TondTech – Telegram
TondTech
2.6K subscribers
1.47K photos
169 videos
133 files
1.14K links
کالای ما دانش است


تبلیغات نداریم
Download Telegram
اگر نگران ارتباطات درون شرکتی در زمان اختلالات شدید اینترنتی هستید، وقبلا مثلا از Slack یا RocketChat استفاده میکردین، یه رقیب خفن دیگه دارن به اسم https://mattermost.com/
به جز پیام رسانی سازمانیش که خیلی خوبه رو نسخه On-Permise شون ، تو همین نسخه سیستم تماس صوتی اعضا هم داره که خیلی کار راه بندازه و کیفیتش طبق تست های من عالیه.
اگه نیاز داشتین، حتما بررسیش کنین
🔥2
Forwarded from tech-afternoon (Amin Mesbahi)
💡🌱 چرا بیشتر برنامه‌های توسعه شکست می‌خورند؟ مشکل موقعیت‌یابی اشتباه!

وقتی آقای الف، (یک دولوپر از نظر مهارت فنی، جونیور، ولی با ۱۲ سال تجربه) برنامه یادگیری سال جدیدش رو برای من فرستاد تا نظرم رو بگم؛ لیستش از الگوهای طراحی مایکروسرویس تا هوش‌مصنوعی تا... رو در برداشت. ازش پرسیدم: «آخرین باری که یک Pull Request یا Merge Request دادی که به بخش محدودی از نرم‌افزار بهینگی کارایی یا ساختاری اضافه کرده باشه (و نه فقط خواسته‌ی تسک) و کامنت‌های بیسیک هم از دید دولوپرهای ارشد نگرفته باشه کِی بوده؟ پاسخ صریح و مطمئنی نداشت! این دقیقاً جاییه که اکثر برنامه‌های توسعه، چه فردی، تیمی یا سازمانی، شکست می‌خورن: ما به جای شناخت دقیق موقعیت فعلی، مستقیم سراغ مقصد می‌ریم. مشکل: ما نمی‌دانیم واقعاً کجا ایستاده‌ایم.

تصور کنید می‌خواهید از تهران به اصفهان بروید، اما GPS موقعیت فعلی‌تون را اشتباه تبریز نشون می‌ده. هر مسیری که انتخاب کنید، اشتباهه، نه به خاطر مقصد، بلکه به خاطر نقطه شروع. سه سناریوی واقعی از موقعیت‌یابی اشتباه:

1️⃣ سناریو ۱: دولوپر جونیور، آقای الف
موقعیت واقعی: کدهاش هنوز فراتر از خواسته‌ها نیست، متدهاش بنا به دانش کم، و نه ضرورت و اقتضای شرایط، بیش از ۸۰ خط می‌شن، استفاده بجا از الگوهای طراحی رو نمی‌دونه.

موقعیت ادراک‌شده:
آمادگی برای یادگیری معماری‌های پیچیده، فریب عدد سال‌های تجربه، فریب آشنایی با عنوان مفاهیم پیشرفته

نتیجه: سه ماه وقت صرف یادگیری DDD می‌کنه، اما کدهایش همون if/else تودرتوی قبلی با اسامی fancy است. API چت‌جی‌پی‌تی صدا می‌زنه، توهم دانش GenAI داره.

هزینه: ۳۶۰ ساعت وقت + frustration + از دست دادن فرصت یادگیری Clean Code، کسب توهم بیشتر که مثل یک دیوار محکم جلو یادگیری صحیح و به‌جا رو ازش می‌گیره!

2️⃣ سناریو ۲: تیم توسعه (یک استارتاپ ۱۵ نفره)

موقعیت واقعی: Code coverage زیر ۳۰٪، هیچ integration test ندارن، deployment تقریبا دستی است، تیم آلوده به وایب‌کدینگ مخفی شده.

موقعیت ادراک‌شده: آماده رفتن به microservices، توانایی تحویل فیچر و توسعه سریع‌تر (وهم وایب‌کدینگ بدون سنجش میزان کد کثیف و ناکارآمد و ناهمگون)

نتیجه: شش ماه صرف split کردن monolith شد، اما debugging چندبرابر شد چون observability ندارند، روز به روز درک کدها سخت‌تر شده، هر اصلاح با وایب‌کدینگ موجب خطا و مشکل در جای دیگه می‌شه.

هزینه: ۶ ماه × ۱۵ نفر × میانگین حقوق = حداقل ۴.۵ میلیارد تومن + velocity کمتر شده

3️⃣ سناریو ۳: مدیر محصول تازه‌کار

موقعیت واقعی: هنوز نمی‌دونه چطوری یک user story خوب بنویسه یا backlog prioritize کنه

موقعیت ادراک‌شده: آماده طراحی استراتژی سه‌ساله محصول

نتیجه: یک سند ۴۰ صفحه‌ای strategy که هیچ‌وقت اجرا نمی‌شه، چون execution از پایه مشکل داره، مدیران فریفته‌ی محتوای غیرواقعی سند شدن

هزینه: اعتماد تیم + فرصت تمرکز روی مهارت‌های بنیادی

فریمورک سه‌مرحله‌ای برای موقعیت‌یابی صحیح

مرحله ۱: Assessment (ارزیابی بی‌رحمانه سطح فعلی) برای موقعیت‌یابی صحیح، باید از خود سؤالات سختی بپرسید که پاسخ‌شان قابل اندازه‌گیری باشه
و اگر نمی‌تونید موقعیت فعلی را با یک عدد یا fact مشخص کنید، هنوز موقعیت‌یابی نکرده‌اید.

مرحله ۲: Gap Analysis (محاسبه فاصله واقعی) حالا که موقعیت فعلی رو می‌دونید، باید بفهمید دقیقاً یک سطح بالاتر کجاست. نه دو سطح، نه سه سطح؛ فقط یک سطح. این مفهوم را Vygotsky، روان‌شناس روس، دهه ۱۹۳۰ ذیل Zone of Proximal Development (ZPD) تعریف کرده (اگر دوست داشتید بیشتر بخونید). و نشون می‌ده یادگیری فقط در یک باند باریک اتفاق می‌افته:

خیلی آسون » Comfort Zone (یادگیری صفر)
کمی چالش‌برانگیز » Learning Zone (یادگیری حداکثر) ← ZPD همینجاست
خیلی سخت » Panic Zone (یادگیری صفر)

مرحله ۳: Action Planning (طراحی گام اول قابل اجرا) بعد از شناخت موقعیت و تعیین گام بعدی، باید یک برنامه خیلی کوچیک طراحی کنید که در عمل اجرا شدنی باشه.

آمار: ۶۸٪ از مهاجرت‌ها به microservices در سازمان‌هایی که بلوغ کافی نداشتن، منجر به کاهش productivity شد (منبع: ThoughtWorks Technology Radar 2019)
یا ۷۵٪ از برنامه‌های یادگیری سال نو تا پایان فوریه رها می‌شن! (منبع: University of Scranton research) دلیل اصلی: اهداف خیلی بالاتر از سطح فعلی

خلاصه اینکه: فقط یک سؤال از خودتان بپرسید: «اگر بخوام امروز به کسی ثابت کنم دقیقا در چه سطحی هستم، چه عددی یا fact مشخصی می‌تونم نشون بدم؟ و این عدد با چه معیار و سنگ محکی سنجیده شده؟»

اگر پاسخ روشنی ندارید، قبل از هر برنامه‌ریزی دیگه‌ای، اول موقعیت‌یابی کنید.
Please open Telegram to view this post
VIEW IN TELEGRAM
5💯3👍2
باران زد ...
11👍5🕊2
#گزارش_روزانه
روز یکم
درباب تیم ورک و تفویض اختیار
6😍2🔥1
من یه رمان شروع کردم چند وقتیه که این جاست
https://github.com/Merkousha/TheTaleOfDara
دنبال یه راهکاری برای تصویر سازی و ویدیو سازیش هستم که بشه با کد جلو بره و بتونم تصویر کاراکتر ها و صحنه ها رو ثابت نگه دارم، اگه کسی ایده ای داشت خیلی ممنون میشم کمک و راهنمایی کنه
👍73
پنجشنبه آینده یه برنامه خواهیم داشت در باره اینکه چطور یک محصول مبتنی بر AI و Automation همون Refhub.ir خودمون رو به عنوان یک فاندر و دولوپر و نیمچه مدیرمحصولش توسعه دادم.
👍26🔥53
‏بعد از اکسکوینو حالا فلایتیو هم به دلیل شکایت کاربرانش با بحران مواجه شد
🚫پروانه فلایتیو «تعلیق» شد

🔹مدیر کل دفتر نظارت بر فرودگاه‌ها، شرکت‌ها و موسسات هوانوردی در نامه‌ای به کلیه شرکت‌های هواپیمایی داخلی از تعلیل پروانه فعالیت شرکت خدمات مسافرت هوایی دور پرواز با برند فلایتیو خبر داده است.

🔹در این نامه اعلام شده که فلایتیو به دلیل عدم انجام تعهدات ایجاد شده و عدم صدور بلیط مسافران پس از واریز وجه توسط آنان و همچنین شکایات متعدد در سامانه حقوق مسافر از تاریخ ۸ آذر به مدت یک ماه تعلیق می‌شود.

روزنامه شرق
👍6👏43🤣2
ماجرای فروش 207 یک میلیون تومانی در دیجی کالا چند تا نکته داشت، قرار بوده یه دونه شو بفروشن یک میلیون تومان ولی ظاهرا سر کنترل نکردن Race Condition 5 تاش فروش رفته !
مسئله ی اصلی اینه که خیلی ها ممکنه توسعه دهنده رو مقصر بدونند، ولی دیتا رو باید چرخوند و دقیق نگاه کرد، دیجی کالا بنا به اعتراف خودش نزدیک 16 همت فروخته در این روز ، پس ضرر این احتمالا توی اون سود گم هست و بیزنسی که احتمالا برای این ایده خلاقانه پاشو روی گردن تیم فنی و محصولش گذاشته بوده با زمان کم هم کم مقصر نیست.
البته ما واقعا از اصل ماجرا خبر نداریم، فقط بلند بلند فکر میکنیم و طبق تجربه ها مون از کامیتونیتی حدس میزنیم که احتمال این اتفاق بیشتر بوده.
نظر شما چیه ؟
👍153
#گزارش_کار
درباب اهمیت دقت به فاصله واقعی اعداد و مقیاس ها
#دیجی_کالا
4👍4
Forwarded from Digiato | دیجیاتو
🔶آمازون از خانواده مدل‌های 2 Nova رونمایی کرد؛ چهار مدل قدرتمند برای کاربردهای مختلف

🔹#آمازون چهار مدل Nova 2 معرفی کرده است: Lite برای کارهای روزمره با سرعت و تنظیم عمق تفکر، Pro به‌عنوان قدرتمندترین مدل استدلالی برای برنامه‌نویسی و تحلیل اسناد و ویدیو، Sonic برای تبدیل گفتار-به-گفتار با تأخیر کم در دستیارهای صوتی و Omni به‌عنوان اولین مدل چندوجهی یکپارچه که متن، تصویر و ویدیو را پردازش و تولید می‌کند.

🔹همچنین سرویس Nova Forge امکان ساخت مدل‌های سفارشی (Novella) با داده‌های اختصاصی سازمان‌ها را فراهم می‌کند و آموزش در محیط‌های شبیه‌سازی‌شده انجام می‌شود. سرویس Nova Act نیز با استفاده از Nova 2 Lite ایجنت‌هایی می‌سازد که با دقت ۹۰ درصدی کارهای مرورگر را انجام می‌دهند و شرکت‌هایی مانند 1Password و Hertz توانسته‌اند فرایندهای چند هفته‌ای را به چند ساعت کاهش دهند.

جزئیات بیشتر
🔸🔸🔸
🟣Digiato
🎞Digiatoofficial
🤖Digiato
💭@Digiato
Please open Telegram to view this post
VIEW IN TELEGRAM
2
خودم نیستم و درگیر خونه جدید و حروفچینی کتاب هستم.
ولی شما برید عرفان و پوریا هستن و حسابی هم فضا خوب و حرفه ایه
https://evnd.co/xEceO
5
Forwarded from Reza Jafari
AI_Product_Manager’s_Handbook,_Second_Edition_Build,_integrate,.pdf
6.6 MB
این کتاب برای کسایی نوشته شده که می‌خوان وارد دنیای AI Product Management بشن، کسب‌وکار خودشون رو راه بندازن یا فقط کنجکاون بدونن ساختن یه محصول AI چه ملاحظاتی داره.

اگر الان تو حوزه‌ی Product Management فعالیت می‌کنین و دوست دارین بفهمین چطور می‌شه محصول‌های AI ساخت، این کتاب می‌تونه خیلی بهتون کمک کنه. همین‌طور اگر در AI Development کار می‌کنین و قصد دارین این مفاهیم رو وارد فضای Product Management کنین و نقش بیزینسی‌تری بگیرین، باز هم مخاطب همین کتاب هستین. هرچند بعضی فصل‌ها رنگ‌وبوی فنی‌تر دارن، اما تمام محتوای تکنیکی در حد مبتدی و قابل فهم برای همه نوشته شده تا بدون پیش‌زمینه‌ی خاص هم بتونین ازش استفاده کنین. از دستش ندید!

@reza_jafari_ai
اگه مثل من کتاب صوتی زیاد گوش میدین، نوار تخفیف خوبی گذاشته.
🔥51👎1
چون خارجیا پول نمیدادن، نسخه انگلیسی رفهاب رو به Monetag مسلح کردم :)) تو این چند روز، درآمدش خیلی بیشتر از یکتاپی بود ، اصلا قابل مقایسه نیست، کمه ها، ولی واقعا قابل مقایسه نیست
🏆10👍1😢1
Forwarded from Learning With M
سلام.
به تازگی کتاب : "چگونه با آمار دروغ بگوییم" رو تموم کردم.

طبق معمول خلاصشو و نظر خودم رو توی وبلاگ قرار دادم که می تونید مطالعش کنید.

👈 لینک توضیحات کتاب

#کتاب
🤩42🔥2
Forwarded from InvestFund
📝 چرا دیگه خبری از متاورس و Web3 نیست؟

💡چند سال پیش هر جا نگاه می‌کردیم حرف از متاورس، NFT و Web3 بود. فیسبوک اسمش را کرد Meta تا بگه آینده‌اش را روی متاورس شرط بسته.

بازار NFT هم تو ۲۰۲۱ از کمتر از ۱۰۰ میلیون دلار به حدود ۲۴٫۹ میلیارد دلار رسید و سرمایه‌گذاری روی بلاک‌چین در اوج، ۳۲ میلیارد دلار شد.

روی کاغذ، همه‌چیز فریاد می‌زد: «اینترنت بعدی، متاورس و Web3 است.»


📉 اما واقعیت امروز
تیترها عوض شده. الان مرکز توجه رسانه و سرمایه‌گذارها شده AI.

📌 چند عدد مهم:

▫️سرمایه VC در کریپتو و بلاک‌چین ۲۰۲۴ حدود ۱۳٫۶ میلیارد دلار بوده؛ در نیمه اول ۲۰۲۵ هم کمی بالای ۱۶ میلیارد جذب شده.
▫️در مقابل، فقط در ۲۰۲۵ استارتاپ‌های AI حدود ۱۹۲٫۷ میلیارد دلار سرمایه گرفتن؛ یعنی بیش از نصف کل پول VC جهان.
▫️گزارش KPMG هم می‌گه در Q3 ۲۰۲۵ از ۱۲۰٫۷ میلیارد دلار سرمایه‌گذاری VC، بخش غالب متعلق به AI بوده.

پولی که زمانی سمت متاورس و Web3 می‌رفت، الان با اختلاف رفته سمت AI.


💸 کیس استادی متا: بزرگ‌ترین شرط بندی اشتباه دهه؟

شرکت Meta از ۲۰۲۱ تا ۲۰۲۴ روی Reality Labs ده‌ها میلیارد دلار خرج کرد؛ فقط سال ۲۰۲۴ ضرر عملیاتی این بخش ۱۷٫۷ میلیارد دلار بود و مجموعاً بالای ۷۰ میلیارد دلار روی متاورس دود شد.

حالا گزارش‌ها می‌گن متا می‌خواد حدود ۳۰٪ بودجه Reality Labs را کم کنه و بیشتر روی پروژه‌های AI تمرکز کنه. بازار سهام هم این تصمیم را تایید کرده؛ پیامش ساده است: «فعلاً AI منطقی‌تره.»

📌 چرا ورق برگشت؟

▫️هوش‌مصنوعی بدون سخت‌افزار جدید وارد زندگی ما شد؛ متاورس نه.
▫️ارزش AI از روز اول روشن بود: نوشتن، کدنویسی، سرچ، اتوماسیون…
▫️اما Web3 برای کاربر عادی هنوز پیچیده است: والت، گس‌فی، ریسک هک، قوانین مبهم.
▫️سقوط کریپتو و ترکیدن حباب NFT هم اعتماد عمومی را کم کرد.

آیا متاورس و Web3 مُردن؟

جواب کوتاه: نه.
متاورس به‌عنوان Buzzword خوابیده و VCها محتاط‌تر شدن، اما Web3 هنوز سالی ده‌ها میلیارد دلار سرمایه می‌گیره. فقط پروژه‌های بی‌هدف کمتر شده و DAOها هم در DeFi و پروتکل‌های متن‌باز زنده‌اند؛ فقط مثل ۲۰۲۱ کسی ادعای «همه‌چیز DAO می‌شه» نداره. سروصدا کم شده، ولی ساختن ادامه داره.

📌 درسی برای فاندرها

رسانه و سرمایه‌گذار همیشه دنبال موج تازه‌ان؛ یک روز متاورس و Web3، امروز AI. اگر محصول فقط با موج جلو بره و روی درد واقعی ساخته نشده باشه، با اولین تغییر ترند از صحنه حذف می‌شه.

سؤال مهم‌تر از اینکه «چرا متاورس و Web3 ساکت شدن؟» اینه:
اگر سه سال دیگه همین سؤال را درباره AI پرسیدیم، آیا استارتاپی که می‌سازیم هنوز دلیل وجودی خواهد داشت یا نه؟

@investingfund
8👍3
TondTech
کتاب اول که بیش از 100 صفحه هست و حدودا 5 ماه زمان برده تموم شد. ریپو رو private کردم، از هفته دیگه فروشش جلد اول افسانه دارا شروع خواهد شد
CrawnOfShadows.pdf
117.2 KB
بخش 1 از فصل 1 ، از کتاب "تاج سایه ها"، اولین جلد از "افسانه دارا"
اگه خوندین، حتما فیدبک بدین
5
Forwarded from .NET | دات نت
فصل پنجم - الگوهای کارآموزی

یادگیری همیشگی

توسعه‌ی نرم‌افزار تولید محصول نیست؛ بلکه فعالیتِ کسبِ دانش است.

نرم‌افزار فقط جایی است که ما دانشی را که به دست آورده‌ایم، ذخیره می‌کنیم.
خیلی‌ها منتظرند تا "شرایط مناسب" از راه برسد تا یادگیری را شروع کنند. وقتی پروژه تمام شد، وقتی سرشان خلوت شد، وقتی استرس کم شد...
اما سی. اس. لوئیس حقیقت تلخی را می‌گوید: شرایط مناسب هرگز نخواهد آمد. تنها کسانی موفق می‌شوند که در میانه‌ی جنگ و آشوب، با ولع به دنبال دانش می‌گردند.

نویسندگان در این فصل، تفاوت حیاتی میان کار کردن و تمرین کردن را روشن می‌کنند.
نوازندگان بزرگ، ساعت‌ها در تنهایی تمرین می‌کنند تا فقط یک ساعت اجرا کنند. اما برنامه‌نویسان چه؟ ما معمولاً تمام روز را در حال اجرا (کدنویسی برای پروژه) هستیم و هیچ وقتی برای تمرین (بدون استرسِ تحویل) نمی‌گذاریم.

برای اینکه در مسیر استادی بمانید، باید این الگوها را زندگی کنید:

۱. تمرین، تمرین، تمرین:
همان‌طور که در هنرهای رزمی کاتا وجود دارد، در برنامه‌نویسی هم باید زمان‌هایی را به حل مسائل تکراری و ساختگی اختصاص دهید. جایی که اشتباه کردن هزینه ندارد. اگر در زمان کار اشتباه کنید، باگ تولید کرده‌اید؛ اما در زمان تمرین، اشتباه یعنی یادگیری.

۲. اسباب‌بازی‌های شکستنی (Breakable Toys):
لینوس توروالدز لینوکس را نساخت چون می‌خواست دنیا را تغییر دهد؛ آن را ساخت چون فقط یک سرگرمی بود.
شما هم باید پروژه‌هایی داشته باشید که فقط مال خودتان باشد. یک ویکی شخصی بسازید، یک بازی بنویسید، یا یک سیستم‌عامل ساده و ناقص طراحی کنید. این‌ها اسباب‌بازی‌هایی هستند که اجازه دارید آن‌ها را بشکنید، خراب کنید و از دلِ خرابی‌هایشان معماری واقعی را یاد بگیرید.

۳. استفاده از کد منبع (Use the Source):
فقط کتاب نخوانید؛ کد بخوانید. بیل گیتس می‌گفت سطل زباله‌های مرکز کامپیوتر را می‌گشت تا کدهای سیستم‌عامل دیگران را پیدا کند و بخواند. کد، داور نهایی است. خواندنِ کدهای متن‌بازِ خوب، به شما یاد می‌دهد که بزرگان این صنعت چگونه فکر می‌کنند.

۴. یادگیری را ثبت کن و به اشتراک بگذار:
وبلاگ بنویس، نه برای اینکه مشهور شوی، بلکه برای اینکه وقتی می‌نویسی، مجبور می‌شوی عمیق‌تر فکر کنی. وقتی یکی درس می‌دهد، دو نفر یاد می‌گیرند.

این فصل یک هشدار بزرگ دارد:
تجربه با تکرار فرق دارد.
بسیاری از برنامه‌نویسان ۱۰ سال تجربه ندارند؛ آن‌ها ۱ سال تجربه دارند که ۱۰ بار تکرار شده است.
یادگیری همیشگی یعنی هر روز به دنبال راهی باشی تا نادانی‌ات را به مهارت تبدیل کنی، حتی اگر این فرآیند دردناک باشد. چون دردِ یادگیری، تنها نشانه‌ی رشد است.
🔥63👍3💯1
بیا تو تیم ما 💪
داریم تیم دیتای رسمیو رو گسترش میدیم ، اگه شکارچی داده ( Crawler ) هستی، بیا با هم کیف کنیم :))
تا دلتون بخواد چالش و کار جدی داریم تو رسمیو تو این بخش
قول میدم حسابی سرگرم و مشغول باشید و هر روز یه چالش جدید داشته باشی توی این پوزیشن😁
🔥131