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

From Script | Spoken-Tutorial
Revision as of 17:45, 21 April 2020 by Kaushik Datta (Talk | contribs)

(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
Jump to: navigation, search
Time
Narration
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।

Contributors and Content Editors

Kaushik Datta