Applications Layer (application အလွှာ)
Theme A, sections A3 (Databases) and A4 (Machine Learning)
မြန်မာလို: Theme A ထဲက အပိုင်း A3 (Databases: database များ) နဲ့ A4 (Machine Learning: ဒေတာကနေ သင်ယူတဲ့ စနစ်)။ IB Computer Science (နိုင်ငံတကာ ကျောင်းတွေမှာ သင်တဲ့ ကွန်ပျူတာသိပ္ပံ သင်ရိုး) ကို theme (အပိုင်းကြီး) နှစ်ခု ခွဲထားပြီး Theme A က ပထမ theme ပါ။ A3, A4 က အဲဒီ theme ထဲက ခေါင်းစဉ် နံပါတ်တွေပါ။
Hardware (ကွန်ပျူတာရဲ့ ကိုင်တွယ်လို့ရတဲ့ ရုပ်ပိုင်း အစိတ်အပိုင်းများ) က ညွှန်ကြားချက်တွေကို လုပ်ဆောင်ပါတယ်။ Operating system (ကွန်ပျူတာကို စီမံတဲ့ အဓိက software) က resource (သုံးလို့ရတဲ့ ကွန်ပျူတာ အရင်းအမြစ်) တွေကို စီမံပြီး program တွေက အဲဒီ အပေါ်မှာ run ပါတယ်။ ဒါပေမယ့် လူတွေ တိုက်ရိုက် သုံးတာကတော့ application (သုံးစွဲသူအတွက် ရေးထားတဲ့ software) ပါ: သူတို့ရဲ့ ဒေတာကို သိမ်းပေးတဲ့၊ သူတို့ရဲ့ မေးခွန်းတွေကို ဖြေပေးတဲ့ ဒါမှမဟုတ် ဥပမာတွေကနေ သင်ယူတဲ့ software ပါ။ ဒီ layer (အလွှာ) မှာ application နှစ်မျိုး ပါပါတယ်: ဒေတာကို စနစ်တကျ စီပြီး ပြန်ထုတ်ပေးတဲ့ database (ဒေတာ သိမ်းဆည်းတဲ့ စနစ်) တွေနဲ့ ဒေတာကို သုံးပြီး model (ဥပမာတွေကနေ သင်ယူထားပြီး ခန့်မှန်းချက် ထုတ်ဖို့ သုံးတဲ့ ပုံစံ) တွေကို train (ဒေတာနဲ့ လေ့ကျင့်ပေးခြင်း) လုပ်တဲ့ machine learning (ဒေတာကနေ သင်ယူတဲ့ စနစ်) ပါ။ ဒီစာမျက်နှာတွေကို လက်ရှိမှာ IB Computer Science နဲ့ ကိုက်ညီအောင် ရေးထားပါတယ်။
ဒီ layer ထဲက အပိုင်းများ
| # | ခေါင်းစဉ် | Syllabus | အဓိက အယူအဆများ | Level |
|---|---|---|---|---|
| 1 | Databases (database များ) | A3 | Relational database (table တွေ ချိတ်ဆက်ထားတဲ့ database) ကို အခြေခံကနေ SQL (database ကို မေးမြန်း စီမံဖို့ သုံးတဲ့ language) အထိ: schema (database ဖွဲ့စည်းပုံ ဖော်ပြချက်)၊ ERD (entity တွေနဲ့ ဆက်နွယ်မှုတွေကို ပြတဲ့ ပုံ)၊ key (row တွေကို ခွဲခြားပေးပြီး table တွေကို ချိတ်ပေးတဲ့ column)၊ 3NF (normalisation ရဲ့ တတိယ အဆင့်) အထိ normalisation (ဒေတာ ထပ်မနေအောင် table တွေကို စီစဉ်ခြင်း)၊ query (database ထဲက ဒေတာကို ရှာ၊ ပြင်ဖို့ ပေးတဲ့ အမိန့်) နဲ့ update (ဒေတာ ပြင်ဆင်ခြင်း)။ HL မှာ transaction (အကုန်ဖြစ် ဒါမှမဟုတ် ဘာမှမဖြစ်တဲ့ database လုပ်ဆောင်ချက် အစု)၊ view (query ရလဒ်ကို table တစ်ခုလို ပြပေးတဲ့ database object)၊ အခြား database အမျိုးအစားများ၊ data warehouse (ခွဲခြမ်းစိတ်ဖြာဖို့ ယခင် ဒေတာ သိုလှောင်ရုံ) နဲ့ distributed database (နေရာ အများမှာ ခွဲသိမ်းထားတဲ့ database) တွေ ထပ်ပါပါတယ်။ အပိုင်း ပြည့်စုံပြီး practice library (လေ့ကျင့်ခန်း စုစည်းမှု) လည်း ပါပါတယ်။ | SL + HL |
| 2 | Machine Learning (ဒေတာကနေ သင်ယူတဲ့ စနစ်) | A4 | စက်တွေ ဒေတာကနေ ဘယ်လို သင်ယူသလဲ: machine learning အမျိုးအစားတွေနဲ့ ဘယ်မှာ run သလဲ (SL)၊ ပြီးရင် data preparation (train မလုပ်ခင် ဒေတာကို ပြင်ဆင်ခြင်း)၊ supervised (label တပ်ထားတဲ့ ဥပမာတွေကနေ သင်ယူတဲ့) နဲ့ unsupervised (label မပါတဲ့ ဒေတာကနေ သင်ယူတဲ့) နည်းစနစ်များ၊ reinforcement learning (ဆုနဲ့ ဒဏ်ကနေ သင်ယူခြင်း) နဲ့ neural network (အလွှာလိုက် စီထားတဲ့ neuron အတု network) များ (HL)။ အပိုင်း ပြည့်စုံပြီး syllabus ကို ကျော်ပြီး ဖတ်ဖို့ stretch (စာမေးပွဲ မမေးတဲ့ ထပ်ဆင့် လေ့လာစရာ) concept စာမျက်နှာ သုံးခုလည်း ပါပါတယ်: LLM (large language model၊ စာသား အမြောက်အမြားနဲ့ train လုပ်ထားတဲ့ language model ကြီး) တွေ ဘယ်လို အလုပ်လုပ်သလဲ၊ ပုံ ထုတ်ပေးတဲ့ AI ဘယ်လို အလုပ်လုပ်သလဲ၊ machine learning ထက် ကျယ်တဲ့ AI (ဉာဏ်ရည်တု)။ | SL + HL |
Syllabus နဲ့ Level ကော်လံတွေက IB Computer Science သင်တန်းအတွက်ပါ။ SL (Standard Level) နဲ့ HL (Higher Level) ဆိုတာ IB သင်တန်းရဲ့ အဆင့်နှစ်ဆင့်ဖြစ်ပြီး SL + HL ဆိုတာ အဆင့် နှစ်ဆင့်လုံးမှာ လေ့လာရတယ်လို့ ဆိုလိုပါတယ်။
Ethics & Implications (ကျင့်ဝတ်နဲ့ အကျိုးဆက်များ) အပိုင်းမှာ machine learning ဆိုင်ရာ ကျင့်ဝတ် (A4.4.1) နဲ့ ကွန်ပျူတာက နေ့စဉ်ဘဝအပေါ် သက်ရောက်ပုံ (A4.4.2) တို့ ပါပါတယ်။ IB စာမေးပွဲမှာ ဒီ ခေါင်းစဉ်တွေကို သီးခြား ဆွေးနွေးရမယ့် ခေါင်းစဉ်တွေ အဖြစ် စစ်ဆေးလို့ သူတို့ကိုယ်ပိုင် အပိုင်း ရှိပါတယ်။
Application ကို ကိုယ်တိုင် တည်ဆောက်ချင်လား
ဒီ site ရဲ့ အပိုင်း နှစ်ခုက ဒီ layer မှာ စာမေးပွဲ စစ်တဲ့ သီအိုရီ အစား application တွေကို တည်ဆောက်တာအကြောင်း ဖြစ်ပါတယ်:
- JavaFX Cookbook (JavaFX: Java နဲ့ desktop app တည်ဆောက်တဲ့ library) က Java နဲ့ desktop app (ကွန်ပျူတာပေါ်မှာ run တဲ့ app) တစ်ခု တည်ဆောက်ဖို့ recipe (ချက်ချင်း ယူသုံးလို့ရတဲ့ code နမူနာ) တွေကို စုထားတာပါ: table (ဇယား)၊ dialog (user ကို မေးခွန်း မေးတဲ့ pop-up window)၊ file picker (file ရွေးပေးတဲ့ window)၊ chart (ဂရပ်ပုံ) တွေနဲ့ ကိုယ့် app မှာ တကယ့် database လိုတဲ့အခါ SQLite (file တစ်ခုတည်းထဲမှာ သိမ်းတဲ့ database အသေး) နဲ့ ချိတ်ဆက်ပုံ ပါပါတယ်။
- Internal Assessment (IA: IB သင်တန်းမှာ ကျောင်းသားတစ်ယောက်ချင်း ကိုယ်တိုင် တည်ဆောက်ရပြီး ကျောင်းက ဆရာက အမှတ်ပေးတဲ့ အပိုင်း) စာမျက်နှာတွေမှာ IB CS အကဲဖြတ်မှုအတွက် software project တစ်ခုကို စီစဉ်ခြင်း၊ တည်ဆောက်ခြင်းနဲ့ အကဲဖြတ်ခြင်း တို့ ပါပါတယ်။ IB စာမေးပွဲ မဖြေဘူးဆိုရင်တောင် စီစဉ်ခြင်းနဲ့ အကဲဖြတ်ခြင်း စာမျက်နှာတွေကို ဘယ် software project အတွက်မဆို template (ပုံစံ) အဖြစ် သုံးလို့ ရပါသေးတယ်။
Cookbook က Programming အပိုင်းအောက်မှာ ရှိပြီး IA လမ်းညွှန်ချက်တွေက IB CS Assessments (IB CS အကဲဖြတ်မှုများ) အပိုင်းအောက်မှာ ရှိပါတယ်။
လေ့လာဖို့ အကြံပြုထားတဲ့ အစဉ်
ဖြစ်နိုင်ရင် Databases ကို အရင် လေ့လာပါ။ Machine learning က ဒေတာကို ယုံယုံကြည်ကြည် ကိုင်တွယ်နိုင်တာအပေါ် မူတည်ပါတယ်။ HL machine learning အယူအဆ တချို့ (data cleaning (train မလုပ်ခင် ဒေတာကို သန့်ရှင်းအောင် ပြင်ခြင်း)၊ feature selection (model သင်ယူမယ့် input တွေကို ရွေးခြင်း)) ကို dataset (ဒေတာ အစုအဝေး) တွေကို ကိုယ်တိုင် normalise လုပ်ပြီး query လုပ်ဖူးမှ နားလည်ရ ပိုလွယ်ပါတယ်။ ဒါပေမယ့် Machine Learning ကို သီးခြား လေ့လာလို့လည်း ရပါတယ်။
သင်ယူမှု ရည်မှန်းချက်များ
ဒီ layer ပြီးသွားတဲ့အခါ အောက်ပါတို့ကို လုပ်နိုင်ရပါမယ်။ Explain၊ Construct၊ Describe၊ evaluate ဆိုတဲ့ English ကြိယာတွေက IB command term (မေးခွန်းမှာ ဘာလုပ်ရမလဲ ပြတဲ့ ညွှန်ကြားချက် စကားလုံး) တွေပါ:
- Relational database တွေရဲ့ ထူးခြားချက်၊ အကျိုးကျေးဇူးနဲ့ ကန့်သတ်ချက်တွေကို Explain (ရှင်းပြ) လုပ်နိုင်ပြီး 3NF အထိ normalise လုပ်ထားတဲ့ database တစ်ခုကို ဒီဇိုင်းဆွဲနိုင်ရပါမယ် (A3)
- Table အများကြားမှာ SQL query နဲ့ update တွေကို Construct (ကိုယ်တိုင် တည်ဆောက်) လုပ်နိုင်ရပါမယ် (A3)
- Machine learning အမျိုးအစားတွေနဲ့ သူတို့ရဲ့ လက်တွေ့ အသုံးချပုံ၊ hardware လိုအပ်ချက်တွေကို Describe (ဖော်ပြရှင်းပြ) လုပ်နိုင်ရပါမယ် (A4)
- HL: အဆင့်မြင့် database နည်းလမ်းတွေကို evaluate (အားသာချက်နဲ့ အားနည်းချက်တွေကို ချိန်ဆပြီး အကဲဖြတ်) လုပ်နိုင်ပြီး regression (ပမာဏကို ဂဏန်းနဲ့ ခန့်မှန်းခြင်း) ကနေ neural network အထိ အဓိက machine learning နည်းစနစ်တွေကို explain လုပ်နိုင်ရပါမယ် (A3/A4 HL)
ဆက်စပ် ခေါင်းစဉ်များ
- Programming Layer (programming အလွှာ): application တိုင်းကို data structure (ဒေတာ သိမ်းဆည်းပုံ) နဲ့ OOP (object တွေကို အခြေခံပြီး program ရေးနည်း) ကို အခြေခံပြီး တည်ဆောက်ပါတယ်
- Information Layer (အချက်အလက် အလွှာ): application တွေ စီမံတဲ့ ဒေတာကို တကယ်တမ်း ဘယ်လို encode (သတ်မှတ်ထားတဲ့ code ပုံစံအဖြစ် ပြောင်း) လုပ်ထားသလဲ
- Ethics & Implications (ကျင့်ဝတ်နဲ့ အကျိုးဆက်များ): application တွေ၊ အထူးသဖြင့် သင်ယူတတ်တဲ့ application တွေက သူတို့ သက်ရောက်တဲ့ လူတွေအပေါ် ဘယ်လို တာဝန်ရှိသလဲ