ML-For-Beginners/translations/my

🌐 ဘာသာစကားများကို ထောက်ပံ့ခြင်း

GitHub Action ဖြင့် ထောက်ပံ့ထားသည် (အလိုအလျောက်နှင့် အမြဲအသစ်)

အာရဗစ် | ဘင်္ဂါလီ | ဘူဂေးရီးယား | မြန်မာ (ဗမာ) | တရုတ် (ရိုးရှင်း) | တရုတ် (ရိုးရာ - ဟောင်ကောင်) | တရုတ် (ရိုးရာ - မကာဦး) | တရုတ် (ရိုးရာ - ထိုင်ဝမ်) | ခရိုအေးရှား | ချက် | ဒိန်းမတ် | ဒတ်ချ် | အက်စတိုနီးယား | ဖင်လန် | ပြင်သစ် | ဂျာမနီ | ဂရိ | ဟီဘရူး | ဟင်ဒီ | ဟန်ဂေရီ | အင်ဒိုနီးရှား | အီတလီ | ဂျပန် | ကန်နာဒ | ကိုရီးယား | လစ်သူအေးနီးယား | မလေး | မလေးလမ် | မရသီ | နေပေါ်လီ | နိုင်ဂျီးရီးယား ပစ်ဒ်ဂ်င် | နော်ဝေးဂျီယန် | ဖာစီ (သူ့ဘာသာ) | ပိုလန် | ပိုတိုဂီส (ဘရာဇီး) | ပိုတိုဂီส (ပေါ်တူဂီ) | ပန်ဂျာဘီ (ဂူရုမုခီ) | ရိုမေးနီးယား | ရုရှား | ဆားဘီယန် (ဆိုရ်လစ်လစ်) | စလိုဗက် | စလိုဗေးနီးယား | စပိန် | ဆွာဟီလီ | ဆွီဒင် | တာဂလိုက် (ဖိလိပိုင်) | တမီးလ် | တယ်လူဂူ | ထိုင်း | တူร์ကီ | ယူကရိန်း | ဥာဒူ | ဝီယက်နမ်

ကျွန်ုပ်တို့၏ အသိုင်းအဝိုင်းသို့ ပူးပေါင်းပါ

ကျွန်ုပ်တို့မှာ Discord မှာ Learn with AI စီးရီးကို ဆက်လက်ပြုလုပ်လျက်ရှိပါသည်၊ ပိုမိုသိရှိလိုပါက Learn with AI Series တွင် 18 - 30 September, 2025 အတွင်း ပြန်လည်ဆက်သွယ်ပါ။ GitHub Copilot ကို Data Science အတွက် သုံးနည်းများနှင့် လျှို့ဝှက်ချက်များကို ရယူလိမ့်မည်။

အခြေခံသူများအတွက် Machine Learning - သင်ရိုးညွှန်း

🌍 ကမ္ဘာ၏ ယဉ်ကျေးမှုများအား အသုံးပြု၍ Machine Learning ကို ရှာဖွေလျှက် ကမ္ဘာပတ်လမ်းခရီးလျှောက်ပါ 🌍

Microsoft ၏ Cloud Advocates များသည် Machine Learning အကြောင်း အပတ် 12၊ သင်ခန်းစာ 26 ပါသည့် သင်ရိုးညွှန်းကို ကြည့်ရှုဖော်ပြပေးရန် ဝမ်းမြောက်စွာ ရှိပါသည်။ ဤသင်ရိုး၌ အချို့အခါ classic machine learning ဟု ခေါ်သော နည်းလမ်းများကို များစွာ Scikit-learn ကို 라이ဘရရီအဖြစ် အသုံးပြု၍ သင်ကြားပေးထားပြီး deep learning ကို မပါဝင်စေခဲ့ပါသည် (deep learning ကို ကျွန်ုပ်တို့၏ AI for Beginners' curriculum တွင် ဖော်ပြထားသည်)။ ဤသင်ခန်းစာများကို သင်တို့ 'Data Science for Beginners' သင်ရိုးနှင့်လည်း တွဲဖက်လေ့လာနိုင်ပါသည်။

ကမ္ဘာတစ်ဝှမ်းမှ ဒေတာများကို အသုံးပြု၍ ဤ classic နည်းများကို လက်တွေ့ လျှောက်လှမ်းကြမည်။ သင်ခန်းစာတစ်ခုချင်းစီတွင် အကြိုနှင့် အကြိုပြု စမ်းသပ်မှုများ၊ လက်ရေးလက်သား လမ်းညွှန်ချက်များ၊ ဖြေရှင်းချက်၊ အလုပ်အမှု ထမ်းဆောင်ရန် တာဝန်များ စသည်တို့ ပါဝင်ပါသည်။ ကျွန်ုပ်တို့၏ ပြုလုပ်ပုံအခြေခံ သင်ကြားမှုသည် ပရောဂျက်အခြေခံဖြစ်ပြီး အလုပ်လက်တွင် ဆောင်ရွက်ကာ သင်ယူနိုင်ရန် အထောက်အကူပြုသည်။

✍️ ကျွန်တော်တို့၏ ရေးသားသူများအား အထူးကျေးဇူးတင်ပါသည် Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 ပုံဆွဲသူများအားလည်း ကျေးဇူးတင်ပါသည် Tomomi Imura, Dasani Madipalli, and Jen Looper

🙏 Microsoft Student Ambassador အဖြစ် ရေးသားသူများ၊ ပြန်လည်စစ်ဆေးသူများနှင့် အကြောင်းအရာ ထည့်သွင်းသူများအား အထူးကျေးဇူးတင်ပါသည်၊ အထူးသဖြင့် Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, နှင့် Snigdha Agarwal တို့။

🤩 R သင်ခန်းစာများအတွက် Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, နှင့် Vidushi Gupta တို့အား ထပ်မံကျေးဇူးတင်ပါသည်!

စတင်ရန်

အောက်ပါ အဆင့်များကို လိုက်နာပါ:

1. Repository ကို Fork ပြုလုပ်ပါ: ဒီစာမျက်နှာ၏ အထက်ညာဘက်က "Fork" ခလုတ်ကို နှိပ်ပါ။
2. Repository ကို Clone ပြုလုပ်ပါ: git clone https://github.com/microsoft/ML-For-Beginners.git

ဤသင်တန်းအတွက် ထပ်ဆင့် အရင်းအမြစ်များအားလုံးကို Microsoft Learn အစုစည်းတွင် သင့်လျော်စွာ ရှာဖွေပါ

🔧 အကူအညီလိုပါသလား? installation, setup နှင့် သင်ခန်းစာများ အား စတင်ရင်း ဖြစ်ပေါ်နိုင်သည့် ပြဿနာများအတွက် ဖြေရှင်းနည်းများကို တွေ့ရန် Troubleshooting Guide ကို စစ်ဆေးပါ။

ကျောင်းသား/ကျောင်းသူများ၊ ဤသင်ရိုးကို အသုံးပြုရန်အတွက် သင့် GitHub အကောင့်သို့ တစ်ခုလုံးကို fork ပြီး တစ်ကိုယ်တော် သို့မဟုတ် အဖွဲ့ဖြင့် လေ့ကျင့်ခန်းများကို ပြီးမြောက်စေရန် လိုက်နာပါ:

