ভূমিকা

এই কোর্সে দুটি অংশ রয়েছে:

  • ডিসিশন ফরেস্টের ভূমিকা, যেটি আপনি বর্তমানে দেখছেন সেই কোর্স।
  • অ্যাডভান্সড ডিসিশন ফরেস্ট, যা 2022 সালে পরে প্রকাশিত হবে।

এই কোর্সটি সিদ্ধান্তের গাছ এবং সিদ্ধান্ত বনের পরিচয় দেয়।

ডিসিশন ফরেস্ট হল তত্ত্বাবধানে লার্নিং মেশিন লার্নিং মডেল এবং অ্যালগরিদমের একটি পরিবার। তারা নিম্নলিখিত সুবিধা প্রদান করে:

  • এগুলি নিউরাল নেটওয়ার্কের চেয়ে কনফিগার করা সহজ । সিদ্ধান্ত বনের হাইপারপ্যারামিটার কম থাকে; অধিকন্তু, সিদ্ধান্ত বনের হাইপারপ্যারামিটারগুলি ভাল ডিফল্ট প্রদান করে।
  • তারা স্থানীয়ভাবে সাংখ্যিক, শ্রেণীবদ্ধ এবং অনুপস্থিত বৈশিষ্ট্যগুলি পরিচালনা করে। এর অর্থ হল আপনি একটি নিউরাল নেটওয়ার্ক ব্যবহার করার তুলনায় অনেক কম প্রিপ্রসেসিং কোড লিখতে পারেন, আপনার সময় বাঁচায় এবং ত্রুটির উত্স হ্রাস করে।
  • এগুলি প্রায়শই বাক্সের বাইরে ভাল ফলাফল দেয়, কোলাহলপূর্ণ ডেটাতে শক্তিশালী এবং ব্যাখ্যাযোগ্য বৈশিষ্ট্য রয়েছে৷
  • তারা নিউরাল নেটওয়ার্কের তুলনায় অনেক দ্রুত ছোট ডেটাসেট (<1M উদাহরণ) অনুমান করে এবং প্রশিক্ষণ দেয়।

ডিসিশন ফরেস্ট মেশিন লার্নিং প্রতিযোগিতায় দুর্দান্ত ফলাফল দেয় এবং অনেক শিল্প কাজে ব্যাপকভাবে ব্যবহৃত হয়। সিদ্ধান্ত বনগুলি ব্যবহারিক, দক্ষ এবং ব্যাখ্যাযোগ্য । আপনি অনেক তত্ত্বাবধানে শেখার কাজের জন্য সিদ্ধান্ত বন ব্যবহার করতে পারেন, যার মধ্যে রয়েছে:

এই কোর্সের উপাদানগুলি সিদ্ধান্তের জন্য জেনেরিক এবং যেকোনো নির্দিষ্ট লাইব্রেরির জন্য অজ্ঞেয়বাদী। যাইহোক, এই ধরনের কমলা বাক্সে কোডের উদাহরণ রয়েছে যা টেনসরফ্লো ডিসিশন ফরেস্ট (TF-DF) লাইব্রেরি ব্যবহার করে। যদিও TF-DF-এর জন্য নির্দিষ্ট, সেই উদাহরণগুলি প্রায়ই অন্যান্য সিদ্ধান্ত বন লাইব্রেরিতে সহজেই রূপান্তরযোগ্য।

পূর্বশর্ত

এই কোর্সটি অনুমান করে যে আপনি নিম্নলিখিত কোর্সগুলি সম্পন্ন করেছেন বা আপনার সমতুল্য জ্ঞান রয়েছে:

হ্যাপি লার্নিং!