ML-For-Beginners/translations/bn

🌐 বহু-ভাষার সমর্থন

GitHub Action এর মাধ্যমে সমর্থিত (স্বয়ংক্রিয় এবং সর্বদা আপডেটেড)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

কমিউনিটিতে যোগ দিন

শিক্ষার্থীদের জন্য মেশিন লার্নিং - একটি পাঠক্রম

🌍 বিশ্ব সংস্কৃতির মাধ্যমে মেশিন লার্নিং অন্বেষণ করতে আমাদের সাথে বিশ্ব ভ্রমণ করুন 🌍

Microsoft-এর Cloud Advocates একটি ১২-সপ্তাহের, ২৬-টি পাঠের পাঠক্রম নিয়ে এসেছে যা সম্পূর্ণরূপে মেশিন লার্নিং নিয়ে। এই পাঠক্রমে, আপনি ক্লাসিক মেশিন লার্নিং সম্পর্কে শিখবেন, যেখানে প্রধানত Scikit-learn লাইব্রেরি ব্যবহার করা হবে এবং ডিপ লার্নিং এড়ানো হবে, যা আমাদের AI for Beginners' পাঠক্রমে অন্তর্ভুক্ত। এই পাঠগুলো আমাদের 'Data Science for Beginners' পাঠক্রমের সাথে জোড়া দিয়ে শিখুন!

আমাদের সাথে বিশ্ব ভ্রমণ করুন এবং বিভিন্ন অঞ্চলের ডেটা ব্যবহার করে এই ক্লাসিক কৌশলগুলো প্রয়োগ করুন। প্রতিটি পাঠে রয়েছে প্রাক-পাঠ এবং পর-পাঠ কুইজ, পাঠ সম্পন্ন করার জন্য লিখিত নির্দেশিকা, একটি সমাধান, একটি অ্যাসাইনমেন্ট এবং আরও অনেক কিছু। আমাদের প্রকল্প-ভিত্তিক পদ্ধতি আপনাকে শেখার সময় তৈরি করতে সাহায্য করবে, যা নতুন দক্ষতা অর্জনের একটি প্রমাণিত উপায়।

✍️ আমাদের লেখকদের প্রতি আন্তরিক ধন্যবাদ Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu এবং Amy Boyd

🎨 আমাদের চিত্রশিল্পীদের প্রতি ধন্যবাদ Tomomi Imura, Dasani Madipalli, এবং Jen Looper

🙏 Microsoft Student Ambassador লেখক, পর্যালোচক এবং কন্টেন্ট অবদানকারীদের প্রতি বিশেষ ধন্যবাদ, বিশেষত Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, এবং Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, এবং Vidushi Gupta-কে আমাদের R পাঠের জন্য অতিরিক্ত কৃতজ্ঞতা!

শুরু করার জন্য

এই ধাপগুলো অনুসরণ করুন:

1. রিপোজিটরি ফর্ক করুন: এই পৃষ্ঠার উপরের ডানদিকে "Fork" বোতামে ক্লিক করুন।
2. রিপোজিটরি ক্লোন করুন: git clone https://github.com/microsoft/ML-For-Beginners.git

এই কোর্সের জন্য অতিরিক্ত সমস্ত রিসোর্স Microsoft Learn সংগ্রহে খুঁজুন

শিক্ষার্থীরা, এই পাঠক্রমটি ব্যবহার করতে, সম্পূর্ণ রিপোজিটরি আপনার নিজের GitHub অ্যাকাউন্টে ফর্ক করুন এবং একা বা একটি গ্রুপের সাথে অনুশীলন সম্পন্ন করুন:

• একটি প্রাক-পাঠ কুইজ দিয়ে শুরু করুন।
• পাঠটি পড়ুন এবং কার্যক্রম সম্পন্ন করুন, প্রতিটি জ্ঞান যাচাইয়ের সময় থেমে চিন্তা করুন।
• পাঠগুলো বুঝে প্রকল্প তৈরি করার চেষ্টা করুন, সমাধান কোড চালানোর পরিবর্তে; তবে সেই কোড /solution ফোল্ডারে প্রকল্প-ভিত্তিক পাঠে উপলব্ধ।
• পর-পাঠ কুইজ নিন।
• চ্যালেঞ্জ সম্পন্ন করুন।
• অ্যাসাইনমেন্ট সম্পন্ন করুন।
• একটি পাঠ গোষ্ঠী সম্পন্ন করার পরে, আলোচনা বোর্ডে যান এবং "শব্দে শিখুন" PAT রুব্রিক পূরণ করে। PAT হল একটি প্রগ্রেস অ্যাসেসমেন্ট টুল যা আপনার শেখার উন্নতির জন্য একটি রুব্রিক। আপনি অন্যান্য PAT-তেও প্রতিক্রিয়া জানাতে পারেন যাতে আমরা একসাথে শিখতে পারি।

আরও অধ্যয়নের জন্য, আমরা এই Microsoft Learn মডিউল এবং শেখার পথ অনুসরণ করার পরামর্শ দিই।

শিক্ষকগণ, আমরা এই পাঠক্রমটি কীভাবে ব্যবহার করবেন তার জন্য কিছু পরামর্শ অন্তর্ভুক্ত করেছি।

---

ভিডিও ওয়াকথ্রু

কিছু পাঠ সংক্ষিপ্ত ভিডিও আকারে উপলব্ধ। আপনি এই ভিডিওগুলো পাঠের মধ্যে ইনলাইন খুঁজে পেতে পারেন, অথবা Microsoft Developer YouTube চ্যানেলে ML for Beginners প্লেলিস্টে ক্লিক করে দেখতে পারেন।

---

টিমের সাথে পরিচিত হন

Gif তৈরি করেছেন Mohit Jaisal

🎥 উপরের ছবিতে ক্লিক করে প্রকল্প এবং এটি তৈরি করা ব্যক্তিদের সম্পর্কে একটি ভিডিও দেখুন!

---

শিক্ষণ পদ্ধতি

আমরা এই পাঠক্রম তৈরি করার সময় দুটি শিক্ষণ পদ্ধতি বেছে নিয়েছি: এটি হাতে-কলমে প্রকল্প-ভিত্তিক এবং এতে প্রশ্নোত্তর কুইজ অন্তর্ভুক্ত। এছাড়াও, এই পাঠক্রমে একটি সাধারণ থিম রয়েছে যা এটিকে সংহত করে।

প্রকল্পের সাথে সামঞ্জস্য রেখে বিষয়বস্তু নিশ্চিত করার মাধ্যমে, প্রক্রিয়াটি শিক্ষার্থীদের জন্য আরও আকর্ষণীয় হয়ে ওঠে এবং ধারণার ধারণক্ষমতা বৃদ্ধি পায়। এছাড়াও, একটি ক্লাসের আগে একটি কম-ঝুঁকির কুইজ শিক্ষার্থীর মনোযোগ বিষয় শেখার দিকে নিয়ে যায়, এবং ক্লাসের পরে একটি দ্বিতীয় কুইজ আরও ধারণক্ষমতা নিশ্চিত করে। এই পাঠক্রমটি নমনীয় এবং মজাদার হতে ডিজাইন করা হয়েছে এবং এটি সম্পূর্ণ বা আংশিকভাবে নেওয়া যেতে পারে। প্রকল্পগুলো ছোট থেকে শুরু হয় এবং ১২-সপ্তাহের চক্রের শেষে ক্রমশ জটিল হয়ে ওঠে। এই পাঠক্রমে মেশিন লার্নিং-এর বাস্তব জীবনের প্রয়োগের উপর একটি পরিশিষ্টও অন্তর্ভুক্ত রয়েছে, যা অতিরিক্ত ক্রেডিট বা আলোচনার ভিত্তি হিসাবে ব্যবহার করা যেতে পারে।

আমাদের আচরণবিধি, অবদান, এবং অনুবাদ নির্দেশিকা খুঁজুন। আমরা আপনার গঠনমূলক প্রতিক্রিয়া স্বাগত জানাই!

প্রতিটি পাঠ অন্তর্ভুক্ত করে

• ঐচ্ছিক স্কেচনোট
• ঐচ্ছিক সম্পূরক ভিডিও
• ভিডিও ওয়াকথ্রু (কিছু পাঠে)
• প্রাক-পাঠ উষ্ণতা কুইজ
• লিখিত পাঠ
• প্রকল্প-ভিত্তিক পাঠের জন্য, প্রকল্প তৈরি করার ধাপে ধাপে নির্দেশিকা
• জ্ঞান যাচাই
• একটি চ্যালেঞ্জ
• সম্পূরক পাঠ্য
• অ্যাসাইনমেন্ট
• পর-পাঠ কুইজ

