হাতে কলমে মেশিন লার্নিং
  • হাতেকলমে মেশিন লার্নিং
  • উৎসর্গ
  • প্রথম পাতা
  • মুখবন্ধ
  • কৃতজ্ঞতা
  • কাদের জন্য বইটা?
  • কাদের জন্য নয়
  • কিভাবে পড়বেন বইটা?
  • পর্ব ১: পাল্টে যাবার ঘটনা
    • ১.১. সিডিসি’র ওয়ার্নিং
    • ১.২. ইন্টারকানেকশন কস্ট মডেলিং
    • ১.৩. মানুষের পাশে ডাটা
    • ১.৪. গুগল ফটোজ, টেক্সট টু স্পিচ
    • ১.৫. সরকারি ওপেন ডাটা
    • ১.৬ প্রাইভেট সেক্টর + পাবলিক সেক্টর (ডাটা শেয়ারিং)
    • ১.৭. আর্টিফিসিয়াল ইন্টেলিজেন্স - মেশিন লার্নিংএর প্রসার
    • ১.৮. মেশিন লার্নিং ব্যবহারে এগিয়ে যে ইন্ডাস্ট্রিগুলো
  • পর্ব ২: ডাটা থেকে ভবিষ্যৎ দেখার ধারণা
    • ২.১. মেশিন লার্নিং হ্যাক
    • ২.২. ভবিষ্যৎ দেখার ধারণা + ডাটার গল্প বলার ক্ষমতা
    • ২.৩. মৃত্যু অ্যালগরিদম
    • ২.৪. দেশের নীতিনির্ধারণী ড্যাশবোর্ড
  • পর্ব ৩: মেশিন লার্নিং কি? (৩০ মিনিট)
    • ৩.১. মেশিন লার্নিং জিনিসটা কি?
    • ৩.২. কেন দরকার মেশিন লার্নিং?
    • ৩.৩. মেশিন লার্নিং এর কিছু ভাগ
    • ৩.৪. শুরুর ধারণা - ডাটা নিয়ে
    • ৩.৫. ডাটার তত্ব আর তার প্রসেস
    • ৩.৬. কিভাবে শিখবেন?
  • পর্ব ৪: ক্যাগল প্রতিযোগিতা (৪ সপ্তাহ-৬ সপ্তাহ)
    • ৪.১. ‘ক্যাগল’ কি? আর দরকারই বা কেন?
    • ৪.২. কি করতে হবে ক্যাগলে?
    • ৪.৩. থিওরি বাদ, কেন প্রজেক্ট দিয়ে শুরু?
    • ৪.৪. কেন শুরুতেই ‘আর’ প্রোগ্রামিং এনভায়রনমেন্ট?
    • ৪.৫. মেশিন লার্নিং কমিউনিটি
    • ৪.৬. ক্যাগল কার্নাল এবং অনলাইন হোস্টেড স্ক্রিপ্ট
  • পর্ব ৫: "আর" এনভায়রনমেন্ট
    • ৫.১. "আর" + "আর" ষ্টুডিও
    • ৫.২. "আর" ষ্টুডিওর কিছু খুঁটিনাটি
    • ৫.৩. প্রজেক্ট টাইটানিক + 'আর' ষ্টুডিও
    • ৫.৪. প্রজেক্টের গিটহাব স্ক্রিপ্ট
  • পর্ব ৬: প্রজেক্ট টাইটানিক: বিপর্যয়ে মেশিন লার্নিং
    • ৬.১. টাইটানিকের গল্প
    • ৬.২. কেন প্রজেক্ট" টাইটানিক "? ডাটা কোথায়?
    • ৬.৩. ‘ট্রেনিং’ আর ‘টেস্ট’ ডাটা সেট
    • ৬.৪. ক্যাগলের কোন কোন কার্নাল?
    • ৬.৫. "আর" স্টুডিওতে ডাটা লোড
    • ৬.৬. মেন্যু দিয়ে নাকি স্ক্রিপ্ট ভালো ?
  • পর্ব ৭: প্রেডিকশন
    • ৭.১. প্রথম প্রেডিকশন
    • ৭.২. ডাটা ভিজ্যুয়ালাইজেশন
    • ৭.৩. দ্বিতীয় প্রেডিকশন
    • ৭.৪. তৃতীয় প্রেডিকশন
    • ৭.৫. ডিসিশন ট্রি
    • ৭.৬. চতুর্থ প্রেডিকশন (মেশিন লার্নিং)
    • ৭.৭. পঞ্চম প্রেডিকশন (ফিচার ইঞ্জিনিয়ারিং)
    • ৭.৮. ডাটা প্রি-প্রসেসিং, ডাটা ক্লিনিং এবং ষষ্ঠ প্রেডিকশন
    • ৭.৯. সপ্তম প্রেডিকশন (র‌্যান্ডম ফরেস্ট)
  • পর্ব ৮: কি আছে সামনে?
    • ৮.১. কি শিখলাম আমরা?
    • ৮.২. কোথায় যাচ্ছি এর পর?
    • ৮.৩. সামনের বই
    • ৮.৪. যোগাযোগের মাধ্যম
  • পর্ব ৯: পাইথনে টাইটানিক প্রজেক্ট
    • জুপিটারে প্রজেক্ট টাইটানিক
  • একটা ট্রেনিং প্রোগ্রাম
Powered by GitBook
On this page

Was this helpful?

  1. পর্ব ১: পাল্টে যাবার ঘটনা

১.৫. সরকারি ওপেন ডাটা

প্রযুক্তির মার্ভেল দেখাচ্ছে সবাই। আর দেখাবেই না কেন? মানুষ তো তুলে দিয়েছে তার সবকিছু ইন্টারনেটে। ক্লাউডে। সোশ্যাল মিডিয়াতে। তার সব মতামত। তার পছন্দের অপছন্দের খবর। কোন ঘরানার মানুষ সে। কোন রেস্টুরেন্টে যাওয়া পড়ে বেশি। সেটার সুবিধা নিচ্ছে বুদ্ধিমান কোম্পানিগুলো। কেন নয়? আমি যদি দরকার মতো প্রোডাক্ট খুঁজতে পারি ইন্টারনেটে, সে নয় কেন? সেও খুঁজছে প্রোডাক্ট। আমার আপনার মতো।

কখনো ভেবেছেন গুগল ম্যাপ কিভাবে জানে এতো ট্রাফিক ইনফরমেশন?

অথবা,

ও কিভাবে জানে আপনার দেরি হচ্ছে তিন মিনিট? কিভাবে বের করছে ফাস্টেস্ট রুট? গুগল ম্যাপে। অথবা উবারে?

আমরা পারছি না কেন ওই জিনিস? ট্রাফিক জ্যাম কমাতে? নিজেদের? নিজেদের বাস সার্ভিসে? বাসা থেকে বের হবার আগে দেখে নিতে – কোন বাসটা আসছে মিরপুর দশ নম্বরে? পাঁচ মিনিটের মধ্যে।

ডাটার ক্ষমতা অনেক। বিশেষ করে 'ওপেন ডাটা'। ছড়িয়ে ছিটিয়ে আছে বিভিন্ন সরকারী সাইটে। বিভিন্ন অ্যানুয়াল রিপোর্টে। এই ডাটা নিয়ে বুদ্ধিমান সরকারগুলো পাল্টাচ্ছে নিজেদের সব ‘রদ্দি’ নীতিমালা। সবার কথা, যেই নীতিমালার আউটকাম নেই বললেই চলে, সেটাকে পাল্টে ফেলা ভালো। তো, জানবেন কিভাবে কোন নীতিমালা কাজ করছে ওই দেশে? আর কোনটা না? বিগ ডাটা অ্যানালাইসিস। পাঁচ দশ বছরের ডাটা ফেলেই দেখুন না – কি করে সেটা? মাথা ঘুরতে থাকবে সারাদিন।

মজার কথা হচ্ছে দেশগুলোর সরকারী ডাটার ৯৭ শতাংশই ওপেন ডাটা। মানে, ব্যবহার করতে পারে সবাই। আর সেটা করা হয়েছে জনগনের সুবিধার কথা চিন্তা করেই। সরকারগুলো তাদের সব পাবলিক ডাটা নিয়ে তৈরি করছে আলাদা অ্যানালাইটিক্স। গুগল করুন “গভর্নমেন্ট ওপেন পাবলিক ডাটা”। প্রতিটা নীতিমালার আউটকাম দেখা যায় আগে থেকেই। বাস্তবায়ন করার আগেই। পুরোনো ডাটা থেকে। মডেলিং করে। দেশগুলো রক্ষা পায় টাকা নষ্ট হবার হাত থেকে। আমাদের দেশেও শুরু হয়েছে এই ওপেন ডাটার সাইট।

ধরুন, ‘ক’ দেশের সরকার চিন্তা করলেন টিফিন দেয়া হবে স্কুলে। বাচ্চাদের ছোটবেলার পুষ্টির কথা চিন্তা করে। স্কুলে উপস্থিতি বাড়াতে। সরকার সামান্য ইনভেস্টও করলেন ব্যাপারটাতে। এখন, ৫০ বছর পর দেখতে চাইলেন ওই সামান্য নীতিমালার প্রভাব কতটুকু পড়েছে দেশের পুরো জনগোষ্ঠী ওপর। এখন আমরা জানি ওই ‘টিফিন’ দেশগুলো কোথায় আছে সবকিছুতে।

বিগ ডাটা অ্যানালাইসিস কাজে লাগিয়ে সবচেয়ে স্মার্ট বাচ্চাগুলোকে ‘ট্র্যাক’ করতে পারি স্কুল থেকেই। পরীক্ষার সব ডাটা কিন্তু ওপেন। ওদেরকে ‘ট্রেইন’ করতে পারি ছোট থেকেই। লিডারশীপ রোলে। সন্তর্পনে। কে কোন বিষয়ে ভালো খারাপ করছে সেটাও থাকবে নজরদারিতে। যারা ওই ছোটবেলা থেকে তৈরি করতে পারবে ‘ভ্যালু’, সমাজের জন্য – তাদের পেছনে ইনভেস্ট করবে সরকার।

Previous১.৪. গুগল ফটোজ, টেক্সট টু স্পিচNext১.৬ প্রাইভেট সেক্টর + পাবলিক সেক্টর (ডাটা শেয়ারিং)

Last updated 5 years ago

Was this helpful?