README.md

🌐 ဘာသာစကားစုံထောက်ပံ့မှု

GitHub Action ဖြင့် ထောက်ပံ့ထားပြီး (အလိုအလျောက်နှင့် အမြဲသစ်လွှာ)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

ဒေသခံမှာ ကိုးပရိုက်လုပ်ချင်ပါသလား?

ဒီ repository မှာ ဘာသာစကား ၅၀ ကျော်၏ ဘာသာပြန်မှုများ ပါဝင်ပြီး ဒါအားဖြင့် ဒေါင်းလုဒ်အရွယ်အစား ကြီးအောင် ဖြစ်စေပါတယ်။ ဘာသာပြန်မှုများမပါဘဲ clone လုပ်ရန် sparse checkout ကို အသုံးပြုပါ။

Bash / macOS / Linux:

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'

CMD (Windows):

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"

ဒါက သင့်ကို နည်းပညာသင်ကြားမှုကို လျင်မြန်စွာပြီးမြောက်စေမယ့် အရာအားလုံးပေးပါလိမ့်မယ်။

ကျွန်ုပ်တို့ရဲ့ အသိုင်းအဝိုင်းသို့ ဝင်ရောက်ပါ

ကျွန်ုပ်တို့မှာ AI နဲ့ တွေ့ဆုံသင်ယူရေးပြီးတော့ သွားလာနေတဲ့ Discord စီးရီးရှိပါတယ်၊ သင်ပို့ချောင်းပြီး Learn with AI Series တွင် ၂၀၂၅ ခုနှစ် စက်တင်ဘာ ၁၈ ရက်မှ ၃၀ ရက်အထိ ပိုင်းခြားတွေ့ဆုံနိုင်ပါတယ်။ GitHub Copilot ကို Data Science အတွက် အသုံးပြုပုံနဲ့ ကောင်းတဲ့ tips တွေ ရရှိမှာ ဖြစ်ပါတယ်။

စတင် မေ့လျော့ခြင်း မရှိသော စက်လေ့လာမှု - သင်တန်းအစီအစဉ်

🌍 ကမ္ဘာ့ယဉ်ကျေးမှုတွေနဲ့ Machine Learning ကို စူးစမ်းလေ့လာရင်း ကမ္ဘာတစ်ဝှမ်း ခရီးသွားကြပါစို့ 🌍

Microsoft ၏ Cloud Advocates တွေက ၁၂ ပတ်တာ၊ အခန်း ၂၆ လုံးပါဝင်တဲ့ Machine Learning အကြောင်း သင်တန်းအစီအစဉ်တစ်ခု ပေးဆောင်ပေးနေပါတယ်။ ဒီအစီအစဉ်မှာတော့ အဓိကအားဖြင့် Scikit-learn ကို အသုံးပြုပြီး classic machine learning ဟုခေါ်သော နည်းလမ်းကို သင်ကြားပေးမှာ ဖြစ်ပြီး AI for Beginners' curriculum တွင် ပါဝင်သောအတိုင်း deep learning ကို ကွာခြားစေပါတယ်။ ဒီသင်ခန်းစာတွေကို 'Data Science for Beginners' curriculum နဲ့ တွဲပြီးသင်ကြားနိုင်ပါတယ်။

ကမ္ဘာရဲ့ အလယ်အလတ် မှ ဒေတာတွေကို classic နည်းစနစ်တွေနဲ့ လေ့လာကြည့်ရင်း ကမ္ဘာအနှံ့ ခရီးသွားကြပါစို့။ သင်ခန်းစာတိုင်းမှာ pre- and post- lesson quizzes, ရေးသားထားတဲ့ လမ်းညွှန်ချက်များ၊ ဖြေရှင်းချက်၊ မျှော်မှန်းထားသော လေ့ကျင့်မှု၊ အတန်းပေးချက် အစရှိသည့် အစိတ်အပိုင်းတွေ ပါဝင်ပါတယ်။ ကျွန်ုပ်တို့၏ project-based ပညာသင်ကြားမှုနည်းလမ်းက သင်ယူရင်း ပရောဂျက်တည်ဆောက်ခြင်းအတွင်းသင်ယူနိုင်စေပြီး, အသစ်သင်ယူရာတွင် အကျိုးရှိမှုရှိစေပါတယ်။

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

🎨 ကျေးဇူးအထူးတင်ရှိပါတယ် ကျွန်ုပ်တို့ရဲ့ရုပ်ပုံဆွဲသူများ Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 အထူးကျေးဇူးတင်ရှိပါတယ် Microsoft Student Ambassador ဖြစ်သူများ အဖြစ် အကြံပေးသူများ၊ အစာအုပ်သုံးသပ်သူများ၊ အကြောင်းအရာပေးသူများကို, အထူးသဖြင့် Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, နှင့် Snigdha Agarwal

🤩 ထပ်လောင်းကျေးဇူး အထူးပိုင် Microsoft Student Ambassadors ဖြစ်သူ Eric Wanjau, Jasleen Sondhi, နှင့် Vidushi Gupta အတွက် ကျွန်ုပ်တို့၏ R သင်ခန်းစာများအတွက်!

စတင်ရန်

ဒီအဆင့်တွေကို လိုက်နာပါ -

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

ဒီသင်တန်းအတွက် သုံးစွဲနိုင်တဲ့ အပိုဆောင်းအရင်းအမြစ်တွေကို Microsoft Learn စုစည်းမှုထဲမှာ ရှာဖွေကြည့်ပါ

🔧 ကူညီရန် လိုအပ်ပါသလား? installation, အပြင်အဆင်၊ သင်ခန်းစာများ မောင်းနှင်ရာ တွင် ဖြစ်တတ်သော ပြဿနာများကို ဖြေရှင်းရန် ပြဿနာဖြေရှင်းလမ်းညွှန် ကို ကြည့်ရှုပါ။

ကျောင်းသားများ၊ ဒီသင်တန်းအစီအစဉ်ကို အသုံးပြုရန်အတွက် သင့်ကိုယ်ပိုင် GitHub အကောင့်သို့ repository အားလုံးကို fork လုပ်ပြီး ကိုယ့်အဖွဲ့၊ သို့မဟုတ် တစ်ကိုယ်တော် ဖြေဆိုပေးရန် -

• pre-lecture quiz နဲ့ စတင်ပါ။
• သင်ခန်းစာကို ဖတ်ပြီး လေ့ကျင့်မှုတွေ ပြီးမြောက်အောင်လုပ်ပါ၊ တစ်ဆင့်ချင်းစီမှာ ရှာဖွေရေးရေးမေးခွန်းတွေကို ရပ်ပြီး စဉ်းစားကြည့်ပါ။
• ဖြေရှင်းချက်ကုဒ်ကို ဖြတ်သန်းပြီး ထပ်မံနားလည်ပြီး ပရောဂျက်တွေကို ချိတ်ဆက်ဖန်တီးကြည့်ပါ။ သို့သော် အဲဒီကုဒ်များကို /solution ဖိုလ်ဒါတွင် ရရှိနိုင်ပါတယ်။
• post-lecture quiz ကို ဖြေပါ။
• စိန်ခေါ်မှုကို ပြီးမြောက်အောင်လုပ်ပါ။
• အလုပ်ချမှတ်ချက်ကို ပြီးမြောက်အောင်လုပ်ပါ။
• သင်ခန်းစာအုပ်စုတစ်စုတစ်ခုပြီးလျှင် ဆွေးနွေးမှုဖိုရမ် သို့ သွား၍ ပတ်သတ်ရာ PAT rubric ဖြည့်၍ "အသံထွက်ရန်" ကြိုးစားပါ။ 'PAT' ဆိုသည်မှာ Progress Assessment Tool ဖြစ်ပြီး သင်ယူမှုကို တိုးတက်စေမည့် လူပေါင်းစုံဖြည့်သည့် စည်းမျဉ်းဖြစ်သည်။ အခြား PAT များကိုလည်း တုံ့ပြန်နိုင်သောကြောင့် အတူတကွ သင်ယူနိုင်ပါသည်။

နောက်ထပ် လေ့လာလိုပါက ဒီ Microsoft Learn မော်ဂျူးများနှင့် သင်ယူမည့်လမ်းကြောင်းများကို လိုက်နာရန် အကြံပြုပါသည်။

ဆရာ/ဆရာမများ, ဒီသင်တန်းအစီအစဉ်ကို ဘယ်လို အသုံးပြုရမည်နည်းအကြောင်း အကြံပြုချက်များ ပါဝင်သည်။

---

ဗီဒီယို လမ်းညွှန်များ

အချို့သော သင်ခန်းစာများကို အချုပ်အခြား ဗီဒီယိုပုံစံဖြင့် ရရှိနိုင်သည်။ သင်ခန်းစာများအတွင်းလည်း ထည့်ထားပြီး၊ သို့မဟုတ် Microsoft Developer YouTube ချန်နယ်ရှိ ML for Beginners playlist တွင်လည်း ဒီပုံကိုနှိပ်၍ ကြည့်ရှုနိုင်သည်။

---

အဖွဲ့ဝင်များ

Gif ကို ဖန်တီးသူ Mohit Jaisal

🎥 ပရောဂျက်နှင့် ဖန်တီးသူများအကြောင်း ဗီဒီယိုကြည့်ချင်လျှင် အပေါ်ရှိ ပုံကို နှိပ်ပါ!

---

ပညာသင်ကြားမှု နည်းဗျူဟာ

ဒီသင်တန်းအစီအစဉ်ကို တည်ဆောက်ရာမှာ နည်းနည်းပညာ ဆိုင်ရာ ကြေငြာချက် နှစ်ချက်ကို ရွေးချယ်ခဲ့သည် - လက်တွေ့တွင် project-based ဖြစ်စေခြင်းနှင့် အကြိမ်ကြိမ်ဖြေဆိုရမည့် မေးခွန်းလေးများ (quizzes) ပါ ၀င်စေရန်။ ထို့ပြင်, အစီအစဉ်တွင် ပေါင်းစည်းမှု ရရှိစေမည့် အဓိက အကြောင်းအရာ (theme) တစ်ခုပါဝင်သည်။

အကြောင်းအရာများကို ပရောဂျက်များနှင့် ကိုက်ညီစေခြင်းအားဖြင့် သင်ယူသူများအတွက် ပိုမို စိတ်ဝင်စားဖွယ်ဖြစ်ပြီး အတွေးအမြင်များ ရေရှည် ထိန်းသိမ်းနိုင်မည်ဖြစ်သည်။ ထို့အပြင် အတန်းမတက်မီ မေးခွန်းလေးတစ်ခု ဖြေဆိုခြင်းသည် သင်ယူမှုရည်ရွယ်ချက် များကို အတန်းသားတို့ အတွင်း ကျင့်ကြံမည့် ရည်ရွယ်ချက်ကို သတ်မှတ်ပေးသလို၊ အတန်းပြီးနောက် မေးခွန်းတစ်ခု ထပ်မံဖြေဆိုခြင်းက ထိန်းသိမ်းမှုကို အတည်ပြုစေသည်။ ဒီအစီအစဉ်ကို ပြုပြင်လိုလျင် အပိုင်းအစစိတ်ဝင်စားစရာကောင်းစေပြီး၊ ၁၂ ပတ်အတွင်း ပရောဂျက်က စတင်ကပြည့်စုံလာသည်အထိ အဆင့်မြင့်တက်လာသည်။ ဒီအစီအစဉ်တွင် ML ၏ လက်တွေ့အသုံးချနည်းများအကြောင်း နောက်ဆုံးတွင် ထည့်သွင်းထားပြီး, အပိုအမှတ်အသားသို့မဟုတ် ဆွေးနွေးချက်အတွက် အခြေခံအဖြစ် အသုံးပြုနိုင်ပါသည်။

ကျွန်ုပ်တို့၏ အပြုသဘောဆောင်မှုစည်းမျဉ်း, ပံ့ပိုးဆောင်ရွက်ခြင်း, ဘာသာပြန်ခြင်း, နှင့် ပြဿနာဖြေရှင်းခြင်း လမ်းညွှန်ချက်များကို ရှာဖွေကြည့်ပါ။ သင်၏ တည်ဆောက်မှုဆိုင်ရာ တုံ့ပြန်ချက်ကို ကျွန်ုပ်တို့ လက်ခံပါသည်။

သင်ခန်းစာ တစ်ခုချင်းစီတွင်ပါဝင်သည်

• အလိုအလျောက် ရေးဆွဲထားသော စက္ကန့်မှတ်တမ်း (sketchnote)
• အသံဖိုင်ကို စုစည်းခွင့်ရှိသော ဗီဒီယို
• ဗီဒီယို လမ်းညွှန် (အချို့သင်ခန်းစာများသာ)
• pre-lecture warmup quiz
• ရေးသားထားသော သင်ခန်းစာ
• project-based သင်ခန်းစာများအတွက် ပရောဂျက် တည်ဆောက်နည်း လမ်းညွှန်ချက်များ
• သိမှတ်စစ်ဆေးမှုများ
• စိန်ခေါ်မှုတစ်ခု
• ထောက်ခံဖတ်ရမည့်စာအုပ်စာတမ်းများ
• လက်မှတ်ကြားခြင်း
• post-lecture quiz

ဘာသာစကားများအကြောင်း မှတ်ချက်: ဒီသင်ခန်းစာတွေကို အဓိကအားဖြင့် Python ဖြင့်ရေးထားတာဖြစ်ပေမယ့် အများအပြားကို R ဖြင့်လည်း ရရှိနိုင်ပါသည်။ R သင်ခန်းစာတစ်ခုကို ပြီးမြောက်ရန်အတွက် /solution ဖိုလ်ဒါသို့ သွားကာ R သင်ခန်းစာများကို ရှာဖွေကြည့်ပါ။ ၎င်းတို့တွင် R Markdown ဖိုင်ဖြစ်သည့် .rmd extension ပါရှိပြီး ၎င်းကို code chunks (R သို့မဟုတ် အခြားဘာသာစကားများမှ) နှင့် YAML header (PDF ကဲ့သို့သော output များအား ဖော်ပြနည်း ဦးဆောင်ခြင်း) တို့ကို Markdown document ထဲတွင် ထည့်သွင်းထားခြင်း ဖြစ်သည်ဟု ရိုးရှင်းစွာ သတ်မှတ်နိုင်ပါသည်။ ထိုကြောင့် ၎င်းမှာ သင်၏ကုဒ်၊ ၎င်း၏ output နှင့် သင်၏စိတ်ကူးများအား Markdown ဖြင့် ရေးသားခွင့်ပြုခြင်းကြောင့် ဒေတာသိပ္ပံအတွက် ဥပမာဆိုင်ရာ စာရေးခြင်း ဖောင်မြူလ်တစ်ခုအနေဖြင့် ဝန်ဆောင်မှုပေးသည်။ ထို့ပြင် R Markdown စာရွက်များကို PDF၊ HTML သို့မဟုတ် Word ကဲ့သို့သော output ပုံစံများသို့လည်း ဖန်တီးနိုင်ပါသည်။

မေးခွန်းများအကြောင်း မှတ်ချက်: မေးခွန်းအားလုံးကို Quiz App ဖိုလ်ဒါ တွင်ပါရှိပြီး မေးခွန်းသုံးခုပါရှိသည့် မေးခွန်းစု ၅၂ ခုပါဝင်သည်။ ၎င်းတို့ကို သင်ခန်းစာအတွင်းမှ ချိတ်ဆက်ထားသော်လည်း quiz app ကို ဒေသတွင်းမှ ထည့်သွင်း အသုံးပြုနိုင်သည်။ ဒေသတွင်း hosting သို့မဟုတ် Azure သို့ တင်ရန် quiz-app ဖိုလ်ဒါအတွင်း လမ်းညွှန်ချက်များကို လိုက်နာပါ။

သင်ခန်းစာအမှတ်	ခေါင်းစဉ်	သင်ခန်းစာအုပ်စု	သင်ယူရမည့် ရည်ရွယ်ချက်များ	ချိတ်ဆက်ထားသည့် သင်ခန်းစာ	စာရေးသူ
01	မႈဒိုင္လမ္းသင္ယူျခင္း အေတြ႕အႀကဳံ	Introduction	မႈဒိုင္လမ္းသင္ယူျခင္း၏ မူလအေျခခံ အယူအဆမ်ားကို ေလ႔လာရယူပါ	Lesson	Muhammad
02	မႈဒိုင္လမ္းသင္ယူျခင္းမွ သမိုင္း	Introduction	ဤနယ္ပယ္၏ သမိုင္းကို ေလ႔လာရယူပါ	Lesson	Jen and Amy
03	မႈဒိုင္လမ္းသင္ယူျခင္းႏွင့္ တရားမျှတျခင္း	Introduction	မႈဒိုင္လမ္းသင္ယူမႈ မော်ဒယ်ဖွဲ့စည်းခြင်းနှင့် အသုံးချခြင်းအတွက် တရားမျှတခြင်း၏ အရေးကြီးသော ဒဿနိက ထူးခြားချက်များကို ကျောင်းသားများ သတိပြုစရာဖြစ်ပါသည်	Lesson	Tomomi
04	မႈဒိုင္လမ္းသင္ယူနည္းပညာမ်ား	Introduction	မည္သည့်နည်းပညာများအား မႈဒိုင္လမ်းသုတေသနပညာရှင်များက မႈဒိုင္လမ်းသင်ယူမော်ဒယ်များ ဖန်တီးရာတွင် အသုံးပြုပါသနည်း?	Lesson	Chris and Jen
05	ပြန်လည်ဆန်းစစ်ခြင်းနည်းပညာ ချဉ်းကပ်မှု	Regression	Python နှင့် Scikit-learn ဖြင့် ပြန်လည်ဆန်းစစ်မော်ဒယ်များအတွက် စတင်တည်ဆောက်ခြင်း	Python • R	Jen • Eric Wanjau
06	မြောက်အမေရိက မုန်လာဥ ဈေးနှုန်းများ 🎃	Regression	မႈဒိုင္လမ္းသင်ယူမှုအတွက် ဒေတာအား ကြည့်ရှု သန့်ရှင်းစင်ကြယ်ရေးလုပ်ဆောင်ခြင်း	Python • R	Jen • Eric Wanjau
07	မြောက်အမေရိက မုန်လာဥ ဈေးနှုန်းများ 🎃	Regression	သင်္ချာရိုင်းကားပြုပြင်ချက်နှင့် ပိုလီနိုမီယယ်ပြန်လည်ဆန်းစစ်မော်ဒယ်များ ဖွဲ့စည်းခြင်း	Python • R	Jen and Dmitry • Eric Wanjau
08	မြောက်အမေရိက မုန်လာဥ ဈေးနှုန်းများ 🎃	Regression	လောဂျစ်စတစ်ပြန်လည်ဆန်းစစ်မော်ဒယ်တစ်ခု ဖွဲ့စည်းခြင်း	Python • R	Jen • Eric Wanjau
09	ဝက်ဘ်အက်ပ် တစ်ခု 🔌	Web App	သင်၏သင်ယူပြီးသော မော်ဒယ်ကို အသုံးပြုနိုင်သော ဝက်ဘ်အက်ပ် တည်ဆောက်ခြင်း	Python	Jen
10	သတ်မှတ်အုပ်စု ချဉ်းကပ်မှု အစပြုခြင်း	Classification	သင်၏ဒေတာများကို သန့်ရှင်းစင်ကြယ်ရေး၊ ကြိုတင်ပြင်ဆင်ခြင်းနှင့် မြင်သာစေရေး၊ သတ်မှတ်အုပ်စု ချဉ်းကပ်မှုကို မိတ်ဆက်ခြင်း	Python • R	Jen and Cassie • Eric Wanjau
11	အာရှနှင့် အိန္ဒိယ လက်ရာအစားအစာများ 🍜	Classification	သတ်မှတ်အုပ်စု ပိုမိုနက်နဲစွာမိတ်ဆက်ခြင်း	Python • R	Jen and Cassie • Eric Wanjau
12	အာရှနှင့် အိန္ဒိယ လက်ရာအစားအစာများ 🍜	Classification	ပိုမို တိုးတက်သော သတ်မှတ်အုပ်စုများ	Python • R	Jen and Cassie • Eric Wanjau
13	အာရှနှင့် အိန္ဒိယ လက်ရာအစားအစာများ 🍜	Classification	သင့်မော်ဒယ်ကို အသုံးပြုထားသော စိတ်ကြိုက် အကြံပြုသူ ဝက်ဘ်အက်ပ် တည်ဆောက်ခြင်း	Python	Jen
14	စုပေါင်းခြင်း အစပြုခြင်း	Clustering	သင်၏ဒေတာများကို သန့်ရှင်းစင်ကြယ်ရေး၊ ကြိုတင်ပြင်ဆင်ခြင်းနှင့် မြင်သာစေရေး၊ စုပေါင်းခြင်း အကြောင်း မိတ်ဆက်ခြင်း	Python • R	Jen • Eric Wanjau
15	နိုင်ဂျီးရီးယား ရုပ်ရှင်နှင့် ဂီတအရသာများ 🎧	Clustering	K-Means စုပေါင်းနည်းလမ်းကို ရှာဖွေသုံးသပ်ခြင်း	Python • R	Jen • Eric Wanjau
16	သဘာဝဘာသာစကား ပေါင်းစပ်မှု အစပြုခြင်း ☕️	Natural language processing	ရိုးရှင်းသော ဘော့ တစ်ခု ဖန်တီးခြင်းဖြင့် NLP အခြေခံကို သင်ယူပါ	Python	Stephen
17	လူသုံးများသော NLP လုပ်ငန်းများ ☕️	Natural language processing	ဘာသာပြန်ဆိုင်ရာ အဖွဲ့အစည်းများနှင့် ဆက်စပ်သော လူသုံးများသော NLP လုပ်ငန်းများကို နက်နဲစွာ နားလည်ပါ	Python	Stephen
18	ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက် စစ်ဆေးခြင်း ♥️	Natural language processing	ကျဉ်းကျပ်စွာ Jane Austen နှင့်အတူ ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက် စစ်ဆေးခြင်း	Python	Stephen
19	ဥရောပရဲ့ အကြင်နာစိုက်လျားသော ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်ပြန်လည်သုံးသပ်ချက်များဖြင့် စိတ်ခံစားချက် စစ်ဆေးခြင်း ၁	Python	Stephen
20	ဥရောပရဲ့ အကြင်နာစိုက်လျားသော ဟိုတယ်များ ♥️	Natural language processing	ဟိုတယ်ပြန်လည်သုံးသပ်ချက်များဖြင့် စိတ်ခံစားချက် စစ်ဆေးခြင်း ၂	Python	Stephen
21	အချိန်စီးရီးခန့်မှန်းခြင်း အစပြုခြင်း	Time series	အချိန်စီးရီးခန့်မှန်းခြင်း အကြောင်း မိတ်ဆက်ခြင်း	Python	Francesca
22	⚡️ ကမ္ဘာ့ လျှပ်စစ်အသုံးပြုမှု ⚡️ - ARIMA ဖြင့် အချိန်စီးရီး ခန့်မှန်းခြင်း	Time series	ARIMA ဖြင့် အချိန်စီးရီး ခန့်မှန်းခြင်း	Python	Francesca
23	⚡️ ကမ္ဘာ့ လျှပ်စစ်အသုံးပြုမှု ⚡️ - SVR ဖြင့် အချိန်စီးရီး ခန့်မှန်းခြင်း	Time series	Support Vector Regressor ဖြင့် အချိန်စီးရီး ခန့်မှန်းခြင်း	Python	Anirban
24	ပြန်လည်အတည်ပြုသင်ယူမှု အစပြုခြင်း	Reinforcement learning	Q-Learning ဖြင့် ပြန်လည်အတည်ပြုသင်ယူခြင်း မိတ်ဆက်ခြင်း	Python	Dmitry
25	Peter ကို မြွေက မလွှတ်ပါနဲ့! 🐺	Reinforcement learning	Gym ဖြင့် ပြန်လည်အတည်ပြုသင်ယူမှု	Python	Dmitry
Postscript	လက်တွေ့ကမ္ဘာမှ မႈဒိုင္လမ္းသင္ယူမႈ နမူနာများနှင့် အသုံးချမှုများ	ML in the Wild	ရိုးရာ မႈဒိုင္လမ်းသင်ယူမှုအသုံးချမှုများကို စိတ်ဝင်စားဖွယ်နှင့် ဖော်ထုတ်ပြသခြင်း	Lesson	Team
Postscript	RAI dashboard ကို အသုံးပြု၍ မႈဒိုင္လမ္းသင္ယူမႈ မော်ဒယ်များ ပြုပြင်ခြင်း	ML in the Wild	Responsible AI dashboard အစိတ်အပိုင်းများဖြင့် မႈဒိုင္လမ်းသင်ယူမှု မော်ဒယ် ပြုပြင်ခြင်း	Lesson	Ruth Yakubu

ဤသင်ရိုးတွက် Microsoft Learn စုစည်းမှု၌ အပိုဆောင်း အရင်းအမြစ်များအားလုံးကို ရှာဖွေနိုင်ပါသည်

အော့ဖ်လိုင်း ဝင်ရောက်ခြင်း

Docsify ကိုအသုံးပြု၍ ဒီစာရွက်စာတမ်းကို အော့ဖ်လိုင်းတွင် လှုပ်ရှားနိုင်ပါသည်။ ဒီ repo ကို fork ပြုလုပ်ပြီး Docsify ကို သင့် ဒေသတွင်း ကွန်ပြူတာတွင် တပ်ဆင်ပါ၊ ထို့နောက် ဒီ repo ၏ အခြေခံဖိုလ်ဒါအတွင်း docsify serve ဟုရိုက်ထည့်ပါ။ ဝက်ဘ်ဆိုဒ်ကို သင့် localhost တစ်ောက်တွင် port 3000 တွင် ဝန်ဆောင်မည်ဖြစ်ပြီး URL သည် localhost:3000 ဖြစ်ပါသည်။

PDF များ

သင်ရိုးညွှန်းပြါး၏ PDF ကို ဤနေရာတွင် ရှာဖွေနိုင်ပါသည်။

🎒 အခြား သင်တန်းများ

အဖွဲ့အစည်းက အခြား သင်တန်းများကို ဖန်တီးလျက်ရှိသည်။ ကြည့်ရှုကြည့်ပါ။

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

Core Learning

---

Copilot Series

Getting Help

AI အက်ပ်များ ဖန်တီးရာတွင် ရုန်းကန်သွားလျှင် သို့မဟုတ် မေးခွန်းများရှိပါက MCP အကြောင်း ညှိနှိုင်းဆွေးနွေးနေကြသူများနှင့် အတွေ့အကြုံရှိသူ ဖွံ့ဖြိုးသူများထံ ဆွေးနွေးပါ။ တောင်းဆိုရာ မေးခွန်းများကို ကြိုဆိုပြီး အသိပညာကို အခမဲ့မျှဝေသည့် ကူညီပံ့ပိုးမှု ရှိသော အဖွဲ့အစည်း တစ်ခုဖြစ်သည်။

ထုတ်ကုန် တုံ့ပြန်ချက်များ သို့မဟုတ် အမှားများရှိပါက ဖန်တီးရာ၌ ကဏ္ဍသို့ သွားရောက်ပါ-

Additional Learning Tips

• သင်ခန်းစာတိုင်းပြီးနောက် နိုက်ဘတ်စာအုပ်များကို ပြန်လည်ဆန်းစစ်ပါ။
• ကိုယ့်အတိုင်ကိုယ် အယ်လ်ဂိုရီ သုံးစွဲမှုအာရုံ စမ်းသပ်ပါ။
• လေ့လာခဲ့သော အယူအဆများဖြင့် လက်တွေ့ ကမ္ဘာရဲ့ အချက်အလက်များကို ရှာဖွေပါ။

---

သတိပြုရန်
ဤစာရွက်စာတမ်းသည် AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် မှန်ကန်မှုအတွက် ကြိုးပမ်းနေသော်လည်း၊ အလိုအလျောက် ဘာသာပြန်ခြင်းတွင် အမှားများ သို့မဟုတ် မှားယွင်းမှုများ ပါနိုင်ကြောင်း သတိပြုပါ။ မူရင်းစာရွက်စာတမ်းကို ပင်မဘာသာဖြင့်သာ ယုံကြည် အတည်ပြုရမည်ဖြစ်ပြီး၊ အရေးကြီးသည့် သတင်းအချက်အလက်များအတွက် မိမိကိုယ်တိုင်သော လူကြီးမင်းတို့၏ သက်ဆိုင်ရာ လူ့ဘာသာပြန်ခြင်း ဝန်ဆောင်မှုကို အသုံးပြုရန် အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်မှ ဖြစ်ပေါ်လာသော နားမလည်မှုများ သို့မဟုတ် မှားထင်မှတ်ယူမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မရှိပါ။