برنامه نویسی | هوش مصنوعی
Open in Telegram
‼️ bluelearn (بلولرن) 📝توضیحات کانال: - آموزش #برنامه_نویسی با زبانهای #پایتون #سی - نکات پیشرفته برنامه نویسی - بررسی #تکنولوژی های مهم - #معرفی_ابزار های کاربر پشتیبانی: http://T.me/bluelearnBot?start=btn-VKuIkZbe4
Show more1 467
Subscribers
-224 hours
+137 days
+3130 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
July '26
July '26
+88
in 1 channels
June '26
+65
in 0 channels
Get PRO
May '26
+19
in 0 channels
Get PRO
April '26
+2
in 0 channels
Get PRO
March '260
in 0 channels
Get PRO
February '26
+26
in 0 channels
Get PRO
January '26
+38
in 1 channels
Get PRO
December '25
+110
in 1 channels
Get PRO
November '25
+97
in 0 channels
Get PRO
October '25
+73
in 1 channels
Get PRO
September '25
+59
in 2 channels
Get PRO
August '25
+82
in 4 channels
Get PRO
July '25
+176
in 5 channels
Get PRO
June '25
+20
in 2 channels
Get PRO
May '25
+42
in 5 channels
Get PRO
April '25
+258
in 154 channels
Get PRO
March '25
+438
in 159 channels
Get PRO
February '25
+425
in 168 channels
Get PRO
January '25
+188
in 181 channels
Get PRO
December '24
+218
in 146 channels
Get PRO
November '24
+145
in 153 channels
Get PRO
October '24
+147
in 154 channels
Get PRO
September '24
+152
in 150 channels
Get PRO
August '24
+114
in 146 channels
Get PRO
July '24
+2 954
in 52 channels
Get PRO
June '24
+20
in 1 channels
Get PRO
May '24
+57
in 0 channels
Get PRO
April '24
+116
in 7 channels
Get PRO
March '24
+169
in 49 channels
Get PRO
February '24
+199
in 1 channels
Get PRO
January '24
+111
in 1 channels
Get PRO
December '23
+74
in 11 channels
Get PRO
November '23
+148
in 15 channels
Get PRO
October '23
+538
in 49 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 28 July | +4 | |||
| 27 July | 0 | |||
| 26 July | +5 | |||
| 25 July | +3 | |||
| 24 July | 0 | |||
| 23 July | +10 | |||
| 22 July | +4 | |||
| 21 July | +10 | |||
| 20 July | +6 | |||
| 19 July | +5 | |||
| 18 July | +1 | |||
| 17 July | +2 | |||
| 16 July | +2 | |||
| 15 July | +2 | |||
| 14 July | +4 | |||
| 13 July | +3 | |||
| 12 July | +2 | |||
| 11 July | +5 | |||
| 10 July | +2 | |||
| 09 July | 0 | |||
| 08 July | +2 | |||
| 07 July | +3 | |||
| 06 July | 0 | |||
| 05 July | +1 | |||
| 04 July | +2 | |||
| 03 July | +4 | |||
| 02 July | +3 | |||
| 01 July | +3 |
Channel Posts
| 2 | ✅زمان ارسال اولین بایت یا همون (TTFB) چیست؟🖥
⭐️درواقع TTFB یا Time To First Byte معیاری است که مدتزمان انتظار مرورگر برای دریافت اولین بایت اطلاعات از سمت سرور را اندازهگیری میکنه وقتی کاربر وارد یک صفحه میشه مرورگر ابتدا درخواستو به سرور ارسال میکنه و سپس منتظر میمونه تا سرور پردازشای لازمو انجام بده و اولین بخش از پاسخ رو برگردونه. این فاصله زمانی، همون چیزی است که TTFB نامیده میشه. اهمیت این مرحله از آنجاست که نقطه آغاز بارگذاری صفحه محسوب میشه و هرگونه تأخیر در اون ، سرعت کلی سایت و تجربه کاربری را تحت تأثیر قرار میدهد.
در بسیاری از سایتها، مشکلات سرعت دقیقا از همین نقطه شروع میشه. اگر سرور در پاسخ دهی اولیه کند باشه یا پردازشهای داخلی سایت زمان زیادی بگیرد، حتی پیشرفته ترین بهینهسازیها هم نمیتوانند سرعت نهایی صفحه را رضایتبخش کنه. در نتیجه، TTFB را میتونیم یکی از بنیادی ترین شاخص ها در تحلیل عملکرد وبسایت ها بدونیم شاخصی که کیفیت زیرساخت و بهینهسازی سمت سرور رو بهخوبی آشکار میکنه.🖥
@blulearnmp | 16 |
| 3 |  ☄♨️♨️✳️✳️✳️♨️♨️☄
📌دیگه دنبال کانالای متنوع نگرد،هرچی میخوای اینجاداریم ....😍✅
Link🔰🔰🔰
https://t.me/addlist/udzXouzfqPJlZWE0
#وطن عشق
#ناب | 9 |
| 4 |  🆕انواع API
@bluelearnmp | 26 |
| 5 |  ✔️ تله هوشمند یک استاد دانشگاه برای شکار تقلب با ChatGPT!
یک استاد تاریخ در آمریکا برای پیدا کردن دانشجوهایی که پاسخ امتحان را مستقیم از هوش مصنوعی کپی میکردند، یک ترفند جالب اجرا کرد.
او داخل فایل سوالات امتحان، یک دستور مخفی با فونت سفید قرار داد؛ متنی که برای چشم انسان دیده نمیشد، اما وقتی کل فایل به ChatGPT داده میشد، مدل آن را میخواند و اجرا میکرد.
نتیجه؟ بعضی پاسخهای امتحان به جای توضیح درباره انقلاب صنعتی، تبدیل شدند به جملههای کاملاً بیربط مثل:
«ماداگاسکار بعدازظهرها شناور میشود!»
«دوچرخه بنفش با سقف حرف میزند!»
طبق گزارشها، از ۳۵ دانشجو، ۳۲ نفر در آن بخش از امتحان شکست خوردند؛ چون مشخص شد بدون بررسی، خروجی هوش مصنوعی را تحویل دادهاند.
این ماجرا یک نمونه واقعی از Prompt Injection است؛ همان تکنیکی که در حملات امنیتی برای فریب مدلهای هوش مصنوعی استفاده میشود، اما این بار برای شناسایی تقلب به کار رفت.
@kaliboys | کالی بویز | 1 |
| 6 |  دیگه دنبال کانالای متنوع نگرد،هرچی میخوای اینجاداریم ......✅
Link🔰🔰🔰
https://t.me/addlist/mgOJTWhKQARiNzQ8
#قند_سینما_رفت
#اکبر_عبدی
#ناب | 10 |
| 7 |  🔎انواع ابزار های اسکن آسیب پذیری
@bluelearnmp | 30 |
| 8 | 🧠 کَش (Cache) چیه؟
فرض کن هر روز صبح میری نونوایی سر کوچه
روز اول از نونوا میپرسی آقا نون چنده
میگه: ۱۵ تومن
حالا سوال: فردا صبح دوباره میپرسی چنده؟! قاعدتا نه ! تو ذهنت ذخیرهش کردی.(البته در حال حاضر همیشه باید بپرسی قیمت ثابت نیس😂) دفعه بعد مستقیم پول رو میدی و نون رو میگیری سریع تر و بدون سوال اضافه
این دقیقا همون کشه✅
🖥 حالا تو دنیای برنامهنویسی:
وقتی ی سایت رو باز میکنی مرورگر عکسها، فونتها و فایلهای CSS رو دانلود میکنه دفعه بعد که همون سایت رو باز کنی به جای اینکه دوباره همه رو دانلود کنه از کش برشون میداره نتیجه؟ سایت چند برابر سریعتر لود میشه 🚀
چند مثال واقعی:
⏺️ کش مرورگر 🔺 عکس لوگوی گوگل هر بار دانلود نمیشه
⏺️کش دیتابیس (مثل Redis) 🔺 به جای اینکه هر بار از دیتابیس کوئری سنگین بزنی جواب رو ی بار حساب میکنی و نگهش میداری
⏺️ کش CPU 🔺 پردازنده دادههای پرتکرار رو کنار دست خودش نگه میداره که نره سراغ RAM
⭐️ی نکته ای هم داره
اگر به هر دلیلی اون کشه قدیمی شده باشه دیگه بدرد نمیخوره و بهش میگن Stale Cache (کش کهنه)
@bluelearnmp | 36 |
| 9 |  #از_خــون_ڪــودڪــان_وطن_لالـه_دمیده؛
#ناب
Link🔰🔰
https://t.me/addlist/Sr1TaUgIrLpjMjlk | 11 |
| 10 |  یه پروژه خیلی جالب برای کسایی که میخوان بفهمن پشت صحنهی LLMها چی میگذره ساخته شده. این ریپو قدمبهقدم نشون میده چطور یه مدل زبانی رو از صفر بسازید؛ از جمعآوری و آمادهسازی دادهها گرفته تا ساخت کامل معماری Transformer با PyTorch و در نهایت اینکه مدل چطور شروع به تولید متن میکنه. حتی بخشهایی مثل Attention، Multi-Head Attention، بلاکهای Transformer و کل ساختار مدل هم خودشون از صفر پیادهسازی شدن و با توضیحات و نمودارهای ساده توضیح داده شدن.
github.com/FareedKhan-dev/train-llm-from-scratch
@bluelearnmp | 1 |
| 11 |  #وطن
#جنوب_فرزند_ارشد_ایران
#ناب
Link🔰🔰
https://t.me/addlist/cXF_vp2sDOEyYzNk | 15 |
| 12 | ⚙️ تفاوت LLVM، GCC و Cranelift
هر سه در نهایت یک کار مشترک انجام میدن: تبدیل کد برنامه به کد ماشین. اما فلسفهی طراحی، معماری و کاربردشون کاملاً با هم فرق داره.
ا🔹 GCC (GNU Compiler Collection)
قدیمیترین و باتجربهترین عضو این خانوادهست. از دههی ۸۰ میلادی توسعهش شروع شده و از زبانهای مختلفی مثل C، C++، Fortran، Ada، Go و چند زبان دیگه پشتیبانی میکنه.
معماری GCC نسبت به LLVM یکپارچهتر (Monolithic) هست؛ یعنی Front-end و Back-end مثل LLVM کاملاً از هم جدا نیستن. همین باعث میشه توسعهی زبانها یا ابزارهای جدید روی GCC سختتر باشه، اما در عوض سالها بهینهسازی باعث شده برای پروژههای C و C++ یکی از بهترین انتخابها باشه.
ضمن اینکه روی معماریها و پلتفرمهای زیادی، مخصوصاً سیستمهای Embedded، پشتیبانی فوقالعادهای داره.
ا🔹 LLVM
اLLVM بیشتر از اینکه یک کامپایلر باشه، یک زیرساخت برای ساخت کامپایلره.
زبانهای مختلف مثل Clang (برای C/C++)، Rust، Swift و Julia کدشون رو به یک نمایش میانی به اسم LLVM IR تبدیل میکنن و بعد LLVM اون رو برای معماریهایی مثل x86، ARM و RISC-V به کد ماشین تبدیل میکنه.
همین طراحی ماژولار باعث شده LLVM تبدیل به قلب خیلی از زبانهای مدرن بشه.
قدرت اصلی LLVM توی بهینهسازیهای فوقالعادهشه؛ البته این قدرت معمولاً به قیمت زمان کامپایل بیشتر به دست میاد.
ا🔹 Cranelift
اCranelift یک Backend نسبتاً جدیده که اصلاً برای رقابت با LLVM در تولید سریعترین باینری ساخته نشده.
هدفش اینه که کد رو تا جای ممکن سریع کامپایل کنه. به همین خاطر توی پروژههایی مثل Wasmtime یا rustc_codegen_cranelift ازش استفاده میشه؛ جاهایی که سرعت کامپایل از چند درصد بهینهتر بودن کد مهمتره.
در نتیجه معمولاً خروجی Cranelift به اندازهی LLVM بهینه نیست، ولی سرعت کامپایلش میتونه به شکل محسوسی بیشتر باشه.
هیچکدوم «بهتر» نیستن؛ هرکدوم برای یه هدف متفاوت ساخته شدن.
#GCC #Cranelift #Compiler #Compiler_Design
@bluelearnmp | 40 |
| 13 |  #وطن
#جنوب_فرزند_ارشد_ایران
#ناب
Link🔰🔰
https://t.me/addlist/-7PCpNwWD50yYWY0 | 12 |
| 14 |  #وطن
#جنوب_فرزند_ارشد_ایران
#ناب
Link🔰🔰
https://t.me/addlist/4wYao7iny19jNjE0 | 10 |
| 15 |  💎10 تا سبک طراحی که تنها با گفتن یه کلید واژه میتونید با Ai بسازینش!🦦
🌹هوش مصنوعی از ذهن تو نقاشی نمیکنه؛ از کلماتت دستور میگیره ؛ خیلیها فکر میکنن برای گرفتن خروجی حرفهای باید ساعتها پرامپت بنویسن؛ در حالی که گاهی فقط گفتن سبک طراحی همهچیز رو تغییر میده.🎨
🔴این 10 کلیدواژه از پرکاربردترین سبکهای تولید تصویر هستن که تقریباً همه مدلهای هوش مصنوعی مثل ChatGPT، Midjourney، Flux، Gemini و... اونها رو میشناسن.💎
@bluelearnmp | 48 |
| 16 |  #همه_ایران_برای_جنوب
#جنوب
Link🔰🔰🔰
https://t.me/addlist/9a07XscCXh81OWI8
#ناب | 10 |
| 17 |  💻اصطلاحات امنیت سایبری
⌛️بخش سوم
#هک #امنیت #اصطلاحات
@bluelearnmp | 1 |
| 18 | 💎10 تا سبک طراحی که تنها با گفتن یه کلید واژه میتونید با Ai بسازینش!🦦
🌹هوش مصنوعی از ذهن تو نقاشی نمیکنه؛ از کلماتت دستور میگیره ؛ خیلیها فکر میکنن برای گرفتن خروجی حرفهای باید ساعتها پرامپت بنویسن؛ در حالی که گاهی فقط گفتن سبک طراحی همهچیز رو تغییر میده.🎨
🔴این 10 کلیدواژه از پرکاربردترین سبکهای تولید تصویر هستن که تقریباً همه مدلهای هوش مصنوعی مثل ChatGPT، Midjourney، Flux، Gemini و... اونها رو میشناسن.💎
@bluelearnmp | 1 |
| 19 |  🤯 چرا RAG از Fine-Tuning مهمتر شد؟
خیلیها برای ساخت یه AI اختصاصی، سریع میرن سراغ Fine-Tuning؛ اما همیشه جواب این نیست! 🤷♂️
فرض کن اطلاعات شرکتت هر روز تغییر میکنه. امروز قیمت محصول ۱۰ میلیونه، فردا ۱۲ میلیون! 📈
قرار نیست هر روز مدل رو دوباره آموزش بدی! 😐
اینجاست که RAG وارد میشه. 🚀
اطلاعات جدید رو به Knowledge Base اضافه میکنی و مدل موقع پاسخگویی، اطلاعات بهروز رو بازیابی میکنه.
🧠 LLM + RAG + Vector Database
اگه میخوای AI واقعی بسازی، RAG رو باید بلد باشی. 🔥
@skillswap_ir | 55 |
| 20 |  #همه_ایران_برای_جنوب
#جنوب
Link🔰🔰🔰
https://t.me/addlist/LCzuSZefqvs2OTg0
#ناب | 13 |
