সম্প্রতি ইউপিসি / বার্সেলোনার প্রফেসর ওরিওল পুজলের কাছ থেকে একটি মেশিন লার্নিং ক্লাসে তিনি মেশিন লার্নিং সম্পর্কিত বিভিন্ন বিস্তৃত কাজের জন্য সবচেয়ে সাধারণ অ্যালগরিদম, নীতি এবং ধারণাটি বর্ণনা করেছেন। এখানে আমি এগুলি আপনার সাথে ভাগ করে নিচ্ছি এবং আপনাকে জিজ্ঞাসা করছি:
- বিভিন্ন ধরণের মেশিন লার্নিং সম্পর্কিত সমস্যার সাথে সম্পর্কিত পদ্ধতিগুলির সাথে কি কোনও বিস্তৃত কাঠামো মিলছে?
আমি কীভাবে একটি সহজ গাউসিয়ান শিখতে পারি? সম্ভাবনা, এলোমেলো ভেরিয়েবল, বিতরণ; অনুমান, রূপান্তর এবং অ্যাসিপটিক্স, আত্মবিশ্বাসের ব্যবধান।
আমি গাউসিয়ানদের (এমওজি) মিশ্রণটি কীভাবে শিখব? সম্ভাবনা, প্রত্যাশা-ম্যাক্সিমাইজেশন (ইএম); সাধারণীকরণ, মডেল নির্বাচন, ক্রস-বৈধকরণ; কে-মানে, লুকানো মার্কভ মডেল (এইচএমএম)
আমি কীভাবে কোনও ঘনত্ব শিখব? প্যারামেট্রিক বনাম-অ-প্যারাম্যাট্রিক অনুমান, সোব্লেভ এবং অন্যান্য কার্যকরী স্পেস; l ́ 2 ত্রুটি; কার্নেলের ঘনত্বের অনুমান (কেডিএ), অনুকূল কার্নেল, কেডি থিওরি
আমি কীভাবে একটি ধারাবাহিক পরিবর্তনশীল (রিগ্রেশন) পূর্বাভাস করব? লিনিয়ার রিগ্রেশন, রেগুলেশন, রিজ রিগ্রেশন এবং ল্যাসো; স্থানীয় লিনিয়ার রিগ্রেশন; শর্তসাপেক্ষ ঘনত্বের অনুমান।
আমি কীভাবে একটি পৃথক পরিবর্তনশীল (শ্রেণিবিন্যাস) পূর্বাভাস করব? বেয়েস শ্রেণিবদ্ধ, নিষ্পাপ বেইস, জেনারেটর বনাম বৈষম্যমূলক; পারসেপট্রন, ওজন ক্ষয়, লিনিয়ার সমর্থন ভেক্টর মেশিন; নিকটতম প্রতিবেশী শ্রেণিবদ্ধ এবং তত্ত্ব
আমার কোন ক্ষতির ফাংশন ব্যবহার করা উচিত? সর্বাধিক সম্ভাবনা অনুমানের তত্ত্ব; l -2 অনুমান; বায়েসিয়ান অনুমান; মিনিম্যাক্স এবং সিদ্ধান্ত তত্ত্ব, বায়েশিয়ানিজম বনাম ঘনত্ব
আমার কোন মডেলটি ব্যবহার করা উচিত? এআইসি এবং বিআইসি; ভ্যাপনিক-চেরভোনেনস্কিস তত্ত্ব; ক্রস-বৈধতা তত্ত্ব; বুটস্ট্র্যাপিং; সম্ভবত প্রায় সঠিক (পিএসি) তত্ত্ব; মুরগি-উত্পন্ন সীমা
আমি কীভাবে ফ্যানসিয়ার (সম্মিলিত) মডেলগুলি শিখতে পারি? জড়ো শেখার তত্ত্ব; boosting; ব্যাগিং; স্ট্যাক
আমি কীভাবে ফ্যানসিয়ার (ননলাইনার) মডেলগুলি শিখতে পারি? সাধারণ রৈখিক মডেল, লজিস্টিক রিগ্রেশন; কলমোগোরভ উপপাদ্য, সাধারণকরণযোগ্য মডেল; কার্নেলাইজেশন, কার্নেল হিলবার্ট স্পেসস, নন-লিনিয়ার এসভিএম, গাউসিয়ান প্রক্রিয়া রিগ্রেশন পুনরুত্পাদন
আমি কীভাবে ফ্যানসিয়ার (কম্পোজিশনাল) মডেলগুলি শিখতে পারি? পুনরাবৃত্ত মডেল, সিদ্ধান্ত গাছ, শ্রেণিবদ্ধ ক্লাস্টারিং; নিউরাল নেটওয়ার্ক, পিছনে প্রচার, গভীর বিশ্বাস নেটওয়ার্ক; গ্রাফিক্যাল মডেল, এইচএমএমগুলির মিশ্রণ, শর্তাধীন র্যান্ডম ক্ষেত্র, সর্বাধিক-মার্জিন মার্কভ নেটওয়ার্ক; লগ-লিনিয়ার মডেল; ব্যাকরণ
আমি কীভাবে বৈশিষ্ট্যগুলি হ্রাস বা সম্পর্কিত করব? বৈশিষ্ট্য নির্বাচন বনাম মাত্রা হ্রাস, বৈশিষ্ট্য নির্বাচনের জন্য মোড়ক পদ্ধতি; কার্যকারিতা বনাম পারস্পরিক সম্পর্ক, আংশিক সম্পর্ক, বেয়েস নেট কাঠামো শেখা
আমি কীভাবে নতুন বৈশিষ্ট্য তৈরি করব? প্রধান উপাদান বিশ্লেষণ (পিসিএ), স্বতন্ত্র উপাদান বিশ্লেষণ (আইসিএ), বহুমাত্রিক স্কেলিং, বহুবিধ শিখন, তত্ত্বাবধানের মাত্রিকতা হ্রাস, মেট্রিক শেখা
আমি কীভাবে ডেটা হ্রাস বা সম্পর্কিত করব? ক্লাস্টারিং, দ্বি-ক্লাস্টারিং, সীমাবদ্ধ ক্লাস্টারিং; সমিতি নিয়ম এবং বাজারের ঝুড়ি বিশ্লেষণ; র্যাঙ্কিং / অর্ডিনাল রিগ্রেশন; লিঙ্ক বিশ্লেষণ; সম্পর্কিত তথ্য
সময় সিরিজের সাথে আমি কীভাবে আচরণ করব? Arma; কলম্যান ফিল্টার এবং স্ট্যাট-স্পেস মডেল, কণা ফিল্টার; ক্রিয়ামূলক তথ্য বিশ্লেষণ; পরিবর্তন-পয়েন্ট সনাক্তকরণ; সময় সিরিজের জন্য ক্রস-বৈধকরণ
আমি কীভাবে অ-আদর্শ ডেটা ব্যবহার করব? covariate শিফট; বর্গ ভারসাম্যহীনতা; অনুপস্থিত ডেটা, অনিয়মিতভাবে নমুনাযুক্ত ডেটা, পরিমাপের ত্রুটি; অসঙ্গতি সনাক্তকরণ, দৃust়তা
আমি কীভাবে পরামিতিগুলি অনুকূল করব? নিয়ন্ত্রণহীন বনাম সীমাবদ্ধ / উত্তল অপ্টিমাইজেশন, ডেরিভেটিভ-মুক্ত পদ্ধতি, প্রথম এবং দ্বিতীয়-ক্রম পদ্ধতি, ব্যাকফিট; প্রাকৃতিক গ্রেডিয়েন্ট; আবদ্ধ অপ্টিমাইজেশন এবং ইএম
আমি লিনিয়ার ফাংশনগুলি কীভাবে অনুকূল করব? গণনামূলক রৈখিক বীজগণিত, সংক্ষিপ্তকরণের জন্য ম্যাট্রিক্স বিপরীতকরণ, মাত্রিকতা হ্রাসের জন্য একক মান ভলন (এসভিডি)
আমি কীভাবে প্রতিবন্ধকতাগুলির সাথে অপ্টিমাইজ করব? উত্তেজকতা, ল্যাঞ্জরেঞ্জ মাল্টিপ্লায়ার্স, কারুশ-কুহান-টকার শর্তাদি, অভ্যন্তর বিন্দু পদ্ধতি, এসভিএমের জন্য এসএমও অ্যালগরিদম
আমি কীভাবে গভীরভাবে নেস্টেড পরিমাণগুলি মূল্যায়ন করব? সঠিক গ্রাফিকাল মডেল অনুমিতি, অঙ্কগুলিতে পরিবর্তনের সীমানা, আনুমানিক গ্রাফিক্যাল মডেল অনুমিতি, প্রত্যাশা প্রচার
আমি কীভাবে বড় অঙ্কগুলি এবং অনুসন্ধানগুলি মূল্যায়ন করব? জেনারালাইজড এন-বডি সমস্যা (জিএনপি), শ্রেণিবিন্যাস সম্পর্কিত তথ্য কাঠামো, নিকটতম প্রতিবেশী অনুসন্ধান, দ্রুত একাধিক পদ্ধতি; মন্টি কার্লো একীকরণ, মার্কভ চেইন মন্টি কার্লো, মন্টি কার্লো এসভিডি
আমি আরও বড় সমস্যাগুলি কীভাবে চিকিত্সা করব? সমান্তরাল / বিতরণ ইএম, সমান্তরাল / বিতরণ জিএনপি; স্টোকাস্টিক সাবগ্রেডিয়েন্ট পদ্ধতি, অনলাইন শেখা
বাস্তব বিশ্বে আমি কীভাবে এই সমস্ত প্রয়োগ করব? এমএল এর অংশগুলির সংক্ষিপ্তসার, প্রতিটি কাজের জন্য ব্যবহারের পদ্ধতিগুলির মধ্যে নির্বাচন, পূর্ববর্তী জ্ঞান এবং অনুমান; অনুসন্ধানের তথ্য বিশ্লেষণ এবং তথ্য দৃশ্যায়ন; মূল্যায়ন এবং ব্যাখ্যা, আত্মবিশ্বাস অন্তর এবং অনুমান পরীক্ষা, আরওসি বক্ররেখা ব্যবহার করে; যেখানে এমএলে গবেষণার সমস্যা রয়েছে