ইন্টারমিডিয়েট প্রজেক্ট

লক্ষ্য: Browser webcam stream নিয়ে real-time detection + bounding box overlay।

1. YOLOv8n pretrained দিয়ে inference test।
2. Custom dataset (Roboflow) — 3-5 class fine-tune।
3. FastAPI + WebSocket — frame in, detection out।
4. React frontend → canvas-এ box draw।
5. FPS counter, mAP report।

Stretch: ONNX/TensorRT export — latency 2× কমান।

লক্ষ্য: PDF + web + Notion থেকে hybrid search + reranker + cited answer।

1. Multiple loader (PDF, URL, markdown) → unified chunk।
2. Dense (BGE-large) + sparse (BM25) hybrid retrieval।
3. Cross-encoder reranker — top-50 → top-5।
4. Llama-3-8B (Ollama) দিয়ে answer + citation।
5. RAGAS দিয়ে faithfulness/precision metric।

Stretch: Streaming response + chat history।

লক্ষ্য: বাংলা audio → transcript → summary pipeline।

1. Whisper-large-v3 দিয়ে Bangla transcribe।
2. WER metric দিয়ে accuracy মাপুন।
3. mBART/BanglaT5 দিয়ে summary generate।
4. Gradio UI — audio upload, transcript+summary দেখায়।
5. YouTube URL support (yt-dlp)।

Stretch: Speaker diarization (pyannote)।

লক্ষ্য: নিজের domain (legal/medical/recipe) data দিয়ে LLM fine-tune।

1. Instruction dataset (1k-5k pair) তৈরি/সংগ্রহ।
2. QLoRA config — r=16, alpha=32, 4-bit base।
3. 3 epoch train (Colab/Kaggle T4-তেই সম্ভব)।
4. Eval — LLM-as-judge দিয়ে base vs fine-tuned।
5. GGUF export → Ollama-তে local run।

Stretch: DPO দিয়ে preference alignment।

লক্ষ্য: Text বা image দিয়ে product search (semantic + visual)।

1. Product image+title → CLIP embedding → Qdrant index।
2. Text query embed → cosine search।
3. Image query (upload) → একইভাবে search।
4. Filter (price, category) + faceted UI।
5. Click log → eval (NDCG, recall@k)।

Stretch: Personalization — user history থেকে rerank।