خیلی وقت پیش برای مشکلات دسترسی و تحریم و فیلتر یک پروژه روی گیتهاب معرفی کردم barryfar (عمر اون پست ازین کانال بیشتر بود) مشکلمم اینه که اعتماد ندارم جایی که اطلاعات کارت و ... ام رو داره ترافیکم رو هم داشته باشه.

حالا چندروز پیش دوستان گفتن پروژه رو از گیتهاب حذف کرده - احتمالا مجبورش کردن حذف کنه - ولی دمشگرم این همه مدت کار همه برنامه نویسها رو راه انداخت.

اومدم پروژه رو با پایتون بازنویسی کنم که دیدم ۳ نفر دیگه اینکار رو کردند خلاصه که شمارو با

Epodonios
آشنا میکنم - به امید اینکه یک سنگ بزرگ به اسم فیلترینگ از جلوی پاهاتون برداشته بشه در مسیر پیشرفت.

#موقت

چون خیلی بحث شد راجب جایگزین barry-far

یک تست انومات هم برای کانفیگهاش نوشتم - روی مخابرات - ایرانسل - همراه اول کانفیگهای زیر ۵۰۰ دیده میشه (به خوبی barry-far) هست.

لینک نظرسنجی
Link

اگر دوست داشتید شرکت کنید.
این نظرسنجی ایمیل شمارو هم نگه میداره؛ اگر قرار شد دوره‌ای برگذار بشه بین افرادی که شرکت کردند چندنفر بصورت تصادفی انتخاب خواهد شد که دوره رو ارزیابی کنند.

دوره برای این افراد رایگان خواهد بود.

نکته مهم : سوال "حوزه مورد علاقه" رو به دقت انتخاب کنید چون دوره که برگذار بشه (مثلاً ساختمان داده و الگوریتم)
برای گروه تست (رایگان) از افرادی انتخاب خواهم کرد که توی این نظرسنجی این مورد رو انتخاب کرده باشند.

نکته مهم دیگه: همه‌ی گزینه‌ها رو انتخاب نکنید، در اینصورت اصلا انتخاب نخواهید شد.
گزینه other برای دوره‌ای هست که شما پیشنهاد می‌دید، توضیح بدید.

پ.ن :
۱- دقیقاً مثل گروه تست fluent python با این تفاوت که بجای اینکه بگیم کی زودتر درخواست داده رندم انتخاب می‌کنیم.

۲- حداقل ۴۸ ساعت نظرسنجی باز هست؛ حداکثر مشخص نیست شاید ۴۸ ساعت شاید تا هفته بعدی.

نظرات رو خوندم
خیلی جالبه؛
و البته بدترین بخشش اینه که خیلی‌ها هزینه دوره ندارند (یعنی مبالغ پیشنهادی، حتی هزینه برق رو هم نمیده)
همزمان تعداد کمی مبالغ بالایی رو برای دوره خصوصی پیشنهاد دادند.


فقط یکنفر زده، دوره حضوری برگذار کنید (از دوره لایو و ویدئو خیری ندیده انگار)

بعد قیمت زده ساعتی ۱۵۰,۰۰۰ تومان؛ این پست برای ۳ سال پیش هست (دستمزد ساعتی خودم رو اون موقع گفتم: https://www.tgoop.com/pytens/944)


من اصلاً ازونایی که گفتند حتی امکان هزینه کردن ندارند ناراحت نیستم، ولی ساعتی ۱۵۰,۰۰۰ تومان پول اسنپ من رو هم نمیده بیام جلسه‌ای ۲ ساعت درس بدم و برگردم خونه.


فرم رو پر کنید، لطفاً و خواهشاً دقیق و درست جواب بدید اگر می‌خواید به نتیجه برسه
تا الان فقط ۱۷۵ نفر شرکت کردند.

بیشترین وقت و هزینه رو ضبط، ادیت و تمیز کردن ویدئو از من میگیره

چون بسیاری از مفاهیم رو حتی با todo-app هم میشه منتقل کرد (توی بکند)

توی آنالیز جوابها بیشترین حوزه مورد علاقه (گفتم با اولویت) مربوط به
Machine/Deep learning
هست؛ بعد پروژه واقعی و بعد بکندها

ولی مهمترین نکته‌اش می‌دونید چیه ؟
بیش از نصف کسانی که زدند Machine/Deep learning مورد علاقشون هست توی سوال پایتون چه خبر پایین‌تر از سطح متوسط هستند.

همینجا بگم من وقتی میگم Machine/Deep learning منظورم این نیست که بریم langchain, n8n, ... رو یاد بگیریم یا yolo رو از ultralytics برداریم و باهاش یک ابزاری رو بسازیم که اگر اون بود شما ML کار نیستید شما Software Engineer ایی هستید که یاد گرفتید با ابزارهای ML هم کار کنید.

مثل این میمونه فرانت دولوپر چون داره به بکند request میزنه و دیتا از دیتابیس براش آماده میاد بگه من Database Administrator هستم. لطفا حواستون به این مورد باشه.

درنهایت اگر یک همچین دوره‌ای قرار باشه برگذار بشه؛ از هر ۱۰ ساعت آموزش ۸ ساعت تئوری خواهد بود و ۲ ساعت پیاده‌سازی پایه‌ای فرمول‌های و مباحث تئوری و برای این مورد خیلی خیلی نیاز هست که شما Software Engineer باشید اول.

مثلا این مورد رو ببینید :
https://www.tgoop.com/pytens/1087

یا توی کنفرانس‌های قبلی صحبت شد (اینی که میگم برای 2018-2019 هست) با یک تیمی در چین کار میکردیم؛ برای اینکه سرعت شناسایی چهره بره بالاتر اونجا هم من همین کار رو کردم embedding تصاویر رو توی redis نگه میداشتم و فقط توی لحظه نیاز اختلاف تصاویر رو میگرفتم.
حتی چون تعداد کاربرها زیاد بود و این قضیه هم باز کند بود؛ بر اساس جنسیت - اینکه از کدوم دستگاه میاد و ... دیتابیس‌ها رو تفکیک کرده بودیم.


خلاصه برای AI اول باید Software Engineer خوبی باشید (میانبور نزنید که وقتتون هدر میره) - بازم به توییت Andrej Karpathy اشاره می‌کنم و استخدام Software Engineer برای موقعیت‌های هوش مصنوعی Tesla

فرم رو بستیم.
حدود ۳۵۰ نفر شرکت کردن؛ که از همگی ممنونم.

اما یک سری آمار جالب؛

حدود ۹۴٪ سن ۱۸ تا ۳۴ سال هستن
فقط ۱۱ نفر کاملاً مبتدی داشتیم
و فقط ۳ نفر؛ کاملاً پیشرفته
بیشترین دوره‌هایی که درخواست آموزش داشته:
1- ML/DL
2- Python (Real Projects)
3- DRF, Django
4- Fastapi / Async Python
البته بیش از ۳۰ مورد هم others داریم.

۷ نفر آموزش خصوصی و ۱۶ نفر حضوری رو ترجیح دادند
اما بیش از ۵۶٪ ویدئو طولانی مدنظرشون هست.


جدای از تمرین؛ ۴۷٪ گفتند که حداقل ۳ تا ۵ ساعت وقت می‌گذارند و ۲۷٪ هم ۵ تا ۱۰ ساعت رو انتخاب کردند.

جالبتر اینکه؛ ۳۷٪ هیچوقت بکند و وب کار نکردند.

چیزی که خیلی باعث تعجبم بود؛ ۵۱.۵٪ کاربر ویندوز هستند و ۴۳٪ لینوکس.
خیلی عجیبه که فکر می‌کردم بیش از ۹۰٪ مخاطب‌های کانال کاربر لینوکس هستند 🤔


راجب هزینه دوره و نظرات هم؛ همرو می‌خونم (قول میدم) و بعد تصمیم میگیریم.


یک تشکر ویژه هم از دوستانی که گفتند توانایی ادیت ویدئو‌ها رو دارند می‌کنم؛ اگر بتونیم توی زمان کم ویدئو ضبط و منتشر کنیم.
شخصاً بسیار خوشحال می‌شم آموزش‌ها هدفمند باشه و رایگان (بخصوص بعد از خواندن بعضی کامنت های صادقانه شما)

اگر ایده‌ای برای آموزش دارید هم خوشحال میشم بشنوم (لطفاً کوتاه و مختصر به ویژگی‌های مهم اشاره کنید؛ توییتر رو باهم بسازیم و این مباحث هم نباشه، تمرکز باید روی مفاهیم اصلی باشه که خیلی ساده بشه مفاهیم مهم رو آموزش داد.)

یک agent سریع زدم (بیش از ۳۰ نفر)
آموزش پایه پایتون رو همزمان با ML/DL انتخاب کردند.

دوستان من واقعاً نمی‌خوام به کسی رویا بفروشم؛ اینجا هم پکیج فروشی نیست.

نکنید با خودتون اینکار رو؛ حداقل پایتون رو ۶-۷ ماه بخونید و تمرین کنید بعد وارد دنیای ML بشید بخصوص اگر بعدش دنبال کار هستید.

#موقت
دوستان فرم بسته شده؛ لطفاً درخواست دسترسی ندید.

الان تو فاز آنالیز هستیم 😁
تعداد درخواستای دسترسی داره زیاد میشه

کانال ایشون رو سابسکرایب دارید دیگه ؟

Build AiAgent with Python, Django, LangGraph and Permit

نگاه به سادگی پروژه ها نکنید - مفاهیم رو یاد بگیرید.

داشتم یک کدی رو امروز روش کار میکردم؛ که یک سری کانفیگ از یوزر میگیره اما اگر وجود نداشت یک سری دیفالت رو بجاش استفاده می‌کنه و تمام این تنظیمات dictionary هستند.

مشکل بعدیش این بود که تنظیمات دیفالت هم خودش توسط یگ یوزر دیگه تعریف میشه و لزوما تنظیمات صفر ابزار ما نیست.

بطور خلاصه ما یک dict داریم که خودش یک سری تنظیمات داره؛ ولی ممکنه یک بخش‌هایی رو یک نفر بخواد تغییر بده پس باید overwrite بشه! ولی اجازه overwrite نداریم چون ممکنه کاربر نهایی تنظیماتش رو بخواد reset کنه ولی این وسط ممکنه تنظیمات از طریق مشتری‌های میانی به دست کاربر نهایی رسیده باشه و مشتری میانی نخواد کاربر رو مستقیم به ما وصل کنه (مطمئن باشه ما دورش نمیزنیم ولی خودش هم برنامه‌نویس نیست که سایت و ابزار‌های خودش رو توسعه بده)

خلاصه که ممکنه چیزی که نهایتا به مشتری آخر میرسه اینطوری باشه :
default -> default -> default -> ....... -> default
و بعد مشتری نهایی سیستم اون رو برای خودش شخصی‌سازی کنه.

کلی راهکار پیشنهاد شد؛ یکباره یاد ChainMap توی پایتون افتادم اول رفتم یک تست گرفتم مطمئن بشم به محدودیت‌های بیزینس نمیخوریم بعد کد رو دادیم رفت بالا (شد بهترین راهکار) چون خودم اصلا یادم نبود که ChainMap همچین کاربردی داشته باشم گفتم با شما هم به اشتراک بذارم.

اگر یکی از مقادیر توسط مشتری‌ها تعریف نشده باشه؛ در اونصورت از دیکشنری default خونده میشه.

یکی از پروژه‌ها رو جابجا کردیم و اینطوری شد که:

بجای docker از podman استفاده بشه
بجای docker swarm, docker stack, ... هم از k8s استفاده بشه
ی مقدار قبلتر هم که همگی روی ruff و mypy رفته بودیم و pre-commit رو اینطوری تنظیم کردیم.

دیگه یکی از هم تیمی‌ها پیشنهاد داد یعنی یه uv مون نشه ؟

که سوییچ کردیم روی این مورد (البته قبلش کلی تست زمان build, ... ازش گرفتیم) دیدیم علاوه بر اینکه تایم بیلد رو آورد پایین‌تر (حتی تو بیلدهای اپتیمایز خودم) کار کردن باهاش هم نسبت به ورژن‌های قبلی خیلی بهتر و راحت‌تر شده.

اگر شما هم میخواید تستش کنید؛ من دستورات مهمش رو میذارم برای شروع برید سراغش باقی موارد هم که داکیومنت خودش هست :

uv python list
لیست از تمام ورژن‌های پایتون قابل نصب رو نشون میده؛ cpython, pypy رو داره.
uv python install 3.11 3.12 3.13 3.14
تمام ورژن‌های پایتون که بهشون اشاره شده رو نصب می‌کنه (حدود ۳۰-۳۵ مگ هست هر کدوم) دیفالت cpython نصب میشه.

uv init <dir_name>
این دستور پوشه <dir_name> رو براتون میسازه به همراه git, python version, readme, main, pyproject

uv init <dir_name> --lib
اگر خواستید پکیج برای انتشار بنویسید.
uv init
اگر مثل ما پروژه از قبل با مثلا pip ایجاد شده و می‌خواید بیاید روی uv داخل پوشه پروژه اجراش کنید.
uv add dajngo
پکیج django رو می‌خوام به پروژه اضافه کنم؛ حتی اگر .venv نساخته باشید این دستور بصورت پیشفرض اینکار رو براتون می‌کنه؛ که اشتباها روی python سیستم چیزی نصب نکنید.

uv tree 
نمایش درختی معادل pip freeze هست.
uv run main.py
برای اجرا استفاده میشه (حتی اگر .venv رو پاک کرده باشید درجا ایجاد می‌کنه پکیج‌هارو نصب می‌کنه و بعد اجرا می‌کنه که اگر cache رو پاک نکرده باشید در حد میلی ثانیه زمان میبره)

uv venv --python 3.11.11
برای اینکه دقیقا از همین ورژن پایتون استفاده بشه (کلا توی همه کامندها می‌تونید از --python برای مشخص کردن ورژن دقیق استفاده کنید)
این دستور بهترین دستور برای بچه‌هایی هست که در زمینه AI تحقیق و کار می‌کنند.
uv sync
فقط .venv رو ایجاد و پکیج‌ها رو نصب می‌کنه (همه چیز آماده)
uv remove dajngo
برای حذف استفاده میشه.
uv add -r requirements.txt
جهت انتقال از pip به uv
uvx ruff 
جایگزین عالی برای pipx 
uv tool run ruff check
بدون اینکه ruff رو روی کل سیستم نصب کنید می‌تونید اجرا کنید
نکته این هست که  uvx , uv tool دستورات یکسان هست و دستور بالا اینو می‌گه که نیازی نیست ابزار رو روی کل سیستم نصب کنی می‌تونی درجا اجرا و استفاده کنی؛ pipx اینو نداره که خیلی هم کاربردی هست.
uv self update
در نهایت برای آپدیت خود uv ازش استفاده کنید.

برای پروژه‌های غیر docker و شخصی هم خیلی خوبه چون disk کمتری مصرف می‌کنه (دوستان AI میدونند توی هر پروژه ورژن متفاوت pytorch و ... داشتن چقدر جا میگیره) یا حتی یک ورژن یکسان رو هی روی venv جدا نصب کردن. که uv اینکارو نمی‌کنه و به همون نسخه‌ای که دارید symlink میزنه. (بصورت دیفالت hardlink میزنه؛ دوستان اشاره کردند)


الان تنها مورد کند پروژه‌ای که صحبتش شد mypy هست که خب منتظریم ببینیم ty وضعیتش به کجا خواهد رسید بخصوص اینکه LSP هم هست و یک تیر و دو نشان خواهد بود.

ty github

#موقت

این از صبح وصل هست؛

فقط کانفیگ کنید url test رو سمت cloudflare نفرستید کلا اونور بلاک شده و همرو غیرفعال نشون میده

درخواست‌هارو بفرستید سمت
https://youtube.com
یا
https://gemini.google.com

اگر urltest مثبت گرفتید که وصل هستید؛ مطمئن بشید اینترنت شما روی سایت‌های ایرانی جواب میده و البته سرعت دانلود نرمالی دارید.

