Rust

Тимлид про «чекбоксики» на собеседованиях, тонкости управления Rust-командой и мотивацию сотрудников https://habr.com/ru/companies/kryptonite/articles/756174/

Мне 15 лет и я написал QR код генератор на Rust https://habr.com/ru/articles/756482/

Работа с JSON в Rust. Методичка https://habr.com/ru/companies/T1Holding/articles/746860/

Smart-contract developer Road Map https://habr.com/ru/articles/756542/

👣 haileys/bark потоковое аудио с синхронизацией в реальном времени для локальных сетей на Rust. https://github.com/haileys/bark @rust_code

Как я написал JVM на Rust https://habr.com/ru/companies/otus/articles/755946/

Regex engine internals as a library [full] https://habr.com/ru/articles/755940/

Туториал: Todo веб-приложение на Internet Computer используя Rust и Create React App https://habr.com/ru/articles/755690/

Опыт написания библиотеки управления акторами на Rust https://habr.com/ru/articles/755704/

Просто спарсь что угодно с помощью языка Rust (ну… или просто скачай файл) https://habr.com/ru/articles/755728/

🟡 Дайджест полезных материалов из мира : rust за неделю Почитать: — Learning Rust 🦀: 10 - The Struct — Объяснения по шардинга баз данных — Appwrite + Rust: Build APIs without technical overhead — ESP32 Standard Library Embedded Rust: Analog Temperature Sensing using the ADC — Do your Values align with FP Values? — ReductStore 1.6.0 has been released with new license and client SDK for Rust — Driving Complete and Easy Bidirectional Typechecking for Higher-Rank Polymorphism in Rust — Mastering Rust's Ownership: The Key to Memory Safety and Efficiency — Port a project from C++ to Rust — How to load dynamic libraries in Rust? — Learning Rust 🦀: 09 - Ownership: The Slice type Посмотреть: 🌐 #08: Функциональное программирование в Rust, замыкания и не только Хорошего дня!

⚡Легкий способ получать свежие обновлении и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: Машинное обучение: @ai_machinelearning_big_data Go: @Golang_google C#: @csharp_ci Базы данных: @sqlhub Python: @python_job_interview C/C++/: @cpluspluc Data Science: @data_analysis_ml Devops: @devOPSitsec Rust: @rust_code Javascript: @javascriptv React: @react_tg PHP: @phpshka Docker: @docker Android: @android_its Мобильная разработка: @mobdevelop Linux: linuxacademy Big Data: t.me/bigdatai Хакинг: @linuxkalii Java:@javatg Собеседования: @machinelearning_interview 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy 🔥ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: @english_forprogrammers 📕Ит-книги https://t.me/addlist/BkskQciUW_FhNjEy

ytdlp-gui Графический интерфейс для yt-dlp, написанный на Rust Его можно легко установить в GNU/Linux и Windows системах https://github.com/BKSalman/ytdlp-gui

С опозданием на 2 недели вышел Rust 1.71.1! Эта версия исправляет несколько небольших проблем и устраняет потенциальную проблему безопасности в Cargo. https://blog.rust-lang.org/2023/08/03/Rust-1.71.1.html @rust_code

🟡 Дайджест полезных материалов из мира Rust за неделю Почитать: — Реализуем Type Inference на Rust — Часть #2: Простой Lambda Calculus — Список популярных утечек с GitHub: Анализ репозиториев компаний — GADT-like types in Rust — A Weekly Rust🦀 Pill #4 — ESP32 Standard Library Embedded Rust: PWM Servo Motor Sweep — Easy Encryption In Rust — Building a CLI tool in Rust — Why I changed my mind about rust — Writing an Equation Solver — Why I prefer Rust over Go — Rust references — Learning Rust 🦀: 08 - Ownership: Functions and References Хорошего дня! @rust_code

