আপনি যখন মেশিন লার্নিং ক্র্যাশ কোর্সের মাধ্যমে অগ্রসর হবেন, আপনি tf.keras-এ মডেল কোডিং করে মেশিন লার্নিং ধারণাগুলিকে অনুশীলনে আনবেন। আপনি একটি প্রোগ্রামিং পরিবেশ হিসাবে Colab ব্যবহার করবেন। Colab হল Google-এর Jupyter Notebook- এর সংস্করণ। Jupyter Notebook এর মতো, Colab একটি ইন্টারেক্টিভ পাইথন প্রোগ্রামিং পরিবেশ প্রদান করে যা পাঠ্য, কোড, গ্রাফিক্স এবং প্রোগ্রাম আউটপুটকে একত্রিত করে।
NumPy এবং পান্ডা
tf.keras ব্যবহার করার জন্য নিম্নোক্ত দুটি ওপেন সোর্স পাইথন লাইব্রেরি সম্পর্কে অন্তত কিছুটা বোঝার প্রয়োজন:
- NumPy , যা সরলীকৃত করে অ্যারে উপস্থাপন করে এবং রৈখিক বীজগণিত অপারেশন সম্পাদন করে।
- pandas , যা মেমরিতে ডেটাসেট উপস্থাপন করার একটি সহজ উপায় প্রদান করে।
আপনি যদি NumPy বা পান্ডাদের সাথে অপরিচিত হন তবে অনুগ্রহ করে নিম্নলিখিত দুটি Colab ব্যায়াম করে শুরু করুন:
- NumPy UltraQuick টিউটোরিয়াল Colab ব্যায়াম, যা এই কোর্সের জন্য আপনার প্রয়োজনীয় সমস্ত NumPy তথ্য প্রদান করে।
- pandas UltraQuick Tutorial Colab ব্যায়াম, যা এই কোর্সের জন্য আপনার প্রয়োজনীয় সমস্ত পান্ডা তথ্য প্রদান করে।
tf.keras সহ লিনিয়ার রিগ্রেশন
NumPy এবং পান্ডাসে দক্ষতা অর্জনের পর, tf.keras-এ লিনিয়ার রিগ্রেশন এবং হাইপারপ্যারামিটার টিউনিং অন্বেষণ করতে নিম্নলিখিত দুটি Colab ব্যায়াম করুন:
- সিন্থেটিক ডেটা কোলাব ব্যায়ামের সাথে লিনিয়ার রিগ্রেশন , যা খেলনা ডেটাসেটের সাহায্যে লিনিয়ার রিগ্রেশন অন্বেষণ করে।
- একটি রিয়েল ডেটাসেট কোলাব ব্যায়ামের সাথে লিনিয়ার রিগ্রেশন , যা আপনাকে একটি বাস্তব ডেটাসেটে কী ধরনের বিশ্লেষণ করতে হবে তার মাধ্যমে গাইড করে।
Colaboratory প্ল্যাটফর্ম ব্যবহার করে প্রোগ্রামিং ব্যায়াম সরাসরি আপনার ব্রাউজারে চলে (কোন সেটআপের প্রয়োজন নেই!) Colaboratory বেশিরভাগ প্রধান ব্রাউজারে সমর্থিত, এবং Chrome এবং Firefox-এর ডেস্কটপ সংস্করণগুলিতে সবচেয়ে পুঙ্খানুপুঙ্খভাবে পরীক্ষা করা হয়। আপনি যদি অফলাইনে অনুশীলনগুলি ডাউনলোড এবং চালাতে পছন্দ করেন তবে স্থানীয় পরিবেশ সেট আপ করার জন্য এই নির্দেশাবলী দেখুন।