update-translations
localizeflow[bot]
2 weeks ago
parent
3b2098a6fc
commit
1fd87ac8e7
@ -1,150 +1,157 @@
|
||||
# Utangulizi wa kujifunza kwa mashine
|
||||
# Utangulizi wa kujifunza mashine
|
||||
|
||||
## [Jaribio la awali ya somo](https://ff-quizzes.netlify.app/en/ml/)
|
||||
## [Mtihani kabla ya somo](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
|
||||
[](https://youtu.be/6mSx_KJxcHI "ML kwa wanaoanza - Utangulizi wa Kujifunza kwa Mashine kwa Wanaoanza")
|
||||
[](https://youtu.be/6mSx_KJxcHI "ML kwa wanaoanza - Utangulizi wa Kujifunza Mashine kwa Waanzisha")
|
||||
|
||||
> 🎥 Bonyeza picha hapo juu kwa video fupi inayopitia somo hili.
|
||||
> 🎥 Bonyeza picha hapo juu kuona video fupi inayofundisha somo hili.
|
||||
|
||||
Karibu kwenye kozi hii ya kujifunza kwa mashine ya kawaida kwa wanaoanza! Ikiwa wewe ni mgeni kabisa kwenye mada hii, au mtaalamu wa ML unayetafuta kuimarisha ujuzi wako, tunafurahi kukuona hapa! Tunataka kuunda mahali rafiki pa kuanzia masomo yako ya ML na tungefurahi kutathmini, kujibu, na kuingiza [maoni yako](https://github.com/microsoft/ML-For-Beginners/discussions).
|
||||
Karibu katika kozi hii ya kujifunza mashine za kale kwa wanaoanza! Iwe wewe ni mpya kabisa kwenye mada hii, au mtaalamu wa ML mwenye uzoefu anayetaka kukagua eneo fulani, tunafurahi kuwa na wewe! Tunataka kuunda mahali pazuri pa kuanza kwa kujifunza ML na tungefurahi kupokea, kujibu, na kuingiza [maoni yako](https://github.com/microsoft/ML-For-Beginners/discussions).
|
||||
|
||||
[](https://youtu.be/h0e2HAPTGF4 "Utangulizi wa ML")
|
||||
|
||||
> 🎥 Bonyeza picha hapo juu kwa video: John Guttag wa MIT anatambulisha kujifunza kwa mashine
|
||||
> 🎥 Bonyeza picha hapo juu kuona video: John Guttag wa MIT anatoa utangulizi wa kujifunza mashine
|
||||
|
||||
---
|
||||
## Kuanza na kujifunza kwa mashine
|
||||
## Kuanzia na kujifunza mashine
|
||||
|
||||
Kabla ya kuanza na mtaala huu, unahitaji kuwa na kompyuta yako tayari kuendesha daftari za kazi (notebooks) kwa ndani.
|
||||
Kabla ya kuanza na mtaala huu, unahitaji kuwa na kompyuta yako imesanidiwa na iko tayari kuendesha daftari za kumbukumbu kwa ndani.
|
||||
|
||||
- **Sanidi kompyuta yako kwa video hizi**. Tumia viungo vifuatavyo kujifunza [jinsi ya kusakinisha Python](https://youtu.be/CXZYvNRIAKM) kwenye mfumo wako na [kuweka mhariri wa maandishi](https://youtu.be/EU8eayHWoZg) kwa maendeleo.
|
||||
- **Jifunze Python**. Inapendekezwa pia kuwa na uelewa wa msingi wa [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott), lugha ya programu inayofaa kwa wanasayansi wa data ambayo tunatumia katika kozi hii.
|
||||
- **Jifunze Node.js na JavaScript**. Tunatumia JavaScript mara chache katika kozi hii tunapojenga programu za wavuti, kwa hivyo utahitaji kuwa na [node](https://nodejs.org) na [npm](https://www.npmjs.com/) vilivyowekwa, pamoja na [Visual Studio Code](https://code.visualstudio.com/) kwa maendeleo ya Python na JavaScript.
|
||||
- **Unda akaunti ya GitHub**. Kwa kuwa umetuona hapa kwenye [GitHub](https://github.com), huenda tayari una akaunti, lakini ikiwa huna, unda moja kisha nakili mtaala huu ili utumie mwenyewe. (Usisite kutupa nyota, pia 😊)
|
||||
- **Gundua Scikit-learn**. Jifunze kuhusu [Scikit-learn](https://scikit-learn.org/stable/user_guide.html), seti ya maktaba za ML tunazorejelea katika masomo haya.
|
||||
- **Sanidi kifaa chako kwa kutumia video hizi**. Tumia viungo vifuatavyo kujifunza [jinsi ya kusakinisha Python](https://youtu.be/CXZYvNRIAKM) kwenye mfumo wako na [kusanidi mhariri wa maandishi](https://youtu.be/EU8eayHWoZg) kwa maendeleo.
|
||||
- **Jifunze Python**. Pia inashauriwa kuwa na uelewa wa msingi wa [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott), lugha ya programu inayotumika na wanasayansi wa data ambayo tunatumia katika kozi hii.
|
||||
- **Jifunze Node.js na JavaScript**. Tunatumia JavaScript mara kadhaa katika kozi hii tunapotengeneza programu za mtandao, hivyo utahitaji kuwa na [node](https://nodejs.org) na [npm](https://www.npmjs.com/) vimesakinishwa, pamoja na [Visual Studio Code](https://code.visualstudio.com/) kwa maendeleo ya Python na JavaScript.
|
||||
- **Tengeneza akaunti ya GitHub**. Kwa kuwa ulinipata hapa kwenye [GitHub](https://github.com), unaweza kuwa tayari una akaunti, lakini kama huna, tengeneza moja kisha foka mtaala huu kutumia kwa ajili yako binafsi. (Pia jisikie huru kutupa nyota 😊)
|
||||
- **Chunguza Scikit-learn**. Jadiliana na [Scikit-learn](https://scikit-learn.org/stable/user_guide.html), seti ya maktaba za ML tunayorejelea katika masomo haya.
|
||||
|
||||
---
|
||||
## Kujifunza kwa mashine ni nini?
|
||||
## Nini maana ya kujifunza mashine?
|
||||
|
||||
Neno 'kujifunza kwa mashine' ni mojawapo ya maneno maarufu na yanayotumika sana leo. Kuna uwezekano mkubwa kwamba umesikia neno hili angalau mara moja ikiwa una aina fulani ya ufahamu wa teknolojia, bila kujali unafanya kazi katika nyanja gani. Hata hivyo, mitambo ya kujifunza kwa mashine ni fumbo kwa watu wengi. Kwa mwanzilishi wa kujifunza kwa mashine, somo linaweza kuhisi kuwa gumu. Kwa hivyo, ni muhimu kuelewa kujifunza kwa mashine ni nini hasa, na kujifunza kuhusu hilo hatua kwa hatua, kupitia mifano ya vitendo.
|
||||
Neno 'kujifunza mashine' ni mojawapo ya maneno maarufu zaidi na yanayotumika mara nyingi leo. Kuna uwezekano mkubwa kuwa umewahi kusikia neno hili angalau mara moja ikiwa una ujuzi fulani na teknolojia, haijalishi unafanya kazi katika sekta gani. Hata hivyo, mienendo ya kujifunza mashine ni fumbo kwa wengi. Kwa mwanzilishi wa kujifunza mashine, mada inaweza mara nyingine kujisikia kuzidi uwezo. Kwa hiyo, ni muhimu kuelewa kweli ni nini kujifunza mashine, na kujifunza hatua kwa hatua, kwa mfano wa vitendo.
|
||||
|
||||
---
|
||||
## Mzunguko wa umaarufu
|
||||
## Msururu wa hango ya shauku
|
||||
|
||||
|
||||
|
||||
|
||||
> Google Trends inaonyesha 'mzunguko wa umaarufu' wa hivi karibuni wa neno 'kujifunza kwa mashine'
|
||||
> Google Trends inaonyesha 'msururu wa hango ya shauku' wa neno 'kujifunza mashine' hivi karibuni
|
||||
|
||||
---
|
||||
## Ulimwengu wa fumbo
|
||||
|
||||
Tunaishi katika ulimwengu uliojaa mafumbo ya kuvutia. Wanasayansi wakuu kama Stephen Hawking, Albert Einstein, na wengine wengi wamejitolea maisha yao kutafuta taarifa muhimu zinazofichua mafumbo ya dunia inayotuzunguka. Hii ni hali ya binadamu ya kujifunza: mtoto wa binadamu hujifunza mambo mapya na kufichua muundo wa dunia yao mwaka baada ya mwaka wanapokua hadi utu uzima.
|
||||
Tunaishi katika ulimwengu uliojaa mafumbo ya kuvutia. Wanasayansi wakubwa kama Stephen Hawking, Albert Einstein, na wengine wengi wamejitoa kutafuta taarifa zenye maana zinazoifunua fumbo za dunia inayotuzunguka. Hali hii ni hali ya kibinadamu ya kujifunza: mtoto wa binadamu hujifunza mambo mapya na kugundua muundo wa dunia yao mwaka baada ya mwaka wanapokua hadi kufikia utu uzima.
|
||||
|
||||
---
|
||||
## Ubongo wa mtoto
|
||||
|
||||
Ubongo wa mtoto na hisia zake hutambua ukweli wa mazingira yao na polepole hujifunza mifumo iliyofichwa ya maisha ambayo husaidia mtoto kuunda sheria za kimantiki za kutambua mifumo iliyojifunza. Mchakato wa kujifunza wa ubongo wa binadamu huwafanya binadamu kuwa kiumbe wa hali ya juu zaidi duniani. Kujifunza kwa kuendelea kwa kugundua mifumo iliyofichwa na kisha kubuni mifumo hiyo hutuwezesha kujiboresha zaidi na zaidi katika maisha yetu yote. Uwezo huu wa kujifunza na kubadilika unahusiana na dhana inayoitwa [ubadilishaji wa ubongo](https://www.simplypsychology.org/brain-plasticity.html). Kwa juu juu, tunaweza kuchora mfanano wa motisha kati ya mchakato wa kujifunza wa ubongo wa binadamu na dhana za kujifunza kwa mashine.
|
||||
Ubongo na hisia za mtoto hugundua matukio ya mazingira yao na polepole hujifunza mifumo iliyofichwa ya maisha ambayo huwasaidia watoto kutengeneza sheria za mantiki za kutambua mifumo waliyojifunza. Mchakato wa kujifunza wa ubongo wa binadamu unawafanya wanadamu viumbe wenye werevu zaidi duniani. Kujifunza kwa kuendelea kugundua mifumo iliyofichwa na kisha kuiboresha kunaturuhusu kuboresha maisha yetu kila wakati tunapozidi kukua. Uwezo huu wa kujifunza na kuendelea una uhusiano na dhana inayojulikana kama [ubadilika wa ubongo](https://www.simplypsychology.org/brain-plasticity.html). Kwa sura, tunaweza kuchora ulinganifu wa kuhamasisha kati ya mchakato wa kujifunza wa ubongo wa binadamu na dhana za kujifunza mashine.
|
||||
|
||||
---
|
||||
## Ubongo wa binadamu
|
||||
|
||||
[Ubongo wa binadamu](https://www.livescience.com/29365-human-brain.html) hutambua mambo kutoka ulimwengu halisi, huchakata taarifa iliyotambuliwa, hufanya maamuzi ya kimantiki, na hufanya vitendo fulani kulingana na hali. Hii ndiyo tunaita tabia ya akili. Tunapopanga mfano wa mchakato wa tabia ya akili kwa mashine, inaitwa akili bandia (AI).
|
||||
[Ubongo wa binadamu](https://www.livescience.com/29365-human-brain.html) hugundua mambo kutoka kwa ulimwengu halisi, hufanyia kazi taarifa zilizogunduliwa, hufanya maamuzi ya mantiki, na kutekeleza vitendo fulani kulingana na hali. Hii ndio tunaiita tabia ya werevu. Tunapompprograma mashine kupiga mfano wa mchakato wa tabia ya werevu, huitwa akili bandia (AI).
|
||||
|
||||
---
|
||||
## Baadhi ya istilahi
|
||||
|
||||
Ingawa maneno yanaweza kuchanganya, kujifunza kwa mashine (ML) ni sehemu muhimu ya akili bandia. **ML inahusika na kutumia algoriti maalum kufichua taarifa muhimu na kupata mifumo iliyofichwa kutoka kwa data iliyotambuliwa ili kuthibitisha mchakato wa kufanya maamuzi ya kimantiki**.
|
||||
Ingawa maneno haya yanaweza kuchanganywa, kujifunza mashine (ML) ni sehemu muhimu ya akili bandia. **ML inahusiana na kutumia algoriti maalum kugundua taarifa zenye maana na kupata mifumo iliyofichwa kutoka kwa data iliyogunduliwa ili kuimarisha mchakato wa kufanya maamuzi ya mantiki**.
|
||||
|
||||
---
|
||||
## AI, ML, Kujifunza kwa Kina
|
||||
|
||||
|
||||
|
||||
|
||||
> Mchoro unaonyesha uhusiano kati ya AI, ML, kujifunza kwa kina, na sayansi ya data. Infografiki na [Jen Looper](https://twitter.com/jenlooper) iliyoongozwa na [mchoro huu](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining)
|
||||
> Mchoro unaoonyesha uhusiano kati ya AI, ML, kujifunza kwa kina, na sayansi ya data. Infographics na [Jen Looper](https://twitter.com/jenlooper) iliyoongozwa na [graphic hii](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining)
|
||||
|
||||
---
|
||||
## Dhana za kufunika
|
||||
|
||||
Katika mtaala huu, tutafunika tu dhana za msingi za kujifunza kwa mashine ambazo mwanzilishi lazima ajue. Tunafunika kile tunachokiita 'kujifunza kwa mashine ya kawaida' hasa kwa kutumia Scikit-learn, maktaba bora ambayo wanafunzi wengi hutumia kujifunza misingi. Ili kuelewa dhana pana za akili bandia au kujifunza kwa kina, maarifa ya msingi ya kujifunza kwa mashine ni muhimu, na kwa hivyo tungependa kuyatoa hapa.
|
||||
Katika mtaala huu, tutashughulikia tu dhana za msingi za kujifunza mashine ambazo mwanzilishi anapaswa kujua. Tunashughulikia kile tunachokiita 'kujifunza mashine za kale' hasa kwa kutumia Scikit-learn, maktaba bora ambayo wanafunzi wengi hutumia kujifunza misingi. Ili kuelewa dhana pana za akili bandia au kujifunza kwa kina, uelewa thabiti wa msingi wa kujifunza mashine ni muhimu, na hivyo tunapenda kutoa hapa.
|
||||
|
||||
---
|
||||
## Katika kozi hii utajifunza:
|
||||
|
||||
- dhana za msingi za kujifunza kwa mashine
|
||||
- dhana za msingi za kujifunza mashine
|
||||
- historia ya ML
|
||||
- ML na usawa
|
||||
- mbinu za ML za regression
|
||||
- mbinu za ML za uainishaji
|
||||
- mbinu za ML za clustering
|
||||
- mbinu za ML za kuyasanya makundi
|
||||
- mbinu za ML za usindikaji wa lugha asilia
|
||||
- mbinu za ML za utabiri wa mfululizo wa muda
|
||||
- mbinu za ML za utabiri wa mfululizo wa wakati
|
||||
- kujifunza kwa kuimarisha
|
||||
- matumizi ya ML katika maisha halisi
|
||||
- matumizi halisi ya ML
|
||||
|
||||
---
|
||||
## Kile ambacho hatutafunika
|
||||
## Kile ambacho hatutashughulikia
|
||||
|
||||
- kujifunza kwa kina
|
||||
- mitandao ya neva
|
||||
- AI
|
||||
|
||||
Ili kuboresha uzoefu wa kujifunza, tutakwepa ugumu wa mitandao ya neva, 'kujifunza kwa kina' - ujenzi wa mifano yenye tabaka nyingi kwa kutumia mitandao ya neva - na AI, ambayo tutajadili katika mtaala tofauti. Pia tutatoa mtaala wa sayansi ya data unaokuja ili kuzingatia kipengele hicho cha uwanja huu mkubwa.
|
||||
Ili kupata uzoefu bora wa kujifunza, tutaepuka mchanganyiko wa mitandao ya neva, 'kujifunza kwa kina' - ujenzi wa modeli zenye tabaka nyingi kwa kutumia mitandao ya neva - na AI, ambayo tutajadili katika mtaala mwingine. Pia tutatoa mtaala mtarajiwa wa sayansi ya data kulenga upande huo wa fani hii kubwa.
|
||||
|
||||
---
|
||||
## Kwa nini ujifunze kujifunza kwa mashine?
|
||||
## Kwanini kujifunza kujifunza mashine?
|
||||
|
||||
Kujifunza kwa mashine, kutoka mtazamo wa mifumo, hufafanuliwa kama uundaji wa mifumo ya kiotomatiki inayoweza kujifunza mifumo iliyofichwa kutoka kwa data ili kusaidia kufanya maamuzi ya akili.
|
||||
Kujifunza mashine, kwa mtazamo wa mifumo, huwekwa kama uundaji wa mifumo ya moja kwa moja inayoweza kujifunza mifumo iliyofichwa kutoka kwa data kusaidia kufanya maamuzi ya werevu.
|
||||
|
||||
Motisha hii imeongozwa kwa kiasi fulani na jinsi ubongo wa binadamu hujifunza mambo fulani kulingana na data inayotambuliwa kutoka ulimwengu wa nje.
|
||||
Mmotisho huu umeongozwa kwa sehemu na jinsi ubongo wa binadamu unavyojifunza mambo fulani kwa msingi wa data inayogunduliwa kutoka kwa ulimwengu wa nje.
|
||||
|
||||
✅ Fikiria kwa dakika moja kwa nini biashara ingependa kujaribu kutumia mikakati ya kujifunza kwa mashine badala ya kuunda injini ya sheria iliyosimbwa moja kwa moja.
|
||||
✅ Fikiria kwa sekunde kwa nini biashara itataka kutumia mbinu za kujifunza mashine badala ya kuunda injini ya sheria ngumu.
|
||||
|
||||
---
|
||||
## Matumizi ya kujifunza kwa mashine
|
||||
## Kwanini ubora wa data ni muhimu
|
||||
|
||||
Matumizi ya kujifunza kwa mashine sasa yako karibu kila mahali, na ni ya kawaida kama data inayozunguka jamii zetu, inayozalishwa na simu zetu za kisasa, vifaa vilivyounganishwa, na mifumo mingine. Kwa kuzingatia uwezo mkubwa wa algoriti za kisasa za kujifunza kwa mashine, watafiti wamekuwa wakichunguza uwezo wake wa kutatua matatizo ya maisha halisi ya pande nyingi na ya taaluma nyingi kwa matokeo mazuri.
|
||||
Data yenye ubora wa juu huongeza utendaji wa modeli. Data duni au yenye kelele inaweza kusababisha utabiri usio sahihi, hata wakati unatumia algoriti za kujifunza mashine za hali ya juu.
|
||||
|
||||
---
|
||||
## Mifano ya ML inayotumika
|
||||
## Matumizi ya kujifunza mashine
|
||||
|
||||
**Unaweza kutumia kujifunza kwa mashine kwa njia nyingi**:
|
||||
Matumizi ya kujifunza mashine sasa karibu kila mahali, na ni kama data zinazotiririka katika jamii zetu, zinazozalishwa na simu zetu smart, vifaa vilivyowekwa mtandaoni, na mifumo mingine. Kwa kuzingatia uwezo mkubwa wa algoriti za kujifunza mashine za kisasa, watafiti wamekuwa wakichunguza uwezo wao kutatua matatizo ya maisha halisi yenye vipimo vingi na taaluma nyingi kwa matokeo mazuri sana.
|
||||
|
||||
- Kutabiri uwezekano wa ugonjwa kutoka historia ya matibabu ya mgonjwa au ripoti.
|
||||
---
|
||||
## Mifano ya ML iliyotumika
|
||||
|
||||
**Unaweza kutumia kujifunza mashine kwa njia nyingi**:
|
||||
|
||||
- Kutabiri uwezekano wa ugonjwa kutoka kwa historia ya matibabu au ripoti za mgonjwa.
|
||||
- Kutumia data ya hali ya hewa kutabiri matukio ya hali ya hewa.
|
||||
- Kuelewa hisia za maandishi.
|
||||
- Kugundua habari za uongo ili kuzuia kuenea kwa propaganda.
|
||||
- Kugundua habari za uongo kuzuia kusambaa kwa propaganda.
|
||||
|
||||
Fedha, uchumi, sayansi ya dunia, uchunguzi wa anga, uhandisi wa biomedikali, sayansi ya utambuzi, na hata nyanja za binadamu zimechukua kujifunza kwa mashine kutatua matatizo magumu, yanayohitaji uchakataji wa data katika nyanja zao.
|
||||
Fedha, uchumi, sayansi ya dunia, uchunguzi wa anga, uhandisi wa biomedical, sayansi ya fahamu, na hata nyanja za wanadamu wamekubali kujifunza mashine kutatua matatizo magumu ya usanifu wa data katika fani zao.
|
||||
|
||||
---
|
||||
## Hitimisho
|
||||
|
||||
Kujifunza kwa mashine kunafanya mchakato wa kugundua mifumo kuwa wa kiotomatiki kwa kupata maarifa muhimu kutoka kwa data halisi au iliyotengenezwa. Imethibitisha kuwa yenye thamani kubwa katika biashara, afya, na matumizi ya kifedha, miongoni mwa mengine.
|
||||
Kujifunza mashine huendesha mchakato wa kugundua mifumo kwa kupata maarifa yenye maana kutoka kwa data halisi au inayotengenezwa. Imethibitisha kuwa ni ya thamani kubwa katika biashara, afya, na matumizi ya kifedha, miongoni mwa mengine.
|
||||
|
||||
Katika siku za usoni, kuelewa misingi ya kujifunza kwa mashine kutakuwa jambo la lazima kwa watu kutoka nyanja yoyote kutokana na matumizi yake yaliyoenea.
|
||||
Katika siku zijazo za karibu, kuelewa misingi ya kujifunza mashine kutakuwa lazima kwa watu kutoka nyanja yoyote kutokana na matumizi yake makubwa.
|
||||
|
||||
---
|
||||
# 🚀 Changamoto
|
||||
|
||||
Chora, kwenye karatasi au kwa kutumia programu ya mtandaoni kama [Excalidraw](https://excalidraw.com/), uelewa wako wa tofauti kati ya AI, ML, kujifunza kwa kina, na sayansi ya data. Ongeza mawazo ya matatizo ambayo kila moja ya mbinu hizi ni nzuri katika kutatua.
|
||||
Chora, kwa karatasi au ukitumia programu mtandaoni kama [Excalidraw](https://excalidraw.com/), uelewa wako wa tofauti kati ya AI, ML, kujifunza kwa kina, na sayansi ya data. Ongeza mawazo ya matatizo ambayo kila moja ya mbinu hizi ni nzuri kuyatatua.
|
||||
|
||||
# [Jaribio la baada ya somo](https://ff-quizzes.netlify.app/en/ml/)
|
||||
# [Mtihani baada ya somo](https://ff-quizzes.netlify.app/en/ml/)
|
||||
|
||||
---
|
||||
# Mapitio na Kujisomea
|
||||
# Mapitio & Kujifunza Binafsi
|
||||
|
||||
Ili kujifunza zaidi kuhusu jinsi unavyoweza kufanya kazi na algoriti za ML kwenye wingu, fuata [Njia ya Kujifunza](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott).
|
||||
Ili kujifunza zaidi kuhusu jinsi unavyoweza kufanya kazi na algoriti za ML katika wingu, fuata [Njia ya Kujifunza](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott).
|
||||
|
||||
Chukua [Njia ya Kujifunza](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) kuhusu misingi ya ML.
|
||||
|
||||
---
|
||||
# Kazi
|
||||
# Kazi ya nyumbani
|
||||
|
||||
[Pata na uanze](assignment.md)
|
||||
[Pata kuanza na kuendeshwa](assignment.md)
|
||||
|
||||
---
|
||||
|
||||
**Kanusho**:
|
||||
Hati hii imetafsiriwa kwa kutumia huduma ya kutafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kuhakikisha usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati ya asili katika lugha yake ya awali inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatutawajibika kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
||||
**Kionyozo**:
|
||||
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kupata usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au upungufu wa usahihi. Hati ya asili katika lugha yake halisi inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu inayofanywa na binadamu inapendekezwa. Hatutojibu kwa kuelewa vibaya au tafsiri potofu zinazotokea kutokana na matumizi ya tafsiri hii.
|
||||
<!-- CO-OP TRANSLATOR DISCLAIMER END -->
|
||||
Loading…
Reference in new issue