Fecha	Crecimiento de Suscriptores	Menciones	Canales
27 junio	+4
26 junio	+8
25 junio	+11
24 junio	+4
23 junio	+1
22 junio	+2
21 junio	+2
20 junio	+3
19 junio	+11
18 junio	+11
17 junio	+6
16 junio	+4
15 junio	+5
14 junio	+8
13 junio	+24
12 junio	+8
11 junio	+11
10 junio	+5
09 junio	+8
08 junio	+1
07 junio	+4
06 junio	+5
05 junio	+2
04 junio	+6
03 junio	+4
02 junio	+10
01 junio	+38

Publicaciones del Canal

بنظر میاد خانواده مدل‌های ornith-1.0 ارزش تست کردن برای Agentic coding روی لوکال رو داشته باشه؛ این خانواده مدل‌های جدیدی نیستند و بر اساس Gemma 4 , Qwen 3.5 ساخته شده ولی ایده این بوده که task scaffold رو خود مدل بنویسه. همین کار هم باعث شده که ننایج بهتری رو داشته باشه برای این coding نسبت به مدل‌های پایه خیلی ساده بگم : فکر کنید Gemma4 یا Qwen3.5 روی کدهای بیشتری train شده و این قضیه هیچوقت نمی‌تونه بد باشه. اگر از این دو مدل برای Agentic Coding استفاده می‌کردید می‌تونید با خیال راحت به Ornith مهاجرت کنید و بدون هزینه و تغییر مدل بهتری رو داشته باشید. شخصا روی Gemma4 هستم به این دلایل که : ۱- من Agentic coding جزو کارهایی که با Local llm انجام میدم نیست ۲- خود گوگل MTP, QWAT رو برای Gemma4 منتشر کرده که سرعت و نتایج خوبی هم داره برای تسک‌های من

2	خیلی سوال شده که من جطوری ازین موارد استفاده می‌کنم ؟ شخصا ۹۹٪ کارم رو روی محیط web انجام میدم؛ قبلتر گفتم من کد رو میزنم نهایتا تحویل مدل میدم برای استاندارد سازی یا نوشتن تست‌هایی که من بهش می‌گم. اما خیلی کم توی بعضی پروژه‌ها به اسرار کارفرما وارد vscode شده برای کد زدن؛ توی اون مواقع هم من api مستقیم خرید می‌کنم بسیار اروزنتر از اکانت‌های OpenRouter و ... هست مثلا برای همین مدل GLM5.2 برای هر ۱ میلیون ورودی و حروجی کمتر از ۶ دلار هست که یک پروژه کامل شاید نهایتا ۳ میلیون توکن ورودی و خروجی داشته باشه (این رو باید خودتون بدست بیارید می‌تونید از tiktoken استفاده کنید تا میانگین استفاده خودتون رو بدست بیارید؛ برای من به زور به ۱‍.۵ میلیون روی بزرگترین پروژه‌ام تا الان رسیده) ولی برای ۳ میلیون ورودی و ۳ میلیون خروجی نهایتا شما ۱۸ دلار پرداخت می‌کنید. شاید تنها بدی این مورد این باشه که فقط روی مدل‌های یک برند قفل می‌شید اضافه کنم من برای تسک‌های ساده‌تر از GLM4.7-Flash استفاده می‌کردم که قیمتش کمتر از ۱ دلار هست. هیچ شرکتی هم به اندازه سازنده خود مدل قمیت پایین بهتون نمیده	738
3	داکیومنت خوب روی بکند نوشتن شمارو توی فرانت‌اند هم نجات میده : GLM5.2 رو مثلا بهش دیزاین سایت رو بدید با خروجی /openapi.json روی FastAPI رو و ازش کد react بخواید. بهتره استانداردهای مدنظر + موبایل ریسپانسیو بودن و ... رو هم بخواید. نهایتا خروجی ایی رو که می‌گیرید باید مهندسی کنید (تمیزکاری و استاندارد سازی برای پروژه که بفهمید چی کجا قرار داره)	760
