Data-Science-For-Beginners/translations/te

Data Science for Beginners - A Curriculum

Microsoftలోని Azure Cloud Advocates మీకు Data Science గురించి 10 వారాల, 20 పాఠాల কারిక్యులమ్ అందిస్తున్నందుకు తృప్తికరంగా ఉన్నాము. ప్రతి పాఠంలో ముందే-పాఠం మరియు తరువాతి-పాఠం ప్రశ్నాపత్రాలు, పాఠం పూర్తి చేయడానికి రచనా సూచనలు, ఒక పరిష్కారం మరియు ఒక అసైన్‌మెంట్ ఉన్నాయి. మా ప్రాజెక్ట్-ఆధారిత పాఠ్య విధానం ద్వారా మీరు నిర్మించేటప్పుడు నేర్చుకుంటారు — కొత్త నైపుణ్యాలు 'నేలలో నిలవటానికి' ఇది నిరూపిత మార్గం.

మా రచయితలకు హృదయపూర్వక ధన్యవాదాలు: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 ప్రత్యేక ధన్యవాదాలు 🙏 మా Microsoft Student Ambassador రచయితలు, సమీక్షకులు మరియు కంటెంట్ భాగస్వాములకు, ముఖ్యంగా Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science For Beginners - Sketchnote by @nitya

🌐 బహుభాషా మద్దతు

GitHub Action ద్వారా మద్దతు (స్వయంచలిత మరియు ఎప్పుడూ తాజా)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

మీకు అదనపు అనువాద భాషల మద్దతు కావాలనుకుంటే వాటి గురించి వివరాలు ఇక్కడ గుర్తించబడినవి

మన కమ్యూనిటీలో చేరండి

మేము ఒక Discord Learn with AI సిరీస్ నిర్వహిస్తున్నాము, మే 18 - 30 సెప్టెంబర్, 2025 సమయంలో మాతో చేరి మరింత తెలుసుకోండి మరియు Learn with AI Series వద్ద చేరండి. మీరు Data Science కోసం GitHub Copilot ఉపయోగించే చిట్కాలు మరియు ట్రిక్స్ పొందతారు.

మీరు ఒక విద్యార్థి?

ఈ క్రింది వనరులతో మొదలుపెట్టండి:

• Student Hub page ఈ పేజీలో మీరు ప్రారంభ స్థాయి వనరులు, Student ప్యాక్స్ మరియు బరిమిత సర్టిఫికెట్ వౌచర్ పొందడం వంటి మార్గాలను కనుగొంటారు. ఇది ఒక పేజీ మీరు బుక్‌మార్క్ చేసి కాలానుకూలంగా తనిఖీ చేయాలనే విషయం, ఎందుకంటే మేము కనీసం నెలసరి పర్యవేక్షణలో కంటెంట్ మార్చుతాము.
• Microsoft Learn Student Ambassadors గ్లోబల్ స్టూడెంట్ అంబాసడర్స్ సముదాయంలో చేరండి — ఇది Microsoftలోకి మీ మార్గమౌవచ్చు.

ప్రారంభించటం

📚 డాక్యుమెంటేషన్

• Installation Guide - ప్రారంభులకు దశల వారీ సెటప్ సూచనలు
• Usage Guide - ఉదాహరణలు మరియు సాధారణ వర్క్‌ఫ్లోలు
• Troubleshooting - సందర్భానుసారం సమస్యల పరిష్కారాలు
• Contributing Guide - ఈ ప్రాజెక్టుకు ఎలా సహాయపడాలో
• For Teachers - బోధనా మార్గదర్శకాలు మరియు తరగతి రిసోర్సులు

👨‍🎓 విద్యార్థుల కోసం

సమగ్ర ప్రారంభకులు: డేటా సైన్స్ కొత్తవారా? మా beginner-friendly examples తో ప్రారంభించండి! ఈ సరళమైన, బాగా కామెంట్ చేయబడిన ఉదాహరణలు పూర్తి పాఠ్యక్రమంలోకి దిగేముందు మీకు మౌలిక విషయాలను అర్థం చేసుకోవడంలో సహాయపడతాయి. Students: ఈ కారిక్యులమ్‌ను మీకేం ఉపయోగించుకోవడానికి, మొత్తం రెపో ని ఫోర్క్ చేసి, ముందస్తు లెక్చర్ ప్రశ్న పరీక్షతో మొదలుపెట్టి, తర్వాత లెక్చర్ చదవడం మరియు మిగతా కార్యకలాపాలను పూర్తి చేయండి. పరిష్కార కోడ్‌ను కాపీ చేయకుండా పాఠాలను అర్థం చేసుకుని ప్రాజెక్ట్‌లను నిర్మించే ప్రయత్నం చేయండి; అయినప్పటికీ ఆ కోడ్ ప్రతి ప్రాజెక్ట్-ఆధారిత పాఠంలోని /solutions ఫోల్డర్లలో అందుబాటులో ఉంది. మరో ఆలోచనగా మీరు స్నేహితులతో స్టడీ గ్రూప్ ఏర్పాటు చేసి కలిసి ఈ కంటెంట్‌ను గడపవచ్చు. మరింత చదవడానికి మేము Microsoft Learn ని సూచిస్తాము.

