Personal Tech Blog
My Blog
In-depth, beginner-friendly guides on software engineering, cloud technologies, and DevOps — written in both Bangla and English.
16 Series
80+ Articles
বাংলা & English
Updated Regularly
Engineering Guides & Deep-Dives
FLAGSHIP AI/ML Engineer — Zero to Job-Ready (১০ সিরিজ · বাংলা)
- 01AI, ML, Deep Learning, Generative AI — এক জিনিস না!
- 02AI Engineer, ML Engineer, Data Scientist, Data Engineer — কে আসলে কী করে?
- 03একজন AI Engineer-এর একটা কর্মদিবস আসলে কেমন?
- 04গণিত না পারলে AI হবে না? — ভয় বনাম বাস্তবতা
- 05বাংলাদেশে AI/ML চাকরির বাজার: Job Description কীভাবে পড়তে হয়
- 06Zero to Job-Ready: সম্পূর্ণ Roadmap ও এই সিরিজ কীভাবে পড়বেন
- 01কেন AI-এর ৮০% কাজ আসলে data নিয়ে? Nila-র প্রথম পাঠ
- 02NumPy: array, shape, vectorization — ML-এর নিচে যে গণিত চলে
- 03Pandas Part 1: DataFrame, filtering, selection — data-র Excel-on-steroids
- 04Pandas Part 2: groupby, merge, missing values, duplicates
- 05Matplotlib দিয়ে data-কে চোখে দেখা: distribution, correlation, outlier
- 06SQL Part 1: SELECT, WHERE, JOIN, GROUP BY — data কোথায় থাকে
- 07SQL Part 2: subquery, window function, index — যেখানে junior আটকায়
- 08Data Preprocessing: encoding, scaling, আর 'data leakage'-এর ফাঁদ
- 01ML-এর জন্য ঠিক কতটুকু গণিত লাগে? (আর কতটুকু লাগে না)
- 02Scalar, Vector, Matrix: data আসলে সংখ্যার টেবিল
- 03Function, Derivative, Gradient: 'ঢাল' কী আর কেন model শেখে এটা দিয়ে
- 04Statistics Basics: mean, median, variance, std — data-র চরিত্র
- 05Covariance, Correlation ও Distribution: feature-রা কীভাবে সম্পর্কিত
- 06Probability ও Bayes: 'কতটা নিশ্চিত' — AI-এর হৃদয়
- 07Machine Learning কীভাবে ভুল থেকে শেখে? Gradient Descent-এর সহজ গল্প
- 01Machine Learning আসলে কী? Computer কীভাবে নিজে নিজে pattern খুঁজে পায়?
- 02Linear Regression: prediction-এর 'Hello World' (House Price দিয়ে)
- 03Regression Evaluation: MAE, MSE, RMSE, R² — model 'ভালো' মানে কী?
- 04Logistic Regression: 'হ্যাঁ/না' prediction (Customer Churn দিয়ে)
- 05Classification Evaluation: Accuracy কেন মিথ্যা বলে? Precision, Recall, F1, ROC-AUC
- 06Decision Tree ও Random Forest: নিয়ম দিয়ে সিদ্ধান্ত
- 07Gradient Boosting ও XGBoost: Kaggle জেতার অস্ত্র (কেন এত ভালো)
- 08Overfitting, Underfitting, Cross-Validation ও Hyperparameter Tuning
- 09Unsupervised: K-Means ও PCA — label ছাড়া pattern
- 10Feature Engineering: model-এর আসল শক্তি data থেকেই আসে
- 01Neural Network কেন দরকার, যখন Random Forest আছেই?
- 02Neuron, Activation, Forward Propagation: একটা network ভেতরে কী করে
- 03Backpropagation ও Gradient Descent: network কীভাবে শেখে
- 04PyTorch হাতে-কলমে: tensor, autograd, প্রথম training loop
- 05MLP দিয়ে classification: epoch, batch, learning rate টিউন করা
- 06CNN: computer কীভাবে ছবি 'দেখে' (Image Classifier প্রজেক্ট)
- 07Transfer Learning: ছোট data দিয়ে বড় কাজ (pretrained model ব্যবহার)
- 08PyTorch বনাম TensorFlow/Keras: কখন কোনটা, industry কী চায়
- 01Computer কীভাবে ভাষা বোঝে? Text preprocessing ও Tokenization
- 02Bag of Words ও TF-IDF: প্রথম যুগের NLP (এখনও কাজের)
- 03Word Embeddings: শব্দ কীভাবে সংখ্যার জগতে 'অর্থ' পায়
- 04RNN ও LSTM: ক্রম (sequence) মনে রাখার চেষ্টা এবং তার সীমা
- 05Attention: 'কোন শব্দে বেশি মনোযোগ' — Transformer বিপ্লবের বীজ
- 06Transformer Architecture: self-attention, positional encoding, encoder-decoder
- 07Hugging Face হাতে-কলমে: pretrained transformer দিয়ে কাজ
- 08LLM কী? GPT, Llama, Mistral, Claude, Gemini — tokens, context window, inference
- 01Prompt Engineering: LLM-কে সঠিক প্রশ্ন করা একটা skill
- 02Embeddings গভীরভাবে: text কেন vector হয়, semantic similarity কীভাবে কাজ করে
- 03Vector Database: pgvector, Qdrant, Pinecone — vector কোথায় থাকে আর কীভাবে খোঁজে
- 04ChatGPT কি আপনার কোম্পানির ৫ লাখ PDF মুখস্থ করতে পারবে? এখানেই RAG-এর গল্প
- 05RAG-এর মান বাড়ানো: chunking strategy, metadata filtering, reranking, hallucination কমানো
- 06RAG Evaluation: 'ভালো RAG' কীভাবে মাপব? (faithfulness, relevance)
- 07AI Agents: tools, function calling, memory — workflow বনাম agent
- 08Fine-tuning কখন করবে, কখন করবে না: LoRA, QLoRA, dataset, evaluation
- 09Flagship: Bangla AI Knowledge Assistant — সব একসাথে
- 01'model.fit() হলো, এখন কী?' — Notebook production না, এই ফারাকটা বোঝো
- 02FastAPI দিয়ে model serving: REST API, request/response, validation
- 03Python Packaging, Config, Logging: notebook code-কে service বানানো
- 04Authentication ও Caching basics: API-কে সুরক্ষিত ও দ্রুত করা
- 05Docker: 'আমার laptop-এ চলে, server-এ চলে না কেন?' — এই সমস্যার শেষ
- 06Cloud Deployment ও CPU vs GPU: AI app বাইরের দুনিয়ায়
- 07MLOps Part 1: experiment tracking, model ও data versioning, model registry
- 08MLOps Part 2: monitoring, model drift, retraining, CI/CD — 'খারাপ prediction বুঝব কীভাবে?'
- 09Flagship transformation: Notebook → Package → FastAPI → Docker → Cloud → Monitoring
- 01AI/ML Resume যেটা recruiter ৬ সেকেন্ডে পড়ে: measurable achievement লেখা
- 02GitHub Portfolio: README, docs, demo, tests, architecture diagram
- 03Portfolio Strategy: ৫টা project যা junior থেকে আলাদা করে
- 04Python ও Coding Interview: data structures, OOP, practical problem
- 05ML ও Statistics Interview: overfitting, leakage, metrics, feature engineering, probability
আরও সিরিজ আসছে — cybersecurity, system design এবং আরও অনেক কিছু নিয়ে।