AI Course
মেশিন লার্নিংMachine Learning — algorithms from scratch
লিনিয়ার রিগ্রেশন থেকে XGBoost পর্যন্ত — প্রতিটি অ্যালগরিদম প্রথমে নিজে লিখে বুঝবেন, তারপর scikit-learn-এ একই জিনিস কীভাবে এক লাইনে হয় দেখবেন। তত্ত্ব ও প্রয়োগ — দুটোই।
পাঠ ০১ থেকে শুরু করুনএই ট্র্যাকে যা শিখবেন What you'll learn
Supervised, Unsupervised, Reinforcement — তিন ধরনের ML
Linear & Logistic Regression — শূন্য থেকে গণিত ও কোড
Decision Tree, Random Forest, XGBoost — ensembles-এর শক্তি
SVM — মার্জিন, কার্নেল, বাস্তব প্রয়োগ
K-Means, PCA, DBSCAN — Unsupervised learning
Cross-validation, hyperparameter tuning, deployment
Bayesian methods — Naive Bayes, HMM, MCMC
Probabilistic graphical models — Bayesian networks
৪৫টি পাঠ Lesson list
৫টি মডিউলে ভাগ — ভিত্তি, রিগ্রেশন, ট্রি/বুস্টিং, SVM, ও আনসুপারভাইজড।
M1ML-এর ভিত্তিFoundations of ML
M2রিগ্রেশন ও ক্লাসিফিকেশনRegression & classification
M3ট্রি, ফরেস্ট ও বুস্টিংTrees, forests & boosting
M4SVM ও Kernel পদ্ধতিSVM & kernels
M5আনসুপারভাইজড ও সম্ভাবনাভিত্তিকUnsupervised & probabilistic