لائبریری بنانے کے لیے پڑھنا بند کریں۔ مسئلہ حل کرنے کے لیے پڑھنا شروع کریں۔
انجینئرنگ کی زیادہ تر ریڈنگ لسٹوں کا مرکز علم جمع کرنا ہوتا ہے۔
جدید انجینئرنگ صرف ایک چیز کو اہمیت دیتی ہے: رکاوٹوں (bottlenecks) کو دور کرنا۔
حال ہی میں ایک جونیئر انجینئر نے مجھے انجینئرز کے لیے بہترین 10 کتابوں کی ایک فہرست دکھائی۔ یہ دس سال پہلے کی فہرستوں جیسی ہی لگ رہی تھی۔ یہ وہی پرانی کلاسک اور پروسیس (process) پر مبنی کتابوں پر انحصار کر رہی تھی۔
یہ مفروضہ غلط ہے۔ کتابیں پڑھنے سے آپ خود بخود ایک بہتر انجینئر نہیں بن جاتے۔
اعلیٰ کارکردگی دکھانے والی ٹیمیں کتابوں کے گرد سیکھنے کے منصوبے نہیں بناتیں۔ وہ انہیں رکاوٹوں (constraints) کے گرد بناتی ہیں۔
عام ریڈنگ لسٹیں یہ فرض کرتی ہیں کہ تمام علم کی اہمیت برابر ہے۔ حقیقت میں، انجینئرنگ کی اہمیت آپ کی مخصوص صورتحال پر منحصر ہوتی ہے۔
- ڈیٹا بیس کے مسائل کا سامنا کرنے والے backend انجینئر کو Agile کی کتاب کی ضرورت نہیں ہے۔
- زیادہ AI اخراجات کا سامنا کرنے والی ٹیم کو کسی عام software کی کتاب کی ضرورت نہیں ہے۔
- latency کے مسائل کا شکار startup کو leadership framework کی ضرورت نہیں ہے۔
ان لوگوں کو اپنے سامنے موجود مخصوص رکاوٹ (bottleneck) کے حل کی ضرورت ہوتی ہے۔
انجینئرنگ میں اہمیت (relevance) کو قدر ملتی ہے، مکمل ہونے (completeness) کو نہیں۔
Databases اور networking جیسے بنیادی اصول اب بھی اہم ہیں۔ لیکن اب یہ کافی نہیں ہیں۔ جدید سسٹمز AI inference اخراجات جیسے نئے چیلنجز لاتے ہیں۔
دہائیوں تک، انجینئرز deterministic سسٹمز کے ساتھ کام کرتے رہے۔ ایک ہی input ہمیشہ ایک ہی output پیدا کرتا تھا۔
آج، بہت سے سسٹمز probabilistic ہیں۔ ایک AI prompt ہر بار مختلف جوابات دے سکتا ہے۔ ایک model upgrade آپ کے کوڈ کو چھوئے بغیر آپ کی ایپ کے کام کرنے کے طریقے کو بدل سکتا ہے۔
نئے سوالات آپ کے کام کی سمت متعین کرتے ہیں:
- آپ quality کا اندازہ کیسے لگاتے ہیں؟
- آپ غیر متوقع components کو کیسے مینیج کرتے ہیں؟
بہترین انجینئرز mechanisms سیکھنے کے لیے پڑھتے ہیں، نہ کہ صرف کتاب ختم کرنے کے لیے۔ وہ ایک bottleneck تلاش کرتے ہیں اور اسے ٹھیک کرنے کے لیے درکار مخصوص logic سیکھتے ہیں۔
- اگر latency زیادہ ہے، تو batching کا مطالعہ کریں۔
- اگر context کھو رہا ہے، تو retrieval کا مطالعہ کریں۔
- اگر AI agents ناکام ہو رہے ہیں، تو evaluation کا مطالعہ کریں۔
یہ سیکھنے کے عمل کو production کے نتائج سے جوڑ دیتا ہے۔ آپ کا علم فوری طور پر فائدہ مند (leverage) بن جاتا ہے۔
اس learning loop کا استعمال کریں:
- Bottleneck کی نشاندہی کریں۔
- اسے ٹھیک کرنے کے لیے مخصوص ذریعہ تلاش کریں۔
- اسے سسٹم پر لاگو کریں۔
اپنی اگلی کتاب شروع کرنے سے پہلے، خود سے ایک سوال پوچھیں: میرے سسٹم میں اس وقت سب سے بڑی رکاوٹ (constraint) کیا ہے؟
کیا یہ latency ہے، cost ہے، reliability ہے، یا observability ہے؟
وہ ذریعہ تلاش کریں جو اس مسئلے کا حل فراہم کرے۔ سب سے مقبول کتاب کا انتخاب نہ کریں۔ بلکہ وہ کتاب منتخب کریں جو آپ کی رکاوٹ (constraint) کو حل کرے۔
انجینئرنگ پڑھنے کا کوئی مقابلہ نہیں ہے۔ یہ محدودیتوں کو حل کرنے کا پیشہ ہے۔ اپنے سسٹم کو فیصلہ کرنے دیں کہ آپ آگے کیا سیکھتے ہیں۔
اختیاری لرننگ کمیونٹی: https://t.me/GyaanSetuAi