# ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ

ಈ ಮಾರ್ಗದರ್ಶಿ ಡೇಟಾ ಸೈನ್ಸ್ ಫಾರ್ ಬಿಗಿನರ್ಸ್ ಪಠ್ಯಕ್ರಮವನ್ನು ಬಳಸಲು ಉದಾಹರಣೆಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ.

## ವಿಷಯಗಳ ಪಟ್ಟಿಕೆ

- [ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸುವುದು](../..)
- [ಪಾಠಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು](../..)
- [ಜುಪೈಟರ್ ನೋಟ್ಬುಕ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು](../..)
- [ಕ್ವಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ಬಳಕೆ](../..)
- [ಸಾಮಾನ್ಯ ಕಾರ್ಯಪ್ರವಾಹಗಳು](../..)
- [ಸ್ವಯಂ ಅಧ್ಯಯನಕ್ಕಾಗಿ ಸಲಹೆಗಳು](../..)
- [ಶಿಕ್ಷಕರಿಗಾಗಿ ಸಲಹೆಗಳು](../..)

## ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸುವುದು

ಈ ಪಠ್ಯಕ್ರಮವು ಲವಚಿಕವಾಗಿದ್ದು, ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಬಳಸಬಹುದು:

- **ಸ್ವಯಂ-ಗತಿಯ ಅಧ್ಯಯನ**: ನಿಮ್ಮ ಸ್ವಂತ ವೇಗದಲ್ಲಿ ಪಾಠಗಳನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಮಾಡಿ
- **ತರಗತಿ ಬೋಧನೆ**: ಮಾರ್ಗದರ್ಶಿತ ಬೋಧನೆಯೊಂದಿಗೆ ರಚಿಸಲಾದ ಕೋರ್ಸ್ ಆಗಿ ಬಳಸಿ
- **ಅಧ್ಯಯನ ಗುಂಪುಗಳು**: ಸಹಪಾಠಿಗಳೊಂದಿಗೆ ಸಹಕಾರದಿಂದ ಕಲಿಯಿರಿ
- **ಕಾರ್ಖಾನೆ ರೂಪ**: ತೀವ್ರ ಸ್ವಲ್ಪಕಾಲಿಕ ಅಧ್ಯಯನ ಸೆಷನ್‌ಗಳು

## ಪಾಠಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು

ಪ್ರತಿ ಪಾಠವು ಕಲಿಕೆಯನ್ನು ಗರಿಷ್ಠಗೊಳಿಸಲು ಸತತ ರಚನೆಯನ್ನು ಅನುಸರಿಸುತ್ತದೆ:

### ಪಾಠ ರಚನೆ

1. **ಪೂರ್ವ ಪಾಠ ಕ್ವಿಜ್**: ನಿಮ್ಮ ಇತ್ತೀಚಿನ ಜ್ಞಾನವನ್ನು ಪರೀಕ್ಷಿಸಿ
2. **ಸ್ಕೆಚ್‌ನೋಟ್** (ಐಚ್ಛಿಕ): ಪ್ರಮುಖ ತತ್ವಗಳ ದೃಶ್ಯ ಸಾರಾಂಶ
3. **ವೀಡಿಯೊ** (ಐಚ್ಛಿಕ): ಪೂರಕ ವೀಡಿಯೊ ವಿಷಯ
4. **ಲೇಖಿತ ಪಾಠ**: ಮೂಲ ತತ್ವಗಳು ಮತ್ತು ವಿವರಣೆಗಳು
5. **ಜುಪೈಟರ್ ನೋಟ್ಬುಕ್**: ಕೈಯಿಂದ ಕೋಡಿಂಗ್ ಅಭ್ಯಾಸಗಳು
6. **ಕಾರ್ಯನಿರ್ವಹಣೆ**: ನೀವು ಕಲಿತದ್ದನ್ನು ಅಭ್ಯಾಸ ಮಾಡಿ
7. **ಪೋಸ್ಟ್-ಪಾಠ ಕ್ವಿಜ್**: ನಿಮ್ಮ ಅರ್ಥವನ್ನು ಬಲಪಡಿಸಿ