• နောက်ဆုံးသင်ခန်းစာ မတိုင်မီ pre-lecture quiz ဖြေပါ။
• သင်ခန်းစာကို ဖတ်ပြီး လုပ်ဆောင်မှုများကို ပြီးမြောက်စေပါ၊ knowledge check အပိုင်းများတွင် တစ်ခုချင်းစီတွင် ရပ်နားပြီး ထောက်လှမ်းပါ။
• ဖြေရှင်းချက်ကုဒ်များကို run လို့ ပြီးမြောက်ရန်မဟုတ်ဘဲ သင်ခန်းစာများကို နားလည်ကာ ပရောဂျက်များကို ဖန်တီးရန် ကြိုးစားပါ; သို့သော် အဆိုပါ ကုဒ်များသည် project-oriented သင်ခန်းစာများ၏ /solution ဖိုလ်ဒါများတွင် ရရှိနိုင်သည်။
• post-lecture quiz ဖြေပါ။
• စိန်ခေါ်မှုကို ပြီးမြောက်ပါ။
• အလုပ်အမှု အသစ်များကို ပြီးမြောက်ပါ။
• သင်ခန်းစာ အုပ်စုကို ပြီးမြောက်သည်နှင့်၊ Discussion Board သို့ သွားပြီး သင့်ရဲ့ PAT rubric အချက်အလက်ကို ဖြည့်၍ "အသံထွက်ခေါ်သင်ယူပါ"။ 'PAT' ဆိုသည်မှာ Progress Assessment Tool ဖြစ်၍ သင်၏ သင်ယူမှုကို တိုးတက်စေရန် သတ်မှတ်ထားသည့် rubric တစ်ခုဖြစ်သည်။ သင့်တူ သူများ၏ PAT များကိုလည်း တုံ့ပြန်နိုင်သည်။

ပိုမိုဆက်လက်လေ့လာစိတ်ရှိပါက ကျွန်ုပ်တို့၏ Microsoft Learn မော်ဂျူးများနှင့် သင်ယူမည့် လမ်းကြောင်းများကို အောက်ပါအတိုင်း လိုက်နာရန် အကြံပြုပါသည်။

ဆရာ/ဆရာမများ, ဤသင်ရိုးကို အသုံးချရန် အကြံပေးချက်များ တချို့ကို ငါတို့ ထည့်သွင်းပေးထားပါတယ်။

---

ဗီဒီယို လမ်းညွှန်များ

သင်ခန်းစာတချို့ကို အတိုချုပ် ဗီဒီယိုအဖြစ် ရယူနိုင်ပါသည်။ ဤဗီဒီယိုများအား သင်ခန်းစာများတွင် ပါရှိသလို သို့မဟုတ် ML for Beginners playlist on the Microsoft Developer YouTube channel တွင်လည်း ကြည့်ရှုနိုင်ပါသည်။ အောက်ပါ ပုံကို နှိပ်ပါ။

---

အဖွဲ့ဝင်များကို မိတ်ဆက်ခြင်း

GIF ဖန်တီးသူ Mohit Jaisal

🎥 ပရောဂျက်နှင့် ပရောဂျက်ကို ဖန်တီးသူများအကြောင်း ဗီဒီယိုအတွက် အပေါ်က ပုံကို နှိပ်ပါ!

---

သင်ကြားနည်း

ဤသင်ရိုးကို တည်ဆောက်စဥ် ကျွန်ုပ်တို့သည် နှစ်ခုသော သင်ကြားနည်း ရိုးရာများကို ရွေးချယ်ထားသည် — လက်တွေ့ အသုံးပြုနိုင်သော ပရောဂျက်အခြေခံ (project-based) ဖြစ်စေရန်နှင့် မကြာခဏ ကျပ်တည်းသော စမ်းသပ်မှု (frequent quizzes) ထည့်သွင်းထားသည်။ ထို့အပြင် ဤသင်ရိုးတွင် အချင်းချင်း ဆက်စပ်မှု ဖန်တီးပေးသည့် ပုံစံတစ်ခုလည်း ပါဝင်သည်။

အကြောင်းရာများကို ပရောဂျက်များနှင့် သဟဇာတ ဖြစ်အောင် စီမံထားခြင်းကြောင့် ကျောင်းသားများအတွက် ပိုမိုစိတ်ဝင်စားဖွယ် ရှိပြီး အယူအဆများ ပိုမိုမကြာခဏ မှတ်မိနိုင်စေသည်။ သင်တန်းမတိုင်ခင် သေးငယ်သော risk များပါရှိသည့် quiz တစ်ခုက ကျောင်းသား၏ သင်ယူသမားစိတ်ဖြင့် အဓိက ရည်ရွယ်ချက်ကို သတ်မှတ်ပေးရန် အထောက်အကူပြုသည်။ အတန်းပြီးနောက် quiz ဒုတိယတစ်ခုက အပိုမိုခံစားနိုင်မှုကို အာမခံပေးသည်။ ဤသင်ရိုးကို သက်တောင့်သက်သာဖြစ်စေရန်နှင့် ပျော်ရွှင်စရာဖြစ်စေရန် ဖန်တီးထားပြီး လုံးဝ သို့မဟုတ် အပိုင်းပိုင်းဖြင့် လေ့လာနိုင်ပါသည်။ ပရောဂျက်များသည် စတင်ချိန်တွင် သေးငယ်ကျပ်သားများဖြစ်ပြီး 12 ပတ်သတ် တိုင်အောင် ပြီးဆုံးချိန်တွင် တိုးတက်ပြီး တွက်ချက်ခက်ခဲလာပါသည်။ ဤသင်ရိုးတွင် ML ၏ လက်တွေ့ အသုံးချမှုများအပေါ် postscript တစ်ခုပါရှိပြီး ၎င်းကို အပိုအမှတ်အတွက် သို့မဟုတ် ဆွေးနွေးရန် အခြေခံအဖြစ် သုံးနိုင်သည်။

ကျွန်ုပ်တို့၏ အပြုအမူ ကုဒ်, ထည့်သွင်းပေးရန် နည်းလမ်းများ, ဘာသာပြန်ခြင်း ချဉ်းကပ်နည်းများ, နှင့် ပြဿနာဖြေရှင်းရန် လမ်းညွှန်ချက်များ ကို ရှာဖွေပါ။ သင်၏ ဖွင့်ပြော သာသနာ့အကြံပြုချက်များကို ကြိုဆိုပါသည်!

သင်ခန်းစာ တစ်ခုချင်းစီတွင် ပါဝင်သည်

• ရွေးချယ်နိုင်ေသာ sketchnote
• ရွေးချယ်နိုင်ေသာ ဖြည့်စွက်ဗီဒီယို
• ဗီဒီယို လမ်းညွှန် (သင်ခန်းစာအချို့တွင်သာ)
• pre-lecture warmup quiz
• စာရွက်အတိုင်းရေးသားထားသော သင်ခန်းစာ
• project-based သင်ခန်းစာများအတွက် ပရောဂျက် တည်ဆောက်ပုံ လိုက်လျောညီထွေ့သော လမ်းညွှန်ချက်များ
• knowledge checks
• စိန်ခေါ်မှုတစ်ခု
• ဖြည့်စွက်စာအုပ်ဖတ်ရှုရန် အကြောင်းအရာ
• အလုပ်အမှု
• post-lecture quiz

ဘာသာစကားများအကြောင်း မှတ်ချက်: ဤသင်ခန်းစာများကို အဓိကအားဖြင့် Python ဖြင့် ရေးထားသော်လည်း အများအပြားကို R နဲ့လည်း ရရှိနိုင်သည်။ R သင်ခန်းစာတစ်ခု ပြီးမြောက်ရန်အတွက် /solution ဖိုလ်ဒါတွင် R သင်ခန်းစာများကို ရှာဖွေပါ။ ၎င်းတို့တွင် .rmd အဆုံးကွက်ရှိပြီး ၎င်းသည် code chunks (R သို့မဟုတ် အခြားဘာသာစကားများ) နှင့် YAML header ကို စုပေါင်းထားသော R Markdown ဖိုင်ဖြစ်သည်။ ထို့ကြောင့် ၎င်းသည် သင်၏ ကုဒ်၊ ၎င်း၏ အထွက်နှင့် သင်၏ အတွေးများကို Markdown ဖြင့် အတူရေးနိုင်စေသော data science အတွက် ဥပမာဖိုင်ဖွဲ့စည်းမှုတစ်ခုအဖြစ် အသုံးပြုနိုင်သည်။ ထို့ပြင် R Markdown ဖိုင်များကို PDF, HTML, သို့မဟုတ် Word ပုံစံများသို့လည်း ပြောင်းနိုင်သည်။

quiz များအကြောင်း မှတ်ချက်: လက်ရှိ quiz များအားလုံးကို Quiz App folder တွင် ထည့်ထားပြီး၊ စုစုပေါင်း စာမေးပွဲ 52 ခု၊ တစ်ခုလျှင် မေးခွန်း ၃ ခု ပါရှိသည်။ ၎င်းတို့ကို သင်ခန်းစာများမှ ချိတ်ဆက်ထားသော်လည်း quiz app ကို အာကာသ locally run လိုက်၍လည်း အသုံးပြုနိုင်သည်; quiz-app ဖိုလ်ဒါအတွင်းရှိ လမ်းညွှန်ချက်များကို လိုက်နာ၍ local သို့ ဟော့တ် သို့မဟုတ် Azure သို့ deploy ပြုလုပ်နိုင်ပါသည်။

သင်ခန်းစာ အမှတ်	ခေါင်းစဉ်	သင်ခန်းစာ ကဏ္ဍ	သင်ယူရမည့် ရည်ရွယ်ချက်များ	ချိတ်ဆက်ထားသည့် သင်ခန်းစာ	ရေးသားသူ
01	စက်လေ့လာမှုနိဒါန်း	နိဒါန်း	စက်လေ့လာမှု၏ အခြေခံအယူအဆများကို သင်ယူပါ	သင်ခန်းစာ	Muhammad
02	စက်လေ့လာမှု၏ သမိုင်းကြောင်း	နိဒါန်း	ဒီဘာသာရပ်ရဲ့ နောက်ခံသမိုင်းကို သင်ယူပါ	သင်ခန်းစာ	Jen and Amy
03	တရားမျှတခြင်းနှင့် စက်လေ့လာမှု	နိဒါန်း	မည်သို့သော တရားမျှတမှုဆိုင်ရာ ဒဿနဆိုင်ရာ ပြဿနာများကို ML မော်ဒယ်များ ဆောက်ရွက်စဉ်နှင့် အသုံးချစဉ်တွင် သင်ယူဆင်ခြင်သင့်ပါသလဲ?	သင်ခန်းစာ	Tomomi
04	စက်လေ့လာမှုအတွက် နည်းပညာများ	နိဒါန်း	ML မော်ဒယ်များ တည်ဆောက်ရာတွင် ဓါတ်ဆောင်သုတေသနရှင်များ အသုံးပြုသော နည်းပညာများက ဘာတွေလဲ?	သင်ခန်းစာ	Chris and Jen
05	Regression နိဒါန်း	Regression	Regression မော်ဒယ်များအတွက် Python နှင့် Scikit-learn ဖြင့် စတင် လေ့လာပါ	Python • R	Jen • Eric Wanjau
06	North American pumpkin prices 🎃	Regression	ML အတွက် အချက်အလက်များကို ကြည့်ရှု၊ တည်းဖြတ်ပြီး သန့်စင်ရန်	Python • R	Jen • Eric Wanjau
07	North American pumpkin prices 🎃	Regression	လိုင်းနီယာနှင့် ပေါလီနိုမီယယ် Regression မော်ဒယ်များ တည်ဆောက်ပါ	Python • R	Jen and Dmitry • Eric Wanjau
08	North American pumpkin prices 🎃	Regression	လော့ဂျစ်စတစ် Regression မော်ဒယ် တည်ဆောက်ပါ	Python • R	Jen • Eric Wanjau
09	ဝက်ဘ် အက်ပ် 🔌	Web App	သင်လေ့ကျင့်ပြီးသား မော်ဒယ်ကို အသုံးပြုရန် ဝက်ဘ်အက်ပ် တည်ဆောက်ပါ	Python	Jen
10	အမျိုးအစားခွဲခြင်းနိဒါန်း	Classification	သင်ရိုးဒေတာများကို သန့်ရှင်း၊ ပြင်ဆင်၊ ဖော်ပြခြင်း; အမျိုးအစားခွဲခြင်းနိဒါန်း	Python • R	Jen and Cassie • Eric Wanjau
11	အရသာရှိသော အာရှနှင့် အိန္ဒိယ အစားအစာများ 🍜	Classification	ခွဲစိတ်မော်ဒယ်များနိဒါန်း	Python • R	Jen and Cassie • Eric Wanjau
12	အရသာရှိသော အာရှနှင့် အိန္ဒိယ အစားအစာများ 🍜	Classification	နောက်ထပ် ခွဲစိတ်မော်ဒယ်များ	Python • R	Jen and Cassie • Eric Wanjau
13	အရသာရှိသော အာရှနှင့် အိန္ဒိယ အစားအစာများ 🍜	Classification	မော်ဒယ်ကို အသုံးပြု၍ အကြံပြုချက် ပေးသော ဝက်ဘ်အက်ပ် တည်ဆောက်ပါ	Python	Jen
14	အစုအဝေးခွဲခြင်းနိဒါန်း	Clustering	ဒေတာများကို သန့်ရှင်း၊ ပြင်ဆင်၊ ဖော်ပြခြင်း; အစုအဝေးခွဲခြင်းနိဒါန်း	Python • R	Jen • Eric Wanjau
15	Nigerian တေးဂီတ စိတ်ဝင်စားမှုများ 🎧	Clustering	K-Means အစုအဝေးခွဲနည်းကို လေ့လာပါ	Python • R	Jen • Eric Wanjau
16	ဘာသာစကား ပိုင်းဆိုင်ရာ ကိရိယာ (NLP) နိဒါန်း ☕️	Natural language processing	ရိုးရှင်းသော ဘော့တစ်ခု တည်ဆောက်ခြင်းဖြင့် NLP အခြေခံများကို သင်ယူပါ	Python	Stephen
17	NLP ရဲ့ ပုံမှန် တာဝန်များ ☕️	Natural language processing	ဘာသာစကား ဖွဲ့စည်းမှုများကို ကိုင်တွယ်ရစဉ် လိုအပ်သော ပုံမှန် လုပ်ငန်းများကို နားလည်ကောင်းစေခြင်းဖြင့် သင်၏ NLP ဗဟုသုတ အား တိုးမြှင့်ပါ	Python	Stephen
18	ဘာသာပြန်ခြင်းနှင့် ခံစားချက်ခွဲခြားခြင်း ♥️	Natural language processing	Jane Austen နှင့် ရယူသော ဘာသာပြန်ခြင်း နှင့် ခံစားချက်ခွဲခြားခြင်း	Python	Stephen
19	ရာသီချစ်စရာ ဥရောပ ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ် ပြန်လည်သုံးသပ်ချက်များဖြင့် ခံစားချက်ခွဲခြားခြင်း 1	Python	Stephen
20	ရာသီချစ်စရာ ဥရောပ ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ် ပြန်လည်သုံးသပ်ချက်များဖြင့် ခံစားချက်ခွဲခြားခြင်း 2	Python	Stephen
21	အချိန်စဉ် အနာဂတ်ခန့်မှန်းခြင်းနိဒါန်း	Time series	အချိန်စဉ် အနာဂတ်ခန့်မှန်းခြင်း၏ နိဒါန်း	Python	Francesca
22	⚡️ World Power Usage ⚡️ - ARIMA ဖြင့် အချိန်စဉ် ခန့်မှန်းခြင်း	Time series	ARIMA ဖြင့် အချိန်စဉ် ခန့်မှန်းခြင်း	Python	Francesca
23	⚡️ World Power Usage ⚡️ - SVR ဖြင့် အချိန်စဉ် ခန့်မှန်းခြင်း	Time series	Support Vector Regressor ဖြင့် အချိန်စဉ် ခန့်မှန်းခြင်း	Python	Anirban
24	အပြန်အလှန် သင်ယူခြင်း (Reinforcement learning) နိဒါန်း	Reinforcement learning	Q-Learning ဖြင့် Reinforcement learning နိဒါန်း	Python	Dmitry
25	Peter ကို ဝေါ့ဖ်မှ ရှောင်ရန် ကူညီပါ! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	အပြင်လောက ML အခြေအနေများနှင့် လျှောက်လွှာအသုံးများ	ML in the Wild	ရိုးရာ ML ၏ စိတ်ဝင်စားဖွယ်နှင့် ဖြောင့်မတ်စရာ အပြင်လောက လျှောက်လွှာများ	သင်ခန်းစာ	Team
Postscript	RAI dashboard ကို အသုံးပြု၍ ML တွင် မော်ဒယ် ဒက်ဘာဂ်လုပ်ခြင်း	ML in the Wild	RAI dashboard ပါဝင်ပစ္စည်းများကို အသုံးပြု၍ Machine Learning မော်ဒယ်များကို ဒက်ဘာဂ်လုပ်ခြင်း	သင်ခန်းစာ	Ruth Yakubu

ဒီ သင်တန်းအတွက် ထပ်ဆောင်း အရင်းအမြစ်များအားလုံးကို ကျွန်ုပ်တို့၏ Microsoft Learn collection မှ ရှာဖွေပါ

အော့ဖ်လိုင်း အသုံးပြုရန်

သင်သည် ဒီစာတမ်းကို အော့ဖ်လိုင်းတွင် လက်လှမ်းရနိုင်စေရန် Docsify ကို အသုံးပြုနိုင်ပါသည်။ ဒီ repo ကို fork ပြုလုပ်ပြီး သင့်ဒေသခံ စက်ပေါ်တွင် Docsify ကို ထည့်သွင်းပါ၊ ထို့နောက် ဒီ repo ၏ root ဖိုဒါတွင် docsify serve ဟု ရိုက်ထည့်ပါ။ ဝက်ဘ်ဆိုက်ကို သင့် localhost ပေါ်တွင် port 3000 တွင် ဝန်ဆောင်မှုပေးမည်: localhost:3000။

PDF များ

လင့်ခ်များပါရှိသည့် သင်ရိုးညွှန်း PDF ကို ဒီနေရာတွင် ရယူနိုင်ပါသည်။

🎒 အခြားသင်တန်းများ

ကျွန်ုပ်တို့အဖွဲ့သည် အခြားသင်တန်းများကို ထုတ်လုပ်ပါသည်! ကြည့်ပါ:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

အဓိက သင်ယူမှု

---

Copilot စီးရီးများ

အကူအညီ ရယူရန်

AI အက်ပ်များ ဖန်တီးရာတွင် ခက်နေပါက သို့မဟုတ် မေးခွန်းများရှိလျှင် MCP အကြောင်းကို အတူတကွ သင်ယူနေသူများနှင့် အတွေ့အကြုံရှိ developer များနှင့် ဆွေးနွေးနိုင်သည်။ ၎င်းသည် မေးခွန်းများကို ကြိုဆိုသော၊ အသိပညာကို အခမဲ့ မျှဝေသော ထောက်ခံအားကောင်းသော အသိုင်းအဝိုင်းတစ်ခုဖြစ်သည်။

တည်ဆောက်ရာတွင် ထုတ်ကုန်အကြံပြုချက် သို့မဟုတ် အမှားများ ရှိပါက အောက်ပါနေရာသို့ သွားကြည့်ပါ။

---

တာဝန်မခံချက်: ဤစာတမ်းကို AI ဘာသာပြန် ၀န်ဆောင်မှု Co-op Translator ကို အသုံးပြ၍ ဘာသာပြန်ထားပါသည်။ တိကျမှန်ကန်မှုရရှိအောင် ကြိုးစားသော်လည်း အလိုအလျောက် ဘာသာပြန်ချက်များတွင် အမှားများ သို့မဟုတ် တိကျမှန်ကန်မှုချို့တဲ့မှုများ ရှိနိုင်ကြောင်း ကျေးဇူးပြု၍ သတိထားပါ။ မူလစာတမ်းကို မူလဘာသာဖြင့် အာဏာအရင်းအမြစ် (authoritative source) အဖြစ် ယူဆသင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ပရော်ဖက်ရှင်နယ် ဘာသာပြန်ကို အသုံးပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုခြင်းကြောင့် ဖြစ်ပေါ်လာသော နားမလည်မှုများ သို့မဟုတ် မှားဖတ်မှားယူမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မက်ပါ။