মূল content-এ যাও

Learning Path · ০৩

Machine Learning

Problem → Data → Model → Evaluation — algorithm-এর তালিকা না, real সমস্যা সমাধানের পদ্ধতি।

শুরু করো: Machine Learning কী? →

৭টা module · ২৪টা lesson

24lessons
available: ৪শীঘ্রই: ২০

  1. MODULE 01

    ML-এর ভিত্তি

    Machine Learning আসলে কী, কখন লাগে, আর একটা ML project-এর পুরো চক্র।

    1. 01NextMachine Learning কী?
    2. 02ML workflow: Problem থেকে Deployment
    3. 03Features ও Labels
    4. 04Train/Test split ও first model

  2. MODULE 02

    Regression

    সংখ্যা predict করা — দাম, নম্বর, চাহিদা।

    1. 05শীঘ্রইLinear Regression
    2. 06শীঘ্রইRegression metrics: MAE, RMSE, R²
    3. 07শীঘ্রইOverfitting ও Underfitting
    4. 08শীঘ্রইRegularization: Ridge ও Lasso

  3. MODULE 03

    Classification

    Category predict করা — spam নাকি না, pass নাকি fail।

    1. 09শীঘ্রইLogistic Regression
    2. 10শীঘ্রইPrecision, Recall ও Confusion Matrix
    3. 11শীঘ্রইk-Nearest Neighbors
    4. 12শীঘ্রইDecision Trees

  4. MODULE 04

    Ensembles ও SVM

    অনেক দুর্বল model মিলে একটা শক্তিশালী — tabular data-র চ্যাম্পিয়ন।

    1. 13শীঘ্রইRandom Forests
    2. 14শীঘ্রইGradient Boosting
    3. 15শীঘ্রইSupport Vector Machines

  5. MODULE 05

    Unsupervised Learning

    Label ছাড়া data-তে pattern খোঁজা।

    1. 16শীঘ্রইK-Means Clustering
    2. 17শীঘ্রইPCA: Dimensionality Reduction

  6. MODULE 06

    Model Development

    Feature engineering, pipeline, cross-validation আর tuning — production-মানের model।

    1. 18শীঘ্রইFeature engineering ও Pipeline
    2. 19শীঘ্রইCross-validation
    3. 20শীঘ্রইHyperparameter tuning
    4. 21শীঘ্রইImbalanced data

  7. MODULE 07

    Project: ঝুঁকিতে থাকা student চিহ্নিত করা

    Python path-এর student data দিয়ে একটা সম্পূর্ণ, deploy-যোগ্য ML model।

    1. 22শীঘ্রইProblem framing ও Baseline
    2. 23শীঘ্রইModel বানানো ও তুলনা
    3. 24শীঘ্রইEvaluation, ব্যাখ্যা ও save