ভাষা সম্পর্কে একটি নোট: এই পাঠগুলো প্রধানত Python-এ লেখা হয়েছে, তবে অনেকগুলো R-এও উপলব্ধ। একটি R পাঠ সম্পন্ন করতে, /solution ফোল্ডারে যান এবং R পাঠ খুঁজুন। এগুলোতে .rmd এক্সটেনশন রয়েছে যা R Markdown ফাইল নির্দেশ করে। এটি একটি Markdown ডকুমেন্ট-এ কোড চাঙ্ক (R বা অন্যান্য ভাষার) এবং একটি YAML হেডার (যা আউটপুট ফরম্যাট যেমন PDF নির্দেশ করে) এম্বেডিং হিসাবে সংজ্ঞায়িত করা যেতে পারে। এটি ডেটা সায়েন্সের জন্য একটি চমৎকার লেখার কাঠামো হিসাবে কাজ করে কারণ এটি আপনাকে আপনার কোড, এর আউটপুট এবং আপনার চিন্তাগুলো Markdown-এ লিখতে দেয়। তদ্ব্যতীত, R Markdown ডকুমেন্টগুলো PDF, HTML, বা Word-এর মতো আউটপুট ফরম্যাটে রেন্ডার করা যেতে পারে।

কুইজ সম্পর্কে একটি নোট: সমস্ত কুইজ Quiz App ফোল্ডারে রয়েছে, মোট ৫২টি কুইজ, প্রতিটিতে তিনটি প্রশ্ন। এগুলো পাঠের মধ্যে লিঙ্ক করা হয়েছে, তবে কুইজ অ্যাপটি স্থানীয়ভাবে চালানো যেতে পারে; quiz-app ফোল্ডারে নির্দেশ অনুসরণ করে এটি স্থানীয়ভাবে হোস্ট করুন বা Azure-এ ডিপ্লয় করুন।

পাঠ সংখ্যা	বিষয়	পাঠ গোষ্ঠী	শেখার উদ্দেশ্য	লিঙ্ক করা পাঠ	লেখক
01	মেশিন লার্নিং-এর পরিচিতি	পরিচিতি	মেশিন লার্নিং-এর মৌলিক ধারণাগুলো শিখুন	পাঠ	Muhammad
02	মেশিন লার্নিং-এর ইতিহাস	পরিচিতি	এই ক্ষেত্রের পেছনের ইতিহাস শিখুন	পাঠ	Jen এবং Amy
03	মেশিন লার্নিং এবং ন্যায্যতা	পরিচিতি	মেশিন লার্নিং মডেল তৈরি এবং প্রয়োগ করার সময় শিক্ষার্থীদের বিবেচনা করা উচিত এমন গুরুত্বপূর্ণ দার্শনিক বিষয়গুলো কী?	পাঠ	Tomomi
04	মেশিন লার্নিং এর কৌশলসমূহ	Introduction	মেশিন লার্নিং গবেষকরা মডেল তৈরি করতে কী কী কৌশল ব্যবহার করেন?	Lesson	ক্রিস এবং জেন
05	রিগ্রেশন পরিচিতি	Regression	রিগ্রেশন মডেলের জন্য পাইথন এবং সাইকিট-লার্ন ব্যবহার শুরু করুন	Python • R	জেন • এরিক ওয়ানজাউ
06	উত্তর আমেরিকার কুমড়ার দাম 🎃	Regression	মেশিন লার্নিং এর প্রস্তুতির জন্য ডেটা ভিজুয়ালাইজ এবং পরিষ্কার করুন	Python • R	জেন • এরিক ওয়ানজাউ
07	উত্তর আমেরিকার কুমড়ার দাম 🎃	Regression	লিনিয়ার এবং পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করুন	Python • R	জেন এবং দিমিত্রি • এরিক ওয়ানজাউ
08	উত্তর আমেরিকার কুমড়ার দাম 🎃	Regression	একটি লজিস্টিক রিগ্রেশন মডেল তৈরি করুন	Python • R	জেন • এরিক ওয়ানজাউ
09	একটি ওয়েব অ্যাপ 🔌	Web App	প্রশিক্ষিত মডেল ব্যবহার করার জন্য একটি ওয়েব অ্যাপ তৈরি করুন	Python	জেন
10	শ্রেণীবিভাগের পরিচিতি	Classification	আপনার ডেটা পরিষ্কার, প্রস্তুত এবং ভিজুয়ালাইজ করুন; শ্রেণীবিভাগের পরিচিতি	Python • R	জেন এবং ক্যাসি • এরিক ওয়ানজাউ
11	সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜	Classification	শ্রেণীবিভাজকের পরিচিতি	Python • R	জেন এবং ক্যাসি • এরিক ওয়ানজাউ
12	সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜	Classification	আরও শ্রেণীবিভাজক	Python • R	জেন এবং ক্যাসি • এরিক ওয়ানজাউ
13	সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜	Classification	আপনার মডেল ব্যবহার করে একটি সুপারিশকারী ওয়েব অ্যাপ তৈরি করুন	Python	জেন
14	ক্লাস্টারিং এর পরিচিতি	Clustering	আপনার ডেটা পরিষ্কার, প্রস্তুত এবং ভিজুয়ালাইজ করুন; ক্লাস্টারিং এর পরিচিতি	Python • R	জেন • এরিক ওয়ানজাউ
15	নাইজেরিয়ান সঙ্গীতের রুচি 🎧	Clustering	কে-মিন্স ক্লাস্টারিং পদ্ধতি অন্বেষণ করুন	Python • R	জেন • এরিক ওয়ানজাউ
16	প্রাকৃতিক ভাষা প্রক্রিয়াকরণের পরিচিতি ☕️	Natural language processing	একটি সাধারণ বট তৈরি করে NLP এর মৌলিক বিষয় শিখুন	Python	স্টিফেন
17	সাধারণ NLP কাজ ☕️	Natural language processing	ভাষার গঠন নিয়ে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজগুলি বুঝে NLP জ্ঞান আরও গভীর করুন	Python	স্টিফেন
18	অনুবাদ এবং অনুভূতি বিশ্লেষণ ♥️	Natural language processing	জেন অস্টেনের সাথে অনুবাদ এবং অনুভূতি বিশ্লেষণ	Python	স্টিফেন
19	ইউরোপের রোমান্টিক হোটেল ♥️	Natural language processing	হোটেল রিভিউ ১ এর সাথে অনুভূতি বিশ্লেষণ	Python	স্টিফেন
20	ইউরোপের রোমান্টিক হোটেল ♥️	Natural language processing	হোটেল রিভিউ ২ এর সাথে অনুভূতি বিশ্লেষণ	Python	স্টিফেন
21	সময় সিরিজ পূর্বাভাসের পরিচিতি	Time series	সময় সিরিজ পূর্বাভাসের পরিচিতি	Python	ফ্রান্সেসকা
22	⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - ARIMA সহ সময় সিরিজ পূর্বাভাস	Time series	ARIMA সহ সময় সিরিজ পূর্বাভাস	Python	ফ্রান্সেসকা
23	⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - SVR সহ সময় সিরিজ পূর্বাভাস	Time series	সাপোর্ট ভেক্টর রিগ্রেসর সহ সময় সিরিজ পূর্বাভাস	Python	অনির্বাণ
24	রিইনফোর্সমেন্ট লার্নিং এর পরিচিতি	Reinforcement learning	কিউ-লার্নিং এর মাধ্যমে রিইনফোর্সমেন্ট লার্নিং এর পরিচিতি	Python	দিমিত্রি
25	পিটারকে নেকড়ে থেকে বাঁচান! 🐺	Reinforcement learning	রিইনফোর্সমেন্ট লার্নিং জিম	Python	দিমিত্রি
Postscript	বাস্তব জীবনের ML পরিস্থিতি এবং প্রয়োগ	ML in the Wild	ক্লাসিকাল মেশিন লার্নিং এর আকর্ষণীয় এবং প্রকাশক বাস্তব জীবনের প্রয়োগ	Lesson	টিম
Postscript	RAI ড্যাশবোর্ড ব্যবহার করে ML মডেল ডিবাগিং	ML in the Wild	রেসপন্সিবল AI ড্যাশবোর্ড কম্পোনেন্ট ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং	Lesson	রুথ ইয়াকুব

এই কোর্সের জন্য সমস্ত অতিরিক্ত রিসোর্স Microsoft Learn সংগ্রহে খুঁজুন

অফলাইন অ্যাক্সেস

আপনি Docsify ব্যবহার করে এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপোজিটরি ফর্ক করুন, আপনার লোকাল মেশিনে Docsify ইনস্টল করুন, এবং তারপর এই রিপোজিটরির রুট ফোল্ডারে docsify serve টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টে localhost:3000 পোর্ট 3000-এ পরিবেশন করা হবে।

PDFs

লিঙ্ক সহ কারিকুলামের একটি পিডিএফ এখানে খুঁজুন।

🎒 অন্যান্য কোর্সসমূহ

আমাদের টিম অন্যান্য কোর্স তৈরি করে! দেখুন:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---

অস্বীকৃতি:
এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসম্ভব সঠিক অনুবাদের চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। নথিটির মূল ভাষায় লেখা সংস্করণটিকেই প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ ব্যবহার করার পরামর্শ দেওয়া হয়। এই অনুবাদ ব্যবহারের ফলে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই।