ভূমিকা
ML System Design interview-এর প্রস্তুতি নিতে গিয়ে সবচেয়ে পরিচিত সমস্যাটি হলো—কোথা থেকে শুরু করব, আর কতটুকু পড়ব?
একদিকে scalability, latency, database, cache ও distributed processing; অন্যদিকে feature pipeline, model serving, deployment, monitoring এবং drift। Topic-এর তালিকা যত বড় হয়, preparation তত সহজে এলোমেলো হয়ে যায়। তখন অনেকেই শুধু definition ও technology-এর নাম মুখস্থ করেন; কিন্তু interviewer প্রশ্নটি একটু ঘুরিয়ে করলে বা trade-off জানতে চাইলে উত্তর আটকে যায়।
এই বইটি সেই সমস্যা কমানোর জন্য লেখা। এখানে ১৩৮টি গুরুত্বপূর্ণ concept এমনভাবে সাজানো হয়েছে, যাতে আপনি শুধু কী—তা নয়, কেন, কখন এবং কীভাবে—এই দিকগুলোও বুঝতে পারেন।
প্রতিটি concept শেখার flow হবে:
Concept → সহজ Intuition → Practical Example → System-এ ব্যবহার → Trade-off ও Limitation → Interview-ready Explanation
একটি production ML system শুধু trained model নয়। Model-এর পাশাপাশি data, feature, API, storage, infrastructure, deployment এবং monitoring—সবকিছু একসঙ্গে কাজ করে। তাই interview-এ ভালো উত্তর দিতে হলে সহজ ভাষায় মূল idea বোঝাতে হবে, একটি relevant example দিতে হবে এবং প্রয়োজন অনুযায়ী design trade-off বা limitation উল্লেখ করতে হবে।
এই বইটি বিশেষভাবে কাজে লাগবে যদি আপনি:
Machine Learning Engineer, AI Engineer বা production-focused Data Scientist role-এর interview preparation নিচ্ছেন;
ML System Design ও Production Engineering concepts দ্রুত revise করতে চান;
architecture মুখস্থ না করে design decision-এর reasoning বুঝতে চান;
নিজের ভাষায় সংক্ষিপ্ত, structured ও practical answer দিতে শিখতে চান।
একটি কথা মনে রাখুন:
Interviewer সাধারণত শুধু কোনো technology বা definition মনে আছে কি না, তা যাচাই করেন না। তিনি দেখতে চান আপনি requirement বুঝে সঠিক concept নির্বাচন, trade-off ব্যাখ্যা এবং failure-এর সময় system-এর practical behavior নির্ধারণ করতে পারেন কি না।