|
|
4 weeks ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 4 weeks ago | |
| 2-Working-With-Data | 4 weeks ago | |
| 3-Data-Visualization | 4 weeks ago | |
| 4-Data-Science-Lifecycle | 4 weeks ago | |
| 5-Data-Science-In-Cloud | 4 weeks ago | |
| 6-Data-Science-In-Wild | 4 weeks ago | |
| docs | 4 weeks ago | |
| examples | 4 weeks ago | |
| quiz-app | 4 weeks ago | |
| sketchnotes | 4 weeks ago | |
| .co-op-translator.json | 4 weeks ago | |
| AGENTS.md | 4 weeks ago | |
| CODE_OF_CONDUCT.md | 4 weeks ago | |
| CONTRIBUTING.md | 4 weeks ago | |
| INSTALLATION.md | 4 weeks ago | |
| README.md | 4 weeks ago | |
| SECURITY.md | 4 weeks ago | |
| SUPPORT.md | 4 weeks ago | |
| TROUBLESHOOTING.md | 4 weeks ago | |
| USAGE.md | 4 weeks ago | |
| for-teachers.md | 4 weeks ago | |
README.md
డేటా సైన్స్ ఫర్ బేగిన్నర్స్ - ఒక పాఠ్యక్రమం
మైక్రోసాఫ్ట్ లో Azure క్లౌడ్ అడ్వకేట్స్ డేటా సైన్స్ పై 10 వారాలు, 20 పాఠాలను కలిగిన పూర్తి పాఠ్యక్రమాన్ని అందించడం ఆనందంగా ఉంది. ప్రతి పాఠం పూర్వ పాఠం మరియు పశ్చాత్పాఠం క్విజిలను, పాఠాన్ని పూర్తి చేయటానికి రాయబడిన సూచనలను, ఒక పరిష్కారాన్ని మరియు అసైన్మెంట్ను కలిగి ఉంటుంది. మా ప్రాజెక్ట్ ఆధారిత పాఠశాల పద్ధతి మీరు నేర్పుకునే సమయానికి నిర్మించడానికి అనుమతిస్తుంది, ఇది కొత్త నైపుణ్యాలు మగ్గించడానికి పరీక్షించిన మార్గం.
మన రచయితలకు హృదయపూర్వక ధన్యవాదాలు: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 ప్రత్యేక ధన్యవాదాలు 🙏 మా Microsoft Student Ambassador రచయితలు, సమీక్షకులు మరియు కంటెంట్ కంట్రీబ్యూటర్లకు, ముఖ్యంగా 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
![]() |
|---|
| డేటా సైన్స్ ఫర్ బేగిన్నర్స్ - @nitya ద్వారా స్కెచ్నోట్ |
🌐 బహుభాషా మద్దతు
GitHub యాక్షన్ ద్వారా మద్దతు (ఆటోమేటెడ్ & ఎప్పుడూ తాజా)
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
స్థానికంగా క్లోన్ చేయాలనుకుంటున్నారా?
ఈ రిపాజిటరీ 50+ భాషా అనువాదాలను కలిగి ఉంటుంది, ఇది డౌన్లోడ్ పరిమాణాన్ని గణనీయంగా పెంచుతుంది. అనువాదాలు లేకుండా క్లోన్ చేయడానికి, స్పార్స్ చెకౌట్ ఉపయోగించండి:
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'ఇది మీరు కోర్సును పూర్తి చేయడానికి అవసరమైన అన్ని విషయాలను చాలా వేగంగా డౌన్లోడ్ చేస్తుంది.
అదనపు అనువాద భాషల మద్దతు కావాలంటే ఇక్కడ జాబితా చేయబడ్డాయి
మన కమ్యూనిటీలో చేరండి
మా వద్ద Discordలో AIతో నేర్చుకునే సిరీస్ ఉంటుంది, దీన్ని మరింత తెలుసుకోండి మరియు Learn with AI Series లో 18 - 30 సెప్టెంబర్, 2025 సమయాల్లో చేరండి. మీరు GitHub Copilot ఉపయోగించడం కోసం చిట్కాలు మరియు మార్గదర్శకాలను పొందుతారు.
మీరు విద్యార్థి అయితే?
కింది వనరులతో మొదలవ్వండి:
- స్టూడెంట్ హబ్ పేజీ ఈ పేజీలో మీరు ప్రారంభ దశలో ఉపయోగపడే వనరులు, స్టూడెంట్ ప్యాక్స్ మరియు ఉచిత సర్టిఫికెట్ వోచర్ అందుకునే మార్గాలు కనుగొంటారు. ఇది మీకు ఒక బుక్మార్క్ చేయదగిన పేజీ, మరియు కంటెంట్ మద్య మద్య మార్చుకుంటే, మీరు తరచూ తనిఖీ చేయాలి.
- Microsoft Learn Student Ambassadors గ్లోబల్ విద్యార్థి రూపొందింపబడ్డ కమ్యూనిటీలో చేరండి, ఇది మైక్రోసాఫ్ట్ లో చేరే మీ మార్గం కావచ్చు.
ప్రారంభం
📚 డాక్యుమెంటేషన్
- ఇన్స్టాలేషన్ గైడ్ - ప్రారంభదశల వారికి ఎలాంటి సౌకర్యాలతో స్థాపన సూచనలు
- ఉపయోగ గైడ్ - ఉదాహరణలు మరియు సాధారణ వర్క్ఫ్లోస్
- ట్రబుల్షూటింగ్ - సామాన్య సమస్యలకు పరిష్కారాలు
- కంట్రీబ్యూటింగ్ గైడ్ - ప్రాజెక్టుకు ఎలా కంట్రీబ్యూట్ చేయాలి
- గురువులకు - బోధనా సూచనాలు మరియు తరగతి వనరులు
👨🎓 విద్యార్థులకు
పూర్తి కొత్తవారికి: డేటా సైన్స్ కొత్తగా ఉంటే, మా బేగిన్నర్-ఫ్రెండ్లీ ఉదాహరణలు తో ప్రారంభించండి! ఈ సరళమైన మరియు బాగా వ్యాఖ్యానించిన ఉదాహరణలు మిమ్మల్ని పాఠ్యక్రమం పూర్తి మునిగిపోవడానికి ముందు ప్రాథమికాలు అర్థం చేసుకోవచ్చు. విద్యార్థులు: ఈ పాఠ్యక్రమాన్ని మీ స్వంతంగా ఉపయోగించాలంటే, మొత్తం రీపోను ఫోర్క్ చేసి ముందుగా యుక్తి-పరీక్షతో మొదలుపెట్టి, తర్వాత పాఠం చదివి మరింత కార్యకలాపాలు పూర్తిచేయండి. పరిష్కార కోడ్ కాపీ చేయడం కాకుండా పాఠాలను అర్థం చేసుకుని ప్రాజెక్టులు రూపొందించడానికి ప్రయత్నించండి; అయినప్పటికీ, ఆ కోడ్ /solutions ఫోల్డర్లలో అందుబాటులో ఉంటుంది. మరో యోచన, మిత్రులతో ఒక అధ్యయన సమూహం ఏర్పాటు చేసి కలసి విషయం చదవడం. మరింత అధ్యయనానికి, మేము Microsoft Learn ని సూచిస్తాము.
త్వరిత ప్రారంభం:
- మీ పరిసరాలను సెటప్ చేసేందుకు ఇన్స్టాలేషన్ గైడ్ ను తనిఖీ చేయండి
- పాఠ్యక్రమంతో ఎలా పని చేయాలో తెలుసుకోడానికి ఉపయోగ గైడ్ ను సమీక్షించండి
- పాఠం 1 నుండి ప్రారంభించి సీక్వెన్షియల్ గా పని చేయండి
- మద్దతు కోసం మా Discord కమ్యూనిటీ లో చేరండి
👩🏫 గురువులకు
గురువులు: ఈ పాఠ్యక్రమాన్ని ఎలా ఉపయోగించాలో చిన్న సూచనలు మేము చేర్చాము. మా చర్చ ఫోరంలో మీ అభిప్రాయాలు తెలపండి!
బృందాన్ని కలవండి
గిఫ్ మోహిత్ జాయిసల్
🎥 ప్రాజెక్ట్ గురించి మరియు దాన్ని సృష్టించిన వారిపై వీడియో కోసం పై చిత్రాన్ని క్లిక్ చేయండి!
పాఠశాస్త్రశాస్త్రం
ఈ పాఠ్యक्रमాన్ని రూపొందించే సమయంలో మేము రెండు పాఠశాస్త్ర ప్రిన్సిపళ్లు ఎంచుకున్నాం: ప్రాజెక్ట్ ఆధారితంగా ఉండటం మరియు తరచూ క్విజ్లు ఉండటం. ఈ సిరీస్ చివరికి, విద్యార్థులు డేటా సైన్స్ యొక్క ప్రాథమిక సూత్రాలు నేర్చుకుంటారు, ఇందులో నైతిక సూత్రాలు, డేటా సిద్ధత, డేటాతో పని చేసే వివిధ విధానాలు, డేటా విజువలైజేషన్, డేటా విశ్లేషణ, డేటా సైన్స్ యొక్క వాస్తవ ప్రపంచ ఉపయోగాల గురించి కూడా ఉంటుంది.
అంతేకాక, తరగతి ముందు ఒక తక్కువ-జోరు క్విజ్ విద్యార్థి ఒక విషయం నేర్చుకోవాలని ఉద్దేశ్యాన్ని సృష్టిస్తుంది, మరియు తరగతి తర్వాత రెండో క్విజ్ మరింత ఉండు సంపాదనను నిర్ధారిస్తుంది. ఈ పాఠ్యక్రమం సులభంగా మరియు సరదాగా ఉండేటట్లు రూపొందించబడింది మరియు మొత్తం గా లేదా భాగంగా తీసుకోవచ్చు. ప్రాజెక్టులు చిన్నగా మొదలవుతాయి మరియు 10 వారాల చక్రం చివరికి progressively క్లిష్టత ఎక్కువ అవుతుంది.
మా పని నిబంధనలు, కాంట్రిబ్యూటింగ్, భాషాంతరాలు మార్గదర్శకాలను చూడండి. మీ సానుకూలమైన అభిప్రాయాన్ని స్వాగతిస్తున్నాము!
ప్రతి పాఠం లో సగము:
- ఐచ్ఛిక స్కెట్ట్నోట్
- ఐచ్ఛిక అనుబంధ వీడియో
- పాఠం ముందు వార్మప్ క్విజ్
- రచించిన పాఠం
- ప్రాజెక్ట్ ఆధారిత పాఠాల కోసం ప్రాజెక్ట్ నిర్మాణం పై స్టెప్-బై-స్టెప్ గైడ్లు
- జ్ఞాన తనిఖీలు
- ఒక ఛాలెంజ్
- అనుబంధ స్పందన
- అసైన్మెంట్
- పాఠం తరువాతి క్విజ్
క్విజ్ల గురించి ఒక గమనిక: అన్ని క్విజ్లు Quiz-App ఫోల్డర్లో ఉంటాయి, మొత్తం 40 క్విజ్లు, ఒక్కో క్విజ్ మూడు ప్రశ్నలతో ఉంటాయి. ఇవి పాఠాల నుంచి లింక్ చేయబడ్డాయి, కానీ క్విజ్ యాప్ ని స్థానికంగా అమలు చేయవచ్చు లేదా Azureకి పంపవచ్చు; దీని కోసం
quiz-appఫోల్డర్లో ఉన్న సూచనలను అనుసరించండి. అవి క్రమంగా స్థానికీకరించబడుతున్నాయి.
🎓 ప్రారంభానికి అనుకూలమైన ఉదాహరణలు
డేటా సైన్స్ కొత్తవాడా? మీకు సహాయం చేయడానికి, మేము ప్రత్యేక ఉదాహరణల డైరెక్టరీ రూపొందించాము, సులభమైన, మెరుగ్గా వ్యాఖ్యానించబడిన కోడ్తో:
- 🌟 హలో వరల్డ్ - మీ మొదటి డేటా సైన్స్ ప్రోగ్రామ్
- 📂 డేటా లోడ్ చేయడం - డేటాసెట్లు చదవడం మరియు అన్వేషించడం నేర్చుకోండి
- 📊 సులభ విశ్లేషణ - గణాంకాలు లెక్కించడం మరియు నమూనాలను కనుగొనడం
- 📈 ప్రాథమిక విజువలైజేషన్ - చార్ట్లు మరియు గ్రాఫ్లు సృష్టించండి
- 🔬 వాస్తవ ప్రాజెక్ట్ - ప్రారంభం నుండి ముగింపు వరకు పూర్తి వర్క్ఫ్లో
ప్రతి ఉదాహరణలో ప్రతి దశను వివరిస్తూ సవివర వ్యాఖ్యలు ఉంటాయి, ఇది పూర్తిగా ప్రారంభకులు కోసం అనుకూలం!
పాఠాలు
![]() |
|---|
| డేటా సైన్స్ ఫర్ బిగినర్స్: రోడ్మాప్ - స్కెట్ట్నోట్: @nitya |
| పాఠ సంఖ్య | విషయం | పాఠ గ్రూపింగ్ | నేర్చుకోవడం లక్ష్యాలు | లింక్ చేయబడిన పాఠం | రచయిత |
|---|---|---|---|---|---|
| 01 | డేటా సైన్స్ నిర్వచనం | పరిచయము | డేటా సైన్స్ వెనుక ప్రాథమిక సూత్రాలు మరియు ఇ౦టెలిజెన్స్, మెషీన్ లెర్నింగ్, బిగ్ డేటాతో సంబంధం నేర్చుకోండి. | పాఠం వీడియో | Dmitry |
| 02 | డేటా సైన్స్ నైతికత | పరిచయము | డేటా నైతికత సూత్రాలు, సవాళ్లు & ఫ్రమ్రోక్స్ | పాఠం | Nitya |
| 03 | డేటా నిర్వచనం | పరిచయము | డేటా ఎలా వర్గీకరించబడుతుందో మరియు సాధారణ మూలాలు. | పాఠం | Jasmine |
| 04 | గణాంకాలు & ప్రాయిసంభావ్యత పరిచయం | పరిచయము | డేటా అర్థం చేసుకోవడానికి ప్రాయిసంభావ్యత మరియు గణాంకాల గణిత శాస్త్ర పద్ధతులు. | పాఠం వీడియో | Dmitry |
| 05 | రిలేషనల్ డేటాతో పని చేయడం | డేటాతో పని | రిలేషన్ డేటా పరిచయం మరియు Structured Query Language (SQL - “సీ-క్వెల్” గా ఉచ్చరిస్తారు) తో రిలేషన్ డేటాను అన్వేషించడం, విశ్లేషించడం. | పాఠం | Christopher |
| 06 | నాన్-SQL డేటాతో పని చేయడం | డేటాతో పని | నాన్-రిలేషనల్ డేటా పరిచయం, దాని రకాలు మరియు డాక్యుమెంట్ డేటాబేస్లను అన్వేషించడం, విశ్లేషణ. | పాఠం | Jasmine |
| 07 | పైథాన్ తో పని | డేటాతో పని | Pandas లాంటి లైబ్రరీలతో డేటా అన్వేషణ కోసం పైథాన్ ఉపయోగించడం ప్రాథమికాలు. పైథాన్ ప్రోగ్రామింగ్ యొక్క ప్రాథమిక అవగాహన అవసరం. | పాఠం వీడియో | Dmitry |
| 08 | డేటా సిద్ధత | డేటాతో పని | మానుకున్న, తప్పైన, లేదా అసంపూర్ణ డేటా సవాళ్లను ఎదుర్కోవడానికి డేటాను శుభ్రపరచడం మరియు మార్చడం సాంకేతికతలు. | పాఠం | Jasmine |
| 09 | పరిమాణాలను విజువలైజ్ చేయడం | డేటా విజువలైజేషన్ | Matplotlib ఉపయోగించి బర్డ్ డేటాను విజువలైజ్ చేయడం నేర్చుకోండి 🦆 | పాఠం | Jen |
| 10 | డేటా పంపిణీలను విజువలైజ్ చేయడం | డేటా విజువలైజేషన్ | ఒక ఇంటర్వెల్లోని పరిశీలనల మరియు ధోరణులను విజువలైజ్ చేయడం. | పాఠం | Jen |
| 11 | భాగాల విజువలైజేషన్ | డేటా విజువలైజేషన్ | విడివిడిగా మరియు సమూహాల శాతాలను విజువలైజ్ చేయడం. | పాఠం | Jen |
| 12 | సంబంధాల విజువలైజేషన్ | డేటా విజువలైజేషన్ | డేటా మరియు వేరియబుల్స్ మధ్య సంబంధాలు, సహ సంబంధాలను విజువలైజ్ చేయడం. | పాఠం | Jen |
| 13 | అర్థపూర్వక విజువలైజేషన్లు | డేటా విజువలైజేషన్ | మీ విజువలైజేషన్లను సమస్య పరిష్కారానికి మరియు అవగాహనలకు విలువైనదిగా చేయడానికి సాంకేతికతలు మరియు మార్గదర్శకాలు. | పాఠం | Jen |
| 14 | డేటా సైన్స్ లైఫ్సైకిల్ పరిచయం | లైఫ్సైకిల్ | డేటా సైన్స్ లైఫ్సైకల్ పరిచయం మరియు మొదటి దశ - డేటాను సంపాదించడం మరియు తొలగించడం. | పాఠం | Jasmine |
| 15 | విశ్లేషణ | లైఫ్సైకిల్ | డేటా సైన్స్ లైఫ్సైకిల్లో ఈ దశ డేటా విశ్లేషణ సాంకేతికతలపై కేంద్రీకృతమైంది. | పాఠం | Jasmine |
| 16 | కమ్యూనికేషన్ | లైఫ్సైకిల్ | డేటా నుండి పొందిన అవగాహనలను నిర్ణయదారులు సులభంగా అర్థం చేసుకునే విధంగా అందించడంపై ఈ దశ కేంద్రీకృతమైంది. | పాఠం | Jalen |
| 17 | క్లౌడ్ లో డేటా సైన్స్ | క్లౌడ్ డేటా | ఈ పాఠాల శ్రేణి క్లౌడ్ లో డేటా సైన్స్ మరియు దాని లాభాల పరిచయం చేస్తుంది. | పాఠం | Tiffany మరియు Maud |
| 18 | క్లౌడ్ లో డేటా సైన్స్ | క్లౌడ్ డేటా | లో కోడ్ టూల్స్ ఉపయోగించి మోడల్స్ శిక్షణ. | పాఠం | Tiffany మరియు Maud |
| 19 | క్లౌడ్ లో డేటా సైన్స్ | క్లౌడ్ డేటా | Azure Machine Learning Studio తో మోడల్స్ ను డిప్లాయ్ చేయడం. | పాఠం | Tiffany మరియు Maud |
| 20 | వనాలలో డేటా సైన్స్ | వనంలో | వాస్తవ ప్రపంచంలో డేటా సైన్స్ ఆధారిత ప్రాజెక్టులు. | పాఠం | Nitya |
GitHub కోడ్స్పేస్లు
ఈ నమూనాను ఒక కోడ్స్పేస్లో తెరవడానికి ఈ దశలను అనుసరించండి:
- కోడ్ డ్రాప్-డౌన్ మెనూని క్లిక్ చేసి Open with Codespaces ఎంపికను ఎంచుకోండి.
- పానెల్ దిగువన + New codespace ఎంచుకోండి. మరింత సమాచారం కోసం GitHub డాక్యుమెంటేషన్ చూడండి.
VSCode రిమోట్ - కంటైనర్లు
తొలి సారి డెవలప్మెంట్ కంటైనర్ ఉపయోగిస్తుంటే, మీ సిస్టమ్ ముందుగా అవసరాలు తీర్చుకున్నదని నిర్ధారించుకోండి (అంటే Docker ఇన్స్టాల్ చేయబడినది) గెంటింగ్ స్టార్టెడ్ డాక్యుమెంటేషన్లో.
ఈ రిపోజిటరీను ఉపయోగించడానికి, మీరు రిపోజిటరీని డాకర్ వాల్యూమ్లో ఒంటరిగా ఓపెన్ చేయవచ్చు:
గమనిక: ఈ విధానం Remote-Containers: Clone Repository in Container Volume... కమాండ్ ఉపయోగించి సోర్స్ కోడ్ని డాకర్ వాల్యూమ్లో క్లోన్ చేస్తుంది స్థానిక ఫైల్ సిస్టమ్ స్దలంలో కాకుండా. వాల్యూమ్స్ కంటైనర్ డేటాను నిల్వ చేయడానికి ప్రాధాన్యమిస్తున్న యంత్రము.
లేదా స్థానికంగా క్లోన్ చేసిన లేదా డౌన్లోడ్ చేసిన రిపోజిటరీను ఓపెన్ చేయండి:
- ఈ రిపోజిటరీని మీ స్థానిక ఫైల్ సిస్టమ్కు క్లోన్ చేయండి.
- F1 నొక్కి Remote-Containers: Open Folder in Container... కమాండ్ ఎంచుకోండి.
- ఈ ఫోల్డర్ క్లోన్ చేసిన కాపీని ఎంచుకోండి, కంటైనర్ స్టార్ట్ అయ్యే వరకు వేచి చూడండి, మరియు ప్రయత్నించండి.
ఆఫ్లైన్ యాక్సెస్
Docsify ఉపయోగించి ఈ డాక్యుమెంటేషన్ ని ఆఫ్లైన్లో నడుపవచ్చు. ఈ రిపోను ఫోర్క్ చేసి, Docsify ఇన్స్టాల్ చేసి తో, ఈ రిపో యొక్క రూట్ ఫోల్డర్లో docsify serve టైప్ చేయండి. వెబ్సైట్ మీ లోకల్ హోస్ట్ లో 3000 పోర్ట్ పై సర్వ్ అవుతుంది: localhost:3000.
గమనిక, నొట్బుక్లు Docsify ద్వారా రెండర్ కావు, కాబట్టి మీరు నొట్బుక్ నడపాలంటే, అది వేరేలా VS Code లో Python కర్నల్ నడుపుతూ చేయండి.
ఇతర పాఠ్యక్రమాలు
మా బృందం ఇతర పాఠ్యక్రమాలు కూడా తయారు చేస్తుంది! చూడండి:
LangChain
Azure / Edge / MCP / ఏజెంట్లు
జనరేటివ్ AI సిరీస్
కోర్ లెర్నింగ్
కాపిలట్ సిరీస్
సహాయం పొందటం
సమస్యలు ఎదుర్కోచ్చా? సాధారణ సమస్యల పరిష్కారాల కోసం మా ట్రబుల్షూటింగ్ గైడ్ ను పరిశీలించండి.
మీరు అడ్డకట్టబడితే లేదా AI యాప్ల నిర్మాణం గురించి మీకు ఎలాంటి ప్రశ్నలు ఉంటే. MCP గురించి చర్చల్లో ఇతర అభ్యసకులు మరియు అనుభవజ్ఞులైన డెవలపర్లతో 합류 చేయండి. ఇది ప్రశ్నలు స్వాగతం మరియు జ్ఞానం స్వేచ్ఛగా పంచుకునే సహాయక సమాజం.
మీకు ఉత్పత్తి ప్రతిస్పందనలు లేదా లోపాలు ఉంటే:
అస్పృష్టం: ఈ పత్రం AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము సరైనతకు ప్రయత్నిస్తున్నప్పటికీ, స్వయంచాలిత అనువాదాల్లో తప్పులు లేదా అవాస్తవతలు ఉండవచ్చు. అసలు పత్రం తన స్వదేశీ భాషలో అధికారిక వనరుగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదాన్ని సిఫార్సు చేయబడాలి. ఈ అనువాదం వలన వచ్చే ఏ సందేహాలు లేదా తప్పుదృక్పథాలకు మేము బాధ్యత వహించము.



