History

leestott 57edd69619 🌐 Update translations via Co-op Translator		4 months ago
..
README.md	🌐 Update translations via Co-op Translator	4 months ago

README.md

ڈیٹا سائنس کے ابتدائی دوستانہ مثالیں

مثالوں کی ڈائریکٹری میں خوش آمدید! یہ سادہ اور واضح تبصرے والی مثالوں کا مجموعہ آپ کو ڈیٹا سائنس کے ساتھ شروعات کرنے میں مدد دینے کے لیے بنایا گیا ہے، چاہے آپ بالکل نئے ہوں۔

📚 یہاں آپ کو کیا ملے گا

ہر مثال خود مختار ہے اور شامل کرتی ہے:

واضح تبصرے جو ہر قدم کی وضاحت کرتے ہیں
سادہ اور قابلِ فہم کوڈ جو ایک وقت میں ایک تصور کو ظاہر کرتا ہے
حقیقی دنیا کا سیاق و سباق تاکہ آپ سمجھ سکیں کہ ان تکنیکوں کو کب اور کیوں استعمال کرنا ہے
متوقع نتائج تاکہ آپ جان سکیں کہ کیا دیکھنا ہے

🚀 شروعات کرنا

ضروریات

ان مثالوں کو چلانے سے پہلے، یقینی بنائیں کہ آپ کے پاس:

Python 3.7 یا اس سے زیادہ انسٹال ہے
Python اسکرپٹس چلانے کا بنیادی علم ہے

مطلوبہ لائبریریاں انسٹال کرنا

pip install pandas numpy matplotlib

📖 مثالوں کا جائزہ

1. ہیلو ورلڈ - ڈیٹا سائنس انداز

فائل: 01_hello_world_data_science.py

آپ کا پہلا ڈیٹا سائنس پروگرام! سیکھیں کہ:

ایک سادہ ڈیٹا سیٹ لوڈ کریں
اپنے ڈیٹا کے بارے میں بنیادی معلومات دکھائیں
اپنا پہلا ڈیٹا سائنس آؤٹ پٹ پرنٹ کریں

بالکل نئے افراد کے لیے بہترین جو اپنا پہلا ڈیٹا سائنس پروگرام ایکشن میں دیکھنا چاہتے ہیں۔

2. ڈیٹا لوڈ کرنا اور دریافت کرنا

فائل: 02_loading_data.py

ڈیٹا کے ساتھ کام کرنے کی بنیادی باتیں سیکھیں:

CSV فائلوں سے ڈیٹا پڑھیں
اپنے ڈیٹا سیٹ کی ابتدائی چند قطاریں دیکھیں
اپنے ڈیٹا کے بارے میں بنیادی شماریات حاصل کریں
ڈیٹا کی اقسام کو سمجھیں

یہ اکثر کسی بھی ڈیٹا سائنس پروجیکٹ کا پہلا قدم ہوتا ہے!

3. سادہ ڈیٹا تجزیہ

فائل: 03_simple_analysis.py

اپنا پہلا ڈیٹا تجزیہ کریں:

بنیادی شماریات (اوسط، درمیانی، موڈ) کا حساب لگائیں
زیادہ سے زیادہ اور کم سے کم اقدار تلاش کریں
اقدار کی تعداد گنیں
شرائط کی بنیاد پر ڈیٹا فلٹر کریں

دیکھیں کہ اپنے ڈیٹا کے بارے میں سادہ سوالات کے جواب کیسے دیں۔

4. ڈیٹا کی بصری نمائندگی کی بنیادی باتیں

فائل: 04_basic_visualization.py

اپنی پہلی بصری نمائندگی بنائیں:

ایک سادہ بار چارٹ بنائیں
ایک لائن پلاٹ بنائیں
ایک پائی چارٹ تیار کریں
اپنی بصری نمائندگی کو تصاویر کے طور پر محفوظ کریں

اپنے نتائج کو بصری طور پر پیش کرنے کا طریقہ سیکھیں!

5. حقیقی ڈیٹا کے ساتھ کام کرنا

فائل: 05_real_world_example.py

سب کچھ ایک مکمل مثال کے ساتھ جوڑیں:

ریپوزٹری سے حقیقی ڈیٹا لوڈ کریں
ڈیٹا کو صاف کریں اور تیار کریں
تجزیہ کریں
معنی خیز بصری نمائندگی بنائیں
نتائج اخذ کریں

یہ مثال آپ کو شروع سے آخر تک مکمل ورک فلو دکھاتی ہے۔

🎯 ان مثالوں کو استعمال کرنے کا طریقہ

شروع سے شروع کریں: مثالیں مشکل کے لحاظ سے نمبر دی گئی ہیں۔ 01_hello_world_data_science.py سے شروع کریں اور آگے بڑھیں۔
تبصرے پڑھیں: ہر فائل میں تفصیلی تبصرے ہیں جو کوڈ کیا کرتا ہے اور کیوں کرتا ہے۔ انہیں غور سے پڑھیں!
تجربہ کریں: کوڈ میں تبدیلی کرنے کی کوشش کریں۔ اگر آپ کوئی قدر تبدیل کریں تو کیا ہوتا ہے؟ چیزوں کو خراب کریں اور انہیں ٹھیک کریں - یہی سیکھنے کا طریقہ ہے!
کوڈ چلائیں: ہر مثال کو چلائیں اور نتائج دیکھیں۔ انہیں اپنے متوقع نتائج سے موازنہ کریں۔
اس پر کام کریں: جب آپ ایک مثال کو سمجھ لیں، تو اسے اپنے خیالات کے ساتھ بڑھانے کی کوشش کریں۔

💡 ابتدائی افراد کے لیے تجاویز

جلدی نہ کریں: ہر مثال کو سمجھنے کے لیے وقت لیں، پھر اگلی پر جائیں
خود کوڈ ٹائپ کریں: صرف کاپی پیسٹ نہ کریں۔ ٹائپنگ آپ کو سیکھنے اور یاد رکھنے میں مدد دیتی ہے
نامانوس تصورات کو تلاش کریں: اگر آپ کچھ ایسا دیکھیں جو آپ نہیں سمجھتے، تو اسے آن لائن یا مرکزی اسباق میں تلاش کریں
سوالات پوچھیں: اگر آپ کو مدد کی ضرورت ہو تو ڈسکشن فورم میں شامل ہوں
باقاعدگی سے مشق کریں: ہفتے میں ایک بار طویل سیشنز کے بجائے روزانہ تھوڑا سا کوڈ کرنے کی کوشش کریں

🔗 اگلے اقدامات

ان مثالوں کو مکمل کرنے کے بعد، آپ تیار ہیں:

مرکزی نصاب کے اسباق پر کام کریں
ہر سبق کے فولڈر میں اسائنمنٹس آزمائیں
مزید گہرائی سے سیکھنے کے لیے Jupyter نوٹ بکس کو دریافت کریں
اپنے ڈیٹا سائنس پروجیکٹس بنائیں

📚 اضافی وسائل

مرکزی نصاب - مکمل 20 سبق کا کورس
اساتذہ کے لیے - اس نصاب کو اپنی کلاس میں استعمال کرنا
Microsoft Learn - مفت آن لائن سیکھنے کے وسائل
Python Documentation - آفیشل Python حوالہ

🤝 تعاون

کوئی مسئلہ ملا یا کسی نئی مثال کے لیے کوئی خیال ہے؟ ہم تعاون کا خیر مقدم کرتے ہیں! براہ کرم ہمارا تعاون گائیڈ دیکھیں۔

خوشگوار سیکھنا! 🎉

یاد رکھیں: ہر ماہر کبھی ابتدائی تھا۔ ایک وقت میں ایک قدم اٹھائیں، اور غلطیاں کرنے سے نہ گھبرائیں - یہ سیکھنے کے عمل کا حصہ ہیں!

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۔