ಈ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಬಳಸಲು ಈ ಹಾದಿಗಳನ್ನು ಅನುಸರಿಸಿ:
- ರಿಪೊಸಿಟೋರಿಯನ್ನು ಫಾರ್ಕ್ ಮಾಡಿ: ಕ್ಲಿಕ್ ಮಾಡಿ
- ರಿಪೊಸಿಟೋರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ:
git clone https://github.com/microsoft/edgeai-for-beginners.git - Azure AI Foundry Discord ಗೆ ಸೇರಿ, ತಜ್ಞರು ಮತ್ತು ಸಹ ಡೆವಲಪರ್ಗಳೊಂದಿಗೆ ಭೇಟಿ ಮಾಡಿ
ಅರೇಬಿಕ್ | ಬಂಗಾಳಿ | ಬಲ್ಗೇರಿಯನ್ | ಬರ್ಮೀಸ್ (ಮ್ಯಾನ್ಮರ್) | ಚೈನೀಸ್ (ಸರಳೀಕೃತ) | ಚೈನೀಸ್ (ಪರಂಪರಾ, ಹಾಂಗ್ ಕಾಂಗ್) | ಚೈನೀಸ್ (ಪರಂಪರಾ, ಮಕಾವು) | ಚೈನೀಸ್ (ಪರಂಪರಾ, ತೈವಾನ್) | ಕ್ರೊಯೇಟಿಯನ್ | ಚೆಕ್ | ಡೆನಿಶ್ | ಡಚ್ | ಎಸ್ಟೋನಿಯನ್ | ಫಿನ್ನಿಶ್ | ಫ್ರೆಂಚ್ | ಜರ್ಮನ್ | ಗ್ರೀಕ್ | ಹೀಬ್ರೂ | ಹಿಂದಿ | ಹಂಗೇರಿಯನ್ | ಇಂಡೋನೇಶಿಯನ್ | ಇಟಾಲಿಯನ್ | ಜಪಾನೀ | ಕನ್ನಡ | ಕೊರಿಯನ್ | ಲಿಥುಯಾನಿಯನ್ | ಮಲಯ್ | ಮಲಯಾಳಂ | ಮರಾಠಿ | ನೇಪಾಳಿ | ನೈಜೀರಿಯನ್ ಪಿಹಿಡ್ಜಿನ್ | ನಾರ್ವೀಜಿಯನ್ | ಪರ್ಷಿಯನ್ (ಫಾರ್ಸಿ) | ಪೋಲಿಷ್ | ಪೋರ್ಚುಗೀಸ್ (ಬ್ರೆಜಿಲ್) | ಪೋರ್ಚುಗೀಸ್ (ಪೋರ್ಚುಗಲ್) | ಪಂಜಾಬಿ (ಗುರ್ಮುಖಿ) | ರೊಮೇನಿಯನ್ | ರಷ್ಯನ್ | ಸರ್ಬಿಯನ್ (ಸಿರಿಲಿಕ್) | ಸ್ಲೋವಾಕ್ | ಸ್ಲೋವೇನಿಯನ್ | ಸ್ಪಾನಿಷ್ | ಸ್ವಾಹಿಲಿ | ಸ್ವೀಡಿಷ್ | ಟಾಗಾಲೋಗ್ಯ್ (ಫಿಲಿಪಿನೋ) | ತಮಿಳು | ತೆಲುಗು | ಥಾಯಿ | ಟರ್ಕಿಷ್ | ಉಕ್ರೇನಿಯನ್ | ಉர್ದು | ವಿಯೆಟ್ನಾಮೀಸ್
ಸ್ಥಳೀಯವಾಗಿ ಕ್ಲೋನ್ ಮಾಡಬೇಕೆಂದು ಇಚ್ಛಿಸುತ್ತೀರಾ?
ಈ ರಿಪೊಸಿಟೊರಿ 50ಕ್ಕಿಂತಲೂ ಹೆಚ್ಚು ಭಾಷಾ ಅನುವಾದಗಳನ್ನು ಹೊಂದಿದ್ದು, ಇದು ಡೌನ್ಲೋಡ್ ಗಾತ್ರವನ್ನು ಗಣನೀಯವಾಗಿ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಅನುವಾದಗಳಿಲ್ಲದೆ ಕ್ಲೋನ್ ಮಾಡಲು, ಸ್ಪಾರ್ಸಿ ಔಟ್ಚೆಕ್ ಬಳಸಿ:
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git cd edgeai-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'ಇದು ಕೋರ್ಸ್ ಅನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ನಿಮಗೆ ಬೇಕಾಗಿರುವ ಎಲ್ಲಾ ವಸ್ತುಗಳು ಅತ್ಯಂತ ವೇಗವಾಗಿ ಡೌನ್ಲೋಡ್ ಆಗುತ್ತವೆ.
ನೀವು ಹೆಚ್ಚುವರಿ ಅನುವಾದ ಭಾಷೆಗಳ ಬೆಂಬಲವನ್ನು ಇಚ್ಛಿಸಿದರೆ, ಅವುಗಳನ್ನು ಇಲ್ಲಿ ಪಟ್ಟಿಮಾಡಲಾಗಿದೆ
ಎಡ್ಜ್ಎಐ ಫಾರ್-BEGINNERS ಗೆ ಸ್ವಾಗತ – ಎಡ್ಜ್ ಕೃತಕ ಬುದ್ಧಿವಂತರ ಲೋಕವನ್ನು ಆಳವಾಗಿ ಅರಿತುಕೊಳ್ಳಲು ನಿಮ್ಮ ಸಮಗ್ರ ಪ್ರಯಾಣ. ಈ ಕೋರ್ಸ್ ಶಕ್ತಿಶಾಲಿ AI ಸಾಮರ್ಥ್ಯಗಳು ಮತ್ತು ಎಡ್ಜ್ ಸಾಧನಗಳಲ್ಲಿ ಪ್ರಾಯೋಗಿಕ, ನೈಋತಿಕ ಜಾರಿಗೆ ನಡುವಿನ ಗಡಿಯ ರೇಖೆಯನ್ನು ಒಗ್ಗಟ್ಟಾಗಿಸುತ್ತದೆ, ಮತ್ತು ಡೇಟಾ ಉತ್ಪನ್ನವಾಗುವ ಮತ್ತು ನಿರ್ಣಯಗಳು ಬೇಕಾಗುವ ಸ್ಥಳದಲ್ಲಿ ನೇರವಾಗಿ AI ಶಕ್ತಿ ಉಪಯೋಗಿಸಲು ಅವಕಾಶ ನೀಡಿ ನಿಮ್ಮನ್ನು ಸಶಕ್ತಗೊಳಿಸುತ್ತದೆ.
ಈ ಕೋರ್ಸ್ ಮೂಲಭೂತ ತತ್ತ್ವಗಳಿಂದ ನಿರ್ಮಾಣವೊಂದಿಗಿನ ಜಾರಿಗೆ ಮತ್ತು ಉತ್ಪಾದನಾ ಸಿದ್ಧ ಜಾರಿಗೆ ನಿಮ್ಮನ್ನು ತೆಗೆದುಕೊಂಡು ಹೋಗುತ್ತದೆ, ಒಳಗೊಂಡಿರುವವು:
- ಸಣ್ಣ ಭಾಷಾ ಮಾದರಿಗಳು (SLMs) ಎಡ್ಜ್ ಜಾರಿಗೆ ಉತ್ತಮಗೊಳಿಸಲಾಗಿವೆ
- ಹಾರ್ಡ್ವೇರ್ ಜಾಗೃತಿ ಹೊಂದಿದ ಆಪ್ಟಿಮೈಜೇಶನ್ ವಿಭಿನ್ನ ವೇದಿಕೆಗಳಲ್ಲಿ
- ಪ್ರತಿಶ್ರುತಿ ಸಮಯದಲ್ಲಿ ನಿರ್ಣಯ ಗೌಪ್ಯತೆ ರಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯಗಳೊಂದಿಗೆ
- ಉತ್ಪಾದನಾ ಜಾರಿಗೆ ಕಾರ್ಪೊರೇಟ್ ಅನ್ವಯಗಳಿಗೆ ತಂತ್ರಗಳು
ಎಡ್ಜ್ AI ಯು ಪ್ರಮುಖ ಆಧುನಿಕ ಸವಾಲುಗಳನ್ನು ಪರಿಹರಿಸುವ ಪರಂಪರೆಯ ಪರಿವರ್ತನೆಗೆ ಸೂಚಿಸುತ್ತದೆ:
- ಗೌಪ್ಯತೆ ಮತ್ತು ಸುರಕ್ಷತೆ: ಸಮೀಪದ ಡೇಟಾ ಸಂಸ್ಕರಣೆ ಮಾಡಿ ಕ್ಲೌಡ್ ಮೂಲಕ ಹೊರಬರದೆ ಪ್ರಕ್ರಿಯೆ ಮಾಡಿ
- ನೇರ ಸಮಯದ ಕಾರ್ಯಕ್ಷಮತೆ: ಸಮಯ-ಸಂವೇದನಶೀಲ ಅನ್ವಯಗಳಿಗೆ ಜಾಲತಾಣ ವಿಳಂಬವನ್ನು ನಿವಾರಿಸಿ
- ಖರ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ: ಬ್ಯಾಂಡ್ವಿಡ್ತ್ ಮತ್ತು ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ
- ದೃಢ ಕಾರ್ಯಾಚರಣೆಗಳು: ಜಾಲತಾಣ ಸಂಪರ್ಕ ತಪ್ಪಿದಾಗಲೂ ಚಟುವಟಿಕೆ ನಿರ್ವಹಣೆ
- ನಿಯಂತ್ರಣ ಅನುಕೂಲತೆ: ಡೇಟಾ ಸೀಮಾಪನೆಗೆ ಅನುಗುಣವಾಗಿ ಪಾಲನೆ ಮಾಡುವುದು
ಎಡ್ಜ್ AI ಅಂದರೆ AI ಆಲ್ಗೋರಿಥಮ್ಗಳು ಮತ್ತು ಭಾಷಾ ಮಾದರಿಗಳನ್ನು ಹಾರ್ಡ್ವೇರ್ನಲ್ಲಿ ಸ್ಥಳೀಯವಾಗಿ ಚಲಿಸುವುದು, ಡೇಟಾ ಉತ್ಪನ್ನವಾಗುವ ಉದ್ದಕ್ಕೂ ಸಮೀಪವಿರುವ, ನಿರ್ಣಯ ಮಾಡಲು ಕ್ಲೌಡ್ ಸಂಪನ್ಮೂಲಗಳ ಮೇಲೆ ಅವಲಂಬನೆ ಇಲ್ಲದೆ. ಇದು ವಿಳಂಬವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಗೌಪ್ಯತೆ ಹೆಚ್ಚಿಸುತ್ತದೆ ಮತ್ತು ನೇರ-ಸಮಯ ನಿರ್ಣಯ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
- ಡಿವೈಸ್ನಲ್ಲಿ ನಿರ್ಣಯ: AI ಮಾದರಿಗಳು ಎಡ್ಜ್ ಸಾಧನಗಳಲ್ಲಿ (ಮೊಬೈಲ್ಗಳು, ರೌಟರ್ಗಳು, ಮೈಕ್ರೋಕಂಟ್ರೋಲರ್ಗಳು, ಕೈಗಾರಿಕಾ ಪಿಸಿಗಳು) ಚಲಿಸುತ್ತವೆ
- ಆಫ್ಲೈನ್ ಸಾಮರ್ಥ್ಯ: ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕ ನಿರಂತರವಿಲ್ಲದೆ ಕಾರ್ಯನಿರ್ವಹಣೆ
- ಕಡಿಮೆ ವಿಳಂಬ: ನೇರ-ಸಮಯ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ತಾಕತ್ತಿನ ಪ್ರತಿಕ್ರಿಯೆಗಳು
- ಡೇಟಾ ಸೀಮಾಪನೆ: ಸಂವೇದನಾಶೀಲ ತಿಳಿವಳಿಕೆಗಳನ್ನು ಸ್ಥಳೀಯವಾಗಿ ಇಟ್ಟುಕೊಳ್ಳುವುದು, ಸುರಕ್ಷತೆ ಮತ್ತು ಅನುಕೂಲತೆ ಹೆಚ್ಚಿಸುವುದು
Phi-4, Mistral-7B, Gemma ಮುಂತಾದ SLM ಗಳು ದೊಡ್ಡ LLM ಗಳ ಅನುಗುಣದಲ್ಲಿದ್ದ ಸೇವಾಪ್ರದರ್ಶಕರು—ಮೂಲತಃ ತರಬೇತಿ ಅಥವಾ ಸಂ ಕ್ಷಿಪ್ತಗೊಳಿಸಿದವು:
- ಕಾರ್ಮಿಕ ಜಗೆಯ स्मರಣೆ ಕಡಿಮೆ: ಸೀಮಿತ ಎಡ್ಜ್ ಸಾಧನ ಸ್ಮರಣೆಯು ಸಮರ್ಥವಾಗಿ ಬಳಕೆ
- ಕಡಿಮೆ ಗಣನೆ ಅವಶ್ಯಕತೆ: CPU ಮತ್ತು ಎಡ್ಜ್ GPU ದ ಕಾರ್ಯಕ್ಷಮೆಗೆ ಅನುವಾದಿತ
- ವೇಗವಾದ ಪ್ರಾರಂಭ ಸಮಯ: ತ್ವರಿತ ಪ್ರಾರಂಭಿಕೆ, ಸ್ಪಂದನಶೀಲತೆಗಾಗಿ
ಅವು ಶಕ್ತಿಶಾಲಿ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣಾ (NLP) ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತವೆ ಮತ್ತು ಈ ನಿರ್ಬಂಧಗಳನ್ನು ಪೂರೈಸುತ್ತವೆ:
- ಎಂಬೆಡ್ಡೆಡ್ ವ್ಯವಸ್ಥೆಗಳು: IoT ಸಾಧನಗಳು ಮತ್ತು ಕೈಗಾರಿಕಾ ನಿಯಂತ್ರಕಗಳು
- ಮೊಬೈಲ್ ಸಾಧನಗಳು: ಆಫ್ಲೈನ್ ಸಾಮರ್ಥ್ಯಗಳಿರುವ ಸ್ಮಾರ್ಟ್ಫೋನ್ಗಳು ಮತ್ತು ಟ್ಯಾಬ್ಲೆಟ್ಗಳು
- IoT ಸಾಧನಗಳು: ಸನ್ಸರ್ಗಳು ಮತ್ತು ಸ್ಮಾರ್ಟ್ ಸಾಧನಗಳು ಸೀಮಿತ ಸಂಪನ್ಮೂಲಗಳೊಂದಿಗೆ
- ಎಡ್ಜ್ ಸರ್ವರ್ಗಳು: ಸೀಮಿತ GPU ಸಂಪನ್ಮೂಲಗಳೊಂದಿಗೆ ಸ್ಥಳೀಯ ಪ್ರಾಸೆಸ್ಪಿಂಗ್ ಘಟಕಗಳು
- ವ್ಯಕ್ತಿಗತ ಕಂಪ್ಯೂಟರ್ಗಳು: ಡೆಸ್ಕ್ಟಾಪ್ ಮತ್ತು ಲ್ಯಾಪ್ಟಾಪ್ ಜಾರಿಗೆ
| ಆಭ್ಯಾಸ | ವಿಷಯ | ತಲೆಮೇಲೆ ಕ್ಷೇತ್ರ | ಪ್ರಮುಖ ವಿಷಯಗಳು | ಮಟ್ಟ | ಅವಧಿ |
|---|---|---|---|---|---|
| 📖 00 | ಎಡ್ಜ್AI ಗೆ ಪರಿಚಯ | ಮೂಲಭೂತ ಮತ್ತು ಸಂದರ್ಭ | ಎಡ್ಜ್AI ಅವಲೋಕನ • ಕೈಗಾರಿಕಾ ಅನ್ವಯಗಳು • SLM ಪರಿಚಯ • ಕಲಿಕೆ ಗುರಿಗಳು | ಆರಂಭಿಕ | 1-2 ಗಂಟೆಗಳು |
| 📚 01 | ಎಡ್ಜ್AI ಮೂಲಭೂತಗಳು | ಕ್ಲೌಡ್ ಮತ್ತು ಎಡ್ಜ್ AI ಹೋಲಿಕೆ | ಎಡ್ಜ್AI ಮೂಲಭೂತಗಳು • ವಾಸ್ತವಿಕೆ ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳು • ಜಾರಿಗೊಳಿಸುವಿಕೆ ಮಾರ್ಗದರ್ಶಿ • ಎಡ್ಜ್ ಜಾರಿಗೆ | ಆರಂಭಿಕ | 3-4 ಗಂಟೆಗಳು |
| 🧠 02 | SLM ಮಾದರಿ ಮೂಲಭೂತಗಳು | ಮಾದರಿ ಕುಟುಂಬಗಳು ಮತ್ತು ವಾಸ್ತುಶಿಲ್ಪ | Phi ಕುಟುಂಬ • Qwen ಕುಟುಂಬ • Gemma ಕುಟುಂಬ • BitNET • μಮಾದರಿ • Phi-Silica | ಆರಂಭಿಕ | 4-5 ಗಂಟೆಗಳು |
| 🚀 03 | SLM ಜಾರಿಗೆ ಅಭ್ಯಾಸ | ಸ್ಥಳೀಯ ಮತ್ತು ಕ್ಲೌಡ್ ಜಾರಿ | ಉನ್ನತ ಶಿಕ್ಷಣ • ಸ್ಥಳೀಯ ಪರಿಸರ • ಕ್ಲೌಡ್ ಜಾರಿಗೆ | ಮಧ್ಯಮ | 4-5 ಗಂಟೆಗಳು |
| ⚙️ 04 | ಮಾದರಿ ಆಪ್ಟಿಮೈಜೇಶನ್ ಉಪಕರಣಗಳು | ವೇದಿಕೆ-ಅಂತರ್-ಆಪ್ಟಿಮೈಜೇಶನ್ | ಪರಿಚಯ • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • ಕಾರ್ಯಪ್ರವಾಹ ಸಂಶ್ಲೇಷಣೆ | ಮಧ್ಯಮ | 5-6 ಗಂಟೆಗಳು |
| 🔧 05 | SLMOps ಉತ್ಪಾದನೆ | ಉತ್ಪಾದನಾ ಕಾರ್ಯಾಚರಣೆಗಳು | SLMOps ಪರಿಚಯ • ಮಾದರಿ ಸಂಕ್ಷಿಪ್ತಿ • ಸೂಕ್ಷ್ಮ-ಸಾಗಣೆ • ಉತ್ಪಾದನಾ ಜಾರಿಗೆ | ಉನ್ನತ ಮಟ್ಟ | 5-6 ಗಂಟೆಗಳು |
| 🤖 06 | AI ಏಜೆಂಟುಗಳು ಮತ್ತು ಕಾರ್ಯಕಲಾಪ ಕರೆ | ಏಜೆಂಟ್ ಫ್ರೇಮ್ವರ್ಕ್ಗಳು ಮತ್ತು MCP | ಏಜೆಂಟ್ ಪರಿಚಯ • ಕಾರ್ಯಕಲಾಪ ಕರೆ • ಮಾದರಿ ಸನ್ದರ್ಭ ಪ್ರೋಟೋಕಾಲ್ | ಉನ್ನತ ಮಟ್ಟ | 4-5 ಗಂಟೆಗಳು |
| 💻 07 | ವೇದಿಕೆ ಜಾರಿಗೆ | ವೇದಿಕೆಗಳ ಮಧ್ಯೆ ಮಾದರಿಗಳು | AI ಉಪಕರಣ • Foundry ಸ್ಥಳೀಯ • ವಿಂಡೋಸ್ ಅಭಿವೃದ್ದಿ | ಉನ್ನತ ಮಟ್ಟ | 3-4 ಗಂಟೆಗಳು |
| 🏭 08 | Foundry ಸ್ಥಳೀಯ ಉಪಕರಣಗಳು | ಉತ್ಪಾದನಾ ಸಿದ್ಧ ಮಾದರಿಗಳು | ಮಾದರಿ ಅನ್ವಯಗಳು (ಕೆಳಗಿನ ವಿವರಗಳು ನೋಡಿ) | ಪರಿಣತಿ | 8-10 ಗಂಟೆಗಳು |
- 01: REST ಚಾಟ್ ಕುಯಿಕ್ಸ್ಟಾರ್ಟ್
- 02: OpenAI SDK ಸಂಯೋಜನೆ
- 03: ಮಾದರಿ ಪತ್ತೆ ಮತ್ತು ಬೆಂಚ್ಮಾರ್ಕಿಂಗ್
- 04: Chainlit RAG ಅನ್ವಯಿಕೆ
- 05: ಬಹು-ಏಜೆಂಟ್ ಒಕ್ಕೂಟ
- 06: ಮಾದರಿ-ಆಧ್ಯಾರಿತ ರೂಟರ್
- 07: ನೇರ API ಕ್ಲೈಂಟ್
- 08: ವಿಂಡೋಸ್ 11 ಚಾಟ್ ಆಪ್
- 09: ಉನ್ನತ ಮಟ್ಟದ ಬಹು-ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆ
- 10: Foundry ಉಪಕರಣಗಳು ಫ್ರೇಮ್ವರ್ಕ್
ಉತ್ಪಾದನಾ-ಸಿದ್ಧ ಜಾರಿಗೆ ಸಮಗ್ರ ಕೈ ಹತ್ತುವಿಕೆ ಕಾರ್ಖಾನೆ ಸಾಮಗ್ರಿಗಳು:
- ಕಾರ್ಖಾನೆ ಮಾರ್ಗದರ್ಶಿ - ಪೂರ್ಣ ಕಲಿಕೆಯ ಗುರಿಗಳು, ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಸಂಪನ್ಮೂಲ ನ್ಯಾವಿಗೇಶನ್
- ಪೈಥಾನ್ ಮಾದರಿಗಳು (6 ಅಧಿವೇಶನಗಳು) - ಉತ್ತಮ ಅಭ್ಯಾಸಗಳು, ದೋಷ ನಿರ್ವಹಣೆ ಮತ್ತು ಸಂಪೂರ್ಣ ಪರಿಶೀಲನೆ
- ಜುಪಿಟರ್ ನೋಟ್ಬುಕ್ಗಳು (8 ಸಂವಾದಾತ್ಮಕ) - ಹಂತ-ಹಂತವಾಗಿ ಟ್ಯುಟೋರಿಯಲ್ಗಳು ಬೆಂಚ್ಮಾರ್ಕ್ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಗೆ ಕ್ರಮದರ್ಶನ
- ಅಧಿವೇಶನ ಗೈಡ್ಗಳು - ಪ್ರತಿಯೊಂದು ಕಾರ್ಯಾಗಾರ ಅಧಿವೇಶನದ ವಿವರವಾದ ಮಾರ್ಕ್ಡೌನ್ ಮಾರ್ಗದರ್ಶಿಗಳು
- ಮಾನ್ಯತಾ ಉಪಕರಣಗಳು - ಸಂಕೇತ ಗುಣಮಟ್ಟ ಪರಿಶೀಲನೆ ಮತ್ತು ಸ್ಮೋಕ್ ಟೆಸ್ಟ್ ನಡೆಸಲು ಸ್ಕ್ರಿಪ್ಟ್ಗಳು
ನೀವು ನಿರ್ಮಿಸುವುದು:
- ಸ್ಟ್ರೀಮಿಂಗ್ ಬೆಂಬಲದ ಸ್ಥಳೀಯ AI ಚಾಟ್ ಅಪ್ಲಿಕೇಶನ್ಗಳು
- ಗುಣಮಟ್ಟ ಮೌಲ್ಯಮಾಪನದೊಂದಿಗೆ RAG ಪೈಪ್ಲೈನ್ಗಳು (RAGAS)
- ಬಹು-ಮಾದರಿ ಬೆಂಚ್ಮಾರ್ಕಿಂಗ್ ಮತ್ತು ಹೋಲಿಕೆ ಉಪಕರಣಗಳು
- ಬಹು-ಏಜೆಂಟ್ ಒಕ್ಕೂಟ ವ್ಯವಸ್ಥೆಗಳು
- ಕಾರ್ಯಾಧರಿತ ಆಯ್ಕೆೊಂದಿಗೆ ಬುದ್ಧಿವಂತ ಮಾದರಿ ರೂಟಿಂಗ್
ಶುರುದಿಂದಲೇ AI ಚಾಲಿತ ಪಾಡ್ಕಾಸ್ಟ್ ಉತ್ಪಾದನಾ ಪೈಪ್ಲೈನ್ ನಿರ್ಮಿಸಿ! ಈ ಆಳವಾದ ಕಾರ್ಖಾನೆಗಳಿಂದ ನೀವು ಐಡಿಯಾಗಳನ್ನು ವೃತ್ತಿಪರ ಪಾಡ್ಕಾಸ್ಟ್ ಅಪಿಸೋಡ್ಗಳಾಗಿ ಮಾರ್ಪಡಿಸುವ ಸಂಪೂರ್ಣ ಬಹು-ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆ ರಚಿಸಲು ಕಲಿಯುತ್ತೀರಿ. 🎬 ಎಐ ಪೋಡ್ಕ್ಯಾಸ್ಟ್ ಸ್ಟುಡಿಯೋ ವರ್ಕ್ಶಾಪ್ ಪ್ರಾರಂಭಿಸಿ
ನಿಮ್ಮ ಮಿಷನ್: "Future Bytes" ಅನ್ನು ಪ್ರಾರಂಭಿಸಿ — ನೀವು ಸ್ವತಃ ನಿರ್ಮಿಸುವ ಎಐ ಏಜೆಂಟ್ಗಳು ಸಂಪೂರ್ಣವಾಗಿ ಚಾಲನೆ ಮಾಡುವ ಟೆಕ್ ಪೋಡ್ಕ್ಯಾಸ್ಟ್. ಯಾವುದೇ ಕ್ಲೌಡ್ ಅವಲಂಬನೆಗಳು ಇಲ್ಲ, ಯಾವುದೇ API ವೆಚ್ಚಗಳು ಇಲ್ಲ — ಎಲ್ಲಾ ನಿಮ್ಮ ಯಂತ್ರದಲ್ಲಿ ಸ್ಥಳೀಯವಾಗಿ ನಡೆಯುತ್ತದೆ.
ಇದನ್ನು ವಿಶೇಷವಾಗಿಸುವುದು:
- 🤖 ನಿಜವಾದ ಬಹು-ಏಜೆಂಟ್ ಸಂಯೋಜನೆ - ಸಂಶೋಧನೆ ಮಾಡುವ, ಬರೆಯುವ, ಮತ್ತು ಆಡಿಯೋ ಸೃಷ್ಟಿಸುವ ವಿಶೇಷವಾದ ಎಐ ಏಜೆಂಟ್ಗಳನ್ನು ನಿರ್ಮಿಸಿ
- 🎯 ಸಕಲ ಉತ್ಪಾದನಾ ಪೈಪ್ಲೈನ್ - ವಿಷಯ ಆಯ್ಕೆದಿಂದ ಅಂತಿಮ ಪೋಡ್ಕ್ಯಾಸ್ಟ್ ಆಡಿಯೋ ಉತ್ಪತ್ತಿಗೆ
- 💻 100% ಸ್ಥಳೀಯ ನಿಯೋಜನೆ - ಸಂಪೂರ್ಣ ಗೂಪ್ಯತೆ ಮತ್ತು ನಿಯಂತ್ರಣಕ್ಕಾಗಿ Ollama ಮತ್ತು ಸ್ಥಳೀಯ ಮಾದರಿಗಳನ್ನು (Qwen-3-8B) ಬಳಸುತ್ತದೆ
- 🎤 ಪಠ್ಯದಿಂದ ಮಾತಿಗೆ ಸಂಯೋಜನೆ - ಲಿಪಿಗಳನ್ನು ಸಹಜ ಧ್ವನಿಸುವ ಧ್ವನಿಸುವ ಬಹು-ಸ್ಪೀಕರ್ ಸಂಭಾಷಣೆಗೆ ಪರಿವರ್ತನೆ ಮಾಡಿ
- ✋ ಮಾನವನ-ನಡೆಸುವ ಕಾರ್ಯಪ್ರವಾಹಗಳು - ಅನುಮೋದನಾ ಗೇಟುಗಳು ಗುಣಮಟ್ಟವನ್ನು ಖಚಿತಪಡಿಸುವ ವೇಳೆ ಸ್ವಯಂಚಾಲನೆಯನ್ನು ಉಳಿಸುತ್ತದೆ
ಮೂರು ಭಾಗದ ಕಲಿಕೆಯ ಪ್ರಯಾಣ:
| ಟಪಾ | ಫೋಕಸ್ | ಮುಖ್ಯ ಕೌಶಲ್ಯಗಳು | ಅವಧಿ |
|---|---|---|---|
| ಟಪಾ 1: ನಿಮ್ಮ ಎಐ ಸಹಾಯಕರೊಂದಿಗೆ ಪರಿಚಯ | ನಿಮ್ಮ ಮೊದಲ ಎಐ ಏಜೆಂಟ್ ನಿರ್ಮಿಸಿ | ಸಾಧನ ಸಂಯೋಜನೆ • ವೆಬ್ ಶೋಧನೆ • ಸಮಸ್ಯೆ ಪರಿಹಾರ • ಏಜೆಂಟಿಕ್ ಪರಿಕಲ್ಪನೆ | 2-3 ಗಂಟೆಗಳು |
| ಟಪಾ 2: ನಿಮ್ಮ ಉತ್ಪಾದನಾ ತಂಡವನ್ನು ಒಕ್ಕೂಟಗೊಳಿಸಿ | ಹಲವಾರು ಏಜೆಂಟ್ಗಳ ಸಂಯೋಜನೆ | ತಂಡ ಸಂಯೋಜನೆ • ಅನುಮೋದನೆ ಕಾರ್ಯಪ್ರವಾಹಗಳು • DevUI ಅಂತರ್ಫೇಸ್ • ಮಾನವ ಮೇಲ್ವಿಚಾರಣೆ | 3-4 ಗಂಟೆಗಳು |
| ಟಪಾ 3: ನಿಮ್ಮ ಪೋಡ್ಕ್ಯಾಸ್ಟ್ ಜೀವಾಳಕ್ಕೆ ತರಿರಿ | ಪೋಡ್ಕ್ಯಾಸ್ಟ್ ಆಡಿಯೋ ಉತ್ಪಾದನೆ | ಪಠ್ಯದಿಂದ ಮಾತಿಗೆ • ಬಹು-ಸ್ಪೀಕರ್ ಸಂಶ್ಲೇಷಣೆ • ದೀರ್ಘಾವಧಿ ಆಡಿಯೋ • ಸಂಪೂರ್ಣ ಸ್ವಯಂಚಾಲನೆ | 2-3 ಗಂಟೆಗಳು |
ಬಳಸಲಾಗುವ ತಂತ್ರಜ್ಞಾನಗಳು:
- Microsoft Agent Framework - ಬಹು-ಏಜೆಂಟ್ ಸಂಯೋಜನೆ ಮತ್ತು ಸಂಯೋಜನೆ
- Ollama - ಸ್ಥಳೀಯ ಎಐ ಮಾದರಿ ರನ್ಟೈಮ್ (ಕ್ಲೌಡ್ ಅಗತ್ಯವಿಲ್ಲ)
- Qwen-3-8B - ಏಜೆಂಟಿಕ್ ಕಾರ್ಯಗಳಿಗೆ ಗುರಿಯಾದ ಮುಕ್ತ-ಮೂಲ ಭಾಷಾ ಮಾದರಿ
- ಪಠ್ಯದಿಂದ ಮಾತಿಗೆ APIಗಳು - ಪೋಡ್ಕ್ಯಾಸ್ಟ್ ಉತ್ಪಾದನೆಗೆ ಸಹಜ ಧ್ವನಿ ಸಂಶ್ಲೇಷಣೆ
ಹಾರ್ಡ್ವೇರ್ ಬೆಂಬಲ:
- ✅ CPU ಮೋಡ್ - ಯಾವುದೇ ಆಧುನಿಕ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ (8GB+ RAM ಶಿಫಾರಸು)
- 🚀 GPU ವೇಗಾವರ್ಧನ - NVIDIA/AMD GPUಗಳೊಂದಿಗೆ ಗಮನಾರ್ಹವಾಗಿ ವೇಗವಾದ ನಿರೀಕ್ಷಣೆ
- ⚡ NPU ಬೆಂಬಲ - ಮುಂದಿನ ತಲೆಮಾರಿನ ನ್ಯೂರಲ್ ಪ್ರೊಸೆಸಿಂಗ್ ಯುನಿಟ್ ವೇಗಾವರ್ಧನ
ಸಂಪೂರ್ಣವಾಗಿರುವವರು:
- ಬಹು-ಏಜೆಂಟ್ ಎಐ ವ್ಯವಸ್ಥೆಗಳು ಕಲಿಯುತ್ತಿರುವ ಡೆವೆಲಪರ್ಗಳು
- ಎಐ ಸ್ವಯಂಚಾಲನೆ ಮತ್ತು ಕಾರ್ಯಪ್ರವಾಹಗಳಲ್ಲಿ ಆಸಕ್ತಿಯುಳ್ಳವರು
- ಎಐ ಸಹಾಯಕ ಉತ್ಪಾದನೆ ಅನ್ವೇಷಿಸುವ ವಿಷಯ ರಚನೆಕರು
- ವ್ಯವಹಾರಿಕ ಎಐ ಸಂಯೋಜನಾ ಮಾದರಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುತ್ತಿರುವ ವಿದ್ಯಾರ್ಥಿಗಳು
ತಯಾರಾಗಿರಿ: 🎙️ ಎಐ ಪೋಡ್ಕ್ಯಾಸ್ಟ್ ಸ್ಟುಡಿಯೋ ವರ್ಕ್ಶಾಪ್ →
- ಒಟ್ಟು ಅವಧಿ: 36-45 ಗಂಟೆಗಳು
- ಆರಂಭಿಕ ಮಾರ್ಗ: 01-02 ಘಟಕಗಳು (7-9 ಗಂಟೆಗಳು)
- ಮಧ್ಯಮ ಮಾರ್ಗ: 03-04 ಘಟಕಗಳು (9-11 ಗಂಟೆಗಳು)
- ಮುಖ್ಯ ಮಾರ್ಗ: 05-07 ಘಟಕಗಳು (12-15 ಗಂಟೆಗಳು)
- ತಜ್ಞ ಮಾರ್ಗ: 08 ಘಟಕ (8-10 ಗಂಟೆಗಳು)
- ಎಡ್ಜ್ ಎಐ ವಿನ್ಯಾಸ: ಕ್ಲೌಡ್ ಸಂಯೋಜನೆಯೊಂದಿಗೆ ಸ್ಥಳೀಯ-ಪ್ರಥಮ ಎಐ ವ್ಯವಸ್ಥೆಗಳ ವಿನ್ಯಾಸ
- ಮಾದರಿ ಸುಧಾರಣೆ: ಎಡ್ಜ್ ನಿಯೋಜನೆಗಾಗಿ ಮಾದರಿಗಳನ್ನು ಕೇವಲ ಮತ್ತು ಸಂಕುಚಿತಗೊಳಿಸುವಿಕೆ (85% ವೇಗ ಹೆಚ್ಚಳ, 75% ಗಾತ್ರ ಕಡಿತ)
- ಬಹು-ವೇದಿಕೆ ನಿಯೋಜನೆ: ವಿಂಡೋಸ್, ಮೊಬೈಲ್, ಇಂಬೆಡ್ಡೆಡ್, ಮತ್ತು ಕ್ಲೌಡ್-ಎಜ್ ಸಂಯೋಜಿತ ವ್ಯವಸ್ಥೆಗಳು
- ಉತ್ಪಾದನಾ ಕಾರ್ಯಾಚರಣೆಗಳು: ಎಡ್ಜ್ ಎಐ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಮೇಲ್ವಿಚಾರಣೆ, ವಿಸ್ತರಣೆ ಮತ್ತು ನಿರ್ವಹಣೆ
- ಫೌಂಡ್ರಿ ಸ್ಥಳೀಯ ಚಾಟ್ ಅಪ್ಲಿಕೇಶನ್ಗಳು: ಮಾದರಿ ಬದಲಾವಣೆಗಳೊಂದಿಗೆ ವಿಂಡೋಸ್ 11 ಸ್ಥಳೀಯ ಅಪ್ಲಿಕೇಶನ್
- ಬಹು-ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಗಳು: ಸಂಕೀರ್ಣ ಕಾರ್ಯಪ್ರವಾಹಗಳಿಗಾಗಿ ಕೋಆರ್ಡಿನೇಟರ್ ಮತ್ತು ತಜ್ಞ ಏಜೆಂಟ್ಗಳು
- RAG ಅಪ್ಲಿಕೇಶನ್ಗಳು: ಸ್ಥಳೀಯ ದಾಖಲೆ ಸಂಸ್ಕರಣೆ ಮತ್ತು ವೇಕ್ಟರ್ ಶೋಧ
- ಮಾದರಿ ಮಾರ್ಗದರ್ಶಕರು: ಕಾರ್ಯ ವಿಶ್ಲೇಷಣೆಯ ಆಧಾರದ ಮೇಲೆ ಮಾದರಿಗಳ ಮಧ್ಯೆ ವಿಚಾರಪಡುತೆಯ ಆಯ್ಕೆ
- API ಫ್ರೇಮ್ವರ್ಕ್ಗಳು: ಸ್ಟ್ರೀಮಿಂಗ್ ಮತ್ತು ಆರೋಗ್ಯ ಮೇಲ್ವಿಚಾರಣಾೊಂದಿಗೆ ಉತ್ಪಾದನಾ-ಸಿದ್ಧ ಗ್ರಾಹಕರು
- ಪಾಲ್ಟಿಫಾರ್ಮ್ ಸಾಧನಗಳು: LangChain/Semantic Kernel ಸಂಯೋಜನಾ ಮಾದರಿಗಳು
ಉತ್ಪಾದನೆ • ಆರೋಗ್ಯಸೇವೆ • ಸ್ವಯಂಚಾಲಿತ ವಾಹನಗಳು • ಸ್ಮಾರ್ಟ್ ನಗರಗಳು • ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ಗಳು
ಶಿಫಾರಸು ಮಾಡಿದ ಕಲಿಕೆಯ ಮಾರ್ಗ (ಒಟ್ಟು 20-30 ಗಂಟೆಗಳು):
- 📖 ಪರಿಚಯ (Introduction.md): EdgeAI ಮೂಲಭೂತ + ಕೈಗಾರಿಕಾ ಸನ್ನಿವೆಶ + ಕಲಿಕಾ ಗೈಡ್ಲೈನ್ಸ್
- 📚 יסೌಂಕಣ (ಘಟಕಗಳು 01-02): EdgeAI ತತ್ವಗಳು + SLM ಮಾದರಿ ಕುಟುಂಬಗಳು
- ⚙️ ಸುಧಾರಣೆ (ಘಟಕಗಳು 03-04): ನಿಯೋಜನೆ + ಕೇವಲಿಕೆ ಫ್ರೇಮ್ವರ್ಕ್ಗಳು
- 🚀 ಉತ್ಪಾದನೆ (ಘಟಕಗಳು 05-06): SLMOps + ಎಐ ಏಜೆಂಟ್ಗಳು + ಕಾರ್ಯ ಕರೆ
- 💻 ಅನುಷ್ಠಾನ (ಘಟಕಗಳು 07-08): ವೇದಿಕೆ ಮಾದರಿಗಳು + ಫೌಂಡ್ರಿ ಸ್ಥಳೀಯ ಸಾಧನಸಂಪುಟ
ಪ್ರत्यೇಕ ಘಟಕದಲ್ಲಿ ಪ್ರಾಥಮಿಕ ತತ್ವ, ಕೈಗಾರಿಕೆ ಅಭ್ಯಾಸಗಳು, ಮತ್ತು ಉತ್ಪಾದನಾ ಸಿದ್ಧ ಕೋಡ್ ಮಾದರಿಗಳು ಒಳಗೊಂಡಿವೆ.
ತಾಂತ್ರಿಕಾ ಪಾತ್ರಗಳು: EdgeAI ಪರಿಹಾರವಿಚಾರಕ • ML ಎಂಜಿನಿಯರ್ (Edge) • IoT ಎಐ ಡೆವೆಲಪರ್ • ಮೊಬೈಲ್ ಎಐ ಡೆವೆಲಪರ್
ಕೈಗಾರಿಕಾ ಕ್ಷೇತ್ರಗಳು: ಉತ್ಪಾದನೆ 4.0 • ಆರೋಗ್ಯ ತಂತ್ರಜ್ಞಾನ • ಸ್ವಯಂಚಾಲಿತ ವ್ಯವಸ್ಥೆಗಳು • ಫಿನ್ಟೆಕ್ • ಗ್ರಾಹಕ ಎಲೆಕ್ಟ್ರಾನಿಕ್ಸ್
ಪೋರ್ಟ್ಫೋಲಿಯೋ ಯೋಜನೆಗಳು: ಬಹು-ಏಜೆಂಟ್ ವ್ಯವಸ್ಥೆಗಳು • ಉತ್ಪಾದನಾ RAG ಅಪ್ಲಿಕೇಶನ್ಗಳು • ಬಹು-ವೇದಿಕೆ ನಿಯೋಜನೆ • ಕಾರ್ಯಕ್ಷಮತೆ ಸುಧಾರಣೆ
edgeai-for-beginners/
├── 📖 introduction.md # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/ # Fundamentals → SLMs → Deployment → Optimization
├── 🔧 Module05-06/ # SLMOps → AI Agents → Function Calling
├── 💻 Module07/ # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/ # Foundry Local Toolkit + 10 Comprehensive Samples
│ ├── samples/01-06/ # Foundation: REST, SDK, RAG, Agents, Routing
│ └── samples/07-10/ # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/ # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md # Structured learning paths & time allocation
✅ ಕ್ರಮಬದ್ಧ ಕಲಿಕೆ: ತತ್ತ್ವ → ಅಭ್ಯಾಸ → ಉತ್ಪಾದನಾ ನಿಯೋಜನೆ
✅ ನಿಜವಾದ ಪ್ರಕರಣ ಅಧ್ಯಯನಗಳು: Microsoft, ಜಪಾನ್ ಏರೋಪೋಕೀಲ್ಸ್, ಎಂಟರಪ್ರೈಸ್ ಅನುಷ್ಠಾನಗಳು
✅ ಹಸ್ತಚಾಲಿತ ಮಾದರಿಗಳು: 50+ ಉದಾಹರಣೆಗಳು, 10 ಸಮಗ್ರ ಫೌಂಡ್ರಿ ಸ್ಥಳೀಯ ಡೆಮೊಗಳು
✅ ಕಾರ್ಯಕ್ಷಮತೆ ಗಮನ: 85% ವೇಗ ಸುಧಾರಣೆಗಳು, 75% ಗಾತ್ರ ಕುಸಿತಗಳು
✅ ಬಹು-ವೇದಿಕೆ: ವಿಂಡೋಸ್, ಮೊಬೈಲ್, ಇಂಬೆಡ್ಡೆಡ್, ಕ್ಲೌಡ್-ಎಜ್ ಸಂಯೋಜನೆ
✅ ಉತ್ಪಾದನಾ ಸಿದ್ಧ: ಮೇಲ್ವಿಚಾರಣೆ, ವಿಸ್ತರಣೆ, ಭದ್ರತೆ, ಅನುಕೂಲತೆ ಫ್ರೇಮ್ವರ್ಕ್ಗಳು
📖 ಅಧ್ಯಯನ ಗೈಡ್ ಲಭ್ಯವಿದೆ: ಸಮಯ ಹಂಚಿಕೆ ಮಾರ್ಗದರ್ಶನ ಮತ್ತು ಸ್ವಯಂಮೌಲ್ಯಮಾಪನ ಸಾಧನಗಳೊಂದಿಗೆ 20-ಗಂಟೆಗಳ ಕಲಿಕೆಯ ಮಾರ್ಗ.
EdgeAI ಎಐ ನಿಯೋಜನೆಯ ಭವಿಷ್ಯ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ: ಸ್ಥಳೀಯ-ಪ್ರಥಮ, ಗೂಪ್ಯತೆಯನ್ನು ಉಳಿಸುವ, ಮತ್ತು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ. ಬುದ್ಧಿವಂತ ಅನ್ವಯಗಳನ್ನು ನಿರ್ಮಿಸಲು ಈ ಕೌಶಲ್ಯಗಳನ್ನು ಮಾಸ್ಟರ್ ಮಾಡಿ.
ನಮ್ಮ ತಂಡ ಇತರೆ ಕೋರ್ಸ್ಗಳನ್ನು ತಯಾರಿಸುತ್ತದೆ! ನೋಡಿ:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
ನೀವು ಅಂಟಿಕೊಳ್ಳುವಾಗ ಅಥವಾ AI ಆ್ಯಪ್ಗಳನ್ನು ನಿರ್ಮಿಸುವ ಬಗ್ಗೆ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ, ಸೇರಿ:
ನೀವು ಉತ್ಪನ್ನ ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ ನಿರ್ಮಿಸುವಾಗ ತಪ್ಪುಗಳನ್ನು ಹೊಂದಿದ್ದರೆ ಭೇಟಿ ನೀಡಿ:
ವಿಚ್ಛೇದನೆ:
ಈ ದಸ್ತಾವೇಜು ಅನ್ನು AI ಅನುವಾದ ಸೇವೆ Co-op Translator ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ಶುದ್ಧತೆಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳು غلطಿಗಳು ಅಥವಾ ತಪ್ಪುಗಳು ಹೊಂದಿರಬಹುದು ಎಂದು ದಯವಿಟ್ಟು ಗಮನಿಸಿ. ಮೂಲ ಭಾಷೆಯ ಮೂಲ ದಸ್ತಾವೇಜು ಅಧಿಕಾರಪ್ರಾಪ್ತ ಮೂಲ ಎಂದು ಪರಿಗಣಿಸಲಾಗಬೇಕು. ಗಂಭೀರ ಮಾಹಿತಿಗಾಗಿ ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ಅರ್ಥಗರ್ಭಿತಗಳನ್ನೋ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನಗಳನ್ನೋ ನಾವು ಹೊರೆ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ.