|
|
# 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:
|
|
|
|
|
|
```bash
|
|
|
# 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:
|
|
|
|
|
|
```bash
|
|
|
# Rയും ആവശ്യമായ പാക്കേജുകളും ഇൻസ്റ്റാൾ ചെയ്യുക
|
|
|
# R കൺസോളിൽ:
|
|
|
install.packages(c("tidyverse", "tidymodels", "caret"))
|
|
|
```
|
|
|
|
|
|
### ക്വിസ് ആപ്പിനായി
|
|
|
|
|
|
ക്വിസ് ആപ്പ് `quiz-app/` ഡയറക്ടറിയിൽ ഉള്ള Vue.js ആപ്പാണ്:
|
|
|
|
|
|
```bash
|
|
|
cd quiz-app
|
|
|
npm install
|
|
|
```
|
|
|
|
|
|
### ഡോക്യുമെന്റേഷൻ സൈറ്റിനായി
|
|
|
|
|
|
ഡോക്യുമെന്റേഷൻ ലോക്കലായി പ്രവർത്തിപ്പിക്കാൻ:
|
|
|
|
|
|
```bash
|
|
|
# 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:
|
|
|
```bash
|
|
|
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
|
|
|
|
|
|
```bash
|
|
|
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
|
|
|
|
|
|
```bash
|
|
|
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:
|
|
|
|
|
|
```bash
|
|
|
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](CODE_OF_CONDUCT.md) 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
|
|
|
|
|
|
```bash
|
|
|
# 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](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
- **Quiz App**: [Online quizzes](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- **Discussion Board**: [GitHub Discussions](https://github.com/microsoft/ML-For-Beginners/discussions)
|
|
|
- **Video Walkthroughs**: [YouTube Playlist](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
## 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
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**അസൂയാ**:
|
|
|
ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/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.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
