সফটওয়্যার উন্নয়ন এমন একটি অঙ্গন যেখানে আমরা ইতিমধ্যে উল্লেখযোগ্য প্রভাব দেখতে পাচ্ছি জেনারেটিভ এআই টুলস সুবিধাগুলি অনেকগুলি, এবং উল্লেখযোগ্য উত্পাদনশীলতা লাভগুলি বর্তমানে এই সরঞ্জামগুলিকে আলিঙ্গনকারী উদ্যোগগুলির জন্য উপলব্ধ৷ ক ম্যাককিনসে পড়াশোনা দাবি করে যে সফ্টওয়্যার বিকাশকারীরা জেনারেটিভ এআই দিয়ে দ্বিগুণ দ্রুত কোডিং কাজগুলি সম্পূর্ণ করতে পারে।

কনসালটিং ফার্মের গবেষণায় দেখা গেছে, আশ্চর্যজনকভাবে, জটিল কোডিং কাজগুলি জেনারেটিভ এআই ব্যবহারের দ্বারা মারাত্মকভাবে প্রভাবিত হয়নি, তাই এআই প্রতিস্থাপনকারী বিকাশকারীদের নিয়ে উদ্বেগগুলি নিরাপদে বিশ্রামে রাখা যেতে পারে। যাইহোক, "নিম্ন ঝুলন্ত ফল" ব্যবহারের ক্ষেত্রে রয়েছে যেখানে AI ব্যাপকভাবে দলের উৎপাদনশীলতাকে দ্রুততর করতে পারে এবং উন্নতি করতে পারে বিকাশকারীর অভিজ্ঞতা.

কিন্তু জেনারেটিভ এআই টুলগুলি কীভাবে প্রভাব ফেলতে পারে সে সম্পর্কে জানার আগে, পদ্ধতি, কাঠামো এবং সর্বোত্তম অনুশীলনের মাধ্যমে বিকাশকারীর উত্পাদনশীলতা উন্নত করার বিষয়ে আরও সাধারণভাবে কথা বলা যাক। জেনারেটিভ এআই টুলবেল্টের একটি মাত্র টুল।

বিকাশকারীর উত্পাদনশীলতা পরিমাপ এবং উন্নত করা

বিকাশকারীর উত্পাদনশীলতা পরিমাপ করা, এর একটি উপসেট কর্মচারী উত্পাদনশীলতা, একটি বহুমুখী চ্যালেঞ্জ প্রতিনিধিত্ব করে। প্রথাগত মেট্রিক্স, যেমন লিখিত কোডের লাইন বা কাজ করা ঘন্টা, প্রায়শই জটিল কর্মপ্রবাহের জটিলতাগুলি ক্যাপচার করতে কম পড়ে। এগুলি কোনও বিকাশকারীর কাজের গুণমান বা বৃহত্তর প্রভাবকে পর্যাপ্তভাবে প্রতিফলিত নাও করতে পারে এবং একটি সঠিক মূল্যায়নের জন্য গ্রাহক সন্তুষ্টির মতো বাহ্যিক কারণগুলির অন্তর্ভুক্তির প্রয়োজন হতে পারে৷ এটা স্বীকার করা অত্যন্ত গুরুত্বপূর্ণ যে বিকাশকারীর উত্পাদনশীলতা নিছক কোড তৈরির বাইরেও প্রসারিত হয়; এটি উচ্চ-মানের আউটপুট সরবরাহ করে যা ক্রমাগতভাবে গ্রাহকদের সন্তুষ্ট করে, বার্নআউটের ঝুঁকি হ্রাস করে। একটি বার্ন আউট ডেভেলপার সাধারণত একটি অনুৎপাদনশীল এক.

