‌

🌠✨ هشدار استنفورد: شب‌بیداری حتی برای «جغدها» هم خطرناک است!



🌿🌿 پژوهش جدیدی از دانشگاه استنفورد، باورهای رایج درباره فواید زندگی بر اساس ریتم طبیعی بدن را به چالش کشیده است. این تحقیق نشان می‌دهد که بیدار ماندن تا پاسی از شب، حتی برای افرادی که به طور طبیعی تمایل به شب‌بیداری دارند (اصطلاحاً "جغدهای شب")، می‌تواند برای سلامت روان مضر باشد.


🟣 جزئیات پژوهش جامع استنفورد

محققان داده‌های نزدیک به هفتاد و چهار هزار بزرگسال میانسال و مسن در بریتانیا را تحلیل کردند. آن‌ها با استفاده از پرسشنامه‌ها، کرونوتایپ (تمایل طبیعی به سحرخیزی یا شب‌بیداری) شرکت‌کنندگان را مشخص کردند و با کمک شتاب‌سنج‌های پوشیدنی، الگوی خواب واقعی آن‌ها را طی هفت روز ردیابی کردند. وضعیت سلامت روان این افراد نیز از طریق سوابق پزشکی‌شان ارزیابی شد.


🔴 نتایج تکان‌دهنده: شب‌بیداری و افزایش خطر اختلالات روانی

یافته‌ها بسیار واضح بودند: بدترین وضعیت سلامت روان متعلق به گروهی از شب‌بیداران بود که به تمایل طبیعی خود عمل کرده و دیر می‌خوابیدند. احتمال تشخیص اختلال روانی در این گروه، بیست تا چهل درصد بیشتر از شب‌بیدارهایی بود که سعی می‌کردند زودتر بخوابند. در مقابل، بهترین وضعیت سلامت روان در افراد سحرخیزی مشاهده شد که زود به رختخواب رفته و زود بیدار می‌شدند.


✨✨ این پژوهش نشان می‌دهد که صرف نظر از کرونوتایپ طبیعی، دیرتر از ساعت یک بامداد خوابیدن می‌تواند ریسک اختلالات روانی را افزایش دهد. این یافته‌ها تاکید می‌کنند که تنظیم الگوی خواب و تلاش برای زودتر به رختخواب رفتن، حتی برای کسانی که به طور طبیعی تمایل به شب‌بیداری دارند، می‌تواند گامی مهم در جهت حفظ سلامت روان باشد.


#سلامت_روان #خواب #شب_بیداری #استنفورد #علم_خواب


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

❌ هشدار امنیتی: بزرگ‌ترین نشت اطلاعاتی تاریخ با افشای ۴ میلیارد رکورد اطلاعات کاربران!



🌿🌿 در خبری تکان‌دهنده برای حوزه امنیت سایبری، محققان از کشف یک پایگاه داده عظیم و کاملاً ناامن در فضای آنلاین خبر داده‌اند. این پایگاه داده، که هیچ‌گونه رمز عبوری برای محافظت از آن وجود نداشته، ظاهراً حاوی نزدیک به چهار میلیارد رکورد از اطلاعات شخصی و حساس کاربران، عمدتاً چینی، بوده است. این اتفاق می‌تواند به عنوان یکی از بزرگ‌ترین نشت‌های اطلاعاتی تاریخ ثبت شود.


🟣 پروژه نظارتی گسترده؟

پژوهشگران گمان می‌کنند که این داده‌های افشا شده، ممکن است بخشی از یک پروژه نظارتی گسترده بوده باشد که هدف آن ردیابی و تحلیل رفتار افراد است. این موضوع، نگرانی‌های جدی را در مورد حریم خصوصی و امنیت داده‌ها در مقیاس وسیع ایجاد می‌کند.


🔴 ابعاد فاجعه‌بار نشت اطلاعاتی

تیم پژوهشی Cybernews با همکاری متخصص امنیت سایبری، مالک وب‌سایت SecurityDiscovery.com، موفق به کشف این پایگاه داده با "میلیاردها رکورد" شده‌اند. حجم این پایگاه داده ۶۳۱ گیگابایت بوده که معادل تقریباً چهار میلیارد رکورد اطلاعاتی است. این حجم عظیم از داده‌ها بدون هیچ‌گونه محافظتی در دسترس عموم قرار گرفته بود که نشان از ضعف امنیتی فاجعه‌بار دارد.


🔵 چه کسانی در معرض خطرند؟

بر اساس یافته‌های تیم پژوهشی، این مجموعه داده به طور عمده شامل اطلاعات کاربران چینی از منابع مختلف بوده است. این نشت اطلاعاتی، میلیون‌ها نفر را در معرض خطرات جدی مانند سرقت هویت، کلاهبرداری و حملات فیشینگ قرار می‌دهد.


🟢 این حادثه بار دیگر بر اهمیت حیاتی امنیت سایبری، حفاظت از داده‌ها و رعایت حریم خصوصی کاربران تاکید می‌کند. لازم است هم کاربران و هم نهادهای مسئول، توجه بیشتری به پروتکل‌های امنیتی داشته باشند تا از تکرار چنین فجایعی جلوگیری شود.

#نشت_اطلاعات #امنیت_سایبری #حریم_خصوصی #داده_های_کاربران #تهدید_آنلاین


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

🔵 نکته برنامه نویسی



🧩 Dependency Injection (DI)



یک الگوی طراحی نرم‌افزار برای مدیریت وابستگی‌ها بین کلاس‌ها و کامپوننت‌ها، که باعث کاهش coupling و افزایش انعطاف‌پذیری میشه.




📌 ایده اصلی

* کلاس‌ها نباید خودشون وابستگی‌هاشون رو بسازن یا مدیریت کنن.
* وابستگی‌ها از بیرون بهشون داده میشه (Inject).
* این کار باعث میشه تست واحد، تغییر و نگهداری کد راحت‌تر بشه.



### ✅ مثال ساده (جاوا)

// سرویس وابسته
class EmailService {
    void sendEmail(String message) {
        System.out.println("Sending email: " + message);
    }
}

// کلاس اصلی که وابستگی رو دریافت می‌کنه
class UserController {
    private EmailService emailService;

    // تزریق وابستگی از طریق Constructor
    public UserController(EmailService emailService) {
        this.emailService = emailService;
    }

    void notifyUser() {
        emailService.sendEmail("Welcome!");
    }
}

// استفاده
EmailService emailService = new EmailService();
UserController controller = new UserController(emailService);
controller.notifyUser();

اینجا UserController نیازی به ساختن EmailService نداره، بلکه از بیرون دریافت می‌کنه.



📖 جاهای کاربردی

* معماری Clean Architecture / Hexagonal Architecture
* فریم‌ورک‌هایی مثل Spring, Angular, .NET Core
* هر جایی که بخوای تست‌پذیری و انعطاف‌پذیری بالا داشته باشی



🛠️ مزایا

* کاهش coupling بین کامپوننت‌ها
* تست واحد راحت‌تر (می‌تونی Mock یا Stub بدهی)
* تغییر و جایگزینی وابستگی‌ها بدون تغییر کد اصلی



⚠️ معایب / چالش‌ها

* اگر Overuse بشه، ممکنه کد پیچیده و سخت دنبال‌شدنی بشه
* نیاز به درک اولیه از IoC / DI Containers
* ممکنه منابع زیادی مصرف کنه در صورت مدیریت نادرست



👉 تشبیه ساده

Dependency Injection مثل دادن ابزار به یک کارگر 🛠️

* کارگر (کلاس) لازم نیست خودش ابزار بسازه
* فقط ابزار رو از بیرون می‌گیره و کارش رو انجام میده
* وقتی ابزار تغییر کرد، کارگر بدون مشکل ادامه میده



ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

🔵 نکته یادگیری ماشین

خب، حالا بریم سراغ یه نکته برای وقتی که یک نقطه داده، کل داستان رو به هم می‌ریزه! 🤯

داده‌های پرت (Outliers) 📈

تصور کن داری میانگین قد یک کلاس درس رو حساب می‌کنی. 🧑‍🎓 اکثر بچه‌ها قدی بین ۱.۵۰ تا ۱.۷۰ متر دارن. اما یکی از اون‌ها بازیکن بسکتباله و قدش ۲.۲۰ متره.

این یک مورد، یک داده پرت (Outlier) محسوب می‌شه. داده‌های پرت به نقاطی در داده‌ها گفته می‌شه که از بقیه نقاط خیلی خیلی دور هستن و الگوی کلی رو دنبال نمی‌کنن.

چرا داده‌های پرت خطرناکن؟

گمراه‌کننده هستن: 🤦‍♂️ وجود یک داده پرت می‌تونه میانگین یک گروه رو به شدت تغییر بده و تصویری نادرست از واقعیت نشون بده. در مثال بالا، قد متوسط کلاس خیلی بیشتر از حد واقعی می‌شه.

عملکرد مدل رو خراب می‌کنن: در یادگیری ماشین، داده‌های پرت مثل آهنربا عمل می‌کنن و خط بهترین برازش مدل رو به سمت خودشون می‌کشن. این باعث می‌شه مدل برای بقیه داده‌ها کمتر دقیق باشه.

چطور با این مشکل مقابله کنیم؟

کشف و حذف: 🗑 اولین قدم اینه که با ابزارهای بصری یا آماری، داده‌های پرت رو پیدا کنی. اگر مطمئن شدی که اون‌ها خطای ورودی داده بودن، می‌تونی اون‌ها رو حذف کنی. (اما حواست باشه اطلاعات مهمی رو از دست ندی!)

جایگزینی: می‌تونی اون‌ها رو با یک مقدار قابل قبول‌تر (مثلاً میانه) جایگزین کنی.

استفاده از مدل‌های مقاوم: بعضی از مدل‌ها به صورت طبیعی در برابر داده‌های پرت مقاوم‌تر هستن، مثل مدل‌های مبتنی بر درخت (درخت تصمیم و جنگل تصادفی).

خلاصه که، داده‌های پرت مثل مهمون‌های ناخونده هستن که می‌تونن مهمونی (مدل) رو خراب کنن! 😉

ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ


لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

‌🌠✨ جیمز وب راز منشأ آتشین یک سیاره فراخورشیدی داغ و دوردست را فاش کرد!



🌿🌿 تلسکوپ فضایی جیمز وب (JWST) ناسا بار دیگر شگفتی‌آفرین شد! ستاره‌شناسان با استفاده از این تلسکوپ قدرتمند، تاریخچه پرالتهاب سیاره‌ای فراخورشیدی به نام WASP-121b را کشف کرده‌اند.



🟣 سیاره WASP-121b: سیاره‌ای در آستانه نابودی!

این سیاره تقریباً ٩٠٠ سال نوری از زمین فاصله دارد و در مداری فوق‌العاده نزدیک به ستاره خود می‌چرخد که از خورشید ما داغ‌تر و روشن‌تر است. مدار ٣٠ ساعته WASP-121b و نزدیکی شدید آن به ستاره‌اش، باعث شده تا نیروهای جزر و مدی آن را شبیه به یک توپ فوتبال تغییر شکل دهند و این سیاره تقریباً در آستانه از هم پاشیدگی توسط گرانش ستاره‌اش قرار گیرد!



🔴 بارش آهن مایع و دمای جهنمی:

یک سمت این سیاره همیشه رو به ستاره است و دمای آن به بیش از ٣٠٠٠ درجه سانتی‌گراد می‌رسد که باعث بارش آهن مایع می‌شود! حتی نیمکره تاریک این سیاره نیز دمای ١۵٠٠ درجه سانتی‌گرادی دارد. این شرایط فوق‌العاده سخت، WASP-121b را به یکی از نامناسب‌ترین سیارات شناخته شده برای حیات تبدیل کرده است.


🔵 کشف سرنخ‌های شیمیایی با جیمز وب:

اما جیمز وب توانست راز آن را فاش کند! تیمی به سرپرستی «توماس ایوانز-سوما» از دانشگاه نیوکاسل استرالیا، با استفاده از ابزار طیف‌سنج فروسرخ نزدیک (NIRSpec) تلسکوپ، ترکیبی از مولکول‌ها را در جو این سیاره شناسایی کردند. این مولکول‌ها شامل بخار آب، منوکسید کربن، متان و برای اولین بار در جو یک سیاره، مونوکسید سیلیکون هستند. هر یک از این مولکول‌ها سرنخ‌های شیمیایی مهمی از مسیر پرحادثه و آتشین این سیاره به دست می‌دهند و به ما در درک چگونگی شکل‌گیری و تکامل چنین جهان‌های افراطی کمک می‌کنند.


🟢 این کشف، قدرت بی‌نظیر جیمز وب را در کاوش اسرار عمیق فضا و سیارات فراخورشیدی بار دیگر اثبات می‌کند.



#جیمزوب #سیاره_فراخورشیدی #اخترشناسی #WASP121b #کیهان_شناسی


ــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

🔵 نکته برنامه نویسی



## 🗂️ Caching (کش کردن داده‌ها)

کش یعنی ذخیره موقت نتایج یا داده‌هایی که پرهزینه هستن تا دوباره ازشون استفاده کنیم، بدون اینکه هر بار محاسبه یا درخواست تکرار بشه.



📌 چرا مهمه؟

* بهبود سرعت → نتایج آماده در حافظه یا دیسک نگهداری میشن.
* کاهش مصرف منابع → CPU یا شبکه کمتر درگیر میشه.
* کاهش هزینه → به‌خصوص وقتی داده از API خارجی یا دیتابیس گرون بیاد.



✅ مثال ساده – دنباله فیبوناچی

محاسبه فیبوناچی بدون کش خیلی کند میشه:

❌ بدون کش:

def fib(n):
    if n <= 1:
        return n
    return fib(n-1) + fib(n-2)

print(fib(35))  # خیلی کند

✔️ با کش:

cache = {}

def fib(n):
    if n in cache:
        return cache[n]
    if n <= 1:
        return n
    cache[n] = fib(n-1) + fib(n-2)
    return cache[n]

print(fib(35))  # خیلی سریع‌تر

✅ مثال وب – کش کردن پاسخ API

فرض کن قراره اطلاعات هواشناسی رو از یک API خارجی بگیریم:

import time

cache = {}

def get_weather(city):
    if city in cache and time.time() - cache[city]["time"] < 60:
        return cache[city]["data"]

    # شبیه‌سازی درخواست سنگین
    print("Fetching from API...")
    data = f"Weather in {city}: Sunny ☀️"
    
    cache[city] = {"data": data, "time": time.time()}
    return data

print(get_weather("Tehran"))  # درخواست واقعی
print(get_weather("Tehran"))  # از کش

اینجا داده فقط هر ۶۰ ثانیه یک بار از API گرفته میشه، بقیه مواقع از کش.



📖 جاهایی که خیلی کاربرد داره:

* وب‌سایت‌ها → نتایج queryها در دیتابیس (مثلاً لیست محصولات).
* سیستم‌های Recommendation → نتایج محاسبات سنگین.
* APIها → پاسخ‌های تکراری کاربران.
* ماشین لرنینگ → نتایج مدل یا داده پردازش‌شده.



🛠️ تکنیک‌های رایج کش:

* Memory Cache (RAM) → سریع‌ترین حالت (مثل دیکشنری در پایتون یا Redis).
* File Cache → روی دیسک ذخیره میشه.
* Distributed Cache → وقتی چند سرور داری (Redis, Memcached).
* Browser Cache → مرورگر فایل‌ها و پاسخ‌ها رو ذخیره می‌کنه.



⚠️ چالش‌ها:

* Freshness (تازگی داده‌ها) → کی داده منقضی بشه؟
* Consistency (سازگاری) → داده کش با دیتابیس اصلی هماهنگ باشه.
* Memory Usage → کش زیاد باعث پر شدن RAM میشه.



👉 تشبیه ساده:
کش مثل یادداشت‌های روی میزته 📒 — سریع در دسترس،
ولی دیتابیس مثل کتابخانه شهر 📚 — کامل ولی دسترسی کندتر.



ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

✨✨ ایلان ماسک: «حزب آمریکا» از بیت‌کوین حمایت خواهد کرد!


🌿🌿 ایلان ماسک، پس از اختلاف با دونالد ترامپ و خروج از دولت آمریکا، حزب جدیدی با نام «حزب آمریکا» را راه‌اندازی کرده است. او روز یکشنبه در پستی در شبکه اجتماعی ایکس اعلام کرد که حزب جدیدش از بیت‌کوین و بازار کریپتو حمایت خواهد کرد. ماسک در پاسخ به کاربری که از او پرسیده بود آیا حزب آمریکا بیت‌کوین را خواهد پذیرفت، گفت: «امیدی به پول فیات نیست، پس بله.»

🟣 ماسک در پستی دیگر در ایکس نوشت: «وقتی پای ورشکست کردن کشورمان با هدررفت سرمایه و فساد درمیان باشد، ما در یک سیستم تک‌حزبی زندگی می‌کنیم، نه در یک دموکراسی. امروز حزب آمریکا تشکیل می‌شود تا آزادی‌تان را به شما بازگرداند.»


#ایلان_ماسک #بیت_کوین #کریپتو #حزب_آمریکا #سیاست


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

🔵 Eclipse - Create Java Interface

🟢 کیفیت : متوسط

🔴 توجه کنید این ویدیو با کیفیت متوسط می باشد. طی روزهای آینده نسخه های متفاوت با کیفیت بالاتر یا کم حجم تر از این نسخه در کانال قرار داده خواهد شد.

🟣 Eclipse

🟢 زبان آموزش: انگلیسی

🟣 دوره آموزش Eclipse


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

🔵 کوییز #React_js

🟣 موضوع : ‏پیاده‌سازی GitHub Actions برای CI/CD

🟢 سوال :

‏کدام بخش از workflow مشخص می‌کند که job باید روی کدام سیستم عامل اجرا شود؟

گزینه 1:
`name`
گزینه 2:
`runs-on`
گزینه 3:
`steps`
گزینه 4:
`env`

🔵 گزینه صحیح: 2

🟢 توضیح :

‏بخش `runs-on` مشخص می‌کند که job باید روی چه سیستم عاملی (مانند `ubuntu-latest`) اجرا شود.


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

🤖🔥 مدل جدید Hugging Face دنیای رباتیک را متحول می‌کند: اجرای هوش مصنوعی رباتیک روی مک‌بوک!

پلتفرم Hugging Face این هفته مدل هوش مصنوعی جدیدی با نام SmolVLA برای پروژه‌های رباتیک معرفی کرد که آن‌قدر سبک و کارآمد است که حتی روی یک مک‌بوک هم قابل اجراست!

📌 ویژگی‌ها و دستاوردهای SmolVLA:

🔹 آموزش‌دیده بر اساس داده‌های متن‌باز و دارای مجوز اشتراک
🔹 عملکرد بهتر از مدل‌های بسیار بزرگ‌تر در محیط‌های واقعی و مجازی
🔹 قابل اجرا روی GPU مصرفی یا حتی لپ‌تاپ مک‌بوک
🔹 طراحی شده برای کمک به توسعه ربات‌های عمومی و کاهش هزینه سخت‌افزار رباتیک

🧠 مدل SmolVLA با ۴۵۰ میلیون پارامتر، از داده‌های «LeRobot Community» تغذیه شده و هدف آن دموکراتیزه کردن دسترسی به مدل‌های «بینایی-زبان-عمل» است. جالب‌تر این‌که از ساختاری استفاده می‌کند که پردازش دیداری و شنوایی را از عملکرد ربات جدا می‌کند، که به گفته Hugging Face باعث واکنش سریع‌تر در شرایط پویا می‌شود.

👨‍💻 یک کاربر در توییتر (X) اعلام کرده که با استفاده از این مدل، بازوی رباتیکی Koch را با تنها ۳۱ نمونه آموزش، به خوبی کنترل کرده است.

🛠 گفته می شود Hugging Face تلاش دارد اکوسیستم رباتیک متن‌باز و کم‌هزینه‌ای ایجاد کند. از جمله پروژه‌های اخیر آن می‌توان به LeRobot و خرید استارتاپ فرانسوی Pollen Robotics اشاره کرد.

🔍 البته Hugging Face تنها بازیگر این میدان نیست؛ شرکت‌هایی مانند:

* Nvidia با مجموعه ابزارهای رباتیک متن‌باز
* K-Scale Labs با هدف ساخت انسان‌نماهای متن‌باز
* Dyna Robotics
* Physical Intelligence (با حمایت جف بزوس)
* RLWRLD

نیز در این مسیر گام برمی‌دارند.

📥 مدل SmolVLA هم‌اکنون از طریق Hugging Face قابل دریافت است.


#رباتیک #هوش_مصنوعی #HuggingFace #SmolVLA #LeRobot #AI #Robotics #متن_باز #مکبوک #هوش_مصنوعی_در_رباتیک


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌
✨✨ طراح سابق اپل، طرح مفهومی شیشه‌ای خیره‌کننده‌ای برای iOS ۲۶ منتشر کرد!



🌿🌿 در آستانه کنفرانس WWDC ۲۰۲۵، یکی از طراحان سابق اپل، «سباستین دِ ویت»، ایده‌هایی جذاب برای طراحی احتمالی iOS ۲۶ را با نام "Living Glass" منتشر کرده است. این طرح مفهومی، تمرکز ویژه‌ای بر بازطراحی رابط کاربری با الهام از جنس شیشه دارد و می‌تواند آینده تجربه کاربری آیفون را متحول کند.



🟣 وقتی شیشه زنده می‌شود: الهام از visionOS

دِ ویت، هم‌بنیان‌گذار اپلیکیشن عکاسی Lux و طراح سابق اپل، در این مجموعه طرح‌های مفهومی، رویکردی کاملاً نوین را به نمایش گذاشته است. به گفته او، هدف این طراحی، بازتاب دادن مواد و بافت‌های فیزیکی شیشه در رابط کاربری سیستم‌عامل است. اما این فقط یک تغییر ظاهری نیست!


🔴 با الهام از visionOS (سیستم‌عامل هدست ویژن پرو)، این طرح‌ها به گونه‌ای هستند که عناصر رابط کاربری مانند مواد فیزیکی واقعی واکنش نشان می‌دهند و به نور محیطی، تغییرات فضا و حتی حرکات کاربر پاسخ می‌دهند. این یعنی یک تجربه کاربری بسیار غوطه‌ورکننده و پویا که می‌تواند تعامل ما با آیفون را به سطح جدیدی ببرد.


🔵 این طرح مفهومی نشان می‌دهد که اپل و طراحانش چطور به دنبال مرزهای جدید در طراحی رابط کاربری هستند و چگونه می‌توانند از قابلیت‌های سخت‌افزاری جدید برای خلق تجربه‌های بصری و تعاملی بی‌نظیر استفاده کنند. باید منتظر ماند و دید که آیا این ایده‌ها در iOS ۲۶ یا نسخه‌های آینده به واقعیت می‌پیوندند!



#iOS26 #AppleDesign #UIUX #VisionOS #LivingGlass


ــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

🔵 نکته یادگیری ماشین

یادگیری گروهی (Ensemble Learning) 🤝

تا الان در مورد یک مدل فکر می کردی؟ حالا تصور کن به جای یک مدل، یه تیم از مدل‌ها رو داشته باشیم که با هم کار می‌کنن.

فرض کن می‌خوای یه تصمیم خیلی مهم بگیری. اگه فقط نظر یک نفر (حتی اگه متخصص باشه) رو بپرسی، ممکنه اشتباه کنه. اما اگه از یه کمیته متشکل از چندین متخصص با دیدگاه‌های مختلف نظر بخوای، احتمالاً تصمیم نهایی خیلی بهتر و دقیق‌تر خواهد بود، چون نقاط ضعف همدیگه رو پوشش می‌دن. 🧠

یادگیری گروهی هم دقیقاً همین ایده رو در یادگیری ماشین پیاده می‌کنه. به جای اینکه فقط یک مدل بزرگ و پیچیده بسازی، می‌آیی و چندین مدل ساده‌تر رو آموزش می‌دی و بعد پیش‌بینی‌های اون‌ها رو با هم ترکیب می‌کنی. 🗳

چرا این روش انقدر موثره؟

کاهش خطا: هر کدوم از مدل‌های ساده ممکنه اشتباهاتی داشته باشن، اما وقتی پیش‌بینی‌هاشون رو با هم جمع می‌کنی (مثلاً با میانگین‌گیری یا رأی‌گیری)، اشتباهات فردی هم خنثی می‌شن.

افزایش پایداری: مدل نهایی خیلی پایدارتره و کمتر تحت تأثیر نویز و داده‌های پرت قرار می‌گیره.

به خاطر همین، تکنیک‌هایی مثل جنگل تصادفی (Random Forest) و تقویت گرادیان (Gradient Boosting) که بر پایه همین ایده ساخته شدن، جزو قوی‌ترین و پرکاربردترین الگوریتم‌های یادگیری ماشین هستن. 🚀

خلاصه اینکه، اگه یه مدل تنها خوب کار نکرد، همیشه می‌تونی یه تیم از مدل‌ها رو با هم جمع کنی تا نتیجه بهتر بشه. ✨

ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ


لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

🚨 حمله باج‌افزاری به شبکه بهداشتی Kettering در اوهایو

🔒 یک گروه باج‌افزاری نسبتاً جدید به نام Interlock مسئولیت حمله سایبری به Kettering Health، شبکه‌ای از بیمارستان‌ها و مراکز درمانی در ایالت اوهایو آمریکا را بر عهده گرفت. این حمله باعث شد همه سیستم‌های رایانه‌ای این سازمان برای دو هفته از کار بیفتند و هنوز هم بازگردانی کامل انجام نشده است.

🦠 این گروه که از سپتامبر ۲۰۲۴ حملاتی به مراکز درمانی آمریکا انجام داده، در سایت رسمی خود در دارک‌وب اعلام کرده که بیش از ۹۴۰ گیگابایت اطلاعات حساس از این شبکه درمانی سرقت کرده است!

📅 نخستین بار شبکه CNN در ۲۰ می اعلام کرد که Interlock پشت این حمله است، اما در آن زمان این گروه هنوز مسئولیت را نپذیرفته بود. اکنون که این ادعا علنی شده، به نظر می‌رسد مذاکرات بین طرفین به بن‌بست خورده باشد.

📁 طبق بررسی‌های اولیه، داده‌های به سرقت رفته شامل:

🔹 اطلاعات سلامت بیماران مانند:
▫️ نام، شماره پرونده، خلاصه‌های بالینی
▫️ وضعیت روانی، داروهای مصرفی، نگرانی‌های بهداشتی و...

🔹 اطلاعات کارکنان
🔹 محتویات درایوهای اشتراکی داخلی
🔹 اطلاعات محرمانه پلیس شبکه Kettering Health، شامل فایل‌های پیش‌زمینه و تست‌های دروغ‌سنجی!

💬 آقای John Weimer، معاون ارشد عملیات اضطراری Kettering، پیش‌تر اعلام کرده بود این سازمان هیچ مبلغی به باج‌گیرها پرداخت نکرده است.

✅ با این حال، شرکت در آخرین اطلاعیه خود اعلام کرده که موفق شده «بخش‌های اصلی» سیستم پرونده الکترونیکی سلامت خود (EHR) که توسط شرکت Epic ارائه می‌شود را بازیابی کند. این گام مهمی در مسیر بازگشت به شرایط عادی محسوب می‌شود.


#حمله_سایبری #باج‌افزار #امنیت_سایبری #Kettering_Health #Interlock #داده_های_سلامت #حریم_خصوصی

ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Zaban7ir

آدرس وبسایت:
https://Tutorial24.ir

🚨 شکایت Reddit از استارتاپ هوش مصنوعی Anthropic به دلیل استفاده غیرقانونی از داده‌ها

🌐 در اتفاقی کم‌سابقه، ردیت (Reddit) از شرکت Anthropic به دلیل استفاده از محتوای این شبکه اجتماعی برای آموزش مدل‌های هوش مصنوعی بدون مجوز قانونی، شکایت کرده است.

📄 این شکایت که در دادگاه شمال کالیفرنیا ثبت شده، ادعا می‌کند که Anthropic با نقض توافق‌نامه کاربران ردیت، محتوای سایت را به‌صورت تجاری و بدون پرداخت هزینه استفاده کرده است.

🔍 این نخستین بار است که یک شرکت بزرگ فناوری (Big Tech) علیه یک ارائه‌دهنده مدل‌ هوش مصنوعی به‌طور رسمی در مورد نحوه جمع‌آوری داده برای آموزش شکایت می‌کند.

📰 این شکایت در ادامه موج اعتراضات علیه شرکت‌های هوش مصنوعی مطرح شده:
▪️ نیویورک‌تایمز از OpenAI و مایکروسافت شکایت کرده است.
▪️ سارا سیلورمن و نویسندگان دیگر از متا شکایت کرده‌اند.
▪️ هنرمندان و ناشران موسیقی نیز شکایت‌هایی مشابه مطرح کرده‌اند.

🗣 بن لی (Ben Lee، مشاور حقوقی ردیت، در بیانیه‌ای گفت:

> «ما اجازه نمی‌دهیم شرکت‌هایی مانند Anthropic از محتوای ردیت برای کسب میلیاردها دلار سود استفاده کنند، بدون آنکه ارزشی برای کاربران ما قائل باشند یا حریم خصوصی‌شان را رعایت کنند.»

🤝 سایت Reddit با شرکت‌هایی مانند OpenAI و گوگل قراردادهایی منعقد کرده که به آن‌ها اجازه استفاده از داده‌ها با شرایط مشخص و رعایت حقوق کاربران را می‌دهد.

📌 نکته جالب اینکه سم آلتمن، مدیرعامل OpenAI، ۸.۷٪ از سهام Reddit را در اختیار دارد و قبلاً عضو هیئت‌مدیره آن بوده است.

🚫 سایت Reddit می‌گوید که به Anthropic اطلاع داده بود اجازه خزیدن (scraping) یا استفاده از محتوای سایت را ندارد، اما Anthropic نه‌تنها پاسخ مناسبی نداد، بلکه ربات‌هایش همچنان بیش از ۱۰۰ هزار بار در سال ۲۰۲۴ از محتوای ردیت استفاده کردند، حتی با وجود تنظیمات محدودکننده در فایل robots.txt.

🧾 سایت Reddit در این شکایت درخواست کرده که:
🔹 خسارات مالی پرداخت شود
🔹 سایت Anthropic از سود حاصل از این اقدام بازپرداخت کند
🔹 استفاده از محتوای Reddit برای همیشه متوقف شود



#هوش_مصنوعی #ردیت #Anthropic #داده_های_آموزشی #شکایت_حقوقی #OpenAI #Google #TechCrunch


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Zaban7ir

آدرس وبسایت:
https://Tutorial24.ir

‌

✨✨ کاهش محتوای نامناسب در چت دیوار با کمک هوش مصنوعی


🌿🌿 تیم «سلامت چت» دیوار، با بهره‌گیری از #هوش_مصنوعی، اقداماتی متنوع انجام داده تا کاربران کمتر با مزاحمت یا محتوای نامناسب روبه‌رو شوند.

🟣 طبق اعلام دیوار، کاربران، به خصوص آگهی‌گذاران، پیش از این با رفتارهای مخرب مانند پیام‌های آزارگرانه، تهدیدآمیز، تصاویر غیراخلاقی و سرقت حساب کاربری مواجه بوده‌اند که اعتماد به دیوار را کاهش می‌داد.

🔴 از آذرماه ۱۴۰۳، تیم «سلامت چت» با تکیه بر راهکارهای هوش مصنوعی، مسیر جدیدی را آغاز کرده تا رفتارهای مخرب را با دقت بیشتری شناسایی کند. با اقداماتی مانند انتقال مکالمات به پوشه افراد مشکوک و محدود کردن چت کاربران خاطی، مواجهه کاربران با این‌گونه مشکلات کاهش یافته است.

🔵 دیوار، نتیجه این تلاش‌ها را کاهش ۴۲ درصدی مزاحمت‌ها و ۷۹ درصدی خطر سرقت حساب کاربری اعلام کرده است. همچنین بر این اساس، به طور متوسط تعداد مکالمات آزارگران در دیوار تا زمان شناسایی و انتقال پیام‌هایشان به پوشه افراد مشکوک، نسبت به ۶ ماه قبل ۶۸ درصد کاهش داشته است.

🟢 در همین رابطه، «هدی محمودی»، مدیر تیم «سلامت چت»، بهره‌مندی از دستیارهای مبتنی بر هوش مصنوعی با هدف تسهیل فرایند انجام معامله را نیز از برنامه‌های پیش رو اعلام کرده است.

#دیوار #هوش_مصنوعی #امنیت #اپلیکیشن #سلامت_چت

ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

🌠✨ خبر فوری: مرورگر هوش مصنوعی Perplexity به زودی برای ویندوز منتشر می‌شود!



🌿🌿 شرکت Perplexity، توسعه‌دهنده ابزارهای جستجوی مبتنی بر هوش مصنوعی، تاریخ تقریبی انتشار مرورگر جدید خود با نام Comet را اعلام کرد. این مرورگر که مجهز به یک ایجنت هوش مصنوعی قدرتمند است و برای رقابت با مرورگرهای بزرگی مثل گوگل کروم طراحی شده، ابتدا با نسخه بتا برای کاربران ویندوز عرضه خواهد شد.


🟣 آراویند سرینیواس، مدیرعامل Perplexity، در یک جلسه پرسش و پاسخ در Reddit تایید کرد که توسعه Comet برای اندروید "به‌خوبی و با سرعت درحال پیشرفت است" و کاربران اندروید می‌توانند پاییز امسال منتظر آن باشند.

🔴 اما خبر هیجان‌انگیزتر برای کاربران ویندوز این است که نسخه بتای این مرورگر برای ویندوز قرار است همین چند روز آینده منتشر شود! البته نسخه‌های نهایی برای ویندوز و macOS هم‌زمان در اختیار کاربران قرار خواهند گرفت.

🔵 این یک گام بزرگ در جهت ارائه تجربه‌ای نوین از وب‌گردی با کمک هوش مصنوعی است. منتظر عرضه Comet باشید!

#مرورگر_هوش_مصنوعی #Perplexity #Comet #ویندوز #هوش_مصنوعی


ــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

🌠✨ کافئین حتی در خواب هم مغز را بیدار نگه می‌دارد: یافته‌ای نگران‌کننده برای کیفیت خواب!


🌿🌿 همه‌ی ما می‌دانیم کافئین می‌تواند در بیداری ما را سرپا نگه دارد، اما آیا تا به حال فکر کرده‌اید که این ماده محرک در زمان خواب چه بلایی سر مغزمان می‌آورد؟ پژوهش جدیدی از محققان کانادایی نشان می‌دهد که کافئین حتی وقتی در خواب هستیم، بر فعالیت مغز ما تأثیر می‌گذارد و کیفیت خوابمان را به چالش می‌کشد.



🟣 افزایش پیچیدگی سیگنال‌های مغزی در خواب

محققان دانشگاه مونترآل در مطالعه‌ای که در نشریه Communications Biology منتشر شده، دریافته‌اند که مصرف کافئین، حتی پیش از خواب، پیچیدگی سیگنال‌های مغزی در خواب را افزایش می‌دهد. این یعنی مغز وارد حالتی "بحرانی" می‌شود که بین نظم و آشفتگی تعادل برقرار می‌کند. نکته نگران‌کننده اینجاست که این تأثیر مخرب بیشتر در جوانان مشاهده شده است.



🔴 نحوه انجام پژوهش و نتایج آن

در این مطالعه، فعالیت مغز چهل بزرگسال سالم در دو شب متوالی مورد بررسی قرار گرفت. در یک شب، داوطلبان دو نوبت کافئین (سه و یک ساعت پیش از خواب) مصرف کردند و در شب دیگر، به آن‌ها دارونما داده شد. نتایج نشان داد که کافئین باعث فعالیت پویاتر اما کمتر قابل‌پیش‌بینی نورون‌ها شده است. این پدیده به‌ویژه در مرحله خواب بدون حرکت سریع چشم (NREM) که بخش عمده‌ای از خواب عمیق ما را تشکیل می‌دهد، برجسته‌تر بود.



🔵 تأثیر کافئین بر امواج مغزی

این پژوهش همچنین نشان داد که کافئین به طور مستقیم بر امواج مغزی تأثیر می‌گذارد. کافئین امواج آهسته‌تر مغزی مانند تتا و آلفا را که با خواب عمیق و آرامش مرتبط هستند، کاهش داده است. در مقابل، فعالیت امواج بتا را افزایش داده، امواجی که بیشتر با بیداری، هوشیاری و درگیری ذهنی همراه هستند. این یعنی حتی وقتی ظاهراً خوابیده‌ایم، مغز ما در سطحی "بیدارتر" از حد معمول فعالیت می‌کند.

این یافته‌ها زنگ خطری جدی برای کسانی است که عادت به مصرف کافئین در ساعات پایانی روز دارند. کیفیت خواب، نقش حیاتی در سلامت جسمی و روانی ما دارد. بهتر است مصرف کافئین خود را به ساعات اولیه روز محدود کنید تا از یک خواب آرام و ترمیم‌کننده بهره‌مند شوید.

#کافئین #خواب #فعالیت_مغز #سلامت_روان #پژوهش_علمی


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

‌

✨✨ هشدار جدی: انفجار باتری پیکسل 6a!


🌿🌿 متاسفانه، یک پیکسل 6a دیگر دچار حادثه انفجار باتری شد که منجر به تخریب کامل گوشی گشت. خوشبختانه، به صاحب گوشی آسیبی نرسید. این اتفاق بار دیگر نگرانی‌ها را در مورد ایمنی باتری‌های لیتیوم یون افزایش می‌دهد.


🟣 گوگل در واکنش، یک پیکسل 8a را جایگزین گوشی آسیب‌دیده کرده است. این حادثه بر اهمیت رعایت نکات ایمنی زیر تاکید دارد:

⬅️ همیشه از شارژرهای اورجینال استفاده کنید.

⬅️ گوشی را در مکان‌های نامناسب (مانند زیر بالش) شارژ نکنید.

⬅️ در صورت داغ شدن بیش از حد گوشی، بلافاصله آن را از شارژر جدا کنید.

❗❗ایمنی شما در اولویت است.


ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

✨✨ قابلیت جدید "مطالعه با هوش مصنوعی" در ChatGPT در دست آزمایش!


🌿🌿 شرکت #OpenAI در حال آزمایش ویژگی جدیدی با نام «مطالعه با یکدیگر» (Study Together) در ChatGPT است. این قابلیت جدید، به جای ارائه پاسخ‌های آماده، با پرسیدن سؤالات هدفمند، کاربر را به تفکر و یادگیری فعال ترغیب می‌کند و به نظر می‌رسد پاسخی مستقیم به نگرانی‌ها پیرامون استفاده از هوش مصنوعی برای تقلب در تکالیف دانشگاهی باشد.

🟣 برخی از کاربران اشتراکی #ChatGPT در ردیت گزارش داده‌اند که گزینه جدید Study Together به فهرست ابزارهای این چت‌بات اضافه شده است. این حالت جدید، رویکرد ChatGPT را از یک ابزار پاسخ‌دهی به یک ابزار آموزشی تعاملی تغییر می‌دهد.

🔴 بر اساس گزارش‌های اولیه کاربران، این قابلیت جدید به جای ارائه مستقیم پاسخ به سؤالات، کاربر را با پرسش‌های متوالی به چالش می‌کشد و او را وادار می‌کند تا خودش به پاسخ برسد. این رویکرد شباهت زیادی به پلتفرم آموزشی LearnLM گوگل دارد و به نظر می‌رسد تلاشی از سوی OpenAI برای تغییر نقش ChatGPT از یک ابزار کمکی به یک معلم خصوصی هوشمند است.


#ChatGPT #هوش_مصنوعی #آموزش #OpenAI #یادگیری

ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی:
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir

‌

🔵 نکته برنامه نویسی



بریم سراغ CQRS (Command Query Responsibility Segregation) 📑



🎯 تعریف

در معماری‌های معمول، هم خواندن (Query) و هم نوشتن/تغییر (Command) داده‌ها از یک مدل/دیتابیس استفاده می‌کنن.
اما وقتی سیستم بزرگ میشه، این کار باعث شلوغی و افت کارایی میشه.

اینجاست که CQRS وارد میشه:

* Command → تغییر وضعیت (Create, Update, Delete).
* Query → فقط خواندن داده (Read).
هرکدوم می‌تونن مدل یا حتی دیتابیس جدا داشته باشن.



✅ چرا خوبه؟

* خواندن (Query) می‌تونه خیلی سریع و بهینه باشه (حتی کش شده).
* نوشتن (Command) می‌تونه امن‌تر و دقیق‌تر باشه (ولیدیشن کامل).
* مقیاس‌پذیری راحت‌تر: دیتابیس خواندن می‌تونه Replication بشه.



🐍 مثال ساده در Python

# Command Model (برای تغییر داده‌ها)
class UserCommandModel:
    def __init__(self):
        self.users = {}

    def create_user(self, user_id, name):
        self.users[user_id] = {"id": user_id, "name": name}
        return f"User {name} created ✅"

    def update_user(self, user_id, name):
        if user_id in self.users:
            self.users[user_id]["name"] = name
            return f"User {user_id} updated ✅"
        return "User not found ❌"


# Query Model (فقط برای خواندن)
class UserQueryModel:
    def __init__(self, command_model):
        self.command_model = command_model

    def get_user(self, user_id):
        return self.command_model.users.get(user_id, "Not found")

    def list_users(self):
        return list(self.command_model.users.values())


# استفاده
command = UserCommandModel()
query = UserQueryModel(command)

print(command.create_user(1, "Ali"))
print(command.create_user(2, "Sara"))
print(command.update_user(1, "Ali Reza"))

print(query.get_user(1))
print(query.list_users())

💡 مزایا:

* خواندن و نوشتن جدا میشن → طراحی ساده‌تر.
* برای سیستم‌های بزرگ مقیاس عالیه (مثلاً فروشگاه اینترنتی با میلیون‌ها کاربر).
* میشه برای Query از دیتابیس سبک (مثل Elasticsearch یا Redis) و برای Command از دیتابیس امن (مثل PostgreSQL) استفاده کرد.



ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

لطفا ما رو به دیگران هم معرفی کنید...

آدرس کانال اصلی :
https://t.me/Tu_24

آدرس وبسایت:
https://Tutorial24.ir