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.
142 lines
12 KiB
142 lines
12 KiB
# ឧទាហរណ៍វិទ្យាសាស្ត្រទិន្នន័យសម្រួលសម្រាប់អ្នកចាប់ផ្តើម
|
|
|
|
សូមស្វាគមន៍មកកាន់ថតឯកសារឧទាហរណ៍! ការប្រមូលផ្តុំឧទាហរណ៍សាមញ្ញដែលមានការពន្យល់លម្អិតនេះត្រូវបានរចនាឡើងដើម្បីជួយអ្នកចាប់ផ្តើមជាមួយវិទ្យាសាស្ត្រទិន្នន័យ ទោះបីជាអ្នកជាអ្នកចាប់ផ្តើមសង្ខេបក៏ដោយ។
|
|
|
|
## 📚 អ្វីដែលអ្នកនឹងរកឃើញនៅទីនេះ
|
|
|
|
អៀហរណ៍នីមួយៗមានភាពឯករាជ្យ និងរួមបញ្ចូល៖
|
|
- **កំណត់សម្គាល់ច្បាស់លាស់** ពន្យល់ជំហានរាល់ជំហាន
|
|
- **កូដសាមញ្ញអាចអានបាន** ដែលបង្ហាញមេរៀនមួយក្នុងពេលមួយ
|
|
- **បរិបទពិតជាពិភពលោក** ជួយអ្នកយល់ពីពេលណា និងហេតុអ្វីបានប្រើបច្ចេកទេសទាំងនេះ
|
|
- **លទ្ធផលដែលរំពឹងទុក** ដើម្បីឲ្យអ្នកដឹងត្រូវស្វែងរកអ្វី
|
|
|
|
## 🚀 ការចាប់ផ្តើម
|
|
|
|
### លក្ខខ័ណ្ឌមុន
|
|
មុនពេលរត់ឧទាហរណ៍ទាំងនេះ សូមប្រាកដថាអ្នកមាន៖
|
|
- Python 3.7 ឬខ្ពស់ជាងនេះបានដំឡើង
|
|
- ការយល់ដឹងមូលដ្ឋានពីរបៀបរត់ស្គ្រីប Python
|
|
|
|
### ការដំឡើងបណ្ណាល័យត្រូវការ
|
|
```bash
|
|
pip install pandas numpy matplotlib
|
|
```
|
|
|
|
## 📖 មើលទិដ្ឋភាពទូទៅនៃឧទាហរណ៍
|
|
|
|
### 1. Hello World - បែបវិទ្យាសាស្ត្រទិន្នន័យ
|
|
**ឯកសារ៖** `01_hello_world_data_science.py`
|
|
|
|
កម្មវិធីវិទ្យាសាស្ត្រទិន្នន័យដំបូងរបស់អ្នក! ស្វែងរៀនពីរបៀប៖
|
|
- ដោនឡើងបណ្ដុំទិន្នន័យសាមញ្ញ
|
|
- បង្ហាញព័ត៌មានមូលដ្ឋានអំពីទិន្នន័យរបស់អ្នក
|
|
- បោះពុម្ពលទ្ធផលវិទ្យាសាស្ត្រទិន្នន័យដំបូងរបស់អ្នក
|
|
|
|
ល្អឥតខ្ចោះសម្រាប់អ្នកចាប់ផ្តើមដែលចង់មើលកម្មវិធីវិទ្យាសាស្ត្រទិន្នន័យដំបូងរបស់ពួកគេក្នុងសកម្មភាព។
|
|
|
|
---
|
|
|
|
### 2. ការផ្ទុក និងស្វែងរកទិន្នន័យ
|
|
**ឯកសារ៖** `02_loading_data.py`
|
|
|
|
ស្វែងយល់មូលដ្ឋាននៃការងារជាមួយទិន្នន័យ៖
|
|
- អានទិន្នន័យពីឯកសារ CSV
|
|
- មើលជួរដំបូងៗនៃបណ្ដុំទិន្នន័យរបស់អ្នក
|
|
- ទទួលបានស្ថិតិមូលដ្ឋានអំពីទិន្នន័យរបស់អ្នក
|
|
- យល់ពីប្រភេទទិន្នន័យ
|
|
|
|
នេះជាជំហានដំបូងច្រើនជាងគេនៅក្នុងគម្រោងវិទ្យាសាស្ត្រទិន្នន័យ!
