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.
22 lines
3.8 KiB
22 lines
3.8 KiB
# தரவியல் அறிவியலுக்கான அறிமுகம்
|
|
|
|
|
|
> புகைப்படம் <a href="https://unsplash.com/@dawson2406?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Stephen Dawson</a> மூலம் <a href="https://unsplash.com/s/photos/data?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a> இல்
|
|
|
|
இந்த பாடங்களில், தரவியல் அறிவியல் எப்படி வரையறுக்கப்படுகிறது என்பதை நீங்கள் கண்டறிந்து, ஒரு தரவியல் விஞ்ஞானி கவனிக்க வேண்டிய நெறிமுறைகள் பற்றிய அறிமுகத்தை பெறுவீர்கள். மேலும், தரவு எப்படி வரையறுக்கப்படுகிறது என்பதைப் பற்றி அறிந்து, தரவியல் அறிவியலின் முக்கிய கல்வி துறைகள் ஆகிய புள்ளியியல் மற்றும் சாத்தியக்கூறுகள் பற்றிய அடிப்படைகளைப் பற்றி சில தகவல்களைப் பெறுவீர்கள்.
|
|
|
|
### தலைப்புகள்
|
|
|
|
1. [தரவியல் அறிவியல் வரையறை](01-defining-data-science/README.md)
|
|
2. [தரவியல் அறிவியல் நெறிமுறைகள்](02-ethics/README.md)
|
|
3. [தரவை வரையறை செய்வது](03-defining-data/README.md)
|
|
4. [புள்ளியியல் மற்றும் சாத்தியக்கூறுகளுக்கான அறிமுகம்](04-stats-and-probability/README.md)
|
|
|
|
### கிரெடிட்ஸ்
|
|
|
|
இந்த பாடங்கள் ❤️ உடன் [நித்யா நரசிம்மன்](https://twitter.com/nitya) மற்றும் [டிமிட்ரி சோஷ்னிகோவ்](https://twitter.com/shwars) மூலம் எழுதப்பட்டவை.
|
|
|
|
---
|
|
|
|
**குறிப்பு**:
|
|
இந்த ஆவணம் [Co-op Translator](https://github.com/Azure/co-op-translator) என்ற AI மொழிபெயர்ப்பு சேவையை பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கிறோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளுங்கள். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல. |