README.md

🌐 বহু-ভাষা সমর্থন

GitHub Action এর মাধ্যমে সমর্থিত (স্বয়ংক্রিয় ও সর্বদা হালনাগাদ)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

লোকালিতে ক্লোন করতে চান?

এই রিপোজিটরিতে ৫০+ ভাষার অনুবাদ রয়েছে যা ডাউনলোড আকার অনেক বাড়িয়ে দেয়। অনুবাদ ছাড়া ক্লোন করতে স্পারস চেকআউট ব্যবহার করুন:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

এটি আপনাকে দ্রুত ডাউনলোড সহ কোর্স সম্পন্ন করার জন্য প্রয়োজনীয় সবকিছু প্রদান করবে।

আমাদের কমিউনিটিতে যোগদান করুন

আমাদের কাছে Discord এ একটি AI এর সাথে শেখার সিরিজ চলছে, বিস্তারিত জানুন এবং আমাদের সাথে যোগ দিন Learn with AI Series ১৮ থেকে ৩০ সেপ্টেম্বর, ২০২৫। সেখানে আপনি Data Science এর জন্য GitHub Copilot ব্যবহার করার টিপস এবং ট্রিক্স পেয়ে যাবেন।

শিক্ষানবিশদের জন্য মেশিন লার্নিং - একটি পাঠ্যক্রম

🌍 বিশ্ব সংস্কৃতির মাধ্যমে মেশিন লার্নিং অন্বেষণ করতে বিশ্ব ভ্রমণ করুন 🌍

Microsoft এর Cloud Advocates একটি ১২-সপ্তাহের, ২৬-টি পাঠের একটি পূর্ণাঙ্গ পাঠ্যক্রম অফার করতে পেরে আনন্দিত যা মেশিন লার্নিং সম্পর্কে। এই পাঠ্যক্রমে, আপনি যাকে কখনও কখনও ক্লাসিক মেশিন লার্নিং বলা হয় তা শিখবেন, প্রধানত Scikit-learn লাইব্রেরি ব্যবহার করে এবং ডিপ লার্নিং এড়িয়ে চলবেন, যা আমাদের AI for Beginners পাঠ্যক্রমে অন্তর্ভুক্ত। এই পাঠগুলি আমাদের 'Data Science for Beginners' পাঠ্যক্রম এর সাথে মিলিয়ে নিতে পারেন।

আমাদের সাথে বিশ্বজুড়ে যাত্রা করুন কারণ আমরা ক্লাসিক কৌশলগুলি বিশ্বের বিভিন্ন এলাকার ডাটায় প্রয়োগ করি। প্রতিটি পাঠে আছে পূর্ব ও পরবর্তী কুইজ, পাঠ সম্পন্ন করার জন্য লিখিত নির্দেশনা, একটি সমাধান, একটি নিয়োগ এবং আরও অনেক কিছু। আমাদের প্রকল্পভিত্তিক পদ্ধতি আপনাকে শেখার সময় তৈরি করার সুযোগ দেয়, যা নতুন দক্ষতা শেখানোর প্রমাণিত পথ।

✍️ আমাদের লেখকদের আন্তরিক ধন্যবাদ: Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ও Amy Boyd

🎨 আমাদের চিত্রকরদের ধন্যবাদ: Tomomi Imura, Dasani Madipalli, এবং Jen Looper

🙏 বিশেষ ধন্যবাদ 🙏 Microsoft Student Ambassador লেখক, পর্যালোচক এবং কনটেন্ট অবদানকারীদের, বিশেষত Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila এবং Snigdha Agarwal

🤩 অতিরিক্ত কৃতজ্ঞতা Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, এবং Vidushi Gupta কে আমাদের R পাঠের জন্য!

শুরু করাঃ

এই ধাপগুলি অনুসরণ করুন:

1. রিপোজিটরি ফর্ক করুন: পৃষ্ঠার উপরের ডানদিকে "Fork" বোতামে ক্লিক করুন।
2. রিপোজিটরি ক্লোন করুন: git clone https://github.com/microsoft/ML-For-Beginners.git

আমাদের Microsoft Learn সংগ্রহে এই কোর্সের সমস্ত অতিরিক্ত সম্পদগুলি খুঁজুন

🔧 সহায়তা দরকার? সাধারণ ইনস্টলেশন, সেটআপ এবং পাঠ চালানোর সমস্যার জন্য আমাদের Troubleshooting Guide দেখুন।

শিক্ষার্থীবৃন্দ, এই পাঠ্যক্রম ব্যবহার করতে আপনার নিজস্ব GitHub একাউন্টে সম্পূর্ণ রিপোজিটরি ফর্ক করুন এবং একক অথবা গ্রুপে অনুশীলনগুলি সম্পন্ন করুন:

• পূর্ব-লেকচার কুইজ দিয়ে শুরু করুন।
• লেকচার পড়ুন এবং কার্যক্রমগুলো সম্পন্ন করুন, প্রতিটি নলেজ চেক-এ থামুন এবং চিন্তা করুন।
• কোড চালানোর পরিবর্তে পাঠগুলো বুঝে প্রকল্প তৈরি করার চেষ্টা করুন; অবশ্যই কোডটি প্রতিটি প্রকল্পভিত্তিক পাঠের /solution ফোল্ডারে পাওয়া যাবে।
• পরবর্তী লেকচার কুইজ নিন।
• চ্যালেঞ্জ সম্পন্ন করুন।
• নিয়োগ সম্পন্ন করুন।
• একটি লেসন গ্রুপ সম্পন্ন করার পর, Discussion Board এ যান এবং উপযুক্ত PAT রুব্রিক পূরণ করে "জোরে শেখার" অংশ নিন। 'PAT' হলো একটি প্রগ্রেস অ্যাসেসমেন্ট টুল যা নিজের শেখাকে আরও বাড়াতে ব্যবহৃত হয়। আপনি অন্যদের PAT-এ প্রতিক্রিয়া জানাতেও পারেন যাতে আমরা একসাথে শিখতে পারি।

আরও অধ্যয়নের জন্য, আমরা এই Microsoft Learn মডিউল ও শেখার পথ অনুসরণ করার পরামর্শ দেই।

শিক্ষকগণ, আমরা এই পাঠ্যক্রম ব্যবহারের জন্য কিছু পরামর্শ অন্তর্ভুক্ত করেছি।

---

ভিডিও ওয়াকথ্রু

কিছু পাঠ ছোট ফর্ম ভিডিও হিসেবে উপলব্ধ। আপনি এগুলো পাঠের ভিতরই দেখতে পারেন বা Microsoft Developer এর YouTube চ্যানেলের ML for Beginners প্লেলিস্টে নিচের ছবিতে ক্লিক করে দেখতে পারেন।

---

দলকে চিনুন

Gif এর নির্মাতা Mohit Jaisal

🎥 প্রকল্প এবং তার নির্মাতাদের সম্পর্কে ভিডিও দেখতে উপরের ছবিতে ক্লিক করুন!

---

শিক্ষাদান পদ্ধতি

এই পাঠ্যক্রম তৈরির সময় আমরা দুটি শিক্ষাদান নীতি বেছে নিয়েছি: এটা হবে হাতেকলমে প্রকল্পভিত্তিক এবং এতে থাকবে ঘন ঘন কুইজ। এছাড়া, এই পাঠ্যক্রমের একটি সাধারণ থিম রয়েছে যেটি এটি একত্রিকরণ করে।

কন্টেন্টকে প্রকল্পের সঙ্গে মিলিয়ে দেওয়ার ফলে ছাত্রদের জন্য শেখার প্রক্রিয়া আকর্ষণীয় হয় এবং ধারণাসমূহ আরও ভালোভাবে মনে থাকে। সঙ্গে, ক্লাস শুরুর আগে একটি কম-পূঁজি (low-stakes) কুইজ ছাত্রের লক্ষ্য শেখার দিকে মনোযোগ দেয়, আর ক্লাস শেষের পরে দ্বিতীয় কুইজ বুঝে নেওয়া আরও প্রগাঢ় করে। এই পাঠ্যক্রম নমনীয় ও মজার হিসেবে ডিজাইন করা হয়েছে এবং পুরোপুরি বা আংশিক পাঠ নেওয়া যেতে পারে। প্রকল্পগুলো ছোট থেকে শুরু করে ১২-সপ্তাহের শেষে ক্রমশ জটিল হয়ে ওঠে। এই পাঠ্যক্রমে একটি পরিশিষ্ট অংশ রয়েছে যা ML এর বাস্তব বিশ্বে প্রয়োগের উপর, যেটা অতিরিক্ত ক্রেডিট হিসেবে বা আলোচনা সূত্র হিসেবে ব্যবহার করা যেতে পারে।

আমাদের Code of Conduct, Contributing, Translations, এবং Troubleshooting নির্দেশিকা দেখুন। আমরা আপনার গঠনমূলক প্রতিক্রিয়াকে স্বাগত জানাই!

প্রতিটি পাঠে অন্তর্ভুক্ত

• ঐচ্ছিক স্কেচনোট
• ঐচ্ছিক অতিরিক্ত ভিডিও
• ভিডিও ওয়াকথ্রু (কয়েকটি পাঠের জন্য)
• পূর্ব-লেকচার ওয়ার্মআপ কুইজ
• লিখিত পাঠ
• প্রকল্পভিত্তিক পাঠের জন্য ধাপে ধাপে প্রকল্প নির্মাণের নির্দেশিকা
• জ্ঞান পরীক্ষা
• একটি চ্যালেঞ্জ
• অতিরিক্ত পাঠ
• নিয়োগ
• পরবর্তী লেকচার কুইজ

ভাষা সম্পর্কে একটি টীকা: এই পাঠগুলি প্রধানত Python এ লেখা হয়েছে, তবে অনেকগুলি R তেও উপলব্ধ। একটি R পাঠ সম্পন্ন করার জন্য /solution ফোল্ডারে যান এবং R পাঠ খুঁজুন। এগুলোতে .rmd এক্সটেনশন থাকে যা একটি R Markdown ফাইল নির্দেশ করে যা কোড চাঙ্ক (R বা অন্যান্য ভাষার) এবং একটি YAML হেডার (যা আউটপুট কিভাবে ফরম্যাট করতে হয় নির্দেশ দেয় যেমন PDF) একটি Markdown ডকুমেন্টে এম্বেড করার ফ্রেমওয়ার্ক। তাই এটি ডেটা সায়েন্সের জন্য একটি আদর্শ লেখনী কাঠামো হিসেবে কাজ করে যেখানে আপনি আপনার কোড, তার আউটপুট এবং চিন্তা সবকিছু Markdown এ লিখে সংযোজন করতে পারেন। আরো কিছুর জন্য, R Markdown ডকুমেন্টগুলি PDF, HTML বা Word মত আউটপুট ফরম্যাটে রেন্ডার করা যায়। কুইজ সম্পর্কে একটি নোট: সকল কুইজ রয়েছে Quiz App folder-এ, যেখানে মোট ৫২টি কুইজ রয়েছে যার প্রতিটিতে তিনটি প্রশ্ন আছে। এগুলো পাঠের মধ্যে লিঙ্ক করা রয়েছে কিন্তু কুইজ অ্যাপটি স্থানীয়ভাবে চালানো যেতে পারে; লোকালি হোস্ট বা Azure-এ ডিপ্লয় করার জন্য quiz-app ফোল্ডারের নির্দেশাবলী অনুসরণ করুন।

