২০২৬ এ এসে CSE তে ভর্তি হওয়া কি ভুল সিদ্ধান্ত?
AI নিয়ে দুশ্চিন্তা আর computing ভালোভাবে শেখার দীর্ঘ সিদ্ধান্ত—দুটোকে আলাদা করে ভাবতে এটি আগে দেখুন।
CSE শিক্ষার্থীদের জন্য বিনামূল্যে ক্যারিয়ার গাইড
CSE-তে ঢুকেছ। এখন কী?
জনপ্রিয়তা, ভালো আয়ের আশা কিংবা বিদেশে কাজের স্বপ্ন—যে কারণেই CSE-তে আসো, কিছুদিন পর টের পাবে পরিচিত দু-চারটি চাকরির বাইরেও এই জগৎটা অনেক বড়।
শুরুতে ঠিকমতো দিকনির্দেশনা না পেলে ট্রেন্ড আর এলোপাতাড়ি tutorial-এর পেছনে কখন যে কয়েকটি সেমিস্টার চলে যায়, বোঝাই যায় না। আপনারও এমন হয়ে থাকলে ভয় নেই—ট্রেন এখনও ছেড়ে যায়নি।
কী কী পথ আছে বুঝুন, ছোট করে আসল কাজের স্বাদ নিন, তারপর পরের কাজটি ঠিক করুন। পাশাপাশি এমন ভিত আর বিচারবোধ গড়ুন, যাতে AI-কে চালান আপনি—AI যেন আপনাকে না চালায়।
“ছোট করে শুরু করুন। পরে নিজেকেই ধন্যবাদ দেবেন।”
AI যুগে আপনার শক্তি
AI code লিখতে পারে। কিন্তু সিদ্ধান্তের হাল ধরতে পারবেন তো?
AI ইতিমধ্যেই implementation-এর কিছু কাজ কমিয়ে দিচ্ছে, junior role বদলাচ্ছে এবং সব experience level-এ প্রত্যাশা বাড়াচ্ছে। এই পরিবর্তন বাস্তব। এবার আরও কঠিন একটি প্রশ্ন ভাবুন: software-টি যখন সত্যিই গুরুত্বপূর্ণ, তখন কী ঘটে?
ভবিষ্যৎ বলে দিতে হবে না। চারটি system এবং সেগুলোর ভবিষ্যৎ engineer তৈরির পথটি ভেবে দেখুন।
পাঁচটি প্রশ্ন—একটু থেমে ভাবার মতো
আমরা কোন উত্তর শুনতে চাই, সেটি খুঁজবেন না। আগে নিজের উত্তরটি ভেবে দেখুন।
০১ · মহাকাশআপনি কি launch করতেন?
ভেবে দেখুন
একটি AI agent এমন spacecraft-এর software design ও implement করেছে, যেখানে মানুষ অথবা শত কোটি ডলারের equipment যাবে। Test green, AI-ও বলছে—ready। কিন্তু architecture ঠিক আছে কি না, assumption নিরাপদ কি না, failure mode বোঝা হয়েছে কি না এবং সত্যিই launch করা যাবে কি না—শেষ সিদ্ধান্তটি কে নেবে?
Rollback button যখন পৃথিবী থেকে ৪০০ কিলোমিটার ওপরে, তখন ‘সব test pass’ কথাটির ওজন একটু অন্য রকম।
শেষ সিদ্ধান্তের দায় কার?০২ · স্বাস্থ্য‘দেখে তো ঠিকই লাগছে’—এটুকু কি যথেষ্ট?
ভেবে দেখুন
Software-টি medical decision-এ প্রভাব ফেলে বা medical device নিয়ন্ত্রণ করে। AI-generated implementation common case-এ কাজও করছে। কিন্তু uncommon patient, অদ্ভুত input, sensor failure, missing data কিংবা happy-path demo-তে না থাকা condition—এসব কে খুঁজে দেখবে?
‘আমার laptop-এ তো ঠিকই চলে’—medical software-এর certification হিসেবে কথাটি একটু দুর্বল।
Edge case-এর ঝুঁকি গ্রহণযোগ্য—এটি প্রমাণ করবে কে?০৩ · Finance ও FinTechLedger-টি এর হাতে দিতেন?
ভেবে দেখুন
একটি banking, insurance বা FinTech platform লাখ লাখ transaction, claim বা decision process করে। AI দ্রুত feature বানিয়ে আত্মবিশ্বাসের সঙ্গে ব্যাখ্যাও দিল। কিন্তু security, consistency, reconciliation, permission, audit trail, compliance, failure recovery এবং দুই system একমত না হলে কী হবে—এসব যাচাই করবে কে?
হারানো শূন্যটি আপনার account-এর হলে ‘সম্ভবত ঠিক’ কথাটি আর তেমন মিষ্টি শোনায় না।
পরিণতিটা সত্যি বুঝবে কে?০৪ · আপনার businessএবার ভাবুন, টাকাটা আপনার।
ভেবে দেখুন
আপনার company-র আসল সুবিধা এমন business logic-এ, যা competitor-এর নেই। AI system generate ও modify করতে পারে। তারপরও business rule, architecture, security, data, trade-off এবং দীর্ঘমেয়াদি ফল বুঝে কী বানানো উচিত—সেই সিদ্ধান্ত নেওয়ার মতো expertise কি ঘরে লাগবে?
Plot twist: এবার stakeholder আপনি নিজেই।
সিদ্ধান্তের ঘরে কাদের expertise চাইবেন?০৫ · Engineer তৈরির পথপরের senior engineer তৈরি হবে কোথায়?
ভেবে দেখুন
Company junior work, apprenticeship আর career ladder নতুনভাবে সাজাতে পারে। AI হয়তো beginner-কে আগেই কঠিন কাজের চেষ্টা করতে সাহায্য করবে। কিন্তু decision review, অদ্ভুত failure debug, জটিল system পড়া, ভুল করা আর সেটি ঠিক করার মধ্য দিয়েই judgment তৈরি হয়। Company যদি শুধু experience ব্যবহার করে, তৈরিতে সাহায্য না করে, একসময় pipeline-এর সমস্যাটিও তাদেরই হবে।
আট বছর অপেক্ষা করলেই SeniorEngineer.exe নিজে থেকে install হয়ে যায় না।
Beginner থেকে expert হওয়ার টেকসই পথটি কেমন হতে পারে?পাঁচটি প্রশ্নের মধ্যে মিল কোথায়?উত্তরটি দেখি
খেয়াল করুন, একটি প্রশ্ন আমরা করিইনি।
AI কি code লিখতে পারে?
ক্রমেই বেশি পারে—এবং সম্ভবত আরও ভালো পারবে। কঠিন প্রশ্নগুলো ছিল:
- আসলে কী বানানো উচিত?
- কোন assumption নিরাপদ?
- কোথায় failure হতে পারে?
- উত্তরটি ঠিক—জানব কীভাবে?
- কোন trade-off গ্রহণযোগ্য?
- Deploy করার জন্য কতটুকু evidence যথেষ্ট?
- বাস্তবতা specification-এর মতো না চললে কী হবে?
- ফলাফলের দায় কে নেবে?
এই কারণেই ‘coding’ আর ‘software engineering’ পুরোপুরি একই কথা নয়।
AIআমি ৮,৭৪২ line generate করেছি। সব test pass।
Engineerচমৎকার। Payment service-এর user delete করার permission লাগছে কেন?
AI…দারুণ প্রশ্ন।
Frame → Verify → Own
Implementation সস্তা হলে কোন দক্ষতাগুলোর মূল্য বাড়ে?
১. Frame
AI-কে সমাধান করতে বলার আগে আসল problem, constraint, user, data, risk আর ‘done’ বলতে কী বোঝাচ্ছেন—সেটি পরিষ্কার করতে পারবেন?
Problem ভুলভাবে ধরেছেন + code দ্রুত হয়েছে = ভুল পথে আরও দ্রুত গেছেন।২. Verify
দেখতে বিশ্বাসযোগ্য উত্তরকেও test, evidence, edge case, security reasoning আর system knowledge দিয়ে প্রশ্ন করতে পারবেন?
আত্মবিশ্বাস কোনো test suite নয়।৩. Own
Trade-off ব্যাখ্যা করতে, কিছু ভাঙলে system বুঝিয়ে বলতে এবং real user-এর কাছে যা পৌঁছায় তার দায়িত্ব নিতে পারবেন?
রাত ২:১৭-এর প্রশ্নটির উত্তর এখনও কাউকে দিতে হবে: ‘Production এমন করল কেন?’
তাহলে… এখনও কি software engineering শিখবেন?
কোনো role-ই নিশ্চিতভাবে safe নয়, আর গতকালের senior skill set আগামীকালও যথেষ্ট থাকবে—এমন নিশ্চয়তা নেই। তাই আরও কাজে লাগে এমন প্রশ্ন হলো: AI implementation-এ আরও ভালো হতে থাকলে, আমাকে কোন দক্ষতাগুলোতে ভালো হতে হবে?
Code typing-এ AI-কে হারানোর training নেবেন না। System এতটা ভালো করে বুঝুন, যাতে problem frame করতে, উত্তরকে প্রশ্ন করতে, evidence যাচাই করতে এবং ফলাফলের দায়িত্ব নিতে পারেন।
এখন কোনগুলো practice করবেন
- সমাধানের আগে problem, business আর domain বুঝুন
- Code কী করছে বুঝতে programming, algorithm আর trade-off যথেষ্ট ভালো জানুন
- System, architecture আর data নিয়ে যুক্তি দিয়ে ভাবুন
- Test আর evidence দিয়ে assumption-কে প্রশ্ন করুন
- অপরিচিত code পড়ুন এবং unexpected failure investigate করুন
- Security, privacy, misuse আর recovery নিয়ে ভাবুন
- Decision আর trade-off পরিষ্কারভাবে বোঝান
- যেখানে কাজে লাগে, সেখানে AI সাহসের সঙ্গে ব্যবহার করুন—তবে cost, security আর governance বুঝে
ভবিষ্যতের job title বদলাতে পারে। Tool তো বদলাবেই। মূল্যবান কাজটি হলো—সেই tool দিয়ে বুঝে, সিদ্ধান্ত নিয়ে, যাচাই করে এবং দায়িত্বের সঙ্গে build করতে পারে এমন মানুষ হওয়া।
আরও গভীরে দেখুন
AI নিয়ে চিন্তিত? প্রশ্নটি জরুরি। এবার ঠিকভাবে যাচাই করুন।
Routine implementation আর ছোট freelance কাজের কিছু অংশ ইতিমধ্যেই কমছে। Junior role, senior-দের কাছে প্রত্যাশা, team structure এবং নিয়মিত AI ব্যবহারের cost—সবই বদলাচ্ছে। Market শেষ পর্যন্ত কেমন হবে জানি—এমন ভান না করে evidence দেখুন এবং AI-resilient practice গড়ুন।
বিস্তারিত guidance-এর পেছনের evidence: DORA · NIST NCCoE
এখান থেকেই পরের ধাপ
আজ কোনটা আপনার কাজে লাগবে?
একটা পথ বেছে নিন। পরে বদলাতেই পারেন—quiz, account বা নিখুঁত উত্তর লাগবে না।
পিছিয়ে পড়েছেন মনে হচ্ছে? সবার সঙ্গে পাল্লা দিতে হবে না। আজ একটা ছোট কাজ দিয়ে শুরু করলেই হয়। বাস্তবসম্মতভাবে আবার শুরু করুন →
কিছু বেছে নেওয়ার আগে
চাপটা একটু কমান।
- CSE একটি ক্যারিয়ার নয়—অনেক ধরনের কাজের বিশাল জগৎ।
- Programming একটি tool। আর framework-এর তালিকা কোনো career plan নয়।
- সারাজীবনের শপথ না নিয়েও ভেবেচিন্তে পথগুলো ঘুরে দেখা যায়।
প্রথম দিকনির্দেশনা একটি draft—চূড়ান্ত রায় নয়।
বাংলাদেশের tech leaders ও practitioners
কাকে শুনবেন, সেটি বাছতেও বিচারবোধ লাগে।
শুধু headline দেখে সিদ্ধান্ত নেবেন না। দেশের practitioner, leader আর educator-দের অভিজ্ঞতা শুনুন; তারপর প্রতিটি দাবি evidence আর নিজের কাজ দিয়ে মিলিয়ে দেখুন।
AI আসছে, তবু programming কেন শিখবেন?
Programming-এর চর্চাকে বোঝাপড়া, যাচাই আর tool-কে দায়িত্ব নিয়ে চালানোর ক্ষমতার সঙ্গে মিলিয়ে দেখুন।
CSE career landscape
কোন ক্যারিয়ারে আসলে কী কাজ?
আলাদা সমস্যা, প্রতিদিনের কাজ আর ভালো-মন্দ বুঝুন। কৌতূহল হয় এমন একটি ক্যারিয়ার খুলুন—এখন শুধু দেখছেন, সিদ্ধান্তটা পাথরে খোদাই করছেন না।
Software তৈরি করুন
ব্যবহারযোগ্য product এবং তার পেছনের system তৈরি, পরীক্ষা ও উন্নত করুন।
৪টি ক্যারিয়ারের পথ দেখুন
Data থেকে অর্থ খুঁজে বের করুন
Data-কে নির্ভরযোগ্য ও ব্যবহারযোগ্য করুন, তারপর সেখান থেকে সিদ্ধান্তের উপযোগী অর্থ বের করুন।
২টি ক্যারিয়ারের পথ দেখুন
বুদ্ধিমান system তৈরি করুন
শেখে সিদ্ধান্ত নিতে পারে—এমন system তৈরি করুন এবং সেটি আসলেই কতটা ভালো কাজ করছে যাচাই করুন।
২টি ক্যারিয়ারের পথ দেখুন
System নিরাপদ রাখুন
হুমকি ও দুর্বলতা বুঝে বাস্তব ঝুঁকি কমান।
System সচল ও নির্ভরযোগ্য রাখুন
Software release থেকে প্রতিদিনের operation—পুরো প্রক্রিয়াটিকে নির্ভরযোগ্য রাখুন।
২টি ক্যারিয়ারের পথ দেখুন
Hardware ও বাস্তব যন্ত্র নিয়ে কাজ করুন
Electronic system তৈরি করুন এবং software-কে sensor, device ও বাস্তব জগতের সঙ্গে যুক্ত করুন।
২টি ক্যারিয়ারের পথ দেখুন
Computing-এর গভীরে যান
Tool বদলালেও যে ধারণা, algorithm ও system থেকে যায়—সেগুলো গভীরভাবে বুঝুন।
১টি ক্যারিয়ারের পথ দেখুন
প্রযুক্তি ও মানুষকে যুক্ত করুন
মানুষের প্রয়োজন, প্রযুক্তিগত কাজ এবং team-এর সিদ্ধান্তকে একই দিকে এগিয়ে নিন।
২টি ক্যারিয়ারের পথ দেখুন
বেছে নেওয়ার আগে করে দেখুন
এই কাজটি করতে আমার ভালো লাগবে?
নিরাপদ ৬০–১২০ মিনিটের ছোট challenge নিন। আগে কী জানা দরকার দেখুন, কাজ করে বুঝুন কোনটা ভালো লাগে—তারপর বড় শেখার পথ বেছে নিন।
Backend Engineering
ছোট একটি API বানান, ভেঙে দেখুন, তারপর কারণ বোঝান
এই কাজটি করে দেখি →Cybersecurity
অনুমোদিত একটি web-security flaw অনুসন্ধান করুন
এই কাজটি করে দেখি →Machine Learning Engineering
ছোট একটি classifier train করুন, তারপর তার ভুল ধরুন
এই কাজটি করে দেখি →আরও তিনটি বাড়তে থাকা পথ করে দেখুন: analytics, AI আর application security
Data Analytics & BI
Dashboard বানানোর আগে metric-টিকেই প্রশ্ন করুন
এই কাজটি করে দেখি →AI Engineering
শুধু AI demo নয়—যাচাই করা যায় এমন answer finder বানান
এই কাজটি করে দেখি →Application Security
ছোট একটি feature-এর threat model বানিয়ে সেটিকে সুরক্ষিত করুন
এই কাজটি করে দেখি →বারবার কাজে লাগে এমন একটি loop
কী শিখব—আর সেটা কাজে লাগাব কোথায়?
Understand → Explore → Compare → Try → Prepare → Adapt
ছয় ধাপের loop খুলুন
- বুঝুনএখন কোথায় আছেন, বুঝুন।
- দেখুনচাকরির নামের পেছনের আসল কাজ দেখুন।
- তুলনা করুনকাজের ভালো-মন্দ মিলিয়ে দেখুন।
- ট্রাই করুনছোট কাজ করে নিজের অভিজ্ঞতা নিন।
- প্রস্তুত হোনভিত্তিটা শক্ত করুন।
- বদলানকাজ বদলালে শেখাটাও বদলান।
ক্যারিয়ার রোডম্যাপ বলে কী শিখবেন। লক্ষ্যভিত্তিক গাইড দেখায়, শেখাটা কোথায় কাজে লাগাবেন। শেখার রোডম্যাপ বেছে নিন · প্রস্তুতির গাইড দেখুন
নিখুঁত plan-এর চেয়ে কাজে লাগে এমন একটি ধাপ ভালো
সব উত্তর আজই জানতে হবে না।
আজ নিজেকে ২০ মিনিট দিন: একটি ক্যারিয়ার দেখুন, কোন কথাটি ভালো লাগে খেয়াল করুন, তারপর করে দেখার মতো একটি কাজ বেছে নিন। এটিও সত্যিকারের শুরু।
আমার পরের ধাপ খুঁজে দিনSign-up নেই। নিখুঁত উত্তরও লাগবে না।