ML-For-Beginners/translations/ml/AGENTS.md

AGENTS.md

Project Overview

ഇത് Machine Learning for Beginners ആണ്, പൈതൺ (പ്രധാനമായും Scikit-learn ഉപയോഗിച്ച്)യും R ഉം ഉപയോഗിച്ച് ക്ലാസിക് മെഷീൻ ലേണിംഗ് ആശയങ്ങൾ ഉൾക്കൊള്ളുന്ന സമഗ്രമായ 12 ആഴ്ച, 26 പാഠപുസ്തക കോഴ്സ്. ഈ റിപോസിറ്ററി സ്വയം പഠനത്തിനുള്ള ഒരു വിഭവമായി രൂപകൽപ്പന ചെയ്തതാണ്, പ്രായോഗിക പ്രോജക്റ്റുകൾ, ക്വിസുകൾ, അസൈൻമെന്റുകൾ എന്നിവയോടുകൂടി. ഓരോ പാഠവും ലോകമാകെയുള്ള വിവിധ സംസ്കാരങ്ങളുടെയും പ്രദേശങ്ങളുടെയും യഥാർത്ഥ ഡാറ്റ ഉപയോഗിച്ച് ML ആശയങ്ങൾ പരിശോധിക്കുന്നു.

പ്രധാന ഘടകങ്ങൾ:

• വിദ്യാഭ്യാസ ഉള്ളടക്കം: ML പരിചയം, റെഗ്രഷൻ, ക്ലാസിഫിക്കേഷൻ, ക്ലസ്റ്ററിംഗ്, NLP, ടൈം സീരീസ്, റീഇൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ് എന്നിവ ഉൾപ്പെടുന്ന 26 പാഠങ്ങൾ
• ക്വിസ് ആപ്പ്: Vue.js അടിസ്ഥാനമാക്കിയുള്ള ക്വിസ് ആപ്പ്, പാഠത്തിന് മുൻപും ശേഷവും മൂല്യനിർണയം
• ബഹുഭാഷാ പിന്തുണ: GitHub Actions വഴി 40+ ഭാഷകളിലേക്ക് സ്വയം വിവർത്തനം
• രണ്ടു ഭാഷാ പിന്തുണ: പാഠങ്ങൾ Python (Jupyter നോട്ട്‌ബുക്കുകൾ) ഉം R (R Markdown ഫയലുകൾ) ഉം ആയി ലഭ്യമാണ്
• പ്രോജക്റ്റ് അടിസ്ഥാന പഠനം: ഓരോ വിഷയത്തിനും പ്രായോഗിക പ്രോജക്റ്റുകളും അസൈൻമെന്റുകളും ഉൾപ്പെടുന്നു

Repository Structure

ML-For-Beginners/
├── 1-Introduction/         # ML basics, history, fairness, techniques
├── 2-Regression/          # Regression models with Python/R
├── 3-Web-App/            # Flask web app for ML model deployment
├── 4-Classification/      # Classification algorithms
├── 5-Clustering/         # Clustering techniques
├── 6-NLP/               # Natural Language Processing
├── 7-TimeSeries/        # Time series forecasting
├── 8-Reinforcement/     # Reinforcement learning
├── 9-Real-World/        # Real-world ML applications
├── quiz-app/           # Vue.js quiz application
├── translations/       # Auto-generated translations
└── sketchnotes/       # Visual learning aids

ഓരോ പാഠ ഫോൾഡറിലും സാധാരണയായി ഉണ്ടാകുന്നത്:

• README.md - പ്രധാന പാഠ ഉള്ളടക്കം
• notebook.ipynb - Python Jupyter നോട്ട്‌ബുക്ക്
• solution/ - പരിഹാര കോഡ് (Python, R പതിപ്പുകൾ)
• assignment.md - അഭ്യാസങ്ങൾ
• images/ - ദൃശ്യ വിഭവങ്ങൾ

Setup Commands

Python പാഠങ്ങൾക്കായി

മിക്ക പാഠങ്ങളും Jupyter നോട്ട്‌ബുക്കുകൾ ഉപയോഗിക്കുന്നു. ആവശ്യമായ ഡിപ്പെൻഡൻസികൾ ഇൻസ്റ്റാൾ ചെയ്യുക:

# Python 3.8+ ഇതിനകം ഇൻസ്റ്റാൾ ചെയ്തിട്ടില്ലെങ്കിൽ ഇൻസ്റ്റാൾ ചെയ്യുക
python --version

# Jupyter ഇൻസ്റ്റാൾ ചെയ്യുക
pip install jupyter

# സാധാരണ ML ലൈബ്രറികൾ ഇൻസ്റ്റാൾ ചെയ്യുക
pip install scikit-learn pandas numpy matplotlib seaborn

# പ്രത്യേക പാഠങ്ങൾക്കായി, പാഠം-നിർദ്ദിഷ്ട ആവശ്യകതകൾ പരിശോധിക്കുക
# ഉദാഹരണം: വെബ് ആപ്പ് പാഠം
pip install flask

R പാഠങ്ങൾക്കായി

R പാഠങ്ങൾ solution/R/ ഫോൾഡറുകളിൽ .rmd അല്ലെങ്കിൽ .ipynb ഫയലുകളായി ഉണ്ട്:

# Rയും ആവശ്യമായ പാക്കേജുകളും ഇൻസ്റ്റാൾ ചെയ്യുക
# R കൺസോളിൽ:
install.packages(c("tidyverse", "tidymodels", "caret"))

ക്വിസ് ആപ്പിനായി

ക്വിസ് ആപ്പ് quiz-app/ ഡയറക്ടറിയിൽ ഉള്ള Vue.js ആപ്പാണ്:

cd quiz-app
npm install

ഡോക്യുമെന്റേഷൻ സൈറ്റിനായി

ഡോക്യുമെന്റേഷൻ ലോക്കലായി പ്രവർത്തിപ്പിക്കാൻ:

# ഡോക്സിഫൈ ഇൻസ്റ്റാൾ ചെയ്യുക
npm install -g docsify-cli

# റിപോസിറ്ററി റൂട്ടിൽ നിന്ന് സർവ് ചെയ്യുക
docsify serve

# http://localhost:3000 ൽ ആക്‌സസ് ചെയ്യുക

Development Workflow

പാഠ നോട്ട്‌ബുക്കുകളുമായി ജോലി ചെയ്യൽ

1. പാഠ ഡയറക്ടറിയിലേക്ക് പോകുക (ഉദാ: 2-Regression/1-Tools/)
2. Jupyter നോട്ട്‌ബുക്ക് തുറക്കുക:

   jupyter notebook notebook.ipynb
   

3. പാഠ ഉള്ളടക്കം, അഭ്യാസങ്ങൾ ചെയ്യുക
4. ആവശ്യമായാൽ solution/ ഫോൾഡറിൽ പരിഹാരങ്ങൾ പരിശോധിക്കുക

Python ഡെവലപ്പ്മെന്റ്

• പാഠങ്ങൾ സാധാരണ Python ഡാറ്റ സയൻസ് ലൈബ്രറികൾ ഉപയോഗിക്കുന്നു
• ഇന്ററാക്ടീവ് പഠനത്തിന് Jupyter നോട്ട്‌ബുക്കുകൾ
• ഓരോ പാഠത്തിന്റെയും solution/ ഫോൾഡറിൽ പരിഹാര കോഡ് ലഭ്യമാണ്

R ഡെവലപ്പ്മെന്റ്

• R പാഠങ്ങൾ .rmd ഫോർമാറ്റിൽ (R Markdown)
• പരിഹാരങ്ങൾ solution/R/ സബ്‌ഡയറക്ടറികളിൽ
• RStudio അല്ലെങ്കിൽ R കർണൽ ഉപയോഗിച്ച് Jupyter വഴി R നോട്ട്‌ബുക്കുകൾ പ്രവർത്തിപ്പിക്കുക

