গুগল শিট ব্যবহার করে মাস্টার মেশিন লার্নিং বেসিক:একটি ব্যবহারিক গাইড

Google Sheets বিশ্লেষণের জন্য একটি শক্তিশালী টুল, আপনি Google Sheets-এ মৌলিক মেশিন লার্নিং কাজগুলি সম্পাদন করতে পারেন। Google শীট মেশিন লার্নিং কার্য সম্পাদনের জন্য অন্তর্নির্মিত ফাংশন, অ্যাড-অন এবং ইন্টিগ্রেশন অফার করে। এই নিবন্ধে, আমরা দেখাব কিভাবে Google Sheets-এর সাথে মেশিন লার্নিং ব্যবহার করতে হয়।

Google পত্রক ব্যবহার করে রিগ্রেশন বিশ্লেষণ, শ্রেণিবিন্যাস এবং প্রবণতা পূর্বাভাসের মতো মেশিন লার্নিং ধারণাগুলি প্রয়োগ করার জন্য একটি বিক্রয় ডেটাসেট বিবেচনা করা যাক৷

1. বিক্রয় পূর্বাভাসের জন্য লিনিয়ার রিগ্রেশন

এক বা একাধিক ইনপুট ভেরিয়েবলের উপর ভিত্তি করে একটি লক্ষ্য ভেরিয়েবলের পূর্বাভাস দিতে লিনিয়ার রিগ্রেশন ব্যবহার করা হয়

• বিক্রীত ইউনিট এবং মোট বিক্রয় কলাম নির্বাচন করুন, যা ইনপুট এবং আউটপুট ভেরিয়েবল হবে।
• একটি ঘর নির্বাচন করুন এবং নিম্নলিখিত সূত্রটি সন্নিবেশ করুন।

সূত্র:

=LINEST(G2:G71, E2:E71, TRUE, TRUE)

এটি ইউনিট বিক্রি এবং মোট বিক্রয় কলামের উপর ভিত্তি করে রিগ্রেশন পরিসংখ্যানের একটি সেট ফিরিয়ে দেবে৷

রিগ্রেশন পরিসংখ্যানের সেট:

ফলাফল ব্যাখ্যা করুন :রিগ্রেশন সমীকরণ হল:

Total Sales = m * Units Sold + b

সূত্র:

এই সূত্রটি ইউনিটের মান এবং রিগ্রেশনের উপর ভিত্তি করে ভবিষ্যতের বিক্রয় মূল্যের পূর্বাভাস দেয়।

2. প্রবণতা বিশ্লেষণ – ভবিষ্যত বিক্রয়ের পূর্বাভাস

প্রবণতা বিশ্লেষণে সময়ের সাথে সাথে ডেটাতে নিদর্শন সনাক্ত করা জড়িত। এই ক্ষেত্রে, আমরা ঐতিহাসিক বিক্রয় ডেটার উপর ভিত্তি করে ভবিষ্যত বিক্রয়ের পূর্বাভাস দিতে পারি।

লাইন চার্ট ঢোকান

• আপনার তারিখ এবং মোট বিক্রয় কলাম নির্বাচন করুন।
• ঢোকান -এ যান ট্যাব>> চার্ট নির্বাচন করুন>> সেটআপ থেকে>> একটি লাইন চার্ট নির্বাচন করুন সময়ের সাথে বিক্রয় প্রবণতা কল্পনা করতে।

ট্রেন্ড সেলসে একটি ট্রেন্ডলাইন যোগ করুন:

• চার্টে ক্লিক করুন>> চার্ট এডিটর-এ যান .
• কাস্টমাইজ এর অধীনে ট্যাব>> সিরিজ, নির্বাচন করুন এবং তারপর ট্রেন্ড লাইন চেক করুন বক্স।
• রেখার রঙ ফর্ম্যাট করুন এবং লাইন অস্বচ্ছতা .
• চার্টে একটি ট্রেন্ডলাইন যোগ করা হবে।

ট্রেন্ড ফাংশন ব্যবহার করুন :

আপনি যদি ভবিষ্যৎ বিক্রয়ের পূর্বাভাস দিতে চান, তাহলে TREND ফাংশনটি ব্যবহার করুন। উদাহরণস্বরূপ, আপনি এটি ব্যবহার করে পরের দিনের বিক্রির পূর্বাভাস দিতে পারেন।

সূত্র:

=TREND(G2:G70, E2:E70, E71)

এই সূত্রটি ইউনিট বিক্রি কলামে (E71) পরবর্তী মানের জন্য মোট বিক্রয়ের পূর্বাভাস দেয়।

3. শীট অ্যাড-অনের জন্য সাধারণ ML ব্যবহার করুন

আপনি একটি রিগ্রেশন মডেল তৈরি করতে সিম্পল এমএল ব্যবহার করতে পারেন যা ইউনিট বিক্রি, অঞ্চল বা পণ্যের মতো বৈশিষ্ট্যের উপর ভিত্তি করে মোট বিক্রয়ের পূর্বাভাস দেয়। এটি আপনাকে বিক্রয় প্রবণতা পূর্বাভাস দিতে বা মূল ড্রাইভার সনাক্ত করতে সহায়তা করে৷

অ্যাড-অন ইনস্টল করুন :

• এক্সটেনশন -এ যান ট্যাব>> অ্যাড-অন থেকে>> অ্যাড-অন পান নির্বাচন করুন .

• সার্চ বারে সাধারণ ML অনুসন্ধান করুন .
• নির্বাচন করুন এবং ইনস্টল করুন অ্যাড-অন স্টোর থেকে।

• প্রয়োজনীয় অনুমতি অনুমোদন করুন,

আপনার শীটে সাধারণ ML ব্যবহার করুন:

ধরুন আপনার ডেটাসেটে কিছু অনুপস্থিত মান আছে। আপনি এই অ্যাড-অন ব্যবহার করে অনুপস্থিত মানগুলির পূর্বাভাস দিতে পারেন৷

• এক্সটেনশন -এ যান ট্যাব>> পত্রকের জন্য সহজ ML নির্বাচন করুন>> স্টার্ট এ ক্লিক করুন .

• টাস্ক প্যান থেকে>> অনুপস্থিত মানগুলির পূর্বাভাস দিন নির্বাচন করুন৷ .

• আপনার অনুপস্থিত মানগুলির কলাম নির্বাচন করুন (যেমন; মোট বিক্রয়)>> ভবিষ্যদ্বাণী এ ক্লিক করুন .

অনুপস্থিত মানগুলি একটি নতুন কলামে শীটে যোগ করা হবে৷

এখন আপনি Simple ML থেকে আপনার প্রয়োজনীয়তার উপর ভিত্তি করে উপলব্ধ সমস্ত ভবিষ্যদ্বাণী ব্যবহার করতে পারেন৷

4. Google পত্রকের জন্য BigML অ্যাড-অন ইনস্টল করুন

• এক্সটেনশন-এ নেভিগেট করুন ট্যাব>> অ্যাড-অন থেকে>> অ্যাড-অন পান নির্বাচন করুন .
• শীটগুলির জন্য BigML অনুসন্ধান করুন৷>> ইনস্টল করুন ক্লিক করুন এবং অ্যাড-অন অনুমোদন করতে প্রম্পটগুলি অনুসরণ করুন।

Google পত্রককে BigML-এ সংযুক্ত করুন:

• এক্সটেনশন -এ যান ট্যাব>> BigML>> নির্বাচন করুন শুরু নির্বাচন করুন .

• বিগএমএল টাস্ক প্যানে প্রদর্শিত হবে।
• আপনার BigML শংসাপত্র ব্যবহার করে লগ ইন করুন বা একটি অ্যাকাউন্ট তৈরি করুন৷
৷
• আপনার Google শীটে শীট নির্বাচন করুন এবং BigML-এ ডেটা পাঠান ক্লিক করুন .

BigML-এ একটি মডেল তৈরি করুন এবং প্রশিক্ষণ দিন:

• BigML-এ আপনার ডেটা আপলোড হয়ে গেলে, BigML ড্যাশবোর্ড খুলুন .
• উৎস-এ যান ট্যাব>> 1-ক্লিক ডেটাসেট নির্বাচন করুন একটি ডেটাসেট তৈরি করতে।

• আপনার মডেলকে প্রশিক্ষণ দিতে লিনিয়ার স্প্লিট নির্বাচন করুন . এটি আপনার মডেলকে প্রশিক্ষণের জন্য 80% ডেটা নির্বাচন করবে৷

• এখন আপনি উপলব্ধ ভবিষ্যদ্বাণী করতে পারেন।
  • লিনিয়ার রিগ্রেশন ক্রমাগত মান অনুমান করার জন্য (যেমন, মোট বিক্রয়)।

আউটপুট:

এখন, আপনি উপলব্ধ বিকল্পগুলি থেকে সরাসরি Google পত্রকগুলিতে নতুন ডেটা পয়েন্টের ফলাফলের পূর্বাভাস দিতে প্রশিক্ষিত মডেল ব্যবহার করতে পারেন৷

উপসংহার

যদিও Google শীট মেশিন লার্নিং ব্যবহারের জন্য পরিচিত নয়, এটি মেশিন লার্নিং ধারণাগুলি পরিচালনা করতে পারে, বিশেষ করে নতুনদের জন্য। বিল্ট-ইন ফাংশন সহ রৈখিক রিগ্রেশন থেকে অ্যাড-অনগুলির সাথে উন্নত শ্রেণিবিন্যাস পর্যন্ত, আপনি বিশেষ সফ্টওয়্যার প্রয়োজন ছাড়াই প্রয়োজনীয় কাজগুলি সম্পাদন করতে পারেন। আপনি কিছু পদক্ষেপ অনুসরণ করে আপনার বিক্রয় ডেটা সম্পর্কে অন্তর্দৃষ্টি পেতে BigML এবং সাধারণ ML শীট-এর মতো তৃতীয় পক্ষের অ্যাড-অনগুলি ব্যবহার করতে পারেন৷ আরও উন্নত মেশিন লার্নিং টুলের সাথে Google পত্রককে একীভূত করে আপনার বিশ্লেষণ প্রসারিত করতে এই কৌশলগুলি অন্বেষণ করুন৷