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

১.৮. মেশিন লার্নিং ব্যবহারে এগিয়ে যে ইন্ডাস্ট্রিগুলো

If we have data, let’s look at data. If all we have are opinions, let’s go with mine.

– Jim Barksdale

কথা হয় অনেকের সাথে। একটা ব্লগ সিরিজ লেখার পর থেকে। বিশেষ করে এই ‘আর্টিফিসিয়াল ইন্টেলিজেন্স’ নিয়ে। প্রশ্ন থাকে অনেকের। বেসিক কিছু বিষয় নিয়ে। একটা কমন প্রশ্ন নিয়ে বলি বরং। প্রশ্নটা কিছুটা এমন – ‘এআই’য়ের প্রসার বেশি কোন ‘ডোমেইনে’? বিভিন্ন জ্ঞানভিত্তিক ‘ডোমেইন’য়ের ভাগটা আসে ওই একেকটা সেক্টর থেকে। অনেকের ভাষায় – ‘আর্টিফিসিয়াল ইন্টেলিজেন্স’ থেকে লাভ পাচ্ছে কোন ইন্ডাস্ট্রি? অথবা ‘এআই’য়ের সুবিধা নিচ্ছে কোন পার্টি? এই সময়ে?

চমৎকার প্রশ্ন। ‘কমিউনিকেশন সিকিউরিটি’ নিয়ে কাজ করি বলে এই জায়গার প্রসার চোখে পড়ে বেশি। আবার, পিছিয়ে নেই কিন্তু কম্পিউটার ‘গেমস ইন্ডাস্ট্রি’। আত্মীয় স্বজন ‘হেলথ কেয়ার’য়ে আছেন বলে শুনতে পাই ওদিকের হাজারো অ্যাপ্লিকেশনের গল্প। ওই ইন্ডাস্ট্রিকে ঘিরে। আমার চোখে একটা সমস্যা ধরা পড়ে ২০০০ সালে। অদ্ভুদ একটা সমস্যা। চোখের রেটিনার নিচে পানি জমে গিয়েছিলো ওই সময়ে। এরপর থেকেই স্বভাবতই চোখের দৃষ্টির কার্যকরিতা কমতে থাকে। ওই সময় লেজার ট্রিটমেন্টে সেই পানি জমে যাওয়াটা কিছুটা বন্ধ করা গেলেও লেজার এর পার্শ্বপ্রতিক্রিয়ায় ক্ষতি হয়ে যায় আশেপাশের অংশ। সময় থেকে দেখা গেছে এই লেজার ট্রিটমেন্ট আসলে যুৎসই কিছু নয়। তবে একটা সময় পরপর রেটিনার ভেতরের অবস্থা জানার জন্য ছবি নিতে হয় এর ভেতরে। রেটিনার ভেতরে ছবি নেবার জন্য বেশ কিছু প্রযুক্তি থাকলেও ফ্লুরোসেন্ট এনজিওগ্রাফটা বেশ জনপ্রিয়। চোখের ভেতরের ওই ছবিটা দেখলেই বোঝা যায় রেটিনার নিচে আবার পানি জমেছে কিনা। পানি জমলে তখন অবস্থা বুঝে ব্যবস্থা। ডাক্তারের অভিজ্ঞ চোখের মতো সাধারণ মানুষের চোখে সেই পানি জমার ব্যাপারটা ধরা পড়বেনা সেভাবে। তারমানে একজন অভিজ্ঞ ডাক্তারই বোঝেন সেই এনজিওগ্রাফ থেকে। সেখানে আসলে পানি জমেছে কিনা।

ধরা যাক একটা হাড় ভাঙ্গা পায়ের এক্স-রে’র কথা। দশটা এক্স-রে ফিল্ম দেখিয়ে একজন ডাক্তার যদি বুঝিয়ে দেন কোনটা ভাঙ্গা আর ভাঙ্গা নয়, তাহলে একজন সাধারণ মানুষ হিসেবে আমরাও বলতে পারবো একই জিনিস মোটাদাগে। হাজারটা এক্স-রে দেখলে আমরাও বুঝতে পারবো অনেকটা ডাক্তারের মতো। তারমানে, আমরা হাজারটা ফিল্ম দেখে একটা ধারণা করছি মানুষের শরীরের সেই হাড় ভাঙ্গা কিনা। এটার অ্যাক্যুরেসি বাড়ছে এক্স-রে ফিল্ম দেখার সংখ্যার ওপর। বুঝতেই পারছেন এটা একটা ইমেজ ক্লাসিফিকেশন সমস্যা। বেড়ালের ছবির মতো। সে বেড়াল নাকি বেড়াল না। সেভাবে রেটিনার এনজিওগ্রাফ থেকে বোঝা যাবে চোখের নিচে পানি জমেছে অথবা জমেনি। অভিজ্ঞ ডাক্তার কিভাবে সেটা বলতে পারবেন সেটাও নির্ভর করছে হাজারো এনজিওগ্রাফি এর ছবি দেখে। যত বেশি এনজিওগ্রাফি দেখবেন ততোই অভিজ্ঞ সেই ডাক্তার। যিনি হাজারটা এনজিওগ্রাফ ছবি দেখবেন তার থেকে আরো অভিজ্ঞ হবেন যিনি লক্ষাধিক ছবি দেখছেন।

