YT YouTube2Text

YouTube2Text → Transcripts → Types of Machine Learning for Beginners | Types of Machine learning in Hindi | Types of ML in Depth

Types of Machine Learning for Beginners | Types of Machine learning in Hindi | Types of ML in Depth — Transcript

by CampusX · 4,426 words · 2,127 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00হ্যালো গাইজ,
0:00আমার ইউটিউব
0:01চ্যানেলে
0:02আপনাদের
0:02স্বাগতম। এটি
0:03হান্ড্রেড
0:03ডেইজ অফ মেশিন
0:04লার্নিং-এর তিন
0:05নম্বর দিন। আর
0:06আজ আমরা শিখবো
0:07টাইপস অফ মেশিন
0:08লার্নিং। ঠিক
0:09আছে? তো এটি
0:10একটি
0:10গুরুত্বপূর্ণ
0:11টপিক এবং আমি
0:12সবকিছু
0:12বিস্তারিতভাবে
0:13ব্যাখ্যা করার
0:14চেষ্টা করবো।
0:15তো সবার প্রথমে,
0:16মেশিন
0:17লার্নিংয়ের
0:17ধরনগুলো
0:18বিভিন্ন
0:19বিষয়ের ওপর
0:19নির্ভর করে।
0:20তাই আমরা তিনটি
0:21ভিন্ন বিষয়
0:22নিয়ে কথা বলবো।
0:23কিন্তু আজকের
0:24ভিডিওতে আমরা
0:24শুধুমাত্র
0:25একটি বিষয়ের
0:25ওপর ফোকাস করবো
0:26। একটি মেশিন
0:27লার্নিং
0:27অ্যালগরিদমকে
0:28ট্রেন করার
0:29জন্য কতটুকু
0:29সুপারভিশন বা
0:30তত্ত্বাবধান
0:31প্রয়োজন। ঠিক
0:32আছে? কতটা
0:32সুপারভিশন
0:33দরকার?
0:34এক্সটার্নাল
0:34সুপারভিশনের
0:35ভিত্তিতে আমরা
0:36মেশিন লার্নিং
0:37অ্যালগরিদমের
0:37ধরনগুলো শিখবো
0:38। ঠিক আছে? তো
0:39আমি প্রথমে
0:40আপনাদের একটি
0:40চার্ট দেখাবো
0:41এবং তারপর আমরা
0:41সেই চার্টটি
0:42নিয়ে
0:42বিস্তারিত
0:43আলোচনা করবো।
0:43ঠিক আছে? তো
0:44গাইজ,
0:44প্রয়োজনীয়
0:45সুপারভিশনের
0:46পরিমাণের ওপর
0:47ভিত্তি করে
0:47আমরা আমাদের
0:48মেশিন লার্নিং
0:49অ্যালগরিদমগুলোকে
0:50চারটি ভিন্ন
0:51ক্যাটাগরিতে
0:52ভাগ করতে পারি।
0:53ঠিক আছে? প্রথম
0:54ক্যাটাগরি হলো
0:55সুপারভাইজড
0:56মেশিন লার্নিং
0:57। পরেরটি হলো
0:57আনসুপারভাইজড
0:58মেশিন লার্নিং
0:59। তৃতীয়টি হলো
1:00সেমি-
1:00সুপারভাইজড
1:01মেশিন লার্নিং
1:02। এবং শেষটি হলো
1:03রিইনফোর্সমেন্ট
1:04লার্নিং। এটি
1:05সবচেয়ে
1:05জনপ্রিয়
1:06শ্রেণিবিন্যাস
1:07। এবং আপনি যখনই
1:08কোনো ভিডিও
1:08দেখবেন বা কোনো
1:09বই পড়বেন,
1:10বেশিরভাগ
1:10ভিডিও এবং
1:11টেক্সটে আপনি
1:12এই
1:12শ্রেণিবিন্যাসটিই
1:13দেখতে পাবেন।
1:14ঠিক আছে? তো
1:15চলুন আমরা এই
1:16সবগুলো বিষয়
1:16বিস্তারিতভাবে
1:17আলোচনা করি।
1:18যেমন,
1:18সুপারভাইজড
1:19মেশিন
1:20লার্নিংকে
1:20আপনারা আরও
1:21দুটি ভাগে ভাগ
1:22করতে পারেন।
1:23রিগ্রেশন এবং
1:24ক্লাসিফিকেশন।
1:25ঠিক আছে?
1:26আনসুপারভাইজড
1:26লার্নিংকেও
1:27আপনারা চারটি
1:27আলাদা
1:28ক্যাটাগরিতে
1:28ভাগ করতে পারেন
1:29। ক্লাস্টারিং,
1:30ডাইমেনশনালিটি
1:31রিডাকশন,
1:31অ্যানোমালি
1:32ডিটেকশন এবং
1:33অ্যাসোসিয়েশন
1:33রুল লার্নিং।
1:34ঠিক আছে? তো
1:35আমরা কী করবো?
1:36আমরা এক এক করে
1:37এই সবগুলো বিষয়
1:37খুব
1:37বিস্তারিতভাবে
1:38পড়বো। যাতে
1:39আমরা বুঝতে
1:39পারি যে এগুলোর
1:40পেছনের যুক্তি
1:40বা লজিক কী। ঠিক
1:41আছে? তো আমরা
1:42শুরু করবো
1:42সুপারভাইজড
1:43মেশিন লার্নিং
1:43দিয়ে।
1:44সুপারভাইজড
1:44মেশিন লার্নিং
1:45কী? ওকে? তো, আমি
1:46ট্যাবটি সুইচ
1:47করছি। এবং
1:48এখানে আমরা
1:49সুপারভাইজড
1:49মেশিন লার্নিং
1:50নিয়ে আলোচনা
1:51করবো। ওকে? তো
1:52দেখুন, মেশিন
1:53লার্নিং হলো
1:54ডেটা থেকে শেখা
1:55এবং ডেটার
1:56মাধ্যমে ট্রেন
1:57হওয়া, তাই না?
1:58এখন ডেটাতে যদি
1:59আপনার কাছে
2:00ইনপুট এবং
2:00আউটপুট দুটোই
2:01থাকে এবং আপনার
2:02কাজ হয় ইনপুট ও
2:03আউটপুটের
2:04মধ্যে সম্পর্ক
2:05খুঁজে বের করা,
2:06যাতে নতুন
2:06ইনপুটের জন্য
2:07আপনি আউটপুট
2:08বলতে পারেন, তবে
2:09এই লার্নিংকে
2:10বলা হয়
2:10সুপারভাইজড
2:11মেশিন লার্নিং
2:12। ওকে, আমি একটি
2:13উদাহরণের
2:14মাধ্যমে এটি
2:15ব্যাখ্যা করি।
2:16ধরা যাক আমাদের
2:16কাছে কিছু
2:17স্টুডেন্টের
2:18ডেটা আছে,
2:18যেখানে
2:19প্রত্যেক
2:19স্টুডেন্ট
2:20সম্পর্কে দুটি
2:21তথ্য রয়েছে।
2:22প্রথমত, তার
2:23আইকিউ কত?
2:24দ্বিতীয়ত, তার
2:25সিজিপিএ কত? এবং
2:27তারপর আমাদের
2:28কাছে এই ডেটাও
2:29আছে যে তার
2:29প্লেসমেন্ট
2:30হয়েছে কি না।
2:34আমাদের কাছে এই
2:35ডেটা আছে, ধরা
2:36যাক ৫০০০ জন
2:39ছাত্রের। তো
2:43একটা সম্ভাব্য
2:44সারি দেখতে এমন
2:45হবে। ৮৭ আইকিউ,
2:48৭.১ সিজিপিএ,
2:49প্লেসমেন্ট
2:50হয়ে গেছে। ঠিক
2:52আছে? ১১১ আইকিউ,
2:53৮.৯ সিজিপিএ,
2:54প্লেসমেন্ট
2:55হয়ে গেছে। ৭৫
2:57আইকিউ, ৬.৩
2:58সিজিপিএ,
2:58প্লেসমেন্ট
3:00হয়নি। এবং
3:00এভাবেই চলতে
3:01থাকবে। এইভাবে
3:02আমার কাছে ৫০০০
3:03জন ছাত্রের
3:04ডেটা আছে। যদি
3:05এখানে আপনাকে
3:05কেউ জিজ্ঞেস
3:06করে যে আপনার
3:07কাছে যে তিনটি
3:08কলাম আছে তার
3:08মধ্যে ইনপুট
3:09কলাম কোনটি?
3:11তাহলে আসলে
3:12আপনি খুব সহজেই
3:13বলতে পারবেন যে
3:14এই দুটি কলাম
3:14আইকিউ এবং
3:15সিজিপিএ হলো
3:16আপনার ইনপুট
3:17কলাম এবং এই যে
3:18প্লেসমেন্ট
3:18হলো কি হলো না
3:19তা হলো আপনার
3:20আউটপুট কলাম।
3:22সুতরাং এই
3:23আউটপুট, অর্থাৎ
3:24প্লেসমেন্ট
3:24হওয়া বা না হওয়া
3:25, বাকি দুটি
3:26কলামের ওপর
3:27নির্ভর করছে।
3:28তো একভাবে বলা
3:29যায় যে এখানে
3:30আপনার কাছে যে
3:31ডেটা আছে তাতে
3:32ইনপুটও আছে এবং
3:33আউটপুটও আছে।
3:35ঠিক? এখন যখন
3:36আপনি একটি
3:37মেশিন লার্নিং
3:38অ্যালগরিদম
3:38নিয়ে আসবেন, তখন
3:39তার কাজ কী হবে?
