মেশিন লার্নিং
মেশিন লার্নিং – শুনতে অনেক বেশি জটিল মনে হলেও অতটাও নয়। যদি আপনি গণিত ভালো বুঝেন তাহলে তো কথাই নেই। মেশিন লার্নিং – নামের মধ্যেই বলে দেয়া আছে যে আপনাকে বেশি কিছু করতে হবে না। যা করার আপনার মেশিন নিজে থেকে শিখে নিয়ে করবে। তাই বলে ওকে জাস্ট ছেড়ে দিলে হবে না। বাবা-মা যেমন ছোটবেলা থেকে বাচ্চাকে শিখিয়ে বড় করে। আপনাকে ততটাও করতে হবে না। আপনাকে জাস্ট শেখার জন্য সঠিক পদ্ধতি বলে দিতে হবে। শেখার পদ্ধতি অনেক আছে, সেগুলাকে আপনি এলগরিদমও বলতে পারেন। আবার কিছু না বললেও সমস্যা নাই(কিডিং)।
চলুন একটা সাধারণ সমস্যা থেকে বোঝার চেষ্টা করি। ধরুন, আপনি একটি প্রোগ্রাম বানাতে চাচ্ছেন যেটা ইমেইল পড়ে বোঝার চেষ্টা করবে যে ইমেইলটি হ্যাপি মেইল নাকি স্যাড মেইল। এটা যদি আপনি ট্রেডিশনাল প্রোগ্রামিং ব্যবহার করে সল্ভ করতে চান তাহলে এমন হতে পারে যে আগে আপনি পজিটিভ শব্দগুলো কাউন্ট করলেন(happy, lucky etc.)। তারপর অনুরূপভাবে নেগাটিভ/স্যাড শব্দগুলিও কাউন্ট করলেন। এখন যদি পজিটিভ কাউন্ট নেগাটিভ থেকে বেশি হয় তাহলে এটা হ্যাপি মেইল, অন্যথায় স্যাড।
কিন্তু মেশিন লার্নিংয়ে আপনাকে কোন লজিকই লিখতে হবে না। আপনি যে মেশিন লার্নিং এলগরিদম ব্যবহার করবেন, সেটা ডেটাসেট এনালাইসিস করে নিজে নিজেই শিখে নেবে। অবশ্য শেখার জন্য একে পর্যাপ্ত পরিমাণ ডেটা দিতে হবে। একটা কথা অবশ্যই মনে রাখতে হবে যে, আপনার মেশিন কিন্তু শিখবে ডেটা থেকে। সুতরাং ডেটার ব্যাপারে সর্বদা সাবধান থাকবেন।
একটা ছোট বাচ্চাকে যখন আপনি বাইরের জগতের সাথে পরিচয় করিয়ে দেন। তখন মূলত আপনি কুকুরকে দেখিয়ে বলেন এটা কুকুর, বিড়ালকে দেখিয়ে বলেন এটা বিড়াল। বাচ্চাকে কিন্তু আপনি দুনিয়ার সবগুলা কুকুর, বিড়ালকে চিনিয়ে থাকেন না। কিন্তু পরবর্তিতে বাচ্চাটা কিন্তু অন্য কোন বিড়াল দেখে চিনতে পারে। কিভাবে চিনে? চেনার জন্য মূলত বিড়ালের আকৃতি, চোখ, নাক, মুখের গঠন ইত্যাদি ব্যবহৃত হয়। মেশিন লার্নিং এর ভাষায় এগুলোকে ফিচার বলা হয় হয়। আর বিড়াল, কুকুর নামগুলোকে বলা হয় ক্লাস অথবা লেবেল। মেশিন লার্নিং এসব ফিচার থেকে শিখে শিখে ক্লাস প্রেডিক্ট করে।
এজন্য লার্নিং এর জন্য ডেটা আপনাকে ক্লাসের নামসহ তৈরি করতে হবে। কিভাবে ডেটা প্রসেস করবেন সেবিষয়ে অন্য কোনদিন কথা হবে ইনশা আল্লাহ।
numpy – শেষ পর্ব

Please provide other topics about machine learning.
Currently writing about CNN. I will add Machine Learning algorithms (KNN, Naive Bayes, Decision Tree, Decision Forest etc, ) very soon,.