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.
252 lines
42 KiB
252 lines
42 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "7c31d1a22c746b1d0f0582d4f54702ba",
|
|
"translation_date": "2025-12-24T23:13:32+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "mr"
|
|
}
|
|
-->
|
|
# नवशिक्यांसाठी डेटा सायन्स - एक अभ्यासक्रम
|
|
|
|
[](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://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
Microsoft मधील Azure Cloud Advocates हे डेटा सायन्स बाबतचा 10 आठवडा, 20 धडे असा अभ्यासक्रम सादर करण्यास आनंदित आहेत. प्रत्येक धड्यात प्री-लेसन आणि पोस्ट-लेसन क्विझ, धड पूर्ण करण्यासाठी लेखी सूचनाएँ, एक सोल्यूशन आणि एक असाइनमेंट समाविष्ट आहे. आमची प्रोजेक्ट-आधारित अध्यापनपद्धती तुम्हाला बनवतांना शिकण्याची संधी देते, जी नवीन कौशल्ये "अंमलात येण्यासाठी" सिद्ध मार्ग आहे.
|
|
|
|
**आमच्या लेखकांचे मनापासून धन्यवाद:** [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).
|
|
|
|
**🙏 विशेष धन्यवाद 🙏 आमच्या [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) लेखक, पुनरावलोकक आणि सामग्री योगदानकर्त्यांना,** विशेषतः 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/)
|
|
|
|
||
|
|
|:---:|
|
|
| नवशिक्यांसाठी डेटा सायन्स - _स्केचनोट by [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
### 🌐 बहुभाषी समर्थन
|
|
|
|
#### GitHub Action द्वारे समर्थित (स्वयंचलित आणि नेहमी अद्ययावत)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](./README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
**जर तुम्हाला अतिरिक्त भाषांमध्ये अनुवाद हवा असेल तर समर्थित भाषा [इथे](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) सूचीबद्ध आहेत**
|
|
|
|
#### आमच्या समुदायात सहभागी व्हा
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
आम्ही एक Discord "AI सोबत शिकण्याची" मालिका आयोजित करत आहोत, अधिक जाणून घेण्यासाठी आणि 18 - 30 सप्टेंबर, 2025 रोजी आम्हाला या ठिकाणी सामील व्हा: [Learn with AI Series](https://aka.ms/learnwithai/discord). येथे तुम्हाला डेटा सायन्ससाठी GitHub Copilot वापरण्याचे टिप्स आणि तंत्र मिळतील.
|
|
|
|
|
|
|
|
# तुम्ही विद्यार्थी आहात का?
|
|
|
|
खालील संसाधनांपासून सुरू करा:
|
|
|
|
- [विद्यार्थी हब पृष्ठ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) या पृष्ठावर तुम्हाला नवशिक्यांसाठी संसाधने, विद्यार्थी पॅक्स आणि अगदी मोफत प्रमाणपत्र व्हाउचर मिळवण्याचे मार्गही सापडतील. हे एक पृष्ठ आहे जे तुम्हाला बुकमार्क करायचे आणि वेळोवेळी तपासायचे असते कारण आम्ही किमान मासिके सामग्री बदलत राहतो.
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) जागतिक विद्यार्थी अँम्बेसेडर समुदायात सामील व्हा, हे Microsoft मध्ये प्रवेश करण्याचा तुमचा मार्ग असू शकतो.
|
|
|
|
# सुरुवात
|
|
|
|
## 📚 दस्तऐवजीकरण
|
|
|
|
- **[स्थापना मार्गदर्शक](INSTALLATION.md)** - नवशिक्यांसाठी चरण-दर-चरण सेटअप सूचना
|
|
- **[वापर मार्गदर्शक](USAGE.md)** - उदाहरणे आणि सामान्य कार्यप्रवाह
|
|
- **[समस्यांचे निवारण](TROUBLESHOOTING.md)** - सामान्य समस्यांवर उपाय
|
|
- **[योगदान देण्याचे मार्गदर्शक](CONTRIBUTING.md)** - या प्रोजेक्टमध्ये कसे योगदान द्यावे
|
|
- **[शिक्षकांसाठी](for-teachers.md)** - अध्यापन मार्गदर्शन आणि वर्गाच्या संसाधने
|
|
|
|
## 👨🎓 विद्यार्थ्यांसाठी
|
|
> **पूर्ण नवशिके**: डेटा सायन्ससाठी नवीन आहात का? आमच्या [नवशिक्य-सुलभ उदाहरणांपासून](examples/README.md) सुरुवात करा! ही साधी, चांगली कमेंट केलेली उदाहरणे तुम्हाला संपूर्ण अभ्यासक्रमात डुबकी मारण्यापूर्वी मूलभूत गोष्टी समजून घेण्यास मदत करतील.
|
|
> **[विद्यार्थी](https://aka.ms/student-page)**: हा अभ्यासक्रम स्वतः वापरण्यासाठी, संपूर्ण रेपो फोर्क करा आणि स्वतःच व्यायाम पूर्ण करा, प्री-लेक्चर क्विझपासून सुरुवात करा. नंतर व्याख्यान वाचा आणि उर्वरित क्रियाकलाप पूर्ण करा. प्रकल्पांचे समाधान कोड कॉपी करण्याऐवजी धडे समजून प्रकल्प तयार करण्याचा प्रयत्न करा; तथापि, प्रत्येक प्रोजेक्ट-ओरिएंटेड धड्यात त्या कोडचे /solutions फोल्डरमध्ये सोल्यूशन्स उपलब्ध आहेत. आणखी एक कल्पना म्हणजे मित्रांसोबत अभ्यास गट बनवून एकत्र सामग्री पाहणे. पुढील अध्ययनासाठी, आम्ही [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) शिफारस करतो.
|
|
|
|
**त्वरित सुरुवात:**
|
|
1. तुमचे वातावरण सेट करण्यासाठी [स्थापना मार्गदर्शक](INSTALLATION.md) तपासा
|
|
2. अभ्यासक्रमासोबत काम कसे करायचे ते जाणून घेण्यासाठी [वापर मार्गदर्शक](USAGE.md) पुनरावलोकन करा
|
|
3. धडा 1 पासून सुरू करा आणि क्रमवार काम करा
|
|
4. मदतीसाठी आमच्या [Discord समुदायात](https://aka.ms/ds4beginners/discord) सामील व्हा
|
|
|
|
## 👩🏫 शिक्षकांसाठी
|
|
|
|
> **शिक्षक**: या अभ्यासक्रमाचा उपयोग कसा करायचा याबद्दल आम्ही काही [सूचना समाविष्ट केल्या आहेत](for-teachers.md). आम्हाला तुमचा अभिप्राय आवडेल [आमच्या चर्चा फोरममध्ये](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
## टीमला भेटा
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "प्रोमो व्हिडिओ")
|
|
|
|
**गिफ द्वारा** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
> 🎥 वरील प्रतिमेवर क्लिक करा — प्रकल्प आणि त्याचे निर्माते यांबद्दलचे व्हिडिओ पाहण्यासाठी!
|
|
|
|
## अध्यापनतत्त्वे
|
|
|
|
या अभ्यासक्रमाची रचना करताना आम्ही दोन पेडागॉजीचे तत्त्व निवडले आहेत: हा प्रकल्प-आधारित असावा आणि त्यात वारंवार क्विझ असावेत हे सुनिश्चित करणे. या सिरीजच्या शेवटी, विद्यार्थ्यांनी डेटा सायन्सची मूलभूत तत्त्वे शिकलेली असतील, ज्यात नीतिशास्त्रीय संकल्पना, डेटाची तयारी, डेटासह काम करण्याचे वेगवेगळे मार्ग, डेटा दृश्यात्मकरण, डेटा विश्लेषण, डेटा सायन्सची वास्तविक जीवनातील उपयोगकेसेस आणि बरेच काही समाविष्ट आहे.
|
|
|
|
याशिवाय, वर्गापूर्वीचा कमी-जोखमीचा क्विझ विद्यार्थ्यांचा एखाद्या विषयाकडे शिकण्याचा मानस ठरवतो, तर वर्गानंतरचा दुसरा क्विझ अधिक टिकाव सुनिश्चित करतो. हा अभ्यासक्रम लवचीक आणि मजेदार राहील अशा प्रकारे डिझाइन केला गेला आहे आणि पूर्णतः किंवा भागानुसार घेतला जाऊ शकतो. प्रकल्प सुरुवातीला लहान असतात आणि 10 आठवड्यांच्या चक्राच्या शेवटी हळूहळू अधिक क्लिष्ट होतात.
|
|
|
|
> आमचे [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) मार्गदर्शक तत्त्वे पहा. आम्ही तुमचे रचनात्मक अभिप्राय स्वागत करतो!
