You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
150 lines
34 KiB
150 lines
34 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "0f67a4139454816631526779a456b734",
|
|
"translation_date": "2025-09-06T18:21:37+00:00",
|
|
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/README.md",
|
|
"language_code": "bn"
|
|
}
|
|
-->
|
|
# বাস্তব জীবনে ডেটা সায়েন্স
|
|
|
|
|  ](../../sketchnotes/20-DataScience-RealWorld.png) |
|
|
| :--------------------------------------------------------------------------------------------------------------: |
|
|
| বাস্তব জীবনে ডেটা সায়েন্স - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
আমরা এই শেখার যাত্রার প্রায় শেষ প্রান্তে পৌঁছে গেছি!
|
|
|
|
আমরা ডেটা সায়েন্স এবং নীতিশাস্ত্রের সংজ্ঞা দিয়ে শুরু করেছিলাম, ডেটা বিশ্লেষণ এবং ভিজ্যুয়ালাইজেশনের বিভিন্ন সরঞ্জাম ও কৌশল অন্বেষণ করেছি, ডেটা সায়েন্স লাইফসাইকেল পর্যালোচনা করেছি এবং ক্লাউড কম্পিউটিং পরিষেবাগুলির মাধ্যমে ডেটা সায়েন্স ওয়ার্কফ্লো স্কেল এবং স্বয়ংক্রিয় করার উপায় দেখেছি। তাই, আপনি হয়তো ভাবছেন: _"এই সমস্ত শেখাগুলো বাস্তব জীবনের প্রেক্ষাপটে কীভাবে প্রয়োগ করব?"_
|
|
|
|
এই পাঠে, আমরা শিল্পে ডেটা সায়েন্সের বাস্তব জীবনের প্রয়োগগুলি অন্বেষণ করব এবং গবেষণা, ডিজিটাল মানবিকতা এবং টেকসই উন্নয়নের নির্দিষ্ট উদাহরণগুলিতে গভীরভাবে প্রবেশ করব। আমরা শিক্ষার্থীদের প্রকল্পের সুযোগগুলি দেখব এবং আপনার শেখার যাত্রা চালিয়ে যেতে সহায়ক কিছু সম্পদ দিয়ে শেষ করব!
|
|
|
|
## প্রাক-পাঠ কুইজ
|
|
|
|
## [প্রাক-পাঠ কুইজ](https://ff-quizzes.netlify.app/en/ds/quiz/38)
|
|
|
|
## ডেটা সায়েন্স + শিল্প
|
|
|
|
এআই-এর গণতন্ত্রীকরণের জন্য ধন্যবাদ, এখন ডেভেলপাররা এআই-চালিত সিদ্ধান্ত গ্রহণ এবং ডেটা-চালিত অন্তর্দৃষ্টি ব্যবহারকারীর অভিজ্ঞতা এবং ডেভেলপমেন্ট ওয়ার্কফ্লোতে ডিজাইন এবং সংহত করা সহজতর করছে। এখানে শিল্পে ডেটা সায়েন্সের "প্রয়োগ" এর কয়েকটি উদাহরণ দেওয়া হলো:
|
|
|
|
* [গুগল ফ্লু ট্রেন্ডস](https://www.wired.com/2015/10/can-learn-epic-failure-google-flu-trends/) ডেটা সায়েন্স ব্যবহার করে সার্চ টার্মগুলিকে ফ্লু প্রবণতার সাথে সম্পর্কিত করেছিল। যদিও এই পদ্ধতিতে ত্রুটি ছিল, এটি ডেটা-চালিত স্বাস্থ্যসেবা পূর্বাভাসের সম্ভাবনা (এবং চ্যালেঞ্জ) সম্পর্কে সচেতনতা বাড়িয়েছিল।
|
|
|
|
* [ইউপিএস রাউটিং পূর্বাভাস](https://www.technologyreview.com/2018/11/21/139000/how-ups-uses-ai-to-outsmart-bad-weather/) - ইউপিএস কীভাবে আবহাওয়া পরিস্থিতি, ট্রাফিক প্যাটার্ন, ডেলিভারি সময়সীমা এবং আরও অনেক কিছু বিবেচনায় নিয়ে ডেলিভারির জন্য সর্বোত্তম রুট পূর্বাভাস দিতে ডেটা সায়েন্স এবং মেশিন লার্নিং ব্যবহার করে তা ব্যাখ্যা করে।
|
|
|
|
* [এনওয়াইসি ট্যাক্সিক্যাব রুট ভিজ্যুয়ালাইজেশন](http://chriswhong.github.io/nyctaxi/) - [তথ্য স্বাধীনতা আইন](https://chriswhong.com/open-data/foil_nyc_taxi/) ব্যবহার করে সংগৃহীত ডেটা এনওয়াইসি ক্যাবগুলোর দৈনন্দিন জীবনকে ভিজ্যুয়ালাইজ করতে সাহায্য করেছিল, যা আমাদের ব্যস্ত শহরে তাদের নেভিগেশন, উপার্জন এবং প্রতিদিনের ২৪ ঘণ্টার ভ্রমণের সময়কাল বুঝতে সাহায্য করে।
|
|
|
|
* [উবার ডেটা সায়েন্স ওয়ার্কবেঞ্চ](https://eng.uber.com/dsw/) - প্রতিদিন লক্ষ লক্ষ উবার ট্রিপ থেকে সংগৃহীত ডেটা (যেমন পিকআপ এবং ড্রপঅফ লোকেশন, ট্রিপের সময়কাল, পছন্দের রুট ইত্যাদি) ব্যবহার করে একটি ডেটা অ্যানালিটিক্স টুল তৈরি করে যা মূল্য নির্ধারণ, নিরাপত্তা, প্রতারণা সনাক্তকরণ এবং নেভিগেশন সিদ্ধান্তে সহায়তা করে।
|
|
|
|
* [স্পোর্টস অ্যানালিটিক্স](https://towardsdatascience.com/scope-of-analytics-in-sports-world-37ed09c39860) - _পূর্বাভাসমূলক বিশ্লেষণ_ (দল এবং খেলোয়াড় বিশ্লেষণ - যেমন [মানিবল](https://datasciencedegree.wisconsin.edu/blog/moneyball-proves-importance-big-data-big-ideas/) - এবং ভক্ত ব্যবস্থাপনা) এবং _ডেটা ভিজ্যুয়ালাইজেশন_ (দল এবং ভক্ত ড্যাশবোর্ড, গেম ইত্যাদি) এর উপর দৃষ্টি নিবদ্ধ করে, যা প্রতিভা অনুসন্ধান, ক্রীড়া জুয়া এবং ভেন্যু ব্যবস্থাপনার মতো ক্ষেত্রে প্রয়োগ করা হয়।
|
|
|
|
* [ব্যাংকিংয়ে ডেটা সায়েন্স](https://data-flair.training/blogs/data-science-in-banking/) - ঝুঁকি মডেলিং এবং প্রতারণা সনাক্তকরণ থেকে শুরু করে গ্রাহক বিভাজন, রিয়েল-টাইম পূর্বাভাস এবং রিকমেন্ডার সিস্টেম পর্যন্ত আর্থিক শিল্পে ডেটা সায়েন্সের মূল্য তুলে ধরে। পূর্বাভাসমূলক বিশ্লেষণ [ক্রেডিট স্কোর](https://dzone.com/articles/using-big-data-and-predictive-analytics-for-credit) এর মতো গুরুত্বপূর্ণ ব্যবস্থাগুলোকেও চালিত করে।
|
|
|
|
* [স্বাস্থ্যসেবায় ডেটা সায়েন্স](https://data-flair.training/blogs/data-science-in-healthcare/) - মেডিকেল ইমেজিং (যেমন এমআরআই, এক্স-রে, সিটি-স্ক্যান), জিনোমিক্স (ডিএনএ সিকোয়েন্সিং), ওষুধ উন্নয়ন (ঝুঁকি মূল্যায়ন, সাফল্যের পূর্বাভাস), পূর্বাভাসমূলক বিশ্লেষণ (রোগীর যত্ন এবং সরবরাহ লজিস্টিকস), রোগ ট্র্যাকিং এবং প্রতিরোধ ইত্যাদির মতো প্রয়োগ তুলে ধরে।
|
|
|
|
 চিত্র ক্রেডিট: [ডেটা ফ্লেয়ার: ৬টি অসাধারণ ডেটা সায়েন্স প্রয়োগ](https://data-flair.training/blogs/data-science-applications/)
|
|
|
|