4	این کمپین زنای ژاپنی علیه مرد‌ها هم جالب هست؛ که زنا اعلام کردن اینا کلا دست به سیاه‌ و سفیدم نمی‌زنند و جمع‌آوری آشغال توی ورزشگاهای جام جهانی فقط واسه ریا کاری هست. خطاب به زنای ژاپنی؛ راهکار این کار دست من هست. با مردای ایرانی ازدواج کنید، این گونه نه تنها توی خونه دست به سیاه و سفید نمی‌زنه بلکه هیچ‌جای دیگه هم دست به سیاه و سفید نمی‌زنه، قول میدم هیچوقت ریا نشه.	963
5	یک نکته‌ای رو بگم، چون فروارد پست‌های کانال خیلی زیاد هست. اگر تلگرام کانال رو بن کنه، غیر از owner که بنده باشم هیچکس پیام‌هارو نمی‌تونه ببینه، مگر اینکه توی saved message باشه که اگر عادت کردید همه چیز رو اونجا فروارد کنید اونم بدردتون نمی‌خوره چون مطمئنم فقط دارید منبع جمع می‌کنید. خودتون رو بدبخت نکنید منابعی که خوندید رو پاک کنید، نذارید این Saved Message یا کانال پر بشه اگر راهکار خواستید روش من رو دنبال کنید : https://t.me/pyHints/526 از نکته دوم به بعد رو بخونید	1 005
6	یک کتاب توی ویدئو اول پشت ایشون هست Illustrated Guide to AI اگر تازه وارد این حوزه شدید و این کتاب رو ندارید و نخوندید پیشنهاد می‌کنم این کتاب رو حتما بخونید	1 089
7	این برای دوستانی که گفتند transformers رو درست درک نمی‌کنند. اول اینکه هیچکس درست درکش نمی‌کنه مگر اینکه پیاده‌سازی کنه؛ این معماری مثل Conv, RNN, ... نیست نیاز به دقت داره اگر ویدئو Andrej Karpathy که قبلا گذاشتم رو دیدید و باز هم فکر می‌کنید درک خوبی ندارید این دوره رو ببینید : Justin Angel (Build your own LLM) و اگر واقعا می‌خواید یاد بگیرید یک مدل هرچند خیلی کوچک برای خودتون پیاده‌سازی کنید روی Kaggle, Colab می‌تونید حتی برای چندین اپوک هم ترین کنید مدل رو اگر تعداد پارامترهاش رو کم بگیرید.	1 102
8	نسل بعدی مدل‌ها بنظرم خیلی بهتر خواهند شد : Qwen AgentWorld بنظرم این حرکت در راستای JEPA خواهد بود و این Gap بین LLM و JEPA رو برای مدتی می‌پوشونه تا نتایج مدل‌های بر پایه JEPA خیلی بهتر بشه.	1 839
9	~36,500	1 104
10	چندوقتی هست که درگیر پروداکشن کردن یکی از ابزارهای شخصی خودم هستم تا شاید هم مشکلات باقی رو رفع کنه هم یک سرویس به اسم خودم باشه و ... توی این مدت با ابزارهای خیلی زیادی سر و کار داشتم راجب AI و خب اپتیمایز کردن اون‌ها برام خیلی مهم شده چرا ؟ من روی mini-pc هام کد میزنم که Nvidia ندارند، کدها رو روی لپ‌تاپ قدیمی تست می‌کنم که Nvidia 1060 داره (همونی که گفتم مدل ۳۵ میلیارد MOE رو با ۱۷ توکن اجرا می‌کنه) و برای تست حداقل ۴ تا یوزر همزمان رو باید پاسخ بده. کارهای مربوط به Finetune, چندبرابر کردن یوزر و تست‌های قطع سرویس و شبکه و ... رو هم روی سیستمم انجام میدم که دوتا GPU داره. تا قبل از اون پیام میزان آشنایی من با ابزارهای LLM مثل