মেশিন লার্নিং কি?

বর্তমানে আমরা বিগ ডাটা এর যুগে ঢুকছি আমরা আমাদের কোনো না কোনো কাজে ডাটা প্রডিউস করছি। ধরা যাক একটা ডিপার্টমেন্টাল স্টোরে গিয়ে কিছু কিনা হলো সাথে সাথে অনেক গুলো তথ্য উৎপন্ন হয়ে গেলো। যা ওই ডিপার্টমেন্টাল স্টোরে এর সেল বাড়ানো নিয়ে অনেক সাহায্য করবে। একটা গল্প দিয়ে শুরু করা যাক আমেরিকার নাম করা ওয়ালমার্ট সম্পর্কে আমরা কম বেশি সবাই জানি। তাদের বিক্রি বাড়ানোর জন্য তারা কাস্টমার দের ডেমোগ্রাফিক ডাটা সংগ্রহ করা শুরু করে  

ডাটা গুলো সংগ্রহ করে দেখলো যারা যারা ডিয়াপার্স কিনে তাদের মধ্যে বিয়ার কিনার একটা প্রবণতা থাকে। ওয়ালমার্ট ডিয়াপার্স এবং বিয়ার দুটো পাশা পাশি রাখে। এতে দেখা গেলো তাদের ডিয়াপার্স আগের তুলনায় ৩ গুন্ বেড়ে যাই 

আমরা যদি প্রিডিক্ট করতে পারি কোন ক্রেতা কোন পণ্য টি নিবে এতে করে কোম্পানি তে বিক্রি বেড়ে যাবে। তেমনি প্রতিটি গ্রাহক তার চাহিদার সেরা ম্যাচিং পণ্য খুঁজে পেতে চান 

এই কাজটি স্পষ্ট এবং সহজ.  নয়. কারণ গ্রাহকের আচরণ সময় এবং ভৌগলিক অবস্থান বুজে পরিবর্তন হয়। আমরা কোনো ভাবে বলতে পারি না কোন ক্রেতারা ঠিক আইস ক্রিম বা এই লেখক এর বই কিনবে। 

কিন্তু আমরা জানি ক্রেতা  এর আচরণ সম্পূর্ণ এলোমেলো না সাধারণত ক্রেতা আইস ক্রিম কিনে গ্রীষ্মে, পাতলা কাপড় কিনে ।  

আমরা যদি এক জন ক্রেতার এক বছরের কেনা কাটা এর ডাটা অনুসন্ধান করি আমরা কিছু নির্দিষ্ট প্যাটার্ন পাবো ডাটা এর মধ্যে।  

আর এই ডাটা এর উপর ভিত্তি করে আমরা একটি ভালো অনুমান করতে পারবো কি কিনতে পারে। ক্রেতার আচরণ এর. উপরে ভবিষ্যৎ বাণী করা যেতে পারে। যদিও তা পুরো পুরি ঠিক নাও হতে পারে। কিন্তু যত ডাটা থাকবে এর ঐদাতা গুলো বিশ্লেষণ করে একটি ভালো ভবিষ্যৎবাণী বা অনুমান করা সম্ভব।  

এখন যদি আমরা কম্পিউটার কথা চিন্তা করি, কম্পিউটার এর মাধ্যমে  কোনো সমস্যা. সমাধান করতে চাই তাহলে আমাদের একটি এলগোরিদম প্রয়োজন পড়বে।  

ধরা যাক আমরাএকটি ছোট প্রোগাম লিখবো যেখানে আমরা কম্পিউটার কে একটি ছবি ইনপুট দিবো আর কম্পিউটার ছবি দেখে বলে দিবে এটি কি কমলা নাকি আপেল।  

সাধারণত এটিনিয়ে এলগোরিদম লিখতে গেলে অনেক গুলো নির্দেশনা দিতে হবে।  অনেক বাধার সম্মুক্কিন এ পড়তে হতে পারে।  যেমন ছবি টি যদি সাদা কালো হয়।  ছবি তে যদিকোনো ফল না. থেকে বা অন্য কোনো ফল থাকে।  

এই যাবতীয় সমস্যা আমরা খুব সহজে মেশিন লার্নিং এর মাধ্যমে সমাধান করতে পারি।  

মেশিন লার্নিং কি?  

“Machine learning is a core, transformative way by which we’re rethinking everything we’re doing. We’re thoughtfully applying it across all our products, be it search, ads, YouTube, or Play. We’re in the early days, but you’ll see us in a systematic way think about how we can apply machine learning to all these areas.”

– Sundar Pichai, CEO, Google

"মেশিন লার্নিং (এমএল) অ্যালগরিদমের একটি বিভাগ যা সফ্টওয়্যার অ্যাপ্লিকেশনগুলিকে স্পষ্টভাবে প্রোগ্রাম করা ছাড়া ফলাফল পূর্বাভাসে আরো সঠিক হতে দেয়। মেশিন লার্নিংয়ের মৌলিক ভিত্তি হলো আলগোরিদিমগুলি তৈরি করা যা ইনপুট ডেটা গ্রহণ করতে পারে এবং আউটপুট আপডেট করার সময় একটি আউটপুট পূর্বাভাসের জন্য পরিসংখ্যান বিশ্লেষণ ব্যবহার করে নতুন তথ্য পাওয়া যায়" 