চিত্রটি ডেটা সায়েন্স কৌশল প্রয়োগের অন্যান্য ডোমেইন এবং উদাহরণ দেখায়। আরও প্রয়োগ অন্বেষণ করতে চান? নীচের [পর্যালোচনা এবং স্ব-অধ্যয়ন](../../../../6-Data-Science-In-Wild/20-Real-World-Examples) বিভাগটি দেখুন।
|
|
|
|
## ডেটা সায়েন্স + গবেষণা
|
|
|
|
|  ](../../sketchnotes/20-DataScience-Research.png) |
|
|
| :---------------------------------------------------------------------------------------------------------------: |
|
|
| ডেটা সায়েন্স এবং গবেষণা - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
যদিও বাস্তব জীবনের প্রয়োগ প্রায়শই শিল্পের বৃহৎ পরিসরের ব্যবহারিক ক্ষেত্রে মনোযোগ দেয়, _গবেষণা_ প্রয়োগ এবং প্রকল্প দুটি দৃষ্টিকোণ থেকে কার্যকর হতে পারে:
|
|
|
|
* _উদ্ভাবনের সুযোগ_ - পরবর্তী প্রজন্মের অ্যাপ্লিকেশনের জন্য উন্নত ধারণাগুলির দ্রুত প্রোটোটাইপিং এবং ব্যবহারকারীর অভিজ্ঞতা পরীক্ষা করা।
|
|
* _প্রয়োগের চ্যালেঞ্জ_ - বাস্তব জীবনের প্রেক্ষাপটে ডেটা সায়েন্স প্রযুক্তির সম্ভাব্য ক্ষতি বা অনিচ্ছাকৃত পরিণতি তদন্ত করা।
|
|
|
|
শিক্ষার্থীদের জন্য, এই গবেষণা প্রকল্পগুলি শেখার এবং সহযোগিতার সুযোগ প্রদান করতে পারে যা বিষয়টির প্রতি আপনার বোঝাপড়া উন্নত করতে পারে এবং আগ্রহের ক্ষেত্রে কাজ করা প্রাসঙ্গিক ব্যক্তি বা দলের সাথে আপনার সচেতনতা এবং সম্পৃক্ততা বাড়াতে পারে। তাহলে গবেষণা প্রকল্পগুলি দেখতে কেমন এবং কীভাবে তারা প্রভাব ফেলতে পারে?
|
|
|
|
চলুন একটি উদাহরণ দেখি - [এমআইটি জেন্ডার শেডস স্টাডি](http://gendershades.org/overview.html) যা জয় বুয়োলামউইনি (এমআইটি মিডিয়া ল্যাবস) দ্বারা পরিচালিত এবং একটি [স্বাক্ষর গবেষণা পত্র](http://proceedings.mlr.press/v81/buolamwini18a/buolamwini18a.pdf) সহ-লিখিত হয়েছিল টিমনিট গেব্রু (তখন মাইক্রোসফট রিসার্চে) দ্বারা। গবেষণার লক্ষ্য ছিল:
|
|
|
|
* **কী:** লিঙ্গ এবং ত্বকের রঙের উপর ভিত্তি করে স্বয়ংক্রিয় মুখ বিশ্লেষণ অ্যালগরিদম এবং ডেটাসেটগুলিতে বিদ্যমান পক্ষপাত মূল্যায়ন করা।
|
|
* **কেন:** মুখ বিশ্লেষণ আইন প্রয়োগ, বিমানবন্দর নিরাপত্তা, নিয়োগ ব্যবস্থা এবং আরও অনেক ক্ষেত্রে ব্যবহৃত হয় - যেখানে পক্ষপাতের কারণে ভুল শ্রেণীবিভাগ (যেমন, ভুল লিঙ্গ নির্ধারণ) প্রভাবিত ব্যক্তি বা গোষ্ঠীর জন্য সম্ভাব্য অর্থনৈতিক এবং সামাজিক ক্ষতি ঘটাতে পারে। ন্যায্যতার জন্য পক্ষপাত বোঝা এবং তা দূর করা বা হ্রাস করা গুরুত্বপূর্ণ।
|
|
* **কীভাবে:** গবেষকরা লক্ষ্য করেছিলেন যে বিদ্যমান বেঞ্চমার্কগুলি প্রধানত হালকা ত্বকের বিষয়গুলিকে অন্তর্ভুক্ত করে এবং একটি নতুন ডেটাসেট (১০০০+ চিত্র) তৈরি করেছিলেন যা লিঙ্গ এবং ত্বকের রঙের ভিত্তিতে _আরও ভারসাম্যপূর্ণ_ ছিল। এই ডেটাসেটটি তিনটি লিঙ্গ শ্রেণীবিভাগ পণ্যের (মাইক্রোসফট, আইবিএম এবং ফেস++) নির্ভুলতা মূল্যায়নের জন্য ব্যবহৃত হয়েছিল।
|
|
|
|
ফলাফল দেখিয়েছে যে সামগ্রিক শ্রেণীবিভাগ নির্ভুলতা ভাল হলেও, বিভিন্ন উপগোষ্ঠীর মধ্যে ত্রুটির হারে একটি উল্লেখযোগ্য পার্থক্য ছিল - যেখানে **ভুল লিঙ্গ নির্ধারণ** মহিলাদের বা গাঢ় ত্বকের ব্যক্তিদের জন্য বেশি ছিল, যা পক্ষপাত নির্দেশ করে।
|
|
|
|
**মূল ফলাফল:** ডেটা সায়েন্সে আরও _প্রতিনিধিত্বমূলক ডেটাসেট_ (ভারসাম্যপূর্ণ উপগোষ্ঠী) এবং আরও _অন্তর্ভুক্তিমূলক দল_ (বৈচিত্র্যময় পটভূমি) প্রয়োজনীয়তা সম্পর্কে সচেতনতা বৃদ্ধি করেছে, যাতে এআই সমাধানগুলিতে এই ধরনের পক্ষপাতগুলি আগেই চিহ্নিত এবং হ্রাস করা যায়। এই ধরনের গবেষণা প্রচেষ্টা অনেক সংস্থাকে তাদের এআই পণ্য এবং প্রক্রিয়াগুলিতে ন্যায্যতা উন্নত করতে _দায়িত্বশীল এআই_ নীতিমালা এবং অনুশীলন সংজ্ঞায়িত করতে সহায়ক।
|
|
|
|
**মাইক্রোসফটের প্রাসঙ্গিক গবেষণা প্রচেষ্টা সম্পর্কে জানতে চান?**
|
|
|
|
* [মাইক্রোসফট রিসার্চ প্রকল্প](https://www.microsoft.com/research/research-area/artificial-intelligence/?facet%5Btax%5D%5Bmsr-research-area%5D%5B%5D=13556&facet%5Btax%5D%5Bmsr-content-type%5D%5B%5D=msr-project) এআই সম্পর্কিত প্রকল্পগুলি দেখুন।
|
|
* [মাইক্রোসফট রিসার্চ ডেটা সায়েন্স সামার স্কুল](https://www.microsoft.com/en-us/research/academic-program/data-science-summer-school/) থেকে শিক্ষার্থীদের প্রকল্পগুলি অন্বেষণ করুন।
|
|
* [ফেয়ারলার্ন](https://fairlearn.org/) প্রকল্প এবং [দায়িত্বশীল এআই](https://www.microsoft.com/en-us/ai/responsible-ai?activetab=pivot1%3aprimaryr6) উদ্যোগগুলি দেখুন।
|
|
|
|
|
|
## ডেটা সায়েন্স + মানবিকতা
|
|
|
|
|  ](../../sketchnotes/20-DataScience-Humanities.png) |
|
|
| :---------------------------------------------------------------------------------------------------------------: |
|
|
| ডেটা সায়েন্স এবং ডিজিটাল মানবিকতা - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
ডিজিটাল মানবিকতা [সংজ্ঞায়িত করা হয়েছে](https://digitalhumanities.stanford.edu/about-dh-stanford) "কম্পিউটেশনাল পদ্ধতি এবং মানবিক অনুসন্ধানের সমন্বয়ে গঠিত একটি অনুশীলন এবং পদ্ধতির সংগ্রহ" হিসাবে। [স্ট্যানফোর্ড প্রকল্পগুলি](https://digitalhumanities.stanford.edu/projects) যেমন _"ইতিহাস পুনরায় চালু করা"_ এবং _"কাব্যিক চিন্তা"_ [ডিজিটাল মানবিকতা এবং ডেটা সায়েন্সের](https://digitalhumanities.stanford.edu/digital-humanities-and-data-science) মধ্যে সংযোগকে চিত্রিত করে - নেটওয়ার্ক বিশ্লেষণ, তথ্য ভিজ্যুয়ালাইজেশন, স্থানিক এবং পাঠ বিশ্লেষণের মতো কৌশলগুলির উপর জোর দেয় যা আমাদের ঐতিহাসিক এবং সাহিত্যিক ডেটাসেটগুলি পুনর্বিবেচনা করতে এবং নতুন অন্তর্দৃষ্টি এবং দৃষ্টিভঙ্গি অর্জন করতে সাহায্য করে।
|
|
|
|
*এই ক্ষেত্রে একটি প্রকল্প অন্বেষণ এবং প্রসারিত করতে চান?*
|
|
|
|
["এমিলি ডিকিনসন এবং মুডের মিটার"](https://gist.github.com/jlooper/ce4d102efd057137bc000db796bfd671) দেখুন - [জেন লুপার](https://twitter.com/jenlooper) এর একটি চমৎকার উদাহরণ যা জিজ্ঞাসা করে যে আমরা কীভাবে ডেটা সায়েন্স ব্যবহার করে পরিচিত কবিতাগুলিকে পুনর্বিবেচনা করতে পারি এবং নতুন প্রেক্ষাপটে এর অর্থ এবং এর লেখকের অবদান পুনর্মূল্যায়ন করতে পারি। উদাহরণস্বরূপ, _কবিতার সুর বা অনুভূতি বিশ্লেষণ করে আমরা কি অনুমান করতে পারি যে এটি কোন ঋতুতে লেখা হয়েছিল_ - এবং এটি সংশ্লিষ্ট সময়কালে লেখকের মানসিক অবস্থার সম্পর্কে আমাদের কী বলে?
|
|
|
|
এই প্রশ্নের উত্তর দিতে, আমরা আমাদের ডেটা সায়েন্স লাইফসাইকেলের ধাপগুলি অনুসরণ করি:
|
|
* [`ডেটা সংগ্রহ`](https://gist.github.com/jlooper/ce4d102efd057137bc000db796bfd671#acquiring-the-dataset) - বিশ্লেষণের জন্য একটি প্রাসঙ্গিক ডেটাসেট সংগ্রহ করা। বিকল্পগুলির মধ্যে একটি এপিআই (যেমন [পোয়েট্রি ডিবি এপিআই](https://poetrydb.org/index.html)) ব্যবহার করা বা ওয়েব পৃষ্ঠাগুলি স্ক্র্যাপ করা (যেমন [প্রজেক্ট গুটেনবার্গ](https://www.gutenberg.org/files/12242/12242-h/12242-h.htm)) অন্তর্ভুক্ত।
|
|
* [`ডেটা পরিষ্কার করা`](https://gist.github.com/jlooper/ce4d102efd057137bc000db796bfd671#clean-the-data) - ব্যাখ্যা করে কীভাবে পাঠ্য ফর্ম্যাট করা, পরিষ্কার করা এবং সরলীকৃত করা যায়, যেমন ভিজ্যুয়াল স্টুডিও কোড এবং মাইক্রোসফট এক্সেল ব্যবহার করে।
|
|
* [`ডেটা বিশ্লেষণ`](https://gist.github.com/jlooper/ce4d102efd057137bc000db796bfd671#working-with-the-data-in-a-notebook) - ব্যাখ্যা করে কীভাবে আমরা এখন ডেটাসেটটি "নোটবুক"-এ আমদানি করতে পারি এবং পাইথন প্যাকেজ (যেমন pandas, numpy এবং matplotlib) ব্যবহার করে ডেটা সংগঠিত এবং ভিজ্যুয়ালাইজ করতে পারি।
|
|
* [`অনুভূতি বিশ্লেষণ`](https://gist.github.com/jlooper/ce4d102efd057137bc000db796bfd671#sentiment-analysis-using-cognitive-services) - ব্যাখ্যা করে কীভাবে আমরা টেক্সট অ্যানালিটিক্সের মতো ক্লাউড পরিষেবাগুলিকে সংহত করতে পারি, স্বয়ংক্রিয় ডেটা প্রসেসিং ওয়ার্কফ্লোর জন্য [পাওয়ার অটোমেট](https://flow.microsoft.com/en-us/) এর মতো লো-কোড সরঞ্জাম ব্যবহার করে।
|
|
|
|
এই ওয়ার্কফ্লো ব্যবহার করে, আমরা কবিতার অনুভূতির উপর ঋতুগুলির প্রভাব অন্বেষণ করতে পারি এবং লেখকের উপর আমাদের নিজস্ব দৃষ্টিভঙ্গি তৈরি করতে পারি। নিজেই চেষ্টা করুন - তারপর নোটবুকটি প্রসারিত করুন অন্য প্রশ্ন জিজ্ঞাসা করতে বা নতুন উপায়ে ডেটা ভিজ্যুয়ালাইজ করতে!
|
|
|
|
> আপনি [ডিজিটাল মানবিকতা টুলকিট](https://github.com/Digital-Humanities-Toolkit)-এর কিছু সরঞ্জাম ব্যবহার করে এই অনুসন্ধানের পথগুলি অনুসরণ করতে পারেন।
|
|
|
|
## ডেটা সায়েন্স + টেকসই উন্নয়ন
|
|
|
|
|  ](../../sketchnotes/20-DataScience-Sustainability.png) |
|
|
| :---------------------------------------------------------------------------------------------------------------: |
|
|
| ডেটা সায়েন্স এবং টেকসই উন্নয়ন - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
[২০৩০ টেকসই উন্নয়নের এজেন্ডা](https://sdgs.un.org/2030agenda) - যা ২০১৫ সালে জাতিসংঘের সমস্ত সদস্য দ্বারা গৃহীত হয়েছিল - ১৭টি লক্ষ্য চিহ
|
|
**প্ল্যানেটারি কম্পিউটার প্রকল্প বর্তমানে প্রিভিউ পর্যায়ে রয়েছে (সেপ্টেম্বর ২০২১ অনুযায়ী)** - ডেটা সায়েন্স ব্যবহার করে টেকসই সমাধানে অবদান রাখার জন্য কীভাবে শুরু করবেন তা এখানে দেওয়া হলো।
|
|
|
|
* [অ্যাক্সেসের জন্য অনুরোধ করুন](https://planetarycomputer.microsoft.com/account/request) যাতে অনুসন্ধান শুরু করতে পারেন এবং সহকর্মীদের সাথে সংযোগ স্থাপন করতে পারেন।
|
|
* [ডকুমেন্টেশন অন্বেষণ করুন](https://planetarycomputer.microsoft.com/docs/overview/about) যাতে সমর্থিত ডেটাসেট এবং API সম্পর্কে বুঝতে পারেন।
|
|
* [ইকোসিস্টেম মনিটরিং](https://analytics-lab.org/ecosystemmonitoring/) এর মতো অ্যাপ্লিকেশন অন্বেষণ করুন, যা অ্যাপ্লিকেশন আইডিয়ার জন্য অনুপ্রেরণা দিতে পারে।
|
|
|
|
ভাবুন কীভাবে আপনি ডেটা ভিজ্যুয়ালাইজেশন ব্যবহার করে জলবায়ু পরিবর্তন এবং বন উজাড়ের মতো বিষয়গুলিতে প্রাসঙ্গিক অন্তর্দৃষ্টি প্রকাশ বা জোর দিতে পারেন। অথবা ভাবুন কীভাবে এই অন্তর্দৃষ্টিগুলি নতুন ব্যবহারকারীর অভিজ্ঞতা তৈরি করতে ব্যবহার করা যেতে পারে, যা আরও টেকসই জীবনযাপনের জন্য আচরণগত পরিবর্তনকে উৎসাহিত করে।
|
|
|
|
## ডেটা সায়েন্স + শিক্ষার্থীরা
|
|
|
|
আমরা শিল্প এবং গবেষণায় বাস্তব-জগতের প্রয়োগ নিয়ে আলোচনা করেছি এবং ডিজিটাল মানবিকতা এবং টেকসইতার ক্ষেত্রে ডেটা সায়েন্স অ্যাপ্লিকেশনের উদাহরণ অন্বেষণ করেছি। তাহলে কীভাবে আপনি ডেটা সায়েন্সের শিক্ষার্থী হিসেবে আপনার দক্ষতা তৈরি করবেন এবং আপনার দক্ষতা শেয়ার করবেন?
|
|
|
|
এখানে কিছু ডেটা সায়েন্স শিক্ষার্থী প্রকল্পের উদাহরণ দেওয়া হলো যা আপনাকে অনুপ্রাণিত করতে পারে।
|
|
|
|
* [MSR Data Science Summer School](https://www.microsoft.com/en-us/research/academic-program/data-science-summer-school/#!projects) এর GitHub [প্রকল্পগুলি](https://github.com/msr-ds3) যা নিম্নলিখিত বিষয়গুলি অন্বেষণ করে:
|
|
- [পুলিশের বলপ্রয়োগে জাতিগত পক্ষপাত](https://www.microsoft.com/en-us/research/video/data-science-summer-school-2019-replicating-an-empirical-analysis-of-racial-differences-in-police-use-of-force/) | [Github](https://github.com/msr-ds3/stop-question-frisk)
|
|
- [NYC সাবওয়ে সিস্টেমের নির্ভরযোগ্যতা](https://www.microsoft.com/en-us/research/video/data-science-summer-school-2018-exploring-the-reliability-of-the-nyc-subway-system/) | [Github](https://github.com/msr-ds3/nyctransit)
|
|
* [ডিজিটালাইজিং ম্যাটেরিয়াল কালচার: সিরকাপে সামাজিক-অর্থনৈতিক বিতরণ অন্বেষণ](https://claremont.maps.arcgis.com/apps/Cascade/index.html?appid=bdf2aef0f45a4674ba41cd373fa23afc)- [Ornella Altunyan](https://twitter.com/ornelladotcom) এবং Claremont টিমের দ্বারা, [ArcGIS StoryMaps](https://storymaps.arcgis.com/) ব্যবহার করে।
|
|
|
|
## 🚀 চ্যালেঞ্জ
|
|
|
|
ডেটা সায়েন্স প্রকল্পের জন্য এমন প্রবন্ধ খুঁজুন যা শিক্ষার্থীদের জন্য সহজ এবং শুরু করার উপযোগী - যেমন [এই ৫০টি বিষয়](https://www.upgrad.com/blog/data-science-project-ideas-topics-beginners/) বা [এই ২১টি প্রকল্প আইডিয়া](https://www.intellspot.com/data-science-project-ideas) বা [এই ১৬টি প্রকল্প সোর্স কোড সহ](https://data-flair.training/blogs/data-science-project-ideas/) যা আপনি বিশ্লেষণ এবং পুনর্গঠন করতে পারেন। এবং আপনার শেখার যাত্রা সম্পর্কে ব্লগ লিখতে ভুলবেন না এবং আপনার অন্তর্দৃষ্টি আমাদের সবার সাথে শেয়ার করুন।
|
|
|
|
## পোস্ট-লেকচার কুইজ
|
|
|
|
## [পোস্ট-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ds/quiz/39)
|
|
|
|
## পর্যালোচনা এবং স্ব-অধ্যয়ন
|
|
|
|
আরও ব্যবহারিক উদাহরণ অন্বেষণ করতে চান? এখানে কিছু প্রাসঙ্গিক প্রবন্ধ দেওয়া হলো:
|
|
* [ডেটা সায়েন্সের ১৭টি প্রয়োগ এবং উদাহরণ](https://builtin.com/data-science/data-science-applications-examples) - জুলাই ২০২১
|
|
* [বাস্তব জগতে ডেটা সায়েন্সের ১১টি চমকপ্রদ প্রয়োগ](https://myblindbird.com/data-science-applications-real-world/) - মে ২০২১
|
|
* [বাস্তব জগতে ডেটা সায়েন্স](https://towardsdatascience.com/data-science-in-the-real-world/home) - প্রবন্ধ সংগ্রহ
|
|
* [ডেটা সায়েন্সের ১২টি বাস্তব উদাহরণ](https://www.scaler.com/blog/data-science-applications/) - মে ২০২৪
|
|
* ডেটা সায়েন্স: [শিক্ষা](https://data-flair.training/blogs/data-science-in-education/), [কৃষি](https://data-flair.training/blogs/data-science-in-agriculture/), [অর্থনীতি](https://data-flair.training/blogs/data-science-in-finance/), [চলচ্চিত্র](https://data-flair.training/blogs/data-science-at-movies/), [স্বাস্থ্যসেবা](https://onlinedegrees.sandiego.edu/data-science-health-care/) এবং আরও অনেক কিছু।
|
|
|
|
## অ্যাসাইনমেন্ট
|
|
|
|
[একটি প্ল্যানেটারি কম্পিউটার ডেটাসেট অন্বেষণ করুন](assignment.md)
|
|
|
|
---
|
|
|
|
**অস্বীকৃতি**:
|
|
এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসম্ভব সঠিক অনুবাদের চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। নথিটির মূল ভাষায় রচিত সংস্করণটিকেই প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই। |