12 KiB

Raw Blame History

استعمال کی رہنمائی

یہ رہنمائی ڈیٹا سائنس فار بیگنرز نصاب کے استعمال کے لیے مثالیں اور عام ورک فلو فراہم کرتی ہے۔

مواد کی فہرست

اس نصاب کو کیسے استعمال کریں

یہ نصاب لچکدار ہے اور مختلف طریقوں سے استعمال کیا جا سکتا ہے:

خود سے سیکھنا: سبق کو اپنی رفتار سے آزادانہ طور پر مکمل کریں
کلاس روم انسٹرکشن: ہدایت کے ساتھ ایک منظم کورس کے طور پر استعمال کریں
مطالعہ گروپس: ساتھیوں کے ساتھ مل کر سیکھیں
ورکشاپ فارمیٹ: مختصر مدت کے لیے گہرائی سے سیکھنے کے سیشنز

سبق کے ساتھ کام کرنا

ہر سبق ایک مستقل ساخت کی پیروی کرتا ہے تاکہ سیکھنے کو زیادہ سے زیادہ کیا جا سکے:

سبق کی ساخت

سبق سے پہلے کا کوئز: اپنی موجودہ معلومات کا امتحان لیں
اسکیچ نوٹ (اختیاری): اہم تصورات کا بصری خلاصہ
ویڈیو (اختیاری): اضافی ویڈیو مواد
تحریری سبق: بنیادی تصورات اور وضاحتیں
جوپیٹر نوٹ بک: عملی کوڈنگ مشقیں
اسائنمنٹ: جو کچھ سیکھا ہے اس پر عمل کریں
سبق کے بعد کا کوئز: اپنی سمجھ کو مضبوط کریں

سبق کے لیے مثال ورک فلو

# 1. Navigate to the lesson directory
cd 1-Introduction/01-defining-data-science

# 2. Read the README.md
# Open README.md in your browser or editor

# 3. Take the pre-lesson quiz
# Click the quiz link in the README

# 4. Open the Jupyter notebook (if available)
jupyter notebook

# 5. Complete the exercises in the notebook

# 6. Work on the assignment

# 7. Take the post-lesson quiz

جوپیٹر نوٹ بکس کے ساتھ کام کرنا

جوپیٹر شروع کرنا

# Activate your virtual environment
source venv/bin/activate  # On macOS/Linux
# OR
venv\Scripts\activate  # On Windows

# Start Jupyter from the repository root
jupyter notebook

نوٹ بک سیلز چلانا

سیل چلائیں: Shift + Enter دبائیں یا "Run" بٹن پر کلک کریں
تمام سیلز چلائیں: مینو سے "Cell" → "Run All" منتخب کریں
کرنل ری اسٹارٹ کریں: اگر مسائل پیش آئیں تو "Kernel" → "Restart" منتخب کریں

مثال: نوٹ بک میں ڈیٹا کے ساتھ کام کرنا

# Import required libraries
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# Load a dataset
df = pd.read_csv('data/sample.csv')

# Explore the data
df.head()
df.info()
df.describe()

# Create a visualization
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()

اپنا کام محفوظ کرنا

جوپیٹر وقتاً فوقتاً خود بخود محفوظ کرتا ہے
دستی طور پر محفوظ کریں: Ctrl + S دبائیں (یا macOS پر Cmd + S)
آپ کی پیش رفت .ipynb فائل میں محفوظ ہوتی ہے

کوئز ایپلیکیشن کا استعمال

کوئز ایپ کو مقامی طور پر چلانا

# Navigate to quiz app directory
cd quiz-app

# Start the development server
npm run serve

# Access at http://localhost:8080

کوئز لینا

سبق سے پہلے کے کوئز ہر سبق کے آغاز میں دیے گئے ہیں
سبق کے بعد کے کوئز ہر سبق کے آخر میں دیے گئے ہیں
ہر کوئز میں 3 سوالات ہوتے ہیں
کوئز سیکھنے کو مضبوط کرنے کے لیے بنائے گئے ہیں، نہ کہ مکمل امتحان کے لیے

کوئز کی نمبرنگ

کوئز 0-39 تک نمبر دیے گئے ہیں (کل 40 کوئز)
ہر سبق میں عام طور پر ایک سبق سے پہلے اور بعد کا کوئز ہوتا ہے
کوئز URLs میں کوئز نمبر شامل ہوتا ہے: https://ff-quizzes.netlify.app/en/ds/quiz/0

عام ورک فلو

ورک فلو 1: مکمل ابتدائی راستہ

# 1. Set up your environment (see INSTALLATION.md)

# 2. Start with Lesson 1
cd 1-Introduction/01-defining-data-science

# 3. For each lesson:
#    - Take pre-lesson quiz
#    - Read the lesson content
#    - Work through the notebook
#    - Complete the assignment
#    - Take post-lesson quiz

# 4. Progress through all 20 lessons sequentially

ورک فلو 2: موضوع پر مبنی سیکھنا

اگر آپ کسی خاص موضوع میں دلچسپی رکھتے ہیں:

# Example: Focus on Data Visualization
cd 3-Data-Visualization

# Explore lessons 9-13:
# - Lesson 9: Visualizing Quantities
# - Lesson 10: Visualizing Distributions
# - Lesson 11: Visualizing Proportions
# - Lesson 12: Visualizing Relationships
# - Lesson 13: Meaningful Visualizations

ورک فلو 3: پروجیکٹ پر مبنی سیکھنا

# 1. Review the Data Science Lifecycle lessons (14-16)
cd 4-Data-Science-Lifecycle

# 2. Work through a real-world example (Lesson 20)
cd ../6-Data-Science-In-Wild/20-Real-World-Examples

# 3. Apply concepts to your own project

ورک فلو 4: کلاؤڈ پر مبنی ڈیٹا سائنس

# Learn about cloud data science (Lessons 17-19)
cd 5-Data-Science-In-Cloud

# 17: Introduction to Cloud Data Science
# 18: Low-Code ML Tools
# 19: Azure Machine Learning Studio

خود سیکھنے والوں کے لیے تجاویز

منظم رہیں

# Create a learning journal
mkdir my-learning-journal

# For each lesson, create notes
echo "# Lesson 1 Notes" > my-learning-journal/lesson-01-notes.md

باقاعدگی سے مشق کریں

ہر دن یا ہفتے کے لیے مخصوص وقت مقرر کریں
کم از کم ایک سبق ہر ہفتے مکمل کریں
پچھلے سبق کو وقتاً فوقتاً دوبارہ دیکھیں

کمیونٹی کے ساتھ جڑیں

Discord کمیونٹی میں شامل ہوں
Discord میں #Data-Science-for-Beginners چینل میں حصہ لیں Discord Discussions
اپنی پیش رفت شیئر کریں اور سوالات پوچھیں

اپنے پروجیکٹس بنائیں

سبق مکمل کرنے کے بعد، ذاتی پروجیکٹس پر تصورات کا اطلاق کریں:

# Example: Analyze your own dataset
import pandas as pd

# Load your own data
my_data = pd.read_csv('my-project/data.csv')

# Apply techniques learned
# - Data cleaning (Lesson 8)
# - Exploratory data analysis (Lesson 7)
# - Visualization (Lessons 9-13)
# - Analysis (Lesson 15)

اساتذہ کے لیے تجاویز

کلاس روم سیٹ اپ

تفصیلی رہنمائی کے لیے for-teachers.md کا جائزہ لیں
ایک مشترکہ ماحول قائم کریں (GitHub Classroom یا Codespaces)
ایک مواصلاتی چینل قائم کریں (Discord، Slack، یا Teams)

سبق کی منصوبہ بندی

تجویز کردہ 10 ہفتے کا شیڈول:

ہفتہ 1-2: تعارف (سبق 1-4)
ہفتہ 3-4: ڈیٹا کے ساتھ کام کرنا (سبق 5-8)
ہفتہ 5-6: ڈیٹا ویژولائزیشن (سبق 9-13)
ہفتہ 7-8: ڈیٹا سائنس لائف سائیکل (سبق 14-16)
ہفتہ 9: کلاؤڈ ڈیٹا سائنس (سبق 17-19)
ہفتہ 10: حقیقی دنیا کی ایپلیکیشنز اور حتمی پروجیکٹس (سبق 20)

آف لائن رسائی کے لیے Docsify چلانا

# Serve documentation locally for classroom use
docsify serve

# Students can access at localhost:3000
# No internet required after initial setup

اسائنمنٹ گریڈنگ

طلباء کی نوٹ بکس کا جائزہ لیں تاکہ مکمل مشقیں دیکھ سکیں
کوئز کے اسکورز کے ذریعے سمجھ کو چیک کریں
ڈیٹا سائنس لائف سائیکل اصولوں کا استعمال کرتے ہوئے حتمی پروجیکٹس کا جائزہ لیں

اسائنمنٹ بنانا

# Example custom assignment template
"""
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
"""

آف لائن کام کرنا

وسائل ڈاؤن لوڈ کریں

# Clone the entire repository
git clone https://github.com/microsoft/Data-Science-For-Beginners.git

# Download datasets in advance
# Most datasets are included in the repository

دستاویزات کو مقامی طور پر چلائیں

# Serve with Docsify
docsify serve

# Access at localhost:3000

کوئز ایپ کو مقامی طور پر چلائیں

cd quiz-app
npm run serve

ترجمہ شدہ مواد تک رسائی

ترجمے 40+ زبانوں میں دستیاب ہیں:

# Access translated lessons
cd translations/fr  # French
cd translations/es  # Spanish
cd translations/de  # German
# ... and many more

ہر ترجمہ انگریزی ورژن کی ساخت کو برقرار رکھتا ہے۔

اضافی وسائل

سیکھنا جاری رکھیں

Microsoft Learn - اضافی سیکھنے کے راستے
Student Hub - طلباء کے لیے وسائل
Azure AI Foundry - کمیونٹی فورم

مدد حاصل کرنا

عام مسائل کے لیے TROUBLESHOOTING.md چیک کریں
GitHub Issues تلاش کریں
ہمارے Discord میں شامل ہوں
مسائل رپورٹ کرنے یا تعاون کرنے کے لیے CONTRIBUTING.md کا جائزہ لیں

ڈسکلیمر:
یہ دستاویز AI ترجمہ سروس Co-op Translator کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔

12 KiB Raw Blame History