Microsoft ನಲ್ಲಿ Azure Cloud Advocates ಡೇಟಾ ವಿಜ್ಞಾನ ಕುರಿತ 10 ವಾರಗಳ, 20 ಪಾಠದ ಪಠ್ಯಕ್ರಮವನ್ನು ನೀಡಲು ಸಂತೋಷಪಡುತ್ತಾರೆ. ಪ್ರತಿಯೊಂದು ಪಾಠದಲ್ಲಿಯೂ ಪಾಠದ ಮೊದಲು ಮತ್ತು ನಂತರದ ಪ್ರಶ್ನೋತ್ತರಗಳು, ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಬರೆಯಲಾದ ಸೂಚನೆಗಳು, ಪರಿಹಾರ ಮತ್ತು ಹವಸಿಕೆಒಂದು ಸೇರಿವೆ. ನಮ್ಮ ಯೋಜನೆ ಆಧಾರಿತ ಪಠ್ಯ ಕ್ರಮದಿಂದ ನೀವು ನಿರ್ಮಿಸುತ್ತಾ ಕಲಿಯಬಹುದು, ಇದು ಹೊಸ ಕೌಶಲ್ಯಗಳಿಗೆ "ಕದ್ದಲೆ" ಆಗುವ ಸSyncೃತಿಯಾಗಿದೆ.
ನಮ್ಮ ಲೇಖಕರಿಗೆ ಹೃತ್ಪೂರ್ವಕ ಧನ್ಯವಾದಗಳು: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 ನಮ್ಮ Microsoft Student Ambassador ಲೇಖಕರಿಗೆ, ವಿಮರ್ಶಕರಿಗೆ ಮತ್ತು ವಿಷಯ ದೇಣಿಗೆಯವರಿಗೆ ವಿಶೇಷ ಧನ್ಯವಾದಗಳು 🙏, 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
 |
|---|
| ಪ್ರಾರಂಭಿಕರಿಗಾಗಿ ಡೇಟಾ ಸೈನ್ಸ್ - ಸ್ಕೆಚ್ನೋಟ್ @nityaನಿಂದ |
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 ಮಾಡಬೇಕೇ?
ಈ ಸಂಗ್ರಹಸ್ಥಳವು 50+ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹಳ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು sparse checkout ಬಳಸಿ:
Bash / macOS / Linux:
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'CMD (Windows):
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"ಇದು ನಿಮಗೆ ಕೊರ್ಸ್ ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನೂ ಶೀಘ್ರ ಡೌನ್ಲೋಡ್ ಜೊತೆ ನೀಡುತ್ತದೆ.
ನೀವು ಹೆಚ್ಚುವರಿ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಬಯಸಿದರೆ, ಅವು ಇಲ್ಲಿ ಪಟ್ಟಿಮಾಡಲಾಗಿದೆ
ನಮ್ಮ ಡಿಸ್ಕೋರ್ಡ್ನಲ್ಲಿ AI ಸರಣಿಯೊಂದಿಗೆ ಕಲಿಕಾ ಕಾರ್ಯಕ್ರಮವಾಗಿದ್ದು, 2025 ಸೆಪ್ಟೆಂಬರ್ 18 - 30 ರವರೆಗೆ ನಡೆಯುತ್ತಿದೆ. ಮತ್ತಷ್ಟು ತಿಳಿಯಲು ಮತ್ತು ಸೇರುವುದಕ್ಕೆ Learn with AI Series ಗೆ ಭೇಟಿ ನೀಡಿ. ನೀವು GitHub Copilot ಯನ್ನು ಡೇಟಾ ಸೈನ್ಸ್ ಬಳಕೆಗಾಗಿ ಉಪಯೋಗಿಸುವ ಸಲಹೆ-ತಂತ್ರಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ.
ಕೆಳಗಿನ ಸಂಪನ್ಮೂಲಗಳೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ:
- Student Hub page ಈ ಪುಟದಲ್ಲಿ ನೀವು ಆರಂಭಿಕ ಸಂಪನ್ಮೂಲಗಳು, ವಿದ್ಯಾರ್ಥಿ ಪ್ಯಾಕ್ಸ್ ಮತ್ತು ಉಚಿತ ಪ್ರಮಾಣಪತ್ರ ವೌಚರ್ ಪಡೆಯುವುದು ಸೇರಿದಂತೆ ಅನೇಕ ವಿಷಯಗಳನ್ನು ಕಾಣಬಹುದು. ಇದು ನೀವು ಸಮಯಕಾಲಕ್ಕೆ ಪರಿಶೀಲಿಸಬೇಕಾದ ಪುಟ.
- Microsoft Learn Student Ambassadors ಜಾಗತಿಕ ವಿದ್ಯಾರ್ಥಿ ಒತ್ತಾಯಕರ ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿಕೊಳ್ಳಿ, ಇದು ನಿಮ್ಮ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಪ್ರವೇಶವಾಗಬಹುದು.
- ಇನ್ಸ್ಟಾಲೇಶನ್ ಮಾರ್ಗದರ್ಶಿ - ಹೊಸದಾಗಿ ಪ್ರಾರಂಭಿಸುವವರಿಗೆ ಹಂತ ಹಂತದ ಸ್ಥಾಪನೆ ಸೂಚನೆಗಳು
- ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ - ಉದಾಹರಣೆಗಳು ಮತ್ತು ಸಾಮಾನ್ಯ ಕಾರ್ಯಚಟುವಟಿಕೆಗಳು
- ಸಮಸ್ಯಾ ಪರಿಹಾರ - ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳು
- ಕೇಂಪು ನೀಡುವ ಮಾರ್ಗದರ್ಶಿ - ಈ ಯೋಜನೆಯಲ್ಲಿ ಹೇಗೆ ಸಹಕಾರ ಮಾಡಬಹುದು
- ಗುರುಗಳಿಗೆ - ಬೋಧನಾ ಮಾರ್ಗದರ್ಶನ ಮತ್ತು ತರಗತಿ ಸಂಪನ್ಮೂಲಗಳು
ಸಂಪೂರ್ಣ ಆರಂಭಿಕರು: ಡೇಟಾ ಸೈನ್ಸ್ ಬಗೆಗಿನ ಹೊಸವರು? ನಮ್ಮ ಆರಂಭಿಕ ಸ್ನೇಹಪರ ಉದಾಹರಣೆಗಳೊಂದರಿಂದ ಪ್ರಾರಂಭಿಸಿ! ಈ ಸರಳ, ಚೆನ್ನಾಗಿ ವರ್ಣಿಸಲಾದ ಉದಾಹರಣೆಗಳು ಪಾಠಕ್ರಮದ ಪೂರ್ಣವೂಸಲು ಮೊದಲು ಆಧಾರಭೂತ ವಿಚಾರಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ವಿದ್ಯಾರ್ಥಿಗಳು: ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಸ್ವತಃ ಬಳಸಲು, ಸಂಪೂರ್ಣ ಸಂಗ್ರಹಸ್ಥಳವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು ಪ್ರಿ-ಲೆಕ್ಚರ್ ಪ್ರಶ್ನೋತ್ತರದಿಂದ ಪ್ರಾರಂಭಿಸಿ ವೈಯಕ್ತಿಕವಾಗಿ ಅಭ್ಯಾಸಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ. ನಂತರ ಪಾಠವನ್ನು ಓದಿ ಉಳಿದ ಚಟುವಟಿಕೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ. ಪರಿಹಾರ ಕೋಡ್ ನಕಲಿಸುವ ಬದಲು ಪಾಠಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಯೋಜನೆಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಪ್ರಯತ್ನಿಸಿ; ಆದರೂ, ಆ ಕೋಡ್ ಪ್ರತಿ ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠದಲ್ಲಿಯೂ /solutions ಫೋಲ್ಡರ್ನಲ್ಲಿ ಲಭ್ಯವಿದೆ. ಇನ್ನೊಂದು ಆಲೋಚನೆ ಇಷ್ಟರಾದಲ್ಲಿ ಸ್ನೇಹಿತರೊಂದಿಗೆ ಅಧ್ಯಯನ ಬಳಗವನ್ನು ನಿರ್ಮಿಸಿ ಮತ್ತು ವಿಷಯಗಳನ್ನು ಸೇರಿಸಿಕೊಳ್ಳಿ. ಮುಂದಿನ ಅಧ್ಯಯನಕ್ಕಾಗಿ ನಾವು Microsoft Learn ಅನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
ವೇಗದ ಪ್ರಾರಂಭ:
- ನಿಮ್ಮ ವಾತಾವರಣವನ್ನು ಸೆಟ್ ಅಪ್ ಮಾಡಲು ಇನ್ಸ್ಟಾಲೇಶನ್ ಮಾರ್ಗದರ್ಶಿ ಪರಿಶೀಲಿಸಿ
- ಪಠ್ಯಕ್ರಮದೊಂದಿಗೆ ಏನು ಮಾಡುವುದು ಎಂದು ತಿಳಿಯ ಬಹುದು ಬಳಕೆ ಮಾರ್ಗದರ್ಶಿ ಓದಿ
- ಪಾಠ 1 ರಿಂದ ಪ್ರಾರಂಭಿಸಿ ಕ್ರಮವಾಗಿ ಮುಂದುವರಿಯಿರಿ
- ಬೆಂಬಲಕ್ಕಾಗಿ ನಮ್ಮ ಡಿಸ್ಕೋರ್ಡ್ ಸಮುದಾಯಕ್ಕೆ ಸೇರುವುದು
ಶಿಕ್ಷಕರು: ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ಹೇಗೆ ಬಳಸಬೇಕೆಂದು ಕೆಲವು ಸಲಹೆಗಳನ್ನು ಸೇರಿಸಲಾಗಿದೆ. ನಮ್ಮ ಚರ್ಚಾ ವಿನ್ಯಾಸದಲ್ಲಿ ನಿಮ್ಮ ಅಭಿಪ್ರಾಯಗಳನ್ನು ತಿಳಿಸಲು ನಾವು ಉತ್ಸುಕರಾಗಿದ್ದೇವೆ ನಮ್ಮ ಚರ್ಚಾ ವೇದಿಕೆಯಲ್ಲಿ!
