উচ্চমাধ্যমিক কম্পিউটার সায়েন্স সাজেশন | HS Computer Science Suggestion | PART-2

WBCHSE Class 12 CS Semester 4 Suggestion: DBMS (Long) & AI (Part 2)

এই পর্বে DBMS-এর ৫ নম্বরের ডেসক্রিপটিভ প্রশ্ন (SQL ও Theory) এবং Artificial Intelligence (AI)-এর ২ ও ৩ নম্বরের গুরুত্বপূর্ণ প্রশ্নগুলো দেওয়া হলো।

Topic: DBMS - Descriptive Type (5 Marks)

(পরীক্ষায় সাধারণত একটি SQL বা রিলেশনাল অ্যালজেব্রার সেট থাকে এবং একটি থিওরিটিক্যাল প্রশ্ন থাকে। এখানে গুরুত্বপূর্ণ প্যাটার্নগুলো দেওয়া হলো।)

প্রশ্ন ১: নিচের `EMPLOYEE` টেবিলটি লক্ষ্য করো এবং SQL কুয়েরি লেখো:
`EMPLOYEE` (Emp_ID, Name, Department, Salary, City)

(i) যারা 'Kolkata' শহরে থাকে তাদের নাম দেখাও।
(ii) যাদের বেতন ২৫,০০০-এর বেশি তাদের নাম ও ডিপার্টমেন্ট দেখাও।
(iii) টেবিলটিতে 'IT' ডিপার্টমেন্টের কর্মচারীদের বেতন ১০% বৃদ্ধি করো।
(iv) ডিপার্টমেন্ট অনুযায়ী কর্মচারীদের সংখ্যা (Count) দেখাও।
(v) নামের শেষে 'n' আছে এমন কর্মচারীদের তথ্য দেখাও।

উত্তর:
(i) $ SELECT \ Name \ FROM \ EMPLOYEE $
$ WHERE \ City = 'Kolkata'; $

(ii) $ SELECT \ Name, \ Department \ FROM \ EMPLOYEE $
$ WHERE \ Salary > 25000; $

(iii) $ UPDATE \ EMPLOYEE \ SET \ Salary = Salary * 1.10 $
$ WHERE \ Department = 'IT'; $

(iv) $ SELECT \ Department, \ COUNT(*) \ FROM \ EMPLOYEE $
$ GROUP \ BY \ Department; $

(v) $ SELECT \ * \ FROM \ EMPLOYEE $
$ WHERE \ Name \ LIKE \ '%n'; $

প্রশ্ন ২: Database Architecture বা স্কিমা আর্কিটেকচার সম্পর্কে বিস্তারিত লেখো।
উত্তর: DBMS-এর আর্কিটেকচারকে Three-Schema Architecture বলা হয়। এর তিনটি স্তর হলো:
১. Internal Level (Physical Schema): এটি সবথেকে নিচের স্তর। এখানে ডেটা হার্ডডিস্কে বা স্টোরেজ ডিভাইসে বাস্তবে কীভাবে সংরক্ষিত আছে (যেমন- পয়েন্টার, ইনডেক্সিং, বাইট) তা বর্ণনা করা হয়।
২. Conceptual Level (Logical Schema): এটি মাঝের স্তর। এখানে সম্পূর্ণ ডেটাবেসের লজিক্যাল কাঠামো বর্ণনা করা হয়। কী ডেটা আছে, তাদের ডেটা টাইপ কী এবং রিলেশনশিপ কী—তা এখানে থাকে। এখানে ফিজিক্যাল স্টোরেজ ডিটেইলস লুকানো থাকে।
৩. External Level (View Schema): এটি সবার উপরের স্তর যা ব্যবহারকারীদের (User) সাথে যুক্ত। এখানে সম্পূর্ণ ডেটাবেস না দেখিয়ে ব্যবহারকারীর প্রয়োজন অনুযায়ী ডেটার নির্দিষ্ট অংশ (View) দেখানো হয়।

প্রশ্ন ৩: নিচের `LIBRARY` টেবিল থেকে রিলেশনাল অ্যালজেব্রার মাধ্যমে উত্তর দাও:
`BOOK` (Book_ID, Title, Author, Price)

(i) 'Rabindranath'-এর লেখা বইগুলোর নাম দেখাও।
(ii) ৫০০ টাকার বেশি দামের বইগুলোর টাইটেল ও প্রাইস দেখাও।
(iii) সমস্ত বইয়ের তথ্য দেখাও।
(iv) লেখক এবং টাইটেল কলাম দুটি প্রোজেক্ট করো।

