জ্ঞানের প্রাঙ্গণ

সাতাশটি দরজা — সাতটি ভিত্তির, পাঁচটি দক্ষতার, পাঁচটি স্রোতের, চারটি নির্মাতার, তিনটি কারিগরি, তিনটি অগ্রিম। প্রতিটা দরজায় একজন শিক্ষক: গল্পবলিয়ে, ক্যালিগ্রাফার, বিচারপতি, চিকিৎসক, মানচিত্রকার, প্রহরী, আয়না নির্মাতা, রত্ন কাটক, কোষাধ্যক্ষ, স্থপতি, বন্দরনায়ক, হাপর কারিগর, মোড়ল, সাক্কা, তাঁতি, সেতু নির্মাতা, বাজপালক, জাহাজ নির্মাতা, স্বর্ণকার, পরিষদের নায়ক, সংযোগের স্থপতি, শুল্ক পরিদর্শক। প্রতেকজন AI ইঞ্জিনিয়ারিং-এর এক একটা রহস্য শেখাবেন। প্রতিটা দরজায় বাস্তব কোড উদাহরণ সহ। Twenty-seven doors across six phases: Foundation (7), Mastery (5), Deep Currents (5), Builder's Quay (4), Master Craftsmanship (3), and Frontier (3). Each door teaches one AI engineering concept through story AND real copy-pasteable Python code — LLMs, prompting, RAG, tools, evals, embeddings, fine-tuning, agents, security, multimodal, tokenization, cost optimization, structured outputs, LLMOps, inference optimization, data chunking, streaming, memory, error handling, advanced RAG, deployment, testing, multi-agent orchestration, MCP, and guardrails.

আঠারোটা দোকান। প্রতিটা দোকানে একজন কারিগর — জ্যোতির্বিদ, আরবেস্ক খোদাইকারী, টালি নির্মাতা, মুক্তোর মালা কারিগর, কাফেলা প্রধান, তালা নির্মাতা, মসলা ব্যবসায়ী, বংশবিদ, তাঁতি, গোত্রপতি, গ্রন্থাগারিক, পাথর বিভাজক, ক্যালিগ্রাফার, রেশম ব্যবসায়ী, মালি, অলিগলির পথিক, নকল-নির্দেশক, পরচুলা-নকশা তাঁতি। গল্প শোনো, কোড লেখো, ব্রাউজারে চালাও — সব এক সাথে। Eighteen shops with master craftsmen. A complete DSA foundation — Big-O, recursion, data structures, and every major algorithm paradigm (D&C, greedy, DP, backtracking) — taught through story metaphors, inline SVG diagrams, and hands-on Python you run in-browser via Pyodide. Built for AI engineers who need senior-level thinking.

Hello World থেকে সিনিয়র ইঞ্জিনিয়ার — দশটা কক্ষের যাত্রা। প্রতিটা কক্ষে একজন মাস্টার, প্রতিটা কক্ষে Junior vs Senior তুলনা। First principles, decomposition, trade-offs, debugging, pragmatism — যে নীতিগুলো কোডারকে ইঞ্জিনিয়ারে রূপান্তর করে। From Hello World to Senior Engineer — ten chambers. Each teaches a mindset principle with side-by-side Junior vs Senior comparisons. The skills that separate coders from engineers.

একটা সার্ভার থেকে একটা নগরী — System Design-এর বিশটি স্থান। প্রতিটা স্থানে একজন নগর কারিগর — ভিত্তি রক্ষক, ফটক রক্ষক, মহল্লা স্থপতি, আয়না গিল্ড, প্রবীণ পরিষদ, মোহরদার... প্রতেকজন System Design-এর এক একটা রহস্য শেখাবেন। দুই বাস্তব সিস্টেম ডিজাইন ক্যাপস্টোন সহ। From one server to a city — twenty places, twenty masters. A complete system-design mastery reference covering scaling, microservices, protocols, replication, CAP, transactions, consensus, idempotency, consistent hashing, resilience, observability — and two real-world capstone designs (URL shortener, news feed) with inline SVG architecture diagrams.

শেখার শিল্প — আটটা বাগানের যাত্রা। প্রতিটা বাগানে একজন মালি। বীজ সংরক্ষক, স্মৃতি তাঁতি, গল্পকার, কারিগর, আয়না নির্মাতা — প্রতেকজন শেখার এক একটা রহস্য জানেন। সবচেয়ে গুরুত্বপূর্ণ দক্ষতা — কীভাবে শিখতে হয়। The art of learning — eight gardens, eight master gardeners. Each teaches one secret of how the brain actually learns. Growth mindset, spaced repetition, Feynman technique, deliberate practice, active recall, interleaving, focus/diffuse, mental models. The most essential skill of all.

ইন্টারভিউ শুরু থেকে শেষ পর্যন্ত — আটটা পরীক্ষার যাত্রা। রিজিউমি, নিজে সম্পর্কে বলা, STAR method, কোডিং প্যাটার্ন, সিস্টেম ডিজাইন, মুখে চিন্তা করা, স্যালারি নেগোশিয়েশন, এবং শেষ প্রশ্ন। কোড জ্ঞান থেকে চাকরি পাওয়া পর্যন্ত। From first impression to final offer — eight trials of the interview. Resume, self-introduction, STAR method, coding patterns, system design, thinking out loud, salary negotiation, and closing questions. From knowing code to getting hired.

LLM-কে চালানোর গভীর শিল্প — টোকেন থেকে এজেন্ট পর্যন্ত। Token reality, temperature & sampling, system prompt hierarchy, chain-of-thought, few-shot & persona, structured output, context window engineering, prompt injection defense, agent loops (ReAct), এবং frontier model secrets যা প্রোভাইডাররা গোপন রাখেন। The deep art of steering LLMs — from tokens to autonomous agents. Covers tokenization economics, sampling parameters (temperature/top_p), system prompt weight hierarchy, chain-of-thought reasoning, few-shot & persona engineering, JSON structured output, context window engineering & RAG, prompt injection defense in depth, agent loops (ReAct/Reflexion), and the frontier secrets model providers don't publicly share — leaked system prompts, prefill tricks, XML formatting bias, recency bias, emotional language effects, alignment tax, and chain-of-verification.

LLM-এর গভীর শারীরিক বিশ্লেষণ — টোকেন থেকে সৃষ্টি পর্যন্ত। Tokenization (BPE), Embeddings & vector space, Self-attention mechanism, Transformer architecture (7 layers), Training pipeline (Pre-training → SFT → RLHF), Autoregressive generation, Hallucination causes & prevention, Scaling laws (Chinchilla), Mixture of Experts & Multimodality, এবং সম্পূর্ণ pipeline synthesis। Deep anatomical analysis of how LLMs actually work — from bytes to answers. Covers BPE tokenization, embedding geometry, multi-head attention (Q/K/V math), the full transformer stack, three-stage training pipeline, autoregressive decoding, hallucination mechanisms (7-layer defense), Kaplan vs Chinchilla scaling laws, MoE architecture, and multimodal fusion. For engineers who want to understand WHY, not just HOW.

LLM-কে যা দেখাও তাই সে বোঝে। Context window economics, lost-in-the-middle U-curve, chunking strategies (fixed/sentence/semantic), hybrid retrieval (dense + BM25), cross-encoder reranking, context compression (LLMLingua), long context vs RAG decision matrix, conversation memory (buffer/window/summary/entity/vector), multi-hop retrieval, এবং production architecture synthesis। What you show the LLM is what it understands. Context budget management, the U-shaped attention curve, 5 chunking strategies, hybrid retrieval with RRF fusion, cross-encoder reranking (+20% accuracy), context compression techniques, long context vs RAG decision framework, 5 memory types, multi-hop retrieval (decomposition, iterative, GraphRAG), and complete production pipeline architecture with latency/cost budgets.

ডকুমেন্ট থেকে প্রশ্ন পর্যন্ত সম্পূর্ণ RAG পাইপলাইন। Document ingestion (PDF/HTML/OCR), vector indexing (HNSW/IVF), naive RAG limits, advanced retrieval (parent-child, HyDE, ensemble), query transformation (rewrite/expand/decompose/step-back), RAGAS evaluation (4 metrics), GraphRAG (knowledge graphs), production patterns (caching/incremental/multi-tenancy/observability), failure modes, এবং complete production architecture। Complete RAG pipeline from document to answer. Covers format-specific ingestion challenges, ANN indexing algorithms (HNSW vs IVF vs PQ), naive RAG accuracy benchmarks by task type, 5 advanced retrieval patterns, 5 query transformations with impact data, RAGAS evaluation framework (precision/recall/faithfulness/relevance), Microsoft GraphRAG pipeline, 7 production patterns (semantic cache, incremental indexing, multi-tenancy, observability, fallback, A/B, guardrails), 7 failure modes with fixes, and complete production architecture with tech stack and budget.

সাধারণ মডেলকে তোমার কাজের জন্য নিখুঁত করার শিল্প। When to fine-tune (vs RAG vs prompting), dataset curation (Quality > Quantity), LoRA (Low-Rank Adaptation — 1% params), QLoRA (4-bit quantized — democratized), SFT vs DPO vs PPO training methods, evaluation (4 types), catastrophic forgetting prevention, deployment (vLLM/Ollama), cost-benefit ROI analysis, এবং complete pipeline synthesis। The art of perfecting a general LLM for your specific task. Covers the decision framework (when NOT to fine-tune), dataset curation strategies (5 sources, quality checklist), LoRA math (A×B decomposition, 99.6% reduction), QLoRA (nf4 quantization, 7B on 6GB), three training methods (SFT/DPO/PPO comparison), four evaluation types, catastrophic forgetting prevention (5 strategies), deployment pipeline (merge → quantize → serve → monitor), cost-benefit ROI calculator, and complete fine-tuning pipeline synthesis.

LLM থেকে স্বাধীন কর্মী পর্যন্ত। Agent anatomy (brain + tools + memory + loop), tool use ও function calling internals, ReAct framework (Thought-Action-Observation চক্র), planning strategies (ReAct/Plan-Execute/Re-planning/Decomposition), agent memory systems (short-term/working/long-term/episodic), multi-agent orchestration (sequential/parallel/hierarchical/debate), human-in-the-loop approval patterns, framework comparison (LangGraph/CrewAI/AutoGen/OpenAI SDK), agent failure modes ও 5-layer safety, এবং complete production agent architecture। From LLM to autonomous worker. Covers agent anatomy (4 components), function calling mechanism with provider implementations, ReAct loop with code examples, 4 planning strategies, 4 memory types with implementation, multi-agent architectures (4 patterns) with framework comparison (CrewAI/AutoGen/LangGraph), human-in-the-loop levels (5 tiers), 7 failure modes with fixes, 5-layer safety model, and complete production architecture with tech stack and latency/cost budgets.

LLM নিরাপত্তার সম্পূর্ণ শিল্প — আক্রমণ ও প্রতিরক্ষা। OWASP Top 10 for LLMs, prompt injection (direct + indirect), jailbreak techniques (DAN, encoding, many-shot, translation), training data poisoning (backdoor/availability/bias), model extraction ও privacy attacks, 7-layer defense in depth, guardrail frameworks (NeMo Guardrails, Guardrails AI, Llama Guard), red teaming (Garak, PyRIT), production security operations (monitoring, incident response, kill switch), এবং complete security architecture synthesis। The complete art of LLM attack and defense. Covers OWASP Top 10, prompt injection vectors (direct/indirect/multimodal), 7 jailbreak categories with defenses, 3 poisoning types, model extraction and membership inference attacks, 7-layer defense in depth architecture, guardrail framework comparison, automated red teaming tools (Garak, PyRIT), production security operations (monitoring, alerting, incident response, kill switch, compliance), and complete production security architecture with maturity model.

LLM-কে প্রোডাকশনে চালানোর সম্পূর্ণ শিল্প। Model serving (vLLM, TGI, SGLang — PagedAttention, continuous batching, prefix caching), deployment (Docker, Kubernetes, auto-scaling, canary/blue-green), CI/CD (eval gates, security tests, automated rollback), monitoring (Langfuse/LangSmith, metrics/logs/traces, quality tracking), cost optimization (semantic cache, model routing, prompt compression, batch API), latency tuning (streaming, speculative decoding, prefix cache), versioning (code/model/data/prompt), A/B testing (shadow/canary/bandit), incident response (kill switch, rollback, post-mortem), এবং complete production architecture synthesis। The complete art of running LLMs in production. Covers serving engines with key innovations (PagedAttention, continuous batching), containerization and orchestration (Docker + K8s + HPA), LLM-specific CI/CD with eval gates and security probes, three-pillar observability (metrics/logs/traces), 7 cost optimization strategies (30-83% savings), latency optimization (TTFT/TPOT, streaming, speculative decoding), four-type versioning (code/model/data/prompt), A/B testing methodologies, incident response playbook, operational maturity model, and complete tech stack recommendation with budget estimates.

AI যা দেখে, শোনে, সৃষ্টি করে। Vision encoders (ViT, CLIP, DINOv2), Vision-Language Models (GPT-4o, Claude 3.5, Gemini, LLaVA), image generation (DALL-E 3, Stable Diffusion, FLUX, Midjourney), audio processing (Whisper STT, TTS, GPT-4o native audio), video understanding (frame sampling, native video, Sora/Runway generation), cross-modal alignment (CLIP, BLIP, ImageBind), multimodal embeddings ও RAG (text+image+audio retrieval), real-world applications (medical, education, code from screenshot), challenges ও limits (hallucination, bias, cost, evaluation), এবং complete multimodal architecture synthesis। AI that sees, hears, and creates. Covers vision encoder architectures (ViT patching, CLIP contrastive learning), three VLM architectures (fusion/bridging/native), diffusion model internals (latent space, denoising), audio pipeline (Whisper, TTS, native audio), video understanding (frame sampling vs native), cross-modal alignment theory, multimodal RAG (CLIP+CLAP+ImageBind), 6 application categories with killer apps, 7 challenges with mitigations, multimodal maturity model, and complete tech stack.

মডেলের গুণমান কীভাবে মাপবে। Why evaluation matters, core metrics (accuracy, faithfulness, relevance, coherence, fluency, safety, instruction following), traditional NLP metrics (EM, F1, BLEU, ROUGE, BERTScore), LLM-as-judge (biases: position/verbosity/self-preference, mitigation strategies), human evaluation (blind comparison, Likert, rubric, inter-evaluator agreement κ), task-specific eval (QA/RAG/code/summarization/translation/chat), standard benchmarks (MMLU, HumanEval, GSM8K, Chatbot Arena, contamination issues), regression detection (CI/CD gates, baseline management), production evaluation (continuous sampling, user feedback, data drift, closed-loop improvement), evaluation pitfalls (Goodhart's Law, contamination, survivorship bias, single metric), এবং complete evaluation architecture। How to measure LLM quality. Covers why eval matters, 7 core metrics with when-to-use, traditional NLP metrics, LLM-as-judge with 4 known biases and 5 mitigations, human evaluation methods with inter-evaluator agreement, 8 task-specific eval frameworks, standard benchmarks with contamination/Goodhart problems, regression detection in CI/CD, continuous production evaluation with data drift detection, 7 evaluation anti-patterns, and complete 7-layer evaluation architecture with maturity model and 7-week implementation roadmap.

প্রতিটি টোকেন থেকে সর্বোচ্চ গতি ও সর্বনিম্ন খরচ। KV cache internals (PagedAttention, prefix caching, GQA, KV quantization), model quantization (GPTQ, AWQ, GGUF, EXL2, nf4), request batching (static, dynamic, continuous, chunked prefill), attention optimization (FlashAttention 1/2/3, sparse, sliding window, ring attention), speculative decoding (draft model, Medusa, EAGLE, 2-3x speedup with zero quality loss), memory optimization (offloading, tensor parallelism, weight sharing), pruning ও knowledge distillation, custom kernels (CUDA, Triton, TensorRT-LLM, torch.compile), GPU selection guide (H100/A100/T4/consumer), এবং complete optimization stack synthesis। Maximum speed and minimum cost from every token. Covers KV cache deep dive (PagedAttention memory management, prefix caching, GQA/MQA architecture, KV cache compression/quantization), 5 quantization methods compared (RTN/GPTQ/AWQ/GGUF/EXL2) with quality benchmarks, 3 batching strategies (static/dynamic/continuous) with continuous batching detail, attention optimization (FlashAttention 1-3 internals, sparse/sliding window, ring attention), speculative decoding with mathematical quality guarantee, 7 memory optimization techniques, pruning & distillation strategies, kernel-level optimization (CUDA/Triton/TensorRT-LLM/torch.compile with 150% speedup), GPU hardware comparison with cost/performance analysis, and complete 9-layer optimization stack achieving 10x faster + 6x cheaper.

শব্দকে সংখ্যায়, সংখ্যাকে অর্থে রূপান্তর। Embedding foundations (distributional hypothesis, vector spaces, cosine similarity), model landscape (word2vec → BGE → OpenAI embed-3 → Cohere, MTEB benchmarks), semantic search (hybrid dense+BM25, reranking, asymmetric encoding), vector arithmetic (king-man+woman=queen, clustering, zero-shot classification), embedding fine-tuning (contrastive learning, hard negative mining, domain adaptation), dimensionality (Matryoshka, PQ compression, dimension-quality tradeoff), evaluation (MTEB, STS, domain eval sets), applications (search/classification/clustering/dedup/recommendation/anomaly detection), challenges (bias, domain gap, multilingual, anisotropy, temporal drift), এবং complete architecture। Transforming words into numbers, numbers into meaning. Covers embedding fundamentals (distributional hypothesis, the king-man+woman=queen miracle), full model landscape with MTEB benchmarks, semantic search pipeline with hybrid retrieval and reranking, vector arithmetic applications (analogies, clustering, zero-shot classification), fine-tuning with contrastive learning and hard negative mining, dimensionality optimization (Matryoshka representations, PQ compression), evaluation methodology (MTEB, STS, domain-specific eval), 10 embedding applications beyond RAG, 7 challenges with mitigations, and complete 9-layer embedding architecture stack.

LLM-কে হাত দেওয়ার শিল্প। Function calling internals (step-by-step mechanism, provider implementations, parallel calling, strict mode), tool design principles (naming, descriptions, parameters, anti-patterns), MCP protocol (architecture, building servers, ecosystem, Claude/Cursor integration), tool orchestration patterns (sequential/parallel/conditional/iterative), error handling ও 5-layer safety, tool ecosystem (LangChain/Composio/MCP servers, build-vs-buy strategy), tool testing (6 categories, LLM selection tests), computer use (Claude Computer Use, browser automation, sandboxing), tool failure modes (7 types, debugging), এবং complete tool architecture synthesis। The art of giving LLMs hands. Covers function calling internals with provider-specific implementations, tool design golden rules, MCP protocol deep dive (build once, use everywhere), 5 orchestration patterns, 5-layer safety model, ecosystem platforms (Composio 10K+ actions), 6-category testing methodology, Claude Computer Use with mandatory sandboxing, 7 failure modes with fixes, and complete 8-layer tool architecture stack.

বজ্র থেকে মেঘ — ভোল্টেজ ও ওহম থেকে ট্রানজিস্টর, লজিক-গেট থেকে MCU-শহর, C-ফার্মওয়্যার থেকে PWM/ADC, UART/SPI/I2C থেকে WiFi/MQTT — ষোলো দরজায় সম্পূর্ণ হার্ডওয়্যার-যাত্রা। From lightning to cloud: voltage/Ohm, transistors, logic gates, MCU anatomy, C firmware, interrupts, timers, PWM/ADC, UART/SPI/I2C, boot/RTOS, WiFi/MQTT — the complete hands-on hardware journey in sixteen doors.

পুরস্কার থেকে শেখার সম্পূর্ণ বিজ্ঞান — ব্যান্ডিট থেকে MDP, বেলম্যান থেকে Q-learning, DQN থেকে PPO, RLHF/DPO/GRPO। The complete science of learning from reward: bandits, MDPs, Bellman, Q-learning, DQN, PPO, RLHF/DPO/GRPO.

কোন ডোমেইনে PhD করবে? দশটা ডোমেইনের বিশটি দরজায় গভীর ডুব — AI/ML (NLP, Vision, RL, Safety), Systems (Distributed, OS, MLSys), Security (Crypto, AI Sec), Data (DB, Mining), HCI (Access, AR/VR), SE/PL (SE, AI4SE), Theory, Quantum, Robotics, Emerging। প্রতিটি দরজায়: sub-areas, conferences, funding, competition, career, future outlook — একটা করে SVG diagram, code-block, ও senior insight সহ। শেষ দরজায় একটা decision framework — interest × strength × market × purpose। গবেষকের মন (Book 21) শেখায় কীভাবে চিন্তা করতে হয় — এই বই শেখায় কোথায় সেই চিন্তা প্রয়োগ করবে। Knowledge Courtyard-এর সবচেয়ে গুরুত্বপূর্ণ বই — কারণ এটি তোমার PhD-এর দিক নির্ধারণ করবে। Which domain for your PhD? A deep dive into 20 doors across 10 CS domains — AI/ML (NLP, Vision, RL, Safety), Systems (Distributed, OS, MLSys), Security (Crypto, AI Sec), Data (DB, Mining), HCI (Access, AR/VR), SE/PL (SE, AI4SE), Theory, Quantum, Robotics, and Emerging. Each door covers: sub-areas, conferences, funding levels, competition rates, career outlook, and future trends — with an SVG diagram, code-block, and senior insight. The final door includes a PhD domain selection framework — interest × strength × market × purpose. The most important book in the Courtyard — because it determines your PhD direction and your next 5-7 years.

মেশিন লার্নিংয়ের গাণিতিক ভিত্তি — ভেক্টর থেকে ব্যাকপ্রোপাগেশন পর্যন্ত। Al-Khwarizmi-এর বীজগণিত, Ibn al-Haytham-এর ক্যালকুলাস, Al-Khalil-এর সংযোজনবিদ্যা। Mathematical foundations of ML — from vectors to backpropagation. Featuring Al-Khwarizmi (algebra), Ibn al-Haytham (calculus), Al-Khalil (combinatorics), Al-Kindi (frequency analysis), and Shannon (information theory). Ten doors connecting math to all 13 AI books.

সনাতন মেশিন লার্নিং — লিনিয়ার রিগ্রেশন থেকে নিউরাল নেটওয়ার্ক। Al-Tusi, Ibn Sina, Omar Khayyam-এর আবিষ্কার। Classic ML — from linear regression to neural networks. Featuring Al-Tusi (regression), Ibn Sina (decision trees), Omar Khayyam (SVM/kernels), Ibn Muqla (neural networks). Ten doors covering the complete ML fundamentals every PhD interview demands.

একটা মেশিনের সীমা পার হও — হাজার মেশিনে ছড়িয়ে দাও। Lamport-এর ঘড়ি, Dijkstra-এর সিগন্যাল, Brewer-ের CAP, Paxos ও Raft, MapReduce, Dynamo, বাইজেন্টাইন ফল্ট টলারেন্স, এবং Kleppmann-এর আধুনিক আর্কিটেকচার। One machine's limit surpassed — spread across a thousand. Lamport clocks, Dijkstra semaphores, CAP theorem, Paxos and Raft, MapReduce, Dynamo, Byzantine fault tolerance, and modern data-intensive architecture.

নিউরন থেকে ট্রান্সফর্মার — ডিপ লার্নিংয়ের প্রতিটি স্থাপত্য। Perceptron, CNN, LSTM, Transformer, GAN, Diffusion, training dynamics, regularization, modern architectures। From neuron to transformer — every deep learning architecture. Perceptrons, CNNs, LSTMs, the attention revolution, GANs, diffusion models, training dynamics, regularization, and modern architectures (ViT, BERT, GPT, MoE).

একটি প্যাকেটের যাত্রা — তোমার কম্পিউটার থেকে বিশ্বের প্রান্তে। OSI-এর সাত স্তর, Ethernet, IP রাউটিং, TCP ও UDP, DNS, HTTP/HTTPS, CDN, WebSocket, নেটওয়ার্ক সিকিউরিটি এবং একটি প্যাকেটের সম্পূর্ণ যাত্রা। A packet's journey — from your computer to the world's edge. OSI's seven layers, Ethernet, IP routing, TCP and UDP, DNS, HTTP/HTTPS, CDN, WebSocket, network security, and one packet's complete journey across the internet.

প্রোগ্রাম থেকে প্রসেস — OS-এর প্রতিটি স্তর। প্রসেস ও থ্রেড, CPU শিডিউলিং, Dijkstra-এর semaphore, ডেডলক, virtual memory, ফাইল সিস্টেম, I/O ও ড্রাইভার, Docker ও VM, এবং একটি fork() কলের সম্পূর্ণ যাত্রা। From program to process — every layer of the operating system. Processes and threads, CPU scheduling, Dijkstra's semaphore, deadlocks, virtual memory, file systems, I/O and drivers, Docker and VMs, and one fork() call's complete journey through the kernel.

একটি query-র যাত্রা — সারি থেকে অর্থ পর্যন্ত। Codd-এর relational model, SQL, B-tree indexing, ACID transactions, normalization, NoSQL (Redis/MongoDB/Cassandra/Neo4j), distributed databases, query optimization, data warehousing, এবং একটি query-র সম্পূর্ণ যাত্রা। A query's journey — from rows to meaning. Codd's relational model, SQL, B-tree indexing, ACID transactions, normalization, NoSQL (Redis/MongoDB/Cassandra/Neo4j), distributed databases, query optimization, data warehousing, and one query's complete journey through the database engine.

একটি ফিচারের যাত্রা — আইডিয়া থেকে প্রোডাকশন। SDLC মেথডলজি (Waterfall→Agile→DevOps→Platform Engineering), SOLID ও Clean Code, Design Patterns (GoF 1994), Testing (TDD/BDD), Git ও কোলাবোরেশন, Architecture Patterns, DevOps ও CI/CD, Software Security, AI-Assisted Development ও ভবিষ্যৎ। A feature's journey — from idea to production. SDLC methodologies, SOLID principles, design patterns, testing, version control, architecture patterns, DevOps, security, AI-assisted development and the future of the profession.

সেরা পথ খোঁজো — Al-Khwarizmi থেকে Kingma, উতলা বাটি থেকে অ-উতলা পর্বত। প্রতিটি ML মডেলের হৃদপিণ্ড — গ্রেডিয়েন্ট ডিসেন্ট, Adam, Lagrangian, saddle points। Mathematical Optimization — the engine beneath all ML. From al-jabr (820) to Adam (2014), convex bowls, non-convex mountains, constrained balance, combinatorial search.

একটা সার্চ ইঞ্জিন। একুশটা দরজা। প্রতিটা দরজায় একটা অ্যালগরিদম — Big-O থেকে PageRank। Book ২ (DSA Bazaar)-এর সব algorithm একটা real Python project-এ বানাও। শুধু algorithm শেখো না — algorithm দিয়ে বানাও। One search engine. Twenty-one doors. Each door adds one algorithm — Big-O to PageRank. Take every algorithm from Book 2 (DSA Bazaar) and build a real Python search engine, piece by piece. Not just learn algorithms — build with them.

১০টি প্রোগ্রামিং বইয়ের জ্ঞান — এক Python প্রজেক্টে। Clean Code, Pragmatic Programmer, Refactoring, Design Patterns, Code Complete, DDD, TDD, Legacy Code, SICP, Mythical Man-Month। প্রতিটা দরজায় একই কোড আরও পরিচ্ছন্ন হয়। Ten programming books distilled into one Python project. Each door makes the same code cleaner — from apprentice to craftsman. Learn how senior engineers write code at Google, Stripe, and GitHub.

২০টি গিল্ড, ২০টি আসল সমস্যা — variables থেকে concurrency, data analysis, web scraping, API, automation পর্যন্ত। Python শেখায় না — ভাবতে শেখায় Python দিয়ে। AI যুগে কারিগর হওয়ার যাত্রা। 20 guilds, 20 real problems — from variables to concurrency, data analysis, web scraping, APIs, automation. Doesn't teach Python — teaches you to think with Python. Problem-first, not syntax tutorial.

একটি জীবন্ত প্রোডাকশন কোডবেসের পূর্ণ ভ্রমণ — LedgerPilot। ডোমেইন-পাইপলাইন থেকে স্ট্যাক-গভীরতা (Django ORM, DRF, MySQL, Celery, Redis, Vue-প্রতিক্রিয়া), নতুন-ফিচার রেসিপি, যন্ত্র-নির্বাচক, আর ৪২-স্ক্রিন নিবন্ধ — সব এক শহরের গল্পে। A full tour of one living production codebase — LedgerPilot. Domain pipeline, deep stack internals (ORM, DRF, MySQL, Celery, Redis, Vue reactivity), the new-feature recipe, a pattern selector, and the 42-view screen register — all as one city's story.

Vue.js-এর পূর্ণ কারুকাজ — প্রথম সুতো (শপথ, টেমপ্লেট, প্রতিক্রিয়া) থেকে প্রোডাকশন-তাঁত (রাউটার-গার্ড, API-স্তর, পরীক্ষা, আর্কিটেকচার-বিধান) — সব নমুনা LedgerPilot-এর জীবন্ত কোড ও Vue 3.5 অফিশিয়াল গাইড থেকে। শেষ পাঁচ দরজায় পাঁচটি পূর্ণ স্টার্টার-প্রজেক্ট — বেসিক টু-ডু থেকে রিয়েলটাইম SSE পর্যন্ত, প্রতিটি ফাইলসহ। The complete craft of Vue.js — from the first threads (oath, template, reactivity) to the production loom (router guards, API layer, testing, architecture laws) — every sample drawn from LedgerPilot's living code and the official Vue 3.5 guide. The last five doors hold five complete starter projects, basic to realtime, every file shown.

গণনা কী? কী গণনা করা যায়, কী যায় না? Turing-এর যন্ত্র, Gödel-এর সীমা, P vs NP-এর মিলিয়ন ডলার প্রশ্ন। Theory of Computation — the theoretical foundation of all computer science. Turing machines, halting problem, Gödel's incompleteness, Chomsky hierarchy, NP-completeness.

ট্রানজিস্টর থেকে AI অ্যাক্সেলারেটর — সিলিকনের ভেতরে কী ঘটে? CPU pipeline, cache hierarchy, GPU warps, TPU systolic arrays। Computer Architecture — the physical foundation beneath all CS. Transistors → logic gates → CPU datapath → pipelining → cache coherence → GPU SIMT → systolic arrays (TPU).

Docker থেকে Kubernetes, Terraform থেকে SRE — কোড থেকে প্রোডাকশন পর্যন্ত নিরাপদ যাত্রা। CI/CD, observability, error budgets, service mesh। Cloud & DevOps Engineering — the operations layer. Docker containers → K8s orchestration → Terraform IaC → CI/CD → observability → SRE error budgets → service mesh → progressive delivery.

OLTP থেকে Lakehouse পর্যন্ত — ডেটা কীভাবে নদীর মতো বয়। Parquet, Spark, CDC, Kafka, dbt, Iceberg। Data Engineering — the analytics pipeline. OLTP vs OLAP, columnar Parquet, Star Schema, Spark lazy DAG, CDC with Debezium, Kafka streaming, dbt transformation, Iceberg/Delta lakehouse.

সোর্স কোড থেকে মেশিন কোড — কম্পাইলার কীভাবে ভাঙে, বোঝে, পরিশুদ্ধ করে। Lexer, parser, AST, SSA, optimization, register allocation, GC। Compilers & PLT — the translation layer. Lexing, parsing, AST, SSA form, code optimization, register allocation via graph coloring, CPython adaptive specialization, V8 tiered JIT, garbage collection, Hindley-Milner type inference, WebAssembly.

ক্রিপ্টোগ্রাফির তামার দেয়াল — AES, RSA, Diffie-Hellman, SHA-256, TLS 1.3, OWASP Top 10, JWT, zero-trust। প্রতিটা বার্তা একটা দুর্গ। Cryptography & Network Security — symmetric/asymmetric encryption, hash functions, password hashing, TLS 1.3 handshake, OWASP Top 10, JWT vs Session, CORS/CSP, rate limiting, zero-trust security model.

টেস্টিং ও কোয়ালিটি — TDD, Testing Trophy, mutation testing, property-based, flaky tests, contract testing, CI/CD pipeline, SAST/DAST। প্রতিটা bug শত্রু, প্রতিটা test ঢাল। Testing & QA — TDD red-green-refactor, Testing Pyramid vs Trophy, code coverage vs mutation testing, test doubles (mock/stub/spy/fake), property-based testing (Hypothesis), flaky test eradication, contract testing (Pact), CI/CD test pipeline, security testing (SAST/DAST).

ডিসক্রিট ম্যাথ — Propositional logic, De Morgan's laws, mathematical induction, proof by contradiction, Cantor's diagonal, combinatorics, pigeonhole principle, graph theory, graph coloring, modular arithmetic, RSA, Master Theorem। Discrete Mathematics — propositional logic, De Morgan's laws, mathematical induction, proof by contradiction, Cantor's diagonal argument, set theory, combinatorics, pigeonhole principle, graph theory, graph coloring (four color theorem), modular arithmetic, Euclidean algorithm, RSA cryptography, recurrence relations, Master Theorem.

সম্ভাবনা ও স্টোকাস্টিক প্রসেস — Bayes theorem, Central Limit Theorem, Markov chains, concentration inequalities, Monte Carlo, MCMC, probabilistic data structures (HyperLogLog, Bloom filters), Poisson process, randomized algorithms, ML connections। Probability & Stochastic Processes — Bayes theorem and base rate fallacy, Law of Large Numbers, Central Limit Theorem, Markov chains and stationary distributions (PageRank), concentration inequalities (Markov/Chebyshev/Chernoff/Hoeffding), Monte Carlo methods, MCMC (Metropolis-Hastings, Gibbs sampling), probabilistic data structures (HyperLogLog, Bloom filters, Count-Min Sketch), Poisson process, randomized algorithms, ML connections (cross-entropy=MLE, VAE, dropout=Bayesian, RL=MDP).

PhD — শূন্য থেকে অ্যাডমিশন পর্যন্ত একটি সম্পূর্ণ যাত্রা। দশটি স্থান — প্রথম সন্দেহ থেকে স্কলার হওয়া পর্যন্ত। Is PhD right for you? Funding (RA/TA/Fellowship), choosing a research area, SOP, cold emailing professors, low/mid/high profile strategies, getting research experience, PhD interviews, and life as a scholar. PhD — a complete journey from zero to admission. Ten stations from first doubt to becoming a scholar. Covers decision-making, funding (RA/TA/Fellowship), research areas, SOP, cold emailing, profile strategies for low/mid/high applicants, first paper, interviews, and PhD life. Designed for international students with US Master's degrees in CS and tech.

ডেভেলপার থেকে গবেষক — মনের দশটা রূপান্তর। শিশুর কৌতূহল থেকে শুরু করে গবেষকের পরিচয় পর্যন্ত। Research Pilgrimage-এর ভাইবোন — সেই বই শেখায় PhD কীভাবে পাবে, এই বই শেখায় PhD পাওয়ার আগে তুমি কে হবে। কৌতূহল, প্রশ্ন তৈরি, পেপার পড়া, সন্দেহবাদ, ক্রস-ডিসিপ্লিনারি সংযোগ, ব্যর্থতা গ্রহণ, লেখার মাধ্যমে চিন্তা, বুদ্ধিবৃত্তিক বিনয়, দীর্ঘমেয়াদী অধ্যবসায়, এবং গবেষকের পরিচয় সংশ্লেষণ। From developer to researcher — ten transformations of the mind. From a child's curiosity to a researcher's identity. The companion to Research Pilgrimage — that book teaches how to get a PhD, this one teaches who you become before it. Curiosity, question formulation, paper reading, skepticism, cross-disciplinary connections, embracing failure, writing as thinking, intellectual humility, long-game persistence, and identity synthesis.

কেন কিছু ইঞ্জিনিয়ার সময়ের সাথে বেশি মূল্যবান হন? Obsolescence trap (ফানা → বাকা), first principles thinking (আকল), systems thinking (কদর), business brain (রিযিক), problem finding (তালাশ), communication multiplier (বায়ান), building products people want (খলক), innovation through cross-pollination (তাজদিদ), entrepreneur's calculated leap (তাওয়াক্কুল), এবং deep-rooted tree synthesis। ফানা থেকে বাকা — পচনশীল থেকে চিরস্থায়ী। Why do some engineers become MORE valuable with time? Covers the obsolescence trap (perishable vs permanent knowledge), first principles reasoning (5 Whys, Elon Musk battery example), systems thinking (feedback loops, second-order effects, bottlenecks), business brain (CAC/LTV/MRR, value chain, opportunity cost), problem finding (Level 1-3 hierarchy, anticipatory thinking, problem journal), communication as 10x multiplier (Feynman test, design docs, conclusion-first), product sense (product-market fit, Kano model, MVP), innovation through cross-pollination (T-shaped engineer, analogy hunting), entrepreneur's leap (4 ropes before jumping, great idea myth), and the deep-rooted tree synthesis (fana to baqa, 5 reasons people are irreplaceable).

কেন কেউ নিয়ন্ত্রণ করে, কেউ নিয়ন্ত্রিত হয়? Seligman (১৯৬৭) learned helplessness, Cialdini (১৯৮৪) ৭ principles of persuasion, Keltner (২০০৭) power paradox, Sapolsky stress hierarchy, Rotter (১৯৬৬) locus of control, Mullainathan (২০১৩) scarcity mindset, Dweck (২০০৬) growth mindset, Mischel (১৯৭২) marshmallow test, Doidge (২০০৭) ও Huberman (২০২১) neuroplasticity, Frankl (১৯৪৬) last human freedom, Beck CBT, Linehan radical acceptance। গবেষণালব্ধ — নয়টি গবেষক, নয়টি সত্য, এক মুক্তির পথ। Why do some control others while some are controlled? Research-backed deep dive: Seligman learned helplessness (1967), Cialdini 7 persuasion principles (1984), Keltner power paradox (2007), Sapolsky stress hierarchy, Rotter locus of control (1966), Mullainathan scarcity mindset (2013), Dweck growth mindset (2006), Mischel marshmallow test (1972), Doidge neuroplasticity (2007), Huberman rewiring protocols (2021), Frankl last human freedom (1946), Beck CBT, Linehan radical acceptance. Nine researchers, nine truths, one path to mental sovereignty.

তোমার মস্তিষ্ককে জোর করো না — এমন ব্যবস্থা বানাও যেখানে কাজ করাটা সহজ। ১৫টি দরজা — ডোপামিন, অভ্যাস লুপ, শ্বাস-সুইচ, ঘুম, ফোকাস, নিউরোপ্লাস্টিসিটি ও ফ্লো। Huberman, Clear, Duhigg, Walker, Brewer, Fogg, Newport এর verified গবেষণা। Don't force your brain — engineer the world so doing the work is easy. 15 doors covering dopamine contracts, habit loops, breath switches, circadian biology, sleep consolidation, attention training, neuroplasticity, and flow. Every claim backed by verified research with named researchers + years.

দ্রুত শেখার বাইরে — গভীর শেখার আটটি স্তর। মনোযোগ অর্থনীতি, ২০ ঘণ্টা বনাম ১০,০০০ ঘণ্টা, Dunning-Kruger effect, ফিডব্যাক লুপ, জ্ঞান × কর্ম = শক্তি, আনলেয়ার্ন-লার্ন-রিলেয়ার্ন, স্পেসড রিপিটিশন + অ্যাক্টিভ রিকল, এবং মেটাকগনিশন। প্রতিটি আসনে একটি করে SVG ডায়াগ্রাম (Dunning-Kruger বক্ররেখা, Ebbinghaus forgetting curve, ফিডব্যাক চক্র), code-block, ও সিনিয়র ইনসাইট। Beyond fast learning — eight layers of deep knowledge. A critical analysis of "how to learn fast" videos: what they get right, what they oversimplify, and what they miss entirely. Attention economics, three milestones of mastery, illusion of competence, feedback loops, knowledge × action = power, unlearn-learn-relearn, spaced repetition + active recall, and metacognition. Each seat now carries an SVG diagram (Dunning-Kruger curve, Ebbinghaus forgetting curve, feedback cycle), a code-block, and a senior insight.

পড়ো, ভাবো, লেখো — গভীরে যাওয়ার শিল্প। Ebbinghaus (১৮৮৫) ভুলে যাওয়ার বক্ররেখা, Adler (১৯৪০) ৪ স্তরের পড়া, Luhmann Zettelkasten (৯০,০০০ নোট → ৭০+ বই), Feynman টেকনিক, Keshav (২০০৭) ৩-পাস পেপার পড়ার পদ্ধতি, replication crisis, কীভাবে Musk/Gates/Munger/Naval/Holiday পড়েন, syntopical reading, Tiago Forte (২০২২) second brain CODE method। প্রতিটি দরজায় একটি করে SVG ডায়াগ্রাম (forgetting curve, 4-level pyramid, Zettelkasten network, replication bar chart, CODE pipeline), code-block, ও সিনিয়র ইনসাইট। Read, think, write — the craft of going deep. Covers Ebbinghaus forgetting curve (1885), Adler's 4 levels of reading (1940), Luhmann's Zettelkasten (90,000 notes → 70+ books), Feynman technique, Keshav's 3-pass paper reading (2007), replication crisis + critical analysis, how the greatest minds read (Musk first principles, Gates Think Week, Munger mental models, Naval re-reading, Holiday notecards), writing as thinking (Paul Graham), syntopical reading (Adler Level 4), and Tiago Forte's second brain CODE method (2022). Each door now carries an SVG diagram (forgetting curve, 4-level pyramid, Zettelkasten network, replication bar chart, CODE pipeline), a code-block, and a senior insight.

গবেষণাপত্র পড়ো, বিশ্লেষণ করো, লেখো, প্রকাশ করো। Keshav (২০০৭) ৩-পাস গভীর বিশ্লেষণ, Andrew Ng PhD পাঠ পদ্ধতি, IMRaD লেখার স্থাপত্য, engineer কীভাবে পড়ে (code/method নিষ্কাশন), scientist কীভাবে যাচাই করে (replication crisis), PhD কীভাবে gap খোঁজে, নিজের পত্র লেখা, peer review বেঁচে থাকা, Simon Peyton Jones-এর writing-as-research, এবং অন্যের কাজের উপর নির্মাণ। Read, analyze, write, publish research papers — from beginner to researcher. Ten doors: Keshav 3-pass deep dive (2007), Andrew Ng PhD reading strategy, IMRaD anatomy for writing, how engineers read (extract methods/code), how scientists verify (replication crisis, statistics), how PhD students find gaps, finding your research question, writing your own paper (Simon Peyton Jones writing-as-research), surviving peer review (response letters, rejection handling), building on others' work (cite, extend, reproduce), and the complete research workflow with a 90-day plan to your first paper.

একটি জ্ঞান আরেকটির সাথে সংযুক্ত করো — বিচ্ছিন্ন দ্বীপ থেকে জীবন্ত জাল। Gentner-এর structure-mapping theory (১৯৮৩), Munger-এর mental models latticework (~১০০ মডেল), knowledge gap identification methodology, Kounios ও Beeman-এর insight neuroscience (default mode network, gamma waves), Hofstadter-এর analogy-as-cognition, Polya-এর cross-domain heuristics, Novak-এর concept mapping, Medici Effect (Johansson ২০০৪), Hegel-এর dialectical thinking, এবং সব ২৭টা বইয়ের সংযোগ। Connect one knowledge to another — from isolated islands to a living web. The CAPSTONE book that connects all 27 previous books. Covers: Gentner's structure-mapping theory (1983), Munger's mental models latticework, knowledge gap identification, insight neuroscience (Kounios & Beeman, default mode network, gamma waves), Hofstadter's analogy-as-cognition, Polya's heuristics, Novak's concept mapping, Medici Effect (Johansson 2004), Hegel's dialectical thinking (thesis-antithesis-synthesis), and the complete 28-book knowledge architecture.

প্রমাণ ছাড়া দাবি শূন্য — Al-Kindi-এর ফ্রিকোয়েন্সি বিশ্লেষণ থেকে Pearl-এর কার্যকারণ তত্ত্ব পর্যন্ত ১১৬৭ বছরের যাত্রা। Fisher-এর p-value, Neyman-ের বিশ্বাস্যতা-ব্যবধান, Kohavi-ের A/B পরীক্ষা, Ioannidis-ের সতর্কতা। Claims without evidence are empty — from Al-Kindi's frequency analysis to Pearl's causal inference, a 1167-year journey. Fisher's p-value, Neyman's confidence intervals, Kohavi's A/B testing, Ioannidis's replication crisis warning.

লার্নার পারমিট থেকে রোড টেস্ট পর্যন্ত — সম্পূর্ণ প্রস্তুতি। Michigan SOS What Every Driver Must Know হ্যান্ডবুকের উপর ভিত্তি করে। GDL সিস্টেম, ট্রাফিক সাইন, সিগন্যাল, right-of-way, speed limits, parking, safe driving, road sharing, hazards, OWI/DUI, road test checklist। প্রতিটি অধ্যায়ে কমন exam questions। From learner permit to road test — complete preparation based on Michigan SOS handbook. 11 chapters covering every driving rule with common exam questions, plus a complete-drive chapter.