Data-Science-For-Beginners/translations/ml

നൂറ്റാണ്ടുകൾക്കുള്ള ഡാറ്റാ സയൻസ് - ഒരു പാഠ്യപദ്ധതി

മൈക്രോസോഫ്റ്റിലെ അസ്യൂർ ക്ലൗഡ് അഡ്വക്കേറ്റുകൾ ഡാറ്റാ സയൻസ് സംബന്ധിച്ച 10 ആഴ്ച, 20 പാഠങ്ങൾ ഉൾക്കൊള്ളുന്ന ഒരു പാഠ്യപദ്ധതി വാഗ്ദാനം ചെയ്യുന്നു. ഓരോ പാഠത്തിലും പ്രീ-ലസൺ, പോസ്റ്റ്-ലസൺ ക്വിസുകളും, പാഠം പൂര്‍ത്തിയാക്കുന്നതിനുള്ള എഴുത്ത് നിർദ്ദേശങ്ങളും, പരിഹാരവും, അസൈൻമെന്റും ഉൾപ്പെടുത്തിയിരിക്കുന്നു. നമ്മുടെ പ്രോജക്റ്റ്-അധിഷ്ഠിത പാഠാന്തര നിയന്ത്രണം പുതിയ കഴിവുകൾ ചെറുതായി മനസ്സിലാക്കുന്നതിൽ സഹായിക്കുന്ന ഒരു തെളിയിച്ച രീതി ആണ്.

ഞങ്ങളുടെ രചയിതാക്കളായ ഏതാണ്ട് എല്ലാവർക്കും ഹൃദയപൂർവ്വമായ നന്ദി: ജാസ്മിൻ ഗ്രീൻവേ, ഡ്മിത്രി സോഷ്യ്നിക്കോവ്, നിത്യ നരസിംഹൻ, ജാലൻ മക്ഗീ, ജെൻ ലൂപ്പർ, മോഡ് ലെവി, ടിഫിനി സോട്ടെറെ, ക്രിസ്റ്റോഫർ ഹാരിസ്ൺ.

🙏 പ്രത്യേക നന്ദി 🙏 Microsoft Student Ambassador ആയ രചയിതാക്കൾക്കും, റിവ്യൂവർക്കും, ഉള്ളടക്ക സംഭാവന ദാതാക്കളും, പ്രത്യേകിച്ച് ആര്യൻ അരോറ, അദിത്യ ഗാർഗ്, അലോൻഡ്ര സാഞ്ചൈസ്, അങ്കിത സിങ്, അനുപം മിശ്ര, അർപിത ദാസ്, ചിത്രൽബിഹാരി ദുബെയി, ദിബ്രിൻ nsofor, ദിഷิต ഭാസിൻ, മാജദ് സഫി, മാക്‌സ് ബ്ലം, മിഗെൽ കോരეა, മോഹമ്മ ഇഫ്റ്റഖർ (ഇഫ്തു) ഇബ്‌നെ ജലാൽ, നാവ്സിൻ തടാസ്സും, റെമോണ്ട് വാങ്സ പുത്ത്ര, രോഹിത് യാദവ്, സമൃദ്ധി ശർമ, സാന്യ സിഹ, ഷീന നാരുല, തൗക്കീർ അഹ്മദ്, യോഗേന്ദ്രസിങ് പവാർ , വിദുഷി ഗുപ്ത, ജസ്ലീൻ സോന്ധി

ഡാറ്റാ സയൻസ് ഫോർ ബിഗിനേഴ്സ് - സ്കെച്ച് നോട്ട് @nitya

🌐 ബഹുഭാഷാ പിന്തുണ

GitHub ആക്ഷൻ വഴി പിന്തുണ ലഭിക്കുന്നു (സ്വയം പ്രവർത്തി & എപ്പോഴും പുതുക്കുന്ന)

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

പ്രിയതമമായി ലോക്കലായി ക്ലോൺ ചെയ്യണമെന്ന് ആഗ്രഹിക്കുന്നുവോ?

ഈ റിപ്പോസിറ്ററിയിൽ 50+ ഭാഷാ വിവർത്തനങ്ങൾ ഉൾപ്പെടുന്നു, ഇത് ഡൗൺലോഡ് വലിപ്പം വളരെ വർദ്ധിപ്പിക്കുന്നു. വിവർത്തനങ്ങൾ കൂടാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:

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'

ദ്രുത ഡൗൺലോഡിനായി നിങ്ങൾക്ക് പാഠം പൂർത്തിയാക്കുന്നതിന് എല്ലാം ഇതിലൂടെ ലഭിക്കും.

കൂടുതൽ സംവരണം ചെയ്യാൻ ആഗ്രഹിക്കുന്ന പുതിയ വിവർത്തന ഭാഷകൾ ഇവിടെ വരെയുള്ളവ കാണുക

നമ്മുടെ കമ്മ്യൂണിറ്റിയിൽ ചേരുക

നമുക്കൊപ്പം ഒരു Discord ലേണിംഗ് സീരീസ് നടക്കുകയാണ്, കൂടുതൽ പഠിക്കാനും ചേരാനും Learn with AI Series സന്ദർശിക്കുക 2025 സെപ്റ്റംബർ 18 - 30 വരെ. GitHub Copilot ഉപയോഗിച്ച് ഡാറ്റാ സയൻസിന് കുറിച്ച് ടിപ്പുകളും വഴികളുമാണ് നിങ്ങൾക്ക് ലഭിക്കുക.

നിങ്ങൾ വിദ്യാർത്ഥിയോ?

തുടങ്ങുവാൻ താഴെ നൽകിയ റിസോഴ്‌സുകൾ ഉപയോഗിക്കുക:

• വിദ്യാർത്ഥി ഹബ് പേജ് ഇവിടെ നിങ്ങൾക്ക് തുടക്കക്കാരുടെ റിസോഴ്‌സുകളും, വിദ്യാർത്ഥി പാക്കുകളും, സൗജന്യ സർട്ട് വൗച്ചർ നേടാനുള്ള വഴികളും ലഭിക്കും. എല്ലാ മാസവും ഉള്ളടക്കം പുതുക്കുന്നതുകൊണ്ട് ഈ പേജ് ബുക്ക്‌മാർക്ക് ചെയ്ത് സമയത്തിനൊപ്പം പരിശോധിക്കുന്നതാണ് നല്ലത്.
• Microsoft Learn Student Ambassadors ഒരു ആഗോള വിദ്യാർത്ഥി അംബാസഡർ കമ്മ്യൂണിറ്റിയിലേക്ക് ചേരുക, ഇത് മൈക്രോസോഫ്റ്റിലേക്ക് നിങ്ങളുടെ വഴി ആകാം.

ആരംഭിക്കൽ

📚 രേഖകളുകൾ

• ഇൻസ്റ്റലേഷൻ ഗൈഡ് - തുടക്കക്കാര്ക്ക് ഘട്ടം ഘട്ടമായി സെറ്റപ്പ് നിർദ്ദേശങ്ങൾ
• ഉപയോഗ മാർഗ്ഗം - ഉദാഹരണങ്ങൾക്കും സാധാരണ പ്രവൃത്തി പ്രവാഹങ്ങൾക്കും
• പ്രശ്ന പരിഹാരം - സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ
• സംഭാവന മാർഗ്ഗം - ഈ പ്രോജക്ടിൽ സംഭാവന ചെയ്യാനുള്ള രീതികൾ
• അധ്യാപകർക്ക് - പഠന മാർഗ്ഗനിർദ്ദേശങ്ങളും ക്ലാസ്സ് റൂം റിസോഴ്‌സുകളും

👨‍🎓 വിദ്യാർത്ഥികൾക്കായി

സമ്പൂർണ്ണ തുടക്കക്കാർ: ഡാറ്റാ സയൻസിലേക്ക് പുതിയവരാണോ? നമ്മുടെ തുടക്കക്കാർക്കായി അനുയോജ്യമായ ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് തുടങ്ങൂ! ഈ ലളിതവും വിശദീകരണക്കൂടിയ ഉദാഹരണങ്ങൾ മുഖേന അടിസ്ഥാനങ്ങൾ മനസിലാക്കാനാകും. വിദ്യാർത്ഥികൾ: ഈ പാഠ്യപദ്ധതി സ്വയം പഠിക്കാൻ, മുഴുവൻ റിപ്പൊ ഡൗൺലോഡ് ചെയ്ത് പ്രീ-ലെക്ചർ ക്വിസ് മുതൽ ആരംഭിച്ച് പഠനം പൂർത്തിയാക്കൂ. പാഠം വായിച്ച് ശേഷമുള്ള പ്രവർത്തനങ്ങൾ തീരൂ. തീരുമാനം കോഡ് പകർപ്പി പ്രോജക്ടുകൾ സൃഷ്ടിക്കാനല്ല; പക്ഷേ, ആ കോഡ് ഓരോ പ്രോജക്റ്റ്-ഓറിയന്റഡ് പാഠത്തിലെ /solutions ഫോള്ഡറുകളിൽ ലഭ്യമാണ്. മറ്റൊരു ആശയമെന്നാൽ കൂട്ടുകാരോടൊപ്പം പഠന ഗ്രൂപ്പ് രൂപപ്പെടുത്തിയും ഉള്ളടക്കങ്ങൾ ഒന്നിച്ച് പഠിക്കാം. കൂടുതൽ പഠനത്തിനായി Microsoft Learn ശുപാർശ ചെയ്യുന്നു.

വേഗത്തിൽ തുടങ്ങൽ:

1. നിങ്ങളുടെ പരിസ്ഥിതി ക്രമീകരിക്കാൻ ഇൻസ്റ്റലേഷൻ ഗൈഡ് പരിശോധിയ്ക്കുക
2. പാഠപദ്ധതിയുടെ ഉപയോഗം മനസിലാക്കാൻ ഉപയോഗ മാർഗ്ഗം വായിക്കുക
3. ലെഷൻ 1 മുതൽ തുടക്കം വച്ചുകൊണ്ട് തുടർച്ചയായി പ്രവർത്തിക്കുക
4. പിന്തുണയ്ക്കായി ഡിസ്‌കോർഡ് കമ്മ്യൂണിറ്റി ജോയിൻ ചെയ്യൂ

👩‍🏫 അധ്യാപകർക്ക്

അധ്യാപകർ: ഈ പാഠ്യപദ്ധതി ഉപയോഗിക്കാൻ അനുയോജ്യമായ കുറിപ്പുകൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. നിങ്ങളുടെ അഭിപ്രായങ്ങൾ ഞങ്ങളുടെ ചർച്ച ഫോറത്തിൽ പങ്കുവെയ്ക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു!

സംഘത്തെ പരിചയപ്പെടുക

ഗיף നിർമ്മിച്ചത് മോഹിത് ജൈസല്

🎥 പദ്ധതിയെക്കുറിച്ചും അതിൻറെ സൃഷ്ടാക്കൾക്കുറിച്ചുമായുള്ള ഒരു വീഡിയോ കാണാൻ മുകളിൽ വരുന്ന ചിത്രം ക്ലിക്ക് ചെയ്യൂ!

പഠനരീതി

ഈ പാഠ്യപദ്ധതി രൂപകല്പന ചെയ്യുമ്പോൾ ഞങ്ങൾ രണ്ട് പഠനസിദ്ധാന്തങ്ങൾ തെരഞ്ഞെടുക്കുകയുണ്ടായി: ഇത് പ്രോജക്റ്റ്-അടിഷ്ഠിതമായിരിക്കണം എന്നുംതിൽ സ്ഥിരം ക്വിസുകളും ഉൾപ്പെടുത്തണം എന്നതു കൂടി. ഈ പരമ്പരയുടെ അവസാനം, വിദ്യാർത്ഥികൾ ഡാറ്റ സയൻസിന്റെ അടിസ്ഥാന സിദ്ധാന്തങ്ങൾ പഠിക്കും, ഇതിൽ നയതന്ത്ര സിദ്ധാന്തങ്ങൾ, ഡാറ്റ തയ്യാറാക്കൽ, ഡാറ്റയുമായി ജോലി ചെയ്യുന്നതിന്റെ വിവിധ രീതികൾ, ഡാറ്റ ദൃശ്യവത്കരണം, ഡാറ്റ വിശകലനം, ഡാറ്റ സയൻസിന്റെ യഥാർത്ഥ ലോക ഉപയോഗ കേസുകൾ തുടങ്ങിയവ ഉൾപ്പെടും.

കൂടാതെ, ക്ലാസിനു മുമ്പുള്ള കുറഞ്ഞ ഭാരം വരുന്ന ഒരു ക്വിസ് വിദ്യാർത്ഥിയുടെ പഠന താത്പര്യം സജീവമാക്കുന്നു, ക്ലാസിനു ശേഷം മടങ്ങി പഠന ഉറപ്പാക്കുന്ന രണ്ടാം ക്വിസും ഇതിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഈ പാഠ്യപദ്ധതി ലച്ചിതമായും രസകരമായും രൂപംകൊണ്ടതാണ്, പൂർണമോ ഭാഗികമായോ പഠിക്കാവുന്നതാണ്. 10 ആഴ്ചയായ ചക്രത്തിലെ അവസാനം പ്രോജക്റ്റുകൾ ചെറിയതായിരിക്കും തുടങ്ങികൊണ്ടു വേറിട്ടും സങ്കീർണ്ണമായും വളരുന്ന തരത്തിലാണ്.

ഞങ്ങളുടെ ചടവ് നയം, സംരംഭകരെ സംബന്ധിച്ച നിർദ്ദേശങ്ങൾ, പരിഭാഷ മാർഗ്ഗനിർദ്ദേശങ്ങൾ കാണൂ. നിങ്ങളുടെ സൃഷ്ടിപരമായ പ്രതികരണം സ്വാഗതം!

ഓരോ പാഠവും ഉൾക്കൊള്ളുന്നത്:

• ഐച്ഛിക സ്കെച്ച് നോട്ട്
• ഐച്ഛിക സഹായക വീഡിയോ
• പാഠത്തിനു മുൻപുള്ള ഒരുക്ക ക്വിസ്
• എഴുത്തുള്ള പാഠം
• പ്രോജക്റ്റ്-അടിഷ്ഠിത പാഠങ്ങൾക്കായി പ്രോജക്റ്റ് നിർമ്മിക്കുന്നതിനുള്ള ചുവടു ചുവടായി നിർദ്ദേശങ്ങൾ
• അറിവ് പരിശോധനകൾ
• ഒരു ചലഞ്ച്
• സഹായക വായന -တာ പഠനാനന്തര ക്വിസ്

ക്വിസുകളെക്കുറിച്ചുള്ള ഒരു കാഴ്ച: എല്ലാ ക്വിസുകളും Quiz-App ഫോൾഡറിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, ഓരോന്നിലും മൂന്ന് ചോദ്യങ്ങൾ ചേർന്ന 40 ക്വിസുകളാണ്. പാഠങ്ങളിൽ നിന്നു ലിങ്കുചെയ്തിരിക്കുന്നു, എന്നാൽ ക്വിസ് അപ്ലിക്കേഷൻ ലോക്കലായി ഓടിക്കുകയോ ആസ്യൂറില് നോക്കിക്കാണിക്കുകയോ കഴിയും; quiz-app ഫോൾഡറിലുളള നിർദ്ദേശങ്ങൾ പാലിക്കുക. ഇവ постепല്ലായി ഭാഷാനുപ്രേഷണം നടത്തപ്പെടുന്നു.

🎓 ആരംഭകരെ അനുകൂലിക്കുന്ന ഉദാഹരണങ്ങൾ

ഡാറ്റ സയൻസിൽ പുതുതായി വന്നവരേ? നിങ്ങളെ സഹായിക്കാൻ ലളിതവും നന്നായി കമന്റിട്ടും ഉള്ള ഒരു പ്രത്യേക ഉദാഹരണ ഡയറക്ടറി ഞങ്ങൾ സൃഷ്ടിച്ചു:

• 🌟 ഹെലോ വേൾഡ് - നിങ്ങളുടെ ആദ്യ ഡാറ്റ സയൻസ് പ്രോഗ്രാം
• 📂 ഡാറ്റ ലോഡ് ചെയ്യൽ - ഡാറ്റാ സെറ്റുകൾ വായിക്കുകയും പരിശോധിക്കുകയും പഠിക്കുക
• 📊 സിമ്പിൾ അനാലിസിസ് - കണക്കെടുപ്പുകൾ നടത്തി പാറ്റേണുകൾ കണ്ടെത്തുക
• 📈 ബേസിക് ദൃശ്യവത്കരണം - ചാർട്ടുകളും ഗ്രാഫുകളും ഉണ്ടാക്കുക
• 🔬 യഥാർത്ഥ പ്രോജക്റ്റ് - തുടക്കം മുതൽ അവസാനവരെയും Workflow പൂർത്തിയാക്കുക

ഓരോ ഉദാഹരണവും ഓരോ ഘട്ടവും വിശദമായി വിശദീകരിക്കുന്ന കമന്റുകൾ ഉൾക്കൊള്ളുന്നു, ഇത് തൊട്ടുതുടങ്ങിയവർക്കായി ഉത്തമമായി അനുയോജ്യമാണ്!

👉 ഉദാഹരണങ്ങളിൽ ആരംഭിക്കുക 👈

പാഠങ്ങൾ

ഡാറ്റ സയൻസ് ഫോർ ബിഗിന്നേഴ്സ്: റോഡ് മാപ്പ് - സ്കെച്ച്നോട്ട് @nitya യിലൂടെ.(https://twitter.com/nitya)

പാഠ നമ്പർ	വിഷയഭാഗം	പാഠ ഗ്രൂപ്പിങ്ങ്	പഠനലക്ഷ്യങ്ങൾ	ലിങ്കുചെയ്ത പാഠം	എഴുത്തുകാരൻ
01	ഡാറ്റ സയൻസ് നിശ്ചയിക്കൽ	പരിചയം	ഡാറ്റ സയൻസിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുകയും അതിന്റെ ആധികാര്യബുദ്ധിയും, മെഷീൻ ലേണിങ്ങും, വലിയ ഡേറ്റയും തമ്മിലുള്ള ബന്ധം മനസ്സിലാക്കുക.	പാഠം വീഡിയോ	ദിമിത്രി
02	ഡാറ്റ സയൻസ് നയശാസ്ത്രം	പരിചയം	ഡാറ്റ നയശാസ്ത്ര ആശയങ്ങൾ, വെല്ലുവിളികൾ & ഘടനകൾ.	പാഠം	നിത്യ
03	ഡാറ്റ നിർവചനം	പരിചയം	ഡാറ്റ എങ്ങനെ വർഗ്ഗീകരിക്കുമെന്നതും സാധാരണ ഉറവിടങ്ങളും.	പാഠം	ജാസ്മിൻ
04	സ്ഥിതിവിവരശാസ്ത്രവും സാധ്യതാ സിദ്ധാന്തവും	പരിചയം	ഡാറ്റ മനസ്സിലാക്കാൻ സാധ്യതയും സ്ഥിതിവിവരശാസ്ത്രത്തിന്റെ ഗണിതരീതികൾ.	പാഠം വീഡിയോ	ദിമിത്രി
05	ബന്ധ ഡാറ്റയിൽ പ്രവർത്തനങ്ങൾ	ഡാറ്റയുമായി പ്രവർത്തനം	ബന്ധ ഡാറ്റ (Relational Data) പരിചയം, SQL എന്ന സ്‌ട്രക്ചേഡ് ക്വറി ലാങ്ങ്വേജ് ഉപയോഗിച്ച് ഡാറ്റ കണ്ടെത്തലും വിശകലനവും.	പാഠം	ക്രിസ്റ്റഫർ
06	നോൺ-എസ്‌ക്യൂ‌എൽ ഡാറ്റയുമായി പ്രവർത്തനം	ഡാറ്റയുമായി പ്രവർത്തനം	നോൺ-ബന്ധ ഡാറ്റയുടെ പരിചയം, അതിന്റെ വിവിധ തരം, ഡോക്യുമെന്റ് ഡാറ്റാബേസുകൾ പരിശോധിക്കാനും വിശകലനം ചെയ്യാനും അടിസ്ഥാന ചിന്തകൾ.	പാഠം	ജാസ്മിൻ
07	പൈത്തണുമായി പ്രവർത്തനം	ഡാറ്റയുമായി പ്രവർത്തനം	പാന്ഡാസ് പോലുള്ള ലൈബ്രറിയുകൾ ഉപയോഗിച്ച് ഡാറ്റാ സഹായിത പഠനങ്ങൾ ആരംഭിക്കാൻ പൈത്തൺ അടിസ്ഥാനങ്ങൾ. പൈത്തൺ പ്രോഗ്രാമിങിലെ ആമുഖ അറിവ് ആവശ്യമാണ്.	പാഠം വീഡിയോ	ദിമിത്രി
08	ഡാറ്റ തയ്യാറാക്കൽ	ഡാറ്റയുമായി പ്രവർത്തനം	മിസ്സിങ്, തെറ്റായ, അപൂർണ്ണമായ ഡാറ്റ കൈകാര്യം ചെയ്യാനുള്ള ഡാറ്റ ക്ലീനിംഗും ട്രാൻസ്ഫോർമേഷനും സംബന്ധിച്ച വിഷയങ്ങൾ.	പാഠം	ജാസ്മിൻ
09	അളക്കത്തിൻറെ ദൃശ്യവത്കരണം	ഡാറ്റ ദൃശ്യവത്കരണം	മാട്പ്ലോട്ട്‌ലിബ് ഉപയോഗിച്ച് പടവാട്ടിയ പക്ഷി ഡാറ്റ ദൃശ്യവത്ക്കരിക്കുന്നത് പഠിക്കുക 🦆	പാഠം	ജെൻ
10	ഡാറ്റയുടെ വിതരണങ്ങൾ ദൃശ്യവത്കരണം	ഡാറ്റ ദൃശ്യവത്കരണം	നിരത്തിലുളള നിരീക്ഷണങ്ങളും പ്രവണതകളും ദൃശ്യവത്കരിക്കൽ.	പാഠം	ജെൻ
11	അനുപാതങ്ങളുടെ ദൃശ്യവത്കരണം	ഡാറ്റ ദൃശ്യവത്കരണം	വ്യത്യസ്ത സാമൂഹ്യജീവിത ശതമാനങ്ങളുടെ ദൃശ്യവത്കരണം.	പാഠം	ജെൻ
12	ബന്ധങ്ങളുടെ ദൃശ്യവത്കരണം	ഡാറ്റ ദൃശ്യവത്കരണം	ഡാറ്റ സെറ്റുകളും പോവരിബന്ധങ്ങളുമാകെ ബന്ധങ്ങളുടെ ദൃശ്യവത്കരണം.	പാഠം	ജെൻ
13	മൂല്യമുള്ള ദൃശ്യവത്കരണം	ഡാറ്റ ദൃശ്യവത്കരണം	പ്രയോജനം നിറഞ്ഞ പ്രശ്ന പരിഹാരത്തിനും സൂക്ഷ്മ വിവേകത്തിനും വേണ്ടി നിങ്ങളുടെ ദൃശ്യവത്കരണം വിലപ്പെട്ടതാക്കാനുള്ള സാങ്കേതികങ്ങൾ.	പാഠം	ജെൻ
14	ഡാറ്റ സയൻസ് ലൈഫ് സൈകിളിൻറെ പരിചയം	ലൈഫ് സൈകിള്	ഡാറ്റ സയൻസ് ലൈഫ് സൈകിളിൻറെ പരിചയം, ആദ്യഘട്ടം ആയ ഡാറ്റ ഏറ്റെടുക്കലും എക്സ്ട്രാക്ഷനുമ്.	പാഠം	ജാസ്മിൻ
15	വിശകലനം	ലൈഫ് സൈകിള്	ഡാറ്റ സയൻസ് ലൈഫ് സൈകിളിന്റെ സ്ഥലം ഡാറ്റ വിശകലനത്തിന് സാങ്കേതിക വിദ്യകൾ.	പാഠം	ജാസ്മിൻ
16	ആശയവിനിമയം	ലൈഫ് സൈകിള്	ഡാറ്റയിൽനിന്ന് ലഭിച്ച അറിവുകൾ തീരുമാനമെടുക്കുന്നവർക്കു എളുപ്പത്തിൽ മനസ്സിലാകും വിധം പ്രദർശിപ്പിക്കാനുള്ള ഘട്ടം.	പാഠം	ജാലൻ
17	ക്ലൗഡിലെ ഡാറ്റ സയൻസ്	ക്ലൗഡ് ഡാറ്റ	ക്ലൗഡിലെ ഡാറ്റ സയൻസിന്റെ പരിചയവും പ്രയോജനങ്ങളും.	പാഠം	ടിഫാൻ & മാഉഡ്
18	ക്ലൗഡിലെ ഡാറ്റ സയൻസ്	ക്ലൗഡ് ഡാറ്റ	ലോ കോഡ് ഉപകരണങ്ങൾ ഉപയോഗിച്ച് മോഡൽ പരിശീലനം.	പാഠം	ടിഫാൻ & മാഉഡ്
19	ക്ലൗഡിലെ ഡാറ്റ സയൻസ്	ക്ലൗഡ് ഡാറ്റ	അജ്വർ മെഷീൻ ലേണിങ്ങ് സ്റ്റുഡിയോയിൽ മോഡലുകൾ വിന്യസിക്കൽ.	പാഠം	ടിഫാൻ & മാഉഡ്
20	വന്യമായിട്ടുള്ള ഡാറ്റ സയൻസ്	വന്യത്തിലൂടെ	യഥാർത്ഥ ലോകത്തെ ഡാറ്റ സയൻസ് നേതൃത്വത്തിലുള്ള പ്രോജക്റ്റുകൾ.	പാഠം	നിത്യ

GitHub_CODESpaces

ഈ ഉദാഹരണം ഒരു Codespace ൽ തുറക്കാൻ നിലനിൽക്കുന്ന ചുവടുകൾ ഉപയോഗിക്കുക:

1. Code ഡ്രോപ്-ഡൗൺ മെനു ക്ലിക്ക് ചെയ്ത് Open with Codespaces തിരഞ്ഞെടുക്കുക.
2. താഴെ ഇത്രയും അതിൻറെ പാനലിൽ + New codespace തിരഞ്ഞെടുക്കുക. കൂടുതൽ വിവരങ്ങൾക്ക് GitHub രേഖ ചോദിക്കുയ്യാം: GitHub ഡോക്യുമെന്റേഷൻ.

VSCode_Remote_-_Containers

ഈ റിപ്പോസിറ്ററി ഒരു കണ്ടെയിനറിൽ തുറക്കാൻ ചുവടുള്ള മാർഗ്ഗനിർദ്ദേശങ്ങൾ പാലിക്കുക. നിങ്ങളുടെ ലൊക്കൽ മെഷീനും VSCode യും ഉപയോഗിച്ച് VS Code Remote - Containers എക്സ്റ്റൻഷൻ ഉപയോഗിക്കുക:

1. ആദ്യമായി ഡെവലപ്പ്മെന്റ് കണ്ടെയ്‌നർ ഉപയോഗിക്കുന്നുവെങ്കിൽ, നിങ്ങളുടെ സംവിധാനം മുൻനിബന്ധനകൾ നിറവേറ്റുന്നുവെന്ന് ഉറപ്പാക്കുക (ഹെച്ച് ഡോക്കർ ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടോ എന്നതുപോലുള്ളത്) ആരംഭ ഡോക്യുമെന്റേഷൻ പരിശോധിക്കുക.

ഈ റിപ്പോസിറ്ററി ഇസൊലേറ്റഡ് ഡോക്കർ വോളിയത്തിലോ അല്ലെങ്കിൽ ലോക്കലായി ക്ലോൺ ചെയ്‌ത അല്ലെങ്കിൽ ഡൗൺലോഡ് ചെയ്‌ത പക്ഷേ തുറക്കാം:

കൂടുകുറിപ്പായി: Remote-Containers: Clone Repository in Container Volume... കമാൻഡ് ഉപയോഗിച്ച് സോഴ്സ് കോഡ് ഡോക്കർ വോളിയത്തിലേക്ക് ക്ലോൺ ചെയ്യുന്നു, ലൊക്കൽ ഫയൽ സിസ്റ്റം അല്ല. ഡോക്കർ വോളിയം കണ്ടെയ്‌നർ ഡാറ്റ സംരക്ഷിക്കാൻ അഭിലഷണീയമാണ്.

അല്ലെങ്കിൽ ലോക്കലായി ക്ലോൺ ചെയ്ത കോപ്പി തുറക്കുക:

• ഈ റിപ്പോസിറ്ററി നിങ്ങളുടെ ലൊക്കൽ ഫയൽ സിസ്റ്റത്തിൽ ക്ലോൺ ചെയ്യുക.
• F1 അമർത്തി Remote-Containers: Open Folder in Container... കമാൻഡ് തിരഞ്ഞെടുക്കുക.
• ഈ ഫോൾഡർ ക്ലോൺ ചെയ്ത കോപ്പി തിരഞ്ഞെടുത്ത്, കണ്ടെയ്‌നർ ആരംഭിക്കുവോളം കാത്തിരിക്കുക, ശേഷം പരീക്ഷിക്കുക.

ഓഫീസ്ലൈൻ ആക്‌സസ്

Docsify ഉപകരണം ഉപയോഗിച്ച് നിങ്ങളുടെ ഡോക്യുമെന്റേഷൻ ഓഫ്ലൈനിലും ഓടിക്കാം. ഈ റിപ്പോസിറ്ററി ഫോർക്ക് ചെയ്ത്, Docsify ഇൻസ്റ്റാൾ ചെയ്ത് നിങ്ങളുടെ ലോക്കൽ മെഷീനിൽ, പിന്നെ ഈ റിപ്പോസിറ്ററിയുടെ റൂട്ട് ഫോൾഡറിൽ docsify serve ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് localhost:3000 എന്ന പോർട്ടിൽ ലഭ്യമാകും.

കുറിപ്പ്: നോട്ട് ബുകുകൾ Docsify വഴി പ്രകാശിപ്പിക്കണമെന്നില്ല, അതിനാൽ നോട്ട് ബുക് പ്രവർത്തിപ്പിക്കേണ്ടപ്പോൾ, പൈത്തൺ കർണൽ ഓടിക്കുന്ന VS Code ആണ് വേണം.

മറ്റ് പാഠ്യപദ്ധതികൾ

ഞങ്ങളുടെ ടീം മറ്റ് പാഠ്യപദ്ധതികളും ഉണ്ടാക്കുന്നു! പരിശോധിക്കുക:

LangChain

---

ആസ്യൂർ / എഡ്ജ് / എംസിപി / ഏജന്റ്‌സ്

---

ജനറേറ്റീവ് എഐ സീരീസ്

---

കോർ ലേർണിംഗ്

---

കോപ്പൈലറ്റ് സീരീസ്

സഹായം നേടാം

പ്രശ്നങ്ങൾ നേരിടുന്നുണ്ടോ? സാധാരണപ്പെട്ട പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ കാണാൻ ഞങ്ങളുടെ Troubleshooting Guide പരിശോധിക്കുക.

AI ആപ്പുകൾ നിർമ്മിക്കുന്നതിൽ തടസ്സമുണ്ടെങ്കിൽ അല്ലെങ്കിൽ ഏതെങ്കിലും ചോദ്യങ്ങൾ ഉണ്ടായാൽ, MCP സംബന്ധിച്ച ചർച്ചകളിൽ പങ്കുചേരാൻ അനുഭവസമ്പന്നരായ ഡെവലപ്പർമാരും പഠനാർത്ഥികളും ഉള്ള ഒരു കൂട്ടായ്മയിൽ ചേർക്കുക. ചോദ്യങ്ങൾ ഏറ്റെടുക്കുന്ന ഒരു പിന്തുണയുള്ള സമൂഹമാണ് ഇത്, അറിവ് സൗജന്യമായി പങ്കുവെക്കപ്പെടുന്നു.

നിങ്ങൾക്ക് ഉൽപ്പന്ന പ്രതികരണം ഉണ്ടെങ്കിൽ അല്ലെങ്കിൽ ഉണ്ടാകുന്ന പിഴവുകൾ ഉണ്ടാകുമ്പോൾ സന്ദർശിക്കുക:

---

അസ്വീകാര്യത:
ഈ ദസ്താവേജ് AI വിവർത്തന സേവനമായ Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. ഞങ്ങൾ സത്യസന്ധതയിൽ ശ്രമിച്ചാലും, ഓട്ടോമാറ്റഡ് വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റിദ്ധാരണകൾ ഉണ്ടാകാവുന്നതാണ്. ആഭിക്ഷമായ ഭാഷയിൽ ഉണ്ടായിരുന്നുള്ള ഒറിജിനൽ ദസ്താവേജിനെ അധികാരപ്രാപ്തമായ ഉറവിടമായി പരിഗണിക്കുക. പ്രധാന വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നുണർഭാഷകൾ അല്ലെങ്കിൽ തെറ്റിദ്ധാരണകൾ സംഭവിച്ചപ്പോഴും ഞങ്ങൾ ഉത്തരവാദിത്വം വഹിക്കുന്നില്ല.