প্রধান অন্যান্য কে-মানে ক্লাস্টার বিশ্লেষণ

কে-মানে ক্লাস্টার বিশ্লেষণ

ওভারভিউ

সফটওয়্যার

বর্ণনা

ওয়েবসাইট

পঠন

পাঠ্যধারাগুলি

ওভারভিউ

ক্লাস্টার বিশ্লেষণ ডেটা হ্রাস কৌশলগুলির একটি সেট যা একটি ডেটাসেটে অনুরূপ পর্যবেক্ষণগুলি গোষ্ঠী করার জন্য ডিজাইন করা হয়েছে, যেমন একই গ্রুপে পর্যবেক্ষণগুলি যথাসম্ভব একে অপরের সাথে সমান এবং একইভাবে, বিভিন্ন গোষ্ঠীতে পর্যবেক্ষণগুলি একে অপরের মতো আলাদা সম্ভব. অন্যান্য ডেটা হ্রাস কৌশল যেমন ফ্যাক্টর অ্যানালাইসিস (এফএ) এবং মূল উপাদান বিশ্লেষণ (পিসিএ) এর সাথে তুলনা করে, যা একটি ডেটাসেটের ভেরিয়েবল (কলাম) জুড়ে সমানত্বে গোষ্ঠীকরণের লক্ষ্যে, ক্লাস্টার বিশ্লেষণের লক্ষ্য সারিগুলির মধ্যে সাদৃশ্যগুলি দ্বারা গ্রুপ পর্যবেক্ষণকে লক্ষ্য করা।

বিষয়বস্তু বিশ্লেষণ সংজ্ঞা সমাজবিজ্ঞান

বর্ণনা

কে-ই অর্থ হ'ল গুচ্ছ বিশ্লেষণের একটি পদ্ধতি যা তাদের মধ্যে ইউক্লিডিয়ান দূরত্বগুলি হ্রাস করে পর্যবেক্ষণকে গোষ্ঠীভুক্ত করে। ইউক্লিডিয়ান দূরত্বগুলি একটি ত্রিভুজের হাইপোপেনিউজ পরিমাপের জন্য অ্যানালাগাস, যেখানে দুটি ভেরিয়েবলের (x এবং y) দুটি পর্যবেক্ষণের মধ্যে পার্থক্য দুটি পয়েন্টের (সংক্ষিপ্ত দৈর্ঘ্যের) মধ্যে সংক্ষিপ্ততম দূরত্বের জন্য পাইথাগোরীয় সমীকরণে প্লাগ করা হয়। ইউক্লিডিয়ান দূরত্বগুলি যে কোনও n এর সাথে n-মাত্রায় প্রসারিত হতে পারে এবং দূরত্বগুলি কেবলমাত্র স্থানিক বা জ্যামিতিক দূরত্ব নয়, কোনও পরিমাপ করা অবিচ্ছিন্ন পরিবর্তনশীলতে সংখ্যাগত পার্থক্য বোঝায়। ইউক্লিডিয়ান দূরত্বের এই সংজ্ঞা, অতএব, কে-মাধ্যম ব্যবহার করে ক্লাস্টারিং নির্ধারণ করতে ব্যবহৃত সমস্ত ভেরিয়েবলগুলি অবশ্যই অবিচ্ছিন্ন হতে হবে।

পদ্ধতি

কে-মানে ক্লাস্টারিং করার জন্য, অ্যালগোরিদম এলোমেলোভাবে k প্রাথমিক কেন্দ্রগুলি (ব্যবহারকারী দ্বারা নির্দিষ্ট করা) নির্ধারণ করে, হয় সমস্ত এন ভেরিয়েবল দ্বারা নির্ধারিত ইউক্যালিডিয়ান স্পেসে এলোমেলোভাবে পয়েন্টগুলি বেছে নেওয়ার মাধ্যমে, বা পরিবেশন করার জন্য সমস্ত উপলব্ধ পর্যবেক্ষণের কে পয়েন্ট স্যাম্পল করে প্রাথমিক কেন্দ্র হিসাবে। এরপরে এটি পুনরুক্তভাবে প্রতিটি পর্যবেক্ষণ নিকটতম কেন্দ্রে বরাদ্দ করে। এরপরে, এটি প্রতিটি ক্লাস্টারের নতুন পর্যবেক্ষণের সেটগুলির ক্লাস্টারিং ভেরিয়েবলের সেন্ট্রয়েড গড় হিসাবে প্রতিটি ক্লাস্টারের জন্য নতুন কেন্দ্র গণনা করে। কে-মানে এই প্রক্রিয়াটির পুনরাবৃত্তি করে, নিকটস্থ কেন্দ্রে পর্যবেক্ষণ বরাদ্দ করে (কিছু পর্যবেক্ষণ ক্লাস্টার পরিবর্তন করবে)। একটি নতুন পুনরাবৃত্তি আর কোনও নতুন ক্লাস্টারে কোনও পর্যবেক্ষণ পুনরায় বরাদ্দ না করা পর্যন্ত এই প্রক্রিয়াটি পুনরাবৃত্তি করে। এই মুহুর্তে, অ্যালগরিদমকে রূপান্তরিত বলে মনে করা হয়, এবং চূড়ান্ত ক্লাস্টার অ্যাসাইনমেন্টগুলি ক্লাস্টারিং সমাধান গঠন করে।

বেশ কয়েকটি কে-মানে অ্যালগোরিদম উপলব্ধ। স্ট্যান্ডার্ড অ্যালগরিদম হল হারটিগান-ওওং অ্যালগরিদম, যার লক্ষ্য হল স্কোয়ার ত্রুটির (এসএসই) ক্লাস্টারের যোগফলকে কমিয়ে দিয়ে নিকটস্থ ক্লাস্টার কেন্দ্রগুলির সাথে সমস্ত পয়েন্টের ইউক্লিডিয়ান দূরত্বগুলি হ্রাস করা।

সফটওয়্যার

কে-অর্থগুলি অনেক পরিসংখ্যান সংক্রান্ত সফ্টওয়্যার প্রোগ্রামগুলিতে প্রয়োগ করা হয়:

আর এ, ক্লাস্টার প্যাকেজে, ফাংশনটি ব্যবহার করুন: কে-মানে (x, কেন্দ্রগুলি, iter.max = 10, nstart = 1)। ক্লাস্টারিং করা ডেটা অবজেক্টটি x এ ঘোষণা করা হয়েছে। ক্লাস্টারগুলির সংখ্যা কে কেন্দ্রগুলিতে ব্যবহারকারীর দ্বারা নির্দিষ্ট করা হয়েছে = #। কে-মানে () বিভিন্ন প্রাথমিক সেন্ট্রয়েডগুলি (পুরো ডেটাসেট থেকে এলোমেলোভাবে নমুনা করা) nstart = # বারের সাথে পুনরাবৃত্তি করবে এবং সেরা রান (সবচেয়ে ছোট এসএসই) চয়ন করবে। iter.max = # অনুমোদিত হিসাবে পুনরাবৃত্তির সর্বোচ্চ সংখ্যক সংখ্যা নির্ধারণ করে (ডিফল্ট 10) প্রতি রান is

স্টাটাতে, কমান্ডটি ব্যবহার করুন: ক্লাস্টার কামেন [বর্ণ তালিকা], কে (#) [বিকল্পসমূহ]। ক্লাস্টারিং ভেরিয়েবলগুলি ঘোষণার জন্য [বর্ণ তালিকা] ব্যবহার করুন, কে ঘোষণা করতে কে (#)। ইউক্লিডিয়ান দূরত্বের পরিবর্তে অনুরূপতাগুলি নির্দিষ্ট করার জন্য অন্যান্য বিকল্প রয়েছে।

এসএএস-এ, কমান্ডটি ব্যবহার করুন: PROC FASTCLUS maxclusters = k; var [বর্ণ তালিকা]। এর জন্য [varlist] এ কে এবং ক্লাস্টারিং ভেরিয়েবল নির্দিষ্ট করা দরকার।

এসপিএসে, ফাংশনটি ব্যবহার করুন: -> শ্রেণিবদ্ধ -> কে-ম্যান ক্লাস্টার বিশ্লেষণ করুন। অতিরিক্ত সহায়তা ফাইলগুলি অনলাইনে উপলব্ধ।

বিবেচনা

কে-মানে ক্লাস্টারিংয়ের জন্য সমস্ত ভেরিয়েবল অবিচ্ছিন্ন হওয়া দরকার। অন্যান্য পদ্ধতিতে যা কিছু পরিবর্তনশীল ক্লাস্টারিং পদ্ধতি সহ সমস্ত পরিবর্তনশীলগুলি অবিচ্ছিন্ন হওয়ার প্রয়োজন হয় না, এর বিভিন্ন অনুমান রয়েছে এবং নীচের সংস্থানগুলির তালিকায় আলোচনা করা হয়েছে। কে-মানে ক্লাস্টারিংয়ের জন্যও ক্লাস্টারের সংখ্যার একটি প্রাথমিক স্পেসিফিকেশন প্রয়োজন, কে। যদিও ডেটা দিয়ে এই অভিজ্ঞতা সম্পন্ন করা যেতে পারে (প্রতিটি ক্লাস্টারের সমাধানের বিপরীতে গ্রুপ এসএসই-র মধ্যে গ্রাফ করার জন্য একটি স্ক্রিপ্লট ব্যবহার করে), সিদ্ধান্তটি তত্ত্ব দ্বারা চালিত হওয়া উচিত এবং অযৌক্তিক পছন্দগুলি ভুল ক্লাস্টারগুলিতে নিয়ে যেতে পারে। ক্লাস্টার সলিউশনগুলি বেছে নেওয়ার উদাহরণগুলির জন্য নীচে কে-মানে ক্লাস্টার বিশ্লেষণের জন্য পিপলসের অনলাইন আর ওয়াকথ্রু আর স্ক্রিপ্ট দেখুন।

ক্লাস্টারিং ভেরিয়েবলগুলির পছন্দটিও বিশেষ গুরুত্ব দেয়। সাধারণত, ক্লাস্টার বিশ্লেষণ পদ্ধতিগুলির অনুমানের প্রয়োজন হয় যে ক্লাস্টারগুলি নির্ধারণের জন্য চয়ন করা পরিবর্তনশীলগুলি অনুরূপ পর্যবেক্ষণকে গোষ্ঠীগতভাবে আগ্রহের অন্তর্নিহিত নির্মাণের একটি বিস্তৃত উপস্থাপনা। পরিবর্তনশীল পছন্দটি বিতর্কিত বিষয় হিসাবে রয়ে গেছে, তবে ক্ষেত্রের sensক্যমত্য যতক্ষণ সম্ভব সেটাকে এই বর্ণনায় ফিট করে যতক্ষণ সম্ভব তত পরিবর্তনশীলকে ক্লাস্টার করার পরামর্শ দেয় এবং পর্যবেক্ষণগুলির মধ্যে ইউক্যালিডিয়ান দূরত্বগুলির মধ্যে যে বৈকল্পিকগুলি খুব বেশি বর্ণনা করে না তার পরিবর্তনগুলি কম অবদান রাখবে will ক্লাস্টার অ্যাসাইনমেন্ট। সংবেদনশীলতা বিশ্লেষণগুলি ক্লাস্টারিং অ্যালগরিদমের দৃust়তা নির্ধারণ করতে বিভিন্ন ক্লাস্টার সমাধান এবং ক্লাস্টারিং ভেরিয়েবলের সেটগুলি ব্যবহার করার পরামর্শ দেওয়া হয়।

ডি-ডিফল্টরূপে কে-মানে ইউক্লিডিয়ান দূরত্ব দ্বারা পরিমাপকৃত স্কোয়ার ত্রুটির গ্রুপের সমষ্টিকে হ্রাস করা হয়, তবে ডেটা অনুমানগুলি পূরণ না হলে এটি সর্বদা ন্যায়সঙ্গত হয় না। নীচের সংস্থানসমূহের পাঠ্যপুস্তক এবং অনলাইন গাইডগুলির সাথে পরামর্শ করুন, বিশেষত রবিনসনের আর-ব্লগ: কে-মানে ক্লাস্টারিং অনুমানগুলি লঙ্ঘন করা হলে কে-মানে ক্লাস্টারিংয়ের সমস্যাগুলির উদাহরণগুলির জন্য নিখরচায় দুপুরের খাবার নয়।

শেষ অবধি, গুচ্ছ বিশ্লেষণ পদ্ধতিগুলি অন্যান্য তথ্য হ্রাস কৌশলগুলির সাথে সমান যা তারা মূলত অনুসন্ধানের সরঞ্জাম, সুতরাং ফলাফলগুলি সতর্কতার সাথে ব্যাখ্যা করা উচিত। অভ্যন্তরীণভাবে ক্রস-বৈধতা বা বুটস্ট্র্যাপিং সহ ধারণাগত গোষ্ঠীগুলিতে বৈধকরণের একটি অগ্রাধিকার বা বিশেষজ্ঞের মতামত সহ বা পৃথক ডেটাসেটের সাহায্যে বহিরাগত বৈধতা সহ ক্লাস্টার বিশ্লেষণ থেকে ফলাফল বৈধকরণের জন্য অনেক কৌশল বিদ্যমান exist ক্লাস্টার বিশ্লেষণের একটি সাধারণ প্রয়োগ হ'ল বিদ্যমান ডেটা ব্যবহার করে ভবিষ্যতের পর্যবেক্ষণগুলিতে ক্লাস্টার সদস্যতার পূর্বাভাস দেওয়ার হাতিয়ার হিসাবে, তবে পর্যবেক্ষণগুলি কেন সেইভাবে গোষ্ঠীভুক্ত করা হয়েছে তা বর্ণনা করে না। যেমন, ক্লাস্টার বিশ্লেষণ প্রায়শই ফ্যাক্টর বিশ্লেষণের সাথে ব্যবহার করা হয়, যেখানে পর্যবেক্ষণগুলি কীভাবে অনুরূপ তা বর্ণনা করতে ক্লাস্টার বিশ্লেষণ ব্যবহার করা হয় এবং পর্যবেক্ষণগুলি কেন একই রকম তা বর্ণনা করতে ফ্যাক্টর বিশ্লেষণ ব্যবহৃত হয়। শেষ পর্যন্ত, ক্লাস্টার বিশ্লেষণের ফলাফলগুলির বৈধতা তত্ত্বের মাধ্যমে এবং ক্লাস্টারের বিবরণগুলির উপযোগ দ্বারা নির্ধারণ করা উচিত।

পঠন

পাঠ্যপুস্তক ও অধ্যায়সমূহ

  1. অ্যালেন্ডারফার এমএস এবং ব্ল্যাশফিল্ড আরকে (1984)। ক্লাস্টার বিশ্লেষণ। সামাজিক বিজ্ঞানে কোয়ান্টেটিভ অ্যাপ্লিকেশন সম্পর্কিত সেজ বিশ্ববিদ্যালয় কাগজ সিরিজ, সিরিজ নং। 07-044। নিউবারি পার্ক, ক্যালিফোর্নিয়া: সেজ পাবলিকেশনস। ক্লাস্টার বিশ্লেষণ সবুজ বই হ'ল থিওরি এবং ক্লাস্টার বিশ্লেষণের পদ্ধতিগুলির পাশাপাশি ক্লাস্টার বিশ্লেষণের পদ্ধতিগুলির উপর ক্লাসিক রেফারেন্স পাঠ্য reporting

  2. এভারিট বিএস, ল্যান্ডাউ এস, লিজ এম, স্টাহল ডি (২০১১)। ক্লাস্টার বিশ্লেষণ, 5 ম সংস্করণ। উইলে সিরিজ ক্ষেত্রটি বিকশিত হওয়ায় বিভিন্ন ধরণের ক্লাস্টার বিশ্লেষণ পদ্ধতিগুলির গভীরতা এবং সমসাময়িক বিবরণ।

  3. লর এম (1983)। সামাজিক বিজ্ঞানীদের জন্য ক্লাস্টার বিশ্লেষণ। জোসে-বাস সামাজিক এবং আচরণমূলক বিজ্ঞান সিরিজ। লোরের ক্লাসিক পাঠ্য বিবরণ সম্পর্কিত পদ্ধতি সম্পর্কিত তথ্যগুলি যা সামাজিক বিজ্ঞানে সাধারণত দেখা হয় - কে-মানে ডেটা অনুমানগুলি প্রায়শই সামাজিক বিজ্ঞানের ডেটার সাথে দেখা করা কঠিন এবং বিকল্পগুলি নিয়ে আলোচনা করা হয়।

পদ্ধতিগত নিবন্ধ

  1. হোসর জে এবং রাইবাকোভস্কি জে (1997)। পুরুষ অ্যালকোহলিকদের তিনটি গুচ্ছ। ড্রাগ অ্যালকোহল নির্ভর করে; 48 (3): 243-50। আসক্তি গবেষণায় ক্লাস্টারিং আচরণের একটি উদাহরণ।

  2. ব্রুহেল এস, ইত্যাদি। (1999)। মাইগ্রেন এবং টেনশন-ধরণের মাথা ব্যাথার জন্য আইএইচএস ডায়াগনস্টিক মানদণ্ডকে বৈধতা দিতে ক্লাস্টার বিশ্লেষণের ব্যবহার। মাথা ব্যথা; 39 (3): 181-9। উপসর্গের নিদর্শনগুলিতে কে-মাধ্যম ব্যবহার করে ডায়াগনস্টিক মানদণ্ডকে বৈধতা দেওয়ার একটি গবেষণা।

  3. গুথ্রি ই, ইত্যাদি। (2003)। লক্ষণ এবং স্বাস্থ্য সন্ধান করার আচরণের ক্লাস্টার বিশ্লেষণ মারাত্মক খিটখিটে অন্ত্র সিন্ড্রোমযুক্ত রোগীদের সাবগ্রুপগুলিকে আলাদা করে। সাহস; 52 (11): 1616-22। যত্নের সন্ধানের আচরণের ধরণগুলি ক্লাস্টার বিশ্লেষণ দ্বারা পৃথক করা হয়।

প্রয়োগ নিবন্ধ

  1. ম্যাককুইন জে (1967)। শ্রেণীবিভাগ এবং বহুচলকীয় পর্যবেক্ষণ বিশ্লেষণের জন্য কিছু পদ্ধতি. মঠে 5 তম বার্কলে সিম্পোজিয়ামের কার্যক্রম। পরিসংখ্যানবিদ। এবং প্রো।, ভলিউম ১. কে-সম্পর্কিত প্রাথমিক পরিসংখ্যান পদ্ধতির কাগজ মানে প্রাথমিক বিকাশকারীদের একজনের ক্লাস্টারিং অ্যালগরিদম।

  2. সেলিম এসজেড এবং ইসমাইল এমএ। (1984)। কে-মানে-ধরণের অ্যালগরিদম: একটি সাধারণীকরণিত রূপান্তর তত্ত্ব এবং স্থানীয় অনুকূলতার বৈশিষ্ট্য। আইইইই ট্রান্স প্যাটার্ন অ্যানাল ম্যাক ইন্টেল; 6 (1): 81-7। কে-মানে ক্লাস্টারিংয়ের ব্যবহারের জন্য পদ্ধতিগত বিবেচনা এবং প্রস্তাবনা।

  3. সা Saeedদ এফ, ইত্যাদি। (2012)। ক্লাস্টার ভিত্তিক অনুরূপতা বিভাজন অ্যালগরিদম ব্যবহার করে কে-কাঠামোগত রাসায়নিক কাঠামোর সংমিশ্রণ। কম্পিউটার এবং তথ্য বিজ্ঞানে যোগাযোগ; 322: 304-312। একাধিক-পুনরাবৃত্তি এবং সমন্বয় পদ্ধতির মাধ্যমে কে-মানে ক্লাস্টার সমাধানগুলির কার্যকারিতা উন্নত করার বিষয়ে সাম্প্রতিক একটি নিবন্ধ।

ওয়েবসাইট

আর সফ্টওয়্যারটি কে-মানে ক্লাস্টার বিশ্লেষণ পরিচালনা করতে প্রয়োগ করা উদাহরণ এবং নমুনা কোড সহ বিভিন্ন ওয়াকথ্রুগুলি।

  1. statmethods.net: কুইক-আর: ক্লাস্টার বিশ্লেষণ http://www.statmethods.net/advstats/cluster.html

  2. ২. আর-পরিসংখ্যান ব্লগ: কে-মানে ক্লাস্টারিং http://www.r-statics.com/2013/08/k-means-clustering-from-r-in-action/

    জনস্বাস্থ্যের ডক্টরাল প্রোগ্রাম
  3. 3. পিপলস এমএ (২০১১)। কে-মানে ক্লাস্টার বিশ্লেষণের জন্য আর স্ক্রিপ্ট http://www.mattpeeples.net/kmeans.html

  4. 4. রবিনসন ডি (2015)। আর ব্লগাররা: কে-মানে ক্লাস্টারিং কোনও বিনামূল্যে মধ্যাহ্নভোজন নয় http://www.r-bloggers.com/k-means-clustering-is-not-a-free-lunch/

প্রযুক্তিগত আর রিসোর্স

  1. ইয়র্ক বিশ্ববিদ্যালয় - ক্লাস্টার বিশ্লেষণ আর কমান্ড http://wiki.math.yorku.ca/index.php/R:_ ক্লাস্টার_অ্যানালাইসিস

  2. R kmeans () সহায়তা ফাইল https://stat.ethz.ch/R-manual/R-devel/library/stats/html/kmeans.html

সম্পর্কিত তথ্য হ্রাস কৌশল

  1. উন্নত এপিডেমিওলজি সম্পর্কিত এক্সপ্লোরার ফ্যাক্টর বিশ্লেষণ (ইএফএ)

  2. উন্নত এপিডেমিওলজি বিষয়ে প্রধান উপাদানগুলির বিশ্লেষণ (পিসিএ)

আকর্ষণীয় নিবন্ধ

সম্পাদক এর চয়েস

পিএইচডি যোগাযোগে
পিএইচডি যোগাযোগে
যোগাযোগের ক্ষেত্রে ডক্টর অফ ফিলোসফি ডিগ্রি মানুষ এবং মিডিয়া তাদের সাংস্কৃতিক, সামাজিক, রাজনৈতিক, historicalতিহাসিক, অর্থনৈতিক এবং প্রযুক্তিগত প্রেক্ষাপটে সম্পর্কের অধ্যয়নের জন্য একটি বহিজ্ঞানমূলক পদ্ধতির প্রস্তাব দেয়। ভর্তি, বিশেষত্ব, অনুষদ এবং শিক্ষার্থীদের সম্পর্কে শিখুন।
স্টেইনওয়ে অ্যান্ড সন্স
স্টেইনওয়ে অ্যান্ড সন্স
স্টেইনওয়ে অ্যান্ড সংস্থা তার যন্ত্রগুলির মানের জন্য বিশ্বখ্যাত। নিউ ইয়র্ক সিটিতে পিয়ানো তৈরি করা ব্যয়বহুল, তবে স্টেইনওয়ে এটি চালিয়ে যাচ্ছে কারণ তাদের কারখানাটি এশিয়া বা অন্য কোনও ব্যয়বহুল কিন্তু দূর-দূরান্তের লোকালয়ে সরিয়ে নেওয়া মানে তাদের বর্তমান কর্মচারীদের অধিকারী বহু দশকের দক্ষতা হারাতে হবে। স্টেইনওয়ে এবং সন্স উত্পাদন করে এক বছরে 1000 পিয়ানো
ক্লারা রোকেট বাফটা ইউএস স্টুডেন্ট ফিল্ম অ্যাওয়ার্ড জিতেছে
ক্লারা রোকেট বাফটা ইউএস স্টুডেন্ট ফিল্ম অ্যাওয়ার্ড জিতেছে
সাম্প্রতিক স্নাতক ক্লারা রোকেট ’16 তার স্বল্পদৈর্ঘ্য চলচ্চিত্র এল অ্যাডিয়াসের জন্য ২০১ B সালে বাফটা ইউএস ছাত্র চলচ্চিত্র পুরস্কার জিতেছে, যা তিনি লিখেছেন এবং কলম্বিয়া বিশ্ববিদ্যালয় চলচ্চিত্র প্রোগ্রামে তার এমএফএ কোর্সওয়ার্কের অংশ হিসাবে পরিচালনা করেছিলেন।
অভ্যন্তরীণ নির্যাতনের জন্য সোম্যাটিক নিরাময়
অভ্যন্তরীণ নির্যাতনের জন্য সোম্যাটিক নিরাময়
শুধুমাত্র অনলাইন | নিবন্ধকরণ প্রয়োজনীয় | 3 সিই ঘন্টা কর্মশালা সম্পর্কে একটি ফির জন্য উপলভ্য ড্যানিয়েল মার্ফি যোগদান (বায়ো), ...
অ্যালামনা ইয়োসেরা বোচটিয়া '19 গথমের টিভি সিরিজ ল্যাব 2021-এ অংশ নিয়েছে
অ্যালামনা ইয়োসেরা বোচটিয়া '19 গথমের টিভি সিরিজ ল্যাব 2021-এ অংশ নিয়েছে
বুচটিয়া ল্যাবটির জন্য নির্বাচিত দশটি অসামান্য আত্মপ্রকাশ বা ব্রেকথ্রু সিরিজের স্রষ্টাদের মধ্যে একটি যা শক্তিশালী পিচগুলি লেখার জন্য এবং শক্তিশালী উন্নয়ন কৌশল তৈরির জন্য প্রয়োজনীয় জ্ঞান, সংস্থান এবং পরামর্শদাতা সহায়তা প্রদান করে স্রষ্টা / লেখক এবং প্রযোজক / ইপি সরবরাহ করে।
পিসিআর
পিসিআর
জেন এম। স্পিনাক
জেন এম। স্পিনাক
শিশুদের কল্যাণ ও কিশোর ন্যায়বিচারের জন্য একজন প্রখ্যাত অ্যাডভোকেট, জেন এম স্পিনাক পরিবার এবং শিশুদের প্রতিনিধিত্ব করার দিকে মনোনিবেশ করে কলম্বিয়া আইনর ক্লিনিকগুলির সহ-প্রতিষ্ঠা করেছিলেন। স্পিনাক বর্তমানে বয়ঃসন্ধিকালীন প্রতিনিধিত্ব ক্লিনিকে নির্দেশনা দেয়, যা পালক পরিচর্যার বাইরে বয়স্ক এবং কিশোর বয়স্কদের প্রতিনিধিত্ব করে। 2001 থেকে 2006 পর্যন্ত, স্পিনাক ল স্কুলটির ক্লিনিকাল শিক্ষার পরিচালক হিসাবে দায়িত্ব পালন করেছিলেন। স্পিনাক কিশোর ন্যায়বিচার, শিশুদের ওকালতি এবং পারিবারিক আদালত সংস্কারে বিশেষজ্ঞ — জনসাধারণের সেবায় আগ্রহী শিক্ষার্থীদের পড়াশোনা, লিখন, বক্তৃতা, এবং প্রশিক্ষণ দেওয়ার ক্ষেত্রে বিশেষজ্ঞ। তার বর্তমান স্কলারশিপটি ফ্যামিলি কোর্টের ইতিহাস এবং কার্যকারিতা সম্পর্কে আলোকপাত করে। তিনি শিশু আইনজীবী, আইনজীবী এবং বিচারকদের জন্য বই এবং নিবন্ধ লিখেছেন; শিশু এবং পরিবারের প্রয়োজন এবং অধিকারকে সম্বোধন করে অসংখ্য কমিটি এবং টাস্কফোর্সে কাজ করেছে; এবং আইনজীবি, সমাজকর্মী এবং মানসিক স্বাস্থ্য পেশাদারদের এই বিষয়গুলিতে ব্যাপকভাবে প্রশিক্ষিত ও বক্তৃতা দিয়েছেন। স্পিনাক পেশাদার দায়িত্ব এবং প্রো বোনো স্কলারদের এক্সটার্নশিপ প্রোগ্রাম শেখায়। 1982 সালে কলম্বিয়া আইন অনুষদে যোগদানের আগে, স্পিনাক নিউ ইয়র্ক সিটির লিগ্যাল এইড সোসাইটির জুভেনাইল রাইটস বিভাগে স্টাফ অ্যাটর্নি হিসাবে কাজ করেছিলেন। ১৯৯৫ থেকে ১৯৯৯ সাল পর্যন্ত কলম্বিয়া থেকে ছুটিতে যাওয়ার সময় স্পিনাক জুভেনাইল রাইটস বিভাগের অ্যাটর্নি-ইনচার্জ হিসাবে দায়িত্ব পালন করেছিলেন। স্পিনাক শিশুদের জন্য ন্যায়বিচারের জন্য নিউইয়র্ক স্টেট স্থায়ী জুডিশিয়াল কমিশনের সদস্য এবং বিচার বিভাগের মেয়রের পরামর্শক কমিটিতে দায়িত্ব পালন করছেন। ২০০৮ থেকে ২০১১ সাল পর্যন্ত তিনি নিউইয়র্ক কাউন্টি আইনজীবী সমিতি দ্বারা নির্মিত নিউইয়র্ক সিটির ফ্যামিলি কোর্টে টাস্কফোর্সের সহ-সভাপতিত্ব করেছিলেন। তিনি আ.লীগের আইন, শিশু এবং আইন পুনরায় সেট করার পরামর্শদাতা। তিনি শিশু-কল্যাণমূলক ক্রিয়াকলাপে পিতামাতার অধিকার নিশ্চিত করার জন্য নিবেদিত একটি আইনজীবী ও নীতি সংগঠন, পরিবার প্রতিবেদনের কেন্দ্রের প্রতিষ্ঠাতা বোর্ডের চেয়ারম্যান ছিলেন এবং কেন্দ্রের বোর্ডে দায়িত্ব পালন করে চলেছেন।