[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 ဘာသာစကားစုံထောက်ပံ့မှု #### GitHub Action မှတဆင့် ထောက်ပံ့ (အလိုအလျောက်နှင့် အမြဲတမ်း နောက်ဆုံးပေါ်) [Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](./README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) #### ကျွန်တော်တို့အသိုင်းအဝိုင်းထဲ ဆက်သွယ်ပါ [](https://discord.gg/nTYy5BXMWG) ကျွန်တော်တို့မှာ Discord ပေါ်တွင် "Learn with AI" စီးရီးတစ်ခု ဆက်လက်လည်ပတ်နေပါသည်။ 18 - 30 September, 2025 အတွင်း၊ အသေးစိတ်ကို သင်ယူရန်နှင့် ပူးပေါင်းရန် [Learn with AI Series](https://aka.ms/learnwithai/discord) တွင် ပါဝင်နိုင်ပါတယ်။ GitHub Copilot ကို Data Science အတွက် အသုံးပြုနည်း လှမ်းများနှင့် ကိုယ့်ရဲ့လက်တွေ့အကောင်းဆုံး လက်နက်များ၊ လက်ရာများကို ရယူနိုင်ပါမယ်။  # မစတင်သူများအတွက် Machine Learning - သင်ရိုးညွှန်းတမ်း > 🌍 ကမ္ဘာတစ်ဝှမ်း ခရီးထွက်ပြီး ကမ္ဘာ့ယဉ်ကျေးမှုများအား အသုံးချ၍ Machine Learning ကို လေ့လာကြမယ် 🌍 Cloud Advocates တွေက Microsoft မှ အသင်းအဖွဲ့သုံး 12 ပတ်၊ 26 သင်ခန်းစာပါအောင် **Machine Learning** အကြောင်း အားလုံးပါရှိတဲ့ သင်ရိုးအစီအစဉ်တစ်ခု ကို ပံ့ပိုးပေးလိုက်ပါတယ်။ ယခု သင်ရိုးတွင် အဓိကအားဖြင့် Scikit-learn ကို အသုံးပြုပြီး အတက်ရောက်သော deep learning ကို ရှောင်ရှားကာ (deep learning ကို ကျွန်တော်တို့ရဲ့ [AI for Beginners' curriculum](https://aka.ms/ai4beginners) တွင် ဖော်ပြထားသည်) သင်ကြားပေးထားပါတယ်။ ဒီသင်ခန်းစာများကို ကျွန်တော်တို့ရဲ့ ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) နှင့်တွဲဖက်၍လည်း အသုံးပြုနိုင်ပါတယ်။ ကမ္ဘာတစ်ဝှမ်း ခရီးထွက်ပြီး classic technique တွေကို ကမ္ဘာ၏ အချက်အလက်များပေါ် အသုံးချကာ လေ့လာကြမယ်။ သင်ခန်းစာတိုင်းတွင် pre- နှင့် post- သင်ခန်းစာ မေးစရာများ၊ သင်ခန်းစာများကို ပြီးစီးရန် ရေးသားထားသော ညွှန်ကြားချက်များ၊ ဖြေရှင်းချက်များ၊ အာစီန်းမင့်များ နှင့် အခြား အရာများ ပါဝင်သည်။ ကျွန်တော်တို့၏ project-based သင်ကြားပေးမှုနည်းလမ်းက သင်ယူသူများကို တည်ဆောက်နေချိန်တွင် သင်ယူစေခြင်းဖြင့် ကျွမ်းကျင်မှုများ စွဲကြည်စေသည်။ **✍️ ကျေးဇူးအများကြီး တင်ရှိပါသည် ကျွန်တော်တို့၏ ရေးသားခဲ့သူများအတွက်** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu နှင့် Amy Boyd **🎨 ဂရိတ်ပေးရသော ပုံဆွဲသူများကိုလည်း ကျေးဇူးတင်ရှိပါသည်** Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper **🙏 အထူးကျေးဇူးများ 🙏 Microsoft Student Ambassador အဖြစ် ရေးသားသူများ၊ ပြန်လည်သုံးသပ်သူများနှင့် မျှဝေသူများအား**, အထူးသဖြင့် Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, နှင့် Snigdha Agarwal **🤩 ကျွန်တော်တို့၏ R သင်ခန်းစာများအတွက် Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, နှင့် Vidushi Gupta တို့ကို ထပ်မံကျေးဇူးတင်ရှိပါသည်!** # စတင်ရန် ဒီအဆင့်များကို လိုက်နာပါ: 1. **Repository ကို Fork လုပ်ပါ**: ဒီစာမျက်နှာ၏ ထောင့်ညာ အပေါ်ဖက်ရှိ "Fork" ခလုတ်ကို နှိပ်ပါ။ 2. **Repository ကို Clone လုပ်ပါ**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [အခုသင်ယူမည့် သင်တန်းအတွက် အပိုအရင်းအမြစ်များအားလုံးကို ကျွန်တော်တို့၏ Microsoft Learn အစုအရင်းမှ ရှာတွေ့ပါ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **ကူညီလိုပါသလား?** installation, setup, နှင့် သင်ခန်းစာများ ပြေးဆွဲရာတွင် ဖြစ်တတ်သော ပုံမှန် ပြဿနာများအတွက် ဖြေရှင်းချက်များကို ကြည့်ရန် [Troubleshooting Guide](TROUBLESHOOTING.md) ကို စစ်ဆေးပါ။ **[ကျောင်းသားများ](https://aka.ms/student-page)**၊ ဒီသင်ရိုးကို အသုံးပြုရန်အတွက် သင့် GitHub အကောင့်သို့ repository ကို အားလုံး Fork လုပ်ပြီး ကိုယ့်အနေဖြင့် သို့မဟုတ် အုပ်စုတစ်စုနှင့် အတူ လေ့ကျင့်ခန်းများကို ပြီးစီးပါ: - စတင်ရန် pre-lecture quiz ဖြေပါ။ - သင်ခန်းစာကို ဖတ်ပြီး လှုပ်ရှားမှုများကို ပြီးစီးပါ၊ knowledge check များတွင် တစ်ခါစတင် မှတ်ယူပြီး ပြန်လှေကားပါ။ - solution ကုဒ်ကို အလျင်အမြန် လှုပ်ချင်သလို မလှုပ်ပါ၊ သင်ခန်းစာများကို နားလည်မှုဖြင့် ပရောဂျက်များကို စမ်းသပ်ကြည့်ရန် ကြိုးစားပါ။ သို့သော် ဒီကုဒ်များကို `/solution` ဖိုလ်ဒါများတွင် project-oriented သင်ခန်းစာတစ်ခုချင်းစီအတွက် ရှိပါသည်။ - post-lecture quiz ကို ဖြေပါ။ - စိန်ခေါ်မှုကို ဖြေရှင်းပါ။ - အပ်မဲ့တာဝန်(Assignment) ကို ပြီးစီးပါ။ - သင်ခန်းစာအုပ်စုတစ်ခု ပြီးစီးပါက၊ [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) သို့ သွား၍ သင့်လေ့လာမှုကို "learn out loud" ဖြစ်အောင် သင့် PAT rubric ကို ဖြည့်စွက်ပါ။ 'PAT' သည် သင်၏ တိုးတက်မှုကို ဆန်းစစ်ရန် အသုံးပြုသော Progress Assessment Tool ဖြစ်ပြီး သင်ဖြည့်စွက်ရန် ရူဘရစ်တစ်ခုဖြစ်သည်။ အခြား PAT များကိုလည်း တုံ့ပြန်နိုင်ပြီး အတူတကွ သင်ယူကြပါစို့။ > နောက်ထပ် သင်ကြားမှုအတွက် ကျွန်တော်တို့ အကြံပေးလိုသော [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modules နှင့် learning paths များကို လိုက်နာကြည့်ပါ။ **ဆရာ/ဆရာမများ**, ကျွန်တော်တို့မှာ ဒီသင်ရိုးကို ဘယ်လိုအသုံးချရမည်ဆိုသည့် ပေးအပ်ချက်အချို့ကို [included some suggestions](for-teachers.md) တွင် ထည့်သွင်းပေးထားသည်။ --- ## ဗီဒီယို လမ်းညွှန်မှုများ သင်ခန်းစာတချို့ကို အတိုချုံး ဗီဒီယိုအဖြစ် ရရှိနိုင်ပါသည်။ သင်ခန်းစာများထဲတွင် တန်းစီထည့်ထားသော ဗီဒီယိုများအားလုံးကို သင့်သင်ခန်းစာများအတွင်းကနေ သို့မဟုတ် [ML for Beginners playlist on the Microsoft Developer YouTube channel](https://aka.ms/ml-beginners-videos) မှာ ဗီဒီယိုကို နှိပ်၍ ကြည့်ရှုနိုင်သည်။ [](https://aka.ms/ml-beginners-videos) --- ## အဖွဲ့ကို မိတ်ဆက်ခြင်း [](https://youtu.be/Tj1XWrDSYJU) **Gif ရိုက်သူ** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 အထက်ပါ ရုပ်ပုံကို နှိပ်၍ ဒီပရိုဂျက်နှင့် ၎င်းကို ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို ကြည့်ပါ။ --- ## ပညာသင်ကြားနည်း ဒီသင်ရိုးကို တည်ဆောက်စဉ် အာရုံစိုက်ထားသော သင်ကြားနည်းအချက်နှစ်ချက် ရှိသည်။ ၎င်းမှာ လက်တွေ့ လေ့လာစရာ ပြီးသားဖြစ်သော project-based ပုံစံနှင့် အကြိမ်ကြိမ် ရှိသော မေးခွန်းများ (frequent quizzes) ပါဝင်ရန် ဖြစ်သည်။ ထို့အပြင် ဒီသင်ရိုးတွင် ချိတ်ဆက်မှု ရရှိစေရန် အထူးတစ်ခုသော **theme** တစ်ခု ပါဝင်သည်။ အကြောင်းအရာများကို project တွေနှင့် သက်ဆိုင်အောင် ထားရှိခြင်းဖြင့် သင်သားများအတွက် ပိုမို စိတ်၀င်စားဖွယ်ဖြစ်စေပြီး အတွေးအမြင်များကို ပိုမို သိမ်းပိုက်နိုင်စေသည်။ သင်တန်းမတိုင်မှီ မေးခွန်းအနည်းငယ် (low-stakes quiz) တစ်ခုက သင်ယူမည့် အကြောင်းအရာကို သင်ယူသူ၏ ရည်ရွယ်ချက်ထားရှိမှုကို ဖန်တီးပေးပြီး သင်တန်းပြီးဆုံးချိန်မှာ ပြန်လည်မေးမည့် မေးခွန်းဖြင့် အတိုးအမြှင့်သိမ်းဆည်းမှုကို အတည်ပြုပေးသည်။ ဒီသင်ရိုးကို လြယ်ကူ၍ ပျော်ရွှင်စေဖို့ ဒီဇိုင်းထုတ်ထားပြီး အပိုင်းပိုင်း သို့မဟုတ် အားလုံးကိုလည်း လေ့လာနိုင်သည်။ ပရောဂျက်များက အသေးငယ်စပြီး 12 ပတ် အဆုံးသတ်ချိန်အထိ တဖြည်းဖြည်းခက်ခဲလာသည်။ ဒီသင်ရိုးတွင် ML ၏ အမှန်တကယ်သုံးပုံများအပေါ် ပို့စ်စကရစ်တစ်ခုပါဝင်ပြီး ၎င်းကို အပိုအမှတ် (extra credit) သို့မဟုတ် ဆွေးနွေးရန် အခြေခံအဖြစ် အသုံးပြုနိုင်သည်။ > ကျွန်တော်တို့၏ [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md), နှင့် [Troubleshooting](TROUBLESHOOTING.md) ညွှန်ကြားချက်များကို ရှာဖွေကြည့်ပါ။ သင့်၏ ဆောက်လုပ်တည်ဆောက်ရမည့် တုံ့ပြန်ချက်များကို ကြိုဆိုပါတယ်! ## သင်ခန်းစာတိုင်းတွင် ပါဝင်သည့်အရာများ - ရွေးချယ်၍ sketchnote - ရွေးချယ်၍ ထပ်ဆောင်း ဗီဒီယို - ဗီဒီယို လမ်းညွှန်မှု (သင်ခန်းစာအချို့တွင်သာ) - [pre-lecture warmup quiz](https://ff-quizzes.netlify.app/en/ml/) - ရေးသားထားသော သင်ခန်းစာ - project-based သင်ခန်းစာများအတွက် ပရောဂျက်ကို ဘယ်လို တည်ဆောက်ရမည်ကို အဆင့်လိုက် ညွှန်ကြားချက်များ - knowledge checks - တစ်စုံတစ်ခုသော စိန်ခေါ်မှု - ထပ်ဆောင်း ဖတ်စရာ - အပ်မဲ့တာဝန် - [post-lecture quiz](https://ff-quizzes.netlify.app/en/ml/) > **ဘာသာစကားများအကြောင်း အချက်တစ်ချက်**: သင်ခန်းစာများအများစုကို Python ဖြင့် ရေးသားထားပေမယ့် R