Linuxor ?

اگه هنوز مطمئن نیستی اپلای برات گزینه‌ی خوبیه یا نه، یه سر به این کانال بزن؛ اطلاعات کاربردیش می‌تونه تصمیم‌گیری رو برات راحت‌تر کنه: https://t.me/+gubJw9KFkf4xNWM8

❇️ اگر می‌خوای وارد دنیای هوش مصنوعی بشی، Generative AI پولساز ترین راهشه ✴️ هوش مصنوعی مولد رو پروژه‌محور آموزش ببین و مدرکش رو بگیر شروع یادگیری👇👇 https://dnkr.ir/kJXd7 https://dnkr.ir/kJXd7

شروع کردن سخته، ولی با یه تیم خوب خیلی فرق می‌کنه... 🚩 بوتکمپ تخصصی هوش‌مصنوعی 🟢دوره‌ فشرده‌ آماده‌سازی برای ورود به بازارکار ✨ آموزش تخصصی، کاربردی و تجربه نزدیک به صنعت! ✔️ اساتید مجرب و فعال در حوزه هوش‌مصنوعی ✔️ کار گروهی و شبکه‌سازی‎ ✔️ تمرین و پروژه هدفمند ✔️ منتورینگ اختصاصی ❗️ظرفیت محدود 💳 پرداخت قسطی ➡️ فرم ثبت‌نام: 🔗 https://quera.org/r/9ia4t

اصلا باگی که دیده بشه باگ نیست، باگ باید جوری باشه که هم برنامت گیرپاژ کنه هم خودت و اصلا نفهمی باگه از کجاست و بعضی مواقع هم برنامه درست کار کنه ک بعضی مواقع درست کار نکنه @Linuxor

کد زدن هم حدی داره؛ گاهی اوقات سیستم رو بدون حتی سیو کردن کد ببندید برید توی دنیای واقعی،،، بزار کداتون بفهمن رئیس کیه @Linuxor

این ریپو یه کورس 12 هفته‌ایه از مایکروسافت برای شروع ماشین لرنینگ از یه مسیر ساده شروع می‌کنه: با مثال‌های روزمره، مثل پیش‌بینی فروش یا تشخیص دست‌خط. حتی قبل از اینکه ریاضی سنگین وارد شه، دست به کدت می‌کنه بدرد اونایی می‌خوره که می‌خوان از مسیر معقول شروع کنن، نه فقط زودتر. github.com/microsoft/ML-For-Beginners @Linuxor

توی زندگیتون به ظاهر و امکانات زیاد کسی اعتماد نکنید، تنها زبانی که واقعا خودشه و می‌شه بهش اعتماد کرد اسمبلیه بقیه امکانات ناچارا بی اعتمادی می‌آرن @Linuxor

احتمالا دیدید که هوش مصنوعی گاهی وقتا توهم می‌زنه. ولی این قضیه اونجوری که فکر می‌کنین باگ نیست. در واقع، این بخشی از ذات طراحیشه. هوش مصنوعی مثل یه دیتابیس نیست که اطلاعات رو خشک و خالی حفظ کنه؛ کار اصلیش اینه که الگوها و شکل کلی زبان رو یاد بگیره. برای همین هم هست که تو کارایی مثل خلاصه‌نویسی، توضیح دادن یه موضوع پیچیده به زبون ساده یا ترجمه خلاقانه اینقدر خوب عمل می‌کنه. چون داره از قدرت حدس و تخمینش استفاده می‌کنه تا یه جواب روون و منطقی تحویل بده، نه اینکه یه مشت اطلاعات حفظ شده رو کپی پیست کنه. مشکل از جایی شروع میشه که ما ازش جواب دقیق و صددرصدی می‌خوایم، مثلا در مورد دوز دارو یا یه نقل قول مشخص. هوش مصنوعی فرق این دو حالت رو نمی‌فهمه؛ فقط داره محتمل‌ترین کلمه بعدی رو بر اساس الگوهایی که یاد گرفته می‌گه. برای همین، ممکنه یه جواب خیلی خوشگل و با گرامر عالی بهت بده که کاملا ساختگیه. راه حلش هم این نیست که مدل رو بزرگ‌تر کنیم، چون اون وقت فقط با اعتماد به نفس بیشتری هذیون میگه! راه حل اینه که ابزارهایی دور و برش بذاریم که بتونه اطلاعاتش رو از منابع دقیق چک کنه. @Linuxor ~ dustin

برای یادگیری کامپیوتر اگه سربازی جلوتونو نگرفته یا چه می‌دونم فرهنگ خانوادگی یا چیزای دیگه مجبورتون نمی‌کنه دانشگاه نرید من توی چهار سال دانشگاه کلی یاد گرفتم و کلی پیشرفت کردم ولی چیزی رو در من کشت به اسم خلاقیت که با هیچ فرمولی نمی‌تونم مجددا بهش برسم... در حالی که کل چیزایی که یاد گرفتم سر جمع اندازه خوندن یه کتابی بیش نیست! البته خوندن این کتاب نیاز به پس گردنی داره! که اگه دستتون سنگینه خودتون به خودتون زود تر پس گردنی رو بزنید نزارید دانشگاه با رقابت های بیهوده مثل نمره بهتون بزنه و مجبورتون کنه خلاف چیزایی که دوست دارید برید این شرکت هایی هم که مدرک ازتون میخوان از بیرون ایران بهشون نگاه کنید توی سطح جهانی مفت نمی‌ارزن فقط شاخ بازیشو تو ایران واس شما بلد در بیارن ! @Linuxoe

بدون هزار تومن خرج کردن اینو توی یک ماه اوردم رنک زیر 10 گوگل اونجایی که یهو ریخت پایین بخاطر اشتباه فاحشم بود که برای دیدن بعضی صفحات خوب لاگین گذاشته بودم، و بعد اصلاح اشتباه مجددا رشد شروع شد. حالا چرا اشتباه فاحش؟ صفحه لاگین مثل یه دیوار کاغذیه حتی اگه طلا هم پشتش باشه بعضی کاربرا تمایل به دیدن اون طرفشو ندارن، چون وقت اینو ندارن اون کاغذو پاره کنن؛ و نکته دیگه حتی لاگین ساده هم همین تاثیرو داره چه برسه لاگین های چند اینپوتی؛ جنس لاگین من از Oauth بود که با یه کلیک لاگین میشد این همه وایب منفی داشت حالا چه برسه لاگین های زمان بر و چند مرحله ای @Linuxor

نمی‌دونی پشت پرده Kubernetes چه خبره؟ ریپوی Kubernetes The Hard Way دقیقاً همون چیزیه که دنبالشی. اینجا خبری از اتوماسیون نیست و قدم به قدم یاد می‌گیری چطور تک‌تک کامپوننت‌های کوبرنتیز، از etcd گرفته تا kube-apiserver، رو خودت راه‌اندازی کنی. اینجوری دیگه کوبرنتیز برات جعبه سیاه نیست! به درد مهندس‌های دواپس و زیرساخت می‌خوره که می‌خوان عمقی بفهمن سیستم چطور کار می‌کنه. github.com/kelseyhightower/kubernetes-the-hard-way @Linuxor

یکی از سوال های قدیمی مصاحبه ها اینه که میپرسن وقتی google.com رو باز کردی چه اتفاقی می‌افته ؟ اینجا امدن بسیار ریز توضیحش دادن از اون سیگنالی که وقتی g رو فشار دادید که از کیبرد ساخته می‌شه تا رندر شدن صفحه توسط GPU داستان جالبیه، اگه انگلیسیتون هم خوب نیست ترجمش کنید بخونیدش github.com/alex/what-happens-when @Linuxor

با نود جی اس یه فریم ورک برای وبلاگ نویسی ساختن به اسم hexo که خیلی راحت هم می‌تونین نصبش کنید تم های قشنگی هم داره نحوه نصبش : hexo.io لیست تم هاش: hexo.io/themes @Linuxor

بعضی ترکیب ها واقعا توی زمان فوق‌العاده ای باهم مچ شدن مثلا کن تامسون با یونیکسش و دنیس ریچی با زبان سی دقیقا توی زمان خوبی باهم مچ شدن یا لینوس توروالدز لینوکس و استالمن پروژه GNU رو شروع کرد که دقیقا باید توی یه زمان باهم می‌بودن @Linuxor

🚀 اکانت اشتراکی ChatGPT Plus ویژه برنامه‌نویسان 🧠 با دسترسی کامل به GPT-4o و مدل‌های پیشرفته مثل GPT-4.5 و GPT-3.5، همه ابزارهای هوش مصنوعی برای توسعه‌دهنده‌ها در اختیارت هست! 💡 مناسب برای: برنامه‌نویسان بک‌اند، فرانت‌اند و فول‌استک 📱 توسعه‌دهندگان موبایل (iOS/Android) 🧪 متخصصان دیتاساینس و یادگیری ماشین 📂 مهندسین DevOps و Cloud 🖥️ دانشجویان رشته‌های کامپیوتر و IT 💲 فقط با ۲۸۷ هزار تومان برای یک ماه کامل 🟥 همچنین اشتراک Gemini (گوگل) هم با قیمت مناسب موجوده 🔜 ظرفیت محدود – همین الان پیام بده تا عقب نیفتی! 📱┣ https://t.me/+Kh6dSLHPuPA4NjNk

‌ ‌ پرداخت شهریه و ثبت‌نام قطعی: yun.ir/cloud اطلاعات راجع به مدرسان و سرفصل‌ها: ‎@WeCampPro ✨آموزشگاه مهارت‌های شغلی وی‌کمپ✨

تا حالا به حجم ایمیج داکرت زل زدی و با خودت گفتی "این توش چیه دیگه؟!" ایمیج‌های داکر گاهی بی‌دلیل حجیم می‌شن و پیدا کردن اینکه چی اضافیه کار حضرت فیله. dive بهت اجازه می‌ده لایه‌به‌لایه ایمیج رو بکاوی و ببینی دقیقاً چی فضا گرفته. دیگه از حدس و گمان خبری نیست! اینطوری فضای هدر رفته رو پیدا می‌کنی و ایمیج‌هات رو سبک می‌کنی. برای هرکسی که ایمیج داکر می‌سازه و دنبال بهینه‌سازیه، فوق‌العاده کاربردیه. github.com/wagoodman/dive @Linuxor

با Segment Anything می‌تونید اشیاء رو از توی عکس ها تشخیص بدید جالب‌ترین بخشش به نظرم قابلیت Zero-shot اونه. یعنی مدل بدون اینکه از قبل نمونه‌های اون شیء خاص رو دیده باشه، می‌تونه اونو تو تصویر تشخیص بده و جدا کنه. این فرق بزرگی با مدل‌های قدیمیه که باید برای هر کلاس جدیدی از اشیاء، کلی داده و آموزش جدید بهشون می‌دادی. این انعطاف‌پذیری برای کاربردهای خلاقانه یا تحلیل داده‌های تصویری خیلی متنوع، فوق‌العاده است. github.com/facebookresearch/segment-anything @Linuxor