🔸API Architecture Styles

@TheRaymondDev

ما ایرانی‌ها زیاد پیش میاد که یک آدم غریبه رو عمو/دایی یا خاله صدا میکنیم. قسمت بامزه‌ی ماجرا اینه که این مختص به ایران و ایرانی‌ها نیست. این بلاگ‌پست راجع‌به این ماجرا کمی با جزئیات بیشتر حرف میزنه و این وضعیت رو توی کشور‌های دیگه هم شرح میده.

🔰خارج از گود لینوکسی:

🔹اگر ویندوز 11 میخواهی نصب کنی، ویندوز برای نصب اینترنت میخواد. اگر اینترنت نداشتی و خواستی رد کنی بدون اینترنت نصب بشه:
توی همون مرحله نصب که رسیدی.کلیدمیانبر:

Shift + F10

را بزن، کامند پرامپت داس باز میشه ، تایپ کن:

OOBE\BYPASSNRO

و اینتر،بزن سیستم‌ ری‌بوت کن و بعد که بالا آمد گزینه

I don't have internet

میاره برایت . بزن و نصب رو ادامه بده.

درآمدی به ابزارهای یونیکس

این برنامه‌ی آموزشی با زبان بش نوشته شده و کار با شل و ابزارهای اون رو به شما یاد می‌ده.

👉🔗 Github

#آموزش #bash $بش

سوریه اولین کنفرانس بین المللی tech خودش را بعد از 50 سال اجرا کرد
کار آفرین های سوریه ای-امریکایی و سرمایه گذار ها امیدوار هسند 25,000 هزار شغل جدید در سوریه ایجاد کنند
https://sync.sy/syria/
تفسیر خبر با شما ...
توضیحات بیشتر

🔰TOP VIRTUAL MACHINES FOR CYBERSECURITY PROFESSIONALS

🔹Predator-OS (Polymorphic Security Platform):
🔸https://predator-os.ir/

🔹Kali Purple (SOC-in-a-box):
🔸https://lnkd.in/d63U2jst

🔹Kali Linux (Pentesting):
🔸https://lnkd.in/dfvvCUeh

🔹BlackArch Linux (Pentesting):
🔸https://lnkd.in/dQuQV4SK

🔹BackBox (Pentesting):
🔸https://www.backbox.org/

🔹Kookarai (Pentesting):
🔸 https://lnkd.in/d-4ckJ97

🔹Parrot Security OS (Red and Blue Team operation):
🔸https://parrotsec.org/

🔹Whonix (Privacy and Anonymity):
🔸https://lnkd.in/dpWagU2f

🔹Tails (Privacy and Anonymity):
🔸 https://tails.net/

🔹Qubes OS (Hypervisor):
🔸 https://www.qubes-os.org/

🔹Tsurugi Linux (Digital Forensics and OSINT):
🔸https://lnkd.in/dsr-ekeB

🔹SIFT Workstation (Digital Forensics):
🔸 https://lnkd.in/dmnZRNNP

🔹CSI Linux (Digital Forensics):
🔸https://csilinux.com/

کنفرانس tech تو سوریه بعد از ۵۰ سال، در اصل سوریه‌ای‌های سیلیکون‌ولی اومدن دمشق و روی آینده tech سوریه صحبت کردن.

یه سری اهداف داشتن، مثلا بهبود روابط با کشورها برای پذیرش و اومدن تکنولوژی به سوریه و ایجاد ۲۵ هزار شغل tech تا ۲۰۳۰. یه کنفرانس دیگه هم تو سیلیکون‌ولی ۲۳ فوریه دارن.

restofworld
@geekalerts

نمیدونم چرا این کتاب رو نخوندم و ندیده بودم (سرفصل‌هاش رو)

بسیار کتاب جذاب و خوبی هست؛ بله درسته با Rust 2018 هست ولی واقعا مهم نیست.
متوجه شدم یکی از دوستانی که توی گوگل دارم؛ تغییر Stack داده از C به Rust ایشون توی تیم کروم بودند.
کلی باهاش صحبت کردم؛ چون توی این مدت بسیار به نوشتن کرنل علاقمند شدم و خودم دارم روش کار می‌کنم (کند پیش میرم چون تسک‌های دیگه دارم ولی پیش میرم.)
ازش خواستم توی این موضوع بهم کمک کنه منابعی که خوندم رو بهش دادم؛ چندتا سوال ازم پرسید (مثل مصاحبه) و بعد این منبع رو بهم داد:
Programming Rust 2nd Edition

خوشحال شدم که همین اول مسیر یکی مشکلاتم رو بهم گفت؛ ناراحت شدم ازینکه با این تجربه چرا این کتاب رو نخوندم؛ دلیلش رو هم می‌دونم.

خیلی سال هست توی دنیای پایتون - هوش مصنوعی بودم؛ توی اون دنیا سرعت تغییراتی که باقی چیزها رو خراب کنه خیلی زیاده (بیش از حد) برای همین منبع ۳ سال قدیمی خیلی به کار نمیاد تازه منابع یادگیری هم خیلی زیاد و راحت در دسترس هست؛ اشتباه کردم با اون دید توی دنیای Rust دنبال منبع گشتم.

حالا اولویتم این کتاب هست؛ تا شنبه بنظرم بتونم ۱۲-۱۳ فصل اول رو بخونم و تمرین کنم.
یا اصطلاح دید یک سری منابع دیگه هم پیدا کردم که زیر این پست میذارم اگر دوست داشتید بررسی کنید.

۱- این از یک دوره اومده که certificate می‌داده برای Rust بنظرم برای مصاحبه خوبه چون تمرینات خوب و سوال جوابای خوبی داره (با اصطلاحات به خوبی آشنا می‌شید)
RustCamp
۲- موارد خیلی مهم مربوط به trait های standard library رو توی این مورد پیدا می‌کنید؛ کسایی که با Rust کمی جدی کد زده باشند می‌دونند که خیلی وقتا باید این موارد رو بشناسی تا برای struct, enum, ... خودت تعریفشون کنی و زندگی رو راحت کنی
Tour of std

۳- از همون نویسنده قیلی این پستش هم خیلی خوبه؛ اشتباهات رایج توی درک Lifetime رو اینجا گفته
Lifetime Misconceptions

۴- از سایت تمرینات راست هم این مورد خیلی خوبه (من تمرین کردن رو از خوندن بیشتر دوس دارم) :
100 Exercises to learn Rust

۵- در نهایت اینم چون از دنیای پایتون اومدم:
Rust-Python interoperability

شخصا به ترتیب با اولویت کتاب توی وقتهای خالی دارم این مورد رو پیش می‌برم.

دو آپدیت جدید از OpenAI، اول اینکه امکان آپلود فایل و عکس به مدل‌های o1 و o3-mini اضافه شد و محدودیت‌های مدل o3-mini-high برای کاربران پلاس رو ۷ برابر افزایش دادن، الان تا ۵۰ پیام در روز میشه ارسال کرد.

OpenAI
@geekalerts

شرکت ByteDance، که میشه همون شرکتی که TikTok رو ساخته، مجموعه‌ای از مدل‌های AI به اسم گوکو «Goku» رو معرفی کرده که در واقع مدل متن به ویدیو یا همون ساخت عکس و ویدیو با AI هستن.

نمرات خوبی هم توی بنچمارک‌ها داشته مثلا 0.76 تو GenEval (تولید عکس از متن) و 83.65 تو DPG-Bench (تولید عکس از متن) و 84.85 تو VBench (تولید ویدیو از متن).

از اونجای که گوکو یه مدل اوپن‌سورس هست میشه با بقیه مدل‌های اوپن‌سورس (مثل CogVideoX و Open-Sora-Plan) و پریمیوم‌ها (از جمله DreamMachine، Pika، Vidu و Kling) مقایسه کرد که نتیجه نقطه قوت گوکو رو توی خروجی‌هایی با عناصر هماهنگ نشون میده، در اصل به جزئیاتی متنی که بهش داده میشه دقت بالایی داره.

huggingface
sangjinn
@geekalerts

عشق میاد و میره، اما git commit برای همیشه می‌مونه!

#ولنتاین_برنامه_نویس

🆔 @MdDaily

چقدر یک همچین پروفایلر دقیقی ‌می‌تونه کمک کننده باشه
اپتیمایز ساده‌تر خواهد شد قطعا

Nvidia Youtube

دیدم بعضی مدیرای ایرانی می‌گن ماهم کار DeepSeek رو بکنیم روی مدل‌های کوچکتر که با هزینه کمتر تموم بشه ولی مدل فارسی داشته باشیم؛ گفتم چندتا مورد رو بگم :

۱- مدل پایه Deepseek, براساس Llama3.1, Qwen2.5 هست که هزینه کمی نداشته آماده کردنش و توی فارسی هم عالی نیستند.

۲- تیم Deepseek حداقل ۲ سال هست که دارند روی موضوعات AI تحقیق می‌کنند.

۳- این تیم به بیش از 50هزار GPU دسترسی دارند (حداقل A100 80Gig)

۴- مدل بزرگ این شرکت (چیزی که اجرا هست) نیاز به DGX H100 برای اجرا داره؛ اونم در حد تعداد محدود برای response.

باقیش هم هیچی.
خلاصه که قبل از حرف زدن، فکر کنید.

درود
انتخاب منبع برای مطالعه

توی این ویدیو نظر شخصیمو گفتم که چه فاکتور‌هایی مناسب هست برای انتخاب منابع
https://youtu.be/SbAqaKBYtmg

🧠 #تمرین عملی با #تجربه_زیسته دو موضوع متفاوت می باشد

وقتی در جمع های مختلف موضوع تفاوت انواع تجربه (اینجا بخوانید) را مطرح می کنم، اولین سوالی که مطرح میشه اینه که "مگه میشه بدون تجربه زیسته چیزی را عمیق یاد گرفت!؟" با کمی بحث و بررسی، متوجه شدم بسیاری از افراد "تمرین عملی" و "تجربه" (منظورشون تجربه زیسته) را یکی در نظر میگیرند!
سوالی که من همیشه می‌پرسم این است: "آیا هر کسی که در یک حوزه تخصصی یا مهارتی صرفا در اثر گذر زمان و کسب تجربه (زیسته)، ادعای تخصص کند، واقعا متخصص آن حوزه است؟" جواب معمولا "خیر" می باشد. این افراد بدون مطالعه معتبر و موثر دانش انباشت شده و تمرین کافی، به راحتی دچار انواع خطاهای شناختی و اشتباهات مهلک می شوند.

⏳سوال معروف در حوزه #پزشکی_مبتنی_بر_شواهد (ویکی پدیا، پست هایی به قلم دکتر صمدی) این می باشد که شما حاضرید سلامتی خود را در اختیار پزشکی قرار دهید که مدعی این می باشد که مثلا بالای 30 سال تجربه در برخورد با بیماران یک بیماری خاص (مثلا صرع) را داشته و هیچ گونه داده دیگر مبنی بر مثلا درصد بهبود یا مرگ ناشی از روش های مبنی بر تجربه خودش را به شما ارائه ندهد؟ تفاوت تجربه زیسته و علم و دانش با روش شناسی های حاصل از تجربه علمی دقیقا در اینجا می باشد که هر چیزی امکان تبدیل به دانش مکتوب و مستند را نخواهد داشت به جز اینکه روش های مشخصی را طی کند.
🔬 یادمون باشه تمرین کردن برای ایجاد #بینش، پس از یادگیری #دانش مورد نیاز کاربرد دارد و بدون یادگیری موثر اولیه دانش مورد نظر، تمرین یا تجربه (زیسته) کردن صرفا میشه یکسری آزمون و خطای بی حاصل و گمراه کننده!

💬 در نهایت در جهت تمرین انواع #تفکر مانند #تفکر_انتقادی ، #تفکر_سیستمی و #تفکر_انتزاعی در زیر این پست سعی می کنم چت هایی که با چت بات ها با مدل های #ذهن_مصنوعی (قبلا اشاره کردیم چرایی اشتباه کلمه #هوش_مصنوعی) در جهت بررسی موضوعات خاص و چالش بر انگیز داشتم را منتشر کنم تا ببینید به چه راحتی می‌توانند این چت بات ها بدلیل وجود دانش غیر موثر و غلط حاصل از تجربه های زیسته اشتباه در اختیار آنها در زمان یادگیری (train شدن)، دچار انواع خطای شناختی و انواع مغالطه می شوند. هر چند اگر ما استدلال های قوی مطرح کنیم، عموما چت بات ها سریع از این خطاها و مغالطه ها مثل مغالطهٔ حفظ پیش‌فرض دوری می کنند.
اگر شما هم دوست دارید در جهت تایید یا رد موضوع استدلال های خود را مطرح کنید. و اگر هم دوست داشتید متن چت های خود را با چت بات ها که منجر به تغییر نظر چت بات ها و تذکر اشتباهات اونا بوده را منتشر کنید که بقیه هم بتونن با نحوه گفت و گوی شما بیشتر آشنا بشوند.

شرکت OpenAI گامی بزرگ به سوی استقلال سخت‌افزاری برمی‌دارد

#AI #OpenAI #TSMC #NPU

شرکت OpenAI در مراحل پایانی طراحی تراشه سفارشی هوش مصنوعی خود قرار دارد و هدف آن کاهش وابستگی به NVIDIA است. این شرکت در مرحله طراحی سیلیکون (tape-out) بوده و در صورت نبود موانع جدی، ممکن است در نیمه اول سال آن را برای تولید به TSMC ارسال کند.

این تراشه عمدتاً برای اجرای مدل‌های هوش مصنوعی طراحی شده و تولید انبوه آن در صورت موفقیت، از سال 2026 آغاز خواهد شد.

کمپانی TSMC از فناوری 3 نانومتری خود با معماری آرایش سیستولیک و حافظه با پهنای باند بالا (HBM) استفاده خواهد کرد، مشابه آنچه NVIDIA برای پردازنده‌های گرافیکی هوش مصنوعی خود به کار می‌برد.

طراحی حدود شش ماه زمان می‌برد و هزینه‌ای میلیون دلاری دارد، اما OpenAI در همکاری با Broadcom در تلاش است تا این روند را تسریع کند.
هنوز مشخص نیست آیا این تراشه همان نمونه‌ای است که برای Sora از A16 آنگستروم TSMC استفاده شده یا یک فناوری مستقل است.
این پروژه تحت مدیریت ریچارد هو انجام می‌شود و تیم آن به 40 نفر افزایش یافته است.

منبع خبر
@LinNews | @LinAcademy

🔵 عنوان مقاله
go-taskflow: A Taskflow-Like DAG Task Execution Framework

🟢 خلاصه مقاله:
مقاله‌ای که مد نظر است به بررسی و توصیف یک چارچوبی عمومی برای زبان برنامه‌نویسی Go پرداخته است که برای مدیریت وابستگی در کارهای همزمان ساخته شده است. این چارچوب به شکلی طراحی شده که قادر است فعالیت‌های موازی را بر اساس وظایف مشخص شامل تعاملات پیچیده وابستگی انجام دهد. هدف اصلی از توسعه این چارچوب، بهبود بهره‌وری در برنامه‌هایی است که نیاز به اجرای همزمان چندین عملیات دارند، بطوری که هر وظیفه می‌تواند به شکل مستقل و با در نظر گرفتن وابستگی‌های معین با دیگر وظایف، پیش برود. با استفاده از این چارچوب، توسعه‌دهندگان می‌توانند کارایی‌های برنامه‌های خود را بهبود بخشیده و اتکا به مدیریت دستی وابستگی‌ها را کاهش دهند. این چارچوب همچنین پیاده‌سازی‌های معمولاً پیچیده در مدیریت همزمانی را بهبود می‌بخشد و بستری انعطاف‌پذیر برای توسعه نرم‌افزار فراهم می‌آورد.

🟣لینک مقاله:
https://golangweekly.com/link/165667/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy