جاوا❤️

🚀 انتقال پیام‌های فوق سری با شطرنج! 🚀

یه برنامه‌نویس باحال ، با استفاده از سایت‌های آنلاین شطرنج، رباتی جادویی ساخته که می‌تواند فایل‌ها را به طور رایگان و نامحدود آپلود کند.
چطور؟ با هر حرکت شطرنج، اطلاعات به رشته‌های بیتی تبدیل می‌شود و به این ترتیب، می‌توانید پیام‌های رمزنگاری شده را ارسال کنید. هر بازی شطرنج به معنی یک پیام مخفی است که تنها افرادی که کد آن را دارند، می‌توانند آن را درک کنند.

البته، این روش برای آپلود فایل‌های بزرگ مناسب نیست و بیشتر برای ارسال پیام‌های مخفیانه استفاده می‌شود، چرا که سرعت آن تنها ۲ بایت در ثانیه است!

🎥 برای دیدن ویدیو جذاب این پروژه: لینک ویدیو

🔧 برای بررسی پروژه در گیت‌هاب: لینک گیت‌هاب

@mrbug_ir
@mrbug_ir
@mrbug_ir

روز برنامه‌نویس مبارک🥳

تا حالا کسی با فکرکردن به موفقیت، موفق نشده!

اجرا شدن تست‌ها

نقشه راه یادگیری فرانت
که بچه‌های اسنپ منتشر کردن :
https://github.com/abolfazl930/frontend-roadmap

ددلاین از دیدگاه روایات:

آنان كه وقتشان پايان يافته خواستارِ مهلتند، و آنان كه مهلت دارند كوتاهى می‌ورزند!

📚 نهج البلاغه/حکمت ۲۸۵

با این ویدئو کمی دانش امنیتی خودمون رو بالا ببریم...

رییس سابق دانشگاه شریف و عضو شورای عالی فضای مجازی گفته: «فیلترینگ باعث رشد پلتفرمهای ایرانی شده است»
نشان در جواب:

پدر من یک بنّا است. از کودکی، در تابستان‌ها به همراه پدرم به ساختمان‌ها می‌رفتم. به همین دلیل، تا حدی با ابزارها و فرآیندهای ساخت ساختمان‌ها آشنایی دارم. از سال ۹۳ که به دنیای علوم کامپیوتر وارد شدم، همیشه به تفاوت‌های بین دنیای کامپیوتر و صنعت عمران فکر می‌کردم، زیرا همیشه خودم را در کنار پدرم می‌دیدم.

سال ۹۷ با امین نمدچیان گهگاهی هم‌صحبت می‌شدیم. توی یکی از این صحبت‌ها امین یک نظر جالبی رو مطرح کرد که به شدت برای من الهام بخش بود.

*امین گفت: "مهندسی کامپیوتر هنوز خیلی جوونه کل عمرش ۸۰ ساله، و ما انرژی زیادی رو صرف ابزار می‌کنیم نه حل مسئله. در حالی که در مهندسی عمران که بیشتر از ۱۰۰۰ سال عمر داره، دیگه خیلی کم درگیر ابزار می‌شوند. ابزار ها غالبا بالغ شده اند و نشانه‌ی این بالغ شدن ساده بودن آنهاست."*

بعد از این زیاد به این فکر می‌کردم که خب چطوری می‌خواد این بالغ شدن در مهندسی کامپیوتر اتفاق بیفته. نمیدونستم، الان هم نمیدونم البته 🙂. تا اینکه امسال در هوش مصنوعی یک چیزی شبیه به انقلاب به وجود اومد. حالا الان اینجام تا در مورد این بگم که گام بعدی بالغ شدن مهندسی کامپیوتر به زعم خودم چی می‌تونه باشه.

*ارتباط مهندسی کامپیوتر با مهندسی عمران*
کم و بیش احتمالا شما هم مهندسی کامپیوتر با مهندسی عمران رو مقایسه کرده‌اید یا در مقابل این مقایسه‌ها قرار گرفته‌اید. سم‌نیومن در کتاب Building microservices مثالی می‌زنه که خیلی این مسئله رو خوب شفاف می‌کنه.
وقتی یک مهندسی کامپیوتر می‌خواد یک سیستم نرم‌افزاری را طراحی و پیاده‌سازی کند از نظر سطح پیچیدگی مثل این می‌ماند که یک پروژه‌ی شهرسازی را طراحی و پیاده‌سازی کنه. پس توسعه‌ی یک نرم‌افزار شبیه شهرسازی‌است نه ساختمان‌سازی.

مورد بعدی اینه، ما به عنوان یک مهندس نرم‌افزار که کدزنی هم‌ می‌کنیم، بیشتر شبیه به کارگران ساختمان هستیم یا مهندسان عمران ؟
شاید میشه گفت هر دو. ما مهندسانی هستیم که کارگری هم می‌کنیم، فقط ما کارگر دانش هستیم. (عبارت Knowledge worker رو اولین بار آقای Peter Drucker در سال ۱۹۵۹ مطرحش کرده.)
می‌تونید یک مهندس عمران با کت و شلوار در حال درست کردن ملات سیمان رو تصور کنید ؟
ما در حال حاضر یک همچین شخصی هستیم. مهندسی که حتی ملات درست کردن رو هم خودش انجام میده.
حالا اینجا می‌رسیم به قسمت جذاب داستانمون. هوش مصنوعی چجوری می‌خواد مهندسی نرم افزار رو یک پله بالغ‌تر کنه؟

فرض کنید هوش مصنوعی میشه کارگر تمام وقت و خستگی‌ناپذیر شما که فقط منتظر است که هر چیزی که شما می‌خواید رو براتون انجام بده. یک عامل هوش مصنوعی کد هاتون رو ریویو می‌کنه و بهتون پیشنهاد بهبود کد میده، کامنت‌هایی که دیگران روی کدهاتون می‌گذارند رو براتون اعمال می‌کنه و … اینها فقط چند مثال هستند. قطعا موارد بیشتری از این وجود داره که هوش مصنوعی می‌تونه به ما کمک کنه.

*پس بگذارید ملات سیمان رو هوش مصنوعی براتون درست کنه*

آیا هوش مصنوعی کاملا جای انسان ها رو در مهندسی نرم افزار می‌گیره؟ این سوال سخت و پیچیده ای است و احتمالا الان در حال حاضر کسی جواب مشخص و واضحی برای این سوال نداشته باشه.
شاید یک روزی این اتفاق بیوفته ولی نمیدونیم چه زمانی ؟ پس شاید بهتر باشه به گام بعدیمون که الان روشنه نگاه کنیم و به سمتش حرکت کنیم تا در مورد چیزی که هنوز چیزی براش متصور نیستیم صحبت کنیم.

در آخر ایکاش آجرها را در ساختمان‌ها ماشین ها می‌چیدند 😞

مرغی كه از زمين بالا پَرَّد، اگر چه به آسمان نرسد، اما اين قَدَر باشد كه از دام دورتر باشد و بِرَهد.

این هوش مصنوعی تست کنید
https://aistudio.google.com/
از چت جی پی تی پولی هم بنظر خیلی باهوش تره

💡دروس علوم پایه و عمومی به چه درد میخوره؟
بشنوید از استاد شهشهانی در دانشگاه شریف

@mrbug_ir

خلاصه کتاب "The Motive" با ۵ راهکار عملی برای ارتقای عملکرد تیم.

#مدیریت #رهبری #انگیزه #خلاصه‌کتاب
@mrbug_ir

https://vrgl.ir/cQ4kv

برنامه نویسی در جهنم

تا حالا شده یه لحظه خاص، یه خاطره، یه اتفاق کوچیک، یهو مسیر زندگی‌تون رو عوض کنه؟ کتاب "قدرت لحظه‌ها" دقیقا درباره همین موضوعه: چطور لحظات کوتاهی که هم به‌یادماندنی و هم معنادار هستن، می‌تونن ما رو متحول کنن؟
خلاصه ای از این کتاب:
#خلاصه‌کتاب #مهارت‌نرم

https://vrgl.ir/tYIPl

ویدئوی معرفی دوره کارآموزی در دنیای موازی:

https://youtu.be/ztJkLu2zLGM

@mrbug_ir
@mrbug_ir
@mrbug_ir

شباهت شیرموز و AI Software Engineer

اگر یادتون باشه دیدیم که دیوار رول جدیدی به نام AI Software Engineer تعریف کرد و احتمالا از این به بعد بیشتر شبیه این role رو خواهیم دید. در همین راستا دیدم که موری که زمینه جستجوی هوشمند خرید لباس هست موقعیت شغلی جدیدی رو با همین عنوان نیازمندی باز کرده (داخل پرانتر یک تبلیغ ریزی برای موری بکنم آدم‌های خوش فکری پشتش هستند، مثل مهدی شکری، شکری بازی‌کردن تو این زمین بازی رو بسیار خوب بلده، یک روز یک اسپین آف در مورد خودش دوست دارم بنویسم، بسیار مدیر خوبیه،)

بله می‌گفتم. اما اصلا ماهیت و ذات و واقعیت پشت این عنوان AI Software Engineer چیه؟ از دو زاویه می‌شه این نقش رو تحلیل کرد:

یک- از این پس سرویس‌های هوش مصنوعی و LLMای نقش پایه‌ای برای ساختن محصولات و فیچرها دارند. بنابراین اگر کسی میخواد ارزش افزوده داشته باشه لازمه که حتما با توانایی و نحوه ساخت محصول با مدل‌های هوش مصنوعی و LLM‌ها آشنا باشه. به زبان دیگه، ارزش افزوده‌ای که از این به بعد خلق می‌شه، چه بخواد در سطح فیچر باشه چه در سطح محصول، همگی بر بلوک‌های پایه‌ای که خودشون هوش مصنوعی هستند، ساخته می‌شه.

دو- یک جمله جالبی که در بلاگ توصیف نقش AI Software Engineer دیوار نوشته شده که بسیار جالب نظره به چشم بنده:

AI will democratize access to skill, similar to how the internet democratized access to information

این جمله میخواد بگه که همونطور که اینترنت کاری کرد که بخش زیادی از کار جمع آوری و داشتن اینفورمیشن به یک کار بدیهی تبدیل شد، هوش مصنوعی هم کاری خواهد کرد که بخش زیادی از Skill به یک کار بدییه تبدیل بشن. مثال بخوام بزنم الان برنامه نویسی در زبان‌ها و فریمورک‌های مختلف نسبت به چند سال قبل به کار ساده‌تری تبدیل شده. در چنین شرایطی آدم‌هایی پیدا خواهند شد که بر روی مهارت‌هایی که قبلا هر کدوم یک تخصص جدا بودند، به واسطه استفاده از هوش مصنوعی ماهر می‌شن. برای مثال عینی مثلا در تیممون سعید مهدیان رو داریم. سعید در اصل یک data engineer بوده ولی الان هم تسک‌های backend می‌زنه هم front می‌‌زنه هم حتی کارهای هوشی رو انجام می‌ده. سعید الان شبیه یک تیم یک نفره است. آینده تیم‌ها همین شکلی خواهد بود. دیگر گذشت زمانی که یک تیم نیروی بک‌اند داشت نیروی فرانت داشت نیروی هوش داشت و ... به واسطه همین بدیهی‌شدن اسکیل‌ها به دست AI، در آینده نه چندان دور تیم‌هایی با سایزهای بسیار کوچکتر خواهیم داشت. آدم‌هایی که دیگه انجام skill ازشون یک انتظار بدیهیه و چیزی که بیشتر ازشون انتظار می‌ره جلو بردن استوری محصول و خلاقیت برای پیشنهاد نیازمندی و طراحی راه حل هست.

دو نگاه بالا رو جمع‌بندی اگر بخوام بکنم اینه که AI از دو جهت جدا، یکی تغییر در فرآیند توسعه محصول و دیگری هم امکان پیش‌برد ایده‌های جدید آینده دولوپرهای نرم‌افزار رو تغییر می‌ده. این دو نگاه کاملا از هم منفک هستند و نباید به اشتباه یکی‌شون بگیریم. سیدمصطفی مشکاتی در همین باره یک نقد جالب در لینکدین بر عنوان AI Software Engineer منتشر کرده. مشکاتی می‌گه که این عنوان AI Software Engineer در ذهن این تبادر رو به وجود میاره که AI و Software دو چیز جدا از هم هستند، در حالی که اصلا این شکلی نیست، بلکه در آینده نزدیک آن چنان این دو در هم آمیخته می‌شن که جدا کردنشون از هم ناممکن می‌شه. سیدمصطفی می‌گه که:

حسم اینه اکثرِ Software Engineerها و دیتاساینتیست‌ها فعلی ( و بقیه آدم‌های سازمان )، در آینده‌ی نزدیک باید این مهارت‌های AI Engineer هارو داشته باشن، و دیگه نباید بهش بگیم AI Engineer. جدا کردنش و وجود همزمان جفتشون در یک سازمان هم به نظرم خطرناکه! اینجوری انگار باز داریم یک مرزی بین آدم‌ها و مهارت‌هاشون می‌کشیم. این تجربه‌ی ناموفق جدا کردن رو، توی Dev و Ops هم گفت. وقتی کلود نیتیوها و کوبرنتیز و بقیه چیزا اومدن، همه دیگه از یک Software Engineer انتظار دانش و مهارت کار کردن با k8s رو داشتن و شغل جدید Cloud Software Engineer رو تعریف نمی‌کردن. اتفاقا جاهایی که این دوتا پوزیشن رو همزمان و جدا تعریف می‌کردن، ضربه می‌خوردن.

مصطفی می‌گه که AI Software Engineer همون قدر به اشتباه اندازه می‌تونه باشه که H2O و شیرموز رو فرض کنیم یک مخلوط جدا از عناصرشون هستند. امروز و به‌ویژه در آینده خیلی نزدیک، مهارت‌های مهندس نرم‌افزار و مهارت‌های هوش مصنوعی قرار نیست جداگانه باشند؛ دقیقاً مانند شیرموز که دیگر نه فقط شیر است و نه فقط موز، نقش‌ها نیز به شکلی یکپارچه درمی‌آیند. مهندس نرم‌افزاری که با هوش مصنوعی کار می‌کند، نه صرفاً یک Software Engineer است و نه یک AI Engineer؛ بلکه یک ترکیب است که ویژگی‌های خاص خودش را دارد و باید هر دو بُعد را با هم بلد باشد.