শেষ 10 মিনিট — ডেটা অ্যানালিটিক্স, AI ও মেশিন লার্নিং
পড়তে ~10 মিনিট · পরীক্ষার আগের রাতে এই একটি পাতা পড়লেই যথেষ্ট
এক লাইনে 14টি উত্তর
| প্রশ্ন | এক লাইনের উত্তর |
|---|---|
| ডেটা কী? | তথ্যের কাঁচা উপকরণ, যা সংরক্ষণ করা যায় |
| ডেটার ধরন? | স্ট্রাকচার্ড, সেমি-স্ট্রাকচার্ড, আনস্ট্রাকচার্ড, মেটাডেটা |
| ডেটা ক্লিনিং কেন দরকার? | ভুল ডেটা থেকে সঠিক সিদ্ধান্ত আসে না |
| ভিজ্যুয়ালাইজেশন কী? | চার্ট ও ছবির মাধ্যমে ডেটা বোঝানো |
| ড্যাশবোর্ড কী? | এক পর্দায় একাধিক চার্ট ও সূচক |
| ডেটা অ্যানালিটিক্স কী? | ডেটা বিশ্লেষণ করে সিদ্ধান্তের উপযোগী অন্তর্দৃষ্টি বের করা |
| অ্যানালিটিক্সের ধাপ? | সমস্যা, সংগ্রহ, পরিষ্কার, বিশ্লেষণ, চার্ট, সিদ্ধান্ত |
| AI কী? | মেশিনকে মানুষের মতো দেখা-শোনা-শেখা-সিদ্ধান্তের সক্ষমতা দেওয়া প্রযুক্তি |
| ML কী? | ডেটা ও উদাহরণ থেকে নিজে থেকে শেখার পদ্ধতি |
| DL কী? | অনেক স্তরের নিউরাল নেটওয়ার্ক দিয়ে শেখা, ML-এর অংশ |
| নির্ভুলতা কী? | সঠিক উত্তরের শতকরা হার |
| সুপারভাইজড বনাম আনসুপারভাইজড? | লেবেল আছে বনাম লেবেল নেই |
| প্রেডিকশন বনাম ক্লাসিফিকেশন? | সংখ্যা আউটপুট বনাম লেবেল আউটপুট |
| NLP কী? | কম্পিউটারকে মানুষের ভাষা বোঝানো ও ব্যবহার করানো |
পার্থক্য টেবিল — পরীক্ষার অস্ত্র
| জোড়া | মূল পার্থক্য |
|---|---|
| স্ট্রাকচার্ড বনাম আনস্ট্রাকচার্ড ডেটা | সাজানো ও হিসাবযোগ্য বনাম ছাঁচহীন ও কঠিন |
| ডেটা বনাম তথ্য | কাঁচা উপকরণ বনাম অর্থবহ ফলাফল |
| বর্ণনামূলক বনাম পূর্বানুমানমূলক | কী হয়েছে বনাম কী হতে পারে |
| কারণনির্ণায়ক বনাম নির্দেশনামূলক | কেন হয়েছে বনাম কী করা উচিত |
| AI বনাম ML | বড় লক্ষ্য বনাম তার একটি পথ |
| ML বনাম DL | লেবেল ও বৈশিষ্ট্য নিয়ে শেখা বনাম নিউরাল নেটওয়ার্কেই শেখা |
| প্রেডিকশন বনাম ক্লাসিফিকেশন | সংখ্যা বনাম শ্রেণি |
| NLP বনাম কম্পিউটার ভিশন | ভাষা বোঝা বনাম ছবি বোঝা |
সংখ্যা ও নাম — নিশ্চিত নম্বর
| যা মনে রাখবে | মান |
|---|---|
| AI নামকরণ | 1956 (ডার্টমাউথ সম্মেলন) |
| ডিপ ব্লু | 1997 |
| আলফাগো | 2016 |
| অ্যানালিটিক্সের ধরন ও ধাপ | 4 ধরন, 6 ধাপ |
| ML-এর ধরন | 3টি |
| সম্পর্ক | AI ⊃ ML ⊃ DL |
| ক্লিনিংয়ের সময় | মোট সময়ের প্রায় 60-70% |
শেষ মুহূর্তের ট্রিক
| DA | ডেটা বোঝা (ধারা ও কারণ) | |
| ML | ডেটা থেকে শেখা (মডেল) | |
| AI | শেখা কাজে লাগানো (সিদ্ধান্ত) | |
| S-U-R | Supervised · Unsupervised · Reinforcement | |
| কত-কোনটি | কত? = প্রেডিকশন · কোনটি? = ক্লাসিফিকেশন |
পরীক্ষার টিপ
শেষ 10 মিনিটে করো: এই তিনটি টেবিল একবার পড়ো, তারপর 3 ও 5 নম্বরের জন্য দুটি কাঠামো মনে করো — “সংজ্ঞা → 4-6 পয়েন্ট → উদাহরণ → উপসংহার” এবং “তুলনা টেবিল → পার্থক্যের চাবি → উদাহরণ”। চিত্রের নামগুলোও (পাইপলাইন, তিন ধরন, AI ⊃ ML ⊃ DL) মনে রাখো।