ಗಿನೀ ಚಿತ್ರವನ್ನು ಮೋಹಿತ್ ಜೈಸಾಲ್ ರಚಿಸಿದ್ದಾರೆ
🎥 ಮೇಲಿನ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಯೋಜನೆ ಮತ್ತು ಅದನ್ನು ರಚಿಸಿದ ಜನರ ಕುರಿತು ವೀಡಿಯೋವನ್ನು ನೋಡಿ!
ಈ ಪಠ್ಯಕ್ರಮವನ್ನು ರಚಿಸುವಾಗ ನಾವು ಎರಡು ಪಾಠಶಾಸ್ತ್ರದ ತತ್ವಗಳನ್ನು ಆರಿಸಿಕೊಂಡಿದ್ದೇವೆ: ಅದು ಯೋಜನೆ ಆಧಾರಿತವಾಗಿದ್ದು, ನಿಯಮಿತವಾಗಿ ಕುಯಿಜ್ಗಳನ್ನು ಒಳಗೊಂಡಿರುವದು. ಈ ಸರಣಿಯ ಅಂತ್ಯಕ್ಕೆ, ವಿದ್ಯಾರ್ಥಿಗಳು ಡೇಟಾ ವಿಜ್ಞಾನದ ಮೂಲ ತತ್ವಗಳನ್ನು, ಆಚಾರ ಸಂಹಿತೆಗಳ ಜೊತೆಗೆ, ಡೇಟಾ તૈયಾರಿ, ಡೇಟಾ ಕೆಲಸ ಮಾಡುವ ವಿಭಿನ್ನ ವಿಧಾನಗಳು, ಡೇಟಾ ದೃಶ್ಯೀಕರಣ, ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ, ಡೇಟಾ ವಿಜ್ಞಾನದ ನೈಜ ಜಗತ್ತಿನ ಬಳಕೆದಾರರ ವಿಚಾರಗಳು ಮತ್ತು ಇತರೆ ವಿಷಯಗಳನ್ನು ಕಲಿಯುವರು.
ಅದರ ಜೊತೆಗೆ, ಒಂದು ಪಾಠದ ಮೊದಲಿಗೆ ಒಂದು ಕಡಿಮೆ ಒತ್ತಡದ ಕುಯಿಜ್ ವಿದ್ಯಾರ್ಥಿಯ ಕಲಿಕೆಯ ಮೇಲೆ ಆಕಾಂಕ್ಷೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಮತ್ತು ಪಾಠದ ನಂತರ ಎರಡನೇ ಕುಯಿಜ್ ಉಳಿಸಿಕೊಂಡಿರುವ ಜ್ಞಾನದ ಸಮರ್ಥಿಕತೆಯನ್ನು ದೃಢಪಡಿಸುತ್ತದೆ. ಈ ಪಠ್ಯಕ್ರಮವು ಬದಲಾಯಿಸಬಹುದಾದ ಮತ್ತು ಮನರಂಜನೆಯಾಗಿರಲು ವಿನ್ಯಾಸಗೊಳ್ಳಿದೆ ಮತ್ತು ಮುಕ್ತವಾಗಿಯೂ ಅಥವಾ ಭಾಗಭಾಗವೊಂದಿಗೆ ಹಂತಗಳಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾಗಿದೆ. ಯೋಜನೆಗಳು ಸಣ್ಣದಾಗಿ ಪ್ರಾರಂಭವಾಗಿ 10 ವಾರಗಳ ಚಕ್ರದ ಅಂತ್ಯಕ್ಕೆ ಹೆಚ್ಚು ಸೊಗಸಾಗಿರುತ್ತವೆ.
ನಮ್ಮ ಚಾಲನ ನಿಯಮಗಳು, ಸಹಾಯ, ಭಾಷಾಂತರ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ನೋಡಿ. ನಿಮ್ಮ ಸಂರಚನಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಗೆ ಸ್ವಾಗತ!
- ಐಚ್ಛಿಕ ಸ್ಕೆಚ್ ನೋಟ್
- ಐಚ್ಛಿಕ ಸಮರ್ಪಕ ವೀಡಿಯೋ
- ಪಾಠದ ಮುಂಚಿನ ತಂತ್ರಪರಿಕ ಪರೀಕ್ಷೆ
- ಲಿಖಿತ ಪಾಠ
- ಯೋಜನೆ ಆಧಾರಿತ ಪಾಠಗಳಿಗೆ, ಯೋಜನೆಯನ್ನು ರಚಿಸುವ ಹಂತ ಹಂತ ಮಾರ್ಗಸೂಚಿ
- ಜ್ಞಾನ ಪರಿಶೀಲನೆಗಳು
- ಸವಾಲು
- ಹೆಚ್ಚುವರಿ ಓದು
- ಕಾರ್ಯನಿರ್ವಹಣೆ
- ಪಾಠದ ನಂತರದ ಕುಯಿಜ್
ಕುಯಿಜ್ಗಳ ಬಗ್ಗೆ ಒಂದು ಟಿಪ್ಪಣಿ: ಎಲ್ಲಾ ಕುಯಿಜ್ಗಳು Quiz-App ಫೋಲ್ಡರ್ನಲ್ಲಿ ಸೇರಿವೆ, ಪ್ರತಿ ಒಂದರಲ್ಲಿ ಮೂರು ಪ್ರಶ್ನೆಗಳ 40 ಕುಯಿಜ್ಗಳ ಒಟ್ಟು. ಅವು ಪಾಠಗಳೊಳಗಿಂದ ಲಿಂಕ್ ಮಾಡಲಾಗಿದೆ, ಆದರೆ ಕುಯಿಜ್ ಅಪ್ಲಿಕೇಶನ್ ನೇರವಾಗಿ ಲೋಕಲ್ನಲ್ಲಿ ಅಥವಾ ಅಜೂರ್ಗೆ ರವಾನಿಸಬಹುದಾಗಿದೆ;
quiz-appಫೋಲ್ಡರ್ನಲ್ಲಿ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ. ಅವು ಸ್ಥರಿಸಿದ ಭಾಷಾಂತರಗಳಾಗಿ ಕ್ರಮವಾಗಿ ಲಭ್ಯವಾಗುತ್ತಿರುವುವು.
ಡೇಟಾ ಸೈನ್ಸ್ ಹೊಸದಾಗಿ ಕಲಿಯುತ್ತಿದ್ದೀರಾ? ನಿಮ್ಮ ಆರಂಭಕ್ಕಾಗಿ ಸರಳ ಮತ್ತು ಚೆನ್ನಾಗಿ ಕಾಮೆಂಟ್ ಮಾಡಲಾದ ಕೋಡ್ ಹೊಂದಿರುವ ವಿಶೇಷ ಉದಾಹರಣೆ ಫೋಲ್ಡರ್ ರಚಿಸಿದ್ದೇವೆ:
- 🌟 ಹಲೋ ವರ್ಲ್ಡ್ - ನಿಮ್ಮ ಮೊದಲ ಡೇಟಾ ವಿಜ್ಞಾನ ಕಾರ್ಯಕ್ರಮ
- 📂 ಡೇಟಾ ಲೋಡ್ ಮಾಡುವುದು - ಡೇಟಾಸೆಟ್ ಗಳನ್ನು ಓದುತ್ತ ಪ್ರಯತ್ನಿಸುವುದು ಕಲಿಯಿರಿ
- 📊 ಸರಳ ವಿಶ್ಲೇಷಣೆ - ಸಾಂಖ್ಯಿಕ ಗಣನೆ ಮಾಡಿ ಪ್ಯಾಟರ್ನ್ಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ
- 📈 ಮೂಲ ದೃಷ್ಠಾಂತ - ಚಾನೆಲ್ನ್ನು ಮತ್ತು ಗ್ರಾಫ್ಗಳನ್ನು ಸೃಷ್ಟಿಸಿ
- 🔬 ನೈಜ ಪ್ರಪಂಚ ಯೋಜನೆ - ಪ್ರಾರಂಭದಿಂದ ಪೂರ್ಣವಾಗುವ ಕಾರ್ಯಚಟುವಟಿಕೆ
ಪ್ರತಿ ಉದಾಹರಣೆಯಲ್ಲಿ ಪ್ರತಿಯೊಂದು ಹಂತವನ್ನು ವಿವರಿಸುವ ನಿಯಮಿತ ಕಾಮೆಂಟ್ಸ್ ಇರುತ್ತವೆ, ಇದು ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರಾರಂಭಿಕರಿಗೆ ಅತ್ಯುತ್ತಮವಾಗಿದೆ!
