𝗦𝘁𝗼𝗽 𝗥𝗲𝗮𝗱𝗶𝗻𝗴 𝘁𝗼 𝗕𝘂𝗶𝗹𝗱 𝗮 𝗟𝗶𝗯𝗿𝗮𝗿𝘆. 𝗦𝘁𝗮𝗿𝘁 𝗥𝗲𝗮𝗱𝗶𝗻𝗴 𝘁𝗼 𝗦𝗼𝗹𝘃𝗲 𝗮 𝗣𝗿𝗼𝗯𝗹𝗲𝗺.
చాలా ఇంజనీరింగ్ రీడింగ్ లిస్టులు కేవలం జ్ఞానాన్ని సేకరించడంపైనే దృష్టి పెడతాయి.
ఆధునిక ఇంజనీరింగ్ ఒకే ఒక అంశానికి ప్రాధాన్యత ఇస్తుంది: బాటిల్నెక్స్లను (bottlenecks) తొలగించడం.
ఇటీవల ఒక జూనియర్ ఇంజనీర్ నాకు ఇంజనీర్ల కోసం టాప్ 10 పుస్తకాల జాబితాను చూపించారు. అది పదేళ్ల క్రితం ఉన్న జాబితాలలాగే ఉంది. అది పాత క్లాసిక్ పుస్తకాలు మరియు ప్రాసెస్ పుస్తకాలపైనే ఆధారపడి ఉంది.
ఈ ఊహ తప్పు. పుస్తకాలు చదవడం వల్ల మీరు ఆటోమేటిక్గా మంచి ఇంజనీర్ అయిపోరు.
అత్యుత్తమ పనితీరు కనబరిచే టీమ్లు పుస్తకాల ఆధారంగా లెర్నింగ్ ప్లాన్లను రూపొందించవు. అవి పరిమితుల (constraints) ఆధారంగా రూపొందిస్తాయి.
సాధారణ రీడింగ్ లిస్టులు అన్ని రకాల జ్ఞానానికి సమాన విలువ ఉంటుందని భావిస్తాయి. కానీ వాస్తవానికి, ఇంజనీరింగ్ విలువ అనేది మీ నిర్దిష్ట పరిస్థితిపై ఆధారపడి ఉంటుంది.
- డేటాబేస్ సమస్యలను ఎదుర్కొంటున్న బ్యాకెండ్ ఇంజనీర్కు Agile పుస్తకం అవసరం లేదు.
- అధిక AI ఖర్చులు ఉన్న టీమ్కు సాధారణ సాఫ్ట్వేర్ పుస్తకం అవసరం లేదు.
- లేటెన్సీ (latency) సమస్యలు ఉన్న స్టార్టప్కు లీడర్షిప్ ఫ్రేమ్వర్క్ అవసరం లేదు.
వీరికి తమ ముందున్న నిర్దిష్ట బాటిల్నెక్స్కు పరిష్కారాలు కావాలి.
ఇంజనీరింగ్ అనేది పరిపూర్ణతకు (completeness) కాకుండా, సందర్భోచితమైన (relevance) పరిష్కారాలకు గుర్తింపు ఇస్తుంది.
డేటాబేస్లు మరియు నెట్వర్కింగ్ వంటి ప్రాథమిక అంశాలు ఇప్పటికీ ముఖ్యమే. కానీ అవి మాత్రమే సరిపోవు. ఆధునిక వ్యవస్థలు AI ఇన్ఫరెన్స్ (AI inference) ఖర్చులు వంటి కొత్త సవాళ్లను తెస్తున్నాయి.
దశాబ్దాలుగా, ఇంజనీర్లు డిటర్మినిస్టిక్ (deterministic) వ్యవస్థలతో పనిచేశారు. ఒకే ఇన్పుట్ ఎల్లప్పుడూ ఒకే అవుట్పుట్ను ఇచ్చేది.
నేడు, చాలా వ్యవస్థలు ప్రాబబిలిస్టిక్ (probabilistic). ఒక AI ప్రాంప్ట్ ప్రతిసారీ వేర్వేరు సమాధానాలను ఇవ్వవచ్చు. మీరు కోడ్ను మార్చకపోయినా, మోడల్ అప్గ్రేడ్ మీ యాప్ పనితీరును మార్చేయవచ్చు.
కొత్త ప్రశ్నలే మీ పనిని నడిపిస్తాయి:
- మీరు నాణ్యతను ఎలా అంచనా వేస్తారు?
- అనిశ్చితమైన (unpredictable) భాగాలను మీరు ఎలా నిర్వహిస్తారు?
అత్యంత సమర్థవంతమైన ఇంజనీర్లు పుస్తకాన్ని పూర్తి చేయడం కోసం కాకుండా, మెకానిజమ్స్ (mechanisms) అర్థం చేసుకోవడం కోసం చదువుతారు. వారు ఒక బాటిల్నెక్స్ను గుర్తించి, దానిని పరిష్కరించడానికి అవసరమైన నిర్దిష్ట లాజిక్ను నేర్చుకుంటారు.
- లేటెన్సీ ఎక్కువగా ఉంటే, batching గురించి అధ్యయనం చేయండి.
- కాంటెక్స్ట్ (context) కోల్పోతుంటే, retrieval గురించి అధ్యయనం చేయండి.
- AI ఏజెంట్లు విఫలమవుతుంటే, evaluation గురించి అధ్యయనం చేయండి.
ఇది నేర్చుకోవడాన్ని ప్రొడక్షన్ ఫలితాలతో అనుసంధానిస్తుంది. మీ జ్ఞానం తక్షణమే ప్రయోజనకరంగా మారుతుంది.
ఈ లెర్నింగ్ లూప్ను ఉపయోగించండి:
- బాటిల్నెక్స్ను గుర్తించండి.
- దానిని పరిష్కరించడానికి అవసరమైన నిర్దిష్ట వనరును (resource) కనుగొనండి.
- దానిని సిస్టమ్కు వర్తింపజేయండి.
మీరు తదుపరి పుస్తకాన్ని ప్రారంభించే ముందు, మిమ్మల్ని మీరు ఒక ప్రశ్న అడగండి: ప్రస్తుతం నా సిస్టమ్లో అతిపెద్ద పరిమితి (constraint) ఏమిటి?
అది లేటెన్సీనా, ఖర్చా, విశ్వసనీయతనా (reliability) లేదా అబ్జర్వబిలిటీనా (observability)?
ఆ సమస్యను పరిష్కరించే వనరును కనుగొనండి. అత్యంత ప్రజాదరణ పొందిన పుస్తకాన్ని ఎంచుకోవద్దు. మీ పరిమితిని పరిష్కరించే పుస్తకాన్ని ఎంచుకోండి.
ఇంజనీరింగ్ అనేది చదవడం అనే పోటీ కాదు. ఇది పరిమితులను పరిష్కరించే ఒక వృత్తి. మీరు తదుపరి ఏమి నేర్చుకోవాలో మీ వ్యవస్థనే నిర్ణయించనివ్వండి.
ఐచ్ఛిక అభ్యాస సమూహం: https://t.me/GyaanSetuAi