README.md

🌐 ဘာသာစကားများစွာအထောက်အပံ့

GitHub Action မှတဆင့်ထောက်ခံသည် (အလိုအလျောက်နှင့် အမြဲတမ်းအသစ်ရှိသော)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

တည်နေရာတွင် ရှာဖွေရန်ဥလိုပါသလား?

ဒီ repository မှာ ဘာသာစကား ၅၀ ကျော် ပါဝင်ပြီး ဒေါင်းလုပ်အရွယ်အစားကို တဖြည်းဖြည်း တိုးပြောသွားပါတယ်။ ဘာသာစကားများမပါဘဲ clone လုပ်ချင်ရင် sparse checkout ကို အသုံးပြုပါ။

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

ဒါထက် ပိုပြီး လျင်မြန်စွာ ဒေါင်းလုပ်ပြီး ကိုယ့်တန်းမမြန်လုပ်တော့မယ့် အရာအားလုံး ရရှိလိမ့်မယ်။

ကျွန်ုပ်တို့ရဲ့အသိုင်းအဝိုင်းကို ဝင်ပါ

AI နဲ့ သင်ယူဖို့ Discord လေ့လာမှု ဆက်တိုက်ပြုလုပ်နေပြီး၊ ၂၀၂၅ ခုနှစ် စက်တင်ဘာလ ၁၈ ရက်မှ ၃၀ ရက်အထိ Learn with AI Series မှာ ပိုမိုသိရှိပြီး GitHub Copilot ကို Data Science အတွက် အသုံးချနည်းအကြံဉာဏ်များ ရယူနိုင်ပါသည်။

Machine Learning for Beginners - သင်ရိုး

🌍 ကမ္ဘာတစ်ဝှမ်း စူးစမ်းလေ့လာရင်း Machine Learning ကို ကမ္ဘာ့ယဉ်ကျေးမှုများမှတဆင့် သိရှိသွားကြမယ် 🌍

Microsoft ၏ Cloud Advocates တွေက ၁၂ အပတ်ကြာ ၂၆ အပိုင်း သင်ရိုးအစီအစဉ် ‌Machine Learning အကြောင်း တစ်ခုပေးနေပါတယ်။ ဒီသင်ရိုးတွင် မကြာခဏ "classic machine learning" လို့ခေါ်တဲ့ ယဉ်ကျေးမှုနှင့်နီးစပ်တဲ့ နည်းလမ်းတွေကို Scikit-learn library ကို အနှစ်သာရအဖြစ် အသုံးပြု သင်ကြားပါမယ်။ ထို့အပြင် နက်နဲတဲ့လေ့လာမှု (deep learning) ကိုတော့ ကျွန်ုပ်တို့ရဲ့ AI for Beginners' curriculum မှာ ပါဝင်သည်။ ဒီသင်ရိုးကို ကျွန်ုပ်တို့ရဲ့ 'Data Science for Beginners' curriculum နဲ့ ဖက်တူ အသုံးပြုနိုင်ပါတယ်။

ကမ္ဘာတစ်ဝှမ်း ပတ်ပြီး Classic နည်းလမ်းတွေကို ကမ္ဘာတစ်ဝှမ်းမှ ဒေတာများနှင့်အတူ ပြုလုပ်ကြမယ်။ အပိုင်းတိုင်းတွင် လေ့လာခွင့် စမ်းသပ်မှုများ၊ အညွှန်းရေး၊ ဖြေရှင်းချက်၊ လုပ်ငန်းတာဝန်များ ပါဝင်ပါသည်။ ကြောင်းဖြင့် သင်ယူခြင်းကို လုပ်ငန်းပေါ်တွင် အခြေခံပြီး သင်ကြားပေးသောနည်းလမ်းဖြစ်သည်။

✍️ စာရေးသားသူများအား ကျေးဇူးအထူးတင်ပါသည် Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 ပုံဖော်သူများကိုလည်း ကျေးဇူးတင်ပါသည် Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 Microsoft Student Ambassador စာရေးသူများ၊ ပြန်လည်သုံးသပ်သူများနှင့် အကြောင်းအရာဆိုင်ရာ အားဖြည့်ပေးသူများ၊ အထူးသဖြင့် Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila နှင့် Snigdha Agarwal တို့အား ကျေးဇူးအထူးတင်ပါသည် 🙏

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi နှင့် Vidushi Gupta တို့လည်း R သင်ခန်းစာများအတွက် ကျေးဇူးအထူးတင်ရှိပါသည်!

စတင်ရန်

အဆင့်ဆင့် လုပ်ဆောင်နိုင်ရန်

1. Repository ကို Fork လုပ်ရန်: ဒီစာမျက်နှာ၏ညာဘက်အပေါ်တန်းရှိ "Fork" ခလုတ်ကို နှိပ်ပါ။
2. Repository ကို Clone လုပ်ရန်: git clone https://github.com/microsoft/ML-For-Beginners.git

ဒီသင်ခန်းစာအတွက် ထပ်ဆောင်းအရင်းအမြစ်များအားလုံးကို Microsoft Learn collection မှာရှာပါ

🔧 ကူညီမှုလိုပါသလား? ထည့်သွင်းခြင်း၊ အဆင်သင့်ပြင်ဆင်ခြင်း၊ သင်ခန်းစာများ ဆောင်ရွက်ရာတွင် ဖြစ်တတ်သော ပြဿနာများအတွက် Troubleshooting Guide ကို စစ်ဆေးပါ။

ကျောင်းသားများ၊ ဒီသင်ရိုးကို အသုံးပြုပြီး သင်ကြားမှုများ ပြုလုပ်ရန် ရွေးချယ်ထားသော GitHub အကောင့်သို့ စာရင်းပါသော သင်ရိုးတစ်ခုလုံးကို fork လုပ်ပြီး ကိုယ်တိုင် သို့မဟုတ် အုပ်စုဖြင့် လေ့လာနိုင်ပါသည်။

• သင်ခန်းစာမတိုင်မီ စမ်းသပ်ချက်ဖြင့် စတင်ပါ။
• သင်ခန်းစာကို ဖတ်၍ လေ့လာမှုများပြီး knowledge check ရပ်ကြောင်းများတွင် ထိုင်ပြီး သဘောပေါက်မှုရှိစေရန်ဖြစ်ပါသည်။
• သင်ခန်းစာများကို နားလည်မှုပေါ်မူတည်၍ ကိုယ့်အဖန်ဖြင့် project များ ဖန်တီးကြည့်ပါ၊ သို့သော် solution code ကိုလည်း project များမှ /solution ဖိုလ်ဒါတွင် ရနိုင်ပါသည်။
• သင်ခန်းစာပြီးလျင် post-lecture စမ်းသပ်ချက်ကို ဖြေဆိုပါ။
• စိန်ခေါ်မှုများကို ပြီးမြောက်ပါ။
• လုပ်ငန်းတာဝန်များကို ပြီးမြောက်ပါ။
• သင်ခန်းစာအုပ်စုတစ်ခု သင်ယူပြီးသည့်နောက် Discussion Board ကို သွားရောက်ပြီး PAT rubric ကို ဖြည့်၍ “learn out loud” လုပ်ပါ။ 'PAT' ဆိုသည်မှာ သင်၏တိုးတက်မှုကို အကဲဖြတ်ရန် အသုံးပြုသော ဖွဲ့စည်းထားသော စံနှုန်းဖြစ်သည်။ အခြား PAT များကိုလည်း တုံ့ပြန်မှု ပေးနိုင်၍ နှစ်ဦးနှစ်ဖက် သင်ယူနိုင်ပါသည်။

ပိုပြီး သင်ယူချင်လျှင်၊ ကျွန်ုပ်တို့၏ Microsoft Learn သင်ခန်းစာများနှင့် သင်ယူမည့်လမ်းကြောင်းများကို လိုက်နာပါ။

ဆရာ၊ ဆရာမများအတွက် ဒီသင်ရိုးကို အသုံးပြုရာတွင် အကြံဉာဏ်အချို့ ပါဝင်သည်။

---

ဗီဒီယိုဖြင့် လေ့လာမည်

သင်ခန်းစာအချို့သည် အတိုချုံး ဗီဒီယိုအဖြစ် ရနိုင်ပါသည်။ သင်ခန်းစာများထဲတွင် inline အဖြစ် ရှာတွေ့နိုင်ပြီး၊ ဒါမှမဟုတ် ML for Beginners playlist on the Microsoft Developer YouTube channel တွင် ဗီဒီယိုများကိုကြည့်ရှုနိုင်ပါသည်။

---

အသင်းဝင်များကို မိတ်ဆက်ခြင်း

Gif ကိုဖန်တီးသူ Mohit Jaisal

🎥 ပုံပြင်ပုံတူအား နှိပ်လျှင် စီမံကိန်းနှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို ကြည့်ရှုနိုင်သည်။

---

သင်ယူနိယာမများ

ဒီသင်ရိုးကို ဖန်တီးရာတွင် နှစ်ခုသော သင်ယူနိယာမများကို ရွေးချယ်ခဲ့သည် - လက်တွေ့ လုပ်ငန်းပေါ်တွင် အခြေခံသည့် project-based သင်ကြားမှုနှင့် အကြိမ်ကြိမ် စမ်းသပ်မှုများပါဝင်သော frequent quizzes။ ထို့အပြင် ဒီသင်ရိုးတွင် ဆိုင်းဘာအသင်းတစ်ခုရှိသည်။

အကြောင်းအရာသည် လုပ်ငန်းများနှင့် ကိုက်ညီမှုရှိရမည်ဟု သေချာရနိုင်ခြင်းကြောင့် ကျောင်းသားများအတွက် စိတ်ဝင်စားမှုများ တိုးတက်ပြီး အကြောင်းအရာကို ပိုမိုမသေရာခံနိုင်ပါသည်။ သင်တန်းမတိုင်မီ သက်ဆိုင်ရာစမ်းသပ်မှုက သင်ယူရန် ရည်ရွယ်ချက်သတ်မှတ်ပေးပြီး၊ သင်တန်းပြီးလျင် နောက်တစ်ခုဖြေဆိုခြင်းက ပိုမိုသိရှိမှုအစဉ်ကို ဖန်တီးပေးသည်။ ဒီသင်ရိုးသည် ရွေးချယ်ပြီး အပိုင်းဖြင့် သို့မဟုတ် တစ်စုတည်း အပြီးသတ်လေ့လာနိုင်တဲ့ သင်ရိုးဖြစ်ပါသည်။ ၁၂ အပတ် သာမာန် ၀ါကျအတွင်းတွင် လုပ်ငန်းများသည် စတုတျပွေဆုံးရောက်ခြင်းဟာ ပိုမိုရှုပ်ထွေးလာလိမ့်မည်။ ဒီသင်ရိုးတွင် ML ၏ လက်တွေ့ အသုံးချမှုတစ်ခု အချိန်ကုန်မှုအနည်းငယ် အနင့်အဆုံးမှ ပြန်လည်ဆန်းစစ်လေ့လာခြင်းအတွက် ပိုမိုကောင်းမွန်သော အကြောင်းအရာ ပါရှိသည်။

ကျွန်ုပ်တို့၏ Code of Conduct, Contributing, Translations, နှင့် Troubleshooting လမ်းညွှန်ချက်များကို တွေ့ကြုံနိုင်ပါသည်။ သင့်ရဲ့ ပြန်လည်တုံ့ပြန်မှုကို ကြိုဆိုပါတယ်!

အပိုင်းတိုင်းတွင် ပါဝင်သောအရာများ

• စိတ်အားထက်သန်စေသော sketchnote ကို ရွေးချယ် လေ့လာနိုင်ခြင်း
• ပေါင်းစပ် အသေးစိတ် ဗီဒီယို ရွေးချယ်မှု
• ဗီဒီယို လမ်းညွှန်မှု (အပိုင်းအချို့သာ)
• သင်ခန်းစာမတိုင်မီ စမ်းသပ်မှု
• ရေးသားထားသော သင်ခန်းစာ
• project များအတွက် တစ်ဆင့်ချင်း လမ်းညွှန်ချက်များ
• သိမြင်မှု စစ်ဆေးမှုများ
• စိန်ခေါ်မှု
• ပူဇော်မှု ဆက်လက်ဖတ်ရှုရန်
• လုပ်ငန်းတာဝန်များ
• သင်ခန်းစာပြီးနောက် စမ်းသပ်မှု

ဘာသာစကားများအကြောင်း မှတ်ချက် - ဒီသင်ခန်းစာများမှာ အခြေခံအားဖြင့် Python ဖြင့်ရေးသားထားပြီး R ဖြင့်လည်း ရနိုင်ပါတယ်။ R သင်ခန်းစာတစ်ခု ပြီးမြောက်ရန် /solution ဖိုလ်ဒါတွင် R သင်ခန်းစာများ ရှာဖွေပါ။ ၎င်းများတွင် .rmd တဲ့ extension ရှိပြီး ဒီဟာသည် R Markdown ဖိုင်တစ်မျိုးဖြစ်သည်။ ၎င်းသည် code chunks (R သို့မဟုတ် အခြားဘာသာစကားများ) နှင့် YAML header (PDF စသည့် output များပုံစံစစ်ဆေးရန် လမ်းညွန်ချက်များ) ကို Markdown စာရွက်စာတမ်းထဲ တစ်စိတ်တစ်ပိုင်းအဖြစ် ထည့်သွင်းထားသော ဖိုင်ဖြစ်သည်။ ဒါကြောင့် ရှင်းလင်း လက်တွေ့အသုံးပြုမှု ရရှိရန် တိုင်ကြားရေးနည်းလမ်း တစ်ခုအဖြစ် အသုံးပြုနိုင်ပြီး သင့်ကိုယ်ရေးအချက်အလက်၊ output, နှင့် စိတ်ကူးစိတ်သန်းတို့ကို Markdown ဖြင့် ကိုက်ညီစွာ ရေးသားနိုင်ပါတယ်။ ထို့အပြင် R Markdown စာရွက်စာတမ်းများကို PDF, HTML, သို့မဟုတ် Word ကဲ့သို့ output ဖိုင်များအဖြစ် ပြောင်းလဲ ထုတ်ပေးနိုင်ပါသည်။ စစ်ဆေးမေးခွန်းများအတွက် မှတ်ချက်: စစ်ဆေးမေးခွန်းများအားလုံးကို Quiz App folder တွင် ထည့်သွင်းထားပြီး မေးခွန်း ၃ မေးခွန်းပါဝင်သည့် စစ်ဆေးမေးခွန်း ၅၂ ခုပါဝင်သည်။ သင်ခန်းစာများမှ ဆက်သွယ်ထားသော်လည်း quiz app ကို ဒေသဆိုင်ရာတွင် ပြေးနိုင်ပြီး quiz-app ဖိုလ်ဒါအတွင်း လမ်းညွှန်ချက်များအတိုင်း ဒေသတွင်း တာနယ်မောင်းခိုင်းခြင်း သို့မဟုတ် Azure သို့ ဖြန့်ချိနိုင်သည်။

သင်ခန်းစာနံပါတ်	ခေါင်းစဥ်	သင်ခန်းစာအုပ်စု	သင်ယူရမည့် ရည်ရွယ်ချက်များ	ဆက်သွယ်ထားသည့် သင်ခန်းစာ	စာရေးသူ
01	ကွန်ပျူတာလေ့လာမှု အတ္ထုပညာမိတ်ဆက်	Introduction	စက်မှုသင်ယူမှု၏ အခြေခံအကြောင်းအရာများကို လေ့လာပါ	Lesson	Muhammad
02	စက်မှုသင်ယူမှု အတိတ်သမိုင်း	Introduction	ဤကွင်းဆက်အတွင်း သမိုင်းကို လေ့လာပါ	Lesson	Jen and Amy
03	တရားမျှတမှုနှင့် စက်မှုသင်ယူမှု	Introduction	လေ့လာသူများသည် ML မော်ဒယ်များ တည်ဆောက်ခြင်းနှင့် လုပ်ဆောင်ရာတွင် ထည့်သွင်းစဉ်းစားရန် တရားမျှတမှုနှင့် ပတ်သက်သည့် အရေးကြီးသော ပညာရပ်ဆိုင်ရာ ပြဿနာများက မည်သည်များလဲ?	Lesson	Tomomi
04	စက်မှုသင်ယူမှုနည်းလမ်းများ	Introduction	ML သုတေသနသူများက မော်ဒယ်များ တည်ဆောက်ရာ တွင် အသုံးပြုသော နည်းလမ်းများက ဘာများလဲ?	Lesson	Chris and Jen
05	Regression မိတ်ဆက်	Regression	regression မော်ဒယ်များအတွက် Python နှင့် Scikit-learn ဖြင့် စတင်ပါ	Python • R	Jen • Eric Wanjau
06	ရွှေ့လျားမှု မြောက်အမေရိက မုန့်ဖုတ် ဈေးနှုန်းများ 🎃	Regression	ML အတွက် ဒေတာကို ကြည့်ရှုခြင်းနှင့် သန့်ရှင်းစင်ကြယ်အောင် ပြုလုပ်ခြင်း	Python • R	Jen • Eric Wanjau
07	ရွှေ့လျားမှု မြောက်အမေရိက မုန့်ဖုတ် ဈေးနှုန်းများ 🎃	Regression	ရောနှောစပ်လျှင် regression မော်ဒယ်များကို တည်ဆောက်ခြင်း	Python • R	Jen and Dmitry • Eric Wanjau
08	ရွှေ့လျားမှု မြောက်အမေရိက မုန့်ဖုတ် ဈေးနှုန်းများ 🎃	Regression	logistic regression မော်ဒယ်တစ်ခု တည်ဆောက်ခြင်း	Python • R	Jen • Eric Wanjau
09	ဝဘ် အက်ပ် 🔌	Web App	သင်၏လေ့ကျင့်ခဲ့သော မော်ဒယ်ကို အသုံးပြုရန် ဝဘ်အက်ပ်တစ်ခု တည်ဆောက်ပါ	Python	Jen
10	အမျိုးအစားသတ်မှတ်မှု မိတ်ဆက်	Classification	ဒေတာများကို သန့်စင်၊ ပြင်ဆင်၊ ကြည့်ရှုခြင်းနှင့် အမျိုးအစားသတ်မှတ်မှုမိတ်ဆက်	Python • R	Jen and Cassie • Eric Wanjau
11	အရသာရှိသော အာရှနှင့် အိန္ဒိယ ဟင်းလျာများ 🍜	Classification	အမျိုးအစားသတ်မှတ်သူများ မိတ်ဆက်ခြင်း	Python • R	Jen and Cassie • Eric Wanjau
12	အရသာရှိသော အာရှနှင့် အိန္ဒိယ ဟင်းလျာများ 🍜	Classification	အမျိုးအစားသတ်မှတ်သူများ ပိုမိုလေ့လာခြင်း	Python • R	Jen and Cassie • Eric Wanjau
13	အရသာရှိသော အာရှနှင့် အိန္ဒိယ ဟင်းလျာများ 🍜	Classification	မော်ဒယ်ကို အသုံးပြုပြီး အကြံပေး ဝဘ်အက်ပ် တည်ဆောက်ခြင်း	Python	Jen
14	Clustering မိတ်ဆက်	Clustering	ဒေတာကို သန့်စင်၊ ပြင်ဆင်၍ ကြည့်ရှုခြင်းနှင့် Clustering မိတ်ဆက်	Python • R	Jen • Eric Wanjau
15	Nigerian တေးဂီတအဆင့်သုံးစွဲမှု ရှာဖွေခြင်း 🎧	Clustering	K-Means clustering နည်းပညာကို ရှာဖွေပါ	Python • R	Jen • Eric Wanjau
16	သဘာ၀ဘာသာစကား စီမံခန့်ခွဲမှု မိတ်ဆက် ☕️	Natural language processing	တစ်ချက်တည်းသော bot တည်ဆောက်ခြင်းဖြင့် NLP အခြေခံများကို လေ့လာပါ	Python	Stephen
17	အခြေပြု NLP တာဝန်များ ☕️	Natural language processing	ဘာသာစကားဖွဲ့စည်းမှုများနှင့် ဆက်စပ်သော အခြေပြု NLP တာဝန်များကို နက်နဲစွာ အသိပညာရရှိပါ	Python	Stephen
18	ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက် ခွဲခြမ်းစိတ်ဖြာမှု ♥️	Natural language processing	Jane Austen နှင့် ပြုလုပ်သော ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက် ခွဲခြမ်းစိတ်ဖြာမှု	Python	Stephen
19	ဥရောပက အချစ်ဆုံ ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်သုံးသပ်ချက်များ DRM1 ဖြင့် စိတ်ခံစားချက် ခွဲခြမ်းစိတ်ဖြာမှု	Python	Stephen
20	ဥရောပက အချစ်ဆုံ ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်သုံးသပ်ချက်များ DRM2 ဖြင့် စိတ်ခံစားချက် ခွဲခြမ်းစိတ်ဖြာမှု	Python	Stephen
21	အချိန်စီးရီးခန့်မှန်းမှု မိတ်ဆက်	Time series	အချိန်စီးရီး ခန့်မှန်းမှု မိတ်ဆက်	Python	Francesca
22	⚡️ ကမ္ဘာ့လျှပ်စစ်သုံးစွဲမှု ⚡️ - ARIMA ဖြင့် အချိန်စီးရီးခန့်မှန်းခြင်း	Time series	ARIMA ဖြင့် အချိန်စီးရီး ခန့်မှန်းခြင်း	Python	Francesca
23	⚡️ ကမ္ဘာ့လျှပ်စစ်သုံးစွဲမှု ⚡️ - SVR ဖြင့် အချိန်စီးရီးခန့်မှန်းခြင်း	Time series	Support Vector Regressor ဖြင့် အချိန်စီးရီး ခန့်မှန်းခြင်း	Python	Anirban
24	အားကောင်းခြင်း သင်ယူမှု မိတ်ဆက်	Reinforcement learning	Q-Learning ဖြင့် အားကောင်းခြင်း သင်ယူမှု မိတ်ဆက်	Python	Dmitry
25	Peter ကို ခ Wolf ကိုရှောင်ရန် ကူညီပါ! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
အပြီးသတ် စာတမ်း	အမှန်တကယ် လုပ်ဆောင်နေသော ML အခြေအနေများနှင့် လျှောက်လွှာများ	ML in the Wild	ရိုးရာ ML ၏ စိတ်ဝင်စားဖွယ်ရာနှင့် ဖော်ပြချက်များ	Lesson	Team
အပြီးသတ် စာတမ်း	RAI dashboard ကို အသုံးပြု၍ ML မော်ဒယ်များ Debugging	ML in the Wild	Responsible AI dashboard အစိတ်အပိုင်းများဖြင့် Machine Learning မော်ဒယ်များ Debugging	Lesson	Ruth Yakubu