উত্তর:
(i) $ \pi_{Title}(\sigma_{Author='Rabindranath'}(BOOK)) $

(ii) $ \pi_{Title, Price}(\sigma_{Price > 500}(BOOK)) $

(iii) $ \sigma_{Book\_ID \geq 0}(BOOK) $ অথবা শুধু রিলেশন নাম $ BOOK $

(iv) $ \pi_{Author, Title}(BOOK) $

প্রশ্ন ৪: Normalization কী? 1NF, 2NF এবং 3NF সংক্ষেপে উদাহরনসহ লেখো।
উত্তর: Normalization: ডেটাবেস ডিজাইনের যে পদ্ধতিতে টেবিলকে ভেঙে ছোট করা হয় যাতে ডেটা রিডান্ডেন্সি কমে এবং অ্যানোমালি দূর হয়, তাকে নরমালাইজেশন বলে।

• 1NF: একটি টেবিল 1NF-এ থাকবে যদি প্রতিটি কলামে অ্যাটমিক (Atomic) বা একক মান থাকে। কোনো মাল্টি-ভ্যালুড অ্যাট্রিবিউট (যেমন- একটি সেলে দুটি ফোন নম্বর) রাখা যাবে না।
• 2NF: 1NF-এ থাকতে হবে এবং কোনো Partial Dependency থাকা যাবে না। অর্থাৎ, প্রাইমারি কি-এর কোনো অংশের ওপর নন-প্রাইম অ্যাট্রিবিউট নির্ভর করতে পারবে না।
• 3NF: 2NF-এ থাকতে হবে এবং কোনো Transitive Dependency থাকা যাবে না (A->B, B->C হলে A->C বাদ দিতে হবে)।

প্রশ্ন ৫: ই-আর ডায়াগ্রামের (ER Diagram) বিভিন্ন সিম্বল বা প্রতীকগুলি চিত্রসহ বর্ণনা করো।
উত্তর:

• Entity (এনটিটি): আয়তক্ষেত্র (Rectangle) দ্বারা প্রকাশ করা হয়। যেমন: Student, Car।
• Attribute (অ্যাট্রিবিউট): উপবৃত্ত (Ellipse/Oval) দ্বারা প্রকাশ করা হয়। যেমন: Name, Roll।
• Relationship (সম্পর্ক): রম্বস (Diamond) আকৃতি দ্বারা প্রকাশ করা হয়। যেমন: Works_in।
• Primary Key: উপবৃত্তের ভেতর অ্যাট্রিবিউটের নামের নিচে আন্ডারলাইন করা থাকে।
• Weak Entity: ডবল আয়তক্ষেত্র (Double Rectangle) দ্বারা প্রকাশ করা হয়।

প্রশ্ন ৬: `STUDENT` টেবিল থেকে SQL কুয়েরি লেখো:
(Roll, Name, Marks, Stream)

(i) সব ছাত্রের মার্কসের গড় (Average) বের করো।
(ii) সর্বোচ্চ মার্কস কে পেয়েছে তার নাম দেখাও।
(iii) নামের বর্ণানুক্রমিক (Alphabetical) অর্ডারে তালিকা সাজাও।
(iv) যাদের মার্কস ৫০ থেকে ৮০-এর মধ্যে তাদের দেখাও।

উত্তর:
(i) $ SELECT \ AVG(Marks) \ FROM \ STUDENT; $

(ii) $ SELECT \ Name \ FROM \ STUDENT $
$ WHERE \ Marks = (SELECT \ MAX(Marks) \ FROM \ STUDENT); $

(iii) $ SELECT \ * \ FROM \ STUDENT \ ORDER \ BY \ Name \ ASC; $

(iv) $ SELECT \ * \ FROM \ STUDENT $
$ WHERE \ Marks \ BETWEEN \ 50 \ AND \ 80; $

প্রশ্ন ৭: DBA (Database Administrator) কে? তার প্রধান কাজগুলি আলোচনা করো।
উত্তর: যিনি বা যারা সম্পূর্ণ ডেটাবেস সিস্টেম পরিচালনা, নিয়ন্ত্রণ এবং রক্ষণাবেক্ষণের দায়িত্বে থাকেন, তাদের DBA বলে।
কাজসমূহ: ১. Schema Definition: ডেটাবেসের লজিক্যাল এবং ফিজিক্যাল স্কিমা তৈরি করা।
২. Storage Structure & Access Method: ডেটা কীভাবে স্টোর হবে এবং ইনডেক্সিং কীভাবে হবে তা ঠিক করা।
৩. Authorization Granting: কে কোন ডেটা দেখতে পাবে বা পরিবর্তন করতে পারবে তার পারমিশন দেওয়া।
৪. Backup & Recovery: নিয়মিত ডেটা ব্যাকআপ নেওয়া এবং সিস্টেম ক্র্যাশ করলে রিকভার করা।

