می‌خوام یه ابزار جدید و فوق‌العاده خفن رو معرفی کنم مکانیزم استایل نویسی رو در فرانت اند تغییر میده!

ابزار StyleX محصول جدید Meta (فیسبوک، اینستاگرام، واتس‌اپ و Threads) ـه، ساخته‌شده برای پروژه‌های بزرگ و تیم‌های چندمنظوره‌ای که با چالش مقیاس‌پذیری و پیچیدگی استایل‌ها روبه‌رو هستن.

با StyleX، تعریف و استفاده از استایل‌ها فقط به دانش محلی داخل کامپوننت نیاز داره یعنی دیگه نگران سلسله‌مراتب و جنگ specificity نیستی، در حالی که هنوز می‌تونی از قابلیت‌هایی مثل Media Query استفاده کنی.

موقع build شدن، استایل‌هایی بهینه شده تولید می‌کنه که بر پایه‌ی Atomic CSS ساخته شدن که این امر سبب خروجی‌ تمیزتر، سبک‌تر میشه.
ترکیبی هوشمند از CSS-in-JS و خروجی استاتیک CSS
بدون runtime و بدون ترس از name clash
عملکردی واقعاً سریع

چرا StyleX؟
- ساخته شده برای مقیاس‌پذیری و پایداری رابط کاربری در اپلیکیشن‌های پیچیده.
- ترکیبی هوشمند از CSS-in-JS و CSS استاتیک برای دستیابی به نظم، کارایی و عملکرد بی‌نظیر.
- جلوگیری از رشد بی‌رویه و آشفتگی فایل‌های CSS در کدبیس‌های در حال توسعه.
- پشتیبانی قدرتمند از theming، ترکیب سبک‌ها و بازاستفاده از مؤلفه‌ها در سطح تیم یا سازمان.

به‌نوعی StyleX مثل نقطه‌ی تعادل بین دو دنیا عمل می‌کنه:
قدرت و سرعت Tailwind رو با انعطاف و خوانایی Styled Components ترکیب کرده،
اما با نظمی مهندسی‌شده‌تر و بهینه‌سازی در سطح ساخت (build-time). ️

[لینک سایت]:
https://stylexjs.com


@DevTwitter | <Soheil Ghanbary/>

روی موبایل یا لپ تاپ ، مدل های Ai سازگار با گوشی یا لپتاپت رو بصورت شخصی ، آفلاین و رایگان اجرا کن!

با ابزار فوق‌العاده Anythingllm این کارو میتونید خیلی ساده انجام بدید.

https://anythingllm.com

برای موبایل فعلا نسخه اندروید داره
ولی این تنها قابلیت این نرم افزار نیست ، میتونید به Api های Ai های دیگه هم وصلش کنید و ازش استفاده کنید مثل یک چت بات سریع و سبک

@DevTwitter | <POURYA/>

داکر فقط نصف ماجراست.
بخش سخت‌تر اون‌جاست که باید صدها کانتینر رو بین چند سرور اجرا، هماهنگ و پایدار نگه‌داری.
اینجاست که کوبرنتیز وارد عمل میشه.

کوبِرنِتیز چیه؟
کوبِرنِتیز یه سیستم متن‌باز (Open Source) برای مدیریت و هماهنگ‌سازی کانتینرهاست.
بهش می‌گن Container Orchestrator چون مثل یه مغز مرکزی عمل می‌کنه و تصمیم می‌گیره
کِی، کجا و چطور کانتینرها اجرا بشن.

️ ساختار کلی کوبرنتیز
کوبرنتیز روی یه ساختار به اسم کلاستر (Cluster) کار می‌کنه.
کلاستر از چند سرور تشکیل شده:

(Control Plane): مغز سیستم که شاملAPI Server، Scheduler، Controller Manager و etcd می‌شه.

(Worker Nodes): جایی که کانتینرها واقعاً اجرا می‌شن (با استفاده از ابزاری مثل kubelet و Container Runtime مثل containerd یا CRI-O).

مفاهیم کلیدی در کوبرنتیز
پاد (Pod):
واحد اجرایی اصلی در کوبرنتیزه.
هر Pod معمولاً یه کانتینر داره، ولی ممکنه چندتا هم داشته باشه که با هم کار می‌کنن.
Kubernetes تضمین می‌کنه همیشه همون تعداد Podی که تعریف کردی در حال اجرا باشه (مثلاً سه نسخه از وب‌سرویس).

خودترمیمی (Self-Healing):
اگه یکی از Podها از کار بیفته، Controller Manager تشخیص می‌ده و خودش اون Pod رو روی یه Node دیگه بالا میاره (بدون اینکه نیاز باشه دستی کاری بکنی).

مقیاس‌پذیری خودکار (Autoscaling):
وقتی ترافیک زیاد میشه، قابلیت Horizontal Pod Autoscaler (HPA) بر اساس معیارهایی مثل CPU یا Memory Usage تصمیم می‌گیره چندتا Pod جدید بسازه.
و وقتی ترافیک کاهش پیدا کنه، اونا رو حذف می‌کنه تا منابع هدر نرن.

سه جزء مهم کوبرنتیز
دیپلویمنت (Deployment): مشخص می‌کنه چند تا Pod باید اجرا بشن و آپدیت‌ها چطور انجام بشن.

سرویس (Service): ترافیک رو بین Podها پخش می‌کنه تا همیشه در دسترس باشن.

اینگرس (Ingress): مسیر دسترسی کاربران بیرونی (مثل درخواست‌های HTTP/HTTPS) رو به سرویس‌های داخلی مدیریت می‌کنه.

چرا کوبرنتیز مهمه؟
چون اجرای برنامه‌ها رو خودکار، پایدار و مقیاس‌پذیر می‌کنه.
به همین دلیل، امروز Kubernetes قلب دنیای DevOps و Cloud Native به حساب میاد.
از سیستم‌های مایکروسرویسی گرفته تا پلتفرم‌های یادگیری ماشین (ML) و اپ‌های بزرگ،
همه دارن روی K8s اجرا می‌شن.

@DevTwitter | <Monireh Savaedi/>

وکتور دیتابیس‌ها (Vector Databases)
در دنیای امروز، با رشد مدل‌های زبانی بزرگ (LLMها) و اپلیکیشن‌های هوش مصنوعی، یک نیاز جدید در حوزه ذخیره‌سازی داده به‌وجود آمده که چیزی نیست جز درک معنا، نه فقط داده‌های خام.
اینجاست که وکتور دیتابیس‌ها (Vector Databases) وارد صحنه می‌شوند.

برخلاف دیتابیس‌های سنتی که داده‌ها را بر اساس کلید، متن یا ساختار ذخیره‌سازی می‌کنند، وکتور دیتابیس‌ها داده‌ها را به صورت بردارهای عددی چندبُعدی نگهداری می‌کنند. این بردارها در واقع نمایانگر معنا و مفهوم پشت داده‌ها هستند نه صرفاً کلمات یا مقادیر ظاهری.
کاربرد اصلی این نوع دیتابیس‌ها در سیستم‌هایی است که نیاز به جست‌وجوی معنایی (Semantic Search)، تطبیق شباهت (Similarity Matching) و حافظه بلندمدت برای LLMها دارند. به‌عنوان مثال، در یک چت‌بات هوشمند، وکتور دیتابیس کمک می‌کند تا سیستم مکالمات قبلی یا اطلاعات مشابه را بر اساس معنا بازیابی کند، نه فقط تطبیق واژه‌ها.

تفاوت اصلی با دیتابیس‌های سنتی
در دیتابیس‌های رابطه‌ای یا NoSQL، داده بر اساس کلیدها و تطبیق دقیق بازیابی می‌شود.
اما در وکتور دیتابیس، داده‌ها بر اساس درجه شباهت معنایی پیدا می‌شوند.
یعنی اگر کاربر بگوید:
"بهترین مکان برای مطالعه با قهوه خوب"
سیستم می‌تواند داده‌هایی مثل "کافه مناسب برای فریلنسرها" را هم به عنوان نتیجه مرتبط برگرداند.

