PhiloLearn | فیلولرن

قطعی اینترنت یه حالتی برای من به وجود آورده که هر ابزار آنلاینی که می‌بینم دائما به این فکر می‌کنم که باید یه نسخه آفلاین ازش نگه دارم.

خب پسرم پس از تلاش های متعدد بلاخره یه برنامه نویس خفن اسمبلی شده...

#fun

@PhiloLearn

درود همگی 👋

اگه جنگ نشه، سیل نیاد و اتفاق عجیبی نیفته، قراره یه ایونت برنامه نویسی برگزار کنیم 😄

اگه دوست دارید توی برگزاریش کمک کنید فرم زیر رو پر کنید ✨👇

https://survey.porsline.ir/s/kqiD3PeD

Site Reliability Engineering, 2nd Edition
by Betsy Beyer, Chris Jones, Christof Leng, David Huska, Jennifer Petoff, Niall Richard Murphy

گوگل بنیان‌گذار دانش «مهندسی قابلیت اطمینان سایت» (SRE) است. این کتاب، نسخه‌ای جامع و بازنگری‌شده است که تکنیک‌های مهندسی، فرآیندهای سازمانی و تجربیات عملی تیم SRE گوگل را در یک دهه اخیر به‌روزرسانی کرده است. در این نسخه، علاوه بر بررسی ارزش قابلیت اطمینان و سیستم‌های ابری، به تأثیرات هوش مصنوعی نیز پرداخته شده است.

این کتاب به شما کمک می‌کند تا:
• مهندسان جدید SRE را بر اساس آخرین استانداردهای این حوزه تربیت کنید.
• سازمان‌هایی بسازید که قابلیت اطمینان را به عنوان یک ویژگی کلیدی در اولویت قرار می‌دهند.
• سرویس‌های آنلاین مقیاس‌پذیر و کارآمد طراحی کنید.
• از قابلیت‌های نوظهور هوش مصنوعی برای بهبود اتوماسیون و مدیریت حوادث بهره ببرید.

این اثر راهنمایی عملی برای پیاده‌سازی قابلیت اطمینان در تمامی مراحل چرخه حیات مهندسی است.


لینک کتاب

#book

@FuckingProgrammingBooks

📚📚 @PhiloLearn 📚📚

🌶🔥

@PhiloLearn

چگونه وب سایتمان AI generated به نظر نرسد:

@PhiloLearn

AI-Assisted Python for Nonprogrammers
Reuven M. Lerner

کتاب «پایتون با کمک هوش مصنوعی برای افراد غیربرنامه‌نویس» اثر روبن لرنر، راهنمایی کاربردی برای یادگیری پایتون بدون تجربه قبلی است. این اثر با ترکیب توضیحات مفهومی و تمرین‌های عملیِ متکی بر هوش مصنوعی، مباحثی نظیر متغیرها، حلقه‌ها، توابع و ماژول‌ها را آموزش می‌دهد. خوانندگان با این رویکرد، ضمن کسب مهارت در کدنویسی و استفاده از ابزارهای مولد، اعتمادبه‌نفس لازم برای درک فنی محیط کار و ارتقای دانش نرم‌افزاری خود را به دست می‌آورند.

لینک کتاب

#book

@FuckingProgrammingBooks

📚📚 @PhiloLearn 📚📚

کلید پابلیک بنده

یه سایت باحال و کاربردی برای نوب هایی مثل خودم پیدا کردم.
سایت https://explainshell.com/ اینطوریه که بهش یه کامند میدید و اون هم به صورت تصویری قسمت به قسمت کامند رو براتون توضیح میده

@PhiloLearn

«داداش اینا که AI بود»؛ فحش جدید نوجوونا😂

گاردین نوشته تحقیرآمیزترین عبارت امسال بین نوجوون‌ها شده «That's so AI». یعنی وقتی می‌خوان بگن یه چیزی جعلی و بی‌کیفیته اینو به کار می‌برن. جالب اینجاست که بین عامه‌ی مردم، خودِ AI داره به نماد بی‌اعتمادی به محتوا تبدیل می‌شه، نه فقط صرفا یه ابزار.

🔗 منبع
✉️ t.me/MatinSenPaii

روز دستگاه های تبدیل قهوه به کد مبارک 💔

کد تخفیف به مناسبت روز برنامه نویس: MjU2

@GitPush_Shop

آیا میدانستید پروژه دیفالت فلاتر صلوات شماره؟

خب مجوز G انگار لغو شده و سر این موضوع تافل و دولینگو مارو کنسل کردن.


یک مجوز دیگه هم هست تحت عنوان D-1 که اگر این رو لغو کنن شما باید بجای جیمیل از چاپارمیل استفاده کنید متاسفانه =)


https://ofac.treasury.gov/recent-actions/20140207_33


@SohrabContents

در پی اقدامات بی دلیل و احمقانه ی خودم در زندگی، تصمیم گرفتم که یه ناخنکی به فلاتر هم بزنم و خب پس از چند روز درگیری با ایرانی بودن خودم بلاخره موفق شدم که یه hello world لعنتی رو روی صفحه ایمولیتور ببینم

سارا کانر داره نگاهت می‌کنه... خجالت بکش

@GitPush_Shop

آقا ما توی ناین‌ کرفت حدود دو ماهه که VPS هم ارائه می‌دیم 👀

ناین‌کرفت چند ساله که روی گیم‌سرور، مخصوصاً ماینکرفت و تراریا، کار می‌کنه. توی این مدت، هم در ناین‌کرفت و هم چند بیزنس دیگه، کلی تجربه‌ی مدیریت سرور، شبکه و حفظ آپ‌تایم جمع کردیم.

امسال گفتیم وقتی زیرساخت و تجربه‌ش رو داریم، چرا VPS ندیم؟

الان VPSهای ناین‌کرفت رو راه انداختیم؛ فعلاً پلن‌های اقتصادی با لوکیشن ایران داریم که برای خیلی از نیازها کاملاً جواب می‌ده. به‌زودی هم سرورهای Enterprise با سخت‌افزار قوی‌تر و لوکیشن‌های دیتاسنتری بیشتر ارائه می‌کنیم.

اگه سؤال، نظر یا پیشنهاد خاصی دارید، خوشحال می‌شیم بهم بگین :)

جایگزین متن باز Fonto، رایگان، تحت وب
دیگه برای استوریاتون پول اشتراک ندید😁

و اگر دوست داشتید، از بالا(علامت قلب) به سازنده دونیت کنید تا لایسنس تجاری بخره و فونت‌های خفن‌تر واستون بذاره.
لینک پروژه:
https://github.com/FontWoW/FontWoW.github.io

لینک سایت:
https://fontwow.github.io

هدف داک داک گو فروش عینک نبوده و نیست، هدفش یاد اوری این نکته مهمه که بهترین راه برای مقابله با عینک‌های که از کاربر جاسوسی می‌کنند و هوش مصنوعی دارند، نخریدن اوناست.

@PhiloLearn

داشتم می‌گشتم که رسیدم به این شبیه ساز سیاهچاله
https://blackhole.plav.in

و خب این ریپازیتوری که باهاش شبیه ساز رو ساختن که توسعه پیدا کرده برای شبیه سازی رفتار نور اگر اشتباه نکنم:

https://github.com/aplavin/Synchray.jl

@PhiloLearn

این شبکه عصبی دو تا ویژگی داره:
1-شبکه‌های بازگشتی از اطلاعات گذشته استفاده می‌کنند.
2-در شبکه‌های بازگشتی، پارامترها یا وزن‌ها بین زمان‌ها به اشتراک گذاشته می‌شوند. به این معنا که همان وزن‌ها برای هر مرحله زمانی استفاده می‌شوند.
به صورت کلی این شکبه میاد ورودی رو از ما دریافت میکنه با وزن حافظه قبلی که آموزش دیده ترکیب میکنه و میره مرحله بعدی یعنی مثلا من یک گربه مشکی دارم میاد پنج لایه درست میکنه:
من + یک + گربه + مشکی+ دارم
هر لایه میاد بررسی میکنه "من" رو وارد لایه اول میکنه با حافظه قدیمی که داره میاد محاسبات ریاضی انجام بعد یه خروجی میده برای لایه بعدی که "یک" هستش بعد میاد پردازی که سر من + اطلاعات گذشته انجام داده رو بعلاوه یک رو میده لایه اول و الی اخر تا برسه لایه اخر تا بتونه در آخر برای ما یک پاسخ یا خروجی تولید بکنه علت اینکه بهش میگن بازگشتی اینه که به حافظه خودش بر میگرده جهت گرفتن اطلاعات، این شبکه عصبی برای پیش بینی کلمه بعدی میاد از کلمه قبلی + حافظه قبلی وزنی که درست کرده میاد بین پارامتر های میگرده و کلمه بعدی رو پیش بینی میکنه
ساختار عکس بالا چیه حالا؟ برای اینکه بهتر توضیح بدم این قسمت رو از هوش مصنوعی کمک گرفتم

 بیایید شکل را تجزیه کنم:

شکل یک RNN را نشان می‌دهد که در سه مرحله زمانی کار می‌کند (t=1, t=2, t=3).

هر مرحله دارای:
- ورودی (مثل "d", "o", "g" در پایین)
- مغز/حالت نهان (h0, h1, h2, h3 - بوکس های سبز بزرگ)
- خروجی (مثل "o", "g", "e" در بالا)
- وزن‌های مختلف:
  - Wx: وزن ورودی
  - Wh: وزن حالت نهان (بازگشتی)
  - Wy: وزن خروجی

داخل هر بوکس سبز، درون‌افزایی (مثل a11، a12، a1j) وجود دارد که نشان‌دهنده ضرب و جمع‌های داخلی است.

بیایید این را به شکل بسیار ساده برای مبتدی توضیح دهم:

1. شکل یک جمله را پردازش می‌کند
2. هر بوکس سبز = مغز شبکه در یک مرحله
3. فلش‌های بالا = خروجی (پیش‌بینی)
4. فلش‌های چپ = ورودی (کلمات)
5. فلش‌های افقی = حافظه که از مرحله قبل می‌آید# توضیح شکل RNN

## کلی نگاه کن

این شکل نشان می‌ده که **RNN چطوری یک جمله رو کلمه‌کلمه پردازش می‌کنه** در **3 مرحله متوالی**:

t=1  →  t=2  →  t=3
(لحظه‌ی اول) (دوم) (سوم)


---

## هر مرحله چی‌کار می‌کنه؟

| عنصر | معنی |
|------|------|
| **بوکس سبز بزرگ (h)** | 🧠 **مغز شبکه** — جایی که حافظه نگاه داشته می‌شه |
| **Wx** | وزن **ورودی** (کلمه الان) |
| **Wh** | وزن **حافظه** (کلمات قبلی) — **همین بازگشتی است!** |
| **Wy** | وزن **خروجی** (پیش‌بینی) |
| **"d", "o", "g"** | کلمات **ورودی** (پایین) |
| **"o", "g", "e"** | کلمات **خروجی** (بالا) |

---

## مرحله به مرحله چی‌ارتش؟

### 🟢 مرحله اول (t=1)
ورودی: "d"
    ↓
  h0 (حافظه اول، خالی) + Wh
    +
  "d" (ورودی) + Wx
    ↓
  h1 (حافظه جدید)
    ↓
خروجی: "o"

### 🟢 مرحله دوم (t=2)
ورودی: "o"
    ↓
  h1 (حافظه قبلی) + Wh  ← **یادش آمد "d" رو دید!**
    +
  "o" (ورودی جدید) + Wx
    ↓
  h2 (حافظه جدید)
    ↓
خروجی: "g"

### 🟢 مرحله سوم (t=3)
ورودی: "g"
    ↓
  h2 (حافظه قبلی) + Wh  ← **یادش آمد "d" و "o" رو دید!**
    +
  "g" (ورودی جدید) + Wx
    ↓
  h3 (حافظه جدید)
    ↓
خروجی: "e"

## داخل بوکس سبز چی‌ه؟

درون‌نویسی‌ها مثل **a₁₁، a₁₂، a₁ⱼ** نشان می‌دهند:
- **حساب و کتاب** (ضرب و جمع)
- **اعدادی که شبکه به‌کار می‌برد**

تو نیاز نداری اینها رو یاد بگیری. فقط بدون که **داخل این بوکس ریاضیات پیچیده‌ای انجام می‌شه!**

---

## خلاصه ساده

**این شکل می‌گه:**

> "ما کلمه "dog" را تشخیص می‌دهیم. شبکه هر بار یک کلمه می‌بیند، خروجی میده، و **یادش را برای دفعه بعد نگاه می‌دارد**. این همان **بازگشتی** است!"

🎯 **بازگشتی** = حافظه (h) **به خودش برمی‌گردد** و دوباره استفاده می‌شه!

و در نهایت این شبکه به دلیل بررسی توالی و داشتن حافظه از داده های قبل بهتر میتونه جملات رو درک کنه و پاسخ مناسب بده ولی اگر به یاد داشته باشید تو شبکه عصبی ترنسفورمر گفته بودم آموزشش بسیار کنده به محدودیت حافظه میخوریم و اینکه کلمات و جمله های طولانی رو ممکنه فراموش کنه به همین دلیل بود که بعد ها متخصیص با مکانیزم توجه به سمت شبکه های عصبی ترنسفورمر و سپس به ال ال ام های امروزی رسیدن با این اوصاف ان شبکه عصبی رو میشه بابابزرگ ال ال ام های امروزی دانست و در نهایت لینک های مفید جهت مطالعه:
لینک1
لینک2
@PhiloLearn | @NyxHrafn