ML-For-Beginners/translations/my

🌐 ဘာသာစကားပေါင်းများစွာ အထောက်အပံ့

GitHub Action ဖြင့် ထောက်ပံ့ထားပြီး (အလိုအလျောက်နှင့် အမြဲအသစ်ဖြစ်နေသော)

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 | Khmer | 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

ဒေသဆိုင်ရာနေရာတွင်ကလုန်းချင်ပါသလား?

ဤ repository တွင် ဘာသာစကား ၅၀ ကျော်၏ ဘာသာပြန်ထားမှုများပါရှိပြီး ဒေါင်းလုပ်အရွယ်အစားကို အလွန်တက်ကြွစေပါသည်။ ဘာသာပြန်မှုများမပါဘဲ ကလုန်းချင်ပါက 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"

၎င်းသည် သင်တန်းကို အလျင်အမြန်ပြီး အဆင်ပြေစွာ ပြီးမြောက်စေရန် လိုအပ်သမျှအားလုံးကို ပေးပါသည်။

ကျွန်ုပ်တို့၏အသိုင်းအဝိုင်းတွင် ပါဝင်ဆောင်ရွက်ခြင်း

ကျွန်ုပ်တို့တွင် Discord တွင် AI နဲ့ လေ့လာခြင်း များ ဆက်လက် လုပ်ဆောင်နေသည်။ ပိုမိုသိရှိလိုပါက Learn with AI Series တွင် ၂၀၂၅ ခုနှစ် စက်တင်ဘာလ ၁၈ ရက်မှ ၃၀ ရက်အထိ စိတ်ဝင်စားဖိတ်ကြားပါသည်။ GitHub Copilot ကို Data Science အတွက် အသုံးပြုနည်းများကို သင်ယူခွင့်ရပါမည်။

စက်လေ့လာမှု (Machine Learning) စတင်သင်ယူခြင်း - သင်တန်းအစီအစဉ်

🌍 ကမ္ဘာတဝှမ်း လှည့်လည် သင်ကြားသည့် စက်လေ့လာမှုနှင့် ကမ္ဘာ့ယဉ်ကျေးမှုများ 🌍

Microsoft ၏ Cloud Advocates မှ စက်လေ့လာမှုနှင့် ပတ်သက်သော အပတ် ၁၂ ကြာ၊ သင်ခန်းစာ ၂၆ ခုပါသော သင်တန်းအစီအစဉ်အား ပူဇော်ဂုဏ်ပြု၍ တင်ဆက်လိုက်ပါသည်။ ဤသင်တန်းအစီအစဉ်တွင် ရိုးရာစက်လေ့လာမှုကို ကျယ်ပြန့်စွာ သိရှိမှာဖြစ်ပြီး Scikit-learn ကို အသုံးပြုကာ အခြားလုပ်ဆောင်နည်းများထက် နက္ခတ်ရန်လေ့လာမှုများ(Deep Learning) မပါဝင်ပါ၊ ၎င်းကို ကျွန်ုပ်တို့၏ AI for Beginners' curriculum တွင် ပါဝင်သည်။ ထို့အပြင် 'Data Science for Beginners' curriculum နှင့် တွဲဖက်၍ သင်ယူနိုင်ပါသည်။

ကမ္ဘာတစ်ဝှမ်း လှည့်လည် ဘာသာရပ်ကြီးများမှ ရရှိသော ဒေတာများကို အသုံးပြု၍ ရိုးရာ စက်လေ့လာမှုနည်းများကို အသုံးပြုရာတွင် ဤသင်ခန်းစာများ လေ့လာသွားပါမည်။ လူကြိုက်များသော သင်ခန်းစာအပိုင်းများတွင် သင်ခန်းစာ မတိုင်မီနှင့်ပြီးသော အမြင်အာရုံ စစ်ဆေးမှုများ၊ ရေးသားချက်နဲ့ လေ့လာမည့်အတိုင်းဆောင်ရွက်ရမည့် အပိုင်းများ၊ ဖြေရှင်းချက်များ၊ တာဝန်ပေးအပ်ချက်များ ပါဝင်သည်။ ပရောဂျက်အခြေပြု သင်ကြားပုံစံက အသစ်သင်ယူသူများအတွက် စွဲမက်စေခြင်းအတွက် ထိရောက်သော နည်းလမ်းဖြစ်သည်။

