← পাঠ্যসূচি
100%
অধ্যায় 17.R
পর্ব 17 পুনরালোচনা — ডিপ লার্নিং গণিত
Part 17 Review — ডিপ লার্নিং গণিত
সারসংক্ষেপ + ১০টি মিশ্র সমস্যা
≈ ১৫ মিনিট
পুরো পর্বের মূল বার্তা এক জায়গায় — তারপর হাত মকশো করার ১০টি সমস্যা।
মূল ধারণাগুলো এক নজরে
- Tensor = বহুমাত্রিক array।
- Conv = Toeplitz/banded ম্যাট্রিক্স গুণ।
- BatchNorm: (x − μ)/σ → γ scale + β shift।
- Xavier init: Var(W) = 1/n_in; He: 2/n_in (ReLU)।
- ভাল init = stable gradient flow।
সমন্বিত worked example
উদাহরণ
সমন্বিত উদাহরণ — 1D convolution
Signal x = [1, 2, 3, 4, 5], filter k = [1, 0, −1]।
Output y[i] = x[i]·1 + x[i+1]·0 + x[i+2]·(−1)।
y = [1−3, 2−4, 3−5] = [−2, −2, −2] — first-derivative-এর মত।
মূল ভাবনা
- 1.Tensor = বহুমাত্রিক array।
- 2.Conv = Toeplitz/banded ম্যাট্রিক্স গুণ।
- 3.BatchNorm: (x − μ)/σ → γ scale + β shift।
- 4.Xavier init: Var(W) = 1/n_in; He: 2/n_in (ReLU)।
- 5.ভাল init = stable gradient flow।
নিজেকে যাচাই করো
প্রশ্নে ক্লিক করে উত্তর দেখো — তবে আগে নিজে চেষ্টা করো।
প্রশ্ন 1।Tensor rank কী?
উত্তর:মাত্রার সংখ্যা।
প্রশ্ন 2।Conv কোন matrix-এর সমতুল্য?
উত্তর:Toeplitz।
প্রশ্ন 3।BatchNorm-এর γ, β?
উত্তর:Learnable scale, shift।
প্রশ্ন 4।Xavier init variance?
উত্তর:1/n_in।
প্রশ্ন 5।He init variance?
উত্তর:2/n_in।
প্রশ্ন 6।Stride 2 মানে?
উত্তর:প্রতি ২ ধাপে filter।
প্রশ্ন 7।Padding 'same' কী?
উত্তর:Output size = input size।
প্রশ্ন 8।Pooling কাজ কী?
উত্তর:Spatial reduction।
প্রশ্ন 9।Dropout কী?
উত্তর:Random neuron ছাড়া।
প্রশ্ন 10।Layer norm vs batch norm?
উত্তর:Layer: sample-অনুযায়ী, batch: batch-অনুযায়ী।
ইন্টারেক্টিভ কুইজ
মূল ভাবনার উপর দ্রুত যাচাই — সঠিক বিকল্পটি বাছাই করো।
প্রশ্ন 1।“পর্ব 17 পুনরালোচনা — ডিপ লার্নিং গণিত” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 2।“পর্ব 17 পুনরালোচনা — ডিপ লার্নিং গণিত” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 3।“পর্ব 17 পুনরালোচনা — ডিপ লার্নিং গণিত” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 4।“পর্ব 17 পুনরালোচনা — ডিপ লার্নিং গণিত” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
উত্তর দেওয়া হয়েছে: 0/4