👍80🤣41👎6
برنامه نویس اکستنشن جدید ChatGPT کروم و مایکروسافت 5 روزه آپدیتش کرده و خیلی قوی شده.
شما فقط یه میکروفون نیاز داری که بتونی باهاش با سرعت بالا درباره موضوعات مختلف انگلیسی حرف بزنی. حتی میشه سطح زبانتون رو بهش بگید و بر اون اساس صحبت کنید.
https://github.com/C-Nedelcu/talk-to-chatgpt
@DevTwitter | <Sabber/>
شما فقط یه میکروفون نیاز داری که بتونی باهاش با سرعت بالا درباره موضوعات مختلف انگلیسی حرف بزنی. حتی میشه سطح زبانتون رو بهش بگید و بر اون اساس صحبت کنید.
https://github.com/C-Nedelcu/talk-to-chatgpt
@DevTwitter | <Sabber/>
👍11
#حاجی_پشمام
باورتون میشه این QR code ها کار میکنه؟ من تا تست نکردم باورم نشد! به کمک ControlNet و Stable Diffusion ساخته شدن.
qrbtf.com
@DevTwitter | <Mostafa Alahyari/>
باورتون میشه این QR code ها کار میکنه؟ من تا تست نکردم باورم نشد! به کمک ControlNet و Stable Diffusion ساخته شدن.
qrbtf.com
@DevTwitter | <Mostafa Alahyari/>
🔥53👎12👍2🤣1
#بدرد
دانشجویان زیادی از من مراحل یادگیری هوش مصنوعی را پرسیدهاند. در این پست سعی میکنم ایدههایم را برای این موضوع توضیح دهم:
هوش مصنوعی را مانند هر دانش دیگری میتوان در سطوح مختلفی فراگرفت. در سطحیترین حالت صرفا یک کاربر و استفادهکنندهی هوش مصنوعی هستید.
در حالت دوم، میتوانید یک توسعهدهندهی ساده باشید، یعنی مثل کسی که قطعات LEGO را به یکدیگر متصل میکند تا یک اسباببازی بسازد، اجزای مختلف یک شبکهی عصبی ژرف را به هم متصل کنید تا یک شبکهی جدید بسازید، بی آنکه بدانید با چه منطقی دارید این کار را میکنید یا درون هر قطعه چیست.
در حالت سوم، شما دانش و بینش عمیقی نسبت به یکایک اجزای یک الگوریتم یادگیری ماشین یا شبکهی عصبی ژرف دارید، با ریاضیات و پایههای الگوریتمی آن به خوبی آشنا هستید، و علاوه بر «چیست» میتوانید به سوال «چرا» پاسخ دهید:
مثلا چرا یک لایهی Convolutional برای تصویر بهتر از یک لایهی Fully Connected کار میکند، چرا Transformer ها نسبت به RNN عملکرد بهتری در پردازش زبانهای طبیعی دارند، یا چرا در یک Transformer از اتصال Residual استفاده میشود؟
در ادامه فرض میکنم قصد شما، حالت سوم است یعنی میخواهید دانش و بینش عمیقی نسبت به هوش مصنوعی داشتهباشید و بتوانید آن را توسعه دهید.
برای این مسیر شما به یک «هرم یادگیری» نیاز دارید. به «حداقل» درسهای لازم در این هرم اشاره میکنم؛ میتوان برای فهم گستردهتر درسهای دیگری افزود.
در قاعدهی هرم، درسهای پیشنیاز قرار میگیرند که رسیدن به سطوح بالاتر هرم نیاز به یادگیری آنها دارید. «زبان برنامهنویسی پایتون»، «ریاضیات عمومی» رشتههای فنی دانشگاه در حدی که مشتق، انتگرال و گرادیان را به خوبی بشناسید، «جبرخطی» و «احتمال و آمار»، اصلیترین پایهها هستند.
تسلط به هنر برنامهنویسی ممکن نیست مگر با فهم عمیقی از دادهساختارها و الگوریتمها. برای این موضوع میتوانید از درسهای رایگان «دادهساختارها و الگوریتمها» و «طراحی و تحلیل الگوریتمها» استفاده کنید. اما برای تسلط به الگوریتمها ضروری است تمرین نظری و عملی فراوانی داشته باشید.
پس از تسلط به درسهای قبل، آمادهی گذراندن درسهای «یادگیری ماشین Machine Learning» و «یادگیری ژرف Deep Learning» خواهید بود. محتوای این درسها بسته به ارائهکننده و سال ارائه متفاوت است. به طور کلی، الگوریتمهای یادگیری ماشین در طول زمان تحول چشمگیری داشتهاند: روشهای کلاسیک نظیر SVM و PCA از چند دهه پیش مورد استفاده قرار میگرفتند؛ ولی در یک دههی اخیر معماری شبکههای عصبی ژرف (Deep Neural Networks) رشد حیرتانگیزی کرد و در اکثر مسائل، به خصوص زمانی که دادهی کافی وجود دارد، جایگزین روشهای کلاسیک شد.
(بخش ۱ - بخش ۲)
@DevTwitter | <علی شریفی زارچی/>
دانشجویان زیادی از من مراحل یادگیری هوش مصنوعی را پرسیدهاند. در این پست سعی میکنم ایدههایم را برای این موضوع توضیح دهم:
هوش مصنوعی را مانند هر دانش دیگری میتوان در سطوح مختلفی فراگرفت. در سطحیترین حالت صرفا یک کاربر و استفادهکنندهی هوش مصنوعی هستید.
در حالت دوم، میتوانید یک توسعهدهندهی ساده باشید، یعنی مثل کسی که قطعات LEGO را به یکدیگر متصل میکند تا یک اسباببازی بسازد، اجزای مختلف یک شبکهی عصبی ژرف را به هم متصل کنید تا یک شبکهی جدید بسازید، بی آنکه بدانید با چه منطقی دارید این کار را میکنید یا درون هر قطعه چیست.
در حالت سوم، شما دانش و بینش عمیقی نسبت به یکایک اجزای یک الگوریتم یادگیری ماشین یا شبکهی عصبی ژرف دارید، با ریاضیات و پایههای الگوریتمی آن به خوبی آشنا هستید، و علاوه بر «چیست» میتوانید به سوال «چرا» پاسخ دهید:
مثلا چرا یک لایهی Convolutional برای تصویر بهتر از یک لایهی Fully Connected کار میکند، چرا Transformer ها نسبت به RNN عملکرد بهتری در پردازش زبانهای طبیعی دارند، یا چرا در یک Transformer از اتصال Residual استفاده میشود؟
در ادامه فرض میکنم قصد شما، حالت سوم است یعنی میخواهید دانش و بینش عمیقی نسبت به هوش مصنوعی داشتهباشید و بتوانید آن را توسعه دهید.
برای این مسیر شما به یک «هرم یادگیری» نیاز دارید. به «حداقل» درسهای لازم در این هرم اشاره میکنم؛ میتوان برای فهم گستردهتر درسهای دیگری افزود.
در قاعدهی هرم، درسهای پیشنیاز قرار میگیرند که رسیدن به سطوح بالاتر هرم نیاز به یادگیری آنها دارید. «زبان برنامهنویسی پایتون»، «ریاضیات عمومی» رشتههای فنی دانشگاه در حدی که مشتق، انتگرال و گرادیان را به خوبی بشناسید، «جبرخطی» و «احتمال و آمار»، اصلیترین پایهها هستند.
تسلط به هنر برنامهنویسی ممکن نیست مگر با فهم عمیقی از دادهساختارها و الگوریتمها. برای این موضوع میتوانید از درسهای رایگان «دادهساختارها و الگوریتمها» و «طراحی و تحلیل الگوریتمها» استفاده کنید. اما برای تسلط به الگوریتمها ضروری است تمرین نظری و عملی فراوانی داشته باشید.
پس از تسلط به درسهای قبل، آمادهی گذراندن درسهای «یادگیری ماشین Machine Learning» و «یادگیری ژرف Deep Learning» خواهید بود. محتوای این درسها بسته به ارائهکننده و سال ارائه متفاوت است. به طور کلی، الگوریتمهای یادگیری ماشین در طول زمان تحول چشمگیری داشتهاند: روشهای کلاسیک نظیر SVM و PCA از چند دهه پیش مورد استفاده قرار میگرفتند؛ ولی در یک دههی اخیر معماری شبکههای عصبی ژرف (Deep Neural Networks) رشد حیرتانگیزی کرد و در اکثر مسائل، به خصوص زمانی که دادهی کافی وجود دارد، جایگزین روشهای کلاسیک شد.