✍️ ကျွန်ုပ်တို့၏ မူရင်းစာရေးသူများအား အထူးကျေးဇူးတင်ရှိပါသည် Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu နှင့် Amy Boyd

🎨 ပုံဖော်သူများအားလည်း ကျေးဇူးအထူးတင်ရှိပါသည် Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 Microsoft Student Ambassador များဖြစ်သော စာရေးသူများ၊ ပြန်လည်သုံးသပ်သူများ၊ အကြောင်းအရာထောက်ပံ့သူများ အထူးကျေးဇူးတင်ရှိပါသည် Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, နှင့် Snigdha Agarwal ဒီလူတွေ အထူးပါဝင်သည်။

🤩 ကျွန်ုပ်တို့၏ R သင်ခန်းစာများအတွက် Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, နှင့် Vidushi Gupta တို့အား ထပ်မံကျေးဇူးအများကြီးတင်ရှိပါသည်!

စတင်အသုံးပြုခြင်း

အောက်ပါအဆင့်များကို လိုက်နာပါ။

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

ဤသင်တန်းနှင့်ပတ်သက်သည့် အပိုဆောင်းရင်းမြစ်များအား Microsoft Learn ခုံကြပ်မှုတွင် တွေ့ရှိနိုင်ပါသည်

🔧 ကူညီရန်လိုအပ်ပါသလား? ထည့်သွင်းခြင်း၊ ဆက်တင်အတည်ပြုခြင်းနှင့် သင်ခန်းစာများ ဆောင်ရွက်ရာတွင် တွေ့ကြုံနေရသော ပြဿနာများအတွက် ပြဿနာဖြေရှင်းလမ်းညွှန် ကို ကြည့်ရှုပါ။

ကျောင်းသားများ၊ ဤသင်တန်းအစီအစဉ်ကို အသုံးပြုလိုပါက တပတ်လုံးကို ကိုယ့် GitHub အကောင့်သို့ fork လုပ်ပြီး လေ့ကျင့်ခန်းများကို ကိုယ့်အဖွဲ့သို့မဟုတ် တစ်ယောက်တည်း ပြီးမြောက်စေပါ။

• หลักสูตรก่อนการบรรยาย အသေးစိတ်စစ်ဆေးမှုကို စတင်ပါ။
• သင်ခန်းစာကို ဖတ်ပြီး လုပ်ဆောင်ချက်များကို ကိုင်တွယ်ပြီး တစ်ခုချင်းစီမှာ သင်ယူမှုကို ပြန်လည်စဉ်းစားပါ။
• လုပ်ငန်းစီမံကိန်း များကို ဖြေရှင်းချက်ကုဒ်ကို မပြောင်းဘဲ သင်ကြားမှုများကို နားလည်ရင်း စမ်းသပ်ဖန်တီးကြည့်ပါ; သို့သော် အဆိုပါကုဒ်များကို /solution ဖိုလ်ဒါများတွင် တွေ့နိုင်ပါသည်။
• သင်ခန်းစာပြီးဆုံးပြီးလျှင် သတ်မှတ်ခေါင်းစဉ်အရ စစ်ဆေးမှုကို ဖြေဆိုပါ။
• စိန်ခေါ်မှုကို ပြီးမြောက်ပါ။
• တာဝန်ပေးအပ်ချက်ကို ပြီးစီးပါ။
• သင်ခန်းစာအုပ်အုပ်စုပြီးပါက ဆွေးနွေးခန်း သို့ သွား၍ လေ့လာမှုကိန်းဂဏန်း(PAT) ကို ဖြည့်စွက်ပြီး အသံထွက်၍ "learn out loud" လုပ်ပါ။ 'PAT' သည် သင်၏လေ့လာမှုကို ပိုမိုကောင်းမွန်စေသော တိုးတက်မှုအကဲဖြတ်ကိရိယာတစ်ခုဖြစ်ပြီး အခြား PAT များအားလည်း တုံ့ပြန်နိုင်သည်။

ပိုပြီးလေ့လာလိုပါက Microsoft Learn ၏ module များနှင့် သင်ယူခရီးများကို လိုက်နာရန် အကြံပြုပါသည်။

ဆရာ/ဆရာမများအတွက် ဤသင်တန်းအစီအစဉ်ကို မည်သို့ အသုံးပြုရမည်ကို အကြံပြုချက်များ ပါဝင်ပါသည်။

---

ဗီဒီယို လေ့လာရေး

အချို့သော သင်ခန်းစာများကို မိနစ်တိုအတွင်း ဗီဒီယိုအနေနှင့် ရရှိနိုင်သည်။ ၎င်းတို့အားစာအုပ်အတွင်းတွင်မှတစ်ဆင့် သို့မဟုတ် ML for Beginners playlist on the Microsoft Developer YouTube channel တွင် အောက်ပါပုံကိုႏွိပ်၍ ရှာဖွေကြည့်ရှုနိုင်ပါသည်။

---

အဖွဲ့သားများကို တွေ့ဆုံခြင်း

Gif ကိုဖန်တီးသူ Mohit Jaisal

🎥 ပရောဂျက်နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို အပေါ်ဖော်ပြထားသော ပုံကို နှိပ်ပြီး ကြည့်ရှုပါ။

---

သင်ကြားပုံရပ်

ဤသင်တန်းအစီအစဉ်ကို ဖန်တီးရာတွင် နှစ်ခုသော သင်ကြားပုံရပ်များကို ရွေးကောက်ထားပါသည်။ ၎င်းမှာ လုပ်ငန်းအခြေပြု ပရောဂျက်အခြေပြု ဖြစ်ရမည်နှင့် အကြိမ်ကြိမ်စစ်ဆေးမှုများ ပါဝင်ရမည်ဖြစ်သည်။ ထို့ပြင် သင်တန်းကို တစ်ခုတည်းသော ခေါင်းစဉ် ရှိအောင် ပြင်ဆင်ထားပါသည်။

အကြောင်းအရာကို ပရောဂျက်များနှင့် ကိုက်ညီစေခြင်းအားဖြင့် ကျောင်းသားများ အတွက် ရင်ဘတ်စိတ်ဝင်စားမှုမြင့်မားပြီး အသိပညာ ကြားချိတ်ဆက်မှု တိုးမြင့်စေပါသည်။ ထို့အပြင် စာသင်ခန်းတစ်ခန်းမတိုင်မီ လေးနက်မှုမရှိသော စစ်ဆေးမှုတစ်ခုက ကျောင်းသား၏ သင်ယူလိုရှိမှု ရည်ရွယ်ချက်ကို သတ်မှတ်ပေးပြီး၊ စာသင်ခန်းပြီးနောက် စစ်ဆေးမှုတစ်ခုက ဆက်လက်သိရှိမှုကို အတည်ပြုသည်။ ဤသင်တန်းအစီအစဉ်ကို အကြံပြုမှုပြုထားပြီး ပျော်ရွှင်ဖွယ်ဖြစ်သောပုံစံဖြစ်၍ အစိတ်အပိုင်းများ သို့မဟုတ် ပြည့်စုံစွာ သင်ယူနိုင်ပါသည်။ ပရောဂျက်များမှာ တဖြည်းဖြည်း ကြီးမားမှုတက်ပြီး ၁၂ ပတ်ကြာ ခရီးစဉ်၏ အဆုံးမှာ ရှင်းလင်းပြတ်သားလာသည်။ ဤသင်တန်းအစီအစဉ်တွင် နောက်ပိုင်းတွင် စက်လေ့လာမှု၏ အမှန်တကယ် အသုံးချမှုများကိုပါ ပါဝင်သည်၊ ၎င်းကို ထပ်မံအတတ်ပညာရရှိရန် သို့မဟုတ် ဆွေးနွေးခြင်းအခြေခံအဖြစ် အသုံးပြုနိုင်ပါသည်။

ကျွန်ုပ်တို့၏ Code of Conduct, Contributing, Translations, နှင့် Troubleshooting လမ်းညွှန်ချက်များကို ရှာဖွေလိုက်ပါ။ သင်၏ တန်ဖိုးထားသော တုံ့ပြန်ချက်ကို ကြိုဆိုပါသည်။

