এআই ফাউন্ডেশন
AI কী, সিস্টেমগুলি কীভাবে শেখে, কোথায় ব্যর্থ হয় এবং হাইপ ছাড়াই কীভাবে দাবির বিচার করা যায় তা বুঝুন।
বিনামূল্যে এআই লাইব্রেরি
84 প্লেইন-ইংরেজি গাইড, স্ট্রাকচার্ড শেখার পাথ, এবং একটি উন্মুক্ত লাইব্রেরি — একটি স্বাধীন 501(c)(3) অলাভজনক দ্বারা নির্মিত যাতে যে কেউ আধুনিক AI বুঝতে পারে৷
এখানে শুরু করুন
প্রতিটি কোর্সে সুস্পষ্ট ফলাফল, ম্যাপ করা দক্ষতা, অনুশীলন কার্যক্রম এবং একটি প্রয়োগকৃত ক্যাপস্টোন অন্তর্ভুক্ত থাকে।
AI কী, সিস্টেমগুলি কীভাবে শেখে, কোথায় ব্যর্থ হয় এবং হাইপ ছাড়াই কীভাবে দাবির বিচার করা যায় তা বুঝুন।
গোপনীয়তা রক্ষা, আউটপুট পরীক্ষা এবং মানুষের জবাবদিহিতা রক্ষা করার সময় AI উত্পাদনশীলভাবে ব্যবহার করুন।
কর্মক্ষেত্রে ব্যবহারের ক্ষেত্রে মূল্যায়ন করুন, নিরাপদ পাইলট চালান, মান পরিমাপ করুন এবং দায়িত্বের সাথে পরিবর্তনগুলি যোগাযোগ করুন।
অধিকার, ইক্যুইটি, গভর্নেন্স, সুরক্ষা এবং জনস্বার্থের ফলাফলের মাধ্যমে এআই সিস্টেমগুলি বিশ্লেষণ করুন।
ব্যবহারিক সিস্টেম ডিজাইনের মাধ্যমে ভাষার মডেল, পুনরুদ্ধার, এজেন্ট, মূল্যায়ন, খরচ এবং স্থাপনার সুরক্ষাগুলি বুঝুন।
বিষয় ট্র্যাক
আপনার পছন্দের এলাকায় ঝাঁপ দাও। প্রতিটি ট্র্যাকে একাধিক প্লেইন-ইংরেজি গাইড রয়েছে৷
সম্পূর্ণ লাইব্রেরি
84 এর 1019 গাইড দেখানো হয়েছে। ট্র্যাক দ্বারা ফিল্টার করুন বা উপরে অনুসন্ধান করুন।
সেল্ফ-প্লে ফাইন-টিউনিং একটি মডেলকে তার নিজের অতীতের আউটপুটগুলির বিরুদ্ধে প্রতিদ্বন্দ্বিতা করে বা শিখে, নিজস্ব প্রশিক্ষণ সংকেত তৈরি করে উন্নত করে।
মৌলিকটেস্ট-টাইম ট্রেনিং (টিটিটি) একটি মডেলকে প্রশিক্ষণের পরে হিমায়িত থাকার পরিবর্তে একটি ভবিষ্যদ্বাণী করার মুহূর্তে প্রতিটি নতুন ইনপুট থেকে শিখতে দেয়।
মৌলিকগ্রোকিং একটি চমকপ্রদ ঘটনা যেখানে একটি নিউরাল নেটওয়ার্ক প্রথমে তার প্রশিক্ষণের ডেটা মুখস্থ করে, দীর্ঘ সময়ের জন্য শূন্য-বৈধকরণ নির্ভুলতার কাছাকাছি বসে থাকে এবং তারপরে…
মৌলিকওভারফিটিং হল যখন একটি মডেল তার প্রশিক্ষণের ডেটা মুখস্থ করে এবং নতুন উদাহরণে ব্যর্থ হয়; আন্ডারফিটিং হল যখন আসল প্যাটার্ন ক্যাপচার করা খুব সহজ।
মৌলিকরেগুলারাইজেশন হল কৌশলগুলির একটি সেট যা ইচ্ছাকৃতভাবে একটি মডেলকে সীমাবদ্ধ করে তাই এটি প্রশিক্ষণ সেট মুখস্ত করার পরিবর্তে নতুন ডেটাতে সাধারণীকরণ করে।
মৌলিকBackpropagation হল একটি অ্যালগরিদম যা একটি নিউরাল নেটওয়ার্ককে তার ভুল থেকে শিখতে দেয় দক্ষতার সাথে গণনা করে যে প্রতিটি ওজন ত্রুটির জন্য কতটা অবদান রাখে।
মৌলিকগ্রেডিয়েন্ট ডিসেন্ট হল অপ্টিমাইজেশান পদ্ধতি যা আসলে একটি মডেলের ওজনকে নিচের ত্রুটির দিকে নিয়ে যায়, একবারে একটি ছোট ধাপ।
মৌলিকএকটি ক্ষতি ফাংশন হল একক সংখ্যা যা একটি মডেলকে বলে যে তার ভবিষ্যদ্বাণীগুলি কতটা ভুল, একটি অস্পষ্ট লক্ষ্যকে এমন কিছুতে পরিণত করা যা অপ্টিমাইজ করতে পারে৷
মৌলিকঅ্যাক্টিভেশন ফাংশন হল প্রতিটি নিউরনের অভ্যন্তরে ছোট অরৈখিক গেট যা নিউরাল নেটওয়ার্কগুলিকে সরল রেখার পরিবর্তে জটিল, বাঁকা প্যাটার্ন শিখতে দেয়।
মৌলিককনভোল্যুশনাল নিউরাল নেটওয়ার্ক (সিএনএন) হল ছবি বোঝার জন্য ওয়ার্কহরস আর্কিটেকচার।
মৌলিকপুনরাবৃত্ত নিউরাল নেটওয়ার্ক (RNNs) পাঠ্য, বক্তৃতা এবং সময় সিরিজের মতো ক্রমগুলি পরিচালনা করার জন্য নির্মিত।
মৌলিকজেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক (GANs) একটি প্রতিযোগিতায় একে অপরের বিরুদ্ধে দুটি নিউরাল নেটওয়ার্ক স্থাপন করে বাস্তবসম্মত নতুন ডেটা তৈরি করে।
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.