Topic: AI - Short Answer (2 Marks)

১. AI-এর জনক কে?
উত্তর: জন ম্যাকার্থি (John McCarthy)-কে AI-এর জনক বলা হয়। ১৯৫৬ সালে তিনি প্রথম এই শব্দটি ব্যবহার করেন।

২. Intelligent Agent কী?
উত্তর: Intelligent Agent হলো এমন একটি সিস্টেম যা পরিবেশ (Environment) থেকে সেন্সরের মাধ্যমে তথ্য গ্রহণ করে এবং অ্যাকচুয়েটরের মাধ্যমে পরিবেশের ওপর ক্রিয়া (Act) সম্পাদন করে।

৩. Sensor এবং Actuator কী?
উত্তর: Sensor: যার মাধ্যমে এজেন্ট পরিবেশ থেকে তথ্য গ্রহণ করে (যেমন: ক্যামেরা, মাইক্রোফোন)।
Actuator: যার মাধ্যমে এজেন্ট পরিবেশে কাজ করে বা নড়াচড়া করে (যেমন: চাকা, যান্ত্রিক হাত, স্পিকার)।

৪. PROLOG কী?
উত্তর: PROLOG (PROgramming in LOGic) হলো একটি উচ্চস্তরের প্রোগ্রামিং ভাষা যা কৃত্রিম বুদ্ধিমত্তা এবং লজিক প্রোগ্রামিং-এ ব্যবহৃত হয়।

৫. Cognitive Science কী?
উত্তর: এটি এমন একটি আন্তঃবিভাগীয় ক্ষেত্র যা মানুষের মস্তিষ্ক কীভাবে কাজ করে, কীভাবে শেখে এবং কীভাবে সমস্যা সমাধান করে তা নিয়ে গবেষণা করে, যা AI তৈরিতে সাহায্য করে।

৬. State Space Search কী?
উত্তর: AI-তে সমস্যা সমাধানের জন্য প্রারম্ভিক অবস্থা (Start State) থেকে লক্ষ্য অবস্থা (Goal State)-এ পৌঁছানোর জন্য সম্ভাব্য সমস্ত অবস্থার সেটকে State Space বলা হয়। এর মধ্যে সঠিক পথ খোঁজার প্রক্রিয়াকে State Space Search বলে।

৭. Expert System-এর দুটি উদাহরণ দাও।
উত্তর: ১. MYCIN (রক্তের সংক্রমণ জনিত রোগ নির্ণয়ের জন্য)।
২. DENDRAL (রাসায়নিক বিশ্লেষণ বা কেমিক্যাল অ্যানালিসিসের জন্য)।

৮. NLP (Natural Language Processing) কী?
উত্তর: এটি AI-এর একটি শাখা যা কম্পিউটারকে মানুষের স্বাভাবিক ভাষা (যেমন বাংলা, ইংরেজি) বুঝতে, ব্যাখ্যা করতে এবং জেনারেট করতে সক্ষম করে।

৯. Facts এবং Rules কী? (Prolog বা AI প্রসঙ্গে)
উত্তর: Facts: এটি এমন কিছু তথ্য যা সত্য বলে ধরে নেওয়া হয় (যেমন: রাম হয় মানুষ)।
Rules: এটি শর্তসাপেক্ষ বিবৃতি যা ফ্যাক্টস থেকে নতুন তথ্য বা সিদ্ধান্ত নিতে সাহায্য করে (যেমন: যদি কেউ মানুষ হয়, তবে সে মরণশীল)।

১০. Machine Learning (ML) কী?
উত্তর: এটি AI-এর একটি উপশাখা যেখানে কম্পিউটারকে স্পষ্টভাবে প্রোগ্রাম না করে ডেটা থেকে শেখার (Learn) এবং অভিজ্ঞতা থেকে উন্নতি করার ক্ষমতা দেওয়া হয়।

১১. 'AI Winter' বলতে কী বোঝো?
উত্তর: AI গবেষণার ইতিহাসে এমন একটি সময়কাল (বিশেষ করে ১৯৭০ ও ১৯৮০-র দশকে) যখন AI-এর প্রতি আগ্রহ এবং ফন্ডিং বা অনুদান অনেক কমে গিয়েছিল, তাকে AI Winter বলা হয়।

১২. Computer Vision কী?
উত্তর: এটি AI-এর একটি ক্ষেত্র যা কম্পিউটারকে ডিজিটাল ছবি বা ভিডিও থেকে দৃশ্যমান জগতকে বুঝতে এবং বিশ্লেষণ করতে সাহায্য করে। যেমন: ফেস রিকগনিশন।

১৩. Inference Engine-এর কাজ কী?
উত্তর: এটি এক্সপার্ট সিস্টেমের 'মস্তিষ্ক' হিসেবে কাজ করে। এটি Knowledge Base-এ থাকা রুলস এবং ফ্যাক্টস ব্যবহার করে নতুন তথ্য বা সিদ্ধান্তে উপনীত হয়।

১৪. Knowledge Acquisition কী?
উত্তর: এটি এক্সপার্ট সিস্টেম তৈরির একটি ধাপ, যেখানে ডোমেইন এক্সপার্ট বা বিশেষজ্ঞদের কাছ থেকে জ্ঞান সংগ্রহ করে তা কম্পিউটারের বোধগম্য ভাষায় রূপান্তর করা হয়।

১৫. Strong AI এবং Weak AI-এর মধ্যে মূল পার্থক্য কী?
উত্তর: Weak AI কোনো নির্দিষ্ট কাজ করার জন্য ডিজাইন করা হয় (যেমন: দাবা খেলা)। Strong AI মানুষের মতো বা মানুষের চেয়ে বেশি বুদ্ধিমান এবং সব ধরণের কাজ করতে সক্ষম (এটি এখনও তাত্ত্বিক)।

Topic: AI - Short Answer (3 Marks)

১. Data, Information এবং Knowledge-এর সম্পর্ক ও পার্থক্য লেখো।
উত্তর:

• Data: অসংবদ্ধ বা Raw Facts। (যেমন: ১০০, জ্বর)।
• Information: প্রসেস করা ডেটা যার অর্থ আছে। (যেমন: রোগীর জ্বর ১০০ ডিগ্রি)।
• Knowledge: তথ্যের সাথে অভিজ্ঞতা এবং বুদ্ধি মিশিয়ে যা পাওয়া যায়, যা সিদ্ধান্ত নিতে সাহায্য করে। (যেমন: ১০০ ডিগ্রি জ্বর থাকলে প্যারাসিটামল দিতে হবে)।

পিরামিড আকারে: Data -> Information -> Knowledge।

২. BFS (Breadth First Search)-এর সুবিধা ও অসুবিধা লেখো।
উত্তর: সুবিধা: ১. এটি গ্যারান্টি দেয় যে সমাধান থাকলে তা খুঁজে বের করবেই (Complete)। ২. এটি সবসময় সবথেকে ছোট পথ (Shortest Path) খুঁজে বের করে।
অসুবিধা: ১. এতে প্রচুর মেমরি (Memory) প্রয়োজন হয় কারণ এটি প্রতিটি স্তরের সব নোড মনে রাখে। ২. গভীরতা বাড়লে এটি খুব ধীরগতির হতে পারে।

৩. DFS (Depth First Search)-এর সুবিধা ও অসুবিধা লেখো।
উত্তর: সুবিধা: ১. BFS-এর তুলনায় অনেক কম মেমরি প্রয়োজন হয়। ২. যদি সমাধান অনেক গভীরে থাকে এবং আমরা ভাগ্যবান হই, তবে খুব দ্রুত সমাধান পাওয়া যায়।
অসুবিধা: ১. এটি সবসময় ছোট পথ খুঁজে পাওয়ার গ্যারান্টি দেয় না (Not Optimal)। ২. এটি অসীম লুপে (Infinite Loop) আটকে যেতে পারে যদি কোনো ব্রাঞ্চের শেষ না থাকে।

