প্রধান উপাদান বিশ্লেষণ: 4 টি ধাপ

2024 লেখক: John Day | [email protected]. সর্বশেষ পরিবর্তিত: 2024-01-30 08:01

প্রিন্সিপাল কম্পোনেন্ট অ্যানালাইসিস হল একটি পরিসংখ্যান পদ্ধতি যা সম্ভাব্য পারস্পরিক সম্পর্কযুক্ত ভেরিয়েবলের একটি সেটকে রৈখিকভাবে অসম্পূর্ণ মানগুলির একটি সেটে অরথোগোনাল ট্রান্সফরমেশন ব্যবহার করে রূপান্তর করে। সহজ কথায় একাধিক মাত্রার একটি ডেটাসেট দেওয়া হয়েছে, এটি মাত্রার সংখ্যা কমাতে সাহায্য করে যার ফলে তথ্য পড়া সহজ হয়।

ধাপ 1: মূল পরিকল্পনা

আমি এই ক্লাসে এসেছিলাম এই ধারণা নিয়ে যে আমি বুঝতে চেয়েছিলাম এবং আশা করি একটি অ্যালগরিদম লিখব যা ছবি সরবরাহ করার সময় মুখের স্বীকৃতি দিতে সক্ষম হবে। মুখের স্বীকৃতির সাথে আমার কোন পূর্ব অভিজ্ঞতা বা জ্ঞান ছিল না এবং এইরকম কিছু অর্জন করা কতটা কঠিন তা আমি জানতাম না। অধ্যাপক মল্লোচের সাথে কথা বলার পর আমি বুঝতে পারলাম যে, আমি যে কাজটি শেষ করার পরিকল্পনা করেছি তা সম্পূর্ণরূপে বুঝতে পারার আগে আমাকে অনেক কিছু শিখতে হবে।

কিছুক্ষণ গবেষণার পর, আমি অবশেষে সিদ্ধান্ত নিলাম যে আমি রৈখিক বীজগণিত এবং মেশিন লার্নিংয়ের কিছু মূল বিষয় শিখতে চাই এবং এই ক্লাসের জন্য আমার লক্ষ্য হতে PCA (প্রধান উপাদান বিশ্লেষণ) এ স্থির।

ধাপ 2: গবেষণা

প্রথম ধাপ ছিল লাইব্রেরি পরিদর্শন করা এবং এমন কোনো বই খুঁজে পাওয়া যা আমাকে মেশিন লার্নিং এবং আরো বিশেষভাবে ইমেজ প্রসেসিংয়ের সাথে পরিচয় করিয়ে দেয়। এটি আমার ধারণার চেয়ে অনেক বেশি কঠিন হয়ে উঠল এবং আমি এর থেকে বেশি কিছু পাইনি। আমি তখন ভিশন ল্যাবে কাজ করা এক বন্ধুকে জিজ্ঞাসা করার সিদ্ধান্ত নিলাম যিনি আমাকে রৈখিক বীজগণিত এবং আরও বিশেষভাবে eigenvectors এবং eigenvalues দেখার জন্য বলেছিলেন। আমার ক্লাসিক থেকে আমি রৈখিক বীজগণিতের সাথে কিছু অভিজ্ঞতা পেয়েছিলাম যা আমি আমার প্রথম বছরে নিয়েছিলাম কিন্তু চিত্রগুলি নিয়ে কাজ করার সময় কিভাবে eigenvectors বা eigenvalues উপকারী হতে পারে তা বুঝতে পারিনি। আমি যত বেশি গবেষণা করেছি আমি বুঝতে পেরেছি যে ছবিগুলি বিশাল ডেটা সেট ছাড়া আর কিছুই নয় এবং তাই এটিকে ম্যাট্রিক্স হিসাবে বিবেচনা করা যেতে পারে এবং এটি আমার কাছে কিছুটা স্পষ্ট হয়ে উঠল যে কেন আমি যা করছি তার সাথে ইজেনভেক্টরগুলি প্রাসঙ্গিক ছিল। এই মুহুর্তে, আমি সিদ্ধান্ত নিয়েছি যে আমি কীভাবে পাইথন ব্যবহার করে ছবি পড়তে শিখব কারণ আমি আমার প্রকল্পের জন্য পাইথন ব্যবহার করতে যাচ্ছি। প্রাথমিকভাবে, আমি ছবিগুলি পড়ার জন্য CV2.imread ব্যবহার করে শুরু করেছি কিন্তু এটি সত্যিই ধীর হয়ে গেছে এবং তাই আমি গ্লোব এবং PIL.image.open ব্যবহার করার সিদ্ধান্ত নিয়েছি কারণ এটি অনেক দ্রুত। কাগজে এই প্রক্রিয়াটি অপেক্ষাকৃত অ-সময়সাপেক্ষ মনে হয় কিন্তু প্রকৃতপক্ষে বেশ ভাল সময় লেগেছিল কারণ আমাকে শিখতে হয়েছিল কিভাবে পাইচার্ম (IDE) এ বিভিন্ন লাইব্রেরি ইনস্টল এবং আমদানি করতে হয় এবং তারপর প্রতিটি লাইব্রেরির জন্য ডকুমেন্টেশনের মাধ্যমে অনলাইনে পড়তে হয়। এটি করার প্রক্রিয়াতে, আমি কমান্ড প্রম্পটে পিপ ইনস্টল স্টেটমেন্টগুলি কীভাবে ব্যবহার করতে হয় তাও শিখেছি।

এর পরে, পরবর্তী ধাপটি ছিল যে আমি ঠিক কী করতে চাই এবং চিত্র প্রক্রিয়াকরণে শিখতে চাই এবং প্রাথমিকভাবে, আমি টেমপ্লেট ম্যাচিং করার পরিকল্পনা করছিলাম কিন্তু এটির জন্য গবেষণা করার সময় আমি পিসিএ সম্পর্কে জানতে পেরেছিলাম এবং এটি আরও আকর্ষণীয় বলে মনে হয়েছিল তাই আমি সিদ্ধান্ত নিলাম পরিবর্তে PCA সঙ্গে যান। প্রথম শব্দটি যেটি পপ আপ করে রেখেছিল তা হল K-NN (K- নিকটতম প্রতিবেশী) অ্যালগরিদম। মেশিন লার্নিং অ্যালগরিদমের জন্য এটি ছিল আমার প্রথম এক্সপোজার। আমি প্রশিক্ষণ এবং পরীক্ষার ডেটা এবং একটি অ্যালগরিদমের 'প্রশিক্ষণ' এর অর্থ কী তা সম্পর্কে শিখেছি। কে-এনএন অ্যালগরিদম বোঝাও চ্যালেঞ্জিং ছিল কিন্তু শেষ পর্যন্ত এটি কীভাবে কাজ করে তা বোঝা খুবই সন্তোষজনক ছিল। আমি বর্তমানে K-NN কাজ করার জন্য কোডটি নিয়ে কাজ করছি এবং আমি সমাপ্তির খুব কাছাকাছি।

ধাপ 3: সম্মুখীন অসুবিধা এবং পাঠ শিখেছে

প্রথম বড় অসুবিধা ছিল প্রকল্পের সুযোগ। এটি একটি শারীরিক ভিত্তির চেয়ে গবেষণা-ভিত্তিক ছিল। কয়েক সপ্তাহ যেতে না যেতেই আমি আমার সহকর্মীরা যে অগ্রগতি করছিলাম তা দেখব এবং অনুভব করবো যে আমি যথেষ্ট কাজ করছি না বা আমি যথেষ্ট দ্রুত অগ্রগতি করছিলাম না এবং এটি কখনও কখনও খুব ডিমোটিভিং ছিল। প্রফেসর মল্লোকের সাথে কথা বলা এবং শুধু নিজেকে আশ্বস্ত করা যে আমি সত্যিই এমন জিনিস শিখছি যা আমার কাছে খুব নতুন ছিল যা আমাকে চালিয়ে যেতে সাহায্য করেছিল। আরেকটি সমস্যা ছিল যে তাত্ত্বিক বিষয়গুলি জানা এবং এটি প্রয়োগ করা দুটি ভিন্ন জিনিস। যদিও আমি জানতাম আমার কি করতে হবে, আসলে এটিকে পাইথনে কোডিং করা ছিল একটি ভিন্ন গল্প। এখানেই শুধু অনলাইনে ডকুমেন্টেশন পড়া এবং বন্ধুদের যারা এই সম্পর্কে আরও জানতেন তাদের জিজ্ঞাসা করা অবশেষে কর্মপরিকল্পনা বের করতে অনেক সাহায্য করেছে।

আমি ব্যক্তিগতভাবে মনে করি যে এম 5 তে বই এবং নথির একটি বৃহত্তর লাইব্রেরি থাকা ব্যক্তিদের সাহায্য করতে পারে যারা প্রকল্পে কাজ করছে। এছাড়াও শিক্ষার্থীদের দ্বারা যে প্রকল্পগুলি করা হচ্ছে তার একটি রিয়েল-টাইম ডিজিটাল রেকর্ড থাকা যাতে অন্য ছাত্র এবং কর্মীরা এটি দেখতে পারে এবং যদি এটি তাদের আগ্রহী হয় তবে এম 5 এর জন্য একটি ভাল ধারণা।

প্রকল্পটি শেষ হওয়ার সাথে সাথে আমি এত অল্প সময়ের মধ্যে অনেক কিছু শিখেছি। আমি মেশিন লার্নিং সম্পর্কে খুব কার্যকরী জ্ঞান অর্জন করেছি এবং মনে হচ্ছে আমি এর সাথে আরও জড়িত হওয়ার জন্য প্রথম পদক্ষেপ নিয়েছি। আমি বুঝতে পেরেছি যে আমি কম্পিউটার ভিশন পছন্দ করি এবং ভবিষ্যতেও আমি এটি অনুসরণ করতে চাই। সবচেয়ে গুরুত্বপূর্ণভাবে আমি শিখেছি পিসিএ কী, কেন এটি এত গুরুত্বপূর্ণ এবং কীভাবে এটি ব্যবহার করতে হয়।

ধাপ 4: পরবর্তী পদক্ষেপ

আমার জন্য, এটি কেবল আরও বিস্তৃত কিছু এবং যা আজকের বিশ্বে খুব গুরুত্বপূর্ণ কিছু, অর্থাৎ মেশিন লার্নিং এর পৃষ্ঠকে আঁচড়ে দিচ্ছিল। আমি অদূর ভবিষ্যতে মেশিন লার্নিং সম্পর্কিত কোর্স নেওয়ার পরিকল্পনা করছি। আমি মুখের স্বীকৃতি পর্যন্ত আমার পথ তৈরির পরিকল্পনা করছি কারণ এই পুরো প্রকল্পটি শুরু হয়েছিল। আমার একটি সুরক্ষা ব্যবস্থার ধারণাও রয়েছে যা একটি সমন্বয় বৈশিষ্ট্য ব্যবহার করে (যার মধ্যে একজন ব্যক্তির মুখ) এটিকে সত্যিকারের সুরক্ষিত করার জন্য এবং এটি এমন একটি বিষয় যা আমি ভবিষ্যতে কাজ করতে চাই যখন আমার জিনিসগুলির আরও বিস্তৃত বোঝা থাকে ।

আমার মতো যে কেউ মেশিন লার্নিং এবং ইমেজ প্রক্রিয়াকরণে আগ্রহী কিন্তু কোন পূর্ব অভিজ্ঞতা নেই তার জন্য, আমি পরিসংখ্যান (বিশেষ করে বিতরণ) সহ রৈখিক বীজগণিত প্রথম শেখার এবং বোঝার পরামর্শ দেব। দ্বিতীয়ত আমি ক্রিস্টোফার এম। বিশপের প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিং পড়ার পরামর্শ দেব। এই বইটি আমাকে যা করতে যাচ্ছিল তার মূল বিষয়গুলি বুঝতে সাহায্য করেছে এবং এটি খুব ভালভাবে গঠন করা হয়েছে।