You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
157 lines
22 KiB
157 lines
22 KiB
# মেশিন লার্নিং এর পরিচয়
|
|
|
|
## [প্রী-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
---
|
|
|
|
[](https://youtu.be/6mSx_KJxcHI "ML for beginners - Introduction to Machine Learning for Beginners")
|
|
|
|
> 🎥 এই লেসনের মাধ্যমে কাজ করার জন্য সংক্ষিপ্ত ভিডিওটি দেখতে উপরের ছবিতে ক্লিক করুন।
|
|
|
|
এই ক্লাসিকাল মেশিন লার্নিং কোর্সে আপনাকে স্বাগতম, যা বিশেষ করে শিক্ষানবীশদের জন্য তৈরি! আপনি যদি এই বিষয়ে সম্পূর্ণ নতুন হন, অথবা একজন অভিজ্ঞ এমএল প্র্যাকটিশনার হয়ে থাকেন এবং কোন একটি বিষয়ে রিভিউ করতে চান, আমরা আনন্দিত আপনার সাথে যুক্ত হতে পেরে! আমরা আপনার এমএল অধ্যয়নের জন্য একটি বন্ধুত্বপূর্ণ সূচনা স্থান তৈরি করতে চাই এবং আপনার [প্রতিক্রিয়া](https://github.com/microsoft/ML-For-Beginners/discussions) মূল্যায়ন, সাড়া এবং অন্তর্ভুক্ত করতে ইচ্ছুক।
|
|
|
|
[](https://youtu.be/h0e2HAPTGF4 "Introduction to ML")
|
|
|
|
> 🎥 উপরের ছবিতে ক্লিক করে ভিডিওটি দেখুন: MIT থেকে জন গুটট্যাগ মেশিন লার্নিং পরিচয় করিয়ে দিচ্ছেন
|
|
|
|
---
|
|
## মেশিন লার্নিং শুরু করা
|
|
|
|
এই পাঠ্যক্রম শুরু করার আগে, আপনার কম্পিউটার সেটআপ করা এবং লোকালি নোটবুক চালানোর জন্য প্রস্তুত থাকা প্রয়োজন।
|
|
|
|
- **ভিডিওগুলোর মাধ্যমে আপনার যন্ত্রপাতি কনফিগার করুন**। আপনার সিস্টেমে [পাইথন ইনস্টলেশন কিভাবে করবেন](https://youtu.be/CXZYvNRIAKM) এবং বিকাশের জন্য [টেক্সট এডিটর সেটআপ](https://youtu.be/EU8eayHWoZg) শেখার জন্য নিম্নলিখিত লিঙ্কগুলো ব্যবহার করুন।
|
|
- **পাইথন শিখুন**। এ ভাষাটি ডাটা সায়েন্টিস্টদের জন্য উপযোগী একটি প্রোগ্রামিং ভাষা, যেটি আমরা এই কোর্সে ব্যবহার করি। [পাইথন শেখার একটি মৌলিক ধারণা থাকা সুপারিশকৃত](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott)।
|
|
- **Node.js এবং JavaScript শিখুন**। এই কোর্সের কিছু অংশে আমরা JavaScript ব্যবহার করব যখন ওয়েব অ্যাপ তৈরি করব, তাই আপনার কাছে [node](https://nodejs.org) এবং [npm](https://www.npmjs.com/) ইনস্টল করা থাকা দরকার এবং Python ও JavaScript উভয়ের উন্নয়নের জন্য [Visual Studio Code](https://code.visualstudio.com/) পাওয়া উচিত।
|
|
- **GitHub অ্যাকাউন্ট তৈরি করুন**। আপনি যদি ইতোমধ্যে এখানে [GitHub](https://github.com) এ এসে থাকেন, সম্ভবত আপনার একটি অ্যাকাউন্ট আছে, তবে না থাকলে তৈরি করুন এবং এই পাঠ্যক্রম ফর্ক করে নিজের জন্য ব্যবহার করুন। (অবশ্যই, আমাদের একটি স্টার দিতে ভুলবেন না 😊)
|
|
- **Scikit-learn অন্বেষণ করুন**। এই পাঠে উল্লেখ করা একটি ML লাইব্রেরি [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) সম্পর্কে পরিচিত হন।
