دسترسی رایگان به هوش‌مصنوعی Grok برای همه باز شد.
https://x.com/i/grok

تیم xAI میگه هرچقدر با Grok فارسی چت کنید، فارسیش بهتر میشه،
یعنی خیلی دیتایی از زبان فارسی ندارن و اینکه شما باهاش فارسی چت کنید کمک میکنه به این موضوع.
پ.ن. اسمش «گراگ» هست که بعضی از سایت‌های خبری به اشتباه گروک نوشتن.
@geekalerts

بچه‌ها درسای شیمی واقعا خیلی سختن.
من هر سری که از برنامه نویسی خسته میشم یه ویدیو مسیج ازش می‌بینم حالم خوب میشه.

از هنرورزی تا سرهم‌بندی: روایتی از درد بیگانگی متخصصین AI

یک بنده خدایی در ردیتی نوشته که سالهایی که در حوزه AI/ML فعالیت می‌کرده با عشق به طراحی مدل‌ها و معماری‌ها و مشکلات پیچیده‌شون روزش رو شب می‌کرده. اما جدیداها که LLM و VLM‌ها اومدند احساس بیگانگی می‌کنه با فیلد و از این که نمی‌تونه مثل سابق مدل‌ها رو از صفر طراحی کنه و خلاقیتش رو ارضا کنه افسرده است. بعدش هم چند تا سوال مطرح کرده که آیا هنوز هم برای افرادی که از طراحی و آموزش مدل‌های دیپ لذت می‌بردند جای کاری وجود داره یا باید پیامدهای ناخواسته این تکامل رو پذیرفت؟ ملت هم از این پستش استقبال کردند و اومدند زیرش همدردی و هم‌ناله‌گری کردند. چند تا نکته از این مطلب و گفته‌های مردم به ذهن می‌رسه:

- در همون ردیت هم تقریبا اکثریت به این اذعان کردند که دوره دیپ لرنینگ سنتی به اون مفهوم که مدل آموزش بدیم تقریبا گذشته. لااقل اکثر نیازمندی‌های سمت NLP با LLM‌ها با کیفیت بالاتر و هزینه‌ کمتر درمیان و خب نکته دردناک همینه که کار با LLM‌ها صرفا نیاز به API Call و مهندسی پرامپت داره و دیگه اون جنس معماهای شبه ریاضی طوری که باید حل می‌شدند وجود نداره و شما اگر بخوای روی ساختن مدل‌ها کار کنی تنها جاهایی که برات وجود داره در دنیای امروز OpenAI و Antropic و ... هستند و خب پرواضحه که نشدنیه.

- نکته دیگه اما این که این تکامل اجتناب‌ناپذیر صرفا مخصوص حوزه LLM‌ها نیست. خیلی‌ها اشاره کردند که مثلا در حوزه‌هایی متنوعی مثل ساخت بازی و یا برنامه نویسی وب هم در طی این سال‌ها انتزاع روی انتزاع اضافه شده و دیگه کسی نمی‌ره گیم انجین خودش رو از صفر بزنه. یا در برنامه نویسی وب این قدر فریمورک در سطوح مختلف استک هستند که دیگه اون خردکاری‌های سابق شبکه‌ای داستان محو شدند. در مورد خود حوزه هوش مصنوعی هم ما خودمون روی جنازه گذشتگان قدم زدیم. روزگار قبل از دیپ لرنینگ برای پردازش تصویر و پردازش متن این شکلی بود که طرف باید مثلا انواع فیچرهای به درد بخور تو تصویر یا متن رو یاد می‌گرفت و شبکه‌اش رو روی اینها می‌ساخت ولی الان شرط می‌بندم ۹۰ درصدتون نمی‌دونید مثلا SIFT چیه. در نتیجه این تکامل طبیعت زندگیه.

- نکته بعدی این که البته هنوز هم هستند نیازهایی که با LLM‌ها رفع نشن. یا حالا مساله طوری که LLM روش به طور کامل سوار نشه یا مثلا فرض کنید داده‌های جوری حساسند که نمی‌شه سمت api call براشون رفت. ولی خب این جاها معدودند و فرصت کاری هم براشون کمتره.

- نکته آخری که تو چند تا کامنت دیده بودم این بود که خیلی‌ها از این ابراز ناله کرده بودند که LLM‌ها چون ساده هستند افراد غیر تکنیکال هوشی هم می‌فهمنشون و در عین حال ازش انتظار معجزه و جادو دارند و همین خیلی جاها باعث شده تا انتظارات از نیروهای دیتاساینتیست/هوشی بالا بره و نهایتا با همون افراد غیرهوشی جایگزین بشن.

لینک ردیت:
https://www.reddit.com/r/MachineLearning/comments/1h7jg87/dstuck_in_ai_hell_what_to_do_in_post_llm_world/

-

واتساپ و ویندوز مثل همن، پر کاربر و دوست داشتنی


🐧 @Linuxor ~ fun

زودتر از این ها منتظر بودیم آقای JetBrains
یه ۶ ماهی میشه که برای Rust هم IDE منتشر کردن به اسم RustRover و من تازه با خبر شدم.

خوبیش اینه یه پلن رایگان non-commercial use هم داره

https://jetbrains.com/rust/

با احترام برای نظر همه دوستان، تجربه ای که محصولات JetBrains میده برای توسعه یه چیز دیگه ست.

@gocasts

🔶 نرم افزار یادداشت برداری Notes برای لینوکس

نرم افزار Notes ساده و سبک برای یادداشت برداری است که برای لینوکس توسعه یافته است و نسخه پولی آن مدیریت وظایف است.
اما به دلیل پشتیبانی نکردن نمایش کدها مناسب برنامه نویسان نیست

امکانات نظیر:

- تعریف وظایف (نسخه پولی)
- ذخیره فایل با پسوند .md و .txt
- دارک مد
- اجرای خودکار و تنظیمات آن
- رابط کاربری ساده و زیبا

گیت هاب :

https://github.com/nuttyartist/notes

#لینوکس

@TheRaymondDev

Humans are allergic to change. They love to say, "We've always done it this way." I try to fight that. That's why I have a clock on my wall that runs counter-clockwise.

— Grace Hopper

#quote
@amiria703_channel

💠پلاگین دات‌نت برای ویم💠

پلاگینی برای کار با خط‌فرمان دات‌نت از داخل ویم نوشتم که روی گیت‌هاب بارگذاری شده.
با استفاده از این پلاگین می‌تونین برخی از دستورات پرکاربرد dotnet رو از داخل ویم اجرا کنید.
هنوز تمام قابلیت‌های دات‌نت رو ساپورت نمی‌کنه، اگه دات‌نت کار می‌کنید می‌تونین به پروژه کمک کنید.

همچنین برای خلاصی از ویژوآل استودیو می‌تونین از ‌Omnisharp یا csharp-ls در کنار ویم استفاده کنید که هردوشون خیلی خوب هستن.

طبعا اگه از WinForms و Designer ویژوآل استودیو استفاده دارید کاری نمیشه براش کرد، ولی برای کد زدن کافیه.

بعدها یه راهنمای کامل برای تنظیم ویم برای سی‌شارپ می‌نویسم.

🔹لینک پلاگین:
👉🔗 Dotnet-Vim

#vim #dotnet #csharp
#ویم #سی_شارپ

استارلینک در موبایل ایرانی
کار می افته یا نه!؟

این گوشی های هوشمند خیلی تصورات درست و غلط در مورد تکنولوژی رو هم بین مردم عادی رواج میدن.
از جمله اینکه قبلاً توضیح دادم چطور ممکنه کلیک لس یا بدون انتخاب و فقط با جواب دادن یک تماس تلفنی هک بشیم!

اما حالا سؤال روز اینه:
به اینترنت ماهواره وصل میشیم؟
جواب کوتاه: خیر !

توضیح کامل هم اینه که در واقع ساز و کار این ارتباط برای محاسبه‌ی هزینه های اتصال و البته مجوزهای مشروع در کشورها که افسار این تکنولوژی رو بتونه حتا در دست سازندگان و گردانندگانش نگه داره، در واقع فقط
با سیم‌کارت اتفاق می افته!
خوب معلومه که وقتی هم سیم‌کارت در اختیار تام و تمام مخابرات های کشورهاست پس تا اون سازمان ها چنین اختیاری رو ندن، سیمکارتی نمیتونه ارسال و دریافت داده رو از فضا باز کنه!
مثل جی‌پی‌اس هم نیست که فارغ از سیم‌کارت یک بُرد مجزا در کار باشه براش. مگر اینکه ایلان ماسک شروع کنه به ساخت و فروش گوشی های اختصاصی با رسیورهای مخصوص استارلینک! که خوب در اون صورت احتمالاً مجوز رجیستری و استفاده‌ی داخلی به این کالای ممنوعه و قاچاق رو هم نمی‌دن یا انواع پارازیت رو برای دفعش منتشر می کنن.
این موضوع البته به شدت تحت تأثیر جریانات جوی و لایه بندی های طبیعی و حرارتی جو در روز هم خواهد بود که به طور طبیعی مانع از عملکرد دقیق ارتباط ماهواره ای خواهد بود. و البته زیر سقف خونه هم کار نخواهد کرد!

https://t.iss.one/codinginaday/542

چرا توی گو starvation اتفاق نمی‌افته؟

1️⃣ زمان‌بندی پیش‌گیرانه (Preemptive Scheduling):
تو Go، اگه یه گوروتین مدت زیادی پردازنده رو اشغال کنه (مثلاً تو یه حلقه سنگین گیر کرده باشه)، scheduler به طور خودکار وارد عمل می‌شه و به اون گوروتین می‌گه: "فعلاً کافیه، بقیه هم باید اجرا بشن!" این‌جوری بقیه گوروتین‌ها تا ابد منتظر نمی‌مونن.

2️⃣ مدل دزدیدن کار (Work-Stealing):
تو Go، هر پردازنده مجازی مسئول اجرای یه سری گوروتینه. حالا اگه یه پردازنده بیکار بشه، می‌ره سراغ بقیه پردازنده‌ها و گوروتین‌های تو صف اونا رو می‌دزده😄

حس میکنم زیاد از پستای این سبکی خوشتون نمیاد

چیت شیت داکر (نهنگ آبی) برای مبتدی ها

https://dev.to/keshav___dev/docker-cheat-sheet-for-beginners-18mo


🐧 @Linuxor

همه دارن در مورد الگوریتم های وایرال شدن توی اینستا میگن بجز ما کامپیوتریا کل درس دانشگامون الگوریتم بوده


🐧 @Linuxor

دارم دوره ی هدف گذاری متمم رو گوش میکنم نکات جالبی گفته و میخوام این نکات رو بذارم کنار مقاله ی How I Make Learning New Things Feel Easy and Avoid Burnout و حاصلش بشه این پست :)

خیلی خلاصه بخوام بگم، دو مدل هدف داریم: عملکردی و یادگیری. هدف عملکردی یعنی فقط به نتیجه کار نگاه می‌کنی. مثلاً می‌گی میخوام برنامه‌نویس بشم، پس باید کلی دوره ببینم. اما اگه هیچی نسازی، آخرش چی؟ دلسرد می‌شی دیگه!هدف یادگیری اما فرق داره. اینجا مهم نیست چقدر دوره دیدی، مهم اینه که چقدر یاد گرفتی و پیشرفت کردی. مثلاً با یه زبان برنامه‌نویسی جدید، بجای نشستن پای فیلم آموزشی، خودت کد بنویس، اشتباه کن، از بقیه بپرس. اینجوری خیلی بیشتر حال می‌کنی و آخرشم نتیجه بهتری می‌گیری. این بحث خیلی گسترده تره و میشه باز ترش کرد و براش کلی مثال زد ولی فعلا بریم سراغ ادامه پست که تمرکزمون روی یادگیری هست.

اینو احتمالا شنیدی که میگن برای حرفه ای شدن تو هر کاری باید ده هزار ساعت تمرین کنی. این حرف از کتاب «Outliers» اومده، اما بر اساس یه برداشت اشتباه هست. طبق تحقیقات آندرس کی. اریکسون که این ادعا رو رد میکنه و میگه که این عدد جادویی نیست. بعضی ها خیلی کمتر تمرین میکنن و بازم خیلی خوب میشن.در نتیجه، هیچ عدد جادویی برای ساعت تمرین وجود نداره. عوامل بیشتری دخیلن.

مهندسان، توسعه‌دهندگان، تحلیلگرها، دانشجوها. این نقش‌ها نیازمند مهارت‌هایی در موضوعات پیچیده زیادی هستن. اما با این همه چیز برای یادگیری و کمبود وقت، ممکنه احساس غرق شدن کنی.

خوشبختانه، یادگیری یه مهارت پیچیده، زمان کمتری از اون چیزی که فکر می‌کنی می‌گیره.

جاش کافمن میگه:

"تحقیقات نشون داده که چند ساعت اول یادگیری یه مهارت خاص، هم موثرترین و هم کارآمدترین زمان هست.
شما می‌تونید از صفر مطلق، خیلی سریع‌تر از چیزی که فکر می‌کنید، به سطح قابل قبولی از مهارت برسید.
[بر اساس تحقیقات من] حدود ۲۰ ساعت تمرین هدفمند کافیه."

دقت کن که کلمه "هدفمند" رو استفاده کرده. این همون کلمه‌ای هست که اریکسون تو مقاله تحقیقاتیش استفاده کرده. یعنی باید فعالانه درگیر یادگیریت باشی. ۲۰ ساعت تماشای آموزش‌های یوتیوب کافی نیست.

اما چطوری:

1. یادگیری رو تبدیل به عادت روزانه کن
20 ساعت، فقط 40 دقیقه در روز به مدت یک ماهه.
نیازی نیست که تمام وقتت رو پشت میز بنشینی و از وقت با ارزش با خانواده و دوستانت دور بمانی. این فقط منجر به خستگی ذهنی میشه.یک زمان مشخص در روز انتخاب کن و اون زمان رو سرسختانه محافظت کن. نذار هیچ چیز دیگه حواست رو تو اون مدت زمان مشخص پرت کنه.

2. کوچک و مشخص شروع کن
وقتی سعی می‌کنیم چیزی جدید یاد بگیریم، اغلب بیش از حد از عهده‌مون برمی‌داریم. با چیزی مشخص، ملموس و قابل دسترس شروع کن.

برای مثال، خواستن درک کامل یادگیری ماشین به عنوان یک مبتدی ممکنه به دلیل دامنه گسترده ریاضیات، مفاهیم و کدنویسی درگیر، طاقت‌فرسا به نظر برسه برای شروع کوچک، روی درک تفاوت‌های بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق تمرکز کن.بعد می‌تونی مفاهیم سطح بالای مثل داده، آموزش مدل و ارزیابی رو یاد بگیری. ایده اینه که لقمه‌های کوچک برداری تا زود استرس نگیری یا گیج نشی.

3. مهارت رو تجزیه کن
یک مهارت معمولاً مجموعه ای از مهارت های کوچکتره که برای تشکیل اون مهارت ترکیب می کنیم.

برای مثال، یک مهندس کلود باید بدونه چطوری زیرساخت رو از طریق کد مستقر کنه. این مهارت نیازمند زیرمهارت هایی مثل درک دستورات ترمینال و پلتفرم های ابریه. با درکش شروع کنید و بعد مهارت رو به اجزای اصلی کوچکتر تقسیم کنید. الان باید روی چی تمرکز کنی و چی میتونه برای بعد باشه؟ اولین توجه خودتون رو به چیزی که بیشترین نتیجه رو خواهد داشت بدید.

4. به اندازه کافی یاد بگیر تا بتونی خودت رو تصحیح کنی
توانایی تصحیح اشتباهات نیازمند درک تفاوت بین خوب و بده.

این نیازمند تحقیقه. اما نمی‌خوای زمان زیادی رو تو این مرحله صرف کنی چون ممکنه شروع کنی به تعلل. فقط به اندازه کافی تحقیق کن تا زمینه کافی برای درک درست از غلط بدست بیاری تا بتونی خودت رو تصحیح کنی. اگه می‌خواستی یه آهنگ رو با گیتار بزنی، آکوردهای اون آهنگ رو یاد می‌گرفتی و از روی نت می‌خوندی. اگه آکورد غلط بزنی، متوجه می‌شی که چیزی درست صدا نمی‌ده و سعی می‌کنی خودت رو تصحیح کنی. می‌تونیم همین منطق رو به هر چیزی که می‌خوایم یاد بگیریم، اعمال کنیم.

5. حواس‌پرتی‌ها رو حذف کن
آخرین مورد اما نه کم‌اهمیت‌ترین، حذف همه حواس‌پرتی‌هاست.

اگر 40 دقیقه در روز رو به مطالعه اختصاص می‌دی، اما 10 دقیقه اولش رو صرف اسکرول کردن در شبکه‌های اجتماعی روی گوشیت می‌کنی، رسیدن به هدفت بیشتر طول می‌کشه. سخت‌تر احساس میشه و به هدفت نمی‌رسی.هر کاری که از دستت برمیاد انجام بده تا بتونی تمرکزت رو حفظ کنی.

—-
مثل همیشه کنجکاو بمونید :)

🆔 @MdDaily

جا داره چنتا نکته ی دیگه به این پست اضافه کنم. توی بحث هدف گذاری ای که مببتی بر اعداد و خروجی باشه مواظب باشید از یه جایی به بعد صرفا به خاطر اینکه به اون عدده برسید اون کار را انجام ندید مگر نه به احتمال زیاد یادگیری به پایین ترین حد خودش میرسه. مثلا اپ دولینگو، از یه جایی به بعد واردش نمی شید که یادگیریتون رو کامل کنید واردش میشید چون امتیازتون کم نشه.

