 |
| What is Machine Learning |
মেশিন লার্নিং কাকে বলে? মেশিন লার্নিং কত প্রকার ও কি কি: মেশিন লার্নিং হলো কৃত্তিম বুদ্ধিমত্তার একটি শাখা যা কম্পিউটার বা কোনো সিস্টেম গুলিকে কোনো প্রোগ্রামিং ছাড়াই শুধুমাত্র ডাটা থেকে শিখতে এবং উন্নত করতে পারে. ডেটাতে Pattarn এবং পারস্পরিক সম্পর্ক বিশ্লেষণ করে,মেশিন লার্নিং মডেল গুলি ভবিষদ্বাণী করতে পারে , তথ্যকে শ্রেণী বদ্ধ করতে পারে.
আজকে এই পোস্টে Machine Learning (ML) সম্পর্কে সমস্ত তথ্য আলোচনা করব যেমন্, মেশিন লার্নিং কি, মেশিন লার্নিং কত প্রকার, ML এর ব্যবহার ইত্যাদি .
মেশিন লার্নিং কাকে বলে ? What is Machine Learning in Bangla
মেশিন লার্নিং হল এমন এক ধরনের কৃত্রিম বুদ্ধিমত্তা, যেখানে কম্পিউটার সিস্টেমগুলিকে বিশাল পরিমাণ ডেটা ও তাকে বিশ্লেষন করে তা থেকে শেখার ক্ষমতা দেওয়া হয়। সহজ কথায়, মেশিন লার্নিং মানে কম্পিউটার কোন বিশেষ প্রোগ্রামিং ছাড়াই নিজে থেকেই শিখতে এবং ভবিষ্যদ্বাণী করতে পারে।
উদাহরণ: ধরুন আপনার কাছে অনেক ইমেল আছে এবং আপনি সেগুলিকে "Spam" এবং "Non-Spam"-এ দুটি আলাদা আলাদা করতে চান। মেশিন লার্নিং ব্যবহার করে, আপনি একটি মডেল তৈরি করতে পারেন যা বিশাল ও পুরানো ইমেল ডেটা থেকে শিখে যে, Spam ইমেলগুলি কেমন দেখায় হয়, কি কি লেখা থাকে ইত্যাদি বিশ্লেষণ করে এবং তারপরে নতুন ইমেলগুলিকে সঠিকভাবে শ্রেণীবদ্ধ করতে পারে৷
মেশিন লার্নিং কত প্রকার ও কি কি? -Types of Machine Learning in Bangla
 |
| Types of Machine Learning |
মেশিন লার্নিং চার ধরনের হয় যথা,
● Supervised Machine Learning
●
Unsupervised Machine Learning
●
Semi-Supervised Machine Learning
● Reinforcement Machine Learning
ব্যাখ্যা :
1. Supervised Learning: এতে
মডেলটিকে ইতিমধ্যেই লেবেল করা ডেটা দিয়ে প্রশিক্ষণ দেওয়া হয়।
2.
Unsupervised Learning:
এতে মডেলটিকে লেবেলবিহীন ডেটা থেকে প্যাটার্ন চিনতে
প্রশিক্ষণ দেওয়া হয়।
3.
Reinforcement Learning:
এতে
মডেলটিকে একটি লক্ষ্য অর্জনের জন্য পুরস্কৃত করা হয় এবং এটি তার অভিজ্ঞতা থেকে
শেখে।
4.
Semi-Supervised Learning
কিছু
ডেটা লেবেলযুক্ত এবং কিছু লেবেলবিহীন। মেশিন এই উভয় ধরনের ডেটা থেকে শেখে।
মেশিন লার্নিং কয় ধরনের ও কী কী?
মেশিন লার্নিং (Machine Learning)এর চারটি প্রধান ধরন রয়েছে:-
 |
| Machine Learning Types in Bengali |
1.সুপারভাইজড লার্নিং, (Supervised Learning)
2 . আন-সুপারভাইজড লার্নিং, (Unsupervised Learning)
3.
সেমি-সুপারভাইজড লার্নিং (Semi-Supervised Learning)
4.
রিইনফোর্সমেন্ট লার্নিং (Reinforcement Learning)
1. সুপারভাইজডমেশিন লার্নিং কাকে বলে? What is Supervised Machine Learning in Bangla
এই ধরনের লার্নিং এ মেশিন কে আগে থেকে labeled (Pre Labeled)করা তথ্য দেওয়া হয় অর্থাৎ যেগুলোতে আগে থেকে উত্তর দেওয়া থাকে, এমন ডাটা দেওয়া হয়। যার ফলে মেশিন সহজে ও সঠিক উত্তরে পৌঁছাতে এবং শিখতে পারে।
উদাহরণ:
আপনি যদি এমন একটি মডেল তৈরি করতে চান যা Spam এবং Non-Spam (স্বাভাবিক) ইমেলের মধ্যে পার্থক্য করতে পারে, তাহলে আপনাকে এটিকে অনেকগুলি ইমেল এর ডেটা দিতে হবে যেখানে আগে থেকেই "Spam" বা "Non-Spam" গুলোর চিহ্নিত ট্যাগ করা আছে৷ .
ব্যবহার:
Supervised learning is used in email spam filtering, facial recognition, medical diagnosis, etc.
2. আন-সুপারভাইজড মেশিন লার্নিং কাকে বলে? - What is Unsupervised Machine Learning in Bengali
এই ধরনের মেশিনটিকে কোনো লেবেল বা উত্তর ছাড়াই ডেটা দেওয়া হয়। যাতে সে ডাটা র মধ্যে এটি প্যাটার্ন খুঁজে পেতে এবং বিভিন্ন গ্রুপে ডেটা ভাগ করতে পারে।
উদাহরণ: ধরা যাক আপনার কাছে একটি শপিং ওয়েবসাইটে গ্রাহকের ডেটা আছে, কিন্তু তাদের কোনো লেবেল নেই। মেশিনটি গ্রাহকদের তাদের ক্রয় পদ্ধতির উপর ভিত্তি করে বিভিন্ন গ্রুপে বিভক্ত করার জন্য এই ডেটা ব্যবহার করতে পারে, যেমন একটি গ্রুপ এমন লোক যারা মোবাইল কিনবে এবং অন্য গ্রুপ তারা হবে যারা কাপড় কিনবে।
ব্যবহার:
Uses: Unsupervised learning is used in customer segmentation, anomaly detection, and marketing.।
3. সেমি-সুপারভাইজড মেশিন লার্নিং কাকে বলে? - What is Semi-Supervised Machine Learning in Bangla
এই ধরনের লার্নিং এ কিছু ডেটা লেবেলযুক্ত করা হয় অর্থাৎ আগে থেকেই কিছুর উত্তর দেওয়া হয় এবং বাকিগুলি লেবেলবিহীন থাকে। যখন অল্প পরিমাণে লেবেলযুক্ত ডেটা এবং প্রচুর পরিমাণে লেবেলবিহীন ডেটা থাকে তখন এই মেশিন সেখান থেকে labeled করা ডাটা আলাদা করতে পারে।
উদাহরণ: ধরুন আপনার হাজার হাজার মেডিক্যাল ছবি আছে, কিন্তু তার মধ্যে মাত্র কয়েকটিতে ডাক্তার দ্বারা ট্যাগ করা রোগ আছে। এখন মডেলটি লেবেলযুক্ত এবং লেবেলবিহীন উভয় ডেটা ব্যবহার করে শিখতে পারে।
ব্যবহার: আধা-তত্ত্বাবধানে শিক্ষা মেডিকেল ইমেজ বিশ্লেষণ, বক্তৃতা স্বীকৃতি, এবং ওয়েব বিষয়বস্তু শ্রেণীকরণে ব্যবহৃত হয়।
4. রিইনফোর্সমেন্ট মেশিন লার্নিং কাকে বলে? - What is Reinforcement Machine Learning in Bangla
রিইনফোর্সমেন্ট লার্নিং-এ, মেশিনটি নিজে থেকেই একটি লক্ষ্য অর্জন করতে শেখে এবং প্রক্রিয়ায় সঠিক ও ভুল সিদ্ধান্তের জন্য পুরস্কার বা শাস্তি পায়। এই প্রক্রিয়ার মাধ্যমে মেশিন আরও ভালো সিদ্ধান্ত নিতে শেখে।
উদাহরণ: শক্তিবৃদ্ধি শেখার একটি জনপ্রিয় উদাহরণ হল বট যা বিভিন্ন গেম খেলে, যেমন দাবা বা Puzzle game ইত্যাদি।
মেশিন টি খেলার প্রতিটি ধাপে শিখে যায় যে, কোন ধাপটি এটিকে জয়ের কাছাকাছি নিয়ে যাবে এবং কোনটি নয়।
ব্যবহার: রিইনফোর্সমেন্ট লার্নিং রোবোটিক্স, স্বয়ংক্রিয় ড্রাইভিং (স্ব-চালিত যানবাহন) এবং আর্থিক ব্যবসায় ব্যবহৃত হয়।
এই চার প্রকার বিভিন্ন পরিস্থিতিতে এবং উদ্দেশ্য অনুসারে ব্যবহার করা হয়, যাতে মেশিনটি তার অভিজ্ঞতা থেকে শিখতে পারে এবং আরও ভাল সিদ্ধান্ত নিতে পারে।
মেশিন লার্নিং ইঞ্জিনিয়ার কি? - What is Machine Learning Engineer in Bangla
মেশিন লার্নিং ইঞ্জিনিয়ার হল এমন একটি ক্ষেত্র যেখানে কম্পিউটার সিস্টেমগুলিকে ডেটা থেকে শিখতে এবং ভবিষ্যদ্বাণী করতে প্রশিক্ষণ দেওয়া হয়।
সহজ কথায়, মেশিন লার্নিং ইঞ্জিনিয়ার মানে এক কম্পিউটার কে এমনভাবে মেশিন লার্নিং মডেলে তৈরি করা এবং ব্যবহার করা যাতে তারা বড় পরিসরে সঠিকভাবে কাজ করতে পারে।
এই ইঞ্জিনিয়ার মেশিন লার্নিং মডেল ডিজাইন, বিকাশ এবং প্রয়োগ করে।
এতে ডেটা থেকে মেশিনকে প্রশিক্ষণ দেওয়া, বাস্তব-জীবনে কাজে ব্যবহারের জন্য প্রস্তুত করা হয়।
উদাহরণ:
ধরুন একটি কোম্পানিকে তার গ্রাহকদের ক্রয় পদ্ধতি বিশ্লেষণ করতে হবে যাতে তারা আরও ভালো পণ্যের সুপারিশ দিতে পারে। মেশিন লার্নিং ইঞ্জিনিয়াররা এই উদ্দেশ্যে একটি মডেল তৈরি করবে যা গ্রাহকদের অতীত ক্রয়ের ডেটা থেকে শিখতে পারে এবং ভবিষ্যতে তাদের জন্য উপযুক্ত পণ্যের সুপারিশ করতে পারে।
মেশিন লার্নিং ইঞ্জিনিয়ারিং কোথায় ব্যবহার করা হয়?
মেশিন লার্নিং ইঞ্জিনিয়ারিং সোশ্যাল মিডিয়া, অনলাইন শপিং, ব্যাঙ্কিং এবং স্বাস্থ্যসেবাতে ব্যবহৃত হয়, যেখানে মেশিনগুলি নিজেরাই শেখে এবং বিপুল পরিমাণ ডেটার উপর ভিত্তি করে সিদ্ধান্ত নেয়।
Machine Learning, Deep Learning, Neural network এগুলো কীভাবে এ আই (AI) সাথে জড়িত আছে?
আর্টিফিসিয়াল ইন্টেলিজেন্স অর্থাৎ কৃত্রিম বুদ্ধিমত্তা হলো সবচেয়ে বড় একটি ক্ষেত্র, যায় প্রধান উদ্দেশ্য হলো কম্পিউটারকে এমনভাবে তৈরি করা যাতে এটি মানুষের মতো চিন্তা করতে, বুঝতে এবং সিদ্ধান্ত নিতে পারে।
এই কাজের জন্য মেশিন লার্নিং, ডিপ লার্নিং, নিউরাল নেটওর্য়াক ভীষণ ভাবে সাহায্য করে।
১. Machine Learning (ML):
মেশিন লার্নিং হলো AI এর একটি অংশ, যা কম্পিউটারকে অনেক রকম ডেটা থেকে শেখার ক্ষমতা দেয়। যাতে এ আই সেখান থেকে প্যাটার্ন এবং তথ্য শিখতে পারে। উদাহরণস্বরূপ, যদি আমরা কম্পিউটারকে অনেক গাড়ির ছবি দেখাই এবং বলি কোনটি কোন গাড়ি, তাহলে এটি নিজে থেকে নতুন গাড়ির পরিচয় করতে শিখতে পারে।
২. Deep Learning (DL):
এটি Machine Learning এর একটি উন্নত অংশ। এখানে কম্পিউটার বা AI কে বড় এবং জটিল ডেটা দিয়ে অনেক গভীর স্তরে শেখানো হয়। যেমন, মানুষের মুখের পরিচয় করা বা কোনো জটিল ছবিকে বোঝা ইত্যাদী । Deep Learning গভীর স্তরে কাজ করে, তাই একে "Deep" Learning বলা হয়।
৩. Neural Network:
এটি Deep Learning এর একটি বিশেষ পদ্ধতি, যা মানুষের মস্তিষ্কের নিউরনের মতো কাজ করে। এতে অনেক ছোট ছোট প্রসেসিং ইউনিট থাকে যা একে অপরের সাথে সংযুক্ত থাকে। এই নেটওয়ার্ক ডেটা বিশ্লেষণ করে এবং প্যাটার্ন চিনতে পারে। যেমন, Neural Networks এর ব্যবহার মুখের পরিচয় বা কণ্ঠস্বরের পরিচয় করার মতো জটিল কাজ করতে পারে।
মেশিন লার্নিং (ML) অ্যাপ্লিকেশন তৈরিতে কোন প্রোগ্রামিং ভাষা ব্যবহার করা হয়?
এখানে কিছু প্রধান ভাষা রয়েছে যা Machine Learning (ML) তৈরী করতে ব্যাবহার জন্য জনপ্রিয়:
1.
Python:
Python
হল ML-এর জন্য সবচেয়ে জনপ্রিয় ভাষা। এর সহজ syntax এবং
পঠনযোগ্যতার কারণে, এটি নতুন এবং বিশেষজ্ঞ উভয়ের জন্যই আদর্শ। অনেক পাইথন
লাইব্রেরি যেমন Tensor Flow, Keras, PyTorch এবং scikit-learn
ML ডেভেলপমেন্টকে সহজ করে তোলে।
2.
R:
পরিসংখ্যানগত কম্পিউটিং এবং ডেটা বিশ্লেষণের জন্য R একটি
খুব ভাল ভাষা। এটি ব্যাপকভাবে ডেটা visualization এবং statistical মডেল
তৈরি করতে ব্যবহৃত হয়²।
3.
Java:
জাভা
এমএল অ্যাপ্লিকেশনের জন্যও ব্যবহৃত হয়, বিশেষ
করে বড় আকারের সিস্টেমে। এর stability aur scalability কারণে, এটি
এন্টারপ্রাইজ-স্তরের অ্যাপ্লিকেশনের জন্য উপযুক্ত²।
4.
C++:
কর্মক্ষমতা-critical
applicationsজন্য ব্যবহৃত হয় যেখানে speed aur memory management অপরিহার্য।
এটি ML অ্যালগরিদম অপ্টিমাইজ করতে সাহায্য করে¹।
5.
Julia:
জুলিয়া
একটি তুলনামূলকভাবে নতুন ভাষা যা উচ্চ-কার্যক্ষমতার সংখ্যাসূচক বিশ্লেষণ এবং
গণনামূলক বিজ্ঞানের জন্য ডিজাইন করা হয়েছে। এটি ML² এর
জন্যও ব্যবহৃত হয়।
6.
