Pavel Klemenkov၊ NVIDIA - ဒေတာသိပ္ပံပညာရှင်တစ်ဦးလုပ်နိုင်သည်နှင့်သူလုပ်နိုင်သင့်သည်များအကြားကွာဟချက်ကိုလျှော့ချရန်ကြိုးစားနေပါသည်။

ဒေတာသိပ္ပံနှင့် စီးပွားရေးဉာဏ်ရည်ဉာဏ်သွေးဆိုင်ရာ Ozon Masters ဘာသာရပ်ဆိုင်ရာ မဟာပရိုဂရမ်မှ ကျောင်းသားများ၏ ဒုတိယမြောက် ဝင်ခွင့်ကို စတင်လိုက်ပြီဖြစ်ပြီး လျှောက်လွှာကို ချန်ထားခဲ့ကာ အွန်လိုင်းတွင် စာမေးပွဲဖြေဆိုရန် ပိုမိုလွယ်ကူစေရန်အတွက် ပရိုဂရမ်ဆရာများအား လေ့လာခြင်းနှင့် အလုပ်လုပ်ကိုင်ခြင်းမှ ဘာမျှော်လင့်ထားရမည်ကို မေးမြန်းခဲ့ပါသည်။ ဒေတာနှင့်အတူ။

Chief Data Scientist NVIDIA နှင့် ဆရာ Big Data နှင့် Data Engineering သင်တန်းများ Pavel Klemenkov က သင်္ချာပညာရှင်များသည် Ozon Masters တွင် ကုဒ်ရေးပြီး နှစ်နှစ်ကြာ လေ့လာရန် အဘယ်ကြောင့် လိုအပ်ကြောင်း ပြောဆိုခဲ့သည်။

— ဒေတာသိပ္ပံ အယ်လဂိုရီသမ်ကို အသုံးပြုသည့် ကုမ္ပဏီများစွာ ရှိပါသလား။

- တကယ်တော့ တော်တော်များတယ်။ တကယ်ကြီးမားတဲ့ data တွေရှိတဲ့ ကုမ္ပဏီကြီးတော်တော်များများက အဲဒါကို ထိထိရောက်ရောက်နဲ့ စတင်လုပ်ဆောင်တာ ဒါမှမဟုတ် အချိန်အကြာကြီး လုပ်ကိုင်နေကြပါပြီ။ စျေးကွက်၏ထက်ဝက်သည် Excel ဇယားကွက်တွင် အံဝင်ခွင်ကျဖြစ်စေနိုင်သော ဒေတာကိုအသုံးပြုသည် သို့မဟုတ် ကြီးမားသောဆာဗာတစ်ခုပေါ်တွင် တွက်ချက်နိုင်သော်လည်း ဒေတာဖြင့်လုပ်ဆောင်နိုင်သော လုပ်ငန်းအနည်းငယ်သာရှိကြောင်း ရှင်းရှင်းလင်းလင်းသိရသည်။

— ဒေတာသိပ္ပံကို အသုံးပြုသည့် ပရောဂျက်များအကြောင်း အနည်းငယ်ပြောပြပါ။

— ဥပမာအားဖြင့်၊ Rambler တွင်အလုပ်လုပ်နေစဉ်၊ RTB (Real Time Bidding) ၏မူများကိုလုပ်ဆောင်သည့် ကြော်ငြာစနစ်တစ်ခုကို ကျွန်ုပ်တို့ပြုလုပ်နေသည် - ကျွန်ုပ်တို့သည် ကြော်ငြာဝယ်ယူမှုကို အကောင်းဆုံးဖြစ်စေမည့် မော်ဒယ်များစွာကို တည်ဆောက်ရန် လိုအပ်သည် သို့မဟုတ် ဥပမာအားဖြင့် ဖြစ်နိုင်ခြေကို ခန့်မှန်းနိုင်သည် ကလစ်တစ်ခု၊ ပြောင်းလဲခြင်းစသည်ဖြင့်။ တစ်ချိန်တည်းမှာပင်၊ ကြော်ငြာလေလံတစ်ခုသည် ဒေတာများစွာကို ထုတ်ပေးသည်- ဖြစ်နိုင်ချေရှိသော ကြော်ငြာဝယ်သူများထံသို့ ဆိုက်များ၏ မှတ်တမ်းများ၊ ကြော်ငြာစွဲချက်များ၊ ကလစ်မှတ်တမ်းများ - ၎င်းသည် တစ်နေ့လျှင် ဆယ်လီတာဘိုက်ဒေတာဖြစ်သည်။

