# Data Science for Beginners కు సహకరించడం

Data Science for Beginners పాఠ్యాంశానికి సహకరించడానికి మీ ఆసక్తికి ధన్యవాదాలు! మేము సమాజం నుండి సహకారాలను స్వాగతిస్తున్నాము.

## విషయ సూచిక

- [ఆచరణ నియమాలు](../..)
- [నేను ఎలా సహకరించగలను?](../..)
- [ప్రారంభించడం](../..)
- [సహకార మార్గదర్శకాలు](../..)
- [పుల్ రిక్వెస్ట్ ప్రక్రియ](../..)
- [శైలి మార్గదర్శకాలు](../..)
- [సహకారదారుల లైసెన్స్ ఒప్పందం](../..)

## ఆచరణ నియమాలు

ఈ ప్రాజెక్ట్ [Microsoft Open Source Code of Conduct](https://opensource.microsoft.com/codeofconduct/) ను అనుసరిస్తుంది.
మరింత సమాచారం కోసం [Code of Conduct FAQ](https://opensource.microsoft.com/codeofconduct/faq/) చూడండి
లేదా ఏవైనా అదనపు ప్రశ్నలు లేదా వ్యాఖ్యల కోసం [opencode@microsoft.com](mailto:opencode@microsoft.com) ను సంప్రదించండి.

## నేను ఎలా సహకరించగలను?

### బగ్స్ నివేదించడం

బగ్ నివేదికలు సృష్టించే ముందు, డూప్లికేట్లను నివారించడానికి ఉన్న సమస్యలను తనిఖీ చేయండి. మీరు బగ్ నివేదికను సృష్టించినప్పుడు, సాధ్యమైనంత వివరాలను చేర్చండి:

- **స్పష్టమైన మరియు వివరణాత్మక శీర్షికను ఉపయోగించండి**
- **సమస్యను పునరుత్పత్తి చేయడానికి ఖచ్చితమైన దశలను వివరించండి**
- **నిర్దిష్ట ఉదాహరణలు ఇవ్వండి** (కోడ్ స్నిపెట్లు, స్క్రీన్‌షాట్లు)
- **మీరు గమనించిన ప్రవర్తన మరియు మీరు ఆశించినది వివరించండి**
- **మీ వాతావరణ వివరాలను చేర్చండి** (OS, Python వెర్షన్, బ్రౌజర్)

### మెరుగుదలల సూచనలు

మెరుగుదలల సూచనలు స్వాగతం! మెరుగుదలలను సూచించినప్పుడు:

- **స్పష్టమైన మరియు వివరణాత్మక శీర్షికను ఉపయోగించండి**
- **సూచించిన మెరుగుదల యొక్క వివరమైన వివరణ ఇవ్వండి**
- **ఈ మెరుగుదల ఎందుకు ఉపయోగకరమని భావిస్తున్నారో వివరించండి**
- **ఇతర ప్రాజెక్టులలో ఉన్న సమాన లక్షణాలను జాబితా చేయండి, అవసరమైతే**

### డాక్యుమెంటేషన్‌కు సహకరించడం

డాక్యుమెంటేషన్ మెరుగుదలలు ఎప్పుడూ అభినందించబడతాయి:

- **టైపోస్ మరియు వ్యాకరణ తప్పులను సరిచేయండి**
- **వివరణల స్పష్టతను మెరుగుపరచండి**
- **లేకపోయిన డాక్యుమెంటేషన్ జోడించండి**
- **పాత సమాచారం నవీకరించండి**
- **ఉదాహరణలు లేదా ఉపయోగ కేసులు జోడించండి**

### కోడ్‌కు సహకరించడం

మేము క్రింది కోడ్ సహకారాలను స్వాగతిస్తున్నాము:

- **కొత్త పాఠాలు లేదా వ్యాయామాలు**
- **బగ్ సరిచేయడం**
- **ఉన్న నోట్‌బుక్స్ మెరుగుదలలు**
- **కొత్త డేటాసెట్‌లు లేదా ఉదాహరణలు**
- **క్విజ్ అప్లికేషన్ మెరుగుదలలు**

## ప్రారంభించడం

### ముందస్తు అవసరాలు

సహకరించే ముందు, మీరు కలిగి ఉండాలి:

1. GitHub ఖాతా
2. మీ సిస్టమ్‌లో Git ఇన్‌స్టాల్ చేయబడింది
3. Python 3.7+ మరియు Jupyter ఇన్‌స్టాల్ చేయబడింది
4. Node.js మరియు npm (క్విజ్ యాప్ సహకారాల కోసం)
5. పాఠ్యాంశ నిర్మాణం గురించి పరిచయం

వివరమైన సెటప్ సూచనల కోసం [INSTALLATION.md](INSTALLATION.md) చూడండి.

