Data-Science-For-Beginners/translations/kn

ಆರಂಭಿಕರಿಗಾಗಿ ಡೇಟಾ ವಿಜ್ಞಾನ - ಪಾಠ್ಯಕ್ರಮ

Microsoft ನ Azure ಕ್ಲೌಡ್ ವಕೀಲರು ಡೇಟಾ ವಿಜ್ಞಾನ ಕುರಿತು 10 ವಾರಗಳ, 20 ಪಾಠಗಳ ಪಾಠ್ಯಕ್ರಮವನ್ನು ನೀಡಲು ಸಂತೋಷಪಡುತ್ತಾರೆ. ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಪಾಠ ಮೊದಲು ಮತ್ತು ನಂತರದ ಕ್ವಿಜ್‌ಗಳು, ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಬರಹದ ಸೂಚನೆಗಳು, ಪರಿಹಾರ ಮತ್ತು ಕಾರ್ಯನಿರ್ವಹಣೆಯ ಅಸೈನ್ಮೆಂಟ್‌ಗಳಿವೆ. ನಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಪಠ್ಯದ ವಿಧಾನವು ನೀವು ನಿರ್ಮಾಣ ಮಾಡುವಾಗ ಕಲಿಯಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ, ಇದು ಹೊಸ ಕೌಶಲ್ಯಗಳನ್ನ "ಇಟ್ಟುಕೊಳ್ಳಲು" ಸಾಬೀತಾದ ವಿಧಾನವಾಗಿದೆ.

ನಮ್ಮ ಲೇಖಕರಿಗೆ ಹೃದಯಪೂರ್ವಕ ಧನ್ಯವಾದಗಳು: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 ವಿಶೇಷ ಧನ್ಯವಾದಗಳು 🙏 ನಮ್ಮ Microsoft Student Ambassador ಲೇಖಕರಿಗೆ, ವಿಮರ್ಶಕರಿಗೆ ಮತ್ತು ವಿಷಯದ ತೊಡಕುಗಳವರಿಗೆ, ವಿಶೇಷವಾಗಿ 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

ಆರಂಭಿಕರಿಗಾಗಿ ಡೇಟಾ ವಿಜ್ಞಾನ - ^nitya ಅವರ ಸ್ಕೆಚ್‌ಡೋಕ್

🌐 ಬಹುಭಾಷಾ ಬೆಂಬಲ

GitHub ಕ್ರಿಯೆಗೇಟ್ ಮೂಲಕ ಬೆಂಬಲಿತ (ಸ್ವಯಂಚಾಲಿತ ಮತ್ತು ಸದಾ ನವೀಕರಿಸುವ)

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

ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಮಾಡಬೇಕೆ?

ಈ ರೆಪೋಸಿಟರಿಗೆ 50+ ಭಾಷಾ ಅನುವಾದಗಳಿವೆ, ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹಳ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸ್ ಚೆಕ್ಔಟ್ ಬಳಸಿ:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

ಇದರಿಂದ ನಿಮ್ಮ ಪಾಠ ನಡಿಸುವಿಕೆಗೆ ಬೇಕಾದ ಎಲ್ಲವೂ ಸಿಗುತ್ತದೆ ಮತ್ತು ಡೌನ್ಲೋಡ್ ವೇಗವಾಗಿರುತ್ತದೆ.

ನೀವು ಹೆಚ್ಚುವರಿ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಇಚ್ಛಿಸಿದರೆ ಅವುಗಳು ಇಲ್ಲಿ ಪಟ್ಟಿಮಾಡಲಾಗಿದೆ

ನಮ್ಮ ಸಮುದಾಯಕ್ಕೆ ಸೇರಿ

ನಮ್ಮ ಬಳಿ ಡಿಸ್ಕಾರ್ಡ್ನಲ್ಲಿ AI ಸಹಿತ ಕಲಿಯುವುದು ಸರಣಿ ಪ್ರವಾಹವಾಗಿ ಇದೆ, ಹೆಚ್ಚು ತಿಳಿದುಕೊಳ್ಳಿ ಮತ್ತು ನಮ್ಮೊಂದಿಗೆ ಸೇರಿಕೊಳ್ಳಿ Learn with AI Series 2025ರ ಸೆಪ್ಟೆಂಬರ್ 18 - 30 ರವರೆಗೆ. ನೀವು GitHub Copilot ಅನ್ನು ಡೇಟಾ ಸೈನ್ಸ್‌ಗೆ ಬಳಸುವ ಸಲಹೆಗಳು ಮತ್ತು ತಂತ್ರಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ.

ನೀವು ವಿದ್ಯಾರ್ಥಿಗಳಾದೀರಾ?

ಕೆಳಗಿನ ಸಂಪನ್ಮೂಲಗಳಿಂದ ಪ್ರಾರಂಭಿಸಿ:

• ವಿದ್ಯಾರ್ಥಿ ಕೇಂದ್ರ ಪುಟ ಈ ಪುಟದಲ್ಲಿ ಆರಂಭಿಕರಿಗೆ ಸಂಪನ್ಮೂಲಗಳು, ವಿದ್ಯಾರ್ಥಿ ಪ್ಯಾಕ್ಗಳು ಮತ್ತು ಉಚಿತ ಪ್ರಮಾಣಿ ಸರ್ಟಿಫಿಕೇಟ್ ವಚರ್ ಪಡೆಯುವ ಮಾರ್ಗಗಳಿವೆ. ಇದು ನೀವು ಸಮಯಕ್ಕೆ ಸಮಯಕ್ಕೆ ಪರಿಶೀಲಿಸಲು ಬುಕ್ಮಾರ್ಕ್ ಮಾಡಬೇಕಾದ ಒಂದು ಪುಟ.
• Microsoft Learn Student Ambassadors ಜಾಗತಿಕ ವಿದ್ಯಾರ್ಥಿ ಅಂಬಾಸಡರ್ ಸಮುದಾಯವನ್ನು ಸೇರಿ, ಇದು Microsoft ಗೆ ನಿಮ್ಮ ಪ್ರವೇಶವಾಗಬಹುದು.

ಪ್ರಾರಂಭಿಸುವುದು

📚 ಡೋಕ್ಯುಮೆಂಟೇಶನ್

• ಸೆಟ್ ಅಪ್ ಮಾರ್ಗದರ್ಶಿ - ಆರಂಭಿಕರಿಗಾಗಿ ಹಂತ ಹಂತದ ಸ್ಥಾಪನೆ ಸೂಚನೆಗಳು
• ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ - ಉದಾಹರಣೆಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕಾರ್ಯವೃಂದ
• ಸamas್ಯೆಗಳ ಪರಿಹಾರ - ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳಿಗೆ ಪರಿಹಾರಗಳು
• ಕೊಡುಗೆ ಮಾರ್ಗದರ್ಶಿ - ಈ ಯೋಜನೆಗೆ ಹೇಗೆ ಕೊಡುಗೆ ನೀಡುವುದು
• ಶಿಕ್ಷಕರಿಗಾಗಿ - ಬೋಧನೆ ಮಾರ್ಗದರ್ಶನ ಮತ್ತು ತರಗತಿ ಸಂಪನ್ಮೂಲಗಳು

👨‍🎓 ವಿದ್ಯಾರ್ಥಿಗಳಿಗಾಗಿ

ಪೂರ್ಣ ನವೀಕರು: ಡೇಟಾ ವಿಜ್ಞಾನಕ್ಕೆ ಹೊಸದಾದರೆ? ನಮ್ಮ ಶುರುಆತಿಗೆ ಸೂಕ್ತ ಉದಾಹರಣೆಗಳು ಅಲ್ಲಿ ಪ್ರಾರಂಭಿಸಿ! ಈ ಸರಳ, ಚೆನ್ನಾಗಿ ಟಿಪ್ಪಣಿಗಳು ಮಾಡಿದ ಉದಾಹರಣೆಗಳು ನೀವು ಪೂರ್ಣ ಪಾಠ್ಯಕ್ರಮಕ್ಕೆ ಮುಂದಾಗುವ ಮುಂಚೆ ಮೂಲಭೂತಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯಮಾಡುತ್ತವೆ. ವಿದ್ಯಾರ್ಥಿಗಳು: ಈ ಪಾಠ್ಯಕ್ರಮವನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಬಳಸಲು, ಸಂಪೂರ್ಣ ರೆಪೋವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ಮುಂಚಿನ ಉಪನ್ಯಾಸ ಕ್ವಿಜಿನಿಂದ ಪ್ರಾರಂಭಿಸಿ ವ್ಯಾಯಾಮಗಳನ್ನು ಸ್ವತಃ ಸಂಪೂರ್ಣಗೊಳಿಸಿ. ನಂತರ ಉಪನ್ಯಾಸವನ್ನು ಓದಿ ಉಳಿದ ಚಟುವಟಿಕೆಗಳನ್ನು ಮಾಡಿರಿ. ಪರಿಹಾರಕೋಡ್ ನಕಲಿಸುವ ಬದಲು ಪಾಠಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಪ್ರಾಜೆಕ್ಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಪ್ರಯತ್ನಿಸಿ; ಈ ಕೋಡ್ ಪ್ರತಿ ಪ್ರಾಜೆಕ್ಟ್ ಆಧಾರಿತ ಪಾಠದಲ್ಲಿನ /solutions ಫೋಲ್ಡರ್‌ಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ. ಇನ್ನೊಂದು ಆಲೋಚನೆ ಎಂದರೆ ಸ್ನೇಹಿತರೊಂದಿಗೆ ಅಧ್ಯಯನ ಗುಂಪು ರಚಿಸಿ ಮತ್ತು ವಿಷಯವನ್ನು ಒಂದೇಗೂಹಾಗಿ ಓದಿಕೊಳ್ಳುವುದು. ಮುಂದುವರಿದ ಅಧ್ಯಯನಕ್ಕೆ, ನಾವು Microsoft Learn ಅನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

ತ್ವರಿತ ಪ್ರಾರಂಭ:

1. ನಿಮ್ಮ ಪರಿಸರವನ್ನು ಸೆಟ್ ಅಪ್ ಮಾಡಲು ಸೆಟ್ ಅಪ್ ಮಾರ್ಗದರ್ಶಿ ಪರಿಶೀಲಿಸಿ
2. ಪಾಠ್ಯಕ್ರಮದೊಂದಿಗೆ ಹೇಗೆ ಕೆಲಸಮಾಡುವುದು ಎಂದು ತಿಳಿಯಲು ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ ಪರಿಶೀಲಿಸಿ
3. ಪಾಠ 1 ರಿಂದ ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ಕ್ರಮೇಣ ಮುಂದುವರಿಯಿರಿ
4. ಬೆಂಬಲಕ್ಕಾಗಿ ನಮ್ಮ Discord ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿ

👩‍🏫 ಶಿಕ್ಷಕರಿಗಾಗಿ

ಶಿಕ್ಷಕರು: ಈ ಪಾಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸಬೇಕು ಎಂಬ ಕೆಲವು ಸಲಹೆಗಳನ್ನು ನಾವು ಸೇರಿಸಿರುವೆವು. ದಯವಿಟ್ಟು ನಿಮ್ಮ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನಮ್ಮ ಚರ್ಚಾ ವೇದಿಕೆ ನಲ್ಲಿ ವಂಚಿಸಬೇಡಿ!

ತಂಡವನ್ನು ಭೇಟಿ ಮಾಡಿ

ಗಿಫ್ ಮಾಡಿದ್ದು ಮೊಹಿತ್ ಜೈಸಲ್

🎥 ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದ ಅಧಿಕಾರಿಗಳ ಕುರಿತು ವೀಡಿಯೋ ವೀಕ್ಷಿಸಲು!

ಶಿಕ್ಷಣಶಾಸ್ತ್ರ

ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ನಿರ್ಮಿಸುವ ವೇಳೆ ನಾವು ಎರಡು ಶಿಕ್ಷಣದ ತತ್ವಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿಕೊಂಡಿದ್ದೇವೆ: ಇದು ಯೋಜನೆ ಆಧಾರಿತವಾಗಿರಬೇಕು ಮತ್ತು ಇದರಲ್ಲಿ ನಿಯಮಿತ ಪ್ರಶ್ನೋತ್ತರಗಳು ಇರಬೇಕು ಎಂಬುದನ್ನು ಖಚಿತಪಡಿಸುವುದು. ಈ ಸರಣಿಯ ಕೊನೆಯಲ್ಲಿ, ವಿದ್ಯಾರ್ಥಿಗಳು ಡೇಟಾ ಸೈನ್ಸ್‌ನ ಮೂಲಭೂತ ಸಿದ್ಧಾಂತಗಳನ್ನು, ಅದರ ಒಳಗೊಂಡ ನೈತಿಕ ವಿಚಾರಗಳನ್ನು, ಡೇಟಾ ಸಿದ್ಧತೆ, ಡೇಟಾ ಜೊತೆಗೆ ಕೆಲಸ ಮಾಡುವ ವಿವಿಧ ಮಾರ್ಗಗಳು, ಡೇಟಾ ದೃಷ್ಯೀಕರಣ, ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ, ಡೇಟಾ ಸೈನ್ಸ್‌ನ ನೈಜ ಜಾಗತಿಕ ಬಳಕೆ ಉದಾಹರಣೆಗಳು ಮತ್ತು ಇನ್ನಷ್ಟು ಕಲಿಯುತ್ತಾರೆ.

ಅದರಲ್ಲೂ, ತರಗತಿಗೆ ಮುನ್ನ ಒಂದು ಕಡಿಮ್ಮ ಹಂತದ ಪ್ರಶ್ನೋತ್ತರವು ವಿದ್ಯಾರ್ಥಿಯು ವಿಷಯವನ್ನು ಕಲಿಯಲು ಉದ್ದೇಶ ಹೊಂದಿದ್ದಂತೆ ಮಾಡುತ್ತದೆ, ಟ್ರಿಗರ್ ನಂತರದ ಪ್ರಶ್ನೋತ್ತರವು ಹೆಚ್ಚು ಪಟುವಿಕೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಲವಚಿಕವಾದ ಮತ್ತು ಮನರಂಜನೆಯಾಗಿದೆ, ಸಂಪೂರ್ಣವಾಗಿ ಅಥವಾ ಭಾಗವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಯೋಜನೆಗಳು ಸಣ್ಣದು ಪ್ರಾರಂಭವಾಗಿ 10 ವಾರಗಳ ಚಕ್ರದ ಕೊನೆಯಲ್ಲಿ ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾಗುತ್ತವೆ.

ನಮ್ಮ ನಡವಳಿಕೆ ನಿಯಮಾವಳಿ, ಹೊಂದಾಣಿಕೆ, ಭಾಷಾಂತರ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ನಿಮ್ಮ ರಚನೆಯಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನಾವು ಸ್ವಾಗತಿಸುತ್ತೇವೆ!

ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಸೇರಿವೆ:

• ಐಚ್ಛಿಕ ಸ್ಕೆಚ್ ನೋಟ್
• ಐಚ್ಛಿಕ ಪೂರಕ ವೀಡಿಯೋ
• ಪಾಠ ಮುಂಚಿನ ತಯಾರಿ ಪ್ರಶ್ನೋತ್ತರ
• ಬರೆಯಲಾದ ಪಾಠ
• ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠಗಳಿಗಾಗಿ, ಯೋಜನೆಯನ್ನು ನಿರ್ಮಿಸುವ ಕುರಿತು ಹಂತ-ಬಂದಿ ಮಾರ್ಗದರ್ಶನ
• ಜ್ಞಾನ ಪರಿಶೀಲನೆಗಳು
• ಒಂದು ಸವಾಲು
• ಪೂರಕ ಓದು
• ನಿಯೋಜನೆ
• ಪಾಠದ ನಂತರದ ಪ್ರಶ್ನೋತ್ತರ

ಪ್ರಶ್ನೋತ್ತರಗಳ ಕುರಿತು ಒಂದು ಟಿಪ್ಪಣಿ: ಎಲ್ಲಾ ಪ್ರಶ್ನೋತ್ತರಗಳು Quiz-App ಫೋಲ್ಡರ್‌ನಲ್ಲಿ ಇರುತ್ತವೆ, 40 ಒಟ್ಟು ಪ್ರಶ್ನೋತ್ತರಗಳು ಪ್ರತಿ 3 ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ. ಅವು ಪಾಠಗಳಲ್ಲಿ ಲಿಂಕ್ ಆಗಿವೆ, ಆದರೆ ಪ್ರಶ್ನೋತ್ತರ ಆಪ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡಬಹುದು ಅಥವಾ ಅಜ್ಯೂರ್‌ಗೆ ಸ್ಥಾಪಿಸಬಹುದು; quiz-app ಫೋಲ್ಡರ್‌ನ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ. ಅವು ಕ್ರಮೇಣ ಸ್ಥಳೀಯಗೊಳ್ಳುತ್ತಿರುವುವು.

🎓 ಆರಂಭಿಕ ಸ್ನೇಹಿ ಉದಾಹರಣೆಗಳು

ಡೇಟಾ ಸೈನ್ಸ್‌ಗೆ ಹೊಸವರೇ? ನಾವು ವಿಶೇಷ ಉದಾಹರಣೆ ಫೋಲ್ಡರ್ ರಚಿಸಿದ್ದೇವೆ, ಸರಳ, ಸುಸ್ಪಷ್ಟ ಟಿಪ್ಪಣಿಗಳನ್ನೊಳಗೊಂಡ ಕೋಡ್ ಸಹಿತ ನಿಮ್ಮ ಆರಂಭಕ್ಕೆ ಸಹಾಯವಾಗುತ್ತದೆ:

• 🌟 ಹೇಲ್\u200cಲೋ ವರ್ಲ್ಡ್ - ನಿಮ್ಮ ಮೊದಲ ಡೇಟಾ ಸೈನ್ಸ್ ಪ್ರೋಗ್ರಾಂ
• 📂 ಡೇಟಾ ಲೋಡ್ ಮಾಡುವುದು - ಡೇಟಾಗುಚ್ಛಗಳನ್ನು ಓದಿ ಅನ್ವೇಷಿಸಲು ಕಲಿಯಿರಿ
• 📊 ಸರಳ ವಿಶ್ಲೇಷಣೆ - ಅಂಕಿ ಅಂಶಗಳನ್ನು ಗಣನೆ ಮಾಡಿ ಮಾದರಿಗಳನ್ನು ಹುಡುಕಿ
• 📈 ಮೂಲಭೂತ ದೃಷ್ಯೀಕರಣ - ಚಾರ್ಟ್ ಮತ್ತು ಗ್ರಾಫ್ ರಚಿಸಿ
• 🔬 ನೈಜ ಜಾಗತಿಕ ಯೋಜನೆ - ಪ್ರಾರಂಭದಿಂದ ಕೊನೆವರೆಗೆ ಪೂರ್ಣ ಕಾರ್ಯಪ್ರವಾಹ

ಪ್ರತಿಯೊಂದು ಉದಾಹರಣೆಯೂ ಪ್ರತಿಯೊಂದು ಹಂತವನ್ನು ವಿವರಿಸುವ ಸ್ತರವಾದ ಟಿಪ್ಪಣಿಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಇದು ಸಂಪೂರ್ಣ ಆರಂಭಿಕರಿಗೆ ಅತ್ಯುತ್ತಮ!

👉 ಉದಾಹರಣೆಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ 👈

ಪಾಠಗಳು

ಡೇಟಾ ಸೈನ್ಸ್ ಆರಂಭಿಕರಿಗಾಗಿ: ರಸ್ತೆನಕ್ಷೆ - ಸ್ಕೆಚ್‌ನೋಟ್ @nitya ರಚನೆ

ಪಾಠ ಸಂಖ್ಯೆ	ವಿಷಯ	ಪಾಠ ಗುಂಪು	ಕಲಿಕೆ ಗುರಿಗಳು	ಲಿಂಕ್ ಪಾಠ	ಲೇಖಕ
01	ಡೇಟಾ ಸೈನ್ಸ್ ವ್ಯಾಖ್ಯಾನ	ಪರಿಚಯ	ಡೇಟಾ ಸೈನ್ಸ್ ಹಿನ್ನಡೆಯ ಮೂಲಭೂತ ಆಲೋಚನೆಗಳನ್ನು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ, ಯಂತ್ರ ಅಭ್ಯಾಸ ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾ ಜೊತೆಗೆ ಅದರ ಸಂಬಂಧವನ್ನು ಕಲಿಯಿರಿ.	ಪಾಠ ವೀಡಿಯೋ	ಡ್ಮಿಟ್ರಿ
02	ಡೇಟಾ ಸೈನ್ಸ್ ನೈತಿಕತೆ	ಪರಿಚಯ	ಡೇಟಾ ನೈತಿಕತೆಯ ಆಲೋಚನೆಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ಸಂರಚನೆಗಳು.	ಪಾಠ	ನಿತ್ಯ
03	ಡೇಟಾ ವ್ಯಾಖ್ಯಾನ	ಪರಿಚಯ	ಡೇಟಾ ఎలా ವರ್ಗೀಕರಿಸಲಾಗಿದೆ ಮತ್ತು ಅದರೂ ಸಾಮಾನ್ಯ ಮೂಲಗಳು.	ಪಾಠ	ಜಾಸ್ಮಿನ್
04	ಸಂಖ್ಯಾಶಾಸ್ತ್ರ ಮತ್ತು ಸಾಧ್ಯತೆಗಳ ಪರಿಚಯ	ಪರಿಚಯ	ಡೇಟಾವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯತೆ ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಗಣಿತೀಯ ತಂತ್ರಗಳನ್ನು ತಿಳಿಯಿರಿ.	ಪಾಠ ವೀಡಿಯೋ	ಡ್ಮಿಟ್ರಿ
05	ಸಂಬಂಧಿತ ಡೇಟಾ ಜೊತೆಗೆ ಕೆಲಸ	ಡೇಟಾ ಜೊತೆಯಾಗಿ ಕೆಲಸ	ಸಂಬಂಧಿತ ಡೇಟಾಗೆ ಪರಿಚಯ ಮತ್ತು ವಿಷಯಮಾಡಿರುವ, ಸಂಧರ್ಭದಲ್ಲಿರುವ, ಮತ್ತು ಅರ್ಹ ಡೇಟಾಗೆ ಜಾನುವಾರು ವಿವರಣೆ ಮಾಡಲು ಮೂಲತಃ ಸ್ಕ್ಯೂಎಲ್ (SQL) ಅನ್ನು ಉಪಯೋಗಿಸುವ ಮೂಲಭೂತಗಳು.	ಪಾಠ	ಕ್ರಿಸ್ಥೋಫರ್
06	ನೋSQL ಡೇಟಾ ಜೊತೆಗೆ ಕೆಲಸ	ಡೇಟಾ ಜೊತೆಯಾಗಿ ಕೆಲಸ	ಸಂಬಂಧಹೀನ ಡೇಟಾಗೆ ಪರಿಚಯ, ಅದರ ವಿವಿಧ ಪ್ರಕಾರಗಳು ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಮತ್ತು ವಿಶ್ಲೇಷಿಸಲು ಮೂಲಭೂತಗಳು.	ಪಾಠ	ಜಾಸ್ಮಿನ್
07	ಪೈಥಾನ್ ಜೊತೆಗೆ ಕೆಲಸ	ಡೇಟಾ ಜೊತೆಯಾಗಿ ಕೆಲಸ	Pandas ಮುಂತಾದ ಗ್ರಂಥಾಲಯಗಳೊಂದಿಗೆ ಡೇಟಾ ಅನ್ವೇಷಣೆಯಿಗಾಗಿ ಪೈಥಾನ್ ಬಳಕೆಯ ಮೂಲಭೂತಗಳು. ಪೈಥಾನ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಆಧಾರಭೂತ ಅರ್ಥಪೂರ್ಣತೆಯನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ.	ಪಾಠ ವೀಡಿಯೋ	ಡ್ಮಿಟ್ರಿ
08	ಡೇಟಾ ಸಿದ್ಧತೆ	ಡೇಟಾ ಜೊತೆಯಾಗಿ ಕೆಲಸ	ಇರುವ ಡೇಟಾದ ಅಭಾವ, ತಪ್ಪು ಅಥವಾ ಅಪೂರ್ಣತೆ ಸವಾಲುಗಳನ್ನು ನಿಭಾಯಿಸಲು ಡೇಟಾ ಶುಚಿಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಪರಿವರ್ತನೆ ತಂತ್ರಗಳು.	ಪಾಠ	ಜಾಸ್ಮಿನ್
09	ಪ್ರಮಾಣಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು	ಡೇಟಾ ದೃಶ್ಯೀಕರಣ	Matplotlib ಬಳಸಿಕೊಂಡು ಹಕ್ಕಿಗಳ ಡೇಟಾವನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು ಕಲಿಯಿರಿ 🦆	ಪಾಠ	ಜೆನ್
10	ಡೇಟಾ ವಿತರಣೆಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು	ಡೇಟಾ ದೃಶ್ಯೀಕರಣ	engu observations ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳನ್ನು ಒಂದು ಅಂತರ್ಜಾಲದಲ್ಲಿ ದೃಶ್ಯೀಕರಿಸುವುದು.	ಪಾಠ	ಜೆನ್
11	ಅನುಪಾತಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು	ಡೇಟಾ ದೃಶ್ಯೀಕರಣ	ವಿಚಿತ್ರ ಮತ್ತು ಗುಂಪು ಶೇಕಡಾವಾರುಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು.	ಪಾಠ	ಜೆನ್
12	ಸಂಬಂಧಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು	ಡೇಟಾ ದೃಶ್ಯೀಕರಣ	ಡೇಟಾ ಮತ್ತು ಅದರ ಬದಲಾಗುವ ಬದಲಾವಣೆಗಳ ನಡುವಿನ ಸಂಪರ್ಕ ಮತ್ತು ಸಹಸಂಬಂಧಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು.	ಪಾಠ	ಜೆನ್
13	ಅರ್ಥಪೂರ್ಣ ದೃಶ್ಯೀಕರಣಗಳು	ಡೇಟಾ ದೃಶ್ಯೀಕರಣ	ಪರಿಣಾಮಕಾರಿ ಸಮಸ್ಯೆ ಪರಿಹಾರ ಮತ್ತು ಒಳನೋಟಗಳಿಗಾಗಿ ನಿಮ್ಮ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ಮೌಲ್ಯಯುತವಾಗಿಸಲು ತಂತ್ರಗಳು ಮತ್ತು ಮಾರ್ಗದರ್ಶನ.	ಪಾಠ	ಜೆನ್
14	ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚರಿತ್ರೆಯ ಪರಿಚಯ	ಜೀವನಚರಿತ್ರೆ	ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚರಿತ್ರೆಗೆ ಪರಿಚಯ ಮತ್ತು ಅದರ ಮೊದಲ ಹಂತವಾದ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಮತ್ತು ತೆಗೆಯುವಿಕೆ.	ಪಾಠ	ಜಾಸ್ಮಿನ್
15	ವಿಶ್ಲೇಷಣೆ	ಜೀವನಚರಿತ್ರೆ	ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗೆ ಈ ಹಂತದಲ್ಲಿ ಕೇಂದ್ರೀಕರಿಸಲಾಗುವುದು.	ಪಾಠ	ಜಾಸ್ಮಿನ್
16	ಸಂವಹನ	ಜೀವನಚರಿತ್ರೆ	ನಿರ್ದೇಶಕರಿಗೆ ಸುಲಭವಾಗಿ ಅರ್ಥವಾಗುವ ರೀತಿಯಲ್ಲಿ ಡೇಟಾದೊಳಗಿನ ತಿಳಿವಳಿಕೆಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವ ಹಂತ.	ಪಾಠ	ಜೆಲೆನ್
17	ಕ್ಲೌಡ್‌ನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್	ಕ್ಲೌಡ್ ಡೇಟಾ	ಕ್ಲೌಡ್‌ನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಮತ್ತು ಅದರ ಪ್ರಯೋಜನಗಳ ಪರಿಚಯ.	ಪಾಠ	ಟಿಫಾನಿ ಮತ್ತು ಮಾಡ್
18	ಕ್ಲೌಡ್‌ನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್	ಕ್ಲೌಡ್ ಡೇಟಾ	Low Code ಉಪಕರಣಗಳನ್ನು ಬಳಸಿ ಮಾದರಿಗಳನ್ನು ತರಬೇತು ಮಾಡುವುದು.	ಪಾಠ	ಟಿಫಾನಿ ಮತ್ತು ಮಾಡ್
19	ಕ್ಲೌಡ್‌ನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್	ಕ್ಲೌಡ್ ಡೇಟಾ	Azure Machine Learning Studio ಬಳಸಿ ಮಾದರಿಗಳನ್ನು разಸ್ತಿಸಲು.	ಪಾಠ	ಟಿಫಾನಿ ಮತ್ತು ಮಾಡ್
20	ವಲೆಗಳಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್	ವೈಲ್ಡ್‌ನಲ್ಲಿ	ನೈಜ ಜಾಗತಿಕದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಚಾಲಿತ ಯೋಜನೆಗಳು.	ಪಾಠ	ನಿತ್ಯ

GitHub ಕೋಡ್‌ಸ್ಪೇಸ್‌ಗಳು

ಈ ಮಾದರಿಯನ್ನು ಕೋಡ್‌ಸ್ಪೇಸ್‌ನಲ್ಲಿ ತೆಗೆಯಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:

1. ಕೋಡ್ ಡ್ರಾಪ್-ಡೌನ್ ಮೆನು ಕ್ಲಿಕ್ ಮಾಡಿ ಮತ್ತು Open with Codespaces ಆಯ್ಕೆ ಮಾಡಿ.
2. ಪೇನೆಲ್ ಬಾಟಮ್ನಲ್ಲಿ + New codespace ಆಯ್ಕೆಮಾಡಿ. ಮತ್ತಷ್ಟು ಮಾಹಿತಿಗೆ, GitHub ಡಾಕ್ಯುಮೆಂಟೇಷನ್ ನೋಡಿ.

VSCode ರಿಮೋಟ್ - ಕಂಟೈನರ್ಸ್

ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿಯೂ ಮತ್ತು VSCode ನಲ್ಲಿ VS Code Remote - Containers ವಿಸ್ತರಣೆ ಬಳಸಿಕೊಂಡು ಈ ರೆಪೋವನ್ನು ಕಂಟೈನರ್‌ನಲ್ಲಿ ತೆಗೆಯಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:

1. ನೀವು ಡೆವಲಪ್ಮೆಂಟ್ ಕಂಟೈನರ್ ಮೊದಲ ಬಾರಿಗೆ ಬಳಸುತ್ತಿದ್ದರೆ, ನಿಮ್ಮ ವ್ಯವಸ್ಥೆಗೆ ಮೊದಲು ಅಗತ್ಯವಿರುವ ಅಂಶಗಳು (ಉದಾ. ಡೋಕರ್ ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿರಬೇಕು) ಇದ್ದಾರೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ Getting Started ಡಾಕ್ಯುಮೆಂಟೇಷನ್ ನಲ್ಲಿ.

ಈ ಸಂಗ್ರಹಾಲಯವನ್ನು ಬಳಸಲು, ನೀವು ಕಡತತಂತ್ರದಲ್ಲಿಲ್ಲದೆ ಒಂದು ಡೋಕರ್ ವಾಲ್ಯೂಮ್‌ನಲ್ಲಿ ರೆಪೋ ತೆಗೆಯಬಹುದು:

ಗಮನಿಸಿ: ಇದನ್ನು ಬಳಸಲು ಹಿಂಭಾಗದಲ್ಲಿ Remote-Containers: Clone Repository in Container Volume... ಆಜ್ಞೆಯನ್ನು ಬಳಸಿ ಮೂಲ ಕೋಡ್ ಅನ್ನು ಡೋಕರ್ ವಾಲ್ಯೂಮ್‌ಗೆ ಕ್ಲೋನ್ ಮಾಡುತ್ತದೆ. ವಾಲ್ಯೂಮ್‌ಗಳು ಕಂಟೈನರ್ ಡೇಟಾವನ್ನು ಉಳಿಸುವುದಕ್ಕೆ ಉಚಿತ ಮಿಕೆನಿಸಮ್ ಆಗಿವೆ.

ಅಥವಾ ಈ ರೆಪೋವನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಅಥವಾ ಡೌನ್ಲೋಡ್ ಮಾಡಲಾಗಿರುವ ಪ್ರತಿಯನ್ನು ತೆರೆಯಿರಿ:

• ಈ ರೆಪೋವನ್ನು ನಿಮ್ಮ ಸ್ಥಳೀಯ ಫೈಲ್ಸಿಸ್ಟಂಗೆ ಕ್ಲೋನ್ ಮಾಡಿ.
• F1 ಒತ್ತಿ ಮತ್ತು Remote-Containers: Open Folder in Container... ಆಜ್ಞೆಯನ್ನು ಆರಿಸಿ.
• ಈ ಫೋಲ್ಡರ್‌ನ ಕ್ಲೋನ್ ಮಾಡಲಾದ ನಕಲನ್ನು ಆಯ್ಕೆಮಾಡಿ, ಕಂಟೈನರ್ ಪ್ರಾರಂಭವಾಗುವವರೆಗೆ ಕಾಯಿರಿ ಮತ್ತು ಪ್ರಯತ್ನಿಸಿ.

ಆಫ್‌ಲೈನ್ ಪ್ರವೇಶ

ನೀವು ಈ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಅನ್ನು ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿ Docsify (https://docsify.js.org/#/) ಬಳಸಿ ಓಡಿಸಬಹುದು. ಈ ರೆಪೋವನ್ನು Fork ಮಾಡಿ, ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ Docsify ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ (https://docsify.js.org/#/quickstart), ನಂತರ ಈ ರೆಪೋ ರೂಟ್ ಫೋಲ್ಡರ್ನಲ್ಲಿ docsify serve ಟೈಪ್ ಮಾಡಿ. ವೆಬ್‌ಸೈಟ್ ನಿಮ್ಮ ಸ್ಥಳೀಯ ಹಣಗೆ 3000 ಪೋರ್ಟ್‌ನಲ್ಲಿ ಸರ್ವ್ ಆಗುತ್ತದೆ: localhost:3000.

ಗಮನಿಸಿ, ನೋಟ್ಬುಕ್‌ಗಳನ್ನು Docsify ಮೂಲಕ ರೆಂಡರ್ ಮಾಡಲಾಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ನೀವು ನೋಟ್ಬುಕ್ ಅನ್ನು ಓಡಿಸುವ ಅಗತ್ಯವಿದ್ದರೆ, ಅದನ್ನು VS Code ನಲ್ಲಿ Python ಕೆರ್ನೆಲ್ ಮೂಲಕ ಪ್ರತ್ಯೇಕವಾಗಿ ನಡೆಸಿ.

ಇತರೆ ಪಠ್ಯಕ್ರಮಗಳು

ನಮ್ಮ ತಂಡ ಇತರೆ ಪಠ್ಯಕ್ರಮಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ! ನೋಡಿ:

ಲ್ಯಾಂಗ್‌ಚೈನ್

---

ಅಜೂರ್ / ಎಡ್ಜ್ / MCP / ಏಜೆಂಟ್‍ಗಳು

---

ಜನರೇಟಿವ್ AI ಸರಣಿಗಳು

---

ಹೃದಯಭಾಗದ ಕಲಿಕೆ

---

ಕೋಪಿಲಟ್ ಸರಣಿ

ಸಹಾಯ ಪಡೆಯುವುದು

ಸಮಸ್ಯೆ ಎದುರಿಸುತ್ತಿದ್ದೀರಾ? ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಕ್ಕಾಗಿ ನಮ್ಮ ಟ್ರಬುಲ್‌ಶೂಟಿಂಗ್ ಗೈಡ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ.

ನೀವು ಸಾಂದರ್ಭಿಕವಾಗಿ ಅಡ್ಡಿಯಾಗಿದ್ದೀರಿ ಅಥವಾ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಕುರಿತು ಯಾವುದಾದರೂ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ, MCP ಬಗ್ಗೆ fellow ಕಲಿಯುವವರು ಮತ್ತು ಅನುಭವসূಕ್ತ ಬೆಳವಣಿಗಾರರೊಂದಿಗೆ ಚರ್ಚೆಗಳಲ್ಲಿ ಸೇರಿ. ಇದು ಸಹಾಯಕ ಸಮುದಾಯವಾಗಿದ್ದು, ಅಲ್ಲಿ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲು ಮತ್ತು ಜ್ಞಾನವನ್ನು ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಲು ಅವಕಾಶವಿದೆ.

ನೀವು ಉತ್ಪನ್ನದ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ದೋಷಗಳನ್ನು ಕಂಡುಹಿಡಿದಿದ್ದರೆ, ದಯವಿಟ್ಟು ಭೇಟಿ ನೀಡಿ:

---

ತಪ್ಪು ನೋಟ: ಈ ದಸ್ತಾವೇಜು Co-op Translator ಎಂಬ AI ಅನುವಾದ ಸೇವೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಸರಿಯಾಗಿರುವುದಕ್ಕೆ ಪ್ರಯತ್ನಿಸುವಾಗ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದದಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸೂಚನೆಗಳಿರಬಹುದು ಎಂದು ಗಮನಿಸಿ. ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅದರ ಮೂಲ ಭಾಷೆಯಲ್ಲಿ ಅಧಿಕಾರಿಕ ಮೂಲವಾಗಿಯೇ ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗೆ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ನಿರ್ವಹಣೆ ಹಾಗೂ ಭ್ರಾಂತಿಗಳುಗಾಗಿ ನಾವು ಯಾರಿಗೂ ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.