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।
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
- A Visual History of Nobel Prize Winners
- Optimizing Online Sports Retail Revenue
- Explore a DataFrame
- Analyzing Carbon Footprints in SQL
- Exploring World Cup Data in Python
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
- Introduction to Data Visualization with Seaborn
- Introduction to Data Visualization with Plotly in Python
- Introduction to Data Visualization with ggplot2
- Interactive Data Visualization with plotly in R
- Data Visualization Cheat Sheet
- Python Seaborn Cheat Sheet
- Plotly Express Cheat Sheet
- ggplot2 Cheat Sheet
- Python Seaborn Tutorial For Beginners
- Graphics with ggplot2 Tutorial
अपने कौशल लागू करें
- Visualizing COVID-19 in R
- Modeling the Volatility of US Bond Yields in R
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
- Visualize Correlation with a Diagonal Correlation Plot in Python
- Data Visualization in Python for Absolute Beginners
- Visualizing Video Game Sales Data with ggplot2 in R
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
- Introduction to Importing Data in Python
- Intermediate Importing Data in Python
- Streamlined Data Ingestion with pandas
- Introduction to Importing Data in R
- Intermediate Importing Data in R
- Introduction to SQL
- Importing Data in Python Cheat Sheet
- Pandas Tutorial: Importing Data with read_csv()
- Web Scraping With Python and Beautiful Soup
- How to Import Data Into R: A Tutorial
- Importing Data Into R - Part Two
अपने कौशल लागू करें
- Importing and Cleaning Data
- The Android App Market on Google Play
- Visualize Historical Stock Data with a Candlestick Chart
- Analyzing Streaming Service Content in SQL
- Analyzing Students' Mental Health in SQL
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
- Data Manipulation with pandas
- Joining Data with pandas
- Reshaping Data with pandas
- Data Manipulation with dplyr
- Joining Data with dplyr
- Reshaping Data with tidyr
- Joining Data in SQL
- Pandas Cheat Sheet for Data Science in Python
- Data Manipulation with dplyr in R Cheat Sheet
- SQL Joins Cheat Sheet
- Pandas Cheat Sheet: Data Wrangling in Python
- Joining DataFrames in pandas Tutorial
- Joins in SQL Tutorial
अपने कौशल लागू करें
- What and Where are the World's Oldest Businesses?
- Streamlining Employee Data
- Merge DataFrames
- Analyzing NASA Planetary Exploration Budgets in SQL
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
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
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
- Comparing Search Interest with Google Trends
- Optimizing Online Sports Retail Revenue
- Predict CTR and Evaluate ROI
- Calculate Customer Churn Metrics
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
- Which Debts Are Worth the Bank's Effort?
- Feature Engineering for Fraud Detection
- User Retention by Cohort
- Analyzing a Marketing Funnel in Spreadsheets
- Visualizing Cost Savings in Tableau
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
- Functions for Food Price Forecasts
- Writing Functions for Product Analysis
- Group and Aggregate data with custom functions
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
- Supervised Learning with scikit-learn
- Unsupervised Learning in Python
- Supervised Learning in R: Classification
- Supervised Learning in R: Regression
- Unsupervised Learning in R
- Supervised Machine Learning Cheat Sheet
- Unsupervised Machine Learning Cheat Sheet
- 8 Machine Learning Models Explained in 20 Minutes
अपने कौशल लागू करें
- Predicting Credit Card Approvals
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Clustering Heart Disease Patient Data
- ASL Recognition with Deep Learning
- Disney Movies and Box Office Success
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
- Customer Analytics: Preparing Data for Modeling
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Encoding Categorical Variables
- Sentiment Analysis and Prediction in Python
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
- What Makes a Pokémon Legendary?
- Predict Taxi Fares with Random Forests
- Machine Learning with Python
- Machine Learning with R
- Predicting Hotel Booking Cancellations in Python
- Analyzing a Time Series of the Thames River in Python
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
- Clustering Bustabit Gambling Behavior
- Degrees That Pay You Back
- Evaluate your ML Model using the F-score
- How to Explain Black-Box Machine Learning Models
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