14 KiB

Raw Blame History

ਵਰਤੋਂ ਗਾਈਡ

ਇਹ ਗਾਈਡ ਡਾਟਾ ਸਾਇੰਸ ਫਾਰ ਬਿਗਿਨਰਜ਼ ਕਰਿਕੁਲਮ ਦੀ ਵਰਤੋਂ ਲਈ ਉਦਾਹਰਨਾਂ ਅਤੇ ਆਮ ਵਰਕਫਲੋਜ਼ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।

ਸਮੱਗਰੀ ਦੀ ਸੂਚੀ

ਇਸ ਕਰਿਕੁਲਮ ਨੂੰ ਕਿਵੇਂ ਵਰਤਨਾ ਹੈ

ਇਹ ਕਰਿਕੁਲਮ ਲਚਕੀਲੀ ਹੈ ਅਤੇ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ:

ਸਵੈ-ਗਤੀ ਅਧਿਐਨ: ਆਪਣੇ ਸਵੈ-ਗਤੀ ਨਾਲ ਪਾਠਾਂ ਨੂੰ ਖੁਦ ਪੂਰਾ ਕਰੋ
ਕਲਾਸਰੂਮ ਸਿਖਲਾਈ: ਗਾਈਡ ਕੀਤੀ ਸਿਖਲਾਈ ਨਾਲ ਇੱਕ ਸੰਰਚਿਤ ਕੋਰਸ ਵਜੋਂ ਵਰਤੋ
ਅਧਿਐਨ ਸਮੂਹ: ਸਾਥੀਆਂ ਨਾਲ ਮਿਲ ਕੇ ਸਿੱਖੋ
ਵਰਕਸ਼ਾਪ ਫਾਰਮੈਟ: ਗਹਿਰੇ ਅਤੇ ਛੋਟੇ ਸਮੇਂ ਦੇ ਸਿਖਲਾਈ ਸੈਸ਼ਨ

ਪਾਠਾਂ ਨਾਲ ਕੰਮ ਕਰਨਾ

ਹਰ ਪਾਠ ਇੱਕ ਸਥਿਰ ਢਾਂਚੇ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਸਿਖਲਾਈ ਨੂੰ ਵਧਾਇਆ ਜਾ ਸਕੇ:

ਪਾਠ ਦਾ ਢਾਂਚਾ

ਪ੍ਰੀ-ਪਾਠ ਕੁਇਜ਼: ਤੁਹਾਡੇ ਮੌਜੂਦਾ ਗਿਆਨ ਦੀ ਜਾਂਚ ਕਰੋ
ਸਕੈਚਨੋਟ (ਵਿਕਲਪਿਕ): ਮੁੱਖ ਧਾਰਾਵਾਂ ਦਾ ਵਿਜੁਅਲ ਸਾਰ
ਵੀਡੀਓ (ਵਿਕਲਪਿਕ): ਸਹਾਇਕ ਵੀਡੀਓ ਸਮੱਗਰੀ
ਲਿਖਤ ਪਾਠ: ਮੁੱਖ ਧਾਰਾਵਾਂ ਅਤੇ ਵਿਆਖਿਆਵਾਂ
ਜੂਪਿਟਰ ਨੋਟਬੁੱਕ: ਹੱਥ-ਅਧਾਰਿਤ ਕੋਡਿੰਗ ਅਭਿਆਸ
ਅਸਾਈਨਮੈਂਟ: ਜੋ ਸਿੱਖਿਆ ਹੈ ਉਸ ਦਾ ਅਭਿਆਸ ਕਰੋ
ਪੋਸਟ-ਪਾਠ ਕੁਇਜ਼: ਤੁਹਾਡੀ ਸਮਝ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰੋ

ਪਾਠ ਲਈ ਉਦਾਹਰਨ ਵਰਕਫਲੋ

# 1. Navigate to the lesson directory
cd 1-Introduction/01-defining-data-science

# 2. Read the README.md
# Open README.md in your browser or editor

# 3. Take the pre-lesson quiz
# Click the quiz link in the README

# 4. Open the Jupyter notebook (if available)
jupyter notebook

# 5. Complete the exercises in the notebook

# 6. Work on the assignment

# 7. Take the post-lesson quiz

ਜੂਪਿਟਰ ਨੋਟਬੁੱਕਸ ਨਾਲ ਕੰਮ ਕਰਨਾ

ਜੂਪਿਟਰ ਸ਼ੁਰੂ ਕਰਨਾ

# Activate your virtual environment
source venv/bin/activate  # On macOS/Linux
# OR
venv\Scripts\activate  # On Windows

# Start Jupyter from the repository root
jupyter notebook

ਨੋਟਬੁੱਕ ਸੈਲ ਚਲਾਉਣਾ

ਸੈਲ ਚਲਾਓ: Shift + Enter ਦਬਾਓ ਜਾਂ "Run" ਬਟਨ 'ਤੇ ਕਲਿਕ ਕਰੋ
ਸਾਰੇ ਸੈਲ ਚਲਾਓ: ਮੀਨੂ ਵਿੱਚ "Cell" → "Run All" ਚੁਣੋ
ਕਰਨਲ ਰੀਸਟਾਰਟ ਕਰੋ: ਜੇਕਰ ਤੁਹਾਨੂੰ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਾਹਮਣਾ ਹੋਵੇ ਤਾਂ "Kernel" → "Restart" ਚੁਣੋ

ਉਦਾਹਰਨ: ਨੋਟਬੁੱਕ ਵਿੱਚ ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ

# Import required libraries
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# Load a dataset
df = pd.read_csv('data/sample.csv')

# Explore the data
df.head()
df.info()
df.describe()

# Create a visualization
plt.figure(figsize=(10, 6))
plt.plot(df['column_name'])
plt.title('Sample Visualization')
plt.xlabel('X-axis Label')
plt.ylabel('Y-axis Label')
plt.show()

ਆਪਣਾ ਕੰਮ ਸੇਵ ਕਰਨਾ

ਜੂਪਿਟਰ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਆਟੋ-ਸੇਵ ਕਰਦਾ ਹੈ
ਮੈਨੂਅਲੀ ਸੇਵ: Ctrl + S (macOS 'ਤੇ Cmd + S) ਦਬਾਓ
ਤੁਹਾਡੀ ਪ੍ਰਗਤੀ .ipynb ਫਾਈਲ ਵਿੱਚ ਸੇਵ ਹੁੰਦੀ ਹੈ

ਕੁਇਜ਼ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਵਰਤੋਂ

ਕੁਇਜ਼ ਐਪ ਨੂੰ ਲੋਕਲ ਚਲਾਉਣਾ

# Navigate to quiz app directory
cd quiz-app

# Start the development server
npm run serve

# Access at http://localhost:8080

ਕੁਇਜ਼ ਲੈਣਾ

ਪ੍ਰੀ-ਪਾਠ ਕੁਇਜ਼ ਹਰ ਪਾਠ ਦੇ ਸ਼ੁਰੂ 'ਤੇ ਲਿੰਕ ਕੀਤਾ ਹੁੰਦਾ ਹੈ
ਪੋਸਟ-ਪਾਠ ਕੁਇਜ਼ ਹਰ ਪਾਠ ਦੇ ਅੰਤ ਵਿੱਚ ਲਿੰਕ ਕੀਤਾ ਹੁੰਦਾ ਹੈ
ਹਰ ਕੁਇਜ਼ ਵਿੱਚ 3 ਪ੍ਰਸ਼ਨ ਹੁੰਦੇ ਹਨ
ਕੁਇਜ਼ ਸਿੱਖਣ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨ ਲਈ ਬਣਾਏ ਗਏ ਹਨ, ਨਾ ਕਿ ਵਿਆਪਕ ਜਾਂਚ ਲਈ

ਕੁਇਜ਼ ਨੰਬਰਿੰਗ

ਕੁਇਜ਼ 0-39 (ਕੁੱਲ 40 ਕੁਇਜ਼) ਨੰਬਰਿਤ ਹਨ
ਹਰ ਪਾਠ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਪ੍ਰੀ ਅਤੇ ਪੋਸਟ ਕੁਇਜ਼ ਹੁੰਦੇ ਹਨ
ਕੁਇਜ਼ URLs ਵਿੱਚ ਕੁਇਜ਼ ਨੰਬਰ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ: https://ff-quizzes.netlify.app/en/ds/quiz/0

ਆਮ ਵਰਕਫਲੋਜ਼

ਵਰਕਫਲੋ 1: ਪੂਰਨ ਬਿਗਿਨਰ ਪਾਥ

# 1. Set up your environment (see INSTALLATION.md)

# 2. Start with Lesson 1
cd 1-Introduction/01-defining-data-science

# 3. For each lesson:
#    - Take pre-lesson quiz
#    - Read the lesson content
#    - Work through the notebook
#    - Complete the assignment
#    - Take post-lesson quiz

