چند وقت پیش آموزش Bash علیرضا امیرصمیمی رو تموم کردم.

اولش که آشنا شدم واقعا زبان حال به هم زن و بی قاعده بود.

همچنان هم همینطوریه. اما با کاربرد هایی مثل build noscript و نوشتن PKGBUILD برای aur، ارزشمند شده.

تازه نگم که چند باری کلی فایل به پستم خورد که باید با ffmpeg تبدیل فرمت میکردم. اونجا خیلی بدرد خورد.
خلاصه اگر از شل لیوکس حسابی استفاده میکنید مثل من میتونید برید سمتش و یادش بگیرید.

https://www.aparat.com/playlist/15494

یک نگاهی به کانال @pytens بندازید (چون جو هوش مصنوعی داغ هست)
توی چندین سال اخیر من مشاور خیلی پروژه‌های داخلی و خارجی بودم توی مواردی که بیزینس یا همکاری با تیم‌های تحقیقاتی بهم یاد داده فهمیدم که تمرکز کسی که میخواد واقعا توی این زمینه کار خوب انجام بده و بدون دردسر مصاحبه‌های شغلی رو پاس کنه باید روی چه مباحثی باشه.

کم نبودند تعداد آدمایی که شخصا و مستقیم بهشون کمک کردم تا برای مصاحبه کاری در زمینه هوش مصنوعی آماده بشوند؛ از تیم‌های استارتاپی و داخلی گرفته تا شرکت‌های بزرگ مثل آمازون؛ نتفلیکس؛ گوگل و متا.

توی دنیای پایتون هم اوضاع همین هست.
حالا چرا اینارو میگم؛ چون خیلی از بچه‌های تازه‌کار و حتی افراد باسابقه کار پیدا کردن و یا حرفه‌ای شدن توی یک زمینه کاری رو مدیون دیدن دوره آموزشی پولی یا شرکت توی همچین دوره‌ای میدونند.

توی همون کانال که بالاتر صحبت کردم؛ من بهترین دوره‌های ویدئویی رو برای Vision, NLP, Transformers معرفی کردم که به جرات میگم هیچ دوره‌ای (دقت کنید) هیچ دوره‌ای بهتر از این ۳ مورد برای Deep learning در این زمینه‌ها پیدا نخواهید کرد.
اما همچنان افرادی هستند که فکر می‌کنند دوره پولی اون یارو هندیه که توش با یک ابزار تعداد گوسفندای توی تصویر رو میشماره بهتر از دوره Yann Lecun خالق و باعث این مباحث هست.
که خب بحثی نیست.

نکته دوم و چیزی که در ادامه بحث اول باید بگم؛ تعداد به اشتراک گذاری و ذخیره پست‌هاست.
همه‌ شما یک کانال برای منابع مهم دارید؛ نه saved message تلگرام بلکه یک کانال خصوصی/عمومی برای فروارد کردن مطالب مهم.

من بهش میگم کانال بدبختی؛ من خودم هم ازین کانال‌ها دارم ولی وقتی به کانال من میرسید اسمش کانال رفرنس میشه نه بدبختی.

تفاوت ذخیره کردن من و شما اینه که؛ من هیچ وقت یک ویدئو و مطلب رو به اون کانال نمیفرستم مگر اینکه اون ویدئو رو دیده باشم و بنظرم واقعا خوب باشه و بخوام یک رفرنس ازش نگه دارم و بلاگ پست یا مطالب رو هم همینطور.

بر خلاف شما؛ طبق آمار کانال و تصویر پست بالا؛ می‌دونم خیلی از دوستان همه چیز رو فروارد می‌کنند توی اون کانال خصوصی برای خودشون تا سرفرصت ببینند ولی این فرصت هیچوقت پیش نمیاد و بدون تعارف شما هیچوقت پیشرفت خوبی نخواهید داشت اگر جزو این آدم‌ها هستید.

شاید بگید خب ممکنه توی مسیر باشم و فلان کانال یک پست خوب گذاشته باشه؛ حق میدم برای من همون لحظه گوشی رو توی همون وضعیت قفل می‌کنم و میذارم جیبم و از گوشی استفاده نمی‌کنم تا توی اولین فرصت اون مطلب رو بخونم یا ویدئو رو ببینم.

کسی که نمی‌دونه خودتون یک بررسی بکنید و ببینید چقدر از پست‌هایی که برای خودتون فروارد کردید تا درآینده بخونید رو واقعا خوندید ؟

آمار viewهای یوتیوب و تعداد shareهای کمتر از ۱۰ دقیقه منابع یا پست‌های طولانی کانال های من نشون میده خیلی‌ها درگیر این موضوع هستید که خودتون رو با منابعی که هیچوقت نمی‌خونید دارید بمباران می‌کنیم و همین یعنی به عقب رفتن (به معنای واقعی کلمه این موضوع نه تنها کمکی به پیشرفت شما نمی‌کنه بلکه باعث پسرفت هم میشه)
چون مغزتون رو راحت می‌کنید ازون موضوع و دیگه درگیر اون موضوع نیست که اگر بود شمارو مجبور میکرد اون مبحث رو یادبگیرید.


اگر واقعا می‌خواهید پیشرفت کنید؛ خواهش می‌کنم به این دو موردی که گفتم توجه کنید :

۱- پولی بودن یک دوره دلیل بر خوب بودن یا تضمین سرکار رفتن شما نیست.
۲- اگر عادت کردید پست‌ها؛ دوره‌ها؛ لینک ویدئو؛ کتاب و ... رو سریع توی یک کانال خصوصی فروارد کنید (کانال بدبخت کردن شما) همین الان دست ازین کار بردارید.

بیاید باهم تستش کنیم؛

مثل من عمل کنید؛ یک کانال جدید درست کنید توی این کانال حق ارسال ویدئو - پست - منبع یا ... رو ندارید مگر اینکه اون رو یکبار حتی با سرعت بالا خونده - دیده یا بررسی کرده باشید.
شاید روزها و ماه اول سخت باشه اما بعد از ۶ ماه کانال رفرنس خودتون رو با کانال بدبختی مقایسه کنید.

اضافه کنم:
اولین ویدئو یوتیوب 1300 بازدید داشته که خب حدود 1200 مورد توی ۵ روز اول بوده و ويدئو آخر توی ۲ هفته 183 بازدید داشت.
تعداد private share پست ویدئو اول روی 50 مورد هست و پست ویدئو دیگر روی 300 همین آمار نشون میده چقدر اتفاق بدی داره میوفته.
دلیل مخالفتم با ویدئو گذاشتن همین بود؛ توی لایو شما رو مجبور میکنم حداقل یکبار اون موضوع رو گوش بدید که همین هم تاثیر بزرگی توی پیشرفت هست.

سر همین هست که بنده پستی تو کانال خودم نمیزارم.
مگر اینکه به مسئله یا دوره اشراف داشته باشم.

دوستانی که میخوان سریع ترین میرور های Arch رو گیر بیارن.
یا میخوان که مشکل اتصال به مخزنشون رو فیکس کنن

1. اگر reflector رو نصب دارید:

sudo reflector --latest 10 --fastest 10 -p http,https -c de,fr,gb --sort rate --save /etc/pacman.d/mirrorlist

--latest 10
یعنی 10 تای آخرین سرور های سینک شده رو بده.
--fastest 10
10 تای سریع ترین سرور ها از لحاظ سرعت دانلود رو بده.
-p
چه پروتکل هایی؟ http, https, ftp و ...
-c
از چه کشور هایی. آلمان de، فرانسه fr، انگلستان gb.
--sort
با چی صورت sort کن. با سرعت دانلود (rate).
--save
ذخیره کن داخل مسیر خاصی که مسیر ذخیره میرور لیست ها
/etc/pacman.d/mirrorlist
هست.

2. اگر هم که reflector ندارید و حتی نمیتونید نصبش کنید (فیلترینگ یا بسته شدن مخزن):

برید از سایت زیر و پروتکل ها و کشور ها رو انتخاب کنید و یه لیست جنریت کنید:
https://archlinux.org/mirrorlist/

به صورت پیش فرض همشون کامنت هستن. اون تعدادی که نیاز دارید رو از کامنت دربیارید و داخل
/etc/pacman.d/mirrorlist
جایگزین کنید.

بعد میتونید بعد از نصب reflector، راه 1 رو پیش برید.
.

بالاخره دوره Deep Generative Models های استنفورد هم آپدیت شد.
واقعا نباید بهونه آورد بهترین منابع یادگیری دنیا در دسترس نسل جدید هست :

Stanford CS236: Deep Generative Models (2023)

پس با اضافه شدن این دوره محموع دوره‌ها شد :

1) Standford university: Prof. Manning, deep learning for nlp

2) NYU (new york university): Yan Lucan & Alfered canziani. Deep learning course

3) Standord university: Deep Generative Models

4) Stanford University: Transformers United

چند وقتی هست که با academic torrent آشنا شدم.
اسمش و ظاهرش به نظر میاد که فقط دیتاست برای ریسرچ داره ولی کلی آموزش های AI و ML توش ریخته.
حتی طراحی الگوریتم و ساختمان داده.

پی نوشت: لینک هارو حذف کردم ولی داخل کانال دیگه گذاشتم که میتونید ازش استفاده کنید.

از منابعی که نظرم رو جلب کرد میتونم به این اشاره کنم:
ساختمان داده و طراحی الگوریتم که توسط Neetcode و Algoexpert ارایه شده.

اسم آموزش:
Data Structure and Algorithms Courses by Algoexpert and Neetcode

پی نوشت: لینک هارو حذف کردم ولی داخل کانال دیگه گذاشتم که میتونید ازش استفاده کنید.

و PyTorch برای Deep Learning که توسط ZeroToMastery ارایه شده. استادش هم Daniel Bourke هست که کانال یوتیوب راجب AI و ML داره.

اسم آموزش:
ZeroToMastery - PyTorch for Deep Learning

پی نوشت: لینک هارو حذف کردم ولی داخل کانال دیگه گذاشتم که میتونید ازش استفاده کنید.

البته من خودم دو آموزش بالا رو ندیدم بنابراین نمیتونم کیفیتشون رو ضمانت کنم ولی میتونم بگم که خیلی خوب به نظر میان.

لینک کانالش رو هم گفتم بزارم چون کانال جالبی راجب AI و ML هست.
https://www.youtube.com/@mrdbourke

یادآوری دوستانه.

نسخه ۰.۲۳.۱۵ بتا از #oblivionDesktop با پشتیبانی از محیط Gnome و KDE لینوکس منتشر شد.

🚀 github.com/bepass-org/oblivion-desktop/releases/latest

برخی‌از تغییرات برنامه:
◽️ امکان اتصال از systemTray و بهبود دسترسی‌ها
◽️ فراهم‌آمدن امکان اتصال خودکار هنگام بازشدن برنامه
◽️ اضافه‌شدن پشتیبانی از محیط Gnome و KDE لینوکس
◽️ بهبود فرایند بستن و مینیمایز کردن پنجره برنامه
◽️ پیاده‌سازی ساختار جدید برای زبان‌های مختلف
◽️ اضافه‌کردن contextMenu برای برخی‌از ورودی‌ها
◽️ رفع مشکل ست‌شدن لیست سیاه در متد سایفون
◽️ رفع مشکل گیر کردن روی وضعیت درحال دریافت اطلاعات
◽️ بهبود پروسه ست‌شدن پروکسی در مک
◽️ رفع برخی‌از اشکالات جزیی

👉 github.com/bepass-org/oblivion-desktop
💡 github.com/bepass-org/oblivion-desktop/issues

🔍 ircf.space/software.php
@ircfspace

آموزش های خوب و کمیاب معمولا تو Torrent ها یا سایت های خاصی پیدا میشن.
برای مثال بنده بخش دوم آموزش Algorithm & Data Structure سایت Frontend Masters که مدرسش ThePrimeagen هست رو از سایت های جستجوی تورنت (Torrent Aggregator) پیدا کردم.

پارت اولش رایگان داخل خود سایت Frontend Masters هست.

(درسته که آموزشش با TypeScript هست و تخصص من frontend نیست ولی آموزشش رو که تا الان دیدم فوق العاده بود)

تو پست بعدی راجب اینکه منابع خوب از کجا پیدا میشن و کدومشون رو استفاده میکنم صحبت میکنیم.

لینک های تورنت رو مستقیم نمیزارم. اما جستجوش اصلا سخت نیست.

Because copyright... ehem.

مهم ترین جا برای پیدا کردن منابع تورنت و کلا pirate کردن اینجاست.
در واقع بهشت دزدای دریاییه.

https://www.reddit.com/r/Piracy/wiki/index/

یه بخش Megathread داره که داخلش میتونید هر جایی که قابل اعتماد هست برای دانلود رو گیر بیارید.
یا حتی آموزش بلاک کردن popup ها و مزخرفات دیگه که اکثرا این سایت ها میزارن اینجا در دسترستون هست.

