https://pos.muthopay.com

It’s good to be back on Medium after a long time.

We run a fintech company in Bangladesh, known as Muthopay Limited, especially known for our consumer focus services like Buy Now Pay Later.

Even though we are pretty much active in the B2C segment, we wanted to become more active in the B2B front to serve our consumers better via businesses of all kinds, small or large, offline or online, Bangladesh or India.

We’ve wanted to serve businesses with large retail footprints like grocery stores, restaurants, mudi dokans, kirana stores, d2c brands, and more.

So this February 2022, we’ve launched Mutho POS for business.

Mutho POS is a cloud POS solution from Muthopay LIMITED, the OG of fintech in Bangladesh. After bKash! ;)

Of course, there are lots of pos software in the market, what’s so different about Mutho POS than others those who have been in the market for more than 20 years?

First, let’s look into Mutho POS features :

📎 Mutho POS by Muthopay Limited is perfect for any kind of business. Our software is modular and it fits most businesses like restaurants with a single branch or multiple outlets, grocery shops, electronic shops, super shop outlets, pharmacies, mudi dokans, Kirana shops in India, D2C brands, and any other businesses that need to print recipe both for them and the customers, calculate stocks and more.

📎 Mutho POS by Muthopay Limited, is cloud-first. Meaning it runs on the cloud from any website. This means as a business owner you can always check your sales on any particular outlet, without even visiting that outlet.

📎 Mutho POS by Muthopay Limited, has multiple role managers. Like Owner, store/shop outlet managers, cashiers, sellers, and more and can be extended to unlimited roles.

📎 Mutho POS by Muthopay Limited, syncs all the orders/sell proceed directly from front end to backend hence you don’t need to download data from offline apps and then upload it online.

📎 Mutho POS by Muthopay Limited, has a PWA desktop app that can be installed on any device be it Windows, Linux, Mac, iPhone, or android.

📎 Mutho POS by Muthopay Limited, works both offline and online. It syncs all the offline sales data online automatically whenever it is connected to the internet.

📎 Mutho POS supports all major payment methods, including bKash, Nagad, Card, Cash, Paytm, Phonepe, Bank Transfer, Gift Card, and more.

📎 Mutho POS also supports partial payment/advance payment from your customers.

📎 Mutho POS has customer profile enabled so you can collect customer data, retarget or even surprise them on special occasions.

📎 Mutho POS has order notes enabled for the cashier for customers' customer order notes.

📎 One can add all the stocks at once or one by one through woo-commerce. It also gives the cashier/seller to sell custom products that are not available in the stock.

📎 Product variations can be enabled at Mutho POS.

📎 As a restaurant owner on Mutho POS you can send the orders directly to the kitchens for the preparation.

📎 Mutho POS has an online store enabled. Meaning with our pocket-friendly pricing you are not only getting POS Software for your offline businesses but also a sleek beautiful online shop to reach and sell to your customers.

📎 Mutho POS has a receipt designer so you can design different receipts for different outlets.

📎 Mutho POS has a receipt printer enabled from which you can print receipts both in POS printer and regular printer.

📎 Mutho POS lets you upload all the products to your site/system through CSV.

📎 Mutho POS has table management, dine-in, takeaway features.

📎 Customers can buy multiple payment methods at once on Mutho POS.

📎 Mutho POS centralizes all your outlets sell into one dashboard that’s easy to manage.

📎 Mutho POS is easy to migrate from one site to another without losing any sales data.

📎 Mutho POS is affordable. In fact, Muthopay Limited’s Mutho POS for restaurants is the only pos solution that is freely available for small businesses who process money between 1 Lac to 2 Lac BDT/INR in Bangladesh or India.

📎 Mutho POS is budget-friendly for any other growing business. You pay only 25,000 Taka/Inr as one-time installation fees, and 2,500 Taka/Inr per month for 12 months advance for management, constant update, and software support.

📎 Mutho POS is also available at a further discount if you agree to take our service for more than five outlets.

But wait, don’t just believe in our words. Give Mutho POS a try from our website (https://pos.mutho.com)

Later this year we are also launching a mobile app for Mutho POS. 😌

If you have any further questions feel free to email me at reyad@muthopay.com and or WhatsApp me (+919051321361 — India 🇮🇳 & +880178944821 — Bangladesh 🇧🇩.

We are looking forward to helping you to grow your business better, day in, day out! 😎

Oh forget to tell, we’ve launched Mutho POS on product hunt, please upvote us here https://www.producthunt.com/posts/mutho-pos. ❤

এরপর রাজার গোয়ালে রাজ্যের প্রধান অর্থমন্ত্রী জমা রাখলেন ২৫ মন ধান । অর্থমন্ত্রী কে নিচের মত করে একটা ফর্দ ধরিয়ে দেয়া হলো —

তৃতীয় জন কে,

চতুর্থ জন যেটা পেলো সেটা অনেক টা এরকম —

এতে করে কি হচ্ছে? যে বা যারাই রাজার গোয়ালে ধান জমা রাখছে, তাকে একটি করে ফর্দ দেয়া হচ্ছে, যেখানে সে নিজে কত মণ ধান জমা করেছে এবং তার আগে কে কত মন ধান জমা দিচ্ছে তার হিসেব থাকছে । এখন প্রশ্ন হতে পারে যারা আগে জমা দিচ্ছে তাদের ফর্দ আর যারা পরে জমা দিচ্ছে তাদের ফর্দ তো এক না, সবাই তো এক হিসাব পাচ্ছে না! সেটা ঠিক, কিন্তু রাজা মশাই ও বুদ্ধিমান, সে প্রতি টা ফর্দ এর আলাদা একটা কপি জমা রাখতেসেন এবং সেটা সকলের জন্য উন্মুক্ত করে রেখেছেন । ফলে কি হচ্ছে একদম শুরু তে যে জমা দিচ্ছে আর একদম শেষে যে জমা দিচ্ছে দুই জন এর ফর্দ আলাদা থাকলেও রাজা মশাই এর কাছে রাখা লিস্ট থেকে যেকোন সময় যে কেউ দেখতে পাচ্ছে কে কত জমা দিলো । একই পদ্ধতি তে রাজা মশাই যখন ফসল বিতরণ শুরু করলেন , তার একটা হিসাব রাখলেন । প্রতিবারের জন্য একটা ফর্দ, এবং পরের ফর্দে আগের বিতরণ এর বিবরণ । এতে করে সেবার সবাই নিজ নিজ ভাগে সমান ফসল পেলো এবং সবার কাছেই একই রকম করে একটা ফর্দ ছিলো যেখানে কে কি পরিমাণ ফসল জমা দিয়েছে এবং কি পরিমাণ ফসল পেয়েছে তার হিসাব ছিলো ।

আমি চেয়েছি, উপরের গল্প দিয়ে, ব্লকচেইন এর একদম বেসিক সম্পর্কে ধারনা দিতে । যেটাকে বলে মূল প্রিন্সিপাল । আদতে উপরের গল্পে কিছু সমস্যা আছে । যেমন, প্রতিবার হাতে রেখে হিসাব রাখা লাগতো । এতে করে কাগজের উপর বা যেটাতে লিখেই এই হিসাব রাখা হতো তার উপর চাপ পড়তো এবং এতো পরিমাণ কাগজ জমা রাখাও সমস্যা ছিলো । তার উপরে কথা হচ্ছে, যে সময়ের কথা বলছি সে সময়ে ব্লকচেইন এর কোন অস্তিত্ব থাকার কথা না , কারণ কম্পিউটার ছিলো না, ক্রিপটোগ্রাফি ছিলো না ।

এবার আমরা সহজ ভাষায় ব্লকচেইন বুঝবো ।

ব্লকচেইন কি?

একটা নির্দিষ্ট নেটওয়ার্ক এ একটা নির্দিষ্ট ডাটাবেজ যেটা ওই নেটওয়ার্ক এর সব সদস্যের কাছে ডিস্ট্রিবিউট করা থাকে ( রিয়েল টাইম — মানে ডাটাবেইজ এ কোন আপডেট হলে সেটা ওই নেটওয়ার্ক এর সবার কাছে থাকা ডাটাবেইজ এ অটোমেটিক আপডেট হয়ে যায় ) । এবং এই ডাটাবেজ যেকোন কিছুর হতে পারে, ট্রানজেকশন হিস্টোরি হতে পারে, কোন একটা পণ্যের লিস্ট হতে পারে । প্রতি টা ডিস্ট্রিবিউট ডাটাবেইজ একটা নির্দিষ্ট ব্লক এ থাকে । প্রতি টা ব্লক এর আলাদা আলাদা ইউনিকএড্রেস থাকে একে অপরের সাথে কানেক্ট থাকার জন্য এবং পরবর্তীতে ডাটা বের করার জন্য ।

এখন প্রতি টা ব্লক এ কিছু ডাটা থাকে এরকম —

এটা হচ্ছে একদম শুরু’র ব্লক, ইংরেজি তে জেনেসিস ব্লক । এখন এই ব্লক এর আগে যেহেতু আর কোন ব্লক নেই তাই এই ব্লক এর ইনডেক্স হচ্ছে ০ । মনে রাখবেন ব্লক এর ইন্ডেক্সিং শুরু হচ্ছে ০ থেকে । এরপর আসতেসে কখন এই ব্লক টা তৈরি হয়েছে । ব্লকচেইন এই হিস্টোরি মনে রাখে টাইমস্ট্যাম্প নামের টার্ম দিয়ে । যেমন এই ব্লক তৈরি হয়েছে ২৭ জুলাই ২০১৭, বৃহস্পতিবার GMT 2:30:00 । ব্লক যেহেতে আছে ব্লক এ কিছু ডাটাও রাখা হয়েছে । ধরেন এইটা একটা টেক্সট । এরপর আসতেসে হ্যাশ বা হ্যাশিং । এটা নিয়ে আরেকটা বড় পোস্ট লেখা যাবে বিশদ বিবরণ সহ । সিম্পল কথায় হ্যাশ দিয়ে একটা ব্লক কে ভ্যলিড করা হয় , আর Previous Hash দিয়ে আগের ব্লক ভ্যালিড/লিঙ্কড করা হয় । এখানে প্রিভিয়াস হ্যাশ ০ , কিন্তু বর্তমান হ্যাশ ০০০০১৮০৩৫… এরকম কেন? বর্তমান হ্যাশ এক হবার কথা ছিলো তাই না? এটার পেছনেও কারণ আছে , যেটা হ্যাশিং এ বলবো । আপাতত মনে রাখেন এটা একটা অ্যাড্রেস যেটা বর্তমান হ্যাশ কে ভ্যালিড করতেসে এবং পূর্ববর্তী এবং পরবর্তী ব্লক এর সাথে লিঙ্কেড করতেসে । এরপর আসতেসে Nonce; এই Nonce এ দেখেন একটা নাম্বার জেনারেট হয়েছে ৫৬৫৫১ এর মানে হলো নির্দিষ্ট ওই ডাটা রাখতে ( Welcome to Blockchain CLI ) পুরো সিস্টেম কে ৫৬৫৫১ বার একই প্রসেস এর পুনরাবৃত্তি করতে হয়েছে এবং এর পরই এই নির্দিষ্ট ব্লক টি পেয়েছে ।

এই পুরো বিশয়টার সাথে ক্রিপ্টোগ্রাফি উতপ্রোত ভাবে জড়িত । রাজার গল্প টা মনে আছে তো? রাজা মশাই তো পুরো হিসেব তার কাছে রাখলেন আবার সকলের জন্য উন্মোক্ত ও রাখলেন কিন্তু যারা দুষ্টু বুদ্ধির অধিকারী তারা চাইলেই হিসেবে গরমিল করতে পারে এবং রাজার কাছে নতুন করে ফসলের দাবি করতে পারে, যদি না রাজা সেখানে নিরাপত্তা’র ব্যবস্থা করে । এরকম ভাবে পুরো ব্লকচেইন এ ক্রিপ্টোগ্রাফি ইমপ্লিমেন্ট করা ।

ক্রিপ্টোগ্রাফি কি?

ডাটা স্টোর এবং ট্রান্সফার করার এমন এক পদ্ধতি যেখানে শুধু নির্দিষ্ট কিছু মানুষেরই ক্ষমতা থাকে সেই ডাটা পড়া এবং সেটা নিয়ে কাজ করার । ক্রিপ্টোগ্রাফি কিছু টেকনিক ব্যবহার করে যেমন মাইক্রো ডটস এর মাধ্যমে ডাটা স্টোর করা, টেক্সট এবং ইমেজ কে এক করে ডাটা স্টোর করা । এতে করে কি হয় যে জানেনা পুরো সিস্টেম কিভাবে কাজ করে সে কখনোই কোন একটা কিছু থেকে অর্থ বের করতে পারবে । ধরেন আপনি মুলার ছবি দেখতেসেন নিচের মত —

আপনি দেখতেসেন মূলা, আমি বলতেসি পেপাল কিন্তু মূলা আর পেপাল এর পিছনে জুম হাসতেসে । যাদের জানার তারা ঠিক ই জানে এই মূলা’র মাহাত্য কি, কিন্তু আপনি আম জনতা অত কিছু বুঝেন না , তাই আপনাকে মূলা দেখিয়ে পেপাল বলে জুম বিক্রি করা হলো । এইখানে যদিও ক্রিপ্টোগ্রাফি নাই, চাতুরতা আছে, ক্রিপ্টোগ্রাফি ও সেইম । এমন ভাবে সিস্টেম ডিজাইন করা শুধু মাত্র তারাই বুঝবে যাদের জন্য বানানো । আপনি দেখবেন শুধু ছবি, কিন্তু ছবি’র পিছনে লুকানো থাকবে নানা রকম অর্থ ।

আধুনিক ক্রিপ্টোগ্রাফি চারটা মূল মোটিভেশন এর উপর সাজানো ।

১। Confidentiality : সিস্টেম এ লুকায়িত তথ্য শুধু মাত্র তারাই বুঝবে যাদের জন্য বানানো, সবার জন্য নয় ।

২। Integrity : সিস্টেম এর তথ্য কোন ভাবেই পরিবর্তন করা যাবে না যে পাঠিয়েছে (সেন্ডার) এবং যাকে পাঠানো হচ্ছে (রিসিভার) দুজন একই রকম তথ্য পাবে । ডাটা ট্রান্সমিশন এর সময় তথ্য পরিবর্তন এর চেষ্টা করা হলে সিস্টেম সেটা ধরতে পারবে ।

৩। Non-repudiation : ডাটা ট্রান্সমিশনের পুরো সময় জুড়ে এবং ডাটা সফল ভাবে ট্রান্সমিট হবার পর বা ডাটা ক্রিয়েট হবার সময় দু পক্ষের কোন পক্ষই নিজেদের কে এই প্রসেস এর সাথে সংযুক্ত নয় বলে দাবি করতে পারবেনা ।

৪। Authentication : উভয় পক্ষই ডাটা কোথা থেকে এলো এবং কই যাচ্ছে, কার কাছ থেকে এসেছে কিংবা কার কাছে যাচ্ছে তা ভেরিফাই করতে পারবে ।

ক্রিপ্টোগ্রাফি’র উপর আরো শিখতে চাইলে কোর্সেরা’র এই কোর্স দেখতে পারেন —

Cryptography I

ব্লকচেইন এ আবার আসি । সবাই ব্লক চেইন নিয়ে কথা বলতেসে । বলা হয় ২০০০ সাল যদি ইন্টারনেট এর হয়, ২০১৮ হবে ব্লক চেইন এর এবং ২০২৭ সালের ভিতর দুনিয়ার সব কোম্পানি ব্লক চেইন ব্যবহার করতে বাধ্য হবে ।

The businesses who don’t adapt to the decentralized world of the future will soon become businesses of the past.

কেন হবে তা জানতে চাইলে এখানে পড়তে পারেন —

Every company will use blockchain by 2027

ব্লকচেইন কেন গুরুত্বপূর্ণ ?

In chronological order: ব্লকচেইন একটা শেয়ারড পাব্লিক লেজার যেখানে প্রতিটা ট্রানজেকশন এর ডাটা ওপেন এবং সিস্টেম এর ভিতর যে কেউ সেই ডাটা দেখতে পারবে । উপরন্তু প্রতিটা ব্লক এর একটা ইউনিক আইডি আছে , এবং একটা রেফারেন্স লিঙ্ক ( হ্যাশ ) যেটা দিয়ে তার পূর্ববর্তী ব্লক এর সাথে লিঙ্কড ।

Immutable: এর মানে হচ্ছে পরিবর্তন বা পরিবর্ধন যোগ্য নয় । একবার একটা ব্লক সিস্টেম দিয়ে ভেরিফায়েড হয়ে গেলে এবং ব্লক চেইন এ অ্যাড হয়ে গেলে আর কেউ সেটা’র পরিবর্তন , পরিবর্ধন বা পরিমার্জন করা সম্ভব হবে না ।’

Shared: পুরো ডাটা সিস্টেম এর সবার সাথে শেয়ার করা এবং অটোমেটিক আপডেট হয় । এটাকে বলে ডিস্ট্রিবিউটেড লেজার ।

Decentralized: ব্লকচেইন এর সবচেয়ে মজার পার্ট হচ্ছে ব্লকচেইন থার্ড পার্টি বা মধ্যষত্বভোগী পছন্দ করে না এবং পুরো সিস্টেম এমন ভাবে সাজানো যে কোন সিঙ্গেল আইডেন্টিটি’র কাছে সেন্ট্রালাইজড ভাবে কোন ডাটা থাকে না যাতে করে তারা মধ্যষত্বভোগী হতে পারে এবং সিস্টেম এর লাভ উঠাতে পারে ।

Transparent: ব্লকচেইন এ জমা হওয়া সমস্ত ডাটা পুরো সিস্টেম এর সকলের কাছে ( সকল নোড ) উন্মুক্ত । যে কেউ প্রয়োজন মত তথ্য দেখতে পারে ।

Impossible to forge (tamper-proof): ধূর্ত লোকের তো অভাব নেই আমাদের সমাজে যারা নিজেদের লোভের জন্য পারে না এমন কিছু করতে । এই যে ধরেন দেশের ব্যঙ্কিং খাতে যে রাহাজানি হচ্ছে তার কারণ হচ্ছে মুষ্টিমেয় কিছু লোকের অতি লোভ, তাদের সাগরেদ দের সাপোর্ট, জবাব দিহিতা না থাকা । ফলে চাইলেই কাগজে দেখিয়ে ব্যাংক থেকে লুটপাট করা সম্ভব হচ্ছে এবং তার দায়/খেসারত দিতে হচ্ছে জনগণ কেই । যেখানে সেখানে ভ্যাট-ট্যাক্স বসতেসে , দ্রব্যমুল্যের দাম বারতেসে । ব্লক চেইন এ এগুলো সম্ভব না । একবার ডাটা ভেরিফাই হয়ে গেলে কার সাধ্যি নাই সেই ডাটা পরিবর্তন করে ফায়দা উঠাবে ।

এই জন্য ব্যাংকিং সেক্টর এর লোকজন ব্লকচেইন সহ্য করতে পারে না! ;)

বারে বারে ঘুঘু তুমি খেয়ে যাও ধান এবার ঘুঘু তোমার বধিব পরান।

এখন আসি ব্লকচেইন এর কিছু ব্যবহার নিয়ে —

তার আগে আপনাকে জিজ্ঞেশ করতেসি ট্রানজেকশন বলতে আপনি কি বুঝেন? সাধারণ ভাবেই টাকা ট্রানজেকশন । দু জন ব্যক্তি’র মাঝে যে কোন কিছু’র আদান প্রদান তৃতীয় পক্ষের উপস্থিতি তে এটার নাম হলো ট্রানজেকশন । এতো দিন পর্যন্ত তাই ছিলো । এবং এই তৃতীয় পক্ষ সব সময় ফায়দা উঠায় । এই জন্যই আমাদের কে বিকাশ এর প্রতি ট্রানজেকশন এ দোকান ওয়ালা এবং টেলিকম অপারেটর দের কে বিশাল পরিমাণ নেটওয়ার্ক ফি দেয়া লাগে । যেহেতু আমরা বিকাশ কে বিশ্বাস করি না, কিংবা বিকাশ আমাদের কে বিশ্বাস করতে পারবে না কেননা ট্রানজেকশন এর সময় দুই পক্ষ সামনাসামনি থাকতে পারে না তাই টেলিকম অপারেটর রা এবং দোকান থেকে বিকাশ করার সময় ওই দোকান মালিক পক্ষ মধ্যষত্ব ভোগী হিসেবে লাভ উঠায় ।

কিন্তু ব্লক চেইন এই তৃতীয় পক্ষ কে সম্পূর্ণ রিমুভ করতেসে ।

The blockchain cancels the need for a third party presence, while maintaining the essence of the function, i.e. trust. It allows for ledger sharing or distribution among all parties in a decentralized manner that guarantees the authenticity of the information it conveys.

এমন সিস্টেম আসবে যেখানে বিকাশ এর মত টাকা ট্রাঞ্জেকশন এ আপনাকে মোবাইল অপারেটর কিংবা দোকান ওয়ালার সাহায্য নিতে হবে না, কাউকে বলতে হবে না আপনার টাকা আপনি কাকে কেন পাঠাচ্ছেন , একদম স্বল্প খরচে টাকা ট্রান্সফার করতে পারবেন মুহূর্তেই!

ব্লকচেইন দেখতে কিরকম?

Here! ;)

আচ্ছা সব বুঝলাম, ট্রানজেকশন কিভাবে ভ্যালিডেট হয়?

ব্লকচেইন এ প্রতিটা ট্রানজেকশন ভেলিডেট হয় ডাবল পাব্লিক কি/প্রাইভেট ( Public Key/Private Key ) (ক্রিপ্টোগ্রাফি) কি দিয়ে । ব্লকচেইন এ প্রতিটা ইউজার একটা করে পাব্লিক কি এর মালিক । এই পাব্লিক কি এর আবার নিজস্ব প্রাইভেট কি ও আছে । প্রতি টা পাব্লিক কি এবং প্রাইভেট কি নিজেদের সাথে ইউনিকলি কানেক্টেড ( র‍্যান্ডম নাম্বার দিয়ে )

একটা পাব্লিক কি এর উদাহরণ -

3048 0241 00C9 18FA CF8D EB2D EFD5 FD37 89B9 E069 EA97 FC20 5E35 F577 EE31 C4FB C6E4 4811 7D86 BC8F BAFA 362F 922B F01B 2F40 C744 2654 C0DD 2881 D673 CA2B 4003 C266 E2CD CB02 0301 0001

এবং যেহেতু পাব্লিক এবং প্রাইভেট কি কানেক্টেড কোন একটা পাব্লিক কি তে পাঠানো মেসেজ এনক্রিপ্টেড হয়ে যায় যেটা শুধু ওই পাব্লিক কি এর সাথে রিলেটেড এমন প্রাইভেট কি দিয়ে ডেক্রিপ্টেড করেই পড়া সম্ভব । এই জন্যি ব্লকচেইনে এই সিকিউরিটি যুক্ত করে দেয়া হয়েছে ফলে আপনার ডাটা সবসময় নিরাপদ থাকবে । এছাড়া সিস্টেম এর জন্য আরেকটা জিনিশ নিশ্চয়তা প্রদান করে সেটা হলো ডিজিটাল সিগনেচার ।

ধরেন, আমি একটা বাইক বিক্রি করবো রুবেল ভাইয়ের কাছে । ব্লকচেইন এ জিনিস্টা এভাবে যাবে-

sign( “আমি বাইক বিক্রি করলাম মোশাররফ রুবেল এর কাছে ১ লাখ টাকায় , ১২/২২/২০১৭ তারিখে”, আমার প্রাইভেট কি ) = “সিগনেচার”

এখন আমি যদি এট ব্লকচেইন এ দেই, তখন আমার নেটওয়ার্ক এর মানুষ জন আমার পাব্লিক কি এবং আমার সাইন মিলিয়ে দেখে এই ট্রানজেকশন Approval দিবে অথবা disapproval দিবে । Approved হলে আমার সিস্টেম এ আমাউন্ট জমা হয়ে যাবে, ব্লকচেইন এর হিস্টোরি তে আজীবন এটা থাকবে এবং আমার বাইকের নতুন মালিক হবে মোশাররফ রুবেল ভাই । এবং এর তথ্য কোন ভাবেই পরিবর্তন করা সম্ভব না । একভার চিন্তা করে দেখুন একই রকম কোন একটা সিস্টেম বাংলাদেশ এর জমি জমা সংক্রান্ত মামলা-মোকদ্দমায় / তথ্য সংরক্ষণে ব্যবহার করা যেতো মানুষের কষ্ট কত খানি লাঘব হতো ।

আলিবাবা’র বিখ্যাত জ্যাক মা “ব্লকচেইন” সম্পর্কে কি বলে দেখেন :)

বুঝতেই পারছেন এর গুরুত্ব কত খানি? এই লেখায় যাই পরছেন একদম বিগিনার লেভেলের । এখনো বেশ কিছু ফান্ডামেন্টাল টপিক বাকি আছে যেগুলা নিয়ে এই এক লেখায় আলোচনা করতে গেল লেখা আরো বড়ো হবে এবং বোরিং হয়ে যেতে পারে । আমি এখানে শুধু ফান্ডামেন্টাল টপিক্স এর লিঙ্ক দিচ্ছি সময় করে পড়ে নেবেন । আমার অন্যান্য লেখাতেও এগুলা নিয়ে আলোচনা হবে ।

পিয়ার-টু-পিয়ার নেটওয়ার্ক , Hash Function ( using Python ), Hash Function , Proof Of Work , Trust-less System, Public Key Infrastructure, Triple Entry Bookkeeping, Triple Entry PDF, Double Spending Problem , Consensus , Distribute Consensus, Two Phase Commit Protocol , Paxos, Sybil Attack, CAP Theorem and the list goes on and on…

ব্লকচেইন এ ভবিষ্যৎ —

ব্যাংকিং — ফিউচার এ ব্যাংক থাকবেনা । থাকলেও আমরা যেরকম ব্যাংক এখন দেখি তার কিছুই থাকবেনা । পারসোনালাইজড পিয়ার টু পিয়ার ব্যাংকিং শুরু হয়ে গেছে ইতিমধ্যে । বিটকয়েন আর ক্রিপ্টোকারেন্সি তার প্রমাণ । আর এই ব্যাংকিং ব্যবস্থা লিড দিবে ব্লকচেইন বেইজড কমিউনিটি/সফটওয়ার কোম্পানি গুলা ।

যেমন Babb —

Money

অথবা

R3 — https://www.r3.com/

Corda is a distributed ledger platform that is the outcome of over two years of intense research and development by R3 and 80 of the world’s largest financial institutions. A financial grade ledger, Corda meets the highest standards of the banking industry, yet it is applicable to any commercial scenario.

পেমেন্ট এবং মানি ট্রান্সফার —

এগেইন ব্যাংক থাকবে না মিডল ম্যান হিসেবে । আমরা এখন যেরকম পেপাল দেখি, বিকাশ দেখি এই সমস্ত সকল সিস্টেম এই বিশাল পরিবর্তন আসবে, সেন্ট্রালাইজড একটা সলুশ্যন থেকে ডিসেন্ট্রালাইজড একটা সল্যুশন ।

উদাহরণ-

কয়েনবেজ —

Abra — https://www.abra.com/

শিক্ষা ব্যবস্থা —

Learning Machine — http://www.learningmachine.com

নির্বাচন —

Follow My Vote -https://followmyvote.com/

আইওটি — https://filament.com/

রাইড শেয়ারিং —

Arcade City | Uber and Pathao Rival :P

এগুলা শুধু কিছু উদাহরণ মাত্র । হসপিটাল থেকে শুরু করে ইলেক্টিসিটি থেকে খেলাধুলা কিংবা ইকমারস সব কিছু ব্লকচেইন এর দখলে চলে যাবে ।

এখানে পড়তে পারেন আরো — https://www.cbinsights.com/research/industries-disrupted-blockchain/

ব্লকচেইন কিভাবে দারিদ্র দূর করতে পারে সে সম্পর্কে পড়তে পারেন এ লেখাটি ।

লিঙ্ক — https://www.ft.com/content/60f838ea-e514-11e7-8b99-0191e45377ec

ব্লকচেইন স্টার্টআপ্স-

২০১৭ প্রায় শেষ এবং ২০১৮ শুরু । এখনি সময় ব্লকচেইন সম্পর্কে জানা এবং কাজ করা । যে বা যারাই এই লেখাটি শুরু থেকে পড়েছেন এবং এ পর্যন্ত এসেছেন তাদের অসংখ্য ধন্যবাদ। আপনি যদি ব্লকচেইন ভিত্তিক কোন সেবা নিয়ে কাজ করতে থাকেন তবে আমি আপনার সাথে পরিচিত হতে আগ্রহী ।

আমার অন্য লেখা গুলো —

চ্যাটবট কি , কেন এবং কিভাবে বানাবেন? — https://goo.gl/QD4uGM

আর্টিফিশিয়াল ইন্টেলিজেন্স এর আদ্যপান্ত — কি , কেন, কিভাবে, কোথায়?!! — https://goo.gl/XwTQjz

ডাটা সায়েন্স এর জারিজুরি । — https://goo.gl/xjif7W

‘আ’ তে আর্টিফিশিয়াল ইন্টেলিজেন্স! — https://goo.gl/ZrjmR7

নিউরনে নিউরনে নিউরাল নেটওয়ার্ক ! — https://goo.gl/1dwkzo

আমি রিয়াদ রহমান , কাজ করি আর্টিফিশিয়াল ইন্টেলিজেন্স, ডাটা সায়েন্স এবং ব্লকচেইন নিয়ে । ফেইসবুক এ আমি । লিঙ্কইডইন এ আমি । টুইটার এ আমাকে টুইট করুন । আমার প্রতিষ্ঠান টাইগার ডিজিটাল । পোর্টফোলিও । আমাদের বাঘা প্রজেক্ট ।

Corporate Inquiry — hello@tigerdigital.xyz

Personal — ireyadrahman@gmail.com

Computer Science is a branch which doesn’t depend upon one’s educational background much.

আমাদের সবার মনে এরকম একটা ধারণা আছে যে, কেউ যদি কমার্স বা আর্টস এর ছাত্র হয় অর্থাৎ non-science ব্যাকগ্রাউন্ডের হয় সে বিজ্ঞানের কোন সাবজেক্ট পড়তে পারবেনা কিংবা তাকে দিয়ে বিজ্ঞানের কোন বিষয় পড়ানো উচিৎ হবে না । এটা সত্য যে, বিজ্ঞানের ছাত্র-ছাত্রী যারা তারা একটু জটিল বিষয় গুলো স্কুল থেকেই পড়া শুরু করে ফলে কলেজ — বিশ্ববিদ্যালয়ে গিয়ে তারা বিজ্ঞানের অপেক্ষা কৃৎ কঠিন বিষয় গুলো সহজে বুঝতে পারে । কিন্তু তার মানে এই না যে, অন্য কোন ক্ষেত্রে’র মানুষ জন পারবে না , পড়তে পারবে না । পারা না পারা , পুরো টাই মনের বিষয় । একটু সময়, একটু ধৈর্য নিয়ে কোন কিছু করলে এবং সমস্যা সমাধানের আগ্রহ থাকলে যে কোন কিছু সম্ভব । আর আর্টস ও এক প্রকার বিজ্ঞান , কমার্স ও তাই । যাই হোক এই লেখার উদ্দেশ্য, যারা বিজ্ঞানের ছাত্রছাত্রী নন , কিন্তু কম্পিউটার সায়েন্স নিয়ে কাজ করতে আগ্রহী, বিশেষ করে আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করতে চান তাদের জন্য এই লেখা । একেবারে ৩০০০ শব্দে’র গাইডলাইন ।

ওহ! আরেকটা কথা । আমরা এমন দুনিয়া’র দিকে আগাচ্ছি যেখানে আপনি শুধু ম্যানেজমেন্ট এর জ্ঞান দিয়ে প্রোডাক্ট ম্যানেজআর হতে পারবেন না , শুধু একাউন্টেন্সির জ্ঞান দিয়ে একাউন্ট্যান্ট হতে পারবেন না, কিংবা শুধু মার্কেটিং এর জ্ঞান দিয়ে কোন কোম্পানি’র মার্কেটিং ডিপার্টমেন্ট এর চাকুরি হবে না । সব কোম্পানি কম-বেশি ডিজিটাল হচ্ছে । সুতরাং আজ হোক , কাল হোক আপনাকে কোম্পানি’র টেক কোম্পানি’র মানুষজন এর সাথে কাজ করতেই হবে । তখন আপনি যদি জানেন , কিভাবে একটা টেকনোলজিকাল প্রোডাক্ট বানানো হয় , এর ম্যানেজ মেন্ট কিভাবে করতে হয় , সফট্ওয়্যার স্ট্যাক কি , গিট কি , লিন ম্যাথড কি , ব্লকচেইন কি , আর্টিফিশিয়াল ইন্টেলিজেন্স কি , এরা কিভাবে কাজ করে , মার্কেটিং এ কিভাবে আর্টিফিশিয়াল ইন্টেলিজেন্স , মেশিন লার্নিং প্রয়োগ করে আরো ইফেক্টিবলি করা যায় আপনার ক্যরিয়ার হবে স্মুথ । আর প্রতিনিয়ত শিখতে থাকতে হবে ।

তো এই লেখার মূল উদ্দেশ্যই হলো, যারা কম্পিউটার সায়েন্স এর নন, কিন্তু আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করতে চান , শিখতে চান তাদের জন্য সহজ ভাষায় একটা গাইডলাইন তৈরি করে দেয়া । আবার যারা কম্পিউটার সায়েন্স এর কিন্তু এখনো আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে পড়া শুরু করেন নাই , কিংবা বিশ্ববিদ্যালয়ে এই কোর্স শুরু করে নাই , তারাও এই লেখা থেকে প্রাথমিক ধারনাপাতি এবং পরবর্তী পড়াশুনা’র রসদ পেয়ে যাবেন ।

Always stay ahead of the curve!

প্রথম কথা হচ্ছে গণিতে আপনাকে ভালো হতে হবে । আমরা কম বেশি সবাই ম্যাথ করেছি । স্কুল হোক , কলেজ হোক , কিংবা বিশ্ববিদ্যালয় । আর কোন একটা সমস্যা সামনে পেলে সেটা সমাধানের চেষ্টা থাকতে হবে , ম্যাথ পুরোটাই প্র্যাক্টিস এর বিষয় । আপনি যত বেশি প্র্যাক্টিস করবেন তত বেশি আপনার মাথা খুলবে ।

এই লিস্ট এর প্রথমে থাকবে লিনিয়ার আলজেব্রা ।

লিনিয়ার আলজেব্রা — বা বাংলায় বলে যোগাশ্রয়ী বীজগণিত । এটা পিউর এবং এপ্লাইড ম্যাথমেটিক্স । লিনিয়ার এলজেব্রার গাণিতিক পদ্ধতি ব্যবহার করে অনেক জটিল বিষয়কে যেমন সহজে গাণিতিকভাবে উপস্থাপন করা যায়, তেমন অনেক সাধারণ এবংঝামেলাবিহীনভাবে সমস্যার সমাধান বের করা যায় । লিনিয়ার আলজেব্রা’র ভিতর পড়ানো হয় —

১.১ ভেক্টর কি ?

১.২ ভেক্টরের উপাংশ

১.৩ ভেক্টরের উপাংশ সংক্রান্ত গণণা

১.৪ যোগাশ্রয়ী সমাবেশ

২। ম্যাট্রিক্স পরিচিতি ও ম্যাট্রিক্স দিয়ে হিসাব নিকাশ (Matrix and matrix calculations)

৩। রৈখিক সমীকরণ পদ্ধতি (System of linear equations)

৪ । ভেক্টর স্পেস (Vector Space)

৫। ভেক্টরের যোগাশ্রয়ী সমাবেশ এবং নির্ভরশীলতা (Linear combination and dependence of vectors)

৬। ভেক্টর স্পেসের ভিত্তি ও মাত্রা (Basis and dimension of vector space)

৭। যোগাশ্রয়ী রূপান্তর (Linear transformation)

৮। অন্তঃগুণ স্পেস (Inner product space)

৯। নির্ণায়ক (Determinant)

১০। আইগেনমান এবং আইগেনভেক্টর (Eigenvalues and eigenvectors)

১১। জর্দান স্ট্যান্ডার্ড আকার এবং তার ব্যবহার (Jordan standard form and its applications)

১২। দ্বিঘাত আকার এবং হারমিশিয়ান আকার (Quadratic form and Hermitian form)

অনলাইন এ জোশ জোশ কিছু ওয়েবসাইট আছে যেখান থেকে আপনি খুব সহজে এগুলো শিখতে পারেন। এরকম কিছু সাইট হলো —

https://www.khanacademy.org/math/linear-algebra — খান একাডেমি ( এর থেকে ভালো টিউটোরিয়াল আর কোথাও পাবেন না ।

খান একাডেমির লিনিয়ার এলজেব্রা’র প্লে লিস্ট — https://www.youtube.com/playlist?list=PLFD0EB975BA0CC1E0

এমআইটি’র কোর্স — https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm

বেটার এক্সপ্লেইন্ড — https://betterexplained.com/articles/linear-algebra-guide/

Quora — https://www.quora.com/topic/Linear-Algebra

ফিলিপ কেইনে’র Coding The Matrix [ এই ওয়েবসাইট এ আপনি image morphing, keystone correction, error-correcting codes, searching within an audio clip, face detection এর বিষয় গুলো শিখতে পারবেন ]

ম্যাট্রিক্স থিউরি — https://www.youtube.com/playlist?list=PL05CD03A43A56AE66

লিনিয়ার আলজেব্রা — Dr. K.C. Sivakumar,Department of Mathematics,IIT Madras — https://www.youtube.com/playlist?list=PLbMVogVj5nJQ2vsW_hmyvVfO4GYWaaPp7

তারপর আসে ক্যালকুলাস — গণিত এবং বিজ্ঞানের অনেক গুলা সমৃদ্ধ শাখা গুলোর একটা । হাজারো রকম গাণিতিক সমস্যার সমাধান করা হয় ক্যাল্কুলাস দিয়ে । বিশেষ করে জ্যামিতিক । পদার্থবিজ্ঞানে’র থিওরি’তে প্রচুর পরিমানে ব্যবাহার পাবেন । আর্টিফিশিয়াল ইন্টেলিজেন্স এর লিনিয়ার আলজেব্রা’র পর বেশি ব্যবহার হয় ।

Remember Professor Calculus?

ক্যালকুলাস আসলে অ্যাডভান্সড বীজগণিত এবং জ্যামিতির এক অসাধারণ সমন্বয়। গণিতের পরিপ্রেক্ষিতে বলা যায় এটা কোন নতুন বিষয় বা সাবজেক্ট নয়। ক্যালকুলাসে সাধারণ বীজগণিতীয় এবং জ্যামিতিক সূত্রাবলি ব্যবহৃত হয় কিন্তু ক্যালকুলাসের সমস্যাগুলি অবশ্যই বীজগণিত এবং জ্যামিতির চেয়ে আলাদা ও একটু জটিল। যেখানে বীজগণিত, জ্যামিতি এবং ত্রিকোণমিতির শেষ সেখান থেকেই ক্যালকুলাসের শুরু।

খান একাডেমি — https://www.khanacademy.org/math/differential-calculus

লামার ইউনিভার্সিটি — http://tutorial.math.lamar.edu/Classes/CalcI/CalcI.aspx

Quora — https://www.quora.com/topic/Calculus

প্রি ক্যাল্কুলাস নাম এ আরেকটা কোর্স হয় । যেখানে ত্রিকোণমিতি এবং বৃত্ত নিয়ে শেখানো হয় । এগুলো — powers of x (including non-integer powers), sines, cosines, tangents, exponential functions and logarithms

এছাড়া রয়েছে Multivariable Calculus —

উইকিপিডিয়া থেকে — Multivariable calculus (also known as multivariate calculus) is the extension of calculus in one variable to calculus with functions of several variables: the differentiation and integration of functions involving multiple variables, rather than just one.

