Workshop ও স্টেশন
TeachFORGE.ai
Workshop / ডেটা
ডেটা স্টেশন
CSV বা JSON আমদানি করুন, কলাম প্রোফাইল করুন, রূপান্তর পাইপলাইন চালান, বক্ররেখা ফিট করুন, এবং জরিপ নমুনার আকার পরিকল্পনা করুন — তারপর পরিষ্কার অন্তর্দৃষ্টি বোর্ডে, চার্টে বা পরিসংখ্যানে নিয়ে যান।
এআই খসড়া করতে পারে। ক্লাস কী দেখবে, তা আপনিই ঠিক করেন।
ডেটা কী
ডেটা সেই স্টেশন যা আসল সারণি পাঠে আনে। CSV, TSV বা JSON আমদানি করুন, কলাম প্রোফাইল করুন, রূপান্তর পাইপলাইন চালান, বক্ররেখা ফিট করুন, এবং জরিপ নমুনার আকার পরিকল্পনা করুন — তারপর পরিষ্কার ফল রপ্তানি করুন যা দিয়ে পড়াতে পারেন।
এটি গুরুত্বপূর্ণ কারণ আসল সংখ্যা কল্পিত ওয়ার্কশিটকে হারায়। শিক্ষার্থীদের পরিষ্কার, প্রোফাইল ও ফিট গল্পের অংশ হিসেবে দেখা উচিত — অন্য কোথাও ঘটা রহস্য নয়।
শিক্ষকরা ডেটা কেন ব্যবহার করেন
আমদানি ও পরিষ্কার
ক্লাস ডেটাসেট সাঁটুন, আপলোড করুন বা আনুন এবং ধরন ও আউটলায়ার দৃশ্যমান করুন।
ল্যাবের জন্য বক্ররেখা ফিট
রৈখিক, বহুপদী, সূচকীয়, লগারিদমিক এবং ঘাত ফিট — আলোচনার অবশিষ্টসহ।
EDA যা কাঠামো দেখায়
স্ক্যাটার, সহসম্বন্ধ এবং বাক্স দৃশ্য যা গভীর পরিসংখ্যান আলোচনার প্রস্তুতি দেয়।
জরিপ নমুনার আকার
সর্বনিম্ন পরিকল্পনা করুন n ত্রুটির সীমা, আস্থা এবং অনুপাত থেকে — জরিপ বেরোনোর আগে।
TeachForge-এ ডেটা একটি Workshop স্টেশন — এখানে গোছান, তারপর পরের শিক্ষণ পদক্ষেপ চাইলে পরিসংখ্যান বা চার্ট বিল্ডারে সেতু বাঁধুন।
ডেটা স্টেশনের ভিতরে
Workshop-এর বাকি অংশের মতো, ডেটা রচনা ও পূর্বরূপ কাছে রাখে — স্পষ্ট ওয়ার্কবেঞ্চ হিসেবে গোছানো।
- ডেটাসেট, প্রোফাইল, পাইপলাইন, বক্ররেখা ফিটিং এবং জরিপ টুলের ট্যাব
- গ্রহণ পথ — সাঁটা, আপলোড, URL আনা এবং স্কিমা-সচেতন ধরন ঢালাই
- রূপান্তর পাইপলাইন পরিষ্কার CSV রপ্তানি এবং আউটলায়ার / একক সহায়কসহ
- ফিটিং মডেল ম্যানুয়াল “রেখা অনুমান” শিক্ষণ মোডসহ
- প্যারামেট্রিক প্যাকেজ ফিটিং ও জরিপ নমুনা-আকার শুরুর জন্য
- রপ্তানি ও সেতু পরিসংখ্যান ও চার্ট বিল্ডারের দিকে, Whiteboard পাঠানোসহ
সারণি কীভাবে অন্তর্দৃষ্টি হয়
ডেটাসেট লোড বা সাঁটুন এবং কলামের ধরন নিশ্চিত করুন
আসল ক্লাস ডেটা বা শিক্ষণ বীজ থেকে শুরু করুন।
প্রোফাইল, পরিষ্কার, ফিট, অথবা জরিপ পরিকল্পনা করুন
শিক্ষণ পদক্ষেপের মিল ট্যাব বেছে নিন।
ফল রপ্তানি করুন অথবা এগিয়ে সেতু বাঁধুন
পরিষ্কার ডেটা চার্ট, পরিসংখ্যান, প্রশ্ন বা বোর্ডে নিয়ে যান।
একটি ডেটাসেট। তার প্রতিটি শিক্ষণ সংস্করণ।
ডেটা সমর্থন করে প্যারামেট্রিক প্যাকেজ ফিটিং ও জরিপ টুলের জন্য, সংরক্ষিত ডেটাসেট ও পাইপলাইন JSONসহ — যাতে একই পরিষ্কার গল্প বা ফিট মডেল পরের ক্লাসে খোলা যায়, কর্মপ্রবাহ না গেঁথে।
পড়ানোর সময়ই বদলান
মডেল বদলান, পাইপলাইন ধাপ মিলিয়ে নিন, অথবা জরিপ প্যারামিটার লাইভ সমন্বয় করুন।
পাইপলাইন রাখুন, সারণি বদলান
আগামীকালের ডেটাসেটে একই পরিষ্কার ও ফিট কাঠামো পুনরায় ব্যবহার করুন।
পরিষ্কার হস্তান্তর
নতুন টুলে কাজ না করে পরিসংখ্যান বা চার্ট বিল্ডারে সেতু বাঁধুন।
মূল্যায়নের কাছে থাকুন
আসল সংখ্যা ব্যবহার করে প্রশ্ন, ল্যাব ও ব্যাখ্যায় ফল রপ্তানি করুন।
অনুমান পরীক্ষা ও বণ্টন সিমুলেশন পরিসংখ্যানে থাকে। ডেটা গোছানো, প্রোফাইল, পরিষ্কার, ফিট এবং জরিপ পরিকল্পনা রাখে।
খোলার জন্য প্রস্তুত শুরু
ক্যাটালগ প্যাকেজ বা বীজ টেমপ্লেট খুলুন, তারপর নিজের সারণি আনুন:
| এলাকা | আপনি কী খুলতে পারেন |
|---|---|
| ফিটিং ক্যাটালগ | রৈখিক; বহুপদী; সূচকীয়; লগারিদমিক; ঘাত |
| জরিপ ক্যাটালগ | নমুনার আকার ক্যালকুলেটর |
| বীজ টেমপ্লেট | ডেটাসেট প্রোফাইল; পরিষ্কার পাইপলাইন; রৈখিক ফিট; সূচকীয় বৃদ্ধি; নমুনার আকার ক্যালকুলেটর |
এআই সহায়তা, আপনার নিয়মে
প্রথম খসড়া দরকার? এআইকে সহায়ক হিসেবে ব্যবহার করুন — তারপর শিক্ষার্থীদের কাছে যাওয়ার আগে পর্যালোচনা, সম্পাদনা ও অনুমোদন করুন।
প্রম্পট কপি করুন
একটি প্রস্তুত প্রম্পট তৈরি করে আপনি যে চ্যাট টুল ব্যবহার করেন তাতে সাঁটুন।
নিজের GPU ব্যবহার করুন
সেটিংসে একটি স্থানীয় মডেল এন্ডপয়েন্ট সংযুক্ত করুন এবং আপনার নিয়ন্ত্রিত হার্ডওয়্যারে জেনারেশন চালান।
নিজের API কী ব্যবহার করুন
সেটিংসে প্রোভাইডার কী যোগ করুন, মডেল বেছে নিন, এবং নিজের অ্যাকাউন্টে তৈরি করুন।
এআই ভুল হতে পারে। তাই শিক্ষক লুপে থাকেন।
বিশ্লেষণ সেখানে নিয়ে যান যেখানে শিক্ষা হয়
- Whiteboard — লাইভ বোর্ডে রাখুন এবং ক্লাসের সামনে মিলিয়ে নিন
- Quest Ladder — প্রশ্ন ও ব্যাখ্যায় ফেলুন
- Virtual Lab — ইন্টারঅ্যাকটিভ ল্যাব কাজে পুনরায় ব্যবহার করুন
- কমিউনিটি — যা বানিয়েছেন শেয়ার করুন, এবং অন্য শিক্ষকের শেয়ার করা জিনিস থেকে এগোন