13টি ফেজ এবং 68+ অধ্যায় — প্রতিটি ধাপ স্পষ্ট লার্নিং আউটকাম সহ গোছানো। ধাপে ধাপে এগোও, কোথাও এড়িয়ে যাওয়ার দরকার নেই।
AI, ML, DL — সব কিছুর গোড়াপত্তন।
এই অধ্যায়ে আমরা শিখব AI, ML আর DL এর পার্থক্য, Python এর দরকারি অংশ, এবং Machine Learning এর জন্য প্রয়োজনীয় Math foundation।
Supervised, Unsupervised — Machine Learning কীভাবে শেখে।
Regression, Classification, EDA এবং Feature Engineering — Machine Learning এর সবচেয়ে গুরুত্বপূর্ণ ভিত্তি এই অধ্যায়ে।
Linear থেকে Random Forest — সব classic algorithm।
Linear Regression থেকে SVM, Decision Tree, Random Forest, Naive Bayes, Clustering এবং PCA — প্রতিটি algorithm গভীরভাবে।
Ensemble, Boosting, Hyperparameter tuning।
XGBoost, LightGBM, Cross validation, Bias-variance tradeoff এবং Time series — competition এবং industry-grade ML।
Neurons থেকে Transformer পর্যন্ত।
Neural network এর গঠন, backpropagation, CNN, RNN/LSTM/GRU এবং Transformer — modern AI এর হৃদয়।
NLP, CV, Recommender, RL।
Natural Language Processing, Computer Vision, Recommendation System, Reinforcement Learning এবং Generative AI এর হাতে কলমে কাজ।
GAN, Diffusion, LLM, RAG।
GAN, Diffusion model, LLM এর fundamentals, Prompt engineering, LoRA/QLoRA fine-tuning এবং RAG system।
Model কে real world এ নিয়ে যাওয়া।
FastAPI/Flask দিয়ে deployment, Docker, CI/CD, Monitoring এবং Cloud ML system।
ML pipeline এর backbone।
ETL, Data lake, Data warehouse এবং Feature store।
Scalable AI architecture।
Scalable ML system, real-time inference, latency-accuracy tradeoff।
শূন্য থেকে production project।
House price, Spam detection, Chatbot, Recommendation, RAG এবং AI SaaS product।
Research paper থেকে SOTA model।
Paper reading, SOTA model, Experiment tracking, Open-source contribution।
AI Engineer হিসেবে এগিয়ে যাওয়া।
Freelancing, Interview prep, AI startup, Portfolio building।