History

localizeflow[bot] f64682928a chore(i18n): sync translations with latest source changes (chunk 10/10, 34 files)		5 days ago
..
README.md	chore(i18n): sync translations with latest source changes (chunk 10/10, 34 files)	5 days ago

README.md

ప్రారంభికులకు అనుకూలమైన డేటా సైన్స్ ఉదాహరణలు

ఉదాహరణల డైరెక్టరీకి స్వాగతం! ఈ సులభమైన, బాగా వ్యాఖ్యానించిన ఉదాహరణల సేకరణ డేటా సైన్స్ ప్రారంభించడానికి మీకు సహాయపడేందుకు రూపొందించబడింది, మీరు పూర్తిగా కొత్తవారైనా సరే.

📚 మీరు ఇక్కడ ఏమి కనుగొంటారు

ప్రతి ఉదాహరణ స్వతంత్రంగా ఉంటుంది మరియు ఇందులో ఉంటుంది:

ప్రతి దశను వివరించే స్పష్టమైన వ్యాఖ్యలు
ఒక్కో సారి ఒక కాన్సెప్ట్‌ను చూపించే సులభమైన, చదవదగిన కోడ్
ఈ సాంకేతికతలను ఎప్పుడు మరియు ఎందుకు ఉపయోగించాలో అర్థం చేసుకోవడానికి వాస్తవ ప్రపంచ సందర్భం
మీరు ఏమి చూడాలో తెలుసుకునేందుకు ఆశించిన అవుట్పుట్

🚀 ప్రారంభించడం

ముందస్తు అవసరాలు

ఈ ఉదాహరణలను నడపడానికి ముందు, మీరు కలిగి ఉండాలి:

Python 3.7 లేదా అంతకంటే పైగా ఇన్‌స్టాల్ చేయబడింది
Python స్క్రిప్టులను ఎలా నడపాలో ప్రాథమిక అవగాహన

అవసరమైన లైబ్రరీలను ఇన్‌స్టాల్ చేయడం

pip install pandas numpy matplotlib

📖 ఉదాహరణల అవలోకనం

1. హలో వరల్డ్ - డేటా సైన్స్ శైలి

ఫైల్: 01_hello_world_data_science.py

మీ మొదటి డేటా సైన్స్ ప్రోగ్రామ్! నేర్చుకోండి:

సులభమైన డేటాసెట్‌ను లోడ్ చేయడం
మీ డేటా గురించి ప్రాథమిక సమాచారం ప్రదర్శించడం
మీ మొదటి డేటా సైన్స్ అవుట్పుట్‌ను ప్రింట్ చేయడం

పూర్తిగా కొత్తవారికి ఇది వారి మొదటి డేటా సైన్స్ ప్రోగ్రామ్‌ను ప్రత్యక్షంగా చూడటానికి సరైనది.

2. డేటాను లోడ్ చేసి అన్వేషించడం

ఫైల్: 02_loading_data.py

డేటాతో పని చేసే ప్రాథమిక విషయాలు నేర్చుకోండి:

CSV ఫైళ్ల నుండి డేటాను చదవడం
మీ డేటాసెట్ యొక్క మొదటి కొన్ని వరుసలను చూడడం
మీ డేటా గురించి ప్రాథమిక గణాంకాలు పొందడం
డేటా రకాల్ని అర్థం చేసుకోవడం

ఇది సాధారణంగా ఏ డేటా సైన్స్ ప్రాజెక్ట్‌లో మొదటి దశ!

3. సులభమైన డేటా విశ్లేషణ

ఫైల్: 03_simple_analysis.py

మీ మొదటి డేటా విశ్లేషణను చేయండి:

ప్రాథమిక గణాంకాలు (సగటు, మధ్య విలువ, మోడ్) లెక్కించడం
గరిష్ట మరియు కనిష్ట విలువలను కనుగొనడం
విలువల సంభవాలను లెక్కించడం
షరతుల ఆధారంగా డేటాను ఫిల్టర్ చేయడం

మీ డేటా గురించి సులభమైన ప్రశ్నలకు ఎలా సమాధానం చెప్పాలో చూడండి.

4. డేటా విజువలైజేషన్ ప్రాథమికాలు

ఫైల్: 04_basic_visualization.py

మీ మొదటి విజువలైజేషన్లను సృష్టించండి:

సులభమైన బార్ చార్ట్ తయారు చేయండి
లైన్ ప్లాట్ సృష్టించండి
పై చార్ట్ రూపొందించండి
మీ విజువలైజేషన్లను చిత్రాలుగా సేవ్ చేయండి

మీ కనుగొన్న విషయాలను దృశ్యంగా ఎలా తెలియజేయాలో నేర్చుకోండి!

5. వాస్తవ డేటాతో పని చేయడం

ఫైల్: 05_real_world_example.py

మొత్తం ఉదాహరణతో అన్ని దశలను కలిపి చేయండి:

రిపాజిటరీ నుండి వాస్తవ డేటాను లోడ్ చేయండి
డేటాను శుభ్రపరచి సిద్ధం చేయండి
విశ్లేషణ చేయండి
అర్థవంతమైన విజువలైజేషన్లు సృష్టించండి
తేలికపాటి నిర్ణయాలు తీసుకోండి

ఈ ఉదాహరణ ప్రారంభం నుండి ముగింపు వరకు పూర్తి వర్క్‌ఫ్లో చూపిస్తుంది.

🎯 ఈ ఉదాహరణలను ఎలా ఉపయోగించాలి

ప్రారంభం నుండి మొదలుపెట్టండి: ఉదాహరణలు కష్టతరతలో సంఖ్యాబద్ధం చేయబడ్డాయి. 01_hello_world_data_science.py తో మొదలుపెట్టి ముందుకు సాగండి.
వ్యాఖ్యలను చదవండి: ప్రతి ఫైల్‌లో కోడ్ ఏమి చేస్తుందో మరియు ఎందుకు చేస్తుందో వివరించే వ్యాఖ్యలు ఉంటాయి. వాటిని జాగ్రత్తగా చదవండి!
ప్రయోగాలు చేయండి: కోడ్‌ను మార్చి చూడండి. ఒక విలువ మార్చితే ఏమవుతుంది? తప్పులు చేయండి, వాటిని సరిచేయండి - ఇదే నేర్చుకునే విధానం!
కోడ్ నడపండి: ప్రతి ఉదాహరణను అమలు చేసి అవుట్పుట్‌ను గమనించండి. మీరు ఆశించినదితో పోల్చండి.
దీనిపై అభివృద్ధి చేయండి: ఒక ఉదాహరణను అర్థం చేసుకున్న తర్వాత, దానిని మీ స్వంత ఆలోచనలతో విస్తరించండి.

💡 ప్రారంభికులకు సూచనలు

అలసిపోకండి: ప్రతి ఉదాహరణను అర్థం చేసుకోవడానికి సమయం తీసుకోండి, తర్వాత తదుపరి దానికి వెళ్లండి
కోడ్‌ను స్వయంగా టైప్ చేయండి: కాపీ-పేస్ట్ చేయకండి. టైపింగ్ చేయడం మీకు నేర్చుకోవడంలో మరియు గుర్తుంచుకోవడంలో సహాయపడుతుంది
అజ్ఞాత కాన్సెప్ట్‌లను వెతకండి: మీరు అర్థం చేసుకోలేని ఏదైనా ఉంటే, ఆన్‌లైన్‌లో లేదా ప్రధాన పాఠాలలో వెతకండి
ప్రశ్నలు అడగండి: సహాయం కావాలంటే చర్చా ఫోరం లో చేరండి
నియమితంగా అభ్యాసం చేయండి: వారానికి ఒకసారి పెద్ద సెషన్ల కంటే ప్రతిరోజూ కొంత కోడ్ చేయడానికి ప్రయత్నించండి

🔗 తదుపరి దశలు

ఈ ఉదాహరణలను పూర్తి చేసిన తర్వాత, మీరు సిద్ధంగా ఉంటారు:

ప్రధాన పాఠ్యాంశాల ద్వారా పని చేయడానికి
ప్రతి పాఠం ఫోల్డర్‌లో అసైన్‌మెంట్‌లను ప్రయత్నించడానికి
మరింత లోతైన నేర్చుకోవడానికి జూపిటర్ నోట్‌బుక్స్‌ను అన్వేషించడానికి
మీ స్వంత డేటా సైన్స్ ప్రాజెక్టులను సృష్టించడానికి

📚 అదనపు వనరులు

ప్రధాన పాఠ్యాంశం - పూర్తి 20-పాఠాల కోర్సు
ఉపాధ్యాయుల కోసం - ఈ పాఠ్యాంశాన్ని మీ తరగతిలో ఉపయోగించడం
Microsoft Learn - ఉచిత ఆన్‌లైన్ నేర్చుకునే వనరులు
Python డాక్యుమెంటేషన్ - అధికారిక Python సూచిక

🤝 సహకారం

ఏదైనా బగ్ కనుగొన్నారా లేదా కొత్త ఉదాహరణకు ఆలోచన ఉందా? మేము సహకారాలను స్వాగతిస్తున్నాము! దయచేసి మా సహకార మార్గదర్శకాన్ని చూడండి.

సంతోషంగా నేర్చుకోండి! 🎉

గుర్తుంచుకోండి: ప్రతి నిపుణుడు ఒకప్పుడు ప్రారంభికుడే. ఒక్కో దశలో ఒకట씩 తీసుకోండి, తప్పులు చేయడాన్ని భయపడకండి - అవి నేర్చుకునే ప్రక్రియలో భాగమే!

అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. అసలు పత్రం దాని స్వదేశీ భాషలోనే అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.