میبینم هرجا صحبت از هدف گذاری میشه سریع میرن سراغ هدف گذاری SMART که آره اقا هدف باید قابل اندازه گیری باشه و مشخص و انقدری که یه سری از دوستان روی این نوع هدف گذاری تعصب دارن خود کسی که این ایده رو داده تعصب نداره و دست شما را باز گذاشته :)‌

این نوع هدف گذاری هایی که مثل SMART هستند بیشتر مناسب کسبوکار هستند تا زندگی شخصی همینکه شما تصمیم بگیرید فقط برید تو یه موضوعی تحقیق و گشتو گذار کنید صرفا برای اینکه ببنید نظرتون نسبت بهش چیه یه نوع ای از هدف گذاریه

مورد بعدی اینکه یه جایی از پست گفتم:

4. به اندازه کافی یاد بگیر تا بتونی خودت رو تصحیح کنی
توانایی تصحیح اشتباهات نیازمند درک تفاوت بین خوب و بده.

ا

جا داره چنتا نکته ی دیگه به این پست اضافه کنم. توی بحث هدف گذاری ای که مببتی بر اعداد و خروجی باشه مواظب باشید از یه جایی به بعد صرفا به خاطر اینکه به اون عدده برسید اون کار را انجام ندید مگر نه به احتمال زیاد یادگیری به پایین ترین حد خودش میرسه. مثلا اپ دولینگو، از یه جایی به بعد واردش نمی شید که یادگیریتون رو کامل کنید واردش میشید چون امتیازتون کم نشه.

میبینم هرجا صحبت از هدف گذاری میشه سریع میرن سراغ هدف گذاری SMART که آره اقا هدف باید قابل اندازه گیری باشه و مشخص و انقدری که یه سری از دوستان روی این نوع هدف گذاری تعصب دارن خود کسی که این ایده رو داده تعصب نداره و دست شما را باز گذاشته :)‌

این نوع هدف گذاری هایی که مثل SMART هستند بیشتر مناسب کسبوکار هستند تا زندگی شخصی همینکه شما تصمیم بگیرید فقط برید تو یه موضوعی تحقیق و گشتو گذار کنید صرفا برای اینکه ببنید نظرتون نسبت بهش چیه یه نوع ای از هدف گذاریه

مورد بعدی اینکه یه جایی از پست گفتم:

4. به اندازه کافی یاد بگیر تا بتونی خودت رو تصحیح کنی
توانایی تصحیح اشتباهات نیازمند درک تفاوت بین خوب و بده.

این مورد راجب هوش مصنوعی یا استفاده از کد های آماده هم صدق میکنه. مثلا خیلی ها معتقدن که از هوش مصنوعی نباید استفاده کرد چون شما را تنبل یا یادگیریتون رو کم میکنه. اگه بخوایم یه خط کش بذاریم و بگیم هرکی کجای خط کش وایساده باشه با هوش مصنوعی نه تنها یادگیریش کم نمیشه تازه هم میتونه چیزای جدید یادبگیره همینجایی که شما بتونید خروجی LLM ها را تحلیل کنید. به قول یه دوستی کدش که تو گیت هاب هست ما چه قدر الگوریتم و ساختار بلدیم و درک از کد داریم.

🆔 @MdDaily

🔶 ویژگی حذف جدول در هنگام حذف افزونه که دیتابیس وردپرس رو شلوغ نکند رو اضافه کردیم.

https://github.com/Rayiumir/contact-form-wordpress

برای حمایت از ما توی گیت هاب ⭐️ دهید.

#وردپرس

@TheRaymondDev

🔵 عنوان مقاله
🔊 go-taglib: Read/Write Audio Metadata Tags

🟢 خلاصه مقاله:
مقاله‌ای که مورد بررسی قرار گرفته، به توضیح فرآیند خواندن و نوشتن برچسب‌های متادیتا برای فایل‌های صوتی مانند MP3، FLAC و OGG می‌پردازد. این فرایند با استفاده از Taglib که یک کتابخانه C++ است، انجام می‌شود و به صورت یک نسخه WASM در این سیستم گنجانده شده است تا از پایداری و حمل‌پذیری بالاتری برخوردار باشد. مهمترین ویژگی این سیستم این است که به هیچ وابستگی‌های زمان اجرای خارجی نیاز ندارد. همچنین، این کتابخانه از برچسب‌های با ارزش‌های متعدد پشتیبانی می‌کند. مقاله بر لزوم استفاده از این فرایندها برای بهینه‌سازی مدیریت فایل‌های صوتی و دسترسی آسان‌تر به اطلاعات مرتبط با آن‌ها تأکید می‌کند. Taglib تحت مجوز LGPL منتشر شده است که به معنای امکان استفاده، تغییر و پخش مجدد آن در پروژه‌های نرم‌افزاری است.

🟣لینک مقاله:
https://golangweekly.com/link/162931/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy