CleverDevs

یه لحظه تصور کن: لپتاپ جلوته، داری روی یه داشبورد مهم کار می‌کنی💻 چون باید برای یه شرکت بزرگ گزارش دقیق آماده کنی! درسته، همونطور که آرزوشو داشتی تو یه دیتاآنالیستی⭐️ دوره دیتا آنالیز دانشکار تورو به آرزوت می‌رسونه. چون این دوره فقط آموزش نیست. تمرینه. پروژست. شبیه‌ساز دنیای واقعیه! 🎯 صحنه بعدی زندگیت رو خودت بساز: 🔗https://dnkr.ir/2MqRq

با آی پی آمریکا برید لینک زیر و اشتراک مفتی Gemini Pro بگیرید http://one.google.com/join/ai-student @CleverDevs - @CleverDevsGp

گوگل در کنفرانس دیشب از  Gemini Diffusion رونمایی کرد. یه مدل آزمایشی که به‌جای پیش‌بینی کلمه‌به‌کلمه، از تکنیک "دیفیوژن" (پخش تدریجی) برای تولید متن استفاده می‌کنه. این سیستم دقیقا مشابه چیزیه که قبلا در مدل های خانواده Mercury دیده بودیم. برخلاف مدل‌های زبانی سنتی که متن رو کلمه‌به‌کلمه تولید می‌کنن، Gemini Diffusion از روشی الهام‌گرفته از تولید تصویر استفاده می‌کنه: اصلاح نویز طی چند مرحله. این سیستم با یه سری نویز تصادفی شروع می‌کنه و کم‌کم اون‌ رو به بخش‌های کامل و منسجم متن تبدیل می‌کنه. این روش اجازه می‌ده در میانه‌ی مسیر، اصلاحات انجام بشه و کنترل بیشتری روی خروجی داشت. به گفته‌ی دیپ‌مایند، این کار باعث می‌شه خروجی‌ها منسجم‌تر و از نظر منطقی، مرتبط‌تر باشن؛ چیزی که مخصوصاً برای کارهایی مثل تولید کد و ویرایش متن خیلی مؤثره، چون دقت، انسجام و امکان بازبینی تو این حوزه‌ها خیلی مهمه. ‏Gemini Diffusion به‌جای اینکه متن رو از چپ به راست و به‌صورت خطی تولید کنه، یک‌باره بخش‌های کامل از متن رو تولید می‌کنه — و این کار رو خیلی سریع‌تر از مدل‌های سنتی انجام می‌ده. دیپ‌مایند گفته این سیستم می‌تونه با سرعت ۱۴۷۹ توکن بر ثانیه (بدون احتساب سربار سیستم) کار کنه و تأخیر اولیه‌ی اون فقط ۰.۸۴ ثانیه‌ست. به‌گفته‌ی «برندن اوداناهیو»، پژوهشگر دیپ‌مایند، این مدل توی کارهای برنامه‌نویسی حتی می‌تونه به سرعت ۲۰۰۰ توکن در ثانیه هم برسه، حتی وقتی سربارهایی مثل توکنیزیشن، آماده‌سازی و بررسی‌های ایمنی رو هم در نظر بگیریم. «اوریول وینیالز»، معاون پژوهش دیپ‌مایند و یکی از مدیران پروژه Gemini، عرضه‌ی این مدل جدید رو یه دستاورد شخصی توصیف کرده و گفته: «همیشه آرزو داشتم بتونم نیاز به تولید متن از چپ به راست رو حذف کنم.» توی نسخه‌ی نمایشی مدل، سرعت خروجی اون‌قدری بالا بوده که برای دیدن عملکردش، مجبور شدن ویدیو رو آهسته پخش کنن. در آزمون‌ها، Gemini Diffusion عملکردی تقریباً برابر با نسخه‌ی Gemini 2.0 Flash Lite داشته. توی وظایف برنامه‌نویسی مثل HumanEval (با دقت ۸۹.۶٪ در مقابل ۹۰.۲٪) و MBPP (۷۶٪ در مقابل ۷۵.۸٪) نتایج تقریباً مساوی بوده. حتی توی برخی آزمون‌ها مثل LiveCodeBench (۳۰.۹٪ در مقابل ۲۸.۵٪) و LBPP (۵۶.۸٪ در مقابل ۵۶٪)، Gemini Diffusion کمی بهتر ظاهر شده. با این حال، توی حوزه‌هایی مثل استدلال علمی (GPQA Diamond) و آزمون چندزبانه‌ی Global MMLU Lite ضعیف‌تر عمل کرده و به‌ترتیب امتیازهای ۴۰.۴٪ و ۶۹.۱٪ رو گرفته، در حالی که مدل Flash Lite امتیازهای بالاتری به‌دست آورده (۵۶.۵٪ و ۷۹٪). به این ترتیب، برای اولین‌بار یه مدل زبانی مبتنی بر تکنیک دیفیوژن تونسته به سطح عملکرد مدل‌های رایج فعلی برسه — حتی با وجود اینکه Gemini 2.0 Flash-Lite یه مدل اقتصادی‌تر و قدیمی‌تر از گوگله. «جک ری»، دانشمند ارشد دیپ‌مایند، این دستاورد رو یه «لحظه‌ی تاریخی» دونسته. تا پیش از این، مدل‌های خودبازگشتی (autoregressive) همیشه توی کیفیت متن عملکرد بهتری داشتن و مشخص نبود که مدل‌های دیفیوشن بتونن بهشون برسن. ری این موفقیت رو نتیجه‌ی تحقیقات متمرکز و حل «تعداد زیادی» از چالش‌های فنی دونسته. @aipulse24

پروژه gitc که یکی از بچه های چنل توسعه داده یک ابزار cli که براساس تغییرات کدی ک دادید چیکیدش رو به ai با پرامپ خاص، سبک و کانفیگ های مختلف ارسال میکنه و ی گیت کامیت مسیج کامل و خلاصه تحویل میده فعلا فقط openai ساپورت میکنه در اینده شاید دیپ سیک و گراک هم اضافه بشه

اگه براتون جالبه، خوشحال میشم یه نگاهی بهش بندازید، استار بدید، یا اگه ایده‌ای برای بهبودش دارید یا دوست دارید مشارکت (contribute) کنید، در خدمتم.

https://github.com/rezatg/gitc #git @CleverDevs - @CleverDevsGp

اگر به برنامه نویسی علاقه‌مندی، رویداد ictchallenge شریف بهترین فرصته که خودتو نشون بدی!

فقط کافیه یه تیم قوی با دوستات تشکیل بدی 💪

به برنده‌های این مسابقه جوایز نقدی داده میشه و از بهترین شرکت‌های کشور پیشنهاد استخدام میگیرن! ▶️ کلیپ دوره قبل برای آشنایی بیشتر ‼️ ظرفیت این دوره محدوده، زودتر رایگان ثبت نام کن: 🖥 https://ictchallenge.ir/ictchallenge2025/

✳️ وبسایت اتومیشن سازی حرفه ای و مدرن! وبسایت n8n که به تازگی خیلی ترند و بولد شده یک ابزاری هستش که بدون نیاز به برنامه نویس یا نیروی انسانی خاصی و بصورت No code یا Low code میتونید کارهای مجازیتون رو بهش بسپارید و حتی آسونترش کنید.

برای مثال استخراج هر نوع دیتا از وبسایت های مختلف و دریافت اونا از طریق ربات تلگرامی، یا اتوماتیک سازی بعضی از امور که تحت وب انجام میدین برای مثال پیدا کردن پروژه از تمام سایت های فریلنسینگ ایرانی؛ دریافت کد ورود به برنامه یا سایت از طریق ربات با استفاده از کانکت کردن ایمیل و ربات و هوش مصنوعی به هم.

برای آشنایی بیشتر با محیط و نحوه کار کردن n8n میتونید ویدیو جادی رو از یوتیوب مشاهده کنید. #n8n #AI #tools @CleverDevs - @CleverDevsGp

No caption! #Fun @CleverDevs - @CleverDevsGp

🔘با یادگیری AI آینده خودت رو تضمین کن 🎓دانشکار با افتخار اولین استارکمپ Generative AIرا برگزار می‌کند 🔸+30 ساعت آموزش پروژه محور 🔸منتورینگ تخصصی 🔸ارائه مدرک معتبر 🔺پیش‌نیاز دوره: آشنایی ابتدایی با پایتون ثبت‌نام اولیه👇👇 https://dnkr.ir/ypJ8j https://dnkr.ir/ypJ8j

یکی از هوش مصنوعی‌ای های باحال deepwiki هست که میاد ریپوی گیت هاب رو تحلیل میکنه و براش ویکی میسازه فقط کافیه تو ادرس ریپو github رو با deepwiki عوض کنید اگه از قبل براش ویکی تولید شده باشه میتونید بخونید و اگه نه میتونید درخواست بدید تا اون ریپو رو هم ایندکس کنه مثلا ریپوی https://github.com/MohammadRostamiorg/dnsChanger ویکیش میشه این : https://deepwiki.com/MohammadRostamiorg/dnsChanger #ai #tools @CleverDevs - @CleverDevsGp

کانال گروه مهاجرتی شریفی منش رو براتون میذارم، اگر قصد مهاجرت تحصیلی دارید، برای دونستن زمان‌بندی‌ها، نکات مهم و هزینه‌ها عضوش بشید. @Sharifi_Manesh

بچه ها تو کامنتا پیشنهاد دادن که ویدیوی پیودی‌پای یوتوبر معروف رو هم ببینید که اومده لینوکس نصب کرده و دلایلش برای نصب لینوکس و ول کردن ویندوز و ...  رو گفته پیشنهاد میکنم ببینید https://www.youtube.com/watch?v=pVI_smLgTY0 اومدن همچین ادمایی سمت لینوکس میتونه سهم لینوکس رو تو بازار دسکتاپ بهتر کنه #Gnu #linux @CleverDevs - @CleverDevsGp

طوری که پارس‌پک تونست با یه ویدیو لینوکس رو تبلیغ کنه صدتا لاگ و... نتونستن @CleverDevs - @CleverDevsGp

آپدیت های آرچ وقتی 5 ساعت اپدیتش نمیکنی : #fun @CleverDevs - @CleverDevsGp

🤖 دنبال راهی مطمئن برای ورود به تلگرام، واتساپ یا ChatGPT هستی؟ 🚀 با یه شماره مجازی امن، کارت رو سریع راه بنداز! 🔗 همین الان شماره مجازیت رو بگیر 👉 📲 تحویل فوری، بدون دردسر، مخصوص کاربرای حرفه‌ای 📌 @NovaNumber

یکی از بچه های چنل یه ربات اوپن سورس دانلودر زده که میتونه موزیک رو از یوتوب یا ساندکلاد دانلود کنه

🔹 ربات موزیک MyPlaylists 🔸 دانلود از SoundCloud 🔸 دانلود از Youtube Music 🔸 جستجو در آرشیو سایت 🔸 جستجو در اینترنت و...

 ایدی ربات @Myplaylists_ir_Bot لینک گیت هاب ربات https://github.com/pouriasabaghi/myplaylists_core اگه خوشتون اومد میتونید استار بدید #openSource #bots @CleverDevs - @CleverDevsGp

اقای Andrej Karpathy، یکی از موسسان OpenAI، ویدیوی منتشر کرده که در اون مفصل توضیح میده چطوری از مدلهای مختلف هوش مصنوعی استفاده میکنه که اموزش خوبی برای این هست که نقاط قوت و ضعف مدلهای استدلالی و غیراستدلالی و همچنین قابلیتهایی مثل سرچ و دیپ ریسرچ رو بفهمین و بدونین کجاها بهتره از هر کدوم استفاده بشه. 📱 لینک ویدیو در یوتوب 📍 @TechTube

رجکس یه همچین‌ چیزیه #fun @CleverDevs - @CleverDevsGp

داشتم یه ویدیو از جادی میدیدم اینو دیدم . slides یه برنامه ترمینالی برای ساخت ارائه های کوچیکه که سبک و باحاله و با مارک‌داون کار میکنه میتونید نحوه نصب و استفادش رو از سایتش ببنید https://maaslalani.com/slides/ لینک گیت هاب : https://github.com/maaslalani/slides #tools @CleverDevs - @CleverDevsGp

🌐 کامل‌ترین بوت‌کمپ #C و Asp.Net برای ورود به بازارکار 🎁 ۲۸٪ تخفیف ویژه نوروز 👈👈شروع یادگیری👉👉 💼 یک دوره 5 ماهه رو بگذرون و با کمک ما استخدام شو

استریم‌ ها در PHP - قسمت اول در PHP، استریم (Stream) یک سازوکار انتزاعی برای مدیریت ورودی و خروجی داده‌ها است. به زبان ساده، استریم‌ها به شما امکان می‌دهند انواع مختلف منابع داده (مانند فایل‌های سیستم، درخواست‌های شبکه، داده‌های فشرده و ...) را از طریق یک رابط یکسان بخوانید یا بنویسید. به جای آنکه برای هر نوع منبع تابع‌ها یا روش‌های جداگانه‌ای داشته باشید، PHP با استفاده از استریم‌ها یک مجموعه توابع عمومی (مثل fopen, fread, fwrite و ...) فراهم کرده که با همه این منابع به شکل یکنواخت رفتار می‌کنند. هر استریم رَپر (Stream Wrapper) در PHP در واقع یک پروتکل یا طرح (scheme) خاص را پیاده‌سازی می‌کند که به صورت scheme:// استفاده می‌شود. برای مثال، file:// برای دسترسی به سیستم فایل محلی، http:// برای منابع وب، یا php:// برای منابع داخلی PHP استفاده می‌شود. ‏PHP به طور پیش‌فرض تعداد زیادی استریم رپر داخلی دارد که بسیاری از کارهای معمول را پوشش می‌دهند. شما می‌توانید توسط این استریم‌ها به سادگی کارهایی مثل خواندن فایل‌ها، دریافت داده از وب, نوشتن خروجی، خواندن ورودی خام درخواست‌ها و حتی کار با داده‌های فشرده‌شده را انجام دهید، بدون اینکه نگران جزئیات سطح پایین هر کدام باشید. استریم‌های داخلی PHP - ‏php:// 1- php://input این استریم برای دسترسی به دادهٔ ورودی خام HTTP در PHP استفاده می‌شود. به طور خاص، این استریم محتوای خام بدنهٔ درخواست HTTP را (معمولاً در درخواست‌های POST یا PUT) ارائه می‌کند، بدون هیچ‌گونه پردازش یا parse خودکار. زمانی که نیاز دارید ورودی خام درخواست را بخوانید (مثلاً دریافت داده‌های JSON از یک API کلاینت یا پردازش درخواست‌های RESTful)، این استریم بسیار مفید است. برخلاف متغیرهای سراسری مانند $_POST که فقط داده‌های form-urlencoded را می‌گیرند، این استریم اجازه می‌دهد انواع داده‌ها (JSON, XML, متن خام و ...) را مستقیماً از بدنهٔ درخواست دریافت کنید.

$json = file_get_contents("php://input");
$data = json_decode($json, true);
echo "Hello " . $data["user"];

در این مثال، محتوای خام ورودی HTTP با file_get_contents از php://input خوانده شده و سپس از JSON به آرایه PHP تبدیل می‌گردد. در نهایت نام کاربر خروجی گرفته می‌شود. اگر درخواست فوق رشتهٔ JSON

{"user": "Ali"}

را ارسال کرده باشد، خروجی برنامه Hello Ali خواهد بود. توجه داشته باشید php://input فقط خواندنی است و فقط یک بار می‌توان محتوا را از آن خواند، یعنی پس از خواندن، محتوای آن خالی می‌شود. همچنین در مورد درخواست‌های معمولی فرم (مانند multipart/form-data برای آپلود فایل)، استفاده از این استریم توصیه نمی‌شود، زیرا PHP آن داده‌ها را قبلاً پردازش کرده است. 2- php://output این استریم خروجی استاندارد اسکریپت PHP را نمایندگی می‌کند. هر داده‌ای که در آن نوشته شود، مستقیماً به خروجی معمول برنامه (همان چیزی که مرورگر دریافت می‌کند یا در CLI ترمینال نشان داده می‌شود) فرستاده می‌شود. زمانی که بخواهید با توابع استریم داده‌ای را به خروجی بفرستید (به جای استفاده از echo یا print)، می‌توانید php://output را مانند یک فایل باز کرده و در آن بنویسید. این قابلیت می‌تواند در سناریوهایی مفید باشد که یک تابع انتظار یک منبع استریم برای خروجی دارد یا هنگامی که می‌خواهید خروجی را از سایر عملیات جدا کنید.

$fp = fopen("php://output", "w");
fwrite($fp, "Hello World!");
fclose($fp);

در این قطعه کد، ما استریم خروجی را باز کرده‌ایم و یک خط متن را با fwrite در آن نوشتیم. نتیجهٔ اجرای این کد نمایش متن ذکر شده در خروجی (مثلاً مرورگر یا کنسول) است. در واقع کاری که fwrite در اینجا انجام می‌دهد معادل همان echo کردن رشته‌ها است. در قسمت های بعدی با سایر استریم‌ها در PHP آشنا خواهیم شد. #PHP #PHP_streams @AmirhDeveloper .