ဤသင်တန်းအတွက် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကို Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ

အော့ဖ်လိုင်း မျက်နှာဖုံး

Docsify ကို အသုံးပြု၍ ဤစာတမ်းကို အော့ဖ်လိုင်းတွင် အသုံးပြုနိုင်သည်။ ဤ repo ကို fork လုပ်ပြီး၊ သက်ဆိုင်ရာ ဒေသထဲမှ Docsify ကိုติดตั้ง ပြုလုပ်ရန်၊ ထို့နောက် ဒီ repo ၏ root ဖိုလ်ဒါတွင် docsify serve ဟု ရိုက်ထည့်ပါ။ ဝဘ်ဆိုဒ်ကို သင်၏ localhost ၏ port 3000 တွင် ထည့်သွင်းပါမည်- localhost:3000။

PDF များ

သင်ကြားမှု အစီအစဉ်ကို PDF ပုံစံဖြင့် ဒီမှာ တွင် ရှာဖွေနိုင်ပါသည်။

🎒 အခြားသင်တန်းများ

ကျွန်ုပ်တို့ အသင်းသည် အခြားသင်တန်းများကို ထုတ်လုပ်နေပါသည်! စစ်ဆေးကြည့်ပါ:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

အခြေခံသင်ယူမှုများ

---

Copilot စီးရီးများ

အကူအညီ ရယူခြင်း

AI အက်ပ်များ တည်ဆောက်ရာတွင် ကြုံတွေ့သည့် အခက်အခဲများ သို့မဟုတ် မေးခွန်းရှိပါက MCP တွင် သင်ယူသူများနှင့် အတွေ့အကြုံရှိ developer များနှင့် ဆွေးနွေးမှုများ ပြုလုပ်နိုင်သည်။ ၎င်းသည် မေးခွန်းများအား ကြိုဆိုပြီး သိပ္ပံအချက်အလက်များကို လွတ်လပ်စွာ မျှဝေသည့် ကျင်းပရာလူမှုအသိုင်းအဝိုင်း ဖြစ်သည်။

ထုတ်ကုန်အကြောင်းအရာ သို့မဟုတ် အမှားများအတွက် တည်ဆောက်စဉ် တွေ့ရှိပါက ဤနေရာတွင် လာရောက်ကြည့်ရှုနိုင်ပါသည်။

အပိုဆောင်း သင်ယူရေး အကြံဉာဏ်များ

• သင်ခန်းစာတိုင်းပြီးနောက် notebook များ ပြန်လည်သုံးသပ်ပါ။
• ကိုယ်တိုင် အယ်လိုဂိုရစ်မွ နည်းပြုလုပ်ပုံကို လေ့ကျင့်ပါ။
• သင်ယူထားသောအကြောင်းအရာများဖြင့် အမှန်တကယ် အသုံးပြုသော ဒေတာစုစည်းမှုများကို ရှာဖွေပါ။

---

စကားပုံကြားချက်
ဤစာရွက်သားကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ဖြင့် ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအပေါ်ကြိုးစားအားထုတ်သော်လည်း၊ အလိုအလျောက်ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် အတိအကျမရှိမှုများ ဖြစ်ပေါ်နိုင်ကြောင်း ကျေးဇူးပြု၍ သတိပြုပါ။ မူရင်းစာရွက်သားကို နိုင်ငံ့ဘာသာဖြင့်သာ အထောက်အထားအဖြစ် ယူဆသင့်ပါသည်။ အရေးကြီးသော သတင်းအချက်အလက်များအတွက် ပညာရှင်လူသားများ၏ ဘာသာပြန်မှုကိုသာ အကြံပြုပါသည်။ ဤဘာသာပြန်မှုကို အသုံးပြုမှုကြောင့် ဖြစ်ပေါ်လာသော နားမလည်မှု သို့မဟုတ် အဓိပ္ပာယ်လွဲမှားမှုများအတွက် ကျွန်ုပ်တို့ ဝန်ခံမှုမရှိပါ။