Home › Roadmap › Mathematics for AI › Part 1

Linear Algebra Basics

📘 ভেক্টর, ম্যাট্রিক্স, ডট প্রোডাক্ট—মেশিন লার্নিংয়ের গাণিতিক ভাষা।

🌐 Vectors, matrices and dot products.

📐 গণিত🎚 Beginner📍 Part 1 / 13🧩 3 সাব-টপিক
📐
1

ধারণা · Concept

কী এবং কেন
📘 বাংলা ব্যাখ্যা:
ভেক্টর, ম্যাট্রিক্স, ডট প্রোডাক্ট—মেশিন লার্নিংয়ের গাণিতিক ভাষা।
🌐 English:
Vectors, matrices and dot products.

🗂 কোথায় পড়ে

১. ভিত্তি → গণিত → Linear Algebra Basics

🎯 এই শাখার লক্ষ্য

Manipulate matrices, compute gradients, reason with probability

🧰 টুলস

NumPy, Desmos, GeoGebra

🪜

ধাপে ধাপে শিখুন · Step-by-step

কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল
💡 কেন গুরুত্বপূর্ণ?

ডেটাসেট একটি ম্যাট্রিক্স, প্রতিটি সারি একটি ভেক্টর; নিউরাল নেটওয়ার্কের প্রতিটি লেয়ার একটি ম্যাট্রিক্স গুণ।

  1. ধাপ 1
    স্কেলার (একটি সংখ্যা), ভেক্টর (সংখ্যার তালিকা), ম্যাট্রিক্স (সারি×কলাম), টেনসর (বহুমাত্রিক) চিনুন
  2. ধাপ 2
    ভেক্টর যোগ ও স্কেলার গুণ হাতে করে দেখুন
  3. ধাপ 3
    ডট প্রোডাক্ট a·b = Σaᵢbᵢ; এটি দুই ভেক্টরের মিল মাপে
  4. ধাপ 4
    ম্যাট্রিক্স গুণের নিয়ম: (m×n)·(n×p) = (m×p); ভেতরের মাত্রা মিলতে হবে

🧪 বাস্তব উদাহরণ

৩টি ফিচার [বয়স, আয়, সদস্য] ও ওজন [0.2, 0.5, 0.3] → স্কোর = ডট প্রোডাক্ট; লিনিয়ার রিগ্রেশন ঠিক এটাই করে।

⚠️ সাধারণ ভুল

ম্যাট্রিক্স গুণকে উপাদানভিত্তিক গুণ (*) ভাবা—NumPy-তে ম্যাট্রিক্স গুণ হলো @।

🔑 মূল শব্দ (Key terms)

scalarvectormatrixtensordot product

3

সাব-টপিক ও বিস্তারিত · Sub-topics

টপিক → সাব-টপিক → সাব-সাব টপিক
1.1 স্কেলার, ভেক্টর, ম্যাট্রিক্স, টেনসর1.1.1 ডেটার মাত্রা
1.2 ডট প্রোডাক্ট1.2.1 a·b = Σaᵢbᵢ1.2.2 মিল পরিমাপ
1.3 ম্যাট্রিক্স গুণ1.3.1 নিউরাল নেটওয়ার্কের প্রতিটি লেয়ার
🎬

ভিডিও · Videos (বাংলা ও English)

ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত

📺 আরও খুঁজুন

💻

হাতে-কলমে · Try it (Mathematics for AI)

এডিট করে Run চাপুন · Ctrl+Enter
import numpy as np, matplotlib.pyplot as plt
# Gradient descent on f(x)=(x-3)^2
x=10.0; lr=0.1; path=[x]
for _ in range(30): x-=lr*2*(x-3); path.append(x)
print("Minimum found at x =", round(x,4))
A=np.array([[2,1],[1,3]]); w,v=np.linalg.eig(A); print("Eigenvalues:",w.round(3))
plt.plot(path,'o-'); plt.title('Gradient descent converging to 3'); plt.xlabel('step'); plt.show()
❓

সেল্ফ-চেক · Self check

1. “ডেটার মাত্রা” — এটি কোন সাব-টপিকের বর্ণনা?

2. “a·b = Σaᵢbᵢ, মিল পরিমাপ” — এটি কোন সাব-টপিকের বর্ণনা?

3. “নিউরাল নেটওয়ার্কের প্রতিটি লেয়ার” — এটি কোন সাব-টপিকের বর্ণনা?

4. Av = λv সমীকরণে λ কী?

5. গ্রেডিয়েন্ট ডিসেন্ট কোন দিকে যায়?

🔗

সংযুক্ত কনসেপ্ট · Connected concepts

← আগের টপিকData Structures & Algorithmsপরের টপিক →Calculus for ML
🎬 Video