یکی بود یکی نبود؛ در سال ۱۹۶۰ میلادی یک آقایی  به اسم دنیس ریچی (Dennis Ritchie) که مخترع زبان برنامه نویسی C هم بود اومد یه سیستم عامل خفن درست کرد به اسم UNIX. این سیستم عامل به خاطر امنیتش، سرعتش و ... سیستم عامل محبوبی داشت میشد که بیشتر تو مجامع علمی ازش استفاده میکردند ولی سورس کدهاش کاملا Close بود و کسی به جز تیم آقای دنیس ریچی بهش دسترسی نداشت.
خلاصه گذشت و گذشت، بعد از چندین سال یه استاد دانشگاهی به نام آقای اندرو تانن باوم ( Andrew Tannenbaum) که اون زمان معروف ترین کتاب سیستم عامل رو نوشته بود (کتابش تو چنلم هست)، یه روز اومد سر کلاسش به شکل و قیافه ی سیستم عامل UNIX نگاه کرد و از روی ظاهرش یه سیستم عامل از روش نوشت! و اسمش رو گذاشت MINIX. در سال ۱۹۸۷ میلادی این سیستم عامل MINIX انقدر واسه دانشجوها جذاب بود که همه باهاش کار میکردند.
تقریبا سال ۱۹۹۰ میلادی بود که کم کم کمپین های Open Source داشت شکل میگرفت که بچه های IT میگفتند باید سیستم عامل هارو از انحصار ماکروسافت و اپل دربیاریم و سورس کدهاش رو در دسترس همه بزاریم، چرا باید پولی باشن؟ اصلا از کجا معلوم کدهای ماکروسافت و اپل چیه؟! شاید جاسوسی میکنند و ... . خلاصه همون زمان ها یه دانشجوی کامپیوتری به نام آقای لینوس توروالدز (Linus Torvalds) واسه پروژه ی دانشگاهیش اومد از روی کدهای MINIX الهام گرفت و کرنل سیستم عاملی رو ساخت به نام LINUX.
به طور همزمان تیم آقای ریچارد استالمن (Richard Stallman) هم یه سری نرم افزارهای اوپن سورس واسه سیستم عامل نوشته بودند که با کرنل لینوکس ادغامش کردند و در نهایت یک سیستم عامل کامل و آزاد به نام GNU/LINUX به وجود اومد که شماها الان دارید ازش استفاده میکنید.
این بود قصه ی تاریخچه سیستم عامل گنو-لینوکس که من خیلی دوسش داشتم❤.

#لینوکس
#تاریخچه

این مقاله راجب کاربرد هوش مصنوعی در شیمی هست. از اونجایی که من رشته ی دانشگاهیم شیمی تجزیه (Analytical Chemistry) بوده گاهی در این فیلد هم مطالعه میکنم.
با هوش مصنوعی تو شیمی میشه خیلی کارهای جالب کرد ولی خب هنوز گنگ هست مسیرش. داشتم با خودم فکر میکردم خب که چی مثلا بیایم ساختارهای شیمیایی رو با کامپیوتر مدلسازی کنیم که چی اگه پول توش نباشه؟! اگه این تحقیقات دردی از مردم دوا نکنه به چه دری میخوره؟ کلا کارهای تحقیقاتی زمانی میشه ازش پول درآورد که یک آورده و یا محصول مفیدی رو بشه باهاش ارائه داد که به درد مردم جامعه بخوره و الا این تحقیقات به جز یه مشت الگوریتم تو کامپیوتر چیز دیگه ای نیستند ! شاید یه روزی استارتاپ طراحی فرمولاسیون های شیمیایی (با کمک مدلهای ai) تو صنعت بشم چون قطعا میشه ازش درآمدزایی کرد.

#شیمی
#هوش_مصنوعی

ششمین نمایشگاه کار ایران
برگزار کننده: جاب ویژن
۲۵ الی ۲۷ بهمن ۱۴۰۲
ساعت ۱۰ تا ۱۸
سالن های نمایشگاهی برج میلاد

نمیدونم اینو میدونید یا نه ولی خیلی از مدلسازی ها و پردازش های دیتایی که شما با زبان #پایتون به کمک کتابخونه هایی مثل #نامپای، #تنسورفلو و ... انجام میدید در واقع اون پشت کتابخونه داره با زبان های C و ++C انجام میشه! این وسط پایتون یه جورهایی انگار یک GUI هست واسه راحت تر کردن کارتون و الا شما در واقع دارید مدل هاتون رو با زبان های C و ++C میسازید!
اگه بخواید این کارهارو با پایتون خالص انجام بدید چون زبان کندیه سالها طول میکشه🤭.

دوستان کوئرا یه قسمت جالبی واسه مسابقه های برنامه نویسی داره. اگر کسی علاقه مند باشه میتونه شرکت کنه و جوایز خوبی هم داره:

https://quera.org/contest/

گذری بر گذشته های لینوکسی/یونیکسی:
———————-
افراد درتصویر: سخنرانان کنفرانس تابستانی Usenix در سال 1984است.
دنیس ریچی در مرکز تصویر (عینک، ژاکت راه راه)
———————
سازمان غیرانتفاعی USENIX مخفف Unix Users Group
است. USENIX در سال 1975 تحت نام "گروه کاربران یونیکس" تاسیس شد که عمدتاً بر مطالعه و توسعه خانواده سیستم عامل یونیکس و سیستم های مشابه تمرکز داشت و از سیستم های محاسباتی پیشرفته و تحقیقات سیستم عامل پشتیبانی می کند.

این قضیه پاک نشدن دیتا رو بهش میگن:
Data Remanence


مطالعه بیشتر:
https://en.m.wikipedia.org/wiki/Data_remanence

این تصویر کامپیوتر Commodore 64 هست که در سالهای ۱۹۸۰ استفاده خونگی میشده! استادم میگفت زبانش اسمبلی بوده و بیشتر باهاش بازی میکردند🥺😍❤.

منبع عکس: اینستاگرام آقای مهندس میلاد نوری
لوکیشن: موزه کامپیوتر


https://www.instagram.com/s/aGlnaGxpZ2h0OjE4MDQxNzA3MTU5NjQ3NTIy

پردازش داده های real time هم موضوع جالبیه. حتما دیدید وقتی اولین بار اکسپلور اینستاگرام رو باز میکنید؛ اگر پست هایی که علاقه دارید رو ببینید و لایک کنید در ادامه اینستاگرام پست های مورد علاقه شمارو نشون میده. این پردازش دیتای سریع real time به کمک پلتفرم های data streaming مثل Apache Kafka انجام میشه.
همکاران محترم Data engineering در این فیلد کار میکنند.

سرچ کردن عکس بر اساس محتوا به کمک ابزار AI:

این ابزار جالب رو من قبلا یه مدتی تو ذهنم بود بسازمش و الان فهمیدم ساختنش خیلی خوشحالم چون خیلی کار راه انداره. خیلی پیش میاد برام که دنبال یه عکسی بودم ولی یادم نمی اومد اسم عکس چی بود و حتی کجا ذخیره اش کردم؛ این ابزار AI میاد طبق محتوای عکس ها سرچ میکنه و اون هارو پیدا میکنه! مثلا عکس هایی که داخلشون یک گل هست، یا دریا و غیره. روی لینوکس و ویندوز و مک هم نصب میشه😍.‌

گیت هاب ابزار rclip رو ببینید خیلی جالبه😎:

https://github.com/yurijmikhalevich/rclip


#هوش_مصنوعی

مسابقه‌ی هوش مصنوعی دیجی‌کالا

✅ مدل‌های زبانی حجیم
⌛️از ۲ الی ۲۲ اسفند ماه سال جاری

ثبت‌نام رایگان در روبواپیکز:
👉 roboepics.com/c/digikalahackathon

ازین مسابقه ها خیلی چیزهای خوبی یاد میگیرید و همچنین با نیاز بازار کار آشنا میشید.
به نظرم حتی اگه نمیخواید مسابقه بدید ثبت نام کنید و سوالات رو ببینید که آشنا بشید.

بچه‌های آنلیم فردا مسابقه برنامه نویسی الگوریتمی دارن که قراره از ساده تا سخت توش سوال باشه. فرصت خوبیه برای تست کردن خودتون و از اونطرف لذت بردن از یکی دو ساعت برنامه نویسی (یا اگر جدی هستین خیلی بیشتر) و دیدن دنیا و بچه های خوب و .. در نهایت اینجور چیزها برای اول شدن نیستن، برای یاد گرفتن و لذت بردن و آشنایی با مسیر هستن. اگر دوست داشتین ثبت نامش رایگانه:
https://unlim.ir/contest/26

راجب یادگیری زبان انسانی و روانشناسی اون چند تا نکته دیگه فهمیدم که میخوام بهتون بگم.

وقتی شروع میکنیم تا یه زبان جدید رو یادبگیریم در واقع ما داریم Acquisition (فراگیری) میکنیم. دو تا کلمه ی Acquisition و Learning
معنی متفاوتی دارند.‌ Acquisition مفهوم بداعت و نویی داره یعنی داریم یه چیز جدید رو یاد میگیریم که بیشتر خودشو در همون مراحل اولیه یعنی A1تا B2 نشون میده ولی از مرحله B2 به بعد دیگه فقط داریم یاد میگیریم (Learning).

مرحله ی B2 به بعد دیگه از حجم یادگیری چیزهای جدید کاسته میشه چون تقریبا خیلی از اون زبان رو یادگرفتیم و بیشتر داریم تکرار و تمرین میکنیم و از زبانمان استفاده میکنیم و احساس پیشرفت نمیکنیم.

برای همینه که مدت زمانی که ما نیاز داریم تا از مرحله های یادگیری زبان بگذریم به تدریج زیادتر میشه مثلا مدت زمانی که نیاز داریم از مرحله B2 برسیم به C1 خیلی زیادتر هست در مقایسه با زمانی که نیاز داریم  تا از مرحله A1 برسیم به A2.
مراحل اول آموزش ذهن فعاله و سریع یادمیگیره ولی مراحل آخر دیگه خیلی طول میکشه و احساس میکنید اصلا پیشرفتی نمیکنید. برای همینه میگم هر وقت زبانی رو به مرحله B2 رسوندید میتونید در کنارش یه زبان جدید رو شروع کنید تا اون بخش مغز که Acquire میکنه دوباره فعال بشه، اینجوری چند تا زبان رو میتونید همزمان باهم یادبگیرید (مثل من که الان دارم هم زبان انگلیسی و هم آلمانی میخونم).

وقتی زبانی رو یاد گرفتید و به مرحله B2 رسوندید ازینجا به بعد ذهن شما فقط نرمش میکنه.‌ ورزش ذهن همون مراحل قبل از B2 بوده.

این رزومه باعث استخدام یک برنامه‌نویس با حقوق سالانه 300 هزار دلاری در گوگل شد.

مهندس نرم‌افزار فعلی گوگل که به‌صورت خودآموز برنامه‌نویسی را یاد گرفته است، توضیح می‌دهد که چگونه تصمیم گرفت تغییر رشته دهد، وارد حوزه علوم کامپیوتر شود و از شرکت‌های بزرگ پیشنهاد شغلی دریافت کند. او رزومه‌ای را که با کمک آن از متا، اوبر و گوگل پیشنهاد شغلی دریافت کرده بود، به اشتراک گذاشته است و می‌گوید که اگر امروز به‌دنبال کار می‌گشت، چه تغییراتی در آن ایجاد می‌کرد.

به گزارش بیزینس اینسایدر، «ساهیل گابا» داشت از مقطع کارشناسی رشته مهندسی مکانیک فارغ‌التحصیل می‌شد که متوجه جذابیت‌های رشته علوم کامپیوتر شد. او در طول یک تابستان برنامه‌نویسی یاد گرفت و بعد برای استخدام در شرکت‌های بزرگ اقدام کرد، اما موفق نبود.

گابا درنهایت به استخدام یک شرکت فین‌تک کوچک در شیکاگو درآمد اما به این نتیجه رسید که در این جایگاه شغلی جدیدترین مهارت‌های نرم‌افزاری را یاد نمی‌گیرد؛ بنابراین زمان خود را به یادگیری فناوری‌های جدیدتر و بهبود مهارت‌های خود در مصاحبه‌های شغلی اختصاص داد.

گابا پس از دو سال فعالیت در آن شرکت در شیکاگو و ردشدن در صدها مصاحبه، بالاخره توانست در آمازون استخدام شود. 18 ماه بعد، او از متا، اوبر و گوگل پیشنهاد شغلی دریافت کرد. درنهایت او با حقوق سالانه 300 هزار دلار در 29 سالگی به گوگل پیوست. در ادامه رزومه گابا مربوط به سال 2021، یعنی زمانی که او در گوگل به استخدام درآمد را می‌بینید.

این رزومه به گابا کمک کرد تا نظر مثبت سه شرکت بزرگ را جلب کند، اما او می‌گوید اگر امروز می‌خواست آن را برای شرکت‌ها بفرستد، چند قسمتش را تغییر می‌داد.

تأکید بر تجربیات، نه مهارت‌ها: او می‌گوید این رزومه را قبل از پیوستن به آمازون ساخته بود و چون تجربه زیادی نداشت، در ابتدا به مهارت‌های خود اشاره کرده بود. او می‌گوید تجربه‌ها اهمیت بیشتری دارند؛ هرچند اشاره به مهارت‌ها هم لازم است.

یه جرقه ی خوب ازین پست گرفتم اونم اینه که زیاد مصاحبه دادن باعث میشه خیلی چیزها یاد بگیریم، هم مهارت های نرم و هم مهارت سخت مون رو میتونیم تقویت کنیم.
اصلا نترسید که مثلا اگه یه مصاحبه ای رو شرکت کنید و بد باشید؛ هیچ اتفاق خاصی نمیفته. به اندازه تمام ریگ های صحراهای کل دنیا شرکت و آدم و recruiter هستند که میتونید باهاشون مصاحبه کنید. خودتون رو تست کنید حتی اگه واقعا نخواید اون پوزیشن رو برید بازهم مصاحبه بدید!

شمارو نمیدونم ولی من دیگه ایستاده کار میکنم و کد میزنم، تو خونه ‌که لپ تاپم یا روی اوپنه یا رو طاقچه ای جایی که ارتفاعش زیاد باشه چون دیگه رو صندلی نمیتونم بشینم و باید ایستاده کار کنم. زیاد روی صندلی نشستن سلامتیمو به خطر میندازه. اینجوری وایسادنکی راحت ترم. بین کارهام نرمش هم میکنم.
کاشکی تو شرکت ها هم همچین حرکتی میزدنند.‌

یکی از کتاب های زبان اصلی علوم کامپیوتر که زبان شیوا و روانی داره؛ دکتر
Chris Bourke
این کتاب رو خیلی قشنگ نوشتند.