ക്വിസ് ആപ്പ് ഡെവലപ്പ്മെന്റ്

cd quiz-app

# വികസന സെർവർ ആരംഭിക്കുക
npm run serve
# http://localhost:8080 ൽ പ്രവേശിക്കുക

# ഉത്പാദനത്തിനായി നിർമ്മിക്കുക
npm run build

# ഫയലുകൾ ലിന്റ് ചെയ്ത് ശരിയാക്കുക
npm run lint

Testing Instructions

ക്വിസ് ആപ്പ് ടെസ്റ്റിംഗ്

cd quiz-app

# കോഡ് ലിന്റ് ചെയ്യുക
npm run lint

# പിശകുകൾ ഇല്ലെന്ന് സ്ഥിരീകരിക്കാൻ നിർമ്മിക്കുക
npm run build

കുറിപ്പ്: ഇത് പ്രധാനമായും ഒരു വിദ്യാഭ്യാസ കോഴ്സ് റിപോസിറ്ററിയാണ്. പാഠ ഉള്ളടക്കത്തിന് യാന്ത്രിക പരിശോധനകൾ ഇല്ല. സാധൂകരണം നടത്തുന്നത്:

• പാഠ അഭ്യാസങ്ങൾ പൂർത്തിയാക്കൽ
• നോട്ട്‌ബുക്ക് സെല്ലുകൾ വിജയകരമായി പ്രവർത്തിപ്പിക്കൽ
• പരിഹാരങ്ങളിലെ പ്രതീക്ഷിച്ച ഫലങ്ങൾ പരിശോധിക്കൽ

Code Style Guidelines

Python കോഡ്

• PEP 8 സ്റ്റൈൽ മാർഗ്ഗനിർദ്ദേശങ്ങൾ പാലിക്കുക
• വ്യക്തമായ, വിവരണാത്മകമായ വേരിയബിൾ നാമങ്ങൾ ഉപയോഗിക്കുക
• സങ്കീർണ്ണ പ്രവർത്തനങ്ങൾക്ക് കമന്റുകൾ ഉൾപ്പെടുത്തുക
• Jupyter നോട്ട്‌ബുക്കുകളിൽ ആശയങ്ങൾ വിശദീകരിക്കുന്ന മാർക്ക്ഡൗൺ സെല്ലുകൾ വേണം

JavaScript/Vue.js (ക്വിസ് ആപ്പ്)

• Vue.js സ്റ്റൈൽ ഗൈഡ് പാലിക്കുക
• quiz-app/package.json ൽ ESLint കോൺഫിഗറേഷൻ
• പ്രശ്നങ്ങൾ പരിശോധിക്കാൻ, സ്വയം പരിഹരിക്കാൻ npm run lint ഓടിക്കുക

ഡോക്യുമെന്റേഷൻ

• മാർക്ക്ഡൗൺ ഫയലുകൾ വ്യക്തവും നന്നായി ഘടിപ്പിച്ചവയും ആയിരിക്കണം
• കോഡ് ഉദാഹരണങ്ങൾ ഫെൻസ്ഡ് കോഡ് ബ്ലോക്കുകളിൽ ഉൾപ്പെടുത്തുക
• ആന്തരിക റഫറൻസുകൾക്ക് സാപേക്ഷ ലിങ്കുകൾ ഉപയോഗിക്കുക
• നിലവിലുള്ള ഫോർമാറ്റിംഗ് പരമ്പരാഗതങ്ങൾ പാലിക്കുക

Build and Deployment

ക്വിസ് ആപ്പ് ഡിപ്ലോയ്മെന്റ്

ക്വിസ് ആപ്പ് Azure Static Web Apps-ലേക്ക് ഡിപ്ലോയ് ചെയ്യാം:

1. ആവശ്യങ്ങൾ:

   • Azure അക്കൗണ്ട്
   • GitHub റിപോസിറ്ററി (മുൻകൂട്ടി ഫോർക്ക് ചെയ്തത്)

2. Azure-ലേക്ക് ഡിപ്ലോയ് ചെയ്യുക:

   • Azure Static Web App റിസോഴ്‌സ് സൃഷ്ടിക്കുക
   • GitHub റിപോസിറ്ററിയുമായി കണക്ട് ചെയ്യുക
   • ആപ്പ് ലൊക്കേഷൻ: /quiz-app
   • ഔട്ട്പുട്ട് ലൊക്കേഷൻ: dist
   • Azure സ്വയം GitHub Actions workflow സൃഷ്ടിക്കും

3. GitHub Actions Workflow:

   • .github/workflows/azure-static-web-apps-*.yml ൽ workflow ഫയൽ സൃഷ്ടിക്കും
   • മെയിൻ ബ്രാഞ്ചിലേക്ക് പുഷ് ചെയ്താൽ സ്വയം ബിൽഡ് ചെയ്ത് ഡിപ്ലോയ് ചെയ്യും

ഡോക്യുമെന്റേഷൻ PDF

ഡോക്യുമെന്റേഷൻ നിന്ന് PDF സൃഷ്ടിക്കുക:

npm install
npm run convert

Translation Workflow

പ്രധാനമാണ്: വിവർത്തനങ്ങൾ GitHub Actions ഉപയോഗിച്ച് Co-op Translator വഴി സ്വയം നടക്കുന്നു.

• main ബ്രാഞ്ചിൽ മാറ്റങ്ങൾ പുഷ് ചെയ്താൽ സ്വയം വിവർത്തനം സൃഷ്ടിക്കും
• കൈയാൽ വിവർത്തനം ചെയ്യരുത് - സിസ്റ്റം തന്നെ കൈകാര്യം ചെയ്യും
• .github/workflows/co-op-translator.yml ൽ workflow നിർവചിച്ചിരിക്കുന്നു
• Azure AI/OpenAI സേവനങ്ങൾ ഉപയോഗിച്ച് വിവർത്തനം
• 40+ ഭാഷകൾക്ക് പിന്തുണ

Contributing Guidelines

ഉള്ളടക്കം സംഭാവനക്കാർക്കായി

1. റിപോസിറ്ററി ഫോർക്ക് ചെയ്ത് ഫീച്ചർ ബ്രാഞ്ച് സൃഷ്ടിക്കുക
2. പാഠ ഉള്ളടക്കം മാറ്റങ്ങൾ വരുത്തുക (പാഠങ്ങൾ ചേർക്കുകയോ അപ്ഡേറ്റ് ചെയ്യുകയോ ചെയ്യുമ്പോൾ)
3. വിവർത്തന ഫയലുകൾ മാറ്റരുത് - അവ സ്വയം സൃഷ്ടിക്കപ്പെട്ടവയാണ്
4. കോഡ് ടെസ്റ്റ് ചെയ്യുക - എല്ലാ നോട്ട്‌ബുക്ക് സെല്ലുകളും വിജയകരമായി ഓടണം
5. ലിങ്കുകളും ചിത്രങ്ങളും ശരിയാണെന്ന് ഉറപ്പാക്കുക
6. സ്പഷ്ടമായ വിവരണത്തോടെ പുൾ റിക്വസ്റ്റ് സമർപ്പിക്കുക

പുൾ റിക്വസ്റ്റ് മാർഗ്ഗനിർദ്ദേശങ്ങൾ

• ശീർഷകം ഫോർമാറ്റ്: [Section] മാറ്റങ്ങളുടെ സംക്ഷിപ്ത വിവരണം
  • ഉദാ: [Regression] പാഠം 5-ൽ ടൈപ്പോ ശരിയാക്കൽ
  • ഉദാ: [Quiz-App] ഡിപ്പെൻഡൻസികൾ അപ്ഡേറ്റ് ചെയ്യൽ
• സമർപ്പിക്കുന്നതിന് മുമ്പ്:
  • എല്ലാ നോട്ട്‌ബുക്ക് സെല്ലുകളും പിശകില്ലാതെ ഓടുന്നത് ഉറപ്പാക്കുക
  • ക്വിസ് ആപ്പ് മാറ്റുമ്പോൾ npm run lint ഓടിക്കുക
  • മാർക്ക്ഡൗൺ ഫോർമാറ്റിംഗ് പരിശോധിക്കുക
  • പുതിയ കോഡ് ഉദാഹരണങ്ങൾ ടെസ്റ്റ് ചെയ്യുക
• PR-ൽ ഉൾപ്പെടുത്തേണ്ടത്:
  • മാറ്റങ്ങളുടെ വിവരണം
  • മാറ്റങ്ങളുടെ കാരണം
  • UI മാറ്റങ്ങൾ ഉണ്ടെങ്കിൽ സ്ക്രീൻഷോട്ടുകൾ
• കോഡ് ഓഫ് കണ്ടക്റ്റ്: Microsoft Open Source Code of Conduct പാലിക്കുക
• CLA: Contributor License Agreement ഒപ്പിടേണ്ടതാണ്

Lesson Structure

ഓരോ പാഠവും ഒരു സ്ഥിരമായ മാതൃക പിന്തുടരുന്നു:

1. പ്രീ-ലെക്ചർ ക്വിസ് - അടിസ്ഥാന അറിവ് പരിശോധിക്കുക
2. പാഠ ഉള്ളടക്കം - എഴുത്ത് നിർദ്ദേശങ്ങളും വിശദീകരണങ്ങളും
3. കോഡ് ഡെമോ - നോട്ട്‌ബുക്കുകളിൽ പ്രായോഗിക ഉദാഹരണങ്ങൾ
4. അറിവ് പരിശോധനകൾ - പഠനമനസ്സിലാക്കൽ ഉറപ്പാക്കുക
5. ചലഞ്ച് - ആശയങ്ങൾ സ്വതന്ത്രമായി പ്രയോഗിക്കുക
6. അസൈൻമെന്റ് - വിപുലമായ അഭ്യാസം
7. പോസ്റ്റ്-ലെക്ചർ ക്വിസ് - പഠനഫലം വിലയിരുത്തുക

Common Commands Reference

# Python/Jupyter
jupyter notebook                    # Jupyter സെർവർ ആരംഭിക്കുക
jupyter notebook notebook.ipynb     # പ്രത്യേക നോട്ട്‌ബുക്ക് തുറക്കുക
pip install -r requirements.txt     # ആശ്രിതങ്ങൾ ഇൻസ്റ്റാൾ ചെയ്യുക (ലഭ്യമായിടത്ത്)

# ക്വിസ് ആപ്പ്
cd quiz-app
npm install                        # ആശ്രിതങ്ങൾ ഇൻസ്റ്റാൾ ചെയ്യുക
npm run serve                      # വികസന സെർവർ
npm run build                      # പ്രൊഡക്ഷൻ ബിൽഡ്
npm run lint                       # ലിന്റ് ചെയ്ത് ശരിയാക്കുക

# ഡോക്യുമെന്റേഷൻ
docsify serve                      # ഡോക്യുമെന്റേഷൻ പ്രാദേശികമായി സർവ് ചെയ്യുക
npm run convert                    # PDF സൃഷ്ടിക്കുക

# Git പ്രവൃത്തി പ്രവാഹം
git checkout -b feature/my-change  # ഫീച്ചർ ബ്രാഞ്ച് സൃഷ്ടിക്കുക
git add .                         # മാറ്റങ്ങൾ സ്റ്റേജ് ചെയ്യുക
git commit -m "Description"       # മാറ്റങ്ങൾ കമ്മിറ്റ് ചെയ്യുക
git push origin feature/my-change # റിമോട്ട്‌ിലേക്ക് പുഷ് ചെയ്യുക

Additional Resources

• Microsoft Learn Collection: ML for Beginners modules
• Quiz App: Online quizzes
• Discussion Board: GitHub Discussions
• Video Walkthroughs: YouTube Playlist

Key Technologies

• Python: ML പാഠങ്ങൾക്ക് പ്രധാന ഭാഷ (Scikit-learn, Pandas, NumPy, Matplotlib)
• R: tidyverse, tidymodels, caret ഉപയോഗിച്ച് ബദൽ നടപ്പാക്കൽ
• Jupyter: Python പാഠങ്ങൾക്ക് ഇന്ററാക്ടീവ് നോട്ട്‌ബുക്കുകൾ
• R Markdown: R പാഠങ്ങൾക്ക് ഡോക്യുമെന്റുകൾ
• Vue.js 3: ക്വിസ് ആപ്പ് ഫ്രെയിംവർക്ക്
• Flask: ML മോഡൽ ഡിപ്ലോയ്മെന്റിനുള്ള വെബ് ആപ്പ് ഫ്രെയിംവർക്ക്
• Docsify: ഡോക്യുമെന്റേഷൻ സൈറ്റ് ജനറേറ്റർ
• GitHub Actions: CI/CD, സ്വയം വിവർത്തനങ്ങൾ

Security Considerations

• കോഡിൽ രഹസ്യങ്ങൾ ഇല്ല: API കീകൾ അല്ലെങ്കിൽ ക്രെഡൻഷ്യലുകൾ ഒരിക്കലും കമ്മിറ്റ് ചെയ്യരുത്
• ഡിപ്പെൻഡൻസികൾ: npm, pip പാക്കേജുകൾ അപ്ഡേറ്റ് ചെയ്തിരിക്കണം
• ഉപയോക്തൃ ഇൻപുട്ട്: Flask വെബ് ആപ്പ് ഉദാഹരണങ്ങളിൽ അടിസ്ഥാന ഇൻപുട്ട് പരിശോധന
• സെൻസിറ്റീവ് ഡാറ്റ: ഉദാഹരണ ഡാറ്റാസെറ്റുകൾ പൊതു, സെൻസിറ്റീവ് അല്ല

Troubleshooting

Jupyter നോട്ട്‌ബുക്കുകൾ

• കർണൽ പ്രശ്നങ്ങൾ: സെല്ലുകൾ ഹാംഗായാൽ Kernel → Restart ചെയ്യുക
• ഇംപോർട്ട് പിശകുകൾ: ആവശ്യമായ പാക്കേജുകൾ pip ഉപയോഗിച്ച് ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക
• പാത പ്രശ്നങ്ങൾ: നോട്ട്‌ബുക്കുകൾ അവരുടെ ഉള്ള ഡയറക്ടറിയിൽ നിന്ന് ഓടിക്കുക

ക്വിസ് ആപ്പ്

• npm install പരാജയം: npm കാഷെ ക്ലിയർ ചെയ്യുക: npm cache clean --force
• പോർട്ട് കോൺഫ്ലിക്റ്റുകൾ: പോർട്ട് മാറ്റാൻ: npm run serve -- --port 8081
• ബിൽഡ് പിശകുകൾ: node_modules ഡിലീറ്റ് ചെയ്ത് വീണ്ടും ഇൻസ്റ്റാൾ ചെയ്യുക: rm -rf node_modules && npm install

R പാഠങ്ങൾ

• പാക്കേജ് കണ്ടെത്താനില്ല: ഇൻസ്റ്റാൾ ചെയ്യുക: install.packages("package-name")
• RMarkdown റെൻഡറിംഗ്: rmarkdown പാക്കേജ് ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക
• കർണൽ പ്രശ്നങ്ങൾ: Jupyter-ക്ക് IRkernel ഇൻസ്റ്റാൾ ചെയ്യേണ്ടതുണ്ടാകാം

Project-Specific Notes

• ഇത് പ്രധാനമായും പഠന കോഴ്സ് ആണ്, പ്രൊഡക്ഷൻ കോഡ് അല്ല
• ML ആശയങ്ങൾ മനസ്സിലാക്കലിൽ പ്രാധാന്യം, പ്രായോഗിക അഭ്യാസം മുഖേന
• കോഡ് ഉദാഹരണങ്ങൾ വ്യക്തതയ്ക്ക് മുൻഗണന
• മിക്ക പാഠങ്ങളും സ്വയം പൂർത്തിയാക്കാവുന്നതും സ്വതന്ത്രവുമാണ്
• പരിഹാരങ്ങൾ നൽകിയിട്ടുണ്ട്, പക്ഷേ പഠിതാക്കൾ ആദ്യം അഭ്യാസങ്ങൾ ശ്രമിക്കണം
• റിപോസിറ്ററി Docsify ഉപയോഗിച്ച് വെബ് ഡോക്യുമെന്റേഷൻ സൃഷ്ടിക്കുന്നു, ബിൽഡ് ഘട്ടമില്ലാതെ
• സ്കെച്ച്നോട്ടുകൾ ആശയങ്ങളുടെ ദൃശ്യ സംഗ്രഹങ്ങൾ നൽകുന്നു
• ബഹുഭാഷാ പിന്തുണ ഉള്ളടക്കം ആഗോളമായി ലഭ്യമാക്കുന്നു

---

അസൂയാ:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് പരിഗണിക്കേണ്ടതാണ്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.