Audio
صوت جلسه 20
مواردی که خارج از کتاب بهشون اشاره شد در جلسه.
- یادگیری عمیق تر الگوریتم هایی مثل rTree
- اهمیت یادگیری edge computing برای توسعه صحیح نیازمندی cache
مواردی که خارج از کتاب بهشون اشاره شد در جلسه.
- یادگیری عمیق تر الگوریتم هایی مثل rTree
- اهمیت یادگیری edge computing برای توسعه صحیح نیازمندی cache
Forwarded from اخبار تحلیلی :: جام جمشید
♦️آلوده‌ترین سایت هسته‌ای ایالات متحده به بزرگترین مزرعه خورشیدی تبدیل می‌شود
Most Contaminated U.S. Nuclear Site Is Set to Be the Largest Solar Farm
Keith Schneider
#NYTIMES
خلاصه متن:
برنامه‌هایی برای تبدیل سایت هسته‌ای هنفورد، که به عنوان آلوده‌ترین سایت هسته‌ای ایالات متحده شناخته می‌شود، به بزرگترین مزرعه خورشیدی کشور در حال پیشرفت است. این پروژه پس از سال‌ها پاکسازی زباله‌های رادیواکتیو و شیمیایی در این تأسیسات، به رهبری شرکت هکات در حال اجراست. این شرکت به ۱۰۳۰۰ هکتار زمین دسترسی خواهد داشت و انتظار می‌رود که در سال ۲۰۳۰ پروژه به اتمام برسد و حدود ۲۰۰۰ مگاوات برق تولید کند. این مقدار تقریباً معادل تأمین برق تمام خانه‌های سیاتل، سانفرانسیسکو و دنور است. با این حال، ابهامات سیاسی و اقتصادی در مورد حمایت دولت از این پروژه وجود دارد، به ویژه در دوران ریاست‌جمهوری ترامپ که به دنبال رهاسازی تولید نفت و گاز بود. کارشناسان بر این باورند که این پروژه می‌تواند به اشتغال‌زایی و تأمین انرژی پاک برای منطقه کمک کند، اما خطرات ناشی از آلودگی‌های گذشته نیز باید در نظر گرفته شود. هکات به دنبال استفاده مجدد از زمین‌های هنفورد است و در عین حال، نیازهای انرژی منطقه را نیز مورد توجه قرار داده است. در نهایت، این طرح می‌تواند به عنوان یک الگوی موفق برای تبدیل سایت‌های آلوده به منابع انرژی تجدیدپذیر در آینده مورد استفاده قرار گیرد.
متن کامل فارسی:
https://jjs.pub/4558
#هنفورد #سایت_هسته‌ای #مزرعه_خورشیدی #انرژی_تجدیدپذیر #انرژی_پاک
دسته بندی
[#Technology] [#Government] [#Innovation]
[#فناوری] [#دولت] [#نوآوری]
DANESHAGAHI NEWS
Cup Of Jamshid
FULLY AUTOMATED BY AI AGENT
2024-2025
@daneshagahi_coj
Most Contaminated U.S. Nuclear Site Is Set to Be the Largest Solar Farm
Keith Schneider
#NYTIMES
خلاصه متن:
برنامه‌هایی برای تبدیل سایت هسته‌ای هنفورد، که به عنوان آلوده‌ترین سایت هسته‌ای ایالات متحده شناخته می‌شود، به بزرگترین مزرعه خورشیدی کشور در حال پیشرفت است. این پروژه پس از سال‌ها پاکسازی زباله‌های رادیواکتیو و شیمیایی در این تأسیسات، به رهبری شرکت هکات در حال اجراست. این شرکت به ۱۰۳۰۰ هکتار زمین دسترسی خواهد داشت و انتظار می‌رود که در سال ۲۰۳۰ پروژه به اتمام برسد و حدود ۲۰۰۰ مگاوات برق تولید کند. این مقدار تقریباً معادل تأمین برق تمام خانه‌های سیاتل، سانفرانسیسکو و دنور است. با این حال، ابهامات سیاسی و اقتصادی در مورد حمایت دولت از این پروژه وجود دارد، به ویژه در دوران ریاست‌جمهوری ترامپ که به دنبال رهاسازی تولید نفت و گاز بود. کارشناسان بر این باورند که این پروژه می‌تواند به اشتغال‌زایی و تأمین انرژی پاک برای منطقه کمک کند، اما خطرات ناشی از آلودگی‌های گذشته نیز باید در نظر گرفته شود. هکات به دنبال استفاده مجدد از زمین‌های هنفورد است و در عین حال، نیازهای انرژی منطقه را نیز مورد توجه قرار داده است. در نهایت، این طرح می‌تواند به عنوان یک الگوی موفق برای تبدیل سایت‌های آلوده به منابع انرژی تجدیدپذیر در آینده مورد استفاده قرار گیرد.
متن کامل فارسی:
https://jjs.pub/4558
#هنفورد #سایت_هسته‌ای #مزرعه_خورشیدی #انرژی_تجدیدپذیر #انرژی_پاک
دسته بندی
[#Technology] [#Government] [#Innovation]
[#فناوری] [#دولت] [#نوآوری]
DANESHAGAHI NEWS
Cup Of Jamshid
FULLY AUTOMATED BY AI AGENT
2024-2025
@daneshagahi_coj
jjs.pub
آلوده‌ترین سایت هسته‌ای ایالات متحده به بزرگترین مزرعه خورشیدی تبدیل می‌شود
برنامه‌هایی برای تبدیل هنفورد، یک سایت هسته‌ای سابق، به بزرگترین مزرعه خورشیدی در ایالات متحده.
Forwarded from اخبار تحلیلی :: جام جمشید
♦️یک شغل جانبی رو به رشد برای فارغ التحصیلان کالج آمریکایی: اصلاح پاسخ های اشتباه هوش مصنوعی
A Growing Side Hustle For American College Grads: Fixing AI’s Wrong Answers
Richard Nieva
2025-03-06
#FORBES
خلاصه متن:
با پیچیده‌تر شدن مدل‌های هوش مصنوعی، وظایف مربوط به آموزش این سیستم‌ها نیز به چالش‌های بیشتری تبدیل شده است. شرکت Scale AI، با سرمایه‌گذاری 14 میلیارد دلار، به دنبال نیروی کار مستقر در ایالات متحده است. در این راستا، کارگران فریلنسر در پلتفرم Outlier برای ارزیابی و اصلاح پاسخ‌های هوش مصنوعی کار می‌کنند. به عنوان مثال، اسکات اونیل، یک فروشنده لوازم لوله‌کشی، ساعات زیادی را صرف رتبه‌بندی پاسخ‌های مدل‌های هوش مصنوعی می‌کند و درآمدی بین 300 تا 1000 دلار در هفته کسب می‌کند. این شرکت با هدف استخدام کارگران تحصیل‌کرده، به 87 درصد از کارگران خود که دارای مدرک دانشگاهی هستند، متکی است. همچنین، Scale به دنبال تقویت موقعیت ایالات متحده در زمینه هوش مصنوعی است و به جای برون‌سپاری، بر استخدام کارگران آمریکایی تمرکز دارد. با این حال، این شرکت با انتقادات و شکایات متعددی در زمینه شرایط کاری و سلامت روان کارگران مواجه شده است. پیمانکاران ادعا کرده‌اند که با محتوای آزاردهنده مواجه می‌شوند و از عدم حمایت کافی در زمینه سلامت روان رنج می‌برند. در پاسخ به این انتقادات، Scale به بهبود سیستم پرداخت و شفاف‌سازی نرخ‌ها اشاره کرده است. در نهایت، با وجود چالش‌ها، این شرکت به رشد خود ادامه می‌دهد و به دنبال شکل‌دهی به آینده هوش مصنوعی است.
متن کامل فارسی:
https://jjs.pub/4738
#Scale_AI #Outlier #هوش_مصنوعی #حاشیه_نویسی_داده #اقتصاد_گیگ
دسته بندی
[#AI] [#Technology] [#Business]
[#هوش_مصنوعی] [#فناوری] [#کسب_و_کار]
DANESHAGAHI NEWS
Cup Of Jamshid
FULLY AUTOMATED BY AI AGENT
2024-2025
@daneshagahi_coj
A Growing Side Hustle For American College Grads: Fixing AI’s Wrong Answers
Richard Nieva
2025-03-06
#FORBES
خلاصه متن:
با پیچیده‌تر شدن مدل‌های هوش مصنوعی، وظایف مربوط به آموزش این سیستم‌ها نیز به چالش‌های بیشتری تبدیل شده است. شرکت Scale AI، با سرمایه‌گذاری 14 میلیارد دلار، به دنبال نیروی کار مستقر در ایالات متحده است. در این راستا، کارگران فریلنسر در پلتفرم Outlier برای ارزیابی و اصلاح پاسخ‌های هوش مصنوعی کار می‌کنند. به عنوان مثال، اسکات اونیل، یک فروشنده لوازم لوله‌کشی، ساعات زیادی را صرف رتبه‌بندی پاسخ‌های مدل‌های هوش مصنوعی می‌کند و درآمدی بین 300 تا 1000 دلار در هفته کسب می‌کند. این شرکت با هدف استخدام کارگران تحصیل‌کرده، به 87 درصد از کارگران خود که دارای مدرک دانشگاهی هستند، متکی است. همچنین، Scale به دنبال تقویت موقعیت ایالات متحده در زمینه هوش مصنوعی است و به جای برون‌سپاری، بر استخدام کارگران آمریکایی تمرکز دارد. با این حال، این شرکت با انتقادات و شکایات متعددی در زمینه شرایط کاری و سلامت روان کارگران مواجه شده است. پیمانکاران ادعا کرده‌اند که با محتوای آزاردهنده مواجه می‌شوند و از عدم حمایت کافی در زمینه سلامت روان رنج می‌برند. در پاسخ به این انتقادات، Scale به بهبود سیستم پرداخت و شفاف‌سازی نرخ‌ها اشاره کرده است. در نهایت، با وجود چالش‌ها، این شرکت به رشد خود ادامه می‌دهد و به دنبال شکل‌دهی به آینده هوش مصنوعی است.
متن کامل فارسی:
https://jjs.pub/4738
#Scale_AI #Outlier #هوش_مصنوعی #حاشیه_نویسی_داده #اقتصاد_گیگ
دسته بندی
[#AI] [#Technology] [#Business]
[#هوش_مصنوعی] [#فناوری] [#کسب_و_کار]
DANESHAGAHI NEWS
Cup Of Jamshid
FULLY AUTOMATED BY AI AGENT
2024-2025
@daneshagahi_coj
Jam Jamshid
یک شغل جانبی رو به رشد برای فارغ التحصیلان کالج آمریکایی: اصلاح پاسخ های اشتباه هوش مصنوعی
با پیچیده تر شدن مدل های هوش مصنوعی، وظایفی که توسط انسان ها برای آموزش آنها انجام می شود نیز پیچیده تر می شود. این موضوع باعث شده است که Scale AI با 14 میلیارد دلار سرمایه، تمرکز جدیدی بر نیروی کار مستقر در ایالات متحده داشته باشد.
Forwarded from Software Philosophy
۱۰ برابر شدن سرعت TypeScript با پورت کامپایلر به GO
در این ویدئو Andres Hejlsberg (خالق تایپ‌اسکریپت و سی‌شارپ) توضیح می‌دهد که چگونه با پورت کردن کدهای کامپایلر TypeScript به GO، سرعت کامپایل را 10x بهتر کرده‌اند!
او همچنین توضیح می‌دهد که چرا زیرساخت JavaScript برای این کار مناسب نیست. در حقیقت این زبان بیشتر برای کارهای UI طراحی شده بوده و زیرساخت‌های لازم برای کارهای performance-intensive مانند این کار را ندارد.
برای من خیلی جالب بود خالق سی‌شارپ، زبان GO را برای این کار انتخاب کرده، پس مستندات مربوط به این تصمیم را خواندم.
https://github.com/microsoft/typescript-go/discussions/411
اولین نکته جالب این بود که چقدر بدون تعصب و با ذهن باز زبان‌های مختلف رو بررسی کردن.
با توجه به اینکه هر دو زبان C#, GO از لحاظ پرفورمنسی بسیار خوب هستند، یکی از مهم‌ترین دلایل انتخاب GO تشابه بسیار بالای سینتکس آن با TypeScript بوده است.
کامپایلر قبلی تایپ‌اسکریپت، با خود تایپ‌اسکریپت نوشته شده و تیم نمی‌خواستند که کل آن را بازنویسی کنند.
در حقیقت هدف rewrite کردن نبوده، بلکه port کردن بوده.
آنها دنبال پورت کردن آن به یک زبان با پرفورمنس بالا بودند که تشابه سینتکسی بالایی داشته باشد تا عملیات پورت بتواند راحت‌تر انجام شود.
از بین زبان‌های C#, GO و Rust، زبان گو تشابه سینتکسی بیشتری با تایپ‌اسکریپت داشته و در نهایت انتخاب شده.
به نظرم نحوه انتخاب زبان برای این کار توسط خالق سی‌شارپ و تایپ‌اسکریپ، درس‌های تکنیکال و بیزسنی زیادی برای یاد گرفتن داره. نظر شما چیه؟
https://www.youtube.com/watch?v=pNlq-EVld70
#مهران_داودی (لینکدین - بلاگ)
⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید.
کانال تلگرام:
@SoftwarePhilosophy
______
در این ویدئو Andres Hejlsberg (خالق تایپ‌اسکریپت و سی‌شارپ) توضیح می‌دهد که چگونه با پورت کردن کدهای کامپایلر TypeScript به GO، سرعت کامپایل را 10x بهتر کرده‌اند!
او همچنین توضیح می‌دهد که چرا زیرساخت JavaScript برای این کار مناسب نیست. در حقیقت این زبان بیشتر برای کارهای UI طراحی شده بوده و زیرساخت‌های لازم برای کارهای performance-intensive مانند این کار را ندارد.
برای من خیلی جالب بود خالق سی‌شارپ، زبان GO را برای این کار انتخاب کرده، پس مستندات مربوط به این تصمیم را خواندم.
https://github.com/microsoft/typescript-go/discussions/411
اولین نکته جالب این بود که چقدر بدون تعصب و با ذهن باز زبان‌های مختلف رو بررسی کردن.
با توجه به اینکه هر دو زبان C#, GO از لحاظ پرفورمنسی بسیار خوب هستند، یکی از مهم‌ترین دلایل انتخاب GO تشابه بسیار بالای سینتکس آن با TypeScript بوده است.
کامپایلر قبلی تایپ‌اسکریپت، با خود تایپ‌اسکریپت نوشته شده و تیم نمی‌خواستند که کل آن را بازنویسی کنند.
در حقیقت هدف rewrite کردن نبوده، بلکه port کردن بوده.
آنها دنبال پورت کردن آن به یک زبان با پرفورمنس بالا بودند که تشابه سینتکسی بالایی داشته باشد تا عملیات پورت بتواند راحت‌تر انجام شود.
از بین زبان‌های C#, GO و Rust، زبان گو تشابه سینتکسی بیشتری با تایپ‌اسکریپت داشته و در نهایت انتخاب شده.
به نظرم نحوه انتخاب زبان برای این کار توسط خالق سی‌شارپ و تایپ‌اسکریپ، درس‌های تکنیکال و بیزسنی زیادی برای یاد گرفتن داره. نظر شما چیه؟
https://www.youtube.com/watch?v=pNlq-EVld70
#مهران_داودی (لینکدین - بلاگ)
⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید.
کانال تلگرام:
@SoftwarePhilosophy
______
GitHub
Why Go? · microsoft typescript-go · Discussion #411
Language choice is always a hot topic! We extensively evaluated many language options, both recently and in prior investigations. We also considered hybrid approaches where certain components could...
Forwarded from DevTwitter | توییت برنامه نویسی
#کوته_نیوز
مدیرعامل آنتروپیک(Claude):
هوش مصنوعی تا یکسال آینده درِ برنامه‌نویس‌ها میذاره و میفرستتشون باغبونی.
@DevTwitter
مدیرعامل آنتروپیک(Claude):
هوش مصنوعی تا یکسال آینده درِ برنامه‌نویس‌ها میذاره و میفرستتشون باغبونی.
@DevTwitter
خرسِ برنامه نویس
#کوته_نیوز مدیرعامل آنتروپیک(Claude): هوش مصنوعی تا یکسال آینده درِ برنامه‌نویس‌ها میذاره و میفرستتشون باغبونی. @DevTwitter
کنتور که نمیندازه، منم به نظرم تا یه سال دیگه ربات ها قیام میکنن، نسل بشریت کارش تموم میشه!
Forwarded from Delpak Log
Please open Telegram to view this post
VIEW IN TELEGRAM
Audio
صوت جلسه 21
جلسه به شدت جذابی بود، البته همه جلسات جذابیت زیادی داره ولی این یکی بدلیل موضوع به شدت چالش برانگیزش، جذاب تر شد.
مواردی که خارج از کتاب بهشون اشاره شد در جلسه.
- دقت به بررسی معنایی خود عبارات Online transaction processing (OLTP) و online analytical processing (OLAP) و ایجاد مدل ذهنی صحیح از این کلمات و دقت به این موضوع که هر دو عبارت تقسیم های حوزه ابزار هستند و در علوم کامپیوتر جایگاهی ندارند همانند دیگر کلمات حوزه ابزار مثل Cloud
- اشاره به تفاوت دو کلمه Analytics و ANALYSIS که اینجا هم بهشون قبلا پرداختیم. هر چند در جلسه من به اشتباه تعریف دو کلمه را جابجا نسبت به قبلا گفتم که همینجا باید بگم دوستان دقت کنند، هر چند در انتها به توافق با بهنیا عزیز هم نرسیدیم که دقیقا این مرز را قائل بشیم یا نه، هر چند در وجود دو نیازمندی #داده_اکتشافی گذشته نگر و آینده نگر قطعا اتفاق نظر داریم.
جلسه به شدت جذابی بود، البته همه جلسات جذابیت زیادی داره ولی این یکی بدلیل موضوع به شدت چالش برانگیزش، جذاب تر شد.
مواردی که خارج از کتاب بهشون اشاره شد در جلسه.
- دقت به بررسی معنایی خود عبارات Online transaction processing (OLTP) و online analytical processing (OLAP) و ایجاد مدل ذهنی صحیح از این کلمات و دقت به این موضوع که هر دو عبارت تقسیم های حوزه ابزار هستند و در علوم کامپیوتر جایگاهی ندارند همانند دیگر کلمات حوزه ابزار مثل Cloud
- اشاره به تفاوت دو کلمه Analytics و ANALYSIS که اینجا هم بهشون قبلا پرداختیم. هر چند در جلسه من به اشتباه تعریف دو کلمه را جابجا نسبت به قبلا گفتم که همینجا باید بگم دوستان دقت کنند، هر چند در انتها به توافق با بهنیا عزیز هم نرسیدیم که دقیقا این مرز را قائل بشیم یا نه، هر چند در وجود دو نیازمندی #داده_اکتشافی گذشته نگر و آینده نگر قطعا اتفاق نظر داریم.
Forwarded from امین رشیدبیگی | مهندسی نرم‌افزار
ابزار مدیریت محصول Linear که یکی از استارت‌آپ‌های خیلی موفق چند سال گذشته است، به خاطر نگاه متفاوتی که به روند توسعهٔ محصولشون داشتن در کامیونیتی‌های پروداکت و UX خیلی ازش صحبت میشه. اونا تونستن که محصول خیلی باکیفیتی ارائه بدن و خیلی‌ها معتقدن از رقیب‌های بزرگشون مثل Jira و Clickup تجربهٔ کاربری بهتری ارائه می‌دن.
یک محصول خوب با پشتیبانی یک تیم مهندسی خوب ساخته میشه. Sabin Roman که Engineer Manager و Hiring Manager این شرکته، اخیراً مصاحبهٔ خیلی خوبی با Gergley Orosz داشته. هر دوی این افراد در گذشته در Uber با هم همکار بودن و به همین دلیل مقایسه‌های جالبی بین شرکت بزرگی مثل Uber و استارت‌آپ نسبتاً جدیدی و کوچکی مثل Linear شکل می‌گیره.
نکاتی در مورد فرهنگ شرکت Linear که برام جالب بود:
- شرکتشون کاملاً ریموته و بر روی این اصل پافشاری میکنن. مصاحبه‌کننده بر این باوره که remote first بودن مزایای زیادی رو به شرکت اضافه می‌کنه، حتی با وجود این که سربار بیشتری برای مدیرهای شرکت داره.
- حل یک باگ همواره براشون اولویت بالاتری از توسعهٔ محصول داره و همهٔ اعضای تیم موظفن که در زودترین زمان ممکن باگ رو رفع کنن و برای این مسئله فرآیند مشخصی دارن.
- مهندس‌هاشون ارتباط مستقیم و بدون واسطه‌ای با مشتری‌ها دارن و حرف‌هاشون رو می‌شنون و مشکلات محصول رو می‌بینن.
ویدیو رو می‌تونید از این لینک ببینید.
@aminrbg
یک محصول خوب با پشتیبانی یک تیم مهندسی خوب ساخته میشه. Sabin Roman که Engineer Manager و Hiring Manager این شرکته، اخیراً مصاحبهٔ خیلی خوبی با Gergley Orosz داشته. هر دوی این افراد در گذشته در Uber با هم همکار بودن و به همین دلیل مقایسه‌های جالبی بین شرکت بزرگی مثل Uber و استارت‌آپ نسبتاً جدیدی و کوچکی مثل Linear شکل می‌گیره.
نکاتی در مورد فرهنگ شرکت Linear که برام جالب بود:
- شرکتشون کاملاً ریموته و بر روی این اصل پافشاری میکنن. مصاحبه‌کننده بر این باوره که remote first بودن مزایای زیادی رو به شرکت اضافه می‌کنه، حتی با وجود این که سربار بیشتری برای مدیرهای شرکت داره.
- حل یک باگ همواره براشون اولویت بالاتری از توسعهٔ محصول داره و همهٔ اعضای تیم موظفن که در زودترین زمان ممکن باگ رو رفع کنن و برای این مسئله فرآیند مشخصی دارن.
- مهندس‌هاشون ارتباط مستقیم و بدون واسطه‌ای با مشتری‌ها دارن و حرف‌هاشون رو می‌شنون و مشکلات محصول رو می‌بینن.
ویدیو رو می‌تونید از این لینک ببینید.
@aminrbg
YouTube
Linear: move fast with little process (with first Engineering Manager Sabin Roman)
Linear is a small startup with a big impact: 10,000+ companies use their project and issue-tracking system, including 66% of Forbes Top 50 AI companies. Founded in 2019, the company raised $52M in funding and is profitable, and full-remote. How did they…
خرسِ برنامه نویس
ابزار مدیریت محصول Linear که یکی از استارت‌آپ‌های خیلی موفق چند سال گذشته است، به خاطر نگاه متفاوتی که به روند توسعهٔ محصولشون داشتن در کامیونیتی‌های پروداکت و UX خیلی ازش صحبت میشه. اونا تونستن که محصول خیلی باکیفیتی ارائه بدن و خیلی‌ها معتقدن از رقیب‌های…
به نظرم Linear برای مدیریت روال های توسعه نرم افزار خیلی خارق العادس، به نظرم فیچر های خیلی خوبی داره مثل نگهداری Issue ها به صورت دوطرفه هم داخل گیتهاب و هم داخل Linear.
من توی مایگریشنم از Notion به Linear خیلی خوشحالم.
حالا میخوام یه ترکیب برنده رو بگم برای تیم های ریموت کوچیک.
Linear + Slack + WorkWeave + Github
Linear: Task management
Slack: Team comunication
WorkWeave: Team Performance Measurment
Github: Issue management, Code management.
من توی مایگریشنم از Notion به Linear خیلی خوشحالم.
حالا میخوام یه ترکیب برنده رو بگم برای تیم های ریموت کوچیک.
Linear + Slack + WorkWeave + Github
Linear: Task management
Slack: Team comunication
WorkWeave: Team Performance Measurment
Github: Issue management, Code management.
Forwarded from thisisnabi.dev [Farsi]
جدای از 1 لایه و 2 لایه و 15 لایه، یا 6 ضلعی و 20 ضلعی و غیره، یا حتی کثیف و تمیز و تمیزتر،
معماری خوب، معماری هست که به مرور زمان نیاز به معمارش نداشته باشه.
معماری خوب، معماری هست که به مرور زمان نیاز به معمارش نداشته باشه.
خرسِ برنامه نویس
جدای از 1 لایه و 2 لایه و 15 لایه، یا 6 ضلعی و 20 ضلعی و غیره، یا حتی کثیف و تمیز و تمیزتر، معماری خوب، معماری هست که به مرور زمان نیاز به معمارش نداشته باشه.
این حرف نبی رو باید با الماس گرفت (طلا کمه)
Forwarded from CodeLodge
در این قسمت از سری پادکست‌های Code lodge، به بررسی عمیق نقش هوش مصنوعی در دنیای توسعه نرم‌افزار می‌پردازیم. در این گفتگو، همراه با دوست صمیمی‌مان، مسعود عزیز، به نقد جنبه‌های مختلف استفاده از AI در محیط‌های دولوپمنت می‌پردازیم؛ از جمله مباحث پیرامون نگرانی‌های مرتبط با اتوماسیون بیش از حد و جایگزینی نیروی انسانی و دست کم گیری نقش مهم مدل های زبانی در توسعه. هدف ما ارائه بینشی جامع از چالش‌ها و فرصت‌هایی است که هوش مصنوعی برای توسعه‌دهندگان به ارمغان می‌آورد و راهکارهایی برای حفظ کیفیت و خلاقیت در کار ارائه می‌دهد.
میزبانان شما:
بهنیا آزاد
مسعود بیگی
این ایپزود را می توانید از طریق لینک های زیر هم بشنوید :
- 🔗Spotify
- 🔗Amazon
- 🔗Castbox
-🔗Apple podcast
-🔗 Shenoto
#Codelodge
#Software
#AI
#LLM
#softwareDeveloper
#SoftwareEngineer
@codeLodge
میزبانان شما:
بهنیا آزاد
مسعود بیگی
این ایپزود را می توانید از طریق لینک های زیر هم بشنوید :
- 🔗Spotify
- 🔗Amazon
- 🔗Castbox
-🔗Apple podcast
-🔗 Shenoto
#Codelodge
#Software
#AI
#LLM
#softwareDeveloper
#SoftwareEngineer
@codeLodge
Software is becoming systems of software. Our thinking generates the concepts that we rely on when designing our systems. When our concepts work together in harmony, supporting a system’s purpose, they have integrity.
Without conceptual integrity, our software systems are built by “many good but independent and uncoordinated ideas.”
From Learning System Thinking Book
Without conceptual integrity, our software systems are built by “many good but independent and uncoordinated ideas.”
From Learning System Thinking Book