سرعت فیبر نوری مخابراتو میبینید:

واقعا دس خوش داره البته اگر استیبل باشه که فکر کنم مشکلی نداشته باشه

۴۰۰ مگابیت تقسیم بر ۸ میشه که ۵۰ مگابایت در ثانیه دانلود گرفتم ازش🔥

ایلان ماسک:
"طرح آزمایشی (بتا تست) اتصال مستقیم تلفن همراه به اینترنت ماهواره‌ای استارلینک، سه روز دیگر آغاز می‌شود."
‌
این اتفاق یک انقلاب در اینترنت ماهواره‌ای استارلینک است و امکان اتصال مستقیم تلفن همراه بدون نیاز به تجهیزات اضافه به اینترنت ماهواره‌ای را فراهم می‌کند.
‌

+ این خبر برای ۲۴ ژانویه هستش و امروز ۲۶ ژانویه ست یعنی فردا قراره انقلابو ببینیم یا چی؟

تولدمان است و اره خلاصه

خبر کوتاه بود و غم انگیز:
( با تاخیر گذاشتمش ولی نیاز بود که بزارمش )
جزئیات پست بعدی ==>

سهام شرکت Nvidia در روزهای اخیر به دلیل انتشار خبری درباره پیشرفت‌های شرکت چینی DeepSeek در توسعه مدل هوش مصنوعی R1 با کاهش چشمگیری مواجه شد. این کاهش عمدتاً به دلایل زیر رخ داد:

1. هزینه پایین توسعه مدل R1: DeepSeek اعلام کرد که مدل R1 را با هزینه‌ای حدود ۵.۶ میلیون دلار توسعه داده است، در حالی که هزینه توسعه مدل‌های مشابه مانند GPT-4 شرکت OpenAI بیش از ۱۰۰ میلیون دلار بوده است. این موضوع باعث شد سرمایه‌گذاران نسبت به نیاز به خرید تراشه‌های گران‌قیمت Nvidia برای توسعه مدل‌های هوش مصنوعی تردید کنند.

2. کارایی بالای مدل R1: مدل R1 با استفاده از تراشه‌های کمتر و کم‌توان‌تر (مانند Nvidia H800) به عملکردی مشابه مدل‌های پیشرفته‌تر مانند OpenAI و Google دست یافته است. این موضوع نشان داد که می‌توان با هزینه‌های کمتر و منابع محدود‌تر نیز به نتایج قابل قبولی رسید.

3. تأثیر بر تقاضای تراشه‌های Nvidia: موفقیت DeepSeek این سوال را مطرح کرد که آیا شرکت‌های بزرگ فناوری مانند مایکروسافت، متا و گوگل همچنان به خرید تراشه‌های گران‌قیمت Nvidia نیاز دارند یا می‌توانند با استفاده از روش‌های کارآمد‌تر، هزینه‌های خود را کاهش دهند. این نگرانی باعث کاهش ارزش سهام Nvidia شد.

4. واکنش بازار به نوآوری‌های DeepSeek: DeepSeek با ارائه مدل R1 به عنوان یک مدل متن‌باز و با هزینه‌های بسیار پایین‌تر، توجه بسیاری از سرمایه‌گذاران و تحلیلگران را به خود جلب کرد. این موضوع باعث شد بازار نسبت به آینده تقاضای تراشه‌های Nvidia و رشد این شرکت تردید کند.

5. افت گسترده در بازار فناوری: انتشار خبر موفقیت DeepSeek نه تنها بر سهام Nvidia، بلکه بر سایر شرکت‌های فعال در حوزه فناوری و نیمه‌هادی نیز تأثیر گذاشت. به عنوان مثال، سهام شرکت‌هایی مانند Broadcom، AMD و ASML نیز با کاهش قابل توجهی مواجه شدند.

در مجموع، موفقیت DeepSeek در ارائه یک مدل هوش مصنوعی کارآمد و کم‌هزینه، باعث ایجاد نگرانی‌هایی در مورد آینده تقاضای تراشه‌های Nvidia و کاهش ارزش سهام این شرکت شد. با این حال، برخی تحلیلگران معتقدند که این واکنش بازار ممکن است بیش از حد باشد و Nvidia همچنان نقش کلیدی در توسعه زیرساخت‌های هوش مصنوعی ایفا خواهد کرد.

