ML-For-Beginners/translations/ta

🌐 பல மொழி ஆதரவு

GitHub Action மூலம் ஆதரிக்கப்படுகிறது (தானியங்கி & எப்போதும் புதுப்பிக்கப்பட்டுள்ளது)

அரபு | பெங்காலி | பல்கேரியன் | பர்மீஸ் (மியான்மார்) | சீனம் (எளிமைப்படுத்தப்பட்டது) | சீனம் (பாரம்பரிய, ஹொங்க் காங்) | சீனம் (பாரம்பரிய, மாகாவ்) | சீனம் (பாரம்பரிய, தைவான்) | குரோயேஷியன் | செக் | டேனிஷ் | டச்சு | எஸ்டோனியன் | ஃபின்னிஷ் | பிரெஞ்சு | ஜெர்மன் | கிரேக்க | ஹீப்ரூ | இந்தி | ஹங்கேரியன் | இந்தோனேஷியன் | இத்தாலியன் | ஜப்பானீஸ் | கன்னடம் | கொரியன் | லிதுவேனியன் | மலாய் | மலையாளம் | மராத்தி | நேபாளம் | நைஜீரியன் பிகின் | நோர்வேஜியன் | பேர்ஷியன் (ஃபார்ஸி) | பொலிஷ் | போர்ச்சுகீஸ் (பிரேசில்) | போர்ச்சுகீஸ் (போர்ச்சுகல்) | பஞ்சாப்பி (குர்முகி) | ரோமானியன் | ரஷ்யன் | சர்பியன் (சைரிலிக்) | ஸ்லோவாக் | ஸ்லோவேனியன் | ஸ்பானிஷ் | ஸ்வாஹிலி | ஸ்வீடிஷ் | டாகாலோக (பிலிப்பைன்ஸ்) | தமிழ் | తెలుగు | தாய் | துருக்கிஷ் | உக்ரைனியன் | உருது | வியட்நாமியம்

எங்கள் சமூகத்தில் இணையுங்கள்

நாங்கள் ஒரு Discord "Learn with AI" தொடர் நடத்தி வருகிறோம், மேலும் விவரங்களுக்காக மற்றும் 18 - 30 செப்டம்பர், 2025 அன்று நடைபெறும் நிகழ்ச்சியில் கலந்து கொள்ள Learn with AI Series என்ற இணைப்பில் சேரவும். Data Science க்கான GitHub Copilot பயன்படுத்துவதற்கான குறிப்புகள் மற்றும் முறைகள் கிடைக்கும்.

துவக்கர்களுக்கான மெஷின் லெர்னிங் - ஒரு பாடத்திட்டம்

🌍 உலக பண்பாட்டுகளின் மூலம் மெஷின் லெர்னிங்கை ஆராயும் பயணத்தில் உலகம் சுற்றுங்களாம் 🌍

Microsoft இல் உள்ள Cloud Advocates குழு 12 வாரங்கள், 26 பாடங்கள் கொண்ட முழு பாடத்திட்டமான Machine Learning ஐ வழங்க தொழில்நுட்பமாக மகிழ்ச்சியுடன் வழங்குகிறது. இந்த பாடத்திட்டத்தில், நீங்கள் பெரும்பாலும் Scikit-learn நூலகத்தை பயன்படுத்தி மற்றும் ஆழமான கற்றலைக் கைவிட்டு சில நேரங்களில் "classic machine learning" என்று அழைக்கப்படும் வகையைப் பற்றி கற்பீர்கள். மேலும் இதை எமது AI for Beginners' பாடத்திட்டம் உடன் சேர்த்து ஆழமான கற்றலைப் பெறலாம். இதை எங்கள் 'Data Science for Beginners' பாடத்திட்டம் உடன் இணைத்து பயன்படுத்தவும்.

உலகின் பல பகுதிகளில் இருந்து எடுக்கப்பட்ட தரவுகளுடன் இந்த கம்ப்யூட்டிங் தொழில்நுட்பங்களை செலுத்தி பயணியுங்கள். ஒவ்வொரு பாடமும் முன்னும் பின்னும் க்விச், பாடத்தை முடிக்க படிப்படி வழிமுறைகள், ஒரு தீர்வு, ஒரு பணிப் பணி மற்றும் பலவற்றை கொண்டுள்ளது. எங்கள் திட்ட அடிப்படை பயிற்சி முறையால் நீங்கள் கட்டமைக்கும்போது கற்றுக் கொள்வீர்கள், இது புதிய திறமைகள் நிலைத்திருவதற்கு உதவுகிறது.

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

🎨 நன்றி எமது வரைபடக் கலைஞர்களுக்கும் Tomomi Imura, Dasani Madipalli, மற்றும் Jen Looper

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

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

தொடங்குவது

இந்த படிகளை பின்பற்றவும்:

1. கோப்பகத்தை Fork செய்யுங்கள்: இந்த பக்கத்தின் மேல்-வலது மூலையில் உள்ள "Fork" பொத்தானை அழுத்தவும்.
2. கோப்பகத்தை Clone செய்யுங்கள்: git clone https://github.com/microsoft/ML-For-Beginners.git

இந்த பாடத்திட்டத்திற்கான கூடுதல் அனைத்து வளங்களையும் எமது Microsoft Learn சேகரிப்பில் காணவும்

🔧 உதவி தேவைவுமா? நிறுவல், அமைப்பு மற்றும் பாடங்களை இயக்கும் போது வரும் பொதுக் குறைகளை தீர்க்க எங்கள் Troubleshooting Guide ஐ பார்க்கவும்.

மாணவர்கள், இந்த பாடத்திட்டத்தை பயன்படுத்த, முழு repo-வை உங்கள் GitHub கணக்கிற்கு fork செய்து தனியாக அல்லது குழுவாக பயிற்சிகளை முடிக்கவும்:

• முன்-பாடத் தேர்வுடன் துவங்குங்கள்.
• வகுப்பை படித்து செயல்பாடுகளை முடிக்கவும்; ஒவ்வொரு அறிவு சோதனையிலும் நிறுத்தி குறித்த விஷயங்களை பரிசீலிக்கவும்.
• தீர்வு குறியீட்டை இயக்குவதைக் காட்டிலும் பாடங்களை புரிந்து கொண்டு திட்டங்களை உருவாக்க முயற்சிக்கவும்; அதினாலும் அந்தக் குறியீடு ஒவ்வொரு திட்ட-ஆதார பாடத்திலும் உள்ள /solution கோப்புறைகளில் கிடைக்கிறது.
• பாடம் முடிந்த பிறகு உள்ள க்விசை எடுத்துப் பாருங்கள்.
• சவால்களை முடிக்கவும்.
• ஒதுக்கப்பட்ட பணியை முடிக்கவும்.
• ஒரு பாடக் குழுவை முடித்த பிறகு, Discussion Board ஐப் பார்வையிட்டு உரிய PAT ரூப்ரிக் நிரப்புவது மூலம் "பொலிவாக கற்று கொள்ளுங்கள்". 'PAT' என்பது உங்கள் கற்றலை மேலும் ஊக்கப்படுத்த நீங்கள் நிரப்புகிற முன்னேற்ற மதிப்பீட்டு கருவி ஆகும். மற்ற PAT களுக்கு பிரதிசெய்தியைச் செலுத்துவதன்மூலம் நாமொன்றாக கற்றுக்கொள்ளலாம்.

மேலும் படிப்பதற்காக, கீழ் உள்ள Microsoft Learn மாட்யூல்கள் மற்றும் கற்றல் பாதைகளை பின்பற்ற பரிந்துரைக்கப்படுகின்றன.

ஆசிரியர்கள், இந்த பாடத்திட்டத்தை எப்படி பயன்படுத்துவது என்பதற்கு நாம் சில பரிந்துரைகளை சேர்த்துள்ளோம்.

---

வீடியோ நடைமுறை விளக்கங்கள்

சில பாடங்கள் குறுகிய வடிவ வீடியோவாக கிடைக்கின்றன. இவைகளைப் பாடங்களில் நேரடியாக காணலாம், அல்லது கீழ் படத்தை கிளிக் செய்து ML for Beginners playlist on the Microsoft Developer YouTube channel இல் காணலாம்.

---

குழுவை சந்திக்கவும்

GIF உருவாக்கியவர் Mohit Jaisal

🎥 மேற்கண்ட படத்தை கிளிக் செய்து இந்த திட்டம் மற்றும் அதை உருவாக்கியவர்களின் பற்றிய வீடியோவை பாருங்கள்!

---

கல்விமுறை

இந்த பாடத்திட்டத்தை உருவாக்கும் போது நாம் இரண்டு கல்வி கொள்கைகளைத் தேர்ந்தெடுத்துள்ளோம்: இது நடைமுறையாகையான, திட்டம்-அடிப்படையிலான (project-based) ஆக இருக்க வேண்டும் மற்றும் அதில் அடிக்கடி க்விச்கள் (frequent quizzes) இருக்க வேண்டும். மேலும் இந்த பாடத்திட்டத்திற்கு ஒன்றிணைந்த ஒரு தீம் உள்ளது, இது ஒருங்கிணைப்புக்கு உதவும்.

உள்ளடக்கம் திட்டங்களோடு ஒத்துப்போகும்படி தொகுக்கப்பட்டால் மாணவர்களுக்கு அதிக ஈடுபாடு வழங்கும்படியும், கொள்கைகளின் நினைவாற்றலும் உயர்வதாக இருக்கும். மேலும் ஒரு வகுப்புக்கு முன் உள்ள விடுமுறை-விகிதம் குறைந்த-பரீட்சை மாணவரின் பாடம் கற்றுக்கொள்ளும் நோக்கத்தை உருவாக்கும்; வகுப்பின் பிறகு ஒரு இரண்டாவது க்விஸ் கூடுதல் நினைவாற்றலை உறுதிப்படுத்தும். இந்த பாடத்திட்டம் நெகிழ்வானதும் மகிழ்ச்சியானதுமானதாக வடிவமைக்கப்பட்டுள்ளது மற்றும் முழுவதையும் அல்லது ஒரு பகுதியைப் படித்து முடிக்கலாம். திட்டங்கள் சிறிது அளவில் துவங்கி 12 வார வட்டத்தின் முடிவில் வரையிலானவையாக progressively சிக்கலாகிறது. இந்த பாடத்திட்டம் மேலும் ML இன் இயல்பான பயன்பாடுகளின் மீது ஒரு பின்குறிப்பு(postscript) கொண்டுள்ளது, இது கூடுதல் கிரெடிட்டாக அல்லது கலந்துரையாடலுக்கான அடிப்படையாகப் பயன்படுத்தக்கூடியது.

எங்கள் நடத்தை விதிகள், Contributing, Translation, மற்றும் Troubleshooting கையேடுகளை காணவும். உங்கள் கட்டுமானமான கருத்துப்பின்னூட்டத்தைக் கிழிக்கிறோம்!

ஒவ்வொரு பாடத்திட்டமும் கொண்டவை

• விருப்பமான ஸ்கெட்ச் நோட்
• விருப்பமான கூடுதல் வீடியோ
• வீடியோ நடைமுறை விளக்கம் (சில பாடங்களுக்கே மட்டும்)
• முன்-பாடம் தயாரிப்பு க்விஸ்
• எழுதப்பட்ட பாடம்
• திட்டம்-அடிப்படையிலான பாடங்களுக்காக, திட்டத்தை எப்படி உருவாக்குவது என்பதற்கான படி-படி வழிகாட்டல்கள்
• அறிவு சோதனைகள்
• ஒரு சவால்
• கூடுதல் வாசிப்புகள்
• பணி
• பாடம் பிறகு க்விஸ்

மொழிகள் பற்றிய ஒரு குறிப்பு: இந்தக் பாடங்கள் முதன்மையாக Python-இல் எழுதப்பட்டவை, ஆனால் பல பாடங்களும் R இல் கிடைக்கின்றன. R பாடத்தை முடிக்க /solution கோப்புறைக்கு சென்று R பாடங்களைத் தேடுங்கள். அவை .rmd நீட்சியைக் கொண்டிருக்கும், இது ஒரு R Markdown கோப்பாகும், இது எளிதில் வரையறுக்கப்படுவது code chunks (R அல்லது பிற மொழிகள்) மற்றும் YAML header (PDF போன்ற வெளியீடுகளின் வடிவமைப்பை வழிகாட்டும்) ஆகியவற்றின் இணைப்பாக ஒரு Markdown document இல் உள்ளடக்கியதாகும். இதன் மூலம், உங்கள் குறியீட்டு பகுதி, அதன் வெளியீடு மற்றும் உங்கள் எண்ணங்களை ஒன்றிணைத்து Markdown இல் எழுதுவதன் மூலம் தொடர் ஆவணமாகக் கொண்டு வர முடியும். மேலும், R Markdown ஆவணங்கள் PDF, HTML அல்லது Word போன்ற வெளியீடு வடிவங்களுக்கு உருவாக்கப்படலாம்.

க்விஸ் பற்றிய ஒரு குறிப்பு: அனைத்து க்விஸ்களும் Quiz App folder இல் உள்ளன; மொத்தம் 52 க்விஸ்கள் உள்ளன, ஒவ்வொன்றிலும் மூன்று கேள்விகள். இவை பாடங்களில் இணைக்கப்பட்டுள்ளன, ஆனால் quiz app-ஐ உள்ளூரில் இயக்கிக் கொள்ளலாம்; உள்ளூரில் ஹோஸ்ட் செய்தல் அல்லது Azure-க்கு deploy செய்வதற்கான வழிமுறைகள் quiz-app கோப்புறையில் கொடுக்கப்பட்டுள்ளன.

பாடம் எண்	தலைப்பு	பாடம் குழு	கற்றல் நோக்கங்கள்	இணைக்கப்பட்ட பாடம்	ஆசிரியர்
01	இயந்திரக் கற்றலுக்கு அறிமுகம்	Introduction	இயந்திரக் கற்றலின் அடிப்படை கருத்துக்களை கற்றுக்கொள்ளுங்கள்	பாடம்	Muhammad
02	இயந்திரக் கற்றலின் வரலாறு	Introduction	இந்த துறையின் அடிப்படையில் உள்ள வரலாற்றை கற்றுக்கொள்ளுங்கள்	பாடம்	Jen and Amy
03	நியாயம் மற்றும் இயந்திரக் கற்றல்	Introduction	எம்எல் மாதிரிகளை உருவாக்கியதும் மற்றும் பயன்படுத்தியதும் மாணவர்கள் கவனிக்க வேண்டிய நியாயம் தொடர்பான முக்கிய தத்துவப் பிரச்சனைகள் எவை?	பாடம்	Tomomi
04	இயந்திரக் கற்றலுக்கான தொழில்நுட்பங்கள்	Introduction	எம்எல் ஆராய்ச்சியாளர்கள் எம்எல் மாதிரிகளை உருவாக்க எந்த தொழில்நுட்பங்களைப் பயன்படுத்துகிறார்கள்?	பாடம்	Chris and Jen
05	ரெக்ரெஷன் அறிமுகம்	Regression	ரெக்ரெஷன் மாதிரிகளுக்காக Python மற்றும் Scikit-learn உடன் துவங்குங்கள்	Python • R	Jen • Eric Wanjau
06	வட அமெரிக்க பூசணிக்காய் விலைகள் 🎃	Regression	எம்எலுக்கான தயாரிப்பாக தரவை காட்சியிடவும் மற்றும் சுத்தம் செய்யவும்	Python • R	Jen • Eric Wanjau
07	வட அமெரிக்க பூசணிக்காய் விலைகள் 🎃	Regression	லினியர் மற்றும் பாலினோமியல் ரெக்ரெஷன் மாதிரிகளை உருவாக்கவும்	Python • R	Jen and Dmitry • Eric Wanjau
08	வட அமெரிக்க பூசணிக்காய் விலைகள் 🎃	Regression	ஒரு லொஜிஸ்டிக் ரெக்ரெஷன் மாதிரியை உருவாக்கவும்	Python • R	Jen • Eric Wanjau
09	ஒரு வலை பயன்பாடு 🔌	Web App	பயிற்சி பெற்ற மாதிரியை பயன்படுத்த ஒரு வலைப் பயன்பாட்டை உருவாக்கவும்	Python	Jen
10	வகைப்படுத்தலுக்கான அறிமுகம்	Classification	உங்கள் தரவுகளை சுத்தம் செய்து, தயாரித்து, காட்சியிடுங்கள்; வகைப்படுத்தலுக்கான அறிமுகம்	Python • R	Jen and Cassie • Eric Wanjau
11	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	Classification	வகைப்பவர்(கிளாஸிபையர்) அறிமுகம்	Python • R	Jen and Cassie • Eric Wanjau
12	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	Classification	மேலும் கிளாஸிபையர்கள்	Python • R	Jen and Cassie • Eric Wanjau
13	சுவையான ஆசிய மற்றும் இந்திய உணவுகள் 🍜	Classification	உங்கள் மாதிரியைப் பயன்படுத்தி ஒரு பரிந்துரை செய்யும் வலைப் பயன்பாட்டை உருவாக்கவும்	Python	Jen
14	கிளஸ்டரிங் அறிமுகம்	Clustering	உங்கள் தரவுகளை சுத்தம் செய்து, தயாரித்து, காட்சியிடுங்கள்; கிளஸ்டரிங்கிற்கான அறிமுகம்	Python • R	Jen • Eric Wanjau
15	நைஜீரிய இசை ருசிகளை ஆராய்தல் 🎧	Clustering	K-Means கிளஸ்டரிங் முறையை ஆராயுங்கள்	Python • R	Jen • Eric Wanjau
16	இயல்பான மொழி செயலாக்கத்திற்கான அறிமுகம் ☕️	Natural language processing	ஒரு எளிய பாட்டை உருவாக்குவதன் மூலம் NLP பற்றிய அடிப்படைகளை கற்றுக்கொள்ளுங்கள்	Python	Stephen
17	பொதுவான NLP பணிகள் ☕️	Natural language processing	மொழி அமைப்புகளுடன் வேலை செய்வதில் தேவையான பொதுவான பணிகளைப் புரிந்து கொண்டு NLP அறிவை ஆழப்படுத்துங்கள்	Python	Stephen
18	மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு ♥️	Natural language processing	ஜேன் ஆஸ்டினுடன் மொழிபெயர்ப்பு மற்றும் உணர்வு பகுப்பாய்வு	Python	Stephen
19	ரோமான்டிக் ஹோட்டல்கள் ஐரோப்பாவின் ♥️	Natural language processing	ஹோட்டல் மதிப்புரைகளுடன் உணர்வு பகுப்பாய்வு 1	Python	Stephen
20	ரோமான்டிக் ஹோட்டல்கள் ஐரோப்பாவின் ♥️	Natural language processing	ஹோட்டல் மதிப்புரைகளுடன் உணர்வு பகுப்பாய்வு 2	Python	Stephen
21	கால வரிசை முன்னறிவிப்பு அறிமுகம்	Time series	கால வரிசை முன்னறிவிப்பிற்கு அறிமுகம்	Python	Francesca
22	⚡️ உலக மின்சாரம் பயன்பாடு ⚡️ - ARIMA உடன் கால வரிசை முன்னறிவிப்பு	Time series	ARIMA மூலம் கால வரிசை முன்னறிவிப்பு	Python	Francesca
23	⚡️ உலக மின்சாரம் பயன்பாடு ⚡️ - SVR உடன் கால வரிசை முன்னறிவிப்பு	Time series	Support Vector Regressor மூலம் கால வரிசை முன்னறிவிப்பு	Python	Anirban
24	ரீஇன்போர்ஸ்மெண்ட் லெர்னிங்கின் அறிமுகம்	Reinforcement learning	Q-Learning உடன் ரீஇன்போர்ஸ்மெண்ட் லெர்னிங்கின் அறிமுகம்	Python	Dmitry
25	பீட்டரை நரியைத் தவிர்க்க உதவுங்கள்! 🐺	Reinforcement learning	ரீஇன்போர்ஸ்மெண்ட் லெர்னிங் ஜிம்	Python	Dmitry
பின்குறிப்பு	உலக உண்மையான எம்எல் சூழ்நிலைகள் மற்றும் பயன்பாடுகள்	ML in the Wild	பாரம்பரிய எம்எலின் சுவாரசியமான மற்றும் வெளிப்படுத்தும் நடைமுறை பயன்பாடுகள்	பாடம்	Team
பின்குறிப்பு	RAI டாஷ்போர்டைப் பயன்படுத்தி எம்எலில் மாதிரி டிபக்கிங்	ML in the Wild	Responsible AI டாஷ்போர்டு கூறுகளைப் பயன்படுத்தி இயந்திரக் கற்றலில் மாதிரி டிபக்கிங்	பாடம்	Ruth Yakubu

இந்த பாடத்திற்கான மேலும் அனைத்து வளங்களையும் எங்கள் Microsoft Learn சேமிப்பகத்தில் காண்க

ஆஃப்லைன் அணுகல்

இந்த ஆவணத்தை நீங்கள் Docsify ஐ பயன்படுத்தி ஆஃப்லைனில் இயக்கலாம். இந்த repo-ஐ fork செய்து, உங்கள் உள்ளூர் கணினியில் Docsify ஐ நிறுவவும், பின்னர் இந்த repo-வின் ரூட் கோப்பகத்தில் docsify serve என தட்டச்சு செய்யவும். வலைத்தளம் உங்கள் localhost இல் போர்டு 3000 இல் வழங்கப்படும்: localhost:3000.

PDFகள்

இத்திட்டத்தின் விவரக்கூட்டத்தில் இணைப்புகளுடன் உள்ள pdf-ஐ இங்கே காண்க.

🎒 பிற பாடங்கள்

எங்கள் குழு மற்ற பாடங்களையும் உருவாக்குகிறது! பார்க்க:

LangChain

---

Azure / Edge / MCP / Agents

---

உருவாக்குநர் AI தொடர்

---

முக்கியக் கற்றல்

---

Copilot தொடர்

உதவி பெறுதல்

AI செயலிகளை உருவாக்குவதில் சிக்கி போய்க் கிடக்கும்போது அல்லது ஏதேனும் கேள்விகள் இருந்தால், MCP குறித்து நடத்தப்படும் விவாதங்களில் மற்ற கற்றலாளர்கள் மற்றும் அனுபவமிக்க டெவலப்பர்களுடன் இணைந்து கலந்துகொள்ளுங்கள். இது கேள்விகள் வரவேற்கப்படும் மற்றும் அறிவு சுதந்திரமாக பகிரப்படும் ஒரு ஆதரவு சமூகமாகும்.

If you have product feedback or errors while building visit:

---

மறுப்பு: இந்த ஆவணம் AI மொழிபெயர்ப்பு சேவை Co-op Translator மூலம் மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சி செய்கிறோம் என்றாலும், தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான பொருள் விளக்கங்கள் இருக்கலாம் என்பதை கவனத்தில் கொள்ளவும். சொந்த மொழியில் உள்ள மூல ஆவணம் அதிகாரபூர்வ மூலமாகக் கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்காக, தொழில்முறை மனித மொழிபெயர்ப்பாளர்களை அணுக பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பின் பயன்பாட்டால் ஏற்படும் எந்தவொரு புரிதல் தவறுகள் அல்லது தவறான விளக்கங்களுக்காக நாங்கள் பொறுப்பேற்கமாட்டோம்.