Data-Science-For-Beginners/translations/ne

डेटा साइन्सका लागि शुरुवातकर्ता - एक पाठ्यक्रम

Azure Cloud Advocates मा Microsoftले डेटा साइन्सको बारेमा १० हप्ताको, २० पाठको पाठ्यक्रम प्रदान गर्न पाउँदा खुशी छ। प्रत्येक पाठमा पाठ अघि र पाठ पछि क्विजहरू, पाठ पूरा गर्नका लागि लिखित निर्देशनहरू, समाधान, र असाइनमेन्ट समावेश छ। हाम्रो परियोजना-आधारित शिक्षण विधिले निर्माण गर्दै सिक्न अनुमति दिन्छ, नयाँ सीपहरू 'टिक्न' को लागि प्रमाणित तरिका।

हाम्रो लेखकहरूलाई हार्दिक धन्यवाद: जास्मिन ग्रीनवे, दिमित्री सोश्निकोभ, नित्या नरसिम्हन, जालेन म्याक्गी, जेन लूपर, मौद लेवी, टिफनी साउतेरे, क्रिस्टोफर ह्यारिसन।

🙏 विशेष धन्यवाद 🙏 हाम्रो Microsoft Student Ambassador लेखकहरू, समीक्षकहरू र सामग्री योगदानकर्ताहरूलाई, विशेष गरी आर्यन अरोरा, आदित्य गर्ग, अलोंड्रा सान्चेज, अंकिता सिंह, अनुपम मिश्रा, अर्पिता दास, छैलबिहारी दुबे, डिब्री एनसोफर, दिशिता भासिन, मज्द साफी, म्याक्स ब्लम, मिगुएल कोरेया, मोहम्मा इफ्तेखेर (इफ्तु) इब्ने जलाल, नवरिन तबस्सुम, रेमण्ड वांगसा पुत्रा, रोहित यादव, समृद्धि शर्मा, सान्या सिन्हा, शिना नरुला, तौकिर अहमद, योगेन्द्रसिंह पवार, विदुषी गुप्ता, जसलीन सोंधी।

डेटा साइन्सका लागि शुरुवातकर्ता - स्केच नोट @nitya

🌐 बहुभाषी समर्थन

GitHub Action मार्फत समर्थित (स्वचालित र सधैं अद्यावधिक)

फ्रान्सेली | स्पेनिश | जर्मन | रुसी | अरबी | फारसी (पर्सियन) | उर्दू | चिनियाँ (सरलीकृत) | चिनियाँ (पारम्परिक, मकाउ) | चिनियाँ (पारम्परिक, हङकङ) | चिनियाँ (पारम्परिक, ताइवान) | जापानी | कोरियाली | हिन्दी | बंगाली | मराठी | नेपाली | पंजाबी (गुरमुखी) | पोर्चुगिज (पोर्चुगल) | पोर्चुगिज (ब्राजिल) | इटालियन | पोलिश | टर्किश | ग्रीक | थाई | स्विडिश | डेनिश | नर्वेजियन | फिनिश | डच | हिब्रू | भियतनामी | इन्डोनेसियन | मलय | टागालोग (फिलिपिनो) | स्वाहिली | हंगेरी | चेक | स्लोभाक | रोमानियन | बुल्गेरियन | सर्बियन (सिरिलिक) | क्रोएशियन | स्लोभेनियन | युक्रेनी | बर्मिज (म्यानमार)

यदि तपाईं थप अनुवाद भाषाहरू चाहनुहुन्छ भने यहाँ सूचीबद्ध छन् यहाँ

हाम्रो समुदायमा सामेल हुनुहोस्

हामीसँग AI सिक्ने Discord श्रृंखला चलिरहेको छ, थप जान्न र सामेल हुन Learn with AI Series मा जानुहोस्। तपाईंलाई डेटा साइन्सका लागि GitHub Copilot प्रयोग गर्ने टिप्स र ट्रिक्स प्राप्त हुनेछ।

के तपाईं विद्यार्थी हुनुहुन्छ?

निम्न स्रोतहरूबाट सुरु गर्नुहोस्:

• विद्यार्थी हब पृष्ठ यस पृष्ठमा, तपाईंले शुरुवातकर्ता स्रोतहरू, विद्यार्थी प्याकहरू र नि:शुल्क प्रमाणपत्र भौचर प्राप्त गर्ने तरिकाहरू पाउनुहुनेछ। यो एक पृष्ठ हो जुन तपाईंले बुकमार्क गर्न चाहनुहुन्छ र समय-समयमा जाँच गर्नुहोस् किनभने हामी कम्तीमा मासिक सामग्री परिवर्तन गर्छौं।
• Microsoft Learn Student Ambassadors एक विश्वव्यापी विद्यार्थी राजदूतहरूको समुदायमा सामेल हुनुहोस्, यो Microsoftमा तपाईंको प्रवेशको बाटो हुन सक्छ।

सुरु गर्दै

शिक्षकहरू: हामीले केही सुझावहरू समावेश गरेका छौं यो पाठ्यक्रम कसरी प्रयोग गर्ने। हामी तपाईंको प्रतिक्रिया हाम्रो छलफल फोरममा चाहन्छौं!