သင်ခန်းစာတစ်ခုစီတွင် ပါဝင်သည်

• ရွေးချယ်စရာ စကက်ချ်မှာ (sketchnote)
• ရွေးချယ်စရာ ပေါင်းစပ်ဗီဒီယို
• ဗီဒီယို လမ်းညွှန် (အချို့သင်ခန်းစာများသာ)
• သင်ခန်းစာမတိုင်မီ အပူပေး စစ်ဆေးမှု
• ရေးသားထားသော သင်ခန်းစာ
• ပရောဂျက်အခြေပြု သင်ခန်းစာများအတွက် ပရောဂျက် ဖန်တီးနည်း အဆင့်ဆင့် လမ်းညွန်ချက်များ
• နားလည်မှု စစ်ဆေးမှုများ
• စိန်ခေါ်မှုတစ်ခု
• ပေါင်းစပ် ဖတ်ရှုရန်
• တာဝန်ပေးအပ်ချက်
• သင်ခန်းစာပြီးနောက် စစ်ဆေးမှု

ဘာသာစကားများအကြောင်း မှတ်ချက် - ဒီသင်ခန်းစာများကို အဓိကအားဖြင့် Python ဖြင့်ရေးသားထားပြီး၊ အများအပြားကို R ဖြင့်လည်းရနိုင်ပါသည်။ R သင်ခန်းစာ တစ်ခု ပြီးစီးရန်အတွက် /solution ဖိုလ်ဒါသို့ သွားပြီး R သင်ခန်းစာများကို ရှာဖွေပါ။ ၎င်းတို့တွင် R Markdown ဖိုင်ကို ဆိုလိုသည့် .rmd extension ပါဝင်ပြီး၊ ၎င်းမှာ code chunks (R သို့မဟုတ် အခြားဘာသာစကားများကို) နှင့် YAML header (PDF ကဲ့သို့သော ထွက်ရရှိမှုများကို ဖော်ပြရာတွင် လမ်းညွှန်သည်) ကို Markdown စာတမ်း အတွင်း ထည့်သွင်းထားသည့် ပုံစံတစ်မျိုးအဖြစ် သတ်မှတ်နိုင်သည်။ ထို့ကြောင့်၊ အချက်အလက် သိပ္ပံအတွက် သင်ရေးသူစနစ်တစ်ခုအဖြစ် အကောင်းဆုံးဖြစ်ပြီး သင့်ကုဒ်၊ ၎င်း၏ထွက်ရှိမှုနှင့် သင့်အတွေးများကို Markdown ဖြင့်ရေးသား နိုင်စေသည့် ပုံစံဟု ဆိုနိုင်သည်။ ထို့အပြင် R Markdown စာတမ်းများကို PDF, HTML သို့မဟုတ် Word ကဲ့သို့သော ထွက်ရှိမှု ပုံစံများသို့ ပြုလုပ်နိုင်သည်။

မေးဝန်းခြင်းများအကြောင်း မှတ်ချက် - မေးဝန်းခြင်းများအားလုံးကို Quiz App folder တွင် ပါဝင်ပြီး၊ မေးခွန်းသုံးခုပါသော မေးဝန်းခြင်း ၅၂ ခု ပါဝင်ပါသည်။ ၎င်းတို့ကို သင်ခန်းစာများအတွင်းမှ ချိတ်ဆက်ထားသော်လည်း quiz app ကို ကိုယ့်တြင် အလိုအလျောက်စမ်းသပ်နိုင်သည်။ quiz-app ဖိုလ်ဒါတွင်ပါတဲ့ ညွှန်ကြားချက်များ လိုက်နာကာ ကိုယ့်စက်တွင် မဟုတ်မဖြစ် တည်ဆောက်၍ သို့မဟုတ် Azure တွင် ဖြန့်ချိနိုင်သည်။

သင်ခန်းစာနံပါတ်	အကြောင်းအရာ	သင်ခန်းစာအုပ်စု	သင်ယူရမည့် ရည်မှန်းချက်များ	ချိတ်ဆက်ထားသော သင်ခန်းစာ	တာဝန်ရှိသူ
၀၁	ကွန်ပျူတာသင်္ချာသင်ခန်းစာ မိတ်ဆက်	Introduction	ကွန်ပျူတာသင်္ချာ၏ အခြေခံအယူအဆများ ကို သင်ယူပါ	Lesson	Muhammad
၀၂	ကွန်ပျူတာသင်္ချာ၏ သမိုင်းကြောင်း	Introduction	ဤအကျဉ်းပိုင်း၏ သမိုင်းကြောင်းကို သင်ယူပါ	Lesson	Jen and Amy
၀၃	တရားမျှတမှုနှင့် ကွန်ပျူတာသင်္ချာ	Introduction	ကွန်ပျူတာသင်္ချာ မော်ဒယ်များ တည်ဆောက်ခြင်းနှင့် အကောင်အထည်ဖော်ရာတွင် ကျောင်းသားများ ရေးသားစဉ်တွင် စဉ်းစားသင့်သည့် တရားမျှတမှု အရေးကြီးသော ဒဿနိက ဟူသော ခြိမ်းခြောက်မှုများမှာ ဘာတွေရှိသနည်း?	Lesson	Tomomi
၀၄	ကွန်ပျူတာသင်္ချာနည်းပညာများ	Introduction	ကွန်ပျူတာသင်္ချာ သုတေသန မိသားစုများက မော်ဒယ်များ တည်ဆောက်ရာတွင် ယူသည့် နည်းပညာများမှာ မည်သို့ပါသနည်း?	Lesson	Chris and Jen
၀၅	ရည်ညွှန်းမှု မိတ်ဆက်	Regression	ရည်ညွှန်းမှု မော်ဒယ်များအတွက် Python နှင့် Scikit-learn ဖြင့် စတင်ဆောင်ရွက်ခြင်း	Python • R	Jen • Eric Wanjau
၀၆	မြောက်အမေရိကန် ဖရဲသရက်ဈေးနှုန်း 🎃	Regression	ကွန်ပျူတာသင်္ချာသို့ ပြင်ဆင်ရန် အချက်အလက်များ ကြည့်ရှုနှင့် သန့်ရှင်းရေးလုပ်ဆောင်ခြင်း	Python • R	Jen • Eric Wanjau
၀၇	မြောက်အမေရိကန် ဖရဲသရက်ဈေးနှုန်း 🎃	Regression	စောင်းတန်းနှင့် ပိုလီနော့မီယယ် ရည်ညွှန်းမှု မော်ဒယ်များ တည်ဆောက်ခြင်း	Python • R	Jen and Dmitry • Eric Wanjau
၀၈	မြောက်အမေရိကန် ဖရဲသရက်ဈေးနှုန်း 🎃	Regression	လော့ဂျစ်စတစ် ရည်ညွှန်းမှု မော်ဒယ် တည်ဆောက်ခြင်း	Python • R	Jen • Eric Wanjau
၀၉	ဝက်ဘ် အက်ပ် 🔌	Web App	သင် သင်ယူထားသော မော်ဒယ်ကို အသုံးပြုရန် ဝက်ဘ် အက်ပ် တစ်ခုတည်ဆောက်ပါ	Python	Jen
၁၀	ခွဲခြားခြင်း မိတ်ဆက်	Classification	သင့်ဒေတာ အရှင်းပြု၊ ပြင်ဆင်၊ မြင်သာဖော်ပြခြင်း၊ ခွဲခြားခြင်းမိတ်ဆက်	Python • R	Jen and Cassie • Eric Wanjau
၁၁	အာရှနှင့်အိန္ဒိယ အရသာများ 🍜	Classification	ခွဲခြားစနစ်များ မိတ်ဆက်	Python • R	Jen and Cassie • Eric Wanjau
၁၂	အာရှနှင့်အိန္ဒိယ အရသာများ 🍜	Classification	ခွဲခြားစနစ်များ ပိုမိုလေ့လာခြင်း	Python • R	Jen and Cassie • Eric Wanjau
၁၃	အာရှနှင့်အိန္ဒိယ အရသာများ 🍜	Classification	သင့်မော်ဒယ်ကို အသုံးပြု၍ အကြံပြုထောက်ခံရေး ဝက်ဘ် အက်ပ် တည်ဆောက်ခြင်း	Python	Jen
၁၄	အုပ်စုဖွဲ့ခြင်း မိတ်ဆက်	Clustering	သင့်ဒေတာ အရှင်းပြု၊ ပြင်ဆင်၊ မြင်သာဖော်ပြခြင်း၊ အုပ်စုဖွဲ့ခြင်း မိတ်ဆက်	Python • R	Jen • Eric Wanjau
၁၅	Nigeria ရဲ့ ဂီတ စတိုင်များ စူးစမ်းခြင်း 🎧	Clustering	K-Means အုပ်စုဖွဲ့နည်း ကို စူးစမ်းလေ့လာခြင်း	Python • R	Jen • Eric Wanjau
၁၆	သဘာဝဘာသာစကား လုပ်ထုံးလုပ်နည်း မိတ်ဆက် ☕️	Natural language processing	ရိုးရှင်းသော ဘော့တစ်ခု ဖန်တီးခြင်းအားဖြင့် NLP အခြေခံတွေကို သင်ယူပါ	Python	Stephen
၁၇	အထွေထွေ NLP အလုပ်များ ☕️	Natural language processing	ဘာသာစကားဖွဲ့စည်းမှုနှင့်ဆိုင်သော အလုပ်များကို စာလုံးပေါင်းအဆင့် စနစ်တကျ နားလည်၍ NLP ဗဟုသုတ ပိုမိုမြှင့်တင်ပါ	Python	Stephen
၁၈	ဘာသာပြန်ခြင်းနှင့်ခံစားချက် စစ်တမ်း ♥️	Natural language processing	Jane Austen ၏ စာများဖြင့် ဘာသာပြန်ခြင်းနှင့်ခံစားချက် စစ်တမ်းများ	Python	Stephen
၁၉	ဥရောပရဲ့ ရင်ခုန်စေသော ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်သုံးသပ်ချက်များဖြင့် ခံစားချက် စစ်တမ်း ၁	Python	Stephen
၂၀	ဥရောပရဲ့ ရင်ခုန်စေသော ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်သုံးသပ်ချက်များ ဖြင့် ခံစားချက် စစ်တမ်း ၂	Python	Stephen
၂၁	အချိန်အဆက်တွဲ ခန့်မှန်းခြင်း မိတ်ဆက်	Time series	အချိန်အဆက်တွဲ ခန့်မှန်းခြင်း မိတ်ဆက်	Python	Francesca
၂၂	⚡️ ကမ္ဘာလုံးဆိုင်ရာ လျှပ်စစ်အသုံး ပြုမှု ⚡️ - ARIMA ဖြင့် အချိန်အဆက်တွဲ ခန့်မှန်းခြင်း	Time series	ARIMA ဖြင့် အချိန်အဆက်တွဲ ခန့်မှန်းခြင်း	Python	Francesca
၂၃	⚡️ ကမ္ဘာလုံးဆိုင်ရာ လျှပ်စစ်အသုံး ပြုမှု ⚡️ - SVR ဖြင့် အချိန်အဆက်တွဲ ခန့်မှန်းခြင်း	Time series	Support Vector Regressor ဖြင့် အချိန်အဆက်တွဲ ခန့်မှန်းခြင်း	Python	Anirban
၂၄	ပြန်လည်အားဖြည့်သင်ယူခြင်း မိတ်ဆက်	Reinforcement learning	Q-Learning ဖြင့် ပြန်လည်အားဖြည့်သင်ယူခြင်း မိတ်ဆက်	Python	Dmitry
၂၅	Peter ကို ကျားမှ ကာကွယ်ရန် အကူအညီ ပေးပါ! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
အပေါ်ဆုံး မှတ်ချက်	ML အကွယ်တဝင် အခြေအနေများနှင့် အသုံးချမှုများ	ML in the Wild	ရိုးရာ ML ၏ စိတ်ဝင်စားဖွယ်နှင့် ထင်ဟပ်ဖော်ပြနိုင်သော အပြင်ပန်း လိုက်စားမှုများ	Lesson	Team
အပေါ်ဆုံး မှတ်ချက်	RAI dashboard အသုံးပြုပြီး ML မော်ဒယ်များ ပြင်ဆင်ခြင်း	ML in the Wild	Responsible AI dashboard ပစ္စည်းများကို အသုံးပြု၍ ကွန်ပျူတာသင်္ချာ မော်ဒယ်များ ပြင်ဆင်ခြင်း	Lesson	Ruth Yakubu

ဤသင်ရိုးရာအတွက် Microsoft Learn စုစည်းမှုထဲမှ အပိုဆောင်း ရင်းမြစ်များအားလုံးကို ရှာဖွေပါ

အော့ဖ်လိုင်း ခွင့်ရယူခြင်း

Docsify ကို အသုံးပြု၍ ဒီစာတမ်းကို အော့ဖ်လိုင်းတွင် ပြေးနိုင်ပါတယ်။ ဒီ repo ကို ဖောက်ပြီး၊ ကိုယ့်စက်မှာ Docsify ကို တပ်ဆင်ပါ၊ ထို့နောက် ဒီ repo ၏ မူလဖိုလ်ဒါထဲမှာ docsify serve ဟု ရိုက်ထည့်ပါ။ ဝဘ်ဆိုက်သည် ကိုယ့် localhost တွင် ပေါက် ၃၀၀၀ မှာ ဝန်ဆောင်မှုပေးမည်ဖြစ်ပြီး localhost:3000 ဖြစ်ပါသည်။

PDFs

သင်ရိုးညွှန်ကြားစာအုပ်၏ PDF ကို ဤနေရာတွင် ရှာဖွေပါ။

🎒 အခြားသင်တန်းများ

ကျွန်ုပ်တို့အသင်းသည် အခြားသင်တန်းများကို ထုတ်လုပ်နေပါသည်။ စစ်ဆေးကြည့်ပါ။

LangChain

Azure / Edge / MCP / Agents

---

စီးရီး အနုပညာ AI

---

အခြေခံ သင်ယူမှု

---

Copilot စီးရီး

စီစဉ်သော ကူညီမှု

AI အပ်ပလီကေးရှင်း များ တည်ဆောက်ရာတွင် တင့်ဆိုင်သော မေးခွန်းများ ကျရောက်ပါက MCP သင်ယူသူများနှင့် အတွေ့အကြုံရှိ Developer များဖြင့် ဆွေးနွေးပွဲများတွင် ပါဝင်ဆွေးနွေးပါ။ ၎င်းသည် မေးခွန်းများအား ကြိုဆိုပြီး အသိပညာများကို အခမဲ့ မျှဝေသော ပံ့ပိုးမှုပိုင်း ကွန်ယက်တခု ဖြစ်ပါသည်။

ထုတ်ကုန် တုံ့ပြန်ချက် သို့မဟုတ် တည်ဆောက်သည်အထိ အမှားများ ရှိပါက:

ထပ်မံသင်ယူသော အကြံပြုချက်များ

• သင်ခန်းစာတိုင်းပြီးစီးပြီးနောက် စာအုပ်များကို ပြန်လည်ကြည့်ရှုပါ။
• ကိုယ်တိုင် အယ်လ်ဂိုရစ်သမ်များကို လေ့ကျင့်ပါ။
• သင်ယူထားသော သဘောတရားများဖြင့် တကယ့်ကမ္ဘာဒေတာများကို ရှာဖွေပါ။

---

အကြောင်းကြားချက်
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ဖြင့် ဘာသာပြန်ထားသည်။ ကျွန်ုပ်တို့သည်တိကျမှန်ကန်မှုအတွက် ကြိုးစားသော်လည်း၊ စက်မှုအလိုအလျောက် ဘာသာပြန်ချက်များတွင် အမှားများ သို့မဟုတ် မှားယွင်းမှုများ ရှိနိုင်ကြောင်း သတိပေးအပ်ပါသည်။ မူလစာရွက်စာတမ်းကို သူ၏ မူလဘာသာဖြင့်သာ တရားဝင်ရင်းမြစ်အဖြစ် တွက်ချက်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် သေချာမှန်ကန်သော လူ့ဘာသာပြန်ဝန်ဆောင်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုမှုဖြင့် ဖြစ်ပေါ်လာသော နားလည်မှုမှားယွင်းမှုများနှင့် အဓိပ္ပါယ်ပြောင်းလဲမှုများအတွက် ကျွန်ုပ်တို့၏ တာဝန်မရှိပါ။