মেশিন লার্নিং ম্যাথ

মেশিন লার্নিং বা AI-এর ভিত্তি হলো গণিত। এর মধ্যে লিনিয়ার অ্যালজেব্রা, ক্যালকুলাস এবং প্রোবাবিলিটি সবচেয়ে বেশি ব্যবহৃত হয়। ai-intro-bd 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 অনুযায়ী একটি সুন্দর UI ডিজাইন করে তারপর আপনার মডেলটি সেখানে বসাতে পারেন!