AI-For-Beginners/translations/km/AGENTS.md

AGENTS.md

Project Overview

AI សម្រាប់អ្នកចាប់ផ្តើមគឺជាកម្មវិធីសិក្សា 12 សប្ដាហ៍ មានមេរៀន 24 ដែលគ្របដណ្តប់មូលដ្ឋានអំពីបញ្ញាសិប្បនិម្មិត។ ឃ្លាំងសិក្សានេះរួមបញ្ចូលមេរៀនអនុវត្តដោយប្រើ Jupyter Notebooks ការប្រលង និងហLaboratories ដៃគូ។ អំពីវគ្គសិក្សាដូចជា៖

• បញ្ញាសិប្បនិម្មិតសញ្ញា ជាមួយការបង្ហាញចំណេះដឹង និងប្រព័ន្ធអ្នកជំនាញ
• បណ្តាញប្រសាទ និង ការរៀនជម្រៅ ជាមួយ TensorFlow និង PyTorch
• បច្ចេកទេស និងសំណុំរចនាសម្ព័ន្ធមើលឃើញកុំព្យូទ័រ
• ការកែសម្រួលភាសាធម្មជាតិ (NLP) រួមទាំង transformers និង BERT
• ប្រធានបទពិសេស៖ អាល់ហ្គូលិចមហេតុវិជ្ជា, ការរៀនបន្ធុងជំរុញ, ប្រព័ន្ធភ្នាក់ងារច្រើន
• នីតិវិធីផ្នែកបញ្ញាសិប្បនិម្មិត និងគោលការណ៍បញ្ញាសិប្បនិម្មិតយកចិត្តទុកដាក់

បច្ចេកវិជ្ជាសំខាន់ៗ៖ Python 3, Jupyter Notebooks, TensorFlow, PyTorch, Keras, OpenCV, Vue.js (សម្រាប់កម្មវិធីប្រលង)

រចនាសម្ព័ន្ធ៖ ឃ្លាំងមាតិកាសិក្សាដែលមាន Jupyter Notebooks ដាក់លំដាប់តាមប្រធានបទ ជាមួយកម្មវិធីប្រលងសម្រាប់ Vue.js និងការគាំទ្រភាសាច្រើន។

Setup Commands

Primary Development Environment (Python/Jupyter)

វគ្គសិក្សាត្រូវបានរចនាឡើងសម្រាប់រត់ជាមួយ Python និង Jupyter Notebooks។ វិធីសាស្ត្រដែលបានអនុញ្ញាតគឺប្រើ miniconda៖

# បែនការផ្ទុកទិន្នន័យ
git clone https://github.com/microsoft/ai-for-beginners
cd ai-for-beginners

# បង្កើត និងដំណើរការ​បរិយាកាស conda
conda env create --name ai4beg --file environment.yml
conda activate ai4beg

# ចាប់ផ្ដើម Jupyter Notebook
jupyter notebook
# ឬ
jupyter lab

Alternative: Using devcontainer

# បើកនៅក្នុង VS Code ហើយជ្រើស "Reopen in Container" ពេលដែលមានការផ្តល់សំណូមពរ
# devcontainer នឹងរៀបចំបរិយាកាសដោយស្វ័យប្រវត្តិ

Quiz Application Setup

កម្មវិធីប្រលងគឺជា Vue.js app ផ្សេងដែលស្ថិតនៅ etc/quiz-app/៖

cd etc/quiz-app
npm install
npm run serve  # សេវាកម្មអភិវឌ្ឍន៍
npm run build  # ការបង្កើតផលិតកម្ម
npm run lint   # ពិនិត្យ និងជួសជុលកម្មវិធីឯកសារ

Development Workflow

Working with Jupyter Notebooks

1. Local Development:

   • បើកបរិស្ថាន conda៖ conda activate ai4beg
   • ចាប់ផ្តើម Jupyter៖ jupyter notebook ឬ jupyter lab
   • ទៅកាន់ថតមេរៀន និងបើកឯកសារ .ipynb
   • រត់កូដក្នុងកោសិកាវីដេអូដើម្បីតាមដានមេរៀន

2. VS Code with Python Extension:

   • បើកឃ្លាំងមាតិកានៅក្នុង VS Code
   • ដំឡើងផ្នែកបន្ថែម Python
   • VS Code ស្វ័យប្រវត្តិអាចរកឃើញនិងប្រើបរិស្ថាន conda
   • បើកឯកសារ .ipynb ដោយផ្ទាល់ក្នុង VS Code

3. Cloud Development:

   • GitHub Codespaces: ចុច "Code" → "Codespaces" → "Create codespace on main"
   • Binder: ប្រើប៊ាដសម្រាប់ Binder នៅក្នុង README ដើម្បីបើកក្នុងកម្មវិធីទំព័រមេ
   • កំណត់សម្គាល់៖ Binder មានធនធានកំណត់ និងមានការកំណត់ចូលប្រើវេបសាយខ្លះៗ

GPU Support for Advanced Lessons

មេរៀនក្រោយៗមានអត្ថប្រយោជន៍យ៉ាងច្រើនពីការបើកបរជាមួយ GPU៖

• Azure Data Science VM: ប្រើ NC-series VM ដោយមាន GPU
• Azure Machine Learning: ប្រើមុខងារសៀវភៅកំណត់ត្រាជាមួយ GPU
• Google Colab: ផ្ទុកឡើងសៀវភៅកំណត់ត្រាដោយផ្ទាល់ (ផ្តល់ជាមួយ GPU ដោយឥតគិតថ្លៃ)

Quiz App Development

cd etc/quiz-app
npm run serve  # ម៉ាស៊ីនមេអភិវឌ្ឍន៍ដែលផ្ទុកឡើងឡើងវិញយ៉ាងឆាប់រហ័ស​នៅ http://localhost:8080

Testing Instructions

នេះគឺជាឃ្លាំងសិក្សាដែលផ្ដោតលើមាតិកាដល់ការរៀន យ៉ាងហោចណាស់មិនមែនសម្រាប់ការពិនិត្យកម្មវិធីតាមបែបផ្លូវការ។ មិនមានស៊ុមតេស្តបែបបុរាណឡើយ។

Validation Approaches:

1. Jupyter Notebooks: រត់កូដនៅក្នុងកោសិកាតាមលំដាប់ដើម្បីបញ្ជាក់កំហុស
2. Quiz App Testing: ពិនិត្យដោយដៃតាមម៉ាស៊ីនបម្រើអភិវឌ្ឍ
3. Translation Validation: ពិនិត្យមាតិកាប្រែសម្រួលនៅថត translations/
4. Quiz App Linting: npm run lint នៅក្នុង etc/quiz-app/

Running Code Examples:

# បើកបរិបទស៊ើបអង្កេតជាលើកដំបូង
conda activate ai4beg

# រត់ស្គ្រីប Python បន្ដផ្ទាល់
python lessons/4-ComputerVision/07-ConvNets/pytorchcv.py

# ឬអនុវត្តបា្រិយកន្តភ្ជាប់នួស
jupyter notebook lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb

Code Style

Python Code Style

• លំដាប់ Python វិជ្ជាជីវៈសម្រាប់កូដសិក្សា
• កូដច្បាស់លាស់ អាចអានបាន គោរពលើការរៀនជាងការបង្កើតប្រសើរឡើង
• ពណ៌នាច្បាស់លាស់ សម្រាប់មេរៀនដែលមានគោលបំណងបង្រៀន
• សម្របខ្លួនសម្រាប់ Jupyter Notebook៖ កោសិកាគួរតែមានជ្រៅទាំងលក្ខណៈយកខ្លួនឯង
• មិនមានតម្រូវការតឹងរឹងក្នុងការត្រួតពិនិត្យលីនឌីងសម្រាប់មេរៀននេះឡើយ

JavaScript/Vue.js (Quiz App)

• កំណត់ ESLint នៅ etc/quiz-app/package.json
• ដំណើរការ npm run lint ដើម្បីពិនិត្យ និងជួសជុលបញ្ហា
• ប្រើ Vue 2.x
• សំណុំរចនាសម្ព័ន្ធផ្អែកលើគ្រឿងបន្លាស់

File Organization

lessons/
  ├── 0-course-setup/          # Setup instructions
  ├── 1-Intro/                 # Introduction to AI
  ├── 2-Symbolic/              # Symbolic AI
  ├── 3-NeuralNetworks/        # Neural Networks basics
  ├── 4-ComputerVision/        # Computer Vision
  ├── 5-NLP/                   # Natural Language Processing
  ├── 6-Other/                 # Other AI techniques
  ├── 7-Ethics/                # AI Ethics
  └── X-Extras/                # Additional content

etc/
  ├── quiz-app/                # Vue.js quiz application
  └── quiz-src/                # Quiz source files

translations/                  # Multi-language translations

Build and Deployment

Jupyter Content

មិនចាំបាច់មានដំណើរការបង្កើត - Jupyter Notebooks រត់ដោយផ្ទាល់។

Quiz Application

cd etc/quiz-app

# ការអភិវឌ្ឍ
npm run serve

# ការសាងសង់ផលិតកម្ម
npm run build  # ផលបត់ចេញទៅ etc/quiz-app/dist/

# ដាក់បញ្ចូលទៅ Azure Static Web Apps
# Azure បង្កើត workflow GitHub Actions ដោយស្វ័យប្រវត្តិ
# សូមមើល etc/quiz-app/README.md សម្រាប់ការណែនាំលំអិតអំពីការដាក់បញ្ចូល

Documentation Site

ឃ្លាំងនេះប្រើ Docsify សម្រាប់ឯកសារដឹកនាំ៖

• index.html ជាកន្លែងចូល
• មិនចាំបាច់បង្កើត - ផ្តល់ជូនដោយផ្ទាល់តាម GitHub Pages
• ចូលប្រើបានតាម: https://microsoft.github.io/AI-For-Beginners/

Contributing Guidelines

Pull Request Process

1. Title Format: ចំណងជើងច្បាស់លាស់ ពណ៌នាប្រែប្រួល
2. CLA Requirement: ត្រូវចុះហត្ថលេខា Microsoft CLA (ពិនិត្យដោយស្វ័យប្រវត្តិ)
3. Content Guidelines:
   • ការបង្កើតមាតិកាផ្ដោតលើការសិក្សា និងងាយស្រួលសម្រាប់អ្នកចាប់ផ្តើម
   • សាកល្បងគ្រប់ឧទាហរណ៍កូដក្នុងសៀវភៅកំណត់ត្រា
   • ប្រាកដថាសៀវភៅកំណត់ត្រារត់បានពេញលេញ
   • បច្ចប្បន្នភាពការប្រែប្រួលបើមានការផ្លាស់ប្តូរមាតិកាអង់គ្លេស
4. Quiz App Changes: ប្រតិបត្តិ npm run lint មុនធ្វើការប្តូរ

Translation Contributions

• ការប្រែសម្រួលធ្វើដោយស្វ័យប្រវត្តិផ្ដល់ដោយ GitHub Actions ប្រែសម្រួលជា co-op-translator
• ប្រែសម្រួលដោយដៃនៅក្នុងថត translations/<language-code>/
• ប្រែសម្រួលប្រកាន់ប្រលងនៅ etc/quiz-app/src/assets/translations/
• គាំទ្រភាសា 40+ ភាសា (មើល README សម្រាប់បញ្ជីពេញលេញ)

Active Contribution Areas

មើល etc/CONTRIBUTING.md សម្រាប់តម្រូវការចុងក្រោយ៖

• ផ្នែក Deep Reinforcement Learning
• ការកែលម្អស្វែងរកវត្ថុ
• ឧទាហរណ៍ Named Entity Recognition
• គំរូហ្វឹកហាត់ embedding តាមបំណង

Environment Configuration

Required Dependencies

# បណ្ណាល័យ Python មូលដ្ឋាន (ពី requirements.txt)
tensorflow==2.17.0
torch (via conda)
torchvision (via conda)
keras==3.5.0
opencv (via conda)
scikit-learn
numpy==1.26
pandas==2.2.2
matplotlib==3.9
jupyter

Environment Variables

មិនមានអថេរបរិស្ថានពិសេសណាមួយទេ សម្រាប់ការប្រើប្រាស់មូលដ្ឋាន។

សម្រាប់ការដាក់ទុកលើ Azure (កម្មវិធីប្រលង):

• AZURE_STATIC_WEB_APPS_API_TOKEN (កំណត់ដោយស្វ័យប្រវត្តិដោយ Azure)

Debugging and Troubleshooting

Common Issues

Issue: បង្កើតបរិស្ថាន conda បរាជ័យ

• Solution: បន្ទាន់សម័យ conda ជាមុន៖ conda update conda -y
• ប្រាកដថាមានថាសគ្រប់គ្រាន់ (ផ្ដល់អនុសាសន៍ 50GB)

Issue: មិនឃើញកឺណែល Jupyter

• Solution:

  conda activate ai4beg
  python -m ipykernel install --user --name ai4beg
  

Issue: មិនមានការរកឃើញ GPU នៅក្នុងសៀវភៅកំណត់ត្រា

• Solution:
  • ពិនិត្យការដំឡើង CUDA៖ nvidia-smi
  • ពិនិត្យ PyTorch GPU៖ python -c "import torch; print(torch.cuda.is_available())"
  • ពិនិត្យ TensorFlow GPU៖ python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Issue: កម្មវិធីប្រលងមិនចាប់ផ្តើម

• Solution:

  cd etc/quiz-app
  rm -rf node_modules package-lock.json
  npm install
  npm run serve
  

Issue: Binder ពុំចូលរយៈពេលឬហាមឃាត់ការទាញយក

• Solution: ប្រើ GitHub Codespaces ឬដំណើរការក្នុងតំបន់ស្រុកសម្រាប់ចូលប្រើធនធានកាន់តែប្រសើរ

Memory Issues

មេរៀនខ្លះៗត្រូវការមេម៉ូរី RAM ធំ (ផ្ដល់អនុសាសន៍ 8GB+)៖

• ប្រើ VM គ្រប់គ្រាន់នៅពពកសម្រាប់មេរៀនដែលតម្រូវធនធានច្រើន
• បិទកម្មវិធីផ្សេងទៀតពេលហ្វឹកហាត់ម៉ូឌែល
• បន្ថយទំហំដុំក្នុងសៀវភៅកំណត់ត្រាបើផុតមេម៉ូរី

Additional Notes

For Course Instructors

• មើល lessons/0-course-setup/for-teachers.md សម្រាប់ការណែនាំបង្រៀន
• មេរៀនត្រូវបានរចនាឡើងដោយឯករាជ្យ និងអាចបង្រៀនតាមលំដាប់ ឬជ្រើសរើសជាបុគ្គល
• ពេលវេលាប៉ាន់ប្រមាណ៖ 12 សប្ដាហ៍ ជាមួយមេរៀន 2 មេរៀនក្នុងមួយសប្ដាហ៍

Cloud Resources

• Azure សម្រាប់សិស្ស: មានកម្រៃឥតគិតថ្លៃសម្រាប់សិស្ស
• Microsoft Learn: ផ្លូវចេះសិក្សាជាប់គ្នាទាំងនេះ
• Binder: ឥតគិតថ្លៃ ប៉ុន្តែកំណត់ធនធាន និងមានការកំណត់បណ្តាញខ្លះៗ

Code Execution Options

1. Local (Recommended): គ្រប់គ្រងពេញលេញ ប្រសិទ្ធភាពខ្ពស់ មានចំណុច GPU
2. GitHub Codespaces: VS Code នៅពពក ល្អសម្រាប់ចូលរហ័ស
3. Binder: ប្រើ Jupyter នៅម៉ាស៊ីនមេឥតគិតថ្លៃ ប៉ុន្តែកំណត់
4. Azure ML Notebooks: ជម្រើសសហគ្រាសមានសមត្ថភាព GPU
5. Google Colab: ផ្ទុកឯកសារចូលម៉ត់ដោយផ្ទាល់ មានជាន់ GPU ឥតគិតថ្លៃ

Working with Notebooks

• សៀវភៅកំណត់ត្រាត្រូវដំណើរការដោយការ​រត់កោសិកា​តាមលំដាប់​សម្រាប់ការរៀន
• សៀវភៅកំណត់ត្រាភាគច្រើនទាញយកទិន្នន័យពេលដំណើរការដំបូង (អាចចំណាយពេល)
• ម៉ូឌែលខ្លះត្រូវការប្រើ GPU សម្រាប់ពេលហ្វឹកហាត់សមរម្យ
• ប្រើម៉ូឌែលដែលហ្វឹកហាត់រួចជាចម្បងដើម្បីកាត់បន្ថយការប្រើកំណត់គណនាបន្ថែម

Performance Considerations

• មេរៀនមើលឃើញកុំព្យូទ័របន្ទាប់ៗ (CNNs, GANs) មានអត្ថប្រយោជន៍ពី GPU
• មេរៀន NLP ប្រើ transformer អាចតម្រូវ RAM ច្រើន
• ការហ្វឹកហាត់ពីដើមគឺការសិក្សា ប៉ុន្តែចំណាយពេល
• ឧទាហរណ៍រៀនប្រែបន្លាស់ជួយកាត់បន្ថយពេលហ្វឹកហាត់

---

ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ខណៈដែលយើងខិតខំប្រឹងប្រែងឱ្យបានដូចត្រឹមត្រូវ សូមយកចិត្តទុកដាក់ថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬ ការ​ខុស​ឆ្គង។ ឯកសារដើមក្នុងភាសាតំណក់នឹងត្រូវបានចាត់ទុកជាផ្លូវការជាចម្បង។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើការបកប្រែដោយមនុស្សដែលមានជំនាញ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬ ការបកស្រាយខុសឆ្គងណាមួយដែលកើតឡើងពីការប្រើប្រាស់ការបកប្រែនេះ។