diff --git a/translations/ar/README.md b/translations/ar/README.md index fffb690d..c18ad8eb 100644 --- a/translations/ar/README.md +++ b/translations/ar/README.md @@ -1,8 +1,8 @@ # التصنيف متعدد الفئات باستخدام Perceptron -واجب مختبر من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). +واجب عملي من [منهج الذكاء الاصطناعي للمبتدئين](https://github.com/microsoft/ai-for-beginners). ## المهمة -باستخدام الكود الذي قمنا بتطويره في هذا الدرس لتصنيف MNIST الثنائي للأرقام المكتوبة بخط اليد، قم بإنشاء مصنف متعدد الفئات يمكنه التعرف على أي رقم. احسب دقة التصنيف على مجموعة بيانات التدريب والاختبار، واطبع مصفوفة الالتباس. +باستخدام الكود الذي قمنا بتطويره في هذا الدرس لتصنيف ثنائي لأرقام MNIST المكتوبة بخط اليد، قم بإنشاء مصنف متعدد الفئات يكون قادرًا على التعرف على أي رقم. احسب دقة التصنيف على مجموعة بيانات التدريب والاختبار، واطبع مصفوفة الالتباس. ## تلميحات 1. لكل رقم، قم بإنشاء مجموعة بيانات لمصنف ثنائي "هذا الرقم مقابل جميع الأرقام الأخرى". 1. قم بتدريب 10 perceptrons مختلفة للتصنيف الثنائي (واحد لكل رقم). -1. قم بتعريف دالة تقوم بتصنيف الرقم المدخل. +1. قم بتعريف دالة تقوم بتصنيف الرقم المُدخل. -> **تلميح**: إذا قمنا بدمج أوزان جميع الـ perceptrons العشرة في مصفوفة واحدة، يمكننا تطبيق جميع الـ perceptrons العشرة على الأرقام المدخلة من خلال عملية ضرب مصفوفة واحدة. يمكن العثور على الرقم الأكثر احتمالاً فقط من خلال تطبيق عملية `argmax` على الناتج. +> **تلميح**: إذا قمنا بدمج أوزان جميع perceptrons العشرة في مصفوفة واحدة، فيمكننا تطبيق جميع perceptrons العشرة على الأرقام المُدخلة من خلال عملية ضرب مصفوفة واحدة. الرقم الأكثر احتمالاً يمكن تحديده فقط من خلال تطبيق عملية `argmax` على الناتج. -## بدء الدفتر +## الدفتر المبدئي -ابدأ المختبر بفتح [PerceptronMultiClass.ipynb](../../../../../../lessons/3-NeuralNetworks/03-Perceptron/lab/PerceptronMultiClass.ipynb) +ابدأ العمل بفتح [PerceptronMultiClass.ipynb](PerceptronMultiClass.ipynb) + +--- **إخلاء المسؤولية**: -تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة. \ No newline at end of file +تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة. \ No newline at end of file diff --git a/translations/bn/README.md b/translations/bn/README.md index 4508f3b1..238b04c5 100644 --- a/translations/bn/README.md +++ b/translations/bn/README.md @@ -1,8 +1,8 @@ -# পারসেপট্রনের মাধ্যমে মাল্টি-ক্লাস শ্রেণীবিন্যাস +# পারসেপট্রনের মাধ্যমে মাল্টি-ক্লাস শ্রেণীবিভাগ [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) থেকে ল্যাব অ্যাসাইনমেন্ট। ## কাজ -এই পাঠে আমরা MNIST হাতে লেখা সংখ্যার বাইনারি শ্রেণীবিন্যাসের জন্য যে কোড তৈরি করেছি, তা ব্যবহার করে একটি মাল্টি-ক্লাস শ্রেণীবিন্যাসকারী তৈরি করুন, যা যেকোনো সংখ্যা সনাক্ত করতে সক্ষম হবে। ট্রেন এবং টেস্ট ডেটাসেটে শ্রেণীবিন্যাসের সঠিকতা গণনা করুন এবং কনফিউশন ম্যাট্রিক্স প্রিন্ট করুন। +এই পাঠে আমরা MNIST হাতে লেখা সংখ্যার বাইনারি শ্রেণীবিভাগের জন্য যে কোড তৈরি করেছি, তা ব্যবহার করে একটি মাল্টি-ক্লাস শ্রেণীবিভাগ তৈরি করুন যা যেকোনো সংখ্যা সনাক্ত করতে সক্ষম হবে। ট্রেন এবং টেস্ট ডেটাসেটে শ্রেণীবিভাগের সঠিকতা গণনা করুন এবং বিভ্রান্তি ম্যাট্রিক্স প্রিন্ট করুন। ## পরামর্শ -1. প্রতিটি সংখ্যার জন্য একটি ডেটাসেট তৈরি করুন, যা "এই সংখ্যা বনাম অন্যান্য সব সংখ্যা" এর জন্য একটি বাইনারি শ্রেণীবিন্যাসকারী হবে। -1. বাইনারি শ্রেণীবিন্যাসের জন্য ১০টি ভিন্ন পারসেপট্রন প্রশিক্ষণ দিন (প্রতিটি সংখ্যার জন্য একটি করে)। -1. একটি ফাংশন সংজ্ঞায়িত করুন, যা ইনপুট সংখ্যাকে শ্রেণীবিন্যাস করবে। +1. প্রতিটি সংখ্যার জন্য একটি ডেটাসেট তৈরি করুন যা "এই সংখ্যা বনাম অন্যান্য সব সংখ্যা" এর জন্য একটি বাইনারি শ্রেণীবিভাগকারী হিসেবে কাজ করবে। +2. বাইনারি শ্রেণীবিভাগের জন্য ১০টি ভিন্ন পারসেপট্রন প্রশিক্ষণ দিন (প্রতিটি সংখ্যার জন্য একটি করে)। +3. একটি ফাংশন সংজ্ঞায়িত করুন যা ইনপুট সংখ্যাকে শ্রেণীবদ্ধ করবে। -> **পরামর্শ**: যদি আমরা ১০টি পারসেপট্রনের ওজন একত্রিত করে একটি ম্যাট্রিক্স তৈরি করি, তবে আমরা একটি ম্যাট্রিক্স গুণফল ব্যবহার করে ইনপুট সংখ্যার উপর ১০টি পারসেপট্রন প্রয়োগ করতে পারব। তারপর আউটপুটে `argmax` অপারেশন প্রয়োগ করে সবচেয়ে সম্ভাব্য সংখ্যাটি খুঁজে বের করা যাবে। +> **পরামর্শ**: যদি আমরা ১০টি পারসেপট্রনের ওজন একত্রিত করে একটি ম্যাট্রিক্স তৈরি করি, তাহলে আমরা একটি ম্যাট্রিক্স গুণফল ব্যবহার করে ইনপুট সংখ্যার উপর ১০টি পারসেপট্রন প্রয়োগ করতে পারব। আউটপুটে `argmax` অপারেশন প্রয়োগ করলেই সবচেয়ে সম্ভাব্য সংখ্যাটি খুঁজে পাওয়া যাবে। -## শুরু করার নোটবুক +## শুরুর নোটবুক -ল্যাব শুরু করতে [PerceptronMultiClass.ipynb](../../../../../../lessons/3-NeuralNetworks/03-Perceptron/lab/PerceptronMultiClass.ipynb) খুলুন। +ল্যাব শুরু করতে [PerceptronMultiClass.ipynb](PerceptronMultiClass.ipynb) খুলুন। + +--- **অস্বীকৃতি**: -এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসম্ভব সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা তার জন্য দায়ী থাকব না। \ No newline at end of file +এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসম্ভব সঠিক অনুবাদের চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। নথিটির মূল ভাষায় লেখা সংস্করণটিকেই প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ ব্যবহার করার পরামর্শ দেওয়া হচ্ছে। এই অনুবাদ ব্যবহারের ফলে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই। \ No newline at end of file diff --git a/translations/mo/README.md b/translations/mo/README.md index 2a0dbf97..3900de10 100644 --- a/translations/mo/README.md +++ b/translations/mo/README.md @@ -1,8 +1,8 @@ # 使用感知器進行多類別分類 -來自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的實驗作業。 +來自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的實驗課程。 ## 任務 @@ -21,11 +21,13 @@ CO_OP_TRANSLATOR_METADATA: 1. 訓練 10 個不同的感知器進行二元分類（每個數字一個感知器）。 1. 定義一個函數，用於分類輸入的數字。 -> **提示**：如果我們將所有 10 個感知器的權重合併成一個矩陣，我們應該能夠透過一次矩陣乘法將所有 10 個感知器應用於輸入數字。最可能的數字可以透過對輸出進行 `argmax` 操作來找到。 +> **提示**：如果我們將所有 10 個感知器的權重合併成一個矩陣，我們應該能夠透過一次矩陣乘法將所有 10 個感知器應用到輸入數字上。最可能的數字可以透過對輸出進行 `argmax` 操作來找到。 ## 起始筆記本 -開啟 [PerceptronMultiClass.ipynb](../../../../../../lessons/3-NeuralNetworks/03-Perceptron/lab/PerceptronMultiClass.ipynb) 開始實驗。 +開啟 [PerceptronMultiClass.ipynb](PerceptronMultiClass.ipynb) 開始實驗。 + +--- **免責聲明**： -本文檔已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。 \ No newline at end of file +本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。 \ No newline at end of file diff --git a/translations/mr/README.md b/translations/mr/README.md index 492de568..bd04db73 100644 --- a/translations/mr/README.md +++ b/translations/mr/README.md @@ -1,8 +1,8 @@ -# परसेप्ट्रनको साथ बहु-वर्ग वर्गीकरण +# परसेप्ट्रोनसँग बहु-वर्ग वर्गीकरण [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) बाट ल्याब असाइनमेन्ट। ## कार्य -यस पाठमा हामीले MNIST हस्तलेख अंकहरूको द्विआधारी वर्गीकरणका लागि विकास गरेको कोड प्रयोग गर्दै, एउटा बहु-वर्ग वर्गीकृतकर्ता बनाउनुहोस् जसले कुनै पनि अंकलाई चिन्हित गर्न सक्दछ। ट्रेन र टेस्ट डाटासेटमा वर्गीकरणको शुद्धता गणना गर्नुहोस्, र भ्रम म्याट्रिक्स प्रिन्ट गर्नुहोस्। +यस पाठमा MNIST हस्तलेख अंकहरूको द्विआधारी वर्गीकरणका लागि विकास गरिएको कोड प्रयोग गर्दै, बहु-वर्ग वर्गीकृत बनाउनुहोस् जसले कुनै पनि अंकलाई चिन्हित गर्न सक्दछ। ट्रेन र टेस्ट डाटासेटमा वर्गीकरणको शुद्धता गणना गर्नुहोस्, र भ्रम म्याट्रिक्स प्रिन्ट गर्नुहोस्। ## सुझावहरू -1. प्रत्येक अंकका लागि, "यो अंक बनाम अन्य सबै अंक" को लागि द्विआधारी वर्गीकृतकर्ताको डाटासेट तयार गर्नुहोस्। -1. द्विआधारी वर्गीकरणका लागि १० फरक परसेप्ट्रनहरू ट्रेन गर्नुहोस् (प्रत्येक अंकका लागि एउटा)। +1. प्रत्येक अंकका लागि, "यो अंक बनाम अन्य सबै अंक" को लागि द्विआधारी वर्गीकर्ताको डाटासेट तयार गर्नुहोस्। +1. द्विआधारी वर्गीकरणका लागि १० फरक परसेप्ट्रोनहरू (प्रत्येक अंकका लागि एक) ट्रेन गर्नुहोस्। 1. इनपुट अंक वर्गीकृत गर्ने एउटा function परिभाषित गर्नुहोस्। -> **सुझाव**: यदि हामी सबै १० परसेप्ट्रनहरूको तौललाई एउटै म्याट्रिक्समा संयोजन गर्छौं भने, हामी एउटा म्याट्रिक्स गुणनद्वारा इनपुट अंकहरूमा सबै १० परसेप्ट्रनहरू लागू गर्न सक्षम हुनेछौं। सबैभन्दा सम्भावित अंक `argmax` अपरेसनलाई आउटपुटमा लागू गरेर पत्ता लगाउन सकिन्छ। +> **सुझाव**: यदि हामी सबै १० परसेप्ट्रोनहरूको तौललाई एउटै म्याट्रिक्समा संयोजन गर्छौं भने, हामी एउटा म्याट्रिक्स गुणनद्वारा इनपुट अंकहरूमा सबै १० परसेप्ट्रोनहरू लागू गर्न सक्षम हुनेछौं। त्यसपछि सबैभन्दा सम्भावित अंक `argmax` अपरेसन प्रयोग गरेर सजिलै पत्ता लगाउन सकिन्छ। ## सुरुवाती नोटबुक -[PerceptronMultiClass.ipynb](../../../../../../lessons/3-NeuralNetworks/03-Perceptron/lab/PerceptronMultiClass.ipynb) खोल्दै ल्याब सुरु गर्नुहोस्। +[PerceptronMultiClass.ipynb](PerceptronMultiClass.ipynb) खोल्दै ल्याब सुरु गर्नुहोस्। + +--- **अस्वीकरण**: -यो दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरी अनुवाद गरिएको हो। हामी यथासम्भव शुद्धताको प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटिहरू वा अशुद्धताहरू हुन सक्छन्। यसको मूल भाषामा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्त्वपूर्ण जानकारीका लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं। \ No newline at end of file +यो दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरी अनुवाद गरिएको हो। हामी यथासम्भव सटीकता सुनिश्चित गर्न प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटि वा अशुद्धि हुन सक्छ। यसको मूल भाषामा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्त्वपूर्ण जानकारीका लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं। \ No newline at end of file diff --git a/translations/pa/README.md b/translations/pa/README.md index ab614b17..c216b82e 100644 --- a/translations/pa/README.md +++ b/translations/pa/README.md @@ -1,8 +1,8 @@ -# ਪੈਰਸੈਪਟ੍ਰਾਨ ਨਾਲ ਮਲਟੀ-ਕਲਾਸ ਵਰਗੀਕਰਨ +# ਪਰਸੈਪਟ੍ਰਾਨ ਨਾਲ ਮਲਟੀ-ਕਲਾਸ ਵਰਗੀਕਰਨ [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) ਤੋਂ ਲੈਬ ਅਸਾਈਨਮੈਂਟ। ## ਕੰਮ -ਇਸ ਪਾਠ ਵਿੱਚ MNIST ਹੱਥੋਂ ਲਿਖੇ ਅੰਕਾਂ ਦੀ ਬਾਈਨਰੀ ਵਰਗੀਕਰਨ ਲਈ ਵਿਕਸਿਤ ਕੀਤੇ ਕੋਡ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਮਲਟੀ-ਕਲਾਸ ਵਰਗੀਕਰਨ ਬਣਾਓ ਜੋ ਕਿਸੇ ਵੀ ਅੰਕ ਨੂੰ ਪਛਾਣ ਸਕੇ। ਟ੍ਰੇਨ ਅਤੇ ਟੈਸਟ ਡਾਟਾਸੈਟ 'ਤੇ ਵਰਗੀਕਰਨ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਕਨਫਿਊਜ਼ਨ ਮੈਟ੍ਰਿਕਸ ਪ੍ਰਿੰਟ ਕਰੋ। +ਇਸ ਪਾਠ ਵਿੱਚ MNIST ਹੱਥ ਨਾਲ ਲਿਖੇ ਅੰਕਾਂ ਦੀ ਬਾਈਨਰੀ ਵਰਗੀਕਰਨ ਲਈ ਵਿਕਸਿਤ ਕੀਤੇ ਗਏ ਕੋਡ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਮਲਟੀ-ਕਲਾਸ ਵਰਗੀਕਰਨ ਬਣਾਓ ਜੋ ਕਿਸੇ ਵੀ ਅੰਕ ਨੂੰ ਪਛਾਣ ਸਕੇ। ਟ੍ਰੇਨ ਅਤੇ ਟੈਸਟ ਡਾਟਾਸੈੱਟ 'ਤੇ ਵਰਗੀਕਰਨ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਕਨਫਿਊਜ਼ਨ ਮੈਟ੍ਰਿਕਸ ਪ੍ਰਿੰਟ ਕਰੋ। -## ਸੁਝਾਅ +## ਸੰਕੇਤ -1. ਹਰ ਅੰਕ ਲਈ, "ਇਹ ਅੰਕ ਬਨਾਮ ਸਾਰੇ ਹੋਰ ਅੰਕ" ਦੇ ਬਾਈਨਰੀ ਵਰਗੀਕਰਨ ਲਈ ਇੱਕ ਡਾਟਾਸੈਟ ਬਣਾਓ। -1. ਬਾਈਨਰੀ ਵਰਗੀਕਰਨ ਲਈ 10 ਵੱਖ-ਵੱਖ ਪੈਰਸੈਪਟ੍ਰਾਨ ਟ੍ਰੇਨ ਕਰੋ (ਹਰ ਅੰਕ ਲਈ ਇੱਕ)। +1. ਹਰ ਅੰਕ ਲਈ, "ਇਹ ਅੰਕ ਬਨਾਮ ਸਾਰੇ ਹੋਰ ਅੰਕ" ਦੇ ਬਾਈਨਰੀ ਵਰਗੀਕਰਨ ਲਈ ਇੱਕ ਡਾਟਾਸੈੱਟ ਬਣਾਓ। +1. ਬਾਈਨਰੀ ਵਰਗੀਕਰਨ ਲਈ 10 ਵੱਖਰੇ ਪਰਸੈਪਟ੍ਰਾਨ ਟ੍ਰੇਨ ਕਰੋ (ਹਰ ਅੰਕ ਲਈ ਇੱਕ)। 1. ਇੱਕ ਫੰਕਸ਼ਨ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ ਜੋ ਇਨਪੁਟ ਅੰਕ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰੇ। -> **ਸੁਝਾਅ**: ਜੇਕਰ ਅਸੀਂ ਸਾਰੇ 10 ਪੈਰਸੈਪਟ੍ਰਾਨ ਦੇ ਵਜ਼ਨਾਂ ਨੂੰ ਇੱਕ ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਜੋੜੀਏ, ਤਾਂ ਅਸੀਂ ਇੱਕ ਮੈਟ੍ਰਿਕਸ ਗੁਣਾ ਕਰਕੇ ਸਾਰੇ 10 ਪੈਰਸੈਪਟ੍ਰਾਨ ਨੂੰ ਇਨਪੁਟ ਅੰਕਾਂ 'ਤੇ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਾਂ। ਸਭ ਤੋਂ ਸੰਭਾਵਿਤ ਅੰਕ ਨੂੰ ਫਿਰ `argmax` ਓਪਰੇਸ਼ਨ ਲਾਗੂ ਕਰਕੇ ਆਸਾਨੀ ਨਾਲ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। +> **ਸੰਕੇਤ**: ਜੇ ਅਸੀਂ ਸਾਰੇ 10 ਪਰਸੈਪਟ੍ਰਾਨ ਦੇ ਵਜ਼ਨਾਂ ਨੂੰ ਇੱਕ ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਜੋੜੀਏ, ਤਾਂ ਅਸੀਂ ਇੱਕ ਮੈਟ੍ਰਿਕਸ ਗੁਣਾ ਕਰਕੇ ਸਾਰੇ 10 ਪਰਸੈਪਟ੍ਰਾਨ ਨੂੰ ਇਨਪੁਟ ਅੰਕਾਂ 'ਤੇ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਾਂ। ਸਭ ਤੋਂ ਸੰਭਾਵਿਤ ਅੰਕ ਨੂੰ ਫਿਰ ਸਿਰਫ਼ ਆਉਟਪੁੱਟ 'ਤੇ `argmax` ਆਪਰੇਸ਼ਨ ਲਾਗੂ ਕਰਕੇ ਲੱਭਿਆ ਜਾ ਸਕਦਾ ਹੈ। ## ਸ਼ੁਰੂਆਤੀ ਨੋਟਬੁੱਕ -ਲੈਬ ਸ਼ੁਰੂ ਕਰਨ ਲਈ [PerceptronMultiClass.ipynb](../../../../../../lessons/3-NeuralNetworks/03-Perceptron/lab/PerceptronMultiClass.ipynb) ਖੋਲ੍ਹੋ। +ਲੈਬ ਨੂੰ [PerceptronMultiClass.ipynb](PerceptronMultiClass.ipynb) ਖੋਲ੍ਹ ਕੇ ਸ਼ੁਰੂ ਕਰੋ। -**ਅਸਵੀਕਾਰਨਾ**: -ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚਨਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ। \ No newline at end of file +--- + +**ਅਸਵੀਕਰਤੀ**: +ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੱਜੇਪਣ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੌਜੂਦ ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ। \ No newline at end of file diff --git a/translations/ru/README.md b/translations/ru/README.md index f9833f72..b01b6220 100644 --- a/translations/ru/README.md +++ b/translations/ru/README.md @@ -1,8 +1,8 @@ # Multi-Class Classification gamit ang Perceptron -Takdang-Aralin mula sa [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). +Gawain mula sa [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners). ## Gawain -Gamit ang code na ating ginawa sa araling ito para sa binary classification ng MNIST handwritten digits, gumawa ng isang multi-class classifier na makakakilala ng anumang digit. Kalkulahin ang classification accuracy sa train at test dataset, at ipakita ang confusion matrix. +Gamit ang code na ating binuo sa araling ito para sa binary classification ng MNIST handwritten digits, gumawa ng isang multi-class classifier na kayang makilala ang anumang digit. Kalkulahin ang classification accuracy sa train at test dataset, at ipakita ang confusion matrix. ## Mga Pahiwatig -1. Para sa bawat digit, gumawa ng dataset para sa binary classifier ng "ang digit na ito vs. lahat ng iba pang digit" +1. Para sa bawat digit, gumawa ng dataset para sa binary classifier ng "ang digit na ito laban sa lahat ng iba pang mga digit" 1. Mag-train ng 10 iba't ibang perceptrons para sa binary classification (isa para sa bawat digit) -1. Mag-define ng function na magka-classify sa input digit +1. Magtakda ng isang function na magka-classify sa input digit -> **Pahiwatig**: Kung pagsasamahin natin ang weights ng lahat ng 10 perceptrons sa isang matrix, magagamit natin ang lahat ng 10 perceptrons sa input digits sa pamamagitan ng isang matrix multiplication. Ang pinaka-probable na digit ay maaaring mahanap gamit lamang ang `argmax` operation sa output. +> **Pahiwatig**: Kung pagsasamahin natin ang mga weights ng lahat ng 10 perceptrons sa isang matrix, magagamit natin ang lahat ng 10 perceptrons sa input digits sa pamamagitan ng isang matrix multiplication. Ang pinaka-malamang na digit ay maaaring mahanap sa pamamagitan lamang ng paggamit ng `argmax` operation sa output. -## Panimulang Notebook +## Simulang Notebook -Simulan ang lab sa pamamagitan ng pagbukas ng [PerceptronMultiClass.ipynb](PerceptronMultiClass.ipynb) +Simulan ang gawain sa pamamagitan ng pagbubukas ng [PerceptronMultiClass.ipynb](PerceptronMultiClass.ipynb) --- **Paunawa**: -Ang dokumentong ito ay isinalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama't sinisikap naming maging tumpak, pakitandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito. \ No newline at end of file +Ang dokumentong ito ay isinalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama't sinisikap naming maging tumpak, pakitandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito. \ No newline at end of file diff --git a/translations/ur/README.md b/translations/ur/README.md index 152d423d..7bc8b088 100644 --- a/translations/ur/README.md +++ b/translations/ur/README.md @@ -1,8 +1,8 @@