You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
151 lines
13 KiB
151 lines
13 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "9bef7fd96c8f262339933117d9b3e342",
|
|
"translation_date": "2025-12-19T13:28:44+00:00",
|
|
"source_file": "examples/README.md",
|
|
"language_code": "kn"
|
|
}
|
|
-->
|
|
# 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!
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**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.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |