AI शिक्षा केंद्रराष्ट्रीय परिवर्तन दल मुफ़्त सीखना शुरू करें →

होम › सभी पाठ › प्रोजेक्ट

🚜 फ़सल फ़ैसला रिपोर्ट — भाव और उपज, दो datasets एक साथ

डिजिटल किसान track का कैपस्टोन: 90 दिन के मंडी भाव + 5 साल की ज़िला उपज मिलाकर 2 पेज की decision-support रिपोर्ट — जो सोचने में मदद करे, भविष्यवाणी नहीं।

वे शिक्षार्थी जिन्होंने इस track में spreadsheet का AVERAGE, filter और AI से सही सवाल पूछना सीख लिया है — और अब सब कुछ जोड़कर एक दिखाने लायक़ काम बनाना चाहते हैं। सब कुछ फ़ोन पर ही होगा।

🎯 आपके हाथ में होगी 2 पेज की 'फ़सल फ़ैसला रिपोर्ट' — किस फ़सल का भाव 90 दिन सबसे टिका रहा, किस ज़िला-फ़सल जोड़ी की उपज 5 साल में बढ़ी, और बुवाई से पहले KVK/विशेषज्ञ से पूछने के तैयार सवाल — साथ में portfolio के लिए README।

डेटासेट: mandi_bhav.csv — 90 दिन के रोज़ के मंडी भाव (540 rows)

नमूना (synthetic) डेटा — अभ्यास के लिए बनाया गया। ये असली मंडी भाव नहीं हैं। — mandi_bhav.csv डाउनलोड करें

❝ date ❞→ तारीख़ — 2026-04-02 से 2026-06-30 तक, 90 दिन❝ crop ❞→ फ़सल — gehu, dhaan, sarson, aloo, pyaz, ganna❝ mandi ❞→ मंडी का नाम — Badaun, Bareilly, Sambhal❝ price_rs_per_quintal ❞→ उस दिन का भाव — ₹ प्रति क्विंटल

डेटासेट: fasal_upaj.csv — 6 ज़िलों की 5 साल की उपज (150 rows)

नमूना (synthetic) डेटा — अभ्यास के लिए बनाया गया। ये सरकारी आँकड़े नहीं हैं। — fasal_upaj.csv डाउनलोड करें

❝ district ❞→ ज़िला — Badaun, Bareilly, Moradabad, Rampur, Sambhal, Shahjahanpur❝ crop ❞→ फ़सल — gehu, dhaan, sarson, aloo, ganna❝ year ❞→ साल — 2021 से 2025❝ area_hectare ❞→ उस साल बोया गया रक़बा, हेक्टेयर में❝ yield_quintal_per_hectare ❞→ उपज — क्विंटल प्रति हेक्टेयर

क़दम-दर-क़दम

  1. दोनों फ़ाइलें खोलिए और पहचानिए — दोनों CSV फ़ाइलें download करके spreadsheet ऐप में दो अलग sheets/tabs में खोलिए। ग़ौर कीजिए कि दोनों कितनी अलग हैं — mandi_bhav.csv में 90 दिन का रोज़ का भाव है, fasal_upaj.csv में 5 साल की सालाना उपज। हर column का मतलब ऊपर दी सूची से मिलाइए। छोटी जीत: आप किसी को एक-एक लाइन में बता सकें कि कौन-सी फ़ाइल क्या बताती है।
  2. किस फ़सल का भाव सबसे टिका रहा? (AVERAGEIFS) — mandi_bhav वाली sheet में हर फ़सल के लिए दो नंबर निकालिए — अप्रैल का average भाव और जून का average भाव — फिर % बदलाव: (जून − अप्रैल) ÷ अप्रैल × 100। छहों फ़सलों (gehu, dhaan, sarson, aloo, pyaz, ganna) की एक छोटी table बनाइए। जिस फ़सल का % बदलाव सबसे कम गिरा (या बढ़ा), उसका भाव सबसे 'टिका' — यह बीते 90 दिनों की बात है, आगे की नहीं। छोटी जीत: एक लाइन लिख पाना — 'मेरे नमूना डेटा में [फ़सल] का भाव सबसे स्थिर रहा।'
  3. एक फ़सल, तीन मंडियाँ — फ़र्क़ देखिए — अब एक फ़सल चुनिए (जैसे aloo) और AVERAGEIFS से तीनों मंडियों — Badaun, Bareilly, Sambhal — का अलग-अलग average भाव निकालिए। सबसे ऊँचे और सबसे नीचे average का फ़र्क़ ₹ में लिखिए। छोटी जीत: यह देख पाना कि एक ही फ़सल का दाम मंडी बदलते ही बदल जाता है — यानी बेचने से पहले भाव की पूछताछ अपने आप में एक हुनर है।
  4. 5 साल की उपज: कौन-सी ज़िला-फ़सल जोड़ी बढ़ी? — अब fasal_upaj वाली sheet पर आइए। filter से एक ज़िला चुनिए (अपना ज़िला हो तो सबसे अच्छा, वरना कोई भी)। हर फ़सल का 2021 और 2025 का yield_quintal_per_hectare देखकर % बदलाव निकालिए: (2025 − 2021) ÷ 2021 × 100। फिर यही एक-दो और ज़िलों के लिए दोहराइए और उन जोड़ियों की सूची बनाइए जिनकी उपज बढ़ी। छोटी जीत: 'बढ़ती उपज' वाली ज़िला-फ़सल जोड़ियों की आपकी अपनी सूची।
  5. कैपस्टोन क़दम: दोनों तालिकाएँ मिलाइए — अब असली कैपस्टोन काम: एक नई combined table बनाइए — हर फ़सल के लिए एक row: फ़सल | भाव का % बदलाव (अप्रैल→जून) | उपज का % बदलाव (2021→2025, आपका चुना ज़िला) | एक लाइन टिप्पणी। ध्यान दीजिए: pyaz मंडी डेटा में है पर उपज डेटा में नहीं — असली काम में भी ऐसा 'अधूरा मेल' आम है, उसकी उपज वाली जगह ईमानदारी से 'डेटा नहीं' लिखिए। छोटी जीत: एक ही table में दोनों datasets की कहानी दिखना।
  6. बोने से पहले पूछने वाले सवाल — डेटा हर सवाल का जवाब नहीं देता — मिट्टी, पानी, बीज की क़िस्म, लागत, भंडारण, स्थानीय मौसम इसमें हैं ही नहीं। AI से 8-10 सवालों का draft बनवाइए, फिर उनमें से अपने खेत और इलाक़े के हिसाब से 5-6 सबसे काम के सवाल चुनकर अपनी भाषा में लिखिए। ये सवाल KVK (कृषि विज्ञान केंद्र) या भरोसेमंद कृषि विशेषज्ञ से पूछने के लिए हैं। छोटी जीत: आपकी अपनी, छँटी हुई सवाल-सूची तैयार।
  7. 2 पेज की रिपोर्ट + खुद-जाँच — अब सब जोड़िए — नोट्स/Docs ऐप में: पेज 1 पर दोनों summary tables और हर table के नीचे 2-3 लाइन के नतीजे; पेज 2 पर सवाल-सूची, डेटा की सीमाएँ, और एक साफ़ ईमानदारी-नोट: 'यह नमूना डेटा पर अभ्यास है; यह भाव या उपज की भविष्यवाणी नहीं करती; बड़ा फ़ैसला KVK/विशेषज्ञ से बात करके।' AI से draft बनवाइए, पर फिर हर आँकड़ा अपनी spreadsheet से खुद मिलाइए — यही आख़िरी और सबसे ज़रूरी क़दम है। छोटी जीत: तैयार रिपोर्ट + README, दिखाने लायक़।

अपनी जाँच

यह प्रोजेक्ट इंटरैक्टिव तरीके से कीजिए

क़दमों पर निशान, तैयार AI प्रॉम्प्ट, और पोर्टफ़ोलियो README — सब मुफ़्त, बिना लॉगिन।

प्रोजेक्ट शुरू करें →