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.
ML-For-Beginners/translations/te/AGENTS.md

23 KiB

AGENTS.md

Project Overview

ఇది Machine Learning for Beginners, పాఠ్యాంశాల 26తో కూడిన 12 వారాల సమగ్ర పాఠ్యక్రమం, ఇది Python (ప్రధానంగా Scikit-learn తో) మరియు R ఉపయోగించి క్లాసిక్ మెషీన్ లెర్నింగ్ కాన్సెప్ట్‌లను కవర్ చేస్తుంది. ఈ రిపోజిటరీ స్వీయ-గతిలో నేర్చుకునే వనరుగా రూపొందించబడింది, ఇందులో ప్రాక్టికల్ ప్రాజెక్టులు, క్విజ్‌లు మరియు అసైన్‌మెంట్‌లు ఉన్నాయి. ప్రతి పాఠం ప్రపంచవ్యాప్తంగా వివిధ సంస్కృతులు మరియు ప్రాంతాల నుండి వాస్తవ డేటా ద్వారా ML కాన్సెప్ట్‌లను అన్వేషిస్తుంది.

ప్రధాన భాగాలు:

  • విద్యా విషయాలు: ML పరిచయం, రిగ్రెషన్, క్లాసిఫికేషన్, క్లస్టరింగ్, NLP, టైమ్ సిరీస్, మరియు రీఇన్ఫోర్స్‌మెంట్ లెర్నింగ్‌ను కవర్ చేసే 26 పాఠాలు
  • క్విజ్ అప్లికేషన్: Vue.js ఆధారిత క్విజ్ యాప్, పాఠం ముందు మరియు తర్వాత అంచనాలతో
  • బహుభాషా మద్దతు: GitHub Actions ద్వారా 40+ భాషలకు ఆటోమేటెడ్ అనువాదాలు
  • రెండు భాషల మద్దతు: పాఠాలు Python (Jupyter నోట్‌బుక్స్) మరియు R (R Markdown ఫైళ్లలో) అందుబాటులో ఉన్నాయి
  • ప్రాజెక్ట్ ఆధారిత నేర్చుకోవడం: ప్రతి అంశం ప్రాక్టికల్ ప్రాజెక్టులు మరియు అసైన్‌మెంట్‌లను కలిగి ఉంటుంది

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

ప్రతి పాఠం ఫోల్డర్ సాధారణంగా కలిగి ఉంటుంది:

  • README.md - ప్రధాన పాఠ్యాంశం
  • notebook.ipynb - Python Jupyter నోట్‌బుక్
  • solution/ - సొల్యూషన్ కోడ్ (Python మరియు R వెర్షన్లు)
  • assignment.md - ప్రాక్టీస్ వ్యాయామాలు
  • images/ - విజువల్ వనరులు

Setup Commands

For Python Lessons

అధిక భాగం పాఠాలు Jupyter నోట్‌బుక్స్ ఉపయోగిస్తాయి. అవసరమైన డిపెండెన్సీలను ఇన్‌స్టాల్ చేయండి:

# ఇప్పటికే ఇన్‌స్టాల్ చేయకపోతే Python 3.8+ ఇన్‌స్టాల్ చేయండి
python --version

# Jupyter ఇన్‌స్టాల్ చేయండి
pip install jupyter

# సాధారణ ML లైబ్రరీలను ఇన్‌స్టాల్ చేయండి
pip install scikit-learn pandas numpy matplotlib seaborn

# నిర్దిష్ట పాఠాల కోసం, పాఠం-స్పెసిఫిక్ అవసరాలను తనిఖీ చేయండి
# ఉదాహరణ: వెబ్ యాప్ పాఠం
pip install flask

For R Lessons

R పాఠాలు solution/R/ ఫోల్డర్లలో .rmd లేదా .ipynb ఫైళ్లుగా ఉంటాయి:

# R మరియు అవసరమైన ప్యాకేజీలను ఇన్‌స్టాల్ చేయండి
# R కన్సోల్‌లో:
install.packages(c("tidyverse", "tidymodels", "caret"))

For Quiz Application

క్విజ్ యాప్ quiz-app/ డైరెక్టరీలో ఉన్న Vue.js అప్లికేషన్:

cd quiz-app
npm install

For Documentation Site

డాక్యుమెంటేషన్ స్థానికంగా నడపడానికి:

# డాక్సిఫైని ఇన్‌స్టాల్ చేయండి
npm install -g docsify-cli

# రిపోజిటరీ రూట్ నుండి సర్వ్ చేయండి
docsify serve

# http://localhost:3000 వద్ద యాక్సెస్ చేయండి

Development Workflow

Working with Lesson Notebooks

  1. పాఠం డైరెక్టరీకి వెళ్లండి (ఉదా: 2-Regression/1-Tools/)
  2. Jupyter నోట్‌బుక్ తెరవండి:
    jupyter notebook notebook.ipynb
    
  3. పాఠ్యాంశం మరియు వ్యాయామాలపై పని చేయండి
  4. అవసరమైతే solution/ ఫోల్డర్‌లో సొల్యూషన్లను తనిఖీ చేయండి

Python Development

  • పాఠాలు ప్రామాణిక Python డేటా సైన్స్ లైబ్రరీలను ఉపయోగిస్తాయి
  • ఇంటరాక్టివ్ నేర్చుకోవడానికి Jupyter నోట్‌బుక్స్
  • ప్రతి పాఠం solution/ ఫోల్డర్‌లో సొల్యూషన్ కోడ్ అందుబాటులో ఉంటుంది

R Development

  • R పాఠాలు .rmd ఫార్మాట్ (R Markdown)లో ఉంటాయి
  • సొల్యూషన్లు solution/R/ ఉపడైరెక్టరీలలో ఉంటాయి
  • R నోట్‌బుక్స్ నడపడానికి RStudio లేదా R కర్నెల్‌తో Jupyter ఉపయోగించండి

Quiz Application Development

cd quiz-app

# అభివృద్ధి సర్వర్ ప్రారంభించండి
npm run serve
# http://localhost:8080 వద్ద యాక్సెస్ చేయండి

# ఉత్పత్తి కోసం నిర్మించండి
npm run build

# ఫైళ్లను లింట్ చేసి సరిచేయండి
npm run lint

Testing Instructions

Quiz Application Testing

cd quiz-app

# కోడ్‌ను లింట్ చేయండి
npm run lint

# ఎటువంటి లోపాలు లేవని నిర్ధారించడానికి నిర్మించండి
npm run build

గమనిక: ఇది ప్రధానంగా విద్యా పాఠ్యక్రమం రిపోజిటరీ. పాఠ్యాంశం కోసం ఆటోమేటెడ్ టెస్టులు లేవు. ధృవీకరణ ఈ విధంగా జరుగుతుంది:

  • పాఠం వ్యాయామాలు పూర్తి చేయడం
  • నోట్‌బుక్ సెల్స్ విజయవంతంగా నడపడం
  • సొల్యూషన్లలో అంచనా ఫలితాలతో అవుట్‌పుట్ తనిఖీ చేయడం

Code Style Guidelines

Python Code

  • PEP 8 స్టైల్ మార్గదర్శకాలను అనుసరించండి
  • స్పష్టమైన, వివరణాత్మక వేరియబుల్ పేర్లను ఉపయోగించండి
  • క్లిష్టమైన ఆపరేషన్లకు వ్యాఖ్యలు చేర్చండి
  • Jupyter నోట్‌బుక్స్‌లో కాన్సెప్ట్‌లను వివరించే మార్క్డౌన్ సెల్స్ ఉండాలి

JavaScript/Vue.js (Quiz App)

  • Vue.js స్టైల్ గైడ్‌ను అనుసరిస్తుంది
  • quiz-app/package.jsonలో ESLint కాన్ఫిగరేషన్
  • సమస్యలను తనిఖీ చేయడానికి మరియు ఆటో-ఫిక్స్ చేయడానికి npm run lint నడపండి

Documentation

  • మార్క్డౌన్ ఫైళ్లు స్పష్టంగా మరియు బాగా నిర్మించబడాలి
  • కోడ్ ఉదాహరణలను fenced కోడ్ బ్లాక్స్‌లో చేర్చండి
  • అంతర్గత సూచనలకు సంబంధిత లింకులను ఉపయోగించండి
  • ఉన్న ఫార్మాటింగ్ సంప్రదాయాలను అనుసరించండి

Build and Deployment

Quiz Application Deployment

క్విజ్ యాప్‌ను Azure Static Web Apps కు డిప్లాయ్ చేయవచ్చు:

  1. అవసరాలు:

    • Azure ఖాతా
    • GitHub రిపోజిటరీ (ఇప్పటికే ఫోర్క్ చేయబడింది)
  2. Azure కు డిప్లాయ్ చేయండి:

    • Azure Static Web App వనరును సృష్టించండి
    • GitHub రిపోజిటరీకి కనెక్ట్ చేయండి
    • యాప్ లొకేషన్: /quiz-app గా సెట్ చేయండి
    • అవుట్‌పుట్ లొకేషన్: dist గా సెట్ చేయండి
    • Azure ఆటోమేటిక్‌గా GitHub Actions వర్క్‌ఫ్లో సృష్టిస్తుంది
  3. GitHub Actions Workflow:

    • .github/workflows/azure-static-web-apps-*.yml వద్ద వర్క్‌ఫ్లో ఫైల్ సృష్టించబడుతుంది
    • ప్రధాన బ్రాంచ్‌కు పుష్ చేసినప్పుడు ఆటోమేటిక్‌గా బిల్డ్ చేసి డిప్లాయ్ చేస్తుంది

Documentation PDF

డాక్యుమెంటేషన్ నుండి PDF రూపొందించండి:

npm install
npm run convert

Translation Workflow

ముఖ్యమైనది: అనువాదాలు GitHub Actions ద్వారా Co-op Translator ఉపయోగించి ఆటోమేటెడ్‌గా జరుగుతాయి.

  • మార్పులు main బ్రాంచ్‌కు పుష్ చేసినప్పుడు అనువాదాలు ఆటోమేటిక్‌గా ఉత్పత్తి అవుతాయి
  • కంటెంట్‌ను మానవీయంగా అనువదించవద్దు - సిస్టమ్ దీనిని నిర్వహిస్తుంది
  • వర్క్‌ఫ్లో .github/workflows/co-op-translator.ymlలో నిర్వచించబడింది
  • అనువాదానికి Azure AI/OpenAI సేవలను ఉపయోగిస్తుంది
  • 40+ భాషలకు మద్దతు ఇస్తుంది

Contributing Guidelines

For Content Contributors

  1. రిపోజిటరీని ఫోర్క్ చేసి ఫీచర్ బ్రాంచ్ సృష్టించండి
  2. పాఠ్యాంశం మార్చండి లేదా కొత్త పాఠాలు జోడించండి
  3. అనువదించిన ఫైళ్లను మార్చవద్దు - అవి ఆటోమేటెడ్‌గా ఉత్పత్తి అవుతాయి
  4. మీ కోడ్‌ను పరీక్షించండి - అన్ని నోట్‌బుక్ సెల్స్ విజయవంతంగా నడవాలి
  5. లింకులు మరియు చిత్రాలు సరిచూసుకోండి
  6. స్పష్టమైన వివరణతో పుల్ రిక్వెస్ట్ సమర్పించండి

Pull Request Guidelines

  • శీర్షిక ఫార్మాట్: [Section] మార్పుల సంక్షిప్త వివరణ
    • ఉదా: [Regression] పాఠం 5లో టైపో సరిచేయండి
    • ఉదా: [Quiz-App] డిపెండెన్సీలను నవీకరించండి
  • సమర్పించే ముందు:
    • అన్ని నోట్‌బుక్ సెల్స్ ఎర్రర్ల లేకుండా నడవాలి
    • quiz-app మార్చినట్లయితే npm run lint నడపండి
    • మార్క్డౌన్ ఫార్మాటింగ్ తనిఖీ చేయండి
    • కొత్త కోడ్ ఉదాహరణలను పరీక్షించండి
  • PRలో ఉండవలసినవి:
    • మార్పుల వివరణ
    • మార్పుల కారణం
    • UI మార్పులుంటే స్క్రీన్‌షాట్లు
  • Code of Conduct: Microsoft Open Source Code of Conduct అనుసరించండి
  • CLA: Contributor License Agreement సంతకం చేయాలి

Lesson Structure

ప్రతి పాఠం ఒక సుస్పష్టమైన నమూనాను అనుసరిస్తుంది:

  1. పాఠం ముందు క్విజ్ - ప్రాథమిక జ్ఞానాన్ని పరీక్షించండి
  2. పాఠ్యాంశం - వ్రాత సూచనలు మరియు వివరణలు
  3. కోడ్ డెమోస్ - నోట్‌బుక్స్‌లో ప్రాక్టికల్ ఉదాహరణలు
  4. జ్ఞాన తనిఖీలు - అర్థం చేసుకున్నదాన్ని నిర్ధారించండి
  5. చాలెంజ్ - స్వతంత్రంగా కాన్సెప్ట్‌లను వర్తించండి
  6. అసైన్‌మెంట్ - విస్తృత ప్రాక్టీస్
  7. పాఠం తర్వాత క్విజ్ - నేర్చుకున్న ఫలితాలను అంచనా వేయండి

Common Commands Reference

# Python/Jupyter
jupyter notebook                    # Jupyter సర్వర్ ప్రారంభించండి
jupyter notebook notebook.ipynb     # నిర్దిష్ట నోట్‌బుక్ తెరవండి
pip install -r requirements.txt     # ఆధారాలు ఇన్‌స్టాల్ చేయండి (అక్కడ అందుబాటులో ఉంటే)

# క్విజ్ యాప్
cd quiz-app
npm install                        # ఆధారాలు ఇన్‌స్టాల్ చేయండి
npm run serve                      # అభివృద్ధి సర్వర్
npm run build                      # ఉత్పత్తి బిల్డ్
npm run lint                       # లింట్ చేసి సరిచేయండి

# డాక్యుమెంటేషన్
docsify serve                      # డాక్యుమెంటేషన్‌ను స్థానికంగా సర్వ్ చేయండి
npm run convert                    # PDF రూపొందించండి

# Git వర్క్‌ఫ్లో
git checkout -b feature/my-change  # ఫీచర్ బ్రాంచ్ సృష్టించండి
git add .                         # మార్పులను స్టేజ్ చేయండి
git commit -m "Description"       # మార్పులను కమిట్ చేయండి
git push origin feature/my-change # రిమోట్‌కు పుష్ చేయండి

Additional Resources

Key Technologies

  • Python: ML పాఠాల కోసం ప్రాథమిక భాష (Scikit-learn, Pandas, NumPy, Matplotlib)
  • R: tidyverse, tidymodels, caret ఉపయోగించి ప్రత్యామ్నాయ అమలు
  • Jupyter: Python పాఠాల కోసం ఇంటరాక్టివ్ నోట్‌బుక్స్
  • R Markdown: R పాఠాల డాక్యుమెంట్లు
  • Vue.js 3: క్విజ్ అప్లికేషన్ ఫ్రేమ్‌వర్క్
  • Flask: ML మోడల్ డిప్లాయ్‌మెంట్ కోసం వెబ్ అప్లికేషన్ ఫ్రేమ్‌వర్క్
  • Docsify: డాక్యుమెంటేషన్ సైట్ జనరేటర్
  • GitHub Actions: CI/CD మరియు ఆటోమేటెడ్ అనువాదాలు

Security Considerations

  • కోడ్‌లో రహస్యాలు లేవు: API కీలు లేదా క్రెడెన్షియల్స్ ఎప్పుడూ కమిట్ చేయవద్దు
  • డిపెండెన్సీలు: npm మరియు pip ప్యాకేజీలను నవీకరించండి
  • వినియోగదారు ఇన్‌పుట్: Flask వెబ్ యాప్ ఉదాహరణలు ప్రాథమిక ఇన్‌పుట్ ధృవీకరణను కలిగి ఉంటాయి
  • సున్నితమైన డేటా: ఉదాహరణ డేటాసెట్‌లు పబ్లిక్ మరియు సున్నితమైనవి కావు

Troubleshooting

Jupyter Notebooks

  • కర్నెల్ సమస్యలు: సెల్స్ హ్యాంగ్ అయితే కర్నెల్ రీస్టార్ట్ చేయండి: Kernel → Restart
  • ఇంపోర్ట్ లోపాలు: అవసరమైన అన్ని ప్యాకేజీలు pip తో ఇన్‌స్టాల్ చేయండి
  • పాత్ సమస్యలు: నోట్‌బుక్స్‌ను వాటి ఉన్న డైరెక్టరీ నుండి నడపండి

Quiz Application

  • npm install విఫలమైతే: npm క్యాష్ క్లియర్ చేయండి: npm cache clean --force
  • పోర్ట్ సంకర్షణలు: పోర్ట్ మార్చండి: npm run serve -- --port 8081
  • బిల్డ్ లోపాలు: node_modules తొలగించి మళ్లీ ఇన్‌స్టాల్ చేయండి: rm -rf node_modules && npm install

R Lessons

  • ప్యాకేజీ కనుగొనబడకపోతే: ఇన్‌స్టాల్ చేయండి: install.packages("package-name")
  • RMarkdown రెండరింగ్: rmarkdown ప్యాకేజీ ఇన్‌స్టాల్ ఉందని నిర్ధారించండి
  • కర్నెల్ సమస్యలు: Jupyter కోసం IRkernel ఇన్‌స్టాల్ చేయవలసి ఉండవచ్చు

Project-Specific Notes

  • ఇది ప్రధానంగా నెర్చుకునే పాఠ్యక్రమం, ప్రొడక్షన్ కోడ్ కాదు
  • ప్రాధాన్యం ML కాన్సెప్ట్‌లను అర్థం చేసుకోవడంలో ఉంది, ప్రాక్టికల్ ద్వారా
  • కోడ్ ఉదాహరణలు స్పష్టతపై ఎక్కువ దృష్టి పెట్టాయి, ఆప్టిమైజేషన్ కంటే
  • ఎక్కువ భాగం పాఠాలు స్వతంత్రంగా పూర్తి చేయగలవు
  • సొల్యూషన్లు అందుబాటులో ఉన్నాయి, కానీ నేర్చుకునేవారు ముందుగా వ్యాయామాలు ప్రయత్నించాలి
  • రిపోజిటరీ Docsify ఉపయోగించి వెబ్ డాక్యుమెంటేషన్ అందిస్తుంది, బిల్డ్ స్టెప్ అవసరం లేదు
  • స్కెచ్‌నోట్లు కాన్సెప్ట్‌ల విజువల్ సారాంశాలను అందిస్తాయి
  • బహుభాషా మద్దతు కంటెంట్‌ను ప్రపంచవ్యాప్తంగా అందుబాటులో ఉంచుతుంది

అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. అసలు పత్రం దాని స్వదేశీ భాషలో ఉన్నది అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారుల కోసం మేము బాధ్యత వహించము.