|
|
9 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 10 months ago | |
| 2-Working-With-Data | 9 months ago | |
| 3-Data-Visualization | 11 months ago | |
| 4-Data-Science-Lifecycle | 11 months ago | |
| 5-Data-Science-In-Cloud | 11 months ago | |
| 6-Data-Science-In-Wild | 11 months ago | |
| docs | 11 months ago | |
| examples | 10 months ago | |
| quiz-app | 11 months ago | |
| sketchnotes | 11 months ago | |
| AGENTS.md | 10 months ago | |
| CODE_OF_CONDUCT.md | 11 months ago | |
| CONTRIBUTING.md | 10 months ago | |
| INSTALLATION.md | 10 months ago | |
| README.md | 9 months ago | |
| SECURITY.md | 11 months ago | |
| SUPPORT.md | 11 months ago | |
| TROUBLESHOOTING.md | 10 months ago | |
| USAGE.md | 10 months ago | |
| for-teachers.md | 11 months ago | |
README.md
नवशिक्यांसाठी डेटा सायन्स - अभ्यासक्रम
Azure Cloud Advocates कडून Microsoft मध्ये 10 आठवड्यांचा, 20 धड्यांचा अभ्यासक्रम डेटा सायन्सबद्दल सादर करण्यात येत आहे. प्रत्येक धड्यात प्री-लेसन आणि पोस्ट-लेसन क्विझ, धडा पूर्ण करण्यासाठी लेखी सूचना, समाधान आणि असाइनमेंट समाविष्ट आहे. प्रोजेक्ट-आधारित शिक्षण पद्धतीमुळे तुम्हाला शिकताना तयार करण्याची संधी मिळते, ज्यामुळे नवीन कौशल्ये अधिक चांगल्या प्रकारे आत्मसात होतात.
आमच्या लेखकांचे मनःपूर्वक आभार: जॅस्मिन ग्रीनवे, दिमित्री सॉश्निकोव्ह, नित्या नरसिंहन, जालेन मॅक्गी, जेन लूपर, मॉड लेव्ही, टिफनी सॉटर, क्रिस्टोफर हॅरिसन.
🙏 विशेष आभार 🙏 आमच्या Microsoft Student Ambassador लेखक, समीक्षक आणि सामग्री योगदानकर्त्यांचे, विशेषतः आर्यन अरोरा, आदित्य गर्ग, अलोंड्रा सांचेज, अंकिता सिंग, अनुपम मिश्रा, अर्पिता दास, छैल बिहारी दुबे, डिब्री नसोफर, दिशिता भसीन, मज्द साफी, मॅक्स ब्लम, मिगुएल कोरेया, मोहम्मा इफ्तेखेर (इफ्तू) एबने जलाल, नावरिन तबस्सुम, रेमंड वांगसा पुत्रा, रोहित यादव, समृद्धी शर्मा, सान्या सिन्हा, शीना नरूला, तौकीर अहमद, योगेंद्रसिंग पवार, विदुषी गुप्ता, जसलीन सोंधी
![]() |
|---|
| नवशिक्यांसाठी डेटा सायन्स - @nitya कडून स्केच नोट |
🌐 बहुभाषिक समर्थन
GitHub Action द्वारे समर्थित (स्वयंचलित आणि नेहमी अद्ययावत)
अरबी | बंगाली | बल्गेरियन | बर्मी (म्यानमार) | चिनी (सरलीकृत) | चिनी (पारंपरिक, हाँगकाँग) | चिनी (पारंपरिक, मकाऊ) | चिनी (पारंपरिक, तैवान) | क्रोएशियन | चेक | डॅनिश | डच | एस्टोनियन | फिनिश | फ्रेंच | जर्मन | ग्रीक | हिब्रू | हिंदी | हंगेरियन | इंडोनेशियन | इटालियन | जपानी | कोरियन | लिथुआनियन | मलय | मराठी | नेपाळी | नॉर्वेजियन | पर्शियन (फारसी) | पोलिश | पोर्तुगीज (ब्राझील) | पोर्तुगीज (पोर्तुगाल) | पंजाबी (गुरमुखी) | रोमानियन | रशियन | सर्बियन (सिरिलिक) | स्लोव्हाक | स्लोव्हेनियन | स्पॅनिश | स्वाहिली | स्वीडिश | टागालोग (फिलिपिनो) | तमिळ | थाई | तुर्की | युक्रेनियन | उर्दू | व्हिएतनामी
जर तुम्हाला अतिरिक्त भाषांमध्ये भाषांतर हवे असेल तर येथे सूचीबद्ध भाषांमध्ये समर्थन उपलब्ध आहे
आमच्या समुदायात सामील व्हा
आमच्याकडे AI सह शिकण्याची Discord मालिका चालू आहे, अधिक जाणून घ्या आणि AI सह शिकण्याची मालिका मध्ये 18 - 30 सप्टेंबर, 2025 दरम्यान सामील व्हा. तुम्हाला GitHub Copilot डेटा सायन्ससाठी वापरण्याचे टिप्स आणि युक्त्या मिळतील.
तुम्ही विद्यार्थी आहात का?
खालील संसाधनांसह प्रारंभ करा:
- विद्यार्थी हब पृष्ठ या पृष्ठावर तुम्हाला नवशिक्या संसाधने, विद्यार्थी पॅक आणि अगदी मोफत प्रमाणपत्र व्हाउचर मिळवण्याचे मार्ग सापडतील. हे एक पृष्ठ आहे जे तुम्हाला बुकमार्क करायचे आहे आणि वेळोवेळी तपासायचे आहे कारण आम्ही किमान मासिक सामग्री बदलतो.
- Microsoft Learn Student Ambassadors जागतिक विद्यार्थी राजदूत समुदायात सामील व्हा, हे Microsoft मध्ये प्रवेश करण्याचा तुमचा मार्ग असू शकतो.
प्रारंभ करणे
📚 दस्तऐवजीकरण
- स्थापना मार्गदर्शक - नवशिक्यांसाठी चरण-दर-चरण सेटअप सूचना
- वापर मार्गदर्शक - उदाहरणे आणि सामान्य कार्यप्रवाह
- समस्या निवारण - सामान्य समस्यांचे निराकरण
- योगदान मार्गदर्शक - या प्रकल्पात योगदान कसे द्यावे
- शिक्षकांसाठी - शिक्षण मार्गदर्शन आणि वर्ग संसाधने
👨🎓 विद्यार्थ्यांसाठी
पूर्ण नवशिक्या: डेटा सायन्समध्ये नवीन आहात? आमच्या नवशिक्या-अनुकूल उदाहरणांपासून प्रारंभ करा! ही सोपी, चांगल्या प्रकारे टिप्पणी दिलेली उदाहरणे तुम्हाला संपूर्ण अभ्यासक्रमात जाण्यापूर्वी मूलभूत गोष्टी समजून घेण्यास मदत करतील. विद्यार्थी: स्वतः हा अभ्यासक्रम वापरण्यासाठी, संपूर्ण रेपो फोर्क करा आणि स्वतःच व्यायाम पूर्ण करा, प्री-लेक्चर क्विझपासून सुरुवात करा. नंतर व्याख्यान वाचा आणि उर्वरित क्रियाकलाप पूर्ण करा. धड्यांमधून समजून प्रकल्प तयार करण्याचा प्रयत्न करा, समाधान कोड कॉपी करण्याऐवजी; तथापि, तो कोड प्रत्येक प्रकल्प-आधारित धड्याच्या /solutions फोल्डर्समध्ये उपलब्ध आहे. आणखी एक कल्पना म्हणजे मित्रांसह अभ्यास गट तयार करणे आणि सामग्री एकत्रितपणे जाणे. पुढील अभ्यासासाठी, आम्ही Microsoft Learn ची शिफारस करतो.
जलद प्रारंभ:
- तुमचे वातावरण सेट करण्यासाठी स्थापना मार्गदर्शक तपासा
- अभ्यासक्रमासह कार्य कसे करावे हे शिकण्यासाठी वापर मार्गदर्शक पुनरावलोकन करा
- धडा 1 पासून सुरुवात करा आणि क्रमाने पुढे जा
- समर्थनासाठी आमच्या Discord समुदायात सामील व्हा
👩🏫 शिक्षकांसाठी
शिक्षक: आम्ही या अभ्यासक्रमाचा वापर कसा करावा याबद्दल काही सूचना समाविष्ट केल्या आहेत. आम्हाला तुमचे अभिप्राय आमच्या चर्चा मंचावर आवडेल!
टीमशी भेटा
Gif द्वारे मोहित जैसल
🎥 वरील प्रतिमेवर क्लिक करा प्रकल्पाबद्दल व्हिडिओ आणि ज्यांनी ते तयार केले त्यांच्याबद्दल!
शिक्षण पद्धती
आम्ही या अभ्यासक्रमाची रचना करताना दोन शैक्षणिक तत्त्वे निवडली आहेत: प्रकल्प-आधारित शिक्षण सुनिश्चित करणे आणि वारंवार क्विझ समाविष्ट करणे. या मालिकेच्या शेवटी, विद्यार्थ्यांना डेटा सायन्सचे मूलभूत तत्त्वे शिकलेली असतील, ज्यामध्ये नैतिक संकल्पना, डेटा तयारी, डेटा हाताळण्याचे विविध मार्ग, डेटा व्हिज्युअलायझेशन, डेटा विश्लेषण, डेटा सायन्सचे वास्तविक जीवनातील उपयोग आणि बरेच काही समाविष्ट आहे.
याशिवाय, वर्गाच्या आधी घेतलेला कमी ताणाचा क्विझ विद्यार्थ्याला विषय शिकण्याच्या उद्देशाकडे वळवतो, तर वर्गानंतर घेतलेला दुसरा क्विझ अधिक चांगल्या प्रकारे माहिती लक्षात ठेवण्यास मदत करतो. हा अभ्यासक्रम लवचिक आणि मजेदार बनविण्यासाठी तयार केला गेला आहे आणि तो पूर्णपणे किंवा अंशतः घेतला जाऊ शकतो. प्रकल्प लहान स्वरूपात सुरू होतात आणि 10 आठवड्यांच्या चक्राच्या शेवटी अधिकाधिक जटिल होतात.
आमचे आचारसंहिता, योगदान, भाषांतर मार्गदर्शक तत्त्वे शोधा. आम्ही तुमच्या रचनात्मक अभिप्रायाचे स्वागत करतो!
प्रत्येक धड्यात समाविष्ट आहे:
- पर्यायी स्केच नोट
- पर्यायी पूरक व्हिडिओ
- धड्याच्या आधीचा वॉर्मअप क्विझ
- लेखी धडा
- प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याचे चरण-दर-चरण मार्गदर्शन
- ज्ञान तपासणी
- एक आव्हान
- पूरक वाचन
- असाइनमेंट
- धड्यानंतरचा क्विझ
क्विझबद्दल एक टीप: सर्व क्विझ Quiz-App फोल्डरमध्ये समाविष्ट आहेत, ज्यामध्ये प्रत्येक तीन प्रश्नांसाठी 40 क्विझ आहेत. ते धड्यांमधून लिंक केलेले आहेत, परंतु क्विझ अॅप स्थानिक पातळीवर चालवले जाऊ शकते किंवा Azure वर तैनात केले जाऊ शकते;
quiz-appफोल्डरमधील सूचनांचे अनुसरण करा. ते हळूहळू स्थानिक भाषांमध्ये अनुवादित केले जात आहेत.
🎓 नवशिक्यांसाठी सोपे उदाहरणे
डेटा सायन्समध्ये नवीन आहात? आम्ही एक विशेष उदाहरणे निर्देशिका तयार केली आहे ज्यामध्ये सोपी, चांगल्या प्रकारे टिप्पणी दिलेली कोड आहे जी तुम्हाला सुरुवात करण्यात मदत करेल:
- 🌟 हॅलो वर्ल्ड - तुमचा पहिला डेटा सायन्स प्रोग्राम
- 📂 डेटा लोड करणे - डेटासेट वाचणे आणि एक्सप्लोर करणे शिकणे
- 📊 साधे विश्लेषण - आकडेवारीची गणना करणे आणि नमुने शोधणे
- 📈 मूलभूत व्हिज्युअलायझेशन - चार्ट आणि ग्राफ तयार करणे
- 🔬 वास्तविक जीवनातील प्रकल्प - सुरुवातीपासून शेवटपर्यंत पूर्ण कार्यप्रवाह
प्रत्येक उदाहरणात प्रत्येक चरण स्पष्ट करणाऱ्या तपशीलवार टिप्पण्या समाविष्ट आहेत, ज्यामुळे ते पूर्ण नवशिक्यांसाठी योग्य बनते!
धडे
![]() |
|---|
| डेटा सायन्स नवशिक्यांसाठी: रोडमॅप - @nitya द्वारे स्केच नोट |
| धडा क्रमांक | विषय | धड्याचे गट | शिकण्याची उद्दिष्टे | लिंक केलेला धडा | लेखक |
|---|---|---|---|---|---|
| 01 | डेटा सायन्सची व्याख्या | परिचय | डेटा सायन्समागील मूलभूत संकल्पना आणि ते कृत्रिम बुद्धिमत्ता, मशीन लर्निंग आणि बिग डेटा शी कसे संबंधित आहे ते शिकणे. | धडा व्हिडिओ | Dmitry |
| 02 | डेटा सायन्स नैतिकता | परिचय | डेटा नैतिकतेच्या संकल्पना, आव्हाने आणि फ्रेमवर्क. | धडा | Nitya |
| 03 | डेटाची व्याख्या | परिचय | डेटा कसा वर्गीकृत केला जातो आणि त्याचे सामान्य स्रोत काय आहेत. | धडा | Jasmine |
| 04 | आकडेवारी आणि संभाव्यतेची ओळख | परिचय | डेटा समजून घेण्यासाठी संभाव्यता आणि आकडेवारीचे गणितीय तंत्र. | धडा व्हिडिओ | Dmitry |
| 05 | रिलेशनल डेटासह काम करणे | डेटासह काम करणे | रिलेशनल डेटाची ओळख आणि स्ट्रक्चर्ड क्वेरी लँग्वेज, ज्याला SQL (सी-क्वेल) म्हणून ओळखले जाते, यासह रिलेशनल डेटा एक्सप्लोर आणि विश्लेषण करण्याचे मूलभूत तत्त्वे. | धडा | Christopher |
| 06 | NoSQL डेटासह काम करणे | डेटासह काम करणे | नॉन-रिलेशनल डेटाची ओळख, त्याचे विविध प्रकार आणि डॉक्युमेंट डेटाबेस एक्सप्लोर आणि विश्लेषण करण्याचे मूलभूत तत्त्वे. | धडा | Jasmine |
| 07 | Python सह काम करणे | डेटासह काम करणे | Pandas सारख्या लायब्ररीसह डेटा एक्सप्लोरेशनसाठी Python वापरण्याचे मूलभूत तत्त्वे. Python प्रोग्रामिंगचे मूलभूत ज्ञान शिफारस केले जाते. | धडा व्हिडिओ | Dmitry |
| 08 | डेटा तयारी | डेटासह काम करणे | डेटा साफसफाई आणि रूपांतर करण्याच्या तंत्रांवरील विषय, ज्यामुळे हरवलेला, अचूक नसलेला किंवा अपूर्ण डेटा हाताळता येतो. | धडा | Jasmine |
| 09 | प्रमाणांचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | Matplotlib वापरून पक्ष्यांचा डेटा 🦆 व्हिज्युअलायझेशन कसे करायचे ते शिकणे. | धडा | Jen |
| 10 | डेटाच्या वितरणाचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | एका अंतरालातील निरीक्षणे आणि ट्रेंड व्हिज्युअलायझेशन करणे. | धडा | Jen |
| 11 | प्रमाणांचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | वेगळ्या आणि गटबद्ध टक्केवारीचे व्हिज्युअलायझेशन करणे. | धडा | Jen |
| 12 | नातेसंबंधांचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | डेटाच्या संचांमधील कनेक्शन आणि सहसंबंध व्हिज्युअलायझेशन करणे. | धडा | Jen |
| 13 | अर्थपूर्ण व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | तुमचे व्हिज्युअलायझेशन प्रभावी समस्या सोडवण्यासाठी आणि अंतर्दृष्टीसाठी मूल्यवान बनवण्यासाठी तंत्र आणि मार्गदर्शन. | धडा | Jen |
| 14 | डेटा सायन्स जीवनचक्राची ओळख | जीवनचक्र | डेटा सायन्स जीवनचक्राची ओळख आणि डेटा मिळवणे आणि काढणे याचा पहिला टप्पा. | धडा | Jasmine |
| 15 | विश्लेषण करणे | जीवनचक्र | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा विश्लेषण करण्याच्या तंत्रांवर लक्ष केंद्रित करतो. | धडा | Jasmine |
| 16 | संवाद | जीवनचक्र | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा मधून अंतर्दृष्टी सादर करण्यावर लक्ष केंद्रित करतो ज्यामुळे निर्णय घेणाऱ्यांना समजणे सोपे होते. | धडा | Jalen |
| 17 | क्लाउडमधील डेटा सायन्स | क्लाउड डेटा | क्लाउडमधील डेटा सायन्स आणि त्याचे फायदे याची ओळख करून देणाऱ्या धड्यांची मालिका. | धडा | Tiffany आणि Maud |
| 18 | क्लाउडमधील डेटा सायन्स | क्लाउड डेटा | लो कोड टूल्स वापरून मॉडेल्स प्रशिक्षण देणे. | धडा | Tiffany आणि Maud |
| 19 | क्लाउडमधील डेटा सायन्स | क्लाउड डेटा | Azure Machine Learning Studio सह मॉडेल्स तैनात करणे. | धडा | Tiffany आणि Maud |
| 20 | जंगलातील डेटा सायन्स | जंगलात | वास्तविक जगातील डेटा सायन्स चालवलेले प्रकल्प. | धडा | Nitya |
GitHub Codespaces
या नमुन्याला Codespace मध्ये उघडण्यासाठी खालील चरणांचे अनुसरण करा:
- कोड ड्रॉप-डाउन मेनूवर क्लिक करा आणि Open with Codespaces पर्याय निवडा.
- पॅनच्या तळाशी + New codespace निवडा. अधिक माहितीसाठी, GitHub दस्तऐवज तपासा.
VSCode Remote - Containers
तुमच्या स्थानिक मशीन आणि VSCode वापरून VS Code Remote - Containers विस्तार वापरून या रिपॉझिटरीला कंटेनरमध्ये उघडण्यासाठी खालील चरणांचे अनुसरण करा:
- जर तुम्ही प्रथमच विकास कंटेनर वापरत असाल, तर कृपया तुमची प्रणाली पूर्व-आवश्यकता पूर्ण करते (उदा. Docker स्थापित केले आहे) याची खात्री करा सुरुवात दस्तऐवज मध्ये.
या रिपॉझिटरीचा वापर करण्यासाठी, तुम्ही रिपॉझिटरीला वेगळ्या Docker व्हॉल्यूममध्ये उघडू शकता:
टीप: अंतर्गत, हे Remote-Containers: Clone Repository in Container Volume... कमांड वापरेल जे स्थानिक फाइल सिस्टमऐवजी स्रोत कोड Docker व्हॉल्यूममध्ये क्लोन करेल. व्हॉल्यूम कंटेनर डेटा टिकवून ठेवण्यासाठी प्राधान्य दिलेले यंत्रणा आहेत.
किंवा स्थानिक पातळीवर क्लोन केलेल्या किंवा डाउनलोड केलेल्या रिपॉझिटरीची आवृत्ती उघडा:
- ही रिपॉझिटरी तुमच्या स्थानिक फाइल सिस्टमवर क्लोन करा.
- F1 दाबा आणि Remote-Containers: Open Folder in Container... कमांड निवडा.
- या फोल्डरची क्लोन केलेली प्रत निवडा, कंटेनर सुरू होण्याची वाट पाहा आणि गोष्टी वापरून पहा.
ऑफलाइन प्रवेश
तुम्ही Docsify वापरून हे दस्तऐवज ऑफलाइन चालवू शकता. ही रिपॉझिटरी फोर्क करा, Docsify स्थापित करा तुमच्या स्थानिक मशीनवर, नंतर या रिपॉझिटरीच्या मूळ फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट तुमच्या लोकलहोस्टवर पोर्ट 3000 वर चालवली जाईल: localhost:3000.
टीप, नोटबुक्स Docsify द्वारे प्रस्तुत केले जाणार नाहीत, त्यामुळे जेव्हा तुम्हाला नोटबुक चालवायचे असेल, तेव्हा ते वेगळ्या प्रकारे VS Code मध्ये Python कर्नल चालवून करा.
इतर अभ्यासक्रम
आमची टीम इतर अभ्यासक्रम तयार करते! तपासा:
Azure / Edge / MCP / Agents
जनरेटिव AI मालिका
मुख्य शिक्षण
कोपायलट मालिका
मदत मिळवा
समस्या येत आहेत? सामान्य समस्यांसाठी उपाय शोधण्यासाठी आमचा समस्या निवारण मार्गदर्शक तपासा.
जर तुम्हाला अडचण आली किंवा AI अॅप्स तयार करताना काही प्रश्न असतील, तर सामील व्हा:
जर तुम्हाला उत्पादन फीडबॅक द्यायचे असेल किंवा तयार करताना त्रुटी आढळल्यास, भेट द्या:
अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी, कृपया लक्षात ठेवा की स्वयंचलित भाषांतरे त्रुटी किंवा अचूकतेच्या अभावाने युक्त असू शकतात. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.



