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.
216 lines
42 KiB
216 lines
42 KiB
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
### 🌐 ការគាំទ្រភាសាច្រើន
|
|
|
|
#### គាំទ្រដោយ GitHub Action (ស្វ័យប្រវត្តិ និងតែងតែទាន់សម័យ)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](./README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
> **ចង់ Clone នៅក្នុងកុំព្យូទ័ររបស់អ្នក?**
|
|
>
|
|
> តំបន់រក្សាទុកនេះមានការប្រែសម្រួលជាភាសាច្រើនជាង 50 ដែលធ្វើឲ្យទំហំទាញយកធំជាងមុន។ ដើម្បី clone ដោយមិនមានការប្រែសម្រួល សូមប្រើ sparse checkout:
|
|
>
|
|
> **Bash / macOS / Linux:**
|
|
> ```bash
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
> cd ML-For-Beginners
|
|
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
|
> ```
|
|
>
|
|
> **CMD (Windows):**
|
|
> ```cmd
|
|
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
|
|
> cd ML-For-Beginners
|
|
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
|
|
> ```
|
|
>
|
|
> នេះនឹងផ្តល់អ្វីដែលអ្នកត្រូវការរៀនវគ្គនេះបានលឿនជាងមុន។
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
#### ចូលរួមជាជនរួមចំណេះដឹងរបស់យើង
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
យើងមានស៊េរី Discord សម្រាប់រៀនជាមួយ AI ទៅមុខ កុំភ្លេចបន្ទាប់ពីស្វែងយល់ និងចូលរួមជាមួយយើងនៅ [Learn with AI Series](https://aka.ms/learnwithai/discord) ចាប់ពីថ្ងៃទី ១៨ ដល់ ៣០ ខែកញ្ញា ឆ្នាំ ២០២៥។ អ្នកនឹងទទួលបានគន្លឹះ និងយុទ្ធសាស្រ្តក្នុងការប្រើ GitHub Copilot សម្រាប់វិទ្យាសាស្រ្តទិន្នន័យ។
|
|
|
|
|
|
|
|
# ការសិក្សាពី Machine Learning សម្រាប់អ្នកថ្មី - មេរៀនមួយជាថ្នាក់សិក្សា
|
|
|
|
> 🌍 ស្មើរតាមការធ្វើដំណើរជុំវិញពិភពលោក ខណៈពេលដែលយើងសិក្សាពី Machine Learning តាមរយៈវប្បធម៌ពិភពលោក 🌍
|
|
|
|
អ្នកផ្សព្វផ្សាយ Cloud នៅ Microsoft មានមោទនភាពក្នុងការផ្តល់ជូនមេរៀនមួយរយៈពេល ១២ សប្ដាហ៍ មាន ២៦ មេរៀន ដែលទាក់ទងទៅនឹង **Machine Learning**។ ក្នុងមេរៀននេះ អ្នកនឹងរៀនអំពីអ្វីដែលហៅថា **machine learning ជាទំនើប**, ប្រើសាកល្បង Scikit-learn ជាផ្នែកសំខាន់ ដោយលែងប្រើ deep learning ដែលបានគ្របដណ្តប់ក្នុងមេរៀន [AI សម្រាប់អ្នកថ្មី](https://aka.ms/ai4beginners) របស់យើង។ អ្នកអាចផ្គូផ្គងមេរៀនទាំងនេះជាមួយ [Data Science សម្រាប់អ្នកថ្មី](https://aka.ms/ds4beginners) ដែរ។
|
|
|
|
ធ្វើដំណើរជុំវិញពិភពលោករួមជាមួយយើង ខណៈពេល ដែលយើងអនុវត្តបច្ចេកទេសបុរាណទាំងនេះទៅលើយោងតាមទិន្នន័យពីតំបន់នានារបស់ពិភពលោក។ មេរៀននីមួយៗមានការធ្វើតេស្តមុននិងក្រោយមេរៀន, ការណែនាំអត្ថបទដើម្បីបញ្ចប់មេរៀន, ដំណោះស្រាយ, ការចាត់តាំងមុខងារ, និងផ្សេងៗទៀត។ វិធីសាស្រ្តបង្រៀនផ្អែកលើគម្រោង អនុញ្ញាតឲ្យអ្នករៀនដោយប្រើការសាងសង់គម្រោង ការាមួយមានកំណត់អានុភាពសម្រាប់ជំនាញថ្មីៗ។
|
|
|
|
**✍️ អរគុណក្នុងពីរនាក់អ្នកនិពន្ធ** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu និង Amy Boyd
|
|
|
|
**🎨 អរគុណចំពោះអ្នកគំនូររូប** Tomomi Imura, Dasani Madipalli និង Jen Looper
|
|
|
|
**🙏 អរគុណពិសេស 🙏 ចំពោះអ្នកនិពន្ធ ពិនិត្យ និងបរិច្ចាគមាតិកា Microsoft Student Ambassador** យ៉ាងដាច់ខាត Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila និង Snigdha Agarwal
|
|
|
|
**🤩 ការគោរពបន្ថែមចំពោះ Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, និង Vidushi Gupta សម្រាប់មេរៀន R របស់យើង!**
|
|
|
|
# ចាប់ផ្តើម
|
|
|
|
អនុវត្តតាមជំហានទាំងនេះ៖
|
|
1. **Fork Repository**: ចុចប៊ូតុង "Fork" នៅមុខតំណខាងលើ-ស្ដាំទំព័រនេះ។
|
|
2. **Clone Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [ស្វែងរកធនធានបន្ថែមទាំងអស់សម្រាប់វគ្គសិក្សានេះនៅក្នុងមហាសគររបស់ Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
> 🔧 **តើអ្នកត្រូវការជំនួយទេ?** សូមពិនិត្យមើល [មេរៀនដោះស្រាយបញ្ហា](TROUBLESHOOTING.md) សម្រាប់រកដំណោះស្រាយបញ្ហាទូទៅនៅពេលដំឡើង កំណត់ និងរត់មេរៀន។
|
|
|
|
|
|
**[សិស្ស](https://aka.ms/student-page)** សម្រាប់ប្រើមេរៀននេះ សូម fork សារពើភ័ណ្ឌទាំងមូលទៅគណនី GitHub ផ្ទាល់ខ្លួនរបស់អ្នក ហើយបញ្ចប់លំហាត់ដោយខ្លួនឯង ឬជាក្រុម៖
|
|
|
|
- ចាប់ផ្តើមដោយសំនួរប្រឡងមុនមេរៀន។
|
|
- អានមេរៀន និងបញ្ចប់សកម្មភាព ជាប់ជាមួយការបញ្ឈប់ និងគិតពិចារណានៅកម្រិតរាល់ការត្រួតពិនិត្យចំណេះដឹង។
|
|
- ព្យាយាមបង្កើតគម្រោងដោយយល់ដឹងល្អពីមេរៀន ជំនួសការរត់កូដដំណោះស្រាយ។ ទោះយ៉ាងណាកូដសម្រាប់ដំណោះស្រាយមានក្នុងថត `/solution` នៅមេរៀនផ្អែកលើគម្រោង។
|
|
- ធ្វើតេស្តក្រោយមេរៀន។
|
|
- បញ្ចប់ការប្រកួតប្រជែង។
|
|
- បញ្ចប់ការចាត់តាំងមុខងារ។
|
|
- បន្ទាប់ពីបញ្ចប់មេរៀនក្នុងកញ្ចប់ មកមើល [ក្រុមហ៊ុនប្រជុំ](https://github.com/microsoft/ML-For-Beginners/discussions) ហើយ "រៀនចេញកាយ" ដោយបំពេញប័ណ្ណ PAT ដែលសាកសម។ PAT គឺជា Progress Assessment Tool ជាប័ណ្ណសម្រាប់អ្នកបំពេញដើម្បីពង្រីកការសិក្សារបស់អ្នក។ អ្នកក៏អាចឆ្លើយតបជាមួយ PAT ផ្សេងទៀត ដើម្បីឲ្យយើងអាចរៀនរួមគ្នា។
|
|
|
|
> សម្រាប់ការសិក្សាបន្ថែម យើងសូមផ្តល់អនុសាសន៍ឲ្យតាមដានវគ្គសិក្សា និងផ្លូវការសិក្សា [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) លើសពីនេះ។
|
|
|
|
**អ្នកសិក្សា**, យើងមានការផ្ដល់អនុសាសន៍មួយចំនួនក្នុង [របៀបប្រើប្រាស់មេរៀននេះ](for-teachers.md)។
|
|
|
|
---
|
|
|
|
## វីដេអូបង្ហាញ
|
|
|
|
មេរៀនខ្លះមានវីដេអូខ្លីសម្រាប់សម្រួលក្នុងការសិក្សា។ អ្នកអាចរកឃើញវីដេអូទាំងនេះក្នុងមេរៀន ឬនៅលើ [បញ្ចីភាគី ML សម្រាប់អ្នកថ្មី នៅ លើប៉ុស្តិ៍ YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) ដោយចុចលើរូបភាពខាងក្រោម។
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## ជួបមក្រុមការងារ
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif ដោយ** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 ចុចរូបភាពខាងលើសម្រាប់មើលវីដេអូអំពីគម្រោង និងមនុស្សដែលបានបង្កើតវា!
|
|
|
|
---
|
|
|
|
## វិធានសិក្សា
|
|
|
|
យើងបានជ្រើសរើសគោលការណ៍បង្រៀនពីរដើម្បីកសាងមេរៀននេះ៖ លើកទឹកចិត្តឲ្យមានការអនុវត្តគម្រោង **ផ្អែកលើគម្រោង** និងមាន **ការប្រឡងឆាប់ៗជាញឹកញាប់**។ លើសពីនេះ មេរៀននេះមានប្រធានបទរួម មួយ ដើម្បីធ្វើឲ្យមានភាពរួមគ្នា។
|
|
|
|
ដោយធានាថាមាតិកាត្រូវនឹងគម្រោង នេះធ្វើឲ្យដំណើរការមានភាពពិសេសសម្រាប់សិស្ស និងរក្សាប្រយោជន៍ភាគពាក់នៃគំនិតស្វែងយល់។ លើសពីនេះ ការប្រឡងមានភាពតិចតួចមុនវគ្គសិក្សា កំណត់គោលបំណងរបស់សិស្សចំពោះការរៀនមុខវិជ្ជា មួយ ចំណែកការប្រឡងទីពីរបន្ទាប់ពីវគ្គសិក្សាសម្រេចថាមានការរក្សារយៈពេលយូរ។ មេរៀននេះត្រូវបានរចនាឡើងឲ្យមានភាពបត់បែន និងរីករាយ ហើយអាចរៀនបានទាំងមូល ឬផ្នែកខ្លះតាមបំណង។ គម្រោងចាប់ផ្តើមពីតូចទៅធំឡើង តាមរយៈរយៈពេល ១២ សប្ដាហ៍។ មេរៀននេះក៏មានផ្នែកបន្ថែមអំពីការអនុវត្តជាក់ស្តែងនៃ ML ដែលអាចប្រើសម្រាប់ក្រឡេកឥណទានបន្ថែម ឬជាជម្រើសសម្រាប់ការពិភាក្សា។
|
|
|
|
> សូមស្វែងរក [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translations](..), និង [Troubleshooting](TROUBLESHOOTING.md) ដំណឹងផ្លូវការ។ យើងសូមស្វាគមន៍មតិយោបល់របស់អ្នកយ៉ាងសម្បូរបែប!
|
|
|
|
## មេរៀននីមួយៗមាន
|
|
|
|
- សេចក្តីសង្ខេបសំណៀងជាជម្រើស
|
|
- វីដេអូបន្ថែមជាជម្រើស
|
|
- វីដេអូបង្ហាញ (សម្រាប់មេរៀនខ្លះៗ)
|
|
- [សំនួរប្រឡងមុនមេរៀន](https://ff-quizzes.netlify.app/en/ml/)
|
|
- មេរៀនអត្ថបទ
|
|
- សម្រាប់មេរៀនផ្អែកលើគម្រោង មេរៀននិម្មិតពីជំហានដល់ជំហានអំពីរបៀបបង្កើតគម្រោង
|
|
- ការត្រួតពិនិត្យចំណេះដឹង
|
|
- ការប្រកួតប្រជែង
|
|
- ការអានបន្ថែម
|
|
- ការចាត់តាំងមុខងារ
|
|
- [សំនួរប្រឡងក្រោយមេរៀន](https://ff-quizzes.netlify.app/en/ml/)
|
|
> **យំណាំអំពីភាសា**: មេរៀនទាំងនេះភាគច្រើនត្រូវបានសរសេរជាភាសា Python ប៉ុន្តែមានជាច្រើនផងដែលអាចរកបានជាភាសា R។ ដើម្បីបញ្ចប់មេរៀន R មួយ ចូលទៅក្នុងថត `/solution` ហើយស្វែងរកមេរៀន R។ វាមានទ្រង់ទ្រាយ .rmd ដែលផ្ទាល់ទៅជាឯកសារ **R Markdown** ដែលអាចកំណត់បានដោយសាមញ្ញថាជាការបញ្ចូល `code chunks` (នៃ R ឬភាសាផ្សេងទៀត) និង `YAML header` (ដែលណែនាំពីរបៀបរៀបចំលទ្ធផលដូចជា PDF) ក្នុង `ឯកសារ Markdown`។ ដូច្នេះ វាជា枠架ការសរសេររួមដ៏ល្អសម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ ព្រោះវាអនុញ្ញាតឲ្យអ្នកបញ្ចូលកូដរបស់អ្នក លទ្ធផលរបស់វា និងគំនិតរបស់អ្នកដោយអនុញ្ញាតឲ្យអ្នកសរសេរពួកវាក្នុង Markdown។ លើសពីនេះ រួចហើយឯកសារ R Markdown អាចត្រូវបានបម្លែងទៅទ្រង់ទ្រាយលទ្ធផលដូចជា PDF, HTML ឬ Word។
|
|
|
|
> **យំណាំអំពីសំនួរផ្សងព្រេង**: សំនួរផ្សងព្រេងទាំងអស់ត្រូវបានរក្សាទុកក្នុងថត [Quiz App folder](../../quiz-app), សម្រាប់សំនួរផ្សងព្រេងសរុប 52 ដង មានសំណួរបីសំណួរនៅក្នុងមួយ។ ពួកវាត្រូវបានភ្ជាប់ពីក្នុងមេរៀន ប៉ុន្តែកម្មវិធីសំនួរផ្សងព្រេងអាចរត់នៅលើកុំព្យូទ័រផ្ទាល់ខ្លួន; អ្នកត្រូវតែអនុវត្តការណែនាំនៅក្នុងថត `quiz-app` ដើម្បីផ្តល់សេវាកម្មក្នុងស្រុក ឬផ្សាយនៅលើ Azure។
|
|
|
|
| លេខមេរៀន | ប្រធានបទ | ការតម្រៀបមេរៀន | គោលបំណងការរៀន | មេរៀនភ្ជាប់ | អ្នកនិពន្ធ |
|
|
| :---------: | :-----------------------------------------------------------------: | :---------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------ | :-----------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: |
|
|
| 01 | ណែនាំអំពីការសិក្សា machine learning | [Introduction](1-Introduction/README.md) | រៀនគំនិតមូលដ្ឋានពីក្រោយ machine learning | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | ប្រវត្តិសាស្ត្រការសិក្សា machine learning | [Introduction](1-Introduction/README.md) | រៀនប្រវត្តិសាស្ត្រចម្បងនៃវិស័យនេះ | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen និង Amy |
|
|
| 03 | ភាពយុត្តិធម៌ និង machine learning | [Introduction](1-Introduction/README.md) | តើបញ្ហាសុទ្ធសាធខាងទ្រឹស្តីទាក់ទងនឹងភាពយុត្តិធម៌ជាអ្វីខ្លះដែលនិស្សិតគួរតែពិចារណាពេលបង្កើតនិងអនុវត្តម៉ូដែល ML? | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | បច្ចេកវិទ្យាសម្រាប់ machine learning | [Introduction](1-Introduction/README.md) | តើបច្ចេកវិទ្យាអ្វីខ្លះដែលអ្នកស្រាវជ្រាវ ML ប្រើប្រាស់ដើម្បីតាំងម៉ូដែល ML? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris និង Jen |
|
|
| 05 | ណែនាំអំពី regression | [Regression](2-Regression/README.md) | ចាប់ផ្តើមជាមួយ Python និង Scikit-learn សម្រាប់ម៉ូដែល regression | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | តម្លៃផ្លែភាគអាមេរិកខាងជើង 🎃 | [Regression](2-Regression/README.md) | មើលធ្វើឱ្យទិន្នន័យស្អាតក្នុងការត្រៀមសម្រាប់ ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
| 07 | តម្លៃផ្លែភាគអាមេរិកខាងជើង 🎃 | [Regression](2-Regression/README.md) | បង្កើតម៉ូដែលការវិភាគរូបធរណី និងហែលទ្វេ | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen និង Dmitry • Eric Wanjau |
|
|
| 08 | តម្លៃផ្លែភាគអាមេរិកខាងជើង 🎃 | [Regression](2-Regression/README.md) | បង្កើតម៉ូដែល logistic regression | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | កម្មវិធីបណ្តាញ Web App 🔌 | [Web App](3-Web-App/README.md) | បង្កើតកម្មវិធីបណ្តាញដើម្បីប្រើម៉ូដែលដែលបានបណ្តុះបណ្តាល | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | ណែនាំអំពីការ ចាត់ចែង Classification | [Classification](4-Classification/README.md) | សម្អាត, ត្រៀម និងមើលទិន្នន័យរបស់អ្នក; ណែនាំពីការ ចាត់ចែង | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen និង Cassie • Eric Wanjau |
|
|
| 11 | រសជាតិម្ហូបអាស៊ីនិងឥណ្ឌា ឆ្ងាញ់ៗ 🍜 | [Classification](4-Classification/README.md) | ណែនាំអំពីអ្នកចាត់ចែង | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen និង Cassie • Eric Wanjau |
|
|
| 12 | រសជាតិម្ហូបអាស៊ីនិងឥណ្ឌា ឆ្ងាញ់ៗ 🍜 | [Classification](4-Classification/README.md) | អ្នកចាត់ចែងបន្ថែម | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen និង Cassie • Eric Wanjau |
|
|
| 13 | រសជាតិម្ហូបអាស៊ីនិងឥណ្ឌា ឆ្ងាញ់ៗ 🍜 | [Classification](4-Classification/README.md) | បង្កើតកម្មវិធីបណ្តាញសម្រាប់ផ្តល់អនុសាសន៍ដោយប្រើម៉ូដែលរបស់អ្នក | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | ណែនាំអំពី clustering | [Clustering](5-Clustering/README.md) | សម្អាត, ត្រៀម និងមើលទិន្នន័យរបស់អ្នក; ណែនាំអំពី clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | ស្វែងយល់ពីរសជាតិតន្ត្រីនានាក្នុងប្រទេសនីជេរីយ៉ា 🎧 | [Clustering](5-Clustering/README.md) | ស្វែងយល់ពីវិធីសាស្រ្ត clustering ប្រភេទ K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
| 16 | ណែនាំអំពីការបំពេញដំណើរការភាសាបានធម្មជាតិ ☕️ | [Natural language processing](6-NLP/README.md) | រៀនមូលដ្ឋានអំពី NLP ដោយបង្កើត bot មួយដោយសាមញ្ញ | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | ការងារពេញនិយមនៅ NLP ☕️ | [Natural language processing](6-NLP/README.md) | ជ្រាបជ្រាលច្បាស់បន្ថែមពីចំណេះដឹង NLP ដោយយល់ពីការងារពេញនិយមដែលត្រូវការពេលគ្រប់គ្រងរចនាសម្ព័ន្ធភាសា | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | ការបកប្រែ និងវិភាគអារម្មណ៍ ♥️ | [Natural language processing](6-NLP/README.md) | ការបកប្រែ និងវិភាគអារម្មណ៍ជាមួយ Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | ទីលានសណ្ឋាគារព្រហ្មលាភនៅអឺโรប ♥️ | [Natural language processing](6-NLP/README.md) | វិភាគអារម្មណ៍ជាមួយការវាយតម្លៃសណ្ឋាគារថ្មី ១ | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | ទីលានសណ្ឋាគារព្រហ្មលាភនៅអឺโรប ♥️ | [Natural language processing](6-NLP/README.md) | វិភាគអារម្មណ៍ជាមួយការវាយតម្លៃសណ្ឋាគារថ្មី ២ | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | ណែនាំអំពីការវាយតម្លៃទិន្នន័យលំដាប់ពេល | [Time series](7-TimeSeries/README.md) | ណែនាំអំពីការវាយតម្លៃទិន្នន័យលំដាប់ពេល | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ ការប្រើប្រាស់ថាមពលពិភពលោក ⚡️ - វាយតម្លៃលំដាប់ពេលជាមួយ ARIMA | [Time series](7-TimeSeries/README.md) | វាយតម្លៃលំដាប់ពេលជាមួយ ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ ការប្រើប្រាស់ថាមពលពិភពលោក ⚡️ - វាយតម្លៃលំដាប់ពេលជាមួយ SVR | [Time series](7-TimeSeries/README.md) | វាយតម្លៃលំដាប់ពេលជាមួយ Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | ណែនាំអំពីការរៀនបន្ថែមតាមការបង្រៀនផ្ទុកពីរបៀប | [Reinforcement learning](8-Reinforcement/README.md) | ណែនាំអំពីការរៀនបន្ថែមតាមការបង្រៀនផ្ទុកជាមួយ Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | ជួយ Peter មិនឲ្យជួបចោរជ្រូក! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | ការរៀនបន្ថែមតាមការបង្រៀនផ្ទុក Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| បន្ទាប់មក | ករណីនិងកម្មវិធី ML ក្នុងពិភពជាក់ស្តែង | [ML in the Wild](9-Real-World/README.md) | កម្មវិធី ML គួរឱ្យចាប់អារម្មណ៍និងបង្ហាញពីកម្មវិធី ML ប្រកបដោយភូត្នកម្ម | [Lesson](9-Real-World/1-Applications/README.md) | ក្រុម |
|
|
| បន្ទាប់មក | ការសម្អាតកំហុសម៉ូដែល ML ដោយប្រើផ្ទាំងគ្រប់គ្រង RAI | [ML in the Wild](9-Real-World/README.md) | ការសម្អាតកំហុស ម៉ូដែល Machine Learning ដោយប្រើផ្ទាំងគ្រប់គ្រង Responsible AI | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [ស្វែងរកធនធានបន្ថែមទាំងអស់សម្រាប់វគ្គសិក្សានេះនៅក្នុងព្រឹទ្ធិការណ៍ Microsoft Learn របស់យើង](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## ការចូលប្រើដោយមិនត្រូវការបណ្ដាញអ៊ីនធឺណិត
|
|
|
|
អ្នកអាចរត់ឯកសារពត៌មាននេះដោយមិនត្រូវការបណ្ដាញអ៊ីនធឺណិត ដោយប្រើ [Docsify](https://docsify.js.org/#/)។ ស្ដុកកូដនេះ ចូលទៅក្នុងចំលងស្ថានីយ៍របស់អ្នក, [ដំឡើង Docsify](https://docsify.js.org/#/quickstart) នៅលើកុំព្យូទ័រផ្ទាល់ខ្លួន រួចបញ្ចូល `docsify serve` នៅក្នុងថតគោលរបស់ធនធាននេះ។ វេបសាយនឹងត្រូវផ្តល់សេវាកម្មនៅលើកំពង់ផែ 3000 នៅលើ localhost របស់អ្នក៖ `localhost:3000`។
|
|
|
|
## PDF
|
|
|
|
ស្វែងរកឯកសារ pdf ទាំងមូលនៃនិម្មិតកម្មវិធីនេះជាមួយតំណភ្ជាប់ [នៅទីនេះ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)។
|
|
|
|
## 🎒 វគ្គសិក្សាផ្សេងទៀត
|
|
|
|
ក្រុមរបស់យើងផលិតវគ្គសិក្សាផ្សេងទៀត! សូមពិនិត្យ:
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
### LangChain
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
### Generative AI Series
|
|
### ស៊េរី AI បង្កើត
|
|
### Core Learning
|
|
### ការសិក្សាដើម
|
|
### Copilot Series
|
|
### ស៊េរី Copilot
|
|
|
|
## Getting Help
|
|
## ទទួលបានជំនួយ
|
|
|
|
If you get stuck or have any questions about building AI apps. Join fellow learners and experienced developers in discussions about MCP. It's a supportive community where questions are welcome and knowledge is shared freely.
|
|
បើអ្នកជួបលំបាកឬមានសំនួរអំពីការបង្កើតកម្មវិធី AI សូមចូលរួមជាមួយអ្នករៀនផ្សេងទៀត និងអ្នកអភិវឌ្ឍន៍ដែលមានបទពិសោធន៍ ក្នុងការពិភាក្សាអំពី MCP ។ វាជាសហគមន៍មួយដែលគាំទ្រដល់គ្នា ដែលសំណួរនឹងត្រូវបានស្វាគមន៍ និងចំណេះដឹងត្រូវបានចែករំលែកដោយសេរី។
|
|
|
|
If you have product feedback or errors while building visit:
|
|
បើអ្នកមានមតិយោបល់អំពីផលិតផល ឬកំហុសអំឡុងពេលកំពុងបង្កើត សូមចូលទៅកាន់៖
|
|
|
|
## Additional Learning Tips
|
|
## ការផ្តល់ជំនួយបន្ថែមសម្រាប់ការសិក្សា
|
|
|
|
- Review notebooks after each lesson for better understanding.
|
|
- ហ្វឹកហាត់អនុវត្តន៍អាលហ្គរីឌីមដោយខ្លួនឯង។
|
|
- Practice implementing algorithms on your own.
|
|
- ស្វែងរកទិន្នន័យពិតដោយប្រើគន្លឹះដែលបានរៀន។
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**ការបដិសេធ**៖
|
|
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ខណៈដែលយើងខិតខំរកការរីកចម្រើននៃភាពត្រឹមត្រូវ សូមយល់ថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវខ្លះៗ។ ឯកសារដើមក្នុងភាសាតំណាងរបស់វាគួរត្រូវបានទុកក្នុងជារបស់ប្រភពផ្លូវការជាដើម។ ចំពោះព័ត៌មានសំខាន់ៗ របស់ការបកប្រែដោយមនុស្សដែលមានជំនាញគឺជាការផ្តល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសដែលកើតមានពីការប្រើប្រាស់បកប្រែនេះឡើយ។
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |