You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Data-Science-For-Beginners/translations/pa/examples
leestott 57edd69619
🌐 Update translations via Co-op Translator
4 months ago
..
README.md 🌐 Update translations via Co-op Translator 4 months ago

README.md

ਸ਼ੁਰੂਆਤੀ-ਦੋਸਤਾਨਾ ਡਾਟਾ ਸਾਇੰਸ ਉਦਾਹਰਨਾਂ

ਉਦਾਹਰਨਾਂ ਡਾਇਰੈਕਟਰੀ ਵਿੱਚ ਤੁਹਾਡਾ ਸਵਾਗਤ ਹੈ! ਇਹ ਸਧਾਰਨ, ਵਧੀਆ ਟਿੱਪਣੀਆਂ ਵਾਲੇ ਉਦਾਹਰਨਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਤੁਹਾਨੂੰ ਡਾਟਾ ਸਾਇੰਸ ਵਿੱਚ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਭਾਵੇਂ ਤੁਸੀਂ ਪੂਰੇ ਸ਼ੁਰੂਆਤੀ ਹੋਵੋ।

📚 ਇੱਥੇ ਤੁਹਾਨੂੰ ਕੀ ਮਿਲੇਗਾ

ਹਰ ਉਦਾਹਰਨ ਸਵੈ-ਨਿਰਭਰ ਹੈ ਅਤੇ ਸ਼ਾਮਲ ਹੈ:

  • ਸਪਸ਼ਟ ਟਿੱਪਣੀਆਂ ਜੋ ਹਰ ਕਦਮ ਨੂੰ ਸਮਝਾਉਂਦੀਆਂ ਹਨ
  • ਸਧਾਰਨ, ਪੜ੍ਹਨ ਯੋਗ ਕੋਡ ਜੋ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਧਾਰਨਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ
  • ਅਸਲ-ਜਗਤ ਸੰਦਰਭ ਜੋ ਤੁਹਾਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕਦੋਂ ਅਤੇ ਕਿਉਂ ਇਹ ਤਕਨੀਕਾਂ ਵਰਤਣੀਆਂ ਹਨ
  • ਉਮੀਦਵਾਰ ਨਤੀਜੇ ਤਾਂ ਜੋ ਤੁਹਾਨੂੰ ਪਤਾ ਹੋਵੇ ਕਿ ਕੀ ਦੇਖਣਾ ਹੈ

🚀 ਸ਼ੁਰੂਆਤ ਕਰਨਾ

ਪੂਰਵ ਸ਼ਰਤਾਂ

ਇਹ ਉਦਾਹਰਨਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਹਾਡੇ ਕੋਲ:

  • Python 3.7 ਜਾਂ ਇਸ ਤੋਂ ਉੱਚਾ ਵਰਜਨ ਇੰਸਟਾਲ ਹੈ
  • Python ਸਕ੍ਰਿਪਟ ਚਲਾਉਣ ਦਾ ਮੂਲ ਸਮਝ

ਲੋੜੀਂਦੇ ਲਾਇਬ੍ਰੇਰੀਆਂ ਇੰਸਟਾਲ ਕਰਨਾ

pip install pandas numpy matplotlib

📖 ਉਦਾਹਰਨਾਂ ਦਾ ਝਲਕ

1. ਹੈਲੋ ਵਰਲਡ - ਡਾਟਾ ਸਾਇੰਸ ਸਟਾਈਲ

ਫਾਈਲ: 01_hello_world_data_science.py

ਤੁਹਾਡਾ ਪਹਿਲਾ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਗਰਾਮ! ਸਿੱਖੋ ਕਿ:

  • ਇੱਕ ਸਧਾਰਨ ਡਾਟਾਸੈਟ ਲੋਡ ਕਰਨਾ
  • ਤੁਹਾਡੇ ਡਾਟੇ ਬਾਰੇ ਮੁੱਢਲੀ ਜਾਣਕਾਰੀ ਦਿਖਾਉਣਾ
  • ਤੁਹਾਡਾ ਪਹਿਲਾ ਡਾਟਾ ਸਾਇੰਸ ਨਤੀਜਾ ਪ੍ਰਿੰਟ ਕਰਨਾ

ਬਿਲਕੁਲ ਸ਼ੁਰੂਆਤੀ ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਜੋ ਆਪਣਾ ਪਹਿਲਾ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਗਰਾਮ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹਨ।


2. ਡਾਟਾ ਲੋਡ ਕਰਨਾ ਅਤੇ ਖੋਜ ਕਰਨਾ

ਫਾਈਲ: 02_loading_data.py

ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਮੁੱਢਲੇ ਸਿਧਾਂਤ ਸਿੱਖੋ:

  • CSV ਫਾਈਲਾਂ ਤੋਂ ਡਾਟਾ ਪੜ੍ਹਨਾ
  • ਤੁਹਾਡੇ ਡਾਟਾਸੈਟ ਦੀ ਪਹਿਲੀਆਂ ਕੁਝ ਪੰਗਤਾਂ ਦੇਖਣਾ
  • ਤੁਹਾਡੇ ਡਾਟੇ ਬਾਰੇ ਮੁੱਢਲੇ ਅੰਕੜੇ ਪ੍ਰਾਪਤ ਕਰਨਾ
  • ਡਾਟਾ ਦੀਆਂ ਕਿਸਮਾਂ ਨੂੰ ਸਮਝਣਾ

ਇਹ ਅਕਸਰ ਕਿਸੇ ਵੀ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਪਹਿਲਾ ਕਦਮ ਹੁੰਦਾ ਹੈ!


3. ਸਧਾਰਨ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ

ਫਾਈਲ: 03_simple_analysis.py

ਤੁਹਾਡਾ ਪਹਿਲਾ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ:

  • ਮੁੱਢਲੇ ਅੰਕੜੇ (mean, median, mode) ਦੀ ਗਣਨਾ ਕਰੋ
  • ਵੱਧ ਤੋਂ ਵੱਧ ਅਤੇ ਘੱਟ ਤੋਂ ਘੱਟ ਮੁੱਲ ਲੱਭੋ
  • ਮੁੱਲਾਂ ਦੇ ਆਵਿਰਤੀ ਦੀ ਗਿਣਤੀ ਕਰੋ
  • ਸ਼ਰਤਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਡਾਟਾ ਫਿਲਟਰ ਕਰੋ

ਤੁਹਾਡੇ ਡਾਟੇ ਬਾਰੇ ਸਧਾਰਨ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਖੋ।


4. ਡਾਟਾ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਬੁਨਿਆਦੀਆਂ

ਫਾਈਲ: 04_basic_visualization.py

ਤੁਹਾਡੀ ਪਹਿਲੀ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਬਣਾਓ:

  • ਇੱਕ ਸਧਾਰਨ ਬਾਰ ਚਾਰਟ ਬਣਾਓ
  • ਇੱਕ ਲਾਈਨ ਪਲਾਟ ਬਣਾਓ
  • ਇੱਕ ਪਾਈ ਚਾਰਟ ਬਣਾਓ
  • ਆਪਣੀਆਂ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਚਿੱਤਰਾਂ ਵਜੋਂ ਸੇਵ ਕਰੋ

ਆਪਣੀਆਂ ਖੋਜਾਂ ਨੂੰ ਵਿਜ਼ੂਅਲ ਤੌਰ 'ਤੇ ਸੰਚਾਰ ਕਰਨ ਦੀ ਕਲਾ ਸਿੱਖੋ!


5. ਅਸਲ ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ

ਫਾਈਲ: 05_real_world_example.py

ਇਸ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇਕੱਠਾ ਕਰੋ:

  • ਰਿਪੋਜ਼ਟਰੀ ਤੋਂ ਅਸਲ ਡਾਟਾ ਲੋਡ ਕਰੋ
  • ਡਾਟਾ ਸਾਫ਼ ਅਤੇ ਤਿਆਰ ਕਰੋ
  • ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ
  • ਅਰਥਪੂਰਨ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ ਬਣਾਓ
  • ਨਤੀਜੇ ਕੱਢੋ

ਇਹ ਉਦਾਹਰਨ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਪੂਰਾ ਵਰਕਫਲੋ ਦਿਖਾਉਂਦੀ ਹੈ।


🎯 ਇਹ ਉਦਾਹਰਨਾਂ ਕਿਵੇਂ ਵਰਤਣੀਆਂ ਹਨ

  1. ਸ਼ੁਰੂ ਤੋਂ ਸ਼ੁਰੂ ਕਰੋ: ਉਦਾਹਰਨਾਂ ਮੁਸ਼ਕਲਾਈ ਦੇ ਆਰਡਰ ਵਿੱਚ ਨੰਬਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ। 01_hello_world_data_science.py ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ ਅਤੇ ਅੱਗੇ ਵਧੋ।

  2. ਟਿੱਪਣੀਆਂ ਪੜ੍ਹੋ: ਹਰ ਫਾਈਲ ਵਿੱਚ ਵਿਸਥਾਰਪੂਰਵਕ ਟਿੱਪਣੀਆਂ ਹਨ ਜੋ ਸਮਝਾਉਂਦੀਆਂ ਹਨ ਕਿ ਕੋਡ ਕੀ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਉਂ। ਉਨ੍ਹਾਂ ਨੂੰ ਧਿਆਨ ਨਾਲ ਪੜ੍ਹੋ!

  3. ਪ੍ਰਯੋਗ ਕਰੋ: ਕੋਡ ਨੂੰ ਸੋਧਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। ਕੀ ਹੁੰਦਾ ਹੈ ਜੇ ਤੁਸੀਂ ਕੋਈ ਮੁੱਲ ਬਦਲਦੇ ਹੋ? ਚੀਜ਼ਾਂ ਨੂੰ ਖਰਾਬ ਕਰੋ ਅਤੇ ਠੀਕ ਕਰੋ - ਇਹ ਸਿੱਖਣ ਦਾ ਤਰੀਕਾ ਹੈ!