### ಪಾಠದ ಉದಾಹರಣಾ ಕಾರ್ಯಪ್ರವಾಹ

```bash
# 1. ಪಾಠ ಡೈರೆಕ್ಟರಿಗೆ ನಾವಿಗೇಟ್ ಮಾಡಿ
cd 1-Introduction/01-defining-data-science

# 2. README.md ಓದಿ
# README.md ಅನ್ನು ನಿಮ್ಮ ಬ್ರೌಸರ್ ಅಥವಾ ಸಂಪಾದಕದಲ್ಲಿ ತೆರೆಯಿರಿ

# 3. ಪೂರ್ವ-ಪಾಠ ಕ್ವಿಜ್ ತೆಗೆದುಕೊಳ್ಳಿ
# README ನಲ್ಲಿ ಕ್ವಿಜ್ ಲಿಂಕ್ ಕ್ಲಿಕ್ ಮಾಡಿ

# 4. ಜುಪೈಟರ್ ನೋಟ್ಬುಕ್ ತೆರೆಯಿರಿ (ಲಭ್ಯವಿದ್ದರೆ)
jupyter notebook

# 5. ನೋಟ್ಬುಕ್‌ನ ವ್ಯಾಯಾಮಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ

# 6. ನಿಯೋಜನೆ ಮೇಲೆ ಕೆಲಸ ಮಾಡಿ

# 7. ಪಾಠದ ನಂತರದ ಕ್ವಿಜ್ ತೆಗೆದುಕೊಳ್ಳಿ
```

## ಜುಪೈಟರ್ ನೋಟ್ಬುಕ್‌ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು

### ಜುಪೈಟರ್ ಪ್ರಾರಂಭಿಸುವುದು

```bash
# ನಿಮ್ಮ ವರ್ಚುವಲ್ ಪರಿಸರವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿ
source venv/bin/activate  # macOS/Linux ನಲ್ಲಿ
# ಅಥವಾ
venv\Scripts\activate  # Windows ನಲ್ಲಿ

# ರೆಪೊಸಿಟರಿ ರೂಟ್‌ನಿಂದ Jupyter ಪ್ರಾರಂಭಿಸಿ
jupyter notebook
```

### ನೋಟ್ಬುಕ್ ಸೆಲ್‌ಗಳನ್ನು ಚಾಲನೆ ಮಾಡುವುದು

1. **ಸೆಲ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ**: `Shift + Enter` ಒತ್ತಿ ಅಥವಾ "Run" ಬಟನ್ ಕ್ಲಿಕ್ ಮಾಡಿ
2. **ಎಲ್ಲಾ ಸೆಲ್‌ಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ**: ಮೆನುದಿಂದ "Cell" → "Run All" ಆಯ್ಕೆಮಾಡಿ
3. **ಕರ್ಣಲ್ ಮರುಪ್ರಾರಂಭಿಸಿ**: ಸಮಸ್ಯೆ ಎದುರಾದರೆ "Kernel" → "Restart" ಆಯ್ಕೆಮಾಡಿ

### ಉದಾಹರಣೆ: ನೋಟ್ಬುಕ್‌ನಲ್ಲಿ ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವುದು

```python
# ಅಗತ್ಯ ಲೈಬ್ರರಿಗಳನ್ನು ಆಮದುಮಾಡಿ
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# ಡೇಟಾಸೆಟ್ ಅನ್ನು ಲೋಡ್ ಮಾಡಿ
df = pd.read_csv('data/sample.csv')

# ಡೇಟಾವನ್ನು ಅನ್ವೇಷಿಸಿ
df.head()
df.info()
df.describe()

# ದೃಶ್ಯೀಕರಣವನ್ನು ರಚಿಸಿ
plt.figure(figsize=(10, 6))
plt.plot(df['column_name'])
plt.title('Sample Visualization')
plt.xlabel('X-axis Label')
plt.ylabel('Y-axis Label')
plt.show()
```

### ನಿಮ್ಮ ಕೆಲಸವನ್ನು ಉಳಿಸುವುದು

- ಜುಪೈಟರ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅವಧಿ ಅವಧಿಗೆ ಉಳಿಸುತ್ತದೆ
- ಕೈಯಿಂದ ಉಳಿಸುವುದು: `Ctrl + S` (ಅಥವಾ macOS ನಲ್ಲಿ `Cmd + S`) ಒತ್ತಿ
- ನಿಮ್ಮ ಪ್ರಗತಿ `.ipynb` ಫೈಲ್‌ನಲ್ಲಿ ಉಳಿಯುತ್ತದೆ

## ಕ್ವಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ಬಳಕೆ

### ಕ್ವಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡುವುದು

```bash
# ಕ್ವಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ಡೈರೆಕ್ಟರಿಗೆ ನಾವಿಗೇಟ್ ಮಾಡಿ
cd quiz-app

# ಡೆವಲಪ್‌ಮೆಂಟ್ ಸರ್ವರ್ ಪ್ರಾರಂಭಿಸಿ
npm run serve

# http://localhost:8080 ನಲ್ಲಿ ಪ್ರವೇಶಿಸಿ
```

### ಕ್ವಿಜ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು

1. ಪೂರ್ವ ಪಾಠ ಕ್ವಿಜ್‌ಗಳು ಪ್ರತಿ ಪಾಠದ ಮೇಲ್ಭಾಗದಲ್ಲಿ ಲಿಂಕ್ ಮಾಡಲ್ಪಟ್ಟಿವೆ
2. ಪೋಸ್ಟ್-ಪಾಠ ಕ್ವಿಜ್‌ಗಳು ಪ್ರತಿ ಪಾಠದ ಕೆಳಭಾಗದಲ್ಲಿ ಲಿಂಕ್ ಮಾಡಲ್ಪಟ್ಟಿವೆ
3. ಪ್ರತಿ ಕ್ವಿಜ್‌ಗೆ 3 ಪ್ರಶ್ನೆಗಳಿವೆ
4. ಕ್ವಿಜ್‌ಗಳು ಕಲಿಕೆಯನ್ನು ಬಲಪಡಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಸಂಪೂರ್ಣ ಪರೀಕ್ಷೆಗಾಗಿ ಅಲ್ಲ

### ಕ್ವಿಜ್ ಸಂಖ್ಯೆಕರಣ

- ಕ್ವಿಜ್‌ಗಳು 0-39 (ಒಟ್ಟು 40 ಕ್ವಿಜ್‌ಗಳು) ಸಂಖ್ಯೆಯಾಗಿದೆ
- ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಪೂರ್ವ ಮತ್ತು ಪೋಸ್ಟ್ ಕ್ವಿಜ್ ಇರುತ್ತದೆ
- ಕ್ವಿಜ್ URL ಗಳು ಕ್ವಿಜ್ ಸಂಖ್ಯೆಯನ್ನು ಒಳಗೊಂಡಿವೆ: `https://ff-quizzes.netlify.app/en/ds/quiz/0`

## ಸಾಮಾನ್ಯ ಕಾರ್ಯಪ್ರವಾಹಗಳು

### ಕಾರ್ಯಪ್ರವಾಹ 1: ಸಂಪೂರ್ಣ ಪ್ರಾರಂಭಿಕ ಮಾರ್ಗ

```bash
# 1. ನಿಮ್ಮ ಪರಿಸರವನ್ನು ಸೆಟ್ ಅಪ್ ಮಾಡಿ (INSTALLATION.md ನೋಡಿ)

# 2. ಪಾಠ 1 ರಿಂದ ಪ್ರಾರಂಭಿಸಿ
cd 1-Introduction/01-defining-data-science

# 3. ಪ್ರತಿ ಪಾಠಕ್ಕೆ:
#    - ಪಾಠದ ಮುಂಚಿನ ಕ್ವಿಜ್ ತೆಗೆದುಕೊಳ್ಳಿ
#    - ಪಾಠದ ವಿಷಯವನ್ನು ಓದಿ
#    - ನೋಟ್ಬುಕ್ ಮೂಲಕ ಕೆಲಸ ಮಾಡಿ
#    - ನಿಯೋಜನೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ
#    - ಪಾಠದ ನಂತರದ ಕ್ವಿಜ್ ತೆಗೆದುಕೊಳ್ಳಿ

# 4. ಎಲ್ಲಾ 20 ಪಾಠಗಳನ್ನು ಕ್ರಮವಾಗಿ ಮುಂದುವರಿಸಿ
```

### ಕಾರ್ಯಪ್ರವಾಹ 2: ವಿಷಯ-ನಿರ್ದಿಷ್ಟ ಅಧ್ಯಯನ

ನೀವು ನಿರ್ದಿಷ್ಟ ವಿಷಯದಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರೆ:

```bash
# ಉದಾಹರಣೆ: ಡೇಟಾ ದೃಶ್ಯೀಕರಣದ ಮೇಲೆ ಗಮನಹರಿಸಿ
cd 3-Data-Visualization

# ಪಾಠಗಳು 9-13 ಅನ್ನು ಅನ್ವೇಷಿಸಿ:
# - ಪಾಠ 9: ಪ್ರಮಾಣಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು
# - ಪಾಠ 10: ವಿತರಣೆಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು
# - ಪಾಠ 11: ಅನುಪಾತಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು
# - ಪಾಠ 12: ಸಂಬಂಧಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು
# - ಪಾಠ 13: ಅರ್ಥಪೂರ್ಣ ದೃಶ್ಯೀಕರಣಗಳು
```

### ಕಾರ್ಯಪ್ರವಾಹ 3: ಯೋಜನೆ ಆಧಾರಿತ ಅಧ್ಯಯನ

```bash
# 1. ಡೇಟಾ ಸೈನ್ಸ್ ಲೈಫ್ಸೈಕಲ್ ಪಾಠಗಳನ್ನು ಪರಿಶೀಲಿಸಿ (14-16)
cd 4-Data-Science-Lifecycle

# 2. ನೈಜ ಜಗತ್ತಿನ ಉದಾಹರಣೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ (ಪಾಠ 20)
cd ../6-Data-Science-In-Wild/20-Real-World-Examples

# 3. ನಿಮ್ಮ ಸ್ವಂತ ಯೋಜನೆಗೆ ತತ್ವಗಳನ್ನು ಅನ್ವಯಿಸಿ
```

### ಕಾರ್ಯಪ್ರವಾಹ 4: ಕ್ಲೌಡ್ ಆಧಾರಿತ ಡೇಟಾ ಸೈನ್ಸ್

```bash
# ಕ್ಲೌಡ್ ಡೇಟಾ ಸೈನ್ಸ್ ಬಗ್ಗೆ ತಿಳಿದುಕೊಳ್ಳಿ (ಪಾಠಗಳು 17-19)
cd 5-Data-Science-In-Cloud

# 17: ಕ್ಲೌಡ್ ಡೇಟಾ ಸೈನ್ಸ್ ಪರಿಚಯ
# 18: ಕಡಿಮೆ-ಕೋಡ್ ಎಂಎಲ್ ಉಪಕರಣಗಳು
# 19: ಅಜೂರ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಸ್ಟುಡಿಯೋ
```

## ಸ್ವಯಂ ಅಧ್ಯಯನಕ್ಕಾಗಿ ಸಲಹೆಗಳು

### ಸಂಘಟಿತವಾಗಿರಿ

```bash
# ಕಲಿಕೆಯ ದಿನಚರಿಯನ್ನು ರಚಿಸಿ
mkdir my-learning-journal

# ಪ್ರತಿ ಪಾಠಕ್ಕೆ, ಟಿಪ್ಪಣಿಗಳನ್ನು ರಚಿಸಿ
echo "# Lesson 1 Notes" > my-learning-journal/lesson-01-notes.md
```

### ನಿಯಮಿತ ಅಭ್ಯಾಸ ಮಾಡಿ

- ಪ್ರತಿದಿನ ಅಥವಾ ವಾರಕ್ಕೆ ನಿಗದಿತ ಸಮಯ ಮೀಸಲಿಡಿ
- ವಾರಕ್ಕೆ ಕನಿಷ್ಠ ಒಂದು ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ
- ಹಿಂದಿನ ಪಾಠಗಳನ್ನು ನಿಯಮಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ

### ಸಮುದಾಯದೊಂದಿಗೆ ಸಂವಹನ ಮಾಡಿ

- [Discord ಸಮುದಾಯ](https://aka.ms/ds4beginners/discord) ಸೇರಿ
- Discord ನಲ್ಲಿ #Data-Science-for-Beginners ಚಾನೆಲ್‌ನಲ್ಲಿ ಭಾಗವಹಿಸಿ [Discord ಚರ್ಚೆಗಳು](https://aka.ms/ds4beginners/discord)
- ನಿಮ್ಮ ಪ್ರಗತಿಯನ್ನು ಹಂಚಿಕೊಳ್ಳಿ ಮತ್ತು ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಿ

### ನಿಮ್ಮ ಸ್ವಂತ ಯೋಜನೆಗಳನ್ನು ನಿರ್ಮಿಸಿ

ಪಾಠಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ತತ್ವಗಳನ್ನು ವೈಯಕ್ತಿಕ ಯೋಜನೆಗಳಿಗೆ ಅನ್ವಯಿಸಿ:

```python
# ಉದಾಹರಣೆ: ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾಸೆಟ್ ಅನ್ನು ವಿಶ್ಲೇಷಿಸಿ
import pandas as pd

# ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡಿ
my_data = pd.read_csv('my-project/data.csv')

# ಕಲಿತ ತಂತ್ರಗಳನ್ನು ಅನ್ವಯಿಸಿ
# - ಡೇಟಾ ಶುದ್ಧೀಕರಣ (ಪಾಠ 8)
# - ಅನ್ವೇಷಣಾತ್ಮಕ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ (ಪಾಠ 7)
# - ದೃಶ್ಯೀಕರಣ (ಪಾಠಗಳು 9-13)
# - ವಿಶ್ಲೇಷಣೆ (ಪಾಠ 15)
```

## ಶಿಕ್ಷಕರಿಗಾಗಿ ಸಲಹೆಗಳು

### ತರಗತಿ ವ್ಯವಸ್ಥೆ

1. ವಿವರವಾದ ಮಾರ್ಗದರ್ಶನಕ್ಕಾಗಿ [for-teachers.md](for-teachers.md) ಪರಿಶೀಲಿಸಿ
2. ಹಂಚಿಕೊಂಡ ಪರಿಸರವನ್ನು ಸ್ಥಾಪಿಸಿ (GitHub Classroom ಅಥವಾ Codespaces)
3. ಸಂವಹನ ಚಾನೆಲ್ ಸ್ಥಾಪಿಸಿ (Discord, Slack, ಅಥವಾ Teams)

### ಪಾಠ ಯೋಜನೆ

**ಸೂಚಿತ 10-ವಾರಗಳ ವೇಳಾಪಟ್ಟಿ:**

- **ವಾರ 1-2**: ಪರಿಚಯ (ಪಾಠಗಳು 1-4)
- **ವಾರ 3-4**: ಡೇಟಾ ಜೊತೆ ಕೆಲಸ (ಪಾಠಗಳು 5-8)
- **ವಾರ 5-6**: ಡೇಟಾ ದೃಶ್ಯೀಕರಣ (ಪಾಠಗಳು 9-13)
- **ವಾರ 7-8**: ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರ (ಪಾಠಗಳು 14-16)
- **ವಾರ 9**: ಕ್ಲೌಡ್ ಡೇಟಾ ಸೈನ್ಸ್ (ಪಾಠಗಳು 17-19)
- **ವಾರ 10**: ವಾಸ್ತವಿಕ ಅನ್ವಯಿಕೆಗಳು ಮತ್ತು ಅಂತಿಮ ಯೋಜನೆಗಳು (ಪಾಠ 20)

### ಆಫ್‌ಲೈನ್ ಪ್ರವೇಶಕ್ಕಾಗಿ Docsify ಚಾಲನೆ

```bash
# ತರಗತಿ ಬಳಕೆಗೆ ಸ್ಥಳೀಯವಾಗಿ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಸೇವೆ ನೀಡುವುದು
docsify serve

# ವಿದ್ಯಾರ್ಥಿಗಳು localhost:3000 ನಲ್ಲಿ ಪ್ರವೇಶಿಸಬಹುದು
# ಪ್ರಾಥಮಿಕ ಸೆಟಪ್ ನಂತರ ಇಂಟರ್ನೆಟ್ ಅಗತ್ಯವಿಲ್ಲ
```

### ಕಾರ್ಯನಿರ್ವಹಣೆ ಮೌಲ್ಯಮಾಪನ

- ಪೂರ್ಣಗೊಂಡ ಅಭ್ಯಾಸಗಳಿಗಾಗಿ ವಿದ್ಯಾರ್ಥಿಗಳ ನೋಟ್ಬುಕ್‌ಗಳನ್ನು ಪರಿಶೀಲಿಸಿ
- ಕ್ವಿಜ್ ಅಂಕಗಳ ಮೂಲಕ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸಿ
- ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರ ತತ್ವಗಳನ್ನು ಬಳಸಿ ಅಂತಿಮ ಯೋಜನೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ

### ಕಾರ್ಯನಿರ್ವಹಣೆ ರಚನೆ

```python
# ಉದಾಹರಣೆಯ ಕಸ್ಟಮ್ ನಿಯೋಜನೆ ಟೆಂಪ್ಲೇಟು
"""
Assignment: [Topic]

Objective: [Learning goal]

Dataset: [Provide or have students find one]

Tasks:
1. Load and explore the dataset
2. Clean and prepare the data
3. Create at least 3 visualizations
4. Perform analysis
5. Communicate findings

Deliverables:
- Jupyter notebook with code and explanations
- Written summary of findings
"""
```

## ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದು

### ಸಂಪನ್ಮೂಲಗಳನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ

```bash
# ಸಂಪೂರ್ಣ ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ
git clone https://github.com/microsoft/Data-Science-For-Beginners.git

# ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಮುಂಚಿತವಾಗಿ ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ
# ಹೆಚ್ಚಿನ ಡೇಟಾಸೆಟ್‌ಗಳು ರೆಪೊಸಿಟರಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ
```

### ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡಿ

```bash
# ಡಾಕ್ಸಿಫಿಯೊಂದಿಗೆ ಸೇವೆ ನೀಡಿ
docsify serve

# localhost:3000 ನಲ್ಲಿ ಪ್ರವೇಶಿಸಿ
```

### ಕ್ವಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡಿ

```bash
cd quiz-app
npm run serve
```

## ಅನುವಾದಿತ ವಿಷಯಗಳಿಗೆ ಪ್ರವೇಶ

40+ ಭಾಷೆಗಳಲ್ಲಿ ಅನುವಾದಗಳು ಲಭ್ಯವಿವೆ:

```bash
# ಅನುವಾದಿತ ಪಾಠಗಳನ್ನು ಪ್ರವೇಶಿಸಿ
cd translations/fr  # ಫ್ರೆಂಚ್
cd translations/es  # ಸ್ಪ್ಯಾನಿಷ್
cd translations/de  # ಜರ್ಮನ್
# ... ಮತ್ತು ಇನ್ನೂ ಅನೇಕ
```

ಪ್ರತಿ ಅನುವಾದವು ಇಂಗ್ಲಿಷ್ ಆವೃತ್ತಿಯಂತೆ ಅದೇ ರಚನೆಯನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುತ್ತದೆ.

## ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳು

### ಅಧ್ಯಯನ ಮುಂದುವರಿಸಿ

- [Microsoft Learn](https://docs.microsoft.com/learn/) - ಹೆಚ್ಚುವರಿ ಅಧ್ಯಯನ ಮಾರ್ಗಗಳು
- [ವಿದ್ಯಾರ್ಥಿ ಹಬ್](https://docs.microsoft.com/learn/student-hub) - ವಿದ್ಯಾರ್ಥಿಗಳಿಗಾಗಿ ಸಂಪನ್ಮೂಲಗಳು
- [Azure AI Foundry](https://aka.ms/foundry/forum) - ಸಮುದಾಯ ವೇದಿಕೆ

### ಸಂಬಂಧಿತ ಪಠ್ಯಕ್ರಮಗಳು

- [ಬಿಗಿನರ್ಸ್‌ಗಾಗಿ AI](https://aka.ms/ai-beginners)
- [ಬಿಗಿನರ್ಸ್‌ಗಾಗಿ ML](https://aka.ms/ml-beginners)
- [ಬಿಗಿನರ್ಸ್‌ಗಾಗಿ ವೆಬ್ ಡೆವ್](https://aka.ms/webdev-beginners)
- [ಬಿಗಿನರ್ಸ್‌ಗಾಗಿ ಜನರೇಟಿವ್ AI](https://aka.ms/genai-beginners)

## ಸಹಾಯ ಪಡೆಯುವುದು

- ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳಿಗಾಗಿ [TROUBLESHOOTING.md](TROUBLESHOOTING.md) ಪರಿಶೀಲಿಸಿ
- [GitHub Issues](https://github.com/microsoft/Data-Science-For-Beginners/issues) ನಲ್ಲಿ ಹುಡುಕಿ
- ನಮ್ಮ [Discord](https://aka.ms/ds4beginners/discord) ಸೇರಿ
- ಸಮಸ್ಯೆಗಳನ್ನು ವರದಿ ಮಾಡಲು ಅಥವಾ ಕೊಡುಗೆ ನೀಡಲು [CONTRIBUTING.md](CONTRIBUTING.md) ಪರಿಶೀಲಿಸಿ

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**ಅಸ್ವೀಕರಣ**:  
ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ತಪ್ಪುಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->