Forwarded from Md Daily (Mahan)
داشتم مقاله It’s Not A.I. — Junior Developers Have Always Struggled to Code از Walter G. رو میخوندم و دیدگاه خیلی جالبی داشت به هوش مصنوعی. توی مقاله میگه :
این هوش مصنوعی نیست — دولوپرهای تازهکار همیشه با کد زدن مشکل داشتن
اخیراً هوش مصنوعی رو مقصر کدنویسی بد تازهکارها میدونن، ولی این آدم با ۲۰ سال تجربه میگه تازهکارها همیشه مشکل داشتن.
دهههاست جونیورها به استک اورفلو، آموزش آنلاین و سنیورها تکیه کردن. ابزارهای هوش مصنوعی مثل کوپایلوت، جای یادگیری عمیق رو نمیگیرن — فقط دارن چیزی رو که همیشه بخشی از فرآیند یادگیری بوده، سادهتر میکنن.
قبل از دوران هوش مصنوعی
قبل استک اورفلو، کتابای سنگین، یادداشتای ناقص و انجمنایی داشتیم که جواب گرفتن روزها طول میکشید. سال ۲۰۰۳، این روش کار بود. و بیشتر اوقات، کار راه میوفتاده. قرار نبود یه شبه بشیم برنامهنویس شماره یک دنیا، ولی قرار بود دربارهٔ الگوریتمها، ساختمانهای داده، سیستمهای عامل و یه کم هم SQL یاد بگیریم.
بعد استک اورفلو اومد — و حدس بزنید چی شد؟ همون انتقادهایی که الان به ابزارهای هوش مصنوعی میشه، به اون هم شد. میگفتن دولوپرها تنبل میشن. دانشگاهها ممنوعش کردن. مردم میگفتن مهندسها بدتر میشن، چون مجبور نیستن برای پیدا کردن جوابها اینقدر تقلا کنن.
آیا تقلا کردنِ اجباری دولوپرهای بهتری میسازه؟
شاید. سخته بگیم.
ولی نویسنده میگه — حتی با اون همه یادگیری "خالص"، من یه دولوپر افتضاح بودم و هیچکس تعجب نکرد یا ناراحت نشد. چون یادگیری همینجوریه.در محیط کار، استک اورفلو بسیار مفید بوده و نیاز به جستجو در انجمنهای قدیمی را از بین برده.
معمولاً شرکتها پروژههای ۲۰ میلیونی رو به تازهکار نمیدن.
آیا خوندن روزانهٔ استک اورفلو دولوپر بهتریش یا بدتر کرد؟. شاید جواب هر دو باشه.
ولی واقعیت اینه که جوابا معمولاً تا وقتی کار کنن، کپیپیست میشن. اکثر دولوپرها هم همین کار رو میکردن.
هدف در نهایت تسلط به یه زبان برنامهنویسی نبود. هدف این بود که لیست کارهای هفتگی رو تیک بزنن و امیدوار باشن که به اندازهٔ کافی خوب کار کردن.
نقش سنیور ها
نویسنده میگه پنج سال اول کارم، خیلی به سنیورها تکیه میکردم. نه فقط به خاطر اینکه بهتر از من کد میزدن — که قطعاً میزدن — بلکه چون این فقط یه بخش از قضیه بود.
اونا تجربه داشتن. با کد کارهایی کرده بودن که من نه توی دانشگاه ازم خواسته بودن و نه توی هیچ آموزشی. و وقتی نوبت کار واقعی میرسید، این چیزی بود که کم داشتم.
هنوز اولین باری رو یادمه که مجبور شدم از راه دور به یه سرور لینوکس لاگین کنم تا یه سری پارامترهای شبکهٔ مبهم رو برای مهاجرتِ یه وبسایت تنظیم کنم.
دو سال از شروع کارم میگذشت. من اصلاً تا حالا از راه دور به هیچی لاگین نکرده بودم. مخففهایی که مدیرم به کار میبرد، انگار یه زبان باستانی بودن. و تنها جواب من این بود: "اوکی، حله!".
خوشبختانه، یه سنیور کنارم بود. وقتی دید دو ساعته دارم توی صندلیم عرق میریزم، قدم به قدم کل فرآیند رو بهم نشون داد.
و این الگو بارها توی سالهای اول کارم تکرار شد.
در مواقع ضروری، سنیور با سرعت و توضیح کار رو انجام میداد.
خلاصه اینکه، چه از استک اورفلو استفاده کنید، چه از چتجیپیتی، کوپایلوت یا یه پست انجمن از سال ۲۰۰۱، همهشون یه چیزن. یه ابزارن برای کمک به شما که یه کاری رو انجام بدید.
یادگیری و تجربه واقعی از تکرار و راهنمایی کسی میآید که کار را انجام داده و راه رو بهتون نشون میده.
آیا هوش مصنوعی بیشتر ضرر میزنه یا کمک میکنه؟
جواب این سوال کاملاً بستگی به دولوپری داره که ازش استفاده میکنه و هدفش چیه.
همهٔ دولوپرها نمیخوان همهٔ الگوریتمهای جستجو، ساختمانهای داده یا رمزنگاریها رو حفظ کنن. خیلیها فقط میخوان چیزهای باحال بسازن، تا جایی که میتونن، و در عین حال حقوق بگیرن.
و این هم مشکلی نداره.