৪. রোবোটিক্স (Robotics) কী? এর তিনটি উপাদান উল্লেখ করো।
উত্তর: রোবোটিক্স হলো ইঞ্জিনিয়ারিং ও বিজ্ঞানের একটি শাখা যা রোবট ডিজাইন, নির্মাণ এবং পরিচালনা নিয়ে কাজ করে।
উপাদান: ১. Power Supply: ব্যাটারি বা বিদ্যুতের উৎস। ২. Actuators: যা রোবটকে নড়াচড়া করতে সাহায্য করে (মোটর)। ৩. Sensors: পরিবেশ সম্পর্কে তথ্য সংগ্রহের জন্য।

৫. এক্সপার্ট সিস্টেমের (Expert System) সীমাবদ্ধতাগুলি লেখো।
উত্তর: ১. এটি সাধারণ জ্ঞান (Common Sense) প্রয়োগ করতে পারে না। ২. এটি মানুষের মতো সৃজনশীল হতে পারে না। ৩. ডোমেইন এক্সপার্টদের জ্ঞান সংগ্রহ করা এবং সিস্টেমে ইনপুট দেওয়া খুব কঠিন ও সময়সাপেক্ষ। ৪. পরিস্থিতি সম্পূর্ণ নতুন হলে এটি ভুল সিদ্ধান্ত দিতে পারে।

৬. AI-এর এথিক্যাল বা নৈতিক সমস্যাগুলি কী কী হতে পারে?
উত্তর: ১. Job Loss: অটোমেশনের ফলে মানুষের চাকরি হারানোর ভয়। ২. Bias: অ্যালগরিদমে পক্ষপাতমূলক ডেটা থাকলে তা ভুল বা অন্যায্য সিদ্ধান্ত নিতে পারে। ৩. Privacy: ব্যক্তিগত তথ্যের গোপনীয়তা নষ্ট হওয়া। ৪. Weaponization: স্বয়ংক্রিয় অস্ত্রের ব্যবহার বা AI-এর অপব্যবহার।

৭. Knowledge Representation-এর বিভিন্ন পদ্ধতিগুলো কী কী?
উত্তর: নলেজ রিপ্রেজেন্টেশনের প্রধান পদ্ধতিগুলি হলো: ১. Logical Representation: যেমন Propositional Logic, Predicate Logic। ২. Semantic Networks: গ্রাফ বা জালের মতো তথ্যের সম্পর্ক দেখানো। ৩. Frame Representation: অবজেক্ট ও তার অ্যাট্রিবিউট দিয়ে সাজানো। ৪. Production Rules: If-Then রুলস ব্যবহার করে।

৮. Forward Chaining এবং Backward Chaining বলতে কী বোঝো?
উত্তর: এগুলি Inference Engine-এর কাজ করার পদ্ধতি।

• Forward Chaining: জানা তথ্য (Facts) থেকে শুরু করে রুলস প্রয়োগ করে লক্ষ্যের (Goal) দিকে অগ্রসর হওয়া (Data Driven)।
• Backward Chaining: লক্ষ্য (Goal) থেকে শুরু করে পেছনের দিকে গিয়ে দেখা হয় যে কোন কোন ফ্যাক্টস বা তথ্য সত্য হলে এই লক্ষ্য অর্জিত হবে (Goal Driven)।

৯. Turing Test-এর সমালোচনা বা সীমাবদ্ধতা কী? (Chinese Room Argument)
উত্তর: দার্শনিক জন সার্ল 'Chinese Room Argument'-এর মাধ্যমে টিউরিং টেস্টের সমালোচনা করেন। তিনি বলেন, একটি কম্পিউটার কোনো ভাষা না বুঝেও (Meaning) শুধুমাত্র সিম্বল প্রসেস করে বা রুলবুক দেখে মানুষের মতো উত্তর দিতে পারে। অর্থাৎ, টিউরিং টেস্ট পাস করলেই যে মেশিনটি 'বুঝতে' পারছে বা তার 'চেতনা' আছে, তা বলা যায় না।

১০. Heuristic Function বলতে কী বোঝো?
উত্তর: Heuristic Function (যাকে সাধারণত $ h(n) $ দিয়ে প্রকাশ করা হয়) হলো এমন একটি ফাংশন যা কোনো নির্দিষ্ট অবস্থা (State) থেকে গন্তব্যে (Goal) পৌঁছাতে আর কত খরচ হতে পারে তার একটি আনুমানিক মান (Estimate) দেয়। এটি সার্চ অ্যালগরিদমকে দ্রুত কাজ করতে সাহায্য করে।

(Part 3-তে AI-এর ৫ নম্বরের বড় প্রশ্ন এবং model প্রশ্ন দেওয়া হবে। সাথে থেকো!)