📚 بوکمارک سرور، devops و IaaS و PaaS
📌 منابع، سایت و بوکمارک‌های مربوط به سرور و لینوکس و این حرفا:

https://multipass.run:
اجرای vmهای اوبونتو و ابزارهای مشابه با خط فرمان و نسبتا سریع

https://traefik.io:
پروکسی سریع و جذاب با ssl اتوماتیک بیشتر برای فضای container و cloudnative



لیست به روزرسانی خواهد شد.
@code2_ir


#بوکمارک

اگر روی کامپیوتر خودتون فضای vm میخواید برای کارهای مختلف یکی از راه‌هایی که می‌تونید استفاده کنید و خود ubuntu توسعه داده multipaas هست و به نظرم چیز جالبی است:
https://multipass.run/

نصب:

sudo snap install multipass

راه اندازی vm مثلا ubuntu 22.04 :

multipass launch jammy --name vm01 --cpus 2 --memory 4G --disk 20G

🍏 البته مک و ویندوز رو هم ساپورت می‌کنه.

کانال کد۲
@code2_ir

🧠 5 تا از مدل‌های یادگیری ماشین که باید بشناسید (به زبان ساده)

یادگیری ماشین یه جور هوش مصنوعیِ خیلی باهوشه که به کامپیوترها یاد می‌ده بدون برنامه‌ریزیِ دستی، از داده‌ها یاد بگیرن و کارهای باحال انجام بدن. مثلا توی مسیریاب‌ها، پلتفرم‌های فیلم و خرید اینترنتی ازش استفاده می‌شه.
حالا توی این مقاله می‌خوایم 5 تا از مدل‌های یادگیری ماشین که خیلی پرکاربردن رو بهتون معرفی کنیم:


1⃣ رگرسیون خطی:
فرض کنید می‌خواید قیمت یه خونه رو بر اساس اندازه‌ش حدس بزنید. رگرسیون خطی یه مدلِ خیلی خوبه برای این کاره. این مدل یه خط صاف بین نقاط داده‌ها پیدا می‌کنه و با استفاده از اون، قیمت خونه‌های جدید رو تخمین می‌زنه.


2⃣ رگرسیون لجستیک:
این مدل برای دسته‌بندی چیزها استفاده می‌شه. مثلا می‌تونه تشخیص بده یه ایمیل اسپمه یا نه. رگرسیون لجستیک با بررسی کلمات ایمیل، احتمال اسپم بودن اون رو حساب می‌کنه.


3⃣ درخت تصمیم:
تصور کنید یه درخت رو برعکس کردید و از نوک اون شروع به سوال پرسیدن کنید. مثلا می‌پرسید "آیا این پرنده بال داره؟". اگه جواب "بله" باشه، به سمت راست درخت می‌رید و اگه "نه" باشه، به سمت چپ. با پرسیدن سوالات متعدد، درخت تصمیم در نهایت می‌تونه نوع پرنده رو تشخیص بده.


4⃣ جنگل تصادفی:
حالا تصور کنید به جای یه درخت، یه جنگل از درخت‌های تصمیم داریم! جنگل تصادفی با ترکیبِ نظراتِ چند تا درخت تصمیم، یه پیش‌بینی دقیق‌تر ارائه می‌کنه. مثلا می‌تونه احتمال رای آوردن یه کاندیدا توی انتخابات رو تخمین بزنه.


5⃣ خوشه‌بندی K-Means:
فرض کنید یه عالمه نقطه روی یه صفحه دارید و می‌خواید اونها رو توی گروه‌های مختلف دسته‌بندی کنید. خوشه‌بندی K-Means این کار رو انجام می‌ده. این مدل نقاط رو بر اساس شباهت‌هاشون به گروه‌های مختلف تقسیم می‌کنه. مثلا می‌تونه مشتری‌های یه فروشگاه رو بر اساس عادت‌های خریدشون دسته‌بندی کنه.


