38 KiB

Raw Permalink Blame History Unescape Escape

🌐 ဘာသာစကားများ အထောက်အပံ့

GitHub Action မှတဆင့် အလိုအလျောက် အမြဲနောက်ဆုံးပေါ်

အသိုင်းအဝိုင်းနှင့် ပူးပေါင်းပါ

စတင်လေ့လာရန် - စက်ရုပ်သင်ယူမှုအတွက် မူလသင်ခန်းစာများ

🌍 ကမ္ဘာ့ယဉ်ကျေးမှုများကို အခြေခံပြီး စက်ရုပ်သင်ယူမှုကို လေ့လာရင်း ကမ္ဘာပတ်လည် ခရီးသွားလိုက်ပါ 🌍

Microsoft မှ Cloud Advocates များသည် စက်ရုပ်သင်ယူမှု အကြောင်းကို 12 ပတ်၊ 26 သင်ခန်းစာများဖြင့် သင်ကြားရန် သင်ခန်းစာအစီအစဉ်ကို ပေးဆောင်ရန် ဝမ်းမြောက်ဝမ်းသာဖြစ်နေပါသည်။ ဒီသင်ခန်းစာအစီအစဉ်တွင် classic machine learning ဟုခေါ်သော အခြေခံစက်ရုပ်သင်ယူမှုကို Scikit-learn ကို အဓိကအသုံးပြု၍ သင်ယူမည်ဖြစ်ပြီး deep learning ကို AI for Beginners' curriculum တွင် သင်ကြားထားပါသည်။ 'Data Science for Beginners' curriculum နှင့် တွဲဖက်၍ သင်ယူပါ။

ကမ္ဘာ့ဒေသများမှ ဒေတာများကို အသုံးပြု၍ classic techniques များကို လေ့လာရင်း ကမ္ဘာပတ်လည် ခရီးသွားလိုက်ပါ။ သင်ခန်းစာတစ်ခုစီတွင် သင်ခန်းစာမတိုင်မီနှင့် သင်ခန်းစာပြီးနောက် စမ်းမေးခွန်းများ၊ သင်ခန်းစာကို ပြီးမြောက်ရန် ရေးသားထားသော လမ်းညွှန်ချက်များ၊ ဖြေရှင်းချက်၊ လေ့ကျင့်ခန်းများနှင့် အခြားအရာများ ပါဝင်သည်။ Project-based သင်ကြားမှုနည်းလမ်းသည် သင်ယူမှုကို ပိုမိုထိရောက်စေပြီး ကျွမ်းကျင်မှုအသစ်များကို သင်ယူရန် အကောင်းဆုံးနည်းလမ်းဖြစ်သည်။

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

🎨 ကျေးဇူးတင်ရှိပါသည် Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 Microsoft Student Ambassador များအား အထူးကျေးဇူးတင်ရှိပါသည် Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, နှင့် Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, နှင့် Vidushi Gupta အား R သင်ခန်းစာများအတွက် အထူးကျေးဇူးတင်ရှိပါသည်!

စတင်ရန်

အောက်ပါအဆင့်များကို လိုက်နာပါ:

Repository ကို Fork လုပ်ပါ: ဒီစာမျက်နှာ၏ အပေါ်ယာဘက်ရှိ "Fork" ခလုတ်ကို နှိပ်ပါ။
Repository ကို Clone လုပ်ပါ: git clone https://github.com/microsoft/ML-For-Beginners.git

ဒီသင်ခန်းစာအတွက် အပိုဆောင်းအရင်းအမြစ်များကို Microsoft Learn collection တွင် ရှာဖွေပါ

ကျောင်းသားများ, ဒီသင်ခန်းစာအစီအစဉ်ကို သင်၏ GitHub အကောင့်သို့ Fork လုပ်ပြီး သင့်အတန်းဖော်များနှင့်အတူ သို့မဟုတ် တစ်ယောက်တည်း လေ့ကျင့်ခန်းများကို ပြီးမြောက်ပါ:

သင်ခန်းစာမတိုင်မီ စမ်းမေးခွန်းကို စတင်ပါ။
သင်ခန်းစာကို ဖတ်ပြီး လေ့ကျင့်ခန်းများကို ပြီးမြောက်ပါ၊ knowledge check တစ်ခုစီတွင် ရပ်နားပြီး စဉ်းစားပါ။
သင်ခန်းစာများကို နားလည်ခြင်းဖြင့် project များကို ဖန်တီးရန် ကြိုးစားပါ၊ သို့သော် ဖြေရှင်းချက် code ကို /solution folder တွင် ရရှိနိုင်ပါသည်။
သင်ခန်းစာပြီးနောက် စမ်းမေးခွန်းကို ဖြေပါ။
လေ့ကျင့်ခန်းကို ပြီးမြောက်ပါ။
သင်ခန်းစာအုပ်စုတစ်ခုကို ပြီးမြောက်ပြီးနောက် Discussion Board သို့ သွားပြီး PAT rubric ကို ဖြည့်ပါ။ PAT သည် Progress Assessment Tool ဖြစ်ပြီး သင့်လေ့လာမှုကို တိုးတက်စေရန် ဖြည့်ရမည့် rubric ဖြစ်သည်။ PAT များကို အခြားသူများနှင့် အတူတူ လေ့လာရန် သင့်အကြောင်းပြန်လည်တုံ့ပြန်နိုင်ပါသည်။

အပိုလေ့လာရန်အတွက် Microsoft Learn modules နှင့် learning paths များကို လိုက်နာရန် အကြံပြုပါသည်။

ဆရာများ, ဒီသင်ခန်းစာကို အသုံးပြုရန် အကြံပြုချက်များ ပါဝင်သည်။

ဗီဒီယို လမ်းညွှန်ချက်များ

သင်ခန်းစာတစ်ချို့ကို အတိုချုံးဗီဒီယိုအဖြစ် ရရှိနိုင်ပါသည်။ သင်ခန်းစာများတွင် အတွင်းပိုင်းတွင် ရှာဖွေနိုင်သလို Microsoft Developer YouTube channel တွင် ML for Beginners playlist တွင်လည်း ရှာဖွေနိုင်ပါသည်။

အဖွဲ့ကို တွေ့ဆုံပါ

Gif by Mohit Jaisal

🎥 အပေါ်ရှိပုံကို နှိပ်ပြီး ဒီ project နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို ကြည့်ပါ!

သင်ကြားမှုနည်းလမ်း

ဒီသင်ခန်းစာအစီအစဉ်ကို ဖန်တီးစဉ်တွင် project-based ဖြစ်စေရန်နှင့် မကြာခဏ စမ်းမေးခွန်းများ ပါဝင်စေရန် သင်ကြားမှုနည်းလမ်းနှစ်ခုကို ရွေးချယ်ထားပါသည်။ ထို့အပြင်, ဒီသင်ခန်းစာအစီအစဉ်တွင် theme တစ်ခုပါဝင်ပြီး cohesion ရှိစေရန် ရည်ရွယ်ထားပါသည်။

Project-based သင်ကြားမှုနည်းလမ်းသည် ကျောင်းသားများအတွက် ပိုမိုစိတ်ဝင်စားစေပြီး သင်ယူမှုကို ပိုမိုထိရောက်စေသည်။ သင်ခန်းစာမတိုင်မီ စမ်းမေးခွန်းသည် ကျောင်းသားများကို သင်ခန်းစာအကြောင်းကို စိတ်ဝင်စားစေပြီး သင်ခန်းစာပြီးနောက် စမ်းမေးခွန်းသည် သင်ယူမှုကို ပိုမိုတိုးတက်စေသည်။ ဒီသင်ခန်းစာအစီအစဉ်ကို အပြည့်အစုံ သို့မဟုတ် အစိတ်အပိုင်းအလိုက် လေ့လာနိုင်ပြီး ပျော်ရွှင်စေဖို့ ရည်ရွယ်ထားပါသည်။ Project များသည် သေးငယ်ပြီး 12 ပတ်အတွင်း အဆင့်မြှင့်တင်လာမည်ဖြစ်သည်။

Code of Conduct, Contributing, နှင့် Translation လမ်းညွှန်ချက်များကို ရှာဖွေပါ။ သင်၏ အဆောက်အအုံဆန်းစစ်မှုကို ကြိုဆိုပါသည်!

သင်ခန်းစာတစ်ခုစီတွင် ပါဝင်သည်

ရွေးချယ်နိုင်သော sketchnote
ရွေးချယ်နိုင်သော အပိုဗီဒီယို
ဗီဒီယို လမ်းညွှန် (သင်ခန်းစာတစ်ချို့တွင်သာ)
သင်ခန်းစာမတိုင်မီ စမ်းမေးခွန်း
ရေးသားထားသော သင်ခန်းစာ
project-based သင်ခန်းစာများအတွက် project ကို ဖန်တီးရန် လမ်းညွှန်ချက်များ
knowledge checks
လေ့ကျင့်ခန်း
အပိုဆောင်းဖတ်ရှုရန်
လေ့ကျင့်ခန်း
သင်ခန်းစာပြီးနောက် စမ်းမေးခွန်း

ဘာသာစကားများအကြောင်း မှတ်ချက်: ဒီသင်ခန်းစာများကို အဓိကအားဖြင့် Python ဖြင့် ရေးသားထားပြီး R ဖြင့်လည်း ရရှိနိုင်ပါသည်။ R သင်ခန်းစာကို ပြီးမြောက်ရန် /solution folder သို့ သွားပြီး R lessons ကို ရှာပါ။ .rmd extension ပါဝင်သော R lessons တွင် R Markdown ဖိုင်များပါဝင်ပြီး ဒေတာသိပ္ပံအတွက် အထူးသင့်လျော်သော authoring framework ဖြစ်သည်။

စမ်းမေးခွန်းများအကြောင်း မှတ်ချက်: စမ်းမေးခွန်းများအားလုံးကို Quiz App folder တွင် ပါဝင်ပြီး စုစုပေါင်း 52 စမ်းမေးခွန်းများရှိသည်။ Quiz app ကို locally run လုပ်နိုင်ပြီး quiz-app folder တွင် အညွှန်းကို လိုက်နာပါ။

သင်ခန်းစာနံပါတ်	ခေါင်းစဉ်	သင်ခန်းစာအုပ်စု	သင်ယူရမည့် ရည်မှန်းချက်များ	သင်ခန်းစာ	ဖန်တီးသူ
01	စက်ရုပ်သင်ယူမှုအကြောင်း အကျဉ်းချုပ်	Introduction	စက်ရုပ်သင်ယူမှု၏ အခြေခံအယူအဆများကို လေ့လာပါ	Lesson	Muhammad
02	စက်ရုပ်သင်ယူမှု၏ သမိုင်းကြောင်း	Introduction	ဒီနယ်ပယ်၏ သမိုင်းကြောင်းကို လေ့လာပါ	Lesson	Jen and Amy
03	စက်ရုပ်သင်ယူမှုနှင့် တရားမျှတမှု	Introduction	ML models ဖန်တီးခြင်းနှင့် အသုံးပြုခြင်းတွင် ကျောင်းသားများစဉ်းစားသင့်သော တရားမျှတမှုဆိုင်ရာ အရေးကြီးသော အတွေးအမြင်များကို လေ့လာပါ	Lesson	Tomomi
04	စက်မှုသင်ယူမှုနည်းလမ်းများ	Introduction	ML မော်ဒယ်များတည်ဆောက်ရန် ML သုတေသနပြုသူများအသုံးပြုသည့်နည်းလမ်းများကဘာတွေလဲ?	Lesson	Chris နှင့် Jen
05	ရေဂရက်ရှင်းအကြောင်းမိတ်ဆက်	Regression	ရေဂရက်ရှင်းမော်ဒယ်များအတွက် Python နှင့် Scikit-learn ကိုစတင်အသုံးပြုပါ	Python • R	Jen • Eric Wanjau
06	မြောက်အမေရိကန်ဖရုံစိမ်းဈေးနှုန်းများ 🎃	Regression	ML အတွက်အချက်အလက်များကိုမြင်ကွင်းကျယ်စေပြီး သန့်စင်ပါ	Python • R	Jen • Eric Wanjau
07	မြောက်အမေရိကန်ဖရုံစိမ်းဈေးနှုန်းများ 🎃	Regression	လိုင်းနာနှင့် ပေါလီနိုမီးရယ် ရေဂရက်ရှင်းမော်ဒယ်များတည်ဆောက်ပါ	Python • R	Jen နှင့် Dmitry • Eric Wanjau
08	မြောက်အမေရိကန်ဖရုံစိမ်းဈေးနှုန်းများ 🎃	Regression	လိုဂျစ်စတစ်ရေဂရက်ရှင်းမော်ဒယ်တစ်ခုတည်ဆောက်ပါ	Python • R	Jen • Eric Wanjau
09	ဝက်ဘ်အက်ပ် 🔌	Web App	သင်၏လေ့ကျင့်ပြီးမော်ဒယ်ကိုအသုံးပြုရန် ဝက်ဘ်အက်ပ်တစ်ခုတည်ဆောက်ပါ	Python	Jen
10	ခွဲခြားသတ်မှတ်မှုအကြောင်းမိတ်ဆက်	Classification	သင့်ဒေတာကို သန့်စင်ပြီး ပြင်ဆင်ပါ၊ ခွဲခြားသတ်မှတ်မှုအကြောင်းမိတ်ဆက်	Python • R	Jen နှင့် Cassie • Eric Wanjau
11	အာရှနှင့် အိန္ဒိယအစားအစာအရသာများ 🍜	Classification	ခွဲခြားသတ်မှတ်မှုအကြောင်းမိတ်ဆက်	Python • R	Jen နှင့် Cassie • Eric Wanjau
12	အာရှနှင့် အိန္ဒိယအစားအစာအရသာများ 🍜	Classification	ခွဲခြားသတ်မှတ်မှုအမျိုးအစားများ ပိုမိုလေ့လာပါ	Python • R	Jen နှင့် Cassie • Eric Wanjau
13	အာရှနှင့် အိန္ဒိယအစားအစာအရသာများ 🍜	Classification	သင့်မော်ဒယ်ကိုအသုံးပြု၍ အကြံပြုဝက်ဘ်အက်ပ်တစ်ခုတည်ဆောက်ပါ	Python	Jen
14	ကလပ်စတာအကြောင်းမိတ်ဆက်	Clustering	သင့်ဒေတာကို သန့်စင်ပြီး ပြင်ဆင်ပါ၊ ကလပ်စတာအကြောင်းမိတ်ဆက်	Python • R	Jen • Eric Wanjau
15	နိုင်ဂျီးရီးယားဂီတအရသာများကိုလေ့လာခြင်း 🎧	Clustering	K-Means ကလပ်စတာနည်းလမ်းကိုလေ့လာပါ	Python • R	Jen • Eric Wanjau
16	သဘာဝဘာသာစကားလုပ်ငန်းစဉ်အကြောင်းမိတ်ဆက် ☕️	Natural language processing	ရိုးရှင်းသောဘော့တစ်ခုတည်ဆောက်ခြင်းဖြင့် NLP အခြေခံများကိုလေ့လာပါ	Python	Stephen
17	ရိုးရိုးရှင်းရှင်း NLP လုပ်ငန်းစဉ်များ ☕️	Natural language processing	ဘာသာစကားဖွဲ့စည်းမှုများနှင့်ပတ်သက်သောလုပ်ငန်းစဉ်များကိုနားလည်ခြင်းဖြင့် သင့် NLP အသိပညာကိုပိုမိုတိုးချဲ့ပါ	Python	Stephen
18	ဘာသာပြန်ခြင်းနှင့်ခံစားချက်ခွဲခြားခြင်း ♥️	Natural language processing	Jane Austen နှင့်အတူ ဘာသာပြန်ခြင်းနှင့်ခံစားချက်ခွဲခြားခြင်း	Python	Stephen
19	ဥရောပ၏ရိုမန်တစ်ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်ပြန်လည်သုံးသပ်ချက်များ ၁ ဖြင့်ခံစားချက်ခွဲခြားခြင်း	Python	Stephen
20	ဥရောပ၏ရိုမန်တစ်ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်ပြန်လည်သုံးသပ်ချက်များ ၂ ဖြင့်ခံစားချက်ခွဲခြားခြင်း	Python	Stephen
21	အချိန်စီးရီးခန့်မှန်းမှုအကြောင်းမိတ်ဆက်	Time series	အချိန်စီးရီးခန့်မှန်းမှုအကြောင်းမိတ်ဆက်	Python	Francesca
22	⚡️ ကမ္ဘာ့လျှပ်စစ်ဓာတ်အားသုံးစွဲမှု ⚡️ - ARIMA ဖြင့်အချိန်စီးရီးခန့်မှန်းမှု	Time series	ARIMA ဖြင့်အချိန်စီးရီးခန့်မှန်းမှု	Python	Francesca
23	⚡️ ကမ္ဘာ့လျှပ်စစ်ဓာတ်အားသုံးစွဲမှု ⚡️ - SVR ဖြင့်အချိန်စီးရီးခန့်မှန်းမှု	Time series	Support Vector Regressor ဖြင့်အချိန်စီးရီးခန့်မှန်းမှု	Python	Anirban
24	reinforcement learning အကြောင်းမိတ်ဆက်	Reinforcement learning	Q-Learning ဖြင့် reinforcement learning အကြောင်းမိတ်ဆက်	Python	Dmitry
25	Peter ကို ဝံပုလွေမှကာကွယ်ပါ! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	အမှန်တကယ်သော ML အခြေအနေများနှင့်လျှောက်လွှာများ	ML in the Wild	ရိုးရာ ML ၏စိတ်ဝင်စားဖွယ်နှင့် ထင်ရှားသောအမှန်တကယ်လျှောက်လွှာများ	Lesson	Team
Postscript	RAI dashboard ဖြင့် ML မော်ဒယ်များကို Debug ပြုလုပ်ခြင်း	ML in the Wild	Responsible AI dashboard အစိတ်အပိုင်းများကိုအသုံးပြု၍ စက်မှုသင်ယူမှုမော်ဒယ်များကို Debug ပြုလုပ်ခြင်း	Lesson	Ruth Yakubu

ဤသင်တန်းအတွက် Microsoft Learn collection တွင် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကိုရှာဖွေပါ

အော့ဖ်လိုင်းအသုံးပြုမှု

ဤစာရွက်စာတမ်းကို Docsify အသုံးပြု၍ အော့ဖ်လိုင်းတွင်လည်ပတ်နိုင်သည်။ ဤ repo ကို Fork လုပ်ပြီး Docsify ကိုထည့်သွင်းပါ သင့်ဒေသခံစက်တွင် ထည့်သွင်းပြီး repo ၏ root folder တွင် docsify serve ဟုရိုက်ထည့်ပါ။ ဝက်ဘ်ဆိုက်ကို သင့် localhost ၏ port 3000 တွင် လည်ပတ်မည်: localhost:3000။

PDFs

လင့်ခ်များပါရှိသည့် သင်ရိုးညွှန်းတမ်း၏ pdf ကို ဤနေရာတွင် ရှာပါ။

🎒 အခြားသင်တန်းများ

ကျွန်ုပ်တို့၏အဖွဲ့သည် အခြားသင်တန်းများကိုထုတ်လုပ်ပါသည်! စစ်ဆေးပါ:

ဝက်ဘ်ဆိုက်မှတ်ချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားနေပါသော်လည်း၊ အလိုအလျောက်ဘာသာပြန်ဆိုမှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို ကျေးဇူးပြု၍ သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာတည်သော ရင်းမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူပညာရှင်များမှ ဘာသာပြန်ဆိုမှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုမှားများ သို့မဟုတ် အဓိပ္ပါယ်မှားများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။

38 KiB Raw Permalink Blame History Unescape Escape