DevTwitter | توییت برنامه نویسی

در ریپوی Awesome Ghostty روی گیت‌هاب، مجموعه‌ای از ابزارها و شیدرهای اختصاصی برای ترمینال Ghostty داره لیست میشه. https://github.com/fearlessgeekmedia/Awesome-Ghostty @DevTwitter | <Yaser Shahi/>

آماده کردن محیط برنامه نویسی از جمله کارهای مهمی هست که هر دولوپر یا برنامه نویس کلی براش وقت میذاره، چون که قراره دائما باهاش کار کنه. این ریپو یک template درست کرده و قدم به قدم توضیح میده که چطور محیط پایتون را با استفاده از VS code و داکر با هم آماده کنید. یکبار set up میکنید و دیگه راحت میشید. البته میشه برای زبان های دیگه هم تغییرش داد و ازش استفاده کرد. github: https://github.com/RamiKrispin/vscode-python @DevTwitter | <Mehdi Allahyari/>

🔥 25% تخفیف سرور اختصاصی پرقدرت افرانت ✅ استفاده از سخت افزار های روز دنیا ✅ نصب رایگان انواع سیستم عامل ✅ ضریب پایداری ٩٩.٩% ✅ پشتیبانی ٢٤x٧ رایگان ✅ ارائه هاردهای SSD با ظرفیت 960GB 🎫 کد تخفیف:OFF25 ⏳ مهلت استفاده: 10 بهمن 📞 02181181 داخلی 2 مشاهده بسته ها: https://afranet.ir/fa/services/server?utm_source=jaryan&utm_campaign=61284&utm_content=devtwitter&utm_medium=tg-reach-post&utm_term=term

از DeepSeek-V3 بگیم که یه مدل با هزینه کم به حساب میاد. یه آزمایشگاه چینی این مدل رو توی ۲ ماه با ۵.۵ میلیون دلار ساخته که میشه مقایسه کرد با آموزش GPT-4o با ۱۰۰ میلیون دلار هزینه. در واقع میشه یه مدل AI اوپن‌سورس ترکیبی و (Mixture-of-Experts یا MoE). یعنی به جای یه مدل بزرگ که همه‌کاره باشه، میان چند تا مدل «تخصصی» کوچیکتر میسازن که با هم کار میکنن. با ۱۴.۸ تریلیون توکن آموزش داده شده، از تکنیک‌های جدیدی مثل Multi-Head Latent Attention (MLA) استفاده کردن. برای توضیح این تکنیک باید به اصل «مفهوم توجه» یا همون Attention توی مدل‌های زبانی نگاه کنیم. در مدل‌های زبانی، «توجه» یه مکانیزمه که به مدل اجازه میده تا روی کلمات مهم‌تر تمرکز کنه و کلمات کم‌اهمیت‌تر رو نادیده بگیره. این بهش کمک میکنه ارتباط کلمات رو بیشتر بفهمه و جواب بهتری بده. حالا MLA میاد با جنبه‌های مختلفی به متن نگاه میکنه و سعی میکنه اهمیت کلمات رو متوجه بشه، مثلا یه بار ممکنه به روابط گرامری نگاه کنه، یه بار به معنی کلمات نگاه کنه و ... خروجی میشه درک بیشتر و مصرف کمتر GPU و منابع محاسباتی. طراحی و آموزش این مدل هم روی چیپ NVIDIA H800 بوده که میشه یه مدل ارزون و محدود از H100 برای بازارهای تحریمی مثل چین. از ویژگی‌هاش توانایی پردازش تا ۱۲۸۰۰۰ توکن در یه ورودی که برای کارهایی مثل بررسی اسناد قانونی و تحقیقات دانشگاهی خیلی خوبه. ین مدل ۶۷۱ میلیارد پارامتر داره، اما گفته میشه فقط ۳۷ میلیاردش برای انجام هر کار فعال میشه. تو آزمون‌های مختلف با مدل‌های دیگه مثل Claude-3.5، GPT-4o، Qwen2.5 و Llama3.1 مقایسه شده و عملکرد خوبی داشته. به خصوص تو ریاضیات و کدنویسی، تو آزمون‌هایی مثل MATH-500 و LiveCodeBench از رقباش بهتر بوده. همچنین تو کارهایی که نیاز به درک متن‌های طولانی داره خیلی خوبه. @DevTwitter | <Soroush Ahmadi/>

تابع لامبدا تو پایتون یه جور تابع کوچیک و جمع‌وجوره که می‌شه تو یه خط نوشتش. خیلی ساده‌ست و لازم نیست مثل توابع معمولی با def تعریفش کنیم. بیشتر برای کارای ساده و سریع استفاده می‌شه. تو تصویر بالا می‌تونید مثال‌ها و کاربردهای اون رو مشاهده کنید. @DevTwitter | <Reza Jafari/>

یه برنامه برای ساخت میکروسرویس‌ها با رویکرد Domain-Driven Design (DDD) توسعه دادم؛ و خوشحال میشم که بهتون معرفیش کنم و نظرتون رو راجبش بدونم چون بهم کمک میکنه توی ادامه توسعش دقیق تر نیازهای برنامه نویسا رو بدونم. این پروژه کاملا اوپن سورس ارائه میشه و همینطور: با ساختار تمیز و قابل فهم، توسعه پروژه‌ها رو سریع‌تر و لذت‌بخش‌تر می‌کنه. با استفاده از فایل‌های محیطی (environments)، به راحتی می‌تونید تنظیمات پروژه‌تون رو مدیریت کنید. ۱. نصب: npm install hex-micro ۲. نمونه‌ها: برای دیدن مثال‌های کامل و سناریوهای واقعی، به فولدر example در گیت‌هاب برین. من خوشحال می‌شم اگر نظراتتون رو با من به اشتراک بذارید. اگر هم علاقه‌مند به همکاری هستید، باعث افتخاره که بتونیم از تجربه های شما هم توی این پروژه استفاده کنیم؛ از طریق ایجاد issue توی repository میتونین با من در ارتباط باشین. و یا برای استفاده شخصیتون میتونید پروژه رو clone کنید و هرطور که دوست داشتید زیرساختش رو هم تغییر بدید, و یا هم طبق ساختار آماده شده جلو برین. لینک‌ها: NPM: https://www.npmjs.com/package/hex-micro GITHUB: https://github.com/Tariux/HEX @DevTwitter | <madman/>

دنبال یه پروژه قدیمی تو گیت هاب میگشتم که یه پروژه خیلی قدیمی تر پیدا کردم. پروژه درس دیتابیس :) ۱۰ سال قبل :) ۱۰ سال گذشت :) من و مرجان از بچه های دانشکده هم تیمی بودیم اون موقع. آف کورس که مهاجرت کردیم :) چه تمیز هم php براش نوشتیم :) https://github.com/SaeedNajafi/DB-Project @DevTwitter | <Saeed/>

❤️ دسترسی ویژه به ChatGPT Plus فقط با 350 هزار تومان در ماه! ✅ از قدرت هوش مصنوعی لذت ببرید و کارهاتون رو راحت‌تر کنید. ❤️ اکانت اسپاتیفای روی ایمیل شخصی خودتون فقط 154 هزار تومان! ✅ به موسیقی‌های دلخواهتون بدون محدودیت گوش بدید. 📥 همین حالا با بهترین قیمت سفارش بدید و لذت ببرید! https://t.me/+5oRjygJv4y0xOTFk ⏳ فرصت محدود! همین الان اقدام کنید!

#کوته_نیوز تا چیزمان رفتیم تو گل @DevTwitter

اگر نیاز داشتین که تو محیط لینوکس ویدیو فشرده کنین بدون اینکه فرمتش عوض بشه میتونین از این اسکرپیت استفاده کنین https://gist.github.com/ArmanTaheriGhaleTaki/e2cf84743df55cab3a441af4836ef914 @DevTwitter | <armondy/>

بعد از یه هفته تموم شد بالاخره. تونستم کتابخونه ی Open-mls رو به web assembly پورت کنم. فعلا persistent storage نداره ولی اینم اضافه میکنم. https://github.com/cosmopole-org/openmls-wasm @DevTwitter | <Hawk Cosmopolitan/>