MATLAB:
ম্যাটল্যাব বৈজ্ঞানিক কম্পিউটিং এবং ইঞ্জিনিয়ারিং
অ্যাপ্লিকেশনের জন্য জনপ্রিয়। এটি ML এবং deep
learning জন্যও ব্যবহৃত হয়, বিশেষ
করে একাডেমিক এবং গবেষণা সেটিংস²।
আপনি আপনার নির্দিষ্ট প্রয়োজনীয়তা এবং ব্যাকগ্রাউন্ড অনুযায়ী এই ভাষাগুলির যেকোনো একটি বেছে নিতে পারেন। আপনি কোন নির্দিষ্ট প্রকল্পের জন্য নির্দেশিকা প্রয়োজন?
মেশিন লার্নিং ইঞ্জিনিয়ার এর কাজ কি?
একজন মেশিন লার্নিং ইঞ্জিনিয়ারের কাজ হল ডেটা এবং অ্যালগরিদম ব্যবহার করে এমন সিস্টেম তৈরি করা যা নিজে নিজে শিখতে পারে এবং নিজে নিজে প্রোগ্রাম না করেই সিদ্ধান্ত নিতে পারে।
এক উদাহরন দিয়ে বলি,
কল্পনা করুন, আপনাকে এমন একটি অ্যাপ তৈরি করতে হবে যা কুকুর ও বিড়াল কোনটি তা চিনতে পারে।
একজন মেশিন লার্নিং ইঞ্জিনিয়ারের কাজ হবে:-
1. ডাটা
সংগ্রহ করা:
প্রথমে অনেক গুলি কুকুর ও বিড়ালের বিভিন্ন দিক থেকে তোলা
ছবি ও তার সঠিক উত্তর সমেত এক ডাটা একত্রিত করতে হবে।
2. এক মডেল
তৈরী করে প্রশিক্ষণ দেওয়া:
এক ধরনের অ্যালগরিদম ব্যাবহার করে সেই মডেল কে প্রশিক্ষণ
দিতে হবে যে কীভাবে তাদের আলাদা আলাদা করে বুঝতে হবে।
3.
পরীক্ষা করা ও উন্নত করা:
এখন
নতুন নতুন ছবি দিয়ে মডেলটি পরীক্ষা করতে হবে যে ঠিক মত উত্তর দিতে পারছে কি না
এবং এটি সঠিক কাজ,সঠিক বাছাই করছে কিনা তা দেখা। যদি এটি ভুল হয় তবে Algorithm আরও
তাকে প্রশিক্ষণ দিতে হয়।
সুতরাং মেশিন লার্নিং ইঞ্জিনিয়ারের কাজ হল ডেটা এবং অ্যালগরিদমের মাধ্যমে এমন সিস্টেম তৈরি করা যা স্বয়ংক্রিয়ভাবে সঠিক ভবিষ্যদ্বাণী করতে পারে , সঠিক ভাবে সমস্যার সমাধান করতে পারে এবং ব্যবহারকারীদের কাজকে সহজ করে তুলতে পারে।
মেশিন লার্নিং ইঞ্জিনিয়ারিং এর ধাপ গুলো কি কি?
 |
| Machine Learning Engineering Steps |
মেশিন লার্নিং ইঞ্জিনিয়ারিং এর ধাপঃ
☛ ডেটা প্রি-প্রসেসিং: ডেটা পরিষ্কার এবং প্রস্তুত করা হয়েছে
যাতে মডেল সহজেই বুঝতে পারে।
☛ ডেটা সংগ্রহ: প্রথমত, বিভিন্ন উৎস থেকে বিশাল পরিমাণ ডেটা সংগ্রহ করা হয়।
☛ মডেল নির্বাচন: সমস্যা অনুসারে উপযুক্ত মেশিন লার্নিং
অ্যালগরিদম বেছে নেওয়া হয়।
☛ মডেল প্রশিক্ষণ: মডেলটিকে ডেটার উপর প্রশিক্ষণ দেওয়া হয়
যাতে এটি নিদর্শন এবং সম্পর্কগুলি শিখতে পারে।
☛ মডেল টেস্টিং: মডেলটির যথার্থতা এবং কার্যকারিতা পরীক্ষা
করার জন্য পরীক্ষা করা হয়।
☛ মডেল স্থাপনা: মডেলগুলি বাস্তব জগতে ব্যবহারের জন্য স্থাপন
করা হয়।
☛ মডেল মনিটরিং এবং রক্ষণাবেক্ষণ: স্থাপন করা মডেলগুলি নিরীক্ষণ করা হয় এবং প্রয়োজন অনুসারে আপডেট করা হয়।
AI Model কাকে বলে? উদাহরন কী?
AI Model দুটো শব্দ নিয়ে গঠিত। AI এবং Model
AI বা Artificial Intelligence হল একটি কম্পিউটার প্রোগ্রাম যা ডেটা থেকে শিখতে পারে এবং মানুষের মতো সিদ্ধান্ত নিতে পারে। সহজ কথায় বুঝতে গেলে, এটি এমন একটি সিস্টেম যা মানুষের মতো চিন্তা করার এবং কাজ করার ক্ষমতা রাখে।
Model, এটি AI এর একটি অংশ, মডেল হল একটি সিস্টেম বা কাঠামো যা একটি নির্দিষ্ট কাজ সম্পাদন করতে বা একটি সমস্যা সমাধানের জন্য ডিজাইন করা হয়েছে।
উদাহরণ: একটি স্প্যাম ফিল্টার মডেল যা ইমেলগুলিকে স্প্যাম বা নন-স্প্যাম হিসাবে শ্রেণীবদ্ধ করে।
অ্যালগরিদম কি? What is Algorithm in Bangla
Algorithm হচ্ছে একটি step-by-step ধাপে ধাপে চলা এক প্রক্রিয়া যা একটি সমস্যা সমাধানের জন্য নির্দেশাবলীর একটি সেট। Algorithm একটি নির্দিষ্ট ক্রমে চলে, যাতে যে কোনও ব্যক্তি বা কম্পিউটার সেগুলি বুঝতে পারে এবং কাজটি সম্পূর্ণ করতে পারে।
সহজ কথায় বলি এটি বোঝার জন্য -
একটি অ্যালগরিদমকে একটি রেসিপি হিসাবে ভাবা যেতে পারে, যা একটি নির্দিষ্ট ক্রমে একের পর এক পদক্ষেপ নিয়ে গঠিত হয়।
উদাহরণস্বরূপ, চা তৈরির প্রক্রিয়াটিকে একটি অ্যালগরিদম হিসাবে ধরা যেতে পারে:
✔ প্রথমে, কেটলিতে জল ঢালা।
✔ তারপর,জল ফুটানো।
✔ ফুটন্ত জলে চা পাতা দেওয়া।
✔ আদা এবং চিনি যোগ করুন।
✔ চা কয়েক মিনিটের জন্য ফুটতে দিন।
✔ চা ফিল্টার
করুন এবং এটি একটি কাপে ঢেলে দিন।।
একইভাবে, কম্পিউটার প্রোগ্রামিংয়ে, অ্যালগরিদম একটি সমস্যা সমাধানের জন্য ব্যবহার করা হয়। এটি নির্দেশাবলীর একটি সেট যা একটি টাস্ক সম্পূর্ণ করার জন্য প্রয়োজনীয় সমস্ত পদক্ষেপগুলি লেখা হয়।
অ্যালগরিদম কত প্রকার ও কি কি? - Types of Algorithms in Bengali
অনেক ধরণের অ্যালগরিদম রয়েছে এবং সেগুলিকে বিভিন্ন উপায়ে শ্রেণীবদ্ধ করা যেতে পারে।
যেমন,
1. Search Algorithms
2. Sorting Algorithms
3. Graph Algorithms
4. Divide and Conquer Algorithms
5. Dynamic Programming Algorithms
6. Greedy Algorithms
7. Backtracking Algorithms
8. Traversal Algorithms
9. Linear Programming Algorithms
10. Heuristic Algorithms
11. Numerical Algorithms
12. Genetic Algorithms
13. Parallel Algorithms
14. Mathematical Algorithms
ডিপ লার্নিং কি? What is Deep Learning in Bengali
ডিপ লার্নিং (Deep Learning) হল মেশিন লার্নিং-এর একটি প্রকার, যা কৃত্রিম বুদ্ধিমত্তার (AI) অংশ।
সহজ ভাষায় বলতে গেলে, এটি এমন একটি প্রযুক্তি যা কম্পিউটারকে মানুষের মতো চিন্তা করতে এবং শিখতে সাহায্য করে।
উদাহরণ:
আপনি নিজের স্মার্ট ফোনকে আনলক করার জন্য যখন চেহারা দেখিয়ে unlock করেন তখন এই deep learning এর সাহায্যে unlock হয়, এটিই ডিপ লার্নিং এর উদাহরণ। এতে কম্পিউটার আপনার মুখের বৈশিষ্ট্যগুলি শিখে এবং চিনতে পারে।
মেসিন লার্নিং এর জন্য কোন কোন টুল ব্যাবহার হয়? - Tools Used in Machine Learning in Bengali
Programming Languages:- Python, R. Java
Libraries and Frameworks:- TensorFlow, PyTorch, Scikit-Learn, Keras
Algorithms:-
Linear Regression
Decision Trees
Neural Network
K-Nearest Neighbors
ANN কি? What is ANN in Bengali
Artificial Neural Network (ANN) হচ্ছে এক প্রকার মেশিন লার্নিং মডেল যা মানুষের মস্তিষ্কের নিউরন এর মত কাজ করে।
সহজ ভাবে যদি বলি,
আর্টিফিশিয়াল নিউরাল নেটওর্য়াক হলো একটি কম্পিউটার সিস্টেম যেটি অনেকটা মানুষের মস্তিষ্কের ভেতরে থাকা স্নায়ুতন্ত্রের (neural system) মত কাজ করে।
এতে অনেকগুলো নোড (nodes) বা নিউরন থাকে, যা একের পর এক স্তরে বিভক্ত থাকে।এই নোডগুলি ইনপুট সমস্ত ডেটা প্রক্রিয়া করে আউটপুট প্রদান করে।
Machine learning Meaning in Bengali?
মেশিন লার্নিং হলো এমন একটি প্রযুক্তি যা কম্পিউটারকে যেকোনো ডেটা থেকে শিখতে সাহায্য করে, যাতে কম্পিউটার মানুষের মতো চিন্তা করতে এবং সিদ্ধান্ত নিতে পারে।
এতে কম্পিউটার নিজে থেকেই আগের অভিজ্ঞতা থেকে শেখে এবং সময়ের সাথে সাথে তার দক্ষতা বাড়াতে পারে। এর জন্য কোনোও প্রকার প্রোগ্রামিং ল্যাঙ্গুয়েজ ছাড়াই সমস্ত কাজ করতে পারে।
মেশিন লার্নিং এর রিকল কাকে বলে?-Recall in Machine Learning in Bengali
Recall হলো একটি গুরুত্বপূর্ণ মেট্রিক বা পরিমাপক যা দেখায় একটি মেশিন লার্নিং সকল পজিটিভ (Positive) ঘটনা বা উদাহরণের মধ্যে কতগুলোকে সঠিকভাবে চিহ্নিত করতে পেরেছে অর্থাৎ কতবার সঠিকভাবে ইতিবাচক ঘটনা বা উদাহরণ (True Positives) সনাক্ত করতে পারে।
সহজ ভাষায় ব্যাখ্যা:
ধরা যাক, ১০টি আপেল আছে। এর মধ্যে ৭টি ভালো আপেল অর্থাৎ Positive এবং ৩টি পচা আপেল অর্থাৎ Negative।
এখন কোনো AI Model যদি আপেলগুলোকে চিনতে পারে, তবে Recall হিসাবে মডেল সব ভালো আপেলের মধ্যে কতগুলোকে সঠিকভাবে চিনতে পেরেছে তার পরিমাপ করা হয়।
এখানে , True Positive (TP): মডেল সঠিকভাবে ৭টি ইতিবাচক ঘটনা সনাক্ত করেছে।
False Negative (FN): যেগুলো বাস্তবে ইতিবাচক ছিল, কিন্তু মডেল ভুলবশত সেগুলোকে ৩টি নেতিবাচক হিসেবে চিহ্নিত করেছে।
