🌐 Machine Learning | Google for Developers

এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

মেশিন লার্নিং ক্র্যাশ কোর্স, মেশিন লার্নিং ক্র্যাশ কোর্স

Google-এর দ্রুতগতির, মেশিন লার্নিং-এর ব্যবহারিক ভূমিকা, অ্যানিমেটেড ভিডিও, ইন্টারেক্টিভ ভিজ্যুয়ালাইজেশন এবং হ্যান্ডস-অন প্র্যাকটিস ব্যায়াম সমন্বিত।

ক্র্যাশ কোর্স শুরু করুন কোর্স মডিউল ব্রাউজ করুন পূর্বশর্ত দেখুন সাহায্য কেন্দ্র

মেশিন লার্নিং ক্র্যাশ কোর্সে নতুন কি আছে?

2018 সাল থেকে, বিশ্বব্যাপী লক্ষ লক্ষ মানুষ মেশিন লার্নিং কীভাবে কাজ করে এবং মেশিন লার্নিং তাদের জন্য কীভাবে কাজ করতে পারে তা শিখতে মেশিন লার্নিং ক্র্যাশ কোর্সের উপর নির্ভর করেছে। আমরা MLCC-এর একটি রিফ্রেশড সংস্করণ চালু করার ঘোষণা করতে পেরে আনন্দিত যেটি AI-তে সাম্প্রতিক অগ্রগতিগুলিকে কভার করে, ইন্টারেক্টিভ লার্নিং-এ বর্ধিত ফোকাস সহ। নতুন এবং উন্নত MLCC সম্পর্কে আরও জানতে এই ভিডিওটি দেখুন৷

কোর্স মডিউল

প্রতিটি মেশিন লার্নিং ক্র্যাশ কোর্স মডিউল স্বয়ংসম্পূর্ণ, তাই আপনার যদি মেশিন লার্নিংয়ের পূর্ব অভিজ্ঞতা থাকে, আপনি যে বিষয়গুলি শিখতে চান তা সরাসরি এড়িয়ে যেতে পারেন। আপনি যদি মেশিন লার্নিংয়ে নতুন হয়ে থাকেন, তাহলে আমরা নিচের ক্রমে মডিউলগুলি সম্পূর্ণ করার পরামর্শ দিই।

এমএল মডেল

এই মডিউলগুলি বিল্ডিং রিগ্রেশন এবং শ্রেণীবিভাগের মডেলগুলির মৌলিক বিষয়গুলিকে কভার করে।

লিনিয়ার রিগ্রেশন

রৈখিক রিগ্রেশনের একটি ভূমিকা, রৈখিক মডেলগুলিকে কভার করে, ক্ষতি, গ্রেডিয়েন্ট ডিসেন্ট এবং হাইপারপ্যারামিটার টিউনিং।

পণ্য সরবরাহ সংশ্লেষণ

লজিস্টিক রিগ্রেশনের একটি ভূমিকা, যেখানে ML মডেলগুলি একটি প্রদত্ত ফলাফলের সম্ভাবনার পূর্বাভাস দেওয়ার জন্য ডিজাইন করা হয়েছে।

শ্রেণীবিভাগ

বাইনারি শ্রেণীবিভাগের মডেলগুলির একটি ভূমিকা, থ্রেশহোল্ডিং, বিভ্রান্তি ম্যাট্রিক্স, এবং নির্ভুলতা, নির্ভুলতা, প্রত্যাহার এবং AUC এর মতো মেট্রিকগুলিকে কভার করে৷

ডেটা

এই মডিউলগুলি মেশিন লার্নিং ডেটা নিয়ে কাজ করার জন্য মৌলিক কৌশল এবং সর্বোত্তম অনুশীলনগুলি কভার করে৷

সংখ্যাসূচক ডেটা নিয়ে কাজ করা, সংখ্যাসূচক ডেটা নিয়ে কাজ করা, সংখ্যাসূচক ডেটা নিয়ে কাজ করা

ML মডেলগুলিকে আরও কার্যকরভাবে প্রশিক্ষিত করতে সহায়তা করার জন্য কীভাবে সংখ্যাসূচক ডেটা বিশ্লেষণ এবং রূপান্তর করতে হয় তা শিখুন।

ক্যাটাগরিক্যাল ডেটা নিয়ে কাজ করা

শ্রেণীবদ্ধ ডেটা নিয়ে কাজ করার মৌলিক বিষয়গুলি শিখুন: সংখ্যাসূচক ডেটা থেকে শ্রেণীবদ্ধ ডেটা কীভাবে আলাদা করা যায়; ওয়ান-হট এনকোডিং, ফিচার হ্যাশিং এবং গড় এনকোডিং ব্যবহার করে সংখ্যাগতভাবে শ্রেণীবদ্ধ ডেটা কীভাবে উপস্থাপন করবেন; এবং কিভাবে বৈশিষ্ট্য ক্রস সঞ্চালন করতে হয়.

ডেটাসেট, সাধারণীকরণ এবং ওভারফিটিং

মেশিন লার্নিং ডেটাসেটের বৈশিষ্ট্যগুলির একটি ভূমিকা এবং আপনার মডেলকে প্রশিক্ষণ এবং মূল্যায়ন করার সময় উচ্চ-মানের ফলাফল নিশ্চিত করতে কীভাবে আপনার ডেটা প্রস্তুত করবেন।

উন্নত এমএল মডেল

এই মডিউলগুলি উন্নত এমএল মডেল আর্কিটেকচারগুলিকে কভার করে।

নিউরাল নেটওয়ার্ক

পারসেপ্টরন, লুকানো স্তর, এবং সক্রিয়করণ ফাংশন সহ নিউরাল নেটওয়ার্ক আর্কিটেকচারের মৌলিক নীতিগুলির একটি ভূমিকা।

এম্বেডিং

কীভাবে এম্বেডিং আপনাকে বড় বৈশিষ্ট্য ভেক্টরগুলিতে মেশিন লার্নিং করতে দেয় তা জানুন।

নতুন

বড় ভাষার মডেল

টোকেন থেকে ট্রান্সফরমার পর্যন্ত বৃহৎ ভাষার মডেলগুলির একটি ভূমিকা। এলএলএম কীভাবে টেক্সট আউটপুটের পূর্বাভাস দিতে শেখে, সেইসাথে কীভাবে তারা স্থাপত্য ও প্রশিক্ষিত হয় তার মূল বিষয়গুলি জানুন।

বাস্তব-বিশ্ব এমএল

এই মডিউলগুলি বাস্তব জগতে এমএল মডেলগুলি তৈরি এবং স্থাপন করার সময় সমালোচনামূলক বিবেচনাগুলি কভার করে, যার মধ্যে উত্পাদনের সর্বোত্তম অনুশীলন, অটোমেশন এবং দায়িত্বশীল প্রকৌশল সহ।