# ప్రారంభికులకు అనుకూలమైన డేటా సైన్స్ ఉదాహరణలు ఉదాహరణల డైరెక్టరీకి స్వాగతం! ఈ సులభమైన, బాగా వ్యాఖ్యానించిన ఉదాహరణల సేకరణ డేటా సైన్స్ ప్రారంభించడానికి మీకు సహాయపడేందుకు రూపొందించబడింది, మీరు పూర్తిగా కొత్తవారైనా సరే. ## 📚 మీరు ఇక్కడ ఏమి కనుగొంటారు ప్రతి ఉదాహరణ స్వతంత్రంగా ఉంటుంది మరియు ఇందులో ఉంటుంది: - **ప్రతి దశను వివరించే స్పష్టమైన వ్యాఖ్యలు** - **ఒక్కో సారి ఒక కాన్సెప్ట్‌ను చూపించే సులభమైన, చదవదగిన కోడ్** - **ఈ సాంకేతికతలను ఎప్పుడు మరియు ఎందుకు ఉపయోగించాలో అర్థం చేసుకోవడానికి వాస్తవ ప్రపంచ సందర్భం** - **మీరు ఏమి చూడాలో తెలుసుకునేందుకు ఆశించిన అవుట్పుట్** ## 🚀 ప్రారంభించడం ### ముందస్తు అవసరాలు ఈ ఉదాహరణలను నడపడానికి ముందు, మీరు కలిగి ఉండాలి: - Python 3.7 లేదా అంతకంటే పైగా ఇన్‌స్టాల్ చేయబడింది - Python స్క్రిప్టులను ఎలా నడపాలో ప్రాథమిక అవగాహన ### అవసరమైన లైబ్రరీలను ఇన్‌స్టాల్ చేయడం ```bash pip install pandas numpy matplotlib ``` ## 📖 ఉదాహరణల అవలోకనం ### 1. హలో వరల్డ్ - డేటా సైన్స్ శైలి **ఫైల్:** `01_hello_world_data_science.py` మీ మొదటి డేటా సైన్స్ ప్రోగ్రామ్! నేర్చుకోండి: - సులభమైన డేటాసెట్‌ను లోడ్ చేయడం - మీ డేటా గురించి ప్రాథమిక సమాచారం ప్రదర్శించడం - మీ మొదటి డేటా సైన్స్ అవుట్పుట్‌ను ప్రింట్ చేయడం పూర్తిగా కొత్తవారికి ఇది వారి మొదటి డేటా సైన్స్ ప్రోగ్రామ్‌ను ప్రత్యక్షంగా చూడటానికి సరైనది. --- ### 2. డేటాను లోడ్ చేసి అన్వేషించడం **ఫైల్:** `02_loading_data.py` డేటాతో పని చేసే ప్రాథమిక విషయాలు నేర్చుకోండి: - CSV ఫైళ్ల నుండి డేటాను చదవడం - మీ డేటాసెట్ యొక్క మొదటి కొన్ని వరుసలను చూడడం - మీ డేటా గురించి ప్రాథమిక గణాంకాలు పొందడం - డేటా రకాల్ని అర్థం చేసుకోవడం ఇది సాధారణంగా ఏ డేటా సైన్స్ ప్రాజెక్ట్‌లో మొదటి దశ! --- ### 3. సులభమైన డేటా విశ్లేషణ **ఫైల్:** `03_simple_analysis.py` మీ మొదటి డేటా విశ్లేషణను చేయండి: - ప్రాథమిక గణాంకాలు (సగటు, మధ్య విలువ, మోడ్) లెక్కించడం - గరిష్ట మరియు కనిష్ట విలువలను కనుగొనడం - విలువల సంభవాలను లెక్కించడం - షరతుల ఆధారంగా డేటాను ఫిల్టర్ చేయడం మీ డేటా గురించి సులభమైన ప్రశ్నలకు ఎలా సమాధానం చెప్పాలో చూడండి. --- ### 4. డేటా విజువలైజేషన్ ప్రాథమికాలు **ఫైల్:** `04_basic_visualization.py` మీ మొదటి విజువలైజేషన్లను సృష్టించండి: - సులభమైన బార్ చార్ట్ తయారు చేయండి - లైన్ ప్లాట్ సృష్టించండి - పై చార్ట్ రూపొందించండి - మీ విజువలైజేషన్లను చిత్రాలుగా సేవ్ చేయండి మీ కనుగొన్న విషయాలను దృశ్యంగా ఎలా తెలియజేయాలో నేర్చుకోండి! --- ### 5. వాస్తవ డేటాతో పని చేయడం **ఫైల్:** `05_real_world_example.py` మొత్తం ఉదాహరణతో అన్ని దశలను కలిపి చేయండి: - రిపాజిటరీ నుండి వాస్తవ డేటాను లోడ్ చేయండి - డేటాను శుభ్రపరచి సిద్ధం చేయండి - విశ్లేషణ చేయండి - అర్థవంతమైన విజువలైజేషన్లు సృష్టించండి - తేలికపాటి నిర్ణయాలు తీసుకోండి ఈ ఉదాహరణ ప్రారంభం నుండి ముగింపు వరకు పూర్తి వర్క్‌ఫ్లో చూపిస్తుంది. --- ## 🎯 ఈ ఉదాహరణలను ఎలా ఉపయోగించాలి 1. **ప్రారంభం నుండి మొదలుపెట్టండి**: ఉదాహరణలు కష్టతరతలో సంఖ్యాబద్ధం చేయబడ్డాయి. `01_hello_world_data_science.py` తో మొదలుపెట్టి ముందుకు సాగండి. 2. **వ్యాఖ్యలను చదవండి**: ప్రతి ఫైల్‌లో కోడ్ ఏమి చేస్తుందో మరియు ఎందుకు చేస్తుందో వివరించే వ్యాఖ్యలు ఉంటాయి. వాటిని జాగ్రత్తగా చదవండి! 3. **ప్రయోగాలు చేయండి**: కోడ్‌ను మార్చి చూడండి. ఒక విలువ మార్చితే ఏమవుతుంది? తప్పులు చేయండి, వాటిని సరిచేయండి - ఇదే నేర్చుకునే విధానం! 4. **కోడ్ నడపండి**: ప్రతి ఉదాహరణను అమలు చేసి అవుట్పుట్‌ను గమనించండి. మీరు ఆశించినదితో పోల్చండి. 5. **దీనిపై అభివృద్ధి చేయండి**: ఒక ఉదాహరణను అర్థం చేసుకున్న తర్వాత, దానిని మీ స్వంత ఆలోచనలతో విస్తరించండి. ## 💡 ప్రారంభికులకు సూచనలు - **అలసిపోకండి**: ప్రతి ఉదాహరణను అర్థం చేసుకోవడానికి సమయం తీసుకోండి, తర్వాత తదుపరి దానికి వెళ్లండి - **కోడ్‌ను స్వయంగా టైప్ చేయండి**: కాపీ-పేస్ట్ చేయకండి. టైపింగ్ చేయడం మీకు నేర్చుకోవడంలో మరియు గుర్తుంచుకోవడంలో సహాయపడుతుంది - **అజ్ఞాత కాన్సెప్ట్‌లను వెతకండి**: మీరు అర్థం చేసుకోలేని ఏదైనా ఉంటే, ఆన్‌లైన్‌లో లేదా ప్రధాన పాఠాలలో వెతకండి - **ప్రశ్నలు అడగండి**: సహాయం కావాలంటే [చర్చా ఫోరం](https://github.com/microsoft/Data-Science-For-Beginners/discussions) లో చేరండి - **నియమితంగా అభ్యాసం చేయండి**: వారానికి ఒకసారి పెద్ద సెషన్ల కంటే ప్రతిరోజూ కొంత కోడ్ చేయడానికి ప్రయత్నించండి ## 🔗 తదుపరి దశలు ఈ ఉదాహరణలను పూర్తి చేసిన తర్వాత, మీరు సిద్ధంగా ఉంటారు: - ప్రధాన పాఠ్యాంశాల ద్వారా పని చేయడానికి - ప్రతి పాఠం ఫోల్డర్‌లో అసైన్‌మెంట్‌లను ప్రయత్నించడానికి - మరింత లోతైన నేర్చుకోవడానికి జూపిటర్ నోట్‌బుక్స్‌ను అన్వేషించడానికి - మీ స్వంత డేటా సైన్స్ ప్రాజెక్టులను సృష్టించడానికి ## 📚 అదనపు వనరులు - [ప్రధాన పాఠ్యాంశం](../README.md) - పూర్తి 20-పాఠాల కోర్సు - [ఉపాధ్యాయుల కోసం](../for-teachers.md) - ఈ పాఠ్యాంశాన్ని మీ తరగతిలో ఉపయోగించడం - [Microsoft Learn](https://docs.microsoft.com/learn/) - ఉచిత ఆన్‌లైన్ నేర్చుకునే వనరులు - [Python డాక్యుమెంటేషన్](https://docs.python.org/3/) - అధికారిక Python సూచిక ## 🤝 సహకారం ఏదైనా బగ్ కనుగొన్నారా లేదా కొత్త ఉదాహరణకు ఆలోచన ఉందా? మేము సహకారాలను స్వాగతిస్తున్నాము! దయచేసి మా [సహకార మార్గదర్శకాన్ని](../CONTRIBUTING.md) చూడండి. --- **సంతోషంగా నేర్చుకోండి! 🎉** గుర్తుంచుకోండి: ప్రతి నిపుణుడు ఒకప్పుడు ప్రారంభికుడే. ఒక్కో దశలో ఒకట씩 తీసుకోండి, తప్పులు చేయడాన్ని భయపడకండి - అవి నేర్చుకునే ప్రక్రియలో భాగమే! --- **అస్పష్టత**: ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. అసలు పత్రం దాని స్వదేశీ భాషలోనే అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.