Python-3.4.3/C3/Basic-Matrix-Operations/Bengali

From Script | Spoken-Tutorial
Jump to: navigation, search
Time
Narration
00:01 Basic Matrix Operations এর স্পোকেন টিউটোরিয়ালে আপনাদের স্বাগত।
00:07 এই টিউটোরিয়ালে আপনি শিখবেন, lists থেকে matrices বানানো।
00:13 বেসিক ম্যাট্রিক্স অপারেশন যেমন:

addition

00:19 subtraction এবং multiplication ক্রিয়ান্বিত করা।
00:23 matrix এর determinant
00:29 matrix এর inverse

matrix এর Eigen values এবং Eigen vectors নির্ণয় করতে ক্রিয়ান্বিত করা।

00:37 টিউটোরিয়ালটি রেকর্ড করতে ব্যবহার করছি Ubuntu Linux 16.04
00:44 Python 3.4.3 এবং IPython 5.1.0.
00:51 এই টিউটোরিয়ালটি অনুশীলন করতে আপনার
00:56 Lists
00:58 Arrays এবং accessing parts of arrays এর প্রাথমিক জ্ঞান এবং matrix operations এর তাত্ত্বিক জ্ঞান থাকা উচিত।
01:06 না হলে এই ওয়েবসাইটে সম্পর্কিত পাইথন টিউটোরিয়াল দেখুন।
01:11 Python এ, আমরা numpy matrix class ব্যবহার করে matrix বানাই।
01:16 Matrix operations কে numpy operators এবং functions ব্যবহার করে করা যেতে পারে।
01:22 ipython শুরু করি।
01:25 টার্মিনালটি খুলুন।
01:27 লিখুন ipython3 এবং এন্টার টিপুন।
01:31 এখান থেকে, টার্মিনালে প্রতিটি কমান্ড লেখার পর এন্টার কী টিপতে ভুলবেন না।
01:38 matrix m1 বানাই।
01:41 লিখুন from numpy import matrix.
01:47 এরপর লিখুন, m1 is equal to matrix বন্ধনীতে বর্গাকার বন্ধনীতে 1 comma 2 comma 3 comma 4
01:57 এখন m1 লিখুন।
02:00 এটি একটি সারি এবং চারটি কলাম সহ একটি ম্যাট্রিক্স বানায়।
02:05 এটি m1.shape লিখে যাচাই করা যেতে পারে।

এটি আউটপুট হিসাবে (1, 4) দেয়।

02:15 একটি list কে matrix এও রূপান্তর করা যায়,

যেমন দেখানো হয়েছে লিখুন।

02:23 আপনি list l1 থেকে ভ্যালু সহ matrix m2 দেখতে পারি।
02:29 Array কে matrix এ বদলাতে, numpy module এ asmatrix পদ্ধতি ব্যবহার করুন।
02:36 আমরা array বানাতে arange এবং reshape পদ্ধতি ব্যবহার করতে পারি।
02:42 যেমন দেখানো হয়েছে লিখুন।

arange, numpy তে উপলব্ধ পদ্ধতি।

02:49 এখানে এটি 1 এবং 9 এর মাঝে সমান ব্যবধানযুক্ত ভ্যালুর অ্যারে প্রদান করে।
02:55 reshape এর ব্যবহার array এর আকার 2 টি সারি এবং 4 টি কলামে বদলাতে ব্যবহৃত হয়।
03:02 asmatrix, numpy তে উপলব্ধ পদ্ধতি এবং এটি matrix হিসাবে ইনপুট দেখায়।
03:09 ভিডিওটি থামান।

এই অনুশীলনী চেষ্টা করুন এবং তারপর ভিডিওটি আবার শুরু করুন।

03:15 এলিমেন্ট 5, 6, 7, 8, 9, 10, 11, 12 সহ 2 by 4 এর একটি দ্বিমাত্রিক matrix m3 বানান।
03:25 ইঙ্গিত: arange() এবং reshape() পদ্ধতি এবং asmatrix() function ব্যবহার করুন।
03:31 সমাধানের জন্য টার্মিনালে ফিরে যান।
03:35 লিখুন m3 is equal to asmatrix বন্ধনীতে arange বন্ধনীতে 5 comma 13 dot reshape বন্ধনীতে 2 comma 4.
03:48 m3 লিখুন, আপনি প্রয়োজনীয় আউটপুট দেখতে পারেন।
03:54 এরপর কিছু matrix operations দেখি।

লিখুন m3 plus m2

04:02 এটি element by element এডিশন ক্রিয়ান্বিত করে, যা হল matrix এডিশন।
04:07 লক্ষ্য করুন উভয় matrices একই আকারের হওয়া উচিত।
04:12 একইভাবে লিখুন m3 minus m2
04:17 এটি matrix সাবট্রেকশন সম্পাদন করে, যা element by element সাবট্রেকশন।
04:24 লক্ষ্য করুন উভয় matrices একই আকারের হওয়া উচিত।
04:28 এখন আমরা scalar গুণিত করতে পারি, অর্থাৎ একটি সংখ্যার matrix সহ যেমন দেখানো হয়েছে।
04:36 এরপর আমরা m2 dot shape লিখে m2 এর আকার যাচাই করব।
04:43 আমরা tuple (2, 4) পাই।

Matrix m2, 2 by 4 আকারের।

04:49 4 by 2 ক্রমের আরেকটি matrix বানাই।
04:55 লিখুন: m4 is equal to asmatrix বন্ধনীতে arange বন্ধনীতে 1 comma 9 dot reshape বন্ধনীতে 4 comma 2
05:07 এখন আকার যাচাই করতে, m4.shape লিখুন।

আমরা m4 এর আকার হিসাবে (4, 2) পাই।

05:16 গুণক operator asterisk কে matrix গুণনের জন্য ব্যবহৃত হয়।
05:22 লিখুন m2 asterisk m4.
05:27 এখন আমরা আউটপুট m2 এবং m4 এর গুণক হিসাবে পাবো।
05:33 এখন দেখি যে matrix এর transpose কিভাবে নির্ণয় করে।
05:38 m4 এর বিষয়বস্তু দেখতে, লিখুন print বন্ধনীতে m4.
05:46 এখন লিখুন print বন্ধনীতে m4 ডট বড়হাতের T.
05:53 যেমনকি আপনি দেখেছেন, m4 ডট বড়হাতের T ম্যাট্রিক্সের transpose দেবে।
05:59 আমরা numpy.linalg module এ det() ফাংশন ব্যবহার করে square matrix এর determinant পেতে পারি।
06:09 ভিডিওটি থামান।

এই অনুশীলনী চেষ্টা করুন এবং তারপর ভিডিওটি আবার শুরু করুন।

06:15 এই 3 by 3 matrix এর determinant নির্ণয় করুন।
06:20 সমাধানের জন্য টার্মিনালে যান।
06:23 যেমন দেখানো হয়েছে লিখুন।
06:26 m5 এর determinant, det বন্ধনীতে m5 কমান্ড দ্বারা জারী করে পাওয়া যাবে।
06:35 আমরা আউটপুট হিসাবে m5 এর determinant পাই।
06:39 আমরা numpy.linalg মডিউলে inv() ফাংশন ব্যবহার করে square matrix এর inverse পেতে পারি।
06:48 matrix m5 এর inverse নির্ণয় করুন।
06:52 যেমন দেখানো হয়েছে লিখুন।

তারপর inverse দেখতে im5 লিখুন।

07:02 লিখুন from numpy import eye, allclose
07:09 তারপর লিখুন, allclose বন্ধনীতে im5 asterisk m5 comma asmatrix বন্ধনীতে eye বন্ধনীতে 3.
07:22 এটি True রিটার্ন করে।
07:25 আমরা জানি যে একটি matrix এর গুণন inverse সহ identity matrix দেয়।
07:31 Identity matrix eye() ফাংশন ব্যবহার করে বানানো হয়। এটি numpy module এ উপস্থিত।
07:40 এখানে asmatrix বন্ধনীতে eye বন্ধনীতে 3, আকার 3 এর identity matrix দেয়।
07:48 allclose একটি ফাংশন যা True রিটার্ন করে, যদি দুটি arrays element অনুযায়ী সমান হয়।
07:55 এগুলি সম্পর্কে আরো জানতে, আমরা ডকুমেন্টেশন যাচাই করব।
08:00 IPython console এ ফাংশনের নামের পর প্রশ্ন চিহ্ন লিখুন।
08:05 লিখুন eye প্রশ্ন চিহ্ন।
08:11 ডকুমেন্টেশন থেকে বেরোতে q টিপুন।
08:15 নতুন ফাংশনের ডকুমেন্টেশন পড়া একটি ভালো অভ্যাস।
08:22 এখন Eigen vectors এবং Eigen values তে এগিয়ে যাই।
08:27 square matrix A দেওয়া হয়েছে।

eig বন্ধনীতে A বর্গাকার বন্ধনীতে 0 এর eigenvalues দেয়।

08:37 eig বন্ধনীতে A বর্গাকার বন্ধনীতে 1 এর eigenvector দেয়।
08:43 eigvals বন্ধনীতে A এর eigenvalues দেয়।
08:49 eig এবং eigvals ফাংশন numpy.linalg module এ উপস্থিত।
08:58 matrix m6 এর eigenvalues এবং eigenvectors নির্ণয় করি।

যেমন দেখানো হয়েছে লিখুন।

09:07 এখন ভ্যালু দেখতে লিখুন eig বন্ধনীতে m6.
09:14 diag বন্ধনীতে, আবার বন্ধনীতে 1 comma 2 comma 3.

কোথাও কোথাও diagonal elements এবং 0 হিসাবে 1,2,3 সহ একটি diagonal matrix বানাই।

09:26 diag() ফাংশন numpy module এ উপস্থিত।
09:31 লক্ষ্য করুন যে eig বন্ধনীতে m6 একটি অ্যারে এবং একটি matrix এর tuple রিটার্ন করে।
09:38 tuple এ প্রথম এলিমেন্ট তিনটি eigen values এর একটি array.
09:43 tuple এ দ্বিতীয় এলিমেন্ট তিনটি eigen vectors এর একটি matrix.
09:48 eigen values পেতে লিখুন: eig underscore value is equal to eig বন্ধনীতে m6 বর্গাকার বন্ধনীতে 0.
10:00 তারপর লিখুন eig underscore value.
10:04 যেমনকি আপনি দেখতে পারেন eig underscore value তে eigenvalues রয়েছে।
10:09 eigen vectors পেতে লিখুন: eig underscore vector is equal to eig বন্ধনীতে m6 বর্গাকার বন্ধনীতে 1.
10:20 তারপর eig underscore vector লিখুন।
10:25 eig underscore vector এ eigen vector রয়েছে।
10:29 eigen values এর গণনা eigvals() ফাংশন ব্যবহার করেও করা যায়।

যেমন দেখানো হয়েছে লিখুন।

10:39 তারপর লিখুন eig underscore value1
10:44 আপনি দেখতে পারেন যে, eig underscore value এবং eig underscore value1 সমান।
10:52 এটি আমাদের টিউটোরিয়ালের শেষে নিয়ে আসে। সংক্ষেপে...
10:58 এখানে আমরা শিখেছি,

arrays ব্যবহার করে matrices বানানো।

11:03 matrices যোগ করা, বিয়োগ করা এবং গুণ করা।
11:07 matrix এর scalar এর গুণন।
11:11 matrix এর determinant নির্ণয় করতে det() ফাংশন ব্যবহার করা।
11:16 ফাংশন inv() ব্যবহার করে matrix এর inverse নির্ণয় করা।
11:21 eig() এবং eigvals() ফাংশন ব্যবহার করে matrix এর eigen vectors এবং eigen values নির্ণয় করা।
11:30 আপনার সমাধানের জন্য এখানে কিছু স্ব মূল্যায়ন প্রশ্ন রয়েছে।
11:34 প্রথম, A এবং B উপযুক্ত আকারের দুটি matrix objects রয়েছে। নিম্ন থেকে কোন matrix গুণনের জন্য সঠিক?
11:45 দ্বিতীয়ত, eig বন্ধনীতে A বর্গাকার বন্ধনীতে 1 এবং eigvals বন্ধনীতে A এর সমান। সত্য বা মিথ্যা?
11:56 এবং উত্তর হল,

প্রথম। A এবং B এর মাঝে Matrix গুণন, A asterisk B দ্বারা সম্পন্ন হয়।

12:05 দ্বিতীয় মিথ্যা। eig বন্ধনীতে A বর্গাকার বন্ধনীতে 0 এবং eigvals বন্ধনীতে A এর সমান, অর্থাৎ এটি উভয় matrix A এর eigen values দেবে।
12:19 সময়ের সাথে আপনার প্রশ্ন এই ফোরামে পোস্ট করুন।
12:23 এই ফোরামে Python সম্পর্কিত আপনার সাধারণ প্রশ্ন পোস্ট করুন।
12:28 FOSSEE দল TBC প্রকল্প সমন্বয় করে।
12:32 স্পোকেন টিউটোরিয়াল প্রকল্প ভারত সরকারের NMEICT, MHRD দ্বারা সমর্থিত। আরো জনাতে এই লিঙ্কে যান।
12:42 আই আই টী বোম্বে থেকে আমি কৌশিক দত্ত বিদায় নিচ্ছি। অংশগ্রহনের জন্য ধন্যবাদ।

Contributors and Content Editors

Kaushik Datta