བོད་ཡིག
ལག་རྩལ་ཅན་གྱི་གཞི་གྲངས་ཚན་རིག་པའི་ལས་རིམ་གྱིས་འཕྲུལ་རིག་སློབ་སྦྱོང་། རྩིས་རིག་དབྱེ་ཞིབ་དང་གཞི་གྲངས་ཀྱིས་ཁྲིད་པའི་ཚོང་ལས་འབྲས་བུ་ཇི་ལྟར་གཙོ་བོ་བཟུང་བ་ལྟོས། དཔེ་གཞི་འདི་ཁྱོད་ཀྱི་ཉམས་མྱོང་ལ་འཚམས་པར་བཟོས།
ཁྱོད་ཀྱི་ལས་རིམ་བཟོ་འགོ་ཚུགས
གཞི་གྲངས་ཚན་རིག་པ་གོང་མ
གཞི་གྲངས་ཚན་རིག་པ་ལོ་ 5 ལྷག་གི་ཉམས་མྱོང་ལྡན་པ། འཕྲུལ་རིག་སློབ་སྦྱོང་། རྩིས་རིག་དང་ Python བཅས་ལ་མཁས་པ། སྔོན་དཔག་དཔེ་གཞི་བཟོས་ཏེ་ཡོང་འབབ་ཨ་སྒོར་ས་ཡ་ 3.2 འཕར་དུ་བཏང་ཞིང་། གཡོ་སྒྱུའི་གྱོང་གུད་ཨ་སྒོར་ 800,000 ཉུང་དུ་བཏང་བ། Python, R, SQL, TensorFlow དང་ PyTorch ལ་མཁས་པ། རང་བྱུང་སྐད་ཡིག་བཀོལ་སྤྱོད་ (NLP) ཀྱི་ཞིབ་འཇུག་རྩོམ་ཡིག་འགྲེམས་སྤེལ་བྱས་པའི་ཞིབ་འཇུག་པ།
RetailAI Corp
2022 ཟླ་ 2 – ད་ལྟ
HealthTech Analytics
2020 ཟླ་ 6 – 2022 ཟླ་ 1
Market Insights Group
2018 ཟླ་ 8 – 2020 ཟླ་ 5
བོད་ལྗོངས་སློབ་ཆེན
2016 - 2018
ནུབ་བྱང་མི་རིགས་སློབ་ཆེན
2012 - 2016
Coursera / deeplearning.ai
2021
AWS (ཨང་རྟགས: AWS-MLS-2023-7412)
2023
Coursera / Columbia
2022
འདི་ནི་དཔེ་ལས་རིམ་ཞིག་ཡིན། ང་ཚོའི་རིན་མེད་ལས་རིམ་བཟོ་ཆས་བཀོལ་ཏེ་ཁྱོད་ཀྱི་ཉམས་མྱོང་ལ་འཚམས་པར་བཟོས།
'དཔེ་གཞི་བཟོས' ཟེར་ཁོ་ན་མ་ཟེར། 'ཚོང་ཟོག་བཀོལ་མཁན་བྱེད་མེད་སྔོན་དཔག་དཔེ་གཞི་བཟོས་ཏེ་ལོ་རེར་ཨ་སྒོར་ས་ཡ་ 3.2 གཏོང་འགྲོ་ཆུང་དུ་བཏང' ཞེས་ཟེར། ལག་རྩལ་གྱི་ལས་ཀ་ཚོང་ལས་འབྲས་བུར་འགྱུར།
ཡང་དག་ཚད། F1 གྲངས་ཚད། AUC-ROC བཅས་འཁོད། 'ཡང་དག་ཚད་ 92% ཐོབ' ཅེས་པས་ཁྱོད་ཀྱི་དཔེ་གཞི་ལས་ཀ་བྱེད་ཐུབ་པ་སྟོན།
གཞི་གྲངས་ཚན་རིག་ནི་དཔེ་གཞི་བཟོ་བ་ཁོ་ན་མིན། གཞི་གྲངས་གཙང་བཟོ། ཁྱད་ཆོས་འཕྲུལ་རིག། བཀོལ་སྤྱོད་དང་རྗེས་འདེད་བཅས་འཁོད།
འགྲེམས་སྤེལ་བྱས་པའི་རྩོམ་ཡིག། ཚོགས་ཆེན་སྟོན་འགྲེམས་དང་ཕྱི་སྒོ་ཕྱེ་བའི་ལས་གཞིའི་འདོན་སྤེལ་བཅས་ཀྱིས་བསམ་བློའི་འགོ་ཁྲིད་སྟོན།
གཞི་གྲངས་ཚན་རིག་པའི་ལས་རིམ་ལེགས་པོ་ཞིག་ནི་ལག་རྩལ་ཐོ་གཞུང་ཙམ་མིན་པར། ཁྱོད་ཀྱིས་དཔེ་གཞི་དང་གཞི་གྲངས་བརྒྱུད་ནས་ཚོང་ལས་གནད་དོན་ཇི་ལྟར་བསལ་བའི་ལོ་རྒྱུས་སྟོན་དགོས། འོག་གི་གོ་རིམ་ 5 ནང་བཞིན་ལག་ལེན་བསྟར་ན་ ATS མ་ལག་དང་ཐོ་འགོད་པ་གཉིས་ཀ་ཡིད་ཆེས་ཐུབ་པའི་ལས་རིམ་ཞིག་བཟོ་ཐུབ། ལས་གནས་ཀྱི་འགྲེལ་བཤད་ནང་གི་གཙོ་གནད་ཚིག་དང་ཁྱོད་ཀྱི་ལག་རྩལ་གཉིས་མཉམ་དུ་སྦྲེལ་བ་ནི་གདེང་ཚོད་ཀྱི་གནད་དོན་ཡིན།
ལས་རིམ་གྱི་མགོ་བརྗོད་ནང་ཚིག་ཕྲེང་ 3 ཙམ་གྱིས་ཁྱོད་ཀྱི་གནས་རིམ (ལས་གནས་གསར་པ་ནས་གོང་མ་བར), སྤྱོད་ཡུལ་ཁུལ (ཚོང་ཟོག། ནད་བཅོས། དངུལ་ཁང་སོགས), ལག་རྩལ་ཕྲེང (Python, SQL, XGBoost, Spark) དང་ཚོང་ལས་ཤུགས་རྐྱེན་གྲངས་ཐང་གཅིག་མིན་ཏུ་བཀོད་དགོས། དཔེར་ན་ 'དཔེ་གཞི་བཟོས་ཏེ་ཡོང་འབབ་ཨ་སྒོར་ས་ཡ་ 3.2 འཕར་བ' ཞེས་པ་ལྟ་བུ་ཞིག་ཡིན། ལས་གནས་འགྲེལ་བཤད་ནང་གི་གཙོ་གནད་ཚིག་བཀོལ་ཏེ་མགོ་བརྗོད་བརྩམས་ན་ ATS མ་ལག་གིས་མྱུར་དུ་ངོས་འཛིན་བྱེད་ཐུབ།
ལས་ཀའི་འགྲེལ་བཤད་རེ་རེར་ལས་བྱེད་ཐབས (verb) ནས་འགོ་བཙུགས་ཏེ་ཐབས་ལམ་མིང་དང་འབྲས་བུ་གྲངས་ཐང་གིས་མཇུག་བསྡུ་དགོས། དཔེ་གཞིའི་ཡང་དག་ཚད། AUC-ROC འཕར་ཚད། ཡོང་འབབ་དང་གྲོན་འགྲོའི་ཤུགས་རྐྱེན། གཞི་གྲངས་ཚད་གཞི (terabyte/row)། pipeline latency ཉུང་དུ་བཏང་ཚུལ། A/B ཚོད་ལྟའི་འབྲས་བུ་དང་ Dashboard/དཔེ་གཞིའི་བཀོལ་སྤྱོད་ཚད་སོགས་གྲངས་ཐང་གིས་སྟོན་དགོས། དཔེར་ན: 'Ensemble དཔེ་གཞི་བཟོས་ཏེ་རྫུན་མའི་ཤེས་རྟོགས་ཡང་དག་ཚད་ 92% བར་སླེབས་ཤིང་ལོ་རེར་གྱོང་གུད་ཨ་སྒོར་ 800,000 ཉུང་དུ་བཏང'
ལག་རྩལ་སྡེ་ཚན་སོ་སོར་དབྱེ་ཏེ་བཀོད་དགོས: སྐད་ཡིག (Python, R, SQL), འཕྲུལ་རིག་གཞུང་ལུགས (Scikit-learn, XGBoost, PyTorch, TensorFlow), གཞི་གྲངས་དང་ཁྲོམ་གཞི (Spark, Airflow, dbt, AWS/GCP/Azure), དང་ཚོང་ལས་མཐོང་ཆས (Tableau, Power BI)། ལས་གནས་ཀྱི་འགྲེལ་བཤད་ནང་གི་ལག་རྩལ་མིང་དང་གནས་གོ་མཚུངས་པར་བཀོད་ན་ ATS མ་ལག་གིས་མཚུངས་འཇལ་བྱེད་པའི་གོ་སྐབས་མཐོ་རུ་འགྲོ། ལག་རྩལ་ཞིག་ལས་གནས་ཀྱིས་མི་དགོས་ན་སྤང་ཆོག
ལས་ཉམས་མྱོང་ཉུང་ན་ཡང་ན་སློབ་མཐར་བྱུང་བ་ཞིག་ཡིན་ན་ Kaggle གྱི་འགྲན་བསྡུར། GitHub ནང་གི་ notebook ལེགས་པོ་དང་མཐའ་ནས་མཐར (end-to-end) གྱི་ལས་གཞི་ཞིག་ལས་རིམ་ནང་འཁོད་ན་ཕན་ཐོགས་ཆེ། ལས་གཞི་རེ་རེར་གནད་དོན་གང་ཡིན། ཐབས་ལམ་གང་བཀོལ། འབྲས་བུ་ཇི་ཡིན་བཅས་ཚོང་ལས་གོ་དོན་ཐོག་ནས་བརྗོད་དགོས། notebook 10 ལས་བཀོལ་སྤྱོད་ཐུབ་པའི་དཔེ་གཞི་ 1 ཡག་ཤོས་ཡིན།
རྩིས་རིག་ཚན་རིག་སོགས་མཐུན་པའི་སློབ་གསོ་དང་ AWS/GCP/Azure ཀྱི་འཕྲུལ་རིག་སློབ་སྦྱོང་ཆོག་མཆན་འཁོད་ན་ཕན་ཐོགས་ཆེ། མཐའ་མར་ལས་རིམ་གྲངས་ཐིག་གཅིག་པུའི (single column) སྒྲིག་བཟོ་བཀོལ། PDF ཐོག་ཕབ་ལེན། རེའུ་མིག (tables) དང་རི་མོ (charts/graphics) ལས་རིམ་ནང་མི་བཀོལ། ATS མང་པོས་དེ་དག་ཀློག་མི་ཐུབ་ཅིང་ཁྱོད་ཀྱི་ཐོ་འགོད་ལས་ཤོར་སྲིད།
འོག་གི་དཔེ་མཚོན་ 3 པོ་གནས་རིམ་སོ་སོར་འཚམས་པར་བཟོས་ཡོད། ཁྱོད་རང་གི་ལག་རྩལ་དང་གྲངས་ཐང་གིས་ཚབ་བརྗེས་ནས་བཀོལ་ཆོག
རྩིས་རིག་དང་ Python ལ་མཁས་པའི་གཞི་གྲངས་ཚན་རིག་པ་ལས་གནས་གསར་པ་ཞིག་ཡིན། pandas, scikit-learn དང་ SQL བཀོལ་ཏེ་སློབ་སྦྱོང་སྐབས་ཀྱི་ལས་བྱེད (internship) ཐོག་ A/B ཚོད་ལྟའི་ལས་གཞིར་ཞུགས་པས་བཀོལ་མཁན་གྱི་མཉམ་ཞུགས་ 12% ལེགས་བཅོས་བཏང་། Kaggle འགྲན་བསྡུར་ 3 ཐོག་ཞུགས་ཤིང་ཐོག་མའི་ 15% ནང་ཚུད། logistic regression དང་ random forest ལ་མཁས་ཤིང་གཞི་གྲངས་དབྱེ་ཞིབ་ནས་འཕྲུལ་རིག་སློབ་སྦྱོང་བར་གྱི་ལས་ཀར་སྤོ་འདོད་ཆེ།
ལོ་ 8 ལྷག་གི་ཉམས་མྱོང་ལྡན་པའི་གཞི་གྲངས་ཚན་རིག་པ་གོང་མ། XGBoost, PyTorch དང་ Spark བཀོལ་ཏེ་འཕྲུལ་རིག་ཁྲོམ་གཞི (ML platform) གསར་འཛུགས་བྱས་པས་མི་སྣ་ 6 ཡི་སྡེ་ཚན་ལ་འགོ་ཁྲིད་བྱས། སྔོན་དཔག་དཔེ་གཞིས་ཡོང་འབབ་ཨ་སྒོར་ས་ཡ་ 5 ལྷག་འཕར་དུ་བཏང་ཞིང་། Junior ཚན་རིག་པ་ 4 ལ་འགོ་འཁྲིད་དང་ mentoring བྱས། MLOps ཐོག་ནས་དཔེ་གཞི་བཀོལ་སྤྱོད་དུས་ཚོད་ཟླ་བ་ 2 ནས་བདུན་ཕྲག་ 1 བར་མྱུར་དུ་བཏང་བའི་ཐོབ་འབྲས་ཡོད།
ལོ་ 6 གི་ SQL དང་ Tableau ཐོག་གི་ཚོང་ལས་དབྱེ་ཞིབ (business analytics) ཉམས་མྱོང་ལས་གཞི་གྲངས་ཚན་རིག་པའི་ལས་ཀར་སྤོས་པའི་མི་སྣ། Python, scikit-learn དང་ statistical modeling ཀྱི་ཆོག་མཆན་ཐོབ་ཟིན་ཞིང་། ལས་གནས་ཐོག་གི་ཚོང་ལས་གོ་རྟོགས་བཀོལ་ཏེ་ churn prediction དཔེ་གཞིའི་ལས་གཞི་ 1 མཐའ་མར་བསྒྲུབས། ཐོབ་འབྲས་ 88% ཡང་དག་ཚད་ཐོན། ཚོང་ལས་བར་ཐོག (stakeholder) སྐད་ཆ་བཤད་པའི་ལག་རྩལ་ཤུགས་ཆེ།
ལས་གནས་འགྲེལ་བཤད་ནང་གི་ཚིག་ཟུར་གཅིག་མཚུངས་བཀོལ་དགོས། ATS མ་ལག་དང་ཐོ་འགོད་པ་གཉིས་ཀས་གཙོ་གནད་ཚིག་འདི་དག་འཚོལ།
ལག་རྩལ་ལེ་ཚན་དང་ལས་ཉམས་མྱོང་གཉིས་ཀར་སྣང་དགོས། pandas, NumPy ལྟ་བུའི་གཞུང་ལུགས་མིང་ཡང་མཉམ་དུ་སྦྲེལ།
གཞི་གྲངས་འདོན་ལེན་དང་ query optimization ལ་བཀོལ་ཚུལ་ལས་ཉམས་མྱོང་ནང་སྒྲུབ་བྱེད་བཀོད་ན་ཡིད་ཆེས་ཐུབ།
སྤྱིར་བཏང་ཚིག་ཙམ་དུ་མ་ལུས་པར་ supervised/unsupervised ལྟ་བུའི་ཁྱད་པར་ཡང་ཐོན་ན་ལེགས།
PyTorch/TensorFlow དང་མཉམ་དུ་བཀོད་ན་ ATS ནང་མཚུངས་འཇལ་ཐུབ་ཚད་མཐོ།
ལས་གནས་ཀྱིས་ཟུར་གང་བཀོལ་ཡོད་མེད་ལྟོས་ཏེ་ལས་ཉམས་མྱོང་ནང་བཀོད།
གཞི་གྲངས་ཚད་ཆེན (big data) ལས་གཞིའི་ཐོག་ལེའུ་གཅིག་བཀོད་ན་ཕན་ཐོགས།
ཚོད་ལྟ་ཇི་ལྟར་སྒྲིག་བཟོ་བྱས་པ་དང་འབྲས་བུ་གྲངས་ཐང་གཉིས་ཀ་མཉམ་དུ་བཀོད།
regression, hypothesis testing ལྟ་བུའི་ཐབས་ལམ་མིང་དངོས་སུ་ཐོན་ན་ ATS ལ་མཐུན།
རང་བྱུང་སྐད་ཡིག་ལས་གཞིའི་ཐོག་ལེའུ་བཀོད་ན་ tech company ཁག་ལ་ཁྱད་མཚར་ཐོན།
དཔེ་གཞི་ production ནང་བཀོལ་སྤྱོད་བཏང་བའི་ཉམས་མྱོང་སྟོན་ན་ notebook-only candidate ཚོ་ལས་ཁྱད་པར་ཐོན།
འགྲེལ་བཤད་ཙམ་གྱི་ཚིག་དོན་ནས་ཐབས་ལམ་དང་འབྲས་བུ་གྲངས་ཐང་ཅན་གྱི་ཚིག་དོན་བར་གྱི་ཁྱད་པར་ལྟོས།
རྫུན་མའི་ཤེས་རྟོགས་དཔེ་གཞི་ཞིག་བཟོས།
XGBoost ཐོག་ནས་རྫུན་མའི་ཤེས་རྟོགས་དཔེ་གཞི་བཟོས་ཏེ་ཡང་དག་ཚད་ 92% ཐོན་ཞིང་ལོ་རེར་གྱོང་གུད་ཨ་སྒོར་ 800,000 ཉུང་དུ་བཏང།
གཞི་གྲངས་རྒྱུད་ལམ (data pipeline) གསར་འཛུགས་བྱས།
Airflow དང་ dbt བཀོལ་ཏེ་གཞི་གྲངས་རྒྱུད་ལམ་རང་འགུལ་བཟོས་པས་སྙན་ཐོ་བཟོ་བའི་དུས་ཚོད་ 60% ཉུང་དུ་བཏང་ཞིང་གཞི་གྲངས་ཡིད་ཆེས་ཚད (data reliability) 99.9% བར་སླེབས།
A/B ཚོད་ལྟ་མང་པོ་བཟོས་ཏེ་ཚོང་ལས་སྡེ་ཚན་ལ་སྙན་ཐོ་ཕུལ།
A/B ཚོད་ལྟ་ 15 བཟོས་ཏེ་ཚོང་ལས་སྡེ་ཚན་དང་མཉམ་དུ་ཐབས་ལམ་བཤད་པས་ཐོན་སྐྱེད་ཤོག་ངོས (landing page) གསར་པའི་བཀོལ་མཁན་མཉམ་ཞུགས་ 18% འཕར་དུ་བཏང།
གཞི་གྲངས་ཚན་རིག་པའི་ལས་རིམ་ནང་གྲངས་ཚད་ཅན་གྱི་ཐོབ་འབྲས་དང་ལྡན་པའི་ལས་རིགས་བསྡུས་དོན། ལག་རྩལ་ (Python, R, SQL, འཕྲུལ་རིག་གཞུང་ལུགས)། ལས་ཉམས་མྱོང་། སློབ་གསོ། ཆོག་མཆན་དང་འགྲེམས་སྤེལ་བཅས་འཁོད་དགོས། ཁྱོད་ཀྱི་ལས་གཞིའི་ཚོང་ལས་ཤུགས་རྐྱེན་ལ་གཙོ་བོ་བཟུང་དགོས།
སློབ་མ་མཐོ་རིམ་ངེས་པར་དགོས་མཁོ་མིན་ཡང་ཕན་ཐོགས་ཡོད། གཞི་གྲངས་ཚན་རིག་པ་ལེགས་གྲུབ་མང་པོས་སློབ་མ་དང་པོའི་ཐོག་ཆོག་མཆན་དང་ལས་ཉམས་མྱོང་གིས་ཟུར་བཀང་བྱེད། ལས་གཞི། ལག་རྩལ་དང་གྲངས་ཚད་ཅན་གྱི་འབྲས་བུ་ལ་གཙོ་བོ་བཟུང་ན་སློབ་མ་མཐོ་རིམ་མེད་པའི་ཆ་མཉམ་དུ་བཟོ་ཐུབ།
ལས་གནས་འགྲེལ་བཤད་ནས་གཙོ་གནད་ཚིག་བཀོལ། ལག་རྩལ་གསལ་པོ་དང་མིང་ཐོག་ཐོ་འགོད། ཚད་ལྡན་གྱི་ལེ་ཚན་མིང་བཀོལ། སྙིང་སྟོབས་ཅན་གྱི་རྣམ་གཞག་དང་པར་རིས་སྤང། Python, TensorFlow དང་ SQL ལྟ་བུའི་ལག་ཆ་དང་ལག་རྩལ་སྒེར་བཞག་གིས་འཁོད།
ཐུབ! ང་ཚོའི་རིན་མེད་ལས་རིམ་བཟོ་ཆས་ཀྱིས་ཁྱོད་ལ་ཆ་ཚང་གཞི་གྲངས་ཚན་རིག་པའི་ལས་རིམ་བཟོ་རུ་འཇུག ཁྱོད་ཀྱི་ཉམས་མྱོང་ལ་འཚམ་པར་བཟོས་ཏེ་སྐར་མ་ཁ་ཤས་ནང་ PDF ཆ་ཚང་ཕབ་ལེན་བྱོས།
ཐུབ། ང་ཚོའི་རིན་མེད་ལས་རིམ་བཟོ་ཆས་ནང་གཞི་གྲངས་ཚན་རིག་པའི་དཔེ་གཞུང་འདི་ཉིད་མཉམ་དུ་ ATS དང་མཐུན་པའི་དཔེ་གཞུང་ 3 ཡོད། ཐོ་འགོད་མི་དགོས་པར་ཁྱོད་ཀྱི་ཉམས་མྱོང་ལ་འཚམས་པར་བཟོས་ནས་སྐར་མ་ཁ་ཤས་ནང་ PDF ཆ་ཚང་ཕབ་ལེན་བྱེད་ཐུབ།
ལས་ཉམས་མྱོང་ཉུང་ན་ Kaggle འགྲན་བསྡུར། སློབ་གྲྭའི་ལས་གཞི། GitHub notebook དང་ internship བཅས་གྲངས་ཐང་གིས་ཟུར་བཀང་། ལས་གཞི་རེ་རེར་ཐབས་ལམ་དང་ཐོབ་འབྲས་གསལ་པོར་བཀོད། ཆེད་ལས་བསྡུས་དོན་ནང་ Python, SQL ལྟ་བུའི་ལག་རྩལ་གཙོ་བོར་བཟུང་ན་ལས་ཉམས་མྱོང་ཉུང་བའི་ཆ་ཤས་ཇེ་ཉུང་དུ་འགྲོ།
ལྷག་ཆེ་བའི་གཞི་གྲངས་ཚན་རིག་པའི་ལས་གནས་ཁག་ཧྲིལ་པོ་རྒྱལ་སྤྱིའི་ཚོང་པ་ཁག་ཡིན་པས་ལས་རིམ་དབྱིན་ཇི་ནང་འབྲི་དགོས། རྒྱ་ནག་ནང་གི་ཁེ་ལས་ཁང་མང་ཆེ་བར་རྒྱ་ཡིག་གིས་ཁེངས། བོད་ཡིག་ལས་རིམ་འདི་བོད་རིགས་སློབ་མ་དང་ཐོ་འགོད་སྦྱོང་བརྡར་ལ་ཕན་ཐོགས་ཆེ་ཡང་། ལས་ཞུགས་དངོས་སུ་བྱེད་སྐབས་དབྱིན་ཇི་ཡང་ན་རྒྱ་ཡིག་གི་འདྲ་བཤུས་ཤིག་ཀྱང་བཟོས་ན་ལེགས།
ལས་ཉམས་མྱོང་ལོ་ 10 ཡན་ཆད་མེད་ན་ཤོག་ངོས་ 1 ཙམ་ལ་བསྡུས་དགོས། གོང་མ་གནས་རིམ་ཡིན་ན་ཤོག་ངོས་ 2 བར་ཆོག ATS མ་ལག་ལ་གྲངས་ཐིག་གཅིག་པུའི་སྒྲིག་བཟོ་སྟབས་བདེ་ཤོས་ཡིན།
འཁོད་དགོས། ལས་ཐིག (link) དང་མཉམ་དུ་ལས་གཞི་རེ་རེའི་གནད་དོན་དང་ཐོབ་འབྲས་ཚིག་ཕྲེང་ 1 གིས་བཀོད། Kaggle ranking ཡང་ན་ medal ཐོབ་ཡོད་ན་དེའང་བཀོད་ན་ཁྱད་མཚར་ཆེ།
གཞི་གྲངས་དབྱེ་ཞིབ་པའི་ལས་རིམ་ SQL, Tableau དང་སྙན་ཐོའི་ཐོག་གཙོ་བོར་འཁོད། གཞི་གྲངས་ཚན་རིག་པའི་ལས་རིམ་ནང་འཕྲུལ་རིག་སློབ་སྦྱོང་། དཔེ་གཞི་གསར་འཛུགས་དང་ Python/R ཐོག་གི་ statistical modeling ཞིབ་ཚགས་བཀོད་དགོས། ཁྱོད་ཀྱི་ལས་ཀའི་མང་ཆེ་བ་དཔེ་གཞི་བཟོ་བ་ཡིན་ན་ གཞི་གྲངས་ཚན་རིག་པའི་མིང་ཐོག་བཟུང།
དཔེ་འདི་ལས་སེམས་ཤུགས་ལོངས། ཁྱོད་ཀྱི་ཉམས་མྱོང་ལ་འཚམས་པར་བཟོས་ཏེ་སྐར་མ་ཁ་ཤས་ནང་ PDF ཆ་ཚང་ཕབ་ལེན་བྱོས། 100% རིན་མེད།
ཁྱོད་ཀྱི་ལས་རིམ་བཟོ་འགོ་ཚུགསདཔེ་ལས་རིམ་འདི་སྐད་ཡིག་ 63 ནང་ཡོད:
English
Spanish
French
German
Italian
Polish
Ukrainian
Portuguese
Dutch
Czech
Swedish
Hungarian
Bulgarian
Norwegian
Danish
Finnish
Slovak
Croatian
Serbian
Lithuanian
Slovenian
Latvian
Estonian
Albanian
Macedonian
Belarusian
Icelandic
Greek
Turkish
Romanian
Russian
Chinese (Simplified)
Chinese (Traditional)
Japanese
Korean
Vietnamese
Thai
Indonesian
Malay
Filipino
Burmese
Khmer
Lao
Hindi
BengaliTamilTeluguMarathiGujaratiKannadaMalayalamPunjabi
Sinhala
Arabic
Persian
Urdu
Hebrew
Uzbek
Azerbaijani
Turkmen
Mongolian
Georgian