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.
154 lines
30 KiB
154 lines
30 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "a5443b88ba402d2ec7b000e4de6cecb8",
|
|
"translation_date": "2025-08-29T07:52:42+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "mr"
|
|
}
|
|
-->
|
|
# डेटा सायन्ससाठी नवशिक्यांसाठी - अभ्यासक्रम
|
|
|
|
Azure Cloud Advocates at Microsoft ने डेटा सायन्सवर आधारित 10 आठवड्यांचा, 20 धड्यांचा अभ्यासक्रम तयार केला आहे. प्रत्येक धड्यात प्री-लेसन आणि पोस्ट-लेसन क्विझ, धडा पूर्ण करण्यासाठी लेखी सूचना, एक समाधान आणि एक असाइनमेंट समाविष्ट आहे. प्रकल्प-आधारित शिक्षण पद्धतीमुळे तुम्हाला शिकताना तयार करण्याची संधी मिळते, जी नवीन कौशल्ये आत्मसात करण्यासाठी प्रभावी पद्धत आहे.
|
|
|
|
**आमच्या लेखकांचे मनःपूर्वक आभार:** [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).
|
|
|
|
**🙏 विशेष आभार 🙏 आमच्या [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) लेखक, समीक्षक आणि सामग्री योगदानकर्त्यांचे,** विशेषतः 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/)
|
|
|
|
||
|
|
|:---:|
|
|
| डेटा सायन्ससाठी नवशिक्यांसाठी - _[@nitya](https://twitter.com/nitya) यांच्याकडून स्केच नोट_ |
|
|
|
|
### 🌐 बहुभाषिक समर्थन
|
|
|
|
#### GitHub Action द्वारे समर्थित (स्वयंचलित आणि नेहमी अद्ययावत)
|
|
|
|
[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](./README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md)
|
|
|
|
**जर तुम्हाला अतिरिक्त भाषांसाठी समर्थन हवे असेल, तर [येथे](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) सूचीबद्ध भाषांचा संदर्भ घ्या.**
|
|
|
|
#### आमच्या समुदायात सामील व्हा
|
|
[](https://discord.gg/kzRShWzttr)
|
|
|
|
# तुम्ही विद्यार्थी आहात का?
|
|
|
|
खालील संसाधनांसह सुरुवात करा:
|
|
|
|
- [Student Hub page](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) या पृष्ठावर तुम्हाला नवशिक्यांसाठी संसाधने, विद्यार्थी पॅक्स आणि अगदी मोफत प्रमाणपत्र व्हाउचर मिळवण्याचे मार्ग सापडतील. हे पृष्ठ बुकमार्क करा आणि वेळोवेळी तपासा, कारण आम्ही दर महिन्याला सामग्री अद्ययावत करतो.
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) जागतिक विद्यार्थी अॅम्बेसेडर समुदायात सामील व्हा, हे Microsoft मध्ये तुमच्या प्रवेशाचे साधन असू शकते.
|
|
|
|
# सुरुवात कशी करावी
|
|
|
|
> **शिक्षकांसाठी**: आम्ही या अभ्यासक्रमाचा वापर कसा करावा याबद्दल [काही सूचना समाविष्ट केल्या आहेत](for-teachers.md). आम्हाला तुमचा अभिप्राय [आमच्या चर्चा मंचावर](https://github.com/microsoft/Data-Science-For-Beginners/discussions) आवडेल!
|
|
|
|
> **[विद्यार्थी](https://aka.ms/student-page)**: हा अभ्यासक्रम स्वतः वापरण्यासाठी, संपूर्ण रेपो फोर्क करा आणि स्वतःच सराव करा, प्री-लेक्चर क्विझपासून सुरुवात करा. मग लेक्चर वाचा आणि उर्वरित क्रियाकलाप पूर्ण करा. धड्यांमधून समजून प्रकल्प तयार करण्याचा प्रयत्न करा, समाधान कोड कॉपी करण्याऐवजी; तथापि, तो कोड प्रत्येक प्रकल्प-आधारित धड्याच्या /solutions फोल्डरमध्ये उपलब्ध आहे. आणखी एक कल्पना म्हणजे मित्रांसह अभ्यास गट तयार करणे आणि एकत्र सामग्रीचा अभ्यास करणे. पुढील अभ्यासासाठी, आम्ही [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum) ची शिफारस करतो.
|
|
|
|
## टीमला भेटा
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Promo video")
|
|
|
|
**Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 वरील प्रतिमेवर क्लिक करा आणि प्रकल्पाबद्दल आणि ते तयार करणाऱ्या लोकांबद्दल अधिक जाणून घ्या!
|
|
|
|
## शिक्षण पद्धती
|
|
|
|
या अभ्यासक्रमाची रचना करताना आम्ही दोन शिक्षण पद्धतींचा अवलंब केला आहे: प्रकल्प-आधारित शिक्षण आणि वारंवार क्विझ समाविष्ट करणे. या मालिकेच्या शेवटी, विद्यार्थ्यांनी डेटा सायन्सचे मूलभूत तत्त्वे शिकलेली असतील, ज्यामध्ये नैतिक संकल्पना, डेटा तयारी, डेटासह काम करण्याचे विविध मार्ग, डेटा व्हिज्युअलायझेशन, डेटा विश्लेषण, डेटा सायन्सचे वास्तविक जीवनातील उपयोग आणि बरेच काही समाविष्ट आहे.
|
|
|
|
याशिवाय, वर्गापूर्वीचा कमी ताणाचा क्विझ विद्यार्थ्याला विषय शिकण्याच्या उद्देशाने तयार करतो, तर वर्गानंतरचा क्विझ अधिक चांगल्या प्रकारे शिकलेले ज्ञान टिकवून ठेवतो. हा अभ्यासक्रम लवचिक आणि मजेदार बनविण्यासाठी डिझाइन केला गेला आहे आणि तो पूर्ण किंवा अंशतः घेतला जाऊ शकतो. प्रकल्प लहान स्वरूपात सुरू होतात आणि 10 आठवड्यांच्या चक्राच्या शेवटी अधिकाधिक गुंतागुंतीचे होतात.
|
|
आमच्या [आचारसंहितेचे नियम](CODE_OF_CONDUCT.md), [योगदान](CONTRIBUTING.md), [भाषांतर](TRANSLATIONS.md) मार्गदर्शक तत्त्वे येथे पहा. आम्ही तुमच्या रचनात्मक अभिप्रायाचे स्वागत करतो!
|
|
## प्रत्येक धड्यात समाविष्ट आहे:
|
|
|
|
- ऐच्छिक स्केच नोट
|
|
- ऐच्छिक पूरक व्हिडिओ
|
|
- धड्यापूर्वीचा वॉर्मअप क्विझ
|
|
- लेखी धडा
|
|
- प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याचे टप्प्याटप्प्याने मार्गदर्शन
|
|
- ज्ञान तपासणी
|
|
- एक आव्हान
|
|
- पूरक वाचन
|
|
- असाइनमेंट
|
|
- [धड्यानंतरचा क्विझ](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **क्विझबद्दल एक टीप**: सर्व क्विझ Quiz-App फोल्डरमध्ये आहेत, ज्यामध्ये प्रत्येकी तीन प्रश्न असलेले एकूण 40 क्विझ आहेत. हे धड्यांमधून लिंक केलेले आहेत, परंतु क्विझ अ‍ॅप स्थानिक पातळीवर चालवले जाऊ शकते किंवा Azure वर डिप्लॉय केले जाऊ शकते; `quiz-app` फोल्डरमधील सूचनांचे अनुसरण करा. हे हळूहळू स्थानिक भाषांमध्ये उपलब्ध केले जात आहेत.
|
|
|
|
## धडे
|
|
|
|
||
|
|
|:---:|
|
|
| डेटा सायन्स फॉर बिगिनर्स: रोडमॅप - _[@nitya](https://twitter.com/nitya) कडून स्केच नोट_ |
|
|
|
|
| धड्याचा क्रमांक | विषय | धड्याचे गटिंग | शिकण्याची उद्दिष्टे | लिंक केलेला धडा | लेखक |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | डेटा सायन्सची व्याख्या | [परिचय](1-Introduction/README.md) | डेटा सायन्समागील मूलभूत संकल्पना आणि त्याचा कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, आणि बिग डेटा यांच्याशी असलेला संबंध जाणून घ्या. | [धडा](1-Introduction/01-defining-data-science/README.md) [व्हिडिओ](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
| 02 | डेटा सायन्स नीतिशास्त्र | [परिचय](1-Introduction/README.md) | डेटा नीतिशास्त्राच्या संकल्पना, आव्हाने आणि चौकट. | [धडा](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
| 03 | डेटाची व्याख्या | [परिचय](1-Introduction/README.md) | डेटा कसा वर्गीकृत केला जातो आणि त्याचे सामान्य स्रोत काय आहेत. | [धडा](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 04 | सांख्यिकी आणि संभाव्यता यांचा परिचय | [परिचय](1-Introduction/README.md) | डेटा समजण्यासाठी संभाव्यता आणि सांख्यिकीचे गणितीय तंत्र. | [धडा](1-Introduction/04-stats-and-probability/README.md) [व्हिडिओ](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
| 05 | रिलेशनल डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | रिलेशनल डेटाचा परिचय आणि स्ट्रक्चर्ड क्वेरी लँग्वेज (SQL) चा वापर करून रिलेशनल डेटा एक्सप्लोर आणि विश्लेषण करण्याचे मूलभूत तत्त्व. | [धडा](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
| 06 | NoSQL डेटासह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | नॉन-रिलेशनल डेटाचा परिचय, त्याचे विविध प्रकार आणि डॉक्युमेंट डेटाबेस एक्सप्लोर आणि विश्लेषण करण्याचे मूलभूत तत्त्व. | [धडा](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
| 07 | पायथनसह काम करणे | [डेटासह काम करणे](2-Working-With-Data/README.md) | Pandas सारख्या लायब्ररीसह डेटा एक्सप्लोरेशनसाठी पायथनचा वापर करण्याचे मूलभूत तत्त्व. पायथन प्रोग्रामिंगचे प्राथमिक ज्ञान शिफारसीय आहे. | [धडा](2-Working-With-Data/07-python/README.md) [व्हिडिओ](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
| 08 | डेटा तयारी | [डेटासह काम करणे](2-Working-With-Data/README.md) | डेटामधील गहाळ, अचूक नसलेल्या किंवा अपूर्ण डेटाशी संबंधित आव्हाने हाताळण्यासाठी डेटा स्वच्छ आणि रूपांतरित करण्याच्या तंत्रांवरील विषय. | [धडा](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 09 | प्रमाणांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | Matplotlib चा वापर करून पक्ष्यांच्या डेटाचे व्हिज्युअलायझेशन कसे करायचे ते शिका 🦆 | [धडा](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 10 | डेटाच्या वितरणांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | एका अंतरालातील निरीक्षणे आणि ट्रेंड्सचे व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 11 | प्रमाणांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | डिस्क्रीट आणि गटबद्ध टक्केवारींचे व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 12 | नातेसंबंधांचे व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | डेटाच्या संचांमधील कनेक्शन आणि सहसंबंधांचे व्हिज्युअलायझेशन. | [धडा](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 13 | अर्थपूर्ण व्हिज्युअलायझेशन | [डेटा व्हिज्युअलायझेशन](3-Data-Visualization/README.md) | प्रभावी समस्या सोडवण्यासाठी आणि अंतर्दृष्टीसाठी तुमच्या व्हिज्युअलायझेशनला मूल्यवान बनवण्यासाठी तंत्र आणि मार्गदर्शन. | [धडा](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 14 | डेटा सायन्स जीवनचक्राचा परिचय | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा परिचय आणि डेटा मिळवणे आणि काढणे याच्या पहिल्या टप्प्याचा परिचय. | [धडा](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
| 15 | विश्लेषण करणे | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा विश्लेषण करण्याच्या तंत्रांवर केंद्रित आहे. | [धडा](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
| 16 | संवाद साधणे | [जीवनचक्र](4-Data-Science-Lifecycle/README.md) | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा मधून मिळालेल्या अंतर्दृष्टी निर्णय घेणाऱ्यांना समजण्यास सोपे होईल अशा प्रकारे सादर करण्यावर केंद्रित आहे. | [धडा](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
| 17 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | क्लाउडमधील डेटा सायन्स आणि त्याचे फायदे यांचा परिचय देणाऱ्या धड्यांची मालिका. | [धडा](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) आणि [Maud](https://twitter.com/maudstweets) |
|
|
| 18 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | लो कोड टूल्स वापरून मॉडेल्स प्रशिक्षण. |[धडा](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) आणि [Maud](https://twitter.com/maudstweets) |
|
|
| 19 | क्लाउडमधील डेटा सायन्स | [क्लाउड डेटा](5-Data-Science-In-Cloud/README.md) | Azure Machine Learning Studio वापरून मॉडेल्स डिप्लॉय करणे. | [धडा](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) आणि [Maud](https://twitter.com/maudstweets) |
|
|
| 20 | वाइल्डमधील डेटा सायन्स | [वाइल्डमध्ये](6-Data-Science-In-Wild/README.md) | वास्तविक जगातील डेटा सायन्स-चालित प्रकल्प. | [धडा](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
## GitHub Codespaces
|
|
|
|
या नमुन्याला Codespace मध्ये उघडण्यासाठी खालील चरणांचे अनुसरण करा:
|
|
1. Code ड्रॉप-डाउन मेनूवर क्लिक करा आणि Open with Codespaces पर्याय निवडा.
|
|
2. पॅनच्या तळाशी + New codespace निवडा.
|
|
अधिक माहितीसाठी, [GitHub दस्तऐवज](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace) तपासा.
|
|
|
|
## VSCode Remote - Containers
|
|
तुमच्या स्थानिक मशीन आणि VSCode चा वापर करून VS Code Remote - Containers विस्ताराचा वापर करून हे रेपो कंटेनरमध्ये उघडण्यासाठी खालील चरणांचे अनुसरण करा:
|
|
|
|
1. जर तुम्ही प्रथमच डेव्हलपमेंट कंटेनर वापरत असाल, तर कृपया तुमची प्रणाली प्री-रेक्विझिट्स पूर्ण करते याची खात्री करा (उदा. Docker स्थापित केले आहे) [प्रारंभ दस्तऐवज](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) मध्ये.
|
|
|
|
या रेपॉजिटरीचा वापर करण्यासाठी, तुम्ही रेपॉजिटरीला एक वेगळ्या Docker व्हॉल्यूममध्ये उघडू शकता:
|
|
|
|
**टीप**: अंतर्गत, हे Remote-Containers: **Clone Repository in Container Volume...** कमांड वापरेल जे स्थानिक फाइल सिस्टमऐवजी Docker व्हॉल्यूममध्ये स्रोत कोड क्लोन करेल. [व्हॉल्यूम्स](https://docs.docker.com/storage/volumes/) कंटेनर डेटा टिकवण्यासाठी प्राधान्य दिलेले यंत्रणा आहेत.
|
|
|
|
किंवा स्थानिक पातळीवर क्लोन केलेली किंवा डाउनलोड केलेली रेपॉजिटरी उघडा:
|
|
|
|
- ही रेपॉजिटरी तुमच्या स्थानिक फाइल सिस्टमवर क्लोन करा.
|
|
- F1 दाबा आणि **Remote-Containers: Open Folder in Container...** कमांड निवडा.
|
|
- या फोल्डरची क्लोन केलेली प्रत निवडा, कंटेनर सुरू होईपर्यंत थांबा आणि गोष्टी वापरून पहा.
|
|
|
|
## ऑफलाइन प्रवेश
|
|
|
|
तुम्ही [Docsify](https://docsify.js.org/#/) चा वापर करून ही दस्तऐवज ऑफलाइन चालवू शकता. या रेपोला Fork करा, तुमच्या स्थानिक मशीनवर [Docsify स्थापित करा](https://docsify.js.org/#/quickstart), नंतर या रेपोच्या मूळ फोल्डरमध्ये `docsify serve` टाइप करा. वेबसाइट तुमच्या localhost वर पोर्ट 3000 वर चालवली जाईल: `localhost:3000`.
|
|
|
|
> टीप, नोटबुक्स Docsify द्वारे रेंडर केले जाणार नाहीत, त्यामुळे जेव्हा तुम्हाला नोटबुक चालवायचे असेल, तेव्हा ते वेगळ्या पायथन कर्नल चालवणाऱ्या VS Code मध्ये करा.
|
|
|
|
## इतर अभ्यासक्रम
|
|
|
|
आमची टीम इतर अभ्यासक्रम तयार करते! तपासा:
|
|
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
- [Generative AI with Java](https://aka.ms/genaijava)
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101)
|
|
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
|
|
- [IoT for Beginners](https://aka.ms/iot-beginners)
|
|
- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
|
|
- [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
---
|
|
|
|
**अस्वीकरण**:
|
|
हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) चा वापर करून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरे त्रुटी किंवा अचूकतेच्या अभावाने युक्त असू शकतात. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून निर्माण होणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही. |