মেশিন লার্নিং - প্রাথমিক

মেশিন লার্নিং কম্পিউটারকে রিসার্চ ডাটা এবং পরিসংখ্যানগত তথ্য থেকে শিখতে সক্ষম করে দেয়。

মেশিন লার্নিং আর্টিফিশিয়াল ইন্টেলিজেন্স (এআই) দিকে অগ্রসর হওয়ার একটি পদক্ষেপ

মেশিন লার্নিং একটি প্রোগ্রাম, যা ডাটা পরিশোধ করতে এবং প্রতিফলন করতে পারে。

কীভাবে শুরু করবো?

এই টিউটোরিয়ালে, আমরা গণিতে ফিরে গিয়ে পরিসংখ্যানকে অধ্যয়ন করবো, এবং ডাটাসেট অনুযায়ী গুরুত্বপূর্ণ মান গণনা করতে শিখবো。

আমরা আরও শিখবো যেভাবে বিভিন্ন পাইথন মডিউল ব্যবহার করে প্রয়োজনীয় উত্তর পাবো।

এবং, আমরা কিভাবে আমাদের জ্ঞান অনুযায়ী প্রতিফলন করতে পারে এমন ফাংশন লিখতে শিখবো।

ডাটাসেট

কম্পিউটারে, ডাটাসেট একটি কোনও ডাটা সেট বলা হয়। এটি একটি অ্যারে থেকে একটি পূর্ণ ডাটাবেস পর্যন্ত কোনও কিছু হতে পারে。

একটি অ্যারেজ উদাহরণ:

[৯৯, ৮৬, ৮৭, ৮৮, ১১১, ৮৬, ১০৩, ৮৭, ৯৪, ৭৮, ৭৭, ৮৫, ৮৬]

একটি ডাটাবেস একটি উদাহরণ:

কারনাম কালো বয়স স্পিড অটোপাস
বিএমডব্লিউ রেড ৫ ৯৯ Y
ভলভো ব্ল্যাক ৭ ৮৬ Y
ভিডব্লু গ্রে ৮ ৮৭ N
ভিডব্লু স্বাঙ্গ ৭ ৮৮ Y
ফোর্ড স্বাঙ্গ ২ ১১১ Y
ভিডব্লু স্বাঙ্গ ১৭ ৮৬ Y
টেস্লা রেড ২ ১০৩ Y
বিএমডব্লিউ ব্ল্যাক ৯ ৮৭ Y
ভলভো গ্রে ৪ ৯৪ N
ফোর্ড স্বাঙ্গ ১১ ৭৮ N
টোয়াটা গ্রে ১২ ৭৭ N
ভিডব্লু স্বাঙ্গ ৯ ৮৫ N
টোয়াটা ব্লু ৬ ৮৬ Y

আমরা একটি আক্সেস করে আমরা কম্পাটমান্য হ্যাভেজকে ৮০ অথবা ৯০ দেখতে পাই, এবং আমরা সবসময় মাক্সিমাম এবং মিনিমাম নির্ধারণ করতে পারি, কিন্তু আমরা আরও কী করতে পারি?

ডাটাবেস দেখে, আমরা দেখতে পারি যে সবচেয়ে প্রিয় রঙ সাধারণ সাদা, সবচেয়ে পুরনো গাড়ির বয়স ১৭ বছর, কিন্তু যদি অন্যান্য মানগুলোকেও দেখে গাড়ি কি AutoPass-সহ থাকে তা পূর্বাভাস করা যায় কি?

এটাই মেশিন লার্নিংয়ের লক্ষ্য! তথ্য পরিশোধন করা এবং ফলাফল পূর্বাভাস দেওয়া!

মেশিন লার্নিংতে, সাধারণত বড় সমগ্র তথ্যসেট ব্যবহৃত হয়।এই ট্যুটোরিয়ালে, আমরা আপনাকে মেশিন লার্নিংয়ের বিভিন্ন ধারণা সহজভাবে বুঝতে চেষ্টা করব এবং কোনো ছোট তথ্যসেট ব্যবহার করব

তথ্য ধরন

তথ্য ধরন জানার মাধ্যমে, আমরা তথ্য পরিশোধন করার জন্য যে প্রযুক্তি ব্যবহার করবো, তা জানাতে পারি

আমরা তথ্য ধরনকে তিনটি প্রধান শ্রেণীতে ভাগ করতে পারি:

  • সংখ্যা (Numerical)
  • শ্রেণীবিন্যাস (Categorical)
  • ক্রমানুক্রমিক (Ordinal)

তথ্য ধরনসংখ্যা, দুইটি মানের দুইটি শ্রেণীতে ভাগ করা যায়:

বিচ্ছিন্ন তথ্য (Discrete Data)
- সংখ্যা সংখ্যায় সীমাবদ্ধ।উদাহরণ: যাওয়া গাড়ির সংখ্যা
সরাসরি তথ্য (Continuous Data)
- অসীম মান ধারণকারী সংখ্যা।উদাহরণ: একটি পণ্যের দাম বা একটি পণ্যের আকার

শ্রেণীবিন্যাস তথ্যপরস্পরের মধ্যে পরিমাপ করা যায় না এমন মানা।উদাহরণ: রঙ মানা বা কোনো yes/no মানা

ক্রমানুক্রমিক তথ্যশ্রেণীবিন্যাস তথ্যর মতো, কিন্তু পরস্পরের মধ্যে পরিমাপ করা যায়।উদাহরণ: A এবং B এর মধ্যে বিদ্যালয়ের স্কুল পরীক্ষার ফল, এমনকি

তথ্য সূত্রের তথ্য ধরন জানার মাধ্যমে, আপনি তথ্য পরিশোধনের সময় কোনো প্রযুক্তি ব্যবহার করতে পারবেন

পরবর্তী চাপে, আপনি পরিসংখ্যান ও পরিশোধনের বিষয়ে আরও বেশি জানতে পারবেন。