واقعیت اینه که هوش مصنوعی دولوپرهای بد رو بدتر نمیکنه — فقط شکافهایی رو نشون میده که همیشه وجود داشتن. یه دولوپر خوب از هوش مصنوعی به عنوان ابزاری برای تسریع یادگیری، خودکارسازی کارهای خستهکننده و بهبود کارایی استفاده میکنه. یه دولوپر بد، کورکورانه کپی و پیست میکنه، همونطور که همیشه میکرد، چه از هوش مصنوعی باشه چه از استک اورفلو.
فرق بین این دو تا چیه؟ تجربه. کنجکاوی. تمایل به یادگیری.
هوش مصنوعی جای تجربهٔ دنیای واقعی رو نمیگیره. به شما یاد نمیده که چرا یه چیزی کار میکنه یا شما رو از یه کابوس دیباگ کردنِ ساعت ۲ صبح نجات نمیده. و قطعاً جای مهندس ارشدِ کنار دستتون رو نمیگیره که بهتون نشون میده کارها واقعاً چطوری انجام میشن.
پس آیا هوش مصنوعی ضرر میزنه یا کمک میکنه؟
این به ابزار بستگی نداره. این به دولوپر بستگی داره پس مثل همیشه کنجکاو بمونید :)
🆔 @MdDaily
این هوش مصنوعی نیست — دولوپرهای تازهکار همیشه با کد زدن مشکل داشتن
اخیراً هوش مصنوعی رو مقصر کدنویسی بد تازهکارها میدونن، ولی این آدم با ۲۰ سال تجربه میگه تازهکارها همیشه مشکل داشتن.
دهههاست جونیورها به استک اورفلو، آموزش آنلاین و سنیورها تکیه کردن. ابزارهای هوش مصنوعی مثل کوپایلوت، جای یادگیری عمیق رو نمیگیرن — فقط دارن چیزی رو که همیشه بخشی از فرآیند یادگیری بوده، سادهتر میکنن.
قبل از دوران هوش مصنوعی
قبل استک اورفلو، کتابای سنگین، یادداشتای ناقص و انجمنایی داشتیم که جواب گرفتن روزها طول میکشید. سال ۲۰۰۳، این روش کار بود. و بیشتر اوقات، کار راه میوفتاده. قرار نبود یه شبه بشیم برنامهنویس شماره یک دنیا، ولی قرار بود دربارهٔ الگوریتمها، ساختمانهای داده، سیستمهای عامل و یه کم هم SQL یاد بگیریم.
بعد استک اورفلو اومد — و حدس بزنید چی شد؟ همون انتقادهایی که الان به ابزارهای هوش مصنوعی میشه، به اون هم شد. میگفتن دولوپرها تنبل میشن. دانشگاهها ممنوعش کردن. مردم میگفتن مهندسها بدتر میشن، چون مجبور نیستن برای پیدا کردن جوابها اینقدر تقلا کنن.
آیا تقلا کردنِ اجباری دولوپرهای بهتری میسازه؟
شاید. سخته بگیم.
ولی نویسنده میگه — حتی با اون همه یادگیری "خالص"، من یه دولوپر افتضاح بودم و هیچکس تعجب نکرد یا ناراحت نشد. چون یادگیری همینجوریه.در محیط کار، استک اورفلو بسیار مفید بوده و نیاز به جستجو در انجمنهای قدیمی را از بین برده.
معمولاً شرکتها پروژههای ۲۰ میلیونی رو به تازهکار نمیدن.
آیا خوندن روزانهٔ استک اورفلو دولوپر بهتریش یا بدتر کرد؟. شاید جواب هر دو باشه.
ولی واقعیت اینه که جوابا معمولاً تا وقتی کار کنن، کپیپیست میشن. اکثر دولوپرها هم همین کار رو میکردن.
هدف در نهایت تسلط به یه زبان برنامهنویسی نبود. هدف این بود که لیست کارهای هفتگی رو تیک بزنن و امیدوار باشن که به اندازهٔ کافی خوب کار کردن.
نقش سنیور ها
نویسنده میگه پنج سال اول کارم، خیلی به سنیورها تکیه میکردم. نه فقط به خاطر اینکه بهتر از من کد میزدن — که قطعاً میزدن — بلکه چون این فقط یه بخش از قضیه بود.
اونا تجربه داشتن. با کد کارهایی کرده بودن که من نه توی دانشگاه ازم خواسته بودن و نه توی هیچ آموزشی. و وقتی نوبت کار واقعی میرسید، این چیزی بود که کم داشتم.
هنوز اولین باری رو یادمه که مجبور شدم از راه دور به یه سرور لینوکس لاگین کنم تا یه سری پارامترهای شبکهٔ مبهم رو برای مهاجرتِ یه وبسایت تنظیم کنم.
دو سال از شروع کارم میگذشت. من اصلاً تا حالا از راه دور به هیچی لاگین نکرده بودم. مخففهایی که مدیرم به کار میبرد، انگار یه زبان باستانی بودن. و تنها جواب من این بود: "اوکی، حله!".
خوشبختانه، یه سنیور کنارم بود. وقتی دید دو ساعته دارم توی صندلیم عرق میریزم، قدم به قدم کل فرآیند رو بهم نشون داد.
و این الگو بارها توی سالهای اول کارم تکرار شد.
در مواقع ضروری، سنیور با سرعت و توضیح کار رو انجام میداد.
خلاصه اینکه، چه از استک اورفلو استفاده کنید، چه از چتجیپیتی، کوپایلوت یا یه پست انجمن از سال ۲۰۰۱، همهشون یه چیزن. یه ابزارن برای کمک به شما که یه کاری رو انجام بدید.
یادگیری و تجربه واقعی از تکرار و راهنمایی کسی میآید که کار را انجام داده و راه رو بهتون نشون میده.
آیا هوش مصنوعی بیشتر ضرر میزنه یا کمک میکنه؟
جواب این سوال کاملاً بستگی به دولوپری داره که ازش استفاده میکنه و هدفش چیه.
همهٔ دولوپرها نمیخوان همهٔ الگوریتمهای جستجو، ساختمانهای داده یا رمزنگاریها رو حفظ کنن. خیلیها فقط میخوان چیزهای باحال بسازن، تا جایی که میتونن، و در عین حال حقوق بگیرن.
و این هم مشکلی نداره.
واقعیت اینه که هوش مصنوعی دولوپرهای بد رو بدتر نمیکنه — فقط شکافهایی رو نشون میده که همیشه وجود داشتن. یه دولوپر خوب از هوش مصنوعی به عنوان ابزاری برای تسریع یادگیری، خودکارسازی کارهای خستهکننده و بهبود کارایی استفاده میکنه. یه دولوپر بد، کورکورانه کپی و پیست میکنه، همونطور که همیشه میکرد، چه از هوش مصنوعی باشه چه از استک اورفلو.
فرق بین این دو تا چیه؟ تجربه. کنجکاوی. تمایل به یادگیری.
هوش مصنوعی جای تجربهٔ دنیای واقعی رو نمیگیره. به شما یاد نمیده که چرا یه چیزی کار میکنه یا شما رو از یه کابوس دیباگ کردنِ ساعت ۲ صبح نجات نمیده. و قطعاً جای مهندس ارشدِ کنار دستتون رو نمیگیره که بهتون نشون میده کارها واقعاً چطوری انجام میشن.
پس آیا هوش مصنوعی ضرر میزنه یا کمک میکنه؟
این به ابزار بستگی نداره. این به دولوپر بستگی داره پس مثل همیشه کنجکاو بمونید :)
🆔 @MdDaily
Forwarded from Geek Alerts
This media is not supported in your browser
VIEW IN TELEGRAM
خب، Convergence ویژگی Deep Work رو معرفی کرد، میاد با چند تا عامل هوش مصنوعی (AI agent) کار میکنه تا کارهای چند مرحلهای رو انجام بده. یعنی هر بخشی از کاری که بهش میسپاری رو به یک agent میده و به خاطر همین فرایندهای پیچیدهای که چتباتهای معمولی مثل ChatGPT نمیتونن انجام بدن رو از پسشون بر میاد.
این قابلیت Operator و Deep Research رو توی یه ابزار ترکیب کرده، اعلام کردن که این ویژگی فقط برای کاربران Pro هست که هزینه اشتراک اون ۲۰ دلار میشه.
🔗 proxy.convergence.ai
🤓 @geekalerts
این قابلیت Operator و Deep Research رو توی یه ابزار ترکیب کرده، اعلام کردن که این ویژگی فقط برای کاربران Pro هست که هزینه اشتراک اون ۲۰ دلار میشه.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from LearnPOV | لرن پی او وی (Mohammad hossein)
Forwarded from DevTwitter | توییت برنامه نویسی
امروز فهمیدم تو شرکتمون برای کارای web development از سایت bolt.new استفاده میکنن. گفتن اینجوری فقط پول توکن AI رو میدیم و هزینه تموم شده کمتر از نصف هزینه یک دوولوپر تو هند برامون در میاد!
@DevTwitter | <Nima/>
@DevTwitter | <Nima/>
Forwarded from Syntax | سینتکس (nasrin)
معرفی ابزار امنیتی Lynis
ا🔒 Lynis چیست؟
ا- Lynis یک ابزار امنیتی قدرتمند برای بررسی امنیت سیستمهای مبتنی بر Linux، macOS یا Unix است. این ابزار با انجام یک اسکن گسترده، به تقویت امنیت سیستم و تستهای تطابق با استانداردها کمک میکند. Lynis یک پروژه متنباز است.
🎯 اهداف Lynis:
این ابزار به دلیل انعطافپذیری بالا، برای اهداف مختلفی استفاده میشود، از جمله:
- بررسی امنیتی (Security Auditing)
- تست تطابق با استانداردها (مانند PCI، HIPAA، SOx)
- تست نفوذ (Penetration Testing)
- شناسایی آسیبپذیریها
- تقویت امنیت سیستم (System Hardening)
👥 کاربران Lynis:
- توسعهدهندگان: برای تست ایمیج های Docker یا بهبود امنیت اپلیکیشنهای وب.
- مدیران سیستم: اسکن برای شناسایی نقاط ضعف جدید.
- تسترهای نفوذ: شناسایی نقاط ضعف امنیتی در سیستمهای مشتریان.
📂 سیستمعاملهای پشتیبانیشده:
- Linux
- macOS
- FreeBSD
- OpenBSD
- Solaris
- و حتی دستگاههایی مثل IoT.
⚙️ نحوه کار Lynis:
ا- Lynis بهصورت ماژولار و بر اساس اجزای موجود در سیستم شما عمل میکند. این یعنی:
- هیچ نیازی به نصب ابزارهای دیگر نیست.
- هرچه اجزای بیشتری شناسایی کند، اسکن دقیقتر خواهد بود.
- اسکن بهطور خاص برای هر سیستم سفارشیسازی میشود.
📋 مراحل اسکن Lynis:
1. آغاز اسکن
2. بررسی مالکیت فایلها
3. شناسایی سیستمعامل و ابزارها
4. جستجوی اجزای نرمافزاری موجود
5. اجرای تستهای امنیتی
6. ارائه گزارش وضعیت امنیتی
🔎 نتیجه: گزارشهای فنی در فایلهای گزارش (مانند
🎛 قابلیت سفارشیسازی:
- امکان غیرفعال کردن تستهای سختگیرانه.
- اجرای تستهای اختصاصی کاربر با هر زبان اسکریپتی.
📦 نصب Lynis:
Lynis سبک و آسان برای استفاده است. روش نصب از طریق گیتهاب:
- کلون از GitHub
git clone https://github.com/CISOfy/lynis
- استفاده از فایل tarball و اجرای دستور
lynis/lynis audit system -Q
🛡 امنیت سیستم شما با Lynis تضمین میشود!
#lynis
@syntax_fa
ا🔒 Lynis چیست؟
ا- Lynis یک ابزار امنیتی قدرتمند برای بررسی امنیت سیستمهای مبتنی بر Linux، macOS یا Unix است. این ابزار با انجام یک اسکن گسترده، به تقویت امنیت سیستم و تستهای تطابق با استانداردها کمک میکند. Lynis یک پروژه متنباز است.
🎯 اهداف Lynis:
این ابزار به دلیل انعطافپذیری بالا، برای اهداف مختلفی استفاده میشود، از جمله:
- بررسی امنیتی (Security Auditing)
- تست تطابق با استانداردها (مانند PCI، HIPAA، SOx)
- تست نفوذ (Penetration Testing)
- شناسایی آسیبپذیریها
- تقویت امنیت سیستم (System Hardening)
👥 کاربران Lynis:
- توسعهدهندگان: برای تست ایمیج های Docker یا بهبود امنیت اپلیکیشنهای وب.
- مدیران سیستم: اسکن برای شناسایی نقاط ضعف جدید.
- تسترهای نفوذ: شناسایی نقاط ضعف امنیتی در سیستمهای مشتریان.
📂 سیستمعاملهای پشتیبانیشده:
- Linux
- macOS
- FreeBSD
- OpenBSD
- Solaris
- و حتی دستگاههایی مثل IoT.
⚙️ نحوه کار Lynis:
ا- Lynis بهصورت ماژولار و بر اساس اجزای موجود در سیستم شما عمل میکند. این یعنی:
- هیچ نیازی به نصب ابزارهای دیگر نیست.
- هرچه اجزای بیشتری شناسایی کند، اسکن دقیقتر خواهد بود.
- اسکن بهطور خاص برای هر سیستم سفارشیسازی میشود.
📋 مراحل اسکن Lynis:
1. آغاز اسکن
2. بررسی مالکیت فایلها
3. شناسایی سیستمعامل و ابزارها
4. جستجوی اجزای نرمافزاری موجود
5. اجرای تستهای امنیتی
6. ارائه گزارش وضعیت امنیتی
🔎 نتیجه: گزارشهای فنی در فایلهای گزارش (مانند
lynis.log و lynis-report.dat) ذخیره میشوند. 🎛 قابلیت سفارشیسازی:
- امکان غیرفعال کردن تستهای سختگیرانه.
- اجرای تستهای اختصاصی کاربر با هر زبان اسکریپتی.
📦 نصب Lynis:
Lynis سبک و آسان برای استفاده است. روش نصب از طریق گیتهاب:
- کلون از GitHub
git clone https://github.com/CISOfy/lynis
- استفاده از فایل tarball و اجرای دستور
lynis/lynis audit system -Q
🛡 امنیت سیستم شما با Lynis تضمین میشود!
#lynis
@syntax_fa
Forwarded from DevTwitter | توییت برنامه نویسی
به طور متوسط، یک مهندس سنیور نرمافزار ۳ تا ۵ برابر بیشتر از یک جونیور درآمد داره. این فقط به خاطر تجربه بیشتر نیست، بلکه به دلیل ارزش بیشتری هست که به شرکت میاره.
حالا فرض کنید دو مهندس تو یه شرکت کار میکنند:
مهندس A (سختکوش)
- روزی 10 ساعت کار میکنه، باگهارو را درست میکنه و هزاران خط کد مینویسه.
- تمام وظایف محول شده رو بدون فکر کردن به تأثیرشون انجام میده.
- و یه جورایی در چرخهی "کار زیاد، پیشرفت کم" گیر کرده.
مهندس B (موثر)
- قبل از نوشتن حتی یک خط کد، وقت میگذاره تا مشکل اصلی رو بفهمه.
- میتونه یه مشکل بزرگ تو سیستم پیدا کنه و با یک اسکریپت 500 خطی، سالانه ۵۰ تا ۷۰ میلیون تو هزینههای شرکت صرفهجویی کنه.
- ورکفلو رو بهتر میکنه تا سیستم سریعتر، بهینهتر و مقیاسپذیر بشه.
حالا وقتی زمان ترفیع برسه به نظرت شرکت کدوم رو بیشتر میخواد؟
انصاف هست مهندس A که مشغول بوده صرفا و تسکهارو انجام میداده و ارزش و تاثیر کمتری تو شرکت میذاره بیشتر ترفیع بگیره؟ خوب نه (نه اینکه نگیره، اینه که بیشتر یا کمتر بگیره)
پس کار ما مساوی هست با تأثیری که میگذاریم
چند تا نکته در نهایت
- مشکلات را حل کن، نه اینکه فقط کارارو را انجام بده
- قبل از شروع کدنویسی، بپرس: این چرا مهمه؟
- روی مشکلات بزرگ، بهینهسازی و اتومیشن کار کن که ارزش واقعی میسازه.
-فراتر از کدنویسی فکر کن
- یک سنیور نصفش مشکلگشا و نصفش برنامهریزه.
- یک سنیور سیستمها را طراحی میکنه، پیچیدگی رو کم میکنه و تصمیمهای بهتر میگیره، نه فقط کد بزنه.
- بفهم کارت چطور به شرکت کمک میکنه
- یادت باشه یک اسکریپت 200 خطی که پول صرفهجویی کنه، از یک ویژگی 10,000 خطی که کسی استفاده نکنه باارزشتره.
- بهترین مهندسها فقط کد نمینویسن، سیستمها محصولات و کارایی رو بهتر میکنن.
- هدف این نیست که کد بیشتری بنویسی، هدف اینه که ارزش بیشتری بسازی.
پس (در یک شرکت یا تیم سالم) ارزش بیشتری بسازی، پاداش بیشتری میگیری.
@DevTwitter | <Saman/>
حالا فرض کنید دو مهندس تو یه شرکت کار میکنند:
مهندس A (سختکوش)
- روزی 10 ساعت کار میکنه، باگهارو را درست میکنه و هزاران خط کد مینویسه.
- تمام وظایف محول شده رو بدون فکر کردن به تأثیرشون انجام میده.
- و یه جورایی در چرخهی "کار زیاد، پیشرفت کم" گیر کرده.
مهندس B (موثر)
- قبل از نوشتن حتی یک خط کد، وقت میگذاره تا مشکل اصلی رو بفهمه.
- میتونه یه مشکل بزرگ تو سیستم پیدا کنه و با یک اسکریپت 500 خطی، سالانه ۵۰ تا ۷۰ میلیون تو هزینههای شرکت صرفهجویی کنه.
- ورکفلو رو بهتر میکنه تا سیستم سریعتر، بهینهتر و مقیاسپذیر بشه.
حالا وقتی زمان ترفیع برسه به نظرت شرکت کدوم رو بیشتر میخواد؟
انصاف هست مهندس A که مشغول بوده صرفا و تسکهارو انجام میداده و ارزش و تاثیر کمتری تو شرکت میذاره بیشتر ترفیع بگیره؟ خوب نه (نه اینکه نگیره، اینه که بیشتر یا کمتر بگیره)
پس کار ما مساوی هست با تأثیری که میگذاریم
چند تا نکته در نهایت
- مشکلات را حل کن، نه اینکه فقط کارارو را انجام بده
- قبل از شروع کدنویسی، بپرس: این چرا مهمه؟
- روی مشکلات بزرگ، بهینهسازی و اتومیشن کار کن که ارزش واقعی میسازه.
-فراتر از کدنویسی فکر کن
- یک سنیور نصفش مشکلگشا و نصفش برنامهریزه.
- یک سنیور سیستمها را طراحی میکنه، پیچیدگی رو کم میکنه و تصمیمهای بهتر میگیره، نه فقط کد بزنه.
- بفهم کارت چطور به شرکت کمک میکنه
- یادت باشه یک اسکریپت 200 خطی که پول صرفهجویی کنه، از یک ویژگی 10,000 خطی که کسی استفاده نکنه باارزشتره.
- بهترین مهندسها فقط کد نمینویسن، سیستمها محصولات و کارایی رو بهتر میکنن.
- هدف این نیست که کد بیشتری بنویسی، هدف اینه که ارزش بیشتری بسازی.
پس (در یک شرکت یا تیم سالم) ارزش بیشتری بسازی، پاداش بیشتری میگیری.
@DevTwitter | <Saman/>
Forwarded from Linuxor ?
یه راهنمای خوب برای برنامهنویسی شبکه
این کتاب تمام جزئیات شبکه رو با زبان C پوشش میده! با این کتاب میتونید چیزهای زیادی درباره زبان C و شبکهها یاد بگیرید :
https://beej.us/guide/bgnet/html/split/
@Linuxor
این کتاب تمام جزئیات شبکه رو با زبان C پوشش میده! با این کتاب میتونید چیزهای زیادی درباره زبان C و شبکهها یاد بگیرید :
https://beej.us/guide/bgnet/html/split/
@Linuxor
Forwarded from اصفهانی های کامپیوتر شریف
💡 نوشته عمیق پویا مصدق در مورد مفهوم سنیور بودن
بخشی از رزومه و تجارب پویا مصدق:
✅ دانش آموخته سمپاد اصفهان (اژه ای ۱)
✅ ورودی ۹۱ دانشکده کامپیوتر شریف
✅ هم بنیان گذار و مدیر عامل ایده کاوان
راه ارتباطی با ایشون:
https://www.linkedin.com/in/pooyamosaddegh
بخشی از رزومه و تجارب پویا مصدق:
✅ دانش آموخته سمپاد اصفهان (اژه ای ۱)
✅ ورودی ۹۱ دانشکده کامپیوتر شریف
✅ هم بنیان گذار و مدیر عامل ایده کاوان
راه ارتباطی با ایشون:
https://www.linkedin.com/in/pooyamosaddegh
Forwarded from مُتَعَلِّم
سلام.
عزیزانی که بعد از انتشار ویدئوکست پیام دادن و درخواست راهنمایی کردن، عذرخواهی میکنم بابت این که قراره یه مقدار منتظرتون بذارم.
ممکنه برخی از شما عزیزان رو متصل کنم به دوستان دیگهای که اونها هم الحمدلله صاحبنظر هستن.
امیدوارم جواب دادن به هیچکسی بیش از یک هفته طول نکشه.
عزیزانی که بعد از انتشار ویدئوکست پیام دادن و درخواست راهنمایی کردن، عذرخواهی میکنم بابت این که قراره یه مقدار منتظرتون بذارم.
ممکنه برخی از شما عزیزان رو متصل کنم به دوستان دیگهای که اونها هم الحمدلله صاحبنظر هستن.
امیدوارم جواب دادن به هیچکسی بیش از یک هفته طول نکشه.
YouTube
OlyCast Ep07 | مدال المپیاد نگرفت ولی با تلاش الان مسئول المپیاد ایرانه🇮🇷 | icpc مسابقات دانشجویی
قسمت هفتم OlyCast
با امیررضا پوراخوان خودش نتونست مدال المپیاد بگیره ولی آنقدر تو این زمینه تلاش کرد که الان مسئولدوره کمیته ملی المپیاد کامپیوتر هست و خودش یه بچه ها مدال میده :))
داستان زندگی فوقالعاده ای داره...
قطعا انگیزهبخش ترین اپیزود پادکستی…
با امیررضا پوراخوان خودش نتونست مدال المپیاد بگیره ولی آنقدر تو این زمینه تلاش کرد که الان مسئولدوره کمیته ملی المپیاد کامپیوتر هست و خودش یه بچه ها مدال میده :))
داستان زندگی فوقالعاده ای داره...
قطعا انگیزهبخش ترین اپیزود پادکستی…
Forwarded from 🎄 یک برنامه نویس تنبل (The Lazy 🌱 Raymond)
🔶 پکیچ ایجاد متاباکس سفارشی برای لاراول
بالاخره یه پکیچ پرکاربرد برای لاراول نوشتم.
متاباکس یک قابلیت پرکاربرد برای برای دریافت و یا نمایش اطلاعات وردپرس است. تصمیم گرفتیم این قابلیت متاباکس وردپرس را به لاراول بیاوریم. با استفاده از متاباکس لاراول شما می توانید قابلیت مثل فیلد سفارشی برای پست ها تعریف کنید و نیازی نیست جدول فیلد سفارشی در دیتابیس ایجاد کنید.
گیت هاب :
https://github.com/Rayiumir/laravel-metabox
#لاراول
@TheRaymondDev
بالاخره یه پکیچ پرکاربرد برای لاراول نوشتم.
متاباکس یک قابلیت پرکاربرد برای برای دریافت و یا نمایش اطلاعات وردپرس است. تصمیم گرفتیم این قابلیت متاباکس وردپرس را به لاراول بیاوریم. با استفاده از متاباکس لاراول شما می توانید قابلیت مثل فیلد سفارشی برای پست ها تعریف کنید و نیازی نیست جدول فیلد سفارشی در دیتابیس ایجاد کنید.
گیت هاب :
https://github.com/Rayiumir/laravel-metabox
#لاراول
@TheRaymondDev
GitHub
GitHub - LaraPire/laravel-metabox: Easy creation of MetaBox for Laravel
Easy creation of MetaBox for Laravel. Contribute to LaraPire/laravel-metabox development by creating an account on GitHub.
Forwarded from DevTwitter | توییت برنامه نویسی
من تو اخرین ویدیو کانال یوتوبم با چپترلید فرانت شیپور صحبت کردم و حدود دو ساعت نیم درباره خیلی از مسایل از تاثیر هوش مصنوعی تا بازارکار و درامد فرانت با سینا صحبت کردم. اگر براتون جذابه لینکش رو اینجا میزارم.
اگر دوستی یا آشنایی دارید که به فرانت علاقه داره چنل یوتوب ما و مخصوصا این مصاحبه میتونه دید خوبی رو بهش بده.
https://www.youtube.com/watch?v=2LI_34sb7nY&t=2427s
@DevTwitter | <Andishe/>
اگر دوستی یا آشنایی دارید که به فرانت علاقه داره چنل یوتوب ما و مخصوصا این مصاحبه میتونه دید خوبی رو بهش بده.
https://www.youtube.com/watch?v=2LI_34sb7nY&t=2427s
@DevTwitter | <Andishe/>
Forwarded from Golden Code (@lix)
اگه بخواید سرعت پروژهتون (مثل زمان اجرای یک query) رو بررسی کنید و بخشهای کند رو پیدا کنید تا بتونید بهبودش بدید، میتونید از کلاس Benchmark در لاراول استفاده کنید. 🔥
این کلاس به شما کمک میکنه تا مدت زمانی که یه عملیات خاص انجام میده رو بدست بیارید و قسمتهایی که نیاز به بهبود دارن رو شناسایی کنید.
(نحوه استفادش هم در تصویر شرح داده شده)
@GoldenCodeir
#Laravel
(به منبع و مثالش توجه کنین 👇🏾)
https://x.com/laravelbackpack/status/1900162434356432927?t=eC4AGkAMOS2InxZQSXWKkw&s=35
این کلاس به شما کمک میکنه تا مدت زمانی که یه عملیات خاص انجام میده رو بدست بیارید و قسمتهایی که نیاز به بهبود دارن رو شناسایی کنید.
(نحوه استفادش هم در تصویر شرح داده شده)
@GoldenCodeir
#Laravel
(به منبع و مثالش توجه کنین 👇🏾)
https://x.com/laravelbackpack/status/1900162434356432927?t=eC4AGkAMOS2InxZQSXWKkw&s=35
X (formerly Twitter)
Backpack for Laravel (@laravelbackpack) on X
#Laravel Tip
Did you know... Laravel has a Benchmark class that lets you measure the time of any task:
Did you know... Laravel has a Benchmark class that lets you measure the time of any task:
👍1
Forwarded from Linuxor ?
Forwarded from Ninja Learn | نینجا لرن
خب خب خب
اولین مقاله من که توی سایت medium پابلیش شد
(نسخه فارسیشم احتمالا یا تو خود مدیوم یا توی ویرگول میزارم)
خیلی خلاصه بخوام بگم
امید وارم مفید واقع بشه 😊
(اگه مشکلی دیدید یا پیشنهادی داشتید میتونید توی کامنتای خود مقاله بهم بگید)
🔗 لینک مقاله
و از این لینک هم میتونید مطالعه کنید
➖➖➖➖➖➖➖➖➖
اولین مقاله من که توی سایت medium پابلیش شد
(نسخه فارسیشم احتمالا یا تو خود مدیوم یا توی ویرگول میزارم)
خیلی خلاصه بخوام بگم
یه بست پرکتیسه برای ساختار فایل بندی پروژتون
امید وارم مفید واقع بشه 😊
(اگه مشکلی دیدید یا پیشنهادی داشتید میتونید توی کامنتای خود مقاله بهم بگید)
🔗 لینک مقاله
و از این لینک هم میتونید مطالعه کنید
#️⃣ #refrence
➖➖➖➖➖➖➖➖➖
🥷 CHANNEL | GROUP
Medium
Structuring a FastAPI Project: Best Practices
FastAPI is a powerful and efficient web framework for building APIs with Python. However, as projects grow, organizing the code properly…
Forwarded from Geek Alerts
تسلا بزرگترین بازنده توی تنشهای بعد از رئیسجمهور شدن ترامپ هست، دلایل زیادی داره یکیش اینه که مخالفان ایلان ماسک تو آمریکا تسلا رو تنها گزینه برای اذیت کردن ایلان میبینن، چون سایر بیزینسهاش مستقیم با مردم در ارتباط نیست، مثلا میان روی ماشینهای تسلا خط میکشن و کاری میکنن که مردم دیگه تسلا نخرن.
ایلان ماسک کلا ۱۳ درصد از سهام تسلا رو در اختیار داره ولی برای مخالفان این مهم نیست و از طرفی بزرگترین چالشش اینه که خودروسازهای چینی تونستن ماشینهای باکیفیت برقی با قیمت کمی بسازن، حتی ممکنه اکثر کشورها برای واردات خودروهای چینی تعرفه واردات بذارن چون راهی برای جلوگیری از پیشرفت اونها نیست.
ولی چالشهای تسلا تموم نمیشه، دولتهایی که توی دنیا با ترامپ مشکل دارن یا سر جنگ تعرفهای ترامپ میخوان جبران کنن، تسلا رو هدف گرفتن، مثلا سر تعرفههای واردات آمریکا چند تا ایالت توی کانادا امتیازهای خرید خودروهای برقی رو برای ماشینهای تسلا برداشتن. قیمت سهام تسلا از اول امسال ۴۰ درصد کاهش داشته و حتی از طرف تسلا به ترامپ نامه زدن که ممکنه اوضاع تسلا سر جنگ تجاری آمریکا با کشورهای دیگه بدتر بشه.
تسلا میرفت که صنعت خودروسازی رو بلاخره به آمریکا برگردونه و آمریکا رو به بزرگترین تولید کننده خودرو در دنیا تبدیل کنه، رویایی که به نظر میرسه حداقل فعلا دست نیافتنی باشه.
🔗 bbc
🤓 @geekalerts
ایلان ماسک کلا ۱۳ درصد از سهام تسلا رو در اختیار داره ولی برای مخالفان این مهم نیست و از طرفی بزرگترین چالشش اینه که خودروسازهای چینی تونستن ماشینهای باکیفیت برقی با قیمت کمی بسازن، حتی ممکنه اکثر کشورها برای واردات خودروهای چینی تعرفه واردات بذارن چون راهی برای جلوگیری از پیشرفت اونها نیست.
ولی چالشهای تسلا تموم نمیشه، دولتهایی که توی دنیا با ترامپ مشکل دارن یا سر جنگ تعرفهای ترامپ میخوان جبران کنن، تسلا رو هدف گرفتن، مثلا سر تعرفههای واردات آمریکا چند تا ایالت توی کانادا امتیازهای خرید خودروهای برقی رو برای ماشینهای تسلا برداشتن. قیمت سهام تسلا از اول امسال ۴۰ درصد کاهش داشته و حتی از طرف تسلا به ترامپ نامه زدن که ممکنه اوضاع تسلا سر جنگ تجاری آمریکا با کشورهای دیگه بدتر بشه.
تسلا میرفت که صنعت خودروسازی رو بلاخره به آمریکا برگردونه و آمریکا رو به بزرگترین تولید کننده خودرو در دنیا تبدیل کنه، رویایی که به نظر میرسه حداقل فعلا دست نیافتنی باشه.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from DevTwitter | توییت برنامه نویسی
The Anatomy of Browser Rendering: How Web Pages Come to Life?
این تیپ سوالات را معمولا شرکت های بزرگ(اسنپ، تپسی، دیجی کالا، و...) میپرسن و ربطی هم به این نداره ریکت کار میکنی یا ویو یا انگولار
و این سوال رو یکی از این شرکت ها تو جلسه تکنیکال ازم پرسیدن که اصلا بهش فکرم نمیکردم
اگه بخوام واضحتروخلاصه بیان کنم مرورگر فایل های html و css و js رو به عنوان ورودی میگرد و پردازش های زیر را انجام میدهد تا به اون خروجی قابل استفاده تبدیل کند.
۱ - Parsing HTML
مرورگر کد HTML را دریافت کرده و آن را به یک ساختار درختی به نام DOM (Document Object Model) تبدیل میکند.
۲ - Parsing CSS
مرورگر کدهای CSS را نیز دریافت کرده و آنها را به یک ساختار درختی به نام CSSOM (CSS Object Model) تبدیل میکند. CSSOM شامل اطلاعاتی درباره استایلها و قوانین CSS است که بر روی عناصر HTML اعمال میشوند.
۳ - Constructing the Rendering Tree
مرورگر DOM و CSSOM را ترکیب کرده و یک درخت رندر (Render Tree) ایجاد میکند.
۴ - Layout
در این مرحله، مرورگر موقعیت و ابعاد هر عنصر را در صفحه محاسبه میکند. این فرآیند به عنوان Layout یا Reflow نیز شناخته میشود.
۵ - Painting
پس از تعیین موقعیت و ابعاد عناصر، مرورگر شروع به رنگآمیزی (Painting) میکند.
در این مرحله، پیکسلها بر روی صفحه رسم میشوند. این شامل رسم متن، تصاویر، رنگ پسزمینه، حاشیهها و سایر جلوههای بصری است.
۶ - Compositing
در نهایت، مرورگر لایههای مختلف را با هم ترکیب کرده و صفحه نهایی را ایجاد میکند. این فرآیند به عنوان Compositing شناخته میشود. Compositing به مرورگر اجازه میدهد تا تغییرات در صفحه (مانند انیمیشنها یا اسکرول) را بهطور کارآمد مدیریت کند.
@DevTwitter | <Alireza Majdi/>
این تیپ سوالات را معمولا شرکت های بزرگ(اسنپ، تپسی، دیجی کالا، و...) میپرسن و ربطی هم به این نداره ریکت کار میکنی یا ویو یا انگولار
و این سوال رو یکی از این شرکت ها تو جلسه تکنیکال ازم پرسیدن که اصلا بهش فکرم نمیکردم
اگه بخوام واضحتروخلاصه بیان کنم مرورگر فایل های html و css و js رو به عنوان ورودی میگرد و پردازش های زیر را انجام میدهد تا به اون خروجی قابل استفاده تبدیل کند.
۱ - Parsing HTML
مرورگر کد HTML را دریافت کرده و آن را به یک ساختار درختی به نام DOM (Document Object Model) تبدیل میکند.
۲ - Parsing CSS
مرورگر کدهای CSS را نیز دریافت کرده و آنها را به یک ساختار درختی به نام CSSOM (CSS Object Model) تبدیل میکند. CSSOM شامل اطلاعاتی درباره استایلها و قوانین CSS است که بر روی عناصر HTML اعمال میشوند.
۳ - Constructing the Rendering Tree
مرورگر DOM و CSSOM را ترکیب کرده و یک درخت رندر (Render Tree) ایجاد میکند.
۴ - Layout
در این مرحله، مرورگر موقعیت و ابعاد هر عنصر را در صفحه محاسبه میکند. این فرآیند به عنوان Layout یا Reflow نیز شناخته میشود.
۵ - Painting
پس از تعیین موقعیت و ابعاد عناصر، مرورگر شروع به رنگآمیزی (Painting) میکند.
در این مرحله، پیکسلها بر روی صفحه رسم میشوند. این شامل رسم متن، تصاویر، رنگ پسزمینه، حاشیهها و سایر جلوههای بصری است.
۶ - Compositing
در نهایت، مرورگر لایههای مختلف را با هم ترکیب کرده و صفحه نهایی را ایجاد میکند. این فرآیند به عنوان Compositing شناخته میشود. Compositing به مرورگر اجازه میدهد تا تغییرات در صفحه (مانند انیمیشنها یا اسکرول) را بهطور کارآمد مدیریت کند.
@DevTwitter | <Alireza Majdi/>
Forwarded from Codino School (ایمان غفوری)
This media is not supported in your browser
VIEW IN TELEGRAM
Forwarded from کدنویس یکروزه
تست روانشناسی ترامپ!
دوست دارین بدونین از نظر روانی مورد تأیید دونالد ترامپ هستین یا نه!؟ این برنامه با کمک هوش مصنوعی Grok نسخهی قدیمی نوشته شده و صفاتی چون عجول بودن، عدم همدلی، عدم آینده نگری و خودبزرگ بینی رو در شما اندازه می گیره!
قبلاً یک کد تست روانشناسی برای نمونه نوشته بودم که روش ساخت این برنامه ها از روی اون معلوم بود. اما این تست ظاهری جذاب تر داره و البته وسعت سوالات بیشتر.
دوست دارین بدونین از نظر روانی مورد تأیید دونالد ترامپ هستین یا نه!؟ این برنامه با کمک هوش مصنوعی Grok نسخهی قدیمی نوشته شده و صفاتی چون عجول بودن، عدم همدلی، عدم آینده نگری و خودبزرگ بینی رو در شما اندازه می گیره!
قبلاً یک کد تست روانشناسی برای نمونه نوشته بودم که روش ساخت این برنامه ها از روی اون معلوم بود. اما این تست ظاهری جذاب تر داره و البته وسعت سوالات بیشتر.