ডেটাসেট হল একটি তথ্য ভান্ডার যা সমস্ত বিশদ তথ্য সংগ্রহ করে এবং কোনো নির্দিষ্ট সমস্যার সমাধানের জন্য ব্যবহৃত হয়। প্রকৃতপক্ষে তথ্যগুলো একটি নির্দিষ্ট ফরম্যাটে থাকে যা কম্পিউটার প্রোগ্রাম দ্বারা প্রস্তুতকৃত এবং প্রয়োজনে তথ্যগুলো ব্যবহার করা যায়।
মেশিন লার্নিং এ ডেটাসেটের প্রয়োজনীয়তা অপরিহার্য। মেশিন লার্নিং এর মডেলকে শেখানোর জন্য যথেষ্ট পরিমাণের ডেটা বিশ্লেষণ করতে হয়। মেশিন লার্নিং এ মডেলগুলি নিজে নিজে শিখতে যে ডেটার প্রয়োজন হয় তার সমষ্টিগত রূপই হলো মেশিন লার্নিং এর ডেটাসেট। যা মূলত দুই ধরনের:
- ট্রেনিং ডেটা (Training Data): এটি মেশিন লার্নিংয়ের মডেলকে শেখানোর জন্য ব্যবহৃত হয়। এই ডেটাসেটে আমরা মডেলকে ইনপুট ফিচার এবং তাদের সম্পর্কে সঠিক আউটপুট (যেমন ট্রেনিং ডেটার ক্ষেত্রে) দিয়ে থাকি।
- টেস্টিং ডেটা (Testing Data): এটি মডেলকে পরীক্ষার জন্য ব্যবহার করা হয়, যাতে মডেলটি কতটা ভালোভাবে কাজ করছে তা বুঝা যায়। এই ডেটাসেটের উপর মডেল প্রতিস্থাপন করা হয় এবং মডেলের প্রেক্ষিতে যে আউটপুট আসে সেটা সত্যিকারের আউটপুটের সাথে তুলনা করা হয়।
মেশিন লার্নিং এ ডেটাসেট অন্তর্ভুক্ত করার জন্য নিম্নলিখিত ধাপগুলি অনুসরণ করতে হয়:
- ডেটা সংগ্রহ করা: ডেটা যেকোনো ধরণের হতে পারে, এটি টেক্সট, ছবি, ভিডিও, অডিও, সংখ্যা, অথবা ভিন্ন ভিন্ন টাইপের ডেটা হতে পারে।
- ডেটা প্রক্রিয়াজাত করা: ডেটা পরিষ্কার করা, মিসিং ডেটা খুজে আনা এবং মডেলের জন্য ব্যবহার করা হবে এমন ডেটাসেট অন্তর্ভুক্ত করা।
- ডেটাসেট বিশ্লেষণ: এটি প্রকৃতপক্ষে ডেটাসেটের বৈশিষ্ট্য সম্পর্কে জানার একটি ধরন মাত্র।
আমরা ডেটাসেট ব্যবহার করে মেশিন লার্নিংয়ের সঠিক নির্দেশনা ও কার্যাবলী সম্পর্কে জানতে পারি।
মেশিন লার্নিং স্কুল 