46 KiB

Raw Blame History Unescape Escape

🌐 বহু-ভাষা সমর্থন

গিটহাব অ্যাকশনের মাধ্যমে সমর্থিত (স্বয়ংক্রিয় এবং সর্বদা আপডেট থাকে)

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:
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 আপনার প্রয়োজনীয় সমস্ত কিছু দেয় কোর্সটি দ্রুত ডাউনলোড সহ সম্পন্ন করার জন্য।

আমাদের কমিউনিটিতে যোগ দিন

আমাদের একটি Discord এআই নিয়ে শেখার সেশন চলছে, আরো জানুন এবং আমাদের সাথে যোগ দিন এখানে Learn with AI Series ১৮ থেকে ৩০ সেপ্টেম্বর, ২০২৫ পর্যন্ত। এখানে আপনি GitHub Copilot ব্যবহার করে ডেটা সায়েন্সের টিপস এবং ট্রিকস পাবেন।

শুরু থেকে মেশিন লার্নিং - একটি শিক্ষাক্রম

🌍 মেশিন লার্নিং অন্বেষণ করার সময় বিশ্ব সংস্কৃতির মাধ্যমে বিশ্বব্যাপী ভ্রমণ 🌍

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 অন্তর্ভুক্ত। এই পাঠগুলিকে আমাদের 'ডেটা সায়েন্স ফর বিগিনার্স' শিক্ষাক্রম এর সাথে জোড়া দিয়ে নিতে পারেন।

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 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 চিত্রশিল্পীদেরও ধন্যবাদ তোমোমি ইমুড়া, দাসানি মাদিপালি, এবং জেন লুপার

🙏 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

🤩 অতিরিক্ত কৃতজ্ঞতা মাইক্রোসফট স্টুডেন্ট অ্যাম্বাসেডরদের প্রতি যেমন এরিক ওয়াঞ্জাউ, জসলীন সোধি, এবং বিদুষী গুপ্তার আমাদের R পাঠের জন্য!

শুরু করা

এই ধাপগুলো অনুসরণ করুন:

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

এই কোর্সের সমস্ত অতিরিক্ত উৎস আমাদের Microsoft Learn সংগ্রহে খুঁজে পান

🔧 সহায়তা দরকার? আমাদের Troubleshooting Guide দেখুন যেখান থেকে ইনস্টলেশন, সেটআপ এবং পাঠ চালানোর সাধারণ সমস্যার সমাধান পাবেন।

ছাত্রছাত্রীরা, 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 সম্পন্ন করুন।
একটি লেসন গ্রুপ শেষে, Discussion Board 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 সুপারিশ করছি এই Microsoft Learn মডিউল এবং শেখার পথে অনুসরণ করতে।

শিক্ষকগণ, আমরা এই শিক্ষাক্রমটি কীভাবে ব্যবহার করবেন সে সম্পর্কে কিছু পরামর্শ অন্তর্ভুক্ত করেছি।

ভিডিও ওয়াকথ্রু

কিছু পাঠ সংক্ষিপ্ত ভিডিও আকারে উপলব্ধ। আপনি এগুলো লেসনের মধ্যে সোজা দেখতে পারেন, অথবা Microsoft Developer YouTube চ্যানেলে ML for Beginners প্লেলিস্টে নিচের ছবিতে ক্লিক করে দেখতে পারেন।

টিমের সাথে পরিচিত হন

গিফ করেছেন মোহিত জৈসল

🎥 প্রকল্প এবং এর নির্মাতাদের সম্পর্কে ভিডিও দেখার জন্য উপরের ছবিতে ক্লিক করুন!

শিক্ষাদান পদ্ধতি

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।

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 কোড অফ কন্ডাক্ট, অবদান, অনুবাদ, এবং ত্রুটিমুক্তকরণ নির্দেশিকা দেখুন। আমরা আপনার গঠনমূলক প্রতিক্রিয়াকে স্বাগত জানাই!

