# ឧទាហរណ៍វិទ្យាសាស្ត្រទិន្នន័យសម្រួលសម្រាប់អ្នកចាប់ផ្តើម សូមស្វាគមន៍មកកាន់ថតឯកសារឧទាហរណ៍! ការប្រមូលផ្តុំឧទាហរណ៍សាមញ្ញដែលមានការពន្យល់លម្អិតនេះត្រូវបានរចនាឡើងដើម្បីជួយអ្នកចាប់ផ្តើមជាមួយវិទ្យាសាស្ត្រទិន្នន័យ ទោះបីជាអ្នកជាអ្នកចាប់ផ្តើមសង្ខេបក៏ដោយ។ ## 📚 អ្វីដែលអ្នកនឹងរកឃើញនៅទីនេះ អៀហរណ៍នីមួយៗមានភាពឯករាជ្យ និងរួមបញ្ចូល៖ - **កំណត់សម្គាល់ច្បាស់លាស់** ពន្យល់ជំហានរាល់ជំហាន - **កូដសាមញ្ញអាចអានបាន** ដែលបង្ហាញមេរៀនមួយក្នុងពេលមួយ - **បរិបទពិតជាពិភពលោក** ជួយអ្នកយល់ពីពេលណា និងហេតុអ្វីបានប្រើបច្ចេកទេសទាំងនេះ - **លទ្ធផលដែលរំពឹងទុក** ដើម្បីឲ្យអ្នកដឹងត្រូវស្វែងរកអ្វី ## 🚀 ការចាប់ផ្តើម ### លក្ខខ័ណ្ឌមុន មុនពេលរត់ឧទាហរណ៍ទាំងនេះ សូមប្រាកដថាអ្នកមាន៖ - Python 3.7 ឬខ្ពស់ជាងនេះបានដំឡើង - ការយល់ដឹងមូលដ្ឋានពីរបៀបរត់ស្គ្រីប Python ### ការដំឡើងបណ្ណាល័យត្រូវការ ```bash pip install pandas numpy matplotlib ``` ## 📖 មើលទិដ្ឋភាពទូទៅនៃឧទាហរណ៍ ### 1. Hello World - បែបវិទ្យាសាស្ត្រទិន្នន័យ **ឯកសារ៖** `01_hello_world_data_science.py` កម្មវិធីវិទ្យាសាស្ត្រទិន្នន័យដំបូងរបស់អ្នក! ស្វែងរៀនពីរបៀប៖ - ដោនឡើងបណ្ដុំទិន្នន័យសាមញ្ញ - បង្ហាញព័ត៌មានមូលដ្ឋានអំពីទិន្នន័យរបស់អ្នក - បោះពុម្ពលទ្ធផលវិទ្យាសាស្ត្រទិន្នន័យដំបូងរបស់អ្នក ល្អឥតខ្ចោះសម្រាប់អ្នកចាប់ផ្តើមដែលចង់មើលកម្មវិធីវិទ្យាសាស្ត្រទិន្នន័យដំបូងរបស់ពួកគេក្នុងសកម្មភាព។ --- ### 2. ការផ្ទុក និងស្វែងរកទិន្នន័យ **ឯកសារ៖** `02_loading_data.py` ស្វែងយល់មូលដ្ឋាននៃការងារជាមួយទិន្នន័យ៖ - អានទិន្នន័យពីឯកសារ CSV - មើលជួរដំបូងៗនៃបណ្ដុំទិន្នន័យរបស់អ្នក - ទទួលបានស្ថិតិមូលដ្ឋានអំពីទិន្នន័យរបស់អ្នក - យល់ពីប្រភេទទិន្នន័យ នេះជាជំហានដំបូងច្រើនជាងគេនៅក្នុងគម្រោងវិទ្យាសាស្ត្រទិន្នន័យ! --- ### 3. វិភាគទិន្នន័យសាមញ្ញ **ឯកសារ៖** `03_simple_analysis.py` អនុវត្តវិភាគទិន្នន័យដំបូងរបស់អ្នក៖ - គណនាស្ថិតិមូលដ្ឋាន (មធ្យម, មេឌីយ៉ាន, ម៉ូដ) - រកតម្លៃអតិបរមា និងអប្បបរមា - រាប់ចំនួនករណីនៃតម្លៃ - ផ្ទាត់ទិន្នន័យអាស្រ័យលើលក្ខខណ្ឌ មើលពីរបៀបឆ្លើយសំណួរសាមញ្ញអំពីទិន្នន័យរបស់អ្នក។ --- ### 4. មូលដ្ឋានការបង្ហាញទិន្នន័យ **ឯកសារ៖** `04_basic_visualization.py` បង្កើតការបង្ហាញផ្ទាំងដំបូងរបស់អ្នក៖ - បង្កើតក្រាហ្វបារែសាមញ្ញមួយ - បង្កើតការបង្ហាញជារបារបន្ទាត់ - បង្កើតក្រាហ្វព្រី - រក្សាទុកការបង្ហាញរបស់អ្នកជារូបភាព រៀនបច្ចេកទេសផ្សព្វផ្សាយការស្វែងរករបស់អ្នកជាផ្ទាំង! --- ### 5. ធ្វើការជាមួយទិន្នន័យពិត **ឯកសារ៖** `05_real_world_example.py` ប្រមូលចំនុចទាំងអស់ជាមួយឧទាហរណ៍ពេញលេញ៖ - ដោនឡើងទិន្នន័យពិតពីឃ្លាំងទិន្នន័យ - សម្អាត និងរៀបចំទិន្នន័យ - អនុវត្តវិភាគ - បង្កើតការបង្ហាញដ៏មានន័យ - ស្ដាប់ចេញនូវសេចក្តីសន្និដ្ឋាន ឧទាហរណ៍នេះបង្ហាញដំណើរការពេញលេញចាប់ពីការចាប់ផ្តើមដល់បញ្ចប់។ --- ## 🎯 របៀបប្រើឧទាហរណ៍ទាំងនេះ 1. **ចាប់ផ្តើមពីដំបូង**៖ ឧទាហរណ៍ត្រូវបានលេខរៀបឡើងតាមកម្រិតភាពខុសប្លែក។ ចាប់ផ្តើមជាមួយ `01_hello_world_data_science.py` ហើយបន្តទៅមុខ។ 2. **អានកំណត់សម្គាល់**៖ ឯកសារនីមួយៗមានកំណត់សម្គាល់លម្អិតពន្យល់ពីអ្វីដែលកូដធ្វើ និងហេតុអ្វីបានធ្វើ។ សូមអានយ៉ាងយកចិត្តទុកដាក់! 3. **សាកល្បង**៖ ព្យាយាមកែប្រែកូដ។ មានអ្វីកើតឡើងប្រសិនបើអ្នកប្ដូរតម្លៃមួយ? បែកបាក់ ហើយជួសជុលវា - នោះជារបៀបដែលអ្នករៀន! 4. **រត់កូដ**៖ ប្រតិបត្តិឧទាហរណ៍នីមួយៗ ហើយសង្កេតលទ្ធផល។ ប្រៀបធៀបវាជាមួយអ្វីដែលអ្នករំពឹងទុក។ 5. **ពង្រីកវា**៖ ពេលដែលអ្នកយល់ឧទាហរណ៍មួយ សាកល្បងពង្រីកវា ជាមួយគំនិតផ្ទាល់ខ្លួន។ ## 💡 យោបល់សម្រាប់អ្នកចាប់ផ្តើម - **កុំរត់លឿន**៖ ចំណាយពេលយល់ឧទាហរណ៍នីមួយៗ មុនពេលទៅកាន់វាជាថ្មី - **វាយកូដដោយខ្លួនឯង**៖ កុំគ្រាន់តែចម្លងបិទបិទ។ ការវាយជួយអ្នករៀន និងចងចាំ - **ស្វែងរកមេរៀនដែលមិនស្គាល់**៖ ប្រសិនបើអ្នកឃើញអ្វីមួយដែលមិនយល់ ស្វែងរកវាពីអ៊ិនធឺណែត ឬនៅក្នុងមេរៀនសំខាន់ៗ - **សួរពិភាក្សា**៖ ចូលរួមក្នុង [វេទិកាពិភាក្សា](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ប្រសិនបើអ្នកត្រូវការជំនួយ - **ហ្វឹកហ្វឺនជាប្រចាំ**៖ ព្យាយាមកូដប្រហែលតិចៗរៀងរាល់ថ្ងៃ ជាជាងពេលវេលាធំធេងមួយភាគច្រេីនក្នុងមួយសប្តាហ៍ ## 🔗 ជំហានបន្ទាប់ បន្ទាប់ពីបញ្ចប់ឧទាហរណ៍ទាំងនេះ អ្នករួចរាល់រាល់បញ្ហា៖ - ធ្វើតាមមេរៀនគ្រប់មេរៀន - សាកល្បងការងារប្រលងនៅក្នុងថតមេរៀននីមួយៗ - ស្វែងយល់កំណត់ត្រា Jupyter សម្រាប់ការសិក្សាដ៏ជ្រាលជ្រៅ - បង្កើតគម្រោងវិទ្យាសាស្ត្រទិន្នន័យផ្ទាល់ខ្លួន ## 📚 ប្រភពអភិវឌ្ឍបន្ថែម - [មេរៀនសំខាន់](../README.md) - វគ្គរៀនភាគ20ពេញលេញ - [សម្រាប់គ្រូ](../for-teachers.md) - ការប្រើវគ្គនេះក្នុងថ្នាក់រៀនរបស់អ្នក - [Microsoft Learn](https://docs.microsoft.com/learn/) - ប្រភពសិក្សាអនឡាញឥតគិតថ្លៃ - [ឯកសារព័ត៌មាន Python](https://docs.python.org/3/) - ឯកសារយោងផ្លូវការរបស់ Python ## 🤝 ការរួមចំណែក បានរកឃើញបញ្ហាឬមានគំនិតសម្រាប់ឧទាហរណ៍ថ្មី? យើងសូមស្វាគមន៍ការរួមចំណែក! សូមមើល [មគ្គុទេសក៍រួមចំណែក](../CONTRIBUTING.md) របស់យើង។ --- **សូមរីករាយរៀន! 🎉** ចូរចងចាំ៖ អ្នកជំនាញរាល់គ្នាបានធ្លាប់ជាអ្នកចាប់ផ្តើមមួយនៅពេលម៉ូដមុន។ ចាប់ផ្តើមជំហានមួយៗ ហើយកុំភ័យខ្លាចក្នុងការខកខាន - ពួកវាជាផ្នែកនៃដំណើរការរៀន! --- **ការបដិសេធ**៖ ឯកសារនេះត្រូវបានបកប្រែក្នុងការប្រើប្រាស់សេវាកម្មបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ទោះបីយើងខិតខំប្រឹងប្រែងដើម្បីបានភាពត្រឹមត្រូវ ក៏សូមយល់ថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមនៅក្នុងភាសាដើមគួរត្រូវបានពិចារណាជា ប្រភពមានអាទិភាព ។ សម្រាប់ព័ត៌មានសំខាន់ ផ្តល់អនុសាសន៍ឱ្យប្រើប្រាស់ការបកប្រែដោយមនុស្សជំនាញ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយតិចតួចណាមួយដែលកើតចេញពីការប្រើប្រាស់ការបកប្រែនេះនោះទេ។