### Fork మరియు Clone

1. GitHub లో **రిపోజిటరీని Fork చేయండి**
2. **మీ Fork ను లోకల్‌గా Clone చేయండి**:
   ```bash
   git clone https://github.com/YOUR-USERNAME/Data-Science-For-Beginners.git
   cd Data-Science-For-Beginners
   ```
3. **అప్‌స్ట్రీమ్ రిమోట్ జోడించండి**:
   ```bash
   git remote add upstream https://github.com/microsoft/Data-Science-For-Beginners.git
   ```

### బ్రాంచ్ సృష్టించండి

మీ పని కోసం కొత్త బ్రాంచ్ సృష్టించండి:

```bash
git checkout -b feature/your-feature-name
# లేదా
git checkout -b fix/your-bug-fix
```

బ్రాంచ్ నామకరణ నియమాలు:
- `feature/` - కొత్త ఫీచర్లు లేదా పాఠాలు
- `fix/` - బగ్ సరిచేయడం
- `docs/` - డాక్యుమెంటేషన్ మార్పులు
- `refactor/` - కోడ్ పునఃరూపకరణ

## సహకార మార్గదర్శకాలు

### పాఠం కంటెంట్ కోసం

పాఠాలు అందించేటప్పుడు లేదా ఉన్న వాటిని మార్చేటప్పుడు:

1. **ఉన్న నిర్మాణాన్ని అనుసరించండి**:
   - README.md లో పాఠం కంటెంట్
   - వ్యాయామాలతో Jupyter నోట్‌బుక్
   - అసైన్‌మెంట్ (అవసరమైతే)
   - ప్రీ మరియు పోస్ట్ క్విజ్ లింకులు

2. **ఈ అంశాలను చేర్చండి**:
   - స్పష్టమైన అభ్యాస లక్ష్యాలు
   - దశలవారీ వివరణలు
   - వ్యాఖ్యలతో కూడిన కోడ్ ఉదాహరణలు
   - అభ్యాసం కోసం వ్యాయామాలు
   - అదనపు వనరుల లింకులు

3. **అందుబాటును నిర్ధారించండి**:
   - స్పష్టమైన, సులభమైన భాష ఉపయోగించండి
   - చిత్రాలకు alt టెక్స్ట్ ఇవ్వండి
   - కోడ్ వ్యాఖ్యలు చేర్చండి
   - వివిధ అభ్యాస శైలులను పరిగణనలోకి తీసుకోండి

### Jupyter నోట్‌బుక్స్ కోసం

1. **కమిట్ చేయడానికి ముందు అన్ని అవుట్‌పుట్‌లను క్లియర్ చేయండి**:
   ```bash
   jupyter nbconvert --clear-output --inplace notebook.ipynb
   ```

2. **వివరణలతో కూడిన మార్క్డౌన్ సెల్స్ చేర్చండి**

3. **సమానమైన ఫార్మాటింగ్ ఉపయోగించండి**:
   ```python
   # టాప్‌లో లైబ్రరీలను దిగుమతి చేసుకోండి
   import pandas as pd
   import numpy as np
   import matplotlib.pyplot as plt
   
   # అర్థవంతమైన వేరియబుల్ పేర్లను ఉపయోగించండి
   # క్లిష్టమైన ఆపరేషన్ల కోసం వ్యాఖ్యలు జోడించండి
   # PEP 8 శైలి మార్గదర్శకాలను అనుసరించండి
   ```

4. **సమర్పించే ముందు మీ నోట్‌బుక్‌ను పూర్తిగా పరీక్షించండి**

### Python కోడ్ కోసం

[PEP 8](https://www.python.org/dev/peps/pep-0008/) శైలి మార్గదర్శకాలను అనుసరించండి:

```python
# మంచి ఆచారాలు
import pandas as pd

def calculate_mean(data):
    """Calculate the mean of a dataset.
    
    Args:
        data (list): List of numerical values
        
    Returns:
        float: Mean of the dataset
    """
    return sum(data) / len(data)
```

### క్విజ్ యాప్ సహకారాల కోసం

క్విజ్ అప్లికేషన్ మార్చేటప్పుడు:

1. **లోకల్‌గా పరీక్షించండి**:
   ```bash
   cd quiz-app
   npm install
   npm run serve
   ```

