“কৃত্রিম বুদ্ধিমত্তা, গভীর শিক্ষা, মেশিন লার্নিং - আপনি যদি তা বুঝতে না পারেন তবে যা কিছু করছেন - তা শিখুন। কারণ অন্যথায়, আপনি তিন বছরের মধ্যে ডাইনোসর হতে চলেছেন ” -
Mark Cuban, a Serial Entrepreneur
হ্যালো এবং স্বাগতম, আশাবাদী !
আপনি যদি এটি পড়ছেন এবং বিষয়টিতে আগ্রহী হন তবে আমি ধরে নিচ্ছি যে আপনি গভীর শিক্ষা এবং মেশিন লার্নিংয়ের প্রাথমিক ধারণাগুলির সাথে পরিচিত।
যদি না হয়, চিন্তা করবেন না! টিউটোরিয়ালটি এমনভাবে ডিজাইন করা হয়েছে যা আপনাকে প্রথম থেকে শেষ পর্যন্ত গভীর শেখার দক্ষতা দিয়ে শুরু করে - পারসেপট্রন থেকে গভীর শেখার দিকে।
এই টিউটোরিয়ালে, আমরা নিউরাল নেটওয়ার্ক, মডেল এবং অ্যালগরিদম, কিছু ব্যবহারের ক্ষেত্রে, গ্রন্থাগারগুলি ব্যবহার করার জন্য এবং অবশ্যই গভীর শিক্ষার সুযোগগুলি স্পর্শ করব। এটি ছাড়াও, গভীর শিক্ষার জন্য অন্যান্য গুরুত্বপূর্ণ ধারণাগুলিও আলোচনা করা হবে।
পদক্ষেপ 1: প্রাক প্রয়োজনীয়তা
যে কোনও টম, ডিক এবং হ্যারি কেবল গভীর শেখার বিস্ময়ের কথা শুনতে পারে না, আগ্রহ বিকাশ করতে পারে এবং টিউটোরিয়াল শুরু করতে পারে। শেখার একটি দুর্দান্ত উপায় থাকতে হবে এবং সে কারণেই আমরা আপনার জন্য ভিত্তি তৈরি করেছি work নীচে নীচের বিষয়গুলি হাইলাইট করে যা আপনার শেখার প্রক্রিয়াটি ফায়ার-আপ করার আগে আপনাকে যা করতে হবে তা হাইলাইট করে:
- আর / পাইথনের জ্ঞান: গভীর শিক্ষার জন্য এ দুটি সর্বাধিক ব্যবহৃত এবং পছন্দের ভাষা। এর অন্যতম প্রধান কারণ হ'ল উভয়ের পক্ষে পর্যাপ্ত সমর্থন / সম্প্রদায় উপলব্ধ। মেশিন লার্নিংয়ের বিশ্বে ঝাঁপ দেওয়ার আগে নিজের সুবিধার্থে এর মধ্যে একটি নির্বাচন করুন। নিঃসন্দেহে পাইথন মাঠে নেতৃত্ব দিচ্ছে; তবে আপনি এখানে তুলনা দেখতে পারেন।
- লিনিয়ার বীজগণিত, ক্যালকুলাস এবং সম্ভাবনার প্রাথমিক ধারণা: প্রতিটি পাঠের জন্য অবিশ্বাস্য পরিমাণে অনলাইন ভিডিও এবং কোর্স রয়েছে যার মধ্যে অনেকগুলি বিনামূল্যে। আমরা আপনাকে দক্ষতা অর্জনের পরামর্শ দিচ্ছি না তবে টিউটোরিয়ালটি আরও ভাল করে বোঝার জন্য এটি ব্রাশ করুন। আপনি স্ট্যানফোর্ডের সিএস 231 এন দিয়ে শুরু করার চেষ্টা করতে পারেন।
- নিউরাল নেটওয়ার্ক এবং গভীর শিক্ষার প্রাথমিক জ্ঞান: যেমনটি আমি আগেই বলেছি যে অনলাইনে প্রচুর উত্স বিনামূল্যে প্রদান করা হয়েছে পাশাপাশি প্রদান করা হয়েছে। অনলাইন ভিডিও সর্বদা যাইহোক সহায়ক। আপনি যদি ধারণার মাধ্যমে পড়তে চান তবে আমরা আপনাকে নিউরাল নেটওয়ার্ক এবং ডিপ লার্নিং অনুসরণ করার পরামর্শ দিচ্ছিযা একেবারে বিনামূল্যে। (এছাড়াও ডিপ লার্নিংয়ের নতুনদের জন্য 25 টি অবশ্যই শর্তাবলী এবং ধারণাগুলি অবশ্যই মনোযোগ দিন)
- সেট-আপ প্রয়োজনীয়তা:
- Set-up requirements: Since deep learning relies heavily on computational concepts, we need faster machines to operate at that level. So, all that you need for now is:
- GPU (4+ GB, preferably Nvidia) — It is the heart of deep learning applications today
- CPU (e.g. Intel Core i3 or above will do)
- 4 GB RAM or depending on the dataset.
দ্রষ্টব্য: (আপনি যদি হার্ডওয়ারের প্রয়োজনীয়তা সম্পর্কে আরও জানতে চান তবে এই হার্ডওয়্যার গাইডটির মাধ্যমে যান এবং সর্বাধিক গুরুত্বপূর্ণ, এই ধাপে গভীর শিক্ষাগত গ্রন্থাগারগুলি ইনস্টল করবেন না You আপনাকে এই টিউটোরিয়ালে আরও জানানো হবে))
পদক্ষেপ 2: ধারণা এবং প্রযুক্তিগত দিকগুলির সাথে পরিচিতি
কীভাবে আপনি গভীর শিক্ষায় ডুব দিতে পারেন? মূলত, এটি সমস্ত স্নায়বিক নেটওয়ার্কগুলির সাথে শুরু হয় এবং গভীর শিক্ষণ তথ্য থেকে দরকারী তথ্য বিমূর্ত করতে সেই নেটওয়ার্কগুলির যৌক্তিক প্রয়োগ ছাড়া কিছুই নয়। প্রযুক্তিগত ভাষায়, এটি চিত্রা, শব্দ, ভিডিও এবং পাঠ্যের মতো মিডিয়া যেমন অরক্ষিত ইনপুট ডেটা শ্রেণিবিন্যাসের একটি বিচক্ষণ পদ্ধতি।
থমত, আপনাকে সিদ্ধান্ত নিতে হবে যে শেখার মাধ্যমটি আপনার গবেষণা এবং গভীর শিক্ষার উপর অধ্যয়নের জন্য সবচেয়ে উপযুক্ত। এটি ব্লগ, বই, ভিডিও বা অনলাইন কোর্সের পদ্ধতির হতে পারে। আমরা আপনার জন্য সহজ ধারণাটি শুরু করার জন্য উত্সগুলি তালিকাভুক্ত করছি যা আপনাকে ধীরে ধীরে এই বিষয়ের উপর খপ্পর পেতে সহায়তা করবে।
ব্লগ পদ্ধতির
বইয়ের পদ্ধতি
ভিডিও পদ্ধতি
অনলাইন কোর্স পদ্ধতির
প্রিয় শিখর শিক্ষার্থীরা, এই সত্যটি গ্রহণ করুন যে একটি গভীর শিক্ষার বিশেষজ্ঞ হওয়ার পরিবর্তনে প্রচুর সময়, অনেক অতিরিক্ত সংস্থান এবং বিল্ডিং এবং পরীক্ষার মডেলগুলির নিবেদিত অনুশীলনের প্রয়োজন হবে। আমরা তবে বিশ্বাস করি যে উপরের তালিকাভুক্ত সংস্থানগুলি ব্যবহার করা আপনাকে গভীর শিক্ষার সাথে গতিশীল করতে পারে।
পদক্ষেপ 3: আপনার সাহসিক নির্বাচন করুন
আপনি বেসিকগুলি পাওয়ার পরে, এখানে আকর্ষণীয় অংশটি আসবে ― অত্যাধুনিক প্রযুক্তির গভীর শেখার অভিজ্ঞতা। ক্ষেত্রটিতে অফার করার মতো অসংখ্য আকর্ষণীয় অ্যাপ্লিকেশন এবং সুযোগ রয়েছে। গভীর আগ্রহের কৌশলগুলি আপনার আগ্রহ এবং উদ্দেশ্যের ভিত্তিতে পৃথক হবে, নীচে দেখুন:
কম্পিউটার ভিশন / প্যাটার্ন স্বীকৃতি: উভয়ই আলাদা নয় কারণ প্যাটার্ন স্বীকৃতিও কম্পিউটার দর্শনের একটি অংশ, অনেক সময়। যাইহোক, বৃহত্তর পরিভাষায়, কম্পিউটার ভিজ্যুতে কেবল চিত্রগুলি বিশ্লেষণ করা এবং অবজেক্ট সনাক্তকরণ, বিভাগকরণ, দৃষ্টিভিত্তিক শেখার জন্য ব্যবহৃত হয় ইত্যাদি যেখানে প্যাটার্ন স্বীকৃতি চিত্রগুলির মধ্যে সীমাবদ্ধ নয়। এটি এমন কোনও শ্রেণীর শ্রেণিবদ্ধকরণ যা প্যাটার্ন ধারণ করতে পারে।
শিখতে, এখানে যান:
ভিডিও এবং ব্যবহারের ক্ষেত্রে:
বক্তৃতা এবং অডিও স্বীকৃতি: কখনও বলেছিলেন "ওকে গুগল"? আমি নিশ্চিত, আপনি করেছেন। এটিতে একটি ভাষণ স্বীকৃতি সিস্টেম রয়েছে যা আপনাকে গুগলে যা খুঁজছেন তা সন্ধান করতে সহায়তা করে।
প্রযুক্তিগতভাবে, এটিতে এক ধরণের নিউরাল নেটওয়ার্ক থাকে যা নেটওয়ার্ক গ্রাফে চক্র তৈরির জন্য ইনপুটগুলির ক্রমকে জড়িত করে যা পুনরাবৃত্ত নিউরাল নেটওয়ার্ক (আরএনএন) বলে। এগুলিকে 'পুনরাবৃত্তি' বলা হয় কারণ তারা ক্রমের প্রতিটি উপাদানগুলির জন্য একই কাজ সম্পাদন করে এবং মেশিন অনুবাদ বা স্পিচ সনাক্তকরণের মতো কার্য সম্পাদন করে।
শিখতে, এখানে যান:
এলএসটিএম নেটওয়ার্কগুলি বোঝার (একটি বন্যপ্রাণে ব্যবহৃত আরএনএন বৈকল্পিক)
ভিডিওগুলির জন্য:
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ বা এনএলপি: এনপিএল কম্পিউটারের একটি স্মার্ট এবং দরকারী পদ্ধতিতে মানব ভাষা অনুকরণ করে পড়া, বিশ্লেষণ এবং প্রতিক্রিয়া জানার একটি উপায়। মানব-কম্পিউটার মিথস্ক্রিয়া প্রক্রিয়াটি স্বয়ংক্রিয় করতে আজ প্রযুক্তি, বিজ্ঞাপন, গ্রাহক যত্ন, বীমা ইত্যাদির মতো একাধিক শিল্প বিভাগে ব্যাপকভাবে প্রয়োগ করা হয়।
এনপিএল স্তর ব্যবহারকারীর অনুরোধ বা প্রশ্নের তথ্যে অনুবাদ করে এবং এটির ডাটাবেস থেকে যথাযথ প্রতিক্রিয়া অনুসন্ধান করে। এনএলপির একটি উন্নত উদাহরণ হ'ল একটি ভাষা অনুবাদ ― এক মানব ভাষা থেকে অন্য ভাষায়। উদাহরণস্বরূপ, জার্মান থেকে জার্মান।
শিখতে, এখানে যান:
ভিডিওগুলির জন্য:
শক্তিবৃদ্ধি শেখা বা আরএল: কল্পনা করুন যে কোনও রোবট তার পূর্ববর্তী ক্রিয়াগুলি থেকে শিখতে এবং যখনই প্রয়োজন হবে একটি নতুন কার্য সম্পাদন করার প্রশিক্ষণপ্রাপ্ত, এটি দুর্দান্ত এবং স্বয়ংক্রিয় হবে না! আসলে, এটি বাস্তবের জন্য।
শক্তিবৃদ্ধি শেখা কম্পিউটার এজেন্টের জন্য একই ধরণের ধারণাটি প্রবর্তন করে; এটি কোনও নির্দিষ্ট কাজে ব্যর্থ হয় বা সফল হয়, এজেন্ট কোনও বস্তুর ক্রিয়াকলাপের জন্য পুরষ্কার এবং শাস্তি গ্রহণ করে receives এটি গভীর ক্রিয়াকলাপের মডেলগুলির ক্রিয়াকলাপগুলি নিয়ন্ত্রণ করার অংশ হিসাবে এটিতে জ্ঞান অর্জন করে।
শিখতে, এখানে যান:
শক্তিবৃদ্ধি শেখার একটি প্রাথমিক শিক্ষিকা (জাভা জন্য)
ভিডিওগুলির জন্য:
পদক্ষেপ 4: সঠিক ফ্রেমওয়ার্ক নির্বাচন করা
আমরা পদক্ষেপ 3 তে অনেক অ্যাপ্লিকেশন এবং গভীর শিক্ষণ প্রযুক্তির ব্যবহার নিয়ে আলোচনা করেছি some কিছু কাজের জন্য, someতিহ্যবাহী মেশিন লার্নিং অ্যালগরিদম যথেষ্ট হবে। তবে, আপনি যদি চিত্র, ভিডিও, পাঠ্য বা বক্তৃতাগুলির একটি বৃহত সংগ্রহের সাথে লেনদেন করেন তবে গভীর শিক্ষণ আপনার জন্য আনন্দ এবং সবকিছু। যাইহোক, গভীর শিক্ষায়, কোন কাঠামোটি আপনার পক্ষে সঠিক পছন্দ হবে তা অনেকের কাছে একটি প্রশ্ন।
মনে রাখবেন, সঠিক কাঠামো নেই, কেবল উপযুক্ত কাঠামো রয়েছে। আপনার নির্বাচনের মানদণ্ডটি প্রাথমিকভাবে নির্ভর করতে হবে তা এখানে:
- প্রাক-প্রশিক্ষিত মডেলগুলির উপলভ্যতা
- মুক্ত উৎস
- সমর্থিত অপারেটিং সিস্টেম এবং প্ল্যাটফর্মগুলি
- লাইসেন্সিং মডেল
- মডেল সংজ্ঞা এবং সুরের সহজ
- ডিবাগিং সরঞ্জামগুলির উপলব্ধতা
- এক্সটেনসিবিলিটির সহজতা (উদাহরণস্বরূপ, নতুন অ্যালগরিদম কোড করতে সক্ষম)
- একটি গবেষণা বিশ্ববিদ্যালয় বা একাডেমিয়ার সাথে সংযুক্ত
- সমর্থিত গভীর শেখার অ্যালগরিদমিক পরিবার এবং মডেল
আপনাকে একটি বাছাইয়ে সহায়তা করার জন্য, আমি আপনাকে ডিপ লার্নিং ফ্রেমওয়ার্কগুলির একটি সংক্ষিপ্ত সফরে নিয়ে যাই :
(ক) টেনসরফ্লো: গুগলের সমর্থিত, টেনসরফ্লো হ'ল ডেটা ফ্লো গ্রাফের উপস্থাপনার উপর ভিত্তি করে সংখ্যাসূচক গণনার জন্য সর্ব-উদ্দেশ্যমূলক গভীর শিক্ষা গ্রন্থাগার।
- টেনসরফ্লো ইনস্টল করতে এখানে যান
- এর ডকুমেন্টেশন দেখুন
- এর সাদা অংশে একবার দেখুন a
(খ) থানো: গণিতের এক্সপ্রেশন সংকলক, থিয়ানো এমন একটি সক্রিয়ভাবে বিকাশযুক্ত আর্কিটেকচার যা দক্ষতার সাথে বহুমাত্রিক অ্যারেগুলির সাথে গাণিতিক অভিব্যক্তিগুলি দক্ষতার সাথে সংজ্ঞা দেয়, অনুকূল করে এবং মূল্যায়ন করে।
- একটি সূচক টিউটোরিয়াল চেষ্টা করে দেখুন
- থিওনো ইনস্টল করতে এখানে যান
(গ) ক্যাফে: যদিও থানো এবং টেনসরফ্লো আপনার "সাধারণ-উদ্দেশ্য" গভীর শেখার গ্রন্থাগার হতে পারে তবে ক্যাফেটি প্রকাশ, গতি এবং মড্যুলারিকে মাথায় রেখে তৈরি করা হয়। কম্পিউটার ভিশন গ্রুপ দ্বারা নির্মিত কাঠামোটি গণনাটি সংগঠিত করতে সহজ এবং নমনীয় গভীর শিক্ষাকে সক্ষম করে। এর আপডেট হিসাবে, ক্যাফ 2 এছাড়াও উপলব্ধ।
- পরিচিতি টিউটোরিয়াল উপস্থাপনা সঙ্গে নিজেকে পরিচিত
- এখানে আপনি এর ডকুমেন্টেশন পাবেন
(d) মাইক্রোসফ্ট কগনিটিভ টুলকিট: মাইক্রোসফ্ট কগনিটিভ টুলকিট - আগে সিএনটিকে নামে পরিচিত - এটি একটি ইউনিফাইড ডিপ-লার্নিং টুলকিট যা একাধিক জিপিইউ এবং সার্ভার জুড়ে সিএনএন, আরএনএন, এলটিএসএম এবং আরও অনেক জনপ্রিয় মডেলের প্রকারগুলি সহজেই উপলব্ধি করে এবং সংযুক্ত করে।
- মাইক্রোসফ্ট কগনিটিভ টুলকিট ইনস্টল করতে এখানে যান
- টিউটোরিয়ালগুলির জন্য, এখানে পৌঁছে দিন
দয়া করে মনে রাখবেন যে উপরোক্ত তালিকাভুক্ত আর্কিটেকচারগুলি বর্তমানে কেবল ব্যবহৃত জনপ্রিয় লাইব্রেরি নয়। আমরা তাদের মূল বৈশিষ্ট্যগুলি সহ আরও কিছু তালিকাভুক্ত করেছি:
- পাইথনে লেখা; একটি মিনিমালিস্ট এবং অত্যন্ত মডিউলার নিউরাল নেটওয়ার্ক লাইব্রেরি
- থানো বা টেনসরফ্লো যে কোনও একটির উপরে চলতে সক্ষম
- দ্রুত পরীক্ষা সক্ষম করে।
- একটি বৈজ্ঞানিক কম্পিউটিং কাঠামো
- মেশিন লার্নিং অ্যালগরিদমগুলির জন্য বিস্তৃত সমর্থন সরবরাহ করে
- পাইথন সমর্থিত, একটি নমনীয় এবং স্বজ্ঞাত নিউরাল নেটওয়ার্ক লাইব্রেরি
- সংজ্ঞা দ্বারা চালিত নীতি উপর ডিজাইন করা
- রানটাইমের সময় আপনাকে নেটওয়ার্কগুলি সংশোধন করতে দিন
মানদণ্ড ভিত্তিক নির্বাচনের বিষয়ে আরও শিখতে এবং অন্যান্য ফ্রেমওয়ার্কগুলিতে বিশদ পর্যালোচনা করার জন্য, পৃষ্ঠাটি দেখুন- কীভাবে একটি গভীর শিক্ষণ ফ্রেমওয়ার্ক নির্বাচন করবেন (আমরা আপনাকে লিঙ্কটি বুকমার্ক করার পরামর্শ দিচ্ছি কারণ এটি প্রায়শই আপডেট করা হয়)।
পদক্ষেপ 5: গভীর শেখার অন্বেষণ
গভীর শেখা একটি জটিল, তবুও কৃত্রিম বুদ্ধিমত্তার বিশিষ্ট ক্ষেত্র যেখানে আসল যাদুটি এখনই ঘটছে। গভীর শিক্ষার ক্ষেত্রকে চালিত তিনটি মূল বিষয় হ'ল:
- বিপুল পরিমাণে প্রশিক্ষণের ডেটা উপলভ্য
- শক্তিশালী গণনা পরিকাঠামো
- একাডেমিয়ায় অগ্রগতি
যাইহোক, গভীর শিক্ষা শেখার জন্য আপনার যা করা দরকার তা সহজ:
- প্রতিবার একটি ভিন্ন অ্যাডভেঞ্চারের সাথে ধাপ 2 - 4 ধাপ থেকে পুনরাবৃত্তি করুন
- আপনার গভীর শেখার দক্ষতা পরীক্ষা করা চালিয়ে যান (যেমন ক্যাগল )
- ডিপ লার্নিং সম্প্রদায়গুলিতে যোগদান করুন এবং প্রশ্ন জিজ্ঞাসা করুন (যেমন গুগল গ্রুপ , ডিএল সুবর্দিত )
- সাম্প্রতিক গবেষণা / গবেষক (যেমন সর্বাধিক উদ্ধৃত ডিপ লার্নিং পেপারস ) অনুসরণ করুন
শেষের নোট
আজ, গবেষকরা, যারা কয়েক বছর আগেও আমাদের মতো শিখর ছিলেন, তারা প্রযুক্তির ক্ষেত্রে অসম্ভবকে অস্বীকার করার জন্য কঠোর পরিশ্রম করছেন। শুরুতে, আপনি ধারণাগুলি শেখার ক্ষেত্রে অসুবিধা পেতে পারেন তবে, দৃ ten়তা মূল key
আপনি গভীর শিক্ষার অ্যালগরিদমগুলিতে নিজেকে বিভ্রান্ত করতে পারেন এবং ভাবছেন কেন এটি আপনার প্রত্যাশার মতো কার্যকর হয়নি বা আমি কেন এই ত্রুটিটি এবিসি পাচ্ছি? ... বিশ্বাস করুন, এটি সাধারণ। যদি প্রয়োজন হয় তবে প্রথমে একটি ছোট্ট সেট ডেটাতে আপনার বিশ্বাস করা একটি নমুনা অ্যালগরিদম ব্যবহার করে দেখুন।
এই শিক্ষার ক্ষেত্রে, সমস্ত কিছু আপনার জন্য বোঝার চেষ্টা করুন give আপনি যখন নতুন দক্ষতা অর্জন করবেন তখন নিজের মনকে ব্যবহার করে কিছু আলাদা করার চেষ্টা করুন। স্পাইডারম্যান মুভি থেকে কথোপকথনটি মনে রাখবেন - "দুর্দান্ত শক্তি নিয়ে, দুর্দান্ত দায়িত্ব আসে” "গভীর শিক্ষার প্রবণতাটি অবিরাম বন্ধ হয়ে যাচ্ছে। খ্যাতির ডিপ লার্নিং হলে একটি ছিদ্র করার জন্য, মহাবিশ্ব আপনার জন্য উন্মুক্ত। বেরিয়ে আসুন এবং আপনার প্রতিভা প্রদর্শন করুন কারণ অনেক কিছুই এখনও অনাবিষ্কৃত।
শেষ অবধি, আমি আপনাকে অনুরোধ করছি (তালি দিয়ে) এই টুকরোটি সমর্থন করুন এবং এটি ভাগ করুন যাতে আমরা কোনও উচ্চাকাঙ্ক্ষী প্রতিভা পেছনে না ফেলে এবং আগত আবিষ্কারগুলিতে কোনও সুযোগ হাতছাড়া করি না !! সবাইকে ভালোবাসি…
0 comments:
Post a Comment