داستان پستگرس

حالا که با دیتابیس های رابطه ای آشنا شدیم، بیاید یکم درباره یکی از محبوب ترین هاش، پستگرس، صحبت کنیم. پستگرس یا PostgreSQL یک سیستم مدریت دیتابیس رابطه‌ای اوپن سورسه که خیلی قدرتمنده و پر از ویژگی های خفن!

ویژگی ها و مزیت های پستگرس

- اوپن سورس: این یعنی شما می تونید کد منبع پستگرس رو ببینید و حتی تغییر بدید! این یعنی اگه مشکلی پیش اومد، می تونید خودتون بررسی کنید و شاید حتی لازم نشه بابت خدمات پشتیبانی پول بدید.
 
- قابلیت ارتقا: پستگرس به راحتی می تونه با رشد پروژه شما همراه بشه. یعنی اگه اپلیکیشن شما رشد کرد و بیشتر از قبل به دیتابیس نیاز داشت، می تونید روی پستگرس حساب کنید.

- تراکنش ها: پستگرس از مفهوم تراکنش پشتیبانی می کنه. یعنی اگه شما می خواهید چندین عملیات رو به صورت یکپارچه انجام بدید (مثل اضافه کردن یک سفارش و کاهش موجودی انبار)، پستگرس می تونه به شما کمک کنه تا دیتا بصورت ناقض ذخیره نشه.

- امنیت بالا: پستگرس از بسیاری از ویژگی های امنیتی پشتیبانی می کنه، از جمله SSL و کنترل دسترسی.

پستگرس برای چه پروژه هایی مناسبه؟

پستگرس برای اکثر پروژه هایی که نیاز به دیتابیس رابطه ای دارند، مناسبه. از سایت های کوچک تا برنامه های تجاری بزرگ می تونن از پستگرس استفاده کنن. حتی در برخی از موارد، می تونید پستگرس رو به عنوان یک دیتابیس NoSQL هم استفاده کنید!

#دیتابیس
@citax_tel 👈 سیتاکس

وقتی میبینی رئیست فالوت کرده 😂

#طنز
@citax_tel 👈 سیتاکس

دیتابیس های NoSQL

نیازهای ما به دیتابیس ها بسیار تغییر کردند. دیتابیس های رابطه ای با وجود قدرت و پرکاربرد بودنشون، همیشه بهترین گزینه برای همه پروژه ها نیستن. اینجاست که دیتابیس های NoSQL وارد میشن. امروز، درباره دیتابیس های NoSQL و با یکی از محبوب ترین هاشون، MongoDB قراره آشنا بشیم.

دیتابیس های NoSQL چیه؟

اول از همه NoSQL، مخفف "Not Only SQL" یعنی "فقط SQL نیست"، دیتابیس هایی هست که با هدف تحمل پذیری بالا، قابلیت انعطاف پذیری در ساختار داده ها و توانایی مقیاس پذیری افقی طراحی شدن. این دیتابیس ها معمولاً برای مدیریت داده های بزرگ و گسترده که نیاز به تحلیل در زمان واقعی دارن، استفاده میشن.

مزایای دیتابیس های NoSQL چیه؟

- مقیاس پذیری: دیتابیس های NoSQL به طور کلی مقیاس پذیری بالاتری نسبت به دیتابیس های رابطه ای دارند.

- انعطاف پذیری ساختار: در بسیاری از دیتابیس های NoSQL، نیازی به تعریف ساختار دقیق داده ها در ابتدا نیست. این امر می تونه توسعه رو سریع تر و انعطاف پذیرتر کنه.

- کار با داده های ساختار نیافته: دیتابیس های NoSQL می تونن با انواع مختلف داده ها کار کنن، از جمله داده های ساختار یافته، نیمه ساختاریافته و ساختار نیافته.

دیتابیس های NoSQL در کجا استفاده میشه؟

دیتابیس های NoSQL معمولاً در مواردی استفاده میشن که داده ها بسیار بزرگ و پیچیده ان، مثل سیستم های تحلیل داده های بزرگ، اپلیکیشن های وب مقیاس بزرگ، تجزیه و تحلیل رسانه های اجتماعی و اپلیکیشن های IoT.


سوالات و نکات:

اپلیکیشن های loT چیه؟

اپلیکیشن‌های  IoT (Internet of Things) برنامه‌هایی هستند که از تجهیزات متصل به اینترنت استفاده می‌کنند تا وظایفی را انجام دهند.

بعضی از مثال‌های اپلیکیشن‌های  IoT عبارتند از:

- اپلیکیشن‌های مدیریت هوشمند خانه که اجازه می‌دهند تجهیزات خانه هوشمند مانند لامپ‌ها، تلویزیون، دوربین‌ها و ... از طریق برنامه بر روی تلفن هوشمند کنترل شوند.

- اپلیکیشن‌های نظارت و مدیریت سلامت برای مانیتورینگ سلامت افراد.

#دیتابیس
@citax_tel 👈 سیتاکس

داستان MongoDB

حالا که با دیتابیس های NoSQL آشنا شدیم، بیاید یکم درباره یکی از محبوب ترین هاش، MongoDB، صحبت کنیم. MongoDB یک دیتابیس مبتنی بر سند است که برای ساخت اپلیکیشن های مدرن طراحی شده است.

ویژگی های MongoDB

- ساختار سند محور: MongoDB از ساختار سند محور استفاده می کند، که با JSON (JavaScript Object Notation) شبیه سازی شده است. این ساختار اجازه می دهد داده ها را به صورتی طبیعی ذخیره کنیم که با ساختار داده های اپلیکیشن ما مطابقت دارد.

- مقیاس پذیری افقی: MongoDB از شردینگ (تقسیم داده ها بین چندین سرور) برای مقیاس پذیری افقی استفاده می کند. این می تواند به ما کمک کند تا با مقدار بزرگی از داده ها کار کنیم.

- توانایی کار با داده های ساختار یافته و نیافته: MongoDB می تواند با داده های ساختار یافته (مانند ستون ها و ردیف ها) و داده های نیمه ساختار یافته و ساختار نیافته (مانند JSON، XML، و داده های کلید-مقدار) کار کند.

نقاط قوت MongoDB

- انعطاف پذیری: MongoDB اجازه می دهد ساختار داده ها را به صورت پویا تغییر دهید. شما می توانید بدون توقف سرویس، فیلدهای جدیدی را به داده ها اضافه کنید، فیلدهای موجود را حذف یا تغییر دهید.

- راه حلی برای داده های بزرگ: با استفاده از شردینگ، MongoDB قادر است با دیتابیس های بسیار بزرگ و پیچیده کار کند.

- کارایی: MongoDB از ایندکس ها استفاده می کند تا کارایی جستجوها را افزایش دهد. همچنین، از تکنیک هایی مانند Aggregation Pipeline و Map-Reduce برای پردازش و تجزیه و تحلیل داده ها استفاده می کند.

- استقرار آسان: MongoDB می تواند بر روی بسترهای مختلف، از جمله پلتفرم های cloud-native، استقرار یابد و از ویژگی هایی مانند اتوماسیون، افزایش مقیاس، و بازیابی پشتیبان استفاده کند.

در نهایت، MongoDB یک انتخاب قدرتمند برای پروژه هایی است که نیاز به مقیاس پذیری، کارایی، و انعطاف پذیری دارند.

#دیتابیس
@citax_tel 👈 سیتاکس

مزایا و معایب کار حضوری

مزایا
- ارتباطات بهتر: تعاملات رو در رو و صمیمی‌تر با همکاران و مدیران.

- فرصت‌های بیشتر: دسترسی به فرصت‌های شغلی مانند آموزش و ارتقاء سریع‌تر.

- انگیزه‌پذیری بیشتر: حضور در میان همکاران و محیط کار می‌تواند انگیزه‌بخش باشد.

معایب کار حضوری:

- رفت و آمد: زمان و انرژی زیادی ممکن است صرف رفت و برگشت شود.

- ساعت‌کاری ثابت: ساعت کار ثابت و قابلیت است و انعطاف‌پذیر نیست.

- فشار بیشتر: به دلیل نظارت مداوم احساس فشار بیشتری وجود دارد.

نتیجه گیری
بنابراین کار حضوری مزایایی مانند تعامل بیشتر و فرصت‌های بیشتر را فراهم می‌کند اما معایبی مانند زمان صرف شده برای رفت و آمد و ساعت‌کاری ثابت نیز دارد که باید مد نظر قرار داد.

@citax_tel 👈 سیتاکس

مزایا و معایب کار ریموت

مزایا:

- آزادی و انعطاف پذیری بیشتر: شما می‌توانید زمان و مکان کار خود را انتخاب کنید.

- تعادل بیشتر بین کار و زندگی: شما می‌توانید وقت بیشتری را با خانواده و دوستان سپری کنید.

- افزایش بازده و کارایی: بعضی افراد در خانه بازدهی بیشتری برای کار کردن دارند.

معایب:

- ارتباط کمتر با همکاران: بدون حضور فیزیکی ارتباط و همکاری کمتری وجود دارد.

- فرصت‌های رشد کمتر: فرصت‌های شغلی و آموزشی کمتری وجود دارد.

- احساس تنهایی: برخی نیاز به ارتباط حضوری دارند که در کار دورکاری وجود ندارد.

نتیجه گیری
بنابراین به طور کلی کار دورکاری به کارمند آزادی و تعادل بیشتری می‌دهد اما همزمان منجر به کمبود ارتباط و فرصت‌های رشد می‌شود.

اگه کارتون بصورت ریموت هستش حتما نکاتی که توی عکس گفته شده رو در صورت ممکن بودن انجام بدید تا در دراز مدت نتیجه بهتری بگیرید.

@citax_tel 👈 سیتاکس

مزایا و معایب فریلنسری

مزایا:

- آزادی بیشتر و استقلال: شما خودتان زمان و شیوه کارتان را تعیین می‌کنید.
- انعطاف‌پذیری بیشتر: می‌توانید در هرکجا و در هرزمان کار کنید.
- درآمد بالاتر: اگر مهارت‌های خوبی داشته باشید می‌توانید درآمد خوبی کسب کنید.
- انتخاب پروژه‌های جذاب: می‌توانید تنها پروژه‌هایی را که دوست دارید انتخاب کنید.

معایب:

- نبود امنیت شغلی: اگر پروژه‌ای پیدا نکنید درآمدی نخواهید داشت.
- هزینه‌های زیاد: باید هزینه‌هایی مانند بیمه را خودتان پرداخت کنید.
- اجبار به بازاریابی: باید خودتان برای پیداکردن مشتری تلاش کنید.
- کمبود امکانات: امکانات و مزایای شرکت‌ها را نخواهید داشت.

در مجموع فریلنسری به شما آزادی عمل بیشتری می‌دهد اما همچنین نیاز به برنامه‌ریزی و مدیریت بیشتری دارد.

@citax_tel 👈 سیتاکس

مقایسه راه اندازی کسب و کار خودت با کارمند بودن:

مزیت ها:

- آزادی بیشتر: خودت تصمیم میگیری روی چه پروژه هایی کار کنی.

- درامد بالاتر: اگه موفق بشی میتونی درآمد خوبی داشته باشی.

- فرصت های رشد: به عنوان صاحب کسب و کار با چالش ها و مسئله های مختلفی سر و کله می زنی که به خودی خود باعث پیشرفت می شه.

معایب:

- ریسک بالا: حدود 80% استارت آپ ها شکست می خورن. 

- چالش های زیاد: بازاریابی، هزینه ها و...

- استرس بیشتر: مسئولیت بیشتری بر دوش خودته.

- مشکل استخدام شدن: اگر استارت اپت شکست بخوره تجربه کاری کمتری داری در نتیجه ممکنه برای استخدام شدن به مشکل بخوری.

نسبت به استخدام شدن:

- امنیت شغلی کمتر: درآمدت ثابت نیست

- مخارج: هزینه های اولیه برای شروع کسب و کار همیشه کم نیست و بعضی وقتا مجبوریم هزینه زیادی کنیم.

در مجموع راه اندازی کسب و کار ریسک بالایی داره ولی اگر موفق بشی مزایای زیادی داره. بستگی به تمایلات شخصی و تحمل ریسک تو داره.

توصیه:
خیلی از افراد موفق و ثروتمند ترک تحصیل کردن و ... اما جوگیر نشید نیاز نیست همه چیتونو بذارید وسط شرایط روحی روانی و وضعیت اقتصادی خودتونو بسنجید.

@citax_tel 👈 سیتاکس

⚡ دیتابیس‌های گراف و کاربرد آن ها

چند تا پست قبلی یه عالمه درباره دیتابیس های مختلف و کاربردشون گفتیم تا برسیم به یکی از جذاب تریناشون، دیتابیس های گراف !

در دنیای رقابتی امروز، قدرت درک و تحلیل روابط بین داده‌ها میتونه تفاوت قابل توجهی در سودآوری و موفقیت یک کسب و کار ایجاد کنه. در این زمینه، دیتابیس‌های گراف به برجسته‌ترین ابزار برای مدیریت این روابط تبدیل شدند.

دیتابیس‌های گراف:

دیتابیس‌های گراف، نوعی سیستم مدیریت دیتابیس هستند که برای ذخیره، بازیابی و مدیریت داده‌های گرافیکی یا شبکه‌ای طراحی شدن. در این دیتابیس‌ها، داده‌ها و روابط بین آن‌ها به صورت گراف ذخیره می‌شن. هر گره (node) در گراف یک عضو از داده‌ها را نشون میده و هر یال (edge) یک رابطه بین این عضوها را نمایش میده.

چرا دیتابیس‌های گراف بوجود اومدن؟

دیتابیس‌های گراف در پاسخ به نیاز روزافزون برنامه‌ها و سیستم‌ها برای درک و تحلیل روابط پیچیده بین داده‌ها ایجاد شدن. در دیتابیس‌های رابطه‌ای، برقراری رابطه بین داده‌ها می‌تونه به نسبت زمانبر باشه و با افزایش حجم داده‌ها، این مشکلات بیشتر تر میشه. اما در دیتابیس‌های گراف، روابط به صورت طبیعی و بهینه در داده‌ها ذخیره میشوند، که باعث سرعت بیشتر در پردازش و تحلیل روابط می‌شه.

مزایای دیتابیس‌های گراف

- سرعت بالا در پردازش روابط: با توجه به اینکه روابط به صورت مستقیم تو گراف ذخیره میشه، دسترسی به این روابط و تحلیل آن‌ها بسیار سریع است.

- انعطاف‌پذیری ساختار: دیتابیس‌های گراف امکان تغییر ساختار داده‌ها و روابط بدون نیاز به ساخت مجدد دیتابیس را می‌دن.

- گسترش‌پذیری: این دیتابیس‌ها قابلیت افزایش ظرفیت برای پردازش داده‌های بیشتر را دارن.

کاربرد دیتابیس‌های گراف

دیتابیس‌های گراف در بسیاری از زمینه‌ها از جمله شبکه‌های اجتماعی، سیستم‌های توصیه‌گر، تحلیل شبکه‌های پیچیده و خلاصه‌سازی داده‌ها کاربرد دارن. به عنوان مثال، فیس‌بوک و توییتر از دیتابیس‌های گراف برای مدیریت روابط میان کاربران استفاده می‌کنه. همچنین، سیستم‌های توصیه‌گر مانند آن‌هایی که در آمازون و نت‌فلیکس وجود دارن، از دیتابیس‌های گراف برای تحلیل روابط بین محصولات و کاربران استفاده می‌کنن.

استفاده از دیتابیس‌های گراف در فروشگاه‌های آنلاین

در فروشگاه‌های آنلاین، دیتابیس‌های گراف می‌تونن در چندین زمینه به بهبود عملکرد و افزایش سود کمک کنن:

- توصیه محصولات: با استفاده از دیتابیس گراف، میشه روابط بین محصولات و رفتار خرید کاربران رو تحلیل کرد. به عنوان مثال، اگر کاربری محصول A رو خریده باشه و بسیاری از کاربرانی که محصول A رو خریدن، محصول B رو هم خریده‌ باشن، این سیستم می‌تونه محصول B رو به کاربر توصیه کنه😱.

- تحلیل رفتار کاربران: با تحلیل گراف رفتار کاربران، می‌شه درک بهتری از رفتار و نیازهای آن‌ها پیدا کرد و برنامه‌های بازاریابی و فروش را بر اساس این داده‌ها طراحی کرد.

- بهینه‌سازی سایت: با تحلیل داده‌هایی مانند مسیر حرکت کاربران در سایت، می‌شه بهینه‌سازی‌هایی رو انجام داد تا تجربه کاربری رو بهبود بخشید و در نتیجه، میزان خریدو افزایش داد.

در نتیجه، استفاده از دیتابیس‌های گراف در فروشگاه‌های آنلاین می‌تونه باعث افزایش فروش و سودآوری بشه.

پست بعدی یکی از بهترین های دیتابیس های گراف رو معرفی می کنم بهتون

سوال:
تا حالا با دیتابیس های گراف کار کردید؟ اگه نکردید بعد خوندن این مقاله دوست دارید برید سمتش؟

اگه از این مقاله خوشتون اومد ممنون میشم حمایت کنید❤️

#دیتابیس
@citax_tel 👈 سیتاکس

داستان Neo4j


خب Neo4j چیه؟

نئو یک سیستم مدیریت دیتابیس گراف است که به صورت خاص برای برقراری و پردازش روابط پیچیده بین داده‌ها طراحی شده‌است. با استفاده از Neo4j، می‌توانید داده‌ها و روابط بین آن‌ها را به صورت گرافیکی ذخیره، بازیابی و مدیریت کنید.

مزایای Neo4j

- سرعت بالا در پردازش روابط: Neo4j با استفاده از ساختار گراف، تضمین می‌کند که پردازش روابط بین داده‌ها بسیار سریع و بهینه انجام می‌شود.

- مدل داده‌های طبیعی: در Neo4j، داده‌ها و روابط بین آن‌ها به صورت طبیعی و معنادار ذخیره می‌شوند، که کمک می‌کند تا بهتر و آسان‌تر با داده‌ها کار کنید.

- پشتیبانی از پرس و جوهای گراف: Neo4j از زبان پرس و جوی ساخته شده برای گراف‌ها به نام Cypher پشتیبانی می‌کند. Cypher به شما اجازه می‌دهد تا با استفاده از یک زبان پرس و جوی قدرتمند، روابط پیچیده را به راحتی بررسی و تحلیل کنید.

کاربردهای Neo4j

نئو در بسیاری از پروژه‌ها و برنامه‌های بزرگ مانند LinkedIn، eBay، و Walmart استفاده می‌شود. برخی از کاربردهای رایج آن عبارتند از:

- تحلیل شبکه‌های اجتماعی
- سیستم‌های توصیه‌گر
- تحلیل داده‌های تصاویر و گرافیک
- تحلیل شبکه‌های پیچیده، مانند شبکه‌های ارتباطی یا توزیع

چرا باید Neo4j را یاد بگیریم؟

علت اصلی برای یادگیری Neo4j، قدرت آن در مدیریت و تحلیل روابط پیچیده بین داده‌ها است. با Neo4j، می‌توانید بسیار راحت‌تر و سریع‌تر روابط پیچیده و چند‌بُعدی را بررسی کنید. همچنین، Neo4j از زبان پرس و جوی Cypher پشتیبانی می‌کند که برای کار با داده‌های گرافیکی طراحی شده است.

مثال استفاده از Neo4j

یکی از مثال‌های رایج استفاده از Neo4j، تحلیل در شبکه‌های اجتماعی است. برای مثال، فرض کنید می‌خواهیم رابطه بین کاربران یک شبکه اجتماعی را تحلیل کنیم. این رابطه می‌تواند بر اساس تعداد دوستان مشترک، تعداد پست‌های مشترک یا هر عامل دیگری مشخص شود.

در Neo4j، این روابط به صورت گرافیکی ذخیره می‌شوند که باعث می‌شود تحلیل و درک آن‌ها بسیار راحت‌تر شود.

#دیتابیس
@citax_tel 👈 سیتاکس

جنگو

ماژول services.py

ماژول services.py در اپ های جنگو برای جدا کردن بخش منطق برنامه (business logic) از views و models استفاده می‌شود.

کاربردهای اصلی ماژول services.py:**

- جداسازی منطق برنامه:
منطق پیچیده مربوط به پردازش درخواست‌های کاربر در services.py قرار می‌گیرد تا از views و models جدا شود.

- قابلیت تست:
با جدا کردن منطق، تست کردن آن به صورت مجزا و مستقل ساده‌تر می‌شود.

- قابلیت استفاده مجدد:
می‌توان منطق مشترک را به صورت توابع در services.py تعریف کرد و در نقاط مختلف از آن استفاده کرد.

- مدیریت درخواست‌های API:
برای API‌هایی که پیچیدگی زیادی دارند می‌توان منطق مربوط به آن‌ها را در services.py پیاده‌سازی کرد.

- پاکسازی views و models:
با انتقال منطق به services.py
views و models
ساده و خالص می‌شوند.

بنابراین services.py باعث مدیریت بهتر کد و انعطاف‌پذیری بیشتر می‌شود.

#جنگو

@citax_tel 👈 سیتاکس

هاردنینگ(Hardening)


هاردنینگ به معنای جلوگیری از حملات و نفوذ در سرور و نرم افزارهاست. این کار شامل اقدامات امنیتی مانند تنظیم محدودیت‌ها، و استفاده از رمزنگاری برای محافظت از داده‌هاست.

رویکردهای زیر برای هاردنینگ سمت بک اند توصیه می‌شود:

1- اسکن کد برای نقاط ضعف‌ امنیتی:

بررسی کد برای مشکلات مانند SQL injection، ثابت بودن رمز عبور، اشتراک کلیدهای رمزنگاری، و... و سپس برطرف کردن آنها.

2- رمزنگاری داده‌های حساس

داده‌های حساس کاربران مانند رمز عبور را باید رمزنگاری کرد تا اگر لو رفت سوء استفاده نشود.

3- کنترل نقاط ورودی و خروجی

تنظیم محدودیت‌هایی مانند تعداد تلاش برای ورود، محدودیت IP و... می‌تواند به محافظت از سامانه کمک کند.

برای سرورها هم مهم‌ترین موارد زیر را در نظر بگیرید:

- کنترل نقاط ورودی مانند محدود کردن پورت‌ها و IPها

- استفاده از فایروال شبکه برای بلاک کردن ترافیک‌های مجازی
- رمزنگاری پروتکل‌های ارتباطی مانند SSL و TLS
- تنظیم سطوح دسترسی کاربران
- نصب آخرین اپدیت‌های امنیتی برای سیستم عامل و نرم افزارهای نصب شده

این مقاله اهمیت مبحث hardering رو گفتم تا دربارش بیشتر بخونید

@citax_tel

پنج نکته مهم برای هر برنامه نویسی:

1- ساختار داده ها و الگوریتم ها: شما باید خوب با ساختارداده ها (ماتریس، لیست، درخت و...) و الگوریتم های اساسی (جستجو، درج، حذف و ...) آشنا باشید. این بنیاد برنامه نویسی را تشکیل می دهد.

2- زبان برنامه نویسی: شما باید خوب با زبان برنامه نویسی که با آن کار میکنید آشنا باشید.

3- تست و خطاها: یادگیری چگونگی تشخیص و برطرف کردن خطاهای برنامه کار مهمی است. آزمون و خطا و تست نرم افزار بخش جداناپذیر برنامه نویسی است.

4- جستجو و یادگیری: برنامه نویسی حرفه ای تکمیل نشدنی است بلکه دائم در حال پیشرفت است. شما باید همواره بیاموزید، تحقیق کنید و جستجو کنید.

5- تمرین و پروژه: تنها راه برای پیشرفت در برنامه نویسی، تمرین کردن و قراردادن خود در چالش های متفاوت و پروژه های مختلف است.

@citax_tel 👈 سیتاکس

سرمایه گذاری نت فلیکس برای ساخت فیلم توسط هوش مصنوعی !

نت فلیکس، شرکتی پیشرو در زمینه رسانه های آنلاین و استریمینگ ویدیو است که قصد داره با استفاده از هوش مصنوعی، فیلم هایی بدون نیاز به هنرپیشه تولید کنه. این شرکت اخیرا سرمایه گذاری بزرگی را در این زمینه انجام داده است.

نت فلیکس با همکاری شرکتی آمریکایی به نام Atomhawk مشغول پروژه‌ای در این زمینه شده و برنامه‌ریزی کرده که برای اولین‌بار یک فیلم سینمایی با استفاده از هوش مصنوعی و بدون نیاز به استفاده از هنرپیشه واقعی، تولید کنه.

اگر این پروژه موفقیت آمیز باشه، نت فلیکس قادر خواهد بود بدون نیاز به حقوق بالای بازیگران و بودجه‌های گزاف فیلم‌سازی، فیلم‌های زیادی رو خیلی کم هزینه تر بسازه و محتوای بیشتری برای مخاطبینش فراهم کنه.

به نظر می‌رسه هوش مصنوعی آینده تولید فیلم و سینما را تحت‌الشعاع قرار خواهد داد و این صنعت رو تغییر خواهد داد.

اگه باعث شه ادا و اصول بازیگرایی که مفت گرونن کمتر شه خیلی عالیه
ولی مشخصا هیچ هوش مصنوعی ای جای بازیگرای واقعی و خلاق مثل جانی دپ، جیم کری و ... رو نمیگیره

@citax_tel 👈 سیتاکس