2. **లింటర్ నడపండి**:
   ```bash
   npm run lint
   ```

3. **విజయవంతంగా బిల్డ్ చేయండి**:
   ```bash
   npm run build
   ```

4. **Vue.js శైలి గైడ్ మరియు ఉన్న నమూనాలను అనుసరించండి**

### అనువాదాల కోసం

అనువాదాలు జోడించేటప్పుడు లేదా నవీకరించేటప్పుడు:

1. `translations/` ఫోల్డర్‌లో నిర్మాణాన్ని అనుసరించండి
2. భాషా కోడ్‌ను ఫోల్డర్ పేరుగా ఉపయోగించండి (ఉదా: ఫ్రెంచ్ కోసం `fr`)
3. ఆంగ్ల వెర్షన్‌తో సమానమైన ఫైల్ నిర్మాణాన్ని ఉంచండి
4. క్విజ్ లింకులను భాషా పారామీటర్‌తో నవీకరించండి: `?loc=fr`
5. అన్ని లింకులు మరియు ఫార్మాటింగ్‌ను పరీక్షించండి

## పుల్ రిక్వెస్ట్ ప్రక్రియ

### సమర్పించే ముందు

1. **మీ బ్రాంచ్‌ను తాజా మార్పులతో నవీకరించండి**:
   ```bash
   git fetch upstream
   git rebase upstream/main
   ```

2. **మీ మార్పులను పరీక్షించండి**:
   - అన్ని మార్చిన నోట్‌బుక్స్ నడపండి
   - క్విజ్ యాప్ మార్చినట్లయితే పరీక్షించండి
   - అన్ని లింకులు పనిచేస్తున్నాయో నిర్ధారించండి
   - స్పెల్లింగ్ మరియు వ్యాకరణ తప్పుల కోసం తనిఖీ చేయండి

3. **మీ మార్పులను కమిట్ చేయండి**:
   ```bash
   git add .
   git commit -m "Brief description of changes"
   ```
   
   స్పష్టమైన కమిట్ సందేశాలు రాయండి:
   - ప్రస్తుత కాలాన్ని ఉపయోగించండి ("Add feature" "Added feature" కాదు)
   - ఆజ్ఞాత్మక మూడ్ ఉపయోగించండి ("Move cursor to..." "Moves cursor to..." కాదు)
   - మొదటి లైన్‌ను 72 అక్షరాలకు పరిమితం చేయండి
   - సంబంధిత సమస్యలు మరియు పుల్ రిక్వెస్ట్‌లను సూచించండి

4. **మీ Fork కు పుష్ చేయండి**:
   ```bash
   git push origin feature/your-feature-name
   ```

### పుల్ రిక్వెస్ట్ సృష్టించడం

1. [రిపోజిటరీ](https://github.com/microsoft/Data-Science-For-Beginners) కి వెళ్లండి
2. "Pull requests" → "New pull request" క్లిక్ చేయండి
3. "compare across forks" క్లిక్ చేయండి
4. మీ Fork మరియు బ్రాంచ్ ఎంచుకోండి
5. "Create pull request" క్లిక్ చేయండి

### PR శీర్షిక ఫార్మాట్

స్పష్టమైన, వివరణాత్మక శీర్షికలను ఈ ఫార్మాట్‌ను అనుసరించి ఉపయోగించండి:

```
[Component] Brief description
```

ఉదాహరణలు:
- `[Lesson 7] Fix Python notebook import error`
- `[Quiz App] Add German translation`
- `[Docs] Update README with new prerequisites`
- `[Fix] Correct data path in visualization lesson`

### PR వివరణ

మీ PR వివరణలో చేర్చండి:

- **ఏమి**: మీరు ఏ మార్పులు చేసారు?
- **ఎందుకు**: ఈ మార్పులు ఎందుకు అవసరమయ్యాయి?
- **ఎలా**: మీరు మార్పులను ఎలా అమలు చేసారు?
- **పరీక్ష**: మీరు మార్పులను ఎలా పరీక్షించారో?
- **స్క్రీన్‌షాట్లు**: దృశ్య మార్పుల కోసం స్క్రీన్‌షాట్లు చేర్చండి
- **సంబంధిత సమస్యలు**: సంబంధిత సమస్యలకు లింకులు (ఉదా: "Fixes #123")

### సమీక్ష ప్రక్రియ

1. **ఆటోమేటెడ్ చెక్లు** మీ PR పై నడుస్తాయి
2. **నిర్వాహకులు మీ సహకారాన్ని సమీక్షిస్తారు**
3. **అభిప్రాయాలను పరిష్కరించండి** అదనపు కమిట్‌లతో
4. ఆమోదం పొందిన తర్వాత, **నిర్వాహకుడు మీ PR ను విలీనం చేస్తారు**

### మీ PR విలీనం అయిన తర్వాత

1. మీ బ్రాంచ్‌ను తొలగించండి:
   ```bash
   git branch -d feature/your-feature-name
   git push origin --delete feature/your-feature-name
   ```

2. మీ Fork ను నవీకరించండి:
   ```bash
   git checkout main
   git pull upstream main
   git push origin main
   ```

## శైలి మార్గదర్శకాలు

### మార్క్డౌన్

- స్థిరమైన శీర్షిక స్థాయిలను ఉపయోగించండి
- విభాగాల మధ్య ఖాళీ లైన్లను ఉంచండి
- భాషా స్పెసిఫైయర్లతో కోడ్ బ్లాక్స్ ఉపయోగించండి:
  ````markdown
  ```python
  import pandas as pd
  ```
  ````
- చిత్రాలకు alt టెక్స్ట్ జోడించండి: `![Alt text](../../translated_images/te/image.4ee84a82b5e4c9e6651b13fd27dcf615e427ec584929f2cef7167aa99151a77a.png)`
- లైన్ పొడవులు సుమారు 80-100 అక్షరాలుగా ఉంచండి

### Python

- PEP 8 శైలి గైడ్ అనుసరించండి
- అర్థవంతమైన వేరియబుల్ పేర్లను ఉపయోగించండి
- ఫంక్షన్లకు డాక్స్ట్రింగ్స్ జోడించండి
- అవసరమైన చోట టైప్ హింట్స్ చేర్చండి:
  ```python
  def process_data(df: pd.DataFrame) -> pd.DataFrame:
      """Process the input dataframe."""
      return df
  ```

### JavaScript/Vue.js

- Vue.js 2 శైలి గైడ్ అనుసరించండి
- అందించిన ESLint కాన్ఫిగరేషన్ ఉపయోగించండి
- మాడ్యులర్, పునర్వినియోగపరచదగిన కాంపోనెంట్లను రాయండి
- క్లిష్టమైన లాజిక్ కోసం వ్యాఖ్యలు జోడించండి

### ఫైల్ నిర్వహణ

- సంబంధిత ఫైళ్లను కలిసి ఉంచండి
- వివరణాత్మక ఫైల్ పేర్లను ఉపయోగించండి
- ఉన్న డైరెక్టరీ నిర్మాణాన్ని అనుసరించండి
- అవసరం లేని ఫైళ్లను కమిట్ చేయవద్దు (.DS_Store, .pyc, node_modules, మొదలైనవి)

## సహకారదారుల లైసెన్స్ ఒప్పందం

ఈ ప్రాజెక్ట్ సహకారాలు మరియు సూచనలను స్వాగతిస్తుంది. చాలా సహకారాలకు మీరు
సహకారదారుల లైసెన్స్ ఒప్పందం (CLA) కు అంగీకరించాలి, ఇది మీరు మీ సహకారాన్ని ఉపయోగించడానికి హక్కులు కలిగి ఉన్నారని మరియు వాటిని మాకు ఇచ్చారని ప్రకటిస్తుంది. వివరాలకు, https://cla.microsoft.com చూడండి.

మీరు పుల్ రిక్వెస్ట్ సమర్పించినప్పుడు, CLA-బాట్ ఆటోమేటిగ్గా మీరు CLA అందించాల్సిన అవసరం ఉందో లేదో నిర్ణయించి PR ను తగిన విధంగా (లేబుల్, వ్యాఖ్య) అలంకరిస్తుంది. బాట్ ఇచ్చిన సూచనలను అనుసరించండి. మా CLA ఉపయోగించే అన్ని రిపోజిటరీలలో మీరు ఈ ప్రక్రియను ఒక్కసారి మాత్రమే చేయాలి.

## ప్రశ్నలు?

- మా [Discord ఛానల్ #data-science-for-beginners](https://aka.ms/ds4beginners/discord) ను తనిఖీ చేయండి
- మా [Discord సమాజంలో చేరండి](https://aka.ms/ds4beginners/discord)
- ఉన్న [issues](https://github.com/microsoft/Data-Science-For-Beginners/issues) మరియు [pull requests](https://github.com/microsoft/Data-Science-For-Beginners/pulls) ను సమీక్షించండి

## ధన్యవాదాలు!

మీ సహకారాలు ఈ పాఠ్యాంశాన్ని అందరికీ మెరుగ్గా చేస్తాయి. సహకరించడానికి సమయం కేటాయించినందుకు ధన్యవాదాలు!

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**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. మూల పత్రం దాని స్వదేశీ భాషలోనే అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం చేయించుకోవడం మంచిది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారుల కోసం మేము బాధ్యత వహించము.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->