|
|
3 days ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 3 days ago | |
| 2-Working-With-Data | 3 days ago | |
| 3-Data-Visualization | 3 days ago | |
| 4-Data-Science-Lifecycle | 3 days ago | |
| 5-Data-Science-In-Cloud | 3 days ago | |
| 6-Data-Science-In-Wild | 3 days ago | |
| docs | 1 month ago | |
| examples | 1 month ago | |
| quiz-app | 1 month ago | |
| sketchnotes | 3 days ago | |
| .co-op-translator.json | 3 days ago | |
| AGENTS.md | 1 month ago | |
| CODE_OF_CONDUCT.md | 1 month ago | |
| CONTRIBUTING.md | 1 month ago | |
| INSTALLATION.md | 1 month ago | |
| README.md | 3 days ago | |
| SECURITY.md | 1 month ago | |
| SUPPORT.md | 1 month ago | |
| TROUBLESHOOTING.md | 1 month ago | |
| USAGE.md | 1 month ago | |
| for-teachers.md | 1 month ago | |
README.md
പുതിയവർക്കുള്ള ഡാറ്റാ സയൻസ് - ഒരു പ്രഥമ കോഴ്സ്
Microsoft-യിലെ Azure Cloud Advocates-മെമ്പറെന്ന് ഈ 10 വാരവും 20 പാഠങ്ങളും ഉൾക്കുന്ന ഡാറ്റാ സയൻസ് കോഴ്സ് നിങ്ങളെ പരിചയപ്പെടുത്താൻ സന്തോഷമുണ്ടാക്കുന്നു. ഓരോ പാഠത്തിലും പാഠം തുടങ്ങുന്നതിനും അവസാനം നല്കുന്ന ക്വിസുകളുണ്ട്, പാഠം നിർവ്വഹിക്കാൻ എഴുതിയുന്ന നിർദ്ദേശങ്ങൾ, പരിഹാരം, ഹോംവർക്ക് എന്നിവ ഉൾപ്പെടുന്നു. പ്രോജക്ട് അടിസ്ഥാനത്തിലുള്ള വിദ്യാസമ്പ്രദായം നിങ്ങളുടെ പുതിയ കഴിവുകൾ തുടർച്ചയായി നിലനിൽക്കാൻ സഹായിക്കുന്ന നല്ല മാർഗമാണ്, നിങ്ങൾ നിർമ്മിക്കുന്നതിനിടയിൽ പഠിക്കാനും കഴിയും.
നമ്മുടെ എഴുത്തുകാര്ക്ക് ഹൃദയം നിറഞ്ഞ നന്ദി: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 പ്രത്യേക നന്ദി 🙏 നമ്മുടെ Microsoft Student Ambassador എഴുത്തുകാരാണ്, വിലയിരുത്തുന്നവര്, ഉള്ളടക്കം സംഭാവനക്കാർ, പ്രത്യേകിച്ച് Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi
![]() |
|---|
| പുതിയവർക്കുള്ള ഡാറ്റാ സയൻസ് - വൃത്താന്തരേഖ @nitya അംഗീകാരം |
🌐 ബഹുഭാഷാ പിന്തുണ
GitHub Action വഴി പിന്തുണ (സ്വയംസഞ്ചാരവും എല്ലായ്പ്പോഴും അപ്ഡേറ്റ്-ഉം)
അറബിക് | ബംഗാളി | ബൾഗേറിയൻ | ബർമ്മീസ് (മ്യാന്മാർ) | ചൈനീസ് (സാധാരണ) | ചൈനീസ് (പാരമ്പര്യം, ഹോങ്കോങ്ങ്) | ചൈനീസ് (പാരമ്പര്യം, മകാവ്) | ചൈനീസ് (പാരമ്പര്യം, തായ്വാൻ) | ക്രമോത്തരം | ചെക്ക് | ഡാനിഷ് | ഡച്ച് | എസ്റ്റോണിയൻ | ഫിന്നിഷ് | ഫ്രഞ്ച് | ജർമ്മൻ | ഗ്രീക്ക് | ഹെബ്രു | ഹിന്ദി | ഹംഗറിയൻ | ഇന്തോനേഷ്യൻ | ഇറ്റാലിയൻ | ജാപ്പനീസ് | കനഡ | കൊറിയൻ | ലിതുവേനിയൻ | മലയാളം | മറാത്തി | നെപാളി | നൈജീരിയൻ പിഡ്ജിൻ | നോർവീജിയൻ | ഫേഴ്സി (ഫാർസി) | പോളിഷ് | പോർച്ചുഗീസ് (ബ്രസീൽ) | പോർച്ചുഗീസ് (പോർച്ചുഗൽ) | പഞ്ചാബി (ഗുരുമുഖി) | റൊമാനിയൻ | റഷ്യൻ | സെർബിയൻ (സിറിലിക്) | സ്ലൊവാക്ക് | സ്ലൊവേനിയൻ | സ്പാനിഷ് | സ്വാഹിലി | സ്വീഡിഷ് | തഗാലോഗ് (ഫിലിപ്പിനോ) | തമിഴ് | തെലുങ്കു | തായ് | ടർക്കിഷ് | ഉക്രെയ്നിയൻ | ഉർദു | വിയറ്റ്നാമീസ്
ദയവായി പ്രാദേശികമായി ക്ലോൺ ചെയ്യാൻ ആഗ്രഹിക്കുന്നുണ്ടോ?
ഈ സംഭരണം 50+ ഭാഷാ വിവർത്തനങ്ങൾ ഉൾക്കൊള്ളുന്നു, ഇത് ഡൗൺലോഡ് വലിപ്പം വളരെ വർധിപ്പിക്കുന്നു. വിവർത്തനങ്ങൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:
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"ഇതിലൂടെ കോഴ്സ് പൂർത്തിയാക്കാൻ ആവശ്യമുള്ള എല്ലാ കാര്യങ്ങളും വളരെ വേഗത്തിലുള്ള ഡൗൺലോഡോടെ ലഭിക്കും.
കൂടുതൽ വിവർത്തനഭാഷകൾ ആവശ്യമാണ് എങ്കിൽ അവ ഇവിടെ നൽക്കിയിരിക്കുന്നു
നമ്മുടെ കമ്മ്യൂണിറ്റിയിൽ ചേർക്കുക
നാം ഒരു Discord ലേണുമായ AI സീരീസ് നടത്തുന്നു, കൂടുതൽ അറിയാനും ഞങ്ങളോടൊപ്പം ചേരാനും Learn with AI Series സന്ദർശിക്കുക, സെപ്റ്റംബർ 18 - 30, 2025 നടന്നു പോകുന്നു. GitHub Copilot ഉപയോഗിച്ച് ഡാറ്റാ സയൻസിന് ടിപ്പുകളും ട്രിക്കുകളും ഈ സീരീസിൽ നൽകും.
നിങ്ങൾ ഒരു വിദ്യാർത്ഥിയാണോ?
ഇനിപ്പറയുന്ന സ്രോതസുകൾ ഉപയോഗിച്ച് തുടങ്ങുക:
- സ്റ്റുഡന്റ് ഹബ് പേജ് ഇവിടെ തുടക്കംവരെയുള്ള വൃക്ഷങ്ങൾ, വിദ്യാർത്ഥി പാക്കുകൾ, സൗജന്യ സർട്ടിഫിക്കറ്റ് വൗച്ചർ ലഭിക്കുന്ന മാർഗങ്ങൾ എന്നിവ കാണാം. ഈ പേജ് മാർക്ക് ചെയ്യാനും ഗതി മാറ്റങ്ങൾ ഈ പേജ് മാസത്തിൽ താഴെ അറിയാനും ഉത്സാഹദായകമാണ്.
- Microsoft Learn Student Ambassadors ഒരു ആഗോള വിദ്യാർത്ഥി എംബസഡർ സമൂഹത്തിൽ ചേരുക, ഇത് Microsoftൽ പ്രവേശിക്കാൻ ഒരു വഴിയാകും.
ആരംഭിക്കൽ
📚 ഡോക്യുമെന്റേഷൻ
- ഇൻസ്റ്റലേഷൻ ഗൈഡ് - തുടക്കംവരെയുള്ളവർക്കുള്ള ഘട്ടങ്ങളായി ക്രമീകരിക്കൽ നിർദ്ദേശങ്ങൾ
- ഉപയോഗം ഗൈഡ് - ഉദാഹരണങ്ങൾ കൂടിയ പൊതുവായ പ്രവൃത്തി രീതികൾ
- പ്രശ്ന പരിഹാരം - സാധാരണ പ്രശ്നങ്ങൾക്കുള്ള പരിഹാരങ്ങൾ
- സംഭാവനം ഗൈഡ് - ഈ പദ്ധതി ക്ക് സംഭാവനം ചെയ്യാനുള്ള മാർഗങ്ങൾ
- അധ്യാപകർക്ക് - പാഠം നിർവഹണത്തിനും ക്ലാസ് റിസോഴ്സുകൾക്കുമായി മാർഗനിർദ്ദേശങ്ങൾ
👨🎓 വിദ്യാർത്ഥികൾക്ക്
പൂർണ തുടക്കക്കാർ: ഡാറ്റാ സയൻസിലേക്ക് പുതുവനോ? ഞങ്ങളുടെ തുടക്കം സുഹൃത്തായ ഉദാഹരണങ്ങൾ കണ്ടെത്തുക! ഈ ലളിതമാരിയ, അധിക കൂട്ടമായ ഉദാഹരണങ്ങൾ അടിസ്ഥാനങ്ങൾ മനസ്സിലാക്കാൻ സഹായിക്കും, മുഴുവൻ കോഴ്സിൽ നീങ്ങുന്നതിന് മുമ്പ്. വിദ്യാർത്ഥികൾ: ഈ കോഴ്സ് സ്വയം പഠിക്കാൻ, മുഴുവനായ റീപ്പോ ഫോর্ক് ചെയ്ത് മുൻപുള്ള ക്വിസ് ചെയ്ത് ശേഷം പ്രഭാഷണം വായിച്ച് മറ്റുള്ള പ്രവർത്തികൾ നിർവഹിക്കുക. പരിഹാര കോഡ് പകർത്തുന്നതുപകരം പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്ടുകൾ സൃഷ്ടിക്കുക; പക്ഷേ, പരിഹാര കോഡ് /solutions ഫോൾഡറുകളിൽ ലഭ്യമാണ്. കൂട്ടുകാരുമായുള്ള പഠന ഗ്രൂപ്പ് രൂപീകരിച്ച് ഒന്നിച്ച് പാഠങ്ങൾ പഠിച്ചുകൊണ്ടിരിക്കുക. കൂടുതൽ പഠനത്തിനായി Microsoft Learn ഉപയോഗിക്കുക.
വേഗത്തോടെയുള്ള തുടക്കം:
- പരിസ്ഥിതി ക്രമീകരണത്തിനു ഇൻസ്റ്റലേഷൻ ഗൈഡ് തിരയുക
- കോഴ്സിനെ എങ്ങനെ പ്രവർത്തിക്കാമെന്ന് ഉപയോഗം ഗൈഡ് വായിക്കുക
- പാഠം 1-നു തുടങ്ങി തുടർക്രമത്തിൽ പഠിക്കൂ
- സഹായത്തിനായി ഞങ്ങളുടെ ഡിസ്കോർഡ് കമ്മ്യൂണിറ്റി ഞങ്ങളോടൊപ്പം ചേർന്ന് സഹായം നേടുക
👩🏫 അധ്യാപകർക്ക്
അധ്യാപകർ: ഈ പാഠ്യപദ്ധതിയെ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് പറ്റിയ ചില നിർദ്ദേശങ്ങൾ ഞങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. നിങ്ങളുടെ അഭിപ്രായങ്ങൾ ഞങ്ങളുടെ ചർച്ചാ ഫോറത്തിൽ വാങ്ങാമെന്നു ആസ്വദിക്കും!
സംഘത്തെ പരിചയപ്പെടുക
ഗിഫ് മോഹിത് ജയ്സൽ
🎥 ഉരച്ചു നിർമ്മിച്ച പ്രോജക്റ്റ് സെറ്റിന്റെ വീഡിയോക്കായി മുകളിൽ കാണുന്ന ചിത്രം ക്ലിക്ക് ചെയ്യുക!
പഠനരീതിയ നിയമങ്ങൾ
ഈ പാഠ്യപദ്ധതി നിർമ്മിക്കുമ്പോൾ ഞങ്ങൾ തിരഞ്ഞെടുത്ത രണ്ട് പഠനരീതിയ തത്വങ്ങൾ ഉണ്ട്: അത് പ്രോജക്റ്റ് അടിസ്ഥാനമാക്കിയത് എന്നതും, കൂടാതെ പതിവായി ക്വിസുകൾ ഉൾപ്പെടുത്തിയത്. ഈ സീരീസ് അവസാനിക്കുന്നത് വരെ വിദ്യാർഥികൾ പ്രാഥമിക ഡാറ്റാ സയൻസ് തത്വങ്ങൾ പഠിക്കും, ധാർമിക ആശയങ്ങൾ ഉൾപ്പെടെ, ഡാറ്റാ തയ്യാറാക്കൽ, ഡാറ്റാ കൈകാര്യം ചെയ്യാനുള്ള വ്യത്യസ്ത മാർഗങ്ങൾ, ഡാറ്റാ ദൃശ്യവൽക്കരണം, ഡാറ്റാ വിശകലനം, ഡേറ്റാ സയൻസ് യാഥാർത്ഥ്യ ഉപയോഗകേസുകൾ മറ്റും.
കൂടാതെ, ഒരു ക്ലാസിന് മുൻപ് കൃത്യമായ കലാകൃതി ഇല്ലാത്ത ഒരു ക്വിസ് വിദ്യാർത്ഥിയെ ഒരു വിഷയത്തിൽ പഠനത്തിന്റെ ഉദ്ദേശിക്കുന്നതിൽ സഹായിക്കുന്നു, ക്ലാസിനു ശേഷമുള്ള രണ്ടാമത്തെ ക്വിസ് കൂടുതലായി ഓർമ്മിപ്പിക്കുന്നു. ഈ പാഠ്യപദ്ധതി ലക്ഷ്യമിട്ടിരിക്കുന്നത് സൗകര്യപ്രദവും രസകരവുമാണ്, മുഴുവൻ അല്ലെങ്കിൽ ഭാഗികമായി സ്വീകരിക്കാവുന്നതാണ്. പ്രോജക്റ്റുകൾ ചെറിയതിൽ തുടങ്ങുകയും പത്തു ആഴ്ച കൂടി കഴിഞ്ഞ് സങ്കീർണ്ണമായതായിത്തീരുമെന്ന്.
ഞങ്ങളുടെ കണ്ടക്ട് കോഡ്, സംഭാവന മാർഗ്ഗനിർദ്ദേശങ്ങൾ, പരിവർത്തനം മാർഗ്ഗനിർദേശങ്ങളുണ്ട്. നിങ്ങളുടെ സൃഷ്ടിപരമായ അഭിപ്രായങ്ങൾ ഞങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!
പ്രതേകം പാഠത്തിൽ ഉൾപ്പെടുത്തിയിട്ടുള്ളത്:
- ഐച്ഛിക സ്കെച്ച്നോട്ട്
- ഐച്ഛിക പൂരക വീഡിയോ
- പാഠത്തിന് മുൻപുള്ള വാര്മപ്പ് ക്വിസ്
- എഴുതിയ പാഠം
- പ്രോജക്റ്റ് അടിസ്ഥാന പാഠങ്ങൾക്ക്, പ്രോജക്റ്റ് നിർമ്മിക്കുന്നതിനുള്ള ക്രമക്രമ ഗൈഡ്സുകൾ
- വിജ്ഞാന പരിശോധനകൾ
- ഒരു ചലഞ്ച്
- പൂരക വായന
- അസൈൻമെന്റ്
- പാഠാനന്തര ക്വിസ്
ക്വിസുകൾക്കുറിച്ചുള്ള കുറിപ്പ്: എല്ലാ ക്വിസുകളും Quiz-App ഫോൾഡറിലുണ്ട്, മൂന്ന് ചോദ്യങ്ങൾ ഉള്ള 40 മൊത്തം ക്വിസുകൾ. ഇവ പാഠങ്ങളിൽ നിന്നാണ് ലിങ്ക് ചെയ്യപ്പെട്ടിരിക്കുന്നത്, എങ്കിലും ക്വിസ് ആപ്പ് സാമാന്യമായി ലോക്കലിൽ പ്രവർത്തിക്കാവുന്നതുമായ അല്ലെങ്കിൽ Azure-ല് വിന്യാസം ചെയ്യാവുന്നതുമായ ആപ്ലിക്കേഷൻ ആണ്;
quiz-appഫോൾഡറിൽ നൽകരുന്ന നിർദ്ദേശങ്ങൾ പിന്തുടരുക. അവ ക്രമാതീതമായി പ്രാദേശികമാകുന്നു.
🎓 തുടങ്ങുന്നവർക്ക് സുഹൃത്ത് ഉദാഹരണങ്ങൾ
ഡാറ്റാ സയൻസിൽ പുതിയവനോ? നിങ്ങൾക്ക് തുടങ്ങാൻ സഹായിക്കുന്ന ലളിതവും വിശദമായ കുറിപ്പുകളുള്ള പ്രത്യേക ഉദാഹരണ ഡയറക്ടറി ഞങ്ങൾ സൃഷ്ടിച്ചിരിക്കുന്നു:
- 🌟 ഹലോ വേൾഡ് - നിങ്ങളുടെ ആദ്യ ഡാറ്റാ സയൻസ് പ്രോഗ്രാം
- 📂 ഡാറ്റ എടുക്കൽ - ഡാറ്റാസെറ്റുകൾ വായിച്ചു പഠിക്കാൻ പഠിക്കുക
- 📊 സിമ്പിൾ അനാലിസിസ് - സ്റ്റാറ്റിസ്റ്റിക്സ് കണക്കാക്കുക, മാതൃകകൾ കണ്ടെത്തുക
- 📈 ബേസിക് ദൃശ്യവൽക്കരണം - ചാർട്ടുകളും ഗ്രാഫുകളും സൃഷ്ടിക്കുക
- 🔬 യഥാർത്ഥ പ്രോജക്റ്റ് - ആരംഭം മുതൽ സമാപന വരെ മുഴുവൻ പ്രവൃത്തി നിർവ്വഹണം
ഏറ്റവും പഠാരണീയരായവർക്കായി ഓരോ ഘടകവും വിശദമായ കമന്റുകളൊടുകൂടി നൽകപ്പെട്ടിരിക്കുന്നു!
👉 ഉദാഹരണങ്ങളിൽ നിന്ന് ആരംഭിക്കുക 👈
പാഠങ്ങൾ
![]() |
|---|
| ഡാറ്റാ സയൻസ് ഫോർ ബിഗിന്നേഴ്സ്: റോഡ് മാപ്പ് - സ്കെച്ച്നോട്ട് @nitya tarafından |
| പാഠ നമ്പർ | വിഷയം | പാഠ ഗ്രൂപ്പിങ്ങ് | പഠന ലക്ഷ്യങ്ങൾ | ലിങ്ക് ചെയ്ത പാഠം | ലേഖകൻ |
|---|---|---|---|---|---|
| 01 | ഡാറ്റാ സയൻസ് നിർവ്വചിക്കൽ | പരിചയം | ഡാറ്റാ സയന്സിന്റെ അടിസ്ഥാന ആശയങ്ങൾ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസുമായി, മെഷീൻ ലേണിങ്ങുമായി, ബിഗ് ഡാറ്റയുമായുള്ള ബന്ധം പഠിക്കുക. | പാഠം വീഡിയോ | ഡ്മിത്രി |
| 02 | ഡാറ്റാ സയൻസ് ധാർമികം | പരിചയം | ഡാറ്റാ ധാർമിക ആശയങ്ങൾ, വെല്ലുവിളികൾ & ഫ്രെയിംവർക്കുകൾ. | പാഠം | നിത്യ |
| 03 | ഡാറ്റ നിർവ്വചിക്കൽ | പരിചയം | ഡാറ്റ എങ്ങനെ വർഗ്ഗീകരിക്കപ്പെടുന്നു, അതിന്റെ സാധാരണ സ്രോതസ്സ്. | പാഠം | ജാസ്മിൻ |
| 04 | സ്റ്റാറ്റിസ്റ്റിക്ക്സിന്റെയും സാധ്യതാപരമായതിന്റെയും പരിചയം | പരിചയം | ഡാറ്റയെ മനസ്സിലാക്കാൻ സാധ്യതയും സ്റ്റാറ്റിസ്റ്റിക്സും ഉപയോഗിക്കുന്ന ഗണിത തന്ത്രങ്ങൾ. | പാഠം വീഡിയോ | ഡ്മിത്രി |
| 05 | റിലേഷണൽ ഡാറ്റയിൽ പ്രവർത്തനം | ഡാറ്റയുമായി ജോലി ചെയ്യൽ | റിലേഷണൽ ഡാറ്റയുടെ പരിചയം, ഉറച്ചു ചോദ്യം ഭാഷ ഉപയോഗിച്ച് അതേ ബന്ധമുള്ള ഡാറ്റ പരിശോധിച്ചും അനാലിസിസ് ചെയ്യുന്ന അടിസ്ഥാനങ്ങൾ. SQL (പറയുന്നത് “സി-ക്വെല്ല്”) എന്നും അറിയപ്പെടുന്നു. | പാഠം | ക്രിസ്റ്റഫർ |
| 06 | നോൺ-SQL ഡാറ്റയിൽ പ്രവർത്തനം | ഡാറ്റയുമായി ജോലി ചെയ്യൽ | നോൺ-റിലേഷണൽ ഡാറ്റയുടെ പരിചയം, അവയുടെ വിവിധ തരങ്ങൾ, ഡോക്യുമെന്റ് ഡാറ്റാബേസുകൾ പരിശോധിക്കുകയും വിശകലനം ചെയ്യുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ. | പാഠം | ജാസ്മിൻ |
| 07 | പൈതലിൽ പ്രവർത്തനം | ഡാറ്റയുമായി ജോലി ചെയ്യൽ | പണ്ഡാസ് പോലുള്ള ലൈബ്രറികൾ ഉപയോഗിച്ച് പൈതൺ ഡാറ്റാ എക്സ്പ്ലോറേഷനിൽ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് അടിസ്ഥാനങ്ങൾ. പൈതൺ പ്രോഗ്രാമിംഗിൽ അടിസ്ഥാന പഠനം ശുപാർശ ചെയ്യുന്നു. | പാഠം വീഡിയോ | ഡ്മിത്രി |
| 08 | ഡാറ്റാ തയ്യാറാക്കൽ | ഡാറ്റയുമായി ജോലി ചെയ്യൽ | നഷ്ടപ്പെട്ട, തെറ്റായ, അപ്രാപ്തമായ ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ശുദ്ധിയാക്കൽ, രൂപാന്തര്ണം തുടങ്ങിയ ഡാറ്റാ സാങ്കേതികതകൾ. | പാഠം | ജാസ്മിൻ |
| 09 | അളവുകൾ ദൃശ്യവൽക്കരിക്കുക | ഡാറ്റാ ദൃശ്യവൽക്കരണം | മാറ്റ്plotlib ഉപയോഗിച്ചുകൊണ്ട് പക്ഷികളുടെ ഡാറ്റ ദൃശ്യവൽക്കരിക്കുക 🦆 | പാഠം | ജെൻ |
| 10 | ഡാറ്റയുടെ വിതരണം ദൃശ്യവൽക്കരിക്കൽ | ഡാറ്റാ ദൃശ്യവൽക്കരണം | ഒരു ഇടവേളയിലുണ്ടായ നിരീക്ഷണങ്ങളും പ്രവണതകളും ദൃശ്യവൽക്കരിക്കൽ. | പാഠം | ജെൻ |
| 11 | അനുപാതം ദൃശ്യവൽക്കരിക്കൽ | ഡാറ്റാ ദൃശ്യവൽക്കരണം | വിവർത്തനാംശങ്ങളും കൂട്ടിച്ചേർക്കപ്പെട്ട ശതമാനങ്ങളും ദൃശ്യമാക്കൽ. | പാഠം | ജെൻ |
| 12 | ബന്ധങ്ങൾ ദൃശ്യവൽക്കരിക്കൽ | ഡാറ്റാ ദൃശ്യവൽക്കരണം | ഡാറ്റാ സെറ്റുകളും അവരുടെ ഘടകങ്ങളും ഇടയിൽ ബന്ധങ്ങളും സഹബന്ധങ്ങളും ദൃശ്യവൽക്കരിക്കൽ. | പാഠം | ജെൻ |
| 13 | സാരമായ ദൃശ്യവൽക്കരണങ്ങൾ | ഡാറ്റാ ദൃശ്യവൽക്കരണം | പ്രശ്നപരിഹാരവും അറിവ് കണ്ടെത്തലും ലാഭകരമാക്കുന്നതിനുള്ള പ്രാധ്യമങ്ങൾക്കും മാർഗ്ഗനിർദ്ദേശങ്ങൾക്കും. | പാഠം | ജെൻ |
| 14 | ഡാറ്റാ സയൻസ് ലൈഫ്സൈക്കിൾ പരിചയം | ലൈഫ്സൈക്കിൾ | ഡാറ്റാ ശേഖരണവും ഉഷിച്ചെടുക്കലും ഉള്പ്പെടെ ഡാറ്റാ സയൻസ് ജീവിതചക്രത്തെ പരിചയപ്പെടുത്തുക. | പാഠം | ജാസ്മിൻ |
| 15 | വിശകലനം | ലൈഫ്സൈക്കിൾ | ഡാറ്റ അനാലിസിസിനായുള്ള സാങ്കേതിക തന്ത്രങ്ങൾ വിവാഹരഹിതമാക്കുന്ന ജീവിതഘട്ടം. | പാഠം | ജാസ്മിൻ |
| 16 | ആശയവിനിമയം | ലൈഫ്സൈക്കിൾ | ഡാറ്റയിൽ നിന്നുള്ള അറിവ് എളുപ്പത്തിൽ തീരുമാനം എടുക്കുന്നവരുടെ മനസ്സിലാകുവാൻ പ്രദർശിപ്പിക്കുന്ന അവസ്ഥ. | പാഠം | ജാലൻ |
| 17 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | ക്ലൗഡ്ഡാറ്റ | ഈ സീരീസിൽ ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് പരിചയപ്പെടുത്തുകയും അതിന്റെ ഗുണങ്ങൾ വിശദീകരിക്കുകയും ചെയ്യുന്നു. | പാഠം | ടിഫനി and മോഡ് |
| 18 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | ക്ലൗഡ്ഡാറ്റ | ലോ കൊഡ് ഉപകരണങ്ങൾ ഉപയോഗിച്ചു മോഡലുകൾ പരിശീലിപ്പിക്കൽ. | പാഠം | ടിഫനി and മോഡ് |
| 19 | ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് | ക്ലൗഡ്ഡാറ്റ | അജ്യൂർ മെഷീൻ ലേണിങ്ങ് സ്റ്റുഡിയോ ഉപയോഗിച്ച് മോഡലുകൾ വിന്യസിക്കൽ. | പാഠം | ടിഫനി and മോഡ് |
| 20 | കാട്ടിൽ ഡാറ്റാ സയൻസ് | കാട്ടിൽ | യാഥാര്ത്ഥ്യ ലോകത്തിലെ ഡാറ്റാ സയൻസ് മൂലമുണ്ടായ പ്രോജക്റ്റുകൾ. | പാഠം | നിത്യ |
GitHub കോഡ്സ்பെയ്സുകൾ
ഈ സാമ്പിൾ കോഡ്സ്പെയ്സ് തുറക്കാൻ താഴെ പറയുന്ന നടപടി ക്രമങ്ങൾ പിന്തുടരുക:
- കോഡ് ഡ്രോപ്പ്-ഡൗൺ മెనു ക്ലിക്ക് ചെയ്ത് Open with Codespaces ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക.
- പേനിന്റെ താഴെയാണ് + New codespace തിരഞ്ഞെടുക്കുക. കൂടുതൽ വിവരങ്ങൾക്ക്, GitHub ഡോകുമെന്റേഷൻ പരിശോധിക്കുക.
VSCode Remote - Containers
നിങ്ങളുടെ ലൊക്കൽ മെഷീനും VSCode ഉപയോഗിച്ച് VS Code Remote - Containers വിപുലീകരണം ഉപയോഗിച്ച് ഈ റിപ്പോസിറ്ററി ഒരു കണ്ടെയ്നറിൽ തുറക്കുന്നതിന് താഴെ നൽകിയ ക്രമീകരണം പിന്തുടരുക:
- ആദ്യമായി ഡെവലപ്പ്മെന്റ് കണ്ടെയ്നർ ഉപയോഗിക്കുന്നുവെങ്കിൽ, സിസ്റ്റം മുൻകൂട്ടി ആവശ്യകതകൾ (മൂല്യവത്തായ ഡോക്കർ ഇൻസ്റ്റാൾ ചെയ്യുക) getting started documentation പരിശോധിക്കുക.
ഈ രീതി ഉപയോഗിച്ച്, നിങ്ങൾക്ക് റിപ്പോസിറ്ററി ഒരു ഐസൊലേറ്റഡ് ഡോക്കർ വോളിയത്തിൽ തുറക്കാം:
കുറിപ്പ്: ബാക്ക്എൻഡ് ഇപ്രകാരം Remote-Containers: Clone Repository in Container Volume... എന്ന കമാൻഡ് ഉപയോഗിച്ച് ഡോക്കർ വോളിയത്തിൽ സോഴ്സ് കോഡ് ക്ലോൺ ചെയ്യും, ലോക്കൽ ഫയൽസിസ്റ്റം അല്ല. വോളിയങ്ങൾ കണ്ടെയ്ൻർ ഡാറ്റ സംരക്ഷിക്കുന്നതിനുള്ള ഏറ്റവും അനുയോജ്യമായ മാർഗ്ഗമാണ്.
അല്ലെങ്കിൽ ലോക്കലിൽ ക്ലോൺ ചെയ്തോ ഡൗൺലോഡ് ചെയ്തോ രൂപം തുറക്കുക:
- റിപ്പോസിറ്ററി നിങ്ങളുടെ ഫയൽസിസ്റ്റത്തിലേക്ക് ക്ലോൺ ചെയ്യുക.
- F1 അമർത്തി Remote-Containers: Open Folder in Container... കമാൻഡ് തിരഞ്ഞെടുക്കുക.
- ക്ലോൺ ചെയ്ത ഫോൾഡർ തിരഞ്ഞെടുക്കുക, കണ്ടെയ്നർ ആരംഭിക്കുമ്പോൾ കാത്തിരിക്കുക, തുടർന്ന് പരീക്ഷണം നടത്തുക.
ഓഫ്ലൈൻ ആക്സസ്
Docsify ഉപയോഗിച്ച് ഈ ഡോക്യമെന്റേഷൻ ഓഫ്ലൈനിൽ പ്രവർത്തിപ്പിക്കാം. ഈ റിപ്പോസിറ്ററി ഫോർക്കുചെയ്തു, ലോക്കലിൽ Docsify ഇൻസ്റ്റാൾ ചെയ്ത ശേഷം, ഇവിടെ ഡോക്വുമെന്റ് ഇൻഡക്സിൽ നിന്ന് docsify serve ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് സ്ഥലീയം പോർട്ട് 3000 ല് ലഭിക്കും: localhost:3000.
ശ്രദ്ധിക്കുക, നോട്ട്ബുക്കുകൾ Docsify വഴി റെൻഡർ ചെയ്യില്ല, അതിനാൽ ഒരു നോട്ട്ബുക്ക് ഓടിക്കേണ്ടത് വേണമെങ്കിൽ, അത് വേർതിരിച്ച് VS Code-ൽ 파이ത്തൺ കർണൽ ഉപയോഗിച്ച് നടത്തുക.
മറ്റ് പാഠ്യപദ്ധതികൾ
ഞങ്ങളുടെ ടീം മറ്റ് പാഠ്യപദ്ധതികളും സൃഷ്ടിക്കുന്നു! പരിശോധിക്കുക:
LangChain
അസ്യൂർ / എഡ്ജ് / MCP / ഏജന്റുമാർ
ജനറേറ്റീവ് AI സീരീസ്
കോർ ലേണിംഗ്
കോപൈലറ്റ് സീരീസ്
സഹായം നേടുക
പ്രശ്നങ്ങൾ നേരിട്ടുണ്ടോ? സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ കണ്ടെത്താൻ ഞങ്ങളുടെ ത്തറിച്ചൊല്ലല്ഗൈഡ് പരിശോധിക്കുക.
AI ആപ്പുകൾ നിർമ്മിക്കുന്നതു സംബന്ധിച്ച് നിങ്ങൾക്ക് സംശയങ്ങളുണ്ടോ? MCP പരിചയസമ്പന്നരും മറ്റ് പഠനാർഥികളും ചേർന്ന് നടക്കുന്ന സംവാദങ്ങളിൽ പങ്കെടുക്കൂ. ചോദ്യങ്ങൾ സ്വാഗതം ചെയ്യുന്ന, അറിവ് സ്വതന്ത്രമായി പങ്കുവെക്കപ്പെടുന്ന ഒരു അനുഭവസമ്പന്നമായ സമൂഹമാണ് ഇത്.
ഉൽപ്പന്ന ഫീഡ്ബാക്കോ നിർമ്മാണത്തിലെ പിശകുകളോ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക:
അൽപസൂചനം: ഈ ഡോക്യുമെന്റ് AI വിവർത്തന സേവനമായ Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നമുക്ക് കൃത്യതയ്ക്കായി ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയമേധയാ പരിഭാഷകളിൽ പിഴവുകളും അശുദ്ധികളുമുണ്ടാകാൻ സാധ്യതയുണ്ട്. അതിന്റെ പ്രാദേശിക ഭാഷയിലെ യഥാർത്ഥ ഡോക്യുമെന്റ് ആത്മാർത്ഥമായ ഉറവിടമായി കണക്കാക്കണം. നിർണ്ണായകമായ വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മാനവ വിവർത്തനം നിർദ്ദേശിക്കപ്പെടുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകാവുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ വ്യാഖ്യാനഭ്രമങ്ങളിലേക്കോ ഞങ്ങൾ ഉത്തരവാദിത്വം ഏറ്റെടുക്കുന്നില്ല.



