উত্তর:
এআই-তে দক্ষতা অর্জনের জন্য আপনার গাণিতিক স্বীকৃতি বা দৃষ্টিভঙ্গি দরকার। পুরো স্ট্যাক এআই ইঞ্জিনিয়ার হওয়ার জন্য, আপনার কাছে মেশিন লার্নিংয়ের গাণিতিক ভিত্তি সম্পর্কে দৃ understanding় ধারণা থাকা জরুরী।
মাঠে ঝাঁপিয়ে যাওয়ার প্রস্তুতির যে কাউকে আমার পরামর্শ হ'ল গণিত শিখার বিষয়ে। 20/80 নিয়ম মনে রাখবেন। দক্ষ হওয়ার জন্য আপনার সময় 20% তত্ত্ব অধ্যয়ন করতে হবে এবং 80% সময় যা শিখেছে তা অনুশীলন করতে হবে।
স্নাতক গণিতে ডুব দেওয়ার আগে প্রথম পদক্ষেপটি আপনার ভিত্তি স্তরের গণিতে সতেজ হওয়া। এর মধ্যে হাই স্কুল গণিতের বিশেষত বীজগণিত পুনর্বিবেচনা এবং দক্ষতা অন্তর্ভুক্ত রয়েছে। আপনার উচ্চতর কোর্সগুলি বোঝার জন্য এটি প্রয়োজনীয়।
ম্যাট্রিক্স অপারেশনস, প্রজেকশনস, ইগেনভ্যালিউজ এবং ইগেনভেেক্টরস, প্রিন্সিপাল কম্পোনেন্ট অ্যানালাইসিস (পিসিএ), একক মান মূল্য পঁচন (এসভিডি), আইটিন-পচন একটি ম্যাট্রিক্স, এলইউ পচন, কিউআর পচন / ফ্যাক্টরাইজেশন, প্রতিসাম্য ম্যাট্রিক্স, অরথোগোনালাইজেশন এবং অরথোনমালাইজেশন এবং ভ্যাক্টর মেশিন লার্নিংয়ের জন্য ব্যবহৃত অপ্টিমাইজেশন পদ্ধতিগুলি বোঝার জন্য প্রয়োজনীয়।
লিনিয়ার বীজগণিত সম্পর্কে একটি দুর্দান্ত বিষয় হ'ল লিনিয়ার বীজগণিত সম্পর্কে খান একাডেমির কোর্সের মতো দুর্দান্ত অনলাইন সংস্থানগুলি https://www.khanacademy.org/math/linear-algebra ।
সম্ভাব্যতা বিধি এবং অক্ষ, শর্তসাপেক্ষ এবং যৌথ বিতরণ, স্ট্যান্ডার্ড বিতরণ (বার্নোল্লি, দ্বিপদী, বহু বহুবিজ্ঞান, ইউনিফর্ম এবং গাউসিয়ান), মুহুর্তের উত্পাদন কার্য, বেয়েসের উপপাদ্য, এলোমেলো ভেরিয়েবলস, বৈচিত্র্য এবং প্রত্যাশা, সর্বাধিক সম্ভাবনার প্রাক্কলন (এমএলই), পূর্ব এবং উত্তরোত্তর, সর্বাধিক একটি পোস্টেরিয়েরি অনুমান (এমএপি) এবং স্যাম্পলিং পদ্ধতি।
আমি আপনাকে খান একাডেমি https://www.khanacademy.org/math/probability এ এই অনলাইন পরিসংখ্যান এবং সম্ভাবনা এমওওসি রেফারেন্স করি
ডেটা স্ট্রাকচারের জ্ঞান (বাইনারি ট্রি, হ্যাশিং, হিপস, স্ট্যাক ইত্যাদি), ডায়নামিক প্রোগ্রামিং, এলোমেলোভাবে এবং সাবলাইনার অ্যালগোরিদম, গ্রাফ, গ্রেডিয়েন্ট / স্টোকাস্টিক অবতরণ এবং প্রাথমিক দ্বৈত পদ্ধতিগুলির প্রয়োজন।
গভীর শিক্ষার জন্য, আমি আপনাকে পরামর্শ দিচ্ছি যে আপনি এখানে অ্যান্ড্রু এনজি এর কোর্সেরা কোর্সে সাইন আপ করতে পারেন https://www.coursera.org/learn/machine-firening ।
ডিফারেনটিভাল এবং ইন্টিগ্রাল ক্যালকুলাস, দিকনির্দেশক গ্রেডিয়েন্ট, হেসিয়ান, জ্যাকবিয়ান, ল্যাপ্লেসিয়ান এবং ল্যাগরিজিয়ান ডিস্ট্রিবিউশন, আংশিক ডেরাইভেটিভস, ভেক্টর-ভ্যালু ফাংশনগুলির মতো বিষয়গুলি। খান একাডেমির ক্যালকুলাস কোর্সে https://www.khanacademy.org/math/calculus-home সম্পর্কে একটি লিঙ্ক রয়েছে ।
এটি গণিতের বিষয় নিয়ে গঠিত যা উপরের চারটি প্রধান ক্ষেত্রে আচ্ছাদিত নয়। এর মধ্যে রয়েছে ইনফরমেশন থিওরি (এন্ট্রপি, ইনফরমেশন গেইন), ফাংশন স্পেসস এবং ম্যানিফোল্ডস, রিয়েল এবং কমপ্লেক্স এনালাইসিস (সেটস এবং সিকোয়েন্সস, টপোলজি, মেট্রিক স্পেসস, একক মূল্যবান এবং ক্রমাগত ফাংশন, সীমা, কচির কার্নেল, ফুরিয়ার ট্রান্সফর্ম)।
নীচে নিখরচায় মেশিন লার্নিং ম্যাথমেটিক্সের পুস্তকগুলির একটি দুর্দান্ত উত্স রয়েছে http://blog.paralleldots.com/data-s ज्ञान/ list- of-free-must- read- books- for- machine-learning/
শেষ অবধি সাম্প্রতিক বিকাশ এবং সর্বশেষতম কাগজপত্রগুলি ধরে রাখতে, আমি আপনাকে এই ব্লগটি অনুসরণ করার পরামর্শ দিচ্ছি, যা এআই এবং এমএল কাগজপত্র, http://www.arxiv-sanity.com/ একত্রিত করে ।
অ্যান্ড্রু এনগের কোর্সেরাতে মেশিন লার্নিং কোর্সের সাথে পরিচয় করিয়ে দিয়ে শুরু করুন । এই কোর্সের জন্য অনেক পূর্বশর্ত নেই, তবে আপনি কীভাবে কিছু দরকারী জিনিস তৈরি করবেন তা শিখবেন। এবং আরও গুরুত্বপূর্ণ বিষয় এটি আপনাকে স্পষ্টভাবে দেখাবে যে আপনার পরবর্তী কোন বিষয়গুলি শিখতে হবে।
এআইটি স্কোপটিতে বেশ বড় এবং এটি বেশ কয়েকটি অঞ্চলে ছেদ করে। তবে কয়েকটি প্রয়োজনীয় ক্ষেত্র বা বিষয় রয়েছে যা আপনার জানা দরকার
আমি আপনাকে প্রথমে এআই অ্যালগরিদমগুলি অন্বেষণ করার পরামর্শ দিচ্ছি যাতে আপনার আগ্রহী হতে পারে machine
একটি খুব গুরুত্বপূর্ণ পূর্বশর্ত, আবেগ ভুলবেন না এটি ছাড়া আপনি সম্ভবত আপনার সময় নষ্ট করছেন!
