|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "7c31d1a22c746b1d0f0582d4f54702ba",
|
|
|
"translation_date": "2025-12-25T01:01:51+00:00",
|
|
|
"source_file": "README.md",
|
|
|
"language_code": "ml"
|
|
|
}
|
|
|
-->
|
|
|
# ആദ്യപാഠാർത്ഥികൾക്കായുള്ള ഡാറ്റാ സയൻസ് - ഒരു പാഠ്യപദ്ധതി
|
|
|
|
|
|
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
|
|
|
|
|
|
[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
|
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
|
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
|
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
|
|
|
[](http://makeapullrequest.com)
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
Microsoft-യിലെ Azure Cloud Advocates-കൾ ഡാറ്റാ സയൻസിനെക്കുറിച്ചുള്ള 10 ആഴ്ചകളിലായി 20 പാഠങ്ങളടങ്ങിയ ഒരു പാഠ്യപദ്ധതി അവതരിപ്പിക്കുന്നു എന്ന് സന്തോഷത്തോടെയാണ് അറിയിക്കുന്നത്. ഓരോ പാഠത്തിലും പാഠത്തിന് മുൻപ്/ശേഷമുള്ള ക്വിസുകളും, പാഠം പൂർത്തിയാക്കാൻ ആവശ്യമായ എഴുത്ത് നിർദ്ദേശങ്ങളും, ഒരു പരിഹാരവും, ഒരു അസൈൻമെന്റും ഉൾക്കൊള്ളുന്നു. നമ്മുടെ പ്രോജക്റ്റ്-അധിഷ്ഠിത പഠനരീതി നിങ്ങൾക്ക് നിർമാണത്തിനൊപ്പം പഠിക്കാൻ സഹായിക്കുന്നു — പുതിയ കഴിവുകൾ 'ഇറുക്കിയിട്ട് നിർത്താൻ' തെളിയപ്പെട്ട ഒരു മാർഗമാണ്.
|
|
|
|
|
|
**ഞങ്ങളുടേതായ എഴുത്തുകാര്ക്ക് ഹൃദയം നിറഞ്ഞ നന്ദി:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
|
|
|
|
|
|
**🙏 പ്രത്യേക നന്ദി 🙏 ഞങ്ങളുടെ [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) എഴുത്തുകാർക്കും, അവലോകനക്കാരും ഉള്ളടക്ക സംഭാവകർക്കും,** പ്രത്യേകിച്ച് Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
|
|
|
[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| ബെഗിന്നർമാർക്കുള്ള ഡാറ്റാ സയൻസ് - _സ്കെച്നോട്ട് — [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
### 🌐 ബഹുഭാഷാ പിന്തുണ
|
|
|
|
|
|
#### GitHub Action വഴി പിന്തുണ (സ്വയം പ്രവർത്തിക്കുന്നതും എപ്പോഴും പുതുക്കപ്പെട്ടതുമായ)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[അറബി](../ar/README.md) | [ബംഗാളി](../bn/README.md) | [ബൾഗേറിയൻ](../bg/README.md) | [ബർമീസ് (മ്യാൻമാർ)](../my/README.md) | [ചൈനീസ് (ലഘൂകരിച്ചത്)](../zh/README.md) | [ചൈനീസ് (പരമ്പരാഗതം, ഹോങ്കോങ്)](../hk/README.md) | [ചൈനiese (പരമ്പരാഗതം, മക്കാവു)](../mo/README.md) | [ചൈനീസ് (പരമ്പരാഗതം, തായ്വാൻ)](../tw/README.md) | [ക്രൊയേഷ്യൻ](../hr/README.md) | [ചെക്ക്](../cs/README.md) | [ഡാനിഷ്](../da/README.md) | [ഡച്ച്](../nl/README.md) | [എസ്റ്റോണിയൻ](../et/README.md) | [ഫിന്നിഷ്](../fi/README.md) | [ഫ്രഞ്ച്](../fr/README.md) | [ജർമ്മൻ](../de/README.md) | [ഗ്രീക്ക്](../el/README.md) | [ഹെബ്രു](../he/README.md) | [ഹിന്ദി](../hi/README.md) | [ഹംഗേറിയൻ](../hu/README.md) | [ഇന്തോനേഷ്യൻ](../id/README.md) | [ഇറ്റാലിയൻ](../it/README.md) | [ജാപ്പനീസ്](../ja/README.md) | [കന്നഡ](../kn/README.md) | [കൊറിയൻ](../ko/README.md) | [ലിത്വേനിയൻ](../lt/README.md) | [മലായ്](../ms/README.md) | [മലയാളം](./README.md) | [മറാത്തി](../mr/README.md) | [നെപ്പാളി](../ne/README.md) | [നൈജീരിയൻ പിഡ്ജിൻ](../pcm/README.md) | [നോർവീജിയൻ](../no/README.md) | [ പെർഷ്യൻ (ഫാർസി)](../fa/README.md) | [പോളിഷ്](../pl/README.md) | [പോർച്ചുഗീസ് (ബ്രസീൽ)](../br/README.md) | [പോർച്ചുഗീസ് (പോർച്ചുഗൽ)](../pt/README.md) | [പഞ്ചാബി (ഗർമുഖി)](../pa/README.md) | [റുമേനിയൻ](../ro/README.md) | [റഷ്യൻ](../ru/README.md) | [സെർബിയൻ (സിറിലിക്)](../sr/README.md) | [സ്ലൊവാക്](../sk/README.md) | [സ്ലൊവേനിയൻ](../sl/README.md) | [സ്പാനിഷ്](../es/README.md) | [സ്വാഹിലി](../sw/README.md) | [സ്വീഡിഷ്](../sv/README.md) | [തഗാലോഗ് (ഫിലിപ്പീനോ)](../tl/README.md) | [തമിഴ്](../ta/README.md) | [തെലുഗു](../te/README.md) | [തായ്](../th/README.md) | [തുര്ക്കിഷ്](../tr/README.md) | [ഉക്രൈനിയൻ](../uk/README.md) | [ഉർദു](../ur/README.md) | [വിയറ്റനാമീസ്](../vi/README.md)
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**കൂടുതൽ വിവർത്തനഭാഷകൾ ആവശ്യമായാൽ അവ ഇവിടെ പട്ടികപ്പെടുത്തിയിട്ടുണ്ട്: [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
|
|
#### നമ്മുടെ കമ്മ്യൂണിറ്റിയുമായി ചേരൂ
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
ഞങ്ങളുടേത് Discord-ൽ "Learn with AI" സീരീസ ongoing ആണ്, കൂടുതൽ അറിയാനും പങ്കുചേരാനുമായി [Learn with AI Series](https://aka.ms/learnwithai/discord)ൽ 2025 സെപ്റ്റംബർ 18 മുതൽ 30 വരെ. നിങ്ങള്ക്ക് GitHub Copilot ഡാറ്റാ സയൻസിന് ഉപയോഗിക്കുന്നതിന്റെ ടിപ്പുകൾക്കും ട്രിക്കുകൾക്കും ലഭിക്കും.
|
|
|
|
|
|
|
|
|
|
|
|
# നിങ്ങൾ വിദ്യാർത്ഥിയാണോ?
|
|
|
|
|
|
താഴെ കാണുന്ന വിഭവങ്ങൾ ഉപയോഗിച്ച് തുടക്കം കുറിക്കൂ:
|
|
|
|
|
|
- [വിദ്യാർത്ഥി ഹബ് പേജ്](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ഈ പേജിൽ നിങ്ങൾക്ക് തുടക്കക്കാർക്ക് അനുയോജ്യമായ വിഭവങ്ങൾ, സ്റ്റുഡന്റ് പാക്കുകൾ,甚至 ഒരു സൗജന്യ സർട്ട് സംവിധാനം നേടാനുള്ള വഴികളും കാണാം. ഇത് ഒരു ബ്രൗസ് ചെയ്യേണ്ട പേജ് ആണു്; മാസത്തിൽ കുറഞ്ഞത് ഒരെളുപ്പത്തിൽ ഉള്ളടക്കം മാറ്റിവയ്ക്കുന്നതിൽ നിന്ന് periódically പരിശോധിക്കുക.
|
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) ആഗോള വിദ്യാർത്ഥി അംബാസഡർ സമൂഹത്തിൽ ചേരൂ, ഇത് Microsoft-ലേക്കുള്ള ഒരു വഴി ആയി മാറാവുന്നതാണ്.
|
|
|
|
|
|
# ആരംഭിക്കുന്നത്
|
|
|
|
|
|
## 📚 ഡോക്യുമെന്റേഷൻ
|
|
|
|
|
|
- **[ഇൻസ്റ്റലേഷൻ ഗൈഡ്](INSTALLATION.md)** - തുടക്കക്കാർക്കായുള്ള ഘട്ടം-ഘട്ടമായ സജ്ജീകരണ നിർദ്ദേശങ്ങൾ
|
|
|
- **[ഉപയോഗ മാർഗ്ഗരേഖ](USAGE.md)** - ഉദാഹരണങ്ങളും പതിവ് വർക്ഫ്ലോകളും
|
|
|
- **[ಟroubleshooting](TROUBLESHOOTING.md)** - സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ
|
|
|
- **[Contributing Guide](CONTRIBUTING.md)** - ഈ പ്രോജക്റ്റിൽ സംഭാവന ചെയ്യാനുള്ള വിധം
|
|
|
- **[അദ്ധ്യാപകർക്കായുള്ള മാർഗ്ഗ നിർദേശങ്ങൾ](for-teachers.md)** - പഠന മാർഗ്ഗനിർദേശംയും ക്ലാസ് റിസോഴ്സുകളും
|
|
|
|
|
|
## 👨🎓 വിദ്യാർത്ഥികൾക്ക്
|
|
|
> **പൂർണ്ണമായും തുടക്കക്കാർ**: ഡാറ്റാ സയൻസിൽ പുതിയവനാണോ? നമ്മുടെ [ആരംഭകസൗഹൃദ ഉദാഹരണങ്ങൾ](examples/README.md) കൊണ്ട് തുടങ്ങുക! ഈ ലളിതവും നന്നായി കമന്റ് ചെയ്ത ഉദാഹരണങ്ങൾ പൂർണ്ണ പാഠ്യപദ്ധതിയിൽ ഇന്ഗോളിക്കുമ്പോൾ അടിസ്ഥാന കാര്യങ്ങൾ മനസ്സിലാക്കാൻ സഹായിക്കും.
|
|
|
> **[Students](https://aka.ms/student-page)**: ഈ പാഠ്യപദ്ധതി സ്വയം ഉപയോഗിക്കാൻ, മുഴുവൻ റെപ്പോ ഫോർക് ചെയ്ത് വ്യായാമങ്ങൾ സ്വയം പൂർത്തിയാക്കുക, ഒരു പ്രീ-ലക്ചർ ക്വിസോടെ തുടങ്ങുക. പിന്നീട് ലക്ചർ വായിച്ച് ബാക്കി പ്രവർത്തനങ്ങൾ പൂർത്തിയാക്കുക. പരിഹാര കോഡ് പകർത്തുന്നത് ഒഴിവാക്കി പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്റ്റുകൾ സൃഷ്ടിക്കാൻ ശ്രമിക്കുക; എന്നിരുന്നാലും ആ കോഡ് ഓരോ പ്രോജക്റ്റ്-ഉദ്ദേശ്യമുള്ള പാഠത്തിലും /solutions ഫോൾഡറുകളിൽ ലഭ്യമാണ്. മറ്റൊരു ആശയം സുഹൃത്തുക്കളോടൊപ്പം ഒരു പഠന ഗ്രൂപ്പ് രൂപീകരിച്ച് ഉള്ളടക്കം ഒരുമിച്ച് പഠിക്കുക. കൂടുതൽ പഠനത്തിന്, നാം [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) നിർദേശിക്കുന്നു.
|
|
|
|
|
|
**ത്വരിത ആരംഭം:**
|
|
|
1. നിങ്ങളുടെ പരിസ്ഥിതി സജ്ജമാക്കാൻ [ഇൻസ്റ്റലേഷൻ ഗൈഡ്](INSTALLATION.md) പരിശോധിക്കുക
|
|
|
2. പാഠ്യപദ്ധതിക്കൊപ്പം പ്രവർത്തിക്കാൻ [ഉപയോഗ മാർഗ്ഗരേഖ](USAGE.md) അവലോകനം ചെയ്യുക
|
|
|
3. പാഠം 1-ൽ നിന്ന് തുടക്കം കുറിച്ച് അനുക്രമം പാലിച്ച് പ്രവർത്തിക്കുക
|
|
|
4. സഹായത്തിനായി ഞങ്ങളുടെ [Discord സമൂഹത്തിൽ](https://aka.ms/ds4beginners/discord) ചേരൂ
|
|
|
|
|
|
## 👩🏫 അദ്ധ്യാപകർക്ക്
|
|
|
|
|
|
> **അദ്ധ്യാപകർ**: ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാമെന്ന് കുറിച്ച് ഞങ്ങൾ [ചില നിർദേശങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്](for-teachers.md). നിങ്ങളുടെ അഭിപ്രായം ഞങ്ങളുടെ [ചർച്ചാ ഫോറത്തിൽ](https://github.com/microsoft/Data-Science-For-Beginners/discussions) പങ്കിട്ടാൽ അഭിനന്ദനീയം!
|
|
|
|
|
|
## ടീമിനെ പരിചയപ്പെടുക
|
|
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "പ്രമോ വീഡിയോ")
|
|
|
|
|
|
**ഗിഫ് -** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
> 🎥 മുകളിൽ ഉള്ള ചിത്രം ക്ലിക്ക് ചെയ്ത് പ്രോജക്ടിനെ കുറിച്ചുള്ള വീഡിയോയും അത് സൃഷ്ടിച്ച ആളുകളെക്കുറിച്ചുള്ളവയും കാണുക!
|
|
|
|
|
|
## അധ്യാപന തത്ത്വങ്ങൾ
|
|
|
|
|
|
നമ്മൾ ഈ പാഠ്യപദ്ധതി രൂപകൽപ്പനചെയ്യുമ്പോൾ രണ്ട് അധ്യാപന തത്ത്വങ്ങൾ തിരഞ്ഞെടുത്തു: ഇത് പ്രോജക്റ്റ്-ആധാരമാകണം എന്നും അതിൽ നിരന്തരമായി ക്വിസുകൾ ഉൾപ്പെടുത്തിയിരിക്കണം എന്നും. ഈ സീരീസിന്റെ അവസാനം വരെ, വിദ്യാർത്ഥികൾ ഡേറ്റാ സയൻസിന്റെ അടിസ്ഥാന തത്വങ്ങൾ പഠിച്ചിരിക്കും, അതിൽ നൈതിക ആശയങ്ങൾ, ഡാറ്റാ തയ്യാറാക്കൽ, ഡാറ്റയുമായി പ്രവർത്തിക്കുന്ന വ്യത്യസ്ത രീതികൾ, ഡാറ്റാ ദൃശ്യമാക്കൽ, ഡാറ്റാ വിശകലനം, ഡേറ്റാ സയൻസിന്റെ യാഥാർത്ഥ്യ പരിച്ഛേദങ്ങൾ എന്നിവ ഉൾപ്പെടും.
|
|
|
|
|
|
ക്ലാസിന്റെ മുൻപിൽ ഒരു കുറഞ്ഞ-സ്റ്റേക്ക് ക്വിസ് ഒരു വിഷയമ تعلمിക്കാൻ വിദ്യാർത്ഥിയുടെ ഉദ്ദേശ്യം സജ്ജമാക്കുക, പിന്നിലൊരു ക്വിസ് ക്ലാസിനുശേഷം കൂടുതൽ നിലനിർത്തലിനൊരു ഉറപ്പാണ് നൽകുന്നത്. ಈ പാഠ്യപദ്ധതി柔軟വും രസകരവുമാകാൻ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു, മുഴുവനായി അല്ലെങ്കിൽ ഭാഗികമായി സ്വീകരിക്കാൻ കഴിയും. പ്രോജക്റ്റുകൾ ചെറിയതിലേക്ക് ആരംഭിച്ച് 10 ആഴ്ചകളുടെ ചക്രത്തിന്റെ അവസാനം വരെ ക്രമീകരിച്ച് കൂടുതൽ സങ്കീർണമാവും.
|
|
|
|
|
|
> ഞങ്ങളുടെ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) മാർഗനിർദേശങ്ങൾ കാണുക. നിങ്ങളുടെ നിർമ്മാണപരമായ പ്രതികരണങ്ങൾ സ്വാഗതം ചെയ്യപ്പെടുന്നു!
|
|
|
|
|
|
## ഓരോ പാഠവും ഉൾക്കൊള്ളുന്നത്:
|
|
|
|
|
|
- ഓപ്ഷണൽ സ്കെച്ച്നോട്ട്
|
|
|
- ഓപ്ഷണൽ സഹായക വീഡിയോ
|
|
|
- ക്ലാസിന് മുൻപ് ഉള്ള വാരംഅപ്പ് ക്വിസ്
|
|
|
- എഴുതിയ പാഠം
|
|
|
- പ്രോജക്റ്റ്-ആധാരമുള്ള പാഠങ്ങൾക്ക് പ്രോജക്ട് നിർമ്മിക്കാനുള്ള ഘട്ടം ഘട്ടമായുള്ള മാർഗനിർദേശങ്ങൾ
|
|
|
- അറിവ് പരിശോധനകൾ
|
|
|
- ഒരു ചലഞ്ച്
|
|
|
- അനുബന്ധ വായന
|
|
|
- അസൈൻമെന്റ്
|
|
|
- [പാഠത്തിന് ശേഷം ക്വിസ്](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **ക്വിസുകൾ സംബന്ധിച്ച ഒരു σημт**: എല്ലാ ക്വിസുകളും Quiz-App ഫോള്ഡറിൽ അടങ്ങിയിരിക്കുന്നു, മൂന്നു ചോദ്യംകളുള്ള 40 മുഴുവൻ ക്വിസുകൾ. അവ പാഠങ്ങളിലേയ്ക്ക് ലിങ്ക് ചെയ്തിരിക്കുന്നു, പക്ഷേ quiz app ലൊക്കലായി ഓടിക്കാവുന്നതും Azure ലേക്ക് വിന്യസിക്കാവുന്നതും ആണ്; `quiz-app` ഫോള്ഡറിലെ നിർദ്ദേശങ്ങൾ പിന്തുടരുക. അവ徐徐 ലൊക്കലൈസ് ചെയ്യപ്പെടുന്നു.
|
|
|
|
|
|
## 🎓 തുടക്കക്കാർക്ക് അനുയോജ്യമായ ഉദാഹരണങ്ങൾ
|
|
|
|
|
|
**ഡേറ്റാ സയൻസിൽ പുതിയവരാണോ?** തുടക്കം ലഭിക്കാൻ ലളിതവും നന്നായി കണ്ടുമുട്ടിച്ച കോഡുമായുള്ള പ്രത്യേക [examples directory](examples/README.md) ഞങ്ങൾ സൃഷ്ടിച്ചു:
|
|
|
|
|
|
- 🌟 **ഹെലോ വേൾഡ്** - നിങ്ങളുടെ ആദ്യ ഡേറ്റാ സയൻസ് പ്രോഗ്രാം
|
|
|
- 📂 **ഡാറ്റാ ലോഡ് ചെയ്യൽ** - ഡാറ്റാസെറ്റുകൾ വായിക്കുകയും പരിശോധിക്കുകയും ചെയ്യുന്നത് പഠിക്കുക
|
|
|
- 📊 **ലളിതമായ വിശകലനം** - സംഖ്യാഗതങ്ങൾ കണക്കാക്കുക மற்றும் മാതൃകകൾ കണ്ടെത്തുക
|
|
|
- 📈 **അടിസ്ഥാന ദൃശ്യമാക്കൽ** - ചാർട്ടുകളും ഗ്രാഫുകളും സൃഷ്ടിക്കുക
|
|
|
- 🔬 **വാസ്തവ ലോക പ്രോജക്റ്റ്** - ആരംഭത്തിൽ നിന്ന് അവസാനത്തলৈത്തെ ಪೂರ್ಣ വേർക്ക്ഫ്ലോ
|
|
|
|
|
|
ഓരോ ഉദാഹരണത്തിനും ഓരോ ഘട്ടവും വിശദമായി വിശദീകരിക്കുന്ന കമന്റുകൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, അതുകൊണ്ട് ഈത് പൂര്ണമായും ആരംഭക്കാർക്ക് അനുയോജ്യമാണ്!
|
|
|
|
|
|
👉 **[ഉദാഹരണങ്ങളോടെ തുടങ്ങുക](examples/README.md)** 👈
|
|
|
|
|
|
## പാഠങ്ങൾ
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| ഡേറ്റാ സയൻസ് ഫോർ ബിഗിന്നേഴ്സ്: റോഡ്മാപ് - _സ്കെച്ച്നോട്ട് രചിച്ചത് [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| പാഠ നമ്പർ | വിഷയം | പാഠ വിഭാഗം | പഠന ഉദ്ദേശ്യങ്ങൾ | ലിങ്കുചെയ്ത പാഠം | രചയിതാവ് |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 01 | ഡാറ്റാ സയൻസ് നിർവചനം | [Introduction](1-Introduction/README.md) | ഡേറ്റാ സയൻസിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുകയും അത് കൃത്രിമ ബുദ്ധി, മെഷീൻ ലേണിംഗ്, ബിഗ് ഡേറ്റ എന്നിവയുമായി എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് മനസിലാക്കുകയും ചെയ്യുക. | [പാഠം](1-Introduction/01-defining-data-science/README.md) [വീഡിയോ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
|
| 02 | Data Science Ethics | [Introduction](1-Introduction/README.md) | ഡാറ്റാ എന്തിക്സ് ആശയങ്ങൾ, വെല്ലുവിളികൾ & ഫ്രെയിംവർക്കുകൾ. | [പാഠം](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
| 03 | ഡാറ്റ നിർവചിക്കൽ | [Introduction](1-Introduction/README.md) | ഡാറ്റ എങ്ങനെ വർഗ്ഗീകരിക്കപ്പെടുന്നു എന്നത് കൂടാതെ അതിന്റെ സാധാരണ ഉറവിടങ്ങൾ. | [പാഠം](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 04 | സ്റ്റാറ്റിസ്റ്റിക്സ് & പ്രൊബബിലിറ്റി परിചയം | [Introduction](1-Introduction/README.md) | ഡാറ്റ മനസിലാക്കാൻ probabilityയും statistics ഉം ഉപയോഗിക്കുന്ന ഗണിതപരമായ സാങ്കേതികവിദ്യകൾ. | [പാഠം](1-Introduction/04-stats-and-probability/README.md) [വീഡിയോ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
|
| 05 | റീലേഷണൽ ഡാറ്റയുമായി പ്രവർത്തിക്കൽ | [Working With Data](2-Working-With-Data/README.md) | റീലേഷണൽ ഡാറ്റയിലേക്ക് പരിചയം மற்றும் Structured Query Language എന്ന് അറിയപ്പെട്ടിരിക്കുന്ന SQL (ഉച്ചാരണം “see-quell”) ഉപയോഗിച്ച് റീലേഷണൽ ഡാറ്റ അന്വേഷിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നതിനുള്ള അടിസ്ഥാനങ്ങൾ. | [പാഠം](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
|
| 06 | NoSQL ഡാറ്റയുമായി പ്രവർത്തിക്കൽ | [Working With Data](2-Working-With-Data/README.md) | നോൺ-രീലേഷണൽ ഡാറ്റയ്ക്ക് പരിചയം, അതിന്റെ വിവിധ തരംകളും ഡോക്യുമെന്റ് ഡേറ്റാബേസുകൾ പരിശോധിച്ചും വിശകലനം ചെയ്തും ചെയ്യാനുള്ള അടിസ്ഥാനങ്ങൾ. | [പാഠം](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
|
| 07 | Python ഉപയോഗിച്ച് പ്രവർത്തിക്കൽ | [Working With Data](2-Working-With-Data/README.md) | Pandas പോലുള്ള ലൈബ്രറികൾ ഉപയോഗിച്ച് ഡാറ്റാ അന്വേഷണത്തിന് Python ഉപയോഗിക്കുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ. Python പ്രോഗ്രാമിംഗിന്റെ അടിസ്ഥാന മനസിലാക്കലിൽ നിപുണത ശുപാർശ ചെയ്യപ്പെടുന്നു. | [പാഠം](2-Working-With-Data/07-python/README.md) [വീഡിയോ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
|
| 08 | ഡാറ്റാ തയ്യാറാക്കൽ | [Working With Data](2-Working-With-Data/README.md) | കുറവായ, തെറ്റായി അല്ലെങ്കിൽ അപൂർണമായ ഡാറ്റയെ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ശുചിത്വവത്കരണം மற்றும் രൂപാന്തരണം ഉൾപ്പെടെയുള്ള ഡാറ്റ സാങ്കേതികവിദ്യകൾ. | [പാഠം](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 09 | അളവുകൾ ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | Matplotlib ഉപയോഗിച്ച് പക്ഷി ഡാറ്റ ദൃശ്യമാക്കുന്നത് പഠിക്കുക 🦆 | [പാഠം](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 10 | ഡാറ്റയുടെ വിതരണം ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | ഒരു ഇടവേളയ്ക്കുള്ളിൽ നിരീക്ഷണങ്ങളും പ്രവണതകളും ദൃശ്യമാക്കൽ. | [പാഠം](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 11 | അനുപാതങ്ങൾ ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | വേർതിരിച്ചും ഗ്രൂപ്പാക്കിയ ശതമാനങ്ങളും ദൃശ്യമാക്കൽ. | [പാഠം](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 12 | ബന്ധങ്ങൾ ദൃശ്യമാക്കൽ | [Data Visualization](3-Data-Visualization/README.md) | ഡാറ്റാ സെറ്റുകളും അവയുടെ വേരിയബിളുകളുടെയും തമ്മിലുള്ള ബന്ധങ്ങളും കോർലെഷനുകളും ദൃശ്യമാക്കൽ. | [പാഠം](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 13 | പ്രസക്തമായ ദൃശ്യമാക്കലുകൾ | [Data Visualization](3-Data-Visualization/README.md) | സമസ്യാവിവരണം ഉണ്ട് എന്ന് വിവരങ്ങൾ കണ്ടെത്താൻ നിങ്ങളുടെ ദൃശ്യമാക്കലുകൾ ഉപകാരപ്രദമാക്കാൻ സാങ്കേതികതകളും മാർഗനിർദേശങ്ങളും. | [പാഠം](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 14 | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിളിലേക്ക് പരിചയം | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിളിന്റെ പരിചയം കൂടാതെ ഡാറ്റാ സമാഹരണത്തെയും എക്സ്ട്രാക്ഷനുടെയും ആദ്യഘട്ടം. | [പാഠം](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
|
| 15 | വിശകലനം ചെയ്യൽ | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിളിലെ ഈ ഘട്ടം ഡാറ്റ വിശകലനത്തിന്റെ സാങ്കേതികവിദ്യകളിൽ കേന്ദ്രീകരിക്കുന്നു. | [പാഠം](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
|
| 16 | പ്രാസംഗികമാക്കൽ (Communication) | [Lifecycle](4-Data-Science-Lifecycle/README.md) | ഡാറ്റയിൽ നിന്ന് ലഭിക്കുന്ന洞察ങ്ങൾ തീരുമാനം കൈക്കൊള്ളുന്നവർക്കു മനസ്സിലാകാൻ എളുപ്പമായ രീതിയിൽ അവതരിപ്പിക്കാനുള്ള ഈ ഘട്ടം. | [പാഠം](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
|
| 17 | ക്ലൗഡിലാണ് ഡാറ്റാ സയൻസ് | [Cloud Data](5-Data-Science-In-Cloud/README.md) | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് പരിചയപ്പെടുത്തുകയും അതിന്റെ ലാഭങ്ങളും. | [പാഠം](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
|
| 18 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Low Code ഉപകരണങ്ങൾ ഉപയോഗിച്ച് മോഡലുകൾ പരിശീലിപ്പിക്കൽ. |[പാഠം](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
|
| 19 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio ഉപയോഗിച്ച് മോഡൽ വിന്യസിക്കൽ. | [പാഠം](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
|
| 20 | യഥാർത്ഥ ലോകത്ത് ഡാറ്റാ സയൻസ് | [In the Wild](6-Data-Science-In-Wild/README.md) | യഥാർത്ഥ ലോകത്തിലെ ഡാറ്റാ സയൻസ് ചാലകമായി നടപ്പാക്കിയ പ്രോജക്റ്റുകൾ. | [പാഠം](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
|
|
## GitHub Codespaces
|
|
|
|
|
|
ഈ സാമ്പിൾ ഒരു Codespace ല് തുറക്കാൻ താഴെപ്പറയുന്ന പടികൾ പിന്തുടരുക:
|
|
|
1. Code ഡ്രോപ്പ്-ഡൗൺ മെനൂ ക്ലിക്ക് ചെയ്ത് Open with Codespaces ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക.
|
|
|
2. പെയിനിന്റെ അടിഭാഗത്തുള്ള + New codespace തിരഞ്ഞെടുക്കുക.
|
|
|
കൂടുതൽ വിവരങ്ങൾക്ക്, [GitHub ഡോക്യൂമെൻറേഷൻ](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) നോക്കുക.
|
|
|
|
|
|
## VSCode Remote - Containers
|
|
|
ലോക്കൽ മെഷീൻ ഉപയോഗിച്ച് ഈ റിപോ ഒരു കണ്ടെയ്നറിൽ VSCode ഉപയോഗിച്ച് തുറക്കാൻ താഴെപ്പറയുന്ന പടികൾ പിന്തുടരുക (VS Code Remote - Containers എക്സ്റ്റൻഷൻ ഉപയോഗിച്ച്):
|
|
|
|
|
|
1. development container ആദ്യമായാണ് ഉപയോഗിക്കുന്നത് എങ്കിൽ, ദയവായി നിങ്ങളുടെ സിസ്റ്റം പ്രീ-റിക്ക്വയറ്മെന്റുകൾ പാലിക്കുകയാണെന്ന് ഉറപ്പാക്കുക (ഉദാഹരണത്തിന് Docker ഇൻസ്റ്റാൾ ചെയ്തിരിക്കുന്നത്) - [getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) പരിശോധിക്കുക.
|
|
|
|
|
|
ഈ റിപൊ ഉപയോഗിക്കാൻ, നിങ്ങൾക്ക് റിപോസിറ്ററി ഒറ്റപ്പെട്ട Docker വോളിയമിൽ തുറക്കാനോ മറ്റ് മാർഗ്ഗത്തിൽ ലോക്കലായി ക്ലോൺ ചെയ്ത് തുറക്കാനോ കഴിയും:
|
|
|
|
|
|
**Note**: Under the hood, this will use the Remote-Containers: **Clone Repository in Container Volume...** command to clone the source code in a Docker volume instead of the local filesystem. [Volumes](https://docs.docker.com/storage/volumes/) are the preferred mechanism for persisting container data.
|
|
|
|
|
|
അല്ലെങ്കിൽ ലോക്കലായി ക്ലോൺ ചെയ്ത അല്ലെങ്കിൽ ഡൗൺലോഡ് ചെയ്ത ഈ റിപൊ തുറക്കുക:
|
|
|
|
|
|
- ഈ റിപോസിറ്ററി നിങ്ങളുടെ ലോക്കൽ ഫൈൽ സിസ്റ്റത്തിലേക്ക് ക്ലോൺ ചെയ്യുക.
|
|
|
- F1 അമർത്തി **Remote-Containers: Open Folder in Container...** കമാൻഡ് തിരഞ്ഞെടുക്കുക.
|
|
|
- ക്ലോൺ ചെയ്ത ഫോൾഡർ തിരഞ്ഞെടുക്കുക, കണ്ടെയ്നർ സ്റ്റാർട്ട് ആകുന്നത് വരെ കാത്തിരിക്കുക, പിന്നീട് പരീക്ഷിക്കാം.
|
|
|
|
|
|
## ഓഫ്ലൈൻ ആക്സസ്
|
|
|
|
|
|
[Docsify](https://docsify.js.org/#/) ഉപയോഗിച്ച് ഈ ഡോക്യുമെന്റേഷൻ ഓഫ്ലൈനായി പ്രവർത്തിപ്പിക്കാം. ഈ റിപൊ ഫോർക്ക് ചെയ്തു, ലോക്കൽ മെഷീനിൽ [Docsify ഇൻസ്റ്റാൾ ചെയ്യുക](https://docsify.js.org/#/quickstart), പിന്നെ ഈ റിപോയുടെ റൂട്ട ഫോളഡറിൽ `docsify serve` ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് നിങ്ങളുടെ ലോക്കൽഹോസ്റ്റിൽ പോർട്ട് 3000-ൽ സർവ് ചെയ്യും: `localhost:3000`.
|
|
|
|
|
|
> ശ്രദ്ധിക്കുക, നോട്ട്ബുക്കുകൾ Docsify വഴി റെൻഡർ ചെയ്യപ്പെടില്ല, അതിനാൽ നോട്ട്ബുക്ക് റൺ ചെയ്യേണ്ടത് വേണമെങ്കിൽ അത് വേറെയൊരു സംവിധാനത്തിൽ, ഉദാഹരണത്തിന് VS Code-ൽ Python കർണൽ ഉപയോഗിച്ച് ചെയ്യുക.
|
|
|
|
|
|
## മറ്റ് പാഠ്യപദ്ധതികൾ
|
|
|
|
|
|
ഞങ്ങളുടെ ടീം മറ്റ് പാഠ്യപദ്ധതികളും സൃഷ്ടിക്കുന്നു! താഴെ നോക്കുക:
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / ഏജന്റുകൾ
|
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### ജനറേറ്റീവ് AI സീരീസ്
|
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### പ്രധാന പഠനങ്ങൾ
|
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Copilot സീരീസ്
|
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## സഹായം
|
|
|
|
|
|
**പ്രശ്നങ്ങൾ അനുഭവപ്പെടുന്നുണ്ടോ?** സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾക്കായി ഞങ്ങളുടെ [പ്രശ്നപരിഹാര ഗൈഡ്](TROUBLESHOOTING.md) പരിശോധിക്കുക.
|
|
|
|
|
|
AI ആപ്പുകൾ നിർമ്മിക്കുമ്പോൾ നിങ്ങൾക്ക് പിടിപെടുകയാണെങ്കിൽ അല്ലെങ്കിൽ എന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടെങ്കിൽ. MCP സംബന്ധിച്ച ചർച്ചകളിൽ മറ്റ് പഠിക്കുന്നവരും അനുഭവസമ്പന്നരായ ഡെവലപ്പർമാരും ചേർന്ന് ചർച്ച ചെയ്യൂ. ഇത് ചോദ്യങ്ങൾ സ്വാഗതം ചെയ്യുന്നും അറിവുകൾ സ്വതന്ത്രമായി പങ്കുവെക്കപ്പെടുന്നതുമായ ഒരു പിന്തുണയുള്ള സമൂഹമാണ്.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
നിങ്ങൾക്ക് ഉൽപ്പന്ന പ്രതികരണം അല്ലെങ്കിൽ നിർമ്മിക്കുമ്പോൾ പിഴവുകൾ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
ഡിസ്ക്ലെയിമർ:
|
|
|
ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം ശ്രദ്ദയോടെ വിവർത്തനം ചെയ്തുവെങ്കിലും, യാന്ത്രിക വിവർത്തനങ്ങളിൽ പിശകുകളും അക്രമിതത്വങ്ങളും ഉണ്ടാകാം എന്ന് ദയവായി ശ്രദ്ധിക്കുക. മാതൃഭാഷയിലെ യഥാർത്ഥ രേഖ ആയതിനെ ആധികാരിക ഉറവിടമായി പരിഗണിക്കണം. നിർണായക വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണങ്ങൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
