បរាជ័យដើម្បីស្គាល់ខ្លួនឯងច្បាស់ជាងមុន

https://agricultureexp.com

SmartPOS: A Web-Based Point-of-Sale and Inventory Management System

Small retail shops such as mini-marts often record sales and stock manually or in disconnected spreadsheets, which makes it difficult to know current stock levels, track daily sales, or stop a cashier from selling an item that is already out of stock. SmartPOS is a web-based Point-of-Sale and Inventory Management System built with Python, Flask, and MySQL that lets store staff manage products, process sales at checkout, and view sales reports, all enforced by a server-side role-based permission system. The system applies Object-Oriented Programming through a layered architecture that separates domain models, business services, and database repositories. The delivered system covers everything proposed and extends it substantially: role-based authentication for four staff roles, full product and stock management with a stock ledger, a checkout workflow that supports cash, KHQR bank-QR, card, and split-tender payment and automatically updates inventory, purchase orders with a supplier workflow, staff shift and cash-drawer accountability, a team task board, analytics with CSV/Excel export, and automated Telegram alerts for store activity. The final output is a working Flask application backed by a 23-table MySQL database, verified by 49 automated test cases and a full manual walkthrough of every role and workflow.

Nutrition and Diet Expert System

គម្រោងនេះមានគោលបំណងអភិវឌ្ឍន៍ ប្រព័ន្ធឯកទេសជំនាញផ្នែកអាហារូបត្ថម្ភ និងរបបអាហារ (Nutrition and Diet System) សម្រាប់មនុស្សដែលមានបញ្ហាសុខភាព និងអ្នកដែលមានបំណងរក្សាសុខភាពឱ្យបានល្អ។ ប្រព័ន្ធនេះត្រូវបានបង្កើតឡើង ដើម្បីដោះស្រាយបញ្ហាសំខាន់ៗដូចជា ការខ្វះចំណេះដឹងអំពីអាហារូបត្ថម្ភត្រឹមត្រូវ ការចូលដំណើរការទៅកាន់អ្នកជំនាញអាហារូបត្ថម្ភមានកម្រិត និងការទទួលបានព័ត៌មានអាហារដែលមិនត្រឹមត្រូវ ឬមិនគួរឱ្យទុកចិត្ត។ប្រព័ន្ធនេះអនុវត្តតាមស្ថាបត្យកម្ម MVC (Model-View-Controller) ជាមួយប្រតិបត្តិការនូវការប្រើប្រាស់ Knowledge Based System និង Rule-Based System ក្នុងការសម្រេចចិត្ត និងផ្តល់ការណែនាំអាហារ ដោយផ្អែកលើចំណេះដឹងពីអ្នកជំនាញអាហារូបត្ថម្ភ។ ការអភិវឌ្ឍប្រព័ន្ធត្រូវបានអនុវត្តដោយប្រើ Flask និង MySQL ជាបច្ចេកវិទ្យាផ្នែក Back-end និងប្រើ HTML, CSS និង JavaScript សម្រាប់ការរចនាចំណុចប្រទាក់អ្នកប្រើប្រាស់ (User Interface) ដើម្បីធានាថាប្រព័ន្ធមានភាពងាយស្រួលប្រើ និងអាចចូលប្រើបានយ៉ាងមានប្រសិទ្ធភាព។ លទ្ធផលរំពឹងទុកនៃការស្រាវជ្រាវនេះ គឺការអភិវឌ្ឍកម្មវិធី Expert System ដែលមានតម្លៃសមរម្យ អាចប្រើប្រាស់បានទូលំទូលាយ និងផ្តល់សិទ្ធិចូលប្រើព័ត៌មានអាហារូបត្ថម្ភ ការណែនាំរបបអាហារត្រឹមត្រូវ និងព័ត៌មានអំពីជំងឺដែលទាក់ទងនឹងរបបអាហារ ។ប្រព័ន្ធនេះនឹងជួយអ្នកប្រើប្រាស់ក្នុងការសម្រេចចិត្តអំពីការជ្រើសរើសអាហារប្រចាំថ្ងៃបានល្អប្រសើរឡើង ដោយផ្អែកលើស្ថានភាពសុខភាពរបស់ខ្លួន។អត្ថប្រយោជន៍សំខាន់ៗនៃប្រព័ន្ធនេះ រួមមាន ការជួយលើកកម្ពស់សុខភាពសាធារណៈ ការកាត់បន្ថយហានិភ័យជំងឺដែលបណ្តាលមកពីរបបអាហារមិនត្រឹមត្រូវ និងការផ្តល់ឧបករណ៍ជំនួយដល់គ្លីនិកសុខភាព មជ្ឈមណ្ឌលហាត់ប្រាណ ស្ថាប័នអប់រំ និងអ្នកជំនាញអាហារូបត្ថម្ភ ក្នុងការផ្តល់សេវាកម្មណែនាំអាហារដល់អ្នកប្រើប្រាស់បានយ៉ាងមានប្រសិទ្ធភាព និងងាយស្រល។

