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

AGENTS.md

പദ്ധതിയുടെ അവലോകനം

കൃത്രിമ ബുദ്ധിമുട്ടിന്റെ അടിസ്ഥാനതത്വങ്ങളെ ഉൾക്കൊള്ളുന്ന സമഗ്രമായ 12 ആഴ്ച, 24 പാഠപദ്ധതിയായ AI for Beginners. Jupyter നോട്ട്ബുക്കുകൾ, ക്വിസ്, ഹാൻഡ്‌സോൺ ലാബുകൾ എന്നിവ ഉപയോഗിച്ച് പ്രായോഗിക പാഠങ്ങൾ ഉൾക്കൊള്ളുന്ന ഈ വിദ്യാഭ്യാസ റീപ്പോസിറ്ററി. പാഠപദ്ധതി ഉൾക്കൊള്ളുന്നു:

• കൃത്യമായ ബുദ്ധിമുട്ട് (Symbolic AI) ന知识 പ്രതിനിധീകരണവും വിദഗ്ധ സമ്പ്രദായങ്ങളും
• TensorFlow ഉം PyTorch ഉം ഉപയോഗിച്ച് നറുകപ്പെട്ട നെറ്റ്‌വർക്കുകളും ഡീപ് ലേർണിങ്ങും
• കമ്പ്യൂട്ടർ വിഷ്വൽ സാങ്കേതിക വിദ്യകളും ഘടനകളും
• ട്രാൻസ്ഫോർമറുകളും BERT ഉം ഉൾപ്പെടുന്ന പ്രകൃതി ഭാഷാ പ്രോസസ്സിംഗ് (NLP)
• പ്രത്യേക വിഷയങ്ങൾ: ജനിതക ആൽഗോരിതങ്ങൾ, ശക്തീകരണ പഠനം, മൾട്ടി-എജന്റ് സംവിധാനങ്ങൾ
• AI എഥിക്സ്, ഉത്തരവാദിത്വമുള്ള AI സിദ്ധാന്തങ്ങൾ

പ്രധാന സാങ്കേതികവിദ്യകൾ: Python 3, Jupyter നോട്ട്ബുക്കുകൾ, TensorFlow, PyTorch, Keras, OpenCV, Vue.js (ക്വിസ് ആപ്പിന്)

ഘടന: വിഷയംപ്രകാരം ക്രമീകരിച്ച Jupyter നോട്ട്ബുക്കുകളുള്ള വിദ്യാഭ്യാസ ഉള്ളടക്ക റീപ്പോസിറ്ററി, Vue.js അടിസ്ഥാനത്തിലുള്ള ക്വിസ് ആപ്പ്, വ്യാപകമായ ബഹുഭാഷാ പിന്തുണ.

സജ്ജീകരണ കമാൻഡുകൾ

പ്രാഥമിക വികസന പരിപ്രേക്ഷ്യം (Python/Jupyter)

പാഠപദ്ധതി Python ഉം Jupyter നോട്ട്ബുക്കുകളും ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നതിനു രൂപകല്‍പ്പന ചെയ്‌തതാണ്. miniconda ഉപയോഗിക്കുക എന്നതാണ് ശിപാർശ ചെയ്യപ്പെട്ട രീതിയ۔

# റിപ്പോസിറ്ററി ക്ലോൺ ചെയ്യുക
git clone https://github.com/microsoft/ai-for-beginners
cd ai-for-beginners

# കൊണ്ടാ എൻവയോൺമെന്റ് സൃഷ്ടിച്ച് സജീവമാക്കുക
conda env create --name ai4beg --file environment.yml
conda activate ai4beg

# Jupyter നോട്ട്‌ബുക്ക് തുടങ്ങുക
jupyter notebook
# അല്ലെങ്കിൽ
jupyter lab

विकल्प: devcontainer ഉപയോഗിക്കൽ

# VS കോഡിൽ തുറന്ന് പ്രാപ്തനായപ്പോൾ "കൺറ്റെയിനറിൽ പുനർവിടുക" തെരഞ്ഞെടുക്കുക
# ഡെവ്കൺറ്റെയ്നർ സ്വയം പരിസ്ഥിതി സജ്ജമാക്കും

ക്വിസ് ആപ്പ് സജ്ജീകരണം

ക്വിസ് ആപ്പ് സ്വതന്ത്രമായ Vue.js ആപ്പാണ്, etc/quiz-app/ ൽ സ്ഥിതിചെയ്യുന്നു:

cd etc/quiz-app
npm install
npm run serve  # വികസന സർവർ
npm run build  # ഉത്പാദന നിർമ്മാണം
npm run lint   # ലിന്റും ഫയലുകൾ ശരിയാക്കുക

വികസനം വർക്ക്‌ഫ്ലോ

Jupyter നോട്ട്ബുക്കുകളുമായി ജോലി ചെയ്യുക

1. ലോകൽ വികസനം:

   • conda പരിസ്ഥിതി സജീവമാക്കുക: conda activate ai4beg
   • Jupyter ആരംഭിക്കുക: jupyter notebook അല്ലെങ്കിൽ jupyter lab
   • പാഠ ഫോൾഡറുകളിലേക്ക് നീങ്ങുക, .ipynb ഫയലുകൾ തുറക്കുക
   • പാഠങ്ങൾ പിന്തുടരാൻ സെല്ലുകൾ ഇന്ററാക്ടീവായി പ്രവർത്തിപ്പിക്കുക

2. Python എക്സ്റ്റൻഷൻ ഉള്ള VS Code:

   • റീപ്പോസിറ്ററി VS Code ൽ തുറക്കുക
   • Python എക്സ്റ്റൻഷൻ ഇൻസ്റ്റാൾ ചെയ്യുക
   • VS Code സ്വയം conda പരിസ്ഥിതിയെ കണ്ടെത്തുകയും ഉപയോഗിക്കുകയും ചെയ്യും
   • .ipynb ഫയലുകൾ നേരിട്ട് VS Code ൽ തുറക്കുക

3. ക്ലൗഡ് വികസനം:

   • GitHub Codespaces: "Code" → "Codespaces" → "Create codespace on main" ക്ലിക്ക് ചെയ്യുക
   • Binder: READMEയിൽ ഉള്ള Binder ബാഡ്ജ് ഉപയോഗിച്ച് ബ്രൗസറിൽ ആരംഭിക്കുക
   • കുറിപ്പ്: Binder ലിമിറ്റഡ് റിസോഴ്‌സുകളുള്ളതാണ്, ചില വെബ് ആക്‌സസ് നിയന്ത്രണങ്ങളുണ്ട്

ഉയർന്ന പാഠങ്ങൾക്ക് GPU പിന്തുണ

പിന്നീട് പാഠങ്ങൾ GPU അനുഗ്രഹനം വലിയ പിന്തുണയുള്ളതാണ്:

• Azure Data Science VM: GPU പിന്തുണയുള്ള NC-സീരീസ് VMകൾ ഉപയോഗിക്കുക
• Azure Machine Learning: GPU കംപ്യൂട്ടർ പിന്തുണയുള്ള നോട്ട്ബുക്ക് ഫീച്ചറുകൾ ഉപയോഗിക്കുക
• Google Colab: നോട്ട്ബുക്കുകൾ പ്രത്യേകം അപ്‌ലോഡ് ചെയ്യുക ( സൗജന്യ GPU പിന്തുണയുണ്ട് )

ക്വിസ് ആപ്പ് വികസനം

cd etc/quiz-app
npm run serve  # http://localhost:8080-ലുള്ള ഹോട്ട്-റിലോഡ് വികസന സർവർ

പരിശോധനാനിർദ്ദേശങ്ങൾ

സോഫ്റ്റ്വെയർ പരിശോധന ചിലവുകൾക്കല്ല, ഇത് ഒരു വിദ്യാഭ്യാസ റീപ്പോസിറ്ററിയാണ്. പരമ്പരാഗത ടെസ്റ്റ് സ്യൂട്ട് ഇല്ല.

സാധൂകരിക്കൽ സമീപനങ്ങൾ:

1. Jupyter നോട്ട്ബുക്കുകൾ: കോഡ് ഉദാഹരണങ്ങൾ പാടുപെടാതെ പ്രവർത്തിക്കുന്നത് പരിശോധിക്കാൻ സെല്ലുകൾ നിരപരാധിത്വത്തിൽ പ്രവർത്തിപ്പിക്കുക
2. ക്വിസ് ആപ്പ് പരിശോധന: വികസന സർവറിലൂടെ കൈകാര്യം ചെയ്ത പരിശോധന
3. മൂല്യനിർണയ പരിശോധന: translations/ ഫോൾഡറിലുള്ള പരിഭാഷകൾ പരിശോധിക്കുക
4. ക്വിസ് ആപ്പ് ലിന്റിംഗ്: etc/quiz-app/ ൽ npm run lint നടത്തുക

കോഡ് ഉദാഹരണങ്ങൾ പ്രവർത്തിപ്പിക്കൽ:

# പരിസ്ഥിതി ആദ്യം പ്രാപ്തമാക്കുക
conda activate ai4beg

# പൈത്തൺ സ്ക്രിപ്റ്റുകൾ നേരിട്ട് 실행ിക്കുക
python lessons/4-ComputerVision/07-ConvNets/pytorchcv.py

# അല്ലെങ്കിൽ നോട്ട്‌ബുക്കുകൾ പ്രവർത്തിപ്പിക്കുക
jupyter notebook lessons/3-NeuralNetworks/03-Perceptron/Perceptron.ipynb

കോഡ് ശൈലി

Python കോഡ് ശൈലി

• വിദ്യാഭ്യാസ കോഡിനുള്ള സ്റ്റാൻഡേർഡ് Python രീതികൾ പാലിക്കുക
• പഠനാനുകൂലമായി വ്യക്തമായി വായിക്കാവുന്ന കോഡ്, ഒപ്റ്റിമൈസേഷനിൽ മുൻഗണന നൽകാതെ
• പ്രധാന ആശയങ്ങൾ വിശദീകരിക്കുന്ന കുറിപ്പുകൾ
• Jupyter നോട്ട്ബുക്ക് സൗഹൃദം: സെല്ലുകൾ സ്വയംപര്യാപ്തവുമായ മുഖ്യങ്ങള്‍ ആയിരിക്കണം
• പാഠപദ്ധതി ഉള്ളടക്കത്തിന് കർശനമായ ലിന്റിംഗ് സ്വഭാവമില്ല

JavaScript/Vue.js (ക്വിസ് ആപ്പ്)

• etc/quiz-app/package.json ൽ ESLint ക്രമീകരണം
• പ്രശ്നങ്ങൾ പരിശോധിക്കാൻ, സ്വയം പരിഹരിക്കാൻ npm run lint പ്രവർത്തിപ്പിക്കുക
• Vue 2.x പാരമ്പര്യം
• ഘടക ആധാരിത ഘടന

ഫയൽ ക്രമീകരണം

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

നിർമ്മാണം, വിന്യാസം

Jupyter ഉള്ളടക്കം

നിർമാണ പ്രക്രിയ വേണ്ട - Jupyter നോട്ട്ബുക്കുകൾ നേരിട്ട് പ്രവർത്തിക്കുന്നു.

ക്വിസ് ആപ്പ്

cd etc/quiz-app

# വികസനം
npm run serve

# ഉത്പാദന ബിൽഡ്
npm run build  # etc/quiz-app/dist/ ലേക്ക് പുറത്തുവിടുന്നു

# Azure Static Web Apps-ലേക്ക് വിന്യസിക്കുക
# Azure സ്വയം GitHub Actions പ്രവൃത്തി പ്രക്രിയ സൃഷ്ടിക്കുന്നു
# വിന്യസന വിശദീകരണങ്ങൾക്ക് etc/quiz-app/README.md കാണുക

ഡോക്യുമെന്റേഷൻ സൈറ്റ്

ഡോക്സിഫൈ ഉപയോഗിച്ച് റീപ്പോസിറ്ററി ഡോക്യുമെന്റേഷൻ സേവനം ചെയ്യുന്നു:

• index.html എൻട്രി പോയിന്റ് ആയി പ്രവർത്തിക്കുന്നു
• നിർമ്മാണം ആവശ്യമില്ല - GitHub Pages വഴി നേരിട്ട് സേവനം ചെയ്യുന്നു
• ആക്‌സസ് ചെയ്യാം: https://microsoft.github.io/AI-For-Beginners/

സംഭാവന മാർഗ്ഗനിർദേശങ്ങൾ

പുൾ റിക്വസ്റ്റ് പ്രക്രിയ

1. തലക്കെട്ട് രൂപം: മാറ്റം വ്യക്തമാക്കുന്ന വ്യക്തമായ, വിവരണാത്മക തലക്കെട്ടുകൾ
2. CLA ആവശ്യകത: Microsoft CLA ഒപ്പിടൽ (സ്വയംകർത്തമായ പരിശോധന)
3. ഉള്ളടക്ക മാർഗ്ഗരേഖകൾ:
   • വിദ്യാഭ്യാസ കേന്ദ്രീകരിക്കുകയും ആരംഭക_mac_opt അടിയും നിലനിർത്തുക
   • നോട്ട്ബുക്കുകളിൽ ഉള്ള കോഡ് ഉദാഹരണങ്ങൾ എല്ലാം ടെസ്റ്റ് ചെയ്യുക
   • നോട്ട്ബുക്കുകൾ തുടങ്ങി അവസാനംവരെ പ്രവർത്തിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുക
   • ഇംഗ്ലീഷ് ഉള്ളടക്കം മാറ്റിയാൽ വിവർത്തനങ്ങൾ അപ്‌ഡേറ്റ് ചെയ്യുക
4. ക്വിസ് ആപ്പ് മാറ്റങ്ങൾ: കമ്മിറ്റ്‌ ചെയ്യുന്നതിന് മുമ്പ് npm run lint നടത്തുക

വിവർത്തന സംഭാവനകൾ

• GitHub Actions ഉപയോഗിച്ച് co-op-translator വഴി ആസ്വയിച്ച വിവർത്തനങ്ങൾ
• മാനുവൽ വിവർത്തനങ്ങൾ translations/<language-code>/ ൽ
• ക്വിസ് വിവർത്തനങ്ങൾ etc/quiz-app/src/assets/translations/ ൽ
• പിന്തുണയുള്ള ഭാഷകൾ: 40+ (പൂർണ്ണ പട്ടികക്ക് README നോക്കുക)

സജീവ സംഭാവന മേഖലകൾ

ഇപ്പോഴത്തെ ആവശ്യമുകൾക്കായി etc/CONTRIBUTING.md കാണുക:

• ഡീപ് ശക്തീകരണ പഠനം എന്നിവ
• വസ്തു തിരിച്ചറിവ് മെച്ചപ്പെടുത്തലുകൾ
• നാമപ്പെടുത്തിയ സങ്കേത തിരിച്ചറിവ് ഉദാഹരണങ്ങൾ
• കസ്റ്റം എംബെഡ്ഡിംഗ് പരിശീലന സാമ്പിളുകൾ

പരിസ്ഥിതി കോൺഫിഗറേഷൻ

ആവശ്യമായ ഡിപ്പെൻഡൻസികൾ

# മുകളിൽ ആവശ്യമായ പാക്കേജുകൾ (requirements.txt) നിന്നും കോർ പൈത്തൺ പാക്കേജുകൾ
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

പരിസ്ഥിതി വേരിയബിൾസ്

അടിസ്ഥാന ഉപയോഗത്തിനായി പ്രത്യേക പരിസ്ഥിതി വേരിയബിൾസ് ആവശ്യമില്ല.

Azure വിന്യാസങ്ങൾക്ക് (ക്വിസ് ആപ്പ്):

• AZURE_STATIC_WEB_APPS_API_TOKEN (Azure സ്വയം സജ്ജമാക്കുന്നു)

ഡീബഗ്ഗിംഗ്, പ്രശ്ന പരിഹാരം

പൊതു പ്രശ്നങ്ങൾ

പ്രശ്നം: Conda പരിസ്ഥിതി സൃഷ്ടി പരാജയമാണ്

• പരിഹാരം: ആദ്യം conda അപ്‌ഡേറ്റ് ചെയ്യുക: conda update conda -y
• മതിയായ ഡ്രൈവ് സ്പേസ് ഉറപ്പാക്കുക (50GB ശുപാർശ)

പ്രശ്നം: Jupyter കർണൽ കണ്ടെത്താനാകുന്നില്ല

• പരിഹാരം:

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

പ്രശ്നം: നോട്ട്ബുക്കുകളിൽ GPU കണ്ടെത്താനാകുന്നില്ല

• പരിഹാരം:
  • CUDA ഇൻസ്റ്റാൾ ചെയ്തിരിക്കുന്നുവോ പരിശോധിക്കുക: nvidia-smi
  • PyTorch GPU അഡപ്‌ട്ടർ പരിശോധന: python -c "import torch; print(torch.cuda.is_available())"
  • TensorFlow GPU പരിശോധിക്കൽ: python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

പ്രശ്നം: ക്വിസ് ആപ്പ് ആരംഭിക്കുന്നില്ല

• പരിഹാരം:

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

പ്രശ്നം: Binder സമയം പാർത്തുകൂടി അല്ലെങ്കിൽ ഡൗൺലോഡുകൾ തടയുന്നു

• പരിഹാരം: മികച്ച റിസോഴ്‌സ് ആക്‌സസിനായി GitHub Codespaces അല്ലെങ്കിൽ ലോകൽ സജ്ജീകരണം ഉപയോഗിക്കുക

മെമ്മറി പ്രശ്നങ്ങൾ

ചില പാഠങ്ങൾക്ക് വലിയ റാം ആവശ്യമുണ്ട് (കുറഞ്ഞത് 8GB ശുപാർശ ചെയ്യുന്നു):

• പ്രയാസമേറിയ പാഠങ്ങൾക്ക് ക്ലൗഡ് VMകൾ ഉപയോഗിക്കുക
• മോഡൽ ട്രെയ്‌നിംഗ് സമയത്ത് മറ്റ് ആപ്പുകൾ അടയ്ക്കുക
• മെമ്മറി പൂർണ്ണമായാൽ നോട്ട്ബുക്കുകളിൽ ബാച്ച് വലുപ്പം കുറക്കുക

അധിക കുറിപ്പുകൾ

പാഠം പകർന്നടുക്കുന്ന അധ്യാപകർക്ക്

• പഠന മാർഗ്ഗനിർദേശങ്ങൾക്ക് lessons/0-course-setup/for-teachers.md കാണുക
• പാഠങ്ങൾ സ്വയംപര്യാപ്തവായും പരമ്പരയായി പഠിപ്പിക്കാവുന്നതുമായും ആണ്
• കാൽപ്പനിക സമയം: 12 ആഴ്ച, ആഴ്ചയ്ക്ക് 2 പാഠങ്ങൾ

ക്ലൗഡ് റിസോഴ്‌സുകൾ

• വിദ്യാർത്ഥികൾക്കായി Azure: ഫ്രീ ക്രെഡിറ്റുകൾ ലഭ്യമാണ്
• Microsoft Learn: ബഹുഭാഷാ പഠനപാതകളും ബന്ധിപ്പിച്ചിട്ടുള്ളത്
• Binder: സൗജന്യമാണ്, പക്ഷേ ചില സർക്കാർ നിയന്ത്രണങ്ങളിലും പരിധികളിലും

കോഡ് എക്സിക്യൂഷൻ ഓപ്ഷനുകൾ

1. ലോകൽ (ശിപാർശ): പൂർണ്ണ നിയന്ത്രണം, മികച്ച പ്രകടനം, GPU പിന്തുണ
2. GitHub Codespaces: ക്ലൗഡ് അടിസ്ഥാനമാക്കിയുള്ള VS കോഡ്, പെട്ടെന്ന് ആക്‌സസിനായി നല്ലത്
3. Binder: ബ്രൗസർ അടിസ്ഥാനമാക്കി Jupyter, സൗജന്യമാണ്, പക്ഷേ പരിമിതിയായ
4. Azure ML നോട്ട്ബുക്കുകൾ: GPU പിന്തുണയോടെ എന്റർപ്രൈസ് ഓപ്ഷൻ
5. Google Colab: നോട്ട്ബുക്കുകൾ ഒറ്റത്തവണ അപ്‌ലോഡ് ചെയ്യുക, സൗജന്യ GPU തരം ലഭ്യമാണ്

നോട്ട്ബുക്കുകളുമായി ജോലി ചെയ്യൽ

• പഠനത്തിനായി സെല്ലിനടിയായി നോട്ട്ബുക്കുകൾ പ്രവർത്തിക്കാൻ രൂപകല്‍പ്പന ചെയ്‌തതാണ്
• ആദ്യ പ്രവർത്തനത്തിൽ പല നോട്ട്ബുക്കുകളും ഡാറ്റാസെറ്റുകൾ ഡൗൺലോഡ് ചെയ്യുന്നു (സമയം വേണ്ടാം)
• ചില മോഡലുകൾ യുക്തിപരമായ പരിശീലന സമയത്തിനായി GPU ആവശ്യമാണ്
• കംപ്യൂട്ട് ആവശ്യകത കുറയ്ക്കാൻ മുൻകൂട്ടി പരിശീലിച്ച മോഡലുകൾ ഉപയോഗിക്കുന്നു

പ്രകടന പരിഗണനകൾ

• പിന്നീട് കമ്പ്യൂട്ടർ വിഷ്വൻ പാഠങ്ങൾ (CNN, GAN) GPU ഉപയോ​ഗിച്ച് മെച്ചപ്പെടുത്തുന്നു
• NLP ട്രാൻസ്ഫോർമർ പാഠങ്ങൾക്ക് വലിയ RAM ആവശ്യമാകും
• അടിസ്ഥാനത്തിൽ നിന്ന് പരിശീലനം സമയം കൂടുതലാണ്, എന്നാൽ പഠനപരമായതാണ്
• ട്രാൻസ്ഫർ പഠന ഉദാഹരണങ്ങൾ പരിശീലന സമയം കുറഞ്ഞു

---

അറിയിപ്പ്: ഈ രേഖ AI പരിഭാഷാ സേവനം Co-op Translator ഉപയോഗിച്ച് പരിഭാഷപ്പെടുത്തിയതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി ശ്രമിക്കുന്നുവെങ്കിലും, ഓട്ടോമേറ്റഡ് പരിഭാഷകളിൽ പിഴവുകൾ അല്ലെങ്കിൽ തെറ്റായ വിവരങ്ങൾ ഉണ്ടാകാൻ സാധ്യതയുണ്ട്. അതിന്റെ സ്വാഭാവിക ഭാഷയിലുള്ള അസൽ രേഖയാണ് പ്രാമാണികമായ ഉറവിടമായി പരിഗണിക്കേണ്ടത്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ പരിഭാഷ ശുപാർശ ചെയ്യുന്നു. ഈ പരിഭാഷ ഉപയോഗിച്ച് ഉണ്ടാകുന്ന തെറ്റിദ്ധാരണകൾ അല്ലെങ്കിൽ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കായി ഞങ്ങൾ ഉത്തരവാദികളല്ല.