You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/translations/km/TROUBLESHOOTING.md

603 lines
25 KiB

This file contains invisible Unicode characters!

This file contains invisible Unicode characters that may be processed differently from what appears below. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to reveal hidden characters.

# សៀវភៅ​ជួយ​ដោះស្រាយ​បញ្ហា
សៀវភៅ​នេះ​ជួយ​អ្នក​ដោះស្រាយ​បញ្ហាទូទៅ​ពេលធ្វើការជាមួយ​មេរៀន Machine Learning សម្រាប់​អ្នក​ចាប់ផ្ដើម។ ប្រសិន​បើ​អ្នក​មិន​ស្វែងរក​ដំណោះស្រាយ​នៅទីនេះ​បាន សូម​ពិនិត្យមើល [ការពិភាក្សា Discord](https://aka.ms/foundry/discord) របស់យើង ឬ [បើកបញ្ហា](https://github.com/microsoft/ML-For-Beginners/issues)។
## តារាង​ខ្លឹម​សារ
- [បញ្ហា​ដំឡើងកម្មវិធី](#បញ្ហា​ដំឡើងកម្មវិធី)
- [បញ្ហា Jupyter Notebook](#ដំណោះស្រាយ-codeblock4)
- [បញ្ហា​កញ្ចប់ Python](#បញ្ហា​ក្រឡាចត្រង្គ-notebook)
- [បញ្ហា​បរិយាកាស R](#បញ្ហា​បញ្ចូលទិន្នន័យ)
- [បញ្ហា​កម្មវិធី Quiz](#ការដំឡើង​កញ្ចប់)
- [បញ្ហា​ទិន្នន័យ និង ផ្លូវ​ឯកសារ](#បញ្ហា​កម្មវិធី-quiz)
- [សារ​ខុស​ប្លែកៗ](#ដំណោះស្រាយ-codeblock18)
- [បញ្ហា​ប្រតិបត្តិការ](#កំហុស​អង្គចងចាំ)
- [បរិយាកាស និង ការកំណត់​រចនា](#កំហុស-unicodeencoding)
---
## បញ្ហា​ដំឡើងកម្មវិធី
### ការដំឡើង Python
**បញ្ហា**: `python: command not found`
**ដំណោះស្រាយ**:
1. ដំឡើង Python 3.8 ឬ​ខ្ពស់ជាង​ពី [python.org](https://www.python.org/downloads/)
2. ពិនិត្យ​ការ​ដំឡើង៖ `python --version``python3 --version`
3. នៅលើ macOS/Linux អ្នកប្រហែលជា​ត្រូវប្រើ `python3` ជំនួស `python`
**បញ្ហា**: កំណែក Python ច្រើនបង្កប្រឈម
**ដំណោះស្រាយ**:
```bash
# ប្រើបរិយាកាសវីរុចជាចរាចរ ដើម្បីបំបែកគម្រោង
python -m venv ml-env
# បើកបរិយាកាសវីរុច
# លើ Windows:
ml-env\Scripts\activate
# លើ macOS/Linux:
source ml-env/bin/activate
```
### ការដំឡើង Jupyter
**បញ្ហា**: `jupyter: command not found`
**ដំណោះស្រាយ**:
```bash
# តំឡើង Jupyter
pip install jupyter
# ឬជាមួយ pip3
pip3 install jupyter
# ពិនិត្យការតំឡើង
jupyter --version
```
**បញ្ហា**: Jupyter មិនចាប់ផ្ដើម​ក្នុង​កម្មវិធីរុករក
**ដំណោះស្រាយ**:
```bash
# ព្យាយាមបញ្ជាក់កម្មវិធីរកមើលវេបសាយ
jupyter notebook --browser=chrome
# ឬចម្លង URL ជាមួយនឹង token ពី terminal ហើយបិទវាទៅកម្មវិធីរកមើលវេបសាយដោយដៃ
# ស្វែងរកៈ http://localhost:8888/?token=...
```
### ការដំឡើង R
**បញ្ហា**: កញ្ចប់ R មិនអាចដំឡើងបាន
**ដំណោះស្រាយ**:
```r
# ធ្វើឲ្យប្រាកដថាអ្នកមានកំណែ R ថ្មីបំផុត
# ដំឡើងកញ្ចប់ជាមួយនឹងការពឹងផ្អែក
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)
# ប្រសិនបើការប្រមូលកូដបរាជ័យ សូមព្យាយាមដំឡើងកំណែប៊ីនុារី
install.packages("package-name", type = "binary")
```
**បញ្ហា**: IRkernel មិនមាន​ក្នុង Jupyter
**ដំណោះស្រាយ**:
```r
# នៅក្នុងកុងសូល R
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)
```
---
## បញ្ហា Jupyter Notebook
### បញ្ហា Kernel
**បញ្ហា**: Kernel បន្តស្លាប់ឬចាប់ផ្ដើមឡើងវិញ
**ដំណោះស្រាយ**:
1. ចាប់ផ្ដើម kernel ថ្មី៖ `Kernel → Restart`
2. ខ្លះលទ្ធផលនិងចាប់ផ្ដើមឡើងវិញ៖ `Kernel → Restart & Clear Output`
3. ពិនិត្យបញ្ហា​អង្គចងចាំ (មើល [បញ្ហាប្រតិបត្តិការ](#កំហុស​អង្គចងចាំ))
4. ព្យាយាម​រត់ក្រឡាចត្រង្គ​តែបន្ទាត់ដើម្បីរកកូដបញ្ហា
**បញ្ហា**: ជ្រើស kernel Python មិនត្រឹមត្រូវ
**ដំណោះស្រាយ**:
1. ពិនិត្យ kernel បច្ចុប្បន្ន៖ `Kernel → Change Kernel`
2. ជ្រើសកំណែ Python ត្រឹមត្រូវ
3. ប្រសិន kernel មិនមាន បង្កើតវា៖
```bash
python -m ipykernel install --user --name=ml-env
```
**បញ្ហា**: Kernel មិនចាប់ផ្ដើម
**ដំណោះស្រាយ**:
```bash
# ធ្វើការដំឡើង ipykernel ម្តងទៀត
pip uninstall ipykernel
pip install ipykernel
# ចុះបញ្ជី kernel ម្តងទៀត
python -m ipykernel install --user
```
### បញ្ហា​ក្រឡាចត្រង្គ Notebook
**បញ្ហា**: ក្រឡាចត្រង្គ​កំពុងរត់ប៉ុន្តែមិនបង្ហាញលទ្ធផល
**ដំណោះស្រាយ**:
1. ពិនិត្យមើលថា​ក្រឡាចត្រង្គ​នៅតែ​រត់ (មើលបំណែក `[*]`)
2. ចាប់ផ្ដើម kernel ថ្មីនិង​រត់​ក្រឡាចត្រង្គ​ទាំងអស់៖ `Kernel → Restart & Run All`
3. ពិនិត្យ console របស់ក្រុមហ៊ុន​រុករកសម្រាប់កំហុស JavaScript (F12)
**បញ្ហា**: មិនអាច​រត់​ក្រឡាចត្រង្គ​បាន - មិនមាន ප්ទិសការឆ្លើយតបពេលចុច "Run"
**ដំណោះស្រាយ**:
1. ពិនិត្យមើលថា​សេវាកម្ម Jupyter នៅតែ​ដំណើរការ​នៅក្នុង terminal
2. ហៅទំព័ររុករកឡើងវិញ
3. បិទហើយបើកឡើងវិញ notebook
4. ចាប់ផ្ដើម​សេវាកម្ម Jupyter ថ្មី
---
## បញ្ហា​កញ្ចប់ Python
### កំហុស Import
**បញ្ហា**: `ModuleNotFoundError: No module named 'sklearn'`
**ដំណោះស្រាយ**:
```bash
pip install scikit-learn
# កញ្ចប់ ML ទូទៅសម្រាប់វគ្គនេះ
pip install scikit-learn pandas numpy matplotlib seaborn
```
**បញ្ហា**: `ImportError: cannot import name 'X' from 'sklearn'`
**ដំណោះស្រាយ**:
```bash
# ធ្វើបច្ចុប្បន្នភាព scikit-learn ទៅកំណែក្រឡាប់ថ្មីបំផុត
pip install --upgrade scikit-learn
# ពិនិត្យកំណែ
python -c "import sklearn; print(sklearn.__version__)"
```
### បញ្ហា​កំណែ​រំខាន
**បញ្ហា**: កំហុស​អត្រាកញ្ចប់​កំណែ​មិនសម
**ដំណោះស្រាយ**:
```bash
# បង្កើតបរិយាកាសប្រព័ន្ធមេនវីឌួ
python -m venv fresh-env
source fresh-env/bin/activate # ឬ fresh-env\Scripts\activate នៅលើ Windows
# ដំឡើងកញ្ចប់ថ្មី
pip install jupyter scikit-learn pandas numpy matplotlib seaborn
# ប្រសិនបើត្រូវការកំណែជាក់លាក់
pip install scikit-learn==1.3.0
```
**បញ្ហា**: `pip install` បរាជ័យដោយកំហុស​សិទ្ធិ
**ដំណោះស្រាយ**:
```bash
# ដំឡើងសម្រាប់អ្នកប្រើបច្ចុប្បន្នតែប៉ុណ្ណោះ
pip install --user package-name
# ឬប្រើបរិយាកាសវឌ្ឍនបត Virtual (សំណូមពរ)
python -m venv venv
source venv/bin/activate
pip install package-name
```
### បញ្ហា​បញ្ចូលទិន្នន័យ
**បញ្ហា**: កំហុស `FileNotFoundError` ពេល​បញ្ចូល​ឯកសារ CSV
**ដំណោះស្រាយ**:
```python
import os
# ពិនិត្យទីតាំងការងារបច្ចុប្បន្ន
print(os.getcwd())
# ប្រើផ្លូវបញ្ជាមួយទាក់ទងពីទីតាំងសៀវភៅកំណត់ហេតុនេះ
df = pd.read_csv('../../data/filename.csv')
# ឬប្រើផ្លូវបញ្ជាពេញលេញ
df = pd.read_csv('/full/path/to/data/filename.csv')
```
---
## បញ្ហា​បរិយាកាស R
### ការដំឡើង​កញ្ចប់
**បញ្ហា**: ការដំឡើង​កញ្ចប់​បរាជ័យដោយកំហុស​កម្មង់
**ដំណោះស្រាយ**:
```r
# តំឡើងជាកំណែទ្វាពីរប្រព័ន្ធ (Windows/macOS)
install.packages("package-name", type = "binary")
# ធ្វើបច្ចុប្បន្នភាព R ទៅកំណែចុងក្រោយ ប្រសិនបើកញ្ចប់ត្រូវការ
# ពិនិត្យកំណែ R
R.version.string
# តំឡើងភាពពឹងផ្អែករបស់ប្រព័ន្ធ (Linux)
# សម្រាប់ Ubuntu/Debian, នៅក្នុងផ្ទាំងពាក្យបញ្ជា:
# sudo apt-get install r-base-dev
```
**បញ្ហា**: `tidyverse` មិនដំឡើង
**ដំណោះស្រាយ**:
```r
# ដំឡើងការពឹងផ្អែកជាដំបូង
install.packages(c("rlang", "vctrs", "pillar"))
# បន្ទាប់មកដំឡើង tidyverse
install.packages("tidyverse")
# រឺដំឡើងធាតុផ្សំម្នាក់ៗ
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))
```
### បញ្ហា RMarkdown
**បញ្ហា**: RMarkdown មិនបង្ហាញលទ្ធផល
**ដំណោះស្រាយ**:
```r
# ដំឡើង/បន្ទាន់សម័យ rmarkdown
install.packages("rmarkdown")
# ដំឡើង pandoc ប្រសិនបើចាំបាច់
install.packages("pandoc")
# សម្រាប់លទ្ធផល PDF, ដំឡើង tinytex
install.packages("tinytex")
tinytex::install_tinytex()
```
---
## បញ្ហា​កម្មវិធី Quiz
### ការសាងសង់ និង ដំឡើង
**បញ្ហា**: `npm install` បរាជ័យ
**ដំណោះស្រាយ**:
```bash
# លុបឃ្លាំង npm
npm cache clean --force
# លុប node_modules និង package-lock.json
rm -rf node_modules package-lock.json
# ដំឡើងឡើងវិញ
npm install
# ប្រសិនបើមិនបានសូមព្យាយាមជាមួយ legacy peer deps
npm install --legacy-peer-deps
```
**បញ្ហា**: ស្វ័យប្រវត្តិ Port 8080 កំពុងប្រើ
**ដំណោះស្រាយ**:
```bash
# ប្រើពួតផ្សេង
npm run serve -- --port 8081
# រឺស្វែងរកនិងបញ្ឈប់ដំណើរការប្រើពួត 8080
# នៅលើ Linux/macOS:
lsof -ti:8080 | xargs kill -9
# នៅលើ Windows:
netstat -ano | findstr :8080
taskkill /PID <PID> /F
```
### កំហុសសាងសង់
**បញ្ហា**: `npm run build` បរាជ័យ
**ដំណោះស្រាយ**:
```bash
# ពិនិត្យជំនាន់ Node.js (គួរតែលើស 14)
node --version
# បន្ទាន់សម័យ Node.js ប្រសិនបើចាំបាច់
# បន្ទាប់មកធ្វើការតម្លើងថ្មី
rm -rf node_modules package-lock.json
npm install
npm run build
```
**បញ្ហា**: កំហុស linting បង្កការពិបាកសាងសង់
**ដំណោះស្រាយ**:
```bash
# ដោះស្រាយបញ្ហាដែលអាចជួសជុលដោយស្វ័យប្រវត្តិ
npm run lint -- --fix
# ឬបិទសកម្មភាពលីនថ៍បណ្ដោះអាសន្ននៅក្នុងការចាក់បញ្ចាំង
# (មិនផ្ដល់អនុសាសន៍សម្រាប់ផលិតកម្ម)
```
---
## បញ្ហា​ទិន្នន័យ និង ផ្លូវ​ឯកសារ
### បញ្ហាផ្លូវ
**បញ្ហា**: ឯកសារទិន្នន័យមិនត្រូវបានរកឃើញពេល​រត់ notebook
**ដំណោះស្រាយ**:
1. **តែងតែ​រត់ notebook ពីថត​ដែលវាស្ថិត​នៅក្នុង**
```bash
cd /path/to/lesson/folder
jupyter notebook
```
2. **ពិនិត្យ​ផ្លូវទ relatif នៅក្នុងកូដ**
```python
# ផ្លូវត្រឹមត្រូវពីទីតាំងសៀវភៅកំណត់ត្រា
df = pd.read_csv('../data/filename.csv')
# មិនមកពីទីតាំងប្រដាប់បញ្ជារបស់អ្នកទេ
```
3. **ប្រើផ្លូវ​លេខស្មើ (absolute paths) ប្រសិនបើចាំបាច់**
```python
import os
base_path = os.path.dirname(os.path.abspath(__file__))
data_path = os.path.join(base_path, 'data', 'filename.csv')
```
### ឯកសារ​ទិន្នន័យ​អវសាន
**បញ្ហា**: ឯកសារតំណាងទិន្នន័យបាត់បង់
**ដំណោះស្រាយ**:
1. ពិនិត្យមើលថាតើទិន្នន័យ​គួរតែ​មាន​ក្នុង repository - រាល់ទិន្នន័យភាគច្រើនបានរួមបញ្ចូល
2. មេរៀនខ្លះត្រូវការទាញយកទិន្នន័យ - ពិនិត្យមើល README មេរៀន
3. ​ប្រាកដថាអ្នកបានទាញយកការផ្លាស់ប្តូរថ្មីៗ៖
```bash
git pull origin main
```
---
## សារ​ខុស​ប្លែកៗ
### កំហុស​អង្គចងចាំ
**កំហុស**: `MemoryError` ឬ kernel ស្លាប់ពេល​ដំណើរការ​ទិន្នន័យ
**ដំណោះស្រាយ**:
```python
# បញ្ចូលទិន្នន័យជាមួយប្លុក
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
process(chunk)
# ឬអានព្រឹត្តិការណ៍តែលេខ្វាងទេ
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])
# សម្លឹងចេញពីម៉ឺម៉ូរីពេលបញ្ចប់
del large_dataframe
import gc
gc.collect()
```
### ការព្រមាន Convergence
**ព្រមាន**: `ConvergenceWarning: Maximum number of iterations reached`
**ដំណោះស្រាយ**:
```python
from sklearn.linear_model import LogisticRegression
# បង្កើនចំនួន iteration អតិបរមា
model = LogisticRegression(max_iter=1000)
# ឬបង្ហាញលក្ខណៈរបស់អ្នកជាមុនសិន
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
```
### បញ្ហាផ្ទាំងក្រាហ្វិក
**បញ្ហា**: ផ្ទាំងក្រាហ្វិកមិនបង្ហាញក្នុង Jupyter
**ដំណោះស្រាយ**:
```python
# បើកការរៀបចំគំនូសបន្ទាត់
%matplotlib inline
# នាំចូល pyplot
import matplotlib.pyplot as plt
# បង្ហាញគំនូសយ៉ាងច្បាស់
plt.plot(data)
plt.show()
```
**បញ្ហា**: ផ្ទាំងក្រាហ្វិក Seaborn មើលខុសឬបង្ហាញកំហុស
**ដំណោះស្រាយ**:
```python
import warnings
warnings.filterwarnings('ignore', category=UserWarning)
# បន្ទាន់សម័យទៅកំណែសមត្ថភាព
# pip install --upgrade seaborn matplotlib
```
### កំហុស Unicode/Encoding
**បញ្ហា**: `UnicodeDecodeError` ពេល​អានឯកសារ
**ដំណោះស្រាយ**:
```python
# បញ្ជាក់កូដបញ្ចូលឲ្យច្បាស់
df = pd.read_csv('file.csv', encoding='utf-8')
# ឬសាកល្បងកូដបញ្ចូលផ្សេងទៀត
df = pd.read_csv('file.csv', encoding='latin-1')
# សម្រាប់ errors='ignore' ដើម្បីរំលងតួអក្សរដែលមានបញ្ហា
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')
```
---
## បញ្ហា​ប្រតិបត្តិការ
### ការរត់ notebook យឺត
**បញ្ហា**: Notebook រត់យឺតខ្លាំង
**ដំណោះស្រាយ**:
1. **ចាប់ផ្ដើម kernel ថ្មី ដើម្បីធ្វើអង្គចងចាំមូល**៖ `Kernel → Restart`
2. **បិទ notebook មិនប្រើ** ដើម្បីសង្រ្គោះធនធាន
3. **ប្រើតំណាងទិន្នន័យតូចសម្រាប់សាកល្បង**:
```python
# ធ្វើការ​ជាមួយ​ផ្នែក​តូច​ក្នុងអំឡុងពេលអភិវឌ្ឍន៍
df_sample = df.sample(n=1000)
```
4. **រាយការណ៍កម្មវិធីរបស់អ្នក** ដើម្បីរកកន្លែងដាក់ពេលយឺត:
```python
%time operation() # ពេលវេលាសម្រាប់ប្រតិបត្តិការតែមួយ
%timeit operation() # ពេលវេលាជាមួយការរត់ច្រើនដង
```
### ការប្រើប្រាស់អង្គចងចាំខ្ពស់
**បញ្ហា**: ប្រព័ន្ធ​ប្រើអង្គចងចាំ​ច្រើនពេក
**ដំណោះស្រាយ**:
```python
# ពិនិត្យមើលការប្រើប្រាស់អង្គចងចាំ
df.info(memory_usage='deep')
# បង្កើនប្រសិទ្ធភាពប្រភេទទិន្នន័យ
df['column'] = df['column'].astype('int32') # ជំនួស int64
# ទម្លាក់ជួរឈរដែលមិនចាំបាច់
df = df[['col1', 'col2']] # រក្សាទុកតែជួរឈរដែលចាំបាច់ប៉ុណ្ណោះ
# ដំណើរការជាក្រុម
for batch in np.array_split(df, 10):
process(batch)
```
---
## បរិយាកាស និង ការកំណត់​រចនា
### បញ្ហាបរិយាកាស Virtual
**បញ្ហា**: បរិយាកាស Virtual មិនដំណើរការ
**ដំណោះស្រាយ**:
```bash
# Windows
python -m venv venv
venv\Scripts\activate.bat
# macOS/Linux
python3 -m venv venv
source venv/bin/activate
# ពិនិត្យ​មើល​ថា​តើ​បានបើក​ប្រើ​ហើយ​ឬនៅ (គួរ​តែបង្ហាញឈ្មោះ venv នៅក្នុង prompt)
which python # គួរតែបង្ហាញ python របស់ venv
```
**បញ្ហា**: កញ្ចប់​ដំឡើងហើយប៉ុន្តែមិនរកឃើញ​ក្នុង notebook
**ដំណោះស្រាយ**:
```bash
# ប្រាកដថា notebook ប្រើ kernel ត្រឹមត្រូវ
# តំឡើង ipykernel នៅក្នុង venv របស់អ្នក
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"
# នៅក្នុង Jupyter: Kernel → ប្ដូរ Kernel → Python (ml-env)
```
### បញ្ហា Git
**បញ្ហា**: មិនអាចទាញយកកំណែថ្មី - ប្រឈមមុខកំហុសបញ្ចូល​ (merge conflicts)
**ដំណោះស្រាយ**:
```bash
# រក្សាទុកការផ្លាស់ប្តូររបស់អ្នក
git stash
# ទាញយកចុងក្រោយ
git pull origin main
# អនុវត្តបម្លែងរបស់អ្នកម្តងទៀត
git stash pop
# ប្រសិនបើមានជម្លោះ សូមដោះស្រាយដោយដៃ ឬ៖
git checkout --theirs path/to/file # ទទួលយកកំណែពីចម្ងាយ
git checkout --ours path/to/file # រក្សាកំណែរបស់អ្នក
```
### ការបញ្ចូល VS Code
**បញ្ហា**: Jupyter notebook មិនបើកក្នុង VS Code
**ដំណោះស្រាយ**:
1. ដំឡើង ផ្នែកបន្ថែម Python ក្នុង VS Code
2. ដំឡើង ផ្នែកបន្ថែម Jupyter ក្នុង VS Code
3. ជ្រើសកំណែ Python ត្រឹមត្រូវ៖ `Ctrl+Shift+P` → "Python: Select Interpreter"
4. ចាប់ផ្ដើម VS Code ថ្មី
---
## ឯកសារជំនួយ​បន្ថែម
- **Discord Discussions**: [សួរជម្លើយ និងចែករំលែកដំណោះស្រាយនៅក្នុងបន្ទប់ #ml-for-beginners](https://aka.ms/foundry/discord)
- **Microsoft Learn**: [ម៉ូឌុល ML សម្រាប់អ្នកចាប់ផ្ដើម](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
- **មេរៀន​វីដេអូ**: [បញ្ជីផ្តល់មេរៀន YouTube](https://aka.ms/ml-beginners-videos)
- **តាមដានបញ្ហា**: [រាយការណ៍កំហុស](https://github.com/microsoft/ML-For-Beginners/issues)
---
## តើ​អ្នកនៅតែ​មាន​បញ្ហា?
បើអ្នកបាន​ព្យាយាមដំណោះស្រាយខាងលើហើយក៏នៅតែ​មានបញ្ហា៖
1. **ស្វែងរកបញ្ហាមុនមានរួច**៖ [GitHub Issues](https://github.com/microsoft/ML-For-Beginners/issues)
2. **ពិនិត្យការពិភាក្សា​នៅ Discord**៖ [Discord Discussions](https://aka.ms/foundry/discord)
3. **បើកបញ្ហាថ្មី**៖ រួមបញ្ចូល៖
- ប្រព័ន្ធ​ប្រតិបត្តិការ និងកំណែ​របស់អ្នក
- កំណែ Python/R
- សារខុស (តាមការតាមដានពេញលេញ)
- ជំហាន​ផលិតបញ្ហា
- អ្វីដែលអ្នកបានព្យាយាម​រួចហើយ
យើងនៅទីនេះដើម្បីជួយអ្នក! 🚀
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**ការបដិសេធ** ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ខណៈពេលយើងខិតខំរកភាពត្រឹមត្រូវ សូមយល់ដល់ថាការបកប្រែដោយស្វ័យប្រវត្តិក្នុងមួយពេលអាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមដែលនៅក្នុងភាសាមាតុភូមិគួរត្រូវបានពិចារណាថាជា ប្រភពតែមួយដែលមានសុពលភាព។ សម្រាប់ព័ត៌មានសំខាន់ៗ គឺត្រូវបានណែនាំឲ្យប្រើការបកប្រែដោយមនុស្សអ្នកជំនាញ។ យើងមិនមានកាតព្វកិច្ចរំលោភចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសក្នុងការប្រើប្រាស់បកប្រែនេះឡើយ។
<!-- CO-OP TRANSLATOR DISCLAIMER END -->