DevOps রিসার্চ অ্যান্ড অ্যাসেসমেন্ট মেট্রিক্স (DORA), ডিপ্লোয়মেন্ট ফ্রিকোয়েন্সি, লিড টাইম এবং এর মতো মেট্রিক্স অন্তর্ভুক্ত করে পুনরুদ্ধারের সময় মানে, সফ্টওয়্যার সরবরাহের দক্ষতা মূল্যায়নের জন্য মানদণ্ড হিসাবে কাজ করে। এই বিকাশকারী উত্পাদনশীলতা মেট্রিক্স প্রকৌশল পরিচালক এবং প্রধান প্রযুক্তি কর্মকর্তাদের (CTOs) ব্যক্তি এবং দলের কর্মক্ষমতা সঠিকভাবে পরিমাপ করার ক্ষমতা দেয়।

প্রজেক্ট ম্যানেজমেন্ট টুলস, যেমন ব্যাপকভাবে গৃহীত জিরা, অগ্রগতি ট্র্যাক করে, কাজগুলি পরিচালনা করে এবং অবদান বিশ্লেষণের সুবিধা দেয়। স্পেস ফ্রেমওয়ার্ক- সফ্টওয়্যার ইঞ্জিনিয়ারিং, উত্পাদনশীলতা, বিশ্লেষণ, সহযোগিতা এবং দক্ষতা- বাস্তবায়ন করা সফ্টওয়্যার বিকাশের জন্য একটি সামগ্রিক পদ্ধতির প্রস্তাব করে। মূল পারফরম্যান্স ইন্ডিকেটর (KPIs), যেমন স্টোরি পয়েন্ট এবং রিয়েল-টাইম প্রোডাক্টিভিটি টুলস সফটওয়্যার ডেভেলপারের উৎপাদনশীলতাকে ধারাবাহিকভাবে পরিমাপ ও উন্নত করার জন্য মানদণ্ড হিসেবে কাজ করে।

পৃথক কর্মক্ষমতার বাইরে উৎপাদনশীলতা পরিমাপকে বৈচিত্র্যময় করার জন্য দলগত গতিবিদ্যার ব্যাপক বোঝার প্রয়োজন হয়। GitHub-এর মতো সহযোগিতার প্ল্যাটফর্মগুলি উন্মুক্ত যোগাযোগের সংস্কৃতি, সহযোগী কোড পর্যালোচনা এবং সহজে পুল অনুরোধের জন্য অনুঘটক হিসাবে কাজ করে। এই ধরনের প্ল্যাটফর্ম শুধুমাত্র দলের সদস্যদের একে অপরের কাছ থেকে শিখতে সক্ষম করে না বরং দক্ষতা বৃদ্ধির জন্য একটি সম্মিলিত স্থানও প্রদান করে। নতুন বৈশিষ্ট্যগুলির কৌশলগত প্রবর্তন এবং উচ্চ-মানের কোডের ধারাবাহিক ডেলিভারি শুধুমাত্র পণ্যের প্রতিযোগিতামূলকতাই বাড়ায় না কিন্তু শেষ-ব্যবহারকারীর সন্তুষ্টিতেও উল্লেখযোগ্যভাবে অবদান রাখে।

DevOps একটি রূপান্তরমূলক পদ্ধতি হিসাবে আবির্ভূত হয়েছে যা সফ্টওয়্যার বিকাশের জীবনচক্রের দক্ষতাকে অপ্টিমাইজ করে বিকাশ এবং অপারেশন অনুশীলনগুলিকে একীভূত করে। ডেভেলপার এবং অপারেশন টিমের মধ্যে সহযোগিতা বৃদ্ধির মাধ্যমে, DevOps-এর লক্ষ্য হল প্রসেস স্ট্রিমলাইন করা, লিড টাইম কমানো এবং ডিপ্লয়মেন্ট ফ্রিকোয়েন্সি বাড়ানো। এটি করার মাধ্যমে, এটি ক্রমাগত উদ্ভাবন এবং উন্নতির জন্য অনুকূল পরিবেশের পথ তৈরি করে। DevOps বাধাগুলি মোকাবেলা করতে এবং সক্রিয়ভাবে প্রযুক্তিগত ঋণ পরিচালনা করতে সাহায্য করে, যা একটি কাজের পরিবেশের জন্য অনুমতি দেয় যা ডেভেলপারদের খুশি রাখে এবং পাশাপাশি থাকে।

ইঞ্জিনিয়ারিং ম্যানেজাররা নিয়মিত অবদান বিশ্লেষণ করতে পারেন এবং এই তথ্যটি ব্যবহার করতে পারেন নতুন টুলগুলিকে সংহত করতে এবং কর্মচারীদের অভিজ্ঞতার উদ্বেগের সমাধান করতে, বিকাশকারীর উত্পাদনশীলতার জন্য একটি অনুকূল পরিবেশ তৈরি করতে। ইয়েস (ইওর ইঞ্জিনিয়ারিং সাকসেস) মডেল গ্রহণ করা দলের মধ্যে একটি ইতিবাচক এবং সহায়ক সংস্কৃতি গড়ে তোলার গুরুত্বকে বোঝায়, এমন একটি পরিবেশ তৈরি করে যা উদ্ভাবন এবং সৃজনশীলতাকে উৎসাহিত করে। এই সামগ্রিক পদ্ধতি নিশ্চিত করে যে বিকাশকারীর উত্পাদনশীলতা পরিমাপ করা হয় এবং এমনভাবে অপ্টিমাইজ করা হয় যা শুধুমাত্র ব্যক্তি এবং দলের কর্মক্ষমতা বাড়ায় না বরং উন্নয়ন কর্মীর সামগ্রিক মঙ্গলকেও লালন করে।

কিভাবে জেনারেটিভ এআই সাহায্য করতে পারে

AI উন্নয়ন কর্মপ্রবাহকে স্ট্রীমলাইন করতে পারে এমন অনেকগুলি উপায় রয়েছে। এখানে আরও কিছু সাধারণ ব্যবহারের ক্ষেত্রে রয়েছে:

পুনরাবৃত্তিমূলক কাজগুলি দূর করা

কোডিংয়ে প্রায়শই সহজ, কখনও কখনও ক্লান্তিকর কাজ জড়িত থাকে এবং এখানেই জেনারেটিভ এআই টুলগুলি উজ্জ্বল হতে থাকে। পুনরাবৃত্ত, রুটিন কাজ যেমন স্ট্যান্ডার্ড ফাংশন টাইপ করা স্বয়ংক্রিয়-সম্পূর্ণ বৈশিষ্ট্যগুলির সাথে ত্বরান্বিত করা যেতে পারে। ওপেনএআই-এর কোডেক্সের মতো সরঞ্জামগুলি প্রাকৃতিক ভাষার বর্ণনার উপর ভিত্তি করে কোডের লাইন বা সম্পূর্ণ ফাংশনের পরামর্শ দিতে পারে। ডেভেলপারদের স্বয়ংক্রিয়ভাবে নির্দিষ্ট ডকুমেন্টেশন ফরম্যাট মেনে চলতে সাহায্য করে কোড ডকুমেন্টেশনের গতি বাড়ানো যেতে পারে।

প্রাকৃতিক ভাষা ইন্টারফেস

জেনারেটিভ এআই সুবিধা দিতে পারে স্বভাবিক ভাষা সফ্টওয়্যার উন্নয়ন সরঞ্জাম জন্য ইন্টারফেস. বিকাশকারীরা প্রাকৃতিক ভাষা কমান্ড ব্যবহার করে উন্নয়ন পরিবেশ, ডিবাগিং এবং সংস্করণ নিয়ন্ত্রণ ব্যবস্থার সাথে যোগাযোগ করতে সক্ষম হতে পারে, যা ব্যাপক প্রোগ্রামিং দক্ষতা ছাড়াই তাদের জন্য এটি আরও অ্যাক্সেসযোগ্য করে তোলে।

কোড সাজেশন

জেনারেটিভ এআই প্রসঙ্গ-সচেতন পরামর্শ, ব্যাখ্যা এবং নির্দেশিকা প্রদান করে নতুনদের সাহায্য করতে পারে যখন তারা কোড লিখছে। এটি নতুন বিকাশকারীদের জন্য শেখার বক্ররেখাকে ত্বরান্বিত করতে পারে এবং সফ্টওয়্যার বিকাশে অ্যাক্সেসকে গণতান্ত্রিক করতে পারে।

কোডের উন্নতি

জেনারেটিভ এআই অপ্রয়োজনীয় বা অদক্ষ অংশ চিহ্নিত করে বিদ্যমান কোডে উন্নতির পরামর্শ দিতে পারে। এটি সময়ের সাথে কোডের গুণমান এবং কর্মক্ষমতা বজায় রাখতে সহায়তা করতে পারে। যে সমস্যাগুলি চিহ্নিত করা কঠিন হতে পারে সেগুলি AI-প্রস্তাবিত সমাধানগুলি প্রয়োগ করে আরও দ্রুত খুঁজে পাওয়া যায় এবং সংশোধন করা যেতে পারে, যা এমনকি স্বয়ংক্রিয়ভাবে করা যেতে পারে।

