मुख्य सामग्री पर जाएँ

[इन्फोग्राफिक] डेटा साइंस लर्निंग चेकलिस्ट

अपनी डेटा साइंस सीखने की यात्रा में मार्गदर्शन के लिए इस सुविधाजनक चेकलिस्ट का उपयोग करें।
DataCamp Team
DataCamp Team

अपना निःशुल्क खाता बनाएँ

अभ्यास और ट्रैक अपनी प्रगति को।

Google के साथ जारी रखेंजारी रखकर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा USA में संग्रहीत है।

डेटा साइंस में करियर अत्यधिक मांग वाला और लाभदायक है। इसमें डेटा का अध्ययन और संगठन, मशीन लर्निंग तकनीकों का उपयोग, और व्यावसायिक उद्देश्यों की समझ जैसे कई कार्य शामिल होते हैं। इस क्षेत्र में उत्कृष्टता हासिल करने के लिए, आपको कई क्षमताओं का संयोजन चाहिए, जैसे डेटा का सूक्ष्म विश्लेषण, व्यावसायिक अवधारणाओं की समझ, संचार कौशल, इत्यादि। आपकी प्रगति में सहायता के लिए, अपनी सीखने की यात्रा में इस सूची को संदर्भ बिंदु के रूप में उपयोग करें।

Data Cleaning Checklist@1x.png

इस इन्फोग्राफिक को डाउनलोड करने के लिए, ऊपर दी गई छवि पर क्लिक करें

एक्सप्लोरेटरी डेटा एनालिसिस

वर्णनात्मक सांख्यिकी

  • लोकेशन के माप जैसे औसत (mean) और माध्यिका (median), परिवर्तनशीलता के माप जैसे रेंज और मानक विचलन, तथा फीचर्स की अन्य विशेषताओं पर मेट्रिक्स की गणना करें
  • फीचर्स के बीच संबंधों को समझने के लिए सहसंबंध (correlation) जैसे मेट्रिक्स की गणना करें

DataCamp पर सीखें

अपने कौशल लागू करें

डेटा विज़ुअलाइज़ेशन

  • एकल फीचर्स को दर्शाने के लिए बार प्लॉट्स, हिस्टोग्राम और बॉक्स प्लॉट्स जैसे चार्ट बनाएं।
  • फीचर्स के बीच संबंधों को दर्शाने के लिए स्कैटर प्लॉट्स, लाइन प्लॉट्स और हीट मैप्स जैसे चार्ट बनाएं।

DataCamp पर सीखें

अपने कौशल लागू करें

 

डेटा प्रबंधन

डेटा आयात करना और पढ़ना

  • CSV और स्प्रेडशीट्स जैसे सामान्य फ़ाइल प्रारूपों से डेटा आयात करें।
  • SQL डेटाबेस को क्वेरी करके डेटा आयात करें।
  • वेब API के माध्यम से डेटा आयात करें।

DataCamp पर सीखें

अपने कौशल लागू करें

डेटा रैंगलिंग

  • सॉर्टिंग, सबसेटिंग, नए फीचर्स जोड़ना, और एग्रीगेशन जैसे सामान्य डेटा हेर-फेर करें।
  • इनर, लेफ्ट और अन्य जॉइन्स के माध्यम से दो डेटासेट्स को जोड़ें।
  • आयताकार डेटासेट को पिवट करें ताकि पंक्तियों को कॉलम में या कॉलम्स को पंक्तियों में बदला जा सके।

DataCamp पर सीखें

अपने कौशल लागू करें

डेटा क्लीनिंग

  • गलत डेटा प्रकार, सीमा से बाहर संख्याएँ, या डुप्लिकेट मान जैसी डेटा बाधाओं से संबंधित समस्याओं की पहचान करें और उन्हें ठीक करें।
  • पाठ्य और श्रेणीबद्ध डेटा से संबंधित समस्याओं की पहचान करें और उन्हें ठीक करें, जैसे अवैध श्रेणियाँ या गलत फ़ॉर्मेटिंग।
  • डेटा की एकरूपता से संबंधित समस्याओं की पहचान करें और उन्हें ठीक करें, जैसे गलत इकाइयाँ, गलत दिनांक प्रारूप, और फीचर्स के बीच असंगतता।
  • मिसिंग डेटा मानों से संबंधित समस्याओं की पहचान करें और उन्हें ठीक करें।

DataCamp पर सीखें

अपने कौशल लागू करें

 

व्यावसायिक समझ

व्यवसायिक लक्ष्य

  • व्यावसायिक लक्ष्यों के आधार पर विश्लेषणात्मक दृष्टिकोणों के लिए सिफारिशें दें
  • विश्लेषणात्मक परिणामों के प्रदर्शन का KPI या अन्य प्रासंगिक व्यावसायिक मानदंडों के विरुद्ध आकलन करें

DataCamp पर सीखें

अपने कौशल लागू करें

संगठनात्मक ज्ञान

  • अपने व्यवसाय पर डेटा साइंस प्रोजेक्ट्स के प्रभाव को समझें।
  • समझें कि किसी डेटा प्रोजेक्ट में किन टीमों या कर्मचारियों को शामिल होने की आवश्यकता है, और किस भूमिका में।

DataCamp पर सीखें

अपने कौशल लागू करें

डेटा साइंस के लिए प्रोग्रामिंग

कम्प्यूटेशनल थिंकिंग

  • फ्लो कंट्रोल और इटरेशन जैसी सामान्य प्रोग्रामिंग संरचनाओं का उपयोग करें।
  • विश्लेषण के लिए दोहराने योग्य कोड लिखने हेतु फंक्शन्स और फंक्शनल प्रोग्रामिंग को समझें।

DataCamp पर सीखें

अपने कौशल लागू करें

प्रोडक्शन कोडिंग

  • कोड प्रबंधन के लिए git जैसे वर्शन कंट्रोल का उपयोग करें
  • कोड गुणवत्ता सुनिश्चित करने के लिए एरर हैंडलिंग, असेर्शन्स, और यूनिट टेस्ट्स का उपयोग करें
  • दूसरों के लिए आपका कोड समझने योग्य बनाने हेतु डॉक्यूमेंटेशन लिखें
  • अपने कोड को पुन: प्रयोज्य बनाने के लिए पैकेज विकसित करें

DataCamp पर सीखें

अपने कौशल लागू करें

मॉडल विकास

मॉडल डिज़ाइन

  • अपने डेटासेट और विश्लेषणात्मक लक्ष्यों के आधार पर उपयुक्त मॉडल प्रकार (रिग्रेशन, क्लासिफिकेशन, क्लस्टरिंग, आदि) चुनें

DataCamp पर सीखें

अपने कौशल लागू करें

फीचर इंजीनियरिंग

  • मौजूदा फीचर्स से समस्या-संबंधी जानकारी निकालें, जैसे डेटाटाइम वेरिएबल से सप्ताह का दिन निकालना, या जन्मतिथि से "कार्यशील आयु है या नहीं" का संकेतक बनाना।
  • एकाधिक फीचर्स को मिलाकर नए फीचर्स बनाएँ, उदाहरण के लिए क्षेत्रीय बिक्री को जोड़कर कुल बिक्री निकालना, या राजस्व में से लागत घटाकर लाभ की गणना करना।
  • नए फीचर्स परिभाषित करने के लिए बाहरी डेटासेट्स का उपयोग करें, उदाहरण के लिए भौगोलिक API से लॉन्गिट्यूड और लैटिट्यूड के आधार पर शहर प्राप्त करना, या कंप्यूटर विज़न API का उपयोग कर यह निर्धारित करना कि किसी छवि में लोग हैं या नहीं।
  • मिसिंग मानों का अनुमान लगाने के लिए इम्प्यूटेशन का उपयोग करें।

DataCamp पर सीखें

अपने कौशल लागू करें

मॉडल फिटिंग

  • डेटासेट से ट्रेनिंग और टेस्टिंग स्प्लिट्स बना सकते हैं, जिसमें क्रॉस-वैलिडेशन का उपयोग भी शामिल है।
  • मॉडल के प्रदर्शन को अनुकूलित करने के लिए हाइपरपैरामीटर ट्यूनिंग का उपयोग करता/करती है।

DataCamp पर सीखें

अपने कौशल लागू करें

मॉडल मान्यकरण

  • एक्युरेसी, प्रिसीजन और रिकॉल जैसे मेट्रिक्स का उपयोग करके सुपरवाइज़्ड लर्निंग मॉडलों के प्रदर्शन का मूल्यांकन कर सकते हैं।
  • होमोजिनीटी, कम्प्लीटनेस, और सिलोएट कोएफिशिएंट जैसे मेट्रिक्स का उपयोग करके अनसुपरवाइज्ड लर्निंग मॉडलों के प्रदर्शन का मूल्यांकन कर सकते हैं।

DataCamp पर सीखें

अपने कौशल लागू करें

सांख्यिकीय प्रयोग

सैंपलिंग विधियाँ

  • नॉर्मल, यूनिफॉर्म और पॉइसन जैसे सांख्यिकीय वितरणों को समझें
  • पक्षपात से बचते हुए अपने प्रश्नों का उत्तर देने के लिए उपयुक्त सैंपलिंग विधियाँ चुनें।

DataCamp पर सीखें

अपने कौशल लागू करें

परिकल्पना परीक्षण

  • शून्य और वैकल्पिक परिकल्पनाओं को समझें
  • t-test, Chi-squared test, और Mann-Whitney U test जैसे परिकल्पना परीक्षणों का कब और कैसे उपयोग करें, जानें
  • टेस्ट सांख्यिकी और p-वैल्यू की व्याख्या करें

DataCamp पर सीखें

अपने कौशल लागू करें

डेटा संप्रेषण

डेटा स्टोरीटेलिंग

  • अपनी प्रेरणा, तरीकों, परिणामों और निष्कर्षों का वर्णन करने वाली एक कथा बनाएं
  • सुनिश्चित करें कि आपकी कथा डेटा के निष्कर्षों के अनुरूप हो
  • अतिरिक्त विवरणों को हटाने के लिए अपनी कहानियों का संपादन करें

DataCamp पर सीखें

अपने कौशल लागू करें

अपने दर्शकों को समझें

  • अपने दर्शकों के पूर्व ज्ञान और रुचियों को समझें
  • अपना संदेश इस तरह अनुकूलित करें कि वह दर्शकों के साथ जुड़ सके, भले ही वे गैर-तकनीकी हों

DataCamp पर सीखें

अपने कौशल लागू करें

विषय

डेटा साइंस