|
|
|
|
---
|
|
## মেশিন লার্নিং কী?
|
|
|
|
'মেশিন লার্নিং' শব্দটি আজকের দিনে সবচেয়ে জনপ্রিয় এবং প্রায়ই ব্যবহৃত শব্দগুলোর মধ্যে অন্যতম। প্রযুক্তির সাথে আপনার কোনো আংশিক পরিচিতি থাকলে, আপনি সম্ভবত এই শব্দটি অন্তত একবার শুনেছেন। যাইহোক, মেশিন লার্নিং এর যান্ত্রিক বিষয়গুলো বেশিরভাগ মানুষের জন্য রহস্যসূচক। একজন মেশিন লার্নিং শিক্ষানবীশের জন্য, বিষয়টি কিছু সময়ে অতিরিক্ত চাপ সৃষ্টিকারী হতে পারে। তাই এটি গুরুত্বপূর্ণ যে আমরা বুঝতে পারি মেশিন লার্নিং আসলে কী, এবং এটি ধাপে ধাপে, ব্যবহারিক উদাহরণের মাধ্যমে শিখি।
|
|
|
|
---
|
|
## জনপ্রিয়তার বক্ররেখা
|
|
|
|
|
|
|
|
> গুগল ট্রেন্ডস 'মেশিন লার্নিং' শব্দের সাম্প্রতিক 'হাইপ কার্ভ' দেখাচ্ছে
|
|
|
|
---
|
|
## এক রহস্যময় মহাবিশ্ব
|
|
|
|
আমরা এমন একটি মহাবিশ্বে বাস করি যেটা মুগ্ধকর রহস্যে পরিপূর্ণ। স্টিফেন হকিং, আলবের্ট আইনস্টাইন এবং আরও অনেক মহান বিজ্ঞানীর জীবন আমাদের চারপাশের বিশ্বের রহস্য উন্মোচনের জন্য অর্থবহ তথ্য অনুসন্ধানে ব্যয় হয়েছে। এটি হচ্ছে মানুষের শেখার অবস্থা: একজন শিশু নতুন কিছু শেখে এবং বছরখানেক ধরে তাদের বয়সে সেগুলোর গঠন আবিষ্কার করে।
|
|
|
|
---
|
|
## শিশুর মস্তিষ্ক
|
|
|
|
একটি শিশুর মস্তিষ্ক ও ইন্দ্রিয় পরিবেশের ঘটনা উপলব্ধি করে এবং জীবনযাত্রার গোপন প্যাটার্নগুলো শেখে, যা শিশুকে শিখানো প্যাটার্ন চিন্হিত করার জন্য যৌক্তিক নিয়ম তৈরি করতে সহায়তা করে। মানব মস্তিষ্কের শেখার প্রক্রিয়া মানুষকে এই পৃথিবীর সবচেয়ে জটিল জীবিত সত্তা করে তোলে। গোপন প্যাটার্ন আবিষ্কার করে অবিরত শেখা এবং সেই প্যাটার্নের উপর উদ্ভাবন আমাদের পুরো জীবনকালে নিজেদের আরও ভালো করে তুলতে সক্ষম করে। এই শেখার সক্ষমতা ও বিকাশমান ক্ষমতা একটি ধারণা [ব্রেন প্লাস্টিসিটি](https://www.simplypsychology.org/brain-plasticity.html) নামে পরিচিত। ওপর থেকে দেখলে, আমরা মানুষের মস্তিষ্কের শেখার প্রক্রিয়া এবং মেশিন লার্নিং এর ধারণাগুলোর মধ্যে কিছু অনুপ্রেরণাদায়ক সাদৃশ্য আঁকতে পারি।
|
|
|
|
---
|
|
## মানব মস্তিষ্ক
|
|
|
|
[মানব মস্তিষ্ক](https://www.livescience.com/29365-human-brain.html) বাস্তব বিশ্ব থেকে জিনিসগুলি উপলব্ধি করে, প্রাপ্ত তথ্য প্রক্রিয়া করে, যুক্তিসংগত সিদ্ধান্ত নেয় এবং পরিস্থিতির উপর ভিত্তি করে নির্দিষ্ট কাজ সম্পাদন করে। এটাকেই আমরা বুদ্ধিমত্তাসম্পন্ন আচরণ বলা হয়। যখন আমরা একটি বুদ্ধিমত্তাসম্পন্ন আচরণ প্রক্রিয়ার নকল একটি যন্ত্রে প্রোগ্রাম করি, তা কৃত্রিম বুদ্ধিমত্তা (AI) নামে পরিচিত।
|
|
|
|
---
|
|
## কিছু পরিভাষা
|
|
|
|
যদিও শব্দগুলো বিভ্রান্তিকর হতে পারে, মেশিন লার্নিং (ML) হলো কৃত্রিম বুদ্ধিমত্তার একটি গুরুত্বপূর্ণ উপশ্রেণী। **ML বিশেষায়িত অ্যালগরিদম ব্যবহার করে প্রাপ্ত ডাটা থেকে অর্থবহ তথ্য আবিষ্কার এবং লুকানো প্যাটার্ন খুঁজে উদ্ধার করার মাধ্যমে যুক্তিসংগত সিদ্ধান্ত গ্রহণ প্রক্রিয়াকে সমর্থন করে**।
|
|
|
|
---
|
|
## AI, ML, গভীর শিক্ষা
|
|
|
|
|
|
|
|
> AI, ML, গভীর শিক্ষা, এবং ডাটা সায়েন্সের সম্পর্ক দেখানো একটি চিত্র। ইনফোগ্রাফিক [Jen Looper](https://twitter.com/jenlooper) দ্বারা, এই [গ্রাফিক থেকে অনুপ্রাণিত](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining)
|
|
|
|
---
|
|
## কভার করার বিষয়সমূহ
|
|
|
|
এই পাঠ্যক্রমে আমরা শুধুমাত্র মেশিন লার্নিং এর মূল ধারণাগুলো কভার করব যা একজন শিক্ষানবীশের জানা জরুরি। আমরা প্রধানত 'ক্লাসিকাল মেশিন লার্নিং' নিয়ে আলোচনা করব Scikit-learn ব্যবহার করে, যা অনেক শিক্ষার্থী মৌলিক জ্ঞান অর্জনের জন্য ব্যবহার করে। কৃত্রিম বুদ্ধিমত্তা বা গভীর শিক্ষার বিস্তৃত ধারণাগুলো বুঝতে, মেশিন লার্নিং এর শক্তিশালী মূল জ্ঞান অপরিহার্য, তাই আমরা এটিকে এখানে অফার করতে চাচ্ছি।
|
|
|
|
---
|
|
## এই কোর্সে আপনি শিখবেন:
|
|
|
|
- মেশিন লার্নিং এর মূল ধারণা
|
|
- এমএল এর ইতিহাস
|
|
- এমএল এবং ন্যায়পরায়ণতা
|
|
- রিগ্রেশন এমএল প্রযুক্তি
|
|
- শ্রেণীবিভাগ এমএল প্রযুক্তি
|
|
- ক্লাস্টারিং এমএল প্রযুক্তি
|
|
- প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এমএল প্রযুক্তি
|
|
- টাইম সিরিজ পূর্বাভাস এমএল প্রযুক্তি
|
|
- রিইনফোর্সমেন্ট লার্নিং
|
|
- এমএল এর বাস্তব জীবনের প্রয়োগসমূহ
|
|
|
|
---
|
|
## যা কভার করবো না
|
|
|
|
- গভীর শিক্ষা
|
|
- নিউরাল নেটওয়ার্ক
|
|
- AI
|
|
|
|
একটি উন্নত শিক্ষার অভিজ্ঞতা দেওয়ার জন্য, আমরা নিউরাল নেটওয়ার্ক, 'গভীর শিক্ষা' - নিউরাল নেটওয়ার্ক ব্যবহার করে বহুস্তরযুক্ত মডেল তৈরির প্রক্রিয়া - এবং AI এর জটিলতা এড়িয়ে চলব, যেগুলো আমরা অন্য একটি কোর্সে আলোচনা করব। আমরা একটি আসন্ন ডাটা সায়েন্স পাঠ্যক্রমও অফার করব যা এই বৃহত্তর ক্ষেত্রের সেই দিকটিতে মনোযোগ দিবে।
|
|
|
|
---
|
|
## কেন মেশিন লার্নিং শিখবেন?
|
|
|
|
একটি সিস্টেমের দৃষ্টি থেকে, মেশিন লার্নিং হলো এমন স্বয়ংক্রিয় ব্যবস্থা তৈরির প্রক্রিয়া যা ডাটা থেকে লুকানো প্যাটার্ন শিখতে পারে এবং বুদ্ধিমান সিদ্ধান্ত গ্রহণে সাহায্য করে।
|
|
|
|
এই অনুপ্রেরণা আংশিকভাবে মানুষের মস্তিষ্কের শেখার পদ্ধতি থেকে উদ্ভূত যা বাইরের বিশ্বের ডাটা থেকে তথ্য গ্রহণ করে।
|
|
|
|
✅ এক মিনিট ভাবুন কেন একটি ব্যবসায় মেশিন লার্নিং কৌশল ব্যবহার করতে চাইবে হার্ড-কোডেড নিয়ম ভিত্তিক ইঞ্জিন তৈরির পরিবর্তে।
|
|
|
|
---
|
|
## কেন ডাটা গুণমান গুরুত্বপূর্ণ
|
|
|
|
উচ্চ মানের ডাটা মডেল কর্মক্ষমতা বাড়ায়। খারাপ বা গোলমালপূর্ণ ডাটা এটি অনুমান ভুলে পরিচালিত করতে পারে, এমনকি যখন উন্নত মেশিন লার্নিং অ্যালগরিদম ব্যবহার করা হয়।
|
|
|
|
---
|
|
## মেশিন লার্নিং এর প্রয়োগসমূহ
|
|
|
|
মেশিন লার্নিংয়ের প্রয়োগ এখন প্রায় সর্বত্রই পাওয়া যায়, যেমন ডাটা প্রবাহিত হয় আমাদের সমাজে, স্মার্টফোন, সংযুক্ত ডিভাইস এবং অন্যান্য সিস্টেম থেকে উৎপন্ন। অত্যাধুনিক মেশিন লার্নিং অ্যালগরিদমের মহান সম্ভাব্যতা বিবেচনা করে, গবেষকরা বহুমাত্রিক এবং বহু-বিভাগীয় বাস্তব জীবনের সমস্যাগুলো সমাধানের সক্ষমতা পরীক্ষা করছেন যা ইতিবাচক ফলাফল দিচ্ছে।
|
|
|
|
---
|
|
## প্রয়োগকৃত ML এর উদাহরণ
|
|
|
|
**আপনি মেশিন লার্নিং বিভিন্নভাবে ব্যবহার করতে পারেন**:
|
|
|
|
- রোগীর চিকিৎসা ইতিহাস বা প্রতিবেদন থেকে রোগের সম্ভাবনা অনুমান করতে।
|
|
- আবহাওয়া ডাটা ব্যবহার করে আবহাওয়ার পূর্বাভাস দিতে।
|
|
- একটি লেখার অনুভূতি বোঝার জন্য।
|
|
- মিথ্যা খবর সনাক্ত করে প্রচার রোধ করার জন্য।
|
|
|
|
অর্থনীতি, ভৌত বিজ্ঞান, মহাকাশ অনুসন্ধান, বায়োমেডিকেল ইঞ্জিনিয়ারিং, কগনিটিভ সায়েন্স, এমনকি মানবিক শাস্ত্রের ক্ষেত্রেও মেশিন লার্নিং ব্যবহার হয়েছে তাদের ডোমেইনের কঠিন ও ডাটা-প্রক্রিয়াকরণ ভিত্তিক সমস্যাগুলো সমাধানে।
|
|
|
|
---
|
|
## উপসংহার
|
|
|
|
মেশিন লার্নিং বাস্তব জীবনের বা তৈরি ডাটা থেকে অর্থবহ অন্তর্দৃষ্টি খুঁজে পেয়ে প্যাটার্ন আবিষ্কারের প্রক্রিয়া স্বয়ংক্রিয় করে। এটি ব্যবসা, স্বাস্থ্য এবং আর্থিক প্রয়োগসহ বিভিন্ন ক্ষেত্রে অত্যন্ত মূল্যবান প্রমাণিত হয়েছে।
|
|
|
|
ভবিষ্যতে, যেকোনো ক্ষেত্রের মানুষের জন্য মেশিন লার্নিং এর মৌলিক ধারণা জানা প্রয়োজন হয়ে উঠবে এর ব্যাপক গ্রহণযোগ্যতার কারণে।
|
|
|
|
---
|
|
# 🚀 চ্যালেঞ্জ
|
|
|
|
কাগজে বা [Excalidraw](https://excalidraw.com/) এর মতো অনলাইন অ্যাপ ব্যবহার করে AI, ML, গভীর শিক্ষা, এবং ডাটা সায়েন্সের মধ্যে পার্থক্যের আপনার ধারণা আঁকুন। প্রতিটির যথাযথ সমস্যাগুলো সমাধানের কিছু আইডিয়া যোগ করুন।
|
|
|
|
# [পোস্ট-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
---
|
|
# পর্যালোচনা ও স্ব-অধ্যয়ন
|
|
|
|
ক্লাউডে ML অ্যালগরিদম নিয়ে কাজ করার আরও তথ্যের জন্য, এই [লার্নিং পথ](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) অনুসরণ করুন।
|
|
|
|
ML এর মৌলিক বিষয়ে একটি [লার্নিং পথ](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) গ্রহণ করুন।
|
|
|
|
---
|
|
# অ্যাসাইনমেন্ট
|
|
|
|
[শুরু করুন ও চলুন](assignment.md)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**অস্বীকৃতি**:
|
|
এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনূদিত হয়েছে। যদিও আমরা শুদ্ধতার জন্য চেষ্টা করি, অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল নথিটি তার স্বভাষায় কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে প্রয়োজনীয় ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |