ന്യൂറോഡൈവേർജൻസി മറികടന്ന് പൈത്തൺ കോഡിങ് പഠിച്ച അനുഭവവുമായി ഒരു മാധ്യമപ്രവർത്തകൻ

നമ്മുടെ ജീവിതത്തിൽ എവിടെ വേണമെങ്കിലും തെറ്റുകൾ വരുത്താൻ അനുവാദമുണ്ടെങ്കിലും കോഡിങ്ങിന്റെ കാര്യത്തിൽ അതിന് സാധ്യമല്ല. ഒരു ചെറിയ കോളനോ ബ്രാക്കറ്റോ തെറ്റിയാൽ പോലും മുഴുവൻ പ്രോഗ്രാമും പ്രവർത്തിക്കാതെ നിന്നുപോകും.

ഇത്തരം ചെറിയ വിവരങ്ങൾ കാരണം പലപ്പോഴും സമയം നഷ്ടപ്പെടാറുണ്ട്. വിവരങ്ങൾ ഓർമ്മയിൽ സൂക്ഷിക്കാൻ ബുദ്ധിമുട്ടുള്ള ഒരു തലച്ചോറാണെങ്കിൽ ഈ അവസ്ഥ തീർത്തും ആശങ്കാജനകമായി മാറും.

കൃത്രിമ ബുദ്ധിയെ (AI) സ്വന്തം പഠന വേഗതയ്ക്ക് അനുസൃതമായി ഉപയോഗിക്കാൻ തുടങ്ങിയപ്പോഴാണ് എനിക്ക് ഇതിൽ നിന്നും വലിയൊരു ആശ്വാസം ലഭിച്ചത്. ആദ്യം മുതൽ അവസാനം വരെ കൃത്യമായ ഘടനയുള്ള ഒരു കോഴ്സ് പിന്തുടർന്നാൽ മാത്രമല്ലാതെ പഠനം ഒരിക്കലും ഒരു നേർരേഖയിലൂടെ മുന്നോട്ട് പോകില്ല.

എന്റെ കാര്യത്തിൽ, ഒരു ക്ലാസ് എങ്ങനെ നിർമ്മിക്കാമെന്നും ചില ആട്രിബ്യൂട്ടുകൾ എങ്ങനെയെന്നും ഉള്ള അടിസ്ഥാനകാര്യങ്ങൾ എനിക്കറിയാമായിരുന്നു. എന്നാൽ വ്യത്യസ്ത ട്യൂട്ടോറിയലുകൾ മെത്തേഡ് ഓവർറൈഡിംഗ്, ഡണ്ടർ മെത്തേഡ്സ് തുടങ്ങിയ നൂതന ആശയങ്ങൾ അവതരിപ്പിക്കുന്ന ക്രമം വ്യത്യസ്തമായിരിക്കും.

ഇതുമൂലം എനിക്ക് നിരവധി ഇ-ബുക്കുകളും വീഡിയോകളും മുൻകാല കോഴ്സുകളുടെ നോട്ടുകളും ഉണ്ടായിരുന്നു. ഇതിൽ നിന്നും ശരിയായ ക്രമം കണ്ടെത്തേണ്ടതുണ്ടായിരുന്നു.

ജെമിനി നോട്ട്ബുക്കിൽ (Gemini Notebook) ഞാൻ എന്റെ എല്ലാ പഠന സാമഗ്രികളും അപ്‌ലോഡ് ചെയ്യുകയും ചാറ്റ് ഫീച്ചർ വഴി അവ ക്രമീകരിക്കാൻ ടൂളിനോട് ആവശ്യപ്പെടുകയും ചെയ്തു. ഏത് ആശയങ്ങളാണ് അടിസ്ഥാനപരമെന്നും, മുൻകാല അറിവുകൾ ആവശ്യമുള്ള വിദഗ്ദ്ധ തലത്തിലുള്ള വിഷയങ്ങൾ എവിടെയാണെന്നും ഇത് എനിക്ക് കാണിച്ചുതന്നു.

എന്റെ മാതൃകാ പ്രോംപ്റ്റ് ഇപ്രകാരമായിരുന്നു: “Using all my uploaded sources, create a structured learning map for me to learn Python. Group the topics into foundational, intermediate, and advanced levels.

For each advanced topic, specify which foundational concepts it depends on and highlight any assumptions that aren’t explicitly explained.” ഈ പ്രോംപ്റ്റ് എന്റെ പഠന യാത്രയുടെ അടിസ്ഥാനമായി മാറി. ഇത് ഡെസിഷൻ എൻട്രി പോയിന്റുകളിൽ നിന്നും എന്നെ ഒരു ഘടനാപരമായ ലിസ്റ്റിലേക്ക് എത്തിച്ചു.

തുടർന്ന്, അപ്‌ലോഡ് ചെയ്ത സാമഗ്രികളിൽ ഏതാണ് ആദ്യം പഠിക്കേണ്ടതെന്ന് പറയാൻ ഞാൻ ഈ ടൂളിനോട് ആവശ്യപ്പെട്ടു. ചില സാമഗ്രികളിൽ നിന്ന് എന്തുകൊണ്ട് പഠനം ആരംഭിക്കരുത് എന്നും അത് വ്യക്തമാക്കി.

ഇതിനുപുറമെ ആപ്പിന്റെ സ്റ്റുഡിയോയും ഞാൻ ഉപയോഗിച്ചു. ഇത് ഫയലുകൾക്ക് ജീവൻ നൽകുന്ന സംവേദനാത്മക ഇടമാണ്.

കോഡിങ് പഠിക്കുന്നവർ വരുത്തുന്ന ഒരു സാധാരണ തെറ്റ് കോഡുകൾ മനസ്സിലാക്കാതെ കാണാതെ പഠിക്കുക എന്നതാണ്. കമ്പ്യൂട്ടർ അല്ല നിങ്ങൾ എങ്കിൽ, നിങ്ങൾ അത് എഴുതിയാലും ഇല്ലെങ്കിലും എളുപ്പത്തിൽ മറന്നുപോകും.

മോശമായ കാര്യം, എന്ത് ടൈപ്പ് ചെയ്യണമെന്ന് ഓർമ്മയുണ്ടാകും എന്നാൽ എന്തിനാണ് അത് ചെയ്യുന്നതെന്ന് അറിയാത്തതിനാൽ വഴക്കം നഷ്ടപ്പെടുന്നു. ഉദാഹരണത്തിന്, എനിക്ക് ഒരു ഫോർ ലൂപ്പ് (for loop) എഴുതാൻ അറിയാം.

എന്നാൽ ഡാറ്റാ ഘടന ഒരു ലിസ്റ്റിൽ നിന്ന് ഡിക്ഷണറിയിലേക്ക് മാറിയപ്പോൾ എന്റെ തലയിലുണ്ടായിരുന്ന പാറ്റേൺ അവിടെ ബാധകമല്ലാതായി മാറിയ ഒരു സമയമുണ്ടായിരുന്നു. വ്യത്യസ്ത ആവർത്തനങ്ങൾ മനസ്സിലാക്കാത്തതിനാൽ അത് എങ്ങനെ പൊരുത്തപ്പെടുത്തണമെന്ന് എനിക്ക് അറിയുമായിരുന്നില്ല.

അതുകൊണ്ട്, പഠന പ്രക്രിയ ആവർത്തിക്കുക എന്നതാണ് ഒരു പ്രൊഫഷണലാകാനുള്ള വഴി. ഓരോ പ്രധാന വിഷയത്തിന് ശേഷവും ഇൻ-ആപ്പ് ഫ്ലാഷ് കാർഡുകളും ക്വിസുകളും ഉപയോഗിക്കുന്നത് ഒഴിവാക്കാനാവാത്തതായി മാറിയത് അതുകൊണ്ടാണ്, കാരണം അവ എന്റെ బలഹീനതകൾ പുറത്തുകൊണ്ടുവന്നു.

ഞാൻ ഏകദേശം 10 ആഴ്ചകൾ എടുത്താണ് കോഡ് ആത്മവിശ്വാസത്തോടെ മനസ്സിലാക്കാനും പുനർനിർമ്മിക്കാനും പഠിച്ചത്. പ്രായോഗിക പരിശീലനമായി വിഷ്വൽ സ്റ്റുഡിയോ കോഡ് (Visual Studio Code) ഉപയോഗിച്ച് ഞാൻ പകുതി വഴിയിൽ ഒരു ആപ്പ് നിർമ്മിക്കാൻ പോലും ശ്രമിച്ചു.

ഇരുണ്ട ചർമ്മത്തിന് അനുയോജ്യമായ മേക്കപ്പ് ഷേഡ് കണ്ടെത്തുന്ന മെലാനിൻ മാച്ച് (Melanin Match) ആപ്പ് ആയിരുന്നു എന്റെ ആശയം.

ഗൂഗിളിന്റെ എക്സ്പിരിമെന്റൽ ഒപാൽ (Opal) ടൂൾ ഉപയോഗിക്കുന്നതിന് മുമ്പ് ഞാൻ ഇതിന്റെ ഒരു ഡെമോ നിർമ്മിച്ചിരുന്നു. പഠിക്കുന്നതിനനുസരിച്ച് ഞാൻ ഇത് പടിപടിയായി നിർമ്മിച്ചു, അതിനാൽ ഇതിൽ നിരവധി പൊരുത്തക്കേടുകളും തെറ്റുകളും ഉണ്ടായിരുന്നു.

NumPy യെക്കുറിച്ച് വലിയ ധാരണയില്ലാത്തപ്പോഴാണ് ഞാൻ ചില ഫങ്ഷനുകൾ എഴുതിയത്, എന്നാൽ കൂടുതൽ OpenCV പരിചയമുള്ളപ്പോൾ മറ്റ് ചിലതും എഴുതി. ചിലപ്പോൾ ഞാൻ എന്റെ ജേണൽ പരിശോധിക്കുകയും കോഡിന്റെ ഭാഗങ്ങൾ AI-ലേക്ക് ഒട്ടിക്കുകയും ചെയ്യും.

തെറ്റാണെന്ന് ഞാൻ സംശയിക്കുന്ന ഭാഗങ്ങൾ വിശദീകരിക്കാൻ ഞാൻ ആവശ്യപ്പെടും. എന്റെ മാതൃകാ പ്രോംപ്റ്റ്: “If I accidentally remove a “color” key from one of the nested dictionaries, what error would occur when color_preview.config(bg=result[“color”]) runs?” ജെമിനി നോട്ട്ബുക്കിന്റെ മറുപടി: “In Python, when you try to access a dictionary value using bracket notation (like ‘[“color”]’), the program expects that exact key to exist.

If it doesn’t, the script crashes and outputs a KeyError pointing to the missing key.” മുഴുവൻ ഡെബഗ്ഗിംഗ് സഹായം ചോദിക്കുന്നതിനേക്കാൾ നല്ലത് ഇതാണ്. AI എപ്പോഴും തെറ്റുകൾ വരുത്താൻ സാധ്യതയുള്ളതിനാൽ എന്റെ കോഡ് “പരിഹരിക്കാൻ” ഞാൻ അതിനെ വിശ്വസിക്കില്ല.

പകരം, പ്രതീക്ഷിക്കുന്ന സിന്റാക്സിനും ഘടനയ്ക്കും അനുസൃതമായി കോഡിന്റെ ഓരോ വരിയും എന്താണ് ചെയ്യേണ്ടതെന്ന് വിശദീകരിക്കാൻ ജെമിനി നോട്ട്ബുക്കിനോട് ആവശ്യപ്പെടുക. മാതൃകാ പ്രോംപ്റ്റ്: “Here is my function (paste your function).

Trace the execution flow and explain exactly what this function returns in different scenarios. If it could return None or raise an error, explain why based on Python’s behavior.” ജെമിനി നോട്ട്ബുക്ക് എല്ലാ കാര്യങ്ങളും അറിയുന്ന ഒരു ടൂൾ അല്ലെന്നത് എനിക്ക് വളരെ ഇഷ്ടപ്പെട്ടു.

നിങ്ങൾ നൽകുന്ന വിവരങ്ങൾ മാത്രമേ ഈ ടൂൾ പ്രോസസ്സ് ചെയ്യുകയുള്ളൂ. നിങ്ങളുടെ അപ്‌ലോഡ് ചെയ്ത ഉറവിടങ്ങൾ നിർദ്ദേശിക്കുന്നില്ലെങ്കിൽ ഇത് പുതിയ ഫ്രെയിംവർക്കുകളോ പുതിയ ദിശകളോ ശുപാർശ ചെയ്യുന്നില്ല.

ഉപസംഹാരമായി, ജെമിനി നോട്ട്ബുക്ക് മറ്റ് അപ്‌സ്കില്ലിംഗ് ടൂളുകൾക്കൊപ്പം എനിക്ക് മികച്ചൊരു സഹായകരമായി മാറി. ഗൂഗിൾ പ്ലേ സ്റ്റോറിലെ Cosmo: Learn Gen AI ആപ്പും ഞാൻ ഈ പ്രക്രിയയ്ക്കായി ഉപയോഗിക്കുന്നുണ്ട്.

ഇത് ഓരോ പാഠത്തെയും പോയിന്റുകൾ നേടാൻ കഴിയുന്ന ചെറിയ വെല്ലുവിളികളാക്കി മാറ്റുന്നു.