ဖြင့်လည်း ရရှိနိုင်သည့် သင်ခန်းစာများ များစွာ ရှိသည်။ R သင်ခန်းစာတစ်ခုကို ပြီးစီးရန် `/solution` ဖိုလ်ဒါကို သွားကြည့်ပြီး R သင်ခန်းစာများကို ရှာဖွေပါ။ ၎င်းတို့တွင် .rmd extension ပါပြီး ၎င်းသည် **R Markdown** ဖိုင်တစ်မျိုးဖြစ်သည်။ R Markdown ကို ရိုးရှင်းစွာ သတ်မှတ်လျှင် `code chunks` (R သို့မဟုတ် အခြားဘာသာစကားများမှ) နှင့် `YAML header` (PDF ကဲ့သို့ ထုတ်လွှင့်မှုများကို ပြသရန် ဘယ်လို format ပြုလုပ်မည်ကို ညွှန်ပြသည်) ကို `Markdown document` ထဲတွင် ထည့်သွင်းထားသည့် ဖိုင်တစ်မျိုးအဖြစ် သတ်မှတ်နိုင်သည်။ ထို့ကြောင့် ၎င်းသည် သင်၏ ကုဒ်၊ ၎င်း၏ အထွက်နှင့် သင်၏စဉ်းစားချက်များကို Markdown ဖြင့် ရေးသားနိုင်စေရန် ဖိုင်ရေးသားသူတစ်ဦးအတွက် အကောင်းဆုံး ရေးသားပုံစံတစ်ခုအဖြစ် အလုပ်လုပ်နိုင်သည်။ ထို့အပေါ် R Markdown စာရွက်များကို PDF, HTML, သို့မဟုတ် Word ကဲ့သို့သော output ဖော်မတ်များသို့ ပြန်လည်ဖော်ပြနိုင်သည်။ > **မေးပွဲများအကြောင်း အချက်တစ်ချက်**: မေးပွဲအားလုံးကို [Quiz App folder](../../quiz-app) အတွင်း ထည့်ထားပြီး စုစုပေါင်း မေးခွန်း 52 ခုရှိပြီး မေးခွန်းသုံးခု နှင့် တစ်ခုချင်းစီပါဝင်သည်။ မေးခွန်းများကို သင်ခန်းစာများထဲတွင် ချိတ်ဆက်ထားပေမယ့် quiz app ကို ဒေသဖြင့်လည်း ပြေးနိုင်ပါသည်; ဒေသခံ host လုပ်ရန် သို့မဟုတ် Azure တွင် deploy ပြုလုပ်ရန် `quiz-app` ဖိုလ်ဒါ၌ ပါသော ညွှန်ကြားချက်ကို လိုက်နာပါ။ | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | စက်သင်ယူမှုအတွက် နိဒါန်း | [Introduction](1-Introduction/README.md) | စက်သင်ယူမှု၏ အခြေခံ အယူအဆများကို လေ့လာပါ | [သင်ခန်းစာ](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | စက်သင်ယူမှု၏ သမိုင်း | [Introduction](1-Introduction/README.md) | ဤနယ်ပယ်၏ နောက်ခံ သမိုင်းကို သင်ယူပါ | [သင်ခန်းစာ](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 03 | တရားမျှတမှုနှင့် စက်သင်ယူမှု | [Introduction](1-Introduction/README.md) | ML မော်ဒယ်များကို တည်ဆောက်ပြီး အသုံးချရာတွင် ကျောင်းသားများ စဉ်းစားသင့်သော တရားမျှတမှုဆိုင်ရာ အရေးကြီးသော အချက်များက ဘာတွေရှိပါသလဲ။ | [သင်ခန်းစာ](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | စက်သင်ယူမှု နည်းဗျူဟာများ | [Introduction](1-Introduction/README.md) | ML သုတေသနပညာရှင်များသည် ML မော်ဒယ်များ ဖန်တီးရာတွင် မည်သည့် နည်းလမ်းများကို အသုံးပြုကြသနည်း။ | [သင်ခန်းစာ](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | | 05 | Regression အတွက် နိဒါန်း | [Regression](2-Regression/README.md) | Regression မော်ဒယ်များအတွက် Python နှင့် Scikit-learn ဖြင့် အစပြုပါ | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | မြောက်အမေရိက မုန်လာဥဈေးများ 🎃 | [Regression](2-Regression/README.md) | ML အတွက် ပြင်ဆင်ရာတွင် ဒေတာကို ကြည့်ရှု၍ သန့်စင်ပါ | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | မြောက်အမေရိက မုန်လာဥဈေးများ 🎃 | [Regression](2-Regression/README.md) | လိုင်းနီယာ (linear) နှင့် ပိုလစ်နိုမီယယ် (polynomial) regression မော်ဒယ်များ ဖန်တီးပါ | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | | 08 | မြောက်အမေရိက မုန်လာဥဈေးများ 🎃 | [Regression](2-Regression/README.md) | Logistic regression မော်ဒယ် တစ်ခု တည်ဆောက်ပါ | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | ဝက်ဘ် အက်ပ် 🔌 | [Web App](3-Web-App/README.md) | လေ့ကျင့်ပြီးသော မော်ဒယ်ကို အသုံးပြုရန် ဝက်ဘ် အက်ပ်တစ်ခု တည်ဆောက်ပါ | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Classification အတွက် နိဒါန်း | [Classification](4-Classification/README.md) | ဒေတာကို သန့်စင်၊ ပြင်ဆင်၊ ကြည့်ရှုခြင်းနှင့် classification မိတ်ဆက် | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | | 11 | အာရှနှင့် အိန္ဒိယ ထမင်းအရသာများ 🍜 | [Classification](4-Classification/README.md) | Classifier များ မိတ်ဆက် | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | | 12 | အာရှနှင့် အိန္ဒိယ ထမင်းအရသာများ 🍜 | [Classification](4-Classification/README.md) | Classifier များပို၍ | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | | 13 | အာရှနှင့် အိန္ဒိယ ထမင်းအရသာများ 🍜 | [Classification](4-Classification/README.md) | မော်ဒယ်ကို အသုံးပြု၍ အကြံပြုဝက်ဘ်အက်ပ်တစ်ခု တည်ဆောက်ပါ | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Clustering အတွက် နိဒါန်း | [Clustering](5-Clustering/README.md) | ဒေတာကို သန့်စင်၊ ပြင်ဆင်၊ ကြည့်ရှုခြင်းနှင့် clustering မိတ်ဆက် | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | နိုက်ဂျီးရီးယား ဂီတအရသာ စူးစမ်းခြင်း 🎧 | [Clustering](5-Clustering/README.md) | K-Means clustering နည်းပညာကို စူးစမ်းရှာဖွေပါ | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | သဘာဝဘာသာစကား ကိုင်တွယ်ခြင်း (NLP) အတွက် နိဒါန်း ☕️ | [Natural language processing](6-NLP/README.md) | ရိုးရှင်းသော ဘော့တစ်ခု တည်ဆောက်ကာ NLP အခြေခံများကို လေ့လာပါ | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | NLP အတွက် ပုံမှန်လုပ်ဆောင်မှုများ ☕️ | [Natural language processing](6-NLP/README.md) | ဘာသာစကား ဖွဲ့စည်းမှုများကို ကိုင်တွယ်ရာတွင် လိုအပ်သော ပုံမှန် လုပ်ဆောင်မှုများကို