🔥 دوره های هوش مصنوعی با PYTHON🔥کلیک کنید👇 💥دوره BIG DATA👉کلیک 💥مقدماتی PYTHON 👉کلیک 💥پیشرفته PYTHON 👉کلیک 💥علم داده با PYTHON 👉کلیک 💥یادگیری عمیق با PYTHON 👉کلیک 💥یادگیری ماشین با PYTHON 👉کلیک 📌مشاوره و ثبت نام: 🙍‍♂️@ParsPajouhaanCEE 📞021-88322992(105) 🌐 وبسایت 📱 کانال تلگرام 📱 اینستاگرام

در قسمت دهم از آموزش برنامه نویسی به زبان GO به بررسی و تعریف Performance از ابعاد مختلف و مستقل از زبان پرداختیم. از شما چه پنهون از این ویدیو خودم خوشم اومد. چند بار ببنید چون در مورد Go صحبت نمی‌کنم :) https://www.youtube.com/watch?v=ZOClH2BLRwE @DevTwitter | <Hêmn Hosseinpana/>

از روزی ۱۰ ساعت کد زدن نتیجه گرفتم: ۱- تقریبا بعد از ساعت ۶-۷ فقط داری وقت تلف می‌کنی. ۲- چت بات claude به مراتب تو coding از chatGPT بهتره و تقریبا ۲۰ دلار به openai دادن پول دور ریختنه. من با cursor کار نکردم. ۳- ورزش ملایم صبح ناشتا burnout رو یکی دو ساعت عقب میندازه. @DevTwitter | <shamshiri/>

بچه های که میخواهید تازه برنامه نویسی رو شروع کنید دوره های Mosh Hamedani برای شروع به نظر من خیلی عالی هستن https://codewithmosh.com/ @DevTwitter | <Shayan/>

فکت زندگی

به نظرم بزرگ‌ترین چیزی که آدما باید یاد بگیرن، بیرون کشیدنه! از هرکی، هرچی، هرموقع که نیاز بود. @luvablee

من وبسایت http://thewebscraping.club رو بار ها معرفی کردم که در مورد وب‌اسکرپینگ مطالب مختلفی میذاره. الان تصمیم گرفتم به مرور با http://notebooklm.google برای پست هاش پادکست بسازم و با روشی که دارم براش زیرنویس فارسی تولید کنم و تو یوتیوب بذارم. @DevTwitter | <وحید/>

یه مقاله جذاب در مورد نوشتن کد سریع از Shopify درسته که درباره Ruby on Rails نوشته شده اما اکثر نکاتش به خیلی از زبان و فریمورک های دیگه از جمله گولنگ هم قابل تعمیم دادن هست. دقت کنید که Shopify در یک مقیاس خیلی بزرگ کار میکنه و نکاتش مهمه. کدی که با Ruby on Rails نوشته میشه معروفه به کند بودن اما در Shopify در مقیاس میلیون درخواست در دقیقه داره از Ruby on Rails استفاده میشه تو این مقاله نکات جالبی رو اشاره میکنه برای اینکه کد سریعتری نوشته بشه اولین نکته ش در مورد ORM یا همون ActiveRecord هست که باید درک کنید توابع مختلف orm چه رفتاری با دیتابیس دارند. تو گولنگ همین مشکل با gorm وجود داره که به شدت میتونه لود زیادی روی دیتابیس بندازه بدون اینکه برنامه نویس متوجه این قضیه بشه. دومین نکته ش باز در مورد دیتابیس هست که میگه از select * پرهیز کنید و فقط ستون هایی که لازم دارید رو انتخاب کنید. نکته دیگه پرهیز از کوئری زدن به ستون هایی هست که index ندارن و در مقیاس بالا باعث میشه که full scan رخ بده البته ایندکس اضافه کردن باعث lock شدن دیتابیس ممکنه بشه برای writeها و باید مواظب مایگریشن ایندکس باشیم نکته بعدی کش کردن همه چیز هست… Cache All The Things If you can’t make something faster, a good alternative is to cache it. Things like complex view compilation and external API calls benefit greatly from caching. Especially if the resultant data doesn’t change often. یه سری چیزارو میشه throttle کرد Throttle Bottlenecks But what about operations you can’t cache? Things like delivering an email, sending a webhook, or even logging in can be abused by users of an application. Essentially, any expensive operation that can’t be cached should be throttled. برای یه سری پروسه ها هم میشه job queue و مکانیزم های async در نظر گرفت Do It Later (In a Job) Jobs allow us to defer work to another process through queueing systems often backed by Redis. Exporting a dataset, activating a subscription, or processing a payment are all great examples of job-worthy work پرهیز از متاپروگرمینگ Use Metaprogramming Sparingly Changing a program’s structure at runtime is a powerful feature. In a highly dynamic language like Ruby, there are significant performance costs associated to metaprogramming. دونستن تفاوت O(1) و O(n) برای مقیاس پذیر بودن خیلی مهمه Know the difference between O(n) and O(1) What O(n) and O(1) mean is that there are two kinds of operations. O(n) is an operation that scales in time with size, and O(1) is one that is constant in time regardless of size. مثلا جای آرایه بهتره از hash استفاده بشه چون lookup کردن تو hash فارغ از اندازه O(1) هست Allocate Less استفاده و مدیریت Garbage Collector If used improperly, dangerous methods can lead to unwanted side effects in your code. A best practice to follow is to avoid mutating global state while leveraging mutation on local state. https://shopify.engineering/write-fast-code-ruby-rails @DevTwitter | <Hossein Nazari/>

ساختار داده‌ای جدول هش (Hash Table Data Structure): هشینگ (Hashing) یکی از ساختارهای داده‌ای مهم و کارآمد است که برای انتساب یک مقدار به یک کلید خاص استفاده می‌شود. این فرآیند از طریق یک تابع هش انجام می‌شود. هدف اصلی این ساختار، دسترسی سریع‌تر به عناصر با استفاده از این کلیدها است. کارایی هشینگ به شدت به طراحی و کارایی تابع هش وابسته است، به طوری که تابع هش باید برخوردها (Collisions) را به حداقل برساند و داده‌ها را به صورت یکنواخت در جدول توزیع کند. فرض کنید یک تابع هش H(x) مقدار x را در شاخص x % 10 در یک آرایه ذخیره می‌کند. به عنوان مثال، اگر لیست مقادیر [11,12,13,14,15] باشد، این مقادیر در موقعیت‌های {1,2,3,4,5} در جدول هش ذخیره خواهند شد. موارد استفاده از ساختار داده‌ای جدول هش(Hash Table Data Structure): 1-ساختارهای داده‌ای برای جستجو و بازیابی سریع: به طور گسترده در پیاده‌سازی دیکشنری‌ها (مثل Dictionary در Python یا HashMap در Java و C#) استفاده می‌شود. 2-مدیریت پایگاه داده‌ها: برای نگهداری ایندکس‌ها در پایگاه داده‌ها، جدول‌های هش به منظور دسترسی سریع به رکوردها استفاده می‌شود. 3-سیستم‌های کش (Caching): برای ذخیره و بازیابی داده‌ها در سیستم‌های کش با سرعت بالا، مانند Memcached. 4-سیستم‌های تشخیص کلمات تکراری: در پردازش زبان طبیعی (NLP) و بررسی متون برای ذخیره مجموعه‌ای از کلمات و بررسی وجود یا عدم وجود آن‌ها. 5-مدیریت حافظه: برای مدیریت سریع تخصیص و آزادسازی حافظه. 6-حل مسائل با زمان‌بندی مناسب: مانند تشخیص مقادیر تکراری در یک آرایه یا نگاشت یک مقدار به کلید برای مرتب‌سازی و جستجو سریع. 7-شبکه‌های کامپیوتری: در مسیریابی و کش DNS برای ذخیره آدرس‌های IP و نام دامنه‌ها. مزایا: 1-سرعت بالا در جستجو و بازیابی. 2-کارایی مناسب برای داده‌های بزرگ. 3-انعطاف‌پذیری در ذخیره‌سازی جفت‌های کلید-مقدار. 4-پیاده‌سازی ساده و گسترده در زبان‌های برنامه‌نویسی. چالش‌ها: 1-مدیریت برخوردها (Collisions). 2-طراحی مناسب و کارآمد تابع هش. 3-هزینه افزایش اندازه جدول هش (Resizing). 4-مصرف بیشتر حافظه برای کاهش برخوردها. 5-حساسیت به کیفیت کلیدهای ورودی. @DevTwitter | <Hossein Vaezzadeh/>