|
|
|
|
## प्रत्येक धड्यात समाविष्ट आहे:
|
|
|
|
- ऐच्छिक स्केचनोट
|
|
- ऐच्छिक पूरक व्हिडिओ
|
|
- पूर्व-धडा वॉर्मअप क्विझ
|
|
- लेखी धडा
|
|
- प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करावा याबाबत टप्प्याटप्प्याने मार्गदर्शन
|
|
- ज्ञान तपासणी
|
|
- एक आव्हान
|
|
- पूरक वाचन
|
|
- असाइनमेंट
|
|
- [पाठानंतरची क्विझ](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **क्विझबद्दल एक टीप**: सर्व क्विझ Quiz-App फोल्डरमध्ये आहेत, एकूण ४० क्विझ ज्यात प्रत्येका मध्ये तीन प्रश्न आहेत. ते धड्यांमधून लिंक केलेले आहेत, परंतु क्विझ अॅप लोकली चालवता येऊ शकते किंवा Azure वर तैनात केले जाऊ शकते; `quiz-app` फोल्डरमधील सूचनांचे पालन करा. ते हळूहळू स्थानिकरण केले जात आहेत.
|
|
|
|
## 🎓 नवशिकांसाठी सोपे उदाहरणे
|
|
|
|
**डेटा सायन्समध्ये नवीन आहात का?** आम्ही एक विशेष [examples directory](examples/README.md) तयार केले आहे ज्यात सुरुवातीसाठी सोपे आणि चांगले टिप्पणी केलेले कोड आहे जे तुमची सुरूवात मदत करेल:
|
|
|
|
- 🌟 **Hello World** - तुमचे पहिले डेटा सायन्स प्रोग्राम
|
|
- 📂 **Loading Data** - डेटासेट वाचणे आणि एक्सप्लोर करणे शिका
|
|
- 📊 **Simple Analysis** - आकडेवारी मोजा आणि नमुने शोधा
|
|
- 📈 **Basic Visualization** - चार्ट आणि ग्राफ तयार करा
|
|
- 🔬 **Real-World Project** - सुरुवातीपासून शेवटपर्यंत संपूर्ण वर्कफ्लो
|
|
|
|
प्रत्येक उदाहरणात प्रत्येक टप्पा समजावून सांगणाऱ्या सविस्तर टिप्पण्यांचा समावेश आहे, जे पूर्णपणे नवशिक्यांसाठी परिपूर्ण आहे!
|
|
|
|
👉 **[उदाहरणांपासून सुरू करा](examples/README.md)** 👈
|
|
|
|
## धडे
|
|
|
|
|
|
||
|
|
|:---:|
|
|
| शिकण्याऱ्यांसाठी डेटा सायन्स: रोडमॅप - _स्केचनोट द्वारा [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
| धडा क्रमांक | विषय | धडा गट | शिकण्याच्या उद्दिष्टे | लिंक केलेला धडा | लेखक |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | डेटा सायन्सची व्याख्या | [परिचय](1-Introduction/README.md) | डेटा सायन्सच्या मूलभूत संकल्पना आणि ते कृत्रिम बुद्धिमत्ता, मशीन लर्निंग आणि बिग डेटाशी कसे संबंधित आहे हे शिका. | [धडा](1-Introduction/01-defining-data-science/README.md) [व्हिडिओ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
| 02 | डेटा सायन्स नैतिकता | [परिचय](1-Introduction/README.md) | डेटा नैतिकता संकल्पना, आव्हाने आणि फ्रेमवर्क. | [धडा](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
| 03 | डेटा परिभाषित करणे | [परिचय](1-Introduction/README.md) | डेटा कसा वर्गीकृत केला जातो आणि त्याचे सामान्य स्रोत काय आहेत. | [धडा](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 04 | संख्याशास्त्र आणि संभाव्यता परिचय | [परिचय](1-Introduction/README.md) | डेटा समजून घेण्यासाठी संभाव्यता आणि संख्याशास्त्राच्या गणिती तंत्रांची ओळख. | [धडा](1-Introduction/04-stats-and-probability/README.md) [व्हिडिओ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
| 05 | रिलेशनल डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | रिलेशनल डेटाची ओळख आणि Structured Query Language (सामान्यतः "सी-क्वेल" म्हणून उच्चारले जाते) वापरून रिलेशनल डेटाचे अन्वेषण व विश्लेषण करण्याची मूलभूत तत्त्वे. | [धडा](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
| 06 | NoSQL डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | नॉन-रिलेशनल डेटाची ओळख, त्याचे विविध प्रकार आणि दस्तऐवज डेटाबेसचे अन्वेषण व विश्लेषण करण्याच्या मूलभूत गोष्टी. | [धडा](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
| 07 | पायथनसह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | Pandas सारख्या लायब्ररींसह डेटा एक्सप्लोरेशनसाठी पायथन वापरण्याच्या मूलभूत गोष्टी. पायथन प्रोग्रामिंगचा मूलभूत आभ्यास शिफारसीय आहे. | [धडा](2-Working-With-Data/07-python/README.md) [व्हिडिओ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
| 08 | डेटा तयारी | [डेटासह काम करणे](2-Working-With-Data/README.md) | गायब, अचूक नसलेला किंवा अपूर्ण डेटा हाताळण्यासाठी डेटाची स्वच्छता आणि रूपांतर करण्याच्या तंत्रांविषयी विषय. | [धडा](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 09 | संख्यात्मक गोष्टींचे दृश्यमानकरण | [डेटा दृश्यात्मकरण](3-Data-Visualization/README.md) | Matplotlib वापरून पक्षी डेटा कसा दृश्यमान करायचा ते शिका 🦆 | [धडा](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 10 | डेटाच्या वितरणांचे दृश्यमानकरण | [डेटा दृश्यात्मकरण](3-Data-Visualization/README.md) | निरीक्षणे आणि प्रवाह एका अंतरामध्ये कसे दर्शवायचे. | [धडा](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 11 | प्रमाणांचे दृश्यमानकरण | [डेटा दृश्यात्मकरण](3-Data-Visualization/README.md) | असंख्य आणि गटीकृत टक्केवारींचे दृश्यमानकरण. | [धडा](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 12 | संबंधांचे दृश्यमानकरण | [डेटा दृश्यात्मकरण](3-Data-Visualization/README.md) | डेटाच्या संच आणि त्यांच्या चलांमधील कनेक्शन्स आणि सहसंबंध दृश्यमान करणे. | [धडा](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 13 | अर्थपूर्ण दृश्यांकन | [डेटा दृश्यात्मकरण](3-Data-Visualization/README.md) | प्रभावी समस्या सोडवणे आणि अंतर्दृष्टीसाठी तुमची दृश्ये उपयुक्त बनवण्यासाठी तंत्रे आणि मार्गदर्शन. | [धडा](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 14 | डेटा सायन्स लाइफसायकलचे परिचय | [लाइफसायकल](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स लाइफसायकलचे परिचय आणि डेटा मिळवणे व काढण्याचा त्याचा पहिला टप्पा. | [धडा](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
| 15 | विश्लेषण | [लाइफसायकल](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स लाइफसायकलचा हा टप्पा डेटाचे विश्लेषण करण्याच्या तंत्रांवर लक्ष केंद्रित करतो. | [धडा](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
| 16 | संप्रेषण | [लाइफसायकल](4-Data-Science-Lifecycle/README.md) | डेटा मधून घेतलेल्या अंतर्दृष्टी सादर करण्यावर हा टप्पा लक्ष केंद्रित करतो जे निर्णय घेणाऱ्यांसाठी समजणे सोपे होते. | [धडा](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
| 17 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउडमधील डेटा सायन्स आणि त्याचे फायदे याची ओळख देणारी सिरीज. | [धडा](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
| 18 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Low Code टूल्स वापरून मॉडेल ट्रेन करणे. |[धडा](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
| 19 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio वापरून मॉडेल्स तैनात करणे. | [धडा](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
| 20 | वास्तविक जगात डेटा सायन्स | [वाइल्डमध्ये](6-Data-Science-In-Wild/README.md) | वास्तविक जगातील डेटा सायन्स-चालित प्रकल्प. | [धडा](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
## GitHub Codespaces
|
|
|
|
या नमुना प्रोजेक्टला Codespace मध्ये उघडण्यासाठी खालील पायऱ्या फॉलो करा:
|
|
1. Code ड्रॉप-डाउन मेनूवर क्लिक करा आणि Open with Codespaces हा पर्याय निवडा.
|
|
2. पॅनच्या तळाशी + New codespace निवडा.
|
|
अधिक माहितीसाठी, [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) पहा.
|
|
|
|
## VSCode Remote - Containers
|
|
या रेपोला तुमच्या लोकल मशीनवर आणि VSCode वापरून VS Code Remote - Containers एक्सटेन्शन वापरून कंटेनरमध्ये उघडण्यासाठी खालील पायऱ्या फॉलो करा:
|
|
|
|
1. जर तुम्ही विकसित करणारे कंटेनर प्रथमच वापरत असाल, तर कृपया [the getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) मधील पूर्व-आवश्यकता (उदा. Docker इन्स्टॉल केलेले आहे की नाही) पूर्ण आहेत याची खात्री करा.
|
|
|
|
या रेपोसिटरीचा वापर करण्यासाठी, तुम्ही किंवा तर रेपो एका वेगळ्या Docker व्हॉल्यूममध्ये उघडू शकता:
|
|
|
|
**Note**: मागच्या बाजूस, हे Remote-Containers: **Clone Repository in Container Volume...** कमांड वापरेल ज्याद्वारे स्थानिक फाइलसिस्टमऐवजी स्रोत कोड Docker व्हॉल्यूममध्ये क्लोन केले जाईल. कंटेनर डेटा टिकवण्यासाठी [Volumes](https://docs.docker.com/storage/volumes/) हा प्राधान्यपूर्ण यंत्रणा आहे.
|
|
|
|
किंवा स्थानिकरित्या क्लोन केलेली किंवा डाउनलोड केलेली रेपोची प्रत उघडा:
|
|
|
|
- हा रेपो तुमच्या स्थानिक फाइलसिस्टमवर क्लोन करा.
|
|
- F1 दाबा आणि **Remote-Containers: Open Folder in Container...** कमांड निवडा.
|
|
- या फोल्डरच्या क्लोन्ड कॉपीचा निवड करा, कंटेनर सुरू होईपर्यंत थांबा, आणि नंतर प्रयोग करा.
|
|
|
|
## ऑफलाइन प्रवेश
|
|
|
|
तुम्ही ही डॉक्युमेंटेशन ऑफलाइन [Docsify](https://docsify.js.org/#/) वापरून चालवू शकता. हा रेपो Fork करा, तुमच्या स्थानिक मशीनवर [install Docsify](https://docsify.js.org/#/quickstart) करा, नंतर या रेपोच्या रूट फोल्डरमध्ये `docsify serve` टाइप करा. वेबसाईट तुमच्या लोकलहोस्टवर पोर्ट 3000 वर सुरू केली जाईल: `localhost:3000`.
|
|
|
|
> लक्षात घ्या, नोटबुक्स Docsify द्वारे रेंडर केले जाणार नाहीत, त्यामुळे जेव्हा तुम्हाला नोटबुक चालवायची असेल तेव्हा ते स्वतंत्रपणे VS Code मध्ये Python कर्नल चालवून करा.
|
|
|
|
## इतर अभ्यासक्रम
|
|
|
|
आमचा संघ इतर अभ्यासक्रमही तयार करतो! हे पहा:
|
|
|
|
<!-- 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 / Agents
|
|
[](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)
|
|
|
|
---
|
|
|
|
### जेनरेटिव्ह AI मालिका
|
|
[](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)
|
|
|
|
---
|
|
|
|
### मूलभूत शिक्षण
|
|
[](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 मालिका
|
|
[](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 -->
|
|
|
|
## मदत मिळवा
|
|
|
|
**समस्या येत आहेत का?** सामान्य समस्यांचे समाधानासाठी आमचा [समस्या निवारण मार्गदर्शक](TROUBLESHOOTING.md) तपासा.
|
|
|
|
जर तुम्हाला अडकणं किंवा AI अॅप्स तयार करण्याबद्दल कोणतेही प्रश्न असतील, तर MCP विषयीच्या चर्चेत इतर शिकणारे आणि अनुभवी विकसक यांच्यात सामील व्हा. हे एक सहायक समुदाय आहे जिथे प्रश्नांचे स्वागत केले जाते आणि ज्ञान मोकळेपणाने सामायिक केले जाते.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
उत्पादनाबद्दल अभिप्राय असल्यास किंवा बिल्ड करताना त्रुटी आल्यास भेट द्या:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
अस्वीकरण:
|
|
हा दस्तऐवज AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून अनुवादित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्न करतो, परंतु कृपया लक्षात ठेवा की स्वयंचलित अनुवादांमध्ये चुका किंवा अचूकतेच्या त्रुटी असू शकतात. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला पाहिजे. महत्त्वाच्या माहितीसाठी व्यावसायिक मानव अनुवाद करणे शिफारसीय आहे. या अनुवादाच्या वापरामुळे उद्भवणाऱ्या कोणत्याही गैरसमजुती किंवा चुकीच्या अर्थनिर्वचनाबद्दल आम्ही जबाबदार नाही.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |