Thuta Learning
ရှာဖွေရန်
Data & AI Engineer လမ်းကြောင်း cover illustration
အလယ်အလတ်

Data & AI Engineer လမ်းကြောင်း

Python အခြေခံမှ data cleaning၊ analysis၊ SQL နှင့် LLM application တည်ဆောက်ခြင်းအထိ dataset အစစ်များဖြင့် လေ့လာမည့် လမ်းကြောင်း။

မည်သူများအတွက်လဲ
Data analysis၊ automation သို့ AI application တည်ဆောက်လိုသော beginner များ
ကြာချိန်
42 နာရီခန့်
သင်ခန်းစာအဆင့်
5 modules · 6 tutorials

မစတင်မီ သိထားရန်

  • Spreadsheet သို့ အခြေခံ data table များနှင့် ရင်းနှီးလျှင် အထောက်အကူဖြစ်သည်
  • အခြေခံသင်္ချာကို နားလည်ရုံဖြင့် စတင်နိုင်သည်
  • Programming အတွေ့အကြုံ မရှိသေးလည်း Python အဆင့်မှ စတင်နိုင်သည်

သင်ယူပြီးနောက် ရရှိမည့်အရာများ

  • Python ဖြင့် data processing နှင့် automation script ရေးနိုင်မည်
  • NumPy နှင့် Pandas ကိုသုံးပြီး dataset ကို သန့်စင်၊ ပြောင်းလဲ၊ ဆန်းစစ်နိုင်မည်
  • SQL ဖြင့် လိုအပ်သော data ကို ထိရောက်စွာ query လုပ်နိုင်မည်
  • Data quality၊ reproducibility နဲ့ result explanation ကို ဦးစားပေးနိုင်မည်
  • LangChain ကိုသုံးပြီး retrieval နှင့် tool ပါသော LLM application prototype တည်ဆောက်နိုင်မည်
  • AI output ကို စမ်းသပ်ပြီး limitation နဲ့ security risk များကို ရှင်းပြနိုင်မည်

လေ့လာရမည့် အဆင့်များ

1

အဆင့် ၁ — Python Programming

12 နာရီခန့်

Variable၊ control flow၊ function၊ file နဲ့ error handling ကို data task များဖြင့် လေ့ကျင့်မယ်။

ရရှိမည့် Skills

PythonFunctionsFilesError handling

တွဲဖက် Tutorial များ

PythonTutorial စတင်မည် →

လက်တွေ့ Project

CSV ဖိုင်များကိုဖတ်၊ စစ်ပြီး summary report ထုတ်ပေးသော script ရေးပါ။

2

အဆင့် ၂ — Numerical Data

6 နာရီခန့်

Array thinking၊ vectorized operations နဲ့ numerical calculation ကို NumPy ဖြင့် လေ့လာမယ်။

ရရှိမည့် Skills

NumPyArraysVectorizationStatistics basics

တွဲဖက် Tutorial များ

NumpyTutorial စတင်မည် →

လက်တွေ့ Project

Sensor data အစုတစ်ခုရဲ့ outlier၊ average နဲ့ trend ကိုတွက်ပါ။

3

အဆင့် ၃ — Data Analysis

8 နာရီခန့်

Missing data၊ duplicates၊ grouping နဲ့ time-series အခြေခံကို Pandas ဖြင့် ဖြေရှင်းမယ်။

ရရှိမည့် Skills

PandasData cleaningGroupingExploration

တွဲဖက် Tutorial များ

PandasTutorial စတင်မည် →SQLTutorial စတင်မည် →

လက်တွေ့ Project

အရောင်း dataset တစ်ခုကို သန့်စင်ပြီး business question ၅ ခုအတွက် report ပြုလုပ်ပါ။

4

အဆင့် ၄ — Data Storage

6 နာရီခန့်

Relational နဲ့ document data model တို့ကို အသုံးချရာနေရာအလိုက် ရွေးချယ်ပြီး query pipeline တည်ဆောက်မယ်။

ရရှိမည့် Skills

SQLMongoDBData modelingIndexes

တွဲဖက် Tutorial များ

MongoDBTutorial စတင်မည် →

လက်တွေ့ Project

Analysis-ready dataset ကို database ထဲသိမ်းပြီး reusable queries ပြုလုပ်ပါ။

5

အဆင့် ၅ — LLM Application

10 နာရီခန့်

Prompt တစ်ခုတည်းထက်ကျော်လွန်ပြီး retrieval၊ tools၊ evaluation နဲ့ guardrails ပါသော workflow ကို တည်ဆောက်မယ်။

ရရှိမည့် Skills

LangChainRAGToolsEvaluation

တွဲဖက် Tutorial များ

LangChainTutorial စတင်မည် →

လက်တွေ့ Project

Source citation၊ test questions နဲ့ failure notes ပါသော document Q&A assistant တည်ဆောက်ပါ။

အကြံပြု လေ့လာချိန်ဇယား

  1. 1အပတ် ၁ မှ ၃ — Python fundamentals နှင့် automation
  2. 2အပတ် ၄ — NumPy နှင့် numerical thinking
  3. 3အပတ် ၅ မှ ၆ — Pandas၊ SQL နှင့် data report
  4. 4အပတ် ၇ — Database နဲ့ reusable data pipeline
  5. 5အပတ် ၈ မှ ၁၀ — LangChain၊ RAG၊ evaluation နှင့် capstone

လမ်းကြောင်းပြီးဆုံးမှု စစ်ဆေးရန်

  • Raw dataset မှ သန့်စင်ထားသော report အထိ ပြန်လည်လုပ်နိုင်သော pipeline ရှိခြင်း
  • Analysis result ကို chart မဟုတ်သည့် ရိုးရိုးစကားဖြင့်လည်း ရှင်းပြနိုင်ခြင်း
  • AI project တွင် evaluation cases၊ limitation နဲ့ data source များ မှတ်တမ်းတင်ထားခြင်း

တွဲဖက်ဖတ်ရှုရန် Articles

AI Agent ဆိုတာဘာလဲမေးခွန်းဖြေတဲ့ chatbot နဲ့ ကိုယ်စားအလုပ်လုပ်နိုင်တဲ့ AI Agent တို့ ဘာကွာသလဲ၊ ဘယ်အချိန်အသုံးဝင်ပြီး ဘာတွေသတိထားရမလဲကို ရိုးရိုးရှင်းရှင်း လေ့လာပါ။AI Coding Tools တွေရဲ့ အားသာချက်၊ အားနည်းချက်AI coding assistant များက ဘယ်နေရာမှာအချိန်သက်သာစေပြီး hallucination၊ security၊ privacy နဲ့ maintainability risk များကို ဘယ်လိုထိန်းမလဲ။API Key ကို လုံခြုံစွာ အသုံးပြုနည်းAPI key ကို source code သို့ browser ထဲမဖော်ဘဲ environment variables၊ secret managers၊ least privilege၊ rotation နဲ့ monitoring ဖြင့် စီမံနည်း။

အခြေခံထားသော တရားဝင်လမ်းညွှန်များ