تعجب کردید چطوری جنگنده‌های اسرائیلی به آسمان مشهد رسیدند ؟

من نکردم؛ چون آسمان بی‌صاحاب شد وقتی سپهبد #نادر_جهانبانی رو برای حفظ حریم هوایی به ناحق کشتید.

حتی موقعی که کشتیدش هم لباس خدمت به وطن رو از تنش در نیاورد ♥️💔

#ایران

وقتی این روزها رو پشت سر گذاشتیم جون مادرتون چندتا کار رو انجام بدید :

۱- از روسیه فاصله بگیرید؛ به جرم جاسوسی بگیرید هرکی که اسم روسیه رو آورد.
نه سوخو داریم
نه s300-s400
نه حمایت
فقط پول رو خرجش کردیم؛ کشوری که پاره شدیم گفتیم تو تاریخ همیشه نامرد بوده برای ما.

۲- مهاجرین غیرقانونی رو اخراج کنید؛ جرم انگاری سنگین بذارید برای ورود‌های غیرقانونی.
با خانواده اخراجشون کنید؛ اینکه فقط مرداشون رو اخراج کنید دوای درد نیست.

۳- تریبون رو از رائفی‌پورها بگیرید؛ بوالله که اگر این‌ها جاسوس نباشند دوست نیستند.
خریت این‌ها مملکت رو به این روز انداخت؛ نذاشتند با دنیا تعامل کنیم.
نذاشتند بخش نظامی تقویت بشه؛ انقدر که با جفنگیات خواستند جلوی بمب و موشک و ... رو بگیرند.
من هنوز هم باور ندارم که این‌ها انقدر احمق باشند؛ تنها موردی که به ذهنم میرسه جاسوس بودن هست.

نمی‌دونم چی بگم دیگه ...
به امید روزای روشن برای ایران عزیزم ♥️

#book

کتاب برای SQL جزو مواردی هست که خیلی خیلی سوال شده ولی چون خیبی وقت بود کتابی در این باره نخونده بودم پیشنهادی هم براش نمیدادم.
این مدت نشستم و یک مرور سریع روی این کتاب داشتم که بنظرم خیلی خیلی شروع خوب و قوی داره.

برای دوستانی که سوال کردند.


داکر هم خیلی پرسیده شده؛
Docker in a month of lunches

بنظرم یکی از بهترین کتاب‌ها هست. (می‌دونم قدیمی شده ولی هنوز جزو بهترین‌ها هست؛ تغییرات دستورات رو با chatgpt آپدیت کنید ولی مفاهیم رو فوق‌العاده توضیح میده.)

103Mb
دانلود کردم؛ 40 فاکینگ دقیقه طول کشید. (بدون vpn)

لعنت بهتون

هنوز مقامات ج.ا هیچ صحبتی نکردند.

مارکو روبیو و ... هم این پیام رو تأیید کردند.

#تجربه
ساختمان داده و الگوریتم؛

بیشترین سوالی که همیشه از من می‌شه؛ چقدر باید
Data structure, Algorithm
بلد باشم و یا چندتا leetcode باید حل کنم ؟

اول سوال دوم رو جواب میدم؛ تعداد leetcode هیچ ربطی به سواد الگوریتم شما نداره و ۲ نوع آدم leetcode زیادی حل می‌کنند :

۱- چالش‌های لیت‌کد براشون تفریح هست و توی اوقات فراغت ترجیح میدند اینکار رو انجام بدند.

۲- درک درست از algorithm, data structure پیدا نکردند و در تلاش هستند برای حفظ کردن پترن (که اصلاً هم کار بدی نیست)

مسئله اینه که درواقعیت
Data structure, Algorithm
خیلی شبیه به شطرنج می‌مونه؛ افراد خیلی خیلی کمی توی دنیا وجود دارند که الگوی جدیدی رو بنام خودشون ثبت می‌کنند اما باقی افراد فقط پترن‌های پرتکرار رو تمرین و حفظ می‌کنند.

نمی‌دونم تا حالا به اپلیکیشن‌های آموزش شطرنج سر زدید یا نه؛ توی تمام موارد تلاش می‌کنه با تکرار بسیار انواع الگو‌ها رو بهتون آموزش بده، به محض اینکه شما توی مسابقه اون الگو رو ببینید راهکارش رو از حافظه واکشی می‌کنید.

اما یک راهکار بهتر هم هست؛ که ۹۹٪ اپلیکیشن‌ها به شما نمی‌گه (پول توی این هست که شما زمان طولانی‌تری برای یادگیری صرف کنید) راهکار بهتر چیه ؟
اول توضیح هدف:

برای یک شروع موفق توی بازی شطرنج شما باید سوار بر وسط زمین باشی و کنترل وسط زمین رو به دست بگیری

همین توضیح نیاز شما به انجام ۲۰۰ تا تمرین رو به ۱۰ میرسونه.

زمانی که خصوصی برای مصاحبه آموزش میدادم (چندین سال قبل) همیشه بعد از بررسی هر
Data Structure
به افراد یاد میدادم با خوندن سوال اون‌ها رو دسته بندی کنند؛ تمرین بین جلسات هم همین بود.
مثلاً اگر آرایه‌ها رو بررسی کردیم؛ سوالات مربوط به آرایه‌ها رو پیدا کنند، و ۱۰۰ مورد رو بررسی و دسته‌بندی کنند شاید ۴-۵ دسته می‌شدند.

بعد از بررسی الگوریتم‌های مهم آرایه‌ها؛ فقط کافی بود از هر دسته ۱ سوال یا نهایتاً ۲ سوال رو حل کنند.

و اینطوری با تعداد خیلی کمتری حل leetcode به موفقیت می‌رسیدند (معمولاً کمتر از ۳ ماه وقت داشتند)


اما سوال اول؛
چقدر
Data Structure, Algorithm
باید بلد باشیم ؟

برای مصاحبه همه‌ی موارد رو باید بشناسید؛ اما مثلاً برای مصاحبه جونیور هیچوقت از شما red black tree پرسیده نمی‌شه یا مثلاً شاید حتی Trie پس بسته به سطح مصاحبه روی مباحث مختلف وقتتون رو تنظیم کنید.

اما توی کار چطور ؟
خیلی بستگی به نوع کار شما داره؛ مثلاً اگر توسعه دهنده دیتابیس باشید حتماً باید B-tree و انواع موارد بهبود یافته اون رو حتی بهتر از array بشناسید.

اما اگر نه؛ ممکنه هیچوقت بهش نیاز نداشته باشید.
توی ۳ سال اخیر برای من فقط یکبار از Trie لازم شده استفاده کردم، اونم برای پردازش string


پس؛ سعی کنید پترن‌ رو یاد بگیرید بدون اینکه مسئله حل کنید. توی لیت‌کد باید سوالاتی که بنظرتون تکنیک حل یکسان داره رو شناسایی کنید و کنار هم قرار بدید.
تمرکز رو روی مباحثی بذارید که بیشتر به سطح شما میخوره و باقی مباحث رو فقط یکبار بخونید که باهاش آشنا باشید.
شغلی که براش اپلای می‌کنید رو بررسی کنید و الگوریتم و ساختمان داده‌های مهم توی اون کار رو به خوبی هرچه تمام‌تر یاد بگیرید.

توی دوره‌های خصوصی بنده برای مصاحبه‌ گوگل، آمازون و متا و ....
دقیقاً این کاری بود که با بچه‌ها انجام می‌دادم و این تکنیکی هست که خودم برای یادگیری استفاده کردم؛ حل تعداد زیادی لیت‌کد روش مورد علاقه من نیست.

هیچ علاقه‌ای به دوره خصوصی برگذار کردن ندارم دیگه.