সমস্যা একটাই। আমি নিজেও দুমাস ধরে অ্যাপয়েন্টমেন্ট পাচ্ছি না সেরকম একজন ডাক্তারের। যেহেতু উনি অনেক অভিজ্ঞ - উনার চাহিদাও অনেক বেশি। এই সমস্যাটা কিন্তু ঘটবে না মেশিনের জায়গায়। হয়তোবা আমার ডাক্তার - উনি তার এই অভিজ্ঞতা পেয়েছেন এক লক্ষ ছবি দেখে। তার পুরো জীবনকালে। সেখানে একটা মেশিনকে খুব সহজেই দেখানো যাবে বিলিয়ন বিলিয়ন এনজিওগ্রাফি। অল্প সময়ের মধ্যে। বুঝতেই পারছেন - সেই মেশিনের রেস্ট দরকার নেই মানুষের মতো। সেই মেশিন তাই আরো দক্ষ হয়ে উঠবেন একজন মানুষ ডাক্তার থেকে। মানুষ ডাক্তারের অনেক সমস্যা থাকবে যেটা মেশিনের না থাকার সম্ভাবনা বেশি। মানুষের কিছু বায়াস সমস্যা থাকবে, যেটা মেশিনের জন্য কাজ করবে কম। মেশিন হয়তোবা মিষ্টি মিষ্টি কথা বলবে না, তবে সেটা আমরা ছেড়ে দেবো মানুষ ডাক্তারের ওপর।

এদিকে ফাটিয়ে দিচ্ছে ‘এন্টারটেইনমেন্ট’ ইন্ডাস্ট্রি। প্রচুর অ্যানিমেশন, আরো কতো কি! নায়ক নায়িকার নিখুঁত চেহারা দেখলে ধক করে ওঠে বুক। ভবিষ্যতে কি করলে আমার কিছু রোজগার হবে - সেধরণের পার্সোনাল ফিনান্সিয়াল সার্ভিস এসেছে এই 'এআই' নিয়ে। কোম্পানিগুলো জানে আপনি কি কিনছেন কাল। আগে থেকেই। আর কি গছাতে হবে আমাকে আপনাকে।

যে যাই বলুক, আমার মতে – দৃশ্যমান পরিবর্তন এসেছে একটা ইন্ডাস্ট্রিতে। ব্যাপারটাকে ‘সিরিয়াসলি’ নিয়েছে হাই-টেক ইন্ডাস্ট্রিগুলো। ভেতরে ভেতরে চালানো টেস্টগুলোর ‘রেজাল্ট’ অভাবনীয়। আর তাই বিলিয়ন ডলার ইনভেস্টমেন্ট আসছে মাইন্ডসেট পাল্টাতে। মানুষের। আমাদের রেগুলেটরদের। টেস্টগুলো দেখিয়েছে দুটো জিনিস। যন্ত্রের পারফরমেন্স ভালো আমাদের মতো মানুষ থেকে। আর, ওই যন্ত্রের কাছে ‘মানুষের নিরাপত্তা’ মানুষ থেকে অনেক বেশি।

ঠিক ধরেছেন। ট্রান্সপোর্টেশন ইন্ডাস্ট্রি। সেলফ ড্রাইভিং কার।

আর তাই শেখা হয়নি ড্রাইভিং। ভালোভাবে। চালানোর মতো। এই ঢাকার রাস্তায়। ড্রাইভিং হচ্ছে ‘লো-টেক’ কাজ। ওটা করবে যন্ত্র। আমাদের মতো করে। আর আমরা যাবো পৃথিবীর সমান ওই সাতটা গ্রহে। বেড়াতে। জানতে। উত্তর খুঁজতে – কেন এসেছি দুনিয়ায়?

সইছে না যে তর।

Previous১.৭. আর্টিফিসিয়াল ইন্টেলিজেন্স - মেশিন লার্নিংএর প্রসারNextপর্ব ২: ডাটা থেকে ভবিষ্যৎ দেখার ধারণা

Last updated 6 years ago

Was this helpful?