နားလည်ခြင်းဖြင့် သင်၏ NLP အသိကို နက်ရှိုင်းစေပါ | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက် သုံးသပ်ခြင်း ♥️ | [Natural language processing](6-NLP/README.md) | Jane Austen အလုပ်များနှင့် အတူ ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက် သုံးသပ်ခြင်း | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | ဥရောပရဲ့ ချစ်မှုနှင့်သက်ဆိုင်သည့် ဟိုတယ်များ ♥️ | [Natural language processing](6-NLP/README.md) | ဟိုတယ် သုံးသပ်ချက်များဖြင့် စိတ်ခံစားချက် သုံးသပ်ခြင်း 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | ဥရောပရဲ့ ချစ်မှုနှင့်သက်ဆိုင်သည့် ဟိုတယ်များ ♥️ | [Natural language processing](6-NLP/README.md) | ဟိုတယ် သုံးသပ်ချက်များဖြင့် စိတ်ခံစားချက် သုံးသပ်ခြင်း 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | အချိန်စီးရီး မျှော်မှန်းခြင်း အတွက် နိဒါန်း | [Time series](7-TimeSeries/README.md) | အချိန်စီးရီး မျှော်မှန်းခြင်း အတွက် နိဒါန်း | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ ကမ္ဘာလုံးဆိုင်ရာ စွမ်းအင် အသုံးပြုမှု ⚡️ - ARIMA ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း | [Time series](7-TimeSeries/README.md) | ARIMA ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ ကမ္ဘာလုံးဆိုင်ရာ စွမ်းအင် အသုံးပြုမှု ⚡️ - SVR ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း | [Time series](7-TimeSeries/README.md) | Support Vector Regressor (SVR) ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Reinforcement learning အတွက် နိဒါန်း | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning ဖြင့် Reinforcement learning မိတ်ဆက် | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Peter ကို ခြင်္သေ့မှ ရှောင်ရှားနိုင်하도록 ကူညီပါ! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | Reinforcement learning Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | အမှန်တကယ်ရှိသော ML အခြေအနေများနှင့် အသုံးချမှုများ | [ML in the Wild](9-Real-World/README.md) | ရိုးရာ ML ကို အသုံးချသော စိတ်ဝင်စားစရာနှင့် သက်သေပြသော အမှန်ကျ အသုံးချမှုများ | [သင်ခန်းစာ](9-Real-World/1-Applications/README.md) | Team | | Postscript | RAI dashboard ကို အသုံးပြုပ၍ ML မော်ဒယ်များ ပြင်ဆင် စစ်ဆေးခြင်း | [ML in the Wild](9-Real-World/README.md) | Responsible AI dashboard အစိတ်အပိုင်းများကို အသုံးပြု၍ စက်သင်ယူမှု မော်ဒယ်များကို စစ်ဆေးပြီး ပြင်ဆင်ခြင်း | [သင်ခန်းစာ](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [ဤသင်တန်းနှင့်သက်ဆိုင်သော