ML-For-Beginners/translations/my

🌐 ဘာသာစကားစုံထောက်ပံ့မှု

GitHub Action မှတဆင့် ထောက်ပံ့ထားသည် (အလိုအလျောက်နှင့် အမြဲတမ်းနောက်ဆုံးပေါ်)

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 | 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

ကျွန်ုပ်တို့၏ အသိုင်းအဝိုင်းသို့ လာရောက်ပါ

ကျွန်ုပ်တို့မှာ Discord တွင် AI နှင့်အတူ သင်ယူခြင်း စီးရီးတစ်ခုရှိပြီး၊ ၂၀၂၅ ခုနှစ် စက်တင်ဘာ ၁၈ ရက်မှ ၃၀ ရက်အထိ Learn with AI Series တွင် ပိုမိုသိရှိပြီး ကျွန်ုပ်တို့နှင့် ပူးပေါင်းပါ။ GitHub Copilot ကို Data Science အတွက် အသုံးပြုနည်းများနှင့် အကြံဉာဏ်များ ရရှိမည်ဖြစ်သည်။

စတင်သင်ယူသူများအတွက် စက်မှုသင်ယူခြင်း - သင်ရိုးညွှန်းတမ်း

🌍 ကမ္ဘာတစ်ဝှမ်း ခရီးသွားပြီး ကမ္ဘာ့ယဉ်ကျေးမှုများမှတဆင့် စက်မှုသင်ယူခြင်းကို ရှာဖွေကြမည် 🌍

Microsoft ၏ Cloud Advocates များသည် စက်မှုသင်ယူခြင်း အကြောင်း ၁၂ ပတ်၊ ၂၆ သင်ခန်းစာ သင်ရိုးညွှန်းတမ်းကို ပေးအပ်ရန် ဝမ်းမြောက်ပါသည်။ ဤသင်ရိုးတွင် အဓိကအားဖြင့် Scikit-learn ကို စာကြည့်တိုက်အဖြစ် အသုံးပြု၍ အချို့အခါတွင် ရိုးရာစက်မှုသင်ယူခြင်း ဟုခေါ်သော အကြောင်းအရာများကို သင်ယူမည်ဖြစ်ပြီး၊ နက်ရှိုင်းစွာသင်ယူခြင်းကို ကျွန်ုပ်တို့၏ AI for Beginners' curriculum တွင် ဖော်ပြထားသည်။ ဤသင်ခန်းစာများကို ကျွန်ုပ်တို့၏ 'Data Science for Beginners' curriculum နှင့် တွဲဖက်၍လည်း သင်ယူနိုင်ပါသည်။

ကမ္ဘာတစ်ဝှမ်း ခရီးသွားပြီး ဤရိုးရာနည်းလမ်းများကို ကမ္ဘာ့ဒေတာများတွင် အသုံးပြုကြမည်။ သင်ခန်းစာတိုင်းတွင် သင်ခန်းစာမတိုင်မီနှင့်ပြီးနောက် စစ်တမ်းများ၊ သင်ခန်းစာကို ပြီးမြောက်စေရန် ရေးသားထားသော လမ်းညွှန်ချက်များ၊ ဖြေရှင်းချက်၊ တာဝန်ပေးမှုများနှင့် အခြားအရာများ ပါဝင်သည်။ ကျွန်ုပ်တို့၏ ပရောဂျက်အခြေပြု သင်ကြားမှုနည်းလမ်းသည် သင်ယူသူများကို တည်ဆောက်ခြင်းဖြင့် သင်ယူနိုင်စေပြီး၊ အသစ်သော ကျွမ်းကျင်မှုများကို တည်ငြိမ်စေသည်။

✍️ 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

🎨 ပုံဆွဲသူများအားလည်း ကျေးဇူးတင်ပါသည် Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 Microsoft Student Ambassador စာရေးသူများ၊ ပြန်လည်သုံးသပ်သူများနှင့် အကြောင်းအရာ ပံ့ပိုးသူများအား အထူးကျေးဇူးတင်ပါသည်၊ အထူးသဖြင့် 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 တို့အား R သင်ခန်းစာများအတွက် ထပ်မံကျေးဇူးတင်ပါသည်!

စတင်ခြင်း

အောက်ပါအဆင့်များကို လိုက်နာပါ-

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

ဤသင်တန်းအတွက် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကို ကျွန်ုပ်တို့၏ Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ

🔧 ကူညီလိုပါသလား? ထည့်သွင်းခြင်း၊ စတင်ခြင်းနှင့် သင်ခန်းစာများကို အလုပ်လုပ်စေရန် ဖြစ်ပေါ်နိုင်သော ပြဿနာများအတွက် ကျွန်ုပ်တို့၏ ပြဿနာဖြေရှင်းလမ်းညွှန် ကို ကြည့်ပါ။

ကျောင်းသားများ၊ ဤသင်ရိုးကို အသုံးပြုရန်၊ သင်၏ GitHub အကောင့်သို့ အပြည့်အစုံ Fork လုပ်ပြီး ကိုယ်တိုင် သို့မဟုတ် အဖွဲ့လိုက်ဖြင့် လေ့ကျင့်ခန်းများ ပြီးမြောက်စေရန်-

• သင်ခန်းစာမတိုင်မီ စစ်တမ်းဖြေပါ။
• သင်ခန်းစာကို ဖတ်ပြီး လေ့ကျင့်ခန်းများ ပြီးမြောက်စေပါ၊ နားဆင်ပြီး သိရှိမှုစစ်ဆေးမှုများတွင် ရပ်နားစဉ်းစားပါ။
• ဖြေရှင်းချက်ကုဒ်ကို တိုက်ရိုက်ပြေးခြင်းမပြုဘဲ သင်ခန်းစာများကို နားလည်ပြီး ပရောဂျက်များ ဖန်တီးရန် ကြိုးစားပါ။ သို့သော် အဆိုပါကုဒ်များကို ပရောဂျက်အခြေပြု သင်ခန်းစာတိုင်းရှိ /solution ဖိုလ်ဒါတွင် ရနိုင်ပါသည်။
• သင်ခန်းစာပြီးနောက် စစ်တမ်းဖြေပါ။
• စိန်ခေါ်မှုကို ပြီးမြောက်စေပါ။
• တာဝန်ပေးမှုကို ပြီးမြောက်စေပါ။
• သင်ခန်းစာအုပ်စုတစ်ခု ပြီးမြောက်ပြီးနောက် ဆွေးနွေးပွဲဖိုရမ် သို့ သွားပြီး သင့်သင်ယူမှုကို "အသံထွက်စေ" အတွက် သင့် PAT rubric ကို ဖြည့်ပါ။ 'PAT' သည် သင်ယူမှုတိုးတက်မှု အကဲဖြတ်ကိရိယာဖြစ်ပြီး သင်ယူမှုကို တိုးတက်စေသည်။ အခြား PAT များကိုလည်း တုံ့ပြန်နိုင်ပြီး အတူတကွ သင်ယူနိုင်ပါသည်။

ပိုမိုလေ့လာလိုပါက ကျွန်ုပ်တို့၏ Microsoft Learn မော်ဂျူးများနှင့် သင်ယူမှုလမ်းကြောင်းများကို လိုက်နာရန် အကြံပြုပါသည်။

ဆရာ/ဆရာမများအတွက်၊ ဤသင်ရိုးကို မည်သို့ အသုံးပြုရမည်ကို အကြံပြုချက်များ ထည့်သွင်းထားပါသည်။

---

ဗီဒီယိုလမ်းညွှန်များ

သင်ခန်းစာအချို့ကို အတိုချုပ်ဗီဒီယိုအဖြစ် ရရှိနိုင်ပါသည်။ ဤဗီဒီယိုများအားလုံးကို သင်ခန်းစာများအတွင်းတွင် သို့မဟုတ် Microsoft Developer YouTube ချန်နယ်ရှိ ML for Beginners playlist တွင် ဓာတ်ပုံကို နှိပ်၍ ကြည့်ရှုနိုင်ပါသည်။

---

အဖွဲ့ဝင်များကို တွေ့ဆုံခြင်း

Gif ကို ဖန်တီးသူ Mohit Jaisal

🎥 ပရောဂျက်နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကြည့်ရန် ဓာတ်ပုံကို နှိပ်ပါ!

---

သင်ကြားမှုနည်းဗျူဟာ

ဤသင်ရိုးကို တည်ဆောက်ရာတွင် ကျွန်ုပ်တို့သည် လက်တွေ့လုပ်ဆောင်နိုင်သော ပရောဂျက်အခြေပြု နည်းလမ်းနှင့် အကြိမ်ကြိမ် စစ်တမ်းများ ပါဝင်စေရန် နှစ်ခုသော သင်ကြားမှုအခြေခံအယူအဆများကို ရွေးချယ်ခဲ့သည်။ ထို့အပြင် ဤသင်ရိုးတွင် ပေါင်းစည်းမှုရှိစေရန် အဓိကအကြောင်းအရာ တစ်ခုပါဝင်သည်။

အကြောင်းအရာများကို ပရောဂျက်များနှင့် ကိုက်ညီစေရန် သေချာစေခြင်းဖြင့် ကျောင်းသားများအတွက် ပိုမိုစိတ်ဝင်စားဖွယ်ကောင်းပြီး အယူအဆများကို ပိုမိုသိမ်းဆည်းနိုင်မည်ဖြစ်သည်။ ထို့အပြင် သင်တန်းမတိုင်မီ စစ်တမ်းတစ်ခုက ကျောင်းသား၏ သင်ယူလိုစိတ်ကို ဖော်ထုတ်ပေးပြီး၊ သင်တန်းပြီးနောက် စစ်တမ်းတစ်ခုက ပိုမိုသိမ်းဆည်းနိုင်စေသည်။ ဤသင်ရိုးကို လွယ်ကူပြီး ပျော်ရွှင်စရာဖြစ်စေရန် ဒီဇိုင်းရေးဆွဲထားပြီး အပိုင်းအစအလိုက် သို့မဟုတ် အပြည့်အစုံ သင်ယူနိုင်သည်။ ပရောဂျက်များသည် စတင်မှာ သေးငယ်ပြီး ၁၂ ပတ်အတွင်း တိုးတက်မှုရှိလာသည်။ ဤသင်ရိုးတွင် ML ၏ လက်တွေ့အသုံးချမှုများအပေါ် အပိုဆောင်းအကြောင်းအရာတစ်ခုပါဝင်ပြီး၊ ထပ်မံအမှတ်ပေးခြင်း သို့မဟုတ် ဆွေးနွေးရန် အခြေခံအဖြစ် အသုံးပြုနိုင်သည်။

ကျွန်ုပ်တို့၏ Code of Conduct, Contributing, Translation, နှင့် Troubleshooting လမ်းညွှန်ချက်များကို ရှာဖွေပါ။ သင့်၏ တည်ဆောက်မှုဆန့်ကျင်သော တုံ့ပြန်ချက်များကို ကြိုဆိုပါသည်!

သင်ခန်းစာတိုင်းတွင် ပါဝင်သည်

• ရွေးချယ်နိုင်သော စကက်ချ်မှတ်စု
• ရွေးချယ်နိုင်သော ထောက်ပံ့ဗီဒီယို
• ဗီဒီယိုလမ်းညွှန် (သင်ခန်းစာအချို့သာ)
• သင်ခန်းစာမတိုင်မီ အပူအအေး စစ်တမ်း
• ရေးသားထားသော သင်ခန်းစာ
• ပရောဂျက်အခြေပြု သင်ခန်းစာများအတွက် ပရောဂျက်တည်ဆောက်နည်း လမ်းညွှန်ချက်များ
• သိရှိမှုစစ်ဆေးမှုများ
• စိန်ခေါ်မှု
• ထောက်ပံ့စာဖတ်ခြင်း
• တာဝန်ပေးမှု
• သင်ခန်းစာပြီးနောက် စစ်တမ်း

ဘာသာစကားအကြောင်း မှတ်ချက်: ဤသင်ခန်းစာများသည် အဓိကအားဖြင့် Python ဖြင့် ရေးသားထားသော်လည်း R ဖြင့်လည်း ရရှိနိုင်သည်။ R သင်ခန်းစာတစ်ခု ပြီးမြောက်ရန် /solution ဖိုလ်ဒါသို့ သွားပြီး R သင်ခန်းစာများကို ရှာဖွေပါ။ ၎င်းတို့တွင် .rmd တိုးချဲ့မှုရှိပြီး၊ ၎င်းသည် R Markdown ဖိုင်တစ်ခုဖြစ်သည်။ ၎င်းသည် code chunks (R သို့မဟုတ် အခြားဘာသာစကားများ) နှင့် YAML header (PDF ကဲ့သို့သော output များကို ဖော်ပြရန် လမ်းညွှန်ချက်) ကို Markdown စာရွက်စာတမ်းထဲတွင် ထည့်သွင်းထားခြင်းဖြစ်သည်။ ထို့ကြောင့် သင်၏ကုဒ်၊ ၎င်း၏ output နှင့် သင်၏စိတ်ကူးများကို Markdown ဖြင့် ရေးသားနိုင်စေသော ဒေတာသိပ္ပံအတွက် ဥပမာဆန်သော စာရေးဆွဲမှု ဖွဲ့စည်းမှုတစ်ခုအဖြစ် အသုံးပြုနိုင်သည်။ ထို့အပြင် R Markdown စာရွက်စာတမ်းများကို PDF, HTML သို့မဟုတ် Word ကဲ့သို့သော output ပုံစံများသို့ ပြောင်းလဲနိုင်သည်။

စစ်တမ်းများအကြောင်း မှတ်ချက်: စစ်တမ်းအားလုံးကို Quiz App ဖိုလ်ဒါ တွင် ထည့်သွင်းထားပြီး၊ စစ်တမ်း ၅၂ ခုရှိပြီး မေးခွန်းသုံးခုစီပါဝင်သည်။ သင်ခန်းစာများမှ လင့်ခ်ထားသော်လည်း quiz app ကို ဒေသတွင်းတွင် ပြေးနိုင်သည်။ ဒေသတွင်း host သို့မဟုတ် Azure သို့ တင်ရန် quiz-app ဖိုလ်ဒါအတွင်း လမ်းညွှန်ချက်ကို လိုက်နာပါ။

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	စက်မှုသင်ယူမှုအတွက်နိဒါန်း	Introduction	စက်မှုသင်ယူမှု၏အခြေခံအယူအဆများကိုလေ့လာပါ	Lesson	Muhammad
02	စက်မှုသင်ယူမှု၏သမိုင်းကြောင်း	Introduction	ဤနယ်ပယ်၏သမိုင်းကြောင်းကိုလေ့လာပါ	Lesson	Jen and Amy
03	တရားမျှတမှုနှင့်စက်မှုသင်ယူမှု	Introduction	စက်မှုသင်ယူမှုမော်ဒယ်များကိုတည်ဆောက်ခြင်းနှင့်အသုံးပြုခြင်းအတွင်း တရားမျှတမှုနှင့်ပတ်သက်သော အရေးကြီးသော фီလိုဆိုဖီဆွေးနွေးချက်များကို ကျောင်းသားများစဉ်းစားသင့်သည်။	Lesson	Tomomi
04	စက်မှုသင်ယူမှုနည်းပညာများ	Introduction	စက်မှုသင်ယူမှုသုတေသနပညာရှင်များသည် စက်မှုသင်ယူမှုမော်ဒယ်များကိုတည်ဆောက်ရာတွင် ဘယ်နည်းပညာများကိုအသုံးပြုသနည်း?	Lesson	Chris and Jen
05	ပြန်လည်ဆန်းစစ်ခြင်းအတွက်နိဒါန်း	Regression	ပြန်လည်ဆန်းစစ်ခြင်းမော်ဒယ်များအတွက် Python နှင့် Scikit-learn ဖြင့် စတင်ပါ	Python • R	Jen • Eric Wanjau
06	မြောက်အမေရိကန်ဖရဲသီးဈေးနှုန်းများ 🎃	Regression	စက်မှုသင်ယူမှုအတွက် ဒေတာကိုမြင်သာစေပြီး သန့်ရှင်းစင်ကြယ်အောင်ပြုလုပ်ပါ	Python • R	Jen • Eric Wanjau
07	မြောက်အမေရိကန်ဖရဲသီးဈေးနှုန်းများ 🎃	Regression	လိုင်းနည်းပြန်လည်ဆန်းစစ်ခြင်းနှင့် ပေါ်လီနိုမီယယ်ပြန်လည်ဆန်းစစ်ခြင်းမော်ဒယ်များ တည်ဆောက်ပါ	Python • R	Jen and Dmitry • Eric Wanjau
08	မြောက်အမေရိကန်ဖရဲသီးဈေးနှုန်းများ 🎃	Regression	လော့ဂျစ်စတစ်ပြန်လည်ဆန်းစစ်ခြင်းမော်ဒယ်တစ်ခု တည်ဆောက်ပါ	Python • R	Jen • Eric Wanjau
09	ဝက်ဘ်အက်ပ် 🔌	Web App	သင်၏လေ့ကျင့်ပြီးသောမော်ဒယ်ကိုအသုံးပြုရန် ဝက်ဘ်အက်ပ်တစ်ခု တည်ဆောက်ပါ	Python	Jen
10	အမျိုးအစားခွဲခြားခြင်းအတွက်နိဒါန်း	Classification	သင်၏ဒေတာကို သန့်ရှင်းစင်ကြယ်အောင်ပြုလုပ်ခြင်း၊ ပြင်ဆင်ခြင်းနှင့် မြင်သာစေခြင်း; အမျိုးအစားခွဲခြားခြင်းအတွက်နိဒါန်း	Python • R	Jen and Cassie • Eric Wanjau
11	အာရှနှင့်အိန္ဒိယအစားအစာအရသာများ 🍜	Classification	အမျိုးအစားခွဲခြားသူများအတွက်နိဒါန်း	Python • R	Jen and Cassie • Eric Wanjau
12	အာရှနှင့်အိန္ဒိယအစားအစာအရသာများ 🍜	Classification	အမျိုးအစားခွဲခြားသူများပိုများ	Python • R	Jen and Cassie • Eric Wanjau
13	အာရှနှင့်အိန္ဒိယအစားအစာအရသာများ 🍜	Classification	သင်၏မော်ဒယ်ကိုအသုံးပြု၍ အကြံပြုသူဝက်ဘ်အက်ပ်တစ်ခု တည်ဆောက်ပါ	Python	Jen
14	အုပ်စုခွဲခြင်းအတွက်နိဒါန်း	Clustering	သင်၏ဒေတာကို သန့်ရှင်းစင်ကြယ်အောင်ပြုလုပ်ခြင်း၊ ပြင်ဆင်ခြင်းနှင့် မြင်သာစေခြင်း; အုပ်စုခွဲခြင်းအတွက်နိဒါန်း	Python • R	Jen • Eric Wanjau
15	နိုင်ဂျီးရီးယားဂီတအရသာများကို ရှာဖွေခြင်း 🎧	Clustering	K-Means အုပ်စုခွဲခြင်းနည်းကို ရှာဖွေပါ	Python • R	Jen • Eric Wanjau
16	သဘာဝဘာသာစကားကိုင်တွယ်ခြင်းအတွက်နိဒါန်း ☕️	Natural language processing	ရိုးရှင်းသောဘော့တစ်ခု တည်ဆောက်ခြင်းဖြင့် NLP အခြေခံများကိုလေ့လာပါ	Python	Stephen
17	ပုံမှန် NLP လုပ်ငန်းများ ☕️	Natural language processing	ဘာသာစကားဖွဲ့စည်းမှုများနှင့်ဆိုင်သော ပုံမှန်လုပ်ငန်းများကို နားလည်ခြင်းဖြင့် သင်၏ NLP အသိပညာကို ပိုမိုနက်ရှိုင်းစေပါ	Python	Stephen
18	ဘာသာပြန်ခြင်းနှင့်ခံစားချက်ခွဲခြမ်းစိတ်ဖြာခြင်း ♥️	Natural language processing	Jane Austen နှင့်အတူ ဘာသာပြန်ခြင်းနှင့်ခံစားချက်ခွဲခြမ်းစိတ်ဖြာခြင်း	Python	Stephen
19	ဥရောပရဲ့ ရည်းစားဆိုင်ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်သုံးသပ်ချက်များဖြင့်ခံစားချက်ခွဲခြမ်းစိတ်ဖြာခြင်း ၁	Python	Stephen
20	ဥရောပရဲ့ ရည်းစားဆိုင်ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်သုံးသပ်ချက်များဖြင့်ခံစားချက်ခွဲခြမ်းစိတ်ဖြာခြင်း ၂	Python	Stephen
21	အချိန်စီးရီးခန့်မှန်းခြင်းအတွက်နိဒါန်း	Time series	အချိန်စီးရီးခန့်မှန်းခြင်းအတွက်နိဒါန်း	Python	Francesca
22	⚡️ ကမ္ဘာ့စွမ်းအင်အသုံးပြုမှု ⚡️ - ARIMA ဖြင့် အချိန်စီးရီးခန့်မှန်းခြင်း	Time series	ARIMA ဖြင့် အချိန်စီးရီးခန့်မှန်းခြင်း	Python	Francesca
23	⚡️ ကမ္ဘာ့စွမ်းအင်အသုံးပြုမှု ⚡️ - SVR ဖြင့် အချိန်စီးရီးခန့်မှန်းခြင်း	Time series	Support Vector Regressor ဖြင့် အချိန်စီးရီးခန့်မှန်းခြင်း	Python	Anirban
24	အားပေးသင်ယူမှုအတွက်နိဒါန်း	Reinforcement learning	Q-Learning ဖြင့် အားပေးသင်ယူမှုအတွက်နိဒါန်း	Python	Dmitry
25	Peter ကိုကျားကလေးမှကာကွယ်ပါ! 🐺	Reinforcement learning	အားပေးသင်ယူမှု Gym	Python	Dmitry
Postscript	အမှန်တကယ်ရှိသော ML အခြေအနေများနှင့် အသုံးချမှုများ	ML in the Wild	ရိုးရာ ML ၏ စိတ်ဝင်စားဖွယ်နှင့် ဖော်ထုတ်ဖော်ပြချက်များ	Lesson	Team
Postscript	RAI dashboard ကို အသုံးပြု၍ ML မော်ဒယ်များကို ပြင်ဆင်ခြင်း	ML in the Wild	တာဝန်ရှိသော AI dashboard အစိတ်အပိုင်းများကို အသုံးပြု၍ စက်မှုသင်ယူမှု မော်ဒယ်များ ပြင်ဆင်ခြင်း	Lesson	Ruth Yakubu

ဤသင်တန်းအတွက် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကို Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ

အော့ဖ်လိုင်း အသုံးပြုမှု

Docsify ကို အသုံးပြု၍ ဤစာတမ်းကို အော့ဖ်လိုင်းတွင် လည်ပတ်နိုင်သည်။ ဤ repo ကို fork လုပ်ပြီး၊ သင့်ဒေသတွင် Docsify ကို 설치 ပြုလုပ်ပါ၊ ထို့နောက် ဤ repo ၏ root ဖိုလ်ဒါတွင် docsify serve ဟုရိုက်ထည့်ပါ။ ဝက်ဘ်ဆိုက်ကို သင့် localhost တွင် port 3000 ဖြင့် ဝန်ဆောင်မှုပေးမည်ဖြစ်သည်။ localhost:3000။

PDF များ

လင့်ခ်များပါသော သင်ရိုးညွှန်းတမ်း PDF ကို ဤနေရာတွင် ရှာဖွေပါ။

🎒 အခြားသင်တန်းများ

ကျွန်ုပ်တို့အဖွဲ့သည် အခြားသင်တန်းများကို ထုတ်လုပ်ပါသည်! စစ်ဆေးကြည့်ပါ:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

အခြေခံသင်ယူမှု

---

Copilot စီးရီးများ

အကူအညီရယူခြင်း

AI အက်ပ်များ တည်ဆောက်ရာတွင် အခက်အခဲများရှိပါက သို့မဟုတ် မေးခွန်းများရှိပါက MCP တွင် သင်ယူနေသူများနှင့် အတွေ့အကြုံရှိ ဖွံ့ဖြိုးသူများနှင့် ဆွေးနွေးပွဲများတွင် ပါဝင်ဆွေးနွေးနိုင်ပါသည်။ ၎င်းသည် မေးခွန်းများကို ကြိုဆိုပြီး အသိပညာများကို လွတ်လပ်စွာ မျှဝေသော ပံ့ပိုးမှုရှိသော အသိုင်းအဝိုင်းတစ်ခုဖြစ်သည်။

ထုတ်ကုန်တုံ့ပြန်ချက်များ သို့မဟုတ် အမှားများရှိပါက ဖွံ့ဖြိုးတည်ဆောက်ရာတွင် အောက်ပါနေရာသို့ သွားရောက်ကြည့်ရှုနိုင်ပါသည်-

---

အကြောင်းကြားချက်
ဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ဖြင့် ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားနေသော်လည်း၊ အလိုအလျောက် ဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် မေတ္တာရပ်ခံအပ်ပါသည်။ မူရင်းစာတမ်းကို မိမိဘာသာစကားဖြင့်သာ တရားဝင်အရင်းအမြစ်အဖြစ် သတ်မှတ်စဉ်းစားသင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ပညာရှင်များ၏ ပရော်ဖက်ရှင်နယ် ဘာသာပြန်ခြင်းကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုရာမှ ဖြစ်ပေါ်လာနိုင်သည့် နားလည်မှုမှားယွင်းမှုများ သို့မဟုတ် မှားဖတ်မှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။