 |
|---|
| ಡೇಟಾ ಸೈನ್ಸ್ ಆರಂಭಿಕರಿಗೆ: ರಸ್ತೆ ನಕ್ಷೆ - ಸ್ಕೆಚ್ ನೋಟ್ @nitya ಮೂಲಕ |
| ಪಾಠ ಸಂಖ್ಯೆ | ವಿಷಯ | ಪಾಠ ಗುಂಪು | ಕಲಿಕೆಯ ಉದ್ದೇಶಗಳು | ಲಿಂಕ್ ಪಡೆದ ಪಾಠ | ಲೇಖಕ |
|---|---|---|---|---|---|
| 01 | ಡೇಟಾ ಸೈನ್ಸ್ ವ್ಯಾಖ್ಯಾನ | ಪರಿಚಯ | ಡೇಟಾ ಸೈನ್ಸ್ ಆಧಾರದ ತತ್ವಗಳನ್ನು ಹಾಗು ಅದು искусственный интеллект, ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾ ಜೊತೆಗೆ ಹೇಗೆ ಸಂಬಂಧಿಸಿದೆ ಎಂಬುದನ್ನು ಕಲಿಯಿರಿ. | ಪಾಠ ವೀಡಿಯೋ | ಡಿಮಿಟ್ರಿ |
| 02 | ಡೇಟಾ ಸೈನ್ಸ್ ನೈತಿಕತೆ | ಪರಿಚಯ | ಡೇಟಾ ನೈತಿಕತೆ ತತ್ವಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ರೂಪರೇಖೆಗಳು. | ಪಾಠ | ನಿತ್ಯ |
| 03 | ಡೇಟಾ ನಿಶ್ಚಿತಮಾಡುವುದು | ಪರಿಚಯ | ಡೇಟಾ ಹೇಗೆ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ ಮತ್ತು ಅದರ ಸಾಮಾನ್ಯ ಮೂಲಗಳು ಏನು. | ಪಾಠ | ಜಾಸ್ಮಿನ್ |
| 04 | ಸಮೀಕ್ಷೆ ಮತ್ತು ಸಂಭಾವ್ಯದ ಪರಿಚಯ | ಪರಿಚಯ | ಡೇಟಾವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಂಭಾವ್ಯತೆ ಮತ್ತು ಸಮೀಕ್ಷೆಯ ಗಣಿತ ತಂತ್ರಗಳು. | ಪಾಠ ವೀಡಿಯೋ | ಡಿಮಿಟ್ರಿ |
| 05 | ಸಂಬಂಧಿತ ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವುದು | ಡೇಟಾ ಕೆಲಸ | ಸಂಬಂಧಿತ ಡೇಟಾ ಮತ್ತು structured query language (SQL) ಮೂಲಕ ಸಂಬಂಧಿತ ಡೇಟಾವನ್ನು ಅನ್ವೇಷಿಸುವ ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಭೂತಗಳು. | ಪಾಠ | ಕ್ರಿಸ್ಟೋಫರ್ |
| 06 | ನಾನ್ SQL ಡೇಟಾ ಜೊತೆ ಕೆಲಸ ಮಾಡುವುದು | ಡೇಟಾ ಕೆಲಸ | ಸಂಬಂಧಿಸದ ಡೇಟಾ ಪರಿಚಯ, ಅದರ ವಿಭಿನ್ನ ವಿಧಗಳು ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್ ಡೇಟಾಬೇಸ್ ಅನ್ವೇಷಣೆ ಹಾಗೂ ವಿಶ್ಲೇಷಣೆಯ ಮೂಲಭೂತಗಳು. | ಪಾಠ | ಜಾಸ್ಮಿನ್ |
| 07 | ಪೈಥಾನ್ ಬಳಸಿ ಕೆಲಸ | ಡೇಟಾ ಕೆಲಸ | ಪ್ಯಾಂಡಾಸ್ ಸೇರಿದಂತೆ ಪೈಥಾನ್ ಲೈಬ್ರರಿಗಳು ಬಳಸಿ ಡೇಟಾ ಅನ್ವೇಷಣೆಯ ಮೂಲಭೂತಗಳು. ಪೈಥಾನ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಪರಿಪೂರ್ಣವಾದ ಅರ್ಥವನ್ನು ಹೊಂದಿರುವುದು ಶಿಫಾರಸು. | ಪಾಠ ವೀಡಿಯೋ | ಡಿಮಿಟ್ರಿ |
| 08 | ಡೇಟಾ ಸಿದ್ಧತೆ | ಡೇಟಾ ಕೆಲಸ | ಕಳೆದುಹೋದ, ತಪ್ಪಾಗಾದ ಅಥವಾ ಅಪೂರ್ಣ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸಲು ಸ್ವಚ್ಛತೆ ಮತ್ತು ಪರಿವರ್ತನೆಯ ತಂತ್ರಗಳು. | ಪಾಠ | ಜಾಸ್ಮಿನ್ |
| 09 | ಪ್ರಮಾಣಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು | ಡೇಟಾ ದೃಶ್ಯೀಕರಣ | ಮ್ಯಾಟ್ಪ್ಲಾಟ್ಲಿಬ್ ಬಳಸಿ ಹಕ್ಕಿ ಡೇಟಾವನ್ನು ದೃಶ್ಯೀಕರಿಸುವಿಕೆ ಕಲಿಯಿರಿ 🦆 | ಪಾಠ | ಜೆನ್ |
| 10 | ಡೇಟಾ ವಿತರಣೆಯನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು | ಡೇಟಾ ದೃಶ್ಯೀಕರಣ | ಒಂದು ಇಂಟರ್ವಲಿನ ಒಳಗಿನ ವೀಕ್ಷಣೆಗಳು ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು. | ಪಾಠ | ಜೆನ್ |
| 11 | ಪ್ರಮಾಣಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು | ಡೇಟಾ ದೃಶ್ಯೀಕರಣ | ವಿಭಜಿತ ಮತ್ತು ಗುಂಪುಗೊಳಿಸಿದ ಶೇಕಡಾವಾರುಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು. | ಪಾಠ | ಜೆನ್ |
| 12 | ಸಂಬಂಧಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು | ಡೇಟಾ ದೃಶ್ಯೀಕರಣ | ಡೇಟಾ ಸೆಟ್ಗಳ ಮತ್ತು ಅವರ ವೈಶಿಷ್ಟ್ಯಗಳ ನಡುವಿನ ಸಂಪರ್ಕ ಮತ್ತು ಸಮ್ಮಿಲನಗಳನ್ನು ದೃಶ್ಯೀಕರಿಸುವುದು. | ಪಾಠ | ಜೆನ್ |
| 13 | ಅರ್ಥಪೂರ್ಣ ದೃಶ್ಯೀಕರಣಗಳು | ಡೇಟಾ ದೃಶ್ಯೀಕರಣ | ಪರಿಣಾಮಕಾರಿ ಸಮಸ್ಯೆ ಪರಿಹಾರ ಮತ್ತು洞察ಗಳಿಗಾಗಿ ನಿಮ್ಮ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ಮೌಲ್ಯಯುತವಾಗಿಸಲು ತಂತ್ರಗಳು ಮತ್ತು ಮಾರ್ಗದರ್ಶನ. | ಪಾಠ | ಜೆನ್ |
| 14 | ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರದ ಪರಿಚಯ | ಜೀವನಚಕ್ರ | ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರದ ಪರಿಚಯ ಮತ್ತು ಮೊದಲ ಹಂತವಾದ ಡೇಟಾ ಪಡೆಯುವುದು ಮತ್ತು ತೆಗೆದುಹಾಕುವುದು. | ಪಾಠ | ಜಾಸ್ಮಿನ್ |
| 15 | ವಿಶ್ಲೇಷಣೆ | ಜೀವನಚಕ್ರ | ಡೇಟಾ ಸೈನ್ಸ್ ಜೀವನಚಕ್ರದ ಈ ಹಂತವು ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ತಂತ್ರಗಳನ್ನು ಕೇಂದ್ರಿತಗೊಳಿಸುತ್ತದೆ. | ಪಾಠ | ಜಾಸ್ಮಿನ್ |
| 16 | ಸಂವಹನ | ಜೀವನಚಕ್ರ | ಈ ಹಂತದಲ್ಲಿ ಡೇಟಾದ洞察ಗಳನ್ನು ನಿರ್ಧಾರಮೇಕರ್ಗಳ فهمಕ್ಕೆ ಸುಲಭವಾಗುವ ರೀತಿಯಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದು. | ಪಾಠ | ಜಾಲೆನ್ |
| 17 | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | ಮೋಡು ಡೇಟಾ | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಪರಿಚಯ ಮತ್ತು ಅದರ ಲಾಭಗಳು. | ಪಾಠ | ಟಿಫನಿ ಮತ್ತು ಮಾಡ್ |
| 18 | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | ಮೋಡು ಡೇಟಾ | ಲೋ ಕೋಡ್ ಉಪಕರಣಗಳಿಂದ ಮಾದರಿಗಳನ್ನು ತರಬೇತುಗೊಳಿಸುವುದು. | ಪಾಠ | ಟಿಫನಿ ಮತ್ತು ಮಾಡ್ |
| 19 | ಮೋಡದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | ಮೋಡು ಡೇಟಾ | ಅಜೂರ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಸ್ಟುಡಿಯೋ ಮೂಲಕ ಮಾದರಿಗಳನ್ನು ವಹಿಸುವುದು. | ಪಾಠ | ಟಿಫನಿ ಮತ್ತು ಮಾಡ್ |
| 20 | ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ | ನೈಜ ಜಗತ್ತು | ನೈಜ ಪ್ರಪಂಚದಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಚಾಲಿತ ಯೋಜನೆಗಳು. | ಪಾಠ | ನಿತ್ಯ |
ಈ ನುಡಿಯನ್ನು Codespace ನಲ್ಲಿ ತೆರೆಯಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
- ಕೋಡ್ ಡ್ರಾಪ್ಡೌನ್ ಮೆನು ಕ್ಲಿಕ್ ಮಾಡಿ ಮತ್ತು "Open with Codespaces" ಆಯ್ಕೆಯನ್ನು ಆರಿಸಿ.
- ಪಾನೆಲ್ ಕೆಳಭಾಗದಲ್ಲಿ + New codespace ಆಯ್ಕೆಮಾಡಿ. ಹೆಚ್ಚು ಮಾಹಿತಿಗಾಗಿ, GitHub ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ನೋಡಿ.
ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರ ಮತ್ತು VSCode ರಿಮೋಟ್ - ಕಂಟೈನರ್ ವಿಸ್ತರಣೆ ಬಳಸಿ ಈ ರೆಪೋ ಕಂಟೈನರ್ನಲ್ಲಿ ತೆರೆಯಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
- ನೀವು ಮೊದಲ ಬಾರಿಗೆ ಡೆವಲಪ್ಮೆಂಟ್ ಕಂಟೈನರ್ ಬಳಸುತ್ತಿದ್ದರೆ, ದಯವಿಟ್ಟು ನಿಮ್ಮ ವ್ಯವಸ್ಥೆ ಅಗತ್ಯ ಕನಿಷ್ಠ ಅಂಶಗಳನ್ನು (ಅಂದರೆ ಡೋಕರ್ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿರಬೇಕು) Getting Started ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ನಲ್ಲಿ ಪರಿಶೀಲಿಸಿ.
ಈ ರೆಪೋ ಬಳಸಲು, ನೀವು ಇದನ್ನು ವೆಚ್ಚ ಕಂಟೈನರ್ ವಾಲ್ಯೂಮ್ (Docker volume) ನಲ್ಲಿ ತೆರೆಯಬಹುದು:
ಟಿಪ್: ಆಂತರಿಕವಾಗಿ, ಇದು Remote-Containers: Clone Repository in Container Volume... ಆಜ್ಞೆಯನ್ನು ಬಳಸಿ ಮೂಲ ಕೋಡ್ ಅನ್ನು ಲೋಕಲ್ ಫೈಲ್ಸಿಸ್ಟಮ್ ಬದಲು ಡೋಕರ್ ವಾಲ್ಯೂಮ್ನಲ್ಲಿ ನಕಲಿಸುವುದು. ವಾಲ್ಯೂಮ್ಗಳು ಕಂಟೈನರ್ ಡೇಟಾ ಉಳಿಸುವ ಬಹುಮಾನ್ಯ ವಿಧಾನ.
ಅಥವಾ ಈ ರೆಪೋನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಅಥವಾ ಡೌನ್ಲೋಡ್ ಮಾಡಲಾದ ಪ್ರತಿ ಪ್ರತಿಯನ್ನು ತೆರೆಯಬಹುದು:
- ಈ ರೆಪೋವನ್ನು ನಿಮ್ಮ ಸ್ಥಳೀಯ ಫೈಲ್ ಸಿಸ್ಟಮ್ಗೆ ಕ್ಲೋನ್ ಮಾಡಿ.
- F1 ಒತ್ತಿ ಮತ್ತು Remote-Containers: Open Folder in Container... ಆಜ್ಞೆಯನ್ನು ಆರಿಸಿ.
- ಈ ಫೋಲ್ಡರ್ನ ಕ್ಲೋನ್ ಮಾಡಿದ ನಕಲನ್ನು ಆರಿಸಿ, ಕಂಟೈನರ್ ಪ್ರಾರಂಭವಾಗುವ ತನಕ ಕಾಯಿರಿ ಮತ್ತು ಪ್ರಯತ್ನಿಸಿ.
ನೀವು ಈ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಆಫ್ಲೈನ್ ಓದಲು Docsify ಬಳಸಿ ನಡೆಸಬಹುದು. ಈ ರೆಪೋವನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ, Docsify ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿ ನಿಮ್ಮ ಸ್ಥಳೀಯ ಯಂತ್ರದಲ್ಲಿ, ನಂತರ ಈ ರೆಪೋ ಮೂಲ ಫೋಲ್ಡರ್ನಲ್ಲಿ docsify serve(TYPE) ಮಾಡಿ. ವೆಬ್ಸೈಟ್ ನಿಮ್ಮ ಸ್ಥಳೀಯ ಹೇಂದಿಗಾವಾಗ 3000 ಪೋರ್ಟ್ನಲ್ಲಿ ಲಭ್ಯವಾಗುತ್ತದೆ: localhost:3000.
ಗಮನಿಸಿ, ನೋಟ್ಬುಕ್ಗಳು Docsify ಮೂಲಕ ರೆಂಡರ್ ಆಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ನೀವು ನೋಟ್ಬುಕ್ ಅನ್ನು ನಡೆಸಬೇಕಾದರೆ, ಅದನ್ನು VS Code ಪೈಥಾನ್ ಕರ್ಣಲ್ ಮೂಲಕ ಪ್ರತ್ಯೇಕವಾಗಿ ನಡೆಸಿ.
ನಮ್ಮ ತಂಡ ಇತರೆ ಪಾಠಕ್ರಮಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ! ಅವುಗಳನ್ನು ನೋಡಿ:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
ಸಮಸ್ಯೆಗಳ ಸಂಕಟದಲ್ಲಿ ಇದ್ದೀರಾ? ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳ ಪರಿಹಾರಗಳಿಗಾಗಿ ನಮ್ಮ Troubleshooting Guide ಅನ್ನು ಪರಿಶೀಲಿಸಿ.
ನೀವು ಅಡಚಣೆಯಲ್ಲಿದ್ದೀರಾ ಅಥವಾ AI ಅಪ್ಲಿಕೇಶನ್ಗಳ ನಿರ್ಮಾಣ ಬಗ್ಗೆ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ. MCP ಕುರಿತು fellow ಕಲಿಯುವವರ ಮತ್ತು ಅನುಭವಿತ ಡೆವೆಲಪರ್ಗಳ ಚರ್ಚೆಗಳಲ್ಲಿ ಭಾಗವಹಿಸಿ. ಇದು ಪ್ರಶ್ನೆಗಳನ್ನು ಸ್ವಾಗತಿಸುವ ಮತ್ತು ಜ್ಞಾನವನ್ನು ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳುವ ಒತ್ತಾಯಪೂರ್ಣ ಸಮುದಾಯವಾಗಿದೆ.
ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ದೋಷಗಳನ್ನು ಕಂಡುಹಿಡಿದಿದ್ದರೆ, ಭೇಟಿ ನೀಡಿ:
ತ್ಯಾಗಪತ್ರ: ಈ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು AI ಭಾಷಾಂತರ ಸೇವೆ Co-op Translator ಬಳಸಿ ಭಾಷಾಂತರಿಸಲಾಗಿದೆ. ನಮಗೆ ಶುದ್ಧತೆಗೆ ಪ್ರಯತ್ನವಿದ್ದರೂ, ಸ್ವಯಂಕ್ರಿಯ ಭಾಷಾಂತರಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದೆಂದು ಗಮನಿಸಿ. ಮೂಲದ ಡಾಕ್ಯುಮೆಂಟ್ ಅದರ ಮಾತೃಭಾಷೆಯಲ್ಲಿ ಪ್ರಾಮಾಣಿಕ ಮೂಲವಾಗಿವೆ ಎಂದು ಪರಿಗಣಿಸಬೇಕು. ಮುಖ್ಯ ಮಾಹಿತಿಗೆ ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಭಾಷಾಂತರವನ್ನು ಬಳಸುವುದರಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಗ್ರಹಿಕೆಗಳು ಅಥವಾ ತಪ್ಪು ಅರ್ಥೈಸಿಕೆಗಳಿಗಾಗಿ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.