👆 Рост производительности машинного обучения с Rust Создадим с нуля небольшой фреймворк машинного обучения на Rust. Цели 1. Выяснить, заметен ли рост скорости при переходе с Python и PyTorch на Rust и LibTorch, серверную библиотеку PyTorch на C++, особенно в процессе обучения модели. ML-модели становятся крупнее, для их обучения требуется больше вычислительных возможностей, для обычного человека порой нереальных. Один из способов уменьшить рост аппаратных требований — понять, как сделать алгоритмы вычислительно эффективнее. Python в PyTorch — это лишь слой поверх LibTorch. Вопрос в том, стоит ли менять его на Rust. Планировалось использовать крейт Tch-rs для доступа к тензорам и функционалу Autograd DLL-библиотеки LibTorch как «калькулятору градиентов», а затем разработать с нуля на Rust остальное. 2. Сделать код достаточно простым для четкого понимания всех вычислений линейной алгебры и с возможностью легко его расширить при необходимости. 3. Во фреймворке ML-модели должны определяться, насколько это возможно, по аналогичной структуре стандартных Python/PyTorch. 4. Поизучать Rust и не скучать. Но статья посвящена скорее преимуществам применения Rust в машинном обучении. • Переходим сразу к конечному результату — вот как маленьким фреймворком создаются нейросетевые модели. Листинг 1. Определение нейросетевой модели struct MyModel { l1: Linear, l2: Linear, } impl MyModel { fn new (mem: &mut Memory) -> MyModel { let l1 = Linear::new(mem, 784, 128); let l2 = Linear::new(mem, 128, 10); Self { l1: l1, l2: l2, } } } impl Compute for MyModel { fn forward (&self, mem: &Memory, input: &Tensor) -> Tensor { let mut o = self.l1.forward(mem, input); o = o.relu(); o = self.l2.forward(mem, &o); o } } • Затем модель инстанцируется и обучается. Листинг 2. Инстанцирование и обучение нейросетевой модели fn main() { let (x, y) = load_mnist(); let mut m = Memory::new(); let mymodel = MyModel::new(&mut m); train(&mut m, &x, &y, &mymodel, 100, 128, cross_entropy, 0.3); let out = mymodel.forward(&m, &x); println!("Training Accuracy: {}", accuracy(&y, &out)); } Для пользователей PyTorch это интуитивно понятная аналогия определения и обучения нейросети на Python. В примере выше показана модель нейросети, используемая затем для классификации. Модель применяется к набору данных Mnist тестов производительности для сравнения двух версий модели: Rust и Python. • В первом блоке кода создается структура MyModel с двумя слоями типа Linear. • Второй блок — ее реализация, где определяется ассоциированная функция new, которой инициализируются два слоя и возвращается новый экземпляр структуры. • В третьем блоке реализуется типаж Compute для MyModel, им определяется метод forward. Затем в функции main загружается набор данных Mnist, инициализируется память, инстанцируется MyModel, а после она обучается в течение 100 эпох с размером пакета 128, потерями перекрестной энтропии и скоростью обучения 0,3. Очень даже понятно: это то, что потребуется для создания и обучения новых моделей на Rust с помощью маленького фреймворка. Теперь копнем поглубже и разберемся, как это все возможно. Если вы привыкли создавать ML-модели в PyTorch, то наверняка, глядя на код выше, зададитесь вопросом: «Зачем здесь ссылка на Memory?». Объясним ниже. 👇 Читать

Реализуем Type Inference на Rust — Часть #2: Простой Lambda Calculus https://habr.com/ru/articles/753180/

Statistics with Rust: 50+ Statistical Techniques Put into Action 🤓 Скачать книгу Делитесь книгой с коллегами и ставьте 👍 @rust_code

✔ ZboxFS ZboxFS — это файловая система, которая ориентирована на конфиденциальность и предназначенная для безопасного хранения файлов приложения. ZboxFS инкапсулирует файлы и каталоги в зашифрованное хранилище, предоставляя виртуальную файловую систему и эксклюзивный доступ для авторизованных приложений. Проект поддерживает различные базовые уровни хранения, включая память, файловую систему ОС, СУБД и хранилище объектов «ключ-значение». ZboxFS написан на Rust и его можно использовать на GNU/Linux, macOS, Windows и Android. ▪Github ▪Документация @rust_code

⚡️Маст-хэв список для программистов, каналы с последними книжными новинками, библиотеками, разбором кода и актуальной информацией, связанной с вашим языком программирования. Лучший способ получать свежие обновлении и следить за трендами в разработке. Машинное обучение: t.me/ai_machinelearning_big_data Python: t.me/pythonl C#: t.me/csharp_ci C/C++/ t.me/cpluspluc Data Science: t.me/data_analysis_ml Devops: t.me/devOPSitsec Go: t.me/Golang_google Базы данных: t.me/sqlhub Rust: t.me/rust_code Javascript: t.me/javascriptv React: t.me/react_tg PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Linux: t.me/+A8jY79rcyKJlYWY6 Big Data: t.me/bigdatai Хакинг: t.me/linuxkalii Тестирование: https://t.me/+F9jPLmMFqq1kNTMy Java: t.me/javatg 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy 📕 Бесплатные Книги для программистов: https://t.me/addlist/YZ0EI8Ya4OJjYzEy 🎞 YouTube канал: https://www.youtube.com/@uproger 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers