# പ്രശ്നപരിഹാര ഗൈഡ് Machine Learning for Beginners പാഠ്യപദ്ധതിയുമായി ജോലി ചെയ്യുമ്പോൾ സാധാരണയായി നേരിടുന്ന പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ ഈ ഗൈഡ് സഹായിക്കും. ഇവിടെ പരിഹാരം കണ്ടെത്താനാകുന്നില്ലെങ്കിൽ, ദയവായി ഞങ്ങളുടെ [Discord Discussions](https://aka.ms/foundry/discord) പരിശോധിക്കുക അല്ലെങ്കിൽ [ഒരു പ്രശ്നം തുറക്കുക](https://github.com/microsoft/ML-For-Beginners/issues). ## ഉള്ളടക്ക പട്ടിക - [ഇൻസ്റ്റലേഷൻ പ്രശ്നങ്ങൾ](../..) - [ജുപിറ്റർ നോട്ട്‌ബുക്ക് പ്രശ്നങ്ങൾ](../..) - [പൈത്തൺ പാക്കേജ് പ്രശ്നങ്ങൾ](../..) - [ആർ പരിസ്ഥിതി പ്രശ്നങ്ങൾ](../..) - [ക്വിസ് അപ്ലിക്കേഷൻ പ്രശ്നങ്ങൾ](../..) - [ഡാറ്റയും ഫയൽ പാതയും സംബന്ധിച്ച പ്രശ്നങ്ങൾ](../..) - [സാധാരണ പിശക് സന്ദേശങ്ങൾ](../..) - [പ്രകടന പ്രശ്നങ്ങൾ](../..) - [പരിസ്ഥിതി ക്രമീകരണങ്ങൾ](../..) --- ## ഇൻസ്റ്റലേഷൻ പ്രശ്നങ്ങൾ ### പൈത്തൺ ഇൻസ്റ്റലേഷൻ **പ്രശ്നം**: `python: command not found` **പരിഹാരം**: 1. [python.org](https://www.python.org/downloads/) ൽ നിന്ന് Python 3.8 അല്ലെങ്കിൽ അതിനുമുകളിൽ ഇൻസ്റ്റാൾ ചെയ്യുക 2. ഇൻസ്റ്റലേഷൻ സ്ഥിരീകരിക്കുക: `python --version` അല്ലെങ്കിൽ `python3 --version` 3. macOS/Linux-ൽ, `python` പകരം `python3` ഉപയോഗിക്കേണ്ടതുണ്ടാകാം **പ്രശ്നം**: പല പൈത്തൺ പതിപ്പുകൾ തമ്മിൽ സംഘർഷം ഉണ്ടാകുന്നു **പരിഹാരം**: ```bash # പ്രോജക്ടുകൾ വേർതിരിക്കാൻ വെർച്വൽ എൻവയോൺമെന്റുകൾ ഉപയോഗിക്കുക python -m venv ml-env # വെർച്വൽ എൻവയോൺമെന്റ് സജീവമാക്കുക # വിൻഡോസ്-ൽ: ml-env\Scripts\activate # മാക്‌ഓഎസ്/ലിനക്സ്-ൽ: source ml-env/bin/activate ``` ### ജുപിറ്റർ ഇൻസ്റ്റലേഷൻ **പ്രശ്നം**: `jupyter: command not found` **പരിഹാരം**: ```bash # Jupyter ഇൻസ്റ്റാൾ ചെയ്യുക pip install jupyter # അല്ലെങ്കിൽ pip3 ഉപയോഗിച്ച് pip3 install jupyter # ഇൻസ്റ്റലേഷൻ സ്ഥിരീകരിക്കുക jupyter --version ``` **പ്രശ്നം**: ജുപിറ്റർ ബ്രൗസറിൽ ആരംഭിക്കുന്നില്ല **പരിഹാരം**: ```bash # ബ്രൗസർ വ്യക്തമാക്കാൻ ശ്രമിക്കുക jupyter notebook --browser=chrome # അല്ലെങ്കിൽ ടർമിനലിൽ നിന്നുള്ള ടോക്കൺ ഉള്ള URL കോപ്പി ചെയ്ത് ബ്രൗസറിൽ കൈയോടെ പേസ്റ്റ് ചെയ്യുക # ഇതു നോക്കുക: http://localhost:8888/?token=... ``` ### ആർ ഇൻസ്റ്റലേഷൻ **പ്രശ്നം**: ആർ പാക്കേജുകൾ ഇൻസ്റ്റാൾ ചെയ്യാൻ കഴിയുന്നില്ല **പരിഹാരം**: ```r # നിങ്ങൾക്കുള്ള ഏറ്റവും പുതിയ R പതിപ്പ് ഉറപ്പാക്കുക # ആശ്രിതങ്ങളോടുകൂടിയ പാക്കേജുകൾ ഇൻസ്റ്റാൾ ചെയ്യുക install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE) # സംയോജനം പരാജയപ്പെട്ടാൽ, ബൈനറി പതിപ്പുകൾ ഇൻസ്റ്റാൾ ചെയ്യാൻ ശ്രമിക്കുക install.packages("package-name", type = "binary") ``` **പ്രശ്നം**: ജുപിറ്ററിൽ IRkernel ലഭ്യമല്ല **പരിഹാരം**: ```r # R കൺസോളിൽ install.packages('IRkernel') IRkernel::installspec(user = TRUE) ``` --- ## ജുപിറ്റർ നോട്ട്‌ബുക്ക് പ്രശ്നങ്ങൾ ### കർണൽ പ്രശ്നങ്ങൾ **പ്രശ്നം**: കർണൽ തുടർച്ചയായി മരിക്കുന്നു അല്ലെങ്കിൽ പുനരാരംഭിക്കുന്നു **പരിഹാരം**: 1. കർണൽ പുനരാരംഭിക്കുക: `Kernel → Restart` 2. ഔട്ട്പുട്ട് മായ്ച്ചു പുനരാരംഭിക്കുക: `Kernel → Restart & Clear Output` 3. മെമ്മറി പ്രശ്നങ്ങൾ പരിശോധിക്കുക ([Performance Issues](../..) കാണുക) 4. പ്രശ്നമുള്ള കോഡ് കണ്ടെത്താൻ സെല്ലുകൾ ഒറ്റയ്ക്ക് ഓടിക്കുക **പ്രശ്നം**: തെറ്റായ പൈത്തൺ കർണൽ തിരഞ്ഞെടുക്കപ്പെട്ടിരിക്കുന്നു **പരിഹാരം**: 1. നിലവിലെ കർണൽ പരിശോധിക്കുക: `Kernel → Change Kernel` 2. ശരിയായ പൈത്തൺ പതിപ്പ് തിരഞ്ഞെടുക്കുക 3. കർണൽ കാണാനില്ലെങ്കിൽ, സൃഷ്ടിക്കുക: ```bash python -m ipykernel install --user --name=ml-env ``` **പ്രശ്നം**: കർണൽ ആരംഭിക്കുന്നില്ല **പരിഹാരം**: ```bash # ipykernel പുനഃസ്ഥാപിക്കുക pip uninstall ipykernel pip install ipykernel # കർണൽ വീണ്ടും രജിസ്റ്റർ ചെയ്യുക python -m ipykernel install --user ``` ### നോട്ട്‌ബുക്ക് സെൽ പ്രശ്നങ്ങൾ **പ്രശ്നം**: സെല്ലുകൾ ഓടുന്നു, പക്ഷേ ഔട്ട്പുട്ട് കാണിക്കുന്നില്ല **പരിഹാരം**: 1. സെൽ ഇപ്പോഴും ഓടുന്നുണ്ടോ എന്ന് പരിശോധിക്കുക (`[*]` സൂചകം നോക്കുക) 2. കർണൽ പുനരാരംഭിച്ച് എല്ലാ സെല്ലുകളും ഓടിക്കുക: `Kernel → Restart & Run All` 3. ബ്രൗസർ കോൺസോളിൽ ജാവാസ്ക്രിപ്റ്റ് പിശകുകൾ പരിശോധിക്കുക (F12) **പ്രശ്നം**: സെല്ലുകൾ ഓടിക്കാൻ കഴിയുന്നില്ല - "Run" ക്ലിക്കുചെയ്യുമ്പോൾ പ്രതികരണം ഇല്ല **പരിഹാരം**: 1. ടർമിനലിൽ ജുപിറ്റർ സർവർ ഇപ്പോഴും ഓടുന്നുണ്ടോ എന്ന് പരിശോധിക്കുക 2. ബ്രൗസർ പേജ് റിഫ്രഷ് ചെയ്യുക 3. നോട്ട്‌ബുക്ക് അടച്ച് വീണ്ടും തുറക്കുക 4. ജുപിറ്റർ സർവർ പുനരാരംഭിക്കുക --- ## പൈത്തൺ പാക്കേജ് പ്രശ്നങ്ങൾ ### ഇറക്കുമതി പിശകുകൾ **പ്രശ്നം**: `ModuleNotFoundError: No module named 'sklearn'` **പരിഹാരം**: ```bash pip install scikit-learn # ഈ കോഴ്‌സിനുള്ള സാധാരണ ML പാക്കേജുകൾ pip install scikit-learn pandas numpy matplotlib seaborn ``` **പ്രശ്നം**: `ImportError: cannot import name 'X' from 'sklearn'` **പരിഹാരം**: ```bash # scikit-learn ഏറ്റവും പുതിയ പതിപ്പിലേക്ക് അപ്ഡേറ്റ് ചെയ്യുക pip install --upgrade scikit-learn # പതിപ്പ് പരിശോധിക്കുക python -c "import sklearn; print(sklearn.__version__)" ``` ### പതിപ്പ് സംഘർഷങ്ങൾ **പ്രശ്നം**: പാക്കേജ് പതിപ്പ് അസമർത്ഥത പിശകുകൾ **പരിഹാരം**: ```bash # പുതിയ ഒരു വെർച്വൽ എൻവയോൺമെന്റ് സൃഷ്ടിക്കുക python -m venv fresh-env source fresh-env/bin/activate # അല്ലെങ്കിൽ Windows-ൽ fresh-env\Scripts\activate # പാക്കേജുകൾ പുതുതായി ഇൻസ്റ്റാൾ ചെയ്യുക pip install jupyter scikit-learn pandas numpy matplotlib seaborn # പ്രത്യേക പതിപ്പ് ആവശ്യമെങ്കിൽ pip install scikit-learn==1.3.0 ``` **പ്രശ്നം**: `pip install` അനുമതി പിശകുകളോടെ പരാജയപ്പെടുന്നു **പരിഹാരം**: ```bash # നിലവിലെ ഉപയോക്താവിനായി മാത്രമേ ഇൻസ്റ്റാൾ ചെയ്യൂ pip install --user package-name # അല്ലെങ്കിൽ വെർച്വൽ എൻവയോൺമെന്റ് ഉപയോഗിക്കുക (ശുപാർശ ചെയ്യുന്നു) python -m venv venv source venv/bin/activate pip install package-name ``` ### ഡാറ്റ ലോഡിംഗ് പ്രശ്നങ്ങൾ **പ്രശ്നം**: CSV ഫയലുകൾ ലോഡ് ചെയ്യുമ്പോൾ `FileNotFoundError` **പരിഹാരം**: ```python import os # നിലവിലെ പ്രവർത്തന ഡയറക്ടറി പരിശോധിക്കുക print(os.getcwd()) # നോട്ട്‌ബുക്ക് സ്ഥിതിചെയ്യുന്ന സ്ഥലത്ത് നിന്ന് സാപേക്ഷ പാതകൾ ഉപയോഗിക്കുക df = pd.read_csv('../../data/filename.csv') # അല്ലെങ്കിൽ പൂർണ്ണ പാതകൾ ഉപയോഗിക്കുക df = pd.read_csv('/full/path/to/data/filename.csv') ``` --- ## ആർ പരിസ്ഥിതി പ്രശ്നങ്ങൾ ### പാക്കേജ് ഇൻസ്റ്റലേഷൻ **പ്രശ്നം**: പാക്കേജ് ഇൻസ്റ്റലേഷൻ കോമ്പൈലേഷൻ പിശകുകളോടെ പരാജയപ്പെടുന്നു **പരിഹാരം**: ```r # ബൈനറി പതിപ്പ് ഇൻസ്റ്റാൾ ചെയ്യുക (Windows/macOS) install.packages("package-name", type = "binary") # പാക്കേജുകൾ ആവശ്യപ്പെടുന്നുവെങ്കിൽ R ഏറ്റവും പുതിയ പതിപ്പിലേക്ക് അപ്ഡേറ്റ് ചെയ്യുക # R പതിപ്പ് പരിശോധിക്കുക R.version.string # സിസ്റ്റം ആശ്രിതങ്ങൾ ഇൻസ്റ്റാൾ ചെയ്യുക (Linux) # Ubuntu/Debian-ക്കായി, ടെർമിനലിൽ: # sudo apt-get install r-base-dev ``` **പ്രശ്നം**: `tidyverse` ഇൻസ്റ്റാൾ ചെയ്യാൻ കഴിയുന്നില്ല **പരിഹാരം**: ```r # ആദ്യം ആശ്രിതങ്ങൾ ഇൻസ്റ്റാൾ ചെയ്യുക install.packages(c("rlang", "vctrs", "pillar")) # പിന്നീട് tidyverse ഇൻസ്റ്റാൾ ചെയ്യുക install.packages("tidyverse") # അല്ലെങ്കിൽ ഘടകങ്ങൾ വ്യക്തിഗതമായി ഇൻസ്റ്റാൾ ചെയ്യുക install.packages(c("dplyr", "ggplot2", "tidyr", "readr")) ``` ### ആർമാർക്ഡൗൺ പ്രശ്നങ്ങൾ **പ്രശ്നം**: ആർമാർക്ഡൗൺ റെൻഡർ ചെയ്യുന്നില്ല **പരിഹാരം**: ```r # rmarkdown ഇൻസ്റ്റാൾ/അപ്ഡേറ്റ് ചെയ്യുക install.packages("rmarkdown") # ആവശ്യമെങ്കിൽ pandoc ഇൻസ്റ്റാൾ ചെയ്യുക install.packages("pandoc") # PDF ഔട്ട്പുട്ടിനായി tinytex ഇൻസ്റ്റാൾ ചെയ്യുക install.packages("tinytex") tinytex::install_tinytex() ``` --- ## ക്വിസ് അപ്ലിക്കേഷൻ പ്രശ്നങ്ങൾ ### ബിൽഡ് & ഇൻസ്റ്റലേഷൻ **പ്രശ്നം**: `npm install` പരാജയപ്പെടുന്നു **പരിഹാരം**: ```bash # npm കാഷെ ക്ലിയർ ചെയ്യുക npm cache clean --force # node_modules ഉം package-lock.json ഉം നീക്കം ചെയ്യുക rm -rf node_modules package-lock.json # വീണ്ടും ഇൻസ്റ്റാൾ ചെയ്യുക npm install # ഇതുവരെ പരാജയപ്പെട്ടാൽ, legacy peer deps ഉപയോഗിച്ച് ശ്രമിക്കുക npm install --legacy-peer-deps ``` **പ്രശ്നം**: പോർട്ട് 8080 ഇതിനകം ഉപയോഗത്തിലാണ് **പരിഹാരം**: ```bash # വ്യത്യസ്ത പോർട്ട് ഉപയോഗിക്കുക npm run serve -- --port 8081 # അല്ലെങ്കിൽ പോർട്ട് 8080 ഉപയോഗിക്കുന്ന പ്രോസസ് കണ്ടെത്തി നശിപ്പിക്കുക # ലിനക്സ്/മാക്‌ഒഎസ്-ൽ: lsof -ti:8080 | xargs kill -9 # വിൻഡോസ്-ൽ: netstat -ano | findstr :8080 taskkill /PID /F ``` ### ബിൽഡ് പിശകുകൾ **പ്രശ്നം**: `npm run build` പരാജയപ്പെടുന്നു **പരിഹാരം**: ```bash # നോഡ്.js പതിപ്പ് പരിശോധിക്കുക (14+ ആയിരിക്കണം) node --version # ആവശ്യമെങ്കിൽ നോഡ്.js അപ്ഡേറ്റ് ചെയ്യുക # പിന്നീട് ക്ലീൻ ഇൻസ്റ്റാൾ ചെയ്യുക rm -rf node_modules package-lock.json npm install npm run build ``` **പ്രശ്നം**: ലിന്റിംഗ് പിശകുകൾ ബിൽഡ് തടയുന്നു **പരിഹാരം**: ```bash # സ്വയം പരിഹരിക്കാവുന്ന പ്രശ്നങ്ങൾ പരിഹരിക്കുക npm run lint -- --fix # അല്ലെങ്കിൽ താൽക്കാലികമായി ബിൽഡിൽ ലിന്റിംഗ് അപ്രാപ്തമാക്കുക # (ഉത്പാദനത്തിനായി ശുപാർശ ചെയ്യപ്പെടുന്നില്ല) ``` --- ## ഡാറ്റയും ഫയൽ പാതയും സംബന്ധിച്ച പ്രശ്നങ്ങൾ ### പാത പ്രശ്നങ്ങൾ **പ്രശ്നം**: നോട്ട്‌ബുക്കുകൾ ഓടിക്കുമ്പോൾ ഡാറ്റ ഫയലുകൾ കണ്ടെത്താനാകുന്നില്ല **പരിഹാരം**: 1. **എപ്പോഴും നോട്ട്‌ബുക്ക് ഉള്ള ഡയറക്ടറിയിൽ നിന്ന് ഓടിക്കുക** ```bash cd /path/to/lesson/folder jupyter notebook ``` 2. **കോഡിൽ സാപേക്ഷ പാതകൾ പരിശോധിക്കുക** ```python # നോട്ട്‌ബുക്ക് സ്ഥിതിചെയ്യുന്ന സ്ഥലത്തുനിന്നുള്ള ശരിയായ പാത df = pd.read_csv('../data/filename.csv') # നിങ്ങളുടെ ടെർമിനൽ സ്ഥിതിചെയ്യുന്ന സ്ഥലത്തുനിന്നല്ല ``` 3. **ആവശ്യമായാൽ പൂർണ്ണ പാതകൾ ഉപയോഗിക്കുക** ```python import os base_path = os.path.dirname(os.path.abspath(__file__)) data_path = os.path.join(base_path, 'data', 'filename.csv') ``` ### ഡാറ്റ ഫയലുകൾ കാണാനില്ല **പ്രശ്നം**: ഡാറ്റസെറ്റ് ഫയലുകൾ കാണാനില്ല **പരിഹാരം**: 1. ഡാറ്റ റിപോസിറ്ററിയിൽ ഉണ്ടോ എന്ന് പരിശോധിക്കുക - മിക്ക ഡാറ്റസെറ്റുകളും ഉൾപ്പെടുത്തിയിട്ടുണ്ട് 2. ചില പാഠങ്ങൾ ഡാറ്റ ഡൗൺലോഡ് ചെയ്യേണ്ടതുണ്ടാകാം - പാഠം README പരിശോധിക്കുക 3. ഏറ്റവും പുതിയ മാറ്റങ്ങൾ പുൾ ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക: ```bash git pull origin main ``` --- ## സാധാരണ പിശക് സന്ദേശങ്ങൾ ### മെമ്മറി പിശകുകൾ **പിശക്**: `MemoryError` അല്ലെങ്കിൽ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുമ്പോൾ കർണൽ മരിക്കുന്നു **പരിഹാരം**: ```python # ഡാറ്റ ചങ്കുകളായി ലോഡ് ചെയ്യുക for chunk in pd.read_csv('large_file.csv', chunksize=10000): process(chunk) # അല്ലെങ്കിൽ ആവശ്യമായ കോളങ്ങൾ മാത്രം വായിക്കുക df = pd.read_csv('file.csv', usecols=['col1', 'col2']) # പൂർത്തിയാക്കിയപ്പോൾ മെമ്മറി മോചനം ചെയ്യുക del large_dataframe import gc gc.collect() ``` ### കോൺവെർജൻസ് മുന്നറിയിപ്പുകൾ **മുന്നറിയിപ്പ്**: `ConvergenceWarning: Maximum number of iterations reached` **പരിഹാരം**: ```python from sklearn.linear_model import LogisticRegression # പരമാവധി ആവർത്തനങ്ങൾ വർദ്ധിപ്പിക്കുക model = LogisticRegression(max_iter=1000) # അല്ലെങ്കിൽ ആദ്യം നിങ്ങളുടെ ഫീച്ചറുകൾ സ്കെയിൽ ചെയ്യുക from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_scaled = scaler.fit_transform(X) ``` ### പ്ലോട്ടിംഗ് പ്രശ്നങ്ങൾ **പ്രശ്നം**: ജുപിറ്ററിൽ പ്ലോട്ടുകൾ കാണിക്കുന്നില്ല **പരിഹാരം**: ```python # ഇൻലൈൻ പ്ലോട്ടിംഗ് സജ്ജമാക്കുക %matplotlib inline # pyplot ഇറക്കുമതി ചെയ്യുക import matplotlib.pyplot as plt # പ്ലോട്ട് വ്യക്തമായി കാണിക്കുക plt.plot(data) plt.show() ``` **പ്രശ്നം**: Seaborn പ്ലോട്ടുകൾ വ്യത്യസ്തമായി കാണപ്പെടുന്നു അല്ലെങ്കിൽ പിശകുകൾ കാണിക്കുന്നു **പരിഹാരം**: ```python import warnings warnings.filterwarnings('ignore', category=UserWarning) # അനുയോജ്യമായ പതിപ്പിലേക്ക് അപ്ഡേറ്റ് ചെയ്യുക # pip install --upgrade seaborn matplotlib ``` ### യൂണികോഡ്/എൻകോഡിംഗ് പിശകുകൾ **പ്രശ്നം**: ഫയലുകൾ വായിക്കുമ്പോൾ `UnicodeDecodeError` **പരിഹാരം**: ```python # എൻകോഡിംഗ് വ്യക്തമായി വ്യക്തമാക്കുക df = pd.read_csv('file.csv', encoding='utf-8') # അല്ലെങ്കിൽ വ്യത്യസ്ത എൻകോഡിംഗ് പരീക്ഷിക്കുക df = pd.read_csv('file.csv', encoding='latin-1') # പ്രശ്നമുള്ള അക്ഷരങ്ങൾ ഒഴിവാക്കാൻ errors='ignore' ഉപയോഗിക്കുക df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore') ``` --- ## പ്രകടന പ്രശ്നങ്ങൾ ### നോട്ട്‌ബുക്ക് ഓടിക്കൽ മന്ദഗതിയിലാണ് **പ്രശ്നം**: നോട്ട്‌ബുക്കുകൾ ഓടിക്കാൻ വളരെ മന്ദമാണ് **പരിഹാരം**: 1. **മെമ്മറി മോചിപ്പിക്കാൻ കർണൽ പുനരാരംഭിക്കുക**: `Kernel → Restart` 2. **ഉപയോഗിക്കാത്ത നോട്ട്‌ബുക്കുകൾ അടയ്ക്കുക** 3. **പരീക്ഷണത്തിനായി ചെറിയ ഡാറ്റ സാമ്പിളുകൾ ഉപയോഗിക്കുക**: ```python # വികസനത്തിനിടെ ഉപസമൂഹത്തോടൊപ്പം പ്രവർത്തിക്കുക df_sample = df.sample(n=1000) ``` 4. **ബോട്ടിൽനെക്കുകൾ കണ്ടെത്താൻ നിങ്ങളുടെ കോഡ് പ്രൊഫൈൽ ചെയ്യുക**: ```python %time operation() # ഏകക പ്രവർത്തന സമയം %timeit operation() # പല റൺസുകളോടെയുള്ള സമയം ``` ### ഉയർന്ന മെമ്മറി ഉപയോഗം **പ്രശ്നം**: സിസ്റ്റം മെമ്മറി തീരുന്നു **പരിഹാരം**: ```python # മെമ്മറി ഉപയോഗം പരിശോധിക്കുക df.info(memory_usage='deep') # ഡാറ്റാ ടൈപ്പുകൾ മെച്ചപ്പെടുത്തുക df['column'] = df['column'].astype('int32') # int64 പകരം # അനാവശ്യ കോളങ്ങൾ ഒഴിവാക്കുക df = df[['col1', 'col2']] # ആവശ്യമായ കോളങ്ങൾ മാത്രം സൂക്ഷിക്കുക # ബാച്ചുകളായി പ്രോസസ്സ് ചെയ്യുക for batch in np.array_split(df, 10): process(batch) ``` --- ## പരിസ്ഥിതി ക്രമീകരണങ്ങൾ ### വെർച്വൽ പരിസ്ഥിതി പ്രശ്നങ്ങൾ **പ്രശ്നം**: വെർച്വൽ പരിസ്ഥിതി സജീവമാകുന്നില്ല **പരിഹാരം**: ```bash # വിൻഡോസ് python -m venv venv venv\Scripts\activate.bat # മാക്‌ഒഎസ്/ലിനക്സ് python3 -m venv venv source venv/bin/activate # സജീവമാണോ എന്ന് പരിശോധിക്കുക (പ്രോംപ്റ്റിൽ venv നാമം കാണിക്കണം) which python # venv പൈത്തൺ കാണിക്കണം ``` **പ്രശ്നം**: പാക്കേജുകൾ ഇൻസ്റ്റാൾ ചെയ്തിട്ടും നോട്ട്‌ബുക്കിൽ കാണുന്നില്ല **പരിഹാരം**: ```bash # നോട്ട്‌ബുക്ക് ശരിയായ കർണൽ ഉപയോഗിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുക # നിങ്ങളുടെ വിർച്വൽ എൻവയോൺമെന്റിൽ ipykernel ഇൻസ്റ്റാൾ ചെയ്യുക pip install ipykernel python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)" # Jupyter-ൽ: Kernel → Change Kernel → Python (ml-env) ``` ### Git പ്രശ്നങ്ങൾ **പ്രശ്നം**: ഏറ്റവും പുതിയ മാറ്റങ്ങൾ പുൾ ചെയ്യാൻ കഴിയുന്നില്ല - മർജ് സംഘർഷങ്ങൾ **പരിഹാരം**: ```bash # നിങ്ങളുടെ മാറ്റങ്ങൾ സ്റ്റാഷ് ചെയ്യുക git stash # ഏറ്റവും പുതിയത് പുൾ ചെയ്യുക git pull origin main # നിങ്ങളുടെ മാറ്റങ്ങൾ വീണ്ടും പ്രയോഗിക്കുക git stash pop # സംഘർഷങ്ങൾ ഉണ്ടെങ്കിൽ, കൈമാറി പരിഹരിക്കുക അല്ലെങ്കിൽ: git checkout --theirs path/to/file # റിമോട്ട് പതിപ്പ് സ്വീകരിക്കുക git checkout --ours path/to/file # നിങ്ങളുടെ പതിപ്പ് നിലനിർത്തുക ``` ### VS കോഡ് ഇന്റഗ്രേഷൻ **പ്രശ്നം**: ജുപിറ്റർ നോട്ട്‌ബുക്കുകൾ VS കോഡിൽ തുറക്കാനാകുന്നില്ല **പരിഹാരം**: 1. VS കോഡിൽ Python എക്സ്റ്റൻഷൻ ഇൻസ്റ്റാൾ ചെയ്യുക 2. VS കോഡിൽ Jupyter എക്സ്റ്റൻഷൻ ഇൻസ്റ്റാൾ ചെയ്യുക 3. ശരിയായ Python ഇന്റർപ്രിറ്റർ തിരഞ്ഞെടുക്കുക: `Ctrl+Shift+P` → "Python: Select Interpreter" 4. VS കോഡ് പുനരാരംഭിക്കുക --- ## അധിക സ്രോതസുകൾ - **Discord Discussions**: [#ml-for-beginners ചാനലിൽ ചോദ്യങ്ങൾ ചോദിക്കുകയും പരിഹാരങ്ങൾ പങ്കുവെക്കുകയും ചെയ്യുക](https://aka.ms/foundry/discord) - **Microsoft Learn**: [ML for Beginners മോഡ്യൂളുകൾ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - **വീഡിയോ ട്യൂട്ടോറിയലുകൾ**: [YouTube പ്ലേലിസ്റ്റ്](https://aka.ms/ml-beginners-videos) - **ഇഷ്യൂ ട്രാക്കർ**: [പിശകുകൾ റിപ്പോർട്ട് ചെയ്യുക](https://github.com/microsoft/ML-For-Beginners/issues) --- ## ഇപ്പോഴും പ്രശ്നങ്ങളുണ്ടോ? മുകളിൽ നൽകിയ പരിഹാരങ്ങൾ പരീക്ഷിച്ചിട്ടും പ്രശ്നങ്ങൾ തുടരുകയാണെങ്കിൽ: 1. **ഇതിനുമുമ്പുള്ള പ്രശ്നങ്ങൾ തിരയുക**: [GitHub Issues](https://github.com/microsoft/ML-For-Beginners/issues) 2. **Discord-ൽ ചർച്ചകൾ പരിശോധിക്കുക**: [Discord Discussions](https://aka.ms/foundry/discord) 3. **പുതിയ പ്രശ്നം തുറക്കുക**: ഉൾപ്പെടുത്തുക: - നിങ്ങളുടെ ഓപ്പറേറ്റിംഗ് സിസ്റ്റവും പതിപ്പും - Python/R പതിപ്പ് - പിശക് സന്ദേശം (പൂർണ്ണ ട്രേസ്ബാക്ക്) - പ്രശ്നം പുനരാവർത്തിപ്പെടുത്താനുള്ള ഘട്ടങ്ങൾ - നിങ്ങൾ ഇതിനകം പരീക്ഷിച്ച കാര്യങ്ങൾ ഞങ്ങൾ സഹായിക്കാൻ ഇവിടെ ഉണ്ടാകുന്നു! 🚀 --- **അസൂയാപത്രം**: ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.