msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity

chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes)

Browse Source
pull/918/head
localizeflow[bot] 2 weeks ago
parent 2907ea6225
commit 72b41e56ff
300 changed files with 2206 additions and 3023 deletions
Show Stats Download Patch File Download Diff File

596
translations/bn/.co-op-translator.json
Unescape View File

@ -0,0 +1,596 @@
{
"1-Introduction/1-intro-to-ML/README.md": {
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-04T21:08:16+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "bn"
},
"1-Introduction/1-intro-to-ML/assignment.md": {
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-08-29T21:30:20+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "bn"
},
"1-Introduction/2-history-of-ML/README.md": {
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-04T21:08:51+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "bn"
},
"1-Introduction/2-history-of-ML/assignment.md": {
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-08-29T21:33:44+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "bn"
},
"1-Introduction/3-fairness/README.md": {
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-04T21:06:45+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "bn"
},
"1-Introduction/3-fairness/assignment.md": {
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-08-29T21:23:54+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "bn"
},
"1-Introduction/4-techniques-of-ML/README.md": {
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-04T21:07:33+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "bn"
},
"1-Introduction/4-techniques-of-ML/assignment.md": {
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-08-29T21:27:16+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "bn"
},
"1-Introduction/README.md": {
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-08-29T21:19:06+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "bn"
},
"2-Regression/1-Tools/README.md": {
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-04T20:59:44+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "bn"
},
"2-Regression/1-Tools/assignment.md": {
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-08-29T20:33:09+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "bn"
},
"2-Regression/1-Tools/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:33:43+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "bn"
},
"2-Regression/2-Data/README.md": {
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-04T21:00:41+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "bn"
},
"2-Regression/2-Data/assignment.md": {
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-08-29T20:37:11+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "bn"
},
"2-Regression/2-Data/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:37:49+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "bn"
},
"2-Regression/3-Linear/README.md": {
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-04T20:57:44+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "bn"
},
"2-Regression/3-Linear/assignment.md": {
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-08-29T20:19:24+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "bn"
},
"2-Regression/3-Linear/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:19:54+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "bn"
},
"2-Regression/4-Logistic/README.md": {
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-04T20:58:49+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "bn"
},
"2-Regression/4-Logistic/assignment.md": {
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-08-29T20:28:30+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "bn"
},
"2-Regression/4-Logistic/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:29:02+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "bn"
},
"2-Regression/README.md": {
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-08-29T20:12:44+00:00",
"source_file": "2-Regression/README.md",
"language_code": "bn"
},
"3-Web-App/1-Web-App/README.md": {
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-04T21:09:27+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "bn"
},
"3-Web-App/1-Web-App/assignment.md": {
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-08-29T21:37:51+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "bn"
},
"3-Web-App/README.md": {
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-08-29T21:34:15+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "bn"
},
"4-Classification/1-Introduction/README.md": {
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-04T21:12:03+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "bn"
},
"4-Classification/1-Introduction/assignment.md": {
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-08-29T21:53:41+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "bn"
},
"4-Classification/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:54:19+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "bn"
},
"4-Classification/2-Classifiers-1/README.md": {
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-04T21:10:04+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "bn"
},
"4-Classification/2-Classifiers-1/assignment.md": {
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-08-29T21:44:15+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "bn"
},
"4-Classification/2-Classifiers-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:44:45+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "bn"
},
"4-Classification/3-Classifiers-2/README.md": {
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-04T21:11:41+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "bn"
},
"4-Classification/3-Classifiers-2/assignment.md": {
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-08-29T21:50:09+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "bn"
},
"4-Classification/3-Classifiers-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:50:41+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "bn"
},
"4-Classification/4-Applied/README.md": {
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-04T21:10:51+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "bn"
},
"4-Classification/4-Applied/assignment.md": {
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-08-29T21:47:38+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "bn"
},
"4-Classification/README.md": {
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-08-29T21:39:36+00:00",
"source_file": "4-Classification/README.md",
"language_code": "bn"
},
"5-Clustering/1-Visualize/README.md": {
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-04T21:03:31+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "bn"
},
"5-Clustering/1-Visualize/assignment.md": {
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-08-29T21:04:11+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "bn"
},
"5-Clustering/1-Visualize/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:04:46+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "bn"
},
"5-Clustering/2-K-Means/README.md": {
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-04T21:04:42+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "bn"
},
"5-Clustering/2-K-Means/assignment.md": {
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-08-29T21:07:20+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "bn"
},
"5-Clustering/2-K-Means/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:07:50+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "bn"
},
"5-Clustering/README.md": {
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-08-29T20:51:58+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "bn"
},
"6-NLP/1-Introduction-to-NLP/README.md": {
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-04T21:16:46+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "bn"
},
"6-NLP/1-Introduction-to-NLP/assignment.md": {
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-08-29T22:33:03+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "bn"
},
"6-NLP/2-Tasks/README.md": {
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-04T21:14:52+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "bn"
},
"6-NLP/2-Tasks/assignment.md": {
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-08-29T22:21:14+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "bn"
},
"6-NLP/3-Translation-Sentiment/README.md": {
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-04T21:17:21+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "bn"
},
"6-NLP/3-Translation-Sentiment/assignment.md": {
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-08-29T22:38:06+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "bn"
},
"6-NLP/3-Translation-Sentiment/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:38:57+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "bn"
},
"6-NLP/3-Translation-Sentiment/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:38:40+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "bn"
},
"6-NLP/4-Hotel-Reviews-1/README.md": {
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-04T21:15:30+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "bn"
},
"6-NLP/4-Hotel-Reviews-1/assignment.md": {
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-08-29T22:28:48+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "bn"
},
"6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:29:30+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "bn"
},
"6-NLP/4-Hotel-Reviews-1/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:29:14+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "bn"
},
"6-NLP/5-Hotel-Reviews-2/README.md": {
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-04T21:18:03+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "bn"
},
"6-NLP/5-Hotel-Reviews-2/assignment.md": {
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-08-29T22:43:28+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "bn"
},
"6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:44:14+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "bn"
},
"6-NLP/5-Hotel-Reviews-2/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:43:58+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "bn"
},
"6-NLP/README.md": {
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-08-29T22:17:25+00:00",
"source_file": "6-NLP/README.md",
"language_code": "bn"
},
"6-NLP/data/README.md": {
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-08-29T22:29:48+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "bn"
},
"7-TimeSeries/1-Introduction/README.md": {
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-04T21:02:09+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "bn"
},
"7-TimeSeries/1-Introduction/assignment.md": {
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-08-29T20:47:42+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "bn"
},
"7-TimeSeries/1-Introduction/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:48:34+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "bn"
},
"7-TimeSeries/1-Introduction/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T20:48:18+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "bn"
},
"7-TimeSeries/2-ARIMA/README.md": {
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-04T21:01:18+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "bn"
},
"7-TimeSeries/2-ARIMA/assignment.md": {
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-08-29T20:42:53+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "bn"
},
"7-TimeSeries/2-ARIMA/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:43:45+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "bn"
},
"7-TimeSeries/2-ARIMA/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T20:43:23+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "bn"
},
"7-TimeSeries/3-SVR/README.md": {
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-04T21:02:57+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "bn"
},
"7-TimeSeries/3-SVR/assignment.md": {
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-08-29T20:51:20+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "bn"
},
"7-TimeSeries/README.md": {
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-08-29T20:38:07+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "bn"
},
"8-Reinforcement/1-QLearning/README.md": {
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-04T21:13:21+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "bn"
},
"8-Reinforcement/1-QLearning/assignment.md": {
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-08-29T22:09:49+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "bn"
},
"8-Reinforcement/1-QLearning/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:11:40+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "bn"
},
"8-Reinforcement/1-QLearning/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:11:24+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "bn"
},
"8-Reinforcement/2-Gym/README.md": {
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-04T21:14:05+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "bn"
},
"8-Reinforcement/2-Gym/assignment.md": {
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-08-29T22:15:55+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "bn"
},
"8-Reinforcement/2-Gym/solution/Julia/README.md": {
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:17:09+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "bn"
},
"8-Reinforcement/2-Gym/solution/R/README.md": {
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:16:52+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "bn"
},
"8-Reinforcement/README.md": {
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-08-29T22:01:39+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "bn"
},
"9-Real-World/1-Applications/README.md": {
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-04T21:05:11+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "bn"
},
"9-Real-World/1-Applications/assignment.md": {
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-08-29T21:13:46+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "bn"
},
"9-Real-World/2-Debugging-ML-Models/README.md": {
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-04T21:05:51+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "bn"
},
"9-Real-World/2-Debugging-ML-Models/assignment.md": {
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-08-29T21:18:34+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "bn"
},
"9-Real-World/README.md": {
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-08-29T21:09:04+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "bn"
},
"AGENTS.md": {
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:03:29+00:00",
"source_file": "AGENTS.md",
"language_code": "bn"
},
"CODE_OF_CONDUCT.md": {
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-29T20:12:17+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "bn"
},
"CONTRIBUTING.md": {
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-08-29T20:09:55+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "bn"
},
"README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95",
"translation_date": "2026-01-29T18:09:45+00:00",
"source_file": "README.md",
"language_code": "bn"
},
"SECURITY.md": {
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-08-29T20:10:32+00:00",
"source_file": "SECURITY.md",
"language_code": "bn"
},
"SUPPORT.md": {
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T11:50:43+00:00",
"source_file": "SUPPORT.md",
"language_code": "bn"
},
"TROUBLESHOOTING.md": {
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:41:23+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "bn"
},
"docs/_sidebar.md": {
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-08-29T21:08:07+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "bn"
},
"for-teachers.md": {
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-08-29T20:11:30+00:00",
"source_file": "for-teachers.md",
"language_code": "bn"
},
"quiz-app/README.md": {
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-08-29T21:38:22+00:00",
"source_file": "quiz-app/README.md",
"language_code": "bn"
},
"sketchnotes/LICENSE.md": {
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-08-29T21:55:41+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "bn"
},
"sketchnotes/README.md": {
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-08-29T21:54:35+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "bn"
}
}

9
translations/bn/1-Introduction/1-intro-to-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "69389392fa6346e0dfa30f664b7b6fec",
"translation_date": "2025-09-04T21:08:16+00:00",
"source_file": "1-Introduction/1-intro-to-ML/README.md",
"language_code": "bn"
}
-->
# মেশিন লার্নিং পরিচিতি
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)

9
translations/bn/1-Introduction/1-intro-to-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4c4698044bb8af52cfb6388a4ee0e53b",
"translation_date": "2025-08-29T21:30:20+00:00",
"source_file": "1-Introduction/1-intro-to-ML/assignment.md",
"language_code": "bn"
}
-->
# শুরু করুন এবং চালু করুন
## নির্দেশাবলী

9
translations/bn/1-Introduction/2-history-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6a05fec147e734c3e6bfa54505648e2b",
"translation_date": "2025-09-04T21:08:51+00:00",
"source_file": "1-Introduction/2-history-of-ML/README.md",
"language_code": "bn"
}
-->
# মেশিন লার্নিং এর ইতিহাস
![মেশিন লার্নিং এর ইতিহাসের সারাংশ একটি স্কেচনোটে](../../../../sketchnotes/ml-history.png)

9
translations/bn/1-Introduction/2-history-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "eb6e4d5afd1b21a57d2b9e6d0aac3969",
"translation_date": "2025-08-29T21:33:44+00:00",
"source_file": "1-Introduction/2-history-of-ML/assignment.md",
"language_code": "bn"
}
-->
# একটি টাইমলাইন তৈরি করুন
## নির্দেশনা

9
translations/bn/1-Introduction/3-fairness/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9a6b702d1437c0467e3c5c28d763dac2",
"translation_date": "2025-09-04T21:06:45+00:00",
"source_file": "1-Introduction/3-fairness/README.md",
"language_code": "bn"
}
-->
# দায়িত্বশীল AI দিয়ে মেশিন লার্নিং সমাধান তৈরি করা
![মেশিন লার্নিং-এ দায়িত্বশীল AI-এর সারাংশ একটি স্কেচনোটে](../../../../sketchnotes/ml-fairness.png)

9
translations/bn/1-Introduction/3-fairness/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "dbda60e7b1fe5f18974e7858eff0004e",
"translation_date": "2025-08-29T21:23:54+00:00",
"source_file": "1-Introduction/3-fairness/assignment.md",
"language_code": "bn"
}
-->
# দায়িত্বশীল এআই টুলবক্স অন্বেষণ করুন
## নির্দেশাবলী

9
translations/bn/1-Introduction/4-techniques-of-ML/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d91f3af3758fdd4569fb410575995ef",
"translation_date": "2025-09-04T21:07:33+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/README.md",
"language_code": "bn"
}
-->
# মেশিন লার্নিং এর কৌশলসমূহ
মেশিন লার্নিং মডেল তৈরি, ব্যবহার এবং রক্ষণাবেক্ষণের প্রক্রিয়া এবং এই মডেলগুলোর জন্য ব্যবহৃত ডেটা অন্যান্য ডেভেলপমেন্ট ওয়ার্কফ্লো থেকে অনেকটাই আলাদা। এই পাঠে, আমরা এই প্রক্রিয়াকে সহজবোধ্য করব এবং প্রধান কৌশলগুলো তুলে ধরব যা আপনাকে জানতে হবে। আপনি:

9
translations/bn/1-Introduction/4-techniques-of-ML/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "70d65aeddc06170bc1aed5b27805f930",
"translation_date": "2025-08-29T21:27:16+00:00",
"source_file": "1-Introduction/4-techniques-of-ML/assignment.md",
"language_code": "bn"
}
-->
# একজন ডেটা সায়েন্টিস্টের সাক্ষাৎকার
## নির্দেশনা

9
translations/bn/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cf8ecc83f28e5b98051d2179eca08e08",
"translation_date": "2025-08-29T21:19:06+00:00",
"source_file": "1-Introduction/README.md",
"language_code": "bn"
}
-->
# মেশিন লার্নিং-এর পরিচিতি
এই পাঠক্রমের এই অংশে, আপনি মেশিন লার্নিং ক্ষেত্রের মূল ধারণাগুলি, এটি কী, এর ইতিহাস এবং গবেষকরা এটি নিয়ে কাজ করার জন্য যে কৌশলগুলি ব্যবহার করেন তা সম্পর্কে জানতে পারবেন। চলুন একসাথে এই নতুন মেশিন লার্নিং-এর জগৎটি অন্বেষণ করি!

9
translations/bn/2-Regression/1-Tools/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
"translation_date": "2025-09-04T20:59:44+00:00",
"source_file": "2-Regression/1-Tools/README.md",
"language_code": "bn"
}
-->
# পাইথন এবং স্কিকিট-লার্ন দিয়ে রিগ্রেশন মডেল শুরু করা
![স্কেচনোটে রিগ্রেশনের সারাংশ](../../../../sketchnotes/ml-regression.png)

9
translations/bn/2-Regression/1-Tools/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74a5cf83e4ebc302afbcbc4f418afd0a",
"translation_date": "2025-08-29T20:33:09+00:00",
"source_file": "2-Regression/1-Tools/assignment.md",
"language_code": "bn"
}
-->
# স্কিকিট-লার্ন দিয়ে রিগ্রেশন
## নির্দেশনা

9
translations/bn/2-Regression/1-Tools/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:33:43+00:00",
"source_file": "2-Regression/1-Tools/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/2-Regression/2-Data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7c077988328ebfe33b24d07945f16eca",
"translation_date": "2025-09-04T21:00:41+00:00",
"source_file": "2-Regression/2-Data/README.md",
"language_code": "bn"
}
-->
# Scikit-learn ব্যবহার করে একটি রিগ্রেশন মডেল তৈরি করুন: ডেটা প্রস্তুত এবং ভিজ্যুয়ালাইজ করুন
![ডেটা ভিজ্যুয়ালাইজেশন ইনফোগ্রাফিক](../../../../2-Regression/2-Data/images/data-visualization.png)

9
translations/bn/2-Regression/2-Data/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4485a1ed4dd1b5647365e3d87456515d",
"translation_date": "2025-08-29T20:37:11+00:00",
"source_file": "2-Regression/2-Data/assignment.md",
"language_code": "bn"
}
-->
# ভিজুয়ালাইজেশন অন্বেষণ
ডেটা ভিজুয়ালাইজেশনের জন্য বিভিন্ন লাইব্রেরি উপলব্ধ রয়েছে। এই পাঠে কুমড়ার ডেটা ব্যবহার করে matplotlib এবং seaborn দিয়ে একটি নমুনা নোটবুকে কিছু ভিজুয়ালাইজেশন তৈরি করুন। কোন লাইব্রেরিগুলি কাজ করার জন্য সহজ?

9
translations/bn/2-Regression/2-Data/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:37:49+00:00",
"source_file": "2-Regression/2-Data/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

25
translations/bn/2-Regression/3-Linear/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "40e64f004f3cb50aa1d8661672d3cd92",
"translation_date": "2025-09-04T20:57:44+00:00",
"source_file": "2-Regression/3-Linear/README.md",
"language_code": "bn"
}
-->
# স্কিকিট-লার্ন ব্যবহার করে রিগ্রেশন মডেল তৈরি করুন: চারটি পদ্ধতিতে রিগ্রেশন
![লিনিয়ার বনাম পলিনোমিয়াল রিগ্রেশন ইনফোগ্রাফিক](../../../../2-Regression/3-Linear/images/linear-polynomial.png)
@ -114,11 +105,11 @@ day_of_year = pd.to_datetime(pumpkins['Date']).apply(lambda dt: (dt-datetime(dt.
পূর্ববর্তী পাঠ থেকে আপনি সম্ভবত দেখেছেন যে বিভিন্ন মাসের গড় দাম নিম্নরূপ দেখায়:
<img alt="মাস অনুযায়ী গড় দাম" src="../2-Data/images/barchart.png" width="50%"/>
<img alt="মাস অনুযায়ী গড় দাম" src="../../../../translated_images/bn/barchart.a833ea9194346d76.webp" width="50%"/>
এটি ইঙ্গিত করে যে কিছু করেলেশন থাকতে পারে, এবং আমরা `Month` এবং `Price` এর মধ্যে সম্পর্ক বা `DayOfYear` এবং `Price` এর মধ্যে সম্পর্ক পূর্বাভাস দিতে লিনিয়ার রিগ্রেশন মডেল প্রশিক্ষণ দিতে চেষ্টা করতে পারি। এখানে একটি স্ক্যাটারপ্লট দেখানো হয়েছে যা পরবর্তী সম্পর্কটি দেখায়:
<img alt="দাম বনাম বছরের দিন স্ক্যাটারপ্লট" src="images/scatter-dayofyear.png" width="50%" />
<img alt="দাম বনাম বছরের দিন স্ক্যাটারপ্লট" src="../../../../translated_images/bn/scatter-dayofyear.bc171c189c9fd553.webp" width="50%" />
চলুন `corr` ফাংশন ব্যবহার করে করেলেশন আছে কিনা দেখি:
@ -137,7 +128,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()):
ax = df.plot.scatter('DayOfYear','Price',ax=ax,c=colors[i],label=var)
```
<img alt="দাম বনাম বছরের দিন স্ক্যাটারপ্লট" src="images/scatter-dayofyear-color.png" width="50%" />
<img alt="দাম বনাম বছরের দিন স্ক্যাটারপ্লট" src="../../../../translated_images/bn/scatter-dayofyear-color.65790faefbb9d54f.webp" width="50%" />
আমাদের তদন্ত ইঙ্গিত করে যে প্রজাতি বিক্রয়ের তারিখের চেয়ে সামগ্রিক দামের উপর বেশি প্রভাব ফেলে। আমরা এটি একটি বার গ্রাফের মাধ্যমে দেখতে পারি:
@ -145,7 +136,7 @@ for i,var in enumerate(new_pumpkins['Variety'].unique()):
new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar')
```
<img alt="প্রজাতি অনুযায়ী দাম বার গ্রাফ" src="images/price-by-variety.png" width="50%" />
<img alt="প্রজাতি অনুযায়ী দাম বার গ্রাফ" src="../../../../translated_images/bn/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
চলুন আপাতত শুধুমাত্র একটি কুমড়ার প্রজাতি, 'পাই টাইপ', এর উপর মনোযোগ দিই এবং দেখি তারিখের দাম উপর কী প্রভাব ফেলে:
@ -153,7 +144,7 @@ new_pumpkins.groupby('Variety')['Price'].mean().plot(kind='bar')
pie_pumpkins = new_pumpkins[new_pumpkins['Variety']=='PIE TYPE']
pie_pumpkins.plot.scatter('DayOfYear','Price')
```
<img alt="দাম বনাম বছরের দিন স্ক্যাটারপ্লট" src="images/pie-pumpkins-scatter.png" width="50%" />
<img alt="দাম বনাম বছরের দিন স্ক্যাটারপ্লট" src="../../../../translated_images/bn/pie-pumpkins-scatter.d14f9804a53f927e.webp" width="50%" />
যদি আমরা এখন `corr` ফাংশন ব্যবহার করে `Price` এবং `DayOfYear` এর মধ্যে করেলেশন গণনা করি, আমরা কিছুটা `-0.27` পাব - যা নির্দেশ করে যে একটি পূর্বাভাস মডেল প্রশিক্ষণ দেওয়া যুক্তিযুক্ত।
@ -227,7 +218,7 @@ plt.scatter(X_test,y_test)
plt.plot(X_test,pred)
```
<img alt="লিনিয়ার রিগ্রেশন" src="images/linear-results.png" width="50%" />
<img alt="লিনিয়ার রিগ্রেশন" src="../../../../translated_images/bn/linear-results.f7c3552c85b0ed1c.webp" width="50%" />
## পলিনোমিয়াল রিগ্রেশন
@ -256,7 +247,7 @@ pipeline.fit(X_train,y_train)
পাইপলাইনগুলোকে মূল `LinearRegression` অবজেক্টের মতোই ব্যবহার করা যায়, অর্থাৎ আমরা পাইপলাইনটিকে `fit` করতে পারি এবং তারপর `predict` ব্যবহার করে পূর্বানুমানের ফলাফল পেতে পারি। এখানে টেস্ট ডেটা এবং আনুমানিক কার্ভ দেখানো হলো:
<img alt="পলিনোমিয়াল রিগ্রেশন" src="images/poly-results.png" width="50%" />
<img alt="পলিনোমিয়াল রিগ্রেশন" src="../../../../translated_images/bn/poly-results.ee587348f0f1f60b.webp" width="50%" />
পলিনোমিয়াল রিগ্রেশন ব্যবহার করে আমরা সামান্য কম MSE এবং সামান্য বেশি determination পেতে পারি, তবে তা উল্লেখযোগ্য নয়। আমাদের আরও ফিচার বিবেচনায় নিতে হবে!
@ -274,7 +265,7 @@ pipeline.fit(X_train,y_train)
এখানে আপনি দেখতে পাচ্ছেন কীভাবে গড় দাম বৈচিত্র্যের উপর নির্ভর করে:
<img alt="বৈচিত্র্য অনুযায়ী গড় দাম" src="images/price-by-variety.png" width="50%" />
<img alt="বৈচিত্র্য অনুযায়ী গড় দাম" src="../../../../translated_images/bn/price-by-variety.744a2f9925d9bcb4.webp" width="50%" />
বৈচিত্র্যকে বিবেচনায় নিতে, প্রথমে আমাদের এটিকে সংখ্যাসূচক রূপে রূপান্তর করতে হবে, বা **এনকোড** করতে হবে। এটি করার কয়েকটি উপায় রয়েছে:

9
translations/bn/2-Regression/3-Linear/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "cc471fa89c293bc735dd3a9a0fb79b1b",
"translation_date": "2025-08-29T20:19:24+00:00",
"source_file": "2-Regression/3-Linear/assignment.md",
"language_code": "bn"
}
-->
# একটি রিগ্রেশন মডেল তৈরি করুন
## নির্দেশনা

9
translations/bn/2-Regression/3-Linear/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:19:54+00:00",
"source_file": "2-Regression/3-Linear/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/2-Regression/4-Logistic/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "abf86d845c84330bce205a46b382ec88",
"translation_date": "2025-09-04T20:58:49+00:00",
"source_file": "2-Regression/4-Logistic/README.md",
"language_code": "bn"
}
-->
# লজিস্টিক রিগ্রেশন দিয়ে ক্যাটাগরি প্রেডিকশন
![লজিস্টিক বনাম লিনিয়ার রিগ্রেশন ইনফোগ্রাফিক](../../../../2-Regression/4-Logistic/images/linear-vs-logistic.png)

9
translations/bn/2-Regression/4-Logistic/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8af40209a41494068c1f42b14c0b450d",
"translation_date": "2025-08-29T20:28:30+00:00",
"source_file": "2-Regression/4-Logistic/assignment.md",
"language_code": "bn"
}
-->
# কিছু রিগ্রেশন পুনরায় চেষ্টা করা
## নির্দেশাবলী

9
translations/bn/2-Regression/4-Logistic/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:29:02+00:00",
"source_file": "2-Regression/4-Logistic/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/2-Regression/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
"translation_date": "2025-08-29T20:12:44+00:00",
"source_file": "2-Regression/README.md",
"language_code": "bn"
}
-->
# মেশিন লার্নিংয়ের জন্য রিগ্রেশন মডেল
## আঞ্চলিক বিষয়: উত্তর আমেরিকায় কুমড়ার দামের জন্য রিগ্রেশন মডেল 🎃

9
translations/bn/3-Web-App/1-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "e0b75f73e4a90d45181dc5581fe2ef5c",
"translation_date": "2025-09-04T21:09:27+00:00",
"source_file": "3-Web-App/1-Web-App/README.md",
"language_code": "bn"
}
-->
# একটি মেশিন লার্নিং মডেল ব্যবহার করার জন্য একটি ওয়েব অ্যাপ তৈরি করুন
এই পাঠে, আপনি একটি ডেটাসেটে একটি মেশিন লার্নিং মডেল প্রশিক্ষণ দেবেন যা একেবারে অনন্য: _গত শতাব্দীর UFO দর্শন_, যা NUFORC-এর ডেটাবেস থেকে সংগ্রহ করা হয়েছে।

9
translations/bn/3-Web-App/1-Web-App/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a8e8ae10be335cbc745b75ee552317ff",
"translation_date": "2025-08-29T21:37:51+00:00",
"source_file": "3-Web-App/1-Web-App/assignment.md",
"language_code": "bn"
}
-->
# একটি ভিন্ন মডেল চেষ্টা করুন
## নির্দেশাবলী

9
translations/bn/3-Web-App/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9836ff53cfef716ddfd70e06c5f43436",
"translation_date": "2025-08-29T21:34:15+00:00",
"source_file": "3-Web-App/README.md",
"language_code": "bn"
}
-->
# আপনার মডেল ব্যবহার করার জন্য একটি ওয়েব অ্যাপ তৈরি করুন
এই পাঠ্যক্রমের এই অংশে, আপনি একটি প্রয়োগকৃত মেশিন লার্নিং বিষয়ের সাথে পরিচিত হবেন: কীভাবে আপনার Scikit-learn মডেলকে একটি ফাইলে সংরক্ষণ করবেন যা একটি ওয়েব অ্যাপ্লিকেশনের মধ্যে পূর্বাভাস দেওয়ার জন্য ব্যবহার করা যেতে পারে। মডেলটি সংরক্ষণ করার পরে, আপনি শিখবেন কীভাবে এটি Flask-এ তৈরি একটি ওয়েব অ্যাপে ব্যবহার করবেন। প্রথমে, আপনি কিছু ডেটা ব্যবহার করে একটি মডেল তৈরি করবেন যা UFO দেখার ঘটনার উপর ভিত্তি করে! এরপর, আপনি একটি ওয়েব অ্যাপ তৈরি করবেন যা আপনাকে সেকেন্ডের একটি সংখ্যা, একটি অক্ষাংশ এবং দ্রাঘিমাংশের মান ইনপুট দিয়ে পূর্বাভাস করতে দেবে কোন দেশ UFO দেখার রিপোর্ট করেছে।

9
translations/bn/4-Classification/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "aaf391d922bd6de5efba871d514c6d47",
"translation_date": "2025-09-04T21:12:03+00:00",
"source_file": "4-Classification/1-Introduction/README.md",
"language_code": "bn"
}
-->
# শ্রেণীবিভাজনের পরিচিতি
এই চারটি পাঠে, আপনি ক্লাসিক মেশিন লার্নিং-এর একটি গুরুত্বপূর্ণ দিক - _শ্রেণীবিভাজন_ - সম্পর্কে জানবেন। আমরা এশিয়া এবং ভারতের অসাধারণ রান্নার একটি ডেটাসেট ব্যবহার করে বিভিন্ন শ্রেণীবিভাজন অ্যালগরিদম নিয়ে কাজ করব। আশা করি আপনি ক্ষুধার্ত!

9
translations/bn/4-Classification/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b2a01912beb24cfb0007f83594dba801",
"translation_date": "2025-08-29T21:53:41+00:00",
"source_file": "4-Classification/1-Introduction/assignment.md",
"language_code": "bn"
}
-->
# শ্রেণীবিভাজন পদ্ধতি অন্বেষণ করুন
## নির্দেশাবলী

9
translations/bn/4-Classification/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:54:19+00:00",
"source_file": "4-Classification/1-Introduction/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/4-Classification/2-Classifiers-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1a6e9e46b34a2e559fbbfc1f95397c7b",
"translation_date": "2025-09-04T21:10:04+00:00",
"source_file": "4-Classification/2-Classifiers-1/README.md",
"language_code": "bn"
}
-->
# কুইজিন শ্রেণীবিন্যাসকারী ১
এই পাঠে, আপনি আগের পাঠে সংরক্ষিত ডেটাসেট ব্যবহার করবেন, যা বিভিন্ন কুইজিন সম্পর্কিত ভারসাম্যপূর্ণ এবং পরিষ্কার ডেটা নিয়ে গঠিত।

9
translations/bn/4-Classification/2-Classifiers-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "de6025f96841498b0577e9d1aee18d1f",
"translation_date": "2025-08-29T21:44:15+00:00",
"source_file": "4-Classification/2-Classifiers-1/assignment.md",
"language_code": "bn"
}
-->
# সলভারগুলি অধ্যয়ন করুন
## নির্দেশনা

9
translations/bn/4-Classification/2-Classifiers-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:44:45+00:00",
"source_file": "4-Classification/2-Classifiers-1/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/4-Classification/3-Classifiers-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "49047911108adc49d605cddfb455749c",
"translation_date": "2025-09-04T21:11:41+00:00",
"source_file": "4-Classification/3-Classifiers-2/README.md",
"language_code": "bn"
}
-->
# কুইজিন শ্রেণীবিভাজক ২
এই দ্বিতীয় শ্রেণীবিভাজন পাঠে, আপনি সংখ্যাসূচক ডেটা শ্রেণীবিভাজনের আরও পদ্ধতি অন্বেষণ করবেন। এছাড়াও, আপনি একটি শ্রেণীবিভাজক নির্বাচন করার প্রভাব সম্পর্কে শিখবেন।

9
translations/bn/4-Classification/3-Classifiers-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "58dfdaf79fb73f7d34b22bdbacf57329",
"translation_date": "2025-08-29T21:50:09+00:00",
"source_file": "4-Classification/3-Classifiers-2/assignment.md",
"language_code": "bn"
}
-->
# প্যারামিটার প্লে
## নির্দেশনা

9
translations/bn/4-Classification/3-Classifiers-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:50:41+00:00",
"source_file": "4-Classification/3-Classifiers-2/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/4-Classification/4-Applied/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61bdec27ed2da8b098cd9065405d9bb0",
"translation_date": "2025-09-04T21:10:51+00:00",
"source_file": "4-Classification/4-Applied/README.md",
"language_code": "bn"
}
-->
# একটি কুইজিন রিকমেন্ডার ওয়েব অ্যাপ তৈরি করুন
এই পাঠে, আপনি পূর্ববর্তী পাঠে শেখা কিছু কৌশল ব্যবহার করে একটি ক্লাসিফিকেশন মডেল তৈরি করবেন এবং এই সিরিজে ব্যবহৃত সুস্বাদু কুইজিন ডেটাসেট ব্যবহার করবেন। এছাড়াও, আপনি একটি ছোট ওয়েব অ্যাপ তৈরি করবেন যা একটি সংরক্ষিত মডেল ব্যবহার করবে, Onnx-এর ওয়েব রানটাইম ব্যবহার করে।

9
translations/bn/4-Classification/4-Applied/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "799ed651e2af0a7cad17c6268db11578",
"translation_date": "2025-08-29T21:47:38+00:00",
"source_file": "4-Classification/4-Applied/assignment.md",
"language_code": "bn"
}
-->
# একটি রিকমেন্ডার তৈরি করুন
## নির্দেশনা

9
translations/bn/4-Classification/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "74e809ffd1e613a1058bbc3e9600859e",
"translation_date": "2025-08-29T21:39:36+00:00",
"source_file": "4-Classification/README.md",
"language_code": "bn"
}
-->
# শ্রেণীবিভাজন শুরু করা
## আঞ্চলিক বিষয়: সুস্বাদু এশীয় এবং ভারতীয় খাবার 🍜

9
translations/bn/5-Clustering/1-Visualize/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "730225ea274c9174fe688b21d421539d",
"translation_date": "2025-09-04T21:03:31+00:00",
"source_file": "5-Clustering/1-Visualize/README.md",
"language_code": "bn"
}
-->
# ক্লাস্টারিং পরিচিতি
ক্লাস্টারিং হলো [অপরীক্ষিত শিক্ষণ](https://wikipedia.org/wiki/Unsupervised_learning) এর একটি ধরন, যা ধরে নেয় যে একটি ডেটাসেট লেবেলবিহীন বা এর ইনপুট পূর্বনির্ধারিত আউটপুটের সাথে মেলানো হয়নি। এটি বিভিন্ন অ্যালগরিদম ব্যবহার করে লেবেলবিহীন ডেটা বিশ্লেষণ করে এবং ডেটাতে পাওয়া প্যাটার্ন অনুযায়ী গ্রুপিং প্রদান করে।

9
translations/bn/5-Clustering/1-Visualize/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "589fa015a5e7d9e67bd629f7d47b53de",
"translation_date": "2025-08-29T21:04:11+00:00",
"source_file": "5-Clustering/1-Visualize/assignment.md",
"language_code": "bn"
}
-->
# ক্লাস্টারিংয়ের জন্য অন্যান্য ভিজুয়ালাইজেশন গবেষণা করুন
## নির্দেশনা

9
translations/bn/5-Clustering/1-Visualize/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:04:46+00:00",
"source_file": "5-Clustering/1-Visualize/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/5-Clustering/2-K-Means/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "7cdd17338d9bbd7e2171c2cd462eb081",
"translation_date": "2025-09-04T21:04:42+00:00",
"source_file": "5-Clustering/2-K-Means/README.md",
"language_code": "bn"
}
-->
# K-Means ক্লাস্টারিং
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)

9
translations/bn/5-Clustering/2-K-Means/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b8e17eff34ad1680eba2a5d3cf9ffc41",
"translation_date": "2025-08-29T21:07:20+00:00",
"source_file": "5-Clustering/2-K-Means/assignment.md",
"language_code": "bn"
}
-->
# বিভিন্ন ক্লাস্টারিং পদ্ধতি চেষ্টা করুন
## নির্দেশনা

9
translations/bn/5-Clustering/2-K-Means/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T21:07:50+00:00",
"source_file": "5-Clustering/2-K-Means/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/5-Clustering/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-08-29T20:51:58+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "bn"
}
-->
# মেশিন লার্নিংয়ের জন্য ক্লাস্টারিং মডেল
ক্লাস্টারিং একটি মেশিন লার্নিং কাজ যেখানে একে এমন বস্তু খুঁজে বের করতে হয় যেগুলো একে অপরের সাথে সাদৃশ্যপূর্ণ এবং সেগুলোকে ক্লাস্টার নামে পরিচিত গ্রুপে ভাগ করা হয়। ক্লাস্টারিংয়ের বিশেষত্ব হলো এটি স্বয়ংক্রিয়ভাবে ঘটে, যা মেশিন লার্নিংয়ের অন্যান্য পদ্ধতির থেকে আলাদা। আসলে, এটি সুপারভাইজড লার্নিংয়ের বিপরীত বলা যেতে পারে।

9
translations/bn/6-NLP/1-Introduction-to-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c2ec40cf55c98a028a359c27ef7e45a",
"translation_date": "2025-09-04T21:16:46+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/README.md",
"language_code": "bn"
}
-->
# প্রাকৃতিক ভাষা প্রক্রিয়াকরণে পরিচিতি
এই পাঠে *প্রাকৃতিক ভাষা প্রক্রিয়াকরণ*, যা *কম্পিউটেশনাল ভাষাবিজ্ঞান* এর একটি শাখা, এর সংক্ষিপ্ত ইতিহাস এবং গুরুত্বপূর্ণ ধারণাগুলি আলোচনা করা হয়েছে।

9
translations/bn/6-NLP/1-Introduction-to-NLP/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1d7583e8046dacbb0c056d5ba0a71b16",
"translation_date": "2025-08-29T22:33:03+00:00",
"source_file": "6-NLP/1-Introduction-to-NLP/assignment.md",
"language_code": "bn"
}
-->
# একটি বট খুঁজুন
## নির্দেশনা

9
translations/bn/6-NLP/2-Tasks/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5f3cb462e3122e1afe7ab0050ccf2bd3",
"translation_date": "2025-09-04T21:14:52+00:00",
"source_file": "6-NLP/2-Tasks/README.md",
"language_code": "bn"
}
-->
# সাধারণ প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কাজ এবং কৌশল
বেশিরভাগ *প্রাকৃতিক ভাষা প্রক্রিয়াকরণ* কাজের জন্য, প্রক্রিয়াকরণের জন্য পাঠ্যটি ভেঙে বিশ্লেষণ করতে হয় এবং ফলাফলগুলি সংরক্ষণ বা নিয়ম এবং ডেটাসেটের সাথে তুলনা করতে হয়। এই কাজগুলি প্রোগ্রামারকে পাঠ্যের মধ্যে শব্দ এবং শব্দের _অর্থ_, _উদ্দেশ্য_ বা শুধুমাত্র _বারবার উপস্থিতি_ নির্ধারণ করতে সাহায্য করে।

9
translations/bn/6-NLP/2-Tasks/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2efc4c2aba5ed06c780c05539c492ae3",
"translation_date": "2025-08-29T22:21:14+00:00",
"source_file": "6-NLP/2-Tasks/assignment.md",
"language_code": "bn"
}
-->
# একটি বটকে কথা বলানো
## নির্দেশাবলী

9
translations/bn/6-NLP/3-Translation-Sentiment/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "be03c8182982b87ced155e4e9d1438e8",
"translation_date": "2025-09-04T21:17:21+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/README.md",
"language_code": "bn"
}
-->
# অনুবাদ এবং অনুভূতি বিশ্লেষণ মেশিন লার্নিংয়ের মাধ্যমে
পূর্ববর্তী পাঠে আপনি শিখেছেন কীভাবে `TextBlob` ব্যবহার করে একটি সাধারণ বট তৈরি করা যায়। এটি একটি লাইব্রেরি যা মেশিন লার্নিংকে অন্তর্ভুক্ত করে এবং মৌলিক NLP কাজ যেমন noun phrase extraction সম্পাদন করে। কম্পিউটেশনাল ভাষাতত্ত্বের আরেকটি গুরুত্বপূর্ণ চ্যালেঞ্জ হলো একটি ভাষা থেকে অন্য ভাষায় সঠিকভাবে _অনুবাদ_ করা।

9
translations/bn/6-NLP/3-Translation-Sentiment/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "9d2a734deb904caff310d1a999c6bd7a",
"translation_date": "2025-08-29T22:38:06+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/assignment.md",
"language_code": "bn"
}
-->
# কবিতার লাইসেন্স
## নির্দেশাবলী

9
translations/bn/6-NLP/3-Translation-Sentiment/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:38:57+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/6-NLP/3-Translation-Sentiment/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:38:40+00:00",
"source_file": "6-NLP/3-Translation-Sentiment/solution/R/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/6-NLP/4-Hotel-Reviews-1/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "8d32dadeda93c6fb5c43619854882ab1",
"translation_date": "2025-09-04T21:15:30+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/README.md",
"language_code": "bn"
}
-->
# হোটেল রিভিউ দিয়ে সেন্টিমেন্ট অ্যানালাইসিস - ডেটা প্রক্রিয়াকরণ
এই অংশে আপনি আগের পাঠে শেখা কৌশল ব্যবহার করে একটি বড় ডেটাসেটের উপর কিছু অনুসন্ধানমূলক ডেটা বিশ্লেষণ করবেন। বিভিন্ন কলামের কার্যকারিতা সম্পর্কে ভালো ধারণা পাওয়ার পর, আপনি শিখবেন:

9
translations/bn/6-NLP/4-Hotel-Reviews-1/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "bf39bceb833cd628f224941dca8041df",
"translation_date": "2025-08-29T22:28:48+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/assignment.md",
"language_code": "bn"
}
-->
# এনএলটিকে
## নির্দেশাবলী

9
translations/bn/6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:29:30+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/6-NLP/4-Hotel-Reviews-1/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:29:14+00:00",
"source_file": "6-NLP/4-Hotel-Reviews-1/solution/R/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/6-NLP/5-Hotel-Reviews-2/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "2c742993fe95d5bcbb2846eda3d442a1",
"translation_date": "2025-09-04T21:18:03+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/README.md",
"language_code": "bn"
}
-->
# হোটেল রিভিউ দিয়ে সেন্টিমেন্ট অ্যানালাইসিস
আপনি ইতিমধ্যে ডেটাসেটটি বিস্তারিতভাবে অন্বেষণ করেছেন, এখন সময় এসেছে কলামগুলো ফিল্টার করার এবং NLP প্রযুক্তি ব্যবহার করে হোটেল সম্পর্কে নতুন অন্তর্দৃষ্টি অর্জন করার।

9
translations/bn/6-NLP/5-Hotel-Reviews-2/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "daf144daa552da6a7d442aff6f3e77d8",
"translation_date": "2025-08-29T22:43:28+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/assignment.md",
"language_code": "bn"
}
-->
# একটি ভিন্ন ডেটাসেট চেষ্টা করুন
## নির্দেশাবলী

9
translations/bn/6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:44:14+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/6-NLP/5-Hotel-Reviews-2/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:43:58+00:00",
"source_file": "6-NLP/5-Hotel-Reviews-2/solution/R/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/6-NLP/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1eb379dc2d0c9940b320732d16083778",
"translation_date": "2025-08-29T22:17:25+00:00",
"source_file": "6-NLP/README.md",
"language_code": "bn"
}
-->
# প্রাকৃতিক ভাষা প্রক্রিয়াকরণ শুরু করা
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) হল একটি কম্পিউটার প্রোগ্রামের মানুষের ভাষা বুঝতে পারার ক্ষমতা, যেভাবে এটি বলা এবং লেখা হয় — যাকে প্রাকৃতিক ভাষা বলা হয়। এটি কৃত্রিম বুদ্ধিমত্তার (AI) একটি উপাদান। NLP ৫০ বছরেরও বেশি সময় ধরে বিদ্যমান এবং এর শিকড় ভাষাতত্ত্বের ক্ষেত্রে রয়েছে। পুরো ক্ষেত্রটি মেশিনকে মানুষের ভাষা বুঝতে এবং প্রক্রিয়া করতে সাহায্য করার দিকে পরিচালিত। এটি তারপর বানান পরীক্ষা বা মেশিন অনুবাদের মতো কাজ সম্পাদনে ব্যবহার করা যেতে পারে। এটি চিকিৎসা গবেষণা, সার্চ ইঞ্জিন এবং ব্যবসায়িক বুদ্ধিমত্তাসহ বিভিন্ন ক্ষেত্রে বাস্তব জীবনের প্রয়োগ রয়েছে।

9
translations/bn/6-NLP/data/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "ee0670655c89e4719319764afb113624",
"translation_date": "2025-08-29T22:29:48+00:00",
"source_file": "6-NLP/data/README.md",
"language_code": "bn"
}
-->
হোটেল পর্যালোচনা ডেটা এই ফোল্ডারে ডাউনলোড করুন।
---

9
translations/bn/7-TimeSeries/1-Introduction/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "662b509c39eee205687726636d0a8455",
"translation_date": "2025-09-04T21:02:09+00:00",
"source_file": "7-TimeSeries/1-Introduction/README.md",
"language_code": "bn"
}
-->
# টাইম সিরিজ পূর্বাভাসের পরিচিতি
![টাইম সিরিজের সারাংশ একটি স্কেচনোটে](../../../../sketchnotes/ml-timeseries.png)

9
translations/bn/7-TimeSeries/1-Introduction/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "d1781b0b92568ea1d119d0a198b576b4",
"translation_date": "2025-08-29T20:47:42+00:00",
"source_file": "7-TimeSeries/1-Introduction/assignment.md",
"language_code": "bn"
}
-->
# কিছু অতিরিক্ত টাইম সিরিজ ভিজুয়ালাইজ করুন
## নির্দেশাবলী

9
translations/bn/7-TimeSeries/1-Introduction/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:48:34+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/7-TimeSeries/1-Introduction/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T20:48:18+00:00",
"source_file": "7-TimeSeries/1-Introduction/solution/R/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/7-TimeSeries/2-ARIMA/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "917dbf890db71a322f306050cb284749",
"translation_date": "2025-09-04T21:01:18+00:00",
"source_file": "7-TimeSeries/2-ARIMA/README.md",
"language_code": "bn"
}
-->
# ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস
পূর্ববর্তী পাঠে, আপনি টাইম সিরিজ পূর্বাভাস সম্পর্কে কিছু শিখেছেন এবং একটি ডেটাসেট লোড করেছেন যা একটি নির্দিষ্ট সময়কালে বৈদ্যুতিক লোডের ওঠানামা দেখায়।

9
translations/bn/7-TimeSeries/2-ARIMA/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1c814013e10866dfd92cdb32caaae3ac",
"translation_date": "2025-08-29T20:42:53+00:00",
"source_file": "7-TimeSeries/2-ARIMA/assignment.md",
"language_code": "bn"
}
-->
# একটি নতুন ARIMA মডেল
## নির্দেশনা

9
translations/bn/7-TimeSeries/2-ARIMA/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T20:43:45+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/7-TimeSeries/2-ARIMA/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T20:43:23+00:00",
"source_file": "7-TimeSeries/2-ARIMA/solution/R/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/7-TimeSeries/3-SVR/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "482bccabe1df958496ea71a3667995cd",
"translation_date": "2025-09-04T21:02:57+00:00",
"source_file": "7-TimeSeries/3-SVR/README.md",
"language_code": "bn"
}
-->
# টাইম সিরিজ পূর্বাভাস: সাপোর্ট ভেক্টর রিগ্রেসর
পূর্ববর্তী পাঠে, আপনি ARIMA মডেল ব্যবহার করে টাইম সিরিজ পূর্বাভাস তৈরি করতে শিখেছেন। এখন আপনি সাপোর্ট ভেক্টর রিগ্রেসর মডেল সম্পর্কে জানবেন, যা একটি রিগ্রেসর মডেল এবং ধারাবাহিক ডেটা পূর্বাভাসের জন্য ব্যবহৃত হয়।

9
translations/bn/7-TimeSeries/3-SVR/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "94aa2fc6154252ae30a3f3740299707a",
"translation_date": "2025-08-29T20:51:20+00:00",
"source_file": "7-TimeSeries/3-SVR/assignment.md",
"language_code": "bn"
}
-->
# একটি নতুন SVR মডেল
## নির্দেশাবলী [^1]

9
translations/bn/7-TimeSeries/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-08-29T20:38:07+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "bn"
}
-->
# টাইম সিরিজ পূর্বাভাসের পরিচিতি
টাইম সিরিজ পূর্বাভাস কী? এটি অতীতের প্রবণতা বিশ্লেষণ করে ভবিষ্যতের ঘটনা পূর্বাভাস দেওয়ার একটি পদ্ধতি।

9
translations/bn/8-Reinforcement/1-QLearning/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "911efd5e595089000cb3c16fce1beab8",
"translation_date": "2025-09-04T21:13:21+00:00",
"source_file": "8-Reinforcement/1-QLearning/README.md",
"language_code": "bn"
}
-->
# রিইনফোর্সমেন্ট লার্নিং এবং কিউ-লার্নিং এর পরিচিতি
![মেশিন লার্নিং-এ রিইনফোর্সমেন্টের সারাংশ একটি স্কেচনোটে](../../../../sketchnotes/ml-reinforcement.png)

9
translations/bn/8-Reinforcement/1-QLearning/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68394b2102d3503882e5e914bd0ff5c1",
"translation_date": "2025-08-29T22:09:49+00:00",
"source_file": "8-Reinforcement/1-QLearning/assignment.md",
"language_code": "bn"
}
-->
# একটি আরও বাস্তবসম্মত বিশ্ব
আমাদের পরিস্থিতিতে, পিটার প্রায় ক্লান্ত বা ক্ষুধার্ত না হয়ে চলাফেরা করতে পারছিল। একটি আরও বাস্তবসম্মত বিশ্বে, তাকে মাঝে মাঝে বসে বিশ্রাম নিতে হবে এবং নিজেকে খাওয়াতে হবে। চলুন আমাদের বিশ্বকে আরও বাস্তবসম্মত করি, নিম্নলিখিত নিয়মগুলি প্রয়োগ করে:

9
translations/bn/8-Reinforcement/1-QLearning/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:11:40+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/8-Reinforcement/1-QLearning/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:11:24+00:00",
"source_file": "8-Reinforcement/1-QLearning/solution/R/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/8-Reinforcement/2-Gym/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "107d5bb29da8a562e7ae72262d251a75",
"translation_date": "2025-09-04T21:14:05+00:00",
"source_file": "8-Reinforcement/2-Gym/README.md",
"language_code": "bn"
}
-->
## প্রয়োজনীয়তা
এই পাঠে আমরা **OpenAI Gym** নামক একটি লাইব্রেরি ব্যবহার করব বিভিন্ন **পরিবেশ** সিমুলেট করার জন্য। আপনি যদি এই পাঠের কোড স্থানীয়ভাবে (যেমন Visual Studio Code থেকে) চালান, তাহলে সিমুলেশনটি একটি নতুন উইন্ডোতে খুলবে। অনলাইনে কোড চালানোর সময়, আপনাকে কোডে কিছু পরিবর্তন করতে হতে পারে, যেমনটি [এখানে](https://towardsdatascience.com/rendering-openai-gym-envs-on-binder-and-google-colab-536f99391cc7) বর্ণনা করা হয়েছে।

9
translations/bn/8-Reinforcement/2-Gym/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "1f2b7441745eb52e25745423b247016b",
"translation_date": "2025-08-29T22:15:55+00:00",
"source_file": "8-Reinforcement/2-Gym/assignment.md",
"language_code": "bn"
}
-->
# ট্রেন মাউন্টেন কার
[OpenAI Gym](http://gym.openai.com) এমনভাবে ডিজাইন করা হয়েছে যাতে সব পরিবেশ একই API প্রদান করে - অর্থাৎ একই `reset`, `step` এবং `render` মেথড, এবং **action space** এবং **observation space** এর একই বিমূর্ততা। তাই একই রিইনফোর্সমেন্ট লার্নিং অ্যালগরিদমকে বিভিন্ন পরিবেশে সামান্য কোড পরিবর্তনের মাধ্যমে মানিয়ে নেওয়া সম্ভব।

9
translations/bn/8-Reinforcement/2-Gym/solution/Julia/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a39c15d63f3b2795ee2284a82b986b93",
"translation_date": "2025-08-29T22:17:09+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/Julia/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/8-Reinforcement/2-Gym/solution/R/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "81db6ff2cf6e62fbe2340b094bb9509e",
"translation_date": "2025-08-29T22:16:52+00:00",
"source_file": "8-Reinforcement/2-Gym/solution/R/README.md",
"language_code": "bn"
}
-->
এটি একটি অস্থায়ী প্লেসহোল্ডার
---

9
translations/bn/8-Reinforcement/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "20ca019012b1725de956681d036d8b18",
"translation_date": "2025-08-29T22:01:39+00:00",
"source_file": "8-Reinforcement/README.md",
"language_code": "bn"
}
-->
# রিইনফোর্সমেন্ট লার্নিং-এর পরিচিতি
রিইনফোর্সমেন্ট লার্নিং, RL, সুপারভাইজড লার্নিং এবং আনসুপারভাইজড লার্নিং-এর পাশাপাশি অন্যতম মৌলিক মেশিন লার্নিং প্যারাডাইম হিসেবে বিবেচিত হয়। RL মূলত সিদ্ধান্ত গ্রহণের উপর ভিত্তি করে: সঠিক সিদ্ধান্ত প্রদান করা বা অন্তত সেগুলো থেকে শেখা।

9
translations/bn/9-Real-World/1-Applications/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "83320d6b6994909e35d830cebf214039",
"translation_date": "2025-09-04T21:05:11+00:00",
"source_file": "9-Real-World/1-Applications/README.md",
"language_code": "bn"
}
-->
# পোস্টস্ক্রিপ্ট: বাস্তব জীবনে মেশিন লার্নিং
![বাস্তব জীবনে মেশিন লার্নিং-এর সারাংশ একটি স্কেচনোটে](../../../../sketchnotes/ml-realworld.png)

9
translations/bn/9-Real-World/1-Applications/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fdebfcd0a3f12c9e2b436ded1aa79885",
"translation_date": "2025-08-29T21:13:46+00:00",
"source_file": "9-Real-World/1-Applications/assignment.md",
"language_code": "bn"
}
-->
# একটি এমএল স্ক্যাভেঞ্জার হান্ট
## নির্দেশাবলী

9
translations/bn/9-Real-World/2-Debugging-ML-Models/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "df2b538e8fbb3e91cf0419ae2f858675",
"translation_date": "2025-09-04T21:05:51+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/README.md",
"language_code": "bn"
}
-->
# পোস্টস্ক্রিপ্ট: মডেল ডিবাগিং মেশিন লার্নিং-এ রেসপন্সিবল AI ড্যাশবোর্ড কম্পোনেন্ট ব্যবহার করে
## [পূর্ব-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)

9
translations/bn/9-Real-World/2-Debugging-ML-Models/assignment.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "91c6a180ef08e20cc15acfd2d6d6e164",
"translation_date": "2025-08-29T21:18:34+00:00",
"source_file": "9-Real-World/2-Debugging-ML-Models/assignment.md",
"language_code": "bn"
}
-->
# দায়িত্বশীল AI (RAI) ড্যাশবোর্ড অন্বেষণ করুন
## নির্দেশনা

9
translations/bn/9-Real-World/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e069a0ac02a9606a69946c2b3c574a9",
"translation_date": "2025-08-29T21:09:04+00:00",
"source_file": "9-Real-World/README.md",
"language_code": "bn"
}
-->
# পোস্টস্ক্রিপ্ট: ক্লাসিক মেশিন লার্নিং-এর বাস্তব জীবনের প্রয়োগ
এই পাঠক্রমের এই অংশে, আপনাকে ক্লাসিক্যাল মেশিন লার্নিং-এর কিছু বাস্তব জীবনের প্রয়োগের সাথে পরিচয় করানো হবে। আমরা ইন্টারনেট থেকে সাদা কাগজ এবং প্রবন্ধ সংগ্রহ করেছি যেখানে এই কৌশলগুলো ব্যবহার করা হয়েছে, যতটা সম্ভব নিউরাল নেটওয়ার্ক, ডিপ লার্নিং এবং AI এড়িয়ে। শিখুন কীভাবে মেশিন লার্নিং ব্যবসায়িক সিস্টেম, পরিবেশগত প্রয়োগ, অর্থনীতি, শিল্প ও সংস্কৃতি এবং আরও অনেক ক্ষেত্রে ব্যবহার করা হয়।

9
translations/bn/AGENTS.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "93fdaa0fd38836e50c4793e2f2f25e8b",
"translation_date": "2025-10-03T11:03:29+00:00",
"source_file": "AGENTS.md",
"language_code": "bn"
}
-->
# AGENTS.md
## প্রকল্পের সংক্ষিপ্ত বিবরণ

9
translations/bn/CODE_OF_CONDUCT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
"translation_date": "2025-08-29T20:12:17+00:00",
"source_file": "CODE_OF_CONDUCT.md",
"language_code": "bn"
}
-->
# মাইক্রোসফট ওপেন সোর্স আচরণবিধি
এই প্রকল্পটি [মাইক্রোসফট ওপেন সোর্স আচরণবিধি](https://opensource.microsoft.com/codeofconduct/) গ্রহণ করেছে।

9
translations/bn/CONTRIBUTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "977ec5266dfd78ad1ce2bd8d46fccbda",
"translation_date": "2025-08-29T20:09:55+00:00",
"source_file": "CONTRIBUTING.md",
"language_code": "bn"
}
-->
# অবদান রাখা
এই প্রকল্পে অবদান এবং পরামর্শকে স্বাগত জানানো হয়। বেশিরভাগ অবদান রাখার জন্য আপনাকে একটি Contributor License Agreement (CLA)-তে সম্মতি জানাতে হবে, যা নিশ্চিত করে যে আপনার অবদানের অধিকার আপনার আছে এবং আপনি আমাদের তা ব্যবহারের অধিকার প্রদান করছেন। বিস্তারিত জানতে ভিজিট করুন https://cla.microsoft.com।

267
translations/bn/README.md
Unescape View File

@ -1,152 +1,169 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "0a6f4476a4f3934a4aa47c1bf47158bc",
"translation_date": "2026-01-16T10:32:37+00:00",
"source_file": "README.md",
"language_code": "bn"
}
-->
### 🌐 বহুভাষী সমর্থন
#### গিটহাব অ্যাকশনের মাধ্যমে সমর্থিত (স্বয়ংক্রিয় ও সর্বদা আপ-টু-ডেট)
> **স্থানীয়ভাবে ক্লোন করতে পছন্দ করেন?**
> এই রিপোজিটরিতে ৫০+ ভাষার অনুবাদ রয়েছে যা ডাউনলোডের আকার অনেক বাড়িয়ে দেয়। অনুবাদ ছাড়া ক্লোন করতে, sparse checkout ব্যবহার করুন:
[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)
[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
### 🌐 বহু-ভাষা সমর্থন
#### গিটহাব অ্যাকশনের মাধ্যমে সমর্থিত (স্বয়ংক্রিয় এবং সর্বদা আপডেট থাকে)
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[আরবি](../ar/README.md) | [বাংলা](./README.md) | [বুলগেরিয়ান](../bg/README.md) | [বার্মিজ (মায়ানমার)](../my/README.md) | [চীনা (সরলীকৃত)](../zh-CN/README.md) | [চীনা (প্রচলিত, হংকং)](../zh-HK/README.md) | [চীনা (প্রচলিত, মাকাও)](../zh-MO/README.md) | [চীনা (প্রচলিত, তাইওয়ান)](../zh-TW/README.md) | [ক্রোয়েশিয়ান](../hr/README.md) | [চেক](../cs/README.md) | [ড্যানিশ](../da/README.md) | [ডাচ](../nl/README.md) | [এস্তোনিয়ান](../et/README.md) | [ফিনিশ](../fi/README.md) | [ফরাসি](../fr/README.md) | [জার্মান](../de/README.md) | [গ্রিক](../el/README.md) | [হিব্রু](../he/README.md) | [হিন্দি](../hi/README.md) | [হাঙ্গেরিয়ান](../hu/README.md) | [ইন্দোনেশিয়ান](../id/README.md) | [ইতালিয়ান](../it/README.md) | [জাপানি](../ja/README.md) | [কন্নড়](../kn/README.md) | [কোরিয়ান](../ko/README.md) | [লিথুয়ানিয়ান](../lt/README.md) | [মালয়](../ms/README.md) | [মালায়ালাম](../ml/README.md) | [মরাঠি](../mr/README.md) | [নেপালি](../ne/README.md) | [নাইজেরিয়ান পিজিন](../pcm/README.md) | [নরওয়েযিয়ান](../no/README.md) | [পার্সিয়ান (ফার্সি)](../fa/README.md) | [পোলিশ](../pl/README.md) | [পর্তুগিজ (ব্রাজিল)](../pt-BR/README.md) | [পর্তুগিজ (পর্তুগাল)](../pt-PT/README.md) | [পাঞ্জাবী (গুরমুখী)](../pa/README.md) | [রোমানিয়ান](../ro/README.md) | [রাশিয়ান](../ru/README.md) | [সার্বিয়ান (সিরিলিক)](../sr/README.md) | [স্লোভাক](../sk/README.md) | [স্লোভেনিয়ান](../sl/README.md) | [স্প্যানিশ](../es/README.md) | [সোয়াহিলি](../sw/README.md) | [সুইডিশ](../sv/README.md) | [টাগালগ (ফিলিপিনো)](../tl/README.md) | [তামিল](../ta/README.md) | [তেলুগু](../te/README.md) | [থাই](../th/README.md) | [তুর্কি](../tr/README.md) | [ইউক্রেনিয়ান](../uk/README.md) | [উর্দু](../ur/README.md) | [ভিয়েতনামী](../vi/README.md)
> **স্থানীয়ভাবে ক্লোন করতে চান?**
> এই রিপোজিটরিতে ৫০+ ভাষার অনুবাদ অন্তর্ভুক্ত রয়েছে যা ডাউনলোড আকার উল্লেখযোগ্যভাবে বৃদ্ধি করে। অনুবাদ ছাড়া ক্লোন করার জন্য sparse checkout ব্যবহার করুন:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> এটি আপনাকে দ্রুত ডাউনলোডে সম্পূর্ণ কোর্সটি সম্পন্ন করার জন্য যা কিছু দরকার তা দেবে।
> এটি আপনার প্রয়োজনীয় সমস্ত কিছু দেয় কোর্সটি দ্রুত ডাউনলোড সহ সম্পন্ন করার জন্য।
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### আমাদের কমিউনিটিতে যোগ দিন
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
#### আমাদের সম্প্রদায়ে যোগদান করুন
আমাদের একটি Discord এআই নিয়ে শেখার সেশন চলছে, আরো জানুন এবং আমাদের সাথে যোগ দিন এখানে [Learn with AI Series](https://aka.ms/learnwithai/discord) ১৮ থেকে ৩০ সেপ্টেম্বর, ২০২৫ পর্যন্ত। এখানে আপনি GitHub Copilot ব্যবহার করে ডেটা সায়েন্সের টিপস এবং ট্রিকস পাবেন।
আমাদের কাছে Discord এ একটি "AI সহ শিখুন" সিরিজ চলছে, আরো জানতে এবং যুক্ত হতে পারেন [Learn with AI Series](https://aka.ms/learnwithai/discord) এ, যা চলবে ১৮ থেকে ৩০ সেপ্টেম্বর, ২০২৫। আপনি GitHub Copilot ব্যবহার করে Data Science এর টিপস ও ট্রিকস পাবেন।
![Learn with AI series](../../translated_images/bn/3.9b58fd8d6c373c20.webp)
# নবাগতদের জন্য মেশিন লার্নিং - একটি কারিকুলাম
# শুরু থেকে মেশিন লার্নিং - একটি শিক্ষাক্রম
> 🌍 বিশ্বের সংস্কৃতিগুলোর মাধ্যমে মেশিন লার্নিং অন্বেষণে বিশ্বের চারিদিকে ভ্রমণ করুন 🌍
> 🌍 মেশিন লার্নিং অন্বেষণ করার সময় বিশ্ব সংস্কৃতির মাধ্যমে বিশ্বব্যাপী ভ্রমণ 🌍
Microsoft এর ক্লাউড অ্যাডভোকেটরা আনন্দের সাথে ১২ সপ্তাহের ২৬টি পাঠের কারিকুলাম অফার করছে যা সম্পূর্ণ **মেশিন লার্নিং** সম্পর্কিত। এই কারিকুলামে আপনি শিখবেন যা কখনও কখনও **ক্লাসিক মেশিন লার্নিং** নামে পরিচিত, যেখানে প্রধানত Scikit-learn লাইব্রেরি ব্যবহার করা হয় এবং ডীপ লার্নিং ধারণা থেকে বিরত থাকা হয়েছে, যা আমাদের [নবাগতদের জন্য AI কারিকুলাম](https://aka.ms/ai4beginners) এ আলোচিত হয়েছে। এই পাঠগুলিকে আমাদের ['নবাগতদের জন্য ডেটা সায়েন্স কারিকুলাম'](https://aka.ms/ds4beginners) এর সাথে মিলিয়ে ব্যবহার করতে পারেন।
মাইক্রোসফটের ক্লাউড অ্যাডভোকেটরা একটি ১২ সপ্তাহের, ২৬টি পাঠ নিয়ে গঠিত শিক্ষাক্রম প্রদান করছে যা সম্পূর্ণ মেশিন লার্নিং সম্পর্কে। এই শিক্ষাক্রমে, আপনি যা কখনও কখনও 'ক্লাসিক মেশিন লার্নিং' নামে ডাকা হয় তা শিখবেন, মূলত Scikit-learn লাইব্রেরি ব্যবহার করে এবং ডিপ লার্নিং এড়িয়ে চলবেন, যা আমাদের [এআই ফর বিগিনার্স' পাঠক্রমে](https://aka.ms/ai4beginners) অন্তর্ভুক্ত। এই পাঠগুলিকে আমাদের ['ডেটা সায়েন্স ফর বিগিনার্স' শিক্ষাক্রম](https://aka.ms/ds4beginners) এর সাথে জোড়া দিয়ে নিতে পারেন।
বিশ্বের বিভিন্ন অঞ্চলের ডেটার উপর এই ক্লাসিক মেশিন লার্নিং কৌশলগুলি প্রয়োগ করে আমাদের সাথে পৃথিবীর চারিদিকে ভ্রমণ করুন। প্রতিটি পাঠে রয়েছে পাঠের আগে এবং পরে কুইজ, পাঠের পূর্ণ বিবরণ, সমাধান, একটি অ্যাসাইনমেন্ট, এবং আরও অনেক কিছু। আমাদের প্রকল্প-ভিত্তিক শিক্ষণ পদ্ধতি আপনাকে শেখার সময় নির্মাণের সুযোগ দেয়, যা নতুন দক্ষতা স্থায়ী করে।
বিশ্বজুড়ে ভ্রমণ করুন যখন আমরা এই ক্লাসিক প্রযুক্তিগুলো বিভিন্ন দেশের তথ্যের উপর প্রয়োগ করবো। প্রতিটি পাঠে পূর্ব এবং পরবর্তী কুইজ, লেখাগুলোর নির্দেশনা, সমাধান, একটি অ্যাসাইনমেন্ট এবং আরো কিছু অন্তর্ভুক্ত থাকবে। আমাদের প্রকল্প-ভিত্তিক পদ্ধতি আপনাকে শেখার সময় তৈরি করার সুযোগ দেয়, যা নতুন দক্ষতা মজবুত করার জন্য প্রমাণিত একটি পন্থা।
**✍️ আমাদের লেখকদের প্রতি আন্তরিক ধন্যবাদ** জেন লুপার, স্টিফেন হ্যাওয়েল, ফ্রানচেস্কা লাজেরি, তমমি ইমুরা, ক্যাসি ব্রেভিউ, দিমিত্রি সশников, ক্রিস নরিং, অনির্বাণ মুখার্জি, ওর্নেলা আলতুনিয়ান, রুথ ইয়াকুবু এবং এমি বয়ড
**✍️ আমাদের লেখকগণের প্রতি আন্তরিক ধন্যবাদ** জেন লুপার, স্টিফেন হাওয়েল, ফ্রান্সেসকা লাজেরি, তোমোমি ইমুড়া, ক্যাসি ব্রেভিউ, দিমিত্রি সশনিকভ, ক্রিস নরিং, অনির্বাণ মুখার্জী, ওর্নেলা আলটুনিয়ান, রুথ ইয়াকুবু এবং অ্যামি বয়ড
**🎨 আমাদের চিত্রকরদের প্রতি কৃতজ্ঞতা** তমমি ইমুরা, দাসানি মাদিপালি, এবং জেন লুপার
**🎨 আমাদের চিত্রশিল্পীদেরও ধন্যবাদ** তোমোমি ইমুড়া, দাসানি মাদিপালি, এবং জেন লুপার
**🙏 বিশেষ ধন্যবাদ 🙏 আমাদের Microsoft Student Ambassador লেখক, সমালোচক এবং কন্টেন্ট অবদানকারীদের**, বিশেষত ঋষিৎ দাগলি, মুহাম্মদ সাকিব খান ইনান, রোহান রাজ, আলেকজান্দ্রু পেট্রেস্কু, অভিষেক জৈস্বাল, নওরিন তাবাসসুম, ইয়োয়ান সামুইলা, এবং স্নিগ্ধা আগরওয়ালকে।
**🙏 বিশেষ ধন্যবাদ 🙏 আমাদের মাইক্রোসফট স্টুডেন্ট অ্যাম্বাসেডর লেখক, পরিদর্শক এবং বিষয়বস্তু প্রদানকারী** বিশেষ করে ঋষিত দাগলি, মুহাম্মদ সাকিব খান ইনান, রোহান রাজ, আলেকজান্দ্রু পেট্রেস্কু, অভিষেক জৈসওয়াল, নওরিন তাকোসুম, ইওয়ান সামুইলা, এবং স্নিগ্ধা আগারওয়াল
**🤩 আমাদের R পাঠের জন্য Microsoft Student Ambassadors এরিক ওয়ঞ্জাউ, জসলিন সদ্ধি, এবং বিদুষী গুপ্তাকে অতিরিক্ত ধন্যবাদ!**
**🤩 অতিরিক্ত কৃতজ্ঞতা মাইক্রোসফট স্টুডেন্ট অ্যাম্বাসেডরদের প্রতি যেমন এরিক ওয়াঞ্জাউ, জসলীন সোধি, এবং বিদুষী গুপ্তার আমাদের R পাঠের জন্য!**
# শুরু করা
এই ধাপগুলি অনুসরণ করুন:
১. **রিপোজিটরি ফর্ক করুন**: এই পেজের উপরের-ডানদিকে থাকা "Fork" বোতামে ক্লিক করুন।
২. **রিপোজিটরি ক্লোন করুন**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
এই ধাপগুলো অনুসরণ করুন:
1. **রিপোজিটরি ফর্ক করুন**: এই পাতার উপরের ডানদিকে "Fork" বাটনে ক্লিক করুন।
2. **রিপোজিটরি ক্লোন করুন**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [এই কোর্সের জন্য আমাদের Microsoft Learn কালেকশনে সমস্ত অতিরিক্ত রিসোর্স খুঁজুন](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> [এই কোর্সের সমস্ত অতিরিক্ত উৎস আমাদের Microsoft Learn সংগ্রহে খুঁজে পান](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **সহায়তার প্রয়োজন?** ইনস্টলেশন, সেটআপ, এবং পাঠ চালানোর সাধারণ সমস্যার সমাধানের জন্য আমাদের [Troubleshooting Guide](TROUBLESHOOTING.md) দেখুন।
> 🔧 **সহায়তা দরকার?** আমাদের [Troubleshooting Guide](TROUBLESHOOTING.md) দেখুন যেখান থেকে ইনস্টলেশন, সেটআপ এবং পাঠ চালানোর সাধারণ সমস্যার সমাধান পাবেন।
**[শিক্ষার্থীরা](https://aka.ms/student-page)**, এই কারিকুলাম ব্যবহার করার জন্য, পুরো রিপোজিটরিটি নিজের গিটহাব অ্যাকাউন্টে ফর্ক করুন এবং নিজের বা দলের সাথে সম্পূর্ণ করুন:
- একটি প্রাক-লেকচার কুইজ দিয়ে শুরু করুন।
- লেকচার পড়ুন এবং কার্যক্রম সম্পন্ন করুন, প্রতিটি জ্ঞানের চেকপয়েন্টে থামুন এবং চিন্তা করুন।
- পাঠ্য বুঝে প্রকল্প তৈরি করার চেষ্টা করুন, সমাধান কোড চলানোর থেকে; অবশ্যই ওই কোড `/solution` ফোল্ডারে পাওয়া যাবে প্রতিটি প্রকল্পভিত্তিক পাঠে।
- পোস্ট-লেকচার কুইজ দিন।
**[ছাত্রছাত্রীরা](https://aka.ms/student-page)**, এই শিক্ষাক্রমটি ব্যবহার করতে, পুরো রেপোটি আপনার নিজস্ব গিটহাবে ফর্ক করুন এবং অনুশীলনগুলো নিজেরাই অথবা দলে সম্পন্ন করুন:
- পূর্বাপর লেকচার কুইজ দিয়ে শুরু করুন।
- লেকচার পড়ুন এবং কার্যক্রমগুলো সম্পন্ন করুন, প্রতিটি জ্ঞানের চেকপয়েন্টে থামুন এবং ভাবুন।
- প্রকল্প তৈরি করার চেষ্টা করুন পাঠগুলো বুঝে নেওয়ার মাধ্যমে, সমাধান কোড চালানোর পরিবর্তে; কিন্তু সেই কোডগুলো প্রতিটি প্রকল্প-ভিত্তিক পাঠের `/solution` ফোল্ডারে পাওয়া যায়।
- পরবর্তী লেকচার কুইজ দিন।
- চ্যালেঞ্জ সম্পন্ন করুন।
- অ্যাসাইনমেন্ট শেষ করুন।
- একটি পাঠ গোষ্ঠী শেষ করার পর, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) এ যান এবং "উচ্চস্বরে শেখা" মাধ্যমে প্রযোজ্য PAT রুব্রিক পূরণ করুন। 'PAT' হচ্ছে একটি অগ্রগতি মূল্যায়ন যন্ত্র যা আপনাকে শেখার অগ্রগতি পরিমাপ করতে সাহায্য করে। আপনি অন্য PAT গুলোর প্রতিক্রিয়াও দিতে পারেন যেন আমরা সবাই মিলে শিখতে পারি।
- অ্যাসাইনমেন্ট সম্পন্ন করুন।
- একটি লেসন গ্রুপ শেষে, [Discussion Board](https://github.com/microsoft/ML-For-Beginners/discussions) এ যান এবং কথোপকথনে অংশ নিন, সংশ্লিষ্ট PAT রুব্রিক পূরণ করে। 'PAT' হল এক প্রগ্রেস অ্যাসেসমেন্ট টুল যা শেখার অগ্রগতি মাপতে ব্যবহৃত হয়। আপনি অন্য PAT-র প্রতিক্রিয়া দিতে পারেন যাতে আমরা একসাথে শিখতে পারি।
> আরও অধ্যয়নের জন্য, আমরা এই [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) মডিউল এবং শেখার পথ অনুসরণ করার সুপারিশ করি।
> আরও অধ্যয়নের জন্য, আমরা সুপারিশ করছি এই [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) মডিউল এবং শেখার পথে অনুসরণ করতে।
**শিক্ষকগণ**, আমরা [কিছু প্রস্তাবনা](for-teachers.md) অন্তর্ভুক্ত করেছি কিভাবে এই কারিকুলাম ব্যবহার করবেন।
**শিক্ষকগণ**, আমরা এই শিক্ষাক্রমটি কীভাবে ব্যবহার করবেন সে সম্পর্কে কিছু [পরামর্শ](for-teachers.md) অন্তর্ভুক্ত করেছি।
---
## ভিডিও ওয়াকথ্রু
কিছু পাঠ ছোট ফর্ম ভিডিও হিসাবে উপলব্ধ। আপনি এগুলো পাঠের মধ্যে অথবা [Microsoft Developer YouTube চ্যানেলের ML for Beginners প্লেলিস্টে](https://aka.ms/ml-beginners-videos) পেতে পারেন নিচের ছবিতে ক্লিক করে।
কিছু পাঠ সংক্ষিপ্ত ভিডিও আকারে উপলব্ধ। আপনি এগুলো লেসনের মধ্যে সোজা দেখতে পারেন, অথবা [Microsoft Developer YouTube চ্যানেলে ML for Beginners প্লেলিস্টে](https://aka.ms/ml-beginners-videos) নিচের ছবিতে ক্লিক করে দেখতে পারেন।
[![ML for beginners banner](../../translated_images/bn/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
---
## টিমের সাথে পরিচিতি
## টিমের সাথে পরিচিত হন
[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)
**গিফ করেছেন** [মোহিত জৈসল](https://linkedin.com/in/mohitjaisal)
> 🎥 উপরের ছবিতে ক্লিক করে প্রকল্প এবং যারা এটি তৈরি করেছে তারা সম্পর্কে একটি ভিডিও দেখুন!
> 🎥 প্রকল্প এবং এর নির্মাতাদের সম্পর্কে ভিডিও দেখার জন্য উপরের ছবিতে ক্লিক করুন!
---
## শিক্ষাদান পদ্ধতি
এই কারিকুলাম তৈরি করার সময় আমরা দুটি শিক্ষাদান নীতি বেছে নিয়েছি: এটি হ্যান্ডস-অন **প্রকল্পভিত্তিক** হওয়া এবং এতে **ঘন ঘন কুইজ** অন্তর্ভুক্ত করা। এছাড়া, এই কারিকুলামের একটি সাধারণ **থিম** রয়েছে যা এটিকে সংগঠিত করে।
আমরা এই শিক্ষাক্রমটি তৈরি করার সময় দুটি শিক্ষণ নীতি বেছে নিয়েছি: এটি হ্যান্ডস-অন **প্রকল্প-ভিত্তিক** এবং এতে **ঘন ঘন কুইজ** অন্তর্ভুক্ত করা। এছাড়া, এই কোর্সে একটি সাধারণ **থিম** রয়েছে যা একসঙ্গে রাখে।
কন্টেন্টকে প্রকল্পের সাথে সামঞ্জস্য রেখে শিক্ষার্থীদের জন্য আরও আকর্ষণীয় করে তোলা হয় এবং ধারণাগুলোর ধারণ ক্ষমতা বাড়ে। এছাড়া ক্লাস শুরুর আগে একটি কম-দাবি সম্পন্ন কুইজ শিক্ষার্থীর শেখার উদ্দেশ্য স্থির করে, আর ক্লাস শেষে দ্বিতীয় কুইজ আরও ধারণ বেশী নিশ্চিত করে। এই কারিকুলাম নমনীয় ও মজাদার করে ডিজাইন করা হয়েছে এবং সম্পূর্ণ অথবা আংশিক গ্রহণ করা যেতে পারে। প্রকল্পগুলো ছোট থেকে শুরু করে ১২ সপ্তাহের শেষে ধীরে ধীরে জটিল হয়ে ওঠে। এই কারিকুলাম একটি বাস্তব বিশ্ব ML এর ব্যবহারীর পোস্টস্ক্রিপ্টও অন্তর্ভুক্ত করে যা অতিরিক্ত ক্রেডিট বা আলোচনা ভিত্তি হিসেবে ব্যবহার করা যেতে পারে।
বিষয়বস্তুর প্রকল্পের সাথে সামঞ্জস্য রেখে, শিক্ষার্থীদের জন্য প্রক্রিয়াটি আরও আকর্ষণীয় হয় এবং ধারণাগুলোর ধারণ ক্ষমতা বাড়ায়। এছাড়া, কক্ষায় যেভাবে পড়ার আগে একটি কম-ঝুঁকিপূর্ণ কুইজ শিক্ষার্থীর উদ্দেশ্য নির্ধারণ করে, তেমনই পরবর্তী কুইজ আরও ধারণ বৃদ্ধি নিশ্চিত করে। এই শিক্ষাক্রমটি নমনীয় এবং মজাদারভাবে গঠিত এবং পুরো অথবা আংশিক নেওয়া যেতে পারে। প্রকল্পগুলো ছোট থেকে শুরু করে শেষ পর্যন্ত ক্রমশ জটিল হয়ে ওঠে। এছাড়া এই কোর্সের শেষে এমএল এর বাস্তব প্রয়োগ সম্পর্কে একটি পোস্টস্ক্রিপ্ট রয়েছে, যা অতিরিক্ত ক্রেডিট বা আলোচনার জন্য ব্যবহার করা যেতে পারে।
> আমাদের [আচারবিধি](CODE_OF_CONDUCT.md), [অবদান](CONTRIBUTING.md), [অনুবাদ](TRANSLATIONS.md), এবং [সমস্যা সমাধান](TROUBLESHOOTING.md) নির্দেশিকা দেখুন। আমরা আপনার গঠনমূলক মতামত আশা করি!
> আমাদের [কোড অফ কন্ডাক্ট](CODE_OF_CONDUCT.md), [অবদান](CONTRIBUTING.md), [অনুবাদ](TRANSLATIONS.md), এবং [ত্রুটিমুক্তকরণ](TROUBLESHOOTING.md) নির্দেশিকা দেখুন। আমরা আপনার গঠনমূলক প্রতিক্রিয়াকে স্বাগত জানাই!
## প্রতিটি পাঠে অন্তর্ভুক্ত
## প্রতিটি পাঠে অন্তর্ভুক্ত থাকে
- ঐচ্ছিক স্কেচনোট
- ঐচ্ছিক সম্পূরক ভিডিও
- ভিডিও ওয়াকথ্রু (কিছু পাঠে)
- [প্রাক-লেকচার ওয়ার্মআপ কুইজ](https://ff-quizzes.netlify.app/en/ml/)
- লিখিত পাঠ
- প্রকল্পভিত্তিক পাঠের জন্য ধাপে ধাপে গাইড
- জ্ঞান পরীক্ষা
- একটি চ্যালেঞ্জ
- সম্পূরক পঠন
- অ্যাসাইনমেন্ট
- ঐচ্ছিক স্কেচনোট
- ঐচ্ছিক অতিরিক্ত ভিডিও
- ভিডিও ওয়াকথ্রু (কিছু পাঠের জন্য)
- [পূর্ব-লেকচার ওয়ার্মআপ কুইজ](https://ff-quizzes.netlify.app/en/ml/)
- লিখিত পাঠ
- প্রকল্প-ভিত্তিক পাঠের জন্য, ধাপে ধাপে প্রকল্প নির্মাণ গাইড
- জ্ঞান যাচাই
- একটি চ্যালেঞ্জ
- অতিরিক্ত পাঠ
- অ্যাসাইনমেন্ট
- [পোস্ট-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)
> **ভাষা সম্পর্কে একটি নোট**: এই পাঠগুলো প্রধানত পাইথনে লেখা, তবে অনেকগুলি R ভাষাতেও উপলব্ধ। একটি R পাঠ সম্পন্ন করতে, `/solution` ফোল্ডারে যান এবং R পাঠ দেখুন। সেগুলোর এক্সটেনশন .rmd, যা একটি **R Markdown** ফাইল নির্দেশ করে, যা সহজে ব্যাখ্যা করা যায় কোড চাঙ্ক (R বা অন্যান্য ভাষার) এবং একটি `YAML হেডার` (যা আউটপুট ফরম্যাট যেমন PDF কিভাবে হবে তা নির্দেশ করে) এর সমন্বয় হিসাবে। এটি একটি আদর্শ লেখনী কাঠামো ডেটা সায়েন্সের জন্য কারণ এটি কোড, তার আউটপুট এবং আপনার চিন্তাভাবনাগুলো একসাথে Markdown এ লেখার সুযোগ দেয়। অধিকন্তু, R Markdown ডকুমেন্টগুলি PDF, HTML, বা Word এর মত আউটপুট ফরম্যাটে রেন্ডার করা যায়।
> **কুইজ সম্পর্কে একটি নোট**: সমস্ত কুইজগুলি [Quiz App folder](../../quiz-app) এ অন্তর্ভুক্ত, মোট ৫২টি কুইজ যার প্রত্যেকটির তিনটি প্রশ্ন রয়েছে। সেগুলি লেসনের মধ্যে লিঙ্ক করা হয়েছে তবে কুইজ অ্যাপটি স্থানীয়ভাবে চালানো যেতে পারে; স্থানীয় হোস্ট বা Azure এ ডিপ্লয় করার জন্য `quiz-app` ফোল্ডারে নির্দেশনা অনুসরণ করুন।
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
| 01 | মেশিন লার্নিং এর পরিচিতি | [প্রবর্তন](1-Introduction/README.md) | মেশিন লার্নিং এর পেছনের মৌলিক ধারণাগুলি শিখুন | [Lesson](1-Introduction/1-intro-to-ML/README.md) | মুহাম্মদ |
| 02 | মেশিন লার্নিং এর ইতিহাস | [প্রবর্তন](1-Introduction/README.md) | এই ক্ষেত্রের পেছনের ইতিহাস শিখুন | [Lesson](1-Introduction/2-history-of-ML/README.md) | জেন এবং অ্যামি |
| 03 | ন্যায়পরায়ণতা এবং মেশিন লার্নিং | [প্রবর্তন](1-Introduction/README.md) | ন্যায়পরায়ণতার গুরুত্বপূর্ণ দার্শনিক বিষয়সমূহ কি যা ছাত্রদের ML মডেল গড়ার ও প্রয়োগের সময় বিবেচনা করা উচিত? | [Lesson](1-Introduction/3-fairness/README.md) | তোমোমি |
| 04 | মেশিন লার্নিং এর কৌশলসমূহ | [প্রবর্তন](1-Introduction/README.md) | ML গবেষকরা কোন কৌশলগুলি ব্যবহার করে ML মডেল তৈরি করেন? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | ক্রিস এবং জেন |
| 05 | রিগ্রেশন পরিচিতি | [রিগ্রেশন](2-Regression/README.md) | রিগ্রেশন মডেলের জন্য পাইথন এবং স্কিকিট-লার্নের মাধ্যমে শুরু করুন | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | জেন • এরিক ওয়াঞ্জাউ |
| 06 | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [রিগ্রেশন](2-Regression/README.md) | ML এর প্রস্তুতির জন্য ডেটা ভিজ্যুয়ালাইজ ও পরিষ্কার করুন | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | জেন • এরিক ওয়াঞ্জাউ |
| 07 | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [রিগ্রেশন](2-Regression/README.md) | লিনিয়ার ও পলিনোমিয়াল রিগ্রেশন মডেল তৈরী করুন | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | জেন এবং ডিমিত্রি • এরিক ওয়াঞ্জাউ |
| 08 | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [রিগ্রেশন](2-Regression/README.md) | লগিস্টিক রিগ্রেশন মডেল তৈরী করুন | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | জেন • এরিক ওয়াঞ্জাউ |
| 09 | একটি ওয়েব অ্যাপ 🔌 | [ওয়েব অ্যাপ](3-Web-App/README.md) | আপনার প্রশিক্ষিত মডেল ব্যবহারের জন্য একটি ওয়েব অ্যাপ তৈরি করুন | [Python](3-Web-App/1-Web-App/README.md) | জেন |
| ১০ | শ্রেণীবিভাগের পরিচিতি | [শ্রেণীবিভাগ](4-Classification/README.md) | আপনার ডেটা পরিষ্কার, প্রস্তুত এবং ভিজ্যুয়ালাইজ করুন; শ্রেণীবিভাগের পরিচিতি | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | জেন এবং ক্যাসি • এরিক ওয়াঞ্জাউ |
| ১১ | সুস্বাদু এশীয় ও ভারতীয় রান্নার ধরন 🍜 | [শ্রেণীবিভাগ](4-Classification/README.md) | শ্রেণীবিভাগকারী (ক্লাসিফায়ার্স) এর পরিচিতি | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | জেন এবং ক্যাসি • এরিক ওয়াঞ্জাউ |
| ১২ | সুস্বাদু এশীয় ও ভারতীয় রান্নার ধরন 🍜 | [শ্রেণীবিভাগ](4-Classification/README.md) | আরো শ্রেণীবিভাগকারী | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | জেন এবং ক্যাসি • এরিক ওয়াঞ্জাউ |
| ১৩ | সুস্বাদু এশীয় ও ভারতীয় রান্নার ধরন 🍜 | [শ্রেণীবিভাগ](4-Classification/README.md) | আপনার মডেল ব্যবহার করে একটি সুপারিশমূলক ওয়েব অ্যাপ তৈরি করুন | [Python](4-Classification/4-Applied/README.md) | জেন |
| ১৪ | ক্লাস্টারিংয়ের পরিচিতি | [ক্লাস্টারিং](5-Clustering/README.md) | আপনার ডেটা পরিষ্কার, প্রস্তুত ও ভিজ্যুয়ালাইজ করুন; ক্লাস্টারিংয়ের পরিচিতি | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | জেন • এরিক ওয়াঞ্জাউ |
| ১৫ | নাইজেরিয়ান সঙ্গীতের স্বাদের অনুসন্ধান 🎧 | [ক্লাস্টারিং](5-Clustering/README.md) | K-Means ক্লাস্টারিং পদ্ধতি অন্বেষণ করুন | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | জেন • এরিক ওয়াঞ্জাউ |
| ১৬ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণের পরিচিতি ☕️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | একটি সহজ বট তৈরি করে NLP এর মূল বিষয়গুলি শিখুন | [Python](6-NLP/1-Introduction-to-NLP/README.md) | স্টিফেন |
| ১৭ | সাধারণ NLP কাজসমূহ ☕️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | ভাষার গঠন নিয়ে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজগুলি বুঝে NLP জ্ঞান বাড়ান | [Python](6-NLP/2-Tasks/README.md) | স্টিফেন |
| ১৮ | অনুবাদ ও অনুভূতি বিশ্লেষণ ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | জেন অস্টিনসহ অনুবাদ ও অনুভূতি বিশ্লেষণ করুন | [Python](6-NLP/3-Translation-Sentiment/README.md) | স্টিফেন |
| ১৯ | ইউরোপের রোমান্টিক হোটেলসমূহ ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ১ | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | স্টিফেন |
| ২০ | ইউরোপের রোমান্টিক হোটেলসমূহ ♥️ | [প্রাকৃতিক ভাষা প্রক্রিয়াকরণ](6-NLP/README.md) | হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ২ | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | স্টিফেন |
| ২১ | সময় সিরিজ পূর্বাভাসের পরিচিতি | [সময় সিরিজ](7-TimeSeries/README.md) | সময় সিরিজ পূর্বাভাসের পরিচিতি | [Python](7-TimeSeries/1-Introduction/README.md) | ফ্রান্সেস্কা |
| ২২ | ⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - ARIMA সহ সময় সিরিজ পূর্বাভাস | [সময় সিরিজ](7-TimeSeries/README.md) | ARIMA সহ সময় সিরিজ পূর্বাভাস | [Python](7-TimeSeries/2-ARIMA/README.md) | ফ্রান্সেস্কা |
| ২৩ | ⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - SVR সহ সময় সিরিজ পূর্বাভাস | [সময় সিরিজ](7-TimeSeries/README.md) | সাপোর্ট ভেক্টর রিগ্রেসর সহ সময় সিরিজ পূর্বাভাস | [Python](7-TimeSeries/3-SVR/README.md) | আনিরবান |
| ২৪ | রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি | [রিইনফোর্সমেন্ট লার্নিং](8-Reinforcement/README.md) | Q-Learning ব্যবহার করে রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি | [Python](8-Reinforcement/1-QLearning/README.md) | ডিমিত্রি |
| ২৫ | পিটারকে নেকড়ে থেকে বাঁচান! 🐺 | [রিইনফোর্সমেন্ট লার্নিং](8-Reinforcement/README.md) | রিইনফোর্সমেন্ট লার্নিং জিম | [Python](8-Reinforcement/2-Gym/README.md) | ডিমিত্রি |
| Postscript | বাস্তব-জীবনের ML পরিস্থিতি ও প্রয়োগসমূহ | [বন্য ML](9-Real-World/README.md) | ক্লাসিক্যাল ML এর আকর্ষণীয় ও প্রকাশক বাস্তব-জীবনের প্রয়োগ | [Lesson](9-Real-World/1-Applications/README.md) | দল |
| Postscript | RAI ড্যাশবোর্ড ব্যবহার করে ML মডেল ডিবাগিং | [বন্য ML](9-Real-World/README.md) | দায়বদ্ধ AI ড্যাশবোর্ড উপাদান ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | রুথ ইয়াকুবু |
> [এই কোর্সের সমস্ত অতিরিক্ত সম্পদ আমাদের Microsoft Learn সংগ্রহে খুঁজুন](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## অফলাইন অ্যাক্সেস
আপনি [Docsify](https://docsify.js.org/#/) ব্যবহার করে এই ডকুমেন্টেশন অফলাইন চালাতে পারেন। এই রিপোজিটরিটি ফর্ক করুন, [Docsify ইনস্টল করুন](https://docsify.js.org/#/quickstart) আপনার লোকাল মেশিনে, এবং তারপর এই রিপোজিটরির মূল ফোল্ডারে `docsify serve` টাইপ করুন। ওয়েবসাইটটি পোর্ট ৩০০০ এ আপনার লোকালহোস্টে সার্ভ হবে: `localhost:3000`।
## PDF
এই কারিকুলামের একটি পিডিএফ লিঙ্ক সহ আছে [এখানে](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)।
> **ভাষা সম্পর্কে একটি নোট**: এই পাঠাগুলো মূলত পাইথনে লেখা, কিন্তু অনেকগুলিই R ভাষাতেও উপলব্ধ। একটি R পাঠ সম্পন্ন করতে, `/solution` ফোল্ডারে যান এবং R পাঠগুলি সন্ধান করুন। এদের .rmd এক্সটেনশন থাকে যা একটি **R মার্কডাউন** ফাইল নির্দেশ করে যা একটি মার্কডাউন ডকুমেন্টের মধ্যে `কোড চাঙ্ক` (R বা অন্যান্য ভাষার) এবং একটি `YAML হেডার` (যা আউটপুট যেমন PDF ফরম্যাটিং নির্দেশ করে) এম্বেড করার রূপ। সুতরাং এটি তথ্য বিজ্ঞান লেখকদের জন্য একটি আদর্শ ফ্রেমওয়ার্ক হিসাবে কাজ করে কারণ এটি কোড, তার আউটপুট এবং আপনার চিন্তা একসাথে মার্কডাউনে লিখতে সাহায্য করে। এছাড়া, R মার্কডাউন ডকুমেন্টগুলো PDF, HTML, অথবা ওয়ার্ড আউটপুট ফরম্যাটে রেন্ডার করা যায়।
> **প্রশ্নোত্তরের একটি নোট**: সমস্ত প্রশ্নোত্তর [Quiz App folder](../../quiz-app) এ রয়েছে, মোট ৫২টি প্রশ্নোত্তর, প্রতিটি তিনটি প্রশ্নের। এগুলো পাঠের মধ্যে লিংক করা রয়েছে, তবে এই কুইজ অ্যাপটি লোকালিভাবে চালানো যায়; লোকাল হোস্ট বা Azure এ মোতায়েন করার জন্য `quiz-app` ফোল্ডারের নির্দেশনা অনুসরণ করুন।
| পাঠ নম্বর | বিষয় | পাঠের শ্রেণীবিন্যাস | শেখার উদ্দেশ্য | লিংকযুক্ত পাঠ | রচয়িতা |
| :-------: | :------------------------------------------------------------: | :------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
| ০১ | মেশিন লার্নিং-এর পরিচিতি | [Introduction](1-Introduction/README.md) | মেশিন লার্নিং-এর মূল ধারণাগুলো শিখুন | [Lesson](1-Introduction/1-intro-to-ML/README.md) | মুহাম্মদ |
| ০২ | মেশিন লার্নিং-এর ইতিহাস | [Introduction](1-Introduction/README.md) | এই ক্ষেত্রের ইতিহাস শিখুন | [Lesson](1-Introduction/2-history-of-ML/README.md) | জেন এবং অ্যামি |
| ০৩ | ন্যায্যতা এবং মেশিন লার্নিং | [Introduction](1-Introduction/README.md) | মেশিন লার্নিং মডেলগুলি তৈরি ও প্রয়োগ করার সময় শিক্ষার্থীদের বিবেচনা করা উচিত এমন গুরুত্বপূর্ণ দার্শনিক বিষয়গুলি কী? | [Lesson](1-Introduction/3-fairness/README.md) | তোমোমি |
| ০৪ | মেশিন লার্নিং-এর প্রযুক্তি | [Introduction](1-Introduction/README.md) | মেশিন লার্নিং গবেষকরা মডেল তৈরিতে কোন কোন প্রযুক্তি ব্যবহার করেন? | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | ক্রিস এবং জেন |
| ০৫ | রিগ্রেশন-এর পরিচিতি | [Regression](2-Regression/README.md) | রিগ্রেশন মডেলের জন্য পাইথন এবং স্কিকিট-লার্নের সাথে শুরু করুন | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | জেন • ইরিক ওয়াঞ্জাউ |
| ০৬ | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [Regression](2-Regression/README.md) | মেশিন লার্নিং-এর জন্য প্রস্তুতির জন্য তথ্য দৃশ্যায়ন ও পরিস্কার করুন | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | জেন • ইরিক ওয়াঞ্জাউ |
| ০৭ | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [Regression](2-Regression/README.md) | লিনিয়ার এবং পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করুন | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | জেন এবং দিমিত্রি • ইরিক ওয়াঞ্জাউ |
| ০৮ | উত্তর আমেরিকার কুমড়োর দাম 🎃 | [Regression](2-Regression/README.md) | একটি লজিস্টিক রিগ্রেশন মডেল তৈরি করুন | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | জেন • ইরিক ওয়াঞ্জাউ |
| ০৯ | একটি ওয়েব অ্যাপ 🔌 | [Web App](3-Web-App/README.md) | আপনার প্রশিক্ষিত মডেল ব্যবহার করার জন্য একটি ওয়েব অ্যাপ তৈরি করুন | [Python](3-Web-App/1-Web-App/README.md) | জেন |
| ১০ | শ্রেণীবিন্যাসের পরিচিতি | [Classification](4-Classification/README.md) | আপনার তথ্য পরিস্কার, প্রস্তুত ও দৃশ্যায়ন করুন; শ্রেণীবিন্যাসের পরিচিতি | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | জেন এবং ক্যাসি • ইরিক ওয়াঞ্জাউ |
| ১১ | সুস্বাদু এশিয়ান এবং ভারতীয় রান্নাঘর 🍜 | [Classification](4-Classification/README.md) | শ্রেণীবিন্যাসকারীদের পরিচিতি | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | জেন এবং ক্যাসি • ইরিক ওয়াঞ্জাউ |
| ১২ | সুস্বাদু এশিয়ান এবং ভারতীয় রান্নাঘর 🍜 | [Classification](4-Classification/README.md) | আরও শ্রেণীবিন্যাসকারী | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | জেন এবং ক্যাসি • ইরিক ওয়াঞ্জাউ |
| ১৩ | সুস্বাদু এশিয়ান এবং ভারতীয় রান্নাঘর 🍜 | [Classification](4-Classification/README.md) | আপনার মডেল ব্যবহার করে একটি সুপারিশকারী ওয়েব অ্যাপ তৈরি করুন | [Python](4-Classification/4-Applied/README.md) | জেন |
| ১৪ | ক্লাস্টারিং-এর পরিচিতি | [Clustering](5-Clustering/README.md) | আপনার তথ্য পরিস্কার, প্রস্তুত ও দৃশ্যায়ন করুন; ক্লাস্টারিং-এর পরিচিতি | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | জেন • ইরিক ওয়াঞ্জাউ |
| ১৫ | নাইজেরিয়ার সঙ্গীত রুচি অন্বেষণ 🎧 | [Clustering](5-Clustering/README.md) | K-Means ক্লাস্টারিং পদ্ধতি অন্বেষণ করুন | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | জেন • ইরিক ওয়াঞ্জাউ |
| ১৬ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণের পরিচিতি ☕️ | [Natural language processing](6-NLP/README.md) | একটি সাধারণ বট তৈরি করে NLP-এর বেসিক শিখুন | [Python](6-NLP/1-Introduction-to-NLP/README.md) | স্টিফেন |
| ১৭ | সাধারণ NLP কাজসমূহ ☕️ | [Natural language processing](6-NLP/README.md) | ভাষাগত কাঠামোর সাথে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজগুলি বুঝে আপনার NLP জ্ঞান বাড়ান | [Python](6-NLP/2-Tasks/README.md) | স্টিফেন |
| ১৮ | অনুবাদ এবং অনুভূতি বিশ্লেষণ ♥️ | [Natural language processing](6-NLP/README.md) | জেন অস্টেন-এর সাথে অনুবাদ এবং অনুভূতি বিশ্লেষণ | [Python](6-NLP/3-Translation-Sentiment/README.md) | স্টিফেন |
| ১৯ | ইউরোপের রোমান্টিক হোটেল ♥️ | [Natural language processing](6-NLP/README.md) | হোটেল পর্যালোচনার মাধ্যমে অনুভূতি বিশ্লেষণ ১ | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | স্টিফেন |
| ২০ | ইউরোপের রোমান্টিক হোটেল ♥️ | [Natural language processing](6-NLP/README.md) | হোটেল পর্যালোচনার মাধ্যমে অনুভূতি বিশ্লেষণ ২ | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | স্টিফেন |
| ২১ | টাইম সিরিজ পূর্বাভাসের পরিচিতি | [Time series](7-TimeSeries/README.md) | টাইম সিরিজ পূর্বাভাসের পরিচিতি | [Python](7-TimeSeries/1-Introduction/README.md) | ফ্রানসেসকা |
| ২২ | ⚡️ বিশ্ব শক্তি ব্যবহারের তথ্য ⚡️ - ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস | [Time series](7-TimeSeries/README.md) | ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস | [Python](7-TimeSeries/2-ARIMA/README.md) | ফ্রানসেসকা |
| ২৩ | ⚡️ বিশ্ব শক্তি ব্যবহারের তথ্য ⚡️ - SVR দিয়ে টাইম সিরিজ পূর্বাভাস | [Time series](7-TimeSeries/README.md) | Support Vector Regressor দিয়ে টাইম সিরিজ পূর্বাভাস | [Python](7-TimeSeries/3-SVR/README.md) | অনির্বাণ |
| ২৪ | রিইনফোর্সমেন্ট লার্নিং-এর পরিচিতি | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning সহ রিইনফোর্সমেন্ট লার্নিং-এর পরিচিতি | [Python](8-Reinforcement/1-QLearning/README.md) | দিমিত্রি |
| ২৫ | পিটারকে নেকড়ে থেকে বাঁচাতে সাহায্য করুন! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | রিইনফোর্সমেন্ট লার্নিং জিম | [Python](8-Reinforcement/2-Gym/README.md) | দিমিত্রি |
| পোস্টস্ক্রিপ্ট | বাস্তব বিশ্বের মেশিন লার্নিং পরিস্থিতি ও প্রয়োগ | [ML in the Wild](9-Real-World/README.md) | ক্লাসিকাল মেশিন লার্নিং-এর কিছু আকর্ষণীয় ও উদ্ঘাটনমূলক বাস্তব প্রয়োগ | [Lesson](9-Real-World/1-Applications/README.md) | টিম |
| পোস্টস্ক্রিপ্ট | RAI ড্যাশবোর্ড ব্যবহার করে ML মডেল ডিবাগিং | [ML in the Wild](9-Real-World/README.md) | রেসপন্সিবল AI ড্যাশবোর্ড কম্পোনেন্ট ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | রুথ যাকুবু |
> [এই কোর্সের সকল অতিরিক্ত সম্পদ Microsoft Learn সংগ্রহে খুঁজুন](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## অফলাইন এক্সেস
আপনি [Docsify](https://docsify.js.org/#/) ব্যবহার করে এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপোটি ফর্ক করুন, আপনার লোকাল মেশিনে [Docsify ইনস্টল করুন](https://docsify.js.org/#/quickstart), তারপর এই রিপোটি মূল ফোল্ডারে `docsify serve` টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টের ৩০০০ নম্বর পোর্টে সার্ভ হবে: `localhost:3000`।
## পিডিএফ
সিলেবাসের পিডিএফ লিংক সহ [এখানে](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) পাবেন।
## 🎒 অন্যান্য কোর্স
আমাদের দল অন্যান্য কোর্সও তৈরি করে! দেখুন:
আমাদের টিম অন্যান্য কোর্স তৈরি করে! দেখুন:
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -162,45 +179,45 @@ Microsoft এর ক্লাউড অ্যাডভোকেটরা আন
[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Generative AI Series
[![শুরুর জন্য জেনারেটিভ AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![জেনারেটিভ AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![জেনারেটিভ AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![জেনারেটিভ AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
[![শিখতে ইচ্ছুকদের জন্য জেনারেটিভ AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### কোর লার্নিং
[![শুরুর জন্য এমএল](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![শুরুর জন্য ডেটা সায়েন্স](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![শুরুর জন্য এআই](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![শুরুর জন্য সাইবারসিকিউরিটি](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![শুরুর জন্য ওয়েব ডেভ](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![শুরুর জন্য আইওটি](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![শুরুর জন্য XR ডেভেলপমেন্ট](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
### মূল শেখা
[![শিখতে ইচ্ছুকদের জন্য এমএল](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![শিখতে ইচ্ছুকদের জন্য ডেটা সায়েন্স](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![শিখতে ইচ্ছুকদের জন্য এআই](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![শিখতে ইচ্ছুকদের জন্য সাইবারসিকিউরিটি](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![শিখতে ইচ্ছুকদের জন্য ওয়েব ডেভেলপমেন্ট](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![শিখতে ইচ্ছুকদের জন্য আইওটি](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![শিখতে ইচ্ছুকদের জন্য XR ডেভেলপমেন্ট](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### কপাইলট সিরিজ
[![এআই পেয়ারড প্রোগ্রামিং এর জন্য কপাইলট](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![C#/.NET এর জন্য কপাইলট](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![কপাইলট অ্যাডভেঞ্চার](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
### কপিলট সিরিজ
[![কপিলট ফর AI পেয়ারড প্রোগ্রামিং](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![কপিলট ফর C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![কপিলট অ্যাডভেঞ্চার](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
## সাহায্য নিন
## সাহায্য পাওয়া
আপনি আটকে গেলে অথবা AI অ্যাপ তৈরি সম্পর্কে কোন প্রশ্ন থাকলে, MCP নিয়ে আলোচনা করতে সহকর্মী শিক্ষার্থী এবং অভিজ্ঞ ডেভেলপারদের সাথে যোগ দিন। এটি একটি সহায়ক কমিউনিটি যেখানে প্রশ্ন করা স্বাগত এবং জ্ঞান মুক্তভাবে ভাগ করা হয়।
যদি আপনি আটকে যান বা এআই অ্যাপ তৈরি করার বিষয়ে কোনো প্রশ্ন থাকে, তাহলে MCP সম্পর্কে আলোচনায় অন্যান্য শিক্ষার্থী এবং অভিজ্ঞ ডেভেলপারদের সাথে যোগ দিন। এটি একটি সহায়ক কমিউনিটি যেখানে প্রশ্ন করা স্বাগত এবং জ্ঞান বিনামূল্যে ভাগ করা হয়।
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
যদি পণ্যের প্রতিক্রিয়া বা নির্মাণে ত্রুটি থাকে তবে দেখুন:
যদি আপনার কোন পণ্যের মতামত বা তৈরি করার সময় ত্রুটি থাকে তবে এখানে যান:
[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)
---
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**দায়িত্ব প্রত্যাখ্যান**:
এই নথিটি AI অনুবাদ সেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার প্রতি যত্নশীল হলেও, স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মৌলিক নথিটি তার জন্মভাষায় কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে সৃষ্ট কোন ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়িত্বশীল নই।
**দায়বদ্ধতা ব্যতিরেক**:
এই নথিটি AI অনুবাদ সেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে এই বিষয়ে অনুগ্রহ করে সচেতন থাকুন। মৌলিক নথির নিজস্ব ভাষার সংস্করণই কর্তৃপক্ষভুক্ত উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানুষ দ্বারা অনুবাদ করানোই সুপারিশ করা হয়। এই অনুবাদের কারণে কোনো ভুল ধারণা বা ভুল ব্যাখ্যার জন্য আমরা দায়ী থাকব না।
<!-- CO-OP TRANSLATOR DISCLAIMER END -->

9
translations/bn/SECURITY.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "5e1b8da31aae9cca3d53ad243fa3365a",
"translation_date": "2025-08-29T20:10:32+00:00",
"source_file": "SECURITY.md",
"language_code": "bn"
}
-->
## নিরাপত্তা
মাইক্রোসফট আমাদের সফটওয়্যার পণ্য এবং পরিষেবার নিরাপত্তাকে অত্যন্ত গুরুত্ব দেয়, যার মধ্যে রয়েছে আমাদের GitHub সংগঠনগুলোর মাধ্যমে পরিচালিত সমস্ত সোর্স কোড রিপোজিটরি। এই সংগঠনগুলোর মধ্যে রয়েছে [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin), এবং [আমাদের GitHub সংগঠনগুলো](https://opensource.microsoft.com/)।

9
translations/bn/SUPPORT.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "09623d7343ff1c26ff4f198c1b2d3176",
"translation_date": "2025-10-03T11:50:43+00:00",
"source_file": "SUPPORT.md",
"language_code": "bn"
}
-->
# সহায়তা
## কীভাবে সমস্যা জানাতে এবং সাহায্য পেতে হয়

9
translations/bn/TROUBLESHOOTING.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "134d8759f0e2ab886e9aa4f62362c201",
"translation_date": "2025-10-03T12:41:23+00:00",
"source_file": "TROUBLESHOOTING.md",
"language_code": "bn"
}
-->
# সমস্যার সমাধানের গাইড
এই গাইডটি আপনাকে Machine Learning for Beginners কারিকুলামের সাথে কাজ করার সময় সাধারণ সমস্যাগুলি সমাধান করতে সাহায্য করবে। যদি এখানে সমাধান না পান, তাহলে আমাদের [Discord Discussions](https://aka.ms/foundry/discord) বা [একটি ইস্যু খুলুন](https://github.com/microsoft/ML-For-Beginners/issues) দেখুন।

9
translations/bn/docs/_sidebar.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "68dd06c685f6ce840e0acfa313352e7c",
"translation_date": "2025-08-29T21:08:07+00:00",
"source_file": "docs/_sidebar.md",
"language_code": "bn"
}
-->
- পরিচিতি
- [মেশিন লার্নিং এর পরিচিতি](../1-Introduction/1-intro-to-ML/README.md)
- [মেশিন লার্নিং এর ইতিহাস](../1-Introduction/2-history-of-ML/README.md)

9
translations/bn/for-teachers.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b37de02054fa6c0438ede6fabe1fdfb8",
"translation_date": "2025-08-29T20:11:30+00:00",
"source_file": "for-teachers.md",
"language_code": "bn"
}
-->
## শিক্ষকদের জন্য
আপনি কি আপনার ক্লাসরুমে এই পাঠ্যক্রমটি ব্যবহার করতে চান? নির্দ্বিধায় ব্যবহার করুন!

9
translations/bn/quiz-app/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "6d130dffca5db70d7e615f926cb1ad4c",
"translation_date": "2025-08-29T21:38:22+00:00",
"source_file": "quiz-app/README.md",
"language_code": "bn"
}
-->
# কুইজ
এই কুইজগুলো ML কারিকুলামের প্রাক-লেকচার এবং পোস্ট-লেকচার কুইজ, যা পাওয়া যাবে https://aka.ms/ml-beginners এ।

9
translations/bn/sketchnotes/LICENSE.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fba3b94d88bfb9b81369b869a1e9a20f",
"translation_date": "2025-08-29T21:55:41+00:00",
"source_file": "sketchnotes/LICENSE.md",
"language_code": "bn"
}
-->
অ্যাট্রিবিউশন-শেয়ারঅ্যালাইক ৪.০ ইন্টারন্যাশনাল
=======================================================================

9
translations/bn/sketchnotes/README.md
Unescape View File

@ -1,12 +1,3 @@
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "a88d5918c1b9da69a40d917a0840c497",
"translation_date": "2025-08-29T21:54:35+00:00",
"source_file": "sketchnotes/README.md",
"language_code": "bn"
}
-->
সমস্ত পাঠক্রমের স্কেচনোটগুলি এখান থেকে ডাউনলোড করা যেতে পারে।
🖨 উচ্চ রেজোলিউশনে প্রিন্ট করার জন্য, TIFF সংস্করণগুলি [এই রিপোতে](https://github.com/girliemac/a-picture-is-worth-a-1000-words/tree/main/ml/tiff) উপলব্ধ।

Some files were not shown because too many files have changed in this diff Show More

Write Preview
Loading…
Cancel
Save