README.md

🌐 ဘာသာစကားစုံကို ထောက်ပံ့မှု

GitHub Action ဖြင့် ထောက်ပံ့ထားခြင်း (အလိုအလျောက်နှင့် အမြဲတမ်းနောက်ဆုံးဗားရှင်း)

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 | Khmer | 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

ဒေသန္တရကလုန်းလုပ်လိုပါသလား?

ဒီအသံသင်ခန်းစာတွင် ဘာသာစကား ၅၀ ကျော်အတွက်ဘာသာပြန်ချက်များ ပါဝင်ပြီး ဒေါင်းလုန်းမှုအရေအတွက်ကို တိုးမြှင့်ပေးသည်။ ဘာသာပြန်ချက်များ မပါဘဲ ကလုန်းလုပ်လိုပါက sparse checkout ကို သုံးနိုင်သည်။

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"

ဒါကြောင့် သင်ဤသင်ခန်းစာကို ပိုမိုမြန်ဆန်စွာ ပြီးမြောက်နိုင်ပါသည်။

ကျွန်ုပ်တို့၏ ကွန်ယက်သို့ ဆက်သွယ်ရန်

ကျွန်ုပ်တို့မှာ Discord တွင် AI တွင် အတူတကွသင်ယူမှု စီးရီးရှိပြီး၊ ပို၍သိရှိလိုပါက၊ ၂၀၂၅ ခုနှစ် စက်တင်ဘာလ ၁၈ မှ ၃၀ အထိ Learn with AI Series တွင် ဆုတောင်းပါ။ GitHub Copilot ကို Data Science အတွက် အသုံးပြုနည်း လမ်းညွှန်ချက်များ ရရှိပါမည်။

စက်မှုလေ့လာမှု အခြေခံ သင်တန်းအစီအစဉ်

🌍 ကမ္ဘာတစ်၀န်း လှည့်ပတ် သင်ယူကြရအောင် Machine Learning ကို ကမ္ဘာ့ယဉ်ကျေးမှုဖြင့် ရှင်းပြကြမယ် 🌍

Microsoft ၏ Cloud Advocates မှ စက်မှုလေ့လာမှု ကို ပညာပေးသွားမည့် ၁၂ ပတ်၊ ၂၆ မျိုး သင်ခန်းစာ စီစဉ်ထားသည်။ ဒီသင်ခန်းစာတွင်၊ ပုံမှန်သုံးသော classic machine learning ဆိုသော အကြောင်းအရာများကို Scikit-learn စာကြည့်တိုက် အသုံးပြု၍ လေ့လာမည်ဖြစ် ပြီး၊ အနက်မြှင့် လေ့လာမှုကို AI for Beginners' curriculum တွင် ဖော်ပြထားသည်။ ဤသင်ခန်းစာကို 'Data Science for Beginners' curriculum နှင့်အတူလည်း ချိတ်ဆက်အသုံးပြုနိုင်သည်။

ကမ္ဘာတဝန်းက ဒေတာများအပေါ် အခြေခံ၍ အဆိုပါ classic machine learning နည်းလမ်းများကို အသုံးပြုကာ ခရီးသွားကြပါစို့။ သင်ခန်းစာတစ်ခုချင်းစီတွင် မတိုင်မီနှင့်ပြီးနောက် ကွစ်ဇ်များ၊ အသေးစိတ်ရေးစရာများ၊ ဖြေဆိုချက်များ၊ တာဝန်ချမှတ်ချက်များ ပါဝင်သည်။ စီမံကိန်းအခြေပြု သင်ကြားမှု ရေးစရာသည် သင်ယူသူများ သင်ယူရာတွင် အကျိုးရှိစေသည်။

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

🎨 ကျေးဇူးအထူးတင်ရှိသည် ပုံဆွဲသူများ Tomomi Imura, Dasani Madipalli, နှင့် Jen Looper

🙏 အထူးပင်ကျေးဇူးတင်ရှိသည် Microsoft Student Ambassador စာရေးသူများ၊ ပြန်လည်သုံးသပ်သူများနှင့် အကြောင်းအရာ ပံ့ပိုးသူများ, အထူးသဖြင့် Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, နှင့် Snigdha Agarwal

🤩 R သင်ခန်းစာများအတွက် Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, နှင့် Vidushi Gupta များကို အထူးပင်ကျေးဇူးတင်ရှိပါသည်!

စတင်ခြင်း

အောက်ပါအဆင့်များကို လိုက်နာပါ။

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

ဤသင်ခန်းစာရဲ့ ထပ်မံသုံးစွဲနိုင်သော အရင်းအမြစ်များအားလုံးကို ကျွန်ုပ်တို့၏ Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ

🔧 အကူအညီလိုပါသလား? အင်စတောလေးရှင်း၊ စတင်ချိန်နှင့် သင်ခန်းစာများ ပြေးဆွဲရာ တွင် ဖြစ်တတ်သော ပြဿနာများအတွက် Troubleshooting Guide ကို ကြည့်ပါ။

ကျောင်းသားများ၊ ဤသင်ခန်းစာကို အသုံးပြုရန်၊ repository ကို မိမိကိုယ်တိုင် GitHub အကောင့်တွင် fork ပြီး အလုပ်များကို ကိုယ်တိုင်သို့မဟုတ် အဖွဲ့လိုက် ဖြေရှင်းပါ။

• အကြို သင်ခန်းစာကွစ်ဇ်ဖြည့်ရမည်။
• သင်ခန်းစာကို ဖတ်ပြီး လေ့ကျင့်ခန်းများ ပြီးမြောက်ရန် ရပ်နားတိုင်ကြားပြီး ပြန်လည်စဉ်းစားပါ။
• အဖြေကုဒ်ကို တိုက်ရိုက်_run_ မလုပ်ပဲ သင်ခန်းစာအကြောင်းအရ ကယ်နရာမှ စီမံကိန်း ထုတ်လုပ်ရန် ကြိုးပမ်းပါ၊ သို့သော် ကုဒ်များကို /solution ဖိုလ်ဒါတွင် ရရှိနိုင်ပါသည်။
• သင်ခန်းစာပြီးဆုံးလျှင် မေးခွန်းကွစ်ဇ် ဖြေပါ။
• စိန်ခေါ်မှု ပြီးမြောက်ပါ။
• တာဝန်လုပ်ငန်း ပြီးမြောက်ပါ။
• သင်ခန်းစာအုပ်စုတစ်ခု ပြီးဆုံးပြီးနောက် ဆွေးနွေးပွဲ အဖို ကို သွားရောက်ပြီး သင်ယူမှုကို “အသံထွက်၍ သင်ယူ” ပြုလုပ်ရန် ပေးထားသည့် PAT ရိုက်စစ်မှု အတွက် ဖြည့်စွက်ပါ။ PAT သည် သင်တန်းတိုးတက်မှုကို တိုးမြှင့်ရေး ကိရိယာဖြစ်သည်။ အခြား PAT များကိုလည်း တုံ့ပြန်၍ အတူတကွ သင်ယူနိုင်သည်။

ထပ်မံလေ့လာစေလိုပါက အောက်ပါ Microsoft Learn modules နှင့် သင်ယူမှုလမ်းကြောင်းများ လိုက်နာဖို့ အကြံပြုပါသည်။

ဆရာ/ဆရာမများ၊ ဤသင်ခန်းစာကို အသုံးပြုနည်းအတွက် အကြံပြုချက်များ ပါဝင်ပါသည်။

---

ဗီဒီယို ရှင်းပြချက်များ

သင်ခန်းစာတချို့ကို အသေးစား ဗီဒီယိုအဖြစ် ရရှိနိုင်ပါသည်။ ဤဗီဒီယိုများကို သင်ခန်းစာထဲတွင် တိုက်ရိုက်ရှာဖွေပါ၊ သို့မဟုတ် ML for Beginners playlist မှ Microsoft Developer YouTube ချန်နယ်၌ ဗီဒီယိုကြည့်ရှုနိုင်ပါသည်။

---

အဖွဲ့ဝင်များနှင့် တွေ့ဆုံခြင်း

Gif ကို ဖန်တီးသူ Mohit Jaisal

🎥 အပေါ်ပါပုံကို နှိပ်၍ ဒီစီမံကိန်းနှင့် စီမံကိန်းကိုဖန်တီးထားသူများကို ကြည့်ရှုနိုင်သည်။

---

သင်ကြားပုံ

ဤသင်ခန်းစာကို ဖန်တီးစဉ်တွင် နှစ်ခုသော သင်ကြားရေးပုစ္ဆာများကို ရွေးချယ်သည်။ ၎င်းတို့မှာ လက်တွဲဆောင်ရွက်ရသော စီမံကိန်းအခြေပြု သင်ကြားမှုနှင့် နည်းပညာစစ်ဆေးမှုများကို အကြိမ်ကြိမ် ထည့်သွင်းမှု ဖြစ်သည်။ ထို့အပြင် ဤသင်ခန်းစာမှာ အကြောင်းအရာသွယ်မှု ပါရှိသည်။

အကြောင်းအရာကို စီမံကိန်းများနှင့် ကိုက်ညီစေရန် သေချာကာ သင်ကြားသူများအတွက် စိတ်ဝင်စားမှုမြင့်မားလာပြီး အကြောင်းအရာ ကျွမ်းကျင်မှု ပြတ်သားမှု မြင့်မားစေသည်။ ကျောင်းခန်းစာတစ်ခု မတိုင်မီ ပြုလုပ်သော အနိမ့်ဆုံးအဆင့်ကွစ်ဇ်သည် သင်ကြားရန်အတွက် အဓိက ရည်ရွယ်ချက်ထားရှိစေသည်၊ သင်ခန်းစာပြီးချိန်မှာ ဖော်ပြထားသော ဒုတိယကွစ်ဇ်သည် တွေ့ရှိမှုတိုးတက်စေသည်။ ဤသင်ခန်းစာသည် စိတ်ကြိုက်နှင့် ပျော်ရွှင်စေသော အတိုင်း ပုံဖော်ထားပြီး ၁၂ ပတ်ကြာ အဆုံးသတ်ရာတွင် စီမံကိန်းများသည် အသေးစားမှ စ၍ များစွာ စိန်ခေါ်မှုအလွှာတက်သွားမည်ဖြစ်သည်။ အတန်းပြီးခြင်းအတွက် ML အလက်တွေ့အသုံးပြုမှုအပေါ် ဖော်ပြချက်လည်း ပါရှိသည်၊ သင်ကြားသူများအတွက် အပို အလိုက်လျှောညီမှု သို့မဟုတ် ဆွေးနွေးမှုအခြေခံခံရမည်ဖြစ်သည်။

ကျွန်ုပ်တို့၏ Code of Conduct, Contributing, Translations, နှင့် Troubleshooting လမ်းညွှန်ချက်များကို ရှာဖွေနိုင်သည်။ သင်၏ ဖောက်သည်စဉ်းစားမှုပေးသည့် အကြံပြုချက်များကို ကြိုဆိုပါသည်!

သင်ခန်းစာတိုင်းတွင် ပါဝင်သည်

• ရွေးချယ်နိုင်သော ဆန့်ကြည့်မှတ်တမ်း
• ရွေးချယ်နိုင်သော ထောက်ပံ့ပေးသော ဗီဒီယို
• ဗီဒီယို ဖြတ်သန်းမှု (တချို့သင်ခန်းစာများအတွက်သာ)
• သင်ခန်းစာမတိုင်မီ အပူအေးကွစ်ဇ်
• ကော်ပိုရေးရှင်းသင်ခန်းစာ
• စီမံကိန်းအခြေပြု သင်ခန်းစာများတွင် စီမံကိန်း ဖန်တီးရန် လမ်းညွှန်ချက်အဆင့်ဆင့်
• အသိပညာစစ်ပွဲများ
• စိန်ခေါ်မှု
• ထောက်ပံ့စာဖတ်ရှုမှု
• တာဝန်ကျေမှု
• သင်ခန်းစာပြီးနောက် ကွစ်ဇ်

ဘာသာစကားများအကြောင်း မှတ်ချက်: ဒီသင်ခန်းစာများကို မူရင်းအားဖြင့် Python ဘာသာစကားဖြင့်ရေးသားထားပေမယ့် R ဘာသာဖြင့်လည်း ရနိုင်ပါသည်။ R သင်ခန်းစာတစ်ခုကို ပြီးမြောက်ရန်အတွက် /solution ဖိုလ်ဒါသို့ သွားပြီး R သင်ခန်းစာများကို ရှာဖွေကြည့်ပါ။ ၎င်းတို့တွင် R Markdown ဖိုင်အား ကိုယ်စားပြုသည့် .rmd extension ပါဝင်ပြီး၊ ၎င်းကို code chunks (R သို့မဟုတ် အခြားဘာသာစကားများ) နှင့် YAML header (PDF စသည်ဖြင့် output များဖော်ပြပုံကို ဦးတည်သည့်) တို့ကို Markdown document တွင် ထည့်သွင်းထားခြင်းဟု ရိုးရှင်းစွာ သတ်မှတ်နိုင်သည်။ ထို့ကြောင့် သင်၏ကုဒ်၊ ၎င်း၏အထွက်များနှင့် သင်၏စိတ်ကူးများကို Markdown တွင်ရေးသားနိုင်ခြင်းဖြင့် data science အတွက် ဥပမာဆန်သော စာရေးခြင်း ဖွဲ့စည်းမှုတစ်ခုအဖြစ် တန်ဆာပလာတစ်ခုအနေဖြင့် ကူညီပေးသည်။ ထို့အပြင် R Markdown စာရွက်များကို PDF၊ HTML သို့မဟုတ် Word ကဲ့သို့သော output ပုံစံများသို့ ပြောင်းလဲထုတ်ယူနိုင်ပါသည်။

အမေးဖြေများအကြောင်း မှတ်ချက်: မေးခွန်းများအားလုံးကို Quiz App ဖိုလ်ဒါ တွင်ထားရှိပြီး မေးခွန်းသုံးခုပါသော မေးခွန်း ၅၂ ခုပါဝင်သည်။ ၎င်းတို့သည် သင်ခန်းစာအတွင်းမှ ချိတ်ဆက်ထားသော်လည်း quiz app ကို ဒေသခံမှာလည်း ပြေးနိုင်ပြီး၊ ဒေသခံမှာ လုပ်ဆောင်ရန် သတ်မှတ်ချက်များကို quiz-app ဖိုလ်ဒါတွင် လိုက်နာပါ။

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	စက်လေ့လာမှုသို့အညွှန်း	အညွှန်း	စက်လေ့လာမှုနောက်ခံ အခြေခံအကြောင်းအရာများ လေ့လာပါ	Lesson	Muhammad
02	စက်လေ့လာမှု၏ သမိုင်းကြောင်း	အညွှန်း	ဤနယ်ပယ်၏ သမိုင်းကြောင်းကို လေ့လာပါ	Lesson	Jen and Amy
03	တရားမျှတမှုနှင့် စက်လေ့လာမှု	အညွှန်း	စက်လေ့လာမှုပြုလုပ်သည့်အခါ တရားမျှတမှုဆိုင်ရာ အရေးကြီးသော နိယာမပိုင်းဆိုင်ရာ ပြဿနာများကို သင်ယူပါ။	Lesson	Tomomi
04	စက်လေ့လာမှု နည်းပညာများ	အညွှန်း	စက်လေ့လာမှုမော်ဒယ်များ တည်ဆောက်ရန် သုတေသနပညာရှင်များအသုံးပြုသည့် နည်းပညာများ	Lesson	Chris and Jen
05	Regression အခြေခံ	Regression	Regression မော်ဒယ်များအတွက် Python နှင့် Scikit-learn ဖြင့် စတင် လေ့လာပါ	Python • R	Jen • Eric Wanjau
06	မြောက်အမေရိကန်ပဲ pumpkins စျေးနှုန်းများ 🎃	Regression	ML စစ်ဆင်ရေးအတွက် ဒေတာကို သန့်ရှင်းပြီး မြင်ကွင်းဖော်ပါ	Python • R	Jen • Eric Wanjau
07	မြောက်အမေရိကန်ပဲ pumpkins စျေးနှုန်းများ 🎃	Regression	လိုင်းနဲ့ ပိုလီနိုမီယယ် regression မော်ဒယ်များ တည်ဆောက်ပါ	Python • R	Jen and Dmitry • Eric Wanjau
08	မြောက်အမေရိကန်ပဲ pumpkins စျေးနှုန်းများ 🎃	Regression	Logistic regression မော်ဒယ်တစ်ခု တည်ဆောက်ပါ	Python • R	Jen • Eric Wanjau
09	ဝက်ဘ်အက်ပ် 🔌	Web App	သင်လေ့လာပြီးသား မော်ဒယ်ကို သုံး၍ ဝက်ဘ်အက်ပ် တည်ဆောက်ပါ	Python	Jen
10	အမျိုးအစားခွဲခြားမှု အညွှန်း	Classification	ဒေတာ သန့်ရှင်း၊ ပြင်ဆင်၊ မြင်ကွင်းဖော်ခြင်းနှင့် အမျိုးအစားခွဲခြားခြင်းအတွက်အခန်းကဏ္ဍများ၏ စတင်အကြောင်းအရာ	Python • R	Jen and Cassie • Eric Wanjau
11	သွင်းစားနိုင်သောအာရှနှင့် အိန္ဒိယအစားအစာများ 🍜	Classification	အမျိုးအစားခွဲခြားသူများ အကြောင်း အတက်အကျ	Python • R	Jen and Cassie • Eric Wanjau
12	သွင်းစားနိုင်သောအာရှနှင့် အိန္ဒိယအစားအစာများ 🍜	Classification	အမျိုးအစားခွဲခြားသူများပိုမို သိရှိခြင်း	Python • R	Jen and Cassie • Eric Wanjau
13	သွင်းစားနိုင်သောအာရှနှင့် အိန္ဒိယအစားအစာများ 🍜	Classification	သင်၏မော်ဒယ်ကို အသုံးပြု၍ အကြံပြုဝက်ဘ်အက်ပ် တည်ဆောက်ခြင်း	Python	Jen
14	clustering အညွှန်း	Clustering	ဒေတာ သန့်ရှင်း၊ ပြင်ဆင်၊ မြင်ကွင်းဖော်ခြင်းနှင့် clustering အတွက် အကြောင်းအရာအခန်းကဏ္ဍ	Python • R	Jen • Eric Wanjau
15	Nigérian ဂီတအကြိုက်များ ဆန်းစစ်ခြင်း 🎧	Clustering	K-Means clustering နည်းဖြင့် ရှုထောင့်ခွဲခြားခြင်း	Python • R	Jen • Eric Wanjau
16	သဘာဝဘာသာစကားဖြင့်အလုပ်လုပ်ခြင်း အညွှန်း ☕️	Natural language processing	အခြေခံ NLP ကို ရိုးရှင်းသော bot တစ်ခုတည်ဆောက်ခြင်းဖြင့် သင်ယူပါ	Python	Stephen
17	နေ့စဉ် NLP အလုပ်များ ☕️	Natural language processing	ဘာသာစကားတည်ဆောက်မှုနှင့် ဆက်စပ်၍ လိုအပ်သော နေ့စဉ်အလုပ်များကို နားလည် မြင်တတ်ပါ	Python	Stephen
18	ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက်ခွဲခြားမှု ♥️	Natural language processing	Jane Austen စာအုပ်ဖြင့် ဘာသာပြန်ခြင်းနှင့် စိတ်ခံစားချက်ခွဲခြားမှု	Python	Stephen
19	ဥရောပရှိ ရည်းစားအဆင်းအရပ်များ ♥️	Natural language processing	ဟိုတယ်စစ်တမ်းများဖြင့် စိတ်ခံစားချက်ခွဲခြားမှု ၁	Python	Stephen
20	ဥရောပရှိ ရည်းစားအဆင်းအရပ်များ ♥️	Natural language processing	ဟိုတယ်စစ်တမ်းများဖြင့် စိတ်ခံစားချက်ခွဲခြားမှု ၂	Python	Stephen
21	အချိန်စီးကြောင်းခန့်မှန်းခြင်း အညွှန်း	Time series	အချိန်စီးကြောင်းခန့်မှန်းခြင်းအတွက် အခြေခံသင်ခန်းစာ	Python	Francesca
22	⚡️ ကမ္ဘာလုံးဆိုင်ရာ လျှပ်စစ်စွမ်းအားအသုံးပြုမှု ⚡️ - ARIMA ဖြင့် အချိန်စီးကြောင်းခန့်မှန်းခြင်း	Time series	ARIMA ဖြင့် အချိန်စီးကြောင်းခန့်မှန်းခြင်း	Python	Francesca
23	⚡️ ကမ္ဘာလုံးဆိုင်ရာ လျှပ်စစ်စွမ်းအားအသုံးပြုမှု ⚡️ - SVR ဖြင့် အချိန်စီးကြောင်းခန့်မှန်းခြင်း	Time series	Support Vector Regressor ဖြင့် အချိန်စီးကြောင်းခန့်မှန်းခြင်း	Python	Anirban
24	သွားလည်ခြင်း သင်ယူမှု အညွှန်း	Reinforcement learning	Q-Learning ဖြင့် သွားလည်ခြင်း သင်ယူမှု အကြောင်း ဦးတည်ခြင်း	Python	Dmitry
25	Peter ကို ကျွဲမှ ကာကွယ်ပါ! 🐺	Reinforcement learning	Gym ဖြင့် သွားလည်ခြင်း သင်ယူမှု	Python	Dmitry
Postscript	အမှန်တကယ် ML ဖြစ်ပေါ်မှုနှင့် အသုံးပြုမှုများ	ML in the Wild	ရိုးရာ ML ၏ စိတ်ဝင်စားဖွယ်နှင့် ပြင်းထန်သော လက်တွေ့ အသုံးပြုရန်များ	Lesson	Team
Postscript	RAI dashboard ဖြင့် ML မော်ဒယ် Debugging	ML in the Wild	Responsible AI dashboard ကြောင်း ကူညီသော Machine Learning မော်ဒယ် Debugging	Lesson	Ruth Yakubu

ဤသင်တန်းအတွက် အပိုဆောင်းအရင်းအမြစ်များအားလုံးကို Microsoft Learn စုစည်းမှုတွင် ရှာဖွေပါ

အွန်လိုင်းမလိုအပ်ဘဲ ရယူခြင်း

Docsify ကို အသုံးပြု၍ ဤစာတမ်းကို အွန်လိုင်းမလိုအပ်ဘဲ ပြေးနိုင်ပါသည်။ ဒီ repo ကို fork အပြီး၊ Docsify ကို သင့်ဒေသခံစက်တွင် ထည့်သွင်းပါ၊ ပြီးလျှင် ဒီ repo ၏ root ဖိုလ်ဒါတွင် docsify serve ဟု ရေးပါ။ ဝဘ်ဆိုက်ကို သင့် localhost တွင် port 3000 တွင် အားပေးမည်။ localhost:3000။

PDF များ

သင်တန်းအတန်းတစ်ခု၏ PDF ကို ဒီမှာ တွေ့ပါ။

🎒 အခြားသင်တန်းများ

ကျွန်ုပ်တို့အသင်းသည် အခြားသင်တန်းများကို ထုတ်လုပ်သည်။ စမ်းသပ်ကြည့်ပါ။

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

အခြေခံသင်ယူမှု

---

Copilot စီးရီး

ကူညီမှု ရယူခြင်း

Machine Learning သင်ယူနေစဉ် သို့မဟုတ် AI ဖြစ်တည်မှု အက်ပ်လိကေးရှင်းများ တည်ဆောက်နေစဉ်တွင် အခက်ခဲများ ကျရောက်ခဲ့သည်ဆိုလျှင် စိတ်ပူစရာမလိုပါ — ကူညီမှု ရနိုင်ပါသည်။

သင်နိုင်ငံသားများနှင့် ဖွံ့ဖြိုးသူများနှင့် ဆွေးနွေးနိုင်ပြီး၊ မေးခွန်းများ တောင်းနိုင်ပြီး၊ သင့် အတွေးများကို ပြန်လည် မျှဝေနိုင်ပါသည်။

• မေးခွန်းများ မေးရန်နှင့် အခြားလူများ နှင့်အတူ သင်ယူရန် လူမှုအသိုင်းအဝိုင်းသို့ ဝင်ရောက်ပါ
• Machine Learning အယူအဆများနှင့် ပရောဂျက် အကြံပြုချက်များ ဆွေးနွေးပါ
• အတွေ့အကြုံရှိ လက်တွေ့ ဖွံ့ဖြိုးသူများထံမှ လမ်းညွှန်မှု ရယူပါ

ထောက်ခံပံ့ပိုးသော လူမှုအသိုင်းအဝိုင်းသည် သင့်ကျွမ်းကျင်မှု တိုးတက်စေပြီး ပြဿနာများကို ပိုမိုလျင်မြန်စွာ ဖြေရှင်းရန် အကောင်းဆုံးနည်းလမ်းဖြစ်သည်။

Microsoft Foundry Discord Community

အမှားများ၊ အလွဲသုံးစားခြင်းများ တွေ့ရှိပါက သို့မဟုတ် တိုးတက်မှု အကြံပြုချက်များရှိပါက၊ ဒီအမျိုးအစားကို သတင်းပို့ရန် ဒီဂျစ်တယ် မူရင်း Repository မှာ Issue တင်နိုင်ပါသည်။

ထုတ်ကုန်တုံ့ပြန်ချက်များအတွက် သို့မဟုတ် ရှိပြီးသား လူမှုအသိုင်းအဝိုင်း ပို့စ်များကို ရှာဖွေလိုပါက Developer Forum ကို သွားရောက်ပါ။

ပေါင်းထည့် သင်ယူရန် အကြံပြုချက်များ

• တစ်ခါတစ်လေ သင်ခန်းစာပြီးနောက် နုတ်ဘုတ်များကို ပြန်လည်သုံးသပ်ပါ။
• ကိုယ်တိုင် အယ်လ်ဂိုရစ်မှတ်များကို လေ့ကျင့် ဆောင်ရွက်ပါ။
• သင်ယူထားသော အယူအဆများ အသုံးပြုပြီး လက်တွေ့ဒေတာ ကဏ္ဍများကို ရှာဖွေပါ။

---

သတိပေးချက်:
ဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ တိကျမှန်ကန်မှုအတွက် ကြိုးစားထားသော်လည်း၊ အလိုအလျောက် ဘာသာပြန်ချက်များတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ဖြစ်ပေါ်နိုင်ပါသည်။ မူလစာတမ်းကို မူရင်းဘာသာဖြင့်သာ မှန်ကန်နားလည်ရမည့် အရင်းအမြစ်ဟု သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ပရော်ဖက်ရှင်နယ် ဘာသာပြန်ခြင်းကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်အား အသုံးပြုမှုကြောင့် ဖြစ်ပေါ်လာသော နားလည်မှုမှားယွင်းခြင်းများအတွက် ကျွန်ုပ်တို့ မတာဝန်ယူပါ။