🔐 Cybersecurity — John Hammond
هک اخلاقی، تحلیل بدافزار و چالش‌های CTF

🤖 Artificial Intelligence — Andrej Karpathy
آموزش عمیق AI، مدل‌های زبانی و مفاهیم مهم هوش مصنوعی

🧠 AI Research — Yannic Kilcher
بررسی مقالات جدید، Deep Learning و تحقیقات AI

💻 Web Development — The Net Ninja
آموزش قدم‌به‌قدم توسعه وب، React، Node.js و تکنولوژی‌های کاربردی

🐍 Python — Corey Schafer
از مفاهیم پایه پایتون تا اتوماسیون و پروژه‌های کاربردی

☁️ Cloud Computing — AWS Events
معماری Cloud، تجربه‌های واقعی و آموزش‌های تخصصی AWS

📊 Data Analytics — Luke Barousse
SQL، Python، پروژه‌های واقعی و مسیر شغلی تحلیل داده

🔁 @skillswap_ir

قبل از ۲۰ سالگی لازم نیست همه‌چی رو بلد باشی؛
ولی یه‌سری مهارت‌ها هستن که هرچی زودتر یادشون بگیری، مسیرت خیلی جلوتر می‌افته. 💥

۸ تا کانال یوتیوب پیدا کردیم که هرکدوم یکی از این مهارت‌های مهم رو خیلی خوب آموزش می‌دن😍

از مدیریت پول و زمان گرفته تا ارتباطات، نه گفتن، شبکه‌سازی و یادگیری بهتر.
بریم سراغشون👇

🗣 برقراری ارتباط شفاف | Vinh Giang

خوب حرف زدن فقط به معنی زیاد حرف زدن نیست؛ مهمه بدونی چی بگی، چطور بگی و چه زمانی بگی✅

این کانال برای یادگیری مهارت‌های ارتباطی، فن بیان، اعتمادبه‌نفس در صحبت کردن و انتقال بهتر منظور خیلی کاربردیه👇

🔗لینک کانال:
https://youtube.com/@askvinh?si=R-NIKCDuVA_b3ZhB

🔗لینک ویدیو:
https://youtu.be/5m-C5mwpmxU?si=J4EY2g8FPdT89KNg

اکانت هوش مصنوعی جمنای پرو | Google AI Pro

زمان: 18 ماهه
5 ترابایت فضای ابری گوگل
1000 توکن ماهانه Google Flow
دسترسی به Gemini Advanced (مدل پرو با لیمیت کمتر)
پردازش فایل‌های حجیم با پنجره متنی یک میلیون توکنی
ادغام هوش مصنوعی در Gmail، Docs، Drive، Meet، Sheets، Vids، Slides
دسترسی به قابلیت Deep Research (پژوهش عمیق)
تولید حرفه‌ای تصویر و ویدیو با مدل‌های پیشرفته

در صورت غیرفعال شدن پلن در6 ماه اول، یک بار اکانت جایگزین تحویل داده میشه و اگر امکان جایگزینی نبود، 50 درصد مبلغ پرداختی به شما برگشت داده میشه.

برای سفارش پیام دهید:
@Mostafamaghul

🚫 نه گفتن | SeeKen

«نه گفتن» یکی از مهم‌ترین مهارت‌هایی‌ـه که خیلی‌ها دیر یادش می‌گیرن.

این کانال با داستان‌ها و خلاصه کتاب‌های کاربردی کمک می‌کنه مرزبندی، اعتمادبه‌نفس و تصمیم‌گیری بهتر رو یاد بگیری👇

🔗 لینک کانال:
https://youtube.com/@seeken?si=v2xOH8pf5mKpRtEF

🔗لینک ویدیو:
https://youtu.be/dKWn0njZbVc?si=wxZqQLUw8MwWql0h

💥 شبکه‌سازی | Sandeep Das

خیلی از فرصت‌های خوب، از طریق آدم‌هایی میان که می‌شناسی.

این کانال برای یادگیری شبکه‌سازی، ساخت ارتباطات حرفه‌ای و رشد شغلی محتوای کاربردی و ساده‌ای داره 👇

🔗 لینک کانال:
https://youtube.com/@sandeepdasauthor?si=mgeWu_X5hsusEn_q

🔗لینک ویدیو :
https://youtu.be/c5PEO7ddXQI?si=Mbc46fwBHkwR0oXc

@LikaNetwork 🎥
@LikaNetwork_CRM 🎥

✨ تأثیر لنز روی خروجی پرامپت 📷

شاید فکر کنی لنز فقط یک عدد ساده‌ ست
اما توی پرامپت‌ ن ویسی، لنز مشخص میکنه هوش مصنوعی چطور صحنه رو ببینه با تغییر لنز پرسپکتیو تصویر عوض میشه صورت میتونه طبیعی کشیده یا فشرده دیده بشه پس‌ زمینه عمیق‌ تر یا بلور تر میشه حس عکس از سینمایی به پرتره یا خیابانی تغییر میکنه

🤩لنز 🔹 های پرکاربرد در پرامپت:

14mm – 18mm – 24mm – 35mm – 50mm – 85mm – 105mm – 135mm – 200mm – 300mm – Tilt-Shift – Fisheye

ریکشن بزنید❤️

@bluelearnmp

قوانین طلایی مدیریت رمز

لیست کاربردی جهت مدیریت امن رمزهای مهم

@bluelearnmp

مخزن Video Use: ادیت ویدیو با ایجنت کدنویسی

فوتیج خام رو می‌ذاری تو یه پوشه، با ایجنت حرف می‌زنی، خروجی mp4 می‌گیری. fillerها رو کات می‌زنه، کالر گرید می‌کنه، زیرنویس می‌زنه، انیمیشن می‌سازه و قبل از تحویل خودش خروجی رو چک می‌کنه.

لینک گیتهاب:
https://github.com/browser-use/video-use

سلام دوستان و همراهان کدکاپی👋

فردا اولین ( هوش تجربه ) رسمی رو میزارم یه تجربه کوچک از کار کردن با مدل چینی جدید
بعد هم قرار با هم شروع کنیم به انتقال تجربه های کوچک اما کاربردی
با تگ ``هوش تجربه`` و تگ اسم هوش مصنوعی، ایجنت ، اسکیل و یا ...
ذکر بشه لطفاً

برای مهندسین ایرانی
با ری اکشن حمایت کنید.

سلام دوستان، امیدوارم حال دلتون خوب باشه 🌱
توی چند پست می‌خوام تجربه‌م از کار با چند مدل هوش مصنوعی رو به اشتراک بذارم. اگر شما هم تجربه‌ای دارید، خوشحال می‌شم توی کامنت‌ها یا پیام‌ها برام بنویسید.
راستش خودم وقتی توی Quora و Reddit تجربه‌ها و کامنت‌های بقیه رو می‌خونم، کلی چیز یاد می‌گیرم.
این بار نوبت GLM بود.
یکی از دوستام GLM رو معرفی کرد و خودش باهاش یه فروشگاه ساخته بود. من هم برای شروع یه پرامپت ساده بهش دادم.
با مدل ضعیف‌تر، خروجی خیلی معمولی بود؛ راستش حتی یکم بچگانه به نظر می‌رسید. 😄
بعد با مدل قوی‌تر یه چت جدید باز کردم و همون پرامپت رو دوباره دادم. پردازش بیشتر طول کشید و حتی یه جایی پیام داد که سرورها شلوغن و بهتره با مدل دیگه‌ای ادامه بدم.
ولی بعد از لود شدن، خروجی رو گرفتم و Preview هم داشت.
یه باگ نسبتاً بزرگ توی فرانت داشت که سریع برطرفش کردم. بعد که خروجی رو تست کردم، واقعاً نتیجه برام جالب بود.
یه UI تمیز و جذاب ساخته بود و نکته جالب این بود که خیلی از جزئیات رو بدون اینکه مستقیم بهش گفته باشم، خودش هندل کرده بود؛ از ساختار پروفایل و منوی موبایل گرفته تا بعضی جزئیات UI.
نه اینکه بدون ایراد باشه، ولی برای یه پرامپت نسبتاً ساده، خروجی واقعاً قابل استفاده‌ای گرفتم.
برداشت من از تجربه‌ای که با GLM داشتم اینه که وقتی پرامپت دقیق و شفاف باشه، می‌تونه خروجی خیلی خوبی بده؛ البته همچنان باید خروجی رو بررسی و تست کرد.
این فقط تجربه شخصی منه.

#هوش_تجربه #GLM #chat.z.ai
شما با GLM یا مدل‌های دیگه چه تجربه‌ای داشتید؟ 👀

▶️ ویدیوی یوتیوب رو به متن تبدیل کن!

😎 با سایت YouTube Transcript فقط لینک ویدیوی یوتیوب رو وارد کن تا متن کامل صحبت‌های ویدیو رو در چند ثانیه تحویل بگیری.

✨ استخراج متن با یک کلیک
🗒 کپی و دانلود متن
🤖 خلاصه‌سازی با هوش مصنوعی
💬 مناسب برای تحقیق، مطالعه و تولید محتوا
📢 امکان استخراج چند ویدیو یا حتی یک کانال
📖 پشتیبانی از زبان فارسی

🆓 برای شروع، ۲۵ استخراج رایگان هم ارائه می‌ده.

🔗 youtube-transcript.io/
#یوتیوب #هوش_مصنوعی #تبدیل_به_متن

البته اینو هم بگیم که بهترین راه اینه که از https://notebooklm.google.com برای تحقیقات و مقاله استفاده کنید .
که چیز خاصی هم نمیخواد یه گوگل پرو میخواد و یه VPN خوب که زیاد برای لودش الاف نشوید.

اسم پردازنده لپ‌تاپ رو چطور بخونیم؟

مثلاً: Core i7-13620H

بخش Core i7 رده پردازنده؛ هرچه رده بالاتر باشد معمولاً توان پردازشی بیشتری دارد، اما نسل و مدل هم مهم‌اند.

13 نسل پردازنده؛ نسل جدیدتر معمولاً بهینه‌تر و سریع‌تر است.

620 شماره مدل؛ برای مقایسه پردازنده‌های هم‌نسل به کار می‌رود.

بخش H سری پردازنده؛ نشان‌دهنده عملکرد بالاتر و مناسب لپ‌تاپ‌های قدرتمند است.

اره خلاصه می‌خواستین بخرین اگر دیگه پیدا شد و پولش هم بود به کل اسم دقت کنین و راجب هر بخش اسم تحقیق کنین چون اثر زیادی روی قدرت سیپیو داره

وقتی اطلاعات در شبکه جابه‌جا می‌شوند، معمولاً از یکی از دو پروتکل TCP یا UDP استفاده می‌کنند. هرکدام برای کاربردهای خاصی طراحی شده‌اند.
🔹 TCP (Transmission Control Protocol) قبل از ارسال داده، ارتباط بین مبدا و مقصد را برقرار می‌کند و مطمئن می‌شود همه بسته‌ها سالم و به ترتیب به مقصد رسیده‌اند.

✅ قابل اعتماد
✅ کنترل خطا
✅ ترتیب صحیح داده‌ها

📌 کاربردها: وب‌گردی (HTTP/HTTPS)، ایمیل، دانلود فایل و FTP
🔸 UDP (User Datagram Protocol) داده‌ها را بدون برقراری اتصال و با حداقل سربار ارسال می‌کند. سرعت بالاتری دارد اما تضمینی برای رسیدن همه بسته‌ها وجود ندارد.

✅ سرعت بالا
✅ تأخیر کم
✅ مناسب ارتباطات لحظه‌ای
📌 کاربردها: استریم ویدئو، بازی‌های آنلاین، تماس صوتی (VoIP) و DNS

💡 یک مثال ساده:
TCP مثل ارسال بسته پستی سفارشی است؛ رسید دریافت می‌کنی و مطمئن هستی بسته رسیده است.
UDP مثل پخش زنده مسابقه فوتبال است؛ سرعت مهم‌تر از این است که...

@bluelearnmp

با GPT-6 Astra چطور باید کار کنیم؟

شرکت OpenAI یک مقاله منتشر کرده که یک نکته‌ی مهم دارد با مدل‌های جدید، روش قدیمیِ یک پرامپت خیلی طولانی بنویس و تک‌تک حرکات مدل را مشخص کن دیگر لزوماً بهترین روش نیست. GPT-6 Astra بیشتر شبیه یک همکار حرفه‌ای طراحی شده؛ بنابراین بهتر است به‌جای توضیح دادنِ تک‌تک قدم‌ها، هدف، محدودیت‌ها و خروجی موردنظر را مشخص کنیم و اجازه بدهیم خودش مسیر انجام کار را پیدا کند.

چند نکته‌ی مهم از راهنمای OpenAI:

هدف را واضح بگو، نه اینکه همه‌چیز را دیکته کنی.
اگر می‌خواهی یک کار کامل انجام شود، صریح بگو تا رسیدن به نتیجه ادامه بدهد.

برای کارهای پیچیده، مدل را بیش از حد کنترل نکن. Astra در دنبال‌کردن دستورها و انجام workflowهای چندمرحله‌ای قوی‌تر شده و می‌تواند خودش تصمیم بگیرد چه مراحلی لازم است.

اگر نمی‌خواهی وسط کار متوقف شود، این را مشخص کن.
مدل جدید نسبت به قبل بیشتر ممکن است وقتی ابهامی ببیند سؤال بپرسد. اگر می‌توانی، به آن اجازه بده از اطلاعات موجود فرض‌های منطقی بسازد و کار را جلو ببرد.

در Skillها و فایل‌های دستورالعمل را جدی بگیر. Astra نسبت به دستورهایی که داخل فایل‌هایی مثل "AGENTS.md" یا Skillها قرار دارند حساس‌تر است. پس اگر پروژه‌تان Skillهای زیادی دارد، حتماً آن‌ها را audit کنید.

سبک خروجی را دقیق مشخص کن.
Astra به‌صورت پیش‌فرض تمایل بیشتری به پاسخ‌های مفصل، ساختاریافته، لیست و Markdown دارد. اگر خروجی ساده و روان می‌خواهید، این را در دستور مشخص کنید.

برای کارهای چندعاملی، delegation را صریح کنید.
اگر workflow شما از چند agent استفاده می‌کند، مشخص کنید چه زمانی مدل باید کار را بین agentها تقسیم کند و چه میزان موازی‌سازی مطلوب است.

در coding، بیش‌ازحد تست نکن Astra تمایل دارد قبل از تمام‌شده اعلام کردن کار، تست‌های زیادی انجام دهد. برای تغییرات کوچک و کم‌ریسک، بهتر است سطح verification موردنیاز را مشخص کنید.

خلاصه‌ی ماجرا هرچه مدل توانمندتر می‌شود، پرامپت خوب کمتر شبیه لیست دستورهای ریز و بیشتر شبیه تعریف دقیق مسئله، هدف و معیار موفقیت می‌شود.

یعنی به‌جای:

«اول این کار را بکن، بعد این فایل را باز کن، بعد این کار را انجام بده...»

بیشتر برویم سمت:

«این مسئله را حل کن. این محدودیت‌ها را رعایت کن. خروجی باید این ویژگی‌ها را داشته باشد. تا رسیدن به نتیجه ادامه بده.»

این تغییر کوچک در نحوه‌ی Prompt کردن، می‌تواند تفاوت بزرگی در استفاده از مدل‌های نسل جدید ایجاد کند.

مقاله‌ی اصلی و کامل OpenAI

@bluelearnmp

🦀 گیت‌هاب برای نوشتن کد از Copilot کمک گرفت؛ حالا Copilot خودش هم با Rust بازنویسی شده! 😶

شاید اولش یکم عجیب به نظر بیاد، ولی ماجرا واقعیه!

💻 تیم GitHub تصمیم گرفت بخش بزرگی از Runtime مربوط به GitHub Copilot رو از نو با زبان Rust پیاده‌سازی کنه؛ پروژه‌ای که حدود ۸۰۰ هزار خط کد داشت.

🤖 اما نکته جالب اینجاست که برای انجام این مهاجرت، خودِ Copilot هم به برنامه‌نویس‌ها کمک کرده.

یعنی AI فقط برای ساختن چندتا تابع ساده استفاده نشده؛ اینجا پای یک پروژه بزرگ و واقعی وسط بوده و Copilot در بررسی و تغییر حجم زیادی از کدها نقش داشته.

🦀 چرا Rust؟
زبان Rust به‌خاطر عملکرد بالا قابلیت‌های مربوط به Memory Safety برای ساخت نرم‌افزارهای زیرساختی انتخاب جذابیه؛ مخصوصاً جایی که پایداری و کارایی اهمیت زیادی دارن.

ولی قسمت هیجان‌انگیز داستان اینه:
اگه AI بتونه در پروژه‌هایی با صدها هزار خط کد هم نقش جدی داشته باشه، برنامه‌نویسی چند سال دیگه چه شکلی میشه؟ 👀

به نظر می‌رسه دوره‌ای که AI فقط «کد پیشنهاد می‌داد» داره کم‌کم به دوره‌ای تبدیل میشه که برنامه‌نویس و AI کنار هم پروژه‌های بزرگ رو جلو می‌برن.

🔗لینک خبر

@bluelearnmp

اگه با AI Agentها کار میکنید، TeleDOM میتونه جالب باشه.

یه ابزار متن‌باز برای اتوماسیون مرورگره که بیش از ۳۵۰ ابزار MCP در اختیار Agentها میذاره؛ از کلیک و استخراج اطلاعات گرفته تا اجرای Workflowهای قابل تکرار.

https://github.com/IrMaho/TeleDOM

@blelearnmp

اکانت هوش مصنوعی جمنای پرو | Google AI Pro

زمان: 18 ماهه
5 ترابایت فضای ابری گوگل
1000 توکن ماهانه Google Flow
دسترسی به Gemini Advanced (مدل پرو با لیمیت کمتر)
پردازش فایل‌های حجیم با پنجره متنی یک میلیون توکنی
ادغام هوش مصنوعی در Gmail، Docs، Drive، Meet، Sheets، Vids، Slides
دسترسی به قابلیت Deep Research (پژوهش عمیق)
تولید حرفه‌ای تصویر و ویدیو با مدل‌های پیشرفته

در صورت غیرفعال شدن پلن در6 ماه اول، یک بار اکانت جایگزین تحویل داده میشه و اگر امکان جایگزینی نبود، 50 درصد مبلغ پرداختی به شما برگشت داده میشه.

برای سفارش پیام دهید:
@Mostafamaghul

چت‌بات‌های هوش مصنوعی رو به دستیار اختصاصی سیستمتون تبدیل کنید!

پروژه Dana یک MCP Server متن‌باز و سلف‌هاستد با Pythonه که ابزارهایی مثل Claude، ChatGPT و Grok رو به سیستم شما متصل میکنه.

با کمک Tailscale، هوش مصنوعی میتونه مستقیماً با فایل‌ها، کدها، Docker، دیتابیس، تست‌ها و حتی مرورگر کار کنه؛ ضمن اینکه با مدیریت کانتکست و کش، مصرف توکن رو هم کاهش میده.

https://github.com/seyed-ali-002/Dana-MCP-Server

@bluelearnmp