আমাদের দৈনন্দিন জীবনে এআইয়ের বিকাশ এবং সংহতকরণের উপর নির্ভর করে অনেকটা কৃত্রিম বুদ্ধিমত্তা গত দশকে গুরুত্ব পেয়েছে। এআই ইতিমধ্যে যে অগ্রগতি করেছে তা স্ব-ড্রাইভিং গাড়ি, চিকিত্সা নির্ণয় এবং এমনকি গো এবং দাবার মতো কৌশলগত খেলাগুলিতে মানুষের বাজি রেখে চমকপ্রদ।
এআই এর ভবিষ্যত অত্যন্ত আশাব্যঞ্জক এবং এটি আমাদের থেকে দূরে নেই যখন আমাদের নিজস্ব রোবোটিক সহযোগী রয়েছে। এটি কোড লেখার শুরু করতে এবং এআই এবং এমএল প্রোগ্রামগুলির বিকাশ শুরু করতে অনেক বিকাশকারীকে ধাক্কা দিয়েছে। তবে এআই এবং এমএল-এর জন্য অ্যালগরিদম লিখতে শেখা সহজ নয় এবং এর জন্য ব্যাপক প্রোগ্রামিং এবং গাণিতিক জ্ঞানের প্রয়োজন।
এই দুটি স্ট্রিমের প্রোগ্রামিংয়ের ভিত্তি তৈরি করায় গণিত একটি গুরুত্বপূর্ণ ভূমিকা পালন করে।
মেশিন লার্নিংয়ের জন্য গণিত গুরুত্বপূর্ণ কেন এমন অনেক কারণ রয়েছে। তাদের কয়েকটি নীচে রয়েছে:
সঠিক অ্যালগরিদম নির্বাচন করা যার মধ্যে সঠিকতা, প্রশিক্ষণের সময়, মডেল জটিলতা, পরামিতির সংখ্যা এবং বৈশিষ্ট্যগুলির সংখ্যা বিবেচনা করা অন্তর্ভুক্ত। প্যারামিটার সেটিংস এবং বৈধতা কৌশল নির্বাচন করা। বায়াস-ভেরিয়েন্স ট্রেডঅফ বোঝার মাধ্যমে আন্ডারফিটিং এবং ওভারফিটিং সনাক্তকরণ। সঠিক আত্মবিশ্বাসের ব্যবধান এবং অনিশ্চয়তা অনুমান করা।
মেশিন লার্নিংয়ের জন্য কোন ধরণের গণিতের প্রয়োজন?
মেশিন লার্নিং বা কৃত্রিম বুদ্ধিমত্তার অধ্যয়নের জন্য একেবারে প্রয়োজনীয়। এমএলে ধারণাগুলি এবং অ্যালগরিদমগুলির যে কোনও গভীর বোঝার জন্য কিছু প্রাথমিক গণিতের জ্ঞান প্রয়োজন।
তিনটি প্রধান গাণিতিক তত্ত্ব: লিনিয়ার বীজগণিত, মাল্টিভারিয়েট ক্যালকুলাস এবং সম্ভাব্য তত্ত্ব।
রৈখিক বীজগণিত -
লিনিয়ার বীজগণিত স্বরলিপি বিভিন্ন মেশিন লার্নিং অ্যালগরিদমের পরামিতি এবং কাঠামো বর্ণনা করতে মেশিন লার্নিংয়ে ব্যবহৃত হয়। নিউরাল নেটওয়ার্কগুলি কীভাবে একসাথে রাখা হয় এবং কীভাবে তারা কাজ করে তা বোঝার জন্য এটি লিনিয়ার বীজগণিতকে প্রয়োজনীয়তা তৈরি করে।
এটি যেমন বিষয়গুলি কভার করে:
স্কেলারস, ভেক্টর, ম্যাট্রিক্স, টেনসর ম্যাট্রিক্স নরমস বিশেষ ম্যাট্রিক্স এবং ভেক্টর ইজেনভ্যালু এবং ইজেনভেেক্টর মাল্টিভারিয়েট ক্যালকুলাস -
এটি মেশিন লার্নিংয়ের শেখার অংশ পরিপূরক হিসাবে ব্যবহৃত হয়। উদাহরণ থেকে শিখতে, বিভিন্ন মডেলের প্যারামিটারগুলি আপডেট করতে এবং কর্মক্ষমতা উন্নত করতে এটিই ব্যবহৃত হয়।
এটি যেমন বিষয়গুলি কভার করে:
ডেরাইভেটিভস ইন্টিগ্রাল গ্রেডিয়েন্টস ডিফারেনশিয়াল অপারেটরগুলি উত্তল অপটিমাইজেশন সম্ভাবনা তত্ত্ব -
থিওরিগুলি যখন আমরা এই গভীর শিখন বা এআই অ্যালগরিদমগুলি ডিজাইন করি তখন অন্তর্নিহিত ডেটা সম্পর্কে অনুমান করার জন্য ব্যবহৃত হয়। মূল সম্ভাব্যতা বিতরণগুলি বোঝার জন্য আমাদের পক্ষে গুরুত্বপূর্ণ,
এটি যেমন বিষয়গুলি কভার করে:
সম্ভাবনার উপাদানসমূহ এলোমেলো পরিবর্তনীয় বিতরণ বৈকল্পিকতা এবং প্রত্যাশা বিশেষ এলোমেলো ভেরিয়েবলগুলি কীভাবে মেশিন লার্নিংয়ের জন্য গণিত শিখবেন?
ডেটা সায়েন্সের জন্য গণিত শেখার স্ব-স্টার্টার উপায়টি "ছি ছি করে" শিখতে হবে। তবুও, আপনি সামনের তত্ত্বটি অন্তর্নিহিত তত্ত্বটি শিখতে বা পর্যালোচনা করতে চান। আপনার একটি সম্পূর্ণ পাঠ্যপুস্তক পড়ার দরকার নেই, তবে আপনি প্রথমে মূল ধারণাটি শিখতে চাইবেন।
নরম পূর্বশর্ত হিসাবে, আমি লিনিয়ার বীজগণিত / ম্যাট্রিক্স ক্যালকুলাস (যাতে আপনি স্বীকৃতিতে আটকে যান না) এবং সূচনাগত সম্ভাবনার সাথে প্রাথমিক স্বাচ্ছন্দ্যতা অনুমান করি।
আপনি যদি গভীরভাবে মেশিন লার্নিংয়ের জন্য গণিত শিখতে চান তবে অনলাইনে এমন অনেকগুলি কোর্স উপলব্ধ রয়েছে যেমন,
খান একাডেমির লিনিয়ার বীজগণিত, সম্ভাব্যতা এবং পরিসংখ্যান, মাল্টিভেয়ারেবল ক্যালকুলাস এবং অনুকূলিতকরণ।
ইডুনিক্সে মেশিন লার্নিং এবং এআইয়ের জন্য গাণিতিক ফাউন্ডেশন
Udemy এর পিছনে মেশিন লার্নিং ম্যাথস শিখুন
ম্যাট্রিক্সের কোডিং: ব্রাউন ইউনিভার্সিটির ফিলিপ ক্লিনের কম্পিউটার সায়েন্স অ্যাপ্লিকেশনগুলির মাধ্যমে লিনিয়ার বীজগণিত।
ল্যারি ওয়াসারম্যানের বই - সমস্ত পরিসংখ্যান: পরিসংখ্যানমূলক অনুক্রমের মধ্যে একটি কনসাইজ কোর্স।
মনে রাখবেন যে আপনি করণ দ্বারা সর্বোত্তম শিখছেন, এবং দুঃখের বিষয় এই কোর্সগুলিতে পর্যাপ্ত অ্যাসাইনমেন্ট এবং হোম ওয়ার্ক নেই
আমি যা প্রস্তাব দিচ্ছি তা হল, মেশিন লার্নিং এবং এআই এর গাণিতিক ফাউন্ডেশন - এই কোর্সটি সম্পূর্ণ গণিতের পাঠ্যক্রম নয়; এটি স্কুল বা কলেজের গণিত শিক্ষা প্রতিস্থাপনের জন্য ডিজাইন করা হয়নি। পরিবর্তে, এটি মেশিন লার্নিংয়ের গবেষণায় আপনি যে মূল গাণিতিক ধারণাগুলির মুখোমুখি হবেন সেগুলিকে কেন্দ্র করে।
আপনি কী শিখবেন:
এবং আরো অনেক কিছু……
এই কোর্সটির শেষে, আপনার নিজের অ্যালগরিদমগুলি তৈরি করার জন্য আপনার কাছে কেবল জ্ঞানই থাকবে না, তবে আপনার পরবর্তী প্রকল্পগুলিতে আপনার অ্যালগরিদমগুলি ব্যবহার করতে আসলেই আত্মবিশ্বাসও থাকবে না।
কোর্সটি গাণিতিক ধারণাগুলি সম্পর্কে আপনার জ্ঞানকে আরও দৃify় করতে সহায়তা করার জন্য প্রকল্পগুলি এবং কুইজগুলির সাথে আসে।
আনুষ্ঠানিক শিক্ষার অংশ হিসাবে এই মূল ধারণাগুলি মিস করা বা গণিত অধ্যয়ন থেকে দীর্ঘ বিরতির পরে তাদের স্মৃতি সতেজ করা দরকার যারা শিক্ষার্থীদের শূন্যস্থান পূরণ করতে এটি তৈরি করা হয়েছে।
আমি মনে করি এই কোর্সটি শুরুতে 2 থেকে 3 মাসের জন্য স্কিমিংয়ের মাধ্যমে বিনিয়োগের চেয়ে আরও ভাল এবং তার মুখোমুখি হওয়ার সময় আপনি যা শিখেছিলেন তার অর্ধেক ভুলে যাওয়ার চেয়ে অনেক বেশি ভাল I
দেখানো বেসিক ধারণাগুলি বোঝার চেষ্টা করুন এবং মজা করার জন্য সর্বদা মনে রাখবেন!