গণিতের ভিত্তি
Scalar, vector, matrix ও shape; dot product ও cosine similarity; weighted sum; সম্ভাব্যতা; logarithm; derivative, gradient, chain rule ও gradient descent।
পূর্ণ পাঠের জন্য লগইন
Machine learning-এর গণিত ভয়ের কিছু নয়—ছোট সংখ্যা দিয়ে ধাপে ধাপে করলে প্রতিটি ধারণা স্কুলের পাটিগণিতের ওপর দাঁড়ায়। এই অধ্যায়ে scalar থেকে শুরু করে vector, matrix ও তাদের shape; dot product দিয়ে মিল মাপা; weighted sum (প্রতিটি neuron-এর মূল গণনা); সম্ভাব্যতা ও শর্তসাপেক্ষ সম্ভাব্যতা; logarithm; এবং derivative, gradient, chain rule থেকে gradient descent পর্যন্ত যাব।
প্রতিটি সূত্র আগে হাতে ছোট সংখ্যায় হিসাব, তারপর JavaScript-এ। দুটি প্রজেক্ট: vector similarity explorer এবং gradient descent visualizer। পূর্ণ পাঠ পড়তে বিনামূল্যে লগইন করুন।
এই অধ্যায়ের পাঠ
- Scalar, Vector ও Dimension · 30 মিনিট
- Dot Product, দৈর্ঘ্য ও Cosine Similarity (প্রজেক্ট: Similarity Explorer) · 45 মিনিট
- Matrix, Shape ও Matrix Multiplication · 45 মিনিট
- Function, Graph ও Weighted Sum · 35 মিনিট
- সম্ভাব্যতা, শর্তসাপেক্ষ সম্ভাব্যতা ও Distribution · 40 মিনিট
- Logarithm ও Derivative · 40 মিনিট
- Gradient ও Chain Rule · 45 মিনিট
- Gradient Descent ও Learning Rate (প্রজেক্ট: Visualizer) · 50 মিনিট