machine learning နှင့် Tinder ကို အသုံးပြု၍ တစ်နာရီလျှင် မိန်းကလေး ၁၃ ဦးကို မည်ကဲ့သို့ ကောက်ယူနိုင်မည်နည်း။

* Machine Learning ကိုလေ့လာရန်သက်သက်၊ ဟုတ်ပါတယ်။ ချစ်ဇနီး၏ အနည်းငယ် မကျေမနပ် အကြည့်အောက်တွင်။

Tinder ကဲ့သို့ ကျောရိုးတုံ့ပြန်မှုအဆင့်အတွက် ရိုးရိုးရှင်းရှင်း အပလီကေးရှင်း မရှိပါ။ ၎င်းကိုအသုံးပြုရန်အတွက် သင်အနှစ်သက်ဆုံးမိန်းကလေးများ သို့မဟုတ် ယောက်ျားများကို ရွေးချယ်ရန် လက်ချောင်းတစ်ချောင်းသာ ပွတ်ဆွဲရန်နှင့် နျူရွန်အနည်းငယ်သာ လိုအပ်ပါသည်။ စုံတွဲရွေးချယ်မှုတွင် brute force ၏စံပြအကောင်အထည်ဖော်မှု။

ဂရပ်ဖစ်ကတ်အသစ်တွင် စက်သင်ယူခြင်းအတွက် အနည်းငယ်ခံစားရစေမည့် နည်းလမ်းကောင်းတစ်ခုဟု ကျွန်တော် ဆုံးဖြတ်ခဲ့သည်။ ကျန်တာအားလုံးက ငါ့မိန်းမကို ငါပိုထွားလာတဲ့ မိန်းမတစ်ယောက် မလိုအပ်ဘူးဆိုပြီး ငါက မသေခင် ကွန်ရက်တွေကို လေ့ကျင့်နေတာပဲ ။

ချိန်းတွေ့သည့်ကွန်ရက်များတွင် ပြဿနာကဘာလဲ။

Ashley Madison ကဲ့သို့သော အရင်းအမြစ်တစ်ခု ရှိခဲ့သည်။ “ဘဝကတိုတောင်းတယ်” ဆိုတဲ့ ဆောင်ပုဒ်နဲ့ အတိအကျပါ။ ရည်းစားထား။" အဓိက ပရိသတ်က အိမ်ထောင်ရှင်အမျိုးသားများ ဘက်မှ အချစ်ရေးကို ရှာဖွေနေခြင်းဖြစ်သည်။ ငွေရှာခြင်းသည်လည်း ပျော်စရာဖြစ်သည် - စံသတ်မှတ်ချက်အပြင် “ကြိုက်သည်နှင့် ရေးရန် အမှတ်များကို သုံးပါ” ဟု သဲလွန်စမရှိဘဲ သုံးစွဲသူ၏အကောင့်ကို ဖျက်ရန် $19 တောင်းခဲ့သည်။

2015 ခုနှစ်တွင် ဆိုက်သည် သဘာဝအတိုင်း ပေါက်ကြားခဲ့ပြီး ကိုယ်ရေးကိုယ်တာ အချက်အလက် 60 GB သည် အများသူငှာ ဒိုမိန်းသို့ ပေါက်ကြားခဲ့သည်။ ပျက်စီးသွားသော မိသားစုများအပြင်၊ ဤပေါက်ကြားမှုသည် လေ့လာသုံးသပ်သူများအား စိတ်ဝင်စားဖွယ်ရာ အချက်အလက်များစွာကို ပေးစွမ်းခဲ့သည်။ ချိန်းတွေ့သည့်ဆိုဒ်များတွင် အမျိုးသားများ အများအပြားရှိနေကြောင်း အမြဲသံသယရှိခဲ့သော်လည်း ဤကိစ္စတွင် စိတ်ဝင်စားစရာဖြစ်လာသည်။ ဂျာနယ်လစ် Annalee Newitz ပေါက်ကြားလာသော အချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာခြင်း။ အသုံးပြုသူ 5 သန်းတွင် 12 သာလျှင် မိန်းကလေးအကောင့်အစစ်များနှင့် ဆင်တူပြီး ပုံမှန်အသုံးပြုနေကြောင်း တွေ့ရှိခဲ့သည်။ ကျန်သူများသည် အမျိုးသားဧည့်သည်များနှင့် စကားပြောသည့် ဘော့တ်များသာဖြစ်သည်။

အမျိုးသားအကောင့်များနှင့်ပတ်သက်သော ထိုကဲ့သို့သောသဘောပေါက်မှုသည် ဤအရင်းအမြစ်အတွက်သာမက အခြားချိန်းတွေ့သည့်ဆိုက်အများစုအတွက်ပါ ပုံမှန်ဖြစ်သည်။ အသိမိတ်ဆွေကို သေချာစီစဉ်ရတဲ့အခါ တော်တော်များများက ဒီလိုမတရားတဲ့အခြေအနေမျိုး ကြုံဖူးကြမှာ သေချာပါတယ်၊ ဒါပေမယ့် မိန်းကလေးက မှတ်ပုံတင်ဖို့ပဲလိုတယ်။ ဒီပရိသတ်တွေရဲ့ အရည်အသွေးကို ဘေးဖယ်ထားလိုက်ရအောင်၊ ဒါပေမယ့် မိန်းကလေးတွေရဲ့ လိုအပ်ချက်နဲ့ ရောင်းလိုအား ဟန်ချက်ညီမှုဟာ သိသိသာသာ ပြောင်းလဲသွားတာကို ငြင်းလို့မရပါဘူး။

Tinder အင်္ဂါရပ်

ကျားမ ဆက်ဆံမှုတွင် စံပြ ရိုင်းစိုင်းသော အင်အားစု

ဤပလပ်ဖောင်း၏ အဓိကအင်္ဂါရပ်မှာ အသိမိတ်ဆွေတစ်ဦးအတွက် ကုန်ကျစရိတ်သက်သာခြင်း ဖြစ်သည်။ ပွတ်ဆွဲမှု နှစ်ခု၏ တိုက်ဆိုင်မှုသည် လုံလောက်ပြီး သင်သည် စိတ်ဝင်စားဖွယ်ကောင်းသော လူတစ်ဦးနှင့် ဆက်သွယ်နေပြီဖြစ်သည်။ ပြဿနာမှာ တူညီသော ကျားမမညီမျှမှုသည် မိန်းကလေးအများစု တစ်နေ့လျှင် ပွဲဒါဇင်များစွာ ရှိလိမ့်မည်ဟူသောအချက်ကို ဦးတည်စေပါသည်။ ဆိုလိုသည်မှာ ၎င်းတို့သည် အခြားသော ကိုယ်စားလှယ်လောင်းများကြားတွင် သင့်အား အာရုံစိုက်ရန် အချိန်မရှိနိုင်တော့ပေ။

ပလက်ဖောင်းသည် ရေကူးဝတ်စုံဝတ်ထားသော ဓာတ်ပုံတစ်ပုံ သို့မဟုတ် ဖက်ရှင်ကျကျ အရောင်ဆိုးထားသော ကားကို မောင်းနှင်နေသည့် ဓာတ်ပုံတစ်ပုံကို တစ်စက္ကန့်ခွဲအကြည့်မှ လူတစ်ဦး၏ နက်ရှိုင်းသော အတွင်းကမ္ဘာကို အကဲဖြတ်ရန် အခွင့်အလမ်းအနည်းငယ်သာ သက်ရောက်ကြောင်း သိသာထင်ရှားပါသည်။ ထို့ကြောင့်၊ သင့်ဓာတ်ပုံများတွင် ရိုးရိုးရှင်းရှင်း မြင့်မြတ်သောပုံမပေါ်ပါက၊ လက်ခံကျင့်သုံးခြင်းဖြင့် သင့်အခွင့်အရေးများကို တိုးမြှင့်ရန်မှတပါး ရွေးချယ်စရာမရှိပေ။ r-ဗျူဟာ အချို့သောမျိုးစိတ်များတွင်။ ရိုးရိုးရှင်းရှင်းပြောရလျှင် ကျွန်ုပ်တို့သည် မျိုးပွားမှုအောင်မြင်ရန် အခွင့်အလမ်းများကို တိုးမြင့်လာစေရန် အတင်းအကြပ် ထုထည်နှင့် ထုလုပ်မည်ဖြစ်သည်။ တစ်ခါတစ်ရံတွင် သင်သည် အစားအသောက်နှင့် အိပ်စက်ခြင်းအတွက် အာရုံလွဲနေရန် လိုအပ်ပြီး ပွတ်ဆွဲခြင်းများမှာ အကန့်အသတ်ရှိသောကြောင့်၊ သင့်အရသာနှင့် အကိုက်ညီဆုံး မိန်းကလေးများ သို့မဟုတ် အမျိုးသားများကို အလိုအလျောက်ရွေးချယ်သော အလိုအလျောက်စနစ်ဖြင့် သင်ပိုနှစ်သက်ပေမည်။ ခေါင်းနီအတို သို့မဟုတ် အရပ်ရှည်သော အနက်ရောင်ဆံပင်ရှည်များ - သင့်အတွက်သာဖြစ်သည်။

ဒေတာစုဆောင်း

ပထမဆုံးအနေနဲ့ သာမာန်တိကျမှုအတွက် ဒေတာအများကြီး လိုအပ်ပါတယ်။ စက်သင်ယူမှုကို ကြုံတွေ့ဖူးသူတိုင်း မှန်ကန်စွာ စုဆောင်းပြီး အညွှန်းတပ်ထားသော ဒေတာအတွဲကို ထုတ်လုပ်ရန် မည်မျှခက်ခဲသည်ကို သိပါသည်။ သီအိုရီအရ၊ အလားတူ အရင်းအမြစ်များသည် Instagram သို့မဟုတ် အခြားသော လူမှုကွန်ရက်များ ဒေတာအရင်းအမြစ်အဖြစ် သင့်လျော်မည်ဖြစ်သည်။ ဒါပေမယ့် အနာဂတ်မှာ ကွန်ရက်အလုပ်လုပ်မယ့် အဲဒီနမူနာတွေကို လေ့ကျင့်တာက အကောင်းဆုံးပါပဲ။

Repository ကို အခြေခံအနေနဲ့ ယူကြည့်ရအောင် Tinder အလိုအလျောက်စနစ်. Tinder ၏ဓာတ်ပုံများကို အမြဲတမ်း လူသိရှင်ကြားရနိုင်သော်လည်း "like" လုပ်ဆောင်ချက်သည် ကန့်သတ်ထားပြီးဖြစ်သည်။ ထို့ကြောင့်၊ အချင်းဝက်အတွင်း သက်ရှိအားလုံးကို ထုတ်ယူပြီး ဂရုတစိုက် အမှတ်အသားပြုရန် လိုအပ်ပါသည်။ ပထမဦးစွာ သင်သည် အတော်လေးရိုးရှင်းသော ဇာတ်ညွှန်းကို အသုံးပြုရန် လိုအပ်သည်-

from skimage.io import imread, imsave, imshow, show
import matplotlib.pyplot as plt
import pynder
from helpers import get_access_token, get_login_credentials
from io_helper import save_image

email, password, FBID = get_login_credentials()
FBTOKEN = get_access_token(email, password)
session = pynder.Session(facebook_token=FBTOKEN)

while True:
    users = session.nearby_users()
    for user in users:
        photos = user.get_photos()
        print("Fetched user photos..")
        for photo in photos:
            print(photo)
            image = imread(photo)
            imshow(image)
            show()

            input_string = "Write 1 to like. Write 2 to dislike."
            ans = str(input(input_string)).lower()

            if ans == "1":
                save_image(image, photo, True)
            else:
                save_image(image, photo, False)

