যারা পাইথন ব্যবহার করে ডাটা সাইন্স এবং মেশিন লার্নিং-এর কাজ শিখতে চান তাঁদের জন্য NBICT LAB-এর এই কোর্সটি অনন্য হতে পারে। এই কোর্সটির প্রতিটি পাঠ লাইভ ওয়ার্কশপের রেকোর্ডেড ভিডিও লেকচার ভিত্তিক। সাথে থাকছে কুইজ এবং অ্যাসাইনমেন্ট। ধারাবাহিক এই কোর্সটি অনুসরণ করে এগিয়ে গেলে আপনি পাইথন দিয়ে ডাটা সাইন্স এবং মেশিন লার্নিং-এ নিশ্চয়ই আত্মবিশ্বাসী হয়ে উঠবেন। কোর্সটি আমরা শুরু করেছি ডাটা সাইন্স এবং মেশিন লার্নিং-এর একদম প্রাথমিক স্তর থেকে। কোর্সটি শুরু করার পর আপনি ধারাবাহিকভাবে সংযুক্ত হওয়া প্রতিটি পাঠ নিয়মিত অনুশীলন করবেন। এক সময় দেখবেন, আপনি ধাপে ধাপে আপনার নিজস্ব সেক্টরের ডাটা বিশ্লেষণের সক্ষমতায় পৌঁছে গিয়েছেন। ডাটা সাইন্স শিখতে আগ্রহী যেকোনো ব্যাকগ্রাউন্ডের শিক্ষার্থীর কথা মাথায় রেখে আমরা এই কোর্সটি উন্নয়নের কাজ করছি। এই কোর্সটি থেকে আপনি Data Preprocessing, Regression, Classification, Clustering, Association Rule Learning, Reinforcement Learning, Deep Learning, Natural Language Processing, Model Selection & Boosting, Dimensionality Reduction ইত্যাদি বিষয়গুলি শিখবেন। পাশের কারিকুলাম ট্যাব থেকে আপনি মডিউলটির বিস্তারিত জানতে পারবেন।
কোর্সটি শুরু করার পূর্বশর্ত
-
- আগ্রহী শিক্ষার্থীর মাধ্যমিক স্কুল লেভেলের গাণিতিক জ্ঞান থাকতে হবে;
- পাইথন প্রোগ্রামিং এর প্রাথমিক ধারণা থাকলে ভালো হয়;
আপনি কেন কোর্সটিতে অংশগ্রহণ করবেন?
-
- প্রয়োজনীয় ক্ষেত্রে প্রত্যেকটি বিষয়ভিত্তিক ডাটা ফাইল দেওয়া থাকবে যাতে করে আপনি ইন্সট্রাক্টরের সাথে সাথে অনুশীলন করতে পারেন।
- সফলভাবে কোর্স সমাপ্তকারী লার্নারদেরকে ই-সার্টিফিকেট প্রদান করা হবে। তবে সার্টিফিকেট প্রাপ্তির জন্য প্রয়োজনীয় বৈশিষ্ট্যাবলী (Criteria) সম্পন্ন করতে না পারলে সার্টিফিকেট প্রদান করা হবে না।
- বেশ কিছু কুইজ/অ্যাসাইনমেন্ট সংযুক্ত থাকবে যাতে করে আপনি আপনার অগ্রগতি বুঝতে সক্ষম হন;
- কোর্সটি অনুসরণ করতে গিয়ে আপনি কোন সমস্যায় পড়লে সমস্যাটি কোর্সটির জন্য ডেডিকেটেড গুগোল গ্রুপে অথবা Forum-এ পোস্ট করলেই অন্যান্য লার্নার কিংবা ইন্সট্রাক্টর আপনাকে সহযোগিতা দেবেন;
-
NBICT LAB-এর অনলাইন কোর্স সমূহের অধিকাংশ লার্নারই বিশ্ববিদ্যালয়ের শিক্ষক/বিভিন্ন গবেষণা প্রতিষ্ঠানের গবেষক/মাস্টার্স অথবা পিএইচডি শিক্ষার্থী। এ পর্যন্ত যে সকল সম্মানিত লার্নার নিয়মিত ক্লাস করার মাধ্যমে সফলভাবে কোর্স সমাপ্ত করেছেন তাঁদের প্রত্যেকেই NBICT LAB-এর শিখন পদ্ধতির ভূয়সী প্রশংসা করেছেন। আপনি চাইলে নিচের লিংক দুটি পরিদর্শন করার মাধ্যমে বিগত ব্যাচগুলোর লার্নারদের মতামত জেনে নিতে পারেন:লিংক – ১: https://youtu.be/L7nmP-OCVAcলিংক – ২: https://g.page/nbict-lab
- প্রত্যেকটি বিষয়ভিত্তিক টপিক সহজ এবং প্রাঞ্জল বাংলা ভাষায় আলোচনা করা হবে।
- কারিকুলামে উল্লেখিত প্রত্যেকটি লেসনের অন্তর্গত খুঁটিনাটি বিষয়গুলো ব্যবহারিকভাবে সরাসরি Python প্রোগ্রামিং ল্যাংগুয়েজ ব্যবহার করে আলোচনা করে দেখানো হবে।
- কোর্সটিতে অংশগ্রহণ করার জন্য আপনার পূর্ব কোনো প্রোগ্রামিং ধারণা থাকার বাধ্যবাধকতা নেই।
- প্রয়োজনীয় ক্ষেত্রে টিচিং অ্যাসিস্ট্যান্টের কাছ থেকে এককভাবে অনলাইনে কোর্সের বিষয় ভিত্তিক সহযোগিতা নিতে পারবেন।
- এই কোর্সটি করা থাকলে বিদেশে উচ্চ শিক্ষার জন্য গমন করা সহজতর হবে।
কোর্সটি যাঁদের জন্য
-
- ডাটা সাইন্স এবং মেশিন লার্নিং এ আগ্রহী শিক্ষার্থী/শিক্ষক/গবেষক;
- ইউনিভার্সিটি বা কলেজে পড়ুয়া যে সকল শিক্ষার্থী ভবিষ্যতে ডাটা সাইন্সে ক্যারিয়ার গড়তে চান;
নীতিমালা সমূহ
✅ একজন প্রশিক্ষণার্থী কোর্স ফি জমা দিয়ে রেজিস্ট্রেশন প্রক্রিয়া সম্পন্ন করে ফেললে রেজিস্ট্রেশন বাতিল কিংবা “রিপ্লেসমেন্ট” করার আর কোনো সুযোগ থাকবে না। কোর্স ফি অফেরৎযোগ্য।
✅ কোর্সটির অ্যাকসেস ভিন্ন কারও সাথে কোনোভাবেই শেয়ার করা যাবে না। রিসোর্স শেয়ারকারী লার্নারের সকল প্রকার অ্যাকসেস বন্ধ করে দেওয়া হবে।
Course Features
- Lectures 54
- Quiz 1
- Duration Lifetime access
- Skill level All levels
- Language Bangla/English
- Students 81
- Certificate No
- Assessments Yes
Curriculum
- 6 Sections
- 54 Lessons
- Lifetime
- Getting Started9
- 1.1Anaconda Installation19 Minutes
- 1.2Jupyter Notebook (Part-I)14 Minutes
- 1.3Jupyter Notebook (Part-II)12 Minutes
- 1.4Jupyter Notebook (Part-III)6 Minutes
- 1.5Collecting Free Datasets17 Minutes
- 1.6Data Processing16 Minutes
- 1.7Ideas on Data Frame14 Minutes
- 1.8Working with Missing Data20 Minutes
- 1.9Getting Started with Google Colab26 Minutes
- Regression12
- 2.1Decision Tree Regression (Part-I)100 Minutes
- 2.2Decision Tree Regression (Part-II)107 Minutes
- 2.3Decision Tree Regression (Part-III)94 Minutes
- 2.4Decision Tree Regression (Part-IV)92 Minutes
- 2.5Decision Tree Regression (Part-V)80 Minutes
- 2.6✍Homework: Decision Tree Regression
- 2.7Random Forest Regression (Part-I)95 Minutes
- 2.8Random Forest Regression (Part-II)76 Minutes
- 2.9Regression Model Selection (Part-I)95 Minutes
- 2.10Regression Model Selection (Part-II)90 Minutes
- 2.11Regression Model Selection (Part-III)105 Minutes
- 2.12Quiz – 1 – Regression (PDSML Premium Workshop)10 Minutes10 Questions
- Classification11
- 3.1Kernel SVM (Part-I)106 Minutes
- 3.2Kernel SVM (Part-II)102 Minutes
- 3.3Kernel SVM (Part-III)95 Minutes
- 3.4Naive Bayes (Part-I)40 Minutes
- 3.5Naive Bayes (Part-II)50 Minutes
- 3.6Decision Tree Classification (Part-I)47 Minutes
- 3.7Decision Tree Classification (Part-II)90 Minutes
- 3.8Decision Tree Classification (Part-III)80 Minutes
- 3.9Decision Tree Classification (Part-IV)85 Minutes
- 3.10Random Forest Classification (Part-I)43 Minutes
- 3.11Random Forest Classification (Part-II)85 Minutes
- Deep Learning15
- 4.2Deep Learning with CNN (Part-I)73 Minutes
- 4.3Deep Learning with CNN (Part-II)70 Minutes
- 4.4Deep Learning with CNN (Part-III)47 Minutes
- 4.5Deep Learning with CNN (Part-IV)46 Minutes
- 4.6Deep Learning with CNN (Part-V)84 Minutes
- 4.7Deep Learning with ANN for Regression (Part-I)71 Minutes
- 4.8Deep Learning with ANN for Regression (Part-II)77 Minutes
- 4.9Deep Learning with ANN for Regression (Part-III)62 Minutes
- 4.10Deep Learning with ANN (Part-IV)52 Minutes
- 4.11Deep Learning with ANN (Part-V)98 Minutes
- 4.12Deep Learning with CNN (Bonus Part-I)85 Minutes
- 4.13Deep Learning with CNN (Bonus Part-II)82 Minutes
- 4.14Deep Learning with CNN (Bonus Part-III)60 Minutes
- 4.15Deep Learning with CNN (Bonus Part-IV)76 Minutes
- 4.16Deep Learning with CNN (Bonus Part-V)60 Minutes
- Association Rule Learning3
- Reinforcement Learning5
Requirements
- The learners should have a computer with Internet connection.
Target audiences
- University Teachers, Scientific Officers, Researchers, PhD Students, Masters Students, Undergraduate Students.