📖 یادگیری بیشتر:
اگه می‌خواید بیشتر در مورد این مدل‌ها یاد بگیرید، می‌تونید از منابع زیر استفاده کنید:

رگرسیون خطی: ویدئوهای آموزشی Krish Naik
رگرسیون لجستیک: ویدئوهای آموزشی StatQuest
درخت تصمیم و جنگل تصادفی: ویدئوهای آموزشی Krish Naik
خوشه‌بندی K-Means: ویدئوهای آموزشی StatQuest


🏃‍♂ گام بعدی:
اگه به این مدل‌ها علاقه‌مند شدین و می‌خواید ازشون توی دنیای واقعی استفاده کنید، باید یه زبان برنامه‌نویسی مثل پایتون یا R یاد بگیرید. دوره‌های رایگان FreeCodeCamp برای پایتون می‌تونه یه نقطه شروع خوب باشه.
کتابخانه‌هایی مثل Scikit-Learn و Keras هم بهتون کمک می‌کنن تا این مدل‌ها رو پیاده‌سازی کنید.
در نهایت، یه برنامه‌ی یادگیری برای خودتون تنظیم کنید و از ابزارهای هوش مصنوعی مثل ChatGPT برای کمک به این برنامه استفاده کنید. با این کار می‌تونید از یادگیری ماشین توی دنیای واقعی استفاده کنید و کارهای باحال انجام بدید!


📌 منابع:
5 Machine Learning Models Explained in 5 Minutes


@code2_ir
کانال کد۲
@code2_ir
‌
‌

اگر به حوزه دیزاین و ui/ux علاقه مندید حتما کانال دوست عزیزم امیرمهدی رو دنبال کنید.

ایشون تونی هور هستند.
کسی که اشاره‌گر null در برنامه نویسی رو اختراع کرد!
ایشون بعد ها گفت که اختراع null در واقع یک اشتباه میلیارد دلاری بود که من کردم!

به نظر شما چرا؟ پاسخ رو اگر به سمت functional programming برید بهتر پیدا می‌کنید.
ولی به صورت خلاصه هر وقت که به خاطر null بودن یه متغیر اررور می‌خورید از معایب این طراحی می‌تونید یاد کنید :)

لابد الان می‌گید چه آدم ناشی بوده اما پیشنهاد می‌کنم یه سر به ویکی پدیای ایشون بزنید. شاید قابل درک ترین کاری که انجام داده ابداع الگوریتم quick sort بوده :) کارهای دیگش که بماند

خلاصه که عجیبه. شهر عجیبیه


@code2_ir

RIP Sora?

Luma AI just launched Dream Machine, and people are going crazy over it.

Here are 10 wild examples:

1. Wait. What? 😲

https://t.co/yM1JvdfrL4

یه کانالی توی تلگرام مربوط به برنامه نویسی این گیف رو گذاشته بود و زیرش هم نوشته بود

یه مقایسه سینیور با جونیور دیگه ببینیم

من البته ایرادی نمی‌گیرم ولی سلیقه من اینطور نیست. کلا این بحث جونیور و سنیور و این حرفا نه که درست نباشه ولی خیلی اش بستگی به فرهنگ اون شرکت داره و فرهنگ خود برنامه نویس ها و نحوه تعاملشون باهم

این که یه کسی همچین ابزار یا مدلی دوست داره و می‌تونه کد بزنه می‌تونه خیلی خوب باشه ولی دلیلی بر مثلا حرفه ای بودن یا نبودن نیست.

حتی خیلی ها که با vim یا نئو vim مثل قرقی سریع کد میزنن و از این صفحه میرن به اون صفحه لزوما به معنی خوب یا بد بودن نیست.

یه بنده خدایی بود آمریکایی لینک کانالش اینجاست

یه بار باهاش صحبت میکردم گفتم استفاده از vim و ide های شبیه اون باعث میشه به مرور بازده بهتری داشته باشی؟ حرف قشنگی زد. گفت نه. اگر توی همون ابزار یا ide که استفاده میکنی عمیق و حرفه ای بشی پیشرفت می‌کنی و سرعتت هم زیاد میشه.

و از این صحبت ها ...