विद्यार्थीहरू: यो पाठ्यक्रम आफैं प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई फोर्क गर्नुहोस् र आफैं अभ्यासहरू पूरा गर्नुहोस्, शुरुवातमा प्र-लेक्चर क्विजबाट सुरु गर्दै। त्यसपछि लेक्चर पढ्नुहोस् र बाँकी गतिविधिहरू पूरा गर्नुहोस्। पाठहरू बुझेर परियोजनाहरू सिर्जना गर्न प्रयास गर्नुहोस् समाधान कोड प्रतिलिपि नगरी; यद्यपि, त्यो कोड प्रत्येक परियोजना-उन्मुख पाठको /solutions फोल्डरहरूमा उपलब्ध छ। अर्को विचार भनेको साथीहरूसँग अध्ययन समूह बनाउनुहोस् र सामग्री सँगै जानुहोस्। थप अध्ययनको लागि, हामी Microsoft Learn सिफारिस गर्छौं।

टोलीलाई भेट्नुहोस्

Gif द्वारा मोहित जैसल

🎥 माथिको छवि क्लिक गर्नुहोस् परियोजनाको बारेमा भिडियोका लागि र यसलाई सिर्जना गर्ने व्यक्तिहरूका लागि!

शिक्षण विधि

हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षण विधि अपनाएका छौं: सुनिश्चित गर्नु कि यो परियोजना-आधारित हो र यसमा बारम्बार क्विजहरू समावेश छन्। यस श्रृंखलाको अन्त्यसम्ममा, विद्यार्थीहरूले डेटा साइन्सका आधारभूत सिद्धान्तहरू सिकेका हुनेछन्, जसमा नैतिक अवधारणाहरू, डेटा तयारी, डेटा काम गर्ने विभिन्न तरिकाहरू, डेटा दृश्यता, डेटा विश्लेषण, डेटा साइन्सका वास्तविक जीवन प्रयोगहरू, र अन्य धेरै समावेश छन्।

यसका साथै, कक्षाको अघि कम-स्तरको क्विजले विद्यार्थीलाई विषय सिक्नको लागि उद्देश्य सेट गर्दछ, जबकि कक्षाको पछि दोस्रो क्विजले थप स्मरण सुनिश्चित गर्दछ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको हो र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना सुरु हुन्छन् र १० हप्ताको चक्रको अन्त्यसम्ममा क्रमशः जटिल बन्छन्। हाम्रो Code of Conduct, Contributing, Translation दिशानिर्देशहरू हेर्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्दछौं!

प्रत्येक पाठमा समावेश हुन्छ:

• वैकल्पिक स्केच नोट
• वैकल्पिक पूरक भिडियो
• पाठ अघि वार्मअप क्विज
• लिखित पाठ
• परियोजना आधारित पाठहरूको लागि, परियोजना निर्माण गर्ने चरण-दर-चरण मार्गदर्शन
• ज्ञान जाँच
• चुनौती
• पूरक पढाइ
• असाइनमेन्ट
• पाठ पछि क्विज

क्विजहरूको बारेमा नोट: सबै क्विजहरू Quiz-App फोल्डरमा समावेश छन्, जसमा प्रत्येकमा तीन प्रश्नहरू सहित ४० वटा क्विजहरू छन्। यी पाठहरूबाट लिंक गरिएका छन्, तर क्विज एपलाई स्थानीय रूपमा चलाउन वा Azure मा डिप्लोय गर्न सकिन्छ; quiz-app फोल्डरमा दिइएको निर्देशन पालना गर्नुहोस्। यी क्रमिक रूपमा स्थानीयकरण हुँदैछन्।