Fine-Tuning Progress: Monitoring Loss, Entropy, and Training Metrics

A quick look into real-time training metrics from our Jupyter instance, tracking convergence behavior, gradient norms, and token-level accuracy across recent epochs.

Financial Consultant

ប្រព័ន្ធប្រឹក្សាហិរញ្ញវត្ថុ (Financial Consultant) គឺជា AI Expert System ដែលត្រូវបានអភិវឌ្ឍឡើងក្នុងគោលបំណងជួយអ្នកប្រើប្រាស់គ្រប់គ្រងលំហូរសាច់ប្រាក់ (Cashflow), វិភាគចំណូល-ចំណាយ (Income & Expense Ratio), កំណត់គោលដៅសន្សំប្រាក់ (Savings Goals) និងផ្តល់អនុសាសន៍ហិរញ្ញវត្ថុឆ្លាតវៃតាមរយៈ Rule-Based System ដើម្បីបង្កើនស្ថិរភាពហិរញ្ញវត្ថុផ្ទាល់ខ្លួន។

Sunflower Disease Diagnosis Expert System

ឯកសារនេះបង្ហាញពីការរចនា និងការអភិវឌ្ឍន៍ប្រព័ន្ធអ្នកជំនាញដែលមានមូលដ្ឋានលើបណ្តាញជាពិសេសសម្រាប់ការធ្វើរោគវិនិច្ឆ័យជំងឺទូទៅនៅក្នុងផ្កាឈូករ័ត្នដោយប្រើ Flask និង SQL Alchemy ។ ជាមួយនឹងការអភិវឌ្ឍនៃបច្ចេកវិទ្យាAI មនុស្សរំពឹងថានឹងប្រើទំនើបកម្មនៃបច្ចេកវិទ្យាព័ត៌មាន ដើម្បីដោះស្រាយបញ្ហាសំខាន់ៗដែលជួបប្រទះក្នុងវិស័យកសិកម្ម ជាមួយនឹងរបៀបដើម្បីកំណត់អត្តសញ្ញាណជំងឺផ្កាឈូករ័ត្នឱ្យបានលឿន និងឆាប់រហ័សតាមដែលអាចធ្វើបាន បានក្លាយជាបញ្ហាសំខាន់សម្រាប់ការបង្កើនផលិតកម្មដំណាំ និងប្រាក់ចំណូលរបស់កសិករ[1]។ ប្រព័ន្ធនេះរួមបញ្ចូលនូវមូលដ្ឋានចំណេះដឹងផ្អែកលើច្បាប់ ដែលធ្វើត្រាប់តាមដំណើរការនៃការសម្រេចចិត្តរបស់អ្នកឯកទេសកសិកម្ម ដើម្បីផ្តល់ការធ្វើរោគវិនិច្ឆ័យត្រឹមត្រូវ និងទាន់ពេលវេលា។ ការស្រាវជ្រាវអនុវត្តតាមវិធីសាស្រ្តជាប្រព័ន្ធ រួមទាំងការទទួលបានចំណេះដឹងពីមូលដ្ឋានកសិកម្ម ការបង្កើតគំរូទិន្នន័យ គំនិត និងតក្កវិទ្យា ការបង្កើតច្បាប់ និងការអនុវត្តប្រព័ន្ធដោយប្រើស្ថាបត្យកម្ម MVC (Model-View-Controller) ។ លទ្ធផលសំខាន់ៗរួមមាន Entity-Relationship Diagram (ERD) ដែលជាគ្រោងការណ៍ SQL Alchemy ដែលមានមុខងារ និងម៉ាស៊ីនវិនិច្ឆ័យដែលមានសមត្ថភាពកំណត់អត្តសញ្ញាណជំងឺដូចជា Downy Mildew, Rust និង Sclerotinia។ ការវាយតម្លៃបឋមបង្ហាញថាប្រព័ន្ធនេះផ្តល់នូវការវិភាគរោគវិនិច្ឆ័យដែលអាចទុកចិត្តបាន ជួយកសិករកាត់បន្ថយការបាត់បង់ដំណាំតាមរយៈការធ្វើអន្តរាគមន៍ទាន់ពេលវេលា។ ការសិក្សានេះបញ្ចប់ដោយការស្នើឱ្យមានការកែលម្អនាពេលអនាគត ដូចជាការរួមបញ្ចូលនៃការទទួលស្គាល់រូបភាពសម្រាប់ការវិនិច្ឆ័យដោយមើលឃើញដោយស្វ័យប្រវត្តិ។

AgriSystem AI៖ ប្រព័ន្ធអ្នកជំនាញកសិកម្មឆ្លាតវៃដោយបញ្ញាសិប្បនិម្មិត សម្រាប់ធ្វើរោគវិនិច្ឆ័យជំងឺដំណាំ និងគាំទ្រការធ្វើកសិកម្មឆ្លាតវៃ

AgriSystem AI គឺជាប្រព័ន្ធអ្នកជំនាញកសិកម្មឆ្លាតវៃ ដែលត្រូវបានបង្កើតឡើងដើម្បីជួយកសិករ ក្នុងការកំណត់អត្តសញ្ញាណជំងឺដំណាំ និងទទួលបានការណែនាំអំពីការថែទាំដំណាំ ដោយប្រើប្រាស់បញ្ញាសិប្បនិម្មិត។ ប្រព័ន្ធនេះរួមបញ្ចូលការវិភាគរូបភាពដោយ AI ចំណេះដឹងកសិកម្ម ព័ត៌មានអាកាសធាតុ និងមុខងារផ្តល់យោបល់បែបអ្នកជំនាញនៅក្នុងវេទិកាតែមួយ។ អ្នកប្រើប្រាស់អាចថតរូប ឬបញ្ចូលរូបភាពដំណាំដែលមានបញ្ហា ដើម្បីទទួលបានការវិភាគ និងការព្យាករណ៍អំពីជំងឺ ព្រមទាំងការណែនាំអំពីការព្យាបាល និងការការពារ។ ប្រព័ន្ធនេះត្រូវបានរចនាឡើងសម្រាប់បរិបទកសិកម្មក្នុងតំបន់ ហើយគាំទ្រ ភាសាខ្មែរ និងភាសាអង់គ្លេស។ វាអាចគាំទ្រដំណាំជាច្រើនដូចជា ស្រូវ ដំឡូងមី ពោត ប៉េងប៉ោះ ស្វាយ និងដំណាំផ្សេងៗទៀត។ គោលបំណងសំខាន់របស់គម្រោងគឺជួយបង្កើនការចូលប្រើប្រាស់ព័ត៌មានកសិកម្មទាន់ពេលវេលា កាត់បន្ថយការពន្យារពេលក្នុងការកំណត់ជំងឺ និងផ្តល់ជាឧបករណ៍ឌីជីថលសម្រាប់គាំទ្រការសម្រេចចិត្តរបស់កសិករ។

Skin Disease Diagnosis System

Skin Disease Diagnosis System is an expert-based system designed to support individuals who are concerned about skin symptoms but may be hesitant to visit a dermatologist or simply want reliable information about their condition. The system provides a convenient platform for users to learn about common skin diseases, enter their symptoms, and receive possible disease predictions along with relevant information and recommendations. It also includes an AI chatbot assistant that allows users to ask questions and receive instant guidance about skin-related concerns. In addition, the system provides diagnosis history and tracking features, allowing users to review their previous results and recommendations. For dermatologists and administrators, the system provides tools to manage disease and symptom information, users, roles, and permissions. By providing accessible and organized skin disease information, the system aims to support early awareness, reduce unnecessary anxiety caused by uncertainty, and make relevant information easier to access. The system is intended as an informational and decision-support tool and does not replace professional medical diagnosis or treatment.

Advanced Object-Oriented Programming_Homework

This report summarizes the eight lessons of the Advanced OOP course, covering the progression from core Python OOP foundations (classes, dataclasses, special methods, abstraction/composition) through design patterns (Factory, Decorators, SOLID, Strategy/Template/Command), all built around a shared Role-Based Access Control (RBAC) case study.

Chicken Disease Diagnosis

ប្រព័ន្ធរោគវិនិច្ឆ័យជំងឺមាន់ (Chicken Disease Diagnosis Expert System) ដែលប្រើប្រាស់បច្ចេកវិទ្យា AI/Certainty Factor ដើម្បីជួយអ្នកចិញ្ចឹមសត្វ និងអ្នកសិក្សាក្នុងការវិភាគ និងសម្គាល់រោគសញ្ញាជំងឺមាន់បានឆាប់រហ័ស និងមានប្រសិទ្ធភាព។

Coffee Disease Diagnosis System

ការរចនា និងការអភិវឌ្ឍប្រព័ន្ធជំនាញវិនិច្ឆ័យរោគសញ្ញាជំងឺស្រូវទូទៅតាមប្រព័ន្ធបណ្ដាញ ដោយប្រើប្រាស់ Flask និង MySQL

ឯកសារនេះបង្ហាញអំពីការរចនា និងការអភិវឌ្ឍប្រព័ន្ធជំនាញតាមប្រព័ន្ធបណ្ដាញ(Web-based expert system) សម្រាប់វិនិឆ្ឆ័យរោគសញ្ញាជំងឺស្រូវទូទៅ ដោយប្រើប្រាស់ Flask និង MySQL។ ប្រព័ន្ធនេះបានរួមបញ្ចូលមូលដ្ឋានចំណេះដឹងដែលមានរចនាសម័្ពន្ធផ្អែកលើច្បាប់(Rule-based knowledge) ជាមួយនិងគ្រោងការណ៍មូលដ្ឋានទិន្នន័យដែលអាចបាេន (scalable database schema) ដើម្បីគាំទ្រដល់ការវែកញែកការវិន្និច្ឆ័យដែលមានភាពត្រឹមត្រូវ និងភាពទៀតទាត់។ការស្រាវជ្រាវនេះបានប្រកាន់យកវិធីសាស្រ្តប្រប័ន្ធមួយ ដែលរួមបញ្ចូលទាំងការទទួលបានចំណេះដឹងពីអ្នកជំនាញផ្នែកកសិកម្មការបង្កើតគំរូទិន្នន័យតាមគំនិត និងតក្កវិទ្យា (Conceptual and logical data modeling) ការរៀបចំច្បាប់ និងការអនុវត្តប្រព័ន្ធដោយអនុវត្តតាមស្ថាបត្យកម្ម MVC (Model-View-Controller)។ លទ្ធផលសំខាន់ៗរួមមាន ដ្យក្រាមទំនាក់ទំនងអង្គភាពពេញលេញ (Entity-Relationship Diagram – ERD) គ្រោងការណ៍ SQL គំរូសន្តិសុខផ្អែកលើតួនាទី (Role-based security model) និងម៉ាស៊ីនវិន្នច្ឆ័យដែលដំណើរការបាន។ ការវាយតម្លៃពិសោធន៍បង្ហាញថា ប្រព័ន្ធនេះផ្ដល់នូវការវិភាគរោគសញ្ញាគួរឲទុកចិត្ត និងបង្កើនលទ្ធផលទទួលបានការណែនាំផ្នែកកសិកម្មបឋម។ ការសិក្សាបានបញ្ចប់ដោយការគូសបញ្ជាក់អំពីការកែលម្អនាពេលអនាគតរួមទាំងយន្តការរៀនតាមបែបសម្របខ្លួន (adaptive learning mechanisms) និងការរួមបញ្ជូលបច្ចេកទេសវែកញែកកម្រិតខ្ពស់ដែលផ្អែកលើ AI។