@jamil07x2: ❤️‍🩹#jamil07x2 #foryoupage #foryou

X2

Open In TikTok:

Region: BD

Wednesday 04 March 2026 12:29:48 GMT

497526

29194

520

9985

Music

Download

No Watermark .mp4 (0.75MB) No Watermark(HD) .mp4 (0.55MB) Watermark .mp4 (0.75MB) Music .mp3

Comments

𝑺𝒐𝒏𝒂𝒍𝒊 🕊️ :

সে অন্য কাউকে ভালোবাসে,, এটা জানার পরেও তাকে ভালোবাসার যে ব্যাপারটা...!! 😅❤️‍🩹

2026-03-07 02:58:20

19

অবুঝ পাখি :

viral hole dak dis

2026-03-04 12:50:02

5

🎀♡-iT's,,Me-♡🎀 :

কিন্তু তুমি আমার ভালোবাসা বুঝতে পারলা না 😅

2026-03-14 01:34:14

1

ماهيما إسلام :

"আমি তোমাকে যতটা চেয়েছি কাউকে এতটা চাইনি, তুমি বিশ্বাস করতে পারবে না আমি তোমাকে কতটা ভালোবেসেছি... কিন্তু দিন শেষে তুমি আমাকে কষ্ট ছাড়া আর কিছুই দেওনি।... চলে গেলে সারাজীবন এর জন্য আমার জীবন থেকে।..."

2026-03-06 07:16:39

6

💫কালা🔪🌚 :

লোহার খাঁচায় পাখি পোষা গেলেও মনের খাঁচায় মানুষ পোষা বড্ড কঠিন!😅💔🌸

2026-03-07 11:04:02

2

⚡P𝒓A𝕟To⚡ :

কিন্তু সেই আমাকে চাইনি 🥹🫶

2026-03-07 19:00:45

5

প্রনয়🪬 :

আমি তোমাকে যতটা চেয়েছি কাউকে এতটা চাইনি,তুমি বিশ্বাস করতে পারবে না আমি তোমাকে কতটা ভালোবেসেছি,☺️😅

2026-03-10 18:13:35

1

snigdha_bbz_💋 :

Afsos se janlo o na 🙃

2026-03-07 19:36:36

2

𝄞⋆⃝অপূর্ণতা⎯͢⎯⃝🩷 :

তুমি বলে দাও. ঠিক কত দিন" কত বছর, অপেক্ষা করলে তোমাকে পাবো..!!🥺💔

2026-03-06 09:47:29

3

Jisan Babu :

তাকে বলে কনো লাভ নেই

2026-03-13 08:48:45

1

💝💝 :

আপনি যাকে চাই বেন তাকে আপনি পাবেন না আপনাকে যে চাইবি সে আবার আপনাকে পাবেনা😅

2026-03-13 19:34:16

1

𝑅𝒜𝒯𝒰𝐿_𝒜𝐻𝑀𝐸𝒟  :

Humm (s) 😅❤️‍🩹

2026-03-06 13:22:31

1

POOKIE~SOHAN 💋 :

but kew nai 🫠

2026-03-10 04:54:41

1

Soha 💫 ✨ :

কিন্তু সে তো বোঝে নাই 😅

2026-03-08 23:23:46

1

Ismail :

hum 🥹🥹🥹🥹🥹

2026-03-19 17:44:43

1

Ꭻɪʜᴀᴅ 🧃 :

hea 💔😅

2026-03-08 17:52:01

1

💝ZAYAN HOSSAIN💝 :

এমন কোনোদিন নেই যে আমি তাকে মোনাজাতে চাইনি।

2026-03-25 23:58:51

1

shokhii❤️‍🩹 :

আমি তোমাকে যতটা চেয়েছি কাউকে এতটা চাইনি তুমি বিশ্বাস করতে পারবে না আমি তোমাকে কতটা ভালোবাসি..!🥹😅

2026-03-17 16:13:20

2

তো্ঁমা্ঁগো্ঁ পা্ঁখি্ঁ আ্ঁফা্ঁ :

আমি তোমাকে যতটা চেয়েছি কাউকে এতটা চাইনি,তুমি বিশ্বাস করতে পারবে না আমি তোমাকে কতটা ভালোবেসেছি,🙂

2026-03-06 04:41:29

2

mou islam :

onek valo base apnk🥺🫶

2026-03-07 06:57:17

1

💗🫠.. নীলাঞ্জনা..🫠💗 :

বুঝবে না বলে লাভ নেই,,তাই তার আশা করা বাদ দিয়ে দিয়েছি কিছু মানুষ ছাড়াও জীবন চলে,,,যার জন্য হসপিটালে গিয়েছি নিজের বাড়ি ছাড়া হয়েছি সবটা জেনেও সে ফিরে আসেনি

2026-03-06 03:00:39

2

🚩M🫀 :

আমি তোমাকে না দেখে যতটা চেয়েছি কাউকে এতটা চাইনি,তুমি বিশ্বাস করতে পারবে না আমি তোমাকে কতটা ভালোবেসেছি,🙂

2026-07-18 16:25:06

0

Sohan Khandkar :

আমি তোমাকে যতটা চেয়েছি কাউকে এতটা চাইনি তুমি বিশ্বাস করতে পারবে না আমি তোমাকে কতটা ভালোবাসি..!🥹😅

2026-10-09 13:44:42

0

"Nahi_yan🛸⚡ :

সে অন্য কাউকে ভালোবাসে,, এটা জানার পরেও তাকে ভালোবাসার যে ব্যাপারটা...!! 😅❤️‍🩹

2026-03-31 10:51:21

0

To see more videos from user @jamil07x2, please go to the Tikwm homepage.

Other Videos

يامثبت القلوب#يامثبت_القلوب_ثبت_قلوبنا #اكسبلور

يامثبت القلوب#يامثبت_القلوب_ثبت_قلوبنا #اكسبلور

#คนเลี้ยงวัว #วัวบราห์มันเลือดผสม #วัว #วัวงาม

#คนเลี้ยงวัว #วัวบราห์มันเลือดผสม #วัว #วัวงาม

وما يختاره اللّٰه لنا .. هو خيرًا لنا - الحمد لله - #اقتباسات_دينية #الحمدلله_دائماً_وابداً #explore #fyp #viral

وما يختاره اللّٰه لنا .. هو خيرًا لنا - الحمد لله - #اقتباسات_دينية #الحمدلله_دائماً_وابداً #explore #fyp #viral

No way they tapped into invo app tho 😭

No way they tapped into invo app tho 😭

🗂 Remember these 6 algorithms if you want to enter ML ➡️Machine Learning from Scratch, part 23: 6 crucial algorithms 1. Linear regression (part 1): fits the straight line that comes closest to the points. Our 13 lines learned it step by step: error 34.92 -> 0.09 after 1,000 epochs (w 0.80, b 2.00; exact least squares: 0.80 and 2.03). Used to predict numbers, like house prices. 2. Decision tree (part 18): yes or no questions learned from 400 made-up bank customers: income above 3,020? Then: more than one missed payment? 82 of 100 new customers right, and you can read every step. 3. Random forest (part 20): 100 trees, each on its own random sample, then a majority vote. The first new customer got 15 yes and 85 no; 84 of 100 new customers right. A standard tool for table data, like fraud prediction. 4. Gradient boosting (part 22): a first guess of 47%, then 200 small trees, each adding 1% of a fix for what is still wrong: 84 of 100 new customers right. XGBoost is its best known version. 5. K-means (part 17): 600 made-up photos from three trips, no labels. Each photo joins its nearest center, each center moves to the middle of its photos. Try 5 needed 9 rounds and found the trips: city 250, coast 200, mountains 150. 6. Neural network (parts 2 and 3): one neuron draws one line; three neurons learn XOR, which no single line can separate (4 of 4 from epoch 386 on). Bigger networks read images and write text. Our small versions: part 10 reads a test digit as an 8 (90%), part 11 writes

🗂 Remember these 6 algorithms if you want to enter ML ➡️Machine Learning from Scratch, part 23: 6 crucial algorithms 1. Linear regression (part 1): fits the straight line that comes closest to the points. Our 13 lines learned it step by step: error 34.92 -> 0.09 after 1,000 epochs (w 0.80, b 2.00; exact least squares: 0.80 and 2.03). Used to predict numbers, like house prices. 2. Decision tree (part 18): yes or no questions learned from 400 made-up bank customers: income above 3,020? Then: more than one missed payment? 82 of 100 new customers right, and you can read every step. 3. Random forest (part 20): 100 trees, each on its own random sample, then a majority vote. The first new customer got 15 yes and 85 no; 84 of 100 new customers right. A standard tool for table data, like fraud prediction. 4. Gradient boosting (part 22): a first guess of 47%, then 200 small trees, each adding 1% of a fix for what is still wrong: 84 of 100 new customers right. XGBoost is its best known version. 5. K-means (part 17): 600 made-up photos from three trips, no labels. Each photo joins its nearest center, each center moves to the middle of its photos. Try 5 needed 9 rounds and found the trips: city 250, coast 200, mountains 150. 6. Neural network (parts 2 and 3): one neuron draws one line; three neurons learn XOR, which no single line can separate (4 of 4 from epoch 386 on). Bigger networks read images and write text. Our small versions: part 10 reads a test digit as an 8 (90%), part 11 writes "the bird sat on a park." #machinelearning #python #ai #datascience #algorithms

About

Robot
API

Legal

Privacy Policy