কোড অনুবাদ

জেনারেটিভ এআই এক ভাষা থেকে অন্য ভাষায় কোড অনুবাদ করতে পারে, কোড রূপান্তর বা স্ট্রীমলাইন করতে পারে অ্যাপ আধুনিকীকরণ প্রজেক্ট, যেমন COBOL কে জাভাতে রূপান্তর করে লিগ্যাসি অ্যাপ্লিকেশন আপডেট করা।

কোড টেস্টিং

জেনারেটিভ এআই স্বয়ংক্রিয়ভাবে পরীক্ষার কেস তৈরিতে নিযুক্ত করা যেতে পারে। এটি কোড বিশ্লেষণ করতে পারে এবং পরীক্ষার ইনপুট তৈরি করতে পারে, পরীক্ষার কভারেজ উন্নত করতে এবং বিকাশ প্রক্রিয়ার প্রথম দিকে সম্ভাব্য সমস্যাগুলি সনাক্ত করতে সহায়তা করে।

বাগ সনাক্তকরণ

বড় কোডবেস বিশ্লেষণ করে, জেনারেটিভ এআই সফ্টওয়্যার ডেভেলপমেন্ট টিমকে বাগগুলি সনাক্ত করতে এবং এমনকি স্বয়ংক্রিয়ভাবে সংশোধন করতে সহায়তা করতে পারে। এটি আরও শক্তিশালী এবং নির্ভরযোগ্য সফ্টওয়্যার, সেইসাথে দ্রুত বিকাশ চক্রের দিকে পরিচালিত করতে পারে।

ব্যক্তিগতকৃত উন্নয়ন পরিবেশ

জেনারেটিভ এআই ব্যক্তিগতকৃত উন্নয়ন পরিবেশ তৈরি করতে সাহায্য করতে পারে যা স্বতন্ত্র বিকাশকারী পছন্দ এবং কোডিং শৈলীর সাথে খাপ খায়। এটি উত্পাদনশীলতা বাড়াবে এবং কোডিং অভিজ্ঞতা প্রোগ্রামারদের জন্য আরও আরামদায়ক করে তুলবে।

উন্নত ডকুমেন্টেশন

জেনারেটিভ এআই কোড কার্যকারিতা সংক্ষিপ্ত করে, অ্যালগরিদম ব্যাখ্যা করে এবং প্রসঙ্গ প্রদান করে ডকুমেন্টেশন তৈরিতে ইঞ্জিনিয়ারিং দলগুলিকে সহায়তা করতে পারে। এটি পরিষ্কার এবং আপ টু ডেট প্রকল্প ডকুমেন্টেশন বজায় রাখার জন্য দরকারী হতে পারে।

কোডিং সফ্টওয়্যারের জন্য জেনারেটিভ এআই কীভাবে কাজ করে

কোডিং এ জেনারেটিভ এআই লিভারেজ করে কাজ করে মেশিন লার্নিং কোডের বড় ডেটাসেটে প্রশিক্ষিত মডেল। এই মডেলগুলি, প্রোগ্রামিং ভাষার গঠন এবং সিনট্যাক্স বুঝতে সক্ষম।

মডেলের প্রাক-প্রশিক্ষণ

জেনারেটিভ এআই মডেলগুলি বিভিন্ন প্রোগ্রামিং ভাষায় লেখা কোডের বিভিন্ন উদাহরণ সম্বলিত বিশাল ডেটাসেটে প্রাক-প্রশিক্ষিত। প্রাক-প্রশিক্ষণের সময়, মডেলটি পূর্ববর্তী শব্দের প্রেক্ষাপটের উপর ভিত্তি করে কোডের একটি ক্রম অনুসারে পরবর্তী শব্দ বা টোকেনের পূর্বাভাস দিতে শেখে। এই প্রক্রিয়াটি মডেলটিকে বিভিন্ন প্রোগ্রামিং ভাষার অন্তর্নিহিত সিনট্যাক্স, শব্দার্থবিদ্যা এবং নিদর্শনগুলি ক্যাপচার করতে দেয়।

প্রসঙ্গ বোঝা

যখন একটি কোডিং প্রম্পট বা ক্যোয়ারী উপস্থাপন করা হয়, জেনারেটিভ এআই মডেল ইনপুট প্রক্রিয়া করে এবং প্রসঙ্গ এবং অভিপ্রায় বোঝার জন্য তার শেখা জ্ঞান ব্যবহার করে। মডেলটি প্রাসঙ্গিক এবং সিনট্যাকটিকভাবে সঠিক কোড তৈরি করতে বিভিন্ন কোড উপাদান, যেমন ভেরিয়েবল, ফাংশন এবং নিয়ন্ত্রণ কাঠামোর মধ্যে সম্পর্ক বিবেচনা করে।

কোড জেনারেশন

শেখা নিদর্শন এবং প্রাসঙ্গিক বোঝাপড়া ব্যবহার করে, জেনারেটিভ এআই মডেল আউটপুট হিসাবে কোড স্নিপেট তৈরি করে। উত্পন্ন কোডটি ইনপুট প্রম্পটের উপর ভিত্তি করে তৈরি করা হয় এবং প্রোগ্রামিং ভাষাগুলির গঠন এবং শৈলী অনুসরণ করে যেখানে মডেলটি প্রশিক্ষিত হয়েছিল।

ব্যবহারকারীর প্রতিক্রিয়ার সাথে মানিয়ে নেওয়া

জেনারেটিভ এআই মডেলগুলিতে প্রায়শই ব্যবহারকারীর প্রতিক্রিয়ার উপর ভিত্তি করে মানিয়ে নেওয়ার এবং উন্নত করার ব্যবস্থা থাকে। বিকাশকারীরা জেনারেট করা কোডের উপর প্রতিক্রিয়া প্রদান করতে পারে, মডেলটিকে তার বোঝাপড়াকে পরিমার্জিত করতে এবং ভবিষ্যতের আউটপুটগুলিকে উন্নত করতে সহায়তা করে। এই পুনরাবৃত্তিমূলক প্রতিক্রিয়া লুপ সময়ের সাথে সাথে আরও সঠিক এবং প্রাসঙ্গিকভাবে প্রাসঙ্গিক কোড তৈরি করতে মডেলের ক্ষমতাতে অবদান রাখে।

কোডিংয়ে জেনারেটিভ এআই একটি শক্তিশালী হাতিয়ার হলেও, এটি মানব বিকাশকারীদের সৃজনশীলতা, সমস্যা সমাধান এবং ডোমেন দক্ষতার বিকল্প নয়। এটি একটি পরিবর্ধন সরঞ্জাম হিসাবে কাজ করে, ডেভেলপারদের কোডিং কাজগুলিতে সহায়তা করে, পরামর্শ প্রদান করে এবং উন্নয়ন প্রক্রিয়ার নির্দিষ্ট দিকগুলিকে সম্ভাব্যভাবে দ্রুততর করে। ডেভেলপারদের উচিত দায়বদ্ধতার সাথে জেনারেটিভ এআই ব্যবহার করা, জেনারেট করা কোডকে পুঙ্খানুপুঙ্খভাবে যাচাই করা এবং তাদের নিজস্ব দক্ষতা এবং বোঝার সাথে এর আউটপুটগুলিকে পরিপূরক করা।

একটি অনুমানমূলক ব্যবহারের ক্ষেত্রে

একজন প্রোগ্রামারকে কল্পনা করুন যাকে একটি ওয়েব অ্যাপ্লিকেশন প্রকল্পের জন্য একটি জটিল বৈশিষ্ট্য বাস্তবায়নের দায়িত্ব দেওয়া হয়েছে। জটিল ডেটা ম্যানিপুলেশন এবং ডায়নামিক কন্টেন্ট রেন্ডারিংয়ের চ্যালেঞ্জের মুখোমুখি হয়ে, তিনি কোডিং প্রক্রিয়াকে ত্বরান্বিত করার জন্য তার ডেভেলপমেন্ট ওয়ার্কফ্লোতে জেনারেটিভ এআইকে একীভূত করার সিদ্ধান্ত নেন। তিনি নতুন বৈশিষ্ট্যের প্রয়োজনীয়তাগুলি সাবধানতার সাথে সংজ্ঞায়িত করে, মূল যুক্তি এবং কাঠামোকে একটি কোডিং প্রম্পটে এনক্যাপসুলেট করে শুরু করেন। ওয়েব ডেভেলপমেন্ট কোডের বিভিন্ন ডেটাসেটে প্রশিক্ষিত একটি জেনারেটিভ এআই টুল ব্যবহার করে, তিনি তার কোডিং প্রম্পট ইনপুট করেন, মডেলটিকে স্বায়ত্তশাসিতভাবে নির্দিষ্ট প্রয়োজনীয়তার সাথে সারিবদ্ধ একটি প্রাথমিক কোড স্নিপেট তৈরি করতে অনুরোধ করেন। এই জেনারেট করা কোডে ডেটা প্রসেসিং, ইভেন্ট হ্যান্ডলিং এবং ডাইনামিক কন্টেন্ট রেন্ডারিংয়ের ফাংশন অন্তর্ভুক্ত রয়েছে।

তিনি উৎপন্ন কোডকে পরিমার্জন এবং সূক্ষ্ম-টিউন করার একটি পুনরাবৃত্তিমূলক প্রক্রিয়ায় প্রবেশ করেন। এই ইন্টারঅ্যাকশনের মাধ্যমে, তিনি নিশ্চিত করেন যে AI-উত্পাদিত কোড প্রকল্পের কোডিং কনভেনশন এবং স্থাপত্যগত সূক্ষ্মতা মেনে চলে। জেনারেট করা কোডটি এখন তার সন্তুষ্টি পূরণ করে, সে এটিকে ওয়েব অ্যাপ্লিকেশনের বিদ্যমান কোডবেসে সংহত করে। জেনারেটিভ এআই দ্বারা সহজতর ত্বরান্বিত উন্নয়ন প্রক্রিয়া সত্ত্বেও, তিনি বৈশিষ্ট্যটির সঠিকতা, প্রতিক্রিয়াশীলতা এবং নির্ভরযোগ্যতা নিশ্চিত করার জন্য পুঙ্খানুপুঙ্খ পরীক্ষায় মানুষের বৈধকরণের অপরিহার্য ভূমিকাকে স্বীকৃতি দেন।

তার কর্মপ্রবাহে জেনারেটিভ এআই-এর সংহতকরণ শুধুমাত্র কোডিং প্রক্রিয়াকে ত্বরান্বিত করে না বরং উচ্চ-স্তরের নকশার দিক, ব্যবহারকারীর অভিজ্ঞতা বিবেচনা এবং ব্যাপক পরীক্ষার জন্য আরও বেশি সময় বরাদ্দ করার ক্ষমতা দেয়। এই ব্যবহারের কেসটি উদাহরণ দেয় যে কীভাবে জেনারেটিভ এআই একটি মূল্যবান সহযোগী হিসাবে কাজ করে, ডেভেলপারদের সক্ষমতা বৃদ্ধি করে এবং সফ্টওয়্যার বিকাশের জীবনচক্রের সামগ্রিক দক্ষতা এবং গুণমানে অবদান রাখে।

শুরু হচ্ছে

আইবিএম ওয়াটসনক্স কোড সহকারী এর মূলে বিশ্বাস, নিরাপত্তা এবং সম্মতির নীতিগুলি বজায় রেখে উন্নয়নকে ত্বরান্বিত করতে জেনারেটিভ AI ব্যবহার করে। বিকাশকারী এবং আইটি অপারেটররা অ্যাপ্লিকেশন আধুনিকীকরণের প্রচেষ্টাকে ত্বরান্বিত করতে পারে এবং আইটি পরিবেশকে দ্রুত স্কেল করার জন্য অটোমেশন তৈরি করতে পারে। ওয়াটসনক্স কোড অ্যাসিস্ট্যান্ট আইবিএম গ্রানাইট ফাউন্ডেশন মডেল দ্বারা চালিত যা কোডের জন্য ডিজাইন করা অত্যাধুনিক বৃহৎ ভাষার মডেলগুলি অন্তর্ভুক্ত করে, আইটি দলগুলিকে প্রাকৃতিক ভাষার অনুরোধ বা বিদ্যমান উত্সের উপর ভিত্তি করে এআই-উত্পাদিত সুপারিশগুলি ব্যবহার করে উচ্চ-মানের কোড তৈরি করতে সহায়তা করার জন্য প্রস্তুত। কোড

ওয়াটসনক্স কোড সহকারী অন্বেষণ করুন