00:00हम अपने data science का journey data analysis से शुरू करने लगे हैं और data analysis में सबसे पहली जो library है वो है pandas
00:07तो हम pandas के बारे में सीखने लगे हैं अब pandas के हवाले से क्योंकि panda एक बहुत बड़ी library है
00:15we cannot learn everything the worst thing learning के हवाले से the worst thing that you can do is to learn everything about everything
00:24it means learning नथ हैं तो हमने pandas के अवाले से सिर्फ important features को important चीजों को सीखना है
00:32उन में सबसे पहले तो हमने ये देखना है कि कौन से वो functions हैं जो कि आपने प्रोफेशनल केरियर में सबसे ज्यादा यूज करने हैं
00:38उसके बाद हमने data types के बारे में सीखना है कि कौन कौन सी data type exist करती हैं
00:45और आपका encounter किस-किस data type के साथ होने वाला है
00:48उसके बाद हम ये सीखेंगे किस तरीके से data को pandas के अंदर import करते हैं
00:53और किस तरीके से आप data export करते हैं
00:55that is very crucial
00:56data तो आपके साथ ही रहना है
00:58ठीक है
01:08Describe करना, किस तरीके से आप data को present कर रहे हैं, किस तरीके से frame, मैं इसको कहता हूँ frame करना, कि किस तरीके से, जैसे वो movie का director होता है और एक scene को different angle से project करता है, और हर angle एक different meaning दे रहा होता है, तो basically यह वही को है, कि आप data को different angle से देखते हैं, देखते हैं, अच्छा चलो, यह तो data म�
01:38basically आप by hand या by intuition नहीं करते, वो आपको pandas help out करते हैं, उसके बाद data visualization है, और फिर data manipulation है, of course data manipulation will be one of the very crucial important thing, तो यह वो steps हैं, जो कि हम perform करने लगे हैं, और हम सीखेंगे pandas library में, अब क्यूंके हम coding शुरू करने वाले हैं, तो इसलिए एक request है मेरी आप से, कि please do follow me, ठीक है,
02:08मैं बार-बार अपने student को कहता हूँ कि जो programming है ना, वो mathematics की तरह है, अगर आप अपने हाथ से नहीं ना करते, और सिर्फ देख लेते हैं, अच्छा यार, यह मुझे समझ तो आगी है, यह जो problem था, यह exercise थी, यह मुझे समझ आगी है, तो मैं कर लूँगा, तो you are mistaken, you will forget, something will miss
02:38अब in case of good problem आता है, तो again, documentation जी available है, पांडाज की, और stack overflow available है, by the way, अगर आप Google सर्च करते हैं, तो first result will come out, I'm sure, stack overflow, ठीक है, तो आपने परिशान नहीं होना, और, तो आपने परिशान नहीं होना, और of course, Kegle का मैंने आपको हवाला दिया था, Kegle is available, join with the data science machine learning community, and you will be good to go.
