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.
159 lines
22 KiB
159 lines
22 KiB
<!--
|
|
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/)
|
|
|
|
---
|
|
|
|
[](https://youtu.be/6mSx_KJxcHI "শুরু থেকে মেশিন লার্নিং - শিক্ষার্থীদের জন্য মেশিন লার্নিং পরিচিতি")
|
|
|
|
> 🎥 উপরের ছবিতে ক্লিক করুন এই পাঠের একটি সংক্ষিপ্ত ভিডিও দেখার জন্য।
|
|
|
|
শুরু থেকে মেশিন লার্নিং নিয়ে এই কোর্সে আপনাকে স্বাগতম! আপনি যদি এই বিষয়ের সম্পূর্ণ নতুন শিক্ষার্থী হন, অথবা একজন অভিজ্ঞ মেশিন লার্নিং প্র্যাকটিশনার হিসেবে কিছু বিষয় ঝালাই করতে চান, আমরা আপনাকে এখানে পেয়ে আনন্দিত। আমরা চাই একটি বন্ধুত্বপূর্ণ শিক্ষার পরিবেশ তৈরি করতে এবং আপনার [মতামত](https://github.com/microsoft/ML-For-Beginners/discussions) মূল্যায়ন, উত্তর প্রদান এবং অন্তর্ভুক্ত করতে।
|
|
|
|
[](https://youtu.be/h0e2HAPTGF4 "মেশিন লার্নিং পরিচিতি")
|
|
|
|
> 🎥 উপরের ছবিতে ক্লিক করুন একটি ভিডিও দেখার জন্য: MIT-এর জন গুটাগ মেশিন লার্নিং পরিচিতি প্রদান করছেন
|
|
|
|
---
|
|
## মেশিন লার্নিং শুরু করা
|
|
|
|
এই পাঠ্যক্রম শুরু করার আগে, আপনার কম্পিউটারটি প্রস্তুত করে নোটবুকগুলো লোকালভাবে চালানোর জন্য প্রস্তুত করতে হবে।
|
|
|
|
- **আপনার মেশিন কনফিগার করুন এই ভিডিওগুলোর সাহায্যে**। [Python ইনস্টল](https://youtu.be/CXZYvNRIAKM) এবং [টেক্সট এডিটর সেটআপ](https://youtu.be/EU8eayHWoZg) করার পদ্ধতি শিখতে নিচের লিঙ্কগুলো ব্যবহার করুন।
|
|
- **Python শিখুন**। [Python](https://docs.microsoft.com/learn/paths/python-language/?WT.mc_id=academic-77952-leestott) সম্পর্কে একটি মৌলিক ধারণা থাকা প্রয়োজন, যা ডেটা সায়েন্টিস্টদের জন্য উপযোগী একটি প্রোগ্রামিং ভাষা এবং আমরা এই কোর্সে এটি ব্যবহার করব।
|
|
- **Node.js এবং JavaScript শিখুন**। আমরা এই কোর্সে কয়েকবার JavaScript ব্যবহার করব ওয়েব অ্যাপ তৈরি করার জন্য, তাই আপনার [node](https://nodejs.org) এবং [npm](https://www.npmjs.com/) ইনস্টল করা প্রয়োজন, এবং [Visual Studio Code](https://code.visualstudio.com/) Python এবং JavaScript ডেভেলপমেন্টের জন্য প্রস্তুত রাখতে হবে।
|
|
- **GitHub অ্যাকাউন্ট তৈরি করুন**। যেহেতু আপনি আমাদের [GitHub](https://github.com) এ খুঁজে পেয়েছেন, আপনার হয়তো ইতিমধ্যেই একটি অ্যাকাউন্ট আছে, কিন্তু যদি না থাকে, একটি অ্যাকাউন্ট তৈরি করুন এবং এই পাঠ্যক্রমটি নিজের জন্য ফর্ক করুন। (আমাদের একটি স্টার দিতে ভুলবেন না 😊)
|
|
- **Scikit-learn অন্বেষণ করুন**। [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) এর সাথে পরিচিত হন, একটি ML লাইব্রেরি যা আমরা এই পাঠগুলোতে উল্লেখ করব।
|
|
|
|
---
|
|
## মেশিন লার্নিং কী?
|
|
|
|
'মেশিন লার্নিং' শব্দটি আজকের দিনে সবচেয়ে জনপ্রিয় এবং বহুল ব্যবহৃত শব্দগুলোর একটি। আপনি যদি প্রযুক্তির সাথে কিছুটা পরিচিত হন, তাহলে এই শব্দটি অন্তত একবার শুনেছেন এমন সম্ভাবনা রয়েছে। তবে মেশিন লার্নিংয়ের কার্যপ্রণালী বেশিরভাগ মানুষের কাছে রহস্যময়। একজন মেশিন লার্নিং শিক্ষার্থীর জন্য বিষয়টি কখনও কখনও জটিল মনে হতে পারে। তাই এটি কী তা বোঝা এবং ধাপে ধাপে, ব্যবহারিক উদাহরণের মাধ্যমে এটি শেখা গুরুত্বপূর্ণ।
|
|
|
|
---
|
|
## হাইপ কার্ভ
|
|
|
|
|
|
|
|
> Google Trends দেখাচ্ছে 'মেশিন লার্নিং' শব্দটির সাম্প্রতিক 'হাইপ কার্ভ'
|
|
|
|
---
|
|
## একটি রহস্যময় মহাবিশ্ব
|
|
|
|
আমরা একটি মহাবিশ্বে বাস করি যা রহস্যে ভরপুর। স্টিফেন হকিং, আলবার্ট আইনস্টাইন এবং আরও অনেক মহান বিজ্ঞানী তাদের জীবন উৎসর্গ করেছেন এমন তথ্য খুঁজে বের করতে যা আমাদের চারপাশের পৃথিবীর রহস্য উন্মোচন করে। এটি মানুষের শেখার স্বভাব: একটি শিশু নতুন জিনিস শেখে এবং তাদের চারপাশের পৃথিবীর গঠন সম্পর্কে জ্ঞান অর্জন করে বছর বছর ধরে।
|
|
|
|
---
|
|
## শিশুর মস্তিষ্ক
|
|
|
|
একটি শিশুর মস্তিষ্ক এবং ইন্দ্রিয় তাদের চারপাশের তথ্য গ্রহণ করে এবং ধীরে ধীরে জীবনের লুকানো প্যাটার্নগুলো শিখে যা তাদের শেখা প্যাটার্নগুলো চিহ্নিত করার জন্য যৌক্তিক নিয়ম তৈরি করতে সাহায্য করে। মানুষের মস্তিষ্কের শেখার প্রক্রিয়া মানুষকে এই পৃথিবীর সবচেয়ে উন্নত জীব হিসেবে তৈরি করে। লুকানো প্যাটার্নগুলো আবিষ্কার করে ক্রমাগত শেখা এবং তারপর সেই প্যাটার্নগুলোতে উদ্ভাবন করা আমাদেরকে আমাদের জীবনের পুরো সময় ধরে আরও উন্নত হতে সাহায্য করে। এই শেখার ক্ষমতা এবং বিকাশের সক্ষমতা একটি ধারণার সাথে সম্পর্কিত যাকে বলা হয় [মস্তিষ্কের প্লাস্টিসিটি](https://www.simplypsychology.org/brain-plasticity.html)। উপরিভাগে, আমরা মানুষের মস্তিষ্কের শেখার প্রক্রিয়া এবং মেশিন লার্নিংয়ের ধারণার মধ্যে কিছু অনুপ্রেরণামূলক মিল দেখতে পারি।
|
|
|
|
---
|
|
## মানুষের মস্তিষ্ক
|
|
|
|
[মানুষের মস্তিষ্ক](https://www.livescience.com/29365-human-brain.html) বাস্তব পৃথিবী থেকে তথ্য গ্রহণ করে, প্রাপ্ত তথ্য প্রক্রিয়া করে, যৌক্তিক সিদ্ধান্ত নেয় এবং পরিস্থিতির উপর ভিত্তি করে নির্দিষ্ট কাজ সম্পাদন করে। এটিকে আমরা বুদ্ধিমত্তার সাথে আচরণ করা বলি। যখন আমরা একটি মেশিনে বুদ্ধিমত্তার আচরণের প্রক্রিয়ার অনুকরণ প্রোগ্রাম করি, তখন এটিকে কৃত্রিম বুদ্ধিমত্তা (AI) বলা হয়।
|
|
|
|
---
|
|
## কিছু পরিভাষা
|
|
|
|
যদিও শব্দগুলো বিভ্রান্তিকর হতে পারে, মেশিন লার্নিং (ML) কৃত্রিম বুদ্ধিমত্তার একটি গুরুত্বপূর্ণ উপসেট। **ML বিশেষ অ্যালগরিদম ব্যবহার করে প্রাপ্ত তথ্য থেকে অর্থপূর্ণ তথ্য এবং লুকানো প্যাটার্ন খুঁজে বের করার মাধ্যমে যৌক্তিক সিদ্ধান্ত গ্রহণ প্রক্রিয়াকে সমর্থন করার উপর গুরুত্ব দেয়।**
|
|
|
|
---
|
|
## AI, ML, ডিপ লার্নিং
|
|
|
|
|
|
|
|
> AI, ML, ডিপ লার্নিং এবং ডেটা সায়েন্সের মধ্যে সম্পর্ক দেখানো একটি ডায়াগ্রাম। [জেন লুপার](https://twitter.com/jenlooper) দ্বারা তৈরি ইনফোগ্রাফিক, [এই গ্রাফিক](https://softwareengineering.stackexchange.com/questions/366996/distinction-between-ai-ml-neural-networks-deep-learning-and-data-mining) দ্বারা অনুপ্রাণিত।
|
|
|
|
---
|
|
## কাভার করার ধারণাগুলো
|
|
|
|
এই পাঠ্যক্রমে, আমরা শুধুমাত্র মেশিন লার্নিংয়ের মৌলিক ধারণাগুলো কাভার করব যা একজন শিক্ষার্থীর জানা প্রয়োজন। আমরা 'ক্লাসিকাল মেশিন লার্নিং' নিয়ে আলোচনা করব, প্রধানত Scikit-learn ব্যবহার করে, একটি চমৎকার লাইব্রেরি যা অনেক শিক্ষার্থী মৌলিক বিষয়গুলো শেখার জন্য ব্যবহার করে। কৃত্রিম বুদ্ধিমত্তা বা ডিপ লার্নিংয়ের বিস্তৃত ধারণাগুলো বুঝতে, মেশিন লার্নিংয়ের শক্তিশালী মৌলিক জ্ঞান অপরিহার্য, এবং আমরা এটি এখানে প্রদান করতে চাই।
|
|
|
|
---
|
|
## এই কোর্সে আপনি শিখবেন:
|
|
|
|
- মেশিন লার্নিংয়ের মৌলিক ধারণা
|
|
- মেশিন লার্নিংয়ের ইতিহাস
|
|
- মেশিন লার্নিং এবং ন্যায্যতা
|
|
- রিগ্রেশন মেশিন লার্নিং কৌশল
|
|
- ক্লাসিফিকেশন মেশিন লার্নিং কৌশল
|
|
- ক্লাস্টারিং মেশিন লার্নিং কৌশল
|
|
- প্রাকৃতিক ভাষা প্রক্রিয়াকরণ মেশিন লার্নিং কৌশল
|
|
- টাইম সিরিজ পূর্বাভাস মেশিন লার্নিং কৌশল
|
|
- রিইনফোর্সমেন্ট লার্নিং
|
|
- মেশিন লার্নিংয়ের বাস্তব জীবনের প্রয়োগ
|
|
|
|
---
|
|
## আমরা যা কাভার করব না
|
|
|
|
- ডিপ লার্নিং
|
|
- নিউরাল নেটওয়ার্ক
|
|
- AI
|
|
|
|
শিক্ষার অভিজ্ঞতা আরও ভালো করার জন্য, আমরা নিউরাল নেটওয়ার্কের জটিলতা, 'ডিপ লার্নিং' - নিউরাল নেটওয়ার্ক ব্যবহার করে বহু-স্তরযুক্ত মডেল তৈরি - এবং AI এড়িয়ে যাব, যা আমরা একটি ভিন্ন পাঠ্যক্রমে আলোচনা করব। আমরা একটি আসন্ন ডেটা সায়েন্স পাঠ্যক্রমও প্রদান করব যা এই বৃহত্তর ক্ষেত্রের সেই দিকটিতে মনোযোগ দেবে।
|
|
|
|
---
|
|
## কেন মেশিন লার্নিং পড়বেন?
|
|
|
|
সিস্টেমের দৃষ্টিকোণ থেকে, মেশিন লার্নিংকে সংজ্ঞায়িত করা হয় এমন স্বয়ংক্রিয় সিস্টেম তৈরি হিসেবে যা ডেটা থেকে লুকানো প্যাটার্ন শিখতে পারে এবং বুদ্ধিমত্তার সিদ্ধান্ত গ্রহণে সহায়তা করতে পারে।
|
|
|
|
এই অনুপ্রেরণা মানুষের মস্তিষ্ক কীভাবে বাইরের পৃথিবী থেকে প্রাপ্ত ডেটার উপর ভিত্তি করে কিছু জিনিস শিখে তার সাথে সামান্যভাবে সম্পর্কিত।
|
|
|
|
✅ এক মিনিট চিন্তা করুন কেন একটি ব্যবসা মেশিন লার্নিং কৌশল ব্যবহার করতে চাইবে, কঠোরভাবে কোড করা নিয়ম-ভিত্তিক ইঞ্জিন তৈরি করার পরিবর্তে।
|
|
|
|
---
|
|
## মেশিন লার্নিংয়ের প্রয়োগ
|
|
|
|
মেশিন লার্নিংয়ের প্রয়োগ এখন প্রায় সর্বত্র, এবং আমাদের সমাজে প্রবাহিত ডেটার মতোই সর্বব্যাপী, যা আমাদের স্মার্টফোন, সংযুক্ত ডিভাইস এবং অন্যান্য সিস্টেম দ্বারা তৈরি হয়। সর্বাধুনিক মেশিন লার্নিং অ্যালগরিদমের বিশাল সম্ভাবনা বিবেচনা করে, গবেষকরা তাদের সক্ষমতা বহুমাত্রিক এবং বহুবিধ বাস্তব জীবনের সমস্যাগুলো সমাধান করতে পরীক্ষা করছেন, এবং ইতিবাচক ফলাফল পাচ্ছেন।
|
|
|
|
---
|
|
## প্রয়োগকৃত মেশিন লার্নিংয়ের উদাহরণ
|
|
|
|
**আপনি মেশিন লার্নিং বিভিন্নভাবে ব্যবহার করতে পারেন**:
|
|
|
|
- রোগের সম্ভাবনা পূর্বাভাস দিতে রোগীর মেডিকেল ইতিহাস বা রিপোর্ট থেকে।
|
|
- আবহাওয়ার ডেটা ব্যবহার করে আবহাওয়া পূর্বাভাস দিতে।
|
|
- একটি টেক্সটের অনুভূতি বুঝতে।
|
|
- ভুয়া খবর শনাক্ত করতে এবং প্রোপাগান্ডা ছড়ানো বন্ধ করতে।
|
|
|
|
অর্থনীতি, ভূবিজ্ঞান, মহাকাশ অনুসন্ধান, বায়োমেডিক্যাল ইঞ্জিনিয়ারিং, কগনিটিভ সায়েন্স এবং এমনকি মানবিক ক্ষেত্রগুলো মেশিন লার্নিংকে তাদের ক্ষেত্রের জটিল, ডেটা-প্রক্রিয়াকরণ ভারী সমস্যাগুলো সমাধান করতে গ্রহণ করেছে।
|
|
|
|
---
|
|
## উপসংহার
|
|
|
|
মেশিন লার্নিং বাস্তব বা তৈরি ডেটা থেকে অর্থপূর্ণ অন্তর্দৃষ্টি খুঁজে বের করার মাধ্যমে প্যাটার্ন আবিষ্কারের প্রক্রিয়াকে স্বয়ংক্রিয় করে। এটি ব্যবসা, স্বাস্থ্য এবং আর্থিক প্রয়োগসহ অন্যান্য ক্ষেত্রে অত্যন্ত মূল্যবান প্রমাণিত হয়েছে।
|
|
|
|
অদূর ভবিষ্যতে, মেশিন লার্নিংয়ের মৌলিক বিষয়গুলো বোঝা যেকোনো ক্ষেত্রের মানুষের জন্য অত্যাবশ্যক হয়ে উঠবে এর ব্যাপক গ্রহণযোগ্যতার কারণে।
|
|
|
|
---
|
|
# 🚀 চ্যালেঞ্জ
|
|
|
|
কাগজে বা [Excalidraw](https://excalidraw.com/) এর মতো একটি অনলাইন অ্যাপ ব্যবহার করে AI, ML, ডিপ লার্নিং এবং ডেটা সায়েন্সের মধ্যে পার্থক্য সম্পর্কে আপনার ধারণা স্কেচ করুন। প্রতিটি কৌশল কোন ধরনের সমস্যার সমাধানে ভালো তা নিয়ে কিছু ধারণা যোগ করুন।
|
|
|
|
# [পোস্ট-লেকচার কুইজ](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
---
|
|
# পর্যালোচনা এবং স্ব-অধ্যয়ন
|
|
|
|
ক্লাউডে কীভাবে ML অ্যালগরিদম নিয়ে কাজ করতে পারেন তা শিখতে এই [Learning Path](https://docs.microsoft.com/learn/paths/create-no-code-predictive-models-azure-machine-learning/?WT.mc_id=academic-77952-leestott) অনুসরণ করুন।
|
|
|
|
মেশিন লার্নিংয়ের মৌলিক বিষয়গুলো সম্পর্কে জানতে একটি [Learning Path](https://docs.microsoft.com/learn/modules/introduction-to-machine-learning/?WT.mc_id=academic-77952-leestott) গ্রহণ করুন।
|
|
|
|
---
|
|
# অ্যাসাইনমেন্ট
|
|
|
|
[শুরু করুন](assignment.md)
|
|
|
|
---
|
|
|
|
**অস্বীকৃতি**:
|
|
এই নথিটি AI অনুবাদ পরিষেবা [Co-op Translator](https://github.com/Azure/co-op-translator) ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল ভাষায় থাকা নথিটিকে প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যা হলে আমরা দায়বদ্ধ থাকব না। |