Forwarded from Café SSC
🔹 اعلام نتایج شورای مرکزی انجمن علمی مهندسی کامپیوتر ۱۴۰۳-۰۴
- تعداد کل آرا: ۴۳۵ رای
- تعداد آرای قابل قبول: ۴۳۴ رای
- تعداد آرای باطله: ۱ رای
🔸 با توجه به این موضوع، وضعیت آرای قابل قبول افراد به ترتیب به شرح زیر است:
۱. امیرمهدی کوششی: ۲۱۲ رای
۲. امیرمحمد کوشکی: ۱۸۱ رای
۳. امیرحسین عزیزی: ۱۶۸ رای
۴. آرمان طهماسبیزاده: ۱۶۴ رای
۵. مهدیار مستشارهریس: ۱۵۸ رای
۶. امید حیدری: ۱۵۴ رای
۷. محمد مهدی رجبی: ۱۵۴ رای
۸. امیرحسین محمد زاده: ۱۵۳ رای
۹. آریانا زال نژاد: ۱۴۴ رای
۱۰. مهدی علینژاد: ۱۴۱ رای
۱۱. امیرحسین صوری: ۱۴۰ رای
۱۲. علی صفری: ۱۳۸ رای
۱۳. حسین خوانساری: ۱۳۵ رای
۱۴. فاطمه رضایی: ۹۴ رای
۱۵. محمد فلاحی نژاد: ۹۴ رای
۱۶. محمد معین صمدی آزاد: ۸۷ رای
۱۷. پویا لهبی: ۶۹ رای
۱۸. سینا صیفوری: ۶۲ رای
۱۹. علی محمدزاده شبستری: ۳۱ رای
۲۰. پرهام فیض اللهی: ۳۰ رای
🔻 ۹ نفر اول رایگیری، به عنوان شورای مرکزی انجمن علمی برای سال تحصیلی آتی برگزیده میشوند.
〰️〰️〰️〰️
☕️ @Cafe_SSC
🆔 @SSC_Public
- تعداد کل آرا: ۴۳۵ رای
- تعداد آرای قابل قبول: ۴۳۴ رای
- تعداد آرای باطله: ۱ رای
🔸 با توجه به این موضوع، وضعیت آرای قابل قبول افراد به ترتیب به شرح زیر است:
۱. امیرمهدی کوششی: ۲۱۲ رای
۲. امیرمحمد کوشکی: ۱۸۱ رای
۳. امیرحسین عزیزی: ۱۶۸ رای
۴. آرمان طهماسبیزاده: ۱۶۴ رای
۵. مهدیار مستشارهریس: ۱۵۸ رای
۶. امید حیدری: ۱۵۴ رای
۷. محمد مهدی رجبی: ۱۵۴ رای
۸. امیرحسین محمد زاده: ۱۵۳ رای
۹. آریانا زال نژاد: ۱۴۴ رای
۱۰. مهدی علینژاد: ۱۴۱ رای
۱۱. امیرحسین صوری: ۱۴۰ رای
۱۲. علی صفری: ۱۳۸ رای
۱۳. حسین خوانساری: ۱۳۵ رای
۱۴. فاطمه رضایی: ۹۴ رای
۱۵. محمد فلاحی نژاد: ۹۴ رای
۱۶. محمد معین صمدی آزاد: ۸۷ رای
۱۷. پویا لهبی: ۶۹ رای
۱۸. سینا صیفوری: ۶۲ رای
۱۹. علی محمدزاده شبستری: ۳۱ رای
۲۰. پرهام فیض اللهی: ۳۰ رای
🔻 ۹ نفر اول رایگیری، به عنوان شورای مرکزی انجمن علمی برای سال تحصیلی آتی برگزیده میشوند.
〰️〰️〰️〰️
☕️ @Cafe_SSC
🆔 @SSC_Public
🎉26👍3👏2🔥1💩1
دایرکتم با دوستام توی اینستام این شکلیه که نه من ریلزای اونارو میبینم نه اونا ریلزای منو، ولی روزی ۲۰۰ تا برای هم میفرستیم.
👍11🤡3
بنظر قراره روی این کار کنم. بسیار چیز جذابیه:
https://www.arm.com/architecture/security-features/arm-confidential-compute-architecture
https://www.arm.com/architecture/security-features/arm-confidential-compute-architecture
Arm | The Architecture for the Digital World
Arm Confidential Compute Architecture
Arm CCA (Confidential Compute Architecture) is a security feature in the Armv9-A Architecture that supports isolated environments called Realms which are designed to protect sensitive data and code from unauthorized access or modification.
⚡9
Forwarded from Zoomit | زومیت
دایناسور معروف گوگل کروم را با این روش ساده به پاندا تبدیل کنید!
🔴 گوگل با ایدهی جدیدش میخواهد به ما نشان دهد که چگونه میتوان از هوش مصنوعی مولد برای بازی استفاده کرد؛ ازهمینرو برای مدت محدودی به کاربران اجازه میدهد بازی دایناسوریاش را با GenDino آنطور که دوست دارند، بازطراحی کنند.
🔴 امکان GenDino طرح آزمایشی Google Labs است که از مدل Imagen AI استفاده میکند. این بازی مشابه بازی استاندارد دایناسور کروم (Chrome Dino) است، اما به شما امکان میدهد شخصیت، موانع و عناصر پسزمینهی خود را انتخاب کنید. شما میتوانید بازیهای GenDinoای را که تولید میکنید بهاشتراک بگذارید.
چگونه بازی دایناسور گوگل کروم را تغییر دهیم؟
🔹 با هر مرورگری که دوست دارید از طریق گوشی یا کامپیوتر به وبسایت GenDino بروید و با استفاده از حساب گوگل خود وارد شوید.
🔹 پس از ورود باید بهترتیب کاراکتر (پیشفرضِ بازی: دایناسور)، موانع (پیشفرضِ بازی: کاکتوس) و پسزمینه (پیشفرضِ بازی: کویر) را مطابق با علاقهتان انتخاب و تایپ کنید تا هوش مصنوعی آنها را برایتان تولید کند. با زدن دکمهی I'm Feeling Lucky هم میتوانید بهصورت تصادفی پیشنهادهایی را برای ساخت بازی دریافت کنید.
🔹 وقتی آماده بودید روی Let's Run بزنید تا بازی اجرا شود.
در زومیت بخوانید: دایناسور معروف گوگل کروم را با این روش ساده به پاندا تبدیل کنید!
🚀 🔴 @TheZoomit
چگونه بازی دایناسور گوگل کروم را تغییر دهیم؟
در زومیت بخوانید: دایناسور معروف گوگل کروم را با این روش ساده به پاندا تبدیل کنید!
Please open Telegram to view this post
VIEW IN TELEGRAM
💩2👍1👎1🔥1
این پست، نحوهی حل یک مشکل با استفاده از یک الگوریتم scheduling سیستمعامل هست. (مجیبی با دیدن این پست خواهد خندید)
یک مشکلی که توی تیم ما توی شرکت هست، interruptهایی هست که میاد خیلی. کار ما چون ساپورته، معمولا اینجوریه که روی یه سری تسکها و دیباگهای سنگین هستیم که فوکوس کردیم و تمرکزمون کلا روی اون مورد هست، بعد این وسط یه سری مشکل مال مشتریهای سازمانیمون میاد که خب درجه اهمیت بالاتری دارن و مجبوریم کار فعلی رو ول کنیم و بریم سراغ حل مشکل مشتری سازمانی. یا حالا کلا از این دست موضوع زیاد پیش میاد توی تیم ما که خب ذات پوزیشن کاریمون هست دقیقا.
این موضوع رو و مشکل رو حدودا توی سیستمعامل هم داشتیم. یک راهحلی که من دادم به تیملیدمون و قراره همون رو هم پیادهسازی کنیم در عمل و بریم جلو، مطابق الگوریتم MLFQS هست. این الگوریتم مخفف multi level feedback queue scheduling هست. خیلی الگوریتم جالیه، اگر ندیدینش سرچ کنین راجعبهش.
این ایده رو بردم پیش تیملید که طبق همین بریم جلو و فرض کنیم هرکدوم از ماهایی که ساپورتایم یک queueایم دقیقا. اینجوری وقتی تسکها میخوان بیان برای schedule شدن روی یکی از ما، رندوم طور نیست دیگه و interruptهای کمتری میاد سمت هرکسی که الان در حال حاضر تسک خاصی رو داره اجرا میکنه.
این ایده رو یکم بالا پایین کردیم و داریم کدش رو میزنیم که به Jira متصلش کنیم و تسکها رو واقعا طبق این الگوریتم assign کنیم به ساپورترها. یعنی واقعا همونجوری که mlfqs برای اسکجول کردن از queueها استفاده میکنه. در ادامه بعد گذشت چند ماه میگم که خوب بود یا نه.
در کل خیلی برام جالب بود که یه همچین مسائل تئوری، واقعا در عمل چقدر کمک کنندهان.
یک مشکلی که توی تیم ما توی شرکت هست، interruptهایی هست که میاد خیلی. کار ما چون ساپورته، معمولا اینجوریه که روی یه سری تسکها و دیباگهای سنگین هستیم که فوکوس کردیم و تمرکزمون کلا روی اون مورد هست، بعد این وسط یه سری مشکل مال مشتریهای سازمانیمون میاد که خب درجه اهمیت بالاتری دارن و مجبوریم کار فعلی رو ول کنیم و بریم سراغ حل مشکل مشتری سازمانی. یا حالا کلا از این دست موضوع زیاد پیش میاد توی تیم ما که خب ذات پوزیشن کاریمون هست دقیقا.
این موضوع رو و مشکل رو حدودا توی سیستمعامل هم داشتیم. یک راهحلی که من دادم به تیملیدمون و قراره همون رو هم پیادهسازی کنیم در عمل و بریم جلو، مطابق الگوریتم MLFQS هست. این الگوریتم مخفف multi level feedback queue scheduling هست. خیلی الگوریتم جالیه، اگر ندیدینش سرچ کنین راجعبهش.
این ایده رو بردم پیش تیملید که طبق همین بریم جلو و فرض کنیم هرکدوم از ماهایی که ساپورتایم یک queueایم دقیقا. اینجوری وقتی تسکها میخوان بیان برای schedule شدن روی یکی از ما، رندوم طور نیست دیگه و interruptهای کمتری میاد سمت هرکسی که الان در حال حاضر تسک خاصی رو داره اجرا میکنه.
این ایده رو یکم بالا پایین کردیم و داریم کدش رو میزنیم که به Jira متصلش کنیم و تسکها رو واقعا طبق این الگوریتم assign کنیم به ساپورترها. یعنی واقعا همونجوری که mlfqs برای اسکجول کردن از queueها استفاده میکنه. در ادامه بعد گذشت چند ماه میگم که خوب بود یا نه.
در کل خیلی برام جالب بود که یه همچین مسائل تئوری، واقعا در عمل چقدر کمک کنندهان.
👍9😁2❤1🔥1
اگر خواستید بدونید این الگوریتم اسکجولینگ چجوری کار میکنه:
https://www.geeksforgeeks.org/multilevel-feedback-queue-scheduling-mlfq-cpu-scheduling/
https://www.geeksforgeeks.org/multilevel-feedback-queue-scheduling-mlfq-cpu-scheduling/
GeeksforGeeks
Multilevel Feedback Queue Scheduling (MLFQ) CPU Scheduling - GeeksforGeeks
Your All-in-One Learning Portal: GeeksforGeeks is a comprehensive educational platform that empowers learners across domains-spanning computer science and programming, school education, upskilling, commerce, software tools, competitive exams, and more.
❤1👏1
یکی از بناهای تاریخی که خیلی دوستش دارم و آرزومه که یه روزی برم، colosseum واقع در ایتالیاس.
از وقتی که تاریخش و نحوهی ساختش رو خوندم، علاقهم بهش چند برابر شد.
اگر دوست دارید بیشتر بدونید راجب این بنا، پیشنهاد میکنم این ویدئو رو ببینید.
از وقتی که تاریخش و نحوهی ساختش رو خوندم، علاقهم بهش چند برابر شد.
اگر دوست دارید بیشتر بدونید راجب این بنا، پیشنهاد میکنم این ویدئو رو ببینید.
❤6💩2👍1👎1🔥1