|
|
4 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 4 months ago | |
| 2-Working-With-Data | 4 months ago | |
| 3-Data-Visualization | 5 months ago | |
| 4-Data-Science-Lifecycle | 5 months ago | |
| 5-Data-Science-In-Cloud | 5 months ago | |
| 6-Data-Science-In-Wild | 5 months ago | |
| docs | 5 months ago | |
| examples | 4 months ago | |
| quiz-app | 5 months ago | |
| sketchnotes | 5 months ago | |
| AGENTS.md | 4 months ago | |
| CODE_OF_CONDUCT.md | 5 months ago | |
| CONTRIBUTING.md | 4 months ago | |
| INSTALLATION.md | 4 months ago | |
| README.md | 4 months ago | |
| SECURITY.md | 5 months ago | |
| SUPPORT.md | 5 months ago | |
| TROUBLESHOOTING.md | 4 months ago | |
| USAGE.md | 4 months ago | |
| for-teachers.md | 5 months ago | |
README.md
डेटा सायन्ससाठी नवशिक्यांसाठी - 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: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 विशेष आभार 🙏 आमच्या Microsoft Student Ambassador लेखक, समीक्षक आणि सामग्री योगदानकर्त्यांचे, विशेषतः 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
![]() |
|---|
| डेटा सायन्ससाठी नवशिक्यांसाठी - Sketchnote by @nitya |
🌐 बहुभाषिक समर्थन
GitHub Action द्वारे समर्थित (स्वयंचलित आणि नेहमी अद्ययावत)
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 | Korean | Lithuanian | Malay | Marathi | Nepali | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Thai | Turkish | Ukrainian | Urdu | Vietnamese
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 Learn with AI Series मध्ये 18 - 30 सप्टेंबर, 2025 दरम्यान सामील व्हा. तुम्हाला GitHub Copilot डेटा सायन्ससाठी वापरण्याचे टिप्स आणि ट्रिक्स मिळतील.
तुम्ही विद्यार्थी आहात का?
खालील संसाधनांसह सुरुवात करा:
- Student Hub पृष्ठ या पृष्ठावर तुम्हाला नवशिक्यांसाठी संसाधने, विद्यार्थी पॅक आणि अगदी मोफत प्रमाणपत्र व्हाउचर मिळवण्याचे मार्ग सापडतील. हे पृष्ठ बुकमार्क करा आणि वेळोवेळी तपासा कारण आम्ही दर महिन्याला सामग्री बदलतो.
- Microsoft Learn Student Ambassadors जागतिक विद्यार्थी राजदूत समुदायात सामील व्हा, हे Microsoft मध्ये प्रवेश करण्याचा तुमचा मार्ग असू शकतो.
सुरुवात कशी करावी
📚 दस्तऐवज
- इंस्टॉलेशन 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 नवशिके: डेटा सायन्समध्ये नवीन आहात? आमच्या नवशिक्यांसाठी अनुकूल उदाहरणांपासून सुरुवात करा! ही सोपी, चांगल्या प्रकारे टिप्पणी केलेली उदाहरणे तुम्हाला संपूर्ण अभ्यासक्रमात जाण्यापूर्वी मूलभूत गोष्टी समजून घेण्यास मदत करतील. विद्यार्थी: हा अभ्यासक्रम स्वतः 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 एकत्र सामग्रीचा अभ्यास करणे. पुढील अभ्यासासाठी, आम्ही Microsoft Learn ची शिफारस करतो.
जलद सुरुवात:
- तुमचे वातावरण सेट करण्यासाठी इंस्टॉलेशन मार्गदर्शक तपासा
- अभ्यासक्रमासह काम कसे करावे हे शिकण्यासाठी वापर मार्गदर्शक पुनरावलोकन करा
- पहिल्या धड्यापासून 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!
टीमला भेटा
Gif द्वारे Mohit Jaisal
🎥 वरच्या प्रतिमेवर क्लिक करा प्रकल्पाबद्दल आणि ते तयार करणाऱ्या लोकांबद्दल व्हिडिओ पाहण्यासाठी!
शिक्षण पद्धती
आम्ही हा अभ्यासक्रम तयार करताना दोन शैक्षणिक तत्त्वे निवडली आहेत: प्रकल्प-आधारित शिकवणी सुनिश्चित करणे आणि वारंवार क्विझ समाविष्ट करणे. या मालिकेच्या शेवटी, विद्यार्थ्यांनी डेटा सायन्सचे मूलभूत तत्त्वे शिकलेली असतील, ज्यामध्ये नैतिक संकल्पना, डेटा तयारी, डेटासोबत काम करण्याचे विविध मार्ग, डेटा व्हिज्युअलायझेशन, डेटा विश्लेषण, डेटा सायन्सचे वास्तव जीवनातील उपयोग आणि बरेच काही समाविष्ट आहे.
याशिवाय, वर्गाच्या आधी घेतलेला कमी दबावाचा क्विझ विद्यार्थ्याला विषय शिकण्याच्या उद्देशाने तयार करतो, तर वर्गानंतर घेतलेला दुसरा क्विझ अधिक चांगल्या प्रकारे शिकलेले लक्षात ठेवण्यास मदत करतो. हा अभ्यासक्रम लवचिक आणि मजेदार बनविण्यासाठी डिझाइन केला गेला आहे आणि तो पूर्ण किंवा अंशतः घेतला जाऊ शकतो. प्रकल्प लहान स्वरूपात सुरू होतात आणि 10 आठवड्यांच्या चक्राच्या शेवटी अधिकाधिक गुंतागुंतीचे होतात.
आमचा आचारसंहिता, योगदान, भाषांतर मार्गदर्शक तत्त्वे पहा. आम्ही तुमच्या रचनात्मक अभिप्रायाचे स्वागत करतो!
प्रत्येक धड्यात समाविष्ट आहे:
- ऐच्छिक स्केच नोट
- ऐच्छिक पूरक व्हिडिओ
- धड्यापूर्वीचा वॉर्मअप क्विझ
- लेखी धडा
- प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याबद्दल चरण-दर-चरण मार्गदर्शक
- ज्ञान तपासणी
- एक आव्हान
- पूरक वाचन
- असाइनमेंट
- धड्यानंतरचा क्विझ
क्विझबद्दल एक टीप: सर्व क्विझ Quiz-App फोल्डरमध्ये समाविष्ट आहेत, ज्यामध्ये प्रत्येकी तीन प्रश्नांसह एकूण 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 का? आम्ही एक विशेष उदाहरण निर्देशिका तयार केली आहे ज्यामध्ये सोपी, चांगल्या प्रकारे टिप्पणी केलेली कोड आहे जी तुम्हाला सुरुवात करण्यात मदत करेल:
- 🌟 हॅलो वर्ल्ड - तुमचा पहिला डेटा सायन्स प्रोग्राम
- 📂 डेटा लोड करणे - डेटासेट वाचणे आणि त्यांचा अभ्यास करणे शिका
- 📊 सोपे विश्लेषण - सांख्यिकी मोजा आणि नमुने शोधा
- 📈 मूलभूत व्हिज्युअलायझेशन - चार्ट्स आणि ग्राफ तयार करा
- 🔬 वास्तविक प्रकल्प - सुरुवातीपासून शेवटपर्यंत संपूर्ण कार्यप्रवाह
प्रत्येक उदाहरणामध्ये प्रत्येक टप्प्याचे तपशीलवार स्पष्टीकरण असते, जे नवशिक्यांसाठी परिपूर्ण आहे!
धडे
![]() |
|---|
| डेटा सायन्स फॉर बिगिनर्स: रोडमॅप - @nitya द्वारे स्केच नोट |
| धडा क्रमांक | विषय | धड्यांचे गट | शिकण्याचे उद्दिष्ट | लिंक केलेला धडा | लेखक |
|---|---|---|---|---|---|
| 01 | डेटा सायन्सची व्याख्या | परिचय | डेटा सायन्समागील मूलभूत संकल्पना आणि त्याचा कृत्रिम बुद्धिमत्ता, मशीन लर्निंग आणि बिग डेटा यांच्याशी कसा संबंध आहे हे जाणून घ्या. | धडा व्हिडिओ | Dmitry |
| 02 | डेटा सायन्स नैतिकता | परिचय | डेटा नैतिकतेच्या संकल्पना, आव्हाने आणि चौकट. | धडा | Nitya |
| 03 | डेटाची व्याख्या | परिचय | डेटा कसा वर्गीकृत केला जातो आणि त्याचे सामान्य स्रोत काय आहेत. | धडा | Jasmine |
| 04 | सांख्यिकी आणि संभाव्यता यांचा परिचय | परिचय | डेटा समजण्यासाठी संभाव्यता आणि सांख्यिकीचे गणितीय तंत्र. | धडा व्हिडिओ | Dmitry |
| 05 | रिलेशनल डेटासोबत काम करणे | डेटासोबत काम करणे | रिलेशनल डेटाचा परिचय आणि स्ट्रक्चर्ड क्वेरी लँग्वेज (SQL) चा वापर करून रिलेशनल डेटाचा अभ्यास आणि विश्लेषण करण्याचे मूलभूत तत्त्वे. | धडा | Christopher |
| 06 | NoSQL डेटासोबत काम करणे | डेटासोबत काम करणे | नॉन-रिलेशनल डेटा, त्याचे विविध प्रकार आणि डॉक्युमेंट डेटाबेसचा अभ्यास आणि विश्लेषण करण्याचे मूलभूत तत्त्वे. | धडा | Jasmine |
| 07 | पायथनसोबत काम करणे | डेटासोबत काम करणे | Pandas सारख्या लायब्ररीसह डेटा एक्सप्लोरेशनसाठी पायथनचा वापर करण्याचे मूलभूत तत्त्वे. पायथन प्रोग्रामिंगचे मूलभूत ज्ञान असणे शिफारसीय आहे. | धडा व्हिडिओ | Dmitry |
| 08 | डेटा तयारी | डेटासोबत काम करणे | डेटा साफसफाई आणि रूपांतर करण्याच्या तंत्रांवरील विषय, जसे की हरवलेला, अचूक नसलेला किंवा अपूर्ण डेटा हाताळणे. | धडा | Jasmine |
| 09 | प्रमाणांचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | मॅटप्लॉटलिबचा वापर करून पक्ष्यांचा डेटा 🦆 व्हिज्युअलायझेशन कसे करावे ते शिका. | धडा | Jen |
| 10 | डेटाच्या वितरणांचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | एका अंतरालातील निरीक्षणे आणि ट्रेंड्सचे व्हिज्युअलायझेशन. | धडा | Jen |
| 11 | प्रमाणांचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | वेगळ्या आणि गटबद्ध टक्केवारीचे व्हिज्युअलायझेशन. | धडा | Jen |
| 12 | नातेसंबंधांचे व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | डेटाच्या संचांमधील कनेक्शन आणि सहसंबंधांचे व्हिज्युअलायझेशन. | धडा | Jen |
| 13 | अर्थपूर्ण व्हिज्युअलायझेशन | डेटा व्हिज्युअलायझेशन | प्रभावी समस्या सोडवण्यासाठी आणि अंतर्दृष्टीसाठी तुमच्या व्हिज्युअलायझेशनला मूल्यवान बनवण्यासाठी तंत्र आणि मार्गदर्शन. | धडा | Jen |
| 14 | डेटा सायन्स जीवनचक्राचा परिचय | जीवनचक्र | डेटा सायन्स जीवनचक्राचा परिचय आणि डेटा मिळवणे आणि काढणे याचा पहिला टप्पा. | धडा | Jasmine |
| 15 | विश्लेषण | जीवनचक्र | डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा विश्लेषणाच्या 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 होईल. | धडा | Jalen |
| 17 | क्लाउडमधील डेटा सायन्स | क्लाउड डेटा | क्लाउडमधील डेटा सायन्स आणि त्याचे फायदे यांचा परिचय देणाऱ्या धड्यांची मालिका. | धडा | Tiffany आणि Maud |
| 18 | क्लाउडमधील डेटा सायन्स | क्लाउड डेटा | लो कोड साधनांचा वापर करून मॉडेल्स प्रशिक्षण. | धडा | Tiffany आणि Maud |
| 19 | क्लाउडमधील डेटा सायन्स | क्लाउड डेटा | Azure Machine Learning Studio सह मॉडेल्स तैनात करणे. | धडा | Tiffany आणि Maud |
| 20 | वाइल्डमधील डेटा सायन्स | वाइल्डमध्ये | वास्तव जीवनातील डेटा सायन्स 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 चा वापर करून VS Code Remote - Containers विस्तारासह या रेपोला कंटेनरमध्ये उघडण्यासाठी खालील चरणांचे अनुसरण करा:
- जर तुम्ही प्रथमच विकास कंटेनर वापरत असाल, तर कृपया तुमची प्रणाली पूर्व-आवश्यकता पूर्ण करते याची खात्री करा (उदा. तुमच्याकडे Docker स्थापित आहे) गेटिंग स्टार्टेड दस्तऐवज मध्ये.
या रेपोचा वापर करण्यासाठी, तुम्ही रेपोला एक वेगळ्या Docker व्हॉल्यूममध्ये उघडू शकता:
टीप: अंतर्गत, हे Remote-Containers: Clone Repository in Container Volume... कमांडचा वापर करेल जेणेकरून स्थानिक फाइल सिस्टमऐवजी Docker व्हॉल्यूममध्ये स्त्रोत कोड क्लोन केला जाईल. व्हॉल्यूम्स कंटेनर डेटा टिकवून ठेवण्यासाठी प्राधान्य दिलेली यंत्रणा आहे.
किंवा रेपोची स्थानिक पातळीवर क्लोन केलेली किंवा डाउनलोड केलेली आवृत्ती उघडा:
- या रेपोला 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 प्रतीक्षा करा आणि गोष्टी वापरून पहा.
ऑफलाइन प्रवेश
तुम्ही Docsify चा वापर करून ही दस्तऐवज ऑफलाइन चालवू शकता. या रेपोला फोर्क करा, Docsify स्थापित करा तुमच्या स्थानिक मशीनवर, नंतर या रेपोच्या मूळ फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट तुमच्या लोकलहोस्टवर पोर्ट 3000 वर चालवली जाईल: localhost:3000.
टीप, नोटबुक्स Docsify द्वारे रेंडर केले जाणार नाहीत, त्यामुळे जेव्हा तुम्हाला नोटबुक चालवायचे असेल, तेव्हा ते वेगळ्या पायथन कर्नल चालवणाऱ्या VS Code मध्ये करा.
इतर अभ्यासक्रम
आमची टीम इतर अभ्यासक्रम देखील तयार करते! तपासा:
- एज AI फॉर बिगिनर्स
- AI एजंट्स फॉर बिगिनर्स
- जनरेटिव्ह AI फॉर बिगिनर्स
- जनरेटिव्ह AI फॉर बिगिनर्स .NET
- जनरेटिव्ह AI विथ जावास्क्रिप्ट
- जनरेटिव्ह AI विथ जावा
- AI फॉर बिगिनर्स
- डेटा सायन्स फॉर बिगिनर्स
- Bash फॉर बिगिनर्स
- ML फॉर बिगिनर्स
- सायबरसिक्युरिटी फॉर बिगिनर्स
- वेब डेव्हलपमेंटसाठी नवशिके
- IoT साठी नवशिके
- मशीन लर्निंगसाठी नवशिके
- XR डेव्हलपमेंटसाठी नवशिके
- AI जोडप्याने प्रोग्रामिंगसाठी GitHub Copilot मध्ये प्राविण्य मिळवा
- XR डेव्हलपमेंटसाठी नवशिके
- C#/.NET डेव्हलपर्ससाठी GitHub Copilot मध्ये प्राविण्य मिळवा
- तुमचा स्वतःचा Copilot साहस निवडा
मदत मिळवा
समस्या येत आहेत? सामान्य समस्यांसाठी उपाय शोधण्यासाठी आमचा समस्या निवारण मार्गदर्शक तपासा.
जर तुम्ही अडकलात किंवा AI अॅप्स तयार करण्याबद्दल काही प्रश्न असतील, तर सामील व्हा:
जर तुम्हाला उत्पादनाबद्दल अभिप्राय द्यायचा असेल किंवा तयार करताना काही त्रुटी आढळल्या तर 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 भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून निर्माण होणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.