উপরের ফল এর উদাহরণটি ধরা যাক। আমরা অনেক গুলো আপেল ও কমলার বিভিন্ন ডাটা নিতে পারি যেমন বলা যাই তাদের আকৃতি , রং। একটি এলগোরিদম এর মাধমে আমরাসিস্টেম কে ট্রেনিং. দিতে পারি। ট্রেনিং এর মাধমে সিস্টেম শিখে নিবে কোনটি আপেল বা যেকোনটি কমলা। এর পর আমরা কোনো ইনপুট দিবো সিস্টেম কে।  সিস্টেম তার ট্রিনিংয়ের উপরে ভিত্তি করে ডাটা অনুসন্ধান. করে. আউটপুট দিবে ছবিটি কি আপেল নাকি কমলা নাকি অন্য কিছু।  

ঠিক তেমনি মেসিনে লার্নিং এর মাদঃমে আমরা ক্রেতার আচরণ এর উপরে ভবিষ্যৎবাণী দিতে পারি। মেশিন লার্নিং ব্যবহার করে একটি ডিপার্টমেন্টাল স্টোরে তাদের বিক্রি বাড়াতে পারে বিভিন্ন  ক্রেতা দের কেনা কাটার ডাটা এর উপর ভিত্তি করে 

আমরা মেশিন লার্নিং এর ব্যবহার অনেক ক্ষেত্রে দেখতে পারি। ষ্টোকে মার্কেট এ মেশিন লার্নিং এর ব্যবহার হচ্চে। চিকিৎছা ক্ষেত্রে. যেমন ক্যান্সার গবেষণায়, গ্লোবাল ওয়ার্নিং আরো অনেক বাস্তব জীবন এর জটিল সমস্যার লার্নিং ব্যবহার হচ্চে। 

এখন. আসা যাক মেশিন লার্নিং শিখতে আমাদেরকেই কি জিনিস জানা থাকতে হবে প্রথমে আসা যাক গণিত নিয়ে। মেশিন লার্নিং এ গণিত একটি খুব এই গুরুত্বপূর্ণ অংশ। সব রকম এর গণিত না।  বিশেষ করে লিনিয়ার আলজেব্রা ,ক্যালকুলাস. সম্ভবনা ও পরিসংখ্যান।  

মেশিন লার্নিং এ প্রোবাবিলিটি ও স্টাটিস্টিক খুবই গুরুত্বপূর্ণ। আমরা যদি একটি পাই চার্ট করি মেশিন লার্নিং এর প্রয়োজনীয় টপিকগুলোর উপরে তাহলে দেখা যাবে ৩৫ ভাগ লিনিয়ার আলজেব্রা, ২৫ ভাগ প্রোবাবিলিটি ও স্টাটিস্টিক, ১৫ ভাগ ক্যালকুলাস , ১৫ ভাগ আলগোরিদম ও কমপ্লেক্সসিটি এবং শেষ ১০ ভাগ ডাটা প্রসেসিং।  

মেশিন লার্নিং শিখতে প্রথমে গণিত ও আলগোরিদম দিয়ে শুরু করতে হবে। এখানে বলে রাখা ভালো গণিত শিখতে শিখতে সেগুলো প্রোগ্রামিং এ ইমপ্লিমেন্টেশন শিক্ষাজরুরি। সব চাইতে ভালো হয় ইমপ্লিমেন্টেশন গুলো পাইথন প্রোগ্রামিং এ করা। কারণ বর্তমানে পাইথন সব চাইতে জনপ্রিয় মেশিন লার্নিং এর জন্য। 

লিনিয়ার আলজেব্রাকে জন্য এম. ই. টি ওপেন. কোর্স এ লিনিয়ার আলজেব্রা এর উপরে একটি অসাধারণ কোর্স আসে স্যার Prof. Gilbert Strang এর নেয়া। খুবই অসাধারণ কোর্স। লিনিয়ার আলজেব্রা এর জন্য কেও যদি বই কিনার চিন্তা করে থাকেন তারা Linear Algebra and Its Applications (5th Edition) 5th Edition 

by David C. Lay একটি অসাধারণ একটি বই।  

স্ট্যাটিসটিক্স ওপ্রোবাবিলিটি এরজন্য edx .org  ওয়েবসাইট এ Introduction to Probability - The Science of Uncertainty  একবার দেখেনিতে পারেন। আরেকটি অসাধারণ আরেক  কোর্স।  

ক্যালকুলাস এর জন্য ৩ ব্লু ১ ব্রাউন চ্যানেল এক্যালকুলাস নিয়ে অনেক সুন্দর একটি প্লেলিস্ট আসে যেটা ক্যালকুলাস শিখতে অনেক. সাহায্য করবে।  

স্ট্যাটিসটিক্স ও প্রোবাবিলিটি এবং ক্যালকুলাস এর জন্য খান একাডেমী আরেকটি অসাধারণ ক্ষেত্র শেখার জন্য।  

এলগোরিদম এর জন্য edx .org  এর Algorithm Design and Analysis কোর্স টি অনেক ভালো। কেও. যদি. বই পড়তে চান  

Introduction to Algorithms 

Book by Charles E. Leiserson, Clifford Stein  

এই বইটি বেবহার করতে পারেন। এটি কে এলগোরিদম এর বাইবেল বলা হয়।  

আগেই বলেছিলাম মেশিন লার্নিং এর জন্য সবচাইতে জনপ্রিয় প্রোগ্রামিং ল্যাঙ্গুয়েজে হচ্চে পাইথন। 

পাইথন শিখারজন্য বিশেষত মেশিন লার্নিং এর জন্য ইউটুবে এ Siraj Raval এর অসাধারণ একটি প্লেলিস্ট আছে Learn Python for Data Science নামে। পাইথন শেখার জন্য একটি অন্যতম মাধ্যম।  

মেশিন লার্নিং শেখার জন্য আমাদের অনেক লাইব্রেরি শেখ প্রয়োজন হয়। তার মধ্যে নাম্পিয় সাইকিত, টেনশরফলো অন্যতম।