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/my/README.md

38 KiB

GitHub license GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

GitHub watchers GitHub forks GitHub stars

🌐 ဘာသာစကားများ အထောက်အပံ့

GitHub Action မှတဆင့် အလိုအလျောက် (အမြဲနောက်ဆုံးပေါ်)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

ကျွန်ုပ်တို့၏ အသိုင်းအဝိုင်းနှင့် ပူးပေါင်းပါ

Azure AI Discord

AI နှင့်အတူ သင်ယူရန် Discord စီးရီးတစ်ခုရှိပြီး၊ 2025 ခုနှစ် စက်တင်ဘာ 18 - 30 အတွင်း Learn with AI Series တွင် ပိုမိုသိရှိပြီး ကျွန်ုပ်တို့နှင့် ပူးပေါင်းပါ။ GitHub Copilot ကို Data Science အတွက် အသုံးပြုရန် အကြံဉာဏ်များနှင့် လှည့်ကွက်များကို ရရှိပါမည်။

Learn with AI series

စတင်သူများအတွက် Machine Learning - သင်ခန်းစာအစီအစဉ်

🌍 ကမ္ဘာ့ယဉ်ကျေးမှုများကို အသုံးပြု၍ Machine Learning ကို လေ့လာရင်း ကမ္ဘာ့ခရီးသွား 🌍

Microsoft မှ Cloud Advocates များသည် Machine Learning အကြောင်း 12 ပတ်၊ 26 သင်ခန်းစာအစီအစဉ်ကို ပေးဆောင်ရန် ဝမ်းမြောက်ဝမ်းသာဖြစ်ပါသည်။ ဤသင်ခန်းစာအစီအစဉ်တွင် classic machine learning ဟုခေါ်ဆိုသောအရာများကို Scikit-learn ကို အဓိကစာကြည့်တိုက်အဖြစ် အသုံးပြု၍ သင်ယူမည်ဖြစ်ပြီး၊ AI for Beginners' curriculum တွင် ဖော်ပြထားသော deep learning ကို ရှောင်ရှားထားပါသည်။ ဤသင်ခန်းစာများကို 'Data Science for Beginners' curriculum နှင့် တွဲဖက်ပါ။

ကမ္ဘာ့ဒေသများမှ ဒေတာများကို အသုံးပြု၍ ဤ classic နည်းလမ်းများကို လေ့လာရင်း ကျွန်ုပ်တို့နှင့်အတူ ကမ္ဘာ့ခရီးသွားပါ။ သင်ခန်းစာတစ်ခုစီတွင် သင်ခန်းစာမတိုင်မီနှင့် သင်ခန်းစာပြီးနောက် စစ်တမ်းများ၊ သင်ခန်းစာကို ပြီးစီးရန် ရေးသားထားသောညွှန်ကြားချက်များ၊ ဖြေရှင်းချက်၊ လုပ်ငန်းတာဝန်များနှင့် အခြားအရာများ ပါဝင်သည်။ ကျွန်ုပ်တို့၏ ပရောဂျက်အခြေခံ သင်ကြားမှုနည်းလမ်းသည် သင်ယူရင်း တည်ဆောက်ရန် ခွင့်ပြုသည်။ ဤနည်းလမ်းသည် ကျွမ်းကျင်မှုအသစ်များကို 'တည်' စေသော အတည်ပြုထားသော နည်းလမ်းဖြစ်သည်။

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

🎨 ကျေးဇူးတင်ပါသည် Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 Microsoft Student Ambassador စာရေးသူများ၊ ပြန်လည်သုံးသပ်သူများနှင့် အကြောင်းအရာပံ့ပိုးသူများအား အထူးကျေးဇူးတင်ပါသည် 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 အထူးကျေးဇူးတင်ပါသည်!

စတင်ရန်

ဤအဆင့်များကို လိုက်နာပါ:

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

ဤသင်ခန်းစာအတွက် အပိုဆောင်းအရင်းအမြစ်များအား Microsoft Learn collection တွင် ရှာပါ

ကျောင်းသားများ, ဤသင်ခန်းစာအစီအစဉ်ကို သင်၏ GitHub အကောင့်သို့ Fork လုပ်ပြီး သင့်အတန်းဖော်များနှင့်အတူ သို့မဟုတ် တစ်ယောက်တည်း လေ့လာပါ:

  • သင်ခန်းစာမတိုင်မီ စစ်တမ်းဖြင့် စတင်ပါ။
  • သင်ခန်းစာကို ဖတ်ပြီး လှုပ်ရှားမှုများကို ပြီးစီးပါ၊ knowledge check တစ်ခုစီတွင် ရပ်နားပြီး ပြန်လည်စဉ်းစားပါ။
  • သင်ခန်းစာများကို နားလည်ခြင်းဖြင့် ပရောဂျက်များကို ဖန်တီးရန် ကြိုးစားပါ၊ သို့သော် ဖြေရှင်းချက်ကုဒ်ကို /solution ဖိုလ်ဒါများတွင် ရရှိနိုင်ပါသည်။
  • သင်ခန်းစာပြီးနောက် စစ်တမ်းကို ဖြေပါ။
  • စိန်ခေါ်မှုကို ပြီးစီးပါ။
  • လုပ်ငန်းတာဝန်ကို ပြီးစီးပါ။
  • သင်ခန်းစာအုပ်စုတစ်ခုကို ပြီးစီးပြီးနောက် Discussion Board သို့ သွားပြီး သင့် PAT rubric ကို ဖြည့်စွက်ခြင်းဖြင့် "learn out loud" လုပ်ပါ။ PAT သည် သင့်လေ့လာမှုကို တိုးတက်စေသော rubric ဖြစ်သည်။ ကျွန်ုပ်တို့အတူတူ လေ့လာနိုင်ရန် အခြား PAT များကိုလည်း တုံ့ပြန်နိုင်ပါသည်။

နောက်ထပ်လေ့လာရန်အတွက် Microsoft Learn modules နှင့် learning paths များကို လိုက်နာရန် အကြံပြုပါသည်။

ဆရာများ, ကျွန်ုပ်တို့သည် ဤသင်ခန်းစာအစီအစဉ်ကို ဘယ်လိုအသုံးပြုရမည်ဆိုသည်ကို အကြံပြုချက်များ ပါဝင်ထားသည်။


ဗီဒီယို လမ်းညွှန်များ

သင်ခန်းစာတချို့ကို အတိုချုပ်ဗီဒီယိုအဖြစ် ရရှိနိုင်ပါသည်။ ဤဗီဒီယိုများကို သင်ခန်းစာများတွင် ရှာနိုင်ပါသည်၊ သို့မဟုတ် ML for Beginners playlist on the Microsoft Developer YouTube channel တွင် ရှာနိုင်ပါသည်။

ML for beginners banner


အဖွဲ့ကို တွေ့ဆုံပါ

Promo video

Gif by Mohit Jaisal

🎥 အထက်ပါပုံကို နှိပ်၍ ပရောဂျက်နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို ကြည့်ပါ!


သင်ကြားမှုနည်းလမ်း

ကျွန်ုပ်တို့သည် ဤသင်ခန်းစာအစီအစဉ်ကို တည်ဆောက်စဉ်တွင် သင်ကြားမှုနည်းလမ်းနှစ်ခုကို ရွေးချယ်ခဲ့သည်။ အတန်းများကို ပရောဂျက်အခြေခံ ဖြစ်စေခြင်းနှင့် မကြာခဏ စစ်တမ်းများ ပါဝင်စေရန် သေချာစေခြင်းဖြစ်သည်။ ထို့အပြင် ဤသင်ခန်းစာအစီအစဉ်တွင် အဓိကအကြောင်းအရာ ပါဝင်ပြီး သဟဇာတဖြစ်စေရန် ရည်ရွယ်ထားသည်။

အကြောင်းအရာများကို ပရောဂျက်များနှင့် ကိုက်ညီစေရန် သေချာစေခြင်းဖြင့် ကျောင်းသားများအတွက် ပိုမိုစိတ်ဝင်စားစေပြီး အကြောင်းအရာများကို မှတ်မိစေရန် တိုးတက်စေပါသည်။ ထို့အပြင် အတန်းမတိုင်မီ အနိမ့်အဆင့် စစ်တမ်းတစ်ခုသည် ကျောင်းသား၏ ရည်ရွယ်ချက်ကို အတန်း၏အကြောင်းအရာသို့ ဦးတည်စေပြီး၊ အတန်းပြီးနောက် စစ်တမ်းတစ်ခုသည် အကြောင်းအရာများကို ပိုမိုမှတ်မိစေရန် အထောက်အကူဖြစ်စေသည်။ ဤသင်ခန်းစာအစီအစဉ်ကို အပြည့်အစုံ သို့မဟုတ် အစိတ်အပိုင်းအဖြစ် လိုက်နာနိုင်ပြီး အလွယ်တကူနှင့် ပျော်ရွှင်စေရန် ရည်ရွယ်ထားသည်။ ပရောဂျက်များသည် သေးငယ်သောအရာများဖြင့် စတင်ပြီး 12 ပတ်အတွင်း ပိုမိုရှုပ်ထွေးလာသည်။ ဤသင်ခန်းစာအစီအစဉ်တွင် ML ၏ အမှန်တကယ်အသုံးချမှုများအကြောင်း postscript ပါဝင်ပြီး၊ အပိုအမှတ်အဖြစ် သို့မဟုတ် ဆွေးနွေးမှုအခြေခံအဖြစ် အသုံးပြုနိုင်သည်။

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

သင်ခန်းစာတစ်ခုစီတွင် ပါဝင်သည်

  • ရွေးချယ်နိုင်သော sketchnote
  • ရွေးချယ်နိုင်သော အပိုဗီဒီယို
  • ဗီဒီယို လမ်းညွှန် (သင်ခန်းစာတချို့တွင်သာ)
  • pre-lecture warmup quiz
  • ရေးသားထားသော သင်ခန်းစာ
  • ပရောဂျက်အခြေခံ သင်ခန်းစာများအတွက် ပရောဂျက်ကို တည်ဆောက်ရန် လမ်းညွှန်ချက်များ
  • knowledge checks
  • စိန်ခေါ်မှု
  • အပိုဆောင်းဖတ်ရှုရန်
  • လုပ်ငန်းတာဝန်
  • post-lecture quiz

ဘာသာစကားများအကြောင်း မှတ်ချက်: ဤသင်ခန်းစာများကို အဓိကအားဖြင့် Python ဖြင့် ရေးသားထားပြီး၊ R ဖြင့်လည်း ရရှိနိုင်သည်။ R သင်ခန်းစာကို ပြီးစီးရန် /solution ဖိုလ်ဒါသို့ သွားပြီး R သင်ခန်းစာများကို ရှာပါ။ .rmd extension ပါဝင်ပြီး၊ R Markdown ဖိုင်ကို Markdown စာရွက်စာတမ်းတွင် code chunks (R သို့မဟုတ် အခြားဘာသာစကားများ) နှင့် YAML header (PDF အဖြစ် output ကို format ပြုလုပ်ရန် လမ်းညွှန်ချက်) ကို ပေါင်းစပ်ထားသောအဖြစ် ရှင်းလင်းနိုင်သည်။ ထို့ကြောင့် ဒေတာသိပ္ပံအတွက် စံနမူနာရေးသားမှု framework အဖြစ် အထူးသင့်လျော်သည်။ R Markdown စာရွက်စာတမ်းများကို PDF, HTML, သို့မဟုတ် Word အဖြစ် output format များသို့ ပြောင်းနိုင်သည်။

စစ်တမ်းများအကြောင်း မှတ်ချက်: စစ်တမ်းအားလုံးကို Quiz App folder တွင် ပါဝင်ပြီး၊ စုစုပေါင်း 52 စစ်တမ်း၊ တစ်ခုလျှင် 3 မေးခွန်းပါဝင်သည်။ သင်ခန်းစာများတွင် link လုပ်ထားပြီး၊ quiz app ကို locally run လုပ်နိုင်သည်။ quiz-app ဖိုလ်ဒါတွင် လမ်းညွှန်ချက်များကို လိုက်နာ၍ locally host သို့မဟုတ် Azure သို့ deploy လုပ်ပါ။

| သင်ခန်းစာနံပါတ် | အကြောင်းအရာ | သင်ခန်းစာအုပ်စု | သင်ယူရမည့် ရ | 03 | တရားမျှတမှုနှင့် Machine Learning | Introduction | ML မော်ဒယ်များကို တည်ဆောက်ခြင်းနှင့် အသုံးပြုခြင်းတွင် ကျောင်းသားများစဉ်းစားသင့်သော တရားမျှတမှုဆိုင်ရာ အရေးကြီးသော အတွေးအမြင်များကဘာလဲ? | Lesson | Tomomi | | 04 | Machine Learning အတွက်နည်းလမ်းများ | Introduction | ML မော်ဒယ်များကို တည်ဆောက်ရန် ML သုတေသနပြုသူများ အသုံးပြုသော နည်းလမ်းများကဘာလဲ? | Lesson | Chris and Jen | | 05 | Regression အကြောင်းမိတ်ဆက် | Regression | Regression မော်ဒယ်များအတွက် Python နှင့် Scikit-learn ကို စတင်အသုံးပြုပါ | PythonR | Jen • Eric Wanjau | | 06 | မြောက်အမေရိက ကျွဲဖရုံဈေးနှုန်း 🎃 | Regression | ML အတွက် အချက်အလက်များကို မြင်ကွင်းကျယ်စေပြီး သန့်စင်ပါ | PythonR | Jen • Eric Wanjau | | 07 | မြောက်အမေရိက ကျွဲဖရုံဈေးနှုန်း 🎃 | Regression | Linear နှင့် Polynomial Regression မော်ဒယ်များကို တည်ဆောက်ပါ | PythonR | Jen and Dmitry • Eric Wanjau | | 08 | မြောက်အမေရိက ကျွဲဖရုံဈေးနှုန်း 🎃 | Regression | Logistic Regression မော်ဒယ်တစ်ခုကို တည်ဆောက်ပါ | PythonR | Jen • Eric Wanjau | | 09 | Web App 🔌 | Web App | သင်၏ ML မော်ဒယ်ကို အသုံးပြုရန် Web App တစ်ခုကို တည်ဆောက်ပါ | Python | Jen | | 10 | Classification အကြောင်းမိတ်ဆက် | Classification | သင်၏အချက်အလက်များကို သန့်စင်၊ ပြင်ဆင်၊ မြင်ကွင်းကျယ်စေပါ; Classification အကြောင်းမိတ်ဆက် | PythonR | Jen and Cassie • Eric Wanjau | | 11 | အာရှနှင့် အိန္ဒိယအစားအစာများ 🍜 | Classification | Classifiers အကြောင်းမိတ်ဆက် | PythonR | Jen and Cassie • Eric Wanjau | | 12 | အာရှနှင့် အိန္ဒိယအစားအစာများ 🍜 | Classification | Classifiers ပိုမိုလေ့လာပါ | PythonR | Jen and Cassie • Eric Wanjau | | 13 | အာရှနှင့် အိန္ဒိယအစားအစာများ 🍜 | Classification | သင်၏မော်ဒယ်ကို အသုံးပြု၍ recommender Web App တစ်ခုကို တည်ဆောက်ပါ | Python | Jen | | 14 | Clustering အကြောင်းမိတ်ဆက် | Clustering | သင်၏အချက်အလက်များကို သန့်စင်၊ ပြင်ဆင်၊ မြင်ကွင်းကျယ်စေပါ; Clustering အကြောင်းမိတ်ဆက် | PythonR | Jen • Eric Wanjau | | 15 | နိုင်ဂျီးရီးယားဂီတအရသာများ 🎧 | Clustering | K-Means Clustering နည်းလမ်းကို လေ့လာပါ | PythonR | Jen • Eric Wanjau | | 16 | သဘာဝဘာသာစကားကို အဆင့်ဆင့်လေ့လာခြင်း | Natural language processing | NLP အခြေခံကို လေ့လာပြီး Bot တစ်ခုကို တည်ဆောက်ပါ | Python | Stephen | | 17 | သဘာဝဘာသာစကားဆိုင်ရာ လုပ်ငန်း | Natural language processing | ဘာသာစကားဖွဲ့စည်းမှုများနှင့်ဆက်နွယ်သော လုပ်ငန်းများကို နားလည်ခြင်းအားဖြင့် သင်၏ NLP အသိပညာကို ပိုမိုတိုးမြှင့်ပါ | Python | Stephen | | 18 | ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားမှုခွဲခြားခြင်း ♥️ | Natural language processing | Jane Austen နှင့်အတူ ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားမှုခွဲခြားခြင်း | Python | Stephen | | 19 | ဥရောပ၏ Romantic ဟိုတယ်များ ♥️ | Natural language processing | ဟိုတယ်ပြန်လည်သုံးသပ်ချက်များနှင့် စိတ်ခံစားမှုခွဲခြားခြင်း 1 | Python | Stephen | | 20 | ဥရောပ၏ Romantic ဟိုတယ်များ ♥️ | Natural language processing | ဟိုတယ်ပြန်လည်သုံးသပ်ချက်များနှင့် စိတ်ခံစားမှုခွဲခြားခြင်း 2 | Python | Stephen | | 21 | အချိန်စီးဆင်းမှုခန့်မှန်းခြင်းအကြောင်းမိတ်ဆက် | Time series | အချိန်စီးဆင်းမှုခန့်မှန်းခြင်းအကြောင်းမိတ်ဆက် | Python | Francesca | | 22 | ကမ္ဘာ့လျှပ်စစ်စွမ်းအင်အသုံးပြုမှု - ARIMA ဖြင့် အချိန်စီးဆင်းမှုခန့်မှန်းခြင်း | Time series | ARIMA ဖြင့် အချိန်စီးဆင်းမှုခန့်မှန်းခြင်း | Python | Francesca | | 23 | ကမ္ဘာ့လျှပ်စစ်စွမ်းအင်အသုံးပြုမှု - SVR ဖြင့် အချိန်စီးဆင်းမှုခန့်မှန်းခြင်း | Time series | Support Vector Regressor ဖြင့် အချိန်စီးဆင်းမှုခန့်မှန်းခြင်း | Python | Anirban | | 24 | Reinforcement Learning အကြောင်းမိတ်ဆက် | Reinforcement learning | Q-Learning ဖြင့် Reinforcement Learning အကြောင်းမိတ်ဆက် | Python | Dmitry | | 25 | Peter ကို ဝက်ဝံမှ ကာကွယ်ပါ! 🐺 | Reinforcement learning | Reinforcement Learning Gym | Python | Dmitry | | Postscript | အမှန်တကယ် ML အခြေအနေများနှင့် လျှောက်လွှာများ | ML in the Wild | အထင်ကြီးစရာနှင့် ထင်ဟပ်စရာ အမှန်တကယ် classical ML လျှောက်လွှာများ | Lesson | Team | | Postscript | Responsible AI Dashboard ဖြင့် ML မော်ဒယ်များကို Debugging | ML in the Wild | Responsible AI Dashboard components ကို အသုံးပြု၍ Machine Learning မော်ဒယ်များကို Debugging | Lesson | Ruth Yakubu |

Microsoft Learn collection တွင်ဤသင်ခန်းစာအတွက် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကို ရှာဖွေပါ

Offline access

Docsify ကို အသုံးပြု၍ ဤစာရွက်စာတမ်းကို offline အနေဖြင့် လည်ပတ်နိုင်ပါသည်။ ဤ repo ကို Fork လုပ်ပြီး Docsify ကို သင့်ရဲ့ local machine မှာ install လုပ်ပါ၊ ထို့နောက် repo ရဲ့ root folder မှာ docsify serve ကို ရိုက်ထည့်ပါ။ Website ကို သင့် localhost ရဲ့ port 3000 မှာ localhost:3000 တွင် လည်ပတ်ပါမည်။

PDFs

လင့်ခ်များပါရှိသော curriculum ရဲ့ pdf ကို ဒီမှာ ရှာပါ။

🎒 အခြားသင်ခန်းစာများ

ကျွန်ုပ်တို့၏အဖွဲ့သည် အခြားသင်ခန်းစာများကို ထုတ်လုပ်ပါသည်! စစ်ဆေးပါ:


အကြောင်းကြားချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း အလိုအလျောက် ဘာသာပြန်ခြင်းတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါရှိနိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာပိုင်အရင်းအမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ဘာသာပြန်ပညာရှင်များကို အသုံးပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအလွတ်များ သို့မဟုတ် အနားယူမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။