প্রকল্প সম্পর্কে

এই রিপোজিটরিটি সুপারভাইজড মেশিন লার্নিং-এর একটি বিস্তৃত নির্দেশিকা প্রদান করে, যা ডেরিভেটিভস, সম্ভাবনা (probability) এবং লগারিদমের মতো মৌলিক গণিত দিয়ে শুরু হয়। এটি আধুনিক টুলস ব্যবহারের আগে গাণিতিক ধারণাগুলো প্রমাণের জন্য একটি ধাপে-ধাপে পদ্ধতি অনুসরণ করে। মূল শিক্ষামূলক উপাদানগুলোর মধ্যে রয়েছে: - Logistic Regression: তত্ত্ব এবং Wisconsin Breast Cancer ডেটাসেট ব্যবহার করে স্ক্র্যাচ থেকে বাস্তবায়ন, সেই সাথে একটি প্রোডাকশন-গ্রেড PyTorch বাস্তবায়ন। - Decision Trees: তাত্ত্বিক গভীর বিশ্লেষণ এবং স্ক্র্যাচ থেকে বাস্তবায়ন, এবং Scikit-learn, Random Forests ও XGBoost ব্যবহার করে লন্ডনের হাউজিং প্রাইস প্রেডিকশনের ব্যবহারিক প্রয়োগ। - ATLAS (Automated Tree Learning Analysis System): ফিচার ইঞ্জিনিয়ারিং এবং মডেল তুলনার জন্য একটি সিস্টেম। - Datasets: ক্লাসিফিকেশন এবং রিগ্রেশন কাজের জন্য Wisconsin Breast Cancer এবং London Housing Prices ডেটাসেটের সংহতি। এই উপকরণগুলো Jupyter notebooks-এর মাধ্যমে প্রদান করা হয়েছে যা ব্রাউজার-ভিত্তিক এক্সিকিউশনের জন্য Google Colab-এর সাথে সামঞ্জস্যপূর্ণ।