Home › Roadmap › Machine Learning Basics › Part 1

What is Machine Learning

📘 মেশিন কীভাবে ডেটা থেকে শেখে।

🌐 How machines learn from data.

🤖 মেশিন লার্নিং পরিচিতি🎚 Beginner📍 Part 1 / 6🧩 3 সাব-টপিক

🤖

ধারণা · Concept

কী এবং কেন

📘 বাংলা ব্যাখ্যা:
মেশিন কীভাবে ডেটা থেকে শেখে।

🌐 English:
How machines learn from data.

🗂 কোথায় পড়ে

৩. মেশিন লার্নিং → মেশিন লার্নিং পরিচিতি → What is Machine Learning

🎯 এই শাখার লক্ষ্য

Frame ML problems, split and validate correctly

🧰 টুলস

scikit-learn

🪜

ধাপে ধাপে শিখুন · Step-by-step

কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল

💡 কেন গুরুত্বপূর্ণ?

নিয়ম হাতে না লিখে উদাহরণ থেকে প্যাটার্ন শেখানো—আধুনিক AI-এর ভিত্তি।

ধাপ 1
ঐতিহ্যগত প্রোগ্রাম: নিয়ম + ডেটা → উত্তর; ML: ডেটা + উত্তর → নিয়ম (মডেল)
ধাপ 2
তিন ধরন: supervised (লেবেলসহ), unsupervised (লেবেল ছাড়া), reinforcement (পুরস্কারে শেখা)
ধাপ 3
কর্মপ্রবাহ: সমস্যা সংজ্ঞা → ডেটা → প্রিপ্রসেস → মডেল → মূল্যায়ন → ডিপ্লয় → মনিটর
ধাপ 4
কখন ML দরকার নেই: সহজ নিয়মে সমাধান হলে

🧪 বাস্তব উদাহরণ

স্প্যাম ফিল্টার: হাজার ইমেইল (স্প্যাম/নয়) দেখে মডেল নিজেই শব্দ-প্যাটার্ন শেখে।

⚠️ সাধারণ ভুল

সমস্যা ও সাফল্যের মাপকাঠি ঠিক না করেই মডেল বানানো শুরু।

🔑 মূল শব্দ (Key terms)

machine learningmodeltraininginferencesupervisedunsupervised

সাব-টপিক ও বিস্তারিত · Sub-topics

টপিক → সাব-টপিক → সাব-সাব টপিক

1.1 সংজ্ঞা1.1.1 স্পষ্ট প্রোগ্রাম ছাড়া অভিজ্ঞতা থেকে শেখা

1.2 ধরন1.2.1 Supervised1.2.2 Unsupervised1.2.3 Reinforcement

1.3 কর্মপ্রবাহ1.3.1 ডেটা → মডেল → মূল্যায়ন → ডিপ্লয়

🎬

ভিডিও · Videos (বাংলা ও English)

ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত

📺 আরও খুঁজুন

🇧🇩 Bangla machine learning ↗Ostad ↗
🌐 Andrew Ng ↗StatQuest ↗

💻

হাতে-কলমে · Try it (Machine Learning Basics)

এডিট করে Run চাপুন · Ctrl+Enter

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.tree import DecisionTreeClassifier
X,y=load_iris(return_X_y=True)
Xtr,Xte,ytr,yte=train_test_split(X,y,test_size=.2,stratify=y,random_state=0)
for d in [1,3,None]:
    m=DecisionTreeClassifier(max_depth=d,random_state=0).fit(Xtr,ytr)
    print(f"depth={d}: train={m.score(Xtr,ytr):.2f} test={m.score(Xte,yte):.2f} cv={cross_val_score(m,X,y,cv=5).mean():.2f}")

❓

সেল্ফ-চেক · Self check

1. “স্পষ্ট প্রোগ্রাম ছাড়া অভিজ্ঞতা থেকে শেখা” — এটি কোন সাব-টপিকের বর্ণনা?

2. “Supervised, Unsupervised, Reinforcement” — এটি কোন সাব-টপিকের বর্ণনা?

3. “ডেটা → মডেল → মূল্যায়ন → ডিপ্লয়” — এটি কোন সাব-টপিকের বর্ণনা?

4. ওভারফিটিংয়ের লক্ষণ?

5. stratify কী রক্ষা করে?

🔗

সংযুক্ত কনসেপ্ট · Connected concepts