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.
367 lines
22 KiB
367 lines
22 KiB
# ഉപയോഗ മാർഗ്ഗനിർദ്ദേശം
|
|
|
|
ഡാറ്റാ സയൻസ് ഫോർ ബിഗിനേഴ്സ് പാഠ്യപദ്ധതിയുടെ ഉദാഹരണങ്ങളും സാധാരണ പ്രവൃത്തിപദ്ധതികളും ഈ മാർഗ്ഗനിർദ്ദേശം നൽകുന്നു.
|
|
|
|
## ഉള്ളടക്ക പട്ടിക
|
|
|
|
- [ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാം](../..)
|
|
- [പാഠങ്ങളുമായി പ്രവർത്തിക്കൽ](../..)
|
|
- [ജുപിറ്റർ നോട്ട്ബുക്കുകളുമായി പ്രവർത്തിക്കൽ](../..)
|
|
- [ക്വിസ് അപ്ലിക്കേഷൻ ഉപയോഗിക്കൽ](../..)
|
|
- [സാധാരണ പ്രവൃത്തിപദ്ധതികൾ](../..)
|
|
- [സ്വയം പഠിക്കുന്നവർക്കുള്ള ടിപ്പുകൾ](../..)
|
|
- [അധ്യാപകർക്കുള്ള ടിപ്പുകൾ](../..)
|
|
|
|
## ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാം
|
|
|
|
ഈ പാഠ്യപദ്ധതി ലവചികമായും വിവിധ രീതികളിൽ ഉപയോഗിക്കാവുന്നതുമായ രീതിയിൽ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു:
|
|
|
|
- **സ്വയംനിർദ്ദേശ പഠനം**: നിങ്ങളുടെ സ്വന്തം വേഗതയിൽ സ്വതന്ത്രമായി പാഠങ്ങൾ പഠിക്കുക
|
|
- **ക്ലാസ്റൂം നിർദ്ദേശം**: മാർഗ്ഗനിർദ്ദേശത്തോടെ ഘടനാപരമായ കോഴ്സ് ആയി ഉപയോഗിക്കുക
|
|
- **അധ്യയന ഗ്രൂപ്പുകൾ**: കൂട്ടായ്മയിൽ സഹപാഠികളോടൊപ്പം പഠിക്കുക
|
|
- **വർക്ക്ഷോപ്പ് ഫോർമാറ്റ്**: തീവ്രമായ ചെറുകാല പഠന സെഷനുകൾ
|
|
|
|
## പാഠങ്ങളുമായി പ്രവർത്തിക്കൽ
|
|
|
|
ഓരോ പാഠവും പഠനം പരമാവധി ആക്കാൻ സ്ഥിരമായ ഘടന പിന്തുടരുന്നു:
|
|
|
|
### പാഠ ഘടന
|
|
|
|
1. **പ്രീ-പാഠ ക്വിസ്**: നിലവിലുള്ള അറിവ് പരിശോധിക്കുക
|
|
2. **സ്കെച്ച്നോട്ട്** (ഐച്ഛികം): പ്രധാന ആശയങ്ങളുടെ ദൃശ്യ സംഗ്രഹം
|
|
3. **വീഡിയോ** (ഐച്ഛികം): അനുബന്ധ വീഡിയോ ഉള്ളടക്കം
|
|
4. **ലിഖിത പാഠം**: മുഖ്യ ആശയങ്ങളും വിശദീകരണങ്ങളും
|
|
5. **ജുപിറ്റർ നോട്ട്ബുക്ക്**: പ്രായോഗിക കോഡിംഗ് അഭ്യാസങ്ങൾ
|
|
6. **അസൈൻമെന്റ്**: പഠിച്ചതു പ്രയോഗിക്കുക
|
|
7. **പോസ്റ്റ്-പാഠ ക്വിസ്**: നിങ്ങളുടെ മനസ്സിലാക്കൽ ശക്തിപ്പെടുത്തുക
|
|
|
|
### ഒരു പാഠത്തിനുള്ള ഉദാഹരണ പ്രവൃത്തിപദ്ധതി
|
|
|
|
```bash
|
|
# 1. പാഠം ഡയറക്ടറിയിലേക്ക് നാവിഗേറ്റ് ചെയ്യുക
|
|
cd 1-Introduction/01-defining-data-science
|
|
|
|
# 2. README.md വായിക്കുക
|
|
# README.md നിങ്ങളുടെ ബ്രൗസറിലോ എഡിറ്ററിലോ തുറക്കുക
|
|
|
|
# 3. പൂർവ്വപാഠം ക്വിസ് എടുക്കുക
|
|
# README-യിലെ ക്വിസ് ലിങ്കിൽ ക്ലിക്ക് ചെയ്യുക
|
|
|
|
# 4. Jupyter നോട്ട്ബുക്ക് തുറക്കുക (ലഭ്യമായാൽ)
|
|
jupyter notebook
|
|
|
|
# 5. നോട്ട്ബുക്കിലെ അഭ്യാസങ്ങൾ പൂർത്തിയാക്കുക
|
|
|
|
# 6. അസൈൻമെന്റിൽ പ്രവർത്തിക്കുക
|
|
|
|
# 7. പാശ്ചാത്യപാഠം ക്വിസ് എടുക്കുക
|
|
```
|
|
|
|
## ജുപിറ്റർ നോട്ട്ബുക്കുകളുമായി പ്രവർത്തിക്കൽ
|
|
|
|
### ജുപിറ്റർ ആരംഭിക്കൽ
|
|
|
|
```bash
|
|
# നിങ്ങളുടെ വെർച്വൽ എൻവയോൺമെന്റ് സജീവമാക്കുക
|
|
source venv/bin/activate # മാക്ഓഎസ്/ലിനക്സിൽ
|
|
# അല്ലെങ്കിൽ
|
|
venv\Scripts\activate # വിൻഡോസിൽ
|
|
|
|
# റിപോസിറ്ററി റൂട്ടിൽ നിന്ന് ജുപിറ്റർ ആരംഭിക്കുക
|
|
jupyter notebook
|
|
```
|
|
|
|
### നോട്ട്ബുക്ക് സെല്ലുകൾ പ്രവർത്തിപ്പിക്കൽ
|
|
|
|
1. **ഒരു സെൽ പ്രവർത്തിപ്പിക്കുക**: `Shift + Enter` അമർത്തുക അല്ലെങ്കിൽ "Run" ബട്ടൺ ക്ലിക്ക് ചെയ്യുക
|
|
2. **എല്ലാ സെല്ലുകളും പ്രവർത്തിപ്പിക്കുക**: മെനുവിൽ നിന്ന് "Cell" → "Run All" തിരഞ്ഞെടുക്കുക
|
|
3. **കേർണൽ പുനരാരംഭിക്കുക**: പ്രശ്നങ്ങൾ ഉണ്ടെങ്കിൽ "Kernel" → "Restart" തിരഞ്ഞെടുക്കുക
|
|
|
|
### ഉദാഹരണം: നോട്ട്ബുക്കിൽ ഡാറ്റയുമായി പ്രവർത്തിക്കൽ
|
|
|
|
```python
|
|
# ആവശ്യമായ ലൈബ്രറികൾ ഇറക്കുമതി ചെയ്യുക
|
|
import pandas as pd
|
|
import numpy as np
|
|
import matplotlib.pyplot as plt
|
|
|
|
# ഒരു ഡാറ്റാസെറ്റ് ലോഡ് ചെയ്യുക
|
|
df = pd.read_csv('data/sample.csv')
|
|
|
|
# ഡാറ്റ പരിശോധിക്കുക
|
|
df.head()
|
|
df.info()
|
|
df.describe()
|
|
|
|
# ഒരു ദൃശ്യവൽക്കരണം സൃഷ്ടിക്കുക
|
|
plt.figure(figsize=(10, 6))
|
|
plt.plot(df['column_name'])
|
|
plt.title('Sample Visualization')
|
|
plt.xlabel('X-axis Label')
|
|
plt.ylabel('Y-axis Label')
|
|
plt.show()
|
|
```
|
|
|
|
### നിങ്ങളുടെ ജോലി സംരക്ഷിക്കൽ
|
|
|
|
- ജുപിറ്റർ സ്വയംക്രമമായി ഇടക്കിടെ സേവ് ചെയ്യുന്നു
|
|
- മാനുവലായി സേവ് ചെയ്യാൻ: `Ctrl + S` (മാക്ഓഎസിൽ `Cmd + S`) അമർത്തുക
|
|
- നിങ്ങളുടെ പുരോഗതി `.ipynb` ഫയലിൽ സേവ് ചെയ്യപ്പെടുന്നു
|
|
|
|
## ക്വിസ് അപ്ലിക്കേഷൻ ഉപയോഗിക്കൽ
|
|
|
|
### ക്വിസ് ആപ്പ് ലോക്കലായി പ്രവർത്തിപ്പിക്കൽ
|
|
|
|
```bash
|
|
# ക്വിസ് ആപ്പ് ഡയറക്ടറിയിലേക്ക് നാവിഗേറ്റ് ചെയ്യുക
|
|
cd quiz-app
|
|
|
|
# ഡെവലപ്പ്മെന്റ് സർവർ ആരംഭിക്കുക
|
|
npm run serve
|
|
|
|
# http://localhost:8080 ൽ ആക്സസ് ചെയ്യുക
|
|
```
|
|
|
|
### ക്വിസുകൾ എടുക്കൽ
|
|
|
|
1. പ്രീ-പാഠ ക്വിസുകൾ ഓരോ പാഠത്തിന്റെ മുകളിൽ ലിങ്ക് ചെയ്തിരിക്കുന്നു
|
|
2. പോസ്റ്റ്-പാഠ ക്വിസുകൾ ഓരോ പാഠത്തിന്റെ താഴെ ലിങ്ക് ചെയ്തിരിക്കുന്നു
|
|
3. ഓരോ ക്വിസിലും 3 ചോദ്യങ്ങളുണ്ട്
|
|
4. ക്വിസുകൾ പഠനം ശക്തിപ്പെടുത്താൻ രൂപകൽപ്പന ചെയ്തതാണ്, പൂർണ്ണമായ പരീക്ഷണത്തിന് അല്ല
|
|
|
|
### ക്വിസ് നമ്പറിംഗ്
|
|
|
|
- ക്വിസുകൾ 0-39 വരെ നമ്പർ ചെയ്തിരിക്കുന്നു (മൊത്തം 40 ക്വിസുകൾ)
|
|
- ഓരോ പാഠത്തിനും സാധാരണയായി പ്രീയും പോസ്റ്റും ക്വിസ് ഉണ്ട്
|
|
- ക്വിസ് URLs-ൽ ക്വിസ് നമ്പർ ഉൾപ്പെടുന്നു: `https://ff-quizzes.netlify.app/en/ds/quiz/0`
|
|
|
|
## സാധാരണ പ്രവൃത്തിപദ്ധതികൾ
|
|
|
|
### പ്രവൃത്തിപദ്ധതി 1: പൂർണ്ണ തുടക്കക്കാരൻ പാത
|
|
|
|
```bash
|
|
# 1. നിങ്ങളുടെ പരിസ്ഥിതി സജ്ജമാക്കുക (INSTALLATION.md കാണുക)
|
|
|
|
# 2. പാഠം 1 മുതൽ ആരംഭിക്കുക
|
|
cd 1-Introduction/01-defining-data-science
|
|
|
|
# 3. ഓരോ പാഠത്തിനും:
|
|
# - പാഠത്തിന് മുമ്പുള്ള ക്വിസ് എടുക്കുക
|
|
# - പാഠത്തിന്റെ ഉള്ളടക്കം വായിക്കുക
|
|
# - നോട്ട്ബുക്ക് വഴി പ്രവർത്തിക്കുക
|
|
# - അസൈൻമെന്റ് പൂർത്തിയാക്കുക
|
|
# - പാഠത്തിന് ശേഷമുള്ള ക്വിസ് എടുക്കുക
|
|
|
|
# 4. എല്ലാ 20 പാഠങ്ങളും ക്രമമായി മുന്നോട്ട് പോകുക
|
|
```
|
|
|
|
### പ്രവൃത്തിപദ്ധതി 2: വിഷയം-നിർദ്ദിഷ്ട പഠനം
|
|
|
|
നിങ്ങൾക്ക് ഒരു പ്രത്യേക വിഷയത്തിൽ താൽപര്യമുണ്ടെങ്കിൽ:
|
|
|
|
```bash
|
|
# ഉദാഹരണം: ഡാറ്റാ ദൃശ്യീകരണത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക
|
|
cd 3-Data-Visualization
|
|
|
|
# പാഠങ്ങൾ 9-13 പരിശോധിക്കുക:
|
|
# - പാഠം 9: അളവുകൾ ദൃശ്യീകരിക്കൽ
|
|
# - പാഠം 10: വിതരണങ്ങൾ ദൃശ്യീകരിക്കൽ
|
|
# - പാഠം 11: അനുപാതങ്ങൾ ദൃശ്യീകരിക്കൽ
|
|
# - പാഠം 12: ബന്ധങ്ങൾ ദൃശ്യീകരിക്കൽ
|
|
# - പാഠം 13: അർത്ഥവത്തായ ദൃശ്യീകരണങ്ങൾ
|
|
```
|
|
|
|
### പ്രവൃത്തിപദ്ധതി 3: പ്രോജക്ട്-അധിഷ്ഠിത പഠനം
|
|
|
|
```bash
|
|
# 1. ഡാറ്റ സയൻസ് ലൈഫ്സൈക്കിൾ പാഠങ്ങൾ (14-16) അവലോകനം ചെയ്യുക
|
|
cd 4-Data-Science-Lifecycle
|
|
|
|
# 2. യഥാർത്ഥ ലോക ഉദാഹരണം വഴി പ്രവർത്തിക്കുക (പാഠം 20)
|
|
cd ../6-Data-Science-In-Wild/20-Real-World-Examples
|
|
|
|
# 3. നിങ്ങളുടെ സ്വന്തം പ്രോജക്ടിൽ ആശയങ്ങൾ പ്രയോഗിക്കുക
|
|
```
|
|
|
|
### പ്രവൃത്തിപദ്ധതി 4: ക്ലൗഡ്-അധിഷ്ഠിത ഡാറ്റാ സയൻസ്
|
|
|
|
```bash
|
|
# ക്ലൗഡ് ഡാറ്റ സയൻസ് പഠിക്കുക (പാഠങ്ങൾ 17-19)
|
|
cd 5-Data-Science-In-Cloud
|
|
|
|
# 17: ക്ലൗഡ് ഡാറ്റ സയൻസിലേക്ക് പരിചയം
|
|
# 18: ലോ-കോഡ് എംഎൽ ടൂളുകൾ
|
|
# 19: അസ്യൂർ മെഷീൻ ലേണിംഗ് സ്റ്റുഡിയോ
|
|
```
|
|
|
|
## സ്വയം പഠിക്കുന്നവർക്കുള്ള ടിപ്പുകൾ
|
|
|
|
### ക്രമീകരിച്ചിരിക്കുക
|
|
|
|
```bash
|
|
# ഒരു പഠന ജേർണൽ സൃഷ്ടിക്കുക
|
|
mkdir my-learning-journal
|
|
|
|
# ഓരോ പാഠത്തിനും കുറിപ്പുകൾ സൃഷ്ടിക്കുക
|
|
echo "# Lesson 1 Notes" > my-learning-journal/lesson-01-notes.md
|
|
```
|
|
|
|
### പതിവായി അഭ്യാസം ചെയ്യുക
|
|
|
|
- ഓരോ ദിവസവും അല്ലെങ്കിൽ ആഴ്ചയിൽ ഒരു നിശ്ചിത സമയം മാറ്റിവെക്കുക
|
|
- ആഴ്ചയിൽ കുറഞ്ഞത് ഒരു പാഠം പൂർത്തിയാക്കുക
|
|
- മുമ്പത്തെ പാഠങ്ങൾ ഇടക്കിടെ അവലോകനം ചെയ്യുക
|
|
|
|
### സമൂഹവുമായി ഇടപഴകുക
|
|
|
|
- [ഡിസ്കോർഡ് സമൂഹം](https://aka.ms/ds4beginners/discord)യിൽ ചേരുക
|
|
- ഡിസ്കോർഡിലെ #Data-Science-for-Beginners ചാനലിൽ പങ്കെടുക്കുക [Discord Discussions](https://aka.ms/ds4beginners/discord)
|
|
- നിങ്ങളുടെ പുരോഗതി പങ്കുവെക്കുകയും ചോദ്യങ്ങൾ ചോദിക്കുകയും ചെയ്യുക
|
|
|
|
### നിങ്ങളുടെ സ്വന്തം പ്രോജക്ടുകൾ നിർമ്മിക്കുക
|
|
|
|
പാഠങ്ങൾ പൂർത്തിയാക്കിയ ശേഷം, ആശയങ്ങൾ വ്യക്തിഗത പ്രോജക്ടുകളിൽ പ്രയോഗിക്കുക:
|
|
|
|
```python
|
|
# ഉദാഹരണം: നിങ്ങളുടെ സ്വന്തം ഡാറ്റാസെറ്റ് വിശകലനം ചെയ്യുക
|
|
import pandas as pd
|
|
|
|
# നിങ്ങളുടെ സ്വന്തം ഡാറ്റ ലോഡ് ചെയ്യുക
|
|
my_data = pd.read_csv('my-project/data.csv')
|
|
|
|
# പഠിച്ച സാങ്കേതിക വിദ്യകൾ പ്രയോഗിക്കുക
|
|
# - ഡാറ്റ ശുചീകരണം (പാഠം 8)
|
|
# - അന്വേഷണാത്മക ഡാറ്റ വിശകലനം (പാഠം 7)
|
|
# - ദൃശ്യവൽക്കരണം (പാഠങ്ങൾ 9-13)
|
|
# - വിശകലനം (പാഠം 15)
|
|
```
|
|
|
|
## അധ്യാപകർക്കുള്ള ടിപ്പുകൾ
|
|
|
|
### ക്ലാസ്റൂം ക്രമീകരണം
|
|
|
|
1. വിശദമായ മാർഗ്ഗനിർദ്ദേശങ്ങൾക്ക് [for-teachers.md](for-teachers.md) പരിശോധിക്കുക
|
|
2. പങ്കുവെക്കുന്ന പരിസ്ഥിതി സജ്ജമാക്കുക (GitHub Classroom അല്ലെങ്കിൽ Codespaces)
|
|
3. ഒരു ആശയവിനിമയ ചാനൽ സ്ഥാപിക്കുക (Discord, Slack, അല്ലെങ്കിൽ Teams)
|
|
|
|
### പാഠം പദ്ധതിയിടൽ
|
|
|
|
**സൂചിപ്പിച്ച 10-ആഴ്ച ഷെഡ്യൂൾ:**
|
|
|
|
- **ആഴ്ച 1-2**: പരിചയം (പാഠങ്ങൾ 1-4)
|
|
- **ആഴ്ച 3-4**: ഡാറ്റയുമായി പ്രവർത്തിക്കൽ (പാഠങ്ങൾ 5-8)
|
|
- **ആഴ്ച 5-6**: ഡാറ്റാ ദൃശ്യീകരണം (പാഠങ്ങൾ 9-13)
|
|
- **ആഴ്ച 7-8**: ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിൾ (പാഠങ്ങൾ 14-16)
|
|
- **ആഴ്ച 9**: ക്ലൗഡ് ഡാറ്റാ സയൻസ് (പാഠങ്ങൾ 17-19)
|
|
- **ആഴ്ച 10**: യാഥാർത്ഥ്യ പ്രയോഗങ്ങളും അന്തിമ പ്രോജക്ടുകളും (പാഠം 20)
|
|
|
|
### ഓഫ്ലൈൻ ആക്സസിനായി ഡോക്സിഫൈ പ്രവർത്തിപ്പിക്കൽ
|
|
|
|
```bash
|
|
# ക്ലാസ് റൂം ഉപയോഗത്തിനായി ഡോക്യുമെന്റേഷൻ ലോക്കലായി സർവ് ചെയ്യുക
|
|
docsify serve
|
|
|
|
# വിദ്യാർത്ഥികൾ localhost:3000 ൽ പ്രവേശിക്കാം
|
|
# പ്രാഥമിക ക്രമീകരണത്തിന് ശേഷം ഇന്റർനെറ്റ് ആവശ്യമില്ല
|
|
```
|
|
|
|
### അസൈൻമെന്റ് ഗ്രേഡിംഗ്
|
|
|
|
- പൂർത്തിയാക്കിയ അഭ്യാസങ്ങൾക്കായി വിദ്യാർത്ഥികളുടെ നോട്ട്ബുക്കുകൾ പരിശോധിക്കുക
|
|
- ക്വിസ് സ്കോറുകൾ വഴി മനസ്സിലാക്കൽ പരിശോധിക്കുക
|
|
- ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിൾ സിദ്ധാന്തങ്ങൾ ഉപയോഗിച്ച് അന്തിമ പ്രോജക്ടുകൾ വിലയിരുത്തുക
|
|
|
|
### അസൈൻമെന്റുകൾ സൃഷ്ടിക്കൽ
|
|
|
|
```python
|
|
# ഉദാഹരണ കസ്റ്റം അസൈൻമെന്റ് ടെംപ്ലേറ്റ്
|
|
"""
|
|
Assignment: [Topic]
|
|
|
|
Objective: [Learning goal]
|
|
|
|
Dataset: [Provide or have students find one]
|
|
|
|
Tasks:
|
|
1. Load and explore the dataset
|
|
2. Clean and prepare the data
|
|
3. Create at least 3 visualizations
|
|
4. Perform analysis
|
|
5. Communicate findings
|
|
|
|
Deliverables:
|
|
- Jupyter notebook with code and explanations
|
|
- Written summary of findings
|
|
"""
|
|
```
|
|
|
|
## ഓഫ്ലൈൻ പ്രവർത്തനം
|
|
|
|
### വിഭവങ്ങൾ ഡൗൺലോഡ് ചെയ്യുക
|
|
|
|
```bash
|
|
# മുഴുവൻ റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക
|
|
git clone https://github.com/microsoft/Data-Science-For-Beginners.git
|
|
|
|
# ഡാറ്റാസെറ്റുകൾ മുൻകൂട്ടി ഡൗൺലോഡ് ചെയ്യുക
|
|
# മിക്ക ഡാറ്റാസെറ്റുകളും റിപ്പോസിറ്ററിയിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്
|
|
```
|
|
|
|
### ഡോക്യുമെന്റേഷൻ ലോക്കലായി പ്രവർത്തിപ്പിക്കുക
|
|
|
|
```bash
|
|
# ഡോക്സിഫൈയുമായി സേവനം ചെയ്യുക
|
|
docsify serve
|
|
|
|
# localhost:3000 ൽ പ്രവേശിക്കുക
|
|
```
|
|
|
|
### ക്വിസ് ആപ്പ് ലോക്കലായി പ്രവർത്തിപ്പിക്കുക
|
|
|
|
```bash
|
|
cd quiz-app
|
|
npm run serve
|
|
```
|
|
|
|
## വിവർത്തന ഉള്ളടക്കം ആക്സസ് ചെയ്യൽ
|
|
|
|
40-ലധികം ഭാഷകളിൽ വിവർത്തനങ്ങൾ ലഭ്യമാണ്:
|
|
|
|
```bash
|
|
# പരിഭാഷപ്പെടുത്തിയ പാഠങ്ങൾ ആക്സസ് ചെയ്യുക
|
|
cd translations/fr # ഫ്രഞ്ച്
|
|
cd translations/es # സ്പാനിഷ്
|
|
cd translations/de # ജർമ്മൻ
|
|
# ... കൂടാതെ മറ്റും നിരവധി
|
|
```
|
|
|
|
ഓരോ വിവർത്തനവും ഇംഗ്ലീഷ് പതിപ്പിന്റെ സമാന ഘടന നിലനിർത്തുന്നു.
|
|
|
|
## അധിക വിഭവങ്ങൾ
|
|
|
|
### പഠനം തുടരുക
|
|
|
|
- [Microsoft Learn](https://docs.microsoft.com/learn/) - അധിക പഠന പാതകൾ
|
|
- [Student Hub](https://docs.microsoft.com/learn/student-hub) - വിദ്യാർത്ഥികൾക്കുള്ള വിഭവങ്ങൾ
|
|
- [Azure AI Foundry](https://aka.ms/foundry/forum) - സമൂഹ ഫോറം
|
|
|
|
### ബന്ധപ്പെട്ട പാഠ്യപദ്ധതികൾ
|
|
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
|
|
## സഹായം നേടുക
|
|
|
|
- സാധാരണ പ്രശ്നങ്ങൾക്ക് [TROUBLESHOOTING.md](TROUBLESHOOTING.md) പരിശോധിക്കുക
|
|
- [GitHub Issues](https://github.com/microsoft/Data-Science-For-Beginners/issues) തിരയുക
|
|
- ഞങ്ങളുടെ [ഡിസ്കോർഡ്](https://aka.ms/ds4beginners/discord) ചേരുക
|
|
- പ്രശ്നങ്ങൾ റിപ്പോർട്ട് ചെയ്യാനും സംഭാവന നൽകാനും [CONTRIBUTING.md](CONTRIBUTING.md) അവലോകനം ചെയ്യുക
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**അസൂയാപത്രം**:
|
|
ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, യന്ത്രം ചെയ്ത വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് കരുതേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ വ്യാഖ്യാനക്കേടുകൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |