IT با طعم HIT | مهرداد حسن زاده

از معدود ویدیو هایی که من توصیه میکنم حتما ببینید و در اون تامل کنید. حس میکنم ۹۹ درصد سوالاتی که تو پی وی ازم می‌پرسید رو جواب میده و ۹۹ تا سوال جدید بهتون تزریق میکنه:

https://youtu.be/xPvQ6PxOpAw?si=t9L-0NS8vpkQuWQo

🔴مقدمه ای درباره شبکه سازی🔴


چطور شبکه سازی کنیم؟ من پارتی ندارم چطور آدم های خودمو جور کنم؟ برای شروع باید چیکار کنم؟‌ نقش لینکدین چیه‌ و چطور در شبکه سازی کمک می‌کنه؟


توی این ویس درباره کلیت شبکه سازی صحبت هایی کردم که ذر آینده در پست های مربوط به شبکه سازی محتواشو کامل تر میکنم و بیشتر تجربیاتمو با شما به اشتراک میزارم.

➖➖➖➖
🔺 @hitwithit

📌 یه تجربه شخصی از دنیای واقعی که هیچ کتابی بهم یاد نداد

امروز می‌خوام یه داستان از تجربه فروش یه محصول رو براتون تعریف کنم که برام یکی از جالب‌ترین درس‌های کارآفرینی بود.
ما یه محصول درست کرده بودیم که دقیقاً به درد یه بخش از کارمندای یه شرکت می‌خورد. محصول همون‌جا خوب بود، ساخته شده بود، کار می‌کرد، ارزش می‌داد. ولی مشکل اینجا بود: خود شرکت حاضر نبود بابتش هزینه بده.

چند هفته تلاش کردیم، با تیم‌های دیگه هم حرف زدیم... ولی هرجا رسیدیم به این نتیجه که خرید مستقیم محصول در اون ساختار سازمانی با چالش‌های زیادی‌ای روبه‌رومونه. روندها اجازه نمی‌دادن که این اتفاق راحت بیفته.

🔻 اون‌جا تصمیم گرفتیم یه کار خیلی جالب بکنیم.

اومدیم به کارمندای شرکت گفتیم: «بیا مهمون ما باش!» محصول رو کامل رایگان در دسترسشون قرار دادیم. از سمت ریاست و مدیرای بالاتر هم وارد نشدیم. دستی روش کشیدیم و اونو به شکل B2C درآوردیم. یعنی به‌جای اینکه به شرکت بفروشیم، به تکتک آدم‌هایی که استفاده می‌کردن وصل شدیم.

و اینجا اون بخش جالب داستانه:

بعد از اینکه کاربرا به محصول عادت کردن، اشتراک اضافه کردیم. و اینجا بودیم که یه قانون اقتصاد رفتاری زنده رو به‌رو شدیم:

➖ اگر یه چیز رو از «رایگان» به «۵ درصد گرون» بکنی، تبعاتش سنگین‌تره از این‌که از ۱۰ درصده بکنیش ۲۰ درصد!
خب، بخشی از کاربرا ریختند... ولی اون بخشی که باقی موندن، موندن برای همیشه! 🤝
چرا؟ چون تا دیروز کارها به صورت دستی انجام می‌شد، الان داشت با یه فرمان صوتی راحت انجام می‌شد. کاربر دیگه حوصله برگشت به روش سنتی رو نداشت در نتیجه خرید لایسنس‌ها استارت خورد! و جالب‌ترین پارت اینجاست که بعد از مدتی، چون تعداد کارمندای اون شرکت که از دستیار ما استفاده می‌کردن زیاد شد، شرکت خودش اومد و پیشنهاد همکاری مستقیم رو به ما داد! چون می‌خواست نظارت و سنجش بیشتری روی موضوع داشته باشه.

چیزی که از این تجربه یاد گرفتم:

- ✅ محصول خوب فقط نصف راهه. «فروش» همون نصف دیگه‌ایه که معمولاً پشت گوش انداخته می‌شه.
- ✅ گاهی مستقیم رفتن به سازمان‌ها اشتباه‌ترین راهه؛ گاهی باید از «پایین» وارد شد تا کارمندها خودشون خواهش بکنن.
- ✅ اگر محصولت واقعاً به درد می‌خوره، کاربر بهش عادت می‌کنه و سوئیچ کردن به روش سنتی براش عذابه — این یعنی محصولت جای خودشو پیدا کرده.
- ✅ رایگان بودن فقط یه استراتژی قیمت‌گذاری نیست؛ گاهی سرمایه‌گذاری روی عادت‌سازیه.

راستی اینو هم بگم که این روش رو از هیچ کتابی نخوندم. (احتمالاً توی کتاب‌های اقتصاد و کارآفرینی اسم داشته باشه، ولی من خبر نداشتم!) چیزی که می‌دونستم این بود که محصول خوب حتی اگر درست ساخته شده باشه، در بخش فروش به یه استراتژی خلاقانه نیاز داره.

