diff --git a/translated_images/1200px-Girl_and_cat.89bd70951181e86a.kn.jpg b/translated_images/1200px-Girl_and_cat.89bd70951181e86a.kn.jpg
deleted file mode 100644
index 7112c185..00000000
Binary files a/translated_images/1200px-Girl_and_cat.89bd70951181e86a.kn.jpg and /dev/null differ
diff --git a/translated_images/1200px-Girl_and_cat.89bd70951181e86a.ml.jpg b/translated_images/1200px-Girl_and_cat.89bd70951181e86a.ml.jpg
deleted file mode 100644
index 7112c185..00000000
Binary files a/translated_images/1200px-Girl_and_cat.89bd70951181e86a.ml.jpg and /dev/null differ
diff --git a/translated_images/1200px-Girl_and_cat.89bd70951181e86a088f41f72415b6324ba4fe506148c6f18dca4e2ef3079ec3.kn.jpg b/translated_images/1200px-Girl_and_cat.89bd70951181e86a088f41f72415b6324ba4fe506148c6f18dca4e2ef3079ec3.kn.jpg
deleted file mode 100644
index 7112c185..00000000
Binary files a/translated_images/1200px-Girl_and_cat.89bd70951181e86a088f41f72415b6324ba4fe506148c6f18dca4e2ef3079ec3.kn.jpg and /dev/null differ
diff --git a/translated_images/1200px-Girl_and_cat.89bd70951181e86a088f41f72415b6324ba4fe506148c6f18dca4e2ef3079ec3.ml.jpg b/translated_images/1200px-Girl_and_cat.89bd70951181e86a088f41f72415b6324ba4fe506148c6f18dca4e2ef3079ec3.ml.jpg
deleted file mode 100644
index 7112c185..00000000
Binary files a/translated_images/1200px-Girl_and_cat.89bd70951181e86a088f41f72415b6324ba4fe506148c6f18dca4e2ef3079ec3.ml.jpg and /dev/null differ
diff --git a/translated_images/AND-OR-Tree.5592d2c70187f283.kn.png b/translated_images/AND-OR-Tree.5592d2c70187f283.kn.png
deleted file mode 100644
index c4553b42..00000000
Binary files a/translated_images/AND-OR-Tree.5592d2c70187f283.kn.png and /dev/null differ
diff --git a/translated_images/AND-OR-Tree.5592d2c70187f283.ml.png b/translated_images/AND-OR-Tree.5592d2c70187f283.ml.png
deleted file mode 100644
index f634a273..00000000
Binary files a/translated_images/AND-OR-Tree.5592d2c70187f283.ml.png and /dev/null differ
diff --git a/translated_images/AND-OR-Tree.5592d2c70187f283703c8e9c0d69d6a786eb370f4ace67f9a7aae5ada3d260b0.kn.png b/translated_images/AND-OR-Tree.5592d2c70187f283703c8e9c0d69d6a786eb370f4ace67f9a7aae5ada3d260b0.kn.png
deleted file mode 100644
index c4553b42..00000000
Binary files a/translated_images/AND-OR-Tree.5592d2c70187f283703c8e9c0d69d6a786eb370f4ace67f9a7aae5ada3d260b0.kn.png and /dev/null differ
diff --git a/translated_images/AND-OR-Tree.5592d2c70187f283703c8e9c0d69d6a786eb370f4ace67f9a7aae5ada3d260b0.ml.png b/translated_images/AND-OR-Tree.5592d2c70187f283703c8e9c0d69d6a786eb370f4ace67f9a7aae5ada3d260b0.ml.png
deleted file mode 100644
index f634a273..00000000
Binary files a/translated_images/AND-OR-Tree.5592d2c70187f283703c8e9c0d69d6a786eb370f4ace67f9a7aae5ada3d260b0.ml.png and /dev/null differ
diff --git a/translated_images/ComputeGraph.463c9d8ebdcb2215.kn.png b/translated_images/ComputeGraph.463c9d8ebdcb2215.kn.png
deleted file mode 100644
index 3b2c8c66..00000000
Binary files a/translated_images/ComputeGraph.463c9d8ebdcb2215.kn.png and /dev/null differ
diff --git a/translated_images/ComputeGraph.463c9d8ebdcb2215.ml.png b/translated_images/ComputeGraph.463c9d8ebdcb2215.ml.png
deleted file mode 100644
index f34853e8..00000000
Binary files a/translated_images/ComputeGraph.463c9d8ebdcb2215.ml.png and /dev/null differ
diff --git a/translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.kn.png b/translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.kn.png
deleted file mode 100644
index 3b2c8c66..00000000
Binary files a/translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.kn.png and /dev/null differ
diff --git a/translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.ml.png b/translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.ml.png
deleted file mode 100644
index f34853e8..00000000
Binary files a/translated_images/ComputeGraph.463c9d8ebdcb22158e0563fcc50171dfbf3cb40443b597bc642b0f34ac23abbf.ml.png and /dev/null differ
diff --git a/translated_images/ComputeGraphGrad.4626252c0de03507.kn.png b/translated_images/ComputeGraphGrad.4626252c0de03507.kn.png
deleted file mode 100644
index c1cec0b8..00000000
Binary files a/translated_images/ComputeGraphGrad.4626252c0de03507.kn.png and /dev/null differ
diff --git a/translated_images/ComputeGraphGrad.4626252c0de03507.ml.png b/translated_images/ComputeGraphGrad.4626252c0de03507.ml.png
deleted file mode 100644
index fe4d8801..00000000
Binary files a/translated_images/ComputeGraphGrad.4626252c0de03507.ml.png and /dev/null differ
diff --git a/translated_images/ComputeGraphGrad.4626252c0de035075e5cd2b7f71b776d5e3e8f64f2dc472b4420d3fdfaf53ba8.kn.png b/translated_images/ComputeGraphGrad.4626252c0de035075e5cd2b7f71b776d5e3e8f64f2dc472b4420d3fdfaf53ba8.kn.png
deleted file mode 100644
index c1cec0b8..00000000
Binary files a/translated_images/ComputeGraphGrad.4626252c0de035075e5cd2b7f71b776d5e3e8f64f2dc472b4420d3fdfaf53ba8.kn.png and /dev/null differ
diff --git a/translated_images/ComputeGraphGrad.4626252c0de035075e5cd2b7f71b776d5e3e8f64f2dc472b4420d3fdfaf53ba8.ml.png b/translated_images/ComputeGraphGrad.4626252c0de035075e5cd2b7f71b776d5e3e8f64f2dc472b4420d3fdfaf53ba8.ml.png
deleted file mode 100644
index fe4d8801..00000000
Binary files a/translated_images/ComputeGraphGrad.4626252c0de035075e5cd2b7f71b776d5e3e8f64f2dc472b4420d3fdfaf53ba8.ml.png and /dev/null differ
diff --git a/translated_images/CoreferenceResolution.861924d6d384a7d6.kn.png b/translated_images/CoreferenceResolution.861924d6d384a7d6.kn.png
deleted file mode 100644
index 1e697bae..00000000
Binary files a/translated_images/CoreferenceResolution.861924d6d384a7d6.kn.png and /dev/null differ
diff --git a/translated_images/CoreferenceResolution.861924d6d384a7d6.ml.png b/translated_images/CoreferenceResolution.861924d6d384a7d6.ml.png
deleted file mode 100644
index 81883781..00000000
Binary files a/translated_images/CoreferenceResolution.861924d6d384a7d6.ml.png and /dev/null differ
diff --git a/translated_images/CoreferenceResolution.861924d6d384a7d68d8d0039d06a71a151f18a796b8b1330239d3590bd4947eb.kn.png b/translated_images/CoreferenceResolution.861924d6d384a7d68d8d0039d06a71a151f18a796b8b1330239d3590bd4947eb.kn.png
deleted file mode 100644
index 1e697bae..00000000
Binary files a/translated_images/CoreferenceResolution.861924d6d384a7d68d8d0039d06a71a151f18a796b8b1330239d3590bd4947eb.kn.png and /dev/null differ
diff --git a/translated_images/CoreferenceResolution.861924d6d384a7d68d8d0039d06a71a151f18a796b8b1330239d3590bd4947eb.ml.png b/translated_images/CoreferenceResolution.861924d6d384a7d68d8d0039d06a71a151f18a796b8b1330239d3590bd4947eb.ml.png
deleted file mode 100644
index 81883781..00000000
Binary files a/translated_images/CoreferenceResolution.861924d6d384a7d68d8d0039d06a71a151f18a796b8b1330239d3590bd4947eb.ml.png and /dev/null differ
diff --git a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3.kn.png b/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3.kn.png
deleted file mode 100644
index 58c037f4..00000000
Binary files a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3.kn.png and /dev/null differ
diff --git a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3.ml.png b/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3.ml.png
deleted file mode 100644
index fceee239..00000000
Binary files a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3.ml.png and /dev/null differ
diff --git a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3ae9ff8f06546ffcdff1347fa032b8e4b3d70b9e4ad0bf506.kn.png b/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3ae9ff8f06546ffcdff1347fa032b8e4b3d70b9e4ad0bf506.kn.png
deleted file mode 100644
index 58c037f4..00000000
Binary files a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3ae9ff8f06546ffcdff1347fa032b8e4b3d70b9e4ad0bf506.kn.png and /dev/null differ
diff --git a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3ae9ff8f06546ffcdff1347fa032b8e4b3d70b9e4ad0bf506.ml.png b/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3ae9ff8f06546ffcdff1347fa032b8e4b3d70b9e4ad0bf506.ml.png
deleted file mode 100644
index fceee239..00000000
Binary files a/translated_images/Cross-Entropy-Loss.dc7ba633d2467ef3ae9ff8f06546ffcdff1347fa032b8e4b3d70b9e4ad0bf506.ml.png and /dev/null differ
diff --git a/translated_images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c94d2b8e9337d8a006f2a7a90e067f3c34a8c6425ea905f490.kn.png b/translated_images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c94d2b8e9337d8a006f2a7a90e067f3c34a8c6425ea905f490.kn.png
deleted file mode 100644
index 817ac42d..00000000
Binary files a/translated_images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c94d2b8e9337d8a006f2a7a90e067f3c34a8c6425ea905f490.kn.png and /dev/null differ
diff --git a/translated_images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c94d2b8e9337d8a006f2a7a90e067f3c34a8c6425ea905f490.ml.png b/translated_images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c94d2b8e9337d8a006f2a7a90e067f3c34a8c6425ea905f490.ml.png
deleted file mode 100644
index 817ac42d..00000000
Binary files a/translated_images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c94d2b8e9337d8a006f2a7a90e067f3c34a8c6425ea905f490.ml.png and /dev/null differ
diff --git a/translated_images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbfb6ddc71819ae0ba025e10144c73ad0ce906933e5382d081d.kn.png b/translated_images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbfb6ddc71819ae0ba025e10144c73ad0ce906933e5382d081d.kn.png
deleted file mode 100644
index 2d43fa37..00000000
Binary files a/translated_images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbfb6ddc71819ae0ba025e10144c73ad0ce906933e5382d081d.kn.png and /dev/null differ
diff --git a/translated_images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbfb6ddc71819ae0ba025e10144c73ad0ce906933e5382d081d.ml.png b/translated_images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbfb6ddc71819ae0ba025e10144c73ad0ce906933e5382d081d.ml.png
deleted file mode 100644
index 2d43fa37..00000000
Binary files a/translated_images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbfb6ddc71819ae0ba025e10144c73ad0ce906933e5382d081d.ml.png and /dev/null differ
diff --git a/translated_images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d952ff424cc6533143559f9d97298020f64ebac91356cbb416.kn.png b/translated_images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d952ff424cc6533143559f9d97298020f64ebac91356cbb416.kn.png
deleted file mode 100644
index 8072fbe4..00000000
Binary files a/translated_images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d952ff424cc6533143559f9d97298020f64ebac91356cbb416.kn.png and /dev/null differ
diff --git a/translated_images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d952ff424cc6533143559f9d97298020f64ebac91356cbb416.ml.png b/translated_images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d952ff424cc6533143559f9d97298020f64ebac91356cbb416.ml.png
deleted file mode 100644
index 8072fbe4..00000000
Binary files a/translated_images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d952ff424cc6533143559f9d97298020f64ebac91356cbb416.ml.png and /dev/null differ
diff --git a/translated_images/DIKW_Pyramid.94126f7d2bd8db5b.kn.png b/translated_images/DIKW_Pyramid.94126f7d2bd8db5b.kn.png
deleted file mode 100644
index c0a7049d..00000000
Binary files a/translated_images/DIKW_Pyramid.94126f7d2bd8db5b.kn.png and /dev/null differ
diff --git a/translated_images/DIKW_Pyramid.94126f7d2bd8db5b.ml.png b/translated_images/DIKW_Pyramid.94126f7d2bd8db5b.ml.png
deleted file mode 100644
index 0f590765..00000000
Binary files a/translated_images/DIKW_Pyramid.94126f7d2bd8db5b.ml.png and /dev/null differ
diff --git a/translated_images/DIKW_Pyramid.94126f7d2bd8db5be71c6f1658b94bd3c85342e3cb827913b556b0414d358340.kn.png b/translated_images/DIKW_Pyramid.94126f7d2bd8db5be71c6f1658b94bd3c85342e3cb827913b556b0414d358340.kn.png
deleted file mode 100644
index c0a7049d..00000000
Binary files a/translated_images/DIKW_Pyramid.94126f7d2bd8db5be71c6f1658b94bd3c85342e3cb827913b556b0414d358340.kn.png and /dev/null differ
diff --git a/translated_images/DIKW_Pyramid.94126f7d2bd8db5be71c6f1658b94bd3c85342e3cb827913b556b0414d358340.ml.png b/translated_images/DIKW_Pyramid.94126f7d2bd8db5be71c6f1658b94bd3c85342e3cb827913b556b0414d358340.ml.png
deleted file mode 100644
index 0f590765..00000000
Binary files a/translated_images/DIKW_Pyramid.94126f7d2bd8db5be71c6f1658b94bd3c85342e3cb827913b556b0414d358340.ml.png and /dev/null differ
diff --git a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb64.kn.png b/translated_images/FeatureExtractionCNN.d9b456cbdae7cb64.kn.png
deleted file mode 100644
index 88b6ed7b..00000000
Binary files a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb64.kn.png and /dev/null differ
diff --git a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb64.ml.png b/translated_images/FeatureExtractionCNN.d9b456cbdae7cb64.ml.png
deleted file mode 100644
index 32c2594c..00000000
Binary files a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb64.ml.png and /dev/null differ
diff --git a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb643fde3032b81b2940e3cf8be842e29afac3f482725ba7f95c.kn.png b/translated_images/FeatureExtractionCNN.d9b456cbdae7cb643fde3032b81b2940e3cf8be842e29afac3f482725ba7f95c.kn.png
deleted file mode 100644
index 88b6ed7b..00000000
Binary files a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb643fde3032b81b2940e3cf8be842e29afac3f482725ba7f95c.kn.png and /dev/null differ
diff --git a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb643fde3032b81b2940e3cf8be842e29afac3f482725ba7f95c.ml.png b/translated_images/FeatureExtractionCNN.d9b456cbdae7cb643fde3032b81b2940e3cf8be842e29afac3f482725ba7f95c.ml.png
deleted file mode 100644
index 32c2594c..00000000
Binary files a/translated_images/FeatureExtractionCNN.d9b456cbdae7cb643fde3032b81b2940e3cf8be842e29afac3f482725ba7f95c.ml.png and /dev/null differ
diff --git a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.kn.jpg b/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.kn.jpg
deleted file mode 100644
index 784b038c..00000000
Binary files a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.kn.jpg and /dev/null differ
diff --git a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.ml.jpg b/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.ml.jpg
deleted file mode 100644
index cf3e8ba3..00000000
Binary files a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.ml.jpg and /dev/null differ
diff --git a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9fb32bab6ae07e40faa202be1935c0fbd8c2bc2600a87bcb1.kn.jpg b/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9fb32bab6ae07e40faa202be1935c0fbd8c2bc2600a87bcb1.kn.jpg
deleted file mode 100644
index 784b038c..00000000
Binary files a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9fb32bab6ae07e40faa202be1935c0fbd8c2bc2600a87bcb1.kn.jpg and /dev/null differ
diff --git a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9fb32bab6ae07e40faa202be1935c0fbd8c2bc2600a87bcb1.ml.jpg b/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9fb32bab6ae07e40faa202be1935c0fbd8c2bc2600a87bcb1.ml.jpg
deleted file mode 100644
index cf3e8ba3..00000000
Binary files a/translated_images/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9fb32bab6ae07e40faa202be1935c0fbd8c2bc2600a87bcb1.ml.jpg and /dev/null differ
diff --git a/translated_images/NetLogo-Main.32653711ec1a01b3.kn.png b/translated_images/NetLogo-Main.32653711ec1a01b3.kn.png
deleted file mode 100644
index 7530c9a9..00000000
Binary files a/translated_images/NetLogo-Main.32653711ec1a01b3.kn.png and /dev/null differ
diff --git a/translated_images/NetLogo-Main.32653711ec1a01b3.ml.png b/translated_images/NetLogo-Main.32653711ec1a01b3.ml.png
deleted file mode 100644
index 64355a15..00000000
Binary files a/translated_images/NetLogo-Main.32653711ec1a01b3.ml.png and /dev/null differ
diff --git a/translated_images/NetLogo-Main.32653711ec1a01b3cab22ec0b148e64193d0b979b055285bef329d5e3d6958c5.kn.png b/translated_images/NetLogo-Main.32653711ec1a01b3cab22ec0b148e64193d0b979b055285bef329d5e3d6958c5.kn.png
deleted file mode 100644
index 7530c9a9..00000000
Binary files a/translated_images/NetLogo-Main.32653711ec1a01b3cab22ec0b148e64193d0b979b055285bef329d5e3d6958c5.kn.png and /dev/null differ
diff --git a/translated_images/NetLogo-Main.32653711ec1a01b3cab22ec0b148e64193d0b979b055285bef329d5e3d6958c5.ml.png b/translated_images/NetLogo-Main.32653711ec1a01b3cab22ec0b148e64193d0b979b055285bef329d5e3d6958c5.ml.png
deleted file mode 100644
index 64355a15..00000000
Binary files a/translated_images/NetLogo-Main.32653711ec1a01b3cab22ec0b148e64193d0b979b055285bef329d5e3d6958c5.ml.png and /dev/null differ
diff --git a/translated_images/NetLogo-ModelLib.efe023afb4763c05.kn.png b/translated_images/NetLogo-ModelLib.efe023afb4763c05.kn.png
deleted file mode 100644
index c4f1fcd4..00000000
Binary files a/translated_images/NetLogo-ModelLib.efe023afb4763c05.kn.png and /dev/null differ
diff --git a/translated_images/NetLogo-ModelLib.efe023afb4763c05.ml.png b/translated_images/NetLogo-ModelLib.efe023afb4763c05.ml.png
deleted file mode 100644
index 360f304f..00000000
Binary files a/translated_images/NetLogo-ModelLib.efe023afb4763c05.ml.png and /dev/null differ
diff --git a/translated_images/NetLogo-ModelLib.efe023afb4763c059704a8ac0e2cd5e51889b117e8eac02aaa5334cfe1c52c13.kn.png b/translated_images/NetLogo-ModelLib.efe023afb4763c059704a8ac0e2cd5e51889b117e8eac02aaa5334cfe1c52c13.kn.png
deleted file mode 100644
index c4f1fcd4..00000000
Binary files a/translated_images/NetLogo-ModelLib.efe023afb4763c059704a8ac0e2cd5e51889b117e8eac02aaa5334cfe1c52c13.kn.png and /dev/null differ
diff --git a/translated_images/NetLogo-ModelLib.efe023afb4763c059704a8ac0e2cd5e51889b117e8eac02aaa5334cfe1c52c13.ml.png b/translated_images/NetLogo-ModelLib.efe023afb4763c059704a8ac0e2cd5e51889b117e8eac02aaa5334cfe1c52c13.ml.png
deleted file mode 100644
index 360f304f..00000000
Binary files a/translated_images/NetLogo-ModelLib.efe023afb4763c059704a8ac0e2cd5e51889b117e8eac02aaa5334cfe1c52c13.ml.png and /dev/null differ
diff --git a/translated_images/NeuroArch.4e17cdba5e445721.kn.png b/translated_images/NeuroArch.4e17cdba5e445721.kn.png
deleted file mode 100644
index 001431c7..00000000
Binary files a/translated_images/NeuroArch.4e17cdba5e445721.kn.png and /dev/null differ
diff --git a/translated_images/NeuroArch.4e17cdba5e445721.ml.png b/translated_images/NeuroArch.4e17cdba5e445721.ml.png
deleted file mode 100644
index 83888def..00000000
Binary files a/translated_images/NeuroArch.4e17cdba5e445721.ml.png and /dev/null differ
diff --git a/translated_images/NeuroArch.4e17cdba5e445721ad0a94a738c6f1178fc9c5f36486fb0f8fccfd61964d528c.kn.png b/translated_images/NeuroArch.4e17cdba5e445721ad0a94a738c6f1178fc9c5f36486fb0f8fccfd61964d528c.kn.png
deleted file mode 100644
index 001431c7..00000000
Binary files a/translated_images/NeuroArch.4e17cdba5e445721ad0a94a738c6f1178fc9c5f36486fb0f8fccfd61964d528c.kn.png and /dev/null differ
diff --git a/translated_images/NeuroArch.4e17cdba5e445721ad0a94a738c6f1178fc9c5f36486fb0f8fccfd61964d528c.ml.png b/translated_images/NeuroArch.4e17cdba5e445721ad0a94a738c6f1178fc9c5f36486fb0f8fccfd61964d528c.ml.png
deleted file mode 100644
index 83888def..00000000
Binary files a/translated_images/NeuroArch.4e17cdba5e445721ad0a94a738c6f1178fc9c5f36486fb0f8fccfd61964d528c.ml.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.kn.png b/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.kn.png
deleted file mode 100644
index e92ac49f..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.kn.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.ml.png b/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.ml.png
deleted file mode 100644
index 5bf1d568..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.ml.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094b5242ff6aa810ef25285f5a4e0efcc604c31708798fd51ee.kn.png b/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094b5242ff6aa810ef25285f5a4e0efcc604c31708798fd51ee.kn.png
deleted file mode 100644
index e92ac49f..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094b5242ff6aa810ef25285f5a4e0efcc604c31708798fd51ee.kn.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094b5242ff6aa810ef25285f5a4e0efcc604c31708798fd51ee.ml.png b/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094b5242ff6aa810ef25285f5a4e0efcc604c31708798fd51ee.ml.png
deleted file mode 100644
index 5bf1d568..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecall.d2ef5b6081a0b094b5242ff6aa810ef25285f5a4e0efcc604c31708798fd51ee.ml.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.kn.png b/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.kn.png
deleted file mode 100644
index 1ca38f2b..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.kn.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.ml.png b/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.ml.png
deleted file mode 100644
index e6845ab2..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.ml.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a6f0db4193ce61830ea03e505138410480fc16f9051694a40.kn.png b/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a6f0db4193ce61830ea03e505138410480fc16f9051694a40.kn.png
deleted file mode 100644
index 1ca38f2b..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a6f0db4193ce61830ea03e505138410480fc16f9051694a40.kn.png and /dev/null differ
diff --git a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a6f0db4193ce61830ea03e505138410480fc16f9051694a40.ml.png b/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a6f0db4193ce61830ea03e505138410480fc16f9051694a40.ml.png
deleted file mode 100644
index e6845ab2..00000000
Binary files a/translated_images/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a6f0db4193ce61830ea03e505138410480fc16f9051694a40.ml.png and /dev/null differ
diff --git a/translated_images/Overfitting.408ad91cd90b4371.kn.png b/translated_images/Overfitting.408ad91cd90b4371.kn.png
deleted file mode 100644
index 0e80be51..00000000
Binary files a/translated_images/Overfitting.408ad91cd90b4371.kn.png and /dev/null differ
diff --git a/translated_images/Overfitting.408ad91cd90b4371.ml.png b/translated_images/Overfitting.408ad91cd90b4371.ml.png
deleted file mode 100644
index d2f380fc..00000000
Binary files a/translated_images/Overfitting.408ad91cd90b4371.ml.png and /dev/null differ
diff --git a/translated_images/Overfitting.408ad91cd90b4371d0a81f4287e1409c359751adeb1ae450332af50e84f08c3e.kn.png b/translated_images/Overfitting.408ad91cd90b4371d0a81f4287e1409c359751adeb1ae450332af50e84f08c3e.kn.png
deleted file mode 100644
index 0e80be51..00000000
Binary files a/translated_images/Overfitting.408ad91cd90b4371d0a81f4287e1409c359751adeb1ae450332af50e84f08c3e.kn.png and /dev/null differ
diff --git a/translated_images/Overfitting.408ad91cd90b4371d0a81f4287e1409c359751adeb1ae450332af50e84f08c3e.ml.png b/translated_images/Overfitting.408ad91cd90b4371d0a81f4287e1409c359751adeb1ae450332af50e84f08c3e.ml.png
deleted file mode 100644
index d2f380fc..00000000
Binary files a/translated_images/Overfitting.408ad91cd90b4371d0a81f4287e1409c359751adeb1ae450332af50e84f08c3e.ml.png and /dev/null differ
diff --git a/translated_images/Rosenblatt-wikipedia.294821b285ac796d.kn.jpg b/translated_images/Rosenblatt-wikipedia.294821b285ac796d.kn.jpg
deleted file mode 100644
index 7905fd92..00000000
Binary files a/translated_images/Rosenblatt-wikipedia.294821b285ac796d.kn.jpg and /dev/null differ
diff --git a/translated_images/Rosenblatt-wikipedia.294821b285ac796d.ml.jpg b/translated_images/Rosenblatt-wikipedia.294821b285ac796d.ml.jpg
deleted file mode 100644
index 249962a0..00000000
Binary files a/translated_images/Rosenblatt-wikipedia.294821b285ac796d.ml.jpg and /dev/null differ
diff --git a/translated_images/Rosenblatt-wikipedia.294821b285ac796d2281a556fe3de9a7aa328e34cdd25f3ac9deefa0982ea2df.kn.jpg b/translated_images/Rosenblatt-wikipedia.294821b285ac796d2281a556fe3de9a7aa328e34cdd25f3ac9deefa0982ea2df.kn.jpg
deleted file mode 100644
index 7905fd92..00000000
Binary files a/translated_images/Rosenblatt-wikipedia.294821b285ac796d2281a556fe3de9a7aa328e34cdd25f3ac9deefa0982ea2df.kn.jpg and /dev/null differ
diff --git a/translated_images/Rosenblatt-wikipedia.294821b285ac796d2281a556fe3de9a7aa328e34cdd25f3ac9deefa0982ea2df.ml.jpg b/translated_images/Rosenblatt-wikipedia.294821b285ac796d2281a556fe3de9a7aa328e34cdd25f3ac9deefa0982ea2df.ml.jpg
deleted file mode 100644
index 249962a0..00000000
Binary files a/translated_images/Rosenblatt-wikipedia.294821b285ac796d2281a556fe3de9a7aa328e34cdd25f3ac9deefa0982ea2df.ml.jpg and /dev/null differ
diff --git a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.kn.png b/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.kn.png
deleted file mode 100644
index a210137f..00000000
Binary files a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.kn.png and /dev/null differ
diff --git a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.ml.png b/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.ml.png
deleted file mode 100644
index b2df49c9..00000000
Binary files a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.ml.png and /dev/null differ
diff --git a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be1b905373ed9c858102c054b16e4595c76ec3f7bba0feb549.kn.png b/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be1b905373ed9c858102c054b16e4595c76ec3f7bba0feb549.kn.png
deleted file mode 100644
index a210137f..00000000
Binary files a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be1b905373ed9c858102c054b16e4595c76ec3f7bba0feb549.kn.png and /dev/null differ
diff --git a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be1b905373ed9c858102c054b16e4595c76ec3f7bba0feb549.ml.png b/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be1b905373ed9c858102c054b16e4595c76ec3f7bba0feb549.ml.png
deleted file mode 100644
index b2df49c9..00000000
Binary files a/translated_images/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be1b905373ed9c858102c054b16e4595c76ec3f7bba0feb549.ml.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.kn.png b/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.kn.png
deleted file mode 100644
index e880ce7c..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.kn.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.ml.png b/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.ml.png
deleted file mode 100644
index e880ce7c..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.ml.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683b9d36a613b364deb7454760cd39205623fc1e3938fa133c0.kn.png b/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683b9d36a613b364deb7454760cd39205623fc1e3938fa133c0.kn.png
deleted file mode 100644
index e880ce7c..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683b9d36a613b364deb7454760cd39205623fc1e3938fa133c0.kn.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683b9d36a613b364deb7454760cd39205623fc1e3938fa133c0.ml.png b/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683b9d36a613b364deb7454760cd39205623fc1e3938fa133c0.ml.png
deleted file mode 100644
index e880ce7c..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683b9d36a613b364deb7454760cd39205623fc1e3938fa133c0.ml.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.kn.png b/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.kn.png
deleted file mode 100644
index 0e739ec7..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.kn.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.ml.png b/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.ml.png
deleted file mode 100644
index 0e739ec7..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.ml.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a439077e1c32cc8afdf714e634fe24dc78dc5aa45fd2f560b0ed5.kn.png b/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a439077e1c32cc8afdf714e634fe24dc78dc5aa45fd2f560b0ed5.kn.png
deleted file mode 100644
index 0e739ec7..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a439077e1c32cc8afdf714e634fe24dc78dc5aa45fd2f560b0ed5.kn.png and /dev/null differ
diff --git a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a439077e1c32cc8afdf714e634fe24dc78dc5aa45fd2f560b0ed5.ml.png b/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a439077e1c32cc8afdf714e634fe24dc78dc5aa45fd2f560b0ed5.ml.png
deleted file mode 100644
index 0e739ec7..00000000
Binary files a/translated_images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a439077e1c32cc8afdf714e634fe24dc78dc5aa45fd2f560b0ed5.ml.png and /dev/null differ
diff --git a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.kn.png b/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.kn.png
deleted file mode 100644
index c2daf0e1..00000000
Binary files a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.kn.png and /dev/null differ
diff --git a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.ml.png b/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.ml.png
deleted file mode 100644
index c2daf0e1..00000000
Binary files a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.ml.png and /dev/null differ
diff --git a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d09dc96de938b9f95bde8a7e1c721f48f286a7795bf16d56c7.kn.png b/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d09dc96de938b9f95bde8a7e1c721f48f286a7795bf16d56c7.kn.png
deleted file mode 100644
index c2daf0e1..00000000
Binary files a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d09dc96de938b9f95bde8a7e1c721f48f286a7795bf16d56c7.kn.png and /dev/null differ
diff --git a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d09dc96de938b9f95bde8a7e1c721f48f286a7795bf16d56c7.ml.png b/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d09dc96de938b9f95bde8a7e1c721f48f286a7795bf16d56c7.ml.png
deleted file mode 100644
index c2daf0e1..00000000
Binary files a/translated_images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d09dc96de938b9f95bde8a7e1c721f48f286a7795bf16d56c7.ml.png and /dev/null differ
diff --git a/translated_images/aae.9d418a990fc75bf9.kn.png b/translated_images/aae.9d418a990fc75bf9.kn.png
deleted file mode 100644
index eba322f3..00000000
Binary files a/translated_images/aae.9d418a990fc75bf9.kn.png and /dev/null differ
diff --git a/translated_images/aae.9d418a990fc75bf9.ml.png b/translated_images/aae.9d418a990fc75bf9.ml.png
deleted file mode 100644
index 33d51eed..00000000
Binary files a/translated_images/aae.9d418a990fc75bf9.ml.png and /dev/null differ
diff --git a/translated_images/aae.9d418a990fc75bf9204b701eb6998206fd1b986643cc4e9b899aabdd27504702.kn.png b/translated_images/aae.9d418a990fc75bf9204b701eb6998206fd1b986643cc4e9b899aabdd27504702.kn.png
deleted file mode 100644
index eba322f3..00000000
Binary files a/translated_images/aae.9d418a990fc75bf9204b701eb6998206fd1b986643cc4e9b899aabdd27504702.kn.png and /dev/null differ
diff --git a/translated_images/aae.9d418a990fc75bf9204b701eb6998206fd1b986643cc4e9b899aabdd27504702.ml.png b/translated_images/aae.9d418a990fc75bf9204b701eb6998206fd1b986643cc4e9b899aabdd27504702.ml.png
deleted file mode 100644
index 33d51eed..00000000
Binary files a/translated_images/aae.9d418a990fc75bf9204b701eb6998206fd1b986643cc4e9b899aabdd27504702.ml.png and /dev/null differ
diff --git a/translated_images/activation-func.b4924007c7ce7764.kn.png b/translated_images/activation-func.b4924007c7ce7764.kn.png
deleted file mode 100644
index 5e06a2a3..00000000
Binary files a/translated_images/activation-func.b4924007c7ce7764.kn.png and /dev/null differ
diff --git a/translated_images/activation-func.b4924007c7ce7764.ml.png b/translated_images/activation-func.b4924007c7ce7764.ml.png
deleted file mode 100644
index d1ce132a..00000000
Binary files a/translated_images/activation-func.b4924007c7ce7764.ml.png and /dev/null differ
diff --git a/translated_images/activation-func.b4924007c7ce77648d4b1dd3e81c689453204902c096c626735c7b53688cdc63.kn.png b/translated_images/activation-func.b4924007c7ce77648d4b1dd3e81c689453204902c096c626735c7b53688cdc63.kn.png
deleted file mode 100644
index 5e06a2a3..00000000
Binary files a/translated_images/activation-func.b4924007c7ce77648d4b1dd3e81c689453204902c096c626735c7b53688cdc63.kn.png and /dev/null differ
diff --git a/translated_images/activation-func.b4924007c7ce77648d4b1dd3e81c689453204902c096c626735c7b53688cdc63.ml.png b/translated_images/activation-func.b4924007c7ce77648d4b1dd3e81c689453204902c096c626735c7b53688cdc63.ml.png
deleted file mode 100644
index d1ce132a..00000000
Binary files a/translated_images/activation-func.b4924007c7ce77648d4b1dd3e81c689453204902c096c626735c7b53688cdc63.ml.png and /dev/null differ
diff --git a/translated_images/adversarial-dog.d9fc7773b0142b89.kn.png b/translated_images/adversarial-dog.d9fc7773b0142b89.kn.png
deleted file mode 100644
index 2da4f4e2..00000000
Binary files a/translated_images/adversarial-dog.d9fc7773b0142b89.kn.png and /dev/null differ
diff --git a/translated_images/adversarial-dog.d9fc7773b0142b89.ml.png b/translated_images/adversarial-dog.d9fc7773b0142b89.ml.png
deleted file mode 100644
index 2da4f4e2..00000000
Binary files a/translated_images/adversarial-dog.d9fc7773b0142b89.ml.png and /dev/null differ
diff --git a/translated_images/adversarial-dog.d9fc7773b0142b89752539bfbf884118de845b3851c5162146ea0b8809fc820f.kn.png b/translated_images/adversarial-dog.d9fc7773b0142b89752539bfbf884118de845b3851c5162146ea0b8809fc820f.kn.png
deleted file mode 100644
index 2da4f4e2..00000000
Binary files a/translated_images/adversarial-dog.d9fc7773b0142b89752539bfbf884118de845b3851c5162146ea0b8809fc820f.kn.png and /dev/null differ
diff --git a/translated_images/adversarial-dog.d9fc7773b0142b89752539bfbf884118de845b3851c5162146ea0b8809fc820f.ml.png b/translated_images/adversarial-dog.d9fc7773b0142b89752539bfbf884118de845b3851c5162146ea0b8809fc820f.ml.png
deleted file mode 100644
index 2da4f4e2..00000000
Binary files a/translated_images/adversarial-dog.d9fc7773b0142b89752539bfbf884118de845b3851c5162146ea0b8809fc820f.ml.png and /dev/null differ
diff --git a/translated_images/ai-computervision.6506ebebac3fbf76.kn.png b/translated_images/ai-computervision.6506ebebac3fbf76.kn.png
deleted file mode 100644
index b1187f8e..00000000
Binary files a/translated_images/ai-computervision.6506ebebac3fbf76.kn.png and /dev/null differ
diff --git a/translated_images/ai-computervision.6506ebebac3fbf76.ml.png b/translated_images/ai-computervision.6506ebebac3fbf76.ml.png
deleted file mode 100644
index 9eea468f..00000000
Binary files a/translated_images/ai-computervision.6506ebebac3fbf76.ml.png and /dev/null differ
diff --git a/translated_images/ai-computervision.6506ebebac3fbf76cdb78989d7d3dfea87e88285c0feaade53aa7804a22b248f.kn.png b/translated_images/ai-computervision.6506ebebac3fbf76cdb78989d7d3dfea87e88285c0feaade53aa7804a22b248f.kn.png
deleted file mode 100644
index b1187f8e..00000000
Binary files a/translated_images/ai-computervision.6506ebebac3fbf76cdb78989d7d3dfea87e88285c0feaade53aa7804a22b248f.kn.png and /dev/null differ
diff --git a/translated_images/ai-computervision.6506ebebac3fbf76cdb78989d7d3dfea87e88285c0feaade53aa7804a22b248f.ml.png b/translated_images/ai-computervision.6506ebebac3fbf76cdb78989d7d3dfea87e88285c0feaade53aa7804a22b248f.ml.png
deleted file mode 100644
index 9eea468f..00000000
Binary files a/translated_images/ai-computervision.6506ebebac3fbf76cdb78989d7d3dfea87e88285c0feaade53aa7804a22b248f.ml.png and /dev/null differ
diff --git a/translated_images/ai-for-beginners.b354ca904b22cd70.kn.png b/translated_images/ai-for-beginners.b354ca904b22cd70.kn.png
deleted file mode 100644
index ce5941d7..00000000
Binary files a/translated_images/ai-for-beginners.b354ca904b22cd70.kn.png and /dev/null differ
diff --git a/translated_images/ai-for-beginners.b354ca904b22cd70.ml.png b/translated_images/ai-for-beginners.b354ca904b22cd70.ml.png
deleted file mode 100644
index 92fa61a6..00000000
Binary files a/translated_images/ai-for-beginners.b354ca904b22cd70.ml.png and /dev/null differ
diff --git a/translated_images/ai-for-beginners.b354ca904b22cd70ef0d0df7b0c8633af55878f9aba882d9b9971d12badff175.kn.png b/translated_images/ai-for-beginners.b354ca904b22cd70ef0d0df7b0c8633af55878f9aba882d9b9971d12badff175.kn.png
deleted file mode 100644
index ce5941d7..00000000
Binary files a/translated_images/ai-for-beginners.b354ca904b22cd70ef0d0df7b0c8633af55878f9aba882d9b9971d12badff175.kn.png and /dev/null differ
diff --git a/translated_images/ai-for-beginners.b354ca904b22cd70ef0d0df7b0c8633af55878f9aba882d9b9971d12badff175.ml.png b/translated_images/ai-for-beginners.b354ca904b22cd70ef0d0df7b0c8633af55878f9aba882d9b9971d12badff175.ml.png
deleted file mode 100644
index 92fa61a6..00000000
Binary files a/translated_images/ai-for-beginners.b354ca904b22cd70ef0d0df7b0c8633af55878f9aba882d9b9971d12badff175.ml.png and /dev/null differ
diff --git a/translated_images/ai-intro.bf28d1ac4235881c.kn.png b/translated_images/ai-intro.bf28d1ac4235881c.kn.png
deleted file mode 100644
index 72dcae34..00000000
Binary files a/translated_images/ai-intro.bf28d1ac4235881c.kn.png and /dev/null differ
diff --git a/translated_images/ai-intro.bf28d1ac4235881c.ml.png b/translated_images/ai-intro.bf28d1ac4235881c.ml.png
deleted file mode 100644
index 54de86d2..00000000
Binary files a/translated_images/ai-intro.bf28d1ac4235881c.ml.png and /dev/null differ
diff --git a/translated_images/ai-intro.bf28d1ac4235881c096f0ffdb320ba4102940eafcca4e9d7a55a03914361f8f3.kn.png b/translated_images/ai-intro.bf28d1ac4235881c096f0ffdb320ba4102940eafcca4e9d7a55a03914361f8f3.kn.png
deleted file mode 100644
index 72dcae34..00000000
Binary files a/translated_images/ai-intro.bf28d1ac4235881c096f0ffdb320ba4102940eafcca4e9d7a55a03914361f8f3.kn.png and /dev/null differ
diff --git a/translated_images/ai-intro.bf28d1ac4235881c096f0ffdb320ba4102940eafcca4e9d7a55a03914361f8f3.ml.png b/translated_images/ai-intro.bf28d1ac4235881c096f0ffdb320ba4102940eafcca4e9d7a55a03914361f8f3.ml.png
deleted file mode 100644
index 54de86d2..00000000
Binary files a/translated_images/ai-intro.bf28d1ac4235881c096f0ffdb320ba4102940eafcca4e9d7a55a03914361f8f3.ml.png and /dev/null differ
diff --git a/translated_images/ai-neuralnetworks.1c687ae40bc86e83.kn.png b/translated_images/ai-neuralnetworks.1c687ae40bc86e83.kn.png
deleted file mode 100644
index a9921162..00000000
Binary files a/translated_images/ai-neuralnetworks.1c687ae40bc86e83.kn.png and /dev/null differ
diff --git a/translated_images/ai-neuralnetworks.1c687ae40bc86e83.ml.png b/translated_images/ai-neuralnetworks.1c687ae40bc86e83.ml.png
deleted file mode 100644
index e52b7601..00000000
Binary files a/translated_images/ai-neuralnetworks.1c687ae40bc86e83.ml.png and /dev/null differ
diff --git a/translated_images/ai-neuralnetworks.1c687ae40bc86e834f497844866a26d3e0886650a67a4bbe29442e2f157d3b18.kn.png b/translated_images/ai-neuralnetworks.1c687ae40bc86e834f497844866a26d3e0886650a67a4bbe29442e2f157d3b18.kn.png
deleted file mode 100644
index a9921162..00000000
Binary files a/translated_images/ai-neuralnetworks.1c687ae40bc86e834f497844866a26d3e0886650a67a4bbe29442e2f157d3b18.kn.png and /dev/null differ
diff --git a/translated_images/ai-neuralnetworks.1c687ae40bc86e834f497844866a26d3e0886650a67a4bbe29442e2f157d3b18.ml.png b/translated_images/ai-neuralnetworks.1c687ae40bc86e834f497844866a26d3e0886650a67a4bbe29442e2f157d3b18.ml.png
deleted file mode 100644
index e52b7601..00000000
Binary files a/translated_images/ai-neuralnetworks.1c687ae40bc86e834f497844866a26d3e0886650a67a4bbe29442e2f157d3b18.ml.png and /dev/null differ
diff --git a/translated_images/ai-nlp.b22dcb8ca4707cea.kn.png b/translated_images/ai-nlp.b22dcb8ca4707cea.kn.png
deleted file mode 100644
index 601a8483..00000000
Binary files a/translated_images/ai-nlp.b22dcb8ca4707cea.kn.png and /dev/null differ
diff --git a/translated_images/ai-nlp.b22dcb8ca4707cea.ml.png b/translated_images/ai-nlp.b22dcb8ca4707cea.ml.png
deleted file mode 100644
index a5dc82b0..00000000
Binary files a/translated_images/ai-nlp.b22dcb8ca4707cea.ml.png and /dev/null differ
diff --git a/translated_images/ai-nlp.b22dcb8ca4707ceaee8576db1c5f4089c8cac2f454e9e03ea554f07fda4556b8.kn.png b/translated_images/ai-nlp.b22dcb8ca4707ceaee8576db1c5f4089c8cac2f454e9e03ea554f07fda4556b8.kn.png
deleted file mode 100644
index 601a8483..00000000
Binary files a/translated_images/ai-nlp.b22dcb8ca4707ceaee8576db1c5f4089c8cac2f454e9e03ea554f07fda4556b8.kn.png and /dev/null differ
diff --git a/translated_images/ai-nlp.b22dcb8ca4707ceaee8576db1c5f4089c8cac2f454e9e03ea554f07fda4556b8.ml.png b/translated_images/ai-nlp.b22dcb8ca4707ceaee8576db1c5f4089c8cac2f454e9e03ea554f07fda4556b8.ml.png
deleted file mode 100644
index a5dc82b0..00000000
Binary files a/translated_images/ai-nlp.b22dcb8ca4707ceaee8576db1c5f4089c8cac2f454e9e03ea554f07fda4556b8.ml.png and /dev/null differ
diff --git a/translated_images/ai-overview.0857791951d19500.kn.png b/translated_images/ai-overview.0857791951d19500.kn.png
deleted file mode 100644
index 943a0a22..00000000
Binary files a/translated_images/ai-overview.0857791951d19500.kn.png and /dev/null differ
diff --git a/translated_images/ai-overview.0857791951d19500.ml.png b/translated_images/ai-overview.0857791951d19500.ml.png
deleted file mode 100644
index 2af5ff7b..00000000
Binary files a/translated_images/ai-overview.0857791951d19500.ml.png and /dev/null differ
diff --git a/translated_images/ai-overview.0857791951d19500d0ef8b803d77110c738dcafc52306e6d68724742cd4af167.kn.png b/translated_images/ai-overview.0857791951d19500d0ef8b803d77110c738dcafc52306e6d68724742cd4af167.kn.png
deleted file mode 100644
index 943a0a22..00000000
Binary files a/translated_images/ai-overview.0857791951d19500d0ef8b803d77110c738dcafc52306e6d68724742cd4af167.kn.png and /dev/null differ
diff --git a/translated_images/ai-overview.0857791951d19500d0ef8b803d77110c738dcafc52306e6d68724742cd4af167.ml.png b/translated_images/ai-overview.0857791951d19500d0ef8b803d77110c738dcafc52306e6d68724742cd4af167.ml.png
deleted file mode 100644
index 2af5ff7b..00000000
Binary files a/translated_images/ai-overview.0857791951d19500d0ef8b803d77110c738dcafc52306e6d68724742cd4af167.ml.png and /dev/null differ
diff --git a/translated_images/ai-symbolic.715a30cb610411a6.kn.png b/translated_images/ai-symbolic.715a30cb610411a6.kn.png
deleted file mode 100644
index 9e2b8adf..00000000
Binary files a/translated_images/ai-symbolic.715a30cb610411a6.kn.png and /dev/null differ
diff --git a/translated_images/ai-symbolic.715a30cb610411a6.ml.png b/translated_images/ai-symbolic.715a30cb610411a6.ml.png
deleted file mode 100644
index 5bd1647d..00000000
Binary files a/translated_images/ai-symbolic.715a30cb610411a6.ml.png and /dev/null differ
diff --git a/translated_images/ai-symbolic.715a30cb610411a6964d2e2f23f24364cb338a07cb4844c1f97084d366e586c3.kn.png b/translated_images/ai-symbolic.715a30cb610411a6964d2e2f23f24364cb338a07cb4844c1f97084d366e586c3.kn.png
deleted file mode 100644
index 9e2b8adf..00000000
Binary files a/translated_images/ai-symbolic.715a30cb610411a6964d2e2f23f24364cb338a07cb4844c1f97084d366e586c3.kn.png and /dev/null differ
diff --git a/translated_images/ai-symbolic.715a30cb610411a6964d2e2f23f24364cb338a07cb4844c1f97084d366e586c3.ml.png b/translated_images/ai-symbolic.715a30cb610411a6964d2e2f23f24364cb338a07cb4844c1f97084d366e586c3.ml.png
deleted file mode 100644
index 5bd1647d..00000000
Binary files a/translated_images/ai-symbolic.715a30cb610411a6964d2e2f23f24364cb338a07cb4844c1f97084d366e586c3.ml.png and /dev/null differ
diff --git a/translated_images/arch-human.5d4d35f1bba3ab1c.kn.png b/translated_images/arch-human.5d4d35f1bba3ab1c.kn.png
deleted file mode 100644
index d5f75ee5..00000000
Binary files a/translated_images/arch-human.5d4d35f1bba3ab1c.kn.png and /dev/null differ
diff --git a/translated_images/arch-human.5d4d35f1bba3ab1c.ml.png b/translated_images/arch-human.5d4d35f1bba3ab1c.ml.png
deleted file mode 100644
index 7d9379e8..00000000
Binary files a/translated_images/arch-human.5d4d35f1bba3ab1c.ml.png and /dev/null differ
diff --git a/translated_images/arch-human.5d4d35f1bba3ab1cdfda96af2f10b89574eb31e9796d0e3011cd9beda1c35112.kn.png b/translated_images/arch-human.5d4d35f1bba3ab1cdfda96af2f10b89574eb31e9796d0e3011cd9beda1c35112.kn.png
deleted file mode 100644
index d5f75ee5..00000000
Binary files a/translated_images/arch-human.5d4d35f1bba3ab1cdfda96af2f10b89574eb31e9796d0e3011cd9beda1c35112.kn.png and /dev/null differ
diff --git a/translated_images/arch-human.5d4d35f1bba3ab1cdfda96af2f10b89574eb31e9796d0e3011cd9beda1c35112.ml.png b/translated_images/arch-human.5d4d35f1bba3ab1cdfda96af2f10b89574eb31e9796d0e3011cd9beda1c35112.ml.png
deleted file mode 100644
index 7d9379e8..00000000
Binary files a/translated_images/arch-human.5d4d35f1bba3ab1cdfda96af2f10b89574eb31e9796d0e3011cd9beda1c35112.ml.png and /dev/null differ
diff --git a/translated_images/arch-kbs.3ec5c150b09fa8da.kn.png b/translated_images/arch-kbs.3ec5c150b09fa8da.kn.png
deleted file mode 100644
index f0dea1ff..00000000
Binary files a/translated_images/arch-kbs.3ec5c150b09fa8da.kn.png and /dev/null differ
diff --git a/translated_images/arch-kbs.3ec5c150b09fa8da.ml.png b/translated_images/arch-kbs.3ec5c150b09fa8da.ml.png
deleted file mode 100644
index 774eca05..00000000
Binary files a/translated_images/arch-kbs.3ec5c150b09fa8da.ml.png and /dev/null differ
diff --git a/translated_images/arch-kbs.3ec5c150b09fa8dadc2beb0931a4983c9e2b03913a89eebcc103b5bb841b0212.kn.png b/translated_images/arch-kbs.3ec5c150b09fa8dadc2beb0931a4983c9e2b03913a89eebcc103b5bb841b0212.kn.png
deleted file mode 100644
index f0dea1ff..00000000
Binary files a/translated_images/arch-kbs.3ec5c150b09fa8dadc2beb0931a4983c9e2b03913a89eebcc103b5bb841b0212.kn.png and /dev/null differ
diff --git a/translated_images/arch-kbs.3ec5c150b09fa8dadc2beb0931a4983c9e2b03913a89eebcc103b5bb841b0212.ml.png b/translated_images/arch-kbs.3ec5c150b09fa8dadc2beb0931a4983c9e2b03913a89eebcc103b5bb841b0212.ml.png
deleted file mode 100644
index 774eca05..00000000
Binary files a/translated_images/arch-kbs.3ec5c150b09fa8dadc2beb0931a4983c9e2b03913a89eebcc103b5bb841b0212.ml.png and /dev/null differ
diff --git a/translated_images/artneuron.1a5daa88d20ebe6f.kn.png b/translated_images/artneuron.1a5daa88d20ebe6f.kn.png
deleted file mode 100644
index cddfd658..00000000
Binary files a/translated_images/artneuron.1a5daa88d20ebe6f.kn.png and /dev/null differ
diff --git a/translated_images/artneuron.1a5daa88d20ebe6f.ml.png b/translated_images/artneuron.1a5daa88d20ebe6f.ml.png
deleted file mode 100644
index 9c6c0e0d..00000000
Binary files a/translated_images/artneuron.1a5daa88d20ebe6f.ml.png and /dev/null differ
diff --git a/translated_images/artneuron.1a5daa88d20ebe6f5824ddb89fba0bdaaf49f67e8230c1afbec42909df1fc17e.kn.png b/translated_images/artneuron.1a5daa88d20ebe6f5824ddb89fba0bdaaf49f67e8230c1afbec42909df1fc17e.kn.png
deleted file mode 100644
index cddfd658..00000000
Binary files a/translated_images/artneuron.1a5daa88d20ebe6f5824ddb89fba0bdaaf49f67e8230c1afbec42909df1fc17e.kn.png and /dev/null differ
diff --git a/translated_images/artneuron.1a5daa88d20ebe6f5824ddb89fba0bdaaf49f67e8230c1afbec42909df1fc17e.ml.png b/translated_images/artneuron.1a5daa88d20ebe6f5824ddb89fba0bdaaf49f67e8230c1afbec42909df1fc17e.ml.png
deleted file mode 100644
index 9c6c0e0d..00000000
Binary files a/translated_images/artneuron.1a5daa88d20ebe6f5824ddb89fba0bdaaf49f67e8230c1afbec42909df1fc17e.ml.png and /dev/null differ
diff --git a/translated_images/ascii-character-map.18ed6aa7f3b0a7ff.kn.png b/translated_images/ascii-character-map.18ed6aa7f3b0a7ff.kn.png
deleted file mode 100644
index 7d2dab1c..00000000
Binary files a/translated_images/ascii-character-map.18ed6aa7f3b0a7ff.kn.png and /dev/null differ
diff --git a/translated_images/ascii-character-map.18ed6aa7f3b0a7ff.ml.png b/translated_images/ascii-character-map.18ed6aa7f3b0a7ff.ml.png
deleted file mode 100644
index 0323a499..00000000
Binary files a/translated_images/ascii-character-map.18ed6aa7f3b0a7ff.ml.png and /dev/null differ
diff --git a/translated_images/ascii-character-map.18ed6aa7f3b0a7ffeb29db95be05a245b6a20712bb2c3a9963c1ec7e9df70358.kn.png b/translated_images/ascii-character-map.18ed6aa7f3b0a7ffeb29db95be05a245b6a20712bb2c3a9963c1ec7e9df70358.kn.png
deleted file mode 100644
index 7d2dab1c..00000000
Binary files a/translated_images/ascii-character-map.18ed6aa7f3b0a7ffeb29db95be05a245b6a20712bb2c3a9963c1ec7e9df70358.kn.png and /dev/null differ
diff --git a/translated_images/ascii-character-map.18ed6aa7f3b0a7ffeb29db95be05a245b6a20712bb2c3a9963c1ec7e9df70358.ml.png b/translated_images/ascii-character-map.18ed6aa7f3b0a7ffeb29db95be05a245b6a20712bb2c3a9963c1ec7e9df70358.ml.png
deleted file mode 100644
index 0323a499..00000000
Binary files a/translated_images/ascii-character-map.18ed6aa7f3b0a7ffeb29db95be05a245b6a20712bb2c3a9963c1ec7e9df70358.ml.png and /dev/null differ
diff --git a/translated_images/autoencoder_schema.5e6fc9ad98a5eb61.kn.jpg b/translated_images/autoencoder_schema.5e6fc9ad98a5eb61.kn.jpg
deleted file mode 100644
index 071390f9..00000000
Binary files a/translated_images/autoencoder_schema.5e6fc9ad98a5eb61.kn.jpg and /dev/null differ
diff --git a/translated_images/autoencoder_schema.5e6fc9ad98a5eb61.ml.jpg b/translated_images/autoencoder_schema.5e6fc9ad98a5eb61.ml.jpg
deleted file mode 100644
index f51e5389..00000000
Binary files a/translated_images/autoencoder_schema.5e6fc9ad98a5eb61.ml.jpg and /dev/null differ
diff --git a/translated_images/autoencoder_schema.5e6fc9ad98a5eb6197f3513cf3baf4dfbe1389a6ae74daebda64de9f1c99f142.kn.jpg b/translated_images/autoencoder_schema.5e6fc9ad98a5eb6197f3513cf3baf4dfbe1389a6ae74daebda64de9f1c99f142.kn.jpg
deleted file mode 100644
index 071390f9..00000000
Binary files a/translated_images/autoencoder_schema.5e6fc9ad98a5eb6197f3513cf3baf4dfbe1389a6ae74daebda64de9f1c99f142.kn.jpg and /dev/null differ
diff --git a/translated_images/autoencoder_schema.5e6fc9ad98a5eb6197f3513cf3baf4dfbe1389a6ae74daebda64de9f1c99f142.ml.jpg b/translated_images/autoencoder_schema.5e6fc9ad98a5eb6197f3513cf3baf4dfbe1389a6ae74daebda64de9f1c99f142.ml.jpg
deleted file mode 100644
index f51e5389..00000000
Binary files a/translated_images/autoencoder_schema.5e6fc9ad98a5eb6197f3513cf3baf4dfbe1389a6ae74daebda64de9f1c99f142.ml.jpg and /dev/null differ
diff --git a/translated_images/bag-of-words-example.606fc1738f1d7ba9.kn.png b/translated_images/bag-of-words-example.606fc1738f1d7ba9.kn.png
deleted file mode 100644
index 1cb1476b..00000000
Binary files a/translated_images/bag-of-words-example.606fc1738f1d7ba9.kn.png and /dev/null differ
diff --git a/translated_images/bag-of-words-example.606fc1738f1d7ba9.ml.png b/translated_images/bag-of-words-example.606fc1738f1d7ba9.ml.png
deleted file mode 100644
index c3d4f86a..00000000
Binary files a/translated_images/bag-of-words-example.606fc1738f1d7ba9.ml.png and /dev/null differ
diff --git a/translated_images/bag-of-words-example.606fc1738f1d7ba98a9d693e3bcd706c6e83fa7bf8221e6e90d1a206d82f2ea4.kn.png b/translated_images/bag-of-words-example.606fc1738f1d7ba98a9d693e3bcd706c6e83fa7bf8221e6e90d1a206d82f2ea4.kn.png
deleted file mode 100644
index 1cb1476b..00000000
Binary files a/translated_images/bag-of-words-example.606fc1738f1d7ba98a9d693e3bcd706c6e83fa7bf8221e6e90d1a206d82f2ea4.kn.png and /dev/null differ
diff --git a/translated_images/bag-of-words-example.606fc1738f1d7ba98a9d693e3bcd706c6e83fa7bf8221e6e90d1a206d82f2ea4.ml.png b/translated_images/bag-of-words-example.606fc1738f1d7ba98a9d693e3bcd706c6e83fa7bf8221e6e90d1a206d82f2ea4.ml.png
deleted file mode 100644
index c3d4f86a..00000000
Binary files a/translated_images/bag-of-words-example.606fc1738f1d7ba98a9d693e3bcd706c6e83fa7bf8221e6e90d1a206d82f2ea4.ml.png and /dev/null differ
diff --git a/translated_images/bahdanau-fig3.09ba2d37f202a6af.kn.png b/translated_images/bahdanau-fig3.09ba2d37f202a6af.kn.png
deleted file mode 100644
index ba9eb4bd..00000000
Binary files a/translated_images/bahdanau-fig3.09ba2d37f202a6af.kn.png and /dev/null differ
diff --git a/translated_images/bahdanau-fig3.09ba2d37f202a6af.ml.png b/translated_images/bahdanau-fig3.09ba2d37f202a6af.ml.png
deleted file mode 100644
index 24363f8c..00000000
Binary files a/translated_images/bahdanau-fig3.09ba2d37f202a6af.ml.png and /dev/null differ
diff --git a/translated_images/bahdanau-fig3.09ba2d37f202a6af11de6c82d2d197830ba5f4528d9ea430eb65fd3a75065973.kn.png b/translated_images/bahdanau-fig3.09ba2d37f202a6af11de6c82d2d197830ba5f4528d9ea430eb65fd3a75065973.kn.png
deleted file mode 100644
index ba9eb4bd..00000000
Binary files a/translated_images/bahdanau-fig3.09ba2d37f202a6af11de6c82d2d197830ba5f4528d9ea430eb65fd3a75065973.kn.png and /dev/null differ
diff --git a/translated_images/bahdanau-fig3.09ba2d37f202a6af11de6c82d2d197830ba5f4528d9ea430eb65fd3a75065973.ml.png b/translated_images/bahdanau-fig3.09ba2d37f202a6af11de6c82d2d197830ba5f4528d9ea430eb65fd3a75065973.ml.png
deleted file mode 100644
index 24363f8c..00000000
Binary files a/translated_images/bahdanau-fig3.09ba2d37f202a6af11de6c82d2d197830ba5f4528d9ea430eb65fd3a75065973.ml.png and /dev/null differ
diff --git a/translated_images/bot-ner.4b09235dbb0ad275.kn.png b/translated_images/bot-ner.4b09235dbb0ad275.kn.png
deleted file mode 100644
index ab0909c6..00000000
Binary files a/translated_images/bot-ner.4b09235dbb0ad275.kn.png and /dev/null differ
diff --git a/translated_images/bot-ner.4b09235dbb0ad275.ml.png b/translated_images/bot-ner.4b09235dbb0ad275.ml.png
deleted file mode 100644
index 1e909b98..00000000
Binary files a/translated_images/bot-ner.4b09235dbb0ad275.ml.png and /dev/null differ
diff --git a/translated_images/bot-ner.4b09235dbb0ad2754ec1f54c8c797f902cbb0b45ac90b0cfc8287343cef8df2f.kn.png b/translated_images/bot-ner.4b09235dbb0ad2754ec1f54c8c797f902cbb0b45ac90b0cfc8287343cef8df2f.kn.png
deleted file mode 100644
index ab0909c6..00000000
Binary files a/translated_images/bot-ner.4b09235dbb0ad2754ec1f54c8c797f902cbb0b45ac90b0cfc8287343cef8df2f.kn.png and /dev/null differ
diff --git a/translated_images/bot-ner.4b09235dbb0ad2754ec1f54c8c797f902cbb0b45ac90b0cfc8287343cef8df2f.ml.png b/translated_images/bot-ner.4b09235dbb0ad2754ec1f54c8c797f902cbb0b45ac90b0cfc8287343cef8df2f.ml.png
deleted file mode 100644
index 1e909b98..00000000
Binary files a/translated_images/bot-ner.4b09235dbb0ad2754ec1f54c8c797f902cbb0b45ac90b0cfc8287343cef8df2f.ml.png and /dev/null differ
diff --git a/translated_images/bow.3811869cff59368d.kn.png b/translated_images/bow.3811869cff59368d.kn.png
deleted file mode 100644
index fc4f9703..00000000
Binary files a/translated_images/bow.3811869cff59368d.kn.png and /dev/null differ
diff --git a/translated_images/bow.3811869cff59368d.ml.png b/translated_images/bow.3811869cff59368d.ml.png
deleted file mode 100644
index 24e53fb9..00000000
Binary files a/translated_images/bow.3811869cff59368d.ml.png and /dev/null differ
diff --git a/translated_images/bow.3811869cff59368d951c7a765ed20ebeaf7d10680eb602ea7c5312fb22f7b7ad.kn.png b/translated_images/bow.3811869cff59368d951c7a765ed20ebeaf7d10680eb602ea7c5312fb22f7b7ad.kn.png
deleted file mode 100644
index fc4f9703..00000000
Binary files a/translated_images/bow.3811869cff59368d951c7a765ed20ebeaf7d10680eb602ea7c5312fb22f7b7ad.kn.png and /dev/null differ
diff --git a/translated_images/bow.3811869cff59368d951c7a765ed20ebeaf7d10680eb602ea7c5312fb22f7b7ad.ml.png b/translated_images/bow.3811869cff59368d951c7a765ed20ebeaf7d10680eb602ea7c5312fb22f7b7ad.ml.png
deleted file mode 100644
index 24e53fb9..00000000
Binary files a/translated_images/bow.3811869cff59368d951c7a765ed20ebeaf7d10680eb602ea7c5312fb22f7b7ad.ml.png and /dev/null differ
diff --git a/translated_images/braille-result.46530fea020b03c7.kn.png b/translated_images/braille-result.46530fea020b03c7.kn.png
deleted file mode 100644
index 82fa8e43..00000000
Binary files a/translated_images/braille-result.46530fea020b03c7.kn.png and /dev/null differ
diff --git a/translated_images/braille-result.46530fea020b03c7.ml.png b/translated_images/braille-result.46530fea020b03c7.ml.png
deleted file mode 100644
index 82fa8e43..00000000
Binary files a/translated_images/braille-result.46530fea020b03c7.ml.png and /dev/null differ
diff --git a/translated_images/braille-result.46530fea020b03c76aac532d7d6eeef7f6fb35b55b1001cd21627907dabef3ed.kn.png b/translated_images/braille-result.46530fea020b03c76aac532d7d6eeef7f6fb35b55b1001cd21627907dabef3ed.kn.png
deleted file mode 100644
index 82fa8e43..00000000
Binary files a/translated_images/braille-result.46530fea020b03c76aac532d7d6eeef7f6fb35b55b1001cd21627907dabef3ed.kn.png and /dev/null differ
diff --git a/translated_images/braille-result.46530fea020b03c76aac532d7d6eeef7f6fb35b55b1001cd21627907dabef3ed.ml.png b/translated_images/braille-result.46530fea020b03c76aac532d7d6eeef7f6fb35b55b1001cd21627907dabef3ed.ml.png
deleted file mode 100644
index 82fa8e43..00000000
Binary files a/translated_images/braille-result.46530fea020b03c76aac532d7d6eeef7f6fb35b55b1001cd21627907dabef3ed.ml.png and /dev/null differ
diff --git a/translated_images/braille-symbols.0159185ab69d5339.kn.png b/translated_images/braille-symbols.0159185ab69d5339.kn.png
deleted file mode 100644
index 18f422aa..00000000
Binary files a/translated_images/braille-symbols.0159185ab69d5339.kn.png and /dev/null differ
diff --git a/translated_images/braille-symbols.0159185ab69d5339.ml.png b/translated_images/braille-symbols.0159185ab69d5339.ml.png
deleted file mode 100644
index 156933d4..00000000
Binary files a/translated_images/braille-symbols.0159185ab69d5339.ml.png and /dev/null differ
diff --git a/translated_images/braille-symbols.0159185ab69d533909dc4d7d26a1971b51401c6a80eb3a5584f250ea880af88b.kn.png b/translated_images/braille-symbols.0159185ab69d533909dc4d7d26a1971b51401c6a80eb3a5584f250ea880af88b.kn.png
deleted file mode 100644
index 18f422aa..00000000
Binary files a/translated_images/braille-symbols.0159185ab69d533909dc4d7d26a1971b51401c6a80eb3a5584f250ea880af88b.kn.png and /dev/null differ
diff --git a/translated_images/braille-symbols.0159185ab69d533909dc4d7d26a1971b51401c6a80eb3a5584f250ea880af88b.ml.png b/translated_images/braille-symbols.0159185ab69d533909dc4d7d26a1971b51401c6a80eb3a5584f250ea880af88b.ml.png
deleted file mode 100644
index 156933d4..00000000
Binary files a/translated_images/braille-symbols.0159185ab69d533909dc4d7d26a1971b51401c6a80eb3a5584f250ea880af88b.ml.png and /dev/null differ
diff --git a/translated_images/braille.341962ff76b1bd70.kn.jpeg b/translated_images/braille.341962ff76b1bd70.kn.jpeg
deleted file mode 100644
index 5d3ee5e4..00000000
Binary files a/translated_images/braille.341962ff76b1bd70.kn.jpeg and /dev/null differ
diff --git a/translated_images/braille.341962ff76b1bd70.ml.jpeg b/translated_images/braille.341962ff76b1bd70.ml.jpeg
deleted file mode 100644
index 5d3ee5e4..00000000
Binary files a/translated_images/braille.341962ff76b1bd70.ml.jpeg and /dev/null differ
diff --git a/translated_images/braille.341962ff76b1bd7044409371d3de09ced5028132aef97344ea4b7468c1208126.kn.jpeg b/translated_images/braille.341962ff76b1bd7044409371d3de09ced5028132aef97344ea4b7468c1208126.kn.jpeg
deleted file mode 100644
index 5d3ee5e4..00000000
Binary files a/translated_images/braille.341962ff76b1bd7044409371d3de09ced5028132aef97344ea4b7468c1208126.kn.jpeg and /dev/null differ
diff --git a/translated_images/braille.341962ff76b1bd7044409371d3de09ced5028132aef97344ea4b7468c1208126.ml.jpeg b/translated_images/braille.341962ff76b1bd7044409371d3de09ced5028132aef97344ea4b7468c1208126.ml.jpeg
deleted file mode 100644
index 5d3ee5e4..00000000
Binary files a/translated_images/braille.341962ff76b1bd7044409371d3de09ced5028132aef97344ea4b7468c1208126.ml.jpeg and /dev/null differ
diff --git a/translated_images/cartpole.f52a67f27e058170.kn.png b/translated_images/cartpole.f52a67f27e058170.kn.png
deleted file mode 100644
index 76b66c47..00000000
Binary files a/translated_images/cartpole.f52a67f27e058170.kn.png and /dev/null differ
diff --git a/translated_images/cartpole.f52a67f27e058170.ml.png b/translated_images/cartpole.f52a67f27e058170.ml.png
deleted file mode 100644
index 76b66c47..00000000
Binary files a/translated_images/cartpole.f52a67f27e058170.ml.png and /dev/null differ
diff --git a/translated_images/cartpole.f52a67f27e058170c25efc1bca8375b60906570ea757fe8d7ef04ae8e53df29d.kn.png b/translated_images/cartpole.f52a67f27e058170c25efc1bca8375b60906570ea757fe8d7ef04ae8e53df29d.kn.png
deleted file mode 100644
index 76b66c47..00000000
Binary files a/translated_images/cartpole.f52a67f27e058170c25efc1bca8375b60906570ea757fe8d7ef04ae8e53df29d.kn.png and /dev/null differ
diff --git a/translated_images/cartpole.f52a67f27e058170c25efc1bca8375b60906570ea757fe8d7ef04ae8e53df29d.ml.png b/translated_images/cartpole.f52a67f27e058170c25efc1bca8375b60906570ea757fe8d7ef04ae8e53df29d.ml.png
deleted file mode 100644
index 76b66c47..00000000
Binary files a/translated_images/cartpole.f52a67f27e058170c25efc1bca8375b60906570ea757fe8d7ef04ae8e53df29d.ml.png and /dev/null differ
diff --git a/translated_images/catsdogsdataset.a7aff8e6085fd3f0.kn.png b/translated_images/catsdogsdataset.a7aff8e6085fd3f0.kn.png
deleted file mode 100644
index f8549fbf..00000000
Binary files a/translated_images/catsdogsdataset.a7aff8e6085fd3f0.kn.png and /dev/null differ
diff --git a/translated_images/catsdogsdataset.a7aff8e6085fd3f0.ml.png b/translated_images/catsdogsdataset.a7aff8e6085fd3f0.ml.png
deleted file mode 100644
index 48f39ab3..00000000
Binary files a/translated_images/catsdogsdataset.a7aff8e6085fd3f0.ml.png and /dev/null differ
diff --git a/translated_images/catsdogsdataset.a7aff8e6085fd3f062a882179ac5e5a9e652f82ca35c5f5a94f96f526da34498.kn.png b/translated_images/catsdogsdataset.a7aff8e6085fd3f062a882179ac5e5a9e652f82ca35c5f5a94f96f526da34498.kn.png
deleted file mode 100644
index f8549fbf..00000000
Binary files a/translated_images/catsdogsdataset.a7aff8e6085fd3f062a882179ac5e5a9e652f82ca35c5f5a94f96f526da34498.kn.png and /dev/null differ
diff --git a/translated_images/catsdogsdataset.a7aff8e6085fd3f062a882179ac5e5a9e652f82ca35c5f5a94f96f526da34498.ml.png b/translated_images/catsdogsdataset.a7aff8e6085fd3f062a882179ac5e5a9e652f82ca35c5f5a94f96f526da34498.ml.png
deleted file mode 100644
index 48f39ab3..00000000
Binary files a/translated_images/catsdogsdataset.a7aff8e6085fd3f062a882179ac5e5a9e652f82ca35c5f5a94f96f526da34498.ml.png and /dev/null differ
diff --git a/translated_images/clip-arch.b3dbf20b4e8ed8be.kn.png b/translated_images/clip-arch.b3dbf20b4e8ed8be.kn.png
deleted file mode 100644
index d5177e3e..00000000
Binary files a/translated_images/clip-arch.b3dbf20b4e8ed8be.kn.png and /dev/null differ
diff --git a/translated_images/clip-arch.b3dbf20b4e8ed8be.ml.png b/translated_images/clip-arch.b3dbf20b4e8ed8be.ml.png
deleted file mode 100644
index fba8ec26..00000000
Binary files a/translated_images/clip-arch.b3dbf20b4e8ed8be.ml.png and /dev/null differ
diff --git a/translated_images/clip-arch.b3dbf20b4e8ed8be1c38e2bc6100fd3cc257c33cda4692b301be91f791b13ea7.kn.png b/translated_images/clip-arch.b3dbf20b4e8ed8be1c38e2bc6100fd3cc257c33cda4692b301be91f791b13ea7.kn.png
deleted file mode 100644
index d5177e3e..00000000
Binary files a/translated_images/clip-arch.b3dbf20b4e8ed8be1c38e2bc6100fd3cc257c33cda4692b301be91f791b13ea7.kn.png and /dev/null differ
diff --git a/translated_images/clip-arch.b3dbf20b4e8ed8be1c38e2bc6100fd3cc257c33cda4692b301be91f791b13ea7.ml.png b/translated_images/clip-arch.b3dbf20b4e8ed8be1c38e2bc6100fd3cc257c33cda4692b301be91f791b13ea7.ml.png
deleted file mode 100644
index fba8ec26..00000000
Binary files a/translated_images/clip-arch.b3dbf20b4e8ed8be1c38e2bc6100fd3cc257c33cda4692b301be91f791b13ea7.ml.png and /dev/null differ
diff --git a/translated_images/clip-class.3af42ef0b2b19369.kn.png b/translated_images/clip-class.3af42ef0b2b19369.kn.png
deleted file mode 100644
index 4a5a73fd..00000000
Binary files a/translated_images/clip-class.3af42ef0b2b19369.kn.png and /dev/null differ
diff --git a/translated_images/clip-class.3af42ef0b2b19369.ml.png b/translated_images/clip-class.3af42ef0b2b19369.ml.png
deleted file mode 100644
index fba8ec26..00000000
Binary files a/translated_images/clip-class.3af42ef0b2b19369.ml.png and /dev/null differ
diff --git a/translated_images/clip-class.3af42ef0b2b19369a633df5f20ddf4f5a01d6c8ffa181e9d3a0572c19f919f72.kn.png b/translated_images/clip-class.3af42ef0b2b19369a633df5f20ddf4f5a01d6c8ffa181e9d3a0572c19f919f72.kn.png
deleted file mode 100644
index 4a5a73fd..00000000
Binary files a/translated_images/clip-class.3af42ef0b2b19369a633df5f20ddf4f5a01d6c8ffa181e9d3a0572c19f919f72.kn.png and /dev/null differ
diff --git a/translated_images/clip-class.3af42ef0b2b19369a633df5f20ddf4f5a01d6c8ffa181e9d3a0572c19f919f72.ml.png b/translated_images/clip-class.3af42ef0b2b19369a633df5f20ddf4f5a01d6c8ffa181e9d3a0572c19f919f72.ml.png
deleted file mode 100644
index fba8ec26..00000000
Binary files a/translated_images/clip-class.3af42ef0b2b19369a633df5f20ddf4f5a01d6c8ffa181e9d3a0572c19f919f72.ml.png and /dev/null differ
diff --git a/translated_images/cnn-pyramid.85915455759ef0ce.kn.png b/translated_images/cnn-pyramid.85915455759ef0ce.kn.png
deleted file mode 100644
index 34635cb2..00000000
Binary files a/translated_images/cnn-pyramid.85915455759ef0ce.kn.png and /dev/null differ
diff --git a/translated_images/cnn-pyramid.85915455759ef0ce.ml.png b/translated_images/cnn-pyramid.85915455759ef0ce.ml.png
deleted file mode 100644
index 92d09e54..00000000
Binary files a/translated_images/cnn-pyramid.85915455759ef0ce.ml.png and /dev/null differ
diff --git a/translated_images/cnn-pyramid.85915455759ef0ce6a8cc9da2170492c85bfd9e1b61832650e2228e037039ec4.kn.png b/translated_images/cnn-pyramid.85915455759ef0ce6a8cc9da2170492c85bfd9e1b61832650e2228e037039ec4.kn.png
deleted file mode 100644
index 34635cb2..00000000
Binary files a/translated_images/cnn-pyramid.85915455759ef0ce6a8cc9da2170492c85bfd9e1b61832650e2228e037039ec4.kn.png and /dev/null differ
diff --git a/translated_images/cnn-pyramid.85915455759ef0ce6a8cc9da2170492c85bfd9e1b61832650e2228e037039ec4.ml.png b/translated_images/cnn-pyramid.85915455759ef0ce6a8cc9da2170492c85bfd9e1b61832650e2228e037039ec4.ml.png
deleted file mode 100644
index 92d09e54..00000000
Binary files a/translated_images/cnn-pyramid.85915455759ef0ce6a8cc9da2170492c85bfd9e1b61832650e2228e037039ec4.ml.png and /dev/null differ
diff --git a/translated_images/coco-examples.71bc60380fa6cceb.kn.jpg b/translated_images/coco-examples.71bc60380fa6cceb.kn.jpg
deleted file mode 100644
index 8e757e3c..00000000
Binary files a/translated_images/coco-examples.71bc60380fa6cceb.kn.jpg and /dev/null differ
diff --git a/translated_images/coco-examples.71bc60380fa6cceb.ml.jpg b/translated_images/coco-examples.71bc60380fa6cceb.ml.jpg
deleted file mode 100644
index d219278e..00000000
Binary files a/translated_images/coco-examples.71bc60380fa6cceb.ml.jpg and /dev/null differ
diff --git a/translated_images/coco-examples.71bc60380fa6cceb7caad48bd09e35b6028caabd363aa04fee89c414e0870e86.kn.jpg b/translated_images/coco-examples.71bc60380fa6cceb7caad48bd09e35b6028caabd363aa04fee89c414e0870e86.kn.jpg
deleted file mode 100644
index 8e757e3c..00000000
Binary files a/translated_images/coco-examples.71bc60380fa6cceb7caad48bd09e35b6028caabd363aa04fee89c414e0870e86.kn.jpg and /dev/null differ
diff --git a/translated_images/coco-examples.71bc60380fa6cceb7caad48bd09e35b6028caabd363aa04fee89c414e0870e86.ml.jpg b/translated_images/coco-examples.71bc60380fa6cceb7caad48bd09e35b6028caabd363aa04fee89c414e0870e86.ml.jpg
deleted file mode 100644
index d219278e..00000000
Binary files a/translated_images/coco-examples.71bc60380fa6cceb7caad48bd09e35b6028caabd363aa04fee89c414e0870e86.ml.jpg and /dev/null differ
diff --git a/translated_images/convolutionExample.634615d5ff7081e0.kn.png b/translated_images/convolutionExample.634615d5ff7081e0.kn.png
deleted file mode 100644
index 627f983b..00000000
Binary files a/translated_images/convolutionExample.634615d5ff7081e0.kn.png and /dev/null differ
diff --git a/translated_images/convolutionExample.634615d5ff7081e0.ml.png b/translated_images/convolutionExample.634615d5ff7081e0.ml.png
deleted file mode 100644
index 627f983b..00000000
Binary files a/translated_images/convolutionExample.634615d5ff7081e0.ml.png and /dev/null differ
diff --git a/translated_images/convolutionExample.634615d5ff7081e0b73416b9e398f9eade32856616386fdc0cf412ce898cc192.kn.png b/translated_images/convolutionExample.634615d5ff7081e0b73416b9e398f9eade32856616386fdc0cf412ce898cc192.kn.png
deleted file mode 100644
index 627f983b..00000000
Binary files a/translated_images/convolutionExample.634615d5ff7081e0b73416b9e398f9eade32856616386fdc0cf412ce898cc192.kn.png and /dev/null differ
diff --git a/translated_images/convolutionExample.634615d5ff7081e0b73416b9e398f9eade32856616386fdc0cf412ce898cc192.ml.png b/translated_images/convolutionExample.634615d5ff7081e0b73416b9e398f9eade32856616386fdc0cf412ce898cc192.ml.png
deleted file mode 100644
index 627f983b..00000000
Binary files a/translated_images/convolutionExample.634615d5ff7081e0b73416b9e398f9eade32856616386fdc0cf412ce898cc192.ml.png and /dev/null differ
diff --git a/translated_images/data.50b2a9d5484bdbf0.kn.png b/translated_images/data.50b2a9d5484bdbf0.kn.png
deleted file mode 100644
index 96b51632..00000000
Binary files a/translated_images/data.50b2a9d5484bdbf0.kn.png and /dev/null differ
diff --git a/translated_images/data.50b2a9d5484bdbf0.ml.png b/translated_images/data.50b2a9d5484bdbf0.ml.png
deleted file mode 100644
index 6c21bf29..00000000
Binary files a/translated_images/data.50b2a9d5484bdbf0.ml.png and /dev/null differ
diff --git a/translated_images/data.50b2a9d5484bdbf0f52f5765b381cec9efe2bd296a98f007f90bedb6ac67f2a8.kn.png b/translated_images/data.50b2a9d5484bdbf0f52f5765b381cec9efe2bd296a98f007f90bedb6ac67f2a8.kn.png
deleted file mode 100644
index 96b51632..00000000
Binary files a/translated_images/data.50b2a9d5484bdbf0f52f5765b381cec9efe2bd296a98f007f90bedb6ac67f2a8.kn.png and /dev/null differ
diff --git a/translated_images/data.50b2a9d5484bdbf0f52f5765b381cec9efe2bd296a98f007f90bedb6ac67f2a8.ml.png b/translated_images/data.50b2a9d5484bdbf0f52f5765b381cec9efe2bd296a98f007f90bedb6ac67f2a8.ml.png
deleted file mode 100644
index 6c21bf29..00000000
Binary files a/translated_images/data.50b2a9d5484bdbf0f52f5765b381cec9efe2bd296a98f007f90bedb6ac67f2a8.ml.png and /dev/null differ
diff --git a/translated_images/dcgan_generator.b500988ec2bc8ba5.kn.png b/translated_images/dcgan_generator.b500988ec2bc8ba5.kn.png
deleted file mode 100644
index 2a38da3d..00000000
Binary files a/translated_images/dcgan_generator.b500988ec2bc8ba5.kn.png and /dev/null differ
diff --git a/translated_images/dcgan_generator.b500988ec2bc8ba5.ml.png b/translated_images/dcgan_generator.b500988ec2bc8ba5.ml.png
deleted file mode 100644
index 379bca52..00000000
Binary files a/translated_images/dcgan_generator.b500988ec2bc8ba5.ml.png and /dev/null differ
diff --git a/translated_images/dcgan_generator.b500988ec2bc8ba5cb38dae855fece348933171227c0536743b9c3b599f33f3d.kn.png b/translated_images/dcgan_generator.b500988ec2bc8ba5cb38dae855fece348933171227c0536743b9c3b599f33f3d.kn.png
deleted file mode 100644
index 2a38da3d..00000000
Binary files a/translated_images/dcgan_generator.b500988ec2bc8ba5cb38dae855fece348933171227c0536743b9c3b599f33f3d.kn.png and /dev/null differ
diff --git a/translated_images/dcgan_generator.b500988ec2bc8ba5cb38dae855fece348933171227c0536743b9c3b599f33f3d.ml.png b/translated_images/dcgan_generator.b500988ec2bc8ba5cb38dae855fece348933171227c0536743b9c3b599f33f3d.ml.png
deleted file mode 100644
index 379bca52..00000000
Binary files a/translated_images/dcgan_generator.b500988ec2bc8ba5cb38dae855fece348933171227c0536743b9c3b599f33f3d.ml.png and /dev/null differ
diff --git a/translated_images/dog-from-unsplash.426f9fbca2febc93.kn.jpg b/translated_images/dog-from-unsplash.426f9fbca2febc93.kn.jpg
deleted file mode 100644
index 1ec22269..00000000
Binary files a/translated_images/dog-from-unsplash.426f9fbca2febc93.kn.jpg and /dev/null differ
diff --git a/translated_images/dog-from-unsplash.426f9fbca2febc93.ml.jpg b/translated_images/dog-from-unsplash.426f9fbca2febc93.ml.jpg
deleted file mode 100644
index 1ec22269..00000000
Binary files a/translated_images/dog-from-unsplash.426f9fbca2febc93.ml.jpg and /dev/null differ
diff --git a/translated_images/dog-from-unsplash.426f9fbca2febc93f70499f8330874380bd6f2184b4fb986bac7220826d11a00.kn.jpg b/translated_images/dog-from-unsplash.426f9fbca2febc93f70499f8330874380bd6f2184b4fb986bac7220826d11a00.kn.jpg
deleted file mode 100644
index 1ec22269..00000000
Binary files a/translated_images/dog-from-unsplash.426f9fbca2febc93f70499f8330874380bd6f2184b4fb986bac7220826d11a00.kn.jpg and /dev/null differ
diff --git a/translated_images/dog-from-unsplash.426f9fbca2febc93f70499f8330874380bd6f2184b4fb986bac7220826d11a00.ml.jpg b/translated_images/dog-from-unsplash.426f9fbca2febc93f70499f8330874380bd6f2184b4fb986bac7220826d11a00.ml.jpg
deleted file mode 100644
index 1ec22269..00000000
Binary files a/translated_images/dog-from-unsplash.426f9fbca2febc93f70499f8330874380bd6f2184b4fb986bac7220826d11a00.ml.jpg and /dev/null differ
diff --git a/translated_images/dsh_age.d212a30d4e54fb5f.kn.png b/translated_images/dsh_age.d212a30d4e54fb5f.kn.png
deleted file mode 100644
index 5796547d..00000000
Binary files a/translated_images/dsh_age.d212a30d4e54fb5f.kn.png and /dev/null differ
diff --git a/translated_images/dsh_age.d212a30d4e54fb5f.ml.png b/translated_images/dsh_age.d212a30d4e54fb5f.ml.png
deleted file mode 100644
index 3a0eeaf9..00000000
Binary files a/translated_images/dsh_age.d212a30d4e54fb5f.ml.png and /dev/null differ
diff --git a/translated_images/dsh_age.d212a30d4e54fb5f68b94a624aad64bc086124bcbbec9561ae5bd5da661e22d8.kn.png b/translated_images/dsh_age.d212a30d4e54fb5f68b94a624aad64bc086124bcbbec9561ae5bd5da661e22d8.kn.png
deleted file mode 100644
index 5796547d..00000000
Binary files a/translated_images/dsh_age.d212a30d4e54fb5f68b94a624aad64bc086124bcbbec9561ae5bd5da661e22d8.kn.png and /dev/null differ
diff --git a/translated_images/dsh_age.d212a30d4e54fb5f68b94a624aad64bc086124bcbbec9561ae5bd5da661e22d8.ml.png b/translated_images/dsh_age.d212a30d4e54fb5f68b94a624aad64bc086124bcbbec9561ae5bd5da661e22d8.ml.png
deleted file mode 100644
index 3a0eeaf9..00000000
Binary files a/translated_images/dsh_age.d212a30d4e54fb5f68b94a624aad64bc086124bcbbec9561ae5bd5da661e22d8.ml.png and /dev/null differ
diff --git a/translated_images/embedding-classifier-example.b77f021a7ee67eee.kn.png b/translated_images/embedding-classifier-example.b77f021a7ee67eee.kn.png
deleted file mode 100644
index 31a5562d..00000000
Binary files a/translated_images/embedding-classifier-example.b77f021a7ee67eee.kn.png and /dev/null differ
diff --git a/translated_images/embedding-classifier-example.b77f021a7ee67eee.ml.png b/translated_images/embedding-classifier-example.b77f021a7ee67eee.ml.png
deleted file mode 100644
index dd2d2b62..00000000
Binary files a/translated_images/embedding-classifier-example.b77f021a7ee67eee.ml.png and /dev/null differ
diff --git a/translated_images/embedding-classifier-example.b77f021a7ee67eeec8e68bfe11636c5b97d6eaa067515a129bfb1d0034b1ac5b.kn.png b/translated_images/embedding-classifier-example.b77f021a7ee67eeec8e68bfe11636c5b97d6eaa067515a129bfb1d0034b1ac5b.kn.png
deleted file mode 100644
index 31a5562d..00000000
Binary files a/translated_images/embedding-classifier-example.b77f021a7ee67eeec8e68bfe11636c5b97d6eaa067515a129bfb1d0034b1ac5b.kn.png and /dev/null differ
diff --git a/translated_images/embedding-classifier-example.b77f021a7ee67eeec8e68bfe11636c5b97d6eaa067515a129bfb1d0034b1ac5b.ml.png b/translated_images/embedding-classifier-example.b77f021a7ee67eeec8e68bfe11636c5b97d6eaa067515a129bfb1d0034b1ac5b.ml.png
deleted file mode 100644
index dd2d2b62..00000000
Binary files a/translated_images/embedding-classifier-example.b77f021a7ee67eeec8e68bfe11636c5b97d6eaa067515a129bfb1d0034b1ac5b.ml.png and /dev/null differ
diff --git a/translated_images/encoder-decoder-attention.7a726296894fb567.kn.png b/translated_images/encoder-decoder-attention.7a726296894fb567.kn.png
deleted file mode 100644
index f836b4ab..00000000
Binary files a/translated_images/encoder-decoder-attention.7a726296894fb567.kn.png and /dev/null differ
diff --git a/translated_images/encoder-decoder-attention.7a726296894fb567.ml.png b/translated_images/encoder-decoder-attention.7a726296894fb567.ml.png
deleted file mode 100644
index 79a8accd..00000000
Binary files a/translated_images/encoder-decoder-attention.7a726296894fb567.ml.png and /dev/null differ
diff --git a/translated_images/encoder-decoder-attention.7a726296894fb567aa2898c94b17b3289087f6705c11907df8301df9e5eeb3de.kn.png b/translated_images/encoder-decoder-attention.7a726296894fb567aa2898c94b17b3289087f6705c11907df8301df9e5eeb3de.kn.png
deleted file mode 100644
index f836b4ab..00000000
Binary files a/translated_images/encoder-decoder-attention.7a726296894fb567aa2898c94b17b3289087f6705c11907df8301df9e5eeb3de.kn.png and /dev/null differ
diff --git a/translated_images/encoder-decoder-attention.7a726296894fb567aa2898c94b17b3289087f6705c11907df8301df9e5eeb3de.ml.png b/translated_images/encoder-decoder-attention.7a726296894fb567aa2898c94b17b3289087f6705c11907df8301df9e5eeb3de.ml.png
deleted file mode 100644
index 79a8accd..00000000
Binary files a/translated_images/encoder-decoder-attention.7a726296894fb567aa2898c94b17b3289087f6705c11907df8301df9e5eeb3de.ml.png and /dev/null differ
diff --git a/translated_images/et/.co-op-translator.json b/translated_images/et/.co-op-translator.json
index cfa0dcf5..8287f939 100644
--- a/translated_images/et/.co-op-translator.json
+++ b/translated_images/et/.co-op-translator.json
@@ -1,512 +1,20 @@
{
- "favicon.37b561214b36d454.webp": {
- "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
- "translation_date": "2026-01-16T07:38:27+00:00",
- "source_file": "images/favicon.png",
- "language_code": "et"
- },
- "ai-nlp.b22dcb8ca4707cea.webp": {
- "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
- "translation_date": "2026-01-16T07:38:34+00:00",
- "source_file": "lessons/sketchnotes/ai-nlp.png",
- "language_code": "et"
- },
- "ai-symbolic.715a30cb610411a6.webp": {
- "original_hash": "69d3628566f680ac8543651aa6fd520c",
- "translation_date": "2026-01-16T07:38:56+00:00",
- "source_file": "lessons/sketchnotes/ai-symbolic.png",
- "language_code": "et"
- },
- "ai-computervision.6506ebebac3fbf76.webp": {
- "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
- "translation_date": "2026-01-16T07:39:19+00:00",
- "source_file": "lessons/sketchnotes/ai-computervision.png",
- "language_code": "et"
- },
- "ai-for-beginners.b354ca904b22cd70.webp": {
- "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
- "translation_date": "2026-01-16T07:39:36+00:00",
- "source_file": "lessons/sketchnotes/ai-for-beginners.png",
- "language_code": "et"
- },
- "ai-overview.0857791951d19500.webp": {
- "original_hash": "7206f99da5c2b99d21581f946a660235",
- "translation_date": "2026-01-16T07:39:46+00:00",
- "source_file": "lessons/sketchnotes/ai-overview.png",
- "language_code": "et"
- },
- "ai-intro.bf28d1ac4235881c.webp": {
- "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
- "translation_date": "2026-01-16T07:40:07+00:00",
- "source_file": "lessons/sketchnotes/ai-intro.png",
- "language_code": "et"
- },
- "ai-neuralnetworks.1c687ae40bc86e83.webp": {
- "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
- "translation_date": "2026-01-16T07:40:33+00:00",
- "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
- "language_code": "et"
- },
- "vae.464c465a5b6a9e25.webp": {
- "original_hash": "0b658c7862077e139162c756bcb98071",
- "translation_date": "2026-01-16T07:40:50+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
- "language_code": "et"
- },
- "vaemnist-diag.694315f775d5d666.webp": {
- "original_hash": "0652f5a95005348c6b1533438103dfcf",
- "translation_date": "2026-01-16T07:40:54+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
- "language_code": "et"
- },
- "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
- "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
- "translation_date": "2026-01-16T07:40:56+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
- "language_code": "et"
- },
- "vaemnist.cab9e602dc08dc50.webp": {
- "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
- "translation_date": "2026-01-16T07:40:59+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
- "language_code": "et"
- },
- "aae.9d418a990fc75bf9.webp": {
- "original_hash": "92f89b37641f659a7d25c91d13076f69",
- "translation_date": "2026-01-16T07:41:03+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
- "language_code": "et"
- },
- "instance_vs_semantic.eee9812bebf8cd45.webp": {
- "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
- "translation_date": "2026-01-16T07:41:09+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
- "language_code": "et"
- },
- "unet.3adb555bf39d3657.webp": {
- "original_hash": "49a151c11708ee9a3e94d21448146bf8",
- "translation_date": "2026-01-16T07:41:18+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
- "language_code": "et"
- },
- "navi.2f20b727910110ea.webp": {
- "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
- "translation_date": "2026-01-16T07:41:27+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
- "language_code": "et"
- },
- "segm.92442f2cb42ff4fa.webp": {
- "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
- "translation_date": "2026-01-16T07:41:32+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
- "language_code": "et"
- },
- "segnet.87377542aa5a8b76.webp": {
- "original_hash": "fa6d2d499aa2ae589a14caede7534561",
- "translation_date": "2026-01-16T07:41:40+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
- "language_code": "et"
- },
- "gan_architecture.8f3a5ab62b8d5d69.webp": {
- "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
- "translation_date": "2026-01-16T07:41:46+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
- "language_code": "et"
- },
- "style.5293e85e077ab22c.webp": {
- "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
- "translation_date": "2026-01-16T07:41:51+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
- "language_code": "et"
- },
- "image.896e8254a2c60d45.webp": {
- "original_hash": "0033165481f191386403b85801811833",
- "translation_date": "2026-01-16T07:41:53+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
- "language_code": "et"
- },
- "gan_arch_detail.46b95fd366f8e543.webp": {
- "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
- "translation_date": "2026-01-16T07:41:57+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
- "language_code": "et"
- },
- "dcgan_generator.b500988ec2bc8ba5.webp": {
- "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
- "translation_date": "2026-01-16T07:42:08+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
- "language_code": "et"
- },
- "ideal-zebra.7f70e8b54ee15a7a.webp": {
- "original_hash": "6944fb46795f714f0ce8e856c405498a",
- "translation_date": "2026-01-16T07:42:13+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
- "language_code": "et"
- },
- "ideal-cat-loop.999fbb8ff306e044.webp": {
- "original_hash": "c54e983c591431338bf8ddac9ab8415b",
- "translation_date": "2026-01-16T07:42:15+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
- "language_code": "et"
- },
- "dog-from-unsplash.426f9fbca2febc93.webp": {
- "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
- "translation_date": "2026-01-16T07:42:20+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
- "language_code": "et"
- },
- "features.6291f9c7ba3a0b95.webp": {
- "original_hash": "e2727bfacc1156e045d1879bbe86e189",
- "translation_date": "2026-01-16T07:42:21+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
- "language_code": "et"
- },
- "ideal-cat.203dd4597643d6b0.webp": {
- "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
- "translation_date": "2026-01-16T07:42:24+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
- "language_code": "et"
- },
- "adversarial-dog.d9fc7773b0142b89.webp": {
- "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
- "translation_date": "2026-01-16T07:42:24+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
- "language_code": "et"
- },
- "catsdogsdataset.a7aff8e6085fd3f0.webp": {
- "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
- "translation_date": "2026-01-16T07:42:26+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
- "language_code": "et"
- },
- "original-dog.8f68a67d2fe0911f.webp": {
- "original_hash": "3ed859629b4141f735fd0d3c1941f520",
- "translation_date": "2026-01-16T07:42:31+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
- "language_code": "et"
- },
- "braille.341962ff76b1bd70.webp": {
- "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
- "translation_date": "2026-01-16T07:42:31+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
- "language_code": "et"
- },
- "braille-symbols.0159185ab69d5339.webp": {
- "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
- "translation_date": "2026-01-16T07:42:33+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
- "language_code": "et"
- },
- "frame-difference.706f805491a0883c.webp": {
- "original_hash": "a141e72f08e1b8f7451392889af90072",
- "translation_date": "2026-01-16T07:42:36+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
- "language_code": "et"
- },
- "braille-result.46530fea020b03c7.webp": {
- "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
- "translation_date": "2026-01-16T07:42:38+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
- "language_code": "et"
- },
- "palm-movement.341495f0e9c47da3.webp": {
- "original_hash": "100780b2e1d5adff2739adf58fc18404",
- "translation_date": "2026-01-16T07:42:39+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
- "language_code": "et"
- },
- "optical.1f4a94464579a83a.webp": {
- "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
- "translation_date": "2026-01-16T07:42:41+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
- "language_code": "et"
- },
"1200px-Girl_and_cat.89bd70951181e86a.webp": {
"original_hash": "aa8cdeaa9beaad5a06610236cf22f296",
"translation_date": "2026-01-16T07:42:42+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/1200px-Girl_and_cat.jpg",
"language_code": "et"
},
- "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
- "original_hash": "f31ea979f0ceabdf198899985ac84c37",
- "translation_date": "2026-01-16T07:42:47+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
- "language_code": "et"
- },
- "naive-detection.e7f1ba220ccd08c6.webp": {
- "original_hash": "4c96961c12a09f8e055546ed2e7de470",
- "translation_date": "2026-01-16T07:42:53+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
- "language_code": "et"
- },
- "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
- "original_hash": "6704085c522f47ce42ad8402dafe6429",
- "translation_date": "2026-01-16T07:42:59+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
- "language_code": "et"
- },
- "iou_equation.9a4751d40fff4e11.webp": {
- "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
- "translation_date": "2026-01-16T07:43:04+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
- "language_code": "et"
- },
- "coco-examples.71bc60380fa6cceb.webp": {
- "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
- "translation_date": "2026-01-16T07:43:07+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
- "language_code": "et"
- },
- "f-rcnn.3cda6d9bb4188875.webp": {
- "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
- "translation_date": "2026-01-16T07:43:11+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
- "language_code": "et"
- },
- "rcnn1.cae407020dfb1d1f.webp": {
- "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
- "translation_date": "2026-01-16T07:43:17+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
- "language_code": "et"
- },
- "faster-rcnn.8d46c099b87ef30a.webp": {
- "original_hash": "067e2ca96344fd6d0490e0530a922b36",
- "translation_date": "2026-01-16T07:43:21+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
- "language_code": "et"
- },
- "r-fcn.13eb88158b99a3da.webp": {
- "original_hash": "38cd0e0105546e56fa17b711d445195f",
- "translation_date": "2026-01-16T07:43:27+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
- "language_code": "et"
- },
- "yolo.a2648ec82ee8bb4e.webp": {
- "original_hash": "e8835638234f5c21fcf36fdede6457f4",
- "translation_date": "2026-01-16T07:43:34+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
- "language_code": "et"
- },
- "rcnn2.2d9530bb83516484.webp": {
- "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
- "translation_date": "2026-01-16T07:43:39+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
- "language_code": "et"
- },
- "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
- "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
- "translation_date": "2026-01-16T07:43:49+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
- "language_code": "et"
- },
- "resnet-block.aba4ccbcc0944434.webp": {
- "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
- "translation_date": "2026-01-16T07:44:01+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
- "language_code": "et"
- },
- "cnn-pyramid.85915455759ef0ce.webp": {
- "original_hash": "7233ded4a920332806363d704bfb59a6",
- "translation_date": "2026-01-16T07:44:09+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
- "language_code": "et"
- },
- "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
- "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
- "translation_date": "2026-01-16T07:44:22+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
- "language_code": "et"
- },
- "filter-horiz.59b80ed4feb946ef.webp": {
- "original_hash": "b081df9e2042850983a46ff817b88d55",
- "translation_date": "2026-01-16T07:44:25+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
- "language_code": "et"
- },
- "vgg-16-arch1.d901a5583b3a51ba.webp": {
- "original_hash": "5b0f835d04dc20d097a0b89c88339966",
- "translation_date": "2026-01-16T07:44:29+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
- "language_code": "et"
- },
- "vgg-16-arch.64ff2137f50dd49f.webp": {
- "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
- "translation_date": "2026-01-16T07:44:36+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
- "language_code": "et"
- },
- "convolutionExample.634615d5ff7081e0.webp": {
- "original_hash": "5412e092848cb3cd4fa527aba3be0545",
- "translation_date": "2026-01-16T07:44:41+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
- "language_code": "et"
- },
- "inception.a6605b85bcbc6f52.webp": {
- "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
- "translation_date": "2026-01-16T07:44:49+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
- "language_code": "et"
- },
- "filter-vert.b7148390ca0bc356.webp": {
- "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
- "translation_date": "2026-01-16T07:44:54+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
- "language_code": "et"
- },
- "lmfilters.ea9e4868a82cf74c.webp": {
- "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
- "translation_date": "2026-01-16T07:44:55+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
- "language_code": "et"
- },
- "data.50b2a9d5484bdbf0.webp": {
- "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
- "translation_date": "2026-01-16T07:44:58+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
- "language_code": "et"
- },
- "NetLogo-ModelLib.efe023afb4763c05.webp": {
- "original_hash": "edd5b28318e2f43274a4541408110fb9",
- "translation_date": "2026-01-16T07:45:11+00:00",
- "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
- "language_code": "et"
- },
- "NetLogo-Main.32653711ec1a01b3.webp": {
- "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
- "translation_date": "2026-01-16T07:45:34+00:00",
- "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
- "language_code": "et"
- },
- "cartpole.f52a67f27e058170.webp": {
- "original_hash": "5399242e127ea1c18aa6ee405daecf51",
- "translation_date": "2026-01-16T07:45:51+00:00",
- "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
- "language_code": "et"
- },
- "mountaincar.f7b7a7f6d4f9933b.webp": {
- "original_hash": "61c868cc389dc92bd2b402ea490cd162",
- "translation_date": "2026-01-16T07:45:52+00:00",
- "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
- "language_code": "et"
- },
- "ml-for-beginners.9e4fed176fd5817d.webp": {
- "original_hash": "cd606a24083e039082b0486fc8382823",
- "translation_date": "2026-01-16T07:45:55+00:00",
- "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
- "language_code": "et"
- },
- "history-of-ai.7e83efa70b537f5a.webp": {
- "original_hash": "644e648b98fcb10fb9713452ff02934d",
- "translation_date": "2026-01-16T07:46:02+00:00",
- "source_file": "lessons/1-Intro/images/history-of-ai.png",
- "language_code": "et"
- },
- "photo-cat.8c8e8fb760ffe457.webp": {
- "original_hash": "29d10fef28d240c48995ef9dd23e477a",
- "translation_date": "2026-01-16T07:46:13+00:00",
- "source_file": "lessons/1-Intro/images/photo-cat.jpg",
- "language_code": "et"
- },
- "dsh_age.d212a30d4e54fb5f.webp": {
- "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
- "translation_date": "2026-01-16T07:46:14+00:00",
- "source_file": "lessons/1-Intro/images/dsh_age.png",
- "language_code": "et"
- },
- "turing-test-evol.4184696701293ead.webp": {
- "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
- "translation_date": "2026-01-16T07:46:19+00:00",
- "source_file": "lessons/1-Intro/images/turing-test-evol.png",
- "language_code": "et"
- },
- "knowledge-spectrum.b60df631852c0217.webp": {
- "original_hash": "71b049ee26a22a68996034585436ca59",
- "translation_date": "2026-01-16T07:46:33+00:00",
- "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
- "language_code": "et"
- },
- "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
- "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
- "translation_date": "2026-01-16T07:46:45+00:00",
- "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
- "language_code": "et"
- },
"AND-OR-Tree.5592d2c70187f283.webp": {
"original_hash": "2674b6cf8f768491c6b5a167f272a002",
"translation_date": "2026-01-16T07:47:04+00:00",
"source_file": "lessons/2-Symbolic/images/AND-OR-Tree.png",
"language_code": "et"
},
- "triplet-complex.32094972c7b4441b.webp": {
- "original_hash": "56a2e05839a141c311db52655b37f8ad",
- "translation_date": "2026-01-16T07:47:42+00:00",
- "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
- "language_code": "et"
- },
- "arch-human.5d4d35f1bba3ab1c.webp": {
- "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
- "translation_date": "2026-01-16T07:47:58+00:00",
- "source_file": "lessons/2-Symbolic/images/arch-human.png",
- "language_code": "et"
- },
- "arch-kbs.3ec5c150b09fa8da.webp": {
- "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
- "translation_date": "2026-01-16T07:48:06+00:00",
- "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
- "language_code": "et"
- },
- "triplet.4b9b332587593298.webp": {
- "original_hash": "302e53ea355ffb556d99e3962d0a6516",
- "translation_date": "2026-01-16T07:48:15+00:00",
- "source_file": "lessons/2-Symbolic/images/triplet.png",
- "language_code": "et"
- },
- "protege.274177ceeac13b38.webp": {
- "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
- "translation_date": "2026-01-16T07:48:35+00:00",
- "source_file": "lessons/2-Symbolic/images/protege.png",
- "language_code": "et"
- },
- "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
- "original_hash": "88212730ecd9b0c8b848c319951427d8",
- "translation_date": "2026-01-16T07:49:04+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
- "language_code": "et"
- },
- "overfit2.131f5800ae10ca5e.webp": {
- "original_hash": "eb04381b2f222518ec400b98ebf441b2",
- "translation_date": "2026-01-16T07:49:09+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
- "language_code": "et"
- },
- "netout.1eb15eb76fd76731.webp": {
- "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
- "translation_date": "2026-01-16T07:49:11+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/netout.png",
- "language_code": "et"
- },
- "artneuron.1a5daa88d20ebe6f.webp": {
- "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
- "translation_date": "2026-01-16T07:49:14+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
- "language_code": "et"
- },
- "Overfitting.408ad91cd90b4371.webp": {
- "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
- "translation_date": "2026-01-16T07:49:19+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
- "language_code": "et"
- },
- "overfit1.f24b71c6f652e59e.webp": {
- "original_hash": "76155698e85340d9dfff8e0a628d25c1",
- "translation_date": "2026-01-16T07:49:26+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
- "language_code": "et"
- },
- "NeuroArch.4e17cdba5e445721.webp": {
- "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
- "translation_date": "2026-01-16T07:49:30+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "ComputeGraph.463c9d8ebdcb2215.webp": {
+ "original_hash": "7af66742d6bede114f971689745bedf2",
+ "translation_date": "2026-01-16T07:49:46+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
"language_code": "et"
},
"ComputeGraphGrad.4626252c0de03507.webp": {
@@ -515,66 +23,18 @@
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraphGrad.png",
"language_code": "et"
},
+ "CoreferenceResolution.861924d6d384a7d6.webp": {
+ "original_hash": "25b5719ec70aaa44858076c16f7c208f",
+ "translation_date": "2026-01-16T07:52:23+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
+ "language_code": "et"
+ },
"Cross-Entropy-Loss.dc7ba633d2467ef3.webp": {
"original_hash": "11dd0fd77a272755d0ef5db9f71217da",
"translation_date": "2026-01-16T07:49:41+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/Cross-Entropy-Loss.png",
"language_code": "et"
},
- "ComputeGraph.463c9d8ebdcb2215.webp": {
- "original_hash": "7af66742d6bede114f971689745bedf2",
- "translation_date": "2026-01-16T07:49:46+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
- "language_code": "et"
- },
- "overfit.a0bd57f717c15769.webp": {
- "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
- "translation_date": "2026-01-16T07:49:50+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
- "language_code": "et"
- },
- "Rosenblatt-wikipedia.294821b285ac796d.webp": {
- "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
- "translation_date": "2026-01-16T07:49:53+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
- "language_code": "et"
- },
- "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
- "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
- "translation_date": "2026-01-16T07:49:55+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
- "language_code": "et"
- },
- "activation-func.b4924007c7ce7764.webp": {
- "original_hash": "8d357884343ec923611a319d4e910b99",
- "translation_date": "2026-01-16T07:49:58+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
- "language_code": "et"
- },
- "clip-class.3af42ef0b2b19369.webp": {
- "original_hash": "bdd1638453069a216e843e1a8fd70db0",
- "translation_date": "2026-01-16T07:50:02+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
- "language_code": "et"
- },
- "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
- "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
- "translation_date": "2026-01-16T07:50:08+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
- "language_code": "et"
- },
- "clip-arch.b3dbf20b4e8ed8be.webp": {
- "original_hash": "bdd1638453069a216e843e1a8fd70db0",
- "translation_date": "2026-01-16T07:50:11+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
- "language_code": "et"
- },
- "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
- "original_hash": "e300d75d78f6050bc7b83df091f95775",
- "translation_date": "2026-01-16T07:50:17+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
- "language_code": "et"
- },
"DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp": {
"original_hash": "dd063fda04db937ab7210064af9d6151",
"translation_date": "2026-01-16T07:50:19+00:00",
@@ -587,10 +47,82 @@
"source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.png",
"language_code": "et"
},
- "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
- "original_hash": "ec89cbb600b14e86f353a347506554ba",
- "translation_date": "2026-01-16T07:50:22+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
+ "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
+ "original_hash": "e300d75d78f6050bc7b83df091f95775",
+ "translation_date": "2026-01-16T07:50:17+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
+ "language_code": "et"
+ },
+ "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
+ "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
+ "translation_date": "2026-01-16T07:46:45+00:00",
+ "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
+ "language_code": "et"
+ },
+ "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
+ "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
+ "translation_date": "2026-01-16T07:44:22+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
+ "language_code": "et"
+ },
+ "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
+ "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
+ "translation_date": "2026-01-16T07:49:55+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
+ "language_code": "et"
+ },
+ "NetLogo-Main.32653711ec1a01b3.webp": {
+ "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
+ "translation_date": "2026-01-16T07:45:34+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
+ "language_code": "et"
+ },
+ "NetLogo-ModelLib.efe023afb4763c05.webp": {
+ "original_hash": "edd5b28318e2f43274a4541408110fb9",
+ "translation_date": "2026-01-16T07:45:11+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
+ "language_code": "et"
+ },
+ "NeuroArch.4e17cdba5e445721.webp": {
+ "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
+ "translation_date": "2026-01-16T07:49:30+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "language_code": "et"
+ },
+ "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
+ "original_hash": "6704085c522f47ce42ad8402dafe6429",
+ "translation_date": "2026-01-16T07:42:59+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
+ "language_code": "et"
+ },
+ "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
+ "original_hash": "f31ea979f0ceabdf198899985ac84c37",
+ "translation_date": "2026-01-16T07:42:47+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
+ "language_code": "et"
+ },
+ "Overfitting.408ad91cd90b4371.webp": {
+ "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
+ "translation_date": "2026-01-16T07:49:19+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
+ "language_code": "et"
+ },
+ "Rosenblatt-wikipedia.294821b285ac796d.webp": {
+ "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
+ "translation_date": "2026-01-16T07:49:53+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
+ "language_code": "et"
+ },
+ "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
+ "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
+ "translation_date": "2026-01-16T07:43:49+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
+ "language_code": "et"
+ },
+ "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
+ "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
+ "translation_date": "2026-01-16T07:50:08+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
"language_code": "et"
},
"a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp": {
@@ -599,22 +131,88 @@
"source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.png",
"language_code": "et"
},
- "vqgan.5027fe05051dfa31.webp": {
- "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
- "translation_date": "2026-01-16T07:50:24+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
+ "original_hash": "ec89cbb600b14e86f353a347506554ba",
+ "translation_date": "2026-01-16T07:50:22+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
"language_code": "et"
},
- "bag-of-words-example.606fc1738f1d7ba9.webp": {
- "original_hash": "a8fa84622ff35939e498d06fac3fa515",
- "translation_date": "2026-01-16T07:50:28+00:00",
- "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
+ "aae.9d418a990fc75bf9.webp": {
+ "original_hash": "92f89b37641f659a7d25c91d13076f69",
+ "translation_date": "2026-01-16T07:41:03+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
"language_code": "et"
},
- "bow.3811869cff59368d.webp": {
- "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
- "translation_date": "2026-01-16T07:50:39+00:00",
- "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
+ "activation-func.b4924007c7ce7764.webp": {
+ "original_hash": "8d357884343ec923611a319d4e910b99",
+ "translation_date": "2026-01-16T07:49:58+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
+ "language_code": "et"
+ },
+ "adversarial-dog.d9fc7773b0142b89.webp": {
+ "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
+ "translation_date": "2026-01-16T07:42:24+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
+ "language_code": "et"
+ },
+ "ai-computervision.6506ebebac3fbf76.webp": {
+ "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
+ "translation_date": "2026-01-16T07:39:19+00:00",
+ "source_file": "lessons/sketchnotes/ai-computervision.png",
+ "language_code": "et"
+ },
+ "ai-for-beginners.b354ca904b22cd70.webp": {
+ "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
+ "translation_date": "2026-01-16T07:39:36+00:00",
+ "source_file": "lessons/sketchnotes/ai-for-beginners.png",
+ "language_code": "et"
+ },
+ "ai-intro.bf28d1ac4235881c.webp": {
+ "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
+ "translation_date": "2026-01-16T07:40:07+00:00",
+ "source_file": "lessons/sketchnotes/ai-intro.png",
+ "language_code": "et"
+ },
+ "ai-neuralnetworks.1c687ae40bc86e83.webp": {
+ "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
+ "translation_date": "2026-01-16T07:40:33+00:00",
+ "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
+ "language_code": "et"
+ },
+ "ai-nlp.b22dcb8ca4707cea.webp": {
+ "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
+ "translation_date": "2026-01-16T07:38:34+00:00",
+ "source_file": "lessons/sketchnotes/ai-nlp.png",
+ "language_code": "et"
+ },
+ "ai-overview.0857791951d19500.webp": {
+ "original_hash": "7206f99da5c2b99d21581f946a660235",
+ "translation_date": "2026-01-16T07:39:46+00:00",
+ "source_file": "lessons/sketchnotes/ai-overview.png",
+ "language_code": "et"
+ },
+ "ai-symbolic.715a30cb610411a6.webp": {
+ "original_hash": "69d3628566f680ac8543651aa6fd520c",
+ "translation_date": "2026-01-16T07:38:56+00:00",
+ "source_file": "lessons/sketchnotes/ai-symbolic.png",
+ "language_code": "et"
+ },
+ "arch-human.5d4d35f1bba3ab1c.webp": {
+ "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
+ "translation_date": "2026-01-16T07:47:58+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-human.png",
+ "language_code": "et"
+ },
+ "arch-kbs.3ec5c150b09fa8da.webp": {
+ "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
+ "translation_date": "2026-01-16T07:48:06+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
+ "language_code": "et"
+ },
+ "artneuron.1a5daa88d20ebe6f.webp": {
+ "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
+ "translation_date": "2026-01-16T07:49:14+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
"language_code": "et"
},
"ascii-character-map.18ed6aa7f3b0a7ff.webp": {
@@ -623,34 +221,16 @@
"source_file": "lessons/5-NLP/13-TextRep/images/ascii-character-map.png",
"language_code": "et"
},
- "multi-layer-lstm.dd975e29bb2a59fe.webp": {
- "original_hash": "27b6355fd86c9e8e6d443015653be763",
- "translation_date": "2026-01-16T07:51:04+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
+ "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
+ "translation_date": "2026-01-16T07:40:56+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
"language_code": "et"
},
- "rnn-anatomy.79ee3f3920b3294b.webp": {
- "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
- "translation_date": "2026-01-16T07:51:09+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
- "language_code": "et"
- },
- "rnn.27f5c29c53d727b5.webp": {
- "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
- "translation_date": "2026-01-16T07:51:20+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
- "language_code": "et"
- },
- "encoder-decoder-attention.7a726296894fb567.webp": {
- "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
- "translation_date": "2026-01-16T07:51:32+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
- "language_code": "et"
- },
- "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
- "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
- "translation_date": "2026-01-16T07:51:44+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "bag-of-words-example.606fc1738f1d7ba9.webp": {
+ "original_hash": "a8fa84622ff35939e498d06fac3fa515",
+ "translation_date": "2026-01-16T07:50:28+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
"language_code": "et"
},
"bahdanau-fig3.09ba2d37f202a6af.webp": {
@@ -659,46 +239,100 @@
"source_file": "lessons/5-NLP/18-Transformers/images/bahdanau-fig3.png",
"language_code": "et"
},
- "pos-embedding.e41ce9b6cf6078af.webp": {
- "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
- "translation_date": "2026-01-16T07:52:03+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
- "language_code": "et"
- },
- "transformer-layer.905e14747ca4e7d5.webp": {
- "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
- "translation_date": "2026-01-16T07:52:13+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
- "language_code": "et"
- },
- "CoreferenceResolution.861924d6d384a7d6.webp": {
- "original_hash": "25b5719ec70aaa44858076c16f7c208f",
- "translation_date": "2026-01-16T07:52:23+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
- "language_code": "et"
- },
"bot-ner.4b09235dbb0ad275.webp": {
"original_hash": "5e61aca4f94182c7e7d509b8d2de3c9f",
"translation_date": "2026-01-16T07:52:35+00:00",
"source_file": "lessons/5-NLP/19-NER/images/bot-ner.png",
"language_code": "et"
},
- "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
- "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
- "translation_date": "2026-01-16T07:52:48+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "bow.3811869cff59368d.webp": {
+ "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
+ "translation_date": "2026-01-16T07:50:39+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
"language_code": "et"
},
- "rnn-generate.56c54afb52f9781d.webp": {
- "original_hash": "67332ada2d0603921bba37c06956c70e",
- "translation_date": "2026-01-16T07:52:52+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "braille-result.46530fea020b03c7.webp": {
+ "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
+ "translation_date": "2026-01-16T07:42:38+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
"language_code": "et"
},
- "rnn-generate-inf.5168dc65e0370eea.webp": {
- "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
- "translation_date": "2026-01-16T07:52:58+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "braille-symbols.0159185ab69d5339.webp": {
+ "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
+ "translation_date": "2026-01-16T07:42:33+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
+ "language_code": "et"
+ },
+ "braille.341962ff76b1bd70.webp": {
+ "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
+ "translation_date": "2026-01-16T07:42:31+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
+ "language_code": "et"
+ },
+ "cartpole.f52a67f27e058170.webp": {
+ "original_hash": "5399242e127ea1c18aa6ee405daecf51",
+ "translation_date": "2026-01-16T07:45:51+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
+ "language_code": "et"
+ },
+ "catsdogsdataset.a7aff8e6085fd3f0.webp": {
+ "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
+ "translation_date": "2026-01-16T07:42:26+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
+ "language_code": "et"
+ },
+ "clip-arch.b3dbf20b4e8ed8be.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-16T07:50:11+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
+ "language_code": "et"
+ },
+ "clip-class.3af42ef0b2b19369.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-16T07:50:02+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
+ "language_code": "et"
+ },
+ "cnn-pyramid.85915455759ef0ce.webp": {
+ "original_hash": "7233ded4a920332806363d704bfb59a6",
+ "translation_date": "2026-01-16T07:44:09+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
+ "language_code": "et"
+ },
+ "coco-examples.71bc60380fa6cceb.webp": {
+ "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
+ "translation_date": "2026-01-16T07:43:07+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
+ "language_code": "et"
+ },
+ "convolutionExample.634615d5ff7081e0.webp": {
+ "original_hash": "5412e092848cb3cd4fa527aba3be0545",
+ "translation_date": "2026-01-16T07:44:41+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
+ "language_code": "et"
+ },
+ "data.50b2a9d5484bdbf0.webp": {
+ "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
+ "translation_date": "2026-01-16T07:44:58+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
+ "language_code": "et"
+ },
+ "dcgan_generator.b500988ec2bc8ba5.webp": {
+ "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
+ "translation_date": "2026-01-16T07:42:08+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
+ "language_code": "et"
+ },
+ "dog-from-unsplash.426f9fbca2febc93.webp": {
+ "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
+ "translation_date": "2026-01-16T07:42:20+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
+ "language_code": "et"
+ },
+ "dsh_age.d212a30d4e54fb5f.webp": {
+ "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
+ "translation_date": "2026-01-16T07:46:14+00:00",
+ "source_file": "lessons/1-Intro/images/dsh_age.png",
"language_code": "et"
},
"embedding-classifier-example.b77f021a7ee67eee.webp": {
@@ -707,10 +341,10 @@
"source_file": "lessons/5-NLP/14-Embeddings/images/embedding-classifier-example.png",
"language_code": "et"
},
- "offset-sequence-representation.eb73fcefb29b46ee.webp": {
- "original_hash": "52e7632a2b668957b903bb2607e953fe",
- "translation_date": "2026-01-16T07:53:08+00:00",
- "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "encoder-decoder-attention.7a726296894fb567.webp": {
+ "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
+ "translation_date": "2026-01-16T07:51:32+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
"language_code": "et"
},
"example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp": {
@@ -718,5 +352,371 @@
"translation_date": "2026-01-16T07:53:12+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/images/example-algorithms-for-converting-words-to-vectors.png",
"language_code": "et"
+ },
+ "f-rcnn.3cda6d9bb4188875.webp": {
+ "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
+ "translation_date": "2026-01-16T07:43:11+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
+ "language_code": "et"
+ },
+ "faster-rcnn.8d46c099b87ef30a.webp": {
+ "original_hash": "067e2ca96344fd6d0490e0530a922b36",
+ "translation_date": "2026-01-16T07:43:21+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
+ "language_code": "et"
+ },
+ "favicon.37b561214b36d454.webp": {
+ "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
+ "translation_date": "2026-01-16T07:38:27+00:00",
+ "source_file": "images/favicon.png",
+ "language_code": "et"
+ },
+ "features.6291f9c7ba3a0b95.webp": {
+ "original_hash": "e2727bfacc1156e045d1879bbe86e189",
+ "translation_date": "2026-01-16T07:42:21+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
+ "language_code": "et"
+ },
+ "filter-horiz.59b80ed4feb946ef.webp": {
+ "original_hash": "b081df9e2042850983a46ff817b88d55",
+ "translation_date": "2026-01-16T07:44:25+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
+ "language_code": "et"
+ },
+ "filter-vert.b7148390ca0bc356.webp": {
+ "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
+ "translation_date": "2026-01-16T07:44:54+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
+ "language_code": "et"
+ },
+ "frame-difference.706f805491a0883c.webp": {
+ "original_hash": "a141e72f08e1b8f7451392889af90072",
+ "translation_date": "2026-01-16T07:42:36+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
+ "language_code": "et"
+ },
+ "gan_arch_detail.46b95fd366f8e543.webp": {
+ "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
+ "translation_date": "2026-01-16T07:41:57+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
+ "language_code": "et"
+ },
+ "gan_architecture.8f3a5ab62b8d5d69.webp": {
+ "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
+ "translation_date": "2026-01-16T07:41:46+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
+ "language_code": "et"
+ },
+ "history-of-ai.7e83efa70b537f5a.webp": {
+ "original_hash": "644e648b98fcb10fb9713452ff02934d",
+ "translation_date": "2026-01-16T07:46:02+00:00",
+ "source_file": "lessons/1-Intro/images/history-of-ai.png",
+ "language_code": "et"
+ },
+ "ideal-cat-loop.999fbb8ff306e044.webp": {
+ "original_hash": "c54e983c591431338bf8ddac9ab8415b",
+ "translation_date": "2026-01-16T07:42:15+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
+ "language_code": "et"
+ },
+ "ideal-cat.203dd4597643d6b0.webp": {
+ "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
+ "translation_date": "2026-01-16T07:42:24+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
+ "language_code": "et"
+ },
+ "ideal-zebra.7f70e8b54ee15a7a.webp": {
+ "original_hash": "6944fb46795f714f0ce8e856c405498a",
+ "translation_date": "2026-01-16T07:42:13+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
+ "language_code": "et"
+ },
+ "image.896e8254a2c60d45.webp": {
+ "original_hash": "0033165481f191386403b85801811833",
+ "translation_date": "2026-01-16T07:41:53+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
+ "language_code": "et"
+ },
+ "inception.a6605b85bcbc6f52.webp": {
+ "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
+ "translation_date": "2026-01-16T07:44:49+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
+ "language_code": "et"
+ },
+ "instance_vs_semantic.eee9812bebf8cd45.webp": {
+ "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
+ "translation_date": "2026-01-16T07:41:09+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
+ "language_code": "et"
+ },
+ "iou_equation.9a4751d40fff4e11.webp": {
+ "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
+ "translation_date": "2026-01-16T07:43:04+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
+ "language_code": "et"
+ },
+ "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
+ "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
+ "translation_date": "2026-01-16T07:51:44+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "language_code": "et"
+ },
+ "knowledge-spectrum.b60df631852c0217.webp": {
+ "original_hash": "71b049ee26a22a68996034585436ca59",
+ "translation_date": "2026-01-16T07:46:33+00:00",
+ "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
+ "language_code": "et"
+ },
+ "lmfilters.ea9e4868a82cf74c.webp": {
+ "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
+ "translation_date": "2026-01-16T07:44:55+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
+ "language_code": "et"
+ },
+ "ml-for-beginners.9e4fed176fd5817d.webp": {
+ "original_hash": "cd606a24083e039082b0486fc8382823",
+ "translation_date": "2026-01-16T07:45:55+00:00",
+ "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
+ "language_code": "et"
+ },
+ "mountaincar.f7b7a7f6d4f9933b.webp": {
+ "original_hash": "61c868cc389dc92bd2b402ea490cd162",
+ "translation_date": "2026-01-16T07:45:52+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
+ "language_code": "et"
+ },
+ "multi-layer-lstm.dd975e29bb2a59fe.webp": {
+ "original_hash": "27b6355fd86c9e8e6d443015653be763",
+ "translation_date": "2026-01-16T07:51:04+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "language_code": "et"
+ },
+ "naive-detection.e7f1ba220ccd08c6.webp": {
+ "original_hash": "4c96961c12a09f8e055546ed2e7de470",
+ "translation_date": "2026-01-16T07:42:53+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
+ "language_code": "et"
+ },
+ "navi.2f20b727910110ea.webp": {
+ "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
+ "translation_date": "2026-01-16T07:41:27+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
+ "language_code": "et"
+ },
+ "netout.1eb15eb76fd76731.webp": {
+ "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
+ "translation_date": "2026-01-16T07:49:11+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/netout.png",
+ "language_code": "et"
+ },
+ "offset-sequence-representation.eb73fcefb29b46ee.webp": {
+ "original_hash": "52e7632a2b668957b903bb2607e953fe",
+ "translation_date": "2026-01-16T07:53:08+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "language_code": "et"
+ },
+ "optical.1f4a94464579a83a.webp": {
+ "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
+ "translation_date": "2026-01-16T07:42:41+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
+ "language_code": "et"
+ },
+ "original-dog.8f68a67d2fe0911f.webp": {
+ "original_hash": "3ed859629b4141f735fd0d3c1941f520",
+ "translation_date": "2026-01-16T07:42:31+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
+ "language_code": "et"
+ },
+ "overfit.a0bd57f717c15769.webp": {
+ "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
+ "translation_date": "2026-01-16T07:49:50+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
+ "language_code": "et"
+ },
+ "overfit1.f24b71c6f652e59e.webp": {
+ "original_hash": "76155698e85340d9dfff8e0a628d25c1",
+ "translation_date": "2026-01-16T07:49:26+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
+ "language_code": "et"
+ },
+ "overfit2.131f5800ae10ca5e.webp": {
+ "original_hash": "eb04381b2f222518ec400b98ebf441b2",
+ "translation_date": "2026-01-16T07:49:09+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
+ "language_code": "et"
+ },
+ "palm-movement.341495f0e9c47da3.webp": {
+ "original_hash": "100780b2e1d5adff2739adf58fc18404",
+ "translation_date": "2026-01-16T07:42:39+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
+ "language_code": "et"
+ },
+ "photo-cat.8c8e8fb760ffe457.webp": {
+ "original_hash": "29d10fef28d240c48995ef9dd23e477a",
+ "translation_date": "2026-01-16T07:46:13+00:00",
+ "source_file": "lessons/1-Intro/images/photo-cat.jpg",
+ "language_code": "et"
+ },
+ "pos-embedding.e41ce9b6cf6078af.webp": {
+ "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
+ "translation_date": "2026-01-16T07:52:03+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
+ "language_code": "et"
+ },
+ "protege.274177ceeac13b38.webp": {
+ "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
+ "translation_date": "2026-01-16T07:48:35+00:00",
+ "source_file": "lessons/2-Symbolic/images/protege.png",
+ "language_code": "et"
+ },
+ "r-fcn.13eb88158b99a3da.webp": {
+ "original_hash": "38cd0e0105546e56fa17b711d445195f",
+ "translation_date": "2026-01-16T07:43:27+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
+ "language_code": "et"
+ },
+ "rcnn1.cae407020dfb1d1f.webp": {
+ "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
+ "translation_date": "2026-01-16T07:43:17+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
+ "language_code": "et"
+ },
+ "rcnn2.2d9530bb83516484.webp": {
+ "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
+ "translation_date": "2026-01-16T07:43:39+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
+ "language_code": "et"
+ },
+ "resnet-block.aba4ccbcc0944434.webp": {
+ "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
+ "translation_date": "2026-01-16T07:44:01+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
+ "language_code": "et"
+ },
+ "rnn-anatomy.79ee3f3920b3294b.webp": {
+ "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
+ "translation_date": "2026-01-16T07:51:09+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
+ "language_code": "et"
+ },
+ "rnn-generate-inf.5168dc65e0370eea.webp": {
+ "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
+ "translation_date": "2026-01-16T07:52:58+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "language_code": "et"
+ },
+ "rnn-generate.56c54afb52f9781d.webp": {
+ "original_hash": "67332ada2d0603921bba37c06956c70e",
+ "translation_date": "2026-01-16T07:52:52+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "language_code": "et"
+ },
+ "rnn.27f5c29c53d727b5.webp": {
+ "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
+ "translation_date": "2026-01-16T07:51:20+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
+ "language_code": "et"
+ },
+ "segm.92442f2cb42ff4fa.webp": {
+ "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
+ "translation_date": "2026-01-16T07:41:32+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
+ "language_code": "et"
+ },
+ "segnet.87377542aa5a8b76.webp": {
+ "original_hash": "fa6d2d499aa2ae589a14caede7534561",
+ "translation_date": "2026-01-16T07:41:40+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
+ "language_code": "et"
+ },
+ "style.5293e85e077ab22c.webp": {
+ "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
+ "translation_date": "2026-01-16T07:41:51+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
+ "language_code": "et"
+ },
+ "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
+ "original_hash": "88212730ecd9b0c8b848c319951427d8",
+ "translation_date": "2026-01-16T07:49:04+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
+ "language_code": "et"
+ },
+ "transformer-layer.905e14747ca4e7d5.webp": {
+ "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
+ "translation_date": "2026-01-16T07:52:13+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
+ "language_code": "et"
+ },
+ "triplet-complex.32094972c7b4441b.webp": {
+ "original_hash": "56a2e05839a141c311db52655b37f8ad",
+ "translation_date": "2026-01-16T07:47:42+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
+ "language_code": "et"
+ },
+ "triplet.4b9b332587593298.webp": {
+ "original_hash": "302e53ea355ffb556d99e3962d0a6516",
+ "translation_date": "2026-01-16T07:48:15+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet.png",
+ "language_code": "et"
+ },
+ "turing-test-evol.4184696701293ead.webp": {
+ "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
+ "translation_date": "2026-01-16T07:46:19+00:00",
+ "source_file": "lessons/1-Intro/images/turing-test-evol.png",
+ "language_code": "et"
+ },
+ "unet.3adb555bf39d3657.webp": {
+ "original_hash": "49a151c11708ee9a3e94d21448146bf8",
+ "translation_date": "2026-01-16T07:41:18+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
+ "language_code": "et"
+ },
+ "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
+ "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
+ "translation_date": "2026-01-16T07:52:48+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "language_code": "et"
+ },
+ "vae.464c465a5b6a9e25.webp": {
+ "original_hash": "0b658c7862077e139162c756bcb98071",
+ "translation_date": "2026-01-16T07:40:50+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
+ "language_code": "et"
+ },
+ "vaemnist-diag.694315f775d5d666.webp": {
+ "original_hash": "0652f5a95005348c6b1533438103dfcf",
+ "translation_date": "2026-01-16T07:40:54+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
+ "language_code": "et"
+ },
+ "vaemnist.cab9e602dc08dc50.webp": {
+ "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
+ "translation_date": "2026-01-16T07:40:59+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
+ "language_code": "et"
+ },
+ "vgg-16-arch.64ff2137f50dd49f.webp": {
+ "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
+ "translation_date": "2026-01-16T07:44:36+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
+ "language_code": "et"
+ },
+ "vgg-16-arch1.d901a5583b3a51ba.webp": {
+ "original_hash": "5b0f835d04dc20d097a0b89c88339966",
+ "translation_date": "2026-01-16T07:44:29+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
+ "language_code": "et"
+ },
+ "vqgan.5027fe05051dfa31.webp": {
+ "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
+ "translation_date": "2026-01-16T07:50:24+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "language_code": "et"
+ },
+ "yolo.a2648ec82ee8bb4e.webp": {
+ "original_hash": "e8835638234f5c21fcf36fdede6457f4",
+ "translation_date": "2026-01-16T07:43:34+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
+ "language_code": "et"
}
}
\ No newline at end of file
diff --git a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.kn.png b/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.kn.png
deleted file mode 100644
index 443505a0..00000000
Binary files a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.kn.png and /dev/null differ
diff --git a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.ml.png b/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.ml.png
deleted file mode 100644
index 3a19800c..00000000
Binary files a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.ml.png and /dev/null differ
diff --git a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6f0f5de66427e8a6eda63809356114e28fb1fa5f4a83ebda7.kn.png b/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6f0f5de66427e8a6eda63809356114e28fb1fa5f4a83ebda7.kn.png
deleted file mode 100644
index 443505a0..00000000
Binary files a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6f0f5de66427e8a6eda63809356114e28fb1fa5f4a83ebda7.kn.png and /dev/null differ
diff --git a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6f0f5de66427e8a6eda63809356114e28fb1fa5f4a83ebda7.ml.png b/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6f0f5de66427e8a6eda63809356114e28fb1fa5f4a83ebda7.ml.png
deleted file mode 100644
index 3a19800c..00000000
Binary files a/translated_images/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6f0f5de66427e8a6eda63809356114e28fb1fa5f4a83ebda7.ml.png and /dev/null differ
diff --git a/translated_images/f-rcnn.3cda6d9bb4188875.kn.png b/translated_images/f-rcnn.3cda6d9bb4188875.kn.png
deleted file mode 100644
index 60ed5b95..00000000
Binary files a/translated_images/f-rcnn.3cda6d9bb4188875.kn.png and /dev/null differ
diff --git a/translated_images/f-rcnn.3cda6d9bb4188875.ml.png b/translated_images/f-rcnn.3cda6d9bb4188875.ml.png
deleted file mode 100644
index 9cb76a8f..00000000
Binary files a/translated_images/f-rcnn.3cda6d9bb4188875.ml.png and /dev/null differ
diff --git a/translated_images/f-rcnn.3cda6d9bb41888754037d2d9763e2298a96de5d9bc2a21db3147357aa5da9b1a.kn.png b/translated_images/f-rcnn.3cda6d9bb41888754037d2d9763e2298a96de5d9bc2a21db3147357aa5da9b1a.kn.png
deleted file mode 100644
index 60ed5b95..00000000
Binary files a/translated_images/f-rcnn.3cda6d9bb41888754037d2d9763e2298a96de5d9bc2a21db3147357aa5da9b1a.kn.png and /dev/null differ
diff --git a/translated_images/f-rcnn.3cda6d9bb41888754037d2d9763e2298a96de5d9bc2a21db3147357aa5da9b1a.ml.png b/translated_images/f-rcnn.3cda6d9bb41888754037d2d9763e2298a96de5d9bc2a21db3147357aa5da9b1a.ml.png
deleted file mode 100644
index 9cb76a8f..00000000
Binary files a/translated_images/f-rcnn.3cda6d9bb41888754037d2d9763e2298a96de5d9bc2a21db3147357aa5da9b1a.ml.png and /dev/null differ
diff --git a/translated_images/faster-rcnn.8d46c099b87ef30a.kn.png b/translated_images/faster-rcnn.8d46c099b87ef30a.kn.png
deleted file mode 100644
index f2e117a2..00000000
Binary files a/translated_images/faster-rcnn.8d46c099b87ef30a.kn.png and /dev/null differ
diff --git a/translated_images/faster-rcnn.8d46c099b87ef30a.ml.png b/translated_images/faster-rcnn.8d46c099b87ef30a.ml.png
deleted file mode 100644
index a0bba1b9..00000000
Binary files a/translated_images/faster-rcnn.8d46c099b87ef30a.ml.png and /dev/null differ
diff --git a/translated_images/faster-rcnn.8d46c099b87ef30ab2ea26dbc4bdd85b974a57ba8eb526f65dc4cd0a4711de30.kn.png b/translated_images/faster-rcnn.8d46c099b87ef30ab2ea26dbc4bdd85b974a57ba8eb526f65dc4cd0a4711de30.kn.png
deleted file mode 100644
index f2e117a2..00000000
Binary files a/translated_images/faster-rcnn.8d46c099b87ef30ab2ea26dbc4bdd85b974a57ba8eb526f65dc4cd0a4711de30.kn.png and /dev/null differ
diff --git a/translated_images/faster-rcnn.8d46c099b87ef30ab2ea26dbc4bdd85b974a57ba8eb526f65dc4cd0a4711de30.ml.png b/translated_images/faster-rcnn.8d46c099b87ef30ab2ea26dbc4bdd85b974a57ba8eb526f65dc4cd0a4711de30.ml.png
deleted file mode 100644
index a0bba1b9..00000000
Binary files a/translated_images/faster-rcnn.8d46c099b87ef30ab2ea26dbc4bdd85b974a57ba8eb526f65dc4cd0a4711de30.ml.png and /dev/null differ
diff --git a/translated_images/favicon.37b561214b36d454.kn.png b/translated_images/favicon.37b561214b36d454.kn.png
deleted file mode 100644
index 26e0ae43..00000000
Binary files a/translated_images/favicon.37b561214b36d454.kn.png and /dev/null differ
diff --git a/translated_images/favicon.37b561214b36d454.ml.png b/translated_images/favicon.37b561214b36d454.ml.png
deleted file mode 100644
index 26e0ae43..00000000
Binary files a/translated_images/favicon.37b561214b36d454.ml.png and /dev/null differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.kn.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.kn.png
deleted file mode 100644
index 26e0ae43..00000000
Binary files a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.kn.png and /dev/null differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ml.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ml.png
deleted file mode 100644
index 26e0ae43..00000000
Binary files a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ml.png and /dev/null differ
diff --git a/translated_images/features.6291f9c7ba3a0b95.kn.png b/translated_images/features.6291f9c7ba3a0b95.kn.png
deleted file mode 100644
index 0f6f09a9..00000000
Binary files a/translated_images/features.6291f9c7ba3a0b95.kn.png and /dev/null differ
diff --git a/translated_images/features.6291f9c7ba3a0b95.ml.png b/translated_images/features.6291f9c7ba3a0b95.ml.png
deleted file mode 100644
index 0f6f09a9..00000000
Binary files a/translated_images/features.6291f9c7ba3a0b95.ml.png and /dev/null differ
diff --git a/translated_images/features.6291f9c7ba3a0b951af88fc9864632b9115365410765680680d30c927dd67354.kn.png b/translated_images/features.6291f9c7ba3a0b951af88fc9864632b9115365410765680680d30c927dd67354.kn.png
deleted file mode 100644
index 0f6f09a9..00000000
Binary files a/translated_images/features.6291f9c7ba3a0b951af88fc9864632b9115365410765680680d30c927dd67354.kn.png and /dev/null differ
diff --git a/translated_images/features.6291f9c7ba3a0b951af88fc9864632b9115365410765680680d30c927dd67354.ml.png b/translated_images/features.6291f9c7ba3a0b951af88fc9864632b9115365410765680680d30c927dd67354.ml.png
deleted file mode 100644
index 0f6f09a9..00000000
Binary files a/translated_images/features.6291f9c7ba3a0b951af88fc9864632b9115365410765680680d30c927dd67354.ml.png and /dev/null differ
diff --git a/translated_images/filter-horiz.59b80ed4feb946ef.kn.png b/translated_images/filter-horiz.59b80ed4feb946ef.kn.png
deleted file mode 100644
index 8e964470..00000000
Binary files a/translated_images/filter-horiz.59b80ed4feb946ef.kn.png and /dev/null differ
diff --git a/translated_images/filter-horiz.59b80ed4feb946ef.ml.png b/translated_images/filter-horiz.59b80ed4feb946ef.ml.png
deleted file mode 100644
index 506d017e..00000000
Binary files a/translated_images/filter-horiz.59b80ed4feb946ef.ml.png and /dev/null differ
diff --git a/translated_images/filter-horiz.59b80ed4feb946efbe201a7fe3ca95abb3364e266e6fd90820cb893b4d3a6dda.kn.png b/translated_images/filter-horiz.59b80ed4feb946efbe201a7fe3ca95abb3364e266e6fd90820cb893b4d3a6dda.kn.png
deleted file mode 100644
index 8e964470..00000000
Binary files a/translated_images/filter-horiz.59b80ed4feb946efbe201a7fe3ca95abb3364e266e6fd90820cb893b4d3a6dda.kn.png and /dev/null differ
diff --git a/translated_images/filter-horiz.59b80ed4feb946efbe201a7fe3ca95abb3364e266e6fd90820cb893b4d3a6dda.ml.png b/translated_images/filter-horiz.59b80ed4feb946efbe201a7fe3ca95abb3364e266e6fd90820cb893b4d3a6dda.ml.png
deleted file mode 100644
index 506d017e..00000000
Binary files a/translated_images/filter-horiz.59b80ed4feb946efbe201a7fe3ca95abb3364e266e6fd90820cb893b4d3a6dda.ml.png and /dev/null differ
diff --git a/translated_images/filter-vert.b7148390ca0bc356.kn.png b/translated_images/filter-vert.b7148390ca0bc356.kn.png
deleted file mode 100644
index b8a9997a..00000000
Binary files a/translated_images/filter-vert.b7148390ca0bc356.kn.png and /dev/null differ
diff --git a/translated_images/filter-vert.b7148390ca0bc356.ml.png b/translated_images/filter-vert.b7148390ca0bc356.ml.png
deleted file mode 100644
index bfb1e5ba..00000000
Binary files a/translated_images/filter-vert.b7148390ca0bc356.ml.png and /dev/null differ
diff --git a/translated_images/filter-vert.b7148390ca0bc356ddc7e55555d2481819c1e86ddde9dce4db5e71a69d6f887f.kn.png b/translated_images/filter-vert.b7148390ca0bc356ddc7e55555d2481819c1e86ddde9dce4db5e71a69d6f887f.kn.png
deleted file mode 100644
index b8a9997a..00000000
Binary files a/translated_images/filter-vert.b7148390ca0bc356ddc7e55555d2481819c1e86ddde9dce4db5e71a69d6f887f.kn.png and /dev/null differ
diff --git a/translated_images/filter-vert.b7148390ca0bc356ddc7e55555d2481819c1e86ddde9dce4db5e71a69d6f887f.ml.png b/translated_images/filter-vert.b7148390ca0bc356ddc7e55555d2481819c1e86ddde9dce4db5e71a69d6f887f.ml.png
deleted file mode 100644
index bfb1e5ba..00000000
Binary files a/translated_images/filter-vert.b7148390ca0bc356ddc7e55555d2481819c1e86ddde9dce4db5e71a69d6f887f.ml.png and /dev/null differ
diff --git a/translated_images/frame-difference.706f805491a0883c.kn.png b/translated_images/frame-difference.706f805491a0883c.kn.png
deleted file mode 100644
index c4f0d020..00000000
Binary files a/translated_images/frame-difference.706f805491a0883c.kn.png and /dev/null differ
diff --git a/translated_images/frame-difference.706f805491a0883c.ml.png b/translated_images/frame-difference.706f805491a0883c.ml.png
deleted file mode 100644
index a34f8308..00000000
Binary files a/translated_images/frame-difference.706f805491a0883c.ml.png and /dev/null differ
diff --git a/translated_images/frame-difference.706f805491a0883c938e16447bf5eb2f7d69e812c7f743cbe7d7c7645168f81f.kn.png b/translated_images/frame-difference.706f805491a0883c938e16447bf5eb2f7d69e812c7f743cbe7d7c7645168f81f.kn.png
deleted file mode 100644
index c4f0d020..00000000
Binary files a/translated_images/frame-difference.706f805491a0883c938e16447bf5eb2f7d69e812c7f743cbe7d7c7645168f81f.kn.png and /dev/null differ
diff --git a/translated_images/frame-difference.706f805491a0883c938e16447bf5eb2f7d69e812c7f743cbe7d7c7645168f81f.ml.png b/translated_images/frame-difference.706f805491a0883c938e16447bf5eb2f7d69e812c7f743cbe7d7c7645168f81f.ml.png
deleted file mode 100644
index a34f8308..00000000
Binary files a/translated_images/frame-difference.706f805491a0883c938e16447bf5eb2f7d69e812c7f743cbe7d7c7645168f81f.ml.png and /dev/null differ
diff --git a/translated_images/gan_arch_detail.46b95fd366f8e543.kn.png b/translated_images/gan_arch_detail.46b95fd366f8e543.kn.png
deleted file mode 100644
index 3e8a3782..00000000
Binary files a/translated_images/gan_arch_detail.46b95fd366f8e543.kn.png and /dev/null differ
diff --git a/translated_images/gan_arch_detail.46b95fd366f8e543.ml.png b/translated_images/gan_arch_detail.46b95fd366f8e543.ml.png
deleted file mode 100644
index 97fc0f69..00000000
Binary files a/translated_images/gan_arch_detail.46b95fd366f8e543.ml.png and /dev/null differ
diff --git a/translated_images/gan_arch_detail.46b95fd366f8e543170264fe07e516683ac3e5bb699392c35449e99590a11063.kn.png b/translated_images/gan_arch_detail.46b95fd366f8e543170264fe07e516683ac3e5bb699392c35449e99590a11063.kn.png
deleted file mode 100644
index 3e8a3782..00000000
Binary files a/translated_images/gan_arch_detail.46b95fd366f8e543170264fe07e516683ac3e5bb699392c35449e99590a11063.kn.png and /dev/null differ
diff --git a/translated_images/gan_arch_detail.46b95fd366f8e543170264fe07e516683ac3e5bb699392c35449e99590a11063.ml.png b/translated_images/gan_arch_detail.46b95fd366f8e543170264fe07e516683ac3e5bb699392c35449e99590a11063.ml.png
deleted file mode 100644
index 97fc0f69..00000000
Binary files a/translated_images/gan_arch_detail.46b95fd366f8e543170264fe07e516683ac3e5bb699392c35449e99590a11063.ml.png and /dev/null differ
diff --git a/translated_images/gan_architecture.8f3a5ab62b8d5d69.kn.png b/translated_images/gan_architecture.8f3a5ab62b8d5d69.kn.png
deleted file mode 100644
index 6bade9e7..00000000
Binary files a/translated_images/gan_architecture.8f3a5ab62b8d5d69.kn.png and /dev/null differ
diff --git a/translated_images/gan_architecture.8f3a5ab62b8d5d69.ml.png b/translated_images/gan_architecture.8f3a5ab62b8d5d69.ml.png
deleted file mode 100644
index 2e823bd4..00000000
Binary files a/translated_images/gan_architecture.8f3a5ab62b8d5d69.ml.png and /dev/null differ
diff --git a/translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.kn.png b/translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.kn.png
deleted file mode 100644
index 6bade9e7..00000000
Binary files a/translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.kn.png and /dev/null differ
diff --git a/translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.ml.png b/translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.ml.png
deleted file mode 100644
index 2e823bd4..00000000
Binary files a/translated_images/gan_architecture.8f3a5ab62b8d5d698a91f7668017d8e09b81c5d8e7cc99bdb23979d90a0c475e.ml.png and /dev/null differ
diff --git a/translated_images/history-of-ai.7e83efa70b537f5a.kn.png b/translated_images/history-of-ai.7e83efa70b537f5a.kn.png
deleted file mode 100644
index 76f853e4..00000000
Binary files a/translated_images/history-of-ai.7e83efa70b537f5a.kn.png and /dev/null differ
diff --git a/translated_images/history-of-ai.7e83efa70b537f5a.ml.png b/translated_images/history-of-ai.7e83efa70b537f5a.ml.png
deleted file mode 100644
index 5bbc2510..00000000
Binary files a/translated_images/history-of-ai.7e83efa70b537f5a.ml.png and /dev/null differ
diff --git a/translated_images/history-of-ai.7e83efa70b537f5a0264357672b0884cf3a220fbafe35c65d70b2c3805f7bf5e.kn.png b/translated_images/history-of-ai.7e83efa70b537f5a0264357672b0884cf3a220fbafe35c65d70b2c3805f7bf5e.kn.png
deleted file mode 100644
index 76f853e4..00000000
Binary files a/translated_images/history-of-ai.7e83efa70b537f5a0264357672b0884cf3a220fbafe35c65d70b2c3805f7bf5e.kn.png and /dev/null differ
diff --git a/translated_images/history-of-ai.7e83efa70b537f5a0264357672b0884cf3a220fbafe35c65d70b2c3805f7bf5e.ml.png b/translated_images/history-of-ai.7e83efa70b537f5a0264357672b0884cf3a220fbafe35c65d70b2c3805f7bf5e.ml.png
deleted file mode 100644
index 5bbc2510..00000000
Binary files a/translated_images/history-of-ai.7e83efa70b537f5a0264357672b0884cf3a220fbafe35c65d70b2c3805f7bf5e.ml.png and /dev/null differ
diff --git a/translated_images/ideal-cat-loop.999fbb8ff306e044.kn.png b/translated_images/ideal-cat-loop.999fbb8ff306e044.kn.png
deleted file mode 100644
index ddeb4891..00000000
Binary files a/translated_images/ideal-cat-loop.999fbb8ff306e044.kn.png and /dev/null differ
diff --git a/translated_images/ideal-cat-loop.999fbb8ff306e044.ml.png b/translated_images/ideal-cat-loop.999fbb8ff306e044.ml.png
deleted file mode 100644
index 3bfe5d5c..00000000
Binary files a/translated_images/ideal-cat-loop.999fbb8ff306e044.ml.png and /dev/null differ
diff --git a/translated_images/ideal-cat-loop.999fbb8ff306e044f997032f4eef9152b453e6a990e449bbfb107de2493cc37e.kn.png b/translated_images/ideal-cat-loop.999fbb8ff306e044f997032f4eef9152b453e6a990e449bbfb107de2493cc37e.kn.png
deleted file mode 100644
index ddeb4891..00000000
Binary files a/translated_images/ideal-cat-loop.999fbb8ff306e044f997032f4eef9152b453e6a990e449bbfb107de2493cc37e.kn.png and /dev/null differ
diff --git a/translated_images/ideal-cat-loop.999fbb8ff306e044f997032f4eef9152b453e6a990e449bbfb107de2493cc37e.ml.png b/translated_images/ideal-cat-loop.999fbb8ff306e044f997032f4eef9152b453e6a990e449bbfb107de2493cc37e.ml.png
deleted file mode 100644
index 3bfe5d5c..00000000
Binary files a/translated_images/ideal-cat-loop.999fbb8ff306e044f997032f4eef9152b453e6a990e449bbfb107de2493cc37e.ml.png and /dev/null differ
diff --git a/translated_images/ideal-cat.203dd4597643d6b0.kn.png b/translated_images/ideal-cat.203dd4597643d6b0.kn.png
deleted file mode 100644
index 54e79786..00000000
Binary files a/translated_images/ideal-cat.203dd4597643d6b0.kn.png and /dev/null differ
diff --git a/translated_images/ideal-cat.203dd4597643d6b0.ml.png b/translated_images/ideal-cat.203dd4597643d6b0.ml.png
deleted file mode 100644
index 54e79786..00000000
Binary files a/translated_images/ideal-cat.203dd4597643d6b0.ml.png and /dev/null differ
diff --git a/translated_images/ideal-cat.203dd4597643d6b0bd73038b87f9c0464322725e3a06ab145d25d4a861c70592.kn.png b/translated_images/ideal-cat.203dd4597643d6b0bd73038b87f9c0464322725e3a06ab145d25d4a861c70592.kn.png
deleted file mode 100644
index 54e79786..00000000
Binary files a/translated_images/ideal-cat.203dd4597643d6b0bd73038b87f9c0464322725e3a06ab145d25d4a861c70592.kn.png and /dev/null differ
diff --git a/translated_images/ideal-cat.203dd4597643d6b0bd73038b87f9c0464322725e3a06ab145d25d4a861c70592.ml.png b/translated_images/ideal-cat.203dd4597643d6b0bd73038b87f9c0464322725e3a06ab145d25d4a861c70592.ml.png
deleted file mode 100644
index 54e79786..00000000
Binary files a/translated_images/ideal-cat.203dd4597643d6b0bd73038b87f9c0464322725e3a06ab145d25d4a861c70592.ml.png and /dev/null differ
diff --git a/translated_images/ideal-zebra.7f70e8b54ee15a7a.kn.png b/translated_images/ideal-zebra.7f70e8b54ee15a7a.kn.png
deleted file mode 100644
index 0422909f..00000000
Binary files a/translated_images/ideal-zebra.7f70e8b54ee15a7a.kn.png and /dev/null differ
diff --git a/translated_images/ideal-zebra.7f70e8b54ee15a7a.ml.png b/translated_images/ideal-zebra.7f70e8b54ee15a7a.ml.png
deleted file mode 100644
index 0422909f..00000000
Binary files a/translated_images/ideal-zebra.7f70e8b54ee15a7a.ml.png and /dev/null differ
diff --git a/translated_images/ideal-zebra.7f70e8b54ee15a7a314000bb5df38a6cfe086ea04d60df4d3ef313d046b98a2b.kn.png b/translated_images/ideal-zebra.7f70e8b54ee15a7a314000bb5df38a6cfe086ea04d60df4d3ef313d046b98a2b.kn.png
deleted file mode 100644
index 0422909f..00000000
Binary files a/translated_images/ideal-zebra.7f70e8b54ee15a7a314000bb5df38a6cfe086ea04d60df4d3ef313d046b98a2b.kn.png and /dev/null differ
diff --git a/translated_images/ideal-zebra.7f70e8b54ee15a7a314000bb5df38a6cfe086ea04d60df4d3ef313d046b98a2b.ml.png b/translated_images/ideal-zebra.7f70e8b54ee15a7a314000bb5df38a6cfe086ea04d60df4d3ef313d046b98a2b.ml.png
deleted file mode 100644
index 0422909f..00000000
Binary files a/translated_images/ideal-zebra.7f70e8b54ee15a7a314000bb5df38a6cfe086ea04d60df4d3ef313d046b98a2b.ml.png and /dev/null differ
diff --git a/translated_images/image.896e8254a2c60d45.kn.jpg b/translated_images/image.896e8254a2c60d45.kn.jpg
deleted file mode 100644
index 599c8388..00000000
Binary files a/translated_images/image.896e8254a2c60d45.kn.jpg and /dev/null differ
diff --git a/translated_images/image.896e8254a2c60d45.ml.jpg b/translated_images/image.896e8254a2c60d45.ml.jpg
deleted file mode 100644
index 599c8388..00000000
Binary files a/translated_images/image.896e8254a2c60d45.ml.jpg and /dev/null differ
diff --git a/translated_images/image.896e8254a2c60d451dbc648a499c3ed5d4b596bea265a3ca7ea581b5bc50d32f.kn.jpg b/translated_images/image.896e8254a2c60d451dbc648a499c3ed5d4b596bea265a3ca7ea581b5bc50d32f.kn.jpg
deleted file mode 100644
index 599c8388..00000000
Binary files a/translated_images/image.896e8254a2c60d451dbc648a499c3ed5d4b596bea265a3ca7ea581b5bc50d32f.kn.jpg and /dev/null differ
diff --git a/translated_images/image.896e8254a2c60d451dbc648a499c3ed5d4b596bea265a3ca7ea581b5bc50d32f.ml.jpg b/translated_images/image.896e8254a2c60d451dbc648a499c3ed5d4b596bea265a3ca7ea581b5bc50d32f.ml.jpg
deleted file mode 100644
index 599c8388..00000000
Binary files a/translated_images/image.896e8254a2c60d451dbc648a499c3ed5d4b596bea265a3ca7ea581b5bc50d32f.ml.jpg and /dev/null differ
diff --git a/translated_images/inception.a6605b85bcbc6f52.kn.png b/translated_images/inception.a6605b85bcbc6f52.kn.png
deleted file mode 100644
index dd5c3f09..00000000
Binary files a/translated_images/inception.a6605b85bcbc6f52.kn.png and /dev/null differ
diff --git a/translated_images/inception.a6605b85bcbc6f52.ml.png b/translated_images/inception.a6605b85bcbc6f52.ml.png
deleted file mode 100644
index eb27b59f..00000000
Binary files a/translated_images/inception.a6605b85bcbc6f52.ml.png and /dev/null differ
diff --git a/translated_images/inception.a6605b85bcbc6f52490ec55e68109dd41924cba9d7e1007453b4cdf554199c8d.kn.png b/translated_images/inception.a6605b85bcbc6f52490ec55e68109dd41924cba9d7e1007453b4cdf554199c8d.kn.png
deleted file mode 100644
index dd5c3f09..00000000
Binary files a/translated_images/inception.a6605b85bcbc6f52490ec55e68109dd41924cba9d7e1007453b4cdf554199c8d.kn.png and /dev/null differ
diff --git a/translated_images/inception.a6605b85bcbc6f52490ec55e68109dd41924cba9d7e1007453b4cdf554199c8d.ml.png b/translated_images/inception.a6605b85bcbc6f52490ec55e68109dd41924cba9d7e1007453b4cdf554199c8d.ml.png
deleted file mode 100644
index eb27b59f..00000000
Binary files a/translated_images/inception.a6605b85bcbc6f52490ec55e68109dd41924cba9d7e1007453b4cdf554199c8d.ml.png and /dev/null differ
diff --git a/translated_images/instance_vs_semantic.eee9812bebf8cd45.kn.jpeg b/translated_images/instance_vs_semantic.eee9812bebf8cd45.kn.jpeg
deleted file mode 100644
index 9712fbe1..00000000
Binary files a/translated_images/instance_vs_semantic.eee9812bebf8cd45.kn.jpeg and /dev/null differ
diff --git a/translated_images/instance_vs_semantic.eee9812bebf8cd45.ml.jpeg b/translated_images/instance_vs_semantic.eee9812bebf8cd45.ml.jpeg
deleted file mode 100644
index 790992c5..00000000
Binary files a/translated_images/instance_vs_semantic.eee9812bebf8cd45.ml.jpeg and /dev/null differ
diff --git a/translated_images/instance_vs_semantic.eee9812bebf8cd450cdef4caaed2d4dd9c6c3b671e0c65d8aef312758ebb7b89.kn.jpeg b/translated_images/instance_vs_semantic.eee9812bebf8cd450cdef4caaed2d4dd9c6c3b671e0c65d8aef312758ebb7b89.kn.jpeg
deleted file mode 100644
index 9712fbe1..00000000
Binary files a/translated_images/instance_vs_semantic.eee9812bebf8cd450cdef4caaed2d4dd9c6c3b671e0c65d8aef312758ebb7b89.kn.jpeg and /dev/null differ
diff --git a/translated_images/instance_vs_semantic.eee9812bebf8cd450cdef4caaed2d4dd9c6c3b671e0c65d8aef312758ebb7b89.ml.jpeg b/translated_images/instance_vs_semantic.eee9812bebf8cd450cdef4caaed2d4dd9c6c3b671e0c65d8aef312758ebb7b89.ml.jpeg
deleted file mode 100644
index 790992c5..00000000
Binary files a/translated_images/instance_vs_semantic.eee9812bebf8cd450cdef4caaed2d4dd9c6c3b671e0c65d8aef312758ebb7b89.ml.jpeg and /dev/null differ
diff --git a/translated_images/iou_equation.9a4751d40fff4e11.kn.png b/translated_images/iou_equation.9a4751d40fff4e11.kn.png
deleted file mode 100644
index 3ab61d19..00000000
Binary files a/translated_images/iou_equation.9a4751d40fff4e11.kn.png and /dev/null differ
diff --git a/translated_images/iou_equation.9a4751d40fff4e11.ml.png b/translated_images/iou_equation.9a4751d40fff4e11.ml.png
deleted file mode 100644
index f92a087e..00000000
Binary files a/translated_images/iou_equation.9a4751d40fff4e11.ml.png and /dev/null differ
diff --git a/translated_images/iou_equation.9a4751d40fff4e119ecd0a7bcca4e71ab1dc83e0d4f2a0d66ff0859736f593cf.kn.png b/translated_images/iou_equation.9a4751d40fff4e119ecd0a7bcca4e71ab1dc83e0d4f2a0d66ff0859736f593cf.kn.png
deleted file mode 100644
index 3ab61d19..00000000
Binary files a/translated_images/iou_equation.9a4751d40fff4e119ecd0a7bcca4e71ab1dc83e0d4f2a0d66ff0859736f593cf.kn.png and /dev/null differ
diff --git a/translated_images/iou_equation.9a4751d40fff4e119ecd0a7bcca4e71ab1dc83e0d4f2a0d66ff0859736f593cf.ml.png b/translated_images/iou_equation.9a4751d40fff4e119ecd0a7bcca4e71ab1dc83e0d4f2a0d66ff0859736f593cf.ml.png
deleted file mode 100644
index f92a087e..00000000
Binary files a/translated_images/iou_equation.9a4751d40fff4e119ecd0a7bcca4e71ab1dc83e0d4f2a0d66ff0859736f593cf.ml.png and /dev/null differ
diff --git a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.kn.png b/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.kn.png
deleted file mode 100644
index 3046bced..00000000
Binary files a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.kn.png and /dev/null differ
diff --git a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.ml.png b/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.ml.png
deleted file mode 100644
index 706a5c5b..00000000
Binary files a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.ml.png and /dev/null differ
diff --git a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362e39ee4381aab7cad06b5465a0b5f053a0f2aa05fbe14e746.kn.png b/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362e39ee4381aab7cad06b5465a0b5f053a0f2aa05fbe14e746.kn.png
deleted file mode 100644
index 3046bced..00000000
Binary files a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362e39ee4381aab7cad06b5465a0b5f053a0f2aa05fbe14e746.kn.png and /dev/null differ
diff --git a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362e39ee4381aab7cad06b5465a0b5f053a0f2aa05fbe14e746.ml.png b/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362e39ee4381aab7cad06b5465a0b5f053a0f2aa05fbe14e746.ml.png
deleted file mode 100644
index 706a5c5b..00000000
Binary files a/translated_images/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362e39ee4381aab7cad06b5465a0b5f053a0f2aa05fbe14e746.ml.png and /dev/null differ
diff --git a/translated_images/kn/.co-op-translator.json b/translated_images/kn/.co-op-translator.json
new file mode 100644
index 00000000..4c228e08
--- /dev/null
+++ b/translated_images/kn/.co-op-translator.json
@@ -0,0 +1,722 @@
+{
+ "favicon.37b561214b36d454.webp": {
+ "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
+ "translation_date": "2026-01-17T02:23:43+00:00",
+ "source_file": "images/favicon.png",
+ "language_code": "kn"
+ },
+ "ai-nlp.b22dcb8ca4707cea.webp": {
+ "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
+ "translation_date": "2026-01-17T02:23:56+00:00",
+ "source_file": "lessons/sketchnotes/ai-nlp.png",
+ "language_code": "kn"
+ },
+ "ai-symbolic.715a30cb610411a6.webp": {
+ "original_hash": "69d3628566f680ac8543651aa6fd520c",
+ "translation_date": "2026-01-17T02:24:15+00:00",
+ "source_file": "lessons/sketchnotes/ai-symbolic.png",
+ "language_code": "kn"
+ },
+ "ai-computervision.6506ebebac3fbf76.webp": {
+ "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
+ "translation_date": "2026-01-17T02:24:33+00:00",
+ "source_file": "lessons/sketchnotes/ai-computervision.png",
+ "language_code": "kn"
+ },
+ "ai-for-beginners.b354ca904b22cd70.webp": {
+ "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
+ "translation_date": "2026-01-17T02:24:37+00:00",
+ "source_file": "lessons/sketchnotes/ai-for-beginners.png",
+ "language_code": "kn"
+ },
+ "ai-overview.0857791951d19500.webp": {
+ "original_hash": "7206f99da5c2b99d21581f946a660235",
+ "translation_date": "2026-01-17T02:24:51+00:00",
+ "source_file": "lessons/sketchnotes/ai-overview.png",
+ "language_code": "kn"
+ },
+ "ai-intro.bf28d1ac4235881c.webp": {
+ "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
+ "translation_date": "2026-01-17T02:25:08+00:00",
+ "source_file": "lessons/sketchnotes/ai-intro.png",
+ "language_code": "kn"
+ },
+ "ai-neuralnetworks.1c687ae40bc86e83.webp": {
+ "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
+ "translation_date": "2026-01-17T02:25:24+00:00",
+ "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
+ "language_code": "kn"
+ },
+ "vae.464c465a5b6a9e25.webp": {
+ "original_hash": "0b658c7862077e139162c756bcb98071",
+ "translation_date": "2026-01-17T02:25:27+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
+ "language_code": "kn"
+ },
+ "vaemnist-diag.694315f775d5d666.webp": {
+ "original_hash": "0652f5a95005348c6b1533438103dfcf",
+ "translation_date": "2026-01-17T02:25:28+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
+ "language_code": "kn"
+ },
+ "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
+ "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
+ "translation_date": "2026-01-17T02:25:31+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
+ "language_code": "kn"
+ },
+ "vaemnist.cab9e602dc08dc50.webp": {
+ "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
+ "translation_date": "2026-01-17T02:25:33+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
+ "language_code": "kn"
+ },
+ "aae.9d418a990fc75bf9.webp": {
+ "original_hash": "92f89b37641f659a7d25c91d13076f69",
+ "translation_date": "2026-01-17T02:25:36+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
+ "language_code": "kn"
+ },
+ "instance_vs_semantic.eee9812bebf8cd45.webp": {
+ "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
+ "translation_date": "2026-01-17T02:25:40+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
+ "language_code": "kn"
+ },
+ "unet.3adb555bf39d3657.webp": {
+ "original_hash": "49a151c11708ee9a3e94d21448146bf8",
+ "translation_date": "2026-01-17T02:25:48+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
+ "language_code": "kn"
+ },
+ "navi.2f20b727910110ea.webp": {
+ "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
+ "translation_date": "2026-01-17T02:25:49+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
+ "language_code": "kn"
+ },
+ "segm.92442f2cb42ff4fa.webp": {
+ "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
+ "translation_date": "2026-01-17T02:25:54+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
+ "language_code": "kn"
+ },
+ "segnet.87377542aa5a8b76.webp": {
+ "original_hash": "fa6d2d499aa2ae589a14caede7534561",
+ "translation_date": "2026-01-17T02:25:58+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
+ "language_code": "kn"
+ },
+ "gan_architecture.8f3a5ab62b8d5d69.webp": {
+ "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
+ "translation_date": "2026-01-17T02:26:03+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
+ "language_code": "kn"
+ },
+ "style.5293e85e077ab22c.webp": {
+ "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
+ "translation_date": "2026-01-17T02:26:04+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
+ "language_code": "kn"
+ },
+ "image.896e8254a2c60d45.webp": {
+ "original_hash": "0033165481f191386403b85801811833",
+ "translation_date": "2026-01-17T02:26:04+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
+ "language_code": "kn"
+ },
+ "gan_arch_detail.46b95fd366f8e543.webp": {
+ "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
+ "translation_date": "2026-01-17T02:26:11+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
+ "language_code": "kn"
+ },
+ "dcgan_generator.b500988ec2bc8ba5.webp": {
+ "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
+ "translation_date": "2026-01-17T02:26:16+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
+ "language_code": "kn"
+ },
+ "ideal-zebra.7f70e8b54ee15a7a.webp": {
+ "original_hash": "6944fb46795f714f0ce8e856c405498a",
+ "translation_date": "2026-01-17T02:26:16+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
+ "language_code": "kn"
+ },
+ "ideal-cat-loop.999fbb8ff306e044.webp": {
+ "original_hash": "c54e983c591431338bf8ddac9ab8415b",
+ "translation_date": "2026-01-17T02:26:20+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
+ "language_code": "kn"
+ },
+ "dog-from-unsplash.426f9fbca2febc93.webp": {
+ "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
+ "translation_date": "2026-01-17T02:26:21+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
+ "language_code": "kn"
+ },
+ "features.6291f9c7ba3a0b95.webp": {
+ "original_hash": "e2727bfacc1156e045d1879bbe86e189",
+ "translation_date": "2026-01-17T02:26:23+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
+ "language_code": "kn"
+ },
+ "ideal-cat.203dd4597643d6b0.webp": {
+ "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
+ "translation_date": "2026-01-17T02:26:23+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
+ "language_code": "kn"
+ },
+ "adversarial-dog.d9fc7773b0142b89.webp": {
+ "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
+ "translation_date": "2026-01-17T02:26:24+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
+ "language_code": "kn"
+ },
+ "catsdogsdataset.a7aff8e6085fd3f0.webp": {
+ "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
+ "translation_date": "2026-01-17T02:26:26+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
+ "language_code": "kn"
+ },
+ "original-dog.8f68a67d2fe0911f.webp": {
+ "original_hash": "3ed859629b4141f735fd0d3c1941f520",
+ "translation_date": "2026-01-17T02:26:26+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
+ "language_code": "kn"
+ },
+ "braille.341962ff76b1bd70.webp": {
+ "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
+ "translation_date": "2026-01-17T02:26:27+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
+ "language_code": "kn"
+ },
+ "braille-symbols.0159185ab69d5339.webp": {
+ "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
+ "translation_date": "2026-01-17T02:26:29+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
+ "language_code": "kn"
+ },
+ "frame-difference.706f805491a0883c.webp": {
+ "original_hash": "a141e72f08e1b8f7451392889af90072",
+ "translation_date": "2026-01-17T02:26:31+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
+ "language_code": "kn"
+ },
+ "braille-result.46530fea020b03c7.webp": {
+ "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
+ "translation_date": "2026-01-17T02:26:31+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
+ "language_code": "kn"
+ },
+ "palm-movement.341495f0e9c47da3.webp": {
+ "original_hash": "100780b2e1d5adff2739adf58fc18404",
+ "translation_date": "2026-01-17T02:26:33+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
+ "language_code": "kn"
+ },
+ "optical.1f4a94464579a83a.webp": {
+ "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
+ "translation_date": "2026-01-17T02:26:34+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
+ "language_code": "kn"
+ },
+ "1200px-Girl_and_cat.89bd70951181e86a.webp": {
+ "original_hash": "aa8cdeaa9beaad5a06610236cf22f296",
+ "translation_date": "2026-01-17T02:26:34+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/1200px-Girl_and_cat.jpg",
+ "language_code": "kn"
+ },
+ "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
+ "original_hash": "f31ea979f0ceabdf198899985ac84c37",
+ "translation_date": "2026-01-17T02:26:40+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
+ "language_code": "kn"
+ },
+ "naive-detection.e7f1ba220ccd08c6.webp": {
+ "original_hash": "4c96961c12a09f8e055546ed2e7de470",
+ "translation_date": "2026-01-17T02:26:44+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
+ "language_code": "kn"
+ },
+ "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
+ "original_hash": "6704085c522f47ce42ad8402dafe6429",
+ "translation_date": "2026-01-17T02:26:47+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
+ "language_code": "kn"
+ },
+ "iou_equation.9a4751d40fff4e11.webp": {
+ "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
+ "translation_date": "2026-01-17T02:26:49+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
+ "language_code": "kn"
+ },
+ "coco-examples.71bc60380fa6cceb.webp": {
+ "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
+ "translation_date": "2026-01-17T02:26:50+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
+ "language_code": "kn"
+ },
+ "f-rcnn.3cda6d9bb4188875.webp": {
+ "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
+ "translation_date": "2026-01-17T02:26:56+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
+ "language_code": "kn"
+ },
+ "rcnn1.cae407020dfb1d1f.webp": {
+ "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
+ "translation_date": "2026-01-17T02:26:56+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
+ "language_code": "kn"
+ },
+ "faster-rcnn.8d46c099b87ef30a.webp": {
+ "original_hash": "067e2ca96344fd6d0490e0530a922b36",
+ "translation_date": "2026-01-17T02:27:01+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
+ "language_code": "kn"
+ },
+ "r-fcn.13eb88158b99a3da.webp": {
+ "original_hash": "38cd0e0105546e56fa17b711d445195f",
+ "translation_date": "2026-01-17T02:27:05+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
+ "language_code": "kn"
+ },
+ "yolo.a2648ec82ee8bb4e.webp": {
+ "original_hash": "e8835638234f5c21fcf36fdede6457f4",
+ "translation_date": "2026-01-17T02:27:08+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
+ "language_code": "kn"
+ },
+ "rcnn2.2d9530bb83516484.webp": {
+ "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
+ "translation_date": "2026-01-17T02:27:14+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
+ "language_code": "kn"
+ },
+ "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
+ "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
+ "translation_date": "2026-01-17T02:27:23+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
+ "language_code": "kn"
+ },
+ "resnet-block.aba4ccbcc0944434.webp": {
+ "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
+ "translation_date": "2026-01-17T02:27:25+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
+ "language_code": "kn"
+ },
+ "cnn-pyramid.85915455759ef0ce.webp": {
+ "original_hash": "7233ded4a920332806363d704bfb59a6",
+ "translation_date": "2026-01-17T02:27:38+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
+ "language_code": "kn"
+ },
+ "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
+ "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
+ "translation_date": "2026-01-17T02:27:40+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
+ "language_code": "kn"
+ },
+ "filter-horiz.59b80ed4feb946ef.webp": {
+ "original_hash": "b081df9e2042850983a46ff817b88d55",
+ "translation_date": "2026-01-17T02:27:41+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
+ "language_code": "kn"
+ },
+ "vgg-16-arch1.d901a5583b3a51ba.webp": {
+ "original_hash": "5b0f835d04dc20d097a0b89c88339966",
+ "translation_date": "2026-01-17T02:27:46+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
+ "language_code": "kn"
+ },
+ "vgg-16-arch.64ff2137f50dd49f.webp": {
+ "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
+ "translation_date": "2026-01-17T02:27:50+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
+ "language_code": "kn"
+ },
+ "convolutionExample.634615d5ff7081e0.webp": {
+ "original_hash": "5412e092848cb3cd4fa527aba3be0545",
+ "translation_date": "2026-01-17T02:27:55+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
+ "language_code": "kn"
+ },
+ "inception.a6605b85bcbc6f52.webp": {
+ "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
+ "translation_date": "2026-01-17T02:27:58+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
+ "language_code": "kn"
+ },
+ "filter-vert.b7148390ca0bc356.webp": {
+ "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
+ "translation_date": "2026-01-17T02:28:01+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
+ "language_code": "kn"
+ },
+ "lmfilters.ea9e4868a82cf74c.webp": {
+ "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
+ "translation_date": "2026-01-17T02:28:01+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
+ "language_code": "kn"
+ },
+ "data.50b2a9d5484bdbf0.webp": {
+ "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
+ "translation_date": "2026-01-17T02:28:06+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
+ "language_code": "kn"
+ },
+ "NetLogo-ModelLib.efe023afb4763c05.webp": {
+ "original_hash": "edd5b28318e2f43274a4541408110fb9",
+ "translation_date": "2026-01-17T02:28:18+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
+ "language_code": "kn"
+ },
+ "NetLogo-Main.32653711ec1a01b3.webp": {
+ "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
+ "translation_date": "2026-01-17T02:28:36+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
+ "language_code": "kn"
+ },
+ "cartpole.f52a67f27e058170.webp": {
+ "original_hash": "5399242e127ea1c18aa6ee405daecf51",
+ "translation_date": "2026-01-17T02:28:36+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
+ "language_code": "kn"
+ },
+ "mountaincar.f7b7a7f6d4f9933b.webp": {
+ "original_hash": "61c868cc389dc92bd2b402ea490cd162",
+ "translation_date": "2026-01-17T02:28:38+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
+ "language_code": "kn"
+ },
+ "ml-for-beginners.9e4fed176fd5817d.webp": {
+ "original_hash": "cd606a24083e039082b0486fc8382823",
+ "translation_date": "2026-01-17T02:28:40+00:00",
+ "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
+ "language_code": "kn"
+ },
+ "history-of-ai.7e83efa70b537f5a.webp": {
+ "original_hash": "644e648b98fcb10fb9713452ff02934d",
+ "translation_date": "2026-01-17T02:28:53+00:00",
+ "source_file": "lessons/1-Intro/images/history-of-ai.png",
+ "language_code": "kn"
+ },
+ "photo-cat.8c8e8fb760ffe457.webp": {
+ "original_hash": "29d10fef28d240c48995ef9dd23e477a",
+ "translation_date": "2026-01-17T02:28:53+00:00",
+ "source_file": "lessons/1-Intro/images/photo-cat.jpg",
+ "language_code": "kn"
+ },
+ "dsh_age.d212a30d4e54fb5f.webp": {
+ "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
+ "translation_date": "2026-01-17T02:28:55+00:00",
+ "source_file": "lessons/1-Intro/images/dsh_age.png",
+ "language_code": "kn"
+ },
+ "turing-test-evol.4184696701293ead.webp": {
+ "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
+ "translation_date": "2026-01-17T02:29:01+00:00",
+ "source_file": "lessons/1-Intro/images/turing-test-evol.png",
+ "language_code": "kn"
+ },
+ "knowledge-spectrum.b60df631852c0217.webp": {
+ "original_hash": "71b049ee26a22a68996034585436ca59",
+ "translation_date": "2026-01-17T02:29:12+00:00",
+ "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
+ "language_code": "kn"
+ },
+ "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
+ "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
+ "translation_date": "2026-01-17T02:29:16+00:00",
+ "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
+ "language_code": "kn"
+ },
+ "AND-OR-Tree.5592d2c70187f283.webp": {
+ "original_hash": "2674b6cf8f768491c6b5a167f272a002",
+ "translation_date": "2026-01-17T02:34:25+00:00",
+ "source_file": "lessons/2-Symbolic/images/AND-OR-Tree.png",
+ "language_code": "kn"
+ },
+ "triplet-complex.32094972c7b4441b.webp": {
+ "original_hash": "56a2e05839a141c311db52655b37f8ad",
+ "translation_date": "2026-01-17T02:34:38+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
+ "language_code": "kn"
+ },
+ "arch-human.5d4d35f1bba3ab1c.webp": {
+ "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
+ "translation_date": "2026-01-17T02:34:44+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-human.png",
+ "language_code": "kn"
+ },
+ "arch-kbs.3ec5c150b09fa8da.webp": {
+ "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
+ "translation_date": "2026-01-17T02:34:49+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
+ "language_code": "kn"
+ },
+ "triplet.4b9b332587593298.webp": {
+ "original_hash": "302e53ea355ffb556d99e3962d0a6516",
+ "translation_date": "2026-01-17T02:34:56+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet.png",
+ "language_code": "kn"
+ },
+ "protege.274177ceeac13b38.webp": {
+ "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
+ "translation_date": "2026-01-17T02:35:29+00:00",
+ "source_file": "lessons/2-Symbolic/images/protege.png",
+ "language_code": "kn"
+ },
+ "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
+ "original_hash": "88212730ecd9b0c8b848c319951427d8",
+ "translation_date": "2026-01-17T02:35:34+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
+ "language_code": "kn"
+ },
+ "overfit2.131f5800ae10ca5e.webp": {
+ "original_hash": "eb04381b2f222518ec400b98ebf441b2",
+ "translation_date": "2026-01-17T02:35:35+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
+ "language_code": "kn"
+ },
+ "netout.1eb15eb76fd76731.webp": {
+ "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
+ "translation_date": "2026-01-17T02:35:37+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/netout.png",
+ "language_code": "kn"
+ },
+ "artneuron.1a5daa88d20ebe6f.webp": {
+ "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
+ "translation_date": "2026-01-17T02:35:39+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
+ "language_code": "kn"
+ },
+ "Overfitting.408ad91cd90b4371.webp": {
+ "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
+ "translation_date": "2026-01-17T02:35:45+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
+ "language_code": "kn"
+ },
+ "overfit1.f24b71c6f652e59e.webp": {
+ "original_hash": "76155698e85340d9dfff8e0a628d25c1",
+ "translation_date": "2026-01-17T02:35:47+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
+ "language_code": "kn"
+ },
+ "NeuroArch.4e17cdba5e445721.webp": {
+ "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
+ "translation_date": "2026-01-17T02:35:50+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "language_code": "kn"
+ },
+ "ComputeGraphGrad.4626252c0de03507.webp": {
+ "original_hash": "b0bf679245a237b1e7785ae2357a5376",
+ "translation_date": "2026-01-17T02:35:53+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraphGrad.png",
+ "language_code": "kn"
+ },
+ "Cross-Entropy-Loss.dc7ba633d2467ef3.webp": {
+ "original_hash": "11dd0fd77a272755d0ef5db9f71217da",
+ "translation_date": "2026-01-17T02:35:57+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/Cross-Entropy-Loss.png",
+ "language_code": "kn"
+ },
+ "ComputeGraph.463c9d8ebdcb2215.webp": {
+ "original_hash": "7af66742d6bede114f971689745bedf2",
+ "translation_date": "2026-01-17T02:35:59+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
+ "language_code": "kn"
+ },
+ "overfit.a0bd57f717c15769.webp": {
+ "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
+ "translation_date": "2026-01-17T02:36:01+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
+ "language_code": "kn"
+ },
+ "Rosenblatt-wikipedia.294821b285ac796d.webp": {
+ "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
+ "translation_date": "2026-01-17T02:36:05+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
+ "language_code": "kn"
+ },
+ "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
+ "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
+ "translation_date": "2026-01-17T02:36:08+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
+ "language_code": "kn"
+ },
+ "activation-func.b4924007c7ce7764.webp": {
+ "original_hash": "8d357884343ec923611a319d4e910b99",
+ "translation_date": "2026-01-17T02:36:09+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
+ "language_code": "kn"
+ },
+ "clip-class.3af42ef0b2b19369.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-17T02:36:15+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
+ "language_code": "kn"
+ },
+ "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
+ "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
+ "translation_date": "2026-01-17T02:36:16+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
+ "language_code": "kn"
+ },
+ "clip-arch.b3dbf20b4e8ed8be.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-17T02:36:21+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
+ "language_code": "kn"
+ },
+ "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
+ "original_hash": "e300d75d78f6050bc7b83df091f95775",
+ "translation_date": "2026-01-17T02:36:22+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
+ "language_code": "kn"
+ },
+ "DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp": {
+ "original_hash": "dd063fda04db937ab7210064af9d6151",
+ "translation_date": "2026-01-17T02:36:23+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.png",
+ "language_code": "kn"
+ },
+ "DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp": {
+ "original_hash": "2cc9ab0daf8e1af7071fbc9eaf84970b",
+ "translation_date": "2026-01-17T02:36:24+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.png",
+ "language_code": "kn"
+ },
+ "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
+ "original_hash": "ec89cbb600b14e86f353a347506554ba",
+ "translation_date": "2026-01-17T02:36:24+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
+ "language_code": "kn"
+ },
+ "a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp": {
+ "original_hash": "7064cd71a562523998203c756842c96d",
+ "translation_date": "2026-01-17T02:36:25+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.png",
+ "language_code": "kn"
+ },
+ "vqgan.5027fe05051dfa31.webp": {
+ "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
+ "translation_date": "2026-01-17T02:36:27+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "language_code": "kn"
+ },
+ "bag-of-words-example.606fc1738f1d7ba9.webp": {
+ "original_hash": "a8fa84622ff35939e498d06fac3fa515",
+ "translation_date": "2026-01-17T02:36:30+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
+ "language_code": "kn"
+ },
+ "bow.3811869cff59368d.webp": {
+ "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
+ "translation_date": "2026-01-17T02:36:44+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
+ "language_code": "kn"
+ },
+ "ascii-character-map.18ed6aa7f3b0a7ff.webp": {
+ "original_hash": "afc5ff2601be320926d89f1ad897eda8",
+ "translation_date": "2026-01-17T02:36:50+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/ascii-character-map.png",
+ "language_code": "kn"
+ },
+ "multi-layer-lstm.dd975e29bb2a59fe.webp": {
+ "original_hash": "27b6355fd86c9e8e6d443015653be763",
+ "translation_date": "2026-01-17T02:36:53+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "language_code": "kn"
+ },
+ "rnn-anatomy.79ee3f3920b3294b.webp": {
+ "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
+ "translation_date": "2026-01-17T02:36:59+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
+ "language_code": "kn"
+ },
+ "rnn.27f5c29c53d727b5.webp": {
+ "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
+ "translation_date": "2026-01-17T02:37:08+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
+ "language_code": "kn"
+ },
+ "encoder-decoder-attention.7a726296894fb567.webp": {
+ "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
+ "translation_date": "2026-01-17T02:37:17+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
+ "language_code": "kn"
+ },
+ "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
+ "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
+ "translation_date": "2026-01-17T02:37:26+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "language_code": "kn"
+ },
+ "bahdanau-fig3.09ba2d37f202a6af.webp": {
+ "original_hash": "b5cfbb9cad3b0d3fbdcc63dcd2ed514f",
+ "translation_date": "2026-01-17T02:37:30+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/bahdanau-fig3.png",
+ "language_code": "kn"
+ },
+ "pos-embedding.e41ce9b6cf6078af.webp": {
+ "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
+ "translation_date": "2026-01-17T02:37:36+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
+ "language_code": "kn"
+ },
+ "transformer-layer.905e14747ca4e7d5.webp": {
+ "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
+ "translation_date": "2026-01-17T02:37:43+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
+ "language_code": "kn"
+ },
+ "CoreferenceResolution.861924d6d384a7d6.webp": {
+ "original_hash": "25b5719ec70aaa44858076c16f7c208f",
+ "translation_date": "2026-01-17T02:37:49+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
+ "language_code": "kn"
+ },
+ "bot-ner.4b09235dbb0ad275.webp": {
+ "original_hash": "5e61aca4f94182c7e7d509b8d2de3c9f",
+ "translation_date": "2026-01-17T02:38:01+00:00",
+ "source_file": "lessons/5-NLP/19-NER/images/bot-ner.png",
+ "language_code": "kn"
+ },
+ "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
+ "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
+ "translation_date": "2026-01-17T02:38:03+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "language_code": "kn"
+ },
+ "rnn-generate.56c54afb52f9781d.webp": {
+ "original_hash": "67332ada2d0603921bba37c06956c70e",
+ "translation_date": "2026-01-17T02:38:07+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "language_code": "kn"
+ },
+ "rnn-generate-inf.5168dc65e0370eea.webp": {
+ "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
+ "translation_date": "2026-01-17T02:38:09+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "language_code": "kn"
+ },
+ "embedding-classifier-example.b77f021a7ee67eee.webp": {
+ "original_hash": "0c4233111f66d9c6925af5b97f9519a0",
+ "translation_date": "2026-01-17T02:38:14+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/embedding-classifier-example.png",
+ "language_code": "kn"
+ },
+ "offset-sequence-representation.eb73fcefb29b46ee.webp": {
+ "original_hash": "52e7632a2b668957b903bb2607e953fe",
+ "translation_date": "2026-01-17T02:38:19+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "language_code": "kn"
+ },
+ "example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp": {
+ "original_hash": "6e976f26b9bb4c7a021187e834132123",
+ "translation_date": "2026-01-17T02:38:22+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/example-algorithms-for-converting-words-to-vectors.png",
+ "language_code": "kn"
+ }
+}
\ No newline at end of file
diff --git a/translated_images/kn/1200px-Girl_and_cat.89bd70951181e86a.webp b/translated_images/kn/1200px-Girl_and_cat.89bd70951181e86a.webp
new file mode 100644
index 00000000..47042c75
Binary files /dev/null and b/translated_images/kn/1200px-Girl_and_cat.89bd70951181e86a.webp differ
diff --git a/translated_images/kn/AND-OR-Tree.5592d2c70187f283.webp b/translated_images/kn/AND-OR-Tree.5592d2c70187f283.webp
new file mode 100644
index 00000000..04cdb6b4
Binary files /dev/null and b/translated_images/kn/AND-OR-Tree.5592d2c70187f283.webp differ
diff --git a/translated_images/kn/ComputeGraph.463c9d8ebdcb2215.webp b/translated_images/kn/ComputeGraph.463c9d8ebdcb2215.webp
new file mode 100644
index 00000000..cfe8a16b
Binary files /dev/null and b/translated_images/kn/ComputeGraph.463c9d8ebdcb2215.webp differ
diff --git a/translated_images/kn/ComputeGraphGrad.4626252c0de03507.webp b/translated_images/kn/ComputeGraphGrad.4626252c0de03507.webp
new file mode 100644
index 00000000..8d8fcf39
Binary files /dev/null and b/translated_images/kn/ComputeGraphGrad.4626252c0de03507.webp differ
diff --git a/translated_images/kn/CoreferenceResolution.861924d6d384a7d6.webp b/translated_images/kn/CoreferenceResolution.861924d6d384a7d6.webp
new file mode 100644
index 00000000..f4057307
Binary files /dev/null and b/translated_images/kn/CoreferenceResolution.861924d6d384a7d6.webp differ
diff --git a/translated_images/kn/Cross-Entropy-Loss.dc7ba633d2467ef3.webp b/translated_images/kn/Cross-Entropy-Loss.dc7ba633d2467ef3.webp
new file mode 100644
index 00000000..22678320
Binary files /dev/null and b/translated_images/kn/Cross-Entropy-Loss.dc7ba633d2467ef3.webp differ
diff --git a/translated_images/kn/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp b/translated_images/kn/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp
new file mode 100644
index 00000000..222db344
Binary files /dev/null and b/translated_images/kn/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp differ
diff --git a/translated_images/kn/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp b/translated_images/kn/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp
new file mode 100644
index 00000000..f3b973c5
Binary files /dev/null and b/translated_images/kn/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp differ
diff --git a/translated_images/kn/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp b/translated_images/kn/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp
new file mode 100644
index 00000000..b8f4286a
Binary files /dev/null and b/translated_images/kn/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp differ
diff --git a/translated_images/kn/DIKW_Pyramid.94126f7d2bd8db5b.webp b/translated_images/kn/DIKW_Pyramid.94126f7d2bd8db5b.webp
new file mode 100644
index 00000000..94cd196e
Binary files /dev/null and b/translated_images/kn/DIKW_Pyramid.94126f7d2bd8db5b.webp differ
diff --git a/translated_images/kn/FeatureExtractionCNN.d9b456cbdae7cb64.webp b/translated_images/kn/FeatureExtractionCNN.d9b456cbdae7cb64.webp
new file mode 100644
index 00000000..f33e1802
Binary files /dev/null and b/translated_images/kn/FeatureExtractionCNN.d9b456cbdae7cb64.webp differ
diff --git a/translated_images/kn/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp b/translated_images/kn/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp
new file mode 100644
index 00000000..29570c88
Binary files /dev/null and b/translated_images/kn/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp differ
diff --git a/translated_images/kn/NetLogo-Main.32653711ec1a01b3.webp b/translated_images/kn/NetLogo-Main.32653711ec1a01b3.webp
new file mode 100644
index 00000000..deeed263
Binary files /dev/null and b/translated_images/kn/NetLogo-Main.32653711ec1a01b3.webp differ
diff --git a/translated_images/kn/NetLogo-ModelLib.efe023afb4763c05.webp b/translated_images/kn/NetLogo-ModelLib.efe023afb4763c05.webp
new file mode 100644
index 00000000..12b392bd
Binary files /dev/null and b/translated_images/kn/NetLogo-ModelLib.efe023afb4763c05.webp differ
diff --git a/translated_images/kn/NeuroArch.4e17cdba5e445721.webp b/translated_images/kn/NeuroArch.4e17cdba5e445721.webp
new file mode 100644
index 00000000..9003450e
Binary files /dev/null and b/translated_images/kn/NeuroArch.4e17cdba5e445721.webp differ
diff --git a/translated_images/kn/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp b/translated_images/kn/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp
new file mode 100644
index 00000000..5347012c
Binary files /dev/null and b/translated_images/kn/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp differ
diff --git a/translated_images/kn/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp b/translated_images/kn/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp
new file mode 100644
index 00000000..41334045
Binary files /dev/null and b/translated_images/kn/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp differ
diff --git a/translated_images/kn/Overfitting.408ad91cd90b4371.webp b/translated_images/kn/Overfitting.408ad91cd90b4371.webp
new file mode 100644
index 00000000..6dd4e9e3
Binary files /dev/null and b/translated_images/kn/Overfitting.408ad91cd90b4371.webp differ
diff --git a/translated_images/kn/Rosenblatt-wikipedia.294821b285ac796d.webp b/translated_images/kn/Rosenblatt-wikipedia.294821b285ac796d.webp
new file mode 100644
index 00000000..73b207b0
Binary files /dev/null and b/translated_images/kn/Rosenblatt-wikipedia.294821b285ac796d.webp differ
diff --git a/translated_images/kn/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp b/translated_images/kn/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp
new file mode 100644
index 00000000..26618fdc
Binary files /dev/null and b/translated_images/kn/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp differ
diff --git a/translated_images/kn/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp b/translated_images/kn/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp
new file mode 100644
index 00000000..ee032762
Binary files /dev/null and b/translated_images/kn/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp differ
diff --git a/translated_images/kn/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp b/translated_images/kn/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp
new file mode 100644
index 00000000..52ce29a9
Binary files /dev/null and b/translated_images/kn/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp differ
diff --git a/translated_images/kn/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp b/translated_images/kn/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp
new file mode 100644
index 00000000..fba04870
Binary files /dev/null and b/translated_images/kn/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp differ
diff --git a/translated_images/kn/aae.9d418a990fc75bf9.webp b/translated_images/kn/aae.9d418a990fc75bf9.webp
new file mode 100644
index 00000000..652993c9
Binary files /dev/null and b/translated_images/kn/aae.9d418a990fc75bf9.webp differ
diff --git a/translated_images/kn/activation-func.b4924007c7ce7764.webp b/translated_images/kn/activation-func.b4924007c7ce7764.webp
new file mode 100644
index 00000000..63fc551d
Binary files /dev/null and b/translated_images/kn/activation-func.b4924007c7ce7764.webp differ
diff --git a/translated_images/kn/adversarial-dog.d9fc7773b0142b89.webp b/translated_images/kn/adversarial-dog.d9fc7773b0142b89.webp
new file mode 100644
index 00000000..8816fc84
Binary files /dev/null and b/translated_images/kn/adversarial-dog.d9fc7773b0142b89.webp differ
diff --git a/translated_images/kn/ai-computervision.6506ebebac3fbf76.webp b/translated_images/kn/ai-computervision.6506ebebac3fbf76.webp
new file mode 100644
index 00000000..805320e8
Binary files /dev/null and b/translated_images/kn/ai-computervision.6506ebebac3fbf76.webp differ
diff --git a/translated_images/kn/ai-for-beginners.b354ca904b22cd70.webp b/translated_images/kn/ai-for-beginners.b354ca904b22cd70.webp
new file mode 100644
index 00000000..af0380b8
Binary files /dev/null and b/translated_images/kn/ai-for-beginners.b354ca904b22cd70.webp differ
diff --git a/translated_images/kn/ai-intro.bf28d1ac4235881c.webp b/translated_images/kn/ai-intro.bf28d1ac4235881c.webp
new file mode 100644
index 00000000..28239990
Binary files /dev/null and b/translated_images/kn/ai-intro.bf28d1ac4235881c.webp differ
diff --git a/translated_images/kn/ai-neuralnetworks.1c687ae40bc86e83.webp b/translated_images/kn/ai-neuralnetworks.1c687ae40bc86e83.webp
new file mode 100644
index 00000000..68def4dc
Binary files /dev/null and b/translated_images/kn/ai-neuralnetworks.1c687ae40bc86e83.webp differ
diff --git a/translated_images/kn/ai-nlp.b22dcb8ca4707cea.webp b/translated_images/kn/ai-nlp.b22dcb8ca4707cea.webp
new file mode 100644
index 00000000..5e1b6fad
Binary files /dev/null and b/translated_images/kn/ai-nlp.b22dcb8ca4707cea.webp differ
diff --git a/translated_images/kn/ai-overview.0857791951d19500.webp b/translated_images/kn/ai-overview.0857791951d19500.webp
new file mode 100644
index 00000000..63b82016
Binary files /dev/null and b/translated_images/kn/ai-overview.0857791951d19500.webp differ
diff --git a/translated_images/kn/ai-symbolic.715a30cb610411a6.webp b/translated_images/kn/ai-symbolic.715a30cb610411a6.webp
new file mode 100644
index 00000000..fe7b7238
Binary files /dev/null and b/translated_images/kn/ai-symbolic.715a30cb610411a6.webp differ
diff --git a/translated_images/kn/arch-human.5d4d35f1bba3ab1c.webp b/translated_images/kn/arch-human.5d4d35f1bba3ab1c.webp
new file mode 100644
index 00000000..08f92a45
Binary files /dev/null and b/translated_images/kn/arch-human.5d4d35f1bba3ab1c.webp differ
diff --git a/translated_images/kn/arch-kbs.3ec5c150b09fa8da.webp b/translated_images/kn/arch-kbs.3ec5c150b09fa8da.webp
new file mode 100644
index 00000000..7a6e3e7a
Binary files /dev/null and b/translated_images/kn/arch-kbs.3ec5c150b09fa8da.webp differ
diff --git a/translated_images/kn/artneuron.1a5daa88d20ebe6f.webp b/translated_images/kn/artneuron.1a5daa88d20ebe6f.webp
new file mode 100644
index 00000000..e69cffb0
Binary files /dev/null and b/translated_images/kn/artneuron.1a5daa88d20ebe6f.webp differ
diff --git a/translated_images/kn/ascii-character-map.18ed6aa7f3b0a7ff.webp b/translated_images/kn/ascii-character-map.18ed6aa7f3b0a7ff.webp
new file mode 100644
index 00000000..790e15e2
Binary files /dev/null and b/translated_images/kn/ascii-character-map.18ed6aa7f3b0a7ff.webp differ
diff --git a/translated_images/kn/autoencoder_schema.5e6fc9ad98a5eb61.webp b/translated_images/kn/autoencoder_schema.5e6fc9ad98a5eb61.webp
new file mode 100644
index 00000000..6e0f7bd1
Binary files /dev/null and b/translated_images/kn/autoencoder_schema.5e6fc9ad98a5eb61.webp differ
diff --git a/translated_images/kn/bag-of-words-example.606fc1738f1d7ba9.webp b/translated_images/kn/bag-of-words-example.606fc1738f1d7ba9.webp
new file mode 100644
index 00000000..ccb767da
Binary files /dev/null and b/translated_images/kn/bag-of-words-example.606fc1738f1d7ba9.webp differ
diff --git a/translated_images/kn/bahdanau-fig3.09ba2d37f202a6af.webp b/translated_images/kn/bahdanau-fig3.09ba2d37f202a6af.webp
new file mode 100644
index 00000000..baab4bf6
Binary files /dev/null and b/translated_images/kn/bahdanau-fig3.09ba2d37f202a6af.webp differ
diff --git a/translated_images/kn/bot-ner.4b09235dbb0ad275.webp b/translated_images/kn/bot-ner.4b09235dbb0ad275.webp
new file mode 100644
index 00000000..c4c56357
Binary files /dev/null and b/translated_images/kn/bot-ner.4b09235dbb0ad275.webp differ
diff --git a/translated_images/kn/bow.3811869cff59368d.webp b/translated_images/kn/bow.3811869cff59368d.webp
new file mode 100644
index 00000000..e1884f11
Binary files /dev/null and b/translated_images/kn/bow.3811869cff59368d.webp differ
diff --git a/translated_images/kn/braille-result.46530fea020b03c7.webp b/translated_images/kn/braille-result.46530fea020b03c7.webp
new file mode 100644
index 00000000..0235d8f6
Binary files /dev/null and b/translated_images/kn/braille-result.46530fea020b03c7.webp differ
diff --git a/translated_images/kn/braille-symbols.0159185ab69d5339.webp b/translated_images/kn/braille-symbols.0159185ab69d5339.webp
new file mode 100644
index 00000000..72421a29
Binary files /dev/null and b/translated_images/kn/braille-symbols.0159185ab69d5339.webp differ
diff --git a/translated_images/kn/braille.341962ff76b1bd70.webp b/translated_images/kn/braille.341962ff76b1bd70.webp
new file mode 100644
index 00000000..6751696b
Binary files /dev/null and b/translated_images/kn/braille.341962ff76b1bd70.webp differ
diff --git a/translated_images/kn/cartpole.f52a67f27e058170.webp b/translated_images/kn/cartpole.f52a67f27e058170.webp
new file mode 100644
index 00000000..848d3ee7
Binary files /dev/null and b/translated_images/kn/cartpole.f52a67f27e058170.webp differ
diff --git a/translated_images/kn/catsdogsdataset.a7aff8e6085fd3f0.webp b/translated_images/kn/catsdogsdataset.a7aff8e6085fd3f0.webp
new file mode 100644
index 00000000..674809d8
Binary files /dev/null and b/translated_images/kn/catsdogsdataset.a7aff8e6085fd3f0.webp differ
diff --git a/translated_images/kn/clip-arch.b3dbf20b4e8ed8be.webp b/translated_images/kn/clip-arch.b3dbf20b4e8ed8be.webp
new file mode 100644
index 00000000..b5c480f4
Binary files /dev/null and b/translated_images/kn/clip-arch.b3dbf20b4e8ed8be.webp differ
diff --git a/translated_images/kn/clip-class.3af42ef0b2b19369.webp b/translated_images/kn/clip-class.3af42ef0b2b19369.webp
new file mode 100644
index 00000000..c0d6a109
Binary files /dev/null and b/translated_images/kn/clip-class.3af42ef0b2b19369.webp differ
diff --git a/translated_images/kn/cnn-pyramid.85915455759ef0ce.webp b/translated_images/kn/cnn-pyramid.85915455759ef0ce.webp
new file mode 100644
index 00000000..f16359aa
Binary files /dev/null and b/translated_images/kn/cnn-pyramid.85915455759ef0ce.webp differ
diff --git a/translated_images/kn/coco-examples.71bc60380fa6cceb.webp b/translated_images/kn/coco-examples.71bc60380fa6cceb.webp
new file mode 100644
index 00000000..8a768888
Binary files /dev/null and b/translated_images/kn/coco-examples.71bc60380fa6cceb.webp differ
diff --git a/translated_images/kn/convolutionExample.634615d5ff7081e0.webp b/translated_images/kn/convolutionExample.634615d5ff7081e0.webp
new file mode 100644
index 00000000..571cbb9c
Binary files /dev/null and b/translated_images/kn/convolutionExample.634615d5ff7081e0.webp differ
diff --git a/translated_images/kn/data.50b2a9d5484bdbf0.webp b/translated_images/kn/data.50b2a9d5484bdbf0.webp
new file mode 100644
index 00000000..aeeb182c
Binary files /dev/null and b/translated_images/kn/data.50b2a9d5484bdbf0.webp differ
diff --git a/translated_images/kn/dcgan_generator.b500988ec2bc8ba5.webp b/translated_images/kn/dcgan_generator.b500988ec2bc8ba5.webp
new file mode 100644
index 00000000..bb0c47aa
Binary files /dev/null and b/translated_images/kn/dcgan_generator.b500988ec2bc8ba5.webp differ
diff --git a/translated_images/kn/dog-from-unsplash.426f9fbca2febc93.webp b/translated_images/kn/dog-from-unsplash.426f9fbca2febc93.webp
new file mode 100644
index 00000000..2d2fef68
Binary files /dev/null and b/translated_images/kn/dog-from-unsplash.426f9fbca2febc93.webp differ
diff --git a/translated_images/kn/dsh_age.d212a30d4e54fb5f.webp b/translated_images/kn/dsh_age.d212a30d4e54fb5f.webp
new file mode 100644
index 00000000..98793010
Binary files /dev/null and b/translated_images/kn/dsh_age.d212a30d4e54fb5f.webp differ
diff --git a/translated_images/kn/embedding-classifier-example.b77f021a7ee67eee.webp b/translated_images/kn/embedding-classifier-example.b77f021a7ee67eee.webp
new file mode 100644
index 00000000..dde6c7fa
Binary files /dev/null and b/translated_images/kn/embedding-classifier-example.b77f021a7ee67eee.webp differ
diff --git a/translated_images/kn/encoder-decoder-attention.7a726296894fb567.webp b/translated_images/kn/encoder-decoder-attention.7a726296894fb567.webp
new file mode 100644
index 00000000..c5fcec23
Binary files /dev/null and b/translated_images/kn/encoder-decoder-attention.7a726296894fb567.webp differ
diff --git a/translated_images/kn/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp b/translated_images/kn/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp
new file mode 100644
index 00000000..484ffe46
Binary files /dev/null and b/translated_images/kn/example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp differ
diff --git a/translated_images/kn/f-rcnn.3cda6d9bb4188875.webp b/translated_images/kn/f-rcnn.3cda6d9bb4188875.webp
new file mode 100644
index 00000000..c36412f1
Binary files /dev/null and b/translated_images/kn/f-rcnn.3cda6d9bb4188875.webp differ
diff --git a/translated_images/kn/faster-rcnn.8d46c099b87ef30a.webp b/translated_images/kn/faster-rcnn.8d46c099b87ef30a.webp
new file mode 100644
index 00000000..e9b58fd1
Binary files /dev/null and b/translated_images/kn/faster-rcnn.8d46c099b87ef30a.webp differ
diff --git a/translated_images/kn/favicon.37b561214b36d454.webp b/translated_images/kn/favicon.37b561214b36d454.webp
new file mode 100644
index 00000000..48a53960
Binary files /dev/null and b/translated_images/kn/favicon.37b561214b36d454.webp differ
diff --git a/translated_images/kn/features.6291f9c7ba3a0b95.webp b/translated_images/kn/features.6291f9c7ba3a0b95.webp
new file mode 100644
index 00000000..03679af2
Binary files /dev/null and b/translated_images/kn/features.6291f9c7ba3a0b95.webp differ
diff --git a/translated_images/kn/filter-horiz.59b80ed4feb946ef.webp b/translated_images/kn/filter-horiz.59b80ed4feb946ef.webp
new file mode 100644
index 00000000..d91aaf99
Binary files /dev/null and b/translated_images/kn/filter-horiz.59b80ed4feb946ef.webp differ
diff --git a/translated_images/kn/filter-vert.b7148390ca0bc356.webp b/translated_images/kn/filter-vert.b7148390ca0bc356.webp
new file mode 100644
index 00000000..56fb79e2
Binary files /dev/null and b/translated_images/kn/filter-vert.b7148390ca0bc356.webp differ
diff --git a/translated_images/kn/frame-difference.706f805491a0883c.webp b/translated_images/kn/frame-difference.706f805491a0883c.webp
new file mode 100644
index 00000000..265d8565
Binary files /dev/null and b/translated_images/kn/frame-difference.706f805491a0883c.webp differ
diff --git a/translated_images/kn/gan_arch_detail.46b95fd366f8e543.webp b/translated_images/kn/gan_arch_detail.46b95fd366f8e543.webp
new file mode 100644
index 00000000..66998351
Binary files /dev/null and b/translated_images/kn/gan_arch_detail.46b95fd366f8e543.webp differ
diff --git a/translated_images/kn/gan_architecture.8f3a5ab62b8d5d69.webp b/translated_images/kn/gan_architecture.8f3a5ab62b8d5d69.webp
new file mode 100644
index 00000000..a5b0fbed
Binary files /dev/null and b/translated_images/kn/gan_architecture.8f3a5ab62b8d5d69.webp differ
diff --git a/translated_images/kn/history-of-ai.7e83efa70b537f5a.webp b/translated_images/kn/history-of-ai.7e83efa70b537f5a.webp
new file mode 100644
index 00000000..2f89ae4b
Binary files /dev/null and b/translated_images/kn/history-of-ai.7e83efa70b537f5a.webp differ
diff --git a/translated_images/kn/ideal-cat-loop.999fbb8ff306e044.webp b/translated_images/kn/ideal-cat-loop.999fbb8ff306e044.webp
new file mode 100644
index 00000000..0e23837f
Binary files /dev/null and b/translated_images/kn/ideal-cat-loop.999fbb8ff306e044.webp differ
diff --git a/translated_images/kn/ideal-cat.203dd4597643d6b0.webp b/translated_images/kn/ideal-cat.203dd4597643d6b0.webp
new file mode 100644
index 00000000..a8d167b1
Binary files /dev/null and b/translated_images/kn/ideal-cat.203dd4597643d6b0.webp differ
diff --git a/translated_images/kn/ideal-zebra.7f70e8b54ee15a7a.webp b/translated_images/kn/ideal-zebra.7f70e8b54ee15a7a.webp
new file mode 100644
index 00000000..be349483
Binary files /dev/null and b/translated_images/kn/ideal-zebra.7f70e8b54ee15a7a.webp differ
diff --git a/translated_images/kn/image.896e8254a2c60d45.webp b/translated_images/kn/image.896e8254a2c60d45.webp
new file mode 100644
index 00000000..d2b9d3ce
Binary files /dev/null and b/translated_images/kn/image.896e8254a2c60d45.webp differ
diff --git a/translated_images/kn/inception.a6605b85bcbc6f52.webp b/translated_images/kn/inception.a6605b85bcbc6f52.webp
new file mode 100644
index 00000000..39c22424
Binary files /dev/null and b/translated_images/kn/inception.a6605b85bcbc6f52.webp differ
diff --git a/translated_images/kn/instance_vs_semantic.eee9812bebf8cd45.webp b/translated_images/kn/instance_vs_semantic.eee9812bebf8cd45.webp
new file mode 100644
index 00000000..1ec5a9b0
Binary files /dev/null and b/translated_images/kn/instance_vs_semantic.eee9812bebf8cd45.webp differ
diff --git a/translated_images/kn/iou_equation.9a4751d40fff4e11.webp b/translated_images/kn/iou_equation.9a4751d40fff4e11.webp
new file mode 100644
index 00000000..ebb190bd
Binary files /dev/null and b/translated_images/kn/iou_equation.9a4751d40fff4e11.webp differ
diff --git a/translated_images/kn/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp b/translated_images/kn/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp
new file mode 100644
index 00000000..48878622
Binary files /dev/null and b/translated_images/kn/jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp differ
diff --git a/translated_images/kn/knowledge-spectrum.b60df631852c0217.webp b/translated_images/kn/knowledge-spectrum.b60df631852c0217.webp
new file mode 100644
index 00000000..fc374551
Binary files /dev/null and b/translated_images/kn/knowledge-spectrum.b60df631852c0217.webp differ
diff --git a/translated_images/kn/lmfilters.ea9e4868a82cf74c.webp b/translated_images/kn/lmfilters.ea9e4868a82cf74c.webp
new file mode 100644
index 00000000..73254d4b
Binary files /dev/null and b/translated_images/kn/lmfilters.ea9e4868a82cf74c.webp differ
diff --git a/translated_images/kn/ml-for-beginners.9e4fed176fd5817d.webp b/translated_images/kn/ml-for-beginners.9e4fed176fd5817d.webp
new file mode 100644
index 00000000..27721ab4
Binary files /dev/null and b/translated_images/kn/ml-for-beginners.9e4fed176fd5817d.webp differ
diff --git a/translated_images/kn/mountaincar.f7b7a7f6d4f9933b.webp b/translated_images/kn/mountaincar.f7b7a7f6d4f9933b.webp
new file mode 100644
index 00000000..29c7fe88
Binary files /dev/null and b/translated_images/kn/mountaincar.f7b7a7f6d4f9933b.webp differ
diff --git a/translated_images/kn/multi-layer-lstm.dd975e29bb2a59fe.webp b/translated_images/kn/multi-layer-lstm.dd975e29bb2a59fe.webp
new file mode 100644
index 00000000..2605a7df
Binary files /dev/null and b/translated_images/kn/multi-layer-lstm.dd975e29bb2a59fe.webp differ
diff --git a/translated_images/kn/naive-detection.e7f1ba220ccd08c6.webp b/translated_images/kn/naive-detection.e7f1ba220ccd08c6.webp
new file mode 100644
index 00000000..6bf3e9da
Binary files /dev/null and b/translated_images/kn/naive-detection.e7f1ba220ccd08c6.webp differ
diff --git a/translated_images/kn/navi.2f20b727910110ea.webp b/translated_images/kn/navi.2f20b727910110ea.webp
new file mode 100644
index 00000000..b07e4086
Binary files /dev/null and b/translated_images/kn/navi.2f20b727910110ea.webp differ
diff --git a/translated_images/kn/netout.1eb15eb76fd76731.webp b/translated_images/kn/netout.1eb15eb76fd76731.webp
new file mode 100644
index 00000000..252a6b73
Binary files /dev/null and b/translated_images/kn/netout.1eb15eb76fd76731.webp differ
diff --git a/translated_images/kn/offset-sequence-representation.eb73fcefb29b46ee.webp b/translated_images/kn/offset-sequence-representation.eb73fcefb29b46ee.webp
new file mode 100644
index 00000000..58023612
Binary files /dev/null and b/translated_images/kn/offset-sequence-representation.eb73fcefb29b46ee.webp differ
diff --git a/translated_images/kn/optical.1f4a94464579a83a.webp b/translated_images/kn/optical.1f4a94464579a83a.webp
new file mode 100644
index 00000000..c37dddad
Binary files /dev/null and b/translated_images/kn/optical.1f4a94464579a83a.webp differ
diff --git a/translated_images/kn/original-dog.8f68a67d2fe0911f.webp b/translated_images/kn/original-dog.8f68a67d2fe0911f.webp
new file mode 100644
index 00000000..2a002703
Binary files /dev/null and b/translated_images/kn/original-dog.8f68a67d2fe0911f.webp differ
diff --git a/translated_images/kn/overfit.a0bd57f717c15769.webp b/translated_images/kn/overfit.a0bd57f717c15769.webp
new file mode 100644
index 00000000..8e30e2ed
Binary files /dev/null and b/translated_images/kn/overfit.a0bd57f717c15769.webp differ
diff --git a/translated_images/kn/overfit1.f24b71c6f652e59e.webp b/translated_images/kn/overfit1.f24b71c6f652e59e.webp
new file mode 100644
index 00000000..de604b48
Binary files /dev/null and b/translated_images/kn/overfit1.f24b71c6f652e59e.webp differ
diff --git a/translated_images/kn/overfit2.131f5800ae10ca5e.webp b/translated_images/kn/overfit2.131f5800ae10ca5e.webp
new file mode 100644
index 00000000..8dd690b9
Binary files /dev/null and b/translated_images/kn/overfit2.131f5800ae10ca5e.webp differ
diff --git a/translated_images/kn/palm-movement.341495f0e9c47da3.webp b/translated_images/kn/palm-movement.341495f0e9c47da3.webp
new file mode 100644
index 00000000..0071936c
Binary files /dev/null and b/translated_images/kn/palm-movement.341495f0e9c47da3.webp differ
diff --git a/translated_images/kn/photo-cat.8c8e8fb760ffe457.webp b/translated_images/kn/photo-cat.8c8e8fb760ffe457.webp
new file mode 100644
index 00000000..2998a349
Binary files /dev/null and b/translated_images/kn/photo-cat.8c8e8fb760ffe457.webp differ
diff --git a/translated_images/kn/pos-embedding.e41ce9b6cf6078af.webp b/translated_images/kn/pos-embedding.e41ce9b6cf6078af.webp
new file mode 100644
index 00000000..c5069412
Binary files /dev/null and b/translated_images/kn/pos-embedding.e41ce9b6cf6078af.webp differ
diff --git a/translated_images/kn/protege.274177ceeac13b38.webp b/translated_images/kn/protege.274177ceeac13b38.webp
new file mode 100644
index 00000000..c48a388a
Binary files /dev/null and b/translated_images/kn/protege.274177ceeac13b38.webp differ
diff --git a/translated_images/kn/r-fcn.13eb88158b99a3da.webp b/translated_images/kn/r-fcn.13eb88158b99a3da.webp
new file mode 100644
index 00000000..69ce910d
Binary files /dev/null and b/translated_images/kn/r-fcn.13eb88158b99a3da.webp differ
diff --git a/translated_images/kn/rcnn1.cae407020dfb1d1f.webp b/translated_images/kn/rcnn1.cae407020dfb1d1f.webp
new file mode 100644
index 00000000..1c949129
Binary files /dev/null and b/translated_images/kn/rcnn1.cae407020dfb1d1f.webp differ
diff --git a/translated_images/kn/rcnn2.2d9530bb83516484.webp b/translated_images/kn/rcnn2.2d9530bb83516484.webp
new file mode 100644
index 00000000..b39705a4
Binary files /dev/null and b/translated_images/kn/rcnn2.2d9530bb83516484.webp differ
diff --git a/translated_images/kn/resnet-block.aba4ccbcc0944434.webp b/translated_images/kn/resnet-block.aba4ccbcc0944434.webp
new file mode 100644
index 00000000..be3a9d1b
Binary files /dev/null and b/translated_images/kn/resnet-block.aba4ccbcc0944434.webp differ
diff --git a/translated_images/kn/rnn-anatomy.79ee3f3920b3294b.webp b/translated_images/kn/rnn-anatomy.79ee3f3920b3294b.webp
new file mode 100644
index 00000000..cf6925e8
Binary files /dev/null and b/translated_images/kn/rnn-anatomy.79ee3f3920b3294b.webp differ
diff --git a/translated_images/kn/rnn-generate-inf.5168dc65e0370eea.webp b/translated_images/kn/rnn-generate-inf.5168dc65e0370eea.webp
new file mode 100644
index 00000000..191d8694
Binary files /dev/null and b/translated_images/kn/rnn-generate-inf.5168dc65e0370eea.webp differ
diff --git a/translated_images/kn/rnn-generate.56c54afb52f9781d.webp b/translated_images/kn/rnn-generate.56c54afb52f9781d.webp
new file mode 100644
index 00000000..67bb7df7
Binary files /dev/null and b/translated_images/kn/rnn-generate.56c54afb52f9781d.webp differ
diff --git a/translated_images/kn/rnn.27f5c29c53d727b5.webp b/translated_images/kn/rnn.27f5c29c53d727b5.webp
new file mode 100644
index 00000000..62aa3d4b
Binary files /dev/null and b/translated_images/kn/rnn.27f5c29c53d727b5.webp differ
diff --git a/translated_images/kn/segm.92442f2cb42ff4fa.webp b/translated_images/kn/segm.92442f2cb42ff4fa.webp
new file mode 100644
index 00000000..60601a77
Binary files /dev/null and b/translated_images/kn/segm.92442f2cb42ff4fa.webp differ
diff --git a/translated_images/kn/segnet.87377542aa5a8b76.webp b/translated_images/kn/segnet.87377542aa5a8b76.webp
new file mode 100644
index 00000000..60c444f5
Binary files /dev/null and b/translated_images/kn/segnet.87377542aa5a8b76.webp differ
diff --git a/translated_images/kn/style.5293e85e077ab22c.webp b/translated_images/kn/style.5293e85e077ab22c.webp
new file mode 100644
index 00000000..39af2a0e
Binary files /dev/null and b/translated_images/kn/style.5293e85e077ab22c.webp differ
diff --git a/translated_images/kn/synapse-wikipedia.ed20a9e4726ea1c6.webp b/translated_images/kn/synapse-wikipedia.ed20a9e4726ea1c6.webp
new file mode 100644
index 00000000..8356958a
Binary files /dev/null and b/translated_images/kn/synapse-wikipedia.ed20a9e4726ea1c6.webp differ
diff --git a/translated_images/kn/transformer-layer.905e14747ca4e7d5.webp b/translated_images/kn/transformer-layer.905e14747ca4e7d5.webp
new file mode 100644
index 00000000..950fd887
Binary files /dev/null and b/translated_images/kn/transformer-layer.905e14747ca4e7d5.webp differ
diff --git a/translated_images/kn/triplet-complex.32094972c7b4441b.webp b/translated_images/kn/triplet-complex.32094972c7b4441b.webp
new file mode 100644
index 00000000..88b0b883
Binary files /dev/null and b/translated_images/kn/triplet-complex.32094972c7b4441b.webp differ
diff --git a/translated_images/kn/triplet.4b9b332587593298.webp b/translated_images/kn/triplet.4b9b332587593298.webp
new file mode 100644
index 00000000..33aeb7d8
Binary files /dev/null and b/translated_images/kn/triplet.4b9b332587593298.webp differ
diff --git a/translated_images/kn/turing-test-evol.4184696701293ead.webp b/translated_images/kn/turing-test-evol.4184696701293ead.webp
new file mode 100644
index 00000000..74461cae
Binary files /dev/null and b/translated_images/kn/turing-test-evol.4184696701293ead.webp differ
diff --git a/translated_images/kn/unet.3adb555bf39d3657.webp b/translated_images/kn/unet.3adb555bf39d3657.webp
new file mode 100644
index 00000000..f59c4ba2
Binary files /dev/null and b/translated_images/kn/unet.3adb555bf39d3657.webp differ
diff --git a/translated_images/kn/unreasonable-effectiveness-of-rnn.541ead816778f42d.webp b/translated_images/kn/unreasonable-effectiveness-of-rnn.541ead816778f42d.webp
new file mode 100644
index 00000000..5a08987b
Binary files /dev/null and b/translated_images/kn/unreasonable-effectiveness-of-rnn.541ead816778f42d.webp differ
diff --git a/translated_images/kn/vae.464c465a5b6a9e25.webp b/translated_images/kn/vae.464c465a5b6a9e25.webp
new file mode 100644
index 00000000..19c12b85
Binary files /dev/null and b/translated_images/kn/vae.464c465a5b6a9e25.webp differ
diff --git a/translated_images/kn/vaemnist-diag.694315f775d5d666.webp b/translated_images/kn/vaemnist-diag.694315f775d5d666.webp
new file mode 100644
index 00000000..49b53b6d
Binary files /dev/null and b/translated_images/kn/vaemnist-diag.694315f775d5d666.webp differ
diff --git a/translated_images/kn/vaemnist.cab9e602dc08dc50.webp b/translated_images/kn/vaemnist.cab9e602dc08dc50.webp
new file mode 100644
index 00000000..2e523d00
Binary files /dev/null and b/translated_images/kn/vaemnist.cab9e602dc08dc50.webp differ
diff --git a/translated_images/kn/vgg-16-arch.64ff2137f50dd49f.webp b/translated_images/kn/vgg-16-arch.64ff2137f50dd49f.webp
new file mode 100644
index 00000000..8bdbefe3
Binary files /dev/null and b/translated_images/kn/vgg-16-arch.64ff2137f50dd49f.webp differ
diff --git a/translated_images/kn/vgg-16-arch1.d901a5583b3a51ba.webp b/translated_images/kn/vgg-16-arch1.d901a5583b3a51ba.webp
new file mode 100644
index 00000000..031bd25c
Binary files /dev/null and b/translated_images/kn/vgg-16-arch1.d901a5583b3a51ba.webp differ
diff --git a/translated_images/kn/vqgan.5027fe05051dfa31.webp b/translated_images/kn/vqgan.5027fe05051dfa31.webp
new file mode 100644
index 00000000..ffab9b03
Binary files /dev/null and b/translated_images/kn/vqgan.5027fe05051dfa31.webp differ
diff --git a/translated_images/kn/yolo.a2648ec82ee8bb4e.webp b/translated_images/kn/yolo.a2648ec82ee8bb4e.webp
new file mode 100644
index 00000000..0ec18616
Binary files /dev/null and b/translated_images/kn/yolo.a2648ec82ee8bb4e.webp differ
diff --git a/translated_images/knowledge-spectrum.b60df631852c0217.kn.png b/translated_images/knowledge-spectrum.b60df631852c0217.kn.png
deleted file mode 100644
index 5862ef9b..00000000
Binary files a/translated_images/knowledge-spectrum.b60df631852c0217.kn.png and /dev/null differ
diff --git a/translated_images/knowledge-spectrum.b60df631852c0217.ml.png b/translated_images/knowledge-spectrum.b60df631852c0217.ml.png
deleted file mode 100644
index 84c8834e..00000000
Binary files a/translated_images/knowledge-spectrum.b60df631852c0217.ml.png and /dev/null differ
diff --git a/translated_images/knowledge-spectrum.b60df631852c0217e941485b79c9eee40ebd574f15f18609cec5758fcb384bf3.kn.png b/translated_images/knowledge-spectrum.b60df631852c0217e941485b79c9eee40ebd574f15f18609cec5758fcb384bf3.kn.png
deleted file mode 100644
index 5862ef9b..00000000
Binary files a/translated_images/knowledge-spectrum.b60df631852c0217e941485b79c9eee40ebd574f15f18609cec5758fcb384bf3.kn.png and /dev/null differ
diff --git a/translated_images/knowledge-spectrum.b60df631852c0217e941485b79c9eee40ebd574f15f18609cec5758fcb384bf3.ml.png b/translated_images/knowledge-spectrum.b60df631852c0217e941485b79c9eee40ebd574f15f18609cec5758fcb384bf3.ml.png
deleted file mode 100644
index 84c8834e..00000000
Binary files a/translated_images/knowledge-spectrum.b60df631852c0217e941485b79c9eee40ebd574f15f18609cec5758fcb384bf3.ml.png and /dev/null differ
diff --git a/translated_images/lmfilters.ea9e4868a82cf74c.kn.jpg b/translated_images/lmfilters.ea9e4868a82cf74c.kn.jpg
deleted file mode 100644
index 4edba1d7..00000000
Binary files a/translated_images/lmfilters.ea9e4868a82cf74c.kn.jpg and /dev/null differ
diff --git a/translated_images/lmfilters.ea9e4868a82cf74c.ml.jpg b/translated_images/lmfilters.ea9e4868a82cf74c.ml.jpg
deleted file mode 100644
index 4edba1d7..00000000
Binary files a/translated_images/lmfilters.ea9e4868a82cf74c.ml.jpg and /dev/null differ
diff --git a/translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.kn.jpg b/translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.kn.jpg
deleted file mode 100644
index 4edba1d7..00000000
Binary files a/translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.kn.jpg and /dev/null differ
diff --git a/translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.ml.jpg b/translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.ml.jpg
deleted file mode 100644
index 4edba1d7..00000000
Binary files a/translated_images/lmfilters.ea9e4868a82cf74cdca05121b1128f0122297cf2879501cd06956beb88ff96a2.ml.jpg and /dev/null differ
diff --git a/translated_images/ml-for-beginners.9e4fed176fd5817d.kn.png b/translated_images/ml-for-beginners.9e4fed176fd5817d.kn.png
deleted file mode 100644
index 4b4b2e8b..00000000
Binary files a/translated_images/ml-for-beginners.9e4fed176fd5817d.kn.png and /dev/null differ
diff --git a/translated_images/ml-for-beginners.9e4fed176fd5817d.ml.png b/translated_images/ml-for-beginners.9e4fed176fd5817d.ml.png
deleted file mode 100644
index f78bdb39..00000000
Binary files a/translated_images/ml-for-beginners.9e4fed176fd5817d.ml.png and /dev/null differ
diff --git a/translated_images/ml-for-beginners.9e4fed176fd5817d7d1f7d358302515186579cbf09b2a6c5bd8092b345da7f22.kn.png b/translated_images/ml-for-beginners.9e4fed176fd5817d7d1f7d358302515186579cbf09b2a6c5bd8092b345da7f22.kn.png
deleted file mode 100644
index 4b4b2e8b..00000000
Binary files a/translated_images/ml-for-beginners.9e4fed176fd5817d7d1f7d358302515186579cbf09b2a6c5bd8092b345da7f22.kn.png and /dev/null differ
diff --git a/translated_images/ml-for-beginners.9e4fed176fd5817d7d1f7d358302515186579cbf09b2a6c5bd8092b345da7f22.ml.png b/translated_images/ml-for-beginners.9e4fed176fd5817d7d1f7d358302515186579cbf09b2a6c5bd8092b345da7f22.ml.png
deleted file mode 100644
index f78bdb39..00000000
Binary files a/translated_images/ml-for-beginners.9e4fed176fd5817d7d1f7d358302515186579cbf09b2a6c5bd8092b345da7f22.ml.png and /dev/null differ
diff --git a/translated_images/ml/.co-op-translator.json b/translated_images/ml/.co-op-translator.json
new file mode 100644
index 00000000..67194700
--- /dev/null
+++ b/translated_images/ml/.co-op-translator.json
@@ -0,0 +1,722 @@
+{
+ "favicon.37b561214b36d454.webp": {
+ "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
+ "translation_date": "2026-01-17T02:23:43+00:00",
+ "source_file": "images/favicon.png",
+ "language_code": "ml"
+ },
+ "ai-nlp.b22dcb8ca4707cea.webp": {
+ "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
+ "translation_date": "2026-01-17T02:23:50+00:00",
+ "source_file": "lessons/sketchnotes/ai-nlp.png",
+ "language_code": "ml"
+ },
+ "ai-symbolic.715a30cb610411a6.webp": {
+ "original_hash": "69d3628566f680ac8543651aa6fd520c",
+ "translation_date": "2026-01-17T02:24:06+00:00",
+ "source_file": "lessons/sketchnotes/ai-symbolic.png",
+ "language_code": "ml"
+ },
+ "ai-computervision.6506ebebac3fbf76.webp": {
+ "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
+ "translation_date": "2026-01-17T02:24:24+00:00",
+ "source_file": "lessons/sketchnotes/ai-computervision.png",
+ "language_code": "ml"
+ },
+ "ai-for-beginners.b354ca904b22cd70.webp": {
+ "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
+ "translation_date": "2026-01-17T02:24:35+00:00",
+ "source_file": "lessons/sketchnotes/ai-for-beginners.png",
+ "language_code": "ml"
+ },
+ "ai-overview.0857791951d19500.webp": {
+ "original_hash": "7206f99da5c2b99d21581f946a660235",
+ "translation_date": "2026-01-17T02:24:44+00:00",
+ "source_file": "lessons/sketchnotes/ai-overview.png",
+ "language_code": "ml"
+ },
+ "ai-intro.bf28d1ac4235881c.webp": {
+ "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
+ "translation_date": "2026-01-17T02:24:59+00:00",
+ "source_file": "lessons/sketchnotes/ai-intro.png",
+ "language_code": "ml"
+ },
+ "ai-neuralnetworks.1c687ae40bc86e83.webp": {
+ "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
+ "translation_date": "2026-01-17T02:25:16+00:00",
+ "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
+ "language_code": "ml"
+ },
+ "vae.464c465a5b6a9e25.webp": {
+ "original_hash": "0b658c7862077e139162c756bcb98071",
+ "translation_date": "2026-01-17T02:25:25+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
+ "language_code": "ml"
+ },
+ "vaemnist-diag.694315f775d5d666.webp": {
+ "original_hash": "0652f5a95005348c6b1533438103dfcf",
+ "translation_date": "2026-01-17T02:25:27+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
+ "language_code": "ml"
+ },
+ "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
+ "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
+ "translation_date": "2026-01-17T02:25:29+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
+ "language_code": "ml"
+ },
+ "vaemnist.cab9e602dc08dc50.webp": {
+ "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
+ "translation_date": "2026-01-17T02:25:32+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
+ "language_code": "ml"
+ },
+ "aae.9d418a990fc75bf9.webp": {
+ "original_hash": "92f89b37641f659a7d25c91d13076f69",
+ "translation_date": "2026-01-17T02:25:35+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
+ "language_code": "ml"
+ },
+ "instance_vs_semantic.eee9812bebf8cd45.webp": {
+ "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
+ "translation_date": "2026-01-17T02:25:38+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
+ "language_code": "ml"
+ },
+ "unet.3adb555bf39d3657.webp": {
+ "original_hash": "49a151c11708ee9a3e94d21448146bf8",
+ "translation_date": "2026-01-17T02:25:44+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
+ "language_code": "ml"
+ },
+ "navi.2f20b727910110ea.webp": {
+ "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
+ "translation_date": "2026-01-17T02:25:49+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
+ "language_code": "ml"
+ },
+ "segm.92442f2cb42ff4fa.webp": {
+ "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
+ "translation_date": "2026-01-17T02:25:52+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
+ "language_code": "ml"
+ },
+ "segnet.87377542aa5a8b76.webp": {
+ "original_hash": "fa6d2d499aa2ae589a14caede7534561",
+ "translation_date": "2026-01-17T02:25:56+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
+ "language_code": "ml"
+ },
+ "gan_architecture.8f3a5ab62b8d5d69.webp": {
+ "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
+ "translation_date": "2026-01-17T02:26:00+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
+ "language_code": "ml"
+ },
+ "style.5293e85e077ab22c.webp": {
+ "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
+ "translation_date": "2026-01-17T02:26:03+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
+ "language_code": "ml"
+ },
+ "image.896e8254a2c60d45.webp": {
+ "original_hash": "0033165481f191386403b85801811833",
+ "translation_date": "2026-01-17T02:26:04+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
+ "language_code": "ml"
+ },
+ "gan_arch_detail.46b95fd366f8e543.webp": {
+ "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
+ "translation_date": "2026-01-17T02:26:08+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
+ "language_code": "ml"
+ },
+ "dcgan_generator.b500988ec2bc8ba5.webp": {
+ "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
+ "translation_date": "2026-01-17T02:26:14+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
+ "language_code": "ml"
+ },
+ "ideal-zebra.7f70e8b54ee15a7a.webp": {
+ "original_hash": "6944fb46795f714f0ce8e856c405498a",
+ "translation_date": "2026-01-17T02:26:16+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
+ "language_code": "ml"
+ },
+ "ideal-cat-loop.999fbb8ff306e044.webp": {
+ "original_hash": "c54e983c591431338bf8ddac9ab8415b",
+ "translation_date": "2026-01-17T02:26:18+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
+ "language_code": "ml"
+ },
+ "dog-from-unsplash.426f9fbca2febc93.webp": {
+ "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
+ "translation_date": "2026-01-17T02:26:21+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
+ "language_code": "ml"
+ },
+ "features.6291f9c7ba3a0b95.webp": {
+ "original_hash": "e2727bfacc1156e045d1879bbe86e189",
+ "translation_date": "2026-01-17T02:26:22+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
+ "language_code": "ml"
+ },
+ "ideal-cat.203dd4597643d6b0.webp": {
+ "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
+ "translation_date": "2026-01-17T02:26:23+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
+ "language_code": "ml"
+ },
+ "adversarial-dog.d9fc7773b0142b89.webp": {
+ "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
+ "translation_date": "2026-01-17T02:26:23+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
+ "language_code": "ml"
+ },
+ "catsdogsdataset.a7aff8e6085fd3f0.webp": {
+ "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
+ "translation_date": "2026-01-17T02:26:25+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
+ "language_code": "ml"
+ },
+ "original-dog.8f68a67d2fe0911f.webp": {
+ "original_hash": "3ed859629b4141f735fd0d3c1941f520",
+ "translation_date": "2026-01-17T02:26:26+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
+ "language_code": "ml"
+ },
+ "braille.341962ff76b1bd70.webp": {
+ "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
+ "translation_date": "2026-01-17T02:26:26+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
+ "language_code": "ml"
+ },
+ "braille-symbols.0159185ab69d5339.webp": {
+ "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
+ "translation_date": "2026-01-17T02:26:28+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
+ "language_code": "ml"
+ },
+ "frame-difference.706f805491a0883c.webp": {
+ "original_hash": "a141e72f08e1b8f7451392889af90072",
+ "translation_date": "2026-01-17T02:26:30+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
+ "language_code": "ml"
+ },
+ "braille-result.46530fea020b03c7.webp": {
+ "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
+ "translation_date": "2026-01-17T02:26:31+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
+ "language_code": "ml"
+ },
+ "palm-movement.341495f0e9c47da3.webp": {
+ "original_hash": "100780b2e1d5adff2739adf58fc18404",
+ "translation_date": "2026-01-17T02:26:32+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
+ "language_code": "ml"
+ },
+ "optical.1f4a94464579a83a.webp": {
+ "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
+ "translation_date": "2026-01-17T02:26:33+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
+ "language_code": "ml"
+ },
+ "1200px-Girl_and_cat.89bd70951181e86a.webp": {
+ "original_hash": "aa8cdeaa9beaad5a06610236cf22f296",
+ "translation_date": "2026-01-17T02:26:34+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/1200px-Girl_and_cat.jpg",
+ "language_code": "ml"
+ },
+ "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
+ "original_hash": "f31ea979f0ceabdf198899985ac84c37",
+ "translation_date": "2026-01-17T02:26:37+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
+ "language_code": "ml"
+ },
+ "naive-detection.e7f1ba220ccd08c6.webp": {
+ "original_hash": "4c96961c12a09f8e055546ed2e7de470",
+ "translation_date": "2026-01-17T02:26:41+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
+ "language_code": "ml"
+ },
+ "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
+ "original_hash": "6704085c522f47ce42ad8402dafe6429",
+ "translation_date": "2026-01-17T02:26:45+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
+ "language_code": "ml"
+ },
+ "iou_equation.9a4751d40fff4e11.webp": {
+ "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
+ "translation_date": "2026-01-17T02:26:48+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
+ "language_code": "ml"
+ },
+ "coco-examples.71bc60380fa6cceb.webp": {
+ "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
+ "translation_date": "2026-01-17T02:26:50+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
+ "language_code": "ml"
+ },
+ "f-rcnn.3cda6d9bb4188875.webp": {
+ "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
+ "translation_date": "2026-01-17T02:26:53+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
+ "language_code": "ml"
+ },
+ "rcnn1.cae407020dfb1d1f.webp": {
+ "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
+ "translation_date": "2026-01-17T02:26:56+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
+ "language_code": "ml"
+ },
+ "faster-rcnn.8d46c099b87ef30a.webp": {
+ "original_hash": "067e2ca96344fd6d0490e0530a922b36",
+ "translation_date": "2026-01-17T02:26:59+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
+ "language_code": "ml"
+ },
+ "r-fcn.13eb88158b99a3da.webp": {
+ "original_hash": "38cd0e0105546e56fa17b711d445195f",
+ "translation_date": "2026-01-17T02:27:03+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
+ "language_code": "ml"
+ },
+ "yolo.a2648ec82ee8bb4e.webp": {
+ "original_hash": "e8835638234f5c21fcf36fdede6457f4",
+ "translation_date": "2026-01-17T02:27:07+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
+ "language_code": "ml"
+ },
+ "rcnn2.2d9530bb83516484.webp": {
+ "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
+ "translation_date": "2026-01-17T02:27:11+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
+ "language_code": "ml"
+ },
+ "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
+ "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
+ "translation_date": "2026-01-17T02:27:19+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
+ "language_code": "ml"
+ },
+ "resnet-block.aba4ccbcc0944434.webp": {
+ "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
+ "translation_date": "2026-01-17T02:27:24+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
+ "language_code": "ml"
+ },
+ "cnn-pyramid.85915455759ef0ce.webp": {
+ "original_hash": "7233ded4a920332806363d704bfb59a6",
+ "translation_date": "2026-01-17T02:27:31+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
+ "language_code": "ml"
+ },
+ "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
+ "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
+ "translation_date": "2026-01-17T02:27:39+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
+ "language_code": "ml"
+ },
+ "filter-horiz.59b80ed4feb946ef.webp": {
+ "original_hash": "b081df9e2042850983a46ff817b88d55",
+ "translation_date": "2026-01-17T02:27:41+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
+ "language_code": "ml"
+ },
+ "vgg-16-arch1.d901a5583b3a51ba.webp": {
+ "original_hash": "5b0f835d04dc20d097a0b89c88339966",
+ "translation_date": "2026-01-17T02:27:44+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
+ "language_code": "ml"
+ },
+ "vgg-16-arch.64ff2137f50dd49f.webp": {
+ "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
+ "translation_date": "2026-01-17T02:27:48+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
+ "language_code": "ml"
+ },
+ "convolutionExample.634615d5ff7081e0.webp": {
+ "original_hash": "5412e092848cb3cd4fa527aba3be0545",
+ "translation_date": "2026-01-17T02:27:52+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
+ "language_code": "ml"
+ },
+ "inception.a6605b85bcbc6f52.webp": {
+ "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
+ "translation_date": "2026-01-17T02:27:56+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
+ "language_code": "ml"
+ },
+ "filter-vert.b7148390ca0bc356.webp": {
+ "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
+ "translation_date": "2026-01-17T02:28:00+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
+ "language_code": "ml"
+ },
+ "lmfilters.ea9e4868a82cf74c.webp": {
+ "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
+ "translation_date": "2026-01-17T02:28:01+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
+ "language_code": "ml"
+ },
+ "data.50b2a9d5484bdbf0.webp": {
+ "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
+ "translation_date": "2026-01-17T02:28:03+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
+ "language_code": "ml"
+ },
+ "NetLogo-ModelLib.efe023afb4763c05.webp": {
+ "original_hash": "edd5b28318e2f43274a4541408110fb9",
+ "translation_date": "2026-01-17T02:28:12+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
+ "language_code": "ml"
+ },
+ "NetLogo-Main.32653711ec1a01b3.webp": {
+ "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
+ "translation_date": "2026-01-17T02:28:28+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
+ "language_code": "ml"
+ },
+ "cartpole.f52a67f27e058170.webp": {
+ "original_hash": "5399242e127ea1c18aa6ee405daecf51",
+ "translation_date": "2026-01-17T02:28:36+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
+ "language_code": "ml"
+ },
+ "mountaincar.f7b7a7f6d4f9933b.webp": {
+ "original_hash": "61c868cc389dc92bd2b402ea490cd162",
+ "translation_date": "2026-01-17T02:28:37+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
+ "language_code": "ml"
+ },
+ "ml-for-beginners.9e4fed176fd5817d.webp": {
+ "original_hash": "cd606a24083e039082b0486fc8382823",
+ "translation_date": "2026-01-17T02:28:39+00:00",
+ "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
+ "language_code": "ml"
+ },
+ "history-of-ai.7e83efa70b537f5a.webp": {
+ "original_hash": "644e648b98fcb10fb9713452ff02934d",
+ "translation_date": "2026-01-17T02:28:47+00:00",
+ "source_file": "lessons/1-Intro/images/history-of-ai.png",
+ "language_code": "ml"
+ },
+ "photo-cat.8c8e8fb760ffe457.webp": {
+ "original_hash": "29d10fef28d240c48995ef9dd23e477a",
+ "translation_date": "2026-01-17T02:28:53+00:00",
+ "source_file": "lessons/1-Intro/images/photo-cat.jpg",
+ "language_code": "ml"
+ },
+ "dsh_age.d212a30d4e54fb5f.webp": {
+ "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
+ "translation_date": "2026-01-17T02:28:54+00:00",
+ "source_file": "lessons/1-Intro/images/dsh_age.png",
+ "language_code": "ml"
+ },
+ "turing-test-evol.4184696701293ead.webp": {
+ "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
+ "translation_date": "2026-01-17T02:28:58+00:00",
+ "source_file": "lessons/1-Intro/images/turing-test-evol.png",
+ "language_code": "ml"
+ },
+ "knowledge-spectrum.b60df631852c0217.webp": {
+ "original_hash": "71b049ee26a22a68996034585436ca59",
+ "translation_date": "2026-01-17T02:29:07+00:00",
+ "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
+ "language_code": "ml"
+ },
+ "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
+ "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
+ "translation_date": "2026-01-17T02:29:14+00:00",
+ "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
+ "language_code": "ml"
+ },
+ "AND-OR-Tree.5592d2c70187f283.webp": {
+ "original_hash": "2674b6cf8f768491c6b5a167f272a002",
+ "translation_date": "2026-01-17T02:29:31+00:00",
+ "source_file": "lessons/2-Symbolic/images/AND-OR-Tree.png",
+ "language_code": "ml"
+ },
+ "triplet-complex.32094972c7b4441b.webp": {
+ "original_hash": "56a2e05839a141c311db52655b37f8ad",
+ "translation_date": "2026-01-17T02:34:31+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
+ "language_code": "ml"
+ },
+ "arch-human.5d4d35f1bba3ab1c.webp": {
+ "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
+ "translation_date": "2026-01-17T02:34:41+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-human.png",
+ "language_code": "ml"
+ },
+ "arch-kbs.3ec5c150b09fa8da.webp": {
+ "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
+ "translation_date": "2026-01-17T02:34:46+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
+ "language_code": "ml"
+ },
+ "triplet.4b9b332587593298.webp": {
+ "original_hash": "302e53ea355ffb556d99e3962d0a6516",
+ "translation_date": "2026-01-17T02:34:52+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet.png",
+ "language_code": "ml"
+ },
+ "protege.274177ceeac13b38.webp": {
+ "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
+ "translation_date": "2026-01-17T02:35:13+00:00",
+ "source_file": "lessons/2-Symbolic/images/protege.png",
+ "language_code": "ml"
+ },
+ "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
+ "original_hash": "88212730ecd9b0c8b848c319951427d8",
+ "translation_date": "2026-01-17T02:35:31+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
+ "language_code": "ml"
+ },
+ "overfit2.131f5800ae10ca5e.webp": {
+ "original_hash": "eb04381b2f222518ec400b98ebf441b2",
+ "translation_date": "2026-01-17T02:35:34+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
+ "language_code": "ml"
+ },
+ "netout.1eb15eb76fd76731.webp": {
+ "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
+ "translation_date": "2026-01-17T02:35:36+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/netout.png",
+ "language_code": "ml"
+ },
+ "artneuron.1a5daa88d20ebe6f.webp": {
+ "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
+ "translation_date": "2026-01-17T02:35:38+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
+ "language_code": "ml"
+ },
+ "Overfitting.408ad91cd90b4371.webp": {
+ "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
+ "translation_date": "2026-01-17T02:35:42+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
+ "language_code": "ml"
+ },
+ "overfit1.f24b71c6f652e59e.webp": {
+ "original_hash": "76155698e85340d9dfff8e0a628d25c1",
+ "translation_date": "2026-01-17T02:35:46+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
+ "language_code": "ml"
+ },
+ "NeuroArch.4e17cdba5e445721.webp": {
+ "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
+ "translation_date": "2026-01-17T02:35:49+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "language_code": "ml"
+ },
+ "ComputeGraphGrad.4626252c0de03507.webp": {
+ "original_hash": "b0bf679245a237b1e7785ae2357a5376",
+ "translation_date": "2026-01-17T02:35:51+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraphGrad.png",
+ "language_code": "ml"
+ },
+ "Cross-Entropy-Loss.dc7ba633d2467ef3.webp": {
+ "original_hash": "11dd0fd77a272755d0ef5db9f71217da",
+ "translation_date": "2026-01-17T02:35:55+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/Cross-Entropy-Loss.png",
+ "language_code": "ml"
+ },
+ "ComputeGraph.463c9d8ebdcb2215.webp": {
+ "original_hash": "7af66742d6bede114f971689745bedf2",
+ "translation_date": "2026-01-17T02:35:58+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
+ "language_code": "ml"
+ },
+ "overfit.a0bd57f717c15769.webp": {
+ "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
+ "translation_date": "2026-01-17T02:36:00+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
+ "language_code": "ml"
+ },
+ "Rosenblatt-wikipedia.294821b285ac796d.webp": {
+ "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
+ "translation_date": "2026-01-17T02:36:02+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
+ "language_code": "ml"
+ },
+ "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
+ "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
+ "translation_date": "2026-01-17T02:36:06+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
+ "language_code": "ml"
+ },
+ "activation-func.b4924007c7ce7764.webp": {
+ "original_hash": "8d357884343ec923611a319d4e910b99",
+ "translation_date": "2026-01-17T02:36:08+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
+ "language_code": "ml"
+ },
+ "clip-class.3af42ef0b2b19369.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-17T02:36:11+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
+ "language_code": "ml"
+ },
+ "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
+ "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
+ "translation_date": "2026-01-17T02:36:15+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
+ "language_code": "ml"
+ },
+ "clip-arch.b3dbf20b4e8ed8be.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-17T02:36:18+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
+ "language_code": "ml"
+ },
+ "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
+ "original_hash": "e300d75d78f6050bc7b83df091f95775",
+ "translation_date": "2026-01-17T02:36:21+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
+ "language_code": "ml"
+ },
+ "DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp": {
+ "original_hash": "dd063fda04db937ab7210064af9d6151",
+ "translation_date": "2026-01-17T02:36:22+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.png",
+ "language_code": "ml"
+ },
+ "DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp": {
+ "original_hash": "2cc9ab0daf8e1af7071fbc9eaf84970b",
+ "translation_date": "2026-01-17T02:36:24+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.png",
+ "language_code": "ml"
+ },
+ "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
+ "original_hash": "ec89cbb600b14e86f353a347506554ba",
+ "translation_date": "2026-01-17T02:36:24+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
+ "language_code": "ml"
+ },
+ "a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp": {
+ "original_hash": "7064cd71a562523998203c756842c96d",
+ "translation_date": "2026-01-17T02:36:25+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.png",
+ "language_code": "ml"
+ },
+ "vqgan.5027fe05051dfa31.webp": {
+ "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
+ "translation_date": "2026-01-17T02:36:26+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "language_code": "ml"
+ },
+ "bag-of-words-example.606fc1738f1d7ba9.webp": {
+ "original_hash": "a8fa84622ff35939e498d06fac3fa515",
+ "translation_date": "2026-01-17T02:36:29+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
+ "language_code": "ml"
+ },
+ "bow.3811869cff59368d.webp": {
+ "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
+ "translation_date": "2026-01-17T02:36:37+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
+ "language_code": "ml"
+ },
+ "ascii-character-map.18ed6aa7f3b0a7ff.webp": {
+ "original_hash": "afc5ff2601be320926d89f1ad897eda8",
+ "translation_date": "2026-01-17T02:36:47+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/ascii-character-map.png",
+ "language_code": "ml"
+ },
+ "multi-layer-lstm.dd975e29bb2a59fe.webp": {
+ "original_hash": "27b6355fd86c9e8e6d443015653be763",
+ "translation_date": "2026-01-17T02:36:51+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "language_code": "ml"
+ },
+ "rnn-anatomy.79ee3f3920b3294b.webp": {
+ "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
+ "translation_date": "2026-01-17T02:36:56+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
+ "language_code": "ml"
+ },
+ "rnn.27f5c29c53d727b5.webp": {
+ "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
+ "translation_date": "2026-01-17T02:37:03+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
+ "language_code": "ml"
+ },
+ "encoder-decoder-attention.7a726296894fb567.webp": {
+ "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
+ "translation_date": "2026-01-17T02:37:12+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
+ "language_code": "ml"
+ },
+ "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
+ "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
+ "translation_date": "2026-01-17T02:37:21+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "language_code": "ml"
+ },
+ "bahdanau-fig3.09ba2d37f202a6af.webp": {
+ "original_hash": "b5cfbb9cad3b0d3fbdcc63dcd2ed514f",
+ "translation_date": "2026-01-17T02:37:28+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/bahdanau-fig3.png",
+ "language_code": "ml"
+ },
+ "pos-embedding.e41ce9b6cf6078af.webp": {
+ "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
+ "translation_date": "2026-01-17T02:37:33+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
+ "language_code": "ml"
+ },
+ "transformer-layer.905e14747ca4e7d5.webp": {
+ "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
+ "translation_date": "2026-01-17T02:37:40+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
+ "language_code": "ml"
+ },
+ "CoreferenceResolution.861924d6d384a7d6.webp": {
+ "original_hash": "25b5719ec70aaa44858076c16f7c208f",
+ "translation_date": "2026-01-17T02:37:46+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
+ "language_code": "ml"
+ },
+ "bot-ner.4b09235dbb0ad275.webp": {
+ "original_hash": "5e61aca4f94182c7e7d509b8d2de3c9f",
+ "translation_date": "2026-01-17T02:37:55+00:00",
+ "source_file": "lessons/5-NLP/19-NER/images/bot-ner.png",
+ "language_code": "ml"
+ },
+ "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
+ "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
+ "translation_date": "2026-01-17T02:38:02+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "language_code": "ml"
+ },
+ "rnn-generate.56c54afb52f9781d.webp": {
+ "original_hash": "67332ada2d0603921bba37c06956c70e",
+ "translation_date": "2026-01-17T02:38:05+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "language_code": "ml"
+ },
+ "rnn-generate-inf.5168dc65e0370eea.webp": {
+ "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
+ "translation_date": "2026-01-17T02:38:08+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "language_code": "ml"
+ },
+ "embedding-classifier-example.b77f021a7ee67eee.webp": {
+ "original_hash": "0c4233111f66d9c6925af5b97f9519a0",
+ "translation_date": "2026-01-17T02:38:12+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/embedding-classifier-example.png",
+ "language_code": "ml"
+ },
+ "offset-sequence-representation.eb73fcefb29b46ee.webp": {
+ "original_hash": "52e7632a2b668957b903bb2607e953fe",
+ "translation_date": "2026-01-17T02:38:16+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "language_code": "ml"
+ },
+ "example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp": {
+ "original_hash": "6e976f26b9bb4c7a021187e834132123",
+ "translation_date": "2026-01-17T02:38:20+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/example-algorithms-for-converting-words-to-vectors.png",
+ "language_code": "ml"
+ }
+}
\ No newline at end of file
diff --git a/translated_images/ml/1200px-Girl_and_cat.89bd70951181e86a.webp b/translated_images/ml/1200px-Girl_and_cat.89bd70951181e86a.webp
new file mode 100644
index 00000000..47042c75
Binary files /dev/null and b/translated_images/ml/1200px-Girl_and_cat.89bd70951181e86a.webp differ
diff --git a/translated_images/ml/AND-OR-Tree.5592d2c70187f283.webp b/translated_images/ml/AND-OR-Tree.5592d2c70187f283.webp
new file mode 100644
index 00000000..a0fc0554
Binary files /dev/null and b/translated_images/ml/AND-OR-Tree.5592d2c70187f283.webp differ
diff --git a/translated_images/ml/ComputeGraph.463c9d8ebdcb2215.webp b/translated_images/ml/ComputeGraph.463c9d8ebdcb2215.webp
new file mode 100644
index 00000000..ac44aadc
Binary files /dev/null and b/translated_images/ml/ComputeGraph.463c9d8ebdcb2215.webp differ
diff --git a/translated_images/ml/ComputeGraphGrad.4626252c0de03507.webp b/translated_images/ml/ComputeGraphGrad.4626252c0de03507.webp
new file mode 100644
index 00000000..df2ed8da
Binary files /dev/null and b/translated_images/ml/ComputeGraphGrad.4626252c0de03507.webp differ
diff --git a/translated_images/ml/CoreferenceResolution.861924d6d384a7d6.webp b/translated_images/ml/CoreferenceResolution.861924d6d384a7d6.webp
new file mode 100644
index 00000000..a892c68e
Binary files /dev/null and b/translated_images/ml/CoreferenceResolution.861924d6d384a7d6.webp differ
diff --git a/translated_images/ml/Cross-Entropy-Loss.dc7ba633d2467ef3.webp b/translated_images/ml/Cross-Entropy-Loss.dc7ba633d2467ef3.webp
new file mode 100644
index 00000000..033a371f
Binary files /dev/null and b/translated_images/ml/Cross-Entropy-Loss.dc7ba633d2467ef3.webp differ
diff --git a/translated_images/ml/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp b/translated_images/ml/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp
new file mode 100644
index 00000000..222db344
Binary files /dev/null and b/translated_images/ml/DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp differ
diff --git a/translated_images/ml/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp b/translated_images/ml/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp
new file mode 100644
index 00000000..f3b973c5
Binary files /dev/null and b/translated_images/ml/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.081e8aed073e2fbf.webp differ
diff --git a/translated_images/ml/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp b/translated_images/ml/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp
new file mode 100644
index 00000000..b8f4286a
Binary files /dev/null and b/translated_images/ml/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp differ
diff --git a/translated_images/ml/DIKW_Pyramid.94126f7d2bd8db5b.webp b/translated_images/ml/DIKW_Pyramid.94126f7d2bd8db5b.webp
new file mode 100644
index 00000000..92287f29
Binary files /dev/null and b/translated_images/ml/DIKW_Pyramid.94126f7d2bd8db5b.webp differ
diff --git a/translated_images/ml/FeatureExtractionCNN.d9b456cbdae7cb64.webp b/translated_images/ml/FeatureExtractionCNN.d9b456cbdae7cb64.webp
new file mode 100644
index 00000000..5fdc0290
Binary files /dev/null and b/translated_images/ml/FeatureExtractionCNN.d9b456cbdae7cb64.webp differ
diff --git a/translated_images/ml/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp b/translated_images/ml/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp
new file mode 100644
index 00000000..577ad56b
Binary files /dev/null and b/translated_images/ml/Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp differ
diff --git a/translated_images/ml/NetLogo-Main.32653711ec1a01b3.webp b/translated_images/ml/NetLogo-Main.32653711ec1a01b3.webp
new file mode 100644
index 00000000..448633a5
Binary files /dev/null and b/translated_images/ml/NetLogo-Main.32653711ec1a01b3.webp differ
diff --git a/translated_images/ml/NetLogo-ModelLib.efe023afb4763c05.webp b/translated_images/ml/NetLogo-ModelLib.efe023afb4763c05.webp
new file mode 100644
index 00000000..b93254fc
Binary files /dev/null and b/translated_images/ml/NetLogo-ModelLib.efe023afb4763c05.webp differ
diff --git a/translated_images/ml/NeuroArch.4e17cdba5e445721.webp b/translated_images/ml/NeuroArch.4e17cdba5e445721.webp
new file mode 100644
index 00000000..4f2eceae
Binary files /dev/null and b/translated_images/ml/NeuroArch.4e17cdba5e445721.webp differ
diff --git a/translated_images/ml/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp b/translated_images/ml/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp
new file mode 100644
index 00000000..926590f0
Binary files /dev/null and b/translated_images/ml/ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp differ
diff --git a/translated_images/ml/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp b/translated_images/ml/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp
new file mode 100644
index 00000000..a3fe7cc2
Binary files /dev/null and b/translated_images/ml/ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp differ
diff --git a/translated_images/ml/Overfitting.408ad91cd90b4371.webp b/translated_images/ml/Overfitting.408ad91cd90b4371.webp
new file mode 100644
index 00000000..1c405f46
Binary files /dev/null and b/translated_images/ml/Overfitting.408ad91cd90b4371.webp differ
diff --git a/translated_images/ml/Rosenblatt-wikipedia.294821b285ac796d.webp b/translated_images/ml/Rosenblatt-wikipedia.294821b285ac796d.webp
new file mode 100644
index 00000000..d0a8549c
Binary files /dev/null and b/translated_images/ml/Rosenblatt-wikipedia.294821b285ac796d.webp differ
diff --git a/translated_images/ml/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp b/translated_images/ml/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp
new file mode 100644
index 00000000..d099eb23
Binary files /dev/null and b/translated_images/ml/Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp differ
diff --git a/translated_images/ml/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp b/translated_images/ml/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp
new file mode 100644
index 00000000..ee032762
Binary files /dev/null and b/translated_images/ml/a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp differ
diff --git a/translated_images/ml/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp b/translated_images/ml/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp
new file mode 100644
index 00000000..52ce29a9
Binary files /dev/null and b/translated_images/ml/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp differ
diff --git a/translated_images/ml/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp b/translated_images/ml/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp
new file mode 100644
index 00000000..fba04870
Binary files /dev/null and b/translated_images/ml/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp differ
diff --git a/translated_images/ml/aae.9d418a990fc75bf9.webp b/translated_images/ml/aae.9d418a990fc75bf9.webp
new file mode 100644
index 00000000..b5c1512e
Binary files /dev/null and b/translated_images/ml/aae.9d418a990fc75bf9.webp differ
diff --git a/translated_images/ml/activation-func.b4924007c7ce7764.webp b/translated_images/ml/activation-func.b4924007c7ce7764.webp
new file mode 100644
index 00000000..c8c95575
Binary files /dev/null and b/translated_images/ml/activation-func.b4924007c7ce7764.webp differ
diff --git a/translated_images/ml/adversarial-dog.d9fc7773b0142b89.webp b/translated_images/ml/adversarial-dog.d9fc7773b0142b89.webp
new file mode 100644
index 00000000..8816fc84
Binary files /dev/null and b/translated_images/ml/adversarial-dog.d9fc7773b0142b89.webp differ
diff --git a/translated_images/ml/ai-computervision.6506ebebac3fbf76.webp b/translated_images/ml/ai-computervision.6506ebebac3fbf76.webp
new file mode 100644
index 00000000..e07aef7b
Binary files /dev/null and b/translated_images/ml/ai-computervision.6506ebebac3fbf76.webp differ
diff --git a/translated_images/ml/ai-for-beginners.b354ca904b22cd70.webp b/translated_images/ml/ai-for-beginners.b354ca904b22cd70.webp
new file mode 100644
index 00000000..90942253
Binary files /dev/null and b/translated_images/ml/ai-for-beginners.b354ca904b22cd70.webp differ
diff --git a/translated_images/ml/ai-intro.bf28d1ac4235881c.webp b/translated_images/ml/ai-intro.bf28d1ac4235881c.webp
new file mode 100644
index 00000000..f6fd5e7f
Binary files /dev/null and b/translated_images/ml/ai-intro.bf28d1ac4235881c.webp differ
diff --git a/translated_images/ml/ai-neuralnetworks.1c687ae40bc86e83.webp b/translated_images/ml/ai-neuralnetworks.1c687ae40bc86e83.webp
new file mode 100644
index 00000000..69096fed
Binary files /dev/null and b/translated_images/ml/ai-neuralnetworks.1c687ae40bc86e83.webp differ
diff --git a/translated_images/mountaincar.f7b7a7f6d4f9933b.kn.png b/translated_images/mountaincar.f7b7a7f6d4f9933b.kn.png
deleted file mode 100644
index a4236817..00000000
Binary files a/translated_images/mountaincar.f7b7a7f6d4f9933b.kn.png and /dev/null differ
diff --git a/translated_images/mountaincar.f7b7a7f6d4f9933b.ml.png b/translated_images/mountaincar.f7b7a7f6d4f9933b.ml.png
deleted file mode 100644
index 2264e203..00000000
Binary files a/translated_images/mountaincar.f7b7a7f6d4f9933b.ml.png and /dev/null differ
diff --git a/translated_images/mountaincar.f7b7a7f6d4f9933b31a5fb3453b9c026aa0d65f6644bb03513a955590aae1bc4.kn.png b/translated_images/mountaincar.f7b7a7f6d4f9933b31a5fb3453b9c026aa0d65f6644bb03513a955590aae1bc4.kn.png
deleted file mode 100644
index a4236817..00000000
Binary files a/translated_images/mountaincar.f7b7a7f6d4f9933b31a5fb3453b9c026aa0d65f6644bb03513a955590aae1bc4.kn.png and /dev/null differ
diff --git a/translated_images/mountaincar.f7b7a7f6d4f9933b31a5fb3453b9c026aa0d65f6644bb03513a955590aae1bc4.ml.png b/translated_images/mountaincar.f7b7a7f6d4f9933b31a5fb3453b9c026aa0d65f6644bb03513a955590aae1bc4.ml.png
deleted file mode 100644
index 2264e203..00000000
Binary files a/translated_images/mountaincar.f7b7a7f6d4f9933b31a5fb3453b9c026aa0d65f6644bb03513a955590aae1bc4.ml.png and /dev/null differ
diff --git a/translated_images/multi-layer-lstm.dd975e29bb2a59fe.kn.jpg b/translated_images/multi-layer-lstm.dd975e29bb2a59fe.kn.jpg
deleted file mode 100644
index 4c87a864..00000000
Binary files a/translated_images/multi-layer-lstm.dd975e29bb2a59fe.kn.jpg and /dev/null differ
diff --git a/translated_images/multi-layer-lstm.dd975e29bb2a59fe.ml.jpg b/translated_images/multi-layer-lstm.dd975e29bb2a59fe.ml.jpg
deleted file mode 100644
index 24d02d33..00000000
Binary files a/translated_images/multi-layer-lstm.dd975e29bb2a59fe.ml.jpg and /dev/null differ
diff --git a/translated_images/multi-layer-lstm.dd975e29bb2a59fe58b429db833932d734c81f211cad2783797a9608984acb8c.kn.jpg b/translated_images/multi-layer-lstm.dd975e29bb2a59fe58b429db833932d734c81f211cad2783797a9608984acb8c.kn.jpg
deleted file mode 100644
index 4c87a864..00000000
Binary files a/translated_images/multi-layer-lstm.dd975e29bb2a59fe58b429db833932d734c81f211cad2783797a9608984acb8c.kn.jpg and /dev/null differ
diff --git a/translated_images/multi-layer-lstm.dd975e29bb2a59fe58b429db833932d734c81f211cad2783797a9608984acb8c.ml.jpg b/translated_images/multi-layer-lstm.dd975e29bb2a59fe58b429db833932d734c81f211cad2783797a9608984acb8c.ml.jpg
deleted file mode 100644
index 24d02d33..00000000
Binary files a/translated_images/multi-layer-lstm.dd975e29bb2a59fe58b429db833932d734c81f211cad2783797a9608984acb8c.ml.jpg and /dev/null differ
diff --git a/translated_images/naive-detection.e7f1ba220ccd08c6.kn.png b/translated_images/naive-detection.e7f1ba220ccd08c6.kn.png
deleted file mode 100644
index dc1ee83b..00000000
Binary files a/translated_images/naive-detection.e7f1ba220ccd08c6.kn.png and /dev/null differ
diff --git a/translated_images/naive-detection.e7f1ba220ccd08c6.ml.png b/translated_images/naive-detection.e7f1ba220ccd08c6.ml.png
deleted file mode 100644
index dc1ee83b..00000000
Binary files a/translated_images/naive-detection.e7f1ba220ccd08c6.ml.png and /dev/null differ
diff --git a/translated_images/naive-detection.e7f1ba220ccd08c68a2ea8e06a7ed75c3fcc738c2372f9e00b7f4299a8659c01.kn.png b/translated_images/naive-detection.e7f1ba220ccd08c68a2ea8e06a7ed75c3fcc738c2372f9e00b7f4299a8659c01.kn.png
deleted file mode 100644
index dc1ee83b..00000000
Binary files a/translated_images/naive-detection.e7f1ba220ccd08c68a2ea8e06a7ed75c3fcc738c2372f9e00b7f4299a8659c01.kn.png and /dev/null differ
diff --git a/translated_images/naive-detection.e7f1ba220ccd08c68a2ea8e06a7ed75c3fcc738c2372f9e00b7f4299a8659c01.ml.png b/translated_images/naive-detection.e7f1ba220ccd08c68a2ea8e06a7ed75c3fcc738c2372f9e00b7f4299a8659c01.ml.png
deleted file mode 100644
index dc1ee83b..00000000
Binary files a/translated_images/naive-detection.e7f1ba220ccd08c68a2ea8e06a7ed75c3fcc738c2372f9e00b7f4299a8659c01.ml.png and /dev/null differ
diff --git a/translated_images/navi.2f20b727910110ea.kn.png b/translated_images/navi.2f20b727910110ea.kn.png
deleted file mode 100644
index 9a5de914..00000000
Binary files a/translated_images/navi.2f20b727910110ea.kn.png and /dev/null differ
diff --git a/translated_images/navi.2f20b727910110ea.ml.png b/translated_images/navi.2f20b727910110ea.ml.png
deleted file mode 100644
index bb1a0df9..00000000
Binary files a/translated_images/navi.2f20b727910110ea.ml.png and /dev/null differ
diff --git a/translated_images/navi.2f20b727910110ea593fa03a2491f2ba1b25c62c97b33c692bcf01917a1f333f.kn.png b/translated_images/navi.2f20b727910110ea593fa03a2491f2ba1b25c62c97b33c692bcf01917a1f333f.kn.png
deleted file mode 100644
index 9a5de914..00000000
Binary files a/translated_images/navi.2f20b727910110ea593fa03a2491f2ba1b25c62c97b33c692bcf01917a1f333f.kn.png and /dev/null differ
diff --git a/translated_images/navi.2f20b727910110ea593fa03a2491f2ba1b25c62c97b33c692bcf01917a1f333f.ml.png b/translated_images/navi.2f20b727910110ea593fa03a2491f2ba1b25c62c97b33c692bcf01917a1f333f.ml.png
deleted file mode 100644
index bb1a0df9..00000000
Binary files a/translated_images/navi.2f20b727910110ea593fa03a2491f2ba1b25c62c97b33c692bcf01917a1f333f.ml.png and /dev/null differ
diff --git a/translated_images/netout.1eb15eb76fd76731.kn.png b/translated_images/netout.1eb15eb76fd76731.kn.png
deleted file mode 100644
index bb107255..00000000
Binary files a/translated_images/netout.1eb15eb76fd76731.kn.png and /dev/null differ
diff --git a/translated_images/netout.1eb15eb76fd76731.ml.png b/translated_images/netout.1eb15eb76fd76731.ml.png
deleted file mode 100644
index 747d683d..00000000
Binary files a/translated_images/netout.1eb15eb76fd76731.ml.png and /dev/null differ
diff --git a/translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.kn.png b/translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.kn.png
deleted file mode 100644
index bb107255..00000000
Binary files a/translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.kn.png and /dev/null differ
diff --git a/translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.ml.png b/translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.ml.png
deleted file mode 100644
index 747d683d..00000000
Binary files a/translated_images/netout.1eb15eb76fd767313e067719f400cec4b0e5090239c3e997c29f6789d4c3c263.ml.png and /dev/null differ
diff --git a/translated_images/offset-sequence-representation.eb73fcefb29b46ee.kn.png b/translated_images/offset-sequence-representation.eb73fcefb29b46ee.kn.png
deleted file mode 100644
index 2a996cbe..00000000
Binary files a/translated_images/offset-sequence-representation.eb73fcefb29b46ee.kn.png and /dev/null differ
diff --git a/translated_images/offset-sequence-representation.eb73fcefb29b46ee.ml.png b/translated_images/offset-sequence-representation.eb73fcefb29b46ee.ml.png
deleted file mode 100644
index 3372f8b8..00000000
Binary files a/translated_images/offset-sequence-representation.eb73fcefb29b46ee.ml.png and /dev/null differ
diff --git a/translated_images/offset-sequence-representation.eb73fcefb29b46eecfbe74466077cfeb7c0f93a4f254850538a2efbc63517479.kn.png b/translated_images/offset-sequence-representation.eb73fcefb29b46eecfbe74466077cfeb7c0f93a4f254850538a2efbc63517479.kn.png
deleted file mode 100644
index 2a996cbe..00000000
Binary files a/translated_images/offset-sequence-representation.eb73fcefb29b46eecfbe74466077cfeb7c0f93a4f254850538a2efbc63517479.kn.png and /dev/null differ
diff --git a/translated_images/offset-sequence-representation.eb73fcefb29b46eecfbe74466077cfeb7c0f93a4f254850538a2efbc63517479.ml.png b/translated_images/offset-sequence-representation.eb73fcefb29b46eecfbe74466077cfeb7c0f93a4f254850538a2efbc63517479.ml.png
deleted file mode 100644
index 3372f8b8..00000000
Binary files a/translated_images/offset-sequence-representation.eb73fcefb29b46eecfbe74466077cfeb7c0f93a4f254850538a2efbc63517479.ml.png and /dev/null differ
diff --git a/translated_images/optical.1f4a94464579a83a.kn.png b/translated_images/optical.1f4a94464579a83a.kn.png
deleted file mode 100644
index f6d867c3..00000000
Binary files a/translated_images/optical.1f4a94464579a83a.kn.png and /dev/null differ
diff --git a/translated_images/optical.1f4a94464579a83a.ml.png b/translated_images/optical.1f4a94464579a83a.ml.png
deleted file mode 100644
index f6d867c3..00000000
Binary files a/translated_images/optical.1f4a94464579a83a.ml.png and /dev/null differ
diff --git a/translated_images/optical.1f4a94464579a83a10784f3c07fe7228514714b96782edf50e70ccd59d2d8c4f.kn.png b/translated_images/optical.1f4a94464579a83a10784f3c07fe7228514714b96782edf50e70ccd59d2d8c4f.kn.png
deleted file mode 100644
index f6d867c3..00000000
Binary files a/translated_images/optical.1f4a94464579a83a10784f3c07fe7228514714b96782edf50e70ccd59d2d8c4f.kn.png and /dev/null differ
diff --git a/translated_images/optical.1f4a94464579a83a10784f3c07fe7228514714b96782edf50e70ccd59d2d8c4f.ml.png b/translated_images/optical.1f4a94464579a83a10784f3c07fe7228514714b96782edf50e70ccd59d2d8c4f.ml.png
deleted file mode 100644
index f6d867c3..00000000
Binary files a/translated_images/optical.1f4a94464579a83a10784f3c07fe7228514714b96782edf50e70ccd59d2d8c4f.ml.png and /dev/null differ
diff --git a/translated_images/original-dog.8f68a67d2fe0911f.kn.png b/translated_images/original-dog.8f68a67d2fe0911f.kn.png
deleted file mode 100644
index da672bbd..00000000
Binary files a/translated_images/original-dog.8f68a67d2fe0911f.kn.png and /dev/null differ
diff --git a/translated_images/original-dog.8f68a67d2fe0911f.ml.png b/translated_images/original-dog.8f68a67d2fe0911f.ml.png
deleted file mode 100644
index da672bbd..00000000
Binary files a/translated_images/original-dog.8f68a67d2fe0911f.ml.png and /dev/null differ
diff --git a/translated_images/original-dog.8f68a67d2fe0911f33041c0f7fce8aa4ea919f9d3917ec4b468298522aeb6356.kn.png b/translated_images/original-dog.8f68a67d2fe0911f33041c0f7fce8aa4ea919f9d3917ec4b468298522aeb6356.kn.png
deleted file mode 100644
index da672bbd..00000000
Binary files a/translated_images/original-dog.8f68a67d2fe0911f33041c0f7fce8aa4ea919f9d3917ec4b468298522aeb6356.kn.png and /dev/null differ
diff --git a/translated_images/original-dog.8f68a67d2fe0911f33041c0f7fce8aa4ea919f9d3917ec4b468298522aeb6356.ml.png b/translated_images/original-dog.8f68a67d2fe0911f33041c0f7fce8aa4ea919f9d3917ec4b468298522aeb6356.ml.png
deleted file mode 100644
index da672bbd..00000000
Binary files a/translated_images/original-dog.8f68a67d2fe0911f33041c0f7fce8aa4ea919f9d3917ec4b468298522aeb6356.ml.png and /dev/null differ
diff --git a/translated_images/overfit.a0bd57f717c15769.kn.png b/translated_images/overfit.a0bd57f717c15769.kn.png
deleted file mode 100644
index a3d95b97..00000000
Binary files a/translated_images/overfit.a0bd57f717c15769.kn.png and /dev/null differ
diff --git a/translated_images/overfit.a0bd57f717c15769.ml.png b/translated_images/overfit.a0bd57f717c15769.ml.png
deleted file mode 100644
index a3d95b97..00000000
Binary files a/translated_images/overfit.a0bd57f717c15769.ml.png and /dev/null differ
diff --git a/translated_images/overfit.a0bd57f717c157696f30c9c73fa7c3345c49b4280e412ff30c4a1a16ba29ff49.kn.png b/translated_images/overfit.a0bd57f717c157696f30c9c73fa7c3345c49b4280e412ff30c4a1a16ba29ff49.kn.png
deleted file mode 100644
index a3d95b97..00000000
Binary files a/translated_images/overfit.a0bd57f717c157696f30c9c73fa7c3345c49b4280e412ff30c4a1a16ba29ff49.kn.png and /dev/null differ
diff --git a/translated_images/overfit.a0bd57f717c157696f30c9c73fa7c3345c49b4280e412ff30c4a1a16ba29ff49.ml.png b/translated_images/overfit.a0bd57f717c157696f30c9c73fa7c3345c49b4280e412ff30c4a1a16ba29ff49.ml.png
deleted file mode 100644
index a3d95b97..00000000
Binary files a/translated_images/overfit.a0bd57f717c157696f30c9c73fa7c3345c49b4280e412ff30c4a1a16ba29ff49.ml.png and /dev/null differ
diff --git a/translated_images/overfit1.f24b71c6f652e59e.kn.jpg b/translated_images/overfit1.f24b71c6f652e59e.kn.jpg
deleted file mode 100644
index c068808d..00000000
Binary files a/translated_images/overfit1.f24b71c6f652e59e.kn.jpg and /dev/null differ
diff --git a/translated_images/overfit1.f24b71c6f652e59e.ml.jpg b/translated_images/overfit1.f24b71c6f652e59e.ml.jpg
deleted file mode 100644
index c068808d..00000000
Binary files a/translated_images/overfit1.f24b71c6f652e59e.ml.jpg and /dev/null differ
diff --git a/translated_images/overfit1.f24b71c6f652e59e6bed7245ffbeaecc3ba320e16e2221f6832b432052c4da43.kn.jpg b/translated_images/overfit1.f24b71c6f652e59e6bed7245ffbeaecc3ba320e16e2221f6832b432052c4da43.kn.jpg
deleted file mode 100644
index c068808d..00000000
Binary files a/translated_images/overfit1.f24b71c6f652e59e6bed7245ffbeaecc3ba320e16e2221f6832b432052c4da43.kn.jpg and /dev/null differ
diff --git a/translated_images/overfit1.f24b71c6f652e59e6bed7245ffbeaecc3ba320e16e2221f6832b432052c4da43.ml.jpg b/translated_images/overfit1.f24b71c6f652e59e6bed7245ffbeaecc3ba320e16e2221f6832b432052c4da43.ml.jpg
deleted file mode 100644
index c068808d..00000000
Binary files a/translated_images/overfit1.f24b71c6f652e59e6bed7245ffbeaecc3ba320e16e2221f6832b432052c4da43.ml.jpg and /dev/null differ
diff --git a/translated_images/overfit2.131f5800ae10ca5e.kn.jpg b/translated_images/overfit2.131f5800ae10ca5e.kn.jpg
deleted file mode 100644
index c70e8b55..00000000
Binary files a/translated_images/overfit2.131f5800ae10ca5e.kn.jpg and /dev/null differ
diff --git a/translated_images/overfit2.131f5800ae10ca5e.ml.jpg b/translated_images/overfit2.131f5800ae10ca5e.ml.jpg
deleted file mode 100644
index 228e627c..00000000
Binary files a/translated_images/overfit2.131f5800ae10ca5e.ml.jpg and /dev/null differ
diff --git a/translated_images/overfit2.131f5800ae10ca5e41d12a411f5f705d9ee38b1b10916f284b787028dd55cc1c.kn.jpg b/translated_images/overfit2.131f5800ae10ca5e41d12a411f5f705d9ee38b1b10916f284b787028dd55cc1c.kn.jpg
deleted file mode 100644
index c70e8b55..00000000
Binary files a/translated_images/overfit2.131f5800ae10ca5e41d12a411f5f705d9ee38b1b10916f284b787028dd55cc1c.kn.jpg and /dev/null differ
diff --git a/translated_images/overfit2.131f5800ae10ca5e41d12a411f5f705d9ee38b1b10916f284b787028dd55cc1c.ml.jpg b/translated_images/overfit2.131f5800ae10ca5e41d12a411f5f705d9ee38b1b10916f284b787028dd55cc1c.ml.jpg
deleted file mode 100644
index 228e627c..00000000
Binary files a/translated_images/overfit2.131f5800ae10ca5e41d12a411f5f705d9ee38b1b10916f284b787028dd55cc1c.ml.jpg and /dev/null differ
diff --git a/translated_images/palm-movement.341495f0e9c47da3.kn.png b/translated_images/palm-movement.341495f0e9c47da3.kn.png
deleted file mode 100644
index bb70c019..00000000
Binary files a/translated_images/palm-movement.341495f0e9c47da3.kn.png and /dev/null differ
diff --git a/translated_images/palm-movement.341495f0e9c47da3.ml.png b/translated_images/palm-movement.341495f0e9c47da3.ml.png
deleted file mode 100644
index bb70c019..00000000
Binary files a/translated_images/palm-movement.341495f0e9c47da3.ml.png and /dev/null differ
diff --git a/translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.kn.png b/translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.kn.png
deleted file mode 100644
index bb70c019..00000000
Binary files a/translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.kn.png and /dev/null differ
diff --git a/translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.ml.png b/translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.ml.png
deleted file mode 100644
index bb70c019..00000000
Binary files a/translated_images/palm-movement.341495f0e9c47da39cc1f99626822a1d20203aa33ff89a86a068f14bea133e84.ml.png and /dev/null differ
diff --git a/translated_images/pcm/.co-op-translator.json b/translated_images/pcm/.co-op-translator.json
index a8e559e2..8f6d3052 100644
--- a/translated_images/pcm/.co-op-translator.json
+++ b/translated_images/pcm/.co-op-translator.json
@@ -1,512 +1,20 @@
{
- "favicon.37b561214b36d454.webp": {
- "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
- "translation_date": "2026-01-16T07:38:28+00:00",
- "source_file": "images/favicon.png",
- "language_code": "pcm"
- },
- "ai-nlp.b22dcb8ca4707cea.webp": {
- "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
- "translation_date": "2026-01-16T07:38:39+00:00",
- "source_file": "lessons/sketchnotes/ai-nlp.png",
- "language_code": "pcm"
- },
- "ai-symbolic.715a30cb610411a6.webp": {
- "original_hash": "69d3628566f680ac8543651aa6fd520c",
- "translation_date": "2026-01-16T07:39:03+00:00",
- "source_file": "lessons/sketchnotes/ai-symbolic.png",
- "language_code": "pcm"
- },
- "ai-computervision.6506ebebac3fbf76.webp": {
- "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
- "translation_date": "2026-01-16T07:39:26+00:00",
- "source_file": "lessons/sketchnotes/ai-computervision.png",
- "language_code": "pcm"
- },
- "ai-for-beginners.b354ca904b22cd70.webp": {
- "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
- "translation_date": "2026-01-16T07:39:38+00:00",
- "source_file": "lessons/sketchnotes/ai-for-beginners.png",
- "language_code": "pcm"
- },
- "ai-overview.0857791951d19500.webp": {
- "original_hash": "7206f99da5c2b99d21581f946a660235",
- "translation_date": "2026-01-16T07:39:52+00:00",
- "source_file": "lessons/sketchnotes/ai-overview.png",
- "language_code": "pcm"
- },
- "ai-intro.bf28d1ac4235881c.webp": {
- "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
- "translation_date": "2026-01-16T07:40:14+00:00",
- "source_file": "lessons/sketchnotes/ai-intro.png",
- "language_code": "pcm"
- },
- "ai-neuralnetworks.1c687ae40bc86e83.webp": {
- "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
- "translation_date": "2026-01-16T07:40:40+00:00",
- "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
- "language_code": "pcm"
- },
- "vae.464c465a5b6a9e25.webp": {
- "original_hash": "0b658c7862077e139162c756bcb98071",
- "translation_date": "2026-01-16T07:40:52+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
- "language_code": "pcm"
- },
- "vaemnist-diag.694315f775d5d666.webp": {
- "original_hash": "0652f5a95005348c6b1533438103dfcf",
- "translation_date": "2026-01-16T07:40:54+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
- "language_code": "pcm"
- },
- "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
- "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
- "translation_date": "2026-01-16T07:40:57+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
- "language_code": "pcm"
- },
- "vaemnist.cab9e602dc08dc50.webp": {
- "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
- "translation_date": "2026-01-16T07:41:01+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
- "language_code": "pcm"
- },
- "aae.9d418a990fc75bf9.webp": {
- "original_hash": "92f89b37641f659a7d25c91d13076f69",
- "translation_date": "2026-01-16T07:41:05+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
- "language_code": "pcm"
- },
- "instance_vs_semantic.eee9812bebf8cd45.webp": {
- "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
- "translation_date": "2026-01-16T07:41:11+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
- "language_code": "pcm"
- },
- "unet.3adb555bf39d3657.webp": {
- "original_hash": "49a151c11708ee9a3e94d21448146bf8",
- "translation_date": "2026-01-16T07:41:21+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
- "language_code": "pcm"
- },
- "navi.2f20b727910110ea.webp": {
- "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
- "translation_date": "2026-01-16T07:41:28+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
- "language_code": "pcm"
- },
- "segm.92442f2cb42ff4fa.webp": {
- "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
- "translation_date": "2026-01-16T07:41:34+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
- "language_code": "pcm"
- },
- "segnet.87377542aa5a8b76.webp": {
- "original_hash": "fa6d2d499aa2ae589a14caede7534561",
- "translation_date": "2026-01-16T07:41:41+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
- "language_code": "pcm"
- },
- "gan_architecture.8f3a5ab62b8d5d69.webp": {
- "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
- "translation_date": "2026-01-16T07:41:48+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
- "language_code": "pcm"
- },
- "style.5293e85e077ab22c.webp": {
- "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
- "translation_date": "2026-01-16T07:41:52+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
- "language_code": "pcm"
- },
- "image.896e8254a2c60d45.webp": {
- "original_hash": "0033165481f191386403b85801811833",
- "translation_date": "2026-01-16T07:41:53+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
- "language_code": "pcm"
- },
- "gan_arch_detail.46b95fd366f8e543.webp": {
- "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
- "translation_date": "2026-01-16T07:42:00+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
- "language_code": "pcm"
- },
- "dcgan_generator.b500988ec2bc8ba5.webp": {
- "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
- "translation_date": "2026-01-16T07:42:10+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
- "language_code": "pcm"
- },
- "ideal-zebra.7f70e8b54ee15a7a.webp": {
- "original_hash": "6944fb46795f714f0ce8e856c405498a",
- "translation_date": "2026-01-16T07:42:13+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
- "language_code": "pcm"
- },
- "ideal-cat-loop.999fbb8ff306e044.webp": {
- "original_hash": "c54e983c591431338bf8ddac9ab8415b",
- "translation_date": "2026-01-16T07:42:17+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
- "language_code": "pcm"
- },
- "dog-from-unsplash.426f9fbca2febc93.webp": {
- "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
- "translation_date": "2026-01-16T07:42:20+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
- "language_code": "pcm"
- },
- "features.6291f9c7ba3a0b95.webp": {
- "original_hash": "e2727bfacc1156e045d1879bbe86e189",
- "translation_date": "2026-01-16T07:42:22+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
- "language_code": "pcm"
- },
- "ideal-cat.203dd4597643d6b0.webp": {
- "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
- "translation_date": "2026-01-16T07:42:24+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
- "language_code": "pcm"
- },
- "adversarial-dog.d9fc7773b0142b89.webp": {
- "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
- "translation_date": "2026-01-16T07:42:24+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
- "language_code": "pcm"
- },
- "catsdogsdataset.a7aff8e6085fd3f0.webp": {
- "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
- "translation_date": "2026-01-16T07:42:28+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
- "language_code": "pcm"
- },
- "original-dog.8f68a67d2fe0911f.webp": {
- "original_hash": "3ed859629b4141f735fd0d3c1941f520",
- "translation_date": "2026-01-16T07:42:31+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
- "language_code": "pcm"
- },
- "braille.341962ff76b1bd70.webp": {
- "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
- "translation_date": "2026-01-16T07:42:32+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
- "language_code": "pcm"
- },
- "braille-symbols.0159185ab69d5339.webp": {
- "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
- "translation_date": "2026-01-16T07:42:34+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
- "language_code": "pcm"
- },
- "frame-difference.706f805491a0883c.webp": {
- "original_hash": "a141e72f08e1b8f7451392889af90072",
- "translation_date": "2026-01-16T07:42:37+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
- "language_code": "pcm"
- },
- "braille-result.46530fea020b03c7.webp": {
- "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
- "translation_date": "2026-01-16T07:42:38+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
- "language_code": "pcm"
- },
- "palm-movement.341495f0e9c47da3.webp": {
- "original_hash": "100780b2e1d5adff2739adf58fc18404",
- "translation_date": "2026-01-16T07:42:40+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
- "language_code": "pcm"
- },
- "optical.1f4a94464579a83a.webp": {
- "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
- "translation_date": "2026-01-16T07:42:41+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
- "language_code": "pcm"
- },
"1200px-Girl_and_cat.89bd70951181e86a.webp": {
"original_hash": "aa8cdeaa9beaad5a06610236cf22f296",
"translation_date": "2026-01-16T07:42:43+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/1200px-Girl_and_cat.jpg",
"language_code": "pcm"
},
- "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
- "original_hash": "f31ea979f0ceabdf198899985ac84c37",
- "translation_date": "2026-01-16T07:42:49+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
- "language_code": "pcm"
- },
- "naive-detection.e7f1ba220ccd08c6.webp": {
- "original_hash": "4c96961c12a09f8e055546ed2e7de470",
- "translation_date": "2026-01-16T07:42:55+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
- "language_code": "pcm"
- },
- "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
- "original_hash": "6704085c522f47ce42ad8402dafe6429",
- "translation_date": "2026-01-16T07:43:01+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
- "language_code": "pcm"
- },
- "iou_equation.9a4751d40fff4e11.webp": {
- "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
- "translation_date": "2026-01-16T07:43:05+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
- "language_code": "pcm"
- },
- "coco-examples.71bc60380fa6cceb.webp": {
- "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
- "translation_date": "2026-01-16T07:43:08+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
- "language_code": "pcm"
- },
- "f-rcnn.3cda6d9bb4188875.webp": {
- "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
- "translation_date": "2026-01-16T07:43:13+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
- "language_code": "pcm"
- },
- "rcnn1.cae407020dfb1d1f.webp": {
- "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
- "translation_date": "2026-01-16T07:43:17+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
- "language_code": "pcm"
- },
- "faster-rcnn.8d46c099b87ef30a.webp": {
- "original_hash": "067e2ca96344fd6d0490e0530a922b36",
- "translation_date": "2026-01-16T07:43:22+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
- "language_code": "pcm"
- },
- "r-fcn.13eb88158b99a3da.webp": {
- "original_hash": "38cd0e0105546e56fa17b711d445195f",
- "translation_date": "2026-01-16T07:43:29+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
- "language_code": "pcm"
- },
- "yolo.a2648ec82ee8bb4e.webp": {
- "original_hash": "e8835638234f5c21fcf36fdede6457f4",
- "translation_date": "2026-01-16T07:43:35+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
- "language_code": "pcm"
- },
- "rcnn2.2d9530bb83516484.webp": {
- "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
- "translation_date": "2026-01-16T07:43:41+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
- "language_code": "pcm"
- },
- "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
- "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
- "translation_date": "2026-01-16T07:43:55+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
- "language_code": "pcm"
- },
- "resnet-block.aba4ccbcc0944434.webp": {
- "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
- "translation_date": "2026-01-16T07:44:02+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
- "language_code": "pcm"
- },
- "cnn-pyramid.85915455759ef0ce.webp": {
- "original_hash": "7233ded4a920332806363d704bfb59a6",
- "translation_date": "2026-01-16T07:44:15+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
- "language_code": "pcm"
- },
- "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
- "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
- "translation_date": "2026-01-16T07:44:23+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
- "language_code": "pcm"
- },
- "filter-horiz.59b80ed4feb946ef.webp": {
- "original_hash": "b081df9e2042850983a46ff817b88d55",
- "translation_date": "2026-01-16T07:44:25+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
- "language_code": "pcm"
- },
- "vgg-16-arch1.d901a5583b3a51ba.webp": {
- "original_hash": "5b0f835d04dc20d097a0b89c88339966",
- "translation_date": "2026-01-16T07:44:32+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
- "language_code": "pcm"
- },
- "vgg-16-arch.64ff2137f50dd49f.webp": {
- "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
- "translation_date": "2026-01-16T07:44:37+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
- "language_code": "pcm"
- },
- "convolutionExample.634615d5ff7081e0.webp": {
- "original_hash": "5412e092848cb3cd4fa527aba3be0545",
- "translation_date": "2026-01-16T07:44:44+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
- "language_code": "pcm"
- },
- "inception.a6605b85bcbc6f52.webp": {
- "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
- "translation_date": "2026-01-16T07:44:50+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
- "language_code": "pcm"
- },
- "filter-vert.b7148390ca0bc356.webp": {
- "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
- "translation_date": "2026-01-16T07:44:54+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
- "language_code": "pcm"
- },
- "lmfilters.ea9e4868a82cf74c.webp": {
- "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
- "translation_date": "2026-01-16T07:44:55+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
- "language_code": "pcm"
- },
- "data.50b2a9d5484bdbf0.webp": {
- "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
- "translation_date": "2026-01-16T07:45:01+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
- "language_code": "pcm"
- },
- "NetLogo-ModelLib.efe023afb4763c05.webp": {
- "original_hash": "edd5b28318e2f43274a4541408110fb9",
- "translation_date": "2026-01-16T07:45:16+00:00",
- "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
- "language_code": "pcm"
- },
- "NetLogo-Main.32653711ec1a01b3.webp": {
- "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
- "translation_date": "2026-01-16T07:45:41+00:00",
- "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
- "language_code": "pcm"
- },
- "cartpole.f52a67f27e058170.webp": {
- "original_hash": "5399242e127ea1c18aa6ee405daecf51",
- "translation_date": "2026-01-16T07:45:51+00:00",
- "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
- "language_code": "pcm"
- },
- "mountaincar.f7b7a7f6d4f9933b.webp": {
- "original_hash": "61c868cc389dc92bd2b402ea490cd162",
- "translation_date": "2026-01-16T07:45:53+00:00",
- "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
- "language_code": "pcm"
- },
- "ml-for-beginners.9e4fed176fd5817d.webp": {
- "original_hash": "cd606a24083e039082b0486fc8382823",
- "translation_date": "2026-01-16T07:45:55+00:00",
- "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
- "language_code": "pcm"
- },
- "history-of-ai.7e83efa70b537f5a.webp": {
- "original_hash": "644e648b98fcb10fb9713452ff02934d",
- "translation_date": "2026-01-16T07:46:06+00:00",
- "source_file": "lessons/1-Intro/images/history-of-ai.png",
- "language_code": "pcm"
- },
- "photo-cat.8c8e8fb760ffe457.webp": {
- "original_hash": "29d10fef28d240c48995ef9dd23e477a",
- "translation_date": "2026-01-16T07:46:13+00:00",
- "source_file": "lessons/1-Intro/images/photo-cat.jpg",
- "language_code": "pcm"
- },
- "dsh_age.d212a30d4e54fb5f.webp": {
- "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
- "translation_date": "2026-01-16T07:46:15+00:00",
- "source_file": "lessons/1-Intro/images/dsh_age.png",
- "language_code": "pcm"
- },
- "turing-test-evol.4184696701293ead.webp": {
- "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
- "translation_date": "2026-01-16T07:46:22+00:00",
- "source_file": "lessons/1-Intro/images/turing-test-evol.png",
- "language_code": "pcm"
- },
- "knowledge-spectrum.b60df631852c0217.webp": {
- "original_hash": "71b049ee26a22a68996034585436ca59",
- "translation_date": "2026-01-16T07:46:38+00:00",
- "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
- "language_code": "pcm"
- },
- "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
- "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
- "translation_date": "2026-01-16T07:46:47+00:00",
- "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
- "language_code": "pcm"
- },
"AND-OR-Tree.5592d2c70187f283.webp": {
"original_hash": "2674b6cf8f768491c6b5a167f272a002",
"translation_date": "2026-01-16T07:47:19+00:00",
"source_file": "lessons/2-Symbolic/images/AND-OR-Tree.png",
"language_code": "pcm"
},
- "triplet-complex.32094972c7b4441b.webp": {
- "original_hash": "56a2e05839a141c311db52655b37f8ad",
- "translation_date": "2026-01-16T07:47:48+00:00",
- "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
- "language_code": "pcm"
- },
- "arch-human.5d4d35f1bba3ab1c.webp": {
- "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
- "translation_date": "2026-01-16T07:48:01+00:00",
- "source_file": "lessons/2-Symbolic/images/arch-human.png",
- "language_code": "pcm"
- },
- "arch-kbs.3ec5c150b09fa8da.webp": {
- "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
- "translation_date": "2026-01-16T07:48:09+00:00",
- "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
- "language_code": "pcm"
- },
- "triplet.4b9b332587593298.webp": {
- "original_hash": "302e53ea355ffb556d99e3962d0a6516",
- "translation_date": "2026-01-16T07:48:19+00:00",
- "source_file": "lessons/2-Symbolic/images/triplet.png",
- "language_code": "pcm"
- },
- "protege.274177ceeac13b38.webp": {
- "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
- "translation_date": "2026-01-16T07:48:47+00:00",
- "source_file": "lessons/2-Symbolic/images/protege.png",
- "language_code": "pcm"
- },
- "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
- "original_hash": "88212730ecd9b0c8b848c319951427d8",
- "translation_date": "2026-01-16T07:49:06+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
- "language_code": "pcm"
- },
- "overfit2.131f5800ae10ca5e.webp": {
- "original_hash": "eb04381b2f222518ec400b98ebf441b2",
- "translation_date": "2026-01-16T07:49:10+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
- "language_code": "pcm"
- },
- "netout.1eb15eb76fd76731.webp": {
- "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
- "translation_date": "2026-01-16T07:49:12+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/netout.png",
- "language_code": "pcm"
- },
- "artneuron.1a5daa88d20ebe6f.webp": {
- "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
- "translation_date": "2026-01-16T07:49:15+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
- "language_code": "pcm"
- },
- "Overfitting.408ad91cd90b4371.webp": {
- "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
- "translation_date": "2026-01-16T07:49:22+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
- "language_code": "pcm"
- },
- "overfit1.f24b71c6f652e59e.webp": {
- "original_hash": "76155698e85340d9dfff8e0a628d25c1",
- "translation_date": "2026-01-16T07:49:27+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
- "language_code": "pcm"
- },
- "NeuroArch.4e17cdba5e445721.webp": {
- "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
- "translation_date": "2026-01-16T07:49:31+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "ComputeGraph.463c9d8ebdcb2215.webp": {
+ "original_hash": "7af66742d6bede114f971689745bedf2",
+ "translation_date": "2026-01-16T07:49:47+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
"language_code": "pcm"
},
"ComputeGraphGrad.4626252c0de03507.webp": {
@@ -515,66 +23,18 @@
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraphGrad.png",
"language_code": "pcm"
},
+ "CoreferenceResolution.861924d6d384a7d6.webp": {
+ "original_hash": "25b5719ec70aaa44858076c16f7c208f",
+ "translation_date": "2026-01-16T07:52:26+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
+ "language_code": "pcm"
+ },
"Cross-Entropy-Loss.dc7ba633d2467ef3.webp": {
"original_hash": "11dd0fd77a272755d0ef5db9f71217da",
"translation_date": "2026-01-16T07:49:43+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/Cross-Entropy-Loss.png",
"language_code": "pcm"
},
- "ComputeGraph.463c9d8ebdcb2215.webp": {
- "original_hash": "7af66742d6bede114f971689745bedf2",
- "translation_date": "2026-01-16T07:49:47+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
- "language_code": "pcm"
- },
- "overfit.a0bd57f717c15769.webp": {
- "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
- "translation_date": "2026-01-16T07:49:51+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
- "language_code": "pcm"
- },
- "Rosenblatt-wikipedia.294821b285ac796d.webp": {
- "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
- "translation_date": "2026-01-16T07:49:54+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
- "language_code": "pcm"
- },
- "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
- "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
- "translation_date": "2026-01-16T07:49:56+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
- "language_code": "pcm"
- },
- "activation-func.b4924007c7ce7764.webp": {
- "original_hash": "8d357884343ec923611a319d4e910b99",
- "translation_date": "2026-01-16T07:49:58+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
- "language_code": "pcm"
- },
- "clip-class.3af42ef0b2b19369.webp": {
- "original_hash": "bdd1638453069a216e843e1a8fd70db0",
- "translation_date": "2026-01-16T07:50:04+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
- "language_code": "pcm"
- },
- "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
- "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
- "translation_date": "2026-01-16T07:50:08+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
- "language_code": "pcm"
- },
- "clip-arch.b3dbf20b4e8ed8be.webp": {
- "original_hash": "bdd1638453069a216e843e1a8fd70db0",
- "translation_date": "2026-01-16T07:50:13+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
- "language_code": "pcm"
- },
- "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
- "original_hash": "e300d75d78f6050bc7b83df091f95775",
- "translation_date": "2026-01-16T07:50:17+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
- "language_code": "pcm"
- },
"DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp": {
"original_hash": "dd063fda04db937ab7210064af9d6151",
"translation_date": "2026-01-16T07:50:19+00:00",
@@ -587,10 +47,82 @@
"source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.png",
"language_code": "pcm"
},
- "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
- "original_hash": "ec89cbb600b14e86f353a347506554ba",
- "translation_date": "2026-01-16T07:50:22+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
+ "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
+ "original_hash": "e300d75d78f6050bc7b83df091f95775",
+ "translation_date": "2026-01-16T07:50:17+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
+ "language_code": "pcm"
+ },
+ "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
+ "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
+ "translation_date": "2026-01-16T07:46:47+00:00",
+ "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
+ "language_code": "pcm"
+ },
+ "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
+ "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
+ "translation_date": "2026-01-16T07:44:23+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
+ "language_code": "pcm"
+ },
+ "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
+ "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
+ "translation_date": "2026-01-16T07:49:56+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
+ "language_code": "pcm"
+ },
+ "NetLogo-Main.32653711ec1a01b3.webp": {
+ "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
+ "translation_date": "2026-01-16T07:45:41+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
+ "language_code": "pcm"
+ },
+ "NetLogo-ModelLib.efe023afb4763c05.webp": {
+ "original_hash": "edd5b28318e2f43274a4541408110fb9",
+ "translation_date": "2026-01-16T07:45:16+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
+ "language_code": "pcm"
+ },
+ "NeuroArch.4e17cdba5e445721.webp": {
+ "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
+ "translation_date": "2026-01-16T07:49:31+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "language_code": "pcm"
+ },
+ "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
+ "original_hash": "6704085c522f47ce42ad8402dafe6429",
+ "translation_date": "2026-01-16T07:43:01+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
+ "language_code": "pcm"
+ },
+ "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
+ "original_hash": "f31ea979f0ceabdf198899985ac84c37",
+ "translation_date": "2026-01-16T07:42:49+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
+ "language_code": "pcm"
+ },
+ "Overfitting.408ad91cd90b4371.webp": {
+ "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
+ "translation_date": "2026-01-16T07:49:22+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
+ "language_code": "pcm"
+ },
+ "Rosenblatt-wikipedia.294821b285ac796d.webp": {
+ "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
+ "translation_date": "2026-01-16T07:49:54+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
+ "language_code": "pcm"
+ },
+ "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
+ "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
+ "translation_date": "2026-01-16T07:43:55+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
+ "language_code": "pcm"
+ },
+ "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
+ "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
+ "translation_date": "2026-01-16T07:50:08+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
"language_code": "pcm"
},
"a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp": {
@@ -599,22 +131,88 @@
"source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.png",
"language_code": "pcm"
},
- "vqgan.5027fe05051dfa31.webp": {
- "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
- "translation_date": "2026-01-16T07:50:25+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
+ "original_hash": "ec89cbb600b14e86f353a347506554ba",
+ "translation_date": "2026-01-16T07:50:22+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
"language_code": "pcm"
},
- "bag-of-words-example.606fc1738f1d7ba9.webp": {
- "original_hash": "a8fa84622ff35939e498d06fac3fa515",
- "translation_date": "2026-01-16T07:50:30+00:00",
- "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
+ "aae.9d418a990fc75bf9.webp": {
+ "original_hash": "92f89b37641f659a7d25c91d13076f69",
+ "translation_date": "2026-01-16T07:41:05+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
"language_code": "pcm"
},
- "bow.3811869cff59368d.webp": {
- "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
- "translation_date": "2026-01-16T07:50:46+00:00",
- "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
+ "activation-func.b4924007c7ce7764.webp": {
+ "original_hash": "8d357884343ec923611a319d4e910b99",
+ "translation_date": "2026-01-16T07:49:58+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
+ "language_code": "pcm"
+ },
+ "adversarial-dog.d9fc7773b0142b89.webp": {
+ "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
+ "translation_date": "2026-01-16T07:42:24+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
+ "language_code": "pcm"
+ },
+ "ai-computervision.6506ebebac3fbf76.webp": {
+ "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
+ "translation_date": "2026-01-16T07:39:26+00:00",
+ "source_file": "lessons/sketchnotes/ai-computervision.png",
+ "language_code": "pcm"
+ },
+ "ai-for-beginners.b354ca904b22cd70.webp": {
+ "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
+ "translation_date": "2026-01-16T07:39:38+00:00",
+ "source_file": "lessons/sketchnotes/ai-for-beginners.png",
+ "language_code": "pcm"
+ },
+ "ai-intro.bf28d1ac4235881c.webp": {
+ "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
+ "translation_date": "2026-01-16T07:40:14+00:00",
+ "source_file": "lessons/sketchnotes/ai-intro.png",
+ "language_code": "pcm"
+ },
+ "ai-neuralnetworks.1c687ae40bc86e83.webp": {
+ "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
+ "translation_date": "2026-01-16T07:40:40+00:00",
+ "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
+ "language_code": "pcm"
+ },
+ "ai-nlp.b22dcb8ca4707cea.webp": {
+ "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
+ "translation_date": "2026-01-16T07:38:39+00:00",
+ "source_file": "lessons/sketchnotes/ai-nlp.png",
+ "language_code": "pcm"
+ },
+ "ai-overview.0857791951d19500.webp": {
+ "original_hash": "7206f99da5c2b99d21581f946a660235",
+ "translation_date": "2026-01-16T07:39:52+00:00",
+ "source_file": "lessons/sketchnotes/ai-overview.png",
+ "language_code": "pcm"
+ },
+ "ai-symbolic.715a30cb610411a6.webp": {
+ "original_hash": "69d3628566f680ac8543651aa6fd520c",
+ "translation_date": "2026-01-16T07:39:03+00:00",
+ "source_file": "lessons/sketchnotes/ai-symbolic.png",
+ "language_code": "pcm"
+ },
+ "arch-human.5d4d35f1bba3ab1c.webp": {
+ "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
+ "translation_date": "2026-01-16T07:48:01+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-human.png",
+ "language_code": "pcm"
+ },
+ "arch-kbs.3ec5c150b09fa8da.webp": {
+ "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
+ "translation_date": "2026-01-16T07:48:09+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
+ "language_code": "pcm"
+ },
+ "artneuron.1a5daa88d20ebe6f.webp": {
+ "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
+ "translation_date": "2026-01-16T07:49:15+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
"language_code": "pcm"
},
"ascii-character-map.18ed6aa7f3b0a7ff.webp": {
@@ -623,34 +221,16 @@
"source_file": "lessons/5-NLP/13-TextRep/images/ascii-character-map.png",
"language_code": "pcm"
},
- "multi-layer-lstm.dd975e29bb2a59fe.webp": {
- "original_hash": "27b6355fd86c9e8e6d443015653be763",
- "translation_date": "2026-01-16T07:51:05+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
+ "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
+ "translation_date": "2026-01-16T07:40:57+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
"language_code": "pcm"
},
- "rnn-anatomy.79ee3f3920b3294b.webp": {
- "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
- "translation_date": "2026-01-16T07:51:12+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
- "language_code": "pcm"
- },
- "rnn.27f5c29c53d727b5.webp": {
- "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
- "translation_date": "2026-01-16T07:51:24+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
- "language_code": "pcm"
- },
- "encoder-decoder-attention.7a726296894fb567.webp": {
- "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
- "translation_date": "2026-01-16T07:51:35+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
- "language_code": "pcm"
- },
- "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
- "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
- "translation_date": "2026-01-16T07:51:48+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "bag-of-words-example.606fc1738f1d7ba9.webp": {
+ "original_hash": "a8fa84622ff35939e498d06fac3fa515",
+ "translation_date": "2026-01-16T07:50:30+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
"language_code": "pcm"
},
"bahdanau-fig3.09ba2d37f202a6af.webp": {
@@ -659,46 +239,100 @@
"source_file": "lessons/5-NLP/18-Transformers/images/bahdanau-fig3.png",
"language_code": "pcm"
},
- "pos-embedding.e41ce9b6cf6078af.webp": {
- "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
- "translation_date": "2026-01-16T07:52:07+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
- "language_code": "pcm"
- },
- "transformer-layer.905e14747ca4e7d5.webp": {
- "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
- "translation_date": "2026-01-16T07:52:16+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
- "language_code": "pcm"
- },
- "CoreferenceResolution.861924d6d384a7d6.webp": {
- "original_hash": "25b5719ec70aaa44858076c16f7c208f",
- "translation_date": "2026-01-16T07:52:26+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
- "language_code": "pcm"
- },
"bot-ner.4b09235dbb0ad275.webp": {
"original_hash": "5e61aca4f94182c7e7d509b8d2de3c9f",
"translation_date": "2026-01-16T07:52:41+00:00",
"source_file": "lessons/5-NLP/19-NER/images/bot-ner.png",
"language_code": "pcm"
},
- "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
- "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
- "translation_date": "2026-01-16T07:52:49+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "bow.3811869cff59368d.webp": {
+ "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
+ "translation_date": "2026-01-16T07:50:46+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
"language_code": "pcm"
},
- "rnn-generate.56c54afb52f9781d.webp": {
- "original_hash": "67332ada2d0603921bba37c06956c70e",
- "translation_date": "2026-01-16T07:52:54+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "braille-result.46530fea020b03c7.webp": {
+ "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
+ "translation_date": "2026-01-16T07:42:38+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
"language_code": "pcm"
},
- "rnn-generate-inf.5168dc65e0370eea.webp": {
- "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
- "translation_date": "2026-01-16T07:52:59+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "braille-symbols.0159185ab69d5339.webp": {
+ "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
+ "translation_date": "2026-01-16T07:42:34+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
+ "language_code": "pcm"
+ },
+ "braille.341962ff76b1bd70.webp": {
+ "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
+ "translation_date": "2026-01-16T07:42:32+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
+ "language_code": "pcm"
+ },
+ "cartpole.f52a67f27e058170.webp": {
+ "original_hash": "5399242e127ea1c18aa6ee405daecf51",
+ "translation_date": "2026-01-16T07:45:51+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
+ "language_code": "pcm"
+ },
+ "catsdogsdataset.a7aff8e6085fd3f0.webp": {
+ "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
+ "translation_date": "2026-01-16T07:42:28+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
+ "language_code": "pcm"
+ },
+ "clip-arch.b3dbf20b4e8ed8be.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-16T07:50:13+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
+ "language_code": "pcm"
+ },
+ "clip-class.3af42ef0b2b19369.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-16T07:50:04+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
+ "language_code": "pcm"
+ },
+ "cnn-pyramid.85915455759ef0ce.webp": {
+ "original_hash": "7233ded4a920332806363d704bfb59a6",
+ "translation_date": "2026-01-16T07:44:15+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
+ "language_code": "pcm"
+ },
+ "coco-examples.71bc60380fa6cceb.webp": {
+ "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
+ "translation_date": "2026-01-16T07:43:08+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
+ "language_code": "pcm"
+ },
+ "convolutionExample.634615d5ff7081e0.webp": {
+ "original_hash": "5412e092848cb3cd4fa527aba3be0545",
+ "translation_date": "2026-01-16T07:44:44+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
+ "language_code": "pcm"
+ },
+ "data.50b2a9d5484bdbf0.webp": {
+ "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
+ "translation_date": "2026-01-16T07:45:01+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
+ "language_code": "pcm"
+ },
+ "dcgan_generator.b500988ec2bc8ba5.webp": {
+ "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
+ "translation_date": "2026-01-16T07:42:10+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
+ "language_code": "pcm"
+ },
+ "dog-from-unsplash.426f9fbca2febc93.webp": {
+ "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
+ "translation_date": "2026-01-16T07:42:20+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
+ "language_code": "pcm"
+ },
+ "dsh_age.d212a30d4e54fb5f.webp": {
+ "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
+ "translation_date": "2026-01-16T07:46:15+00:00",
+ "source_file": "lessons/1-Intro/images/dsh_age.png",
"language_code": "pcm"
},
"embedding-classifier-example.b77f021a7ee67eee.webp": {
@@ -707,10 +341,10 @@
"source_file": "lessons/5-NLP/14-Embeddings/images/embedding-classifier-example.png",
"language_code": "pcm"
},
- "offset-sequence-representation.eb73fcefb29b46ee.webp": {
- "original_hash": "52e7632a2b668957b903bb2607e953fe",
- "translation_date": "2026-01-16T07:53:09+00:00",
- "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "encoder-decoder-attention.7a726296894fb567.webp": {
+ "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
+ "translation_date": "2026-01-16T07:51:35+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
"language_code": "pcm"
},
"example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp": {
@@ -718,5 +352,371 @@
"translation_date": "2026-01-16T07:53:14+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/images/example-algorithms-for-converting-words-to-vectors.png",
"language_code": "pcm"
+ },
+ "f-rcnn.3cda6d9bb4188875.webp": {
+ "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
+ "translation_date": "2026-01-16T07:43:13+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
+ "language_code": "pcm"
+ },
+ "faster-rcnn.8d46c099b87ef30a.webp": {
+ "original_hash": "067e2ca96344fd6d0490e0530a922b36",
+ "translation_date": "2026-01-16T07:43:22+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
+ "language_code": "pcm"
+ },
+ "favicon.37b561214b36d454.webp": {
+ "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
+ "translation_date": "2026-01-16T07:38:28+00:00",
+ "source_file": "images/favicon.png",
+ "language_code": "pcm"
+ },
+ "features.6291f9c7ba3a0b95.webp": {
+ "original_hash": "e2727bfacc1156e045d1879bbe86e189",
+ "translation_date": "2026-01-16T07:42:22+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
+ "language_code": "pcm"
+ },
+ "filter-horiz.59b80ed4feb946ef.webp": {
+ "original_hash": "b081df9e2042850983a46ff817b88d55",
+ "translation_date": "2026-01-16T07:44:25+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
+ "language_code": "pcm"
+ },
+ "filter-vert.b7148390ca0bc356.webp": {
+ "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
+ "translation_date": "2026-01-16T07:44:54+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
+ "language_code": "pcm"
+ },
+ "frame-difference.706f805491a0883c.webp": {
+ "original_hash": "a141e72f08e1b8f7451392889af90072",
+ "translation_date": "2026-01-16T07:42:37+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
+ "language_code": "pcm"
+ },
+ "gan_arch_detail.46b95fd366f8e543.webp": {
+ "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
+ "translation_date": "2026-01-16T07:42:00+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
+ "language_code": "pcm"
+ },
+ "gan_architecture.8f3a5ab62b8d5d69.webp": {
+ "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
+ "translation_date": "2026-01-16T07:41:48+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
+ "language_code": "pcm"
+ },
+ "history-of-ai.7e83efa70b537f5a.webp": {
+ "original_hash": "644e648b98fcb10fb9713452ff02934d",
+ "translation_date": "2026-01-16T07:46:06+00:00",
+ "source_file": "lessons/1-Intro/images/history-of-ai.png",
+ "language_code": "pcm"
+ },
+ "ideal-cat-loop.999fbb8ff306e044.webp": {
+ "original_hash": "c54e983c591431338bf8ddac9ab8415b",
+ "translation_date": "2026-01-16T07:42:17+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
+ "language_code": "pcm"
+ },
+ "ideal-cat.203dd4597643d6b0.webp": {
+ "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
+ "translation_date": "2026-01-16T07:42:24+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
+ "language_code": "pcm"
+ },
+ "ideal-zebra.7f70e8b54ee15a7a.webp": {
+ "original_hash": "6944fb46795f714f0ce8e856c405498a",
+ "translation_date": "2026-01-16T07:42:13+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
+ "language_code": "pcm"
+ },
+ "image.896e8254a2c60d45.webp": {
+ "original_hash": "0033165481f191386403b85801811833",
+ "translation_date": "2026-01-16T07:41:53+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
+ "language_code": "pcm"
+ },
+ "inception.a6605b85bcbc6f52.webp": {
+ "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
+ "translation_date": "2026-01-16T07:44:50+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
+ "language_code": "pcm"
+ },
+ "instance_vs_semantic.eee9812bebf8cd45.webp": {
+ "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
+ "translation_date": "2026-01-16T07:41:11+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
+ "language_code": "pcm"
+ },
+ "iou_equation.9a4751d40fff4e11.webp": {
+ "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
+ "translation_date": "2026-01-16T07:43:05+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
+ "language_code": "pcm"
+ },
+ "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
+ "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
+ "translation_date": "2026-01-16T07:51:48+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "language_code": "pcm"
+ },
+ "knowledge-spectrum.b60df631852c0217.webp": {
+ "original_hash": "71b049ee26a22a68996034585436ca59",
+ "translation_date": "2026-01-16T07:46:38+00:00",
+ "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
+ "language_code": "pcm"
+ },
+ "lmfilters.ea9e4868a82cf74c.webp": {
+ "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
+ "translation_date": "2026-01-16T07:44:55+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
+ "language_code": "pcm"
+ },
+ "ml-for-beginners.9e4fed176fd5817d.webp": {
+ "original_hash": "cd606a24083e039082b0486fc8382823",
+ "translation_date": "2026-01-16T07:45:55+00:00",
+ "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
+ "language_code": "pcm"
+ },
+ "mountaincar.f7b7a7f6d4f9933b.webp": {
+ "original_hash": "61c868cc389dc92bd2b402ea490cd162",
+ "translation_date": "2026-01-16T07:45:53+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
+ "language_code": "pcm"
+ },
+ "multi-layer-lstm.dd975e29bb2a59fe.webp": {
+ "original_hash": "27b6355fd86c9e8e6d443015653be763",
+ "translation_date": "2026-01-16T07:51:05+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "language_code": "pcm"
+ },
+ "naive-detection.e7f1ba220ccd08c6.webp": {
+ "original_hash": "4c96961c12a09f8e055546ed2e7de470",
+ "translation_date": "2026-01-16T07:42:55+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
+ "language_code": "pcm"
+ },
+ "navi.2f20b727910110ea.webp": {
+ "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
+ "translation_date": "2026-01-16T07:41:28+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
+ "language_code": "pcm"
+ },
+ "netout.1eb15eb76fd76731.webp": {
+ "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
+ "translation_date": "2026-01-16T07:49:12+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/netout.png",
+ "language_code": "pcm"
+ },
+ "offset-sequence-representation.eb73fcefb29b46ee.webp": {
+ "original_hash": "52e7632a2b668957b903bb2607e953fe",
+ "translation_date": "2026-01-16T07:53:09+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "language_code": "pcm"
+ },
+ "optical.1f4a94464579a83a.webp": {
+ "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
+ "translation_date": "2026-01-16T07:42:41+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
+ "language_code": "pcm"
+ },
+ "original-dog.8f68a67d2fe0911f.webp": {
+ "original_hash": "3ed859629b4141f735fd0d3c1941f520",
+ "translation_date": "2026-01-16T07:42:31+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
+ "language_code": "pcm"
+ },
+ "overfit.a0bd57f717c15769.webp": {
+ "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
+ "translation_date": "2026-01-16T07:49:51+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
+ "language_code": "pcm"
+ },
+ "overfit1.f24b71c6f652e59e.webp": {
+ "original_hash": "76155698e85340d9dfff8e0a628d25c1",
+ "translation_date": "2026-01-16T07:49:27+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
+ "language_code": "pcm"
+ },
+ "overfit2.131f5800ae10ca5e.webp": {
+ "original_hash": "eb04381b2f222518ec400b98ebf441b2",
+ "translation_date": "2026-01-16T07:49:10+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
+ "language_code": "pcm"
+ },
+ "palm-movement.341495f0e9c47da3.webp": {
+ "original_hash": "100780b2e1d5adff2739adf58fc18404",
+ "translation_date": "2026-01-16T07:42:40+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
+ "language_code": "pcm"
+ },
+ "photo-cat.8c8e8fb760ffe457.webp": {
+ "original_hash": "29d10fef28d240c48995ef9dd23e477a",
+ "translation_date": "2026-01-16T07:46:13+00:00",
+ "source_file": "lessons/1-Intro/images/photo-cat.jpg",
+ "language_code": "pcm"
+ },
+ "pos-embedding.e41ce9b6cf6078af.webp": {
+ "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
+ "translation_date": "2026-01-16T07:52:07+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
+ "language_code": "pcm"
+ },
+ "protege.274177ceeac13b38.webp": {
+ "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
+ "translation_date": "2026-01-16T07:48:47+00:00",
+ "source_file": "lessons/2-Symbolic/images/protege.png",
+ "language_code": "pcm"
+ },
+ "r-fcn.13eb88158b99a3da.webp": {
+ "original_hash": "38cd0e0105546e56fa17b711d445195f",
+ "translation_date": "2026-01-16T07:43:29+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
+ "language_code": "pcm"
+ },
+ "rcnn1.cae407020dfb1d1f.webp": {
+ "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
+ "translation_date": "2026-01-16T07:43:17+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
+ "language_code": "pcm"
+ },
+ "rcnn2.2d9530bb83516484.webp": {
+ "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
+ "translation_date": "2026-01-16T07:43:41+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
+ "language_code": "pcm"
+ },
+ "resnet-block.aba4ccbcc0944434.webp": {
+ "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
+ "translation_date": "2026-01-16T07:44:02+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
+ "language_code": "pcm"
+ },
+ "rnn-anatomy.79ee3f3920b3294b.webp": {
+ "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
+ "translation_date": "2026-01-16T07:51:12+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
+ "language_code": "pcm"
+ },
+ "rnn-generate-inf.5168dc65e0370eea.webp": {
+ "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
+ "translation_date": "2026-01-16T07:52:59+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "language_code": "pcm"
+ },
+ "rnn-generate.56c54afb52f9781d.webp": {
+ "original_hash": "67332ada2d0603921bba37c06956c70e",
+ "translation_date": "2026-01-16T07:52:54+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "language_code": "pcm"
+ },
+ "rnn.27f5c29c53d727b5.webp": {
+ "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
+ "translation_date": "2026-01-16T07:51:24+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
+ "language_code": "pcm"
+ },
+ "segm.92442f2cb42ff4fa.webp": {
+ "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
+ "translation_date": "2026-01-16T07:41:34+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
+ "language_code": "pcm"
+ },
+ "segnet.87377542aa5a8b76.webp": {
+ "original_hash": "fa6d2d499aa2ae589a14caede7534561",
+ "translation_date": "2026-01-16T07:41:41+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
+ "language_code": "pcm"
+ },
+ "style.5293e85e077ab22c.webp": {
+ "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
+ "translation_date": "2026-01-16T07:41:52+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
+ "language_code": "pcm"
+ },
+ "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
+ "original_hash": "88212730ecd9b0c8b848c319951427d8",
+ "translation_date": "2026-01-16T07:49:06+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
+ "language_code": "pcm"
+ },
+ "transformer-layer.905e14747ca4e7d5.webp": {
+ "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
+ "translation_date": "2026-01-16T07:52:16+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
+ "language_code": "pcm"
+ },
+ "triplet-complex.32094972c7b4441b.webp": {
+ "original_hash": "56a2e05839a141c311db52655b37f8ad",
+ "translation_date": "2026-01-16T07:47:48+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
+ "language_code": "pcm"
+ },
+ "triplet.4b9b332587593298.webp": {
+ "original_hash": "302e53ea355ffb556d99e3962d0a6516",
+ "translation_date": "2026-01-16T07:48:19+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet.png",
+ "language_code": "pcm"
+ },
+ "turing-test-evol.4184696701293ead.webp": {
+ "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
+ "translation_date": "2026-01-16T07:46:22+00:00",
+ "source_file": "lessons/1-Intro/images/turing-test-evol.png",
+ "language_code": "pcm"
+ },
+ "unet.3adb555bf39d3657.webp": {
+ "original_hash": "49a151c11708ee9a3e94d21448146bf8",
+ "translation_date": "2026-01-16T07:41:21+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
+ "language_code": "pcm"
+ },
+ "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
+ "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
+ "translation_date": "2026-01-16T07:52:49+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "language_code": "pcm"
+ },
+ "vae.464c465a5b6a9e25.webp": {
+ "original_hash": "0b658c7862077e139162c756bcb98071",
+ "translation_date": "2026-01-16T07:40:52+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
+ "language_code": "pcm"
+ },
+ "vaemnist-diag.694315f775d5d666.webp": {
+ "original_hash": "0652f5a95005348c6b1533438103dfcf",
+ "translation_date": "2026-01-16T07:40:54+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
+ "language_code": "pcm"
+ },
+ "vaemnist.cab9e602dc08dc50.webp": {
+ "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
+ "translation_date": "2026-01-16T07:41:01+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
+ "language_code": "pcm"
+ },
+ "vgg-16-arch.64ff2137f50dd49f.webp": {
+ "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
+ "translation_date": "2026-01-16T07:44:37+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
+ "language_code": "pcm"
+ },
+ "vgg-16-arch1.d901a5583b3a51ba.webp": {
+ "original_hash": "5b0f835d04dc20d097a0b89c88339966",
+ "translation_date": "2026-01-16T07:44:32+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
+ "language_code": "pcm"
+ },
+ "vqgan.5027fe05051dfa31.webp": {
+ "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
+ "translation_date": "2026-01-16T07:50:25+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "language_code": "pcm"
+ },
+ "yolo.a2648ec82ee8bb4e.webp": {
+ "original_hash": "e8835638234f5c21fcf36fdede6457f4",
+ "translation_date": "2026-01-16T07:43:35+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
+ "language_code": "pcm"
}
}
\ No newline at end of file
diff --git a/translated_images/photo-cat.8c8e8fb760ffe457.kn.jpg b/translated_images/photo-cat.8c8e8fb760ffe457.kn.jpg
deleted file mode 100644
index 776f24aa..00000000
Binary files a/translated_images/photo-cat.8c8e8fb760ffe457.kn.jpg and /dev/null differ
diff --git a/translated_images/photo-cat.8c8e8fb760ffe457.ml.jpg b/translated_images/photo-cat.8c8e8fb760ffe457.ml.jpg
deleted file mode 100644
index 776f24aa..00000000
Binary files a/translated_images/photo-cat.8c8e8fb760ffe457.ml.jpg and /dev/null differ
diff --git a/translated_images/photo-cat.8c8e8fb760ffe45725c5b9f6b0d954e9bf114475c01c55adf0303982851b7eae.kn.jpg b/translated_images/photo-cat.8c8e8fb760ffe45725c5b9f6b0d954e9bf114475c01c55adf0303982851b7eae.kn.jpg
deleted file mode 100644
index 776f24aa..00000000
Binary files a/translated_images/photo-cat.8c8e8fb760ffe45725c5b9f6b0d954e9bf114475c01c55adf0303982851b7eae.kn.jpg and /dev/null differ
diff --git a/translated_images/photo-cat.8c8e8fb760ffe45725c5b9f6b0d954e9bf114475c01c55adf0303982851b7eae.ml.jpg b/translated_images/photo-cat.8c8e8fb760ffe45725c5b9f6b0d954e9bf114475c01c55adf0303982851b7eae.ml.jpg
deleted file mode 100644
index 776f24aa..00000000
Binary files a/translated_images/photo-cat.8c8e8fb760ffe45725c5b9f6b0d954e9bf114475c01c55adf0303982851b7eae.ml.jpg and /dev/null differ
diff --git a/translated_images/pos-embedding.e41ce9b6cf6078af.kn.png b/translated_images/pos-embedding.e41ce9b6cf6078af.kn.png
deleted file mode 100644
index 87aa05cf..00000000
Binary files a/translated_images/pos-embedding.e41ce9b6cf6078af.kn.png and /dev/null differ
diff --git a/translated_images/pos-embedding.e41ce9b6cf6078af.ml.png b/translated_images/pos-embedding.e41ce9b6cf6078af.ml.png
deleted file mode 100644
index fcf05df7..00000000
Binary files a/translated_images/pos-embedding.e41ce9b6cf6078af.ml.png and /dev/null differ
diff --git a/translated_images/pos-embedding.e41ce9b6cf6078afd28da02f27e33ac7026ed4c156491df7ad9aa96be7c194bb.kn.png b/translated_images/pos-embedding.e41ce9b6cf6078afd28da02f27e33ac7026ed4c156491df7ad9aa96be7c194bb.kn.png
deleted file mode 100644
index 87aa05cf..00000000
Binary files a/translated_images/pos-embedding.e41ce9b6cf6078afd28da02f27e33ac7026ed4c156491df7ad9aa96be7c194bb.kn.png and /dev/null differ
diff --git a/translated_images/pos-embedding.e41ce9b6cf6078afd28da02f27e33ac7026ed4c156491df7ad9aa96be7c194bb.ml.png b/translated_images/pos-embedding.e41ce9b6cf6078afd28da02f27e33ac7026ed4c156491df7ad9aa96be7c194bb.ml.png
deleted file mode 100644
index fcf05df7..00000000
Binary files a/translated_images/pos-embedding.e41ce9b6cf6078afd28da02f27e33ac7026ed4c156491df7ad9aa96be7c194bb.ml.png and /dev/null differ
diff --git a/translated_images/protege.274177ceeac13b38.kn.png b/translated_images/protege.274177ceeac13b38.kn.png
deleted file mode 100644
index bf23d2c6..00000000
Binary files a/translated_images/protege.274177ceeac13b38.kn.png and /dev/null differ
diff --git a/translated_images/protege.274177ceeac13b38.ml.png b/translated_images/protege.274177ceeac13b38.ml.png
deleted file mode 100644
index 3f2fb963..00000000
Binary files a/translated_images/protege.274177ceeac13b38.ml.png and /dev/null differ
diff --git a/translated_images/protege.274177ceeac13b38094bc425073776bb0d2525620ad6261b9d9760ebd2a8e322.kn.png b/translated_images/protege.274177ceeac13b38094bc425073776bb0d2525620ad6261b9d9760ebd2a8e322.kn.png
deleted file mode 100644
index bf23d2c6..00000000
Binary files a/translated_images/protege.274177ceeac13b38094bc425073776bb0d2525620ad6261b9d9760ebd2a8e322.kn.png and /dev/null differ
diff --git a/translated_images/protege.274177ceeac13b38094bc425073776bb0d2525620ad6261b9d9760ebd2a8e322.ml.png b/translated_images/protege.274177ceeac13b38094bc425073776bb0d2525620ad6261b9d9760ebd2a8e322.ml.png
deleted file mode 100644
index 3f2fb963..00000000
Binary files a/translated_images/protege.274177ceeac13b38094bc425073776bb0d2525620ad6261b9d9760ebd2a8e322.ml.png and /dev/null differ
diff --git a/translated_images/r-fcn.13eb88158b99a3da.kn.png b/translated_images/r-fcn.13eb88158b99a3da.kn.png
deleted file mode 100644
index e716b400..00000000
Binary files a/translated_images/r-fcn.13eb88158b99a3da.kn.png and /dev/null differ
diff --git a/translated_images/r-fcn.13eb88158b99a3da.ml.png b/translated_images/r-fcn.13eb88158b99a3da.ml.png
deleted file mode 100644
index e7db4db2..00000000
Binary files a/translated_images/r-fcn.13eb88158b99a3da.ml.png and /dev/null differ
diff --git a/translated_images/r-fcn.13eb88158b99a3da50fa2787a6be5cb310d47f0e9655cc93a1090dc7aab338d1.kn.png b/translated_images/r-fcn.13eb88158b99a3da50fa2787a6be5cb310d47f0e9655cc93a1090dc7aab338d1.kn.png
deleted file mode 100644
index e716b400..00000000
Binary files a/translated_images/r-fcn.13eb88158b99a3da50fa2787a6be5cb310d47f0e9655cc93a1090dc7aab338d1.kn.png and /dev/null differ
diff --git a/translated_images/r-fcn.13eb88158b99a3da50fa2787a6be5cb310d47f0e9655cc93a1090dc7aab338d1.ml.png b/translated_images/r-fcn.13eb88158b99a3da50fa2787a6be5cb310d47f0e9655cc93a1090dc7aab338d1.ml.png
deleted file mode 100644
index e7db4db2..00000000
Binary files a/translated_images/r-fcn.13eb88158b99a3da50fa2787a6be5cb310d47f0e9655cc93a1090dc7aab338d1.ml.png and /dev/null differ
diff --git a/translated_images/rcnn1.cae407020dfb1d1f.kn.png b/translated_images/rcnn1.cae407020dfb1d1f.kn.png
deleted file mode 100644
index 50f70d5b..00000000
Binary files a/translated_images/rcnn1.cae407020dfb1d1f.kn.png and /dev/null differ
diff --git a/translated_images/rcnn1.cae407020dfb1d1f.ml.png b/translated_images/rcnn1.cae407020dfb1d1f.ml.png
deleted file mode 100644
index 50f70d5b..00000000
Binary files a/translated_images/rcnn1.cae407020dfb1d1f.ml.png and /dev/null differ
diff --git a/translated_images/rcnn1.cae407020dfb1d1fb572656e44f75cd6c512cc220591c116c506652c10e47f26.kn.png b/translated_images/rcnn1.cae407020dfb1d1fb572656e44f75cd6c512cc220591c116c506652c10e47f26.kn.png
deleted file mode 100644
index 50f70d5b..00000000
Binary files a/translated_images/rcnn1.cae407020dfb1d1fb572656e44f75cd6c512cc220591c116c506652c10e47f26.kn.png and /dev/null differ
diff --git a/translated_images/rcnn1.cae407020dfb1d1fb572656e44f75cd6c512cc220591c116c506652c10e47f26.ml.png b/translated_images/rcnn1.cae407020dfb1d1fb572656e44f75cd6c512cc220591c116c506652c10e47f26.ml.png
deleted file mode 100644
index 50f70d5b..00000000
Binary files a/translated_images/rcnn1.cae407020dfb1d1fb572656e44f75cd6c512cc220591c116c506652c10e47f26.ml.png and /dev/null differ
diff --git a/translated_images/rcnn2.2d9530bb83516484.kn.png b/translated_images/rcnn2.2d9530bb83516484.kn.png
deleted file mode 100644
index 96524659..00000000
Binary files a/translated_images/rcnn2.2d9530bb83516484.kn.png and /dev/null differ
diff --git a/translated_images/rcnn2.2d9530bb83516484.ml.png b/translated_images/rcnn2.2d9530bb83516484.ml.png
deleted file mode 100644
index 44f349c1..00000000
Binary files a/translated_images/rcnn2.2d9530bb83516484.ml.png and /dev/null differ
diff --git a/translated_images/rcnn2.2d9530bb83516484ec65b250c22dbf37d3d23244f32864ebcb91d98fe7c3112c.kn.png b/translated_images/rcnn2.2d9530bb83516484ec65b250c22dbf37d3d23244f32864ebcb91d98fe7c3112c.kn.png
deleted file mode 100644
index 96524659..00000000
Binary files a/translated_images/rcnn2.2d9530bb83516484ec65b250c22dbf37d3d23244f32864ebcb91d98fe7c3112c.kn.png and /dev/null differ
diff --git a/translated_images/rcnn2.2d9530bb83516484ec65b250c22dbf37d3d23244f32864ebcb91d98fe7c3112c.ml.png b/translated_images/rcnn2.2d9530bb83516484ec65b250c22dbf37d3d23244f32864ebcb91d98fe7c3112c.ml.png
deleted file mode 100644
index 44f349c1..00000000
Binary files a/translated_images/rcnn2.2d9530bb83516484ec65b250c22dbf37d3d23244f32864ebcb91d98fe7c3112c.ml.png and /dev/null differ
diff --git a/translated_images/resnet-block.aba4ccbcc0944434.kn.png b/translated_images/resnet-block.aba4ccbcc0944434.kn.png
deleted file mode 100644
index f2668e0a..00000000
Binary files a/translated_images/resnet-block.aba4ccbcc0944434.kn.png and /dev/null differ
diff --git a/translated_images/resnet-block.aba4ccbcc0944434.ml.png b/translated_images/resnet-block.aba4ccbcc0944434.ml.png
deleted file mode 100644
index b5684e3b..00000000
Binary files a/translated_images/resnet-block.aba4ccbcc0944434.ml.png and /dev/null differ
diff --git a/translated_images/resnet-block.aba4ccbcc094443477d7bee189d44fed695c852d710a702462d6b809155d959a.kn.png b/translated_images/resnet-block.aba4ccbcc094443477d7bee189d44fed695c852d710a702462d6b809155d959a.kn.png
deleted file mode 100644
index f2668e0a..00000000
Binary files a/translated_images/resnet-block.aba4ccbcc094443477d7bee189d44fed695c852d710a702462d6b809155d959a.kn.png and /dev/null differ
diff --git a/translated_images/resnet-block.aba4ccbcc094443477d7bee189d44fed695c852d710a702462d6b809155d959a.ml.png b/translated_images/resnet-block.aba4ccbcc094443477d7bee189d44fed695c852d710a702462d6b809155d959a.ml.png
deleted file mode 100644
index b5684e3b..00000000
Binary files a/translated_images/resnet-block.aba4ccbcc094443477d7bee189d44fed695c852d710a702462d6b809155d959a.ml.png and /dev/null differ
diff --git a/translated_images/rnn-anatomy.79ee3f3920b3294b.kn.png b/translated_images/rnn-anatomy.79ee3f3920b3294b.kn.png
deleted file mode 100644
index 5f851549..00000000
Binary files a/translated_images/rnn-anatomy.79ee3f3920b3294b.kn.png and /dev/null differ
diff --git a/translated_images/rnn-anatomy.79ee3f3920b3294b.ml.png b/translated_images/rnn-anatomy.79ee3f3920b3294b.ml.png
deleted file mode 100644
index 6063ca95..00000000
Binary files a/translated_images/rnn-anatomy.79ee3f3920b3294b.ml.png and /dev/null differ
diff --git a/translated_images/rnn-anatomy.79ee3f3920b3294bd52e9543ef36102dbca3cecf6d4d78d8c63bf0bbc95fdc90.kn.png b/translated_images/rnn-anatomy.79ee3f3920b3294bd52e9543ef36102dbca3cecf6d4d78d8c63bf0bbc95fdc90.kn.png
deleted file mode 100644
index 5f851549..00000000
Binary files a/translated_images/rnn-anatomy.79ee3f3920b3294bd52e9543ef36102dbca3cecf6d4d78d8c63bf0bbc95fdc90.kn.png and /dev/null differ
diff --git a/translated_images/rnn-anatomy.79ee3f3920b3294bd52e9543ef36102dbca3cecf6d4d78d8c63bf0bbc95fdc90.ml.png b/translated_images/rnn-anatomy.79ee3f3920b3294bd52e9543ef36102dbca3cecf6d4d78d8c63bf0bbc95fdc90.ml.png
deleted file mode 100644
index 6063ca95..00000000
Binary files a/translated_images/rnn-anatomy.79ee3f3920b3294bd52e9543ef36102dbca3cecf6d4d78d8c63bf0bbc95fdc90.ml.png and /dev/null differ
diff --git a/translated_images/rnn-generate-inf.5168dc65e0370eea.kn.png b/translated_images/rnn-generate-inf.5168dc65e0370eea.kn.png
deleted file mode 100644
index 0498e867..00000000
Binary files a/translated_images/rnn-generate-inf.5168dc65e0370eea.kn.png and /dev/null differ
diff --git a/translated_images/rnn-generate-inf.5168dc65e0370eea.ml.png b/translated_images/rnn-generate-inf.5168dc65e0370eea.ml.png
deleted file mode 100644
index 0498e867..00000000
Binary files a/translated_images/rnn-generate-inf.5168dc65e0370eea.ml.png and /dev/null differ
diff --git a/translated_images/rnn-generate-inf.5168dc65e0370eeab36f83885ba6b5bf56265698de5ddbd8648dc3653e1f0b9b.kn.png b/translated_images/rnn-generate-inf.5168dc65e0370eeab36f83885ba6b5bf56265698de5ddbd8648dc3653e1f0b9b.kn.png
deleted file mode 100644
index 0498e867..00000000
Binary files a/translated_images/rnn-generate-inf.5168dc65e0370eeab36f83885ba6b5bf56265698de5ddbd8648dc3653e1f0b9b.kn.png and /dev/null differ
diff --git a/translated_images/rnn-generate-inf.5168dc65e0370eeab36f83885ba6b5bf56265698de5ddbd8648dc3653e1f0b9b.ml.png b/translated_images/rnn-generate-inf.5168dc65e0370eeab36f83885ba6b5bf56265698de5ddbd8648dc3653e1f0b9b.ml.png
deleted file mode 100644
index 0498e867..00000000
Binary files a/translated_images/rnn-generate-inf.5168dc65e0370eeab36f83885ba6b5bf56265698de5ddbd8648dc3653e1f0b9b.ml.png and /dev/null differ
diff --git a/translated_images/rnn-generate.56c54afb52f9781d.kn.png b/translated_images/rnn-generate.56c54afb52f9781d.kn.png
deleted file mode 100644
index f3f812bb..00000000
Binary files a/translated_images/rnn-generate.56c54afb52f9781d.kn.png and /dev/null differ
diff --git a/translated_images/rnn-generate.56c54afb52f9781d.ml.png b/translated_images/rnn-generate.56c54afb52f9781d.ml.png
deleted file mode 100644
index fcc6e3ba..00000000
Binary files a/translated_images/rnn-generate.56c54afb52f9781d.ml.png and /dev/null differ
diff --git a/translated_images/rnn-generate.56c54afb52f9781d63a7c16ea9c1b86cb70e6e1eae6a742b56b7b37468576b17.kn.png b/translated_images/rnn-generate.56c54afb52f9781d63a7c16ea9c1b86cb70e6e1eae6a742b56b7b37468576b17.kn.png
deleted file mode 100644
index f3f812bb..00000000
Binary files a/translated_images/rnn-generate.56c54afb52f9781d63a7c16ea9c1b86cb70e6e1eae6a742b56b7b37468576b17.kn.png and /dev/null differ
diff --git a/translated_images/rnn-generate.56c54afb52f9781d63a7c16ea9c1b86cb70e6e1eae6a742b56b7b37468576b17.ml.png b/translated_images/rnn-generate.56c54afb52f9781d63a7c16ea9c1b86cb70e6e1eae6a742b56b7b37468576b17.ml.png
deleted file mode 100644
index fcc6e3ba..00000000
Binary files a/translated_images/rnn-generate.56c54afb52f9781d63a7c16ea9c1b86cb70e6e1eae6a742b56b7b37468576b17.ml.png and /dev/null differ
diff --git a/translated_images/rnn.27f5c29c53d727b5.kn.png b/translated_images/rnn.27f5c29c53d727b5.kn.png
deleted file mode 100644
index 4d978272..00000000
Binary files a/translated_images/rnn.27f5c29c53d727b5.kn.png and /dev/null differ
diff --git a/translated_images/rnn.27f5c29c53d727b5.ml.png b/translated_images/rnn.27f5c29c53d727b5.ml.png
deleted file mode 100644
index 1f32ba21..00000000
Binary files a/translated_images/rnn.27f5c29c53d727b5.ml.png and /dev/null differ
diff --git a/translated_images/rnn.27f5c29c53d727b546ad3961637a267f0fe9ec5ab01f2a26a853c92fcefbb574.kn.png b/translated_images/rnn.27f5c29c53d727b546ad3961637a267f0fe9ec5ab01f2a26a853c92fcefbb574.kn.png
deleted file mode 100644
index 4d978272..00000000
Binary files a/translated_images/rnn.27f5c29c53d727b546ad3961637a267f0fe9ec5ab01f2a26a853c92fcefbb574.kn.png and /dev/null differ
diff --git a/translated_images/rnn.27f5c29c53d727b546ad3961637a267f0fe9ec5ab01f2a26a853c92fcefbb574.ml.png b/translated_images/rnn.27f5c29c53d727b546ad3961637a267f0fe9ec5ab01f2a26a853c92fcefbb574.ml.png
deleted file mode 100644
index 1f32ba21..00000000
Binary files a/translated_images/rnn.27f5c29c53d727b546ad3961637a267f0fe9ec5ab01f2a26a853c92fcefbb574.ml.png and /dev/null differ
diff --git a/translated_images/segm.92442f2cb42ff4fa.kn.png b/translated_images/segm.92442f2cb42ff4fa.kn.png
deleted file mode 100644
index 2a5fbf7c..00000000
Binary files a/translated_images/segm.92442f2cb42ff4fa.kn.png and /dev/null differ
diff --git a/translated_images/segm.92442f2cb42ff4fa.ml.png b/translated_images/segm.92442f2cb42ff4fa.ml.png
deleted file mode 100644
index 14c0c861..00000000
Binary files a/translated_images/segm.92442f2cb42ff4fa.ml.png and /dev/null differ
diff --git a/translated_images/segm.92442f2cb42ff4fa650fee858a3a02f55cf46825d9602115130e9e95a52a8526.kn.png b/translated_images/segm.92442f2cb42ff4fa650fee858a3a02f55cf46825d9602115130e9e95a52a8526.kn.png
deleted file mode 100644
index 2a5fbf7c..00000000
Binary files a/translated_images/segm.92442f2cb42ff4fa650fee858a3a02f55cf46825d9602115130e9e95a52a8526.kn.png and /dev/null differ
diff --git a/translated_images/segm.92442f2cb42ff4fa650fee858a3a02f55cf46825d9602115130e9e95a52a8526.ml.png b/translated_images/segm.92442f2cb42ff4fa650fee858a3a02f55cf46825d9602115130e9e95a52a8526.ml.png
deleted file mode 100644
index 14c0c861..00000000
Binary files a/translated_images/segm.92442f2cb42ff4fa650fee858a3a02f55cf46825d9602115130e9e95a52a8526.ml.png and /dev/null differ
diff --git a/translated_images/segnet.87377542aa5a8b76.kn.png b/translated_images/segnet.87377542aa5a8b76.kn.png
deleted file mode 100644
index 450307e6..00000000
Binary files a/translated_images/segnet.87377542aa5a8b76.kn.png and /dev/null differ
diff --git a/translated_images/segnet.87377542aa5a8b76.ml.png b/translated_images/segnet.87377542aa5a8b76.ml.png
deleted file mode 100644
index 64eb34e6..00000000
Binary files a/translated_images/segnet.87377542aa5a8b76.ml.png and /dev/null differ
diff --git a/translated_images/segnet.87377542aa5a8b76c6e19b715e86daec8da5c1124df41ab6064d8409b8579be6.kn.png b/translated_images/segnet.87377542aa5a8b76c6e19b715e86daec8da5c1124df41ab6064d8409b8579be6.kn.png
deleted file mode 100644
index 450307e6..00000000
Binary files a/translated_images/segnet.87377542aa5a8b76c6e19b715e86daec8da5c1124df41ab6064d8409b8579be6.kn.png and /dev/null differ
diff --git a/translated_images/segnet.87377542aa5a8b76c6e19b715e86daec8da5c1124df41ab6064d8409b8579be6.ml.png b/translated_images/segnet.87377542aa5a8b76c6e19b715e86daec8da5c1124df41ab6064d8409b8579be6.ml.png
deleted file mode 100644
index 64eb34e6..00000000
Binary files a/translated_images/segnet.87377542aa5a8b76c6e19b715e86daec8da5c1124df41ab6064d8409b8579be6.ml.png and /dev/null differ
diff --git a/translated_images/style.5293e85e077ab22c.kn.jpg b/translated_images/style.5293e85e077ab22c.kn.jpg
deleted file mode 100644
index 24361692..00000000
Binary files a/translated_images/style.5293e85e077ab22c.kn.jpg and /dev/null differ
diff --git a/translated_images/style.5293e85e077ab22c.ml.jpg b/translated_images/style.5293e85e077ab22c.ml.jpg
deleted file mode 100644
index 24361692..00000000
Binary files a/translated_images/style.5293e85e077ab22c.ml.jpg and /dev/null differ
diff --git a/translated_images/style.5293e85e077ab22cf0e8f920132b79bd9a6d6f957085ef20079ec5eee96405c3.kn.jpg b/translated_images/style.5293e85e077ab22cf0e8f920132b79bd9a6d6f957085ef20079ec5eee96405c3.kn.jpg
deleted file mode 100644
index 24361692..00000000
Binary files a/translated_images/style.5293e85e077ab22cf0e8f920132b79bd9a6d6f957085ef20079ec5eee96405c3.kn.jpg and /dev/null differ
diff --git a/translated_images/style.5293e85e077ab22cf0e8f920132b79bd9a6d6f957085ef20079ec5eee96405c3.ml.jpg b/translated_images/style.5293e85e077ab22cf0e8f920132b79bd9a6d6f957085ef20079ec5eee96405c3.ml.jpg
deleted file mode 100644
index 24361692..00000000
Binary files a/translated_images/style.5293e85e077ab22cf0e8f920132b79bd9a6d6f957085ef20079ec5eee96405c3.ml.jpg and /dev/null differ
diff --git a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6.kn.jpg b/translated_images/synapse-wikipedia.ed20a9e4726ea1c6.kn.jpg
deleted file mode 100644
index 52a185f2..00000000
Binary files a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6.kn.jpg and /dev/null differ
diff --git a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6.ml.jpg b/translated_images/synapse-wikipedia.ed20a9e4726ea1c6.ml.jpg
deleted file mode 100644
index 6dd20fe3..00000000
Binary files a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6.ml.jpg and /dev/null differ
diff --git a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6a3ce8fec51c0b9bec6181946dca0fe4e829bc12fa3bacf01.kn.jpg b/translated_images/synapse-wikipedia.ed20a9e4726ea1c6a3ce8fec51c0b9bec6181946dca0fe4e829bc12fa3bacf01.kn.jpg
deleted file mode 100644
index 52a185f2..00000000
Binary files a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6a3ce8fec51c0b9bec6181946dca0fe4e829bc12fa3bacf01.kn.jpg and /dev/null differ
diff --git a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6a3ce8fec51c0b9bec6181946dca0fe4e829bc12fa3bacf01.ml.jpg b/translated_images/synapse-wikipedia.ed20a9e4726ea1c6a3ce8fec51c0b9bec6181946dca0fe4e829bc12fa3bacf01.ml.jpg
deleted file mode 100644
index 6dd20fe3..00000000
Binary files a/translated_images/synapse-wikipedia.ed20a9e4726ea1c6a3ce8fec51c0b9bec6181946dca0fe4e829bc12fa3bacf01.ml.jpg and /dev/null differ
diff --git a/translated_images/te/.co-op-translator.json b/translated_images/te/.co-op-translator.json
index ed7ff667..6fac3e76 100644
--- a/translated_images/te/.co-op-translator.json
+++ b/translated_images/te/.co-op-translator.json
@@ -1,512 +1,20 @@
{
- "favicon.37b561214b36d454.webp": {
- "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
- "translation_date": "2026-01-16T07:38:28+00:00",
- "source_file": "images/favicon.png",
- "language_code": "te"
- },
- "ai-nlp.b22dcb8ca4707cea.webp": {
- "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
- "translation_date": "2026-01-16T07:38:46+00:00",
- "source_file": "lessons/sketchnotes/ai-nlp.png",
- "language_code": "te"
- },
- "ai-symbolic.715a30cb610411a6.webp": {
- "original_hash": "69d3628566f680ac8543651aa6fd520c",
- "translation_date": "2026-01-16T07:39:12+00:00",
- "source_file": "lessons/sketchnotes/ai-symbolic.png",
- "language_code": "te"
- },
- "ai-computervision.6506ebebac3fbf76.webp": {
- "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
- "translation_date": "2026-01-16T07:39:34+00:00",
- "source_file": "lessons/sketchnotes/ai-computervision.png",
- "language_code": "te"
- },
- "ai-for-beginners.b354ca904b22cd70.webp": {
- "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
- "translation_date": "2026-01-16T07:39:40+00:00",
- "source_file": "lessons/sketchnotes/ai-for-beginners.png",
- "language_code": "te"
- },
- "ai-overview.0857791951d19500.webp": {
- "original_hash": "7206f99da5c2b99d21581f946a660235",
- "translation_date": "2026-01-16T07:40:00+00:00",
- "source_file": "lessons/sketchnotes/ai-overview.png",
- "language_code": "te"
- },
- "ai-intro.bf28d1ac4235881c.webp": {
- "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
- "translation_date": "2026-01-16T07:40:25+00:00",
- "source_file": "lessons/sketchnotes/ai-intro.png",
- "language_code": "te"
- },
- "ai-neuralnetworks.1c687ae40bc86e83.webp": {
- "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
- "translation_date": "2026-01-16T07:40:49+00:00",
- "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
- "language_code": "te"
- },
- "vae.464c465a5b6a9e25.webp": {
- "original_hash": "0b658c7862077e139162c756bcb98071",
- "translation_date": "2026-01-16T07:40:53+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
- "language_code": "te"
- },
- "vaemnist-diag.694315f775d5d666.webp": {
- "original_hash": "0652f5a95005348c6b1533438103dfcf",
- "translation_date": "2026-01-16T07:40:55+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
- "language_code": "te"
- },
- "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
- "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
- "translation_date": "2026-01-16T07:40:58+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
- "language_code": "te"
- },
- "vaemnist.cab9e602dc08dc50.webp": {
- "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
- "translation_date": "2026-01-16T07:41:02+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
- "language_code": "te"
- },
- "aae.9d418a990fc75bf9.webp": {
- "original_hash": "92f89b37641f659a7d25c91d13076f69",
- "translation_date": "2026-01-16T07:41:07+00:00",
- "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
- "language_code": "te"
- },
- "instance_vs_semantic.eee9812bebf8cd45.webp": {
- "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
- "translation_date": "2026-01-16T07:41:13+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
- "language_code": "te"
- },
- "unet.3adb555bf39d3657.webp": {
- "original_hash": "49a151c11708ee9a3e94d21448146bf8",
- "translation_date": "2026-01-16T07:41:27+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
- "language_code": "te"
- },
- "navi.2f20b727910110ea.webp": {
- "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
- "translation_date": "2026-01-16T07:41:29+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
- "language_code": "te"
- },
- "segm.92442f2cb42ff4fa.webp": {
- "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
- "translation_date": "2026-01-16T07:41:38+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
- "language_code": "te"
- },
- "segnet.87377542aa5a8b76.webp": {
- "original_hash": "fa6d2d499aa2ae589a14caede7534561",
- "translation_date": "2026-01-16T07:41:43+00:00",
- "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
- "language_code": "te"
- },
- "gan_architecture.8f3a5ab62b8d5d69.webp": {
- "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
- "translation_date": "2026-01-16T07:41:51+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
- "language_code": "te"
- },
- "style.5293e85e077ab22c.webp": {
- "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
- "translation_date": "2026-01-16T07:41:53+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
- "language_code": "te"
- },
- "image.896e8254a2c60d45.webp": {
- "original_hash": "0033165481f191386403b85801811833",
- "translation_date": "2026-01-16T07:41:54+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
- "language_code": "te"
- },
- "gan_arch_detail.46b95fd366f8e543.webp": {
- "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
- "translation_date": "2026-01-16T07:42:05+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
- "language_code": "te"
- },
- "dcgan_generator.b500988ec2bc8ba5.webp": {
- "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
- "translation_date": "2026-01-16T07:42:12+00:00",
- "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
- "language_code": "te"
- },
- "ideal-zebra.7f70e8b54ee15a7a.webp": {
- "original_hash": "6944fb46795f714f0ce8e856c405498a",
- "translation_date": "2026-01-16T07:42:13+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
- "language_code": "te"
- },
- "ideal-cat-loop.999fbb8ff306e044.webp": {
- "original_hash": "c54e983c591431338bf8ddac9ab8415b",
- "translation_date": "2026-01-16T07:42:19+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
- "language_code": "te"
- },
- "dog-from-unsplash.426f9fbca2febc93.webp": {
- "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
- "translation_date": "2026-01-16T07:42:20+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
- "language_code": "te"
- },
- "features.6291f9c7ba3a0b95.webp": {
- "original_hash": "e2727bfacc1156e045d1879bbe86e189",
- "translation_date": "2026-01-16T07:42:24+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
- "language_code": "te"
- },
- "ideal-cat.203dd4597643d6b0.webp": {
- "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
- "translation_date": "2026-01-16T07:42:24+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
- "language_code": "te"
- },
- "adversarial-dog.d9fc7773b0142b89.webp": {
- "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
- "translation_date": "2026-01-16T07:42:25+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
- "language_code": "te"
- },
- "catsdogsdataset.a7aff8e6085fd3f0.webp": {
- "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
- "translation_date": "2026-01-16T07:42:31+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
- "language_code": "te"
- },
- "original-dog.8f68a67d2fe0911f.webp": {
- "original_hash": "3ed859629b4141f735fd0d3c1941f520",
- "translation_date": "2026-01-16T07:42:31+00:00",
- "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
- "language_code": "te"
- },
- "braille.341962ff76b1bd70.webp": {
- "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
- "translation_date": "2026-01-16T07:42:32+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
- "language_code": "te"
- },
- "braille-symbols.0159185ab69d5339.webp": {
- "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
- "translation_date": "2026-01-16T07:42:35+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
- "language_code": "te"
- },
- "frame-difference.706f805491a0883c.webp": {
- "original_hash": "a141e72f08e1b8f7451392889af90072",
- "translation_date": "2026-01-16T07:42:38+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
- "language_code": "te"
- },
- "braille-result.46530fea020b03c7.webp": {
- "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
- "translation_date": "2026-01-16T07:42:38+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
- "language_code": "te"
- },
- "palm-movement.341495f0e9c47da3.webp": {
- "original_hash": "100780b2e1d5adff2739adf58fc18404",
- "translation_date": "2026-01-16T07:42:40+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
- "language_code": "te"
- },
- "optical.1f4a94464579a83a.webp": {
- "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
- "translation_date": "2026-01-16T07:42:42+00:00",
- "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
- "language_code": "te"
- },
"1200px-Girl_and_cat.89bd70951181e86a.webp": {
"original_hash": "aa8cdeaa9beaad5a06610236cf22f296",
"translation_date": "2026-01-16T07:42:43+00:00",
"source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/1200px-Girl_and_cat.jpg",
"language_code": "te"
},
- "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
- "original_hash": "f31ea979f0ceabdf198899985ac84c37",
- "translation_date": "2026-01-16T07:42:51+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
- "language_code": "te"
- },
- "naive-detection.e7f1ba220ccd08c6.webp": {
- "original_hash": "4c96961c12a09f8e055546ed2e7de470",
- "translation_date": "2026-01-16T07:42:57+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
- "language_code": "te"
- },
- "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
- "original_hash": "6704085c522f47ce42ad8402dafe6429",
- "translation_date": "2026-01-16T07:43:03+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
- "language_code": "te"
- },
- "iou_equation.9a4751d40fff4e11.webp": {
- "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
- "translation_date": "2026-01-16T07:43:06+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
- "language_code": "te"
- },
- "coco-examples.71bc60380fa6cceb.webp": {
- "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
- "translation_date": "2026-01-16T07:43:09+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
- "language_code": "te"
- },
- "f-rcnn.3cda6d9bb4188875.webp": {
- "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
- "translation_date": "2026-01-16T07:43:17+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
- "language_code": "te"
- },
- "rcnn1.cae407020dfb1d1f.webp": {
- "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
- "translation_date": "2026-01-16T07:43:18+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
- "language_code": "te"
- },
- "faster-rcnn.8d46c099b87ef30a.webp": {
- "original_hash": "067e2ca96344fd6d0490e0530a922b36",
- "translation_date": "2026-01-16T07:43:25+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
- "language_code": "te"
- },
- "r-fcn.13eb88158b99a3da.webp": {
- "original_hash": "38cd0e0105546e56fa17b711d445195f",
- "translation_date": "2026-01-16T07:43:32+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
- "language_code": "te"
- },
- "yolo.a2648ec82ee8bb4e.webp": {
- "original_hash": "e8835638234f5c21fcf36fdede6457f4",
- "translation_date": "2026-01-16T07:43:36+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
- "language_code": "te"
- },
- "rcnn2.2d9530bb83516484.webp": {
- "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
- "translation_date": "2026-01-16T07:43:44+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
- "language_code": "te"
- },
- "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
- "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
- "translation_date": "2026-01-16T07:43:59+00:00",
- "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
- "language_code": "te"
- },
- "resnet-block.aba4ccbcc0944434.webp": {
- "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
- "translation_date": "2026-01-16T07:44:03+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
- "language_code": "te"
- },
- "cnn-pyramid.85915455759ef0ce.webp": {
- "original_hash": "7233ded4a920332806363d704bfb59a6",
- "translation_date": "2026-01-16T07:44:21+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
- "language_code": "te"
- },
- "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
- "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
- "translation_date": "2026-01-16T07:44:24+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
- "language_code": "te"
- },
- "filter-horiz.59b80ed4feb946ef.webp": {
- "original_hash": "b081df9e2042850983a46ff817b88d55",
- "translation_date": "2026-01-16T07:44:26+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
- "language_code": "te"
- },
- "vgg-16-arch1.d901a5583b3a51ba.webp": {
- "original_hash": "5b0f835d04dc20d097a0b89c88339966",
- "translation_date": "2026-01-16T07:44:35+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
- "language_code": "te"
- },
- "vgg-16-arch.64ff2137f50dd49f.webp": {
- "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
- "translation_date": "2026-01-16T07:44:39+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
- "language_code": "te"
- },
- "convolutionExample.634615d5ff7081e0.webp": {
- "original_hash": "5412e092848cb3cd4fa527aba3be0545",
- "translation_date": "2026-01-16T07:44:46+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
- "language_code": "te"
- },
- "inception.a6605b85bcbc6f52.webp": {
- "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
- "translation_date": "2026-01-16T07:44:53+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
- "language_code": "te"
- },
- "filter-vert.b7148390ca0bc356.webp": {
- "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
- "translation_date": "2026-01-16T07:44:55+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
- "language_code": "te"
- },
- "lmfilters.ea9e4868a82cf74c.webp": {
- "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
- "translation_date": "2026-01-16T07:44:55+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
- "language_code": "te"
- },
- "data.50b2a9d5484bdbf0.webp": {
- "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
- "translation_date": "2026-01-16T07:45:05+00:00",
- "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
- "language_code": "te"
- },
- "NetLogo-ModelLib.efe023afb4763c05.webp": {
- "original_hash": "edd5b28318e2f43274a4541408110fb9",
- "translation_date": "2026-01-16T07:45:27+00:00",
- "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
- "language_code": "te"
- },
- "NetLogo-Main.32653711ec1a01b3.webp": {
- "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
- "translation_date": "2026-01-16T07:45:51+00:00",
- "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
- "language_code": "te"
- },
- "cartpole.f52a67f27e058170.webp": {
- "original_hash": "5399242e127ea1c18aa6ee405daecf51",
- "translation_date": "2026-01-16T07:45:52+00:00",
- "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
- "language_code": "te"
- },
- "mountaincar.f7b7a7f6d4f9933b.webp": {
- "original_hash": "61c868cc389dc92bd2b402ea490cd162",
- "translation_date": "2026-01-16T07:45:54+00:00",
- "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
- "language_code": "te"
- },
- "ml-for-beginners.9e4fed176fd5817d.webp": {
- "original_hash": "cd606a24083e039082b0486fc8382823",
- "translation_date": "2026-01-16T07:45:56+00:00",
- "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
- "language_code": "te"
- },
- "history-of-ai.7e83efa70b537f5a.webp": {
- "original_hash": "644e648b98fcb10fb9713452ff02934d",
- "translation_date": "2026-01-16T07:46:13+00:00",
- "source_file": "lessons/1-Intro/images/history-of-ai.png",
- "language_code": "te"
- },
- "photo-cat.8c8e8fb760ffe457.webp": {
- "original_hash": "29d10fef28d240c48995ef9dd23e477a",
- "translation_date": "2026-01-16T07:46:13+00:00",
- "source_file": "lessons/1-Intro/images/photo-cat.jpg",
- "language_code": "te"
- },
- "dsh_age.d212a30d4e54fb5f.webp": {
- "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
- "translation_date": "2026-01-16T07:46:15+00:00",
- "source_file": "lessons/1-Intro/images/dsh_age.png",
- "language_code": "te"
- },
- "turing-test-evol.4184696701293ead.webp": {
- "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
- "translation_date": "2026-01-16T07:46:27+00:00",
- "source_file": "lessons/1-Intro/images/turing-test-evol.png",
- "language_code": "te"
- },
- "knowledge-spectrum.b60df631852c0217.webp": {
- "original_hash": "71b049ee26a22a68996034585436ca59",
- "translation_date": "2026-01-16T07:46:43+00:00",
- "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
- "language_code": "te"
- },
- "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
- "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
- "translation_date": "2026-01-16T07:46:49+00:00",
- "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
- "language_code": "te"
- },
"AND-OR-Tree.5592d2c70187f283.webp": {
"original_hash": "2674b6cf8f768491c6b5a167f272a002",
"translation_date": "2026-01-16T07:47:35+00:00",
"source_file": "lessons/2-Symbolic/images/AND-OR-Tree.png",
"language_code": "te"
},
- "triplet-complex.32094972c7b4441b.webp": {
- "original_hash": "56a2e05839a141c311db52655b37f8ad",
- "translation_date": "2026-01-16T07:47:55+00:00",
- "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
- "language_code": "te"
- },
- "arch-human.5d4d35f1bba3ab1c.webp": {
- "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
- "translation_date": "2026-01-16T07:48:04+00:00",
- "source_file": "lessons/2-Symbolic/images/arch-human.png",
- "language_code": "te"
- },
- "arch-kbs.3ec5c150b09fa8da.webp": {
- "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
- "translation_date": "2026-01-16T07:48:11+00:00",
- "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
- "language_code": "te"
- },
- "triplet.4b9b332587593298.webp": {
- "original_hash": "302e53ea355ffb556d99e3962d0a6516",
- "translation_date": "2026-01-16T07:48:24+00:00",
- "source_file": "lessons/2-Symbolic/images/triplet.png",
- "language_code": "te"
- },
- "protege.274177ceeac13b38.webp": {
- "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
- "translation_date": "2026-01-16T07:49:02+00:00",
- "source_file": "lessons/2-Symbolic/images/protege.png",
- "language_code": "te"
- },
- "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
- "original_hash": "88212730ecd9b0c8b848c319951427d8",
- "translation_date": "2026-01-16T07:49:08+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
- "language_code": "te"
- },
- "overfit2.131f5800ae10ca5e.webp": {
- "original_hash": "eb04381b2f222518ec400b98ebf441b2",
- "translation_date": "2026-01-16T07:49:11+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
- "language_code": "te"
- },
- "netout.1eb15eb76fd76731.webp": {
- "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
- "translation_date": "2026-01-16T07:49:12+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/netout.png",
- "language_code": "te"
- },
- "artneuron.1a5daa88d20ebe6f.webp": {
- "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
- "translation_date": "2026-01-16T07:49:17+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
- "language_code": "te"
- },
- "Overfitting.408ad91cd90b4371.webp": {
- "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
- "translation_date": "2026-01-16T07:49:24+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
- "language_code": "te"
- },
- "overfit1.f24b71c6f652e59e.webp": {
- "original_hash": "76155698e85340d9dfff8e0a628d25c1",
- "translation_date": "2026-01-16T07:49:28+00:00",
- "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
- "language_code": "te"
- },
- "NeuroArch.4e17cdba5e445721.webp": {
- "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
- "translation_date": "2026-01-16T07:49:33+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "ComputeGraph.463c9d8ebdcb2215.webp": {
+ "original_hash": "7af66742d6bede114f971689745bedf2",
+ "translation_date": "2026-01-16T07:49:48+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
"language_code": "te"
},
"ComputeGraphGrad.4626252c0de03507.webp": {
@@ -515,66 +23,18 @@
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraphGrad.png",
"language_code": "te"
},
+ "CoreferenceResolution.861924d6d384a7d6.webp": {
+ "original_hash": "25b5719ec70aaa44858076c16f7c208f",
+ "translation_date": "2026-01-16T07:52:29+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
+ "language_code": "te"
+ },
"Cross-Entropy-Loss.dc7ba633d2467ef3.webp": {
"original_hash": "11dd0fd77a272755d0ef5db9f71217da",
"translation_date": "2026-01-16T07:49:45+00:00",
"source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/Cross-Entropy-Loss.png",
"language_code": "te"
},
- "ComputeGraph.463c9d8ebdcb2215.webp": {
- "original_hash": "7af66742d6bede114f971689745bedf2",
- "translation_date": "2026-01-16T07:49:48+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/ComputeGraph.png",
- "language_code": "te"
- },
- "overfit.a0bd57f717c15769.webp": {
- "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
- "translation_date": "2026-01-16T07:49:52+00:00",
- "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
- "language_code": "te"
- },
- "Rosenblatt-wikipedia.294821b285ac796d.webp": {
- "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
- "translation_date": "2026-01-16T07:49:54+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
- "language_code": "te"
- },
- "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
- "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
- "translation_date": "2026-01-16T07:49:57+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
- "language_code": "te"
- },
- "activation-func.b4924007c7ce7764.webp": {
- "original_hash": "8d357884343ec923611a319d4e910b99",
- "translation_date": "2026-01-16T07:49:59+00:00",
- "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
- "language_code": "te"
- },
- "clip-class.3af42ef0b2b19369.webp": {
- "original_hash": "bdd1638453069a216e843e1a8fd70db0",
- "translation_date": "2026-01-16T07:50:07+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
- "language_code": "te"
- },
- "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
- "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
- "translation_date": "2026-01-16T07:50:09+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
- "language_code": "te"
- },
- "clip-arch.b3dbf20b4e8ed8be.webp": {
- "original_hash": "bdd1638453069a216e843e1a8fd70db0",
- "translation_date": "2026-01-16T07:50:16+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
- "language_code": "te"
- },
- "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
- "original_hash": "e300d75d78f6050bc7b83df091f95775",
- "translation_date": "2026-01-16T07:50:18+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
- "language_code": "te"
- },
"DALL·E 2023-06-20 15.56.56 - a closeup watercolor portrait of young male teacher of literature with a book.56499a0c282407c9.webp": {
"original_hash": "dd063fda04db937ab7210064af9d6151",
"translation_date": "2026-01-16T07:50:20+00:00",
@@ -587,10 +47,82 @@
"source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.57.43 - a closeup oil portrait of young female teacher of computer science with a computer.png",
"language_code": "te"
},
- "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
- "original_hash": "ec89cbb600b14e86f353a347506554ba",
- "translation_date": "2026-01-16T07:50:22+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
+ "DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.534175cf58a361d9.webp": {
+ "original_hash": "e300d75d78f6050bc7b83df091f95775",
+ "translation_date": "2026-01-16T07:50:18+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/DALL·E 2023-06-20 15.58.42 - a closeup oil portrait of old male teacher of mathematics in front of blackboard.png",
+ "language_code": "te"
+ },
+ "DIKW_Pyramid.94126f7d2bd8db5b.webp": {
+ "original_hash": "ad410ec7f25454482fd4516c4a46fc67",
+ "translation_date": "2026-01-16T07:46:49+00:00",
+ "source_file": "lessons/2-Symbolic/images/DIKW_Pyramid.png",
+ "language_code": "te"
+ },
+ "FeatureExtractionCNN.d9b456cbdae7cb64.webp": {
+ "original_hash": "c9bde577c8b279b5199a8b294ee9494f",
+ "translation_date": "2026-01-16T07:44:24+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/FeatureExtractionCNN.png",
+ "language_code": "te"
+ },
+ "Mark_I_perceptron_wikipedia.1f84eaa2d4b76ec9.webp": {
+ "original_hash": "2cc48ff435c89ca1e162872a42b4813c",
+ "translation_date": "2026-01-16T07:49:57+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Mark_I_perceptron_wikipedia.jpg",
+ "language_code": "te"
+ },
+ "NetLogo-Main.32653711ec1a01b3.webp": {
+ "original_hash": "83a9fe96394620fc703a5f2de2d15ed1",
+ "translation_date": "2026-01-16T07:45:51+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-Main.png",
+ "language_code": "te"
+ },
+ "NetLogo-ModelLib.efe023afb4763c05.webp": {
+ "original_hash": "edd5b28318e2f43274a4541408110fb9",
+ "translation_date": "2026-01-16T07:45:27+00:00",
+ "source_file": "lessons/6-Other/23-MultiagentSystems/images/NetLogo-ModelLib.png",
+ "language_code": "te"
+ },
+ "NeuroArch.4e17cdba5e445721.webp": {
+ "original_hash": "5a3b1a4c04e6b6b5a65574d5ea92a272",
+ "translation_date": "2026-01-16T07:49:33+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/NeuroArch.png",
+ "language_code": "te"
+ },
+ "ObjDetectionPrecisionRecall.d2ef5b6081a0b094.webp": {
+ "original_hash": "6704085c522f47ce42ad8402dafe6429",
+ "translation_date": "2026-01-16T07:43:03+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecall.png",
+ "language_code": "te"
+ },
+ "ObjDetectionPrecisionRecallIoU.96b4116fcd30ce5a.webp": {
+ "original_hash": "f31ea979f0ceabdf198899985ac84c37",
+ "translation_date": "2026-01-16T07:42:51+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/ObjDetectionPrecisionRecallIoU.png",
+ "language_code": "te"
+ },
+ "Overfitting.408ad91cd90b4371.webp": {
+ "original_hash": "82c3203fefc4ef74609e8ab61c1c683b",
+ "translation_date": "2026-01-16T07:49:24+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/Overfitting.png",
+ "language_code": "te"
+ },
+ "Rosenblatt-wikipedia.294821b285ac796d.webp": {
+ "original_hash": "c21d9b47d0106208a0f35a920d6bff66",
+ "translation_date": "2026-01-16T07:49:54+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/Rosenblatt-wikipedia.jpg",
+ "language_code": "te"
+ },
+ "Screen_Shot_2016-11-17_at_11.14.54_AM.b4bb3769353287be.webp": {
+ "original_hash": "456419e07e4f1b5ab90c6f6d36d9817a",
+ "translation_date": "2026-01-16T07:43:59+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/Screen_Shot_2016-11-17_at_11.14.54_AM.png",
+ "language_code": "te"
+ },
+ "a_closeup_oil_portrait_of_old_male_teacher_of_math.5362e67aa7fc2683.webp": {
+ "original_hash": "9c386a6fd2c04edbd78dc9d688b59872",
+ "translation_date": "2026-01-16T07:50:09+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_old_male_teacher_of_math.png",
"language_code": "te"
},
"a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.e0b6495f210a4390.webp": {
@@ -599,22 +131,88 @@
"source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_oil_portrait_of_young_female_teacher_of_computer_science_with_a_computer.png",
"language_code": "te"
},
- "vqgan.5027fe05051dfa31.webp": {
- "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
- "translation_date": "2026-01-16T07:50:27+00:00",
- "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.2384968e9db8a0d0.webp": {
+ "original_hash": "ec89cbb600b14e86f353a347506554ba",
+ "translation_date": "2026-01-16T07:50:22+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/a_closeup_watercolor_portrait_of_young_male_teacher_of_literature_with_a_book.png",
"language_code": "te"
},
- "bag-of-words-example.606fc1738f1d7ba9.webp": {
- "original_hash": "a8fa84622ff35939e498d06fac3fa515",
- "translation_date": "2026-01-16T07:50:31+00:00",
- "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
+ "aae.9d418a990fc75bf9.webp": {
+ "original_hash": "92f89b37641f659a7d25c91d13076f69",
+ "translation_date": "2026-01-16T07:41:07+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/aae.png",
"language_code": "te"
},
- "bow.3811869cff59368d.webp": {
- "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
- "translation_date": "2026-01-16T07:50:53+00:00",
- "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
+ "activation-func.b4924007c7ce7764.webp": {
+ "original_hash": "8d357884343ec923611a319d4e910b99",
+ "translation_date": "2026-01-16T07:49:59+00:00",
+ "source_file": "lessons/3-NeuralNetworks/03-Perceptron/images/activation-func.png",
+ "language_code": "te"
+ },
+ "adversarial-dog.d9fc7773b0142b89.webp": {
+ "original_hash": "cf7a833a6f82bdf5049180a09f9bf8f6",
+ "translation_date": "2026-01-16T07:42:25+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/adversarial-dog.png",
+ "language_code": "te"
+ },
+ "ai-computervision.6506ebebac3fbf76.webp": {
+ "original_hash": "69793d04780af37a3f32c9aa5c2d1ad8",
+ "translation_date": "2026-01-16T07:39:34+00:00",
+ "source_file": "lessons/sketchnotes/ai-computervision.png",
+ "language_code": "te"
+ },
+ "ai-for-beginners.b354ca904b22cd70.webp": {
+ "original_hash": "4b6f076798ec72ec7736b2e9039730e3",
+ "translation_date": "2026-01-16T07:39:40+00:00",
+ "source_file": "lessons/sketchnotes/ai-for-beginners.png",
+ "language_code": "te"
+ },
+ "ai-intro.bf28d1ac4235881c.webp": {
+ "original_hash": "9d1e65416cc17cf9a373a1cff01f04a4",
+ "translation_date": "2026-01-16T07:40:25+00:00",
+ "source_file": "lessons/sketchnotes/ai-intro.png",
+ "language_code": "te"
+ },
+ "ai-neuralnetworks.1c687ae40bc86e83.webp": {
+ "original_hash": "6426ed635d4beb0ee499d634dfb61d65",
+ "translation_date": "2026-01-16T07:40:49+00:00",
+ "source_file": "lessons/sketchnotes/ai-neuralnetworks.png",
+ "language_code": "te"
+ },
+ "ai-nlp.b22dcb8ca4707cea.webp": {
+ "original_hash": "fc9259e7fd3bcbc2ce15909701a4c284",
+ "translation_date": "2026-01-16T07:38:46+00:00",
+ "source_file": "lessons/sketchnotes/ai-nlp.png",
+ "language_code": "te"
+ },
+ "ai-overview.0857791951d19500.webp": {
+ "original_hash": "7206f99da5c2b99d21581f946a660235",
+ "translation_date": "2026-01-16T07:40:00+00:00",
+ "source_file": "lessons/sketchnotes/ai-overview.png",
+ "language_code": "te"
+ },
+ "ai-symbolic.715a30cb610411a6.webp": {
+ "original_hash": "69d3628566f680ac8543651aa6fd520c",
+ "translation_date": "2026-01-16T07:39:12+00:00",
+ "source_file": "lessons/sketchnotes/ai-symbolic.png",
+ "language_code": "te"
+ },
+ "arch-human.5d4d35f1bba3ab1c.webp": {
+ "original_hash": "3b41c1a38a69fb1104f5ddc48163538d",
+ "translation_date": "2026-01-16T07:48:04+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-human.png",
+ "language_code": "te"
+ },
+ "arch-kbs.3ec5c150b09fa8da.webp": {
+ "original_hash": "f470e6ec071db529cd3149052cfeb8ff",
+ "translation_date": "2026-01-16T07:48:11+00:00",
+ "source_file": "lessons/2-Symbolic/images/arch-kbs.png",
+ "language_code": "te"
+ },
+ "artneuron.1a5daa88d20ebe6f.webp": {
+ "original_hash": "c2d8af8285e1eee1cf6c5ba4762f70ab",
+ "translation_date": "2026-01-16T07:49:17+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/artneuron.png",
"language_code": "te"
},
"ascii-character-map.18ed6aa7f3b0a7ff.webp": {
@@ -623,34 +221,16 @@
"source_file": "lessons/5-NLP/13-TextRep/images/ascii-character-map.png",
"language_code": "te"
},
- "multi-layer-lstm.dd975e29bb2a59fe.webp": {
- "original_hash": "27b6355fd86c9e8e6d443015653be763",
- "translation_date": "2026-01-16T07:51:06+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "autoencoder_schema.5e6fc9ad98a5eb61.webp": {
+ "original_hash": "3fb68572368c18bc334ef8d6dec0fee5",
+ "translation_date": "2026-01-16T07:40:58+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/autoencoder_schema.jpg",
"language_code": "te"
},
- "rnn-anatomy.79ee3f3920b3294b.webp": {
- "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
- "translation_date": "2026-01-16T07:51:16+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
- "language_code": "te"
- },
- "rnn.27f5c29c53d727b5.webp": {
- "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
- "translation_date": "2026-01-16T07:51:28+00:00",
- "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
- "language_code": "te"
- },
- "encoder-decoder-attention.7a726296894fb567.webp": {
- "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
- "translation_date": "2026-01-16T07:51:40+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
- "language_code": "te"
- },
- "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
- "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
- "translation_date": "2026-01-16T07:51:53+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "bag-of-words-example.606fc1738f1d7ba9.webp": {
+ "original_hash": "a8fa84622ff35939e498d06fac3fa515",
+ "translation_date": "2026-01-16T07:50:31+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bag-of-words-example.png",
"language_code": "te"
},
"bahdanau-fig3.09ba2d37f202a6af.webp": {
@@ -659,46 +239,100 @@
"source_file": "lessons/5-NLP/18-Transformers/images/bahdanau-fig3.png",
"language_code": "te"
},
- "pos-embedding.e41ce9b6cf6078af.webp": {
- "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
- "translation_date": "2026-01-16T07:52:10+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
- "language_code": "te"
- },
- "transformer-layer.905e14747ca4e7d5.webp": {
- "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
- "translation_date": "2026-01-16T07:52:20+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
- "language_code": "te"
- },
- "CoreferenceResolution.861924d6d384a7d6.webp": {
- "original_hash": "25b5719ec70aaa44858076c16f7c208f",
- "translation_date": "2026-01-16T07:52:29+00:00",
- "source_file": "lessons/5-NLP/18-Transformers/images/CoreferenceResolution.png",
- "language_code": "te"
- },
"bot-ner.4b09235dbb0ad275.webp": {
"original_hash": "5e61aca4f94182c7e7d509b8d2de3c9f",
"translation_date": "2026-01-16T07:52:46+00:00",
"source_file": "lessons/5-NLP/19-NER/images/bot-ner.png",
"language_code": "te"
},
- "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
- "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
- "translation_date": "2026-01-16T07:52:50+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "bow.3811869cff59368d.webp": {
+ "original_hash": "bfcb38af6b1cbc8c2e86101127b642ac",
+ "translation_date": "2026-01-16T07:50:53+00:00",
+ "source_file": "lessons/5-NLP/13-TextRep/images/bow.png",
"language_code": "te"
},
- "rnn-generate.56c54afb52f9781d.webp": {
- "original_hash": "67332ada2d0603921bba37c06956c70e",
- "translation_date": "2026-01-16T07:52:56+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "braille-result.46530fea020b03c7.webp": {
+ "original_hash": "7c069b6ddda38dcd0b535a840b954ee1",
+ "translation_date": "2026-01-16T07:42:38+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-result.png",
"language_code": "te"
},
- "rnn-generate-inf.5168dc65e0370eea.webp": {
- "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
- "translation_date": "2026-01-16T07:53:00+00:00",
- "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "braille-symbols.0159185ab69d5339.webp": {
+ "original_hash": "5a7fddf66299dbb4eae490b631ee3a1c",
+ "translation_date": "2026-01-16T07:42:35+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/braille-symbols.png",
+ "language_code": "te"
+ },
+ "braille.341962ff76b1bd70.webp": {
+ "original_hash": "ef1d59d4fb17f1f019c18be162c5759a",
+ "translation_date": "2026-01-16T07:42:32+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/data/braille.jpeg",
+ "language_code": "te"
+ },
+ "cartpole.f52a67f27e058170.webp": {
+ "original_hash": "5399242e127ea1c18aa6ee405daecf51",
+ "translation_date": "2026-01-16T07:45:52+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/images/cartpole.png",
+ "language_code": "te"
+ },
+ "catsdogsdataset.a7aff8e6085fd3f0.webp": {
+ "original_hash": "3039ba35434f67e69ccbb44d9e6ee141",
+ "translation_date": "2026-01-16T07:42:31+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/catsdogsdataset.png",
+ "language_code": "te"
+ },
+ "clip-arch.b3dbf20b4e8ed8be.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-16T07:50:16+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-arch.png",
+ "language_code": "te"
+ },
+ "clip-class.3af42ef0b2b19369.webp": {
+ "original_hash": "bdd1638453069a216e843e1a8fd70db0",
+ "translation_date": "2026-01-16T07:50:07+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/clip-class.png",
+ "language_code": "te"
+ },
+ "cnn-pyramid.85915455759ef0ce.webp": {
+ "original_hash": "7233ded4a920332806363d704bfb59a6",
+ "translation_date": "2026-01-16T07:44:21+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/cnn-pyramid.png",
+ "language_code": "te"
+ },
+ "coco-examples.71bc60380fa6cceb.webp": {
+ "original_hash": "bcfe5693147ca18d88cf43b1d2d5d6d7",
+ "translation_date": "2026-01-16T07:43:09+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/coco-examples.jpg",
+ "language_code": "te"
+ },
+ "convolutionExample.634615d5ff7081e0.webp": {
+ "original_hash": "5412e092848cb3cd4fa527aba3be0545",
+ "translation_date": "2026-01-16T07:44:46+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/convolutionExample.png",
+ "language_code": "te"
+ },
+ "data.50b2a9d5484bdbf0.webp": {
+ "original_hash": "e501593d25b15c8f8860fe11e3f1c4a7",
+ "translation_date": "2026-01-16T07:45:05+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/lab/images/data.png",
+ "language_code": "te"
+ },
+ "dcgan_generator.b500988ec2bc8ba5.webp": {
+ "original_hash": "a11642e50f68e41c69b1580c9b724ef1",
+ "translation_date": "2026-01-16T07:42:12+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/dcgan_generator.png",
+ "language_code": "te"
+ },
+ "dog-from-unsplash.426f9fbca2febc93.webp": {
+ "original_hash": "9669f6d7c9c8b74efdd1a82a262d1766",
+ "translation_date": "2026-01-16T07:42:20+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/dog-from-unsplash.jpg",
+ "language_code": "te"
+ },
+ "dsh_age.d212a30d4e54fb5f.webp": {
+ "original_hash": "61b9b2e2e29d9be9ae8f2edd8fa14ed4",
+ "translation_date": "2026-01-16T07:46:15+00:00",
+ "source_file": "lessons/1-Intro/images/dsh_age.png",
"language_code": "te"
},
"embedding-classifier-example.b77f021a7ee67eee.webp": {
@@ -707,10 +341,10 @@
"source_file": "lessons/5-NLP/14-Embeddings/images/embedding-classifier-example.png",
"language_code": "te"
},
- "offset-sequence-representation.eb73fcefb29b46ee.webp": {
- "original_hash": "52e7632a2b668957b903bb2607e953fe",
- "translation_date": "2026-01-16T07:53:11+00:00",
- "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "encoder-decoder-attention.7a726296894fb567.webp": {
+ "original_hash": "e0546cbc8252d764df7f7212b371f0ed",
+ "translation_date": "2026-01-16T07:51:40+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/encoder-decoder-attention.png",
"language_code": "te"
},
"example-algorithms-for-converting-words-to-vectors.fbe9207a726922f6.webp": {
@@ -718,5 +352,371 @@
"translation_date": "2026-01-16T07:53:16+00:00",
"source_file": "lessons/5-NLP/14-Embeddings/images/example-algorithms-for-converting-words-to-vectors.png",
"language_code": "te"
+ },
+ "f-rcnn.3cda6d9bb4188875.webp": {
+ "original_hash": "fdafedad20701c95bdcf6bb923822ab1",
+ "translation_date": "2026-01-16T07:43:17+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/f-rcnn.png",
+ "language_code": "te"
+ },
+ "faster-rcnn.8d46c099b87ef30a.webp": {
+ "original_hash": "067e2ca96344fd6d0490e0530a922b36",
+ "translation_date": "2026-01-16T07:43:25+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/faster-rcnn.png",
+ "language_code": "te"
+ },
+ "favicon.37b561214b36d454.webp": {
+ "original_hash": "228faa6584f8ba1f7e9a75e3200112e9",
+ "translation_date": "2026-01-16T07:38:28+00:00",
+ "source_file": "images/favicon.png",
+ "language_code": "te"
+ },
+ "features.6291f9c7ba3a0b95.webp": {
+ "original_hash": "e2727bfacc1156e045d1879bbe86e189",
+ "translation_date": "2026-01-16T07:42:24+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/features.png",
+ "language_code": "te"
+ },
+ "filter-horiz.59b80ed4feb946ef.webp": {
+ "original_hash": "b081df9e2042850983a46ff817b88d55",
+ "translation_date": "2026-01-16T07:44:26+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-horiz.png",
+ "language_code": "te"
+ },
+ "filter-vert.b7148390ca0bc356.webp": {
+ "original_hash": "bef527fda3ae7113ec9ebb3ab74a6298",
+ "translation_date": "2026-01-16T07:44:55+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/filter-vert.png",
+ "language_code": "te"
+ },
+ "frame-difference.706f805491a0883c.webp": {
+ "original_hash": "a141e72f08e1b8f7451392889af90072",
+ "translation_date": "2026-01-16T07:42:38+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/frame-difference.png",
+ "language_code": "te"
+ },
+ "gan_arch_detail.46b95fd366f8e543.webp": {
+ "original_hash": "ba3b25748ca02c3e725e9a1969ae5c5d",
+ "translation_date": "2026-01-16T07:42:05+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_arch_detail.png",
+ "language_code": "te"
+ },
+ "gan_architecture.8f3a5ab62b8d5d69.webp": {
+ "original_hash": "4993c22b32d24c9d2d087645c2a90d81",
+ "translation_date": "2026-01-16T07:41:51+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/gan_architecture.png",
+ "language_code": "te"
+ },
+ "history-of-ai.7e83efa70b537f5a.webp": {
+ "original_hash": "644e648b98fcb10fb9713452ff02934d",
+ "translation_date": "2026-01-16T07:46:13+00:00",
+ "source_file": "lessons/1-Intro/images/history-of-ai.png",
+ "language_code": "te"
+ },
+ "ideal-cat-loop.999fbb8ff306e044.webp": {
+ "original_hash": "c54e983c591431338bf8ddac9ab8415b",
+ "translation_date": "2026-01-16T07:42:19+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat-loop.png",
+ "language_code": "te"
+ },
+ "ideal-cat.203dd4597643d6b0.webp": {
+ "original_hash": "5b44760be530a91be18a5cceebbc2cc3",
+ "translation_date": "2026-01-16T07:42:24+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-cat.png",
+ "language_code": "te"
+ },
+ "ideal-zebra.7f70e8b54ee15a7a.webp": {
+ "original_hash": "6944fb46795f714f0ce8e856c405498a",
+ "translation_date": "2026-01-16T07:42:13+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/ideal-zebra.png",
+ "language_code": "te"
+ },
+ "image.896e8254a2c60d45.webp": {
+ "original_hash": "0033165481f191386403b85801811833",
+ "translation_date": "2026-01-16T07:41:54+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/image.jpg",
+ "language_code": "te"
+ },
+ "inception.a6605b85bcbc6f52.webp": {
+ "original_hash": "ebf0f6b0257fffb906b532d86fce2a9c",
+ "translation_date": "2026-01-16T07:44:53+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/inception.png",
+ "language_code": "te"
+ },
+ "instance_vs_semantic.eee9812bebf8cd45.webp": {
+ "original_hash": "f21d7fdd7090fd9f8a3c1178a8521076",
+ "translation_date": "2026-01-16T07:41:13+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/instance_vs_semantic.jpeg",
+ "language_code": "te"
+ },
+ "iou_equation.9a4751d40fff4e11.webp": {
+ "original_hash": "0a27f4ab37ead8d77cdf94a0bbc99e4a",
+ "translation_date": "2026-01-16T07:43:06+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/iou_equation.png",
+ "language_code": "te"
+ },
+ "jalammarBERT-language-modeling-masked-lm.34f113ea5fec4362.webp": {
+ "original_hash": "47f7de9ada12b89dcfa75d81eb0aaf15",
+ "translation_date": "2026-01-16T07:51:53+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/jalammarBERT-language-modeling-masked-lm.png",
+ "language_code": "te"
+ },
+ "knowledge-spectrum.b60df631852c0217.webp": {
+ "original_hash": "71b049ee26a22a68996034585436ca59",
+ "translation_date": "2026-01-16T07:46:43+00:00",
+ "source_file": "lessons/2-Symbolic/images/knowledge-spectrum.png",
+ "language_code": "te"
+ },
+ "lmfilters.ea9e4868a82cf74c.webp": {
+ "original_hash": "aa029ea2c45afbac3026a0a558eeec43",
+ "translation_date": "2026-01-16T07:44:55+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/lmfilters.jpg",
+ "language_code": "te"
+ },
+ "ml-for-beginners.9e4fed176fd5817d.webp": {
+ "original_hash": "cd606a24083e039082b0486fc8382823",
+ "translation_date": "2026-01-16T07:45:56+00:00",
+ "source_file": "lessons/1-Intro/images/ml-for-beginners.png",
+ "language_code": "te"
+ },
+ "mountaincar.f7b7a7f6d4f9933b.webp": {
+ "original_hash": "61c868cc389dc92bd2b402ea490cd162",
+ "translation_date": "2026-01-16T07:45:54+00:00",
+ "source_file": "lessons/6-Other/22-DeepRL/lab/images/mountaincar.png",
+ "language_code": "te"
+ },
+ "multi-layer-lstm.dd975e29bb2a59fe.webp": {
+ "original_hash": "27b6355fd86c9e8e6d443015653be763",
+ "translation_date": "2026-01-16T07:51:06+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/multi-layer-lstm.jpg",
+ "language_code": "te"
+ },
+ "naive-detection.e7f1ba220ccd08c6.webp": {
+ "original_hash": "4c96961c12a09f8e055546ed2e7de470",
+ "translation_date": "2026-01-16T07:42:57+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/naive-detection.png",
+ "language_code": "te"
+ },
+ "navi.2f20b727910110ea.webp": {
+ "original_hash": "fd3a1b48f7317e152edb2d1d943da24e",
+ "translation_date": "2026-01-16T07:41:29+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/navi.png",
+ "language_code": "te"
+ },
+ "netout.1eb15eb76fd76731.webp": {
+ "original_hash": "187261e2b5036746ee9d9106b1f7df1b",
+ "translation_date": "2026-01-16T07:49:12+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/netout.png",
+ "language_code": "te"
+ },
+ "offset-sequence-representation.eb73fcefb29b46ee.webp": {
+ "original_hash": "52e7632a2b668957b903bb2607e953fe",
+ "translation_date": "2026-01-16T07:53:11+00:00",
+ "source_file": "lessons/5-NLP/14-Embeddings/images/offset-sequence-representation.png",
+ "language_code": "te"
+ },
+ "optical.1f4a94464579a83a.webp": {
+ "original_hash": "1be97f7f2f58285c9960a90e5d5ae337",
+ "translation_date": "2026-01-16T07:42:42+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/optical.png",
+ "language_code": "te"
+ },
+ "original-dog.8f68a67d2fe0911f.webp": {
+ "original_hash": "3ed859629b4141f735fd0d3c1941f520",
+ "translation_date": "2026-01-16T07:42:31+00:00",
+ "source_file": "lessons/4-ComputerVision/08-TransferLearning/images/original-dog.png",
+ "language_code": "te"
+ },
+ "overfit.a0bd57f717c15769.webp": {
+ "original_hash": "810408efec3fc8cb44a2b4bc53466a6b",
+ "translation_date": "2026-01-16T07:49:52+00:00",
+ "source_file": "lessons/3-NeuralNetworks/04-OwnFramework/images/overfit.png",
+ "language_code": "te"
+ },
+ "overfit1.f24b71c6f652e59e.webp": {
+ "original_hash": "76155698e85340d9dfff8e0a628d25c1",
+ "translation_date": "2026-01-16T07:49:28+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit1.jpg",
+ "language_code": "te"
+ },
+ "overfit2.131f5800ae10ca5e.webp": {
+ "original_hash": "eb04381b2f222518ec400b98ebf441b2",
+ "translation_date": "2026-01-16T07:49:11+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/overfit2.jpg",
+ "language_code": "te"
+ },
+ "palm-movement.341495f0e9c47da3.webp": {
+ "original_hash": "100780b2e1d5adff2739adf58fc18404",
+ "translation_date": "2026-01-16T07:42:40+00:00",
+ "source_file": "lessons/4-ComputerVision/06-IntroCV/images/palm-movement.png",
+ "language_code": "te"
+ },
+ "photo-cat.8c8e8fb760ffe457.webp": {
+ "original_hash": "29d10fef28d240c48995ef9dd23e477a",
+ "translation_date": "2026-01-16T07:46:13+00:00",
+ "source_file": "lessons/1-Intro/images/photo-cat.jpg",
+ "language_code": "te"
+ },
+ "pos-embedding.e41ce9b6cf6078af.webp": {
+ "original_hash": "f0910082dcac063f3baae2e1f28b4e30",
+ "translation_date": "2026-01-16T07:52:10+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/pos-embedding.png",
+ "language_code": "te"
+ },
+ "protege.274177ceeac13b38.webp": {
+ "original_hash": "56d5a5aba9b9e89a927f7fdc42ba16f5",
+ "translation_date": "2026-01-16T07:49:02+00:00",
+ "source_file": "lessons/2-Symbolic/images/protege.png",
+ "language_code": "te"
+ },
+ "r-fcn.13eb88158b99a3da.webp": {
+ "original_hash": "38cd0e0105546e56fa17b711d445195f",
+ "translation_date": "2026-01-16T07:43:32+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/r-fcn.png",
+ "language_code": "te"
+ },
+ "rcnn1.cae407020dfb1d1f.webp": {
+ "original_hash": "9cf0ea86d9dadf06a31cd109efc49796",
+ "translation_date": "2026-01-16T07:43:18+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn1.png",
+ "language_code": "te"
+ },
+ "rcnn2.2d9530bb83516484.webp": {
+ "original_hash": "cc44ad151b6d88e2838db475e7ab5dff",
+ "translation_date": "2026-01-16T07:43:44+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/rcnn2.png",
+ "language_code": "te"
+ },
+ "resnet-block.aba4ccbcc0944434.webp": {
+ "original_hash": "cf2131c7cb1053d6d2559ef83df057a8",
+ "translation_date": "2026-01-16T07:44:03+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/resnet-block.png",
+ "language_code": "te"
+ },
+ "rnn-anatomy.79ee3f3920b3294b.webp": {
+ "original_hash": "cac3c7102f2bc410efd6230b3bc58c63",
+ "translation_date": "2026-01-16T07:51:16+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn-anatomy.png",
+ "language_code": "te"
+ },
+ "rnn-generate-inf.5168dc65e0370eea.webp": {
+ "original_hash": "d3ed5c87de90c01b0b77ca02580b3707",
+ "translation_date": "2026-01-16T07:53:00+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate-inf.png",
+ "language_code": "te"
+ },
+ "rnn-generate.56c54afb52f9781d.webp": {
+ "original_hash": "67332ada2d0603921bba37c06956c70e",
+ "translation_date": "2026-01-16T07:52:56+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/rnn-generate.png",
+ "language_code": "te"
+ },
+ "rnn.27f5c29c53d727b5.webp": {
+ "original_hash": "bed0f1884d1a2c2620e6ba741af994b8",
+ "translation_date": "2026-01-16T07:51:28+00:00",
+ "source_file": "lessons/5-NLP/16-RNN/images/rnn.png",
+ "language_code": "te"
+ },
+ "segm.92442f2cb42ff4fa.webp": {
+ "original_hash": "87d6cbfe87db8fd64b45fa75ba863e60",
+ "translation_date": "2026-01-16T07:41:38+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segm.png",
+ "language_code": "te"
+ },
+ "segnet.87377542aa5a8b76.webp": {
+ "original_hash": "fa6d2d499aa2ae589a14caede7534561",
+ "translation_date": "2026-01-16T07:41:43+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/segnet.png",
+ "language_code": "te"
+ },
+ "style.5293e85e077ab22c.webp": {
+ "original_hash": "f797246177c68cc33bcdf7abae8c9b68",
+ "translation_date": "2026-01-16T07:41:53+00:00",
+ "source_file": "lessons/4-ComputerVision/10-GANs/images/style.jpg",
+ "language_code": "te"
+ },
+ "synapse-wikipedia.ed20a9e4726ea1c6.webp": {
+ "original_hash": "88212730ecd9b0c8b848c319951427d8",
+ "translation_date": "2026-01-16T07:49:08+00:00",
+ "source_file": "lessons/3-NeuralNetworks/images/synapse-wikipedia.jpg",
+ "language_code": "te"
+ },
+ "transformer-layer.905e14747ca4e7d5.webp": {
+ "original_hash": "dc9e2e401fa5e5c36a322b6721476ccd",
+ "translation_date": "2026-01-16T07:52:20+00:00",
+ "source_file": "lessons/5-NLP/18-Transformers/images/transformer-layer.png",
+ "language_code": "te"
+ },
+ "triplet-complex.32094972c7b4441b.webp": {
+ "original_hash": "56a2e05839a141c311db52655b37f8ad",
+ "translation_date": "2026-01-16T07:47:55+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet-complex.png",
+ "language_code": "te"
+ },
+ "triplet.4b9b332587593298.webp": {
+ "original_hash": "302e53ea355ffb556d99e3962d0a6516",
+ "translation_date": "2026-01-16T07:48:24+00:00",
+ "source_file": "lessons/2-Symbolic/images/triplet.png",
+ "language_code": "te"
+ },
+ "turing-test-evol.4184696701293ead.webp": {
+ "original_hash": "80d11b1074d61e5d6e4a207f72902e89",
+ "translation_date": "2026-01-16T07:46:27+00:00",
+ "source_file": "lessons/1-Intro/images/turing-test-evol.png",
+ "language_code": "te"
+ },
+ "unet.3adb555bf39d3657.webp": {
+ "original_hash": "49a151c11708ee9a3e94d21448146bf8",
+ "translation_date": "2026-01-16T07:41:27+00:00",
+ "source_file": "lessons/4-ComputerVision/12-Segmentation/images/unet.png",
+ "language_code": "te"
+ },
+ "unreasonable-effectiveness-of-rnn.541ead816778f42d.webp": {
+ "original_hash": "2a37bd4e9b12bcc19e045eaf22fea4e5",
+ "translation_date": "2026-01-16T07:52:50+00:00",
+ "source_file": "lessons/5-NLP/17-GenerativeNetworks/images/unreasonable-effectiveness-of-rnn.jpg",
+ "language_code": "te"
+ },
+ "vae.464c465a5b6a9e25.webp": {
+ "original_hash": "0b658c7862077e139162c756bcb98071",
+ "translation_date": "2026-01-16T07:40:53+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vae.png",
+ "language_code": "te"
+ },
+ "vaemnist-diag.694315f775d5d666.webp": {
+ "original_hash": "0652f5a95005348c6b1533438103dfcf",
+ "translation_date": "2026-01-16T07:40:55+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist-diag.png",
+ "language_code": "te"
+ },
+ "vaemnist.cab9e602dc08dc50.webp": {
+ "original_hash": "8159b2f649e6dd8efa071455d6f222b6",
+ "translation_date": "2026-01-16T07:41:02+00:00",
+ "source_file": "lessons/4-ComputerVision/09-Autoencoders/images/vaemnist.png",
+ "language_code": "te"
+ },
+ "vgg-16-arch.64ff2137f50dd49f.webp": {
+ "original_hash": "9fc348503d0ec03875e4b46f896f3aa9",
+ "translation_date": "2026-01-16T07:44:39+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch.jpg",
+ "language_code": "te"
+ },
+ "vgg-16-arch1.d901a5583b3a51ba.webp": {
+ "original_hash": "5b0f835d04dc20d097a0b89c88339966",
+ "translation_date": "2026-01-16T07:44:35+00:00",
+ "source_file": "lessons/4-ComputerVision/07-ConvNets/images/vgg-16-arch1.jpg",
+ "language_code": "te"
+ },
+ "vqgan.5027fe05051dfa31.webp": {
+ "original_hash": "845e5593c927fd3c3c125a90d0f8eb87",
+ "translation_date": "2026-01-16T07:50:27+00:00",
+ "source_file": "lessons/X-Extras/X1-MultiModal/images/vqgan.png",
+ "language_code": "te"
+ },
+ "yolo.a2648ec82ee8bb4e.webp": {
+ "original_hash": "e8835638234f5c21fcf36fdede6457f4",
+ "translation_date": "2026-01-16T07:43:36+00:00",
+ "source_file": "lessons/4-ComputerVision/11-ObjectDetection/images/yolo.png",
+ "language_code": "te"
}
}
\ No newline at end of file
diff --git a/translated_images/transformer-layer.905e14747ca4e7d5.kn.png b/translated_images/transformer-layer.905e14747ca4e7d5.kn.png
deleted file mode 100644
index cc88f255..00000000
Binary files a/translated_images/transformer-layer.905e14747ca4e7d5.kn.png and /dev/null differ
diff --git a/translated_images/transformer-layer.905e14747ca4e7d5.ml.png b/translated_images/transformer-layer.905e14747ca4e7d5.ml.png
deleted file mode 100644
index c82cca9a..00000000
Binary files a/translated_images/transformer-layer.905e14747ca4e7d5.ml.png and /dev/null differ
diff --git a/translated_images/transformer-layer.905e14747ca4e7d5cf1409e8bf8944c9b1d6e4f5ce3ab167918af65c4904d727.kn.png b/translated_images/transformer-layer.905e14747ca4e7d5cf1409e8bf8944c9b1d6e4f5ce3ab167918af65c4904d727.kn.png
deleted file mode 100644
index cc88f255..00000000
Binary files a/translated_images/transformer-layer.905e14747ca4e7d5cf1409e8bf8944c9b1d6e4f5ce3ab167918af65c4904d727.kn.png and /dev/null differ
diff --git a/translated_images/transformer-layer.905e14747ca4e7d5cf1409e8bf8944c9b1d6e4f5ce3ab167918af65c4904d727.ml.png b/translated_images/transformer-layer.905e14747ca4e7d5cf1409e8bf8944c9b1d6e4f5ce3ab167918af65c4904d727.ml.png
deleted file mode 100644
index c82cca9a..00000000
Binary files a/translated_images/transformer-layer.905e14747ca4e7d5cf1409e8bf8944c9b1d6e4f5ce3ab167918af65c4904d727.ml.png and /dev/null differ
diff --git a/translated_images/triplet-complex.32094972c7b4441b.kn.png b/translated_images/triplet-complex.32094972c7b4441b.kn.png
deleted file mode 100644
index 289da5ac..00000000
Binary files a/translated_images/triplet-complex.32094972c7b4441b.kn.png and /dev/null differ
diff --git a/translated_images/triplet-complex.32094972c7b4441b.ml.png b/translated_images/triplet-complex.32094972c7b4441b.ml.png
deleted file mode 100644
index 8fb6a644..00000000
Binary files a/translated_images/triplet-complex.32094972c7b4441b.ml.png and /dev/null differ
diff --git a/translated_images/triplet-complex.32094972c7b4441b844bd85e683ba8eedc08af12177160f11584452698f29ace.kn.png b/translated_images/triplet-complex.32094972c7b4441b844bd85e683ba8eedc08af12177160f11584452698f29ace.kn.png
deleted file mode 100644
index 289da5ac..00000000
Binary files a/translated_images/triplet-complex.32094972c7b4441b844bd85e683ba8eedc08af12177160f11584452698f29ace.kn.png and /dev/null differ
diff --git a/translated_images/triplet-complex.32094972c7b4441b844bd85e683ba8eedc08af12177160f11584452698f29ace.ml.png b/translated_images/triplet-complex.32094972c7b4441b844bd85e683ba8eedc08af12177160f11584452698f29ace.ml.png
deleted file mode 100644
index 8fb6a644..00000000
Binary files a/translated_images/triplet-complex.32094972c7b4441b844bd85e683ba8eedc08af12177160f11584452698f29ace.ml.png and /dev/null differ
diff --git a/translated_images/triplet.4b9b332587593298.kn.png b/translated_images/triplet.4b9b332587593298.kn.png
deleted file mode 100644
index 218de592..00000000
Binary files a/translated_images/triplet.4b9b332587593298.kn.png and /dev/null differ
diff --git a/translated_images/triplet.4b9b332587593298.ml.png b/translated_images/triplet.4b9b332587593298.ml.png
deleted file mode 100644
index 6e8e436e..00000000
Binary files a/translated_images/triplet.4b9b332587593298.ml.png and /dev/null differ
diff --git a/translated_images/triplet.4b9b332587593298b31846eb5cf341d8f7e48da76e6692dbb7cf0fcf2fd5ab38.kn.png b/translated_images/triplet.4b9b332587593298b31846eb5cf341d8f7e48da76e6692dbb7cf0fcf2fd5ab38.kn.png
deleted file mode 100644
index 218de592..00000000
Binary files a/translated_images/triplet.4b9b332587593298b31846eb5cf341d8f7e48da76e6692dbb7cf0fcf2fd5ab38.kn.png and /dev/null differ
diff --git a/translated_images/triplet.4b9b332587593298b31846eb5cf341d8f7e48da76e6692dbb7cf0fcf2fd5ab38.ml.png b/translated_images/triplet.4b9b332587593298b31846eb5cf341d8f7e48da76e6692dbb7cf0fcf2fd5ab38.ml.png
deleted file mode 100644
index 6e8e436e..00000000
Binary files a/translated_images/triplet.4b9b332587593298b31846eb5cf341d8f7e48da76e6692dbb7cf0fcf2fd5ab38.ml.png and /dev/null differ
diff --git a/translated_images/turing-test-evol.4184696701293ead.kn.png b/translated_images/turing-test-evol.4184696701293ead.kn.png
deleted file mode 100644
index 43469212..00000000
Binary files a/translated_images/turing-test-evol.4184696701293ead.kn.png and /dev/null differ
diff --git a/translated_images/turing-test-evol.4184696701293ead.ml.png b/translated_images/turing-test-evol.4184696701293ead.ml.png
deleted file mode 100644
index 71df82ab..00000000
Binary files a/translated_images/turing-test-evol.4184696701293ead.ml.png and /dev/null differ
diff --git a/translated_images/turing-test-evol.4184696701293ead6de6e6441a659c62f0b119b342456987f531005f43be0b6d.kn.png b/translated_images/turing-test-evol.4184696701293ead6de6e6441a659c62f0b119b342456987f531005f43be0b6d.kn.png
deleted file mode 100644
index 43469212..00000000
Binary files a/translated_images/turing-test-evol.4184696701293ead6de6e6441a659c62f0b119b342456987f531005f43be0b6d.kn.png and /dev/null differ
diff --git a/translated_images/turing-test-evol.4184696701293ead6de6e6441a659c62f0b119b342456987f531005f43be0b6d.ml.png b/translated_images/turing-test-evol.4184696701293ead6de6e6441a659c62f0b119b342456987f531005f43be0b6d.ml.png
deleted file mode 100644
index 71df82ab..00000000
Binary files a/translated_images/turing-test-evol.4184696701293ead6de6e6441a659c62f0b119b342456987f531005f43be0b6d.ml.png and /dev/null differ
diff --git a/translated_images/unet.3adb555bf39d3657.kn.png b/translated_images/unet.3adb555bf39d3657.kn.png
deleted file mode 100644
index da7783ba..00000000
Binary files a/translated_images/unet.3adb555bf39d3657.kn.png and /dev/null differ
diff --git a/translated_images/unet.3adb555bf39d3657.ml.png b/translated_images/unet.3adb555bf39d3657.ml.png
deleted file mode 100644
index 89aaa881..00000000
Binary files a/translated_images/unet.3adb555bf39d3657.ml.png and /dev/null differ
diff --git a/translated_images/unet.3adb555bf39d3657bf535321c7ee153dbdd32895189e915e014229a9c79cf1e3.kn.png b/translated_images/unet.3adb555bf39d3657bf535321c7ee153dbdd32895189e915e014229a9c79cf1e3.kn.png
deleted file mode 100644
index da7783ba..00000000
Binary files a/translated_images/unet.3adb555bf39d3657bf535321c7ee153dbdd32895189e915e014229a9c79cf1e3.kn.png and /dev/null differ
diff --git a/translated_images/unet.3adb555bf39d3657bf535321c7ee153dbdd32895189e915e014229a9c79cf1e3.ml.png b/translated_images/unet.3adb555bf39d3657bf535321c7ee153dbdd32895189e915e014229a9c79cf1e3.ml.png
deleted file mode 100644
index 89aaa881..00000000
Binary files a/translated_images/unet.3adb555bf39d3657bf535321c7ee153dbdd32895189e915e014229a9c79cf1e3.ml.png and /dev/null differ
diff --git a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42d.kn.jpg b/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42d.kn.jpg
deleted file mode 100644
index ecbd2a28..00000000
Binary files a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42d.kn.jpg and /dev/null differ
diff --git a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42d.ml.jpg b/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42d.ml.jpg
deleted file mode 100644
index 1db4edba..00000000
Binary files a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42d.ml.jpg and /dev/null differ
diff --git a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42dce6c42d8a56c184729aa2378d059b851be4ce12b993033df.kn.jpg b/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42dce6c42d8a56c184729aa2378d059b851be4ce12b993033df.kn.jpg
deleted file mode 100644
index ecbd2a28..00000000
Binary files a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42dce6c42d8a56c184729aa2378d059b851be4ce12b993033df.kn.jpg and /dev/null differ
diff --git a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42dce6c42d8a56c184729aa2378d059b851be4ce12b993033df.ml.jpg b/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42dce6c42d8a56c184729aa2378d059b851be4ce12b993033df.ml.jpg
deleted file mode 100644
index 1db4edba..00000000
Binary files a/translated_images/unreasonable-effectiveness-of-rnn.541ead816778f42dce6c42d8a56c184729aa2378d059b851be4ce12b993033df.ml.jpg and /dev/null differ
diff --git a/translated_images/vae.464c465a5b6a9e25.kn.png b/translated_images/vae.464c465a5b6a9e25.kn.png
deleted file mode 100644
index ed76e674..00000000
Binary files a/translated_images/vae.464c465a5b6a9e25.kn.png and /dev/null differ
diff --git a/translated_images/vae.464c465a5b6a9e25.ml.png b/translated_images/vae.464c465a5b6a9e25.ml.png
deleted file mode 100644
index b7c76960..00000000
Binary files a/translated_images/vae.464c465a5b6a9e25.ml.png and /dev/null differ
diff --git a/translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.kn.png b/translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.kn.png
deleted file mode 100644
index ed76e674..00000000
Binary files a/translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.kn.png and /dev/null differ
diff --git a/translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.ml.png b/translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.ml.png
deleted file mode 100644
index b7c76960..00000000
Binary files a/translated_images/vae.464c465a5b6a9e253be65a8cb3be1724832cbde57ece3912ddc962b199472a89.ml.png and /dev/null differ
diff --git a/translated_images/vaemnist-diag.694315f775d5d666.kn.png b/translated_images/vaemnist-diag.694315f775d5d666.kn.png
deleted file mode 100644
index 6d15b15b..00000000
Binary files a/translated_images/vaemnist-diag.694315f775d5d666.kn.png and /dev/null differ
diff --git a/translated_images/vaemnist-diag.694315f775d5d666.ml.png b/translated_images/vaemnist-diag.694315f775d5d666.ml.png
deleted file mode 100644
index 6d15b15b..00000000
Binary files a/translated_images/vaemnist-diag.694315f775d5d666.ml.png and /dev/null differ
diff --git a/translated_images/vaemnist-diag.694315f775d5d666b02fb54f8fc7c64db65a9d126a16c2fdb8683cf9726f9ff5.kn.png b/translated_images/vaemnist-diag.694315f775d5d666b02fb54f8fc7c64db65a9d126a16c2fdb8683cf9726f9ff5.kn.png
deleted file mode 100644
index 6d15b15b..00000000
Binary files a/translated_images/vaemnist-diag.694315f775d5d666b02fb54f8fc7c64db65a9d126a16c2fdb8683cf9726f9ff5.kn.png and /dev/null differ
diff --git a/translated_images/vaemnist-diag.694315f775d5d666b02fb54f8fc7c64db65a9d126a16c2fdb8683cf9726f9ff5.ml.png b/translated_images/vaemnist-diag.694315f775d5d666b02fb54f8fc7c64db65a9d126a16c2fdb8683cf9726f9ff5.ml.png
deleted file mode 100644
index 6d15b15b..00000000
Binary files a/translated_images/vaemnist-diag.694315f775d5d666b02fb54f8fc7c64db65a9d126a16c2fdb8683cf9726f9ff5.ml.png and /dev/null differ
diff --git a/translated_images/vaemnist.cab9e602dc08dc50.kn.png b/translated_images/vaemnist.cab9e602dc08dc50.kn.png
deleted file mode 100644
index fc40c3b8..00000000
Binary files a/translated_images/vaemnist.cab9e602dc08dc50.kn.png and /dev/null differ
diff --git a/translated_images/vaemnist.cab9e602dc08dc50.ml.png b/translated_images/vaemnist.cab9e602dc08dc50.ml.png
deleted file mode 100644
index 0f0d7beb..00000000
Binary files a/translated_images/vaemnist.cab9e602dc08dc50.ml.png and /dev/null differ
diff --git a/translated_images/vaemnist.cab9e602dc08dc5066ce14e005889d6b53ca5bcaf16e35c28dbf8cd40c304de1.kn.png b/translated_images/vaemnist.cab9e602dc08dc5066ce14e005889d6b53ca5bcaf16e35c28dbf8cd40c304de1.kn.png
deleted file mode 100644
index fc40c3b8..00000000
Binary files a/translated_images/vaemnist.cab9e602dc08dc5066ce14e005889d6b53ca5bcaf16e35c28dbf8cd40c304de1.kn.png and /dev/null differ
diff --git a/translated_images/vaemnist.cab9e602dc08dc5066ce14e005889d6b53ca5bcaf16e35c28dbf8cd40c304de1.ml.png b/translated_images/vaemnist.cab9e602dc08dc5066ce14e005889d6b53ca5bcaf16e35c28dbf8cd40c304de1.ml.png
deleted file mode 100644
index 0f0d7beb..00000000
Binary files a/translated_images/vaemnist.cab9e602dc08dc5066ce14e005889d6b53ca5bcaf16e35c28dbf8cd40c304de1.ml.png and /dev/null differ
diff --git a/translated_images/vgg-16-arch.64ff2137f50dd49f.kn.jpg b/translated_images/vgg-16-arch.64ff2137f50dd49f.kn.jpg
deleted file mode 100644
index 0745e1de..00000000
Binary files a/translated_images/vgg-16-arch.64ff2137f50dd49f.kn.jpg and /dev/null differ
diff --git a/translated_images/vgg-16-arch.64ff2137f50dd49f.ml.jpg b/translated_images/vgg-16-arch.64ff2137f50dd49f.ml.jpg
deleted file mode 100644
index d5428398..00000000
Binary files a/translated_images/vgg-16-arch.64ff2137f50dd49f.ml.jpg and /dev/null differ
diff --git a/translated_images/vgg-16-arch.64ff2137f50dd49fdaa786e3f3a975b3f22615efd13efb19c5d22f12e01451a1.kn.jpg b/translated_images/vgg-16-arch.64ff2137f50dd49fdaa786e3f3a975b3f22615efd13efb19c5d22f12e01451a1.kn.jpg
deleted file mode 100644
index 0745e1de..00000000
Binary files a/translated_images/vgg-16-arch.64ff2137f50dd49fdaa786e3f3a975b3f22615efd13efb19c5d22f12e01451a1.kn.jpg and /dev/null differ
diff --git a/translated_images/vgg-16-arch.64ff2137f50dd49fdaa786e3f3a975b3f22615efd13efb19c5d22f12e01451a1.ml.jpg b/translated_images/vgg-16-arch.64ff2137f50dd49fdaa786e3f3a975b3f22615efd13efb19c5d22f12e01451a1.ml.jpg
deleted file mode 100644
index d5428398..00000000
Binary files a/translated_images/vgg-16-arch.64ff2137f50dd49fdaa786e3f3a975b3f22615efd13efb19c5d22f12e01451a1.ml.jpg and /dev/null differ
diff --git a/translated_images/vgg-16-arch1.d901a5583b3a51ba.kn.jpg b/translated_images/vgg-16-arch1.d901a5583b3a51ba.kn.jpg
deleted file mode 100644
index a19cb1ee..00000000
Binary files a/translated_images/vgg-16-arch1.d901a5583b3a51ba.kn.jpg and /dev/null differ
diff --git a/translated_images/vgg-16-arch1.d901a5583b3a51ba.ml.jpg b/translated_images/vgg-16-arch1.d901a5583b3a51ba.ml.jpg
deleted file mode 100644
index 3a470587..00000000
Binary files a/translated_images/vgg-16-arch1.d901a5583b3a51ba.ml.jpg and /dev/null differ
diff --git a/translated_images/vgg-16-arch1.d901a5583b3a51baeaab3e768567d921e5d54befa46e1e642616c5458c934028.kn.jpg b/translated_images/vgg-16-arch1.d901a5583b3a51baeaab3e768567d921e5d54befa46e1e642616c5458c934028.kn.jpg
deleted file mode 100644
index a19cb1ee..00000000
Binary files a/translated_images/vgg-16-arch1.d901a5583b3a51baeaab3e768567d921e5d54befa46e1e642616c5458c934028.kn.jpg and /dev/null differ
diff --git a/translated_images/vgg-16-arch1.d901a5583b3a51baeaab3e768567d921e5d54befa46e1e642616c5458c934028.ml.jpg b/translated_images/vgg-16-arch1.d901a5583b3a51baeaab3e768567d921e5d54befa46e1e642616c5458c934028.ml.jpg
deleted file mode 100644
index 3a470587..00000000
Binary files a/translated_images/vgg-16-arch1.d901a5583b3a51baeaab3e768567d921e5d54befa46e1e642616c5458c934028.ml.jpg and /dev/null differ
diff --git a/translated_images/vqgan.5027fe05051dfa31.kn.png b/translated_images/vqgan.5027fe05051dfa31.kn.png
deleted file mode 100644
index 0ff0ca12..00000000
Binary files a/translated_images/vqgan.5027fe05051dfa31.kn.png and /dev/null differ
diff --git a/translated_images/vqgan.5027fe05051dfa31.ml.png b/translated_images/vqgan.5027fe05051dfa31.ml.png
deleted file mode 100644
index 59c439a5..00000000
Binary files a/translated_images/vqgan.5027fe05051dfa31.ml.png and /dev/null differ
diff --git a/translated_images/vqgan.5027fe05051dfa3101950cfa930303f66e6478b9bd273e83766731796e462d9b.kn.png b/translated_images/vqgan.5027fe05051dfa3101950cfa930303f66e6478b9bd273e83766731796e462d9b.kn.png
deleted file mode 100644
index 0ff0ca12..00000000
Binary files a/translated_images/vqgan.5027fe05051dfa3101950cfa930303f66e6478b9bd273e83766731796e462d9b.kn.png and /dev/null differ
diff --git a/translated_images/vqgan.5027fe05051dfa3101950cfa930303f66e6478b9bd273e83766731796e462d9b.ml.png b/translated_images/vqgan.5027fe05051dfa3101950cfa930303f66e6478b9bd273e83766731796e462d9b.ml.png
deleted file mode 100644
index 59c439a5..00000000
Binary files a/translated_images/vqgan.5027fe05051dfa3101950cfa930303f66e6478b9bd273e83766731796e462d9b.ml.png and /dev/null differ
diff --git a/translated_images/yolo.a2648ec82ee8bb4e.kn.png b/translated_images/yolo.a2648ec82ee8bb4e.kn.png
deleted file mode 100644
index 6eba776a..00000000
Binary files a/translated_images/yolo.a2648ec82ee8bb4e.kn.png and /dev/null differ
diff --git a/translated_images/yolo.a2648ec82ee8bb4e.ml.png b/translated_images/yolo.a2648ec82ee8bb4e.ml.png
deleted file mode 100644
index 138a9b38..00000000
Binary files a/translated_images/yolo.a2648ec82ee8bb4e.ml.png and /dev/null differ
diff --git a/translated_images/yolo.a2648ec82ee8bb4ea27537677adb482fd4b733ca1705c561b6a24a85102dced5.kn.png b/translated_images/yolo.a2648ec82ee8bb4ea27537677adb482fd4b733ca1705c561b6a24a85102dced5.kn.png
deleted file mode 100644
index 6eba776a..00000000
Binary files a/translated_images/yolo.a2648ec82ee8bb4ea27537677adb482fd4b733ca1705c561b6a24a85102dced5.kn.png and /dev/null differ
diff --git a/translated_images/yolo.a2648ec82ee8bb4ea27537677adb482fd4b733ca1705c561b6a24a85102dced5.ml.png b/translated_images/yolo.a2648ec82ee8bb4ea27537677adb482fd4b733ca1705c561b6a24a85102dced5.ml.png
deleted file mode 100644
index 138a9b38..00000000
Binary files a/translated_images/yolo.a2648ec82ee8bb4ea27537677adb482fd4b733ca1705c561b6a24a85102dced5.ml.png and /dev/null differ
diff --git a/translations/kn/README.md b/translations/kn/README.md
index 3685413c..2c3b4a6c 100644
--- a/translations/kn/README.md
+++ b/translations/kn/README.md
@@ -1,8 +1,8 @@
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](./README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
> **ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಮಾಡಬೇಕೆ?**
-> ಈ ಸಂಗ್ರಹ 50+ ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಒಳಗೊಂಡಿದ್ದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಬಹಳ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸ್ ಚೆಕೌಟ್ ಬಳಸಿ:
+> ಈ ಸಂಗ್ರಹಕ್ಕೆ 50+ ಭಾಷಾ ಅನುವಾದಗಳು ಸೇರಿವೆ, ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೇ ಕ್ಲೋನಿಂಗ್ ಮಾಡಲು sparse checkout ಬಳಸಿ:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
> cd AI-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
-> ಇದು ನಿಮಗೆ ಪಾಠವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಬೇಕಾದ ಎಲ್ಲಾ ವಿಷಯವನ್ನು ಹೆಚ್ಚುವರಿ ವೇಗದ ಡೌನ್ಲೋಡ್ ಜೊತೆಗೆ ನೀಡುತ್ತದೆ.
+> ಇದು ನಿಮಗೆ ಪಾಠಕ್ರಮ ಪೂರ್ಣಗೊಳಿಸಲು ಬೇಕಾದ ಎಲ್ಲವನ್ನು ತುಂಬಾ ವೇಗವಾಗಿ ಡೌನ್ಲೋಡ್ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
-**ನೀವು ಹೆಚ್ಚಿನ ಅನುವಾದ ಭಾಷೆಗಳ ಬೆಂಬಲವನ್ನು ಬಯಸಿದರೆ ಅವನ್ನು [ಇಲ್ಲಿ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) ದೊರೆಯಬಹುದು**
+**ನೀವು ಹೆಚ್ಚುವರಿ ಅನುವಾದ ಭಾಷೆಗಳ ಬೆಂಬಲವನ್ನು ಇಚ್ಛಿಸಿದರೆ ಅವುಗಳನ್ನು [ಇಲ್ಲಿ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md) ನೋಡಬಹುದು**
## ಸಮುದಾಯದಲ್ಲಿ ಸೇರಿ
[](https://discord.gg/nTYy5BXMWG)
-## ನೀವು ಕಲಿಯುವುದು
+## ನೀವು ಏನು ಕಲಿತೀರಿ
-**[ಕೋರ್ಸ್ನ ಮಾನಸನಕ್ಷೆ](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
+**[ಪಾಠಕ್ರಮದ ಮೈಂಡ್ಮ್ಯಾಪ್](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
-ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ನೀವು ಕಲಿಯುವುದು:
+ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ, ನೀವು ಕಲಿಯುವುದು:
-* ೆ ವಿಭಿನ್ನ ದೃಷ್ಠಿಕೋಣಗಳು искусственный ಬುದ್ಧಿಮತ್ತೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ, "ಹಳೇ" ಚಿಹ್ನಾತ್ಮಕ ವಿಧಾನ ಸೇರಿದಂತೆ **ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ** ಮತ್ತು ನಿರ್ಣಯ ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)).
-* **ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು** ಮತ್ತು **ಡೀಫ್ ಲರ್ನಿಂಗ್**, ಇವು ಆಧುನಿಕ AI ನ ಮೂಲಭೂತ అంశಗಳಾಗಿವೆ. ನಾವು ಈ ಮಹತ್ವಪೂರ್ಣ ವಿಷಯಗಳ ತತ್ವವನ್ನು ಎರಡು ಜನಪ್ರಿಯ ಫ್ರೀಮ್ವರ್ಕ್ಗಳಾದ [TensorFlow](http://Tensorflow.org) ಮತ್ತು [PyTorch](http://pytorch.org) ಬಳಸಿ ಸೂತ್ರದ ಮೂಲಕ ವಿವರಿಸುತ್ತೇವೆ.
-* ಚಿತ್ರಗಳು ಮತ್ತು ಪಠ್ಯದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು **ನ್ಯೂರಲ್ ವಾಸ್ತುಶಿಲ್ಪಗಳು**. ನಾವು ಇತ್ತೀಚಿನ ಮಾದರಿಗಳನ್ನು ಒಳಗೊಂಡಿದ್ದೇವೆ ಆದರೆ ರಾಜ್ಯ-of-the-art ನ್ನು ಕೆಲವು ಮಟ್ಟಿಗೆ ಕಡಿಮೆ ಮಾಡಬಹುದು.
-* ಇತರೆ ಕೈಗಾರಿಕೆ AI ವಿಧಾನಗಳು, ಉದಾಹರಣೆಗೆ **ಜನಕೀಯ ಅಲ್ಗಾರಿದಂಗಳು** ಮತ್ತು **ಬಹು-ಏಜೆಂಟು ವ್ಯವಸ್ಥೆಗಳು**.
+* 'ಚೆನ್ನಾದ ಹಳೆಯ' ಪ್ರಾತಿನಿಧ್ಯ ಮತ್ತು ತರ್ಕದೊಂದಿಗೆ **ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ** ಸೇರಿದಂತೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ವಿಭಿನ್ನ ದೃಷ್ಟಿಕೋನಗಳು ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)).
+* ಆಧುನಿಕ AI ಯ ಹೃದಯಭಾಗವಾಗಿರುವ **ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಸ್** ಮತ್ತು **ಡೀಪ್ ಲರ್ನಿಂಗ್**. ಈ ಪ್ರಮುಖ ತರಗತಿಗಳ ಹಿಂದಿನ ತತ್ವಗಳನ್ನು ನಾವು ಬಹುಜನ frameworks ಎರಡರಲ್ಲಿ - [TensorFlow](http://Tensorflow.org) ಮತ್ತು [PyTorch](http://pytorch.org) ಯಲ್ಲಿ ಸಂಯೋಜಿಸಲಿದ್ದೇವೆ.
+* ಚಿತ್ರ ಮತ್ತು ಪಠ್ಯದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು **ನ್ಯೂರಲ್ ವಾಸ್ತುಶಿಲ್ಪಗಳು**. ನಾವು ಇತ್ತೀಚಿನ ಮಾದರಿಗಳನ್ನು ಕವರ್ ಮಾಡೋಣ, ಆದರೆ ಸ್ಥಿತಿಗತಿಯ ಅತ್ಯೃತ ಎಂದುಕೊಳ್ಳಬೇಡಿ.
+* ಕಡಿಮೆ ಜನಪ್ರಿಯ AI ವಿಧಾನಗಳಾದ **ಜೀನೇಟಿಕ್ ಅಲ್ಗಾರಿಥಂಗಳು** ಮತ್ತು **ಮಲ್ಟಿ-ಏಜೆಂಟ್ ಸಿಸ್ಟಮ್ಸ್**.
-ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ನಾವು ಒಳಗೊಂಡಿಲ್ಲವು:
+ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ನಾವು ಹಿಡಿಯದವು:
-> [ನಮ್ಮ Microsoft Learn ಸಂಗ್ರಹದಲ್ಲಿ ಈ ಕೋರ್ಸ್ಗೆ ಸಂಬಂಧಿಸಿದ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
+> [ಮೈಕ್ರೋಸಾಫ್ಟ್ ಲರ್ನ್ ಸಂಗ್ರಹದಲ್ಲಿ ಈ ಕೋರ್ಸ್ನ ಎಲ್ಲಾ ಹೆಚ್ಚುವರಿ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
-* **ವ್ಯವಹಾರಗಳಲ್ಲಿ AI** ಬಳಕೆಯ ವ್ಯವಹಾರ ಪ್ರಕರಣಗಳು. Microsoft Learn ನಲ್ಲಿ [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) ಪಾಠವಳ್ಳಿ ಅಥವಾ [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), [INSEAD](https://www.insead.edu/) ಜೊತೆ ಸಹಯೋಗದಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ, ಅವುಗಳನ್ನೂ ತೆಗೆದುಕೊಳ್ಳಿ.
-* **ಸರಳ ಯಂತ್ರ ಅಧ್ಯಯನ** (Classic Machine Learning), ಇದು ನಮ್ಮ [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners) ನಲ್ಲಿ ಚೆನ್ನಾಗಿ ವಿವರಿಸಲಾಗಿದೆ.
-* **[ಕಾಗ್ನಿಟಿವ್ ಸೇವೆಗಳು](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ಬಳಸಿ ನಿರ್ಮಿಸಿದ ಪ್ರಾಯೋಗಿಕ AI ಅಪ್ಲಿಕೇಶನ್ಗಳು. ಇದಕ್ಕಾಗಿ, ನೀವು Microsoft Learn ನ [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [natural language processing](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Generative AI with Azure OpenAI Service](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** ಮತ್ತು ಇತರ ಮೋಡ್ಯೂಲ್ಗಳಿಂದ ಪ್ರಾರಂಭಿಸುವುದನ್ನು ಸೂಚಿಸುತ್ತೇವೆ.
-* ವಿಶೇಷ ಯಂತ್ರ ಅಧ್ಯಯನ **ಕ್ಲೌಡ್ ಫ್ರೀಮ್ವರ್ಕ್ಗಳು**, ಉದಾ: [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), ಅಥವಾ [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) ಮತ್ತು [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) ನ ಪಾಠ ಮಾರ್ಗಗಳನ್ನೂ ಪರೀಕ್ಷಿಸುವುದನ್ನು ಪರಿಗಣಿಸಿ.
-* **ಸಂವಾದಾತ್ಮಕ AI** ಮತ್ತು **ಚಾಟ್ ಬೋಟ್ಸ್**. [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) ಎಂಬ ಪ್ರತ್ಯೇಕ ಪಾಠ ಮಾರ್ಗವಿದೆ ಹಾಗೂ ಹೆಚ್ಚು ವಿವರಕ್ಕಾಗಿ [ಈ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) ನ್ನು ಕೂಡ ನೋಡಿ.
-* ಡೀಪ್ ಲರ್ನಿಂಗ್ ಅನಂತರದ **ಡೀಫ್ ಗಣಿತ**. ಇದಕ್ಕಾಗಿ, ಇಯಾನ್ ಗುಡ್ಫೆಲೋ, ಯೋಷುವಾ ಬೆಂಗಿಯೋ ಮತ್ತು ಆರೋನ್ ಕೌರ್ವಿಲ್ ರವರ **ಡೀಪ್ ಲರ್ನಿಂಗ್** ಪುಸ್ತಕವನ್ನು [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/) ನಲ್ಲಿ ಲಭಿಸುವಂತೆ ನಾವು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
+* **ವ್ಯವಹಾರದಲ್ಲಿ AI** ಬಳಕೆಯ ವ್ಯವಹಾರ ಪ್ರಕರಣಗಳು. ಇದಕ್ಕಾಗಿ [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) ನಲ್ಲಿ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಲರ್ನ್ ಪಾಠಮಾಲೆಯನ್ನು ಅಥವಾ [AI ಬಿಸಿನೆಸ್ ಶಾಲೆಯನ್ನು](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum) ([INSEAD](https://www.insead.edu/) ಜೊತೆ ಜೋಡಣೆಯಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ) ಪರಿಗಣಿಸಿ.
+* **ಚಿರಪರಿಚಿತ ಯಂತ್ರ ಅಧ್ಯಯನ**, ಇದು ನಮ್ಮ [ಆರಂಭಿಕರಿಗಾಗಿ ಮೆಷೀನ್ ಲರ್ನಿಂಗ್ ಪಠ್ಯಕ್ರಮ](http://github.com/Microsoft/ML-for-Beginners) ನಲ್ಲಿ ಚೆನ್ನಾಗಿ ವಿವರಿಸಲಾಗಿದೆ.
+* **[ಕಾಗ್ನಿಟಿವ್ ಸರ್ವೀಸಸ್](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ಬಳಸಿ ನಿರ್ಮಿಸಲಾದ ಪ್ರಾಯೋಗಿಕ AI ಅಪ್ಲಿಕೇಶನ್ಗಳು. ಇದಕ್ಕಾಗಿ, ನಾವು ದೃಷ್ಟಿ, ಪ್ರಕೃತಿ ಭಾಷಾ ಸಂಸ್ಕರಣೆ, **[Azure OpenAI ಸೇವೆಯೊಂದಿಗೆ ಜನರೇಟಿವ್ AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** ಮತ್ತು ಇತರಗಳೊಂದಿಗೆ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಲರ್ನ್ ಮಾಡ್ಯೂಲ್ಗಳಿಂದ ಪ್ರಾರಂಭಿಸುವ ತರುತ್ತೇವೆ.
+* ವಿಶೇಷ ML **ಕ್ಲೌಡ್ ಫ್ರೇಮ್ವರ್ಕ್ಗಳು**, ಉದಾಹರಣೆಗೆ [Azure ಮೆಷೀನ್ ಲರ್ನಿಂಗ್](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft ಫ್ಯಾಬ್ರಿಕ್](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), ಅಥವಾ [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). [Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) ಮತ್ತು [Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) ಲರ್ನಿಂಗ್ ಪಾತ್ಧಗಳನ್ನು ಪರಿಗಣಿಸಿ.
+* **ಸಂವಾದಾತ್ಮಕ AI** ಮತ್ತು **ಚಾಟ್ ಬೋಟಗಳು**. ಇದಕ್ಕೆ ಒಂದು ಪ್ರತ್ಯೇಕ [ಸಂವಾದಾತ್ಮಕ AI ಪರಿಹಾರಗಳನ್ನು ನಿರ್ಮಿಸಿ](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) ಲರ್ನಿಂಗ್ ಪಾತ್ಧವಿದ್ದು, ನೀವು ಹೆಚ್ಚಿನ ವಿವರಕ್ಕಾಗಿ [ಈ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) ಅನ್ನು ಸಹ ನೋಡಬಹುದು.
+* ಡೀಪ್ ಲರ್ನಿಂಗ್ ಹಿಂದೆ ಇರುವ **ಆಳವಾದ ಗಣಿತ**. ಇದಕ್ಕಾಗಿ, ನಾವು ಇಯಾನ್ ಗೂಡ್ಫೆಲೋ, ಯೋಶುವಾ ಬೆನ್ಝಿಯೋ ಮತ್ತು ಆರೋನ್ ಕೂರ್ವಿಲ್ ಅವರ [ಡೀಪ್ ಲರ್ನಿಂಗ್](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) ಪುಸ್ತಕವನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ, ಇದು [ಅನ್ಲೈನ್ ನಲ್ಲಿ ಲಭ್ಯವಿದೆ](https://www.deeplearningbook.org/).
-ಕ್ಲೌಡ್ನಲ್ಲಿರುವ _AI_ ವಿಷಯಗಳಿಗೆ ಮುಸುಕಿನ ಪರಿಚಯಕ್ಕಾಗಿ ನೀವು [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) ಪಾಠ ಮಾರ್ಗವನ್ನು ಪಡೆದುಕೊಳ್ಳಬಹುದು.
+_ಕ್ಲೌಡ್ನಲ್ಲಿ AI ಗೆ ನಿಶೀಲ ಪ್ರವೇಶಕ್ಕಾಗಿ ನೀವು [Azure ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆರಂಭಿಸಿ](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum)_learning path_ ಅನ್ನು ಪರಿಗಣಿಸಬಹುದು.
# ವಿಷಯ
-| | ಪಾಠದ ಲಿಂಕ್ | PyTorch/Keras/TensorFlow | ಪ್ರಯೋಗಾಲಯ |
+| | ಪಾಠ ಲಿಂಕ್ | PyTorch/Keras/TensorFlow | ಪ್ರಯೋಗಾಲಯ |
| :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ |
-| 0 | [ಕೋರ್ಸ್ ಸೆಟ್ಟಪ್](./lessons/0-course-setup/setup.md) | [ನಿಮ್ಮ ಅಭಿವೃದ್ಧಿ ವಾತಾವರಣವನ್ನು ಸೆಟ್ಅಪ್ ಮಾಡಿ](./lessons/0-course-setup/how-to-run.md) | |
-| I | [**AI ಗೆ ಪರಿಚಯ**](./lessons/1-Intro/README.md) | | |
-| 01 | [AI ಯ ಇತಿಹಾಸ ಮತ್ತು ಪರಿಚಯ](./lessons/1-Intro/README.md) | - | - |
-| II | **ಚಿಹ್ನಾತ್ಮಕ AI** |
-| 02 | [ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ಮತ್ತು ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು](./lessons/2-Symbolic/README.md) | [ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು](./lessons/2-Symbolic/Animals.ipynb) / [ಆಂಟೋಲಜಿ](./lessons/2-Symbolic/FamilyOntology.ipynb) /[ಸಂಕಲ್ಪ ಗ್ರಾಫ್](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
-| III | [**ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಸ್ಗೆ ಪರಿಚಯ**](./lessons/3-NeuralNetworks/README.md) |||
-| 03 | [ಪರ್ಸೆಪ್ಟ್ರಾನ್](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [ನೋಟ್ಬುಕ್](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ಲ್ಯಾಬ್](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
-| 04 | [ಮಲ್ಟಿ-ಲೆಯರ್ಡ್ ಪರ್ಸೆಪ್ಟ್ರಾನ್ ಮತ್ತು ನಮ್ಮದೇ ಫ್ರೇಮ್ವರ್ಕ್ ರಚನೆ](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [ನೋಟ್ಬುಕ್](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ಲ್ಯಾಬ್](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
-| 05 | [ಫ್ರೇಮ್ವರ್ಕ್ಗಳಿಗೆ ಪರಿಚಯ (PyTorch/TensorFlow) ಮತ್ತು ಓವರ್ಫಿಟ್ಟಿಂಗ್](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
-| IV | [**ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [ಮೈಕ್ರೋಸಾಫ್ಟ್ ಏಜ್ಯೂರ್ನಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಯನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
-| 06 | [ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿಗೆ ಪರಿಚಯ. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [ನೋಟ್ಬುಕ್](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) |
-| 07 | [ಕನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN ವಾಸ್ತುಶಿಲ್ಪಗಳು](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
-| 08 | [ಮುಂಚಿತವಾಗಿ ತರಬೇತುಗೊಂಡ ನೆಟ್ವರ್ಕ್ಗಳು ಮತ್ತು ವರ್ಗಾವಣೆ ಕಲಿಕೆ](./lessons/4-ComputerVision/08-TransferLearning/README.md) ಮತ್ತು [ತರಬೇತಿ ಪರಿಕಥೆಗಳು](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
+| 0 | [ಕೋರ್ಸ್ ಸೆಟ್ ಅಪ್](./lessons/0-course-setup/setup.md) | [ನಿಮ್ಮ ಅಭಿವೃದ್ಧಿ ಪರಿಸರವನ್ನು ಸೆಟ್ ಮಾಡಿ](./lessons/0-course-setup/how-to-run.md) | |
+| I | [**AI ಪರಿಚಯ**](./lessons/1-Intro/README.md) | | |
+| 01 | [AI ಪರಿಚಯ ಮತ್ತು ಇತಿಹಾಸ](./lessons/1-Intro/README.md) | - | - |
+| II | **ಸಾಂಕೆತಿಕ AI** |
+| 02 | [ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ಮತ್ತು ಪರಿಣತ ಸಿಸ್ಟಮ್ಗಳು](./lessons/2-Symbolic/README.md) | [ಪರಿಣತ ಸಿಸ್ಟಮ್ಗಳು](./lessons/2-Symbolic/Animals.ipynb) / [ಆಂಟಾಲಜಿ](./lessons/2-Symbolic/FamilyOntology.ipynb) /[ಕಾನ್ಸೆಪ್ಟ್ ಗ್ರಾಫ್](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
+| III | [**ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳಿಗೆ ಪರಿಚಯ**](./lessons/3-NeuralNetworks/README.md) |||
+| 03 | [ಪರ್ಸೆಪ್ಟ್ರಾನ್](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [నೋಟ್బుక్](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ಲ್ಯಾಬ್](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
+| 04 | [ಮಲ್ಟಿ-ಲೆಯರ್ ಪರ್ಸೆಪ್ಟ್ರಾನ್ ಮತ್ತು ನಮ್ಮದೇ ಫ್ರೇಮ್ವಾರ್ಕ್ ರಚನೆ](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [నೋಟ್బుక్](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ಲ್ಯಾಬ್](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
+| 05 | [ಫ್ರೇಮ್ವಾರ್ಕ್ಗಳ ಪರಿಚಯ (PyTorch/TensorFlow) ಮತ್ತು ಓವರ್ಫಿಟಿಂಗ್](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
+| IV | [**ಕಂಪ್ಯೂಟರ್ ವೀಕ್ಷಣೆ**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [Microsoft Azure ನಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ವೀಕ್ಷಣೆಯನ್ನು ಅನ್ವೇಷಿಸಿ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
+| 06 | [ಕಂಪ್ಯೂಟರ್ ವೀಕ್ಷಣೆಗೆ ಪರಿಚಯ. OpenCV](./lessons/4-ComputerVision/06-IntroCV/README.md) | [నೋಟ್బుక్](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) |
+| 07 | [ಕನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN ವಿನ್ಯಾಸಗಳು](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
+| 08 | [ಹಿಂದಿನಿಂದ ತರಬೇತುಗೊಂಡ ನೆಟ್ವರ್ಕ್ಗಳು ಮತ್ತು ಟ್ರಾನ್ಸ್ಫರ್ ಲರ್ನಿಂಗ್](./lessons/4-ComputerVision/08-TransferLearning/README.md) ಮತ್ತು [ಪ್ರಶಿಕ್ಷಣ ಯುಕ್ತಿಗಳು](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
| 09 | [ಆಟೋಎಂಕೋಡರ್ಗಳು ಮತ್ತು VAEಗಳು](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
-| 10 | [ಜನರೇಟಿವ್ ಆಡವರ್ಸರಿಯಲ್ ನೆಟ್ವರ್ಕ್ಗಳು & ಕಲೆ ಶೈಲಿ ವರ್ಗಾವಣೆ](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
-| 11 | [ವಸ್ತು ಗುರುತಿಸುವಿಕೆ](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
-| 12 | [ಅರ್ಥಪೂರ್ಣ ವಿಭಾಗೋದ್ದೇಶ. U-ನೆಟ್](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
-| V | [**ಪ್ರಾಕೃತಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [ಮೈಕ್ರೋಸಾಫ್ಟ್ ಏಜ್ಯೂರ್ನಲ್ಲಿ ಪ್ರಾಕೃತಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯನ್ನು ಅನ್ವೇಷಿಸಿ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
-| 13 | [ಪಠ್ಯ ಪ್ರತಿನಿಧಾನ. ಬೋ/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
-| 14 | [ಅರ್ಥಪೂರ್ಣ ಶಬ್ದ ಎಂಬೆಡ್ಡಿಂಗ್ಗಳು. ವರ್ಲ್ಡ್2ವೇಕ್ ಮತ್ತು ಗ್ಲೋವ್](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
-| 15 | [ಭಾಷಾ ಮಾದರೀಕರಣ. ನಿಮ್ಮದೇ ಎಂಬೆಡ್ಡಿಂಗ್ಗಳಿಗೆ ತರಬೇತಿ](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ಲ್ಯಾಬ್](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
-| 16 | [ಪುನರಾವೃತ್ತ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
-| 17 | [ಜನರೇಟಿವ್ ಪುನರಾವೃತ್ತ ನೆಟ್ವರ್ಕ್ಗಳು](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
-| 18 | [ಟ್ರಾನ್ಸ್ಫಾರ್ಮರ್ಗಳು. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
-| 19 | [ನಾಮವಾಚಕ ಘಟಕ ಗುರುತಿಸುವಿಕೆ](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ಲ್ಯಾಬ್](./lessons/5-NLP/19-NER/lab/README.md) |
-| 20 | [ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿ, ಪ್ರಾಂಪ್ಟ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಮತ್ತು ಕಡಿಮೆ-ಶಾಟ್ ಕಾರ್ಯಗಳು](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
-| VI | **ಇತರೆ AI ತಂತ್ರಜ್ಞಾನಗಳು** || |
-| 21 | [ಜನ್ಯ ಅಲ್ಗೊರಿದಮ್ಗಳು](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [ನೋಟ್ಬುಕ್](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
-| 22 | [ಗಿನಾಯಿತ ಪ್ರೋತ್ಸಾಹ ಕಲಿಕೆ](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ಲ್ಯಾಬ್](./lessons/6-Other/22-DeepRL/lab/README.md) |
+| 10 | [ಜನರೇಟಿವ್ ವಿರೋಧಾತ್ಮಕ ನೆಟ್ವರ್ಕ್ಗಳು ಮತ್ತು ಕಲೆ ಶೈಲಿ ವರ್ಗಾವಣೆ](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
+| 11 | [ವಸ್ತು ಪತ್ತೆ](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [ಲ್ಯಾಬ್](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
+| 12 | [ಸಾಮಾನ್ಯ ವಿಭಾಗೀಕರಣ. U-ನೆಟ್](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
+| V | [**ಸ್ವಾಭಾವಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [Microsoft Azure ನಲ್ಲಿ ಸ್ವಾಭಾವಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅನ್ವೇಷಿಸಿ](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
+| 13 | [ಲೇಖನ ಪ್ರತಿನಿಧಾನ. ಬೋ/TF-IDF](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
+| 14 | [ಸಮಾನಾರ್ಥಕ ಪದ ನೇರತೆ. Word2Vec ಮತ್ತು GloVe](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
+| 15 | [ಭಾಷಾ ಮಾದರಿ. ನಿಮ್ಮದೇ ನೇರತೆಗಳನ್ನು ತರಬೇತುಗೊಳಿಸಲಾಗುತ್ತಿದೆ](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ಲ್ಯಾಬ್](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
+| 16 | [ರಿಕರರೆಂಟ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
+| 17 | [ಜನರೇಟಿವ್ ರಿಕರರೆಂಟ್ ನೆಟ್ವರ್ಕ್ಗಳು](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ಲ್ಯಾಬ್](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
+| 18 | [ಟ್ರಾನ್ಸ್ಫಾರ್ಮರ್ಸ್. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
+| 19 | [ನಾಮಿತ ಘಟಕ ಗುರುತಿಸುವಿಕೆ](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ಲ್ಯಾಬ್](./lessons/5-NLP/19-NER/lab/README.md) |
+| 20 | [ಭಾರಿ ಭಾಷಾ ಮಾದರಿಗಳು, ಪ್ರಾಂಪ್ಟ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಮತ್ತು ಫ್ಯೂ-ಶಾಟ್ ಕಾರ್ಯಗಳು](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
+| VI | **ಇತರ AI ತಂತ್ರಗಳು** || |
+| 21 | [ಜನ್ಯ ಕಲೆಗಾರಿಕೆಗಳ ಅಲ್ಗೋರಿದಮ್ಗಳು](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [ನోಟ್బుక్](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
+| 22 | [ಡೀಪ್ ರೀಇನ್ಫೋರ್ಸ್ಮೆಂಟ್ ಲರ್ನಿಂಗ್](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ಲ್ಯಾಬ್](./lessons/6-Other/22-DeepRL/lab/README.md) |
| 23 | [ಮಲ್ಟಿ-ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಗಳು](./lessons/6-Other/23-MultiagentSystems/README.md) | | |
-| VII | **AI ನೈತಿಕತೆ** | | |
-| 24 | [AI ನ ನೈತಿಕತೆ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: ಜವಾಬ್ದಾರಿಯುತ AI ತತ್ವಗಳು](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
-| IX | **ಅತिरिक्तಗಳು** | | |
-| 25 | [ಮಲ್ಟಿ-ಮೋಡಲ್ ನೆಟ್ವರ್ಕ್ಗಳು, CLIP ಮತ್ತು VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [ನೋಟ್ಬುಕ್](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
+| VII | **AI ನೀತಿಶಾಸ್ತ್ರ** | | |
+| 24 | [AI ನೀತಿಶಾಸ್ತ್ರ ಮತ್ತು ಹೊಣೆಗಾರ AI](./lessons/7-Ethics/README.md) | [Microsoft Learn: ಹೊಣೆಗಾರ AI ತತ್ವಗಳು](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
+| IX | **ಹೊರಹೋಗಣೆಗಳು** | | |
+| 25 | [ಮಲ್ಟಿ-ಮೋಡಲ್ ನೆಟ್ವರ್ಕ್ಗಳು, CLIP ಮತ್ತು VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [నೋಟ್బుక్](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
-## ಪ್ರತಿಯೊಂದು ಪಾಠದಲ್ಲಿ ಇದಾಗಿವೆ
+## ಪ್ರತಿ ಪಾಠದಲ್ಲಿ ಗಳು
-* ಪೂರ್ವಓದುವಿಕೆ ಸಿದ್ಧಾಂತ
-* ex.execute ಮಾಡುವ ಜುಪೇಟರ್ ನೋಟ್ಬುಕ್ಗಳು, ಸಾಮಾನ್ಯವಾಗಿ ಫ್ರೇಮ್ವರ್ಕ್ (**PyTorch** ಅಥವಾ **TensorFlow**)ಗೆ ವಿಶೇಷವಾಗಿವೆ. ex.execute ಮಾಡಬಹುದಾದ ನೋಟ್ಬುಕ್ನಲ್ಲಿ ಸಾಕಷ್ಟು ಸಿದ್ಧಾಂತಾಂಶವೂ ಇದೆ, ಹಾಗಾಗಿ ವಿಷಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನೀವು ಕನಿಷ್ಠ ಒಂದು ಆವೃತ್ತಿನ ನೋಟ್ಬುಕ್ (PyTorch ಅಥವಾ TensorFlow) ಓದಬೇಕು.
-* ಕೆಲವು ವಿಷಯಗಳಿಗೆ ಲಭ್ಯವಿರುವ **ಲ್ಯಾಬ್ಗಳು**, ನೀವು ಕಲಿತ ವಿಷಯವನ್ನು ನಿಖರವಾದ ಸಮಸ್ಯೆಗೆ ಪ್ರಯೋಗವಾಗಿ ಪ್ರಯತ್ನಿಸುವ ಅವಕಾಶ ನೀಡುತ್ತವೆ.
-* ಕೆಲವೊಂದು ವಿಭಾಗಗಳಲ್ಲಿ ಸಂಬಂಧಿತ ವಿಷಯಗಳನ್ನು ಒಳಗೊಂಡಿರುವ [**MS ಲೇರ್ಣ್**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) ಮಾಯಾಜಾಲಗಳ ಲಿಂಕ್ಗಳು ಇವೆ.
+* ಪೂರ್ವಪಾಠ ಸಾಮಗ್ರಿ
+* ಕಾರ್ಯಗತ ಜುಪಿಟರ್ ನೋಟ್ಬುಕ್ಗಳು, ಅವು ಸಾಮಾನ್ಯವಾಗಿ ಫ್ರೇಮ್ವಾರ್ಕ್ (**PyTorch** ಅಥವಾ **TensorFlow**) ಗೆ ವಿಶೇಷವಾಗಿರುತ್ತವೆ. ಕಾರ್ಯಗತ ನೋಟ್ಬುಕ್ನಲ್ಲಿ ಸಾಕಷ್ಟು ಸಿದ್ಧಾಂತಾತ್ಮಕ ವಿಷಯವಿರುತ್ತದೆ, ಹೀಗಾಗಿ ವಿಷಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಿಮಗೆ ಕನಿಷ್ಠ ಒಂದು ಆವೃತ್ತಿಯ ನೋಟ್ಬುಕ್ ಅನ್ನು (PyTorch ಅಥವಾ TensorFlow) ನೋಡಬೇಕಾಗುತ್ತದೆ.
+* ಕೆಲವು ವಿಷಯಗಳಿಗೆ ಲಭ್ಯವಿರುವ **ಲ್ಯಾಬ್ಸ್**, ನೀವು ಕಲಿತ ವಿಷಯವನ್ನು ನಿರ್ದಿಷ್ಟ ಸಮಸ್ಯೆಗೆ ಅನ್ವಯಿಸಲು ಪ್ರಯತ್ನಿಸುವ ಅವಕಾಶವನ್ನು ನೀಡುತ್ತವೆ.
+* ಕೆಲ ಸೆಕ್ಷನ್ಗಳಲ್ಲಿ ಸಂಬಂಧಿತ ವಿಷಯಗಳನ್ನು ಒಳಗೊಂಡಿದ್ದ [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) ಮೃದುಗಳ ಲಿಂಕ್ಗಳಿವೆ.
-## ಪ್ರಾರಂಭಿಸುವುದು
+## ಪ್ರಾರಂಭಿಸೋಣ
-### 🎯 AIಗೆ ಹೊಸದಾಗಿದ್ದೀರಾ? ಇಲ್ಲಿ ಪ್ರಾರಂಭಿಸಿ!
+### 🎯 AI ಹೊಸದಾ? ಇಲ್ಲಿ ಪ್ರಾರಂಭಿಸಿ!
-ನೀವು ಸಂಪೂರ್ಣ ಹೊಸದಾಗಿ AIಗೆ ಸಂಬಂಧಿಸಿದ ಕಲಿಕೆಗಳಿಗೆ ತ್ವರಿತ, ಕೈಗೊಳ್ಳಬಹುದಾದ ಉದಾಹರಣೆಗಳನ್ನು ಬಯಸಿದರೆ, ನಮ್ಮ [**ಆರಂಭಿಕ ಸ್ನೇಹಪೂರ್ವಕ ಉದಾಹರಣೆಗಳ**](./examples/README.md) ಪರಿಶೀಲಿಸಿ! ಇವು ಒಳಗೊಂಡಿವೆ:
+ನೀವು ಸಂಪೂರ್ಣ ಹೊಸದಾಗಿ AI ನ ಅನುಭವ ಮಾಡಲು ಮತ್ತು ದ್ರುತವಾಗಿ, ಕೈಗೊಳ್ಳಬಹುದಾದ ಉದಾಹರಣೆಗಳನ್ನು ಹುಡುಕುತ್ತಿದ್ದರೆ ನಮ್ಮ [**ಆರಂಭಿಕರಿಗಾಗಿ ಅನುಕೂಲಕರ ಉದಾಹರಣೆಗಳು**](./examples/README.md) ನೋಡಿ! ಅವುಗಳಲ್ಲಿ ಇವುಗಳಿವೆ:
-- 🌟 **ಹಲೋ AI ವಿಶ್ವ** - ನಿಮ್ಮ ಮೊದಲ AI ಪ್ರೋಗ್ರಾಂ (ಮಾದರಿ ಗುರುತಿಸುವಿಕೆ)
-- 🧠 **ಸರಳ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್** - ಹುಟ್ಟುಹಬ್ಬದಿಂದ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ ರಚಿಸಿ
-- 🖼️ **ಚಿತ್ರ ವರ್ಗೀಕರಣಕಾರ** - ವಿವರವಾದ ಕಾಮೆಂಟులతో ಚಿತ್ರಗಳನ್ನು ವರ್ಗೀಕರಿಸಿ
-- 💬 **ಪಠ್ಯದ ಭಾವನೆ** - ಧನಾತ್ಮಕ/ನಕಾರಾತ್ಮಕ ಪಠ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸಿ
+- 🌟 **ಹಲೋ AI ಪ್ರಪಂಚ** - ನಿಮ್ಮ ಮೊದಲ AI ಕಾರ್ಯಕ್ರಮ (ರೇಖೆ ಗುರುತುಪಡಿಸುವಿಕೆ)
+- 🧠 **ಸರಳ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್** - ಹೊಸದಾಗಿ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ ನಿರ್ಮಿಸಿ
+- 🖼️ **ಚಿತ್ರ ವರ್ಗೀಕರಣಕಾರ** - ವಿವರವಾದ ಟೀಪುಡಿಕೆಗಳೊಂದಿಗೆ ಚಿತ್ರಗಳನ್ನು ವರ್ಗೀಕರಿಸಿ
+- 💬 **ಪಠ್ಯ ಭಾವನೆ** - ಧನಾತ್ಮಕ/ನಕಾರಾತ್ಮಕ ಪಠ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸಿ
-ಈ ಉದಾಹರಣೆಗಳು ಪೂರ್ಣ ಪಾಠ್ಯಕ್ರಮಕ್ಕೆ ನುಗ್ಗುವ ಮುನ್ನ AI ತತ್ವಗಳನ್ನು ನಿಮಗೆ ತಿಳಿಯಲು ರೂಪುಗೊಂಡಿವೆ.
+ನೀವು ಸಂಪೂರ್ಣ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ಮುಳುಗುವುದಕ್ಕಿಂತ ಮುಂಚೆ AI ತತ್ವಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡು ಕೊಳ್ಳಲು ಈ ಉದಾಹರಣೆಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.
-### 📚 ಪೂರ್ಣ ಪಾಠ್ಯಕ್ರಮ ವ್ಯವಸ್ಥೆ
+### 📚 ಸಂಪೂರ್ಣ ಪಠ್ಯಕ್ರಮ ಸ್ಥಾಪನೆ
-- ನಾವು ನಿಮ್ಮ ಅಭಿವೃದ್ಧಿ ಪರಿಸರವನ್ನು ಸೆಟ್ಅಪ್ ಮಾಡಲು ಸಹಾಯ ಮಾಡಲು [ಸೆಟ್ಅಪ್ ಪಾಠ](./lessons/0-course-setup/setup.md) ಅನ್ನು ರಚಿಸಿದೆವು. - ಶಿಕ್ಷಕರಿಗಾಗಿ, ನಾವು ನಿಮ್ಮಿಗೆ ಸಹ ಒಂದು [ಪಾಠ್ಯಕ್ರಮ ಸೆಟ್ಅಪ್ ಪಾಠ](./lessons/0-course-setup/for-teachers.md) ರಚಿಸಿದೆವು!
-- [VSCode ಅಥವಾ Codepace ನಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಹೇಗೆ ರನ್ ಮಾಡುವುದು](./lessons/0-course-setup/how-to-run.md)
+- ನಾವು ನಿಮ್ಮ ಅಭಿವೃದ್ಧಿ ಪರಿಸರವನ್ನು ಹೊಂದಿಸಲು ಸಹಾಯ ಮಾಡಲು [ಸ್ಥಾಪನೆ ಪಾಠ](./lessons/0-course-setup/setup.md) ಸೃಷ್ಟಿಸಿದ್ದೇವೆ. - ಬೋಧಕರಿಗಾಗಿ, ನಾವು ನಿಮಗಾಗಿ ಸಹ [ಪಠ್ಯಕ್ರಮ ಸ್ಥಾಪನೆ ಪಾಠ](./lessons/0-course-setup/for-teachers.md) ಸೃಷ್ಟಿಸಿದ್ದೇವೆ!
+- VSCode ಅಥವಾ Codespace ನಲ್ಲಿ ಹೇಗೆ [ಕೋಡ್ ಅನ್ನು ನಡೆಸುವುದು](./lessons/0-course-setup/how-to-run.md)
ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:
-ಅಂಶ ಸಂಕಲನವನ್ನು Fork ಮಾಡಿ: ಈ ಪುಟದ ಮೇಲೆ-ಬಲ ಮೇಲ್ಭಾಗದಲ್ಲಿ ಇರುವ "Fork" ಬಟನ್ ಕ್ಲಿಕ್ ಮಾಡಿ.
+ರಿಪೊಸಿಟೋರಿಯನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ: ಈ ಪುಟದ ಮೇಲ್ಭಾಗದ ಬಲಭಾಗದಲ್ಲಿ ಇರುವ "Fork" ಬಟನ್ ಕ್ಲಿಕ್ ಮಾಡಿ.
-ಅಂಶ ಸಂಕಲನವನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ: `git clone https://github.com/microsoft/AI-For-Beginners.git`
+ರಿಪೊಸಿಟೋರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ: `git clone https://github.com/microsoft/AI-For-Beginners.git`
-ನಂತರ ಅದನ್ನು ಸುಲಭವಾಗಿ ಹುಡುಕಲು ಈ ರೆಪೊಗೆ ಸ್ಟಾರ್ (🌟) ನೀಡುವುದನ್ನು ಮರೆಯಬೇಡಿ.
+ನಂತರ ಈ ರಿಪೊವನ್ನು ಸುಲಭವಾಗಿ ಹುಡುಕಲು ನೆスター (🌟) ಮಾಡಲು ಮರೆಯಬೇಡಿ.
-## ಇನ್ನಿತರ ಕಲಿಕçilerನ್ನು ಭೇಟಿ ಮಾಡಿ
+## ಇತರೆ ಕಲಿಯುವವರನ್ನು ಭೇಟಿ ಮಾಡಿ
-ನಮ್ಮ [ಅಧಿಕೃತ AI Discord ಸರ್ವರ್](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) ನಲ್ಲಿ ಸೇರಿ, ಈ ಕೋರ್ಸ್ ತೆಗೆದುಕೊಂಡು ಮುಂದುವರಿಯುತ್ತಿರುವ ಇತರ ಕಲಿಕçylರ ಜೊತೆ ಸಂಪರ್ಕ ಸಾಧಿಸಿ ಮತ್ತು ಬೆಂಬಲ ಪಡೆಯಿರಿ.
+ನೀವು ಈ ಕೋರ್ಸ್ ಅನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಿರುವ ಇತರ ಕಲಿಯುವವರ ಜೊತೆಗೆ ಭೇಟಿ ಮಾಡಲು ಮತ್ತು ನೆಟ್ವರ್ಕ್ ಮಾಡಲು ನಮ್ಮ [ಅಧಿಕೃತ AI ಡಿಸ್ಕಾರ್ಡ್ ಸರ್ವರ್](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) ಸೇರಿ ಮತ್ತು ಸಹಾಯ ಪಡೆಯಿರಿ.
-ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ ನಾವು [Azure AI Foundry ಡೆವಲಪರ್ ಫೋರಮ್](https://aka.ms/foundry/forum) ಅನ್ನು ಭೇಟಿ ಮಾಡಿ.
+ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರিয়া ಅಥವಾ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ ನಮ್ಮ [Azure AI Foundry Developer ಫೋರಮ್](https://aka.ms/foundry/forum) ಗೆ ಭೇಟಿ ನೀಡಿ
## ಪ್ರಶ್ನೋತ್ತರಗಳು
-> **ಪ್ರಶ್ನೋತ್ತರಗಳ ಕುರಿತು ಒಂದು ಟಿಪ್ಪಣಿ**: ಎಲ್ಲ ಪ್ರಶ್ನೋತ್ತರಗಳು etc\quiz-app ಥಳದಲ್ಲಿ Quiz-app ಫೋಲ್ಡರ್ನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ, ಅಥವಾ [ಇಲ್ಲಿ ಆನ್లೈನ್](https://ff-quizzes.netlify.app/) ಲಭ್ಯವಿದೆ. ಅವು ಪಾಠಗಳಲ್ಲಿ ಲಿಂಕ್ ಮಾಡಲ್ಪಟ್ಟಿವೆ, ಪ್ರಶ್ನೋತ್ತರ ಆಪ್ ಸ್ಥಳೀಯವಾಗಿ ರನ್ ಮಾಡಬಹುದು ಅಥವಾ Azure ಗೆ ನಿಯೋಜಿಸಬಹುದು; `quiz-app` ಫೋಲ್ಡರ್ನ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ. ಅವು ಆವರ್ತನವಾಗಿ ಸ್ಥಳೀಯೀಕರಿಸಲಾಗುತ್ತಿವೆ.
+> **ಪ್ರಶ್ನೋತ್ತರಗಳ ಬಗ್ಗೆ ಟಿಪ್ಪಣಿ**: ಎಲ್ಲಾ ಪ್ರಶ್ನೋತ್ತರಗಳು etc\quiz-app ನಲ್ಲಿ Quiz-app ಫೋಲ್ದರ್ ಒಳಗಿನ, ಅಥವಾ [ಅನ್ಲೈನ್ ಇಲ್ಲಿ](https://ff-quizzes.netlify.app/) ಇವೆ. ಅವು ಪಾಠಗಳ ಒಳಗೆ ಸಂಪರ್ಕಗೊಂಡಿವೆ, ಪ್ರಶ್ನೋತ್ತರ ಅಪ್ಲಿಕೇಶನ್ ಸ್ಥಳೀಯವಾಗಿ ಮುಂಚಿತವಾಗಿ ಅಥವಾ ಅಝುರ್ಗೆ ನಿಯೋಜಿಸಬಹುದು; `quiz-app` ಫೋಲ್ದರ್ನಲ್ಲಿ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ. ಅವು 徐徐ಗೆ ಸ್ಥಳೀಯಗೊಳ್ಳುತ್ತಿವೆ.
-## ಸಹಾಯ ಬೇಕೆ?
+## ಸಹಾಯ ಬೇಕು
-ನೀವು ಸಲಹೆಗಳು ಹೊಂದಿದ್ದರೆ ಅಥವಾ ವ್ಯಾಕರಣ ಅಥವಾ ಕೋಡ್ ದೋಷಗಳನ್ನು ಕಂಡುಕೊಂಡಿದ್ದರೆ, ಸಮಸ್ಯೆಯನ್ನು ವರದಿ ಮಾಡಿ ಅಥವಾ ಪುಲ್ ರಿಕ್ವಸ್ಟ್ ಮಾಡಿ.
+ನೀವು ಏನು ಸಲಹೆಗಳನ್ನು ಹೊಂದಿದ್ದೀರಾ ಅಥವಾ ವ್ಯಾಕರಣದ ಅಥವಾ ಕೋಡ್ ದೋಷಗಳನ್ನು ಕಂಡಿದ್ದೀರಾ? ಸಮಸ್ಯೆ ಉದ್ಘಾಟಿಸಿ ಅಥವಾ ಪುಲ್ ವಿನಂತಿ ರಚಿಸಿ.
## ವಿಶೇಷ ಧನ್ಯವಾದಗಳು
-* **✍️ ಪ್ರಮುಖ ಲೇಖಕ:** [Dmitry Soshnikov](http://soshnikov.com), ಪಿಎಚ್ಚಡಿ
-* **🔥 ಸಂಪಾದಕರು:** [Jen Looper](https://twitter.com/jenlooper), ಪಿಎಚ್ಚಡಿ
-* **🎨 ಸ್ಕೆಚ್ನೋಟ್ ಚಿತ್ರಣಕಾರ:** [Tomomi Imura](https://twitter.com/girlie_mac)
-* **✅ ಪ್ರಶ್ನೋತ್ತರ ರಚನಾಕಾರರು:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
-* **🙏 ಕೋರ್ ಕೊಡುಗೆದಾರರು:** [Evgenii Pishchik](https://github.com/Pe4enIks)
+* **✍️ ಪ್ರಮುಖ ಲೇಖಕ:** [Dmitry Soshnikov](http://soshnikov.com), PhD
+* **🔥 ಸಂಪಾದಕ:** [Jen Looper](https://twitter.com/jenlooper), PhD
+* **🎨 ಸ್ಕೆಚ್ನೋಟ್ ಚಿತ್ರಗಾರ:** [Tomomi Imura](https://twitter.com/girlie_mac)
+* **✅ ಪ್ರಶ್ನೋತ್ತರ ರಚయিতা:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
+* **🙏 ಮೂಲ ಪಾಲುದಾರರು:** [Evgenii Pishchik](https://github.com/Pe4enIks)
-## ಇತರೆ ಪಾಠ್ಯಕ್ರಮಗಳು
+## ಇತರೆ ಪಠ್ಯಕ್ರಮಗಳು
-ನಮ್ಮ ತಂಡ ಇತರೆ ಪಾಠ್ಯಕ್ರಮಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ! ಪರಿಶೀಲಿಸಿ:
+ನಮ್ಮ ತಂಡ ಇತರೆ ಪಠ್ಯಕ್ರಮಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ! ಪರಿಶೀಲಿಸಿ:
### LangChain
-[](https://aka.ms/langchain4j-for-beginners)
-[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
+[](https://aka.ms/langchain4j-for-beginners)
+[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
---
-### Azure / Edge / MCP / ಏಜೆಂಟ್ಗಳು
-[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
+### Azure / Edge / MCP / ಏಜೆಂಟ್ಸ್
+[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
-### ಜನರೇಟಿವ್ AI ಸರಣಿಗಳು
-[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
-[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
-[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
-[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
+### ಉತ್ಪನ್ನಶೀಲ AI ಸರಣಿ
+[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
+[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
+[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
+[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
-### ಮೂಲ ಅಧ್ಯಯನ
-[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
-[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
-[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
+### ಕೋರ್ ಕಲಿಕೆ
+[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
+[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
+[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
-### ಕೋಪೈಲಟ್ ಸರಣಿಗಳು
-[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
-[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
-[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
+### ಕೋಪೈಲಟ್ ಸರಣಿ
+[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
+[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
+[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
## ಸಹಾಯ ಪಡೆಯುವುದು
-ನೀವು ಅटकಿದರೆ ಅಥವಾ AI ಅಪ್ಲಿಕೇಶನ್ ನಿರ್ಮಾಣ ಕುರಿತ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ. MCP ಬಗ್ಗೆ ಚರ್ಚೆಗಳಲ್ಲಿ ಸಹಪಾಠಿಗಳು ಮತ್ತು ಅನುಭವಜ್ಞ ಡೆವಲಪರ್ಗಳ ಜೊತೆಗೆ ಸೇರಿ. ಇದು ಪ್ರಶ್ನೆಗಳಿಗೆ ಸುಸಂಸ್ಕೃತ ಸಮುದಾಯವಾಗಿದ್ದು ಜ್ಞಾನ ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ.
+ನೀವು ಅडकಿಕೊಂಡಿದ್ದೀರಿ ಅಥವಾ AI ಅಪ್ಗಳ ನಿರ್ಮಾಣದ ಬಗ್ಗೆ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ. MCP ಬಗ್ಗೆ ಚರ್ಚೆಯಲ್ಲಿರುವ ಇತರ ಕಲಿಯುವವರಿಗೆ ಮತ್ತು ಅನುಭವಜ್ಞರಿಗೂ ಸೇರಿ. ಇಲ್ಲಿ ಪ್ರಶ್ನೆಗಳು ಸ್ವಾಗತಾರ್ಹವಾಗಿವೆ ಮತ್ತು ತಿಳುವಳಿಕೆ ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ.
[](https://discord.gg/nTYy5BXMWG)
-ನೀವು ನಿರ್ಮಾಣ ಮಾಡುವಾಗ ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ದೋಷಗಳಿದ್ದರೆ ಭೇಟಿ ನೀಡಿ:
+ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ದೋಷಗಳನ್ನು ಕಂಡಿದ್ದರೆ ನಿರ್ಮಾಣ ಸಂದರ್ಭದಲ್ಲಿ ಭೇಟಿ ನೀಡಿರಿ:
[](https://aka.ms/foundry/forum)
---
-**ಅಸ್ಪಷ್ಟತೆ**:
-ಈ ದಾಖಲೆಯನ್ನು AI ಭಾಷಾಂತರ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿಕೊಂಡು ಭಾಷಾಂತರಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಭಾಷಾಂತರಗಳಲ್ಲಿ ತಪ್ಪುಗಳಿರಬಹುದೆಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನದಲ್ಲಿಡಿ. ಮೂಲ ಭಾಷೆಯ ಮೂಲ ದಾಖಲೆಯೇ ಪ್ರಾಮಾಣಿಕ ಮೂಲವಾಗಿರುವುದು ಪರಿಗಣನೆಗೆ ಒಳಪಡಬೇಕು. ಮಹತ್ವಪೂರ್ಣ ಮಾಹಿತಿಗಾಗಿ ವೃತ್ತಿಪರ ಮಾನವ ಭಾಷಾಂತರವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. ಈ ಭಾಷಾಂತರ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪುಅರ್ಥಗಳ ಅಥವಾ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನಗಳಿಗಾಗಿ ನಾವು ಜವಾಬ್ದಾರರಾಗಿಲ್ಲ.
+**ವ್ಯಾಖ್ಯಾನ**:
+ಈ ದಾಖಲೆ AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯ ಪರವಾಗಿ ಪ್ರಯತ್ನಿಸಿದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳಿರಬಹುದು ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಾಖಲೆವೇ ಅಧಿಕೃತ ಮೂಲವಾಗಿಯೇ ಪರಿಗಣಿಸಲಾಗಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತೊಂದರೆಗಳ ಅಥವಾ ತಪ್ಪು ಅರ್ಥಗಳ ಕುರಿತು ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.
\ No newline at end of file
diff --git a/translations/kn/lessons/0-course-setup/how-to-run.md b/translations/kn/lessons/0-course-setup/how-to-run.md
index 92ee6072..dcac5ff9 100644
--- a/translations/kn/lessons/0-course-setup/how-to-run.md
+++ b/translations/kn/lessons/0-course-setup/how-to-run.md
@@ -1,80 +1,80 @@
-
-# ಕೋಡ್ ಅನ್ನು ಹೇಗೆ ಚಾಲನೆ ಮಾಡುವುದು
-
-ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ನೀವು ಚಾಲನೆ ಮಾಡಬೇಕಾದ ಅನೇಕ ಕಾರ್ಯನಿರ್ವಹಣೀಯ ಉದಾಹರಣೆಗಳು ಮತ್ತು ಪ್ರಯೋಗಾಲಯಗಳಿವೆ. ಇದನ್ನು ಮಾಡಲು, ಈ ಪಠ್ಯಕ್ರಮದ ಭಾಗವಾಗಿ ನೀಡಲಾದ Jupyter ನೋಟ್ಬುಕ್ಗಳಲ್ಲಿ Python ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ ಬೇಕಾಗುತ್ತದೆ. ಕೋಡ್ ಅನ್ನು ಚಾಲನೆ ಮಾಡಲು ನಿಮಗೆ ಹಲವು ಆಯ್ಕೆಗಳು ಇವೆ:
-
-## ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡುವುದು
-
-ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ ಮಾಡಲು, ನೀವು Python ನ ಕೆಲವು ಆವೃತ್ತಿಯನ್ನು ಸ್ಥಾಪಿಸಿರಬೇಕು. ನಾನು ವೈಯಕ್ತಿಕವಾಗಿ **[miniconda](https://conda.io/en/latest/miniconda.html)** ಅನ್ನು ಸ್ಥಾಪಿಸುವುದನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇನೆ - ಇದು ತೂಕದಲ್ಲಿ ಕಡಿಮೆ ಇರುವ ಸ್ಥಾಪನೆ ಆಗಿದ್ದು, ವಿಭಿನ್ನ Python **ವರ್ಚುವಲ್ ಪರಿಸರಗಳಿಗೆ** `conda` ಪ್ಯಾಕೇಜ್ ಮ್ಯಾನೇಜರ್ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ.
-
-miniconda ಅನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ, ನೀವು ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ ಈ ಕೋರ್ಸ್ಗೆ ಬಳಸುವ ವರ್ಚುವಲ್ ಪರಿಸರವನ್ನು ರಚಿಸಬೇಕು:
-
-```bash
-git clone http://github.com/microsoft/ai-for-beginners
-cd ai-for-beginners
-conda env create --name ai4beg --file .devcontainer/environment.yml
-conda activate ai4beg
-```
-
-### Python ವಿಸ್ತರಣೆ ಜೊತೆಗೆ Visual Studio Code ಬಳಕೆ
-
-ಪಠ್ಯಕ್ರಮವನ್ನು ಬಳಸಲು ಬಹುಶಃ ಅತ್ಯುತ್ತಮ ಮಾರ್ಗವೆಂದರೆ [Visual Studio Code](http://code.visualstudio.com/?WT.mc_id=academic-77998-cacaste) ಅನ್ನು [Python ವಿಸ್ತರಣೆ](https://marketplace.visualstudio.com/items?itemName=ms-python.python&WT.mc_id=academic-77998-cacaste) ಜೊತೆಗೆ ತೆರೆಯುವುದು.
-
-> **Note**: ನೀವು ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ VS Code ನಲ್ಲಿ ಡೈರೆಕ್ಟರಿಯನ್ನು ತೆರೆಯುವಾಗ, ಅದು ಸ್ವಯಂಚಾಲಿತವಾಗಿ Python ವಿಸ್ತರಣೆಗಳನ್ನು ಸ್ಥಾಪಿಸಲು ಸೂಚಿಸುತ್ತದೆ. ಮೇಲ್ಕಂಡಂತೆ miniconda ಅನ್ನು ಕೂಡ ಸ್ಥಾಪಿಸಬೇಕಾಗುತ್ತದೆ.
-
-> **Note**: VS Code ನಿಮಗೆ ರೆಪೊಸಿಟರಿಯನ್ನು ಕಂಟೈನರ್ನಲ್ಲಿ ಮರುತೆರೆಯಲು ಸೂಚಿಸಿದರೆ, ಸ್ಥಳೀಯ Python ಸ್ಥಾಪನೆಯನ್ನು ಬಳಸಲು ನೀವು ಅದನ್ನು ನಿರಾಕರಿಸಬೇಕು.
-
-### ಬ್ರೌಸರ್ನಲ್ಲಿ Jupyter ಬಳಕೆ
-
-ನೀವು ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ನ ಬ್ರೌಸರ್ನಿಂದಲೇ Jupyter ಪರಿಸರವನ್ನು ಬಳಸಬಹುದು. ವಾಸ್ತವದಲ್ಲಿ, ಕ್ಲಾಸಿಕಲ್ Jupyter ಮತ್ತು Jupyter Hub ಎರಡೂ ಸ್ವಯಂ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆ, ಕೋಡ್ ಹೈಲೈಟಿಂಗ್ ಮುಂತಾದವುಗಳೊಂದಿಗೆ ಸುಲಭವಾದ ಅಭಿವೃದ್ಧಿ ಪರಿಸರವನ್ನು ಒದಗಿಸುತ್ತವೆ.
-
-ಸ್ಥಳೀಯವಾಗಿ Jupyter ಪ್ರಾರಂಭಿಸಲು, ಕೋರ್ಸ್ ಡೈರೆಕ್ಟರಿಯ ಕಡೆಗೆ ಹೋಗಿ, ಕೆಳಗಿನ ಆಜ್ಞೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿ:
-
-```bash
-jupyter notebook
-```
- ಅಥವಾ
-```bash
-jupyterhub
-```
-ನಂತರ ನೀವು ಯಾವುದೇ `.ipynb` ಫೈಲ್ಗಳಿಗೆ ನ್ಯಾವಿಗೇಟ್ ಮಾಡಿ, ಅವುಗಳನ್ನು ತೆರೆಯಬಹುದು ಮತ್ತು ಕೆಲಸ ಪ್ರಾರಂಭಿಸಬಹುದು.
-
-### ಕಂಟೈನರ್ನಲ್ಲಿ ಚಾಲನೆ
-
-Python ಸ್ಥಾಪನೆಯ ಪರ್ಯಾಯವಾಗಿ, ಕೋಡ್ ಅನ್ನು ಕಂಟೈನರ್ನಲ್ಲಿ ಚಾಲನೆ ಮಾಡಬಹುದು. ನಮ್ಮ ರೆಪೊಸಿಟರಿಯಲ್ಲಿ `.devcontainer` ಫೋಲ್ಡರ್ ಇದೆ, ಇದು ಈ ರೆಪೊಗಾಗಿ ಕಂಟೈನರ್ ನಿರ್ಮಿಸುವ ವಿಧಾನವನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ VS Code ನಿಮಗೆ ಕೋಡ್ ಅನ್ನು ಕಂಟೈನರ್ನಲ್ಲಿ ಮರುತೆರೆಯಲು ಸೂಚಿಸುತ್ತದೆ. ಇದಕ್ಕೆ Docker ಸ್ಥಾಪನೆ ಅಗತ್ಯವಿದೆ ಮತ್ತು ಇದು ಸ್ವಲ್ಪ ಜಟಿಲವಾಗಿರಬಹುದು, ಆದ್ದರಿಂದ ನಾವು ಇದನ್ನು ಅನುಭವಜ್ಞರಿಗೆ ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
-
-## ಕ್ಲೌಡ್ನಲ್ಲಿ ಚಾಲನೆ
-
-ನೀವು Python ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಸ್ಥಾಪಿಸಲು ಇಚ್ಛಿಸದಿದ್ದರೆ ಮತ್ತು ಕೆಲವು ಕ್ಲೌಡ್ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶವಿದ್ದರೆ - ಕೋಡ್ ಅನ್ನು ಕ್ಲೌಡ್ನಲ್ಲಿ ಚಾಲನೆ ಮಾಡುವುದು ಉತ್ತಮ ಪರ್ಯಾಯವಾಗಬಹುದು. ನೀವು ಇದನ್ನು ಮಾಡಲು ಹಲವಾರು ಮಾರ್ಗಗಳಿವೆ:
-
-* **[GitHub Codespaces](https://github.com/features/codespaces)** ಬಳಕೆ, ಇದು GitHub ನಲ್ಲಿ ನಿಮಗಾಗಿ ರಚಿಸಲಾದ ವರ್ಚುವಲ್ ಪರಿಸರವಾಗಿದ್ದು, VS Code ಬ್ರೌಸರ್ ಇಂಟರ್ಫೇಸ್ ಮೂಲಕ ಪ್ರವೇಶಿಸಬಹುದು. ನೀವು Codespaces ಗೆ ಪ್ರವೇಶ ಹೊಂದಿದ್ದರೆ, ರೆಪೊದಲ್ಲಿ **Code** ಬಟನ್ ಕ್ಲಿಕ್ ಮಾಡಿ, codespace ಪ್ರಾರಂಭಿಸಿ, ಮತ್ತು ತಕ್ಷಣವೇ ಚಾಲನೆ ಮಾಡಬಹುದು.
-* **[Binder](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD)** ಬಳಕೆ. [Binder](https://mybinder.org) GitHub ನಲ್ಲಿ ಕೆಲವು ಕೋಡ್ ಪರೀಕ್ಷಿಸಲು ಉಚಿತ ಕ್ಲೌಡ್ ಗಣನ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. ಮುಂಭಾಗದ ಪುಟದಲ್ಲಿ ರೆಪೊವನ್ನು Binder ನಲ್ಲಿ ತೆರೆಯಲು ಬಟನ್ ಇದೆ - ಇದು ನಿಮಗೆ ತ್ವರಿತವಾಗಿ ಬಿಂಡರ್ ಸೈಟ್ಗೆ ಕರೆದೊಯ್ಯುತ್ತದೆ, ಅಲ್ಲಿ ಅಡಿಪಾಯದ ಕಂಟೈನರ್ ನಿರ್ಮಿಸಿ Jupyter ವೆಬ್ ಇಂಟರ್ಫೇಸ್ ಪ್ರಾರಂಭಿಸುತ್ತದೆ.
-
-> **Note**: ದುರುಪಯೋಗ ತಡೆಯಲು, Binder ಕೆಲವು ವೆಬ್ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ನಿರ್ಬಂಧಿಸಿದೆ. ಇದರಿಂದ ಕೆಲವು ಕೋಡ್ ಕಾರ್ಯನಿರ್ವಹಿಸದಿರಬಹುದು, ವಿಶೇಷವಾಗಿ ಸಾರ್ವಜನಿಕ ಇಂಟರ್ನೆಟ್ನಿಂದ ಮಾದರಿಗಳು ಮತ್ತು/ಅಥವಾ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಪಡೆಯುವಾಗ. ನೀವು ಕೆಲವು ಪರ್ಯಾಯ ಮಾರ್ಗಗಳನ್ನು ಹುಡುಕಬೇಕಾಗಬಹುದು. ಜೊತೆಗೆ, Binder ಒದಗಿಸುವ ಗಣನ ಸಂಪನ್ಮೂಲಗಳು ಮೂಲಭೂತವಾಗಿವೆ, ಆದ್ದರಿಂದ ತರಬೇತಿ ನಿಧಾನವಾಗಿರುತ್ತದೆ, ವಿಶೇಷವಾಗಿ ನಂತರದ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಪಾಠಗಳಲ್ಲಿ.
-
-## GPU ಜೊತೆಗೆ ಕ್ಲೌಡ್ನಲ್ಲಿ ಚಾಲನೆ
-
-ಈ ಪಠ್ಯಕ್ರಮದ ಕೆಲವು ನಂತರದ ಪಾಠಗಳು GPU ಬೆಂಬಲದಿಂದ ಬಹುಮಟ್ಟಿಗೆ ಲಾಭ ಪಡೆಯುತ್ತವೆ, ಇಲ್ಲದಿದ್ದರೆ ತರಬೇತಿ ಬಹಳ ನಿಧಾನವಾಗುತ್ತದೆ. ನೀವು ಕೆಲವು ಆಯ್ಕೆಗಳನ್ನು ಅನುಸರಿಸಬಹುದು, ವಿಶೇಷವಾಗಿ ನೀವು [Azure for Students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-77998-cacaste) ಮೂಲಕ ಅಥವಾ ನಿಮ್ಮ ಸಂಸ್ಥೆಯ ಮೂಲಕ ಕ್ಲೌಡ್ ಪ್ರವೇಶ ಹೊಂದಿದ್ದರೆ:
-
-* [ಡೇಟಾ ಸೈನ್ಸ್ ವರ್ಚುವಲ್ ಮಷೀನ್](https://docs.microsoft.com/learn/modules/intro-to-azure-data-science-virtual-machine/?WT.mc_id=academic-77998-cacaste) ರಚಿಸಿ ಮತ್ತು ಅದಕ್ಕೆ Jupyter ಮೂಲಕ ಸಂಪರ್ಕಿಸಿ. ನೀವು ನಂತರ ರೆಪೊವನ್ನು ನೇರವಾಗಿ ಆ ಮಷೀನ್ಗೆ ಕ್ಲೋನ್ ಮಾಡಿ, ಕಲಿಕೆ ಪ್ರಾರಂಭಿಸಬಹುದು. NC-ಸಿರೀಸ್ VM ಗಳು GPU ಬೆಂಬಲ ಹೊಂದಿವೆ.
-
-> **Note**: ಕೆಲವು ಸಬ್ಸ್ಕ್ರಿಪ್ಷನ್ಗಳು, Azure for Students ಸೇರಿದಂತೆ, ಡಿಫಾಲ್ಟ್ ಆಗಿ GPU ಬೆಂಬಲ ನೀಡುವುದಿಲ್ಲ. ನೀವು ತಾಂತ್ರಿಕ ಬೆಂಬಲ ವಿನಂತಿ ಮೂಲಕ ಹೆಚ್ಚುವರಿ GPU ಕೋರ್ಗಳನ್ನು ಕೇಳಬೇಕಾಗಬಹುದು.
-
-* [Azure Machine Learning ವರ್ಕ್ಸ್ಪೇಸ್](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-cacaste) ರಚಿಸಿ ಮತ್ತು ಅಲ್ಲಿ ನೋಟ್ಬುಕ್ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಬಳಸಿ. [ಈ ವೀಡಿಯೋ](https://azure-for-academics.github.io/quickstart/azureml-papers/) ರೆಪೊವನ್ನು Azure ML ನೋಟ್ಬುಕ್ಗೆ ಕ್ಲೋನ್ ಮಾಡಿ ಬಳಸುವ ವಿಧಾನವನ್ನು ತೋರಿಸುತ್ತದೆ.
-
-ನೀವು Google Colab ಕೂಡ ಬಳಸಬಹುದು, ಇದು ಕೆಲವು ಉಚಿತ GPU ಬೆಂಬಲವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಮತ್ತು Jupyter ನೋಟ್ಬುಕ್ಗಳನ್ನು ಅಲ್ಲಿ ಅಪ್ಲೋಡ್ ಮಾಡಿ ಒಂದೊಂದಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು.
-
----
-
-
-**ಅಸ್ವೀಕರಣ**:
-ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.
+
+# ಕೋಡ್ ಅನ್ನು ಹೇಗೆ ಚಾಲನೆ ಮಾಡುವುದು
+
+ಈ ಪಠ್ಯಕ್ರಮದಲ್ಲಿ ನೀವು ಚಲಾಯಿಸಬಹುದಾದ ಹಲವಾರು ಉದಾಹರಣೆಗಳು ಮತ್ತು ಪ್ರಯೋಗಾಲಯಗಳು ಇವೆ. ಇದನ್ನು ಮಾಡಲು, ಈ ಪಠ್ಯಕ್ರಮದ ಭಾಗವಾಗಿ ನೀಡಲಾದ Jupyter ನೋಟ್ಬುಕ್ಗಳಲ್ಲಿ Python ಕೋಡ್ ಅನ್ನು ಚಾಲನೆ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ ನಿಮಗೆ ಬೇಕಾಗುತ್ತದೆ. ಕೋಡ್ ಚಾಲನೆಗಾಗಿ ನಿಮ್ಮ ಬಳಿ ಹಲವು ಆಯ್ಕೆಗಳು ಲಭ್ಯವಿವೆ:
+
+## ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಸ್ಥಳೀಯವಾಗಿ ಚಾಲನೆ
+
+ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿಅಸ್ಥಾಪಿಸಲು Python ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿಕೊಳ್ಳಬೇಕಾಗಿದೆ. ಒಂದು ಶಿಫಾರಸು ಆಗಿದ್ದು **[miniconda](https://conda.io/en/latest/miniconda.html)** ಅನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿಕೊಳ್ಳುವುದು - ಇದು ತೂಕದಲ್ಲಿ ಸಣ್ಣದಾದ ಇನ್ಸ್ಟಾಲೇಶನ್ ಆಗಿದ್ದು, ವಿವಿಧ Python **ವರ್ಚುವಲ್ ಪರಿಸರಗಳನ್ನು** ಬೆಂಬಲಿಸುವ `conda` ಪ್ಯಾಕೇಜ್ ಮ್ಯಾನೇಜರ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ.
+
+miniconda ಅನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿದ ನಂತರ, ಛಾಯೆನಕವನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ ಮತ್ತು ಈ ಕೋರ್ಸ್ಗಾಗಿ ಬಳಸುವ ವರ್ಚುವಲ್ ಪರಿಸರವನ್ನು ರಚಿಸಿ:
+
+```bash
+git clone http://github.com/microsoft/ai-for-beginners
+cd ai-for-beginners
+conda env create --name ai4beg --file .devcontainer/environment.yml
+conda activate ai4beg
+```
+
+### Python ವಿಸ್ತರಣೆ ಇರುವ Visual Studio Code ಬಳಸಿ
+
+ಈ ಪಠ್ಯಕ್ರಮವನ್ನು [Visual Studio Code](http://code.visualstudio.com/?WT.mc_id=academic-77998-cacaste)ನಲ್ಲಿ [Python ವಿಸ್ತರಣೆ](https://marketplace.visualstudio.com/items?itemName=ms-python.python&WT.mc_id=academic-77998-cacaste) ಜೊತೆ ತೆರೆಯುವುದರಿಂದ ಉತ್ತಮವಾಗಿ ಬಳಸಬಹುದಾಗುತ್ತದೆ.
+
+> **ಸೂಚನೆ**: ನೀವು ಡೈರೆಕ್ಟರಿಯನ್ನ ಕ್ಲೋನ್ ಮಾಡಿ VS Code ನಲ್ಲಿ ತೆರೆಯುತ್ತಿದ್ದಾಗ, ಅದು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಿಮಗೆ Python ವಿಸ್ತರಣೆಗಳನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡಬೇಕು ಎಂದು ಸೂಚಿಸುತ್ತದೆ. ಮೇಲ್ಕಂಡಂತೆ miniconda ಕೂಡ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಬೇಕು.
+
+> **ಸೂಚನೆ**: VS Code ನೀವು ಡಿಪೊವನ್ನು ಕಂಟೇನರ್ನಲ್ಲಿ ಮರುತೆರೆಯಲು ಸೂಚಿಸಿದರೆ, ಸ್ಥಳೀಯ Python ಇನ್ಸ್ಟಾಲೇಶನ್ ಬಳಸಲು ಅದನ್ನು ನಿರಾಕರಿಸಬೇಕು.
+
+### ಬ್ರೌಸರ್ನಲ್ಲಿ Jupyter ಬಳಸಿ
+
+ನಿಮ್ಮದೇ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಬ್ರೌಸರ್ ಮೂಲಕ Jupyter ಪರಿಸರವನ್ನು కూడా ಬಳಸಬಹುದು. ಕ್ಲಾಸಿಕಲ್ Jupyter ಮತ್ತು JupyterHub ಎರಡೂ ಸ್ವಯಂ-ಪೂರ್ಣಗೊಳಿಸುವಿಕೆ, ಕೋಡ್ ಹೈಲೈಟಿಂಗ್ ಮುಂತಾದ ವೈಶಿಷ್ಟ್ಯಗಳೊಂದಿಗೆ ಸುಲಭ ಅಭಿವೃದ್ಧಿ ಪರಿಸರವನ್ನು ಒದಗಿಸುತ್ತವೆ.
+
+ಸ್ಥಳೀಯವಾಗಿ Jupyter ಪ್ರಾರಂಭಿಸಲು, ಕೋರ್ಸ್ ಡೈರೆಕ್ಟರಿಗೆ ಹೋಗಿ, ಈ ಕೆಳಗಿನ ಆಜ್ಞೆಯನ್ನು ಚಾಲನೆಮಾಡಿ:
+
+```bash
+jupyter notebook
+```
+ಅಥವಾ
+```bash
+jupyterhub
+```
+ನಂತರ ನೀವು ಯಾವುದೇ `.ipynb` ಫೈಲ್ಗಳಿಗೆ ಪರಿಗಣನೆ ಮಾಡಿ, ಅವುಗಳನ್ನು ತೆರೆಯಬಹುದು ಮತ್ತು ಕೆಲಸ ಪ್ರಾರಂಭಿಸಬಹುದು.
+
+### ಕಂಟೇನರ್ನಲ್ಲಿ ಚಾಲನೆ
+
+Python ಇನ್ಸ್ಟಾಲೇಶನ್ಗೆ ಒಂದು ಪರ್ಯಾಯವಾಗಿ, ಕೋಡ್ ಅನ್ನು ಕಂಟೇನರ್ನಲ್ಲಿ ಚಾಲನೆ ಮಾಡಬಹುದು. ನಮ್ಮ ಡಿಪೊ ಒಂದು ವಿಶೇಷ `.devcontainer` ಫೋಲ್ಡರ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ, ಇದರಲ್ಲಿ ಈ ರೆಪೊಗೆ ಕುರಿತ ಕಂಟೇನರ್ನ ನಿರ್ಮಾಣ ನಿರ್ದೇಶನವಿದೆ; VS Code ಕೋಡ್ ಅನ್ನು ಕಂಟೇನರ್ನಲ್ಲಿ ಮರುತೆರೆದುಕೊಳ್ಳುವ ಅವಕಾಶವನ್ನು ನೀಡುತ್ತದೆ. ಇದಕ್ಕೆ Docker ಇನ್ಸ್ಟಾಲೇಶನ್ ಅಗತ್ಯವಿದ್ದು, ಸ್ವಲ್ಪ ಗართულವಾಗಿರಬಹುದಾದ್ದರಿಂದ ಅನುಭವಿಸಿದ ಬಳಕೆದಾರರಿಗೆ ಇದನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
+
+## ಮೇಘದಲ್ಲಿ (Cloud) ಚಾಲನೆ
+
+Python ಅನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಇನ್ಸ್ಟಾಲ್ ಮಾಡಿಕೊಳ್ಳಲು ಇಚ್ಛೆ ಇಲ್ಲದಿದ್ದರೆ ಮತ್ತು ನೀವು ಕೆಲವು ಮೇಘ ಸಂಪನ್ಮೂಲಗಳ ಪ್ರವೇಶ ಹೊಂದಿದ್ದರೆ, ಕೋಡ್ ಅನ್ನು ಮೇಘದಲ್ಲಿ ಚಾಲನೆ ಮಾಡುವುದು ಉತ್ತಮ ಪರ್ಯಾಯವಾಗಿದೆ. ನೀವು ಇದನ್ನು ಮಾಡುವ ಹಲವು ಮಾರ್ಗಗಳಿವೆ:
+
+* **[GitHub Codespaces](https://github.com/features/codespaces)** ಬಳಸಿ, ಇದು GitHub ಮೇಲೆ ನಿಮಗಾಗಿ ಸೃಷ್ಟಿಸಲ್ಪಟ್ಟ ವರ್ಚುವಲ್ ಪರಿಸರ, VS Code ಬ್ರೌಸರ್ ಮುಖಾಂತರ ಪ್ರವೇಶ ಸಾಧ್ಯ. ನೀವು Codespaces ಪ್ರವೇಶ ಹೊಂದಿದ್ದರೆ, ಡಿಪೊದಲ್ಲಿ **Code** ಬಟನ್ ಮೇಲೆ ಕ್ಲಿಕ್ ಮಾಡಿ, ಕೋಡ್ಸ್ಪೇಸ್ ಪ್ರಾರಂಭಿಸಿ, ಬೇಗನೆ ಕಾರ್ಯಾರಂಭಿಸಬಹುದು.
+* **[Binder](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD)** ಬಳಸಿ. [Binder](https://mybinder.org) GitHub上的代码免费云计算资源，供您测试。主页有个按钮可打开仓库到Binder——这会迅速带您到Binder站点，为您构建基础容器并无缝启动Jupyter Web接口。
+
+> **ಸೂಚನೆ**: ಅವ್ಯವಸ್ಥೆ ತಡೆಯಲು, Binder ಕೆಲವು ವೆಬ್ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಬ್ಲಾಕ್ ಮಾಡುತ್ತದೆ. ಇದರಿಂದ ಸಾರ್ವಜನಿಕ ಇಂಟರ್ನೆಟ್ನಿಂದ ಮಾದರಿಗಳು ಅಥವಾ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಪಡೆಯುವ ಕೆಲ ಕೋಡ್ ಕಾರ್ಯನಿರ್ವಹಿಸದು. ನೀವು ಕೆಲವು ಪರ್ಯಾಯಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬೇಕಾಗಬಹುದು. ಜೊತೆಗೆ, Binder ನೀಡುವ ಗಣನಾ ಸಂಪನ್ಮೂಲಗಳು ಸರಳವಾಗಿವೆ, ಆದ್ದರಿಂದ ತರಬೇತಿಗು ಪ್ರಕ್ರಿಯೆ ನಿಧಾನವಾಗಬಹುದು, ವಿಶೇಷವಾಗಿ ನಂತರದ ಸಂಕೀರ್ಣ ಪಾಠಗಳಲ್ಲಿ.
+
+## GPU ಜೊತೆ ಮೇಘದಲ್ಲಿ ಚಾಲನೆ
+
+ಈ ಪಠ್ಯಕ್ರಮದ ನಂತರದ ಕೆಲವು ಪಾಠಗಳು GPU ಬೆಂಬಲದಿಂದ ಬಹುಮಾನ ಪಡೆಯುತ್ತವೆ. ಮಾದರಿ ತರಬೇತಿ, ಉದಾಹರಣೆಗೆ, ಇಲ್ಲದಿದ್ದರೆ ತುಂಬಾ ನಿಧಾನಗತಿಯಾಗಿದೆ. ನೀವು ಪಾಲಿಸಬಹುದಾದ ಕೆಲವು ಆಯ್ಕೆಗಳು ಇವೆ, ವಿಶೇಷವಾಗಿ ನೀವು [Azure for Students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-77998-cacaste) ಮೂಲಕ ಅಥವಾ ನಿಮ್ಮ ಸಂಸ್ಥೆಯ ಮೂಲಕ ಮೇಘ ಪ್ರವೇಶ ಹೊಂದಿದ್ದರೆ:
+
+* [ಡೇಟಾ ಸಯನ್ಸ್ ವರ್ಚುವಲ್แมชชีน್ಸ್](https://docs.microsoft.com/learn/modules/intro-to-azure-data-science-virtual-machine/?WT.mc_id=academic-77998-cacaste) ರಚಿಸಿ ಮತ್ತು Jupyter ಮೂಲಕ ಅದಕ್ಕೆ ಸಂಪರ್ಕ ಮಾಡಿಕೊಳ್ಳಿ. ನೀವು ನಂತರ ರೆಪೊವನ್ನು ಯಂತದ ಮೇಲೆ ನೇರವಾಗಿ ಕ್ಲೋನ್ ಮಾಡಿ, ಕಲಿಯಲು ಪ್ರಾರಂಭಿಸಬಹುದು. NC ಸಿರಿಯಸ್ VM ಗಳು GPU ಬೆಂಬಲ ಹೊಂದಿವೆ.
+
+> **ಸೂಚನೆ**: ಕೆಲವು ಚಂದಾದಾರಿಕೆಗಳು, Azure for Students ಅಹಿತಕರವಾಗಿದೆ, GPU ಬೆಂಬಲವನ್ನು ತಕ್ಷಣ ಒದಗಿಸುವುದಿಲ್ಲ. ನೀವು ತಾಂತ್ರಿಕ ಸಹಾಯ ವಿನಂತಿಯನ್ನು ಸಲ್ಲಿಸಿ ಹೆಚ್ಚುವರಿ GPU ಕೋರ್ಗಳನ್ನು ಕೇಳಬೇಕಾಗಬಹುದು.
+
+* [Azure Machine Learning ಕಾರ್ಯಕ್ಷೇತ್ರ](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-cacaste) ರಚಿಸಿ, ನಂತರ ಅಲ್ಲಿ ನೋಟ್ಬುಕ್ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಬಳಸಿಕೊಳ್ಳಿ. [ಈ ವೀಡಿಯೋ](https://azure-for-academics.github.io/quickstart/azureml-papers/)ವು ರೆಪೊವನ್ನ Azure ML ನೋಟ್ಬುಕ್ಗೆ ಹೇಗೆ ಕ್ಲೋನ್ ಮಾಡಿ ಬಳಸುವುದನ್ನು ತೋರಿಸುತ್ತದೆ.
+
+ನೀವು Google Colab ಕೂಡ ಬಳಸಬಹುದು, ಇದು ಕೆಲವು ಉಚಿತ GPU ಬೆಂಬಲ ಒದಗಿಸುತ್ತದೆ, ಮತ್ತು Jupyter ನೋಟ್ಬುಕ್ಗಳನ್ನು ಅಲ್ಲಿ ಅಪ್ಲೋಡ್ ಮಾಡಿ ಒಂದೊಂದಾಗಿ ನಿರ್ವಹಿಸಬಹುದು.
+
+---
+
+
+**ತಗ್ಗಿಸುವುದು**:
+ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಗೆ ಪ್ರಯತ್ನಿಸಿದರೂ ಸಹ ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ತಪ್ಪಾದ ವಿವರಗಳು ಇದ್ದಿರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿರಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿನ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ ವೃತ್ತಿಪರ ಮನುಷ್ಯ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಿರಸ್ಕಾರಗಳು ಅಥವಾ ತಪ್ಪಾಗುವ ಅರ್ಥಗಳ ಬಗ್ಗೆ ನಾವು ಜವಾಬ್ದಾರಿಯಲ್ಲ.
\ No newline at end of file
diff --git a/translations/kn/lessons/2-Symbolic/Animals.ipynb b/translations/kn/lessons/2-Symbolic/Animals.ipynb
index e1336b8c..565b063f 100644
--- a/translations/kn/lessons/2-Symbolic/Animals.ipynb
+++ b/translations/kn/lessons/2-Symbolic/Animals.ipynb
@@ -6,25 +6,25 @@
"collapsed": true
},
"source": [
- "# ಪ್ರಾಣಿ ತಜ್ಞ ವ್ಯವಸ್ಥೆಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದು\n",
+ "# ಪ್ರಾಣಿ ತಜ್ಞ ವ್ಯವಸ್ಥೆಯನ್ನು ಜಾರಿಗೊಳಿಸುವುದು\n",
"\n",
- "[AI for Beginners Curriculum](http://github.com/microsoft/ai-for-beginners) ನ ಉದಾಹರಣೆ.\n",
+ "[AI for Beginners Curriculum](http://github.com/microsoft/ai-for-beginners) ನಿಂದ ಉದಾಹರಣೆ.\n",
"\n",
- "ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ಕೆಲವು ದೈಹಿಕ ಲಕ್ಷಣಗಳ ಆಧಾರದ ಮೇಲೆ ಪ್ರಾಣಿಯನ್ನು ನಿರ್ಧರಿಸಲು ಸರಳ ಜ್ಞಾನಾಧಾರಿತ ವ್ಯವಸ್ಥೆಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವೆವು. ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಕೆಳಗಿನ AND-OR ಮರದಿಂದ ಪ್ರತಿನಿಧಿಸಬಹುದು (ಇದು ಸಂಪೂರ್ಣ ಮರದ ಒಂದು ಭಾಗ, ನಾವು ಸುಲಭವಾಗಿ ಇನ್ನಷ್ಟು ನಿಯಮಗಳನ್ನು ಸೇರಿಸಬಹುದು):\n",
+ "ಈ ಮಾದರಿಯಲ್ಲಿ, ನಾವು ಕೆಲವು ದೈಹಿಕ ಲಕ್ಷಣಗಳ ಆಧಾರದ ಮೇಲೆ ಪ್ರಾಣಿಯನ್ನು ನಿರ್ಧರಿಸುವ ಸರಳ ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಯನ್ನು ಜಾರಿಗೊಳಿಸುವೆವು. ಈ ವ್ಯವಸ್ಥೆಯನ್ನು ಕೆಳಗಿನ AND-OR ಮರದ ಮೂಲಕ ಪ್ರತಿನಿಧಿಸಬಹುದು (ಇದು ಸಕಲ ಮರದ ಭಾಗವಾಗಿದೆ, ನಾವು ಸುಲಭವಾಗಿ ಇನ್ನಷ್ಟು ನಿಯಮಗಳನ್ನು ಸೇರಿಸಬಹುದು):\n",
"\n",
- "\n"
+ "\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
- "## ನಮ್ಮದೇ ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳ ಶೆಲ್ ಹಿಂದಿನ ನಿರ್ಣಯದೊಂದಿಗೆ\n",
+ "## ನಮ್ಮದೇ ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಗಳ ಶೆಲ್ ಹಿಂದಕ್ಕೆ ઉಲ್ಲೇಖ સાથે\n",
"\n",
- "ನಾವು ಉತ್ಪಾದನಾ ನಿಯಮಗಳ ಆಧಾರದ ಮೇಲೆ ಜ್ಞಾನ ಪ್ರತಿನಿಧಿಗಾಗಿ ಸರಳ ಭಾಷೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ಪ್ರಯತ್ನಿಸೋಣ. ನಿಯಮಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ನಾವು Python ವರ್ಗಗಳನ್ನು ಕೀವರ್ಡ್ಗಳಾಗಿ ಬಳಸುತ್ತೇವೆ. ಮೂಲತಃ 3 ವಿಧದ ವರ್ಗಗಳಿರುತ್ತವೆ:\n",
- "* `Ask` ಬಳಕೆದಾರನಿಗೆ ಕೇಳಬೇಕಾದ ಪ್ರಶ್ನೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಇದರಲ್ಲಿ ಸಾಧ್ಯವಾದ ಉತ್ತರಗಳ ಸೆಟ್ ಇರುತ್ತದೆ.\n",
- "* `If` ನಿಯಮವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ, ಮತ್ತು ಇದು ನಿಯಮದ ವಿಷಯವನ್ನು ಸಂಗ್ರಹಿಸಲು ಸಿಂಟ್ಯಾಕ್ಟಿಕ್ ಶುಗರ್ ಮಾತ್ರ.\n",
- "* `AND`/`OR` ಮರದ AND/OR ಶಾಖೆಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುವ ವರ್ಗಗಳು. ಅವು ಒಳಗಿನ ಆರ್ಗ್ಯುಮೆಂಟ್ಗಳ ಪಟ್ಟಿಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಕೋಡ್ ಸರಳಗೊಳಿಸಲು, ಎಲ್ಲಾ ಕಾರ್ಯಕ್ಷಮತೆ ಪೋಷಕ ವರ್ಗ `Content` ನಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.\n"
+ "ಉತ್ಪಾದನಾ ನಿಯಮಗಳ ಆಧಾರದ ಮೇಲೆ ಜ್ಞಾನ ಪ್ರತಿನಿಧಿಗಾಗಿ ಸಾದಾ ಭಾಷೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದನ್ನು ಪ್ರಯತ್ನಿಸೋಣ. ನಿಯಮಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ನಾವು ಪೈಥಾನ್ ತರಗತಿಗಳನ್ನು ಕೀವರ್ಡ್ಗಳಾಗಿ ಬಳಸಲಿದ್ದೇವೆ. ಮೂಲತಃ 3 ವಿಧದ ತರಗತಿಗಳು ಇರುತ್ತವೆ:\n",
+ "* `Ask` ಬಳಕೆದಾರರಿಗೆ ಕೇಳಬೇಕಾದ ಪ್ರಶ್ನೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಇದರಲ್ಲಿನ ಉತ್ತರಗಳ ಸಂಗ್ರಹವು ಇರುತ್ತದೆ.\n",
+ "* `If` ನಿಯಮವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ, ಮತ್ತು ಅದು ನಿಯಮದ ವಿಷಯವನ್ನು ಸಂಗ್ರಹಿಸುವ ಸಾಮಾನ್ಯ ಸಿಂಟ್ಯಾಕ್ಟಿಕ್ ಸಕ್ಕರೆ ಮಾತ್ರ.\n",
+ "* `AND`/`OR` ದೃಷ್ಟಿಗೋಚರವಾಗುವ ಕ್ಲಾಸ್ಗಳು, ಅಂದರೆ ಗಿಡದ AND/OR ಶಾಖೆಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುವವು. ಅವು ಒಳಗೊಂಡಿರುವ ಆರ್ಜ್ಯುಮೆಂಟ್ಗಳ ಪಟ್ಟಿಯನ್ನು ಮಾತ್ರ ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಕೋಡ್ ಸರಳಗೊಳಿಸಲು, ಎಲ್ಲ ಕಾರ್ಯನಿರ್ವಹಣೆ ಪ್ಯಾರೆಂಟ್ ಕ್ಲಾಸ್ `Content` ನಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.\n"
]
},
{
@@ -66,7 +66,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "ನಮ್ಮ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ, ಕಾರ್ಯಸ್ಮೃತಿ **ಗುಣಲಕ್ಷಣ-ಮೌಲ್ಯ ಜೋಡಿಗಳಾಗಿ** **ತಥ್ಯಗಳ** ಪಟ್ಟಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಜ್ಞಾನಾಧಾರವನ್ನು ಕಾರ್ಯಗಳನ್ನು (ಕಾರ್ಯಸ್ಮೃತಿಯಲ್ಲಿ ಸೇರಿಸಬೇಕಾದ ಹೊಸ ತಥ್ಯಗಳು) AND-OR ಅಭಿವ್ಯಕ್ತಿಗಳಾಗಿ ವ್ಯಕ್ತಪಡಿಸಿದ ಶರತ್ತುಗಳಿಗೆ ನಕ್ಷೆ ಹಾಕುವ ಒಂದು ದೊಡ್ಡ ನಿಘಂಟು ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು. ಕೆಲವು ತಥ್ಯಗಳನ್ನು `Ask` ಮಾಡಬಹುದು.\n"
+ "ನಮ್ಮ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ, ಕಾರ್ಯಸ್ಮೃತಿ **ಗುಣಲಕ್ಷಣ-ಮೌಲ್ಯ ಜೋಡಿಗಳ** ರೂಪದಲ್ಲಿ **ನಿಜಾಂಶಗಳ** ಪಟ್ಟಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಜ್ಞಾನಕೋಶವನ್ನು ಒಂದು ದೊಡ್ಡ ಡಿಕ್ಷನರಿಯಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು, ಅದು ಕ್ರಿಯೆಗಳು (ಹೊಸ ನಿಜಾಂಶಗಳು, ಕಾರ್ಯಸ್ಮೃತಿಯಲ್ಲಿ ಸೇರಿಸಬೇಕಾಗಿರುವ) ಮತ್ತು ಶರತ್ತುಗಳನ್ನು, AND-OR ವ್ಯಾಖ್ಯಾನಗಳಾಗಿ ನಕ್ಷೆ ಬರೆದು ಕಟ್ಟುಕೊಂಡಿರುವುದು. ಕೆಲ ನಿಜಾಂಶಗಳನ್ನು `ಕேಳಬಹುದು` (Ask) ಕೂಡ.\n"
]
},
{
@@ -99,13 +99,13 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "ಹಿಂದಿನ ನಿರ್ಣಯವನ್ನು ನಡೆಸಲು, ನಾವು `Knowledgebase` ವರ್ಗವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವೆವು. ಇದರಲ್ಲಿ ಇರುತ್ತದೆ:\n",
- "* ಕಾರ್ಯನಿರ್ವಹಣಾ `memory` - ಗುಣಲಕ್ಷಣಗಳನ್ನು ಮೌಲ್ಯಗಳಿಗೆ ನಕ್ಷೆ ಮಾಡುವ ಡಿಕ್ಷನರಿ\n",
- "* ಮೇಲ್ಕಂಡಂತೆ ವ್ಯಾಖ್ಯಾನಿಸಿದ Knowledgebase `rules`\n",
+ "ಮತ್ತೆ ಹಿಂದಕ್ಕೆ ಅನುಮಾನಾವಲೋಕನ ಮಾಡಲು, ನಾವು `Knowledgebase` ವರ್ಗವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುಮೀವು. ಇದರಲ್ಲಿ ಇರುತ್ತದೆ: \n",
+ "* ಕಾರ್ಯನಿರ್ವಹಿಸುವ `memory` - ಗುಣಲಕ್ಷಣಗಳನ್ನು ಮೌಲ್ಯಗಳಿಗೆ ನಕ್ಷೆ ಮಾಡುವ ಒಂದು ನಿಘಂಟು \n",
+ "* ಮೇಲ್ನೋಟದಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಿದಂತೆ ಜ್ಞಾನದ ನಿಯಮಗಳು `rules` \n",
"\n",
- "ಎರಡು ಮುಖ್ಯ ವಿಧಾನಗಳು:\n",
- "* `get` ಗುಣಲಕ್ಷಣದ ಮೌಲ್ಯವನ್ನು ಪಡೆಯಲು, ಅಗತ್ಯವಿದ್ದರೆ ನಿರ್ಣಯವನ್ನು ನಡೆಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, `get('color')` ಬಣ್ಣದ ಸ್ಲಾಟ್ನ ಮೌಲ್ಯವನ್ನು ಪಡೆಯುತ್ತದೆ (ಅಗತ್ಯವಿದ್ದರೆ ಕೇಳುತ್ತದೆ ಮತ್ತು ನಂತರದ ಬಳಕೆಗೆ ಕಾರ್ಯನಿರ್ವಹಣಾ ಮೆಮೊರಿಯಲ್ಲಿ ಮೌಲ್ಯವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ). ನಾವು `get('color:blue')` ಕೇಳಿದರೆ, ಬಣ್ಣವನ್ನು ಕೇಳುತ್ತದೆ ಮತ್ತು ನಂತರ ಬಣ್ಣದ ಆಧಾರದ ಮೇಲೆ `y`/`n` ಮೌಲ್ಯವನ್ನು ನೀಡುತ್ತದೆ.\n",
- "* `eval` ನಿಜವಾದ ನಿರ್ಣಯವನ್ನು ನಡೆಸುತ್ತದೆ, ಅಂದರೆ AND/OR ಮರವನ್ನು ಸಂಚರಿಸುತ್ತದೆ, ಉಪ-ಗೋಲುಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ, ಇತ್ಯಾದಿ.\n"
+ "ಎರಡು ಮುಖ್ಯ ವಿಧಾನಗಳಿವೆ: \n",
+ "* `get` ಗುಣಲಕ್ಷಣದ ಮೌಲ್ಯವನ್ನು ಪಡೆಯಲು, ಅಗತ್ಯವಿದ್ದರೆ ಅನುಮಾನಾವಲೋಕನವನ್ನು ನೆರವೇರಿಸುವುದು. ಉದಾಹರಣೆಗೆ, `get('color')` ಬಣ್ಣದ ಸ್ಲಾಟ್ನ ಮೌಲ್ಯವನ್ನು ಪಡೆಯುವುದು (ಅಗತ್ಯವಿದ್ದರೆ ಕೇಳುತ್ತದೆ ಮತ್ತು ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸ್ಮರಣೆಯಲ್ಲಿ ನಂತರ ಬಳಕೆಗೆ ಮೌಲ್ಯವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ). ನಾವು `get('color:blue')` ಕೇಳಿದರೆ, ಅದು ಬಣ್ಣವನ್ನು ಕೇಳುತ್ತದೆ ಮತ್ತು ನಂತರ ಬಣ್ಣದ ಆಧಾರದ ಮೇಲೆ `y`/`n` ಮೌಲ್ಯವನ್ನು ನೀಡುತ್ತದೆ. \n",
+ "* `eval` ನಿಜವಾದ ಅನುಮಾನಾವಲೋಕನವನ್ನು ನೆರವೇರಿಸುತ್ತದೆ, ಅಂದರೆ AND/OR ಮರವನ್ನು ನದಿ ಪ್ರವಹಿಸಿ, ಉಪ-ಗಮಕಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ, ಇತ್ಯಾದಿ.\n"
]
},
{
@@ -172,7 +172,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "ಈಗ ನಾವು ನಮ್ಮ ಪ್ರಾಣಿ ಜ್ಞಾನಾಧಾರವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ ಸಲಹೆ ನೀಡುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಡೆಸೋಣ. ಈ ಕರೆ ನಿಮಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುತ್ತದೆ ಎಂದು ಗಮನಿಸಿ. ಹೌದು-ಇಲ್ಲ ಪ್ರಶ್ನೆಗಳಿಗೆ ನೀವು `y`/`n` ಟೈಪ್ ಮಾಡಿ ಉತ್ತರಿಸಬಹುದು, ಅಥವಾ ಹೆಚ್ಚಿನ ಆಯ್ಕೆಗಳಿರುವ ಪ್ರಶ್ನೆಗಳಿಗೆ 0..N ಸಂಖ್ಯೆಯನ್ನು ಸೂಚಿಸಿ ಉತ್ತರಿಸಬಹುದು.\n"
+ "ಈಗ ನಾವು ನಮ್ಮ ಪ್ರಾಣಿ ಜ್ಞಾನಮೊತ್ತವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ ಮತ್ತು ಸಲಹೆಯನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದನ್ನು ಆರಂಭಿಸೋಣ. ಈ ಕರೆ ನಿಮಗೆ ಪ್ರಶ್ನೆಗಳು ಕೇಳುತ್ತದೆ ಎಂದು ಗಮನಿಸಿ. ನೀವು ಹೌದು-ಇಲ್ಲದ ಪ್ರಶ್ನೆಗಳಿಗೆ `y`/`n` ಟೈಪ್ ಮಾಡಿ ಉತ್ತರಿಸಬಹುದು, ಅಥವಾ ಉದ್ದನೆಯ ಬಹು-ಆಯ್ಕೆ ಉತ್ತರಗಳಿರುವ ಪ್ರಶ್ನೆಗಳಿಗೆ ಸಂಖ್ಯೆ (0..N) ನೀಡಬಹುದು.\n"
]
},
{
@@ -229,11 +229,11 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "## ಫಾರ್ವರ್ಡ್ ಇನ್ಫರೆನ್ಸ್ಗೆ PyKnow ಬಳಕೆ\n",
+ "## ಫಾರ್ವರ್ಡ್ ಇನ್ಫರೆನ್ಸ್ಗಾಗಿ Experta ಬಳಸುವುದು\n",
"\n",
- "ಮುಂದಿನ ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನಕ್ಕಾಗಿ ಇರುವ ಗ್ರಂಥಾಲಯಗಳಲ್ಲಿ ಒಂದಾದ [PyKnow](https://github.com/buguroo/pyknow/) ಬಳಸಿ ಫಾರ್ವರ್ಡ್ ಇನ್ಫರೆನ್ಸ್ ಅನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸಲು ಪ್ರಯತ್ನಿಸುವೆವು. **PyKnow** ಪೈಥಾನ್ನಲ್ಲಿ ಫಾರ್ವರ್ಡ್ ಇನ್ಫರೆನ್ಸ್ ವ್ಯವಸ್ಥೆಗಳನ್ನು ರಚಿಸಲು ಬಳಸುವ ಗ್ರಂಥಾಲಯವಾಗಿದ್ದು, ಇದು ಪಾರಂಪರಿಕ ಹಳೆಯ ವ್ಯವಸ್ಥೆ [CLIPS](http://www.clipsrules.net/index.html) ಗೆ ಸಮಾನವಾಗಿರಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.\n",
+ "ಮುಂದಿನ ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು ಜ್ಞಾನ ಪ್ರತಿನಿಧಿಗಾಗಿ ಲೈಬ್ರರಿಗಳಲ್ಲಿ ಒಂದಾದ [Experta](https://github.com/nilp0inter/experta)ಯನ್ನು ಬಳಸಿ ಫಾರ್ವರ್ಡ್ ಇನ್ಫರೆನ್ಸ್ ಅನ್ನು ಅನುಷ್ಟಾನ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವೆವು. **Experta** ಎಂಬುದು ಪೈಥಾನ್ನಲ್ಲಿ ಫಾರ್ವರ್ಡ್ ಇನ್ಫರೆನ್ಸ್ ವ್ಯವಸ್ಥೆಗಳನ್ನು ರಚಿಸುವ ಲೈಬ್ರರಿ, classical ಹಳೆಯ ವ್ಯವಸ್ಥೆ [CLIPS](http://www.clipsrules.net/index.html)ಗೆ ಹೊಂದುವಂತಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.\n",
"\n",
- "ನಾವು ಸ್ವತಃ ಫಾರ್ವರ್ಡ್ ಚೈನಿಂಗ್ ಅನ್ನು ಸಹ ಅನೇಕ ಸಮಸ್ಯೆಗಳಿಲ್ಲದೆ ಅನುಷ್ಠಾನಗೊಳಿಸಬಹುದಾಗಿತ್ತು, ಆದರೆ ಸರಳ ಅನುಷ್ಠಾನಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗುವುದಿಲ್ಲ. ನಿಯಮಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಹೊಂದಿಸಲು ವಿಶೇಷ ಆಲ್ಗಾರಿದಮ್ [Rete](https://en.wikipedia.org/wiki/Rete_algorithm) ಬಳಸಲಾಗುತ್ತದೆ.\n"
+ "ನಾವು ಫಾರ್ವರ್ಡ್ ಚೈನಿಂಗ್ ಅನ್ನು ಸ್ವತಃ ಅನುಷ್ಟಾನ ಮಾಡಬಹುದು, ಆದರೆ ಸುಲಭವಾದ ಅನುಷ್ಟಾನಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಬಹುಮಟ್ಟಿಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗುವುದಿಲ್ಲ. ಹೆಚ್ಚಿನ ಪರಿಣಾಮಕಾರಿ ನಿಯಮ ಹೊಂದಾಣಿಕೆಗೆ ವಿಶೇಷ ಆಲ್ಗೋರಿ ಥಮ್ [Rete](https://en.wikipedia.org/wiki/Rete_algorithm) ಅನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.\n"
]
},
{
@@ -247,32 +247,31 @@
"name": "stdout",
"output_type": "stream",
"text": [
- "Collecting git+https://github.com/buguroo/pyknow/\n",
- " Cloning https://github.com/buguroo/pyknow/ to /tmp/pip-req-build-3cqeulyl\n",
- " Running command git clone --filter=blob:none --quiet https://github.com/buguroo/pyknow/ /tmp/pip-req-build-3cqeulyl\n",
- " Resolved https://github.com/buguroo/pyknow/ to commit 48818336f2e9a126f1964f2d8dc22d37ff800fe8\n",
- " Preparing metadata (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25hCollecting frozendict==1.2\n",
- " Using cached frozendict-1.2.tar.gz (2.6 kB)\n",
- " Preparing metadata (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25hCollecting schema==0.6.7\n",
- " Using cached schema-0.6.7-py2.py3-none-any.whl (14 kB)\n",
- "Building wheels for collected packages: pyknow, frozendict\n",
- " Building wheel for pyknow (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25h Created wheel for pyknow: filename=pyknow-1.7.0-py3-none-any.whl size=34228 sha256=b7de5b09292c4007667c72f69b98d5a1b5f7324ff15f9dd8e077c3d5f7aade42\n",
- " Stored in directory: /tmp/pip-ephem-wheel-cache-k7jpave7/wheels/81/1a/d3/f6c15dbe1955598a37755215f2a10449e7418500d7bd4b9508\n",
- " Building wheel for frozendict (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25h Created wheel for frozendict: filename=frozendict-1.2-py3-none-any.whl size=3148 sha256=2863d55c240d2409cddf05ccfe600591f8478681549fc97555c47c90dc6bb160\n",
- " Stored in directory: /home/rg/.cache/pip/wheels/49/ac/f8/cb8120244e710bdb479c86198b03c7b08c3c2d3d2bf448fd6e\n",
- "Successfully built pyknow frozendict\n",
- "Installing collected packages: schema, frozendict, pyknow\n",
- "Successfully installed frozendict-1.2 pyknow-1.7.0 schema-0.6.7\n"
+ "Collecting git+https://github.com/nilp0inter/experta\n",
+ " Cloning https://github.com/nilp0inter/experta to /tmp/pip-req-build-7qurtwk3\n",
+ " Running command git clone --filter=blob:none --quiet https://github.com/nilp0inter/experta /tmp/pip-req-build-7qurtwk3\n",
+ " Resolved https://github.com/nilp0inter/experta to commit c6d5834b123861f5ae09e7d07027dc98bec58741\n",
+ " Installing build dependencies ... \u001b[?25ldone\n",
+ "\u001b[?25h Getting requirements to build wheel ... \u001b[?25ldone\n",
+ "\u001b[?25h Preparing metadata (pyproject.toml) ... \u001b[?25ldone\n",
+ "\u001b[?25hRequirement already satisfied: frozendict~=2.4.6 in /opt/conda/envs/ai4beg/lib/python3.12/site-packages (from experta==1.9.5.dev1) (2.4.7)\n",
+ "Collecting schema~=0.6.7 (from experta==1.9.5.dev1)\n",
+ " Downloading schema-0.6.8-py2.py3-none-any.whl.metadata (14 kB)\n",
+ "Downloading schema-0.6.8-py2.py3-none-any.whl (14 kB)\n",
+ "Building wheels for collected packages: experta\n",
+ " Building wheel for experta (pyproject.toml) ... \u001b[?25ldone\n",
+ "\u001b[?25h Created wheel for experta: filename=experta-1.9.5.dev1-py3-none-any.whl size=34804 sha256=888c459512a5e713f4b674caa9a0f96cfdf07ec0d6eb56cc318ce0653d218014\n",
+ " Stored in directory: /tmp/pip-ephem-wheel-cache-1eeii9zy/wheels/3d/e8/bb/22d7956359603fa8dd679aa09f5b8efb3f29991c3986fdc787\n",
+ "Successfully built experta\n",
+ "Installing collected packages: schema, experta\n",
+ "\u001b[2K \u001b[90m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\u001b[0m \u001b[32m2/2\u001b[0m [experta]\n",
+ "\u001b[1A\u001b[2KSuccessfully installed experta-1.9.5.dev1 schema-0.6.8\n"
]
}
],
"source": [
"import sys\n",
- "!{sys.executable} -m pip install git+https://github.com/buguroo/pyknow/"
+ "!{sys.executable} -m pip install git+https://github.com/nilp0inter/experta"
]
},
{
@@ -283,15 +282,15 @@
},
"outputs": [],
"source": [
- "from pyknow import *\n",
- "#import pyknow"
+ "from experta import *\n",
+ "#import experta"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
- "ನಾವು ನಮ್ಮ ವ್ಯವಸ್ಥೆಯನ್ನು `KnowledgeEngine` ಅನ್ನು ಉಪವರ್ಗಗೊಳಿಸುವ ವರ್ಗವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವೆವು. ಪ್ರತಿ ನಿಯಮವನ್ನು `@Rule` ಅಂಕಿತದೊಂದಿಗೆ ಪ್ರತ್ಯೇಕ ಕಾರ್ಯವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗುತ್ತದೆ, ಇದು ನಿಯಮವು ಯಾವಾಗ ಕಾರ್ಯಗತಗೊಳ್ಳಬೇಕು ಎಂದು ಸೂಚಿಸುತ್ತದೆ. ನಿಯಮದ ಒಳಗೆ, ನಾವು `declare` ಕಾರ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು ಹೊಸ ವಾಸ್ತವಗಳನ್ನು ಸೇರಿಸಬಹುದು, ಮತ್ತು ಆ ವಾಸ್ತವಗಳನ್ನು ಸೇರಿಸುವುದರಿಂದ ಮುಂದುವರಿದ ನಿರ್ಣಯ ಯಂತ್ರದ ಮೂಲಕ ಇನ್ನಷ್ಟು ನಿಯಮಗಳು ಕರೆಮಾಡಲ್ಪಡುವವು.\n"
+ "ನಾವು ನಮ್ಮ ವ್ಯವಸ್ಥೆಯನ್ನು `KnowledgeEngine` ಅನ್ನು subclass ಆಗಿ ಹೊಂದಿರುವ ಒಂದು ವರ್ಗವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವೆವು. ಪ್ರತಿ ನಿಯಮವು `@Rule` ಅ್ಯಾನೋಟೇಶನ್ ಹೊಂದಿರುವ ಪ್ರತ್ಯೇಕ ಕಾರ್ಯದಿಂದ ನಿರ್ಧಾರಗೊಳ್ಳುತ್ತದೆ, ಇದು ನಿಯಮವು ಯಾವಾಗ ಕಾರ್ಯಗതಗೊಳ್ಳಬೇಕು ಎಂದು ನಿರ್ಧರಿಸುತ್ತದೆ. ನಿಯಮದ ಒಳಗೆ, ನಾವು `declare` ಕಾರ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು ಹೊಸ ವಾಸ್ತವಗಳನ್ನು ಸೇರಿಸಬಹುದು, ಮತ್ತು ಆ ವಾಸ್ತವಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಮುಂದುವರಿದ ನಿರ್ಣಯ ಯಂತ್ರವು ಇನ್ನಷ್ಟು ನಿಯಮಗಳನ್ನು ಕರೆಯುತ್ತದೆ.\n"
]
},
{
@@ -378,7 +377,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "ಒಮ್ಮೆ ನಾವು ಜ್ಞಾನಾಧಾರವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿದ ನಂತರ, ನಾವು ನಮ್ಮ ಕಾರ್ಯಸ್ಮೃತಿಯನ್ನು ಕೆಲವು ಪ್ರಾಥಮಿಕ ತಥ್ಯಗಳಿಂದ ತುಂಬಿಸುತ್ತೇವೆ, ಮತ್ತು ನಂತರ ನಿರ್ಣಯವನ್ನು ನಿರ್ವಹಿಸಲು `run()` ವಿಧಾನವನ್ನು ಕರೆಸುತ್ತೇವೆ. ನೀವು ಫಲಿತಾಂಶವಾಗಿ ನೋಡಬಹುದು ಹೊಸ ನಿರ್ಣಯಿತ ತಥ್ಯಗಳು ಕಾರ್ಯಸ್ಮೃತಿಗೆ ಸೇರಿಸಲಾಗುತ್ತವೆ, ಪ್ರಾಣಿಯ ಬಗ್ಗೆ ಅಂತಿಮ ತಥ್ಯವನ್ನು ಒಳಗೊಂಡಂತೆ (ನಾವು ಎಲ್ಲಾ ಪ್ರಾಥಮಿಕ ತಥ್ಯಗಳನ್ನು ಸರಿಯಾಗಿ ಹೊಂದಿಸಿದರೆ).\n"
+ "ಒಂದು ಬಾರಿ ನಾವು ಜ್ಞಾನಭಂಡಾರವನ್ನು นิರ್ಧರಿಸಿದ ಮೇಲೆ, ನಾವು ನಮ್ಮ ಕೆಲಸ ಮಾಡುವ ಸ್ಮೃತಿಯನ್ನು ಕೆಲವು ಪ್ರಾಥಮಿಕ ವಾಸ್ತವಗಳೊಂದಿಗೆ ತುಂಬುತ್ತೇವೆ, ನಂತರ ನಿರ್ಣಯವನ್ನು ನಡೆಸಲು `run()` ವಿಧಾನವನ್ನು ಕರೆ ಮಾಡುತ್ತೇವೆ. ಫಲಿತಾಂಶವಾಗಿ ನೀವು ನೋಡಬಹುದು ಹೊಸ ನಿರ್ನೀತ ವಾಸ್ತವಗಳು ಕೆಲಸ ಮಾಡುವ ಸ್ಮೃತಿಗೆ ಸೇರಿಸಲಾಗಿದೆ, ಪ್ರಾಣಿಯ ಬಗ್ಗೆ ಅಂತಿಮ ವಾಸ್ತವ ಸಹ ಸೇರಿದೆ (ನಾವು ಎಲ್ಲಾ ಪ್ರಾಥಮಿಕ ವಾಸ್ತವಗಳನ್ನು ಸರಿಯಾಗಿ ಸೆಟ್ ಮಾಡಿದರೆ).\n"
]
},
{
@@ -440,7 +439,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "---\n\n\n**ಅಸ್ವೀಕರಣ**: \nಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯಿಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.\n\n"
+ "---\n\n\n**ತಡೆರಹಿತ ಮಾಹಿತಿ**: \nಈ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯನ್ನು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ ಸಹ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಲ್ಲವು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಡಾಕ್ಯುಮೆಂಟ್ ತನ್ನ ಮೂಲ ಭಾಷೆಯಲ್ಲಿ ಅಧಿಕೃತ ಮತ್ತು ನಂಬುಗಡ ಪರಿಕಲ್ಪನೆ ಆಗಿದೆ. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ಅರ್ಥಘಟ್ಧತೆಗಳು ಅಥವಾ ತಪ್ಪಾದ ಅರ್ಥರೂಪಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.\n\n"
]
}
],
@@ -467,8 +466,8 @@
"version": "3.11.2"
},
"coopTranslator": {
- "original_hash": "ab2bd97b0453415b89a469284609a8ce",
- "translation_date": "2025-11-25T23:49:12+00:00",
+ "original_hash": "8ef43db4b9182239fd150a76bd494fdb",
+ "translation_date": "2026-01-17T02:10:25+00:00",
"source_file": "lessons/2-Symbolic/Animals.ipynb",
"language_code": "kn"
}
diff --git a/translations/kn/lessons/2-Symbolic/README.md b/translations/kn/lessons/2-Symbolic/README.md
index b8cd749a..0150831c 100644
--- a/translations/kn/lessons/2-Symbolic/README.md
+++ b/translations/kn/lessons/2-Symbolic/README.md
@@ -1,116 +1,116 @@
-# ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ಮತ್ತು ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು
+# ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ಮತ್ತು ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಗಳು
-
+
-> ಸ್ಕೆಚ್ನೋಟ್ [ಟೊಮೊಮಿ ಇಮುರು](https://twitter.com/girlie_mac) ಅವರಿಂದ
+> ಸ್ಕೆಚ್ ನೋಟ್ [ಟೋಮೊಮಿ ಇಮುರಾ](https://twitter.com/girlie_mac) ಅವರಿಂದ
-ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಹುಡುಕಾಟವು ಜ್ಞಾನಕ್ಕಾಗಿ ಹುಡುಕಾಟದ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ, ಮಾನವರಂತೆ ಜಗತ್ತನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು. ಆದರೆ ನೀವು ಇದನ್ನು ಹೇಗೆ ಮಾಡಬಹುದು?
+ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಾಗಿ ಪಶ್ಚಾತ್ತಾಪವು ಮಾನವರು ಹೇಗೆ ಮಾಡುತ್ತಾರೆ ಹಾಗೆ ವಿಶ್ವವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಜ್ಞಾನವನ್ನು ಹುಡುಕುವುದರ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ. ಆದರೆ ನೀವು ಇದನ್ನು ಹೇಗೆ ಮಾಡಬಹುದು?
## [ಪೂರ್ವ-ವ್ಯಾಖ್ಯಾನ ಪ್ರಶ್ನೋತ್ತರ](https://ff-quizzes.netlify.app/en/ai/quiz/3)
-AI ಆರಂಭಿಕ ದಿನಗಳಲ್ಲಿ, ಬುದ್ಧಿವಂತ ವ್ಯವಸ್ಥೆಗಳನ್ನು ರಚಿಸುವ ಟಾಪ್-ಡೌನ್ ವಿಧಾನ (ಹಿಂದಿನ ಪಾಠದಲ್ಲಿ ಚರ್ಚಿಸಲಾಯಿತು) ಜನಪ್ರಿಯವಾಗಿತ್ತು. ಆ ಕಲ್ಪನೆ ಜನರಿಂದ ಜ್ಞಾನವನ್ನು ಯಂತ್ರ ಓದಲು ಸಾಧ್ಯವಾದ ರೂಪದಲ್ಲಿ ತೆಗೆದು, ಅದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಬಳಸುವುದು. ಈ ವಿಧಾನ ಎರಡು ದೊಡ್ಡ ಕಲ್ಪನೆಗಳ ಮೇಲೆ ಆಧಾರಿತವಾಗಿತ್ತು:
+AI ಯ ಮೊದಲ ದಿನಗಳಲ್ಲಿ, ಬುದ್ಧಿವಂತ ವ್ಯವಸ್ಥೆಗಳನ್ನು ತಯಾರಿಸಲು ಮೇಲಿನ ಹರಿವು (ಹಿಂದಿನ ಪಾಠದಲ್ಲಿ ಚರ್ಚಿಸಲಾಯಿತು) ಜನಪ್ರಿಯವಾಗಿತ್ತು. ಆಯ್ದವರು ಜ್ಞಾನವನ್ನು ಜನರಿಂದ ಯಂತ್ರಕ್ಕೆ ಪಠ್ಯರೂಪದಲ್ಲಿ ತೆಗೆದು, ನಂತರ ತಾನಾಗಿಯೇ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಬಳಸುವುದು ಎಂದು ಭಾವಿಸಿದ್ದರು. ಈ ವಿಧಾನವು ಎರಡು ಪ್ರಮುಖ ಕಲ್ಪನೆಗಳ ಮೇಲೆ ಆಧಾರಿತವಾಗಿತ್ತು:
* ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ
-* ತರ್ಕ
+* ತರ್ಕವಿಮರ್ಶೆ
## ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ
-ಸಾಂಕೆತಿಕ AIಯಲ್ಲಿ ಪ್ರಮುಖ ಕಲ್ಪನೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ **ಜ್ಞಾನ**. ಜ್ಞಾನವನ್ನು *ಮಾಹಿತಿ* ಅಥವಾ *ಡೇಟಾ*ಯಿಂದ ವಿಭಿನ್ನವಾಗಿ ಪರಿಗಣಿಸುವುದು ಮುಖ್ಯ. ಉದಾಹರಣೆಗೆ, ಪುಸ್ತಕಗಳು ಜ್ಞಾನವನ್ನು ಹೊಂದಿವೆ ಎಂದು ಹೇಳಬಹುದು, ಏಕೆಂದರೆ ಪುಸ್ತಕಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಿ ತಜ್ಞರಾಗಬಹುದು. ಆದರೆ, ಪುಸ್ತಕಗಳಲ್ಲಿ ಇರುವುದನ್ನು ನಿಜವಾಗಿಯೂ *ಡೇಟಾ* ಎಂದು ಕರೆಯುತ್ತಾರೆ, ಮತ್ತು ಪುಸ್ತಕಗಳನ್ನು ಓದಿ ಈ ಡೇಟಾವನ್ನು ನಮ್ಮ ಜಗತ್ತಿನ ಮಾದರಿಯಲ್ಲಿ ಸಂಯೋಜಿಸುವ ಮೂಲಕ ನಾವು ಡೇಟಾವನ್ನು ಜ್ಞಾನಕ್ಕೆ ಪರಿವರ್ತಿಸುತ್ತೇವೆ.
+ಸಾಂಗತ್ಯಾತ್ಮಕ AI ಯ ಪ್ರಮುಖ ನಿಷ್ಠೆಗಳಲ್ಲೊಂದು **ಜ್ಞಾನ**. ಜ್ಞಾನವನ್ನು *ಮಾಹಿತಿ* ಅಥವಾ *ಡೇಟಾ* ಇಂದ ವಿಭಜಿಸಬೇಕಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಪುಸ್ತಕಗಳು ಜ್ಞಾನವನ್ನು ಹೊಂದಿವೆ ಎಂದು ಹೇಳಬಹುದು, ಏಕೆಂದರೆ ಪುಸ್ತಕಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದು ಮತ್ತು ಪರಿಣತಿಯಾಗುವುದು ಸಾಧ್ಯ. ಆದಾಗ್ಯೂ, ಪುಸ್ತಕಗಳಲ್ಲಿ ಇರುವ ವಿಷಯವನ್ನು *ಡೇಟಾ* ಎಂದು ಕರೆಯುತ್ತಾರೆ, ಮತ್ತು ಪುಸ್ತಕಗಳನ್ನು ಓದಿ ಈ ಡೇಟಾವನ್ನು ನಮ್ಮ ವಿಶ್ವ ಮಾದರಿಯಲ್ಲಿ ಸೇರ್ಪಡೆ ಮಾಡುವುದು ಮೂಲಕ ನಾವು ಡೇಟಾವನ್ನು ಜ್ಞಾನವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತೇವೆ.
-> ✅ **ಜ್ಞಾನ** ಎಂದರೆ ನಮ್ಮ ತಲೆಯೊಳಗೆ ಇರುವದು ಮತ್ತು ಜಗತ್ತಿನ ನಮ್ಮ ಅರ್ಥವನ್ನು ಪ್ರತಿನಿಧಿಸುವದು. ಇದು ಸಕ್ರಿಯ **ಅಧ್ಯಯನ** ಪ್ರಕ್ರಿಯೆಯಿಂದ ಪಡೆಯಲ್ಪಡುವದು, ನಾವು ಪಡೆದ ಮಾಹಿತಿಯ ತುಂಡುಗಳನ್ನು ನಮ್ಮ ಸಕ್ರಿಯ ಜಗತ್ತಿನ ಮಾದರಿಯಲ್ಲಿ ಸಂಯೋಜಿಸುವದು.
+> ✅ **ಜ್ಞಾನ** ನಮ್ಮ ತಲೆಮೇಲೆ ಇರುತ್ತದೆ ಮತ್ತು ವಿಶ್ವದ ಮೇಲೆ ನಮ್ಮ ಅರ್ಥಮಾಡಿಕೊಳ್ಕುವಿಕೆಯ ಪ್ರತಿನಿಧಾನ. ಇದು ಚತುರ್ಭುಜ **ಕಲಿಕೆ** ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಪಡೆಯಲಾಗುತ್ತದೆ, ಅದು ನಾವು ಪಡೆದ ಮಾಹಿತಿಯ ತುಂಡುಗಳನ್ನು ನಮ್ಮ ಸಕ್ರಿಯ ಮಾದರಿಯಲ್ಲಿ ಸೇರ್ಪಡೆ ಮಾಡುತ್ತದೆ.
-ಬಹುಮಾನವಾಗಿ, ನಾವು ಜ್ಞಾನವನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವುದಿಲ್ಲ, ಆದರೆ ಅದನ್ನು ಸಂಬಂಧಿತ ಕಲ್ಪನೆಗಳೊಂದಿಗೆ [DIKW ಪಿರಮಿಡ್](https://en.wikipedia.org/wiki/DIKW_pyramid) ಬಳಸಿ ಹೊಂದಾಣಿಕೆ ಮಾಡುತ್ತೇವೆ. ಇದರಲ್ಲಿ ಈ ಕೆಳಗಿನ ಕಲ್ಪನೆಗಳಿವೆ:
+ಬಹುತೇಕ ಸಮಯ, ನಾವು ಜ್ಞಾನವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುವುದಿಲ್ಲ, ಆದರೆ ಅದನ್ನು ಇತರ ಸಂಬಂಧಿತ ಕಲ್ಪನೆಗಳ ಜೊತೆಗೆ [DIKW ಪಿರಮಿಡ್](https://en.wikipedia.org/wiki/DIKW_pyramid) ಬಳಸಿ ಹೊಂದಾಣಿಕೆ ಮಾಡುತ್ತೇವೆ. ಇದರಲ್ಲಿ ಈ ಕೆಳಗಿನ ಕಲ್ಪನೆಗಳಿವೆ:
-* **ಡೇಟಾ** ಎಂದರೆ ಭೌತಿಕ ಮಾಧ್ಯಮದಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲ್ಪಟ್ಟಿರುವುದು, ಉದಾಹರಣೆಗೆ ಬರೆಯಲಾದ ಪಠ್ಯ ಅಥವಾ ಮಾತಿನ ಪದಗಳು. ಡೇಟಾ ಮಾನವರಿಂದ ಸ್ವತಂತ್ರವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಮತ್ತು ಜನರ ನಡುವೆ ಹಂಚಿಕೊಳ್ಳಬಹುದು.
-* **ಮಾಹಿತಿ** ಎಂದರೆ ನಾವು ನಮ್ಮ ತಲೆಯೊಳಗೆ ಡೇಟಾವನ್ನು ಹೇಗೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ. ಉದಾಹರಣೆಗೆ, *ಕಂಪ್ಯೂಟರ್* ಎಂಬ ಪದವನ್ನು ಕೇಳಿದಾಗ, ಅದೇನು ಎಂಬುದರ ಬಗ್ಗೆ ನಮಗೆ ಕೆಲವು ಅರ್ಥಗಳಿರುತ್ತವೆ.
-* **ಜ್ಞಾನ** ಎಂದರೆ ಮಾಹಿತಿಯನ್ನು ನಮ್ಮ ಜಗತ್ತಿನ ಮಾದರಿಯಲ್ಲಿ ಸಂಯೋಜಿಸುವುದು. ಉದಾಹರಣೆಗೆ, ಕಂಪ್ಯೂಟರ್ ಎಂದರೇನು ಎಂದು ಕಲಿತ ಮೇಲೆ, ಅದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ, ಅದರ ಬೆಲೆ ಎಷ್ಟು, ಮತ್ತು ಅದನ್ನು ಏಕೆ ಬಳಸಬಹುದು ಎಂಬುದರ ಬಗ್ಗೆ ನಮಗೆ ಕೆಲವು ಕಲ್ಪನೆಗಳು ಬರುತ್ತವೆ. ಈ ಪರಸ್ಪರ ಸಂಬಂಧಿತ ಕಲ್ಪನೆಗಳ ಜಾಲವೇ ನಮ್ಮ ಜ್ಞಾನ.
-* **ಜ್ಞಾನತೆ** ಎಂದರೆ ಜಗತ್ತಿನ ನಮ್ಮ ಇನ್ನೊಂದು ಮಟ್ಟದ ಅರ್ಥ, ಮತ್ತು ಇದು *ಮೆಟಾ-ಜ್ಞಾನ* ಅನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ, ಉದಾ. ಜ್ಞಾನವನ್ನು ಯಾವಾಗ ಮತ್ತು ಹೇಗೆ ಬಳಸಬೇಕು ಎಂಬ ಕಲ್ಪನೆ.
+* **ಡೇಟಾ** ಭೌತಿಕ ಮಾಧ್ಯಮದಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲ್ಪಟ್ಟದ್ದು, ಉದಾಹರಣೆಗೆ ಬರೆಯಲಾದ ಪಠ್ಯ ಅಥವಾ ಮಾತಿನ ಪದಗಳು. ಡೇಟಾ ಮಾನವರಿಗೆ ನಿರಪೇಕ್ಷವಾಗಿ ಇರುತ್ತದೆ ಮತ್ತು ವ್ಯಕ್ತಿಗಳ ನಡುವೆ ಹಂಚಿಕೊಳ್ಳಬಹುದು.
+* **ಮಾಹಿತಿ** ನಮ್ಮ ತಲೆಮೇಲೆ ಡೇಟಾ ಹೇಗೆ ಅರ್ಥಗೊಳ್ಳಲ್ಪಟ್ಟಿದೆ ಎಂಬುದಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ನಾವು *ಕಂಪ್ಯೂಟರ್* ಎಂಬ ಪದವನ್ನು ಕೇಳುವಾಗ, ಅದು ಏನೆಂದು ನಾವೇ ತಿಳಿದುಕೊಳ್ಳುತ್ತೇವೆ.
+* **ಜ್ಞಾನ** ಗೊಂದು ವಿಶ್ವ ಮಾದರಿಯಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು ಸೇರ್ಪಡೆ ಮಾಡುವುದು. ಉದಾಹರಣೆಗೆ, ಒಂದು ಕಂಪ್ಯೂಟರ್ ಏನೆಂದು ಕಲಿತ ನಂತರ, ನಾವು ಅದರ ಕಾರ್ಯಪದ್ಧತಿ, ಖರ್ಚು, ಮತ್ತು ಉಪಯೋಗಗಳನ್ನು ತಿಳಿಯುತ್ತದೆ. ಈ ಸಂಯೋಜಿತ ಕಲ್ಪನೆಗಳ ಜಾಲ ನಮ್ಮ ಜ್ಞಾನವನ್ನು ರೂಪಿಸುತ್ತದೆ.
+* **ತತ್ಪರ್ಯಾಕ್** ನಮ್ಮ ವಿಶ್ವದ ಮೇಲಿನ ಮೇಲ್ಮಟ್ಟದ ಅರ್ಥ, ಅದು *ಮೆಟಾ-ಜ್ಞಾನ* ಅನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ, ಉದಾ: ಜ್ಞಾನವನ್ನು ಯಾವಾಗ ಹಾಗೂ ಹೇಗೆ ಬಳಸಬೇಕು ಎಂಬ ಕಲ್ಪನೆ.
-*ಚಿತ್ರ [ವಿಕಿಪೀಡಿಯದಿಂದ](https://commons.wikimedia.org/w/index.php?curid=37705247), ಲಾಂಗ್ಲಿವಥಿಯುಕ್ಸ್ ಅವರ ಸ್ವಂತ ಕೆಲಸ, CC BY-SA 4.0*
+*ಚಿತ್ರ [ವಿಕಿಪೀಡಿಯದಿಂದ](https://commons.wikimedia.org/w/index.php?curid=37705247), ಲಾಂಗ್ಲಿವೇಥಿಯುಕ್ಸ್ - ಸ್ವಂತ ಕೆಲಸ, CC BY-SA 4.0*
-ಹೀಗಾಗಿ, **ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನದ** ಸಮಸ್ಯೆ ಎಂದರೆ ಜ್ಞಾನವನ್ನು ಡೇಟಾ ರೂಪದಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ಒಳಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪ್ರತಿನಿಧಿಸುವ ವಿಧಾನವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು, ಅದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಬಳಸಲು ಸಾಧ್ಯವಾಗುವಂತೆ ಮಾಡುವುದು. ಇದನ್ನು ಒಂದು ಸ್ಪೆಕ್ಟ್ರಮ್ ಆಗಿ ನೋಡಬಹುದು:
+ಆದ್ದರಿಂದ, **ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನದ** ಸಮಸ್ಯೆಯು ಜ್ಞಾನವನ್ನು ಡೇಟಾ ರೂಪದಲ್ಲಿ ಯಂತ್ರದಲ್ಲಿ ಪರಿಣಾಮಕಾರಿ ರೀತಿಯಲ್ಲಿ ಪ್ರತಿನಿಧಿಸುವ ಮಾರ್ಗವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು, ಅದು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಬಳಸಬಹುದಾಗಿದೆ. ಇದನ್ನು ಒಂದು ಸ್ಪೆಕ್ಟ್ರಮ್ ಎಂದು ನೋಡಬಹುದು:
-
+
-> ಚಿತ್ರ [ಡ್ಮಿತ್ರಿ ಸೋಶ್ನಿಕೋವ್](http://soshnikov.com) ಅವರಿಂದ
+> ಚಿತ್ರ: [ದ್ಮಿತ್ರಿ ಸೊಶ್ನಿಕೊವ್](http://soshnikov.com)
-* ಎಡಭಾಗದಲ್ಲಿ, ಕಂಪ್ಯೂಟರ್ಗಳು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಬಳಸಬಹುದಾದ ಅತ್ಯಂತ ಸರಳ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನಗಳಿವೆ. ಸರಳವಾದುದು ಅಲ್ಗೋರಿದಮಿಕ್ ಆಗಿದ್ದು, ಜ್ಞಾನವನ್ನು ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಮ್ ಮೂಲಕ ಪ್ರತಿನಿಧಿಸುವುದು. ಆದರೆ ಇದು ಉತ್ತಮ ವಿಧಾನವಲ್ಲ, ಏಕೆಂದರೆ ಇದು ಲವಚಿಕವಾಗಿಲ್ಲ. ನಮ್ಮ ತಲೆಯೊಳಗಿನ ಜ್ಞಾನ ಬಹುಶಃ ಅಲ್ಗೋರಿದಮಿಕ್ ಅಲ್ಲ.
-* ಬಲಭಾಗದಲ್ಲಿ, ನೈಸರ್ಗಿಕ ಪಠ್ಯದಂತಹ ಪ್ರತಿನಿಧಾನಗಳಿವೆ. ಇದು ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ಆದರೆ ಸ್ವಯಂಚಾಲಿತ ತರ್ಕಕ್ಕೆ ಬಳಸಲಾಗುವುದಿಲ್ಲ.
+* ಎಡ ಬದಿಯಲ್ಲಿ, ಗಣಕಗಳು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಬಳಸಬಲ್ಲ ಸುಲಭ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನಗಳಿವೆ. ಸರಳವಾದುದು ಅಲ್ಗೋರೀತ्मिक, ಅಂದರೆ ಜ್ಞಾನವನ್ನು ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಮ್ ಮೂಲಕ ಪ್ರತಿನಿಧಿಸುವುದು. ಆದರೆ ಇದು ಉತ್ತಮ ಮಾರ್ಗವಲ್ಲ, ಏಕೆಂದರೆ ಇದು ಸ್ಥಿರವಾಗಿದ್ದು, ನಮ್ಮ ತಲೆಮೇಲೆ ಇರುವ ಜ್ಞಾನವು ಅಲ್ಗೋರಿಥ್ಮಿಕ ಅಲ್ಲ.
+* ಬಲ ಬದಿಯಲ್ಲಿ, ಪ್ರಕೃತ ಪಠ್ಯಂತಹ ಪ್ರತಿನಿಧಾನಗಳಿವೆ. ಇದು ಶಕ್ತಿಶಾಲಿಯಾಗಿದ್ದು, ಸ್ವಯಂಚಾಲಿತ ತರ್ಕವು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ.
-> ✅ ನಿಮಗೆ ನಿಮ್ಮ ತಲೆಯೊಳಗಿನ ಜ್ಞಾನವನ್ನು ನೀವು ಹೇಗೆ ಪ್ರತಿನಿಧಿಸುತ್ತೀರಿ ಮತ್ತು ಅದನ್ನು ಟಿಪ್ಪಣಿಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತೀರಿ ಎಂದು ಒಂದು ನಿಮಿಷ ಯೋಚಿಸಿ. ನಿಮ್ಮ ನೆನಪಿನ ಸಹಾಯಕ್ಕೆ ಯಾವ ರೀತಿಯ ಫಾರ್ಮ್ಯಾಟ್ ಉತ್ತಮವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ?
+> ✅ ನೀವು ನಿಮ್ಮ ತಲೆಮೇಲಿನ ಜ್ಞಾನವನ್ನು ಹೇಗೆ ಪ್ರತಿನಿಧಿಸುತ್ತೀರಿ ಮತ್ತು ಅದನ್ನು ಟಿಪ್ಪಣಿಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತೀರಿ ಎಂದು ಕೆಲವು ಕ್ಷಣ ತೊಳಲುಕೊಂಡಿ. ನಿಮ್ಮ ನೆನಪಿನ ಸಹಾಯಕ್ಕೆ ಯಾವ ವಿಶೇಷ ವಿನ್ಯಾಸವು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ?
## ಕಂಪ್ಯೂಟರ್ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನಗಳನ್ನು ವರ್ಗೀಕರಿಸುವುದು
-ನಾವು ವಿವಿಧ ಕಂಪ್ಯೂಟರ್ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ವಿಧಾನಗಳನ್ನು ಕೆಳಗಿನ ವರ್ಗಗಳಲ್ಲಿ ವರ್ಗೀಕರಿಸಬಹುದು:
+ನಾವು ಆಯಾ ಕಂಪ್ಯೂಟರ್ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ವಿಧಾನಗಳನ್ನು ಕೆಳಗಿನ ವಿಭಾಗಗಳಲ್ಲಿ ವರ್ಗೀಕರಿಸಬಹುದು:
-* **ನೆಟ್ವರ್ಕ್ ಪ್ರತಿನಿಧಾನಗಳು** ನಮ್ಮ ತಲೆಯೊಳಗಿನ ಪರಸ್ಪರ ಸಂಬಂಧಿತ ಕಲ್ಪನೆಗಳ ಜಾಲವನ್ನು ಆಧರಿಸುತ್ತವೆ. ನಾವು ಅದೇ ಜಾಲವನ್ನು ಕಂಪ್ಯೂಟರ್ ಒಳಗೆ ಗ್ರಾಫ್ ರೂಪದಲ್ಲಿ ಪುನರಾವರ್ತಿಸಬಹುದು - ಇದನ್ನು **ಸಾಮಾಂತಿಕ ನೆಟ್ವರ್ಕ್** ಎಂದು ಕರೆಯುತ್ತಾರೆ.
+* **ಜಾಲ ಪ್ರತಿನಿಧಾನಗಳು** ನಮ್ಮ ತಲೆಮೇಲಿನ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿರುವ ಕಲ್ಪನೆಗಳ ಜಾಲವಾಗಿ ಆಧಾರಿತವಾಗಿವೆ. ನಾವು ಹೋಲಿಸಲು ಒಂದು ಗ್ರಾಫ್ ಆಕಾರದಲ್ಲಿ ಸಮಾನ ಜಾಲವನ್ನು ಕಂಪ್ಯೂಟರ್ಗೆ ಪ್ರತಿನಿಧಿಸಬಹುದು - ಇದನ್ನು **ಅರ್ಥಜಾಲ** ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
-1. **ವಸ್ತು-ಗುಣ-ಮೌಲ್ಯ ತ್ರಿಪುಟಗಳು** ಅಥವಾ **ಗುಣ-ಮೌಲ್ಯ ಜೋಡಿಗಳು**. ಗ್ರಾಫ್ ಅನ್ನು ಕಂಪ್ಯೂಟರ್ ಒಳಗೆ ನೋಡ್ಗಳು ಮತ್ತು ಎಡ್ಜ್ಗಳ ಪಟ್ಟಿಯಾಗಿ ಪ್ರತಿನಿಧಿಸಬಹುದು, ಆದ್ದರಿಂದ ಸಾಮಾಂತಿಕ ನೆಟ್ವರ್ಕ್ ಅನ್ನು ವಸ್ತುಗಳು, ಗುಣಗಳು ಮತ್ತು ಮೌಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡ ತ್ರಿಪುಟಗಳ ಪಟ್ಟಿಯಾಗಿ ಪ್ರತಿನಿಧಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ನಾವು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಗಳ ಬಗ್ಗೆ ಕೆಳಗಿನ ತ್ರಿಪುಟಗಳನ್ನು ರಚಿಸಬಹುದು:
+1. **ವಸ್ತು-ಗುಣ-ಮೌಲ್ಯ ತ್ರಿಪುಟ (OAV)ಗಳು** ಅಥವಾ **ಗುಣ-ಮೌಲ್ಯ ಜೋಡಿಗಳು**. ಏಕೆಂದರೆ ಗ್ರಾಫ್ ಅನ್ನು ನೋಡ್ಸ್ ಮತ್ತು ಎಡ್ಜಸ್ ಪಟ್ಟಿಯಾಗಿ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಬಹುದು, ನಾವು ಜಾಲವನ್ನು ತ್ರಿಪುಟಗಳ ಪಟ್ಟಿಯಾಗಿ ಪ್ರತಿನಿಧಿಸಬಹುದು, ಇವು ವಸ್ತುಗಳು, ಗುಣಗಳು ಮತ್ತು ಮೌಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ. ಉದಾಹರಣೆಗೆ ನಾವು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಗಳ ಬಗ್ಗೆ ಕೆಳಗಿನ ತ್ರಿಪುಟಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತೇವೆ:
ವಸ್ತು | ಗುಣ | ಮೌಲ್ಯ
-------|-----------|------
-Python | ಆಗಿದೆ | ಅಟೈಪ್ಡ್-ಭಾಷೆ
-Python | ಕಂಡುಹಿಡಿದವರು | ಗಿಡೋ ವಾನ್ ರಾಸ್ಸಮ್
+Python | ಆಗಿದೆ | ಅನಿರ್ದಿಷ್ಟ-ಭಾಷೆ
+Python | ಕಂಡುಹಿಡಿದವರು | ಗಿಡೊ ವಾನ್ ರೋಸ್ಸಮ್
Python | ಬ್ಲಾಕ್-ಸಿಂಟ್ಯಾಕ್ಸ್ | ಇನ್ಡೆಂಟೇಶನ್
-ಅಟೈಪ್ಡ್-ಭಾಷೆ | ಇಲ್ಲ | ಪ್ರಕಾರ ವ್ಯಾಖ್ಯಾನಗಳು
+ಅನಿರ್ದಿಷ್ಟ-ಭಾಷೆ | ಹೊಂದಿಲ್ಲ | ಪ್ರಕಾರ ವ್ಯಾಖ್ಯಾನಗಳು
-> ✅ ತ್ರಿಪುಟಗಳನ್ನು ಇತರ ಜ್ಞಾನ ಪ್ರಕಾರಗಳನ್ನು ಪ್ರತಿನಿಧಿಸಲು ಹೇಗೆ ಬಳಸಬಹುದು ಎಂದು ಯೋಚಿಸಿ.
+> ✅ ತ್ರಿಪುಟಗಳನ್ನು ಉಪಯೋಗಿಸಿ ಇತರ ಜ್ಞಾನಪ್ರಕಾರಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಬಗ್ಗೆ ಯೋಚಿಸಿ.
-2. **ಹೈರಾರ್ಕಿಕಲ್ ಪ್ರತಿನಿಧಾನಗಳು** ನಮ್ಮ ತಲೆಯೊಳಗೆ ವಸ್ತುಗಳ ಹೈರಾರ್ಕಿಯನ್ನು ನಾವು ಸೃಷ್ಟಿಸುವುದನ್ನು ಒತ್ತಿ ಹೇಳುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ನಾವು ತಿಳಿದುಕೊಂಡಿದ್ದೇವೆ ಕಾನರಿ ಒಂದು ಹಕ್ಕಿ, ಮತ್ತು ಎಲ್ಲಾ ಹಕ್ಕಿಗಳಿಗೆ ರೆಕ್ಕೆಗಳಿವೆ. ನಾವು ಕಾನರಿಯ ಸಾಮಾನ್ಯ ಬಣ್ಣ ಮತ್ತು ಅದರ ಹಾರಾಟದ ವೇಗದ ಬಗ್ಗೆ ಕೆಲವು ಕಲ್ಪನೆಗಳನ್ನೂ ಹೊಂದಿದ್ದೇವೆ.
+2. **ಅನುಕೂಲ ಪ್ರತಿನಿಧಾನಗಳು** ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ನಮ್ಮ ತಲೆಮೇಲಿನ ವಸ್ತುಗಳ ಹೈರಾರ್ಕಿಯನ್ನು ರಚಿಸುವುದನ್ನು ಉತ್ತೇಜಿಸುತ್ತವೆ. ಉದಾ: ನಾವು ತಿಳಿದುಕೊಳ್ಳುತ್ತೇವೆ ಕಾನರಿ ಹಕ್ಕಿ ಮತ್ತು ಎಲ್ಲಾ ಹಕ್ಕಿಗಳು ರೆಕ್ಕೆಗಳನ್ನು ಹೊಂದಿವೆ. ನಾವು ಇದು ಯಾವ ಬಣ್ಣ ಆಗಿರುತ್ತದೆ ಮತ್ತು ಅದರ ಹಾರಾಟ ವೇಗ ಇತ್ಯಾದಿಗಳ ಬಗ್ಗೆ ಸಿಎಂ ತಿಳಿದುಕೊಂಡಿದ್ದೇವೆ.
- - **ಫ್ರೇಮ್ ಪ್ರತಿನಿಧಾನ** ಪ್ರತಿ ವಸ್ತು ಅಥವಾ ವಸ್ತು ವರ್ಗವನ್ನು **ಫ್ರೇಮ್** ಆಗಿ ಪ್ರತಿನಿಧಿಸುವುದರ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ, ಇದರಲ್ಲಿ **ಸ್ಲಾಟ್ಗಳು** ಇರುತ್ತವೆ. ಸ್ಲಾಟ್ಗಳಿಗೆ ಸಾಧ್ಯವಿರುವ ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯಗಳು, ಮೌಲ್ಯ ನಿರ್ಬಂಧಗಳು ಅಥವಾ ಮೌಲ್ಯ ಪಡೆಯಲು ಕರೆಮಾಡಬಹುದಾದ ಸಂಗ್ರಹಿತ ಪ್ರಕ್ರಿಯೆಗಳಿರಬಹುದು. ಎಲ್ಲಾ ಫ್ರೇಮ್ಗಳು ವಸ್ತು-ಆಧಾರಿತ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಗಳ ವಸ್ತು ಹೈರಾರ್ಕಿಯಂತೆ ಹೈರಾರ್ಕಿಯನ್ನು ರೂಪಿಸುತ್ತವೆ.
- - **ದೃಶ್ಯಾವಳಿಗಳು** ಸಮಯದಲ್ಲಿ ಬೆಳೆಯಬಹುದಾದ ಸಂಕೀರ್ಣ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುವ ವಿಶೇಷ ಫ್ರೇಮ್ಗಳಾಗಿವೆ.
+ - **ಫ್ರೇಮ್ ಪ್ರತಿನಿಧಾನ** ಪ್ರತಿ ವಸ್ತು ಅಥವಾ ವರ್ಗವನ್ನು ಒಂದು **ಫ್ರೇಮ್** ಆಗಿ ಪ್ರತಿನಿಧಿಸುವುದರ ಮೇಲೆ ಆಧರಿಸಿದೆ. ಇಲ್ಲಿ **ಸ್ಲಾಟ್ಗಳು** ಇರುತ್ತವೆ. ಸ್ಲಾಟ್ಗಳು ಅಂಕಿತ ಮೌಲ್ಯಗಳನ್ನೂ, ಮೌಲ್ಯ ನಿರ್ವಹಣಾ ನಿಬಂಧನೆಗಳನ್ನೂ ಅಥವಾ ಮೌಲ್ಯವನ್ನು ಪಡೆಯಲು ಕರೆಮಾಡಬಹುದಾದ ಸಂಗ್ರಹಿತ ಪ್ರೌಢ ವೋಧನೆಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಎಲ್ಲಾ ಫ್ರೇಮ್ಗಳು ಒಂದು ಹೈರಾರ್ಕಿಯಲ್ಲಿರುತ್ತವೆ, ಇದು ವಸ್ತು-ಆಧಾರಿತ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಗಳ ವಸ್ತು ಹೈರಾರ್ಕಿಯನ್ನು ಅನುಸರಿಸುತ್ತದೆ.
+ - **ಘಟನೆಯ ಸ್ಥಿತಿಗಳು (ಸ್ಕೆನಾರಿಯೋಗಳು)** ಕಾಲಕ್ರಮವಾಗಿ ಅನಾವರಣಗೊಳ್ಳುವ ಸಂಕೀರ್ಣ ಸ್ಥಿತಿಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುವ ವಿಶೇಷ ಫ್ರೇಮ್ಗಳು.
**Python**
-ಸ್ಲಾಟ್ | ಮೌಲ್ಯ | ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯ | ಅಂತರ |
+ಸ್ಲಾಟ್ | ಮೌಲ್ಯ | ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯ | ಅವಧಿ |
-----|-------|---------------|----------|
ಹೆಸರು | Python | | |
-ಆಗಿದೆ | ಅಟೈಪ್ಡ್-ಭಾಷೆ | | |
-ಚರ ವ್ಯತ್ಯಾಸ | | ಕ್ಯಾಮೆಲ್ಕೇಸ್ | |
-ಕಾರ್ಯಕ್ರಮದ ಉದ್ದ | | | 5-5000 ಸಾಲುಗಳು |
+ಹಾಗೆಯಿತ್ತಾಗಿದೆ (Is-A) | ಅನಿರ್ದಿಷ್ಟ-ಭಾಷೆ | | |
+ತ್ಯಾದಿ ಸ್ಥಿತಿ | | ಕ್ಯಾಮೆಲ್ಕೇಸ್ | |
+ಕಾರ್ಯಕ್ರಮ ದೈರ್ಘ್ಯ | | | 5-5000 ಸಾಲುಗಳು |
ಬ್ಲಾಕ್ ಸಿಂಟ್ಯಾಕ್ಸ್ | ಇನ್ಡೆಂಟ್ | | |
-3. **ಪ್ರಕ್ರಿಯಾತ್ಮಕ ಪ್ರತಿನಿಧಾನಗಳು** ನಿರ್ದಿಷ್ಟ ಶರತ್ತು ಸಂಭವಿಸಿದಾಗ ಕಾರ್ಯಗಳನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವ ಕ್ರಮಗಳ ಪಟ್ಟಿಯಾಗಿ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸುವುದರ ಮೇಲೆ ಆಧಾರಿತವಾಗಿವೆ.
- - ಉತ್ಪಾದನಾ ನಿಯಮಗಳು if-then ಹೇಳಿಕೆಗಳು, ಅವುಗಳಿಂದ ನಾವು ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಉದಾಹರಣೆಗೆ, ವೈದ್ಯರಿಗೆ ಒಂದು ನಿಯಮ ಇರಬಹುದು: **IF** ರೋಗಿಗೆ ಉಷ್ಣತೆ ಹೆಚ್ಚಿದ್ದರೆ **OR** ರಕ್ತ ಪರೀಕ್ಷೆಯಲ್ಲಿ C-ರಿಯಾಕ್ಟಿವ್ ಪ್ರೋಟೀನ್ ಮಟ್ಟ ಹೆಚ್ಚಿದ್ದರೆ **THEN** ಅವನಿಗೆ ಉರಿಯುವಿಕೆ ಇದೆ. ಈ ಶರತ್ತುಗಳಲ್ಲಿ ಒಂದನ್ನು ಕಂಡುಹಿಡಿದಾಗ, ಉರಿಯುವಿಕೆ ಬಗ್ಗೆ ತೀರ್ಮಾನ ಮಾಡಬಹುದು ಮತ್ತು ಮುಂದಿನ ತರ್ಕದಲ್ಲಿ ಅದನ್ನು ಬಳಸಬಹುದು.
- - ಅಲ್ಗೋರಿದಮ್ಗಳು ಮತ್ತೊಂದು ಪ್ರಕ್ರಿಯಾತ್ಮಕ ಪ್ರತಿನಿಧಾನದ ರೂಪವೆಂದು ಪರಿಗಣಿಸಬಹುದು, ಆದರೆ ಅವು ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ನೇರವಾಗಿ ಬಳಸಲಾಗುವುದಿಲ್ಲ.
+3. **ಪ್ರಕ್ರಿಯಾತ್ಮಕ ಪ್ರತಿನಿಧಾನಗಳು** ಕೆಲವು ಶರತ್ತು ಎದುರಾದಾಗ ಕಾರ್ಯಗಳ ಪಟ್ಟಿಯಿಂದ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸುವುದರ ಮೇಲೆ ಆಧರಿಸಿ.
+ - ಉತ್ಪಾದನೆ ನಿಯಮಗಳು, ಹೌದು-ಆದರೆ(If-then) ಹೇಳಿಕೆಗಳು, ನಿರ್ಣಯಗಳನ್ನು ಬಿಡಿಸಲು ಅನುಮತಿಸುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ವೈದ್ಯನು ನಿಯಮ ಇರುತ್ತದೆ: **ಹಾಗಾದರೆ** ರೋಗಿಯು ಉಷ್ಣತೆ ಅಥವಾ ರಕ್ತ ಪರೀಕ್ಷೆಯಲ್ಲಿ C-ರಿಯ್ಯಾಕ್ಟಿವ್ ಪ್ರೋಟೀನ್ ಹೆಚ್ಚು ಇದ್ದರೆ **ಆಗ** ಅವನಿಗೆ ಉರಿಸು ಕಾಡಾಗಬಹುದು. ಒಂದು ಶರತ್ತು ಕಾಣಿಸಿದಂತೆ, ಉರಿಸು ಪಟ್ಟಿಯೋ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಬಹುದು ನಂತರ ಅದನ್ನು ತರ್ಕದಲ್ಲಿ ಬಳಸಬಹುದು.
+ - ಅಲ್ಗೋರಿಥಮ್ಗಳು ಮತ್ತೊಂದು ಪ್ರಕ್ರಿಯಾತ್ಮಕ ಪ್ರತಿನಿಧಾನದ ರೂಪವಾಗಿ ಪರಿಗಣಿಸಬಹುದು, ಆದರೆ ಅವುಗಳನ್ನು ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ನೇರವಾಗಿ ಬಳಸದಿರುತ್ತಾರೆ.
-4. **ತರ್ಕ** ಮೂಲತಃ ಅರಿಸ್ಟೋಟಲ್ ಪ್ರಸ್ತಾಪಿಸಿದ ಮಾನವ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸುವ ವಿಧಾನ.
- - ಪ್ರಿಡಿಕೇಟ್ ಲಾಜಿಕ್ ಗಣಿತೀಯ ಸಿದ್ಧಾಂತವಾಗಿ ತುಂಬಾ ಸಮೃದ್ಧವಾಗಿದೆ, ಆದ್ದರಿಂದ ಅದರ ಕೆಲವು ಉಪಸಮೂಹಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ, ಉದಾ. ಪ್ರೊಲೋಗ್ನಲ್ಲಿ ಬಳಸುವ ಹಾರ್ನ್ ಕ್ಲಾಜುಗಳು.
- - ವರ್ಣನಾತ್ಮಕ ತರ್ಕವು ವಸ್ತುಗಳ ಹೈರಾರ್ಕಿಗಳನ್ನು ಪ್ರತಿನಿಧಿಸಲು ಮತ್ತು ತರ್ಕ ಮಾಡಲು ಬಳಸುವ ತರ್ಕ ವ್ಯವಸ್ಥೆಗಳ ಕುಟುಂಬ, ಮತ್ತು ವಿತರಿತ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನಗಳಾದ *ಸಾಮಾಂತಿಕ ವೆಬ್* ನಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ.
+4. **ತರ್ಕ** ಮೂಲತಃ ಅರಿಸ್ಟೋಟಲ್ ಜಾಗತಿಕ ಮಾನವ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಮಾರ್ಗವಾಗಿ ಪ್ರಸ್ತಾಪಿಸಿದರು.
+ - ಪ್ರೇಡಿಕೇಟ್ ಲಾಜಿಕ್ ಗಣಿತ ಶಾಸ್ತ್ರವಾಗಿ ತುಂಬಾ ಸಮೃದ್ಧವಾಗಿದೆ, ಅದನ್ನು ಕ್ರಮಿತವಾಗಿ ಗಣಕಗೊಳಿಸುವುದು ಸಾಧ್ಯವಿಲ್ಲ, ಆದ್ದರಿಂದ ಇದರ ಉಪಸಮೂಹಗಳನ್ನು ಬಳಕೆ ಮಾಡುತ್ತಾರೆ, ಉದಾ: ಪ್ರೊಲಾಗ್ನ ಹಾರ್ನ್ ಕ್ಲಾಜುಗಳು.
+ - ವರ್ಣನಾತ್ಮಕ ತರ್ಕವು ವಸ್ತುಗಳ ಹೈರಾರ್ಕಿಗಳನ್ನು ಪ್ರತಿನಿಧಿಸಲು ಮತ್ತು ತರ್ಕಮಾಡಲು ಉಪಯುಕ್ತ ವಾಸ್ತುಶಿಲ್ಪಗಳ ಕುಟುಂಬವಲ್ಲದೆ, ಹಾಗೂ ವಿಭಾಗಿತ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನಗಳಿಗೆ, ಉದಾ: *ಅರ್ಥಜಾಲ* ಗೆ ಉಪಯೋಗ.
-## ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು
+## ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಗಳು
-ಸಾಂಕೆತಿಕ AIಯ ಮೊದಲ ಯಶಸ್ಸುಗಳಲ್ಲಿ ಒಂದಾಗಿದ್ದವು **ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು** - ಕೆಲವು ನಿರ್ದಿಷ್ಟ ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರದಲ್ಲಿ ತಜ್ಞರಂತೆ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಗಳು. ಅವು ಮಾನವ ತಜ್ಞರಿಂದ ತೆಗೆದುಕೊಂಡ **ಜ್ಞಾನ ಭಂಡಾರ** ಮತ್ತು ಅದರಲ್ಲಿ ತರ್ಕ ನಡೆಸುವ **ನಿರ್ಣಯ ಯಂತ್ರ** ಹೊಂದಿದ್ದವು.
+ಸಾಂಗತ್ಯಾತ್ಮಕ AI ಯ ಮೊದಲ ಯಶಸ್ಸುಗಳಲ್ಲಿ ಒಂದಾಗಿದ್ದವು **ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಗಳು** - ಕೆಲವು పరಿಮಿತ ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪರಿಣತಿ ಹಿಡಿದಿರುವಂತೆ ತೋರಿಸಲು ರೂಪಿಸಲಾದ ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಗಳು. ಅವು ಮಾನವ ನಿರ್ಮಿತ **ಜ್ಞಾನ ಭಂಡಾರ** ಆಧರಿತವಾಗಿದ್ದು, ಮೇಲೆ ಕೆಲವು ತರ್ಕವನ್ನು ಮಾಡುತ್ತಿದ್ದ **ನಿರ್ಣಯ இயಂತ್ರ** ಅನ್ನು ಒಳಗೊಂಡಿದ್ದವು.
- | 
+ | 
---------------------------------------------|------------------------------------------------
-ಮಾನವ ನ್ಯೂರಲ್ ವ್ಯವಸ್ಥೆಯ ಸರಳೀಕೃತ ರಚನೆ | ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಯ ವಾಸ್ತುಶಿಲ್ಪ
+ಮಾನವ ನ್ಯೂರಲ್ ಸಿಸ್ಟಮ್ ಸರಳ ರಚನೆ | ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಯ ಶೃಂಗ
-ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳು ಮಾನವ ತರ್ಕ ವ್ಯವಸ್ಥೆಯಂತೆ ನಿರ್ಮಿಸಲ್ಪಟ್ಟಿವೆ, ಇದರಲ್ಲಿ **ಕಾಲಿಕ ಸ್ಮೃತಿ** ಮತ್ತು **ದೀರ್ಘಕಾಲಿಕ ಸ್ಮೃತಿ** ಇರುತ್ತವೆ. ಹಾಗೆಯೇ, ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಕೆಳಗಿನ ಘಟಕಗಳನ್ನು ವಿಭಜಿಸುತ್ತೇವೆ:
+ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಗಳು ಮಾನವ ತರ್ಕ ವ್ಯವಸ್ಥೆಯಂತೆ ನಿರ್ಮಿಸಲಾಗಿದೆ, ಅದು **ಅಲ್ಪಾವಧಿ ಸ್ಮರಣೆ** ಮತ್ತು **ದೀರ್ಘಕಾಲ ಸ್ಮರಣೆ** ಹೊಂದಿದೆ. ಹಾಗೆಯೇ, ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ನಾವು ಕೆಳಗಿನ ಭಾಗಗಳನ್ನು ವಿಭಜಿಸುತ್ತೇವೆ:
-* **ಸಮಸ್ಯಾ ಸ್ಮೃತಿ**: ಪ್ರಸ್ತುತ ಪರಿಹರಿಸಲಾಗುತ್ತಿರುವ ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ಜ್ಞಾನವನ್ನು ಹೊಂದಿದೆ, ಉದಾ. ರೋಗಿಯ ತಾಪಮಾನ ಅಥವಾ ರಕ್ತದ ಒತ್ತಡ, ಅವನಿಗೆ ಉರಿಯುವಿಕೆ ಇದೆಯೇ ಇಲ್ಲವೇ ಇತ್ಯಾದಿ. ಈ ಜ್ಞಾನವನ್ನು **ಸ್ಥಿರ ಜ್ಞಾನ** ಎಂದು ಕರೆಯುತ್ತಾರೆ, ಏಕೆಂದರೆ ಇದು ಸಮಸ್ಯೆಯ ಪ್ರಸ್ತುತ ಸ್ಥಿತಿಯ ಸ্নಾಪ್ಶಾಟ್ ಅನ್ನು ಹೊಂದಿದೆ.
-* **ಜ್ಞಾನ ಭಂಡಾರ**: ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರದ ದೀರ್ಘಕಾಲಿಕ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಇದು ಮಾನವ ತಜ್ಞರಿಂದ ಕೈಯಿಂದ ತೆಗೆದುಕೊಳ್ಳಲ್ಪಟ್ಟಿದ್ದು, ಸಲಹೆಗಿಂತ ಸಲಹೆಗೆ ಬದಲಾಗುವುದಿಲ್ಲ. ಇದು ಸಮಸ್ಯೆಯ ಸ್ಥಿತಿಗಳ ನಡುವೆ ನಾವಿಗೇಟ್ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಇದನ್ನು **ಚಲನೆಯ ಜ್ಞಾನ** ಎಂದು ಕರೆಯುತ್ತಾರೆ.
-* **ನಿರ್ಣಯ ಯಂತ್ರ**: ಸಮಸ್ಯೆಯ ಸ್ಥಿತಿ ಜಾಗದಲ್ಲಿ ಹುಡುಕಾಟದ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ, ಅಗತ್ಯವಿದ್ದಾಗ ಬಳಕೆದಾರನಿಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುತ್ತದೆ. ಪ್ರತಿ ಸ್ಥಿತಿಗೆ ಅನ್ವಯಿಸುವ ಸರಿಯಾದ ನಿಯಮಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದಕ್ಕೂ ಇದು ಹೊಣೆಗಾರ.
+* **ಸಮಸ್ಯೆ ಸ್ಮರಣೆ**: ಪ್ರಸ್ತುತ ಪರಿಹರಿಸಲಾಗುತ್ತಿರುವ ಸಮಸ್ಯೆ ಬಗ್ಗೆ ಜ್ಞಾನದ ಸಂಗ್ರಹ, ಉದಾ: ತಾಪಮಾನ ಅಥವಾ ರಕ್ತದ ಒತ್ತಡ, ಉರಿತದ ಅಸ್ತಿತ್ವ ಇತ್ಯಾದಿ. ಈ ಜ್ಞಾನವನ್ನು **ಸ್ಥಿರ ಜ್ಞಾನ** ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಏಕೆಂದರೆ ಇದು ಪ್ರಸ್ತುತ ಸಮಸ್ಯೆಯ ಸ್ಥಿತಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ - *ಸಮಸ್ಯಾ ಸ್ಥಿತಿ*.
+* **ಜ್ಞಾನ ಭಂಡಾರ**: ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರದ ದೀರ್ಘಕಾಲ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಇದು ಮಾನವ ಪರಿಣತರಿಂದ ಕೈಯಿಂದ ತೆಗೆದುಕೊಳ್ಳಲ್ಪಟ್ಟು, ಸಲಹೆಯಿಂದ ಸಲಹೆಗೆ ಬದಲಾಗುವುದಿಲ್ಲ. ಒಂದು ಸಮಸ್ಯಾ ಸ್ಥಿತಿಯಿಂದ ಇನ್ನೊಂದು ಸ್ಥಿತಿಗೆ ಸಾಗಲು ಅನುಮತಿಸುವುದರಿಂದ **ಚಲನೆಯ ಜ್ಞಾನ** ಎಂದು ಕರೆಯಲ್ಪಡುತ್ತದೆ.
+* **ನಿರ್ಣಯ ಯಂತ್ರ**: ಸಂಶೋಧನೆಯ ಸಮಗ್ರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ, ಬಳಕೆದಾರನ ನಡವಳಿಕೆಗೆ ಪ್ರಾಸಕ್ತ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುತ್ತದೆ. ಪ್ರತಿ ಸ್ಥಿತಿಗೆ ಅನ್ವಯಿಸುವ ಸರಿಯಾದ ನಿಯಮಗಳನ್ನು ಹುಡುಕಲು ಹೊಣೆಗಾರ.
-ಉದಾಹರಣೆಗೆ, ಪ್ರಾಣಿಯನ್ನು ಅದರ ಭೌತಿಕ ಲಕ್ಷಣಗಳ ಆಧಾರದ ಮೇಲೆ ಗುರುತಿಸುವ ತಜ್ಞ ವ್ಯವಸ್ಥೆಯನ್ನು ಪರಿಗಣಿಸೋಣ:
+ಉದಾಹರಣೆಗೆ, ಪ್ರಾಣಿ ಲಕ್ಷಣಗಳಿಂದ ಪ್ರಾಣಿಯನ್ನು ನಿರ್ಣಯಿಸುವ ಈ ತಜ್ಞವ್ಯವಸ್ಥೆಯನ್ನು ಪರಿಗಣಿಸೋಣ:
-
+
-> ಚಿತ್ರ [ಡ್ಮಿತ್ರಿ ಸೋಶ್ನಿಕೋವ್](http://soshnikov.com) ಅವರಿಂದ
+> ಚಿತ್ರ: [ದ್ಮಿತ್ರಿ ಸೊಶ್ನಿಕೊವ್](http://soshnikov.com)
-ಈ ಚಿತ್ರವನ್ನು **AND-OR ಮರ** ಎಂದು ಕರೆಯುತ್ತಾರೆ, ಮತ್ತು ಇದು ಉತ್ಪಾದನಾ ನಿಯಮಗಳ ಗುಚ್ಛದ ಗ್ರಾಫಿಕಲ್ ಪ್ರತಿನಿಧಾನ. ತಜ್ಞರಿಂದ ಜ್ಞಾನ ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಾರಂಭದಲ್ಲಿ ಮರವನ್ನು ರಚಿಸುವುದು ಉಪಯುಕ್ತ. ಕಂಪ್ಯೂಟರ್ ಒಳಗೆ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸಲು ನಿಯಮಗಳನ್ನು ಬಳಸುವುದು ಹೆಚ್ಚು ಅನುಕೂಲಕರ.
+ಈ ಚಿತ್ರವನ್ನು **AND-OR ಮರ** ಎಂದು ಕರೆಯುತ್ತಾರೆ, ಇದು ಉತ್ಪಾದನಾ ನಿಯಮಗಳ ಸೆಟ್ನ ದೃಶ್ಯ ಪ್ರತಿನಿಧಾನ. ತಜ್ಞರಿಂದ ಜ್ಞಾನ ಪಡೆಯುವ ಪ್ರಾರಂಭದಲ್ಲಿ ಮರವನ್ನು ಬರೆದು ನೋಡಿಕೊಳ್ಳುವುದು ಉಪಯುಕ್ತ. ಕಂಪ್ಯೂಟರ್ ಒಳಗೆ ಜ್ಞಾನವನ್ನು ಪ್ರತಿನಿಧಿಸಲು ನಿಯಮಗಳನ್ನು ಬಳಸುವುದು ಸೂಕ್ತ:
```
IF the animal eats meat
@@ -121,69 +121,78 @@ OR (animal has sharp teeth
THEN the animal is a carnivore
```
-ನೀವು ಗಮನಿಸಬಹುದು, ನಿಯಮದ ಎಡಭಾಗದ ಪ್ರತಿಯೊಂದು ಶರತ್ತು ಮತ್ತು ಕ್ರಿಯೆಯು ಮೂಲತಃ ವಸ್ತು-ಗುಣ-ಮೌಲ್ಯ (OAV) ತ್ರಿಪುಟಗಳಾಗಿವೆ. **ಕಾರ್ಯ ಸ್ಮೃತಿ** ಪ್ರಸ್ತುತ ಪರಿಹರಿಸಲಾಗುತ್ತಿರುವ ಸಮಸ್ಯೆಗೆ ಹೊಂದಿಕೆಯಾಗುವ OAV ತ್ರಿಪುಟಗಳ ಸಮೂಹವನ್ನು ಹೊಂದಿದೆ. **ನಿಯಮ ಯಂತ್ರ** ಶರತ್ತು ಪೂರೈಸುವ ನಿಯಮಗಳನ್ನು ಹುಡುಕಿ ಅವುಗಳನ್ನು ಅನ್ವಯಿಸಿ, ಕಾರ್ಯ ಸ್ಮೃತಿಗೆ ಮತ್ತೊಂದು ತ್ರಿಪುಟವನ್ನು ಸೇರಿಸುತ್ತದೆ.
+ನೀವು ಗಮನಿಸುವಿರಿ, ನಿಯಮದ ಎಡಬದಿ ಶರತ್ತು ಮತ್ತು ಕ್ರಿಯೆಯು ವಸ್ತು-ಗುಣ-ಮೌಲ್ಯ (OAV) ತ್ರಿಪುಟಗಳಾಗಿವೆ. **ಕಾರ್ಯ ಸ್ಮರಣೆ** ಪ್ರಸ್ತುತ ಪರಿಹಾರವಾಗುತ್ತಿರುವ ಸಮಸ್ಯೆಗೆ ಸಂಬಂಧಿಸಿದ OAV ತ್ರಿಪುಟಗಳ ಸંગ્રಹವಾಗಿದೆ. **ನಿಯಮಗಳ ಯಂತ್ರ** ಶರತ್ತು ಪೂರೈಸಿದ ನಿಯಮಗಳನ್ನು ಹುಡುಕಿ, ಅವನ್ನು ಅನ್ವಯಿಸಿ, ಕಾರ್ಯ ಸ್ಮರಣೆಗೆ ಮತ್ತೊಂದು ತ್ರಿಪುಟವನ್ನು ಸೇರಿಸುತ್ತದೆ.
-> ✅ ನೀವು ಇಷ್ಟಪಡುವ ವಿಷಯದ ಮೇಲೆ ನಿಮ್ಮದೇ AND-OR ಮರವನ್ನು ಬರೆಯಿರಿ!
+> ✅ ನೀವು ಇಷ್ಟಪಡುವ ವಿಷಯದ ಮೇಲೆ ನಿಮ್ಮಂತೆ AND-OR ಮರವನ್ನು ಬರೆಯಿರಿ!
-### ಮುಂಭಾಗ ಮತ್ತು ಹಿಂಭಾಗ ನಿರ್ಣಯ
+### ಮುಂಭಾಗ ಮತ್ತು ಹಿಂಬಾಗ ನಿರ್ಣಯ
-ಮೇಲಿನ ಪ್ರಕ್ರಿಯೆಯನ್ನು **ಮುಂಭಾಗ ನಿರ್ಣಯ** ಎಂದು ಕರೆಯುತ್ತಾರೆ. ಇದು ಕಾರ್ಯ ಸ್ಮೃತಿಯಲ್ಲಿ ಲಭ್ಯವಿರುವ ಪ್ರಾಥಮಿಕ ಡೇಟಾದಿಂದ ಪ್ರಾರಂಭಿಸಿ, ಕೆಳಗಿನ ತರ್ಕ ಲೂಪ್ ಅನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುತ್ತದೆ:
+ಮೇಲೇಳಿಸಿದ ಪ್ರಕ್ರಿಯೆಯನ್ನು **ಮುಂಭಾಗ ನಿರ್ಣಯ** ಎಂದು ಕರೆಯುತ್ತಾರೆ. ಇದು ಪ್ರಾರಂಭಿಕ ಡೇಟಾವಿನಿಂದ ಪ್ರಾರಂಭಿಸಿ, ಕೆಳಗಿನ ತರ್ಕಮಯ ಲೂಪ್ ನಡೆಸುತ್ತದೆ:
-1. ಗುರಿ ಗುಣ ಕಾರ್ಯ ಸ್ಮೃತಿಯಲ್ಲಿ ಇದ್ದರೆ - ನಿಲ್ಲಿಸಿ ಫಲಿತಾಂಶ ನೀಡಿ
-2. ಪ್ರಸ್ತುತ ಪೂರೈಸಲ್ಪಟ್ಟ ಶರತ್ತು ಹೊಂದಿರುವ ಎಲ್ಲಾ ನಿಯಮಗಳನ್ನು ಹುಡುಕಿ - **ಸಂಘರ್ಷ ಸಮೂಹ** ಪಡೆಯಿರಿ
-3. **ಸಂಘರ್ಷ ಪರಿಹಾರ** ಮಾಡಿ - ಈ ಹಂತದಲ್ಲಿ ಅನುಷ್ಠಾನಗೊಳ್ಳುವ ಒಂದು ನಿಯಮವನ್ನು ಆಯ್ಕೆಮಾಡಿ. ವಿವಿಧ ಸಂಘರ್ಷ ಪರಿಹಾರ ತಂತ್ರಗಳು ಇರಬಹುದು:
- - ಜ್ಞಾನ ಭಂಡಾರದಲ್ಲಿ ಮೊದಲ ಅನ್ವಯಿಸುವ ನಿಯಮವನ್ನು ಆಯ್ಕೆಮಾಡಿ
- - ಯಾದೃಚ್ಛಿಕ ನಿಯಮವನ್ನು ಆಯ್ಕೆಮಾಡಿ
- - *ಹೆಚ್ಚು ವಿಶೇಷ* ನಿಯಮವನ್ನು ಆಯ್ಕೆಮಾಡಿ, ಅಂದರೆ ಎಲ್ಎಚ್ಎಸ್ನಲ್ಲಿ ಹೆಚ್ಚು ಶರತ್ತುಗಳನ್ನು ಪೂರೈಸುವ ನಿಯಮ
-4. ಆಯ್ಕೆಮಾಡಿದ ನಿಯಮವನ್ನು ಅನ್ವಯಿಸಿ ಮತ್ತು ಸಮಸ್ಯಾ ಸ್ಥಿತಿಗೆ ಹೊಸ ಜ್ಞಾನ ಸೇರಿಸಿ
-5. ಹಂತ 1ರಿಂದ ಪುನರಾವರ್ತಿಸಿ
+1. ಗುರಿ ಗುಣ ಕಾರ್ಯ ಸ್ಮರಣೆಯಲ್ಲಿ ಇದ್ದರೆ - ನಿಲ್ಲಿಸಿ ಫಲಿತಾಂಶ ನೀಡಿ.
+2. ಪ್ರಸ್ತುತ ಶರತ್ತು ಪೂರೈಸುವ ಎಲ್ಲಾ ನಿಯಮಗಳನ್ನು ಹುಡುಕಿ - **ವಿರೋಧ ಸಂಕಲನ** ಪಡೆಯಿರಿ.
+3. **ವಿರೋಧ ಪರಿಹಾರ** ಉಪಕ್ರಮಗಳನ್ನು ಅಪ್ಲೈ ಮಾಡಿ - ಈ ಹಂತದಲ್ಲಿ ನಿರ್ವಹಿಸಲು ಒಂದು ನಿಯಮ ಆಯ್ಕೆಮಾಡಿ. ಹಲವಾರು ವಿಧಾನಗಳಿರಬಹುದು:
+ - ಜ್ಞಾನ ಭಂಡಾರದ ಮೊದಲ ಅನ್ವಯಿಸಬಹುದಾದ ನಿಯಮವನ್ನು ಆರಿಸು
+ - ಯಾದೃಚ್ಛಿಕ ನಿಯಮ ಆರಿಸು
+ - *ವಿಶೇಷ ಆಯ್ಕೆ* ನಿಯಮ ಆರಿಸು, ಅಂದರೆ ಎಲ್ಎಚ್ಎಸ್ನ ಹೆಚ್ಚು ಶರತ್ತುಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ ನಿಯಮ.
+4. ಆಯ್ಕೆಮಾಡಿದ ನಿಯಮವನ್ನು ಅನುಷ್ಠಾನ ಮಾಡಿ, ಸಮಸ್ಯಾ ಸ್ಥಿತಿಯಲ್ಲಿ ಹೊಸ ಜ್ಞಾನ ಸೇರಿಸಿ.
+5. ಹಂತ 1 ರಿಂದ ಪುನರಾವರ್ತಿಸಿ.
-ಆದರೆ, ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ನಾವು ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ಖಾಲಿ ಜ್ಞಾನದಿಂದ ಪ್ರಾರಂಭಿಸಿ, ತೀರ್ಮಾನಕ್ಕೆ ತಲುಪಲು ಸಹಾಯ ಮಾಡುವ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಬಹುದು. ಉದಾಹರಣೆಗೆ, ವೈದ್ಯಕೀಯ ನಿರ್ಣಯ ಮಾಡುವಾಗ, ನಾವು ರೋಗಿಯನ್ನು ಪರೀಕ್ಷಿಸುವ ಮೊದಲು ಎಲ್ಲಾ ವೈದ್ಯಕೀಯ ವಿಶ್ಲೇಷಣೆಗಳನ್ನು ಮಾಡುತ್ತಿಲ್ಲ. ನಿರ್ಣಯ ಬೇಕಾದಾಗ ಮಾತ್ರ ವಿಶ್ಲೇಷಣೆ ಮಾಡುತ್ತೇವೆ.
+ಹಾಗಾದರೂ, ಕೆಲವೊಂದು ಸಂದರ್ಭಗಳಲ್ಲಿ ನಾವು ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ಖಾಲಿ ಜ್ಞಾನದಿಂದ ಪ್ರಾರಂಭಿಸಿ, ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಿ ನಿರ್ಣಯ ತಲುಪಲು ಬಯಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ವೈದ್ಯಕೀಯ ವೈದ್ಯಕೀಯ ಪರೀಕ್ಷೆಗಳನ್ನು ಮುಂಚಿತವಾಗಿ ಮಾಡದೆ ರೋಗಿಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ. ಅಗತ್ಯವಿದ್ದಾಗಲೇ ವಿಶ್ಲೇಷಣೆ ಮಾಡಬೇಕು.
-ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು **ಹಿಂಭಾಗ ನಿರ್ಣಯ** ಬಳಸಿ ಮಾದರೀಕರಿಸಬಹುದು. ಇದು **ಗುರಿ** - ನಾವು ಹುಡುಕುತ್ತಿರುವ ಗುಣ ಮೌಲ್ಯದಿಂದ ಚಾಲಿತವಾಗುತ್ತದೆ:
+ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು **ಹಿಂಬಾಗ ನಿರ್ಣಯ** ಎನ್ನಲ್ಪಡುವುದು. ಇದು **ಗುರಿ** (ಹಿಂದಿನ ಬದಿಯ ಮೌಲ್ಯ) ಚಾಲಿತವಾಗಿರುತ್ತದೆ:
-1. ಗುರಿಯ ಮೌಲ್ಯವನ್ನು ನೀಡಬಹುದಾದ ಎಲ್ಲಾ ನಿಯಮಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಅಂದರೆ, ಗುರಿ ನಿಯಮದ ಬಲಭಾಗದಲ್ಲಿ ಇರುತ್ತದೆ) - ಸಂಘರ್ಷ ಸಮೂಹ
-2. ಈ ಗುಣಕ್ಕೆ ಯಾವುದೇ ನಿಯಮಗಳಿಲ್ಲದಿದ್ದರೆ, ಅಥವಾ ಬಳಕೆದಾರರಿಂದ ಮೌಲ್ಯ ಕೇಳಬೇಕೆಂದು ಹೇಳುವ ನಿಯಮ ಇದ್ದರೆ - ಅದನ್ನು ಕೇಳಿ, ಇಲ್ಲದಿದ್ದರೆ:
-3. ಸಂಘರ್ಷ ಪರಿಹಾರ ತಂತ್ರವನ್ನು ಬಳಸಿ ಒಂದು ನಿಯಮವನ್ನು *ಹಿಪೋಥೆಸಿಸ್* ಆಗಿ ಆಯ್ಕೆಮಾಡಿ - ಅದನ್ನು ಸಾಬೀತುಪಡಿಸಲು ಪ್ರಯತ್ನಿಸೋಣ
-4. ನಿಯಮದ ಎಲ್ಎಚ್ಎಸ್ನ ಎಲ್ಲಾ ಗುಣಗಳಿಗೆ ಈ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪುನರಾವರ್ತಿಸಿ, ಅವುಗಳನ್ನು ಗುರಿಗಳಾಗಿ ಸಾಬೀತುಪಡಿಸಲು ಪ್ರಯತ್ನಿಸಿ
-5. ಪ್ರಕ್ರಿಯೆ ವಿಫಲವಾದರೆ - ಹಂತ 3ರಲ್ಲಿ ಮತ್ತೊಂದು ನಿಯಮವನ್ನು ಬಳಸಿ
+1. ಗುರಿಯ ಮೌಲ್ಯವನ್ನು ನೀಡಬಹುದಾದ ನಿಯಮಗಳನ್ನು (ಪರಭಾಷೆ RHS ನಲ್ಲಿ ಗುರಿಯು ಇರುವವು) ಎಲ್ಲಾ ಆಯ್ಕೆಮಾಡಿ - ವಿರೋಧ ಸಂಕಲನ
+2. ನಿಯಮಗಳಿಲ್ಲದಿದ್ದರೆ ಅಥವಾ ಬಳಕೆದಾರರಿಂದ ಮೌಲ್ಯ ಕೇಳಬೇಕೆಂದು ನಿಯಮ ಇದ್ದರೆ - ಕೇಳಿ, ಇಲ್ಲವಾದರೆ:
+3. ವಿರೋಧ ಪರಿಹಾರ ವಿಧಾನವು ಒಂದು ನಿಯಮವನ್ನು ನಮೂದಿಸಿಕೊಂಡು *ಪರಿಕಲ್ಪನೆ* ಎಂದು ಉಪಯೋಗಿಸಿ - ನಾವು ಯೋಜಿಸುತ್ತೇವೆ ಅದನ್ನು ಸಾಬೀತುಮಾಡಲು
+4. ನಿಯಮದ ಎಲ್ಎಚ್ಎಸ್ನ ಎಲ್ಲಾ ಗುಣಗಳನ್ನು ಗುರಿಗಳಾಗಿ ಸಾಬೀತುಪಡಿಸಲು ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿತ್ಯಪುನರಾವರ್ತನೆ ಮಾಡಿ
+5. ಯಾವುದಾದರೂ ಹಂತದಲ್ಲಿ ವಿಫಲವಾದರೆ - ಹಂತ 3 ರಲ್ಲಿ ಮತ್ತೊಬ್ಬ ನಿಯಮವನ್ನು ಬಳಸಿರಿ.
-> ✅ ಯಾವ ಸಂದರ್ಭಗಳಲ್ಲಿ ಮುಂಭಾಗ ನಿರ್ಣಯ ಸೂಕ್ತ? ಹಿಂಭಾಗ ನಿರ್ಣಯ ಯಾವಾಗ?
+> ✅ ಯಾವ ಸಂದರ್ಭಗಳಲ್ಲಿ ಮುಂಭಾಗ ನಿರ್ಣಯ ಉತ್ತಮ? ಹಿಂಬಾಗ ನಿರ್ಣಯ ಯಾವಾಗ ಸೂಕ್ತ?
-### ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳ ಅನುಷ್ಠಾನ
+### ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಗಳ ಅನ್ವಯ
-ತಜ್ಞ ವ್ಯವಸ್ಥೆಗಳನ್ನು ವಿವಿಧ ಸಾಧನಗಳನ್ನು ಬಳಸಿ ಅನುಷ್ಠಾನಗೊಳಿಸಬಹುದು:
+ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಗಳನ್ನು ವಿವಿಧ ಉಪಕರಣಗಳಿಂದ ಅಳವಡಿಸಲಾಗುತ್ತದೆ:
-* ಕೆಲವು ಉನ್ನತ ಮಟ್ಟದ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯಲ್ಲಿ ನೇರವಾಗಿ ಪ್ರೋಗ್ರಾಮ್ ಮಾಡುವುದು. ಇದು ಉತ್ತಮ ಆಯ್ಕೆ ಅಲ್ಲ, ಏಕೆಂದರೆ ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಯ ಮುಖ್ಯ ಲಾಭವೆಂದರೆ ಜ್ಞಾನ ಮತ್ತು ನಿರ್ಣಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವಿಭಜಿಸುವುದು, ಮತ್ತು ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರದ ತಜ್ಞರು ನಿರ್ಣಯದ ವಿವರಗಳನ್ನು ತಿಳಿಯದೆ ನಿಯಮಗಳನ್ನು ಬರೆಯಲು ಸಾಧ್ಯವಾಗಬೇಕು.
-* **ತಜ್ಞ ವ್ಯವಸ್ಥೆ ಶೆಲ್** ಬಳಸಿ, ಅಂದರೆ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ಭಾಷೆಯನ್ನು ಬಳಸಿ ಜ್ಞಾನವನ್ನು ತುಂಬಲು ವಿನ್ಯಾಸಗೊಳಿಸಿದ ವ್ಯವಸ್ಥೆ.
+* ಕೆಲವು ಮೇಲ್ಮಟ್ಟದ ಭಾಷೆಯಲ್ಲಿ ನೇರವಾಗಿ ಪ್ರೋಗ್ರಾಮ್ ಮಾಡುವುದು. ಇದು ಉತ್ತಮ ಆಯ್ಕೆಯಾಗದು, ಏಕೆಂದರೆ ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಜ್ಞಾನ ಮತ್ತು ನಿರ್ಣಯ ಪ್ರಕ್ರಿಯೆ ವಿಭಿನ್ನ, ಮತ್ತು ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರ ತಜ್ಞರು ನಿಯಮಗಳನ್ನು ಬರೆಯಬಹುದಾಗಿರಬೇಕು ನಿರ್ಣಯ ಪ್ರಕ್ರಿಯೆಯ ತಂತ್ರಜ್ಞಾನ ತಿಳಿಯದೆ.
+* **ಪರಿಣತಿ ವ್ಯವಸ್ಥೆಯ ಶೆಲ್** ಬಳಸಿ, ಇದು ವಿಶೇಷವಾಗಿ ಜ್ಞಾನವನ್ನು ಭರ್ತಿಪಡಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ವ್ಯವಸ್ಥೆ.
-## ✍️ ಅಭ್ಯಾಸ: ಪ್ರಾಣಿ ನಿರ್ಣಯ
+## ✍️ ವ್ಯಾಯಾಮ: ಪ್ರಾಣಿ ನಿರ್ಣಯ
-ಮುಂಭಾಗ ಮತ್ತು
+ಮುಂದಿನ ಉದಾಹರಣೆಗೆ [Animals.ipynb](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/Animals.ipynb) ನೋಡಿ, ಮುಂಭಾಗ ಮತ್ತು ಹಿಂಬಾಗ ನಿರ್ಣಯ ತಜ್ಞ ವ್ಯವಸ್ಥೆಯ ರೂಪರೇಷೆಯನ್ನು ನೋಡಿ.
+
+> **ಗಮನಿಸಿ**: ಈ ಉದಾಹರಣೆಯು ಸರಳ ಮತ್ತು ತಜ್ಞ ವ್ಯವಸ್ಥೆಯ ಮೂಲ ಕಲ್ಪನೆಯನ್ನು ಮಾತ್ರ ನೀಡುತ್ತದೆ. ನೀವು ಇಂತಹ ವ್ಯವಸ್ಥೆ ರಚಿಸುವಾಗ, ನಿಯಮಗಳು ಸಾಂಖ್ಯಿಕವಾಗಿ 200+ ತಲುಪಿದಾಗ ಮಾತ್ರ *ಬುದ್ಧಿವಂತಿಕೆಯ* ನಡವಳಿಕೆಯನ್ನು ಗಮನಿಸುತ್ತೀರಿ. ಕೆಲವು ಹಾದಿಯಲ್ಲಿ ನಿಯಮಗಳು ತುಂಬಾ ಸಂಕೀರ್ಣವಾಗುತ್ತವೆ, ಮತ್ತು ಅವುಗಳ ನಿರ್ಧಾರಗಳ ಹಿಮ್ಮುಖಕ್ಕೆ ನೀವು ವಿವರಣೆಗಾಗಿ ಯೋಚಿಸುವಿರಿ. ಆದರೆ ಜ್ಞಾನ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳ ಪ್ರಮುಖ ಲಕ್ಷಣ ಎಂದರೆ ನಿರ್ಧಾರಗಳು ಹೇಗೆತ್ತಾಗಿವೆ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ *ವಿವರಿಸಬಹುದಾಗಿದೆ*.
+
+## ಅಂಶಶಾಸ್ತ್ರಗಳು ಮತ್ತು ಅರ್ಥಜಾಲ
+
+20ನೇ ಶತಮಾನ ಅಂತ್ಯದಲ್ಲಿ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ಬಳಸುವ ಅಭಿಯಾನ ಇಂಟರ್ನೆಟ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಟ್ಯಾಗ್ ಮಾಡಲು ಪ್ರಾರಂಭವಾಯಿತು, ಇದು ಅತ್ಯಂತ ಸ್ಪಷ್ಟ ಕೇಳಾಟಗಳಿಗೆ ಸರಿಯಾದ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಸಾಧ್ಯವಾಗಿತ್ತು. ಇದನ್ನು **ಅರ್ಥಜಾಲ (Semantic Web)** ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಮತ್ತು ಇದು ಕೆಲವು ಕಲ್ಪನೆಗಳ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ:
+
+- **[ವಿವರಣಾತ್ಮಕ ತರ್ಕಗಳು](https://en.wikipedia.org/wiki/Description_logic)** (DL) ಆಧಾರಿತ ವಿಶೇಷ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ. ಇದು ಫ್ರೇಮ್ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನದಂತೆ, ವಸ್ತುಗಳ ಹೈರಾರ್ಕಿಯನ್ನು ಗುಣಗಳೊಂದಿಗೆ ನಿರ್ಮಿಸುತ್ತದೆ, ಆದರೆ ಅಧಿಕೃತ ತರ್ಕ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ನಿರ್ಣಯ ಹೊಂದಿದೆ. DL ಗಳ ಕುಟುಂಬವು ಅಭಿವ್ಯಕ್ತಿಶೀಲತೆ ಮತ್ತು ನಿರ್ಣಯ ಅದೃಷ್ಟತೆಯ ನಡುವೆ ಸಮತೋಲನ ಮಾಡುತ್ತದೆ.
+- ಕಡೆಯಿಲ್ಲದ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ, ಎಲ್ಲ ಕಲ್ಪನೆಗಳು ಜಾಗತಿಕ URI ಗುರುತಿನ ಮೂಲಕ ಪ್ರತಿನಿಧಿತವಾಗಿದ್ದು, ಇಂಟರ್ನೆಟ್ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಜ್ಞಾನ ಹೈರಾರ್ಕಿಗಳನ್ನು ನಿರ್ಮಿಸುವುದಕ್ಕೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
- ಜ್ಞಾನ ವರ್ಣನೆಗಾಗಿ XML ಆಧಾರಿತ ಭಾಷೆಗಳ ಕುಟುಂಬ: RDF (Resource Description Framework), RDFS (RDF Schema), OWL (Ontology Web Language).
-ಸೆಮ್ಯಾಂಟಿಕ್ ವೆಬ್ನ ಪ್ರಮುಖ ಕಲ್ಪನೆ **ಒಂಟಾಲಜಿ** ಎಂಬುದು. ಇದು ಕೆಲವು ಫಾರ್ಮಲ್ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನವನ್ನು ಬಳಸಿ ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರದ ಸ್ಪಷ್ಟ ನಿರ್ದಿಷ್ಟೀಕರಣವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಸರಳ ಒಂಟಾಲಜಿ ಎಂದರೆ ಸಮಸ್ಯಾ ಕ್ಷೇತ್ರದ ವಸ್ತುಗಳ ಹೈರಾರ್ಕಿ ಆಗಿರಬಹುದು, ಆದರೆ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಒಂಟಾಲಜಿಗಳು ನಿರ್ಣಯಕ್ಕಾಗಿ ಬಳಸಬಹುದಾದ ನಿಯಮಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ.
+ಸೆಮಾಂಟಿಕ್ ವೆಬ್ನ ಪ್ರಮುಖ ಧಾರಣೆ **ಒಂಟಾಲಜಿ** ಎಂಬ ಧಾರಣೆ. ಇದು ಕೆಲವೊಂದು ಅಗತ್ಯ ಜ್ಞಾನ ಪ್ರತಿನಿಧಾನ ಬಳಸಿ ಸಮಸ್ಯದ ವಲಯವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಸೂಚಿಸುವುದಕ್ಕೆ ಉಲ್ಲೇಖಿಸುತ್ತದೆ. ಸರಳ ಒಂಟಾಲಜಿ ಅಂದ್ರೆ ಸಮಸ್ಯದ ವಲಯದಲ್ಲಿ ವಸ್ತುಗಳ ಹೈರಾರ್ಕಿ ಆಗಿರಬಹುದು, ಆದರೆ ತುಖ್ಯ ಒಂಟಾಲಜಿಗಳು ನಿರ್ಣಯ ಮಾಡಲು ಬಳಸಬಹುದಾದ ನಿಯಮಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ.
-ಸೆಮ್ಯಾಂಟಿಕ್ ವೆಬ್ನಲ್ಲಿ ಎಲ್ಲಾ ಪ್ರತಿನಿಧಾನಗಳು ತ್ರಿಪುಟಗಳ ಮೇಲೆ ಆಧಾರಿತವಾಗಿವೆ. ಪ್ರತಿ ವಸ್ತು ಮತ್ತು ಪ್ರತಿ ಸಂಬಂಧವನ್ನು ಯುಆರ್ಐ ಮೂಲಕ ವಿಶಿಷ್ಟವಾಗಿ ಗುರುತಿಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಈ AI ಪಠ್ಯಕ್ರಮವನ್ನು ಡಿಮಿಟ್ರಿ ಸೋಶ್ನಿಕೋವ್ ಜನವರಿ 1, 2022 ರಂದು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದೆಂದು ಹೇಳಬೇಕಾದರೆ, ನಾವು ಬಳಸಬಹುದಾದ ತ್ರಿಪುಟಗಳು ಇವು:
+ಸೆಮಾಂಟಿಕ್ ವೆಬ್ನಲ್ಲಿ ಎಲ್ಲ ಪ್ರತಿನಿಧಾನಗಳೂ ಮೂರು-ಭಾಗ ಆದ ಇಟ್ಟುಕೊಂಡಿವೆ. ಪ್ರತಿಯೊಂದು ವಸ್ತು ಮತ್ತು ಪ್ರತಿಯೊಂದು ಸಂಬಂಧವೂ ಯಾರಿಗೂ ಅಂಕಿತಗೊಂಡ URI ಮೂಲಕ ಗುರುತಿಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಈ AI ಪಠ್ಯಕ್ರಮವನ್ನು ಡಿಮಿಟ್ರಿ ಸೋಶ್ನಿಕೊವ್ ಜನವರಿ 1, 2022 ರಂದು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದ ಎಂಬ ಮಾಹಿತಿಯನ್ನು ಹೇಳಬೇಕಾದರೆ — ನಾವು ಬಳಸಬಹುದಾದ ಮೂರು-ಭಾಗಗಳು ಇವೆ:
```
-http://github.com/microsoft/ai-for-beginners http://www.example.com/terms/creation-date “Jan 13, 2007”
+http://github.com/microsoft/ai-for-beginners http://www.example.com/terms/creation-date “Jan 1, 2022”
http://github.com/microsoft/ai-for-beginners http://purl.org/dc/elements/1.1/creator http://soshnikov.com
```
-> ✅ ಇಲ್ಲಿ `http://www.example.com/terms/creation-date` ಮತ್ತು `http://purl.org/dc/elements/1.1/creator` ಎಂಬವು *ರಚನೆ ದಿನಾಂಕ* ಮತ್ತು *ರಚಯಿತೃ* ಎಂಬ ಕಲ್ಪನೆಗಳನ್ನು ವ್ಯಕ್ತಪಡಿಸಲು ಪ್ರಸಿದ್ಧ ಮತ್ತು ವಿಶ್ವವ್ಯಾಪಿ ಯುಆರ್ಐಗಳು.
+> ✅ ಇಲ್ಲಿ `http://www.example.com/terms/creation-date` ಮತ್ತು `http://purl.org/dc/elements/1.1/creator` ಎಂಬವು *ರಚನೆದಾರ* ಮತ್ತು *ರಚನೆಯ ದಿನಾಂಕ* ಎಂಬ ಕಲ್ಪನೆಗಳನ್ನು ವ್ಯಕ್ತಪಡಿಸಲು ಸುಪ್ರಸಿದ್ಧ ಹಾಗೂ ವಿಶ್ವಪ್ರತಿಷ್ಠಿತ URIಗಳು.
-ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಪ್ರಕರಣದಲ್ಲಿ, ರಚಯಿತೃಗಳ ಪಟ್ಟಿಯನ್ನು ನಿರ್ಧರಿಸಲು RDF ನಲ್ಲಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಡೇಟಾ ರಚನೆಗಳನ್ನು ಬಳಸಬಹುದು.
+ಸುಧಾರಿತ ಪ್ರಕರಣದಲ್ಲಿ, ನಾವು ರಚನೆದಾರರ ಪಟ್ಟಿಯನ್ನು นิರುಪಿಸಲು ಬಯಸಿದರೆ, RDF ನಲ್ಲಿ ನಿರ್ದಿಷ್ಟವಾಗಿರುವ ಕೆಲವು ಡೇಟಾ ರಚನೆಗಳನ್ನು ಬಳಸಬಹುದು.
-> ಮೇಲಿನ ಚಿತ್ರಗಳು [ಡಿಮಿಟ್ರಿ ಸೋಶ್ನಿಕೋವ್](http://soshnikov.com) ಅವರವರು ರಚಿಸಿದ್ದಾರೆ
+> ಮೇಲಿನ ಆಕೃತಿಗಳನ್ನು [ಡಿಮಿಟ್ರಿ ಸೋಶ್ನಿಕೊವ್](http://soshnikov.com) ರವರು ರಚಿಸಿದ್ದಾರೆ
-ಸೆಮ್ಯಾಂಟಿಕ್ ವೆಬ್ ನಿರ್ಮಾಣದ ಪ್ರಗತಿ ಹುಡುಕಾಟ ಎಂಜಿನ್ಗಳು ಮತ್ತು ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ ತಂತ್ರಜ್ಞಾನಗಳ ಯಶಸ್ಸಿನಿಂದ ಸ್ವಲ್ಪ ನಿಧಾನವಾಯಿತು, ಏಕೆಂದರೆ ಅವು ಪಠ್ಯದಿಂದ ರಚನಾತ್ಮಕ ಡೇಟಾವನ್ನು ಹೊರತೆಗೆಯಲು ಸಹಾಯ ಮಾಡುತ್ತವೆ. ಆದಾಗ್ಯೂ, ಕೆಲವು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಒಂಟಾಲಜಿಗಳು ಮತ್ತು ಜ್ಞಾನ ಆಧಾರಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಮಹತ್ವದ ಪ್ರಯತ್ನಗಳು ಇನ್ನೂ ನಡೆಯುತ್ತಿವೆ. ಗಮನಾರ್ಹ ಕೆಲವು ಯೋಜನೆಗಳು:
+ಸೆಮಾಂಟಿಕ್ ವೆಬ್ ನಿರ್ಮಾಣದ ಪ್ರಗತಿ, ಹುಡುಕಾಟ ಯಂತ್ರಗಳ ಯಶಸ್ಸಿನಿಂದ ಮತ್ತು ಸ್ವಾಭಾವಿಕ ಭಾಷಾ ಪ್ರಕ್ರಿಯೆ ತಂತ್ರಗಳಿಂದ ಎಂಬ ಜಟಿಲ ಗಠನೆಯನ್ನು ಹೊರತೆಗೆಯಬಹುದಾಗಿದೆ, ಇದು ಪಠ್ಯದಿಂದ ಸಂರಚಿತ ಡೇಟಾವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ. ಆದಾಗ್ಯೂ, ಕೆಲವು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಇನ್ನೂ ಒಂಟಾಲಜಿಗಳು ಮತ್ತು ಜ್ಞಾನ ಆಧಾರಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಪ್ರಯತ್ನಗಳು ನಡೆಯುತ್ತಿವೆ. ಕೆಲವು ಗಮನಾರ್ಹ ಯೋಜನೆಗಳು:
-* [WikiData](https://wikidata.org/) ವಿಕಿಪೀಡಿಯಾ ಜೊತೆಗೆ ಸಂಯೋಜಿತ ಯಂತ್ರ ಓದಲು ಸಾಧ್ಯವಾದ ಜ್ಞಾನ ಆಧಾರಗಳ ಸಂಗ್ರಹವಾಗಿದೆ. ಹೆಚ್ಚಿನ ಡೇಟಾ ವಿಕಿಪೀಡಿಯಾ *ಇನ್ಫೋಬಾಕ್ಸ್* ಗಳಿಂದ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ, ಅವು ವಿಕಿಪೀಡಿಯಾ ಪುಟಗಳ ಒಳಗಿನ ರಚನಾತ್ಮಕ ವಿಷಯಗಳ ತುಂಡುಗಳು. ನೀವು [SPARQL](https://query.wikidata.org/) ಎಂಬ ವಿಶೇಷ ಪ್ರಶ್ನಾ ಭಾಷೆಯಲ್ಲಿ ವಿಕಿಡೇಟಾವನ್ನು ಪ್ರಶ್ನಿಸಬಹುದು. ಇಲ್ಲಿ ಮಾನವರಲ್ಲಿ ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಕಣ್ಣು ಬಣ್ಣಗಳನ್ನು ತೋರಿಸುವ ಉದಾಹರಣೆಯ ಪ್ರಶ್ನೆ ಇದೆ:
+* [WikiData](https://wikidata.org/) ವಿಕಿಪೀಡಿಯೊಂದಿಗೆ ಸಂಯೋಜಿತ ಯಂತ್ರ ಓದಲು ಅನುಕೂಲಕರ ಜ್ಞಾನ ಆಧಾರಗಳ ಸಂಗ್ರಹ. ಅನೇಕ ಡೇಟಾ ವಿಕಿಪೀಡಿಯ *InfoBoxes* ನಿಂದ ಕೊಯ್ಯಲ್ಪಟ್ಟಿದೆ, ಅವು ವಿಕಿಪೀಡಿಯ ಪುಟಗಳಲ್ಲಿ ಸಂರಚಿತ ವಿಷಯಗಳ ತುಂಡುಗಳು. ನೀವು [ಕೋರೆದಿಕೊಳ್ಳಬಹುದು](https://query.wikidata.org/) ವರ್ಧಿತ ವ್ಯಾಖ್ಯಾನದ ಭಾಷೆ SPARQL ನೊಂದಿಗೆ ವಿಕಿಡೇಟಾವನ್ನು. ಇಲ್ಲಿ ಮಾನವರಲ್ಲಿ ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಕಣ್ಣು ಬಣ್ಣಗಳನ್ನು ಪ್ರದರ್ಶಿಸುವ ಮಾದರಿ ಪ್ರಶ್ನೆ ಇದೆ:
```sparql
#defaultView:BubbleChart
@@ -197,51 +206,51 @@ WHERE
GROUP BY ?eyeColorLabel
```
-* [DBpedia](https://www.dbpedia.org/) ಮತ್ತೊಂದು WikiData ಗೆ ಸಮಾನ ಪ್ರಯತ್ನ.
+* [DBpedia](https://www.dbpedia.org/) ಇನ್ನೊಂದು ವೈಕೆಂದ್ರೀಕೃತ WikiData ಮಾದರಿಯ ಪ್ರಯತ್ನ.
-> ✅ ನಿಮ್ಮದೇ ಒಂಟಾಲಜಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಅಥವಾ ಇತ್ತೀಚಿನ ಒಂಟಾಲಜಿಗಳನ್ನು ತೆರೆಯಲು ಆಸಕ್ತಿ ಇದ್ದರೆ, [Protégé](https://protege.stanford.edu/) ಎಂಬ ಅದ್ಭುತ ದೃಶ್ಯ ಒಂಟಾಲಜಿ ಸಂಪಾದಕವನ್ನು ಬಳಸಬಹುದು. ಅದನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಿ ಅಥವಾ ಆನ್ಲೈನ್ನಲ್ಲಿ ಬಳಸಿ.
+> ✅ ನೀವು ನಿಮ್ಮ ಸ್ವಂತ ಒಂಟಾಲಜಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಅಥವಾ ಹಳೆಯವುಗಳನ್ನು ತೆರೆಯಲು ಆಸಕ್ತರಾಗಿದ್ದರೆ, ಅತ್ಯುತ್ತಮ ದೃಶ್ಯ ಒಂಟಾಲಜಿ ಸಂಪಾದಕವಿರುವುದಿದೆ [Protégé](https://protege.stanford.edu/). ಅದವನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಿ ಅಥವಾ ಆನ್ಲೈನಿನಲ್ಲಿ ಬಳಸಿ.
-*Web Protégé ಸಂಪಾದಕ ರೋಮ್ಯಾನೋವ್ ಕುಟುಂಬ ಒಂಟಾಲಜಿಯೊಂದಿಗೆ ತೆರೆಯಲಾಗಿದೆ. ಚಿತ್ರ ಡಿಮಿಟ್ರಿ ಸೋಶ್ನಿಕೋವ್ ಅವರವರು ತೆಗೆದಿದ್ದಾರೆ*
+*ವೆಬ್ ಪ್ರೋಟೆಜೆ ಸಂಪಾದಕ, ರೋಮಾನೋವ್ ಕುಟುಂಬ ಒಂಟಾಲಜಿಯೊಂದಿಗೆ ತೆರೆಯಲಾಗಿದೆ. ಚಿತ್ರಣ ಡಿಮಿಟ್ರಿ ಸೋಶ್ನಿಕೊವ್ ಅವರದು*
## ✍️ ಅಭ್ಯಾಸ: ಕುಟುಂಬ ಒಂಟಾಲಜಿ
-ಕುಟುಂಬ ಸಂಬಂಧಗಳ ಬಗ್ಗೆ ತರ್ಕ ಮಾಡಲು ಸೆಮ್ಯಾಂಟಿಕ್ ವೆಬ್ ತಂತ್ರಗಳನ್ನು ಬಳಸುವ ಉದಾಹರಣೆಗೆ [FamilyOntology.ipynb](https://github.com/Ezana135/AI-For-Beginners/blob/main/lessons/2-Symbolic/FamilyOntology.ipynb) ನೋಡಿ. ಸಾಮಾನ್ಯ GEDCOM ಫಾರ್ಮ್ಯಾಟ್ನಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲಾದ ಕುಟುಂಬ ವೃಕ್ಷ ಮತ್ತು ಕುಟುಂಬ ಸಂಬಂಧಗಳ ಒಂಟಾಲಜಿಯನ್ನು ತೆಗೆದು ಕೊಟ್ಟ ವ್ಯಕ್ತಿಗಳಿಗಾಗಿ ಎಲ್ಲಾ ಕುಟುಂಬ ಸಂಬಂಧಗಳ ಗ್ರಾಫ್ ನಿರ್ಮಿಸುವುದು.
+[kumbaOntology.ipynb](https://github.com/Ezana135/AI-For-Beginners/blob/main/lessons/2-Symbolic/FamilyOntology.ipynb) ನೋಡಿ, ಕುಟುಂಬ ಸಂಬಂಧಗಳ ಬಗ್ಗೆ ಸೆಮಾಂಟಿಕ್ ವೆಬ್ ತಂತ್ರಗಳನ್ನು ಉಪಯೋಗಿಸುವ ಉದಾಹರಣೆಗಾಗಿ. ನಾವು ಸಾಮಾನ್ಯ GEDCOM ರೂಪದಲ್ಲಿ ಪ್ರತಿನಿಧಿಸಲಾದ ಕುಟುಂಬ ಮರೆಯನ್ನು ತೆಗೆದುಕೊಂಡು ಕುಟುಂಬ ಸಂಬಂಧಗಳ ಒಂಟಾಲಜಿಯನ್ನು ಬಳಸಿ ಒಂದು ಗ್ರಾಫ್ ನಿರ್ಮಿಸುತ್ತೇವೆ.
-## Microsoft Concept Graph
+## ಮೈಕ್ರೋಸಾಫ್ಟ್ ಕನ್ಸೆಪ್ಟ್ ಗ್ರಾಫ್
-ಬಹುತೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಒಂಟಾಲಜಿಗಳನ್ನು ಕೈಯಿಂದ ಜಾಗರೂಕವಾಗಿ ರಚಿಸಲಾಗುತ್ತದೆ. ಆದರೆ, ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪಠ್ಯಗಳಿಂದ ಅಸಂರಚಿತ ಡೇಟಾವನ್ನು **ಖನನ** ಮಾಡುವ ಮೂಲಕ ಒಂಟಾಲಜಿಗಳನ್ನು ಪಡೆಯುವುದು ಸಹ ಸಾಧ್ಯ.
+ಬಹುತೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಒಂಟಾಲಜಿಗಳು ಕೈಯಿಂದ ಜಾಗರೂಕತೆಯಿಂದ ಸೃಷ್ಟಿ ಮಾಡಲಾಗುತ್ತವೆ. ಆದರೆ, ಒಳಚರಂಡಿಯಾಗದ ಡೇಟಾವಿನಿಂದ ಒಂಟಾಲಜಿಗಳನ್ನು **ಮೈನಿಂಗ್** ಮಾಡುವೂ ಸಾಧ್ಯ, ಉದಾಹರಣೆಗೆ ಸ್ವाभಾವಿಕ ಭಾಷಾ ಪಠ್ಯಗಳಿಂದ.
-ಇಂತಹ ಪ್ರಯತ್ನವನ್ನು Microsoft Research ಮಾಡಿದ್ದು, [Microsoft Concept Graph](https://blogs.microsoft.com/ai/microsoft-researchers-release-graph-that-helps-machines-conceptualize/?WT.mc_id=academic-77998-cacaste) ಎಂಬ ಫಲಿತಾಂಶವನ್ನು ನೀಡಿತು.
+ಅಂತಹ ಪ್ರಯತ್ನವನ್ನು ಮೈಕ್ರೋಸಾಫ್ಟ್ ಸಂಶೋಧನಾ ಸಂಸ್ಥೆ ನಡೆಸಿತು, ಮತ್ತು ಫಲವಾಗಿ [Microsoft Concept Graph](https://blogs.microsoft.com/ai/microsoft-researchers-release-graph-that-helps-machines-conceptualize/?WT.mc_id=academic-77998-cacaste) ಸೃಷ್ಟಿ ಮಾಡಲಾಯಿತು.
-ಇದು `is-a` ವಂಶಪಾರಂಪರ್ಯ ಸಂಬಂಧವನ್ನು ಬಳಸಿ ಗುಂಪುಮಾಡಲಾದ ಎಂಟಿಟಿಗಳ ದೊಡ್ಡ ಸಂಗ್ರಹವಾಗಿದೆ. "Microsoft ಎಂದರೆ ಏನು?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ "0.87 ಸಾಧ್ಯತೆಯೊಂದಿಗೆ ಕಂಪನಿ ಮತ್ತು 0.75 ಸಾಧ್ಯತೆಯೊಂದಿಗೆ ಬ್ರ್ಯಾಂಡ್" ಎಂಬ ಉತ್ತರ ನೀಡಲು ಇದು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
+ಇದು ವಿವಿಧ ಘಟಕಗಳನ್ನು “is-a” ವಂಶವೃಕ್ಷ ಸಂಬಂಧದಿಂದ ಗುಂಪುಬದ್ಧಗೊಳಿಸಿದ ದೊಡ್ಡ ಸಂಗ್ರಹ. ಇದು "ಮೈಕ್ರೋಸಾಫ್ಟ್ ಎಂದರೆ ಏನು?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ — ಉತ್ತರವಾಗಿ "ಒಂದು ಕಂಪೆನಿ ಬಿಲಾಸ 0.87, ಮತ್ತು ಒಂದು ಬ್ರಾಂಂಡ್ ಬಿಲಾಸ 0.75."
-ಗ್ರಾಫ್ REST API ಆಗಿ ಅಥವಾ ಎಲ್ಲಾ ಎಂಟಿಟಿ ಜೋಡಿಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿರುವ ದೊಡ್ಡ ಡೌನ್ಲೋಡಬಲ್ ಪಠ್ಯ ಕಡತವಾಗಿ ಲಭ್ಯವಿದೆ.
+ಗ್ರಾಫ್ REST API ಆಗಿ ಲಭ್ಯವಿದೆ ಅಥವಾ ಎಲ್ಲಾ ಘಟಕ ಜೋಡಿಗಳ ಪಟ್ಟಿಯನ್ನು ಹೊಂದಿರುವ ಡೌನ್ಲೋಡ್ ಮಾಡಬಹುದಾದ ದೊಡ್ಡ ಪಠ್ಯ ಕಡತವಾಗಿ ಲಭ್ಯವಿದೆ.
## ✍️ ಅಭ್ಯಾಸ: ಕನ್ಸೆಪ್ಟ್ ಗ್ರಾಫ್
-Microsoft Concept Graph ಬಳಸಿ ಸುದ್ದಿಪತ್ರಿಕೆಗಳನ್ನು ವಿವಿಧ ವರ್ಗಗಳಲ್ಲಿ ಗುಂಪುಮಾಡುವ ವಿಧಾನವನ್ನು ನೋಡಲು [MSConceptGraph.ipynb](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/MSConceptGraph.ipynb) ನೋಟ್ಬುಕ್ ಪ್ರಯತ್ನಿಸಿ.
+[MSConceptGraph.ipynb](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/MSConceptGraph.ipynb) ನೋಟ್ಬುಕ್ ಪ್ರಯೋಗಿಸಿರಿ, ಮೈಕ್ರೋಸಾಫ್ಟ್ ಕನ್ಸೆಪ್ಟ್ ಗ್ರಾಫ್ ಉಪಯೋಗಿಸಿ ಸುದ್ದಿವARTICLE ಗಳನ್ನು ಹಲವು ವರ್ಗಗಳಲ್ಲಿ ಗುಂಪು ಮಾಡಲು ಹೇಗೆ ಸಾಧ್ಯವಿದೆ ಎಂದು ನೋಡಲು.
-## ಸಮಾರೋಪ
+## ತೀರ್ಮಾನ
-ಇತ್ತೀಚೆಗೆ, AI ಅನ್ನು ಸಾಮಾನ್ಯವಾಗಿ *ಮಷೀನ್ ಲರ್ನಿಂಗ್* ಅಥವಾ *ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳು* ಎಂಬ ಸಮಾನಾರ್ಥಕವಾಗಿ ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಆದರೆ, ಮಾನವನು ಸ್ಪಷ್ಟ ತರ್ಕವನ್ನು ಕೂಡ ಪ್ರದರ್ಶಿಸುತ್ತಾನೆ, ಇದು ಪ್ರಸ್ತುತ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳಿಂದ ನಿರ್ವಹಿಸಲಾಗುತ್ತಿಲ್ಲ. ನೈಜ ಜಗತ್ತಿನ ಯೋಜನೆಗಳಲ್ಲಿ, ಸ್ಪಷ್ಟ ತರ್ಕವನ್ನು ವಿವರಣೆಗಳನ್ನು ನೀಡಬೇಕಾದ ಕಾರ್ಯಗಳಿಗೆ ಅಥವಾ ವ್ಯವಸ್ಥೆಯ ವರ್ತನೆಯನ್ನು ನಿಯಂತ್ರಿತ ರೀತಿಯಲ್ಲಿ ಬದಲಾಯಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ.
+ಈ ಕಾಲದಲ್ಲಿ, AI ಅನ್ನು Machine Learning ಅಥವಾ Neural Networks ನ ಸಮಾನಾರ್ಥಕ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಮಾನವಿಕೆ ಸ್ಪಷ್ಟವಾದ ಯುಕ್ತಿವಾದವನ್ನು ತೋರಿಸುತ್ತದೆ, ಇದು ಸದ್ಯಕ್ಕೆ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ ಸಾಗಿ ಮಾಡದದ್ದು. ವಾಸ್ತವಿಕ ಜಗತ್ತಿನ ಯೋಜನೆಗಳಲ್ಲಿ, ಸ್ಪಷ್ಟ ಯುಕ್ತಿವಾದವನ್ನು ಮೂಲಕ ವಿವರಣೆಗೊಳ್ಳುವ ಕಾರ್ಯಗಳಿಗಾಗಿ, ಅಥವಾ ಯಂತ್ರದ ವರ್ತನೆಯನ್ನು ನಿಯಂತ್ರಿತವಾಗಿ ಬದಲಾಯಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ.
## 🚀 ಸವಾಲು
-ಈ ಪಾಠಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಕುಟುಂಬ ಒಂಟಾಲಜಿ ನೋಟ್ಬುಕ್ನಲ್ಲಿ, ಇತರ ಕುಟುಂಬ ಸಂಬಂಧಗಳೊಂದಿಗೆ ಪ್ರಯೋಗ ಮಾಡಲು ಅವಕಾಶವಿದೆ. ಕುಟುಂಬ ವೃಕ್ಷದಲ್ಲಿ ಜನರ ನಡುವೆ ಹೊಸ ಸಂಪರ್ಕಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸಿ.
+ಈ ಪಾಠದ ಸಂಬಂಧಿಸಿರುವ ಕುಟುಂಬ ಒಂಟಾಲಜಿ ನೋಟ್ಬುಕ್ನಲ್ಲಿ, ಇತರ ಕುಟುಂಬ ಸಂಬಂಧಗಳೊಂದಿಗೆ ಪ್ರಯೋಗದ ಅವಕಾಶವಿದೆ. ಕುಟುಂಬ ಮರೆಯಲ್ಲಿನ ಜನರ ಮಧ್ಯೆ ಹೊಸ ಸಂಪರ್ಕಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸಿ.
-## [ಪಾಠೋತ್ತರ ಪ್ರಶ್ನೋತ್ತರ](https://ff-quizzes.netlify.app/en/ai/quiz/4)
+## [ಪಾಠಬದಲ್ ಪ್ರಶ್ನೋತ್ತರ](https://ff-quizzes.netlify.app/en/ai/quiz/4)
## ವಿಮರ್ಶೆ ಮತ್ತು ಸ್ವಯಂ ಅಧ್ಯಯನ
-ಮಾನವರು ಜ್ಞಾನವನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲು ಮತ್ತು ಸಂಹರಿಸಲು ಪ್ರಯತ್ನಿಸಿದ ಕ್ಷೇತ್ರಗಳನ್ನು ಇಂಟರ್ನೆಟ್ನಲ್ಲಿ ಸಂಶೋಧಿಸಿ. ಬ್ಲೂಮ್ ಟ್ಯಾಕ್ಸೋನಮಿ ನೋಡಿ, ಮತ್ತು ಇತಿಹಾಸದಲ್ಲಿ ಮಾನವರು ತಮ್ಮ ಜಗತ್ತನ್ನು ಹೇಗೆ ಅರ್ಥಮಾಡಿಕೊಂಡರು ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ. ಲಿನಿಯಸ್ ಅವರ ಜೀವಿಗಳ ವರ್ಗೀಕರಣದ ಕೆಲಸವನ್ನು ಅನ್ವೇಷಿಸಿ, ಮತ್ತು ಡಿಮಿಟ್ರಿ ಮೆಂಡೆಲೀವ್ ರಾಸಾಯನಿಕ ಮೂಲಧಾತುಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು ಮತ್ತು ವರ್ಗೀಕರಿಸಲು ಹೇಗೆ ವಿಧಾನವನ್ನು ರಚಿಸಿದನು ಎಂಬುದನ್ನು ಗಮನಿಸಿ. ಇನ್ನೇನು ರೋಚಕ ಉದಾಹರಣೆಗಳನ್ನು ನೀವು ಕಂಡುಹಿಡಿಯಬಹುದು?
+ಜ್ಞಾನವನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲು ಮತ್ತು ಸಂಹರಿಸಲು ಮಾನವರು ಪ್ರಯತ್ನಿಸಿದ ಕ್ಷೇತ್ರಗಳನ್ನು ಇಂಟರ್ನೆಟ್ನಲ್ಲಿ ಸಂಶೋಧಿಸಿ. ಬ್ಲೂಮ್ಗಳ ತೆರಗೇರಿ (Bloom's Taxonomy) ಕುರಿತು ತಿಳಿದುಕೊಳ್ಳಿ, ಮತ್ತು ಇತಿಹಾಸದಲ್ಲಿ ಮಾನವರು ತಮ್ಮ ಜಗತ್ತನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಹೇಗೆ ಯತ್ನಿಸಿದ್ದರು ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ. ಲಿನಿಯಸ್ ಅವರ ಕಾರ್ಮಿಕ Taxonomy ರಚನೆಯ ಕಾರ್ಯವನ್ನು ವೀಕ್ಷಿಸಿ, ಮತ್ತು ರಾಸಾಯನಿಕ ಅಂಶಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು ಡಿಮಿಟ್ರೀ ಮೆಂಡಲೀವ್ ಅವರ ವಿಧಾನವನ್ನು ಗಮನಿಸಿ. ಇನ್ನಷ್ಟು ಆಸಕ್ತಿದಾಯಕ ಉದಾಹರಣೆಗಳು ನಿಮಗಾಗಿ ಯಾವುವು?
-**ಕಾರ್ಯ**: [ಒಂಟಾಲಜಿ ನಿರ್ಮಿಸಿ](assignment.md)
+**ಹೊಂದಿಕೆ**: [ಒಂಟಾಲಜಿ ನಿರ್ಮಿಸಿ](assignment.md)
---
-**ಅಸ್ವೀಕರಣ**:
-ಈ ದಸ್ತಾವೇಜು [Co-op Translator](https://github.com/Azure/co-op-translator) ಎಂಬ AI ಅನುವಾದ ಸೇವೆಯನ್ನು ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಯತ್ತ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಗಳು ಇರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಮಹತ್ವದ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.
+**ತಪ್ಪು ನಿರೋಧಕ**:
+ಈ ದಾಖಲೆಯನ್ನು AI ಅನುವಾದ ಸೇವೆ [Co-op Translator](https://github.com/Azure/co-op-translator) ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಗಾಗಿ ಪ್ರಯತ್ನಿಸಿದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ತಪ್ಪುಗಳು ಅಥವಾ ಅಸತ್ಯತೆಯುಂಟಾಗಬಹುದೇಂದು ದಯವಿಟ್ಟು ಗಮನದಲ್ಲಿರಿಸಿಕೊಳ್ಳಿ. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಾಖಲೆಯೇ ಅಧಿಕೃತ ಮೂಲವಾಗಬಹುದು ಎಂದು ಪರಿಗಣಿಸಬೇಕು. ಅತ್ಯಾವಶ್ಯಕ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ misunderstanding ಅಥವಾ தவறಾದ ಅರ್ಥಮಾಡಿಕೊಳ್ಲಿಕೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.
\ No newline at end of file
diff --git a/translations/ml/README.md b/translations/ml/README.md
index 56466fc2..99e0cf39 100644
--- a/translations/ml/README.md
+++ b/translations/ml/README.md
@@ -1,8 +1,8 @@
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](./README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
-> **പ്രാദേശികമായി ക്ലോൺ ചെയ്യാൻ ആഗ്രഹം ഉണ്ടോ?**
+> **സ്റ്റോർ ചെയ്യണമെങ്കിൽ നിങ്ങൾക്ക് പ്രാഥമിക മുൻഗണനയുണ്ടോ?**
-> ഈ റെപ്പോസിറ്ററിയിൽ 50+ ഭാഷാ വിവർത്തനങ്ങൾ അടങ്ങിയിരിക്കുന്നു, ഇത് ഡൗൺലോഡ് വലുപ്പം ഏറെ വർദ്ധിപ്പിക്കുന്നു. വിവർത്തനങ്ങൾ ഇല്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:
+> ഈ റെപ്പോസിറ്ററിയിൽ 50+ ഭാഷകൾ ഉൾക്കൊള്ളുന്ന പരിഭാഷകൾ ഉൾക്കൊാള്ളുന്നു, ഇത് ഡൗൺലോഡ് വലിപ്പം വ്യാപകമാക്കുന്നു. വിവർത്തനങ്ങളില്ലാതെ ക്ലോൺ ചെയ്യാൻ sparse checkout ഉപയോഗിക്കുക:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
> cd AI-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
-> ഇത് ഈ കോഴ്സ് പൂർത്തിയാക്കാൻ നിങ്ങൾക്ക് ആവശ്യമായ എല്ലാം ഏറെ വേഗത്തിലുള്ള ഡൗൺലോഡോടെ നൽകുന്നു.
+> ഇത് നിങ്ങൾക്ക് കോഴ്സ് പൂർത്തിയാക്കാൻ ആവശ്യമായ എല്ലാം വളരെ വേഗത്തിലുള്ള ഡൗൺലോഡിനോടൊപ്പം നൽകും.
-**കൂടുതൽ വിവർത്തന ഭാഷകൾക്കായ്ന് സഹായം ആഗ്രഹിക്കുന്നുവെങ്കിൽ, അവ ഇവിടെ ലിസ്റ്റ് ചെയ്തിരിക്കുന്നു [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
+**കൂടുതൽ വിവർത്തന ഭാഷകൾ ആവശ്യമായാൽ ഇവ ഇവിടെ അപേക്ഷിക്കാം [ഇവിടെ](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
-## കമ്മ്യൂണിറ്റിയിൽ ചേർക്കാം
+## സമൂഹത്തിൽ ചേരുക
[](https://discord.gg/nTYy5BXMWG)
-## നിങ്ങൾ പഠിക്കുന്നതെന്ത്
+## നിങ്ങൾ പഠിക്കും
-**[കോഴ്സിന്റെ മനസ്സക്ഷരി മാപ്പ്](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
+**[കോഴ്സിന്റെ മൈൻഡ്മാപ്പ്](http://soshnikov.com/courses/ai-for-beginners/mindmap.html)**
-ഈ പ്രോഗ്രാമിൽ നിങ്ങൾ പഠിക്കും:
+ഈ പാഠ്യപദ്ധതിയിൽ നിങ്ങൾ പഠിക്കുന്നതെല്ലാം:
-* "നല്ല പഴയ" പ്രതീകാത്മക സമീപനം ഉൾപ്പെടെ വിവിധ കൃത്രിമ ബുദ്ധിമുട്ട് സമീപനങ്ങൾ, **ജ്ഞാന പ്രതിനിധാനം** (Knowledge Representation)യും ന്യായം (reasoning) ഉം ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)).
-* ആധുനിക AI-യുടെ ഹൃദയഭാഗമായ **ന്യൂറൽ നെറ്റ്വർക്കുകൾ** (Neural Networks)ും **ഡീപ്പ് ലേണിംഗ്** (Deep Learning)ഉം. ഈ സുപ്രധാന വിഷയങ്ങളുടെ ആശയങ്ങൾ രണ്ട് സുപ്രധാന ഫ്രെയിംവർക്കുകളിൽ ബോധ്യപ്പെടുത്തും - [TensorFlow](http://Tensorflow.org) ഉം [PyTorch](http://pytorch.org) ഉം.
-* ചിത്രങ്ങളുമായി (Images) മൊഴികളുമായി (Text) പ്രവർത്തിക്കുന്ന **ന്യൂറൽ ആർക്കിടെക്ചറുകൾ**. അടുത്തകാലത്തെ മോഡലുകൾ ഉൾപെടുത്തും, പക്ഷേ ഇപ്പോഴത്തെ അവസ്ഥയിൽ കുറവായിരിക്കും.
-* കൃത്രിമ ബുദ്ധിമുട്ടിലെ കുറച്ചുകൂടി അപരിചിതമായ സമീപനങ്ങൾ, ഉദാഹരണത്തിന് **ജനിതക ആൽഗൊരിതമുകൾ** (Genetic Algorithms)യും **മൾട്ടി-ഏജന്റ് സിസ്റ്റങ്ങൾ** (Multi-Agent Systems)ഉം.
+* "നല്ല പഴയ" പ്രതീകാത്മക സമീപനമായ **ജ്ഞാന പ്രതിനിധാനം**യും വിവേകവും ഉൾക്കൊള്ളുന്ന വിവിധ കൃത്രിമ ബുദ്ധിമുട്ട് സമീപനങ്ങൾ ([GOFAI](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence)).
+* ആധുനിക AIയുടെ ഹൃദയഭാഗമായ **ന്യൂറൽ നെറ്റ്വർക്കുകളും** **ഗഭീര പഠനവും**. TensorFlow, PyTorch ഈ രണ്ട് പ്രചാരത്തിലുള്ള ഫ്രെയിംവര്ക്കുകളിൽ കോഡ് ഉപയോഗിച്ച് ഈ പ്രധാന വിഷയങ്ങളുടെ ആശയങ്ങൾ വിശദീകരിക്കും.
+* ചിത്രങ്ങളും എഴുത്തും കൈകാര്യം ചെയ്യുന്നതിന് **ന്യൂറൽ ഘടനകൾ**. നിങ്ങൾക്കു് പുതിയ മോഡലുകൾ പരിചയപ്പെടാം; എന്നാല് ഏറ്റവും അവസാനകാല പരിപ്രേക്ഷ്യങ്ങളിൽ കുറവുണ്ടാകാം.
+* കുറവ് പ്രചാരത്തിലുള്ള AI സമീപനങ്ങൾ, ഉദാ: **ജനിതക ആല്ഗോരിതങ്ങൾ**, **മൾട്ടി-ഏജന്റ് സിസ്റ്റങ്ങൾ**.
-ഈ പ്രോഗ്രാമിൽ ഉൾപെടുത്താത്തത്:
+ഈ പാഠ്യപദ്ധതിയിൽ ഉൾപ്പെടാത്ത ബിഷയങ്ങൾ:
-> [ഈ കോഴ്സ് സംബന്ധിച്ച മറ്റു എല്ലാ വിഭവങ്ങളും Microsoft Learn ശേഖരത്തിൽ കാണുക](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
+> [ഈ കോഴ്സിന്റെ എല്ലാ അധിക സ്രോതസുകളും Microsoft Learn ശേഖരത്തിൽ കണ്ടെത്തുക](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)
-* **ബിസിനസിൽ AI-യുടെ ഉപയോഗത്തിന്റെ** ബിസിനസ് കേസുകൾ. Microsoft Learn-ലുള്ള [Introduction to AI for business users](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) പഠനപാത അല്ലെങ്കിൽ [AI Business School](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), [INSEAD](https://www.insead.edu/) സംയുക്തമായി വികസിപ്പിച്ചത്.
-* നമ്മുടെ [Machine Learning for Beginners Curriculum](http://github.com/Microsoft/ML-for-Beginners)ൽ നന്നായി വിശദീകരിച്ച **പരമ്പരാഗത മെഷീൻ ലേണിംഗ്** (Classic Machine Learning).
-* **[കോಗ್ಗ്നിറ്റീവ് സർവീസസ്](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ഉപയോഗിച്ചും പ്രായോഗിക AI അപേക്ഷകൾ. അതിനായി Microsoft Learn ലെ [vision](https://docs.microsoft.com/learn/paths/create-computer-vision-solutions-azure-cognitive-services/?WT.mc_id=academic-77998-bethanycheum), [ന്യൂറൽ ഭാഷാ പ്രോസസ്സിംഗ്](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum), **[Azure OpenAI Service ഉപയോഗിച്ചുള്ള Generative AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** എന്നീ ഘടകങ്ങളിൽ തുടങ്ങണേ.
-* പ്രത്യേക മെഷീൻ ലേണിംഗ് **ക്ലൗഡ് ഫ്രെയിംവർക്കുകൾ**, ഉദാഹരണത്തിന് [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), അല്ലെങ്കിൽ [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). [Build and operate machine learning solutions with Azure Machine Learning](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum) and [Build and Operate Machine Learning Solutions with Azure Databricks](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum) പഠനപാതകൾ പരിഗണിക്കുക.
-* **സംവാദ AI** (Conversational AI)യും **ചാറ്റ് ബോട്ടുകൾ** (Chat Bots) ഉം. പ്രത്യേക [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) പഠനപാതയും പ്രധാനപ്പെട്ട [ഈ ബ്ലോഗ് പോസ്റ്റ്](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) ഉം ഉപയോഗിക്കാം.
-* ഡീപ്പ് ലേണിംഗിന് പിന്നിലുള്ള **ഗണിതവിദ്യ**. ഇതിന്, ഇന്ഗുഡ്ഫെല്ലോ, യോഷുവ ബെൻഗിയോ, ആറോൺ കോർവിൽ എഴുതിയ [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) ശുപാർശ ചെയ്യും, ഓൺലൈനിലും ലഭ്യമാണ് [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/).
+* ബിസിനസ്സിൽ **AI ഉപയോഗിക്കുന്ന വ്യവസായകേസുകൾ**. Microsoft Learn ലെ [ബിസിനസ് ഉപയോക്താക്കൾക്കുള്ള AI പരിചയപ്പെടൽ](https://docs.microsoft.com/learn/paths/introduction-ai-for-business-users/?WT.mc_id=academic-77998-bethanycheum) പഠന പഥം, അല്ലെങ്കിൽ [AI ബിസിനസ് സ്കൂൾ](https://www.microsoft.com/ai/ai-business-school/?WT.mc_id=academic-77998-bethanycheum), [INSEAD](https://www.insead.edu/) യുമായി സഹകരിച്ച് വികസിപ്പിച്ചെടുത്തു.
+* ഞങ്ങളുടെ [Machine Learning for Beginners പാഠ്യപദ്ധതി](http://github.com/Microsoft/ML-for-Beginners) ൽ നന്നായി പ്രതിപാദിച്ച **പാരമ്പര്യ മെഷീൻ ലേണിംഗ്**.
+* **[കോഗ്നിറ്റീവ് സർവീസസുകൾ](https://azure.microsoft.com/services/cognitive-services/?WT.mc_id=academic-77998-bethanycheum)** ഉപയോഗിച്ച് നിർമ്മിച്ച പ്രായോഗിക AI એપ്ലിക്കേഷനുകൾ. ഇതിനായി Microsoft Learn ന്റെ വിറ്റു, [പ്രാകൃത ഭാഷാ പ്രോസസ്സിംഗ്](https://docs.microsoft.com/learn/paths/explore-natural-language-processing/?WT.mc_id=academic-77998-bethanycheum) **[Azure OpenAI സർവീസ് ഉപയോഗിച്ചുള്ള ജെനറേറ്റീവ് AI](https://learn.microsoft.com/en-us/training/paths/develop-ai-solutions-azure-openai/?WT.mc_id=academic-77998-bethanycheum)** എന്നിവ ഉൾപ്പെടുന്ന മാഡ്യൂളുകൾ തുടങ്ങാൻ ശുപാർശ ചെയ്യുന്നു.
+* വിശിഷ്ട ML **ക്ലൗഡ് ഫ്രെയിംവർക്കുകൾ**, ഉദാ: [Azure Machine Learning](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-bethanycheum), [Microsoft Fabric](https://learn.microsoft.com/en-us/training/paths/get-started-fabric/?WT.mc_id=academic-77998-bethanycheum), അല്ലെങ്കിൽ [Azure Databricks](https://docs.microsoft.com/learn/paths/data-engineer-azure-databricks?WT.mc_id=academic-77998-bethanycheum). [Azure Machine Learning ഉപയോഗിച്ച് മെഷീൻ ലേണിംഗ് അപ്ലിക്കേഷനുകൾ സൃഷ്ടിക്കുകയും പ്രവർത്തിപ്പിക്കുകയും ചെയ്യുക](https://docs.microsoft.com/learn/paths/build-ai-solutions-with-azure-ml-service/?WT.mc_id=academic-77998-bethanycheum)യും [Azure Databricks ഉപയോഗിച്ച് മെഷീൻ ലേണിംഗ് സൊല്യൂഷനുകൾ നിർമ്മിക്കുകയും പ്രവർത്തിപ്പിക്കുകയും ചെയ്യുക](https://docs.microsoft.com/learn/paths/build-operate-machine-learning-solutions-azure-databricks/?WT.mc_id=academic-77998-bethanycheum)യും പഠന പഥങ്ങൾ പരിഗണിക്കുക.
+* **സംവാദ AI**യും **ചാറ്റ് ബോട്ടുകളും**. ഇതിന് പ്രത്യേകമായ [Create conversational AI solutions](https://docs.microsoft.com/learn/paths/create-conversational-ai-solutions/?WT.mc_id=academic-77998-bethanycheum) പഠന പഥമുണ്ട്, കൂടാതെ [ഈ ബ്ലോഗ് പോസ്റ്റ്](https://soshnikov.com/azure/hello-bot-conversational-ai-on-microsoft-platform/) കൂടുതൽ വിശദീകരണം നൽകുന്നു.
+* **ഗഭീര പഠനത്തിന്റെ** ഗണിതശാസ്ത്ര പാഠങ്ങൾ. ഇതിന്, Ian Goodfellow, Yoshua Bengio, Aaron Courville രചിച്ച [Deep Learning](https://www.amazon.com/Deep-Learning-Adaptive-Computation-Machine/dp/0262035618) എന്നിവ ശുപാർശ ചെയ്യുന്നു, ഇത് ഓൺലൈനിലും ലഭ്യമാണ് [https://www.deeplearningbook.org/](https://www.deeplearningbook.org/).
-_ക്ലൗഡിലെ AI_-നായി സുഖപ്രദമായ പരിചയം വേണ്ടവർക്ക് [Azure-ൽ കൃത്രിമ ബുദ്ധിമുട്ട് ആരംഭിക്കുക](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) പഠന പാത പരിഗണിക്കാം.
+_ക്ലൗഡിൽ AI_-യിലേക്ക് സൗമ്യമാർഗമായ ഒരു പരിചയത്തിനായി, [Get started with artificial intelligence on Azure](https://docs.microsoft.com/learn/paths/get-started-with-artificial-intelligence-on-azure/?WT.mc_id=academic-77998-bethanycheum) പഠന പഥം ഉപകാരപ്പെടും.
# ഉള്ളടക്കം
| | പാഠം ലിങ്ക് | PyTorch/Keras/TensorFlow | ലാബ് |
| :-: | :------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------------------------------: | ------------------------------------------------------------------------------ |
-| 0 | [പാഠം സജ്ജീകരണം](./lessons/0-course-setup/setup.md) | [വികസന പരിസ്ഥിതി സജ്ജമാക്കുക](./lessons/0-course-setup/how-to-run.md) | |
-| I | [**AI-യുടെ പരിചയം**](./lessons/1-Intro/README.md) | | |
-| 01 | [AI-യുടെ പരിചയം և ചരിത്രം](./lessons/1-Intro/README.md) | - | - |
+| 0 | [കോഴ്സ് സെറ്റ് അപ്](./lessons/0-course-setup/setup.md) | [ഡെവലപ്പ്മെന്റ് എൻവയേണ്മെന്റ് സെറ്റ് ചെയ്യുക](./lessons/0-course-setup/how-to-run.md) | |
+| I | [**AI-യിലേക്കുള്ള പരിചയം**](./lessons/1-Intro/README.md) | | |
+| 01 | [AI-ന്റെ പരിചയം, ചരിത്രം](./lessons/1-Intro/README.md) | - | - |
| II | **പ്രതീകാത്മക AI** |
-| 02 | [ജ്ഞാന പ്രതിനിധാനവും വിദഗ്ധ സിസ്റ്റങ്ങളുമായി](./lessons/2-Symbolic/README.md) | [വിദഗ്ധ സിസ്റ്റങ്ങൾ](./lessons/2-Symbolic/Animals.ipynb) / [ഓന്റോളജി](./lessons/2-Symbolic/FamilyOntology.ipynb) /[കോൺസെപ്റ്റ് ഗ്രാഫ്](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
-| III | [**ന്യൂറൽ നെറ്റ്വർക്കുകൾക് പരിചയം**](./lessons/3-NeuralNetworks/README.md) |||
-Translation for chunk 2 of 'README.md' skipped due to timeout.
-- 💬 **വാചക വികാരം** - പോസിറ്റീവ്/നെഗറ്റീവ് വാചകങ്ങൾ വിശകലനം ചെയ്യുക
+| 02 | [ജ്ഞാന പ്രതിനിധാനം, വിദഗ്ധ സിസ്റ്റങ്ങൾ](./lessons/2-Symbolic/README.md) | [വിദഗ്ധ സിസ്റ്റങ്ങൾ](./lessons/2-Symbolic/Animals.ipynb) / [ഓണ്ടോളജി](./lessons/2-Symbolic/FamilyOntology.ipynb) /[സംവിധാന ഗ്രാഫ്](./lessons/2-Symbolic/MSConceptGraph.ipynb) | |
+| III | [**ന്യൂറൽ നെറ്റ്വർക്കുകളിലേക്കുള്ള പരിചയം**](./lessons/3-NeuralNetworks/README.md) |||
+| 03 | [പരസെപ്ട്രോൺ](./lessons/3-NeuralNetworks/03-Perceptron/README.md) | [നോട്ട്ബുക്ക്](./lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb) | [ലാബ്](./lessons/3-NeuralNetworks/03-Perceptron/lab/README.md) |
+| 04 | [മൾട്ടി-ലെയർഡ് പരസെപ്ട്രോൺ ഒപ്പം നമ്മുടെ സ്വന്തം ഫ്രെയിംവർക്കിന്റെ നിർമ്മാണം](./lessons/3-NeuralNetworks/04-OwnFramework/README.md) | [നോട്ട്ബുക്ക്](./lessons/3-NeuralNetworks/04-OwnFramework/OwnFramework.ipynb) | [ലാബ്](./lessons/3-NeuralNetworks/04-OwnFramework/lab/README.md) |
+| 05 | [ഫ്രെയിംവർക്കുകൾക്ക് പരിചയം (PyTorch/TensorFlow) ഒപ്പം ഒവർഫിറ്റിംഗ്](./lessons/3-NeuralNetworks/05-Frameworks/README.md) | [PyTorch](./lessons/3-NeuralNetworks/05-Frameworks/IntroPyTorch.ipynb) / [Keras](./lessons/3-NeuralNetworks/05-Frameworks/IntroKeras.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ലാബ്](./lessons/3-NeuralNetworks/05-Frameworks/lab/README.md) |
+| IV | [**കമ്പ്യൂട്ടർ വിഖ്യാനം**](./lessons/4-ComputerVision/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-computer-vision-pytorch/?WT.mc_id=academic-77998-cacaste) / [TensorFlow](https://docs.microsoft.com/learn/modules/intro-computer-vision-TensorFlow/?WT.mc_id=academic-77998-cacaste)| [മൈക്രോസോഫ്റ്റ് അസ്യൂറിൽ കമ്പ്യൂട്ടർ വിഖ്യാനം എക്സ്പ്ലോർ ചെയ്യുക](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) |
+| 06 | [കമ്പ്യൂട്ടർ വിഖ്യാനത്തിന് പരിചയം. ഓപ്പൺസിവി](./lessons/4-ComputerVision/06-IntroCV/README.md) | [നോട്ട്ബുക്ക്](./lessons/4-ComputerVision/06-IntroCV/OpenCV.ipynb) | [ലാബ്](./lessons/4-ComputerVision/06-IntroCV/lab/README.md) |
+| 07 | [കോൺവല്യൂഷണൽ നറൽ നെറ്റ്വർക്കുകൾ](./lessons/4-ComputerVision/07-ConvNets/README.md) & [CNN ഡ്രാഫ്റ്റുകൾ](./lessons/4-ComputerVision/07-ConvNets/CNN_Architectures.md) | [PyTorch](./lessons/4-ComputerVision/07-ConvNets/ConvNetsPyTorch.ipynb) /[TensorFlow](./lessons/4-ComputerVision/07-ConvNets/ConvNetsTF.ipynb) | [ലാബ്](./lessons/4-ComputerVision/07-ConvNets/lab/README.md) |
+| 08 | [മുൻകൂട്ടി പരിശീലിച്ച നെറ്റ്വർക്കുകളും ട്രാൻസ്ഫർ ലേണിങ്ങും](./lessons/4-ComputerVision/08-TransferLearning/README.md) ഒപ്പം [പരിശീലന തന്ത്രങ്ങൾ](./lessons/4-ComputerVision/08-TransferLearning/TrainingTricks.md) | [PyTorch](./lessons/4-ComputerVision/08-TransferLearning/TransferLearningPyTorch.ipynb) / [TensorFlow](./lessons/3-NeuralNetworks/05-Frameworks/IntroKerasTF.ipynb) | [ലാബ്](./lessons/4-ComputerVision/08-TransferLearning/lab/README.md) |
+| 09 | [ഓട്ടോഎൻകോഡറുകളും വി.എ.എസും](./lessons/4-ComputerVision/09-Autoencoders/README.md) | [PyTorch](./lessons/4-ComputerVision/09-Autoencoders/AutoEncodersPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/09-Autoencoders/AutoencodersTF.ipynb) | |
+| 10 | [ജനറേറ്റീവ് അഡ്വേഴ്സറിയൽ നെറ്റ്വർക്കുകളും ആർട്ടിസ്റ്റിക് സ്റ്റൈൽ ട്രാൻസ്ഫർ](./lessons/4-ComputerVision/10-GANs/README.md) | [PyTorch](./lessons/4-ComputerVision/10-GANs/GANPyTorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/10-GANs/GANTF.ipynb) | |
+| 11 | [വസ്തു കണ്ടെത്തൽ](./lessons/4-ComputerVision/11-ObjectDetection/README.md) | [TensorFlow](./lessons/4-ComputerVision/11-ObjectDetection/ObjectDetection.ipynb) | [ലാബ്](./lessons/4-ComputerVision/11-ObjectDetection/lab/README.md) |
+| 12 | [സെമാന്റിക് സെഗ്മെന്റേഷൻ. യു-നെറ്റ്](./lessons/4-ComputerVision/12-Segmentation/README.md) | [PyTorch](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationPytorch.ipynb) / [TensorFlow](./lessons/4-ComputerVision/12-Segmentation/SemanticSegmentationTF.ipynb) | |
+| V | [**സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ്**](./lessons/5-NLP/README.md) | [PyTorch](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-pytorch/?WT.mc_id=academic-77998-cacaste) /[TensorFlow](https://docs.microsoft.com/learn/modules/intro-natural-language-processing-TensorFlow/?WT.mc_id=academic-77998-cacaste) | [മൈക്രോസോഫ്റ്റ് അസ്യൂറിൽ സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ് എക്സ്പ്ലോർ ചെയ്യുക](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum)|
+| 13 | [ടെക്സ്റ്റ് പ്രതിനിധാനം. ബോ/ടി.എഫ്-ഐ.ഡി.എഫ്](./lessons/5-NLP/13-TextRep/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/13-TextRep/TextRepresentationTF.ipynb) | |
+| 14 | [സെമാന്റിക് വാക്കുകളുടെ ഏംബെഡ്ഡിംഗുകൾ. വേഡ്2വെക് ഒപ്പം ഗ്ലോവ്](./lessons/5-NLP/14-Embeddings/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/14-Embeddings/EmbeddingsTF.ipynb) | |
+| 15 | [ഭാഷ മോഡലിംഗ്. നിങ്ങളുടെ സ്വന്തം ഇൻബെഡ്ഡിംഗുകൾ പരിശീലിക്കുക](./lessons/5-NLP/15-LanguageModeling/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-PyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/15-LanguageModeling/CBoW-TF.ipynb) | [ലാബ്](./lessons/5-NLP/15-LanguageModeling/lab/README.md) |
+| 16 | [റിക്കർന്റ് നറൽ നെറ്റ്വർക്കുകൾ](./lessons/5-NLP/16-RNN/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNPyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/16-RNN/RNNTF.ipynb) | |
+| 17 | [ജനറേറ്റീവ് റിക്കർന്റ് നെറ്റ്വർക്കുകൾ](./lessons/5-NLP/17-GenerativeNetworks/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativePyTorch.ipynb) / [TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/17-GenerativeNetworks/GenerativeTF.ipynb) | [ലാബ്](./lessons/5-NLP/17-GenerativeNetworks/lab/README.md) |
+| 18 | [ട്രാൻസ്ഫോർമറുകൾ. BERT.](./lessons/5-NLP/18-Transformers/README.md) | [PyTorch](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersPyTorch.ipynb) /[TensorFlow](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/5-NLP/18-Transformers/TransformersTF.ipynb) | |
+| 19 | [നെയിമഡ് എൻറിറ്റി തിരിച്ചറിയൽ](./lessons/5-NLP/19-NER/README.md) | [TensorFlow](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/19-NER/NER-TF.ipynb) | [ലാബ്](./lessons/5-NLP/19-NER/lab/README.md) |
+| 20 | [വലിയ ഭാഷാ മോഡലുകൾ, പ്രോംപ്റ്റ് പ്രോഗ്രാമിങ്, കുറച്ച് ഷോട്ട് ടാസ്കുകൾ](./lessons/5-NLP/20-LangModels/README.md) | [PyTorch](https://microsoft.github.io/AI-For-Beginners/lessons/5-NLP/20-LangModels/GPT-PyTorch.ipynb) | |
+| VI | **മറ്റു AI സാങ്കേതികവിദ്യകൾ** || |
+| 21 | [ജനറ്റിക് ആൽഗോറിതങ്ങൾ](./lessons/6-Other/21-GeneticAlgorithms/README.md) | [നോട്ട്ബുക്ക്](./lessons/6-Other/21-GeneticAlgorithms/Genetic.ipynb) | |
+| 22 | [ഡീപ്പ് റെഇൻഫോഴ്സ്മെന്റ് ലേണിങ്ങ്](./lessons/6-Other/22-DeepRL/README.md) | [PyTorch](./lessons/6-Other/22-DeepRL/CartPole-RL-PyTorch.ipynb) /[TensorFlow](./lessons/6-Other/22-DeepRL/CartPole-RL-TF.ipynb) | [ലാബ്](./lessons/6-Other/22-DeepRL/lab/README.md) |
+| 23 | [മൾട്ടി-എജന്റ് സിസ്റ്റങ്ങൾ](./lessons/6-Other/23-MultiagentSystems/README.md) | | |
+| VII | **AI നൈതികത** | | |
+| 24 | [AI നൈതികതയും ഉത്തരവാദിത്വം വഹിക്കുന്ന AI യും](./lessons/7-Ethics/README.md) | [Microsoft Learn: ഉത്തരവാദിത്വം വഹിക്കുന്ന AI പ്രിൻസിപ്പിലുകൾ](https://docs.microsoft.com/learn/paths/responsible-ai-business-principles/?WT.mc_id=academic-77998-cacaste) | |
+| IX | **അതിർകങ്ങൾ** | | |
+| 25 | [മൾട്ടി-മോഡൽ നെറ്റ്വർക്കുകൾ, CLIP, VQGAN](./lessons/X-Extras/X1-MultiModal/README.md) | [നോട്ട്ബുക്ക്](./lessons/X-Extras/X1-MultiModal/Clip.ipynb) | |
-ഈ ഉദാഹരണങ്ങൾ നിങ്ങൾക്ക് മുഴുവൻ കോഴ്സിലേക്കു പ്രവേശിക്കുന്നതിന് മുമ്പ് AI ആശയങ്ങൾ മനസിലാക്കാൻ സഹായിക്കാൻ രൂപകൽപന ചെയ്തതാണ്.
+## ഓരോ പാഠത്തിലും ഉൾപ്പെടുന്നതിൽ
-### 📚 മുഴുവൻ കോഴ്സ് സജ്ജീകരണമുള്ളത്
+* മുൻപഠന സാമഗ്രികൾ
+* നിർവ്വഹിക്കാവുന്ന ജൂപിറ്റർ നോട്ട്ബുക്കുകൾ, സാധാരണയായി ഫ്രെയിംവർക്കായുള്ള പ്രത്യേകതകൾ ഉള്ളവ (**PyTorch** അല്ലെങ്കിൽ **TensorFlow**). നിർവ്വഹിക്കാവുന്ന നോട്ട്ബുക്ക് ഒരു തിയററ്റിക്കൽ വസ്തുമുണ്ട്, അതിനാൽ വിഷയം മനസ്സിലാകാൻ കുറഞ്ഞത് ഒരു പതിപ്പ് (PyTorch അല്ലെങ്കിൽ TensorFlow) പരിശോധിക്കണം.
+* ചില വിഷയങ്ങൾക്ക് ലഭ്യമായ **ലാബുകൾ**, നിങ്ങളുടെ പഠിത വിഭവങ്ങൾ പ്രയോഗിക്കാൻ അവസരം നൽകുന്നതാണ്.
+* ചില സെക്ഷനുകളിൽ [**MS Learn**](https://learn.microsoft.com/en-us/collections/7w28iy2xrqzdj0?WT.mc_id=academic-77998-bethanycheum) മോഡ്യൂളുകളിലേക്കുള്ള ലിങ്കുകൾ ഉൾപ്പെടുന്നു, അവ ബന്ധപ്പെട്ട വിഷയങ്ങൾ ഉൾക്കൊള്ളുന്നു.
-- ഞങ്ങൾ ഒരു [സജ്ജികരണ പാഠം](./lessons/0-course-setup/setup.md) തയ്യാറാക്കിയിട്ടുണ്ട്, നിങ്ങളുടെ ഡെവലപ്പ്മെന്റ് പരിസരമാക്കി സജ്ജമാക്കാനുള്ള സഹായത്തിന്. - വിദ്യാഭ്യാസാർത്ഥികൾക്കായി ഞങ്ങൾ ഒരു [പാഠ്യক্রমം സജ്ജീകരണ പാഠം](./lessons/0-course-setup/for-teachers.md) കൂടി തയ്യാറാക്കി!
-- എങ്ങനെ [VSCode അല്ലെങ്കിൽ Codepace ൽ കോഡ് റൺ ചെയ്യാമെന്ന്](./lessons/0-course-setup/how-to-run.md)
+## ആരംഭിക്കൽ
+
+### 🎯 AI-യിൽ പുതുമുഖമാണോ? ഇതിൽ നിന്നും തുടക്കം!
+
+നിങ്ങൾ AI-യിൽ പൂർണ്ണമായി പുതുമുഖനും വേഗത്തിൽ, പ്രായോഗിക ഉദാഹരണങ്ങൾ കാണണമെന്ന് ആഗ്രഹിക്കുന്നവനുമായെങ്കിൽ, നമ്മുടെ [**അവലംബ സുഹൃത്ത് ഉദാഹരണങ്ങൾ**](./examples/README.md) പരിശോധിക്കുക! ഇതിൽ ഉൾപ്പെടുന്നു:
+
+- 🌟 **ഹെലോ AI വേൾഡ്** - നിങ്ങളുടെ ആദ്യ AI പ്രോഗ്രാം (പാറ്റേൺ മനസ്സിലാക്കൽ)
+- 🧠 **സിംപിൾ നറൽ നെറ്റ്വർക്ക്** - തൊട്ടടുത്ത് ഒരു നറൽ നെറ്റ്വർക്ക് നിർമിക്കുക
+- 🖼️ **ഇമേജ് ക്ലാസിഫയർ** - വിശദീകരണ സ_commentsകങ്ങളോടുകൂടിയ ചിത്ര ക്ലാസിഫികേഷൻ
+- 💬 **വാചക മനോഭാവം** - സ Pozitive/നെഗറ്റീവ് വാചകങ്ങൾ വിശകലനം ചെയ്യുക
+
+ഈ ഉദാഹരണങ്ങൾ മുഴുവൻ പാതയിലേക്ക് പോകുന്നതിനു മുമ്പ് AI ആശയങ്ങൾ മനസിലാക്കാൻ സഹായിക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്തു.
+
+### 📚 പൂർണ്ണ പാഠ്യപദ്ധതി ക്രമീകരണം
+
+- നിങ്ങളുടെ വികസന പരിസ്ഥിതി ക്രമീകരിക്കുന്നതിന് സഹായിക്കുന്ന [ക്രമീകരണ പാഠം](./lessons/0-course-setup/setup.md) ഞങ്ങൾ സൃഷ്ടിച്ചിരിക്കുന്നു. - അധ്യാപകരുടെ jaoks, ഞങ്ങൾ [പാഠ്യപദ്ധതി ക്രമീകരണ പാഠം](./lessons/0-course-setup/for-teachers.md) നിങ്ങളുടെ കൂടയും സൃഷ്ടിച്ചിരിക്കുന്നു!
+- എങ്ങനെ [VSCode ലും Codespace ലും കോഡ് പ്രവർത്തിപ്പിക്കാമെന്ന്](./lessons/0-course-setup/how-to-run.md)
ഈ ഘട്ടങ്ങൾ പിന്തുടരുക:
-റിപ്പോസിറ്ററി Fork ചെയ്യുക: ഈ പേജിന്റെ വലത് മുകളിൽ "Fork" ബട്ടൺ അമർത്ത്.
+റിപ്പോസിറ്ററി ഫോർക്കുചെയ്യുക:ഈ പേജിന്റെ മുകളില് വലത് വശം സ്ഥിതിചെയ്യുന്ന "Fork" ബട്ടണിൽ ക്ലിക്ക് ചെയ്യുക.
റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക: `git clone https://github.com/microsoft/AI-For-Beginners.git`
-പിന്നീട് ഈ റീപ്പോയെ (🌟) സ്റ്റാർ ചെയ്യുന്നത് മറക്കരുത്, പിന്നീട് എളുപ്പത്തിൽ കണ്ടെത്താനായി.
+ഈ റിപോ (🌟) താരക്കൂട്ടുന്നത് മടുത്തു വെക്കരുത്, പിന്നീട് ഇത് എളുപ്പത്തിൽ കണ്ടെത്താൻ.
-## മറ്റ് പഠനാർത്ഥികളെ 만나ുക
+## മറ്റ് പരിശീലകരെ സ്വീകരിക്കുക
-നോക്കുക ഞങ്ങളുടെ [പ്രമാണപ്പെട്ട AI Discord സെർവർ](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum), ഈ കോഴ്സ് പഠനത്തിലുളള മറ്റ് വിദ്യാർത്ഥികളുമായി ബന്ധപ്പെടാനും പിന്തുണ ലഭിക്കാനും.
+ഈ കോഴ്സ് സ്വീകരിക്കുന്ന മറ്റ് പരിശീലകരെ കാണാനും ബന്ധപ്പെടാനും ഞങ്ങളുടെ [അധികൃത AI Discord സർവറിൽ](https://aka.ms/genai-discord?WT.mc_id=academic-105485-bethanycheum) ചേരുക.
-നിങ്ങൾക്ക് ഉൽപ്പന്നപരമായ അഭിപ്രായമോ ചോദ്യംകളോ ഉണ്ടെങ്കിൽ, നിർമ്മാണത്തിനിടെ ഞങ്ങളുടെ [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) സന്ദർശിക്കുക.
+നിങ്ങൾക്ക് നിർമ്മാണത്തിന്(prod) ഉള്ള പിന്തുണയ്ക്കായി, നാം സൃഷ്ടിച്ച [Azure AI Foundry Developer Forum](https://aka.ms/foundry/forum) സന്ദർശിക്കുക.
-## ചോദ്യോത്തരങ്ങൾ
+## ക്വിസ്
-> **ചോദ്യോത്തരങ്ങളെ കുറിച്ച് ഒരു കുറിപ്പ്**: എല്ലാ ക്വിസുകളും etc\quiz-app എന്ന Quiz-app ഫോൾഡറില് ആണ്, അല്ലെങ്കിൽ [ഓൺലൈൻ ഇവിടെ](https://ff-quizzes.netlify.app/) ലിങ്ക് ചെയ്തിട്ടുണ്ട്. അവ പാഠങ്ങളെളവിൽ നിന്നുള്ളവയാണ്, ക്വിസ്സ് അപ്ലിക്കേഷൻ ലൊക്കൽ റൺ ചെയ്യാനോ Azure ൽ വിന്യസിക്കാനോ കഴിയും; `quiz-app` ഫോൾഡറിൽ നൽകിയ നിർദ്ദേശങ്ങൾ പിന്തുടരുക. അവ ക്രമീകരിച്ച് പ്രാദേശികത വരുത്തുകയാണ്.
+> **ക്വിസസുകൾക്കുറിച്ച് ഒരു കുറിപ്പ്**: എല്ലാ ക്വിസുകളും etc\quiz-app എന്ന ഫോൾഡറിൽ Quiz-app ഫോൾഡറിലാണ്, അല്ലെങ്കിൽ [ഓൺലൈൻ ഇവിടെ](https://ff-quizzes.netlify.app/). അവ പാഠങ്ങളിൽ നിന്നാണ് ലിങ്ക് ചെയ്യപ്പെട്ടിരിക്കുന്നത്. ഈ quiz app നരം നടത്താനോ ആസ്യൂറിൽ വിന്യസിക്കാനോ കഴിയും; `quiz-app` ഫോൾഡറിൽ നൽകിയിട്ടുള്ള നിർദേശങ്ങൾ അനുഗമിക്കുക. ഇത് ക്രമാനുസൃതമായി പ്രാദേശികവൽക്കരിക്കപ്പെടുകയാണ്.
-## സഹായം വേണം
+## സഹായം ആവശ്യമാണ്
-നിങ്ങളെന്തെങ്കിലും നിർദേശം ഉണ്ടോ, തെറ്റായ വർത്തമാനം പോലുമോ അല്ലെങ്കിൽ കോഡ് പിശകുകളോ കണ്ടെത്തിയോ? ഒരു പ്രശ്നം ഉയർത്തുക അല്ലെങ്കിൽ ഒരു പുൾ റിക്വസ്റ്റ് സൃഷ്ടിക്കുക.
+നിങ്ങൾക്ക് നിർദ്ദേശങ്ങളുണ്ടോ അല്ലെങ്കിൽ വൃത്തിയടക്കപ്പെട്ട അക്ഷരവ്യതിയാനങ്ങൾ അല്ലെങ്കിൽ കോഡ് പിശകുകൾ കണ്ടെത്തിയിട്ടുണ്ടോ? ഒരു ഇഷ്യൂ ഉയര്ത്തുക അല്ലെങ്കിൽ പുൾ റിക്വസ്റ്റ് സൃഷ്ടിക്കുക.
## പ്രത്യേക നന്ദി
-* **✍️ പ്രതിഫലം രചയിതാവ്:** [Dmitry Soshnikov](http://soshnikov.com), PhD
-* **🔥 എഡിറ്റർ:** [Jen Looper](https://twitter.com/jenlooper), PhD
-* **🎨 സ്കെച്ച്നോട്ട് ചിത്രകാരി:** [Tomomi Imura](https://twitter.com/girlie_mac)
-* **✅ ക്വിസ് സൃഷ്ടിച്ചത്:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
-* **🙏 പ്രധാന കൺട്രിബ്യൂട്ടേഴ്സ്:** [Evgenii Pishchik](https://github.com/Pe4enIks)
+* **✍️ പ്രധാന അധ്യായകർത്താവ്:** [Dmitry Soshnikov](http://soshnikov.com), PhD
+* **🔥 എഡിറ്റർ:** [Jen Looper](https://twitter.com/jenlooper), PhD
+* **🎨 സ്കെച്ച്നോട്ട് ചിത്രകാരി:** [Tomomi Imura](https://twitter.com/girlie_mac)
+* **✅ ക്വിസ് സ്രഷ്ടാവ്:** [Lateefah Bello](https://github.com/CinnamonXI), [MLSA](https://studentambassadors.microsoft.com/)
+* **🙏 കോർ സംഭാവകർ:** [Evgenii Pishchik](https://github.com/Pe4enIks)
-## മറ്റ് പാഠ്യക്രമങ്ങൾ
+## മറ്റ് പാഠ്യപദ്ധതികൾ
-ഞങ്ങളുടെ സംഘമില്ല башка പാഠ്യക്രമങ്ങൾ നിർമിക്കുന്നു! നോക്കുക:
+നമ്മുടെ സംഘം മറ്റ് പാഠ്യപദ്ധതികൾ നിർമ്മിക്കുന്നു! പരിശോധിക്കുക:
### LangChain
@@ -137,7 +181,7 @@ Translation for chunk 2 of 'README.md' skipped due to timeout.
---
-### Azure / Edge / MCP / Agents
+### Azure / Edge / MCP / ഏജന്റുകൾ
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
@@ -145,7 +189,7 @@ Translation for chunk 2 of 'README.md' skipped due to timeout.
---
-### Generative AI Series
+### ജനിതക AI സിരീസ്
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
@@ -153,7 +197,7 @@ Translation for chunk 2 of 'README.md' skipped due to timeout.
---
-### Core Learning
+### കോർ പഠനം
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
@@ -164,7 +208,7 @@ Translation for chunk 2 of 'README.md' skipped due to timeout.
---
-### Copilot Series
+### കോപിലോട്ട് സിരീസ്
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
@@ -172,17 +216,17 @@ Translation for chunk 2 of 'README.md' skipped due to timeout.
## സഹായം നേടുക
-നിങ്ങൾ കുടുങ്ങിയോ AI ആപ്ലിക്കേഷനുകൾ നിർമ്മിക്കാൻ സംശയങ്ങളുണ്ടോ? MCP സംബന്ധിച്ച ചർച്ചകളിൽ അനുഭവസമ്പന്നരായ ഡെവലപ്പർമാരും മറ്റ് പഠനാർത്ഥികളും ചേരുക. ഇത് ഒരു പിന്തുണയുള്ള സമൂഹമാണ്, ഇവിടെ ചോദ്യങ്ങൾ സ്വാഗതം ചെയ്യപ്പെടുകയും അറിവ് സ്വതന്ത്രമായി പങ്കിടപ്പെടുകയും ചെയ്യും.
+നിങ്ങൾ പിഴച്ചുപോയി ആണോ അല്ലെങ്കിൽ AI ആപ്പുകൾ നിർമ്മിക്കുന്നതുമായി ബന്ധപ്പെട്ട് എന്തെങ്കിലും ചോദ്യങ്ങളുണ്ടോ? MCP പ്ലാറ്റ്ഫോമിലെ അനുഭവസമ്പന്നരായ വികസനക്കാരോടും മറ്റും ഇടപെടൽചെയ்யാൻ. ചോദ്യങ്ങൾ ചോദിക്കാൻ സൗജന്യമുള്ള, അറിവ് സ്വതന്ത്രമായി പങ്കിടപ്പെടുന്ന ഒരു സഹായകരമായ സമൂഹമാണ് ഇത്.
[](https://discord.gg/nTYy5BXMWG)
-നിങ്ങൾക്ക് ഉൽപ്പന്നാരോപണങ്ങൾ അല്ലെങ്കിൽ പിശകുകൾ ഉണ്ടെങ്കിൽ നിർമ്മാണ സമയത്ത് സന്ദർശിക്കുക:
+നിര്മ്മാണത്തിനുള്ള ഫീഡ്ബാക്ക് അല്ലെങ്കിൽ പിശകുകൾ ഉണ്ടെങ്കിൽ സന്ദർശിക്കുക:
[](https://aka.ms/foundry/forum)
---
-**അസ്തീകരണം**:
-ഈ പ്രമാണം AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതക്കായി പരിശ്രമിച്ചാലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ തെറ്റുകൾ അല്ലെങ്കിൽ അകുറ്റങ്ങൾ ഉണ്ടാകാമെന്ന് ദയവായി അറിവിൽ വെക്കുക. സ്വദേശഭാഷയിലുള്ള അദ്ധ്യാപകപ്രമാണം ആണ് പ്രാമാണിക ഉറവിടം. അത്യാവശ്യ വിവരങ്ങൾക്ക്, സ്വകീയ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യുന്നു. ഈ വിവർത്തനം ഉപയോഗിച്ചുകൊണ്ടുള്ള ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കും തെറ്റിദ്ധാരണകൾക്കുമായി ഞങ്ങൾ ഉത്തരവാദിത്തം ഏറ്റുകൊള്ളുന്നില്ല.
+**പ്രസ്താവന**:
+ഈ രേഖ [Co-op Translator](https://github.com/Azure/co-op-translator) എന്ന എഐ ഭാഷാന്തര സേവനം ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. ഞങ്ങൾ സത്യസന്ധതയ്ക്ക് ശ്രമിക്കുന്നെങ്കിലും, സ്വയമേവിതമായ വിവർത്തനങ്ങളിൽ പിശകുകളോ അകൃത്യതകളോ ഉണ്ടാകാം എന്നത് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലെ അസൽ രേഖ മുഖ്യമായ ഉറവിടമായിരിക്കണം. നിർണായകമായ വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മനുഷ്യനിവർത്തനം നിർദ്ദേശിക്കുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗം മൂലം ഉണ്ടാകുന്ന തെറ്റ് മനസിലാക്കലുകൾക്കും തെറ്റായ അഭിപ്രായങ്ങൾക്കും ഞങ്ങൾ യാതൊരു ബാധ്യതയും ഏറ്റെടുക്കുന്നില്ല.
\ No newline at end of file
diff --git a/translations/ml/lessons/0-course-setup/how-to-run.md b/translations/ml/lessons/0-course-setup/how-to-run.md
index 502730ee..04ce652b 100644
--- a/translations/ml/lessons/0-course-setup/how-to-run.md
+++ b/translations/ml/lessons/0-course-setup/how-to-run.md
@@ -1,80 +1,81 @@
-
-# കോഡ് എങ്ങനെ ഓടിക്കാം
-
-ഈ പാഠ്യപദ്ധതിയിൽ നിങ്ങൾ ഓടിക്കാൻ ആഗ്രഹിക്കുന്ന നിരവധി പ്രവർത്തനക്ഷമമായ ഉദാഹരണങ്ങളും ലാബുകളും ഉൾക്കൊള്ളുന്നു. ഇതു ചെയ്യാൻ, ഈ പാഠ്യപദ്ധതിയുടെ ഭാഗമായ ജുപിറ്റർ നോട്ട്ബുക്കുകളിൽ പൈത്തൺ കോഡ് പ്രവർത്തിപ്പിക്കാൻ കഴിവ് വേണം. കോഡ് ഓടിക്കാൻ നിങ്ങൾക്ക് പല മാർഗ്ഗങ്ങളും ഉണ്ട്:
-
-## നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ ലോക്കലായി ഓടിക്കുക
-
-നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ കോഡ് ലോക്കലായി ഓടിക്കാൻ, നിങ്ങൾക്ക് ഏതെങ്കിലും പതിപ്പിലുള്ള പൈത്തൺ ഇൻസ്റ്റാൾ ചെയ്തിരിക്കണം. ഞാൻ വ്യക്തിപരമായി ശുപാർശ ചെയ്യുന്നത് **[miniconda](https://conda.io/en/latest/miniconda.html)** ആണ് - ഇത് വളരെ ലഘുവായ ഇൻസ്റ്റലേഷൻ ആണ്, വിവിധ പൈത്തൺ **വിർച്വൽ എൻവയോൺമെന്റുകൾ**ക്കായി `conda` പാക്കേജ് മാനേജർ പിന്തുണയ്ക്കുന്നു.
-
-miniconda ഇൻസ്റ്റാൾ ചെയ്ത ശേഷം, നിങ്ങൾക്ക് റിപോസിറ്ററി ക്ലോൺ ചെയ്ത് ഈ കോഴ്സിനായി ഉപയോഗിക്കാനുള്ള ഒരു വിർച്വൽ എൻവയോൺമെന്റ് സൃഷ്ടിക്കേണ്ടതുണ്ട്:
-
-```bash
-git clone http://github.com/microsoft/ai-for-beginners
-cd ai-for-beginners
-conda env create --name ai4beg --file .devcontainer/environment.yml
-conda activate ai4beg
-```
-
-### Python എക്സ്റ്റൻഷനോടുകൂടിയ Visual Studio Code ഉപയോഗിച്ച്
-
-പാഠ്യപദ്ധതി ഉപയോഗിക്കാൻ ഏറ്റവും നല്ല മാർഗ്ഗം [Visual Studio Code](http://code.visualstudio.com/?WT.mc_id=academic-77998-cacaste) [Python Extension](https://marketplace.visualstudio.com/items?itemName=ms-python.python&WT.mc_id=academic-77998-cacaste) ഉപയോഗിച്ച് തുറക്കുകയാണ്.
-
-> **Note**: നിങ്ങൾ റിപോസിറ്ററി ക്ലോൺ ചെയ്ത് VS Code-ൽ ഡയറക്ടറി തുറന്നാൽ, Python എക്സ്റ്റൻഷനുകൾ ഇൻസ്റ്റാൾ ചെയ്യാൻ സ്വയം നിർദ്ദേശിക്കും. മുകളിൽ വിവരിച്ച പോലെ miniconda ഇൻസ്റ്റാൾ ചെയ്യേണ്ടതും ഉണ്ടാകും.
-
-> **Note**: VS Code നിങ്ങൾക്ക് റിപോസിറ്ററി കണ്ടെയ്നറിൽ വീണ്ടും തുറക്കാൻ നിർദ്ദേശിച്ചാൽ, ലോക്കൽ Python ഇൻസ്റ്റലേഷൻ ഉപയോഗിക്കാൻ ഇത് നിരസിക്കേണ്ടതാണ്.
-
-### ബ്രൗസറിൽ Jupyter ഉപയോഗിച്ച്
-
-നിങ്ങളുടെ സ്വന്തം കമ്പ്യൂട്ടറിൽ ബ്രൗസറിൽ നിന്ന് നേരിട്ട് Jupyter പരിസ്ഥിതി ഉപയോഗിക്കാം. യഥാർത്ഥത്തിൽ, ക്ലാസിക്കൽ Jupyter-ഉം Jupyter Hub-ഉം ഓട്ടോ-കമ്പ്ലീഷൻ, കോഡ് ഹൈലൈറ്റിംഗ് തുടങ്ങിയ സൗകര്യങ്ങളോടെ വളരെ സൗകര്യപ്രദമായ ഡെവലപ്പ്മെന്റ് പരിസ്ഥിതികൾ നൽകുന്നു.
-
-Jupyter ലോക്കലായി ആരംഭിക്കാൻ, കോഴ്സ് ഡയറക്ടറിയിലേക്ക് പോയി താഴെ കൊടുത്തത് പ്രവർത്തിപ്പിക്കുക:
-
-```bash
-jupyter notebook
-```
- അല്ലെങ്കിൽ
-```bash
-jupyterhub
-```
- തുടർന്ന് `.ipynb` ഫയലുകളിൽ ഏതെങ്കിലും തിരഞ്ഞെടുക്കാം, തുറന്ന് പ്രവർത്തനം ആരംഭിക്കാം.
-
-### കണ്ടെയ്നറിൽ ഓടിക്കൽ
-
-Python ഇൻസ്റ്റലേഷൻക്ക് ഒരു പകരം മാർഗ്ഗം കണ്ടെയ്നറിൽ കോഡ് ഓടിക്കുകയാണ്. നമ്മുടെ റിപോസിറ്ററിയിൽ `.devcontainer` എന്ന പ്രത്യേക ഫോൾഡർ ഉണ്ട്, ഇത് ഈ റിപോയ്ക്ക് കണ്ടെയ്നർ എങ്ങനെ നിർമ്മിക്കാമെന്ന് നിർദ്ദേശിക്കുന്നു, അതിനാൽ VS Code നിങ്ങൾക്ക് കോഡ് കണ്ടെയ്നറിൽ വീണ്ടും തുറക്കാൻ നിർദ്ദേശിക്കും. ഇതിന് Docker ഇൻസ്റ്റലേഷൻ ആവശ്യമാണ്, കൂടാതെ ഇത് കൂടുതൽ സങ്കീർണ്ണമാണ്, അതിനാൽ പരിചയസമ്പന്നരായ ഉപയോക്താക്കൾക്ക് മാത്രമേ ഇത് ശുപാർശ ചെയ്യൂ.
-
-## ക്ലൗഡിൽ ഓടിക്കൽ
-
-Python ലോക്കലായി ഇൻസ്റ്റാൾ ചെയ്യാൻ ആഗ്രഹിക്കാത്തവർക്ക്, ക്ലൗഡ് റിസോഴ്സുകൾ ലഭ്യമെങ്കിൽ - കോഡ് ക്ലൗഡിൽ ഓടിക്കുക നല്ല ഒരു പകരം മാർഗ്ഗമാണ്. ഇതിന് നിങ്ങൾക്ക് പല മാർഗ്ഗങ്ങളും ഉണ്ട്:
-
-* **[GitHub Codespaces](https://github.com/features/codespaces)** ഉപയോഗിച്ച്, GitHub-ൽ നിങ്ങൾക്കായി സൃഷ്ടിച്ച ഒരു വിർച്വൽ എൻവയോൺമെന്റ്, VS Code ബ്രൗസർ ഇന്റർഫേസിലൂടെ ആക്സസ് ചെയ്യാവുന്നതാണ്. Codespaces-ലേക്ക് ആക്സസ് ഉണ്ടെങ്കിൽ, റിപോയിൽ **Code** ബട്ടൺ ക്ലിക്ക് ചെയ്ത് കോഡ്സ്പേസ് ആരംഭിച്ച് ഉടൻ തന്നെ പ്രവർത്തനം തുടങ്ങാം.
-* **[Binder](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD)** ഉപയോഗിച്ച്. [Binder](https://mybinder.org) GitHub-ൽ ചില കോഡ് പരീക്ഷിക്കാൻ നിങ്ങൾ പോലുള്ള ആളുകൾക്കായി ക്ലൗഡിൽ സൗജന്യ കംപ്യൂട്ടിംഗ് റിസോഴ്സുകൾ നൽകുന്നു. റിപോസിറ്ററിയുടെ മുൻപു പേജിൽ Binder-ൽ തുറക്കാനുള്ള ബട്ടൺ ഉണ്ട് - ഇത് നിങ്ങളെ ബൈൻഡർ സൈറ്റിലേക്ക് വേഗത്തിൽ കൊണ്ടുപോകും, അവിടെ അടിസ്ഥാനം കണ്ടെയ്നർ നിർമ്മിച്ച് Jupyter വെബ് ഇന്റർഫേസ് സജ്ജമാക്കും.
-
-> **Note**: ദുരുപയോഗം തടയാൻ, Binder ചില വെബ് റിസോഴ്സുകൾക്ക് ആക്സസ് തടഞ്ഞിട്ടുണ്ട്. ഇത് ചില കോഡുകൾ പ്രവർത്തിക്കാൻ തടസ്സം സൃഷ്ടിക്കാം, പ്രത്യേകിച്ച് പൊതു ഇന്റർനെറ്റിൽ നിന്നുള്ള മോഡലുകളും/ഡാറ്റാസെറ്റുകളും ഫെച്ച് ചെയ്യുന്നവ. നിങ്ങൾക്ക് ചില പരിഹാരങ്ങൾ കണ്ടെത്തേണ്ടി വരാം. കൂടാതെ, Binder നൽകുന്ന കംപ്യൂട്ട് റിസോഴ്സുകൾ അടിസ്ഥാനപരമാണ്, അതിനാൽ പരിശീലനം മന്ദഗതിയിലാകും, പ്രത്യേകിച്ച് പിന്നീട് കൂടുതൽ സങ്കീർണ്ണമായ പാഠങ്ങളിൽ.
-
-## GPU-യോടുകൂടിയ ക്ലൗഡിൽ ഓടിക്കൽ
-
-ഈ പാഠ്യപദ്ധതിയിലെ ചില പിന്നീട് വരുന്ന പാഠങ്ങൾ GPU പിന്തുണയോടെ വളരെ ഗുണകരമാകും, കാരണം അതില്ലാതെ പരിശീലനം വേദനാജനകമായി മന്ദഗതിയിലാകും. നിങ്ങൾക്ക് ക്ലൗഡിൽ ആക്സസ് ഉണ്ടെങ്കിൽ, പ്രത്യേകിച്ച് [Azure for Students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-77998-cacaste) വഴി അല്ലെങ്കിൽ നിങ്ങളുടെ സ്ഥാപനത്തിലൂടെ, നിങ്ങൾക്ക് താഴെ പറയുന്ന ചില മാർഗ്ഗങ്ങൾ പിന്തുടരാം:
-
-* [Data Science Virtual Machine](https://docs.microsoft.com/learn/modules/intro-to-azure-data-science-virtual-machine/?WT.mc_id=academic-77998-cacaste) സൃഷ്ടിച്ച് Jupyter വഴി അതിൽ കണക്ട് ചെയ്യുക. തുടർന്ന് റിപോ നേരിട്ട് മെഷീനിൽ ക്ലോൺ ചെയ്ത് പഠനം ആരംഭിക്കാം. NC-സീരീസ് VM-കൾ GPU പിന്തുണയുള്ളവയാണ്.
-
-> **Note**: ചില സബ്സ്ക്രിപ്ഷനുകൾ, Azure for Students ഉൾപ്പെടെ, ഡിഫോൾട്ടായി GPU പിന്തുണ നൽകുന്നില്ല. നിങ്ങൾക്ക് സാങ്കേതിക പിന്തുണ അഭ്യർത്ഥനയിലൂടെ അധിക GPU കോറുകൾ ആവശ്യപ്പെടേണ്ടി വരാം.
-
-* [Azure Machine Learning Workspace](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-cacaste) സൃഷ്ടിച്ച് അവിടെ നോട്ട്ബുക്ക് ഫീച്ചർ ഉപയോഗിക്കുക. [ഈ വീഡിയോ](https://azure-for-academics.github.io/quickstart/azureml-papers/) Azure ML നോട്ട്ബുക്കിലേക്ക് റിപോസിറ്ററി ക്ലോൺ ചെയ്ത് ഉപയോഗിക്കുന്ന വിധം കാണിക്കുന്നു.
-
-Google Colab-ഉം ഉപയോഗിക്കാം, ഇത് ചില സൗജന്യ GPU പിന്തുണയോടുകൂടിയതാണ്, അവിടെ Jupyter നോട്ട്ബുക്കുകൾ അപ്ലോഡ് ചെയ്ത് ഒന്ന് ഒന്ന് പ്രവർത്തിപ്പിക്കാം.
-
----
-
-
-**അസൂയാ**:
-ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.
+
+# കോഡ് എങ്ങനെ പ്രവർത്തിപ്പിക്കാം
+
+ഈ പാഠ്യപദ്ധതിയിൽ നിങ്ങൾ പ്രവർത്തിപ്പിക്കാൻ ആഗ്രഹിക്കുന്ന അനേകം പ്രവർത്തനക്ഷമമായ ഉദാഹരണങ്ങളും ലാബുകളും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഇത് ചെയ്യാൻ, ഈ പാഠ്യപദ്ധതിയുടെ ഭാഗമായിട്ടുള്ള Jupyter നോട്ട്ബുക്കുകളിൽ Python കോഡ് പ്രവർത്തിപ്പിക്കുന്ന හැකിയുള്ളത് ആവശ്യമാണ്. കോഡ് പ്രവർത്തിപ്പിക്കുന്നതിന് നിങ്ങൾക്ക് വിവിധ വഴികൾ ലഭ്യമാണ്:
+
+## നിങ്ങളുടെ കംപ്യൂട്ടറിൽ പ്രാദേശികമായി പ്രവർത്തിപ്പിക്കുക
+
+നിങ്ങളുടെ കംപ്യൂട്ടറിൽ കോഡ് പ്രവർത്തിപ്പിക്കാനായി Python ഇൻസ്റ്റലേഷൻ ആവശ്യമുണ്ട്. ഒരു ശുപാർശയാണ് **[miniconda](https://conda.io/en/latest/miniconda.html)** ഇൻസ്റ്റാൾ ചെയ്യുക - ഇത് ഭാരം കുറഞ്ഞ ഒരു ഇൻസ്റ്റലേഷൻ ആണ്, വിവിധ Python **വെർച്വൽ എൻവയോൺമെന്റുകൾ**ക്കായി `conda` പാക്കേജ് മാനേജറെ പിന്തുണയ്ക്കുന്നു.
+
+miniconda ഇൻസ്റ്റാൾ ചെയ്ത ശേഷം, റെപ്പോസിറ്ററി ക്ലോൺ ചെയ്ത് ഈ കോഴ്സിനു ഉപയോഗിക്കുന്ന ഒരു വെർച്വൽ എൻവയോൺമെന്റ് സൃഷ്ടിക്കുക:
+
+```bash
+git clone http://github.com/microsoft/ai-for-beginners
+cd ai-for-beginners
+conda env create --name ai4beg --file .devcontainer/environment.yml
+conda activate ai4beg
+```
+
+### Python എക്സ്റ്റൻഷനോടെ Visual Studio Code ഉപയോഗിക്കൽ
+
+ഈ പാഠ്യപദ്ധതിയിൽ ഉൾപ്പെടുന്ന ഫയലുകൾ [Visual Studio Code](http://code.visualstudio.com/?WT.mc_id=academic-77998-cacaste) ൽ [Python എക്സ്റ്റൻഷൻ](https://marketplace.visualstudio.com/items?itemName=ms-python.python&WT.mc_id=academic-77998-cacaste) ഉപയോഗിച്ച് തുറന്നപ്പോൾ മികച്ച അനുഭവം നൽകുന്നു.
+
+> **കുറിപ്പ്**: ഇൻസ്റ്റാൾ ചെയ്ത് റെപ്പോസിറ്ററി VS Code-ൽ തുറന്നാൽ, Python എക്സ്റ്റൻഷനുകൾ ഇൻസ്റ്റാൾ ചെയ്യാൻ സ്വയം നിർദേശിക്കും. മുകളിൽ പറഞ്ഞതുപോലെ miniconda യും ഇൻസ്റ്റാൾ ചെയ്യേണ്ടതാണ്.
+
+> **കുറിപ്പ്**: VS Code നിങ്ങൾക്ക് കോണ്ടൈനറിൽ റെപ്പോസിറ്ററി വീണ്ടും തുറക്കാൻ നിർദേശം നൽകുന്നത് നിങ്ങൾ തള്ളുക, ലൊക്കൽ Python ഇൻസ്റ്റലേഷൻ ഉപയോഗിക്കുന്നതിനായി.
+
+### ബ്രൗസറിൽ Jupyter ഉപയോഗിക്കൽ
+
+നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ ബ്രൗസർ വഴി Jupyter പരിതസ്ഥിതിയും ഉപയോഗിക്കാൻ കഴിയും. ക്ലാസിക്കൽ Jupyter-നും JupyterHub-ക്കും ഓട്ടോ-കമ്പ്ലീഷനും, കോഡ് ഹൈലൈറ്റിംഗും ഉൾപ്പെടെയുള്ള സൗകര്യപ്രദമായ വികസന പരിതസ്ഥിതി ലഭ്യമാണ്.
+
+പ്രാദേശികമായി Jupyter ആരംഭിക്കാൻ, കോഴ്സ് ഡയറക്ടറിയിൽ പോയി പ്രവർത്തിപ്പിക്കുക:
+
+```bash
+jupyter notebook
+```
+ അല്ലെങ്കിൽ
+```bash
+jupyterhub
+```
+
+എന്റെ `.ipynb` ഫയലുകളിലേതെങ്കിലും തിരഞ്ഞെടുക്കാവുന്നതായി തുറന്ന് ജോലി ആരംഭിക്കാം.
+
+### കോണ്ടൈനറിൽ പ്രവർത്തിപ്പിക്കൽ
+
+Python ഇൻസ്റ്റലേഷൻക്കു بدലെ ഒരു മാർഗം, കോഡ് കോണ്ടൈനറിൽ പ്രവർത്തിപ്പിക്കുകയാണ്. ഞങ്ങളുടെ റെപ്പോസിറ്ററിയിൽ `.devcontainer` എന്ന പ്രത്യേക ഫോൾഡർ കോണ്ടെയ്നർ നിർമ്മിക്കാൻ നിർദ്ദേശങ്ങൾ നൽകിയിട്ടുള്ളതിനാൽ, VS Code കോഡ് വീണ്ടും ഒരു കോണ്ടെയ്നറിൽ തുറക്കാനുള്ള അവസരം നൽകുന്നു. ഇത് Docker ഇൻസ്റ്റലേഷൻ ആവശ്യമാണ്, കൂടാതെ കൂടുതൽ സങ്കീർണമാണ്, അതുകൊണ്ടു് ഇത് കൂടുതൽ പരിചയസമ്പന്നരായ ഉപയോക്താക്കൾക്കായി ശിപാർശ ചെയ്യുന്നു.
+
+## ക്ലൗഡിൽ പ്രവർത്തിപ്പിക്കൽ
+
+Python പ്രാദേശികമായി ഇൻസ്റ്റാൾ ചെയ്യാൻ ആഗ്രഹിക്കാത്തവർക്കും, ഏതെങ്കിലും ക്ലൗഡ് വിഭവങ്ങൾ ലഭ്യമെങ്കിൽ - കോഡ് ക്ലൗഡിൽ പ്രവർത്തിപ്പിക്കാനുള്ള നല്ല മാർഗ്ഗമാണ്. നിങ്ങൾക്ക് ഇത് നടത്താൻ ചില മാർഗ്ഗങ്ങൾ ഉണ്ട്:
+
+* **[GitHub Codespaces](https://github.com/features/codespaces)** ഉപയോഗിക്കൽ - GitHub-ൽ നിങ്ങൾക്കായി സൃഷ്ടിച്ച വെർച്വൽ എൻവയോൺമെന്റ്, VS Code ബ്രൗസർ ഇന്റർഫേസ് വഴി ലഭ്യമാണ്. Codespaces ലഭ്യമെങ്കിൽ, റെപ്പോസിറ്ററിയിൽ **Code** ബട്ടൺ ക്ലിക്കുചെയ്ത് കോഡ്സ്പേസ് ആരംഭിപ്പിച്ച് വൈകാതെ പ്രവർത്തനക്ഷമമാക്കാം.
+* **[Binder](https://mybinder.org/v2/gh/microsoft/ai-for-beginners/HEAD)** ഉപയോഗിക്കുക. [Binder](https://mybinder.org) GitHub-ൽ ചില കോഡ് പരീക്ഷിക്കാൻ സൗജന്യ ക്ലൗഡ് കംപ്യൂട്ടിംഗ് വിഭവങ്ങൾ നൽകുന്നു. ഫ്രണ്ട് പേജിൽ റെപ്പോസിറ്ററി Binder-ൽ തുറക്കാനുള്ള ബട്ടൺ ഉണ്ട് - അത് നിങ്ങളെ നേരിട്ട് ബൈണ്ടർ സൈറ്റിലേക്കു കൊണ്ടുപോകും, അടിസ്ഥാനം കോണ്ടെയ്നർ നിർമിച്ച് Jupyter വെബ് ഇന്റർഫേസ് സജ്ജമാക്കും.
+
+> **കുറിപ്പ്**: തെറ്റായി ഉപയോഗം തടയാൻ Binder ചില വെബ് വിഭവങ്ങളിൽ പ്രവേശനം തടയുന്നു. ഇത് പൊതുജന ഇന്റർനെറ്റിൽ നിന്ന് മോഡലുകളും/ഡാറ്റാസെറ്റുകളും കൊണ്ടുവരുന്ന ചില കോഡുകൾ പ്രവർത്തിക്കാൻ തടസ്സം സൃഷ്ടിക്കാം. നിങ്ങൾക്ക് പ്രവർത്തന മാർഗ്ഗങ്ങൾ കണ്ടെത്തേണ്ടിവരും. കൂടാതെ, Binder നൽകുന്ന കംപ്യൂട്ടിംഗ് വിഭവങ്ങൾ അടിസ്ഥാനപരമാണെന്ന്, പ്രത്യേകിച്ച് ബുദ്ധിമുട്ടുള്ള, തുടർന്ന് വരുന്ന പാഠങ്ങളിൽ പരിശീലനം നാൾപ്പലമാണ്.
+
+## GPU ഉപയോഗിച്ച് ക്ലൗഡിൽ പ്രവർത്തിപ്പിക്കൽ
+
+ഈ പാഠ്യപദ്ധതിയിലെ ചില പിന്നീട് വരുന്ന പാഠങ്ങൾ GPU പിന്തുണയാൽ വളരെ പ്രയോജനവും. മോഡൽ പരിശീലനം, ഉദാഹരണത്തിന്, അല്ലാത്തപ്പോൾ വേദനകരമായി സ്ലോ ആയേക്കാം. ചില മാർഗ്ഗങ്ങൾ നിങ്ങൾ പിന്തുടരാം, പ്രത്യേകിച്ച് നിങ്ങളുടെ സ്ഥാപനത്തിലൂടെയോ അല്ലെങ്കിൽ [Azure for Students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-77998-cacaste) വഴിയോ ക്ലൗഡിൽ പ്രവേശനമുണ്ടെങ്കിൽ:
+
+* [Data Science Virtual Machine](https://docs.microsoft.com/learn/modules/intro-to-azure-data-science-virtual-machine/?WT.mc_id=academic-77998-cacaste) സൃഷ്ടിച്ച് Jupyter വഴിയേ അതുമായി കണക്ട് ചെയ്യുക. പിന്നീട് Maschine-ല് റെപ്പോ ക്ലോൺ ചെയ്ത് പഠനം ആരംഭിക്കാം. NC-സീരിസ് VMs GPU പിന്തുണ നൽകുന്നു.
+
+> **കുറിപ്പ്**: ചില സബ്സ്ക്രിപ്ഷനുകൾ, Azure for Students ഉൾപ്പെടെ, GPU പിന്തുണ ആദ്യസ്ഥിതിയിൽ നൽകിയിട്ടില്ല. GPU കോറുകൾ അധികമായി ആവശ്യപ്പെടേണ്ടി വരാം ടെക്നിക്കൽ സഹായ അഭ്യർത്ഥനയിലൂടെ.
+
+* [Azure Machine Learning Workspace](https://azure.microsoft.com/services/machine-learning/?WT.mc_id=academic-77998-cacaste) സൃഷ്ടിച്ച് അവിടെ നോട്ട്ബുക്ക് ഫീച്ചർ ഉപയോഗിക്കുക. [ഈ വീഡിയോ](https://azure-for-academics.github.io/quickstart/azureml-papers/) Azure ML നോട്ട്ബുക്കിൽ റെപ്പോസിറ്ററി ക്ലോൺ ചെയ്ത് ഉപയോഗിക്കുന്ന വിധം കാണിക്കുന്നു.
+
+Google Colab-യും ഉപയോഗിക്കാം, അത് ചില സൗജന്യ GPU പിന്തുണയോടെ വരുന്നു, Jupyter നോട്ട്ബുക്കുകൾ അഥവാ ഒന്ന് ഒന്ന് അപ്ലോഡ് ചെയ്തു പ്രവർത്തിപ്പിക്കാം.
+
+---
+
+
+**അസാദ്ധ്യതാ പ്രസ്താവനം**:
+ഈ രേഖ [Co-op Translator](https://github.com/Azure/co-op-translator) എന്ന എഐ വിവർത്തന സേവനം ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തമാണ്. ഞങ്ങൾ ശരിശുദ്ധതയിൽ ശ്രമിച്ചിരുന്നെങ്കിലും, സ്വയമേവ ഉള്ള വിവർത്തനങ്ങളിൽ പിഴവുകൾ അല്ലെങ്കിൽ അശുദ്ധികളുണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ ഭാഷയിൽ ഉള്ള മൗലിക രേഖ പ്രാധാന്യവാനായ ഉറവിടമായി മാറ്റി കണ്ടിരിക്കണം. പ്രധാന വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം നിർദ്ദേശിക്കുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുള്ള എല്ലാ തെറ്റുകൾക്കും അല്ലെങ്കിൽ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കും ഞങ്ങൾ ഉത്തരവാദിത്തം വഹിക്കുന്നില്ല.
\ No newline at end of file
diff --git a/translations/ml/lessons/2-Symbolic/Animals.ipynb b/translations/ml/lessons/2-Symbolic/Animals.ipynb
index aed50cae..ebe6901e 100644
--- a/translations/ml/lessons/2-Symbolic/Animals.ipynb
+++ b/translations/ml/lessons/2-Symbolic/Animals.ipynb
@@ -6,25 +6,25 @@
"collapsed": true
},
"source": [
- "# ഒരു മൃഗ വിദഗ്ധ സിസ്റ്റം നടപ്പിലാക്കൽ\n",
+ "# ഒരു മൃഗ വിദഗ്ദ്ധ സിസ്റ്റം നടപ്പിലാക്കൽ\n",
"\n",
"[AI for Beginners Curriculum](http://github.com/microsoft/ai-for-beginners) എന്നതിൽ നിന്നുള്ള ഒരു ഉദാഹരണം.\n",
"\n",
- "ഈ സാമ്പിളിൽ, ചില ശാരീരിക ലക്ഷണങ്ങളുടെ അടിസ്ഥാനത്തിൽ ഒരു മൃഗം നിർണയിക്കുന്ന ഒരു ലളിതമായ അറിവ് അടിസ്ഥാനമാക്കിയ സിസ്റ്റം നടപ്പിലാക്കും. സിസ്റ്റം താഴെ കാണുന്ന AND-OR വൃക്ഷം ഉപയോഗിച്ച് പ്രതിനിധീകരിക്കാം (ഇത് മുഴുവൻ വൃക്ഷത്തിന്റെ ഒരു ഭാഗമാണ്, നാം എളുപ്പത്തിൽ കൂടുതൽ നിയമങ്ങൾ ചേർക്കാം):\n",
+ "ഈ സാംപിളിൽ, ചില ശാരീരിക സവിശേഷതകളെ അടിസ്ഥാനമാക്കി ഒരു മൃഗം നിർണ്ണയിക്കാൻ ഒരു ലളിതമായ അറിവ്-അടിസ്ഥാനമായ സിസ്റ്റം നാം നടപ്പിലാക്കും. സിസ്റ്റം താഴെ കാണുന്ന AND-OR മരത്താൽ പ്രതിനിധീകരിക്കാവുന്നതാണ് (ഇത് മുഴുവൻ മരത്തിന്റെ ഒരു ഭാഗമാണ്, നാം എളുപ്പത്തിൽ ചില കൂടുതൽ നിബന്ധനകൾ കൂട്ടിച്ചേർക്കാം):\n",
"\n",
- "\n"
+ "\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
- "## പിന്വിധാനത്തോടെ നമ്മുടെ സ്വന്തം വിദഗ്ധ സിസ്റ്റം ഷെല്\n",
+ "## പിന്റുവിളിയുള്ള നമ്മുടെ സ്വന്തം വിദഗ്ധ സിസ്റ്റം ഷെല്\n",
"\n",
- "ഉത്പാദന നിയമങ്ങളെ അടിസ്ഥാനമാക്കി അറിവ് പ്രതിനിധീകരണത്തിന് ഒരു ലളിതമായ ഭാഷ നിർവചിക്കാം. നിയമങ്ങൾ നിർവചിക്കാൻ കീവേർഡുകളായി Python ക്ലാസുകൾ ഉപയോഗിക്കും. അടിസ്ഥാനപരമായി 3 തരത്തിലുള്ള ക്ലാസുകൾ ഉണ്ടാകും:\n",
- "* `Ask` ഉപയോക്താവിനോട് ചോദിക്കേണ്ട ഒരു ചോദ്യത്തെ പ്രതിനിധീകരിക്കുന്നു. ഇതിൽ സാധ്യതയുള്ള ഉത്തറുകളുടെ സെറ്റ് അടങ്ങിയിരിക്കും.\n",
- "* `If` ഒരു നിയമത്തെ പ്രതിനിധീകരിക്കുന്നു, ഇത് നിയമത്തിന്റെ ഉള്ളടക്കം സൂക്ഷിക്കുന്നതിന് ഒരു സിന്റാക്ടിക് ഷുഗർ മാത്രമാണ്\n",
- "* `AND`/`OR` വൃക്ഷത്തിന്റെ AND/OR ശാഖകൾ പ്രതിനിധീകരിക്കുന്ന ക്ലാസുകളാണ്. അവയ്ക്ക് ഉള്ളിൽ വാദങ്ങളുടെ പട്ടിക സൂക്ഷിക്കാനാണ്. കോഡ് ലളിതമാക്കാൻ, എല്ലാ പ്രവർത്തനങ്ങളും മാതൃക്ലാസ് `Content`-ൽ നിർവചിച്ചിരിക്കുന്നു\n"
+ "പ്രൊഡക്ഷന് നിബന്ധനകളെ അടിസ്ഥാനമാക്കി വിജ്ഞാനപ്രസ്ഥാപനത്തിനായി ഒരു ലളിതമായ ഭാഷ നിർവചിക്കാൻ ശ്രമിക്കാം. നിബന്ധനകൾ നിർവചിക്കുന്നതിന് പൈത്തൺ ക്ലാസുകൾ കീഴ്വാചകമായി ഉപയോഗിക്കും. മൂലത: 3 തരം ക്ലാസുകൾ ഉണ്ടാകാം:\n",
+ "* `Ask` ഉപഭോക്താവിനോട് ചോദിക്കേണ്ട ഒരു ചോദ്യത്തെ പ്രതിനിധീകരിക്കുന്നു. ഇതിൽ സാധ്യതയുള്ള മറുപടികളുടെ സെറ്റ് പ്രത്യക്ഷപ്പെടുന്നു.\n",
+ "* `If` ഒരു നിബന്ധനയെ പ്രതിനിധീകരിക്കുന്നു, നിബന്ധനയുടെ ഉള്ളടക്കം സൂക്ഷിക്കാൻ ഇത് വെറും സിന്റാക്റ്റിക് ഷുഗർ ആണ്\n",
+ "* `AND`/`OR` കൂടെ/അല്ലെങ്കിൽ ശാഖകൾ പ്രതിനിധീകരിക്കുന്ന ക്ലാസുകളാണ്. അവക്കുള്ളവയുടെ പട്ടിക വെറും സൂക്ഷിക്കുന്നു. കോഡ് ലളിതമാക്കാൻ എല്ലാ പ്രവർത്തനക്ഷമതയും മാതൃകയായി `Content` ക്ലാസിൽ നിർവചിച്ചിരിക്കുന്നു.\n"
]
},
{
@@ -66,7 +66,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "നമ്മുടെ സിസ്റ്റത്തിൽ, പ്രവർത്തന സ്മൃതി **ഗുണം-മൂല്യ ജോഡികൾ** എന്ന രൂപത്തിൽ **വസ്തുതകളുടെ** പട്ടിക ഉൾക്കൊള്ളും. പ്രവർത്തന സ്മൃതിയിൽ ചേർക്കേണ്ട പുതിയ വസ്തുതകളായ പ്രവർത്തനങ്ങളെ (actions) AND-OR വ്യഞ്ജനങ്ങളായി പ്രകടിപ്പിച്ച നിബന്ധനകളുമായി ബന്ധിപ്പിക്കുന്ന ഒരു വലിയ നിഘണ്ടുവായി അറിവ് അടിസ്ഥാനത്തെ നിർവചിക്കാം. കൂടാതെ, ചില വസ്തുതകൾ `Ask` ചെയ്യാവുന്നതാണ്.\n"
+ "എന്റെ സിസ്റ്റത്തിൽ, പ്രവർത്തന സ്മൃതിയിൽ **വസ്തുതകളുടെ** പട്ടിക **ഗുണനിലവാര-മൂല്യ ജോഡികളുടെ** രൂപത്തിൽ ഉണ്ടായിരിക്കും. ജ്ഞാനശേഖരം ഒരു വലിയ നിഘണ്ടുവായി നിർവചിക്കാവുന്നതാണ്, ഇത് പ്രവർത്തനസ്മൃതിയിലേക്ക് ചേർക്കേണ്ട പുതിയ വസ്തുതകളായ പ്രവർത്തനങ്ങളെ AND-OR പ്രവചനങ്ങളായി പ്രകടിപ്പിച്ച നിബന്ധനകളുമായി ബന്ധിപ്പിക്കുന്നു. കൂടാതെ, ചില വസ്തുതകൾ `Ask` ചെയ്യാവുന്നതാണ്.\n"
]
},
{
@@ -99,13 +99,13 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "പിന്നോട്ടുള്ള നിഗമനം നടത്താൻ, നാം `Knowledgebase` ക്ലാസ് നിർവചിക്കും. ഇതിൽ ഉൾപ്പെടുന്നത്:\n",
- "* പ്രവർത്തനക്ഷമമായ `memory` - ഗുണലക്ഷണങ്ങളെ മൂല്യങ്ങളുമായി മാപ്പ് ചെയ്യുന്ന ഒരു ഡിക്ഷണറി\n",
- "* മുകളിൽ നിർവചിച്ച ഫോർമാറ്റിലുള്ള Knowledgebase `rules`\n",
+ "പിന്മാറ്റ തത്വനിർണയം നടത്താൻ, നാം `Knowledgebase` ക്ലാസ് നിർവചിക്കാം. ഇതിൽ ഉൾപ്പെടുന്നതാണ്: \n",
+ "* പ്രവർത്തിക്കുന്ന `memory` - లక్షണങ്ങളെ മൂല്യങ്ങളിലേക്ക് മാപ്പ് ചെയ്യുന്ന ഡിക്ഷണറി \n",
+ "* മേൽ പറഞ്ഞ ഫോർമാറ്റിൽ നിശ്ചയിച്ചിരിക്കുന്ന Knowledgebase `rules` \n",
"\n",
- "രണ്ടു പ്രധാന രീതികൾ:\n",
- "* `get` ഒരു ഗുണലക്ഷണത്തിന്റെ മൂല്യം നേടാൻ, ആവശ്യമെങ്കിൽ നിഗമനം നടത്തുന്നു. ഉദാഹരണത്തിന്, `get('color')` ഒരു നിറം സ്ലോട്ടിന്റെ മൂല്യം നേടും (ആവശ്യമെങ്കിൽ ചോദിക്കും, പിന്നീട് ഉപയോഗത്തിനായി പ്രവർത്തന സ്മരണയിൽ സൂക്ഷിക്കും). `get('color:blue')` ചോദിച്ചാൽ, നിറം ചോദിച്ച്, നിറത്തിന്റെ അടിസ്ഥാനത്തിൽ `y`/`n` മൂല്യം നൽകും.\n",
- "* `eval` യഥാർത്ഥ നിഗമനം നടത്തുന്നു, അഥവാ AND/OR വൃക്ഷം സഞ്ചരിച്ച്, ഉപലക്ഷ്യങ്ങൾ വിലയിരുത്തുന്നു, തുടങ്ങിയവ.\n"
+ "രണ്ടു പ്രധാന മേധാവിത്വങ്ങൾ: \n",
+ "* `get` ഒരു ലക്ഷണത്തിന്റെ മൂല്യം പ്രാപിക്കുന്നത്, ആവശ്യമായപ്പോൾ തത്വനിർണയം നടത്തുന്നു. ഉദാഹരണത്തിന്, `get('color')` കാഴ്ചകളുടെ മൂല്യം തരും (ആവശ്യമായെങ്കിൽ ചോദിക്കും, പിന്നീട് ഉപയോഗത്തിനായി പ്രവർത്തന സ്മൃതിയിൽ മൂല്യം സൂക്ഷിക്കും). ഞങ്ങൾ `get('color:blue')` എന്ന് ചോദിച്ചാൽ, അത് നിറം ചോദിക്കും, പിന്നെ നിറത്തിന്റെ അടിസ്ഥാനത്തിൽ `y`/`n` മൂല്യം വിധി ചെയ്യും. \n",
+ "* `eval` യഥാർത്ഥത്തത്വനിർണയം നടപ്പാക്കുന്നു, അർത്ഥം AND/OR വൃക്ഷം താണ്ടി സബ്ഗോളുകളെ മൂല്യനിർണയം ചെയ്യുന്നു, തുടങ്ങിയവ.\n"
]
},
{
@@ -172,7 +172,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "ഇപ്പോൾ നമുക്ക് നമ്മുടെ മൃഗജ്ഞാനശേഖരം നിർവചിച്ച് ഉപദേശനം നടത്താം. ഈ വിളി നിങ്ങളോട് ചോദ്യങ്ങൾ ചോദിക്കും എന്ന് ശ്രദ്ധിക്കുക. യെസ്-നോ ചോദ്യങ്ങൾക്ക് `y`/`n` ടൈപ്പ് ചെയ്ത് ഉത്തരം നൽകാം, അല്ലെങ്കിൽ കൂടുതൽ ദൈർഘ്യമുള്ള ബഹുവികൽപ ചോദ്യങ്ങൾക്ക് 0..N എന്ന സംഖ്യ വ്യക്തമാക്കാം.\n"
+ "ഇപ്പോൾ നമുക്ക് നമ്മുടെ മൃഗജ്ഞാനകോശം 定義 ചെയ്ത് ചോദ്യംചെയ്യൽ നടത്താം. ഈ കോളിൽ നിങ്ങളോട് ചില ചോദ്യങ്ങൾ ചെയ്യും. സര്വ്വത്തരമായ ‘y’/‘n’ കണ്ടുപിടിച്ച് ഉത്തരം നൽകാം, അല്ലെങ്കിൽ കൂടുതൽ സ്വതന്ത്രമാർഗ്ഗങ്ങളുള്ള ചോദ്യങ്ങൾക്ക് (0..N) സംഖ്യ നൽകാം.\n"
]
},
{
@@ -229,11 +229,11 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "## ഫോർവേഡ് ഇൻഫറൻസ് നടത്താൻ PyKnow ഉപയോഗിക്കൽ\n",
+ "## മുന്നോട്ട് ഇൻഫറൻസിന് Experta ഉപയോഗിക്കുക\n",
"\n",
- "അടുത്ത ഉദാഹരണത്തിൽ, നാം നോളജ് റെപ്രസെന്റേഷനുള്ള ലൈബ്രറികളിൽ ഒന്നായ [PyKnow](https://github.com/buguroo/pyknow/) ഉപയോഗിച്ച് ഫോർവേഡ് ഇൻഫറൻസ് നടപ്പിലാക്കാൻ ശ്രമിക്കും. **PyKnow** പൈതൺ ഭാഷയിൽ ഫോർവേഡ് ഇൻഫറൻസ് സിസ്റ്റങ്ങൾ സൃഷ്ടിക്കാൻ ഉള്ള ഒരു ലൈബ്രറിയാണ്, ഇത് പാരമ്പര്യമായ പഴയ സിസ്റ്റമായ [CLIPS](http://www.clipsrules.net/index.html) നെപ്പോലെ രൂപകൽപ്പന ചെയ്തതാണ്.\n",
+ "അടുത്ത ഉദാഹരണത്തിൽ, നാം ജ്ഞാന പ്രതിനിധാനത്തിനുള്ള ലൈബ്രറികളിൽ ഒന്നായ [Experta](https://github.com/nilp0inter/experta) ഉപയോഗിച്ച് മുന്നോട്ട് ഇൻഫറൻസ് നടപ്പിലാക്കാൻ ശ്രമിക്കുമെന്നും. **Experta** പൈത്തണിൽ മുന്നോട്ട് ഇൻഫറൻസ് സിസ്റ്റങ്ങളും സൃഷ്ടിക്കാൻ വേണ്ട ഒരു ലൈബ്രറിയാണ്, ഇത് പാരമ്പര്യമായ പഴയ സിസ്റ്റമായ [CLIPS](http://www.clipsrules.net/index.html) നു സമാനമായിട്ടാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്.\n",
"\n",
- "നാം ഫോർവേഡ് ചെയിനിംഗ് സ്വയം നടപ്പിലാക്കാമായിരുന്നു, എന്നാൽ സാധാരണയായി ലളിതമായ നടപ്പാക്കലുകൾ വളരെ കാര്യക്ഷമമല്ല. കൂടുതൽ ഫലപ്രദമായ റൂൾ മാച്ചിംഗിനായി പ്രത്യേക ആൽഗോരിതം [Rete](https://en.wikipedia.org/wiki/Rete_algorithm) ഉപയോഗിക്കുന്നു.\n"
+ "നാം പലതും പ്രശ്നങ്ങളില്ലാതെ മുന്നോട്ട് ചെയിനിംഗ് സ്വയം നടപ്പിലാക്കാമായിരുന്നു, പക്ഷേ നൈവ് നടപ്പാക്കലുകൾ സാധാരണയായി വളരെ കാര്യക്ഷമമല്ല. കൂടുതൽ ഫലപ്രദമായ റൂൾ മാച്ചിംഗിനായി പ്രത്യേക അല്ഗോരിതമായ [Rete](https://en.wikipedia.org/wiki/Rete_algorithm) ഉപയോഗിക്കുന്നു.\n"
]
},
{
@@ -247,32 +247,31 @@
"name": "stdout",
"output_type": "stream",
"text": [
- "Collecting git+https://github.com/buguroo/pyknow/\n",
- " Cloning https://github.com/buguroo/pyknow/ to /tmp/pip-req-build-3cqeulyl\n",
- " Running command git clone --filter=blob:none --quiet https://github.com/buguroo/pyknow/ /tmp/pip-req-build-3cqeulyl\n",
- " Resolved https://github.com/buguroo/pyknow/ to commit 48818336f2e9a126f1964f2d8dc22d37ff800fe8\n",
- " Preparing metadata (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25hCollecting frozendict==1.2\n",
- " Using cached frozendict-1.2.tar.gz (2.6 kB)\n",
- " Preparing metadata (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25hCollecting schema==0.6.7\n",
- " Using cached schema-0.6.7-py2.py3-none-any.whl (14 kB)\n",
- "Building wheels for collected packages: pyknow, frozendict\n",
- " Building wheel for pyknow (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25h Created wheel for pyknow: filename=pyknow-1.7.0-py3-none-any.whl size=34228 sha256=b7de5b09292c4007667c72f69b98d5a1b5f7324ff15f9dd8e077c3d5f7aade42\n",
- " Stored in directory: /tmp/pip-ephem-wheel-cache-k7jpave7/wheels/81/1a/d3/f6c15dbe1955598a37755215f2a10449e7418500d7bd4b9508\n",
- " Building wheel for frozendict (setup.py) ... \u001b[?25ldone\n",
- "\u001b[?25h Created wheel for frozendict: filename=frozendict-1.2-py3-none-any.whl size=3148 sha256=2863d55c240d2409cddf05ccfe600591f8478681549fc97555c47c90dc6bb160\n",
- " Stored in directory: /home/rg/.cache/pip/wheels/49/ac/f8/cb8120244e710bdb479c86198b03c7b08c3c2d3d2bf448fd6e\n",
- "Successfully built pyknow frozendict\n",
- "Installing collected packages: schema, frozendict, pyknow\n",
- "Successfully installed frozendict-1.2 pyknow-1.7.0 schema-0.6.7\n"
+ "Collecting git+https://github.com/nilp0inter/experta\n",
+ " Cloning https://github.com/nilp0inter/experta to /tmp/pip-req-build-7qurtwk3\n",
+ " Running command git clone --filter=blob:none --quiet https://github.com/nilp0inter/experta /tmp/pip-req-build-7qurtwk3\n",
+ " Resolved https://github.com/nilp0inter/experta to commit c6d5834b123861f5ae09e7d07027dc98bec58741\n",
+ " Installing build dependencies ... \u001b[?25ldone\n",
+ "\u001b[?25h Getting requirements to build wheel ... \u001b[?25ldone\n",
+ "\u001b[?25h Preparing metadata (pyproject.toml) ... \u001b[?25ldone\n",
+ "\u001b[?25hRequirement already satisfied: frozendict~=2.4.6 in /opt/conda/envs/ai4beg/lib/python3.12/site-packages (from experta==1.9.5.dev1) (2.4.7)\n",
+ "Collecting schema~=0.6.7 (from experta==1.9.5.dev1)\n",
+ " Downloading schema-0.6.8-py2.py3-none-any.whl.metadata (14 kB)\n",
+ "Downloading schema-0.6.8-py2.py3-none-any.whl (14 kB)\n",
+ "Building wheels for collected packages: experta\n",
+ " Building wheel for experta (pyproject.toml) ... \u001b[?25ldone\n",
+ "\u001b[?25h Created wheel for experta: filename=experta-1.9.5.dev1-py3-none-any.whl size=34804 sha256=888c459512a5e713f4b674caa9a0f96cfdf07ec0d6eb56cc318ce0653d218014\n",
+ " Stored in directory: /tmp/pip-ephem-wheel-cache-1eeii9zy/wheels/3d/e8/bb/22d7956359603fa8dd679aa09f5b8efb3f29991c3986fdc787\n",
+ "Successfully built experta\n",
+ "Installing collected packages: schema, experta\n",
+ "\u001b[2K \u001b[90m━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\u001b[0m \u001b[32m2/2\u001b[0m [experta]\n",
+ "\u001b[1A\u001b[2KSuccessfully installed experta-1.9.5.dev1 schema-0.6.8\n"
]
}
],
"source": [
"import sys\n",
- "!{sys.executable} -m pip install git+https://github.com/buguroo/pyknow/"
+ "!{sys.executable} -m pip install git+https://github.com/nilp0inter/experta"
]
},
{
@@ -283,15 +282,15 @@
},
"outputs": [],
"source": [
- "from pyknow import *\n",
- "#import pyknow"
+ "from experta import *\n",
+ "#import experta"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
- "നാം നമ്മുടെ സിസ്റ്റം `KnowledgeEngine` എന്ന ക്ലാസ്സിന്റെ സബ്ക്ലാസായി നിർവചിക്കും. ഓരോ റൂൾവും `@Rule` അനോട്ടേഷനുള്ള വ്യത്യസ്ത ഫംഗ്ഷനായി നിർവചിക്കപ്പെടുന്നു, ഇത് റൂൾ എപ്പോൾ പ്രവർത്തിക്കണം എന്ന് വ്യക്തമാക്കുന്നു. റൂളിനുള്ളിൽ, നാം `declare` ഫംഗ്ഷൻ ഉപയോഗിച്ച് പുതിയ വസ്തുതകൾ ചേർക്കാം, ആ വസ്തുതകൾ ചേർക്കുന്നതിലൂടെ ഫോർവേഡ് ഇൻഫറൻസ് എഞ്ചിൻ ചില കൂടുതൽ റൂളുകൾ വിളിക്കും.\n"
+ "നാം നമ്മുടെ സംവിധാനത്തെ `KnowledgeEngine`-നെ subclasses ചെയ്യുന്ന ഒരു ക്ലാസ് ആയി นิർവ്വചിക്കും. ഓരോ നയം വേറിട്ട ഫങ്ക്ഷനായി `@Rule` അനോടേഷനോടുകൂടി นิർവ്വചിക്കപ്പെടുന്നു, ഇത് നയ 언제 പ്രവർത്തിക്കണം എന്ന് സൂചിപ്പിക്കുന്നു. നയത്തിനുള്ളിൽ, `declare` ഫംഗ്ഷൻ ഉപയോഗിച്ച് പുതിയ വാസ്തവങ്ങൾ ചേർക്കാൻ കഴിയും, ആ വാസ്തവങ്ങൾ ചേർത്താൽ മുന്നോട്ടുള്ള നിർവചന എഞ്ചിനിൽ കൂടുതൽ നയങ്ങൾ വിളിക്കപ്പെടും.\n"
]
},
{
@@ -378,7 +377,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "ഒരു നോളജ്ബേസ് നിർവചിച്ചതിന് ശേഷം, ഞങ്ങൾ ചില പ്രാഥമിക വാസ്തവങ്ങളുമായി നമ്മുടെ പ്രവർത്തന സ്മൃതി പൂരിപ്പിച്ച്, തുടർന്ന് inference നടത്താൻ `run()` മെത്തഡ് വിളിക്കുന്നു. ഫലമായി, പുതിയ inference ചെയ്ത വാസ്തവങ്ങൾ പ്രവർത്തന സ്മൃതിയിൽ ചേർക്കപ്പെട്ടിരിക്കുന്നതിനെ നിങ്ങൾ കാണാം, അതിൽ മൃഗത്തെക്കുറിച്ചുള്ള അന്തിമ വാസ്തവവും ഉൾപ്പെടുന്നു (നാം എല്ലാ പ്രാഥമിക വാസ്തവങ്ങളും ശരിയായി ക്രമീകരിച്ചാൽ).\n"
+ "ഒരിക്കൽ നാം ഒരു നോളജ് ബെസ് നിർവ്വചിച്ചാൽ, ഞങ്ങൾ നമ്മുടെ വർകിംഗ് മെമ്മറിയിൽ ചില തുടങ്ങിയ വസ്തുതകൾ പൂരിപ്പിക്കുകയും പിന്നെ `run()` മെഥഡ് വിളിച്ച് ഇൻഫെറൻസ് നടത്തുകയും ചെയ്യും. നിങ്ങൾക്കാകാം ഫലം കാണാൻ, പുതിയ ഇൻഫെർഡ് വസ്തുതകൾ വർകിംഗ് മെമ്മറിയിലേക്ക് ചേർക്കപ്പെടുന്നുണ്ട്, മൃഗത്തെക്കുറിച്ചുള്ള അന്തിമ വസ്തുത ഉൾപ്പെടെ (ഞങ്ങൾ എല്ലാ തുടങ്ങന്ന വസ്തുതകളും ശരിയായി ക്രമീകരിച്ചെങ്കിൽ).\n"
]
},
{
@@ -440,7 +439,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "---\n\n\n**അസൂയാ**: \nഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.\n\n"
+ "---\n\n\n**തള്ളിപ്പറയൽ**: \nഈ ഡോക്യുമെന്റ് AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി പ്രയത്നിക്കുന്നെങ്കിലും, സ്വയംകൃതമായ വിവർത്തനങ്ങളിൽ തെറ്റുകളോ അസാധുതകളോ ഉണ്ടായിരിയ്ക്കാം എന്നതിൽ ശ്രദ്ധിക്കുക. യഥാർത്ഥ ഡോക്യുമെന്റ് അതിന്റെ സ്വദേശഭാഷയിൽ തന്നതാണ് അധികാരമുള്ള ഉറവിടം. നിർണായക വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ انسانی വിവർത്തനം ശുപാർശ ചെയ്യുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുള്ള ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്ക് ഞങ്ങൾ ഉത്തരവാദികളല്ല.\n\n"
]
}
],
@@ -467,8 +466,8 @@
"version": "3.11.2"
},
"coopTranslator": {
- "original_hash": "ab2bd97b0453415b89a469284609a8ce",
- "translation_date": "2025-11-25T23:48:34+00:00",
+ "original_hash": "8ef43db4b9182239fd150a76bd494fdb",
+ "translation_date": "2026-01-17T02:05:45+00:00",
"source_file": "lessons/2-Symbolic/Animals.ipynb",
"language_code": "ml"
}
diff --git a/translations/ml/lessons/2-Symbolic/README.md b/translations/ml/lessons/2-Symbolic/README.md
index 6439e9d2..28daf2cc 100644
--- a/translations/ml/lessons/2-Symbolic/README.md
+++ b/translations/ml/lessons/2-Symbolic/README.md
@@ -1,116 +1,116 @@
-# അറിവ് പ്രതിനിധാനം ചെയ്യലും വിദഗ്ധ സിസ്റ്റങ്ങളും
+# അറിവ് പ്രതിനിധാനവും വിദഗ്ധ സിസ്റ്റങ്ങളുമെന്താണ്
-
+
-> സ്കെച്ച്നോട്ട്: [Tomomi Imura](https://twitter.com/girlie_mac)
+> സ്കെച്ച്നോട്ട് [തൊമോമി ഇമുര](https://twitter.com/girlie_mac) ഇൽ നിന്നുള്ളത്
-കൃത്രിമ ബുദ്ധിമുട്ടിന്റെ തിരച്ചിൽ മനുഷ്യർ പോലെ ലോകത്തെ മനസ്സിലാക്കാനുള്ള അറിവ് കണ്ടെത്തലിലാണ്. എന്നാൽ ഇത് എങ്ങനെ ചെയ്യാം?
+കൃത്രിമ ബുദ്ധിമുട്ടിന്റെ അഭ്യർത്ഥന മനുഷ്യർ ചെയ്യുന്ന പോലെ ലോകത്തെ മനസിലാക്കാനുള്ള അറിവിന്റെ തിരച്ചിലിലാണ്. പക്ഷേ ഇത് എങ്ങനെ നടത്താം?
-## [പ്രീ-ലെക്ചർ ക്വിസ്](https://ff-quizzes.netlify.app/en/ai/quiz/3)
+## [പ്രാക-തലച്ചറവിചാരം](https://ff-quizzes.netlify.app/en/ai/quiz/3)
-AIയുടെ ആദ്യകാലങ്ങളിൽ, ബുദ്ധിമുട്ടുള്ള സിസ്റ്റങ്ങൾ സൃഷ്ടിക്കുന്നതിന് മുകളിൽ നിന്ന് താഴേക്ക് സമീപനം (മുൻപത്തെ പാഠത്തിൽ ചർച്ച ചെയ്തത്) പ്രചാരത്തിലായിരുന്നു. ആളുകളിൽ നിന്നുള്ള അറിവ് യന്ത്രം വായിക്കാൻ കഴിയുന്ന രൂപത്തിലേക്ക് മാറ്റി, അത് ഉപയോഗിച്ച് പ്രശ്നങ്ങൾ സ്വയം പരിഹരിക്കാമെന്ന് കരുതിയിരുന്നു. ഈ സമീപനം രണ്ട് വലിയ ആശയങ്ങളിലായിരുന്നു അടിസ്ഥാനമാക്കിയിരിക്കുന്നത്:
+AIയുടെ പ്രാഥമിക കാലഘട്ടത്തിൽ, ബുദ്ധിമുട്ടുള്ള സിസ്റ്റങ്ങൾ സൃഷ്ടിക്കുന്നതിനുള്ള ഉയര്ന്ന തലത്തിലുളള സമീപനം (മുൻപത്തെ പാഠത്തിൽ ചർച്ച ചെയ്തു) പ്രചാരത്തിലുണ്ടായിരുന്നു. ആശയം മനുഷ്യരില് നിന്നുള്ള അറിവ് യന്ത്രം വായിക്കാൻ കഴിയുന്ന ഫോമാറ്റിലാക്കുകയും തുടർന്ന് ആ തുകെല്ലാം സ്വയംപ്രവർത്തിക്കുന്ന രീതിയിൽ പ്രശ്നങ്ങൾ പരിഹരിയ്ക്കാനായി ഉപയോഗപ്പെടുത്തുകയുമായിരുന്നു. ഈ സമീപനം രണ്ട് വലിയ ആശയങ്ങളെ അടിസ്ഥാനമാക്കിയായിരുന്നു:
* അറിവ് പ്രതിനിധാനം
-* തർക്കം (റീസണിംഗ്)
+* തർക്കം
## അറിവ് പ്രതിനിധാനം
-സിംബോളിക് AIയിൽ പ്രധാന ആശയങ്ങളിൽ ഒന്നാണ് **അറിവ്**. അറിവും *വിവരവും* അല്ലെങ്കിൽ *ഡാറ്റയും* തമ്മിൽ വ്യത്യാസം മനസ്സിലാക്കുന്നത് പ്രധാനമാണ്. ഉദാഹരണത്തിന്, പുസ്തകങ്ങളിൽ അറിവുണ്ടെന്ന് പറയാം, കാരണം പുസ്തകങ്ങൾ പഠിച്ച് വിദഗ്ധനാകാം. എന്നാൽ പുസ്തകങ്ങളിൽ ഉള്ളത് യഥാർത്ഥത്തിൽ *ഡാറ്റ* ആണ്, പുസ്തകങ്ങൾ വായിച്ച് ഈ ഡാറ്റ നമ്മുടെ ലോക മോഡലിൽ ചേർത്താൽ അത് അറിവായി മാറും.
+ക്രമാബദ്ധമായ AIയിലെ പ്രധാന ആശയങ്ങളിൽ ഒന്നാണ് **അറിവ്**. അറിവിനെ *വിവരം* അല്ലെങ്കിൽ *ഡേറ്റ* എന്നതിൽ നിന്നും വ്യത്യാസപ്പെടുത്തുന്നത് പ്രധാനമാണ്. ഉദാഹരണത്തിന്, പുസ്തകങ്ങൾ അറിവ് അടങ്ങിയിരിക്കുന്നുവെന്ന് പറയാവുന്നതാണ്, കാരണം പുസ്തകങ്ങൾ പഠിച്ച് നാം വിദഗ്ധരാകാൻ കഴിയും. എങ്കിലും, പുസ്തകങ്ങൾ അടിസ്ഥാനത്തിൽ ഉള്ളത് *ഡേറ്റ* ആണ്, പുസ്തകങ്ങൾ വായിച്ച് ഈ ഡേറ്റ നമ്മുടെ ലോക മോഡലിലേക്ക് സംയോജിപ്പിക്കുമ്പോൾ അത് അറിവാകും.
-> ✅ **അറിവ്** എന്നത് നമ്മുടെ തലയിൽ ഉള്ളതും ലോകത്തെ മനസ്സിലാക്കലിന്റെ പ്രതിനിധാനവുമാണ്. ഇത് ഒരു സജീവമായ **പഠന** പ്രക്രിയയിലൂടെ ലഭിക്കുന്നു, നമ്മൾ സ്വീകരിക്കുന്ന വിവരങ്ങൾ നമ്മുടെ സജീവ ലോക മോഡലിൽ ചേർക്കുന്നു.
+> ✅ **അറിവ്** എന്നത് നമ്മുടെ തലയിൽ അടങ്ങിയിരിക്കുന്നതും ലോകത്തെ നമ്മുടെ മനസ്സിലാക്കലിനെ പ്രതിനിധാനം ചെയ്യുന്നതുമായ ഒരു വസ്തുവാണ്. അത് ഒരു സജീവമായ **പഠന** പ്രക്രിയയിലൂടെ നേടപ്പെടുന്നു, അതിൽ നാം സ്വീകരിക്കുന്ന വിവരങ്ങൾ നമ്മുടെ സജീവ ലോക മോഡലിലേക്ക് ചേർക്കുന്നു.
-അറിവ് കൃത്യമായി നിർവചിക്കാറില്ല, പക്ഷേ [DIKW പിരമിഡ്](https://en.wikipedia.org/wiki/DIKW_pyramid) ഉപയോഗിച്ച് ബന്ധപ്പെട്ട ആശയങ്ങളുമായി പൊരുത്തപ്പെടുത്തുന്നു. ഇതിൽ ഉൾപ്പെടുന്ന ആശയങ്ങൾ:
+അപരിചിതമായി, അറിവിനെ കർശനമായി നിർവചിക്കാറില്ല, പക്ഷേ ഇതിനെ മറ്റു ബന്ധപ്പെട്ട ആശയങ്ങളുമായി [DIKW പിറമിഡ്](https://en.wikipedia.org/wiki/DIKW_pyramid) ഉപയോഗിച്ച് പൊരുത്തപ്പെടുത്തുന്നു. ഇതിൽ താഴെ പറയുന്ന ആശയങ്ങൾ ഉൾപ്പെടുന്നു:
-* **ഡാറ്റ**: എഴുതിയ എഴുത്തോ സംസാരിച്ച വാക്കുകളോ പോലുള്ള ഭൗതിക മാധ്യമങ്ങളിൽ പ്രതിനിധാനം ചെയ്യപ്പെടുന്ന ഒന്നാണ്. ഡാറ്റ മനുഷ്യരിൽ സ്വതന്ത്രമായി നിലനിൽക്കുന്നു, ആളുകൾക്കിടയിൽ കൈമാറാം.
-* **വിവരം**: ഡാറ്റയെ നമ്മുടെ തലയിൽ എങ്ങനെ വ്യാഖ്യാനിക്കുന്നു എന്നതാണ്. ഉദാഹരണത്തിന്, *കമ്പ്യൂട്ടർ* എന്ന വാക്ക് കേട്ടാൽ അതിന്റെ അർത്ഥം മനസ്സിലാക്കുന്നു.
-* **അറിവ്**: വിവരങ്ങൾ നമ്മുടെ ലോക മോഡലിൽ ചേർക്കപ്പെടുന്നത്. ഉദാഹരണത്തിന്, കമ്പ്യൂട്ടർ എന്താണെന്ന് പഠിച്ചാൽ, അത് എങ്ങനെ പ്രവർത്തിക്കുന്നു, വില എത്രയാണ്, എന്തിന് ഉപയോഗിക്കാം തുടങ്ങിയ ആശയങ്ങൾ ഉണ്ടാകുന്നു. ഈ ബന്ധമുള്ള ആശയങ്ങളുടെ ശൃംഖലയാണ് അറിവ്.
-* **ബുദ്ധി**: ലോകത്തെ മനസ്സിലാക്കലിന്റെ ഒരു ഉയർന്ന തലമാണ്, ഇത് *മെറ്റാ-അറിവ്* പ്രതിനിധാനം ചെയ്യുന്നു, ഉദാ: അറിവ് എപ്പോൾ എങ്ങനെ ഉപയോഗിക്കണം എന്ന ധാരണ.
+* **ഡേറ്റ** എഴുതി സൂക്ഷിച്ചിരിക്കുന്ന അക്ഷരം അല്ലെങ്കിൽ ശബ്ദം പോലുള്ള ഭൗതിക മീഡിയയിൽ പ്രതിനിധീകരിക്കപ്പെട്ടിട്ടുള്ളതാണു. ഡേറ്റ മനുഷ്യരിൽ നിന്ന് സ്വതന്ത്രമാണ്, അത് ആളുകൾ തമ്മിൽ കൈമാറ്റം ചെയ്യാം.
+* **വിവരം** ഡേറ്റയെ നമ്മുടെ തലയിൽ ഇങ്ങനെ വ്യാഖ്യാനിക്കുന്നു. ഉദാഹരണത്തിന്, *കംപ്യൂട്ടർ* എന്ന വാക്ക് കേട്ടാൽ അതെന്താണെന്നു കുറച്ച് അറിവുണ്ടാവും.
+* **അറിവ്** വിവരങ്ങൾ നമ്മുടെ ലോക മോഡലിൽ ചേർക്കപ്പെടുന്നു. ഉദാഹരണത്തിന്, ഒരു കമ്പ്യൂട്ടർ എന്താണെന്ന് പഠിക്കുന്നതിനെ തുടർന്ന് അതെങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്നു, അതിനുള്ള ചെലവ് എത്രയാണെന്നും അതിവ്യത്യാസം ചെയ്യാം. പരസ്പര ബന്ധമുള്ള ആശയങ്ങളുടെ ഈ ശൃംഖല നമ്മുടെ അറിവ് രൂപീകരിക്കുന്നു.
+* **ബുദ്ധി** നമ്മുടെ ലോകം മനസിലാക്കലിന്റെ മറ്റൊരു തലമാണ്, അത് *മെറ്റാ അറിവ്* പ്രതിനിധാനം ചെയ്യുന്നു, ഉദാഹരണത്തിന് അറിവ് എപ്പോൾ എങ്ങനെ ഉപയോഗിക്കണമെന്നു ഒരു ധാരണ.
-*ചിത്രം [വിക്കിപീഡിയയിൽ നിന്ന്](https://commons.wikimedia.org/w/index.php?curid=37705247), Longlivetheux - സ്വന്തം കൃതി, CC BY-SA 4.0*
+*ചിത്രം [വിക്കിപീഡിയ](https://commons.wikimedia.org/w/index.php?curid=37705247) നു നിന്നും, Longlivetheux - സ്വന്തം ജോലി, CC BY-SA 4.0*
-അതിനാൽ, **അറിവ് പ്രതിനിധാനം** എന്ന പ്രശ്നം കമ്പ്യൂട്ടറിനുള്ളിൽ അറിവ് ഡാറ്റ രൂപത്തിൽ പ്രതിനിധാനം ചെയ്ത് അത് സ്വയം ഉപയോഗിക്കാൻ കഴിയുന്ന വിധം കണ്ടെത്തലാണ്. ഇത് ഒരു സ്പെക്ട്രം ആയി കാണാം:
+അങ്ങനെ, **അറിയിപ്പ് പ്രതിനിധാനം** എന്ന പ്രശ്നം ഒരു കംപ്യൂട്ടറിൽ അറിവ് ഡേറ്റ രൂപത്തിൽ പ്രതിനിധീകരിക്കാൻ ഏതെങ്കിലും കാര്യക്ഷമമായ മാർഗം കണ്ടെത്തുക എന്നതാണ്, അത് സ്വയം പ്രവർത്തിക്കാവുന്നതാകുന്ന വിധം. ഇത് ഒരു സ്പെക്ട്രം ആയി കാണാം:
-
+
-> ചിത്രം: [Dmitry Soshnikov](http://soshnikov.com)
+> ചിത്രത്തിന്റെ ഉടമ [Dmitry Soshnikov](http://soshnikov.com)
-* ഇടത്തുവശത്ത്, കമ്പ്യൂട്ടറുകൾക്ക് ഫലപ്രദമായി ഉപയോഗിക്കാവുന്ന വളരെ ലളിതമായ അറിവ് പ്രതിനിധാനങ്ങൾ ഉണ്ട്. ഏറ്റവും ലളിതമായത് ആൽഗോരിതമിക് ആണ്, അറിവ് കമ്പ്യൂട്ടർ പ്രോഗ്രാമായി പ്രതിനിധാനം ചെയ്യപ്പെടുന്നു. എന്നാൽ ഇത് ഏറ്റവും നല്ല മാർഗം അല്ല, കാരണം ഇത് ഫ്ലെക്സിബിൾ അല്ല. നമ്മുടെ തലയിൽ ഉള്ള അറിവ് പലപ്പോഴും ആൽഗോരിതമിക് അല്ല.
-* വലത്തുവശത്ത്, പ്രകൃതിദത്ത എഴുത്ത് പോലുള്ള പ്രതിനിധാനങ്ങൾ ഉണ്ട്. ഇത് ഏറ്റവും ശക്തമാണ്, പക്ഷേ സ്വയം തർക്കത്തിന് ഉപയോഗിക്കാനാകില്ല.
+* ഇടത്തരം, കംപ്യൂട്ടറുകൾക്ക് കാര്യക്ഷമമായി ഉപയോഗിക്കാവുന്ന വളരെ ലളിതമായ അറിവ് പ്രതിനിധാനങ്ങളുണ്ട്. ഏറ്റവും ലളിതമായത് ആൽഗോറിതമാറ്റിയതാണ്, അതിൽ അറിവ് ഒരു കമ്പ്യൂട്ടർ പ്രോഗ്രാമിൽ പ്രതിനിധീകരിക്കുന്നു. എന്നാൽ ഇത് ഏറ്റവും നല്ല രീതിയല്ല, കാരണം ഇത് ചാലകമല്ല. നമ്മുടെ തലയിൽ ഉള്ള അറിവ് പലപ്പോഴും ആൽഗോറിതമാറ്റിയല്ല.
+* വലത്തരം പ്രകൃതി ടെക്സ്റ്റ് പോലുള്ള പ്രതിനിധാനങ്ങൾ ഉണ്ട്. അതാണ് ഏറ്റവും ശക്തിയുള്ളത്, പക്ഷേ സ്വതന്ത്ര തർക്കത്തിന് ഉപയോഗിക്കാനാകില്ല.
-> ✅ ഒരു നിമിഷം ചിന്തിക്കുക, നിങ്ങൾ തലയിൽ അറിവ് എങ്ങനെ പ്രതിനിധാനം ചെയ്യുന്നു, അത് കുറിപ്പുകളായി മാറ്റുമ്പോൾ retention-നായി ഏത് ഫോർമാറ്റ് നിങ്ങൾക്ക് നല്ലതാണ്?
+> ✅ നിങ്ങൾ തലയിൽ അറിവ് എങ്ങനെ പ്രതിനിധീകരിക്കുന്നു, അതിനെ കുറിച്ചുള്ള കുറിപ്പുകളിലേയ്ക്ക് എങ്ങനെ മാറ്റുന്നു എന്നത് കുറച്ച് കൂടി ആലോചിക്കൂ. മെമ്മറിയിലുണ്ടാക്കാൻ നിങ്ങൾക്ക് സുഖമുള്ള ഒരു പ്രത്യേക ഫോർമാറ്റ് ഉണ്ടോ?
-## കമ്പ്യൂട്ടർ അറിവ് പ്രതിനിധാനങ്ങൾ വർഗ്ഗീകരിക്കൽ
+## കംപ്യൂട്ടർ അറിവ് പ്രതിനിധാനങ്ങളെ വർഗ്ഗീകരിക്കൽ
-വിവിധ കമ്പ്യൂട്ടർ അറിവ് പ്രതിനിധാന രീതികൾ താഴെപ്പറയുന്ന വിഭാഗങ്ങളിലായി വേർതിരിക്കാം:
+നാം വിവിധ കംപ്യൂട്ടർ അറിവ് പ്രതിനിധാന രീതികളെ താഴെ പറയുന്ന വിഭാഗങ്ങളിൽ വർഗ്ഗീകരിക്കാം:
-* **നെറ്റ്വർക്ക് പ്രതിനിധാനങ്ങൾ**: നമ്മുടെ തലയിൽ ബന്ധമുള്ള ആശയങ്ങളുടെ ഒരു നെറ്റ്വർക്ക് ഉണ്ടെന്നതിൽ അടിസ്ഥാനമാക്കിയുള്ളത്. അതേ നെറ്റ്വർക്ക് കമ്പ്യൂട്ടറിനുള്ളിൽ ഗ്രാഫ് രൂപത്തിൽ പുനരുണ്ടാക്കാം - ഇതാണ് **സെമാന്റിക് നെറ്റ്വർക്ക്**.
+* **നെറ്റ്വർക്കുകൾ** നമ്മുടെ തലയിൽ ബന്ധമുള്ള ആശയങ്ങളടങ്ങിയ ഒരു നെറ്റ്വർക്ക് ഉണ്ടെന്നതിനെ അടിസ്ഥാനമാക്കിയതാണ്. നാം അതെ നെറ്റ്വർക്ക് ഒരു കമ്പ്യൂട്ടറിനുള്ളിൽ ഗ്രാഫ് രൂപത്തിൽ പുനരുദ്ഘാടനം ചെയ്യാമെന്ന് ശ്രമിക്കും - ഇതാണ് so-called **സെമാന്റിക് നെറ്റ്വർക്ക്**.
-1. **ഓബ്ജക്റ്റ്-അട്രിബ്യൂട്ട്-വാല്യു ട്രിപ്പ്ലറ്റുകൾ** അല്ലെങ്കിൽ **അട്രിബ്യൂട്ട്-വാല്യു ജോഡികൾ**. ഒരു ഗ്രാഫ് കമ്പ്യൂട്ടറിനുള്ളിൽ നോഡുകളും എഡ്ജുകളും ഉള്ള പട്ടികയായി പ്രതിനിധാനം ചെയ്യാവുന്നതുകൊണ്ട്, സെമാന്റിക് നെറ്റ്വർക്ക് ട്രിപ്പ്ലറ്റുകളുടെ പട്ടികയായി പ്രതിനിധാനം ചെയ്യാം, അതിൽ ഓബ്ജക്റ്റുകൾ, ആട്രിബ്യൂട്ടുകൾ, മൂല്യങ്ങൾ ഉൾപ്പെടും. ഉദാഹരണത്തിന്, പ്രോഗ്രാമിംഗ് ഭാഷകളെക്കുറിച്ച് താഴെപ്പറയുന്ന ട്രിപ്പ്ലറ്റുകൾ ഉണ്ടാക്കാം:
+1. **ഒബ്ജക്റ്റ്-അട്രിബ്യൂട്ട്-വാല്യൂ ട്രിപ്പ്ലെറ്റുകൾ** അല്ലെങ്കിൽ **അട്രിബ്യൂട്ട്-വാല്യൂ ജോഡി**കൾ. ഒരു ഗ്രാഫ് കമ്പ്യൂട്ടറിനുള്ളിൽ നോഡുകൾക്കും അടൂർഗहरुलाई കൂടാതെ പ്രതിനിധീകരിക്കാവുന്നതായതിനാൽ, ഒരുപാട് ഒബ്ജക്റ്റുകൾ, അട്രിബ്യൂട്ടുകൾ, മായ വാല്യൂകൾ അടങ്ങിയ ട്രിപ്പ്ലെറ്റുകൾ പട്ടികയെന്ന രൂപത്തിൽ സെമാന്റിക് നെറ്റ്വർക്ക് പ്രതിനിധീകരിക്കാം. ഉദാഹരണത്തിന് താഴെ പറയുന്ന ട്രിപ്പ്ലെറ്റുകൾ പ്രോഗ്രാമിങ് ഭാഷകളെക്കുറിച്ച് നിർമ്മിക്കുന്നു:
-Object | Attribute | Value
--------|-----------|------
-Python | is | Untyped-Language
-Python | invented-by | Guido van Rossum
-Python | block-syntax | indentation
-Untyped-Language | doesn't have | type definitions
+Object | Attribute | Value
+-------|-----------|------
+Python | is | Untyped-Language
+Python | invented-by | Guido van Rossum
+Python | block-syntax | indentation
+Untyped-Language | doesn't have | type definitions
-> ✅ ട്രിപ്പ്ലറ്റുകൾ മറ്റ് അറിവ് തരങ്ങൾ പ്രതിനിധാനം ചെയ്യാൻ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ചിന്തിക്കുക.
+> ✅ ട്രിപ്പ്ലെറ്റുകൾ വേറെ അറിവിന്റെ തരം പ്രതിനിധീകരിക്കാൻ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ചിന്തിക്കൂ.
-2. **ഹയർആർക്കിക്കൽ പ്രതിനിധാനങ്ങൾ**: നമ്മൾ തലയിൽ സാധാരണയായി ഒരു ഓബ്ജക്റ്റുകളുടെ ഹയർആർക്കി സൃഷ്ടിക്കുന്നതിൽ ഊന്നൽ നൽകുന്നു. ഉദാഹരണത്തിന്, കാനറി ഒരു പക്ഷിയാണ് എന്ന് അറിയാം, എല്ലാ പക്ഷികൾക്കും ചിറകുകൾ ഉണ്ടെന്ന് അറിയാം. കാനറിയുടെ നിറം സാധാരണയായി എന്താണെന്ന്, പറക്കാനുള്ള വേഗത എന്താണെന്ന് അറിയാം.
+2. **വിഭജനാത്മക പ്രതിനിധാനങ്ങൾ** നമ്മൾ തലയിൽ ഒബ്ജക്റ്റുകളുടെ ക്രമീകരണം നിർമ്മിക്കുന്നതിനെ ഊന്നിക്കാണിക്കുന്നു. ഉദാഹരണത്തിന്, കാനറി ഒരു പക്ഷിയാണ് എന്നറിയാം, എല്ലാ പക്ഷികളും ചില്ലുകളുള്ളവയാണ്. കൂടാതെ കാനറിയുടെ സാധാരണ നിറം, പറക്കാനുള്ള വേഗത എന്നിവയുടെ ദൃഷ്ടിരേഖയുണ്ട്.
- - **ഫ്രെയിം പ്രതിനിധാനം**: ഓരോ ഓബ്ജക്റ്റിനെയും അല്ലെങ്കിൽ ഓബ്ജക്റ്റുകളുടെ ക്ലാസിനെയും **ഫ്രെയിം** ആയി പ്രതിനിധാനം ചെയ്യുന്നു, അതിൽ **സ്ലോട്ടുകൾ** ഉണ്ട്. സ്ലോട്ടുകൾക്ക് സാധാരണ മൂല്യങ്ങൾ, മൂല്യ നിയന്ത്രണങ്ങൾ, അല്ലെങ്കിൽ മൂല്യം ലഭിക്കാൻ വിളിക്കാവുന്ന പ്രോസീജറുകൾ ഉണ്ടാകാം. എല്ലാ ഫ്രെയിമുകളും ഒരു ഹയർആർക്കി രൂപത്തിൽ ഒറ്റപ്പെട്ടിരിക്കുന്നു, ഒബ്ജക്റ്റ്-ഓറിയന്റഡ് പ്രോഗ്രാമിംഗ് ഭാഷകളിലെ ഓബ്ജക്റ്റ് ഹയർആർക്കിയെപ്പോലെ.
- - **സിനാരിയോകൾ**: സമയക്രമത്തിൽ വികസിക്കാവുന്ന സങ്കീർണ്ണ സാഹചര്യങ്ങൾ പ്രതിനിധാനം ചെയ്യുന്ന പ്രത്യേക തരത്തിലുള്ള ഫ്രെയിമുകൾ.
+ - **ഫ്രെയിം പ്രതിനിധാനം** ഓരോ വസ്തുവിനെയും സമ്മതമായ എല്ലാ വസ്തുക്കളുടെ ക്ലാസുകളെയും **ഫ്രെയിം** ആയി പ്രതിനിധീകരിക്കുന്നു, അത് **സ്ലോട്ടുകൾ** ഉൾക്കൊള്ളുന്നു. സ്ലോട്ടുകൾക്ക് സാധാരണ മൂല്യങ്ങൾ, മൂല്യ നിയന്ത്രണങ്ങൾ, അല്ലെങ്കിൽ മൂല്യങ്ങൾ ലഭിക്കുന്നതിന് വിളിക്കാവുന്ന സേവ് ചെയ്ത പ്രക്രിയകൾ ഉണ്ടാകും. എല്ലാ ഫ്രെയിംകളും ഒരു ഓബ്ജക്ട്-ഓറിയന്റഡ് പ്രോഗ്രാമിങ് ഭാഷകളിലുള്ള ഓബ്ജക്ട് ഹയറാർക്കി പോലെയുള്ള ഒരു ക്രമീകരണം ഉണ്ടാക്കുന്നു.
+ - **സന്നിവേശങ്ങൾ** സമയം പുനർനിർവചിക്കാവുന്ന സങ്കീർണ്ണമായ അവസ്ഥകളെ പ്രതിനിധീകരിക്കുന്ന പ്രത്യേക തരം ഫ്രെയിമുകളാണ്.
**Python**
-Slot | Value | Default value | Interval |
------|-------|---------------|----------|
-Name | Python | | |
-Is-A | Untyped-Language | | |
-Variable Case | | CamelCase | |
-Program Length | | | 5-5000 lines |
-Block Syntax | Indent | | |
+Slot | Value | Default value | Interval |
+-----|-------|---------------|----------|
+Name | Python | | |
+Is-A | Untyped-Language | | |
+Variable Case | | CamelCase | |
+Program Length | | | 5-5000 lines |
+Block Syntax | Indent | | |
-3. **പ്രൊസീജറൽ പ്രതിനിധാനങ്ങൾ**: ഒരു നിബന്ധന സംഭവിക്കുമ്പോൾ നടപ്പിലാക്കാവുന്ന പ്രവർത്തനങ്ങളുടെ പട്ടികയായി അറിവ് പ്രതിനിധാനം ചെയ്യുന്നു.
- - പ്രൊഡക്ഷൻ റൂൾസ് if-then പ്രസ്താവനകളാണ്, നമുക്ക് നിഗമനങ്ങൾ വരുത്താൻ സഹായിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു ഡോക്ടർക്ക് ഒരു നിയമം ഉണ്ടാകാം: **IF** രോഗിക്ക് ഉയർന്ന പനി **OR** രക്തപരിശോധനയിൽ C-റിയാക്ടീവ് പ്രോട്ടീൻ ഉയർന്നാൽ **THEN** അവന് അണുബാധയുണ്ട്. നിബന്ധനകളിൽ ഒന്നും കണ്ടാൽ, അണുബാധയെക്കുറിച്ച് നിഗമനം വരുത്താം, പിന്നീട് അത് തർക്കത്തിൽ ഉപയോഗിക്കാം.
- - ആൽഗോരിതങ്ങൾ മറ്റൊരു പ്രൊസീജറൽ പ്രതിനിധാന രൂപമാണ്, പക്ഷേ അറിവ് അടിസ്ഥാനമാക്കിയ സിസ്റ്റങ്ങളിൽ നേരിട്ട് ഉപയോഗിക്കാറില്ല.
+3. **പ്രോസീജറൽ പ്രതിനിധാനങ്ങൾ** ഒരു നിശ്ചിത നിബന്ധന സംഭവിക്കുമ്പോൾ പ്രവർത്തിക്കാൻ കഴിയുന്ന പ്രവർത്തികളുടെ പട്ടികയായി അറിവ് പ്രതിനിധീകരിക്കുന്നു.
+ - പ്രൊഡക്ഷൻ പരിധികൾ if-then പ്രസ്താവനകൾ ആണ്, ഇത് നാം നിഗമനങ്ങൾ വരുത്താൻ സഹായിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു ഡോക്ടറിന് ഒരു നിയമം ഉണ്ടാകാം: **IF** ഒരാളിന് ഉയർന്ന പനി അല്ലെങ്കിൽ രക്തപരീക്ഷയിൽ C-പ്രോട്ടീൻ ഉയർന്ന നിലവാരമുള്ളത് കാണുമ്പോൾ **THEN** അവനു ഒരു പുകഴ്ലീലമായ ആശങ്ക ഉണ്ടാകുമെന്നു. ഒരു നിബന്ധന തന്നെ സംഭവിക്കുമ്പോളെ നാം പുകഴ്ലി സംബന്ധിച്ച നിഗമനമുണ്ടാക്കുകയും തർക്കത്തിൽ അത് ഉപയോഗപ്പെടുത്തുകയും ചെയ്യാം.
+ - ആൽഗോറിതമുകൾ പ്രോസീജറൽ പ്രതിനിധാനങ്ങളുടെ മറ്റൊരു രൂപമായിരിക്കും പരിഗണിക്കപ്പെടുക, എന്നാൽ അവ അറിവ് അടിസ്ഥാന സിസ്റ്റങ്ങളിൽ നേരിട്ട് ഉപയോഗിക്കാറില്ല.
-4. **ലോജിക്**: ആദ്യം അറിസ്റ്റോട്ടിൽസ് മനുഷ്യരുടെ സർവത്ര അറിവ് പ്രതിനിധാനം ചെയ്യാനുള്ള മാർഗമായി നിർദ്ദേശിച്ചു.
- - പ്രെഡിക്കേറ്റ് ലോജിക് ഗണിത ശാസ്ത്ര സിദ്ധാന്തമായി വളരെ സമ്പന്നമാണ്, അതിനാൽ സാധാരണയായി പ്രൊലോഗിൽ ഉപയോഗിക്കുന്ന ഹോൺ ക്ലോസുകൾ പോലുള്ള ഒരു ഉപസമൂഹം ഉപയോഗിക്കുന്നു.
- - ഡിസ്ക്രിപ്റ്റീവ് ലോജിക് ഒരു ലോജിക്കൽ സിസ്റ്റങ്ങളുടെ കുടുംബമാണ്, ഇത് ഓബ്ജക്റ്റുകളുടെ ഹയർആർക്കി പ്രതിനിധാനം ചെയ്യാനും reasoning ചെയ്യാനും ഉപയോഗിക്കുന്നു, സെമാന്റിക് വെബ് പോലുള്ള വിതരണ അറിവ് പ്രതിനിധാനങ്ങൾക്കായി.
+4. **ലജിക്** ആദ്യം അറിസ്റ്റോട്ടിൽ പ്രതിപാദിച്ചതു സ്വതന്ത്ര മനുഷ്യ അറിവ് പ്രതിനിധാന മാർഗമായിരുന്നു.
+ - പ്രസ്താവന ലജിക് ഗണിത ശാസ്ത്ര സിദ്ധാന്തമായി വളരെ സമൃദ്ധമാണ്, അതിനാൽ അത് കംപ്യൂട്ട ബോധ്യമായിരിക്കാനാവില്ല, അതിനാൽ ഏതാനും ഉപസമൂഹം സാധാരണയായി ഉപയോഗിക്കപ്പെടുന്നു, ഉദാഹരണത്തിന് Prolog- ൽ ഉപയോഗിക്കുന്ന ഹോർൺ ക്ലോസുകൾ.
+ - വിവരണാത്മക ലജിക് ഒരു ലജിക്കൽ സിസ്റ്റങ്ങളുടെ കുടുംബമാണ്, അത് ഹയർആർക്കികളായ വസ്തുക്കളെ പ്രതിനിധീകരിക്കുകയും തെറ്റായ അറിവ് പ്രതിനിധാനങ്ങളിൽ നിരത്തിയും ഉപയോഗിക്കുന്നു, ഉദാഹരണത്തിന് *സെമാന്റിക് വെബ്*.
## വിദഗ്ധ സിസ്റ്റങ്ങൾ
-സിംബോളിക് AIയുടെ ആദ്യ വിജയങ്ങളിൽ ഒന്നായിരുന്നു **വിദഗ്ധ സിസ്റ്റങ്ങൾ** - ചില പരിമിത പ്രശ്ന മേഖലകളിൽ വിദഗ്ധനായി പ്രവർത്തിക്കാൻ രൂപകൽപ്പന ചെയ്ത കമ്പ്യൂട്ടർ സിസ്റ്റങ്ങൾ. ഇവ മനുഷ്യ വിദഗ്ധരിൽ നിന്നുള്ള **അറിവ് ബേസ്** ഉപയോഗിച്ച് നിർമ്മിക്കപ്പെട്ടിരുന്നു, അതിന്മേൽ പ്രവർത്തിക്കുന്ന **ഇൻഫറൻസ് എഞ്ചിൻ** ഉണ്ടായിരുന്നു.
+ചിഹ്നാത്മക AIയുടെ പ്രാരംഭ വിജയം ഇതു പോലെ വിളിപ്പെടുന്ന **വിദഗ്ധ സിസ്റ്റങ്ങൾ** ആയിരുന്നു - ഒരു പരിധിയുളള പ്രശ്ന മേഖലയിൽ വിദഗ്ധന്റെ പ്രഭവമായി പ്രവർത്തിക്കാൻ രൂപകൽപ്പന ചെയ്ത കമ്പ്യൂട്ടർ സിസ്റ്റങ്ങൾ. അവ മനുഷ്യ വിദഗ്ധരിൽ നിന്നു പിടിച്ചെടുത്ത **അറിവ് ആധാരം** അടിസ്ഥാനമാക്കിയായിരുന്നു, കൂടാതെ അവയിൽ ഒരു **നിഗമന എഞ്ചിൻ** ഉണ്ടായിരുന്നു, അത് അതിന്റെ മേൽ ചില തർക്കം നിർവഹിച്ചിരുന്നു.
- | 
----------------------------------------------|------------------------------------------------
-മനുഷ്യ നാഡീകുഴപ്പത്തിന്റെ ലളിതമായ ഘടന | അറിവ് അടിസ്ഥാനമാക്കിയ സിസ്റ്റത്തിന്റെ ഘടന
+ | 
+---------------------------------------------|------------------------------------------------
+മനുഷ്യ ന്യൂറൽ സിസ്റ്റത്തിന്റെ ലളിതപ്പെടുത്തപ്പെട്ട ഘടന | അറിവ് അടിസ്ഥാന സിസ്റ്റത്തിന്റെ ഘടന
-വിദഗ്ധ സിസ്റ്റങ്ങൾ മനുഷ്യന്റെ തർക്ക സംവിധാനത്തെപ്പോലെ നിർമ്മിച്ചിരിക്കുന്നു, അതിൽ **ഷോർട്ട്-ടേം മെമ്മറി**യും **ലോങ്-ടേം മെമ്മറി**യും ഉണ്ട്. അതുപോലെ, അറിവ് അടിസ്ഥാനമാക്കിയ സിസ്റ്റങ്ങളിൽ താഴെപ്പറയുന്ന ഘടകങ്ങൾ വേർതിരിക്കാം:
+വിദഗ്ധ സിസ്റ്റുകൾ മനുഷ്യൻ്റെ തർക്ക സംവിധാനം പോലെ നിർമ്മിക്കപ്പെട്ടിരിക്കുന്നു, അതിൽ **ക്ഷണിക ഓർമ്മ**യും **ദീർഘകാല ഓർമ്മ**യും ഉണ്ട്. അതുപോലെ, അറിവ് അടിസ്ഥാന സിസ്റ്റുകളിൽ താഴെ പറയുന്ന ഘടകങ്ങൾ വേർതിരിക്കാം:
-* **പ്രശ്ന മെമ്മറി**: ഇപ്പോൾ പരിഹരിക്കപ്പെടുന്ന പ്രശ്നത്തെക്കുറിച്ചുള്ള അറിവ് അടങ്ങിയിരിക്കുന്നു, ഉദാ: രോഗിയുടെ താപനില, രക്തസമ്മർദ്ദം, അണുബാധയുണ്ടോ എന്നത്. ഈ അറിവ് **സ്ഥിര അറിവ്** എന്നും വിളിക്കുന്നു, കാരണം ഇത് പ്രശ്നത്തെക്കുറിച്ചുള്ള ഒരു സ്നാപ്ഷോട്ട് ആണ് - *പ്രശ്നാവസ്ഥ*.
-* **അറിവ് ബേസ്**: പ്രശ്ന മേഖലയിൽ ദീർഘകാല അറിവ് പ്രതിനിധാനം ചെയ്യുന്നു. മനുഷ്യ വിദഗ്ധരിൽ നിന്നു കൈമാറിയതാണ്, കൂടാതെ ഇത് കൺസൾട്ടേഷനുകൾക്കിടയിൽ മാറാറില്ല. ഇത് പ്രശ്നാവസ്ഥകളിൽ നിന്ന് മറ്റൊന്നിലേക്ക് നാവിഗേറ്റ് ചെയ്യാൻ സഹായിക്കുന്നതിനാൽ **ഡൈനാമിക് അറിവ്** എന്നും വിളിക്കുന്നു.
-* **ഇൻഫറൻസ് എഞ്ചിൻ**: പ്രശ്നാവസ്ഥാ സ്പേസിൽ തിരച്ചിൽ നടത്തുന്നതും, ആവശ്യമായപ്പോൾ ഉപയോക്താവിനോട് ചോദ്യങ്ങൾ ചോദിക്കുന്നതും, ഓരോ അവസ്ഥയ്ക്കും അനുയോജ്യമായ നിയമങ്ങൾ കണ്ടെത്തുന്നതും നിയന്ത്രിക്കുന്നു.
+* **പ്രശ്ന ഓർമ്മ**: ഇപ്പോൾ പരിഹരിക്കപ്പെടുന്ന പ്രശ്നത്തെക്കുറിച്ച് അറിവ് അടങ്ങിയിരിക്കുന്നു, ഉദാഹരണത്തിന് ഒരു രോഗിയുടെ температур, രക്തസമ്മർദ്ദം, അവനു പുകഴ്ലി ഉണ്ടോ ഇല്ലയോ സാധിച്ചിരിക്കുന്നു, തുടങ്ങിയവ. ഈ അറിവ് **സ്ഥിര അറിവ്** എന്നും വിളിക്കുന്നു, കാരണം ഇത് പ്രശ്നത്തെക്കുറിച്ചുള്ള ഇപ്പോഴുള്ള ചിത്രമാണ് - അതായത് *പ്രശ്ന സ്ഥിതി*.
+* **അറിവ് ആധാരം**: ഒരു പ്രശ്ന മേഖലയിലെ ദീർഘകാല അറിവ് പ്രതിനിധീകരിക്കുന്നു. ഇത് മനുഷ്യ വിദഗ്ധരിൽ നിന്നു കൈ കൊണ്ട് പിടിച്ചെടുക്കുകയും, സംവാദം നടത്തുമ്പോൾ മാറ്റമില്ലാതെ നിലനിർത്തുകയും ചെയ്യുന്നു. ഒരു പ്രശ്ന നിലയിലുനിന്ന് മറ്റൊന്നിലേക്കു പോകാൻ സഹായിക്കുന്നതിനാൽ ഇത് **പ്രവർത്തന അറിവ്** എന്നും വിളിക്കുന്നു.
+* **നിഗമന എഞ്ചിൻ**: പ്രശ്ന സ്ഥിതി സ്പെയ്സിൽ തിരച്ചിൽ ചെയ്യുന്ന മുഴുവൻ പ്രക്രിയയെയും ഏകോപിപ്പിക്കുന്നു, ആവശ്യത്തിന 用户 (ഉപയോക്താവ്) നിന്നു ചോദ്യങ്ങൾ ചോദിക്കുന്നു. ഓരോ നിലയിൽ പ്രയോഗിക്കാനുള്ള ശരിയായ നിയമങ്ങൾ കണ്ടെത്തുന്നതും ഇതിന്റെ ഉത്തരവാദിത്വമാണ്.
-ഉദാഹരണമായി, ഒരു ജീവിയെ അതിന്റെ ശാരീരിക സവിശേഷതകളുടെ അടിസ്ഥാനത്തിൽ തിരിച്ചറിയുന്ന വിദഗ്ധ സിസ്റ്റം പരിഗണിക്കാം:
+ഉദാഹരണമായി, ഒരു സസ്തനിയെ അതിന്റെ ഭൗതിക ഗുണങ്ങളുടെ അടിസ്ഥാനത്തിൽ തിരിച്ചറിയാനുള്ള വിദഗ്ധ സിസ്റ്റം പരിഗണിക്കാം:
-
+
-> ചിത്രം: [Dmitry Soshnikov](http://soshnikov.com)
+> ചിത്രം [Dmitry Soshnikov](http://soshnikov.com)
-ഈ ചിത്രത്തെ **AND-OR ട്രീ** എന്ന് വിളിക്കുന്നു, ഇത് പ്രൊഡക്ഷൻ റൂളുകളുടെ ഗ്രാഫിക്കൽ പ്രതിനിധാനമാണ്. വിദഗ്ധരിൽ നിന്നുള്ള അറിവ് എടുക്കുമ്പോൾ ട്രീ വരയ്ക്കുന്നത് സഹായകരമാണ്. കമ്പ്യൂട്ടറിനുള്ളിൽ അറിവ് പ്രതിനിധാനം ചെയ്യാൻ നിയമങ്ങൾ ഉപയോഗിക്കുന്നത് കൂടുതൽ സൗകര്യപ്രദമാണ്:
+ഈ ചിത്രത്തെ **AND-OR വൃക്ഷം** എന്ന് വിളിക്കുന്നു, ഇത് പ്രൊഡക്ഷൻ നിയമങ്ങളുടെ ഗ്രാഫിക്കൽ പ്രതിനിധാനമാണ്. ഒരു വിദഗ്ധന്റെ അറിവ് പിടിച്ചെടുക്കുന്നത് ആരംഭത്തിൽ വൃക്ഷം വരയ്ക്കുന്നത് ഉപകാരപ്രദമാണ്. കമ്പ്യൂട്ടറിനുള്ളിൽ അറിവ് പ്രതിനിധീകരിക്കാൻ നയങ്ങൾ ഉപയോഗിക്കുന്നത് ഏറെ സൗകര്യപ്രദമാണ്:
```
IF the animal eats meat
@@ -120,72 +120,79 @@ OR (animal has sharp teeth
)
THEN the animal is a carnivore
```
+
+നിങ്ങൾ ശ്രദ്ധിക്കാം, ഓരോ നിയമത്തിൻറെ ഓർത്താടിവശം ലംഘനം നമ്മുടെ *object-attribute-value* (OAV) ട്രിപ്പ്ലെറ്റുകളായി കാണുക. **വർക്ക് മെമ്മറി** പ്രശ്നം ഇപ്പോൾ പരിഹരിക്കുന്ന OAV ട്രിപ്പ്ലെറ്റുകളുടെ സജ്ജീകരണമാണ്. ഒരു **നയ എഞ്ചിൻ** നിലവിലുള്ള നിബന്ധന സംതൃപ്തമാകുന്ന നിയമങ്ങൾ തേടി അവ പ്രയോഗിച്ച്, പുതിയ ഒരു ട്രിപ്പ്ലെറ്റ് വർക്ക് മെമ്മറിയിൽ ചേർക്കുന്നു.
-നിങ്ങൾ ശ്രദ്ധിക്കാം, നിയമത്തിന്റെ ഇടത് ഭാഗത്തുള്ള ഓരോ നിബന്ധനയും പ്രവർത്തനവും അടിസ്ഥാനപരമായി ഓബ്ജക്റ്റ്-അട്രിബ്യൂട്ട്-വാല്യു (OAV) ട്രിപ്പ്ലറ്റുകളാണ്. **വർക്കിംഗ് മെമ്മറി** നിലവിൽ പരിഹരിക്കപ്പെടുന്ന പ്രശ്നവുമായി ബന്ധപ്പെട്ട OAV ട്രിപ്പ്ലറ്റുകളുടെ സമാഹാരമാണ്. **റൂൾസ് എഞ്ചിൻ** നിലവിലുള്ള നിബന്ധനകൾ പൂരിപ്പിക്കുന്ന നിയമങ്ങൾ കണ്ടെത്തി അവ പ്രയോഗിച്ച് വർക്കിംഗ് മെമ്മറിയിൽ പുതിയ ട്രിപ്പ്ലറ്റുകൾ ചേർക്കുന്നു.
+> ✅ നിങ്ങൾക്ക് ഇഷ്ടമുള്ള വിഷയമനുസരിച്ച് സ്വന്തം AND-OR വൃക്ഷം എഴുതൂ!
-> ✅ നിങ്ങൾ ഇഷ്ടപ്പെടുന്ന വിഷയത്തിൽ നിങ്ങളുടെ സ്വന്തം AND-OR ട്രീ എഴുതുക!
+### മുന്നോട്ട് നിഗമനവും പിന്നോട്ട് നിഗമനവും
-### ഫോർവേഡ് vs. ബാക്ക്വേഡ് ഇൻഫറൻസ്
+മുകളിൽ വിവരണം നൽകിയ പ്രക്രിയ **മുന്നോട്ട് നിഗമനം** എന്നാണ് വിളിക്കുന്നത്. ഇത് പ്രവർത്തന ഓർമ്മയിൽ ലഭ്യമായ പ്രാഥമിക ഡേറ്റ ഉപയോഗിച്ച് ആരംഭിക്കുകയും താഴെ പറയുന്ന തർക്ക ചക്രം നടപ്പിലാക്കുകയും ചെയ്യുന്നു:
-മുകളിൽ വിവരിച്ച പ്രക്രിയ **ഫോർവേഡ് ഇൻഫറൻസ്** എന്നാണ് വിളിക്കുന്നത്. ഇത് വർക്കിംഗ് മെമ്മറിയിൽ ലഭ്യമായ പ്രാരംഭ ഡാറ്റയിൽ നിന്ന് ആരംഭിച്ച് താഴെപ്പറയുന്ന തർക്ക ലൂപ്പ് നടപ്പിലാക്കുന്നു:
+1. ടാർഗറ്റ് അട്രിബ്യൂട്ട് പ്രവർത്തന ഓർമ്മയിൽ ഉണ്ടെങ്കിൽ - നിർത്തുക, ഫലം നൽകി
+2. നിലവിൽ സംതൃപ്തിയുള്ള നിബന്ധനയായ എല്ലാ നയങ്ങളും തിരയുക - **കവിളയം സെറ്റ്** നേടുക
+3. **കഴിഞ്ഞാൽ സമാധാനത്തിലേയ്ക്ക്** - ഈ ഘട്ടത്തിൽ നടപ്പിലാക്കാനുള്ള ഒരു നിയമം തിരഞ്ഞെടുക്കുക. വ്യത്യസ്ത സമാധാന രീതി ഉണ്ടാകാം:
+ - അറിവ് ആധാരത്തിലെ ആദ്യ പ്രയോഗ സാധ്യമായ നിയമം തിരഞ്ഞെടുക്കുക
+ - രാന്റം ഒരു നിയമം തിരഞ്ഞെടുക്കുക
+ - *കൂടുതൽ പ്രത്യേക* നിയമം തിരഞ്ഞെടുക്കുക, അഥവാ LHS ൽ കൂടുതൽ നിബന്ധനകൾക്ക് പൂരിപ്പിച്ച നിയമം
+4. തിരഞ്ഞെടുക്കപ്പെട്ട നിയമം പ്രയോഗിച്ച് പുതിയ അറിവ് പ്രശ്ന നിലയിൽ ഉൾപ്പെടുത്തുക
+5. ഘട്ടം 1-ൽ നിന്ന് ആവർത്തിക്കുക
-1. ലക്ഷ്യ ആട്രിബ്യൂട്ട് വർക്കിംഗ് മെമ്മറിയിൽ ഉണ്ടെങ്കിൽ - നിർത്തുക, ഫലം നൽകുക
-2. നിലവിൽ പൂരിപ്പിച്ചിരിക്കുന്ന നിബന്ധനകൾ ഉള്ള എല്ലാ നിയമങ്ങളും കണ്ടെത്തുക - **കോൺഫ്ലിക്റ്റ് സെറ്റ്** ലഭിക്കുക
-3. **കോൺഫ്ലിക്റ്റ് റെസല്യൂഷൻ** നടത്തുക - ഈ ഘട്ടത്തിൽ നടപ്പിലാക്കാനുള്ള ഒരു നിയമം തിരഞ്ഞെടുക്കുക. വിവിധ കോൺഫ്ലിക്റ്റ് റെസല്യൂഷൻ തന്ത്രങ്ങൾ ഉണ്ടാകാം:
- - അറിവ് ബേസിലെ ആദ്യ പ്രയോഗയോഗ്യമായ നിയമം തിരഞ്ഞെടുക്കുക
- - യാദൃച്ഛിക നിയമം തിരഞ്ഞെടുക്കുക
- - *കൂടുതൽ പ്രത്യേകമായ* നിയമം തിരഞ്ഞെടുക്കുക, അഥവാ LHS-ൽ ഏറ്റവും കൂടുതൽ നിബന്ധനകൾ പൂരിപ്പിക്കുന്ന നിയമം
-4. തിരഞ്ഞെടുക്കപ്പെട്ട നിയമം പ്രയോഗിച്ച് പ്രശ്നാവസ്ഥയിൽ പുതിയ അറിവ് ചേർക്കുക
-5. പടിയിലേയ്ക്ക് മടങ്ങി 1-ാം പടി ആവർത്തിക്കുക
+എങ്കിലും, ചില സാഹചര്യങ്ങളിൽ നാം ഒരു ശൂന്യ അറിവിൽ നിന്നും തുടക്കം കുറിച്ച് ചോദ്യങ്ങൾ ചോദിച്ച് നാമിത് സിദ്ധാന്തത്തിലെത്താൻ ആഗ്രഹിക്കാം. ഉദാഹരണത്തിന്, മെഡിക്കൽ ഡയഗ്നോസിസിൽ, സാധാരണയായി രോഗം പരിശോധിക്കുന്നതിന് മുമ്പ് എല്ലാ പരിശോധനകളും നടത്താറില്ല. അതിനു പകരം സ്ഥിരമായ തീരുമാനമെടുക്കാൻ ആവശ്യമായപ്പോൾ മാത്രമേ പരിശോധനം നടത്തൂ.
-എങ്കിലും, ചില സാഹചര്യങ്ങളിൽ പ്രശ്നത്തെക്കുറിച്ചുള്ള അറിവ് ശൂന്യമായിരിക്കാം, നാം ചോദ്യങ്ങൾ ചോദിച്ച് നിഗമനത്തിലേക്ക് എത്താൻ ആഗ്രഹിക്കാം. ഉദാഹരണത്തിന്, മെഡിക്കൽ ഡയഗ്നോസിസിൽ, രോഗിയെ പരിശോധിക്കുന്നതിന് മുമ്പ് എല്ലാ പരിശോധനകളും നടത്താറില്ല. തീരുമാനമെടുക്കേണ്ടപ്പോൾ മാത്രമേ പരിശോധനകൾ നടത്തൂ.
+ഈ പ്രക്രിയ **പിന്നോട്ട് നിഗമനം** എന്നറിയപ്പെടുന്നു. ഇത് **ലക്ഷ്യം** (goal) എന്ന സിദ്ധാന്തം കൊണ്ട് നിയന്ത്രിക്കപ്പെടുന്നു - നാം കണ്ടെത്താൻ ലക്ഷ്യമിടുന്ന അട്രിബ്യൂട്ട് മൂല്യം:
-ഈ പ്രക്രിയ **ബാക്ക്വേഡ് ഇൻഫറൻസ്** ഉപയോഗിച്ച് മോഡൽ ചെയ്യാം. ഇത് **ലക്ഷ്യം** (goal) - കണ്ടെത്തേണ്ട ആട്രിബ്യൂട്ട് മൂല്യം - നയിക്കുന്നു:
+1. ലക്ഷ്യത്തിന് മൂല്യം നൽകുന്ന എല്ലാ നിയമങ്ങളും തിരഞ്ഞെടുത്തുക (RHS ൽ ലക്ഷ്യമായ അട്രിബ്യൂട്ട് ഉള്ളവ) - ഒരു കവിളയം സെറ്റ്
+1. ഈ അട്രിബ്യൂട്ടിനായി നിയമങ്ങൾ ഇല്ലെങ്കിൽ, അല്ലെങ്കിൽ ഉപയോക്താവിൽ നിന്നു മൂല്യം ചോദിക്കണം എന്ന നിയമമുണ്ടെങ്കിൽ - അത് ചോദിക്കുക, അല്ലെങ്കിൽ:
+1. സമാധാന രീതി ഉപയോഗിച്ച് ഒരു *ഹിപോതസിസ്* ആയിരിക്കണം എന്ന നിയമം തിരഞ്ഞെടുക്കുക - ഞങ്ങൾ അത് തെളിയിക്കാൻ ശ്രമിക്കും
+1. നിയമത്തിന്റെ LHS യിലുള്ള എല്ലാ അട്രിബ്യൂട്ടുകൾക്കും ലക്ഷ്യമെന്ന നിലയിൽ കൂട recursively ഈ പ്രക്രിയ ആവർത്തിക്കുക
+1. ഏത് സമയത്തും പരാജയം സംഭവിച്ചാൽ - ഘട്ടം 3 ൽ മറ്റൊരു നിയമം തിരഞ്ഞെടുക്കുക
-1. ലക്ഷ്യത്തിന്റെ മൂല്യം നൽകുന്ന എല്ലാ നിയമങ്ങളും തിരഞ്ഞെടുക്കുക (RHS-ൽ ലക്ഷ്യം ഉള്ളവ) - കോൺഫ്ലിക്റ്റ് സെറ്റ്
-2. ആ ആട്രിബ്യൂട്ടിനുള്ള നിയമങ്ങൾ ഇല്ലെങ്കിൽ, അല്ലെങ്കിൽ ഉപയോക്താവിൽ നിന്ന് മൂല്യം ചോദിക്കണമെന്ന് നിയമം ഉണ്ടെങ്കിൽ - ചോദിക്കുക, അല്ലെങ്കിൽ:
-3. കോൺഫ്ലിക്റ്റ് റെസല്യൂഷൻ തന്ത്രം ഉപയോഗിച്ച് ഒരു നിയമം *ഹൈപ്പോത്തസിസ്* ആയി തിരഞ്ഞെടുക്കുക - അത് തെളിയിക്കാൻ ശ്രമിക്കും
-4. നിയമത്തിന്റെ LHS-ൽ ഉള്ള എല്ലാ ആട്രിബ്യൂട്ടുകൾക്കും ഈ പ്രക്രിയ ആവർത്തിച്ച് അവ ലക്ഷ്യങ്ങളായി തെളിയിക്കാൻ ശ്രമിക്കുക
-5. പ്രക്രിയ ഏതെങ്കിലും ഘട്ടത്തിൽ പരാജയപ്പെട്ടാൽ - 3-ാം പടിയിൽ മറ്റൊരു നിയമം ഉപയോഗിക്കുക
-
-> ✅ ഏത് സാഹചര്യങ്ങളിൽ ഫോർവേഡ് ഇൻഫറൻസ് കൂടുതൽ അനുയോജ്യമാണ്? ബാക്ക്വേഡ് ഇൻഫറൻസ് എപ്പോൾ ഉപയോഗിക്കണം?
+> ✅ ഏത് സാഹചര്യങ്ങളിൽ മുന്നോട്ട് നിഗമനം കൂടുതൽ അനുയോജ്യമാണ്? പിന്നോട്ട് നിഗമനം എങ്ങനെയാണ്?
### വിദഗ്ധ സിസ്റ്റങ്ങൾ നടപ്പിലാക്കൽ
വിദഗ്ധ സിസ്റ്റങ്ങൾ വിവിധ ഉപകരണങ്ങൾ ഉപയോഗിച്ച് നടപ്പിലാക്കാം:
-* ഉയർന്ന തലത്തിലുള്ള പ്രോഗ്രാമിംഗ് ഭാഷയിൽ നേരിട്ട് പ്രോഗ്രാം ചെയ്യുക. ഇത് നല്ല ആശയം അല്ല, കാരണം അറിവ് അടിസ്ഥാനമാക്കിയ സിസ്റ്റത്തിന്റെ പ്രധാന ഗുണം അറിവും ഇൻഫറൻസും വേർതിരിച്ചിരിക്കുന്നു എന്നതാണ്, പ്രശ്ന മേഖല വിദഗ്ധൻ ഇൻഫറൻസ് പ്രക്രിയയുടെ വിശദാംശങ്ങൾ അറിയാതെ നിയമങ്ങൾ എഴുതാൻ കഴിയണം.
-* **വിദഗ്ധ സിസ്റ്റം ഷെൽ** ഉപയോഗിക്കുക, അതായത് അറിവ് പ്രതിനിധാന ഭാഷ ഉപയോഗിച്ച് അറിവ് ചേർക്കാൻ രൂപകൽപ്പന ചെയ്ത സിസ്റ്റം.
+* ഏതെങ്കിലും ഉയർന്ന തലത്തിലുള്ള പ്രോഗ്രാമിംഗ് ഭാഷയിൽ നേരിട്ട് പ്രോഗ്രാം ചെയ്യുക. ഇത് ഏറ്റവും നല്ല ആശയം അല്ല, കാരണം അറിവ് അടിസ്ഥാന സിസ്റ്റത്തിന്റെ പ്രധാന ഗുണം അറിവും നിഗമനവും വേർതിരിച്ചിരിക്കുന്നത് എന്നതാണ്, പ്രശ്ന മേഖലയുടെ വിദഗ്ധൻ നിഗമന പ്രക്രിയ വിശദീകരണം അറിഞ്ഞിരിക്കാതെ പോലും നയങ്ങൾ എഴുതാനുള്ള കഴിവ് മലയാളാവശ്യമാണ്.
+* **വിദഗ്ധ സിസ്റ്റം ഷെൽ** ഉപയോഗിച്ച്, അത് അറിവ് പ്രതിനിധാന ഭാഷ ഉപയോഗിച്ച് അറിവ് നൽകാൻ പ്രത്യേകമായി രൂപകൽപ്പന ചെയ്ത ഒരു സിസ്റ്റമാണ്.
-## ✍️ അഭ്യാസം: ജീവി ഇൻഫറൻസ്
+## ✍️ പ്രവൃത്തി: സസ്തനികളുടെ നിഗമനം
-ഫോർവേഡ്, ബാക്ക്വേഡ് ഇൻഫറൻസ് വിദഗ്ധ സിസ്റ്റം നടപ്പിലാക്കാനുള്ള ഉദാഹരണത്തിന് [Animals.ipynb](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/Animals.ipynb) കാണുക.
+മുൻകൂറും പിന്നെയും നിഗമന വിദഗ്ധ സിസ്റ്റം നടപ്പിലാക്കലിന് ഉദാഹരണമായി [Animals.ipynb](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/Animals.ipynb) കാണുക.
-> **കുറിപ്പ്**: ഈ ഉദാഹരണം വളരെ ലളിതമാണ്, വിദഗ്ധ സിസ്റ്റ് എങ്ങനെ കാണപ്പെടുന്നു എന്ന ആശയം നൽകുന്നു. നിങ്ങൾ ഇത്തരമൊരു സിസ്റ്റം സൃഷ്ടിക്കുമ്പോൾ, ഏകദേശം 200+ നിയമങ്ങൾ എത്തുമ്പോഴാണ് അതിൽ നിന്നുള്ള *ബുദ്ധിമുട്ടുള്ള* പെരുമാറ്റം ശ്രദ്ധിക്കാനാകുക. ചിലപ്പോൾ നിയമങ്ങൾ വളരെ സങ്കീർണ്ണമാകുന്നു, എല്ലാം മനസ്സിലാക്കാൻ ബുദ്ധിമുട്ട് ഉണ്ടാക
-- അറിവ് വിവരണത്തിനായി XML അടിസ്ഥാനമാക്കിയുള്ള ഭാഷകളുടെ ഒരു കുടുംബം: RDF (Resource Description Framework), RDFS (RDF Schema), OWL (Ontology Web Language).
+> **കുറിപ്പ്**: ഈ ഉദാഹരണം താരതമ്യേന ലളിതമായതാണ്, ഒരു വിദഗ്ധ സിസ്റ്റം എങ്ങനെയാണ് എന്ന ആശയം മാത്രം നൽകുന്നു. നിങ്ങൾ ഇത്തരമൊരു സിസ്റ്റം സൃഷ്ടിക്കാൻ തുടങ്ങിയാൽ, ഏകദേശം 200+ നയങ്ങൾ ലഭിച്ചതോടെ മാത്രം സിസ്റ്റത്തിൽ നിന്നു ചില *ബുദ്ധിമുട്ടുള്ള* പെരുമാറ്റം കാണാൻ കഴിയും. ഇതുവരെ, നയങ്ങൾ മനസ്സിലാക്കുക ബുദ്ധിമുട്ടുള്ളതിനാൽ, ചിലപ്പോൾ സിസ്റ്റം ചില തീരുമാനങ്ങൾ എങ്ങനെ നടത്തിയതാണെന്ന് ആലോചിക്കാൻ തുടങ്ങും. പക്ഷേ അറിവ്-അടിസ്ഥാന സിസ്റ്റങ്ങളുടെ പ്രധാന പ്രത്യേകത അതാണ്, നിങ്ങൾക്ക് എപ്പോഴും *എങ്ങനെ* ഏതെങ്കിലും തീരുമാനം എടുത്തുവെന്ന് വിശദീകരിക്കാൻ കഴിയുന്നത്.
-സെമാന്റിക് വെബിലെ ഒരു പ്രധാന ആശയം **ഓന്റോളജി** എന്ന ആശയമാണ്. ഇത് ഒരു പ്രശ്ന മേഖലയെ ഔപചാരികമായ അറിവ് പ്രതിനിധാനം ഉപയോഗിച്ച് വ്യക്തമായി നിർവചിക്കുന്നതിനെ സൂചിപ്പിക്കുന്നു. ഏറ്റവും ലളിതമായ ഓന്റോളജി പ്രശ്ന മേഖലയിലെ വസ്തുക്കളുടെ ഒരു ഹയർആർക്കിയാകാം, എന്നാൽ കൂടുതൽ സങ്കീർണ്ണമായ ഓന്റോളജികൾ നിഗമനത്തിന് ഉപയോഗിക്കാവുന്ന നിയമങ്ങളും ഉൾക്കൊള്ളും.
+## ഓന്റോളജികൾ കൂടാതെ സെമാന്റ്റിക് വെബ്
-സെമാന്റിക് വെബിൽ എല്ലാ പ്രതിനിധാനങ്ങളും ട്രിപ്പിളുകളിലാണ് അടിസ്ഥാനമാക്കുന്നത്. ഓരോ വസ്തുവും ഓരോ ബന്ധവും യുണീക്ക് ആയി URI ഉപയോഗിച്ച് തിരിച്ചറിയപ്പെടുന്നു. ഉദാഹരണത്തിന്, ഈ AI പാഠ്യപദ്ധതി 2022 ജനുവരി 1-ന് Dmitry Soshnikov വികസിപ്പിച്ചുവെന്ന് പറയാൻ താഴെ കാണുന്ന ട്രിപ്പിളുകൾ ഉപയോഗിക്കാം:
+20-ആം നൂറ്റാണ്ടിന്റെ അവസാനം, അറിവ് പ്രതിനിധാന ഉപയോഗിച്ച് ഇന്റർനെറ്റ് വിഭവങ്ങളിൽ അടയാളമിടാനുള്ള ഒരു ഇനിഷ്യേറ്റീവ് ഉണ്ടായി, അതിനാൽ വളരെ പ്രത്യേകമായ ക്വേറിയുകൾക്കായി സാമഗ്രികൾ കണ്ടെത്താനാകും. ഈ പ്രക്രിയ **സെമാന്റിക് വെബ്** എന്ന് വിളിച്ചു, അത് താഴെ പറയുന്ന ആശയങ്ങളെ ആശ്രയിച്ചിരുന്നു:
+
+- **[വിവരണാത്മക ലജിക്](https://en.wikipedia.org/wiki/Description_logic)** (DL) അടിസ്ഥാനമാക്കിയുള്ള പ്രത്യേക അറിവ് പ്രതിനിധാന ശൈലി. ഇത് ഫ്രെയിം അറിവ് പ്രതിനിധാനവുമായി സമാനമാണ്, കാരണം അതിൽ വസ്തുക്കളുടെ ഒരു ക്രമങ്ങൾ സ്ഥാപിക്കുന്നു, അനുകൂലവും ഔദ്യോഗിക ലജിക്കൽ ആത്മബ്രാഹ്മണവും നിഗമനവും ഉണ്ട്. DL തലമുറകൾ ഉണ്ട്, അവ പ്രകടകതയും ആൽഗോറിതമാറ്റിയുടെ സങ്കീര്ണ്ണതയും തമ്മിലുള്ള ബാലൻസ് നിലനിര്ത്തുന്നു.
+- വേർതിരിച്ച അറിവ് പ്രതിനിധാനം, എല്ലാ ആശയങ്ങൾ ഗ്ലോബൽ URI തിരിച്ചറിയൽ മുഖേന പ്രതിനിധീകരിക്കുന്നത്, അതിനാൽ ഇന്റർനെറ്റിൽ വ്യാപിച്ചിരിക്കുന്ന അറിവ് ക്രമീകരണങ്ങൾ സൃഷ്ടിക്കാൻ സാധിക്കും.
+- അറിവ് വിവരണത്തിനായുള്ള XML-ആധാരമായ ഭാഷാ കുടുംബം: RDF (Resource Description Framework), RDFS (RDF Schema), OWL (Ontology Web Language).
+
+സെമാന്റിക് വെബിലെ ഒരു മുഖ്യ ആശയം **ഓണ്ടോളജി** എന്ന ആശയമാണ്. അത് ചില ഔപചാരിക അറിവ് പ്രതിനിധാനം ഉപയോഗിച്ച് ഒരു പ്രശ്ന മേഖലയിലെ വ്യക്തമായ സ്പെസിഫിക്കേഷനെയാണ് സൂചിപ്പിക്കുന്നത്. ഏറ്റവും സിമ്പിളായ ഓണ്ടോളജി ഒരു പ്രശ്ന മേഖലയിലെ വസ്തുക്കളുടെ ഹൈറാർക്കി ആയിരിക്കാം, പക്ഷേ കൂടുതൽ സങ്കീര്ണ്ണമായ ഓണ്ടോളജികൾ ഇൻഫെറൻസ് үшін ഉപയോഗിക്കാവുന്ന നിയമങ്ങൾ ഉൾക്കൊള്ളും.
+
+സെമാന്റിക് വെബിൽ, എല്ലാ പ്രതിനിധാനങ്ങളും ട്രിപ്പ്ലറ്റുകളിൽ അടിസ്ഥാനമാക്കപ്പെടുന്നു. ഓരോ വസ്തുവും ഓരോ ബന്ധവും യുണീ കമായ URI-കളാൽ തിരിച്ചറിയപ്പെടുന്നു. ഉദാഹരണത്തിന്, ഈ AI പാഠ്യപദ്ധതി Dmitry Soshnikov 2022 ജനുവരി 1-ന് വികസിപ്പിച്ചിരിക്കുന്നു എന്ന് പറയാൻ, ഉപയോഗിക്കാവുന്ന ട്രിപ്പ്ലറ്റുകൾ ഇതാണ്:
```
-http://github.com/microsoft/ai-for-beginners http://www.example.com/terms/creation-date “Jan 13, 2007”
+http://github.com/microsoft/ai-for-beginners http://www.example.com/terms/creation-date “Jan 1, 2022”
http://github.com/microsoft/ai-for-beginners http://purl.org/dc/elements/1.1/creator http://soshnikov.com
```
-> ✅ ഇവിടെ `http://www.example.com/terms/creation-date` ഉം `http://purl.org/dc/elements/1.1/creator` ഉം *creator* (സൃഷ്ടാവ്) ഉം *creation date* (സൃഷ്ടി തീയതി) ഉം സൂചിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന പ്രശസ്തവും സർവത്ര അംഗീകരിക്കപ്പെട്ട URI കളാണ്.
+> ✅ ഇവിടെ `http://www.example.com/terms/creation-date` ഉം `http://purl.org/dc/elements/1.1/creator` ഉം *creator* ഉം *creation date* ഉം എന്ന ആശയങ്ങൾ വ്യക്തമാക്കാനായി അറിവിന്റെയും സർവവ്യാപകമായി അംഗീകരിക്കപ്പെട്ട URI-കളാണ്.
-കൂടുതൽ സങ്കീർണ്ണമായ സാഹചര്യത്തിൽ, സൃഷ്ടാക്കളുടെ പട്ടിക നിർവചിക്കാൻ RDF ൽ നിർവചിച്ചിട്ടുള്ള ചില ഡാറ്റാ ഘടനകൾ ഉപയോഗിക്കാം.
+കൂടുതൽ സങ്കീർണമായ ഏറ്റവും, സ്രഷ്ടാക്കളുടെയും പട്ടികക്ക് നിർവചിക്കാൻ RDF-ൽ നിർവചിച്ച ചില ഡാറ്റാ ഘടനകൾ ഉപയോഗിക്കാം.
-> മുകളിൽ കാണുന്ന ചിത്രങ്ങൾ [Dmitry Soshnikov](http://soshnikov.com) യുടെതാണ്
+> മുകളിലുള്ള ചാർട്ടുകൾ [Dmitry Soshnikov](http://soshnikov.com) നിർമിച്ചവയാണ്
-സെമാന്റിക് വെബ് നിർമ്മാണം ചിലപ്പോൾ സെർച്ച് എഞ്ചിനുകളും സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ് സാങ്കേതികവിദ്യകളും വിജയിച്ചതുകൊണ്ട് മന്ദഗതിയിലായി, അവ ടെക്സ്റ്റിൽ നിന്ന് ഘടനാപരമായ ഡാറ്റ എടുക്കാൻ സഹായിക്കുന്നു. എങ്കിലും ചില മേഖലകളിൽ ഓന്റോളജികളും അറിവ് അടിസ്ഥാനങ്ങളും പരിപാലിക്കാൻ വലിയ ശ്രമങ്ങൾ തുടരുന്നു. ശ്രദ്ധിക്കാവുന്ന ചില പ്രോജക്ടുകൾ:
+സെമാന്റിക് വെബ് നിർമ്മാണത്തിന്റെ പുരോഗതി തിരയൽ എഞ്ചിനുകളും സ്വാഭാവിക ഭാഷ പ്രോസസ്സിംഗ് സാങ്കേതിക വിദ്യകളും വിജയിച്ചതുകൊണ്ട് കുറച്ചുകൂടി മന്ദഗതിയിലായി. അവ മൂലം ടെക്സ്റ്റിൽ നിന്ന് ഘടിത ഡാറ്റ ഇറക്കിയെടുക്കാൻ സാധിക്കുക. എന്നാൽ ചില മേഖലയ്ക്ക് ഓണ്ടോളജികളും അറിവ് ആധാരങ്ങളും നിലനിര്ത്തുന്നതിന് കാലംകലാപം ഉണ്ട്. ശ്രദ്ധിക്കേണ്ട ചില പ്രോജക്ടുകൾ:
-* [WikiData](https://wikidata.org/) വിക്കിപീഡിയയുമായി ബന്ധപ്പെട്ട യന്ത്രം വായിക്കാൻ കഴിയുന്ന അറിവ് അടിസ്ഥാനങ്ങളുടെ ഒരു ശേഖരമാണ്. ഡാറ്റയുടെ ഭൂരിഭാഗവും വിക്കിപീഡിയയിലെ *InfoBoxes* എന്ന ഘടനാപരമായ ഉള്ളടക്കത്തിൽ നിന്നാണ് ശേഖരിക്കുന്നത്. നിങ്ങൾക്ക് SPARQL എന്ന സെമാന്റിക് വെബിനുള്ള പ്രത്യേക ക്വറി ഭാഷയിൽ [ക്വറി](https://query.wikidata.org/) ചെയ്യാം. മനുഷ്യരിൽ ഏറ്റവും ജനപ്രിയമായ കണ്ണിന്റെ നിറങ്ങൾ കാണിക്കുന്ന ഒരു ഉദാഹരണ ക്വറി ഇതാ:
+* [WikiData](https://wikidata.org/) വിക്കിപീഡിയയ്ക്കൊപ്പം ബന്ധപ്പെടുന്ന യാന്ത്രികമായി വായിക്കാൻ കഴിയുന്ന അറിവ് ആധാരങ്ങളുടെ ശേഖരം ആണ്. വിക്കിപീഡിയയിലെ *InfoBoxes* (വിക്കിപീഡിയ പേജുകളിലെ ഘടിത ഉള്ളടക്ക ഹിന്ദുകള്)യിൽ നിന്നാണ് കൂടുതൽ ഡാറ്റ ശേഖരിക്കുന്നത്. Semantc Web നുള്ള പ്രത്യേക ക്വറി ഭാഷ SPARQL ഉപയോഗിച്ച് നിങ്ങൾക്ക് [query](https://query.wikidata.org/) ചെയ്യാം. മനുഷ്യരിൽ ഏറ്റവും ജനപ്രിയമായ കണ്ണിന്റെ നിറം കാണിക്കുന്ന ഒരു മാദ്ധ്യമ ക്വറി ഇതാ:
```sparql
#defaultView:BubbleChart
@@ -199,51 +206,51 @@ WHERE
GROUP BY ?eyeColorLabel
```
-* [DBpedia](https://www.dbpedia.org/) WikiData പോലെയുള്ള മറ്റൊരു ശ്രമമാണ്.
+* [DBpedia](https://www.dbpedia.org/) WikiData അതിന്റെ സമാനമായ ഒരു ശ്രമമാണ്.
-> ✅ നിങ്ങളുടെ സ്വന്തം ഓന്റോളജികൾ നിർമ്മിക്കാൻ, അല്ലെങ്കിൽ നിലവിലുള്ളവ തുറക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, [Protégé](https://protege.stanford.edu/) എന്ന മികച്ച ദൃശ്യ ഓന്റോളജി എഡിറ്റർ ഉണ്ട്. ഡൗൺലോഡ് ചെയ്യുക അല്ലെങ്കിൽ ഓൺലൈനിൽ ഉപയോഗിക്കുക.
+> ✅ നിങ്ങളുടെ സ്വന്തം ഓണ്ടോളജികൾ നിർമ്മിക്കാനും നിലവിലുള്ളവ തുറക്കാനും വേണ്ടിയുള്ള പ്രയോഗത്തിന്, [Protégé](https://protege.stanford.edu/) എന്ന മികച്ച ദൃശ്യ ഓണ്ടോളജി എഡിറ്റർ ഉണ്ട്. അത് ഡൗൺലോഡ് ചെയ്ത് ഉപയോഗിക്കാം, അല്ലെങ്കിൽ ഓൺലൈനിൽ ഉപയോഗിക്കാം.
-*Web Protégé എഡിറ്റർ റോമാനോവ് കുടുംബ ഓന്റോളജിയുമായി തുറന്നിരിക്കുന്ന ചിത്രം. Dmitry Soshnikov യുടെ സ്ക്രീൻഷോട്ട്*
+*Web Protégé എഡിറ്റർ റോമാനോവ് കുടുംബ ഓണ്ടോളജിയുമായി തുറന്നിരിക്കുന്നു. Dmitry Soshnikov ന്റെ സ്ക്രീൻഷോട്ട്*
-## ✍️ അഭ്യാസം: ഒരു കുടുംബ ഓന്റോളജി
+## ✍️ പരിശീലനം: കുടുംബ ഓണ്ടോളജി
-കുടുംബ ബന്ധങ്ങളെക്കുറിച്ച് നിഗമനം നടത്താൻ സെമാന്റിക് വെബ് സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്ന ഒരു ഉദാഹരണത്തിന് [FamilyOntology.ipynb](https://github.com/Ezana135/AI-For-Beginners/blob/main/lessons/2-Symbolic/FamilyOntology.ipynb) കാണുക. സാധാരണ GEDCOM ഫോർമാറ്റിൽ പ്രതിനിധാനം ചെയ്ത ഒരു കുടുംബ വൃക്ഷവും കുടുംബ ബന്ധങ്ങളുടെ ഓന്റോളജിയും എടുത്ത് നൽകിയ വ്യക്തികളുടെ കുടുംബ ബന്ധങ്ങളുടെ ഗ്രാഫ് നിർമ്മിക്കും.
+കുടുംബ ബന്ധങ്ങളെക്കുറിച്ച് നിരൂപണം നടത്താനുള്ള സെമാന്റിക് വെബ് സാങ്കേതിക വിദ്യകൾ ഉപയോഗിക്കുന്ന ഒരു ഉദാഹരണം കാണാൻ [FamilyOntology.ipynb](https://github.com/Ezana135/AI-For-Beginners/blob/main/lessons/2-Symbolic/FamilyOntology.ipynb) കാണുക. ഒരു പൊതുവായ GEDCOM ഫോർമാറ്റിൽ പ്രതിനിധീകരിച്ച കുടുംബച്ചെടി, കുടുംബ ബന്ധങ്ങളുടെ ഓണ്ടോളജി ഉപയോഗിച്ച് നിശ്ചിത വ്യക്തികളുടെ കുടുംബബന്ധങ്ങളുടെ ഗ്രാഫ് നിർമ്മിക്കും.
## Microsoft Concept Graph
-പലപ്പോഴും ഓന്റോളജികൾ ശ്രദ്ധാപൂർവ്വം കൈയാൽ സൃഷ്ടിക്കപ്പെടുന്നു. എന്നാൽ, സ്വാഭാവിക ഭാഷാ ടെക്സ്റ്റുകളിൽ നിന്ന് പോലുള്ള അസംഘടിത ഡാറ്റയിൽ നിന്ന് ഓന്റോളജികൾ **മൈനിംഗ്** ചെയ്യാനും സാധിക്കും.
+ഏകദേശം എല്ലാവിധ അവസ്ഥകളിലും, ഓണ്ടോളജികൾ കൈവശപ്പെടത്ത് നിർമിക്കപ്പെടുന്നു. എങ്കിലും, ഘടിതമല്ലാത്ത ഡാറ്റയിൽ നിന്ന്, ഉദാഹരണത്തിന് സ്വാഭാവിക ഭാഷ അതിലറിയലുകളിൽ നിന്ന് ഓണ്ടോളജികൾ **ഖനനം** ചെയ്യുക എന്നത് സാധ്യമാണ്.
-ഇത്തരം ഒരു ശ്രമം Microsoft Research നടത്തിയതാണ്, ഫലമായി [Microsoft Concept Graph](https://blogs.microsoft.com/ai/microsoft-researchers-release-graph-that-helps-machines-conceptualize/?WT.mc_id=academic-77998-cacaste) ലഭിച്ചു.
+അങ്ങേ, മൈക്രോസോഫ്റ്റ് റിസർച്ചിന്റെ ഒരു ശ്രമം [Microsoft Concept Graph](https://blogs.microsoft.com/ai/microsoft-researchers-release-graph-that-helps-machines-conceptualize/?WT.mc_id=academic-77998-cacaste) എന്ന പദാര്ത്ഥമായി സഫലമായി.
-ഇത് `is-a` പാരമ്പര്യ ബന്ധം ഉപയോഗിച്ച് കൂട്ടിച്ചേർത്ത വലിയ എന്റിറ്റി ശേഖരമാണ്. "Microsoft എന്താണ്?" എന്ന ചോദ്യത്തിന് "ഒരു കമ്പനി 0.87 സാധ്യതയോടെ, ഒരു ബ്രാൻഡ് 0.75 സാധ്യതയോടെ" എന്നിങ്ങനെ ഉത്തരം നൽകാൻ ഇത് സഹായിക്കുന്നു.
+ഇത് `is-a` അവകാശത്തിനടിയിൽ കൂട്ടത്തിലുള്ള ഘടനയിൽ ഉള്ള സങ്കീർണതകളുടെ വലിയ ശേഖരം ആണ്. "Microsoft എന്താണ്?" എന്നുചോദിക്കുന്നപോൾ, "ഒരു കമ്പനി സാധ്യതാ 0.87 ഉം ബ്രാൻഡ് സാധ്യതാ 0.75 ഉം ഉള്ളതോള്ളാണ്" എന്ന് ഉത്തരമെത്തിക്കാൻ ഇത് സഹായിക്കുന്നു.
-ഗ്രാഫ് REST API ആയി ലഭ്യമാണ്, അല്ലെങ്കിൽ എല്ലാ എന്റിറ്റി ജോഡികളും പട്ടികപ്പെടുത്തിയ വലിയ ഡൗൺലോഡുചെയ്യാവുന്ന ടെക്സ്റ്റ് ഫയലായി ലഭ്യമാണ്.
+ആഗ്രഹിക്കുന്നവർക്ക് ഇത് REST API ആയി ലഭ്യവുമാണ്, അല്ലെങ്കിൽ എല്ലാ ഘടകങ്ങളുടെയും പ്രണാൾ ലിസ്റ്റ് ചെയ്യുന്ന വലിയ ഡൗൺലോഡു ചെയ്യാവുന്ന ടെക്സ്റ്റ് ഫയലായി ലഭ്യവുമാണ്.
-## ✍️ അഭ്യാസം: ഒരു കോൺസെപ്റ്റ് ഗ്രാഫ്
+## ✍️ പരിശീലനം: ഒരു ആശയഗ്രാഫ്
-Microsoft Concept Graph ഉപയോഗിച്ച് വാർത്താ ലേഖനങ്ങളെ വിവിധ വിഭാഗങ്ങളായി ഗ്രൂപ്പുചെയ്യുന്നത് എങ്ങനെ ചെയ്യാമെന്ന് കാണാൻ [MSConceptGraph.ipynb](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/MSConceptGraph.ipynb) നോട്ട്ബുക്ക് പരീക്ഷിക്കുക.
+മൈക്രോസോഫ്റ്റ് ആശയഗ്രാഫ് ഉപയോഗിച്ച് എത്രകൂടുതൽ പത്രകാര്യങ്ങൾ വർഗ്ഗീകരണങ്ങളായി കൂട്ടിച്ചേർക്കാനാകും എന്ന് അറിയാൻ [MSConceptGraph.ipynb](https://github.com/microsoft/AI-For-Beginners/blob/main/lessons/2-Symbolic/MSConceptGraph.ipynb) നോട്ട് ബുക്ക് പരീക്ഷിക്കുക.
## സമാപനം
-ഇന്നത്തെ കാലത്ത്, AI യെ സാധാരണയായി *Machine Learning* അല്ലെങ്കിൽ *Neural Networks* എന്നതിന്റെ സമാനാർത്ഥകമായി കാണുന്നു. എന്നാൽ മനുഷ്യൻ വ്യക്തമായ നിഗമനം പ്രകടിപ്പിക്കുന്നുണ്ട്, ഇത് ഇപ്പോൾ ന്യൂറൽ നെറ്റ്വർക്കുകൾ കൈകാര്യം ചെയ്യാത്ത ഒന്നാണ്. യഥാർത്ഥ ലോക പ്രോജക്ടുകളിൽ, വിശദമായ നിഗമനം വിശദീകരണങ്ങൾ ആവശ്യമായ, അല്ലെങ്കിൽ സിസ്റ്റത്തിന്റെ പെരുമാറ്റം നിയന്ത്രിതമായി മാറ്റേണ്ടതുള്ള പ്രവർത്തനങ്ങൾക്ക് ഇപ്പോഴും ഉപയോഗിക്കുന്നു.
+ഇന്നത്തെ AI *Machine Learning* അല്ലെങ്കിൽ *Neural Networks* ന്റെ പര്യായവാക്യം എന്ന രൂപത്തിൽ സാധാരണ കരുതപ്പെടുന്നു. എന്നാൽ, ഒരു മനുഷ്യനും വ്യക്തമായ നിരൂപണംപ്രകടിപ്പിക്കുന്നു, അതൊരു വിഷയം ഇപ്പോൾ neural networks കൈകാര്യം ചെയ്യുന്നില്ല. യഥാർത്ഥ ലോക പ്രോജക്റ്റുകളിൽ വ്യക്തമായ നിരൂപണം വിശദീകരണങ്ങൾ ആവശ്യമായ ജോലികൾക്കോ, അല്ലെങ്കിൽ സിസ്റ്റത്തിന്റെ പെരുമാറ്റം നിയന്ത്രിതമായി മാറ്റാൻ കഴിവുള്ളവയായി ഇനിയും ഉപയോഗിക്കുന്നു.
## 🚀 വെല്ലുവിളി
-ഈ പാഠവുമായി ബന്ധപ്പെട്ട കുടുംബ ഓന്റോളജി നോട്ട്ബുക്കിൽ, മറ്റ് കുടുംബ ബന്ധങ്ങളുമായി പരീക്ഷണം നടത്താനുള്ള അവസരം ഉണ്ട്. കുടുംബ വൃക്ഷത്തിലെ ആളുകൾക്കിടയിലെ പുതിയ ബന്ധങ്ങൾ കണ്ടെത്താൻ ശ്രമിക്കുക.
+ഈ പാഠത്തിന്റെ ബന്ധപ്പെടുത്തി നൽകിയ കുടുംബ ഓണ്ടോളജി നോട്ട്ബുക്കിൽ, മറ്റ് കുടുംബബന്ധങ്ങൾ പരീക്ഷിക്കാനുള്ള അവസരം ഉണ്ട്. കുടുംബച്ചെടിയിൽ ആളുകൾക്കിടയിലുള്ള പുതിയ ബന്ധങ്ങൾ കണ്ടെത്താൻ ശ്രമിക്കുക.
-## [പാഠാനന്തര ക്വിസ്](https://ff-quizzes.netlify.app/en/ai/quiz/4)
+## [ബോദ്ധികാനന്തര ക്വിസ്](https://ff-quizzes.netlify.app/en/ai/quiz/4)
## അവലോകനം & സ്വയം പഠനം
-മനുഷ്യർ അറിവ് അളക്കാനും കോഡിഫൈ ചെയ്യാനും ശ്രമിച്ച മേഖലകൾ കണ്ടെത്താൻ ഇന്റർനെറ്റിൽ കുറച്ച് ഗവേഷണം നടത്തുക. Bloom's Taxonomy നോക്കുക, മനുഷ്യർ അവരുടെ ലോകത്തെ എങ്ങനെ മനസ്സിലാക്കാൻ ശ്രമിച്ചുവെന്ന് ചരിത്രത്തിലേക്ക് തിരിച്ചു പോകുക. ജീവജാലങ്ങളുടെ ടാക്സോണോമി സൃഷ്ടിക്കാൻ Linnaeus നടത്തിയ പ്രവർത്തനം പരിശോധിക്കുക, രാസഘടകങ്ങളെ വിവരണവും ഗ്രൂപ്പുചെയ്യലും ചെയ്യാൻ Dmitri Mendeleev എങ്ങനെ മാർഗ്ഗം കണ്ടെത്തി എന്ന് കാണുക. മറ്റേതെങ്കിലും രസകരമായ ഉദാഹരണങ്ങൾ നിങ്ങൾക്ക് കണ്ടെത്താമോ?
+മനുഷ്യർ അറിവ് അളക്കാനും കോഡിഫൈ ചെയ്യാനും ശ്രമിച്ച മേഖലകൾ കണ്ടെത്താൻ ഇന്റർനെറ്റിൽ ചില റിസർച്ച് ചെയ്യുക. ബ്ലൂംസ് ടാക്സോണോമി പരിശോധിക്കുക, മനുഷ്യർ അവരുടെ ലോകത്തെ എങ്ങനെ മനസിലാക്കി എന്ന് പഠിക്കാൻ ചരിത്രത്തിലേക്ക് തിരിച്ചു പോവുക. ലിന്നേയിസിന്റെ ജീവജാലങ്ങളുടേയും ടാക്സോണോമി സൃഷ്ടിക്കുന്ന പ്രവർത്തനം അന്വേഷിക്കുക, കൂടാതെ ഡിമിത്രി മെൻഡലീവിന്റെ രാസഘടകങ്ങളുടെ വർഗ്ഗീകരണവും വിശദീകരണവും സൃഷ്ടിച്ചതിന്റെ രീതികൾക്കു ശ്രദ്ധിക്കുക. മറ്റേതെങ്കിലും രസകരമായ ഉദാഹരണങ്ങൾ നിങ്ങൾ കണ്ടെത്താമോ?
-**അസൈൻമെന്റ്**: [ഒരു ഓന്റോളജി നിർമ്മിക്കുക](assignment.md)
+**അസൈൻമെന്റ്**: [ഒരു ഓണ്ടോളജി നിർമ്മിക്കുക](assignment.md)
---
-**അസൂയാപത്രം**:
-ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ വ്യാഖ്യാനക്കേടുകൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.
+**അസൂയവ്**:
+ഈ പ്രമാണം AI ഭാഷാന്തര സേവനം [കോ-ഓപ് ട്രാൻസ്ലേറ്റർ](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. ഞങ്ങൾശുദ്ധമായ വിവർത്തനത്തിനായി ശ്രമിക്കുന്നെങ്കിലും, ഓട്ടോമേറ്റഡ് വിവർത്തനങ്ങളിൽ പിഴവുകൾ അല്ലെങ്കിൽ ആയാസങ്ങൾ ഉണ്ടായേക്കാമെന്ന് ദയവായി മനസിലാക്കുക. യഥാർത്ഥ പ്രമാണം സ്വന്തം സ്വഭാവഭാഷയിൽ ആണ് ഔദ്യോഗിക ഉറവിടം എന്നതിന് പരിഗണിക്കപ്പെടേണ്ടത്. പ്രധാനപ്പെട്ട വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം നിർദ്ദേശിക്കുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകാവുന്ന തർക്കങ്ങളും തെറ്റിദ്ധാരണകളും സംബന്ധിച്ച് ഞങ്ങൾ ഉത്തരവാദിത്വം സ്വീകരിക്കുന്നില്ല.
\ No newline at end of file