اینجا یه لیست خیلی خوب از پادکست های برنامه نویسی و تکنولوژی جمع کردن، به زبان انگلیسی و آلمانی و روسی و... هستن، هم برای یادگیری زبان تخصصی خوبه هم خود اون تکنولوژی، فریم ورک یا زبان برنامه نویسی رو دنبال میکنید
github.com/rShetty/awesome-podcasts
@Linuxor
github.com/rShetty/awesome-podcasts
@Linuxor
مایکروسافت یه چیزی توسعه داده به اسم Swin Transformer که یه مدل بینایی کامپیوتریه که مثل Transformerهای NLP کار میکنه، ولی مخصوص تصویر طراحی شده. ایدهش اینه که تصویر رو به پنجرههای کوچیک تقسیم میکنه و هر پنجره با خودش تمرکز میکنه، بعد پنجرهها رو شیفت میده تا با هم ارتباط پیدا کنن در نتیجه یه مدل سریع، کارآمد و دقیق برای تشخیص تصویر، تشخیص اشیاء و حتی جداسازی اشیاءه.
این مدل خیلی خوبه وقتی میخواین پروژههای واقعی بینایی بسازین، مثل تشخیص شیء تو عکسهای دوربین، یا طبقهبندی و جداسازی تصویر. نسبت به CNNهای قدیمی میتونه جزئیات و مقیاسهای مختلف رو بهتر مدیریت کنه.
برای شروع میتونین با نسخه از پیشآموزشدیده Swin Transformer توی PyTorch کار کنین و مدل رو روی دادهٔ ها خودتون fine-tune کنین. کد هاش :
github.com/microsoft/Swin-Transformer
@Linuxor
این مدل خیلی خوبه وقتی میخواین پروژههای واقعی بینایی بسازین، مثل تشخیص شیء تو عکسهای دوربین، یا طبقهبندی و جداسازی تصویر. نسبت به CNNهای قدیمی میتونه جزئیات و مقیاسهای مختلف رو بهتر مدیریت کنه.
برای شروع میتونین با نسخه از پیشآموزشدیده Swin Transformer توی PyTorch کار کنین و مدل رو روی دادهٔ ها خودتون fine-tune کنین. کد هاش :
github.com/microsoft/Swin-Transformer
@Linuxor
توی یوتیوب عدد دیسلایک ها نشون داده نمیشه
علتش هم بخاطر اینه که گوگل سال 2021 یهویی تصمیم گرفت، اون عدد رو مخفی کنه چون بعضی از پستا بیخودی دیسلایک میگرفت یعنی کاربرا میدیدن دیسلایک زیاده و بد تر پست رو دیسلایک میکردن و این باعث میشد دیسلایک ها بالا بره، همچنین بعضیا میومدن یه ویدیو رو با دیسلایک گروهی خرابش میکردن برای همین گوگل اومد اون عدد رو مخفی کرد ولی توی API ش هنوز اون عدد به فرانتاند داده میشه میتونید با این اکستنشن عدد دیسلایک هارو اضافه کنید:
returnyoutubedislike.com/install
@Linuxor
علتش هم بخاطر اینه که گوگل سال 2021 یهویی تصمیم گرفت، اون عدد رو مخفی کنه چون بعضی از پستا بیخودی دیسلایک میگرفت یعنی کاربرا میدیدن دیسلایک زیاده و بد تر پست رو دیسلایک میکردن و این باعث میشد دیسلایک ها بالا بره، همچنین بعضیا میومدن یه ویدیو رو با دیسلایک گروهی خرابش میکردن برای همین گوگل اومد اون عدد رو مخفی کرد ولی توی API ش هنوز اون عدد به فرانتاند داده میشه میتونید با این اکستنشن عدد دیسلایک هارو اضافه کنید:
returnyoutubedislike.com/install
@Linuxor
گوگل با پروژه Suncatcher میخواد دیتاسنترها رو از زمین به فضا ببره!
ایده اینه که ماهوارههایی مجهز به تراشههای هوش مصنوعی (مثل TPU) در مدار خورشیدی قرار بگیرن تا با انرژی پاک خورشید، بدون نیاز به برق و خنکسازی زمینی، محاسبات عظیم AI رو انجام بدن.
این یعنی آیندهای که دیتاسنترها توی مدار زمین میچرخن، از نور خورشید نیرو میگیرن و مدلهای هوش مصنوعی رو آموزش میدن.
@Linuxor
ایده اینه که ماهوارههایی مجهز به تراشههای هوش مصنوعی (مثل TPU) در مدار خورشیدی قرار بگیرن تا با انرژی پاک خورشید، بدون نیاز به برق و خنکسازی زمینی، محاسبات عظیم AI رو انجام بدن.
این یعنی آیندهای که دیتاسنترها توی مدار زمین میچرخن، از نور خورشید نیرو میگیرن و مدلهای هوش مصنوعی رو آموزش میدن.
@Linuxor
گوگل یه ابزار داره برای برنامه نویسی به صورت ماژولی و بلوکی، اینو بدید به کسایی که تازه میخوان برنامه نویسی یاد بگیرن خیلی کمکشون میکنه
راهنمای استفادش:
developers.google.com/blockly
@Linuxor
راهنمای استفادش:
developers.google.com/blockly
@Linuxor
اگه زیاد با ترمینال کار میکنید، Atuin میاد تاریخچه فرمانهاتون رو مدیریت میکنه، ولی نه مثل history معمولی! همه چیز رو با جزئیات ذخیره میکنه: مسیر، زمان اجرا، خروجی و حتی روی چند دستگاه هم sync میشه. یعنی دیگه لازم نیست برای پیدا کردن یه فرمان قدیمی بین صدها خط history دنبال بگردین.
نصب :
atuin.sh
@Linuxor
نصب :
atuin.sh
@Linuxor
یه هوش مصنوعی قوی دیگه
یه شرکت چینی به اسم Moonshot AI یه مدل جدید به اسم Kimi K2 Thinking معرفی کرده که گفته از GPT-5 هم قویتره!
مدلش بازه (Open Source)، یعنی میتونی بری وزنها و کدش رو ببینی و حتی باهاش کار کنی. با یه ساختار باحال به اسم Mixture of Experts ساخته شده که باعث میشه تند و ارزونتر کار کنه. خلاصه، چینم رسماً وارد رقابت سنگین مدلهای هوش مصنوعی شده، تستش کردم وقعا جواب های خوبی میداد:
www.kimi.com
@Linuxor
یه شرکت چینی به اسم Moonshot AI یه مدل جدید به اسم Kimi K2 Thinking معرفی کرده که گفته از GPT-5 هم قویتره!
مدلش بازه (Open Source)، یعنی میتونی بری وزنها و کدش رو ببینی و حتی باهاش کار کنی. با یه ساختار باحال به اسم Mixture of Experts ساخته شده که باعث میشه تند و ارزونتر کار کنه. خلاصه، چینم رسماً وارد رقابت سنگین مدلهای هوش مصنوعی شده، تستش کردم وقعا جواب های خوبی میداد:
www.kimi.com
@Linuxor
یه ابزار جدید به اسم React Onchain اومده که اجازه میده کل فرانتاند اپت رو مستقیم بندازی روی بلاکچین! یعنی حتی index.html و کدت React یا Vue رو میتونی بدون سرور، بدون هاست، و با هزینهی چند سنت بذاری روی زنجیره. در نتیجه اپت برای همیشه آنلاین میمونه، هیچکس نمیتونه کاری باهاش کنه یا سانسورش کنه، و دیگه لازم نیست دغدغهی تمدید هاست یا قطعی سرور داشته باشی
از اینجا میتونید مستنداتش رو بخونید :
app.reactonchain.com
@Linuxor
از اینجا میتونید مستنداتش رو بخونید :
app.reactonchain.com
@Linuxor
از نسخه 6.6 به بعد KDE میتونید چند مانیتوری رو توی لینوکس بهتر تجربه کنید، هر مانیتور رو میتونید روی یه دسکتاپ ثابت کنید توی ورژن های قبلی وقتی بین دسکتاپهای مجازی جابهجا میشدید، تمام مانیتورها تغییر میکردند. برای مثال میتونید مانیتور اصلی رو برای کارهای روزمره و جابهجایی بین دسکتاپها قرار بدید و مانیتور های دیگه رو برای کد زدن مانیتور کردن و کارای دیگه قرار بدید.
@Linuxor
@Linuxor
یه برد جدید اومده به اسم Arduino Uno Q که یه برد عجیب و جالبیه، این برد هيبرید و ترکیبی از معماری سیستم‑روییکچیپ (MPU) با سیستمعامل لینوکس و یه میکروکنترلر (MCU) توی یه برد هستش، هم میکروکنترلر داره برای کنترل حسگرها و موتورها، هم یه بخش لینوکسی مثل Raspberry Pi که میتونه برنامههای سنگینتر یا مدلهای هوش مصنوعی رو اجرا کنه. یعنی هم میتونی پروژههای سختافزاری رو با C++ کنترل کنی، هم با Python توی لینوکس چیزای باحال بسازی.
با این برد میتونید پروژه های پردازش تصویر و هوش مصنوعی انجام بدید! قیمت حدودی توی بازار 12 تومن.
@Linuxor
با این برد میتونید پروژه های پردازش تصویر و هوش مصنوعی انجام بدید! قیمت حدودی توی بازار 12 تومن.
@Linuxor
اگه زبان گو کار میکنید و یا قصد یادگیریش رو دارید این ویدیو هارو ببینید از تیم Ardan Labs هستش یه مجموعه خیلی خوب برای یادگیری برنامه نویسی و دواپس
github.com/ardanlabs/gotraining
@Linuxor
github.com/ardanlabs/gotraining
@Linuxor
اگه خواستی یه اپ بسازی که دوتا کاربر بتونن مستقیم با هم چت کنن یا ویدیوکال بزنن بدون اینکه همه چیز از سرور رد شه، PeerJS رو یه تستی کن، یه کتابخونهی جاوااسکریپتیه که با WebRTC کار میکنه و باعث میشه مرورگرا خودشون بدون هیچ سروری به هم وصل شن و داده، صدا یا ویدیو ردوبدل کنن.
دقت کنید اصلا سرور لازم نداره (یه دیتای کوچیکی توی ارتباط اولیه قرار انتقال پیدا کنه که اونو با سرور خودش انجام میده) فقط کافیه با چند خط کد یه Peer بسازی، آیدی بگیری و به یکی دیگه وصل شی. هم برای پروژههای دانشجویی عالیه هم برای یادگیری مفاهیم شبکه و P2P.
peerjs.com
@Linuxor
دقت کنید اصلا سرور لازم نداره (یه دیتای کوچیکی توی ارتباط اولیه قرار انتقال پیدا کنه که اونو با سرور خودش انجام میده) فقط کافیه با چند خط کد یه Peer بسازی، آیدی بگیری و به یکی دیگه وصل شی. هم برای پروژههای دانشجویی عالیه هم برای یادگیری مفاهیم شبکه و P2P.
peerjs.com
@Linuxor
یکی از تلخ ترین اتفاقاتی که برای برنامه نویس ممکنه بیفته اینه که زبان، فریم ورک و یا حتی معماری اشتباهی برای اپلیکیشن در نظر بگیره و کلی کد بزنه و بعدش مجبور باشه همچی رو از اول بنویسه.
اون موقع دیگه گند زدید، کاریش هم نمیشه کرد ولی برای اینکه خودتون آروم بشید بگید این که MVP بود😂
@Linuxor
اون موقع دیگه گند زدید، کاریش هم نمیشه کرد ولی برای اینکه خودتون آروم بشید بگید این که MVP بود😂
@Linuxor
3
اگه اهل یادگیری عمیق و هوش مصنوعیای،NVIDIA یه مخزن داره برای دیپ لرنینگ. توش کلی مدل آماده از پروژههای خفن مثل بینایی کامپیوتری، پردازش زبان، و سیستمهای توصیهگر هست که با GPUهای انویدیا بهینه شدن، اینارو دیگه خود NVIDIA نوشته و بهینه تر ازش فکر نکنم بتونید پیدا کنید
برای دانشجوها و کسایی که تازه وارد دنیای هوش مصنوعی شدن، این یه معدن طلای رایگانه. هم یاد میگیری مدلهای واقعی چطور ساخته میشن، هم میتونی با کمترین دردسر یه پروژه قابلاجرا بسازی و تجربه GPU واقعی داشته باشی.
github.com/NVIDIA/DeepLearningExamples
@Linuxor
برای دانشجوها و کسایی که تازه وارد دنیای هوش مصنوعی شدن، این یه معدن طلای رایگانه. هم یاد میگیری مدلهای واقعی چطور ساخته میشن، هم میتونی با کمترین دردسر یه پروژه قابلاجرا بسازی و تجربه GPU واقعی داشته باشی.
github.com/NVIDIA/DeepLearningExamples
@Linuxor
گوگل امروز یه چیزی معرفی کرده به اسم Agent Sandbox برای اجرا و کنترل امن هوش مصنوعیهای عاملی (اونایی که خودشون تصمیم میگیرن، کد میزنن و کار انجام میدن) روی Kubernetes و GKE. ایدهش اینه که هر عامل توی یه محیط جدا و موقتی اجرا بشه تا اگه خطا کرد یا خرابکاری کرد، به بقیه سیستم آسیب نزنه. با این کار میشه عاملهایی داشت که آزادن کار کنن، ولی همچنان تو چارچوب امن.
cloud.google.com/blog/products/containers-kubernetes/agentic-ai-on-kubernetes-and-gke
@Linuxor
cloud.google.com/blog/products/containers-kubernetes/agentic-ai-on-kubernetes-and-gke
@Linuxor
2
خبر خوب برای ایرانی ها، تلگرام مجددا درآمد ایرانی هارو از تبلیغات توی کانال ها فعال کرده
کانال ها قبل از این، پول خیلی اندکی برای تبلیغات دریافت میکردند (به عنوان باگ گزارش شده به تلگرام، البته ممکنه بخاطر تحریم ها هم بوده باشه تبلیغات به کاربرای کمی نشون داده میشد و یا کاربرا که میدیدن درآمدی به کانال دار ها داده نمیشد) اما از روز گذشته درآمد مجددا فعال شده، این باعث میشه کانال های غیر فعال و تولید کننده های محتوا انگیزه بگیرن و فعالیتشون رو توی تلگرام بیشتر کنن.
درآمد تلگرام به ازای هر هزار بازدید حدودا 1$ برای کانال داران است.
@Linuxor
کانال ها قبل از این، پول خیلی اندکی برای تبلیغات دریافت میکردند (به عنوان باگ گزارش شده به تلگرام، البته ممکنه بخاطر تحریم ها هم بوده باشه تبلیغات به کاربرای کمی نشون داده میشد و یا کاربرا که میدیدن درآمدی به کانال دار ها داده نمیشد) اما از روز گذشته درآمد مجددا فعال شده، این باعث میشه کانال های غیر فعال و تولید کننده های محتوا انگیزه بگیرن و فعالیتشون رو توی تلگرام بیشتر کنن.
درآمد تلگرام به ازای هر هزار بازدید حدودا 1$ برای کانال داران است.
@Linuxor