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 করার সময় আমাদের সাথে ভ্রমণ করুন 🌍

Microsoft-এর Cloud Advocates আপনাদের জন্য ১২ সপ্তাহের, ২৬টি পাঠের একটি পাঠক্রম নিয়ে এসেছে যা সম্পূর্ণ মেশিন লার্নিং নিয়ে। এই পাঠক্রমে, আপনি ক্লাসিক মেশিন লার্নিং নামে পরিচিত বিষয়টি 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 লাগিয়ে নিন!

আমাদের সাথে বিশ্বজুড়ে ভ্রমণ করুন এবং এই ক্লাসিক কৌশলগুলো বিভিন্ন অঞ্চলের ডেটার উপর প্রয়োগ করুন। প্রতিটি পাঠে রয়েছে প্রাক-পাঠ এবং পর-পাঠ কুইজ, লিখিত নির্দেশনা, সমাধান, অ্যাসাইনমেন্ট এবং আরও অনেক কিছু। আমাদের প্রকল্প-ভিত্তিক শিক্ষাদান পদ্ধতি আপনাকে শেখার সময় তৈরি করতে সাহায্য করে, 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 বিষয়বস্তু 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 সমস্ত অতিরিক্ত সম্পদ Microsoft Learn সংগ্রহে খুঁজুন

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

• প্রাক-পাঠ কুইজ দিয়ে শুরু করুন।
• পাঠটি পড়ুন এবং কার্যক্রম সম্পন্ন করুন, প্রতিটি জ্ঞান যাচাইয়ের সময় বিরতি দিন এবং 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, Discussion Board-এ যান এবং "শিখুন" PAT রুব্রিক পূরণ করে। একটি 'PAT' হল একটি Progress Assessment Tool যা আপনি আপনার শেখার উন্নতির জন্য পূরণ করেন। আপনি অন্যান্য PAT-এ 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 বা Microsoft Developer YouTube চ্যানেলের ML for Beginners প্লেলিস্টে খুঁজে পেতে পারেন।

---

টিমের সাথে পরিচিত হন

Gif তৈরি করেছেন Mohit Jaisal

🎥 উপরের ছবিতে ক্লিক করুন প্রকল্প এবং যারা এটি তৈরি করেছেন তাদের সম্পর্কে একটি ভিডিও দেখতে!

---

শিক্ষাদান পদ্ধতি

আমরা এই পাঠক্রম তৈরি করার সময় দুটি শিক্ষাদান নীতি বেছে নিয়েছি: এটি হাতে-কলমে প্রকল্প-ভিত্তিক এবং এতে প্রায়শই কুইজ অন্তর্ভুক্ত রয়েছে। এছাড়াও, এই পাঠক্রমে একটি সাধারণ থিম রয়েছে যা এটিকে সংহতি প্রদান করে।

প্রকল্পের সাথে সামঞ্জস্য রেখে বিষয়বস্তু নিশ্চিত করার মাধ্যমে, শিক্ষার্থীদের জন্য প্রক্রিয়াটি আরও আকর্ষণীয় হয়ে ওঠে এবং ধারণার ধারণক্ষমতা বৃদ্ধি পায়। এছাড়াও, একটি ক্লাসের আগে একটি কম ঝুঁকির কুইজ শিক্ষার্থীর একটি বিষয় শেখার উদ্দেশ্য স্থাপন করে, যখন ক্লাসের পরে একটি দ্বিতীয় কুইজ আরও ধারণক্ষমতা নিশ্চিত করে। এই পাঠক্রমটি নমনীয় এবং মজাদার করার জন্য 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 ML-এর বাস্তব জীবনের প্রয়োগের উপর একটি পোস্টস্ক্রিপ্টও অন্তর্ভুক্ত রয়েছে, যা অতিরিক্ত ক্রেডিট হিসাবে বা আলোচনার ভিত্তি হিসাবে ব্যবহার করা যেতে পারে।

আমাদের Code of Conduct, Contributing, এবং Translation নির্দেশিকা খুঁজুন। আমরা আপনার গঠনমূলক প্রতিক্রিয়া স্বাগত জানাই!

প্রতিটি পাঠে অন্তর্ভুক্ত রয়েছে

• ঐচ্ছিক স্কেচনোট
• ঐচ্ছিক সম্পূরক ভিডিও
• ভিডিও ওয়াকথ্রু (কিছু পাঠে)
• প্রাক-পাঠ প্রস্তুতি কুইজ
• লিখিত পাঠ
• প্রকল্প-ভিত্তিক পাঠের জন্য, প্রকল্পটি কীভাবে তৈরি করবেন তার 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 পাঠগুলো খুঁজুন। এগুলোতে .rmd এক্সটেনশন রয়েছে যা R Markdown ফাইলকে উপস্থাপন করে যা কোড চাঙ্ক (R বা অন্যান্য ভাষার) এবং একটি YAML হেডার (যা আউটপুট যেমন PDF ফরম্যাট করার নির্দেশ দেয়) একটি Markdown ডকুমেন্ট-এ এম্বেডিং হিসাবে সংজ্ঞায়িত করা যেতে পারে। এটি ডেটা সায়েন্সের জন্য একটি উদাহরণমূলক 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 অন্তর্ভুক্ত রয়েছে, মোট ৫২টি কুইজ, প্রতিটিতে তিনটি প্রশ্ন। এগুলো পাঠের মধ্যে থেকে লিঙ্ক করা হয়েছে তবে কুইজ অ্যাপটি স্থানীয়ভাবে চালানো যেতে পারে; quiz-app ফোল্ডারে নির্দেশনা অনুসরণ করে এটি স্থানীয়ভাবে হোস্ট করুন বা Azure-এ ডিপ্লয় করুন।

পাঠ নম্বর	বিষয়	পাঠ গোষ্ঠী	শেখার উদ্দেশ্য	লিঙ্ককৃত পাঠ	লেখক
01	মেশিন লার্নিং-এর পরিচিতি	Introduction	মেশিন লার্নিং-এর মৌলিক ধারণাগুলো শিখুন	Lesson	Muhammad
02	মেশিন লার্নিং-এর ইতিহাস	Introduction	এই ক্ষেত্রের অন্তর্নিহিত ইতিহাস শিখুন	Lesson	Jen এবং Amy
03	মেশিন লার্নিং এবং ন্যায্যতা	Introduction	ন্যায্যতার চারপাশে গুরুত্বপূর্ণ দার্শনিক বিষয়গুলো কী যা শিক্ষার্থীদের ML মডেল তৈরি এবং প্রয়োগ করার সময় বিবেচনা করা উচিত?	Lesson	Tomomi
04	মেশিন লার্নিং-এর কৌশল	Introduction	ML গবেষকরা মডেল তৈরি করতে কী কৌশল ব্যবহার করেন?	Lesson	Chris এবং Jen
05	রিগ্রেশন পরিচিতি	Regression	রিগ্রেশন মডেলের জন্য পাইথন এবং স্কিকিট-লার্ন দিয়ে শুরু করুন

• [Python](2-Regression/1-Tools/README.md)
• [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)

|

• জেন
• এরিক ওয়ানজাউ

| | 06 | উত্তর আমেরিকার কুমড়ার দাম 🎃 | [Regression](2-Regression/README.md) | মেশিন লার্নিংয়ের প্রস্তুতির জন্য ডেটা ভিজুয়ালাইজ এবং পরিষ্কার করুন |

• [Python](2-Regression/2-Data/README.md)
• [R](../../2-Regression/2-Data/solution/R/lesson_2.html)

|

• জেন
• এরিক ওয়ানজাউ

| | 07 | উত্তর আমেরিকার কুমড়ার 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
• এরিক ওয়ানজাউ

| | 08 | উত্তর আমেরিকার কুমড়ার 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
• এরিক ওয়ানজাউ

| | 09 | 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 | | 10 | শ্রেণীবিভাগে পরিচিতি | [Classification](4-Classification/README.md) | আপনার ডেটা পরিষ্কার, প্রস্তুত এবং ভিজুয়ালাইজ করুন; শ্রেণীবিভাগে পরিচিতি |

• [Python](4-Classification/1-Introduction/README.md)
• [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
  • জেন এবং ক্যাসি
  • এরিক ওয়ানজাউ
  | | 11 | সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜 | [Classification](4-Classification/README.md) | শ্রেণীবিভাজকের পরিচিতি |
  • [Python](4-Classification/2-Classifiers-1/README.md)
  • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
    • জেন এবং ক্যাসি
    • এরিক ওয়ানজাউ
    | | 12 | সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜 | [Classification](4-Classification/README.md) | আরও শ্রেণীবিভাজক |
    • [Python](4-Classification/3-Classifiers-2/README.md)
    • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
      • জেন এবং ক্যাসি
      • এরিক ওয়ানজাউ
      | | 13 | সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜 | [Classification](4-Classification/README.md) | আপনার মডেল ব্যবহার করে একটি সুপারিশকারী ওয়েব অ্যাপ তৈরি করুন | [Python](4-Classification/4-Applied/README.md) | জেন | | 14 | ক্লাস্টারিংয়ে পরিচিতি | [Clustering](5-Clustering/README.md) | আপনার ডেটা পরিষ্কার, প্রস্তুত এবং ভিজুয়ালাইজ করুন; ক্লাস্টারিংয়ে পরিচিতি |
      • [Python](5-Clustering/1-Visualize/README.md)
      • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
        • জেন
        • এরিক ওয়ানজাউ
        | | 15 | নাইজেরিয়ান সঙ্গীতের রুচি অন্বেষণ 🎧 | [Clustering](5-Clustering/README.md) | কে-মিন্স 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 ওয়ানজাউ
          | | 16 | প্রাকৃতিক ভাষা প্রক্রিয়াকরণে পরিচিতি ☕️ | [Natural language processing](6-NLP/README.md) | একটি সাধারণ বট তৈরি করে NLP সম্পর্কে মৌলিক ধারণা শিখুন | [Python](6-NLP/1-Introduction-to-NLP/README.md) | স্টিফেন | | 17 | সাধারণ NLP কাজ ☕️ | [Natural language processing](6-NLP/README.md) | ভাষার কাঠামো নিয়ে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজগুলি বোঝার মাধ্যমে আপনার NLP জ্ঞান গভীর করুন | [Python](6-NLP/2-Tasks/README.md) | স্টিফেন | | 18 | অনুবাদ এবং অনুভূতি বিশ্লেষণ ♥️ | [Natural language processing](6-NLP/README.md) | জেন অস্টেনের সাথে অনুবাদ এবং অনুভূতি বিশ্লেষণ | [Python](6-NLP/3-Translation-Sentiment/README.md) | স্টিফেন | | 19 | ইউরোপের রোমান্টিক হোটেল ♥️ | [Natural language processing](6-NLP/README.md) | হোটেল রিভিউয়ের সাথে অনুভূতি বিশ্লেষণ ১ | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | স্টিফেন | | 20 | ইউরোপের রোমান্টিক হোটেল ♥️ | [Natural language processing](6-NLP/README.md) | হোটেল রিভিউয়ের সাথে অনুভূতি বিশ্লেষণ ২ | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | স্টিফেন | | 21 | টাইম সিরিজ পূর্বাভাসে পরিচিতি | [Time series](7-TimeSeries/README.md) | টাইম সিরিজ পূর্বাভাসে পরিচিতি | [Python](7-TimeSeries/1-Introduction/README.md) | ফ্রান্সেসকা | | 22 | ⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - ARIMA সহ টাইম সিরিজ পূর্বাভাস | [Time series](7-TimeSeries/README.md) | ARIMA সহ টাইম সিরিজ পূর্বাভাস | [Python](7-TimeSeries/2-ARIMA/README.md) | ফ্রান্সেসকা | | 23 | ⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - SVR সহ টাইম সিরিজ পূর্বাভাস | [Time series](7-TimeSeries/README.md) | সাপোর্ট ভেক্টর রিগ্রেসর সহ টাইম সিরিজ পূর্বাভাস | [Python](7-TimeSeries/3-SVR/README.md) | অনির্বাণ | | 24 | রিইনফোর্সমেন্ট লার্নিংয়ে পরিচিতি | [Reinforcement learning](8-Reinforcement/README.md) | কিউ-লার্নিং সহ রিইনফোর্সমেন্ট লার্নিংয়ে পরিচিতি | [Python](8-Reinforcement/1-QLearning/README.md) | দিমিত্রি | | 25 | পিটারকে নেকড়ে থেকে বাঁচান! 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | রিইনফোর্সমেন্ট লার্নিং জিম | [Python](8-Reinforcement/2-Gym/README.md) | দিমিত্রি | | Postscript | বাস্তব জীবনের মেশিন লার্নিং দৃশ্য এবং প্রয়োগ | [ML in the Wild](9-Real-World/README.md) | ক্লাসিক্যাল মেশিন লার্নিংয়ের আকর্ষণীয় এবং প্রকাশক বাস্তব জীবনের প্রয়োগ | [Lesson](9-Real-World/1-Applications/README.md) | টিম | | Postscript | RAI ড্যাশবোর্ড ব্যবহার করে মডেল ডিবাগিং | [ML in the Wild](9-Real-World/README.md) | রেসপন্সিবল এআই ড্যাশবোর্ড কম্পোনেন্ট ব্যবহার করে মেশিন লার্নিংয়ে মডেল ডিবাগিং | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | রুথ ইয়াকুব |

          এই কোর্সের জন্য সমস্ত অতিরিক্ত সম্পদ আমাদের Microsoft Learn সংগ্রহে খুঁজুন

          অফলাইন অ্যাক্সেস

          আপনি Docsify ব্যবহার করে এই ডকুমেন্টেশনটি 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 পোর্ট ৩০০০-এ পরিবেশন করা হবে: localhost:3000।

          পিডিএফ

          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 অনুবাদ প্রদানের 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 তার জন্য দায়ী থাকব না।