শিক্ষার ক্ষেত্র

সব শেখার বিষয়বস্তুতে কেন্দ্রীয় প্রবেশপথ — নির্দেশিত বা মুক্ত, যেমন তুমি চাও।

শেখার পথবিষয়বস্তু

ভিত্তি

কোনো পূর্বজ্ঞান ছাড়াই শুরু করা যায়। যে কম্পিউটার চালাতে পারেন, তিনি এখান থেকে শুরু করুন।

Operation & Command Line

কম্পিউটার কীভাবে কাজ করে, API কী, Terminal কীভাবে ব্যবহার করতে হয়, উন্নয়ন পরিবেশ কীভাবে সাজাতে হয়, Git এবং Open Source।

শিক্ষানবিস 0 এর মধ্যে 6

আপনি বুঝবেন কম্পিউটার কীভাবে কাজ করে, Terminal নিরাপদে ব্যবহার করবেন, Git ব্যবহার করবেন এবং Open Source বুঝবেন।

৬টি নিবন্ধ সম্পূর্ণ শিক্ষানবিস কোনো পূর্বশর্ত নেই

Python ও প্রোগ্রামিং লজিক

Variable থেকে Control Structure ও Function হয়ে Class, Package এবং Virtual Environment পর্যন্ত।

শিক্ষানবিস

আপনি Python-এ প্রোগ্রামিং করবেন, Data Type, Control Structure, OOP বুঝবেন এবং পরিষ্কার Development পরিবেশ তৈরি করবেন।

৮টি নিবন্ধ কম্পিউটার-বেসিক সহ শিক্ষানবিস পূর্বশর্ত: Operation & Command Line

কর্মশালা

হাতে-কলমে নির্মাতাদের জন্য। প্রয়োগ, টুলস এবং আধুনিক Workflow-এ মনোযোগ।

Generative Art (ছবি ও ভিডিও)

ছবি তৈরি, Stable Diffusion, LoRA, ControlNet এবং Workflow Optimization।

শিক্ষানবিস

আপনি Stable Diffusion দিয়ে নিজের ছবি তৈরি করবেন, Text-to-Image বুঝবেন এবং LoRA, ControlNet ও Upscaling আয়ত্ত করবেন।

৪টি নিবন্ধ + ১টি Demo সৃজনশীল ব্যক্তি, ডিজাইনার, শখের মানুষ পূর্বশর্ত: Operation & Command Line

স্থানীয় ভাষা মডেল

Hugging Face Ecosystem, Model স্থানীয়ভাবে চালানো এবং Quantization বোঝা।

মধ্যবর্তী

আপনি Hugging Face বুঝবেন, Model নিজের PC-তে আনবেন এবং Quantization বুঝবেন।

৩টি নিবন্ধ গোপনীয়তা-সচেতন ব্যক্তি, Enthusiast পূর্বশর্ত: Operation & Command Line

এজেন্ট ও অটোমেশন

System Prompt, Prompt Engineering, RAG, Function Calling, API এবং No-Code Workflow।

মধ্যবর্তী

আপনি System Prompt তৈরি করবেন, RAG Pipeline তৈরি করবেন, Function Calling ব্যবহার করবেন এবং n8n দিয়ে Workflow স্বয়ংক্রিয় করবেন।

৬টি নিবন্ধ Maker, Automator পূর্বশর্ত: স্থানীয় ভাষা মডেল Python ও প্রোগ্রামিং লজিক

Software Development-এ AI

Vibecoding, Context Engineering, Harness Engineering এবং Agentic Coding — প্রোগ্রামিং-এর নতুন পদ্ধতি।

মধ্যবর্তী

আপনি AI দিয়ে প্রোগ্রামিং করবেন, Context Engineering আয়ত্ত করবেন এবং স্বায়ত্তশাসিত Coding Agent ব্যবহার করবেন।

৪টি নিবন্ধ Developer, Maker পূর্বশর্ত: Python ও প্রোগ্রামিং লজিক এজেন্ট ও অটোমেশন

Software-এর গুণমান ও টেস্টিং

টেস্ট পড়া, যন্ত্র-যাচাই বোঝা, পরিবর্তন গ্রহণ করা আর গোপন তথ্য রক্ষা করা — প্রোগ্রামিং জ্ঞান ছাড়াই গুণমান।

মধ্যবর্তী

আপনি একটি টেস্ট পড়ে বুঝবেন সে আসলে কী যাচাই করে, লাল যন্ত্র-যাচাইকে জায়গামতো বসাবেন, এজেন্টকে সেই তিনটি প্রশ্ন করবেন যার উত্তর আপনি নিজে যাচাই করতে পারেন, আর জানবেন কী কখনোই একটি Repository-তে যাবে না।

৪টি নিবন্ধ যারা AI এজেন্টকে দিয়ে Software বানান, তাদের সবার জন্য পূর্বশর্ত: Software Development-এ AI
1

এজেন্ট যখন টেস্ট লেখে, তখন টেস্ট বোঝা

সবুজ মানেই সঠিক নয়: একটি টেস্ট পড়া, তার নাম যাচাই করা আর দুর্বল করার ফাঁদ চেনা।

2

গেট: যন্ত্র-যাচাই দিয়ে গড়া নিরাপত্তা-জাল

একটি লাল বোর্ডের পেছনের পাঁচটি প্রশ্ন আলাদা করা, সতর্কতা আর গেটের তফাত করা আর লিখে রাখা ব্যতিক্রমটি পড়া।

3

প্রোগ্রামিং জ্ঞান ছাড়া রিভিউ

একটি Diff-কে তার আকার দেখে বিচার করা, তিনটি যাচাইযোগ্য প্রশ্ন করা আর সেই ঘটনাটি ঘটানো, যাকে ব্যর্থ হতেই হবে।

4

গোপন তথ্য ও নিরাপত্তা: যা কখনোই রিপোজিটরিতে যাবে না

একটি গোপন তথ্য চেনা, বোঝা কেন মুছে ফেলা কিছুই ফিরিয়ে আনে না, আর ফেরার পথহীন ধাপটি নিজের কাছেই রাখা।

সার্টিফিকেট ডাউনলোড

স্থিতি দেখতে ক্লিক করুন

0%

একাডেমি

গভীর কম্পিউটার বিজ্ঞান ট্র্যাক। বিশ্ববিদ্যালয়ের AI মডিউলের সমতুল্য, তবে সবার জন্য সুলভ।

কম্পিউটার বিজ্ঞান স্ট্রাকচার ও অ্যালগরিদম

Algorithm কী, কীভাবে Scale করে এবং কোন Data Structure কম্পিউটার বিজ্ঞান চালায়।

মধ্যবর্তী

আপনি Algorithm, Big-O Notation, Recursion এবং গুরুত্বপূর্ণ Data Structure বুঝবেন।

৬টি নিবন্ধ Python-বেসিক সহ শিক্ষার্থী পূর্বশর্ত: Python ও প্রোগ্রামিং লজিক

ডেটার গণিত

Machine Learning-এর ভিত্তি হিসেবে পরিসংখ্যান ও সম্ভাব্যতা।

মধ্যবর্তী

আপনি Central Tendency, Dispersion, Distribution, Correlation, Probability এবং Bayes Theorem বুঝবেন।

৬টি নিবন্ধ + ১টি Demo Algorithm-বেসিক সহ শিক্ষার্থী পূর্বশর্ত: কম্পিউটার বিজ্ঞান স্ট্রাকচার ও অ্যালগরিদম

Linear Algebra ও Calculus

Vector, Matrix, Tensor, Derivative এবং Chain Rule — Deep Learning-এর ভাষা।

মধ্যবর্তী

আপনি Vector, Matrix, Tensor, Derivative, Partial Derivative এবং Backpropagation-এর ভিত্তি হিসেবে Chain Rule বুঝবেন।

৬টি নিবন্ধ Statistics-বেসিক সহ শিক্ষার্থী পূর্বশর্ত: ডেটার গণিত

ক্লাসিক্যাল, Symbolic AI

Turing থেকে Search, Heuristics এবং Game Theory হয়ে Expert System এবং AI Winter পর্যন্ত।

মধ্যবর্তী

আপনি AI-এর শিকড় বুঝবেন, State Space নেভিগেট করবেন, Pathfinding ও Game Theory আয়ত্ত করবেন এবং AI Winter-এর শিক্ষা জানবেন।

৭টি নিবন্ধ + ৪টি Demo Algorithm-বেসিক সহ শিক্ষার্থী পূর্বশর্ত: কম্পিউটার বিজ্ঞান স্ট্রাকচার ও অ্যালগরিদম
1

AI-এর জন্ম (Turing থেকে Dartmouth)

Turing Test, Dartmouth Conference (1956), ELIZA — ঐতিহাসিক প্রেক্ষাপট।

2

Graph-এ Search

State Space, Breadth-First Search (BFS) এবং Depth-First Search (DFS)।

3

Heuristics ও Pathfinding

Heuristic, Cost Function, Dijkstra এবং A* Algorithm।

4

A* Pathfinding — ইন্টারেক্টিভ Demo

দেখুন কীভাবে A* এবং Dijkstra একটি Maze-এ Navigate করে।

ঐচ্ছিক
5

দ্বন্দ্বে Agent (Game Theory)

Multi-Agent System, Zero-Sum Game এবং Nash Equilibrium।

6

MinMax ও Pruning

Decision Tree, MinMax Strategy এবং Alpha-Beta Pruning।

7

MinMax — ইন্টারেক্টিভ Demo

একটি অপরাজেয় MinMax AI-এর বিরুদ্ধে Tic-Tac-Toe খেলুন।

ঐচ্ছিক
8

নিয়ম ও লজিক (Expert System)

Expert System, Inference Engine, If-Then Rule এবং Combinatorial Explosion।

9

নিয়ম-ভিত্তিক AI — ইন্টারেক্টিভ Demo

ইন্টারেক্টিভভাবে দেখুন কীভাবে একটি Expert System যৌক্তিক কারণ-শৃঙ্খল তৈরি করে।

ঐচ্ছিক
10

ELIZA Chatbot — ইন্টারেক্টিভ Demo

ইতিহাসের প্রথম নিয়ম-ভিত্তিক Therapist Bot-এর সাথে চ্যাট করুন।

ঐচ্ছিক
11

AI Winter (ব্যর্থতা ও শিক্ষা)

Lighthill Report, অতিরিক্ত প্রতিশ্রুতি এবং কেন Symbolic AI জটিলতায় ব্যর্থ হয়েছিল।

সার্টিফিকেট ডাউনলোড

স্থিতি দেখতে ক্লিক করুন

0%

Machine Learning-এর মৌলিক বিষয়

Paradigm পরিবর্তন: প্রোগ্রামিং থেকে Training — Supervised, Unsupervised এবং মূল্যায়নের টুলস।

মধ্যবর্তী 0 এর মধ্যে 16

আপনি ML Paradigm বুঝবেন, Supervised Learning Model Train করবেন, Metric দিয়ে মূল্যায়ন করবেন এবং Overfitting ও Unsupervised Learning জানবেন।

৮টি নিবন্ধ + ২টি Demo সমস্ত ভিত্তি পথ সম্পন্ন শিক্ষার্থী পূর্বশর্ত: কম্পিউটার বিজ্ঞান স্ট্রাকচার ও অ্যালগরিদম ডেটার গণিত Linear Algebra ও Calculus ক্লাসিক্যাল, Symbolic AI
1

প্রোগ্রামিং বনাম Training

Machine Learning, Training Data, Model এবং Inference।

2

Supervised Learning (শিক্ষকের সাথে শেখা)

Label, Feature, Target, Classification বনাম Regression।

3

Linear ও Logistic Regression

Regression Line, Sigmoid এবং Error Function (MSE)।

4

কাঁচামাল (Data Engineering)

Feature Engineering, Missing Value এবং Normalization।

5

Parameter বনাম Hyperparameter

AI নিজে কী শেখে বনাম মানুষ কী সেট করে।

6

যখন ছাত্র মুখস্থ করে

Overfitting, Underfitting, Train-Test Split এবং Validation Set।

7

Model মূল্যায়ন

Accuracy, Precision, Recall, F1-Score এবং Confusion Matrix।

8

Unsupervised Learning (বিশৃঙ্খলায় কাঠামো)

Clustering (k-Means), Dimensionality Reduction (PCA) এবং Anomaly Detection।

9

Supervised Learning — ইন্টারেক্টিভ Demo

একটি Model Train করুন এবং Decision Boundary পর্যবেক্ষণ করুন।

ঐচ্ছিক
10

সিদ্ধান্ত-বৃক্ষ — স্বচ্ছ কাচের শ্রেণিবিন্যাসকারী

দেখো কীভাবে হ্যাঁ/না প্রশ্নের একটি গাছ ডেটাকে টুকরো করে — আর সরাসরি লক্ষ করো, প্রশ্ন বেশি হয়ে গেলে সেটি কীভাবে overfitting-এ গড়িয়ে পড়ে। মেশিন-লার্নিং-এর যন্ত্রবাক্সের সবচেয়ে স্বচ্ছ অ্যালগরিদম।

ঐচ্ছিক
11

K-Means Clustering — ইন্টারেক্টিভ Demo

দেখুন কীভাবে K-Means Data Point গুলো দলে সাজায়।

ঐচ্ছিক

সার্টিফিকেট ডাউনলোড

স্থিতি দেখতে ক্লিক করুন

0%

Deep Learning (নিউরাল উদ্ভাবন)

কৃত্রিম Neuron থেকে Activation, Hidden Layer ও Loss Function হয়ে Gradient Descent এবং Backpropagation পর্যন্ত।

উন্নত

আপনি Perceptron থেকে Backpropagation পর্যন্ত Neural Network বুঝবেন এবং সম্পূর্ণ Training প্রক্রিয়া অনুসরণ করতে পারবেন।

৬টি নিবন্ধ + ৩টি Demo Machine Learning-বেসিক সহ শিক্ষার্থী পূর্বশর্ত: Machine Learning-এর মৌলিক বিষয়
1

কৃত্রিম Neuron

Perceptron, Weight, Bias এবং Summation।

2

Perceptron — ইন্টারেক্টিভ Demo

ধাপে ধাপে সবচেয়ে সরল Neural Network Train করুন।

ঐচ্ছিক
3

প্রজ্বলন স্ফুলিঙ্গ (Activation)

Linearity বনাম Non-Linearity, ReLU এবং Sigmoid।

4

নেটওয়ার্ক (Hidden Layer)

Deep Neural Network, Hidden Layer এবং Forward Pass।

5

Neural Network Playground — ইন্টারেক্টিভ Demo

নিজের নেটওয়ার্ক আর্কিটেকচার তৈরি করুন, লাইভ Train করুন এবং Backpropagation সরাসরি দেখুন।

ঐচ্ছিক
6

AI কতটা ভুল তা গণনা করা

Loss Function, Mean Squared Error এবং Cross-Entropy।

7

উপত্যকার পথ (Gradient Descent)

Gradient Descent, Learning Rate এবং Local/Global Minimum।

8

Gradient Descent — ইন্টারেক্টিভ Demo

Optimizer কীভাবে উপত্যকায় নামে তা ধাপে ধাপে দেখুন।

ঐচ্ছিক
9

শেখার কেন্দ্রবিন্দু (Backpropagation)

Backpropagation এবং Error Feedback — Chain Rule-এর উপর নির্মিত।

সার্টিফিকেট ডাউনলোড

স্থিতি দেখতে ক্লিক করুন

0%

আধুনিক আর্কিটেকচার (GenAI)

Tokenization থেকে Embedding, CNN, RNN এবং Transformer হয়ে LLM, Transfer Learning এবং Diffusion পর্যন্ত।

উন্নত 0 এর মধ্যে 18

আপনি Tokenization, Embedding, CNN, RNN, Transformer, LLM, Transfer Learning, Sampling এবং Diffusion বুঝবেন।

৯টি নিবন্ধ + ৩টি Demo Deep Learning-বেসিক সহ শিক্ষার্থী পূর্বশর্ত: Deep Learning (নিউরাল উদ্ভাবন)
1

Tokenization (মেশিনের বর্ণমালা)

Token, BPE, Context Window — কেন AI Syllable বোঝে না।

2

Embedding ও Latent Space

Word2Vec, Embedding Vector এবং Semantic Distance।

3

Word-embedding — মানচিত্র হিসেবে অর্থ

Embedding অধ্যায়ের ইন্টারঅ্যাক্টিভ সঙ্গী: শব্দ হয়ে যায় বিন্দু, কাছাকাছি অর্থের শব্দ পাশাপাশি চলে আসে, আর রাজা - পুরুষ + নারী গিয়ে দাঁড়ায় রানির জায়গায়। ভেক্টর-অর্থবিদ্যা ব্যাপারটা ঠিক এমনই লাগে।

ঐচ্ছিক
4

Computer Vision (CNN)

Convolution, Filter/Kernel, Pooling এবং Feature Extraction।

5

Convolutional Filter — ইন্টারেক্টিভ Demo

CNN Filter কীভাবে প্রান্ত, Texture এবং Pattern চিহ্নিত করে তা লাইভ দেখুন।

ঐচ্ছিক
6

সময় ও ক্রম (RNN)

Sequence Data, Recurrent Neural Network এবং Vanishing Gradient।

7

যুগান্তকারী আবিষ্কার (Transformer ও Attention)

Self-Attention, Query/Key/Value এবং Transformer Block।

8

Attention-মেকানিজম — ইন্টারেক্টিভ Demo

Query/Key/Value ধাপে ধাপে বুঝুন — প্রতিটি Transformer-এর হৃদয়।

ঐচ্ছিক
9

বড় Language Model (LLM)

Foundation Model, Pre-training, Next-Token Prediction এবং Parameter Size।

10

Transfer Learning ও Fine-Tuning

Pre-trained Weight, Checkpoint এবং LoRA।

11

Sampling ও Temperature

Softmax, Temperature, Top-K/Top-P — কেন ChatGPT সবসময় একই কথা বলে না।

12

Generative Image Model (Diffusion)

Latent Space, Noise, Denoising এবং Text-to-Image।

13

GAN — ইন্টারেক্টিভ Demo

ইন্টারেক্টিভভাবে দেখুন কীভাবে GAN ছবি তৈরি করে।

ঐচ্ছিক

সার্টিফিকেট ডাউনলোড

স্থিতি দেখতে ক্লিক করুন

0%

Reinforcement Learning

পুরস্কারের মাধ্যমে শেখা: মৌলিক নীতি থেকে Q-Learning হয়ে RLHF পর্যন্ত।

উন্নত

আপনি Reinforcement Learning, MDP, Q-Learning এবং RLHF বুঝবেন — ChatGPT কীভাবে ভদ্রতা শেখে।

৩টি নিবন্ধ + ২টি Demo Deep Learning-বেসিক সহ শিক্ষার্থী পূর্বশর্ত: Deep Learning (নিউরাল উদ্ভাবন)

সমাজ ও অন্তর্ভুক্তি

সামাজিক ও আইনি প্রভাব, বিশেষ লক্ষ্য গোষ্ঠীর জন্য।

নৈতিকতা ও মিথ

চেতনা, Bias, Copyright এবং Prompt Injection — AI নিয়ে গুরুত্বপূর্ণ প্রশ্ন।

শিক্ষানবিস

আপনি AGI এবং Stochastics-এর পার্থক্য বুঝবেন, Training Bias বিশ্লেষণ করবেন, Copyright প্রশ্ন জানবেন এবং Prompt Injection Risk বুঝবেন।

৪টি নিবন্ধ সকল আগ্রহী কোনো পূর্বশর্ত নেই

ইউরোপ ও আইন

EU AI Act, Foundation Model নিয়ন্ত্রণ এবং AI Application-এ Data Protection।

শিক্ষানবিস

আপনি EU AI Act, Foundation Model-এর স্বচ্ছতা বাধ্যবাধকতা এবং AI-এর DSGVO প্রভাব বুঝবেন।

৩টি নিবন্ধ সকল আগ্রহী কোনো পূর্বশর্ত নেই

সিনিয়রদের জন্য (দৈনন্দিন জীবনে AI)

একটি ডিজিটাল সহায়ক, অনলাইনে নিরাপত্তা এবং নিয়ন্ত্রণ রাখা।

শিক্ষানবিস 0 এর মধ্যে 1

আপনি AI-কে দৈনন্দিন সহায়ক হিসেবে ব্যবহার করবেন, প্রতারণার কৌশল চিনবেন এবং নিজের ডেটার নিয়ন্ত্রণ রাখবেন।

৩টি নিবন্ধ + ২টি Demo সিনিয়র, দেরিতে শুরু করা ব্যক্তি কোনো পূর্বশর্ত নেই

শিক্ষার্থী ও ছাত্রদের জন্য

AI দিয়ে শেখা, নকল না করে, Deepfake চেনা এবং Source সমালোচনামূলকভাবে যাচাই করা।

শিক্ষানবিস

আপনি AI-কে Learning Tutor হিসেবে ব্যবহার করবেন, Deepfake এবং Synthetic Media চিনবেন এবং Source সমালোচনামূলকভাবে যাচাই করবেন।

২টি নিবন্ধ + ৩টি Demo শিক্ষার্থী, ছাত্র কোনো পূর্বশর্ত নেই

Second Brain ও ডিজিটাল যমজ

মাথার বাইরে জ্ঞান সাজানো — এবং বাস্তব জিনিসের ডিজিটাল প্রতিরূপ কী পারে ও কোথায় তার সীমা, তা বোঝা।

শিক্ষানবিস থেকে উপলব্ধ ২ ডিসে, ২০২৬

কখনো আর না পড়া নোট জমানোর বদলে আপনি নিজের একটি Second Brain গড়বেন, এবং ব্যাখ্যা করবেন একটি ডিজিটাল যমজ নিছক Simulation থেকে কীসে আলাদা।

২টি নিবন্ধ সবার জন্য — কোনো প্রযুক্তিগত পূর্বজ্ঞান লাগে না কোনো পূর্বশর্ত নেই
1

Second Brain: আপনার বাহ্যিক স্মৃতি

থেকে উপলব্ধ ২ ডিসে, ২০২৬

2

ডিজিটাল যমজ

থেকে উপলব্ধ ২ ডিসে, ২০২৬

সার্টিফিকেট ডাউনলোড

স্থিতি দেখতে ক্লিক করুন

0%

কৌতূহলসমূহ

ডেমোগুলির একটি ক্রমবর্ধমান প্রদর্শনী যা কোনো বিষয়ভিত্তিক পথে মাপসই নয় — ক্লাসিক, কৌতূহলসমূহ, মনোমুগ্ধকর ব্যতিক্রম।

কৌতূহলসমূহ

ডেমোগুলির একটি আবাস যা অন্য কোনো পথে অন্তর্ভুক্ত নয় — ক্লাসিক, কৌতূহলসমূহ, মনোমুগ্ধকর ব্যতিক্রম। কোনো সাধারণ পাঠ্যক্রম ছাড়াই একটি ক্রমবর্ধমান প্রদর্শনী। কখনো কখনো একটি কোনো বিষয়ভিত্তিক পথে স্থানান্তরিত হয়, কখনো একটি নতুন যোগ দেয়।

শিক্ষানবিস

স্বতন্ত্র ডেমোগুলির একটি কিউরেটেড মুঠো — কৌতূহলীদের জন্য একটি ভ্রমণ। কোনো গৃহকার্য নেই, শুধু অন্বেষণ।

২টি ডেমো কৌতূহলীরা কোনোটি নয়

সার্টিফিকেট তৈরি করুন

আপনার নাম শুধুমাত্র PDF-এ ব্যবহৃত হয় এবং সংরক্ষণ করা হয় না।

সার্টিফিকেট স্থিতি

সহজ ভাষা

এই প্রিভিউ সহজ ভাষায় আছে। পুরো পোর্টালটিও সহজ ভাষায় পাওয়া যায়। আপনি উপরে ভাষা পরিবর্তন করতে পারেন। অথবা নিচের বোতাম ব্যবহার করুন। আমাদের সহজ ভাষার টেক্সট AI-এর সাহায্যে তৈরি হয় এবং সম্পাদকীয়ভাবে যাচাই করা হয়। এগুলো সহজপাঠের (Easy Read / Leichte Sprache) মূল নীতি অনুসরণ করে, কিন্তু এগুলো প্রত্যয়িত সহজপাঠ নয়: শেখার সমস্যা আছে এমন মানুষদের একটি যাচাই-দল এগুলো পরীক্ষা করে না।

প্রিভিউ: শেখার জায়গা

এখানে কী আছে

এখানে আপনি AI-এর শেখার পথ পাবেন। একটি শেখার পথ হলো একটি বিষয়ের ওপর আর্টিকেলের একটি সারি। আপনি ধাপে ধাপে শিখবেন।

আপনি কীভাবে শিখবেন

প্রতিটি পথের একটি কঠিন স্তর আছে। কিছু পথ অন্যদের ওপর ভিত্তি করে তৈরি। শেষে আপনি একটি সার্টিফিকেট পাবেন।

আপনার জন্য যা আছে

নতুনদের জন্য পথ আছে। অভিজ্ঞদের জন্যও পথ আছে। অনেক পথের ইন্টারেক্টিভ ডেমো আছে। ডেমো হলো ব্রাউজারে ছোট প্রোগ্রাম। সেখানে আপনি নিজে চেষ্টা করতে পারেন।