DLeX: AI Python

طبق گزارش بلومبرگ، مایکروسافت با هدف کاهش هزینه‌ها در پی طبعات پیشرفتِ هوش مصنوعی، به ۶۰ هزار کارمند خود بسته‌های بازنشستگی ارائه (پیشنهاد) می‌دهد. (یعنی می گه بیا همین الان اینو بگیر برو 🐸) 👉 @ai_python 🦁 ☀️ X : خب واقعیت اینه که به خصوص توی کمپانی های بسیار بزرگ همیشه تعداد زیادی نیروی کار می دیدیم که تسک های تکراری انجام می دادن. اسمشون این بود که مثلن فلان سِمت رو توی مایکروسافت و گوگل دارن. ولی در واقع کاری که انجام می دادن طوری بود که فرقی نداشت نیروی A یا نیروی B فارغ‌التحصیل این رشته، انجامش بده. فرآیند استخدام بر اساس تخصص و دامنه دانش، یه چیز دکوری بود که اتفاقن اصلن هم نورودایورجینت فرندلی نبود و برعکس تو هر چه قدر نمایش بهتری داشتی، منابع انسانی و تیم از تو بیش تر خوشش میومد و استخدام می شدی. فقط برای اینکه این طوری ویو بهتری داره. یا بیش تر خوش می گذره. زمان کافی برای آموزش نیرو ها می ذاشتن و حتی اگر رشته اون آدم هم این نبود، در نهایت کار رو یاد می گرفت و انجام می داد. 👉 @ai_python 🦁 ☀️ البته همه این موارد هیچ اشکالی هم نداره. روح اون زمانه بود. الانم شاید هنوز توی پوزیشن هایی که کفه ترازو در سمت مارکتینگشون سنگینه، ویو (منظورم ظاهر نیست) حرف اول رو بزنه. ولی خب دیگه جونیوری که فقط یک کار فنی آموزش داده شده رو به صورت تکراری و دائم انجام بده و برای تسک بعدی بازم نیاز به آموزش داره، حذف می شه. به نظرم الان زمانه، عصر جونیورهایی هست که از اول سنیور هستن و شاید توی پوزیشن های فنی خیلی نیاز به ویو هم ندارن. جونیورِ از اول سنیور، یعنی هر شخصی که اتوپایلوت هست. نیازی نداره که یه نفر دائم بهش آموزش بده. شولونگش کنه. خودش می ره دنبال موضوع و یه جوری حلش می کنه. Input می گیره. اما اون اینپوت، اینپوت فنی نیست. بیش تر اینپوت کدوم لیبل و کدوم نیاز هست. و خب طبیعتن این جونیوری که از اول سنیوره، فرقی نمی کنه تا حالا با فلان زبان برنامه نویسی کد نوشته یا نه. فرقی نداره فلان معماری یا سرویس رو می شناسه یا نه. فقط کافیه چند تا لیبل بهش بدی و هدف و ... و خودش راهش رو پیدا می کنه. از در نشد، از پنجره میاد تو. چون بقیه ای که این طوری نیستن، طبیعتن AI Agent ها جاشون رو می گیرن. برای همینم هست که می گیم شغل های آی تی از بین نمی رن. فقط الک می شن. نوعشون تغییر می کنه و آدمایی با ویژگی های خاص که قبلن طلا بودن، ممکنه الان دیگه طلا نباشن. الان عصر، عصرِ اقیانوس های به عمق چند سانتی‌متر هست که بتونن موج های بزرگ درست کنند.

تفاوت های MCP با WebMCP 👉 @ai_python 🦁 ☀️

👇👇👇

ابزار آنلاین برای تست آسیب پذیری SSRF @WearebiTs 🐤 https://webhook.site/

توی گروک بات می شه ازش درخواست کنید یک فرم امن براتون باز کنه و یوزر و پسورد های مورد نیازش رو از طریق اون فرم امن براش بفرستید که توی Vault ش ذخیره کنه. 👉 @ai_python 🦁 ☀️ نمی دونم بقیه دستیارها هم اینو دارن یا نه؟

بیش تر دوستانی که Pentesting انجام می دن با PortSwigger و ابزار Burp آشنایی دارن و نیاز به معرفی نداره. 👉 @ai_python 🦁 ☀️ حالا اونا یک سولوشن Agentic AI ارائه دادن (بتا) که اجنت های هوش مصنوعی به عنوان متخصص امنیت بهتون کمک می کنن که Pentest پلتفرم های آنلاینتون رو انجام بدید.

اف بی آی هم درباره آسیب های امنیتی PHP توصیه هایی رو برای سازمان های دولتی آمریکا منتشر کرد. 👉 @ai_python 🦁 ☀️ https://x.com/FBICyberDiv/status/2112921648252719420/photo/1 X

امیدوارم همه کسانی که سرور PHP داشتن روز قشنگی رو سپری کرده باشن. 🥺🥺🥺😂😂😂 @WearebiTs 🐤

اگر کامپیوترتون کند شده و از Claude Desktop استفاده می کنید، می تونید با دادن این پرامپت ها سیستم رو Optimize کنید. البته الزامن نباید Claude Desktop باشه. هر هارنس دیگه ای هم که دوست دارید احتمالن به خوبی از پس این کارای ساده برمیاد. حتی با مدل های رایگان. 👉 @ai_python 🦁 ☀️ لینک پرامپت ها : https://x.com/free_ai_guides/status/2112453797218017563 X

چین از یک شرکت داده دولتی جدید برای پیشبرد جاه‌طلبی‌های هوش مصنوعی خود رونمایی کرد، چرا که پکن قصد دارد طی ۵ سال آینده حدود ۳۰۰ میلیارد دلار در مراکز داده سرمایه‌گذاری کند. 👉 @ai_python 🦁 ☀️

مشاوران دولت بریتانیا هشدار می‌دهند که اگر بریتانیا فوراً توسعه هوش مصنوعی را تسریع نکند، این کشور به جای رهبر جهانی هوش مصنوعی، در معرض خطر تبدیل شدن به یک «مشتری با ارزش بالای هوش مصنوعی» قرار خواهد گرفت. 👉 @ai_python 🦁 ☀️ این یعنی بدهکاری های آینده

دیپ‌سیک (DeepSeek) فریم‌ورک اختصاصی خودش برای Inference به اسم DeepInfer رو Open Source کرده! این فریم‌ورک برای اجرای مدل DeepSeek-V4.1-Flash در مقیاس بالا طراحی شده و کمک می‌کنه مدل‌ها با Throughput بالاتر و Latency کمتر اجرا بشن. دیپ‌سیک با انتشار زیرساختی که خودش در محیط عملیاتی استفاده می‌کنه، می‌خواد به Developerها کمک کنه هزینه‌های Compute رو کاهش بدن، انرژی کمتری مصرف کنن و اجرای مدل‌های AI رو کم‌هزینه‌تر کنن. ‏DeepInfer قابلیت‌های مختلفی داره؛ از جمله Kernelهای بهینه، Inference Engine سریع، Distributed Inference و Speculative Decoding. قابلیت‌هایی مثل SWA Bounded Replay و Structured Outputs هم توی این پروژه قرار دارن. علاوه بر این، قراره کدهای مربوط به Inference مدل‌های آینده‌ی DeepSeek و بهینه‌سازی‌های جدید هم به همین پروژه اضافه بشن. 🔗 لینک ریپو DeepInfer دیپ‌سیک فقط به DeepInfer بسنده نکرده و کامپوننت deepseek-recipe رو هم Open Source کرده. این کامپوننت وظیفه‌ی Token Encoding و Decoding رو بر عهده داره و با منطق پردازشی Official DeepSeek API هماهنگه؛ بنابراین Developerها می‌تونن همون رفتار API رسمی رو در زیرساخت خودشون هم پیاده‌سازی کنن. 🔗 لینک ریپو deepseek-recipe @reza_jafari_ai

👉 @ai_python 🦁 ☀️

مدل جمینای آرگون 👉 @ai_python 🦁 ☀️

تغییرات در افزایش سرعت پاسخ دهی در کلاود 👉 @ai_python 🦁 ☀️ 🙂 @almanifarsichannel 🐦 https://x.com/NaviDDariya/status/2111780959213216191