# సమస్య పరిష్కరణ గైడ్

ఈ గైడ్ మిషీన్ లెర్నింగ్ ఫర్ బిగినర్స్ పాఠ్యాంశంతో పని చేస్తున్నప్పుడు సాధారణ సమస్యలను పరిష్కరించడంలో మీకు సహాయం చేస్తుంది. మీరు ఇక్కడ పరిష్కారం కనుగొనకపోతే, దయచేసి మా [Discord చర్చలు](https://aka.ms/foundry/discord)ను చూడండి లేదా [ఇష్యూ ఓపెన్ చేయండి](https://github.com/microsoft/ML-For-Beginners/issues).

## విషయ సూచిక

- [ఇన్‌స్టాలేషన్ సమస్యలు](../..)
- [జుపైటర్ నోట్‌బుక్ సమస్యలు](../..)
- [పైథాన్ ప్యాకేజ్ సమస్యలు](../..)
- [ఆర్ ఎన్విరాన్‌మెంట్ సమస్యలు](../..)
- [క్విజ్ అప్లికేషన్ సమస్యలు](../..)
- [డేటా మరియు ఫైల్ పాత్ సమస్యలు](../..)
- [సాధారణ లోప సందేశాలు](../..)
- [పనితీరు సమస్యలు](../..)
- [ఎన్విరాన్‌మెంట్ మరియు కాన్ఫిగరేషన్](../..)

---

## ఇన్‌స్టాలేషన్ సమస్యలు

### పైథాన్ ఇన్‌స్టాలేషన్

**సమస్య**: `python: command not found`

**పరిష్కారం**:
1. [python.org](https://www.python.org/downloads/) నుండి Python 3.8 లేదా అంతకంటే పై వెర్షన్ ఇన్‌స్టాల్ చేయండి
2. ఇన్‌స్టాలేషన్‌ను ధృవీకరించండి: `python --version` లేదా `python3 --version`
3. macOS/Linux లో, మీరు `python` బదులు `python3` ఉపయోగించవలసి ఉండవచ్చు

**సమస్య**: బహుళ Python వెర్షన్లు కలగలిపి సమస్యలు సృష్టించడం

**పరిష్కారం**:
```bash
# ప్రాజెక్టులను వేరుచేయడానికి వర్చువల్ ఎన్విరాన్‌మెంట్లను ఉపయోగించండి
python -m venv ml-env

# వర్చువల్ ఎన్విరాన్‌మెంట్‌ను యాక్టివేట్ చేయండి
# విండోస్‌లో:
ml-env\Scripts\activate
# మాక్‌ఒఎస్/లినక్స్‌లో:
source ml-env/bin/activate
```

### జుపైటర్ ఇన్‌స్టాలేషన్

**సమస్య**: `jupyter: command not found`

**పరిష్కారం**:
```bash
# జూపిటర్‌ను ఇన్‌స్టాల్ చేయండి
pip install jupyter

# లేదా pip3 తో
pip3 install jupyter

# ఇన్‌స్టాలేషన్‌ను ధృవీకరించండి
jupyter --version
```

**సమస్య**: జుపైటర్ బ్రౌజర్‌లో ప్రారంభం కావడం లేదు

**పరిష్కారం**:
```bash
# బ్రౌజర్‌ను నిర్దేశించడానికి ప్రయత్నించండి
jupyter notebook --browser=chrome

# లేదా టెర్మినల్ నుండి టోకెన్‌తో URL ను కాపీ చేసి బ్రౌజర్‌లో మాన్యువల్‌గా పేస్ట్ చేయండి
# ఈ URL కోసం చూడండి: http://localhost:8888/?token=...
```

### ఆర్ ఇన్‌స్టాలేషన్

**సమస్య**: ఆర్ ప్యాకేజీలు ఇన్‌స్టాల్ కావడం లేదు

**పరిష్కారం**:
```r
# మీకు తాజా R సంస్కరణ ఉందని నిర్ధారించుకోండి
# ఆధారాలతో ప్యాకేజీలను ఇన్‌స్టాల్ చేయండి
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)

# కంపైల్ చేయడంలో విఫలమైతే, బైనరీ సంస్కరణలను ఇన్‌స్టాల్ చేయడానికి ప్రయత్నించండి
install.packages("package-name", type = "binary")
```

**సమస్య**: జుపైటర్‌లో IRkernel అందుబాటులో లేదు

**పరిష్కారం**:
```r
# R కన్సోల్‌లో
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)
```

---

## జుపైటర్ నోట్‌బుక్ సమస్యలు

### కర్నెల్ సమస్యలు

**సమస్య**: కర్నెల్ తరచుగా మృతి చెందడం లేదా రీస్టార్ట్ అవడం

**పరిష్కారం**:
1. కర్నెల్‌ను రీస్టార్ట్ చేయండి: `Kernel → Restart`
2. అవుట్‌పుట్ క్లియర్ చేసి రీస్టార్ట్ చేయండి: `Kernel → Restart & Clear Output`
3. మెమరీ సమస్యలు ఉన్నాయా చూడండి ([పనితీరు సమస్యలు](../..) చూడండి)
4. సమస్య ఉన్న కోడ్ గుర్తించడానికి సెల్స్‌ను ఒక్కొక్కటిగా నడపండి

**సమస్య**: తప్పు Python కర్నెల్ ఎంచుకున్నది

**పరిష్కారం**:
1. ప్రస్తుత కర్నెల్‌ను తనిఖీ చేయండి: `Kernel → Change Kernel`
2. సరైన Python వెర్షన్ ఎంచుకోండి
3. కర్నెల్ లేని పరిస్థితిలో, క్రింది విధంగా సృష్టించండి:
```bash
python -m ipykernel install --user --name=ml-env
```

**సమస్య**: కర్నెల్ ప్రారంభం కావడం లేదు

**పరిష్కారం**:
```bash
# ipykernel ను మళ్లీ ఇన్‌స్టాల్ చేయండి
pip uninstall ipykernel
pip install ipykernel

# కర్నెల్‌ను మళ్లీ నమోదు చేయండి
python -m ipykernel install --user
```

### నోట్‌బుక్ సెల్ సమస్యలు

**సమస్య**: సెల్స్ నడుస్తున్నా అవుట్‌పుట్ చూపించడం లేదు

**పరిష్కారం**:
1. సెల్ ఇంకా నడుస్తుందా చూడండి (`[*]` సూచిక కోసం)
2. కర్నెల్ రీస్టార్ట్ చేసి అన్ని సెల్స్ నడపండి: `Kernel → Restart & Run All`
3. బ్రౌజర్ కన్సోల్‌లో జావాస్క్రిప్ట్ లోపాలు ఉన్నాయా చూడండి (F12)

**సమస్య**: "Run" క్లిక్ చేసినప్పుడు సెల్స్ నడవడం లేదు

**పరిష్కారం**:
1. టెర్మినల్‌లో జుపైటర్ సర్వర్ నడుస్తుందా చూడండి
2. బ్రౌజర్ పేజీని రిఫ్రెష్ చేయండి
3. నోట్‌బుక్‌ను మూసి మళ్లీ తెరవండి
4. జుపైటర్ సర్వర్‌ను రీస్టార్ట్ చేయండి

---

## పైథాన్ ప్యాకేజ్ సమస్యలు

### ఇంపోర్ట్ లోపాలు

**సమస్య**: `ModuleNotFoundError: No module named 'sklearn'`

**పరిష్కారం**:
```bash
pip install scikit-learn

# ఈ కోర్సు కోసం సాధారణ ML ప్యాకేజీలు
pip install scikit-learn pandas numpy matplotlib seaborn
```

**సమస్య**: `ImportError: cannot import name 'X' from 'sklearn'`

**పరిష్కారం**:
```bash
# scikit-learn ను తాజా సంస్కరణకు నవీకరించండి
pip install --upgrade scikit-learn

# సంస్కరణను తనిఖీ చేయండి
python -c "import sklearn; print(sklearn.__version__)"
```

### వెర్షన్ విరుద్ధతలు

**సమస్య**: ప్యాకేజ్ వెర్షన్ అసమర్థత లోపాలు

**పరిష్కారం**:
```bash
# కొత్త వర్చువల్ ఎన్విరాన్‌మెంట్ సృష్టించండి
python -m venv fresh-env
source fresh-env/bin/activate  # లేదా Windows లో fresh-env\Scripts\activate

# ప్యాకేజీలను కొత్తగా ఇన్‌స్టాల్ చేయండి
pip install jupyter scikit-learn pandas numpy matplotlib seaborn

# నిర్దిష్ట వెర్షన్ అవసరమైతే
pip install scikit-learn==1.3.0
```

**సమస్య**: `pip install` అనుమతి లోపాలతో విఫలమవడం

**పరిష్కారం**:
```bash
# ప్రస్తుత వినియోగదారునికే ఇన్‌స్టాల్ చేయండి
pip install --user package-name

# లేదా వర్చువల్ ఎన్విరాన్‌మెంట్ ఉపయోగించండి (సిఫార్సు చేయబడింది)
python -m venv venv
source venv/bin/activate
pip install package-name
```

### డేటా లోడింగ్ సమస్యలు

**సమస్య**: CSV ఫైళ్లను లోడ్ చేయడంలో `FileNotFoundError`

**పరిష్కారం**:
```python
import os
# ప్రస్తుత పని డైరెక్టరీని తనిఖీ చేయండి
print(os.getcwd())

# నోట్‌బుక్ స్థానం నుండి సాపేక్ష మార్గాలను ఉపయోగించండి
df = pd.read_csv('../../data/filename.csv')

# లేదా సంపూర్ణ మార్గాలను ఉపయోగించండి
df = pd.read_csv('/full/path/to/data/filename.csv')
```

---

## ఆర్ ఎన్విరాన్‌మెంట్ సమస్యలు

### ప్యాకేజ్ ఇన్‌స్టాలేషన్

**సమస్య**: కంపైల్ లోపాలతో ప్యాకేజ్ ఇన్‌స్టాలేషన్ విఫలమవడం

**పరిష్కారం**:
```r
# బైనరీ వెర్షన్ ఇన్‌స్టాల్ చేయండి (విండోస్/మ్యాక్‌ఓఎస్)
install.packages("package-name", type = "binary")

# ప్యాకేజీలు అవసరం అయితే R ను తాజా వెర్షన్‌కు అప్‌డేట్ చేయండి
# R వెర్షన్‌ను తనిఖీ చేయండి
R.version.string

# సిస్టమ్ ఆధారాలు ఇన్‌స్టాల్ చేయండి (లినక్స్)
# ఉబుంటు/డెబియన్ కోసం, టెర్మినల్‌లో:
# sudo apt-get install r-base-dev
```

**సమస్య**: `tidyverse` ఇన్‌స్టాల్ కావడం లేదు

**పరిష్కారం**:
```r
# ముందుగా ఆధారాలను ఇన్‌స్టాల్ చేయండి
install.packages(c("rlang", "vctrs", "pillar"))

# ఆపై tidyverse ను ఇన్‌స్టాల్ చేయండి
install.packages("tidyverse")

# లేదా భాగాలను వ్యక్తిగతంగా ఇన్‌స్టాల్ చేయండి
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))
```

### ఆర్‌మార్క్‌డౌన్ సమస్యలు

**సమస్య**: ఆర్‌మార్క్‌డౌన్ రేండర్ కావడం లేదు

**పరిష్కారం**:
```r
# rmarkdown ను ఇన్‌స్టాల్/అప్డేట్ చేయండి
install.packages("rmarkdown")

# అవసరమైతే pandoc ను ఇన్‌స్టాల్ చేయండి
install.packages("pandoc")

# PDF అవుట్పుట్ కోసం, tinytex ను ఇన్‌స్టాల్ చేయండి
install.packages("tinytex")
tinytex::install_tinytex()
```

---

## క్విజ్ అప్లికేషన్ సమస్యలు

### బిల్డ్ మరియు ఇన్‌స్టాలేషన్

**సమస్య**: `npm install` విఫలమవడం

**పరిష్కారం**:
```bash
# npm క్యాషేను క్లియర్ చేయండి
npm cache clean --force

# node_modules మరియు package-lock.json ను తొలగించండి
rm -rf node_modules package-lock.json

# మళ్లీ ఇన్‌స్టాల్ చేయండి
npm install

# ఇంకా విఫలమైతే, legacy peer deps తో ప్రయత్నించండి
npm install --legacy-peer-deps
```

**సమస్య**: పోర్ట్ 8080 ఇప్పటికే ఉపయోగంలో ఉంది

**పరిష్కారం**:
```bash
# వేరే పోర్ట్ ఉపయోగించండి
npm run serve -- --port 8081

# లేదా పోర్ట్ 8080 ఉపయోగిస్తున్న ప్రాసెస్‌ను కనుగొని ముగించండి
# లినక్స్/మ్యాక్‌ఓఎస్‌పై:
lsof -ti:8080 | xargs kill -9

# విండోస్‌పై:
netstat -ano | findstr :8080
taskkill /PID <PID> /F
```

### బిల్డ్ లోపాలు

**సమస్య**: `npm run build` విఫలమవడం

**పరిష్కారం**:
```bash
# Node.js వెర్షన్‌ను తనిఖీ చేయండి (14+ ఉండాలి)
node --version

# అవసరమైతే Node.js ను అప్‌డేట్ చేయండి
# ఆపై శుభ్రంగా ఇన్‌స్టాల్ చేయండి
rm -rf node_modules package-lock.json
npm install
npm run build
```

**సమస్య**: లింటింగ్ లోపాలు బిల్డ్ ఆపడం

**పరిష్కారం**:
```bash
# ఆటో-ఫిక్స్ చేయగల సమస్యలను సరిచేయండి
npm run lint -- --fix

# లేదా తాత్కాలికంగా బిల్డ్‌లో లింటింగ్‌ను నిలిపివేయండి
# (ఉత్పత్తికి సిఫార్సు చేయబడదు)
```

---

## డేటా మరియు ఫైల్ పాత్ సమస్యలు

### పాత్ సమస్యలు

**సమస్య**: నోట్‌బుక్ నడుపుతున్నప్పుడు డేటా ఫైళ్లు కనబడడం లేదు

**పరిష్కారం**:
1. **ఎప్పుడూ నోట్‌బుక్ ఉన్న డైరెక్టరీ నుండి నడపండి**
   ```bash
   cd /path/to/lesson/folder
   jupyter notebook
   ```

2. **కోడ్‌లో సాపేక్ష పాత్‌లను తనిఖీ చేయండి**
   ```python
   # నోట్‌బుక్ స్థానం నుండి సరైన మార్గం
   df = pd.read_csv('../data/filename.csv')
   
   # మీ టెర్మినల్ స్థానం నుండి కాదు
   ```

3. **అవసరమైతే సంపూర్ణ పాత్‌లను ఉపయోగించండి**
   ```python
   import os
   base_path = os.path.dirname(os.path.abspath(__file__))
   data_path = os.path.join(base_path, 'data', 'filename.csv')
   ```

### డేటా ఫైళ్లు లేమి

**సమస్య**: డేటాసెట్ ఫైళ్లు లేవు

**పరిష్కారం**:
1. డేటా రిపాజిటరీలో ఉండాలి కాబట్టి తనిఖీ చేయండి - ఎక్కువ డేటాసెట్‌లు చేర్చబడ్డాయి
2. కొన్ని పాఠాలు డేటా డౌన్లోడ్ అవసరం ఉండవచ్చు - పాఠం README చూడండి
3. తాజా మార్పులు పొందడానికి ఈ క్రింది కమాండ్ నడపండి:
   ```bash
   git pull origin main
   ```

---

## సాధారణ లోప సందేశాలు

### మెమరీ లోపాలు

**లోపం**: డేటా ప్రాసెసింగ్ సమయంలో `MemoryError` లేదా కర్నెల్ మృతి చెందడం

**పరిష్కారం**:
```python
# డేటాను భాగాలుగా లోడ్ చేయండి
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# లేదా అవసరమైన కాలమ్స్ మాత్రమే చదవండి
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])

# పూర్తయిన తర్వాత మెమరీని విడుదల చేయండి
del large_dataframe
import gc
gc.collect()
```

