Data-Science-For-Beginners/translations/ur

‏# ڈیٹا سائنس برائے مبتدی - ایک نصاب

Microsoft میں Azure Cloud Advocates خوش ہیں کہ وہ ڈیٹا سائنس کے بارے میں 10 ہفتوں، 20 اسباق پر مشتمل نصاب پیش کر رہے ہیں۔ ہر سبق میں پری-سبق اور پوسٹ-سبق کوئزز، سبق مکمل کرنے کے لیے تحریری ہدایات، ایک حل، اور ایک اسائنمنٹ شامل ہے۔ ہمارا پروجیکٹ پر مبنی اندازِ تدریس آپ کو بنانے کے دوران سیکھنے میں مدد دیتا ہے، جو نئی مہارتوں کو قائم کرنے کا ثابت شدہ طریقہ ہے۔

ہمارے مصنفین کا دلی شکریہ: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 خاص شکریہ 🙏 ہمارے Microsoft Student Ambassador مصنفین، نظر ثانی کرنے والوں اور مواد میں حصہ ڈالنے والوں کو، خصوصاً 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

ڈیٹا سائنس برائے مبتدی - اسکیچنوٹ از @nitya

🌐 متعدد زبانوں کی حمایت

GitHub Action کے ذریعے معاونت (خودکار اور ہمیشہ تازہ ترین)

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

اگر آپ مزید ترجمہ شدہ زبانوں کی حمایت چاہتے ہیں تو وہ یہاں فہرست شدہ ہیں: یہاں

ہماری کمیونٹی میں شامل ہوں

ہماری Discord پر Learn with AI سیریز جاری ہے، مزید جاننے اور شامل ہونے کے لیے ہمیں Learn with AI سیریز پر جوائن کریں، جو 18 - 30 ستمبر، 2025 کو ہوگی۔ آپ کو GitHub Copilot کو ڈیٹا سائنس کے لیے استعمال کرنے کے ٹپس اور ٹرکس ملیں گے۔

کیا آپ طالب علم ہیں؟

مندرجہ ذیل وسائل سے شروع کریں:

• Student Hub page اس صفحے میں آپ کو ابتدائی وسائل، Student پیکس اور یہاں تک کہ مفت سرٹیفکیٹ ووچر حاصل کرنے کے طریقے ملیں گے۔ یہ ایک صفحہ ہے جسے آپ کو بک مارک کرنا چاہیے اور وقتاً فوقتاً دیکھنا چاہیے کیونکہ ہم مواد کو کم از کم ماہانہ بنیاد پر تبدیل کرتے رہتے ہیں۔
• Microsoft Learn Student Ambassadors ایک عالمی طلباء سفیروں کی کمیونٹی میں شامل ہوں، یہ آپ کا مائیکروسافٹ میں داخل ہونے کا راستہ ہو سکتا ہے۔

شروع کریں

📚 دستاویزات

• انسٹالیشن گائیڈ - شروع کرنے والوں کے لیے مرحلہ وار سیٹ اپ ہدایات
• استعمال گائیڈ - مثالیں اور عام ورک فلو
• مسائل کا حل - عام مسائل کے حل
• شراکت کا رہنما - اس پروجیکٹ میں حصہ لینے کا طریقہ
• اساتذہ کے لیے - تدریسی رہنمائی اور کلاس روم کے وسائل

👨‍🎓 طلباء کے لیے

بالکل ابتدائی: کیا آپ ڈیٹا سائنس میں نئے ہیں؟ ہمارے ابتدائی دوستانہ مثالیں سے شروعات کریں! یہ سادہ، اچھی طرح تشریحات والی مثالیں آپ کو پورے نصاب میں غوطہ لگانے سے پہلے بنیادیں سمجھنے میں مدد دیں گی۔ طلباء: اس نصاب کو خود استعمال کرنے کے لیے، پورا ریپو فورک کریں اور مشقیں خود مکمل کریں، پری-لیکچر کوئز سے شروع کریں۔ پھر لیکچر پڑھیں اور باقی سرگرمیاں مکمل کریں۔ کوشش کریں کہ حل کے کوڈ کی نقل کرنے کے بجائے اسباق کو سمجھ کر پروجیکٹس بنائیں؛ تاہم، وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے /solutions فولڈرز میں دستیاب ہے۔ ایک اور خیال یہ ہے کہ دوستوں کے ساتھ ایک مطالعہ گروپ بنائیں اور مواد کو ایک ساتھ دیکھیں۔ مزید مطالعے کے لیے، ہم Microsoft Learn کی سفارش کرتے ہیں۔

فوری آغاز:

1. اپنے ماحول کو ترتیب دینے کے لیے انسٹالیشن گائیڈ چیک کریں
2. نصاب کے ساتھ کام کرنے کا طریقہ سیکھنے کے لیے استعمال گائیڈ کا جائزہ لیں
3. سبق 1 سے شروع کریں اور ترتیب وار کام کریں
4. مدد کے لیے ہماری Discord کمیونٹی میں شامل ہوں

👩‍🏫 اساتذہ کے لیے

اساتذہ: ہم نے اس نصاب کو استعمال کرنے کے کچھ مشورے شامل کیے ہیں. ہمیں آپ کی آراء ہمارے بحثی فورم میں جان کر خوشی ہوگی!

ٹیم سے ملیں

گیف بذریعہ Mohit Jaisal

🎥 اوپر موجود تصویر پر کلک کریں تاکہ اس پراجیکٹ اور اسے بنانے والوں کے بارے میں ویڈیو دیکھ سکیں!

تدریسی اصول

ہم نے اس نصاب کو تیار کرتے وقت دو تدریسی اصول منتخب کیے ہیں: یہ کہ یہ پراجیکٹ پر مبنی ہو اور اس میں بار بار کوئزز شامل ہوں۔ اس سلسلے کے اختتام تک، طلباء ڈیٹا سائنس کے بنیادی اصول سیکھ لیں گے، جن میں اخلاقی تصورات، ڈیٹا کی تیاری، ڈیٹا کے ساتھ کام کرنے کے مختلف طریقے، ڈیٹا کی بصری نمائندگی، ڈیٹا کا تجزیہ، ڈیٹا سائنس کے حقیقی دنیا کے استعمالات، وغیرہ شامل ہیں۔

مزید برآں، کلاس سے پہلے ایک ہلکا پھلکا کوئز طلباء کے سیکھنے کے ارادے کو ترتیب دیتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید حفظانِ ذہن کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور خوشگوار ہونے کے لیے ڈیزائن کیا گیا ہے اور پورا یا جزوی طور پر لیا جا سکتا ہے۔ پراجیکٹس چھوٹے سے شروع ہوتے ہیں اور 10 ہفتوں کے چکر کے اختتام تک بتدریج پیچیدہ ہوتے جاتے ہیں۔

ہمارے ہمارا ضابطہ اخلاق, Contributing, Translation رہنما خطوط دیکھیں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں!

ہر سبق میں شامل ہیں:

• اختیاری اسکیچنوٹ
• اختیاری معاون ویڈیو
• سبق سے قبل وارم اپ کوئز
• متن پر مبنی سبق
• پراجیکٹ پر مبنی اسباق کے لیے، پراجیکٹ بنانے کے مرحلہ وار رہنما
• علمی جانچیں
• ایک چیلنج
• معاون مطالعہ
• اسائنمنٹ
• سبق کے بعد کا کوئز

کوئزز کے بارے میں ایک نوٹس: تمام کوئزز Quiz-App فولڈر میں موجود ہیں، مجموعی طور پر 40 کوئزز ہر ایک میں تین سوالات ہیں۔ یہ اسباق کے اندر سے جوڑے گئے ہیں، لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے یا Azure پر ڈیپلائے کیا جا سکتا ہے؛ ہدایات quiz-app فولڈر میں موجود ہدایات پر عمل کریں۔ انہیں بتدریج مقامی زبانوں میں منتقل کیا جا رہا ہے۔

🎓 مبتدیوں کے لیے مثالیں

کیا آپ ڈیٹا سائنس میں نئے ہیں؟ ہم نے شروعات میں مدد کے لیے سادہ، اچھی طرح تبصرہ شدہ کوڈ کے ساتھ ایک خاص مثالوں کی ڈائریکٹری بنائی ہے:

• 🌟 ہیلو ورلڈ - آپ کا پہلا ڈیٹا سائنس پروگرام
• 📂 ڈیٹا لوڈ کرنا - ڈیٹا سیٹس کو پڑھنا اور دریافت کرنا سیکھیں
• 📊 سادہ تجزیہ - شماریات نکالیں اور پیٹرن تلاش کریں
• 📈 بنیادی بصری نمائندگی - چارٹس اور گراف بنائیں
• 🔬 حقیقی دنیا کا پراجیکٹ - شروع سے اختتام تک مکمل ورک فلو

ہر مثال میں ہر قدم کی وضاحت کرنے والے تفصیلی تبصرے شامل ہیں، جو بالکل ابتدائی لوگوں کے لیے بہترین ہیں!

👉 مثالوں سے شروع کریں 👈

اسباق

ڈیٹا سائنس برائے مبتدیان: روڈ میپ - اسکیچنوٹ از @nitya

سبق نمبر	موضوع	سبق کا گروپ	سیکھنے کے مقاصد	مربوط سبق	مصنف
01	ڈیٹا سائنس کی تعریف	تعارف	ڈیٹا سائنس کے بنیادی تصورات اور یہ مصنوعی ذہانت، مشین لرننگ، اور بگ ڈیٹا سے کیسے متعلق ہے، سیکھیں۔	سبق ویڈیو	Dmitry
02	ڈیٹا سائنس اخلاقیات	تعارف	ڈیٹا اخلاقیات کے تصورات، چیلنجز اور فریم ورکس۔	سبق	Nitya
03	ڈیٹا کی تعریف	تعارف	ڈیٹا کو کیسے درجہ بندی کیا جاتا ہے اور اس کے عام ذرائع کون سے ہیں۔	سبق	Jasmine
04	اعداد و شمار اور امکانیت کا تعارف	تعارف	ڈیٹا کو سمجھنے کے لیے احتمال اور شماریات کی ریاضیاتی تکنیکیں۔	سبق ویڈیو	Dmitry
05	تعلقاتی (ریلیشنل) ڈیٹا کے ساتھ کام کرنا	ڈیٹا کے ساتھ کام کرنا	تعلقاتی ڈیٹا کا تعارف اور Structured Query Language (SQL) کے ساتھ تعلقاتی ڈیٹا کو تلاش اور تجزیہ کرنے کی بنیادی باتیں۔	سبق	Christopher
06	NoSQL ڈیٹا کے ساتھ کام کرنا	ڈیٹا کے ساتھ کام کرنا	غیر تعلقاتی ڈیٹا کا تعارف، اس کی مختلف اقسام اور ڈاکیومنٹ ڈیٹابیسز کو تلاش اور تجزیہ کرنے کی بنیادی باتیں۔	سبق	Jasmine
07	Python کے ساتھ کام کرنا	ڈیٹا کے ساتھ کام کرنا	Pandas جیسے لائبریریوں کے ساتھ ڈیٹا کی کھوج کے لیے Python کے استعمال کی بنیادیں۔ Python پروگرامنگ کی بنیادی سمجھ تجویز کی جاتی ہے۔	سبق ویڈیو	Dmitry
08	ڈیٹا کی تیاری	ڈیٹا کے ساتھ کام کرنا	غائب، غلط یا نامکمل ڈیٹا کے چیلنجز سے نمٹنے کے لیے ڈیٹا کو صاف اور تبدیل کرنے کی تکنیکوں کے موضوعات۔	سبق	Jasmine
09	مقداروں کی بصری نمائندگی	ڈیٹا ویزولائزیشن	Matplotlib کا استعمال کرتے ہوئے پرندوں کے ڈیٹا کو بصری شکل میں دکھانا سیکھیں 🦆	سبق	Jen
10	ڈیٹا کی تقسیمات کی بصری نمائندگی	ڈیٹا ویزولائزیشن	کسی وقفے کے اندر مشاہدات اور رجحانات کو بصری شکل دینا۔	سبق	Jen
11	تناسبات کی بصری نمائندگی	ڈیٹا ویزولائزیشن	منفرد اور گروہ بند شدہ فیصدات کو بصری شکل میں دکھانا۔	سبق	Jen
12	رشتوں کی بصری نمائندگی	ڈیٹا ویزولائزیشن	ڈیٹا سیٹس اور ان کے متغیرات کے درمیان روابط اور ہم آہنگیوں کو بصری شکل میں دکھانا۔	سبق	Jen
13	بامعنی بصری نمائندگیاں	ڈیٹا ویزولائزیشن	آپ کی بصری نمائندگی کو مؤثر مسئلہ حل اور بصیرت کے لیے قیمتی بنانے کی تکنیکیں اور رہنمائی۔	سبق	Jen
14	ڈیٹا سائنس لائف سائیکل کا تعارف	لائف سائیکل	ڈیٹا سائنس لائف سائیکل کا تعارف اور اس کے پہلے قدم یعنی ڈیٹا حاصل کرنا اور نکالنا۔	سبق	Jasmine
15	تجزیہ کرنا	لائف سائیکل	ڈیٹا سائنس لائف سائیکل کا یہ مرحلہ ڈیٹا کا تجزیہ کرنے کی تکنیکوں پر مرکوز ہے۔	سبق	Jasmine
16	مواصلات	لائف سائیکل	ڈیٹا سائنس لائف سائیکل کا یہ مرحلہ ڈیٹا سے حاصل شدہ بصیرت کو اس انداز میں پیش کرنے پر مرکوز ہے کہ فیصلہ سازان اسے آسانی سے سمجھ سکیں۔	سبق	Jalen
17	کلاؤڈ میں ڈیٹا سائنس	کلاؤڈ ڈیٹا	اس سلسلے کے اسباق کلاؤڈ میں ڈیٹا سائنس اور اس کے فوائد کا تعارف کراتے ہیں۔	سبق	Tiffany and Maud
18	کلاؤڈ میں ڈیٹا سائنس	کلاؤڈ ڈیٹا	Low Code ٹولز کا استعمال کرتے ہوئے ماڈلز کی تربیت۔	سبق	Tiffany and Maud
19	کلاؤڈ میں ڈیٹا سائنس	کلاؤڈ ڈیٹا	Azure Machine Learning Studio کے ساتھ ماڈلز کی تعیناتی۔	سبق	Tiffany and Maud
20	حقیقی دنیا میں ڈیٹا سائنس	حقیقی دنیا میں	حقیقی دنیا میں ڈیٹا سائنس پر مبنی پراجیکٹس۔	سبق	Nitya

GitHub Codespaces

اس نمونے کو Codespace میں کھولنے کے لیے یہ اقدامات کریں:

1. Code ڈراپ ڈاؤن مینو پر کلک کریں اور Open with Codespaces آپشن منتخب کریں۔
2. پین کے نیچے + New codespace منتخب کریں۔ مزید معلومات کے لیے، GitHub documentation دیکھیں۔

VSCode Remote - Containers

اپنے مقامی مشین اور VSCode کے توسط سے اس ریپو کو کانٹینر میں کھولنے کے لیے VS Code Remote - Containers ایکسٹینشن استعمال کریں:

1. اگر آپ پہلی بار ڈویلپمنٹ کنٹینر استعمال کر رہے ہیں تو، براہِ کرم یقینی بنائیں کہ آپ کا سسٹم ابتدائی تقاضوں کو پورا کرتا ہے (مثلاً Docker انسٹال ہو)؛ اس کے لیے the getting started documentation دیکھیں۔

اس ریپوزیٹری کو استعمال کرنے کے لیے، آپ یا تو ریپوزیٹری کو ایک علیحدہ Docker والیوم میں کھول سکتے ہیں:

نوٹ: اندرونی طور پر، یہ Remote-Containers: Clone Repository in Container Volume... کمانڈ استعمال کرے گا تاکہ سورس کوڈ کو مقامی فائل سسٹم کی بجائے ایک Docker والیوم میں کلون کیا جا سکے۔ Volumes کنٹینر ڈیٹا کو برقرار رکھنے کے لیے ترجیحی طریقہ ہیں۔

یا ریپوزیٹری کی مقامی کلون کی گئی یا ڈاؤن لوڈ شدہ کاپی کھولیں:

• اس ریپوزیٹری کو اپنے مقامی فائل سسٹم پر کلون کریں۔
• F1 دبائیں اور Remote-Containers: Open Folder in Container... کمانڈ منتخب کریں۔
• اس فولڈر کی کلون شدہ کاپی منتخب کریں، کنٹینر کے شروع ہونے کا انتظار کریں، اور چیزیں آزمائیں۔

آف لائن رسائی

آپ Docsify استعمال کرکے اس دستاویزات کو آف لائن چلا سکتے ہیں۔ اس ریپو کو فورک کریں، اپنی مقامی مشین پر install Docsify کریں، پھر اس ریپو کے روٹ فولڈر میں ٹائپ کریں docsify serve۔ ویب سائٹ آپ کے localhost پر پورٹ 3000 پر سرور کی جائے گی: localhost:3000۔

نوٹ، نوٹ بکس Docsify کے ذریعے رینڈر نہیں ہوں گے، لہٰذا جب آپ کو نوٹ بک چلانے کی ضرورت ہو تو اسے علیحدہ طور پر VS Code میں Python کرنل کے ساتھ کریں۔

دیگر نصاب

ہماری ٹیم دیگر نصاب بھی تیار کرتی ہے! دیکھیں:

LangChain

---

Azure / Edge / MCP / Agents

---

جنریٹو AI سیریز

---

بنیادی سیکھنے

---

کوپائلٹ سیریز

مدد حاصل کریں

کیا آپ مسائل کا سامنا کر رہے ہیں؟ ہمارے مسائل کے حل کی رہنمائی میں عمومی مسائل کے حل دیکھیں۔

اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں کوئی سوال ہو۔ MCP کے بارے میں مباحثوں میں دوسرے سیکھنے والوں اور تجربہ کار ڈویلپرز کے ساتھ شامل ہوں۔ یہ ایک معاون کمیونٹی ہے جہاں سوالات خوش آمدید کہے جاتے ہیں اور علم بلا جھجھک بانٹا جاتا ہے۔

اگر آپ کے پاس پروڈکٹ فیڈبیک یا تعمیر کے دوران غلطیاں ہوں تو ملاحظہ کریں:

---

دفعِ ذمہ داری: اس دستاویز کا ترجمہ AI ترجمہ سروس Co-op Translator (https://github.com/Azure/co-op-translator) کے ذریعے کیا گیا ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہِ کرم نوٹ کریں کہ خودکار تراجم میں غلطیاں یا عدمِ درستی ہو سکتی ہیں۔ اصل دستاویز کو اس کی مادری زبان میں معتبر ماخذ سمجھا جانا چاہیے۔ اہم معلومات کے لیے پیشہ ور انسانی مترجم کا ترجمہ تجویز کیا جاتا ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہوں گے۔