این ریپوی محشرو از دست ندید ...

حدود 2.5k سوال کوتاه با جواب توی زمینه های مختلف مثل

Git, Python, CD/CI, kafka, K8S, Network & ...

برای DevOps و SRE براتون یه جا جمع کرده که خودتونو محک بزنید سوالای این ریپو (لینک) از اون دسته سوال هایی ان که خوراک مصاحبه ان حتما یه چکی کنید.

🐧 @Linuxor

🔸 مهارت های نرم یکی از جزو مهم‌ترین نیاز های هر برنامه نویس برای فعالیت خوب تو بازار کار و کسب درآمد بالاست، مخصوصا برای بازار فریلنسری

👈 تو این کتاب حدودا 12 مهارت نرم مهم و مورد نیاز برای برنامه نویسا با چندین مثال و جزئیات و ... بصورت کاملا واضح آموزش داده شده و می‌تونین با مطالعه این کتاب مهارتهای نرمتون رو به طور چشمگیری تقویت کنید 💪❤️

#مهارت_نرم #بازار_کار #فریلنسری

داشتم فکر میکردم که ما زیاد کلمه ی کامیونیتی رو توی دهنمون میچرخونیم ولی وقتی کار به حمایت از هم دیگه میرسه، به خون هم تشنه میشیم
بعد گفتم خوب میشه اگر یه لیست از همه کانال های آموزشی حوزه تکنولوژی فارسی یوتیوب داشته باشیم که بهش مراجعه کنیم؛ هم یه طورایی حمایت از همه ی کانال هاست و هم یه حمایتی از افرادی که تازه میخوان یاد بگیرن و تسلط خوبی به انگلیسی یا هندی :D ندارن

نتیجتا نشستم و یه دوری زدم و یه تعداد کانال رو توی این لیست جمع کردم، مطمئنا کامل نیست و همه ی کانال ها رو نمیتونید توش پیدا کنید ولی خب سعی میشه که جامع تر بشه

لینک: https://github.com/Hr-ArshA/Educational-YouTube-Fa

خوشحال میشم اگر شما هم توی این لیست همکاری داشته باشید.

#کامیونیتی

@PhiloLearn

📌 مجموعه‌ای با بیش از ۹۱۰ پروژه مختلف ماشین‌لرنینگ با پایتون. همراه با آپدیت هفتگی!
Best-of Machine Learning with Python - A ranked list of awesome machine learning Python libraries.

🔗 https://github.com/ml-tooling/best-of-ml-python

#Python #MachineLearning #OpensourceProjects

@ai_python

عنوان : چگونه هرچیزی را یاد بگیریم؟

مدت : 1 دقیقه

زبان : انگلیسی

https://youtube.com/shorts/hQSevuaOf6M?feature=share4


پ.ن : خلاصه اش میشه که از خود بپرسید :
چرا باید این رو یاد بگیرم؟!

#advice

#Python

اگر میخواید پایتون رو درست یاد بگیرید بهترین راهش داشتن یه رودمپ مناسبه

با این رودمپ میتونید تو سی روز پایتون رو تا حد خوبی یاد بگیرید
(هر روز جدا بخش بندی شده)

https://github.com/Asabeneh/30-Days-Of-Python

@DevTwitter

چند تا از بهترین چیت شیت های برنامه نویسی

htmlreference.io
shortcode.dev
devhints.com
codehouse.app
overapi.com
cheat-sheets.org
githsheet.wtf
cheatography.com
grid.malven.co

@DevTwitter

سرفصل های کتاب :

1- مقدمه

2- کار با ورودی و خروجی

3- کتابخانه ی الگوی استاندارد

4-الگوریتم های کاربردی

5-مساله های ریاضی

6-حل مسئله

7-مهارت در مسابقات

8-واژه نامه های فارسی به انگلیسی

9- واژه نامه های انگلیسی به فارسی

===========================
===========================

زبان کتاب : پارسی

#programming

❔ آیا یادگیری ریاضی می تواند شما را برنامه نویس بهتری کند؟

متن زیر رو بخونید- بخشی از مطلبی که لینکش رو آخر پست گذاشتم (توی نظراتش یکی گفته آخه html css ریاضی میخواد 😂 ):

ریاضیات لازم برای برنامه نویسی
جبر بولی
برای درک برنامه نویسی، باید مفاهیم جبر بولی را درک کنید. شما از منطق هایی مانند AND، OR، NOT، XOR و XNOR برای ساختن کد استفاده خواهید کرد، ریاضی در برنامه نویسی که همگی بخشی از چیزهایی هستند که در جبر بولی که نحوه عملکرد مدارهای کامپیوتری را نشان می دهد، یاد خواهید گرفت.

رمزنگاری
برنامه نویسان همچنین مطالعه ای در زمینه رمزنگاری، ریاضی در برنامه نویسی علم نوشتن مخفی، مفید خواهند یافت. ایده رمزنگاری این است که هیچ کس نمی تواند پیامی را بخواند، مگر کسی که قرار است گیرنده باشد.

رمزنگاری برای ایجاد حریم خصوصی و امنیت در برنامه‌نویسی استفاده می‌شود و باعث می‌شود کاربران هویت خود را ثابت کنند یا به کاربران اجازه می‌دهند پیام‌ها را به صورت ایمن به عقب و جلو ارسال کنند.

استقراء ریاضی
همه برنامه نویسان باید درک کاملی از استقرای ریاضی داشته باشند، که اساس هر مشکل مبتنی بر بازگشت در برنامه نویسی است.

حساب دیفرانسیل و انتگرال
برای بهینه سازی الگوریتم یادگیری ماشین، باید از حساب چند متغیره استفاده کنید. شما همچنین از حساب دیفرانسیل و انتگرال در برنامه های مبتنی بر شبیه سازی استفاده خواهید کرد، زمانی که اشیا باید بر اساس قوانین فیزیک با یکدیگر تعامل داشته باشند. محاسباتی که در یک برنامه کارشناسی یا از طریق دوره های آنلاین یاد می گیرید، از قوانین فیزیک که به شما در برنامه ریزی شبیه سازی کمک می کند، پشتیبانی می کند.

احتمال و آمار
یادگیری ماشینی به احتمال و آمار نیاز دارد. الگوریتم‌های یادگیری ماشین از مدل‌های توزیع احتمال زیربنایی استفاده می‌کنند. بنابراین، برای برنامه‌ریزی الگوریتم‌های یادگیری ماشین، باید یک پایه محکم در احتمال و آمار داشته باشید.

نظریه گراف
اثبات ها و قضایای نظریه گراف به برنامه نویسان کمک می کند تا کدهای قابل پیمایش را ایجاد کنند و همچنین در برنامه نویسی راحت تر حرکت کنند.

همانطور که تئوری گراف را یاد می‌گیرید، با اثبات‌ها و قضایایی مانند جستجوی اول عمق، ریاضی در برنامه نویسی مرتب‌سازی توپولوژیکی، الگوریتم Dijkstra و جستجوی اول عرض بیشتر آشنا می‌شوید.

این مفاهیم در برنامه های ناوبری، به عنوان مثال، برای محاسبه کوتاه ترین فاصله بین دو نقطه با استفاده از الگوریتم ها استفاده می شود. برنامه نویسان باید بتوانند آن نوع الگوریتم ها را ایجاد کنند.

اینم لینک مطلب بالا:
https://www.iraniancyber.com/math-programming-contact/

چهار تا ریپو که توش میتونید کلی سوالات مصاحبه برای زبان های مختلف پیدا کنید (بخش اول)

کتاب راهنمای مصاحبه:
https://github.com/yangshun/tech-interview-handbook

سی ثانیه مصاحبه:
https://github.com/30-seconds/30-seconds-of-interviews

سوالات جاوا اسکریپت:
https://github.com/lydiahallie/javascript-questions

کتاب راهنمای مصاحبه ی فرانت:
https://github.com/yangshun/front-end-interview-handbook

@DevTwitter

چهار تا ریپو که توش میتونید کلی سوالات مصاحبه برای زبان های مختلف پیدا کنید (بخش دوم)

سوالات جاوا اسکریپت:
https://github.com/rohan-paul/Awesome-JavaScript-Interviews

جاوا اسکریپت - ساختار داده - الگوریتم:
https://github.com/loiane/javascript-datastructures-algorithms

سوالات مصاحبه ی ری اکت:
https://github.com/sudheerj/reactjs-interview-questions

سوالان مصاحبه ی جاوا اسکریپت
https://github.com/sudheerj/javascript-interview-questions

@DevTwitter

♦️وقتی نمیدونی میخوای چیکار کنی بنویس
♦️وقتی نمیدونی باید چیکار کنی آموزش ببین
♦️می‌دونی باید چیکار کنی برنامه ریزی کن

📌بعد میفهمی بیشتر مشکلات راه حل ساده ای دارن فقط باید مایل به انجامش باشی

@godcodee

اگر اهل تکنولوژی هستید، این چنل های یوتیوب رو حتما ساب کنید

Gaurav Sen
Rachit Jain
Akshay Saini
Tushar Roy
mycodeschool
Saurabh School
Keerthi Purswani
Nick White
Back To Back SWE
Kevin Naughton Jr
Raj Vikramaditya
William Lin
ACM ICPC Amrita
Clément Mihailescu
Errichto
Algorithms Live
RavindraBabu Ravula
Algorithm Wolf
Codechef Official
code_report
GeeksForGeeks Official channel
William Fiset
Code NCode
Tozan Southerpacks
CodeBuddy
LeadCoding
Jayati Tiwari
Code Phobia
Terrible Whiteboard
Aditya Verma
Dynamic Programming
NeetCode
MIT 6.006, MIT 6.851, MIT 6.046J
Stanford Algorithms part 1 and 2
Pavel Mavrin
Derek Banas
Kunal Kushwaha
TakeUForward
Pepcoding
Abdul bari sir
SecondThread
Errichto
William Lin
Neal Wu
Utkarsh Gupta
Codehelp by Love Babbar
Arpit Bhayani
Vivek Gupta
Lastly, Amisha Aggarwal

@DevTwitter

نزدیک به 5k چیت شیت و کوییک رفرنس توی زمینه های برنامه نویسی ، نرم افزار ، بیزنس و مارکتینگ ، تحصیلات و بازی توی سایت زیر خوابیده :

cheatography.com

عجیب بود که تا الان این سایت رو ندیده بودم :)

🐧 @Linuxor ~ СчаCтливый

امروز با یک سرویس باحال آشنا شدم، گفتم با شما هم به اشتراک بزارم!!

فرضا یه ویدیو زبان اصلی دارید مثل این:
https://youtu.be/FlGTSb7_9jk

کافیه به این سایت برید :
neurodub.ai‎

لینکش رو بدید! تا اونو به زبان فارسی، ترجمه، دوبله و صدا گذاری بکنه!

@FaQProgramming

From @d3vn8ll :

چرا زبان های برنامه نویسی C و ++C را یادبگیریم ؟

در ابتدا باید به این نکته توجه کنیم که این دو زبان باهم تفاوت دارند
سی توسط دنیس ریچ در سال 1972 در آزمایشگاه بل ابداع شد که یک زبان سطح میانی در نظر گرفته میشود این زبان با هدف توسعه نرم افزار های سیستمی مثل یونیکس و میان افزار ها Middleware و توسعه پیدا کرد
زبان C++ زبان تعمیم یافته از سی است که ویژگی های زبان سی را همراه با شی گرایی ارائه میدهد

موارد استفاده از زبان های قدرتمند C++ / C بسایر گسترده میباشد

1- برنامه نویسی امبدد سیستم ها Embedded Systems
2 - توسعه سیستم های عامل
3 - بازی سازی
4 - توسعه دیتابیس ها
5- برنامه نویسی دسکتاپ و کراس پلتفرم ( فریمورک Qt )
6- توسعه بدافزارها
7- هوش مصنوعی و یادگیری ماشین

مزایای یادگیری C/C++

1- بهبود تفکر برنامه نویسی
بر خلاف زبان های سطح بالا در C باید برای دستکاری آرایه ها و stacks , queues و ... خودتان توابعی را پیاده سازی کنید
این باعث میشود که در سطح سیستم تفکر بهتری شکل بگیرد
درک نحوه ذخیره متغییر ها آرایه ها و ... در حافظه و نحوه دستکاری آن ها نیز ضروری است
پیاده سازی الگوریتم ها و دیتا استراکچر در C شما را به تفکر عمیق وا میدارد

2- درک بهتر مفاهیم مقدماتی
توسعه نرم افزار به زبان C این امکان را میدهد که مفاهیم علوم کامپیوتر را پیاده سازی و بهتر درک کنید

3- فرصتی برای تعامل با سخت افزار
سی به طور گسترده در دنیای نرم افزار های Embedded استفاده میشود
از آن در توسعه Frimware و Middleware و حتی برای توسعه سیستم عامل ها استفاده میشود
در سطح پایین در مقایسه با زبان اسمبلی که برنامه نویسی در آن زمان و تلاش زیادی میخواهد سی ساده تر است
اگر میخواهید از میکروکنترلرها برای خودکار کردن کارها استفاده کنید سی انتخاب مناسبی است

4- کمک به درک مدیریت حافظه
مدیریت حافظه تخصیص فضا مواردی هستند که باید هنگام نوشتن کد C به آنها توجه کنیم

5- سوییچ کردن به زبان های برنامه نویسی دیگر را ساده میکند
به دلیل پیچیدگی هایی که در برنامه نویسی C/C++ وجود دارد و همچنین درک بهتری که از عملکرد هایی که در پشت کد ها در لایه پایین تر اتفاق میافتد دارید یادگیری سینتکس زبان های سطح بالا در اینده ساده تر خواهد بود

#advice

بیش از 150,000 دوره
https://www.classcentral.com/

===================================================================

توضیحات مربوط به سایت :
+1200 Universities, Like :
MIT, Harvard University &...

80 Providers Like :
Coursera, Udemy &...

+1000 Institutions Like :
Google, Amazon

ظاهرا بعد از گذروندن دوره های این سایت، مدرک معتبر هم کسب میکنید!!

بیشتر از این توضیح نمیدم😊

#programming

From @DevTwitter :

اونچه که به شما راجع به استخدام در big tech نمیگن:

1) در کانادا و آمریکا، استخدام در این شرکت ها برای برنامه نویس ها کار دشوار و عجیب غریبی نیست. از دور به نظر میاد کسی که استخدام میشه باید آدم مجرب و باهوش و با دانشی باشه ولی فرایند مصاحبه جوری طراحی شده که این چیزها اهمیتی نداره.

2) مصاحبه ها در مایکروسافت، گوگل، آمازون، فیس بوک و ... جوری طراحی شده اند که تفاوتی بین کسی که سال ها در تخصصی استخوان خرد کرده و صاحب تجربه است با یک تاره فارغ التحصیل نیست. مصاحبه ها آنچنان به دانش و مهارتی که فرد در طی سال ها کسب کرده اهمیتی نمی دهند.

‏3) مصاحبه ها عمدتا تمرکز بر حل مسائل الگوریتمی دارن. مسئله هایی مرتبط با آرایه ها، ماتریکس، رشته ها، گراف، مرتب سازی و برنامه نویسی پویا. گاهی هم مسائل طراحی کلان سیستم پرسیده میشه. مثلا از شما می خوان که سیستمی شبیه توییتر رو طراحی کنید واسشون. می تونه همینقدر تخیلی باشه.

‏4) مصاحبه ها در همه این کمپانی ها شکل تقریبا ثابت دارند. برای موفقیت چندان نیاز به تجربه نیست. کافیه که برای مصاحبه "درس" بخونید و "نمونه سوال" ببینید. شبیه کنکور. شبیه تافل. بسته به آشنایی تون با الگوریتم ها شاید یکی دو ماه بیشتر لازم نباشه تا  دست تون برای مصاحبه گرم بشه.

‏5) برای همین، سایت هایی که نمونه سوال الگوریتمی دارن، مثل LeetCode به شدت پرطرفدار شده اند و تنها ابزار لازم اند برای تضمین موفقیت شما برای استخدام در این کمپانی ها. فروم هایی هم در این سایت ها هست که مردم میان میگن تو مصاحبه ها چه سوال هایی ازشون پرسیده شده و تقلب می رسونن.

6) کمپانی ها معتقدند که هر کس بتونه سوال های الگوریتمی رو حل بکنه می تونه از پس هر کاری بربیاد. پتانسیل داره. مهم نیست چقدر تجربه داره و یا تخصص اش چی هست. خب ادعای مزخرفی هست چون پاس شدن این مصاحبه یه مهارتی هست که طی چند هفته میشه بهش رسید با دیدن نمونه سوال و جواب.

‏7) نتیجه اینه که من به وفور آدم هایی رو می بینم که بدون تجربه چندانی، با مدتی درس خوندن، پوزیشن های خیلی خوب گرفتند و حقوق خوب. ولی خروجی کارشون چیزی جز کد کثیف و غیر قابل نگهداری نیست. از دور آدم فکر می کنه همه در این شرکت ها خدای نرم افزار هستند ولی اینطور نیست.

‏8) به عقیده من فرایند مصاحبه ای که اخیرا در همه جا باب شده، باعث شده که شرکت ها Leet-Coder استخدام کنند و نه مهندس نرم افزار. برتری دادن به سوال های الگوریتمی، منجر به کنار گذاشته شدن آدم های مجرب و حرفه ای میشه چون تجربه و مهارت چندان ارزیابی نمیشه.

9) یه نکته خنده دار تر هم اینه که در مایکروسافت اگه بخواید تیم تون رو عوض کنید، دوباره مجبورید از سد همین سوال های الگوریتمی بگذرید. امروز برای استخدام در تیم دات نت مصاحبه دادم. دریغ از یک سوال مرتبط با طراحی کد و دات نت. سه تا سوال ازم پرسیدن. هر سه الگورتیم های leetcode ایی.

10) فرض کن 50 ساله ات شده با دو تا بچه و هزار تا بدبختی ولی کلی تجربه، باید بری بشینی دوباره درس بخونی که برای اینا الگوریتم حل کنی تا بگی "پتانسیل" داری. ولی خب آخرش یه جوجه فارغ التخصیل الگوریتم رو ازت بهتر حل می کنه.

این فرایند که بیشتر و بیشتر داره باب میشه "احمقانه" است.

#advice

خب امروز دوتا ربات تلگرامی معرفی میکنم :

@CatdlBot

قابلیت دانلود از :
اینستاگرام
توییتر
اسپاتیفای
ساندکلود

================================

@AllSavesBot

قابلیت دانلود از :
توییتر
پینترسنت
اینستاگرام
یوتیوب
تیک تاک
لایکی