Skip to content

README.md

Latest commit

 

History

History
140 lines (94 loc) · 12.7 KB

README.md

File metadata and controls

140 lines (94 loc) · 12.7 KB

အခြေခံမှစတင်ရန် Data Science နမူနာများ

Data Science ကို စတင်လေ့လာလိုသူများအတွက် ဒီနမူနာဖိုင်များကို ကြိုဆိုပါတယ်။ ဒီနမူနာများမှာ ရိုးရှင်းပြီး အဆင်ပြေသော မှတ်ချက်များပါဝင်ပြီး၊ အခြေခံကနေ စတင်လေ့လာသူများအတွက် အထောက်အကူဖြစ်စေဖို့ ရည်ရွယ်ထားပါတယ်။

📚 ဒီမှာ ဘာတွေတွေ့ရမလဲ

နမူနာတစ်ခုစီမှာ:

  • ရှင်းလင်းသော မှတ်ချက်များ - အဆင့်တိုင်းကို ရှင်းပြထားသည်
  • ရိုးရှင်းပြီး ဖတ်လွယ်သော ကုဒ်များ - တစ်ကြောင်းချင်းစီကို ရှင်းပြထားသည်
  • အမှန်တကယ်အသုံးဝင်သော အခြေအနေများ - ဘယ်အချိန်မှာ ဘာကြောင့် ဒီနည်းလမ်းတွေကို သုံးရမလဲဆိုတာ နားလည်စေသည်
  • မျှော်မှန်းရလဒ်များ - ဘာတွေကို ရှာဖွေကြည့်ရမလဲဆိုတာ သိစေသည်

🚀 စတင်လိုက်ရအောင်

လိုအပ်ချက်များ

ဒီနမူနာများကို အသုံးပြုရန် မလုပ်မဖြစ်လိုအပ်တာတွေက:

  • Python 3.7 သို့မဟုတ် အထက်ရှိထားရမည်
  • Python script များကို အလုပ်လုပ်စေဖို့ အခြေခံနားလည်မှု

လိုအပ်သော Library များကို ထည့်သွင်းခြင်း

pip install pandas numpy matplotlib

📖 နမူနာများအကြောင်းအရာ

1. Hello World - Data Science ပုံစံ

ဖိုင်: 01_hello_world_data_science.py

Data Science အစပျိုး! သင်လေ့လာမယ့်အရာတွေက:

  • ရိုးရှင်းတဲ့ dataset တစ်ခုကို load လုပ်ခြင်း
  • သင့် data အကြောင်းအရာကို ပြသခြင်း
  • သင့်ရဲ့ ပထမဆုံး Data Science output ကို ထုတ်ပြခြင်း

Data Science ကို စတင်လေ့လာလိုသူများအတွက် အကောင်းဆုံးနမူနာဖြစ်ပါတယ်။

2. Data ကို Load လုပ်ခြင်းနှင့် စူးစမ်းခြင်း

ဖိုင်: 02_loading_data.py

Data ကို အခြေခံကနေ စတင်လုပ်ဆောင်ခြင်း:

  • CSV ဖိုင်များမှ Data ကို ဖတ်ခြင်း
  • Dataset ရဲ့ ပထမဆုံးအတန်းများကို ကြည့်ရှုခြင်း
  • သင့် Data အကြောင်း အခြေခံစာရင်းများကို ရယူခြင်း
  • Data type များကို နားလည်ခြင်း

Data Science project တစ်ခုစတင်ရာမှာ အဓိကအဆင့်ဖြစ်ပါတယ်။

3. ရိုးရှင်းသော Data Analysis

ဖိုင်: 03_simple_analysis.py

သင့်ရဲ့ ပထမဆုံး Data Analysis ကို လုပ်ဆောင်ပါ:

  • အခြေခံစာရင်းများ (mean, median, mode) ကိုတွက်ချက်ခြင်း
  • အများဆုံးနှင့် အနည်းဆုံးတန်ဖိုးများကို ရှာဖွေခြင်း
  • တန်ဖိုးများကို ရေတွက်ခြင်း
  • အခြေအနေအရ Data ကို Filter လုပ်ခြင်း

သင့် Data အကြောင်း ရိုးရှင်းသောမေးခွန်းများကို ဖြေရှင်းပေးနိုင်သည်။

4. Data Visualization အခြေခံ

ဖိုင်: 04_basic_visualization.py

သင့်ရဲ့ ပထမဆုံး Visualization များကို ဖန်တီးပါ:

  • ရိုးရှင်းသော bar chart တစ်ခု ဖန်တီးခြင်း
  • line plot တစ်ခု ဖန်တီးခြင်း
  • pie chart တစ်ခု ဖန်တီးခြင်း
  • သင့်ရဲ့ Visualization များကို ပုံများအဖြစ် သိမ်းဆည်းခြင်း

သင့်ရဲ့ ရလဒ်များကို ရုပ်ပုံများဖြင့် ပြသနိုင်ရန် လေ့လာပါ။

5. အမှန်တကယ် Data နှင့် အလုပ်လုပ်ခြင်း

ဖိုင်: 05_real_world_example.py

အကုန်လုံးကို ပေါင်းစပ်ပြီး နမူနာတစ်ခုကို ပြုလုပ်ပါ:

  • Repository မှ အမှန်တကယ် Data ကို Load လုပ်ခြင်း
  • Data ကို သန့်စင်ပြီး ပြင်ဆင်ခြင်း
  • Analysis ကို လုပ်ဆောင်ခြင်း
  • အဓိပ္ပါယ်ရှိသော Visualization များကို ဖန်တီးခြင်း
  • သင့်ရဲ့ အနိဂုံးကို ဆွေးနွေးခြင်း

ဒီနမူနာက အစမှ အဆုံးအထိ workflow တစ်ခုကို ပြသပေးပါသည်။

🎯 ဒီနမူနာများကို ဘယ်လိုအသုံးပြုမလဲ

  1. အစမှစပါ: နမူနာများကို အခက်အခဲအဆင့်အလိုက် အမှတ်ပေးထားသည်။ 01_hello_world_data_science.py မှ စတင်ပြီး အဆင့်ဆင့် လေ့လာပါ။

  2. မှတ်ချက်များကို ဖတ်ပါ: ဖိုင်တစ်ခုစီမှာ ကုဒ်ရဲ့ အဓိပ္ပာယ်နှင့် အကြောင်းရင်းကို ရှင်းပြထားသော မှတ်ချက်များပါဝင်သည်။ သေချာဖတ်ပါ။

  3. စမ်းသပ်ပါ: ကုဒ်ကို ပြင်ဆင်ကြည့်ပါ။ တန်ဖိုးတစ်ခုကို ပြောင်းလဲလိုက်ရင် ဘာဖြစ်မလဲ? ပျက်သွားရင် ပြန်ပြင်ကြည့်ပါ - ဒီလိုနဲ့ သင်ယူနိုင်ပါတယ်။

  4. ကုဒ်ကို အလုပ်လုပ်စေပါ: နမူနာတစ်ခုစီကို အလုပ်လုပ်စေပြီး ရလဒ်ကို ကြည့်ပါ။ သင့်မျှော်မှန်းချက်နဲ့ နှိုင်းယှဉ်ကြည့်ပါ။

  5. ဆက်လက်တိုးချဲ့ပါ: နမူနာတစ်ခုကို နားလည်ပြီးရင် သင့်ရဲ့ အကြံအစည်များနဲ့ တိုးချဲ့ကြည့်ပါ။

💡 အခြေခံလေ့လာသူများအတွက် အကြံပြုချက်များ

  • မလျှင်မရှားပါနဲ့: နမူနာတစ်ခုစီကို နားလည်ပြီးမှ နောက်တစ်ခုဆက်သွားပါ
  • ကိုယ်တိုင်ရိုက်ပါ: ကုဒ်ကို ကူးမရိုက်ပါနဲ့။ ကိုယ်တိုင်ရိုက်ရင် သင်ယူနိုင်ပြီး မှတ်မိလွယ်ပါတယ်
  • မသိတာတွေကို ရှာဖွေပါ: နားမလည်တဲ့အရာတွေကို အွန်လိုင်းမှာ ရှာဖွေပါ
  • မေးမြန်းပါ: ဆွေးနွေးမှုဖိုရမ် ကို ဝင်ပြီး အကူအညီတောင်းပါ
  • ပုံမှန်လေ့ကျင့်ပါ: တစ်ပတ်တစ်ကြိမ်ကြာကြာလုပ်တာထက် နေ့စဉ်နည်းနည်းစီ လေ့ကျင့်ပါ

🔗 နောက်တစ်ဆင့်

ဒီနမူနာများကို ပြီးမြောက်ပြီးနောက်:

  • အဓိကသင်ခန်းစာများကို လေ့လာပါ
  • သင်ခန်းစာဖိုင်တစ်ခုစီမှာရှိတဲ့ လေ့ကျင့်ခန်းများကို စမ်းကြည့်ပါ
  • Jupyter notebook များကို အသုံးပြုပြီး နက်ရှိုင်းစွာ လေ့လာပါ
  • သင့်ရဲ့ Data Science project များကို ဖန်တီးပါ

📚 ထပ်မံသော အရင်းအမြစ်များ

🤝 အထောက်အပံ့ပေးခြင်း

အမှားတစ်ခုကို တွေ့ရှိပါသလား? သို့မဟုတ် နမူနာအသစ်တစ်ခုအတွက် အကြံပြုလိုပါသလား? ကျွန်ုပ်တို့ Contributing Guide ကို ကြည့်ပါ။

လေ့လာမှုကို ပျော်ရွှင်ပါစေ! 🎉

သတိပြုပါ: ကျွမ်းကျင်သူတိုင်းဟာ တစ်ချိန်က အစမှစတင်ခဲ့ရသူပါ။ တစ်ဆင့်ချင်းစီ ဖြည်းဖြည်းချင်း လုပ်ဆောင်ပါ၊ အမှားတွေကို မကြောက်ပါနဲ့ - အဲ့ဒါက သင်ယူမှုရဲ့ အစိတ်အပိုင်းတစ်ခုပါ!

အကြောင်းကြားချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း အလိုအလျောက် ဘာသာပြန်ခြင်းတွင် အမှားများ သို့မဟုတ် မမှန်ကန်မှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာရှိသော ရင်းမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူက ဘာသာပြန်ခြင်းကို အကြံပြုပါသည်။ ဤဘာသာပြန်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွဲအချော်များ သို့မဟုတ် အနားလွဲမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။