ML-For-Beginners/translations/ta

🌐 பல மொழி ஆதரவு

GitHub Action மூலம் ஆதரிக்கப்படுகிறது (தானாகவும் எப்போதும் புதுப்பிக்கப்படும்)

அரபு | பெங்காலி | பல்கேரியன் | பர்மீஸ் (மியான்மர்) | சீனம் (எளிமைப்படுத்தப்பட்டது) | சீனம் (பாரம்பரிய, ஹொங்கொங்) | சீனம் (பாரம்பரிய, மாகாவ்) | சீனம் (பாரம்பரிய, தைவான்) | குரோஷியன் | செக் | டேனிஷ் | டச்சு | எஸ்டோனியன் | பின்னிஷ் | பிரெஞ்சு | ஜெர்மன் | கிரேக்கம் | ஹீப்ரூ | ஹிந்தி | ஹங்கேரியன் | இந்தோனீஷியன் | இத்தாலியன் | ஜப்பானீஸ் | கன்னடம் | கொரியன் | லிதுவேனியன் | மலாய் | மலையாளம் | மறாத்தி | நேபாளி | நைஜீரியன் பிட்ஜின் | நார்வேஜியன் | பர்சியன் (ஃபார்சி) | போலிஷ் | போர்ச்சுக்கீஸ் (பிரேசில்) | போர்ச்சுக்கீஸ் (போர்ச்சுகல்) | பஞ்சாபி (குருமுகி) | ரோமானியன் | ரஷியன் | செர்பியன் (சைரிலிக்) | ஸ்லோவாக் | ஸ்லோவேனியன் | ஸ்பானிஷ் | ஸ்வாஹிலி | ஸ்வீடிஷ் | தாகாலோகு (பிலிப்பீனோ) | தமிழ் | తెગુ | தாய் | துருக்கி | உக்ரானியன் | உருது | வியட்நாமியன்

எங்கள் சமுதாயத்தில் சேரவும்

எங்களிடம் ஒரு Discord "Learn with AI" தொடர் நடந்து கொண்டிருக்கிறது, மேலும் விவரங்களுக்கு மற்றும் சேர இதைப் பார்க்கவும்: Learn with AI Series (18 - 30 செப்டம்பர், 2025). GitHub Copilot ஐ Data Science க்கு பயன்படுத்தும் குறிப்புகள் மற்றும் நுட்பங்களை நீங்கள் பெறுவீர்கள்.

இயந்திரக் கற்றல் புதியவர்களுக்கு - ஒரு பாடத்திட்டம்

🌍 உலகப்பரப்பில் சுற்றிப்பார்க்கும்போது நாமும் உலக கலாச்சாரங்களின் மூலம் இயந்திரக் கற்றலை ஆராய்வோம் 🌍

Microsoft இல் உள்ள Cloud Advocates குழு 12 வாரங்களாகப் பதிவு செய்யப்பட்ட 26 பாடங்களைக் கொண்ட ஒரு முழுமையான பாடத்திட்டத்தை வழங்குவதில் மகிழ்ச்சி அடைகிறது — இது இயந்திரக் கற்றல் பற்றியது. இந்த பாடத்திட்டத்தில், Scikit-learn போன்ற நூலகத்தை primaryயாக பயன்படுத்தி மரபுசார் (classic) இயந்திரக் கற்றலை நீங்கள் கற்றுக் கொள்வீர்கள்; ஆழமான கற்றலை (deep learning) தவிர்க்கிறோம் — அது எங்கள் AI for Beginners' curriculum இல் காணப்படுகின்றது. இந்த பாடங்களை எங்கள் 'Data Science for Beginners' curriculum உடன் இணைத்து பயன் படுத்தவும்.

உலகின் பல பகுதிகளில் இருந்து பெறப்பட்ட தரவுகளைப் பயன்படுத்தி இந்த மரபு தொழில்நுட்பங்களை உலகமெங்கும் பயணிக்கையில் இயல்பாகப் பொருத்தி பார்க்கலாம். ஒவ்வொரு பாடத்திலுமின்றி முன் மற்றும் பின் தேர்வுகள், எழுத்துப்படுத்தப்பட்ட படி படியான வழிமுறைகள், ஒரு தீர்வு, ஒரு பணிப் பகுதி, மற்றும் இன்னும் பலவற்றைக் காணலாம். எங்கள் திட்டத்தடிப்படை (project-based) கற்பித்தலை 통해 அமைத்து, நீங்கள் கட்டமைக்கும் போது கற்றுக்கொள்வீர்கள் — இது புதிய திறன்கள் நிலைத்திருக்கும் வழியாக உள்ளது.

✍️ எங்கள் எழுத்தாளர்களுக்கான இதயபூர்வமான நன்றி Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 எங்கள் சித்திரக்கலைஞர்களுக்கும் நன்றி Tomomi Imura, Dasani Madipalli, மற்றும் Jen Looper

🙏 சிறப்பு நன்றி 🙏 எங்கள் Microsoft Student Ambassador எழுத்தாளர்கள், மதிப்பாய்வாளர்கள் மற்றும் உள்ளடக்க பங்களிப்பாளர்களுக்கு, குறிப்பாக Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, மற்றும் Snigdha Agarwal

🤩 எங்கள் R பாடங்களுக்காக Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, மற்றும் Vidushi Gupta அவர்களுக்கு கூடுதல் நன்றிகள்!

தொடக்கம்

இந்த படிகளை பின்பற்றவும்:

1. Repository ஐ Fork செய்யவும்: இந்த பக்கத்தின் மேல்-வலது மூலையில் உள்ள "Fork" பொத்தானை கிளிக் செய்யவும்.
2. Repository ஐ கிளோன் செய்யவும்: git clone https://github.com/microsoft/ML-For-Beginners.git

இந்த பாடத்திட்டத்திற்கு தேவையான அனைத்து கூடுதல் வளங்களையும் எங்கள் Microsoft Learn தொகுப்பில் காண்க

🔧 உதவி வேண்டும்? நிறுவல், அமைப்பு மற்றும் பாடங்களை இயக்குவதில் மாறாக எதிர்கொள்ளும் பொதுவான பிரச்சினைகளுக்கான தீர்வுகளைப் பார்க்க எங்கள் Troubleshooting Guide ஐ சரிபார்க்கவும்.

மாணவர்கள், இந்த பாடத்திட்டத்தை பயன்படுத்த, முழு repository-ஐ உங்கள் GitHub கணக்கிற்கு Fork செய்து, தனியாக அல்லது ஒரு குழுவாகப் பயிற்சிகளை முடிக்கவும்:

• ஒரு முன்-வகுப்பு வினாத்தேர்வுடன் (pre-lecture quiz) துவங்கவும்.
• வகுப்புரை மற்றும் செயல்பாடுகளைப் படித்து, ஒவ்வொரு அறிவுத்திருத்தத்திலும் நிறுத்தி சிந்திக்கவும்.
• பாடங்களை புரிந்து கொண்டு தீர்வு கோடுகளை இயக்குவதை விட திட்டங்களை உருவாக்க முயற்சிக்கவும்; அந்த கோடு ஒவ்வொரு திட்ட-முகமுடைய பாடத்திலும் உள்ள /solution கோப்புறையில் கிடைக்கும்.
• ஒரு பின்-வகுப்பு வினாத்தேர்வை எடுக்கவும்.
• சவாலை முடிக்கவும்.
• பணியை முடிக்கவும்.
• ஒரு பாடக் குழுவை முடித்தவுடன், Discussion Board ஐப் பார்வையிட்டு, பொருத்தமான PAT ரூப ரிக் நிரப்பியபடி "பகிர்ந்து கற்று" கொள்ளுங்கள். 'PAT' என்பது உங்கள் கற்றலை மேலோங்கச் செய்ய நீங்கள் நிரப்பும் ஒரு முன்னேற்ற மதிப்பீட்டு கருவி (Progress Assessment Tool) ஆகும். மற்ற PAT-களுக்கு நீங்கள் மறுமொழியளித்து, ஒன்றாகக் கற்றுக் கொள்ளலாம்.

மேலும் பயிற்சி பெற, எங்கள் கீழ்காணும் Microsoft Learn மோடியூல்கள் மற்றும் கற்றல் பாதைகளைப் பின்பற்ற பரிந்துரைக்கிறோம்.

ஆசிரியர்கள், இந்த பாடத்திட்டத்தை எவ்வாறு பயன்படுத்துவது என்பதற்கான சில பரிந்துரைகளை இணைத்துள்ளோம்.

---

காணொளி நடைமுறை விளக்கம்

கிடைக்கும் சில பாடங்கள் சிறிய வடிவம் கொண்ட காணொளிகளாக உள்ளன. இவை ஒவ்வொரு பாடத்திலும் நேரடியாக அல்லது Microsoft Developer YouTube சேனலில் உள்ள ML for Beginners பிளேலிஸ்டில் காணலாம்; கீழ் படம் சொடுக்கவும்.

---

குழுவை சந்திங்க

GIF வழங்கியது Mohit Jaisal

🎥 திட்டம் மற்றும் இதனை உருவாக்கிய மக்களைப் பற்றிய வீடியோவைப் பார்க்க மேலுள்ள படத்தை கிளிக் செய்யவும்!

---

பாடவியல்

இந்த பாடத்திட்டத்தை உருவாக்கும்போது நாங்கள் இரண்டு பாடவியல் அடிப்படைகளை தேர்ந்தெடுப்போம்: இது கைமுறைச் செயல்திறனுடைய (hands-on) மற்றும் திட்டத்தின் அடிப்படையிலான (project-based) இருக்க வேண்டும் மற்றும் அதனுடன் அடிக்கடி வினாத்தேர்வுகள் உடையதாக இருக்க வேண்டும். கூடுதலாக, இந்த பாடத்திட்டத்திற்கு ஒரே ஒரு தீம் உள்ளது, அதை ஒட்டி அது இணக்கமானதாக இருக்கும்.

உள்ளடக்கத்தை திட்டங்களுடன் இணைத்தால், மாணவர்களுக்கு அது மேலும் ஈடுபாட்டானதாக இருக்கும் மற்றும் கருத்துகளின் நினைவாற்றல் அதிகரிக்கும். மேலும், வகுப்பிற்கு முன்னர் குறைந்த முக்கியத்துவம் கொண்ட ஒரு வினாத்தேர்வு மாணவரின் கற்பனை நோக்கத்தை அமைக்கும்; வகுப்புக்குப்பின் ஒரு இரண்டாவது வினாத்தேர்வு மேலும் நினைவாற்றலை உறுதி செய்வதற்காக உள்ளது. இந்த பாடத்திட்டம் নমனையாகவும் மகிழ்ச்சியாகவும் இருக்கத் திட்டமிடப்பட்டுள்ளது மற்றும் முழுமையானவாகவோ அல்லது பகுதி பகுதியாகவோ எடுத்துக்கொள்ளலாம். திட்டங்கள் சிறியதாக துவங்கி 12 வாரத்தின் முடிவில் குறைந்தபட்சம் சிக்கலானதாக மாறுகின்றன. இந்த பாடத்திட்டம் இயந்திரக் கற்றலின் நிஜ உலக பயன்பாடுகள் பற்றிய ஒரு பின்னூட்டத்தையும் (postscript) அடங்கடிக்கும்; இதை கூடுதலான மதிப்பெணாக அல்லது விவாதத்திற்கு அடிப்படையாகப் பயன்படுத்தலாம்.

எங்கள் Code of Conduct, Contributing, Translation, மற்றும் Troubleshooting நெறிமுறைகளை காண்க. உங்கள் கட்டுமானமான கருத்துக்களை வரவேற்கிறோம்!

ஒவ்வொரு பாடத்திலும் உள்ளன

• விருப்பமான ஸ்கெட்ச் குறிப்பு
• விருப்பமான கூடுதல் காணொளி
• காணொளி நடைமுறை விளக்கம் (சில பாடங்கள் மட்டும்)
• pre-lecture warmup quiz
• எழுத்துரு பாடம்
• திட்டம்செய்து முன்னேற்கப்படுமான பாடங்களுக்கு, திட்டத்தை உருவாக்குவதற்கான படி படியான வழிமுறைகள்
• அறிவுத்திருத்தங்கள் (knowledge checks)
• ஒரு சவால்
• கூடுதல் வாசிப்பு
• பணியினை (assignment)
• post-lecture quiz

மொழிகள் பற்றி ஒரு குறிப்பு: இந்த பாடங்கள் பெரும்பாலும் Python இல் எழுதப்பட்டுள்ளன, ஆனால் பல காணொளிகள் R-இல் கிடைக்கின்றன. ஒரு R பாடத்தை முடிக்க, /solution கோப்புறைக்கு சென்று R பாடங்களை தேடவும். அவை ஒரு .rmd நீட்டிப்பைக் கொண்டிருக்கும், இது ஒரு R Markdown கோப்பாகும் மற்றும் அது code chunks (R அல்லது பிற மொழிகளின்) மற்றும் ஒரு YAML header ஆகியவற்றின் ஒன்றிணைப்பு என வரையறுக்கப்படலாம் (எ.கா PDF போன்ற வெளியீடுகளை வடிவமைக்க வழிகாட்டும்). ஆகவே, இது உங்கள் கோடு, அதன் வெளியீடு மற்றும் உங்கள் எண்ணங்களை Markdown இல் எழுதுவதன் மூலம் ஒன்றிணைக்க அனுமதிக்கும் என்பதால் தரவியல் அறிவியலுக்கான ஒரு மாதிரித் தளமாக செயல்படுகிறது. மேலும், R Markdown ஆவணங்கள் PDF, HTML அல்லது Word போன்ற வெளியீடு வடிவங்களுக்கு உருவாக்கப்படலாம்.

வினாத்தேர்வுகள் பற்றி ஒரு குறிப்பு: அனைத்து வினாத்தேர்வும் Quiz App folder இல் உள்ளன, மொத்தம் 52 வினாத்தேர்வுகள், ஒவ்வொன்றும் மூன்று கேள்விகள் கொண்டவை. அவை பாடங்களிலிருந்து இணைக்கப்பட்டுள்ளன, ஆனால் quiz app ஐ உள்ளூர் முறையில் இயக்கலாம்; உள்ளூர் ஹோஸ்ட் அல்லது Azure க்கு deploy செய்வதற்கான வழிகாட்டியை quiz-app கோப்புறையில் பின்பற்றவும்.

பாடம் எண்	விஷயம்	பாட வகுப்பு	கற்றல் குறிக்கோள்கள்	இணைக்கப்பட்ட பாடம்	எழுத்தாளர்
01	யந்திரக் கற்றலுக்கான அறிமுகம்	அறிமுகம்	யந்திரக் கற்றலின் அடிப்படை கருத்துக்களை அறியுங்கள்	பாடம்	Muhammad
02	யந்திரக் கற்றலின் வரலாறு	அறிமுகம்	இந்த துறையின் பின்னணி வரலாறு பற்றி அறிக	பாடம்	Jen and Amy
03	நீதித்தன்மை மற்றும் யந்திரக் கற்றல்	அறிமுகம்	ML மாதிரிகளை உருவாக்குவதிலும், பயன்படுத்துவதிலும் மாணவர்கள் பரிசுத்தன்மையைப் பற்றிப் பரிசீலிக்க வேண்டிய முக்கிய தத்துவப் பிரச்சனைகள் என்ன?	பாடம்	Tomomi
04	யந்திரக் கற்றலுக்கான தொழில்நுட்பங்கள்	அறிமுகம்	ML ஆராய்ச்சியாளர்கள் ML மாதிரிகளை உருவாக்க எவ்வாறு தொழில்நுட்பங்களை பயன்படுத்துகிறார்கள்?	பாடம்	Chris and Jen
05	ரிக்ரெஷனுக்கான அறிமுகம்	ரிக்ரெஷன்	ரிக்ரெஷன் மாதிரிகளுக்காக Python மற்றும் Scikit-learn கொண்டு தொடங்குங்கள்	Python • R	Jen • Eric Wanjau
06	வட அமெரிக்க பரங்கிக் காய் விலைகள் 🎃	ரிக்ரெஷன்	யந்திரக் கற்றலுக்கான தயாரிப்பாக தரவுகளை காட்சிப்படுத்தி சுத்தப்படுத்துங்கள்	Python • R	Jen • Eric Wanjau
07	வட அமெரிக்க பரங்கிக் காய் விலைகள் 🎃	ரிக்ரெஷன்	நேரியல் மற்றும் பொலினோமியல் ரிக்ரெஷன் மாதிரிகள் உருவாக்குதல்	Python • R	Jen and Dmitry • Eric Wanjau
08	வட அமெரிக்க பரங்கிக் காய் விலைகள் 🎃	ரிக்ரெஷன்	லாஜிஸ்டிக் ரிக்ரெஷன் மாதிரி உருவாக்குதல்	Python • R	Jen • Eric Wanjau
09	ஒரு வலை பயன்பாடு 🔌	வலை பயன்பாடு	உங்கள் பயிற்றப்பட்ட மாதிரியை பயன்படுத்த ஒரு வலை பயன்பாட்டை உருவாக்குங்கள்	Python	Jen
10	வகைப்படுத்தலுக்கான அறிமுகம்	வகைப் பகுப்பு	உங்கள் தரவுகளை சுத்தப்படுத்தி, முன்னமைத்து, காட்சிப்படுத்துதல்; வகைப்படுத்தலுக்கான அறிமுகம்	Python • R	Jen and Cassie • Eric Wanjau
11	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	வகைப் பகுப்பு	வகைப்படுத்திகளுக்கான அறிமுகம்	Python • R	Jen and Cassie • Eric Wanjau
12	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	வகைப் பகுப்பு	மேலும் வகைப்படுத்திகள்	Python • R	Jen and Cassie • Eric Wanjau
13	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	வகைப் பகுப்பு	உங்கள் மாதிரியை பயன்படுத்தி பரிந்துரை செய்யும் ஒரு வலைப் பயன்பாட்டை உருவாக்குதல்	Python	Jen
14	கிளஸ்டரிங்குக்கான அறிமுகம்	கிளஸ்டர்	உங்கள் தரவுகளை சுத்தம் செய்து, முன்னமைத்து காட்சிப்படுத்துதல்; கிளஸ்டரிங்கிற்கான அறிமுகம்	Python • R	Jen • Eric Wanjau
15	நைஜீரியன் இசை விருப்பங்களைக் கண்டறிதல் 🎧	கிளஸ்டர்	K-Means குழும முறைமையை ஆராயுங்கள்	Python • R	Jen • Eric Wanjau
16	இயற்கை மொழி செயலாக்கத்திற்கான அறிமுகம் ☕️	இயற்கை மொழி செயலாக்கம்	ஒரு எளிய பாட்டை உருவாக்கி NLP பற்றி அடிப்படைகளை கற்குங்கள்	Python	Stephen
17	சாதாரண NLP பணிகள் ☕️	இயற்கை மொழி செயலாக்கம்	மொழி அமைப்புகளை கையாளும்போது அடிக்கடி தேவைப்படும் சாதாரண பணிகளைப் புரிந்துகொள்வதன் மூலம் உங்கள் NLP அறிவை ஆழப்படுத்துங்கள்	Python	Stephen
18	மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பு ♥️	இயற்கை மொழி செயலாக்கம்	ஜேன் ஆஸ்டினுடன் மொழிபெயர்ப்பு மற்றும் உணர்ச்சி பகுப்பு	Python	Stephen
19	ஐரோப்பிய ரோமான்டிக் ஹோட்டல்கள் ♥️	இயற்கை மொழி செயலாக்கம்	ஹோட்டல் விமர்சனங்களுடன் உணர்ச்சி பகுப்பு 1	Python	Stephen
20	ஐரோப்பிய ரோமான்டிக் ஹோட்டல்கள் ♥️	இயற்கை மொழி செயலாக்கம்	ஹோட்டல் விமர்சனங்களுடன் உணர்ச்சி பகுப்பு 2	Python	Stephen
21	கால வரிசை முன்னறிவிப்புக்கான அறிமுகம்	கால வரிசை	கால வரிசை முன்னறிவிப்புக்கான அறிமுகம்	Python	Francesca
22	⚡️ உலகின் மின் பயன்பாடு ⚡️ - ARIMA உடன் கால வரிசை முன்னறிவு	கால வரிசை	ARIMA உடன் கால வரிசை முன்னறிவு	Python	Francesca
23	⚡️ உலகின் மின் பயன்பாடு ⚡️ - SVR உடன் கால வரிசை முன்னறிவு	கால வரிசை	Support Vector Regressor (SVR) உடன் கால வரிசை முன்னறிவு	Python	Anirban
24	ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங்குக்கான அறிமுகம்	ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங்	Q-Learning உடன் ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங்கின் அறிமுகம்	Python	Dmitry
25	பீட்டரை நரியை தவிர்க்க உதவுங்கள்! 🐺	ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங்	ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங் ஜிம்	Python	Dmitry
பின்குறிப்பு	உண்மை உலக ML சந்தர்ப்பங்கள் மற்றும் பயன்பாடுகள்	ML in the Wild	பாரம்பரிய ML இன் சுவாரஸ்யமான மற்றும் வெளிப்படுத்தும் உண்மை உலக பயன்பாடுகள்	பாடம்	Team
பின்குறிப்பு	RAI டாஷ்போர்டு கூறுகளைப் பயன்படுத்தி ML மாடல் பிழைத்திருத்தம்	ML in the Wild	RAI டாஷ்போர்டு கூறுகளைப் பயன்படுத்தி இயந்திரக் கற்றலில் மாடல் பிழைத் திருத்துதல்	பாடம்	Ruth Yakubu

எங்கள் Microsoft Learn தொகுப்பில் இந்த பாடத்திட்டத்திற்கான அனைத்து கூடுதல் வள்களையும் காண

ஆஃப்லைன் அணுகல்

இந்த டொக்குமென்டேஷனை ஆஃப்லைனில் இயக்க நீங்கள் Docsify ஐப் பயன்படுத்தலாம். இந்த repo ஐ fork செய்து, உங்கள் உள்ளூர் இயந்திரத்தில் Docsify ஐ நிறுவவும், பின்னர் இந்த repo இன் ரூட் கோப்புறை இல் docsify serve என்று டைப் செய்யவும். இணையத்தளம் உங்கள் localhost இல் போர்ட் 3000 இல் சேவையாக இருக்கும்: localhost:3000.

PDFகள்

இந்த பாடத்திட்டத்தின் இணைப்புகளுடன் கூடிய pdf ஐ இங்கே காண்க.

🎒 பிற பாடநெறிகள்

எங்கள் குழு பிற பாடநெறிகளை உருவாக்குகிறது! இவை பார்க்கவும்:

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

முதன்மை கற்றல்

---

Copilot தொடர்

உதவி பெறுதல்

AI செயலிகள் உருவாக்குவதில் சிக்கியோ அல்லது ஏதேனும் கேள்வியோ இருப்பின், MCP பற்றிய கலந்துரையாடல்களில் மற்ற கற்றலாளர்கள் மற்றும் அனுபவமிக்க டெவலப்பர்களுடன் சேர்வது நல்லது. கேள்விகள் வரவேற்கப்படுகின்றன மற்றும் அறிவு சுதந்திரமாக பகிரப்படுகின்ற ஒரு ஆதரவுள்ள சமூகமே இது.

உருவாக்கும் போது உங்களுக்கு தயாரிப்பு கருத்து அல்லது பிழைகள் இருப்பின், இங்கே காணவும்:

---

மறுப்பு: இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவையான Co-op Translator மூலம் மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயலினாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனிக்கவும். மூல ஆவணம் அதன் சொந்த மொழியில் உள்ள பதிப்பே அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பை பரிந்துரைக்கிறோம். இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்பட்ட எந்த தவறான புரிதல்களுக்கும் அல்லது தவறாகப் பொருள் படுத்தல்களுக்கும் நாங்கள் பொறுப்பல்ல.