বর্তমানে যেকোন ইঞ্জিনিয়ারিং বিভাগের জন্য মেশিন লার্নিং একটি গুরুত্বপূর্ণ বিষয় হয়ে দাঁড়িয়েছে। ডেটা অ্যানালাইসিস, ক্লাসিফিকেশন, প্রেডিকশনের জন্য এটা শেখা অত্যন্ত জরুরি। বিগ ডেটা, ডেটা সায়েন্স, আর্টিফিশিয়াল ইন্টেলিজেন্সের সাথে মেশিন লার্নিং ওতপ্রোতভাবে জড়িত। বর্তমানে সাধারণ ওয়েব অ্যাপ কিংবা মোবাইল ফোনেও ML এর বিভিন্ন থিওরি অ্যাপ্লাই করা হয় যাতে আপনার ব্যবহারকৃত অ্যাপ্লিকেশনটি আরও ইন্টেলিজেন্ট হয় এবং আপনার মনের কথা বোঝার ক্ষমতা অর্জন করতে পারে। সাধারণ অ্যাপ ও ML ইম্প্লিমেন্টেড অ্যাপের মধ্যে তফাৎ হল এই, সাধারণ অ্যাপ্লিকেশন সব সময় সাধারণই থাকবে কিন্তু ML ইম্প্লিমেন্টেড অ্যাপটি হবে অনন্যসাধারণ, প্রতিবার ব্যবহার করার পর আপনার মনে হবে অ্যাপটি যেন আরও ইন্টেলিজেন্ট হচ্ছে। তবে ML যে শুধু অ্যাপকে ইন্টেলিজেন্স দিতে পারে তাই নয়, রোগ নির্ণয় থেকে শুরু করে যেকোন ধরণের ক্লাসিফিকেশন ও প্রেডিকশনের জন্য ML এর জুড়ি নেই। এই কোর্সে মূলত মডেল তৈরির পাশাপাশি এর পিছনের ম্যাথমেটিক্সেরও ব্যাখ্যা যথাসাধ্য সাবলীল ভাষায় উপস্থাপন করা হবে।
আর্টিফিশিয়াল ইন্টেলিজেন্স, বিগ ডেটা, ডেটা মাইনিং এ আগ্রহী কিংবা মেশিন লার্নিং প্র্যাকটিশনার, ML হবিস্ট ও ML বিগিনারদের জন্য এই কোর্স। তবে যারা ম্যাথমেটিক্স এড়াতে চান তাও পারবেন, কারণ গাড়ি চালিয়ে কোথাও যাওয়ার জন্য ইঞ্জিন সম্পর্কে পুরোটা না জানলেও চলবে। কিন্তু যদি আপনার ইঞ্জিন সম্পর্কে ভাল ধারণা থাকে তাহলে সেই ইঞ্জিন পরিবর্তন করে আরও ভাল কিংবা খারাপ পারফর্মেন্স পেতে পারেন। আপনি যদি ডেভেলপার হন এবং মেশিন লার্নিং অ্যালগরিদম ব্যবহার করে আপনার অ্যাপকে আরও স্মার্ট করতে চান, পুরোপুরি ম্যাথ না বুঝলেও পারবেন।
- বেসিক পাইথন প্রোগ্রামিং*
- বেসিক MATLAB প্রোগ্রামিং*
- বেসিক JavaScript প্রোগ্রামিং*
- Pythonic Syntactic Sugar
- OOP Python পারলে সেটাকে প্লাস পয়েন্ট হিসেবে ধরা যাবে
- ক্যালকুলাস যদি জানা থাকে তাহলে ম্যাথেমটিক্যাল অ্যানালাইসিস ভাল বুঝতে পারবেন
- বেসিক পরিসংখ্যান জ্ঞান যেমন: Mean, Mode, Median, Variance, Co-Variance, Correlation, Standard Deviation...
মেশিন লার্নিং আসলে অনেক বিস্তৃত একটি বিষয়। একটি কোর্সে এটা কম্প্লিট করা সম্ভব নয়। প্রতিনিয়তই ভাল থেকে আরও ভাল মডেল বিল্ড করার পদ্ধতির রিসার্চ চলছে। এই কোর্সে মূলত আপনাকে মেশিন লার্নিংয়ের সাথে পরিচয় করিয়ে দেওয়া হবে, তবে অ্যাডভান্সড লেভেলে যেতে হবে আপনার নিজেরই। তাহলে টপিকগুলো এক নজরে দেখা যাক (সম্পূর্ণ টপিক পরে আপডেট করা হবে):
-
প্রয়োজনীয় সফটওয়্যার ইন্সটলেশন
- Anaconda Python Distribution ইন্সটলেশন
- PyCharm IDE এর সাথে পরিচয় ও ইন্সটলেশন
- Sublime Text 3 কে Python এর উপযোগী করে তোলা
-
মেশিন লার্নিং কিক স্টার্ট
- মেশিন লার্নিং কী?
- মেশিন লার্নিংয়ের প্রয়োগ কী?
- রিগ্রেশন কী?
- লিনিয়ার ও পলিনমিয়াল রিগ্রেসন কী?
- সিম্পল লিনিয়ার রিগ্রেশন এর মাধ্যমে প্রেডিকশন (Sklearn মডিউল ব্যবহার করে)
- সিম্পল লিনিয়ার রিগ্রেশন এর মাধ্যমে প্রেডিকশন (Scratch থেকে মডেল তৈরি করা)
-
মেশিন লার্নিং কিক স্টার্ট ২
- Supervised Learning
- Unsupervised Learning
-
দুইটা প্রয়োজনীয় প্রেডিকশন অ্যালগরিদম
- কেন এই দুইটা অ্যালগরিদম প্রয়োজনীয়?
- পেনালাইজড রিগ্রেশন মেথড (Penalized Regression Method) কী?
- এনসেম্বল মেথড (Ensemble Method) কী?
- কীভাবে অ্যালগরিদম সিলেক্ট করবেন?
- প্রেডিক্টিভ মডেল তৈরি করার সাধারণ রেসিপি
-
সমস্যা চিনুন ডেটাসেট চেনার মাধ্যমে
-
নতুন কোন সমস্যার ব্যবচ্ছেদ
- অ্যাট্রিবিউট ও লেবেল কী? সমার্থক শব্দগুলো কী কী?
- ডেটাসেট এর যেসব জিনিসের দিকে খেয়াল রাখতে হবে
-
মডেল ও Cost Function
- মডেল রিপ্রেজেন্টেশন
- Cost Function
- Cost Function Intuition - 1
- Cost Function Intuition - 2
-
Parameter লার্নিং
- গ্রেডিয়েন্ট ডিসেন্ট
- গ্রেডিয়েন্ট ডিসেন্ট ইনটুইশন
- লিনিয়ার রিগ্রেশনে গ্রেডিয়েন্ট ডিসেন্ট
-
চলবে...
-