38 KiB
🌐 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)
আমাদের কমিউনিটিতে যোগ দিন
আমাদের Discord-এ AI শিখুন সিরিজ চলছে। আরও জানুন এবং আমাদের সাথে যোগ দিন Learn with AI Series ১৮ - ৩০ সেপ্টেম্বর, ২০২৫। এখানে আপনি GitHub Copilot ব্যবহার করে ডেটা সায়েন্সের টিপস এবং কৌশল শিখতে পারবেন।
শিক্ষার্থীদের জন্য মেশিন লার্নিং - একটি পাঠ্যক্রম
🌍 বিশ্ব সংস্কৃতির মাধ্যমে মেশিন লার্নিং অন্বেষণ করতে আমাদের সাথে বিশ্ব ভ্রমণ করুন 🌍
Microsoft-এর Cloud Advocates আপনাদের জন্য ১২ সপ্তাহের, ২৬টি পাঠের একটি পাঠ্যক্রম নিয়ে এসেছে যা সম্পূর্ণ মেশিন লার্নিং নিয়ে। এই পাঠ্যক্রমে, আপনি ক্লাসিক মেশিন লার্নিং সম্পর্কে শিখবেন, যেখানে প্রধানত Scikit-learn লাইব্রেরি ব্যবহার করা হবে এবং ডিপ লার্নিং এড়িয়ে চলা হবে, যা আমাদের AI for Beginners' পাঠ্যক্রমে অন্তর্ভুক্ত রয়েছে। এই পাঠ্যক্রমটি আমাদের 'Data Science for Beginners' পাঠ্যক্রমের সাথে মিলিয়ে পড়ুন।
আমাদের সাথে বিশ্ব ভ্রমণ করুন এবং এই ক্লাসিক কৌশলগুলি 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, বিশেষ করে 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 ধাপগুলি অনুসরণ করুন:
- রিপোজিটরি ফর্ক করুন: এই পৃষ্ঠার উপরের ডান কোণে "Fork" বোতামে ক্লিক করুন।
- রিপোজিটরি ক্লোন করুন:
git clone https://github.com/microsoft/ML-For-Beginners.git
এই কোর্সের জন্য সমস্ত অতিরিক্ত সম্পদ আমাদের Microsoft Learn সংগ্রহে খুঁজুন
শিক্ষার্থীরা, এই পাঠ্যক্রমটি ব্যবহার করতে, সম্পূর্ণ রিপোজিটরি আপনার নিজস্ব GitHub অ্যাকাউন্টে ফর্ক করুন এবং একা বা একটি দলের সাথে অনুশীলনগুলি সম্পূর্ণ করুন:
- প্রাক-লেকচার কুইজ দিয়ে শুরু করুন।
- লেকচার পড়ুন এবং কার্যক্রম সম্পূর্ণ করুন, প্রতিটি জ্ঞান যাচাইয়ের সময় থামুন এবং চিন্তা করুন।
- পাঠগুলি বুঝে প্রকল্পগুলি তৈরি করার চেষ্টা করুন, সমাধান কোড চালানোর পরিবর্তে; তবে সেই কোডটি প্রতিটি প্রকল্প-ভিত্তিক পাঠের
/solutionফোল্ডারে উপলব্ধ। - পর-লেকচার কুইজ নিন।
- চ্যালেঞ্জ সম্পূর্ণ করুন।
- অ্যাসাইনমেন্ট সম্পূর্ণ করুন।
- একটি পাঠ গোষ্ঠী সম্পূর্ণ করার পরে, Discussion Board পরিদর্শন করুন এবং "শিখুন" PAT রুব্রিক পূরণ করে। একটি 'PAT' হল একটি Progress Assessment Tool যা আপনি আপনার শেখার উন্নত করতে পূরণ করেন। আপনি অন্যান্য PAT-এ প্রতিক্রিয়া জানাতে পারেন যাতে আমরা একসাথে শিখতে পারি।
আরও অধ্যয়নের জন্য, আমরা এই Microsoft Learn মডিউল এবং শেখার পথগুলি অনুসরণ করার সুপারিশ করি।
শিক্ষকগণ, আমরা এই পাঠ্যক্রমটি কীভাবে ব্যবহার করবেন তার জন্য কিছু পরামর্শ অন্তর্ভুক্ত করেছি।
ভিডিও ওয়াকথ্রু
কিছু পাঠ সংক্ষিপ্ত ভিডিও আকারে উপলব্ধ। আপনি এই ভিডিওগুলি পাঠের মধ্যে বা Microsoft Developer YouTube চ্যানেলে ML for Beginners প্লেলিস্টে দেখতে পারেন। নিচের ছবিতে ক্লিক করুন।
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 পাঠ্যক্রমটি তৈরি করার সময় দুটি শিক্ষাদান নীতি বেছে নিয়েছি: এটি হাতে-কলমে প্রকল্প-ভিত্তিক এবং এতে প্রায়শই কুইজ অন্তর্ভুক্ত রয়েছে। এছাড়াও, এই পাঠ্যক্রমে 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 ধারণাগুলির 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 পাঠ্যক্রমটি নমনীয় এবং মজাদার করার জন্য ডিজাইন করা হয়েছে এবং এটি সম্পূর্ণ বা আংশিকভাবে নেওয়া যেতে পারে। প্রকল্পগুলি ছোট থেকে শুরু হয় এবং ১২ সপ্তাহের চক্রের শেষে ক্রমশ জটিল হয়ে ওঠে। এই পাঠ্যক্রমে 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 পাঠ অন্তর্ভুক্ত করে
- ঐচ্ছিক স্কেচনোট
- ঐচ্ছিক সম্পূরক ভিডিও
- ভিডিও ওয়াকথ্রু (কিছু পাঠের জন্য)
- প্রাক-লেকচার ওয়ার্মআপ কুইজ
- লিখিত পাঠ
- প্রকল্প-ভিত্তিক পাঠের জন্য, প্রকল্পটি কীভাবে তৈরি করবেন তার ধাপে ধাপে নির্দেশিকা
- জ্ঞান যাচাই
- একটি চ্যালেঞ্জ
- সম্পূরক পাঠ্য
- অ্যাসাইনমেন্ট
- পর-লেকচার কুইজ
ভাষা সম্পর্কে একটি নোট: এই পাঠগুলি প্রধানত Python-এ লেখা হয়েছে, তবে অনেকগুলি R-এও উপলব্ধ। একটি R পাঠ সম্পূর্ণ করতে,
/solutionফোল্ডারে যান এবং R পাঠগুলি সন্ধান করুন। এগুলিতে একটি .rmd এক্সটেনশন রয়েছে যা R Markdown ফাইলকে উপস্থাপন করে যাMarkdown document-এcode chunks(R বা অন্যান্য ভাষার) এবং একটিYAML header(যা আউটপুট ফরম্যাট যেমন PDF নির্দেশ করে) এম্বেডিং হিসাবে সহজভাবে সংজ্ঞায়িত করা যেতে পারে। এটি ডেটা সায়েন্সের জন্য একটি উদাহরণমূলক লেখার কাঠামো হিসাবে কাজ করে কারণ এটি আপনাকে আপনার কোড, এর আউটপুট এবং আপনার চিন্তাভাবনাগুলি Markdown-এ লিখতে দেয়। তদ্ব্যতীত, R Markdown ডকুমেন্টগুলি 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। এগুলি পাঠের মধ্যে থেকে লিঙ্ক করা হয়েছে তবে কুইজ অ্যাপটি স্থানীয়ভাবে চালানো যেতে পারে;
quiz-appফোল্ডারে নির্দেশনা অনুসরণ করে এটি স্থানীয়ভাবে হোস্ট করুন বা Azure-এ ডিপ্লয় করুন।
| পাঠ নম্বর | বিষয় | পাঠের গোষ্ঠী | শেখার উদ্দেশ্য | লিঙ্ককৃত পাঠ | লেখক |
|---|---|---|---|---|---|
| 01 | মেশিন লার্নিং-এর পরিচিতি | Introduction | মেশিন লার্নিং-এর মৌলিক ধারণাগুলি শিখুন | Lesson | Muhammad |
| 02 | মেশিন লার্নিং-এর ইতিহাস | Introduction | এই ক্ষেত্রের অন্তর্নিহিত ইতিহাস শিখুন | Lesson | Jen এবং Amy |
| 03 | ন্যায্যতা এবং মেশিন লার্নিং | ভূমিকা | মেশিন লার্নিং মডেল তৈরি এবং প্রয়োগ করার সময় শিক্ষার্থীদের ন্যায্যতা নিয়ে কোন গুরুত্বপূর্ণ দার্শনিক বিষয়গুলো বিবেচনা করা উচিত? | পাঠ | Tomomi |
| 04 | মেশিন লার্নিংয়ের কৌশলসমূহ | ভূমিকা | মেশিন লার্নিং গবেষকরা মডেল তৈরি করতে কোন কৌশল ব্যবহার করেন? | পাঠ | Chris এবং Jen |
| 05 | রিগ্রেশন পরিচিতি | রিগ্রেশন | রিগ্রেশন মডেলের জন্য পাইথন এবং Scikit-learn দিয়ে শুরু করুন | Python • R | Jen • Eric Wanjau |
| 06 | উত্তর আমেরিকার কুমড়ার দাম 🎃 | রিগ্রেশন | মেশিন লার্নিংয়ের প্রস্তুতির জন্য ডেটা ভিজ্যুয়ালাইজ এবং পরিষ্কার করুন | Python • R | Jen • Eric Wanjau |
| 07 | উত্তর আমেরিকার কুমড়ার দাম 🎃 | রিগ্রেশন | লিনিয়ার এবং পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করুন | Python • R | Jen এবং Dmitry • Eric Wanjau |
| 08 | উত্তর আমেরিকার কুমড়ার দাম 🎃 | রিগ্রেশন | একটি লজিস্টিক রিগ্রেশন মডেল তৈরি করুন | Python • R | Jen • Eric Wanjau |
| 09 | একটি ওয়েব অ্যাপ 🔌 | ওয়েব অ্যাপ | আপনার প্রশিক্ষিত মডেল ব্যবহার করার জন্য একটি ওয়েব অ্যাপ তৈরি করুন | Python | Jen |
| 10 | শ্রেণীবিভাগের পরিচিতি | শ্রেণীবিভাগ | আপনার ডেটা পরিষ্কার, প্রস্তুত এবং ভিজ্যুয়ালাইজ করুন; শ্রেণীবিভাগের পরিচিতি | Python • R | Jen এবং Cassie • Eric Wanjau |
| 11 | সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜 | শ্রেণীবিভাগ | শ্রেণীবিভাজকের পরিচিতি | Python • R | Jen এবং Cassie • Eric Wanjau |
| 12 | সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜 | শ্রেণীবিভাগ | আরও শ্রেণীবিভাজক | Python • R | Jen এবং Cassie • Eric Wanjau |
| 13 | সুস্বাদু এশিয়ান এবং ভারতীয় খাবার 🍜 | শ্রেণীবিভাগ | আপনার মডেল ব্যবহার করে একটি সুপারিশকারী ওয়েব অ্যাপ তৈরি করুন | Python | Jen |
| 14 | ক্লাস্টারিং পরিচিতি | ক্লাস্টারিং | আপনার ডেটা পরিষ্কার, প্রস্তুত এবং ভিজ্যুয়ালাইজ করুন; ক্লাস্টারিংয়ের পরিচিতি | Python • R | Jen • Eric Wanjau |
| 15 | নাইজেরিয়ান সঙ্গীতের রুচি অন্বেষণ 🎧 | ক্লাস্টারিং | K-Means ক্লাস্টারিং পদ্ধতি অন্বেষণ করুন | Python • R | Jen • Eric Wanjau |
| 16 | প্রাকৃতিক ভাষা প্রক্রিয়াকরণের পরিচিতি ☕️ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ | একটি সাধারণ বট তৈরি করে NLP সম্পর্কে মৌলিক ধারণা শিখুন | Python | Stephen |
| 17 | সাধারণ NLP কাজ ☕️ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ | ভাষার গঠন নিয়ে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজগুলো বুঝে NLP জ্ঞান আরও গভীর করুন | Python | Stephen |
| 18 | অনুবাদ এবং অনুভূতি বিশ্লেষণ ♥️ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ | Jane Austen এর মাধ্যমে অনুবাদ এবং অনুভূতি বিশ্লেষণ | Python | Stephen |
| 19 | ইউরোপের রোমান্টিক হোটেল ♥️ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ | হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ১ | Python | Stephen |
| 20 | ইউরোপের রোমান্টিক হোটেল ♥️ | প্রাকৃতিক ভাষা প্রক্রিয়াকরণ | হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ২ | Python | Stephen |
| 21 | টাইম সিরিজ পূর্বাভাসের পরিচিতি | টাইম সিরিজ | টাইম সিরিজ পূর্বাভাসের পরিচিতি | Python | Francesca |
| 22 | ⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস | টাইম সিরিজ | ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস | Python | Francesca |
| 23 | ⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - SVR দিয়ে টাইম সিরিজ পূর্বাভাস | টাইম সিরিজ | Support Vector Regressor দিয়ে টাইম সিরিজ পূর্বাভাস | Python | Anirban |
| 24 | রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি | রিইনফোর্সমেন্ট লার্নিং | Q-Learning দিয়ে রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি | Python | Dmitry |
| 25 | পিটারকে নেকড়ে থেকে বাঁচাতে সাহায্য করুন! 🐺 | রিইনফোর্সমেন্ট লার্নিং | রিইনফোর্সমেন্ট লার্নিং জিম | Python | Dmitry |
| Postscript | বাস্তব জীবনের মেশিন লার্নিং পরিস্থিতি এবং প্রয়োগ | ML in the Wild | ক্লাসিকাল মেশিন লার্নিংয়ের আকর্ষণীয় এবং প্রকাশক বাস্তব জীবনের প্রয়োগ | পাঠ | Team |
| Postscript | RAI ড্যাশবোর্ড ব্যবহার করে মডেল ডিবাগিং | ML in the Wild | Responsible AI ড্যাশবোর্ড উপাদান ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং | পাঠ | Ruth Yakubu |
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 পোর্ট 3000-এ পরিবেশন করা হবে: localhost:3000।
PDFs
লিঙ্কসহ কারিকুলামের একটি পিডিএফ এখানে খুঁজুন।
🎒 অন্যান্য কোর্সসমূহ
আমাদের টিম অন্যান্য কোর্স তৈরি করে! দেখুন:
- Edge AI for Beginners
- AI Agents for Beginners
- 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 যথাসাধ্য সঠিকতার জন্য চেষ্টা করি, তবে অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। এর 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।