অধ্যায় 6 · প্রজেক্ট ও পরের ধাপ
সারসংক্ষেপ, চিট শিট ও এরপর কী
- পৃষ্ঠা 20 / 20
- 3 মিনিট পড়া
এখন আপনি যা পারেন
- ভার্চুয়াল এনভায়রনমেন্ট, এডিটর আর pip দিয়ে Python সাজানো — অথবা নোটবুকে কাজ করা।
- Python-এর মূল টাইপ আর কালেকশন ব্যবহার, সিদ্ধান্ত নেওয়া, লুপ চালানো, আর ফাংশন ও ক্লাস লেখা।
- টেক্সট, JSON, CSV আর JSON Lines ফাইল পড়া-লেখা, আর ঠিকভাবে এরর সামলানো।
- NumPy-তে অ্যারে, pandas-এ টেবিল আর Matplotlib-এ চার্ট নিয়ে কাজ।
- Python থেকে নিরাপদে ওয়েব API আর LLM ব্যবহার: গোপন key, টাইমআউট, রিট্রাই, যাচাই, async আর স্ট্রিমিং।
চিট শিট
| কাজ | Python |
|---|---|
| লেখা সাজানো | f"{name} scored {score:.1f}" |
| অবস্থানসহ লুপ | for i, item in enumerate(items, start=1): |
| ছাঁকা লিস্ট বানানো | [x.strip() for x in lines if x.strip()] |
| নিরাপদে dict-এর key পড়া | data.get("key", default) |
| একটা ঘর অনুযায়ী সাজানো | sorted(rows, key=lambda r: r["score"], reverse=True) |
| ফাইল পড়া | with open(path, encoding="utf-8") as f: |
| JSON ↔ Python | json.loads(text) / json.dumps(obj, ensure_ascii=False) |
| নির্দিষ্ট এরর ধরা | try: … except ValueError as error: … |
| টেবিল লোড | df = pd.read_csv("data.csv") |
| ছাঁকা আর গ্রুপ করা | df[df["x"] > 5].groupby("col")["y"].mean() |
| API কল | requests.post(url, json=payload, timeout=10) |
| LLM কল | client.responses.create(model=MODEL, input=text).output_text |
| একসাথে অনেক কল | await asyncio.gather(*(task(x) for x in items)) |
শব্দকোষ
| শব্দ | অর্থ |
|---|---|
| ভেরিয়েবল | একটা নাম, যা কোনো মানকে নির্দেশ করে |
| ফাংশন | নাম দেওয়া, আবার ব্যবহারযোগ্য কোডের অংশ, যা ইনপুট নিয়ে ফলাফল ফেরত দিতে পারে |
| ক্লাস / অবজেক্ট | ডেটা আর মেথড একসাথে বাঁধা নকশা / তা থেকে বানানো একটা জিনিস |
| মডিউল / প্যাকেজ | ইমপোর্ট করা যায় এমন Python ফাইল / মডিউলের ফোল্ডার, প্রায়ই pip দিয়ে ইনস্টল করা |
| ভার্চুয়াল এনভায়রনমেন্ট | একটা প্রজেক্টের জন্য ইনস্টল করা প্যাকেজের নিজস্ব সেট |
| এক্সেপশন | প্রোগ্রাম চলার সময় ওঠা এরর, যা ধরা আর সামলানো যায় |
| JSON | গোছানো ডেটার লেখা-ফরম্যাট, প্রায় সব ওয়েব API এটা ব্যবহার করে |
| ভেক্টরাইজেশন | উপাদান ধরে ধরে লুপ না চালিয়ে পুরো অ্যারের ওপর একসাথে কাজ |
| DataFrame | pandas-এর সারি আর নাম দেওয়া কলামের টেবিল |
| API / SDK | প্রোগ্রামের সাথে একটা সার্ভিসের কথা বলার উপায় / API-কে সহজ কোডে মুড়ে দেওয়া লাইব্রেরি |
| এমবেডিং | একটা লেখার অর্থ বোঝানো সংখ্যার তালিকা |
| Async | অপেক্ষায় থাকা অনেক কাজ (যেমন API কল) একসাথে চালানো |
নিজেকে যাচাই করুন
তিনটা কুইজ ক্রমানুসারে দিন: সহজ (অধ্যায় ২, মৌলিক বিষয়ের পর), মাঝারি (অধ্যায় ৪, ফাইল, ক্লাস আর ডেটার পর) আর কঠিন চূড়ান্ত পরীক্ষা (অধ্যায় ৫, AI কাজের পর)। যে উত্তর ভুল হবে তার ব্যাখ্যা পড়ুন, তারপর সেই পাতায় ফিরে যান।
এরপর কী
Level 0 পথের পরের বিষয় গণিত ও পরিসংখ্যানের মৌলিক বিষয় — মেশিন লার্নিংয়ের পেছনের ভেক্টর, সম্ভাবনা আর পরিসংখ্যান, যা এখন আপনি NumPy-তে নিজেই পরখ করতে পারবেন — তারপর SQL ও ডেটা নিয়ে কাজ, Git, API ও বেসিক ব্যাক-এন্ড, আর প্রম্পট ইঞ্জিনিয়ারিং।
সবচেয়ে বড় কথা: কিছু একটা বানান। ছোট, আসল একটা সমস্যা বেছে নিন — আপনার পড়ার নোট, দোকানের অর্ডার, ক্লাবের মেসেজ — আর এই টিউটোরিয়ালের হাতিয়ার দিয়ে সমাধান করুন। প্রোগ্রাম লিখেই প্রোগ্রামিং শেখা হয়।