📝 পরীক্ষার প্রশ্নোত্তর
ইউনিট ৮: AI, ML ও ডাটা অ্যানালিটিক্স
Course Code: 219903উত্তর:
AI (Artificial Intelligence): মেশিনকে মানুষের মতো চিন্তা করা, শেখা ও সমস্যা সমাধান করতে সক্ষম করার প্রযুক্তি।
দৈনন্দিন জীবনে AI-এর প্রয়োগ:
- Voice Assistants: Siri, Google Assistant, Alexa
- Face Recognition: ফোন আনলক, এয়ারপোর্ট সিকিউরিটি
- Recommendation Systems: Netflix, YouTube সাজেশন
- Chatbots: কাস্টমার সার্ভিস
- Self-driving Cars: Tesla, Waymo
- Healthcare: রোগ নির্ণয়, ওষুধ আবিষ্কার
- Spam Filter: ইমেইল ফিল্টারিং
উত্তর:
Machine Learning: AI-এর একটি শাখা যেখানে মেশিন ডাটা থেকে প্যাটার্ন শিখে এবং স্বয়ংক্রিয়ভাবে উন্নত হয়, সরাসরি প্রোগ্রাম না করেই।
| ধরন | বিবরণ | উদাহরণ |
|---|---|---|
| Supervised Learning | লেবেলযুক্ত ডাটা থেকে শেখা | Spam Detection, Image Classification |
| Unsupervised Learning | লেবেল ছাড়াই প্যাটার্ন খোঁজা | Customer Segmentation, Clustering |
| Reinforcement Learning | পুরস্কার/শাস্তি থেকে শেখা | Game AI, Self-driving Cars |
উত্তর:
Data Analytics: ডাটা সংগ্রহ, প্রক্রিয়াকরণ ও বিশ্লেষণ করে অর্থবহ তথ্য ও সিদ্ধান্ত বের করার প্রক্রিয়া।
ডাটা অ্যানালিটিক্সের ধাপ:
- ১. Data Collection: বিভিন্ন সোর্স থেকে ডাটা সংগ্রহ
- ২. Data Cleaning: ভুল, অসম্পূর্ণ ও অপ্রাসঙ্গিক ডাটা ঠিক করা
- ৩. Data Analysis: ডাটা বিশ্লেষণ ও প্যাটার্ন খোঁজা
- ৪. Visualization: চার্ট, গ্রাফ ও ড্যাশবোর্ডে দেখানো
- ৫. Decision Making: বিশ্লেষণের ভিত্তিতে সিদ্ধান্ত গ্রহণ
উত্তর:
NLP: Natural Language Processing হলো AI-এর একটি শাখা যা কম্পিউটারকে মানুষের ভাষা বুঝতে, বিশ্লেষণ করতে ও উৎপাদন করতে সক্ষম করে।
NLP-এর প্রয়োগ:
- Chatbots: ChatGPT, Google Bard
- Voice Assistants: ভয়েস কমান্ড বোঝা
- Translation: Google Translate
- Sentiment Analysis: মতামত বিশ্লেষণ
- Autocomplete: টাইপ করার সময় সাজেশন
- Spell Check: বানান সংশোধন
উত্তর:
| সুবিধা | চ্যালেঞ্জ |
|---|---|
| দ্রুত ও সঠিক সিদ্ধান্ত গ্রহণ | প্রাইভেসি উদ্বেগ |
| ২৪/৭ কাজ করতে পারে | চাকরি হ্রাসের সম্ভাবনা |
| জটিল সমস্যা সমাধান | বায়াস (পক্ষপাত) সমস্যা |
| মানুষের কাজ সহজ করা | নিরাপত্তা ঝুঁকি |
| নতুন ক্যারিয়ার সুযোগ | উচ্চ খরচ ও জটিলতা |
উত্তর:
AI (Artificial Intelligence): মেশিনকে মানুষের মতো চিন্তা করা, শেখা ও সমস্যা সমাধান করতে সক্ষম করার প্রযুক্তি।
AI-এর প্রধান তিনটি ক্ষমতা:
- ১. Learning (শেখার ক্ষমতা): AI ডাটা থেকে শিখতে পারে এবং অভিজ্ঞতা থেকে নিজেকে উন্নত করতে পারে। যেমন: Machine Learning অ্যালগরিদম হাজার হাজার ছবি দেখে বিড়াল ও কুকুর চিনতে শেখে। Spam Filter ইমেইল বিশ্লেষণ করে স্প্যাম চিনতে শেখে।
- ২. Reasoning (যুক্তি প্রদানের ক্ষমতা): AI তথ্য বিশ্লেষণ করে যৌক্তিক সিদ্ধান্ত নিতে পারে। যেমন: Medical AI রোগীর উপসর্গ বিশ্লেষণ করে রোগ নির্ণয়ে সাহায্য করে। Chess AI (Deep Blue) লক্ষ লক্ষ সম্ভাব্য চাল বিশ্লেষণ করে সেরা চাল বেছে নেয়।
- ৩. Problem Solving (সমস্যা সমাধানের ক্ষমতা): AI জটিল সমস্যার সমাধান করতে পারে যা মানুষের পক্ষে কঠিন। যেমন: Google Maps ট্রাফিক বিশ্লেষণ করে দ্রুততম রুট বের করে। ChatGPT প্রশ্নের উত্তর দিতে পারে ও কোড লিখতে পারে।
উত্তর:
বাংলাদেশে AI ও ML এর সুবিধা:
- কৃষি উন্নয়ন: AI দিয়ে ফসলের রোগ শনাক্তকরণ, আবহাওয়া পূর্বাভাস ও ফলন বৃদ্ধি সম্ভব
- স্বাস্থ্যসেবা: AI-ভিত্তিক রোগ নির্ণয় গ্রামীণ অঞ্চলে চিকিৎসা সেবা উন্নত করতে পারে
- শিক্ষা: AI-based পার্সোনালাইজড লার্নিং, অনলাইন শিক্ষা প্ল্যাটফর্ম
- গার্মেন্টস শিল্প: ML দিয়ে উৎপাদন প্রক্রিয়া অটোমেশন ও মান নিয়ন্ত্রণ
- ফ্রিল্যান্সিং: AI দক্ষতা বাংলাদেশি ফ্রিল্যান্সারদের আন্তর্জাতিক বাজারে প্রতিযোগিতামূলক করবে
- ই-কমার্স: AI-ভিত্তিক Recommendation System ও Chatbot ব্যবসায় সহায়তা করে
- দুর্যোগ ব্যবস্থাপনা: AI দিয়ে বন্যা ও ঘূর্ণিঝড়ের পূর্বাভাস দেওয়া সম্ভব
বাংলাদেশে AI ও ML এর চ্যালেঞ্জ:
- অবকাঠামোর অভাব: উচ্চ গতির ইন্টারনেট ও কম্পিউটিং রিসোর্সের সীমাবদ্ধতা
- দক্ষ জনশক্তির অভাব: AI ও ML-এ প্রশিক্ষিত পেশাদারের সংখ্যা কম
- বাংলা ভাষায় ডাটার অভাব: বাংলা ভাষায় পর্যাপ্ত ট্রেনিং ডাটা নেই
- উচ্চ খরচ: AI সিস্টেম স্থাপন ও পরিচালনায় অনেক অর্থ প্রয়োজন
- চাকরি হারানোর আশঙ্কা: অটোমেশনের ফলে অনেক কর্মী চাকরি হারাতে পারে
- নীতিমালার অভাব: AI ব্যবহারে সুনির্দিষ্ট আইন ও নীতিমালা এখনও গড়ে ওঠেনি
- ডিজিটাল বৈষম্য: গ্রাম ও শহরের মধ্যে প্রযুক্তি ব্যবহারের বিশাল ব্যবধান
- নিরাপত্তা ও প্রাইভেসি: ব্যক্তিগত তথ্যের সুরক্ষা ও অপব্যবহারের ঝুঁকি
উত্তর:
পারস্পরিক সম্পর্ক:
- AI (Artificial Intelligence): এটি হলো সবচেয়ে বড় বৃত্ত, যা মেশিনকে মানুষের মতো বুদ্ধিমত্তা দেওয়ার লক্ষ্য নিয়ে কাজ করে।
- Machine Learning (ML): এটি AI এর একটি অংশ। ML হলো সেই পদ্ধতি যার মাধ্যমে মেশিন ডাটা থেকে শিখে বুদ্ধিমত্তা অর্জন করে।
- Data Analytics: এটি হলো ডাটা সংগ্রহ ও বিশ্লেষণের প্রক্রিয়া। Data Analytics-এর মাধ্যমেই ML অ্যালগরিদম শেখার জন্য প্রয়োজনীয় ডাটা পায়।
একসাথে কাজ করার উদাহরণ (Netflix/YouTube): প্রথমে Data Analytics ব্যবহারকারীর দেখার ইতিহাস সংগ্রহ করে। এরপর Machine Learning সেই ডাটা বিশ্লেষণ করে ব্যবহারকারীর পছন্দ বুঝতে পারে। শেষে AI সেই অনুযায়ী নতুন সিনেমা বা ভিডিওর রিকমেন্ডেশন দেয়।
উত্তর:
Machine Learning-এ ব্যবহৃত চারটি সাধারণ টুল:
- Python (Scikit-Learn, TensorFlow)
- R Language
- Jupyter Notebook
- Google Colab
Prediction (ভবিষ্যদ্বাণী) ও Classification (শ্রেণিবিন্যাস) এর কাজ:
- Prediction: ঐতিহাসিক ডাটার ওপর ভিত্তি করে ভবিষ্যতের কোনো নির্দিষ্ট মান অনুমান করা। উদাহরণ: গত ১০ বছরের আবহাওয়ার ডাটা বিশ্লেষণ করে আগামীকালের তাপমাত্রা কত হবে তা প্রেডিক্ট করা বা শেয়ার বাজারের দাম অনুমান করা।
- Classification: ডাটাকে তার বৈশিষ্ট্য অনুযায়ী বিভিন্ন শ্রেণিতে ভাগ করা। উদাহরণ: একটি ইমেইলকে 'Spam' নাকি 'Not Spam' শ্রেণিতে ফেলা, অথবা ফেসিয়াল রিকগনিশন দিয়ে কোনো ছবি বিড়ালের নাকি কুকুরের তা ক্লাসিফাই করা।
উত্তর:
ভয়েস অ্যাসিস্ট্যান্ট (Voice Assistant):
ভয়েস অ্যাসিস্ট্যান্ট হলো একটি কৃত্রিম বুদ্ধিমত্তা (AI) চালিত সফটওয়্যার প্রোগ্রাম যা মানুষের কণ্ঠস্বর বা ভয়েস কমান্ড বুঝতে পারে এবং সেই অনুযায়ী বিভিন্ন কাজ সম্পাদন বা প্রশ্নের উত্তর দিতে পারে। এটি মূলত NLP (Natural Language Processing) এবং স্পিচ রিকগনিশন প্রযুক্তি ব্যবহার করে কাজ করে।
উদাহরণ: Google Assistant, Apple Siri, Amazon Alexa।
জিপিএস রুট সাজেশন যেভাবে কাজ করে (How GPS Route Suggestion Works):
গুগল ম্যাপস বা জিপিএস ট্র্যাকিং সিস্টেমে রুট সাজেশন মূলত ডাটা অ্যানালিটিক্স, মেশিন লার্নিং এবং লাইভ জিপিএস সিগন্যালের সমন্বয়ে কাজ করে। এর প্রধান ধাপগুলো হলো:
- রিয়েল-টাইম ডাটা সংগ্রহ: হাজার হাজার ব্যবহারকারীর স্মার্টফোনের জিপিএস লোকেশন ও গতির ডাটা রিয়েল-টাইমে সংগ্রহ করা হয়। কোনো রাস্তায় গাড়ির গতি কম থাকলে সেখানে ট্রাফিক জ্যাম রয়েছে বলে ধরে নেওয়া হয়।
- ঐতিহাসিক বা পূর্ববর্তী ডাটা বিশ্লেষণ: একটি নির্দিষ্ট রাস্তায় সপ্তাহের কোনো বিশেষ দিনে বা সময়ে (যেমন: অফিস টাইমে) ট্রাফিক কেমন থাকে, সেই ঐতিহাসিক ডাটা বিশ্লেষণ করা হয়।
- মেশিন লার্নিং অ্যালগরিদম: এই লাইভ ও ঐতিহাসিক ডাটা অ্যালগরিদমে ইনপুট দেওয়া হয়। অ্যালগরিদমটি দ্রুত ট্রাফিক প্যাটার্ন বিশ্লেষণ করে ও সময়ের হিসাব করে একাধিক সম্ভাব্য রুটের তুলনা করে।
- সর্বোত্তম রুট সাজেশন: পরিশেষে, সবচেয়ে কম সময়ে এবং যানজটমুক্ত কোন পথে গন্তব্যে পৌঁছানো সম্ভব, সেই সর্বোত্তম রুটটি ব্যবহারকারীকে প্রদর্শন বা সাজেশন করা হয়।
উত্তর:
ডাটা প্রেডিকশন (Data Prediction):
ডাটা প্রেডিকশন হলো পূর্ববর্তী বা ঐতিহাসিক ডাটা এবং প্যাটার্ন বিশ্লেষণ করে ভবিষ্যতের কোনো অজানা ঘটনা বা মানের পূর্বাভাস দেওয়া। যেমন: কোম্পানির বিগত ৩ বছরের বিক্রির ডাটা দেখে আগামী মাসের বিক্রির পরিমাণ অনুমান করা।
ট্রেন্ডলাইন অ্যানালাইসিস (Trendline Analysis):
কোনো নির্দিষ্ট সময়জুড়ে ডেটার পরিবর্তন বা গতির দিক (উর্ধ্বমুখী, নিম্নমুখী বা সমান্তরাল) একটি কাল্পনিক রেখা বা ট্রেন্ডলাইনের (Trendline) সাহায্যে প্রকাশ ও বিশ্লেষণ করাকে ট্রেন্ডলাইন অ্যানালাইসিস বলে। এটি ডেটার সাধারণ প্রবণতা বুঝতে সাহায্য করে।
সিদ্ধান্ত গ্রহণে এদের গুরুত্ব (Importance in Decision Making):
- পূর্বপ্রস্তুতি ও পরিকল্পনা গ্রহণ: ব্যবসার বিক্রি বা বাজারের চাহিদা কেমন হতে পারে তা আগে থেকে অনুমান করে পণ্য উৎপাদন ও মজুত বা ইনভেন্টরি পরিকল্পনা করা যায়।
- ঝুঁকি হ্রাসকরণ: ভবিষ্যতের সম্ভাব্য আর্থিক বা বাজার ঝুঁকিগুলো আগে থেকে প্রেডিক্ট করার মাধ্যমে সে অনুযায়ী প্রতিরক্ষামূলক ব্যবস্থা নেওয়া যায়, যা ভুল সিদ্ধান্ত নেওয়ার প্রবণতা কমায়।
- সম্পদের সঠিক ব্যবহার: সঠিক ট্রেন্ড বিশ্লেষণের মাধ্যমে কোন খাতে বিনিয়োগ বাড়ানো বা কমানো উচিত, তা নির্ধারণ করা সহজ হয়।
- প্রতিযোগিতায় এগিয়ে থাকা: গ্রাহকদের চাহিদার পরিবর্তন বা বাজারের ট্রেন্ড আগে থেকে অনুমান করে কোম্পানিগুলো নতুন স্ট্র্যাটেজি তৈরি করতে পারে।