Python সেটআপ ও Hello World

এই প্রশ্নটি AI ইঞ্জিনিয়ারিং-এর সবচেয়ে গভীর architectural সিদ্ধান্তগুলোর একটি ব্যাখ্যা করে। হ্যাঁ — Python পিউর Python কোড চালালে C++-এর চেয়ে ১০০× ধীর হতে পারে। কিন্তু কেউ AI-র গণনা পিউর Python-এ করে না।

"Two-language problem" ও তার সমাধান:

• সমস্যা: গবেষকরা সরল ভাষা চান (Python)। কিন্তু GPU-তে দ্রুত গণনা চান (C++/CUDA)।
• সমাধান: Python-এর সব heavy কাজ C/C++/CUDA-তে লেখা — Python শুধু "নির্দেশ পাঠায়"।
• NumPy-র np.array — ভেতরে C struct। a + b লিখলে — Python-এর মধ্যে পার হয় না, সরাসরি C লুপ চালায়।
• PyTorch-এর tensor operations — CUDA kernel-এ যায়, GPU-তে চলে।

প্রমাণ: বিশুদ্ধ Python-এ ১০ লক্ষ সংখ্যা যোগ — ~০.৫ সেকেন্ড। NumPy-তে — ~০.০০৫ সেকেন্ড (১০০×)। কারণ NumPy ভিতরে SIMD-optimized C লুপ চালায়।

Python-এর প্রকৃত শক্তি:

• Glue ভাষা: NumPy (C), TensorFlow (C++), PyTorch (C++), JAX (XLA) — সব Python থেকে একই ভাষায় access।
• Iteration speed: গবেষণায় বার বার পরীক্ষা করতে হয় — Python-এর REPL ও notebook এই কাজে অতুলনীয়।
• Community ও ecosystem: ৪ লাখ+ package PyPI-তে। যেকোনো paper আজ-ই Python-এ implement।

প্রতিদ্বন্দ্বী যাঁরা চেষ্টা করেছেন:

• Julia (২০১২): "Python-এর সরলতা + C-র দ্রুততা" দাবি। গবেষকদের পছন্দ। তবে ecosystem ছোট, jobs কম।
• Mojo (২০২৩): Python-এর superset দাবি Modular AI-র। প্রতিশ্রুতি বড়, এখনো নবজাতক।
• Rust (production-এ): Hugging Face-এর tokenizer Rust-এ লেখা। কিন্তু interface Python-এ।

মূল উপলব্ধি: Python "ধীর" নয় — Python-এর interface "ধীর" হলেও — তার ecosystem-এর performance C/C++/CUDA-র সমান। AI-তে Python = "fast where it matters, simple where it matters." এই combination অন্য ভাষা match করতে পারেনি — এখনো।

এই সিদ্ধান্ত উপরিভাগে "tool choice" — কিন্তু গভীরে workflow philosophy-র প্রশ্ন। সঠিক tool বাছাই = ১০ গুণ productivity।

Research vs Production — বিভাজন রেখা:

• Research/exploration: দ্রুত পরীক্ষা, visualization, একই কোষ বার বার চালানো। Tool: Jupyter/Colab।
• Production: reproducible, version-controlled, scalable, tested কোড। Tool: VS Code + Git + Docker।

নতুন কোম্পানিতে যোগ দিলে — দিন-১:

• প্রথমে কোম্পানির README.md ও setup.sh দেখুন।
• Python virtualenv বা conda environment সেটআপ — version দরকার তাঁদেরটা।
• VS Code + Python extension — সবচেয়ে portable। তাই default এটা।
• Jupyter chunked exploration-এর জন্য — কিন্তু production কোড .py ফাইলে।

Notebook-এর সমস্যা production-এ:

• Cell execution order matters — out-of-order চালালে hidden bug।
• Git diff ভয়ানক — JSON format।
• Code reuse কঠিন — function এক notebook থেকে অন্যে।
• Test লেখা practical না।

হাইব্রিড best practice (2024-পরবর্তী):

• VS Code-এ Notebook: Jupyter-র সুবিধা + Git-friendly।
• Jupytext: notebook ↔ .py auto-sync।
• nbdev/Quarto: notebook থেকে production package generate।
• uv/poetry: dependency management — pip-এর চেয়ে দ্রুত।

Anaconda কেন কম জনপ্রিয় হচ্ছে?

• Disk-heavy (৪+ GB), slow updates।
• Container era-তে (Docker) bundled distribution গুরুত্ব হারিয়েছে।
• License পরিবর্তন (২০২০) — বড় কোম্পানি commercial license চায়।
• আজকাল miniconda বা uv বেশি ব্যবহৃত।

মূল কথা: Tool কখনো শেষ লক্ষ্য নয়। Research-এ — speed of iteration। Production-এ — reproducibility ও observability। দু'টোই Python-এ পারা যায় — কিন্তু আলাদা workflow-এ।

Python ২ → Python ৩ migration — সফটওয়্যার ইতিহাসের সবচেয়ে দীর্ঘ ও বেদনাদায়ক transitions-এর একটি (২০০৮–২০২০)। এটা থেকে software engineering-এর গভীর শিক্ষা।

মূল breaking changes:

• print statement → function: print "hi" → print("hi")। কেন? consistency — সবকিছু expression।
• Unicode by default: Python ২-এ string ছিল ASCII bytes। Python ৩-এ str সবসময় Unicode। বাংলা টেক্সট processing — Python ৩-এ অনায়াসে।
• Integer division: 5 / 2 Python ২-এ → ২ (int)। Python ৩-এ → ২.৫ (float)। গাণিতিকভাবে সঠিক।
• Iterators: range(), map(), filter() — Python ৩-এ memory-efficient iterator।
• Dict ordering: Python 3.7+ থেকে insertion order সংরক্ষিত (২০১৮)।

কেন এত সময় লাগল?

• Python ২ ২০০০-এর আগে থেকে চলছিল — millions of lines of legacy code।
• Backwards-incompatible — গ্রন্থাগারগুলো সব update করতে হলো।
• NumPy, Pandas, Django — সবাই dual support বছরের পর বছর।
• End of life: Python 2.7 — January ১, ২০২০।

আজকের জন্য কেন গুরুত্বপূর্ণ?

• Stack Overflow পুরনো উত্তর: Python ২-র syntax প্রায়ই copy করেন নতুনরা — error পান।
• Legacy systems: কিছু পুরনো enterprise এখনো Python ২ চালাচ্ছে — বিপজ্জনক।
• String handling: Bangla/Unicode-এ Python ৩ ছাড়া অর্থহীন।

চলমান version evolution (Python ৩-এর ভেতরেও):

• ৩.৫ (২০১৫): type hints (def f(x: int) -> int)।
• ৩.৬ (২০১৬): f-strings (f"value is {x}") — game-changer।
• ৩.৮ (২০১৯): walrus operator (:=)।
• ৩.১০ (২০২১): structural pattern matching (match/case)।
• ৩.১২+ (২০২৩+): faster Python initiative — performance ১০-৬০% improvement।

মূল উপলব্ধি: Python ২ → ৩ — ১২ বছরের transition story বলে যে breaking change ভয়ানক costly। তাই Python core team আজও খুব সাবধানে নতুন feature যোগ করে। নতুন developer-এর জন্য — সবসময় Python 3.10+ দিয়ে কাজ করুন।

Comment নিয়ে software engineering-এ এক ধরনের বিতর্ক চলছে কয়েক দশক ধরে। Robert Martin ("Clean Code") বলেন: "comments are failures." আবার অনেকে বলেন comment ছাড়া কোড অপাঠ্য।

সঠিক দর্শন: comment "কী করে" নয়, "কেন করে" বলে।

খারাপ comment-এর উদাহরণ:

• # i কে ১ বাড়াও
i = i + 1 — কোড নিজেই বলছে।
• # total খুঁজে বের করো
total = sum(items) — function name যথেষ্ট।
• পুরনো comment যা কোডের সাথে miss-match — ভুল তথ্য বিপজ্জনক।

ভালো comment-এর উদাহরণ:

• # API ৫xx ফিরালে retry — ৩বার পর্যন্ত (rate-limit থেকে বাঁচতে) — কেন।
• # BUG: Pandas 1.5-এ groupby NaN keep করে — explicit dropna। — workaround কারণ।
• # অর্ডার গুরুত্বপূর্ণ: feature scaling-এর আগে imputation। — non-obvious dependency।

Comment-এর তিন উদ্দেশ্য:

1. Why: এই অদ্ভুত কোড কেন। (most valuable)
2. Warning: এই function-এ এই side-effect আছে।
3. TODO/FIXME: ভবিষ্যতের কাজ চিহ্নিত।

Docstring বনাম comment:

• Docstring: function/class-এর "API contract" — উদাহরণ, parameter, return। মেশিন-পাঠযোগ্য।
• Comment: implementation-এর reasoning। reader-এর জন্য।

Notebook-এর বিশেষ ক্ষেত্র:

• Markdown cell — narrative-এর জন্য। কোডের ভেতর comment নয়।
• Tutorial-এ comment বেশি — পাঠক শিখছে।
• Production code-এ comment কম — clean code self-documenting।

Self-documenting কোডের বৈশিষ্ট্য:

• Variable name অর্থবহ — i নয়, customer_count।
• Function name action+object — calculate_average_order_value()।
• Magic number-এর constant — 3 নয়, MAX_RETRY_COUNT = 3।
• Boolean — x নয়, is_valid বা has_permission।

মূল উপলব্ধি: Comment হলো "code-reviewer ভবিষ্যতে আমিই" — এই কথা ভেবে লিখুন। ৬ মাস পরে নিজে যা বুঝতে চাইবেন — শুধু সেটাই comment-এ। বাকি সব কোডের নামকরণে।