@code2_ir

کانال کد ۲

💡 پیتر تیل (Peter Thiel) فاندر PayPal و نویسنده کتاب از صفر به یک یه جمله ای داره که؛ ما قرار بود ماشین پرنده بسازیم ولی بجاش 140 کارکتر رو اختراع کردیم، و اعلام میکنه اون میزانی که ما نوآوری روی بیت (اینترنت) می‌بینیم روی اتم‌ها (دنیای فیزیکی و واقعی ) نمی‌بینیم. اما... داستان عوض شده:

🔸 از سال 2020 سرمایه بیشتری به سمت نوآوری‌های فیزیکی رفته به طوری که در سال 2017 فقط 17% سرمایه‌گذاری‌های خطرپذیر روی دنیای واقعی بود این عدد در سه ماهه اول امسال به نزدیک 40% رسیده!
🔻 حوزه‌‌های بایوتک و دارو، سخت‌افزار، انرژی و دستگاه‌های پزشکی به ترتیب بیشترین سرمایه‌گذاری رو به خودشون اختصاص دادن.

📍 به نظر میاد با قدرتمندتر شدن و همه‌گیرتر شدن هوش‌مصنوعی بیشتر و بیشتر تمرکز روی دنیای اتم‌ها و سرمایه‌گذاری روشون اتفاق بیوفته.

@investingfund

یکی از دوستان پیرو مطلب قبلی این عکس را فرستادند.

همینطور این مطلب که تاریخچه سیستم عامل ها رو نمایش میده

https://eylenburg.github.io/os_familytree.htm


@code2_ir

ممنون از دوست عزیزم علیرضا، بابت ارسال این مطلب

دو روز پیش داشتم یه محصولی رو تست می‌کردم روی گیت هاب به اسم coolify یک paas رایگان هست که باهاش می‌تونید خیلی سریع پروژه هاتون رو با docker دیپلوی کنید.
یه issue دیدم روی گیتهابشون که bounty هم داشت همینجوری گفتم بزار تست کنم و ببینم نتیجه چی میشه و خداروشکر یه چیز خوبی در اومد.

نتیجه این شد که به محصولشون Monaco code editor رو اضافه کردم.
موناکو همون ادیتور فایلی هست که پشت vs code داره استفاده می‌شه. شخصا خودم خیلی طرفدارش نیستم ولی خب.

در مجموع تجربه جالبی بود.
کار مهمی که کرده نظم و ساختار خوبی هست که پروژه coolify داره. هرچند خودم با لاراول شروع کردم ولی خیلی livewire و alpine و این ها رو نمی‌پسندم و الان به سمت react و nextjs بیشتر تمایل دارم. اما coolify پروژه خیلی خوب و تمیزی هست. برای دوستانی که دنبال paas به صورت selfhosted هستند توصیه می‌کنم و گزینه جذابیه.
نصبش هم خیلی آسان هست. تنها کافیه یه vps داشته باشید و این خط رو اجرا کنید:

curl -fsSL https://cdn.coollabs.io/coolify/install.sh | bash

و تمام.

@code2_ir

چت جی پی تی خطرناک تر می‌شود :)

دو تا سایت برای چک کردن بالا بودن یا قسمت‌های مختلف سایت یا ip از نقاط مختلف جهان:
https://www.host-tracker.com/en
https://check-host.net/

@code2_ir

امروز یک مستند دیدم به نام Animals at Play
بسیار جالب بود.
اینکه بازی‌کردن در حیوانات چگونه است و چرا بازی میکنند و چطور یاد میگیرن که بازی کنند.

یکی از جمله های زیبایی که ازش یادداشت کردم:

Play is the source of the creativity.

@code2_ir

شما هم دوست داشتید ببینید. در نماوا بود.

https://t.me/dogshouse_bot/join?startapp=evgiZCXITEyMKgGAkmVUVw
Who let the DOGS out?

اگر دوست دارید عمر اکانت تلگرامتون رو پیدا کنید و از سکه ها و پروژه های احمقانه این چنینی #تلگرام استفاده کنید پروژه بالا مثال خوبیه 😁😅

مال من