# ಸ್ಕಿಪ್-ಗ್ರಾಮ್ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡುವುದು [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) ನಿಂದ ಪ್ರಯೋಗಾಲಯದ ಕಾರ್ಯ. ## ಕಾರ್ಯ ಈ ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ, ನೀವು ಸ್ಕಿಪ್-ಗ್ರಾಮ್ ತಂತ್ರವನ್ನು ಬಳಸಿ Word2Vec ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡಲು ಸವಾಲು ನೀಡಲಾಗುತ್ತದೆ. $N$-ಟೋಕನ್-ವಿಸ್ತೃತ ಸ್ಕಿಪ್-ಗ್ರಾಮ್ ವಿಂಡೋದಲ್ಲಿ ಹತ್ತಿರದ ಪದಗಳನ್ನು ಊಹಿಸಲು ಎम्बೆಡ್ಡಿಂಗ್ ಹೊಂದಿರುವ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ತರಬೇತಿ ಮಾಡಿ. ನೀವು [ಈ ಪಾಠದ ಕೋಡ್](../CBoW-TF.ipynb) ಅನ್ನು ಬಳಸಬಹುದು ಮತ್ತು ಸ್ವಲ್ಪ ಬದಲಾವಣೆ ಮಾಡಬಹುದು. ## ಡೇಟಾಸೆಟ್ ನೀವು ಯಾವುದೇ ಪುಸ್ತಕವನ್ನು ಬಳಸಬಹುದು. ನೀವು [Project Gutenberg](https://www.gutenberg.org/) ನಲ್ಲಿ ಅನೇಕ ಉಚಿತ ಪಠ್ಯಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು, ಉದಾಹರಣೆಗೆ, ಇಲ್ಲಿ ಲೂಯಿಸ್ ಕ್ಯಾರೋಲ್ ಅವರ [Alice's Adventures in Wonderland](https://www.gutenberg.org/files/11/11-0.txt) ಗೆ ನೇರ ಲಿಂಕ್ ಇದೆ. ಅಥವಾ, ನೀವು ಶೇಕ್ಸ್ಪಿಯರ್ ನ ನಾಟಕಗಳನ್ನು ಬಳಸಬಹುದು, ಅವುಗಳನ್ನು ಕೆಳಗಿನ ಕೋಡ್ ಬಳಸಿ ಪಡೆಯಬಹುದು: ```python path_to_file = tf.keras.utils.get_file( 'shakespeare.txt', 'https://storage.googleapis.com/download.tensorflow.org/data/shakespeare.txt') text = open(path_to_file, 'rb').read().decode(encoding='utf-8') ``` ## ಅನ್ವೇಷಿಸಿ! ನಿಮಗೆ ಸಮಯವಿದ್ದರೆ ಮತ್ತು ವಿಷಯದಲ್ಲಿ ಇನ್ನಷ್ಟು ಆಳವಾಗಿ ತಿಳಿದುಕೊಳ್ಳಲು ಇಚ್ಛಿಸಿದರೆ, ಕೆಲವು ವಿಷಯಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಪ್ರಯತ್ನಿಸಿ: * ಎम्बೆಡ್ಡಿಂಗ್ ಗಾತ್ರ ಫಲಿತಾಂಶಗಳನ್ನು ಹೇಗೆ ಪ್ರಭಾವಿಸುತ್ತದೆ? * ವಿಭಿನ್ನ ಪಠ್ಯ ಶೈಲಿಗಳು ಫಲಿತಾಂಶವನ್ನು ಹೇಗೆ ಪ್ರಭಾವಿಸುತ್ತವೆ? * ಬಹು ವಿಭಿನ್ನ ಪದಗಳ ಮತ್ತು ಅವುಗಳ ಸಮಾನಾರ್ಥಕ ಪದಗಳ ವಕ್ಟರ್ ಪ್ರತಿನಿಧಿಗಳನ್ನು ಪಡೆದು, PCA ಬಳಸಿ ಆಯಾಮಗಳನ್ನು 2ಕ್ಕೆ ಕಡಿಮೆ ಮಾಡಿ, ಅವುಗಳನ್ನು 2D ಸ್ಥಳದಲ್ಲಿ ಚಿತ್ರಿಸಿ. ನೀವು ಯಾವುದೇ ಮಾದರಿಗಳನ್ನು ನೋಡುತ್ತೀರಾ? --- **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. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಅಥವಾ ತಪ್ಪು ವಿವರಣೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗುವುದಿಲ್ಲ.