Python-3.4.3/C3/Advanced-Matrix-Operations/Bengali
From Script | Spoken-Tutorial
|
|
00:01 | Advanced matrix operations এর স্পোকেন টিউটোরিয়ালে আপনাদের স্বাগত। |
00:07 | এই টিউটোরিয়ালে আপনি শিখবেন: matrix এর Frobenius এবং infinity norm সন্ধান করা। |
00:14 | Matrix এর singular value decomposition সন্ধান করা। |
00:19 | টিউটোরিয়ালটি রেকর্ড করতে ব্যবহার করছি Ubuntu Linux 16.04 অপারেটিং সিস্টেম |
00:26 | Python 3.4.3 এবং IPython 5.1.0 |
00:33 | টিউটোরিয়ালটি অনুশীলন করতে আপনার Lists, arrays এবং arrays এর accessing parts এবং বুনিয়াদি matrix operations ক্রিয়ান্বিত করার জ্ঞান থাকা উচিত। |
00:46 | না হলে এই ওয়েবসাইটে সম্পর্কিত পাইথন টিউটোরিয়াল দেখুন। |
00:51 | প্রথমে আমরা flatten ফাংশন সম্পর্কে দেখবো। |
00:55 | flatten() ফাংশন অ্যারের একটি কপি রিটার্ন করে, যা একক dimension এ ছোট হয়ে যায়। |
01:01 | এটির ব্যবহার multidimensional matrix কে single dimension matrix এ রূপান্তর করতে করা যেতে পারে। |
01:08 | ipython শুরু করি। টার্মিনাল খুলুন। |
01:13 | ipython3 লিখুন এবং এন্টার টিপুন।
এখান থেকে, টার্মিনালে প্রতিটি কমান্ড লেখার পর এন্টার কী টিপতে ভুলবেন না। |
01:25 | এখন দেখি যে arrays কিভাবে বানায়। |
01:29 | লিখুন from numpy import asmatrix comma arange. |
01:35 | a is equal to asmatrix বন্ধনীতে arange বন্ধনীতে 1 comma 10 dot reshape বন্ধনীতে 3 comma 3. |
01:48 | তারপর a লিখুন। এখন লিখুন, a dot flatten ওপেন এবং ক্লোস বন্ধনী। |
01:57 | প্রথমে আমরা numpy module থেকে arange function ইম্পোর্ট করেছি। |
02:02 | এখানে আমরা দেখতে পারি যে 3 by 3 matrix একটি dimensional matrix এ বদলে গেছে। |
02:08 | এরপর আমরা frobenius norm সম্পর্কে শিখব। |
02:12 | এটি elements এর absolute squares এর যোগফলের বর্গমূল হিসাবে সংজ্ঞায়িত করা হয়। |
02:18 | ভিডিওটি থামান।
এই অনুশীলনী চেষ্টা করুন এবং তারপর ভিডিওটি আবার শুরু করুন। |
02:24 | প্রদত্ত 4 by 4 matrix এর inverse এর frobenius norm সন্ধান করুন। |
02:30 | সমাধানের জন্য টার্মিনালে ফিরে যান। |
02:34 | লিখুন:
m is equal to asmatrix বন্ধনীতে arange বন্ধনীতে 1 comma 17 dot reshape বন্ধনীতে 4 comma 4 |
02:46 | এখানে আমরা asmatrix, arange এবং reshape ফাংশন ব্যবহার করেছি। |
02:52 | আমরা 1 থেকে 16 পর্যন্ত elements সহ 4 by 4 আকারের matrix বানিয়েছি। |
02:59 | এখন লিখুন:
m বর্গাকার বন্ধনীতে 0 comma 1 is equal to 0. |
03:06 | m বর্গাকার বন্ধনীতে 1 comma 3 is equal to 0. |
03:12 | তারপর লিখুন, m.
আমরা সারি 0 কলাম 1 এবং সারি 1 কলাম 3 তে এলিমেন্টের ভ্যালুকে 0 তে বদলেছি। |
03:23 | matrix m এর ইনভার্সের Frobenius norm খুঁজে পেতে দেখানো অনুযায়ী লিখুন। |
03:33 | norm ফাংশন numpy.linalg module এ উপলব্ধ। |
03:39 | এরপর, আমরা matrix এর infinity norm সম্পর্কে শিখব। |
03:44 | এটিকে প্রতিটি সারিতে এলিমেন্টের absolute value এর যোগফলের সর্বাধিক ভ্যালু হিসাবে সংজ্ঞায়িত করা হয়। |
03:51 | ভিডিওটি থামান।
এই অনুশীলনী চেষ্টা করুন এবং তারপর ভিডিওটি আবার শুরু করুন। |
03:57 | matrix im এর infinity norm সন্ধান করুন। |
04:01 | সমাধানের জন্য টার্মিনালে ফিরে যান। |
04:05 | matrix im এর Infinity norm জানতে, দেখানো অনুযায়ী লিখুন। |
04:11 | এখানে ord parameter এর জন্য ভ্যালুকে infinity norm এ গণ্য করার জন্য inf হিসাবে পাস করা হয়। |
04:18 | norms সম্পর্কে আরো জানতে লিখুন norm question mark. |
04:24 | প্রস্থান করতে q টিপুন। |
04:28 | এরপর আমরা singular value decomposition সম্পর্কে দেখবো। |
04:33 | linear algebra তে, singular value decomposition real বা complex matrix এর গুণনখন্ড। |
04:42 | matrix m1 এর SVD, numpy.linalg module এ উপলব্ধ svd ফাংশন ব্যবহার করে পাওয়া যাবে। |
04:52 | দেখানো অনুযায়ী লিখুন। |
04:56 | svd, 3 elements এর tuple রিটার্ন করে। |
05:00 | আমরা এই ভ্যালুগুলি variable U, sigma এবং V underscore conjugate এ আনপ্যাক করেছি। |
05:08 | লিখুন বড়হাতের U. |
05:12 | লিখুন sigma. |
05:15 | লিখুন বড়হাতের V underscore conjugate. |
05:20 | আমরা singular value decomposition এর U, sigma এবং V underscore conjugate, m1 র সাথে গুননফল তুলনা করে পুষ্টি করতে পারি। |
05:30 | sigma একটি dimensional array যাতে matrix এর শুধুমাত্র diagonal elements রয়েছে। |
05:37 | দেখানো অনুযায়ী লিখুন।
আমরা প্রথমে এই অ্যারেটিকে matrix এ রূপান্তর করি। |
05:43 | লিখুন smat.
smat হল 2 by 3 zero matrix. |
05:51 | এখন লিখুন, smat বর্গাকার বন্ধনীতে colon 2 comma colon 2 is equal to diag বন্ধনীতে sigma. |
06:02 | তারপর লিখুন smat. |
06:06 | এটি sigma থেকে ভ্যালু সহ smat এ সারি 0 কলাম 0 এবং সারি 1 কলাম 1 এ ভ্যালু প্রতিস্থাপন করে। |
06:16 | smat হল 2 by 3 matrix, যা sigma এর ভ্যালু diagonal elements এবং শূন্য হিসাবে গুণ করে বানানো হয়েছে। |
06:27 | দেখানো অনুযায়ী লিখুন। |
06:33 | এটি True রিটার্ন করে।
এর মানে হল m1 এ এলিমেন্টস এবং U, sigma এবং V underscore conjugate এর গুননফল সমান। |
06:43 | এটি আমাদের টিউটোরিয়ালের শেষে নিয়ে আসে। সংক্ষেপে... |
06:49 | এখানে আমরা শিখেছি, norm() ফাংশন ব্যবহার করে matrix এর norm গণনা করা। |
06:56 | svd() ফাংশন ব্যবহার করে matrix এর SVD গণনা করা। |
07:01 | আপনার সমাধানের জন্য এখানে একটি স্ব মূল্যায়ন প্রশ্ন রয়েছে।
norm বন্ধনীতে A comma ord is equal to একক উদ্ধৃতিতে fro is same as norm বন্ধনীতে A. True বা False. |
07:19 | এবং উত্তর হল True, কারণ order is equal to একক উদ্ধৃতিতে fro অর্থাৎ Frobenius norm. |
07:29 | সময়ের সাথে আপনার প্রশ্ন এই ফোরামে পোস্ট করুন। |
07:33 | এই ফোরামে Python সম্পর্কিত আপনার সাধারণ প্রশ্ন পোস্ট করুন। |
07:37 | FOSSEE দল TBC প্রকল্প সমন্বয় করে। |
07:41 | স্পোকেন টিউটোরিয়াল প্রকল্প ভারত সরকারের NMEICT, MHRD দ্বারা সমর্থিত। আরো জানতে এই লিঙ্কে যান। |
07:50 | আই আই টী বোম্বে থেকে আমি কৌশিক দত্ত বিদায় নিচ্ছি। অংশগ্রহনের জন্য ধন্যবাদ। |