22 KiB

Raw Blame History

ഉപയോഗ മാർഗ്ഗനിർദ്ദേശം

ഡാറ്റാ സയൻസ് ഫോർ ബിഗിനേഴ്സ് പാഠ്യപദ്ധതിയുടെ ഉദാഹരണങ്ങളും സാധാരണ പ്രവൃത്തിപദ്ധതികളും ഈ മാർഗ്ഗനിർദ്ദേശം നൽകുന്നു.

ഉള്ളടക്ക പട്ടിക

ഈ പാഠ്യപദ്ധതി എങ്ങനെ ഉപയോഗിക്കാം

ഈ പാഠ്യപദ്ധതി ലവചികമായും വിവിധ രീതികളിൽ ഉപയോഗിക്കാവുന്നതുമായ രീതിയിൽ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു:

സ്വയംനിർദ്ദേശ പഠനം: നിങ്ങളുടെ സ്വന്തം വേഗതയിൽ സ്വതന്ത്രമായി പാഠങ്ങൾ പഠിക്കുക
ക്ലാസ്‌റൂം നിർദ്ദേശം: മാർഗ്ഗനിർദ്ദേശത്തോടെ ഘടനാപരമായ കോഴ്സ് ആയി ഉപയോഗിക്കുക
അധ്യയന ഗ്രൂപ്പുകൾ: കൂട്ടായ്മയിൽ സഹപാഠികളോടൊപ്പം പഠിക്കുക
വർക്ക്‌ഷോപ്പ് ഫോർമാറ്റ്: തീവ്രമായ ചെറുകാല പഠന സെഷനുകൾ

പാഠങ്ങളുമായി പ്രവർത്തിക്കൽ

ഓരോ പാഠവും പഠനം പരമാവധി ആക്കാൻ സ്ഥിരമായ ഘടന പിന്തുടരുന്നു:

പാഠ ഘടന

പ്രീ-പാഠ ക്വിസ്: നിലവിലുള്ള അറിവ് പരിശോധിക്കുക
സ്കെച്ച്നോട്ട് (ഐച്ഛികം): പ്രധാന ആശയങ്ങളുടെ ദൃശ്യ സംഗ്രഹം
വീഡിയോ (ഐച്ഛികം): അനുബന്ധ വീഡിയോ ഉള്ളടക്കം
ലിഖിത പാഠം: മുഖ്യ ആശയങ്ങളും വിശദീകരണങ്ങളും
ജുപിറ്റർ നോട്ട്‌ബുക്ക്: പ്രായോഗിക കോഡിംഗ് അഭ്യാസങ്ങൾ
അസൈൻമെന്റ്: പഠിച്ചതു പ്രയോഗിക്കുക
പോസ്റ്റ്-പാഠ ക്വിസ്: നിങ്ങളുടെ മനസ്സിലാക്കൽ ശക്തിപ്പെടുത്തുക

ഒരു പാഠത്തിനുള്ള ഉദാഹരണ പ്രവൃത്തിപദ്ധതി

# 1. പാഠം ഡയറക്ടറിയിലേക്ക് നാവിഗേറ്റ് ചെയ്യുക
cd 1-Introduction/01-defining-data-science

# 2. README.md വായിക്കുക
# README.md നിങ്ങളുടെ ബ്രൗസറിലോ എഡിറ്ററിലോ തുറക്കുക

# 3. പൂർവ്വപാഠം ക്വിസ് എടുക്കുക
# README-യിലെ ക്വിസ് ലിങ്കിൽ ക്ലിക്ക് ചെയ്യുക

# 4. Jupyter നോട്ട്‌ബുക്ക് തുറക്കുക (ലഭ്യമായാൽ)
jupyter notebook

# 5. നോട്ട്‌ബുക്കിലെ അഭ്യാസങ്ങൾ പൂർത്തിയാക്കുക

# 6. അസൈൻമെന്റിൽ പ്രവർത്തിക്കുക

# 7. പാശ്ചാത്യപാഠം ക്വിസ് എടുക്കുക

ജുപിറ്റർ നോട്ട്‌ബുക്കുകളുമായി പ്രവർത്തിക്കൽ

ജുപിറ്റർ ആരംഭിക്കൽ

# നിങ്ങളുടെ വെർച്വൽ എൻവയോൺമെന്റ് സജീവമാക്കുക
source venv/bin/activate  # മാക്‌ഓഎസ്/ലിനക്സിൽ
# അല്ലെങ്കിൽ
venv\Scripts\activate  # വിൻഡോസിൽ

# റിപോസിറ്ററി റൂട്ടിൽ നിന്ന് ജുപിറ്റർ ആരംഭിക്കുക
jupyter notebook

നോട്ട്‌ബുക്ക് സെല്ലുകൾ പ്രവർത്തിപ്പിക്കൽ

ഒരു സെൽ പ്രവർത്തിപ്പിക്കുക: Shift + Enter അമർത്തുക അല്ലെങ്കിൽ "Run" ബട്ടൺ ക്ലിക്ക് ചെയ്യുക
എല്ലാ സെല്ലുകളും പ്രവർത്തിപ്പിക്കുക: മെനുവിൽ നിന്ന് "Cell" → "Run All" തിരഞ്ഞെടുക്കുക
കേർണൽ പുനരാരംഭിക്കുക: പ്രശ്നങ്ങൾ ഉണ്ടെങ്കിൽ "Kernel" → "Restart" തിരഞ്ഞെടുക്കുക

ഉദാഹരണം: നോട്ട്‌ബുക്കിൽ ഡാറ്റയുമായി പ്രവർത്തിക്കൽ

# ആവശ്യമായ ലൈബ്രറികൾ ഇറക്കുമതി ചെയ്യുക
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# ഒരു ഡാറ്റാസെറ്റ് ലോഡ് ചെയ്യുക
df = pd.read_csv('data/sample.csv')

# ഡാറ്റ പരിശോധിക്കുക
df.head()
df.info()
df.describe()

# ഒരു ദൃശ്യവൽക്കരണം സൃഷ്ടിക്കുക
plt.figure(figsize=(10, 6))
plt.plot(df['column_name'])
plt.title('Sample Visualization')
plt.xlabel('X-axis Label')
plt.ylabel('Y-axis Label')
plt.show()

നിങ്ങളുടെ ജോലി സംരക്ഷിക്കൽ

ജുപിറ്റർ സ്വയംക്രമമായി ഇടക്കിടെ സേവ് ചെയ്യുന്നു
മാനുവലായി സേവ് ചെയ്യാൻ: Ctrl + S (മാക്ഓഎസിൽ Cmd + S) അമർത്തുക
നിങ്ങളുടെ പുരോഗതി .ipynb ഫയലിൽ സേവ് ചെയ്യപ്പെടുന്നു

ക്വിസ് അപ്ലിക്കേഷൻ ഉപയോഗിക്കൽ

ക്വിസ് ആപ്പ് ലോക്കലായി പ്രവർത്തിപ്പിക്കൽ

# ക്വിസ് ആപ്പ് ഡയറക്ടറിയിലേക്ക് നാവിഗേറ്റ് ചെയ്യുക
cd quiz-app

# ഡെവലപ്പ്മെന്റ് സർവർ ആരംഭിക്കുക
npm run serve

# http://localhost:8080 ൽ ആക്‌സസ് ചെയ്യുക

ക്വിസുകൾ എടുക്കൽ

പ്രീ-പാഠ ക്വിസുകൾ ഓരോ പാഠത്തിന്റെ മുകളിൽ ലിങ്ക് ചെയ്തിരിക്കുന്നു
പോസ്റ്റ്-പാഠ ക്വിസുകൾ ഓരോ പാഠത്തിന്റെ താഴെ ലിങ്ക് ചെയ്തിരിക്കുന്നു
ഓരോ ക്വിസിലും 3 ചോദ്യങ്ങളുണ്ട്
ക്വിസുകൾ പഠനം ശക്തിപ്പെടുത്താൻ രൂപകൽപ്പന ചെയ്തതാണ്, പൂർണ്ണമായ പരീക്ഷണത്തിന് അല്ല

