introduction/README.md) | Learn di basic concepts behind data science an how e relate to artificial intelligence, machine learning, an big data. | [lesson](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Data Science Ethics | [Introduction](1-Introduction/README.md) | Data Ethics Concepts, Challenges & Frameworks. | [lesson](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Defining Data | [Introduction](1-Introduction/README.md) | How data dey classified and di common sources. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introduction to Statistics & Probability | [Introduction](1-Introduction/README.md) | Di mathematical techniques of probability and statistics to understand data. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Working with Relational Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to relational data and di basics of how to explore and analyze relational data wit di Structured Query Language, wey dem sabi as SQL (dem dey talk am “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Working with NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to non-relational data, wetin different types of dem be and di basics of how to explore and analyze document databases. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Working with Python | [Working With Data](2-Working-With-Data/README.md) | Basics of how to use Python for data exploration wit libraries like Pandas. You need basic understanding of Python programming first. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Data Preparation | [Working With Data](2-Working-With-Data/README.md) | Topics about ways dey clean and change data well to fit handle challenges like missing, inaccurate, or incomplete data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Visualizing Quantities | [Data Visualization](3-Data-Visualization/README.md) | Learn how to use Matplotlib to see bird data 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualizing Distributions of Data | [Data Visualization](3-Data-Visualization/README.md) | How to visualize observations and trends inside interval. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualizing Proportions | [Data Visualization](3-Data-Visualization/README.md) | Visualizing discrete and grouped percentages. | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualizing Relationships | [Data Visualization](3-Data-Visualization/README.md) | Visualizing connections and correlations between data sets and im variables. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Meaningful Visualizations | [Data Visualization](3-Data-Visualization/README.md) | Techniques and advice to make your visualizations valuable for better problem solving and insights. | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introduction to the Data Science lifecycle | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Introduction to the data science lifecycle and di first step wen you acquire and extract data. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analyzing | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase for data science lifecycle dey focus on techniques to analyze data. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Communication | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase for data science lifecycle dey focus on how to talk di insights from data, so decision makers fit understand better. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Dis series of lessons introduce data science for cloud and di benefits. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | -| 18 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | How to train models wit Low Code tools. |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | How to deploy models wit Azure Machine Learning Studio. | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science in the Wild | [In the Wild](6-Data-Science-In-Wild/README.md) | Data science driven projects for real world. | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Defining Data | [Introduction](1-Introduction/README.md) | How data dey classified an di common sources. | [lesson](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduction to Statistics & Probability | [Introduction](1-Introduction/README.md) | Di mathematical techniques of probability an statistics to understand data. | [lesson](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Working with Relational Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to relational data an di basics of exploring an analyzing relational data with di Structured Query Language, wey dem also sabi as SQL (wey dem dey pronounce “see-quell”). | [lesson](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Working with NoSQL Data | [Working With Data](2-Working-With-Data/README.md) | Introduction to non-relational data, di different types an basics of exploring an analyzing document databases. | [lesson](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Working with Python | [Working With Data](2-Working-With-Data/README.md) | Basics of using Python for data exploration with libraries like Pandas. Foundational understanding of Python programming dey recommended. | [lesson](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Data Preparation | [Working With Data](2-Working-With-Data/README.md) | Topics on data techniques for cleaning and transforming data to handle challenges of missing, inaccurate, or incomplete data. | [lesson](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Visualizing Quantities | [Data Visualization](3-Data-Visualization/README.md) | Learn how to use Matplotlib to visualize bird data 🦆 | [lesson](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualizing Distributions of Data | [Data Visualization](3-Data-Visualization/README.md) | Visualizing observations and trends inside interval. | [lesson](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualizing Proportions | [Data Visualization](3-Data-Visualization/README.md) | Visualizing discrete an grouped percentages. | [lesson](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualizing Relationships | [Data Visualization](3-Data-Visualization/README.md) | Visualizing connections and correlations between sets of data an their variables. | [lesson](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Meaningful Visualizations | [Data Visualization](3-Data-Visualization/README.md) | Techniques and guidance to make your visualizations valuable for effective problem solving and insights. | [lesson](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introduction to the Data Science lifecycle | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Introduction to di data science lifecycle and di first step of acquiring and extracting data. | [lesson](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analyzing | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase of di data science lifecycle focus on techniques to analyze data. | [lesson](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Communication | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Dis phase of di data science lifecycle focus on presenting di insights from data in way wey go make am easy for decision makers to understand. | [lesson](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Dis series of lessons introduce data science in the cloud and di benefits. | [lesson](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Training models using Low Code tools. |[lesson](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science in the Cloud | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Deploying models with Azure Machine Learning Studio. | [lesson](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science in the Wild | [In the Wild](6-Data-Science-In-Wild/README.md) | Data science driven projects for di real world. | [lesson](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Follow dis steps to open dis sample for Codespace: -1. Click di Code drop-down menu and select di Open with Codespaces option. -2. Select + New codespace for bottom for di pane. +Follow dis steps to open dis sample inside Codespace: +1. Click di Code drop-down menu an select Open with Codespaces option. +2. Select + New codespace for di bottom of di pane. For more info, check di [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Follow dis steps to open dis repo inside container using your local machine and VSCode with di VS Code Remote - Containers extension: +Follow dis steps to open dis repo inside container using your local machine an VSCode with di VS Code Remote - Containers extension: -1. If na your first time to dey use development container, make sure your system get all wetin e need first (like Docker installed) for [di getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. If e be your first time to use developer container, make sure your system get di pre-reqs (like say Docker dey installed) for [di getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -To use dis repository, you fit open di repository for isolated Docker volume: +To use dis repository, you fit open di repo inside isolated Docker volume: -**Note**: Under di hood, dis one dey use Remote-Containers: **Clone Repository in Container Volume...** command to clone di source code inside Docker volume instead of local computer. [Volumes](https://docs.docker.com/storage/volumes/) na how we best dey keep container data safe. +**Note**: Under di hood, dis go use Remote-Containers: **Clone Repository in Container Volume...** command to clone di source code into Docker volume instead of local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) na preferred way to store container data. -Or open local cloned or downloaded version of di repository: +Or open locally cloned or downloaded version of di repo: -- Clone dis repository to your local computer. -- Press F1 and select **Remote-Containers: Open Folder in Container...** command. -- Select di cloned copy of dis folder, wait make container start, try am. +- Clone dis repository to your local filesystem. +- Press F1 an select **Remote-Containers: Open Folder in Container...** command. +- Select di cloned copy of dis folder, wait for container to start, an try am. ## Offline access -You fit run dis documentation offline by using [Docsify](https://docsify.js.org/#/). Fork dis repo, [install Docsify](https://docsify.js.org/#/quickstart) for your machine, then for root folder of dis repo, type `docsify serve`. Di website go run for port 3000 on your localhost: `localhost:3000`. +You fit run dis documentation offline by using [Docsify](https://docsify.js.org/#/). Fork dis repo, [install Docsify](https://docsify.js.org/#/quickstart) for your local machine, then inside di root folder of dis repo, type `docsify serve`. Website go run for port 3000 for your localhost: `localhost:3000`. -> Note, notebooks no go render via Docsify, so if you need run notebook, do am separate for VS Code running Python kernel. +> Note, notebooks no go render via Docsify, so if you need run notebook, make you do am separately inside VS Code running Python kernel. ## Other Curricula -Our team dey produce other curricula! Check am: +Our team dey produce other curricula! Check am out: ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents @@ -235,19 +235,19 @@ Our team dey produce other curricula! Check am: ## Getting Help -**You dey face wahala?** Check our [Troubleshooting Guide](TROUBLESHOOTING.md) for how to solve common wahala dem. +**You dey get wahala?** Check our [Troubleshooting Guide](TROUBLESHOOTING.md) for how you fit solve common problems. -If you jam delay or get any question about how to build AI app dem. Join other learners and experienced developers for discussions about MCP. Na supportive community wey questions dey welcome and knowledge dey share freely. +If you jam gbege or get any question about how to build AI apps. Join other people wey dey learn and programmers wey sabi for talks about MCP. E be like one supportive community wey you fit ask question anytime and dem dey share knowledge freely. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -If you get product feedback or errors while you dey build, make you visit: +If you get product feedback or you see error while you dey build, com visit: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Disclaimer**: -Dis document na im we dem don translate wit AI translation service [Co-op Translator](https://github.com/Azure/co-op-translator). Even though we dey try make am correct, abeg make you sabi say automated translations fit get some errors or mistakes. Di original document for im own language na di main correct source. If na serious tori, e better make human translator wey sabi do am translate am. We no go take blame if anybody misunderstand or misinterpret di translation. +**Disclaimer**: +Dis dokument dem don translate am wit AI translation service wey dem dey call [Co-op Translator](https://github.com/Azure/co-op-translator). Even we dey try make everything correct, abeg make you sabi say machine translation fit get some mistake or wahala. Di original dokumentwey talk for e own language na di correct one. For important tins, e beta make person wey sabi do human translation do am. We no go responsible if pesin no understand well or if mistakes happen because of dis translation. \ No newline at end of file diff --git a/translations/ta/.co-op-translator.json b/translations/ta/.co-op-translator.json index 33803050..29414530 100644 --- a/translations/ta/.co-op-translator.json +++ b/translations/ta/.co-op-translator.json @@ -360,8 +360,8 @@ "language_code": "ta" }, "README.md": { - "original_hash": "8ec92ecfeb14923af733851239552146", - "translation_date": "2026-01-30T02:44:03+00:00", + "original_hash": "9204a2806964384a56f5cb0f22bbe953", + "translation_date": "2026-02-06T09:23:14+00:00", "source_file": "README.md", "language_code": "ta" }, diff --git a/translations/ta/README.md b/translations/ta/README.md index 114b741c..e9c47361 100644 --- a/translations/ta/README.md +++ b/translations/ta/README.md @@ -1,206 +1,173 @@ # தொடக்க நிலை தரவு அறிவியல் - பாடத்திட்டம் -[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +### 🌐 பன்மொழி ஆதரவு -[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +#### GitHub செயல் மூலம் ஆதரிக்கப்படுகிறது (தானியங்கி மற்றும் எப்போதும் புதுப்பிக்கப்பட்டது) -[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +> **உள்ளூரில் கிளோன் செய்வதற்கு விருப்பமா?** - -[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) - -[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) - -மைக்ரோசாஃப்ட்-இல் Azure Cloud Advocates தரவு அறிவியலைப் பற்றி 10 வாரங்கள், 20 பாடங்கள் கொண்ட பாடத்திட்டத்தை வழங்கும்போது மகிழ்ச்சியாக உள்ளனர். ஒவ்வொரு பாடத்திலும் முன்-பாடம் மற்றும் பின்-பாடம் விசைப்பாட்கள், பாடத்தை நிறைவேற்ற எழுத்து விளக்கங்கள், தீர்வு மற்றும் பணியின்கள் ஆகியவை உள்ளடக்கமாக உள்ளன. எங்கள் திட்ட அடிப்படையிலான கற்பித்தல் முறை, புதிய திறன்கள் 'பிடிக்க' சான்றளிக்கப்பட்ட வழி அமைப்பை உருவாக்கிக் கற்றுக்கொள்ள உதவுகிறது. - -**எங்களது ஆசிரியர்களுக்கு உள் உள்ளார்ந்த நன்றி:** [ஜாஸ்மின் க்ரீனவே](https://www.twitter.com/paladique), [ட்மிட்ரி ஸோஷ்னிக்கோவ்](http://soshnikov.com), [நித்யா நரசிமன்](https://twitter.com/nitya), [ஜேலன் மெகீ](https://twitter.com/JalenMcG), [ஜென் லூப்பர்](https://twitter.com/jenlooper), [மாட் லேவி](https://twitter.com/maudstweets), [டிகேனி சௌட்டர்](https://twitter.com/TiffanySouterre), [கிறிஸ்டோபர் ஹாரிசன்](https://www.twitter.com/geektrainer). - -**🙏 சிறப்பு நன்றி 🙏 எங்களது [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) ஆசிரியர்கள், பரிசீலனையாளர்கள் மற்றும் உள்ளடக்கக் கொடுப்பாளர்களுக்கு,** குறிப்பாக ஆர்யான் அரோறா, [ஆதித்ய கார்](https://github.com/AdityaGarg00), [அலோன்ரா சांचெஸ்](https://www.linkedin.com/in/alondra-sanchez-molina/), [அங்கீதா சிங்](https://www.linkedin.com/in/ankitasingh007), [அநுபம் மிஷ்ரா](https://www.linkedin.com/in/anupam--mishra/), [அர்பிதா தாஸ்](https://www.linkedin.com/in/arpitadas01/), ச்ஹைல் பிஹாரி டுவே, [டிப்ரி ந்ஸோபர்](https://www.linkedin.com/in/dibrinsofor), [டிஷிதா பாஸின்](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [மாஜ்த் சாஃபி](https://www.linkedin.com/in/majd-s/), [மாக்ஸ் புளம்](https://www.linkedin.com/in/max-blum-6036a1186/), [மிகேல் கொர்ரியா](https://www.linkedin.com/in/miguelmque/), [மொஹம்மா இப்தேகர் (இப்டூ) எப்னே ஜலால்](https://twitter.com/iftu119), [நவரின் டபாச்சும்](https://www.linkedin.com/in/nawrin-tabassum), [ரெய்மாண்ட் வாங்க்சா புட்ரா](https://www.linkedin.com/in/raymond-wp/), [ரோஹித்யாதவ்](https://www.linkedin.com/in/rty2423), சம்ரித்தி ஷர்மா, [சன்யா சின்ஹா](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), -[ஷீனா நருலா](https://www.linkedin.com/in/sheena-narua-n/), [தவ்கீர் அக்மத்](https://www.linkedin.com/in/tauqeerahmad5201/), யோகேந்திரசிங் பவர் , [விடுஷி குப்தா](https://www.linkedin.com/in/vidushi-gupta07/), [ஜஸ்லீன் சோந்தி](https://www.linkedin.com/in/jasleen-sondhi/) - -|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/ta/00-Title.8af36cd35da1ac55.webp)| -|:---:| -| தொடக்க நிலை தரவு அறிவியல் - _ஸ்கெட்ச் நோட் [@nitya](https://twitter.com/nitya)_ | - -### 🌐 பல மொழி ஆதரவு - -#### GitHub அகஷன் மூலம் ஆதரிக்கப்படுகிறது (சுயமெய்யாக்கப்பட்ட மற்றும் எப்போதும் புதுப்பிக்கப்படும்) - - -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](./README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) - -> **உடனடியாக கிளோன் செய்ய விரும்புகிறீர்களா?** - -> இந்த பதிவகம் 50+ மொழி மொழிபெயர்ப்புகளை கொண்டுள்ளது, இது பதிவிறக்கம் அளவை வலுவாக அதிகரிக்கும். மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய sparse checkout பயன்படுத்தவும்: +> இந்த ரெப்போ 50+ மொழித் தரவுகளை உள்ளடக்கியுள்ளது, இது பதிவிறக்க வலுவை குறிப்பிடத்தகுந்த அளவு அதிகரிக்கிறது. மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய, sparse checkout பயன்படுத்தவும்: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git > cd Data-Science-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> இது நீங்கள் பாடத்திட்டத்தை முடிக்க தேவையான அனைத்தை விரைவில் பெற உதவும். - +> இது நீங்கள் பாடத்திட்டத்தைக் கையாள மிக விரைந்த பதிவிறக்கம் அளிக்கும். -**மேலும் மொழி ஆதரவு வேண்டும் என்றால் இங்கு பார்வையிடவும் [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**மேலும் மொழிபெயர்ப்புகளை ஆதரிக்க விரும்பின், அவை இங்கே பட்டியலிடப்பட்டுள்ளன [இங்கே](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -#### எங்கள் சமூகத்தில் சேருங்கள் +#### எங்கள் சமூகத்தில் சேரவும் [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -நாம் ஒரு