বিগিনার প্রজেক্ট

লক্ষ্য: ছোট tabular dataset দিয়ে end-to-end ML lifecycle অনুশীলন।

1. EDA + feature engineering (pandas)।
2. Logistic Regression + Random Forest train, accuracy/F1 compare।
3. joblib দিয়ে save, FastAPI দিয়ে /predict endpoint।
4. Dockerize → Render/Fly.io-তে free deploy।
5. GitHub README + Swagger docs।

Stretch: MLflow দিয়ে experiment tracking যোগ করুন।

লক্ষ্য: CNN বানিয়ে digit recognition + interactive web demo।

1. MNIST dataloader + simple CNN (Conv → ReLU → Pool ×2 → FC)।
2. 10 epoch train, test accuracy >98%।
3. Gradio canvas — user হাতে আঁকে, model predict করে।
4. HuggingFace Spaces-এ free deploy।

Stretch: Bangla digit (NumtaDB) দিয়ে retrain।

লক্ষ্য: Pretrained model fine-tune করে IMDB sentiment classifier।

1. datasets লাইব্রেরি থেকে IMDB load।
2. DistilBERT fine-tune (3 epoch, lr=2e-5)।
3. Confusion matrix + per-class metrics।
4. Streamlit app — text box → positive/negative + probability।

Stretch: Bangla review (Daraz/Pathao) দিয়ে multilingual BERT fine-tune।

লক্ষ্য: Pretrained CNN fine-tune করে real-world image classification।

1. Kaggle dataset download (timm/torchvision)।
2. Data augmentation — flip, rotate, color jitter।
3. EfficientNet-B0 head replace + 5 epoch train।
4. Grad-CAM দিয়ে decision visualization।
5. ONNX export → web demo।

Stretch: অন্য animal class যোগ করে multi-class।

লক্ষ্য: নিজের PDF (বই/নোট) থেকে প্রশ্নের উত্তর দিতে পারে এমন bot।

1. PyPDF দিয়ে text extract → chunk (500 token, 50 overlap)।
2. sentence-transformers embedding → Chroma store।
3. Query embed → top-k retrieve → LLM-এ context+question।
4. Streamlit chat UI + source citation।

Stretch: History memory + multi-PDF support।