vLLM, llamacpp, ... بر می‌گشت به نسخه‌های اولیه که ۲ سال پیش روش پروژه داشتم، ۷-۸ روز پیش با یک شرکت بین‌المللی (تقریباً بزرگ) مصاحبه داشتم، اولش برای موقعیت بکند رفتم بعد از ۳۰-۴۰ دقیقه صحبت یک سوال نزدیک به پروژه خودشون پرسیدند و من، هم تو لایه بکند هم تو لایه هوش مصنوعی جواب دادم، متوجه شدند که کار هوش مصنوعی هم می‌کنم جلسه رو ادامه دادیم و بعد جلسه HR شرکت درخواست داد رزومه‌ی هوش مصنوعی رو هم براشون بفرستم. مصاحبه دوم هم با یک تیم دیگه پیش رفت و خلاصه‌اش هر دو رو قبول شدم، البته من نهایتاً همکاری رو رد کردم چون وقتی جزئیات کارم رو گفتند متوجه شدم چیزی نبوده که فکر می‌کردم و گفتم علاقه‌ام به این پروژه نیست (توی پیری دنبال اسم شرکت و روزمه جمع کردن و اینا نیستم دیگه، دلم یک پروژه با چالش‌های خوب می‌خواد) اما چندتا درس خوبم گرفتم یا دوباره بهم ثابت شد: ۱- اگر مفاهیم رو درست فهمیده باشی، ۲ سالم که با ابزارهای یک حوزه کار نکنی توی ۲-۳ هفته از کسی که ۲ سال کار کرده و مفاهیم رو نفهمیده جلوتری (البته من مقالات و ایده‌ها رو دنبال می‌کردم) ۲- از تجربه کردن نترس، روز اول روی پروژه خودم با یکی از دوستانم که فقط AI Engineer بوده توی ۷ سال اخیر مشورت کردم. گفت اصلا بد‌ون H100 فکرشم نکن، من روی 1060 اجراش کردم چون برام در دسترس تر بود (این سیستم دائم روشن هست) هرجا فکر نشدن اومد تو سرم می‌گفتم: با این کد اولیه رو میزنم،‌ به محض گیر کردن میرم روی H100 (که تا الان هنوز نیاز نشده) ۳- تجربه کردن با تفکر پروژه برای پروداکشن، باعث شد بعنوان مشاور تیم هوش مصنوعی به شرکت دوستی که گفتم کمک کنم. ۴- متوجه شدم، خیلی از دستاوردهای پروداکشن آدما توی لینکدین روی ابزار‌های مطرح شده دروغ هست. چون خطاها رو دیدم و می‌دونم اون فلگ سرور رو دان می‌کنه و ... ۵- نهایتاً چون تنها دارم کار رو پیش می‌برم و باید به باقی زندگی هم رسیدگی کنم اکثر بخش‌ها رو اتومات کردم، اینطوری که اگر من ۲۰ دقیقه یک ایده جدید یا فیچری رو کد بزنم حداقل ۱ ساعت تست‌ها، latency, profiling, دانلود و ارزیابی پیش میره. یعنی چیدن درست سیستم اتومات با اینکه بیشتر از توسعه خود ابزار از من وقت گرفت تا اینجا ولی ۱۰۰٪ ارزشش رو داشت. ۶- فعالیتم توی لینکدین رو خیلی خیلی کمتر کردم، چون میزان داده غلطی که بهم میرسه بسیار زیاد هست. از مسیر خودم خارج میشم، چیزی که ادعا شده رو تست می‌کنم و می‌بینم اصلا درست نیست یا اینکه فقط بدرد استفاده شخصی میخوره و ادعای پروداکشن اشتباه بوده و وقتم رو تلف می‌کنه.	1 152
11	Youtube link	1 107
12	خواب بهترین کاری هست که آدم می‌تونه انجام بده. حالم بهم می‌خوره از وقتایی که ۱-۲ روز نخوابیدی و بعد برای ۵ دقیقه چرت میزنی و از خواب می‌پری و دیگه نه خسته هستی نه خوابت می‌بره. بدترین موقعیت دنیاس	1 575
13	یا من خیلی آدم بی‌حوصله در مصاحبه‌ای شدم، یا اینکه مصاحبه کننده‌ها خیلی چرت و پرت و Jargon می‌گن که ۹۹٪ مورد دوم هست، چون من هنوز حوصله‌ام می‌شه با بچه‌های دانشجو و جونیور‌های تخصص خودم بحث کنم و گپ و گفت داشته باشم	1 314
14	Auto correct احمق 😂🤣😂 قوی نه قمی‌	355
15	برای اینکار من دوتا روزمه فنی درست کردم: ۱- رزومه یک متخصص خیلی حرفه‌ای و قمی، استفاده خیلی کمتر از کلمات دقیق (مثلاً اسم فریمورک، اسم تکنولوژی و ...) ۲- روزمه یکی که ادعای تخصص داره اما فقط اسم و کلمات رو توی همه جاهای رزومه چپونده یک سری توضیحات بدم : توی روزمه تخصصی (اولی) من بیشتر به راهکار و نحوه حل مشکلات پرداختم اینکه چطوری یک مشکلی رو حل کردم و چه دستاوردی داشت. توی روزمه دوم، فقط نوشتم که از این فریمورک برای این پروژه استفاده شده، اینکه چیکار کردم رو ننوشتم، حتی اینکه آیا خود من اون کار رو کردم یا شخص دیگری هم مشخص نبود (یک روزمه خیلی بد که فقط با اسم پر شده بود) اسکریپتی که نوشتم، ۱۰۰ تا موقعیت شغلی برای Senior Backend Senior AI تمرکزم بیشتر روی تعداد نیروهای شرکت بود (دستمزد و ... رو کامل حذف کردم فرض بر اینکه همگی پرداخت بالا و خوبی دارند) : حداقل ۱۰ مورد با بیش از ۱۵۰ نفر نیرو ۳۰ مورد بیش از ۵۰ نفر ۲۰ مورد کمتر از ۲۰ نفر ۴۰ مورد هم رندم برای ساده سازی آمار (شرکتی با ۵ تا نیرو هم داشتم) بصورت رندم توی ۷ روز روزمه‌ها رو ثبت کردم، هیچ شرکتی هر ۲ روزمه رو توی ۱ روز نگرفته و حداقل ۱ روز هم بین ارسال رزومه‌ها فاصله بود. برای ۵۰٪ شرکت‌ها روزمه فرد متخصص اول ارسال شد و برای ۵۰٪ دیگه روزمه فردی که ادعای متخصص بودن رو داشت. هر دو کاربر پروفایل لینکدین براشون ساخته شد (گیت‌هاب هیچکدوم نداشتند) ----------- جمع‌بندی نا‌امید کننده: اکثر شرکت‌های بزرگ یا توسط نیروی HR غیر متخصص روزمه‌ها بررسی می‌شه یا توسط نیروی فنی که تخصص لازم برای درک موضوعات رو نداره. ۷۶ تا از شرکت‌ها، روزمه نیروی متخصص نما رو دعوت به مصاحبه کردند. ازین ۷۶ شرکت فقط ۳ مورد روزمه متخصص رو هم دعوت به مصاحبه کردند. ۱۱ تا شرکت فقط روزمه متخصص رو دعوت به همکاری کردند، که همگی ۲۰ یا کمتر از ۲۰ نیرو داشتند. ۱۳ مورد از شرکت‌ها هر دو رزومه رو رد کردند. از شرکت‌های بزرگ و معروف فقط ۱ مورد روزمه متخصص رو دعوت به مصاحبه کرد و باقی موارد همگی روزمه متخصص نما رو دعوت به مصاحبه کردند. این آمار واقعاً افتضاح هست الان می‌فهمم چرا اکثر بچه‌های متخصص (بالاخره ما هم دوستانی داریم) موقعیت‌های شغلی توی شرکت‌های بزرگ داخلی رو فقط با معرف پیدا می‌کنند. این جمله چیزی هست که توی ۲ سال گذشته بسیار شنیدم: فلانی اونجا بود معرفیم کرد فلانی داشت از اونجا می‌رفت، من رو معرفی کرد بعنوان جایگزین برای شرکت‌های بزرگ هم پیشنهاد می‌کنم این مور‌د رو خودتون تست کنید، نیروی HR نباید کسی باشه که روزمه تخصصی رو می‌خونه	1 355
16	با تشکر از Gemini بعضی صعنت‌ها و تکنولوژی‌هایی که بهش نیاز دارند Electric Vehicles Telecommunication (5G/6G, Radar) Aerospace and Satellites Power Grids & Renewable Energy Nuclear Facilities Quantum Computing یک سری موارد دیگر هم هست مثل پروژکتور و led ها و ... که گرمای خیلی زیادی تولید می‌کنند من اون‌هارو نذاشتم. در نهایت اینکه این‌ها فقط صنایعی هستند که توی ۱۰ سال گذشته نیاز به توسعه این semiconductor رو احساس کردند و مشتری هستند صنایع آینده رو هنوز بحثی راجبش نیست. شرکت ژاپنی هم متوجه شدم قرار هست اواخر سال تکمیل و افتتاح بشه.	1
17	اینم بگم : Japan Government یک شرکت ژاپنی درحال تاسیس هست که ادعا کرده می‌تونه diamond semiconductor تولید کنه (پروتوتایپ و ... هم داده) حالا اهمیت این موضوع چی هست ؟ اول اینکه گرمای خیلی کمی داخل چیپ تولید می‌شه اما برای ژاپن راه‌حل فاجعه‌ی هسته‌ای سال 2011 می‌تونه باشه (سال ۲۰۱۱ بعد از زلزله بخاطر سونامی یک فاجعه هسته‌ای توی ژاپن اتفاق افتاد) چون همه تجهیزات و سنسورها و ... داخل این سازه‌ها بخاطر سطح تشعشع از کار افتادند دولت ژاپن هیچ ایده‌ای نداره اون داخل چه خبر هست و هرگونه تلاش برای پاکسازی رو کاملا خطرناک می‌دونه اما Diamond Semiconductor ها مشکلی با تشعشعات و گرمای بالا ندارند و به راحتی توی این محیط‌ها می‌تونند کار کنند. ژاپن بطور علنی درحال راه‌اندازی کارخانه و شرکت هست و چیزی که من توی سرچ کردن راجب موضوع پیدا کردم مثل اینکه با یک تکنیک دیگری و فقط برای حل مشکل گرما آمریکا و DARPA هم با همکاری یک گروه تحقیقاتی از Stanford دارند روی این موضوع کار می‌کنند که سال دیگه نتایج اولیه رو منتشر خواهند کرد مثل اینکه. اگر ژاپن بتونه به این دستاورد دست پیدا کنه؛ یکی از بزرگترین درآمدهای کشور رو برای خودش دست و پا کرده انقدر که این تکنولوژی کاربردی هست.	1 303
18	بعد از جنگ یک تلاشی کردم برای ارزیابی روزمه خوندن و بررسی روزمه چندین شرکت بزرگ و کوچک داخلی. وضعیت کاملاً ناامید کننده هست. حتماً چندساعت دیگه راجبش می‌نویسم.	1 304
19	شخصاً دیگه باور ندارم این قطعی‌های بانکی اخیر، ربطی به نفوذ و ... داشته باشند. آپدیت‌های جدی ؟ یا مثلاً FATF ؟ مجلس و ... هم که تعطیل هستن 🤔	1 345
20	یادم نیست این رو معرفی کردم یا نه. @lectour و خوندن و گوش دادن به کتاب Design Data Intensive Applications باعث شده خیلی از بچه‌های کانال به موضوع System Design علاقمند بشوند، چون خیلی سوالات راجب اینکه از کجا شروع کنیم و چطوری یاد بگیریم و چه منابعی رو دنبال کنیم زیاد شده. من شخصاً برای این مورد سری ویدئو‌ها و پست‌های سایت Website دقیقاً یادم نیست چون من خیلی سال پیش دنبال می‌کردم اما اگر اشتباه نکن دوره‌ها توسط دوتا از مهندس‌های Meta آموزش داده می‌شه که سابقه مصاحبه گرفتن هم داشتند. اینم مخصوص بچه‌های این کانال، امیدوارم مفید باشه 🌹	1 330

Ver todas las publicaciones