Kernel Space
https://youtu.be/33uL5heP3II
فکر کردم جالب باشه که درباره نحوه سیستم دیزاین به صورتیکه اقتصادی باشه صحبت کنم
البته من توی این ویدیو سعی کردم زیاد تخصصی نشم و همینطور زیاد نکات پیشرفته ای هم نگفتم صرفا یکسری چیزای بیسیک رو گفتم ولی امیدوارم بازم به دردتون خورده باشه
ویدیو رو خودم گرفتم 😂
البته من توی این ویدیو سعی کردم زیاد تخصصی نشم و همینطور زیاد نکات پیشرفته ای هم نگفتم صرفا یکسری چیزای بیسیک رو گفتم ولی امیدوارم بازم به دردتون خورده باشه
ویدیو رو خودم گرفتم 😂
Forwarded from Linuxor ?
یکی نوشته : عجیبه که SQL صد سالشه و هنوزم خیلی فوق‌العاده است.
جالبه بدونید که IBM، علیرغم اینکه مخترع SQL بود، برای مدتی اون رو توی محصولات اصلی خودش عرضه نکرد. توی این فاصله، شرکت Oracle که فهمید SQL چیز خفنیه یکی از اولین سیستم‌های پایگاه داده رابطه‌ای تجاری رو بر اساس SQL ایجاد کرد؛ اهمیت ندادن به SQL یکی از بزرگ ترین اشتباهات IBM بود.
@Linuxor
جالبه بدونید که IBM، علیرغم اینکه مخترع SQL بود، برای مدتی اون رو توی محصولات اصلی خودش عرضه نکرد. توی این فاصله، شرکت Oracle که فهمید SQL چیز خفنیه یکی از اولین سیستم‌های پایگاه داده رابطه‌ای تجاری رو بر اساس SQL ایجاد کرد؛ اهمیت ندادن به SQL یکی از بزرگ ترین اشتباهات IBM بود.
@Linuxor
کانال قبلاً با هدف آشتی دادن مهندسی و اقتصاد راه‌اندازی شده بود تا نشان دهد که در هر شغل باید به سود نهایی فکر کرد. اما بعد از مدتی متوجه شدم که به عنوان یک مهندس کامپیوتر، نمی‌توانم درک دقیقی از رشته‌های دیگر مثل پزشکی یا گیاه‌شناسی داشته باشم. بنابراین تصمیم گرفتم در دنیای خودم، یعنی دنیای کامپیوتر، باقی بمانم.
اسم کانال رو به "Ecocode" تغییر دادم که مشخصاً نمایانگر این تغییر رویکرد است. امیدوارم این مسیر جدید باعث بشه که هم من و هم شما از این ماجراجویی بهره‌مند بشیم.
از این به بعد مطالب کانال فقط محدود به اقتصاد نخواهند بود، بلکه به مسائل عمومی دنیای کامپیوتر و مهندسی نرم‌افزار با رویکرد اقتصادی، بهینه‌سازی و سودمحور خواهیم پرداخت.
حالا وقتش رسیده که کارهامون رو بریم شروع کنیم!
اسم کانال رو به "Ecocode" تغییر دادم که مشخصاً نمایانگر این تغییر رویکرد است. امیدوارم این مسیر جدید باعث بشه که هم من و هم شما از این ماجراجویی بهره‌مند بشیم.
از این به بعد مطالب کانال فقط محدود به اقتصاد نخواهند بود، بلکه به مسائل عمومی دنیای کامپیوتر و مهندسی نرم‌افزار با رویکرد اقتصادی، بهینه‌سازی و سودمحور خواهیم پرداخت.
حالا وقتش رسیده که کارهامون رو بریم شروع کنیم!
👍2
یه تجربه جالب از این چند وقتی که Big Data می‌خونم:
به نظرم دوره‌های Udemy و بقیه سایت‌ها توی ۹۰ درصد مواقع به درد نمی‌خورن.
وقتی داشتم Coursera رو نگاه می‌کردم، دقیقاً سبک تدریس دانشگاه خودمون رو دیدم، ولی به روز و مدرن.
همون قدر خسته‌کننده، خواب‌آور و آکادمیک.
مثلاً توی NoSQL دیتابیس فقط روی یه عکسی نشون می‌داد، این رو تایپ کن، فلان میشه.
اما من جدیداً دارم یه سبک جدید از خوندن رو تست میکنم: یوتیوب + کتاب فیزیکی.
یوتیوب مزیتی که داره اینه که یا زنگی زنگ، یا رومی روم.
یعنی یا فقط آکادمیک‌ـه و بهت میگه و معلومه که آکادمیک‌ـه، یا علمی بهت میگه و باید کد بزنی.
از طرفی، یهو بعد از اینکه دانلود کردی، متوجه می‌شی که طرف یه هندی با لهجه غلیظ‌ـه میاد درس میده. حالا بدتر از هندی‌ها، آفریقایی‌ها هستند. یه آفریقایی داشت تدریس می‌کرد که انقدر زبانش نامفهوم بود و خواب‌آور که اعصابم خورد شد و پاک کردم.
توی یوتیوب می‌بینی طرف سفیدپوسته، لهجه خوبی داره و تو هم فقط فنی می‌خوای و خلاصه، زیر ۴ ساعت بهت یاد میده. اما دوره‌ها رو نگاه می‌کنی، می‌بینی هر کسی از ننه‌ش قهر کرده و یه دوره ۶۷ ساعته داده!
داداش ۶۷ ساعت مگه جنگه؟!
درباره کتاب هم باید بگم که وقتی از یوتیوب فقط فنی دیدی، میای سراغ یه کتاب فیزیکی. (چرا فیزیکی؟ چون می‌تونی بقل یادداشت کنی، چشمت اذیت نمیشه و ترجمه می‌کنی برای خودت و با مداد می‌نویسی).
اینطوری کتاب فنی‌ـت رو تکمیل می‌کنی و آکادمیک هم یاد می‌گیری.
خلاصه: یوتیوب + کتاب فیزیکی بهترین سبک خوندن شده برای من تا حالا.
یه تجربه دیگه اینکه زیاد شاخه به شاخه و دوره به دوره و ویدیو به ویدیو و استاد به استاد کردن، آدم رو روانی میکنه و در نهایت، عشق و علاقه‌تون رو به اون موضوع از دست میده.
به نظرم دوره‌های Udemy و بقیه سایت‌ها توی ۹۰ درصد مواقع به درد نمی‌خورن.
وقتی داشتم Coursera رو نگاه می‌کردم، دقیقاً سبک تدریس دانشگاه خودمون رو دیدم، ولی به روز و مدرن.
همون قدر خسته‌کننده، خواب‌آور و آکادمیک.
مثلاً توی NoSQL دیتابیس فقط روی یه عکسی نشون می‌داد، این رو تایپ کن، فلان میشه.
اما من جدیداً دارم یه سبک جدید از خوندن رو تست میکنم: یوتیوب + کتاب فیزیکی.
یوتیوب مزیتی که داره اینه که یا زنگی زنگ، یا رومی روم.
یعنی یا فقط آکادمیک‌ـه و بهت میگه و معلومه که آکادمیک‌ـه، یا علمی بهت میگه و باید کد بزنی.
از طرفی، یهو بعد از اینکه دانلود کردی، متوجه می‌شی که طرف یه هندی با لهجه غلیظ‌ـه میاد درس میده. حالا بدتر از هندی‌ها، آفریقایی‌ها هستند. یه آفریقایی داشت تدریس می‌کرد که انقدر زبانش نامفهوم بود و خواب‌آور که اعصابم خورد شد و پاک کردم.
توی یوتیوب می‌بینی طرف سفیدپوسته، لهجه خوبی داره و تو هم فقط فنی می‌خوای و خلاصه، زیر ۴ ساعت بهت یاد میده. اما دوره‌ها رو نگاه می‌کنی، می‌بینی هر کسی از ننه‌ش قهر کرده و یه دوره ۶۷ ساعته داده!
داداش ۶۷ ساعت مگه جنگه؟!
درباره کتاب هم باید بگم که وقتی از یوتیوب فقط فنی دیدی، میای سراغ یه کتاب فیزیکی. (چرا فیزیکی؟ چون می‌تونی بقل یادداشت کنی، چشمت اذیت نمیشه و ترجمه می‌کنی برای خودت و با مداد می‌نویسی).
اینطوری کتاب فنی‌ـت رو تکمیل می‌کنی و آکادمیک هم یاد می‌گیری.
خلاصه: یوتیوب + کتاب فیزیکی بهترین سبک خوندن شده برای من تا حالا.
یه تجربه دیگه اینکه زیاد شاخه به شاخه و دوره به دوره و ویدیو به ویدیو و استاد به استاد کردن، آدم رو روانی میکنه و در نهایت، عشق و علاقه‌تون رو به اون موضوع از دست میده.
❤3
یه تجربه جالب دیگه توی دنیا نرم‌افزار و کامپیوتر: همه مطالب به صورت زنجیری به هم وصل‌اند و بلاخره به قول یکی از اساتید بزرگم آقای دکتر سرشار و رفیقم محمد، شما به عنوان یه مهندس نرم‌افزار یا مهندس کامپیوتر باید تا حدودی همه اینا رو بدونی. لازم نیست همه رو حرفه‌ای باشی، فقط در حدی که وقتی لازم شد، یه دیدگاهی ازشون داشته باشی.
این مدت یه ماهه که Data Engineer و Big Data رو جدی و سرسختانه شروع کردم و کلی تجربیات خفن پیدا کردم، مثلاً:
شبکه و امنیت رو باید تا حدودی هر مهندسی باید بلد باشه. نه اینکه دست به کار بشی نههههه، فقط مشکل امنیتی ندی و سیستم رو درست طراحی و دیزاین کنی.
طراحی و پیاده‌سازی دیتابیس واقعاً مهمه. پس باید درست طراحی بشه وگرنه ممکنه یه جایی یه خرج گنده میندازه دستتون.
پروفایلینگ کردن کدتون و تست گرفتن از برنامه‌ای که ساختید خیلی مهمه. خیلی خیلی زیاد! خیلی جاها باتلنک دارید یا باید سبک کنید کدتون رو یا کارای دیگه و بعضاً از زبان‌های سریع‌تر دیگه‌ای توی اون نقطه فقط استفاده کنید.
خیلی مهمه که از اول سیستم رو مطابق نیاز مشتریان درست کنی. باید بری ببینی چند نفرن؟ چقدر استفاده می‌کنن؟ چی می‌خوان؟ چرا!؟ از همه مهم‌تر احترام به استفاده‌کننده و مشتری‌ها. چرا؟ چون همونا اگه راضی باشن یعنی پول بیشتری براتون ساخته میشه.
مطالب واقعاً پیوسته‌ان! حتی الانم که دیگه دنبال مباحث Data Analyst و ماشین لرنینگ نیستم، بازم اینجا دوباره برگشتم و باید بلدشون باشم. با اینکه نمی‌خوام Data Scientist بشم، دوباره برگشتم به پروژه ساخت Recommend System.
خوندن‌ها توی دنیای کامپیوتر تموم نمیشه.
مهم‌ترین مرحله ساخت چیزی که یوزر باهاش راحت و آسوده و سریع کار کنه. مثل API یا وب‌سایت یا اپ.
خلاصه که عاشقای دنیای کامپیوتر، بخونید و عشق کنید! 🔥
این مدت یه ماهه که Data Engineer و Big Data رو جدی و سرسختانه شروع کردم و کلی تجربیات خفن پیدا کردم، مثلاً:
شبکه و امنیت رو باید تا حدودی هر مهندسی باید بلد باشه. نه اینکه دست به کار بشی نههههه، فقط مشکل امنیتی ندی و سیستم رو درست طراحی و دیزاین کنی.
طراحی و پیاده‌سازی دیتابیس واقعاً مهمه. پس باید درست طراحی بشه وگرنه ممکنه یه جایی یه خرج گنده میندازه دستتون.
پروفایلینگ کردن کدتون و تست گرفتن از برنامه‌ای که ساختید خیلی مهمه. خیلی خیلی زیاد! خیلی جاها باتلنک دارید یا باید سبک کنید کدتون رو یا کارای دیگه و بعضاً از زبان‌های سریع‌تر دیگه‌ای توی اون نقطه فقط استفاده کنید.
خیلی مهمه که از اول سیستم رو مطابق نیاز مشتریان درست کنی. باید بری ببینی چند نفرن؟ چقدر استفاده می‌کنن؟ چی می‌خوان؟ چرا!؟ از همه مهم‌تر احترام به استفاده‌کننده و مشتری‌ها. چرا؟ چون همونا اگه راضی باشن یعنی پول بیشتری براتون ساخته میشه.
مطالب واقعاً پیوسته‌ان! حتی الانم که دیگه دنبال مباحث Data Analyst و ماشین لرنینگ نیستم، بازم اینجا دوباره برگشتم و باید بلدشون باشم. با اینکه نمی‌خوام Data Scientist بشم، دوباره برگشتم به پروژه ساخت Recommend System.
خوندن‌ها توی دنیای کامپیوتر تموم نمیشه.
مهم‌ترین مرحله ساخت چیزی که یوزر باهاش راحت و آسوده و سریع کار کنه. مثل API یا وب‌سایت یا اپ.
خلاصه که عاشقای دنیای کامپیوتر، بخونید و عشق کنید! 🔥
👍4🔥1
یه سایت خوب برای تست و ازمودن مهارت های خودتون در زمینه ی برنامه نویسی (پایتون ، شل اسکریپ ، SQL و ...)
www.hackerrank.com
www.hackerrank.com
❤1
اگه بخوام به همسن های خودم (بچه های ۸۰ و ۸۱) و کوچیکتر از خودم یه تجربه ای رو انتقال بدم درباره بازار کار ایران میتونم بگم که اشتباه منو نکنید اصلا هول (عجول) نباشید !!؟
من از ۱۶ سالگی عجول بودم شدید ، میخواستم هرچی سریع تر دبیرستان که تموم شد و به سن قانونی که رسیدم مثل خارجی ها کنار تحصیلاتم کار کنم ، دانشگاهم رو توی یه جای خفن دولتی بخونم و کنارشم کار کنم از یازدهم شروع کردم مطالعه و خوندن و به شکل عجیبی فقط دنبال کار های تخصصی بودم نه عمومی ، نتیجه این عجول و متمرکز نبودنه شد عدم قبولی دانشگاه دولتی و رفتن به دانشگاه آزاد با کلی خجالت، بعد از کنکورتا قبل از دانشگاه (بازه یکساله) سراغ شغل تعمیرات موبایل و ادیتوری رفتم و همه این مبالغ حقوقم رو سر مصارف ارتقا لپ تاپم و امکاناتم و میز و صندلی و خرید کلی دوره شبکه و امنیت و سی پلاس و تماشای اونا کردم و از تابستون قبل از ترم یک تا آخر ترم یک سراغ کار گشتم برای شبکه و کارآموزی اون ( که نتیجه ش شد توهین و تحقیر و بیگاری و حمالی کشیدن و تهش پولی ندادن بهم) ترم یک رفتم دیتاسنتر پست به عنوان ادمین شبکه ( نتیجه ش این شد که ۴ ماه کارم زل زدن به مانیتور بود و اعلام قعطی و التماس برای اینکه حقوق ها رو سه ماه سه ماه ندن) توی ترم سه رفتم سازمان بنادر به عنوان soc (نتیجه ش این شد که ۵ ماه کار زل زدن به یه برنامه اشغال لاگ بود و گزارش نویسی) و تمام این چهار ترمی که سرکار میرفتم باعث شد همه ترم های دانشگاه رو یا حذف کامل بشم یا مشروط چیزی که هیچ وقت نمی‌خواستم و در نهایت به خاطر رفیقم مهندس ملک محمدی که دقیقا اونم چنین تجربه رو کرده بود و اون تایم بهم انتقال داد برگشتم دانشگاه و شروع کردم فقط چسبیدم به مطالعه کردن و مهارت آموختن دانشگاهی و خارج از دانشگاهی
خواستم بگم مسیر پیشرفت پله پله س ، باید تک تک پله ها رو آروم و آهسته و پیوسته و مراقب برداشت ، اگه عجله کنی دو سه تا باهم بردارید یا نه عجولانه و بی حوصله برندارید اگه لیزم نخورید (همون‌طور که من نخوردم) صدمات بدی می‌بینید چه روحی چه مادی چه روانی خلاصه بگم راه تقلب و میانبر نداره درست و اصولیشو برید با عجله کردن متفاوت و خفن و باهوش نمی‌شید ( من خودم هدفم این بود که بهترین باشم توی رشته دانشگاه و شغلیم چه توی دانشگاه چه ایران چه جهان)
درسته لیز نخوردم توی این عجول بودنه ولی صدمات بدی خوردم که همیشه زخمش باهامه اولیش دانشگاهم بود که خرابش کردم خیلی چیزی که خیلی دوستش داشتم و حساس بودم روش الان دارم با زور جبران میکنمش حالا بحث شهریه و پول دود شده به کنار این از هزینه مادی
دومی ش که روحی و روانی بوده : من به خاطر عجول بودن و پخته نبودن خودم و مهارت هام و عدم تجربه با شرکت هایی کار کردم که وقتی انرژی و شوق و ذوق اون تایم منو میدیدن وقتی حرف روتر میشد میدیدن چشمام برق میزنه از خوشحالی یا عاشق دیتاسنتر بودم شروع کردن ازم سواستفاده ، منی که پر انرژی بودم رو به عنوان ادمین رد تیم و ادمین شبکه استخدام کردن ولی به عنوان soc و noc گذاشتن ولی در اصل مترسک بودم.
نتیجه ش شد اینکه الان واقعا حالم از شبکه و امنیت بهم میخوره اسم روتر یا SIEM میاد عصبی میشم
کلی خاطرات بد دارم کلی تجربه بد دارم کلی چیزای دیگه که نتیجه ش شده اینکه حالم از کار کردن حضوری و تمام وقت بهم میخوره
ایرانسرور یکی از جاهایی بود که گفت تو که عاشق لینوکسی بیا بشو اپراتور پشتبانی لایه دو لینوکس ما ولی وقتی روز اول که رفتم گفتن داداش چی زدی ؟! لینوکس نداریم که همش هاسته اونم با یه ریست حل میشه
من از ۱۶ سالگی عجول بودم شدید ، میخواستم هرچی سریع تر دبیرستان که تموم شد و به سن قانونی که رسیدم مثل خارجی ها کنار تحصیلاتم کار کنم ، دانشگاهم رو توی یه جای خفن دولتی بخونم و کنارشم کار کنم از یازدهم شروع کردم مطالعه و خوندن و به شکل عجیبی فقط دنبال کار های تخصصی بودم نه عمومی ، نتیجه این عجول و متمرکز نبودنه شد عدم قبولی دانشگاه دولتی و رفتن به دانشگاه آزاد با کلی خجالت، بعد از کنکورتا قبل از دانشگاه (بازه یکساله) سراغ شغل تعمیرات موبایل و ادیتوری رفتم و همه این مبالغ حقوقم رو سر مصارف ارتقا لپ تاپم و امکاناتم و میز و صندلی و خرید کلی دوره شبکه و امنیت و سی پلاس و تماشای اونا کردم و از تابستون قبل از ترم یک تا آخر ترم یک سراغ کار گشتم برای شبکه و کارآموزی اون ( که نتیجه ش شد توهین و تحقیر و بیگاری و حمالی کشیدن و تهش پولی ندادن بهم) ترم یک رفتم دیتاسنتر پست به عنوان ادمین شبکه ( نتیجه ش این شد که ۴ ماه کارم زل زدن به مانیتور بود و اعلام قعطی و التماس برای اینکه حقوق ها رو سه ماه سه ماه ندن) توی ترم سه رفتم سازمان بنادر به عنوان soc (نتیجه ش این شد که ۵ ماه کار زل زدن به یه برنامه اشغال لاگ بود و گزارش نویسی) و تمام این چهار ترمی که سرکار میرفتم باعث شد همه ترم های دانشگاه رو یا حذف کامل بشم یا مشروط چیزی که هیچ وقت نمی‌خواستم و در نهایت به خاطر رفیقم مهندس ملک محمدی که دقیقا اونم چنین تجربه رو کرده بود و اون تایم بهم انتقال داد برگشتم دانشگاه و شروع کردم فقط چسبیدم به مطالعه کردن و مهارت آموختن دانشگاهی و خارج از دانشگاهی
خواستم بگم مسیر پیشرفت پله پله س ، باید تک تک پله ها رو آروم و آهسته و پیوسته و مراقب برداشت ، اگه عجله کنی دو سه تا باهم بردارید یا نه عجولانه و بی حوصله برندارید اگه لیزم نخورید (همون‌طور که من نخوردم) صدمات بدی می‌بینید چه روحی چه مادی چه روانی خلاصه بگم راه تقلب و میانبر نداره درست و اصولیشو برید با عجله کردن متفاوت و خفن و باهوش نمی‌شید ( من خودم هدفم این بود که بهترین باشم توی رشته دانشگاه و شغلیم چه توی دانشگاه چه ایران چه جهان)
درسته لیز نخوردم توی این عجول بودنه ولی صدمات بدی خوردم که همیشه زخمش باهامه اولیش دانشگاهم بود که خرابش کردم خیلی چیزی که خیلی دوستش داشتم و حساس بودم روش الان دارم با زور جبران میکنمش حالا بحث شهریه و پول دود شده به کنار این از هزینه مادی
دومی ش که روحی و روانی بوده : من به خاطر عجول بودن و پخته نبودن خودم و مهارت هام و عدم تجربه با شرکت هایی کار کردم که وقتی انرژی و شوق و ذوق اون تایم منو میدیدن وقتی حرف روتر میشد میدیدن چشمام برق میزنه از خوشحالی یا عاشق دیتاسنتر بودم شروع کردن ازم سواستفاده ، منی که پر انرژی بودم رو به عنوان ادمین رد تیم و ادمین شبکه استخدام کردن ولی به عنوان soc و noc گذاشتن ولی در اصل مترسک بودم.
نتیجه ش شد اینکه الان واقعا حالم از شبکه و امنیت بهم میخوره اسم روتر یا SIEM میاد عصبی میشم
کلی خاطرات بد دارم کلی تجربه بد دارم کلی چیزای دیگه که نتیجه ش شده اینکه حالم از کار کردن حضوری و تمام وقت بهم میخوره
ایرانسرور یکی از جاهایی بود که گفت تو که عاشق لینوکسی بیا بشو اپراتور پشتبانی لایه دو لینوکس ما ولی وقتی روز اول که رفتم گفتن داداش چی زدی ؟! لینوکس نداریم که همش هاسته اونم با یه ریست حل میشه
👍3🤯1
Kernel Space
اگه بخوام به همسن های خودم (بچه های ۸۰ و ۸۱) و کوچیکتر از خودم یه تجربه ای رو انتقال بدم درباره بازار کار ایران میتونم بگم که اشتباه منو نکنید اصلا هول (عجول) نباشید !!؟ من از ۱۶ سالگی عجول بودم شدید ، میخواستم هرچی سریع تر دبیرستان که تموم شد و به سن قانونی…
خلاصه عجول نباشید اتفاقی اگه قرار باشه بیوفته
به وقت و به تایمش میوفته ، من اینو باور نداشتم میگفتم خودم سرنوشتم رو طلایی میکنم
ثابت میکنم به همه که من بهترینم توی همسن و سال ها و حتی همکاران خودم (جوون بودم دیگه :) )
اگه سرنوشت برای من چیز دیگه ای نوشته باشم من اونو نمی‌خوام خودم تقدیرم رو رقم میزنم
و نتیجه ش شد این 😂
البته الانم چون قبل از اینکه دیر بشه سرم به سنگ خورد میشه همه چیزا رو جبران کرد ولی اون انرژی و شوق و اشتیاق رفته ولی خب خشکم نشدم 😂
به وقت و به تایمش میوفته ، من اینو باور نداشتم میگفتم خودم سرنوشتم رو طلایی میکنم
ثابت میکنم به همه که من بهترینم توی همسن و سال ها و حتی همکاران خودم (جوون بودم دیگه :) )
اگه سرنوشت برای من چیز دیگه ای نوشته باشم من اونو نمی‌خوام خودم تقدیرم رو رقم میزنم
و نتیجه ش شد این 😂
البته الانم چون قبل از اینکه دیر بشه سرم به سنگ خورد میشه همه چیزا رو جبران کرد ولی اون انرژی و شوق و اشتیاق رفته ولی خب خشکم نشدم 😂
👍4
Forwarded from Digiato | دیجیاتو
برادکام: ۱۷ درصد
شرکت تایوانی TSMC حدود ۱۳ درصد
مایکروسافت: ۲ درصد
آلفابت: ۴ درصد
اوراکل: ۱۴ درصد
سافت‌بانک: حدود ۸ درصد
انویدیا جایگاه خود را به عنوان باارزش‌ترین شرکت جهان از دست داد و اپل با رشد ۳ درصدی، جایگاه اول را با ارزش بازار ۳.۴۵ تریلیون دلار به دست آورد.
#هوش_مصنوعی
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Linuxor ?
⚡1
Forwarded from با متمم | هایلایت | محمدرضا شعبانعلی
AI Crash?
درسته که میزان سقوط یک‌روزهٔ ارزش بازار در شرکتهای تکنولوژی آمریکایی تقریباً معادل درآمد نفتی ایران در یک دههٔ اخیر بوده.
ولی کوچک‌تر از اونه که بشه به سبک dot com crash سال‌های ۲۰۰۰ اسم این رو AI crash گذاشت.
البته هر دو اتفاق، محرک مشابهی دارن: غلط در اومدن پیش‌بینی‌ها.
در حبابِ دات کام، ظرفیت تحول‌آفرینی اینترنت "در آیندهٔ نزدیک" رو زیادتر از واقعیت برآورد کرده بودن
در سقوط ارزش بازار AI، به‌نظر میاد ظرفیت محاسباتیِ مورد نیاز "در آینده نزدیک" رو زیادتر از واقعیت برآورد کرده بودن.
وقتی سقوط ۱۱۶ دلاری به ۶ دلاری آمازون رو در حباب دات کام میبینیم (البته در یک سال)، اتفاق‌های فعلی رو نهایتاً میشه یه‌جور اصلاح قیمت (البته کمی تند) دونست.
اما اگر اصرار داشته باشیم شباهتی بین این اتفاق با رویدادهای تاریخی پیدا کنیم، شاید بشه با الهام از زمستان هوش مصنوعی گفت:
این سقوط، برای مدت کوتاهی "زمستان سرمایه‌گذاری‌های بزرگ برای هوش مصنوعی" رو به همراه میاره.
احتمالاً تا مدتی، هر کس بخواد سرمایهٔ چشم‌گیری برای پروژه‌های AI جذب کنه، با این سوال مواجه میشه که "مطمئنی با سرمایه و منابع خیلی کمتر نمیشه؟"
و البته احتمالاً این اتفاق، جنبهٔ مثبتی هم داره و تا مدتها برای گروه‌های استارتاپی کوچیک الهام‌بخش و امیدبخش میشه. چون به جای منابع بیشتر، دنبال بهبود موثر عملکرد (الگوریتم و معماری بهتر) می‌رن.
با همهٔ اینها، یادمون هست که در میان‌مدت و بلندمدت، همون‌طور که "ظرفیت تحول‌آفرینی اینترنت" واقعاً به سطحی فراتر از تصور رسید، "نیاز به ظرفیت محاسباتی" هم از بالاترین حد قابل‌تصور ما فراتر میره.
و این هم یادمون هست که زمان، الان بسیار سریع‌تر از بیست سال قبل می‌گذره. و کوتاه‌مدت و میان‌مدت و بلندمدت، معنای بیست‌سال قبل خودش رو نداره.
#هوش_مصنوعی
درسته که میزان سقوط یک‌روزهٔ ارزش بازار در شرکتهای تکنولوژی آمریکایی تقریباً معادل درآمد نفتی ایران در یک دههٔ اخیر بوده.
ولی کوچک‌تر از اونه که بشه به سبک dot com crash سال‌های ۲۰۰۰ اسم این رو AI crash گذاشت.
البته هر دو اتفاق، محرک مشابهی دارن: غلط در اومدن پیش‌بینی‌ها.
در حبابِ دات کام، ظرفیت تحول‌آفرینی اینترنت "در آیندهٔ نزدیک" رو زیادتر از واقعیت برآورد کرده بودن
در سقوط ارزش بازار AI، به‌نظر میاد ظرفیت محاسباتیِ مورد نیاز "در آینده نزدیک" رو زیادتر از واقعیت برآورد کرده بودن.
وقتی سقوط ۱۱۶ دلاری به ۶ دلاری آمازون رو در حباب دات کام میبینیم (البته در یک سال)، اتفاق‌های فعلی رو نهایتاً میشه یه‌جور اصلاح قیمت (البته کمی تند) دونست.
اما اگر اصرار داشته باشیم شباهتی بین این اتفاق با رویدادهای تاریخی پیدا کنیم، شاید بشه با الهام از زمستان هوش مصنوعی گفت:
این سقوط، برای مدت کوتاهی "زمستان سرمایه‌گذاری‌های بزرگ برای هوش مصنوعی" رو به همراه میاره.
احتمالاً تا مدتی، هر کس بخواد سرمایهٔ چشم‌گیری برای پروژه‌های AI جذب کنه، با این سوال مواجه میشه که "مطمئنی با سرمایه و منابع خیلی کمتر نمیشه؟"
و البته احتمالاً این اتفاق، جنبهٔ مثبتی هم داره و تا مدتها برای گروه‌های استارتاپی کوچیک الهام‌بخش و امیدبخش میشه. چون به جای منابع بیشتر، دنبال بهبود موثر عملکرد (الگوریتم و معماری بهتر) می‌رن.
با همهٔ اینها، یادمون هست که در میان‌مدت و بلندمدت، همون‌طور که "ظرفیت تحول‌آفرینی اینترنت" واقعاً به سطحی فراتر از تصور رسید، "نیاز به ظرفیت محاسباتی" هم از بالاترین حد قابل‌تصور ما فراتر میره.
و این هم یادمون هست که زمان، الان بسیار سریع‌تر از بیست سال قبل می‌گذره. و کوتاه‌مدت و میان‌مدت و بلندمدت، معنای بیست‌سال قبل خودش رو نداره.
#هوش_مصنوعی
این دو روزه شاهد سقوط ابر قدرت های تکنولوژی بودیم
ابرقدرت هایی که با اومدن هوش مصنوعی و سقوط شرکت هایی مثل گوگل (سرچ انجینش) اومدن بالا و کلی پول و سرمایه جذب هستن اما همیشه بازم پول کم داشتن و مثل یه سیاه چاله ای بودن که هرچه قدر توش پول میریختی بازم پول لازم بودن و ضرر ده
همین چند وقت پیش بود که سم آلتمن گفته بود حتی فروش اشتراک ۲۰۰ دلاری هم نمیتونه به سود ما ختم بشه و این نکته جالبی برام بود وقتی بیشتر اخبار رو دنبال کردم دیدم کسایی که اشتراک ۲۰۰ دلاری رو خریدن بیشتر از ۲۰۰ دلار هزینه گذاشتن روی دست openai و این یعنی بازم ضرر
وقتی deepseek چینی اومد و نشون داد میشه خفن ترین و پر هزینه ترین نسخه chatgpt رو یعنی o1 رو با 80 درصد gpu کمتر با قدرت تازه بیشتر و رایگان منتشر کرد این یعنی سقوط سنگینی بر openai
دیگه از این به بعد کسی به امکانات خفن و باحال و جدید هوش مصنوعی پول نمی‌ده به بهینه بودن و کم هزینه بودن و کم مصرف بودنش پول میده
از الان تا چندین سال بعد ما به زمستون هوش مصنوعی میریم جایی که روی الگوریتم های بهتر و بهینه تر و راه حل های کم مصرف و بهینه مهمه نه چیزای جدید
ابرقدرت هایی که با اومدن هوش مصنوعی و سقوط شرکت هایی مثل گوگل (سرچ انجینش) اومدن بالا و کلی پول و سرمایه جذب هستن اما همیشه بازم پول کم داشتن و مثل یه سیاه چاله ای بودن که هرچه قدر توش پول میریختی بازم پول لازم بودن و ضرر ده
همین چند وقت پیش بود که سم آلتمن گفته بود حتی فروش اشتراک ۲۰۰ دلاری هم نمیتونه به سود ما ختم بشه و این نکته جالبی برام بود وقتی بیشتر اخبار رو دنبال کردم دیدم کسایی که اشتراک ۲۰۰ دلاری رو خریدن بیشتر از ۲۰۰ دلار هزینه گذاشتن روی دست openai و این یعنی بازم ضرر
وقتی deepseek چینی اومد و نشون داد میشه خفن ترین و پر هزینه ترین نسخه chatgpt رو یعنی o1 رو با 80 درصد gpu کمتر با قدرت تازه بیشتر و رایگان منتشر کرد این یعنی سقوط سنگینی بر openai
دیگه از این به بعد کسی به امکانات خفن و باحال و جدید هوش مصنوعی پول نمی‌ده به بهینه بودن و کم هزینه بودن و کم مصرف بودنش پول میده
از الان تا چندین سال بعد ما به زمستون هوش مصنوعی میریم جایی که روی الگوریتم های بهتر و بهینه تر و راه حل های کم مصرف و بهینه مهمه نه چیزای جدید
Forwarded from Zoomit | زومیت
دیپ‌سیک در بازار بورس آمریکا حمام خون به‌راه انداخت؛ سقوط ۵۶۰ میلیارد دلاری انویدیا
🔴 سهام اکثر شرکتهای فناوری ایالات متحده مانند انویدیا، مایکروسافت، متا و تسلا روز دوشنبه برای یک سقوط خیره‌کننده‌ی یک تریلیون دلاری آماده بودند؛ زیرا ترس از یک مدل پیشرفته‌ی هوش مصنوعی چینی با نام «دیپ‌سیک» باعث ایجاد نگرانی بین سرمایه‌گذاران شد.
🔴 به گفته‌ی نیویورک پست، سهام انویدیا در معاملات اولیه (Pre Market) تقریباً ۱۳ درصد سقوط کرد و صدها میلیارد دلار از ارزش آن کاسته شد. دیپ‌سیک یک استارتاپ مستقر در چین به‌شمار می‌آید که پس از راه‌اندازی یک مدل بزرگ زبانی متن‌باز رایگان در آذرماه، موج رسانه‌ای بزرگی را در صنعت هوش مصنوعی ایجاد کرده است.
🔴 شرکت DeepSeek ادعا می‌کند که مدل پیشرفته‌ی هوش مصنوعی‌اش را تنها در دو ماه و با هزینه‌ی کمتر از ۶ میلیون دلار و بدون دسترسی به بهترین تراشه‌های کامپیوتری انویدیا توسعه داده و این در تضاد شدید با میلیاردها دلاری است که غول‌های فناوری غربی معمولاً برای تحقیقات و تراشه‌های هوش مصنوعی هزینه می‌کنند.
🔴 عملکرد دیپ‌سیک تردیدهایی را در مورد عملکرد کل زنجیره‌ی تأمین صنعت هوش مصنوعی آمریکا و اینکه آیا آمریکا واقعاً نسبت به رقیب اصلی ژئوپلیتیکی خود برتری دارد یا نه، ایجاد کرد.
🔴 آنتونی اسپوزیتو، مدیرعامل Island Capital Investments، گفت: «اعلامیه‌ی DeepSeek از چین چیزی جز یک موشک بالستیک اسکاد مالی نبود که به سمت بازار سهام ایالات متحده شلیک شد؛ این بازار بسیار شکننده‌تر از حد تصور است.» او اذعان کرد که جو هیجانی هوش مصنوعی، سطح قیمتی بازارهای مالی را به بالاترین حد خود می‌رساند.
🔴 بازار سهام مرتبط با هوش مصنوعی این هفته با انتشار مدل R1 از سوی DeepSeek تکان خورد. سازنده‌ی دیپ‌سیک ادعا می کند عملکرد برتر نسبت به فناوری OpenAI را تنها با ۳ درصد هزینه‌ی OpenAI ارائه می‌دهد.
🔴 بیشترین ضرر متوجه سهام انویدیا شد که در یک روز حداقل ۵۰۰ میلیارد دلار از ارزش بازار آن کاسته شد. این عدد به‌راحتی می‌تواند افزایش یابد و سقوط‌هایی را ایجاد کند که احتمالاً انویدیا نمی‌خواهد بخشی از آن باشد. سهام انویدیا در ادامه‌ی روز معاملاتی دوشنبه بیش از ۱۵ درصد کاهش یافت و تأثیرات گزارش‌های دیپ‌سیک بر سایر غول‌های فناوری نیز گسترش یافت.
🔴 ضرر عظیم انویدیا به‌راحتی بزرگ‌ترین ضرر بازار سهام یک شرکت آمریکایی از نظر ارزش بازار در یک روز خواهد بود. انویدیا رکورد قبلی بیشترین ضرر بازار در یک روز را نیز در اختیار دارد؛ در ۳ سپتامبر ۲۰۲۴ (۱۳ شهریور)، ۲۷۹ میلیارد دلار از ارزش بازار آن کاسته شد.
🔴 در زمان نگارش این مطلب، شاخص نزدک ۳٫۴۳ درصد و شاخص S&P 500 تا ۱٫۹ درصد کاهش یافته است. کاهش ارزش بازار انویدیا به‌قدری بزرگ است که انویدیا دیگر ارزشمندترین شرکت جهان نیست. انویدیا این عنوان را به اپل واگذار و به رتبه‌ی بعد از میكروسافت سقوط کرد.
🔴 به‌شکل تعجب‌آوری دیپ‌سیک برای آموزش مدل R1 خود از پردازنده‌های گرافیکی انویدیا استفاده کرده است. شاید این موضوع برای انویدیا مثبت ارزیابی شود، اما می‌تواند موجب افت بزرگی برای بازار سهام شرکتهای مرتبط با هوش مصنوعی باشد.
🔴 تا این لحظه آموزش مدل‌های هوش مصنوعی بسیار هزینه‌بر بوده است. طبق گزارش‌ها، OpenAI در سال ۲۰۲۴ متحمل ضرر ۵ میلیارد دلاری شد و این شرکت روزانه ۷۰۰ هزار دلار برای اجرای ChatGPT هزینه می‌کند. اگر مدل R1 دیپ‌سیک بتواند با مدل o1 شرکت OpenAI با تنها ۳ درصد از هزینه‌ی OpenAI رقابت کند، می‌تواند صنعت هوش مصنوعی را به‌طور کلی تغییر دهد.
در زومیت بخوانید: دیپ‌سیک در بازار بورس آمریکا حمام خون به‌راه انداخت؛ سقوط ۵۶۰ میلیارد دلاری انویدیا
👨💻 @TheZoomit
در زومیت بخوانید: دیپ‌سیک در بازار بورس آمریکا حمام خون به‌راه انداخت؛ سقوط ۵۶۰ میلیارد دلاری انویدیا
Please open Telegram to view this post
VIEW IN TELEGRAM
دنیای کامپیوتر دقیقا همینه 😂
همه چیز یهویی عوض میشه و زیر رو میشه و به قول جادی
گنده ترین ها یهویی توی یه چشم بهم زدن میترکند و میریزند پایین
همه چیز یهویی عوض میشه و زیر رو میشه و به قول جادی
گنده ترین ها یهویی توی یه چشم بهم زدن میترکند و میریزند پایین
Forwarded from Morteza Bashsiz مرتضی باشسیز (Morteza Bashsiz)
درود دوستان
یکی از همیشه درست‌ترین نمودارها و الگوهایی که میشناسم و خیلی خیلی دوسش دارم، گارتنر هست
میاد چرخه بلوغ، پذیرش و کاربرد فناوری‌های توسعه یافته در جامعه رو تعریف میکنه و فازبندی میکنه
شما میتونید با خیال راحت این الگو رو برای هر فناوری استفاده کنید و ببینید که الان کجای کار هستیم
مثلا برای به اصطلاح «هوش مصنوعی» من به نظرم هنوز توی مرحله ابتدایی هست و ماها خیلی فاصله داریم تا به استفاده و جایگاه درستش در زندگی مردم و جامعه برسیم
https://en.wikipedia.org/wiki/Gartner_hype_cycle
یکی از همیشه درست‌ترین نمودارها و الگوهایی که میشناسم و خیلی خیلی دوسش دارم، گارتنر هست
میاد چرخه بلوغ، پذیرش و کاربرد فناوری‌های توسعه یافته در جامعه رو تعریف میکنه و فازبندی میکنه
شما میتونید با خیال راحت این الگو رو برای هر فناوری استفاده کنید و ببینید که الان کجای کار هستیم
مثلا برای به اصطلاح «هوش مصنوعی» من به نظرم هنوز توی مرحله ابتدایی هست و ماها خیلی فاصله داریم تا به استفاده و جایگاه درستش در زندگی مردم و جامعه برسیم
https://en.wikipedia.org/wiki/Gartner_hype_cycle
Wikipedia
Gartner hype cycle
graphical presentation of the maturity of specific technologies
Forwarded from TechTube 𝕏 تک توب
This media is not supported in your browser
VIEW IN TELEGRAM
پرسش و پاسخ از سم التمن، مدیرعامل OpenAI، در اواسط سال 2023 در هند
سوال کننده:
سم التمن:
در سال 2025:
🔎 RnaudBertrand
📍 @TechTube
سوال کننده:
به نظرت چطوری یک استارتاپ یا شرکت کوچیک (مثلا از هند) میتونه یک مدل بنیادی هوش مصنوعی (Foundational Model) مثلا با هزینه ای در حد 10 میلیون دلار بسازه که واقعا خاص باشه؟
سم التمن:
رقابت با ما سر مدل‌های بنیادی کاملا بیهوده هست و شما نباید اینکارو امتحان کنید ولی کار شما ازمایش کردن این چیزهاس.
در سال 2025:
تمرین مدلی همچون Deepseek R1 با هزینه 6 میلیون دلاری که میتونه با OpenAI O1 رقابت کنه.
🔎 RnaudBertrand
📍 @TechTube