# ಆರಂಭಿಕರಿಗಾಗಿ ಸ್ನೇಹಪರ ಡೇಟಾ ಸೈನ್ಸ್ ಉದಾಹರಣೆಗಳು ಉದಾಹರಣೆಗಳ ಡೈರೆಕ್ಟರಿಗೆ ಸ್ವಾಗತ! ಈ ಸರಳ, ಚೆನ್ನಾಗಿ ಕಾಮೆಂಟ್ ಮಾಡಲಾದ ಉದಾಹರಣೆಗಳ ಸಂಗ್ರಹವು ನೀವು ಸಂಪೂರ್ಣ ಆರಂಭಿಕರಾಗಿದ್ದರೂ ಸಹ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರಾರಂಭಿಸಲು ಸಹಾಯ ಮಾಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ## 📚 ನೀವು ಇಲ್ಲಿ ಏನು ಕಾಣುತ್ತೀರಿ ಪ್ರತಿ ಉದಾಹರಣೆ ಸ್ವತಂತ್ರವಾಗಿದ್ದು ಮತ್ತು ಒಳಗೊಂಡಿದೆ: - **ಪ್ರತಿ ಹಂತವನ್ನು ವಿವರಿಸುವ ಸ್ಪಷ್ಟ ಕಾಮೆಂಟ್‌ಗಳು** - **ಒಂದು ಸಮಯದಲ್ಲಿ ಒಂದು ತತ್ವವನ್ನು ತೋರಿಸುವ ಸರಳ, ಓದಲು ಸುಲಭವಾದ ಕೋಡ್** - **ಈ ತಂತ್ರಗಳನ್ನು ಯಾವಾಗ ಮತ್ತು ಏಕೆ ಬಳಸಬೇಕು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನೈಜ-ಜಗತ್ತಿನ ಸನ್ನಿವೇಶ** - **ನಿರೀಕ್ಷಿತ ಔಟ್‌ಪುಟ್** ನೀವು ಏನು ನೋಡಬೇಕೆಂದು ತಿಳಿಯಲು ## 🚀 ಪ್ರಾರಂಭಿಸುವುದು ### ಪೂರ್ವಾಪೇಕ್ಷಿತಗಳು ಈ ಉದಾಹರಣೆಗಳನ್ನು ಚಾಲನೆ ಮಾಡುವ ಮೊದಲು, ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ ನೀವು ಹೊಂದಿರುವುದು: - Python 3.7 ಅಥವಾ ಅದಕ್ಕಿಂತ ಮೇಲಿನ ಆವೃತ್ತಿ ಸ್ಥಾಪಿಸಲಾಗಿದೆ - Python ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಹೇಗೆ ಚಾಲನೆ ಮಾಡುವುದು ಎಂಬ ಮೂಲಭೂತ ಅರ್ಥ ### ಅಗತ್ಯ ಗ್ರಂಥಾಲಯಗಳನ್ನು ಸ್ಥಾಪಿಸುವುದು ```bash pip install pandas numpy matplotlib ``` ## 📖 ಉದಾಹರಣೆಗಳ ಅವಲೋಕನ ### 1. ಹಲೋ ವರ್ಲ್ಡ್ - ಡೇಟಾ ಸೈನ್ಸ್ ಶೈಲಿ **ಫೈಲ್:** `01_hello_world_data_science.py` ನಿಮ್ಮ ಮೊದಲ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರೋಗ್ರಾಂ! ಕಲಿಯಿರಿ ಹೇಗೆ: - ಸರಳ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಲೋಡ್ ಮಾಡುವುದು - ನಿಮ್ಮ ಡೇಟಾ ಬಗ್ಗೆ ಮೂಲಭೂತ ಮಾಹಿತಿಯನ್ನು ಪ್ರದರ್ಶಿಸುವುದು - ನಿಮ್ಮ ಮೊದಲ ಡೇಟಾ ಸೈನ್ಸ್ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮುದ್ರಿಸುವುದು ನಿಜವಾಗಿಯೂ ಆರಂಭಿಕರಿಗೆ ಇದು ಅವರ ಮೊದಲ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರೋಗ್ರಾಂ ಅನ್ನು ಕಾರ್ಯನಿರ್ವಹಿಸುವುದನ್ನು ನೋಡಲು ಪರಿಪೂರ್ಣ. --- ### 2. ಡೇಟಾ ಲೋಡ್ ಮಾಡುವುದು ಮತ್ತು ಅನ್ವೇಷಿಸುವುದು **ಫೈಲ್:** `02_loading_data.py` ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವ ಮೂಲಭೂತಗಳನ್ನು ಕಲಿಯಿರಿ: - CSV ಫೈಲ್‌ಗಳಿಂದ ಡೇಟಾ ಓದುವುದು - ನಿಮ್ಮ ಡೇಟಾಸೆಟ್‌ನ ಮೊದಲ ಕೆಲವು ಸಾಲುಗಳನ್ನು ವೀಕ್ಷಿಸುವುದು - ನಿಮ್ಮ ಡೇಟಾ ಬಗ್ಗೆ ಮೂಲಭೂತ ಅಂಕಿಅಂಶಗಳನ್ನು ಪಡೆಯುವುದು - ಡೇಟಾ ಪ್ರಕಾರಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಇದು ಯಾವುದೇ ಡೇಟಾ ಸೈನ್ಸ್ ಯೋಜನೆಯ ಮೊದಲ ಹಂತವಾಗಿರುತ್ತದೆ! --- ### 3. ಸರಳ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ **ಫೈಲ್:** `03_simple_analysis.py` ನಿಮ್ಮ ಮೊದಲ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಿರ್ವಹಿಸಿ: - ಮೂಲಭೂತ ಅಂಕಿಅಂಶಗಳನ್ನು ಲೆಕ್ಕಹಾಕಿ (ಸರಾಸರಿ, ಮಧ್ಯಮ, ಮೋಡ್) - ಗರಿಷ್ಠ ಮತ್ತು ಕನಿಷ್ಠ ಮೌಲ್ಯಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ - ಮೌಲ್ಯಗಳ ಸಂಭವನೆಯನ್ನು ಎಣಿಸಿ - ಶರತ್ತುಗಳ ಆಧಾರದ ಮೇಲೆ ಡೇಟಾವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿ ನಿಮ್ಮ ಡೇಟಾ ಬಗ್ಗೆ ಸರಳ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವುದನ್ನು ನೋಡಿ. --- ### 4. ಡೇಟಾ ದೃಶ್ಯೀಕರಣ ಮೂಲಭೂತಗಳು **ಫೈಲ್:** `04_basic_visualization.py` ನಿಮ್ಮ ಮೊದಲ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ರಚಿಸಿ: - ಸರಳ ಬಾರ್ ಚಾರ್ಟ್ ಮಾಡಿ - ಲೈನ್ ಪ್ಲಾಟ್ ರಚಿಸಿ - ಪೈ ಚಾರ್ಟ್ ತಯಾರಿಸಿ - ನಿಮ್ಮ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ಚಿತ್ರಗಳಾಗಿ ಉಳಿಸಿ ನಿಮ್ಮ ಕಂಡುಹಿಡಿತಗಳನ್ನು ದೃಶ್ಯವಾಗಿ ಸಂವಹನ ಮಾಡಲು ಕಲಿಯಿರಿ! --- ### 5. ನೈಜ ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವುದು **ಫೈಲ್:** `05_real_world_example.py` ಎಲ್ಲವನ್ನು ಒಟ್ಟುಗೂಡಿಸಿ ಸಂಪೂರ್ಣ ಉದಾಹರಣೆಯನ್ನು ಮಾಡಿ: - ರೆಪೊಸಿಟರಿಯಿಂದ ನೈಜ ಡೇಟಾ ಲೋಡ್ ಮಾಡುವುದು - ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ ಮತ್ತು ಸಿದ್ಧಪಡಿಸಿ - ವಿಶ್ಲೇಷಣೆ ನಡೆಸಿ - ಅರ್ಥಪೂರ್ಣ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ರಚಿಸಿ - ನಿರ್ಣಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ ಈ ಉದಾಹರಣೆ ಆರಂಭದಿಂದ ಕೊನೆವರೆಗೆ ಸಂಪೂರ್ಣ ಕಾರ್ಯಪ್ರವಾಹವನ್ನು ತೋರಿಸುತ್ತದೆ. --- ## 🎯 ಈ ಉದಾಹರಣೆಗಳನ್ನು ಹೇಗೆ ಬಳಸುವುದು 1. **ಆರಂಭದಿಂದ ಪ್ರಾರಂಭಿಸಿ**: ಉದಾಹರಣೆಗಳು ಕಷ್ಟದ ಕ್ರಮದಲ್ಲಿ ಸಂಖ್ಯೆಬದ್ಧವಾಗಿವೆ. `01_hello_world_data_science.py` ನಿಂದ ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ಕ್ರಮವಾಗಿ ಮುಂದುವರಿಯಿರಿ. 2. **ಕಾಮೆಂಟ್‌ಗಳನ್ನು ಓದಿ**: ಪ್ರತಿ ಫೈಲ್‌ನಲ್ಲಿ ಕೋಡ್ ಏನು ಮಾಡುತ್ತದೆ ಮತ್ತು ಏಕೆ ಎಂದು ವಿವರಿಸುವ ವಿವರವಾದ ಕಾಮೆಂಟ್‌ಗಳಿವೆ. ಅವುಗಳನ್ನು ಗಮನದಿಂದ ಓದಿ! 3. **ಪ್ರಯೋಗ ಮಾಡಿ**: ಕೋಡ್ ಅನ್ನು ಬದಲಾಯಿಸಲು ಪ್ರಯತ್ನಿಸಿ. ಮೌಲ್ಯವನ್ನು ಬದಲಾಯಿಸಿದರೆ ಏನಾಗುತ್ತದೆ? ತಪ್ಪುಗಳನ್ನು ಮಾಡಿ ಮತ್ತು ಸರಿಪಡಿಸಿ - ಹೀಗೆ ನೀವು ಕಲಿಯುತ್ತೀರಿ! 4. **ಕೋಡ್ ಅನ್ನು ಚಾಲನೆ ಮಾಡಿ**: ಪ್ರತಿ ಉದಾಹರಣೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಅನ್ನು ಗಮನಿಸಿ. ನೀವು ನಿರೀಕ್ಷಿಸಿದದನ್ನು ಹೋಲಿಸಿ. 5. **ಅದರ ಮೇಲೆ ನಿರ್ಮಿಸಿ**: ಒಂದು ಉದಾಹರಣೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡ ನಂತರ, ನಿಮ್ಮ ಸ್ವಂತ ಆಲೋಚನೆಗಳೊಂದಿಗೆ ಅದನ್ನು ವಿಸ್ತರಿಸಲು ಪ್ರಯತ್ನಿಸಿ. ## 💡 ಆರಂಭಿಕರಿಗಾಗಿ ಸಲಹೆಗಳು - **ತ್ವರೆಯಲ್ಲದೆ**: ಮುಂದಿನ ಉದಾಹರಣೆಗೆ ಹೋಗುವ ಮೊದಲು ಪ್ರತಿ ಉದಾಹರಣೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳಿ - **ಕೋಡ್ ಅನ್ನು ಸ್ವತಃ ಟೈಪ್ ಮಾಡಿ**: ಕಾಪಿ-ಪೇಸ್ಟ್ ಮಾಡಬೇಡಿ. ಟೈಪಿಂಗ್ ನಿಮಗೆ ಕಲಿಯಲು ಮತ್ತು ನೆನಪಿಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ - **ಅಪರಿಚಿತ ತತ್ವಗಳನ್ನು ಹುಡುಕಿ**: ನೀವು ಅರ್ಥಮಾಡಿಕೊಳ್ಳದ ಯಾವುದಾದರೂ ಕಂಡರೆ, ಅದನ್ನು ಆನ್‌ಲೈನ್ ಅಥವಾ ಮುಖ್ಯ ಪಾಠಗಳಲ್ಲಿ ಹುಡುಕಿ - **ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಿ**: ಸಹಾಯ ಬೇಕಾದರೆ [ಚರ್ಚಾ ವೇದಿಕೆ](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ಸೇರಿ - **ನಿಯಮಿತವಾಗಿ ಅಭ್ಯಾಸ ಮಾಡಿ**: ವಾರಕ್ಕೆ ಒಂದು ಬಾರಿ ದೀರ್ಘ ಅವಧಿ ಬದಲು ಪ್ರತಿದಿನ ಸ್ವಲ್ಪ ಕೋಡ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿ ## 🔗 ಮುಂದಿನ ಹಂತಗಳು ಈ ಉದಾಹರಣೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ನೀವು ಸಿದ್ಧರಾಗಿದ್ದೀರಿ: - ಮುಖ್ಯ ಪಠ್ಯಕ್ರಮ ಪಾಠಗಳನ್ನು ಅನುಸರಿಸಲು - ಪ್ರತಿ ಪಾಠ ಫೋಲ್ಡರ್‌ನಲ್ಲಿನ ನಿಯೋಜನೆಗಳನ್ನು ಪ್ರಯತ್ನಿಸಲು - ಹೆಚ್ಚಿನ ಆಳವಾದ ಕಲಿಕೆಗೆ ಜುಪಿಟರ್ ನೋಟ್ಬುಕ್‌ಗಳನ್ನು ಅನ್ವೇಷಿಸಲು - ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾ ಸೈನ್ಸ್ ಯೋಜನೆಗಳನ್ನು ರಚಿಸಲು ## 📚 ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳು - [ಮುಖ್ಯ ಪಠ್ಯಕ್ರಮ](../README.md) - ಸಂಪೂರ್ಣ 20-ಪಾಠ ಕೋರ್ಸ್ - [ಶಿಕ್ಷಕರಿಗಾಗಿ](../for-teachers.md) - ನಿಮ್ಮ ತರಗತಿಯಲ್ಲಿ ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಬಳಸುವುದು - [Microsoft Learn](https://docs.microsoft.com/learn/) - ಉಚಿತ ಆನ್‌ಲೈನ್ ಕಲಿಕೆ ಸಂಪನ್ಮೂಲಗಳು - [Python ಡಾಕ್ಯುಮೆಂಟೇಶನ್](https://docs.python.org/3/) - ಅಧಿಕೃತ Python ರೆಫರೆನ್ಸ್ ## 🤝 ಕೊಡುಗೆ ನೀಡುವುದು ದೋಷ ಕಂಡುಹಿಡಿದಿದ್ದೀರಾ ಅಥವಾ ಹೊಸ ಉದಾಹರಣೆಗೆ ಐಡಿಯಾ ಇದೆಯಾ? ನಾವು ಕೊಡುಗೆಗಳನ್ನು ಸ್ವಾಗತಿಸುತ್ತೇವೆ! ದಯವಿಟ್ಟು ನಮ್ಮ [ಕೊಡುಗೆ ಮಾರ್ಗದರ್ಶಿ](../CONTRIBUTING.md) ನೋಡಿ. --- **ಸಂತೋಷಕರ ಕಲಿಕೆ! 🎉** ಮರೆಮಾಡಬೇಡಿ: ಪ್ರತಿಯೊಬ್ಬ ಪರಿಣಿತರೂ ಒಮ್ಮೆ ಆರಂಭಿಕರಾಗಿದ್ದರು. ಒಂದು ಹಂತವನ್ನು ಒಂದು ಸಮಯದಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳಿ, ಮತ್ತು ತಪ್ಪುಗಳನ್ನು ಮಾಡಲು ಭಯಪಡಬೇಡಿ - ಅವು ಕಲಿಕೆಯ ಭಾಗವಾಗಿವೆ! --- **ಅಸ್ವೀಕಾರ**: ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು 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.