48 KiB

Raw Blame History Unescape Escape

🌐 ဘာသာစကားစုံကို ထောက်ပံ့မှု

GitHub Action မှတဆင့် ထောက်ပံ့ဝန်ဆောင်မှု (အလိုအလျောက်နှင့် အမြဲတမ်း နောက်ဆုံးပေါ်)

ဒေါင်းလုဒ်ကို စက်တွင် ကလုံချင်ပါသလား?

ဒီဂစ်စတွီးတွင် ဘာသာစကား ၅၀ ကျော်ပါဝင်ပြီး ဒေါင်းလုတ်အရွယ်အစားကို တတ္တိလည်းမြင့်စေပါတယ်။ ဘာသာပြန်မပါဘဲ ကလုံချင်လျှင် sparse checkout ကိုအသုံးပြုပါ:
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'
ဒါလျှင် သင်သင်ယူမည့် အရာအားလုံးကို ပိုမိုမြန်ဆန်စွာ ဒေါင်းလုဒ်ရနိုင်မှာ ဖြစ်ပါတယ်။

ကျွန်ုပ်တို့၏ အသိုင်းအဝိုင်း စုပေါင်းပါဝင်ပါ

ကျွန်ုပ်တို့တွင် AI နှင့်အတူ သင်ယူခြင်းဆက်ဖြစ်နေပြီး၊ ၂၀၂၅ ခုနှစ် စက်တင်ဘာ ၁၈ ရက်မှ ၃၀ ရက်အထိ Learn with AI Series တွင် ပိုမိုသိရှိနိုင်ပြီး GitHub Copilot ကို Data Science အတွက် အသုံးပြုပုံအကြံပြုချက်များ ရရှိနိုင်သည်။

အခြေခံအတန်းများအတွက် ယူနစ် - သင်ရိုးညွှန်းတမ်း

🌍 ကမ္ဘာကို လှည့်လည် သရုပ်ပြမည့် Machine Learning အတန်းကို ယူနစ်အနေဖြင့် သင်ကြားမည် 🌍

Microsoft ရဲ့ Cloud Advocates က ၁၂ ပတ်ကြာ၊ ၂၆ အခန်းပါရှိ သင်ရိုးညွှန်းတမ်းကို မိတ်ဆက်ပေးဖို့ ဝမ်းမြောက်ပါတယ်။ ဒီသင်ရိုးမှာ ကမ္ဘာအနှံ့ရှိ ယဉ်ကျေးမှုတွေကို အသုံးပြုပြီး မာရှင်လေ့လာမှု အသုံးချနည်းတွေကို သင်ကြားပေးမှာ ဖြစ်ပြီး Scikit-learn ဆိုတဲ့ ပိုထူးခြားစွာ အသုံးပြု ခဲ့တဲ့ classic machine learning သင်ခန်းစာတွေပါဝင်ပါတယ်။ Deep learning ကိုတော့ AI for Beginners' curriculum မှာဖော်ပြထားပြီး ဒီသင်ရိုးနဲ့တွဲ (paired) သုံးဖို့ 'Data Science for Beginners' curriculum(https://aka.ms/ds4beginners) ကိုလည်း ထည့်သွင်းထားပါတယ်။

ကမ္ဘာအနှံ့ရှိ ဒေတာများကို ဒီ classic နည်းပညာတွေသုံးပြီး လေ့လာကာ ခရီးဆက်ပါ။ အခြား စာသင်ခန်းတစ်ခုချင်းစီမှာ သင်ခန်းစာ ခေါင်းစဉ်မှီခို ကျွမ်းကျင်မှု စစ်ဆေးမှု၊ သင်ခန်းစာ ရေးသားချက်များ၊ ဖြေရှင်းချက်၊ တာဝန်ကျေမှု၊ အခြားများ ပါဝင်ပါတယ်။ ပရောဂျက် အခြေပြု သင်ကြားမှုသည် သင်ယူရေး ပိုမိုကောင်းမွန်စေပြီး လေ့လာခဲ့သည့် နည်းလမ်းများ စွဲမြဲစေပါသည်။

✍️ ကျေးဇူးအထူးတင်ရပါသည် ကျွန်ုပ်တို့၏စာရေးဆရာများ Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu နှင့် Amy Boyd

🎨 ပုံဖော်သူများအားလုံးကိုလည်း ကျေးဇူးတင်ရှိ ပါသည် Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 Microsoft Student Ambassador စာရေးဆရာ၊ ပြန်လည်သုံးသပ်သူနှင့် အကြောင်းအရာ ပံ့ပိုးသူများအတွက် အထူးပင် ကျေးဇူးတင်ရှိပါတယ်၊ Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, နှင့် Snigdha Agarwal အပါအဝင်

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, နှင့် Vidushi Gupta တို့အတွက် R သင်ခန်းစာများအတွက် အပိုပြီး ကျေးဇူးတင်ရှိပါတယ်!

စတင်နည်းအသစ်များ

အောက်ပါအဆင့်များကို လိုက်နာပါ။

Repository ကို Fork လုပ်ပါ: ဒီစာမျက်နှာ၏ အပေါ်ညာထောင့်ရှိ "Fork" ခလုတ်ကိုနှိပ်ပါ။
Repository ကို Clone လုပ်ပါ: git clone https://github.com/microsoft/ML-For-Beginners.git

ဒီသင်ရိုးအတွက် နောက်ထပ်အရင်းအမြစ်များကို Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ

🔧 ကူညီမှု လိုပါသလား? သင်တန်းများ ဆောက်လုပ်နည်း၊ အဆင့်အတန်းများ နှင့် စနစ်တကျ ပြဿနာဖြေရှင်းခြင်းများအတွက် Troubleshooting Guide ကို ကြည့်ရှုပါ။

ကျောင်းသားများ၊ ဒီသင်ရိုးကို သုံးရန်အတွက် သင့်ကိုယ်ပိုင် GitHub အကောင့်သို့ repo အားလုံးကို fork ပြုလုပ်ပြီး ကိုယ်တိုင် သို့မဟုတ် အဖွဲ့နှင့်အတူ လေ့ကျင့်ခန်းများ ပြီးမြောက်အောင်လုပ်ပါ။

စာသင်ခန်း မတိုင်ခင် စစ်ဆေးမှုမှစပါ။
စာသင်ခန်းကို ဖတ်ပြီး လေ့လာရှု၊ knowledge check အတွက် ရပ်နားစဉ်းစားပါ။
ဖြေရှင်းချက်ကုဒ် မသွားဘဲ သင်ခန်းစာများကို နားလည်ကာ ပရောဂျက်များဖန်တီးကြည့်ပါ။ သို့သော် အဲဒီကုဒ်ကို project-based သင်ခန်းစာတိုင်းရှိ /solution ဖိုင်ထဲတွင် ရနိုင်ပါသည်။
စာတန်းပြီးတဲ့နောက် စစ်ဆေးမှု မေးခွန်းများဖြေပါ။
စိန်ခေါ်မှု တစ်ခု ပြီးမြောက်ပါ။
တာဝန်ကျေမှု ပြီးမြောက်ပါ။
သင်ခန်းစာအုပ်စုတစ်ခု ပြီးမြောက်ပြီးလျှင် Discussion Board ကို သွား၍ နားလည်မှုကို တုံ့ပြန်ဖော်ပြ၍ PAT rubric ကို ဖြည့်စွက်ပါ။ PAT သည် သင်ယူမှုတိုးမြှင့်ရေးအတွက် ပြည့်စုံစစ်တမ်းတစ်ခု ဖြစ်သည်။ လူအခြားများ၏ PAT များကိုလည်း တုံ့ပြန်နိုင်ပြီး အတူတကွ သင်တွေ့မြင်နိုင်ပါသည်။

ပိုမိုလေ့လာရန်၊ ကျွန်ုပ်တို့သည် ဒီ Microsoft Learn module များနှင့် သင်ယူမှုလမ်းကြောင်းများကို အကြံပြုပါသည်။

ဆရာ/မများ, ဒီသင်ရိုးကို အသုံးပြုနည်း အကြံပေးချက် အချို့ကို ပြောပြပေးထားပါသည်။

ဗီဒီယို လမ်းညွှန်ချက်များ

သင်ခန်းစာ အချို့ကို အတိုချုပ် ဗီဒီယိုဖြင့် ကြည့်ရှုနိုင်ပါတယ်။ ဒီဗီဒီယိုများအားလုံးကို သင်ခန်းစာအတွင်းမှာ သို့မဟုတ် Microsoft Developer YouTube channel တွင် ML for Beginners playlist ဖြင့် ရနိုင်သည်။ အောက်က ပုံကြီးကိုနှိပ်ပါ။

အဖွဲ့ဝင်များကို တွေ့ဆုံခြင်း

Gif ဖန်တီးသူ Mohit Jaisal

🎥 ဗီဒီယိုအား Project နှင့် ဖန်တီးသူများအကြောင်း ကြည့်ရန် ဤပုံအား နှိပ်ပါ!

သင်ကြားပညာနည်းဗျူဟာ

ဒီသင်ရိုးကို တည်ဆောက်သည့်အခါတွင် ကျွန်တော်တို့ သင့်စိတ်ဝင်စားစေပြီး ပိုမိုသိရှိစေမည့် နည်းလမ်း နှစ်ချက်ကို ရွေးချယ်ထားပါသည်- လက်တွေ့လုပ်ရ လုပ်ငန်းအခြေပြု project-based ဖြစ်ရန်နှင့် အကြိမ်ကြိမ် စစ်ဆေးမှုများ ပါဝင်ရန်။ ထို့အပြင် သင်ရိုးတွင် ညီညွတ်မှုရှိစေရန် အဓိကအတွေးအခေါ် တစ်ခုပါရှိသည်။

အကြောင်းအရာ၊ ပရောဂျက်နှင့် ကိုက်ညီမှုရှိခြင်းဖြင့် ကျောင်းသားများ အပုံသဏ္ဍာန်အရိုင်းကြောင်းနှင့် သင်ယူမှု ဖြစ်နိုင်ခြေများတိုးတက်စေသည်။ သင်တန်းမတိုင်ခင် ဆီးပွားကောင်းက ဆီးပွားခန့်မှန်းချက်က ကျောင်းသား၏ သင်ယူရန်စိတ်အားတက်ကြွမှုကို ပို့ဆောင်သည်။ပြီးလျှင် ရှေ့ဆောင် ဆီးပွားကောင်းက Second quiz က သင်ယူမှုတိုးတက်စေသည်။ သင်ရိုးကို အကြိမ်ကြိမ်နှင့် အပေါင်းအဖွဲ့နှင့် သေချာကျပုံ ဖွင့်လှစ်နိုင်သည်။ ပရောဂျက်များသည် စတင်မှာ အသေးစားကစ၍ ၁၂ ပတ်တာအတိုင်း လွန်စွာ အဆင့်မြင့်သွားသည်။ ဒီသင်ရိုးတွင် ML ၏ တကယ့်လောကအသုံးချမှုများအကြောင်းအပိုင်း Postscript တစ်ခု ပါရှိပြီး၊ အပိုဆုအဖြစ် သို့မဟုတ် ဆွေးနွေးပွဲအခြေခံအနေဖြင့် အသုံးပြုနိုင်သည်။

ကျွန်ုပ်တို့၏ Code of Conduct, Contributing, Translation, နှင့် Troubleshooting လမ်းညွှန်များကို ရှာဖွေနိုင်ပါသည်။ သင့်အား သဘောဆောင် ပြုပြင်မွမ်းမံချက်များ မျှဝေလိုပါက ကြိုဆိုပါသည်!

သင်ခန်းစာတိုင်းတွင် ပါဝင်သောအကြောင်းအရာများ

အလိုလျှောက် sketchnote (optional)
အပို ရသ ဗီဒီယို (optional)
ဗီဒီယို လမ်းညွှန်ချက် (တချို့သင်ခန်းစာများအတွက်သာ)
စာသင်ခန်း မတိုင်ခင် ပြင်ဆင်ခြေ စစ်ဆေးမှု
လက်ရေးထားသည့် သင်ခန်းစာ
ပရောဂျက်အခြေပြုသင်ခန်းစာများအတွက် တစ်ဆင့်ချင်းစီ လမ်းညွှန်ချက်များ
သိမြင်သဘောရ စစ်ဆေးချက်များ
စိန်ခေါ်မှုတစ်ခု
အပိုဖတ်ရန်စာပေ
တာဝန်ကျေမှု
စာသင်ခန်း ပြီးလျှင် စစ်ဆေးမှု

ဘာသာစကားများ အကြောင်းမှတ်ချက်: ဒီသင်ခန်းစာများမှာ Python ဖြင့် တင်ရေးသားထားပေမယ့် R ဖြင့်လည်း ရနိုင်ပါသည်။ R သင်ခန်းစာ ပြီးမြောက်ရန် /solution ဖိုလ်ဒါထဲရှိ R သင်ခန်းစာတွေကိုရှာနိုင်ပါသည်။ ဒီឯកសារ .rmd ဆက်စပ်ထားပြီး ၎င်းသည် code chunks (R သို့မဟုတ် အခြားဘာသာစကားများ) နှင့် YAML header (PDF များ တို့ကို မည်သို့ ပုံစံဖော်မည်ဆိုတာ ညွှန်ပြသော) ကို ထည့်သွင်းထားသော Markdown document ဖြစ်သည်။ ထိုကြောင့်၊ သင်၏ကုဒ်၊ ၎င်း၏ ရလဒ်နှင့် အတွေးများကို Markdown တွင် ရေးသားခိုင်းခြင်းဖြင့် တစ်သားတည်းပေါင်းစပ်နိုင်သော ဖန်တီးသူများအတွက် အကောင်းဆုံး authoring framework တစ်ခုအဖြစ် သုံးနိုင်သည်။ ထို့ပြင် R Markdown မှာ PDF, HTML သို့မဟုတ် Word တို့လို အပြန်အလှန် ပုံစံများသို့ ပြောင်းလဲပေးနိုင်ပါသည်။ စမ်းသပ်မေးခွန်းများအကြောင်းမှတ်ချက်။ စမ်းသပ်မေးခွန်းများအားလုံးကို Quiz App folder တွင် ထည့်သွင်းထားပြီး မေးခွန်းသုံးခုစီပါသော စုစုပေါင်း ၅၂ ခုရှိသည်။ ၎င်းတို့ကို သင်ခန်းစာများထဲမှ လင့်ခ်ပေးထားသော်လည်း Quiz App ကို မိမိတိုင်းဒေသတွင် အသုံးပြုနိုင်သည်။ quiz-app ဖိုလ်ဒါထဲရှိ အတန်းအလုပ်သင်ဉပဒေများအား လိုက်နာ၍ ဒေသတွင်းတွင် host သို့မဟုတ် Azure တွင် တင်သွင်းနိုင်သည်။

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	စက်မှုလေ့လာမှုမိတ်ဆက်ခြင်း	Introduction	စက်မှုလေ့လာမှု၏ အခြေခံအယူအဆများကို သင်ယူပါ	Lesson	Muhammad
02	စက်မှုလေ့လာခြင်း သမိုင်းကြောင်း	Introduction	ဤနယ်ပယ်နောက်ခံ သမိုင်းကို သင်ယူပါ	Lesson	Jen and Amy
03	တရားမျှတမှုနှင့် စက်မှုလေ့လာမှု	Introduction	စက်မှုလေ့လာမှုပုံစံများ ဖန်တီးနှင့် အသုံးပြုမှုအတွက် ကျောင်းသားများ စဉ်းစားသင့်သည့် တရားမျှတမှုဆိုင်ရာ အကြောင်းအရာများ ဘာတွေလဲ?	Lesson	Tomomi
04	စက်မှုလေ့လာမှုနည်းဗျူဟာများ	Introduction	ML သုတေသနသမားများ ဘယ်နည်းဗျူဟာများအသုံးပြုပြီး ML ပုံစံများ ဖန်တီးသလဲ?	Lesson	Chris and Jen
05	သင်္ချာပြန်ဆင်းခြင်းမိတ်ဆက်	Regression	Python နှင့် Scikit-learn အသုံးပြု၍ သင်္ချာပြန်ဆင်းပုံစံများ စတင်သင်ယူပါ	Python • R	Jen • Eric Wanjau
06	မြောက်အမေရိကန် ပန်းသီးစျေးကွက် 🎃	Regression	ML အတွက် ဒေတာတွေ ကို ရုပ်ပိုင်းဆိုင်ရာမြင်ကွင်းနှင့် သန့်ရှင်းရေးလုပ်ဆောင်ခြင်း	Python • R	Jen • Eric Wanjau
07	မြောက်အမေရိကန် ပန်းသီးစျေးကွက် 🎃	Regression	လိုင်းနီယာနှင့် ပေါလီနိုမီယယ် သင်္ချာပြန်ဆင်းပုံစံများ ဖန်တီးခြင်း	Python • R	Jen and Dmitry • Eric Wanjau
08	မြောက်အမေရိကန် ပန်းသီးစျေးကွက် 🎃	Regression	လော့ဂျစ်စတစ် သင်္ချာပြန်ဆင်းပုံစံတစ်ခု ဖန်တီးခြင်း	Python • R	Jen • Eric Wanjau
09	ဝက်ဘ် အက်ပ် 🔌	Web App	သင်လေ့လာပြီးသော ပုံစံ အသုံးပြုသည့် ဝက်ဘ် အက်ပ်တစ်ခု ဖန်တီးခြင်း	Python	Jen
10	သတ်မှတ်ခြင်းမိတ်ဆက်	Classification	သင့်ဒေတာကို သန့်ရိုးသန့်ရှင်း၊ ပြင်ဆင်၊ နှင့် ရုပ်ပိုင်းဆိုင်ရာမြင်ကွင်းဖော်ခြင်း; သတ်မှတ်ခြင်းမိတ်ဆက်	Python • R	Jen and Cassie • Eric Wanjau
11	အာရှနှင့် အိန္ဒိယ အရသာကြီးများ 🍜	Classification	သတ်မှတ်ပေးသူများမိတ်ဆက်ခြင်း	Python • R	Jen and Cassie • Eric Wanjau
12	အာရှနှင့် အိန္ဒိယ အရသာကြီးများ 🍜	Classification	သတ်မှတ်ပေးသူများ ပိုမိုကျယ်ပြန့်စွာ	Python • R	Jen and Cassie • Eric Wanjau
13	အာရှနှင့် အိန္ဒိယ အရသာကြီးများ 🍜	Classification	သင့်ပုံစံကို အသုံးပြု၍ အကြံပြုသော ဝက်ဘ် အက်ပ် တစ်ခု ဖန်တီးခြင်း	Python	Jen
14	သတ်မှတ်ခြင်းမိတ်ဆက်	Clustering	သင့်ဒေတာကို သန့်ရှင်း၊ ပြင်ဆင်၊ နှင့် ရုပ်ပိုင်းဆိုင်ရာမြင်ကွင်းဖော်ခြင်း; သွဲကြောင်းခြားခြင်းနှင့် မိတ်ဆက်ပါ	Python • R	Jen • Eric Wanjau
15	နိုင်ဂျီးရီးယား ဂီတအရသာ လေ့လာခြင်း 🎧	Clustering	K-Means သွဲကြောင်းခြားနည်းကို အကြမ်းဖျဥ်း လေ့လာပါ	Python • R	Jen • Eric Wanjau
16	သဘာဝဘာသာစကားကောက်ယူခြင်း မိတ်ဆက် ☕️	Natural language processing	ရိုးရှင်းသော ဘော့တစ်ခု ဖန်တီး၍ NLP အခြေခံများကို သင်ယူပါ	Python	Stephen
17	ပုံမှန် NLP အလုပ်များ ☕️	Natural language processing	ဘာသာစကားဖွဲ့စည်းမှုများကို စီမံရာတွင် လိုအပ်သော ပုံမှန်လုပ်ငန်းများအား နက်ရှိုင်းစွာနားလည်စေပါ	Python	Stephen
18	ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားမှုခွဲခြားခြင်း ♥️	Natural language processing	Jane Austen စကားများနှင့် ဘာသာပြန်ခြင်း နှင့် စိတ်ခံစားမှုခွဲခြားခြင်း	Python	Stephen
19	ဥရောပရဲ့ ရည်းစားဆုတောင်း ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်မှတ်ချက်များဖြင့် စိတ်ခံစားမှုခွဲခြားခြင်း 1	Python	Stephen
20	ဥရောပရဲ့ ရည်းစားဆုတောင်း ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်မှတ်ချက်များဖြင့် စိတ်ခံစားမှုခွဲခြားခြင်း 2	Python	Stephen
21	အချိန်စီးရီး မျှော်မှန်းခြင်းမိတ်ဆက်	Time series	အချိန်စီးရီး မျှော်မှန်းခြင်းမိတ်ဆက်	Python	Francesca
22	⚡️ ကမ္ဘာလုံးဆိုင်ရာ လျှပ်စစ်သုံးစွဲမှု ⚡️ - ARIMA ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း	Time series	ARIMA ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း	Python	Francesca
23	⚡️ ကမ္ဘာလုံးဆိုင်ရာ လျှပ်စစ်သုံးစွဲမှု ⚡️ - SVR ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း	Time series	Support Vector Regressor ဖြင့် အချိန်စီးရီး မျှော်မှန်းခြင်း	Python	Anirban
24	အားပေးသင်ယူမှု မိတ်ဆက်	Reinforcement learning	Q-Learning ဖြင့် အားပေးသင်ယူမှု မိတ်ဆက်	Python	Dmitry
25	ပီတာအား အမ increasing Wolf ကိုရှောင်ရန်! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	အမှန်တကယ်သော စက်မှုလေ့လာမှု အခြေအနေများနှင့် လျှပ်စစ်သုံးစွဲမှုများ	ML in the Wild	ဒဒီမှာကော်ဆီကွယ်၍ ရိုးရိုးသောစက်မှုလေ့လာမှု ထိတွေ့မှု ရှိသောလျှပ်စစ်သုံးစွဲမှု အက်ပလီကေးရှင်းများ	Lesson	Team
Postscript	RAI dashboard အသုံးပြု၍ ML ပုံစံ အမှားရှာဖွေရေး	ML in the Wild	Responsible AI dashboard အသုံးပြု၍ သက်ဆိုင်ရာ စက်မှုလေ့လာမှု ပုံစံ အမှားရှာဖွေရေး	Lesson	Ruth Yakubu

ဤသင်တန်းအတွက် အပိုဆောင်း အရင်းအမြစ်များအားလုံးကို ကျွန်ုပ်တို့၏ Microsoft Learn စုစည်းမှုတွင် ရှာဖွေကြည့်ပါ

အော့ဖ်လိုင်း အသုံးပြုခြင်း

ဤစာတမ်းဖြင့် အော့ဖ်လိုင်းတွင် အသုံးပြုနိုင်ရန် Docsify ကို အသုံးပြုနိုင်သည်။ ဤ repository ကို fork ပြုလုပ်၍ Docsify ကို သင့် ဒေသတွင်းစက်တွင် တပ်ဆင်ပါ၊ ထိုအခါ ဤ repo ၏ root ဖိုလ်ဒါတွင် docsify serve ဟူ၍ ရိုက်ထည့်ပါ။ သင့် localhost ၌ ပေါ့(Port) ၃၀၀၀ တွင် ဝက်ဘ်ဆိုက်ကို ဆားဗ်ပြုလုပ်မည်ဖြစ်သည် - localhost:3000။

PDFs

သင်တန်းအစီအစဉ် PDF ကို ဒီမှာ ရှာဖွေပါ။

🎒 အခြားသင်တန်းများ

ကျွန်ုပ်တို့အသင်းသည် အခြားသင်တန်းများထုတ်လုပ်လျက်ရှိသည်! ကြည့်ရှုရန်:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

အခြေခံ သင်ယူမှု

Copilot စီးရီးများ

အကူအညီ ရရှိရန်

AI အက်ပ်များ တည်ဆောက်ရာတွင် ပိတ်ဆို့မှုရှိပါက သို့မဟုတ် မေးမြန်းလိုသည်များရှိပါက MCP ကိုဆွေးနွေးရာတွင် သင်ယူသူများနှင့် အတွေ့အကြုံရှိသူ တိုးတက်ပြောဆိုသူများနှင့် ပါဝင်ဆွေးနွေးပါ။ မေးခွန်းများကို လက်ခံပေးပြီး အသိပညာကို လွတ်လပ်စွာမျှဝေကြသည့် ထောက်ခံပံ့ပိုးစေသော အသိုင်းအဝိုင်း ဖြစ်ပါသည်။

ထုတ်ကုန် ထောက်ပြချက်များ သို့မဟုတ် တည်ဆောက်စဉ် အမှားများ ရှိပါက အောက်ပါသို့ ဝင်ရောက်ကြည့်ရှုနိုင်ပါသည်-

အတည်မပြုချက်
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ခြင်းဝန်ဆောင်မှုဖြစ်သော Co-op Translator ဖြင့် ဘာသာပြန်ထားပါသည်။ တိကျမှန်ကန်မှုအတွက်ကြိုးစားထားသော်လည်း ကိရိယာအလိုအလျောက် ဘာသာပြန်ချက်များတွင် အမှားများ သို့မဟုတ် တိကျမှုလျော့နည်းမှုများ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် လိုအပ်ပါသည်။ မူလစာရွက်စာတမ်းကို နိုင်ငံဘာသာဖြင့် ထုတ်ဝေထားသော အရင်းအမြစ်အဖြစ် အထောက်အထားယူသင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် မိမိနက်နဲသော လူသားဘာသာပြန်သူ၏ ဘာသာပြန်ချက်ကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက် အသုံးပြုမှုကြောင့် ဖြစ်ပေါ်နိုင်သည့် မှားဖော်ပြခြင်းများ သို့မဟုတ် မှားယွင်းချက်များအတွက် ကျွန်ုပ်တို့၏ တာဝန်ယူမှု မရှိပါ။

48 KiB Raw Blame History Unescape Escape