త్వరిత ప్రారంభం:

1. మీ పరిసరాలను సెటప్ చేసుకోవడానికి Installation Guide ను తనిఖీ చేయండి
2. కారిక్యులమ్‌తో పని చేయడం ఎలా అనేదాన్ని నేర్చుకోవడానికి Usage Guide ను సమీక్షించండి
3. పాఠం 1తో మొదలుపెట్టి వరుసగా పనిచేయండి
4. మద్దతు కోసం మా Discord community లో చేరండి

👩‍🏫 ఉపాధ్యాయులకు

ఉపాధ్యాయులు: ఈ కారిక్యులమ్‌ను ఎలా ఉపయోగించాలో మేము కొన్ని సూచనలను చేరించాము. మేము మీ ప్రతిస్పందనలను మా చర్చ ఫోరమ్‌లో పొందండి in our discussion forum!

జట్టును కలవండి

Gif అందించినవారు Mohit Jaisal

🎥 పై చిత్రాన్ని క్లిక్ చేసి ప్రాజెక్ట్ మరియు దాన్ని సృష్టించిన వ్యక్తుల గురించి వీడియో చూడండి!

పాఠ్యపద్ధతి

మా ఈ పాఠ్యక్రమాన్ని రూపొందించే సమయంలో మేము రెండు పాఠ్య సిద్ధాంతాలను ఎంపిక చేసాము: ఇది ప్రాజెక్ట్-ఆధారితంగా ఉండాలని, మరియు తరచూ క్విజ్‌లు ఉండాలని నిర్ధారించడం. ఈ సిరీస్ పూర్తికి వచ్చినపుడు, విద్యార్థులు డేటా సైన్స్ యొక్క ప్రాథమిక సూత్రాలు నేర్చుకుంటారు — ఇందులో నైతిక భావనలు, డేటా సిద్ధం చేయడం, డేటాతో పనిచేసే వివిధ మార్గాలు, డేటా విజువలైజేషన్, డేటా విశ్లేషణ, డేటా సైన్స్ యొక్క నిజజీవిత ఉపయోగాలు మరియు మరిన్ని విషయాలు ఉంటాయి.

ఇది కాకుండా, క్లాస్ ముందు తక్కువ-ప్రమాద క్విజ్ ఒక విషయాన్ని నేర్చుకోవాలని విద్యార్థి సంకల్పాన్ని ఏర్పరచుతుంది, మరియూ క్లాస్ తర్వాత రెండవ క్విజ్ మరింత గుర్తుండేలా చేస్తుంది. ఈ పాఠ్యక్రమం సాఫ్ట్ మరియు దృష్టి పారించేలా రూపొందించబడింది మరియు మొత్తం లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్ట్లు చిన్నగా మొదలవుతూ 10 వారాల చక్రం చివరికి progressively క్లిష్టంగా మారతాయి.

మా ఆచరణ నియమాలు, కాంట్రిబ్యూట్ చేయడం, అనువాదం మార్గదర్శకాలను చూడండి. మేము మీ నిర్మాణాత్మక ప్రతిక్రియను స్వాగతిస్తాము!

ప్రతి పాఠంలో ఇవి ఉన్నాయి:

• ఐచ్చిక స్కెచ్‌నోట్
• ఐచ్చిక అదనపు వీడియో
• పాఠానికి ముందు వార్మ్-అప్ క్విజ్
• లిఖిత పాఠం
• ప్రాజెక్ట్-ఆధారిత పాఠాలకు, ప్రాజెక్ట్ ఎలా నిర్మించాలో దశలవారీ మార్గదర్శకాలు
• జ్ఞాన తనిఖీలు
• ఒక సవాలు
• అదనపు చదువులు
• అసైన్‌మెంట్
• పాఠం తర్వాత క్విజ్

క్విజ్‌ల గురించి ఒక గమనిక: అన్ని క్విజ్‌లు Quiz-App ఫోల్డరులో ఉన్నాయి, మొత్తం 40 క్విజ్‌లు, ప్రతి ఒక్కటి మూడు ప్రశ్నలతో. అవి పాఠాల నుండి లింక్ చేయబడ్డాయి, కానీ క్విజ్ యాప్ స్థానికంగా నడపవచ్చు లేదా Azure‌కు despley చేయవచ్చు; quiz-app ఫోల్డర్లోని సూచనలను అనుసరించండి. అవి徐徐 గా స్థానీభవింపజేయబడుతున్నాయి.

🎓 ప్రారంభ దశకి అనుకూల ఉదాహరణలు

డేటా సైన్స్‌లో కొత్తవారా? మేము మీకు ప్రారంభం కావడానికి సహాయపడే సులభమైన, బాగా వ్యాఖ్యలు చేయబడిన కోడ్‌ను కలిగిన ప్రత్యేక ఉదాహరణల డైరక్టరీను సృష్టించాము:

• 🌟 Hello World - మీ మొదటి డేటా సైన్స్ ప్రోగ్రామ్
• 📂 Loading Data - డేటాసెట్లను చదవడం మరియు అన్వేషించడం నేర్చుకోండి
• 📊 Simple Analysis - గణాంకాలను లెక్కించి నమూనాలను కనుగొనండి
• 📈 Basic Visualization - చార్ట్లు మరియు గ్రాఫ్‌లను సృష్టించండి
• 🔬 Real-World Project - ఆరంభం నుంచి ముగింపు వరకు పూర్తి వర్క్‌ఫ్లో

ప్రతి ఉదాహరణలో ప్రతి దశను వివరించే సమగ్ర వ్యాఖ్యలు ఉంటాయి, అందువల్ల ప్రారంభకులకు ఇది పరిపూర్ణంగా ఉంటుంది!

👉 ఉదాహరణలతో ప్రారంభించండి 👈

పాఠాలు

డేటా సైన్స్ ప్రారంభకుల కోసం: రోడ్‌మాప్ - స్కెచ్‌నోట్ రచయిత @nitya

పాఠం సంఖ్య	విషయం	పాఠ వర్గీకరణ	అధ్యయన లక్ష్యాలు	లింక్ చేయబడిన పాఠం	రచయిత
01	డేటా సైన్స్ నిర్వచనం	పరిచయం	డేటా సైన్స్ వెనుక ఉన్న ప్రాథమిక సూత్రాలను మరియు అది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్, మెషిన్ లెర్నింగ్, మరియు బిగ్ డేటాతో ఎలా సంబంధం కలిగి ఉన్నదో నేర్చుకోండి.	పాఠం వీడియో	Dmitry
02	డేటా సైన్స్ నైతికత	పరిచయం	డేటా నైతికత ఆలోచనలు, సవాళ్లు మరియు ఫ్రేమ్‌వర్క్‌ల గురించి.	పాఠం	Nitya
03	డేటాను నిర్వచించడం	పరిచయం	డేటాను ఎలా వర్గीकరించబడతుందో మరియు దాని సాధారణ మూలాలు.	పాఠం	Jasmine
04	గణితం & అవకాశాభాసం పరిచయం	పరిచయం	డేటాను అర్థం చేసుకోవడానికి అవకాశా ఆంకికాలు మరియు గణాంకాల గణిత సాంకేతికతలు.	పాఠం వీడియో	Dmitry
05	సంబంధిత డేటాతో పని చేయడం	Working With Data	సంబంధిత డేటాకు పరిచయం మరియు Structured Query Language (SQL) తో సంబంధిత డేటాను అన్వేషించడం మరియు విశ్లేషించడం యొక్క ప్రాథమికాలు (పరిచయంగా “సీ-క్వెల్” అని ఉచ్ఛరించబడుతుంది).	పాఠం	Christopher
06	NoSQL డేటాతో పని చేయడం	Working With Data	సాంప్రదాయేతర (non-relational) డేటాకి పరిచయం, దాని వివిధ రకాలు మరియు డాక్యుమెంట్ డేటాబేస్‌లను అన్వేషించడం మరియు విశ్లేషించడం యొక్క ప్రాథమికాలు.	పాఠం	Jasmine
07	Pythonతో పని చేయడం	Working With Data	Pandas వంటి లైబ్రరీలతో డేటా అన్వేషణ కోసం Python ఉపయోగించే ప్రాథమికాలు. Python ప్రోగ్రామింగ్ యొక్క ఆధారభూత అవగాహన సిఫార్సు చేయబడుతుంది.	పాఠం వీడియో	Dmitry
08	డేటా సిద్ధం చేయడం	Working With Data	లేనిదన, తప్పుగా ఉన్న లేదా অসম্পూర్ణ డేటాను నిర్వహించడానికి డేటాను శుభ్రపరచడం మరియు మార్పిడి చేసే సాంకేతికతల గురించి.	పాఠం	Jasmine
09	పరిమాణాలను విజువలైజ్ చేయడం	Data Visualization	Matplotlib‌ను ఉపయోగించి బర్డ్ డేటాను ఎలా విజువలైజ్ చేయాలో నేర్చుకోండి 🦆	పాఠం	Jen
10	డేటా పంపిణీని విజువలైజ్ చేయడం	Data Visualization	ఒక ఇంటర్వలులోని పరిశీలనాలు మరియు ట్రెండ్స్‌ను విజువలైజ్ చేయడం.	పాఠం	Jen
11	భాగాల్ని విజువలైజ్ చేయడం	Data Visualization	డిస్క్రీట్ మరియు గ్రూప్ చేసిన శాతాంశాలను విజువలైజ్ చేయడం.	పాఠం	Jen
12	సంబంధాలను విజువలైజ్ చేయడం	Data Visualization	డేటా సమూహాలు మరియు వాటి వెరియబుల్స్ మధ్య సంబంధాలు మరియు సహసంబంధాలను విజువలైజ్ చేయడం.	పాఠం	Jen
13	అర్థవంతమైన విజువలైజేషన్లు	Data Visualization	మీ విజువలైజేషన్ల్ని సమర్థవంతంగా సమస్య పరిష్కారం మరియు అవగాహన కోసం విలువైనవిగా చేయడానికి సాంకేతికులు మరియు మార్గదర్శకాలు.	పాఠం	Jen
14	డేటా సైన్స్ జీవనచక్రానికి పరిచయం	Lifecycle	డేటా సైన్స్ జీవనచక్రానికి పరిచయం మరియు డేటాను సంపాదించడం మరియు తీయడం అనే మొదటి దశ.	పాఠం	Jasmine
15	విశ్లేషణ	Lifecycle	డేటా సైన్స్ జీవనచక్రంలోని ఈ దశ డేటాను విశ్లేషించడానికి సంబంధించిన సాంకేతికతలపై దృష్టి కల్పిస్తుంది.	పాఠం	Jasmine
16	కమ్యూనికేషన్	Lifecycle	డేటా నుంచి పొందిన అవగాహనలను నిర్ణయాలు తీసుకునే వారికోసం అర్థమయ్యే విధంగా సమర్పించడంపై ఈ దశ ఫోకస్ చేస్తుంది.	పాఠం	Jalen
17	క్లౌడ్‌లో డేటా సైన్స్	Cloud Data	క్లౌడ్‌లో డేటా సైన్స్ మరియు దాని ప్రయోజనాలను పరిచయం చేసే పాఠాల సిరీస్.	పాఠం	Tiffany and Maud
18	క్లౌడ్‌లో డేటా సైన్స్	Cloud Data	Low Code టూల్స్ ఉపయోగించి మోడళ్లను ట్రైన్ చేయడం.	పాఠం	Tiffany and Maud
19	క్లౌడ్‌లో డేటా సైన్స్	Cloud Data	Azure Machine Learning Studio తో మోడళ్లను డిప్లాయ్ చేయడం.	పాఠం	Tiffany and Maud
20	వనిలో డేటా సైన్స్	In the Wild	నిజజీవితం లో డేటా సైన్స్ ఆధారిత ప్రాజెక్టులు.	పాఠం	Nitya

GitHub Codespaces

ఈ నమూనాను Codespace లో తెరుచుకోవడానికి ఈ స్టెప్స్‌ను అనుసరించండి:

1. Code డ్రాప్-డౌన్ మెనును క్లిక్ చేసి Open with Codespaces ఆప్షన్ని ఎంచుకోండి.
2. పెయిన్ దిగువన + New codespace ను ఎంచుకోండి. ఇంకా సమాచారం కోసం, GitHub documentation చూడండి.

VSCode Remote - Containers

మీ స్థానిక మెషిన్ మరియు VSCode ఉపయోగించి VS Code Remote - Containers ఎక్స్‌టెన్షన్ ద్వారా ఈ రిపోజిటరీను కంటెయినర్‌లో తెరవడానికి ఈ దశలను అనుసరించండి:

1. ఇది మీకు మొదటి సారి development container ఉపయోగించటం అయితే, దయచేసి మీ సిస్టమ్ ప్రీ-రిక్వైజిట్స్ (ఉదా: Docker ఇన్‌స్టాల్ చేయడం) ను getting started documentationలోని సూచనల ప్రకారం సంపూర్ణంగా కలిగివుండి ఉందో చూడండి.

