গভীর শিক্ষা
AIEZZ টুল ট্যাগ
“গভীর শিক্ষা” ট্যাগযুক্ত AI পণ্য ব্রাউজ করা হচ্ছে, যেখানে 3টি মিলে যাওয়া ফলাফল রয়েছে।
DeeplearningAI লার্নিং প্ল্যাটফর্মDeeplearning হলো ডেভেলপার, শিক্ষার্থী, কৃত্রিম বুদ্ধিমত্তা পেশাজীবী এবং গবেষকদের জন্য একটি অনলাইন কৃত্রিম বুদ্ধিমত্তা শিক্ষা প্ল্যাটফর্ম। প্ল্যাটফর্মটি নিউরাল নেটওয়ার্ক, ডিপ লার্নিং, জেনারেটিভ এআই এবং বৃহৎ ভাষা মডেলসহ বিভিন্ন বিষয়ে কোর্স সাজায়। শিক্ষার্থীরা প্রাথমিক থেকে উন্নত স্তর পর্যন্ত ধারাবাহিকভাবে শিখতে পারে এবং প্রোগ্রামিং অ্যাসাইনমেন্ট ও ব্যবহারিক প্রকল্পের মাধ্যমে জ্ঞান দৃঢ় করতে পারে। কিছু কোর্সে স্বয়ংক্রিয় যানবাহন, চিকিৎসা-নির্ণয় এবং সংগীত সৃষ্টির মতো শিল্পক্ষেত্রের উদাহরণ অন্তর্ভুক্ত থাকে, যা ব্যবহারকারীদের প্রযুক্তির প্রয়োগ বুঝতে সহায়তা করে। প্ল্যাটফর্মটি কৃত্রিম বুদ্ধিমত্তা শিল্পসংক্রান্ত সংবাদ ও তথ্যও সরবরাহ করে। কোর্সের পরিসর বিস্তৃত হওয়ায় শেখা শুরুর আগে নিজের দক্ষতা অনুযায়ী পথ বেছে নেওয়া প্রয়োজন; কিছু বিষয়ের জন্য প্রোগ্রামিং ও গণিতের ভিত্তি দরকার হতে পারে।038.5
Stable DiffusionAI পেইন্টিং সৃষ্টিStable Diffusion হলো Stability AI-এর ছবি তৈরির মডেল সিরিজ। বর্তমানে অফিসিয়াল ইমেজ মডেল পেজে Stable Diffusion 3.5-কে প্রধান সংস্করণ হিসেবে দেখানো হয়, যেখানে Large, Turbo এবং Medium রয়েছে: Large পেশাদার মান ও প্রম্পট অনুসরণের ওপর গুরুত্ব দেয়, Turbo কম ধাপে দ্রুত ছবি তৈরিতে জোর দেয়, আর Medium মান, কাস্টমাইজযোগ্যতা এবং ভোক্তা-স্তরের হার্ডওয়্যারে চালানোর মধ্যে ভারসাম্য রাখে। মডেলটি স্ব-হোস্টিং লাইসেন্স, Stability AI API, ক্লাউড অংশীদার বা ওয়েব অ্যাপের মাধ্যমে ব্যবহার করা যায়। এর সঙ্গে মুছে ফেলা, আংশিক পুনর্চিত্রায়ণ, ছবি সম্প্রসারণ, আপস্কেলিং এবং স্কেচ, গঠন ও স্টাইল নিয়ন্ত্রণের মতো সম্পাদনা পরিষেবাও রয়েছে। প্রাথমিকভাবে প্রকাশিত GitHub রিপোজিটরির ঠিকানা বর্তমানে 404 ফেরত দেয়। ব্যবহার ও বাণিজ্যিক স্থাপনার আগে অফিসিয়াল ইমেজ মডেল এবং লাইসেন্স পেজ দেখা উচিত।049
PyTorchAI প্রোগ্রামিং টুলPyTorch একটি ওপেন সোর্স মেশিন লার্নিং ফ্রেমওয়ার্ক, যার উদ্যোগ নিয়েছিল Meta AI গবেষণা দল এবং যা বর্তমানে Linux Foundation দ্বারা পরিচালিত। এটি মূলত কৃত্রিম বুদ্ধিমত্তা গবেষক, মেশিন লার্নিং প্রকৌশলী, ডেটা বিজ্ঞানী ও শিক্ষার্থীদের জন্য তৈরি। ব্যবহারকারীরা সাধারণত Python ব্যবহার করে মডেল এবং ফরোয়ার্ড কম্পিউটেশনের ধাপ নির্ধারণ করেন, এরপর টেনসর কম্পিউটেশন, স্বয়ংক্রিয় ডিফারেনশিয়েশন ও নিউরাল নেটওয়ার্ক মডিউলের সাহায্যে প্রশিক্ষণ সম্পন্ন করেন এবং সংশ্লিষ্ট ইকোসিস্টেম লাইব্রেরি ব্যবহার করে ভিশন, অডিও বা টেক্সটভিত্তিক কাজ পরিচালনা করেন। ডায়নামিক কম্পিউটেশন গ্রাফ পরীক্ষা-নিরীক্ষা ও ডিবাগিং সহজ করে এবং গবেষণা প্রোটোটাইপ থেকে মডেল ডিপ্লয়মেন্টের দিকে এগোনোর সুবিধা দেয়। বাস্তব ব্যবহারের জন্য Python, টেনসর অপারেশন ও ডিপ লার্নিংয়ের মৌলিক জ্ঞান প্রয়োজন; পরীক্ষামূলক কোডকে প্রোডাকশন পরিবেশে নেওয়ার সময় ইঞ্জিনিয়ারিং ডিপ্লয়মেন্ট ও রিসোর্স কনফিগারেশনও নিজেকেই সামলাতে হবে।057.6এই ট্যাগযুক্ত সব টুল দেখানো হয়েছে।