Data-Science-For-Beginners/translations/mr

डेटा सायन्ससाठी नवशिक्यांसाठी - अभ्यासक्रम

Azure Cloud Advocates at Microsoft यांनी डेटा सायन्ससाठी 10 आठवड्यांचा, 20 धड्यांचा अभ्यासक्रम सादर केला आहे. प्रत्येक धड्यात प्री-लेसन आणि पोस्ट-लेसन क्विझ, धडा पूर्ण करण्यासाठी लेखी सूचना, एक सोल्यूशन आणि एक असाइनमेंट समाविष्ट आहे. प्रकल्प-आधारित शिकण्याच्या पद्धतीमुळे तुम्हाला शिकताना तयार करण्याची संधी मिळते, जी नवीन कौशल्ये आत्मसात करण्याचा सिद्ध मार्ग आहे.

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, पुनरावलोकक 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 - @nitya यांचे स्केच

घोषणा - जनरेटिव्ह AI साठी नवीन अभ्यासक्रम प्रकाशित झाला आहे!

आम्ही नुकताच जनरेटिव्ह AI वर 12 धड्यांचा अभ्यासक्रम प्रकाशित केला आहे. येथे तुम्ही शिकू शकता:

• प्रॉम्प्टिंग आणि प्रॉम्प्ट इंजिनिअरिंग
• टेक्स्ट आणि इमेज अॅप्स तयार करणे
• सर्च अॅप्स

नेहमीप्रमाणे, प्रत्येक धड्यात शिकण्याची सामग्री, असाइनमेंट्स, ज्ञान तपासणी आणि आव्हाने आहेत.

पहा:

https://aka.ms/genai-beginners

तुम्ही विद्यार्थी आहात का?

खालील संसाधनांपासून सुरुवात करा:

• Student Hub पृष्ठ येथे तुम्हाला नवशिक्यांसाठी संसाधने, विद्यार्थी पॅक्स आणि अगदी मोफत प्रमाणपत्र वाउचर मिळवण्याचे मार्ग सापडतील. हे पृष्ठ बुकमार्क करा आणि वेळोवेळी तपासा कारण आम्ही दर महिन्याला सामग्री बदलतो.
• Microsoft Learn Student Ambassadors जागतिक विद्यार्थी अॅम्बेसेडर समुदायात सामील व्हा, हे Microsoft मध्ये प्रवेश करण्याचा तुमचा मार्ग असू शकतो.

सुरुवात कशी करावी

शिक्षकांसाठी: आम्ही काही सूचना समाविष्ट केल्या आहेत की हा अभ्यासक्रम कसा वापरायचा. आम्हाला तुमचे अभिप्राय आमच्या चर्चा फोरममध्ये आवडतील!

विद्यार्थ्यांसाठी: हा अभ्यासक्रम स्वतःसाठी वापरण्यासाठी, संपूर्ण रेपो फोर्क करा आणि स्वतःच सराव करा, प्री-लेक्चर क्विझपासून सुरुवात करा. नंतर लेक्चर वाचा आणि उर्वरित क्रियाकलाप पूर्ण करा. धड्यांमधून समजून प्रकल्प तयार करण्याचा प्रयत्न करा, सोल्यूशन कोड कॉपी करण्याऐवजी; तथापि, तो कोड प्रत्येक प्रकल्प-आधारित धड्याच्या /solutions फोल्डरमध्ये उपलब्ध आहे. आणखी एक कल्पना म्हणजे मित्रांसह अभ्यास गट तयार करणे आणि सामग्री एकत्रितपणे शिकणे. पुढील अभ्यासासाठी, आम्ही Microsoft Learn ची शिफारस करतो.

टीमला भेटा

Gif द्वारे Mohit Jaisal

🎥 वरील प्रतिमेवर क्लिक करा प्रकल्पाबद्दल आणि त्याचे निर्माते जाणून घेण्यासाठी!

शिक्षण पद्धती

आम्ही हा अभ्यासक्रम तयार करताना दोन शिक्षण पद्धती निवडल्या आहेत: प्रकल्प-आधारित शिकवणी आणि वारंवार क्विझ समाविष्ट करणे. या मालिकेच्या शेवटी, विद्यार्थ्यांना डेटा सायन्सचे मूलभूत तत्त्वे, नैतिक संकल्पना, डेटा तयारी, डेटा हाताळण्याचे विविध मार्ग, डेटा व्हिज्युअलायझेशन, डेटा विश्लेषण, डेटा सायन्सचे वास्तविक जीवनातील उपयोग आणि बरेच काही शिकलेले असेल.

याशिवाय, वर्गापूर्वीचा क्विझ विद्यार्थ्याला विषय शिकण्याच्या दिशेने प्रेरित करतो, तर वर्गानंतरचा क्विझ शिकलेले ज्ञान अधिक चांगल्या प्रकारे 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 Code of Conduct, Contributing, Translation मार्गदर्शक तत्त्वे शोधा. आम्ही तुमच्या रचनात्मक अभिप्रायांचे स्वागत करतो!

प्रत्येक धड्यात समाविष्ट आहे:

• वैकल्पिक स्केच
• वैकल्पिक पूरक व्हिडिओ
• प्री-लेसन वॉर्मअप क्विझ
• लेखी धडा
• प्रकल्प-आधारित धड्यांसाठी, प्रकल्प कसा तयार करायचा याचे चरण-दर-चरण मार्गदर्शन
• ज्ञान तपासणी
• एक आव्हान
• पूरक वाचन
• असाइनमेंट
• पोस्ट-लेसन क्विझ

क्विझबद्दल एक टीप: सर्व क्विझ Quiz-App फोल्डरमध्ये आहेत, एकूण 40 क्विझ, प्रत्येकी तीन प्रश्नांसह. ते धड्यांमधून लिंक केलेले आहेत, परंतु क्विझ अॅप स्थानिकरित्या चालवले जाऊ शकते किंवा Azure वर तैनात केले जाऊ शकते; quiz-app फोल्डरमधील सूचनांचे अनुसरण करा. ते हळूहळू स्थानिक भाषांमध्ये अनुवादित केले जात आहेत.

धडे

डेटा सायन्ससाठी नवशिक्यांसाठी: रोडमॅप - @nitya यांचे स्केच

धडा क्रमांक	विषय	धड्यांचे गटिंग	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 फ्रेमवर्क.	धडा	Nitya
03	डेटाची व्याख्या	परिचय	डेटा कसा वर्गीकृत केला जातो आणि त्याचे सामान्य स्रोत काय आहेत.	धडा	Jasmine
04	सांख्यिकी आणि संभाव्यता परिचय	परिचय	डेटा समजण्यासाठी संभाव्यता आणि सांख्यिकीचे गणितीय तंत्र.	धडा व्हिडिओ	Dmitry
05	रिलेशनल डेटासह काम करणे	डेटासह काम करणे	रिलेशनल डेटाचा परिचय आणि स्ट्रक्चर्ड क्वेरी लँग्वेज (SQL) चा वापर करून रिलेशनल डेटा एक्सप्लोर आणि विश्लेषण करण्याच्या मूलभूत गोष्टी.	धडा	Christopher
06	NoSQL डेटासह काम करणे	डेटासह काम करणे	नॉन-रिलेशनल डेटाचा परिचय, त्याचे विविध प्रकार आणि डॉक्युमेंट डेटाबेस एक्सप्लोर आणि विश्लेषण करण्याच्या मूलभूत गोष्टी.	धडा	Jasmine
07	Python सह काम करणे	डेटासह काम करणे	Pandas सारख्या लायब्ररीसह डेटा एक्सप्लोरेशनसाठी Python वापरण्याच्या मूलभूत गोष्टी. Python प्रोग्रामिंगचे मूलभूत ज्ञान शिफारसीय आहे.	धडा व्हिडिओ	Dmitry
08	डेटा तयारी	डेटासोबत काम करणे	हरवलेला, अचूक नसलेला किंवा अपूर्ण डेटा हाताळण्यासाठी डेटा स्वच्छ करणे आणि त्याचे रूपांतर करण्याच्या तंत्रांवर आधारित विषय.	पाठ	जॅस्मिन
09	प्रमाणांचे दृश्यांकन	डेटा दृश्यांकन	मॅटप्लॉटलिब वापरून पक्ष्यांच्या डेटाचे दृश्यांकन कसे करावे ते शिका 🦆	पाठ	जेन
10	डेटाच्या वितरणांचे दृश्यांकन	डेटा दृश्यांकन	एका अंतरालातील निरीक्षणे आणि ट्रेंड्सचे दृश्यांकन.	पाठ	जेन
11	प्रमाणांचे दृश्यांकन	डेटा दृश्यांकन	वेगळ्या आणि गटबद्ध टक्केवारींचे दृश्यांकन.	पाठ	जेन
12	नातेसंबंधांचे दृश्यांकन	डेटा दृश्यांकन	डेटाच्या संचांमधील कनेक्शन आणि सहसंबंधांचे दृश्यांकन.	पाठ	जेन
13	अर्थपूर्ण दृश्यांकन	डेटा दृश्यांकन	प्रभावी समस्या सोडवण्यासाठी आणि अंतर्दृष्टीसाठी तुमच्या दृश्यांकनांना मूल्यवान बनवण्याच्या तंत्रांचा आणि मार्गदर्शनाचा अभ्यास.	पाठ	जेन
14	डेटा सायन्स जीवनचक्राची ओळख	जीवनचक्र	डेटा सायन्स जीवनचक्राची ओळख आणि डेटा मिळवणे व काढणे या पहिल्या टप्प्याची माहिती.	पाठ	जॅस्मिन
15	विश्लेषण	जीवनचक्र	डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा विश्लेषणाच्या तंत्रांवर केंद्रित आहे.	पाठ	जॅस्मिन
16	संवाद	जीवनचक्र	डेटा सायन्स जीवनचक्राचा हा टप्पा डेटा अंतर्दृष्टी निर्णय घेणाऱ्यांना समजण्यास सोपे होईल अशा प्रकारे सादर करण्यावर केंद्रित आहे.	पाठ	जालेन
17	क्लाउडमधील डेटा सायन्स	क्लाउड डेटा	क्लाउडमधील डेटा सायन्स आणि त्याचे फायदे यांची ओळख करून देणारे धडे.	पाठ	टिफनी आणि मॉड
18	क्लाउडमधील डेटा सायन्स	क्लाउड डेटा	लो कोड साधनांचा वापर करून मॉडेल्स प्रशिक्षण.	पाठ	टिफनी आणि मॉड
19	क्लाउडमधील डेटा सायन्स	क्लाउड डेटा	Azure Machine Learning Studio वापरून मॉडेल्स तैनात करणे.	पाठ	टिफनी आणि मॉड
20	जंगली परिस्थितीत डेटा सायन्स	जंगली परिस्थितीत	वास्तविक जगातील डेटा सायन्स चालवलेले प्रकल्प.	पाठ	नित्या

GitHub Codespaces

या नमुन्याला Codespace मध्ये उघडण्यासाठी खालील चरणांचे अनुसरण करा:

1. Code ड्रॉप-डाउन मेनूवर क्लिक करा आणि Open with Codespaces पर्याय निवडा.
2. पॅनच्या तळाशी + New codespace निवडा. अधिक माहितीसाठी, GitHub दस्तऐवज तपासा.

VSCode Remote - Containers

तुमच्या स्थानिक मशीन आणि VSCode वापरून VS Code Remote - Containers विस्ताराचा वापर करून हे रेपो कंटेनरमध्ये उघडण्यासाठी खालील चरणांचे अनुसरण करा:

1. जर तुम्ही प्रथमच विकास कंटेनर वापरत असाल, तर कृपया तुमची प्रणाली पूर्व-आवश्यकता पूर्ण करते याची खात्री करा (उदा. Docker स्थापित केले आहे) सुरुवातीच्या दस्तऐवजामध्ये.

या रेपोचा वापर करण्यासाठी, तुम्ही रेपो एका वेगळ्या Docker व्हॉल्यूममध्ये उघडू शकता:

टीप: अंतर्गत, हे Remote-Containers: Clone Repository in Container Volume... कमांड वापरेल जेणेकरून स्थानिक फाइल सिस्टमऐवजी Docker व्हॉल्यूममध्ये स्रोत कोड क्लोन होईल. व्हॉल्यूम्स कंटेनर डेटा टिकवण्यासाठी प्राधान्य दिलेली यंत्रणा आहेत.

किंवा स्थानिक पातळीवर क्लोन केलेली किंवा डाउनलोड केलेली रेपो आवृत्ती उघडा:

• हे रेपो 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 होईपर्यंत प्रतीक्षा करा आणि गोष्टी वापरून पहा.

ऑफलाइन प्रवेश

Docsify वापरून तुम्ही ही दस्तऐवज ऑफलाइन चालवू शकता. हे रेपो फोर्क करा, Docsify स्थापित करा तुमच्या स्थानिक मशीनवर, नंतर या रेपोच्या मूळ फोल्डरमध्ये docsify serve टाइप करा. वेबसाइट तुमच्या localhost वर पोर्ट 3000 वर चालवली जाईल: localhost:3000.

टीप, नोटबुक्स Docsify द्वारे प्रस्तुत केले जाणार नाहीत, त्यामुळे जेव्हा तुम्हाला नोटबुक चालवायचे असेल, तेव्हा ते स्वतंत्रपणे VS Code मध्ये Python कर्नल चालवून करा.

मदतीची गरज आहे!

जर तुम्हाला अभ्यासक्रमाचा संपूर्ण किंवा काही भाग भाषांतरित करायचा असेल, तर कृपया आमच्या भाषांतर मार्गदर्शक चे अनुसरण करा.

इतर अभ्यासक्रम

आमची टीम इतर अभ्यासक्रम तयार करते! तपासा:

• सुरुवातीसाठी जनरेटिव्ह AI
• सुरुवातीसाठी जनरेटिव्ह AI .NET
• JavaScript सह जनरेटिव्ह AI
• Java सह जनरेटिव्ह AI
• सुरुवातीसाठी AI
• सुरुवातीसाठी डेटा सायन्स
• सुरुवातीसाठी ML
• सुरुवातीसाठी सायबरसुरक्षा
• सुरुवातीसाठी वेब डेव्हलपमेंट
• सुरुवातीसाठी IoT
• सुरुवातीसाठी XR डेव्हलपमेंट
• जोडीदार प्रोग्रामिंगसाठी GitHub Copilot मास्टर करणे
• C#/.NET डेव्हलपर्ससाठी GitHub Copilot मास्टर करणे
• तुमचा स्वतःचा Copilot साहस निवडा

---

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.