মেশিন লার্নিং ম্যাথ

মেশিন লার্নিং বা AI-এর ভিত্তি হলো গণিত। এর মধ্যে লিনিয়ার অ্যালজেব্রা, ক্যালকুলাস এবং প্রোবাবিলিটি সবচেয়ে বেশি ব্যবহৃত হয়। এআই পরিচিতি পোস্টে আমরা আগেই দেখেছি কিভাবে AI আমাদের জীবন পাল্টে দিচ্ছে। এবার চলুন এর পেছনের গণিত দেখি।

লিনিয়ার রিগ্রেশন (Linear Regression)

সবচেয়ে সহজ একটি মডেল হলো লিনিয়ার রিগ্রেশন, যার সমীকরণটি হলো:

$$y = mx + c$$

এখানে,
$y$ = আউটপুট বা প্রেডিকশন
$m$ = স্লোপ বা গ্রেডিয়েন্ট
$x$ = ইনপুট ডেটা
$c$ = ইন্টারসেপ্ট

যদি আমরা লিনিয়ার রিগ্রেশন এর এরর বা কস্ট ফাংশন (Cost Function) হিসাব করতে চাই, তবে Mean Squared Error (MSE) ব্যবহৃত হয়:

$$MSE = \frac{1}{n} \sum_{i=1}^{n} (Y_i - \hat{Y}_i)^2$$

এইসব গাণিতিক সমীকরণগুলোই আসলে একটি AI মডেলকে শিখতে সাহায্য করে। আপনি যদি এই থিওরিগুলো নিজের প্রোজেক্টে ব্যবহার করতে চান, তাহলে Web Design Trends 2026 Fluidity and Minimalism অনুযায়ী একটি সুন্দর UI ডিজাইন করে তারপর আপনার মডেলটি সেখানে বসাতে পারেন!