# ആദ്യപാഠാർത്ഥികൾക്കായുള്ള ഡാറ്റാ സയൻസ് - ഒരു പാഠ്യപദ്ധതി [](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) [](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://discord.gg/nTYy5BXMWG) [](https://aka.ms/foundry/forum) Microsoft-യിലെ Azure Cloud Advocates-കൾ ഡാറ്റാ സയൻസിനെക്കുറിച്ചുള്ള 10 ആഴ്ചകളിലായി 20 പാഠങ്ങളടങ്ങിയ ഒരു പാഠ്യപദ്ധതി അവതരിപ്പിക്കുന്നു എന്ന് സന്തോഷത്തോടെയാണ് അറിയിക്കുന്നത്. ഓരോ പാഠത്തിലും പാഠത്തിന് മുൻപ്/ശേഷമുള്ള ക്വിസുകളും, പാഠം പൂർത്തിയാക്കാൻ ആവശ്യമായ എഴുത്ത് നിർദ്ദേശങ്ങളും, ഒരു പരിഹാരവും, ഒരു അസൈൻമെന്റും ഉൾക്കൊള്ളുന്നു. നമ്മുടെ പ്രോജക്റ്റ്-അധിഷ്‌ഠിത പഠനരീതി നിങ്ങൾക്ക് നിർമാണത്തിനൊപ്പം പഠിക്കാൻ സഹായിക്കുന്നു — പുതിയ കഴിവുകൾ 'ഇറുക്കിയിട്ട് നിർത്താൻ' തെളിയപ്പെട്ട ഒരു മാർഗമാണ്. **ഞങ്ങളുടേതായ എഴുത്തുകാര്ക്ക് ഹൃദയം നിറഞ്ഞ നന്ദി:** [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). **🙏 പ്രത്യേക നന്ദി 🙏 ഞങ്ങളുടെ [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) എഴുത്തുകാർക്കും, അവലോകനക്കാരും ഉള്ളടക്ക സംഭാവകർക്കും,** പ്രത്യേകിച്ച് 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/) || |:---:| | ബെഗിന്നർമാർക്കുള്ള ഡാറ്റാ സയൻസ് - _സ്കെച്നോട്ട് — [@nitya](https://twitter.com/nitya)_ | ### 🌐 ബഹുഭാഷാ പിന്തുണ #### GitHub Action വഴി പിന്തുണ (സ്വയം പ്രവർത്തിക്കുന്നതും എപ്പോഴും പുതുക്കപ്പെട്ടതുമായ) [അറബി](../ar/README.md) | [ബംഗാളി](../bn/README.md) | [ബൾഗേറിയൻ](../bg/README.md) | [ബർമീസ് (മ്യാൻമാർ)](../my/README.md) | [ചൈനീസ് (ലഘൂകരിച്ചത്)](../zh/README.md) | [ചൈനീസ് (പരമ്പരാഗതം, ഹോങ്കോങ്)](../hk/README.md) | [ചൈനiese (പരമ്പരാഗതം, മക്കാവു)](../mo/README.md) | [ചൈനീസ് (പരമ്പരാഗതം, തായ്‌വാൻ)](../tw/README.md) | [ക്രൊയേഷ്യൻ](../hr/README.md) | [ചെക്ക്](../cs/README.md) | [ഡാനിഷ്](../da/README.md) | [ഡച്ച്](../nl/README.md) | [എസ്റ്റോണിയൻ](../et/README.md) | [ഫിന്നിഷ്](../fi/README.md) | [ഫ്രഞ്ച്](../fr/README.md) | [ജർമ്മൻ](../de/README.md) | [ഗ്രീക്ക്](../el/README.md) | [ഹെബ്രു](../he/README.md) | [ഹിന്ദി](../hi/README.md) | [ഹംഗേറിയൻ](../hu/README.md) | [ഇന്തോനേഷ്യൻ](../id/README.md) | [ഇറ്റാലിയൻ](../it/README.md) | [ജാപ്പനീസ്](../ja/README.md) | [കന്നഡ](../kn/README.md) | [കൊറിയൻ](../ko/README.md) | [ലിത്വേനിയൻ](../lt/README.md) | [മലായ്](../ms/README.md) | [മലയാളം](./README.md) | [മറാത്തി](../mr/README.md) | [നെപ്പാളി](../ne/README.md) | [നൈജീരിയൻ പിഡ്ജിൻ](../pcm/README.md) | [നോർവീജിയൻ](../no/README.md) | [ പെർഷ്യൻ (ഫാർസി)](../fa/README.md) | [പോളിഷ്](../pl/README.md) | [പോർച്ചുഗീസ് (ബ്രസീൽ)](../br/README.md) | [പോർച്ചുഗീസ് (പോർച്ചുഗൽ)](../pt/README.md) | [പഞ്ചാബി (ഗർമുഖി)](../pa/README.md) | [റുമേനിയൻ](../ro/README.md) | [റഷ്യൻ](../ru/README.md) | [സെർബിയൻ (സിറിലിക്)](../sr/README.md) | [സ്ലൊവാക്](../sk/README.md) | [സ്ലൊവേനിയൻ](../sl/README.md) | [സ്പാനിഷ്](../es/README.md) | [സ്വാഹിലി](../sw/README.md) | [സ്വീഡിഷ്](../sv/README.md) | [തഗാലോഗ് (ഫിലിപ്പീനോ)](../tl/README.md) | [തമിഴ്](../ta/README.md) | [തെലുഗു](../te/README.md) | [തായ്](../th/README.md) | [തുര്‍ക്കിഷ്](../tr/README.md) | [ഉക്രൈനിയൻ](../uk/README.md) | [ഉർദു](../ur/README.md) | [വിയറ്റനാമീസ്](../vi/README.md) **കൂടുതൽ വിവർത്തനഭാഷകൾ ആവശ്യമായാൽ അവ ഇവിടെ പട്ടികപ്പെടുത്തിയിട്ടുണ്ട്: [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### നമ്മുടെ കമ്മ്യൂണിറ്റിയുമായി ചേരൂ [](https://discord.gg/nTYy5BXMWG) ഞങ്ങളുടേത് Discord-ൽ "Learn with AI" സീരീസ ongoing ആണ്, കൂടുതൽ അറിയാനും പങ്കുചേരാനുമായി [Learn with AI Series](https://aka.ms/learnwithai/discord)ൽ 2025 സെപ്റ്റംബർ 18 മുതൽ 30 വരെ. നിങ്ങള്ക്ക് GitHub Copilot ഡാറ്റാ സയൻസിന് ഉപയോഗിക്കുന്നതിന്റെ ടിപ്പുകൾക്കും ട്രിക്കുകൾക്കും ലഭിക്കും.  # നിങ്ങൾ വിദ്യാർത്ഥിയാണോ? താഴെ കാണുന്ന വിഭവങ്ങൾ ഉപയോഗിച്ച് തുടക്കം കുറിക്കൂ: - [വിദ്യാർത്ഥി ഹബ് പേജ്](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ഈ പേജിൽ നിങ്ങൾക്ക് തുടക്കക്കാർക്ക് അനുയോജ്യമായ വിഭവങ്ങൾ, സ്റ്റുഡന്റ് പാക്കുകൾ,甚至 ഒരു സൗജന്യ സർട്ട് സംവിധാനം നേടാനുള്ള വഴികളും കാണാം. ഇത് ഒരു ബ്രൗസ് ചെയ്യേണ്ട പേജ് ആണു്; മാസത്തിൽ കുറഞ്ഞത് ഒരെളുപ്പത്തിൽ ഉള്ളടക്കം മാറ്റിവയ്ക്കുന്നതിൽ നിന്ന് periódically പരിശോധിക്കുക. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ആഗോള വിദ്യാർത്ഥി അംബാസഡർ സമൂഹത്തിൽ ചേരൂ, ഇത് Microsoft-ലേക്കുള്ള ഒരു വഴി ആയി മാറാവുന്നതാണ്. # ആരംഭിക്കുന്നത് ## 📚 ഡോക്യുമെന്റേഷൻ - **[ഇൻസ്റ്റലേഷൻ ഗൈഡ്](INSTALLATION.md)** - തുടക്കക്കാർക്കായുള്ള ഘട്ടം-ഘട്ടമായ സജ്ജീകരണ നിർദ്ദേശങ്ങൾ - **[ഉപയോഗ മാർഗ്ഗരേഖ](USAGE.md)** - ഉദാഹരണങ്ങളും പതിവ് വർക്‌ഫ്ലോകളും - **[ಟroubleshooting](TROUBLESHOOTING.md)** - സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ - **[Contributing Guide](CONTRIBUTING.md)** - ഈ പ്രോജക്റ്റിൽ സംഭാവന ചെയ്യാനുള്ള വിധം - **[അദ്ധ്യാപകർക്കായുള്ള മാർഗ്ഗ നിർദേശങ്ങൾ](for-teachers.md)** - പഠന