ఇది ఉపయోగించడానికి, మీరు రిపోజిటరీని ఒరిగిన Docker వాల్యూమ్‌లో తెరచవచ్చు:

గమనిక: అండర్ ది హుడ్, ఇది Remote-Containers: Clone Repository in Container Volume... అనే కమాండ్‌ను ఉపయోగించి సోర్స్ కోడ్‌ను స్థానిక ఫైల్‌సిస్టమ్ బదులుగా Docker వాల్యూమ్‌లో క్లోన్ చేస్తుంది. Volumes కంటైనర్ డేటాను నిలుపుకోవడానికి ప్రాధాన్యత పొందిన విధానం.

లేదా స్థానికంగా క్లోన్ చేసుకున్న లేదా డౌన్లోడ్ చేసిన వెర్షన్‌ను తెరవండి:

• ఈ రిపోజిటరీని మీ స్థానిక ఫైల్‌సిస్టమ్‌కు క్లోన్ చేయండి.
• F1 నొక్కి Remote-Containers: Open Folder in Container... కమాండ్‌ను ఎంచుకోండి.
• క్లోన్ చేసిన ఈ ఫోల్డర్‌ను ఎంచుకుని, కంటెయినర్ మొదలవ్వడానికి వేచి చూసి, ప్రయత్నించండి.

ఆఫ్‌లైన్ ప్రాప్తి

Docsify ఉపయోగించి మీరు ఈ డాక్యుమెంటేషన్ని ఆఫ్‌లైన్ లో నడపవచ్చు. ఈ రిపోని fork చేసి, మీ స్థానిక యంత్రంలో Docsify ఇన్‌స్టాల్ చేయండి, ఆ తర్వాత ఈ రిపో యొక్క రూట్ ఫోల్డర్లో docsify serve టైప్ చేయండి. వెబ్‌సైట్ మీ localhost లో పోర్ట్ 3000 మీద అందుబాటులో ఉంటుంది: localhost:3000.

గమనిక: నోట్‌బుక్స్ Docsify ద్వారా రేండర్ కాబోవు, కాబట్టి నోట్‌బుక్ నడపాల్సిన అవసరం వచ్చినప్పుడు, దాన్ని వేరుగా VS Code లో Python కర్నల్ తో నడపండి.

ఇతర పాఠ్యક્રમాలు

మా జట్టు ఇతర పాఠ్యక్రమాలు కూడా ఉత్పత్తి చేస్తుంది! తలాసా చూడండి:

LangChain

---

Azure / Edge / MCP / Agents

---

జననాత్మక AI శ్రేణి

---

మూల అభ్యాసాలు

---

కోపైలట్ శ్రేణి

సహాయం

సమస్యలు ఎదురవుతున్నాయా? మా సమస్య పరిష్కార గైడ్ ను సాధారణ సమస్యల పరిష్కారాల కోసం చూడండి.

AI యాప్స్ నిర్మించేటప్పుడు మీరు అడ్డుకురాకపోతే లేదా ఏవైనా ప్రశ్నలు ఉంటే. MCP గురించి చర్చల్లో ఇతర అభ్యసకులు మరియు అనుభవజ్ఞులైన డెవలపర్లతో చేరండి. ఇది ఒక మద్దతుగా ఉండే సముదాయం, ఇక్కడ ప్రశ్నలు స్వాగతించబడతాయి మరియు జ్ఞానం ఉచితంగా పంచుకుంటారు.

నిర్మాణ సమయంలో మీకు ఉత్పత్తి గురించి అభిప్రాయాలు లేదా లోపాలు ఉంటే సందర్శించండి:

---

నిరాకరణ: ఈ పత్రాన్ని Co-op Translator అనే కృత్రిమ మేధస్సు (AI) ఆధారిత అనువాద సేవ ఉపయోగించి అనువదించబడ్డది. మేము ఖచ్చితత్వానికి努 చేస్తున్నప్పటికీ, స్వయంచాలక అనువాదాల్లో తప్పులు లేదా పొరపాట్లు ఉండవచ్చు. మూల పత్రాన్ని దాని స్థానిక భాషలోని రూపాన్ని అధికారం కలిగిన మూలంగా పరిగణించాలి. కీలక సమాచారానికి వృత్తిపరమైన మానవ అనువాదం చేయించుకోవటం సిఫార్సు చేయబడుతుంది. ఈ అనువాదాన్ని ఉపయోగించడముతో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితలకు మేము బాధ్యులు కాదు.