লোড হচ্ছে…
মিশ্রসহজAI-এর মৌলিক ধারণাAI-এর জন্য গণিত ও পরিসংখ্যান
AI-এর জন্য গণিত ও পরিসংখ্যান: মূল বিষয়
প্রতিটা AI ইঞ্জিনিয়ার আসলে যে গণিত ব্যবহার করেন — ভেক্টর আর এমবেডিং, গ্রেডিয়েন্ট ডিসেন্ট, পরিসংখ্যান, সম্ভাবনা আর মূল্যায়নের মাপ — NumPy আর চমৎকার ভিডিও দিয়ে শেখানো।
২৫ টি পাঠ৩ টি পরীক্ষা26h 8m
কোর্স সম্পর্কে
BitByte AI পথের Level 0-এর তৃতীয় বিষয়। আসল, পরীক্ষিত NumPy কোডসহ দুই ভাষার লেখা টিউটোরিয়াল; 3Blue1Brown, StatQuest আর Khan Academy-র বাছাই করা ভিডিও; আর সহজ থেকে কঠিন তিনটা কুইজ।
শুরু করবেন ভেক্টর কী তা দিয়ে, শেষে ব্যাখ্যা করতে পারবেন মডেল কীভাবে শেখে, একটা ল্যাঙ্গুয়েজ মডেল কীভাবে পরের শব্দ বাছে, আর জানানো একটা উন্নতি আসলেই সত্য কিনা।
আপনি যা শিখবেন
- ডেটাকে ভেক্টর আর ম্যাট্রিক্স হিসেবে প্রকাশ, আর ডট প্রোডাক্ট ও কোসাইন সিমিলারিটি ব্যবহার করতে পারবেন (সিমান্টিক সার্চের মূল)
- নিউরাল-নেটওয়ার্কের লেয়ারকে W·x + b হিসেবে ব্যাখ্যা আর সংখ্যার কোডে শেপ পড়তে পারবেন
- ডেরিভেটিভ, গ্রেডিয়েন্ট, গ্রেডিয়েন্ট ডিসেন্ট, লার্নিং রেট আর লস ফাংশন ব্যাখ্যা করতে পারবেন
- মধ্যমা, বিস্তার আর পার্সেন্টাইল দিয়ে ডেটার সারাংশ, ফিচার স্কেলিং, আর কোরিলেশন থেকে কারণ আলাদা করতে পারবেন
- স্ট্যান্ডার্ড এরর আর বুটস্ট্র্যাপ কনফিডেন্স ইন্টারভাল দিয়ে বিচার করতে পারবেন একটা পার্থক্য আসল কিনা
- সম্ভাবনার নিয়ম আর বেইজের উপপাদ্য ব্যবহার, আর LLM-এ টেম্পারেচার, top-k ও top-p ব্যাখ্যা করতে পারবেন
- কনফিউশন ম্যাট্রিক্স, প্রিসিশন, রিকল আর F1 দিয়ে ক্লাসিফায়ার মূল্যায়ন আর থ্রেশহোল্ড বাছাই করতে পারবেন
পাঠ্যক্রম
১. পড়ুন: AI-এর জন্য গণিত ও পরিসংখ্যান
১ টি আইটেম২. ভেক্টর ও ম্যাট্রিক্স
৪ টি আইটেম- লিনিয়ার ট্রান্সফরমেশন ও ম্যাট্রিক্স10:59
- কম্পোজিশন হিসেবে ম্যাট্রিক্স গুণ10:04
৩. নিজেকে যাচাই: ভেক্টর ও ম্যাট্রিক্স
১ টি আইটেম৪. ক্যালকুলাস: মডেল কীভাবে শেখে
৫ টি আইটেম- ক্যালকুলাসের সারকথা17:05
- ডেরিভেটিভের ধাঁধা16:50
- ধাপে ধাপে গ্রেডিয়েন্ট ডিসেন্ট23:54
- নিউরাল নেটওয়ার্ক আসলে কী?18:40
- গ্রেডিয়েন্ট ডিসেন্ট: নিউরাল নেটওয়ার্ক কীভাবে শেখে20:33
৫. পরিসংখ্যান
৬ টি আইটেম- গড়, ভ্যারিয়েন্স ও স্ট্যান্ডার্ড ডেভিয়েশন14:22
- প্রোবাবিলিটি ডিস্ট্রিবিউশনের মূল ধারণা5:15
- নরমাল ডিস্ট্রিবিউশন5:13
- Pearson কোরিলেশন19:13
- স্ট্যান্ডার্ড এরর11:44
- কনফিডেন্স ইন্টারভাল6:42
৬. নিজেকে যাচাই: ক্যালকুলাস ও পরিসংখ্যান
১ টি আইটেম৭. সম্ভাবনা ও ল্যাঙ্গুয়েজ মডেল
৫ টি আইটেম- সম্ভাবনার ব্যাখ্যা8:18
- বেইজের উপপাদ্য, বদলানো বিশ্বাসের জ্যামিতি15:11
- সম্ভাবনা আর লাইকলিহুড এক নয়5:01
- সফটম্যাক্স আর AI-এর টেম্পারেচার8:34
- LLM-এ টেম্পারেচার1:00
৮. মডেল মাপা
৩ টি আইটেম- কনফিউশন ম্যাট্রিক্স7:13
- সেনসিটিভিটি ও স্পেসিফিসিটি11:47
- প্রিসিশন বনাম রিকল5:24
৯. চূড়ান্ত পরীক্ষা
১ টি আইটেম১০. পূর্ণদৈর্ঘ্যের কোর্স (ঐচ্ছিক)
২ টি আইটেম- লিনিয়ার অ্যালজেব্রা (পূর্ণ কলেজ কোর্স)699:45
- পরিসংখ্যান (পূর্ণ বিশ্ববিদ্যালয় কোর্স)495:04
প্রয়োজনীয়তা
- Python-এর মূল বিষয়, বিশেষ করে NumPy ("AI-এর জন্য Python" কোর্স, Level 0-এর বিষয় ২)
- স্কুলের পাটিগণিত: আগে থেকে ক্যালকুলাস বা পরিসংখ্যান লাগবে না
- ভিডিওর জন্য সাধারণ ইংরেজি (টিউটোরিয়াল আর কুইজ ইংরেজি ও বাংলায়)
পর্যালোচনা
আলোচনায় যোগ দিতে সাইন ইন করুন।