മാർഗ്ഗനിർദേശംയും ക്ലാസ് റിസോഴ്സുകളും ## 👨‍🎓 വിദ്യാർത്ഥികൾക്ക് > **പൂർണ്ണമായും തുടക്കക്കാർ**: ഡാറ്റാ സയൻസിൽ പുതിയവനാണോ? നമ്മുടെ [ആരംഭകസൗഹൃദ ഉദാഹരണങ്ങൾ](examples/README.md) കൊണ്ട് തുടങ്ങുക! ഈ ലളിതവും നന്നായി കമന്റ് ചെയ്ത ഉദാഹരണങ്ങൾ പൂർണ്ണ പാഠ്യപദ്ധതിയിൽ ഇന്ഗോളിക്കുമ്പോൾ അടിസ്ഥാന കാര്യങ്ങൾ മനസ്സിലാക്കാൻ സഹായിക്കും. > **[Students](https://aka.ms/student-page)**: ഈ പാഠ്യപദ്ധതി സ്വയം ഉപയോഗിക്കാൻ, മുഴുവൻ റെപ്പോ ഫോർക് ചെയ്ത് വ്യായാമങ്ങൾ സ്വയം പൂർത്തിയാക്കുക, ഒരു പ്രീ-ലക്ചർ ക്വിസോടെ തുടങ്ങുക. പിന്നീട് ലക്ചർ വായിച്ച് ബാക്കി പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുക. പരിഹാര കോഡ് പകർത്തുന്നത് ഒഴിവാക്കി പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്റ്റുകൾ സൃഷ്ടിക്കാൻ ശ്രമിക്കുക; എന്നിരുന്നാലും ആ കോഡ് ഓരോ പ്രോജക്റ്റ്-ഉദ്ദേശ്യമുള്ള പാഠത്തിലും /solutions ഫോൾഡറുകളിൽ ലഭ്യമാണ്. മറ്റൊരു ആശയം സുഹൃത്തുക്കളോടൊപ്പം ഒരു പഠന ഗ്രൂപ്പ് രൂപീകരിച്ച് ഉള്ളടക്കം ഒരുമിച്ച് പഠിക്കുക. കൂടുതൽ പഠനത്തിന്, നാം [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) നിർദേശിക്കുന്നു. **ത്വരിത ആരംഭം:** 1. നിങ്ങളുടെ പരിസ്ഥിതി സജ്ജമാക്കാൻ [ഇൻസ്റ്റലേഷൻ ഗൈഡ്](INSTALLATION.md) പരിശോധിക്കുക 2. പാഠ്യപദ്ധതിക്കൊപ്പം പ്രവർത്തിക്കാൻ [ഉപയോഗ മാർഗ്ഗരേഖ](USAGE.md) അവലോകനം ചെയ്യുക 3. പാഠം 1-ൽ നിന്ന് തുടക്കം കുറിച്ച് അനുക്രമം പാലിച്ച് പ്രവർത്തിക്കുക 4. സഹായത്തിനായി ഞങ്ങളുടെ [Discord സമൂഹത്തിൽ](https://aka.ms/ds4beginners/discord) ചേരൂ ## 👩‍🏫 അദ്ധ്യാപകർക്ക് > **അദ്ധ്യാപകർ**: ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാമെന്ന് കുറിച്ച് ഞങ്ങൾ [ചില നിർദേശങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്](for-teachers.md). നിങ്ങളുടെ അഭിപ്രായം ഞങ്ങളുടെ [ചർച്ചാ ഫോറത്തിൽ](https://github.com/microsoft/Data-Science-For-Beginners/discussions) പങ്കിട്ടാൽ അഭിനന്ദനീയം! ## ടീമിനെ പരിചയപ്പെടുക [](https://youtu.be/8mzavjQSMM4 "പ്രമോ വീഡിയോ") **ഗിഫ് -** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 മുകളിൽ ഉള്ള ചിത്രം ക്ലിക്ക് ചെയ്ത് പ്രോജക്ടിനെ കുറിച്ചുള്ള വീഡിയോയും അത് സൃഷ്ടിച്ച ആളുകളെക്കുറിച്ചുള്ളവയും കാണുക! ## അധ്യാപന തത്ത്വങ്ങൾ നമ്മൾ ഈ പാഠ്യപദ്ധതി രൂപകൽപ്പനചെയ്യുമ്പോൾ രണ്ട് അധ്യാപന തത്ത്വങ്ങൾ തിരഞ്ഞെടുത്തു: ഇത് പ്രോജക്റ്റ്-ആധാരമാകണം എന്നും അതിൽ നിരന്തരമായി ക്വിസുകൾ ഉൾപ്പെടുത്തിയിരിക്കണം എന്നും. ഈ സീരീസിന്റെ അവസാനം വരെ, വിദ്യാർത്ഥികൾ ഡേറ്റാ സയൻസിന്റെ അടിസ്ഥാന തത്വങ്ങൾ പഠിച്ചിരിക്കും, അതിൽ നൈതിക ആശയങ്ങൾ, ഡാറ്റാ തയ്യാറാക്കൽ, ഡാറ്റയുമായി