or
यह अभ्यास पाठ्यक्रम का हिस्सा है
हम कोर्स की शुरुआत इस परिभाषा से करेंगे कि डेटा साइंस क्या है। हम डेटा साइंस वर्कफ़्लो कवर करेंगे और समझेंगे कि वास्तविक समस्याओं पर डेटा साइंस कैसे लागू होता है। अध्याय के अंत में, हम डेटा साइंस क्षेत्र के भीतर अलग-अलग भूमिकाओं के बारे में सीखेंगे।
अब जब हम डेटा साइंस वर्कफ़्लो समझ चुके हैं, तो हम पहले चरण—डेटा कलेक्शन और स्टोरेज—में गहराई से उतरेंगे। आप जानेंगे कि किन-किन डेटा सोर्सेज़ से डेटा लिया जा सकता है, वह डेटा कैसा दिखता है, डेटा इकट्ठा होने के बाद उसे कैसे स्टोर करें, और डेटा पाइपलाइन इस प्रक्रिया को कैसे ऑटोमेट कर सकती है।
डेटा प्रिपरेशन बुनियादी है: डेटा साइंटिस्ट अपना 80% समय डेटा को साफ़ करने और बदलने में और केवल 20% समय वास्तविक विश्लेषण में लगाते हैं। यह अध्याय आपको बताएगा कि अपने डेटा में समस्याएँ कैसे पहचानें, missing values और outliers को कैसे संभालें। इसके बाद आप विज़ुअलाइज़ेशन के बारे में सीखेंगे—जो डेटा को एक्सप्लोर करने और अपनी खोजों को स्पष्ट रूप से प्रस्तुत करने, दोनों के लिए ज़रूरी है।
इस अंतिम अध्याय में, हम एक्सपेरिमेंटेशन और प्रेडिक्शन पर चर्चा करेंगे! एक्सपेरिमेंट्स से शुरू करते हुए, हम A/B टेस्टिंग कवर करेंगे और फिर टाइम सीरीज़ फ़ोरकास्टिंग पर जाएँगे जहाँ हम भविष्य की घटनाओं का अनुमान लगाना सीखेंगे। अंत में, हम मशीन लर्निंग पर समाप्त करेंगे—जहाँ सुपरवाइज़्ड लर्निंग और क्लस्टरिंग पर नज़र डालेंगे।
वर्तमान अभ्यास