ထို့အပြင်၊ ဤလုပ်ငန်းတာဝန်များအတွက် ကျွန်ုပ်တို့သည် စိတ်ဝင်စားစရာကောင်းသည့် ဖြစ်စဉ်တစ်ခုကို တွေ့ရှိခဲ့သည်- မော်ဒယ်ကိုလေ့ကျင့်ရန် ဒေတာများများပေးလေ၊ ၎င်း၏အရည်အသွေး မြင့်မားလေဖြစ်သည်။ ပုံမှန်အားဖြင့်၊ အချို့သောဒေတာပမာဏပြီးနောက်၊ ခန့်မှန်းချက်၏အရည်အသွေးသည် တိုးတက်မှုရပ်တန့်သွားပြီး တိကျမှုကို ပိုမိုတိုးတက်စေရန်အတွက် အခြေခံအားဖြင့် မတူညီသောပုံစံ၊ ဒေတာပြင်ဆင်ခြင်း၊ အင်္ဂါရပ်များနှင့် အခြားချဉ်းကပ်နည်းကို အသုံးပြုရန် လိုအပ်ပါသည်။ ဤတွင် ကျွန်ုပ်တို့သည် ဒေတာပို၍ အပ်လုဒ်လုပ်ပြီး အရည်အသွေး တိုးလာပါသည်။

ဤအရာသည် အနည်းဆုံး စမ်းသပ်မှုတစ်ခုပြုလုပ်ရန်အတွက် လေ့လာဆန်းစစ်သူများသည် ဦးစွာပထမတွင် ကြီးမားသောဒေတာအတွဲများနှင့် အလုပ်လုပ်ရမည်ဖြစ်ပြီး၊ အဆင်ပြေသော MacBook နှင့် အံဝင်ခွင်ကျဖြစ်သော နမူနာအသေးတစ်ခုဖြင့် ဖြတ်သန်းရန် မဖြစ်နိုင်သည့်နေရာဖြစ်သည်။ တစ်ချိန်တည်းမှာပင်၊ တစ်နည်းတစ်ဖုံ လေ့ကျင့်မသင်ကြားနိုင်သောကြောင့် ဖြန့်ဝေထားသော မော်ဒယ်များ လိုအပ်ပါသည်။ ကွန်ပြူတာအမြင်ကို ထုတ်လုပ်မှုတွင် မိတ်ဆက်လိုက်သည်နှင့်အမျှ ပုံများသည် ဒေတာပမာဏ များပြားပြီး မော်ဒယ်ကြီးတစ်ခုကို လေ့ကျင့်ရန်အတွက် ဓါတ်ပုံပေါင်း သန်းပေါင်းများစွာ လိုအပ်သောကြောင့် ထိုဥပမာများသည် ပို၍အဖြစ်များလာပါသည်။

ချက်ခြင်းမေးခွန်းပေါ်လာသည်- ဤအချက်အလက်အားလုံးကို သိမ်းဆည်းနည်း၊ ၎င်းကို ထိရောက်စွာ စီမံဆောင်ရွက်ပုံ၊ ဖြန့်ဝေသင်ကြားမှုဆိုင်ရာ အယ်လဂိုရီသမ်များကို အသုံးပြုနည်း- အာရုံစူးစိုက်မှုသည် သန့်စင်သောသင်္ချာမှ အင်ဂျင်နီယာပညာသို့ ကူးပြောင်းသွားခြင်းဖြစ်သည်။ ထုတ်လုပ်မှုတွင် ကုဒ်မရေးတတ်လျှင်ပင်၊ စမ်းသပ်မှုတစ်ခုပြုလုပ်ရန် အင်ဂျင်နီယာကိရိယာများဖြင့် အလုပ်လုပ်နိုင်ရပါမည်။

— မကြာသေးမီနှစ်များအတွင်း ဒေတာသိပ္ပံလစ်လပ်နေရာများအတွက် ချဉ်းကပ်မှုမှာ မည်သို့ပြောင်းလဲသွားသနည်း။

- ဒေတာကြီးများသည် ဖောင်းပွမှုမဖြစ်တော့ဘဲ လက်တွေ့ဖြစ်လာသည်။ Hard Disk များသည် အလွန်စျေးပေါသောကြောင့် အနာဂတ်တွင် မည်သည့်ယူဆချက်များကိုမဆို စမ်းသပ်နိုင်စေရန် ဒေတာအားလုံးကို စုဆောင်းနိုင်သည်ဟု ဆိုလိုသည်။ ရလဒ်အနေနှင့်၊ ဒေတာကြီးကြီးမားမားနှင့် လုပ်ဆောင်ရန် ကိရိယာများဆိုင်ရာ အသိပညာသည် အလွန်ရေပန်းစားလာပြီး ရလဒ်အနေဖြင့် ဒေတာအင်ဂျင်နီယာများအတွက် လစ်လပ်နေရာများ ပိုများလာပါသည်။

ကျွန်ုပ်၏နားလည်မှုအရ၊ ဒေတာသိပ္ပံပညာရှင်၏အလုပ်၏ရလဒ်သည် စမ်းသပ်မှုတစ်ခုမဟုတ်သော်လည်း ထုတ်လုပ်ရေးသို့ရောက်ရှိသွားသော ထုတ်ကုန်တစ်ခုဖြစ်သည်။ ဤရှုထောင့်မှကြည့်ရုံဖြင့်၊ ဒေတာကြီးကြီးမားမားပျံ့နှံ့မှုမပေါ်မီ၊ လုပ်ငန်းစဉ်သည် ပိုမိုရိုးရှင်းသည်- အင်ဂျင်နီယာများသည် သီးခြားပြဿနာများကိုဖြေရှင်းရန် စက်သင်ယူမှုတွင် ပါဝင်ခဲ့ကြပြီး အယ်လဂိုရီသမ်များကို ထုတ်လုပ်ရန်အတွက် ပြဿနာတစ်စုံတစ်ရာမရှိခဲ့ပါ။

- ကျွမ်းကျင်သူတစ်ဦးအဖြစ် ဆက်ရှိနေရန် ဘာလိုအပ်သနည်း။

- ယခု လူအများသည် သင်္ချာ၊ စက်သင်ယူမှုသီအိုရီကို လေ့လာပြီး ဒေတာခွဲခြမ်းစိတ်ဖြာမှုပြိုင်ပွဲများတွင် ပါဝင်ခဲ့ကြသော ဒေတာသိပ္ပံသို့ ရောက်ရှိလာကြပြီး၊ အဆင်သင့်လုပ်ထားသော အခြေခံအဆောက်အဦများ ထောက်ပံ့ပေးသည်- ဒေတာကို သန့်စင်ပြီး၊ မက်ထရစ်များကို သတ်မှတ်ပေးကာ မရှိ၊ ပြန်ပွားနိုင်သော မြန်ဆန်စေရန်အတွက် လိုအပ်ချက်များ။

ရလဒ်အနေဖြင့် ယောက်ျားလေးများသည် လုပ်ငန်း၏အဖြစ်မှန်များအတွက် ပြင်ဆင်မှုမကောင်းသောအလုပ်သို့ ရောက်လာကြပြီး အသစ်အသစ်များနှင့် အတွေ့အကြုံရှိသော developer များကြားတွင် ကွာဟချက်တစ်ခုဖြစ်ပေါ်လာသည်။

အဆင်သင့်လုပ်ထားသော modules များမှ သင့်ကိုယ်ပိုင်မော်ဒယ်ကို စုစည်းနိုင်စေမည့် ကိရိယာများ ဖွံ့ဖြိုးတိုးတက်လာပြီး Microsoft၊ Google နှင့် အခြားများစွာသော ဖြေရှင်းနည်းများ ရှိနှင့်ပြီးဖြစ်သည်- နှင့် machine learning ၏ အလိုအလျောက်စနစ်ဖြင့်၊ ဤကွာဟချက်သည် ပိုမိုသိသာလာမည်ဖြစ်ပါသည်။ အနာဂတ်တွင်၊ အယ်လဂိုရီသမ်အသစ်များနှင့် တီထွင်ဆန်းသစ်ထားသော သုတေသီများနှင့် မော်ဒယ်များနှင့် အလိုအလျောက်လုပ်ဆောင်မည့် လုပ်ငန်းစဉ်များကို အကောင်အထည်ဖော်မည့် အင်ဂျင်နီယာစွမ်းရည်ရှိသော ဝန်ထမ်းများအတွက် အလုပ်အကိုင်သည် လိုအပ်ချက်ဖြစ်လာမည်ဖြစ်သည်။ ဒေတာအင်ဂျင်နီယာဆိုင်ရာ Ozon Masters သင်တန်းသည် အင်ဂျင်နီယာစွမ်းရည်များ ဖွံ့ဖြိုးတိုးတက်စေရန်နှင့် ဒေတာကြီးကြီးမားမားပေါ်တွင် ဖြန့်ဝေထားသော စက်သင်ယူမှုဆိုင်ရာ အယ်လဂိုရီသမ်များကို အသုံးပြုနိုင်စွမ်းရှိစေရန် ဒီဇိုင်းထုတ်ထားသည်။ ဒေတာသိပ္ပံပညာရှင်တစ်ဦးလုပ်နိုင်သည်နှင့် လက်တွေ့တွင် သူလုပ်နိုင်သင့်သည်များကြားကွာဟချက်ကို လျှော့ချရန် ကျွန်ုပ်တို့ကြိုးစားနေပါသည်။

- ဒီပလိုမာရထားတဲ့ သင်္ချာပညာရှင်က ဘာကြောင့် စီးပွားရေးကို လေ့လာသင့်တာလဲ။

— ရုရှားဒေတာသိပ္ပံအသိုင်းအဝိုင်းသည် ကျွမ်းကျင်မှုနှင့် အတွေ့အကြုံများကို ငွေအဖြစ်သို့ လျင်မြန်စွာပြောင်းလဲသွားကြောင်း နားလည်လာခဲ့ကြပြီး၊ ထို့ကြောင့် ကျွမ်းကျင်သူတစ်ဦးသည် လက်တွေ့အတွေ့အကြုံရှိပြီး၊ သူ၏ကုန်ကျစရိတ်သည် အလွန်လျင်မြန်စွာ ကြီးထွားလာသည်၊ ကျွမ်းကျင်သောသူများသည် အလွန်စျေးကြီးသည်- လက်ရှိ ဖွံ့ဖြိုးတိုးတက်မှု စျေးကွက်တွင် မှန်ကန်ပါသည်။

ဒေတာသိပ္ပံပညာရှင်တစ်ဦး၏အလုပ်၏ အဓိကအလုပ်မှာ ဒေတာထဲသို့ဝင်ရန်၊ ထိုနေရာတွင် ရှိနေသောအရာများကို နားလည်ရန်၊ လုပ်ငန်းလုပ်ငန်းစဉ်များအတွက် တာဝန်ရှိသောသူများနှင့် တိုင်ပင်ပြီး ဤဒေတာကို ထုတ်လုပ်ရန်ဖြစ်သည် - ထို့နောက် မော်ဒယ်များတည်ဆောက်ရန်အတွက် ၎င်းကိုအသုံးပြုပါ။ ဒေတာကြီးများဖြင့် စတင်လုပ်ကိုင်ရန်အတွက် အင်ဂျင်နီယာစွမ်းရည်ရှိရန် အလွန်အရေးကြီးပါသည် - ၎င်းသည် ဒေတာသိပ္ပံတွင် များစွာရှိသည့် ချွန်ထက်သောထောင့်များကို ရှောင်ရှားရန် ပိုမိုလွယ်ကူစေသည်။

သာမာန်ဇာတ်လမ်း- ဒေတာကြီးကြီးမားမားပေါ်တွင် လုပ်ဆောင်နေသည့် Hive framework ကို အသုံးပြု၍ လုပ်ဆောင်သည့် SQL တွင် သင် query တစ်ခုကို ရေးခဲ့သည်။ တောင်းဆိုချက်ကို ဆယ်မိနစ်အတွင်း လုပ်ဆောင်ပြီး အဆိုးဆုံးအခြေအနေတွင် - တစ်နာရီ သို့မဟုတ် နှစ်နာရီအတွင်း၊ ဤဒေတာကို ဒေါင်းလုဒ်များရယူသောအခါတွင် အချက်အချို့ သို့မဟုတ် နောက်ထပ်အချက်အလက်များကို ထည့်သွင်းရန်မေ့သွားသည်ကို သင်သဘောပေါက်ပါသည်။ သင်သည် တောင်းဆိုချက်ကို ပြန်လည်ပေးပို့ပြီး ဤမိနစ်နှင့် နာရီများကို စောင့်ရပါမည်။ အကယ်၍ သင်သည် စွမ်းဆောင်ရည် ထူးချွန်သူဖြစ်ပါက၊ သင်သည် အခြားအလုပ်တစ်ခုကို လုပ်ဆောင်ရလိမ့်မည်၊ သို့သော် လက်တွေ့ပြသထားသည့်အတိုင်း၊ ကျွန်ုပ်တို့တွင် စွမ်းဆောင်ရည် ဉာဏ်ကြီးရှင် အနည်းငယ်ရှိပြီး လူအများက စောင့်မျှော်နေပါသည်။ ထို့ကြောင့်၊ သင်တန်းများတွင် ကျွန်ုပ်တို့သည် နှစ်နာရီကြာသော်လည်း မိနစ်များစွာ အလုပ်မလုပ်သော မေးခွန်းများကို အစပိုင်းတွင် ရေးသားနိုင်ရန် ထိရောက်မှုရှိသော အလုပ်အတွက် အချိန်များစွာ မြှုပ်နှံပါမည်။ ဤကျွမ်းကျင်မှုသည် ကုန်ထုတ်စွမ်းအားကို တိုးပွားစေပြီး ၎င်းနှင့်အတူ ကျွမ်းကျင်သူ၏တန်ဖိုးဖြစ်သည်။

- Ozon Masters သည် အခြားသင်တန်းများနှင့် မည်သို့ကွာခြားသနည်း။

- Ozon Masters များကို Ozon ဝန်ထမ်းများမှ သင်ကြားပေးပြီး လုပ်ငန်းများကို ကုမ္ပဏီများတွင် ဖြေရှင်းနိုင်သော တကယ့်စီးပွားရေးဆိုင်ရာကိစ္စရပ်များအပေါ် အခြေခံထားသည်။ အမှန်တော့၊ အင်ဂျင်နီယာကျွမ်းကျင်မှု မရှိခြင်းအပြင်၊ တက္ကသိုလ်တွင် ဒေတာသိပ္ပံကို လေ့လာသူတစ်ဦးသည် အခြားပြဿနာတစ်ခုရှိသည်- လုပ်ငန်းတစ်ခု၏ လုပ်ငန်းတာဝန်ကို စီးပွားရေးဘာသာစကားဖြင့် ပုံဖော်ထားပြီး ၎င်း၏ပန်းတိုင်မှာ အလွန်ရိုးရှင်းသည်- ငွေပိုရှာရန်ဖြစ်သည်။ သင်္ချာပညာရှင်တစ်ဦးသည် သင်္ချာမက်ထရစ်များကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်နည်းကို ကောင်းစွာသိသည် - သို့သော် လုပ်ငန်းမက်ထရစ်တစ်ခုနှင့် ဆက်စပ်မည့် ညွှန်ကိန်းတစ်ခုကို ရှာဖွေရန်မှာ ခက်ခဲသည်။ သင်သည် လုပ်ငန်းပြဿနာတစ်ခုကို ဖြေရှင်းနေပြီး လုပ်ငန်းနှင့်အတူ သင်္ချာနည်းဖြင့် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်နိုင်သည့် မက်ထရစ်များကို ဖော်မြူလာပြုလုပ်ရန် သင်နားလည်ရန်လိုအပ်ပါသည်။ ဤကျွမ်းကျင်မှုသည် ဖြစ်ရပ်မှန်များမှတဆင့် ရရှိပြီး ၎င်းတို့ကို Ozon မှ ပေးအပ်သည်။
ကိစ္စရပ်တွေကို လျစ်လျူရှုထားရင်တောင်မှ တကယ့်ကုမ္ပဏီတွေမှာ စီးပွားရေးပြဿနာတွေကို ဖြေရှင်းပေးတဲ့ ပညာရှင်တွေက ကျောင်းကို သင်ကြားပေးပါတယ်။ ထို့ကြောင့် သင်ကြားရေး ချဉ်းကပ်ပုံသည် လက်တွေ့ဆန်သော ပညာရပ်ဖြစ်သည်။ အနည်းဆုံး ကျွန်ုပ်၏သင်တန်းတွင်၊ ကျွန်ုပ်သည် ကိရိယာများကိုအသုံးပြုပုံ၊ မည်သို့သောချဉ်းကပ်နည်းများ အစရှိသည်တို့ကို အာရုံစိုက်ရန် ကြိုးစားပါမည်။ ကျောင်းသားများနှင့်အတူ၊ လုပ်ငန်းတစ်ခုစီတွင် ၎င်း၏ကိုယ်ပိုင်ကိရိယာတစ်ခုစီရှိသည်ကို နားလည်မည်ဖြစ်ပြီး၊ ကိရိယာတစ်ခုစီတွင် အသုံးချနိုင်မှုဧရိယာပါရှိသည်။

— အကျော်ကြားဆုံးဒေတာခွဲခြမ်းစိတ်ဖြာမှုလေ့ကျင့်ရေးပရိုဂရမ်၊ ဟုတ်ပါတယ် ShAD ဖြစ်သည် — ၎င်းနှင့်အတိအကျကွာခြားချက်ကား အဘယ်နည်း။

- ပညာရေးဆိုင်ရာလုပ်ဆောင်မှုအပြင် ShAD နှင့် Ozon Masters များသည် ဝန်ထမ်းလေ့ကျင့်ရေးဆိုင်ရာ ဒေသတွင်းပြဿနာများကို ဖြေရှင်းနိုင်သည်မှာ ရှင်းပါသည်။ ထိပ်တန်း SHAD ဘွဲ့ရများကို Yandex တွင် အဓိက စုဆောင်းထားသော်လည်း ဖမ်းမိသည်မှာ ၎င်း၏ထူးခြားချက်များကြောင့် Yandex သည် ကြီးမားပြီး ဒေတာကြီးများနှင့် လုပ်ဆောင်ရန်အတွက် ကောင်းမွန်သောကိရိယာအနည်းငယ်သာရှိသောအခါတွင် ၎င်းသည် ၎င်း၏ကိုယ်ပိုင်အခြေခံအဆောက်အအုံနှင့် ကိရိယာများပါရှိသည်။ ဆိုလိုချင်တာက သူတို့ကို ကျွမ်းကျင်အောင်လုပ်ရမယ်။ Ozon Masters တွင် မတူညီသော မက်ဆေ့ချ်တစ်ခု ရှိသည် - အကယ်၍ သင်သည် ပရိုဂရမ်ကို အောင်မြင်စွာ ကျွမ်းကျင်ပြီး Ozon သို့မဟုတ် အခြားကုမ္ပဏီများ၏ 99% မှ သင့်အား အလုပ်လုပ်ရန် ဖိတ်ခေါ်ပါက၊ လုပ်ငန်းကို စတင်ရန် ပိုမိုလွယ်ကူလိမ့်မည်၊ Ozon Masters ၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် ရရှိထားသော ကျွမ်းကျင်မှု အလုပ်စလုပ်ရုံနဲ့ လုံလောက်ပါလိမ့်မယ်။

- သင်တန်းကာလမှာ နှစ်နှစ်ဖြစ်သည်။ ဒီအတွက် မင်းဘာကြောင့် အချိန်အများကြီး ပေးရတာလဲ။

- မေးခွန်းကောင်း။ အကြောင်းအရာနှင့် ဆရာများအဆင့်အရ၊ ဤသည်မှာ အိမ်စာအပါအဝင် ကျွမ်းကျင်ရန် အချိန်များစွာလိုအပ်သော အဓိကကျသော မာစတာအစီအစဉ်တစ်ခုဖြစ်သောကြောင့် အချိန်ကြာမြင့်ပါသည်။

ကျွန်ုပ်၏သင်တန်းရှုထောင့်မှကြည့်လျှင် ကျောင်းသားတစ်ဦးသည် တစ်ပတ်လျှင် ၂ နာရီမှ ၃ နာရီအထိ တာဝန်များထမ်းဆောင်ရန် မျှော်လင့်ခြင်းသည် သာမာန်ဖြစ်သည်။ ပထမဦးစွာ၊ လုပ်ဆောင်စရာများကို လေ့ကျင့်ရေးအစုတစ်ခုတွင် လုပ်ဆောင်ပြီး မျှဝေထားသော အစုအဝေးတစ်ခုသည် လူများစွာ ၎င်းကို တစ်ပြိုင်နက် အသုံးပြုသည်ဟု ဆိုလိုသည်။ ဆိုလိုသည်မှာ၊ အလုပ်စတင်လုပ်ဆောင်ရန် စောင့်ဆိုင်းရမည်ဖြစ်ပြီး၊ အချို့သောအရင်းအမြစ်များကို ရွေးချယ်ပြီး ပိုမိုမြင့်မားသော ဦးစားပေးတန်းစီသို့ လွှဲပြောင်းနိုင်ပါသည်။ တစ်ဖက်တွင်၊ ဒေတာကြီးကြီးမားမားဖြင့် မည်သည့်အလုပ်မဆို အချိန်များစွာယူသည်။

အကယ်၍ သင့်တွင် ဒေတာကြီးကြီးမားမား သို့မဟုတ် အင်ဂျင်နီယာကျွမ်းကျင်မှုဖြင့် လုပ်ဆောင်ရသည့် ပရိုဂရမ်နှင့်ပတ်သက်သည့် နောက်ထပ်မေးခွန်းများရှိပါက Ozon Masters သည် စနေနေ့၊ ဧပြီလ 25 ရက်နေ့ ည 12:00 နာရီတွင် အွန်လိုင်းဖွင့်ရက်ဖြစ်သည်။ ဆရာမတွေနဲ့ ကျောင်းသားတွေနဲ့ တွေ့တယ်။ zoom နှင့် YouTube ကို.

source: www.habr.com