39 KiB
🌐 ဘာသာစကားများ အထောက်အပံ့
GitHub Action (အလိုအလျောက် & အမြဲနောက်ဆုံးပေါ်) မှတဆင့် ထောက်ခံထားသည်
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
AI နှင့် သင်ယူခြင်း စီးရီးကို Discord တွင် လက်ရှိလုပ်ဆောင်နေပြီး၊ 2025 ခုနှစ် စက်တင်ဘာလ 18 ရက်မှ 30 ရက်အထိ Learn with AI Series တွင် ပိုမိုသိရှိရန်နှင့် ကျွန်ုပ်တို့နှင့် ပူးပေါင်းပါ။ GitHub Copilot ကို Data Science အတွက် အသုံးပြုခြင်းဆိုင်ရာ အကြံဉာဏ်များနှင့် လှည့်ကွက်များကို ရရှိပါမည်။
စတင်သူများအတွက် Machine Learning - သင်ခန်းစာများ
🌍 ကမ္ဘာ့ယဉ်ကျေးမှုများကို အသုံးပြု၍ Machine Learning ကို လေ့လာရင်း ကမ္ဘာ့ခရီးသွား 🌍
Microsoft မှ Cloud Advocates များသည် Machine Learning အကြောင်း 12 ပတ်၊ 26 သင်ခန်းစာများပါဝင်သော သင်ရိုးညွှန်းတမ်းကို ပေးဆောင်ရန် ဝမ်းမြောက်ဝမ်းသာဖြစ်ပါသည်။ ဤသင်ရိုးညွှန်းတမ်းတွင် classic machine learning ဟုခေါ်ဆိုသော အရာများကို Scikit-learn ကို အဓိကစာကြည့်တိုက်အဖြစ် အသုံးပြု၍ သင်ယူမည်ဖြစ်ပြီး၊ ကျွန်ုပ်တို့၏ AI for Beginners' curriculum တွင် ပါဝင်သော deep learning ကို ရှောင်ရှားထားပါသည်။ ဤသင်ခန်းစာများကို 'Data Science for Beginners' curriculum နှင့် တွဲဖက်ပါ။
ကမ္ဘာ့ဒေသများမှ ဒေတာများကို အသုံးပြု၍ classic နည်းလမ်းများကို လေ့ကျင့်ရင်း ကျွန်ုပ်တို့နှင့်အတူ ကမ္ဘာ့ခရီးသွားပါ။ သင်ခန်းစာတစ်ခုစီတွင် သင်ခန်းစာမတိုင်မီနှင့် သင်ခန်းစာပြီးနောက် စစ်မေးခွန်းများ၊ သင်ခန်းစာကို ပြီးမြောက်ရန် ရေးသားထားသော လမ်းညွှန်ချက်များ၊ ဖြေရှင်းချက်၊ လုပ်ငန်းတာဝန်များနှင့် အခြားအရာများ ပါဝင်သည်။ ကျွန်ုပ်တို့၏ ပရောဂျက်အခြေခံ သင်ကြားမှုနည်းလမ်းသည် သင်ယူရင်း တည်ဆောက်ရန် ခွင့်ပြုသည်။ ဤနည်းလမ်းသည် ကျွမ်းကျင်မှုအသစ်များကို 'တင်းတိပ်' ဖြစ်စေသော အတည်ပြုထားသော နည်းလမ်းဖြစ်သည်။
✍️ 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
ဤအဆင့်များကို လိုက်နာပါ:
- Repository ကို Fork လုပ်ပါ: ဤစာမျက်နှာ၏ အပေါ်ယံညာဘက်တွင်ရှိသော "Fork" ခလုတ်ကို နှိပ်ပါ။
- Repository ကို Clone လုပ်ပါ:
git clone https://github.com/microsoft/ML-For-Beginners.git
ဤသင်ခန်းစာအတွက် အပိုဆောင်းအရင်းအမြစ်များအား Microsoft Learn collection တွင် ရှာဖွေပါ
🔧 အကူအညီလိုအပ်ပါသလား? Troubleshooting Guide ကို ကြည့်ပါ။
ကျောင်းသားများ, ဤသင်ရိုးညွှန်းတမ်းကို အသုံးပြုရန်၊ repo အားလုံးကို သင်၏ GitHub အကောင့်သို့ fork လုပ်ပြီး၊ သင်၏ကိုယ်ပိုင်အဖွဲ့နှင့်အတူ သင်ခန်းစာများကို ပြီးမြောက်ပါ:
- သင်ခန်းစာမတိုင်မီ စစ်မေးခွန်းဖြင့် စတင်ပါ။
- သင်ခန်းစာကို ဖတ်ပြီး လှုပ်ရှားမှုများကို ပြီးမြောက်ပါ၊ knowledge check တစ်ခုစီတွင် ရပ်နားပြီး ပြန်လည်စဉ်းစားပါ။
- သင်ခန်းစာများကို နားလည်ခြင်းဖြင့် ပရောဂျက်များကို ဖန်တီးရန် ကြိုးစားပါ၊ သို့သော် ဖြေရှင်းချက် code သည် project-oriented lesson တစ်ခုစီတွင်
/solutionfolder တွင် ရရှိနိုင်ပါသည်။ - သင်ခန်းစာပြီးနောက် စစ်မေးခွန်းကို ဖြေပါ။
- စိန်ခေါ်မှုကို ပြီးမြောက်ပါ။
- လုပ်ငန်းတာဝန်ကို ပြီးမြောက်ပါ။
- သင်ခန်းစာအုပ်စုတစ်ခုကို ပြီးမြောက်ပြီးနောက် Discussion Board သို့ သွားပြီး "learn out loud" လုပ်ပါ။
ပိုမိုလေ့လာရန် Microsoft Learn modules ကို လိုက်နာရန် အကြံပြုပါသည်။
ဆရာများ, ကျွန်ုပ်တို့သည် အကြံပြုချက်များ ပါဝင်ထားသည်။
ဗီဒီယို လမ်းညွှန်ချက်များ
သင်ခန်းစာတစ်ချို့ကို အတိုချုပ်ဗီဒီယိုအဖြစ် ရရှိနိုင်ပါသည်။ ဤဗီဒီယိုများကို သင်ခန်းစာများတွင် ရှာနိုင်ပါသည်၊ သို့မဟုတ် ML for Beginners playlist on the Microsoft Developer YouTube channel တွင် ရှာဖွေပါ။
အဖွဲ့ကို တွေ့ဆုံပါ
Gif by Mohit Jaisal
🎥 အပေါ်ရှိ ပုံကို နှိပ်ပြီး ပရောဂျက်နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကို ကြည့်ပါ!
သင်ကြားမှုနည်းလမ်း
ဤသင်ရိုးညွှန်းတမ်းကို တည်ဆောက်ရာတွင် ကျွန်ုပ်တို့သည် project-based ဖြစ်စေရန်နှင့် အကြိမ်ကြိမ် စစ်မေးခွန်းများ ပါဝင်စေရန် သင်ကြားမှုနည်းလမ်းနှစ်ခုကို ရွေးချယ်ထားပါသည်။ ထို့အပြင်၊ သင်ရိုးညွှန်းတမ်းတွင် theme တစ်ခု ပါဝင်သည်။
ပရောဂျက်များနှင့် အကြောင်းအရာကို ကိုက်ညီစေရန် သေချာစေခြင်းအားဖြင့်၊ ကျောင်းသားများအတွက် ပိုမိုစိတ်ဝင်စားစေပြီး အကြောင်းအရာများကို မှတ်မိစေရန် ပိုမိုကောင်းမွန်စေပါသည်။ သင်ခန်းစာမတိုင်မီ စစ်မေးခွန်းသည် ကျောင်းသား၏ အာရုံစိုက်မှုကို သင်ခန်းစာအကြောင်းသို့ ဦးတည်စေပြီး၊ သင်ခန်းစာပြီးနောက် စစ်မေးခွန်းသည် အကြောင်းအရာများကို ပိုမိုမှတ်မိစေပါသည်။ ဤသင်ရိုးညွှန်းတမ်းကို တစ်ခုလုံး သို့မဟုတ် အစိတ်အပိုင်းအဖြစ် flexible ဖြစ်စေရန်နှင့် ပျော်ရွှင်စေရန် ဒီဇိုင်းဆွဲထားပါသည်။ ပရောဂျက်များသည် သေးငယ်ပြီး 12 ပတ်အတွင်း ပိုမိုရှုပ်ထွေးလာပါသည်။ ဤသင်ရိုးညွှန်းတမ်းတွင် ML ၏ အမှန်တကယ်အသုံးချမှုများအကြောင်း postscript တစ်ခုပါဝင်ပြီး၊ အပိုအမှတ်အဖြစ် သို့မဟုတ် ဆွေးနွေးမှုအခြေခံအဖြစ် အသုံးပြုနိုင်ပါသည်။
ကျွန်ုပ်တို့၏ Code of Conduct, Contributing, Translation, နှင့် Troubleshooting လမ်းညွှန်ချက်များကို ရှာဖွေပါ။ သင့်၏ အဆောက်အအုံဆန်းစစ်မှုကို ကြိုဆိုပါသည်!
သင်ခန်းစာတစ်ခုစီတွင် ပါဝင်သည်
- ရွေးချယ်နိုင်သော sketchnote
- ရွေးချယ်နိုင်သော အပိုဗီဒီယို
- ဗီဒီယို လမ်းညွှန် (သင်ခန်းစာတစ်ချို့တွင်သာ)
- သင်ခန်းစာမတိုင်မီ စစ်မေးခွန်း
- ရေးသားထားသော သင်ခန်းစာ
- ပရောဂျက်အခြေခံ သင်ခန်းစာများအတွက်၊ ပရောဂျက်ကို တည်ဆောက်ရန် လမ်းညွှန်ချက်များ
- knowledge checks
- စိန်ခေါ်မှု
- အပိုဆောင်းဖတ်ရှုရန်
- လုပ်ငန်းတာဝန်
- သင်ခန်းစာပြီးနောက် စစ်မေးခွန်း
ဘာသာစကားများအကြောင်း မှတ်ချက်: ဤသင်ခန်းစာများကို Python ဖြင့် အဓိကရေးသားထားပြီး၊ R ဖြင့်လည်း ရရှိနိုင်ပါသည်။ R သင်ခန်းစာကို ပြီးမြောက်ရန်၊
/solutionfolder သို့ သွားပြီး R lessons ကို ရှာပါ။ .rmd extension ပါဝင်သော R Markdown ဖိုင်များကို ရှာပါ။
စစ်မေးခွန်းများအကြောင်း မှတ်ချက်: Quiz App folder တွင် စစ်မေးခွန်း 52 ခု ပါဝင်ပြီး၊ သင်ခန်းစာများတွင် link လုပ်ထားသည်။
| သင်ခန်းစာနံပါတ် | ခေါင်းစဉ် | သင်ခန်းစာအုပ်စု | သင်ယူရမည့် ရည်မှန်းချက်များ | သင်ခန်းစာ | ရေးသားသူ |
|---|---|---|---|---|---|
| 01 | Machine Learning အကြောင်းမိတ်ဆက် | Introduction | Machine Learning အခြေခံအယူအဆများကို သင်ယူပါ | Lesson | Muhammad |
| 02 | စက်ရုပ်သင်ယူမှု၏ သမိုင်းကြောင်း | Introduction | ဒီနယ်ပယ်နောက်ကွယ်ရှိ သမိုင်းကြောင်းကို လေ့လာပါ | Lesson | Jen နှင့် Amy |
| 03 | တရားမျှတမှုနှင့် စက်ရုပ်သင်ယူမှု | Introduction | ML မော်ဒယ်များကို တည်ဆောက်ခြင်းနှင့် အသုံးချခြင်းတွင် ကျောင်းသားများစဉ်းစားသင့်သော တရားမျှတမှုဆိုင်ရာ အရေးပါသော အတွေးအမြင်များကဘာလဲ? | Lesson | Tomomi |
| 04 | စက်ရုပ်သင်ယူမှုအတွက် နည်းလမ်းများ | Introduction | ML မော်ဒယ်များကို တည်ဆောက်ရန် ML သုတေသနပြုသူများ အသုံးပြုသော နည်းလမ်းများကဘာလဲ? | Lesson | Chris နှင့် Jen |
| 05 | ရှုထောင့်သုံးခြင်း၏ အကျဉ်းချုပ် | Regression | Python နှင့် Scikit-learn ကို အသုံးပြု၍ ရှုထောင့်သုံးမော်ဒယ်များကို စတင်ပါ | Python • R | Jen • Eric Wanjau |
| 06 | မြောက်အမေရိက ဗူးဖရုံဈေးနှုန်း 🎃 | Regression | ML အတွက် အချက်အလက်များကို မြင်သာစေခြင်းနှင့် သန့်စင်ခြင်း | Python • R | Jen • Eric Wanjau |
| 07 | မြောက်အမေရိက ဗူးဖရုံဈေးနှုန်း 🎃 | Regression | ရှုထောင့်သုံးနှင့် ပုံစံသုံး ရှုထောင့်သုံးမော်ဒယ်များကို တည်ဆောက်ပါ | Python • R | Jen နှင့် Dmitry • Eric Wanjau |
| 08 | မြောက်အမေရိက ဗူးဖရုံဈေးနှုန်း 🎃 | Regression | ရှုထောင့်သုံးမော်ဒယ်တစ်ခုကို တည်ဆောက်ပါ | Python • R | Jen • Eric Wanjau |
| 09 | ဝက်ဘ်အက်ပ် 🔌 | Web App | သင်၏ သင်ယူထားသော မော်ဒယ်ကို အသုံးပြုရန် ဝက်ဘ်အက်ပ်တစ်ခုကို တည်ဆောက်ပါ | Python | Jen |
| 10 | အမျိုးအစားခွဲခြင်း၏ အကျဉ်းချုပ် | Classification | သင်၏ အချက်အလက်များကို သန့်စင်၊ ပြင်ဆင်၊ မြင်သာစေခြင်းနှင့် အမျိုးအစားခွဲခြင်းကို စတင်ပါ | Python • R | Jen နှင့် Cassie • Eric Wanjau |
| 11 | အာရှနှင့် အိန္ဒိယအစားအစာများ 🍜 | Classification | အမျိုးအစားခွဲခြင်းကို စတင်လေ့လာပါ | Python • R | Jen နှင့် Cassie • Eric Wanjau |
| 12 | အာရှနှင့် အိန္ဒိယအစားအစာများ 🍜 | Classification | အမျိုးအစားခွဲခြင်းများကို ပိုမိုလေ့လာပါ | Python • R | Jen နှင့် Cassie • Eric Wanjau |
| 13 | အာရှနှင့် အိန္ဒိယအစားအစာများ 🍜 | Classification | သင်၏ မော်ဒယ်ကို အသုံးပြု၍ အကြံပေးဝက်ဘ်အက်ပ်တစ်ခုကို တည်ဆောက်ပါ | Python | Jen |
| 14 | အစုခွဲခြင်း၏ အကျဉ်းချုပ် | Clustering | သင်၏ အချက်အလက်များကို သန့်စင်၊ ပြင်ဆင်၊ မြင်သာစေခြင်းနှင့် အစုခွဲခြင်းကို စတင်ပါ | Python • R | Jen • Eric Wanjau |
| 15 | နိုင်ဂျီးရီးယားဂီတအရသာများ 🎧 | Clustering | K-Means အစုခွဲခြင်းနည်းလမ်းကို လေ့လာပါ | Python • R | Jen • Eric Wanjau |
| 16 | သဘာဝဘာသာစကားကို အဆင့်ဆင့် လေ့လာခြင်း ☕️ | Natural language processing | bot တစ်ခုကို တည်ဆောက်ခြင်းဖြင့် NLP အခြေခံကို လေ့လာပါ | Python | Stephen |
| 17 | သာမန် NLP အလုပ်များ ☕️ | Natural language processing | ဘာသာစကားဖွဲ့စည်းမှုများနှင့် ဆက်စပ်သော သာမန်အလုပ်များကို နားလည်ခြင်းဖြင့် သင်၏ NLP အသိပညာကို ပိုမိုတိုးတက်စေပါ | Python | Stephen |
| 18 | ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားမှုခွဲခြင်း ♥️ | Natural language processing | Jane Austen နှင့်အတူ ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားမှုခွဲခြင်း | Python | Stephen |
| 19 | ဥရောပ၏ romantic ဟိုတယ်များ ♥️ | Natural language processing | ဟိုတယ်ပြန်လည်သုံးသပ်မှုများနှင့် စိတ်ခံစားမှုခွဲခြင်း 1 | Python | Stephen |
| 20 | ဥရောပ၏ romantic ဟိုတယ်များ ♥️ | Natural language processing | ဟိုတယ်ပြန်လည်သုံးသပ်မှုများနှင့် စိတ်ခံစားမှုခွဲခြင်း 2 | Python | Stephen |
| 21 | အချိန်စီးဆင်းမှုခန့်မှန်းခြင်း၏ အကျဉ်းချုပ် | Time series | အချိန်စီးဆင်းမှုခန့်မှန်းခြင်းကို စတင်လေ့လာပါ | 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 ကို စတင်လေ့လာခြင်း | Reinforcement learning | Q-Learning ဖြင့် reinforcement learning ကို စတင်လေ့လာပါ | Python | Dmitry |
| 25 | Peter ကို ဝက်မထိစေပါ 🐺 | Reinforcement learning | Reinforcement learning Gym | Python | Dmitry |
| Postscript | အမှန်တကယ် ML အခြေအနေများနှင့် လျှောက်လွှာများ | ML in the Wild | အထင်ရှားပြီး အလှပသော အမှန်တကယ် classical ML လျှောက်လွှာများ | Lesson | Team |
| Postscript | RAI dashboard ကို အသုံးပြု၍ ML မော်ဒယ်များကို Debugging | ML in the Wild | Responsible AI dashboard components ကို အသုံးပြု၍ ML မော်ဒယ်များကို Debugging | Lesson | Ruth Yakubu |
ဒီသင်တန်းအတွက် Microsoft Learn collection တွင် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကို ရှာပါ
အော့ဖ်လိုင်းအသုံးပြုမှု
Docsify ကို အသုံးပြု၍ ဒီစာရွက်စာတမ်းကို အော့ဖ်လိုင်းတွင် လည်ပတ်နိုင်ပါသည်။ Docsify ကို သင်၏ local machine တွင် install လုပ်ပြီး ဒီ repo ၏ root folder တွင် docsify serve ဟု ရိုက်ထည့်ပါ။ website ကို သင်၏ localhost: localhost:3000 တွင် port 3000 မှာ လည်ပတ်ပါမည်။
PDFs
လင့်များပါရှိသော သင်ခန်းစာအစီအစဉ်၏ pdf ကို ဒီမှာ ရှာပါ။
🎒 အခြားသင်တန်းများ
ကျွန်ုပ်တို့၏အဖွဲ့သည် အခြားသင်တန်းများကို ထုတ်လုပ်ပါသည်! စစ်ဆေးပါ:
- Edge AI for Beginners
- AI Agents for Beginners
- Generative AI for Beginners
- Generative AI for Beginners .NET
- Generative AI with JavaScript
- Generative AI with Java
- AI for Beginners
- Data Science for Beginners
- ML for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- XR Development for Beginners
- Mastering GitHub Copilot for Paired Programming
- Mastering GitHub Copilot for C#/.NET Developers
- Choose Your Own Copilot Adventure
အကူအညီရယူခြင်း
AI apps တည်ဆောက်ရာတွင် အခက်အခဲရှိပါက သို့မဟုတ် မေးခွန်းများရှိပါက:
ထုတ်ကုန်အကြံပြုချက်များ သို့မဟုတ် တည်ဆောက်ရာတွင် အမှားများရှိပါက:
အကြောင်းကြားချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှုအတွက် ကြိုးစားနေသော်လည်း အလိုအလျောက် ဘာသာပြန်မှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာတရ အရင်းအမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူက ဘာသာပြန်မှုကို အသုံးပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်မှုကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော အလွဲအမှားများ သို့မဟုတ် အနားလွဲမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။