  4. ਕੋਡ ਚਲਾਓ: ਹਰ ਉਦਾਹਰਨ ਚਲਾਓ ਅਤੇ ਨਤੀਜਾ ਦੇਖੋ। ਇਸਨੂੰ ਉਸ ਨਾਲ ਤੁਲਨਾ ਕਰੋ ਜੋ ਤੁਸੀਂ ਉਮੀਦ ਕਰਦੇ ਸੀ।

  5. ਇਸ 'ਤੇ ਬਣਾਓ: ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਉਦਾਹਰਨ ਨੂੰ ਸਮਝ ਲੈਂਦੇ ਹੋ, ਇਸਨੂੰ ਆਪਣੇ ਵਿਚਾਰਾਂ ਨਾਲ ਵਧਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ।

💡 ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲਿਆਂ ਲਈ ਸੁਝਾਅ

  • ਜਲਦੀ ਨਾ ਕਰੋ: ਹਰ ਉਦਾਹਰਨ ਨੂੰ ਸਮਝਣ ਲਈ ਸਮਾਂ ਲਓ, ਅਗਲੇ 'ਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ
  • ਕੋਡ ਖੁਦ ਟਾਈਪ ਕਰੋ: ਸਿਰਫ ਕਾਪੀ-ਪੇਸਟ ਨਾ ਕਰੋ। ਟਾਈਪ ਕਰਨ ਨਾਲ ਸਿੱਖਣ ਅਤੇ ਯਾਦ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ
  • ਅਣਜਾਣ ਧਾਰਨਾਵਾਂ ਨੂੰ ਖੋਜੋ: ਜੇ ਤੁਸੀਂ ਕੁਝ ਅਜਿਹਾ ਦੇਖਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਸਮਝਦੇ ਨਹੀਂ, ਇਸਨੂੰ ਆਨਲਾਈਨ ਜਾਂ ਮੁੱਖ ਪਾਠਾਂ ਵਿੱਚ ਖੋਜੋ
  • ਸਵਾਲ ਪੁੱਛੋ: ਜੇ ਤੁਹਾਨੂੰ ਮਦਦ ਦੀ ਲੋੜ ਹੈ ਤਾਂ ਚਰਚਾ ਫੋਰਮ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ
  • ਨਿਯਮਿਤ ਅਭਿਆਸ ਕਰੋ: ਹਫ਼ਤੇ ਵਿੱਚ ਇੱਕ ਵਾਰ ਲੰਬੇ ਸੈਸ਼ਨਾਂ ਦੇ ਬਜਾਏ ਹਰ ਰੋਜ਼ ਥੋੜਾ ਕੋਡ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ

🔗 ਅਗਲੇ ਕਦਮ

ਇਹ ਉਦਾਹਰਨਾਂ ਪੂਰੀ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਤੁਸੀਂ ਤਿਆਰ ਹੋ:

  • ਮੁੱਖ ਪਾਠਕ੍ਰਮ ਪਾਠਾਂ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ
  • ਹਰ ਪਾਠ ਫੋਲਡਰ ਵਿੱਚ ਅਸਾਈਨਮੈਂਟ ਕਰਨ ਲਈ
  • ਵਧੇਰੇ ਵਿਸਥਾਰਪੂਰਵਕ ਸਿੱਖਣ ਲਈ Jupyter ਨੋਟਬੁੱਕਸ ਦੀ ਖੋਜ ਕਰਨ ਲਈ
  • ਆਪਣੇ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਲਈ

📚 ਵਾਧੂ ਸਰੋਤ

🤝 ਯੋਗਦਾਨ

ਕੋਈ ਬੱਗ ਮਿਲਿਆ ਜਾਂ ਨਵੀਂ ਉਦਾਹਰਨ ਲਈ ਕੋਈ ਵਿਚਾਰ ਹੈ? ਅਸੀਂ ਯੋਗਦਾਨਾਂ ਦਾ ਸਵਾਗਤ ਕਰਦੇ ਹਾਂ! ਕਿਰਪਾ ਕਰਕੇ ਸਾਡਾ ਯੋਗਦਾਨ ਗਾਈਡ ਵੇਖੋ।


ਖੁਸ਼ ਸਿੱਖਣਾ! 🎉

ਯਾਦ ਰੱਖੋ: ਹਰ ਮਾਹਿਰ ਇੱਕ ਵਾਰ ਸ਼ੁਰੂਆਤੀ ਸੀ। ਇੱਕ ਕਦਮ ਇੱਕ ਸਮੇਂ ਲਓ, ਅਤੇ ਗਲਤੀਆਂ ਕਰਨ ਤੋਂ ਡਰੋ ਨਾ - ਇਹ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦਾ ਹਿੱਸਾ ਹਨ!


ਅਸਵੀਕਰਤਾ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੱਜੇਪਣ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।