আরও ডেটা সায়েন্স চিটশিট

আমরা সম্প্রতি বুঝতে পেরেছি যে আমরা কিছু সময়ের মধ্যে আপনার জন্য কোনো ডেটা সায়েন্স চিটশিট নিয়ে আসিনি। এবং এটি তাদের প্রাপ্যতার অভাবের জন্য নয়; ডেটা সায়েন্স চিটশিটগুলি সর্বত্র রয়েছে, শুরু থেকে শুরু করে উন্নত, অ্যালগরিদম থেকে পরিসংখ্যান, ইন্টারভিউ টিপস এবং এর বাইরেও বিষয়গুলি কভার করে৷

কিন্তু কি একটি ভাল চিটশীট তোলে? কি একটি চিটশিটকে বিশেষভাবে ভাল হিসাবে চিহ্নিত করার যোগ্য করে তোলে? আপনার আঙুল লাগানো কঠিন অবিকল যা একটি ভাল চিটশীট তৈরি করে, তবে স্পষ্টতই একটি যা প্রয়োজনীয় তথ্য সংক্ষিপ্তভাবে প্রকাশ করে - সেই তথ্যটি সাধারণ প্রকৃতির নির্দিষ্ট কিনা - অবশ্যই একটি ভাল শুরু। আর এটাই আজ আমাদের প্রার্থীদের উল্লেখযোগ্য করে তুলেছে। তাই আপনার ডেটা বিজ্ঞান শেখার বা পর্যালোচনায় আপনাকে সহায়তা করার জন্য চারটি কিউরেটেড পরিপূরক চিটশিট পড়ুন।

প্রথম আপ হয় অ্যারন ওয়াং এর ডেটা সায়েন্স চিটশীট 2.0, পরিসংখ্যানগত বিমূর্ততা, মৌলিক মেশিন লার্নিং অ্যালগরিদম এবং গভীর শিক্ষার বিষয় এবং ধারণাগুলির একটি চার পৃষ্ঠার সংকলন। এটি সম্পূর্ণরূপে বোঝানোর জন্য নয়, বরং ইন্টারভিউ প্রস্তুতি এবং পরীক্ষার পর্যালোচনার মতো পরিস্থিতির জন্য একটি দ্রুত রেফারেন্স এবং অন্য যেকোন কিছুর জন্য একই স্তরের পর্যালোচনা গভীরতার প্রয়োজন। লেখক উল্লেখ করেছেন যে যাদের পরিসংখ্যান এবং রৈখিক বীজগণিতের প্রাথমিক ধারণা রয়েছে তারা সর্বাধিক সুবিধার এই সংস্থানটি খুঁজে পাবে, নতুনদেরও এর বিষয়বস্তু থেকে দরকারী তথ্য সংগ্রহ করতে সক্ষম হওয়া উচিত।

অ্যারন ওয়াং এর স্ক্রিনশট ডেটা সায়েন্স চিটশীট 2.0
 

আজকে আমাদের পরবর্তী চিটশিট অফার হচ্ছে যেটির উপর ভিত্তি করে অ্যারন ওয়াং এর সংস্থান, ম্যাভেরিক লিনের ডেটা সায়েন্স চিটশিট (ওয়াং এর নিজের 2.0 হিসাবে উল্লেখ করা লিন এর "মূল" এর জন্য সরাসরি সম্মতি)। আমরা লিন-এর চিটশিটকে ওয়াং-এর চেয়ে আরও গভীরতা হিসাবে ভাবতে পারি (যদিও ওয়াং-এর তার কম গভীরতা করার সিদ্ধান্তটি ইচ্ছাকৃত এবং একটি দরকারী বিকল্প বলে মনে হয়), ডেটা পরিষ্কার করার মতো আরও মৌলিক ডেটা বিজ্ঞানের ধারণাগুলিকে কভার করে, মডেলিংয়ের ধারণা, " হাডুপ, এসকিউএল, এমনকি পাইথনের মৌলিক বিষয়গুলির সাথে বড় ডেটা”।

স্পষ্টতই এটি তাদের কাছে আবেদন করবে যারা "শিশু" শিবিরে আরও দৃঢ়ভাবে আছেন, এবং ক্ষুধা মেটাতে এবং পাঠকদের ডেটা সায়েন্সের বিস্তৃত ক্ষেত্র এবং এটির অন্তর্ভুক্ত বিভিন্ন ধারণা সম্পর্কে সচেতন করার একটি ভাল কাজ করে। এটি অবশ্যই আরেকটি কঠিন সম্পদ, বিশেষ করে যদি পাঠক ডেটা সায়েন্সে নবাগত হন।

Maverick Lin's থেকে স্ক্রিনশট ডেটা সায়েন্স চিটশিট
 

আমরা সময়ের সাথে আরও পিছিয়ে যাওয়ার সাথে সাথে - লিনের চিটশিটের অনুপ্রেরণা খুঁজছি - আমরা দেখতে পাই উইলিয়াম চেনের সম্ভাব্যতা চিটশীট 2.0. চেনের চিটশিট বছরের পর বছর ধরে অনেক মনোযোগ এবং প্রশংসা কুড়িয়েছে, এবং তাই আপনি হয়তো কোনো এক সময়ে এটি দেখতে পেয়েছেন। স্পষ্টতই একটি ভিন্ন ফোকাস সহ (এর নাম দেওয়া হয়েছে), চেনের চিটশিট হল একটি ক্র্যাশ কোর্স, বা সম্ভাব্যতা ধারণার গভীর ডাইভ রিভিউ, যার মধ্যে রয়েছে বিভিন্ন ডিস্ট্রিবিউশন, কোভেরিয়েন্স এবং ট্রান্সফরমেশন, শর্তাধীন প্রত্যাশা, মার্কভ চেইন, গুরুত্বের বিভিন্ন সূত্র এবং অনেক বেশি.

10 পৃষ্ঠাগুলিতে, আপনি এখানে কভার করা সম্ভাব্যতার বিষয়গুলির প্রশস্ততা কল্পনা করতে সক্ষম হবেন। কিন্তু যে আপনাকে নিবৃত্ত করবেন না; ধারণাগুলিকে তাদের প্রয়োজনীয় বুলেট পয়েন্টগুলিতে ফুটিয়ে তোলার এবং অপরিহার্য বিষয়গুলির উপর ত্যাগ না করে সাধারণ ইংরেজিতে ব্যাখ্যা করার চেনের ক্ষমতা লক্ষণীয়। এটি ব্যাখ্যামূলক ভিজ্যুয়ালাইজেশনেও সমৃদ্ধ, যখন স্থান সীমিত থাকে এবং সংক্ষিপ্ত হওয়ার ইচ্ছা প্রবল হয় তখন বেশ কার্যকর কিছু।

চেনের সংকলনটি কেবলমাত্র একটি গুণমান এবং আপনার সময়ের জন্য উপযুক্ত নয়, একজন শিক্ষানবিশ হিসাবে বা সম্পূর্ণ পর্যালোচনায় আগ্রহী কেউ, আমি এই সংস্থানগুলি কীভাবে উপস্থাপন করা হয়েছিল তার বিপরীত ক্রমে কাজ করব — চেনের চিটশিট থেকে শুরু করে লিন এবং অবশেষে ওয়াং-এর কাছে, আপনি যেতে যেতে ধারণা শীর্ষে বিল্ডিং.

উইলিয়াম চেনের স্ক্রিনশট সম্ভাবনা চিটশীট 2.0
 

একটি চূড়ান্ত সংস্থান যা আমি এখানে অন্তর্ভুক্ত করছি, যদিও প্রযুক্তিগতভাবে একটি চিটশিট নয়, তা হল ঋষভ আনন্দের মেশিন লার্নিং কামড়. "সাধারণ মেশিন লার্নিং ধারণা, সর্বোত্তম অনুশীলন, সংজ্ঞা এবং তত্ত্বের উপর একটি সাক্ষাত্কার নির্দেশিকা" হিসাবে নিজেকে বিলিং করে আনন্দ "কামড়" জ্ঞানের একটি বিস্তৃত সংকলন সংকলন করেছেন, যার উপযোগিতা অবশ্যই মূল উদ্দেশ্য সাক্ষাত্কারের প্রস্তুতিকে অতিক্রম করে। মধ্যে অন্তর্ভুক্ত বিষয় অন্তর্ভুক্ত:

• মডেল স্কোরিং মেট্রিক্স
• প্যারামিটার শেয়ারিং
• k-ভাঁজ ক্রস বৈধতা
• পাইথন ডেটা প্রকার
• মডেল কর্মক্ষমতা উন্নত
• কম্পিউটার ভিশন মডেল
• মনোযোগ এবং তার বৈকল্পিক
• ক্লাস ভারসাম্যহীনতা হ্যান্ডলিং
• কম্পিউটার ভিশন শব্দকোষ
• ভ্যানিলা ব্যাকপ্রোপাগেশন
• নিয়মিতকরণ
• তথ্যসূত্র

থেকে স্ক্রিনশট মেশিন লার্নিং কামড়
 

যখন মেশিন লার্নিং "ধারণা, সর্বোত্তম অনুশীলন, সংজ্ঞা এবং তত্ত্ব" স্পর্শ করা হয়, যেমন সম্পদের বর্ণনায় প্রতিশ্রুতি দেওয়া হয়েছে, এই "কামড়গুলি" অবশ্যই ব্যবহারিক দিকে পরিচালিত হয়, যা সাইটটিকে কভার করা অনেক উপাদানের পরিপূরক করে তোলে পূর্বে উল্লেখিত তিনটি চিটশিট। আমি যদি এই পোস্টের চারটি সংস্থানের সমস্ত উপাদান কভার করতে চাই, তবে আমি অবশ্যই অন্য তিনটির পরে এটি দেখব।

সুতরাং সেখানে আপনার শেখার বা পর্যালোচনার জন্য ব্যবহার করার জন্য আপনার কাছে চারটি চিটশিট (বা তিনটি চিটশিট এবং একটি চিটশিট-সংলগ্ন সংস্থান) রয়েছে। আশা করি এখানে কিছু আপনার জন্য দরকারী, এবং আমি নীচের মন্তব্যগুলিতে তারা যে চিটশিটগুলি দরকারী বলে মনে করেছে সেগুলি ভাগ করার জন্য আমি কাউকে আমন্ত্রণ জানাই৷

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• উত্স: https://www.kdnuggets.com/2021/03/more-data-science-cheatsheets.html?utm_source=rss&utm_medium=rss&utm_campaign=more-data-science-cheatsheets