প্রতিটি পাঠে অন্তর্ভুক্ত থাকে

ঐচ্ছিক স্কেচনোট
ঐচ্ছিক অতিরিক্ত ভিডিও
ভিডিও ওয়াকথ্রু (কিছু পাঠের জন্য)
পূর্ব-লেকচার ওয়ার্মআপ কুইজ
লিখিত পাঠ
প্রকল্প-ভিত্তিক পাঠের জন্য, ধাপে ধাপে প্রকল্প নির্মাণ গাইড
জ্ঞান যাচাই
একটি চ্যালেঞ্জ
অতিরিক্ত পাঠ
অ্যাসাইনমেন্ট
পোস্ট-লেকচার কুইজ

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 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	মেশিন লার্নিং-এর মূল ধারণাগুলো শিখুন	Lesson	মুহাম্মদ
০২	মেশিন লার্নিং-এর ইতিহাস	Introduction	এই ক্ষেত্রের ইতিহাস শিখুন	Lesson	জেন এবং অ্যামি
০৩	ন্যায্যতা এবং মেশিন লার্নিং	Introduction	মেশিন লার্নিং মডেলগুলি তৈরি ও প্রয়োগ করার সময় শিক্ষার্থীদের বিবেচনা করা উচিত এমন গুরুত্বপূর্ণ দার্শনিক বিষয়গুলি কী?	Lesson	তোমোমি
০৪	মেশিন লার্নিং-এর প্রযুক্তি	Introduction	মেশিন লার্নিং গবেষকরা মডেল তৈরিতে কোন কোন প্রযুক্তি ব্যবহার করেন?	Lesson	ক্রিস এবং জেন
০৫	রিগ্রেশন-এর পরিচিতি	Regression	রিগ্রেশন মডেলের জন্য পাইথন এবং স্কিকিট-লার্নের সাথে শুরু করুন	Python • R	জেন • ইরিক ওয়াঞ্জাউ
০৬	উত্তর আমেরিকার কুমড়োর দাম 🎃	Regression	মেশিন লার্নিং-এর জন্য প্রস্তুতির জন্য তথ্য দৃশ্যায়ন ও পরিস্কার করুন	Python • R	জেন • ইরিক ওয়াঞ্জাউ
০৭	উত্তর আমেরিকার কুমড়োর দাম 🎃	Regression	লিনিয়ার এবং পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করুন	Python • R	জেন এবং দিমিত্রি • ইরিক ওয়াঞ্জাউ
০৮	উত্তর আমেরিকার কুমড়োর দাম 🎃	Regression	একটি লজিস্টিক রিগ্রেশন মডেল তৈরি করুন	Python • R	জেন • ইরিক ওয়াঞ্জাউ
০৯	একটি ওয়েব অ্যাপ 🔌	Web App	আপনার প্রশিক্ষিত মডেল ব্যবহার করার জন্য একটি ওয়েব অ্যাপ তৈরি করুন	Python	জেন
১০	শ্রেণীবিন্যাসের পরিচিতি	Classification	আপনার তথ্য পরিস্কার, প্রস্তুত ও দৃশ্যায়ন করুন; শ্রেণীবিন্যাসের পরিচিতি	Python • R	জেন এবং ক্যাসি • ইরিক ওয়াঞ্জাউ
১১	সুস্বাদু এশিয়ান এবং ভারতীয় রান্নাঘর 🍜	Classification	শ্রেণীবিন্যাসকারীদের পরিচিতি	Python • R	জেন এবং ক্যাসি • ইরিক ওয়াঞ্জাউ
১২	সুস্বাদু এশিয়ান এবং ভারতীয় রান্নাঘর 🍜	Classification	আরও শ্রেণীবিন্যাসকারী	Python • R	জেন এবং ক্যাসি • ইরিক ওয়াঞ্জাউ
১৩	সুস্বাদু এশিয়ান এবং ভারতীয় রান্নাঘর 🍜	Classification	আপনার মডেল ব্যবহার করে একটি সুপারিশকারী ওয়েব অ্যাপ তৈরি করুন	Python	জেন
১৪	ক্লাস্টারিং-এর পরিচিতি	Clustering	আপনার তথ্য পরিস্কার, প্রস্তুত ও দৃশ্যায়ন করুন; ক্লাস্টারিং-এর পরিচিতি	Python • R	জেন • ইরিক ওয়াঞ্জাউ
১৫	নাইজেরিয়ার সঙ্গীত রুচি অন্বেষণ 🎧	Clustering	K-Means ক্লাস্টারিং পদ্ধতি অন্বেষণ করুন	Python • R	জেন • ইরিক ওয়াঞ্জাউ
১৬	প্রাকৃতিক ভাষা প্রক্রিয়াকরণের পরিচিতি ☕️	Natural language processing	একটি সাধারণ বট তৈরি করে NLP-এর বেসিক শিখুন	Python	স্টিফেন
১৭	সাধারণ NLP কাজসমূহ ☕️	Natural language processing	ভাষাগত কাঠামোর সাথে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজগুলি বুঝে আপনার NLP জ্ঞান বাড়ান	Python	স্টিফেন
১৮	অনুবাদ এবং অনুভূতি বিশ্লেষণ ♥️	Natural language processing	জেন অস্টেন-এর সাথে অনুবাদ এবং অনুভূতি বিশ্লেষণ	Python	স্টিফেন
১৯	ইউরোপের রোমান্টিক হোটেল ♥️	Natural language processing	হোটেল পর্যালোচনার মাধ্যমে অনুভূতি বিশ্লেষণ ১	Python	স্টিফেন
২০	ইউরোপের রোমান্টিক হোটেল ♥️	Natural language processing	হোটেল পর্যালোচনার মাধ্যমে অনুভূতি বিশ্লেষণ ২	Python	স্টিফেন
২১	টাইম সিরিজ পূর্বাভাসের পরিচিতি	Time series	টাইম সিরিজ পূর্বাভাসের পরিচিতি	Python	ফ্রানসেসকা
২২	⚡️ বিশ্ব শক্তি ব্যবহারের তথ্য ⚡️ - ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস	Time series	ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস	Python	ফ্রানসেসকা
২৩	⚡️ বিশ্ব শক্তি ব্যবহারের তথ্য ⚡️ - SVR দিয়ে টাইম সিরিজ পূর্বাভাস	Time series	Support Vector Regressor দিয়ে টাইম সিরিজ পূর্বাভাস	Python	অনির্বাণ
২৪	রিইনফোর্সমেন্ট লার্নিং-এর পরিচিতি	Reinforcement learning	Q-Learning সহ রিইনফোর্সমেন্ট লার্নিং-এর পরিচিতি	Python	দিমিত্রি
২৫	পিটারকে নেকড়ে থেকে বাঁচাতে সাহায্য করুন! 🐺	Reinforcement learning	রিইনফোর্সমেন্ট লার্নিং জিম	Python	দিমিত্রি
পোস্টস্ক্রিপ্ট	বাস্তব বিশ্বের মেশিন লার্নিং পরিস্থিতি ও প্রয়োগ	ML in the Wild	ক্লাসিকাল মেশিন লার্নিং-এর কিছু আকর্ষণীয় ও উদ্ঘাটনমূলক বাস্তব প্রয়োগ	Lesson	টিম
পোস্টস্ক্রিপ্ট	RAI ড্যাশবোর্ড ব্যবহার করে ML মডেল ডিবাগিং	ML in the Wild	রেসপন্সিবল AI ড্যাশবোর্ড কম্পোনেন্ট ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং	Lesson	রুথ যাকুবু

এই কোর্সের সকল অতিরিক্ত সম্পদ Microsoft Learn সংগ্রহে খুঁজুন

অফলাইন এক্সেস

আপনি Docsify ব্যবহার করে এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপোটি ফর্ক করুন, আপনার লোকাল মেশিনে Docsify ইনস্টল করুন, 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 পাবেন।

🎒 অন্যান্য কোর্স

আমাদের টিম অন্যান্য কোর্স তৈরি করে! দেখুন:

LangChain

Azure / Edge / MCP / Agents

Generative AI Series

মূল শেখা

কপিলট সিরিজ

সাহায্য পাওয়া

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।

যদি আপনার কোন পণ্যের মতামত বা তৈরি করার সময় ত্রুটি থাকে তবে এখানে যান:

দায়বদ্ধতা ব্যতিরেক:
এই নথিটি AI অনুবাদ সেবা 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।

46 KiB Raw Blame History Unescape Escape