Data-Science-For-Beginners/translations/ml

ഡാറ്റാ സയൻസ് ഫോർ ബിഗിനേഴ്സ് - ഒരു പാഠ്യപദ്ധതി

മൈക്രോസോഫ്റ്റിലെ അസ്യൂർ ക്ലൗഡ് അഡ്വക്കേറ്റ്സ് ഡാറ്റാ സയൻസിനെക്കുറിച്ചുള്ള 10 ആഴ്ച, 20 പാഠങ്ങൾ ഉൾക്കൊള്ളുന്ന ഒരു പാഠ്യപദ്ധതി അവതരിപ്പിക്കാൻ സന്തോഷിക്കുന്നു. ഓരോ പാഠവും പ്രീ-പാഠം, പോസ്റ്റ്-പാഠം ക്വിസുകൾ, പാഠം പൂർത്തിയാക്കാനുള്ള എഴുത്ത് നിർദ്ദേശങ്ങൾ, ഒരു പരിഹാരം, ഒരു അസൈൻമെന്റ് എന്നിവ ഉൾക്കൊള്ളുന്നു. നമ്മുടെ പ്രോജക്റ്റ്-അധിഷ്ഠിത പഠനരീതി നിങ്ങൾക്ക് നിർമ്മിക്കുമ്പോൾ പഠിക്കാനും പുതിയ കഴിവുകൾ 'പിടിപ്പിക്കാൻ' സഹായിക്കുന്ന തെളിയിച്ച മാർഗമാണ്.

നമ്മുടെ എഴുത്തുകാരെ 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 എഴുത്തുകാര്ക്കും, റിവ്യൂവർക്കും, ഉള്ളടക്ക സംഭാവനക്കാർക്കും, 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

ഡാറ്റാ സയൻസ് ഫോർ ബിഗിനേഴ്സ് - സ്കെച്ച്നോട്ട് @nitya tarafından

🌐 ബഹുഭാഷാ പിന്തുണ

GitHub ആക്ഷൻ വഴി പിന്തുണ (സ്വയം പ്രവർത്തിക്കുന്നതും എല്ലായ്പ്പോഴും പുതുക്കപ്പെടുന്നതും)

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

കൂടുതൽ ഭാഷാ പിന്തുണ ലഭിക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, അവ ഇവിടെ പട്ടികപ്പെടുത്തിയിരിക്കുന്നു here

നമ്മുടെ കമ്മ്യൂണിറ്റിയിൽ ചേരുക

നമുക്ക് ഒരു Discord ലേൺ വിത്ത് AI സീരീസ് തുടരുകയാണ്, കൂടുതൽ അറിയാനും ചേരാനും Learn with AI Series സന്ദർശിക്കുക, 2025 സെപ്റ്റംബർ 18 - 30 വരെ. GitHub Copilot ഡാറ്റാ സയൻസിനായി ഉപയോഗിക്കുന്നതിനുള്ള ടിപ്സും ട്രിക്കുകളും നിങ്ങൾക്ക് ലഭിക്കും.

നിങ്ങൾ ഒരു വിദ്യാർത്ഥിയാണോ?

തുടങ്ങാൻ താഴെപ്പറയുന്ന വിഭവങ്ങൾ ഉപയോഗിക്കുക:

• Student Hub page ഈ പേജിൽ, നിങ്ങൾക്ക് തുടക്കക്കാർക്കുള്ള വിഭവങ്ങൾ, വിദ്യാർത്ഥി പാക്കുകൾ, സൗജന്യ സർട്ടിഫിക്കറ്റ് വൗച്ചർ നേടാനുള്ള മാർഗ്ഗങ്ങൾ എന്നിവ ലഭിക്കും. ഇത് നിങ്ങൾക്ക് ബുക്ക്മാർക്ക് ചെയ്ത് ഇടയ്ക്കിടെ പരിശോധിക്കേണ്ട ഒരു പേജ് ആണ്, കാരണം ഞങ്ങൾ ഉള്ളടക്കം കുറഞ്ഞത് മാസത്തിൽ ഒരിക്കൽ മാറ്റുന്നു.
• Microsoft Learn Student Ambassadors ഒരു ആഗോള വിദ്യാർത്ഥി അംബാസഡർ കമ്മ്യൂണിറ്റിയിൽ ചേരുക, ഇത് മൈക്രോസോഫ്റ്റിലേക്ക് നിങ്ങളുടെ വഴി ആകാം.

ആരംഭിക്കുന്നത്

📚 ഡോക്യുമെന്റേഷൻ

• ഇൻസ്റ്റലേഷൻ ഗൈഡ് - തുടക്കക്കാർക്കുള്ള ഘട്ടം ഘട്ടമായുള്ള സജ്ജീകരണ നിർദ്ദേശങ്ങൾ
• ഉപയോഗ ഗൈഡ് - ഉദാഹരണങ്ങളും സാധാരണ പ്രവൃത്തികളും
• പ്രശ്നപരിഹാരം - സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾ
• സംഭാവനാ ഗൈഡ് - ഈ പ്രോജക്റ്റിൽ സംഭാവന ചെയ്യാനുള്ള മാർഗ്ഗങ്ങൾ
• അധ്യാപകർക്ക് - പഠന മാർഗ്ഗനിർദ്ദേശങ്ങളും ക്ലാസ്‌റൂം വിഭവങ്ങളും

👨‍🎓 വിദ്യാർത്ഥികൾക്കായി

പൂർണ്ണ തുടക്കക്കാർ: ഡാറ്റാ സയൻസിൽ പുതിയവരാണോ? നമ്മുടെ തുടക്കക്കാർക്ക് അനുയോജ്യമായ ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് തുടങ്ങുക! ഈ ലളിതവും നല്ല രീതിയിൽ കമന്റ് ചെയ്ത ഉദാഹരണങ്ങൾ പാഠ്യപദ്ധതിയിൽ മുഴുവനായി പ്രവേശിക്കുന്നതിന് മുമ്പ് അടിസ്ഥാനങ്ങൾ മനസ്സിലാക്കാൻ സഹായിക്കും. വിദ്യാർത്ഥികൾ: ഈ പാഠ്യപദ്ധതി സ്വയം ഉപയോഗിക്കാൻ, മുഴുവൻ റിപോ ഫോർക്ക് ചെയ്ത് പ്രീ-ലെക്ചർ ക്വിസ് മുതൽ ആരംഭിച്ച് സ്വയം അഭ്യാസങ്ങൾ പൂർത്തിയാക്കുക. തുടർന്ന് ലെക്ചർ വായിച്ച് ബാക്കി പ്രവർത്തനങ്ങളും പൂർത്തിയാക്കുക. പരിഹാര കോഡ് പകർപ്പവകാശം ചെയ്യുന്നതിന് പകരം പാഠങ്ങൾ മനസ്സിലാക്കി പ്രോജക്റ്റുകൾ സൃഷ്ടിക്കാൻ ശ്രമിക്കുക; എങ്കിലും ആ കോഡ് ഓരോ പ്രോജക്റ്റ്-കേന്ദ്രിത പാഠത്തിലും /solutions ഫോൾഡറുകളിൽ ലഭ്യമാണ്. മറ്റൊരു ആശയം സുഹൃത്തുക്കളുമായി പഠന സംഘം രൂപീകരിച്ച് ഉള്ളടക്കം ഒരുമിച്ച് പഠിക്കുക എന്നതാണ്. കൂടുതൽ പഠനത്തിനായി, Microsoft Learn ശുപാർശ ചെയ്യുന്നു.

വേഗത്തിലുള്ള ആരംഭം:

1. നിങ്ങളുടെ പരിസ്ഥിതി സജ്ജമാക്കാൻ ഇൻസ്റ്റലേഷൻ ഗൈഡ് പരിശോധിക്കുക
2. പാഠ്യപദ്ധതിയുമായി പ്രവർത്തിക്കാൻ ഉപയോഗ ഗൈഡ് അവലോകനം ചെയ്യുക
3. പാഠം 1 മുതൽ തുടക്കം കുറിച്ച് ക്രമമായി മുന്നോട്ട് പോവുക
4. പിന്തുണയ്ക്കായി നമ്മുടെ Discord കമ്മ്യൂണിറ്റിയിൽ ചേരുക

👩‍🏫 അധ്യാപകർക്ക്

അധ്യാപകർ: ഈ പാഠ്യപദ്ധതി ഉപയോഗിക്കുന്നതിനെക്കുറിച്ച് ചില സൂചനകൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. നിങ്ങളുടെ അഭിപ്രായങ്ങൾ ഞങ്ങളുടെ ചർച്ചാ ഫോറത്തിൽ അറിയിക്കുക!

ടീമിനെ പരിചയപ്പെടുക

ഗിഫ് Mohit Jaisal

🎥 പ്രോജക്ട് സൃഷ്ടിച്ച ആളുകളെക്കുറിച്ചുള്ള ഒരു വീഡിയോക്കായി മുകളിൽ കാണുന്ന ചിത്രം ക്ലിക്ക് ചെയ്യുക!

പാഠശാസ്ത്രം

ഈ പാഠ്യപദ്ധതി നിർമ്മിക്കുമ്പോൾ ഞങ്ങൾ രണ്ട് പാഠശാസ്ത്ര തത്വങ്ങൾ തിരഞ്ഞെടുക്കുകയുണ്ടായി: ഇത് പ്രോജക്ട് അടിസ്ഥാനമാക്കിയുള്ളതായിരിക്കണം എന്നും അതിൽ പതിവായി ക്വിസുകൾ ഉൾപ്പെടണം എന്നും. ഈ പരമ്പരയുടെ അവസാനം, വിദ്യാർത്ഥികൾ ഡാറ്റാ സയൻസിന്റെ അടിസ്ഥാന സിദ്ധാന്തങ്ങൾ, നൈതിക ആശയങ്ങൾ, ഡാറ്റാ തയ്യാറാക്കൽ, ഡാറ്റയുമായി പ്രവർത്തിക്കുന്ന വ്യത്യസ്ത മാർഗങ്ങൾ, ഡാറ്റാ ദൃശ്യീകരണം, ഡാറ്റാ വിശകലനം, ഡാറ്റാ സയൻസിന്റെ യാഥാർത്ഥ്യ ഉപയോഗങ്ങൾ എന്നിവ പഠിച്ചിരിക്കും.

കൂടാതെ, ക്ലാസിന് മുമ്പുള്ള കുറഞ്ഞ സമ്മർദ്ദമുള്ള ക്വിസ് ഒരു വിഷയത്തെ പഠിക്കാനുള്ള വിദ്യാർത്ഥിയുടെ ഉദ്ദേശ്യം സജ്ജമാക്കുന്നു, ക്ലാസിന് ശേഷം രണ്ടാമത്തെ ക്വിസ് കൂടുതൽ ഓർമ്മപ്പെടുത്തലിനായി സഹായിക്കുന്നു. ഈ പാഠ്യപദ്ധതി ലവച്ഛേദ്യവും രസകരവുമാണ്, മുഴുവനായോ ഭാഗികമായോ സ്വീകരിക്കാവുന്നതാണ്. പ്രോജക്ടുകൾ ചെറിയതിൽ ആരംഭിച്ച് 10 ആഴ്ചകളുടെ ചക്രത്തിന്റെ അവസാനം കൂടുതൽ സങ്കീർണ്ണമാകുന്നു.

ഞങ്ങളുടെ Code of Conduct, Contributing, Translation മാർഗനിർദ്ദേശങ്ങൾ കാണുക. നിങ്ങളുടെ നിർമാണാത്മക പ്രതികരണങ്ങൾ സ്വാഗതം ചെയ്യുന്നു!

ഓരോ പാഠവും ഉൾക്കൊള്ളുന്നത്:

• ഐച്ഛിക സ്കെച്ച്നോട്ട്
• ഐച്ഛിക സഹായക വീഡിയോ
• പാഠത്തിന് മുമ്പുള്ള വാര്മപ്പ് ക്വിസ്
• എഴുത്തുപാഠം
• പ്രോജക്ട് അടിസ്ഥാനമാക്കിയുള്ള പാഠങ്ങൾക്ക്, പ്രോജക്ട് നിർമ്മിക്കുന്നതിനുള്ള ഘട്ടം ഘട്ടമായ മാർഗ്ഗനിർദ്ദേശങ്ങൾ
• അറിവ് പരിശോധനകൾ
• ഒരു വെല്ലുവിളി
• സഹായക വായന
• അസൈൻമെന്റ്
• പാഠത്തിന് ശേഷം ക്വിസ്

ക്വിസുകളെക്കുറിച്ചുള്ള ഒരു കുറിപ്പ്: എല്ലാ ക്വിസുകളും Quiz-App ഫോൾഡറിൽ ഉൾക്കൊള്ളുന്നു, ഓരോന്നിലും മൂന്ന് ചോദ്യങ്ങളുള്ള 40 ക്വിസുകൾ. അവ പാഠങ്ങളിൽ നിന്നു ബന്ധിപ്പിച്ചിരിക്കുന്നു, പക്ഷേ ക്വിസ് ആപ്പ് പ്രാദേശികമായി പ്രവർത്തിപ്പിക്കാനോ Azure-ലേക്ക് വിന്യസിക്കാനോ കഴിയും; quiz-app ഫോൾഡറിലുള്ള നിർദ്ദേശങ്ങൾ പിന്തുടരുക. അവ ക്രമമായി പ്രാദേശികമാക്കപ്പെടുന്നു.

🎓 തുടക്കക്കാർക്ക് അനുയോജ്യമായ ഉദാഹരണങ്ങൾ

ഡാറ്റാ സയൻസിൽ പുതിയവരാണോ? നിങ്ങൾക്ക് ആരംഭിക്കാൻ സഹായിക്കുന്ന ലളിതവും വിശദീകരിച്ചും ഉള്ള കോഡുകളുള്ള പ്രത്യേക examples directory ഞങ്ങൾ സൃഷ്ടിച്ചിട്ടുണ്ട്:

• 🌟 ഹലോ വേൾഡ് - നിങ്ങളുടെ ആദ്യ ഡാറ്റാ സയൻസ് പ്രോഗ്രാം
• 📂 ഡാറ്റാ ലോഡിംഗ് - ഡാറ്റാസെറ്റുകൾ വായിക്കുകയും പരിശോധിക്കുകയും ചെയ്യുക
• 📊 സാധാരണ വിശകലനം - സ്ഥിതിവിവരക്കണക്കുകൾ കണക്കാക്കുകയും മാതൃകകൾ കണ്ടെത്തുകയും ചെയ്യുക
• 📈 അടിസ്ഥാന ദൃശ്യീകരണം - ചാർട്ടുകളും ഗ്രാഫുകളും സൃഷ്ടിക്കുക
• 🔬 യാഥാർത്ഥ്യ പ്രോജക്ട് - ആരംഭം മുതൽ അവസാനത്തേയ്ക്ക് പൂർണ്ണ പ്രവൃത്തി പ്രവാഹം

ഓരോ ഉദാഹരണവും ഓരോ ഘട്ടവും വിശദമായി വിശദീകരിക്കുന്ന കമന്റുകളോടെയാണ്, അതുകൊണ്ട് തുടക്കക്കാർക്ക് ഇത് ഏറ്റവും അനുയോജ്യമാണ്!

👉 ഉദാഹരണങ്ങളുമായി ആരംഭിക്കുക 👈

പാഠങ്ങൾ

ഡാറ്റാ സയൻസ് ഫോർ ബിഗിനേഴ്സ്: റോഡ്‌മാപ്പ് - സ്കെച്ച്നോട്ട് @nitya tarafından

പാഠ നമ്പർ	വിഷയം	പാഠ ഗ്രൂപ്പിംഗ്	പഠന ലക്ഷ്യങ്ങൾ	ബന്ധിപ്പിച്ച പാഠം	രചയിതാവ്
01	ഡാറ്റാ സയൻസ് നിർവചനം	Introduction	ഡാറ്റാ സയൻസിന്റെ അടിസ്ഥാന ആശയങ്ങൾ പഠിക്കുക, അതിന്റെ കൃത്രിമ ബുദ്ധിമുട്ട്, മെഷീൻ ലേണിംഗ്, ബിഗ് ഡാറ്റ എന്നിവയുമായി ബന്ധം മനസിലാക്കുക.	lesson video	Dmitry
02	ഡാറ്റാ സയൻസ് നൈതികത	Introduction	ഡാറ്റാ നൈതികത ആശയങ്ങൾ, വെല്ലുവിളികൾ & ഫ്രെയിംവർക്കുകൾ.	lesson	Nitya
03	ഡാറ്റ നിർവചനം	Introduction	ഡാറ്റ എങ്ങനെ വർഗ്ഗീകരിക്കപ്പെടുന്നു, അതിന്റെ സാധാരണ ഉറവിടങ്ങൾ.	lesson	Jasmine
04	സ്ഥിതിവിവരശാസ്ത്രം & സാധ്യതകളിലേക്ക് പരിചയം	Introduction	ഡാറ്റ മനസിലാക്കാൻ സാധ്യതയും സ്ഥിതിവിവരശാസ്ത്രവും ഉപയോഗിക്കുന്ന ഗണിത സാങ്കേതിക വിദ്യകൾ.	lesson video	Dmitry
05	ബന്ധപരമായ ഡാറ്റയുമായി പ്രവർത്തിക്കൽ	Working With Data	ബന്ധപരമായ ഡാറ്റയിലേക്ക് പരിചയം, Structured Query Language (SQL) ഉപയോഗിച്ച് ബന്ധപരമായ ഡാറ്റ പരിശോധിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യാനുള്ള അടിസ്ഥാനങ്ങൾ.	lesson	Christopher
06	NoSQL ഡാറ്റയുമായി പ്രവർത്തിക്കൽ	Working With Data	ബന്ധമില്ലാത്ത ഡാറ്റയിലേക്ക് പരിചയം, അതിന്റെ വിവിധ തരം, ഡോക്യുമെന്റ് ഡാറ്റാബേസുകൾ പരിശോധിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യാനുള്ള അടിസ്ഥാനങ്ങൾ.	lesson	Jasmine
07	Python ഉപയോഗിച്ച് പ്രവർത്തിക്കൽ	Working With Data	Pandas പോലുള്ള ലൈബ്രറികൾ ഉപയോഗിച്ച് ഡാറ്റാ പരിശോധനയ്ക്ക് Python ഉപയോഗിക്കുന്നതിന്റെ അടിസ്ഥാനങ്ങൾ. Python പ്രോഗ്രാമിംഗിന്റെ അടിസ്ഥാന അറിവ് ശുപാർശ ചെയ്യുന്നു.	lesson video	Dmitry
08	ഡാറ്റാ തയ്യാറാക്കൽ	Working With Data	നഷ്ടപ്പെട്ട, തെറ്റായ, അല്ലെങ്കിൽ അപൂർണ്ണമായ ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിനുള്ള ശുചീകരണവും പരിവർത്തനവും ഉൾപ്പെടുന്ന ഡാറ്റ സാങ്കേതികവിദ്യകൾ.	lesson	Jasmine
09	അളവുകൾ ദൃശ്യീകരിക്കൽ	Data Visualization	Matplotlib ഉപയോഗിച്ച് പക്ഷി ഡാറ്റ ദൃശ്യീകരിക്കുന്നത് പഠിക്കുക 🦆	lesson	Jen
10	ഡാറ്റയുടെ വിതരണങ്ങൾ ദൃശ്യീകരിക്കൽ	Data Visualization	ഒരു ഇടവേളയിൽ ഉള്ള നിരീക്ഷണങ്ങളും പ്രവണതകളും ദൃശ്യീകരിക്കൽ.	lesson	Jen
11	അനുപാതങ്ങൾ ദൃശ്യീകരിക്കൽ	Data Visualization	വ്യത്യസ്തവും ഗ്രൂപ്പുചെയ്ത ശതമാനങ്ങളും ദൃശ്യീകരിക്കൽ.	lesson	Jen
12	ബന്ധങ്ങൾ ദൃശ്യീകരിക്കൽ	Data Visualization	ഡാറ്റാ സെറ്റുകളും അവയുടെ ചാരങ്ങളും തമ്മിലുള്ള ബന്ധങ്ങളും സഹബന്ധങ്ങളും ദൃശ്യീകരിക്കൽ.	lesson	Jen
13	അർത്ഥവത്തായ ദൃശ്യീകരണങ്ങൾ	Data Visualization	പ്രശ്നപരിഹാരത്തിനും洞察ങ്ങൾക്കും ഫലപ്രദമായ നിങ്ങളുടെ ദൃശ്യീകരണങ്ങൾ മൂല്യവത്താക്കാനുള്ള സാങ്കേതിക വിദ്യകളും മാർഗ്ഗനിർദ്ദേശങ്ങളും.	lesson	Jen
14	ഡാറ്റാ സയൻസ് ലൈഫ് സൈക്കിൾ പരിചയം	Lifecycle	ഡാറ്റാ സയൻസ് ലൈഫ് സൈക്കിളിന്റെ പരിചയം, ആദ്യ ഘട്ടമായ ഡാറ്റാ സമാഹരണവും എക്സ്ട്രാക്ഷനും.	lesson	Jasmine
15	വിശകലനം	Lifecycle	ഡാറ്റാ സയൻസ് ലൈഫ് സൈക്കിളിന്റെ ഈ ഘട്ടം ഡാറ്റ വിശകലന സാങ്കേതിക വിദ്യകളിൽ കേന്ദ്രീകരിക്കുന്നു.	lesson	Jasmine
16	ആശയവിനിമയം	Lifecycle	ഡാറ്റയിൽ നിന്നുള്ള洞察ങ്ങൾ തീരുമാനമെടുക്കുന്നവർക്കു മനസ്സിലാക്കാൻ എളുപ്പമാക്കുന്ന വിധത്തിൽ അവതരിപ്പിക്കുന്ന ഡാറ്റാ സയൻസ് ലൈഫ് സൈക്കിളിന്റെ ഈ ഘട്ടം.	lesson	Jalen
17	ക്ലൗഡിൽ ഡാറ്റാ സയൻസ്	Cloud Data	ക്ലൗഡിൽ ഡാറ്റാ സയൻസ് പരിചയപ്പെടുത്തലും അതിന്റെ ഗുണങ്ങളും.	lesson	Tiffany and Maud
18	ക്ലൗഡിൽ ഡാറ്റാ സയൻസ്	Cloud Data	ലോ കോഡ് ഉപകരണങ്ങൾ ഉപയോഗിച്ച് മോഡലുകൾ പരിശീലിപ്പിക്കൽ.	lesson	Tiffany and Maud
19	ക്ലൗഡിൽ ഡാറ്റാ സയൻസ്	Cloud Data	Azure Machine Learning Studio ഉപയോഗിച്ച് മോഡലുകൾ വിന്യസിക്കൽ.	lesson	Tiffany and Maud
20	യാഥാർത്ഥ്യത്തിൽ ഡാറ്റാ സയൻസ്	In the Wild	യാഥാർത്ഥ്യ ലോകത്തിലെ ഡാറ്റാ സയൻസ് പ്രോജക്ടുകൾ.	lesson	Nitya

GitHub Codespaces

ഈ സാമ്പിൾ ഒരു Codespace-ൽ തുറക്കാൻ ഈ ചുവടുകൾ പിന്തുടരുക:

1. Code ഡ്രോപ്പ്-ഡൗൺ മെനു ക്ലിക്ക് ചെയ്ത് Open with Codespaces ഓപ്ഷൻ തിരഞ്ഞെടുക്കുക.
2. പാനലിന്റെ അടിയിൽ + New codespace തിരഞ്ഞെടുക്കുക. കൂടുതൽ വിവരങ്ങൾക്ക്, GitHub ഡോക്യുമെന്റേഷൻ കാണുക.

VSCode Remote - Containers

നിങ്ങളുടെ ലോക്കൽ മെഷീൻ ഉപയോഗിച്ച് VSCode-ൽ ഈ റിപോസിറ്ററി ഒരു കണ്ടെയ്‌നറിൽ തുറക്കാൻ VS Code Remote - Containers എക്സ്റ്റൻഷൻ ഉപയോഗിച്ച് ഈ ചുവടുകൾ പിന്തുടരുക:

1. നിങ്ങൾ ആദ്യമായി ഡെവലപ്പ്മെന്റ് കണ്ടെയ്‌നർ ഉപയോഗിക്കുന്നുവെങ്കിൽ, നിങ്ങളുടെ സിസ്റ്റം മുൻകൂർ ആവശ്യകതകൾ (ഉദാ: Docker ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടോ) പാലിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുക getting started ഡോക്യുമെന്റേഷനിൽ.

ഈ റിപോസിറ്ററി ഉപയോഗിക്കാൻ, നിങ്ങൾക്ക് റിപോസിറ്ററി ഒരു ഐസൊലേറ്റഡ് Docker വോളിയത്തിൽ തുറക്കാം:

കുറിപ്പ്: ഇതിന് Remote-Containers: Clone Repository in Container Volume... കമാൻഡ് ഉപയോഗിച്ച് സോഴ്‌സ് കോഡ് Docker വോളിയത്തിൽ ക്ലോൺ ചെയ്യുന്നു, ലോക്കൽ ഫയൽസിസ്റ്റം ഉപയോഗിക്കാതെ. Volumes കണ്ടെയ്‌നർ ഡാറ്റ നിലനിർത്തുന്നതിനുള്ള മുൻഗണനാ മാർഗമാണ്.

അല്ലെങ്കിൽ, ലോക്കലായി ക്ലോൺ ചെയ്ത അല്ലെങ്കിൽ ഡൗൺലോഡ് ചെയ്ത റിപോസിറ്ററി തുറക്കാം:

• ഈ റിപോസിറ്ററി നിങ്ങളുടെ ലോക്കൽ ഫയൽസിസ്റ്റത്തിലേക്ക് ക്ലോൺ ചെയ്യുക.
• F1 അമർത്തി Remote-Containers: Open Folder in Container... കമാൻഡ് തിരഞ്ഞെടുക്കുക.
• ഈ ഫോൾഡറിന്റെ ക്ലോൺ ചെയ്ത കോപ്പി തിരഞ്ഞെടുക്കുക, കണ്ടെയ്‌നർ ആരംഭിക്കാൻ കാത്തിരിക്കുക, തുടർന്ന് പരീക്ഷിക്കുക.

ഓഫ്‌ലൈൻ ആക്‌സസ്

Docsify ഉപയോഗിച്ച് ഈ ഡോക്യുമെന്റേഷൻ ഓഫ്‌ലൈൻ പ്രവർത്തിപ്പിക്കാം. ഈ റിപോസിറ്ററി ഫോർക്ക് ചെയ്ത്, നിങ്ങളുടെ ലോക്കൽ മെഷീനിൽ Docsify ഇൻസ്റ്റാൾ ചെയ്യുക, തുടർന്ന് ഈ റിപോസിറ്ററിയുടെ റൂട്ട് ഫോൾഡറിൽ docsify serve ടൈപ്പ് ചെയ്യുക. വെബ്സൈറ്റ് നിങ്ങളുടെ ലോക്കൽഹോസ്റ്റിൽ പോർട്ട് 3000-ൽ ലഭ്യമായിരിക്കും: localhost:3000.

കുറിപ്പ്, നോട്ട്‌ബുക്കുകൾ Docsify വഴി റെൻഡർ ചെയ്യപ്പെടില്ല, അതിനാൽ നിങ്ങൾക്ക് നോട്ട്‌ബുക്ക് പ്രവർത്തിപ്പിക്കേണ്ടത് ഉണ്ടെങ്കിൽ, അത് വേർതിരിച്ച് VS Code-ൽ Python കർണൽ ഉപയോഗിച്ച് നടത്തുക.

മറ്റ് പാഠ്യപദ്ധതികൾ

ഞങ്ങളുടെ ടീം മറ്റ് പാഠ്യപദ്ധതികളും നിർമ്മിക്കുന്നു! പരിശോധിക്കുക:

LangChain

---

Azure / Edge / MCP / Agents

---

ജനറേറ്റീവ് AI സീരീസ്

---

കോർ ലേണിംഗ്

---

കോപൈലറ്റ് സീരീസ്

സഹായം നേടുക

പ്രശ്നങ്ങൾ നേരിടുന്നുണ്ടോ? സാധാരണ പ്രശ്നങ്ങൾക്ക് പരിഹാരങ്ങൾക്കായി ഞങ്ങളുടെ ട്രബ്ല്ഷൂട്ടിംഗ് ഗൈഡ് പരിശോധിക്കുക.

AI ആപ്പുകൾ നിർമ്മിക്കുന്നതിൽ നിങ്ങൾക്ക് തടസ്സം നേരിടുകയോ എന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടോ? MCP-യെക്കുറിച്ചുള്ള ചർച്ചകളിൽ സഹപാഠികളും പരിചയസമ്പന്നരായ ഡെവലപ്പർമാരും ചേർന്ന് സംവദിക്കൂ. ചോദ്യങ്ങൾക്ക് സ്വാഗതം പറയുന്ന, അറിവ് സ്വതന്ത്രമായി പങ്കിടുന്ന ഒരു പിന്തുണയുള്ള സമൂഹമാണ് ഇത്.

നിങ്ങൾക്ക് ഉൽപ്പന്ന പ്രതികരണമോ നിർമ്മാണത്തിൽ പിഴവുകളോ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക:

---

അസൂയാപത്രം:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് പരിഗണിക്കേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.