ထပ်ဆင့် အရင်းအမြစ်များအားလုံးကို ကျွန်ုပ်တို့၏ Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## အော့ဖ်လိုင်း ဝင်ရောက်မှု ဤစာတမ်းကို [Docsify](https://docsify.js.org/#/) ကို အသုံးပြု၍ အော့ဖ်လိုင်းတွင် လည်ပတ်နိုင်သည်။ ဤ repo ကို fork လုပ်ပြီး၊ သင်၏ ဒေသတွင်း စက်ပေါ်တွင် [Docsify](https://docsify.js.org/#/quickstart) ကို တပ်ဆင်ပါ၊ ထို့နောက် ဤ repo ၏ ရှေ့ခြေ ဖိုလ်ဒါထဲတွင် `docsify serve` ဟု ရိုက်ထည့်ပါ။ ဝက်ဘ်ဆိုက်ကို သင်၏ localhost ပေါ်တွင် port 3000 တွင် ယူဆောင်ပြသမည်ဖြစ်သည်: `localhost:3000`. ## PDF များ သင်ရိုးညွှန်းစာရင်း၏ PDF ကို link များနှင့်အတူ [ဤနေရာတွင်](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) ရှာနိုင်ပါသည်။ ## 🎒 အခြား သင်တန်းများ ကျွန်ုပ်တို့၏ အဖွဲ့သည် အခြား သင်တန်းများလည်း ထုတ်လုပ်ပါသည်! ကြည့်ရှုပါ: ### LangChain [](https://aka.ms/langchain4j-for-beginners) [](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents [](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Generative AI Series [](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### အဓိက သင်ယူမှု [](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot စီးရီး [](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## အကူအညီ ရယူခြင်း AI အက်ပ်များ ဖန်တီးရာတွင် အခက်အခဲ ဖြစ်လာပါက သို့မဟုတ် မေးခွန်းများ ရှိပါက MCP အကြောင်းကို သင်ယူနေသူများနှင့် အတွေ့အကြုံရှိ ဖွံ့ဖြိုးသူများနှင့် ပူးပေါင်းပြီး ဆွေးနွေးနိုင်သည်။ ဤသည်မှာ မေးခွန်းများကို ကြိုဆိုပြီး သတင်းအချက်အလက်များကို လွတ်လပ်စွာ မျှဝေကြသော ပံ့ပိုးမှုရှိသော လူမှုအသိုင်းအဝိုင်းတစ်ခုဖြစ်သည်။ [](https://discord.gg/nTYy5BXMWG) ထုတ်ကုန် အတွက် တုံ့ပြန်ချက်များ သို့မဟုတ် တည်ဆောက်စဉ် အမှားများ ရှိပါက ဤနေရာသို့ သွားပါ။ [](https://aka.ms/foundry/forum) --- သတိပေးချက်: ဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator (https://github.com/Azure/co-op-translator) ဖြင့် ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားပေမယ့် အလိုအလျောက် ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မမှန်ကန်ချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါ။ မူလစာတမ်းကို မူလဘာသာဖြင့်သာ တရားဝင် အရင်းအမြစ်အဖြစ် ယူဆသင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် ပရော်ဖက်ရှင်နယ် လူဘာသာပြန်ထံမှ ဘာသာပြန်ချက်ကို အတည်ပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုမှုကြောင့် ဖြစ်ပေါ်လာသော နားလည်မှုပျက်ခြင်းများ သို့မဟုတ် အဓိပ္ပာယ်လွဲမှားခြင်းများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။