MIT — https://ocw.mit.edu/courses/mathematics/18-02sc-multivariable-calculus-fall-2010/index.htm

এগুলো সহ —

• line and surface integrals
• Green’s Theorem
• Stokes’ Theorem
• Divergence Theorem
• partial derivatives
• multiple integration

ফাংশন কি , ডোমেন রেঞ্জ কি, কেন , কিভাবে এগুলো ও শিখতে হবে ।—

আমরা নিচের ফাংশন টি লক্ষ্য করি —

f(x)= y²
এখানে f(x) একটা মেশিন (বা রান্নার পাত্র)
x হচ্ছে কাঁচামাল (ধরো ডিম)
y² হচ্ছে প্রোডাক্ট (ডিম পোস)

x কে আমরা বলি ডোমেন!
y হচ্ছে রেঞ্জ!
এখন চিন্তা করি! ডিম পোস পাইতে হইলে আমাদের ( x ) কি কি হইতে পারে? মুরগীর ডিম,হাঁসের ডিম তাহলে এগুলাই আমাদের ডোমেন! আচ্ছা ঘোড়ার ডিম দিলে কি পোস পাব???

পাবনা কারণ এইটা অবাস্তব জিনিস! তাই ডোমেন এ x সবসময় এমন দিতে হবে যেন y বাস্তব হয়!
আবার রেঞ্জ এর ক্ষেত্রেও একই কথা! আমরা হাসের ডিম দিলে কি মাছের ডিমের পোস পাব???

মাছের ডিমের পোস বলেই তো কিছু নাই! তাহলে রেঞ্জ ও এমন হইতে হবে যেন বাস্তব ডিমের পোস মানে বাস্তব ডোমেন পাওয়া যায়! [ সংগৃহীত ]

বাংলায় ভালো একটা লেখা — http://shoshikkha.com/archives/500

তারপর শিখতে হবে প্রবাবিলিটা বা সম্ভাব্যতা —

প্রবাবিলিটি বা সম্ভাব্যতা —

প্রবাবিলিটি হচ্ছে কোন কিছু ঘটবে কি ঘটবে না, পরীক্ষায় পাশ হবে কি হবে না, আজ সন্ধ্যায় বৃষ্টি হলে কাল সকালে বৃষ্টি হবে কি হবে না, ক্রীড়া উন্নয়ন তহবিলের লটারীর টিকিট কিনলে আপনি প্রথম পুরস্কারটি পাবেন কি পাবেন না — এ ধরনের সম্ভাবনা নিয়ে যে লেখাপড়া হয় সেটা ।

খুব মজার একটা প্রশ্ন — একটি কয়েন টস করলে হেড ওঠার সম্ভবনা কত? একই কয়েন ১০ বার টস করলে ৫বার হেড আসার সম্ভাবনা কত? কিংবা একই কয়েন ১০০০ বার টস করলে ৪৯৫ থেকে ৫০৫ বার হেড আসার সম্ভবনা কত?

সম্ভাবনা কী?

সম্ভাবনা একটি ধারণা। এই ধারনার মাধ্যমে কোন কিছু ঘটবে কি ঘটবে না তা গাণিতিক ভাবে (সংখ্যা বা অংকের মাধ্যমে) প্রকাশ করা হয়। যে অংক বা সংখ্যাটি দিয়ে আমরা সেই জিনিসটি ‘ঘটবে কি ঘটবে না’ প্রকাশ করি সেই সংখ্যাটিই সম্ভাবনা।

যেমন, একটি কয়েন টস করলে হেড উঠবে কি উঠবে না তা আমরা একটা সংখ্যা দিয়ে প্রকাশ করি। আমরা সবাই জানি যে হেড ওঠার সম্ভবনা ৫০%. কিন্তু কীভাবে তা জানি? এটি বোঝার চেষ্টা করুন । ;)

কোথায় শিখবেন?

খান একাডেমি — https://www.khanacademy.org/math/statistics-probability

খান একাডেমি — https://www.khanacademy.org/math/probability/probability-geometry/probability-basics/a/probability-the-basics

এমআইটি — https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-041-probabilistic-systems-analysis-and-applied-probability-fall-2010/

হার্ভার্ড — https://www.youtube.com/playlist?list=PLLVplP8OIVc8EktkrD3Q8td0GmId7DjW0

এগুলো হলে আমরা শিখবো —

কম্বিনেটরিক্স এবং ডিসক্রিট ম্যাথ —

কম্বিনেটরিক্স হলো গুন নিয়ে কাজ কারবার । তবে সাধারণ কোন গুন না । গুণ বলে গোনা । যেমন ধরেন একটা ক্লাস রুমে ৩ জন শিক্ষার্থী আর ৩ টা চেয়ার আছে । এখন প্রশ্ন হচ্ছে তারা কত ভাবে বসতে পারবে চেয়ার গুলো তে?

উপরের ছবিটা খেয়াল করেন , এইখানে তিন রঙের চেয়ার দিয়ে তিন শিক্ষার্থী কে বোঝানো হয়েছে । এখন প্রথম বার লাল-নীল-সবুজ পাশাপাশি বসলো , দ্বিতীয়বার নীল-সবুজ-লাল এভাবে প্রত্যেকে প্রত্যেকে’র অবস্থান পালটিয়ে ঠিক কতভাবে বসতে পারবে? এই ধরনের ক্যালকুলেশন করা হয় কম্বিনেটরিক্স এ! এখন বলেন তো উপরের প্রশ্নের উত্তর কত?

ডিসক্রিট ম্যাথ — কম্পিউটার সায়েন্সের একটি মৌলিক কোর্স হচ্ছে বিচ্ছিন্ন গণিত, যা ডিসক্রিট ম্যাথমেটিকস্ ( Discrete Mathematics ) নামেই বেশি পরিচিত। এই বিষয়ে জ্ঞানলাভের মাধ্যমে একজন শিক্ষার্থী কম্পিউটার প্রোগ্রামকে আরো গভীরভাবে বুঝতে পারে। তাই পৃথিবীর প্রায় সমস্ত বিশ্ববিদ্যালয়ে এটি একটি বাধ্যতামূলক কোর্স।

কোথায় শিখবেন?

বাংলা বই — https://enogor.com/review/product/list/id/623/category/49/

বাংলায় ডিসক্রিট ম্যাথ — https://discrete-math.appspot.com/preview

MIT — https://ocw.mit.edu/courses/mathematics/18-312-algebraic-combinatorics-spring-2009/index.htm

কোর্সেরা — https://www.edx.org/course/combinatorial-mathematics-zu-he-shu-xue-tsinghuax-60240013x-2

Collection of Combinatorics Videos —

http://www.math.ucla.edu/~pak/lectures/Math-Videos/comb-videos.htm

Describing graphs — https://www.khanacademy.org/computing/computer-science/algorithms/graph-representation/a/describing-graphs

Discrete Mathematics — https://www.youtube.com/playlist?list=PLBC7084341FB2A03A

Discrete Structures — https://learn.saylor.org/course/cs202

Discrete Mathematics [Instructor: Shai Simonson] — http://www.aduni.org/courses/discrete/index.php?view=cw

এরপর আসবে স্ট্যাটিসটিক্স —

স্ট্যাটিসটিক্স — সোজা বাংলায় জরিপ বা পরিসংখ্যান । উপাত্তের বিশ্লেষণ, ব্যাখ্যা ও পরিবেশন সম্পর্কিত যে বিজ্ঞান সেটাই স্ট্যাটিসটিক্স বা পরিসংখ্যান ।

কোথায় শিখবেন?

Statistics for business — https://www.edx.org/course/statistics-business-i-iimbx-qm101-1x-0 & https://www.edx.org/course/statistics-business-ii-iimbx-qm101-2x-0

Quora — https://www.quora.com/topic/Statistics-academic-discipline

Engineering Statics — http://oli.cmu.edu/courses/free-open/engineering-statics-course-details/

Youtube — https://www.youtube.com/playlist?list=PLRqDfxcafc23LXGoItpkYMKtUdHaQwSDC

Class Central — https://www.class-central.com/subject/statistics

Markov Chain — https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-041-probabilistic-systems-analysis-and-applied-probability-fall-2010/video-lectures/lecture-16-markov-chains-i/

Fundamentals of Probability — https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-436j-fundamentals-of-probability-fall-2008/index.htm

Linear Model —

উইকিপিডিয়া থেকে — Linear models describe a continuous response variable as a function of one or more predictor variables. They can help you understand and predict the behavior of complex systems or analyze experimental, financial, and biological data.Linear regression is a statistical method used to create a linear model.

কোথায় শিখবেন?

হার্ভার্ড ইউনিভার্সিটি — https://www.edx.org/course/introduction-linear-models-matrix-harvardx-ph525-2x-1

স্ট্যানফোর্ড ইউনিভার্সিটি — http://online.stanford.edu/course/statistical-learning-winter-2014

বই — Extending the Linear Model with R লেখক — Julian J. Faraway

কনভেক্স অপ্টমাইজেশন —

স্ট্যানফোর্ড — http://online.stanford.edu/course/convex-optimization-winter-2014

এমাইটি — https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-079-introduction-to-convex-optimization-fall-2009/

আরো শিখতে পারেন — (augmented) least squares, least norm solutions, QR factorization, properties of semi-definite matrice

অগমেন্টেড লিস্ট স্কোয়ার, লিস্ট নর্ম সল্যুশন, কিউআর ফ্যাক্টরাইজেশন, সেমি ডেফিনিট মেট্রিক্স ।

[1] Convex Analysis and Optimization by Bertsekas, Nedich, and Ozdaglar.
[2] Numerical Optimization by Nocedal and Wright
[3] NPTEL Phase II :: Electrical Engineering

এছাড়াও পড়তে পারেন

Epistemology — জ্ঞান নিয়ে পড়াশোনা ! ইংরেজিতে The Study Of Knowledge. পড়ুন এখানে ।

Systems science — সিস্টেম সায়েন্স হচ্ছে প্রবাবিলিটি থিওরি , ডিসিশন থিউরি, গেইম থিওরি , অরগানাইজেশনাল সোশিয়লজি , বিহেবিওড়াল ইকোনমিক্স , কগনিটিভ সাইকোলজি নিয়ে থিওরেটিক্যাল বা তাত্ত্বিক পড়াশোনা । সিস্টেম ডিজাইন এবং ইঞ্জিনিয়ারিং এ কাজে লাগে । বিস্তারিত পড়তে পারেন এখানে ও এখানে ।

Model Free Methods — আর্টিফিশিয়াল ইন্টেলিজেন্স এর একটা গুরুত্বপূর্ণ বিষয় । কোন একটা বস্তু বা কম্পিউটার বা ব্রেইন কে এমন বা ট্রেইন করতে পারা যেখানে কোন মডেল এর দরকার নাই । সাধারণত আমরা যারা আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করি তখন আমাদের ট্রেইনিং ডাটা সেটস বা মডেল এর প্রয়োজন পড়ে । এখানে পড়তে পারেন আরো বিস্তারিত — মডেল ফ্রি মেথড , এখানে এবং এখানে

Modern Connectionism — আর্টিফিশিয়াল ইন্টেলিজেন্স , কগনিটিভ সাইকোলজি , কগনিটিভ সায়েন্স , নিউরোসায়েন্স, ফিলোসফি অব মাইন্ড এই সব নিয়ে মডার্ন কানেকশনিজম । এই কানেকশিজম অনেক রকম হতে পারে , তার মধ্যে নিউরাল নেটওয়ার্ক অন্যতম । বিস্তারিত পড়ুন এখানে — উইকিপিডিয়া ।

Table lookup — কম্পিউটার এর ক্যাল্কুলেশন কিংবা কোন একটা অপারেশন সিগনেফিকেন্টলি কমিয়ে আনতে টেবল লুক আপ নামের এক ধরনের array ব্যবহার করা হয় । কম্পিউটার বিজ্ঞান এর উন্নতি হবার পূর্বে টেবল লুক আপ ব্যবহার করা হত ত্রিকোণমিতি , লগারিদম এবং স্ট্যাটিস্টিক্যাল ডেনসিটি ফাংশন নিয়ে কাজ করার সময়। এখন হয় মেমরি অপ্টিমাইজেশন , প্রসেস অপ্টিমাইজেশন এ ।

Graph Theory — কম্পিউটার সায়েন্স এর আরেকটা মেজর কন্সেপ্ট । সোজা কথায় গ্রাফ নিয়ে লেখা পড়া । যেখানে দুই বা ততোধিক বস্তুর মধ্যেকার সম্পর্ক নিয়ে আলোচনা হয় । আরো পড়তে চাইলে — উইকিপিডিয়া , এখানে , এখানে , এই ভিডিও’তে , এই ইউটিউব সিরিজ ।

গ্রাফ থিওরি নিয়ে আমি পরে আরেকটা সিরিজ লিখব সময় পেলে। অনেক কিছু লেখার আছে এই অংশ নিয়ে । আমি গ্রাফ থিওরি শিখেছি হ্যারারে’র গ্রাফ থিওরি বই থেকে । বই ।

গ্রাফ থিওরি নিয়ে আরেকটা সুন্দর ব্লগ হচ্ছে — A Gentle Introduction To Graph Theory

Evolutionary Computing — কম্পিউটার সায়েন্স এবং আর্টিফিশিয়াল ইন্টেলিজেন্স এর আরেকটা রিসার্চ ফিল্ড । প্রানীজাতির বায়োলজিক্যাল ইভ্যুলুশান থেকে ইন্সপায়ারড হয়ে এই অ্যালগরিদম বানানো । আর্টিফিশিয়াল ইন্টেলিজেন্স এর সাব ফিল্ড । উইকিপিডিয়া লিঙ্ক ।

ইভ্যুলুশান কম্পিউটিং নিয়ে এমআইটি’র জার্নাল বের হয় । এখানে সাবস্ক্রাইব করতে পারেন ।

এই বইটা জোশ ইভ্যুলুশান কম্পিউটিং এর জন্য ।

এই কোর্সটাও করতে পারেন । এখানে —

discovery based methods — এই মেথডে একজন শিক্ষার্থী তার সাথে ঘটা অতীতের কোন ঘটনা এবং তার বর্তমান জ্ঞান কাজে লাগিয়ে কোন একটা সমস্যা সমাধান করে । পড়ুন এখানে এবং এখানে । উইকিপিডিয়া এবং এখানে সুন্দর দুটো আর্টিকেল রয়েছে ।

এই টার্ম গুলার সাথেও পরিচিত হোন —

Bayesian logic, and Fuzzy logic

Qualia, Chinese Rooms, the Turing Test

আর্টিফিশিয়াল ইন্টেলিজেন্স এ ক্যারিয়ার —

Top 5 Careers in Artificial Intelligence

বই —

• Papadimitriou & Steiglitz, Combinatorial Optimization: Algorithms and Complexity: http://www.amazon.com/Combinator...
• Boyd & Vandenberghe, Convex Optimization: http://www.amazon.com/Convex-Opt...
• Lawson & Hanson, Solving Least Squares Problems: http://books.google.com/books/ab...

এছাড়াও আরো হাজার খানেক বই পাওয়া যাবে প্রতিটা বিষয়ের উপর । সময় নিয়ে লেগে থাকাটা হচ্ছে আসল কাজ ।

বাংলাদেশ এ আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করছে এমন মানুষ জন কে ফেসবুক এ ফলো করতে পারেন —

Mosharrof Rubel — Android Engineer, Software Specialist, Teacher. Facebook

Nuhil Mehdy — Founder , howtocode.com.bd. Facebook

Raqueeb Hassan — Lieutenant Colonel at Bangladesh Army . Facebook

Manash Mondal — Facebook .

ফেসবুক এ আমাদের দুটো Group আছে । জয়েন করুন। কোন প্রশ্ন থাকলে জানান ।

AI Connects — https://www.facebook.com/groups/aiconnects/

AI Geeks of Bangladesh — https://www.facebook.com/groups/ai.geeks.bd/

আমার অন্য লেখা গুলো —

চ্যাটবট কি , কেন এবং কিভাবে বানাবেন? — https://goo.gl/QD4uGM

আর্টিফিশিয়াল ইন্টেলিজেন্স এর আদ্যপান্ত — কি , কেন, কিভাবে, কোথায়?!! — https://goo.gl/XwTQjz

ডাটা সায়েন্স এর জারিজুরি । — https://goo.gl/xjif7W

‘আ’ তে আর্টিফিশিয়াল ইন্টেলিজেন্স! — https://goo.gl/ZrjmR7

নিউরনে নিউরনে নিউরাল নেটওয়ার্ক ! — https://goo.gl/1dwkzo

বাংলায় আরো ব্লগ —

jakir.me/কৃত্রিম-বুদ্ধিমত্তা

mrubel.com/blog/

ভূমিকা · মেশিন লার্নিং

আমি রিয়াদ রহমান , কাজ করি আর্টিফিশিয়াল ইন্টেলিজেন্স, ডাটা সায়েন্স নিয়ে । ফেইসবুক এ আমি । লিঙ্কইডইন এ আমি । টুইটার এ আমাকে টুইট করুন । আমার প্রতিষ্ঠান টাইগার ডিজিটাল । আমাদের কাজ । আমাদের বাঘা প্রজেক্ট । আমাদের বাঘ.com এবং মুক্তিযুদ্ধ.com 😎😎😎

Corporate Inquiry — hello@tigerdigital.xyz

Personal — ireyadrahman@gmail.com

সেটা হোক কোন কিছু ধরে অনুধাবন করতে ( the feeling when we touch something ) , কোন কিছু’র স্বাদ গ্রহণের সময় ( the taste we find while eating or drinking something ) , কোন কিছুর গন্ধ বা সেন্ট নাকের মাধ্যমে নেয়ার সময় ( the smelling ) , কোন কিছু শোনার ক্ষেত্রে ( the hearing ability ) কিংবা চোখে দেখা ( the power of vision ) , সব কিছু ব্রেইন নামক ওই আজব বস্তু টাতেই ঘটে ।

আমাদের মাথা শরীরের তুলনায় যথেষ্ট ছোট হয় , এবং ব্রেইন তার থেকেও ছোট হয় । কিন্তু এই ব্রেইন এর কারণেই আজতক আমরা দুনিয়াতে টিকে আছি এবং আখলাকুল মাখলুকাত বা সৃষ্টির সেরা জীব নামে পরিচিত । আমাদের ব্রেইন টা ছোট হতে পারে কিন্তু এর ভেতরের কল কব্জা এতই জটিল যে এক দুই লেখায় বুঝিয়ে শেষ করা অসম্ভব । এর ভেতরের একটা অংশ আরেকটা অংশের সাথে এমন ভাবে ইন্টারলিঙ্কড যে বিজ্ঞানী গণ ও মাঝে মাঝে এর কার্যকলাপ পুরোপুরি বুঝে উঠতে পারেন না ।

তার উপর এক এক জন মানুষের ব্রেইন এক এক রকমের হয় , বেসিক ফাংশনালিটি এক থাকে , কিন্তু গুরুত্বপূর্ণ অনেক বিষয়ে একে অপরের অনেক আলাদা হয় । সেই জন্যই দেখা যায় একই মায়ের দুই সন্তান দুই রকম হয় । কেউ হয় তো একটু চঞ্চল, কেউ হইত গম্ভীর , কেউ হয়ত গণিতে ভালো হয় , কেউ খারাপ ।

ব্রেইন এর এনাটমি করলে আমরা তিনটা অংশ পাবো —

যথা ক্রমে — forebrain, midbrain এবং hindbrain!

এই তিন অংশের আলাদা আলাদা কাজ রয়েছে আমি সেদিকে যাবো না । আমার আজকের লেখা হচ্ছে নিউরাল নেটওয়ার্ক নিয়ে । এখন নিউরাল নেটওয়ার্ক কি সেটা নিয়ে স্বাভাবিক ভাবেই প্রশ্ন আসতে পারে আপনার মনে , সেই জন্যই শুরুতে ব্রেইন এর একটা সংক্ষিপ্ত বর্ণনা দিয়েছি, ব্রেইন নিয়ে আরো কথা বার্তা আসবে, সেটা সময়ে সময়ে যখন দরকার পড়বে।

এই নিউরাল নেটওয়ার্ক হচ্ছে মানুষের ব্রেইন আর নার্ভাস সিস্টেম এর মত করে এক ধরনের কম্পিউটার ব্রেইন বানানো যাতে করে সেই কম্পিউটার ব্রেইন বা নিউরাল নেটওয়ার্ক বা আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক মানুষের ব্রেইন কে মিমিক ( mimic ) করতে পারে ।

নিউরাল নেটওয়ার্ক কই ব্যবহার করা হয় ?

নিউরাল নেটওয়ার্কস এর বাস্তব প্রয়োগ —

আবারো ব্রেইন এর কথায় আসি —

আমাদের ব্রেইন এর কিছু কমন বৈশিষ্ট্য হচ্ছে এটি নিজে নিজে শিখতে পারে , নানা রকম ঘটনা প্রবাহের মাধ্যমে এর অভিজ্ঞতা অর্জন হয় । আমাদের ব্রেইন কোন ঘটনা সম্পর্কে আগে থেকেই ধারণা করতে পারে, সেটা ভুল হোক শুদ্ধ হোক । প্রকৃতির সাথে অন্য প্রাণীরা যেমন নিজেদের মানিয়ে নেয় আমাদের ব্রেইন ও সেই ভাবে আমাদের জীবনের সাথে মানিয়ে নেয় , যেমন আপনি যদি খুব বেশি স্ট্রেস এর ভিতর থাকেন আপনার ব্রেইন স্বাভাবিক এর তুলনায় ছোট হয়ে যাবে । আমাদের ব্রেইন খুব সহজে প্যাটার্ন চিনতে পারে , কোন একটা পরিবেশ স্বাভাবিক না অস্বাভাবিক তা ধরতে পারে । এই কাজ টা খুব সহজ মনে হতে পারে , কিন্তু এর পিছনে বিশাল কর্মযজ্ঞ রয়েছে যেটা আপনি কেবল কম্পিউটার কে শেখাতে গিয়ে বুঝতে পারবেন ।

আবার ধরেন কাউকে প্রপোজ করবেন , তো আপনার ব্রেইন আপনাকে আগে থেকেই একটা ডিসিশন দিতে পারে , এই মেয়েকে এখনি প্রপোজ দিয়ো না , মাইর খাইতে পারো , তো আপনি যদি ব্রেইন এর ডিসিশন ফলো করেন তাহলে মাইর খাবার সম্ভাবনা নাই, কিন্তু যদি হৃদয়ের কথা শুনতে যান , তাহলে মাইর খেলে আমি দায়ী না! ব্যাপারটা হচ্ছে ব্রেইন আপনাকে ক্রিটিকাল ডিসিশান নিতে সাহায্য করে ।

নিউরাল নেটওয়ার্ক কিংবা আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক এর কাজ এটাই । একটা আর্টিফিশিয়াল ব্রেইন বানানো । গুগল কিন্তু বানিয়ে ফেলেছে একটা গুগল ব্রেইন নামে!

নিচে গুগল ব্রেইন এর একটা ইনফোগ্রাফিক দিলাম , পড়ে দেখেন —

গুগল ব্রেইন সম্পর্কে মজার কিছু তথ্য —

তো আবার ব্রেইন এর কাছে আসি । ব্রেইন হচ্ছে ন্যাচারাল নিউরাল নেটওয়ার্ক । ব্রেইন এর সবচেয়ে গুরুত্বপূর্ণ উপাদান গুলো’র একটা হলো নিউরণ । প্রত্যেক্টা নিউরণ তার মত আরো হাজার হাজার নিউরণের সাথে ইন্টার কানেক্টেড । নিউরণ গুলো সবসময় একে অপরের কাছে সিগন্যাল পাঠাচ্ছে । ব্রেইন এর নিউরণ আর কম্পিউটার এর নিউরণ এর মাঝে বিশাল পার্থক্য হচ্ছে ব্রেইন এক সাথে সব নিউরণ কে সচল রাখতে পারে ( fire up ) , কম্পিউটার ঠিক তার উলটো ।

কম্পিউটার এর একটা নিউরণ ফায়ার করতে একশো প্রসেস পার করতে হয় । যেমন ফেইস রকগনিশন বা আপনাকে দেখে চিনতে পারা ক্ষমতা তৈরি করতে একটা কম্পিউটারকে বিলিয়ন রকম প্রসেসিং এর মধ্য দিয়ে যেতে হয় , আপনার ব্রেইন এর সেটা করতে ১ সেকেন্ড এর ও কম লাগে ।

সো কে বেশি শক্তিশালী? আপনার ব্রেইন নাকি কম্পিউটার এর ব্রেইন ?

চলুন নিউরাল নেটওয়ার্ক নিয়ে একটা ভিডিও দেখে ফেলি —

প্রাথমিক ইন্ট্রো দিয়ে ফেলেছি । কম্পিউটার সায়েন্সের ছেলে মেয়ে হলে আর আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করতে চাইলে নিউরাল নেটওয়ার্ক পড়তেই হবে । আর শখের বশে শিখতে চাইলেও তো কথা নেই!

লেখার এই অংশ থেকেই মূলত আমাদের নিউরাল নেটওয়ার্ক জটিল জগতে প্রবেশ করতেসি!

নিউরাল ওয়ার্ক নিয়ে শেখার আগে আমরা জানবো এর কি কি ফাংশন আছে এবং ব্যবহার —

এছাড়াও পরবর্তী পোস্ট সমুহে ব্যবহার করবো এমন কিছু নিউরাল নেটওয়ার্কস চিহ্ন (symbol ) এই পোস্ট এ দিয়ে দিলাম ।

নিউরাল নেটওয়ার্ক হচ্ছে এক প্রকার মাল্টি প্রসেসিং কম্পিউটার সিস্টেম । যেখানে —

প্রসেসিং এর জন্য সিম্পল প্রসেসিং এলিমেন্টস থাকে ।

এলিমেন্টস সমূহের মাঝে উচ্চ মানের ইন্টার কানেকশন থাকে ।

এলিমেন্টস গুলা এডাপ্টিভ হয় ।

নিউরাল নেটওয়ার্ক এর তিনটা বেসিক কম্পোনেন্ট হচ্ছে —

1. Weights
2. Thresholds
3. Activation Function

Weights হচ্ছে দুইটা নিউরাল নোড বা এলিমেন্টস এর মাঝে যে কানেকশন থাকে তারা কত শক্তিশালী ।

কোন একটা নিউরাল নেটওয়ার্ক এর যেকোন একক নিউরণ কে Thresholds বলা হয় । এটা একটা লিনিয়ার ফাংশন । কারণ এটি ডিসিশন নেয় একে যে রকম তথ্য প্রেরণ করা হয় কিংবা নিউরণে নিউরণে কিরকম Weights বিদ্যমান সেটার উপর ভিত্তি করে ।

Activation Function বা ট্রান্সফার ফাংশন হলো কোন একটা নোড এর ইনপুট করা তথ্যের উপর প্রাপ্ত আউটপুট ।

এক্টিভেশন ফাংশন আবার অনেক রকম হয় —

1. Identity function.
2. Binary step function.
3. Bipolar step function.
4. Sigmoidal function — ( 1. Binary sigmoidal function. ) & (2. Bipolar sigmoidal function. )
5. 5. Ramp function.

এগুলো নিয়ে পরের কোন লেখায় আলোচনা থাকবে । মনে করায়ে দিয়েন!

একটা বায়োলজিকাল নিউরনে ১০,০০০ ভিন্ন ভিন্ন ইনপুট থাকতে পারে ; এবং সে চাইলেই এই ১০,০০০ ইনপুট থেকে প্রাপ্ত আউটপুট অন্যান্য নিউরণে পাঠাতে পারে । নিউরণ গুলা একে অপরের সাথে ৩-ডায়মেনশনাল প্যাটার্নে সংযুক্ত থাকে ।

কিন্তু কথা হচ্ছে আমাদের ব্রেইন এর কার্যকলাপ আরো জটিল । আমরা আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক এ যা দেখছি শিখছি, তা মানুষের ব্রেইন এর নিউরাল নেটওয়ার্ক এর কাছে দুগ্ধ পোষ্য শিশু ।

এখন আমরা দেখবো

একটি আডাপ্টিভ সিম্পল নিউরাল নেটওয়ার্ক । এই নেট ওয়ার্ক এর দুইটা ইনপুট একটা আউটপুট আছে । সব গুলো বাইনারি । আউটপুট গুলো হলো ১ এবং ০ । অর্থাৎ এই নেটওয়ার্ক এ আউটপুট ১ অথবা ০ হবে যখন ইনপুট নিচের মত হবে —

1 if W0 *I0 + W1 * I1 + Wb > 0

0 if W0 *I0 + W1 * I1 + Wb <= 0

এই সিম্পল এডাপ্টিভ নিউরাল নেটওয়ার্ক দিয়ে আমরা কি করতে চাচ্ছি? যাতে করে এটি সবসময় রেজাল্ট ১ দেখায় যদি I0 বা I1 এর মান ১ হয় ।

The network adapts as follows: change the weight by an amount proportional to the difference between the desired output and the actual output.

এইটাকে একটা ইকুয়েশন আকারে লিখলে এরকম হবে —

Δ Wi = η * (D-Y).Ii

এখানে η হচ্ছে লার্নিং রেট বা মেশিনের শেখার হার , D হচ্ছে আমরা যে রেজাল্ট আশা করতেসি । Y হচ্ছে যে রেজাল্ট মেশিন জেনারেট করতেসে ।

এইটাকে বলা হয় পারসেপট্রন লার্নিং রুল —

এরপর আসে Back-Propagated Delta Rule Networks । এটি একটি ফিড ফরওয়ার্ড নেট ওয়ার্ক ।

Back-Propagated Delta Rule Networks আবার simple perceptron এর অংশ ।

Back-Propagated Delta Rule Networks (BP)is a development from the simple Delta rule in which extra hidden layers (layers additional to the input and output layers, not connected externally) are added. The network topology is constrained to be feedforward: i.e. loop-free — generally connections are allowed from the input layer to the first (and possibly only) hidden layer; from the first hidden layer to the second,…, and from the last hidden layer to the output layer.

Back-Propagated বা ( BP network ) আর্কিটেকচার সাধারণত তিন ধরণের লেয়ার দিয়ে তৈরি ।

আউটপুট লেয়ার — হিডেন লেয়ার — ইনপুট লেয়ার —

বিপি নেটওয়ার্ক আবার ফরওয়ার্ড পাস এবং ব্যাকওয়ার্ড পাস এর কম্বিনেশন ।

বিপি নেটওয়ার্ক এর পর আসে Radial Basis function Networks । এটি ও ফিড ফরওয়ার্ড কিন্তু এটাতে কেবল একটি মাত্র হিডেন লেয়ার থাকে ।

এখন কথা হচ্ছে সিম্পল পারসেপশন , বিপি নেটওয়ার্ক , আরবিপি নেট ওয়ার্ক কে কোন কিছু শেখাতে হলে টিচার বা মিডিয়াম লাগে । এবং টিচার বলে দেয় আউটপুট কি হওয়া উচিৎ । তাই এগুলো হল সুপারভাইজড নিউরাল নেটওয়ার্ক , যেখানে একজন টিচার সব কিছু দেখাশোনা করে ।

আরেকধরনের নিউরাল নেটওয়ার্ক রয়েছে যেটাকে আমরা বলি আনসুপারভাইজড নিউরাল নেটওয়ার্ক , যেটি কিনা এর ইনপুট থেকে নিজে নিজে শিখে ।

আনসুপারভাইজড নিউরাল নেট ওয়ার্ক এর ব্যবহার —

clustering data:

exactly one of a small number of output units comes on in response to an input.

reducing the dimensionality of data:

data with high dimension (a large number of input units) is compressed into a lower dimension (small number of output units).

আনসুপারভাইজড নিউরাল নেট ওয়ার্ক সুপারভাইজড নিউরাল নেট ওয়ার্ক এর তুলনায় ধীরগতির ।

আজ এ পর্যন্তই! এতো কিচ্ছু পড়ে পড়ে যদি মাথা গরম হয়ে যায় তবে আমি দায়ী নই! যদি নিউরাল নেটওয়ার্ক নিয়ে আরো পড়তে চান তবে —

• A Visual and Interactive Guide to the Basics of Neural Networks
• Hacker's guide to Neural Networks
• CS231n Deep Learning for Computer Vision
• How to build a simple neural network in 9 lines of Python code
• Implementing a Neural Network from Scratch in Python - An Introduction
• Home - colah's blog
• Andrej Karpathy blog

নিউরাল নেটওয়ার্ক এর উপর একটা চার্ট —

নিউরাল নেটওয়ার্ক এর উপর বই —

Amazon Best Sellers: Best Computer Neural Networks

আমার অন্যান্য লেখা —

• ডাটা সায়েন্স এর জারিজুরি ।আর্টিফিশিয়াল ইন্টেলিজেন্স
• ‘আ’ তে আর্টিফিশিয়াল ইন্টেলিজেন্স! 😎😎😎
• আর্টিফিশিয়াল ইন্টেলিজেন্স এর আদ্যপান্ত — কি , কেন, কিভাবে, কোথায়?!! 😎😎😎
• চ্যাটবট কি , কেন এবং কিভাবে বানাবেন?

আমি রিয়াদ রহমান , কাজ করি আর্টিফিশিয়াল ইন্টেলিজেন্স, ডাটা সায়েন্স নিয়ে । ফেইসবুক এ আমি । লিঙ্কইডইন এ আমি । টুইটার এ আমাকে টুইট করুন । আমার প্রতিষ্ঠান টাইগার ডিজিটাল । আমাদের কাজ । আমাদের বাঘা প্রজেক্ট । আমাদের বাঘ.com এবং মুক্তিযুদ্ধ.com 😎😎😎

Corporate Inquiry — hello@tigerdigital.xyz

Personal — ireyadrahman@gmail.com

প্রথমত ডাটা কি ?

আপনি যে ফেসবুক এ স্ট্যাটাস দিচ্ছেন, ইন্সটাগ্রাম এ ছবি পোস্ট করতেসেন, স্ন্যাপচ্যাট এ ভিডিও দিচ্ছেন, ইউটিউবে ভিডিও দেখতেসেন, লাইক, কমেন্ট করতেসেন এগুলোর সবই ডাটা । এটা গেলো অনলাইনের উদাহরণ । অফলাইন এর উদাহরণ দিতে বললে বলবো আপনি প্রতিদিন যা যা করেন , তার সবই কোন না কোন ডাটা বা তথ্যের জন্ম দিচ্ছে ।

তাহলে নিশ্চয়ই ডাটা সায়েন্স ডাটা নিয়ে কাজ কারবার!

জি, ঠিক ধরেছেন । পৃথিবীতে বর্তমান মানুষ জন এর সংখ্যা কত? প্রতিদিন কি পরিমাণ মানুষ বাড়ছে? এবং প্রতিদিন কি পরিমাণ ডাটা জেনারেট হচ্ছে ? নিচের এই ইনফোগ্রাফিক দেখলে আপনার চক্ষু চড়ক গাছ হয়ে যাবে!

এতো এতো ডাটা নিয়ে আমরা কি করবো?

কত কিছু করার আছে! আপনি ফেসবুক এর মালিক হলে এই ডাটা ব্যবহার করে ইউজার দের জন্য সঠিক অ্যাডভারটাইজমেনট করতে পারবেন, অ্যামাজন এর মালিক হলে ইউজার কোন পণ্য পছন্দ করে সেটা বের করতে পারবেন তারপর সে অনুযায়ী বিজ্ঞাপন দিতে পারবেন! আবার উবার এর মালিক হলে ভিন্ন ভিন্ন ইউজার এর চাহিদা এবং টেস্ট অনুযায়ী একই দূরত্বে ভিন্ন ভিন্ন ভাড়া আদায় করতে পারবেন! এমন কোন ইন্ডাস্ট্রি নাই যেখানে ডাটা নিয়ে কাজ হয় না , কিংবা ডাটা সায়েন্স এর অ্যাপ্লিকেশন নাই!

যারা ডাটা নিয়ে কাজ করে তাদের বলে ডাটা সায়েন্টিস্ট!

ইউএস এ ডাটা সায়েন্টিস্ট দের বেতন প্রতি বছর ডলারে! —

একজন ডাটা সায়েন্টিস্ট হতে হলে কি কি জানতে হয় ?

ডাটা ইঞ্জিনিয়ার , ডাটা সায়েন্টিস্ট এবং ডাটা এনালিস্ট এর মধ্যে পার্থক্য —

ডাটা সায়েন্স এর ইতিহাস (জুম করে দেখুন) —

পুরো বিশ্ব যেভাবে আগাচ্ছে এবং যে গতিতে আগাচ্ছে আপনাকে একটা সময় না একটা সময় গিয়ে ডাটা সায়েন্স শিখতেই হবে, সে আপনি একটা কোম্পানি’র সিইও হোন, ম্যানেজার হোন , একাউন্টেন্ট কিংবা প্রোগ্রাম্মার হোন ।

ভবিষ্যতে ক্যারিয়ার —

ডাটা সায়েন্টিস্ট হতে কি কি শিখতে হয় ?

এতো গেলো সাধারণ একটা পরিচিতি । ইন্টারনেট এ ডাটা সায়েন্স নিয়ে যে পরিমাণ লেখালেখি হয়েছে , ব্লগ , বই , ভিডিও রয়েছে একজন গণিতে আর প্রোগ্রাম্মিং এ ভালো হলে শুধু সময় ইনভেস্ট করেই ডাটা সায়েন্টিস্ট হতে পারে প্রায় কোন খরচ ছাড়াই । কিন্তু এতো এতো টিউটোরিয়াল, ব্লগ, বইয়ের ভিড়ে একজন সহজেই হারিয়ে যেতে পারে । The Awesome List এর সাহায্য নিয়ে এই পোস্ট সেরা সেরা লেখক, তাদের টুইটার একাউন্ট, বই, পাব্লিকেশন এর একটা বিস্তারিত লিস্ট আমি এখানে দিলাম । নিজের পছন্দ মত শুরু করে দিন ডাটা সায়েন্স শেখা এবং অনুশীলন করা । ওহ শেয়ার করতে ভুলবেন না! ;)

আরেকটা কনফিউশন হতে পারে আপনি পাইথন শিখবেন না R প্রোগ্রাম্মিং শিখবেন । আশা করি নিচের এই ইনফোগ্রাফ দেখলে সেটাও দূর হয়ে যাবে!

এই লেখার একদম শেষ অংশে কোর্স এবং বইয়ের লিস্ট দেয়া হয়েছে । আমার সাজেশন থাকবে আগের শুরু’র ব্লগ, ওয়েবসাইট এগুলো ঘুরে ঘুরে দেখা, নতুন নতুন টার্ম শিখে নোট করে রাখা । তারপর কোর্স বা বই যে কোনটা শুরু করতে পারেন ।

ডাটা সায়েন্স ব্লগ —

• DataTau: Like Hacker News, but for data
• FiveThirtyEight: Data-related journalism
• R-bloggers: R news and tutorials contributed by hundreds of bloggers
• Yhat Blog: Lots of beginner-friendly content, usually in Python or R
• No Free Hunch: Kaggle’s competition and data science blog
• Simply Statistics: From the Biostatistics professors that run Coursera’s Data Science Specialization
• Data Science 101: Lots of short, timely posts
• Simply Statistics: Written by the Biostatistics professors at Johns Hopkins University who also run Coursera’s Data Science Specialization
• yhat’s blog: Beginner-friendly content, usually in Python
• No Free Hunch (Kaggle’s blog): Mostly interviews with competition winners, or updates on their competitions
• FastML: Various machine learning content, often with code
• Edwin Chen: Infrequently updated, but long and thoughtful pieces
• FiveThirtyEight: Tons of timely data-related content
• Machine Learning Mastery: Frequent posts on machine learning, very accessible
• Data School: Kevin Markham’s blog! Beginner-focused, with reference guides and videos
• MLWave: Detailed posts on Kaggle competitions, by a Kaggle Master
• Data Science 101: Short, frequent content about all aspects of data science
• ML in the Valley: Thoughtful pieces by the Director of Analytics at Codecademy

ডাটা সায়েন্স ব্লগার —

• Wes McKinney — Wes McKinney Archives.
• Matthew Russell — Mining The Social Web.
• Greg Reda — Greg Reda Personal Blog
• Kevin Davenport — Kevin Davenport Personal Blog
• Julia Evans — Recurse Center alumna
• Hakan Kardas — Personal Web Page
• Sean J. Taylor — Personal Web Page
• Drew Conway — Personal Web Page
• Hilary Mason — Personal Web Page
• Noah Iliinsky — Personal Blog
• Matt Harrison — Personal Blog
• Data Science Renee Documenting my path from “SQL Data Analyst pursuing an Engineering Master’s Degree” to “Data Scientist”
• Vamshi Ambati — AllThings Data Sciene
• Prash Chan — Tech Blog on Master Data Management And Every Buzz Surrounding It
• Clare Corthell — The Open Source Data Science Masters
• Paul Miller Based in the UK and working globally, Cloud of Data’s consultancy services help clients understand the implications of taking data and more to the Cloud.
• Data Science London Data Science London is a non-profit organization dedicated to the free, open, dissemination of data science. We are the largest data science community in Europe. We are more than 3,190 data scientists and data geeks in our community.
• Datawrangling by Peter Skomoroch. MACHINE LEARNING, DATA MINING, AND MORE
• John Myles White Personal Blog
• Quora Data Science — Data Science Questions and Answers from experts
• Siah a PhD student at Berkeley
• Data Science Report MDS, Inc. Helps Build Careers in Data Science, Advanced Analytics, Big Data Architecture, and High Performance Software Engineering
• Louis Dorard a technology guy with a penchant for the web and for data, big and small
• Machine Learning Mastery about helping professional programmers to confidently apply machine learning algorithms to address complex problems.
• Daniel Forsyth — Personal Blog
• Data Science Weekly — Weekly News Blog
• Revolution Analytics — Data Science Blog
• R Bloggers — R Bloggers
• The Practical Quant Big data
• Micheal Le Gal a data enthusiast who gets hooked on solving intriguing problems and crafting beautiful stories and visualizations with data. Over the past 5 years, He haas applied statistics to solve problems in government, brain sciences, and most recently, retail.
• Datascope Anayltics data-driven consulting and design
• Yet Another Data Blog Yet Another Data Blog
• Spenczar a data scientist at Twitch. I handle the whole data pipeline, from tracking to model-building to reporting.
• KD Nuggets Data Mining, Analytics, Big Data, Data, Science not a blog a portal
• Meta Brown — Personal Blog
• Data Scientist is building the data scientist culture.
• WhatSTheBigData is some of, all of, or much more than the above and this blog explores its impact on information technology, the business world, government agencies, and our lives.
• Mic Farris Focusing on science, datascience, business, technology, and channeling inner geekness!
• Tevfik Kosar — Magnus Notitia
• New Data Scientist How a Social Scientist Jumps into the World of Big Data
• Harvard Data Science — Thoughts on Statistical Computing and Visualization
• Data Science 101 — Learning To Be A Data Scientist
• Kaggle Past Solutions
• DataScientistJourney
• NYC Taxi Visualization Blog
• Learning Lover
• Dataists
• Data-Mania
• Data-Magnum
• Map Reduce Blog
• FastML Blog
• P-value — Musings on data science, machine learning and stats.
• datascopeanalytics
• Digital transformation
• datascientistjourney
• Data Mania Blog
• The File Drawer — Chris Said’s science blog
• Emilio Ferrara’s web page
• DataNews
• Reddit TextMining
• Periscopic
• Hilary Parker
• Data Stories
• Data Science Lab
• Meaning of
• Adventures in Data Land
• DATA MINERS BLOG
• Dataclysm
• FlowingData — Visualization and Statistics
• Calculated Risk
• O’reilly Learning Blog
• Dominodatalab
• i am trask — A Machine Learning Craftsmanship Blog
• Vademecum of Practical Data Science — Handbook and recipes for data-driven solutions of real-world problems
• Dataconomy — A blog on the new emerging data economy
• Springboard — A blog with resources for data science learners
• Analytics Vidhya — A full-fledged website about data science and analytics study material.
• Occam’s Razor — Focused on Web Analytics.
• Data School — Data science tutorials for beginners!
• Colah’s Blog — Blog for understanding Neural Networks!
• Sebastian’s Blog — Blog for NLP and transfer learning!
• Distill — Dedicated to clear explanations of machine learning!

ডাটা সায়েন্স এর উপর পডকাস্ট —

• Adversarial Learning
• Becoming a Data Scientist
• Data Crunch
• Data Skeptic
• Data Stories
• Learning Machines 101
• Linear Digressions
• Not So Standard Deviations
• Partially Derivative
• Superdatascience
• What’s The Point

ডাটা সায়েন্স নিয়ে ফেসবুক এ —

• Data
• Big Data Scientist
• Data Science 101
• Data Science Day
• Data Science Academy
• Facebook Data Science Page
• Data Science London
• Data Science Technology and Corporation
• Data Science — Closed Group
• Center for Data Science
• Big data hadoop NOSQL Hive Hbase
• Analytics, Data Mining, Predictive Modeling, Artificial Intelligence
• Big Data Analytics using R
• Big Data Analytics with R and Hadoop
• Big Data Learnings
• Big Data, Data Science, Data Mining & Statistics
• BigData/Hadoop Expert
• Data Mining / Machine Learning / AI
• Data Mining/Big Data — Social Network Ana
• Vademecum of Practical Data Science
• Veri Bilimi Istanbul
• The Data Science Blog

ডাটা সায়েন্স নিয়ে টুইটার এ যাদের ফলো করবেন —

• Big Data Combine — Rapid-fire, live tryouts for data scientists seeking to monetize their models as trading strategies
• Big Data Mania — Data Viz Wiz | Data Journalist | Growth Hacker | Author of Data Science for Dummies (2015)
• Big Data Science — Big Data, Data Science, Predictive Modeling, Business Analytics, Hadoop, Decision and Operations Research.
• Charlie Greenbacker — Director of Data Science at @ExploreAltamira
• Chris Said — Data scientist at Twitter
• Clare Corthell — Dev, Design, Data Science @mattermark #hackerei
• DADI Charles-Abner — #datascientist @Ekimetrics. , #machinelearning #dataviz #DynamicCharts #Hadoop #R #Python #NLP #Bitcoin #dataenthousiast
• Data Science Central — Data Science Central is the industry’s single resource for Big Data practitioners.
• Data Science London Data Science. Big Data. Data Hacks. Data Junkies. Data Startups. Open Data
• Data Science Renee — Documenting my path from SQL Data Analyst pursuing an Engineering Master’s Degree to Data Scientist
• Data Science Report — Mission is to help guide & advance careers in Data Science & Analytics
• Data Science Tips — Tips and Tricks for Data Scientists around the world! #datascience #bigdata
• Data Vizzard — DataViz, Security, Military
• DataScienceX
• deeplearning4j -
• DJ Patil — White House Data Chief, VP @ RelateIQ.
• Domino Data Lab
• Drew Conway — Data nerd, hacker, student of conflict.
• Emilio Ferrara — #Networks, #MachineLearning and #DataScience. I work on #Social Media. Postdoc at @IndianaUniv
• Erin Bartolo — Running with #BigData — enjoying a love/hate relationship with its hype. @iSchoolSU #DataScience Program Mgr.
• Greg Reda Working @ GrubHub about data and pandas
• Gregory Piatetsky — KDnuggets President, Analytics/Big Data/Data Mining/Data Science expert, KDD & SIGKDD co-founder, was Chief Scientist at 2 startups, part-time philosopher.
• Gregory Piatetsky — KDnuggets President, Analytics/Big Data/Data Mining/Data Science expert, KDD & SIGKDD co-founder, was Chief Scientist at 2 startups, part-time philosopher.
• Hakan Kardas — Data Scientist
• Hilary Mason — Data Scientist in Residence at @accel.
• Jeff Hammerbacher ReTweeting about data science
• John Myles White Scientist at Facebook and Julia developer. Author of Machine Learning for Hackers and Bandit Algorithms for Website Optimization. Tweets reflect my views only.
• Juan Miguel Lavista — Principal Data Scientist @ Microsoft Data Science Team
• Julia Evans — Hacker — Pandas — Data Analyze
• Kenneth Cukier — The Economist’s Data Editor and co-author of Big Data (http://big-data-book.com ).
• Kevin Davenport — Organizer of https://meetup.com/San-Diego-R-Users-Group/
• Kevin Markham — Data science instructor, and founder of Data School
• Kim Rees — Interactive data visualization and tools. Data flaneur.
• Kirk Borne — DataScientist, PhD Astrophysicist, Top #BigData Influencer.
• Linda Regber — Data story teller, visualizations.
• Luis Rei — PhD Student. Programming, Mobile, Web. Artificial Intelligence, Intelligent Robotics Machine Learning, Data Mining, Natural Language Processing, Data Science.
• Machine Learning — Live Content Curated by top 1K Machine Learning Experts
• Mark Stevenson — Data Analytics Recruitment Specialist at Salt (@SaltJobs) | Analytics — Insight — Big Data — Datascience
• Matt Harrison — Opinions of full-stack Python guy, author, instructor, currently playing Data Scientist. Occasional fathering, husbanding, ult|goalt-imate, organic gardening.
• Matthew Russell — Mining the Social Web.
• Mert Nuhoğlu Data Scientist at BizQualify, Developer
• Monica Rogati — Data @ Jawbone. Turned data into stories & products at LinkedIn. Text mining, applied machine learning, recommender systems. Ex-gamer, ex-machine coder; namer.
• Noah Iliinsky — Visualization & interaction designer. Practical cyclist. Author of vis books: http://www.oreilly.com/pub/au/4419
• Paul Miller — Cloud Computing/ Big Data/ Open Data Analyst & Consultant. Writer, Speaker & Moderator. Gigaom Research Analyst.
• Peter Skomoroch — Creating intelligent systems to automate tasks & improve decisions. Entrepreneur, ex Principal Data Scientist @LinkedIn. Machine Learning, ProductRei, Networks
• Prash Chan — Solution Architect @ IBM, Master Data Management, Data Quality & Data Governance Blogger. Data Science, Hadoop, Big Data & Cloud.
• Quora Data Science Quora’s data science topic
• R-Bloggers — Tweet blog posts from the R blogosphere, data science conferences and (!) open jobs for data scientists.
• Rand Hindi
• Randy Olson — Computer scientist researching artificial intelligence. Data tinkerer. Community leader for @DataIsBeautiful. #OpenScience advocate.
• Recep Erol — Data Science geek @ UALR
• Ryan Orban — Data scientist, genetic origamist, hardware aficionado
• Sean J. Taylor — Social Scientist. Hacker. Facebook Data Science Team. Keywords: Experiments, Causal Inference, Statistics, Machine Learning, Economics.
• Silvia K. Spiva — #DataScience at Cisco
• Spencer Nelson — Data nerd
• Talha Oz — Enjoys ABM, SNA, DM, ML, NLP, HI, Python, Java. Top percentile kaggler/data scientist
• Tasos Skarlatidis — Complex Event Processing, Big Data, Artificial Intelligence and Machine Learning. Passionate about programming and open-source.
• Terry Timko — InfoGov; Bigdata; Data as a Service; Data Science; Open, Social & Business Data Convergence
• Tony Baer — IT analyst with Ovum covering Big Data & data management with some systems engineering thrown in.
• Tony Ojeda — Data Scientist | Author | Entrepreneur. Co-founder @DataCommunityDC. Founder @DistrictDataLab. #DataScience #BigData #DataDC
• Vamshi Ambati — Data Science @ PayPal. #NLP, #machinelearning; PhD, Carnegie Mellon alumni (Blog: https://allthingsds.wordpress.com )
• Wes McKinney — Pandas (Python Data Analysis library).
• WileyEd — Senior Manager — @Seagate Big Data Analytics | @McKinsey Alum | #BigData + #Analytics Evangelist | #Hadoop, #Cloud, #Digital, & #R Enthusiast
• WNYC Data News Team — The data news crew at @WNYC. Practicing data-driven journalism, making it visual and showing our work. @SkymindIO’s open-source deep learning for the JVM. Integrates with Hadoop, Spark. Distributed GPU/CPUs | http://nd4j.org | https://www.skymind.ai/

নিউজলেটার —

• Data Elixir: Carefully curated data science news and resources
• O’Reilly Data Newsletter: More business-focused
• Python Weekly: Python news and resources

ডাটা সায়েন্স জারনাল/পাব্লিকেশন/ম্যাগাজিন —

• ICML — International Conference on Machine Learning
• epjdatascience
• Journal of Data Science — an international journal devoted to applications of statistical methods at large
• Big Data Research
• Journal of Big Data
• Big Data & Society
• Data Science Journal
• datatau.com/news — Like Hacker News, but for data
• Data Science Trello Board

ডাটা সায়েন্স এর উপর প্রেজেন্টেশন —

• How to Become a Data Scientist
• Introduction to Data Science
• Intro to Data Science for Enterprise Big Data
• How to Interview a Data Scientist
• How to Share Data with a Statistician
• The Science of a Great Career in Data Science
• What Does a Data Scientist Do?
• Building Data Start-Ups: Fast, Big, and Focused
• How to win data science competitions with Deep Learning

ডাটা সায়েন্স কম্পিটিশন -

• Kaggle
• DrivenData
• Analytics Vidhya
• The Data Science Game
• InnoCentive
• TuneedIT

ডাটা সায়েন্স এর উপর বই —

ওপেন সোর্স -

ডাটা সায়েন্স এর উপর বই এর কথা আসলে শুরু তে যে বই টা থাকবে সেটা হলো -

Bayesian Methods for Hackers

পাইথন এ লেখা এই বই যে কারো জ্ঞান ভান্ডার সমৃধ করবে ।

বই এ রয়েছে —

• Chapter 1: Introduction to Bayesian Methods Introduction to the philosophy and practice of Bayesian methods and answering the question, “What is probabilistic programming?”
• Chapter 2: A little more on PyMC We explore modeling Bayesian problems using Python’s PyMC library through examples. How do we create Bayesian models?
• Chapter 3: Opening the Black Box of MCMC We discuss how MCMC, Markov Chain Monte Carlo, operates and diagnostic tools.
• Chapter 4: The Greatest Theorem Never Told We explore an incredibly useful, and dangerous, theorem: The Law of Large Numbers.
• Chapter 5: Would you rather lose an arm or a leg? The introduction of loss functions and their (awesome) use in Bayesian methods.
• Chapter 6: Getting our prior-ities straight Probably the most important chapter. We examine our prior choices and draw on expert opinions craft priors.
• Chapter X1: Bayesian methods in Machine Learning and Model Validation We explore how to resolve the overfitting problem plus popular ML methods.
• Chapter X2: More PyMC Hackery We explore the gritty details of PyMC.

বইয়ের গিটহাব লিঙ্ক — Bayesian Methods for Hackers

ফ্রি বইয়ের তালিকা —

Think Stats

From Algorithms to Z Scores

Introduction to Linear Algebra

Matrix Computation

Introduction of Math of Neural Networks

Introduction to Bayesian Statistics

এছাড়া আরো যে ৯ টি বই আপনি পড়তে পারেন —

R for Data Science

R for Everyone: Advanced Analytics and Graphics

R Graphics Cookbook

Applied Predictive Modeling

Mastering Machine Learning with R

Practical Data Science with R

Mastering Python for Data Science

Introduction to Machine Learning with Python

Programming Collective Intelligence

অনলাইনে ডাটা সায়েন্স এর উপর এই ২১ টা কোর্স করতে পারেন —

Data Science Specialization

Coursera’ র এই কোর্স এ আপনি একই সাথে R প্রোগ্রাম্মিং এবং ডাটা সায়েন্স শিখতে পারবেন ।

এই স্পেশালাইজড কোর্স এ আপনার প্রতি মাসে খরচ হবে ৪৯ ডলার । তবে আপনি ফ্রি তে এই কোর্স সম্পন্ন করতে পারবেন কিন্তু কোন সার্টিফিকেট পাবেন না ।

এই স্পেশাইলাইজড কোর্স এর অন্তর্ভুক্ত কোর্স সমূহ হচ্ছে —

1. The Data Scientist’s Toolbox
2. R Programming
3. Getting and Cleaning Data
4. Exploratory Data Analysis
5. Reproducible Research
6. Statistical Inference
7. Regression Models
8. Practical Machine Learning
9. Developing Data Products
10. Data Science Capstone

আর আপনি যদি পাইথন এ পারদর্শী হোন তবে এই এই কোর্স আপনার জন্য —

Applied Data Science with Python Specialization

এই স্পেশালাইজড কোর্স এ আপনার প্রতি মাসে খরচ হবে ৭৯ ডলার । তবে আপনি ফ্রি তে এই কোর্স সম্পন্ন করতে পারবেন কিন্তু কোন সার্টিফিকেট পাবেন না ।

এই স্পেশাইলাইজড কোর্স এর অন্তর্ভুক্ত কোর্স সমূহ হচ্ছে —

1. Introduction to Data Science in Python
2. Applied Plotting, Charting & Data Representation in Python
3. Applied Machine Learning in Python
4. Applied Text Mining in Python
5. Applied Social Network Analysis in Python

কিংবা ধরেন ডাটা প্যাটার্ন রিকগনাইজ করা, ডাটা ভিজুয়ালাইজ করা এগুলা শিখতে চান তাহলে এই কোর্স আপনার জন্য ।

Data Mining Specialization

এই স্পেশালাইজড কোর্স এ আপনার প্রতি মাসে খরচ হবে ৭৯ ডলার । তবে আপনি ফ্রি তে এই কোর্স সম্পন্ন করতে পারবেন কিন্তু কোন সার্টিফিকেট পাবেন না ।

এই স্পেশাইলাইজড কোর্স এর অন্তর্ভুক্ত কোর্স সমূহ হচ্ছে —

1. Data Visualization
2. Text Retrieval and Search Engines
3. Text Mining and Analytics
4. Pattern Discovery in Data Mining
5. Cluster Analysis in Data Mining
6. Data Mining Capstone

ডাটা সায়েন্স এর আরেকটা জনপ্রিয় কোর্স দেয় ডাটা ক্যাম্প । আপনি যদি পাইথন এ বিগিনার ও হোন ডাটা ক্যাম্প এর এই কোর্স এর মাধ্যমে আপনি একাধারে পাইথন ব্যসিক, ডাটা মেনিপুলেশন, মেশিন লার্নিং লাইব্রেরিজ , কিভাবে ডাটা ইম্পোরট, ক্লিন, ম্যানিপুলেট এবং স্টোর করতে হয় এবং সেগুলো দিয়ে কিভাবে সুপারভাইজড এবং আন সুপারভাইজড মেশিন লার্নিং অ্যাপ্লিকেশন করা যায় তার সবই শিখতে পারবেন!

কোর্স এর নাম —

Data Scientist with Python

৬৭ ঘন্টা ব্যাপি এই প্যাকেজ কোর্স এ সর্বমোট ১৯ টা কোর্স রয়েছে ।

1. Intro to Python for Data Science
2. Intermediate Python for Data Science
3. Python Data Science Toolbox (Part 1)
4. Python Data Science Toolbox (Part 2)
5. Importing Data in Python (Part 1)
6. Importing Data in Python (Part 2)
7. Cleaning Data in Python
8. pandas Foundations
9. Manipulating DataFrames with pandas
10. Merging DataFrames with pandas
11. Introduction to Databases in Python
12. Introduction to Data Visualization with Python
13. Interactive Data Visualization with Bokeh
14. Statistical Thinking in Python (Part 1)
15. Statistical Thinking in Python (Part 2)
16. Supervised Learning with scikit-learn
17. Unsupervised Learning in Python
18. Network Analysis in Python (Part 1)
19. Machine Learning with the Experts: School Budgets

আর যদি পাইথন না ব্যবহার করে R প্রোগ্রাম্মিং ব্যবহার করতে চান তবে ৯৫ ঘন্টা ব্যাপী এই কোর্স —

1. Introduction to R
2. Intermediate R
3. Intermediate R — Practice
4. Importing Data in R (Part 1)
5. Importing Data in R (Part 2)
6. Cleaning Data in R
7. Importing & Cleaning Data in R: Case Studies
8. Writing Functions in R
9. Data Manipulation in R with dplyr
10. Joining Data in R with dplyr
11. Data Visualization in R
12. Data Visualization with ggplot2 (Part 1)
13. Data Visualization with ggplot2 (Part 2)
14. Data Visualization with ggplot2 (Part 3)
15. Introduction to Data
16. Exploratory Data Analysis
17. Exploratory Data Analysis in R: Case Study
18. Correlation and Regression
19. Foundations of Inference
20. Machine Learning Toolbox
21. Machine Learning Toolbox
22. Text Mining: Bag of Words
23. Reporting with R Markdown

মাইক্রোসফট প্রোফেশনাল ডাটা সায়েন্স কোর্স (সার্টিফিকেট)—

Microsoft Professional Program Certificate in Data Science

এই কোর্স চারটা ইউনিট এ বিভক্ত —

1. Data Science Orientation
2. Querying Data with Transact-SQL
3. Analyzing and Visualizing Data with Excel OR Analyzing and Visualizing Data with Power BI
4. Statistical Thinking for Data Science and Analytics

• Unit 2 — Core Data Science

1. Introduction to R for Data Science Course OR Introduction to Python for Data Science
2. Data Science Essentials
3. Principles of Machine Learning

• Unit 3 — Applied Data Science

1. Programming with R for Data Science OR Programming with Python for Data Science
2. Applied Machine Learning OR Developing Intelligent Apps
3. Implementing Predictive Solutions with Spark in Azure HDInsight

• Unit 4 — Capstone Project — Cortana Intelligence Competition

1. Data Science Professional Project

ডাটা কোয়েস্ট এর আরো দুটো প্রিমিয়াম কোর্স আছে — ৪৯ ডলার/মাস বা ১৯৯ ডলার/মাস ভিত্তিতে ।

Data Scientist

Steps:

• Python Introduction
• Data Analysis and Visualization
• Working with Data Sources
• Statistics and Linear Algebra
• Machine Learning
• Advanced Python and Computer Science
• Advanced Topics in Data Science
• Working with Large Datasets
• Learning R

Data Analyst

Steps:

• Introduction to Python
• Python Applications
• Intermediate Python and Pandas
• Data Manipulation
• Working with Data Sources
• Probability and Statistics
• Learning R

ইউটিউব এ শিখতে চাইলে নিচের চ্যানেল গুলো দেখতে পারেন —

Data School — Data science for beginners! | ডাটা সায়েন্স

edureka! | ডাটা সায়েন্স

Zipfian Academy | ডাটা সায়েন্স

David Langer | R প্রোগ্রাম্মিং এর সাথে ডাটা সায়েন্স

Derek Kane | ডাটা সায়েন্স

MarinStatsLectures | স্ট্যাটিস্টিক্স

LearnR | R প্রোগ্রাম্মিং

Christoph Scherber | স্ট্যাটিস্টিক্স

Brandon Foltz | স্ট্যাটিস্টিক্স

statisticsfun | স্ট্যাটিস্টিক্স

Java and R Tutorials | R প্রোগ্রাম্মিং

bigdata simplified | All things big data

Derek Banas | Playlists on SQL and Python

আরো রিসোর্স —

1. Complete Course on Linear Algebra by MIT
2. Complete Course on Multivariable Calculus by MIT
3. Statistical Learning by Stanford University
4. Mathematics at Khan Academy
5. Full Cheatsheet on Probability

আমি রিয়াদ রহমান , কাজ করি আর্টিফিশিয়াল ইন্টেলিজেন্স, ডাটা সায়েন্স নিয়ে । ফেইসবুক এ আমি । লিঙ্কইডইন এ আমি । টুইটার এ আমাকে টুইট করুন । আমার প্রতিষ্ঠান টাইগার ডিজিটাল । আমাদের কাজ । আমাদের বাঘা প্রজেক্ট । আমাদের বাঘ.com এবং মুক্তিযুদ্ধ.com 😎😎😎

Corporate Inquiry — hello@tigerdigital.xyz

Personal — ireyadrahman@gmail.com

লেখা পড়া’র আগে আজকের কিছু আর্টিকেল পড়ে নিতে পারেন !

Why Small Business Should Be Paying Attention to Artificial Intelligence

Will artificial intelligence help us solve every problem?

How artificial intelligence is shaping online retail in 2017

কম্পিউটার সায়েন্স এর একটি জনপ্রিয় শাখা হচ্ছে আর্টিফিশিয়াল ইন্টেলিজেন্স । এর শুরু টা ১৯৪০ এ হলেও জনপ্রিয়তা পেয়েছে গত ৩-৫ বছরে । বিশেষ করে গত বছর আর এই বছর আর্টিফিশিয়াল ইন্টেলিজেন্স এর জনপ্রিয়তা তুঙ্গে । আমার আগের লেখায় আমি আর্টিফিশিয়াল ইন্টেলিজেন্স , মেশিন লার্নিং এবং ডিপ লার্নিং নিয়ে লিখেছিলাম এবং সেই সাথে কি শিখবেন , কই শিখবেন তার বিস্তারিত একটা লিস্ট দিয়ে দিয়েছিলাম । পড়তে পারেন এই লিঙ্ক এ ।

এই লেখা দিয়ে আর্টিফিশিয়াল ইন্টেলিজেন্স এর উপর মিডিয়ামে ধারাবাহিক সিরিজ শুরু করলাম ।

আর্টিফিশিয়াল ইন্টেলিজেন্স কি?

সহজ ভাষায় কম্পিউটার যাতে চিন্তা-ভাবনা করে নিজে নিজে কিছু করতে পারে , যে কোন ছবি দেখে চিনতে পারে এই জন্য যে বিজ্ঞান কাজ করে তার নাম আর্টিফিশিয়াল ইন্টেলিজেন্স ।

আর্টিফিশিয়াল ইন্টেলিজেন্স কত গুলো বিষয়ের সমষ্টি । তার মধ্যে Natural Language Processing, Knowledge Representation, Automated Reasoning, Machine Learning, Computer Vision, Robotics অন্যতম । আর্টিফিশিয়াল ইন্টেলিজেন্স এর উপর এই ধারাবাহিক সিরিজে উপরের সব কিছুই থাকবে । তার সাথে আর্টিফিশিয়াল ইন্টেলিজেন্স এ ব্যবহৃত নানা রকম এলগরিদম এর ধারাবাহিক বর্ণনা এবং প্রয়োগ ও থাকবে ।

The Fourth Industrial Revolution is here and AI is your key to become the part of it.

আর্টিফিশিয়াল ইন্টেলিজেন্স সম্পর্কে আমাদের ধারণা আরেকটু স্বচ্ছ করে নেয়া যাক । আর্টিফিশিয়াল ইন্টেলিজেন্স কিভাবে কাজ করে ? ধরেন আপনি কৃষি কাজ করেন । এখন প্রথম দিন থেকেই তো আর আপনি সব শিখে আসেন নাই । আপনি আপনার বাবা কে দেখেছেন, দাদা কে দেখেছেন , তারা কিভাবে কাজ করে , একটা ধান ক্ষেতে কত টুকু পানি দিতে হয়, সার দিতে হয়ে , ধানের বিজ কিভাবে ছিটাতে হয়, ধানে পোকা ধরলে কি করতে হয় , কার কাছে যেতে হয় এরকম নানান কিছু আপনি সময়ের সাথে সাথে আপনার আশে পাশে’র মানুষ জনে’র থেকে শিখেছেন এবং তার পর নিজে নিজে ধান চাষ করার সময় আপনার পূর্ব অভিজ্ঞতা কাজে লাগিয়েছেন । কৃষি কাজ এক প্রকার সাধনা । আপনি যত সময় দিবেন , তত ভালো ফলন ঘরে তুলতে পারবেন । একই রকম আর্টিফিশিয়াল ইন্টেলিজেন্স । ধরেন আপনি জিমেইল এর মালিক বা এই রকম একটা সিস্টেম বানালেন এবং সময়ের সাথে সাথে দেখলেন আপনার সিস্টেম এ হাজার হাজার মেইল আসা শুরু করলো । সব কিন্তু কাজের মেইল না । আজাইরা , আপনি লটারিতে এতো টাকা জিতসেন , বিদেশি সুন্দরি কোন মহিলা’র ফেইক মেইল আপনাকে ডলার পাঠাবে এরকম হাজার রকম মেইল দিয়ে ভরে গেছে আপনার সিস্টেম । তকন কি করবেন ? এইসব স্পাম মেইল গুলার কারনে আপনার আসল মেইল গুলা হারাইয়া যাচ্ছে , আপনার প্রোডাক্টিভিটি নষ্ট হচ্ছে । এই সময় আপনাকে সাহায্য করবে আর্টিফিশিয়াল ইন্টেলিজেন্স । আপনি আনার সিস্টেমকে বলে দিবেন , ‘দেখো, আমার কাছে এই ১০,০০০ ইমেইল আছে যাদের সাবজেক্ট ঠিক নাই, “লটারি”, “জিতেছেন”, “আমি সখিনা” এরকম শব্দ আছে , তোমার কাজ হচ্ছে এরপর থেকে যত মেইল আসবে আমার সিস্টেম এ , তুমি এইরকম আজে বাজে মেইল গুলাকে চিহ্নিত করবা , তারপর স্পাম ফোল্ডার এ জমা করবা ।’

এই কাজ টা করার জন্য একটা এলগরিদম ব্যবহার করা হয় । এর নাম — Naive Bayes spam filtering

খুব সহজে এই এলগরিদম এর ব্যবহার শিখতে এই লিঙ্ক এ ক্লিক করুন —

Naive Bayes Algorithm এর চারটি মেজর অ্যাপ্লিকেশন —

আবার ধরেন , আপনি পেপাল এর মত একটা কোম্পানি’র মালিক , প্রতিদিন আপনার সিস্টেম থেকে হাজার হাজার ডলার ট্রানজেকশন হয় । প্রতি ট্রানজেকশন এ আপনি কিছু ডলার কেটা রাখেন , যেটা আপনার খরচ বাদে লাভ । কিন্তু যদি দেখেন আপনার সিস্টেম থেকে হওয়া ট্রানজেকশন এর অধিকাংশই বাউন্স ব্যাক করতেসে । এর অর্থ হল ক্লায়েণ্ট আপনার সিস্টেম ব্যবহার করে ডলার পাঠিয়েছে আরেক ক্লায়েন্ট কে কিছু কেনার জন্য । হতে পারে সেটা একটা মোবাইল অ্যাপ্লিকেশন , নেটফ্লিক্স সাবস্ক্রিপ্সন কিংবা অন্য কোন ডিজিটাল পণ্য । কিন্তু কিছু ক্ষণ পরেই যেই ব্যক্তি এই ডিজিটাল পণ্য ক্রয় করেছে সে ডলার রিফান্ড চাইলো । এখন ডিজিটাল পণ্য আপনি একবার ডাউনলোড করে ফেললে তা তো আর একবারে রিমুভ করা সম্ভব না , কারণ আপনি চাইলেই আপনি কয়েকশো ফাইল কপি করে রেখে দিতে পারেন । আবার মাঝে মাঝে নাশকতাবাদী গণ বড় এমাউন্ট এর ডলার আপনার সিস্টেম এর মাধ্যমে আরেক ব্যক্তি থেকে হাতিয়ে নিতে পারে । তো এরকম নানা উপায়ে আপনার সিস্টেম এর ক্ষতি সাধণ হতে পারে, আপনি আর্থিক ক্ষতির সম্মুখীন হতে পারেন । এখন আপনি যদি এলন মাস্ক হন আর আপনার যদি পেপাল এর মত সার্ভিস থাকে আপনি নিশ্চয়ই চাইবেন না , আপনার সিস্টেম এর ক্ষতি হোক বা আপনি আর্থিক লসের সম্মুখীন হতে । আপনি তখন আর্টিফিশিয়াল ইন্টেলিজেন্স এবং মেশিন লার্নিং এর সাহায্য নিবেন এই ফ্রড ডিটেক্ট করতে!

পেপাল ডায়নামিক কাস্টমার আইডেন্টিটি ব্যবহার করে যাতে করে পেপাল সিস্টেম এর ইউজার দেরকে চিনতে পারে যখনই কোন ট্রানজেকশন রিকুয়েস্ট আসে ।

তারা তাদের পুরো সিস্টেম জুড়ে হিউমেন-স্টোরি বেইজড ইন্টেলিজেন্স-ডাটা মাইনিং এবং মেশিন লার্নিং ব্যবহার করে যাতে করে কোন ফ্রড এক্টিভিটি না হয় । পেপাল সিস্টেম এমন ভাবে সাজানো যে , এর সন্দেহ হলে অটোমেটিক আপনার ট্রানজেকশন আটকিয়ে দিবে, আপনার প্রোফাইল ব্লক করে দিবে ।

PayPal has been using machine learning technology for 10 years. In the beginning, the group used simple, linear models. Over the years it has migrated toward machine-learning technologies such as deep learning — software that uses so-called neural networks to mimic the workings of the human brain and recognize patterns in digital representations of sounds, images and other data.

পেপাল তাদের ডাটা সায়েন্টিস্ট দের কত বেতন দেয় বছরে ?

নরমালি কি হয় ? আপনি যেহেতু ইন্টারনেট ব্যবহার করেন সেটা মোবাইল দিয়ে হোক কি কম্পিউটার দিয়ে , আপনার একটা আইপি এড্রেস আছে । ট্রানজেকশন হয় এরকম সে কোন সাইট / সিস্টেম ট্রানজেকশন এর সময় আপনার আইপি এড্রেস এর সিস্টেম এ জমা করে রাখে । এখন আপনি তো আর সুপার মেন না যে এখন ঢাকায় আছেন কিছুক্ষণ পর চট্টগ্রাম চলে যাবেন কিংবা সিলেট । আপনার সময় লাগবে পুরো ব্যপারটাতে , আবার আপনি ঢাকায় বসে একটু আগে কেনাকাটা করলেন , একটু পড় সিস্টেম দেখলো আপনি চট্টগ্রাম থেকে অর্ডার দিচ্ছেন, তার কিছুক্ষণ পড় সিলেট থেকে । এরকম সময়ে সাধারণ এনালিটিক্স সফটওয়্যার আপনাকে ফ্রড বলে ধরে নিবে এবং সিস্টেম থেকে বল করে দিবে । সে ভাববে না যে আপনি একজন পাইলট হতে পারেন , আপনাকে আপনার কাজের জন্য নানা’ন জায়গায় ঘুরতে যেতে হতে পারে ।

পেপাল সিস্টেম এতোটাই ইন্টেলিজেন্ট ও আপনা’র প্রতিটা পদক্ষেপ অনুসরণ করে , দেখে আপনি সবসময় এদিক সেদিক ঘুরা ফেরা করেন কিনা, আপনার প্রফেশন কি । আর এগুলো সে চেক করে কয়েক সেকেন্ড এর ভিতরেই । আপনার বুঝারো উপায় নেই । এভাবে সে নির্ণয় করে আপনি কি ফ্রড নাকি না । যদি ফ্রড না হোন তবে সহজেই ট্রানজেকশন করে ফেলতা পারবেন , অন্যথা একাউন্ট হোল্ড, রেড ফ্ল্যাগ অথবা ব্লকড!

তারপর ধরেন উবার । কখনো দুই বন্ধু একই জায়গা থেকে কোথাও যাবার রিকুয়েস্ট করে দেখেছেন কি? দেখে থাকেন যদি দেখবেন যে , আপনার দুই জন একই জায়গা থেকে একটা নির্দিষ্ট জায়গায় যাবার জন্য উবার কার রিকুয়েস্ট করেছেন । আপনাদের সব কিছু এক কিন্তু আপনাদের ড্রাইভার আর ভাড়া আলাদা :P , কিভাবে এটা ঘটে ? ড্রাইভার এর কথা বাদ দিলাম , একজন তো আর দুই গাড়ি এক সাথে চালাতে পারবে না! উবার সিস্টেম শুরু থেকেই আপনাকে জানে, অনুসরণ করে । ও জানে আপনি কোন একটা রাইডের জন্য কত টুকু খরচ করতে ইচ্ছুক এবং ও ওই অনুযায়ী ই আপনাকে চারজ করে । সেই জন্যই দুই বন্ধু একই জায়গা থেকে রওনা শুরু করলেও , কিংবা একই দূরত্বে ট্রিপ দিলেও দুই জনের জন্য আলাদা খরচ আসে । পুরোটাই মেশিন লার্নিং এর খেলা! আবার কোন রোড দিয়ে গেলে সহজে জ্যাম বিহিন ভাবে যেতে পারবেন কিংবা কোন রোড দিয়ে গেলে উবার আপনার থেকে বেশি চারজ করতে পারবে এটাও মেশিন লার্নিং এ করা!

আর্টিফিশিয়াল ইন্টেলিজেন্স আপনার সিস্টেম কে কোন কিছু চিনতে শেখায় [ এই বিষয় টার একটা আলাদা নাম আছে যেটাকে কম্পিউটার ভিশন কিংবা ডিপ ভিশন বলে । ] এই যেমন ধরেন ইউকে তে radiologists গণ 39,275,011 mammograms চেক করেন প্রতি বছর শুধু মাত্র breast tissue abnormalities চিহ্নিত করতে । ভাবেন এক বার এই অব্জারবেশন তারা যদি ম্যানুয়ালি করতো তাহলে কত সময় লাগতো । মেশিন লার্নিং এবং ডিপ ভিশন এলগরিদম ব্যবহার করে তারা খুব সহজেই তাদের পরীক্ষা নিরিক্ষা করে নিচ্ছে অল্প সময়ে ।

আরেকটা বিষয় হচ্ছে সেলফ ড্রাইভিং কার । বিখ্যাত Morgan Stanley একটা হিসেবে বলেছেন সেলফ ড্রাইভিং টেকনোলজি ব্যবহার করে বছরে ১৬৮ বিলিয়ন ডলার বাঁচান সম্ভব ।

Morgan Stanley predicts that self-driving truck technology could save the freight transportation industry $168 billion annually

Boston Consulting Group predicts that self driving cars could create a $42 billion market by 2025.

এরকম প্রায় প্রতি টা ক্ষেত্রেই আজকে আর্টিফিশিয়াল ইন্টেলিজেন্স, মেশিন লার্নিং, ডিপ ভিশন এর জয় জয়কার ।

আর্টিফিশিয়াল ইন্টেলিজেন্স শিখতে চান? UC Berkeley’র এই কোর্স টা জোশ!

বিরক্ত লাগতেসে? এই গান টা শুনে আসেন —

এবার আসেন আর্টিফিশিয়াল ইন্টেলিজেন্স এ ব্যবহার হয় এরকম কিছু অ্যালগরিদম নিয়ে কথা বলি!

Alpha-beta Algorithm — আলফা ম্যাক্স প্লাস বেটা মিন। এটা একটা বেসিক আলগরিদম । কম্পিউটার এ দাবা, মনোপলি গেম খেলতে বা বানাতে এই অ্যালগরিদম ব্যবহার করা হয় ।

স্যাম্পল কোড —

Ant-algorithms —

এই এলগরিদম পিঁপড়া থেকে অনুপ্রাণিত । দুই টা ভিন্ন ভিন্ন লোকেশন এর মাঝে সবচেয়ে ভালো কোন পথে সহজে এবং দ্রুত যাওয়া যাবে সেটা বের করতে এই এলগরিদম ব্যবহার করা হয় ।

Ant Algorithm Sample Code

CLA —

Cortical Learning Algorithm : রোবটিক্স এ এই এলগরিদম ব্যবহার করা হয় । এই খানে তিনটা প্রোপার্টিজ ব্যবহার করা হয় । যথাক্রমে স্পারস ডিস্ট্রিবিউটেড রিপ্রেজেন্টেশন, টেম্পোরাল ইনফেরেন্স, অন-লাইনলার্নিং ।

DE (Differential evolution) — Chebyshev polynomial fitting নামে একটা বিখ্যাত কম্পিউটার সায়েন্স প্রবলেম রয়েছে যেটা কিনা এই এই এলগরিদম দিয়ে সল্ভ করা যায় । Chebyshev polynomial fitting মূলত ইলেক্ট্রনিক ফিল্টারস এ ব্যবহার করা হয় । ইলেক্ট্রনিক ফিল্টারস এক প্রকার সার্কিট যেটি সিগন্যাল প্রসেসিং এ ব্যবহার করা হয় যার মাধ্যমে অপ্রয়োজনীয় ফ্রিকোয়েন্সি সিগন্যাল থেকে দূর করা হয়, সিগন্যাল শক্তিশালী করতে ব্যবহার করা হয় ।

DE (Differential evolution) Sample Algorithm Code:

Chebyshev polynomial fitting diagram :

Electronic Filters Example :

Semi-Supervised Recognition of Sarcastic Sentences in Online Product Reviews —

এই এলগরিদম ব্যবহার করে টুইটার এ কিংবা অনলাইনে কোন প্রোডাক্ট এ সারকাজম করে কোন কমেন্ট করা হয়েছে কিনা সেটা বের করা হয়! কুল , তাই না! টুইটার এবং অ্যামাজন তাদের সিস্টেম এ এই অ্যালগরিদম ব্যবহার করে ।

Process of sarcasm detection:

Twitter যেভাবে তাদের সিস্টেম এ Semi-Supervised Recognition of Sarcastic Sentences অ্যালগরিদম প্রয়োগ করেছে ।

Sentiment analysis —

এই অ্যালগরিদম টি , মূলত আরো বেশ কিছু অ্যালগরিদম এর সমষ্টি । যেমন নেইভ ভায়েস, মেক্সিমাম এন্ট্রপি, এসভিএম ( সাপোর্ট ভেক্টর মেশিন ক্লাসিফায়ের ) । এগুলো’র বিস্তারিত পরের কোন লেখায় থাকবে, মনে করায়ে দিয়েন!

পাইথন ব্যবহার করে সেন্টিমেন্ট এনালাইসেস করার বেসিক কোড স্যাম্পল —

এরকম আরো অনেক এলগরিদম রয়েছে আর্টিফিশিয়াল ইন্টেলিজেন্স , মেশিন লার্নিং, ডিপ লার্নিং এর । পরবর্তীতে ধাপে ধাপে এগুলো নিয়ে লিখবো । আপনি আমার পরবর্তী লেখায় আর কি কি জানতে চান সেটা জানিয়ে আমাকে মেইল করতে পারেন এই ঠিকানায় — ireyadrahman@gmail.com

তবে আপনি নিজে নিজে শিখতে চাইলে নিজের লিঙ্ক গুলোতে ঘুরে আসতে পারেন —

আর্টিফিশিয়াল ইন্টেলিজেন্স এর উপর বই —

Introduction to Artificial Intelligence- pretty dated publication, but great introduction and many topics are still relevant

The Master Algorithm- Talks about how to make a “Master Algorithm” by combing the different tribes of AI- namely Symbolists, Connectionists, Evolutionaires, Bayesians, and Analogizers. Recommended read by Bill Gates.

How to Create a Mind: The Secret of Human Thought Revealed- Pretty deep read. Got kinda lost reading it. Would group this with Age of Spiritual Machines, which is also by Ray Kurzweil.

Algorithms to Live By- Personally haven’t read it, but I have heard it’s good. Plan to read it soon.

Superintelligence: Paths, Dangers, Strategies- Also haven’t read it, but if Bill Gates recommend it, you can’t go wrong.

Technical

Artificial Intelligence: A Modern Approach- Probably one of the best textbooks out there.

Python Machine Learning- Also a good book. Very hands-on.

Programming Collective Intelligence- Hands-on experience with programming smart applications. It’s a must-have for all aspiring AI programmers.

Neural Networks and Deep Learning- Free online book on neural networks/deep learning. Very good introduction.

Machine Learning for Hackers 🤗🤗🤗

আর্টিফিশিয়াল ইন্টেলিজেন্স এ প্রচুর গণিত এর কাজ থাকে । তাই গণিত এ ভালো হওয়া বাঞ্ছনীয় ।

Discrete Math — যে কোন প্রোগ্রাম্মিং এর জন্যই এটা জানা থাকা দরকার ।

Multivariable Calculus (Calc 3) — মেশিন অপ্টিমাইজেশন এ বেশ কাজে লাগে ।

Differential Equations (Calc 4) — রোবোটিক্স এ যাদের নেশা তাদের জন্য , বিশেষ করে মোশন কন্ট্রোল এ ম্যাথমেটিক্স এর এই পার্ট জরুরি ।

Linear Algebra — নিউরাল নেটওয়ার্ক , মিস দেয়ার উপায় নাই!

Probability and Statistics — ডাটা সায়েন্স!

Top 3 Deep Learning Courses:

1. Creative Applications of Deep Learning with TensorFlow by Kadenze
2. Neural Networks for Machine Learning by the University of Toronto (taught by Geoffrey Hinton) via Coursera
3. Deep Learning A-Z™: Hands-On Artificial Neural Networks by Kirill Eremenko, Hadelin de Ponteves, and the SuperDataScience Team via Udemy

Top Machine Learning Course:

1. Machine Learning by Stanford University via Coursera

Top Ivy League Intro to Machine Learning Course:

1. Machine Learning by Columbia University via edX

Top Intro in Python & R Course:

1. Machine Learning A-Z: Hands-On Python & R In Data Science by Kirill Eremenko, Hadelin de Ponteves, and the SuperDataScience Team via Udemy

Top 3 R Courses:

1. Analytics Edge by Massachusetts Institute of Technology/edX

2. Data Science and Machine Learning Bootcamp with R by Jose Portilla/Udemy

3. Implementing Predictive Analytics with Spark in Azure HDInsight by Microsoft/edX

Top 3 Python Courses:

1. Python for Data Science and Machine Learning Bootcamp by Jose Portilla/Udemy

2. Machine Learning Series by Lazy Programmer Inc./Udemy

3. Implementing Predictive Analytics with Spark in Azure HDInsight by Microsoft/edX

Top 3 Node.js course:

1. Learn Your Node — from NodeSchool
2. Introduction to MongoDB using the MEAN Stack
3. Node, npm, and MongoDB Foundation

জাভা প্রোগ্রাম্মিং শিখতে চাইলে বাংলায় মোশাররফ রুবেল ভাইয়ের এই বইটি দেখতে পারেন — 😎😎😎

রকমারি তে কিনতে এই লিঙ্ক —

এতোক্ষণ কষ্ট করে এই লেখা টি পড়ার জন্য ধন্যবাদ । ❤ ❤ ❤

AI Powered Bagha is coming! 😎😎😎

আমি রিয়াদ রহমান , কাজ করি আর্টিফিশিয়াল ইন্টেলিজেন্স, ডাটা সায়েন্স নিয়ে । ফেইসবুক এ আমি । লিঙ্কইডইন এ আমি । টুইটার এ আমাকে টুইট করুন । আমার প্রতিষ্ঠান টাইগার ডিজিটাল । আমাদের কাজ । আমাদের বাঘা প্রজেক্ট । আমাদের বাঘ.com এবং মুক্তিযুদ্ধ.com 😎😎😎

Email: ireyadrahman@gmail.com💘💘💘

কিংবা ইউটিউব বা নেটফ্লিক্স এ খেয়াল করলে দেখবেন যে আপনি একটা ভিডিও , সিনেমা, টিভি সিরিজ দেখলে তারা সেই একই ক্যাটাগরির আরো ভিডিও, সিনেমা, টিভি সিরিজ সাজেস্ট করে । কিভাবে? 😯😯😯

উপরের দুটি উদাহরণ সহ আরো এরকম কয়েকশ ক্ষেত্রে আজ যে টেকনোলজি ব্যবহার হচ্ছে তার নাম আর্টিফিশিয়াল ইন্টেলিজেন্স । মানুষ যেরকম বুদ্ধিমান, মেশিন কে সেইরকম বুদ্ধিমান করার যে মহাযজ্ঞ সারা বিশ্ব জুড়ে চলছে তার নাম আর্টিফিশিয়াল ইন্টেলিজেন্স । আমার আজকের এই লেখায় থাকবে আর্টিফিশিয়াল ইন্টেলিজেন্স এর উপর বিশদ বিবরণ , কিভাবে এলো, কেন এটা দরকার, আপনি কিভাবে আর্টিফিশিয়াল ইন্টেলিজেন্স এ নিজেকে দক্ষ করে তুলবেন , কোথায় শিখবেন, বাংলাদেশে এর প্রয়োগ সহ এরকম নানান কিছু! 🤗🤗🤗

আর্টিফিশিয়াল ইন্টেলিজেন্স কি ?

এক কথায় মেশিন কে মানুষের সমান বুদ্ধিমত্তা দেয়ার সায়েন্স এবং ইঞ্জিনিয়ারিং হল আর্টিফিশিয়াল ইন্টেলিজেন্স , বিশেষ করে কম্পিউটার প্রোগ্রাম্ম কে ।

আর্টিফিশিয়াল ইন্টেলিজেন্স ইতিহাস —

দেখে মনে হতে পারে আর্টিফিশিয়াল ইন্টেলিজেন্স এই সেদিন এর আবিষ্কার । এতে সন্দেহ নেই গত ২-৩ বছরে এই ফিল্ড এ অভূতপূর্ব উন্নতি হয়েছে , কিন্তু আসলে আর্টিফিশিয়াল ইন্টেলিজেন্স সেই ১৯৪০ থেকেই আছে । নানা রকম গবেষণা তখন থেকেই শুরু । মেশিন কে কিভাবে মানুষের মত চিন্তা শক্তি’র ক্ষমতা দেয়া যায় সেটা নিয়ে কাজ শুরু হয়েছে কম্পিউটার আবিষ্কার হবার পূর্বেই , কম্পিউটার আবিষ্কার এর পর এই ক্ষেত্রের পরিধি শুধু বৃদ্ধি পেয়েছে । একদম স্পেসিফিক টাইমলাইন যদি বলি আর্টিফিশিয়াল ইন্টেলিজেন্স সেই গ্রিক সময় থেকেই আছে! 🙄🙄🙄

তবে সভ্য জগতে দ্বিতীয় বিশ্বযুদ্ধে’র পর পরই আর্টিফিশিয়াল ইন্টেলিজেন্স এর কাজ শুরু হয় । ইংরেজ গণিতবিদ Alan Turing ১৯৪৭ সালে সর্বপ্রথম আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে বক্তব্য দেন । মুটোমুটি ওই সময় থেকেই বিজ্ঞানি গণ নিজ উদ্যোগ্যে আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করতে শুরু করেন ।

টুরিং টেস্ট

Computing Machinery and Intelligence নামে Alan Turing ১৯৫০ সালে একটি লেখা প্রকাশ করেন, সেখানে তিনি একটি মেশিন এর মানুষের সমান বুদ্ধিমত্তা অর্জনের সম্ভাব্যতা নিয়ে কথা বলেন । তার বক্তব্য ছিলো কোন একটা মেশিন যদি মানুষের মত চিন্তা করতে পারে, কাজ করতে পারে তবে তাকে বুদ্ধিমান বলা উচিত!

He argued that if the machine could successfully pretend to be human to a knowledgeable observer then you certainly should consider it intelligent. This test would satisfy most people but not all philosophers. The observer could interact with the machine and a human by teletype (to avoid requiring that the machine imitate the appearance or voice of the person), and the human would try to persuade the observer that it was human and the machine would try to fool the observer.

আর্টিফিশিয়াল ইন্টেলিজেন্স দিয়ে কি মানুষের সমান বুদ্ধিমত্তা অর্জন করা সম্ভব?

প্রথমত , মানুষ কিভাবে শিখে? সে তো জন্মের সময় সব শিখে আসে না? সময়ের সাথে সাথে নানা রকম ঘটনা প্রবাহ, পরিশ্রম , ভুল-ভ্রান্তি ইত্যাদি’র মধ্য দিয়ে জ্ঞান অর্জন করে । সুতরাং, মেশিন এর পক্ষেও একই ভাবে শেখা সম্ভব ।

ইয়েস, আর্টিফিশিয়াল ইন্টেলিজেন্স দিয়ে মানুষের সমান বুদ্ধিমত্তা অর্জন করা সম্ভব!

আর্টিফিশিয়াল ইন্টেলিজেন্স দিয়ে কি মানুষের মস্তিষ্কের সাথে মেশিনের সম্পর্ক জুড়ে দেয়া সম্ভব!

ইয়েস! এলন মাস্ক এর নিউরালিঙ্ক এই লক্ষ্যে কাজ করে যাচ্ছে । 🙄🙄🙄

তবে এখনো মেশিন মানুষের মত নিজে নিজে শেখা’র ক্ষমতা অর্জন করে নি , তাকে শেখাতে হয় !

কিন্তু নিকট ভবিষ্যতে মেশিন নিজে নিজে শেখাই আরম্ভ শুরু করবে । খুব সম্ভব আজ থেকে পাঁচ বছর এর মধ্যেই !

আর্টিফিশিয়াল ইন্টেলিজেন্স কেন গুরুত্বপূর্ণ?

$4.1B Invested In Artificial Intelligence In 2015/16

উপরের চার্ট আর লিঙ্ক দেখলেই বোঝা যায় সারা বিশ্ব আর্টিফিশিয়াল ইন্টেলিজেন্স এ কি পরিমাণ গুরুত্ব দিচ্ছে ! প্রতি বছর বড় বড় কোম্পানি/ ইনভেস্টমেন্ট ফার্ম সমূহ কি পরিমাণ ইনভেস্ট করতেসে আর্টিফিশিয়াল ইন্টেলিজেন্স এ ।

শুধু ২০১৭ সালে এই ইনভেস্টমেন্ট ৩০০% বৃদ্ধি পাবে ২০১৬ থেকে ! 😮😮😮

কোম্পানি সমূহ আর্টিফিশিয়াল ইন্টেলেজেন্স এ কোন কোন ক্ষেত্রে ব্যবহার করছে এবং সে অনুযায়ী ইনভেস্টমেন্ট এর হার — 👻👻👻

বাংলাদেশে যদিও দু একটা কোম্পানি আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করছে , এক্ষেত্রে দেশি বিনিয়োগ একদমই কম!

গুগল , অ্যাপল, মাইক্রোসফট থেকে শুরু করে বিশ্বের ছোট বড় সব কোম্পানিই নিজেদেরকে আর্টিফিশিয়াল ইন্টেলজেন্স এর মত করে নতুন করে সাজাচ্ছে । এ থেকেই বুঝা যায় আর্টিফিশিয়াল ইন্টেলিজেন্স এর গুরুত্ব কত খানি ।

আর্টিফিশিয়াল ইন্টেলিজেন্স এর অনেক গুলো সাব সেট রয়েছে , অর্থাৎ আর্টিফিশিয়াল ইন্টেলিজেন্স অনেক গুলো জটিল বিষয়ের সমষ্টি । তার মধ্যে মেশিন লার্নিং অন্যতম । মেশিন লার্নিং এর আরেক সাব সেট হচ্ছে ডিপ লার্নিং । 😎😎😎

মেশিন লার্নিং কি ?

মেশিন লার্নিং হচ্ছে অনেক অনেক ডাটা থেকে একটা সংক্ষিপ্ত কিন্তু অর্থবহুল তথ্য বের করা এবং সে অনুযায়ী পরের ধাপে কি হবে সেটা শুরুতেই নির্ণয় করে ফেলা । যেমন স্পাম ইমেইল বের করার সিস্টেম । এই সিস্টেম টাকে এভাবেই শেখানো হয় যে , কোন একটি ইমেইল এ নির্দিষ্ট কিছু শব্দ / প্যাটারণ থাকলেই একে স্পাম ফোল্ডার এ অটোমেটিক পাঠিয়ে দেয়া হয় । সে জন্য শুরুতেই সিস্টেম কে কয়েক হাজার স্পাম ইমেইল পড়তে দেয়া হয় , এবং বলে দেয়া হয় এই শব্দ থাকলে এটি একটি স্পাম মেইল । 📧📧📧

Like “You’ve won $12383***** in a lottery!” will be marked as a Spam Mail.

Machine Learning :

It’s like reading tea leaves. Because it’s about recognizing patterns in data in order to predict what comes next. Except it works.

ডিপ লার্নিং কি ?

আগেই বলা হয়েছে ডিপ লার্নিং হচ্ছে মেশিন লার্নিং এর সাবসেট । এর মাধ্যমে সিস্টেম কে অনেক তথ্য একবারে দেয়া হয় , যাতে করে মেশিন সেখান থেকে শিখতে পারে এবং পরবর্তীতে একই রকম পরিস্থিতিতে নিজে নিজেই সিদ্ধান্ত নিতে পারে ।

অনেক অনেক তথ্য কোন একটা সিস্টেম এ প্রবেশ করাতে ব্যবহার করা হয় নিউরাল নেটওয়ার্ক । 🔰

Deep Learning involves feeding a computer system a lot of data, which it can use to make decisions about other data. This data is fed through neural networks, as is the case in machine learning. These networks — logical constructions which ask a series of binary true/false questions, or extract a numerical value, of every bit of data which pass through them, and classify it according to the answers received.

আর্টিফিশিয়াল ইন্টেলিজেন্স, মেশিন লার্নিং, ডিপ লার্নিং এর প্রয়োগ?

বাস্তব জীবনে আর্টিফিশিয়াল ইন্টেলিজেন্স —

AI Powered Bagha is coming! 😎😎😎

মেশিন লার্নিং এর বাস্তব প্রয়োগ —

ডিপ লার্নিং এর বাস্তব প্রয়োগ —

এতো ক্ষণে নিশ্চয়ই বুঝে গেছেন আর্টিফিশিয়াল ইন্টেলিজেন্স , মেশিন লার্নিং এবং ডিপ লার্নিং কেন গুরুত্বপূর্ণ ? আমাদের পাশের দেশ ভারতেও এ নিয়ে বিস্তর কাজ হচ্ছে — বড় বড় বেশির ভাগ কোম্পানি’র অফিস, ল্যাব রয়েছে সেখানে , যেখানে বাংলাদেশে এখনো তেমন কিছুই হয় নি । ☹️☹️☹️

Intel bets on artificial intelligence, to train 15,000 people in India

10 Startups in India that are leading the race of Artificial Intelligence

10 Chatbots Making India Big

Nadella woos India Inc. with artificial intelligence

তাই সময় হয়েছে আমাদের ও আর্টিফিশিয়াল ইন্টেলিজেন্স নিয়ে কাজ করার । প্রতিটা ইন্ডাস্ট্রির মানুষ, শিক্ষা প্রতিষ্ঠান , গুরুত্বপূর্ণ ব্যক্তিবর্গ , সরকারি-বেসরকারি প্রতিষ্ঠান, ইনভেস্টমেন্ট ফার্ম কে এক যোগে কাজ করতে হবে নিজেদের উন্নতি’র জন্য । দেশের উন্নতি’র জন্য ! 👷👷👷

আর্টিফিশিয়াল ইন্টেলিজেন্স , মেশিন লার্নিং , ডিপ লার্নিং নিয়ে অনেক তো কথা হলো । মনে স্বাভাবিক ভাবেই প্রশ্ন জাগতে পারে শিখবো কোথায় , কিভাবে ? ইন্টারনেট এর এই যুগ এ কোন কিছু শেখাই অসম্ভব না । একটু ধৈর্য-নিয়মিত প্র্যাকটিস আর জানার আগ্রহ থাকলেই সম্ভব । আর আপনার সুবিধার্থে আমি নিম্নে সবচেয়ে ভালো কোর্স গুলো’র লিঙ্ক দিয়ে দিচ্ছি । 🐲🐲🐲

আর্টিফিশিয়াল ইন্টেলিজেন্স এ প্রচুর গণিত এর কাজ থাকে । তাই গণিত এ ভালো হওয়া বাঞ্ছনীয় ।

Discrete Math — যে কোন প্রোগ্রাম্মিং এর জন্যই এটা জানা থাকা দরকার ।

Multivariable Calculus (Calc 3) — মেশিন অপ্টিমাইজেশন এ বেশ কাজে লাগে ।

Differential Equations (Calc 4) — রোবোটিক্স এ যাদের নেশা তাদের জন্য , বিশেষ করে মোশন কন্ট্রোল এ ম্যাথমেটিক্স এর এই পার্ট জরুরি ।

Linear Algebra — নিউরাল নেটওয়ার্ক , মিস দেয়ার উপায় নাই!

Probability and Statistics — ডাটা সায়েন্স!

আর্টিফিশিয়াল ইন্টেলিজেন্স কোর্স —

Artificial Intelligence Nanodegree by Udacity

Artificial Intelligence and the Last Man by (IAI Academy)

Cognitive technologies: The real opportunities for business (NovoEd)

Artificial Intelligence for Robotics (Udacity) 🤗🤗🤗

মেশিন লার্নিং কোর্স —

Machine Learning Course — CS 156

Machine Learning Course by Andrew Ng ( Stanford University )

Machine Learning Specialization by Coursera

Machine Learning Nanodegree by Udacity

Machine Learning by Columbia University

Learning From Data

Neural Networks For Machine Learning

Neural Networks class

Neural Networks for Machine Learning by the University of Toronto (taught by Geoffrey Hinton) via Coursera

Machine Learning Awesome frameworks, libraries and software. 🤗🤗🤗

ডিপ লার্নিং কোর্স —

Deep Learning Course By Udacity

Deep Learning Nano degree By Udacity

Creative Applications of Deep Learning with TensorFlow by Kadenze

Deep Learning A-Z™: Hands-On Artificial Neural Networks by Kirill Eremenko, Hadelin de Ponteves, and the SuperDataScience Team via Udemy 🤗🤗🤗

আর্টিফিশিয়াল ইন্টেলিজেন্স এর উপর বই —

Introduction to Artificial Intelligence- pretty dated publication, but great introduction and many topics are still relevant

The Master Algorithm- Talks about how to make a “Master Algorithm” by combing the different tribes of AI- namely Symbolists, Connectionists, Evolutionaires, Bayesians, and Analogizers. Recommended read by Bill Gates.

How to Create a Mind: The Secret of Human Thought Revealed- Pretty deep read. Got kinda lost reading it. Would group this with Age of Spiritual Machines, which is also by Ray Kurzweil.

Algorithms to Live By- Personally haven’t read it, but I have heard it’s good. Plan to read it soon.

Superintelligence: Paths, Dangers, Strategies- Also haven’t read it, but if Bill Gates recommend it, you can’t go wrong.

Technical

Artificial Intelligence: A Modern Approach- Probably one of the best textbooks out there.

Python Machine Learning- Also a good book. Very hands-on.

Programming Collective Intelligence- Hands-on experience with programming smart applications. It’s a must-have for all aspiring AI programmers.

Neural Networks and Deep Learning- Free online book on neural networks/deep learning. Very good introduction.

Machine Learning for Hackers 🤗🤗🤗

আর্টিফিশিয়াল ইন্টেলিজেন্স এর উপর সিনেমা —

1. T2: Judgment Day- The best and action packed movie of the lot. Many forget that this is based on AI as it can stand on its own just as an action movie.

2. Ex Machina- One of the best AI movies of recent times

3. Wall-E: One of the best animated movies with AI.

4. Big Hero 6: Another Good Animated movie that came out recently. Not as great as Wall-E but still a good watch.

5. Her- This movie is unconventional in its use of AI. This is one future that could be just over the horizon.

6. Terminator: The movie that started the franchise

7. AI: A Spielberg masterpiece

8. I, Robot: A take on why AI need to feel and should have dreams. Its equally action packed and emotional

ইন্টারনেটে এ আরো রিসোর্স বিদ্যমান । একটু সময় সুযোগ নিয়ে নিজের মত করে কাজ শুরু করে দিন!

এতোক্ষণ কষ্ট করে এই লেখা টি পড়ার জন্য ধন্যবাদ । ❤ ❤ ❤

আমি রিয়াদ রহমান , কাজ করি আর্টিফিশিয়াল ইন্টেলিজেন্স, ডাটা সায়েন্স নিয়ে । ফেইসবুক এ আমি । লিঙ্কইডইন এ আমি । টুইটার এ আমাকে টুইট করুন । আমার প্রতিষ্ঠান টাইগার ডিজিটাল । আমাদের কাজ । আমাদের বাঘা প্রজেক্ট । আমাদের বাঘ.com এবং মুক্তিযুদ্ধ.com 😎😎😎

Email : ireyadrahman@gmail.com

Corporate Inquiry : hello@tigerdigital.xyz, reyad@tigerdigital.xyz 💘💘💘

তো শুরু করা যাক!

প্রথমে কিছু সাধারণ জ্ঞান দিয়ে নিই ! 😼😼😼

বট কি? 📳

বট ( English — Bot ) বা ফেসবুক মেসেঞ্জার বট হল কথা বলতে পারে এরকম একধরনের চ্যাট ইন্টারফেস , যেখানে আগে থেকেই বিভিন্ন তথ্যাদি দেয়া থাকে এবং আপনি খুব সহজেই এর মাধ্যমে তথ্যের আদান প্রদান, বিভিন্ন কাজ করিয়ে নেয়া ইত্যাদি কাজ সম্পন্ন করতে পারেন । মনে হবে যেন আপনি একজন মানুষের সাথেই কথা বলছেন, যদিও তা নয়! তবে বটের মধ্যে নানা রকম পার্থক্য রয়েছে । কিছু বট নিতান্তই সাধারণ যাদেরকে শুধুমাত্র কিছু কাজের জন্য বানানো হয়েছে তারা সেই নির্দিষ্ট কাজের বাইরে কিছু করতেও পারে না , শিখতেও পারে না । যেমন স্কোরবট — এই বটের মাধ্যমে আপনি খুব সহজেই খেলাধুলা’র নিত্যনতুন আপডেট পেতে পারেন, আপনার মেসেঞ্জার এ বসেই! কিন্তু এই বট নিজে নিজে কিছু শিখতে পারে না, যদি ও বা এর ফাংশন গুলো বেশ! আবার আর্টিফিশিয়াল ইন্টেলিজেন্স সমৃদ্ধ বট রয়েছে যেগুলো কে আপনি যত ব্যবহার করবেন সে তত শিখবে, তত ভালো ভাবে আপনার সাথে কথা বলবে, আপনার কাজ করে দিবে! যেমন আমাদের বাঘা বট!

ফেসবুক এফ৮ কনফারেন্স — ফেসবুক এই বছর বট প্লাটফর্ম ২.০ ঘোষণা দিয়েছে । ভিডিও তে দেখুন ।

আরো কিছু চ্যাটবট এর উদাহরণ —

• Weather bot. আবহাওয়া সম্পর্কে যখন যা জানতে চাইবেন তাই জানাবে !
• Grocery bot. আপনাকে বিভিন্ন রকম গ্রোসারি পন্য কিনতে সাহায্য করবে মেসেঞ্জার এ বসেই ।
• News bot. যখনই কোন কিছু ঘটুক , আপনি জেনে যাবেন মুহূর্তেই , মেসেঞ্জার এর ভিতর ।
• Personal finance bot. আপনাকে মেসেঞ্জার এর ভিতর হিসাব নিকেশ করতে সাহায্য করবে ।
• Scheduling bot. শিডিউল নিয়ে ঝামেলায় পড়েন ? এর জন্যেও রয়েছে চ্যাটবট
• A bot that’s your friend. Xiaoice নামের এই চ্যাটবট এর নির্মাতা Microsoft, ভাবতে পারেন ২০ মিলিয়ন মানুষ এর সাথে কথা বলে প্রতি দিন!

চ্যাটবট এর সম্ভাবনা ? 😎😎😎💰💰💰

চ্যাটবট এর সম্ভাবনা প্রচুর । যেকোন কিছুর চ্যাটবট বানানো সম্ভব । শুধু মাত্র একটু খানি ইমাজিনেশন আর প্রোগ্রাম্মিং এ দক্ষ হলেই সম্ভব! মানুষ এখন সোশ্যাল নেটওয়ার্কিং সাইটে বেশি সময় ব্যয় করে না যত টা মেসেজিং এ করে! এই গ্রাফ টা দেখুন —

৪৫.৮ % মানুষ মেসেজিং করে বিজনেস / কোম্পানি’র সাথে যোগাযোগ করতে চায়, ইমেইল ব্যবহার করে নয়!

আমিও চ্যাটবট বানাতে চাই , কি করবো? 🙄🙄🙄

প্রথমত আপনাকে বুঝতে হবে আপনি ঠিক কোন উদ্দেশ্যে চ্যাটবট বানাতে চাচ্ছেন? এটা বের করে ফেলতে পারলে কাজ টা কিছু টা সহজ হয়ে যায় । তবে একটা ব্যাপার মনে রাখতে হবে, চ্যাটবট আর ওয়েবসাইট ডেভেলাপমেন্ট দুটো দুই রকম, তাই এদের মেকানিজম ও আলাদা । একটা ওয়েবসাইট একটা কোম্পানি কে রিপ্রেসেন্ট করে , আর চ্যাটবট আপনার কাস্টোমার সাপোর্ট এজেন্ট এর মত । সে যত বেশি স্মার্ট হবে , আপনার কাস্টোমার তার সাথে কথা বলতে তত বেশি উৎসাহিত বোধ করবে ।

তারপর আশে প্লাটফর্ম এর ব্যাপারটা । মোটুমোটি সব প্লাটফর্ম এর জন্য চ্যাটবট বানানো সম্ভব । তবে ফেসবুক মেসেঞ্জার , স্ল্যাক, টেলিগ্রাম, উইচ্যাট, টুইটার এগুলো হলো চ্যাটবট বানানো’র মেজর প্লাটফর্ম । আপনি কোন প্লাটফর্ম এর জন্য বানাবেন সেটা সম্পূর্ণ ভাবে আপনার কাস্টোমার কোথায় সবচেয়ে বেশি তার উপর নির্ভরশীল।

এরপর আশে প্রোগ্রাম্মিং এর ব্যাপারটা । আপনি যে প্রোগ্রাম্মিং ভাষায় দক্ষ সেটাতেই চ্যাটবট বানানো সম্ভব । নোড ( জাভাস্ক্রিপ্ট ), পাইথন, রুবি এই সকল ভাষার যেকোন একটা জানা থাকলেই হল । কোথায় হোস্ট করবেন সেটাও আপনার উপর নির্ভরশীল । হেরুকু ক্লাউড , গুগল অ্যাপ ইঞ্জিন , মাইক্রোসফট ক্লাউড, অ্যামাজন ওয়েব সার্ভিস এই ক্লাউড সার্ভিস গুলো চ্যাটবট ডেভেলাপমেন্ট এর জন্য বেশ জনপ্রিয় । যদি আমাকে সাজেশন দিতে বলেন তবে আমি বলবো ইজি ডেপ্লয়মেন্ট এর জন্য হেরুকু ক্লাউড জোশ । কিন্তু এর প্রধান সমস্যা হচ্ছে ফ্রী সার্ভার এ ২৪ ঘন্টা পর পর রিসেট দেয়া হয় । 🤔🤔🤔

ফলে আগের সব জমা হওয়া তথ্য ডাটাবেজ থেকে হারিয়ে যায় । ব্যাকআপ করে রাখা লাগে । 😑😑😑

সবচেয়ে ভালো হল অ্যামাজন ক্লাউড । কিন্তু এর কনফিগারেশন বেশ কঠিন । অভিজ্ঞ প্রোগ্রামার ছাড়া কনফিগার করতে গেলে বেশ অনেক টা সময় নষ্ট হয়ে যাবে । ☹️☹️☹️

তাই আমার সাজেশন থাকবে অভিজ্ঞ প্রোগ্রাম্মার এর সাহায্য নেয়া ।

কিন্তু আমি তো প্রোগ্রাম্মিং পারি না , বাজেট ও অত নাই, আমি কি করবো? 😫😫😫

আপনার জন্য রয়েছে চ্যাটবট বানানোর বেশ কিছু ফ্রি এবং ফ্রিমিয়াম প্লাটফরম যে গুলো ব্যবহার করে আপনি খুব সহজেই চ্যাটবট বানাতে পারবেন । এই ব্যাপারে নিচে বিস্তারিত বলা আছে!

চলুন তবে শুরু করা যাক আমাদের চ্যাটবট ডেভেলাপমেন্ট -

আমরা এখানে Claudia Bot Builder ব্যবহার করে একটি হ্যালো চ্যাটবট বানাবো । এরকম বট বিল্ডার আরো রয়েছে মার্কেট এ । তবে এটি তুলনামুলক সহজ । আমাদের বট ডেপ্লয় করা হবে অ্যামাজন ওয়েব সার্ভিস এ । আপনি জাভাস্ক্রিপ্ট পারলে খুব সহজেই এরকম চ্যাটবট বানাতে পারবেন । 😉

যা যা লাগবে -

• Node.js 4.3.2
• NPM
• An AWS account with the permissions to create Lambda functions, API Gateway end-points and IAM roles.
• Claudia.js 1.4.0 or later

কিভাবে Claudia.js ইন্সটল করবেন সেটি এই টিউটোরিয়াল এ দেখে নিন ।

ইন্সটল হয়ে গেলে আপনার ডেস্কটপ এ একটি ফোল্ডার তৈরি করুন ।

Git Bash (ইন্সটল থাকতে হবে) —

npm init

আপনার প্রজেক্ট ডিপেন্ডেন্সি তে claudia-bot-builder যুক্ত করতে নিচের মতো লিখুন —

npm install claudia-bot-builder -S

আমাদেরকে এরপর huh এক্সকিউজ জেনারেটর ব্যবহার করে কিছু ডায়নামিক কন্টেন্ট আমাদের চ্যাটবট এ যুক্ত করতে হবে । তাই ইন্সটল করুন —

npm install huh -S

আপনার ওই ফোল্ডার এ bot.js নামে একটা ফাইল তৈরি করুন এবং নিচের কোড কপি পেস্ট করুন —

var botBuilder = require(‘claudia-bot-builder’), excuse = require(‘huh’); module.exports = botBuilder(function (request) { return ‘Thanks for sending ‘ + request.text + ‘. Your message is very important to us, but ‘ + excuse.get(); });

ব্যস আমাদের প্রাথমিক কাজ শেষ । এখন ডেপ্লয়মেন্ট এর পালা ।

আমাদের git bash এ নিচের মত করে লিখুন । তার আগে অ্যামাজন ক্লাউড এ আপনার একটি একাউন্ট তৈরি করে নিবেন এবং সেখান থেকে প্রয়োজনীয় ক্রিডেনশিয়াল সংরক্ষণ করে রাখবেন ।

claudia create --region us-east-1 --api-module bot

Claudia নিজে থেকেই বাকি সব কাজ করে নিবে এবং আপনার জন্য একটি ওয়ার্কেবল ওয়েব হুক তৈরি করে দিবে যেটা আমাদের পরবর্তীতে কাজে দিবে ।

এখন আমাদের কে একটি ফেসবুক মেসেঞ্জার অ্যাপ বানাতে হবে । তার জন্য Facebook Messenger Getting Started Guide লিঙ্কে ক্লিক করুন । দেখবেন নিচের মত পেইজ এসেছে ।

ডান দিকে উপরে My App এ ক্লিক করে Create A New App এ ক্লিক করুন ।

Create App ID তে ক্লিক করে ক্যাপচা পুরণ করলে নিচের মত পেইজ আসবে ।

এরপর মেসেঞ্জার লেখাটি খুজে বের করুন এবং ডান পাশে Get Started Button এ ক্লিক করুন ।

পরের পেইজ এ এরকম করে আপনাকে একটি টোকেন জেনারেট করতে হবে । আপনি যেই পেইজ এর জন্য চ্যাটবট বানাচ্ছেন সেই পেইজ সিলেক্ট করলে একটি টোকেন জেনারেট হবে যেটি পরবর্তীতে চ্যাটবট ভেরিফিকেশন এ কাজে দিবে ।

এর নিচেই আপনি ওয়েব হুক অপশন পাবেন । সেটাপ ওয়েব হুক এ ক্লিক করুন ।

সেটাপ ওয়েব হুক এ ক্লিক করলে নিচের মত একটি পপ আপ আসবে ।

এই কল ব্যাক ইউআরল এর জন্য আমাদেরকে Git Bash এ নিচের মত করে লিখতে হবে ।

claudia update — configure-fb-bot

তখন ব্ল্যাক স্ক্রিন এ আমরা Webhook URL এবং ভেরিফিকেশন টোকেন পাবো ।

আমাদের ওয়েব হুক ইউআরএল টি দেখতে এরকম হবে , তবে একেক জন এর একেক রকম

https://0tu1az4tpj.execute-api.us-east-1.amazonaws.com/prod/hellobot

VERIFY_TOKEN = “abcxyz”;

সব কিছু সঠিক থাকলে আপনি একটি ওয়েলকাম স্ক্রিন পাবেন । অর্থাৎ আপনার বট আপনার সাথে কথা বলার জন্য প্রস্তুত ।

আপনার বট এর সাথে আপনি এখন আপনি কথা বলতে প্রস্তুত ।

তবে এটা একটা বেসিক ফাংশন বট । আপনি এখন সিদ্ধান্ত নিন কিভাবে এই চ্যাটবট কে আপনার ব্যবসার কাজে ব্যাবহার করবেন , এবং সে অনুযায়ী প্রয়োজনীয় কোড ব্যবহার করুন । আর্টিফিশিয়াল ইন্টেলিজেন্স ব্যাবহার করে আপনার চ্যাটবট কে আপনি আরো বেশি ইন্টার একটিভ করতে পারেন ।

এরপর প্রয়োজনীয় ফাংশন যুক্ত করা হলে আপনার চ্যাটবট টি কে সবার জন্য উন্মুক্ত করে দিতে চাইলে নিচের মত করে আপনাকে ফেসবুক এর নিকট সাবমিট করতে হবে ।

বাংলাদেশের বাইরে আপনি মেসেঞ্জার এ বসেই কেনাকাটা করতে পারবেন । ফেসবুক এখনো এই অপশন বাংলাদেশের জন্য চালু করে নি বিধায় আমাদের ইকমারস এ আমরা এরকম করে প্রোডাক্ট শো করতে পারি ইকমারস বট দিয়ে ।

আহা! আমরা আমাদের প্রথম চ্যাটবট বানানো শেষ করেছি । একটু কঠিন ছিলো , তবে একবার অবস্থ্য হয়ে গেলে আপনি নিজে নিজেই যেকোন প্লাটফর্ম এর জন্য চ্যাটবট বানাতে পারবেন । তারপরও না পারলে আমরা টাইগার ডিজিটাল তোহ আছিই !

এখন আসি কিভাবে বিনা প্রোগ্রাম্মিং এ চ্যাটবট বানানো যায় । এই ফ্রি প্লাটফর্ম গুলো’র বেশ কিছু সুবিধা ও অসুবিধা রয়েছে । তার আগে প্লাটফর্ম গুলো দেখে নিই ।

• Octane AI
• wit.ai (bought by Facebook)
• howdy’s botkit (raised $1.5+ mil in funding)
• api.ai (raised $8.6+ mil in funding)
• textit.in
• Motion.ai
• Chatfuel
• IBM’s Watson
• BeepBoopHQ
• Dexter (owned by Betaworks)
• converse.ai
• Gupshup

এই চ্যাটবট প্লাটফর্ম গুলো’র সুবিধা হল এরা বিনা প্রোগ্রাম্মিং এ আপনাকে যেকোন প্লাটফর্ম এর জন্য চ্যাটবট বানাতে দিবে ।

কিন্তু সবচেয়ে বড় অসুবিধা , মেসেজিং লিমিটেশন । আপনি সর্বনিম্ন ১০০০-৫০০০ মেসেজিং করতে পারবেন এক মাসে ফ্রি তে ( আপনি ৫০০/২৫০০ মেসেজ পাঠাতে পারবেন-আবার ৫০০/২৫০০ মেসেজ রিসিভ করতে পারবেন = ১০০০/৫০০০ মেসেজ ) । 🙄🙄🙄

কিছু কিছু প্লাটফর্ম অবশ্য ১ থেকে ১.৫ লাখ ম্যাসেজ বা বার্তা বিনামূল্যে আদান প্রদান করতে দেয় । তারপর আপনাকে মাসিক নির্দিষ্ট একটা ফি এর বিনিময়ে এই সার্ভিস নিতে হবে । কিছু কিছু প্লাটফর্ম বাংলা এবং বাংলিশ ও সাপোর্ট করে না । সেক্ষেত্রে নিজেদের প্রোগ্রাম্মিং করেই চ্যাটবট বানাতে হবে ।

চ্যাটবট সম্পর্কে ধারণা পেতে এই ইনফোগ্রাফিক টি দেখুন —

চ্যাটবট সম্পর্কে আরো বেশি জানতে —

• How Bots Will Completely Kill Websites and Mobiles Apps by Matt Schlicht
• Botlist, an app store for bots.
• The Secret To Building Your Own Facebook Chat Bot In Less Than 15 Minutes by Jerry Wang
• Go Library for Facebook Messenger Bots by Harrison Shoebridge
• How To Build Bots For Facebook Messenger by Facebook
• Building Your Messenger Bot [Video] by Facebook
• Creating a Bot by Rob Ellis
• Botwiki
• Telegram Bot API — PHP SDK by Syed Irfaq
• A Beginner’s Guide To Your First (Slack) Bot by Slack
• Slackbot Tutorial by Michi Kono
• Create A Slackbot Using Botkit by Altitude Labs
• Sketch UI Kit For Messenger Bots by Mockuuups
• How to create your own Telegram bot who answer its users, without coding by Chatfuel
• Chatbots.org

এতোক্ষণ কষ্ট করে এই লেখা টি পড়ার জন্য ধন্যবাদ । ❤ ❤ ❤

আমি রিয়াদ রহমান , কাজ করি আর্টিফিশিয়াল ইন্টেলিজেন্স, ডাটা সায়েন্স নিয়ে । ফেইসবুক এ আমি । লিঙ্কইডইন এ আমি । টুইটার এ আমাকে টুইট করুন । আমার প্রতিষ্ঠান টাইগার ডিজিটাল । আমাদের কাজ । আমাদের বাঘা প্রজেক্ট । আমাদের বাঘ.com এবং মুক্তিযুদ্ধ.com

Email : ireyadrahman@gmail.com

Corporate Inquiry : hello@tigerdigital.xyz, reyad@tigerdigital.xyz