আমি আপনাকে পরামর্শ দিতে হবে
আপনি যদি গণিতে গভীর যেতে চান। এগুলি চেষ্টা করুন:
গভীর শিক্ষার জন্য আমি অন্যতম সেরা বইয়ের পরামর্শও দিতে চাই: ইয়ান গুডফেলো এবং যোশুয়া বেনজিও এবং অ্যারন কউরভিলের গভীর শিক্ষা। http://www.deeplearningbook.org/
বর্তমান, কাটিয়া প্রান্ত এআই পদ্ধতিগুলি সমস্ত পরিসংখ্যানের মডেলিংয়ের উপর নির্ভর করে । লোকেরা কী করছে এবং তারা কী ধরণের গণিত ব্যবহার করছে তা দেখতে আপনি ডেটা সায়েন্স এবং ক্রস বৈধিকৃত স্ট্যাকগুলি ব্রাউজ করতে চাইতে পারেন । (এটি আসলে আমার ক্ষেত্র নয়, তাই এখানে আরও বিশদ দেওয়ার জন্য আমি নিউরাল নেটওয়ার্ক এবং ডিপ লার্নিং ভিড়ের কাছে ছেড়ে দেব))
আমিও জোরালোভাবে দিকে তাকিয়ে বলতে চাই সংযুক্তকারিতা , সংযুক্তিকরণ খেলা তত্ত্ব , এবং কম্প্যুটেশনাল জটিলতা তত্ত্ব , অনুকূল সিদ্ধান্ত কোর সমস্যার এক থেকে নয় ব্যাপারটা যে কঠিন ।
গেম তত্ত্বটিও গুরুত্বপূর্ণ, কারণ সর্বোত্তম সিদ্ধান্ত গ্রহণের অন্যান্য মূল বিষয়গুলি অসম্পূর্ণ তথ্য এবং অসম্পূর্ণ তথ্য জড়িত । (প্রাক্তনটিকে কম্বিনেটরিয়াল গেমগুলিতে বেশি দেখা যায় তবে উভয়ই সম্ভাবনা বিশ্লেষণের প্রয়োজনীয়তার দিকে নিয়ে যায়।)
আপনার সবচেয়ে গুরুত্বপূর্ণ দক্ষতা হ'ল স্ব-শৃঙ্খলা।
গাণিতিক পূর্বশর্তগুলি সম্পর্কে, আপনাকে পরিসংখ্যান, সম্ভাব্যতা তত্ত্ব, ক্যালকুলাস এবং লিনিয়ার বীজগণিত অধ্যয়ন করতে হবে, যেমন বেশিরভাগ মেশিন লার্নিং অ্যালগরিদমগুলি এই অঞ্চলগুলির ধারণার উপর ভিত্তি করে।
প্রোগ্রামিং পূর্বশর্ত সম্পর্কে, পাইথন এবং আর সাধারণত প্রাসঙ্গিক গ্রন্থাগারগুলি উপলভ্য, একটি ভাল পছন্দ।
আপনি বড় ডেটার সাথে কাজ করতে চান এমন ক্ষেত্রে হ্যাডোপের মতো ফ্রেমওয়ার্কগুলিও শেখার দরকার হতে পারে।
কৃত্রিম বুদ্ধিমত্তা একটি খুব বিস্তৃত ক্ষেত্র এবং তাই জিনিসগুলি সেই অনুযায়ী পরিবর্তন হবে।
কিছু পূর্বশর্ত: (সিএসের ছাত্র হওয়ার কারণে আপনার এগুলি পূরণ করা উচিত ছিল)
কৃত্রিম বুদ্ধিমত্তা: একটি আধুনিক পদ্ধতি (স্টুয়ার্ট জে রাসেল এবং পিটার নরভিগের) বইটি এআই-এর বাইবেল হিসাবে বিবেচিত। আমি আপনাকে দৃ book়ভাবে সম্পূর্ণ বইটি পড়ার এবং অনুশীলনের সমাধান করার পরামর্শ দিচ্ছি । আপনি এখানে বইয়ের পিডিএফ খুঁজে পেতে পারেন । সমাধানের জন্য ম্যানুয়াল এই লিঙ্কটি দেখুন । বইটির হার্ডকপি কিনতে পারলে আরও ভাল হবে।
গণনা তত্ত্বের জ্ঞান আপনাকে ব্যাপকভাবে সহায়তা করবে। বিশেষত যখন আপনি প্রাকৃতিক ভাষা প্রক্রিয়াজাতকরণের ক্ষেত্রে কাজ করছেন। এআই এর অন্যান্য উপ-ক্ষেত্রগুলি যা আপনার আগ্রহী হতে পারে তা হ'ল মেশিন লার্নিং, বিবর্তনমূলক কম্পিউটিং, জেনেটিক অ্যালগোরিদমস, রিইনফোর্সমেন্ট লার্নিং, ডিপ লার্নিং ইত্যাদি তালিকা।
পরিসংখ্যানগুলিতে আপনার জ্ঞানের চেয়ে ভাল, এটি কৃত্রিম বুদ্ধিমত্তার পক্ষে আরও ভাল। ফোরাম, ওয়েবসাইট ইত্যাদির মাধ্যমে ক্ষেত্রের সাম্প্রতিক সময়ে এগিয়ে যাওয়ার জন্য ওপেন এআই ওয়েবসাইটটিও খুব ভাল উত্স।
অন্যান্য উত্তর পরিপূরক:
আমি আপনাকে এডেক্সে কলম্বিয়া প্রদত্ত এআই মাইক্রোমাস্টার থেকে কৃত্রিম বুদ্ধিমত্তা কোর্সটি গ্রহণ করার পরামর্শ দিচ্ছি।
এই কোর্সে বিস্তৃত এআই সমস্যা রয়েছে এবং সবচেয়ে গুরুত্বপূর্ণটি হ'ল পাইথনটিতে অ্যাপ্লিকেশনগুলির মিশ্রণের সাথে ভাবতে একটি সাধারণ কাঠামো দেয়। কৃত্রিম বুদ্ধিমত্তা বইয়ের উপর ভিত্তি করে : পিটার নরভিগ এবং স্টুয়ার্ট রাসেলের একটি আধুনিক পদ্ধতি Appro
মেশিন লার্নিংয়ের দৃষ্টিকোণ থেকে গোকুল বলেছিলেন , অ্যান্ড্রু এনজির মেশিন লার্নিং কোর্স । অন কোর্স একটি ভাল প্রারম্ভিক কোর্স এবং একটি সম্ভাব্য অনুশীলনকারী খুব মনোযোগী।
ধারণাটি ধরতে অনেক অ্যালগরিদমের সাথে পরীক্ষার জন্য পরিসংখ্যানগত প্রোগ্রামিং ভাষা আর এর সাথে কিছু মেশিন লার্নিং অ্যালগরিদমগুলির অধ্যয়নের একত্রিত করার জন্য আমি দরকারী বলে মনে করি । দরকারী নিম্নলিখিত বই: পরিসংখ্যান শেখার উপাদানসমূহ এবং ভূমিকা পরিসংখ্যানগত শেখার উভয় লেখক ওয়েবসাইটগুলিতে বিনামূল্যে পাওয়া যায়।
নিউরাল নেটওয়ার্কগুলিতে ঝাঁপ দেওয়া এত জটিল নয়।
স্নাতক নেটওয়ার্কগুলি স্থায়ী 1: শ্রেণিবদ্ধকরণের সমস্যাগুলি আমাকে শুরু করতে সহায়তা করেছে।
ওপি মেশিন লার্নিং নয়, এআই সম্পর্কে জিজ্ঞাসা করেছিল। মেশিন লার্নিং এআই-এর একটি সাব-ডিসিপ্লিন। গেমস এবং মোশন পরিকল্পনায় ব্যবহৃত বেশিরভাগ এআই মেশিন শেখার সাথে জড়িত না।
পটভূমিটি আপনার "এআইয়ের ক্ষেত্রে ঝাঁপিয়ে পড়া" করতে হবে:
আপনার যদি ইতিমধ্যে এই প্রয়োজনীয়তাগুলি থাকে তবে আমি আপনাকে সবচেয়ে আকর্ষণীয় মনে হচ্ছে তা দেখতে বিভিন্ন ধরণের এআইয়ের পরামর্শ দেওয়ার পরামর্শ দিই। বেশিরভাগ ক্ষেত্রে, এআইতে প্রবেশের অর্থ কেবল অ্যালগরিদমগুলি কীভাবে কাজ করে তা শেখা। মুখের স্বীকৃতি (একটি মেশিন লার্নিং সমস্যা) এর জন্য অ্যালগরিদম উদাহরণস্বরূপ রোবটের একটি দলকে সমন্বিত করার চেয়ে আলাদা (একত্রিতামূলক অপ্টিমাইজেশন সমস্যা) are
"কৃত্রিম বুদ্ধিমত্তা" এখন একটি পরিণত ক্ষেত্র এবং এটিতে অনেকগুলি উপক্ষেত্র রয়েছে। কৃত্রিম বুদ্ধিমত্তার প্রতিটি সাবফিল্ডকে ঘিরে পুরো তত্ত্ব তৈরি করা হয়। একটি সাধারণ উপমা চাইবে "গণিত / পদার্থবিজ্ঞানে সাফল্যের জন্য প্রয়োজনীয় দক্ষতাগুলি কী?" উত্তরটি আপনি যে শাখায় প্রবেশ করতে চান তার উপর নির্ভর করে।
আপনি যদি কৃত্রিম বুদ্ধিমত্তার (মেশিন লার্নিং / ডিপ লার্নিং) আরও বেশি নির্দিষ্ট অ্যাপ্লিকেশনটিতে যাওয়ার পরিকল্পনা করছেন তবে অবশ্যই আপনাকে লিনিয়ার বীজগণিতের সাথে পুরোপুরি থাকতে হবে। যেহেতু বেশিরভাগ মেশিন লার্নিং অ্যালগরিদমগুলি লিনিয়ার বীজগণিতের সহজ কৌশলগুলিতে সিদ্ধ করা যায়। অপ্টিমাইজেশন সম্পর্কে শেখা অনেক সাহায্য করবে কারণ আপনি উত্তল / ননকনভেক্স অপ্টিমাইজেশন পদ্ধতিতে জড়িত অনেক অ্যালগরিদমের মুখোমুখি হবেন।
এছাড়াও কৃত্রিম অ্যালগরিদমে কোনও ক্ষেত্রের জন্য পরিসংখ্যান এবং সম্ভাবনা অবশ্যই।
এটি বলেছিল, মূলত কৃত্রিম বুদ্ধিমত্তা মনে করে এমন মেশিনগুলির সাথে কাজ করে। সুতরাং আপনি যদি আনুষ্ঠানিক যুক্তি, অটোমেটা এবং জটিলতার তত্ত্বটি দিয়ে থাকেন তবে ভাল হবে।
আপনি তাদের ইউটিউবে ভিডিও দিয়ে শুরু করতে পারেন। এটি সহজ, পাইথনের প্রাথমিক জ্ঞান সহ , আপনি এমএল দিয়ে অনেক কিছু করতে পারেন।
আমি খুব খুঁজে পেয়েছি, ক্লাউড এআই অ্যাডভেঞ্চারের একটি নতুন ভিডিও "মেশিন লার্নিংয়ের 7 টি ধাপ" ব্যাখ্যা করেছে , আপনি এখানে দেখতে পারেন ।
গণিত সম্পর্কে, আমি যখন এমএল / এআই শিখতে শুরু করি তখন একই প্রশ্ন জিজ্ঞাসা করি। আমি গণিতে ভাল নই, শুধু বেসিক (বিকাশকারী )ও। তবে আজ, টেনসরফ্লো এবং অন্যান্য গ্রন্থাগারগুলির সাথে আপনি তত্ত্ব এবং সংজ্ঞাতে মনোনিবেশ করতে পারেন। সুতরাং, চিন্তা করবেন না, সময়ের সাথে সাথে, এআই মডেলগুলি কয়েকটি বোতাম এবং লেবেল তৈরি করবে ... সম্ভবত এটি ঘটছে।
যেহেতু তারা ভাল সংস্থানগুলির পরামর্শ দিয়েছে এবং প্রচুর সংস্থান রয়েছে তবে আমি আপনাকে সুপারিশ করব সেরা কৃত্রিম বুদ্ধি অন আর্টিফিশিয়াল ইন্টেলিজেন্স (এআই) দিয়ে শুরু করার জন্য? , মেশিন লার্নিং এবং কৃত্রিম বুদ্ধিমত্তার পরিচিতি - মেশিন লার্নিং
এবং এই ভিডিওর সংক্ষিপ্তসারটি আপনার কাছে গণিতের জ্ঞান যা মেশিন লার্নিংয়ের গণিত প্রয়োজন এবং এই লিঙ্কটি এআইয়ের জন্য গণিতের ব্যাখ্যা দেয় : আপনার প্রয়োজনীয় সমস্ত গণিতের বিষয়গুলি
এর পরে, আপনি এই লিঙ্কগুলি দেখতে পারেন, এটি আমার প্রিয়