README.md

🌐 বহু-ভাষার সমর্থন

গিটহাব অ্যাকশনের মাধ্যমে সমর্থিত (স্বয়ংক্রিয় এবং সর্বদা আপ-টু-ডেট)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

সর্বোত্তম স্থানীয় ক্লোনিং পদ্ধতি?

এই রিপোজিটরিতে ৫০টিরও বেশি ভাষার অনুবাদ অন্তর্ভুক্ত রয়েছে যা ডাউনলোডের আকার উল্লেখযোগ্যভাবে বৃদ্ধি করে। শুধুমাত্র মূল কোড ক্লোন করতে স্পার্স চেকআউট ব্যবহার করুন:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

এটি আপনাকে দ্রুত ডাউনলোডের মাধ্যমে সম্পূর্ণ কোর্স করার জন্য প্রয়োজনীয় সমস্ত কিছু প্রদান করে।

আমাদের কমিউনিটিতে যোগ দিন

আমাদের একটি Discord এআই সহ শেখার সিরিজ চলছে, আরও জানতে এবং অংশগ্রহণ করতে এখানে যান Learn with AI Series, সেপ্টেম্বর ১৮-৩০, ২০২৫ পর্যন্ত। আপনি GitHub Copilot ব্যবহার করে ডেটা সায়েন্সের টিপস এবং ট্রিকস পাবেন।

শুরুদের জন্য মেশিন লার্নিং - একটি কারিকুলাম

🌍 বিশ্ব সংস্কৃতি দ্বারা মেশিন লার্নিং অন্বেষণ করার মাধ্যমে বিশ্বের ভ্রমণ করুন 🌍

মাইক্রোসফটের ক্লাউড অ্যাডভোকেটরা একটি ১২ সপ্তাহের, ২৬টি পাঠের কারিকুলাম উপস্থাপন করতে পেরে আনন্দিত, যা সম্পূর্ণরূপে মেশিন লার্নিং এর উপর কেন্দ্রীভূত। এই কারিকুলামে, আপনি যা কখনো কখনো ক্লাসিক মেশিন লার্নিং নামে ডাকা হয় তা সম্পর্কে শিখবেন, যেখানে প্রধানত Scikit-learn একটি লাইব্রেরি হিসেবে ব্যবহৃত হয় এবং ডিপ লার্নিং এড়ানো হয়, যা আমাদের AI for Beginners' কারিকুলাম এ অন্তর্ভুক্ত। এ লেসনের সাথে আমাদের 'Data Science for Beginners' কারিকুলাম মিলিয়ে শিখতে পারেন।

বিশ্বের বিভিন্ন অংশের তথ্য ব্যবহার করে এই ক্লাসিক প্রযুক্তিগুলো প্রয়োগ করতে আমাদের সাথে বিশ্ব ভ্রমণ করুন। প্রতিটি লেসনে পূর্ব এবং পরবর্তী ক্লাসের কুইজ, শেখার জন্য লিখিত নির্দেশ, সমাধান, অ্যাসাইনমেন্ট এবং আরও অনেক কিছু অন্তর্ভুক্ত আছে। আমাদের প্রকল্পভিত্তিক শিক্ষাদান পদ্ধতি আপনাকে তৈরির মাধ্যমে শেখার সুযোগ দেয়, যা নতুন দক্ষতার অভ্যস্ত হতে সাহায্য করে।

✍️ আমাদের লেখকদের প্রতি আন্তরিক ধন্যবাদ জেন লুপার, স্টিফেন হাওয়েল, ফ্রান্সেসকা লাজেরি, টোমোমি ইমুরা, ক্যাসি ব্রেভিউ, দিমিত্রি সশনিকভ, ক্রিস নরিং, অনীর্বাণ মুখার্জী, ওর্নেলা আল্টুনিয়ান, রুথ ইয়াকুুবু এবং এমি বয়ড

🎨 আমাদের চিত্রশিল্পীদের প্রতি ধন্যবাদ টোমোমি ইমুরা, দাসানি মাদিপল্লি, এবং জেন লুপার

🙏 বিশেষ ধন্যবাদ 🙏 মাইক্রোসফট স্টুডেন্ট অ্যাম্বাসেডর লেখক, সমীক্ষক, এবং কনটেন্ট প্রদানকারীদের, বিশেষ করে রিষিত দাগলি, মুহাম্মদ সাকিব খান ইনান, রোহান রাজ, আলেকজান্দ্রু পেত্রেস্কু, অভিষেক জৈসওয়াল, নওরিন তাবাসসুম, ইওয়ান সামুইলা, এবং স্নিগ্ধা আগরওয়াল

🤩 অতিরিক্ত কৃতজ্ঞতা মাইক্রোসফট স্টুডেন্ট অ্যাম্বাসেডরদের কাছে, এরিক ওয়ানজাউ, জাসলিন সোঁধি, এবং বিদুষী গুপ্তা আমাদের R লেসনের জন্য!

শুরু করা

এই ধাপগুলি অনুসরণ করুন:

1. রিপোজিটরি ফর্ক করুন: পেজের ডান দিকে উপরের "Fork" বাটনে ক্লিক করুন।
2. রিপোজিটরি ক্লোন করুন: git clone https://github.com/microsoft/ML-For-Beginners.git

এই কোর্সের সমস্ত অতিরিক্ত সম্পদ মাইক্রোসফট লার্ন কালেকশনে খুঁজুন

🔧 সাহায্যের দরকার? আমাদের সমস্যা নিষ্পত্তির গাইড দেখুন ইনস্টলেশন, সেটআপ এবং লেসন চালানোর সাধারণ সমস্যার সমাধানের জন্য।

শিক্ষার্থীরা, এই কারিকুলাম ব্যবহারের জন্য, পুরো রিপোজিটরি নিজেদের গিটহাব অ্যাকাউন্টে ফর্ক করুন এবং একক বা গ্রুপে অনুশীলন সম্পন্ন করুন:

• একটি প্রাক-লেকচার কুইজ দিয়ে শুরু করুন।
• লেকচার পড়ুন এবং ক্রিয়াকলাপ সম্পন্ন করুন, প্রতিটি জ্ঞান পরীক্ষা করার সময় থামুন এবং চিন্তা করুন।
• লেসনগুলো বুঝে প্রকল্প তৈরি করার চেষ্টা করুন কোড রান করার বাইরে; তবে কোডটি /solution ফোল্ডারে প্রতিটি প্রকল্পভিত্তিক লেসনে পাওয়া যায়।
• পরের লেকচার কুইজ দিন।
• চ্যালেঞ্জ সম্পন্ন করুন।
• অ্যাসাইনমেন্ট সম্পন্ন করুন।
• একটি লেসন গ্রুপ শেষে, ডিসকাশন বোর্ড এ যান এবং "উচ্চস্বরে শেখা" করুন উপযুক্ত PAT রুব্রিক পূরণ করে। 'PAT' হলো একটি প্রগ্রেস মূল্যায়ন টুল যা আপনার শেখাকে এগিয়ে নিয়ে যায়। আপনি অন্যান্য PAT-র প্রতিক্রিয়া জানিয়ে একসাথে শিখতে পারেন।

আরও অধ্যয়নের জন্য, আমরা এই Microsoft Learn মডিউল এবং লার্নিং পাথ অনুসরণ করার সিফারিশ করছি।

শিক্ষকগণ, আমরা কিছু পরামর্শ অন্তর্ভুক্ত করেছি এই কারিকুলাম ব্যবহার করার জন্য।

---

ভিডিও ওয়াকথ্রু

কিছু লেসন সংক্ষিপ্ত ভিডিও হিসেবে উপলব্ধ। আপনি এই ভিডিওগুলো লেসনের মধ্যে অথবা ML for Beginners প্লেলিস্ট, Microsoft Developer YouTube চ্যানেলে খুঁজে পেতে পারেন নিচের চিত্রে ক্লিক করে।

---

দলের সাথে পরিচিতি

গিফ তৈরি করেছেন Mohit Jaisal

🎥 প্রকল্প এবং এর স্রষ্টাদের সম্পর্কে জানতে উপরের ছবিতে ক্লিক করুন!

---

শিক্ষাদান পদ্ধতি

এই কারিকুলাম তৈরি করার সময় আমরা দুটি শিক্ষণ নীতিকে বেছে নিয়েছি: এটি থাকুক হ্যান্ডস-অন প্রকল্পভিত্তিক এবং এতে থাকুক ঘনঘন কুইজ। এছাড়াও, এই কারিকুলামের একটি সাধারণ বিষয়বস্তু রাখা হয়েছে যাতে এটি সুসংগত হয়।

বিষয়বস্তু প্রকল্পের সাথে সামঞ্জস্যপূর্ণ করার মাধ্যমে ছাত্রদের আকর্ষণ বাড়ানো হয় এবং ধারণাগুলি দীর্ঘস্থায়ী হয়। এছাড়াও, একটি ক্লাসের আগে একটি কম ঝুঁকিপূর্ণ কুইজ ছাত্রের শেখার উদ্দেশ্য স্থাপন করে, এবং ক্লাসের পরে দ্বিতীয় কুইজ ধারণাগুলির রিটেনশন নিশ্চিত করে। এই কারিকুলামটি নমনীয় এবং মজাদার হওয়ার জন্য ডিজাইন করা হয়েছে এবং পুরোপুরি অথবা আংশিকভাবে গ্রহণ করা যেতে পারে। প্রকল্পগুলো ছোট ছোট শুরু হয় এবং ১২ সপ্তাহের শেষে ক্রমশ জটিল হয়ে ওঠে। এই কারিকুলামে একটি পোস্টস্ক্রিপ্ট রয়েছে যা ML এর বাস্তব জগতের প্রয়োগের উপর, যা অতিরিক্ত ক্রেডিট হিসেবে অথবা আলোচনা ভিত্তি হিসেবে ব্যবহার করা যেতে পারে।

আমাদের আচরণ বিধি, অংশগ্রহণের নিয়মাবলী, অনুবাদ, এবং সমস্যা মোকাবেলার নির্দেশিকা দেখুন। আমরা আপনার গঠনমূলক প্রতিক্রিয়াকে স্বাগত জানাই!

প্রতিটি লেসনে অন্তর্ভুক্ত

• ঐচ্ছিক স্কেচনোট
• ঐচ্ছিক অতিরিক্ত ভিডিও
• ভিডিও ওয়াকথ্রু (কেবল কিছু লেসন)
• পূর্ব-লেকচার ওয়ার্মআপ কুইজ
• লিখিত লেসন
• প্রকল্পভিত্তিক লেসনের জন্য, ধাপে ধাপে প্রকল্প গঠন নির্দেশিকা
• জ্ঞান পরীক্ষা
• একটি চ্যালেঞ্জ
• অতিরিক্ত পঠন
• অ্যাসাইনমেন্ট
• পরবর্তী লেকচার কুইজ

ভাষা সম্পর্কে একটি নোট: এই পাঠগুলি মূলত পাইথনে লেখা হয়েছে, তবে অনেকগুলি R-তেও উপলব্ধ। একটি R পাঠ সম্পূর্ণ করতে, /solution ফোল্ডারে যান এবং R পাঠগুলি অনুসন্ধান করুন। সেগুলোর .rmd এক্সটেনশন থাকে যা একটি R Markdown ফাইল নির্দেশ করে, যা সহজভাবে সংজ্ঞায়িত করা যায় কোড চাঙ্ক (R বা অন্যান্য ভাষার) এবং একটি YAML হেডার (যা আউটপুট যেমন PDF এর ফরম্যাট নির্ধারণে সাহায্য করে) সহ একটি Markdown ডকুমেন্ট হিসাবে। এ কারণে, এটি একটি আদর্শ লেখাপড়ার ফ্রেমওয়ার্ক হিসেবে কাজ করে ডেটা সায়েন্সের জন্য কারণ এটি আপনাকে আপনার কোড, তার আউটপুট, এবং আপনার চিন্তাভাবনাগুলো Markdown-এ লিখে একত্রিত করার সুযোগ দেয়। এছাড়া, R Markdown ডকুমেন্টগুলি PDF, HTML, বা Word এর মতো আউটপুট ফরম্যাটে রেন্ডার করা যায়।

কুইজ সম্পর্কে একটি নোট: সমস্ত কুইজ Quiz App ফোল্ডারে অন্তর্ভুক্ত, মোট ৫২টি কুইজ যেগুলোর প্রতিটিতে তিনটি প্রশ্ন থাকে। এগুলি পাঠগুলির ভিতর থেকে লিঙ্ক করা হয়েছে কিন্তু কুইজ অ্যাপ লোকালি চালানো যায়; লোকালি হোস্ট বা Azure-এ ডিপ্লয় করার জন্য quiz-app ফোল্ডারের নির্দেশনা অনুসরণ করুন।

পাঠ নম্বর	বিষয়	পাঠের শ্রেণীবন্ধন	শেখার উদ্দেশ্য	সংযুক্ত পাঠ	লেখক
০১	মেশিন লার্নিং-এর ভূমিকা	পরিচিতি	মেশিন লার্নিং-এর বুনিয়াদি ধারণা শেখা	পাঠ	মুহাম্মদ
০২	মেশিন লার্নিং-এর ইতিহাস	পরিচিতি	এই ক্ষেত্রে ব্যাকগ্রাউন্ড ইতিহাস শেখা	পাঠ	জেন ও এমি
০৩	ন্যায়পরায়ণতা ও মেশিন লার্নিং	পরিচিতি	মেশিন লার্নিং মডেল তৈরি ও প্রয়োগে ন্যায়পরায়ণতার গুরুত্বপূর্ণ দার্শনিক বিষয়সমূহ সম্পর্কে শেখা	পাঠ	তোমোমি
০৪	মেশিন লার্নিং-এর প্রযুক্তি	পরিচিতি	মেশিন লার্নাররা কোন কোন প্রযুক্তি ব্যবহার করে মডেল তৈরি করে তা শেখা	পাঠ	ক্রিস ও জেন
০৫	রিগ্রেশন পরিচিতি	রিগ্রেশন	পাইথন ও স্কিকিট-লার্ন ব্যবহার করে রিগ্রেশন মডেল শুরু করা	Python • R	জেন • এরিক ওয়ানজাউ
০৬	উত্তর আমেরিকার কুমড়ো মূল্য 🎃	রিগ্রেশন	মেশিন লার্নিং-এর প্রস্তুতিতে ডেটা ভিজ্যুয়ালাইজেশন ও পরিষ্কারকরণ	Python • R	জেন • এরিক ওয়ানজাউ
০৭	উত্তর আমেরিকার কুমড়ো মূল্য 🎃	রিগ্রেশন	লিনিয়ার ও পলিনোমিয়াল রিগ্রেশন মডেল তৈরি করা	Python • R	জেন ও ডিমিত্রি • এরিক ওয়ানজাউ
০৮	উত্তর আমেরিকার কুমড়ো মূল্য 🎃	রিগ্রেশন	লজিস্টিক রিগ্রেশন মডেল তৈরি করা	Python • R	জেন • এরিক ওয়ানজাউ
০৯	একটি ওয়েব অ্যাপ 🔌	ওয়েব অ্যাপ	প্রশিক্ষিত মডেল ব্যবহারের জন্য একটি ওয়েব অ্যাপ নির্মাণ	Python	জেন
১০	শ্রেণীবিভাগের পরিচিতি	শ্রেণীবিভাগ	আপনার ডেটা পরিষ্কারকরণ, প্রস্তুতি ও ভিজ্যুয়ালাইজেশন; শ্রেণীবিভাগের পরিচিতি	Python • R	জেন ও কেসি • এরিক ওয়ানজাউ
১১	সুস্বাদু এশিয়ান ও ভারতীয় রান্না 🍜	শ্রেণীবিভাগ	শ্রেণীবিভাগকারীদের পরিচয়	Python • R	জেন ও কেসি • এরিক ওয়ানজাউ
১২	সুস্বাদু এশিয়ান ও ভারতীয় রান্না 🍜	শ্রেণীবিভাগ	আরও শ্রেণীবিভাগকারী	Python • R	জেন ও কেসি • এরিক ওয়ানজাউ
১৩	সুস্বাদু এশিয়ান ও ভারতীয় রান্না 🍜	শ্রেণীবিভাগ	আপনার মডেল ব্যবহার করে একটি সুপারিশকারী ওয়েব অ্যাপ তৈরি করুন	Python	জেন
১৪	ক্লাস্টারিংয়ের পরিচিতি	ক্লাস্টারিং	আপনার ডেটা পরিষ্কারকরণ, প্রস্তুতি ও ভিজ্যুয়ালাইজেশন; ক্লাস্টারিংয়ের পরিচিতি	Python • R	জেন • এরিক ওয়ানজাউ
১৫	নাইজেরিয়ার সঙ্গীত স্বাদের অনুসন্ধান 🎧	ক্লাস্টারিং	K-Means ক্লাস্টারিং পদ্ধতি অনুসন্ধান	Python • R	জেন • এরিক ওয়ানজাউ
১৬	প্রাকৃতিক ভাষা প্রক্রিয়াকরণের পরিচিতি ☕️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	একটি সহজ বট তৈরি করে NLP-এর বুনিয়াদি শিখুন	Python	স্টিফেন
১৭	প্রচলিত NLP কাজসমূহ ☕️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	ভাষাগত কাঠামোর মোকাবিলায় প্রয়োজনীয় সাধারণ কাজগুলি বোঝার মাধ্যমে আপনার NLP জ্ঞান গভীর করুন	Python	স্টিফেন
১৮	অনুবাদ ও মনোভাব বিশ্লেষণ ♥️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	জেন অস্টিনের সঙ্গে অনুবাদ ও মনোভাব বিশ্লেষণ	Python	স্টিফেন
১৯	ইউরোপের রোমান্টিক হোটেল ♥️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	হোটেল পর্যালোচনার সঙ্গে মনোভাব বিশ্লেষণ ১	Python	স্টিফেন
২০	ইউরোপের রোমান্টিক হোটেল ♥️	প্রাকৃতিক ভাষা প্রক্রিয়াকরণ	হোটেল পর্যালোচনার সঙ্গে মনোভাব বিশ্লেষণ ২	Python	স্টিফেন
২১	টাইম সিরিজ পূর্বাভাসের পরিচিতি	টাইম সিরিজ	টাইম সিরিজ পূর্বাভাসের পরিচিতি	Python	ফ্রান্সেসকা
২২	⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস	টাইম সিরিজ	ARIMA দিয়ে টাইম সিরিজ পূর্বাভাস	Python	ফ্রান্সেসকা
২৩	⚡️ বিশ্ব বিদ্যুৎ ব্যবহার ⚡️ - SVR দিয়ে টাইম সিরিজ পূর্বাভাস	টাইম সিরিজ	সাপোর্ট ভেক্টর রিগ্রেসর দিয়ে টাইম সিরিজ পূর্বাভাস	Python	অনির্বাণ
২৪	রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি	রিইনফোর্সমেন্ট লার্নিং	Q-Learning সহ রিইনফোর্সমেন্ট লার্নিংয়ের পরিচিতি	Python	ডিমিত্রি
২৫	পিটারকে ভয়ঙ্কর বাঘ থেকে বাঁচান! 🐺	রিইনফোর্সমেন্ট লার্নিং	রিইনফোর্সমেন্ট লার্নিং জিম	Python	ডিমিত্রি
পরিশিষ্ট	বাস্তব বিশ্বের মেশিন লার্নিং পরিস্থিতি ও প্রয়োগ	বন্যায় মেশিন লার্নিং	ক্লাসিক্যাল মেশিন লার্নিং-এর মজাদার ও পর্যালোচনামূলক বাস্তব বিশ্বের প্রয়োগসমূহ	পাঠ	টিম
পরিশিষ্ট	RAI ড্যাশবোর্ড ব্যবহার করে ML মডেল ডিবাগিং	বন্যায় মেশিন লার্নিং	দায়বদ্ধ AI ড্যাশবোর্ড উপাদান ব্যবহার করে মেশিন লার্নিং মডেল ডিবাগিং	পাঠ	রুথ ইয়াকুবু

এই কোর্সের সব অতিরিক্ত সংস্থান আমাদের Microsoft Learn সংগ্রহে খুঁজুন

অফলাইন অ্যাকসেস

আপনি Docsify ব্যবহার করে এই ডকুমেন্টেশন অফলাইনে চালাতে পারেন। এই রিপোজিটরিটি ফর্ক করুন, আপনার লোকাল মেশিনে Docsify ইনস্টল করুন, এবং এরপর এই রিপোর রুট ফোল্ডারে docsify serve টাইপ করুন। ওয়েবসাইটটি আপনার লোকালহোস্টে ৩০০০ নম্বর পোর্টে চালু হবে: localhost:3000।

PDF

কুরিকুলামের PDF প্রাপ্তির জন্য এখানে দেখুন।

🎒 অন্যান্য কোর্স

আমাদের দল অন্যান্য কোর্সও তৈরি করে! দেখুন:

LangChain

Azure / Edge / MCP / Agents

---

জেনারেটিভ AI সিরিজ

---

মূল শেখা

---

কপাইলট সিরিজ

সাহায্য পাওয়া

যদি আপনি মেশিন লার্নিং শিখতে গিয়ে বা AI অ্যাপ্লিকেশন তৈরি করতে গিয়ে আটকে পড়েন বা প্রশ্ন থাকে, তাহলে চিন্তা করবেন না — সাহায্য পাওয়া যায়।

আপনি অন্যান্য শিক্ষার্থী ও ডেভেলপারদের সাথে আলোচনা করতে পারেন, প্রশ্ন করতে পারেন, এবং কমিউনিটির সাথে আপনার ধারণা শেয়ার করতে পারেন।

• প্রশ্ন করতে এবং অন্যদের সাথে শেখার জন্য কমিউনিটিতে যোগ দিন
• মেশিন লার্নিং ধারণা এবং প্রকল্পের আইডিয়া নিয়ে আলোচনা করুন
• অভিজ্ঞ ডেভেলপারদের থেকে পরামর্শ নিন

একটি সমর্থনশীল কমিউনিটি আপনার দক্ষতা বাড়াতে এবং সমস্যার দ্রুত সমাধান করতে সাহায্য করে।

Microsoft Foundry Discord Community

যদি আপনি বাগ, ত্রুটি বা উন্নতির জন্য পরামর্শ পান, তাহলে আপনি এই রিপোজিটরিতে একটি Issue খুলে সমস্যাটি রিপোর্ট করতে পারেন।

পণ্যের প্রতিক্রিয়া বা বিদ্যমান কমিউনিটি পোস্টগুলি অনুসন্ধানের জন্য, ডেভেলপার ফোরাম পরিদর্শন করুন:

অতিরিক্ত শেখার টিপস

• প্রতিটি পাঠের পর নোটবুকগুলি পর্যালোচনা করুন আরও ভালো বোঝার জন্য।
• নিজে অ্যালগরিদমগুলো প্রয়োগ করার অনুশীলন করুন।
• শেখা ধারণাগুলো ব্যবহার করে বাস্তব বিশ্বের ডেটাসেট অন্বেষণ করুন।

---

অস্বীকৃতি:
এই নথিটি AI অনুবাদ সেবা Co-op Translator ব্যবহার করে অনূদিত হয়েছে। আমরা যথাসাধ্য সঠিকতার চেষ্টা করি, তবুও জেনে রাখুন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা ভুল থাকতে পারে। মূল নথিটি তার মাতৃভাষায়ই কর্তৃত্বপূর্ণ উৎস হিসেবে গণ্য করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।