# 4. Progress through all 20 lessons sequentially

ਵਰਕਫਲੋ 2: ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ੇ ਸਿਖਲਾਈ

ਜੇਕਰ ਤੁਸੀਂ ਕਿਸੇ ਵਿਸ਼ੇ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹੋ:

# Example: Focus on Data Visualization
cd 3-Data-Visualization

# Explore lessons 9-13:
# - Lesson 9: Visualizing Quantities
# - Lesson 10: Visualizing Distributions
# - Lesson 11: Visualizing Proportions
# - Lesson 12: Visualizing Relationships
# - Lesson 13: Meaningful Visualizations

ਵਰਕਫਲੋ 3: ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਿਤ ਸਿਖਲਾਈ

# 1. Review the Data Science Lifecycle lessons (14-16)
cd 4-Data-Science-Lifecycle

# 2. Work through a real-world example (Lesson 20)
cd ../6-Data-Science-In-Wild/20-Real-World-Examples

# 3. Apply concepts to your own project

ਵਰਕਫਲੋ 4: ਕਲਾਉਡ-ਅਧਾਰਿਤ ਡਾਟਾ ਸਾਇੰਸ

# Learn about cloud data science (Lessons 17-19)
cd 5-Data-Science-In-Cloud

# 17: Introduction to Cloud Data Science
# 18: Low-Code ML Tools
# 19: Azure Machine Learning Studio

ਸਵੈ-ਅਧਿਐਨ ਲਈ ਸੁਝਾਅ

ਸੰਗਠਿਤ ਰਹੋ

# Create a learning journal
mkdir my-learning-journal

# For each lesson, create notes
echo "# Lesson 1 Notes" > my-learning-journal/lesson-01-notes.md

ਨਿਯਮਿਤ ਅਭਿਆਸ ਕਰੋ

ਹਰ ਦਿਨ ਜਾਂ ਹਫਤੇ ਵਿੱਚ ਸਮਰਪਿਤ ਸਮਾਂ ਰੱਖੋ
ਹਫਤੇ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਪਾਠ ਪੂਰਾ ਕਰੋ
ਪਿਛਲੇ ਪਾਠਾਂ ਨੂੰ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਦੁਹਰਾਓ

ਕਮਿਊਨਿਟੀ ਨਾਲ ਜੁੜੋ

Discord ਕਮਿਊਨਿਟੀ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ
Discord ਵਿੱਚ #Data-Science-for-Beginners ਚੈਨਲ ਵਿੱਚ ਹਿੱਸਾ ਲਵੋ Discord Discussions
ਆਪਣੀ ਪ੍ਰਗਤੀ ਸਾਂਝੀ ਕਰੋ ਅਤੇ ਪ੍ਰਸ਼ਨ ਪੁੱਛੋ

ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਬਣਾਓ

ਪਾਠ ਪੂਰੇ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਧਾਰਾਵਾਂ ਨੂੰ ਨਿੱਜੀ ਪ੍ਰੋਜੈਕਟਾਂ 'ਤੇ ਲਾਗੂ ਕਰੋ:

# Example: Analyze your own dataset
import pandas as pd

# Load your own data
my_data = pd.read_csv('my-project/data.csv')

# Apply techniques learned
# - Data cleaning (Lesson 8)
# - Exploratory data analysis (Lesson 7)
# - Visualization (Lessons 9-13)
# - Analysis (Lesson 15)

ਅਧਿਆਪਕਾਂ ਲਈ ਸੁਝਾਅ

ਕਲਾਸਰੂਮ ਸੈਟਅਪ

for-teachers.md ਦੀ ਵਿਸਤ੍ਰਿਤ ਰਾਹਦਾਰੀ ਦੀ ਸਮੀਖਾ ਕਰੋ
ਸਾਂਝੇ ਵਾਤਾਵਰਣ (GitHub Classroom ਜਾਂ Codespaces) ਸੈਟਅਪ ਕਰੋ
ਸੰਚਾਰ ਚੈਨਲ (Discord, Slack, ਜਾਂ Teams) ਸਥਾਪਿਤ ਕਰੋ

ਪਾਠ ਯੋਜਨਾ

ਸੁਝਾਏ ਗਏ 10-ਹਫਤੇ ਦੇ ਸ਼ਡਿਊਲ:

ਹਫਤਾ 1-2: ਪਰਿਚਯ (ਪਾਠ 1-4)
ਹਫਤਾ 3-4: ਡਾਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ (ਪਾਠ 5-8)
ਹਫਤਾ 5-6: ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ (ਪਾਠ 9-13)
ਹਫਤਾ 7-8: ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ (ਪਾਠ 14-16)
ਹਫਤਾ 9: ਕਲਾਉਡ ਡਾਟਾ ਸਾਇੰਸ (ਪਾਠ 17-19)
ਹਫਤਾ 10: ਅਸਲ-ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ਅੰਤਮ ਪ੍ਰੋਜੈਕਟ (ਪਾਠ 20)

Docsify ਨੂੰ ਆਫਲਾਈਨ ਐਕਸੈਸ ਲਈ ਚਲਾਉਣਾ

# Serve documentation locally for classroom use
docsify serve

# Students can access at localhost:3000
# No internet required after initial setup

ਅਸਾਈਨਮੈਂਟ ਗ੍ਰੇਡਿੰਗ

ਵਿਦਿਆਰਥੀ ਨੋਟਬੁੱਕਸ ਦੀ ਸਮੀਖਾ ਕਰੋ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਪੂਰੇ ਅਭਿਆਸ ਹਨ
ਕੁਇਜ਼ ਸਕੋਰਾਂ ਰਾਹੀਂ ਸਮਝ ਦੀ ਜਾਂਚ ਕਰੋ
ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ ਸਿਧਾਂਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅੰਤਮ ਪ੍ਰੋਜੈਕਟਾਂ ਦਾ ਮੁਲਾਂਕਨ ਕਰੋ

ਅਸਾਈਨਮੈਂਟ ਬਣਾਉਣਾ

# Example custom assignment template
"""
Assignment: [Topic]

Objective: [Learning goal]

Dataset: [Provide or have students find one]

Tasks:
1. Load and explore the dataset
2. Clean and prepare the data
3. Create at least 3 visualizations
4. Perform analysis
5. Communicate findings

Deliverables:
- Jupyter notebook with code and explanations
- Written summary of findings
"""

ਆਫਲਾਈਨ ਕੰਮ ਕਰਨਾ

ਸਰੋਤ ਡਾਊਨਲੋਡ ਕਰੋ

# Clone the entire repository
git clone https://github.com/microsoft/Data-Science-For-Beginners.git

# Download datasets in advance
# Most datasets are included in the repository

ਦਸਤਾਵੇਜ਼ ਨੂੰ ਲੋਕਲ ਚਲਾਓ

# Serve with Docsify
docsify serve

# Access at localhost:3000

ਕੁਇਜ਼ ਐਪ ਨੂੰ ਲੋਕਲ ਚਲਾਓ

cd quiz-app
npm run serve

ਅਨੁਵਾਦਿਤ ਸਮੱਗਰੀ ਤੱਕ ਪਹੁੰਚ

ਅਨੁਵਾਦ 40+ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਉਪਲਬਧ ਹਨ:

# Access translated lessons
cd translations/fr  # French
cd translations/es  # Spanish
cd translations/de  # German
# ... and many more

ਹਰ ਅਨੁਵਾਦ ਅੰਗਰੇਜ਼ੀ ਸੰਸਕਰਣ ਦੇ ਸਮੇ ਢਾਂਚੇ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦਾ ਹੈ।

ਵਾਧੂ ਸਰੋਤ

ਸਿੱਖਣ ਜਾਰੀ ਰੱਖੋ

Microsoft Learn - ਵਾਧੂ ਸਿੱਖਣ ਪਾਥ
Student Hub - ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਸਰੋਤ
Azure AI Foundry - ਕਮਿਊਨਿਟੀ ਫੋਰਮ

ਸੰਬੰਧਿਤ ਕਰਿਕੁਲਮ

ਮਦਦ ਪ੍ਰਾਪਤ ਕਰਨਾ

ਆਮ ਸਮੱਸਿਆਵਾਂ ਲਈ TROUBLESHOOTING.md ਦੀ ਜਾਂਚ ਕਰੋ
GitHub Issues ਦੀ ਖੋਜ ਕਰੋ
ਸਾਡੇ Discord ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਵੋ
ਸਮੱਸਿਆਵਾਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਜਾਂ ਯੋਗਦਾਨ ਦੇਣ ਲਈ CONTRIBUTING.md ਦੀ ਸਮੀਖਾ ਕਰੋ

ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦਾ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।

14 KiB Raw Blame History