صوت جلسه 2 خوانش کتاب یادگیری تفکر سیستمی

مواردی که خارج از کتاب بهشون اشاره شد در جلسه.
- قانون کانوی
- کمی صحبت عمیق تر در خصوص Concrete thinking vs Abstract thinking

#میم_شبانگاهی

وقتی جا GUI با ترمینال کار می‌کنی:

@DevTwitter | <Mamad/>

اگر قرار باشه که همه مون بریم شرکت های بزرگ و خفن، دیگه کی شرکت های کوچیک رو بزرگ کنه؟

به فکر ساختن باشید، وقتی از یه شرکت بزرگ میای بیرون شاید هیچ خاطره ای از کارهات نداشته باشید.

ولی وقتی یه بیزینس کوچیک رو هل میدید رو به جلو، ۱۰ سال بعدش هم به دست آوردهاتون فکر می‌کنید.

انسان در مقابل AI ممکنه شانسی نداشته باشه ولی انسان همراه AI قطعا شانس های زیادی داره!

برای آشنایی بیشتر با تفکر های رایج پشت بیزنس خیلی خوبه.

https://www.paulgraham.com/ds.html

صوت جلسه 3 خوانش کتاب یادگیری تفکر سیستمی

مواردی که خارج از کتاب بهشون اشاره شد در جلسه.
- ریسک و عدم قطعیت

دیروز در یک نبرد نابرابری با GCP سر ایمپلمنت کردن خیلی تمیز OTLP جوری خورد تو صورتم که تا الان هنوز سرگیجه دارم (خود گوگل سرویسش رو داشت خیلی تمیز هم با Cloud Run اینتگریت میشه).

خواستم بگم وقتی دارید یه سرویسی، چیزی، هرجایی راه میندازین یه هدف خیلی والا برای خودتون ست نکنین که دست یافتن بهش چهارتا مهندس گوگل و پنج تا ارشد مایکروسافت نیاز داشته باشه. مطمئن باشید قبل شما اون سرویس رو یکی ساخته، فقط کافیه ازش استفاده کنین!

خلاصه این همه زحمت رو با جاش ریختم دور‌ عین بچه آدم از همون سرویس گوگل استفاده میکنم.

صوت جلسه 4 خوانش کتاب یادگیری تفکر سیستمی

مواردی که خارج از کتاب بهشون اشاره شد در جلسه.
- تفکر خلاق

صوت جلسه 24 خوانش کتاب طراحی برنامه های کاربردی داده محور

اتمام فصل سوم بخش اول کتاب

بشخصه برای من Alerting خیلی مهمه . اینکه خودت زودتر از مشکل بوجود اومده با خبر بشی تا اینکه از طریق CRM و مشتری تازه بفهمی سرویس هات رفته تو دیوار خیلی مهمه. توی دوره میکروسرویس Alerting روی گرافانا بات تلگرام و کامل بررسی میکنیم

لینک ثبت نام: https://zarinp.al/714413

@DotNetIsFun

من هرچقدر بگم Alerting چقدر مهمه کم گفتم.

Alerting + Request Tracing = %99+ SLA

اول کاری چرا دنبال UI دیزاینر‌ میرید؟ کپی کنید دیگه!!!

You never get rich by renting your time.

این آیدی زیبا اینجا بماند به یادگاری.

A8B13B5D-B013-4556-B98B-F2A5D8268E5E

از همه تخیلی تر‌ فقط اجایل! ؛ )

امروز درحال کار روی این موضوع بودم و نظریه مجموعه هارو داشتم به مقاله اضافه میکردم که به مفهوم Closure برخورد کردم، دیدم این بحث خودش یک مقاله جمع و جور خوب میخواد. از کجا اومده ؟ ریشه ریاضیاتی داره؟ نداره؟ چرا در programming آداپته شده و ...
ساعت ۸ امشب از همینجا 🤘🏻منتشر میشه.

پیش‌درآمد: سفر هیلبرت و منطق مرتبه اول

اوایل قرن بیستم، دیوید هیلبرت—یکی از بزرگ‌ترین ریاضی‌دان‌های وقت—آرزویی بزرگ در سر داشت: این‌که بتواند تمام ریاضیات را تبدیل کند به یک زبان کاملاً رسمی و دقیق از نمادها و قواعدی که از آن‌ها، بدون هیچ حدس و گمانی، همهٔ نتیجه‌های ریاضی را بشود مثل یک دستور کامپیوتری استخراج کرد. هیلبرت می‌خواست زبانی بسازد که هیچ جا برای ابهام یا تفاسیر شخصی نباشد و بشود با روش‌های ساده و کاملاً مطمئن، درستی آن را اثبات کرد.

دستگاهِ صوری (formal system) یعنی یک چارچوب انتزاعی که دو چیز اصلی دارد:
- زبان صوری: مجموعه‌ای از نمادها (حروف، علامت‌ها) و قواعدی که می‌گوید چطور این نمادها را کنار هم بگذاری.

- قواعد استنتاج: دستورالعملی که مشخص می‌کند چطور می‌توانی با استفاده از چند اصل اولیه (axioms)، گزاره‌های جدید تولید کنی.

وقتی با این چارچوب کار می‌کنی، فقط به شکل ظاهری عبارات (syntactic) نگاه می‌کنی—یعنی دنباله‌ای از نمادها—و کاری به «معنی» پشت‌شان نداری، اما در عوض می‌توانی ساختار منطقی و استدلال ریاضی را دقیق ببینی.

هستهٔ کارِ هیلبرت منطق مرتبهٔ اول (first-order logic) بود. این منطق چیزهایی مثل «∀» به‌معنای «برای هر» و «∃» به‌معنای «وجود دارد» را معرفی می‌کند تا بتوانی دربارهٔ عناصر یک مجموعه (مثلاً اعداد یا نقاط) صحبت کنی. فرقش با منطق‌های قوی‌تر این است که فقط می‌توانی دربارهٔ خودِ عناصر کمّی‌سازی (quantify) کنی، نه دربارهٔ «همهٔ خواص» یا توابع. این‌کار باعث می‌شود هم زبان رسمی، قابل فهم و هم تا حدی تصمیم‌پذیر (decidable) باشد. مثلاً می‌نویسیم:

∀x (Prime(x) → ∃y (Prime(y) ∧ y > x))

یعنی «برای هر عدد اول x، عدد اول بزرگ‌تری به نام y وجود دارد.»

سال ۱۹۲۸، هیلبرت و همکارش ویلهم آکرمن پرسیدند: آیا می‌شود یک برنامه یا الگوریتم ساخت که برای هر جمله در منطق مرتبهٔ اول بگوید «در همهٔ شرایط درسته» یا «نیست»؟ اگر جواب مثبت بود، می‌توانستیم همهٔ ریاضیات را با اجرای یک برنامه رایانه‌ای حل کنیم.

اما در ۱۹۳۶، آلونزو چرچ ثابت کرد که چنین الگوریتمی وجود ندارد. او ثابت کرد که این سؤال به مسائل غیرقابل‌حلِ دیگری مثل lambda calculus می‌رسد. تقریباً هم‌زمان، آلن تورینگ با مفهوم «ماشین تورینگ» به همان نتیجه رسید: هیچ روش کامپیوتری‌ای نیست که بتواند همهٔ جملات منطق مرتبهٔ اول را بررسی کند.

این دو کشف، پایهٔ نظریهٔ محاسبات مدرن را گذاشت و نشان داد که برنامهٔ بزرگ هیلبرت—ساختن یک دستگاه کاملاً مکانیزه برای همهٔ ریاضیات—به طور ذاتی محدود است. اما در عوض، فهم عمیقی از ماهیت محاسبه و مرزهای آن به ما داد و مسیر را برای پیدایش علم رایانه هموار کرد.

#بخش1