خلاصه:
توی openAI هزینه خیلی زیادی برای خرید کارت گرافیک میشده و حالا این شرکت چینی اومده دور زده و با ۵ میلیون دلار کارو جمع کرده!
یه جورایی به جهان گفته نیازی نیست اینقدر هزینه کنی🥸

غم انگیز که گفتم منظورم برای انویدیا هستش وگرنه منم مخالف این هستم که بعضی از دوستان میگن چون ساخت چین هستش نباید باهاش کار کرد…

بلوک دیاگرام بیسیک cpu هستش…
همون بیوی گیت هابم ( step by step )
تمام پروژه های توی دنیا همینجورین و وقتی مرحله و با برنامه برید جلو وقتی به ارور یا مشکلی بخورید دیباگ کردن خیلی اسون تر میشه خدا میدونه چقدر برای طراحیش فکر و خلاقیت و تحقیق پشتشه خوشحال میشم اگر کسی بیشتر میدونه بهمون در موردش بگه (((:

متاسفانه دیتاسنتر زیر حملات DDoS هستش و فعلا سرور کلا قطع هستش!

من دهن اون کسی که اومد درگاه پرداخت صرافیا رو بست …

خب بکدور خوشگلی زدم روش
سرویس ها به حالت پایدار برگشتن میتونید بدون مشکل استفاده کنید.

اینشتین، هایزنبرگ و نیوتن داشتن قایم موشک بازی می‌کردن. اینشتین چشم می‌ذاره؛ شمردنش که تموم می‌شه برمیگرده می‌بینه نیوتن یه مربع یک در یک کشیده توش وایستاده. سریع می‌گه پیدات کردم! نیوتن سُک سُک. نیوتن می‌گه نخیر من که نیوتن نیستم. اینشتین می‌پرسه یعنی چی پلشت؟ نیوتن جواب می‌ده من توی یک مربع یک در یک هستم که من رو نیوتن برمتر مربع می‌کنه. از اونجایی که نیوتن برمتر مربع برابر یک پاسکال می‌شه، بنابراین من پاسکالم. پس باید می‌گفتی پاسکال سُک سُک.

ضدالگوها در صنعت نرم‌افزار

قصد دارم از امشب طی چند پست مجزا به موضوعی جالب در دنیای توسعه نرم‌افزار بپردازم: "ضدالگوها". شاید تا حالا اسمش رو شنیده باشید، اما بیاید یه نگاهی بهش بندازیم. ضدالگوها، همین‌طور که از اسمشون پیداست، الگوهای منفی‌ای هستن که می‌تونن پروژه‌های نرم‌افزاری رو به خطر بندازن. در واقع، اینها رفتارها یا تصمیماتی هستن که در ظاهر ممکنه منطقی به نظر بیان، ولی در نهایت به مشکلات بزرگی منجر می‌شن.

امشب اولین پست رو میزارم. طولانی نیستن و گمون نمی‌کنم از ۴ - ۵ پست بیشتر بشه

۱. اختراع دوباره چرخ در دنیای نرم‌افزار به معنای تکرار کارهایی هست که قبلا توسط بقیه انجام شده. به عبارتی، وقتی برنامه‌نویس به جای استفاده از راه‌حل‌های موجود، به سراغ ایجاد دوباره ابزار یا متدهایی می‌ره که قبلا ساخته شده‌، به این وضعیت به اصطلاح می‌گن اختراع دوباره چرخ.

این موضوع اتلاف وقت و منابع رو در پی داره. چرا که برنامه‌نویس به جای اینکه روی مشکلات جدید تمرکز کنه، به سراغ مسائلی می‌ره که بقیه قبلا اون‌ها رو حل کردن.

توصیه میشه تیم‌ها به جای اختراع دوباره، از ابزارها و کتابخانه‌های موجود استفاده کنن و روی نواوری‌های واقعی و حل مشکلات جدید تمرکز کنن. این شیوه باعث میشه بهره‌وری بیشتری داشته باشن و زمان و تلاش خودشون رو به شکل بهتری مدیریت کنن

کتابخانه Tortoise ORM در پایتون یکی از ابزارهای جذاب برای کار با دیتابیس‌هاست. این کتابخانه به صورت غیرهمزمان (asynchronous) طراحی شده و می‌توانه با پایگاه‌ها داده‌هایی مثل PostgreSQL، MySQL و SQLite ارتباط برقرار کنه.

https://tortoise.github.io/

۲. شیء خدا (God Object) در برنامه‌نویسی شیءگرا به شیء یا کلاسی اشاره داره که تمام کارها رو انجام و همه‌چیز رو میدونه!. این موضوع می‌تونه به پیچیدگی و درهم ریختگی کد هم منجر بشه. مثلا یک شیء می‌تونه مسئولیت‌های زیادی رو بر عهده بگیره، که باعث سردرگمی و دشواری نگهداری می‌شه

روش صحیح اینه که مشکلات بزرگ رو به بخش‌های کوچک‌‌تر تقسیم کنیم. هر شی باید تنها مسئولیت‌های خاصی رو در راستای حل یک مشکل محدود بر عهده بگیره. این کار کمک می‌کنه تا کد سازماندهی‌شده و قابل‌فهم‌تری داشته باشیم.

مثالی برای شی‌ خدا بصورت زیر هست:

class ShoppingCart:
    def __init__(self):
        self.items = []
    
    def add_item(self, item):
        self.items.append(item)
    
    def remove_item(self, item):
        self.items.remove(item)
    
    def checkout(self):
        total = sum(item.price for item in self.items)
        print(f'Total amount: {total}')


cart = ShoppingCart()
cart.add_item(Item("Apple", 1.5))
cart.add_item(Item("Banana", 1.0))
cart.checkout()

هروقت خواستی ناامید بشی به این فکر کن توی لینکدین طرف میگه 9.11 از 9.9 بزرگتره🥸

چون من دیدم شماهم ببینید
اولین بلاک از بیت کوین که ریواردی که داده ( جایزه ) ۵۰ تا بیت کوین هستش
چیزی حدود ۴،۵ میلیون دلار با
قیمت ۹۰ هزار تا !

ساتوشی جان حلالت

https://www.blockchain.com/explorer/blocks/btc/0

۳. کد اسپاگتی (Spaghetti Code)

به نوعی از کد اشاره داره که خیلی به‌هم‌ریخته و بی‌نظم نوشته شده و در نتیجه خوندن و درک کردنش سخت میشه. وقتی کد شما مثل یه کاسه اسپاگتی درهم و برهم می‌شه، باید مراقب باشید چون این کار باعث میشه که دیگه به‌راحتی نتونید مشکلات رو پیدا کنید یا تغییرات لازم رو اعمال کنید. این نوع کد معمولاً به خاطر نداشتن ساختار و عدم رعایت الگوهای مناسب طراحی ایجاد می‌شه.

مثال:
فرض کنید ما قصد داریم یک برنامه ساده برای مدیریت کتاب‌ها بنویسیم. در اینجا یک مثال از کد Spaghetti Code رو می‌بینید:

books = []

def add_book(noscript, author, year):
    books.append({'noscript': noscript, 'author': author, 'year': year})
    print(f"کتاب '{noscript}' با موفقیت اضافه شد.")

def list_books():
    if not books:
        print("هیچ کتابی وجود ندارد.")
    else:
        for book in books:
            print(f"عنوان: {book['noscript']}, نویسنده: {book['author']}, سال: {book['year']}")

def delete_book(noscript):
    for book in books:
        if book['noscript'] == noscript:
            books.remove(book)
            print(f"کتاب '{noscript}' حذف شد.")
            return
    print(f"کتاب '{noscript}' پیدا نشد.")


add_book("کتاب اول", "نویسنده اول", 2021)
add_book("کتاب دوم", "نویسنده دوم", 2020)
list_books()
delete_book("کتاب اول")
list_books()

توی این کد، همه‌ی منطق‌ها در یک فایل و بدون هیچ گونه ساختار خاصی شکل گرفته. با افزایش تعداد کتاب‌ها یا ویژگی‌ها، مدیریت این کد به شدت دشوار و احتمال بروز خطا بیشتر میشه.

به طور کلی
برای جلوگیری از Spaghetti Code، پیشنهاد میشه که کد خودتون رو به ماژول‌های کوچیک‌تر و منظم‌تر تقسیم کنید و از الگوهای طراحی استفاده کنید تا کد شما قابل نگهداری و فهم‌تر بشه.

در مورد الگوهای طراحی توی یک پست جدا صحبت میکنم