Discord AI கற்பித்தல் தொடரினை நடத்தியிருக்கின்றோம், மேலும் அறிந்து [Learn with AI Series](https://aka.ms/learnwithai/discord) இணையதளத்தில் 2025, செப்டம்பர் 18 - 30 வரை எங்கள் குழுவுடன் இணையுங்கள். தரவு அறிவியலுக்கான GitHub Copilot ஐ பயன்படுத்த சிறந்த குறிப்புகளையும் வழிகாட்டல்களையும் பெறுவீர்கள். +AI தோழமை படிப்புகளை வழங்கும் டிஸ்கோர்ட்டு தொடர்ச்சி நடப்பதாக உள்ளது, மேலும் அறிந்து கலந்து கொள்ள [Learn with AI Series](https://aka.ms/learnwithai/discord) இல் செப்டம்பர் 18 - 30, 2025 இடையே கலந்துகொள்ளுங்கள். தரவு அறிவியலுக்கான GitHub Copilot பயன்படுத்துவதற்கான குறிப்புகள் மற்றும் வழிமுறைகளை பெறுவீர்கள். ![Learn with AI series](../../translated_images/ta/1.2b28cdc6205e26fe.webp) # நீங்கள் ஒரு மாணவரா? -பின்வரும் வளங்களுடன் துவங்குங்கள்: +இதைக் கொண்டு துவங்கவும்: -- [மாணவர் ஹப் பக்கம்](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) இதில் நீங்கள் தொடக்கத்திற்கான வளங்கள், மாணவர் தொகுதிகள் மற்றும் இலவச சான்று வாய்ப்பு பற்றிய தகவல்களை காணலாம். இது ஒரு பக்கம், அதைப்பதிவுசெய்து திட்டத்தின் உள்ளடக்கம் மாதத்திற்கு ஒரு முறையே மாற்றப்படுவதால் அவ்வப்போது சரிபார்க்கவும். -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) உலகளாவிய மாணவர் தூதர்களின் சமூகத்தில் சேர்ந்துகொள்ளுங்கள், இது உங்கள் மைக்ரோசாஃப்ட் புகுபதிகைக்கு வாயிலாக இருக்கலாம். +- [மாணவர் மைய பக்கம்](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) - இங்கே துவக்கத்திற்கான வளங்கள், மாணவர் தொகுப்புகள் மற்றும் இலவச சான்றிதழ் வவுச்சர் பெறும் வழிகளையும் காணலாம். மாதம் ஒரு முறை உள்ளடக்கம் மாற்றப்படும் என்பதால் இந்தப் பக்கத்தை குறியிடவும் மற்றும் முறையாக பாருங்கள். +- [Microsoft Learn மாணவர் தூதர்கள்](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) - மாணவர் தூதர்கள் உலகளாவிய சமுதாயத்தில் சேரவும்; இது Microsoft இல் உங்களுக்கான வாயிலாக இருக்கலாம். -# துவக்கம் +# துவக்கல் ## 📚 ஆவணங்கள் -- **[இன்ஸ்டாலேஷன் வழிகாட்டு](INSTALLATION.md)** - தொடக்கங்களுக்கான படி படியாக அமைக்கும் அறிவுரைகள் -- **[பயன்பாடு வழிகாட்டு](USAGE.md)** - உதாரணங்கள் மற்றும் பொதுவான பணிகள் -- **[பிரச்சனைகள் நீக்கம்](TROUBLESHOOTING.md)** - பொதுவான பிரச்சனைகள் மற்றும் தீர்வுகள் -- **[சேரும் விதிமுறைகள்](CONTRIBUTING.md)** - இந்த திட்டத்திற்கு எப்படி பங்களிக்க வேண்டும் -- **[ஆசிரியர்களுக்காக](for-teachers.md)** - கற்பிக்கும் வழிகாட்டல்கள் மற்றும் வகுப்பு வளங்கள் +- **[நிறுவல் வழிகாட்டி](INSTALLATION.md)** - தொடக்க நிலைக்கு படிப்படியான அமைப்பு வழிகாட்டிகள் +- **[பயன்பாட்டு வழிகாட்டி](USAGE.md)** - எடுத்துக்காட்டுகள் மற்றும் பொதுவான பணிப்பழக்கங்கள் +- **[சிக்கல் தீர்வு](TROUBLESHOOTING.md)** - பொதுவான பிரச்சனைகளுக்கான தீர்வுகள் +- **[ஒருங்கிணைப்புக் கையேடு](CONTRIBUTING.md)** - இந்தத் திட்டத்தில் எப்படி பங்களிக்கலாம் +- **[ஆசிரியர்களுக்கானது](for-teachers.md)** - கற்பித்தல் வழிகாட்டி மற்றும் வகுப்பு வளங்கள் ## 👨‍🎓 மாணவர்களுக்கு -> **முழு புதியவர்கள்**: தரவு அறிவியலில் புதியவரா? எங்கள் [தொடக்க நண்பர்களுக்கான உதாரணங்கள்](examples/README.md) கொண்டு துவங்குங்கள்! இவைகள் எளிய, நன்கு கருத்துக்கணிக்கப்பட்ட உதாரணங்களாகும், முழு பாடத்திட்டத்தில் செல்வதற்கு முன் அடிப்படைகளை புரிந்துகொள்ள உதவும். -> **[மாணவர்கள்](https://aka.ms/student-page)**: இந்த பாடத்திட்டத்தை தனியாக பயன்படுத்த, முழு பதிவகத்தை fork செய்து, முன்-பாட வாசிப்பு விசைப்பாடுகளுடன் துவங்கி, பிறகு பாடத்தையும் செயல்பாடுகளையும் தயார் செய்க. தீர்வு குறியீட்டை நகலெடுக்காமல் பாடங்களை உணர்ந்து திட்டங்களை உருவாக்க முயலவும்; இருப்பினும், அந்த குறியீடு /solutions கோப்புறைகளில் ஒவ்வொரு திட்டமயமாக்கப்பட்ட பாடத்திலும் கிடைக்கும். மற்றொரு வழி, நண்பர்களுடன் ஒரு படிப்பு குழுவை உருவாக்கி ஒன்றிணைந்து பாடங்களைப் பார்க்கவும். மேலதிக படிப்புக்கு, [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) பரிந்துரைக்கப்படுகிறது. +> **முழு புதியவர்கள்**: தரவு அறிவியலில் புதியவரா? எங்கள் [தொடக்க நிலை எடுத்துக்காட்டுகள்](examples/README.md) மூலம் ஆரம்பிக்கவும்! இவை எளிமையான, நன்கு கூறிய எடுத்துக்காட்டுகள், முழு பாடத்திட்டத்தை திறந்து கற்கும் முன் அடிப்படைகளை புரிந்துகொள்ள உதவும். +> **[மாணவர்கள்](https://aka.ms/student-page)**: இந்த பாடத்திட்டத்தை தனியாக பயன்படுத்த, முழு ரெப்போவை ஃபோர்க் செய்து, முன்னுரை குவைத்தல் (pre-lecture quiz) இடத்திலிருந்து நடவடிக்கை எடுத்து பயிற்சிகளை முடிக்கவும். பிறகு பாடத்தைக் கற்றுகொண்டு மற்ற அனைத்து நடவடிக்கைகளையும் முடிக்கவும். தீர்வு கோடுகளை நகல் எடுக்காமல் பாடங்களை புரிந்து கொண்டு திட்டங்களை உருவாக்க முயல்வது நல்லது; ஆனால் அந்தக் கோடுகள் ஒவ்வொரு திட்ட சார்ந்த பாடத்திலும் /solutions கோப்புறையில் கிடைகிறது. கூடுதலாக, நண்பர்களுடன் படிப்பு குழுவை அமைத்து சேர்ந்துகொண்டு உள்ளடக்கத்தைப் பகிர்ந்து கற்றுக்கொள்ளலாம். மேலும்அடிப்படைக்கு [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) பரிந்துரைக்கப்படுகிறது. -**விரைவான துவக்கம்:** -1. உங்கள் சூழலை அமைக்க [இன்ஸ்டாலேஷன் வழிகாட்டை](INSTALLATION.md) பார்க்கவும் -2. பாடத்திட்டத்துடன் வேலை பார்க்க [பயன்பாடு வழிகாட்டை](USAGE.md) மதிப்பாய்வு செய்யவும் -3. முதலாம் பாடத்துடன் துவங்கி வரிசைப்படி பணியாற்றவும் -4. உதவிக்காக எங்கள் [Discord சமூகத்தில்](https://aka.ms/ds4beginners/discord) சேரவும் +**நீண்ட வேகமாக துவங்க:** +1. உங்கள் சூழலை அமைக்கும் [நிறுவல் வழிகாட்டி](INSTALLATION.md) ஐப் பாருங்கள் +2. பாடத்திட்டத்துடன் பணியாற்ற [பயன்பாட்டு வழிகாட்டி](USAGE.md) ஐ எதிர்பாருங்கள் +3. பாடம் 1 முதல் தொடங்கி வரிசைப்படி செய்து முடிக்கவும் +4. ஆதரவுக்கு எங்கள் [டிஸ்கோர்டு சமுதாயம்](https://aka.ms/ds4beginners/discord)ல் சேரவும் -## 👩‍🏫 ஆசிரியர்களுக்காக +## 👩‍🏫 ஆசிரியர்களுக்கு -> **ஆசிரியர்கள்**: இந்த பாடத்திட்டத்தை பயன்படுத்த சில பரிந்துரைகளை [நாங்கள் சேர்த்துள்ளோம்](for-teachers.md). உங்கள் கருத்துக்களை எங்கள் [சர்ச்சை மன்றத்தில்](https://github.com/microsoft/Data-Science-For-Beginners/discussions) பகிர்ந்து கொள்ளவும்! -## அணியினரை சந்திக்கவும் +> **ஆசிரியர் நண்பர்களுக்கு**: இந்த பாடத்திட்டம் எப்படி பயன்படுத்துவது என்பதற்கான சில பரிந்துரைகளுடன் [நாங்கள் இங்கே சேர்த்துள்ளோம்](for-teachers.md). உங்கள் கருத்துக்களை எங்கள் விவாத களத்தில் [பகிரவும்](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +## குழுவை சந்திக்கவும் -[![விளம்பரக் காணொளி](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "விளம்பரக் காணொளி") +[![பிரமோ வீடியோ](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "பிரமோ வீடியோ") -**ஜிஃப் செய்தவர்** [மோகித் ஜைசால்](https://www.linkedin.com/in/mohitjaisal) +**கிஃப்ஃபை உருவாக்கியவர்** [மோகித் ஜைசால்](https://www.linkedin.com/in/mohitjaisal) -> 🎥 மேலே உள்ள படத்தை கிளிக் செய்து இந்தத் திட்டம் மற்றும் இதை உருவாக்கியவர்களைப் பற்றிய ஒரு வீடியோவைப் பார்க்கலாம்! +> 🎥 மேலே உள்ள படத்தை கிளிக் செய்து திட்டத்தைப் பற்றிய மற்றும் அதை உருவாக்கிய நபர்களைப் பற்றிய வீடியோவைப் பாருங்கள்! -## கற்றல் முறைகள் +## கற்பித்தல் முறைகள் -இந்த பாடத்திட்டத்தை உருவாக்குவதில் இரண்டு கற்றல் கோட்பாடுகளை தேர்ந்தெடுத்துள்ளோம்: அது திட்டாசாரமானதாக இருக்கும் என்பதும் அடிக்கடி வினாடி வினாக்களைச் சேர்க்க வேண்டும் என்பதும். இந்த தொடர் முடிவில், மாணவர்கள் தரவுத்துறையின் அடிப்படை 원理களை கற்றுக்கொள்வர், அதில் குற்றவியல் கருத்துக்களும், தரவு தயார் செய்தல், தரவு வேலை செய்யும் பல வழிகள், தரவு காட்சிப்படுத்தல், தரவு பகுப்பாய்வு, தரவுத்துறையின் உண்மையான பயன்பாடுகள் மற்றும் பல உள்ளன. +இந்த பாடத்திட்டத்தை உருவாக்கும்போது இரண்டு கற்பித்தல் அடிப்படைகளைத் தேர்ந்தெடுத்துள்ளோம்: அது திட்ட அடிப்படையிலானதாக இருக்க வேண்டும் மற்றும் அதில் அடிக்கடி வினாக்கள் உள்ளடக்கம் ஆக வேண்டும். இந்த தொடர் முடிவின்போது, மாணவர்கள் தரவு அறிவியல் பற்றிய அடிப்படை 원칙ங்களை கற்றுக்கொள்வார்கள், அதில் ஒழுங்கு நெறிக்கைகள், தரவு தயார் செய்தல், தரவுடன் பணியாற்றும் பல்வேறு முறைகள், தரவு காட்சிப்படுத்தல், தரவு பகுப்பாய்வு, தரவு அறிவியலின் நடைமுறை பயன்பாடுகள் மற்றும் பல அடங்கும். -மேலும், வகுப்புக்கு முன் ஒரு குறைவான முக்கியத்துவம் கொண்ட வினாடி வினா மாணவரின் ஒரு தலைப்பை கற்றுக்கொள்ளும் நோக்கத்தை அமைக்கும், பின்னர் ஒரு இரண்டாவது வினாடி வினா வகுப்புக்குப் பிறகு மேலும் நினைவில் வைத்திருக்க உதவும். இந்த பாடத்திட்டம் நெகிழ்ச்சி மற்றும் வேடிக்கையானதாக வடிவமைக்கப்பட்டுள்ளது மற்றும் முழுமையாகவோ அல்லது பகுதி ஒன்றாகவோ எடுக்கலாம். திட்டங்கள் சிறியதாக தொடங்கி 10 வார சுற்றின் இறுதியில் அதிகமாக சிக்கலாக மாறுகின்றன. +மேலும், ஒரு வகுப்பிற்கு முன் நடைபெறும் குறைந்த முக்கியத்துவம் வாய்ந்த வினாதாரம் மாணவரின் ஒரு பொருள் கற்றல் நோக்கத்தை அமைக்கிறது, மறுபடி வகுப்பிற்குப் பிறகு நடைபெறும் இரண்டாம் வினாதாரமும் மேலதிக நினைவாற்றலை உறுதிப்படுத்துகிறது. இந்த பாடத்திட்டம் நெகிழ்வானதும் கவர்ச்சியூட்டுவதுமானதும் வடிவமைக்கப்பட்டுள்ளது மற்றும் முழுமையா அல்லது பகுதி வாரியாக எடுத்துக்கொள்ளலாம். திட்டங்கள் சிறிய அளவில் துவங்கி, 10 வாரச் சுழற்சியின் இறுதிக்குள் அதிகமாக சிக்கலாகின்றன. -> எங்கள் [நடத்தை விதிகள்](CODE_OF_CONDUCT.md), [பங்களிப்பு](CONTRIBUTING.md), [மொழிபெயர்ப்பு](TRANSLATIONS.md) வழிகாட்டுதல்களைப் பார்க்கவும். உங்கள் கட்டுரையான கருத்துக்களை வரவேற்கிறோம்! +> நமது [நடைமுறை விதிகள்](CODE_OF_CONDUCT.md), [தொகுப்புகள்](CONTRIBUTING.md), [மொழிபெயர்ப்பு வழிகாட்டுதல்கள்](TRANSLATIONS.md) கண்டு பிடியுங்கள். உங்கள் கட்டுமான பின்னூட்டத்தை வரவேற்கிறோம்! ## ஒவ்வொரு பாடத்திலும் உள்ளவை: -- விருப்பமான ஸ்கெட்ச் நோட் -- விருப்பமான கூடுதல் வீடியோ -- பாடத்துக்கு முன் ஒரு ஆர்வக் வினா -- எழுதப்பட்ட பாடம் -- திட்டாசாரமான பாடங்களுக்கு, திட்டத்தை உருவாக்கும் படிகள் -- அறிவுத் தேர்வுகள் -- ஒரு சவால் -- கூடுதல் வாசிப்பு -- பணிகள் -- [பாடத்துக்குப் பிறகு வினாடி வினா](https://ff-quizzes.netlify.app/en/) +- விருப்பமான ஸ்கெட்ச்னோட் +- விருப்பமான கூடுதல் வீடியோ +- பாடம் முன்னர் நடைபெற்ற சூடுபிடிப்பு வினாடி வினா +- எழுத்துப் பாடம் +- திட்ட அடிப்படையிலான பாடங்களுக்கு, திட்டம் எவ்வாறு கட்டப்படும் என்பதை படி படியாகக் கொண்டு வரும் வழிகாட்டுதல்கள் +- அறிவு சோதனைகள் +- ஒரு சவால் +- கூடுதல் வாசிப்பு +- பொது பாடத்திற்குப் பிறகு நடைபெறும் [வினாதாரம்](https://ff-quizzes.netlify.app/en/) -> **வினாடி வினாக்கள் குறித்த ஒரு குறிப்பு**: அனைத்து வினாடிகள் Quiz-App கோப்புறையில் உள்ளன, ஒரே வினாடி வினாவில் மூன்று கேள்விகள் கொண்ட 40 வினா உள்ளது. அவை பாடங்களில் இணைக்கப்பட்டுள்ளன, ஆனால் வினா செயலி உள்ளூரிலும் இயக்கலாம் அல்லது Azure இல் பயன்படுத்தலாம்; அறிவுறுத்தல்களை `quiz-app` கோப்புறையில் பின்பற்றவும். அவை படிப்படியாக உள்ளூர் மொழிபெயர்க்கப்படுகின்றன. +> **வினாடி வினாக்களுக்கான குறிப்பு**: அனைத்து வினாடி வினாக்களும் Quiz-App கோப்புறையில் உள்ளன, ஒவ்வொன்றில் 3 கேள்விகள் கொண்ட 40 மொத்த வினாக்கள் உள்ளன. அவை பாடங்களில் இணைக்கப்பட்டுள்ளன, ஆனால் வினாடி வினா செயலியை உள்ளூரிலும் இயக்கவோ அல்லது அச்யூர்-ல் இயக்கவோ செய்யலாம்; quiz-app கோப்புறையில் உள்ள அறிவுரைகளை பின்பற்றவும். அவை ஒளிப்பரப்பாக உள்ளூர் மொழி மாற்றம் செய்யப்படுகின்றன. -## 🎓 தொடக்க நிலையமைவுக்கு ஏற்ற உதாரணங்கள் +## 🎓 தொடக்க நிலை உதாரணங்கள் -**தரவு அறிவியலில் புதியவாயா?** எளிய மற்றும் நன்கு விளக்கப்பட்ட குறியீட்டுடன் சிறப்பு [உதாரணங்கள் அடைவு](examples/README.md) உருவாக்கியுள்ளோம், உங்களைத் தொடங்க உதவ: +**தரவு அறிவியலில் புதியவர்?** எங்கள் சிறப்பு [உதாரணங்கள் அடைவை](examples/README.md) எளிமையானவும், நன்றாக விளக்கபட்ட குறியீடுகளோடும் தொடங்க உதவுகின்றன: -- 🌟 **ஹெலோ வெர்ல்ட்** - உங்கள் முதல் தரவு அறிவியல் திட்டம் -- 📂 **தரவை ஏற்றுதல்** - தரவுகளைக் கற்றுக்கொண்டு ஆராயவும் -- 📊 **எளிய பகுப்பாய்வு** - புள்ளியியல் கணக்கிடவும் மற்றும் மாதிரிகளை காணவும் -- 📈 **அடிப்படை காட்சிப்படுத்தல்** - படங்கள் மற்றும் வரைபடங்களை உருவாக்கவும் -- 🔬 **உண்மை உலகத் திட்டம்** - தொடக்கம் முதல் முடிவுவரை பணிமுறை ஐந்து மணி நேர மேலாண்மை +- 🌟 **ஹலோ உலகம்** - உங்கள் முதல் தரவு அறிவியல் திட்டம் +- 📂 **தரவு ஏற்றுதல்** - தரவுத் தொகுப்புகளைப் படிக்கவும் ஆராயவும் கற்றுக்கொள்ளுங்கள் +- 📊 **எளிமையான பகுப்பாய்வு** - புள்ளியியல் கணக்கிடவும் மற்றும் வடிவங்களை கண்டுபிடிக்கவும் +- 📈 **அடிப்படை காட்சிப்படுத்தல்** - பட்டியல்கள் மற்றும் வரைபடங்களை உருவாக்கவும் +- 🔬 **நாட்டியலில் நிகழும் திட்டம்** - தொடக்கம் முதல் இறுதி வரை முழு பணிவழி -ஒவ்வொரு உதாரணமும் ஒவ்வொரு படியையும் விரிவாக விளக்குகிறது, இது முற்றிலும் புதியவர்களுக்கே தகுந்தது! +ஒவ்வொரு உதாரணத்திலும் அனைத்து படிகளையும் விளக்கும் விரிவான கருத்துகள் உள்ளன, இது முழுமையான முதன்மைத் தொடக்கர்களுக்கு சிறந்ததாகும்! -👉 **[உதாரணங்களுடன் தொடங்கவும்](examples/README.md)** 👈 +👉 **[உதாரணங்களுடன் தொடங்குங்கள்](examples/README.md)** 👈 ## பாடங்கள் -|![ @sketchthedocs வழங்கிய ஸ்கெட்ச் நோட் https://sketchthedocs.dev](../../translated_images/ta/00-Roadmap.4905d6567dff4753.webp)| +|![ @sketchthedocs இடையிடைவழி https://sketchthedocs.dev உருவாக்கிய ஸ்கெட்ச்னோட்](../../translated_images/ta/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| தொடக்கர்களுக்கான தரவு அறிவியல்: வழிகாட்டி - _ஸ்கெட்ச் நோட் [@nitya](https://twitter.com/nitya) வழங்கியது_ | +| தரவு அறிவியல் தொடக்கத்துக்கு: பாதை வரைபடி - _ஸ்கெட்ச்னோட் [@nitya](https://twitter.com/nitya) உருவாக்கியது_ | -| பாடம் எண் | தலைப்பு | பாடத் தொகுப்பு | கற்றல் துலக்குகள் | இணைக்கப்பட்ட பாடம் | ஆசிரியர் | +| பாட எண்ணிக்கை | தலைப்பு | பாட குழு | கற்றல் நோக்கங்கள் | இணைக்கப்பட்ட பாடம் | ஆசிரியர் | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | தரவு அறிவியல் வரையறை | [அறிமுகம்](1-Introduction/README.md) | தரவு அறிவியலின் அடிப்படைக் கருத்துக்களையும், புனைகை நுண்ணறிவு, இயந்திரக் கற்றல், மற்றும் பெரிய தரவுடன் அதன் தொடர்பையும் கற்றுக் கொள்ளுங்கள். | [பாடம்](1-Introduction/01-defining-data-science/README.md) [வீடியோ](https://youtu.be/beZ7Mb_oz9I) | [டிமிட்ரி](http://soshnikov.com) | -| 02 | தரவு அறிவியல் நெறிமுறைகள் | [அறிமுகம்](1-Introduction/README.md) | தரவு நெறிமுறைகள் கருத்துக்கள், சவால்கள் மற்றும் கட்டமைப்புகள். | [பாடம்](1-Introduction/02-ethics/README.md) | [நித்யா](https://twitter.com/nitya) | -| 03 | தரவு வரையறை | [அறிமுகம்](1-Introduction/README.md) | தரவு வகைப்படுத்தப்படுவது மற்றும் அதன் பொதுவான மூலங்கள் எப்படி என்பதைப் பற்றி. | [பாடம்](1-Introduction/03-defining-data/README.md) | [ஜாஸ்மின்](https://www.twitter.com/paladique) | -| 04 | புள்ளியியல் மற்றும் சாத்தியக்கூறு அறிமுகம் | [அறிமுகம்](1-Introduction/README.md) | தரவைப் புரிந்துகொள்ளும் சாத்தியக்கூறுகள் மற்றும் புள்ளியியல் கணக்கியல் தொழில்நுட்பங்கள். | [பாடம்](1-Introduction/04-stats-and-probability/README.md) [வீடியோ](https://youtu.be/Z5Zy85g4Yjw) | [டிமிட்ரி](http://soshnikov.com) | -| 05 | உறவுக் தரவு செயல்பாடு | [தரவு உடன் வேலை](2-Working-With-Data/README.md) | உறவுக்கூரிய தரவுகள் அறிமுகம் மற்றும் அமைப்பாக்க கேள்வி மொழி (SQL) உடன் உறவுக் தரவுகளை ஆராய்ந்து பகுப்பாய்வு செய்வதின் அடிப்படைகள். | [பாடம்](2-Working-With-Data/05-relational-databases/README.md) | [கிரிஸ்டோபர்](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL தரவு செயல்பாடு | [தரவு உடன் வேலை](2-Working-With-Data/README.md) | தொடர்பு இல்லாத தரவு அறிமுகம், அதன் பல வகைகள் மற்றும் ஆவண தரவுத்தளங்களை ஆராய்ந்து பகுப்பாய்வு செய்வதின் அடிப்படைகள். | [பாடம்](2-Working-With-Data/06-non-relational/README.md) | [ஜாஸ்மின்](https://twitter.com/paladique)| -| 07 | Python உடன் வேலை | [தரவு உடன் வேலை](2-Working-With-Data/README.md) | Python பயன்படுத்தி பாண்டாஸ் போன்ற நூலகங்களுடன் தரவை ஆராய்வதின் அடிப்படைகள். Python நிரலாக்க அடிப்படை அறிவு பரிந்துரைக்கப்படுகிறது. | [பாடம்](2-Working-With-Data/07-python/README.md) [வீடியோ](https://youtu.be/dZjWOGbsN4Y) | [டிமிட்ரி](http://soshnikov.com) | -| 08 | தரவு தயார் செயல் | [தரவு உடன் வேலை](2-Working-With-Data/README.md) | தரவை சுத்தம் செய்து மாற்றுவதற்கான தொழில்நுட்பங்கள் மற்றும் தரவு இல்லாத, தவறான அல்லது முழுமையற்ற தரவை கையாளும் சவால்கள். | [பாடம்](2-Working-With-Data/08-data-preparation/README.md) | [ஜாஸ்மின்](https://www.twitter.com/paladique) | -| 09 | அளவுகோல்களை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | பறவையின் தரவை Matplotlib இன் உதவியுடன் பார்ப்பது எப்படி என்பதை கற்று கொள்ளுங்கள் 🦆 | [பாடம்](3-Data-Visualization/09-visualization-quantities/README.md) | [ஜென்](https://twitter.com/jenlooper) | -| 10 | தரவு விநியோகங்களை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | இடைநிலையிலான கவனிப்புகள் மற்றும் போக்குகளை காட்சிப்படுத்தல். | [பாடம்](3-Data-Visualization/10-visualization-distributions/README.md) | [ஜென்](https://twitter.com/jenlooper) | -| 11 | விகிதங்களை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | தனித்தனியான மற்றும் குழும விகிதங்களை காட்சிப்படுத்தல். | [பாடம்](3-Data-Visualization/11-visualization-proportions/README.md) | [ஜென்](https://twitter.com/jenlooper) | -| 12 | உறவுகளை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | தரவு தொகுதிகளுக்குப் பொதுவான தொடர்பு மற்றும் சார்புகளை காட்சிப்படுத்தல். | [பாடம்](3-Data-Visualization/12-visualization-relationships/README.md) | [ஜென்](https://twitter.com/jenlooper) | -| 13 | அர்த்தமுள்ள காட்சிகள் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | பழக்க வழக்கமான மற்றும் விளக்கமாகக் காட்சிகளை உருவாக்குவதற்கான தொழில்நுட்பங்கள் மற்றும் வழிகாட்டுதல்கள். | [பாடம்](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ஜென்](https://twitter.com/jenlooper) | -| 14 | தரவு அறிவியலின் வாழ்நாள் அறிமுகம் | [வாழ்நாள்](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்நாள் மற்றும் தரவை சேகரித்தல் மற்றும் எடுக்குதல் என அதன் முதல் படி அறிமுகம். | [பாடம்](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ஜாஸ்மின்](https://twitter.com/paladique) | -| 15 | பகுப்பாய்வு | [வாழ்நாள்](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்நாட்டின் இந்த கட்டத்தில் தரவைப் பகுப்பாய்வு செய்வதற்கான தொழில்நுட்பங்கள் z. | [பாடம்](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ஜாஸ்மின்](https://twitter.com/paladique) | | | -| 16 | தொடர்பு | [வாழ்நாள்](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்நாட்டின் இந்த கட்டத்தில் தலைமை முடிவு எடுப்பவர்களுக்கு புரிந்துகொள்ள எளிதாகும் படி தரவிலிருந்து அறிவ்களை வழங்குவதேக் கவனம். | [பாடம்](4-Data-Science-Lifecycle/16-communication/README.md) | [ஜாலன்](https://twitter.com/JalenMcG) | | | -| 17 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | இந்த பாடத் தொடர் மேகத்தில் தரவு அறிவியலை மற்றும் அதன் நன்மைகளை அறிமுகப்படுத்துகிறது. | [பாடம்](5-Data-Science-In-Cloud/17-Introduction/README.md) | [டிஃபனி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) | -| 18 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | குறைந்த குறியீட்டு கருவிகளை பயன்படுத்தி மாதிரிகளை பயிற்சி செய்தல். |[பாடம்](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [டிஃபனி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) | -| 19 | மேகத்தில் தரவு அறிவியல் | [மேக தரவு](5-Data-Science-In-Cloud/README.md) | Azure இயந்திர கற்றல் ஸ்டுடியோ மூலம் மாதிரிகளை பரப்புதல். | [பாடம்](5-Data-Science-In-Cloud/19-Azure/README.md)| [டிஃபனி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) | -| 20 | இயற்கையில் தரவு அறிவியல் | [இயற்கையில்](6-Data-Science-In-Wild/README.md) | உண்மையான உலகில் தரவு அறிவியலால் இயக்கப்படும் திட்டங்கள். | [பாடம்](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [நித்யா](https://twitter.com/nitya) | - -## GitHub Codespaces - -இந்த மாதிரியை Codespace இல் திறக்க கீழ்க்கண்ட படிகளை பின்பற்றவும்: -1. Code கீழிறங்கும் மெனுவை கிளிக் செய்து Open with Codespaces விருப்பத்தைத் தேர்ந்தெடுக்கவும். -2. கீழே உள்ள பட்டியில் + New codespace ஐத் தேர்ந்தெடுக்கவும். -மேலும் தகவலுக்கு, [GitHub ஆவணங்களை](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) பார்வையிடவும். - -## VSCode Remote - Containers -உங்கள் உள்ளூர் கணினியில் VSCode மற்றும் VS Code Remote - Containers நீட்டிப்பின் உதவியுடன் இந்த தொகுப்பை கொண்டெய்னரில் திறக்க கீழ்க்கண்ட படிகளை பின்பற்றவும்: - -1. இது உங்கள் முதன்முறை வளர்ச்சி கொண்டெய்னர் என்றால், உங்கள் கணினி தேவைகள் (எ.கா. Docker நிறுவப்பட்டிருப்பது) [தொடக்க ஆவணங்களில்](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) சரிபார்க்கவும். - -இந்த தொகுப்பை பயன்படுத்த, நீங்கள் தொகுப்பை தனியான Docker வாலியூமில் திறக்கலாம்: - -**குறிப்பு**: இதன் கீழ் Remote-Containers: **Clone Repository in Container Volume...** கட்டளை பயன்படுத்தி மூல குறியீட்டுத் தொகுப்பை உள்ளூர் கோப்பு அமைப்புப் பதிலாக Docker வாலியூமாகக் கிளோன் செய்யும். [வாலியூம்கள்](https://docs.docker.com/storage/volumes/) கொண்டெய்னர் தரவைச் சேமிப்பதற்கான முக்கியமான நடைமுறையாகக் கருதப்படுகின்றன. - -அல்லது உள்ளூர் முறையில் கிளோன் செய்யப்பட்ட அல்லது பதிவிறக்கம் செய்யப்பட்ட தொகுப்பைத் திறக்கவும்: - -- இந்த தொகுப்பை உங்கள் உள்ளூர் கோப்புறைக்கு கிளோன் செய்யவும். -- F1 அழுத்தி **Remote-Containers: Open Folder in Container...** கட்டளையைத் தேர்ந்தெடுக்கவும். -- இந்த கோப்புறையின் கிளோன் செய்யப்பட்ட நகலை தேர்ந்தெடுத்து, கொண்டெய்னர் தொடங்க வேண்டும் என காத்திருந்து செயல்களை முயற்சிக்கவும். +| 01 | தரவு அறிவியலை வரையறுத்தல் | [அறிமுகம்](1-Introduction/README.md) | தரவு அறிவியலைப் பற்றிய அடிப்படை கருத்துக்களை மற்றும் அதனை கலைஞர் நுண்ணறிவு, இயந்திரக் கற்றல் மற்றும் பெரிய தரவுடன் எப்படி தொடர்புடையது என்பதை அறியவும். | [பாடம்](1-Introduction/01-defining-data-science/README.md) [வீடியோ](https://youtu.be/beZ7Mb_oz9I) | [ட்மிட்ரி](http://soshnikov.com) | +| 02 | தரவு அறிவியலில் ஒழுங்கு நெறிகள் | [அறிமுகம்](1-Introduction/README.md) | தரவு ஒழுங்கு நெறி கான்செப்ட்கள், சவால்கள் மற்றும் கட்டமைப்புக்கள். | [பாடம்](1-Introduction/02-ethics/README.md) | [நித்யா](https://twitter.com/nitya) | +| 03 | தரவை வரையறுத்தல் | [அறிமுகம்](1-Introduction/README.md) | தரவு எவ்வாறு வகைப்படுத்தப்படுகிறது மற்றும் அதன் பொதுவான மூலதனங்கள். | [பாடம்](1-Introduction/03-defining-data/README.md) | [ஜாஸ்மின்](https://www.twitter.com/paladique) | +| 04 | புள்ளியியல் மற்றும் சாத்தியம் அறிமுகம் | [அறிமுகம்](1-Introduction/README.md) | தரவை புரிந்து கொள்ள சாத்தியம் மற்றும் புள்ளியியல் கணித வரைவளங்கள். | [பாடம்](1-Introduction/04-stats-and-probability/README.md) [வீடியோ](https://youtu.be/Z5Zy85g4Yjw) | [ட்மிட்ரி](http://soshnikov.com) | +| 05 | தொடர்புடைய தரவுடன் வேலை செய்தல் | [தரவுடன் வேலை செய்தல்](2-Working-With-Data/README.md) | தொடர்புடைய தரவிற்கான அறிமுகம் மற்றும் திட்டமிடப்பட்ட கேள்வி மொழி என அழைக்கப்படும் SQL மூலம் தரவை ஆராய்ந்து பகுப்பாய்வு செய்வதின் அடிப்படைகள். | [பாடம்](2-Working-With-Data/05-relational-databases/README.md) | [கிரிஸ்டோபர்](https://www.twitter.com/geektrainer) | | | +| 06 | NoSQL தரவுடன் வேலை செய்தல் | [தரவுடன் வேலை செய்தல்](2-Working-With-Data/README.md) | தொடர்பில்லாத தரவுகளின் அறிமுகம், அவை பல வகைகள் மற்றும் ஆவண தரவுத்தளங்களை ஆராய்ந்தும் பகுப்பாய்வு செய்தலும். | [பாடம்](2-Working-With-Data/06-non-relational/README.md) | [ஜாஸ்மின்](https://twitter.com/paladique)| +| 07 | பைதானில் வேலை செய்தல் | [தரவுடன் வேலை செய்தல்](2-Working-With-Data/README.md) | பைதான் பயன்படுத்த ஆரம்ப நிலைகள், பாண்டாஸ் போல புத்தசீறிகள் கொண்ட நூலகங்களை பயன்படுத்தல். பைதான் நிரலாக்கத்தின் அடிப்படை அறிவு பரிந்துரைக்கப்படுகிறது. | [பாடம்](2-Working-With-Data/07-python/README.md) [வீடியோ](https://youtu.be/dZjWOGbsN4Y) | [ட்மிட்ரி](http://soshnikov.com) | +| 08 | தரவை தயார் செய்தல் | [தரவுடன் வேலை செய்தல்](2-Working-With-Data/README.md) | காணாமல் போன, தவறான அல்லது பூரணமற்ற தரவை சமாளிக்க தரவை துலங்கும் மற்றும் மாற்றும் முறைகள். | [பாடம்](2-Working-With-Data/08-data-preparation/README.md) | [ஜாஸ்மின்](https://www.twitter.com/paladique) | +| 09 | அளவுகளை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | பறவைகள் பற்றிய தரவை காட்சிப்படுத்த மெட்ப்ளாட்லிப் பயன்படுத்துவது 🦆 | [பாடம்](3-Data-Visualization/09-visualization-quantities/README.md) | [ஜென்](https://twitter.com/jenlooper) | +| 10 | தரவின் பகிர்வை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | இடைவெளியில் உள்ள கவனிப்புகள் மற்றும் போக்குகளை காட்சிப்படுத்தல். | [பாடம்](3-Data-Visualization/10-visualization-distributions/README.md) | [ஜென்](https://twitter.com/jenlooper) | +| 11 | விகிதங்களை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | தனி மற்றும் குழுவான சதவீதங்களை காட்சிப்படுத்தல். | [பாடம்](3-Data-Visualization/11-visualization-proportions/README.md) | [ஜென்](https://twitter.com/jenlooper) | +| 12 | உறவுகளை காட்சிப்படுத்தல் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | தரவின் தொகுதிகளுடன் மற்றும் அவற்றின் பரிமாற்றங்களுடன் உள்ள தொடர்புகள் மற்றும் ஒத்திசைவுகளை காட்சிப்படுத்தல். | [பாடம்](3-Data-Visualization/12-visualization-relationships/README.md) | [ஜென்](https://twitter.com/jenlooper) | +| 13 | அர்த்தமுள்ள காட்சிப்படுத்தல்கள் | [தரவு காட்சிப்படுத்தல்](3-Data-Visualization/README.md) | உங்கள் காட்சிப்படுத்தல்களை பயனுள்ளதாக மாற்றும் நுட்பங்கள் மற்றும் வழிகாட்டிகள், விளக்க முடிவு மற்றும் பார்வைகள் சரியானதாக அமைய. | [பாடம்](3-Data-Visualization/13-meaningful-visualizations/README.md) | [ஜென்](https://twitter.com/jenlooper) | +| 14 | தரவு அறிவியல் வாழ்கையின் அறிமுகம் | [வாழ்கை](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்கையின் அறிமுகம் மற்றும் தரவை பெறுதல் மற்றும் எடுக்கும் முதலாவது படி. | [பாடம்](4-Data-Science-Lifecycle/14-Introduction/README.md) | [ஜாஸ்மின்](https://twitter.com/paladique) | +| 15 | பகுப்பாய்வு | [வாழ்கை](4-Data-Science-Lifecycle/README.md) | இந்தத் தரவு அறிவியல் வாழ்கை பருவம் தரவைப் பகுப்பாய்வு செய்வதற்கான நுட்பங்களை மையமாக கையாள்கிறது. | [பாடம்](4-Data-Science-Lifecycle/15-analyzing/README.md) | [ஜாஸ்மின்](https://twitter.com/paladique) | | | +| 16 | தொடர்பு கைவழி | [வாழ்கை](4-Data-Science-Lifecycle/README.md) | தரவு அறிவியல் வாழ்கையின் இந்த பருவம், தரவிலிருந்து கிடைக்கும் பார்வைகள் முடிவெடுப்பவர்களுக்கு எளிமையாக புரிந்து கொள்ளும் வகையில் வழங்குவதை நோக்கமாகக் கொண்டு இயங்குகிறது. | [பாடம்](4-Data-Science-Lifecycle/16-communication/README.md) | [ஜேலன்](https://twitter.com/JalenMcG) | | | +| 17 | மேகம் தரவு அறிவியல் | [மேகம் தரவு](5-Data-Science-In-Cloud/README.md) | தரவு அறிவியலை மேகத்தில் அறிமுகம் மற்றும் அதன் நன்மைகள். | [பாடம்](5-Data-Science-In-Cloud/17-Introduction/README.md) | [டிப்னி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) | +| 18 | மேகம் தரவு அறிவியல் | [மேகம் தரவு](5-Data-Science-In-Cloud/README.md) | குறைந்த குறியீடு கருவிகளைப் பயன்படுத்தி மாதிரிகளை பயிற்றுவது. |[பாடம்](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [டிப்னி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) | +| 19 | மேகம் தரவு அறிவியல் | [மேகம் தரவு](5-Data-Science-In-Cloud/README.md) | Azure இயந்திரக் கற்றல் ஸ்டுடியோவில் மாதிரிகளை இயக்குதல். | [பாடம்](5-Data-Science-In-Cloud/19-Azure/README.md)| [டிப்னி](https://twitter.com/TiffanySouterre) மற்றும் [மாட்](https://twitter.com/maudstweets) | +| 20 | வனத்தில் தரவு அறிவியல் | [வனத்தில்](6-Data-Science-In-Wild/README.md) | உண்மையான உலகில் தரவு அறிவியலால் இயக்கப்படும் திட்டங்கள். | [பாடம்](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [நித்யா](https://twitter.com/nitya) | + +## GitHub கோட்ஸ்பேச்கள் + +இந்த மாதிரியை Codespace-இல் திறக்க கீழ்க்காணும் படிகளை பின்பற்றுங்கள்: +1. Code என்ற விழுந்து வரும் பட்டியில் கிளிக் செய்து Open with Codespaces என்பதைத் தேர்ந்தெடுக்கவும். +2. கீழே உள்ள பகுதியில் + New codespace என்பதைத் தேர்ந்தெடுக்கவும். +மேலும் தகவலுக்கு, [GitHub ஆவணப்படத்தை](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) கவனியுங்கள். + +## VSCode ரிமோட் - கொண்டெய்னர்கள் +உங்கள் உள்ளூர் கணினி மற்றும் VSCode பயன்படுத்தி இந்த மலர்களைப் பயன்படுத்தி இந்த கணினியை கொண்டெய்னரில் திறக்க இந்த படிகளை பின்பற்றவும்: + +1. இந்த முதன்முறையாகக் கொண்டு வந்துள்ள தொடர்பு கொண்டெய்னரைப் பயன்படுத்தினால், உங்கள் கணினி முன் நிபந்தனைகளை பூர்த்தி செய்கிறதா என்பதை உறுதி செய்யவும் (எ.கா., டொக்கர் நிறுவப்பட்டுள்ளது) [தொடங்கும் ஆவணப்படத்தில்](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). + +இந்தக் கோப்புறையை பயன்படுத்த நீங்கள், கோப்புறையை தனித்த டொக்கர் வாலியத்தில் திறக்கலாம்: + +**குறிப்பு**: இது கீழ்க்காணும் Remote-Containers: **Clone Repository in Container Volume...** ஆணை மூலம், இருப்பிட கோப்புகளுக்கு பதிலாக டொக்கர் வாலியத்தில் மூலக் குறியீட்டை நகலெடுக்கிறது. [வாலியங்கள்](https://docs.docker.com/storage/volumes/) என்பது கொண்டெய்னர் தரவை நிலைத்துவைக்க மிகுந்த விருப்பமான முறையாகும். + +அல்லது உள்ளூரில் உள்ளல் அல்லது பதிவிறக்கப்பட்ட இக்கோப்புறையைத் திறக்கவும்: + +- இந்தக் கோப்புறையை உங்கள் உள்ளூர் கோப்புறை அமைப்புக்கு நகலெடுக்கவும். +- F1 அழுத்தி **Remote-Containers: Open Folder in Container...** என்பதைத் தேர்ந்தெடுக்கவும். +- இந்தக் கோப்புறையின் நகலைத் தேர்ந்தெடுத்து, கொண்டெய்னர் துவங்கும் வரை காத்திருந்து, செயல்களை முயற்சிக்கவும். ## ஆஃப்லைன் அணுகல் -[Docsify](https://docsify.js.org/#/) பயன்படுத்தி இந்த ஆவணத்தைக் கோப்புறையில் இண்டர்னெட்டினின்றி இயக்கலாம். இந்த தொகுப்பை கிளோன் செய்து, உங்கள் உள்ளூர் கணினியில் [Docsify ஐ நிறுவி](https://docsify.js.org/#/quickstart), பின்னர் இந்த தொகுப்பின் அடிப்படை கோப்புறையில் `docsify serve` என்ற டைப் செய்து இயக்கவும். வலைத்தளம் உங்கள் localhost இல் 3000 போர்ட் மூலம் கிடைக்கும்: `localhost:3000`. +[Docsify](https://docsify.js.org/#/) பயன்படுத்தி நீங்கள் இந்த ஆவணத்தை ஆஃப்லைனில் இயக்கலாம். இந்தக் கோப்புறையை பிரித்து, உங்கள் உள்ளூர் கணினியில் [Docsify ஐ நிறுவி](https://docsify.js.org/#/quickstart), பிறகு இந்தக் கோப்புறையின் ரூட் அடைவில் `docsify serve` என টাইப் செய்யவும். இணையதளம் உங்கள் உள்ளூர் 3000 போர்ட்டில் `localhost:3000` இயங்கி இருக்கும். -> கவனிக்கவும், நோட்புக்கள் Docsify மூலம் காட்டப்பட மாட்டார்கள், ஆகவே நீங்கள் நோட்புக் இயக்கவேண்டுமானால், அது தனி முறையில் VS Code இல் Python கர்னல் கொண்டு இயக்கவும். +> குறிப்பு, நோட்புக்கள் Docsify மூலம் காட்சிப்படுத்தப்படமாட்டாது, எனவே ஒரு நோட்புக் இயக்க வேண்டுமானால், அதை VS Code இல் Python கர்னல் ஓடவைக்கும் முறையில் தனித்தனியாக செய்யவும். -## மற்ற பாடத்திட்டங்கள் +## பிற பாடத்திட்டங்கள் -எங்கள் அணி மற்ற பாடத்திட்டங்களையும் உருவாக்குகிறது! பாருங்கள்: +எங்கள் குழு பிற பாடத்திட்டங்களையும் உருவாக்குகிறது! பாருங்கள்: ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- -### Azure / Edge / MCP / முகவர்கள் +### அஷர் / எஜ் / MCP / ஏஜென்டுகள் [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) @@ -216,7 +183,7 @@ --- -### கோர் கற்றல் +### மூலக் கற்றல் [![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) @@ -235,19 +202,19 @@ ## உதவி பெறுதல் -**சிக்கல்கள் சந்திக்கிறீர்களா?** பொதுவான பிரச்சினைகளுக்கான தீர்வுகளை பெற எங்கள் [பிரச்சினை தீர்க்கும் கையேட்டை](TROUBLESHOOTING.md) சரிபார்க்கவும். +**பிரச்சனைகள் ஏற்படுகின்றதா?** பொதுவான பிரச்சனைகளுக்கான தீர்வுகளை அறிவதற்கு எங்கள் [பிரச்சனை தீர்க்கும் கையேட்டை](TROUBLESHOOTING.md) சரிபார்க்கவும். -AI செயலிகளைக் கட்டமைப்பதில் தடுமாறவோ அல்லது ஏதேனும் கேள்விகள் இருந்தால், MCP குறித்த பேச்சுகளில் மற்ற கற்றவர்களுடனும் அனுபவமுள்ள டெவலப்பர்களுடனும் சேர்ந்துகொள்ளவும். கேள்விகள் வரவேற்கப்படும்தானும் அறிவு அவ்வப்போது பகிரப்படுவதுமான ஆதரவு சமூகமாகும். +நீங்கள் சிக்கல் அடைந்தால் அல்லது ஐஐ செயலிகள் உருவாக்குவதற்கான எந்தவொரு கேள்விகளும் இருந்தால், MCP பற்றி ஆர்வமுள்ள மாணவர்கள் மற்றும் அனுபவம் மிக்க டெவலப்பர்களுடன் கலந்துரையாடுக. கேள்விகள் வரவேற்கப்படுவதோடு அறிவு சுதந்திரமாக பகிரப்படுகிறது. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -உங்களிடம் தயாரிப்பு கருத்து அல்லது பிழைகள் இருந்தால், கட்டமைக்கும்போது பின்வரும் இடத்தை பார்வையிடவும்: +உங்கள் தயாரிப்பு கருத்துக்கள் அல்லது கட்டுமான பிழைகள் இருந்தால் கீழ்காணும் இடத்தைப் பார்வையிடவும்: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**பிரதி விளக்கம்**: -இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை [Co-op Translator](https://github.com/Azure/co-op-translator) பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்தன்மைக்கு முயற்சி செய்கிறோம் என்றாலும், தானாக செய்யப்பட்ட மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுதல்கள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனியுங்கள். அசல் ஆவணம் தனது சொந்த மொழியில் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பின் பயன்பாட்டால் ஏற்பட்ட எந்த தவறான புரிதல்கள் அல்லது தவறாய்க் கருத்துகளுக்கும் நாங்கள் பொறுப்பில்லை. +**தயாரிப்புரை**: +இந்த ஆவணம் AI மொழிபெயர்ப்புச் சேவையான [Co-op Translator](https://github.com/Azure/co-op-translator) மூலம் மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சி செய்தாலும், தானியங்கியும் மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்க வாய்ப்பு உள்ளதால் கவனமாக இருக்குமாறு கேட்டுக் கொள்கிறோம். இயல்புநிலை மொழியில் உள்ள أصلي ஆவணம் அத்தாட்சித் தரவாக கருதப்பட வேண்டும். அவசியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பின் பயன்படுத்துதலினால் ஏற்படும் எந்த தவறாக புரிதல் அல்லது தவறான விளக்கங்களுக்கும் நாங்கள் பொறுப்பேற்கவில்லை. \ No newline at end of file