و به نظرم ارزش این بخش از پروژه، به کل بخش فنی و ساخت‌وسازش می‌ارزید.

این پیام رو همراه پیام قبلی دادم که سعی کنم منظورمو از رایگان کار نکردن و پیچیده بودن روند کاری برسونم(‌چون دقیقا منظورم این نبود که اصلا رایگان نباید کار کرد!). طبق نظریه اقتضا باید بدونی کجا اقتضا میکنه که چطوری رفتار کنی، کجا تخصص کجا پرزنت ، به کیا بله بگی به کیا نه!
➖➖➖➖➖
🔺 @hitwithit
🔻 مهرداد حسن زاده

پارادوکس متخصص بی‌پول؛ وقتی دانستن، درد می‌شود!چیزی که مدت ها خودم باهاش درگیر بودم!

چند شب پیش داشتم یه پروژه‌ی پردازش تصویر پزشکی رو می‌بستم. سه هفته بود درگیرش بودم. مدل تشخیص ذات‌الریه‌ی اطفال رو از صفر آموزش داده بودم، با دیتاست محدود، با کلی backpropagation و debugging شبانه‌روزی.

یه پیام اومد: «مهرداد، یکی میگه فلانی توی یه گروه تلگرامی داره با n8n یه چت‌بات هوش مصنوعی می‌سازه، گفته اگه کسی خواست بهش بده. میگه ۳۰۰ تومن.»

یه لحظه نشستم و فقط نگاه کردم به مانیتورم. یه مدل deep learning که بتونه الگوی بیماری رو از یه CXR بکشه بیرون، با ۳۰۰ تومن؟! حتی هزینه‌ی برق GPU من برای training بیشتر از اون بود.

➖➖➖➖➖

این همون پارادوکسیه که مدت ها باهاش مواجه بودم و بالاخره توضیح علمیشو پیدا کردم:

سندروم ایمیاستر به ما می‌گه: "تو هنوز کافی نیستی." سال‌ها درس خوندی، مقاله خوندی، پروژه زدی، اما مغزت هنوز داره فریاد می‌زنه: "اگه می‌دونستم، اگه یه مقاله‌ی دیگه می‌خوندی، اگه یه فریم‌ورک دیگه بلد بودی..."
و تو باور می‌کنی. قیمت پایین می‌دی. چون "گناه" داری. گناه اینکه چرا ۱۰ سال وقت گذاشتی یاد بگیری و هنوز به اندازه‌ی کسی که یه prompt خوب بلد نیست، نمیتونی ارزش خلق کنی!

اما واقعیت تلخ‌تر اینه:
بازار، تخصص نمی‌خره. بازار ریسک‌پذیری می‌خره.

اون آدمی که توی گروه تلگرامی تبلیغ می‌کنه، بلد نیست سیستم رو بسازه. اما قشنگ ادعا می‌کنه. با اعتماد به نفس می‌گه: "حلّه داداش، بهترین سیستم رو بهت تحویل میدم که نداشته باشیش ضرر کردی!" مشتری نگاه می‌کنه، چشمش برق می‌زنه و می‌گه: "پس باید اینو بگیریم."

من اما، با یه مکث علمی می‌گم: "اگه اجازه بدید یه نگاه دقیق‌تر بندازم، چند تا سناریو رو بسنجم... بررسی بازار بکنم، پیش بینی خرید بکنم و برنامه ریزی تکمیل بهترین ورژن" و مشتری خسته می‌شه و می‌ره، بازار رو کسی دیگه در دست میگیره!
جالبه بدونید یه رابطه بین کیفیت و سرعت اجرا وجود داره و باید بینش رو بگیرید!
البته یه وقت منظورمو اشتباه برداشت نکنید که برنامه ریزی و علمی کار کردن رو رد میکنما! نه اصلا اصول باید رعایت بشه ولی گاها تناقض های عجیبی بین متون کتابی و دنیای واقعی پیدا میشه!

برای خود من پیش اومده بود که یه فرد با دانش کمتر و حتی وایب کدینگ بدون در نظر گرفتن کلی وسواس که من در کارم دارم، تونسته بود پروژه مشابه منو به درآمد برسونه و من هنوز درحال سرچ بازار بودم!

➖➖➖➖➖

حالا چطور از این چرخه‌ی خودتخریبی بیرون بیایم؟

یه چیزی هست که توی اقتصاد رفتاری بهش می‌گن: «قیمت پایین = ارزش پایین». وقتی تو ارزون می‌فروشی، نه تنها پول کمتر می‌گیری، بلکه احترام کمتر هم می‌گیری.
من فهمیدم که دانستن کافی نیست. بلد بودن هم کافی نیست. حتی نتیجه دادن هم کافی نیست!

اون چیزی که لازمه، برندسازی شخصی + گرفتن موضع هست. یعنی:

- صدای قاطع داشتن (نه مکث علمی، نه تردید به اندازه درستش نه شواف گونه)
- گفتن "نه" به پروژه‌های بی‌ارزش و وقت گیر به شرط اینکه تجربه کاری مفیدی نداشته باشه و یا هدف فعلا درآمد نیست.
- نشون دادن اثر کار، پرزنت اثر بخشی نه روش کار
- ساختن یه سیستم قیمت‌گذاری که مشتری حس کنه داره یه چیز کمیاب یا هویت ساز می‌خره، نه یه commodity

➖➖➖➖➖

یه جمله از قلبم:

ما متخصص‌ها همیشه داریم به این فکر می‌کنیم که "چه چیزی بیشتر یاد بگیرم." شاید وقتش رسیده که به این فکر کنیم "چطور چیزهایی که بلد رو قشنگ‌تر، واضح‌تر و با اعتماد به نفس بیشتر بفروشم. اصلا راه درآمد زایی از تخصص من چیه؟"

تخصص یه weight هست توی deep learning زندگی. اما اگه loss function درست تعریف نکنی، یادگیری بی‌نهایت فقط یه overfitting به فقر می‌شه😁

➖➖➖➖
🔺 @hitwithit
🔻 مهرداد حسن زاده

تجربه عجیب من از خرید و استفاده از ایجنت‌ها: فرسودگی!

راستش رو بخواید، اوایل که شروع کردم، واقعاً هیجان‌انگیز بود. با ایجنت‌ها چندتا پروژه رو با سرعت بالا بالا آوردم و فکر می‌کردم بالاخره راه حل جادویی پیدا شده. اما بعد از یه مدت، با یه سری تناقض عجیب روبرو شدم که اصلاً توی تبلیغ‌ها نمی‌گن!

اولین چیزی که حس کردم، فرسودگی بود. 🧠

وقتی برای یه ایجنت هزینه نسبتاً بالایی می‌دی و می‌بینی هر ۵ ساعت یه بار شارژ می‌شه، ناخودآگاه حس می‌کنی باید از هر ثانیه‌اش نهایت استفاده رو ببری. یعنی مجبوری همه‌ش پای پروژه باشی. اگه یه بخش از پروژه چند ساعت طول بکشه، تو هم باید همون‌جا بمونی؛ با خودت می‌گی: «نیم ساعت دیگه شارژ می‌شه، بهتره همین‌جا باشم.» و این‌جوری کم‌کم تبدیل می‌شی به یه ربات کدزنی که فقط داره خیره می‌شه به مانیتور! اگه واسه این کار یه مرز مشخص نکنی، فرسودگی و خستگی خیلی زود از راه می‌رسه.( عجیب درگیرشم الان)

نکته جالب اینجاست که این حس، فقط «تنبلی» نیست؛ یه پدیده شناختی واقعیه. بهش می‌گن Sunk Cost Fallacy (مغالطه هزینه هدررفته). 🧠 وقتی پول و زمان توی یه ابزار گذاشتی، مغزت اصرار می‌کنه ادامه بدی، حتی وقتی دیگه به صرفه نیست. تحقیقات اقتصاد رفتاری نشون داده آدما وقتی چیزی رو «خریدن»، ارزیابی‌شون از اون ابزار به مرور بدتر می‌شه ولی نمی‌تونن رهاش کنن!

یه بحث دیگه هم هست: وابستگی بالا و در مقابل، کاهش دقت! اگه کورکورانه از ایجنت استفاده کنی، ممکنه توی پروژه‌های واقعی و بزرگ، از کنترل اصلی پروژه خارج بشی و ندونی اون پشت چیه و از خود پروژه خسته بشی! علم شناختی اسمش رو گذاشته Cognitive Offloading؛ یعنی هرچی بیشتر ذهنت رو به ابزار بسپاری، مغزت یاد می‌گیره «تنبل‌تر» فکر کنه. مطالعه‌ی معروف ۲۰۲۴ هم نشون داد افرادی که کارشون رو به LLM می‌سپارن، حافظه و درک عمیق‌شون از همون محتوایی که «خودشون نوشتن» به‌مرور افت می‌کنه. یعنی داری سرعت رو با عمق معامله می‌کنی!

یه تناقض دیگه هم توی «پویایی کار» هست. 🔄

توی روش سنتی، شاید سرعت کمتر باشه، اما مغزت مدام در حال فکره؛ تحلیل می‌کنی، راه حل می‌دی و ذهن فعال و پویاست. اما اینجا، تو فقط می‌نویسی، می‌خونی، کپی می‌کنی و زل می‌زنی به مانیتور تا ایجنت کار رو از سر باز کنه!

و این وسط، یه «زمان مرده» ایجاد می‌شه. ⏳

نه می‌تونی تمرکزت رو تقسیم کنی و بری سراغ یه کار دیگه، نه می‌تونی پروژه رو ول کنی. چرا؟ چون مغز ما برای Context Switching هزینه سنگینی می‌ده؛ هر بار که برگردی روی کار دیگه، مغزت حدود ۲۰ دقیقه زمان می‌بره تا دوباره روی اون مکانیزم فکر کنه. نتیجه چی می‌شه؟ اسکرول کردن بی‌هدف توی سوشال مدیا و تبدیل شدن اون «زمان مرده» به «زمان سوپر مرده»!

خلاصه اینکه، ایجنت‌ها مزیت‌های خودشون رو دارن و شک ندارم، ولی درگیری‌ها و تناقض‌های عجیبی هم دارن. من که اوایل خیلی باهاشون حال می‌کردم، ولی الان متوجه این تضادها شدم: ابزار باید بهت «توان» بده، نه اینکه تبدیل بشه به یه شغل دوم که مزدش رو هم خودت می‌دی! 😅

شک ندارم به‌زودی از این تجربه‌ها یه مقاله مفصل درمیاد، حالا ببینید کی گفتم...

شما هم تجربه‌تون از کار با ایجنت‌ها چیه؟ اگه نظری دارید بگید یا اگه خواستید ناشناس گپ بزنیم. 👇

لینک ناشناس

➖➖➖➖➖
🔺 @hitwithit
🔺 مهرداد حسن زاده

«لینکدین» مقدس نیست؛ شبکه سازی هم فقط یک ابزار است!

این روزها توی اینستاگرام و لینکدین پر شده از پست‌هایی با این مضمون که: «لینکدین رو جدی بگیرید، آینده‌تون اونجا ساخته می‌شه!»
نمی‌خوام بگم این حرف غلطه، اما می‌خوام بگم همه حقیقت هم نیست.
وقتی با نگاه «نظریه پیچیدگی» به دنیا نگاه می‌کنیم، می‌بینیم که هیچ فرمول یکسانی برای همه جواب نمی‌ده. ۵ نفر موفق شدن با لینکدین پروژه بگیرن؟ خب، آیا این موفقیت فقط مدیون لینکدینه؟ یا شانس، شخصیت، دانشگاه، مهارت‌های فردی و کلی متغیر پنهان دیگه هم دخیل بودن؟
ما معمولاً برای ساده‌سازی، اون متغیرهای پیچیده رو حذف می‌کنیم و می‌گیم: «لینکدین مساوی است با موفقیت». نتیجه‌اش چی می‌شه؟ تبریک می‌گم؛ شما یک «بت» ساختید. حالا هر کسی که توی این اپلیکیشن فعال نباشه، احساس عقب‌ماندگی و استرس می‌کنه.

تجربه شخصی من چی می‌گه؟
من توی مسیرم شبکه سازی کردم، اما نه با پست گذاشتنِ هوش مصنوعی! شبکه سازی من این‌طوری بود:
‌
🔹 کافه، جای شروع: سه تا از بچه‌های شریف رو توی یه کافه دیدم؛ داشتم می‌شنیدم دارن درباره یک پروژه حرف می‌زنن. خودم رو قاطی بحث کردم، شماره گرفتم و بعداً با همون‌ها پروژه ران کردم.
🔹 استاد و فرصت: در دانشگاه کارشناسی‌ام (که جای تاپی نبود)، وقتی دیدم یک استادِ کاربلد از تهران اومده، به جای اینکه فقط نمره ۲۰ بگیرم، خودم رو بهش پرزنت کردم. نتیجه؟ پروژه‌های مشترک و معرفی شدن به تیم‌های بزرگ‌تر.
🔹 حضور واقعی: داشتن کارت ویزیت، گپ زدن توی سلف دانشگاه، و همکاری رایگان در پروژه‌های سخت؛ این‌ها مسیر من رو ساختن، نه «کانکشن‌ ریکوئست» فرستادنِ صرف.

شبکه سازی، مهارت است؛ نه ابزار
لینکدین برای یک آدم درون‌گرا که بهتر می‌نویسه تا حرف بزنه، ابزار خوبیه. اما نباید فکر کنیم اگر بلد باشیم با یک ابزار AI کاور طراحی کنیم و یک پست کپی‌پیستی بگذاریم، یعنی داریم «شبکه‌سازی» می‌کنیم. این نگاه ساده‌انگارانه‌ست.

شبکه سازی مثل ابزارآلات نجاری می‌مونه:
لینکدین فقط یک «انبردست» است. ممکن است با انبردست بشود یک پیچ را باز کرد، اما آیا عاقلانه است که به همه پیشنهاد بدهیم برای باز کردن تمام پیچ‌های زندگی‌شان فقط از انبردست استفاده کنند؟!

حرف آخر:
دنیا فرموله نیست. برای یکی لینکدین کار می‌کند، برای یکی اینستاگرام، و برای دیگری گفتگو در یک کافه. شبکه سازی یک مهارت اخلاقی و انسانیه که باید یاد بگیرید، نه یک پروفایل آنلاین که بخواهید مقدس‌سازی‌اش کنید.

مراقب باشید درگیرِ «بمباران محتوایی» نشوید و مسیر خودتان را با ابزارهای خودتان بسازید.

➖➖➖➖➖➖
🔺 @hitwithit
🔻 مهرداد حسن زاده

یه چیز دیگه هم هست که دلی می‌نویسم...

من واقعاً نمی‌دونم چرا برای آدمایی که حتی نمی‌شناسمشون، این‌قدر وقت می‌ذارم.
اونایی که تا حالا بهم پیام دادن، احتمالاً می‌دونن چی می‌گم :))

ویس‌های طولانیِ تقریباً پادکستی، راهنمایی برای مسیر یادگیری، جواب دادن به سؤال‌ها، معرفی منبع، یا حتی بعضی وقتا انجام دادن یه سری کارای کوچیک بدون هیچ چشم‌داشتی...

البته شاید یه گوشه‌ش به همون طرحواره ایثار هم ربط داشته باشه 😁
ولی واقعاً فقط اون نیست.

فکر می‌کنم من دنیا رو توی آدم‌ها می‌بینم.
حس می‌کنم دنیا خودش یه بوم سفیده؛ نسبتاً ثابت، ساکت و بی‌طرف.
این ماییم که با رفتارمون، با حرف‌هامون، با برخوردی که با هم داریم، بهش رنگ می‌دیم.
یکی فقط سیاه‌قلم بلده و هرجا می‌ره، یه چیزی از انرژی آدم کم می‌کنه.
یکی با چند رنگ محدود، ولی قشنگ و واقعی، حال آدم رو بهتر می‌کنه.
یکی هم انگار جعبه‌رنگ ۳۲تایی دستشه؛ از یه پیام ساده‌اش، از یه راهنمایی کوچیکش، از اینکه واقعاً گوش می‌ده، یه رنگ تازه به روزت اضافه می‌شه.

شاید برای همین وقتی کسی پیام می‌ده و دنبال راهه، یا یه جای مسیر گیر کرده، نمی‌تونم خیلی راحت بی‌تفاوت باشم.
نه اینکه همیشه جواب همه‌چیز رو بدونم؛ اصلاً.

ولی اگر یه تجربه، یه اشتباه، یه منبع یا حتی یه ویس من بتونه مسیر یه نفر رو یک درصد روشن‌تر کنه، چرا که نه؟
جالبش اینجاست که خودم ذاتاً خیلی اجتماع‌گریزم :))

از شلوغی فراری‌ام، از جمع‌های بی‌دلیل زود خسته می‌شم و خیلی وقت‌ها ترجیح می‌دم توی دنیای خودم باشم.

ولی آدم‌ها رو دوست دارم.
نه لزوماً همه‌ی جمع‌ها رو؛
خودِ آدم‌ها رو.

اون لحظه‌ای که یکی با یه پیام می‌گه «بالاخره شروع کردم»،
یا می‌گه «اون ویست باعث شد کمتر سردرگم باشم»،
برای من واقعاً ارزشمنده بوده و قدر دان فیدبک های دوستان بودم...

شاید نتونیم کل این بوم بزرگ رو رنگی کنیم،
ولی حداقل می‌تونیم حواسمون باشه وقتی وارد زندگی کسی می‌شیم، با چه رنگی وارد می‌شیم....


➖➖➖➖➖
🔺 @hitwithit

🔻 از اون دلی ها که هیچکس نمی‌فهمه فازتو

یه جایی فهمیدم یاد گرفتن، خودش خروجی نیست‼️

یه مدت فکر می‌کردم هرچی بیشتر یاد بگیرم، آماده‌تر می‌شم.💯
یه دوره جدید، یه مقاله درباره مدل‌های دیپ‌لرنینگ، چند ساعت آموزش FastAPI یا Flutter، ایده‌های جذاب AI توی پزشکی...
همه‌شون هم حس خوبی می‌دادن. حس اینکه خب، دارم پیشرفت می‌کنم دیگه.↗️

ولی یه جایی وسط این مسیر، با خودم گفتم:
خب مهرداد، از بین این همه چیزی که یاد گرفتی، کدوماش واقعاً وارد کارت یا زندگیت شدن❓

واقعاً فرق زیادی هست بین اینکه بدونی یه مدل تشخیص تصویر پزشکی چطوری کار می‌کنه، با اینکه خودت بشینی براش دیتا جمع‌وجور کنی، مدل رو train کنی، خطاهاش رو ببینی و سعی کنی ازش یه چیز واقعاً قابل‌استفاده دربیاری.

یا مثلاً درباره ساخت محصول با هوش مصنوعی خوندن یه چیزه؛
ولی وقتی می‌خوای یه ایده رو، حتی خیلی ساده و در حد یه نسخه اولیه، بسازی، تازه یادگیری واقعی شروع می‌شه.

همون‌جا که باگ‌ها می‌ریزن سرت.
همون‌جا که نمی‌دونی دقیقاً از کجا باید شروع کنی.
همون‌جا که یه صدایی توی ذهنت می‌گه:
«ولش کن، هنوز کامل آماده نیستی.»

ولی چیزی که خودم از پروژه‌های AI و حوزه سلامت یاد گرفتم اینه که:

آماده شدن معمولاً بعد از شروع کردنه، نه قبلش.
دانش خیلی مهمه، شکی توش نیست.
ولی تا وقتی تبدیل نشه به یه تصمیم، یه پروژه—even اگه نصفه‌نیمه باشه—یه نمونه اولیه، یه حرف با کاربر، یا حتی یه اشتباه واقعی، هنوز فقط یه سری اطلاعاته که توی ذهنمون جمع شده.

این روزا سعی می‌کنم به‌جای اینکه فقط از خودم بپرسم:
«خب، حالا چی یاد بگیرم؟»

یه سؤال دیگه هم بپرسم:

«با چیزایی که همین الان بلدم، امروز چی می‌تونم بسازم یا یه قدم جلو ببرم؟»

شاید جوابش خیلی کوچیک باشه؛
مثلاً ساختن یه ریپوی جدید، پیاده‌کردن یه نسخه ساده از یه ایده، پیام دادن به یه هم‌تیمی، یا حتی فقط نوشتن اولین خط کد.
ولی معمولاً همین قدم‌های کوچیکن که کم‌کم فاصله بین «می‌دونم» و «می‌تونم انجامش بدم» رو کم می‌کنن.
دورو برمم دوستان زیادی دارم که فقط میخونن، دوره میبینن، پست لایک میکنن ولی دریغ از بکارگیری! نکه بد باشه ها ولی دانش قدرت نیست، دانش پتانسیل قدرته! یعنی دانش زمانی قدرته که بکار گرفته بشه....
اسمشو گذاشتم بمباران اطلاعاتی در عصر هوش مصنوعی...
هزاران اطلاعات رو بریز تو مغزت و احتکار کن که شاید یه روزی یه جایی به درد بخوره! فقط یادت باشه که پیدا کردن یه شئی تو زیر زمین شلوغ پلوغ کار ساده ای نیستا!!!

➖➖➖➖➖
🔺 @hitwithit
🔻 از مجموعه فکر های شبانه مهرداد حسن زاده

یه چیزی هست که این چند وقت خیلی ذهنم رو درگیر کرده:

گاهی همون چیزی که باعث شده تا اینجای مسیر بیای، می‌تونه جلوی رشد بعدی‌تو بگیره.
من معمولاً وقتی با یه مسئله جدید روبه‌رو می‌شم، اولین واکنشم اینه که خودم برم سراغش.
نمی‌دونم؟ یاد می‌گیرم.
کسی نیست انجامش بده؟ خودم انجام می‌دم.
کار پیچیده‌ست؟ بیشتر وقت می‌ذارم تا حلش کنم و خب، واقعاً این مدل خیلی جاها جواب داده.
توی پروژه‌ها، یاد گرفتن تکنولوژی‌های جدید، ساختن چیزهایی که اولش حتی نمی‌دونستم از کجا باید شروعشون کنم.
ولی یه جایی به بعد، این مدل خودش می‌تونه تبدیل به تله بشه.
چون وقتی همه‌چیز قراره با «خودم انجام می‌دم» جلو بره، از یه جایی به بعد خودِ آدم می‌شه گلوگاه کار.
همه‌چیز به زمان، انرژی و تمرکز یک نفر وابسته می‌مونه. یعنی شاید کارها جلو برن، ولی رشد خیلی سخت‌تر می‌شه.

به این می‌گن «تله موفقیت».

یعنی چون یه روش تا امروز جواب داده، هی بیشتر همون روش رو تکرار می‌کنیم.
بیشتر کار می‌کنیم، بیشتر کنترل می‌کنیم، بیشتر دنبال بی‌نقص‌بودن می‌ریم… در حالی که شاید برای مرحله بعد، باید یک مدل جدید یاد بگیریم. منظورم از مدل، مدل ذهنیتون هست، همونی که به کنش های شما جهت میده.

مثلاً:
- به‌جای اینکه همه‌چیز رو خودمون انجام بدیم، یاد بگیریم واگذار کنیم.
- به‌جای منتظر موندن برای خروجی بی‌نقص، با یه نسخه خوب و قابل‌استفاده شروع کنیم.
- به‌جای اینکه فقط روی چیزهایی که بلدیم عمیق‌تر بشیم، بریم سراغ چیزهایی که هنوز توشون تازه‌کاریم.

فکر می‌کنم سخت‌ترین بخش رشد، کنار گذاشتن چیزهایی نیست که جواب نداده‌اند.
سخت‌ترین بخش، فاصله گرفتن از چیزهاییه که خیلی هم خوب جواب داده‌اند.

من این روزها دارم به این فکر می‌کنم که شاید برای رفتن از یه مرحله به مرحله بعد، همیشه لازم نیست بیشتر تلاش کنم؛
شاید لازم باشه جور دیگری تلاش کنم.

شما چی؟
تا حالا شده یه نقطه‌قوت یا عادتی که همیشه بهتون کمک می‌کرده، یه جایی تبدیل به مانع رشدتون بشه؟
گاها خیلی دلم میخواد سمت علوم شناختی و نوروسایکولوژی برم...
مقالات این حوزه رو بیشتر علاقه دارم... شاید آینده بیشتر اینطوری بنویسم
➖➖➖➖➖
🔺 @hitwithit
🔻 مهرداد حسن زاده

برای متن های بالا ویدیو گرفتم بعد دیدم حوصله ادیت ندارم، متن نوشتم، نظرمو درباره ایجنت ها و آینده برنامه نویسی مخصوصا در رشته خودمون رو نوشتم

برای شروع، Gap Code را پیشنهاد می‌کنم؛ نسبت به هزینه‌ای که دارد، به‌صرفه است و می‌تواند خروجی‌های خوبی بدهد.

خودم نزدیک به ۵ ماه است که از ابزارها و Agentهای مختلفی مثل Claude، Cursor، Codex، GitHub Copilot، Hermes، Mimo و Gap Code استفاده کرده‌ام. در یک پیام جداگانه، این ابزارها را با هم مقایسه می‌کنم و تجربه و نظرم را دربارهٔ هرکدام می‌گویم.

خود من هم برخلاف گذشته، دیگر فقط روی سینتکس تمرکز نمی‌کنم. بیشتر سراغ دوره‌ها و کتاب‌هایی می‌روم که مفاهیم را آموزش می‌دهند.

مثلاً به‌جای اینکه فقط کد پیاده‌سازی متدهای ارزیابی را بخوانم، سعی می‌کنم بفهمم تفاوت این متدها چیست، هرکدام کجا باید استفاده شوند، برای دیتاست‌های پزشکی کدام‌ها مناسب‌ترند و در چه پروژه‌هایی بهتر است اصلاً از آن‌ها استفاده نکنیم.

اینکه کجا باید چه مدلی ساخت، از چه قابلیتی استفاده کرد، معماری را چطور چید، چگونه هزینه را کاهش داد و Performance را بالاتر برد؛ به نظرم این‌ها همان مهارت‌هایی هستند که در آینده ارزش بیشتری پیدا می‌کنند.

➖➖➖➖➖➖
🔺 @hitwithit
🔻 مهرداد حسن زاده

آیندهٔ برنامه‌نویسی؛ چیزی فراتر از نوشتن سینتکس | به کجا میرویم؟

یکی از موضوعاتی که مدتی است زیاد به آن فکر می‌کنم، آیندهٔ برنامه‌نویسی است.

مدت زیادی است که از AI Agentها استفاده می‌کنم و چیزی که برایم واضح شده این است که واقعاً عملکرد خوبی دارند. مخصوصاً در کدنویسی و نوشتن سینتکس، در بسیاری از مواقع از یک برنامه‌نویس Mid-level جلوتر هستند؛ حتی گاهی می‌توانند در سطح یک Senior Developer هم خروجی قابل‌قبولی بدهند.

البته این ابزارها بدون مشکل نیستند. هزینه‌بر بودن، وابستگی شدید به آن‌ها و حتی کم شدن انگیزه برای یادگیری عمیق، از چالش‌هایشان هستند. از طرف دیگر، وقتی پروژه از یک مقیاس مشخص بزرگ‌تر می‌شود، حتی Agentهای قدرتمندی مثل Claude و Cursor هم به چالش کشیده می‌شوند.

چیزی که به آن رسیده‌ام این است که مهارت‌هایی مثل موارد زیر، از صرفاً کدنویسی مهم‌تر شده‌اند:

- اصول پایگاه داده
- مهندسی نرم‌افزار
- System Design
- Clean Architecture
- توانایی حل مسئله
- شناخت حوزهٔ مسئله یا Domain Knowledge
- مقیاس‌پذیری و مدیریت پیچیدگی پروژه

به نظرم آینده به این سمت می‌رود؛ هرچند واقعیت این است که هیچ‌کداممان دقیقاً نمی‌دانیم آینده قرار است به کجا برسد.

فکر می‌کنم الآن دقیقاً روی لبهٔ یک تغییر تکنولوژیک ایستاده‌ایم. اگر جنگ و بحثی که بین اساتید برنامه‌نویسی در لینکدین و اینستاگرام راه افتاده را دیده باشید، احتمالاً شما هم حس کرده‌اید که خودشان هم دقیقاً نمی‌دانند چه اتفاقی در حال رخ دادن است!

اما یک موضوع تقریباً روشن است: تمرکز از روی «سینتکس‌نویسی» در حال برداشته شدن است.

در پروژه‌های کوچک و متوسط، مدل می‌تواند پیشنهاد بدهد، مسیر کار را جلو ببرد و حتی در تصمیم‌گیری‌ها نقش یک هم‌تیمی را داشته باشد. می‌توانید با آن مشورت کنید، یک روند بسازید و بخش زیادی از اجرای کار را پیش ببرید.

اما بسته به موضوع و مقیاس پروژه، فعلاً هنوز لازم است که دانش حوزه داشته باشید تا بتوانید خروجی درست را از Agent بگیرید و پروژه را واقعاً به نتیجه برسانید.

روی «فعلاً» تأکید دارم؛ چون نمی‌دانیم ۵ یا ۶ سال آینده دقیقاً چه شرایطی خواهیم داشت.

هم نگاه افراطیِ کسانی که می‌گویند «برنامه‌نویسی کاملاً تمام شده» را اغراق‌آمیز و زرد می‌دانم، و هم نگاه کسانی را که می‌گویند «Agentها بی‌فایده‌اند، جای برنامه‌نویس را نمی‌گیرند و همه‌چیز مثل گذشته می‌ماند».

به نظرم کسانی بیشتر با این تغییر دچار چالش می‌شوند که هویت خودشان را صرفاً به «برنامه‌نویس بودن» گره زده‌اند. طبیعی است که آدم بخواهد با روش‌های مختلف از تغییری که هویتش را تهدید می‌کند دوری کند.

از طرف دیگر، من تا حدی کدنویسی مبتنی بر Agent و رویکرد جدیدی که شکل گرفته را به نفع بچه‌های رشته‌های دیگر، مخصوصاً حوزهٔ سلامت، می‌دانم.

خودم در گذشته تجربه کرده‌ام که پیدا کردن یک تیم برنامه‌نویسی و هماهنگ کردن اهداف، ذهنیت‌ها و زبان مشترک بین افراد از رشته‌های مختلف چقدر انرژی‌گیر و چالش‌برانگیز است.

اما الآن، با تشکیل تیم‌های کوچک بین هم‌رشته‌ای‌ها، حتی اگر تخصص عمیقی در برنامه‌نویسی نداشته باشند، می‌شود ایده‌ها را تا سطح نسبتاً خوبی جلو برد.

حتی دیده‌ام خیلی از اساتیدی که بیشتر مقاله‌محور بودند، دارند با کمک همین Agentها به سمت اجرای ایده‌هایشان می‌روند. این اتفاق فاصلهٔ بین «ایده داشتن» و «ساختن» را کمتر کرده است.

برای بچه‌های حوزهٔ سلامت هم این یک فرصت مهم است؛ چون می‌توانند بدون وابستگی کامل به رشته‌هایی مثل کامپیوتر، ایده‌های خودشان را به نمونهٔ اولیه و حتی محصول تبدیل کنند.

به نظرم به‌جای اینکه هویتتان را به برنامه‌نویس بودن گره بزنید، بهتر است برنامه‌نویسی را یک ابزار ببینید؛ ابزاری که قرار است آن را با دانش حوزهٔ سلامت ترکیب کنید و با آن یک مسئلهٔ واقعی را حل کنید.

و البته همیشه باید این نکته را هم به آخر صحبت‌ها اضافه کنم: اینجا ایران است و بعضی روندها ممکن است مسیر متفاوت خودشان را داشته باشند.

اما من استفاده از Agentها برای کدنویسی را هم در دانشگاه و هم در محیط کار از نزدیک دیده‌ام. اگر در این حوزه فعالیت می‌کنید یا به تکنولوژی علاقه دارید، به نظرم بهتر است حتماً به سمتشان بروید و کار کردن با آن‌ها را یاد بگیرید.

کار با Agentها فقط دادن یک Prompt و گرفتن خروجی نیست. جزئیات زیادی دارد که عمدتاً با تجربه به دست می‌آیند: از نحوهٔ تعریف مسئله و شکستن تسک‌ها گرفته تا بررسی خروجی، مدیریت Context و تصمیم‌گیری دربارهٔ معماری.

یک نکتهٔ دیگر هم اینکه، فعلاً به نظرم نسخه‌های رایگان Agentها برای یادگیری جدی خیلی مناسب نیستند. اگر واقعاً می‌خواهید تجربهٔ خوبی داشته باشید، احتمالاً لازم است کمی هزینه کنید.

گفتم عکسم بزارم فضای متنم واقعی تر شه😁👍


به معنای واقعی کلمه تو این یکسال دهنمون سرویس شد و البته کلی تجربیات عجیب، بعضی هاش واقعا ناامید کننده و بعضی هاش برعکس...