msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
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.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'main'
${ noResults }
Data-Science-For-Beginners/translations/et/examples
History
leestott ebddf4bd4b
🌐 Update translations via Co-op Translator 		3 months ago
..
README.md 🌐 Update translations via Co-op Translator 3 months ago

README.md

Algajatele sobivad andmeteaduse näited

Tere tulemast näidete kataloogi! See lihtsate ja hästi kommenteeritud näidete kogumik on loodud selleks, et aidata sul alustada andmeteadusega, isegi kui oled täiesti algaja.

📚 Mida siit leiad

Iga näide on iseseisev ja sisaldab:

  • Selgeid kommentaare, mis selgitavad iga sammu
  • Lihtsat ja loetavat koodi, mis demonstreerib ühte kontseptsiooni korraga
  • Reaalse elu konteksti, et aidata mõista, millal ja miks neid tehnikaid kasutada
  • Oodatavat väljundit, et teaksid, mida otsida

🚀 Alustamine

Eeltingimused

Enne näidete käivitamist veendu, et sul oleks:

  • Paigaldatud Python 3.7 või uuem versioon
  • Põhiline arusaam, kuidas Python skripte käivitada

Vajalike teekide paigaldamine

pip install pandas numpy matplotlib

📖 Näidete ülevaade

1. Tere maailm - andmeteaduse stiilis

Fail: 01_hello_world_data_science.py

Sinu esimene andmeteaduse programm! Õpi:

  • Kuidas laadida lihtsat andmekogumit
  • Kuvada põhiinfot oma andmete kohta
  • Väljastada oma esimene andmeteaduse tulemus

Ideaalne täiesti algajatele, kes tahavad näha oma esimest andmeteaduse programmi töös.

2. Andmete laadimine ja uurimine

Fail: 02_loading_data.py

Õpi andmetega töötamise põhialuseid:

  • Andmete lugemine CSV-failidest
  • Vaadata oma andmekogumi esimesi ridu
  • Saada põhilisi statistilisi andmeid oma andmete kohta
  • Mõista andmetüüpe

See on sageli iga andmeteaduse projekti esimene samm!

3. Lihtne andmeanalüüs

Fail: 03_simple_analysis.py

Teosta oma esimene andmeanalüüs:

  • Arvuta põhilisi statistilisi näitajaid (keskmine, mediaan, mood)
  • Leia maksimaalsed ja minimaalsed väärtused
  • Loenda väärtuste esinemiskordi
  • Filtreeri andmeid tingimuste alusel

Vaata, kuidas vastata lihtsatele küsimustele oma andmete kohta.

4. Andmete visualiseerimise põhialused

Fail: 04_basic_visualization.py

Loo oma esimesed visualiseeringud:

  • Tee lihtne tulpdiagramm
  • Loo joongraafik
  • Genereeri sektordiagramm
  • Salvesta oma visualiseeringud piltidena

Õpi, kuidas oma tulemusi visuaalselt edastada!

5. Töö pärisandmetega

Fail: 05_real_world_example.py

Pane kõik kokku terviklikus näites:

  • Laadi pärisandmed repositooriumist
  • Puhasta ja ettevalmista andmed
  • Teosta analüüs
  • Loo tähendusrikkad visualiseeringud
  • Tee järeldusi

See näide näitab sulle täielikku töövoogu algusest lõpuni.

🎯 Kuidas neid näiteid kasutada

  1. Alusta algusest: Näited on järjestatud raskusastme järgi. Alusta failist 01_hello_world_data_science.py ja liigu järjest edasi.

  2. Loe kommentaare: Igas failis on üksikasjalikud kommentaarid, mis selgitavad, mida kood teeb ja miks. Loe neid hoolikalt!

  3. Katseta: Proovi koodi muuta. Mis juhtub, kui muudad mõnda väärtust? Katseta ja paranda - nii õpid!

  4. Käivita kood: Käivita iga näide ja jälgi väljundit. Võrdle seda oma ootustega.

  5. Arenda edasi: Kui oled näitest aru saanud, proovi seda oma ideedega täiendada.

💡 Näpunäited algajatele

  • Ära kiirusta: Võta aega, et iga näidet mõista, enne kui järgmise juurde liigud
  • Kirjuta kood ise: Ära lihtsalt kopeeri-kleebi. Koodi kirjutamine aitab sul õppida ja meelde jätta
  • Uuri tundmatuid mõisteid: Kui näed midagi, millest aru ei saa, otsi infot internetist või põhikursuse materjalidest
  • Esita küsimusi: Liitu arutelufoorumiga, kui vajad abi
  • Harjuta regulaarselt: Proovi iga päev natuke koodi kirjutada, selle asemel et teha pikki sessioone kord nädalas

🔗 Järgmised sammud

Kui oled need näited lõpetanud, oled valmis:

  • Töötama läbi põhikursuse materjalid
  • Proovima ülesandeid iga õppetunni kaustas
  • Uurima Jupyteri märkmikke sügavamaks õppimiseks
  • Looma oma andmeteaduse projekte

📚 Täiendavad ressursid

🤝 Kaasaaitamine

Kas leidsid vea või on sul idee uue näite jaoks? Me tervitame panustamist! Palun vaata meie Kaasaaitamise juhendit.

Head õppimist! 🎉

Pea meeles: Iga ekspert on kunagi olnud algaja. Võta üks samm korraga ja ära karda vigu teha - need on osa õppimisprotsessist!

Lahtiütlus:
See dokument on tõlgitud, kasutades AI tõlketeenust Co-op Translator. Kuigi püüame tagada täpsuse, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algses keeles tuleks lugeda autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valede tõlgenduste eest.