|
|
5 days ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 5 days ago | |
| 2-Working-With-Data | 5 days ago | |
| 3-Data-Visualization | 5 days ago | |
| 4-Data-Science-Lifecycle | 5 days ago | |
| 5-Data-Science-In-Cloud | 5 days ago | |
| 6-Data-Science-In-Wild | 5 days ago | |
| docs | 5 days ago | |
| examples | 5 days ago | |
| quiz-app | 5 days ago | |
| sketchnotes | 5 days ago | |
| AGENTS.md | 5 days ago | |
| CODE_OF_CONDUCT.md | 5 days ago | |
| CONTRIBUTING.md | 5 days ago | |
| INSTALLATION.md | 5 days ago | |
| README.md | 5 days ago | |
| SECURITY.md | 5 days ago | |
| SUPPORT.md | 5 days ago | |
| TROUBLESHOOTING.md | 5 days ago | |
| USAGE.md | 5 days ago | |
| for-teachers.md | 5 days ago | |
README.md
డేటా సైన్స్ ఫర్ బిగినర్స్ - ఒక పాఠ్యక్రమం
మైక్రోసాఫ్ట్లోని Azure క్లౌడ్ అడ్వకేట్స్ డేటా సైన్స్ గురించి 10 వారాల, 20 పాఠాల పాఠ్యక్రమాన్ని అందించడానికి సంతోషిస్తున్నాము. ప్రతి పాఠం ముందస్తు మరియు తర్వాతి క్విజ్లు, పాఠం పూర్తి చేయడానికి రాసిన సూచనలు, పరిష్కారం మరియు అసైన్మెంట్ను కలిగి ఉంటుంది. మా ప్రాజెక్ట్-ఆధారిత పాఠ్య విధానం మీరు నిర్మిస్తూ నేర్చుకునేలా చేస్తుంది, ఇది కొత్త నైపుణ్యాలు 'అడుగుతాయి' అని నిరూపించబడిన మార్గం.
మా రచయితలకు హృదయపూర్వక ధన్యవాదాలు: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 ప్రత్యేక ధన్యవాదాలు 🙏 మా Microsoft Student Ambassador రచయితలు, సమీక్షకులు మరియు కంటెంట్ సహకారులకు, ముఖ్యంగా ఆర్యన్ అరోరా, అదిత్య గార్గ్, అలొండ్రా సాంచెజ్, అంకిత సింగ్, అనుపమ్ మిశ్రా, అర్పిత దాస్, ఛైల్ బిహారి దుబే, డిబ్రి న్సోఫర్, దిషిత భాసిన్, మజ్ద్ సఫీ, మాక్స్ బ్లమ్, మిగ్వెల్ కొరియా, మొహమ్మ ఇఫ్తేఖర్ (ఇఫ్టు) ఎబ్నే జలాల్, నవ్రిన్ టబస్సుం, రేమండ్ వాంగ్సా పుత్ర, రోహిత్ యాదవ్, సమ్రిధి శర్మ, సన్యా సింహా, షీనా నరులా, తౌకీర్ అహ్మద్, యోగేంద్రసింగ్ పావర్ , విదుషి గుప్త, జస్లీన్ సొంధి
![]() |
|---|
| డేటా సైన్స్ ఫర్ బిగినర్స్ - స్కెచ్నోట్ @nitya ద్వారా |
🌐 బహుభాషా మద్దతు
GitHub యాక్షన్ ద్వారా మద్దతు (ఆటోమేటెడ్ & ఎప్పుడూ తాజా)
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
మీకు అదనపు అనువాద భాషలు కావాలంటే అవి ఇక్కడ listed ఉన్నాయి
మా కమ్యూనిటీకి చేరండి
మా వద్ద డిస్కార్డ్ లో AI తో నేర్చుకునే సిరీస్ జరుగుతోంది, మరింత తెలుసుకోండి మరియు 2025 సెప్టెంబర్ 18 - 30 మధ్య Learn with AI Series లో చేరండి. మీరు డేటా సైన్స్ కోసం GitHub Copilot ఉపయోగించే చిట్కాలు మరియు సలహాలు పొందుతారు.
మీరు విద్యార్థి కదా?
క్రింది వనరులతో ప్రారంభించండి:
- Student Hub page ఈ పేజీలో మీరు ప్రారంభిక వనరులు, విద్యార్థి ప్యాక్స్ మరియు ఉచిత సర్టిఫికెట్ వోచర్ పొందే మార్గాలు కనుగొంటారు. ఇది మీరు బుక్మార్క్ చేసుకుని తరచూ తనిఖీ చేయాల్సిన పేజీ, ఎందుకంటే మేము కనీసం నెలకు ఒకసారి కంటెంట్ మార్చుతుంటాము.
- Microsoft Learn Student Ambassadors గ్లోబల్ విద్యార్థి అంబాసిడార్ల కమ్యూనిటీకి చేరండి, ఇది మీకు మైక్రోసాఫ్ట్ లో ప్రవేశం కావచ్చు.
ప్రారంభించడం
📚 డాక్యుమెంటేషన్
- ఇన్స్టాలేషన్ గైడ్ - ప్రారంభికుల కోసం దశల వారీ సెటప్ సూచనలు
- వినియోగ గైడ్ - ఉదాహరణలు మరియు సాధారణ వర్క్ఫ్లోలు
- ట్రబుల్షూటింగ్ - సాధారణ సమస్యలకు పరిష్కారాలు
- కాంట్రిబ్యూటింగ్ గైడ్ - ఈ ప్రాజెక్ట్కు ఎలా సహకరించాలి
- ఉపాధ్యాయుల కోసం - బోధనా మార్గదర్శకాలు మరియు తరగతి వనరులు
👨🎓 విద్యార్థుల కోసం
పూర్తి ప్రారంభికులు: డేటా సైన్స్ కొత్తగా నేర్చుకుంటున్నారా? మా ప్రారంభికులకు అనుకూలమైన ఉదాహరణలు తో ప్రారంభించండి! ఈ సులభమైన, బాగా వ్యాఖ్యానించిన ఉదాహరణలు మీరు పూర్తి పాఠ్యక్రమంలోకి దిగేముందు ప్రాథమికాలను అర్థం చేసుకోవడంలో సహాయపడతాయి. విద్యార్థులు: ఈ పాఠ్యక్రమాన్ని మీ స్వంతంగా ఉపయోగించడానికి, మొత్తం రిపోను ఫోర్క్ చేసి, ముందస్తు లెక్చర్ క్విజ్తో ప్రారంభించి, లెక్చర్ చదివి మిగతా కార్యకలాపాలను పూర్తి చేయండి. పరిష్కార కోడ్ను కాపీ చేయడం కాకుండా పాఠాలను అర్థం చేసుకుని ప్రాజెక్టులను సృష్టించడానికి ప్రయత్నించండి; అయితే ఆ కోడ్ ప్రతి ప్రాజెక్ట్-ఆధారిత పాఠంలో /solutions ఫోల్డర్లలో అందుబాటులో ఉంటుంది. మరో ఆలోచనగా, మిత్రులతో ఒక అధ్యయన గుంపును ఏర్పాటు చేసి కంటెంట్ను కలిసి చదవండి. మరింత అధ్యయనానికి, మేము Microsoft Learn ను సిఫార్సు చేస్తాము.
త్వరిత ప్రారంభం:
- మీ వాతావరణాన్ని సెటప్ చేసుకోవడానికి ఇన్స్టాలేషన్ గైడ్ ను చూడండి
- పాఠ్యక్రమంతో ఎలా పని చేయాలో తెలుసుకోవడానికి వినియోగ గైడ్ ను సమీక్షించండి
- పాఠం 1 నుండి ప్రారంభించి వరుసగా పని చేయండి
- మద్దతు కోసం మా డిస్కార్డ్ కమ్యూనిటీ లో చేరండి
👩🏫 ఉపాధ్యాయుల కోసం
ఉపాధ్యాయులు: ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో మేము కొన్ని సూచనలు చేరుస్తున్నాము. మీ అభిప్రాయాలను మా చర్చా వేదికలో తెలియజేయండి!
టీమ్ను కలవండి
గిఫ్ మోహిత్ జైసాల్ ద్వారా
🎥 ప్రాజెక్ట్ గురించి వీడియో కోసం పై చిత్రాన్ని క్లిక్ చేయండి దీన్ని సృష్టించిన వారు!
పాఠశాస్త్రం
ఈ పాఠ్యక్రమాన్ని రూపొందించేటప్పుడు మేము రెండు పాఠశాస్త్ర సూత్రాలను ఎంచుకున్నాము: ఇది ప్రాజెక్ట్-ఆధారితంగా ఉండాలని మరియు తరచుగా క్విజ్లు ఉండాలని. ఈ సిరీస్ చివరికి, విద్యార్థులు డేటా సైన్స్ యొక్క ప్రాథమిక సూత్రాలను నేర్చుకుంటారు, అందులో నైతిక భావనలు, డేటా సిద్ధత, డేటాతో పని చేసే వివిధ మార్గాలు, డేటా విజువలైజేషన్, డేటా విశ్లేషణ, డేటా సైన్స్ యొక్క వాస్తవ ప్రపంచ వినియోగాలు మరియు మరిన్ని ఉన్నాయి.
అదనంగా, తరగతి ముందు ఒక తక్కువ-ప్రమాద క్విజ్ విద్యార్థి ఒక విషయం నేర్చుకోవడానికి ఉద్దేశ్యాన్ని సెట్ చేస్తుంది, తరగతి తర్వాత రెండవ క్విజ్ మరింత నిలుపుదలని నిర్ధారిస్తుంది. ఈ పాఠ్యక్రమం సౌకర్యవంతంగా మరియు సరదాగా ఉండేలా రూపొందించబడింది మరియు మొత్తం లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్నదిగా ప్రారంభమై 10 వారాల చక్రం చివరికి క్రమంగా క్లిష్టత పెరుగుతుంది.
మా Code of Conduct, Contributing, Translation మార్గదర్శకాలను చూడండి. మీ నిర్మాణాత్మక అభిప్రాయాన్ని స్వాగతిస్తున్నాము!
ప్రతి పాఠం లో ఉంటాయి:
- ఐచ్ఛిక స్కెచ్ నోట్
- ఐచ్ఛిక సప్లిమెంటల్ వీడియో
- పాఠం ముందు వార్మప్ క్విజ్
- వ్రాత పాఠం
- ప్రాజెక్ట్-ఆధారిత పాఠాల కోసం, ప్రాజెక్ట్ నిర్మాణం పై దశల వారీ మార్గదర్శకాలు
- జ్ఞాన తనిఖీలు
- ఒక సవాలు
- సప్లిమెంటల్ చదువు
- అసైన్మెంట్
- పాఠం తర్వాత క్విజ్
క్విజ్ల గురించి ఒక గమనిక: అన్ని క్విజ్లు Quiz-App ఫోల్డర్లో ఉన్నాయి, మొత్తం 40 క్విజ్లు, ప్రతి ఒక్కటి మూడు ప్రశ్నలతో. అవి పాఠాల నుండి లింక్ చేయబడ్డాయి, కానీ క్విజ్ యాప్ను స్థానికంగా నడపవచ్చు లేదా Azureలో డిప్లాయ్ చేయవచ్చు;
quiz-appఫోల్డర్లోని సూచనలను అనుసరించండి. అవి క్రమంగా స్థానికీకరించబడుతున్నాయి.
🎓 ప్రారంభ దశకు అనుకూలమైన ఉదాహరణలు
డేటా సైన్స్ కొత్తవారా? మేము ప్రత్యేక examples directory సృష్టించాము, సులభమైన, బాగా వ్యాఖ్యానించిన కోడ్తో మీరు ప్రారంభించడానికి సహాయపడుతుంది:
- 🌟 హలో వరల్డ్ - మీ మొదటి డేటా సైన్స్ ప్రోగ్రామ్
- 📂 డేటా లోడ్ చేయడం - డేటాసెట్లను చదవడం మరియు అన్వేషించడం నేర్చుకోండి
- 📊 సాధారణ విశ్లేషణ - గణాంకాలు లెక్కించడం మరియు నమూనాలు కనుగొనడం
- 📈 ప్రాథమిక విజువలైజేషన్ - చార్ట్లు మరియు గ్రాఫ్లు సృష్టించడం
- 🔬 వాస్తవ ప్రపంచ ప్రాజెక్ట్ - ప్రారంభం నుండి ముగింపు వరకు పూర్తి వర్క్ఫ్లో
ప్రతి ఉదాహరణలో ప్రతి దశను వివరించే వ్యాఖ్యలు ఉంటాయి, ఇది పూర్తిగా ప్రారంభ దశ విద్యార్థులకు అనుకూలంగా ఉంటుంది!
పాఠాలు
![]() |
|---|
| డేటా సైన్స్ ఫర్ బిగినర్స్: రోడ్మ్యాప్ - స్కెచ్ నోట్ @nitya ద్వారా |
| పాఠం సంఖ్య | విషయం | పాఠం సమూహం | నేర్చుకునే లక్ష్యాలు | లింక్ చేసిన పాఠం | రచయిత |
|---|---|---|---|---|---|
| 01 | డేటా సైన్స్ నిర్వచనం | పరిచయం | డేటా సైన్స్ వెనుక ప్రాథమిక భావనలు మరియు ఇది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, మెషీన్ లెర్నింగ్, మరియు బిగ్ డేటాతో ఎలా సంబంధం కలిగి ఉందో నేర్చుకోండి. | పాఠం వీడియో | Dmitry |
| 02 | డేటా సైన్స్ నైతికత | పరిచయం | డేటా నైతికత భావనలు, సవాళ్లు & ఫ్రేమ్వర్క్లు. | పాఠం | Nitya |
| 03 | డేటా నిర్వచనం | పరిచయం | డేటా ఎలా వర్గీకరించబడుతుంది మరియు దాని సాధారణ మూలాలు. | పాఠం | Jasmine |
| 04 | గణాంకాలు & సంభావ్యతకు పరిచయం | పరిచయం | డేటాను అర్థం చేసుకోవడానికి సంభావ్యత మరియు గణాంకాల గణిత సాంకేతికతలు. | పాఠం వీడియో | Dmitry |
| 05 | రిలేషనల్ డేటాతో పని చేయడం | డేటాతో పని | రిలేషనల్ డేటాకు పరిచయం మరియు స్ట్రక్చర్డ్ క్వెరీ లాంగ్వేజ్ (SQL) తో రిలేషనల్ డేటాను అన్వేషించడం మరియు విశ్లేషించడం యొక్క ప్రాథమికాలు. | పాఠం | Christopher |
| 06 | నాన్-SQL డేటాతో పని చేయడం | డేటాతో పని | నాన్-రిలేషనల్ డేటాకు పరిచయం, దాని వివిధ రకాలు మరియు డాక్యుమెంట్ డేటాబేస్లను అన్వేషించడం మరియు విశ్లేషించడం యొక్క ప్రాథమికాలు. | పాఠం | Jasmine |
| 07 | పైథాన్తో పని చేయడం | డేటాతో పని | Pandas వంటి లైబ్రరీలతో డేటా అన్వేషణ కోసం పైథాన్ ఉపయోగించే ప్రాథమికాలు. పైథాన్ ప్రోగ్రామింగ్ యొక్క ప్రాథమిక అవగాహన అవసరం. | పాఠం వీడియో | Dmitry |
| 08 | డేటా సిద్ధత | డేటాతో పని | డేటా శుభ్రపరిచే మరియు మార్చే సాంకేతికతలపై అంశాలు, లేని, తప్పు లేదా అసంపూర్ణ డేటా సవాళ్లను నిర్వహించడానికి. | పాఠం | Jasmine |
| 09 | పరిమాణాలను విజువలైజ్ చేయడం | డేటా విజువలైజేషన్ | Matplotlib ఉపయోగించి పక్షుల డేటాను విజువలైజ్ చేయడం నేర్చుకోండి 🦆 | పాఠం | Jen |
| 10 | డేటా పంపిణీలను విజువలైజ్ చేయడం | డేటా విజువలైజేషన్ | ఒక ఇంటర్వెల్లో గమనికలు మరియు ధోరణులను విజువలైజ్ చేయడం. | పాఠం | Jen |
| 11 | భాగాలను విజువలైజ్ చేయడం | డేటా విజువలైజేషన్ | విడివిడిగా మరియు సమూహాల శాతం విజువలైజ్ చేయడం. | పాఠం | Jen |
| 12 | సంబంధాలను విజువలైజ్ చేయడం | డేటా విజువలైజేషన్ | డేటా సెట్లు మరియు వాటి వేరియబుల్స్ మధ్య సంబంధాలు మరియు సహసంబంధాలను విజువలైజ్ చేయడం. | పాఠం | Jen |
| 13 | అర్థవంతమైన విజువలైజేషన్లు | డేటా విజువలైజేషన్ | మీ విజువలైజేషన్లను సమర్థవంతమైన సమస్య పరిష్కారం మరియు అవగాహనలకు విలువైనదిగా చేయడానికి సాంకేతికతలు మరియు మార్గదర్శకాలు. | పాఠం | Jen |
| 14 | డేటా సైన్స్ జీవన చక్రానికి పరిచయం | జీవన చక్రం | డేటా సైన్స్ జీవన చక్రానికి పరిచయం మరియు డేటాను పొందడం మరియు తీయడం మొదటి దశ. | పాఠం | Jasmine |
| 15 | విశ్లేషణ | జీవన చక్రం | డేటా సైన్స్ జీవన చక్రం ఈ దశ డేటాను విశ్లేషించే సాంకేతికతలపై కేంద్రీకృతమైంది. | పాఠం | Jasmine |
| 16 | కమ్యూనికేషన్ | జీవన చక్రం | డేటా సైన్స్ జీవన చక్రం ఈ దశ డేటా నుండి పొందిన అవగాహనలను నిర్ణయాలు తీసుకునే వారికి సులభంగా అర్థం అయ్యే విధంగా ప్రదర్శించడంపై కేంద్రీకృతమైంది. | పాఠం | Jalen |
| 17 | క్లౌడ్లో డేటా సైన్స్ | క్లౌడ్ డేటా | ఈ పాఠాల సిరీస్ క్లౌడ్లో డేటా సైన్స్ మరియు దాని లాభాలను పరిచయం చేస్తుంది. | పాఠం | Tiffany మరియు Maud |
| 18 | క్లౌడ్లో డేటా సైన్స్ | క్లౌడ్ డేటా | లో కోడ్ టూల్స్ ఉపయోగించి మోడల్స్ శిక్షణ. | పాఠం | Tiffany మరియు Maud |
| 19 | క్లౌడ్లో డేటా సైన్స్ | క్లౌడ్ డేటా | Azure Machine Learning Studio తో మోడల్స్ను డిప్లాయ్ చేయడం. | పాఠం | Tiffany మరియు Maud |
| 20 | వనంలో డేటా సైన్స్ | వనంలో | వాస్తవ ప్రపంచంలో డేటా సైన్స్ ఆధారిత ప్రాజెక్టులు. | పాఠం | Nitya |
GitHub Codespaces
ఈ నమూనాను Codespaceలో తెరవడానికి ఈ దశలను అనుసరించండి:
- కోడ్ డ్రాప్-డౌన్ మెనూను క్లిక్ చేసి Open with Codespaces ఎంపికను ఎంచుకోండి.
- ప్యానెల్ దిగువన + New codespace ఎంచుకోండి. మరింత సమాచారం కోసం, GitHub డాక్యుమెంటేషన్ చూడండి.
VSCode Remote - Containers
మీ స్థానిక యంత్రం మరియు VSCode ఉపయోగించి ఈ రిపోను కంటైనర్లో తెరవడానికి VS Code Remote - Containers విస్తరణను ఉపయోగించి ఈ దశలను అనుసరించండి:
- మీరు మొదటిసారి డెవలప్మెంట్ కంటైనర్ ఉపయోగిస్తుంటే, దయచేసి మీ సిస్టమ్ ప్రీ-రిక్వైర్మెంట్లు (అంటే Docker ఇన్స్టాల్ చేయబడింది) గెట్ స్టార్టెడ్ డాక్యుమెంటేషన్లో ఉన్నాయని నిర్ధారించుకోండి.
ఈ రిపోను ఉపయోగించడానికి, మీరు రిపోను ఒక వేరే Docker వాల్యూమ్లో తెరవవచ్చు:
గమనిక: అంతర్గతంగా, ఇది Remote-Containers: Clone Repository in Container Volume... కమాండ్ను ఉపయోగించి సోర్స్ కోడ్ను స్థానిక ఫైల్ సిస్టమ్ బదులు Docker వాల్యూమ్లో క్లోన్ చేస్తుంది. వాల్యూమ్లు కంటైనర్ డేటాను నిల్వ చేయడానికి ప్రాధాన్యత కలిగిన పద్ధతి.
లేదా రిపోను స్థానికంగా క్లోన్ చేసి లేదా డౌన్లోడ్ చేసిన కాపీని తెరవండి:
- ఈ రిపోను మీ స్థానిక ఫైల్ సిస్టమ్కు క్లోన్ చేయండి.
- F1 నొక్కి Remote-Containers: Open Folder in Container... కమాండ్ ఎంచుకోండి.
- ఈ ఫోల్డర్ యొక్క క్లోన్ చేసిన కాపీని ఎంచుకుని, కంటైనర్ ప్రారంభం అయ్యే వరకు వేచి, ప్రయత్నించండి.
ఆఫ్లైన్ యాక్సెస్
Docsify ఉపయోగించి మీరు ఈ డాక్యుమెంటేషన్ను ఆఫ్లైన్లో నడపవచ్చు. ఈ రిపోను ఫోర్క్ చేసి, మీ స్థానిక యంత్రంలో Docsify ఇన్స్టాల్ చేయండి, ఆపై ఈ రిపో యొక్క రూట్ ఫోల్డర్లో docsify serve టైప్ చేయండి. వెబ్సైట్ మీ స్థానిక హోస్ట్లో 3000 పోర్ట్పై అందుబాటులో ఉంటుంది: localhost:3000.
గమనిక, నోట్బుక్స్ Docsify ద్వారా రేండర్ చేయబడవు, కాబట్టి మీరు నోట్బుక్ నడపాల్సినప్పుడు, దాన్ని వేరుగా VS Codeలో Python కర్నెల్ నడుపుతూ చేయండి.
ఇతర పాఠ్యక్రమాలు
మా బృందం ఇతర పాఠ్యక్రమాలు కూడా తయారు చేస్తుంది! చూడండి:
LangChain
Azure / Edge / MCP / Agents
జనరేటివ్ AI సిరీస్
కోర్ లెర్నింగ్
కోపైలట్ సిరీస్
సహాయం పొందడం
సమస్యలు ఎదురవుతున్నాయా? సాధారణ సమస్యలకు పరిష్కారాల కోసం మా ట్రబుల్షూటింగ్ గైడ్ ను చూడండి.
మీరు అడ్డుకట్ట పడితే లేదా AI యాప్స్ నిర్మాణం గురించి ఏవైనా ప్రశ్నలు ఉంటే, MCP గురించి చర్చలలో ఇతర అభ్యాసకులు మరియు అనుభవజ్ఞులైన డెవలపర్లతో చేరండి. ఇది ప్రశ్నలు స్వాగతించబడే మరియు జ్ఞానం స్వేచ్ఛగా పంచుకునే మద్దతు సమాజం.
మీకు ఉత్పత్తి అభిప్రాయం లేదా నిర్మాణ సమయంలో లోపాలు ఉంటే సందర్శించండి:
అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.