همینطور سرور Lemmy هم دارن (اگر یه وقت reddit بنشون کرد، که بلاخره احتمالش هرچند بسیار کم ولی وجود داره):
https://lemmy.dbzer0.com/c/piracy


همون megathread هم اینجا هست جدا از reddit و Lemmy:
https://rentry.co/megathread

از دو تا سایت هم برای جستجوی Torrent استفاده میکنم.
اولی: 1337x
اگر اینجا چیزی رو پیدا نکردید یکم با کلمات جستجو بازی کنید.

دومی: bitsearch
اگر هم دیگه نشد. این جستجوی بهتری داره نسبت به قبلی.

پی نوشت: لینک هارو حذف کردم ولی داخل کانال دیگه گذاشتم که میتونید ازش استفاده کنید.

AAAAAAAAAAAAAAAA

این آموزش رو تموم کردم.
به نظرم اگر بهترین نباشه، یکی از بهترین آموزش هاست راجب بهره وری توسعه دهندگان.

اگر ThePrimeagen رو نمیشناسید. باید بگم که سریع ترین workflow ای رو داره که تا حالا دیدم.
(اوکی اوکی، زیادی تعریف نمیکنم. خودتون میدونید که چیه)

در بخش اول ابتدا با اتوماسیون استقرار ابزار و محیط توسعه روی لینوکس شروع میشه. (ansible)
و همینطور مدیریت dotfiles ها به شکل حرفه ای. (stow, yadm)
اینطوری هر موقع سیستم جدید خواستید گیر بیارید یا حتی container داکر. میتونید سریع ابزار هاتون رو نصب کنید و سیستم آماده داشته باشید.

و بعدش وارد ابزار هایی برای سریع تر کردن نحوه کار با سیستم و ترمینال رو نشون میده.
از i3 و shell گرفته تا ابزار های خیلی قدرتمندی مثل tmux و fzf.
و یه workflow سریعی حول این ابزار ها ساخته میشه.

و در بخش آخر هم راجب قابلیت های جالب گیت، coreutils و همینطور ابزار های آینده مثل GitHub Copilot صحبت میشه.

برای اینکه از دوره حداکثر استفاده رو ببرید پیشنهاد میشه که پیش نیاز هاشو بلد باشید.

پیش نیاز ها: دانش سطحی راجب لینوکس، تایپ 10 انگشتی

نظر شخصی من که مشخص هست. ولی پیشنیاز هارو داشتید و میخواید سرعت کار خودتون رو بالاتر هم ببرید خیلی آموزشش پیشنهاد میشه.

برای دانلود آموزش میتونید از منابع تورنتی که داخل کانال دیگم پین شده یا لینک دانلودشون استفاده کنید.

https://frontendmasters.com/courses/developer-productivity/

این آموزش رو تموم کردم. به نظرم یکی از بی نظیر ترین آموزش هایی بود راجب طراحی الگوریتم که تا حالا دیدم.
همش هم به لطف استادش بود ThePrimeagen و مباحثی که کاور شد خیلی بدرد استفاده صنعتی یا سوالات مصاحبه میخوره.

مباحثی که کاور میشه:

1. Search (Linear Search, Binary Search, Two Crystal Problem)
2. Sort (Bubble Sort, Quick Sort)
3. Basic DSA (Queue, Stack, LinkedList, ArrayList)
4. Recursion (Maze Solving Algorithm)
5. Trees (BFS, DFS)
6. Tree Manipulation (DF insert, DF delete)
7. Heap and Tries
8. Graphs (BFS Adjacency Matrix, DFS Adjacency List, Dijkstra's Shortest Path)
9. Maps, LRU cache

از اونجایی که الگوریتم و ساختمان داده چیزی نیست که به زبان برنامه نویسی مرتبط باشه میتونه خیالتون راحت باشه که هر زبانی هم بلد باشید این مطالب براتون صدق میکنه.

البته یه ایرادی هم که این دوره داشت این بود که همه الگوریتم ها به صورت کد پیاده نشدن و یه سریاشون فقط توضیح داده شدن از لحاظ کارکرد و مشق های ناگفته زیادی هست که باید بنویسید تا واقعا این دوره رو یادش بگیرید.

برای مثال Map پیاده سازی نشده (ولی خب سخت هم نبود و خودم انجامش دادم)

دوره ساده ای نیست. ولی وقتی که یادش بگیرید درکتون رو از نحوه کارکرد زبان های سطح بالا بیشتر میکنه (مثلا Map واسه lookup کردن ساخته شده و مثل دیکشنری تو پایتون یا object تو JavaScript میمونه)

(پارت دو هم داره که بزودی میبینم و نظراتم رو میزارم.)