3:40এই ইনপুট এবং এই
3:41আউটপুটের
3:42মধ্যে একটি
3:43গাণিতিক
3:43সম্পর্ক তৈরি
3:44করা। যাতে
3:45ভবিষ্যতে যদি
3:46আপনি কোনো নতুন
3:47ছাত্রের কথা
3:48জিজ্ঞেস করেন,
3:49ধরা যাক আপনি
3:49জিজ্ঞেস করলেন
3:50যে ৭.৩ আইকিউ
3:51আছে। আমি
3:52দুঃখিত, ৭.৩
3:53সিজিপিএ আছে
3:54এবং ৭৩ আইকিউ
3:55আছে। তো বলুন
3:56প্লেসমেন্ট
3:57হবে কি না? তো
3:57এখন আপনার
3:58মেশিন লার্নিং
3:59অ্যালগরিদম
3:59যেহেতু শিখে
4:00নিয়েছে। এই
4:01ডেটার ওপর
4:01প্যাটার্নগুলো
4:02কী কী? সে সহজেই
4:03এই নতুন
4:04ইনপুটের জন্য
4:04আউটপুট বলে
4:05দিতে পারবে
4:06হ্যাঁ বা না।
4:07এবং এটাই হলো
4:07সুপারভাইজড
4:08মেশিন লার্নিং
4:09। আসুন আমি
4:10আপনার জন্য এটি
4:11সংক্ষেপে বলি।
4:11যদি আপনার কাছে
4:12এমন একটি ডেটা
4:13সেট থাকে যাতে
4:14ইনপুট এবং
4:14আউটপুট উভয়ই
4:15আছে। এবং আপনার
4:16কাজ হলো ইনপুট ও
4:17আউটপুটের
4:18মধ্যের
4:18সম্পর্ক বুঝে
4:19নতুন ইনপুটের
4:20ওপর প্রেডিকশন
4:21বা পূর্বাভাস
4:21দেওয়া। তাহলে
4:22এই ধরনের মেশিন
4:23লার্নিংকে বলা
4:24হয় সুপারভাইজড
4:25মেশিন লার্নিং
4:26। এবং সত্যি
4:27বলতে, ভবিষ্যতে
4:28আপনি যতটা
4:28মেশিন লার্নিং
4:29করবেন। আপনি
4:30দেখবেন যে আপনি
4:31সুপারভাইজড
4:31মেশিন
4:32লার্নিংয়ের
4:32ওপরই বেশি কাজ
4:33করছেন। ঠিক আছে?
4:34এবার আসে
4:35দ্বিতীয় অংশ।
4:36সুপারভাইজড
4:37মেশিন
4:37লার্নিংয়ের
4:38দুটি অংশ থাকে।
4:39প্রথমটি হলো
4:40রিগ্রেশন এবং
4:44দ্বিতীয়টি হলো
4:45ক্লাসিফিকেশন।
4:47ঠিক আছে? আসুন
4:48এখন আলোচনা করি
4:49রিগ্রেশন এবং
4:50ক্লাসিফিকেশন
4:51বলতে কী বোঝায়।
4:52ঠিক আছে? এই
4:52দুটি বোঝার
4:53জন্য আমাদের
4:54শুধু একটি
4:55জিনিস বুঝতে
4:55হবে যে ডেটার
4:56ধরন কী কী হয়?
4:57যেকোনো ডেটা
4:58আপনি তুললে তার
4:59ধরন কী হয়? ডেটা
5:00সাধারণত দুই
5:01ধরনের হয়। একটি
5:02হয়
5:02নিউমেরিক্যাল
5:03বা সংখ্যাবাচক
5:04ডেটা যেমন বয়স
5:09ওজন, সিজিপিএ,
5:10আইকিউ এগুলো
5:11সবই আপনার
5:12নিউমেরিক্যাল
5:13ডেটা। আর
5:16দ্বিতীয়টি হলো
5:17ক্যাটেগরিক্যাল
5:18ডেটা। যেমন
5:22আপনার লিঙ্গ,
5:23জাতীয়তা, আপনি
5:24কোন
5:24ব্র্যান্ডের
5:25ফোন ব্যবহার
5:26করেন? এই
5:28সবকিছুই
5:28ক্যাটেগরিক্যাল
5:29। ঠিক আছে? এখন
5:30যেহেতু আমরা
5:31জানি যে ডেটার
5:32দুটি ধরণ আছে।
5:33চলুন বুঝি
5:34রিগ্রেশন কী?
5:35খুবই সহজ
5:36বন্ধুরা। যদি
5:37আপনি একটি
5:37সুপারভাইজড
5:38মেশিন লার্নিং
5:39সমস্যার উপর
5:40কাজ করেন, যার
5:40অর্থ আপনার
5:41কাছে এমন একটি
5:42ডেটাসেট আছে
5:43যাতে ইনপুট এবং
5:44আউটপুট উভয়
5:44কলামই আছে।
5:45তাহলে আপনার
5:46আউটপুট কলামটি
5:47যদি
5:47নিউমেরিকাল বা
5:48সংখ্যাবাচক হয়,
5:49তবে সেই
5:50সুপারভাইজড
5:51মেশিন লার্নিং
5:52সমস্যাকে
5:52রিগ্রেশন বলে।
5:53চলুন আমি
5:54আপনাকে একটি
5:55উদাহরণ দিই।
5:55আইকিউ (IQ) আমার
5:57ইনপুট।
5:58সিজিপিএ (CGPA)
5:59আমার ইনপুট এবং
6:00আমার আউটপুট
6:01হলো প্যাকেজ কত
6:02লেগেছে? অর্থাৎ
6:03কলেজ থেকে বের
6:04হওয়ার পর কত
6:04টাকার প্যাকেজ
6:05লেগেছে? ৪.৫, ৩.০,
6:06৩.৫, ৬ লাখের
6:07প্যাকেজ
6:08লেগেছে। এখন
6:09এখানে একটি
6:10সারি বা রো
6:11দেখতে এমন হবে।
6:12৮.৭, ৮.৯, প্যাকেজ
6:14৬ লাখ, ১১১
6:15আইকিউ, ৮.৯ ৪ লাখ
6:18। তো এগুলো হলো
6:19সংখ্যা। ঠিক? তো
6:21এটি এখনও একটি
6:22সুপারভাইজড
6:23মেশিন লার্নিং
6:24সমস্যাই,
6:24কিন্তু এর
6:25ধরণটি হবে
6:26রিগ্রেশন।
6:27কারণ আপনার
6:27আউটপুট কলামটি,
6:28যাকে টার্গেট
6:29কলামও বলা হয়,
6:30সেটি
6:31নিউমেরিকাল।
6:32ঠিক আছে? এখন
6:33যদি এটি বুঝে
6:34থাকেন, তবে
6:34ক্লাসিফিকেশনও
6:35খুব সহজেই
6:36বুঝতে পারবেন।
6:36ক্লাসিফিকেশনে
6:37শুধু এইটুকু
6:38পার্থক্য থাকে
6:39যে, আপনি এখনও
6:39সুপারভাইজড
6:40মেশিন লার্নিং
6:41সমস্যার উপরেই
6:42কাজ করছেন।
6:42কিন্তু আপনার
6:43আউটপুট কলামটি
6:44এবার
6:44ক্যাটেগরিক্যাল
6:45হয়। যেমনটা
6:47আপনি আগেই
6:47দেখেছেন, এই
6:48ক্ষেত্রে
6:49প্লেসমেন্ট
6:50হবে কি হবে না।
6:51এটি
6:51ক্যাটেগরিক্যাল
6:52। ঠিক আছে? তো
6:53আমরা যে প্রথম
6:53উদাহরণটি
6:54নিলাম, সেটি
6:54সুপারভাইজড
6:55মেশিন
6:55লার্নিংয়ের
6:56একটি
6:56ক্লাসিফিকেশন
6:57সমস্যা ছিল।
6:57ঠিক আছে?
6:58ভবিষ্যতেও
6:59আপনি অনেক
6:59আলাদা আলাদা
7:00সুপারভাইজড
7:00মেশিন লার্নিং
7:01সমস্যা পাবেন,
7:02যেগুলো হয়
7:02রিগ্রেশন অথবা
7:03ক্লাসিফিকেশনের
7:03হবে। আমি
7:04আপনাকে কিছু
7:05উদাহরণ দিচ্ছি
7:05। বাড়ির সমস্ত
7:06ডেটা দেওয়া
7:07থাকলে আপনাকে
7:08বাড়ির দাম
7:08প্রেডিক্ট
7:09করতে হবে।
7:09রিগ্রেশন
7:10সমস্যা। মেইল
7:11সম্পর্কে অনেক
7:12কিছু বলা আছে।
7:13আপনাকে
7:13প্রেডিক্ট
7:14করতে হবে যে সেই
7:14মেইলটি
7:15স্প্যাম নাকি
7:15স্প্যাম নয়।
7:16ঠিক আছে? সমস্ত
7:17আবহাওয়া
7:18পরিস্থিতি
7:18দেখে বলা যে আজ
7:19বৃষ্টি হবে কি
7:20হবে না।
7:21ক্লাসিফিকেশন।
7:22ঠিক আছে? তো
7:23আপনি দেখতেই
7:23পাচ্ছেন,
7:24বিভিন্নভাবে
7:24আপনাকে
7:25প্রেডিকশন
7:25করতে হবে। একটি
7:26ছবি দেখে বলা যে
7:27তাতে কুকুর আছে
7:28কি নেই। আলাদা
7:29আলাদা ছবি দেখে
7:30বলা যে তাতে
7:31কতগুলো কুকুর
7:32আছে। আবারও
7:33রিগ্রেশন
7:33সমস্যা। তো এটি
7:34খুবই সহজ
7:35বন্ধুরা,
7:35আপনাকে শুধু এই
7:36প্রশ্নটি করতে
7:37হবে যে, প্রথমত
7:38ইনপুট এবং
7:39আউটপুট দুটোই
7:39কি আছে? যদি
7:40দুটোই থাকে তবে
7:41এটি একটি
7:41সুপারভাইজড
7:42মেশিন লার্নিং
7:43সমস্যা। যদি
7:44কেউ আপনাকে
7:44জিজ্ঞেস করে
7:45এটি রিগ্রেশন
7:45নাকি
7:46ক্লাসিফিকেশন?
