ML-For-Beginners/translations/km/TROUBLESHOOTING.md

សៀវភៅ​ជួយ​ដោះស្រាយ​បញ្ហា

សៀវភៅ​នេះ​ជួយ​អ្នក​ដោះស្រាយ​បញ្ហាទូទៅ​ពេលធ្វើការជាមួយ​មេរៀន Machine Learning សម្រាប់​អ្នក​ចាប់ផ្ដើម។ ប្រសិន​បើ​អ្នក​មិន​ស្វែងរក​ដំណោះស្រាយ​នៅទីនេះ​បាន សូម​ពិនិត្យមើល ការពិភាក្សា Discord របស់យើង ឬ បើកបញ្ហា។

តារាង​ខ្លឹម​សារ

• បញ្ហា​ដំឡើងកម្មវិធី
• បញ្ហា Jupyter Notebook
• បញ្ហា​កញ្ចប់ Python
• បញ្ហា​បរិយាកាស R
• បញ្ហា​កម្មវិធី Quiz
• បញ្ហា​ទិន្នន័យ និង ផ្លូវ​ឯកសារ
• សារ​ខុស​ប្លែកៗ
• បញ្ហា​ប្រតិបត្តិការ
• បរិយាកាស និង ការកំណត់​រចនា

---

បញ្ហា​ដំឡើងកម្មវិធី

ការដំឡើង Python

បញ្ហា: python: command not found

ដំណោះស្រាយ:

1. ដំឡើង Python 3.8 ឬ​ខ្ពស់ជាង​ពី python.org
2. ពិនិត្យ​ការ​ដំឡើង៖ python --version ឬ python3 --version
3. នៅលើ macOS/Linux អ្នកប្រហែលជា​ត្រូវប្រើ python3 ជំនួស python

បញ្ហា: កំណែក Python ច្រើនបង្កប្រឈម

ដំណោះស្រាយ:

# ប្រើបរិយាកាសវីរុចជាចរាចរ ដើម្បីបំបែកគម្រោង
python -m venv ml-env

# បើកបរិយាកាសវីរុច
# លើ Windows:
ml-env\Scripts\activate
# លើ macOS/Linux:
source ml-env/bin/activate

ការដំឡើង Jupyter

បញ្ហា: jupyter: command not found

ដំណោះស្រាយ:

# តំឡើង Jupyter
pip install jupyter

# ឬជាមួយ pip3
pip3 install jupyter

# ពិនិត្យការតំឡើង
jupyter --version

បញ្ហា: Jupyter មិនចាប់ផ្ដើម​ក្នុង​កម្មវិធីរុករក

ដំណោះស្រាយ:

# ព្យាយាមបញ្ជាក់កម្មវិធីរកមើលវេបសាយ
jupyter notebook --browser=chrome

# ឬចម្លង URL ជាមួយនឹង token ពី terminal ហើយបិទវាទៅកម្មវិធីរកមើលវេបសាយដោយដៃ
# ស្វែងរកៈ http://localhost:8888/?token=...

ការដំឡើង R

បញ្ហា: កញ្ចប់ R មិនអាចដំឡើងបាន

ដំណោះស្រាយ:

# ធ្វើឲ្យប្រាកដថាអ្នកមានកំណែ R ថ្មីបំផុត
# ដំឡើងកញ្ចប់ជាមួយនឹងការពឹងផ្អែក
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)

# ប្រសិនបើការប្រមូលកូដបរាជ័យ សូមព្យាយាមដំឡើងកំណែប៊ីនុារី
install.packages("package-name", type = "binary")

បញ្ហា: IRkernel មិនមាន​ក្នុង Jupyter

ដំណោះស្រាយ:

# នៅក្នុងកុងសូល R
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)

---

បញ្ហា Jupyter Notebook

បញ្ហា Kernel

បញ្ហា: Kernel បន្តស្លាប់ឬចាប់ផ្ដើមឡើងវិញ

ដំណោះស្រាយ:

1. ចាប់ផ្ដើម kernel ថ្មី៖ Kernel → Restart
2. ខ្លះលទ្ធផលនិងចាប់ផ្ដើមឡើងវិញ៖ Kernel → Restart & Clear Output
3. ពិនិត្យបញ្ហា​អង្គចងចាំ (មើល បញ្ហាប្រតិបត្តិការ)
4. ព្យាយាម​រត់ក្រឡាចត្រង្គ​តែបន្ទាត់ដើម្បីរកកូដបញ្ហា

បញ្ហា: ជ្រើស kernel Python មិនត្រឹមត្រូវ

ដំណោះស្រាយ:

1. ពិនិត្យ kernel បច្ចុប្បន្ន៖ Kernel → Change Kernel
2. ជ្រើសកំណែ Python ត្រឹមត្រូវ
3. ប្រសិន kernel មិនមាន បង្កើតវា៖

python -m ipykernel install --user --name=ml-env

បញ្ហា: Kernel មិនចាប់ផ្ដើម

ដំណោះស្រាយ:

# ធ្វើការដំឡើង ipykernel ម្តងទៀត
pip uninstall ipykernel
pip install ipykernel

# ចុះបញ្ជី kernel ម្តងទៀត
python -m ipykernel install --user

បញ្ហា​ក្រឡាចត្រង្គ Notebook

បញ្ហា: ក្រឡាចត្រង្គ​កំពុងរត់ប៉ុន្តែមិនបង្ហាញលទ្ធផល

ដំណោះស្រាយ:

1. ពិនិត្យមើលថា​ក្រឡាចត្រង្គ​នៅតែ​រត់ (មើលបំណែក [*])
2. ចាប់ផ្ដើម kernel ថ្មីនិង​រត់​ក្រឡាចត្រង្គ​ទាំងអស់៖ Kernel → Restart & Run All
3. ពិនិត្យ console របស់ក្រុមហ៊ុន​រុករកសម្រាប់កំហុស JavaScript (F12)

បញ្ហា: មិនអាច​រត់​ក្រឡាចត្រង្គ​បាន - មិនមាន ප්ទិសការឆ្លើយតបពេលចុច "Run"

ដំណោះស្រាយ:

1. ពិនិត្យមើលថា​សេវាកម្ម Jupyter នៅតែ​ដំណើរការ​នៅក្នុង terminal
2. ហៅទំព័ររុករកឡើងវិញ
3. បិទហើយបើកឡើងវិញ notebook
4. ចាប់ផ្ដើម​សេវាកម្ម Jupyter ថ្មី

---

បញ្ហា​កញ្ចប់ Python

កំហុស Import

បញ្ហា: ModuleNotFoundError: No module named 'sklearn'

ដំណោះស្រាយ:

pip install scikit-learn

# កញ្ចប់ ML ទូទៅសម្រាប់វគ្គនេះ
pip install scikit-learn pandas numpy matplotlib seaborn

បញ្ហា: ImportError: cannot import name 'X' from 'sklearn'

ដំណោះស្រាយ:

# ធ្វើបច្ចុប្បន្នភាព scikit-learn ទៅកំណែក្រឡាប់ថ្មីបំផុត
pip install --upgrade scikit-learn

# ពិនិត្យកំណែ
python -c "import sklearn; print(sklearn.__version__)"

បញ្ហា​កំណែ​រំខាន

បញ្ហា: កំហុស​អត្រាកញ្ចប់​កំណែ​មិនសម

ដំណោះស្រាយ:

# បង្កើតបរិយាកាសប្រព័ន្ធមេនវីឌួ
python -m venv fresh-env
source fresh-env/bin/activate  # ឬ fresh-env\Scripts\activate នៅលើ Windows

# ដំឡើងកញ្ចប់ថ្មី
pip install jupyter scikit-learn pandas numpy matplotlib seaborn

# ប្រសិនបើត្រូវការកំណែជាក់លាក់
pip install scikit-learn==1.3.0

បញ្ហា: pip install បរាជ័យដោយកំហុស​សិទ្ធិ

ដំណោះស្រាយ:

# ដំឡើងសម្រាប់អ្នកប្រើបច្ចុប្បន្នតែប៉ុណ្ណោះ
pip install --user package-name

# ឬប្រើបរិយាកាសវឌ្ឍនបត Virtual (សំណូមពរ)
python -m venv venv
source venv/bin/activate
pip install package-name

បញ្ហា​បញ្ចូលទិន្នន័យ

បញ្ហា: កំហុស FileNotFoundError ពេល​បញ្ចូល​ឯកសារ CSV

ដំណោះស្រាយ:

import os
# ពិនិត្យទីតាំងការងារបច្ចុប្បន្ន
print(os.getcwd())

# ប្រើផ្លូវបញ្ជាមួយទាក់ទងពីទីតាំងសៀវភៅកំណត់ហេតុនេះ
df = pd.read_csv('../../data/filename.csv')

# ឬប្រើផ្លូវបញ្ជាពេញលេញ
df = pd.read_csv('/full/path/to/data/filename.csv')

---

បញ្ហា​បរិយាកាស R

ការដំឡើង​កញ្ចប់

បញ្ហា: ការដំឡើង​កញ្ចប់​បរាជ័យដោយកំហុស​កម្មង់

ដំណោះស្រាយ:

# តំឡើងជាកំណែទ្វាពីរប្រព័ន្ធ (Windows/macOS)
install.packages("package-name", type = "binary")

# ធ្វើបច្ចុប្បន្នភាព R ទៅកំណែចុងក្រោយ ប្រសិនបើកញ្ចប់ត្រូវការ
# ពិនិត្យកំណែ R
R.version.string

# តំឡើងភាពពឹងផ្អែករបស់ប្រព័ន្ធ (Linux)
# សម្រាប់ Ubuntu/Debian, នៅក្នុងផ្ទាំងពាក្យបញ្ជា:
# sudo apt-get install r-base-dev

បញ្ហា: tidyverse មិនដំឡើង

ដំណោះស្រាយ:

# ដំឡើងការពឹងផ្អែកជាដំបូង
install.packages(c("rlang", "vctrs", "pillar"))

# បន្ទាប់មកដំឡើង tidyverse
install.packages("tidyverse")

# រឺដំឡើងធាតុផ្សំម្នាក់ៗ
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))

បញ្ហា RMarkdown

បញ្ហា: RMarkdown មិនបង្ហាញលទ្ធផល

ដំណោះស្រាយ:

# ដំឡើង/បន្ទាន់សម័យ rmarkdown
install.packages("rmarkdown")

# ដំឡើង pandoc ប្រសិនបើចាំបាច់
install.packages("pandoc")

# សម្រាប់លទ្ធផល PDF, ដំឡើង tinytex
install.packages("tinytex")
tinytex::install_tinytex()

---

បញ្ហា​កម្មវិធី Quiz

ការសាងសង់ និង ដំឡើង

បញ្ហា: npm install បរាជ័យ

ដំណោះស្រាយ:

# លុបឃ្លាំង npm
npm cache clean --force

# លុប node_modules និង package-lock.json
rm -rf node_modules package-lock.json

# ដំឡើងឡើងវិញ
npm install

# ប្រសិនបើមិនបានសូមព្យាយាមជាមួយ legacy peer deps
npm install --legacy-peer-deps

បញ្ហា: ស្វ័យប្រវត្តិ Port 8080 កំពុងប្រើ

ដំណោះស្រាយ:

# ប្រើពួតផ្សេង
npm run serve -- --port 8081

# រឺស្វែងរកនិងបញ្ឈប់ដំណើរការប្រើពួត 8080
# នៅលើ Linux/macOS:
lsof -ti:8080 | xargs kill -9

# នៅលើ Windows:
netstat -ano | findstr :8080
taskkill /PID <PID> /F

កំហុសសាងសង់

បញ្ហា: npm run build បរាជ័យ

ដំណោះស្រាយ:

# ពិនិត្យជំនាន់ Node.js (គួរតែលើស 14)
node --version

# បន្ទាន់សម័យ Node.js ប្រសិនបើចាំបាច់
# បន្ទាប់មកធ្វើការតម្លើងថ្មី
rm -rf node_modules package-lock.json
npm install
npm run build

បញ្ហា: កំហុស linting បង្កការពិបាកសាងសង់

ដំណោះស្រាយ:

# ដោះស្រាយបញ្ហាដែលអាចជួសជុលដោយស្វ័យប្រវត្តិ
npm run lint -- --fix

# ឬបិទសកម្មភាពលីនថ៍បណ្ដោះអាសន្ននៅក្នុងការចាក់បញ្ចាំង
# (មិនផ្ដល់អនុសាសន៍សម្រាប់ផលិតកម្ម)

---

បញ្ហា​ទិន្នន័យ និង ផ្លូវ​ឯកសារ

បញ្ហាផ្លូវ

បញ្ហា: ឯកសារទិន្នន័យមិនត្រូវបានរកឃើញពេល​រត់ notebook

ដំណោះស្រាយ:

1. តែងតែ​រត់ notebook ពីថត​ដែលវាស្ថិត​នៅក្នុង

   cd /path/to/lesson/folder
   jupyter notebook
   

2. ពិនិត្យ​ផ្លូវទ relatif នៅក្នុងកូដ

   # ផ្លូវត្រឹមត្រូវពីទីតាំងសៀវភៅកំណត់ត្រា
   df = pd.read_csv('../data/filename.csv')
   
   # មិនមកពីទីតាំងប្រដាប់បញ្ជារបស់អ្នកទេ
   

3. ប្រើផ្លូវ​លេខស្មើ (absolute paths) ប្រសិនបើចាំបាច់

   import os
   base_path = os.path.dirname(os.path.abspath(__file__))
   data_path = os.path.join(base_path, 'data', 'filename.csv')
   

ឯកសារ​ទិន្នន័យ​អវសាន

បញ្ហា: ឯកសារតំណាងទិន្នន័យបាត់បង់

ដំណោះស្រាយ:

1. ពិនិត្យមើលថាតើទិន្នន័យ​គួរតែ​មាន​ក្នុង repository ​- រាល់ទិន្នន័យភាគច្រើនបានរួមបញ្ចូល
2. មេរៀនខ្លះត្រូវការទាញយកទិន្នន័យ - ពិនិត្យមើល README មេរៀន
3. ​ប្រាកដថាអ្នកបានទាញយកការផ្លាស់ប្តូរថ្មីៗ៖

   git pull origin main
   

---

សារ​ខុស​ប្លែកៗ

កំហុស​អង្គចងចាំ

កំហុស: MemoryError ឬ kernel ស្លាប់ពេល​ដំណើរការ​ទិន្នន័យ

ដំណោះស្រាយ:

# បញ្ចូលទិន្នន័យជាមួយប្លុក
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# ឬអានព្រឹត្តិការណ៍តែលេខ្វាងទេ
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])

# សម្លឹងចេញពីម៉ឺម៉ូរីពេលបញ្ចប់
del large_dataframe
import gc
gc.collect()

ការព្រមាន Convergence

ព្រមាន: ConvergenceWarning: Maximum number of iterations reached

ដំណោះស្រាយ:

from sklearn.linear_model import LogisticRegression

# បង្កើនចំនួន iteration អតិបរមា
model = LogisticRegression(max_iter=1000)

# ឬបង្ហាញលក្ខណៈរបស់អ្នកជាមុនសិន
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

បញ្ហាផ្ទាំងក្រាហ្វិក

បញ្ហា: ផ្ទាំងក្រាហ្វិកមិនបង្ហាញក្នុង Jupyter

ដំណោះស្រាយ:

# បើកការរៀបចំគំនូសបន្ទាត់
%matplotlib inline

# នាំចូល pyplot
import matplotlib.pyplot as plt

# បង្ហាញគំនូសយ៉ាងច្បាស់
plt.plot(data)
plt.show()

បញ្ហា: ផ្ទាំងក្រាហ្វិក Seaborn មើលខុសឬបង្ហាញកំហុស

ដំណោះស្រាយ:

import warnings
warnings.filterwarnings('ignore', category=UserWarning)

# បន្ទាន់សម័យទៅកំណែសមត្ថភាព
# pip install --upgrade seaborn matplotlib

កំហុស Unicode/Encoding

បញ្ហា: UnicodeDecodeError ពេល​អានឯកសារ

ដំណោះស្រាយ:

# បញ្ជាក់កូដបញ្ចូលឲ្យច្បាស់
df = pd.read_csv('file.csv', encoding='utf-8')

# ឬសាកល្បងកូដបញ្ចូលផ្សេងទៀត
df = pd.read_csv('file.csv', encoding='latin-1')

# សម្រាប់ errors='ignore' ដើម្បីរំលងតួអក្សរដែលមានបញ្ហា
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')

---

បញ្ហា​ប្រតិបត្តិការ

ការរត់ notebook យឺត

បញ្ហា: Notebook រត់យឺតខ្លាំង

ដំណោះស្រាយ:

1. ចាប់ផ្ដើម kernel ថ្មី ដើម្បីធ្វើអង្គចងចាំមូល៖ Kernel → Restart
2. បិទ notebook មិនប្រើ ដើម្បីសង្រ្គោះធនធាន
3. ប្រើតំណាងទិន្នន័យតូចសម្រាប់សាកល្បង:

   # ធ្វើការ​ជាមួយ​ផ្នែក​តូច​ក្នុងអំឡុងពេលអភិវឌ្ឍន៍
   df_sample = df.sample(n=1000)
   

4. រាយការណ៍កម្មវិធីរបស់អ្នក ដើម្បីរកកន្លែងដាក់ពេលយឺត:

   %time operation()  # ពេលវេលាសម្រាប់ប្រតិបត្តិការតែមួយ
   %timeit operation()  # ពេលវេលាជាមួយការរត់ច្រើនដង
   

ការប្រើប្រាស់អង្គចងចាំខ្ពស់

បញ្ហា: ប្រព័ន្ធ​ប្រើអង្គចងចាំ​ច្រើនពេក

ដំណោះស្រាយ:

# ពិនិត្យមើលការប្រើប្រាស់អង្គចងចាំ
df.info(memory_usage='deep')

# បង្កើនប្រសិទ្ធភាពប្រភេទទិន្នន័យ
df['column'] = df['column'].astype('int32')  # ជំនួស int64

# ទម្លាក់ជួរឈរដែលមិនចាំបាច់
df = df[['col1', 'col2']]  # រក្សាទុកតែជួរឈរដែលចាំបាច់ប៉ុណ្ណោះ

# ដំណើរការជាក្រុម
for batch in np.array_split(df, 10):
    process(batch)

---

បរិយាកាស និង ការកំណត់​រចនា

បញ្ហាបរិយាកាស Virtual

បញ្ហា: បរិយាកាស Virtual មិនដំណើរការ

ដំណោះស្រាយ:

# Windows
python -m venv venv
venv\Scripts\activate.bat

# macOS/Linux
python3 -m venv venv
source venv/bin/activate

# ពិនិត្យ​មើល​ថា​តើ​បានបើក​ប្រើ​ហើយ​ឬនៅ (គួរ​តែបង្ហាញឈ្មោះ venv នៅក្នុង prompt)
which python  # គួរតែបង្ហាញ python របស់ venv

បញ្ហា: កញ្ចប់​ដំឡើងហើយប៉ុន្តែមិនរកឃើញ​ក្នុង notebook

ដំណោះស្រាយ:

# ប្រាកដថា notebook ប្រើ kernel ត្រឹមត្រូវ
# តំឡើង ipykernel នៅក្នុង venv របស់អ្នក
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"

# នៅក្នុង Jupyter: Kernel → ប្ដូរ Kernel → Python (ml-env)

បញ្ហា Git

បញ្ហា: មិនអាចទាញយកកំណែថ្មី - ប្រឈមមុខកំហុសបញ្ចូល​ (merge conflicts)

ដំណោះស្រាយ:

# រក្សាទុកការផ្លាស់ប្តូររបស់អ្នក
git stash

# ទាញយកចុងក្រោយ
git pull origin main

# អនុវត្តបម្លែងរបស់អ្នកម្តងទៀត
git stash pop

# ប្រសិនបើមានជម្លោះ សូមដោះស្រាយដោយដៃ ឬ៖
git checkout --theirs path/to/file  # ទទួលយកកំណែពីចម្ងាយ
git checkout --ours path/to/file    # រក្សាកំណែរបស់អ្នក

ការបញ្ចូល VS Code

បញ្ហា: Jupyter notebook មិនបើកក្នុង VS Code

ដំណោះស្រាយ:

1. ដំឡើង ផ្នែកបន្ថែម Python ក្នុង VS Code
2. ដំឡើង ផ្នែកបន្ថែម Jupyter ក្នុង VS Code
3. ជ្រើសកំណែ Python ត្រឹមត្រូវ៖ Ctrl+Shift+P → "Python: Select Interpreter"
4. ចាប់ផ្ដើម VS Code ថ្មី

---

ឯកសារជំនួយ​បន្ថែម

• Discord Discussions: សួរជម្លើយ និងចែករំលែកដំណោះស្រាយនៅក្នុងបន្ទប់ #ml-for-beginners
• Microsoft Learn: ម៉ូឌុល ML សម្រាប់អ្នកចាប់ផ្ដើម
• មេរៀន​វីដេអូ: បញ្ជីផ្តល់មេរៀន YouTube
• តាមដានបញ្ហា: រាយការណ៍កំហុស

---

តើ​អ្នកនៅតែ​មាន​បញ្ហា?

បើអ្នកបាន​ព្យាយាមដំណោះស្រាយខាងលើហើយក៏នៅតែ​មានបញ្ហា៖

1. ស្វែងរកបញ្ហាមុនមានរួច៖ GitHub Issues
2. ពិនិត្យការពិភាក្សា​នៅ Discord៖ Discord Discussions
3. បើកបញ្ហាថ្មី៖ រួមបញ្ចូល៖
   • ប្រព័ន្ធ​ប្រតិបត្តិការ និងកំណែ​របស់អ្នក
   • កំណែ Python/R
   • សារខុស (តាមការតាមដានពេញលេញ)
   • ជំហាន​ផលិតបញ្ហា
   • អ្វីដែលអ្នកបានព្យាយាម​រួចហើយ

យើងនៅទីនេះដើម្បីជួយអ្នក! 🚀

---

ការបដិសេធ ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ខណៈពេលយើងខិតខំរកភាពត្រឹមត្រូវ សូមយល់ដល់ថាការបកប្រែដោយស្វ័យប្រវត្តិក្នុងមួយពេលអាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមដែលនៅក្នុងភាសាមាតុភូមិគួរត្រូវបានពិចារណាថាជា ប្រភពតែមួយដែលមានសុពលភាព។ សម្រាប់ព័ត៌មានសំខាន់ៗ គឺត្រូវបានណែនាំឲ្យប្រើការបកប្រែដោយមនុស្សអ្នកជំនាញ។ យើងមិនមានកាតព្វកិច្ចរំលោភចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសក្នុងការប្រើប្រាស់បកប្រែនេះឡើយ។