نمونه سوال احتمالی و مهم آزمون ورودی دانشگاه وین برای رشته اینفورماتیک :
@wearebiTs
📝 CCNA quiz
Which port is reserved for FTP data transfers?
a) UDP 20
b) UDP 21
c) TCP 20
d) TCP 21
@wearebiTs
📝 CCNA quiz
Which port is reserved for FTP data transfers?
a) UDP 20
b) UDP 21
c) TCP 20
d) TCP 21
نکته های مهم مک آدرس که در آزمون ورودی دانشگاه وین رشته اینفورماتیک باید بدانید :
@ai_python
https://youtube.com/shorts/T131Co7oD-4?si=DllbPSgZyh3lXimR
@ai_python
https://youtube.com/shorts/T131Co7oD-4?si=DllbPSgZyh3lXimR
YouTube
How an Ethernet switch works. #ccna #cisco #certification
الگوریتم مرتب سازی Selection Sort از نمونه سوالات پر تکرار آزمون ورودی اینفورماتیک دانشگاه وین در اتریش :
@WearebiTs
https://www.youtube.com/shorts/HRwi5gwlB0U
@WearebiTs
https://www.youtube.com/shorts/HRwi5gwlB0U
YouTube
Selection sort | Animation | Coddict
Here is a visualization of selection sort. It helps in understanding the concept easily. Subscribe for more.
نحوه بوت شدن تلفن های آی پی سیسکو :
@WearebiTs
https://youtube.com/shorts/KpWkGa2_eRw?si=jUDFAVxJFc32iIJm
@WearebiTs
https://youtube.com/shorts/KpWkGa2_eRw?si=jUDFAVxJFc32iIJm
YouTube
Cisco IP Phones. How they boot up. #ccna #cisco
لایه های شبکه و نام دیتا در هر کدام از آن ها:
@WearebiTs
بسیار بسیار مهم برای آزمون ورودی اینفورماتیک دانشگاه وین :
https://youtube.com/shorts/L7oB6U3HA2M?si=UOjomVxKCjsKRxmy
@WearebiTs
بسیار بسیار مهم برای آزمون ورودی اینفورماتیک دانشگاه وین :
https://youtube.com/shorts/L7oB6U3HA2M?si=UOjomVxKCjsKRxmy
YouTube
The names of data. #cisco #ccna_certification
Forwarded from Once upon a december
پلی لیست Jazz مناسب برای کدنویسی و کارهای نیازمند تمرکز و آرامش :
@OnceUponaDecember
https://youtu.be/Lm_x9TY7ahw?si=ulPNYu4jmP5Kk6cp
@OnceUponaDecember
https://youtu.be/Lm_x9TY7ahw?si=ulPNYu4jmP5Kk6cp
YouTube
1940's Retro Jazz - Nostalgic Jazz
Step back in time with 30s & 40s Retro Jazz Classics ~ Vintage Oldies. Smooth & nostalgic vibes. 🎷
Subscribe: @barelyjazzmusic
📻 Tracklist:
00:00 - The Smell of His Tobacco
02:09 - Lover on the 8:15
04:40 - A Chair at the Window
07:14 - The Song in…
Subscribe: @barelyjazzmusic
📻 Tracklist:
00:00 - The Smell of His Tobacco
02:09 - Lover on the 8:15
04:40 - A Chair at the Window
07:14 - The Song in…
@WearebiTs
گارتنر Manage Engine را به عنوان پرچمداران ابزارهای مانیتورینگ زیرساخت آی تی در سال 2025 اعلام کرد.
گارتنر Manage Engine را به عنوان پرچمداران ابزارهای مانیتورینگ زیرساخت آی تی در سال 2025 اعلام کرد.
Forwarded from DLeX: AI Python (Meysam Asgari)
Forwarded from DLeX: AI Python (NaviD DariYa)
@WearebiTs
این قابلیت Deploy پسورد ها از طریق ادمین سنتر Microsoft 365 خیلی باحاله به نظرم. باعث می شه مایکروسافت دست بالا رو در مقایسه با Solution هایی مثل PassBolt در بعضی از موارد داشته باشه
https://blogs.windows.com/msedgedev/2025/06/11/introducing-secure-password-deployment-in-microsoft-edge-for-business/
این قابلیت Deploy پسورد ها از طریق ادمین سنتر Microsoft 365 خیلی باحاله به نظرم. باعث می شه مایکروسافت دست بالا رو در مقایسه با Solution هایی مثل PassBolt در بعضی از موارد داشته باشه
https://blogs.windows.com/msedgedev/2025/06/11/introducing-secure-password-deployment-in-microsoft-edge-for-business/
این توییت از Lisan al Gaib در X درباره محدودیتهای مدلهای هوش مصنوعی در حل مسائل پیچیده مانند مسئله برج هانوی (Tower of Hanoi) صحبت میکند. او اشاره میکند که مدل Sonnet 3.7 هنگام حل این مسئله برای n=9 و n=10، به دلیل طولانی بودن پاسخ، زود متوقف میشود.
@WearebiTs
چند نکته کلیدی از این پست:
مدلها تصمیم میگیرند که زودتر متوقف شوند، زیرا از نظر آنها محاسبه تمام مراحل، زمانبر و غیرضروری است.
مدل Sonnet 3.7 تا ۸ دیسک محاسبه را انجام میدهد، اما برای تعداد بالاتر متوقف میشود.
خطای ناشی از نمونهگیری مدل باعث کاهش دقت میشود، زیرا احتمال اشتباه در پیشبینی هر توکن هرچند اندک، در تعداد بالا جمع شده و تأثیرگذار میشود.
مدلهای مختلف محدودیت خروجی دارند (مثلاً Sonnet 3.7 دارای محدودیت 128k توکن، DeepSeek R1 دارای 64k توکن).
این پست به طور کلی بحث میکند که چگونه مدلهای زبانی هوش مصنوعی با افزایش پیچیدگی مسئله، به دلیل محدودیتهای خروجی و استراتژیهای خود، دقتشان کاهش پیدا میکند.
https://x.com/scaling01/status/1931817022926839909
@WearebiTs
چند نکته کلیدی از این پست:
مدلها تصمیم میگیرند که زودتر متوقف شوند، زیرا از نظر آنها محاسبه تمام مراحل، زمانبر و غیرضروری است.
مدل Sonnet 3.7 تا ۸ دیسک محاسبه را انجام میدهد، اما برای تعداد بالاتر متوقف میشود.
خطای ناشی از نمونهگیری مدل باعث کاهش دقت میشود، زیرا احتمال اشتباه در پیشبینی هر توکن هرچند اندک، در تعداد بالا جمع شده و تأثیرگذار میشود.
مدلهای مختلف محدودیت خروجی دارند (مثلاً Sonnet 3.7 دارای محدودیت 128k توکن، DeepSeek R1 دارای 64k توکن).
این پست به طور کلی بحث میکند که چگونه مدلهای زبانی هوش مصنوعی با افزایش پیچیدگی مسئله، به دلیل محدودیتهای خروجی و استراتژیهای خود، دقتشان کاهش پیدا میکند.
https://x.com/scaling01/status/1931817022926839909
آیا استفاده از مرورگر Tor کاملن امن است؟
@WearebiTs
https://youtube.com/shorts/7m77AwkGq4Q?si=erN06mwsJeMgU924
@WearebiTs
https://youtube.com/shorts/7m77AwkGq4Q?si=erN06mwsJeMgU924
YouTube
Does Tor Browser make you completely anonymous online?!
@ai_python Telegram Channel
این نوشتار مفهوم جدول توزیع سرویس سیستم (SSDT) را تشریح میکند، که یک آرایه حاوی آدرسها یا آفستهای نسبی برای روتینهای کرنل در سیستمعاملهای ویندوز است. این جدول به عنوان یک پل ارتباطی حیاتی بین فراخوانهای API از فضای کاربر و روتینهای متناظر کرنل عمل میکند و تعیین میکند که کدام عملیات کرنل باید در پاسخ به یک فراخوان سیستمی اجرا شود. داکیومنت به صورت دقیق توضیح میدهد که چگونه آفستهای SSDT در سیستمهای ۶۴ بیتی به آدرسهای مطلق تبدیل میشوند و اهمیت SSDT را در شناسایی فراخوانهای سیستمی و عملکردهای مرتبط کرنل نشان میدهد. همچنین به اختصار به تاریخچه دستکاری SSDT توسط آنتیویروسها و روتکیتها و مقابله مایکروسافت با آن از طریق PatchGuard اشاره شده است.
@WearebiTs
https://www.ired.team/miscellaneous-reversing-forensics/windows-kernel-internals/glimpse-into-ssdt-in-windows-x64-kernel
@WearebiTs
https://www.ired.team/miscellaneous-reversing-forensics/windows-kernel-internals/glimpse-into-ssdt-in-windows-x64-kernel
Forwarded from DLeX: AI Python (NaviD DariYa)
🥇 تاپ ترین Paper های در حوزه ماشین لرنینگ، از دیدگاه DAIR.AI :
@ai_python
🥇 Many-shot Jailbreaking : Paper
🥇 SWE-Agent : Paper
🥇 Mixture-of-Depths : https://arxiv.org/abs/2404.02258
🥇 Local Context LLMs Struggle with Long In-Context Learning : https://arxiv.org/abs/2404.02060
🥇 Visualization-of-Thought : https://arxiv.org/abs/2404.03622
🥇 The Unreasonable Ineffectiveness of the Deeper Layers : https://arxiv.org/abs/2403.17887v1
🌐 🌐 🌐 @ai_python
🥇 JetMoE : https://research.myshell.ai/jetmoe
🥇 Representation Finetuning for LMs : https://arxiv.org/abs/2404.03592
🥇 Advancing LLM Reasoning : https://github.com/OpenBMB/Eurus/blob/main/paper.pdf
🥇 Training LLMs over Neurally Compressed Text : https://arxiv.org/abs/2404.03626
@ai_python
Please open Telegram to view this post
VIEW IN TELEGRAM
www.dair.ai
DAIR.AI - Empowering AI Builders & Creators
Access cutting-edge tools and a world-class academy to learn, innovate, and build the future with artificial intelligence.