Data-Science-For-Beginners/translations/hi

शुरुआती लोगों के लिए डेटा साइंस - एक पाठ्यक्रम

Microsoft में Azure Cloud Advocates डेटा साइंस के बारे में 10 सप्ताह, 20 पाठों का एक पाठ्यक्रम प्रस्तुत करने में प्रसन्न हैं। प्रत्येक पाठ में पूर्व-पाठ और बाद-पाठ क्विज़, पाठ पूरा करने के लिए लिखित निर्देश, समाधान, और एक असाइनमेंट शामिल है। हमारा परियोजना-आधारित शिक्षण आपको निर्माण करते हुए सीखने की अनुमति देता है, जो नए कौशल को 'टिकाऊ' बनाने का एक प्रमाणित तरीका है।

हमारे लेखकों को हार्दिक धन्यवाद: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 हमारे Microsoft Student Ambassador लेखकों, समीक्षकों और सामग्री योगदानकर्ताओं को विशेष धन्यवाद, विशेष रूप से आर्यन अरोड़ा, आदित्य गर्ग, अलोंद्रा सांचे, अंकिता सिंह, अनुपम मिश्रा, अर्पिता दास, छैल बिहारी दुबे, डिब्री नसोफ़ोर, दिषिता भासिन, मजद सफी, मैक्स ब्लम, मिगुएल कोरेआ, मोहम्मा इफ्तेख़ेर (इफतु) एबने जलाल, नवरीन तबस्सुम, रेमंड वांसा पुत्र, रोहित यादव, सुमृधि शर्मा, सान्या सिन्हा, शीना नरुला, तौकीर अहमद, योगेन्द्रसिंह पवार , विदुषी गुप्ता, जसलीन सोढी

शुरुआती लोगों के लिए डेटा साइंस - स्केचनोट द्वारा @nitya

🌐 बहुभाषी समर्थन

GitHub Action के माध्यम से समर्थित (स्वचालित एवं हमेशा अपडेटेड)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

स्थानीय रूप से क्लोन करना पसंद करते हैं?

यह रिपोज़िटरी 50+ भाषा अनुवाद शामिल करती है, जिससे डाउनलोड का आकार काफी बढ़ जाता है। अनुवाद के बिना क्लोन करने के लिए, sparse checkout का उपयोग करें:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

यह आपको तेज़ डाउनलोड के साथ पाठ्यक्रम पूरा करने के लिए आवश्यक सब कुछ देता है।

यदि आप चाहें कि अतिरिक्त अनुवाद भाषाएं समर्थित हों, वे यहां सूचीबद्ध हैं।

हमारे समुदाय में शामिल हों

हमारी एक डिस्कॉर्ड 'AI के साथ सीखें' श्रृंखला चल रही है, और अधिक जानने और जुड़ने के लिए Learn with AI Series पर जाएं, जो 18 - 30 सितम्बर, 2025 तक चलेगी। आपको डेटा साइंस के लिए GitHub Copilot के उपयोग के टिप्स और ट्रिक्स मिलेंगे।

क्या आप छात्र हैं?

निम्न संसाधनों के साथ शुरू करें:

• छात्र हब पृष्ठ इस पृष्ठ पर, आपको शुरुआती संसाधन, छात्र पैक, और मुफ्त प्रमाणपत्र वाउचर प्राप्त करने के तरीके मिलेंगे। यह एक ऐसा पृष्ठ है जिसे आप बुकमार्क करना चाहेंगे और समय-समय पर देखना चाहेंगे क्योंकि हम कम से कम महीने में एक बार सामग्री अपडेट करते हैं।
• Microsoft Learn Student Ambassadors एक वैश्विक छात्र राजदूत समुदाय से जुड़ें, यह Microsoft में आपका मार्ग हो सकता है।

शुरू करें

📚 दस्तावेज़ीकरण

• इंस्टालेशन गाइड - शुरुआती लोगों के लिए चरण-दर-चरण सेटअप निर्देश
• उपयोग गाइड - उदाहरण और सामान्य वर्कफ़्लोज़
• समस्या निवारण - सामान्य समस्याओं के समाधान
• योगदान गाइड - इस परियोजना में योगदान कैसे करें
• शिक्षकों के लिए - शिक्षण मार्गदर्शन और कक्षा संसाधन

👨‍🎓 छात्रों के लिए

पूर्ण शुरुआती: डेटा साइंस में नए हैं? हमारे शुरुआती-मित्रवत उदाहरणों के साथ शुरू करें! ये सरल, अच्छी तरह से टिप्पणी किए गए उदाहरण आपको पाठ्यक्रम में गहराई से जाने से पहले मूल बातें समझने में मदद करेंगे। छात्र: इस पाठ्यक्रम का उपयोग अपनी सुविधा अनुसार करें, पूरा रेपो फोर्क करें और स्वयं व्यायामों को पूरा करें, शुरूआत पूर्व-व्याख्यान क्विज़ से करें। फिर व्याख्यान पढ़ें और बाकी गतिविधियां पूरी करें। समाधान कोड को कॉपी करने के बजाय, पाठों को समझकर परियोजनाएं बनाने का प्रयास करें; हालांकि, वह कोड प्रत्येक परियोजना-प्रधान पाठ में /solutions फ़ोल्डर में उपलब्ध है। एक अन्य विचार है कि दोस्तों के साथ एक अध्ययन समूह बनाएं और साथ मिलकर सामग्री को पढ़ें। आगे की पढ़ाई के लिए, हम Microsoft Learn की सलाह देते हैं।

त्वरित प्रारंभ:

1. अपने परिवेश को सेट करने के लिए इंस्टालेशन गाइड देखें
2. पाठ्यक्रम के साथ काम करना सीखने के लिए उपयोग गाइड देखें
3. पाठ 1 से शुरू करें और अनुक्रमिक रूप से काम करें
4. सहायता के लिए हमारे Discord समुदाय में शामिल हों

👩‍🏫 शिक्षकों के लिए

शिक्षकगण: हमने इस पाठ्यक्रम का उपयोग कैसे करें, इस पर कुछ सुझाव शामिल किए हैं। हम आपकी प्रतिक्रिया हमारे चर्चा मंच में जानना पसंद करेंगे!

टीम से मिलें

गिफ़ द्वारा मोहित जैसल

🎥 परियोजना और इसे बनाने वाले लोगों के बारे में वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें!

शिक्षण पद्धति

इस पाठ्यक्रम को बनाते समय हमने दो शिक्षण सिद्धांत चुने हैं: सुनिश्चित करना कि यह परियोजना-आधारित हो और इसमें बार-बार क्विज़ शामिल हों। इस श्रृंखला के अंत तक, छात्र डेटा साइंस के मूल सिद्धांतों को सीखेंगे, जिनमें नैतिक अवधारणाएँ, डेटा तैयारी, डेटा के साथ काम करने के विभिन्न तरीके, डेटा विज़ुअलाइज़ेशन, डेटा विश्लेषण, डेटा साइंस के वास्तविक दुनिया के उपयोग के मामले, और बहुत कुछ शामिल है।

इसके अतिरिक्त, कक्षा से पहले एक कम दबाव वाला क्विज़ छात्र के सीखने की इच्छा को सेट करता है, जबकि कक्षा के बाद दूसरा क्विज़ और बेहतर अवधारण सुनिश्चित करता है। यह पाठ्यक्रम लचीला और मज़ेदार बनाने के लिए डिज़ाइन किया गया है और इसे पूरी तरह से या आंशिक रूप से लिया जा सकता है। परियोजनाएँ छोटी शुरू होती हैं और 10 सप्ताह के चक्र के अंत तक धीरे-धीरे जटिल हो जाती हैं।

हमारे व्यवहार संहिता, योगदान देने के निर्देश, अनुवाद दिशानिर्देश देखें। हम आपकी रचनात्मक प्रतिक्रिया का स्वागत करते हैं!

प्रत्येक पाठ में शामिल हैं:

• वैकल्पिक स्केचनोट
• वैकल्पिक पूरक वीडियो
• पाठ से पहले वार्मअप क्विज़
• लिखित पाठ
• परियोजना-आधारित पाठों के लिए, परियोजना बनाने के चरण-दर-चरण मार्गदर्शिकाएँ
• ज्ञान जांच
• एक挑战
• पूरक पठन सामग्री
• असाइनमेंट
• पाठ के बाद क्विज़

क्विज़ के बारे में एक नोट: सभी क्विज़ Quiz-App फ़ोल्डर में हैं, जिसमें प्रत्येक में तीन प्रश्नों के कुल 40 क्विज़ हैं। ये पाठों से लिंक किए गए हैं, लेकिन क्विज़ ऐप लोकल भी चलाया जा सकता है या Azure पर डिप्लॉय किया जा सकता है; quiz-app फ़ोल्डर में निर्देशों का पालन करें। इन्हें धीरे-धीरे स्थानीयकृत किया जा रहा है।

🎓 शुरुआती के लिए दोस्ताना उदाहरण

डेटा साइंस में नए हैं? हमने एक विशेष उदाहरण निर्देशिका बनाई है जिसमें सरल, अच्छी तरह से टिप्पणी की गई कोड है जो आपको शुरू करने में मदद करेगी:

• 🌟 हैलो वर्ल्ड - आपका पहला डेटा साइंस प्रोग्राम
• 📂 डेटा लोड करना - डेटा सेट पढ़ना और एक्सप्लोर करना सीखें
• 📊 सरल विश्लेषण - सांख्यिकी गणना करें और पैटर्न खोजें
• 📈 बुनियादी विज़ुअलाइज़ेशन - चार्ट और ग्राफ बनाएं
• 🔬 वास्तविक दुनिया परियोजना - शुरू से अंत तक पूरी कार्यप्रणाली

प्रत्येक उदाहरण में विस्तृत टिप्पणियाँ शामिल हैं जो हर कदम की व्याख्या करती हैं, जिससे यह बिल्कुल शुरुआती लोगों के लिए उपयुक्त हो जाता है!

👉 उदाहरणों से शुरू करें 👈

पाठ

Data Science For Beginners: रोडमैप - स्केचनोट द्वारा @nitya

पाठ संख्या	विषय	पाठ समूह	सीखने के उद्देश्य	लिंक्ड पाठ	लेखक
01	डेटा साइंस की परिभाषा	परिचय	डेटा साइंस के मूल सिद्धांतों को सीखें और यह आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग, और बिग डेटा से कैसे संबंधित है।	पाठ वीडियो	दिमित्रि
02	डेटा साइंस नैतिकता	परिचय	डेटा नैतिकता की अवधारणाएं, चुनौतियाँ और ढाँचे।	पाठ	नित्य
03	डेटा की परिभाषा	परिचय	डेटा को कैसे वर्गीकृत किया जाता है और इसके सामान्य स्रोत।	पाठ	जैस्मिन
04	सांख्यिकी और संभाव्यता का परिचय	परिचय	डेटा को समझने के लिए संभाव्यता और सांख्यिकी की गणितीय तकनीकें।	पाठ वीडियो	दिमित्रि
05	संबंधपरक डेटा के साथ काम करना	डेटा के साथ काम करना	संबंधपरक डेटा का परिचय और संरचित क्वेरी भाषा (SQL) के साथ संबंधपरक डेटा का अन्वेषण और विश्लेषण के मूल बातें।	पाठ	क्रिस्टोफर
06	NoSQL डेटा के साथ काम करना	डेटा के साथ काम करना	गैर-संबंधपरक डेटा का परिचय, इसके विभिन्न प्रकार और दस्तावेज़ डेटाबेस का अन्वेषण और विश्लेषण की मूल बातें।	पाठ	जैस्मिन
07	पायथन के साथ काम करना	डेटा के साथ काम करना	पायथन का उपयोग डेटा अन्वेषण के लिए करना, जैसे कि पांडस लाइब्रेरी के साथ। पायथन प्रोग्रामिंग की मूल समझ अनुशंसित है।	पाठ वीडियो	दिमित्रि
08	डेटा तैयारी	डेटा के साथ काम करना	डेटा साफ़ करने और रूपांतरित करने के तकनीकें ताकि मिसिंग, गलत या अपूर्ण डेटा की चुनौतियों को संभाला जा सके।	पाठ	जैस्मिन
09	मात्राओं का विज़ुअलाइज़ेशन	डेटा विज़ुअलाइज़ेशन	बैट डेटा का विज़ुअलायज़ेशन करने के लिए Matplotlib का उपयोग करना सीखें 🦆	पाठ	जेन
10	डेटा के वितरण का विज़ुअलाइज़ेशन	डेटा विज़ुअलाइज़ेशन	अवलोकनों और प्रवृत्तियों को एक अंतराल के भीतर विज़ुअलाइज़ करना।	पाठ	जेन
11	अनुपातों का विज़ुअलाइज़ेशन	डेटा विज़ुअलाइज़ेशन	विविक्त और समूहित प्रतिशत का विज़ुअलाइज़ेशन।	पाठ	जेन
12	संबंधों का विज़ुअलाइज़ेशन	डेटा विज़ुअलाइज़ेशन	डेटा सेट और उनके चर के बीच कनेक्शन और सहसंबंध का विज़ुअलाइज़ेशन।	पाठ	जेन
13	अर्थपूर्ण विज़ुअलाइज़ेशन	डेटा विज़ुअलाइज़ेशन	मूल्यवान और प्रभावी समस्या समाधान और अंतर्दृष्टि के लिए आपकी विज़ुअलाइज़ेशन बनाने की तकनीक और मार्गदर्शन।	पाठ	जेन
14	डेटा साइंस जीवनचक्र का परिचय	जीवनचक्र	डेटा साइंस जीवनचक्र का परिचय और उसके पहले चरण में डेटा प्राप्त करना और निकालना।	पाठ	जैस्मिन
15	विश्लेषण करना	जीवनचक्र	डेटा साइंस जीवनचक्र का यह चरण डेटा का विश्लेषण करने की तकनीकों पर केंद्रित है।	पाठ	जैस्मिन
16	संवाद करना	जीवनचक्र	डेटा साइंस जीवनचक्र का यह चरण डेटा से अंतर्दृष्टि प्रस्तुत करने पर केंद्रित है, ताकि निर्णय लेने वालों को समझना आसान हो सके।	पाठ	जालेन
17	क्लाउड में डेटा साइंस	क्लाउड डेटा	क्लाउड में डेटा साइंस और इसके लाभों का परिचय।	पाठ	टिफ़नी और मौड
18	क्लाउड में डेटा साइंस	क्लाउड डेटा	लो कोड टूल्स का उपयोग करके मॉडल प्रशिक्षण।	पाठ	टिफ़नी और मौड
19	क्लाउड में डेटा साइंस	क्लाउड डेटा	Azure मशीन लर्निंग स्टूडियो के साथ मॉडल तैनात करना।	पाठ	टिफ़नी और मौड
20	डेटा साइंस इन द वाइल्ड	इन् द वाइल्ड	वास्तविक दुनिया में डेटा साइंस संचालित परियोजनाएँ।	पाठ	नित्य

GitHub Codespaces

इस नमूना को Codespace में खोलने के लिए ये कदम उठाएँ:

1. कोड ड्रॉप-डाउन मेनू पर क्लिक करें और Open with Codespaces विकल्प चुनें।
2. पैन के नीचे + New codespace चुनें। अधिक जानकारी के लिए, GitHub दस्तावेज़ देखें।

VSCode Remote - कंटेनर

अपने स्थानीय मशीन और VSCode के साथ इस रिपॉजिटरी को कंटेनर में खोलने के लिए VS Code Remote - Containers एक्सटेंशन का उपयोग करें:

1. यदि यह आपकी पहली बार डेवलपमेंट कंटेनर उपयोग कर रहे हैं, तो कृपया सुनिश्चित करें कि आपकी प्रणाली शुरुआत के दस्तावेज़ में उल्लिखित आवश्यकताएँ पूरी करती है (जैसे Docker इंस्टॉल होना)।

इस रिपॉजिटरी का उपयोग करने के लिए, आप या तो इसे एक अलग Docker वॉल्यूम में खोल सकते हैं:

नोट: इसके तहत Remote-Containers: Clone Repository in Container Volume... कमांड का उपयोग कर सोर्स कोड को लोकल फाइलसिस्टम के बजाय Docker वॉल्यूम में क्लोन किया जाएगा। वॉल्यूम कंटेनर डेटा को स्थायी बनाने के लिए पसंदीदा तंत्र हैं।

या रिपॉजिटरी की लोकली क्लोन या डाउनलोड की गई कॉपी खोलें:

• इसे अपनी लोकल फाइलसिस्टम में क्लोन करें।
• F1 दबाएं और Remote-Containers: Open Folder in Container... कमांड चुनें।
• इस फ़ोल्डर की क्लोन की गई कॉपी चुनें, कंटेनर के शुरू होने का इंतजार करें, और फिर प्रयोग करें।

ऑफ़लाइन पहुँच

आप इस दस्तावेज़ को ऑफ़लाइन Docsify का उपयोग करके चला सकते हैं। इस रिपॉजिटरी को फोर्क करें, अपने स्थानीय मशीन पर Docsify इंस्टॉल करें, फिर इस रिपॉजिटरी की रूट फ़ोल्डर में docsify serve टाइप करें। वेबसाइट आपके लोकलहोस्ट पर पोर्ट 3000 पर सर्व होगी: localhost:3000।

ध्यान दें, नोटबुक्स Docsify के माध्यम से रेंडर नहीं होंगी, इसलिए जब आपको नोटबुक चलाना हो, तो वह अलग से VS Code में पायथन कर्नेल चलाकर करें।

अन्य पाठ्यक्रम

हमारी टीम अन्य पाठ्यक्रम भी बनाती है! देखें:

LangChain

Azure / Edge / MCP / एजेंट्स

---

जनरेटिव AI श्रृंखला

---

कोर लर्निंग

---

कोपिलॉट श्रृंखला

सहायता प्राप्त करना

समस्याओं का सामना कर रहे हैं? सामान्य समस्याओं के समाधान के लिए हमारा ट्रबलशूटिंग गाइड देखें।

यदि आप अटक जाते हैं या AI ऐप बनाने के बारे में कोई सवाल है। MCP के बारे में चर्चाओं में साथी शिक्षार्थियों और अनुभवी डेवलपर्स में शामिल हों। यह एक सहायक समुदाय है जहाँ प्रश्न स्वागत योग्य हैं और ज्ञान खुले तौर पर साझा किया जाता है।

यदि आपके पास उत्पाद प्रतिक्रिया या निर्माण के दौरान त्रुटियाँ हैं तो यहां जाएं:

---

अस्वीकरण: इस दस्तावेज़ का अनुवाद AI अनुवाद सेवा Co-op Translator का उपयोग करके किया गया है। हम सही अनुवाद के लिए प्रयासरत हैं, लेकिन कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या असंगतियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही अधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।