ക്വിസ് നമ്പറിംഗ്

ക്വിസുകൾ 0-39 വരെ നമ്പർ ചെയ്തിരിക്കുന്നു (മൊത്തം 40 ക്വിസുകൾ)
ഓരോ പാഠത്തിനും സാധാരണയായി പ്രീയും പോസ്റ്റും ക്വിസ് ഉണ്ട്
ക്വിസ് URLs-ൽ ക്വിസ് നമ്പർ ഉൾപ്പെടുന്നു: https://ff-quizzes.netlify.app/en/ds/quiz/0

സാധാരണ പ്രവൃത്തിപദ്ധതികൾ

പ്രവൃത്തിപദ്ധതി 1: പൂർണ്ണ തുടക്കക്കാരൻ പാത

# 1. നിങ്ങളുടെ പരിസ്ഥിതി സജ്ജമാക്കുക (INSTALLATION.md കാണുക)

# 2. പാഠം 1 മുതൽ ആരംഭിക്കുക
cd 1-Introduction/01-defining-data-science

# 3. ഓരോ പാഠത്തിനും:
#    - പാഠത്തിന് മുമ്പുള്ള ക്വിസ് എടുക്കുക
#    - പാഠത്തിന്റെ ഉള്ളടക്കം വായിക്കുക
#    - നോട്ട്‌ബുക്ക് വഴി പ്രവർത്തിക്കുക
#    - അസൈൻമെന്റ് പൂർത്തിയാക്കുക
#    - പാഠത്തിന് ശേഷമുള്ള ക്വിസ് എടുക്കുക

# 4. എല്ലാ 20 പാഠങ്ങളും ക്രമമായി മുന്നോട്ട് പോകുക

പ്രവൃത്തിപദ്ധതി 2: വിഷയം-നിർദ്ദിഷ്ട പഠനം

നിങ്ങൾക്ക് ഒരു പ്രത്യേക വിഷയത്തിൽ താൽപര്യമുണ്ടെങ്കിൽ:

# ഉദാഹരണം: ഡാറ്റാ ദൃശ്യീകരണത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക
cd 3-Data-Visualization

# പാഠങ്ങൾ 9-13 പരിശോധിക്കുക:
# - പാഠം 9: അളവുകൾ ദൃശ്യീകരിക്കൽ
# - പാഠം 10: വിതരണങ്ങൾ ദൃശ്യീകരിക്കൽ
# - പാഠം 11: അനുപാതങ്ങൾ ദൃശ്യീകരിക്കൽ
# - പാഠം 12: ബന്ധങ്ങൾ ദൃശ്യീകരിക്കൽ
# - പാഠം 13: അർത്ഥവത്തായ ദൃശ്യീകരണങ്ങൾ

പ്രവൃത്തിപദ്ധതി 3: പ്രോജക്ട്-അധിഷ്ഠിത പഠനം

# 1. ഡാറ്റ സയൻസ് ലൈഫ്‌സൈക്കിൾ പാഠങ്ങൾ (14-16) അവലോകനം ചെയ്യുക
cd 4-Data-Science-Lifecycle

# 2. യഥാർത്ഥ ലോക ഉദാഹരണം വഴി പ്രവർത്തിക്കുക (പാഠം 20)
cd ../6-Data-Science-In-Wild/20-Real-World-Examples

# 3. നിങ്ങളുടെ സ്വന്തം പ്രോജക്ടിൽ ആശയങ്ങൾ പ്രയോഗിക്കുക

പ്രവൃത്തിപദ്ധതി 4: ക്ലൗഡ്-അധിഷ്ഠിത ഡാറ്റാ സയൻസ്

# ക്ലൗഡ് ഡാറ്റ സയൻസ് പഠിക്കുക (പാഠങ്ങൾ 17-19)
cd 5-Data-Science-In-Cloud

# 17: ക്ലൗഡ് ഡാറ്റ സയൻസിലേക്ക് പരിചയം
# 18: ലോ-കോഡ് എംഎൽ ടൂളുകൾ
# 19: അസ്യൂർ മെഷീൻ ലേണിംഗ് സ്റ്റുഡിയോ

സ്വയം പഠിക്കുന്നവർക്കുള്ള ടിപ്പുകൾ

ക്രമീകരിച്ചിരിക്കുക

# ഒരു പഠന ജേർണൽ സൃഷ്ടിക്കുക
mkdir my-learning-journal

# ഓരോ പാഠത്തിനും കുറിപ്പുകൾ സൃഷ്ടിക്കുക
echo "# Lesson 1 Notes" > my-learning-journal/lesson-01-notes.md

പതിവായി അഭ്യാസം ചെയ്യുക

ഓരോ ദിവസവും അല്ലെങ്കിൽ ആഴ്ചയിൽ ഒരു നിശ്ചിത സമയം മാറ്റിവെക്കുക
ആഴ്ചയിൽ കുറഞ്ഞത് ഒരു പാഠം പൂർത്തിയാക്കുക
മുമ്പത്തെ പാഠങ്ങൾ ഇടക്കിടെ അവലോകനം ചെയ്യുക

സമൂഹവുമായി ഇടപഴകുക

ഡിസ്‌കോർഡ് സമൂഹംയിൽ ചേരുക
ഡിസ്‌കോർഡിലെ #Data-Science-for-Beginners ചാനലിൽ പങ്കെടുക്കുക Discord Discussions
നിങ്ങളുടെ പുരോഗതി പങ്കുവെക്കുകയും ചോദ്യങ്ങൾ ചോദിക്കുകയും ചെയ്യുക

നിങ്ങളുടെ സ്വന്തം പ്രോജക്ടുകൾ നിർമ്മിക്കുക

പാഠങ്ങൾ പൂർത്തിയാക്കിയ ശേഷം, ആശയങ്ങൾ വ്യക്തിഗത പ്രോജക്ടുകളിൽ പ്രയോഗിക്കുക:

# ഉദാഹരണം: നിങ്ങളുടെ സ്വന്തം ഡാറ്റാസെറ്റ് വിശകലനം ചെയ്യുക
import pandas as pd

# നിങ്ങളുടെ സ്വന്തം ഡാറ്റ ലോഡ് ചെയ്യുക
my_data = pd.read_csv('my-project/data.csv')

# പഠിച്ച സാങ്കേതിക വിദ്യകൾ പ്രയോഗിക്കുക
# - ഡാറ്റ ശുചീകരണം (പാഠം 8)
# - അന്വേഷണാത്മക ഡാറ്റ വിശകലനം (പാഠം 7)
# - ദൃശ്യവൽക്കരണം (പാഠങ്ങൾ 9-13)
# - വിശകലനം (പാഠം 15)

അധ്യാപകർക്കുള്ള ടിപ്പുകൾ

ക്ലാസ്‌റൂം ക്രമീകരണം

വിശദമായ മാർഗ്ഗനിർദ്ദേശങ്ങൾക്ക് for-teachers.md പരിശോധിക്കുക
പങ്കുവെക്കുന്ന പരിസ്ഥിതി സജ്ജമാക്കുക (GitHub Classroom അല്ലെങ്കിൽ Codespaces)
ഒരു ആശയവിനിമയ ചാനൽ സ്ഥാപിക്കുക (Discord, Slack, അല്ലെങ്കിൽ Teams)

പാഠം പദ്ധതിയിടൽ

സൂചിപ്പിച്ച 10-ആഴ്ച ഷെഡ്യൂൾ:

ആഴ്ച 1-2: പരിചയം (പാഠങ്ങൾ 1-4)
ആഴ്ച 3-4: ഡാറ്റയുമായി പ്രവർത്തിക്കൽ (പാഠങ്ങൾ 5-8)
ആഴ്ച 5-6: ഡാറ്റാ ദൃശ്യീകരണം (പാഠങ്ങൾ 9-13)
ആഴ്ച 7-8: ഡാറ്റാ സയൻസ് ലൈഫ്‌സൈക്കിൾ (പാഠങ്ങൾ 14-16)
ആഴ്ച 9: ക്ലൗഡ് ഡാറ്റാ സയൻസ് (പാഠങ്ങൾ 17-19)
ആഴ്ച 10: യാഥാർത്ഥ്യ പ്രയോഗങ്ങളും അന്തിമ പ്രോജക്ടുകളും (പാഠം 20)

ഓഫ്‌ലൈൻ ആക്‌സസിനായി ഡോക്സിഫൈ പ്രവർത്തിപ്പിക്കൽ

# ക്ലാസ് റൂം ഉപയോഗത്തിനായി ഡോക്യുമെന്റേഷൻ ലോക്കലായി സർവ് ചെയ്യുക
docsify serve

# വിദ്യാർത്ഥികൾ localhost:3000 ൽ പ്രവേശിക്കാം
# പ്രാഥമിക ക്രമീകരണത്തിന് ശേഷം ഇന്റർനെറ്റ് ആവശ്യമില്ല

അസൈൻമെന്റ് ഗ്രേഡിംഗ്

പൂർത്തിയാക്കിയ അഭ്യാസങ്ങൾക്കായി വിദ്യാർത്ഥികളുടെ നോട്ട്‌ബുക്കുകൾ പരിശോധിക്കുക
ക്വിസ് സ്കോറുകൾ വഴി മനസ്സിലാക്കൽ പരിശോധിക്കുക
ഡാറ്റാ സയൻസ് ലൈഫ്‌സൈക്കിൾ സിദ്ധാന്തങ്ങൾ ഉപയോഗിച്ച് അന്തിമ പ്രോജക്ടുകൾ വിലയിരുത്തുക

അസൈൻമെന്റുകൾ സൃഷ്ടിക്കൽ

# ഉദാഹരണ കസ്റ്റം അസൈൻമെന്റ് ടെംപ്ലേറ്റ്
"""
Assignment: [Topic]

Objective: [Learning goal]

Dataset: [Provide or have students find one]

Tasks:
1. Load and explore the dataset
2. Clean and prepare the data
3. Create at least 3 visualizations
4. Perform analysis
5. Communicate findings

Deliverables:
- Jupyter notebook with code and explanations
- Written summary of findings
"""

ഓഫ്‌ലൈൻ പ്രവർത്തനം

വിഭവങ്ങൾ ഡൗൺലോഡ് ചെയ്യുക

# മുഴുവൻ റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക
git clone https://github.com/microsoft/Data-Science-For-Beginners.git

# ഡാറ്റാസെറ്റുകൾ മുൻകൂട്ടി ഡൗൺലോഡ് ചെയ്യുക
# മിക്ക ഡാറ്റാസെറ്റുകളും റിപ്പോസിറ്ററിയിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്

ഡോക്യുമെന്റേഷൻ ലോക്കലായി പ്രവർത്തിപ്പിക്കുക

# ഡോക്സിഫൈയുമായി സേവനം ചെയ്യുക
docsify serve

# localhost:3000 ൽ പ്രവേശിക്കുക

ക്വിസ് ആപ്പ് ലോക്കലായി പ്രവർത്തിപ്പിക്കുക

cd quiz-app
npm run serve

വിവർത്തന ഉള്ളടക്കം ആക്‌സസ് ചെയ്യൽ

40-ലധികം ഭാഷകളിൽ വിവർത്തനങ്ങൾ ലഭ്യമാണ്:

# പരിഭാഷപ്പെടുത്തിയ പാഠങ്ങൾ ആക്‌സസ് ചെയ്യുക
cd translations/fr  # ഫ്രഞ്ച്
cd translations/es  # സ്പാനിഷ്
cd translations/de  # ജർമ്മൻ
# ... കൂടാതെ മറ്റും നിരവധി

ഓരോ വിവർത്തനവും ഇംഗ്ലീഷ് പതിപ്പിന്റെ സമാന ഘടന നിലനിർത്തുന്നു.

അധിക വിഭവങ്ങൾ

പഠനം തുടരുക

Microsoft Learn - അധിക പഠന പാതകൾ
Student Hub - വിദ്യാർത്ഥികൾക്കുള്ള വിഭവങ്ങൾ
Azure AI Foundry - സമൂഹ ഫോറം

ബന്ധപ്പെട്ട പാഠ്യപദ്ധതികൾ

സഹായം നേടുക

സാധാരണ പ്രശ്നങ്ങൾക്ക് TROUBLESHOOTING.md പരിശോധിക്കുക
GitHub Issues തിരയുക
ഞങ്ങളുടെ ഡിസ്‌കോർഡ് ചേരുക
പ്രശ്നങ്ങൾ റിപ്പോർട്ട് ചെയ്യാനും സംഭാവന നൽകാനും CONTRIBUTING.md അവലോകനം ചെയ്യുക

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

22 KiB Raw Blame History