یکی از سوال های قدیمی مصاحبه ها اینه که میپرسن وقتی google.com رو باز کردی چه اتفاقی میافته ؟
اینجا امدن بسیار ریز توضیحش دادن از اون سیگنالی که وقتی g رو فشار دادید که از کیبرد ساخته میشه تا رندر شدن صفحه توسط GPU داستان جالبیه، اگه انگلیسیتون هم خوب نیست ترجمش کنید بخونیدش
github.com/alex/what-happens-when
@Linuxor
اینجا امدن بسیار ریز توضیحش دادن از اون سیگنالی که وقتی g رو فشار دادید که از کیبرد ساخته میشه تا رندر شدن صفحه توسط GPU داستان جالبیه، اگه انگلیسیتون هم خوب نیست ترجمش کنید بخونیدش
github.com/alex/what-happens-when
@Linuxor
1
نمیدونی پشت پرده Kubernetes چه خبره؟ ریپوی Kubernetes The Hard Way دقیقاً همون چیزیه که دنبالشی. اینجا خبری از اتوماسیون نیست و قدم به قدم یاد میگیری چطور تکتک کامپوننتهای کوبرنتیز، از etcd گرفته تا kube-apiserver، رو خودت راهاندازی کنی. اینجوری دیگه کوبرنتیز برات جعبه سیاه نیست! به درد مهندسهای دواپس و زیرساخت میخوره که میخوان عمقی بفهمن سیستم چطور کار میکنه.
github.com/kelseyhightower/kubernetes-the-hard-way
@Linuxor
github.com/kelseyhightower/kubernetes-the-hard-way
@Linuxor
بدون هزار تومن خرج کردن اینو توی یک ماه اوردم رنک زیر 10 گوگل
اونجایی که یهو ریخت پایین بخاطر اشتباه فاحشم بود که برای دیدن بعضی صفحات خوب لاگین گذاشته بودم، و بعد اصلاح اشتباه مجددا رشد شروع شد.
حالا چرا اشتباه فاحش؟ صفحه لاگین مثل یه دیوار کاغذیه حتی اگه طلا هم پشتش باشه بعضی کاربرا تمایل به دیدن اون طرفشو ندارن، چون وقت اینو ندارن اون کاغذو پاره کنن؛
و نکته دیگه حتی لاگین ساده هم همین تاثیرو داره چه برسه لاگین های چند اینپوتی؛ جنس لاگین من از Oauth بود که با یه کلیک لاگین میشد این همه وایب منفی داشت حالا چه برسه لاگین های زمان بر و چند مرحله ای
@Linuxor
اونجایی که یهو ریخت پایین بخاطر اشتباه فاحشم بود که برای دیدن بعضی صفحات خوب لاگین گذاشته بودم، و بعد اصلاح اشتباه مجددا رشد شروع شد.
حالا چرا اشتباه فاحش؟ صفحه لاگین مثل یه دیوار کاغذیه حتی اگه طلا هم پشتش باشه بعضی کاربرا تمایل به دیدن اون طرفشو ندارن، چون وقت اینو ندارن اون کاغذو پاره کنن؛
و نکته دیگه حتی لاگین ساده هم همین تاثیرو داره چه برسه لاگین های چند اینپوتی؛ جنس لاگین من از Oauth بود که با یه کلیک لاگین میشد این همه وایب منفی داشت حالا چه برسه لاگین های زمان بر و چند مرحله ای
@Linuxor
برای یادگیری کامپیوتر اگه سربازی جلوتونو نگرفته یا چه میدونم فرهنگ خانوادگی یا چیزای دیگه مجبورتون نمیکنه دانشگاه نرید
من توی چهار سال دانشگاه کلی یاد گرفتم و کلی پیشرفت کردم ولی چیزی رو در من کشت به اسم خلاقیت که با هیچ فرمولی نمیتونم مجددا بهش برسم... در حالی که کل چیزایی که یاد گرفتم سر جمع اندازه خوندن یه کتابی بیش نبود!
البته خوندن این کتاب نیاز به پس گردنی داره! که اگه دستتون سنگینه خودتون به خودتون زود تر پس گردنی رو بزنید نزارید دانشگاه با رقابت های بیهوده مثل نمره بهتون بزنه و مجبورتون کنه خلاف چیزایی که دوست دارید برید
این شرکت هایی هم که مدرک ازتون میخوان از بیرون ایران بهشون نگاه کنید توی سطح جهانی مفت نمیارزن فقط شاخ بازیشو تو ایران واس شما بلدن در بیارن !
@Linuxor
من توی چهار سال دانشگاه کلی یاد گرفتم و کلی پیشرفت کردم ولی چیزی رو در من کشت به اسم خلاقیت که با هیچ فرمولی نمیتونم مجددا بهش برسم... در حالی که کل چیزایی که یاد گرفتم سر جمع اندازه خوندن یه کتابی بیش نبود!
البته خوندن این کتاب نیاز به پس گردنی داره! که اگه دستتون سنگینه خودتون به خودتون زود تر پس گردنی رو بزنید نزارید دانشگاه با رقابت های بیهوده مثل نمره بهتون بزنه و مجبورتون کنه خلاف چیزایی که دوست دارید برید
این شرکت هایی هم که مدرک ازتون میخوان از بیرون ایران بهشون نگاه کنید توی سطح جهانی مفت نمیارزن فقط شاخ بازیشو تو ایران واس شما بلدن در بیارن !
@Linuxor
8
احتمالا دیدید که هوش مصنوعی گاهی وقتا توهم میزنه. ولی این قضیه اونجوری که فکر میکنین باگ نیست. در واقع، این بخشی از ذات طراحیشه. هوش مصنوعی مثل یه دیتابیس نیست که اطلاعات رو خشک و خالی حفظ کنه؛ کار اصلیش اینه که الگوها و شکل کلی زبان رو یاد بگیره. برای همین هم هست که تو کارایی مثل خلاصهنویسی، توضیح دادن یه موضوع پیچیده به زبون ساده یا ترجمه خلاقانه اینقدر خوب عمل میکنه. چون داره از قدرت حدس و تخمینش استفاده میکنه تا یه جواب روون و منطقی تحویل بده، نه اینکه یه مشت اطلاعات حفظ شده رو کپی پیست کنه.
مشکل از جایی شروع میشه که ما ازش جواب دقیق و صددرصدی میخوایم، مثلا در مورد دوز دارو یا یه نقل قول مشخص. هوش مصنوعی فرق این دو حالت رو نمیفهمه؛ فقط داره محتملترین کلمه بعدی رو بر اساس الگوهایی که یاد گرفته میگه. برای همین، ممکنه یه جواب خیلی خوشگل و با گرامر عالی بهت بده که کاملا ساختگیه. راه حلش هم این نیست که مدل رو بزرگتر کنیم، چون اون وقت فقط با اعتماد به نفس بیشتری هذیون میگه! راه حل اینه که ابزارهایی دور و برش بذاریم که بتونه اطلاعاتش رو از منابع دقیق چک کنه.
@Linuxor ~ dustin
مشکل از جایی شروع میشه که ما ازش جواب دقیق و صددرصدی میخوایم، مثلا در مورد دوز دارو یا یه نقل قول مشخص. هوش مصنوعی فرق این دو حالت رو نمیفهمه؛ فقط داره محتملترین کلمه بعدی رو بر اساس الگوهایی که یاد گرفته میگه. برای همین، ممکنه یه جواب خیلی خوشگل و با گرامر عالی بهت بده که کاملا ساختگیه. راه حلش هم این نیست که مدل رو بزرگتر کنیم، چون اون وقت فقط با اعتماد به نفس بیشتری هذیون میگه! راه حل اینه که ابزارهایی دور و برش بذاریم که بتونه اطلاعاتش رو از منابع دقیق چک کنه.
@Linuxor ~ dustin
1
این ریپو یه کورس 12 هفتهایه از مایکروسافت برای شروع ماشین لرنینگ
از یه مسیر ساده شروع میکنه: با مثالهای روزمره، مثل پیشبینی فروش یا تشخیص دستخط. حتی قبل از اینکه ریاضی سنگین وارد شه، دست به کدت میکنه بدرد اونایی میخوره که میخوان از مسیر معقول شروع کنن، نه فقط زودتر.
github.com/microsoft/ML-For-Beginners
@Linuxor
از یه مسیر ساده شروع میکنه: با مثالهای روزمره، مثل پیشبینی فروش یا تشخیص دستخط. حتی قبل از اینکه ریاضی سنگین وارد شه، دست به کدت میکنه بدرد اونایی میخوره که میخوان از مسیر معقول شروع کنن، نه فقط زودتر.
github.com/microsoft/ML-For-Beginners
@Linuxor
این Gemini Pro که گوگل خیرات کرد رو چند وقتی تستش کردم روی کد ها خیلی Overthinking داره مثلا یه کدی که با 10 خط جمع میشه رو میآد با کلی جنگولک بازی 100 خط مینویسه،
انگاری بهش گفتن آزادی زیاد فکر کنی، درصورتی که نسخه رایگان ChatGPT برای اکثر مقایسه هام که مسائل ابتکاری بود و توی کار بهشون برمیخوردم و نمونه مشابهی نداشتن پرفومنس بهتری داشت.
اما توی کد هایی که بهش میگفتم نظر خودت هم بگو Gemini Pro کد های خیلی خلاقانه تری میداد اما ChatGPT خلاقیتش بیشتر کپی قالب های نمونم بود انگاری محتاطانه تر رفتار میکرد و خلاقیت کمتری داشت.
@Linuxor
انگاری بهش گفتن آزادی زیاد فکر کنی، درصورتی که نسخه رایگان ChatGPT برای اکثر مقایسه هام که مسائل ابتکاری بود و توی کار بهشون برمیخوردم و نمونه مشابهی نداشتن پرفومنس بهتری داشت.
اما توی کد هایی که بهش میگفتم نظر خودت هم بگو Gemini Pro کد های خیلی خلاقانه تری میداد اما ChatGPT خلاقیتش بیشتر کپی قالب های نمونم بود انگاری محتاطانه تر رفتار میکرد و خلاقیت کمتری داشت.
@Linuxor
توی بخش forget password سایتت وقتی کسی ایمیلی وارد کرد حتی اگه اون ایمیل توی لیست کاربرات هم نبود همیشه بگو ایمیل بازیابی با موفقیت ارسال شد (اگه جز یورزات نبود ایمیل ارسال نکن) نیای بگی این کاربر وجود نداره !
چون با همین یه جمله یه اسیب پذیری کوچیک به اسم email enumeration ساختی هکر میتونه بفهمه چه کاربری توی سایتت وجود داره چه کاربری وجود نداره ! این اسیب پذیری به تنهایی خطری نداره ولی میتونه با اسیب پذیری های دیگه ترکیب بشه و مشکل ساز بشه.
عکس مالforget password سایت هکر وانه یه جمله خلاقانه گفتن و دیگه UX هم خراب نکردن.
@Linuxor
چون با همین یه جمله یه اسیب پذیری کوچیک به اسم email enumeration ساختی هکر میتونه بفهمه چه کاربری توی سایتت وجود داره چه کاربری وجود نداره ! این اسیب پذیری به تنهایی خطری نداره ولی میتونه با اسیب پذیری های دیگه ترکیب بشه و مشکل ساز بشه.
عکس مالforget password سایت هکر وانه یه جمله خلاقانه گفتن و دیگه UX هم خراب نکردن.
@Linuxor
1
یکی از پروژه هایی که بهتون کمک میکنه یه پله توی سی بالا تر برید ساخت وب سروره امروز یکی رو به اسم مصطفی خان توی توییتر دیدم که این پروژه رو زده، داغه داغه برید کلونش کنید هم با Makefile ها درگیر میشین هم با کار های سطح پایین توی سی
github.com/mustafa-khann/http-server
@Linuxor
github.com/mustafa-khann/http-server
@Linuxor
دوتا کد ساده بدون if نوشتم برای تشخیص کبیسه بودن سال میلادی و شمسی
علت اینکه میلادی فرق داره اینه که الگوریتمیه در واقع هر 4 سال یکبار سال کبیسهست، مگر اینکه سال مضرب 100 باشه ولی نه مضرب 400
البته تقویم شمسی دقیق تره و فرمول خاصی نداره و بیشتر بر پایه محاسبات نجومیه
که برای حساب کردنش تقریبا اینطوریه که سالهای شمسی هر 33 سال، معمولاً 8 کبیسه دارن، طبق یک الگوی مشخص پس، برای تعیین کبیسه بودن، کافیه باقیمانده تقسیم سال بر 33 رو حساب کنیم و ببینیم آیا جزو این موقعیتها هست یا نه.
@Linuxor
علت اینکه میلادی فرق داره اینه که الگوریتمیه در واقع هر 4 سال یکبار سال کبیسهست، مگر اینکه سال مضرب 100 باشه ولی نه مضرب 400
البته تقویم شمسی دقیق تره و فرمول خاصی نداره و بیشتر بر پایه محاسبات نجومیه
که برای حساب کردنش تقریبا اینطوریه که سالهای شمسی هر 33 سال، معمولاً 8 کبیسه دارن، طبق یک الگوی مشخص پس، برای تعیین کبیسه بودن، کافیه باقیمانده تقسیم سال بر 33 رو حساب کنیم و ببینیم آیا جزو این موقعیتها هست یا نه.
@Linuxor
اپل به بزرگای هوش مصنوعی گفته کم شر و ور درباره هوش مصنوعی بگید هوش مصنوعی خیلی فاصله داره تا AGI یا هوش عمومی!
چند تا از این مدلای معروف مثل deepseek و o1 و claude رو برده زیر تست مسئله های جدیدی که تابحال کسی ندیدتشون و هر چقدر هم بهشون منابع قوی اضافه کرده بازم اوسگولانه فکر کردن و مثل بز تسلیم شدن. در واقع این مدلا برای چیزای جدید استدلال نتونستن کنن فقط برای مسائل از قبل حل شده خوب عمل میکردن.
در نهایت اپل از شرکت هایی که توانایی استدلال و فکر کردن مدلشون رو میآن توی شبکه های اجتماعی جشن میگیرن گله کرده و گفته دفه آخرتون باشه
@Linuxor
چند تا از این مدلای معروف مثل deepseek و o1 و claude رو برده زیر تست مسئله های جدیدی که تابحال کسی ندیدتشون و هر چقدر هم بهشون منابع قوی اضافه کرده بازم اوسگولانه فکر کردن و مثل بز تسلیم شدن. در واقع این مدلا برای چیزای جدید استدلال نتونستن کنن فقط برای مسائل از قبل حل شده خوب عمل میکردن.
در نهایت اپل از شرکت هایی که توانایی استدلال و فکر کردن مدلشون رو میآن توی شبکه های اجتماعی جشن میگیرن گله کرده و گفته دفه آخرتون باشه
@Linuxor