16/07/2026
Full-stack Army এর পরে আমার তৈরি করা সেই রকম ইমপ্যাক্ট ফুল একটা কনটেন্ট হতে যাচ্ছে AI Engineering 101 কোর্সটা। না, এইটা AI শিখুন মিলিয়নিয়ার হন টাইপের কোনো কোর্স না। এইটা একটা ডিরেকশনাল কোর্স যা AI Engineering রিলেটেড কমপ্লিকেটেড টার্মস গুলোকে সহজ ভাবে এক্সপ্লেন করবে, সফটওয়্যার ইঞ্জিনিয়ারিং এর ঠিক কোন জায়গায় এবং কিভাবে AI ইঞ্জিনিয়ারিং ফিট হচ্ছে সেই রিলেশন নিয়ে আলোচনা হবে এবং ফাইনালি একজন ডেভেলপার / ইঞ্জিনিয়ার হিসেবে আমার ডিরেকশন কি হওয়া উচিৎ সেই বিষয়ে গাইডলাইন দেওয়া হবে।
গতকালকে মেসির খেলা দেখার পরে আর ঘুম আসে নি। ভাবলাম সময়টাকে পসিটিভ ভাবে কাজে লাগাই। তো বসে বসে AI ইঞ্জিনিয়ারিং কোর্সের রিসার্চ করলাম এবং কনটেন্ট গুলো ফাইনালাইজ করে ফেলেছি। এইটা যদিও তিন নাম্বার ভার্সন, তবে আশা করছি AI নিয়ে কনফিউশন গুলো ক্লিয়ার করে একটা সঠিক ডিরেকশনে কাজ শুরু করার জন্য এইটাই যথেষ্ট হবে।
রিলিজ ডেট: সরি এখনও দিতে পারছি না, আজকে রাত থেকে রেকর্ডিং শুরু করবো।
মডিউল: ৫ টা ক্যাটাগরিতে সর্বমোট ১২ টা লেকচার
ডিউরেশন: বেশি না, ৪-৫ ঘণ্টার বেশি হবে না।
মূল্য: হে হি ফ্রি, আই মিন সম্পূর্ণ ফ্রি না। ৪ টা ইউটিউবে ফ্রি আর পুরো কোর্স Stack Learner এর ওয়েবসাইটে ফ্রি। তার মানে ওয়েবসাইটের ইউজার একুজিশন কস্ট হচ্ছে এই কোর্স এর ফি।
কি কি শিখবো?
আপনি কি শিখবেন তা জানি না, তবে আমি নিচের প্রতিটি কিওয়ার্ড নিয়েই আলোচনা করবো। কিওয়ার্ড গুলো আলফাবাটিকাল অর্ডারে সাজিয়ে দিলাম।
A2A Protocol, Agent, Agent Handoff, Agent Harness, Agent Loop, Agent Skills, Agentic RAG, AI Engineering, AI Research, AI-assisted Development, Approval Gates, Autonomy Levels, Benchmarks, Build vs Integrate, Chunking, Context Compaction, Context Engineering, Context Rot, Context Window, Data Flywheel, Data Leakage, Determinism, Distillation, Embeddings, Error Analysis, Eval-driven Development, Evals, Few-shot Prompting, Foundation Model, Function Calling, Golden Dataset, Graceful Degradation, Guardrails, Hallucination, Human-in-the-loop, Hybrid Search, Idempotency, Indexing, Indirect Prompt Injection, Inference, Jailbreak, JSON Schema, Knowledge Cutoff, Knowledge Graph, Least Privilege, LLM, LLM-as-Judge, Long Context, Lost in the Middle, MCP, MCP Client, MCP Server, ML Engineering, Model Routing, Multimodal, Multi-agent Systems, Non-determinism, Observability, Open-weight Models, Orchestrator, Parameters, Persistent Memory, PII, Post-training, Pretraining, Prompt Caching, Prompt Engineering, Prompt Injection, Proprietary Models, Quantization, RAG, Rate Limits, Reasoning Models, Retries, Reranking, RLHF, Sampling, Sandboxing, Semantic Failure, Short-term Memory, Similarity Search, Small Models, Streaming, Structured Outputs, Sub-agent, Summarization, System Prompt, Temperature, Test-time Compute, Token, Token Pricing, Tokenization, Tool Poisoning, Tool Schema, Tool Use, Tracing, Training, Trajectory Evaluation, Transformer, Throughput, Vector Database, Vibe Coding, Workflows
- HM Nayem
