New book center

26/06/2026

বেস্ট সেলিং টেক বইগুলো সংগ্রহ করুন, আর নিজেকে আপগ্রেড রাখুন,
Data Science | AI Engineering | Software Engineering | Programming | Coding huge collection available
আপনার প্রয়োজনীয় বইটি আজই সংগ্রহ করুন।
📩 অর্ডারের জন্য ইনবক্স করুন।
লোকেশন: 122 new book center, nilkhet islamia market, 8 number goli
Whatsapp : 01963-822422

26/06/2026

System design interview price in bd
Inbox☞
কয়েকটা বই আছে যেগুলো পড়ার পর মনে হয়, interview preparation মানে শুধু প্রশ্নের উত্তর মুখস্থ করা না। “System Design Interview – Volume 1” আমার কাছে ঠিক তেমনই একটা বই।

আগে system design শুনলেই load balancer, database, cache—এসব buzzword মাথায় আসত। কিন্তু এই বইটা পড়তে গিয়ে বুঝলাম, আসল বিষয়টা হলো trade-off বোঝা।

সবচেয়ে ভালো লেগেছে real-world systems ভেঙে ভেঙে explain করার পদ্ধতি। URL Shortener, Rate Limiter, Web Crawler-এর মতো design problems দেখে বুঝতে পারলাম, বড়-scale application-এর পেছনে কত layer-এর চিন্তা কাজ করে।

এই বইটা পড়ার সময় অনেক জায়গায় মনে হয়েছে, coding interview আর system design interview আসলে দুইটা সম্পূর্ণ আলাদা খেলা। একটাতে algorithm, আর অন্যটাতে architecture।

Software Engineering journey-তে এমন কিছু বই থাকে যেগুলো code লেখার চেয়ে code-এর পেছনের system নিয়ে ভাবতে শেখায়। এটা সেরকম একটা বই।

24/06/2026

Generative ai system design interview price in bd inbox

AI নিয়ে বই পড়তে পড়তে একটা জিনিস বুঝেছি—model কীভাবে কাজ করে সেটা জানা গুরুত্বপূর্ণ, কিন্তু interview-তে আসল পরীক্ষা হয় কীভাবে একটা system design করো।

“Generative AI System Design Interview” পড়তে গিয়ে সবচেয়ে ভালো লেগেছে যে বইটা theory থেকে বেশি বাস্তব engineering decisions-এর উপর focus করে।

RAG, vector databases, LLM orchestration, evaluation, scalability—এসব বিষয় নিয়ে অনেক content আছে। কিন্তু interview perspective থেকে কীভাবে চিন্তা করতে হবে, সেটা খুব কম resource-এ পাওয়া যায়।

পড়তে গিয়ে বারবার মনে হয়েছে, একটা AI feature বানানো আর millions of users-এর জন্য reliable AI system design করা সম্পূর্ণ ভিন্ন challenge।

বিশেষ করে system trade-offs নিয়ে আলোচনা গুলো বেশ eye-opening। কারণ বাস্তবে perfect solution বলে কিছু নেই—cost, latency, accuracy আর reliability-এর মধ্যে balance করাটাই আসল skill।

যারা AI Engineering, ML Systems বা GenAI-focused technical interviews-এর preparation নিচ্ছে, তাদের জন্য বইটা বেশ practical একটা resource।

23/06/2026

Data Science শিখতে গিয়ে একটা সময় বুঝলাম—মডেল বানানো যতটা গুরুত্বপূর্ণ, data আসলে কী বলছে সেটা বোঝা তার চেয়েও গুরুত্বপূর্ণ।

“Practical Statistics for Data Scientists” বইটা পড়তে গিয়ে সবচেয়ে ভালো লেগেছে যে এটা statistics-কে academic subject হিসেবে না দেখে practical tool হিসেবে উপস্থাপন করেছে।

Mean, variance, hypothesis testing, regression, sampling—এই terms গুলো আগে অনেকবার দেখেছি। কিন্তু এখানে এগুলোকে real data problems-এর সাথে connect করে দেখানো হয়েছে, তাই বিষয়গুলো অনেক বেশি অর্থপূর্ণ মনে হয়েছে।

বিশেষ করে R আর Python দুটো দিয়েই examples দেওয়ায় theory আর implementation-এর মধ্যে gap টা কমে যায়। বইটা পড়তে গিয়ে কয়েকবার মনে হয়েছে, data science-এর অনেক common mistake statistics-এর foundation দুর্বল হওয়ার কারণেই হয়।

Machine Learning model train করার আগে data-কে ঠিকভাবে বুঝতে চাইলে, এই বইটা দারুণ একটা companion। কারণ ভালো prediction শুরু হয় ভালো understanding থেকে।

22/06/2026

Generative AI নিয়ে কাজ করতে গিয়ে একটা জিনিস বুঝেছি—ভালো result পাওয়ার জন্য শুধু powerful model যথেষ্ট না, model-এর সাথে কীভাবে communicate করতে হয় সেটাও জানা দরকার।

“Prompt Engineering for Generative AI” পড়তে গিয়ে সবচেয়ে ভালো লেগেছে যে বইটা prompt-কে shortcut বা hack হিসেবে না দেখে একটা skill হিসেবে explain করেছে।

অনেক সময় আমরা ভাবি model ভুল করছে। কিন্তু বইটা পড়তে গিয়ে বুঝলাম, অনেক ক্ষেত্রে সমস্যাটা model না, আমরা কীভাবে context, instructions আর examples দিচ্ছি সেখানে।

বিশেষ করে prompt patterns, chain-of-thought, structured outputs আর real-world use cases-এর আলোচনা গুলো বেশ insightful লেগেছে। ছোট ছোট পরিবর্তন কীভাবে output-এর quality বদলে দিতে পারে, সেটা দেখার মতো।

AI tools ব্যবহার করা আর AI থেকে consistently ভালো result বের করে আনা—দুইটা আলাদা বিষয়। বইটা মূলত সেই gap টা পূরণ করার চেষ্টা করে।

Generative AI, ChatGPT, Claude বা অন্য LLM-based applications নিয়ে যারা কাজ করছে, তাদের জন্য বইটা practical এবং সময়োপযোগী একটা read।

21/06/2026

কিছু বই নতুন কিছু শেখায়, আর কিছু বই পুরো field-টাকে নতুনভাবে দেখতে শেখায়। “Artificial Intelligence: A Modern Approach” আমার কাছে দ্বিতীয় ধরনের বই।

AI নিয়ে যতই নতুন নতুন tools আর models আসুক, বইটা পড়তে গিয়ে বুঝলাম—অনেক modern breakthrough-এর শিকড় আসলে বহুদিন আগের concepts-এর মধ্যেই লুকিয়ে আছে।

সবচেয়ে ভালো লেগেছে যে বইটা AI-কে শুধু Machine Learning বা Deep Learning-এর মধ্যে সীমাবদ্ধ রাখে না। Search, reasoning, planning, knowledge representation, uncertainty—AI-এর পুরো landscape-টাই এক জায়গায় দেখার সুযোগ দেয়।

এটা এমন একটা বই না যেটা এক বসায় পড়ে শেষ করা যায়। বরং মাঝে মাঝে কয়েক পৃষ্ঠা পড়েই থামতে হয়েছে, কারণ একটা concept নিয়েই অনেকক্ষণ ভাবতে ইচ্ছে করেছে।

যদি AI-কে শুধু ব্যবহার না করে, সত্যিকার অর্থে বুঝতে চাও—কেন AI কাজ করে, কোথায় সীমাবদ্ধতা, আর ভবিষ্যৎ কোন দিকে যেতে পারে—তাহলে এই বইটা পড়ার মতো। এটা textbook কম, AI-এর জন্য একটা long-term reference বেশি।
Artificial Intelligence: A Modern Approach" (4th Edition) by Stuart Russell and Peter Norvig price in bd inbox

20/06/2026

মজার ব্যাপার হলো, ChatGPT বা অন্য LLM ব্যবহার করতে করতে অনেক সময় মনে হয় ভালো prompt মানেই কয়েকটা clever instruction লিখে দেওয়া। কিন্তু “Prompt Engineering for LLMs” পড়তে গিয়ে বুঝলাম, এর পেছনে একটা পুরো design process আছে।

বইটা শুধু prompt লেখার tricks শেখায় না, বরং দেখায় কীভাবে LLM-based applications reliable, consistent আর useful করা যায়।

সবচেয়ে ভালো লেগেছে যে এখানে prompt-কে magic হিসেবে না দেখে engineering problem হিসেবে দেখানো হয়েছে। কোন technique কখন কাজ করে, কোথায় fail করতে পারে, আর কীভাবে improve করা যায়—এসব বিষয় নিয়ে বেশ বাস্তবধর্মী আলোচনা আছে।

পড়তে গিয়ে বুঝলাম, অনেক সময় model change করার আগে prompt design, context management বা evaluation process improve করলেই ভালো result পাওয়া যায়।

যারা GenAI, AI products বা LLM applications নিয়ে কাজ করছে, তাদের জন্য বইটা prompt লেখার guide-এর চেয়ে বেশি—এটা AI systems নিয়ে structured ভাবে চিন্তা করার একটা roadmap।

19/06/2026

LLM নিয়ে কাজ করতে গিয়ে একটা বিষয় খুব দ্রুত বুঝেছি—একটা model demo-তে ভালো কাজ করলেই সেটা successful product হয়ে যায় না।

“LLMs in Production” পড়তে গিয়ে সবচেয়ে বেশি যেটা ভালো লেগেছে, সেটা হলো বইটা AI-এর hype থেকে বের হয়ে বাস্তব সমস্যাগুলো নিয়ে কথা বলে।

Latency, cost, evaluation, monitoring, hallucination—এসব বিষয় সাধারণত শুরুতে খুব একটা গুরুত্ব পায় না। কিন্তু production environment-এ এগুলোই সবচেয়ে বড় challenge হয়ে দাঁড়ায়।

বইটা পড়ার সময় বারবার মনে হয়েছে, AI product বানানোর আসল কাজ model select করা না; বরং এমন একটা system তৈরি করা, যেটা users-এর জন্য consistently value deliver করতে পারে।

যারা LLM নিয়ে experiment করার পর্যায় পার করে real-world applications build করতে চায়, তাদের জন্য এই বইটা বেশ eye-opening। কারণ এখানে focus technology-এর চেয়ে execution-এর উপর বেশি।

17/06/2026

LLM নিয়ে অনেক article, tutorial আর video দেখেছি। কিন্তু “Hands-On Large Language Models” পড়তে গিয়ে প্রথমবার মনে হলো—বিষয়টা শুধু prompt লিখে chatbot বানানোর চেয়ে অনেক বড়।

Jay Alammar-এর একটা জিনিস সবসময় ভালো লাগে, তিনি complex concepts-কে visual আর intuitive করে explain করেন। এই বইটাতেও সেটার ছাপ আছে।

সবচেয়ে মজার লেগেছে transformer, embeddings, vector search আর fine-tuning এর মতো বিষয়গুলোকে বাস্তব উদাহরণের মাধ্যমে দেখানো। অনেক concept যেগুলো আগে buzzword মনে হতো, এখন অন্তত বোঝা যাচ্ছে এগুলো আসলে কোথায় fit করে।

বইটা পড়তে গিয়ে বারবার মনে হয়েছে, AI ব্যবহার করা আর AI system বোঝা—দুইটা সম্পূর্ণ আলাদা skill।

যারা ChatGPT, Llama, RAG, embeddings বা modern AI applications নিয়ে কাজ করতে চায়, তাদের জন্য এটা শুধু একটা বই না, LLM ecosystem-এর একটা guided tour বললেও ভুল হবে না।

16/06/2026