7:46আপনি শুধু
7:47আউটপুট কলামটি
7:48দেখবেন। যদি
7:49এটি একটি
7:49সংখ্যা হয় তবে
7:50রিগ্রেশন, আর
7:50যদি ক্যাটাগরি
7:51হয় তবে
7:51ক্লাসিফিকেশন।
7:52এবং পুরো
7:53বিষয়টি এটাই।
7:54বাস আপনাকে
7:54শুধু এতটুকুই
7:55পড়তে হবে। ঠিক
7:56আছে? আমি আশা
7:57করি আপনি
7:57সুপারভাইজড
7:58মেশিন লার্নিং
7:59ভালোভাবে
7:59বুঝতে পেরেছেন
8:00। এখন চলুন
8:01আনসুপারভাইজড
8:02মেশিন
8:02লার্নিংয়ের
8:03দিকে এগিয়ে যাই
8:04। ঠিক আছে?
8:04আনসুপারভাইজড
8:05মেশিন লার্নিং
8:06কী, আমরা তা
8:07নিয়ে আলোচনা
8:08করছি। তাই আমি
8:10শুধু এটি লিখে
8:11নিচ্ছি।
8:16সুতরাং
8:16আনসুপারভাইজড
8:17মেশিন লার্নিং
8:18হলো
8:18সুপারভাইজড
8:19মেশিন
8:19লার্নিংয়ের
8:20ঠিক বিপরীত।
8:21সুপারভাইজড
8:21মেশিন
8:22লার্নিংয়ে
8:22আপনার কাছে
8:23ইনপুট এবং
8:23আউটপুট উভয়ই
8:24থাকে। ঠিক?
8:25আনসুপারভাইজড-
8:26এ এমনটা হয় না।
8:27আনসুপারভাইজড-
8:27এ আপনার কাছে
8:28শুধুমাত্র
8:28ইনপুট থাকে।
8:29আমি আপনাকে
8:30একটি উদাহরণ
8:30দিচ্ছি। ধরুন
8:31আপনার কাছে
8:31৫০০০ জন
8:32শিক্ষার্থীর
8:33ডেটা আছে এবং
8:33আপনার কাছে
8:34ডেটা বলতে কী
8:34আছে? শুধুমাত্র
8:35দুটি কলাম আছে।
8:36আইকিউ এবং
8:37সিজিপিএ,
8:38প্লেসমেন্টের
8:39কোনো ডেটা নেই।
8:40অর্থাৎ আপনার
8:41কাছে ডেটা ঠিক
8:42এমন। ৭০, ৭.০, ৬০,
8:43৬.০, ১০০, ৯ এভাবে
8:45আপনার কাছে
8:47৫০০০ জন
8:48শিক্ষার্থীর
8:49ডেটা আছে। এখন
8:51যদি আপনি
8:52মনোযোগ দিয়ে
8:52দেখেন, এখানে
8:53আমার কাছে
8:54শুধুমাত্র
8:54ইনপুট আছে, কোনো
8:55আউটপুট নেই, তার
8:56মানে এখানে
8:57কোনো
8:57প্রেডিকশন
8:58টাস্ক হতে পারে
8:58না কারণ আমি
8:59জানিই না যে
9:00আমাকে কী
9:00প্রেডিক্ট
9:01করতে হবে। ঠিক?
9:02তাহলে প্রশ্ন
9:03হলো, আমরা কী
9:04করব?
9:04আনসুপারভাইজড
9:05লার্নিংয়ে
9:06আপনি অনেক
9:06ধরনের কাজ করে
9:07থাকেন। মূলত
9:08আপনি চারটি কাজ
9:08করেন, যা আমি
9:09আপনাকে প্রথম
9:10স্লাইডেই
9:10দেখিয়েছিলাম।
9:11হয় আপনি
9:11ক্লাস্টারিং
9:12করেন। আমি একটি
9:13একটি করে
9:13সবকিছু নিয়ে
9:14আলোচনা করব।
9:15আপনার চিন্তা
9:15করার দরকার নেই
9:16। অথবা আপনি
9:17ডাইমেনশনালিটি
9:18রিডাকশন করেন।
9:24অথবা আপনি
9:24অ্যানোমালি
9:25ডিটেকশন করেন।
9:31অথবা আপনি করেন,
9:32শেষ বিষয়টি কী
9:33ছিল,
9:33ক্লাস্টারিং,
9:34ডাইমেনশনালিটি
9:35রিডাকশন,
9:36অ্যানোমালি
9:37ডিটেকশন এবং
9:38অ্যাসোসিয়েশন
9:39রুল লার্নিং, এই
9:40চারটি কাজই
9:41আপনি করেন। ঠিক
9:43আছে, তাহলে আমরা
9:45একটি একটি করে
9:46এই চারটি বিষয়
9:46নিয়ে আলোচনা
9:47করব, চলুন
9:48প্রথমে
9:48ক্লাস্টারিং
9:49নিয়ে কথা বলি।
9:50তাহলে
9:51ক্লাস্টারিং
9:52কী? আমি আপনাকে
9:53বলছি। খুব সহজ
9:53একটি ধারণা এবং
9:54খুবই কার্যকর।
9:55সত্যি বলতে,
9:56আনসুপারভাইজড
9:57খুবই আকর্ষণীয়
9:57এবং খুব কাজের
9:58একটি বিষয়।
9:59আসলে আপনি যখন
9:59অনেক মেশিন
10:00লার্নিং করবেন,
10:01তখন আপনাকে
10:01আনসুপারভাইজড
10:02মেশিন লার্নিং
10:02নিয়েই কাজ করতে
10:03হবে। আমি
10:03আপনাকে একটি
10:04উদাহরণ দিচ্ছি,
10:05ক্লাস্টারিং
10:05কী? যেমন এখানে
10:06যদি আপনি দেখেন,
10:07আপনার কাছে
10:08দুটি কলামের
10:09শিক্ষার্থীদের
10:09ডেটা আছে।
10:10সুতরাং আপনি এই
10:11ডেটাটিকে একটি
10:12টু-ডি
10:12কোঅর্ডিনেট
10:13সিস্টেমে প্লট
10:14করতে পারেন।
10:15যেখানে এক্স-
10:15অক্ষে আইকিউ
10:16থাকবে। ওয়াই-
10:18অক্ষে সিজিপিএ
10:19থাকবে এবং
10:19আপনার পুরো
10:20ডেটা এখানে
10:21এভাবে প্লট করা
10:22যাবে। ঠিক
10:25এভাবে। ঠিক? এখন
10:28একটি
10:28ক্লাস্টারিং
10:29অ্যালগরিদম কী
10:30করে দেবে যে,
10:31সেটি শনাক্ত
10:32করতে পারবে কোন
10:33শিক্ষার্থীদের
10:34একটি গ্রুপে
10:34থাকা উচিত।
10:35যেমন এখানে যদি
10:36আপনি দেখেন,
10:37আপনি বুঝতে
10:38পারছেন এই
10:38শিক্ষার্থীগুলো
10:39একটি গ্রুপের
10:40মতো মনে হচ্ছে।
10:41এই
10:41শিক্ষার্থীরা
10:42দ্বিতীয়
10:42গ্রুপের মনে
10:43হচ্ছে এবং এই
10:43শিক্ষার্থীরা
10:44তৃতীয় গ্রুপের
10:45মনে হচ্ছে।
10:46তাহলে আমি কী
10:47সুবিধা পাচ্ছি
10:48যে আমি আমার
10:48শিক্ষার্থীদের
10:49ক্যাটাগরিতে
10:50ভাগ করতে পারছি
10:51। সেই
10:51শিক্ষার্থীরা
10:52যাদের আইকিউ-ও
10:53বেশি, সিজিপিএ-ও
10:54বেশি। সেই
10:54শিক্ষার্থীরা
10:55যাদের আইকিউ
10:56বেশি, সিজিপিএ
10:57কম। সেই
10:57শিক্ষার্থী
10:58যার সিজিপিএ
10:59বেশি, আইকিউ কম।
10:59ঠিক? তাই আমি
11:00যেকোনো নতুন
11:01শিক্ষার্থীকে
11:02ক্যাটাগরিতে
11:02ফেলতে পারি।
11:03এবং তারপর তার
11:03ওপর আমার যে
11:04প্রসেসিং করা
11:05দরকার, তা আমি
11:05করতে পারি।
11:06আসলে এখন আমি কী
11:07করতে পারি? এই
11:08শিক্ষার্থীদের
11:08আমি নিজেই
11:09লেবেল দিতে
11:09পারি। শূন্য
11:10মানে উভয়
11:10জিনিসই বেশি।
11:11এক মানে
11:12সিজিপিএ বেশি,
11:13আইকিউ কম। দুই
11:14মানে আইকিউ
11:15বেশি, সিজিপিএ
11:16কম। এভাবে আমি
11:16নিজেই
11:17সুপারভাইজড
11:17মেশিন
11:18লার্নিংয়ের
11:18জন্য লেবেলড
11:19ডেটা তৈরি করতে
11:19পারি। অথবা
11:20আমার নিজের
11:21বিশ্লেষণেও এই
11:22বিষয়টি আমাকে
11:22সাহায্য করবে।
11:23যেমন আমি যদি
11:24কোনো ই-কমার্স
11:25ওয়েবসাইট
11:25চালাই। তাহলে
11:26আমার জানা উচিত
11:27যে আমার কাছে যে
11:28গ্রাহকরা আছে,
11:28তাদের ধরন কী?
11:29তারা কীভাবে
11:30আচরণ করে? তাদের
11:31কোন
11:31ক্যাটাগরিতে
11:32ফেলা যেতে পারে
11:33। ঠিক? তাই
11:34ক্লাস্টারিং
11:34সেই অর্থে
11:35অত্যন্ত
11:35গুরুত্বপূর্ণ।
11:36আর
11:36ক্লাস্টারিংয়ের
11:37ভালো দিক হলো
11:38এখানে তো শুধু
11:39দুটি কলাম ছিল।
11:40তাই এখানে তো
11:40আপনি খালি
11:41চোখেই বলে দিতে
11:42পারতেন যে
11:42তিনটি
11:42ক্লাস্টার
11:43তৈরি হবে।
11:44কিন্তু
11:44ক্লাস্টারিং
11:45অ্যালগরিদম কী
11:45করতে পারে? সে
11:46একটি এন-
11:46ডাইমেনশনাল
11:47হাইপারস্পেসে
11:48অর্থাৎ খুব হাই
11:49ডাইমেনশনাল
11:49ডেটাকেও
11:50ক্লাস্টারে
11:50ভাগ করতে পারে।
11:51যেখানে আপনি
11:52নিজে খালি চোখে
11:53দেখতে পারবেন
11:54না। তাই
11:54ক্লাস্টারিং
11:55বিশ্বাস করুন
11:56ইন্ডাস্ট্রিতে
11:56অনেক কিছু করার
11:57জন্য ব্যবহৃত
11:58একটি অত্যন্ত
11:59শক্তিশালী
11:59কৌশল। ঠিক আছে?
12:00ইন্ডাস্ট্রিতে
12:01আজকের দিনে
12:02অনেক কিছু
12:02এমনভাবে করা
12:03হচ্ছে যেখানে
12:03ক্লাস্টারিংয়ের
12:04খুব প্রয়োজন
12:05পড়ে। ঠিক আছে?
12:06আপনি আপনার
12:06সমস্ত
12:07গ্রাহককে
12:07গ্রুপের ভেতর
12:08গ্রুপে ভাগ
12:09করতে পারেন।
12:09যদি আপনি
12:10হায়ারার্কিকাল
12:11ক্লাস্টারিং
12:11করেন। একটি
12:12হায়ারার্কিকাল
12:12ক্লাস্টারিংয়েরও
12:13একটি কনসেপ্ট
12:13আছে যেখানে
12:14আপনি গ্রুপের
12:14ভেতর গ্রুপ
12:15তৈরি করেন।
12:15কিছুটা এরকম।
12:16এর ভেতরে আরও
12:17একটি গ্রুপ
12:17তৈরি হয়ে গেল।
12:18এর ভেতরে আরও
12:18একটি গ্রুপ
12:19তৈরি হয়ে গেল।
12:20তাই আপনি
12:20সবকিছু গ্রুপ
12:20বাই গ্রুপ
12:21জানতে পারবেন।
12:22তাই এটি একটি
12:22শক্তিশালী
12:23কৌশল। এবং আমরা
12:24ভবিষ্যতে এটি
12:24সম্পর্কে পড়ব।
12:25আসলে আমার
12:26চ্যানেলে
12:26অলরেডি কিছু
12:27ভিডিও আছে
12:27ক্লাস্টারিং
12:28সম্পর্কিত।
12:29আপনি সেগুলো
12:29দেখতে পারেন।
12:30ঠিক আছে? পরেরটি
12:31হলো
12:31ডাইমেনশনালিটি
12:32রিডাকশন। ঠিক
12:33আছে?
12:34ডাইমেনশনালিটি
12:35রিডাকশন আবারও
12:35একটি অত্যন্ত
12:36শক্তিশালী
12:37কনসেপ্ট। তাই
12:37আমি আপনাকে এর
12:38প্রয়োজন কী তা
12:39একবার বলি।
12:40কখনও কখনও কী হয়
12:41? যখন আপনি
12:41সুপারভাইজড
12:42মেশিন লার্নিং
12:43নিয়ে কাজ করেন,
12:43তখন আপনার কাছে
12:44যে ইনপুট ডেটা
12:45থাকে, যেমন এখন
12:45আমাদের কাছে
12:46মাত্র দুটি
12:46ইনপুট কলাম ছিল
12:47। আইকিউ (IQ) এবং
12:49সিজিপিএ (CGPA)।
12:50কিন্তু
12:50মাঝেমধ্যে এমন
12:51হবে যে আপনার
12:51কাছে অনেকগুলো
12:52ইনপুট কলাম হয়ে
12:53যাবে। যেমন
12:53কিছু
12:54নির্দিষ্ট
12:54সমস্যা, যেমন
12:55আপনি যদি ইমেজ-
12:56ভিত্তিক ডেটা
12:57বা টেক্সট-
12:57ভিত্তিক ডেটা
12:58নিয়ে কাজ করেন,
12:59তাহলে হতে পারে
13:00যে আপনার কাছে
13:01১০০০ টি ইনপুট
13:02কলাম আছে, যা
13:02অনেক বেশি। এখন
13:03১০০০ টি ইনপুট
13:04কলাম থাকার
13:05সমস্যা হলো,
13:06প্রথমত আপনার
13:07অ্যালগরিদম
13:07খুব ধীরগতিতে
13:08চলবে কারণ
13:09সেটিকে অনেক
13:10বেশি ডেটার ওপর
13:11কাজ করতে হচ্ছে
13:12। এবং দ্বিতীয়ত,
13:13একটা
13:13নির্দিষ্ট
13:14পয়েন্টের পর
13:15অতিরিক্ত
13:15ইনপুট কলাম যোগ
13:16করলে ফলাফলে
13:17কোনো উন্নতি হয়
13:18না। তাই কিছু
13:19কলামের
13:19প্রয়োজনই পড়ে
13:20না। তাহলে
13:21ডাইমেনশনালিটি
13:22রিডাকশন কী করে?
13:23ডাইমেনশনালিটি
13:23রিডাকশন
13:24শব্দটি এসেছে
13:24ডাইমেনশন থেকে
13:25এবং ডাইমেনশন
13:26মানে হলো কলাম।
13:26কলাম মানে হলো
13:27ইনপুট কলাম।
13:28তাহলে
13:28ডাইমেনশনালিটি
13:29রিডাকশন কী
13:30করবে? এটি সেই
13:30অতিরিক্ত
13:31কলামগুলোকে
13:31সরিয়ে দেবে।
13:32আমি আপনাকে
13:33একটা উদাহরণ
13:33দিচ্ছি। ধরে
13:34নিন আপনি একটি
13:35হাউজ ডেটাসেট
13:36নিয়ে কাজ করছেন
13:37। যেখানে আপনার
13:38কাছে দুটি কলাম
13:39আছে। মানে
13:40অনেকগুলো কলাম
13:41আছে। কিন্তু
13:42তার মধ্যে দুটি
13:43কলাম ছিল এরকম।
13:44একটি ছিল রুমের
13:45সংখ্যা এবং
13:45অন্যটি ছিল
13:46ওয়াশরুমের
13:47সংখ্যা। আর
13:48আপনাকে
13:49প্রেডিক্ট
13:50করতে হতো যে
13:50বাড়ির দাম কত
13:51হবে। তাহলে
13:52একটি
13:52ডাইমেনশনালিটি
13:53রিডাকশন
13:54অ্যালগরিদম কী
13:55করবে? সে এই
13:56ধরনের
13:56সম্পর্কিত
13:57কলামগুলোকে
13:58নিয়ে একটি
13:58সিঙ্গেল কলামে
13:59রূপান্তর করে
14:00দেবে—স্কয়ার
14:01ফিট এরিয়া। সে
14:02বলল, রুমের
14:03সংখ্যা এবং
14:03ওয়াশরুমের
14:04সংখ্যা মিলিয়ে
14:05তো বাড়িটাই
14:06তৈরি হচ্ছে।
14:07বাড়ির
14:07এরিয়াটাই তো
14:08বাড়ছে। তাই
14:08দুটি আলাদা
14:09কলাম না রেখে,
14:10বরং স্কয়ার ফিট
14:11এরিয়া নামে
14:12একটি সিঙ্গেল
14:13কলাম রাখা যাক।
14:14ঠিক? এবং এখানে
14:15আপনি কী করলেন?
14:16প্রদত্ত
14:17কলামগুলো থেকে
14:18একটি নতুন কলাম
14:19তৈরি করলেন।
14:19এটাকে ফিচার
14:20এক্সট্রাকশন
14:21বলা হয়। যাই হোক
14:22, আপনি ভবিষ্যতে
14:22এটি সম্পর্কে
14:23পড়বেন। এটাকে
14:24ফিচার
14:24এক্সট্রাকশন
14:25বলে। ঠিক আছে?
14:26তো আপনি একাধিক
14:27কলাম থেকে একটি
14:28নতুন কলাম তৈরি
14:29করেছেন এবং
14:29যেহেতু কলামের
14:30সংখ্যা কমে
14:31গেছে, তাই এটাকে
14:32ডাইমেনশনালিটি
14:33রিডাকশন বলা হয়
14:34। এটি একটি খুব
14:35শক্তিশালী
14:35কৌশল। এখানে
14:36একটি
14:37অ্যালগরিদম
14:38আছে যার নাম
14:38পিসিএ (PCA)। আপনি
14:40পিসিএ নিয়ে কাজ
14:41করবেন। ঠিক আছে?
14:43তো হ্যাঁ, এর
14:44সাথে
14:45সম্পর্কিত
14:45আরেকটি বিষয়
14:46হলো
14:46ভিজ্যুয়ালাইজেশন
14:48। তো মাঝেমধ্যে
14:50এমন হয় যে আপনি
14:51এমন ডেটা পান
14:52যাতে অনেক বেশি
14:53ডাইমেনশন থাকে
14:54। এখন আপনি
14:55সেটিকে গ্রাফে
14:56প্লট করে দেখতে
14:57পারবেন না।
14:57কারণ গ্রাফে
14:58আপনি সর্বোচ্চ
14:59তিনটি অক্ষে
15:00প্লট করতে
15:00পারেন। কিন্তু
15:01আপনার কাছে যে
15:02ডেটা আছে, তাতে
15:03১০০০ টি অক্ষ বা
15:04২০০০ টি অক্ষ বা
15:05৫০০ টি কলাম আছে
15:06বা যাই হোক না
15:06কেন। অর্থাৎ
15:07আপনি সেটাকে
15:08একটি থ্রিডি
15:08কোঅর্ডিনেট
15:09সিস্টেমে প্লট
15:10করতে পারবেন না
15:10। তাহলে এই
15:11ধরণের
15:11পরিস্থিতিতে
15:12আপনি কী করেন?
15:13আপনি
15:13ডাইমেনশনালিটি
15:14রিডাকশন
15:15অ্যালগরিদম
15:16ব্যবহার করে
15:16ডাইমেনশনের
15:17সংখ্যা কমিয়ে
15:18দুই বা তিনে
15:19নিয়ে আসেন। এবং
15:20তারপর সেই দুই
15:21বা তিন
15:21ডাইমেনশনাল
15:22কোঅর্ডিনেট
15:23সিস্টেমে, আপনি
15:24সেই
15:24পয়েন্টগুলোকেই
15:25প্লট করেন
15:26যেগুলো উচ্চতর
15:27ডাইমেনশনে ছিল
15:28। এখন সেই একই
15:28সম্পর্ক
15:29সঠিকভাবে
15:29ক্যাপচার করে
15:30আপনি লোয়ার
15:30ডাইমেনশনে
15:31নিয়ে আসছেন এবং
15:32আপনি তা
15:32বিশ্লেষণ করতে
15:33পারছেন। আমি
15:33আপনাকে এর একটি
15:34উদাহরণ
15:34দেখাচ্ছি।
15:35যেমন এমনিস্ট (
15:36MNIST) নামে একটি
15:37খুব বিখ্যাত
15:38ডেটাসেট আছে।
15:42এমনিস্ট মূলত
15:43হাতে লেখা
15:44ডিজিটের একটি
15:45ছবি এবং এই
15:46ছবিগুলো ২৮ বাই
15:47২৮ পিক্সেলের
15:48খুব ছোট ছবি।
15:53তাই মানুষ
15:54এটাকে
15:54ট্যাবলার
15:55ফর্মে
15:55রূপান্তর
15:56করেছে।
15:56প্রতিটি
15:57পিক্সেলের
15:57মানকে একটি
15:58কলাম তৈরি করা
15:59হয়েছে। তাহলে
16:00সব মিলিয়ে
16:00আমাদের কাছে
16:01কয়টি কলাম হলো?
16:02২৮*২৮ মানে ৭৮৪
16:03টি কলাম। তাই এই
16:05ডেটা ৭৮৪
16:06ডাইমেনশনাল
16:06স্পেসে রয়েছে।
16:08এখন স্পষ্টতই
16:08আমি ৭৮৪
16:09ডাইমেনশনাল
16:09স্পেসে কোনো
16:10কিছু
16:11ভিজুয়ালাইজ
16:11করতে পারি না।
16:12তাই এখানে আপনি
16:13টি-এসএনই (t-SNE)
16:14নামক একটি
16:14টেকনিক
16:14ব্যবহার করেন
16:15যা একটি
16:16ডাইমেনশনালিটি
16:16রিডাকশন
16:17টেকনিক। এটার
16:18কাজ কী? এটি ৭৮৪
16:19ডাইমেনশনাল
16:20স্পেস থেকে
16:20ডেটা নিয়ে থ্রি
16:21ডাইমেনশনে
16:22নিয়ে আসে। এবং
16:23সেই থ্রি
16:23ডাইমেনশনাল
16:24স্পেসেও আপনি
16:25দুটি পয়েন্টের
16:25মধ্যে সম্পর্ক
16:26দেখতে পারেন।
16:27এই ব্লগে ঠিক
16:28সেটিই করা
16:29হয়েছে। সুতরাং
16:30এখানে আপনি
16:31দেখতে পাচ্ছেন
16:32যে ১০ টি ভিন্ন
16:33রঙ রয়েছে এবং
16:34প্রতিটি রঙ
16:35একটি ডিজিটকে
16:35নির্দেশ করছে।
16:36যেমন এই হলুদ
16:37রঙটি এক (১) কে
16:38নির্দেশ করছে।
16:40এই নীল রঙটি ছয় (
16:41৬) কে নির্দেশ
16:41করছে। লাল রঙটি
16:42শূন্য (০) কে
16:43নির্দেশ করছে।
16:44সবুজ রঙটি চার (
16:45৪) কে নির্দেশ
16:45করছে। এবং
16:46থ্রিডি স্পেসে
16:47এই
16:47পয়েন্টগুলোর
16:48মধ্যে এটিই
16:48সম্পর্ক।
16:49যেগুলো আসলে
16:50৭৮৪
16:50ডাইমেনশনাল
16:51পয়েন্ট।
16:52সেগুলোকে আমি
16:52থ্রি
16:53ডাইমেনশনে
16:53নিয়ে এসেছি।
16:54এবং এখনও আমি
16:54ভিজুয়ালাইজ
16:55করতে পারছি যে
16:55এদের মধ্যে
16:56সম্পর্ক কেমন।
16:57আবারও বলছি, এটি
16:57একটি অত্যন্ত
16:58শক্তিশালী
16:58কৌশল। এটি একটু
16:59উন্নত মানের।
17:00ভবিষ্যতে আপনি
17:01এটি সম্পর্কে
17:01পড়বেন। তবে এটি
17:02যে বাস্তবে আছে
17:03তা দেখানোর
17:03জন্যই। আমি এই
17:04উদাহরণটি
17:04আলোচনা করছি।
17:05ঠিক আছে? পরেরটি
17:07হলো
17:07অ্যানোমালি
17:07ডিটেকশন। নাম
17:08থেকেই বোঝা
17:09যাচ্ছে যে কিছু
17:10একটা
17:10অস্বাভাবিক
17:11গড়বড় হচ্ছে।
17:12আপনি সেটাকে
17:13শনাক্ত করতে
17:14চান। তাহলে এটি
17:14যেকোনো কিছু
17:15হতে পারে, যেমন
17:16ম্যানুফ্যাকচারিংয়ের
17:17সময় কোনো
17:17ত্রুটি।
17:17ক্রেডিট কার্ড
17:18প্রসেসিংয়ের
17:19সময় কোনো
17:19ত্রুটি। লোন
17:20অনুমোদনের সময়
17:21কোনো ত্রুটি।
17:21আপনাকে কেবল
17:22আউটলায়ারগুলোকে
17:23শনাক্ত করতে
17:23হবে এবং
17:23সেগুলোকে
17:24সিস্টেম থেকে
17:24সরাতে হবে। এবং
17:25এই ধরণের কাজের
17:26জন্যও আপনি
17:26আনসুপারভাইজড
17:27মেশিন লার্নিং
17:27ব্যবহার করেন।
17:28আমি আপনাকে
17:29একটি উদাহরণ
17:29দিচ্ছি। যেমন
17:30এখানে আপনি
17:31দেখুন, আপনি
17:31আগেই এই সমস্ত
17:32রেড
17:32পয়েন্টগুলোর
17:33ওপর আপনার
17:33মডেলকে ট্রেন
17:34করে রেখেছেন
17:35এবং আপনি বলে
17:35রেখেছেন যে এই
17:36নরমাল
17:36পয়েন্টগুলোতে
17:37কোনো সমস্যা
17:38নেই। ভবিষ্যতে
17:38যদি একটি নতুন
17:39গ্রিন পয়েন্ট
17:40আসে যা এখানে
17:40অবস্থান করে,
17:41তবে আপনার
17:41সিস্টেম বলবে
17:42ওকে, কারণ এটি
17:43বাকি
17:43পয়েন্টগুলোর
17:44মতোই দেখতে।
17:44তাই না? কিন্তু
17:45যদি কোনোদিন
17:46এমন একটি
17:46পয়েন্ট পাওয়া
17:47যায় যা বাকি
17:47পয়েন্টগুলো
17:48থেকে অনেকটাই
17:48দূরে এবং আলাদা
17:49। তখন আপনি একটি
17:50ফ্ল্যাগ রেজ
17:50করবেন যে এটি
17:51একটি
17:51অ্যানোমালি বা
17:52অস্বাভাবিকতা।
17:52ঠিক আছে? এটি
17:53ক্লাসিফিকেশনের
17:54ক্ষেত্রেও হতে
17:55পারে। এটি এই
17:55ধরনের
17:56রিগ্রেশনের
17:56ক্ষেত্রেও হতে
17:57পারে যে
17:57শেয়ারের
17:58ভ্যালুগুলো
17:58একটা রেঞ্জের
17:59মধ্যে চলছিল।
18:00সেটা ঠিক আছে।
18:01হঠাৎ সেগুলো
18:01তার থেকে উপরে
18:02চলে গেল।
18:02অ্যানোমালি
18:03রেজ করে দিল।
18:04ঠিক আছে? তাই
18:05অ্যানোমালি
18:05ডিটেকশনও
18:06আনসুপারভাইজড
18:06লার্নিংয়ের
18:07একটি খুব
18:07শক্তিশালী
18:08অ্যাপ্লিকেশন।
18:09ঠিক আছে? এবং
18:10সবশেষে হলো
18:10অ্যাসোসিয়েশন
18:11রুল বেসড
18:12লার্নিং। ঠিক
18:13আছে?
18:13অ্যাসোসিয়েশন
18:14রুল বেসড
18:14লার্নিং কী?
18:15সেটির একটি
18:16উদাহরণ আমি
18:17আপনাদের দিই।
18:17যেমন ধরুন, আপনি
18:18একটি সুপার
18:19মার্কেটে
18:20যাচ্ছেন। ধরুন
18:21স্পেন্সারস বা
18:22বিগ বাজারে
18:22যাচ্ছেন।
18:23সেখানে যদি
18:24আপনি কখনো
18:24লক্ষ্য করেন,
18:25তবে দেখবেন
18:26অনেক
18:26জিনিসপত্র
18:26থাকে যেগুলো
18:27খুব
18:27সুন্দরভাবে
18:28সাজানো থাকে।
18:29জিনিসগুলো একে
18:30অপরের পাশেই
18:31পাওয়া যায়। তাই
18:32না? জিনিসগুলোর
18:33আলাদা সেকশন
18:33থাকে। তো আপনি
18:34যদি ভেবে দেখেন,
18:35সেখানে প্রায়
18:36৫০০০-৬০০০টি
18:37বিভিন্ন
18:37প্রোডাক্ট
18:38থাকে।
18:38সেগুলোকে আমরা
18:39সঠিক উপায়ে
18:40কীভাবে সাজাতে
18:40পারি? আপনি যদি
18:41এটা নিয়ে ভাবেন?
18:42এটি একটি
18:43সিরিয়াস
18:43সমস্যা। আপনি
18:44যদি বিগ
18:44বাজারের মতো
18:45একটি স্টোর সেট
18:46আপ করেন, তবে
18:46আপনি কীভাবে
18:47ঠিক করবেন যে
18:47কোন জিনিস
18:48কোথায় যাবে? কোন
18:49জিনিস কার পাশে
18:50থাকবে, তা ঠিক
18:50করা খুব কঠিন
18:51একটি কাজ। তাই
18:52এখানে আপনি
18:53অ্যাসোসিয়েশন
18:53ব্যবহার করতে
18:54পারেন।
18:54অ্যাসোসিয়েশনে
18:55আপনি কী করেন?
18:56যেমন এই
18:56স্পেন্সারস-এর
18:57উদাহরণে আপনি
18:58কী করবেন? গত এক-
19:00দুই বছরে যত
19:01কেনাকাটা
19:02হয়েছে, সেই
19:03সমস্ত শপিং
19:03বিলগুলো আপনি
19:04সংগ্রহ করবেন
19:05এবং তারপর
19:06সেখানে আপনি
19:07প্যাটার্ন
19:08লক্ষ্য করবেন
19:08যে, যদি আপনি
19:09১০০ টি বিল
19:10স্ক্যান করেন
19:11তবে দেখা গেল,
19:12১০০ টি বিলের
19:13মধ্যে ৮০ বার
19:14দুধ কেনা হয়েছে
19:15এবং তার মধ্যে
19:16৬০ বার ডিমও
19:16কেনা হয়েছে।
19:18সুতরাং আপনি
19:18দেখতে পাচ্ছেন
19:19যে এই দুটি
19:19প্রোডাক্টের
19:20মধ্যে একটি
19:21শক্তিশালী
19:21অ্যাসোসিয়েশন
19:22বা সম্পর্ক আছে
19:22এবং সেই কারণেই
19:23আপনি এই দুটোকে
19:24সবসময়
19:24পাশাপাশি
19:25রাখবেন। ঠিক
19:25আছে? এইভাবেই
19:26আপনি
19:26অ্যাসোসিয়েশন
19:27রুল বেসড
19:28লার্নিং করেন।
19:29এখানে আপনি
19:29ডেটা থেকে তথ্য
19:30সংগ্রহ করেন,
19:31ডেটা মাইনিং
19:32করেন এবং তারপর
19:33সিদ্ধান্ত
19:33গ্রহণ করেন।
19:34ওকে? এর একটি
19:35খুব আকর্ষণীয়
19:36কেস স্টাডি
19:37ইউএস-এ সামনে
19:37এসেছিল, যেখানে
19:38আই ডোন্ট নো,
19:39ওয়ালমার্ট ছিল
19:40নাকি অন্য কোনো
19:41কোম্পানি।
19:42তাদের একজন
19:42কর্মী পরামর্শ
19:43দিয়েছিলেন যে
19:44আপনাদের বেবি
19:45ডায়পারের সাথে
19:46বিয়ার রাখা
19:47উচিত। বিয়ার,
19:48মানে যে বিয়ার
19:49পান করা হয়,
19:50সেটি রাখা উচিত
19:51। প্রথমবার এটি
19:53খুব অদ্ভুত
19:53শোনাচ্ছে যে
19:54বেবি ডায়পার,
19:55হাগিস এবং
19:56বিয়ার এগুলো
19:56একসাথে কেন
19:57রাখা হবে?
19:58দুটিকেই
19:59অপ্রাসঙ্গিক
19:59পণ্য বলে মনে
20:00হচ্ছে। কিন্তু
20:01একটি সমীক্ষায়
20:02জানা গেল যে
20:03ওয়ালমার্টের
20:04অনেক ক্রেতাই
20:05যখন বেবি
20:05ডায়পার কিনতেন,
20:06তখন তারা
20:07বিয়ারও কিনতেন
20:07। যার ফলে একটি
20:08কোরিলেশন বা
20:09পারস্পরিক
20:10সম্পর্ক তৈরি
20:10হয়েছিল। বিলের
20:11মধ্যে এই
20:12কোরিলেশনটি
20:13দেখা যেত। তাই
20:13তারা যেই এটি
20:14কার্যকর করল যে
20:15বিয়ারের পাশে
20:16বেবি ডায়পার
20:17রাখা উচিত, তখন
20:18তাদের বিক্রি
20:19বেড়ে গেল। ঠিক
20:20আছে? এটি একটি
20:20খুব আকর্ষণীয়
20:21কেস স্টাডি।
20:22আমি এর লিঙ্ক
20:23ভিডিওর সাথে
20:23দিয়ে দেব।
20:24পড়বেন। মেশিন
20:25লার্নিং
20:25সম্পর্কে
20:26আপনার একটি
20:26জোরালো
20:27অনুভূতি হবে যে
20:28বাস্তবে এই
20:28পৃথিবীতে কত
20:29গোপন
20:29প্যাটার্ন
20:30বিদ্যমান যা
20:30মেশিন লার্নিং
20:31সামনে নিয়ে
20:32আসছে। ঠিক? এবং
20:33এটি
20:33ব্যবসাগুলোকে
20:34খুব সাহায্য
20:34করছে। তো এটি
20:35একটি খুব
20:35আকর্ষণীয়
20:36উদাহরণ ছিল। সো
20:37ইয়া,
20:37আনসুপারভাইজড
20:38লার্নিং খুব
20:39কাজের এবং অনেক
20:39সময় আপনাকে এটি
20:40করতে হয়। তো এই
20:41চারটিই হলো
20:42প্রধান
20:42ব্যবহারের
20:43ক্ষেত্র।
20:43আপনাকে এই
20:44চারটি প্রধান
20:45ব্যবহারের
20:45ক্ষেত্র নিয়েই
20:46পড়তে হবে। ঠিক
20:47আছে? এবার প্রথম
20:48স্লাইডে ফিরে
20:48যাচ্ছি। আমরা
20:49এই দুটি বিষয় তো
20:50কভার করে
20:51ফেলেছি।
20:51সুপারভাইজড
20:52পড়েছি,
20:53আনসুপারভাইজডও
20:54পড়েছি। এখন
20:55আমরা পড়ছি সেমি-
20:56সুপারভাইজড।
20:57সো সেমি-
20:57সুপারভাইজডের
20:58মূল কথা হলো যে
20:59এটি আংশিকভাবে
21:00আনসুপারভাইজড
21:01এবং আংশিকভাবে
21:02সুপারভাইজড।
21:04সেই কারণেই
21:05শব্দটি হলো
21:05সেমি-
21:06সুপারভাইজড।
21:07তো দেখুন,
21:08লেবেলগুলো
21:09অর্থাৎ আউটপুট
21:10কলামটি খুব
21:11ব্যয়বহুল হয়।
21:13ব্যয়বহুল
21:14হওয়ার মানে কী
21:15যে শেষে কে বলবে
21:16যে এই ছবিতে
21:16কুকুর আছে কি
21:17নেই? কোনো
21:18মানুষই তা বলবে
21:19। শেষে কে বলবে
21:20যে এই ছাত্রের
21:20আইকিউ এত ছিল,
21:21সিজিপিএ এত ছিল,
21:22তাই তার
21:22প্লেসমেন্ট
21:23হয়েছে কি হয়নি?
21:24কোনো মানুষই তা
21:25বলবে। তো সেই
21:26লেবেলিং বা
21:26যেটিকে আউটপুট
21:27কলাম বলে,
21:28সেটিকে লেবেল
21:29বলা হয়। সেই
21:29লেবেলগুলো
21:30তৈরি করতে
21:30মানুষের শ্রম
21:31লাগে। তো
21:32মানুষের শ্রম
21:33মানে আপনাকে
21:33বেতন দিতে হবে,
21:34টাকা খরচ হবে।
21:35ঠিক? তো লেবেল
21:36তৈরি করা খুব
21:37কঠিন কাজ। আর
21:37আপনার যদি
21:38ইনপুট কলাম
21:38প্রয়োজন হয়, তবে
21:39সেগুলো আপনি
21:39যেকোনো জায়গা
21:40থেকে সংগ্রহ
21:40করতে পারেন।
21:41আজকের দিনে যদি
21:42আমার প্রচুর
21:42ছবি প্রয়োজন হয়,
21:43আমি ইন্টারনেট
21:44থেকে
21:44স্ক্র্যাপ করে
21:45প্রচুর ছবি
21:45আমার ফোল্ডারে
21:46ডাউনলোড করতে
21:47পারি। কিন্তু
21:47সেই ইমেজের
21:48ভেতরে কী আছে তা
21:49জানার জন্য
21:49আমাকে বসে
21:50ম্যানুয়াল
21:51লেবেলিং করতে
21:51হবে, যাতে
21:52মানুষের
21:52কর্মঘণ্টা এবং
21:53টাকা খরচ হয়।
21:54তাই লেবেলিং
21:55একটি কঠিন এবং
21:56ব্যয়বহুল কাজ
21:56। ঠিক? তাই
21:57মানুষ ভাবল, যদি
21:58আমরা এমন কোনো
21:59কৌশল ব্যবহার
22:00করি যেখানে
22:01আমাকে পুরো
22:01ডেটা
22:02পয়েন্টগুলো
22:03লেবেল করার
22:03প্রয়োজনই না
22:04হয়? আমি কেবল
22:05এক বা দুটি ডেটা
22:06পয়েন্ট লেবেল
22:06করব এবং বাকি
22:07পয়েন্টগুলো
22:08স্বয়ংক্রিয়ভাবে
22:08লেবেল হয়ে
22:09যাবে। তাহলে
22:10কেমন হয়? এবং
22:11এটাই সেমি-
22:11সুপারভাইজড
22:12লার্নিংয়ের
22:13মূল ধারণা। আমি
22:14এটার একটি ছোট
22:15উদাহরণ দিই।
22:15আপনারা সবাই
22:16হয়তো গুগল
22:17ফটোজ ব্যবহার
22:17করেছেন। গুগল
22:18ফটোজ এমন একটি
22:19পরিষেবা
22:19যেখানে গুগল
22:20ফটোজ কী করে,
22:21আপনি ছবি তোলার
22:21সাথে সাথে সেটি
22:22স্বয়ংক্রিয়ভাবে
22:23শনাক্ত করতে
22:24শুরু করে যে এই
22:24ব্যক্তিকে আমি
22:25এই ছবিতেও
22:26দেখেছি। এই
22:26ছবিতেও দেখেছি
22:27। এই ছবিতেও
22:28দেখেছি। তাই এই
22:29সব ছবিগুলোকে
22:29সে এক জায়গায়
22:30নিয়ে আসে।
22:30তারপর অন্য
22:31কোনো
22:31ব্যক্তিকে আমি
22:31এই ছবিতেও
22:32দেখেছি। এই
22:32ছবিতেও দেখেছি
22:33। এই ছবিতেও
22:34দেখেছি। সেই
22:34অন্য ব্যক্তির
22:35ছবিগুলোকেও সে
22:35আলাদা করে দেয়
22:36। তাই একভাবে
22:37আপনি ছবিগুলোর
22:37ক্লাস্টারিং
22:38করছেন। ঠিক? এখন
22:39সে আপনাকে একটি
22:39ব্যক্তির ছবি
22:40সম্পর্কে
22:40জিজ্ঞাসা করবে
22:41যে বলুন এটি কে?
22:42আপনি বললেন এটি
22:43বাবা, তাহলে সে
22:43স্বয়ংক্রিয়ভাবে
22:44বাবার বাকি সব
22:45ছবিতেই
22:45লেবেলিং করে
22:46দেবে যে এটি
22:46বাবা। তারপর সে
22:47পরের জন
22:47সম্পর্কে
22:48জিজ্ঞাসা করবে
22:49। আপনি বলবেন মা
22:49, তাহলে মায়ের
22:50সব ছবিকেও সে
22:51লেবেল করে দেবে
22:52। তাই এটি খুব
22:52সাশ্রয়ী হলো।
22:53একজন
22:54ব্যবহারকারী
22:54হিসেবে আমাকে
22:55কেবল একটি ছবি
22:55সম্পর্কে বলতে
22:56হলো এবং বাকি সব
22:57কাজ নেপথ্যে
22:57আনসুপারভাইজড
22:58মেশিন লার্নিং
22:58করে রেখেছিল
22:59এবং আমাকে কেবল
23:00তার ওপর
23:00লেবেলগুলো কপি
23:00করতে হলো। তাই
23:01এটি একটি
23:02উদাহরণ যেখানে
23:02সেমি-
23:03সুপারভাইজড
23:03লার্নিং
23:04ব্যবহৃত হয়।
23:04এবং সত্যি বলতে,
23:05এই কৌশলটি গত
23:06কয়েক বছরে খুব
23:07জনপ্রিয়
23:07হয়েছে এবং এখন
23:08অনেক জায়গায়
23:09ব্যবহৃত হয়।
23:09তাই আপনি জানেন
23:10না, ভবিষ্যতে
23:11আপনাকেও কখনো
23:11না কখনো সেমি-
23:12সুপারভাইজড
23:13লার্নিং করতে
23:13হতে পারে। ঠিক
23:14আছে? সর্বশেষটি
23:15হলো
23:15রিইনফোর্সমেন্ট
23:16লার্নিং। ঠিক
23:17আছে? তাহলে
23:18রিইনফোর্সমেন্ট
23:18লার্নিংয়ের
23:19মূল বিষয় কী?
23:20সুপারভাইজড
23:20লার্নিংয়ের
23:21মূল বিষয় কী
23:21ছিল? যাতে ইনপুট
23:22এবং আউটপুট
23:23উভয়ই থাকে।
23:23আনসুপারভাইজড-
23:24এর মূল বিষয় কী
23:25ছিল? যাতে শুধু
23:26ইনপুট থাকে।
23:27রিইনফোর্সমেন্টের
23:28মূল বিষয় কী?
23:28যে এখানে আপনি
23:29কোনো ডেটাই দেন
23:30না। আপনার
23:31সিস্টেমের
23:31কাছে কোনো
23:32ডেটাই থাকে না।
23:33আপনার
23:33অ্যালগরিদমটি
23:34একদম শূন্য
23:35থেকে শেখা শুরু
23:36করে এবং তারপর
23:36ধীরে ধীরে
23:37নিজেকে উন্নত
23:38করতে থাকে। এটা
23:39আমাদের
23:39মানুষের মতো।
23:40আমরা যখন কোনো
23:41নতুন
23:41পরিস্থিতিতে
23:42পড়ি। ধরুন
23:43আপনি কলেজে
23:43গেলেন। কলেজে
23:44কীভাবে আচরণ
23:45করতে হয়, কীভাবে
23:45থাকতে হয়, তার
23:46কোনো ডেটা
23:46আপনার কাছে নেই
23:47। কিন্তু আপনি
23:48ভুল করে করে
23:48শিখেন। তাই না?
23:49এর খুব ভালো
23:50উদাহরণ হলো
23:51সেলফ-ড্রাইভিং
23:51কার। সেলফ-
23:52ড্রাইভিং
23:52কারের কাছে আগে
23:53থেকে কোনো ডেটা
23:54থাকে না। সে
23:54রাস্তায় নেমে
23:55ধীরে ধীরে শেখে
23:56যে কীভাবে গাড়ি
23:57চালাতে হয়। তাই
23:58না? তো মূল
23:59ধারণাটি খুব
24:00সহজ। আসলে এই
24:01ছবিটি আমি গুগল
24:02থেকে পেয়েছি।
24:04তো
24:04রিইনফোর্সমেন্ট
24:05লার্নিং-এ
24:05আপনার কাছে যে
24:06অ্যালগরিদম
24:07থাকে, তাকে আপনি
24:08এজেন্ট বলেন।
24:09ঠিক আছে?
24:10এজেন্টকে কী
24:11করতে হয়? তাকে
24:12একটি
24:12নির্দিষ্ট
24:13পরিবেশে
24:13বাঁচতে হয়।
24:14আমরা যেমন
24:15জীবনে বেঁচে
24:15আছি, পৃথিবীতে
24:16বেঁচে আছি, ঠিক
24:17তেমনই এই
24:17এজেন্টের একটি
24:18পরিবেশ থাকে।
24:19যেমন সেলফ-
24:20ড্রাইভিং
24:20কারের পরিবেশ
24:21হলো রাস্তা।
24:22তাই না? দাবা
24:24খেলার
24:24এজেন্টের
24:25পরিবেশ হলো সেই
24:26দাবার বোর্ড।
24:27তাই না? তো
24:28সেখানে একাধিক
24:29সম্ভাবনা থাকে
24:30। যেমন এখানে
24:32একটি বিপদ হলো
24:33আগুন এবং আগুন
24:34নেভানোর জন্য
24:35পানি হলো
24:35আরেকটি
24:36সম্ভাবনা। তো
24:38এখন এজেন্টকে
24:39সিদ্ধান্ত
24:40নিতে হবে যে সে
24:40আগুনের কাছে
24:41যাবে নাকি
24:42পানির কাছে
24:42যাবে। তাই না?
24:43এখন যেটা হয়,
24:44এজেন্ট প্রথমে
24:45পর্যবেক্ষণ
24:46করে যে কী হচ্ছে
24:47। কিছু কিছু
24:48পরিবর্তন ঘটছে
24:49। আর তারপর
24:50এজেন্টের কাছে
24:50একটি পলিসি
24:51থাকে। পলিসি
24:52হলো মূলত তার
24:53রুল বুক, অর্থাৎ
24:54তার কী করা উচিত
24:55। তো পলিসিতে
24:56ধরুন লেখা আছে
24:57যে আগুনের কাছে
24:58যাও। তো
24:59যেইমাত্র সে
24:59আগুনের কাছে
25:00গেল, আপনি
25:01আগুনকে একটি
25:01নেতিবাচক
25:02রিওয়ার্ড বা
25:03শাস্তি হিসেবে
25:04সংজ্ঞায়িত
25:04করে রেখেছেন।
25:05তো যেইমাত্র সে
25:06আগুনের কাছে
25:07গেল, আপনি তার
25:07কিছু পয়েন্ট
25:08কেটে নিলেন।
25:09তখন এজেন্ট
25:10বুঝতে পারল যে
25:10আমার আগুনের
25:11কাছে যাওয়া
25:12উচিত ছিল না। সে
25:12তৎক্ষণাৎ তার
25:13পলিসি আপডেট
25:14করবে এবং তারপর
25:15আপডেট করা
25:15পলিসি অনুযায়ী
25:16আবার এই
25:16প্রক্রিয়াটি
25:17পুনরাবৃত্তি
25:18করবে। যেহেতু
25:18এখন তার আগুনের
25:19কাছে যাওয়ার
25:20দরকার নেই কারণ
25:20সেখানে তার
25:21নম্বর কাটা
25:21যাচ্ছে, তাই সে
25:22পানির কাছে
25:23যাবে কারণ
25:23সেখানে সে
25:23নম্বর পাচ্ছে।
25:24তো সামগ্রিক
25:25আইডিয়াটি খুব
25:26সহজ। একজন
25:27এজেন্ট আছে যে
25:27একটি পরিবেশে
25:28আছে এবং তার
25:29প্রতিটি কাজের
25:30জন্য আপনি তাকে
25:31হয় রিওয়ার্ড
25:31দেন অথবা
25:32শাস্তি দেন এবং
25:33তার চূড়ান্ত
25:33লক্ষ্য হলো সেই
25:34পরিবেশে থেকে
25:35নিজের
25:35রিওয়ার্ড
25:36বাড়ানো এবং
25:37শাস্তি কমানো।
25:38এটি অনেকটা
25:38আপনার কুকুরকে
25:39প্রশিক্ষণ
25:39দেওয়ার মতো। সে
25:40ভালো কিছু করলে
25:41আপনি তাকে
25:41চকলেট দিচ্ছেন
25:42আর সে কোনো গড়বড়
25:43করলে আপনি তাকে
25:43বকছেন। তার
25:44মস্তিষ্ক
25:44রিইনফোর্স
25:45হচ্ছে যে এই
25:45কাজটি করলে
25:46সুবিধা হয়। আর
25:47এই কাজটি করলে
25:48ক্ষতি হয়।
25:48আমরাও ঠিক
25:49এভাবেই বেঁচে
25:50থাকি। তো এটি
25:51একটি চমৎকার
25:51কৌশল।
25:52বর্তমানে এটি
25:53খুব জনপ্রিয়
25:54হয়ে উঠছে। ডিপ
25:54মাইন্ড নামে
25:55একটি কোম্পানি
25:56আছে। গুগল
25:57এটিকে
25:57অধিগ্রহণ
25:58করেছে। তারা 'গো
25:59' নামের একটি
26:00গেম খেলার জন্য
26:01একটি এজেন্ট
26:01তৈরি করেছে।
26:04একটি গো গেম। এই
26:08গেমটি আসলে
26:09একটি চীনা গেম
26:10এবং খুব জটিল।
26:12দাবার চেয়েও
26:13বেশি জটিল এবং
26:14মানুষ মনে করত
26:15এই গেমে
26:15মানুষকে
26:16হারানো প্রায়
26:17অসম্ভব।
26:18কিন্তু ডিপ
26:18মাইন্ড নামে
26:19একটি কোম্পানি
26:20আছে। তারা 'আলফা
26:22গো' নামে একটি
26:23এজেন্ট তৈরি
26:24করেছিল, যা ২০১৭
26:25বা ২০১৬ সালে এই
26:26গেমের
26:27চ্যাম্পিয়নকে
26:28টানা পাঁচটি
26:29গেমের মধ্যে
26:29চারটিতে
26:30হারিয়েছিল।
26:32তারপর থেকেই
26:32ইন্ডাস্ট্রিতে
26:33রিইনফোর্সমেন্ট
26:34লার্নিং নিয়ে
26:35অনেক আলোচনা
26:35শুরু হয়। সেলফ
26:36ড্রাইভিং কার
26:37এর একটি প্রয়োগ
26:38। এই গেম প্লেইং
26:38এজেন্টগুলোও
26:39এর প্রয়োগ। এর
26:40আরও অনেক
26:41প্রয়োগ রয়েছে।
26:42এটি একটু কঠিন,
26:42কারণ আপনারা
26:43দেখে নিশ্চয়ই
26:44বুঝতে পারছেন।
26:45আপনার কাছে
26:46কোনো ডেটা নেই।
26:46আপনাকে নিজে
26:47থেকেই শিখতে
26:48হবে। তাই এটি
26:49কিছুটা কঠিন।
26:50তবে হ্যাঁ,
26:51মানুষ আজকাল
26:51এটি ব্যবহার
26:52করছে। ঠিক আছে?
26:53তো এই হলো
26:54বন্ধুরা।
26:55আমাদের পুরো
26:55বিষয়টি এটাই যা
26:56আমাদের শিখতে
26:57হবে। আমরা
26:57সুপারভাইজড
26:58লার্নিং দিয়ে
26:58শুরু করব।
26:59তারপর আমরা
26:59আনসুপারভাইজড
27:00লার্নিং-এ যাব।
27:01আনসুপারভাইজড-
27:01এ তিন-চারটি
27:02কৌশল আছে। মাঝে
27:03মাঝে আপনার
27:03সেমি-
27:03সুপারভাইজড
27:03লার্নিংয়েরও
27:04প্রয়োজন হতে
27:04পারে। আর
27:05রিইনফোর্সমেন্ট
27:05লার্নিং হলো
27:06একদম আলাদা
27:06একটি বিষয়। ঠিক
27:07আছে? তাই আপনি
27:08যদি মেশিন
27:09লার্নিংয়ে
27:09নতুন হন, তবে
27:10বিশ্বাস করুন,
27:11এই
27:11ডায়াগ্রামটি
27:12আপনার মুখস্থ
27:12থাকা উচিত।
27:13মানে, কোনো
27:14সমস্যা সমাধান
27:14করার সময় আপনার
27:15জানা উচিত যে
27:16এটি কোন ধরনের
27:17সমস্যা। আপনি
27:18যদি নতুন হন,
27:18তবে এই
27:19বোঝাপড়াটি
27:19আপনার অবশ্যই
27:20থাকা উচিত। ঠিক
27:21আছে? তো আজ এই
27:22বিষয়টিই
27:23আলোচনা করার
27:23ছিল। আশা করি
27:24আমি আপনাদের
27:25ঠিকমতো বোঝাতে
27:26পেরেছি। এবং
27:27আগামীকাল ও
27:27পরশু আমরা আরও
27:28দুটি বিষয়ের
27:29ভিত্তিতে
27:30মেশিন
27:30লার্নিংয়ের
27:31ধরনগুলো
27:31আলোচনা করব।
27:32সেটি আমাদের
27:33পরবর্তী বিষয়।
27:34তো হ্যাঁ,
27:35ভিডিওর জন্য
27:35এটুকুই। যদি
27:36ভালো লেগে থাকে,
27:37তবে
27:37সাবস্ক্রাইব
27:38করার কথা
27:38বিবেচনা করবেন
27:39। ধন্যবাদ
27:39দেখার জন্য
27:40বন্ধুরা।

About this transcript

This page contains the full transcript of Types of Machine Learning for Beginners | Types of Machine learning in Hindi | Types of ML in Depth by CampusX, generated from the public captions YouTube serves with the video. The transcript has 4,426 words across 2,127 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.