(بخش ۱ - بخش ۲)
@DevTwitter | <علی شریفی زارچی/>
👍25❤6🤣4🔥1
(بخش ١ - بخش ٢)
پیشنهاد من آن است هر دو گروه الگوریتمها را به خوبی فرابگیرید چرا که فهم عمیق روشهای کلاسیک، در هنگام یادگیری و توسعهی شبکههای عصبی ژرف، به شما کمک شایانی خواهد کرد. در بعضی از دورههای درسی، تمرکز اصلی روی روشهای کلاسیک است ولی دورههای جدیدتر روشهای ژرف را هم پوشش میدهند.
پس از آن، میتوانید به طور تخصصی وارد یکی از حوزههای هوش مصنوعی شوید و آن زمینه را ادامه دهید، مثلا ممکن است بخواهید برای تولید تصویر و ویدئو دورههای Stable Diffusion را بگذرانید، یا برای پردازش متن به GPT مسلط شوید، یا برای طراحی دارو از Graph Neural Networks استفاده کنید.برای هریک از موارد بالا، منابع آموزشی فراوانی در اینترنت موجود است. برای انتخاب یک دورهی آموزشی پیشنهاد میکنم یکی دو جلسه ابتدایی دورههای مختلف را ببینید و بعد خودتان تصمیم بگیرید که با کدام دوره بهتر ارتباط برقرار میکنید و مطالب موردنظر را بیشتر و بهتر از آن فرامیگیرید.
اگر به زبان انگلیسی مسلط هستید میتوانید از دورههای درسی سایتهایی نظیر Coursera ،edX ،DeepLearning.ai و fast.ai استفاده کنید. ویدئوهای YouTube را پیشنهاد نمیکنم چون اکثرا سطحی و پراشکال هستند، مگر آنکه یک استاد برجسته از دانشگاه معتبر را انتخاب کنید.
اگر ترجیح شما فارسی است، علاوه بر دورههای آموزشی غیررایگانی که در سایتهایی نظیر مکتبخونه (مکتبپلاس)، کوئرا (کوئراکالج) یا فرادرس وجود دارد، دورههای رایگان متعدد و بعضا باکیفیتی وجود دارد.
مثلا برای آمار و احتمال، دادهساختارها و الگوریتمها، طراحی و تحلیل الگوریتمها و یادگیری ماشین میتوانید دورههای رایگان من یا سایر همکارانم در دانشگاه صنعتی شریف را در سایت مکتبخونه ببینید.
اگر برای یادگیری شنا به دیدن ویدئوهای آموزشی اکتفا کنید مطمئن باشید غرق میشوید. برای یادگیری ریاضیات، برنامهنویسی، الگوریتم، و هوش مصنوعی نیز شرط اساسی تمرین و تمرین و تمرین است.
یکی از بهترین منابع رایگان تمرین برنامهنویسی و الگوریتم، سایت کوئرا Quera.ir است.
در سایت کوئرا به قسمت بانک سوالات بروید، سوالها را به ترتیب نزولی تعداد حل مرتب کنید، از مسالههای سادهتر شروع کنید. اگر برنامهی خود را ارسال کنید؛ برنامهی شما بلافاصله به صورت خودکار بر روی تستهای مختلفی که توسط طراح سوال بارگذاری شده ارزیابی میشود و نمره میگیرید.بدین ترتیب متوجه میشوید که آیا سوال را به درستی حل کردهاید یا لازم است آن را اصلاح و مجددا ارسال کنید. برای تمرین یادگیری ماشین ضروری است به یک سرور دسترسی داشته باشید، یا از Google Colab استفاده کنید.
امیدوارم با اشتیاق و علاقه، انگیزه، اراده و وقت کافی برای یادگیری و تمرین و تمرین و تمرین، تجربهی هیجانانگیز و بسیار موفقی در این مسیر داشته باشید :-)
@DevTwitter | <علی شریفی زارچی/>
پیشنهاد من آن است هر دو گروه الگوریتمها را به خوبی فرابگیرید چرا که فهم عمیق روشهای کلاسیک، در هنگام یادگیری و توسعهی شبکههای عصبی ژرف، به شما کمک شایانی خواهد کرد. در بعضی از دورههای درسی، تمرکز اصلی روی روشهای کلاسیک است ولی دورههای جدیدتر روشهای ژرف را هم پوشش میدهند.
پس از آن، میتوانید به طور تخصصی وارد یکی از حوزههای هوش مصنوعی شوید و آن زمینه را ادامه دهید، مثلا ممکن است بخواهید برای تولید تصویر و ویدئو دورههای Stable Diffusion را بگذرانید، یا برای پردازش متن به GPT مسلط شوید، یا برای طراحی دارو از Graph Neural Networks استفاده کنید.برای هریک از موارد بالا، منابع آموزشی فراوانی در اینترنت موجود است. برای انتخاب یک دورهی آموزشی پیشنهاد میکنم یکی دو جلسه ابتدایی دورههای مختلف را ببینید و بعد خودتان تصمیم بگیرید که با کدام دوره بهتر ارتباط برقرار میکنید و مطالب موردنظر را بیشتر و بهتر از آن فرامیگیرید.
اگر به زبان انگلیسی مسلط هستید میتوانید از دورههای درسی سایتهایی نظیر Coursera ،edX ،DeepLearning.ai و fast.ai استفاده کنید. ویدئوهای YouTube را پیشنهاد نمیکنم چون اکثرا سطحی و پراشکال هستند، مگر آنکه یک استاد برجسته از دانشگاه معتبر را انتخاب کنید.
اگر ترجیح شما فارسی است، علاوه بر دورههای آموزشی غیررایگانی که در سایتهایی نظیر مکتبخونه (مکتبپلاس)، کوئرا (کوئراکالج) یا فرادرس وجود دارد، دورههای رایگان متعدد و بعضا باکیفیتی وجود دارد.
مثلا برای آمار و احتمال، دادهساختارها و الگوریتمها، طراحی و تحلیل الگوریتمها و یادگیری ماشین میتوانید دورههای رایگان من یا سایر همکارانم در دانشگاه صنعتی شریف را در سایت مکتبخونه ببینید.
اگر برای یادگیری شنا به دیدن ویدئوهای آموزشی اکتفا کنید مطمئن باشید غرق میشوید. برای یادگیری ریاضیات، برنامهنویسی، الگوریتم، و هوش مصنوعی نیز شرط اساسی تمرین و تمرین و تمرین است.
یکی از بهترین منابع رایگان تمرین برنامهنویسی و الگوریتم، سایت کوئرا Quera.ir است.
در سایت کوئرا به قسمت بانک سوالات بروید، سوالها را به ترتیب نزولی تعداد حل مرتب کنید، از مسالههای سادهتر شروع کنید. اگر برنامهی خود را ارسال کنید؛ برنامهی شما بلافاصله به صورت خودکار بر روی تستهای مختلفی که توسط طراح سوال بارگذاری شده ارزیابی میشود و نمره میگیرید.بدین ترتیب متوجه میشوید که آیا سوال را به درستی حل کردهاید یا لازم است آن را اصلاح و مجددا ارسال کنید. برای تمرین یادگیری ماشین ضروری است به یک سرور دسترسی داشته باشید، یا از Google Colab استفاده کنید.
امیدوارم با اشتیاق و علاقه، انگیزه، اراده و وقت کافی برای یادگیری و تمرین و تمرین و تمرین، تجربهی هیجانانگیز و بسیار موفقی در این مسیر داشته باشید :-)
@DevTwitter | <علی شریفی زارچی/>
👍27❤9🤣4🔥1
چند تا از بهترین چیت شیت های برنامه نویسی
htmlreference.io
shortcode.dev
devhints.com
codehouse.app
overapi.com
cheat-sheets.org
githsheet.wtf
cheatography.com
grid.malven.co
@DevTwitter
htmlreference.io
shortcode.dev
devhints.com
codehouse.app
overapi.com
cheat-sheets.org
githsheet.wtf
cheatography.com
grid.malven.co
@DevTwitter
👍12🔥3
#کدبوک
یه کتاب خوب برای یادگیری شبکه عصبی تو پایتون برای دوست داران برنامه نویسی
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش توی بیو هست دانلود کنید.
@DevTwitter | <ثادق/>
یه کتاب خوب برای یادگیری شبکه عصبی تو پایتون برای دوست داران برنامه نویسی
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش توی بیو هست دانلود کنید.
@DevTwitter | <ثادق/>
❤12👍5🤣5
عرشا از دوستان من ریپو زیر آماده کرده که کانال یوتیوب افرادی که در زمینه برنامه نویسی تولید محتوا میکنن رو بصورت یک لیست نوشته و قرار داده.
حتما استارش بزنید و بچه ها رو دنبال کنید و اگه کانالی میبینید توی لیست نیست pr بزنید روی ریپو.
https://github.com/Hr-ArshA/Educational-YouTube-Fa
@DevTwitter | <Shahriar/>
حتما استارش بزنید و بچه ها رو دنبال کنید و اگه کانالی میبینید توی لیست نیست pr بزنید روی ریپو.
https://github.com/Hr-ArshA/Educational-YouTube-Fa
@DevTwitter | <Shahriar/>
👍18🤣6🔥4
آرش عزیز کلی تلاش کرده که امتحانهای الپیک رو به ایران برگردونه و ظاهرا موفق شده (:
توی این وبینار (که زمانش به زودی اعلام میشه) در مورد گنو / لینوکس و این مدرک و مسیرش و البته چیزهای دیگه صحبت میکنیم.
اطلاعات بیشتر
@DevTwitter | <jadi/>
توی این وبینار (که زمانش به زودی اعلام میشه) در مورد گنو / لینوکس و این مدرک و مسیرش و البته چیزهای دیگه صحبت میکنیم.
اطلاعات بیشتر
@DevTwitter | <jadi/>
❤25🔥5👍4🤣1
برا استفاده بدون فیلتر و با بهترین سرعت ممكن از یوتیوب و توییتر(رو بعضی اپراتورا) میتونید از این سورس گیت هاب استفاده کنید.
ویدیو نحوه استفاده هم قسمت توضيحات هست…
https://github.com/GFW-knocker/gfw_resist_HTTPS_proxy
@DevTwitter | <Morteza/>
ویدیو نحوه استفاده هم قسمت توضيحات هست…
https://github.com/GFW-knocker/gfw_resist_HTTPS_proxy
@DevTwitter | <Morteza/>
👍24🤣1
DevTwitter | توییت برنامه نویسی
Photo
بعضی گفتند محصولی که رونمایی شد برد ۵۹۸ دلاری سایت آمازون نبوده، بلکه یک الگوریتم کوانتومی روی آن برد «شبیهسازی» شده بود؛ درست مثل آن که بگویند از یک هواپیمای فوق پیشرفته رونمایی شده ولی در واقع از یک نرمافزار شبیهساز پرواز یا ماکت رونمایی کنند.
ولی موضوع حتی این هم نیست.
نام الگوریتم روی پلاک محصول مشخص است: QPSO-LSTM. الگوریتم PSO یک روش بهینهسازی مربوط به سال ۱۹۹۵ است که در آن با الهام از حرکت ماهیها به سمت طعمه، جواب بهینهی یک مساله محاسبه میشود. در سال ۲۰۰۴ با الهام از قوانین مکانیک کوانتوم، این الگوریتم به QPSO ارتقا یافت.
ساختار LSTM نوعی شبکهی عصبی پردازش توالی با ۲۸ سال قدمت است. ترکیب این دو الگوریتم منجر به الگوریتم QPSO-LSTM میشود: یک الگوریتم عادی غیرکوانتومی که به سادگی روی کامپیوترهای معمولی قابل اجرا است و کد آن از سالها قبل به صورت عمومی در دسترس است:
https://github.com/SharingBikeNNU/QPSO-LSTM
@DevTwitter | <علی شریفی زارچی/>
ولی موضوع حتی این هم نیست.
نام الگوریتم روی پلاک محصول مشخص است: QPSO-LSTM. الگوریتم PSO یک روش بهینهسازی مربوط به سال ۱۹۹۵ است که در آن با الهام از حرکت ماهیها به سمت طعمه، جواب بهینهی یک مساله محاسبه میشود. در سال ۲۰۰۴ با الهام از قوانین مکانیک کوانتوم، این الگوریتم به QPSO ارتقا یافت.
ساختار LSTM نوعی شبکهی عصبی پردازش توالی با ۲۸ سال قدمت است. ترکیب این دو الگوریتم منجر به الگوریتم QPSO-LSTM میشود: یک الگوریتم عادی غیرکوانتومی که به سادگی روی کامپیوترهای معمولی قابل اجرا است و کد آن از سالها قبل به صورت عمومی در دسترس است:
https://github.com/SharingBikeNNU/QPSO-LSTM
@DevTwitter | <علی شریفی زارچی/>
👍48❤3👎3
اگه میخواید برنامه نویسی یادبگیرید اونم با یه مدرس خیلی خوب و با محتوای رایگان حتما تو یوتوب نئون لرن رو ببینید دوره هاش رو خیلی خوبه
زبان های مختلف برنامه نویسی رو آموزش داده
youtube.com/@neonlearn
@DevTwitter | <محمد مهتی/>
زبان های مختلف برنامه نویسی رو آموزش داده
youtube.com/@neonlearn
@DevTwitter | <محمد مهتی/>
👍32👎9🤣1
#پروگرمر_عاشق
داخل مفاهیم برنامه نویسی داخل سرفصل حلقه ها یک مدل حلقه ای داریم به اسم حلقه while اینطوریه که این حلقه تا بی نهایت ادامه داره مگه اینکه توسط یه دستور دیگه شکسته بشه و از حلقه تکراری خارج بشه
خواستم بگم تو برای من و زندگی تکراریم همین دستور بودی...
@DevTwitter | <Mohoja00/>
داخل مفاهیم برنامه نویسی داخل سرفصل حلقه ها یک مدل حلقه ای داریم به اسم حلقه while اینطوریه که این حلقه تا بی نهایت ادامه داره مگه اینکه توسط یه دستور دیگه شکسته بشه و از حلقه تکراری خارج بشه
خواستم بگم تو برای من و زندگی تکراریم همین دستور بودی...
@DevTwitter | <Mohoja00/>
👎44🤣28👍12❤8
همایش بزرگ GNU/Linux در شیراز
جادی قراره راجع به rust for linux برای ما ارائه داشته باشه.
من جادی هستم. برنامهنویس، مخابراتچی و هکری که چیزهایی ک بلده رو به بقیه آموزش میده تا همهمون جامعه بهتری داشته باشیم. من چیزهای زیادی رو دوست دارم. شامل زندگی، تاریخچه کامپیوترها، فرهنگ اینترنت، خنده، بازیهای فتح پرچم هکری، شطرنج، ساختن چیزهای بانمک و دوچرخه و گنو/لینوکس و آزادی عقیده و بیان و سعی میکنم ترویجگرشون هم باشم تا زندگی و جامعه سالمتری داشته باشیم.
٢٢ تير ماه، شيراز، تالار بزرگ حافظ
event.shirazlug.ir
@DevTwitter
جادی قراره راجع به rust for linux برای ما ارائه داشته باشه.
من جادی هستم. برنامهنویس، مخابراتچی و هکری که چیزهایی ک بلده رو به بقیه آموزش میده تا همهمون جامعه بهتری داشته باشیم. من چیزهای زیادی رو دوست دارم. شامل زندگی، تاریخچه کامپیوترها، فرهنگ اینترنت، خنده، بازیهای فتح پرچم هکری، شطرنج، ساختن چیزهای بانمک و دوچرخه و گنو/لینوکس و آزادی عقیده و بیان و سعی میکنم ترویجگرشون هم باشم تا زندگی و جامعه سالمتری داشته باشیم.
٢٢ تير ماه، شيراز، تالار بزرگ حافظ
event.shirazlug.ir
@DevTwitter
❤49👍7👎4🤣2
#کدبوک
این کتاب، خیلی ساده و قدم به قدم، طراحی یه اپلیکیشن تمیز و منظم رو بهتون یاد میده. زبان استفادهشده در کتاب، PHP ـــه ولی برای بقیه هم میتونه مفید باشه. اگه اصول سالید و اینهارو یاد گرفتید و نمیدونید قدم بعدی چیه، شاید این کتاب براتون مناسب باشه.
@DevTwitter | <The Dreamweaver/>
این کتاب، خیلی ساده و قدم به قدم، طراحی یه اپلیکیشن تمیز و منظم رو بهتون یاد میده. زبان استفادهشده در کتاب، PHP ـــه ولی برای بقیه هم میتونه مفید باشه. اگه اصول سالید و اینهارو یاد گرفتید و نمیدونید قدم بعدی چیه، شاید این کتاب براتون مناسب باشه.
@DevTwitter | <The Dreamweaver/>
👍15🔥5👎2