പ്രവർത്തിക്കുന്ന വ്യത്യസ്ത രീതികൾ, ഡാറ്റാ ദൃശ്യമാക്കൽ, ഡാറ്റാ വിശകലനം, ഡേറ്റാ സയൻസിന്റെ യാഥാർത്ഥ്യ പരിച്ഛേദങ്ങൾ എന്നിവ ഉൾപ്പെടും. ക്ലാസിന്റെ മുൻപിൽ ഒരു കുറഞ്ഞ-സ്റ്റേക്ക് ക്വിസ് ഒരു വിഷയമ تعلمിക്കാൻ വിദ്യാർത്ഥിയുടെ ഉദ്ദേശ്യം സജ്ജമാക്കുക, പിന്നിലൊരു ക്വിസ് ക്ലാസിനുശേഷം കൂടുതൽ നിലനിർത്തലിനൊരു ഉറപ്പാണ് നൽകുന്നത്. ಈ പാഠ്യപദ്ധതി柔軟വും രസകരവുമാകാൻ രൂപകൽപ്പന ചെയ്‍തിരിക്കുന്നു, മുഴുവനായി അല്ലെങ്കിൽ ഭാഗികമായി സ്വീകരിക്കാൻ കഴിയും. പ്രോജക്റ്റുകൾ ചെറിയതിലേക്ക് ആരംഭിച്ച് 10 ആഴ്ചകളുടെ ചക്രത്തിന്റെ അവസാനം വരെ ക്രമീകരിച്ച് കൂടുതൽ സങ്കീർണമാവും. > ഞങ്ങളുടെ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) മാർഗനിർദേശങ്ങൾ കാണുക. നിങ്ങളുടെ നിർമ്മാണപരമായ പ്രതികരണങ്ങൾ സ്വാഗതം ചെയ്യപ്പെടുന്നു! ## ഓരോ പാഠവും ഉൾക്കൊള്ളുന്നത്: - ഓപ്ഷണൽ സ്കെച്ച്നോട്ട് - ഓപ്ഷണൽ സഹായക വീഡിയോ - ക്ലാസിന് മുൻപ് ഉള്ള വാരംഅപ്പ് ക്വിസ് - എഴുതിയ പാഠം - പ്രോജക്റ്റ്-ആധാരമുള്ള പാഠങ്ങൾക്ക് പ്രോജക്ട് നിർമ്മിക്കാനുള്ള ഘട്ടം ഘട്ടമായുള്ള മാർഗനിർദേശങ്ങൾ - അറിവ് പരിശോധനകൾ - ഒരു ചലഞ്ച് - അനുബന്ധ വായന - അസൈൻമെന്റ് - [പാഠത്തിന് ശേഷം ക്വിസ്](https://ff-quizzes.netlify.app/en/) > **ക്വിസുകൾ സംബന്ധിച്ച ഒരു σημт**: എല്ലാ ക്വിസുകളും Quiz-App ഫോള്ഡറിൽ അടങ്ങിയിരിക്കുന്നു, മൂന്നു ചോദ്യംകളുള്ള 40 മുഴുവൻ ക്വിസുകൾ. അവ പാഠങ്ങളിലേയ്ക്ക് ലിങ്ക് ചെയ്തിരിക്കുന്നു, പക്ഷേ quiz app ലൊക്കലായി ഓടിക്കാവുന്നതും Azure ലേക്ക് വിന്യസിക്കാവുന്നതും ആണ്; `quiz-app` ഫോള്ഡറിലെ നിർദ്ദേശങ്ങൾ പിന്തുടരുക. അവ徐徐 ലൊക്കലൈസ് ചെയ്യപ്പെടുന്നു. ## 🎓 തുടക്കക്കാർക്ക് അനുയോജ്യമായ ഉദാഹരണങ്ങൾ **ഡേറ്റാ സയൻസിൽ പുതിയവരാണോ?** തുടക്കം ലഭിക്കാൻ ലളിതവും നന്നായി കണ്ടുമുട്ടിച്ച കോഡുമായുള്ള പ്രത്യേക [examples directory](examples/README.md) ഞങ്ങൾ സൃഷ്ടിച്ചു: - 🌟 **ഹെലോ വേൾഡ്** - നിങ്ങളുടെ ആദ്യ ഡേറ്റാ സയൻസ് പ്രോഗ്രാം - 📂 **ഡാറ്റാ ലോഡ് ചെയ്യൽ** - ഡാറ്റാസെറ്റുകൾ വായിക്കുകയും പരിശോധിക്കുകയും ചെയ്യുന്നത് പഠിക്കുക - 📊 **ലളിതമായ വിശകലനം** - സംഖ്യാഗതങ്ങൾ കണക്കാക്കുക மற்றும் മാതൃകകൾ കണ്ടെത്തുക - 📈 **അടിസ്ഥാന ദൃശ്യമാക്കൽ** - ചാർട്ടുകളും ഗ്രാഫുകളും സൃഷ്ടിക്കുക - 🔬 **വാസ്തവ ലോക പ്രോജക്റ്റ്** - ആരംഭത്തിൽ നിന്ന് അവസാനത്തলৈത്തെ ಪೂರ್ಣ വേർക്ക്ഫ്ലോ ഓരോ ഉദാഹരണത്തിനും ഓരോ ഘട്ടവും വിശദമായി വിശദീകരിക്കുന്ന കമന്റുകൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, അതുകൊണ്ട് ഈത് പൂര്‍ണമായും ആരംഭക്കാർക്ക് അനുയോജ്യമാണ്! 👉 **[ഉദാഹരണങ്ങളോടെ തുടങ്ങുക](examples/README.md)** 👈 ## പാഠങ്ങൾ || |:---:| | ഡേറ്റാ സയൻസ് ഫോർ ബിഗിന്നേഴ്സ്: റോഡ്‌മാപ് - _സ്കെച്ച്നോട്ട് രചിച്ചത് [@nitya](https://twitter.com/nitya)_ | | പാഠ നമ്പർ | വിഷയം | പാഠ വിഭാഗം | പഠന ഉദ്ദേശ്യങ്ങൾ | ലിങ്കുചെയ്ത പാഠം | രചയിതാവ് | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | ഡാറ്റാ സയൻസ് നിർവചനം | [Introduction](1-Introduction/README.md) | ഡേറ്റാ സയൻസിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുകയും അത് കൃത്രിമ ബുദ്ധി, മെഷീൻ ലേണിംഗ്, ബിഗ് ഡേറ്റ എന്നിവയുമായി എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് മനസിലാക്കുകയും ചെയ്യുക. | [പാഠം](1-Introduction/01-defining-data-science/README.md) [വീഡിയോ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Data Science Ethics | [Introduction](1-Introduction/README.md) | ഡാറ്റാ എന്‍തിക്സ് ആശയങ്ങൾ, വെല്ലുവിളികൾ & ഫ്രെയിംവർക്കുകൾ. | [പാഠം](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | ഡാറ്റ നിർവചിക്കൽ | [Introduction](1-Introduction/README.md) | ഡാറ്റ എങ്ങനെ വർഗ്ഗീകരിക്കപ്പെടുന്നു എന്നത് കൂടാതെ അതിന്റെ സാധാരണ ഉറവിടങ്ങൾ. | [പാഠം](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | സ്റ്റാറ്റിസ്റ്റിക്സ് & പ്രൊബബിലിറ്റി परിചയം | [Introduction](1-Introduction/README.md) | ഡാറ്റ മനസിലാക്കാൻ probabilityയും statistics ഉം ഉപയോഗിക്കുന്ന ഗണിതപരമായ സാങ്കേതികവിദ്യകൾ. | [പാഠം](1-Introduction/04-stats-and-probability/README.md) [വീഡിയോ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | റീലേഷണൽ ഡാറ്റയുമായി പ്രവർത്തിക്കൽ | [Working With Data](2-Working-With-Data/README.md) | റീലേഷണൽ ഡാറ്റയിലേക്ക് പരിചയം மற்றும் Structured Query Language എന്ന് അറിയപ്പെട്ടിരിക്കുന്ന SQL (ഉച്ചാരണം “see-quell”) ഉപയോഗിച്ച് റീലേഷണൽ ഡാറ്റ അന്വേഷിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നതിനുള്ള അടിസ്ഥാനങ്ങൾ. | [പാഠം](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | NoSQL ഡാറ്റയുമായി പ്രവർത്തിക്കൽ | [Working With Data](2-Working-With-Data/README.md) | നോൺ-രീലേഷണൽ ഡാറ്റയ്ക്ക് പരിചയം, അതിന്റെ വിവിധ തരംകളും ഡോക്യുമെന്റ് ഡേറ്റാബേസുകൾ പരിശോധിച്ചും വിശകലനം ചെയ്തും ചെയ്യാനുള്ള അടിസ്ഥാനങ്ങൾ. | [പാഠം](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Python ഉപയോഗിച്ച് പ്രവർത്തിക്കൽ | [Working With Data](2-Working-With-Data/README.md) | Pandas പോലുള്ള ലൈബ്രറികൾ ഉപയോഗിച്ച് ഡാറ്റാ അന്വേഷണത്തിന് Python ഉപയോഗിക്കുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ. Python പ്രോഗ്രാമിംഗിന്റെ അടിസ്ഥാന മനസിലാക്കലിൽ നിപുണത ശുപാർശ ചെയ്യപ്പെടുന്നു. | [പാഠം](2-Working-With-Data/07-python/README.md) [വീഡിയോ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | ഡാറ്റാ തയ്യാറാക്കൽ | [Working With Data](2-Working-With-Data/README.md) | കുറവായ, തെറ്റായി അല്ലെങ്കിൽ അപൂർണമായ ഡാറ്റയെ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ശുചിത്വവത്കരണം மற்றும் രൂപാന്തരണം ഉൾപ്പെടെയുള്ള ഡാറ്റ സാങ്കേതികവിദ്യകൾ. | [പാഠം](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | അളവുകൾ ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | Matplotlib ഉപയോഗിച്ച് പക്ഷി ഡാറ്റ ദൃശ്യമാക്കുന്നത് പഠിക്കുക 🦆 | [പാഠം](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | ഡാറ്റയുടെ വിതരണം ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | ഒരു ഇടവേളയ്ക്കുള്ളിൽ നിരീക്ഷണങ്ങളും പ്രവണതകളും ദൃശ്യമാക്കൽ. | [പാഠം](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | അനുപാതങ്ങൾ ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | വേർതിരിച്ചും ഗ്രൂപ്പാക്കിയ ശതമാനങ്ങളും ദൃശ്യമാക്കൽ. | [പാഠം](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | ബന്ധങ്ങൾ ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | ഡാറ്റാ സെറ്റുകളും അവയുടെ വേരിയബിളുകളുടെയും തമ്മിലുള്ള ബന്ധങ്ങളും കോർലെഷനുകളും ദൃശ്യമാക്കൽ. | [പാഠം](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | പ്രസക്തമായ ദൃശ്യമാക്കലുകൾ | [Data Visualization](3-Data-Visualization/README.md) | സമസ്യാവിവരണം ഉണ്ട് എന്ന് വിവരങ്ങൾ കണ്ടെത്താൻ നിങ്ങളുടെ ദൃശ്യമാക്കലുകൾ ഉപകാരപ്രദമാക്കാൻ സാങ്കേതികതകളും മാർഗനിർദേശങ്ങളും. | [പാഠം](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിളിലേക്ക് പരിചയം | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിളിന്റെ പരിചയം കൂടാതെ ഡാറ്റാ സമാഹരണത്തെയും എക്സ്ട്രാക്ഷനുടെയും ആദ്യഘട്ടം. | [പാഠം](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | വിശകലനം ചെയ്യൽ | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിളിലെ ഈ ഘട്ടം ഡാറ്റ വിശകലനത്തിന്‍റെ സാങ്കേതികവിദ്യകളിൽ കേന്ദ്രീകരിക്കുന്നു. | [പാഠം](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | | 16 | പ്രാസംഗികമാക്കൽ (Communication) | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ഡാറ്റയിൽ നിന്ന് ലഭിക്കുന്ന洞察ങ്ങൾ തീരുമാനം കൈക്കൊള്ളുന്നവർക്കു മനസ്സിലാകാൻ എളുപ്പമായ രീതിയിൽ അവതരിപ്പിക്കാനുള്ള ഈ ഘട്ടം. | [പാഠം](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | ക്ലൗഡിലാണ് ഡാറ്റാ സയൻസ് | [Cloud Data](5-Data-Science-In-Cloud/README.md) | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് പരിചയപ്പെടുത്തുകയും അതിന്റെ ലാഭങ്ങളും. | [പാഠം](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 18 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Low Code ഉപകരണങ്ങൾ ഉപയോഗിച്ച് മോഡലുകൾ പരിശീലിപ്പിക്കൽ. |[പാഠം](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 19 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ഉപയോഗിച്ച് മോഡൽ വിന്യസിക്കൽ. | [പാഠം](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) | | 20 | യഥാർത്ഥ ലോകത്ത് ഡാറ്റാ സയൻസ് | [In the Wild](6-Data-Science-In-Wild/README.md) | യഥാർത്ഥ ലോകത്തിലെ ഡാറ്റാ സയൻസ് ചാലകമായി നടപ്പാക്കിയ പ്രോജക്റ്റുകൾ. | [പാഠം](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces ഈ സാമ്പിൾ ഒരു Codespace ല് തുറക്കാൻ താഴെപ്പറയുന്ന പടികൾ പിന്തുടരുക: 1. Code ഡ്രോപ്പ്-ഡൗൺ മെനൂ ക്ലിക്ക് ചെയ്ത് Open with Codespaces ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക. 2. പെയിനിന്റെ അടിഭാഗത്തുള്ള + New codespace തിരഞ്ഞെടുക്കുക. കൂടുതൽ വിവരങ്ങൾക്ക്, [GitHub ഡോക്യൂമെൻറേഷൻ](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) നോക്കുക. ## VSCode Remote - Containers ലോക്കൽ മെഷീൻ ഉപയോഗിച്ച് ഈ റിപോ ഒരു കണ്ടെയ്‌നറിൽ VSCode ഉപയോഗിച്ച് തുറക്കാൻ താഴെപ്പറയുന്ന പടികൾ പിന്തുടരുക (VS Code Remote - Containers എക്‌സ്‌റ്റൻഷൻ ഉപയോഗിച്ച്): 1. development container ആദ്യമായാണ് ഉപയോഗിക്കുന്നത് എങ്കിൽ, ദയവായി നിങ്ങളുടെ സിസ്റ്റം പ്രീ-റിക്ക്വയറ്മെന്റുകൾ പാലിക്കുകയാണെന്ന് ഉറപ്പാക്കുക (ഉദാഹരണത്തിന് Docker ഇൻസ്റ്റാൾ ചെയ്തിരിക്കുന്നത്) - [getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) പരിശോധിക്കുക. ഈ റിപൊ ഉപയോഗിക്കാൻ, നിങ്ങൾക്ക് റിപോസിറ്ററി ഒറ്റപ്പെട്ട Docker വോളിയമിൽ തുറക്കാനോ മറ്റ് മാർഗ്ഗത്തിൽ ലോക്കലായി ക്ലോൺ ചെയ്ത് തുറക്കാനോ കഴിയും: **Note**: Under the hood, this will use the Remote-Containers: **Clone Repository in Container Volume...** command to clone the source code in a Docker volume instead of the local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) are the preferred mechanism for persisting container data. അല്ലെങ്കിൽ ലോക്കലായി ക്ലോൺ ചെയ്ത അല്ലെങ്കിൽ ഡൗൺലോഡ് ചെയ്ത ഈ റിപൊ തുറക്കുക: - ഈ റിപോസിറ്ററി നിങ്ങളുടെ ലോക്കൽ ഫൈൽ സിസ്റ്റത്തിലേക്ക് ക്ലോൺ ചെയ്യുക. - F1 അമർത്തി **Remote-Containers: Open Folder in Container...** കമാൻഡ് തിരഞ്ഞെടുക്കുക. - ക്ലോൺ ചെയ്ത ഫോൾഡർ തിരഞ്ഞെടുക്കുക, കണ്ടെയ്‌നർ സ്റ്റാർട്ട് ആകുന്നത് വരെ കാത്തിരിക്കുക, പിന്നീട് പരീക്ഷിക്കാം. ## ഓഫ്ലൈൻ ആക്‌സസ് [Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഈ ഡോക്യുമെന്റേഷൻ ഓഫ്ലൈനായി പ്രവർത്തിപ്പിക്കാം. ഈ റിപൊ ഫോർക്ക് ചെയ്തു, ലോക്കൽ മെഷീനിൽ [Docsify ഇൻസ്റ്റാൾ ചെയ്യുക](https://docsify.js.org/#/quickstart), പിന്നെ ഈ റിപോയുടെ റൂട്ട ഫോളഡറിൽ `docsify serve` ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് നിങ്ങളുടെ ലോക്കൽഹോസ്റ്റിൽ പോർട്ട് 3000-ൽ സർവ് ചെയ്യും: `localhost:3000`. > ശ്രദ്ധിക്കുക, നോട്ട്‌ബുക്കുകൾ Docsify വഴി റെൻഡർ ചെയ്യപ്പെടില്ല, അതിനാൽ നോട്ട്‌ബുക്ക് റൺ ചെയ്യേണ്ടത് വേണമെങ്കിൽ അത് വേറെയൊരു സംവിധാനത്തിൽ, ഉദാഹരണത്തിന് VS Code-ൽ Python കർണൽ ഉപയോഗിച്ച് ചെയ്യുക. ## മറ്റ് പാഠ്യപദ്ധതികൾ ഞങ്ങളുടെ ടീം മറ്റ് പാഠ്യപദ്ധതികളും സൃഷ്ടിക്കുന്നു! താഴെ നോക്കുക: ### LangChain [](https://aka.ms/langchain4j-for-beginners) [](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / ഏജന്റുകൾ [](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### ജനറേറ്റീവ് AI സീരീസ് [](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### പ്രധാന പഠനങ്ങൾ [](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot സീരീസ് [](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## സഹായം **പ്രശ്നങ്ങൾ അനുഭവപ്പെടുന്നുണ്ടോ?** സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾക്കായി ഞങ്ങളുടെ [പ്രശ്നപരിഹാര ഗൈഡ്](TROUBLESHOOTING.md) പരിശോധിക്കുക. AI ആപ്പുകൾ നിർമ്മിക്കുമ്പോൾ നിങ്ങൾക്ക് പിടിപെടുകയാണെങ്കിൽ അല്ലെങ്കിൽ എന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടെങ്കിൽ. MCP സംബന്ധിച്ച ചർച്ചകളിൽ മറ്റ് പഠിക്കുന്നവരും അനുഭവസമ്പന്നരായ ഡെവലപ്പർമാരും ചേർന്ന് ചർച്ച ചെയ്യൂ. ഇത് ചോദ്യങ്ങൾ സ്വാഗതം ചെയ്യുന്നും അറിവുകൾ സ്വതന്ത്രമായി പങ്കുവെക്കപ്പെടുന്നതുമായ ഒരു പിന്തുണയുള്ള സമൂഹമാണ്. [](https://discord.gg/nTYy5BXMWG) നിങ്ങൾക്ക് ഉൽപ്പന്ന പ്രതികരണം അല്ലെങ്കിൽ നിർമ്മിക്കുമ്പോൾ പിഴവുകൾ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക: [](https://aka.ms/foundry/forum) --- ഡിസ്ക്ലെയിമർ: ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം ശ്രദ്ദയോടെ വിവർത്തനം ചെയ്തുവെങ്കിലും, യാന്ത്രിക വിവർത്തനങ്ങളിൽ പിശകുകളും അക്രമിതത്വങ്ങളും ഉണ്ടാകാം എന്ന് ദയവായി ശ്രദ്ധിക്കുക. മാതൃഭാഷയിലെ യഥാർത്ഥ രേഖ ആയതിനെ ആധികാരിക ഉറവിടമായി പരിഗണിക്കണം. നിർണായക വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണങ്ങൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.