|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "7c31d1a22c746b1d0f0582d4f54702ba",
|
|
|
"translation_date": "2025-12-25T00:51:55+00:00",
|
|
|
"source_file": "README.md",
|
|
|
"language_code": "te"
|
|
|
}
|
|
|
-->
|
|
|
# ప్రారంభులకు డేటా సైన్స్ - ఒక పాఠ్యక్రమం
|
|
|
|
|
|
[](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)
|
|
|
|
|
|
Microsoftలోని Azure Cloud Advocates డేటా సైన్స్ గురించి 10 వారాల, 20 పాఠాల పాఠ్యక్రమాన్ని అందజేయడం సంతోషంగా ఉంది. ప్రతి పాఠంలో పాఠం ముందు మరియు పాఠం తర్వాత ఉన్న క్విజ్లు, పాఠాన్ని పూర్తి చేయడానికి వ్రాత-based సూచనలు, పరిష్కారం మరియు ఒక అసైన్మెంట్ ఉంటాయి. మా ప్రాజెక్ట్-ఆధారిత ఆధ్యాపక పద్ధతి మీరు నిర్మిస్తున్నప్పుడు నేర్చుకోవడానికి అనుమతిస్తుంది, ఇది కొత్త నైపుణ్యాలు మెరుగ్గా నిలిచేలా చేయడానికి సాక్ష్యమైన విధానం.
|
|
|
|
|
|
**మా రచయితలకు హృదయపూర్వక ధన్యవాదాలు:** [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).
|
|
|
|
|
|
**🙏 ప్రత్యేక ధన్యవాదాలు 🙏 మా [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) రచయితలు, సమీక్షకులు మరియు కంటెంట్ సహకారులకు,** ముఖ్యంగా 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/)
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| ప్రాథమికుల కోసం డేటా సైన్స్ - _స్కెచ్నోట్ ద్వారా [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
### 🌐 బహుభాషా మద్దతు
|
|
|
|
|
|
#### GitHub Action ద్వారా మద్దతు (ఆటోమెటెడ్ & ఎప్పుడూ నవీకరించబడిన)
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[అరబిక్](../ar/README.md) | [బెంగాలీ](../bn/README.md) | [బల్గేరియన్](../bg/README.md) | [బర్మీస్ (మయన్మార్)](../my/README.md) | [చైనీస్ (సంక్షిప్త)](../zh/README.md) | [చైనీస్ (సాంప్రదాయిక, హాంకాంగ్)](../hk/README.md) | [చైనీస్ (సాంప్రదాయిక, మకావ్)](../mo/README.md) | [చైనీస్ (సాంప్రదాయిక, టైవాన్)](../tw/README.md) | [క్రొయాటియన్](../hr/README.md) | [చెక్](../cs/README.md) | [డానిష్](../da/README.md) | [డచ్](../nl/README.md) | [ఎస్టోనియన్](../et/README.md) | [ఫినిష్](../fi/README.md) | [ఫ్రెంచ్](../fr/README.md) | [జర్మన్](../de/README.md) | [గ్రీక్](../el/README.md) | [హిబ్రూ](../he/README.md) | [హిందీ](../hi/README.md) | [హంగేరియన్](../hu/README.md) | [ఇండోనేషియన్](../id/README.md) | [ఇటాలియన్](../it/README.md) | [జపనీస్](../ja/README.md) | [కన్నడ](../kn/README.md) | [కొరియన్](../ko/README.md) | [లిథువేనియన్](../lt/README.md) | [మలేయ్](../ms/README.md) | [మలయాలం](../ml/README.md) | [మరాఠీ](../mr/README.md) | [నేపాలి](../ne/README.md) | [నైజీరియన్ పిడ్జిన్](../pcm/README.md) | [నార్వేజియన్](../no/README.md) | [పర్శియన్ (ఫార్సీ)](../fa/README.md) | [పోలిష్](../pl/README.md) | [పోర్చుగీస్ (బ్రెజిల్)](../br/README.md) | [పోర్చుగీస్ (పోర్చుగల్)](../pt/README.md) | [పంజాబీ (గుర్ముఖి)](../pa/README.md) | [రూమేనియన్](../ro/README.md) | [రష్యన్](../ru/README.md) | [సర్బియన్ (సిరిలిక్)](../sr/README.md) | [స్లోవాక్](../sk/README.md) | [స్లోవేనియన్](../sl/README.md) | [స్పానిష్](../es/README.md) | [స్వాహిలి](../sw/README.md) | [స్వీడిష్](../sv/README.md) | [టగాలోగ్ (ఫిలిపీనో)](../tl/README.md) | [తమిళ్](../ta/README.md) | [తెలుగు](./README.md) | [థాయ్](../th/README.md) | [టర్కిష్](../tr/README.md) | [యుక్రెనియన్](../uk/README.md) | [ఉర్దూ](../ur/README.md) | [వియత్నామీస్](../vi/README.md)
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**మీకు అదనపు అనువాద భాషలు కావాలంటే మద్దతు పొందే భాషలు [ఇక్కడ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) జాబితాలో ఉన్నాయి**
|
|
|
|
|
|
#### మా కమ్యూనిటీలో చేరండి
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
మా వద్ద Discord లెర్న్ విత్ AI సిరీస్ కొనసాగుతోంది, మరింత తెలుసుకోండి మరియు 18 - 30 సెప్టెంబర్, 2025 కాలంలో మాతో చేరడానికి [Learn with AI Series](https://aka.ms/learnwithai/discord)లో జాయిన్ అవ్వండి. మీరు Data Science కోసం GitHub Copilot ఉపయోగించే టిప్స్ మరియు ట్రిక్స్ పొందుతారు.
|
|
|
|
|
|

|
|
|
|
|
|
# మీరు విద్యార్థి?
|
|
|
|
|
|
క్రింది వనరులతో ప్రారంభించండి:
|
|
|
|
|
|
- [స్టూడెంట్ హబ్ పేజీ](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) ఈ పేజీలో మీరు ప్రారంభిక వనరులు, స్టూడెంట్ ప్యాక్లు మరియు ఉచిత సర్టిఫికెట్ వోచర్ పొందే మార్గాలను కనుగొంటారు. మేము కనీసం నెలకి ఒకసారి కంటెంట్ను మార్చేస్తామనుకోగా, ఈ పేజీని బుక్మార్క్ చేయడం మరియు మధ్యపు సమయంలో తనిఖీ చేయడం మంచిది.
|
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) స్టూడెంట్ అంబాసడర్స్ యొక్క గ్లోబల్ కమ్యూనిటీలో చేరిం, ఇది మీకు Microsoft లోకి బాటుగా ఉండవచ్చు.
|
|
|
|
|
|
# ప్రారంభించడం
|
|
|
|
|
|
## 📚 డాక్యుమెంటేషన్
|
|
|
|
|
|
- **[ఇన్స్టాలేషన్ గైడ్](INSTALLATION.md)** - ప్రారంభికులకు దశలవారీగా సెటప్ సూచనలు
|
|
|
- **[వాడుక గైడ్](USAGE.md)** - ఉదాహరణలు మరియు సాధారణ వర్క్ఫ్లోలు
|
|
|
- **[సమస్య పరిష్కారం](TROUBLESHOOTING.md)** - సాధారణ సమస్యలకు పరిష్కారాలు
|
|
|
- **[కాంట్రిబ్యూటింగ్ గైడ్](CONTRIBUTING.md)** - ఈ ప్రాజెక్టుకు ఎలా దోహదపడాలో
|
|
|
- **[ఉపాధ్యాయుల కోసం](for-teachers.md)** - బోధన దిశానిర్దేశం మరియు తరగతి వనరులు
|
|
|
|
|
|
## 👨🎓 విద్యార్థుల కోసం
|
|
|
> **సంపూర్ణ ప్రారంభికులు**: డేటా సైన్స్ కి కొత్తవా? మా [ప్రారంభికులకు అనుకూలమైన ఉదాహరణలు](examples/README.md) నుండి ప్రారంభించండి! ఈ సాధారణ, బాగా వ్యాఖ్యానించిన ఉదాహరణలు పూర్తి పాఠ్యక్రమంలోకి ప్రవేశించే ముందే బేసిక్ను అర్థం చేసుకోవడంలో మీకు సహాయపడతాయి.
|
|
|
> **[విద్యార్థులు](https://aka.ms/student-page)**: ఈ పాఠ్యక్రమాన్ని స్వయంగా ఉపయోగించుకోవడానికి, మొత్తం repoని fork చేసి, ఒక ప్రి-లెక్చర్ క్విజ్ తో మొదలుపెట్టి స్వయంగా వ్యాయామాలను పూర్తి చేయండి. ఆపై లెక్చర్ ని చదివి మిగతా కార్యకలాపాలను పూర్తి చేయండి. పరిష్కార కోడ్ను కాపీ చేయడానికి కాకుండా పాఠాలను అర్థం చేసుకొని ప్రాజెక్టులను సృష్టించడానికి ప్రయత్నించండి; అయితే ఆ కోడ్ ప్రతి ప్రాజెక్ట్-ఆధారిత పాఠంలోని /solutions ఫోల్డర్లలో అందుబాటులో ఉంటుంది. మరో ఒక ఆలోచనగా, మీ స్నేహితులతో చదువుచేర్చుకొనే గ్రూప్ ఏర్పరిచి కలిసి కంటెంట్ను వెళ్లిపోవచ్చు. మరింత అధ్యయనానికి, మేము [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum)ను సూచిస్తాము.
|
|
|
|
|
|
**త్వరిత ప్రారంభం:**
|
|
|
1. మీ పరిసరాన్ని సెటప్ చేయడానికి [ఇన్స్టాలేషన్ గైడ్](INSTALLATION.md)ను తనిఖీ చేయండి
|
|
|
2. పాఠ్యక్రమంతో ఎలా పని చేయాలో తెలుసుకోవడానికి [వాడుక గైడ్](USAGE.md)ని సమీక్షించండి
|
|
|
3. పాఠం 1 నుండి ప్రారంభించి క్రమంగా ముందుకు పని చేయండి
|
|
|
4. మద్దతును పొందడానికి మా [Discord కమ్యూనిటీ](https://aka.ms/ds4beginners/discord) లో చేరండి
|
|
|
|
|
|
## 👩🏫 ఉపాధ్యాయుల కోసం
|
|
|
|
|
|
> **ఉపాధ్యాయులు**: ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో మేము కొన్న సూచనలను [సరిపెట్టాము](for-teachers.md). మీ ఫీడ్బ్యాక్ను మేము మన చర్చా ఫోరంలో స్వాగతిస్తాము [ఇక్కడ](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
|
|
## జట్టును పరిచయం
|
|
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "ప్రచార వీడియో")
|
|
|
|
|
|
**గిఫ్ ద్వారా** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
> 🎥 పై చిత్రాన్ని క్లిక్ చేసి ప్రాజెక్ట్ గురించి వీడియో కోసం దాన్ని సృష్టించిన వ్యక్తుల గురించి చూడండి!
|
|
|
|
|
|
## శిక్షణ సిద్ధాంతం
|
|
|
|
|
|
ఈ పాఠ్యక్రమాన్ని నిర్మించేటప్పుడు మేము రెండు శిక్షణాత్మక సూత్రాలను తీసుకున్నాం: అది ప్రాజెక్ట్-ఆధారితంగా ఉండాలి మరియు తరచుగా క్విజ్లు ఉండేలా ఉండాలి. ఈ సిరీస్ చివరికి, విద్యార్థులు డేటా సైన్స్ యొక్క మౌలిక సిద్ధాంతాలను, నైతిక భావనలు, డేటా తయారీ, డేటాతో పని చేయడానికి వివిధ విధానాలు, డేటా విజువలైజేషన్, డేటా విశ్లేషణ, డేటా సైన్స్ యొక్క వాస్తవ ప్రపంచ వినియోగకేసులు మరియు మరిన్ని నేర్చుకుంటారు.
|
|
|
|
|
|
ఇంకా, తరగతి ముందు ఒక తక్కువ-పరిమాణపు క్విజ్ విద్యార్థి యొక్క ఆచరణను ఒక అంశాన్ని నేర్చుకోవడానికి ఉద్దేశ్యాన్ని ఏర్పరుస్తుంది, తరగతి తర్వాత రెండవ క్విజ్ ఇంకా మెమరీని బలపరుస్తుంది. ఈ పాఠ్యక్రమం సరళంగా, సరదాగా ఉండేందుకు డిజైన్ చేయబడింది మరియు మొత్తం లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్ట్లు చిన్నది నుంచి మొదలవుతూ 10 వారాల చక్రం చివరికి ఎక్కువగా స్ఫూర్తివంతంగా క్లిష్టంగా మారతాయి.
|
|
|
|
|
|
> మా [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) మార్గదర్శకాలని చూడండి. మీ నిర్మాణాత్మక అభిప్రాయాలను మేము స్వాగతిస్తాము!
|
|
|
|
|
|
## ప్రతి పాఠంలో ఇవి ఉంటాయి:
|
|
|
|
|
|
- ఐచ్చిక స్కెచ్నోట్
|
|
|
- ఐచ్చిక పూరక వీడియో
|
|
|
- పాఠం ముందు వార్మప్ క్విజ్
|
|
|
- వ్రాత పాఠం
|
|
|
- ప్రాజెక్ట్-ఆధారిత పాఠాల కోసం, ప్రాజెక్ట్ ఎలా నిర్మించాలో దశబద్దంగా మార్గదర్శకాలు
|
|
|
- జ్ఞాన పరీక్షలు
|
|
|
- ఒక సవాల్
|
|
|
- పూరక పఠనం
|
|
|
- అసైన్మెంట్
|
|
|
- [పాఠం తర్వాత క్విజ్](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **క్విజ్ల గురించి ఒక గమనిక**: అన్ని క్విజ్లు Quiz-App ఫోల్డర్లో ఉన్నాయి, మొత్తం 40 క్విజ్లు, ఒక్కోటి మూడు ప్రశ్నలతో. అవి పాఠాల్లో లింక్ చేయబడ్డాయి, కానీ quiz app స్థానికంగా నడపవచ్చు లేదా Azure కు డిప్లాయ్ చేయవచ్చు; `quiz-app` ఫోల్డర్ లోని సూచనలను అనుసరించండి. అవి徐徐గా స్థానీకరణ జరుగుతున్నాయి.
|
|
|
|
|
|
## 🎓 ప్రారంభికులకు అనుకూల ఉదాహరణలు
|
|
|
|
|
|
**డేటా సైన్స్ కొత్తవారా?** మేము ప్రారంభించడానికి సహాయపడే సాదా, బాగా కామెంట్ చేయబడిన కోడ్తో ప్రత్యేక [ఉదాహరణల డైరెక్టరీ](examples/README.md) సృష్టించాము:
|
|
|
|
|
|
- 🌟 **హలో వరల్డ్** - మీ మొదటి డేటా సైన్స్ ప్రోగ్రామ్
|
|
|
- 📂 **డేటా లోడ్ చేయడం** - డేటాసెట్లను చదవడం మరియు అన్వేషించడం నేర్చుకోండి
|
|
|
- 📊 **సాధారణ విశ్లేషణ** - గణాంకాలను లెక్కించి నమూనాలను కనుగొనండి
|
|
|
- 📈 **ప్రాథమిక విజువలైజేషన్** - చార్ట్లు మరియు గ్రాఫ్లను సృష్టించండి
|
|
|
- 🔬 **వాస్తవ ప్రపంచ ప్రాజెక్ట్** - ప్రారంభం నుంచి పూర్తి వర్క్ఫ్లో
|
|
|
|
|
|
ప్రతి ఉదాహరణలో ప్రతి దశను వివరించే వివరణాత్మక కామెంట్లు ఉంటాయి, ఇది మొత్తం కొత్తవారికి తగినట్లుగా చేస్తుంది!
|
|
|
|
|
|
👉 **[ఉదాహరణలతో ప్రారంభించండి](examples/README.md)** 👈
|
|
|
|
|
|
## పాఠాలు
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| ప్రారంభికుల కోసం డేటా సైన్స్: రోడ్మ్యాప్ - _స్కెచ్నోట్ రచన [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| పాఠం సంఖ్య | అంశం | పాఠ సమూహం | నేర్చుకోవాల్సిన లక్ష్యాలు | లింక్ చేసిన పాఠం | రచయిత |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 01 | డేటా సైన్స్ నిర్వచనం | [Introduction](1-Introduction/README.md) | డేటా సైన్స్ వెనుక ఉండే మౌలిక భావనలు మరియు అది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, మెషిన్ లెర్నింగ్ మరియు బిగ్ డేటాతో ఎలా సంబంధితమో తెలుసుకోండి. | [పాఠం](1-Introduction/01-defining-data-science/README.md) [వీడియో](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
|
| 02 | డేటా సైన్స్ నైతికత | [Introduction](1-Introduction/README.md) | డేటా నైతికత భావనలు, సవాళ్లు & ఫ్రేమ్వర్క్లు. | [పాఠం](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
| 03 | డేటా నిర్వచనం | [Introduction](1-Introduction/README.md) | డేటా ఎలా వర్గీకరించబడుతుంది మరియు దాని సాధారణ మూలాలు ఏమిటో. | [పాఠం](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 04 | గణాంకం & సంభావ్యతకి పరిచయం | [Introduction](1-Introduction/README.md) | డేటాను అర్థం చేసుకునేందుకు సంభావ్యత మరియు గణాంకాల గణితీయ సూక్తులు. | [పాఠం](1-Introduction/04-stats-and-probability/README.md) [వీడియో](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
|
| 05 | సంబంధిత డేటాతో పని చేయుట | [Working With Data](2-Working-With-Data/README.md) | సంబంధిత డేటాకు పరిచయం మరియు Structured Query Language గా కూడా పిలవబడే SQL (ఉచ్చారణ “see-quell”) తో సంబంధిత డేటాను అన్వేషించడం మరియు విశ్లేషించడం యొక్క మౌలికాలు. | [పాఠం](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
|
| 06 | NoSQL డేటాతో పని చేయుట | [Working With Data](2-Working-With-Data/README.md) | బైన-రిలేషనల్ కాని డేటా, దాని వివిధ రకాలు మరియు డాక్యుమెంట్ డేటాబేస్లను అన్వేషించడం మరియు విశ్లేషించడం యొక్క మౌలికాలు. | [పాఠం](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
|
| 07 | Python తో పని చేయుట | [Working With Data](2-Working-With-Data/README.md) | Pandas వంటి లైబ్రరీలను ఉపయోగించి డేటా అన్వేషణ కోసం Python ఉపయోగించుట యొక్క మౌలికాలు. Python ప్రోగ్రామింగ్ యొక్క పునాదిలు అర్థం చేసుకోవడం సూచించబడుతుంది. | [పాఠం](2-Working-With-Data/07-python/README.md) [వీడియో](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
|
| 08 | డేటా తయారీ | [Working With Data](2-Working-With-Data/README.md) | గాయపడిన, తప్పుదారిలోకి వెళ్లిన లేదా అపూర్ణమైన డేటాను ఎదుర్కొనుటకు శుభ్రపరచడం మరియు ట్రాన్స్ఫార్మ్ చేయడం వంటి డేటా సాంకేతికతల విషయాలు. | [పాఠం](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
|
| 09 | పరిమాణాలను విజువలైజ్ చేయుట | [Data Visualization](3-Data-Visualization/README.md) | Matplotlib ను ఉపయోగించి పక్షుల డేటాను ఎలా విజువలైజ్ చేయాలో నేర్చుకోండి 🦆 | [పాఠం](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 10 | డేటా పంపిణీని విజువలైజ్ చేయుట | [Data Visualization](3-Data-Visualization/README.md) | ఒక ఇంటర్వల్లో నిపుణుల مشاهదలు మరియు ధోరణులను విజువలైజ్ చేయడం. | [పాఠం](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 11 | సగటులను విజువలైజ్ చేయుట | [Data Visualization](3-Data-Visualization/README.md) | వేరేcito మరియు సమూహించిన శాతం విలువలను విజువలైజ్ చేయడం. | [పాఠం](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 12 | సంబంధాలను విజువలైజ్ చేయుట | [Data Visualization](3-Data-Visualization/README.md) | డేటా సెట్ల మరియు వాటి పారామితుల మధ్య సంబంధాలు మరియు సమన్వయాలను విజువలైజ్ చేయడం. | [పాఠం](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 13 | అర్థవంతమైన విజువలైజేషన్లు | [Data Visualization](3-Data-Visualization/README.md) | సమస్య పరిష్కారం మరియు అవగాహన కోసం మీ విజువలైజేషన్లను విలువైనదిగా చేయడానికి సాంకేతికతలు మరియు మార్గదర్శకత్వం. | [పాఠం](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
|
| 14 | డేటా సైన్స్ లైఫ్సైకిల్కు పరిచయం | [Lifecycle](4-Data-Science-Lifecycle/README.md) | డేటా సైన్స్ లైఫ్సైకిల్కు పరిచయం మరియు డేటాను పొందడం మరియు ఎక్స్ట్రాక్ట్ చేయడం అనే మొదటి దశ. | [పాఠం](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
|
| 15 | విశ్లేషణ | [Lifecycle](4-Data-Science-Lifecycle/README.md) | డేటా సైన్స్ లైఫ్సైకిల్లో ఈ దశ డేటాను విశ్లేషించడానికి సాంకేతికతలపై దృష్టి సారిస్తుంది. | [పాఠం](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
|
| 16 | కమ్యూనికేషన్ | [Lifecycle](4-Data-Science-Lifecycle/README.md) | డేటా సైన్స్ లైఫ్సైకిల్లో ఈ దశ డేటా నుండి వచ్చిన అవగాహనలను నిర్ణయకర్తలు సులభంగా అర్థం చేసుకునేలా ప్రదర్శించడంపై దృష్టి సారిస్తుంది. | [పాఠం](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
|
| 17 | క్లౌడ్లో డేటా సైన్స్ | [Cloud Data](5-Data-Science-In-Cloud/README.md) | ఈ పాఠాల సిరీస్ క్లౌడ్లో డేటా సైన్స్ మరియు దాని లాభాలపై పరిచయం చేస్తుంది. | [పాఠం](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
|
| 18 | క్లౌడ్లో డేటా సైన్స్ | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Low Code సాధనాలను ఉపయోగించి మోడల్స్ ట్రైనింగ్. |[పాఠం](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
|
| 19 | క్లౌడ్లో డేటా సైన్స్ | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio తో మోడళ్లను డిప్లాయ్ చేయడం. | [పాఠం](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
|
| 20 | వనంలో డేటా సైన్స్ | [In the Wild](6-Data-Science-In-Wild/README.md) | వాస్తవ ప్రపంచంలో డేటా సైన్స్ నడిపే ప్రాజెక్టులు. | [పాఠం](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
|
|
## GitHub Codespaces
|
|
|
|
|
|
ఈ నమూనాను ఒక Codespaceలో öppిన్ చేయడానికి ఈ దశలను అనుసరించండి:
|
|
|
1. Code డ్రాప్-డౌన్ మెనూలను క్లిక్ చేసి Open with Codespaces ఎంపికను ఎంచుకోండి.
|
|
|
2. ప్యాన్ బాటంలో క్రింద ఉన్న + New codespace ఎంచుకోండి.
|
|
|
మరిన్ని వివరాల కోసం, [GitHub డాక్యుమెంటేషన్](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) చూడండి.
|
|
|
|
|
|
## VSCode Remote - Containers
|
|
|
ఈ రెపోను మీ స్థానిక యంత్రంలో మరియు VSCode ద్వారా VS Code Remote - Containers ఎక్స్టెన్షన్ను ఉపయోగించి ఒక కంటైనర్లో ఓపెన్ చేయడానికి ఈ దశలను అనుసరించండి:
|
|
|
|
|
|
1. మీరు డెవలప్మెంట్ కంటైనర్ను మొదటిసారిగా ఉపయోగిస్తుంటే, దయచేసి మీ సిస్టమ్ ముందస్తు-అవసరాలు (ఉదా. Docker ఇన్స్టాల్ చేయబడినదని) [getting started documentation](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started)లో చూసి నిర్ధారించండి.
|
|
|
|
|
|
ఈ రెపొజిటరీని ఉపయోగించడానికి, మీరు లేదా రెపోను ఒక వేరుగా డాకర్ వాల్యూమ్లో ఓపెన్ చేయొచ్చు:
|
|
|
|
|
|
**గమనిక**: ఆ పని Remote-Containers: **Clone Repository in Container Volume...** కమాండ్ను ఉపయోగిస్తుంది, ఇది సోర్స్ కోడ్ను స్థానిక ఫైల్ సిస్టమ్ స్థానంలో డాకర్ వాల్యూమ్లో క్లోన్ చేయడానికి ఉపయోగిస్తదు. [Volumes](https://docs.docker.com/storage/volumes/) కంటైనర్ డేటాను నిల్వ చేయడానికి ఇష్టమైన మెకానిజం.
|
|
|
|
|
|
లేదా రెపొ యొక్క స్థానికంగా క్లోన్ చేయబడిన లేదా డౌన్లోడ్ చేసిన కాపీని ఓపెన్ చేయండి:
|
|
|
|
|
|
- ఈ రెపొను మీ స్థానిక ఫైల్ సిస్టమ్కి క్లోన్ చేయండి.
|
|
|
- F1 నొక్కండి మరియు Remote-Containers: Open Folder in Container... కమాండ్ను ఎంచుకోండి.
|
|
|
- ఈ ఫోల్డర్ యొక్క క్లోన్ కాపీని ఎంచుకుని, కంటైనర్ ప్రారంభమయ్యే వరకు వేచి, తర్వాత ప్రయత్నించండి.
|
|
|
|
|
|
## ఆఫ్లైన్ యాక్సెస్
|
|
|
|
|
|
[Docsify](https://docsify.js.org/#/)ను ఉపయోగించి మీరు ఈ డాక్యుమెంటేషన్ను ఆఫ్లైన్లో నడపవచ్చు. ఈ రెపోను fork చేయండి, మీ స్థానిక యంత్రంలో [Docsify ఇన్స్టాల్](https://docsify.js.org/#/quickstart) చేయండి, ఆపై ఈ రెపొ యొక్క రూట్ ఫోల్డర్లో `docsify serve` టైప్ చేయండి. వెబ్సైట్ మీ స్థానిక 호స్ట్లో పోర్ట్ 3000 పై సర్వ్ అవుతుంది: `localhost:3000`.
|
|
|
|
|
|
> గమనిక, నోట్బుక్స్ Docsify ద్వారా రేండర్ కొరకు కనిపించవు, కాబట్టి మీరు నోట్బుక్ నడపాల్సినప్పుడు, దాన్ని వేరుగా VS Code లో Python kernelతో రన్ చేయండి.
|
|
|
|
|
|
## ఇతర పాఠ్య కార్యక్రమాలు
|
|
|
|
|
|
మా టీమ్ ఇతర పాఠ్యక్రమాలను కూడా తయారుచేస్తుంది! చూసి తెలుసుకోండి:
|
|
|
|
|
|
<!-- 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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### సృజనాత్మక AI సిరీస్
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### ప్రధాన అభ్యాసం
|
|
|
[](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 సిరీస్
|
|
|
[](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 -->
|
|
|
|
|
|
## సహాయం
|
|
|
|
|
|
**సమస్యలు ఎదురవుతున్నాయా?** సాధారణ సమస్యల పరిష్కారాల కోసం మా [పరిష్కార మార్గదర్శి](TROUBLESHOOTING.md) న్ను పరిశీలించండి.
|
|
|
|
|
|
మీరు చిక్కుకున్నట్లయితే లేదా AI యాప్స్ నిర్మించడంపై మీకు ఏవైనా ప్రశ్నలు ఉంటే. MCP గురించి చర్చల్లో ఇతర అభ్యాసకులు మరియు అనుభవజ్ఞులైన డెవలపర్లతో చేరండి. ఇది ప్రశ్నలకు స్వాగతమిచ్చే మరియు జ్ఞానాన్ని ఉచితంగా పంచుకునే ఒక సహాయక సముదాయం.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
If you have product feedback or errors while building visit:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
అస్పష్టీకరణ:
|
|
|
ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి యత్నించినప్పటికీ, స్వయంచాలిత అనువాదాల్లో పొరపాట్లు లేదా లోపాలు ఉండే అవకాశం ఉందని దయచేసి గమనించండి. అసలు పత్రాన్ని దాని స్థానిక భాషలో అధికారిక మూలంగా పరిగణించాలి. కీలకమైన సమాచారం కోసం వృత్తిపరమైన మానవ అనువాదాన్ని సూచిస్తాము. ఈ అనువాదం వాడకంవలన ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుగా అర్థం చేసుకోవడాలకై మేము బాధ్యత వహించము.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |