تعریفی برای programming paradigm:
به روشی برای حل مسائل با استفاده از ابزار ها و تکنیک ها گفته میشه
بطور کلی پارادایم برنامه نویسی در دو دسته زیر طبقه بندی میشه:
1/ برنامه نویسی دستوری یا Imperative programming

2/ برنامه نویسی اعلانی یا Declarative programming

پارادایم برنامه نویسی دستوری یکی از پارادایم های قدیمی و بر اساس مهندسی von neumann هست. تسک ها، بصورت گام به گام با تغییر وضعیت انجام میشنو تمرکز اصلی رو چگونگی رسیدن به هدف هست
معایب:
مسائل پیچیده رو نمیشه باهاش حل کرد
برنامه نویسی موازی نمیشه انجام داد

پارادایم برنامه نویسی اعلانی سبکی هست ک منطق محاسبات رو بدون توضیح کنترل جریان بیان میکنه، یعنی تمرکزش بروی اینه ک چی نیاز هست انجام بشه نه اینکه چگونه انجام بشه و نتیجه مورد نظر رو تولید میکنه
با این پارادایم میشه برنامه نویسی موازی انجام داد


زبان های imperative
C, C++, Java

زبان های declarative
SQL, HTML

زبان هایی ک هر دو حالت رو ساپورت میکنه
Python, Javanoscript, C#

»» این ها تنها مثال هایی از دسته بندی برای برخی زبان ها بود

@DevTwitter | <S01/>

#بدرد

اینکه شما بعنوان یه جونیور یا میدلول بخواید به یک برنامه نویس سینیور تبدیل بشید، فقط نیاز نیست که اون فریم ورک یا زبانی رو که بلدید رو کامل یاد بگیرید.

خیلی چالش های دیگه ای دارید که اینجا میخوام راجع بهش کمی صحبت کنم

- درک پایه برنامه نویسی
قبل از اینکه شما بخواید در یک زبان یا فریم ورک توانایی های لازم رو کسب کنید نیازه که پایه های برنامه نویسیتون رو قوی کنید، درک کنید که سیستم چطور کار میکنه، تایپ ها چی هستن، مدیریت حافظه و منابع رو بفهمید


- پاس کردن پیشنیاز ها
خیلی ها به اشتباه قبل از اینکه پیش نیاز های یک ابزار یا فریم ورک رو پاس کنند سریعا توش شیرجه میزنن و همین باعث میشه که یجاها غرق بشن توی دریایی که اونو از قبل نشناختن.
شما برای اینکه بتونید از یک فریم ورک بدرستی استفاده کنید نیازه که در ابتدا برنامه نویسی و زبانی که اون فریم ورک باهاش نوشته شده و اصول رو درک کنید بعد ازش استفاده کنید.

مثلا اگر شی گراس اون فریم ورک، اصول شی گرایی رو کامل درک کنید و بعد از اون فریم ورک استفاده کنید.


- تسلط کامل به فریم ورک و زبان
اگر از زبان یا فریم ورک خاصی استفاده میکنید، خیلی منطقیه که در اولین مرحله کاملا به اون زبان یا فریم ورک و لایف سایکل و اکثر ویژگی هاش مسلط بشید.

حتی اگر نیاز شد برید کد های اون فریم رو مطالعه کنید و روش کانتریبیوت کنید.


- گسترش دانش فنی
اصولا افراد سینیور فقط یک زبان رو پیش نمیگیرن، بلکه میرن سمت قسمت های دیگه سیستم تا اون رو درک کنند و همین باعث میشه که مجبور شن زبان ها و ابزار های جدید رو یاد بگیرن و این دید بهتری توی کار بهشون میده.


- تقویت سافت اسکیل
از یه جایی به بعد مهم نیست شما چقدر از نظر فنی آدم کاملی هستید، رفتار شما با شرایط مختلف، آدم های مختلف، شرکت ها و تسک های مختلف باعث میشه شما پیشرفت یا پسرفت کنید، پس بهش خیلی اهمیت بدید.

کانکشن سازی هم که نباید فراموش بشه!


- تجربه تجربه تجربه
اینکه خیلیا میگن تجربه صرفا باعث سینیور شدن شما نمیشه تا یه حدی درسته اما بنظرم فاکتور اصلی سینیور شدن تجربه کافیه، شما هرچقدرم علمتون زیاد باشه اما عملی نشده باشه بهتون کمک نمیکنه پس باید شرایط مختلفو تجربه کنید تا بدونید با اون ها چطور رفتار کنید.


- یادگیری بی وقفه
با اینکه هر ثانیه یه ابزار جدید لانچ میشه اما زبان ها و فریم ورک هایی که ما داریم ازشون استفاده میکنیم و کانسپت های موجود اینقد گستردن که حتی اگه برسیم اون هارو نصفه نیمه یاد بگیریم از خیلیا جلو تریم، چه برسه این ابزار های جدید، پس یادگیری رو متوقف نکنید.


- استفاده از ابزار های متنوع
با بالا رفتن تجربه شما، انتظارات از شما هم بالاتر میره و باید کم کم با ابزار های مختلف مثل سیستم های مانیتورینگ، انواع دیتابیس، ابزار های نتورک و لاگ و.. دست و پنجه نرم کنید پس برید و ابزار های مربوط به حوزه خودتون رو یاد بگیرید .


- درک کانسپت های موجود
شما از یه جایی به بعد نیاز نیست بدونید یه حلقه چطور نوشته میشه، بلکه باید بفهمید که چه معماری ای برای اسکیل کردن سیستم نیازه، سیستم دیزاینتون باید چطور باشه و چه ابزار هایی مناسب کارتون هستند و دید سطح بالاتری باید داشته باشید پس اونارو هم برید دنبالشون


- منتورینگ
از یه جایی به بعد نیازه دست بقیه رو بگیرید، اینکه شما یه جونیور رو کمک کنید هیچ ایرادی نداره و خیلیم به شما کمک میکنه، هم صحبتی با آدم های فنی باعث گسترش دید شما میشه و همین بهتون کمک فراوانی میکنه.
و حتی میتونید از افراد با تجربه تر بعنوان منتور خودتون استفاده کنید.


- کد ریویو
شاید عجیب باشه ولی این هم خیلی مهمه!
شما باید از یه جایی به بعد کد هم تیمی هاتون رو ریویو کنید و فلو های CI/CD رو مدیریت کنید، پس این مفاهیم رو باید درک کنید.


- کتاب و ریسورس های فنی
از یه جایی به بعد دیگه ما نمیخوایم راجع به سینتکس یه زبان یاد بگیریم، میخوایم بدونیم افراد بزرگتر این حوزه در مواجهه با چالش هاشون توی شرکت های بزرگ رو چطور حل کردن و تجربشون چیه؟

چاره دیگه کورس ویدئویی نیست و باید بریم سمت کتابا تا نیازهامونو رفع کنیم.

@DevTwitter | <Reza/>

شاید براتون جالب باشه که تفاوت Encoding، Encryption و Hashing رو بدونید

@DevTwitter

گشاد بازی به هوش مصنوعی رسید

شرکت OpenAI تأیید کرد: هوش مصنوعی ChatGPT در پاسخ‌دادن به کاربران تنبل شده است

برخی کاربران اخیراً گزارش داده‌اند که ChatGPT تنبل شده است. این هوش مصنوعی به‌جای پاسخ‌های طولانی و دقیق، صرفاً فرمول‌ و دستورالعمل‌ها را پیشنهاد می‌دهد و از کاربران می‌خواهد خودشان آن را کامل کنند. OpenAI نیز طی پستی در ایکس تنبل‌شدن مدل GPT-4 را تأیید کرده است.

در چند هفته گذشته هنگامی که کاربران از ChatGPT می‌خواهند که یک کار ساده اما پرزحمت را انجام دهد، این هوش مصنوعی به‌جای انجام آن، دستورالعمل انجام آن کار را ارائه می‌دهد.

@DevTwitter | <Digiato/>

یک رودمپ تمام و کمال برای تبدیل شدن به تحلیلگر داده

1.Prog Languages:
• Python
- Pandas
- NumPy
- Matplotlib
• SQL

2. Data Wrangling & Cleaning:
• Data manipulation
• filtering
• merging
• aggregation

3. Data Visualization:
• Data exploration
• storytelling through visuals
- Tableau
- Power BI

4.Statistics & Probability:
• Denoscriptive statistics
• inferential statistics
• hypothesis testing

5.Machine Learning Fundamentals:
• Supervised learning algorithms
• Unsupervised learning algorithms

6. Data Mining & Modeling:
• Predictive analytics
• classification
• regression techniques

7.Version Control:
• Git & GitHub

8. Business Processes & Analysis:
• Understanding business problems
• Translating them into data-driven solutions

9. Communication & Presentation:
• Effectively communicating insights
• recommendations to stakeholders

10.Problem-Solving & Critical Thinking:
• Analyzing data to identify
- patterns
- trends
- drawing conclusions

11.Storytelling with Data:
• Presenting insights in a
- compelling &
- persuasive manner

12.Domain Knowledge:
• Understanding the specific industry
• context of the data

13.Database Management Systems:
• MySQL
• PostgreSQL
• NoSQL databases

14. Cloud Platforms:
• AWS
• Azure
• GCP

15. Data Pipelines & ETL Tools:
• Airflow
• Luigi
• Kafka

16. Data Lakes & Warehouses:
• BigQuery
• Redshift
• Snowflake

17. Data Analysis Platforms:
• Jupyter Notebook
• Google Colab

18.Collaboration & Productivity Tools:
• Slack
• Asana
• Trello

19. Networking & Building Relationships:
• Connecting with other data professionals

20. Online Learning & Courses:
• Expanding knowledge
• skills through online resources

21.Building a Personal Brand:
• Showcasing expertise through
- blogs
- articles
- social media

22.R Programming:
• Additional data analysis
• visualization library

23.Machine Learning Frameworks:
• TensorFlow
• PyTorch

24. Data Engineering Fundamentals:
• Data pipelines
• infrastructure management

25.Big Data Processing Technologies:
• Spark
• Hadoop


@DevTwitter

من نیاز داشتم یه هاردی رو یه جوری فرمت کنم که دیگه قابل بازیابی نباشه. برای همینم این بش اسکریپت رو نوشتم که همه چیز رو با رندوم دیتا جایگزین کنه گفتم شاید به درد بقیه هم بخوره.

https://gist.github.com/tavallaie/812ec1bb58e07678fa54db0324aab95c

@DevTwitter | <Ali Tavallaie/>

اگر علاقه مند به درک ویادگیری مباحث مرتبط با هوش مصنوعی هستید، گوگل تعدادی دوره رایگان رو ارائه کرده که من در اینجا 10 دوره آموزشی رو تقدیم نگاه شما عزیزان کردم که در ادامه قابل دسترس هستند:

1- Introduction to Generative AI
https://cloudskillsboost.google/course_templates/536

2- Intro to Large Language Models
https://cloudskillsboost.google/course_templates/539

3- Introduction to Responsible AI
https://cloudskillsboost.google/paths/249/course_templates/888

4- Generative AI Fundamentals
https://cloudskillsboost.google/course_templates/590

5- Introduction to Image Generation
https://cloudskillsboost.google/course_templates/541

6- Encoder-Decoder Architecture
https://cloudskillsboost.google/course_templates/543

7- Attention Mechanism
https://cloudskillsboost.google/course_templates/537

8- Transformer Models and BERT Model
https://cloudskillsboost.google/course_templates/538

9- Create Image Captioning Models
https://cloudskillsboost.google/course_templates/542

10- Introduction to Generative AI
https://cloudskillsboost.google/course_templates/552


@DevTwitter | </Bahram>

خیلی وقت بود دنبال این بودم که یک ChatBot اختصاصی داشته باشم که بر اساس PDF هایی که خودم لازم دارم، عمل کند. چند تا سرویس مختلف را امتحان کردم و چند مورد هم از صفر Train کردم.
اگر الان دنبال چنین چیزی هستید و فراتر از آن،  از ابزار زیر استفاده کنید.

https://github.com/SecureAI-Tools/SecureAI-Tools

@DevTwitter | <Vahid Nameni/>

‏۱۵ سال پیش در چنین روزی گوگل مرورگر Chrome رو منتشر کرد

@DevTwitter | <Soroush Ahmadi/>

زبان Cpp از ورژن ۲۶ جبر خطی (مثل محاسبات ریاضی ماتریسی) رو اضافه میکنه به صورت مستقیم.
چرا توی هوش مصنوعی مهمه؟ خیلی از مدل‌ها رو برای استفاده در سطح بیزنس یا صنعتی روی cpp پیاده میکنن، مثالش هم llama.cpp

@DevTwitter | <Amir Khalesi/>

لیست الگوریتم ها در جاوااسکریپت:

https://github.com/TheAlgorithms/JavaScript

@DevTwitter | <Nafas Ebrahimi/>

اواخر سال 2013 رقابت شدیدی در عرضه نرم‌افزار‌های تحت وب وجود داشت، تقریبا همه برنامه‌ها را با PHP میساختند و از تکنیک‌های پیشرفته برای قفل‌ و لایسنس استفاده میشد، در اون زمان گروه معروفی بود به اسم
SCRiPTMAFiA
همه این برنامه‌ها را تمیز کرک میکردن‌‌، حتی برای محصولاتی مثل vBulletin کی‌جن ساخته بودند، این گروه در اواخر سال 2010 جمع شد ولی سایت‌های متفرقه هنوز از اسم اینها استفاده میکنند.

@DevTwitter | <Teegra/>

چند روزه صحبت ازCVE-2023-48777 یک باگ خطرناک RCE در افزونه وردپرسی معروف المنتور هست که در بیشتر از 5میلیون وبسایت استفاده شده و برای رفع مشکلات احتمالی بخوانید:

https://securityonline.info/cve-2023-48777-critical-vulnerability-in-elementor-affecting-over-5-million-websites/

@DevTwitter | <Amir/>

این پلن‌های اینترنت خانگی گوگل هست، یه پلن جدید میخواد اضافه کنه که اینترنت ۲۰ گیگابیتی در ازای ۲۵۰ دلار هست
طبیعی هست وقتی در مورد ۲۰ گیگابیت حرف میزنیم یعنی میتونه قیمت اینترنت رو برای مجتمع‌ها به شدت پایین بیاره، مثلا ۲۰ واحد هر کدوم اینترنت ۱ گیگابیتی بگیرن با ۱۲.۵ دلار


* ما هم برای مصارف بالای 128 کیلوبیت باید کارت دانشجویی آپلود کنیم.

@DevTwitter | <Soroush Ahmadi/>

اگه php خوب بود با Go واسه‌اش سرور نمی‌نوشتن!

https://laravel-news.com/frankenphp

@DevTwitter | <Yahya/>

دانشگاه هاروارد یه سری دوره ی رایگان داره که لینکش رو براتون میذارم:

1. Introduction to Computer Science
https://lnkd.in/gp9WvEup

2. Introduction to Game Development
https://lnkd.in/gdJvbe6n

3. Introduction to Programming with Scratch
https://lnkd.in/g6J2KuhD

4. Web Programming with Python and JavaScript
https://lnkd.in/gzcagQqp

5. Computer Science for Business Professionals
https://lnkd.in/gMFK47PR

6. CS50 for Lawyers
https://lnkd.in/gi9tUjTE

7. Introduction to Artificial Intelligence with Python
https://lnkd.in/gDsPqv9B

8. Introduction to Programming with Python
https://lnkd.in/gAZVzHrR

9. Data Science: Machine Learning
https://lnkd.in/gN2aqYAJ

10. Data Science: Productivity Tools
https://lnkd.in/g4ThxhUD

11. Understanding Technology
https://lnkd.in/dwThBANS

12. Mobile App Development with React Native
https://lnkd.in/dHWf4Gip

13. Introduction to Data Science with Python
https://lnkd.in/dr9W-7GT

14. Artificial Intelligence in Business: Creating Value with Machine Learning.
https://lnkd.in/gcF_Nbsr

15. Fundamentals of TinyML
https://lnkd.in/dbd4XPUz

@DevTwitter

#کدبوک

این کتاب یکی از محبوب‌ترین و مفیدترین کتاب‌ها برای آماده شدن برای مصاحبه‌های کدنویسی و برنامه‌نویسی است.

این کتاب شامل:
- توضیحات و نکات مهم درباره‌ی الگوریتم‌ها و ساختمان داده‌های پایه‌ای که باید برای مصاحبه‌های کدنویسی بدانید

- بیش از 150 سؤال احتمالی مصاحبه کدنویسی همراه با پاسخ‌ها و توضیحات کامل

- راهنمایی‌هایی برای نحوه‌ی آماده‌سازی رزومه، انجام مصاحبه‌های کدنویسی، و مذاکره برای دریافت پیشنهادات شغلی بهتر

- تمرین‌ها و مسائل برنامه‌نویسی برای تمرین و آمادگی بیشتر

این کتاب به زبان ساده و جامع نوشته شده و برای هر سطحی از برنامه‌نویس‌ها حتی افراد مبتدی مفید است. خیلی از شرکت‌های بزرگ مثل آمازون و گوگل و مایکروسافت برای مصاحبه‌های استخدامی‌شان از سؤالات مشابهی استفاده می‌کنند که در این کتاب به آن‌ها پرداخته شده است.

* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش توی بیو هست دانلود کنید.

@DevTwitter

سایت زیر اومده ابزارهای هوش‌مصنوعی در حوزه‌های مختلف رو لیست کرده، اینجوری میتونید راحت بین این ابزارها بگردین و بهترین رو متناسب با نیازتون انتخاب کنید.

https://www.aixploria.com/en/

@DevTwitter | <Reza Jafari/>

سلام یه رایت آپ داخل مدیوم منتشر کردم در خصوص آسیب پذیری privilege escalation و data exposure یه فلو متفاوت داره امیدوارم براتون مفید واقع شه ممنون میشم حمایت کنید

https://javroot.medium.com/privilege-escalation-and-sensitive-data-exposure-all-domain-cbfdc1e437e0

@DevTwitter | <javroot/>

گوگل کورس‌های آنلاین به همراه Certification به صورت «رایگان» توی حوزه های زیر برگزار میکنه که لینکارو قرار میدم.

توسعه وب:
https://web.dev/learn

توسعه اندروید:
https://developer.android.com/courses

دیجیتال مارکتینگ:
https://skillshop.exceedlms.com/student/collection/654330-digital-marketing

الگوریتم و ساختمان داده:
https://techdevguide.withgoogle.com/paths/data-structures-and-algorithms/

@DevTwitter | <Aly/>

این سایت با فعالیت امسال گیتهابتون یه انیمیشن جینگول و قشنگ میسازه
githubunwrapped.com

@DevTwitter