যারা R ব্যবহার করে ডাটা এনালাইসিস, 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 রেকর্ডেড ভিডিও লেকচার ভিত্তিক। সাথে থাকছে কুইজ এবং অ্যাসাইনমেন্ট। ধারাবাহিক এই কোর্সটি অনুসরণ করে এগিয়ে গেলে আপনি R দিয়ে ডাটা এনালাইসিস এবং মেশিন লার্নিং-এর কাজে নিশ্চয়ই আত্মবিশ্বাসী হয়ে উঠবেন। কোর্সটি আমরা শুরু করেছি R প্রোগ্রামিং-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 এনালাইসিস শিখতে আগ্রহী যেকোনো ব্যাকগ্রাউন্ডের শিক্ষার্থীর কথা মাথায় রেখে আমরা এই কোর্সটি উন্নয়নের কাজ করছি। এই কোর্সটি থেকে আপনি Basic R Programming, Data Preprocessing, Descriptive Statistics, Inferential Statistics, 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;
- বেসিক প্রোগ্রামিং সম্পর্কে 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 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 R 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
Course Features
- Lectures 61
- Quiz 0
- Duration Lifetime access
- Skill level All levels
- Language Bangla/English
- Students 358
- Certificate No
- Assessments Yes
Curriculum
- 2 Sections
- 61 Lessons
- Lifetime
- R Programming Basics14
- 2.1Run Your First Program on Windows11 Minutes
- 2.2Basic Arithmetic Operations11 Minutes
- 2.3Common Operations on Vectors
- 2.4Matrices in R32 Minutes
- 2.5Installing R Studio7 Minutes
- 2.6Importing CSV and Tab Delimited Text Data Set in R14 Minutes
- 2.7Importing Excel Dataset into RStudio15 Minutes
- 2.8Creating Data Frame for Datasets5 Minutes
- 2.9Exporting Data From R in CSV, Text Formats6 Minutes
- 2.10Importing, Checking, and Working with Data13 Minutes
- 2.11Importing Google Form’s Dataset into Rstudio4 Minutes
- 2.12Working with Data and Variables in R9 Minutes
- 2.13Subsetting Data Using Square Brackets11 Minutes
- 2.14Logic Statements (TRUE & FALSE)10 Minutes
- R Programming Live Discussions47
- 3.0Introduction to R & RStudio (Part-I)85 Minutes
- 3.1Introduction to R & RStudio (Part-II)72 Minutes
- 3.2Descriptive Statistics Using R (Part-I)41 Minutes
- 3.3Vectors in R90 Minutes
- 3.4Factors and Lists in R80 Minutes
- 3.5Matrix and Data Frames in R81 Minutes
- 3.6Scatter Plot in R (Part-I)66 Minutes
- 3.7Scatter Plot in R (Part-II)49 Minutes
- 3.8Scatter Plot in R (Part-III)78 Minutes
- 3.9Histogram and Box Plot60 Minutes
- 3.10Pearson’s Correlation (Part-I)88 Minutes
- 3.11Pearson’s Correlation (Part-II)100 Minutes
- 3.12Normality Testing in R (Part-I)70 Minutes
- 3.13Spearman’s Correlation in R67 Minutes
- 3.14Chi-Square Test in R (Part-I)53 Minutes
- 3.15Chi-Square Test in R (Part-II)81 Minutes
- 3.16Independent Samples T-Test in R (Part-I)61 Minutes
- 3.17Independent Samples T-Test in R (Part-II)60 Minutes
- 3.18Paired Samples T-Test in R63 Minutes
- 3.19Mann-Whitney and Wilcoxon Test in R40 Minutes
- 3.20One-Way ANOVA Test in R66 Minutes
- 3.21Kruskal-Wallis H Test in R80 Minutes
- 3.22Two-way ANOVA Test in R74 Minutes
- 3.23Data Preprocessing with R (Part-I)110 Minutes
- 3.24Data Preprocessing with R (Part-II)100 Minutes
- 3.25Data Preprocessing with R (Part-III)79 Minutes
- 3.26Simple Linear Regression in R (Part-I)84 Minutes
- 3.27Simple Linear Regression in R (Part-II)88 Minutes
- 3.28Simple Linear Regression in R (Part-III)108 Minutes
- 3.29Multiple Linear Regression in R (Part-I)77 Minutes
- 3.30Multiple Linear Regression in R (Part-II)96 Minutes
- 3.31Multiple Linear Regression in R (Part-III)100 Minutes
- 3.32Multiple Linear Regression in R (Part-IV)75 Minutes
- 3.33Polynomial Regression in R (Part-I)60 Minutes
- 3.34Polynomial Regression in R (Part-II)77 Minutes
- 3.35Support Vector Regression in R (Part-I)88 Minutes
- 3.36Support Vector Regression in R (Part-II)54 Minutes
- 3.37Logistic Regression in R (Part-I)60 Minutes
- 3.38Logistic Regression in R (Part-II)90 Minutes
- 3.39Logistic Regression in R (Part-III)53 Minutes
- 3.40Logistic Regression in R (Part-IV)80 Minutes
- 3.41Logistic Regression in R (Part-V)55 Minutes
- 3.42K-Nearest Neighbour in R (Part-1)81 Minutes
- 3.43K-Nearest Neighbour in R (Part-2)65 Minutes
- 3.44Support Vector Machine in R (Part-1)72 Minutes
- 3.45Support Vector Machine in R (Part-2)60 Minutes
- 3.46Support Vector Machine in R (Part-3)108 Minutes
Requirements
- A computer with Internet connection.
- Patience and Regularities.
Target audiences
- University Teachers, Scientific Officers, Researchers, PhD Students, Masters Students, Undergraduate Students.