13 KiB

Raw Blame History

डेटा साइन्सका लागि सुरु गर्न सजिलो उदाहरणहरू

उदाहरणहरूको यो डाइरेक्टरीमा स्वागत छ! यो संग्रह सरल र राम्रोसँग व्याख्या गरिएका उदाहरणहरू समावेश गर्दछ, जसले तपाईंलाई डेटा साइन्समा सुरु गर्न मद्दत गर्नेछ, चाहे तपाईं पूर्ण रूपमा नयाँ किन नहुनुहोस्।

📚 यहाँ के पाउनुहुन्छ

प्रत्येक उदाहरण स्वतन्त्र छ र समावेश गर्दछ:

स्पष्ट टिप्पणीहरू प्रत्येक चरणको व्याख्या गर्दै
सरल र पढ्न सजिलो कोड जसले एक पटकमा एउटा अवधारणा प्रदर्शन गर्दछ
वास्तविक संसारको सन्दर्भ जसले तपाईंलाई यी प्रविधिहरू कहिले र किन प्रयोग गर्ने बुझ्न मद्दत गर्दछ
अपेक्षित आउटपुट ताकि तपाईं के हेर्नु पर्ने हो थाहा पाउन सक्नुहुन्छ

🚀 सुरु गर्दै

आवश्यकताहरू

यी उदाहरणहरू चलाउनुअघि, सुनिश्चित गर्नुहोस् कि तपाईंले:

Python 3.7 वा उच्च संस्करण स्थापना गर्नुभएको छ
Python स्क्रिप्ट कसरी चलाउने भन्ने आधारभूत ज्ञान छ

आवश्यक लाइब्रेरीहरू स्थापना गर्दै

pip install pandas numpy matplotlib

📖 उदाहरणहरूको अवलोकन

1. हेलो वर्ल्ड - डेटा साइन्स शैली

फाइल: 01_hello_world_data_science.py

तपाईंको पहिलो डेटा साइन्स प्रोग्राम! सिक्नुहोस्:

सरल डाटासेट लोड गर्ने
तपाईंको डाटाको आधारभूत जानकारी देखाउने
तपाईंको पहिलो डेटा साइन्स आउटपुट प्रिन्ट गर्ने

पूर्ण रूपमा नयाँ सुरुवात गर्नेहरूका लागि उपयुक्त, जसले आफ्नो पहिलो डेटा साइन्स प्रोग्राम देख्न चाहन्छन्।

2. डेटा लोड गर्दै र अन्वेषण गर्दै

फाइल: 02_loading_data.py

डेटासँग काम गर्ने आधारभूत कुरा सिक्नुहोस्:

CSV फाइलहरूबाट डेटा पढ्ने
तपाईंको डाटासेटका पहिलो केही पङ्क्तिहरू हेर्ने
तपाईंको डाटाको आधारभूत तथ्याङ्क प्राप्त गर्ने
डाटाको प्रकारहरू बुझ्ने

यो प्रायः कुनै पनि डेटा साइन्स परियोजनाको पहिलो चरण हो!

3. सरल डेटा विश्लेषण

फाइल: 03_simple_analysis.py

तपाईंको पहिलो डेटा विश्लेषण गर्नुहोस्:

आधारभूत तथ्याङ्कहरू गणना गर्नुहोस् (औसत, माध्य, मोड)
अधिकतम र न्यूनतम मानहरू पत्ता लगाउनुहोस्
मानहरूको आवृत्ति गणना गर्नुहोस्
सर्तहरूमा आधारित डेटा फिल्टर गर्नुहोस्

तपाईंको डाटाबारे सरल प्रश्नहरूको उत्तर कसरी दिने देख्नुहोस्।

4. डेटा भिजुअलाइजेसनको आधारभूत कुरा

फाइल: 04_basic_visualization.py

तपाईंको पहिलो भिजुअलाइजेसनहरू बनाउनुहोस्:

सरल बार चार्ट बनाउनुहोस्
लाइन प्लट सिर्जना गर्नुहोस्
पाई चार्ट बनाउनुहोस्
तपाईंको भिजुअलाइजेसनहरू छविहरूको रूपमा सुरक्षित गर्नुहोस्

तपाईंको निष्कर्षहरू दृश्यात्मक रूपमा संचार गर्न सिक्नुहोस्!

5. वास्तविक डाटासँग काम गर्दै

फाइल: 05_real_world_example.py

सबै कुरा एकसाथ राख्नुहोस् एक पूर्ण उदाहरणसँग:

रिपोजिटरीबाट वास्तविक डेटा लोड गर्नुहोस्
डेटा सफा र तयार गर्नुहोस्
विश्लेषण गर्नुहोस्
अर्थपूर्ण भिजुअलाइजेसनहरू सिर्जना गर्नुहोस्
निष्कर्षहरू निकाल्नुहोस्

यो उदाहरणले सुरुदेखि अन्त्यसम्मको पूर्ण कार्यप्रवाह देखाउँछ।

🎯 यी उदाहरणहरू कसरी प्रयोग गर्ने

सुरुबाट सुरु गर्नुहोस्: उदाहरणहरू कठिनाइको क्रममा क्रमबद्ध छन्। 01_hello_world_data_science.py बाट सुरु गर्नुहोस् र क्रमशः अगाडि बढ्नुहोस्।
टिप्पणीहरू पढ्नुहोस्: प्रत्येक फाइलमा विस्तृत टिप्पणीहरू छन् जसले कोड के गर्छ र किन गर्छ भन्ने व्याख्या गर्दछ। ती ध्यानपूर्वक पढ्नुहोस्!
प्रयोग गर्नुहोस्: कोड परिवर्तन गर्ने प्रयास गर्नुहोस्। यदि तपाईंले कुनै मान परिवर्तन गर्नुभयो भने के हुन्छ? चीजहरू बिगार्नुहोस् र सुधार गर्नुहोस् - यसरी नै तपाईं सिक्नुहुन्छ!
कोड चलाउनुहोस्: प्रत्येक उदाहरण चलाउनुहोस् र आउटपुट अवलोकन गर्नुहोस्। तपाईंले अपेक्षा गरेको कुरासँग तुलना गर्नुहोस्।
यसमा निर्माण गर्नुहोस्: एक उदाहरण बुझिसकेपछि, यसलाई आफ्नै विचारहरूसँग विस्तार गर्ने प्रयास गर्नुहोस्।

💡 नयाँ सुरुवात गर्नेहरूका लागि सुझावहरू

हतार नगर्नुहोस्: प्रत्येक उदाहरणलाई बुझ्न समय लिनुहोस्, त्यसपछि मात्र अर्कोमा जानुहोस्
कोड आफैं टाइप गर्नुहोस्: केवल कपी-पेस्ट नगर्नुहोस्। टाइप गर्दा तपाईं सिक्नुहुन्छ र सम्झनुहुन्छ
अपरिचित अवधारणाहरू खोज्नुहोस्: यदि तपाईंले केही बुझ्नुभएन भने, यसलाई अनलाइन वा मुख्य पाठहरूमा खोज्नुहोस्
प्रश्न सोध्नुहोस्: यदि तपाईंलाई मद्दत चाहिन्छ भने चर्चा फोरम मा सामेल हुनुहोस्
नियमित अभ्यास गर्नुहोस्: हप्तामा लामो सत्रहरू भन्दा दैनिक थोरै कोड गर्ने प्रयास गर्नुहोस्

🔗 अर्को चरणहरू

यी उदाहरणहरू पूरा गरेपछि, तपाईं तयार हुनुहुन्छ:

मुख्य पाठ्यक्रम पाठहरूमा काम गर्न
प्रत्येक पाठ फोल्डरमा असाइनमेन्टहरू प्रयास गर्न
थप गहिरो सिकाइका लागि Jupyter नोटबुकहरू अन्वेषण गर्न
आफ्नै डेटा साइन्स परियोजनाहरू सिर्जना गर्न

📚 थप स्रोतहरू

मुख्य पाठ्यक्रम - पूर्ण २०-पाठको कोर्स
शिक्षकहरूका लागि - यो पाठ्यक्रम कक्षामा प्रयोग गर्ने
Microsoft Learn - निःशुल्क अनलाइन सिकाइ स्रोतहरू
Python डकुमेन्टेशन - आधिकारिक Python सन्दर्भ

🤝 योगदान

कुनै बग फेला पार्नुभयो वा नयाँ उदाहरणको लागि विचार छ? हामी योगदानलाई स्वागत गर्छौं! कृपया हाम्रो योगदान मार्गदर्शन हेर्नुहोस्।

सिकाइको शुभकामना! 🎉

याद गर्नुहोस्: प्रत्येक विशेषज्ञ एकपटक नयाँ सुरुवात गर्ने थिए। एक पटकमा एक कदम लिनुहोस्, र गल्ती गर्न डराउनुहोस् - तिनीहरू सिकाइ प्रक्रियाको हिस्सा हुन्!

अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी यथार्थताको 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 हुनेछैनौं।

13 KiB Raw Blame History