যারা পাইথন ব্যবহার করে ডাটা সাইন্স এবং মেশিন লার্নিং-এর কাজ শিখতে চান তাঁদের জন্য NBICT LAB-এর এই কোর্সটি নিঃসন্দেহে অনন্য। এই কোর্সটির প্রতিটি পাঠ অনলাইন লাইভ ওয়ার্কশপের রেকোর্ডেড ভিডিও লেকচার ভিত্তিক, সুতরাং, কোর্সটি থেকে আপনি বাস্তবভিত্তিক জ্ঞান লাভ করবেন। ধারাবাহিক এই কোর্সটি অনুসরণ করে ধাপে ধাপে এগিয়ে গেলে আপনি পাইথন দিয়ে ডাটা সাইন্স এবং মেশিন লার্নিং-এর A-Z শিখতে পারবেন। 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 আপনার নিজস্ব সেক্টরের ডাটা বিশ্লেষণের সক্ষমতায় পৌঁছে গিয়েছেন। ডাটা সাইন্স শিখতে আগ্রহী যেকোনো ব্যাকগ্রাউন্ডের শিক্ষার্থীর কথা মাথায় রেখে আমরা এই কোর্সটি নির্মাণ করেছি এবং এখনও উন্নয়নের কাজ চলমান রেখেছি। 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। না থাকলেও কোনো অসুবিধা নেই;
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 সংশ্লিষ্ট লেকচারের কমেন্ট সেকশনে কমেন্ট করলে ২৪ ঘণ্টার মধ্যে আমাদের রিপ্লাইয়ের মাধ্যমে সমাধান করতে পারবেন।
-
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 হয়েছে।
- কারিকুলামে উল্লেখিত প্রত্যেকটি লেসনের অন্তর্গত খুঁটিনাটি বিষয়গুলো ব্যবহারিকভাবে সরাসরি Python প্রোগ্রামিং ল্যাংগুয়েজ ব্যবহার করে আলোচনা করে দেখানো হয়েছে।
- 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। যোগাযোগের জন্য এই ওয়েবসাইটের Contact মেনু-তে গেলে যোগাযোগের মাধ্যমগুলি পেয়ে যাবেন।
- 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 150
- Quiz 1
- Duration Lifetime access
- Skill level All levels
- Language Bangla/English
- Students 126
- Certificate No
- Assessments Yes
- 20 Sections
- 150 Lessons
- Lifetime
- 1. DS & ML Concepts Clarification1
- 2. Python Basics8
- 2.1Environment Setup70 Minutes
- 2.2Lists in Python (Part-1)94 Minutes
- 2.3Lists in Python (Part-2)96 Minutes
- 2.4Flow Control in Python (Part-1)43 Minutes
- 2.5Flow Control in Python (Part-2)92 Minutes
- 2.6Flow Control in Python (Part-3)90 Minutes
- 2.7A Short Program (Guess the Number)86 Minutes
- 2.8Functions in Python86 Minutes
- 3. Data Visualization5
- 4. Regression Analyses29
- 4.1Simple Linear Regression (Part-1)106 Minutes
- 4.2Simple Linear Regression (Part-2)106 Minutes
- 4.3Simple Linear Regression (Part-3)100 Minutes
- 4.4Simple Linear Regression (Part-4)93 Minutes
- 4.5Simple Linear Regression (Part-5)98 Minutes
- 4.6Simple Linear Regression (Part-6)83 Minutes
- 4.7Multiple Linear Regression (Part-1)98 Minutes
- 4.8Multiple Linear Regression (Part-2)97 Minutes
- 4.9Multiple Linear Regression (Part-3)75 Minutes
- 4.10Multiple Linear Regression (Part-4)80 Minutes
- 4.11Multiple Linear Regression (Part-5)70 Minutes
- 4.12Multiple Linear Regression (Part-6)37 Minutes
- 4.13Multiple Linear Regression (Part-7)72 Minutes
- 4.14Polynomial Regression (Part-1)68 Minutes
- 4.15Polynomial Regression (Part-2)55 Minutes
- 4.16Support Vector Regression (Part-1)48 Minutes
- 4.17Support Vector Regression (Part-2)83 Minutes
- 4.18Decision Tree Regression (Part-I)100 Minutes
- 4.19Decision Tree Regression (Part-II)107 Minutes
- 4.20Decision Tree Regression (Part-III)94 Minutes
- 4.21Decision Tree Regression (Part-IV)92 Minutes
- 4.22Decision Tree Regression (Part-V)80 Minutes
- 4.23✍Homework: Decision Tree Regression60 Minutes
- 4.24Random Forest Regression (Part-I)95 Minutes
- 4.25Random Forest Regression (Part-II)76 Minutes
- 4.26Regression Model Selection (Part-I)95 Minutes
- 4.27Regression Model Selection (Part-II)90 Minutes
- 4.28Regression Model Selection (Part-III)105 Minutes
- 4.29Quiz – 1 – Regression (PDSML Premium Workshop)10 Minutes10 Questions
- 5. Classification16
- 5.1Logistic Regression (Part-1)93 Minutes
- 5.2Logistic Regression (Part-2)68 Minutes
- 5.3Logistic Regression (Part-3)98 Minutes
- 5.4K-Nearest Neighbour69 Minutes
- 5.5Support Vector Machine (SVM)67 Minutes
- 5.6Kernel SVM (Part-I)106 Minutes
- 5.7Kernel SVM (Part-II)102 Minutes
- 5.8Kernel SVM (Part-III)95 Minutes
- 5.9Naive Bayes (Part-I)40 Minutes
- 5.10Naive Bayes (Part-II)50 Minutes
- 5.11Decision Tree Classification (Part-I)47 Minutes
- 5.12Decision Tree Classification (Part-II)90 Minutes
- 5.13Decision Tree Classification (Part-III)80 Minutes
- 5.14Decision Tree Classification (Part-IV)85 Minutes
- 5.15Random Forest Classification (Part-I)43 Minutes
- 5.16Random Forest Classification (Part-II)85 Minutes
- 6. Clustering5
- 7. Association Rule Learning3
- 8. Reinforcement Learning4
- 9. Dimensionality Reduction5
- 10. Natural Language Processing1
- 11. Model Selection and Boosting2
- 12. Deep Learning15
- 12.1Convolutional Neural Network (CNN Part-I)73 Minutes
- 12.2Convolutional Neural Network (CNN Part-II)70 Minutes
- 12.3Convolutional Neural Network (CNN Part-III)47 Minutes
- 12.4Convolutional Neural Network (CNN Part-IV)46 Minutes
- 12.5Deep Learning with CNN (Part-V)84 Minutes
- 12.6Artificial Neural Network (ANN Part-I)71 Minutes
- 12.7Artificial Neural Network (ANN Part-II)77 Minutes
- 12.8Artificial Neural Network (ANN Part-III)62 Minutes
- 12.9Artificial Neural Network (ANN Part-IV)52 Minutes
- 12.10Artificial Neural Network (ANN Part-V)98 Minutes
- 12.11Deep Learning with CNN (Bonus Part-I)85 Minutes
- 12.12Deep Learning with CNN (Bonus Part-II)82 Minutes
- 12.13Deep Learning with CNN (Bonus Part-III)60 Minutes
- 12.14Deep Learning with CNN (Bonus Part-IV)76 Minutes
- 12.15Deep Learning with CNN (Bonus Part-V)60 Minutes
- 13. Customer Churn Analysis11
- 13.1Making the Environment Ready85 Minutes
- 13.2Importing Libraries and Dataset90 Minutes
- 13.3Data Preprocessing (Part-1)90 Minutes
- 13.4Data Preprocessing (Part-2)90 Minutes
- 13.5Data Preprocessing (Part-3)90 Minutes
- 13.6Data Preprocessing (Part-4)60 Minutes
- 13.7What is Logistic Regression?70 Minutes
- 13.8Training the Baseline Model for Churn Analysis90 Minutes
- 13.9Churn Analysis Model Evaluation (Part-1)90 Minutes
- 13.10Churn Analysis Model Evaluation (Part-2)90 Minutes
- 13.11Exploratory Descriptive Analysis on Churn Data90 Minutes
- 14. Customer Segmentation4
- 15. Fake News Detection5
- 16. Human Disease Prediction7
- 17. Image Classification for Medical Diagnosis10
- 17.1Detecting Pneumonia from X-ray Scans (Part-1)60 Minutes
- 17.2Introduction to CNN (Part-1)35 Minutes
- 17.3Introduction to CNN (Part-2)50 Minutes
- 17.4Introduction to CNN (Part-3)50 Minutes
- 17.5Introduction to CNN (Part-4)50 Minutes
- 17.6Introduction to CNN (Part-5)30 Minutes
- 17.7Detecting Pneumonia from X-ray Scans (Part-2)40 Minutes
- 17.8Detecting Pneumonia from X-ray Scans (Part-3)35 Minutes
- 17.9Detecting Pneumonia from X-ray Scans (Part-4)52 Minutes
- 17.10Detecting Pneumonia from X-ray Scans (Part-5)53 Minutes
- 18. Plant Disease Detection5
- 19. Forecasting Rainfall12
- 19.1Making the Environment Ready90 Minutes
- 19.2Data Cleaning (Part-A)90 Minutes
- 19.3Data Cleaning (Part-B)97 Minutes
- 19.4Encoding the Categorical Data94 Minutes
- 19.5Finalizing the Data Frame Structure60 Minutes
- 19.6Splitting the Dataset90 Minutes
- 19.7Feature Scaling and Training the Model87 Minutes
- 19.8Model Evaluation85 Minutes
- 19.9Building the ROC Curve (Part-A)75 Minutes
- 19.10Building the ROC Curve (Part-B)90 Minutes
- 19.11Making a Single Prediction85 Minutes
- 19.12Handling Imbalanced Data79 Minutes
- 20. Yield Prediction3
Requirements
- The learners should have a computer with Internet connection.
Target audiences
- University Teachers, Scientific Officers, Researchers, PhD Students, Masters Students, Undergraduate Students.

