گزارش کوئرا جوکه؟! مدیر فنی 60 میلیون (732 دلار)!!

هر سال جاب ویژن این جک منتشر می کرد، امسال کوئرا پیش قدم شده.

پروفایل‌های هر دو شرکت (کوئرا و جاب‌ویژن) را در ویکی‌تجربه بررسی کنید؛ از نظر پرداختی داغون هستند.

امسال با دیتای ویکی تجربه، یه گزارش خلاصه منتشر می کنیم.

Senior 🤡

🔶 ساده‌سازی مدیریت دسترسی‌ها با منطق باینری در لاراول

در توسعه نرم‌افزار مدرن، مدیریت دسترسی کاربران به شکل کارآمد یکی از جنبه‌های حیاتی برای تأمین امنیت منابع و کنترل دسترسی است. یکی از قدرتمندترین و مقیاس‌پذیرترین روش‌ها، استفاده از سیستم‌های مدیریت دسترسی بر پایه‌ی منطق باینری است که از بیت‌ها برای نمایش حقوق دسترسی استفاده می‌کند.

در این رویکرد، هر بیت معادل یک دسترسی مشخص است که به توسعه‌دهندگان این امکان را می‌دهد تا مجوزهای مختلف را به صورت فشرده ذخیره، ترکیب و بررسی کنند. برای مثال، در لاراول می‌توانید با تعریف ثابت‌ها برای دسترسی‌ها و ذخیره آن‌ها در یک ستون عددی در دیتابیس، از عملگرهای بیت‌وایز (مانند &، |) برای افزودن، حذف یا بررسی مجوزها استفاده کنید.

این شیوه به‌ویژه برای سیستم‌هایی که به عملکرد سریع و مقیاس‌پذیری بالا نیاز دارند، بسیار جذاب و کارآمد است. در ادامه نمونه‌هایی از نحوه اختصاص، ذخیره‌سازی و مدیریت دسترسی‌ها در پروژه لاراول ارائه خواهد شد.

استفاده از منطق باینری برای مدیریت دسترسی‌ها نه تنها بسیار سریع و مقیاس‌پذیر است بلکه باعث کاهش استفاده از منابع دیتابیس و بهینه‌سازی زمان پردازش می‌شود. با این روش می‌توانید مجوزهای نامحدود را به صورت کارآمد مدیریت کنید و آینده‌نگری بیشتری برای پروژه‌های بزرگ خود داشته باشید.

</Mahdi Bagheri>

#لاراول

@TheRaymondDev

🔶 پلی لیست یادگیری تست نویسی لاراول

https://www.youtube.com/watch?v=ZM3lGW8XvEo&list=PLqeDK0HdRVdQhdI5FRD9FNseJWIzh46sr

#لاراول

@TheRaymondDev

🔶 لینوکس مینت (Linux Mint) رتبه اول دیسترو واچ را کسب کرد.

هدف لینوکس مینت فراهم نمودن یک سیستم عامل برای رایانه‌های رومیزی است که کاربران خانگی و شرکت‌ها بتوانند بدون صرف هزینه، به بهترین نحو از آن استفاده کنند؛ به صورتی که هم مفید و مؤثر باشد و هم تا حد ممکن راحت و زیبا که از سال ۲۰۰۶ به امروز به خوبی نقش خود در دنیای لینوکسی ایفا کرده است.

https://distrowatch.com/table.php?distribution=mint

#لینوکس

@TheRaymondDev

Summer Intern @ IMDEA Software
—————————————————

یکی از فارغ التحصیلای استادم یعنی آقای Kaushik Mallik که تز دکتری‌اش با عنوان "Pushing the Barriers in Controller Synthesis for Cyber-Physical Systems" برنده‌ی جایزه‌ی ETAPS doctoral dissertation award سال ۲۰۲۳ شد که یکی از معتبرترین جایزه‌ها در حوزه‌ی TCS محسوب میشه که یک دانشجوی دکتری می‌تونه بگیره، بعد از اتمام پست‌داکش در ISTA زیر نظر آقای Thomas Henzinger، به عنوان Assistant Professor جذب موسسه‌ی IMDEA Software در مادرید شده و داره research group خودش رو دایر می‌کنه. حوزه‌ی کاریش intersection گیم تئوری، کنترل تئوری، و Formal Method هستش و این اواخر روی Monitoring سیستم‌های AI هم کار کرده. به بیان دیگه سعی ‌می‌کنه با تکنیک‌های Game Theoretic الگوریتم‌ها و فریمورک‌های فرمال برای Controller Synthesis ارائه کنه.

ایشون دنبال intern هست برای تابستون پیش‌رو و اگر علاقه‌مند هستید مهلت دارید تا ۱۰ ژانویه از طریق این لینک اپلای کنید و بهشون ایمیل بدید. در مورد موسسه‌ی IMDEA هم بارها توی کانال در موردش صحبت شده کافیه اسم IMDEA رو سرچ کنید، یک موسسه‌ی تازه تأسیس با کلی ریسرچر قوی و خوش آتیه که بسیار رو به جلو و قوی داره پیش میره.

لینکدین پر از شرکت‌هاییه که دیوارهاشون رنگیه!
رو کیبورد همکار گل میذارن!
یه مبل شنی بزرگ هست که کارمند روش لم میده!
و چندتا HR باکلاس که دارن از علائم یک مدیر سمی یا مدیریت سمی میگن!
و ادمی که تجربه کافی نداشته باشه پیش خودش میگه کاااش منم یه روزی تو این شرکت کار کنم!
اما وقتی توی زندگی و مسیر جدی‌تر میوفتی
میفهمی این شوآف‌ها جای حقوق سروقت رو نمیگیره
دیوار رنگی نمیتونه باعث شه راحت مرخصی بگیری و به مشکلاتت برسی!
ولکام پک خودکار و دفترچه نمی‌تونه حقوق و قسط‌های عقب افتاده‌تو جبران کنه!
و اون hr حرفه‌ای درکی از شرایطتت نداره!
در کل برای کم تجربه‌ها میگم:
همه این ها حالتون رو ممکنه خوب کنه برای کار اما
گول زرق و برق شرکت‌های لینکدین رو نخورین از یه جایی به بعد بُنیه و پشتوانه شرکت فقط براتون مهم باشه

— Ali Palvaneh

#quote #note
@amiria703_channel

چقدر قشنگ درآورده:
https://youtu.be/csyLLHZXzM8?si=ArModuVcegrJA07r

استاد سنیور فول استک دولوپر میفرماید:
هر کی تو گیتهاب فعاله برنامه نویس نیست
حالا تو هعی پروژه بزن بذار تو گیتهاب

#fun

@Syntax_fa

کنترل پنل رایگان 1panel

اگر یک سرور کوچیک دارید و نمی‌خواهید هزینه های زیاد بکنید 1panel رو بهتون پیشنهاد میکنیم رایگان و اوپن سورس

https://github.com/1Panel-dev/1Panel

@poinair پوینا

از DeepSeek-V3 بگیم که یه مدل با هزینه کم به حساب میاد. یه آزمایشگاه چینی این مدل رو توی ۲ ماه با ۵.۵ میلیون دلار ساخته که میشه مقایسه کرد با آموزش GPT-4o با ۱۰۰ میلیون دلار هزینه. در واقع میشه یه مدل AI اوپن‌سورس ترکیبی و (Mixture-of-Experts یا MoE). یعنی به جای یه مدل بزرگ که همه‌کاره باشه، میان چند تا مدل «تخصصی» کوچیکتر میسازن که با هم کار میکنن.

با ۱۴.۸ تریلیون توکن آموزش داده شده، از تکنیک‌های جدیدی مثل Multi-Head Latent Attention (MLA) استفاده کردن.

برای توضیح این تکنیک باید به اصل «مفهوم توجه» یا همون Attention توی مدل‌های زبانی نگاه کنیم. در مدل‌های زبانی، «توجه» یه مکانیزمه که به مدل اجازه میده تا روی کلمات مهم‌تر تمرکز کنه و کلمات کم‌اهمیت‌تر رو نادیده بگیره. این بهش کمک میکنه ارتباط کلمات رو بیشتر بفهمه و جواب بهتری بده.

حالا MLA میاد با جنبه‌های مختلفی به متن نگاه میکنه و سعی میکنه اهمیت کلمات رو متوجه بشه، مثلا یه بار ممکنه به روابط گرامری نگاه کنه، یه بار به معنی کلمات نگاه کنه و ... . خروجی میشه درک بیشتر و مصرف کمتر GPU و منابع محاسباتی.

طراحی و آموزش این مدل هم روی چیپ NVIDIA H800 بوده که میشه یه مدل ارزون و محدود از H100 برای بازارهای تحریمی مثل چین.

از ویژگی‌هاش توانایی پردازش تا ۱۲۸۰۰۰ توکن در یه ورودی که برای کارهایی مثل بررسی اسناد قانونی و تحقیقات دانشگاهی خیلی خوبه. ین مدل ۶۷۱ میلیارد پارامتر داره، اما گفته میشه فقط ۳۷ میلیاردش برای انجام هر کار فعال میشه.

تو آزمون‌های مختلف با مدل‌های دیگه مثل Claude-3.5، GPT-4o، Qwen2.5 و Llama3.1 مقایسه شده و عملکرد خوبی داشته. به خصوص تو ریاضیات و کدنویسی، تو آزمون‌هایی مثل MATH-500 و LiveCodeBench از رقباش بهتر بوده. همچنین تو کارهایی که نیاز به درک متن‌های طولانی داره خیلی خوبه.
https://chat.deepseek.com/
indianexpress
@geekalerts

از نسل سوم استارلینک چه خبر؟
میخوان ماهواره‌های v3 رو با استارشیپ پرتاب کنن. هر پرتاب این ماهواره‌ها، ۶۰ ترابیت بر ثانیه به ظرفیت شبکه اضافه می‌کنه که ۲۰ برابر ظرفیت پرتاب v2 مینی‌ها با فالکون ۹ هست. این یعنی استارلینک می‌تونه با ماهواره‌های کمتر، شبکه‌اش رو بسازه و خطر تداخل و زیاد شدن زباله‌های فضایی رو کم کنه.

گفتن انقدر تقاضا زیاده که یه کارخونه‌ی جدید (۶۵ هزار متر مربع) توی تگزاس هم تاسیس کردن. (برای ساخت دیش و ماهواره)

هر ماهواره v3 تقریبا ۴ ترابیت بر ثانیه پهنای باند داره. ۱ ترابیت دانلود و ۱۶۰ گیگ آپلود که ۱۰ برابر نسل قبل یعنی v2 مینی هست. همچنین، از تجهیزات، مودم‌ها، فناوری شکل‌دهی پرتو و سوئیچینگ نسل بعدی اسپیس‌اکس استفاده می‌کنن.

مقایسه با ماهواره‌های v2 مینی
۱. ده برابر پهنای باند دانلود بیشتر (۱ ترابیت بر ثانیه در مقابل ۹۶ گیگابیت)
۲. بیست‌و‌چهار برابر پهنای باند آپلود بیشتر (۱۶۰ گیگابیت بر ثانیه در مقابل ۶.۷ گیگابیت)
۳. چهار برابر پهنای باند لیزر برای هر کانال (۸۰۰ گیگابیت بر ثانیه در مقابل ۲۰۰ گیگابیت)
۴. حدوداً سه برابر پهنای باند لیزر و ایستگاه زمینی (۴ ترابیت بر ثانیه در مقابل ۱.۳ ترابیت)
۵. حدود دو برابر تعداد ماهواره در هر پرتاب (۵۴ در مقابل ۲۹)
۶. وزن حدوداً ۱۹۰۰ کیلوگرم در مقابل ۵۷۵ کیلوگرم.
۷. وزن پرتاب ۱۰۰ تن در مقابل ۱۷ تن.
nextbigfuture
securityonline
spacex
@geekalerts

متنی که با هوش مصنوعی ساخته شده معمولاً احتمال بیشتری داره که شامل کلماتی با توزیع پیش‌بینی‌شده باشه، در نتیجه تا حدی میشه فهمید یه متن با هوش مصنوعی ساخته شده یا نه.

@Linuxor