पाठहरू

डाटा साइन्सका लागि शुरुवातकर्ता: रोडम्याप - @nitya द्वारा स्केच नोट

पाठ संख्या	विषय	पाठ समूह	सिक्ने उद्देश्यहरू	लिंक गरिएको पाठ	लेखक
01	डाटा साइन्स परिभाषित गर्दै	परिचय	डाटा साइन्सको आधारभूत अवधारणाहरू सिक्नुहोस् र यो कृत्रिम बुद्धिमत्ता, मेसिन लर्निङ, र बिग डाटासँग कसरी सम्बन्धित छ।	पाठ भिडियो	Dmitry
02	डाटा साइन्स नैतिकता	परिचय	डाटा नैतिकता अवधारणाहरू, चुनौतीहरू र फ्रेमवर्कहरू।	पाठ	Nitya
03	डाटा परिभाषित गर्दै	परिचय	डाटालाई कसरी वर्गीकृत गरिन्छ र यसको सामान्य स्रोतहरू।	पाठ	Jasmine
04	तथ्यांक र सम्भावनाको परिचय	परिचय	डाटालाई बुझ्नको लागि सम्भावना र तथ्यांकको गणितीय प्रविधिहरू।	पाठ भिडियो	Dmitry
05	सम्बन्धित डाटासँग काम गर्दै	डाटासँग काम गर्दै	सम्बन्धित डाटाको परिचय र संरचित क्वेरी भाषा (SQL) प्रयोग गरेर सम्बन्धित डाटाको अन्वेषण र विश्लेषणको आधारभूत कुरा।	पाठ	Christopher
06	NoSQL डाटासँग काम गर्दै	डाटासँग काम गर्दै	गैर-सम्बन्धित डाटाको परिचय, यसको विभिन्न प्रकारहरू र डकुमेन्ट डाटाबेसहरूको अन्वेषण र विश्लेषणको आधारभूत कुरा।	पाठ	Jasmine
07	Python सँग काम गर्दै	डाटासँग काम गर्दै	Pandas जस्ता पुस्तकालयहरू प्रयोग गरेर डाटा अन्वेषणको लागि Python प्रयोग गर्ने आधारभूत कुरा। Python प्रोग्रामिङको आधारभूत ज्ञान सिफारिस गरिन्छ।	पाठ भिडियो	Dmitry
08	डाटा तयारी	डाटासँग काम गर्दै	हराएको, गलत, वा अपूर्ण डाटाको चुनौतीहरूलाई सम्बोधन गर्न डाटालाई सफा गर्ने र रूपान्तरण गर्ने प्रविधिहरू।	पाठ	Jasmine
09	मात्राहरूको दृश्यात्मकता	डाटा दृश्यात्मकता	Matplotlib प्रयोग गरेर चरा डाटालाई दृश्यात्मक बनाउने सिक्नुहोस् 🦆	पाठ	Jen
10	डाटाको वितरणको दृश्यात्मकता	डाटा दृश्यात्मकता	अन्तरालभित्रको अवलोकनहरू र प्रवृत्तिहरूलाई दृश्यात्मक बनाउने।	पाठ	Jen
11	अनुपातहरूको दृश्यात्मकता	डाटा दृश्यात्मकता	छुट्टै र समूहबद्ध प्रतिशतहरूलाई दृश्यात्मक बनाउने।	पाठ	Jen
12	सम्बन्धहरूको दृश्यात्मकता	डाटा दृश्यात्मकता	डाटाका सेटहरू र तिनका भेरिएबलहरू बीचको सम्बन्ध र सहसंबन्धलाई दृश्यात्मक बनाउने।	पाठ	Jen
13	अर्थपूर्ण दृश्यात्मकता	डाटा दृश्यात्मकता	प्रभावकारी समस्या समाधान र अन्तर्दृष्टिका लागि तपाईंको दृश्यात्मकतालाई मूल्यवान बनाउने प्रविधिहरू र मार्गदर्शन।	पाठ	Jen
14	डाटा साइन्स जीवनचक्रको परिचय	जीवनचक्र	डाटा साइन्स जीवनचक्रको परिचय र डाटा प्राप्ति र निकाल्ने पहिलो चरण।	पाठ	Jasmine
15	विश्लेषण गर्दै	जीवनचक्र	डाटा साइन्स जीवनचक्रको यो चरण डाटालाई विश्लेषण गर्ने प्रविधिहरूमा केन्द्रित छ।	पाठ	Jasmine
16	सञ्चार	जीवनचक्र	डाटाबाट प्राप्त अन्तर्दृष्टिलाई निर्णयकर्ताहरूलाई बुझ्न सजिलो बनाउने तरिकामा प्रस्तुत गर्ने।	पाठ	Jalen
17	क्लाउडमा डाटा साइन्स	क्लाउड डाटा	क्लाउडमा डाटा साइन्स र यसको फाइदाहरूको परिचय दिने पाठहरूको श्रृंखला।	पाठ	Tiffany र Maud
18	क्लाउडमा डाटा साइन्स	क्लाउड डाटा	लो कोड उपकरणहरू प्रयोग गरेर मोडेलहरू प्रशिक्षण।	पाठ	Tiffany र Maud
19	क्लाउडमा डाटा साइन्स	क्लाउड डाटा	Azure Machine Learning Studio प्रयोग गरेर मोडेलहरू डिप्लोय गर्दै।	पाठ	Tiffany र Maud
20	जङ्गलमा डाटा साइन्स	जङ्गलमा	वास्तविक संसारमा डाटा साइन्सद्वारा संचालित परियोजनाहरू।	पाठ	Nitya

GitHub Codespaces

यस नमूनालाई Codespace मा खोल्न निम्न चरणहरू पालना गर्नुहोस्:

1. Code ड्रप-डाउन मेनुमा क्लिक गर्नुहोस् र Open with Codespaces विकल्प चयन गर्नुहोस्।
2. प्यानको तल + New codespace चयन गर्नुहोस्। थप जानकारीको लागि, GitHub दस्तावेज हेर्नुहोस्।

VSCode Remote - Containers

तपाईंको स्थानीय मेसिन र VSCode प्रयोग गरेर यो रिपोजिटरीलाई कन्टेनरमा खोल्न निम्न चरणहरू पालना गर्नुहोस्:

1. यदि यो पहिलो पटक विकास कन्टेनर प्रयोग गर्दै हुनुहुन्छ भने, कृपया सुनिश्चित गर्नुहोस् कि तपाईंको प्रणालीले शुरुवात दस्तावेज मा उल्लेखित पूर्व-आवश्यकताहरू पूरा गर्दछ (जस्तै Docker स्थापना गर्नुहोस्)।

यो रिपोजिटरी प्रयोग गर्न, तपाईं यसलाई अलग Docker भोल्युममा खोल्न सक्नुहुन्छ:

नोट: यसले Remote-Containers: Clone Repository in Container Volume... आदेश प्रयोग गरेर स्रोत कोडलाई स्थानीय फाइल प्रणालीको सट्टा Docker भोल्युममा क्लोन गर्नेछ। Volumes कन्टेनर डाटा कायम राख्नको लागि प्राथमिक मेकानिज्म हो।

वा स्थानीय रूपमा क्लोन गरिएको वा डाउनलोड गरिएको संस्करण खोल्न सक्नुहुन्छ:

• यो रिपोजिटरीलाई तपाईंको स्थानीय फाइल प्रणालीमा क्लोन गर्नुहोस्।
• F1 थिच्नुहोस् र Remote-Containers: Open Folder in Container... आदेश चयन गर्नुहोस्।
• यस फोल्डरको क्लोन गरिएको प्रतिलिपि चयन गर्नुहोस्, कन्टेनर सुरु हुने प्रतीक्षा गर्नुहोस्, र परीक्षण गर्नुहोस्।

अफलाइन पहुँच

तपाईं Docsify प्रयोग गरेर यो दस्तावेजलाई अफलाइन चलाउन सक्नुहुन्छ। यस रिपोजिटरीलाई Fork गर्नुहोस्, Docsify स्थापना गर्नुहोस् तपाईंको स्थानीय मेसिनमा, त्यसपछि यस रिपोजिटरीको मूल फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा सेवा हुनेछ: localhost:3000।

नोट, नोटबुकहरू Docsify मार्फत प्रस्तुत गरिने छैनन्, त्यसैले जब तपाईंलाई नोटबुक चलाउन आवश्यक छ, Python कर्नेल चलाउँदै VS Code मा अलग्गै गर्नुहोस्।

अन्य पाठ्यक्रमहरू

हाम्रो टोलीले अन्य पाठ्यक्रमहरू उत्पादन गर्दछ! हेर्नुहोस्:

• शुरुवातकर्ताहरूका लागि Generative AI
• शुरुवातकर्ताहरूका लागि Generative AI .NET
• JavaScript सँग Generative AI
• Java सँग Generative AI
• शुरुवातकर्ताहरूका लागि AI
• शुरुवातकर्ताहरूका लागि डाटा साइन्स
• शुरुवातकर्ताहरूका लागि Bash
• शुरुवातकर्ताहरूका लागि ML
• शुरुवातकर्ताहरूका लागि साइबर सुरक्षा
• शुरुवातकर्ताहरूका लागि वेब विकास
• शुरुवातकर्ताहरूका लागि IoT
• शुरुवातकर्ताहरूका लागि मेसिन लर्निङ
• शुरुवातकर्ताहरूका लागि XR विकास
• AI जोडी प्रोग्रामिङका लागि GitHub Copilot मास्टरिङ
• शुरुवातकर्ताहरूका लागि XR विकास
• C#/.NET विकासकर्ताहरूका लागि GitHub Copilot मास्टरिङ
• आफ्नै Copilot साहसिक यात्रा चयन गर्नुहोस्

---

अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको छ। हामी शुद्धताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।