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 ৩: মেশিন লার্নিং কি? (৩০ মিনিট)

৩.৩. মেশিন লার্নিং এর কিছু ভাগ

Suppose you are providing solution to your kids for each and every situation in their life, it is called your kids are supervised. But, if your kids take their decisions out of their own understanding, it is called your kids are unsupervised.

-- Answer in Quora

শেখানোর ধারণায় মেশিন লার্নিংকে দুটো বড় ক্যাটাগরিতে ভাগ করা যায়। আমি আবারো বলছি - বড় দুটো ক্যাটাগরিতে।

১. “সুপারভাইজড” লার্নিং

২. “আন-সুপারভাইজড” লার্নিং

আগেও বলেছি মানুষ শেখে অভিজ্ঞতা থেকে। আমাদের মেশিন তো মানুষ থেকে আলাদা কিছু নয়। সেজন্য আমরা বলেছি - একটা সিস্টেম মানে মেশিনকে যদি শেখাতে হয়, তাহলে তার জন্য দরকার পুরনো অভিজ্ঞতা। আর মেশিনের জন্য পুরনো অভিজ্ঞতা হচ্ছে তার সম্পর্কিত ডাটা। এই ডাটা আবার দু'ধরনের হতে পারে। এক ধরণের ডাটা যাকে আমরা বলছি “লেবেলড” ডাটা, আরেক ধরনের ডাটা যেগুলো “লেবেলড” নয়।

লেবেলড ডাটা হচ্ছে - আপনার প্রশ্নের সাথে উত্তর দেয়া ডাটা। অর্থাৎ আপনার ডাটাকে লেবেল করা আছে উত্তরের সাথে। উত্তর কিন্তু “ক্লাসিফায়ার”। “ক্লাসিফাই” করা আছে “হ্যাঁ” অথবা “না” দিয়ে। ধরুন, আমাদের টাইটানিক প্রজেক্টের কথা। আমাদের জানতে হবে একজন যাত্রী - উনি বেঁচেছেন না মারা গিয়েছেন। আমাদের লেবেলড ডাটাসেটে “০” অথবা “১” দেয়া আছে। “০” মানে মারা গিয়েছেন। “১” মানে বেঁচে গিয়েছেন। একে আমরা বলছি “সুপারভাইজড” লার্নিং সিস্টেম। এটাই সবচেয়ে বেশি প্রচলিত সিস্টেম। আমাদের আশেপাশে সবকিছুই এই লার্নিং টেকনিকে চলছে। আমাদের বইটাও একেবারে “সুপারভাইজড” লার্নিংকে ঘিরে। আজকে যতো কাজ হচ্ছে মেশিন লার্নিংএ, তার প্রায় সবকিছু ঘটছে এই জিনিসকে ঘিরে।

“আন-সুপারভাইজড” লার্নিংএর কোন ‘লেবেলড’ ডাটা থাকে না। অর্থাৎ, শেখানোর মতো কোন ডাটা নেই। তার উত্তর আসে কিছুটা ক্লাস্টার হিসেবে। ক্লাস্টার মানে একটা গ্রূপ। বরং, সেই অ্যালগরিদম খুঁজে বের করে তার ভেতরে কোন লুকানো প্যাটার্ন আছে কি না। আমাদের সাধারণ কাজে এর ব্যবহার নেই বললেই চলে।

Previous৩.২. কেন দরকার মেশিন লার্নিং?Next৩.৪. শুরুর ধারণা - ডাটা নিয়ে

Last updated 5 years ago

Was this helpful?