পাঠের নম্বর	বিষয়	পাঠের গ্রুপিং	শেখার উদ্দেশ্য	লিঙ্ককৃত পাঠ	প্রণেতা
০১	মেশিন লার্নিংয়ের পরিচিতি	পরিচিতি	মেশিন লার্নিংয়ের মৌলিক ধারণাগুলো শিখুন	পাঠ	মুহাম্মদ
০২	মেশিন লার্নিংয়ের ইতিহাস	পরিচিতি	এই ক্ষেত্রের পেছনের ইতিহাস শিখুন	পাঠ	জেন এবং অ্যামি
০৩	ন্যায়পরায়ণতা এবং মেশিন লার্নিং	পরিচিতি	মেশিন লার্নিং মডেল তৈরি ও প্রয়োগের সময় ন্যায়পরায়ণতা সম্পর্কিত গুরুত্বপূর্ণ দার্শনিক বিষয়গুলি ছাত্রদের ভাবার জন্য কী কী?	পাঠ	তোমোমি
০৪	মেশিন লার্নিংয়ের পদ্ধতিগুলো	পরিচিতি	মেশিন লার্নিং গবেষকরা কি পদ্ধতি ব্যবহার করে মডেল গঠন করে?	পাঠ	ক্রিস এবং জেন
০৫	রিগ্রেশন পরিচিতি	রিগ্রেশন	রিগ্রেশন মডেলের জন্য পাইথন ও সাইকিট-লার্নের সাথে শুরু করুন	Python • R	জেন • এরিক ওয়াঞ্জাউ
০৬	উত্তর আমেরিকার কুমড়োর দাম 🎃	রিগ্রেশন	মেশিন লার্নিংয়ের প্রস্তুতির জন্য ডেটা ভিজ্যুয়ালাইজ ও পরিষ্কার করুন	Python • R	জেন • এরিক ওয়াঞ্জাউ
০৭	উত্তর আমেরিকার কুমড়োর দাম 🎃	রিগ্রেশন	লিনিয়ার এবং পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করুন	Python • R	জেন এবং দিমিত্রি • এরিক ওয়াঞ্জাউ
০৮	উত্তর আমেরিকার কুমড়োর দাম 🎃	রিগ্রেশন	লজিস্টিক রিগ্রেশন মডেল তৈরি করুন	Python • R	জেন • এরিক ওয়াঞ্জাউ
০৯	একটি ওয়েব অ্যাপ 🔌	ওয়েব অ্যাপ	আপনার প্রশিক্ষিত মডেল ব্যবহারের জন্য একটি ওয়েব অ্যাপ তৈরি করুন	Python	জেন
১০	শ্রেণিবিন্যাস পরিচিতি	শ্রেণিবিন্যাস	আপনার ডেটা পরিষ্কার, প্রস্তুত ও ভিজ্যুয়ালাইজ করুন; শ্রেণিবিন্যাসের পরিচিতি	Python • R	জেন এবং কেসি • এরিক ওয়াঞ্জাউ
১১	সুস্বাদু এশীয় ও ভারতীয় রান্না 🍜	শ্রেণিবিন্যাস	শ্রেণীবিন্যাসক সম্পর্কে পরিচিতি	Python • R	জেন এবং কেসি • এরিক ওয়াঞ্জাউ
১২	সুস্বাদু এশীয় ও ভারতীয় রান্না 🍜	শ্রেণিবিন্যাস	আরও শ্রেণীবিন্যাসক	Python • R	জেন এবং কেসি • এরিক ওয়াঞ্জাউ
১৩	সুস্বাদু এশীয় ও ভারতীয় রান্না 🍜	শ্রেণিবিন্যাস	আপনার মডেল ব্যবহার করে একটি রিকমেন্ডার ওয়েব অ্যাপ তৈরি করুন	Python	জেন
১৪	ক্লাস্টারিংয়ের পরিচিতি	ক্লাস্টারিং	আপনার ডেটা পরিষ্কার, প্রস্তুত ও ভিজ্যুয়ালাইজ করুন; ক্লাস্টারিংয়ের পরিচিতি	Python • R	জেন • এরিক ওয়াঞ্জাউ
১৫	নাইজেরীয় সঙ্গীত রুচি অন্বেষণ 🎧	ক্লাস্টারিং	কে-মিন্স ক্লাস্টারিং পদ্ধতি এক্সপ্লোর করুন	Python • R	জেন • এরিক ওয়াঞ্জাউ
১৬	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ পরিচিতি ☕️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	সহজ একটি বট তৈরি করে প্রাকৃতিক ভাষা প্রক্রিয়াকরণের মৌলিক তথ্য শিখুন	Python	স্টিফেন
১৭	সাধারণ NLP কাজসমূহ ☕️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	ভাষার কাঠামোর সঙ্গে কাজ করার সময় প্রয়োজনীয় সাধারণ কাজসমূহ বোঝার মাধ্যমে NLP জ্ঞান গভীর করুন	Python	স্টিফেন
১৮	অনুবাদ ও অনুভূতি বিশ্লেষণ ♥️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	জেন অস্টেনের মাধ্যমে অনুবাদ ও অনুভূতি বিশ্লেষণ	Python	স্টিফেন
১৯	ইউরোপের রোমান্টিক হোটেল ♥️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ১	Python	স্টিফেন
২০	ইউরোপের রোমান্টিক হোটেল ♥️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	হোটেল রিভিউ নিয়ে অনুভূতি বিশ্লেষণ ২	Python	স্টিফেন
২১	টাইম সিরিজ পূর্বাভাসের পরিচিতি	টাইম সিরিজ	টাইম সিরিজ পূর্বাভাসের পরিচিতি	Python	ফ্রান্সেসকা
২২	⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - ARIMA ব্যবহার করে টাইম সিরিজ পূর্বাভাস	টাইম সিরিজ	ARIMA ব্যবহার করে টাইম সিরিজ পূর্বাভাস	Python	ফ্রান্সেসকা
২৩	⚡️ বিশ্ব শক্তি ব্যবহার ⚡️ - SVR ব্যবহার করে টাইম সিরিজ পূর্বাভাস	টাইম সিরিজ	সাপোর্ট ভেক্টর রিগ্রেসর দিয়ে টাইম সিরিজ পূর্বাভাস	Python	অনির্বাণ
২৪	রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি	রিইনফোর্সমেন্ট লার্নিং	কিউ-লার্নিং দিয়ে রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি	Python	দিমিত্রি
২৫	পিটারকে বাঘির হাত থেকে বাঁচান! 🐺	রিইনফোর্সমেন্ট লার্নিং	রিইনফোর্সমেন্ট লার্নিং জিম	Python	দিমিত্রি
পরিশিষ্ট	বাস্তব জগতের মেশিন লার্নিং পরিস্থিতি ও প্রয়োগ	ML in the Wild	ক্লাসিক্যাল মেশিন লার্নিংয়ের আকর্ষণীয় ও প্রকাশক বাস্তব প্রয়োগ	পাঠ	দল
পরিশিষ্ট	RAI ড্যাশবোর্ড ব্যবহার করে মডেল ডিবাগিং	ML in the Wild	রেসপন্সিবল AI ড্যাশবোর্ড কম্পোনেন্ট ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং	পাঠ	রুথ ইয়াকুবু

এই কোর্সের জন্য সমস্ত অতিরিক্ত সম্পদ আমাদের Microsoft Learn সংগ্রহে খুঁজুন

অফলাইন অ্যাক্সেস

Docsify ব্যবহার করে আপনি এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপো ফর্ক করুন, আপনার লোকাল মেশিনে Docsify ইনস্টল করুন, এবং তারপর এই রিপোর মূল ফোল্ডারে docsify serve কমান্ড টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টে পোর্ট ৩০০০-এ চালু হবে: localhost:3000।

PDFs

এখানে লিঙ্ক সহ কারিকুলামের একটি পিডিএফ খুঁজে পান।

🎒 অন্যান্য কোর্স

আমাদের দল অন্যান্য কোর্সও তৈরি করে! দেখুন:

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

মূল শেখা

---

কপাইলট সিরিজ

সাহায্য পাওয়া

যদি আপনি আটকে যান বা AI অ্যাপ তৈরি সম্পর্কে কোন প্রশ্ন থাকে। সহকর্মী শিক্ষার্থী এবং অভিজ্ঞ ডেভেলপারদের সাথে MCP এর আলোচনা যোগ দিন। এটি একটি সহায়ক সম্প্রদায় যেখানে প্রশ্ন স্বাগত এবং জ্ঞান স্বাধীনভাবে ভাগ করা হয়।

যদি আপনার পণ্য সংক্রান্ত প্রতিক্রিয়া বা ত্রুটি থাকে তবে:

অতিরিক্ত শেখার টিপস

• প্রতিটি পাঠের পরে নোটবুক পর্যালোচনা করুন আরও ভাল বোঝার জন্য।
• নিজে নিজে অ্যালগোরিদম বাস্তবায়নের অনুশীলন করুন।
• শেখা ধারণাগুলো ব্যবহার করে বাস্তব বিশ্বের ডেটাসেট অন্বেষণ করুন।

---

অস্বীকৃতি:
এই নথিটি AI অনুবাদ সেবা Co-op Translator ব্যবহার করে অনূদিত হয়েছে। আমরা যথাসাধ্য সঠিকতার চেষ্টা করি, তবে স্বয়ংক্রিয় অনুবাদে ভুল বা অমিল থাকার সম্ভাবনা রয়েছে। মূল নথি তার নিজস্ব ভাষায় কর্তৃত্বপ্রাপ্ত উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানুষের অনুবাদ গ্রহণ করার পরামর্শ দেওয়া হচ্ছে। এই অনুবাদের ব্যবহারের কারণে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ব্যাখ্যার জন্য আমরা দায়ী নই।