Barka da zuwa

Wannan shine shafin yanar gizo na AfriPlaybook, wani buɗaɗɗen jagora don gina rumbun bayanai (datasets) na harsunan Afirka. Yana bin rumbun bayanai tun daga farkon tunani har zuwa fitar da shi ga jama'a: yanke shawarar abin da za a tattara da kuma daga wajen wa, tsara aikin lakabi (annotation), ɗaukar aiki da biyan mutanen da ke yin sa, duba aikin su, tattara bayanan sakamakon, da kuma wallafa shi domin wasu su ci gaba daga inda aka tsaya.

Afirka tana ɗauke da kusan kashi ɗaya bisa uku na harsunan duniya, duk da haka yawancinsu kusan ba su da rubutu da magana da fasahar harshe (language technology) ta dogara da su. Dalili kuwa shi ne gina bayanai masu kyau yana da tsada, aiki ne mai buƙatar kulawa, kuma mutane kalilan ne ake koya musu yadda ake yin sa. Yawancin jagorori kan ƙirƙirar rumbun bayanai suna ɗauka cewa ana amfani da Turanci ne, akwai wadataccen kasafin kuɗi, kuma aikin wani ya riga ya warware shi a baya. Wannan jagorar, a maimakon haka, tana la'akari da yanayin da yawancin ayyukan harsunan Afirka ke fuskanta: ƙaramin tallafin kuɗi, ƙungiyoyin masu aikin sa-kai ko na ɗan lokaci, harsuna da haruffa da yawa a lokaci ɗaya, da kuma al'ummomin da ya kamata su ci gaba da zama masu mallakar abin da suka taimaka wajen ƙirƙirawa.

Don wa aka yi wannan jagorar

An rubuta wannan jagorar ne don duk wanda ke gina, ko yake son gina, rumbun bayanai don wani harshen Afirka, da kuma masu bincike na NLP (NLP researchers) da ke aiki kan kowane harshe da bayanan sa ke da ƙaranci. Tana ɗaukar misalanta ne daga ayyukan Afirka, amma matsalolin da take magancewa ba a Afirka kaɗai suke ba: ƙarancin rubutun da za a iya amfani da shi a yanar gizo, haruffa ko yaruka da yawa a cikin harshe ɗaya, ƙananan kasafin kuɗi, da al'ummomin da dole ne a mutunta amincewarsu da mallakarsu. Yawancin shawarwarin ta suna aiki a duk inda waɗannan yanayoyin suke. A cikin masu karatun ta muna sa ran ɗalibai, masu bincike, masana kimiyyar harshe (linguists) da masu fafutukar harshe waɗanda ke son na'urori su iya amfani da harshen su, masu tsara al'umma da ke gudanar da aikin tattara bayanai, da kuma injiniyoyin da suka gano cewa bayanan da suke buƙata babu su. Ba a buƙatar sanin ilimin koyon na'ura (machine learning) a baya. Abin da ake buƙata kawai shi ne harshen da ka damu da shi da kuma kyakkyawar niyyar yin aiki a tsanake.

Abin da za ku koya

An raba babi-babin zuwa sassa:

• Tushe (Foundations) yana ɗaukar aikin da ya zama ruwan dare ga kowane aiki: tsare-tsare, tattara bayanai, tsara lakabi (annotation), gudanar da bayanai, tabbatar da ingancin sa, da yin aiki tare da al'ummomi.
• Rubutu (Text) yana ɗaukar rarraba rubutu (text classification), samar da rubutu (text generation) da fassarar na'ura (machine translation).
• Magana (Speech) yana ɗaukar gane magana (speech recognition), rubutu-zuwa-magana (text-to-speech), fassarar magana (speech translation), fahimtar sauti (audio understanding), gane motsin rai (emotion recognition) da rarrabe masu magana (speaker diarization).
• Gani (Vision) yana ɗaukar bayanan hoto, fasahar AI ta takardu da OCR, da yaren kurame da bidiyo.
• Hanyoyi da yawa (Multimodal) yana ɗaukar ayyukan da ke haɗa hotuna da rubutu, da amfani da manyan ƙirar harshe (large language models) don taimakawa wajen gina bayanai.
• Tsawon Rayuwa & Fitarwa (Lifecycle & Release) yana ɗaukar kimantawa (evaluation), tattara bayanai (documentation), fitarwa, ƙaddamarwa (deployment), canja wuri tsakanin harsuna (cross-language transfer), da doka da ɗa'a na amincewa.
• Samfura (Templates) yana ba ku takardun da za ku iya daidaitawa, kamar fom ɗin amincewa, ƙa'idodin lakabi da katunan rumbun bayanai (dataset cards).
• Nazarin Hali (Case Studies) yana bayyana ayyuka na gaske, waɗanda mutanen da suka gudanar da su suka rubuta.

Kowane ɗayan sassan aikin yana bayyana abin da ke canzawa lokacin da kuke gina bayanai don irin wannan aikin.

Yadda za a karanta shi

Ba lallai sai kun karanta jagorar a jere ba. Idan kuna fara aiki daga sifili, fara da Gabatarwa, wanda ke bayyana dalilin da yasa harsunan Afirka ba su da bayanai kuma me yasa kwashe bayanan yanar gizo (scraping) ba zai gyara hakan ba, sannan ku karanta babi-babin Tushe a jere. Idan kun riga kun san aikin ku, je zuwa Kafin Ku Fara, wanda ke lissafa albarkatun da ke akwai don ayyukan yau da kullun kuma yana taimaka muku yanke shawarar ko za ku faɗaɗa rumbun bayanan da ke akwai ko gina sabo. Yadda za a karanta wannan jagorar yana ba da shawarar wasu hanyoyin bi ta cikin littafin, kuma ƙamus yana fassara kalmomin sa. Idan kuna aiki ba tare da intanet ba ko akan jinkirin intanet, ana samun gabaɗayan jagorar a matsayin PDF guda ɗaya daga menu na AfriPlaybook a saman shafin.

Kyauta kuma a buɗe

Wannan shafin yanar gizon kyauta ne don karantawa kuma zai ci gaba da kasancewa hakan. Al'ummar Waraka, Masakhane, da masu binciken AfricaNLP ne ke kula da jagorar, tare da tallafi daga Masakhane African Languages Hub. Tana inganta ne kawai gwargwadon yadda masu karatun ta suka inganta ta. Idan kun sami kuskure, kun gudanar da wani aiki wanda ya kamata wasu su ji darussan sa, ko za ku iya fassara shafi, da fatan za ku ba da gudummawa. Ana samun tsarin shafin a cikin Hausa, Amharic, Swahili, Faransanci da Fotigal, kuma ana ƙara fassarar babi-babin yayin da masu aikin sa-kai suka kammala su. Ana maraba da tambayoyi da rashin jituwa a GitHub Discussions da kuma kan Discord.

Idan jagorar ta taimaka wa binciken ku ko koyarwar ku, da fatan za ku kawo nassoshi (cite it).