|
|
|
|
---
|
|
|
|
### 3. វិភាគទិន្នន័យសាមញ្ញ
|
|
**ឯកសារ៖** `03_simple_analysis.py`
|
|
|
|
អនុវត្តវិភាគទិន្នន័យដំបូងរបស់អ្នក៖
|
|
- គណនាស្ថិតិមូលដ្ឋាន (មធ្យម, មេឌីយ៉ាន, ម៉ូដ)
|
|
- រកតម្លៃអតិបរមា និងអប្បបរមា
|
|
- រាប់ចំនួនករណីនៃតម្លៃ
|
|
- ផ្ទាត់ទិន្នន័យអាស្រ័យលើលក្ខខណ្ឌ
|
|
|
|
មើលពីរបៀបឆ្លើយសំណួរសាមញ្ញអំពីទិន្នន័យរបស់អ្នក។
|
|
|
|
---
|
|
|
|
### 4. មូលដ្ឋានការបង្ហាញទិន្នន័យ
|
|
**ឯកសារ៖** `04_basic_visualization.py`
|
|
|
|
បង្កើតការបង្ហាញផ្ទាំងដំបូងរបស់អ្នក៖
|
|
- បង្កើតក្រាហ្វបារែសាមញ្ញមួយ
|
|
- បង្កើតការបង្ហាញជារបារបន្ទាត់
|
|
- បង្កើតក្រាហ្វព្រី
|
|
- រក្សាទុកការបង្ហាញរបស់អ្នកជារូបភាព
|
|
|
|
រៀនបច្ចេកទេសផ្សព្វផ្សាយការស្វែងរករបស់អ្នកជាផ្ទាំង!
|
|
|
|
---
|
|
|
|
### 5. ធ្វើការជាមួយទិន្នន័យពិត
|
|
**ឯកសារ៖** `05_real_world_example.py`
|
|
|
|
ប្រមូលចំនុចទាំងអស់ជាមួយឧទាហរណ៍ពេញលេញ៖
|
|
- ដោនឡើងទិន្នន័យពិតពីឃ្លាំងទិន្នន័យ
|
|
- សម្អាត និងរៀបចំទិន្នន័យ
|
|
- អនុវត្តវិភាគ
|
|
- បង្កើតការបង្ហាញដ៏មានន័យ
|
|
- ស្ដាប់ចេញនូវសេចក្តីសន្និដ្ឋាន
|
|
|
|
ឧទាហរណ៍នេះបង្ហាញដំណើរការពេញលេញចាប់ពីការចាប់ផ្តើមដល់បញ្ចប់។
|
|
|
|
---
|
|
|
|
## 🎯 របៀបប្រើឧទាហរណ៍ទាំងនេះ
|
|
|
|
1. **ចាប់ផ្តើមពីដំបូង**៖ ឧទាហរណ៍ត្រូវបានលេខរៀបឡើងតាមកម្រិតភាពខុសប្លែក។ ចាប់ផ្តើមជាមួយ `01_hello_world_data_science.py` ហើយបន្តទៅមុខ។
|
|
|
|
2. **អានកំណត់សម្គាល់**៖ ឯកសារនីមួយៗមានកំណត់សម្គាល់លម្អិតពន្យល់ពីអ្វីដែលកូដធ្វើ និងហេតុអ្វីបានធ្វើ។ សូមអានយ៉ាងយកចិត្តទុកដាក់!
|
|
|
|
3. **សាកល្បង**៖ ព្យាយាមកែប្រែកូដ។ មានអ្វីកើតឡើងប្រសិនបើអ្នកប្ដូរតម្លៃមួយ? បែកបាក់ ហើយជួសជុលវា - នោះជារបៀបដែលអ្នករៀន!
|
|
|
|
4. **រត់កូដ**៖ ប្រតិបត្តិឧទាហរណ៍នីមួយៗ ហើយសង្កេតលទ្ធផល។ ប្រៀបធៀបវាជាមួយអ្វីដែលអ្នករំពឹងទុក។
|
|
|
|
5. **ពង្រីកវា**៖ ពេលដែលអ្នកយល់ឧទាហរណ៍មួយ សាកល្បងពង្រីកវា ជាមួយគំនិតផ្ទាល់ខ្លួន។
|
|
|
|
## 💡 យោបល់សម្រាប់អ្នកចាប់ផ្តើម
|
|
|
|
- **កុំរត់លឿន**៖ ចំណាយពេលយល់ឧទាហរណ៍នីមួយៗ មុនពេលទៅកាន់វាជាថ្មី
|
|
- **វាយកូដដោយខ្លួនឯង**៖ កុំគ្រាន់តែចម្លងបិទបិទ។ ការវាយជួយអ្នករៀន និងចងចាំ
|
|
- **ស្វែងរកមេរៀនដែលមិនស្គាល់**៖ ប្រសិនបើអ្នកឃើញអ្វីមួយដែលមិនយល់ ស្វែងរកវាពីអ៊ិនធឺណែត ឬនៅក្នុងមេរៀនសំខាន់ៗ
|
|
- **សួរពិភាក្សា**៖ ចូលរួមក្នុង [វេទិកាពិភាក្សា](https://github.com/microsoft/Data-Science-For-Beginners/discussions) ប្រសិនបើអ្នកត្រូវការជំនួយ
|
|
- **ហ្វឹកហ្វឺនជាប្រចាំ**៖ ព្យាយាមកូដប្រហែលតិចៗរៀងរាល់ថ្ងៃ ជាជាងពេលវេលាធំធេងមួយភាគច្រេីនក្នុងមួយសប្តាហ៍
|
|
|
|
## 🔗 ជំហានបន្ទាប់
|
|
|
|
បន្ទាប់ពីបញ្ចប់ឧទាហរណ៍ទាំងនេះ អ្នករួចរាល់រាល់បញ្ហា៖
|
|
- ធ្វើតាមមេរៀនគ្រប់មេរៀន
|
|
- សាកល្បងការងារប្រលងនៅក្នុងថតមេរៀននីមួយៗ
|
|
- ស្វែងយល់កំណត់ត្រា Jupyter សម្រាប់ការសិក្សាដ៏ជ្រាលជ្រៅ
|
|
- បង្កើតគម្រោងវិទ្យាសាស្ត្រទិន្នន័យផ្ទាល់ខ្លួន
|
|
|
|
## 📚 ប្រភពអភិវឌ្ឍបន្ថែម
|
|
|
|
- [មេរៀនសំខាន់](../README.md) - វគ្គរៀនភាគ20ពេញលេញ
|
|
- [សម្រាប់គ្រូ](../for-teachers.md) - ការប្រើវគ្គនេះក្នុងថ្នាក់រៀនរបស់អ្នក
|
|
- [Microsoft Learn](https://docs.microsoft.com/learn/) - ប្រភពសិក្សាអនឡាញឥតគិតថ្លៃ
|
|
- [ឯកសារព័ត៌មាន Python](https://docs.python.org/3/) - ឯកសារយោងផ្លូវការរបស់ Python
|
|
|
|
## 🤝 ការរួមចំណែក
|
|
|
|
បានរកឃើញបញ្ហាឬមានគំនិតសម្រាប់ឧទាហរណ៍ថ្មី? យើងសូមស្វាគមន៍ការរួមចំណែក! សូមមើល [មគ្គុទេសក៍រួមចំណែក](../CONTRIBUTING.md) របស់យើង។
|
|
|
|
---
|
|
|
|
**សូមរីករាយរៀន! 🎉**
|
|
|
|
ចូរចងចាំ៖ អ្នកជំនាញរាល់គ្នាបានធ្លាប់ជាអ្នកចាប់ផ្តើមមួយនៅពេលម៉ូដមុន។ ចាប់ផ្តើមជំហានមួយៗ ហើយកុំភ័យខ្លាចក្នុងការខកខាន - ពួកវាជាផ្នែកនៃដំណើរការរៀន!
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**ការបដិសេធ**៖
|
|
ឯកសារនេះត្រូវបានបកប្រែក្នុងការប្រើប្រាស់សេវាកម្មបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ទោះបីយើងខិតខំប្រឹងប្រែងដើម្បីបានភាពត្រឹមត្រូវ ក៏សូមយល់ថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមនៅក្នុងភាសាដើមគួរត្រូវបានពិចារណាជា ប្រភពមានអាទិភាព ។ សម្រាប់ព័ត៌មានសំខាន់ ផ្តល់អនុសាសន៍ឱ្យប្រើប្រាស់ការបកប្រែដោយមនុស្សជំនាញ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយតិចតួចណាមួយដែលកើតចេញពីការប្រើប្រាស់ការបកប្រែនេះនោះទេ។
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |