Data-Science-For-Beginners/translations/ne

डेटा साइन्सका लागि शुरुवातकर्ता - पाठ्यक्रम

Microsoft का Azure Cloud Advocates ले १० हप्ताको, २० पाठहरूको पाठ्यक्रम प्रदान गर्न पाउँदा खुशी छन्, जुन डेटा साइन्सको बारेमा छ। प्रत्येक पाठमा पाठ अघि र पाठ पछि क्विजहरू, पाठ पूरा गर्नका लागि लिखित निर्देशनहरू, समाधान, र असाइनमेन्ट समावेश छ। हाम्रो परियोजना-आधारित शिक्षण विधिले तपाईंलाई निर्माण गर्दै सिक्न अनुमति दिन्छ, नयाँ सीपहरू 'टिक्न' को लागि प्रमाणित तरिका।

हाम्रो लेखकहरूलाई हार्दिक धन्यवाद: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 विशेष धन्यवाद 🙏 हाम्रो Microsoft Student Ambassador लेखकहरू, समीक्षकहरू र सामग्री योगदानकर्ताहरूलाई, विशेष गरी 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 साइन्सका लागि शुरुवातकर्ता - Sketchnote by @nitya

🌐 बहुभाषी समर्थन

GitHub Action मार्फत समर्थित (स्वचालित र सधैं अद्यावधिक)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

यदि तपाईं थप अनुवाद चाहनुहुन्छ भने यहाँ सूचीबद्ध भाषाहरू समर्थित छन् यहाँ

हाम्रो समुदायमा सामेल हुनुहोस्

हामीसँग AI सिक्ने शृंखला चलिरहेको छ, थप जान्न र सामेल हुन Learn with AI Series मा जानुहोस् १८ - ३० सेप्टेम्बर, २०२५। तपाईंले GitHub Copilot लाई डेटा साइन्सका लागि प्रयोग गर्ने टिप्स र ट्रिक्स पाउनुहुनेछ।

के तपाईं विद्यार्थी हुनुहुन्छ?

निम्न स्रोतहरूबाट सुरु गर्नुहोस्:

• Student Hub पृष्ठ यस पृष्ठमा, तपाईंले शुरुवातकर्ता स्रोतहरू, विद्यार्थी प्याकहरू र नि:शुल्क प्रमाणपत्र भौचर प्राप्त गर्ने तरिकाहरू पाउनुहुनेछ। यो पृष्ठलाई बुकमार्क गर्नुहोस् र समय-समयमा जाँच गर्नुहोस् किनकि हामी कम्तीमा मासिक सामग्री परिवर्तन गर्छौं।
• Microsoft Learn Student Ambassadors विद्यार्थी राजदूतहरूको विश्वव्यापी समुदायमा सामेल हुनुहोस्, यो Microsoft मा तपाईंको प्रवेशद्वार हुन सक्छ।

सुरु गर्दै

शिक्षकहरू: हामीले केही सुझावहरू समावेश गरेका छौं यो पाठ्यक्रम कसरी प्रयोग गर्ने। कृपया हाम्रो चर्चा फोरममा तपाईंको प्रतिक्रिया दिनुहोस्!

विद्यार्थीहरू: यो पाठ्यक्रमलाई आफैं प्रयोग गर्न, सम्पूर्ण रिपोजिटरीलाई फोर्क गर्नुहोस् र आफैं अभ्यासहरू पूरा गर्नुहोस्, प्रि-लेक्चर क्विजबाट सुरु गर्दै। त्यसपछि लेक्चर पढ्नुहोस् र बाँकी गतिविधिहरू पूरा गर्नुहोस्। पाठहरू बुझेर परियोजनाहरू सिर्जना गर्ने प्रयास गर्नुहोस् समाधान कोडलाई नक्कल नगरी; यद्यपि, त्यो कोड प्रत्येक परियोजना-उन्मुख पाठको /solutions फोल्डरहरूमा उपलब्ध छ। अर्को विचार भनेको साथीहरूसँग अध्ययन समूह बनाउनुहोस् र सामग्री सँगै जानुहोस्। थप अध्ययनको लागि, हामी Microsoft Learn सिफारिस गर्छौं।

टोलीलाई भेट्नुहोस्

Gif द्वारा Mohit Jaisal

🎥 माथिको छवि क्लिक गर्नुहोस् परियोजनाको बारेमा भिडियोका लागि र यसलाई सिर्जना गर्ने व्यक्तिहरूका लागि!

शिक्षण विधि

हामीले यो पाठ्यक्रम निर्माण गर्दा दुई शिक्षण सिद्धान्तहरू रोजेका छौं: सुनिश्चित गर्नु कि यो परियोजना-आधारित हो र यसमा बारम्बार क्विजहरू समावेश छन्। यो शृंखला समाप्त हुँदा, विद्यार्थीहरूले डेटा साइन्सका आधारभूत सिद्धान्तहरू सिकेका हुनेछन्, जसमा नैतिक अवधारणाहरू, डेटा तयारी, डेटा काम गर्ने विभिन्न तरिकाहरू, डेटा दृश्यता, डेटा विश्लेषण, डेटा साइन्सका वास्तविक-विश्व प्रयोगहरू, र थप समावेश छन्।

यसका साथै, कक्षाको अगाडि कम-जोखिमको क्विजले विद्यार्थीलाई विषय सिक्न प्रेरित गर्छ, जबकि कक्षापछि दोस्रो क्विजले थप स्मरण सुनिश्चित गर्छ। यो पाठ्यक्रम लचिलो र रमाइलो बनाउन डिजाइन गरिएको हो र पूर्ण वा आंशिक रूपमा लिन सकिन्छ। परियोजनाहरू साना सुरु हुन्छन् र १० हप्ताको चक्रको अन्त्यसम्ममा क्रमशः जटिल बन्छन्।

हाम्रो Code of Conduct, Contributing, Translation दिशानिर्देशहरू फेला पार्नुहोस्। हामी तपाईंको रचनात्मक प्रतिक्रिया स्वागत गर्छौं!

प्रत्येक पाठमा समावेश छ:

• वैकल्पिक स्केच नोट
• वैकल्पिक पूरक भिडियो
• पाठ अघि वार्मअप क्विज
• लिखित पाठ
• परियोजना-आधारित पाठहरूको लागि, परियोजना निर्माण गर्ने चरण-दर-चरण मार्गदर्शन
• ज्ञान जाँच
• चुनौती
• पूरक पढाइ
• असाइनमेन्ट
• पाठ पछि क्विज

क्विजहरूको बारेमा नोट: सबै क्विजहरू Quiz-App फोल्डरमा समावेश छन्, प्रत्येकमा तीन प्रश्नका ४० कुल क्विजहरू। तिनीहरू पाठभित्र लिंक गरिएका छन्, तर क्विज एपलाई स्थानीय रूपमा चलाउन वा Azure मा तैनात गर्न सकिन्छ; quiz-app फोल्डरमा निर्देशनहरू पालना गर्नुहोस्। तिनीहरू क्रमशः स्थानीयकरण हुँदैछन्।

पाठहरू

डेटा साइन्सको लागि शुरुआती: रोडम्याप - @nitya द्वारा स्केच नोट

पाठ संख्या	विषय	पाठ समूह	सिक्ने उद्देश्यहरू	लिंक गरिएको पाठ	लेखक
01	डेटा साइन्सको परिभाषा	परिचय	डेटा साइन्सको आधारभूत अवधारणाहरू सिक्नुहोस् र यो कृत्रिम बुद्धिमत्ता, मेसिन लर्निङ, र बिग डाटासँग कसरी सम्बन्धित छ।	पाठ भिडियो	Dmitry
02	डेटा साइन्सको नैतिकता	परिचय	डेटा नैतिकता अवधारणाहरू, चुनौतीहरू र फ्रेमवर्कहरू।	पाठ	Nitya
03	डेटा परिभाषा	परिचय	डेटा कसरी वर्गीकृत गरिन्छ र यसको सामान्य स्रोतहरू।	पाठ	Jasmine
04	तथ्यांक र सम्भावनाको परिचय	परिचय	डेटा बुझ्नको लागि सम्भावना र तथ्यांकको गणितीय प्रविधिहरू।	पाठ भिडियो	Dmitry
05	सम्बन्धित डेटा संग काम गर्ने	डेटा संग काम गर्ने	सम्बन्धित डेटा र SQL (सी-क्वेल) को प्रयोग गरेर डेटा अन्वेषण र विश्लेषणको आधारभूत कुराहरूको परिचय।	पाठ	Christopher
06	NoSQL डेटा संग काम गर्ने	डेटा संग काम गर्ने	गैर-सम्बन्धित डेटा, यसको विभिन्न प्रकारहरू र दस्तावेज डेटाबेसहरूको अन्वेषण र विश्लेषणको आधारभूत कुराहरूको परिचय।	पाठ	Jasmine
07	Python संग काम गर्ने	डेटा संग काम गर्ने	Pandas जस्ता पुस्तकालयहरूको प्रयोग गरेर डेटा अन्वेषणको लागि Python प्रयोग गर्ने आधारभूत कुराहरू। Python प्रोग्रामिङको आधारभूत ज्ञान सिफारिस गरिन्छ।	पाठ भिडियो	Dmitry
08	डेटा तयारी	डेटा संग काम गर्ने	हराएको, गलत, वा अपूर्ण डेटा सामना गर्न सफा गर्ने र रूपान्तरण गर्ने प्रविधिहरू।	पाठ	Jasmine
09	मात्राहरूको दृश्यात्मकता	डेटा दृश्यात्मकता	Matplotlib प्रयोग गरेर चरा डेटा 🦆 दृश्यात्मकता गर्न सिक्नुहोस्।	पाठ	Jen
10	डेटा वितरणको दृश्यात्मकता	डेटा दृश्यात्मकता	अन्तराल भित्रको अवलोकन र प्रवृत्तिहरू दृश्यात्मकता।	पाठ	Jen
11	अनुपातहरूको दृश्यात्मकता	डेटा दृश्यात्मकता	छुट्टै र समूहबद्ध प्रतिशतहरूको दृश्यात्मकता।	पाठ	Jen
12	सम्बन्धहरूको दृश्यात्मकता	डेटा दृश्यात्मकता	डेटा सेटहरू र तिनका चरहरू बीचको सम्बन्ध र सहसंबंधहरू दृश्यात्मकता।	पाठ	Jen
13	अर्थपूर्ण दृश्यात्मकता	डेटा दृश्यात्मकता	प्रभावकारी समस्या समाधान र अन्तर्दृष्टिका लागि तपाईंको दृश्यात्मकता मूल्यवान बनाउने प्रविधिहरू र मार्गदर्शन।	पाठ	Jen
14	डेटा साइन्स जीवनचक्रको परिचय	जीवनचक्र	डेटा साइन्स जीवनचक्रको परिचय र डेटा प्राप्त गर्ने र निकाल्ने पहिलो चरण।	पाठ	Jasmine
15	विश्लेषण	जीवनचक्र	डेटा साइन्स जीवनचक्रको यो चरण डेटा विश्लेषण गर्ने प्रविधिहरूमा केन्द्रित छ।	पाठ	Jasmine
16	सञ्चार	जीवनचक्र	डेटा साइन्स जीवनचक्रको यो चरण डेटा बाट प्राप्त अन्तर्दृष्टिहरू निर्णयकर्ताहरूलाई बुझ्न सजिलो बनाउने तरिकामा प्रस्तुत गर्न केन्द्रित छ।	पाठ	Jalen
17	क्लाउडमा डेटा साइन्स	क्लाउड डेटा	क्लाउडमा डेटा साइन्स र यसको फाइदाहरूको परिचय दिने पाठहरूको श्रृंखला।	पाठ	Tiffany र Maud
18	क्लाउडमा डेटा साइन्स	क्लाउड डेटा	लो कोड उपकरणहरू प्रयोग गरेर मोडेलहरू प्रशिक्षण।	पाठ	Tiffany र Maud
19	क्लाउडमा डेटा साइन्स	क्लाउड डेटा	Azure Machine Learning Studio प्रयोग गरेर मोडेलहरू तैनात गर्ने।	पाठ	Tiffany र Maud
20	जङ्गलमा डेटा साइन्स	जङ्गलमा	वास्तविक संसारमा डेटा साइन्स द्वारा संचालित परियोजनाहरू।	पाठ	Nitya

GitHub Codespaces

यस नमूनालाई Codespace मा खोल्न निम्न चरणहरू पालना गर्नुहोस्:

1. Code ड्रप-डाउन मेनुमा क्लिक गर्नुहोस् र Open with Codespaces विकल्प चयन गर्नुहोस्।
2. प्यानको तल + New codespace चयन गर्नुहोस्। थप जानकारीको लागि, GitHub दस्तावेज हेर्नुहोस्।

VSCode Remote - Containers

तपाईंको स्थानीय मेसिन र VSCode प्रयोग गरेर यो रिपोजिटरीलाई कन्टेनरमा खोल्न निम्न चरणहरू पालना गर्नुहोस्:

1. यदि यो पहिलो पटक विकास कन्टेनर प्रयोग गर्दै हुनुहुन्छ भने, कृपया सुनिश्चित गर्नुहोस् कि तपाईंको प्रणालीले पूर्व-आवश्यकताहरू पूरा गरेको छ (जस्तै Docker स्थापना गरिएको छ) शुरुआती दस्तावेज मा।

यो रिपोजिटरी प्रयोग गर्न, तपाईं यसलाई अलग Docker भोल्युममा खोल्न सक्नुहुन्छ:

नोट: यसले Remote-Containers: Clone Repository in Container Volume... आदेश प्रयोग गरेर स्रोत कोडलाई स्थानीय फाइल प्रणालीको सट्टा Docker भोल्युममा क्लोन गर्नेछ। Volumes कन्टेनर डेटा कायम राख्नको लागि प्राथमिक मेकानिज्म हो।

वा स्थानीय रूपमा क्लोन गरिएको वा डाउनलोड गरिएको संस्करण खोल्नुहोस्:

• यो रिपोजिटरीलाई तपाईंको स्थानीय फाइल प्रणालीमा क्लोन गर्नुहोस्।
• F1 थिच्नुहोस् र Remote-Containers: Open Folder in Container... आदेश चयन गर्नुहोस्।
• यस फोल्डरको क्लोन गरिएको प्रतिलिपि चयन गर्नुहोस्, कन्टेनर सुरु हुने प्रतीक्षा गर्नुहोस्, र परीक्षण गर्नुहोस्।

अफलाइन पहुँच

तपाईं Docsify प्रयोग गरेर यो दस्तावेज अफलाइन चलाउन सक्नुहुन्छ। यो रिपोजिटरीलाई Fork गर्नुहोस्, Docsify स्थापना गर्नुहोस् तपाईंको स्थानीय मेसिनमा, त्यसपछि यो रिपोजिटरीको मूल फोल्डरमा docsify serve टाइप गर्नुहोस्। वेबसाइट तपाईंको localhost मा पोर्ट 3000 मा सेवा गरिनेछ: localhost:3000।

नोट, नोटबुकहरू Docsify मार्फत प्रस्तुत गरिने छैनन्, त्यसैले जब तपाईंलाई नोटबुक चलाउन आवश्यक छ, Python कर्नेल चलाउँदै VS Code मा अलग्गै गर्नुहोस्।

अन्य पाठ्यक्रमहरू

हाम्रो टोलीले अन्य पाठ्यक्रमहरू उत्पादन गर्दछ! हेर्नुहोस्:

• Edge AI for Beginners
• AI Agents for Beginners
• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• Bash for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• Machine Learning for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for AI Paired Programming
• XR Development for Beginners
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---

अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरेर अनुवाद गरिएको हो। हामी यथासम्भव शुद्धता सुनिश्चित गर्न प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छ। मूल दस्तावेज़ यसको मातृभाषामा आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।