၎င်းသည် သင့်အား ခလုတ်နှစ်ခုဖြင့် ဒေတာအတွဲကို တတ်နိုင်သမျှ မြန်မြန် အမှတ်အသားပြုနိုင်စေမည်ဖြစ်သည်။ အဓိကသော့ချက်မှာ werkzeug စာကြည့်တိုက်သည် နောက်ပြန်လိုက်ဖက်ညီမှုကို ချိုးဖျက်ပြီး ၎င်းကို အဆင့်နှိမ့်ခိုင်းရမည့်အချက်မှာ အဓိကအခက်အခဲမှာ တည်ရှိနေသည်။ မဟုတ်ရင် ဒီ error ကို ဖျက်ပစ်လိုက်တယ်။

Traceback (most recent call last):
  File "img_scrape.py", line 4, in <module>
    from helpers import get_access_token, get_login_credentials
  File "/home/someone/tmp/TinderAutomation/helpers.py", line 1, in <module>
    import robobrowser
  File "/home/someone/tmp/TinderAutomation/venv/lib/python3.6/site-packages/robobrowser/__init__.py", line 3, in <module>
    from .browser import RoboBrowser
  File "/home/someone/tmp/TinderAutomation/venv/lib/python3.6/site-packages/robobrowser/browser.py", line 8, in <module>
    from werkzeug import cached_property
ImportError: cannot import name 'cached_property'

ထို့ကြောင့် Requirement.txt တွင် Werkzeug==0.16.1 ကို ရေးရပါမည်။ ပြီးရင် ဆင်းမယ်။
ဒုတိယပြဿနာမှာ ဤအမှတ်အသားကို ရယူရန်ဖြစ်သည်။ repository မှ စံနည်းလမ်းသည် ကျွန်ုပ်အတွက် အလုပ်မဖြစ်ခဲ့သော်လည်း developer console မှ ၎င်းကို ရယူနိုင်ခဲ့သည်။ ဒီလိုလုပ်ဖို့၊ သွားပါ။ link ကို POST တောင်းဆိုချက်အတွက် တုံ့ပြန်ချက်ကို ထုတ်ယူပါ။ www.facebook.com/v2.6/dialog/oauth/confirm?dpr=1. အတွင်းတွင် 'access_token' ကို ရှာသည်။ အကြောင်းတစ်ခုခုကြောင့် ပထမအကြိမ်တွင် အလုပ်မဖြစ်ခဲ့သော်လည်း၊ ထို့နောက်တွင် ၎င်းကိုတွေ့ရှိပြီး ဇာတ်ညွှန်းတွင် hardcode လုပ်ခဲ့သည်။

Dataset လိုအပ်ချက်များ

စက်သင်ယူမှုဒေတာအတွဲများအတွက် အဓိကလိုအပ်ချက်များစွာရှိသည်-

1. လုံလောက်မှု
2. ညီညွတ်မှု
3. မတူကွဲပြားမှု

ဤကိစ္စရပ်တွင် လုံလောက်သော လုံလောက်သော မော်ဒယ်တစ်ခု တည်ဆောက်ရန် အနည်းဆုံး ဓာတ်ပုံ ၁၀,၀၀၀ လိုအပ်သည်။ ဟုတ်တယ်၊ အဲဒါ အများကြီးပဲ။ ဒါဘာကြောင့်လဲ ဆိုတော့ ဝန်ဆောင်မှု ပေးရတာ အမေဇုံစက်မှု Turkအခကြေးငွေဖြင့် သင့်ဒေတာအတွဲ၏ အမှတ်အသားကို အခြားသူများထံ လွှဲအပ်နိုင်ပါသည်။ အခြားတစ်ဖက်တွင်၊ သင်၏ bot သည် အံ့သြဖွယ်ကောင်းသော လမျက်နှာရှိသော အာရှမိန်းကလေးများ သို့မဟုတ် အိန္ဒိယနွယ်ဖွားများနှင့် တန်းတူ လှပသော မိန်းကလေးများကို သင်အမှန်တကယ် နှစ်သက်စေလိုပါသလား။ သို့တိုင် မော်ဒယ်သည် သင့်အရသာကို ထင်ဟပ်နေသင့်သည်။

ထွေရာလေးပါးအတွက် အထူးပြဿနာမရှိပါ၊ ဓာတ်ပုံအားလုံးကို ရှုထောင့်အမျိုးမျိုးနှင့် အလင်းရောင်များမှ တင်ပြထားပါသည်။ မျက်မှန်၊ ၀တ်စုံ၊ ရေကူးဝတ်စုံနှင့် နှင်းလျှောစီးဝတ်စုံများ။ ဒေတာအတွဲ၏ တူညီမှုနှင့်အတူ ပြဿနာတစ်ခု ဖြစ်ပေါ်လာနိုင်သည်။ အကောင်းဆုံးမှာ၊ ကျွန်ုပ်တို့၏နမူနာကို တံဆိပ်ကပ်သည့်အခါ၊ ၎င်းသည် ခန့်မှန်းခြေအားဖြင့် တူညီသောအစိတ်အပိုင်းများ ပါဝင်သင့်သည်။ အကယ်၍ သင်သည် "လျှိုလျှို" ဒေတာအတွဲဖြင့် အဆုံးသတ်ပါက၊ ၎င်းကို အခြားရင်းမြစ်များမှ ဓာတ်ပုံများဖြင့် ရောချရပါမည်။ သင်သည် ပိုမိုဆွဲဆောင်မှုရှိသော အရာများကို ပေါင်းထည့်ရန် လိုအပ်မည် သို့မဟုတ် အပြန်အလှန်အားဖြင့် ၎င်းတို့ကို မှတ်သားထားသော ရလဒ်အပေါ် အခြေခံ၍ ၎င်းတို့ကို သင်ဆုံးဖြတ်မည်ဖြစ်သည်။ 60% လောက် လှလှလေး ရပြီနော်။ ငါက သိပ်စိတ်မကောက်ဘူး ဒါမှမဟုတ် ငါကံကောင်းပြီး ချောမောလှပတဲ့ မိန်းကလေးတွေ အများကြီးရှိတယ်။

၎င်းတို့တွင် bot များစွာရှိသည်ဟူသော အယူအဆကိုလည်း ကျွန်ုပ် မလျှော့ပါ။ အခြား bot များကို ကြိုက်နှစ်သက်မည့် bot တစ်ခုကို ကျွန်ုပ်တို့ လေ့ကျင့်ပေးပါသည်။ ဒါကို ထေ့ငေါ့စရာတွေ ရှိတယ်။

ဒေတာအပြောင်းအလဲနဲ့

ကျွန်ုပ်တို့တွင် တဂ်ထားသော ဓာတ်ပုံများစွာရှိသည်၊ သို့သော် ၎င်းတို့သည် အလွန်ရောနှောပါသည်။ နေ့အချိန်၊ ညအချိန်၊ နောက်ကွယ်မှနှင့်အခြားသူများ။ နမူနာပုံစံသည် အလွန်မညီညာသောကြောင့် ဝမ်းနည်းစွာဖြင့်၊ ပြောင်းပြန်ထောင့်မှ ဓာတ်ပုံများမှ သင်ပေးခြင်းသည် အထူးထိရောက်မည်မဟုတ်ကြောင်း ကျွန်ုပ်နားလည်ပါသည်။ ထို့ကြောင့်၊ အကောင်းဆုံးရွေးချယ်မှုမှာ မျက်နှာများကို "ချစ်စရာကောင်းခြင်း" ၏ရည်ညွှန်းသင်္ကေတအဖြစ် အသုံးပြုရန်ဖြစ်သည်။ သို့တိုင်၊ ကျွန်ုပ်တို့အတွက်၊ အခြားမျောက်ဝံများအတွက်၊ ၎င်းသည် အဓိက ကန့်သတ်ချက်တစ်ခုဖြစ်သည်။

ထို့ကြောင့် သုံးကြည့်ရအောင် Haar ပြုတ်ကျသည်။. ၎င်းသည် မှားယွင်းသော အပြုသဘောဆောင်သည့် အမှားအယွင်းများ ရာခိုင်နှုန်းနည်းပါးသော ပုံများတွင် မျက်နှာများကို ရှာဖွေနိုင်စေမည့် အကောင်းဆုံး အယ်လဂိုရီသမ်တစ်ခုဖြစ်သည်။

၎င်းကို လက်စွဲစာအုပ်တွင် အသေးစိတ်ဖော်ပြထားသည်။ OpenCV

နောက်အဆင့်တွင်၊ မျက်နှာများသာနမူနာရှိပြီးနောက်၊ အရောင်ကိုဖယ်ရှားခြင်းသည် အဓိပ္ပာယ်ရှိစေသည်။ တကယ်တော့၊ Pandora ရဲ့ လှပတဲ့ အပြာရောင် denzen သို့မဟုတ် အစိမ်းရင့်ရောင် အလှကို သင် ရွေးချယ်ဖို့ ခဲယဉ်းပါလိမ့်မယ်။

အရင်းအမြစ်

Hue လူမျိုးများတွင် အသားအရောင်သည် ဆွဲဆောင်မှုအဆင့်သတ်မှတ်ချက်များတွင် သိသိသာသာ အထောက်အကူမပြုပါ။
ထို့ကြောင့်၊ အာရုံကြောကွန်ရက်၏အလုပ်ကို ရိုးရှင်းစေပြီး မီးခိုးရောင်စကေးကိုသာ ချန်ထားသင့်သည်။

စံပြအဆောက်အဦး

ကောင်းမွန်တဲ့ ဗီဒီယိုကတ်နဲ့ CUDA မရှိရင် လုံလောက်တဲ့ အချိန်နဲ့ လေ့ကျင့်ထားတဲ့ မော်ဒယ်ကို သင်ရရှိနိုင်မှာ မဟုတ်ဘူးလို့ ချက်ချင်း ပြောချင်ပါတယ်။ ထို့ကြောင့်၊ အထူးပြု clouds များတွင် တွက်ချက်မှုများ ပြုလုပ်ရန် သို့မဟုတ် python-CUDA ကို အသုံးပြု၍ ချက်ချင်း ရည်မှန်းပါ။

ကျွန်တော် repository ရေးသားသူထံမှ အခြေခံသုံးလွှာဥပမာတစ်ခုကိုယူခဲ့ပြီး အံ့သြစရာကောင်းသည်မှာ၊ ၎င်းသည် 72% ဝန်းကျင်တိကျမှုကိုပြသခဲ့ပြီး ၎င်းသည် အတော်လေးကောင်းမွန်သောရလဒ်ဖြစ်သည်။

model = Sequential()
model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=(img_size, img_size, 3)))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Convolution2D(32, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
          
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(2, activation='softmax'))

adam = optimizers.SGD(lr=1e-4, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy',
              optimizer= adam,
              metrics=['accuracy'])

နမူနာကောင်းတစ်ခုရှိလျှင် အလုပ်ဖြစ်နိုင်သော မော်ဒယ်တစ်ခုရရှိရန် လုံလောက်ပေမည်။

bot ကိုဖွင့်လိုက်ရအောင်

အိုင်ဒီယာကို လျင်မြန်စွာ စမ်းသပ်ရန်အတွက် အဆင်သင့်လုပ်ထားသော ရွေးစရာတစ်ခုအတွက် သိုလှောင်ရုံရေးသားသူအား ကျေးဇူးတင်ပါသည်။ တကယ်တော့၊ ၎င်းသည် အခြေခံဗားရှင်းတွင် အတော်လေး ကောင်းမွန်စွာ အလုပ်လုပ်နိုင်ပြီး မူအရ ကျွန်ုပ်တို့တွင် စတင်အသုံးပြုနိုင်ပါသည်။ အသင့်လုပ်ထားသော ငှားရမ်းထားသော ဆာဗာ. လေ့ကျင့်ရန် မဖြစ်နိုင်သေးပါ၊ လောလောဆယ်တွင် ကျွန်ုပ်တို့သည် တွက်ချက်မှုအတွက် CUDA ပံ့ပိုးမှုဖြင့် virtual machines များကို မပေးနိုင်သေးသော်လည်း ပြဿနာတစ်စုံတစ်ရာမရှိဘဲ 24/7 ကို သင်လုပ်ဆောင်နိုင်ပါသည်။ ဘော့တ်သည် အလွန်ပေါ့ပါးသည်၊ ထို့ကြောင့် အသုံးပြုသည့်အရင်းအမြစ်များအတွက် ပေးဆောင်သော အခွန်အခတစ်ခုယူခြင်းသည် ပို၍အကျိုးအမြတ်ရှိမည်ဖြစ်သည်။

ရလဒ်များကို

အရမ်းချစ်စရာကောင်းမယ်ထင်တယ်။ ပြီးတော့ ငါ့မှာ ချမ်းသာတဲ့ အတွင်းကမ္ဘာရှိတယ်။ တစ်နာရီအတွင်း 13 ပွဲလိုမျိုး တစ်ခုခုရခဲ့ပါတယ်။ နောက်ပြီး မိန်းကလေးတွေက အရင်ရေးတာ အကြိမ်ကြိမ်။
ရလဒ်အနေဖြင့်၊ ကျွန်ုပ်တို့သည် စက်သင်ယူမှုနှင့် ဒေတာတံဆိပ်တပ်ခြင်းတို့ဖြင့် ကစားရန် တစ်ခုတည်းသာ ပါဝင်လာသည်ဟု ကျွန်ုပ်ပြောခဲ့သော အလွန်ကောင်းသော ဆွေးနွေးပွဲများဖြင့် အဆုံးသတ်ခဲ့သည်။ မိန်းကလေးများထဲမှ တစ်ဦးသည် သူမကိုယ်တိုင် ပြုစုသူဖြစ်သောကြောင့် အလွန်စိတ်ဝင်စားခဲ့သည်။ Habré တွင် ဤပို့စ်ကို နောက်ဆုံးတွင် ဖတ်ရမည်ဟု ပြင်းထန်သော ခံစားမှုတစ်ခု ရှိပါသည်။ Oksana သည် ကျွန်ုပ်၏အမည်ဝှက်ကို ဆက်လက်ထိန်းသိမ်းထားနိုင်လိမ့်မည်ဟု အမှန်တကယ်မျှော်လင့်ပါသည်။ 🙂
* လှိုင်းတွန့်ပြီး နှုတ်ဆက်သည်။

ကျင့်ဝတ်ဆိုင်ရာကိစ္စရပ်နဲ့ ပတ်သက်ပြီး နည်းနည်းပြောပါရစေ

ရိုးရိုးသားသားပြောရရင် ယောက်ျားနဲ့မိန်းကလေးကြား စက်ရုပ်ဆက်ဆံရေးကို စက်ရုပ်လုပ်ခြင်းဆိုတဲ့ အယူအဆတစ်ခုလုံးကို ကျွန်တော်မကြိုက်ပါဘူး။ တစ်ယောက်တည်း ရပ်နေသော အေးစက်နေသော သူစိမ်းတစ်ယောက်၏ ပခုံးပေါ်မှ မင်းရဲ့ အကျီင်္ကို လွှင့်ပစ်ရတာ မှန်ပါတယ်။ ဒါမှမဟုတ် နွေရာသီ ကော်ဖီဆိုင်မှာ ချောမောလှပတဲ့ မိန်းကလေးတစ်ယောက်ဆီ ချဉ်းကပ်ပြီး ကော်ဖီအတူတူသောက်ပါ။ မော်နီတာနောက်ကနေ ထွက်သွားပြီလား။

နွေရာသီသည် နေရာအနှံ့ဖြစ်သည်။ ရင်းနှီးဖို့ အချိန်တန်ပြီ။

source: www.habr.com