️ نمونه‌های شناخته‌شده وکتور دیتابیس‌ها
ابزار Pinecone : سرویس ابری مخصوص ذخیره و جست‌وجوی برداری (ساده برای اتصال به LLMها)
ابزار Weaviate : متن‌باز و ماژولار، با قابلیت اضافه کردن embedding model داخلی
ابزار Milvus : یکی از قدرتمندترین پلتفرم‌های متن‌باز در مقیاس بالا (ساخته Zilliz)
ابزار Qdrant : دیتابیس برداری سریع و سبک با API دوستانه (مناسب پروژه‌های کوچک تا متوسط)
ابزار pgvector : افزونه PostgreSQL برای ذخیره و جست‌وجوی برداری (راه ساده برای پروژه‌های موجود)

به نظر می‌رسد وکتور دیتابیس‌ها به‌زودی به یکی از اجزای اصلی معماری نرم‌افزارها تبدیل خواهند شد چرا که استفاده از هوش مصنوعی در همه زمینه ها در حال پیشرفت است.

وکتور دیتابیس‌ها پلی هستند بین داده‌های ساخت‌یافته و درک انسانی.
فناوری‌ای که به سیستم‌ها کمک می‌کند “بفهمند”، نه فقط “ذخیره کنند”.

@DevTwitter | <Amir Rahimi Nejad/>

مایکروسافت در بروز رسانی جدید ویندوز ۱۱ یکی از روشهای اکتیو کردن ویندوزهای کپی معروف به KMS38 را غیر فعال کرده است.
در واقع فایلی در ویندوز که اسکریپتها و برنامه‌های فعال سازی به این روش اسنفاده میکنند دیگر وجود ندارد

@DevTwitter | <Alireza Shirazi/>

خبر جالب و البته شوکه کننده؟!!! شرکت Anthropic گزارش داده که تونسته جلوی اولین حمله بزرگ جاسوسی سایبری که به صورت خودکار توسط هوش مصنوعی مدیریت شده رو بگیره. این دیگه شوخی نیست، واقعاً داریم وارد فاز جدیدی از تهدیدات سایبری می‌شیم!
جزئیات ماجرا:
مامور AI (Agentic AI): این حمله دیگه صرفاً استفاده از AI برای "مشاوره دادن" به هکرها نبود. مهاجمان از قابلیت‌های "عاملیت" (Agentic) هوش مصنوعی استفاده کردن. یعنی AI مثل یک "مامور" عمل کرده و 80 تا 90 درصد کارهای حمله، از شناسایی هدف تا نوشتن کدهای مخرب و استخراج اطلاعات، رو بدون دخالت زیاد انسان پیش برده. هکرها فقط در ۴-۶ نقطه کلیدی برای تصمیم‌گیری وارد عمل شدن.
سرعت غیرقابل تصور: Anthropic میگه این سیستم AI تونسته هزاران درخواست، و اغلب چندین درخواست در ثانیه، ایجاد کنه! سرعتی که برای هیچ تیم انسانی از هکرها قابل دستیابی نیست. AI رسماً سرعت حملات سایبری رو به فاز موشکی برده.
سوءاستفاده از Claude: گروه مهاجم (که Anthropic با اطمینان بالا می‌گه یک گروه تحت حمایت دولت چین بوده) با "جِیل‌بریک" کردن و فریب دادن ابزار Claude Code (کد نویس هوش مصنوعی Anthropic) اون رو وادار به عملیات خرابکارانه کرده. اونا با ترفندهایی مثل شکستن کارها به بخش‌های کوچک و وانمود کردن به اینکه AI داره برای یک شرکت امنیتی قانونی کار می‌کنه، از سد حفاظتی کلاود گذشتن.
اهداف مهم: حدود ۳۰ هدف جهانی، شامل شرکت‌های بزرگ تکنولوژی، مالی، تولید مواد شیمیایی و سازمان‌های دولتی مورد حمله قرار گرفتن.

نتیجه‌گیری و پیام مهم:
این ماجرا زنگ خطریه که نشون میده موانع انجام حملات سایبری پیچیده، به طرز چشمگیری کاهش پیدا کرده و گروه‌های کم‌تجربه‌تر هم حالا می‌تونن حملات بزرگ اجرا کنن.
اما خبر خوب اینجاست که Anthropic تاکید می‌کنه: همون هوش مصنوعی‌ای که می‌تونه حمله کنه، می‌تونه بهترین خط دفاع هم باشه! باید یاد بگیریم چطور از AI برای تشخیص تهدیدات، ارزیابی آسیب‌پذیری‌ها و پاسخ به حوادث (Cyber Defense) استفاده کنیم.

باید این اطلاعات رو جدی بگیریم و امنیت سایبری رو با سرعت AI به‌روز کنیم. حتماً متن کامل گزارش رو بخونید تا ببینید چقدر اوضاع جدیه.
Link:
https://www.anthropic.com/news/disrupting-AI-espionage

@DevTwitter | <Mehdi Allahyari/>

یک فرمت جدید برای مصرف کمتر توکن ورودی LLM ها : TOON

روش کارش اینه که به جای Json که توکن بیشتری روی دیتا مصرف میکنه، میاد با ترکیبی از csv و yaml یه نسخه خیلی جمع و جور تر درست میکنه که ۳۰ تا ۶۰ درصد توکن ورودی کمتری مصرف میکنه.

روش جالبیه، اوپن سورسه
https://github.com/toon-format/toon


@DevTwitter | <Mani/>

اگر با وردپرس کار می‌کنید، Abilities API در نسخه 6.9 مهم‌ترین خبری است که باید بدانید


به‌ عنوان کسی که سالها با وردپرس کار میکنه، معمولاً آپدیت‌ ها برام قابل پیش‌ بینی هستند؛ اما نسخه 6.9 یک چیز متفاوت داره: Abilities API. تغییری کوچک در ظاهر، اما بسیار بزرگ در پشت‌ صحنه.

سال‌ هاست هر پلاگین سازوکار خودش را داشته؛
یکی AJAX، یکی REST، یکی هم با هوک‌ های سفارشی کار را جلو می‌برد. نتیجه؟ پراکندگی، پیچیدگی و عدم هماهنگی بین ابزارها.

اما Abilities API یک نگاه جدید به وردپرس آورده.
حالا هر قابلیت با ورودی‌ ها، خروجی‌ ها، سطح دسترسی و منطق اجرای مشخص «ثبت» می‌شود و وردپرس خودش به‌ صورت استاندارد و خودکار از آن REST API می‌ سازد.

این یعنی:

1- امنیت و دسترسی‌ ها منطقی‌ تر و یکپارچه‌ تر می‌شوند
2- تعامل بین پلاگین‌ ها بسیار ساده‌ تر می‌شود
3- توسعه برای ما دولوپرها تمیزتر، قابل‌ پیش‌ بینی‌ تر و حرفه‌ ای‌ تر می‌شود

و از همه مهم‌تر: وردپرس عملاً دارد خودش را برای نسل جدید ابزارهای هوش مصنوعی و اتوماسیون آماده می‌کند.


برای من، WordPress 6.9 فقط یک نسخه جدید نیست؛
یک زیرساخت تازه است که مسیر آینده وردپرس را مشخص می‌کند.

@DevTwitter | <Yaghoub Tayebi/>

خیلی ها هنوز تصورشون از Cloudflare فقط CDN برای سایت است!...
میخوام دعوتتون کنم به ابزار
http://Build.cloudflare.dev
یک‌محیط رایگان برای تبدیل ایده هاتون به سایت ! با قابلیت دپلوی رایگان روی کلاد فلر!

به سادگی فقط بهش بگید چی میخواهید و بزارید کار رو براتون انجام بده!

ویدئو یک پرامت ساده است که دادم بهش !

@DevTwitter | <POURYA/>

دیتابیس Drift چیه و چرا این‌قد طرفدار پیدا کرده ؟

راستش رو بخواین، هر کسی که با Flutter کار کرده باشه می‌دونه مدیریت دیتابیس همیشه یکی از اون بخش‌هاییه که می‌تونه یا خیلی جذاب باشه… یا خیلی اعصاب‌خوردکن!

من خودم چند وقتیه با Drift کار می‌کنم (همون Moor سابق) و واقعاً باید بگم یه سروگردن از بقیه بالاتره

در واقع Drift چی کار می‌کنه؟
به زبون خیلی ساده میاد SQLite رو برات اون‌قدر خوشگل و تر و تمیز می‌کنه که هم دلت بخواد باهاش کار کنی، هم خیالت راحت باشه چیزی از قلم نمی‌افته

چند تا چیز که تو کار با Drift خیلی حال داد :
- قابلیت Type-safe بودنش واقعاً عالیه؛ کمتر پیش میاد اشتباه ریز و درشت بزنی
- می‌تونی هم با Dart Query کار کنی هم با SQL خالص. هر جوری حال می‌کنی و راحتتری
- قابلیت Stream می‌ده، یعنی دیتابیس آپدیت بشه، UI خودش اتومات رفرش می‌شه
- فایل‌ها و مدل‌ها رو خودش اتومات جنریت می‌کنه و روی موبایل، دسکتاپ و حتی وب هم جواب می‌ده

خلاصه که اگه دنبال یه دیتابیس مطمئن و باحال برای پروژه‌های فلاتری هستین، Drift رو جدی بگیرین
به‌نظر من واقعاً ارزشش رو داره

@DevTwitter | <Armin Mehraein/>

چطور سرعت Build داکر رو چند برابر کردم؟ تجربه‌ای که واقعاً زندگیم رو راحت‌تر کرد!

چند وقت پیش مجبور بودم برای یک پروژه چندین بار پشت‌سرهم Docker Image بسازم. هر بار ۳–۴ دقیقه منتظر موندن… واقعاً کلافه‌کننده بود.
فکر کردم شاید مشکل از زیرساخت باشه. اما نه — مشکل از Dockerfile خودم بود!

بعد از چند روز آزمون‌وخطا، به چند نکته ساده اما معجزه‌گر رسیدم که سرعت build رو به‌طور جدی بالا برد. شاید برای شما هم مفید باشه:

1) لایه‌بندی درست Dockerfile = کاهش زمان تا ۷۰٪

اگر اول dependencyها رو نصب کنید و بعد سورس‌کد رو اضافه کنید، Docker مجبور نمی‌شه هر بار از صفر بسازه.
این نکته رو که فهمیدم، انگار turbo رو روشن کردم!

2) Multi-Stage Build: هم سریع‌تر، هم سبک‌تر

کد compile یه جا
run یه جا
نتیجه؟
یک ایمیج سریع‌تر، تمیزتر، امن‌تر و چند برابر کوچکتر.

3) فعال‌سازی BuildKit: یک جهش واقعی

BuildKit رو که فعال کردم، انگار داکر از خواب بیدار شد!
بعضی buildها تا ۲ برابر سریع‌تر شدن.
هم caching بهتر، هم parallel steps.

4) .dockerignore نجات‌دهنده واقعی

صادقانه بگم: نصف کندی من بخاطر این بود که چیزهای عجیب‌وغریب داشت وارد context می‌شد!
Logها، tempها، node_modules، target…
وقتی .dockerignore رو درست کردم، همه‌چیز سریع‌تر شد.

خروجی این تغییرات؟

بدون حتی یک ریال هزینه سخت‌افزاری:
- سرعت build چند برابر
- حجم ایمیج‌ها کمتر
- اعصاب راحت‌تر
- زمان بیشتر برای کارهای مهم‌تر

اگر پروژه‌هاتون به داکر وابسته‌ست، پیشنهاد می‌کنم همین امروز ۱۰ دقیقه وقت بذارید و Dockerfileتون رو بازنویسی کنید.
نتیجه‌ش بیشتر از چیزی که فکر می‌کنید ارزش داره.

@DevTwitter | <Amir Zangiabadi/>

به معنای واقعی کلام نسخه جدید OpenSpec یکی از بهترین ابزار ها برای برنامه نویس هایی است که از ai برای کد نویسی کمک میگیرند.

اگه برنامه نویس هستید و از هوش مصنوعی برای کدنویسی استفاده می‌کنید، واقعاً به خودتون لطف می‌کنید که OpenSpec رو چک کنید.

نسخه جدید که دیروز تکمیل شده است ، خیلی سازگاری بهتری با cli کد نویس ها دارد مخصوصا Gemini Cli , همچنین هماهنگیش برای پلن ریزی کاملا بهتر شده

اگر از قبل استفاده میکردید اپدید کنید
و اگر استفاده نمیکرید متن زیر یک تحول در کد نویسی شما است

این ابزار به شما کمک می‌کنه کنترل کامل پروژه رو دست بگیرید و از AI به عنوان یک همکار قابل اعتماد استفاده کنید!

تا حالا با دستیار های کدنویسی هوش مصنوعی (مثل Cursor یا Copilot) کار کردید و به جای چیزی که دقیقاً در ذهن داشتید، یک چیز کاملاً دیگه تحویل گرفتید؟ یا یک بخش رو نوشته و یک بخش دیگه رو براتون خراب کرده

من جدیدا ابزاری رو پیدا کردم به اسم OpenSpec که داره این بازی رو برای همیشه عوض می‌کنه.

ایده‌اش ساده و ناب هست: شما و هوش مصنوعی، قبل از نوشتن حتی یک خط کد، روی «چیزی که باید ساخته بشه» به توافق کامل می‌رسید.

دیگه خبری از پرامپت‌های مبهم در چت و خروجی‌های غیرقابل پیش‌بینی نیست. OpenSpec یک فرآیند کاری سبک و قدرتمند اضافه می‌کنه که پروژه‌ها رو اینطوری پیش می‌بره:

۱. پیشنهاد تغییر (Change Proposal): شما به AI می‌گید چه قابلیتی رو می‌خواید اضافه کنید. AI یک ساختار کامل از مشخصات، وظایف و پیشنهادها رو براتون می‌سازه.

۲. بازبینی و هماهنگی: شما و AI با هم مشخصات رو دقیق می‌کنید تا همه چیز شفاف و بدون ابهام باشه.

۳. پیاده‌سازی: AI بر اساس مشخصات نهایی و توافق شده، کدنویسی رو انجام می‌ده.

۴. آرشیو: بعد از اتمام کار، تغییرات به آرشیو منتقل می‌شن و مشخصات اصلی پروژه رو به‌روز می‌کنن.

چرا این ابزار به خوبی جواب میده
بدون نیاز به کلید API: نصب کن و استفاده کن. ساده و سریع.
با ابزارهای فعلی شما کار می‌کنه: با Claude Code, Cursor, GitHub Copilot, Windsurf و ده‌ها ابزار دیگه یکپارچه می‌شه.
قابل پیش‌بینی و شفاف: دیگه نمی‌خواد حدس بزنید AI چی می‌سازه. همه چیز از قبل مشخصه.
عالی برای پروژه‌های موجود: نه فقط برای پروژه‌های جدید، بلکه برای تغییر و توسعه کدهای قدیمی هم عالیه.
مستندسازی خودکار: هر تغییری با مشخصات و وظایفش ثبت می‌شه و یک سند زنده از پروژه می‌سازه.

اینم آدرس گیتهابش که همه چیز اماده یک جا هست!
https://github.com/Fission-AI/OpenSpec

اگر نتونستنید دستی نصبش کنید ، میتونید فایل README[.]md رو کپی کنید ، بدید به همون ابزار Ai که براتون کد میزنه مثل Claude Code, Cursor, GitHub Copilot ، بگید نصبش کن!

@DevTwitter | <POURYA/>

یه ویدیو خیلی خفن داریم...

توی این ویدیو میریم سراغ اینکه چطور به صورت کاملاً رایگان، ایمیل شرکتی/سازمانی با دامنه شخصی خودمون بسازیم؛ بدون نیاز به هاست یا سرور.

خلاصه بگم می‌خوایم با استفاده از CloudFlare و Gmail یه Email Routing انجام بدیم و لذتشو ببریم


لینک ویدیو:
https://www.youtube.com/watch?v=0lcR91fHL1Q&list=PLwUWEGKy5kyNdVAfKNouSQ0XDoFm6eEVG&index=10

@DevTwitter | <Ryan Heida/>

یکی یه پلی‌لیست ۱۶ ساعته رایگان گذاشته که توش کامل یاد می‌ده چطور یه مدل DeepSeek‌طور رو از صفر بسازی.
خیلی ساده، کاربردی.

موضوعاتی که توش ردیف کرده:

توضیح رُک و پوست‌کنده‌ی Attention
Multi-Head Latent Attention
Grouped Query Attention
همه مدل Positional Encoding که لازم داری
Mixture of Experts (MoE) و داستانش

اگه دنبال یه شروع تمیز برای AI هستی، این یکی بدجور می‌چسبه.

فقط لپ‌تاپ لازم داری و یه کم حالِ یادگیری.

لینک پلی‌لیست:

https://www.youtube.com/playlist?app=desktop&list=PLPTV0NXA_ZSiOpKKlHCyOq9lnp-dLvlms&si=XSa-DLLMK7qcYd9t

@DevTwitter | <Mohsen Rad/>

اگر دغدغه استفاده درست از GPU رو دارید، ویدیو زیر برای شماست.

این ویدیو در مورد اینه که چطور می‌تونیم مدل‌های یادگیری ماشین رو روی GPU خیلی سریع‌تر و به‌صرفه‌تر آموزش بدیم. مدرس توضیح می‌ده چرا GPU برای کارهای موازی فوق‌العاده‌ست، چطور PyTorch کارها رو روی GPU انجام می‌ده، چه چیزهایی باعث می‌شن GPU بی‌خودی منتظر بمونه، و با چه ترفندهایی—مثل آسنکرون‌سازی درست، استفاده‌ از pin memory، کم‌کردن کرنل‌های ریز، و حتی نوشتن کرنل سفارشی—می‌تونیم سرعت آموزش رو حسابی بالا ببریم. خلاصه، کل ویدیو دربارهٔ اینه که از GPU نهایت استفاده رو ببریم و زمان و هزینه آموزش رو کم کنیم. از دست ندید!

https://www.youtube.com/watch?v=pHqcHzxx6I8&feature=youtu.be

@DevTwitter | <Reza Jafari/>

کتابخانه جدید «pandas-toon» این امکان را می‌دهد که داده‌های DataFrame را با فرمت جدید و بهینه TOON ذخیره و بارگذاری کنید.
این فرمت مخصوص مدل‌های زبانی طراحی شده و نسبت به JSON یا CSV مصرف توکن شما را تا نصف کاهش می‌دهد.
برای استفاده فقط کافیست با یک خط کد، داده‌ها را با pandas به TOON تبدیل کنید و با هوش مصنوعی خود در کمترین هزینه و بالاترین سرعت به اشتراک بگذارید.

https://pypi.org/project/pandas-toon/
لینک سورس کد
https://github.com/AMSeify/pandas-toon

https://medium.com/@amseify.dev/pandas-toon-bringing-token-efficient-data-serialization-to-pythons-most-popular-data-library-64fed5f0168f

@DevTwitter | <Amir Seify/>

بچه ها این ریپو نتیجه‌ی کار یه نفری هست که میخواسته وب (php) یاد بگیره.
رفته یه سیستم رزرو هتل رو بدون ORM بدون فریمورک بدون سشن هندلر بدون مایگرشن بدون اینجکشن از صفر با php خشک زده
میخوام بگم وقتی میخوای یاد بگیری باید چندتا پروژه اولت رو اینطوری انجام بدی تا یاد بگیری

https://github.com/TornadoInsight/Hotel-Management-System

@DevTwitter | <Saman Esmaeil/>

با js ویندوز هم ران کردن

ویندوز 95 روی الکترون

https://github.com/felixrieseberg/windows95/

@DevTwitter

#بدرد

پک غول‌آسای دیزاینرها
۱۰۰۰+ موکاپ، ۳۰هزار فونت، ۶۵۰هزار SVG + کلی براش، اکشن، پریست...
چندتا از دوستان چنین چیزی نیاز داشتن گفتم اینجا بزارم که کسای دیگه ای هم که نیاز دارن استفاده کنن
تا برداشته نشده لینکش ، دانلود کنید
لینک:
https://drive.google.com/drive/folders/1fW6hBGiUWzR390XqZUUJXPCViDcfHxSJ

@DevTwitter | <Mr.programmer/>

خواستین پایتون و ماشین‌لرنینگ یاد بگیرین هر جای دیگه برین ضرره. حالا ببینین کی گفتم :)) اینقدر وقت رو کورس‌های پایتون آشغالی که حتی ذره‌ای بهتون چرایی قضایا رو نمیگن نذارین.

https://www.youtube.com/@Pytopia/playlists

@DevTwitter | <Ali/>

لا عالیجناب planetscale تو یه لیگ دیگه مقاله میده بیرون


مقاله بنیادیه. پیشنهاد میکنم حتما بخونید
https://planetscale.com/blog/caching

@DevTwitter | <Hossein Nazari/>