PickAClass · এআই, প্রযুক্তি ও প্রকৌশল

এআই এবং মেশিন লার্নিং

কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিং-এর মূল বিষয়গুলো শিখুন, ক্লাসিক্যাল অ্যালগরিদম থেকে শুরু করে মডেল ডিপ্লয়মেন্ট পর্যন্ত। তত্ত্বাবধানাধীন, তত্ত্বাবধানহীন এবং রিইনফোর্সমেন্ট লার্নিং অন্তর্ভুক্ত।

11 subcategories · 182 courses total

AI ও ML-এর ভিত্তি

কৃত্রিম বুদ্ধিমত্তার জগতে আপনার যাত্রা শুরু করুন। এখানে মৌলিক ধারণা, ইতিহাস এবং বিভিন্ন ধরণের মেশিন লার্নিং অ্যালগরিদম শিখুন।

জেনারেটিভ এআই

এআই-এর অত্যাধুনিক জগৎ অন্বেষণ করুন যা টেক্সট, ছবি থেকে শুরু করে কোড পর্যন্ত নতুন কনটেন্ট তৈরি করে। GANs, VAEs, এবং বৃহৎ ভাষার মডেলগুলির মতো মডেলগুলি বুঝুন।

ডিপ লার্নিং

কৃত্রিম নিউরাল নেটওয়ার্কের জগতে প্রবেশ করুন। TensorFlow এবং PyTorch-এর মতো ফ্রেমওয়ার্ক ব্যবহার করে জটিল কাজের জন্য ডিপ লার্নিং মডেল তৈরি, প্রশিক্ষণ এবং অপ্টিমাইজ করতে শিখুন।

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং (NLP)

কম্পিউটারকে মানুষের ভাষা বুঝতে, প্রক্রিয়া করতে এবং তৈরি করতে শেখান। টেক্সট প্রিপ্রসেসিং এবং সেন্টিমেন্ট অ্যানালাইসিস থেকে শুরু করে transformers এবং বৃহৎ ভাষার মডেল পর্যন্ত বিষয়গুলি কভার করুন।

MLOps (মেশিন লার্নিং অপারেশনস)

প্রোডাকশনে মেশিন লার্নিং মডেল স্থাপন, পর্যবেক্ষণ এবং রক্ষণাবেক্ষণের জন্য নীতি এবং অনুশীলনগুলি শিখুন। ডেটা সায়েন্স এবং DevOps-এর মধ্যে ব্যবধান পূরণ করুন।

কম্পিউটার ভিশন

মেশিনকে ভিজ্যুয়াল জগৎ দেখতে এবং ব্যাখ্যা করতে সক্ষম করুন। ডিপ লার্নিং ব্যবহার করে ইমেজ ক্লাসিফিকেশন, অবজেক্ট ডিটেকশন এবং সেগমেন্টেশন সম্পর্কে জানুন।

এআই নীতিশাস্ত্র এবং গভর্নেন্স

কৃত্রিম বুদ্ধিমত্তার সামাজিক প্রভাব বুঝুন। এআই সিস্টেমে ন্যায্যতা, জবাবদিহিতা, স্বচ্ছতা এবং পক্ষপাত সম্পর্কে জানুন এবং দায়িত্বশীল বিকাশের জন্য নীতিগুলি অন্বেষণ করুন।

সুপারভাইজড লার্নিং

মেশিন লার্নিংয়ের সবচেয়ে সাধারণ প্রকারটি আয়ত্ত করুন। লেবেলযুক্ত ডেটার উপর ভিত্তি করে ভবিষ্যদ্বাণী করে এমন মডেল তৈরি করতে শিখুন, যা রিগ্রেশন এবং ক্লাসিফিকেশন টাস্কগুলিকে কভার করে।

আনসুপারভাইজড লার্নিং

লেবেলবিহীন ডেটাতে লুকানো প্যাটার্ন এবং কাঠামো আবিষ্কার করুন। ক্লাস্টারিং, ডাইমেনশনালিটি রিডাকশন এবং অ্যাসোসিয়েশন রুল মাইনিং-এর মতো কৌশলগুলি অন্বেষণ করুন।

রিইনফোর্সমেন্ট লার্নিং

এমন বুদ্ধিমান এজেন্ট তৈরি করতে শিখুন যা পরীক্ষা ও ভুলের মাধ্যমে সর্বোত্তম সিদ্ধান্ত নেয়। Q-learning, পলিসি গ্রেডিয়েন্ট এবং তাদের প্রয়োগের মতো ধারণাগুলি অন্বেষণ করুন।

টাইম সিরিজ ফোরকাস্টিং

সময়-ক্রমিক ডেটার উপর ভিত্তি করে ভবিষ্যতের মান বিশ্লেষণ ও পূর্বাভাস দিন। পূর্বাভাসের জন্য ARIMA-এর মতো ক্লাসিক্যাল পদ্ধতি এবং LSTM-এর মতো আধুনিক ডিপ লার্নিং পদ্ধতি আয়ত্ত করুন।