### కన్వర్జెన్స్ హెచ్చరికలు

**హెచ్చరిక**: `ConvergenceWarning: Maximum number of iterations reached`

**పరిష్కారం**:
```python
from sklearn.linear_model import LogisticRegression

# గరిష్ట పునరావృతాలను పెంచండి
model = LogisticRegression(max_iter=1000)

# లేదా ముందుగా మీ లక్షణాలను స్కేలు చేయండి
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
```

### ప్లాటింగ్ సమస్యలు

**సమస్య**: జుపైటర్‌లో ప్లాట్లు కనిపించడం లేదు

**పరిష్కారం**:
```python
# ఇన్‌లైన్ ప్లాటింగ్‌ను ప్రారంభించండి
%matplotlib inline

# pyplot ను దిగుమతి చేసుకోండి
import matplotlib.pyplot as plt

# ప్లాట్‌ను స్పష్టంగా చూపించండి
plt.plot(data)
plt.show()
```

**సమస్య**: సీబోర్న్ ప్లాట్లు వేరుగా కనిపించడం లేదా లోపాలు చూపించడం

**పరిష్కారం**:
```python
import warnings
warnings.filterwarnings('ignore', category=UserWarning)

# అనుకూలమైన సంస్కరణకు నవీకరించండి
# pip install --upgrade seaborn matplotlib
```

### యూనికోడ్/ఎన్‌కోడింగ్ లోపాలు

**సమస్య**: ఫైళ్లు చదవడంలో `UnicodeDecodeError`

**పరిష్కారం**:
```python
# ఎన్‌కోడింగ్‌ను స్పష్టంగా పేర్కొనండి
df = pd.read_csv('file.csv', encoding='utf-8')

# లేదా వేరే ఎన్‌కోడింగ్ ప్రయత్నించండి
df = pd.read_csv('file.csv', encoding='latin-1')

# సమస్యాత్మక అక్షరాలను దాటవేయడానికి errors='ignore' ఉపయోగించండి
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')
```

---

## పనితీరు సమస్యలు

### నోట్‌బుక్ నెమ్మదిగా నడవడం

**సమస్య**: నోట్‌బుక్‌లు చాలా నెమ్మదిగా నడుస్తున్నాయి

**పరిష్కారం**:
1. **మెమరీ విడుదల కోసం కర్నెల్ రీస్టార్ట్ చేయండి**: `Kernel → Restart`
2. **వాడని నోట్‌బుక్‌లను మూసివేయండి** రిసోర్సులు విడుదల చేయడానికి
3. **పరీక్ష కోసం చిన్న డేటా నమూనాలు ఉపయోగించండి**:
   ```python
   # అభివృద్ధి సమయంలో ఉపసమితితో పని చేయండి
   df_sample = df.sample(n=1000)
   ```
4. **మీ కోడ్‌ను ప్రొఫైల్ చేయండి** బాటిల్‌నెక్స్ కనుగొనడానికి:
   ```python
   %time operation()  # ఒకే ఆపరేషన్ సమయం
   %timeit operation()  # బహుళ రన్లతో సమయం
   ```

### అధిక మెమరీ వినియోగం

**సమస్య**: సిస్టమ్ మెమరీ తక్కువ అవుతోంది

**పరిష్కారం**:
```python
# మెమరీ వినియోగాన్ని తనిఖీ చేయండి
df.info(memory_usage='deep')

# డేటా రకాలను ఆప్టిమైజ్ చేయండి
df['column'] = df['column'].astype('int32')  # int64 బదులు

# అవసరం లేని కాలమ్స్ తొలగించండి
df = df[['col1', 'col2']]  # అవసరమైన కాలమ్స్ మాత్రమే ఉంచండి

# బ్యాచ్‌లలో ప్రాసెస్ చేయండి
for batch in np.array_split(df, 10):
    process(batch)
```

---

## ఎన్విరాన్‌మెంట్ మరియు కాన్ఫిగరేషన్

### వర్చువల్ ఎన్విరాన్‌మెంట్ సమస్యలు

**సమస్య**: వర్చువల్ ఎన్విరాన్‌మెంట్ యాక్టివేట్ కావడం లేదు

**పరిష్కారం**:
```bash
# విండోస్
python -m venv venv
venv\Scripts\activate.bat

# మాక్OS/లినక్స్
python3 -m venv venv
source venv/bin/activate

# యాక్టివేట్ అయిందో లేదో తనిఖీ చేయండి (ప్రాంప్ట్‌లో వీవిఎన్ పేరు చూపించాలి)
which python  # వీవిఎన్ పైథాన్‌ను సూచించాలి
```

**సమస్య**: ప్యాకేజీలు ఇన్‌స్టాల్ అయినా నోట్‌బుక్‌లో కనబడడం లేదు

**పరిష్కారం**:
```bash
# నోట్‌బుక్ సరైన కర్నెల్ ఉపయోగిస్తున్నదని నిర్ధారించుకోండి
# మీ వర్చువల్ ఎన్విరాన్‌మెంట్‌లో ipykernel ను ఇన్‌స్టాల్ చేయండి
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"

# జూపిటర్‌లో: కర్నెల్ → కర్నెల్ మార్చండి → Python (ml-env)
```

### గిట్ సమస్యలు

**సమస్య**: తాజా మార్పులు పుల్ చేయలేకపోవడం - మర్జ్ విరుద్ధతలు

**పరిష్కారం**:
```bash
# మీ మార్పులను స్టాష్ చేయండి
git stash

# తాజా వర్షన్‌ను పుల్ చేయండి
git pull origin main

# మీ మార్పులను మళ్లీ వర్తింపజేయండి
git stash pop

# విరుద్ధతలు ఉంటే, మానవీయంగా పరిష్కరించండి లేదా:
git checkout --theirs path/to/file  # రిమోట్ వర్షన్ తీసుకోండి
git checkout --ours path/to/file    # మీ వర్షన్‌ను ఉంచండి
```

### VS కోడ్ ఇంటిగ్రేషన్

**సమస్య**: జుపైటర్ నోట్‌బుక్‌లు VS కోడ్‌లో తెరవడం లేదు

**పరిష్కారం**:
1. VS కోడ్‌లో Python ఎక్స్‌టెన్షన్ ఇన్‌స్టాల్ చేయండి
2. VS కోడ్‌లో Jupyter ఎక్స్‌టెన్షన్ ఇన్‌స్టాల్ చేయండి
3. సరైన Python ఇంటర్‌ప్రెటర్ ఎంచుకోండి: `Ctrl+Shift+P` → "Python: Select Interpreter"
4. VS కోడ్‌ను రీస్టార్ట్ చేయండి

---

## అదనపు వనరులు

- **Discord చర్చలు**: [#ml-for-beginners చానెల్‌లో ప్రశ్నలు అడగండి మరియు పరిష్కారాలు పంచుకోండి](https://aka.ms/foundry/discord)
- **Microsoft Learn**: [ML for Beginners మాడ్యూల్స్](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
- **వీడియో ట్యుటోరియల్స్**: [YouTube ప్లేలిస్ట్](https://aka.ms/ml-beginners-videos)
- **ఇష్యూ ట్రాకర్**: [బగ్స్ నివేదించండి](https://github.com/microsoft/ML-For-Beginners/issues)

---

## ఇంకా సమస్యలు ఎదురవుతున్నాయా?

మీరు పై పరిష్కారాలను ప్రయత్నించిన తర్వాత కూడా సమస్యలు ఉంటే:

1. **ఉన్న ఇష్యూలను శోధించండి**: [GitHub Issues](https://github.com/microsoft/ML-For-Beginners/issues)
2. **Discord చర్చలను తనిఖీ చేయండి**: [Discord Discussions](https://aka.ms/foundry/discord)
3. **కొత్త ఇష్యూ ఓపెన్ చేయండి**: ఇందులో చేర్చండి:
   - మీ ఆపరేటింగ్ సిస్టమ్ మరియు వెర్షన్
   - Python/R వెర్షన్
   - లోప సందేశం (పూర్తి ట్రేస్‌బ్యాక్)
   - సమస్యను పునరుత్పత్తి చేసే దశలు
   - మీరు ఇప్పటికే ప్రయత్నించినవి

మేము మీకు సహాయం చేయడానికి ఇక్కడ ఉన్నాము! 🚀

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**అస్పష్టత**:  
ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->