2. Peter Senge. The Fifth Discipline: The Art and Practice of the Learning Organization.


3. Jez Humble, Gene Kim, Patrick Debois. The DevOps Handbook.


4. Fuchs, Christian. Social Media: A Critical Introduction.


5. Niklas Luhmann. Social Systems.


#devops
https://www.tgoop.com/unixmens

چطور it صنعت زنبورداری و بحران کشاورزی را حل کرد .
بواسطه تحلیل داده ها
#case #study #it
@unixmens

The energy efficiency of data centers and high-performance systems is becoming increasingly important. Energy costs can make up a substantial portion of the operating expenditure (OPEX) budget, potentially serving as a critical factor in the success or failure of a business. This article breaks down the issue of energy efficiency in modern server platforms, presenting tools and an example methodology for measuring power consumption and performance. As a case study, we present measurement results from two server platforms with different CPU architectures. We will emphasize network performance (

via Red Hat Blog https://ift.tt/eAuXN0f

مفهوم Social Care یا مراقبت اجتماعی، یا تامین اجتماعی ، یکی از دستاوردهای بزرگ تمدن مدرن است. این نظام‌ها نه‌تنها برای حمایت از اقشار آسیب‌پذیر طراحی شده‌اند، بلکه بیانگر بلوغ اخلاقی و همبستگی درونی جوامع‌اند. در واقع، Social Care تجسم عملی اصل انسان‌محور بودن سیاست است؛ یعنی جامعه نمی‌تواند از اعضایش انتظار کار، تولید یا تعهد داشته باشد، بدون آنکه در برابر آسیب‌ها، پیری، بیماری یا ناتوانی، از آن‌ها حمایت کن

۱. ریشه‌های فلسفی Social Care

ریشه‌ی فلسفی این نظام را باید در دو بستر جست‌وجو کرد:

انسان‌گرایی مدرن (Humanism) که پس از رنسانس، کرامت و ارزش ذاتی انسان را در مرکز تفکر سیاسی و اخلاقی قرار داد.


اندیشه‌ی قرارداد اجتماعی (Social Contract) از متفکرانی مانند ژان ژاک روسو و توماس هابز، که معتقد بودند دولت در برابر امنیت و رفاه شهروندان مسئول است.



از این منظر، Social Care نتیجه‌ی «پیمان اخلاقی دولت با مردم» است؛ یعنی جامعه باید به شکلی سازمان‌یافته از اعضایش در برابر ریسک‌های زندگی محافظت کند.

آغاز تاریخی: از آلمان تا فرانسه

نخستین ساختار مدرن Social Care در قرن نوزدهم میلادی توسط اتو فون بیسمارک، صدراعظم آلمان، بنیان‌گذاری شد.
در دهه‌ی ۱۸۸۰، بیسمارک سه نوع بیمه اجتماعی ایجاد کرد:

بیمه درمانی (Health Insurance)

بیمه حوادث کار (Accident Insurance)

بیمه بازنشستگی (Old-Age Pension)


هدف او، علاوه بر رفاه اجتماعی، ایجاد ثبات سیاسی و جلوگیری از شورش‌های کارگری بود.
سپس این مدل به فرانسه و بریتانیا انتقال یافت و در قرن بیستم، به‌ویژه پس از جنگ جهانی دوم، با ایجاد دولت رفاه (Welfare State) گسترش یافت.

در فرانسه، Social Care بخشی از هویت جمهوری شد:

«همه‌ی شهروندان حق دارند در برابر فقر، بیماری و بی‌عدالتی حمایت شوند.»
این اصل در قانون اساسی جمهوری چهارم فرانسه (۱۹۴۶) گنجانده شد.

فلسفه‌ی وجودی Social Care

وSocial Care فراتر از یک سیاست مالی یا رفاهی است؛ این نظام، ستون اخلاقی جامعه‌ی مدرن است.
اهداف اصلی آن عبارتند از:

برابری فرصت‌ها: هیچ‌کس نباید صرفاً به‌دلیل فقر از آموزش، درمان یا زندگی شایسته محروم شود.

امنیت روانی و اجتماعی: شهروندی که احساس امنیت کند، بازدهی و تعهد بیشتری به جامعه دارد.

تقویت سرمایه اجتماعی: همبستگی، اعتماد و حس تعلق در جامعه تقویت می‌شود.

پیشگیری از بحران‌های اقتصادی و انسانی: هزینه‌های درمان، بیکاری یا جرم کاهش می‌یابد.


به زبان ساده، Social Care ابزار تمدن است برای تبدیل «جمعیت» به «جامعه».
تفاوت Social Care با مدل‌های سرمایه‌داری

در نظام‌های لیبرال‌سرمایه‌داری، مراقبت اجتماعی عمدتاً به بازار واگذار می‌شود.
شرکت‌ها بیمه‌های تکمیلی یا بسته‌های انگیزشی ارائه می‌دهند تا کارمندان خود را حفظ کنند.
اما در نظام‌های اجتماعی (مانند فرانسه، آلمان و کشورهای اسکاندیناوی)، مسئولیت اصلی بر عهده‌ی دولت است، نه شرکت‌ها.
دولت با استفاده از مالیات عمومی، خدمات پایه را تضمین می‌کند و شرکت‌ها فقط نقش مکمل دارند.

مفهوم Social Care در ایران

در ایران، نخستین جرقه‌ها در دهه‌ی ۱۳۲۰ با تأسیس بیمه کارگران و بعدها سازمان تأمین اجتماعی زده شد.
اما ساختار آن بیشتر بر الگوهای حقوقی فرانسه تکیه داشت تا فلسفه‌ی اجتماعی آن.
به‌همین دلیل، اجرای آن بیشتر «اداری» است تا «انسان‌محور».
در حالی که در فلسفه‌ی Social Care، هدف نهایی ارتقای کرامت انسانی است، نه صرفاً پرداخت مستمری یا بیمه درمانی.

چالش‌های امروز

در جهان امروز، Social Care با چالش‌های زیر مواجه است:

افزایش جمعیت سالمندان و هزینه‌های بازنشستگی

فشارهای مالی بر دولت‌ها

نابرابری دیجیتال و تغییر در الگوهای اشتغال

خصوصی‌سازی بی‌رویه خدمات اجتماعی


با این حال، اهمیت آن نه‌تنها کم نشده، بلکه در عصر هوش مصنوعی و اتوماسیون، بیش از هر زمان دیگر ضروری است

وSocial Care نماد بلوغ اخلاقی و تمدنی جامعه است.
جامعه‌ای که شهروندانش در برابر آسیب‌ها بی‌دفاع رها شوند، دیر یا زود فرو می‌پاشد.
اما جامعه‌ای که مفهوم مراقبت متقابل را نهادینه کند، نه‌تنها پایدار، بلکه انسانی‌تر خواهد بود.

به تعبیر زیبای «ویلیام بوریج» (پایه‌گذار نظام رفاه بریتانیا):

«جامعه‌ای متمدن است که در برابر فقر، بیماری، جهل، کثافت و بیکاری ایستادگی کند.»

تکامل Social Care از دولت رفاه تا عصر هوش مصنوعی

(تحلیل تطبیقی مدل‌های فرانسه، اسکاندیناوی و ایران)

مقدمه

در واقع Social Care در قرن بیستم به ستون فقرات دولت‌های مدرن تبدیل شد. اما ورود به قرن بیست‌و‌یکم، با فناوری، جهانی‌شدن و تحول بازار کار، این نظام را با پرسش‌های بنیادین روبه‌رو کرده است:
وقتی کار، هویت و درآمد دیگر به‌صورت سنتی معنا ندارند، مسئولیت دولت در حمایت از انسان چگونه باید بازتعریف شود؟


فرانسه – Social Care به‌مثابه "حق جمهوری"

در فرانسه، Social Care بخشی از ایدئولوژی جمهوری‌خواهی است.
مفهوم la solidarité sociale در بطن قانون اساسی و فرهنگ عمومی نهادینه شده است.

ویژگی‌های اصلی مدل فرانسوی:

تأمین اجتماعی از بدو تولد تا پایان عمر (universal coverage)

نظام مالیاتی تصاعدی برای بازتوزیع ثروت

استقلال صندوق‌های بیمه از دولت سیاسی

محوریت انسان به عنوان citoyen (شهروند دارای حق، نه مشتری)


فلسفه‌ی آن ریشه در میراث انقلاب فرانسه دارد:

آزادی، برابری، برادری — و برادری همان Social Solidarity است.



در این نگاه، رفاه اجتماعی نه لطف دولت بلکه حق اجتماعی است.


اسکاندیناوی – Social Care به‌مثابه "سرمایه‌گذاری انسانی"

کشورهای شمال اروپا (سوئد، نروژ، دانمارک، فنلاند) مدل خاص خود را دارند که به آن Nordic Model گفته می‌شود.

ویژگی‌های این مدل:

مالیات بسیار بالا، اما بازگشت گسترده در قالب خدمات اجتماعی

آموزش، درمان و مراقبت از سالمندان به‌طور کامل رایگان

مشارکت اجتماعی بالا و شفافیت اداری قوی

فلسفه‌ی «اعتماد اجتماعی» (Social Trust)


در این الگو، دولت رفاه نه هزینه، بلکه سرمایه‌گذاری روی انسان است.
در نتیجه، بهره‌وری ملی، رضایت اجتماعی و شاخص خوشبختی بسیار بالا هستند.

ایران – Social Care در میانه‌ی قانون و واقعیت

در ایران، ایده‌ی بیمه و تأمین اجتماعی از دهه‌ی ۱۳۲۰ وارد شد و در اصل ۲۹ قانون اساسی به‌صورت روشن آمده است:

«برخورداری از تأمین اجتماعی حقی است همگانی...»



اما در عمل، Social Care در ایران بیشتر شکل بوروکراتیک و پراکنده دارد تا فلسفی و انسان‌محور.
چالش‌های اصلی عبارتند از:

تمرکز بیش از حد بر ساختار اداری به‌جای فلسفه‌ی اجتماعی

وابستگی مالی شدید صندوق‌ها به دولت

عدم شفافیت و نبود سیاست یکپارچه‌ی رفاهی

فقدان نگاه توسعه‌ای به سرمایه انسانی


در نتیجه، آنچه در قانون «حق» محسوب می‌شود، در اجرا «خدمت اداری» تلقی می‌گردد که تفاوتی ماهوی با فلسفه‌ی اصلی Social Care دارد.


ورود به عصر دیجیتال و هوش مصنوعی – Social Care 4.0

اکنون وارد عصری شده‌ایم که کار، درآمد و هویت انسان در حال دگرگونی است.
در چنین شرایطی، Social Care باید دوباره معنا یابد.

تحولات کلیدی:

اتوماسیون و هوش مصنوعی مشاغل سنتی را حذف و مهارت‌های جدیدی را ایجاد می‌کند.

مفهوم Gig Economy (اقتصاد پاره‌وقت) ساختار بیمه و بازنشستگی را بی‌ثبات می‌کند.

داده و سلامت دیجیتال مفهوم جدیدی از مراقبت را تعریف کرده‌اند.


در این فضا، مدل‌های سنتی تأمین اجتماعی دیگر پاسخ‌گو نیستند.
پیشنهادهای نوین مانند:

Universal Basic Income (درآمد پایه همگانی)

Digital Social Rights (حقوق دیجیتال اجتماعی)

AI-driven Social Care Systems (نظام‌های اجتماعی هوش‌محور)


در حال تبدیل شدن به پارادایم جدیدی هستند که می‌توان آن را «Social Care 4.0» نامید.



آینده‌ی Social Care – بازگشت به فلسفه‌ی انسان‌گرایی

اگرچه فناوری بسیاری از کارکردهای دولت رفاه را تغییر داده، اما روح Social Care — یعنی حمایت، همبستگی و کرامت انسانی — باید حفظ شود.
در واقع، آینده‌ی Social Care نه در «بیشتر شدن داده‌ها»، بلکه در انسانی‌تر شدن سیاست‌ها نهفته است.

به قول «آمارتیاسن»، اقتصاددان برنده‌ی نوبل:

«توسعه یعنی گسترش آزادی‌های واقعی انسان‌ها.»
و Social Care، ابزار تحقق همین آزادی است.



نتیجه‌گیری

در واقع Social Care دیگر فقط درباره‌ی بیمه و بازنشستگی نیست؛ بلکه درباره‌ی بازتعریف رابطه‌ی دولت، فناوری و انسان است.
جهان آینده نیازمند سیستمی است که بتواند از انسان نه فقط به‌عنوان نیروی کار، بلکه به‌عنوان موجودی آگاه، خلاق و دارای کرامت حفاظت کند.


#social #care

📌 یک شاهکار برای علاقه مندان به مبحث امنیت در لینوکس:
✨ OpenSCAP ✨

این نرم افزار از پروتکل SCAP یا Security Content Automation Protocol استفاده می کند که برای ممیزی امنیت سیستم بکار می رود. این پروژه ابزارهایی را فراهم می کند تا شما بتوانید بصورت آزاد، هر پلتفرمی را به منظور اهداف امنیتی به سرعت اسکن نموده تا اکثر مشکلات امنیتی سیستم تان در لایه های مختلف سیستم عامل شناسایی شود. قابل ذکر است که چک لیست های امنیتی جامعی بصورت پیش فرض موجود است و شما می توانید با برخی از زبان های برنامه نویسی چک لیست هایی را ایجاد نمایید.

کافیست این نرم افزار را نصب و اجرا نمایید. معمولا خروجی تولید شده بصورت xml فایل بوده و توسط ماشین و انسان قابل خواندن است. برای خوانایی بیشتر شما می توانید xml فایل گزارش تولید شده را با همین نرم افزار به html تبدیل نمایید و تحت وب، گزارش را به آسانی بررسی نمایید.
حجم بررسی های انجام شده، جزییات بررسی و فرمت گزارش شما را سورپرایز خواهد کرد.
🎓 قابل ذکر است که این پروژه یکی از سرفصل های دوره ی (LPIC-303 (Linux Security است
شایان ذکر است توسعه دهنده این برنامه کمپانی redhat می باشد
#security #openscap #redhat @unixmens

آیا با openscap آشنا هستید ؟
Red Hat secure, open source solutions: SCAP+STIG

#video #security #scap #openscap

@unixmens

در عصر تحول دیجیتال، مدیریت مهندسی دیگر به معنی مدیریت پروژه یا صرفاً هماهنگی منابع نیست.
وEngineering Management (EM) در واقع هنر ایجاد تعادل میان فناوری، انسان و فرایند است.
یک مدیر مهندسی موفق، نه فقط بر ابزارها، بلکه بر رفتارها و فرهنگ سازمانی تسلط دارد.
او پلی است میان دنیای مهندسان و استراتژی سازمان، میان کد و کسب‌وکار.

بخش اول: فلسفه و نقش انسانی در مدیریت مهندسی

از مدیریت تا رهبری
مدیریت مهندسی مدرن از کنترل عبور کرده و به رهبری الهام‌بخش رسیده است.
نقش EM، تسهیل یادگیری و خودسازمان‌دهی تیم است.
او به‌جای “micromanagement”، محیطی می‌سازد که در آن اعضای تیم احساس مالکیت، اعتماد و رشد کنند.


درحقیقت Empathy، Feedback و رشد مستمر
درک انسان‌ها، تفاوت در انگیزه‌ها، و بازخورد سازنده از مهم‌ترین ابزارهای EM است.
همان‌طور که در DevOps فرهنگ “Sharing” و “Measurement” اساس بهبود است، در EM نیز “رفتارشناسی” و “گفت‌وگوی واقعی” ریشه‌ی توسعه‌ی تیمی‌اند.


3)تفکر سیستمی و دید کل‌نگر
وEM محیط را به عنوان یک سیستم پویا می‌بیند؛ تغییر در یک بخش، اثری زنجیره‌ای در کل سیستم دارد.
او می‌داند که بهبود فنی بدون درک روابط انسانی، تنها بهینه‌سازی سطحی است.

بخش دوم: بُعد فنی و فرایندی در Engineering Management

1) معماری تیم و چرخه توسعه

تیم‌ها باید cross-functional و end-to-end باشند؛ یعنی از طراحی تا استقرار و مانیتورینگ را پوشش دهند.

وEM وظیفه دارد ساختار تیم را با چرخه عمر محصول هم‌راستا کند، نه بر اساس مرزهای سنتی مانند frontend/backend یا ops/dev.



2) فرایند فنی و DevOps Strategy
در واقعEM مسئول طراحی و اجرای ساختارهای زیر است:

CI/CD Pipeline:
خودکارسازی build، test و deployment

Versioning & Traceability:
کنترل تغییرات و ردیابی کامل از commit تا release

Observability:
طراحی سیستم‌های مانیتورینگ، logging و alerting

Security & Compliance:
پیاده‌سازی اصول DevSecOps در مراحل توسعه



3. وMetrics و داده‌محوری در تصمیم‌گیری
مهارت مهم EM، تصمیم‌گیری مبتنی بر داده است. شاخص‌هایی مانند:

Deployment Frequency

Lead Time for Changes

MTTR (Mean Time to Recovery)

Change Failure Rate
معیارهای کلیدی‌اند که باید در dashboardهای سازمانی و retrospectives تحلیل شوند.



4. Feedback Loop
مهندس مدیریت موفق، ساختار بازخورد سریع را بین تیم توسعه، عملیات، QA و مشتری برقرار می‌کند.
این همان حلقه‌ی یادگیری DevOps است که باعث پایداری و بهبود مستمر می‌شود
بخش سوم: اجرای عملی در سطح سازمان

1. Culture First — سپس ابزار
قبل از انتخاب ابزارهایی مانند Jenkins، GitLab CI یا Kubernetes، باید فرهنگ همکاری، مسئولیت‌پذیری و شفافیت را نهادینه کرد.
ابزار تنها تسهیل‌گر است، نه راه‌حل.


2) چارچوب اجرایی تحول مهندسی
پیاده‌سازی مدیریت مهندسی موفق، در سه فاز اتفاق می‌افتد:

فاز ۱: آگاهی و تحلیل

بررسی maturity فعلی تیم‌ها (فنی، فرهنگی، فرآیندی)

شناسایی گلوگاه‌ها در جریان تحویل و همکاری

تعیین vision مشترک برای تیم‌های Dev و Ops


فاز ۲: طراحی و نهادینه‌سازی

طراحی تیم‌های cross-functional

ساخت CI/CD pipelines و governance structure

تعریف SLAها، شاخص‌های کیفیت و امنیت


فاز ۳: یادگیری و بهبود مستمر

برگزاری جلسات retrospectives

تحلیل داده‌های عملکردی (metrics-driven improvement)

وmentor‌کردن اعضای تیم برای ارتقای مهارت‌های رهبری و فنی


۳) نقش EM در ایجاد چرخه یادگیری سازمانی
وEM‌ها در واقع معلمان سیستم‌های پیچیده‌اند — کسانی که محیطی می‌سازند که در آن اشتباه، بخشی از یادگیری است، نه تهدید.
در این سطح، مهندسی و فرهنگ، در خدمت رشد انسان و محصول درمی‌آیند.

نتیجه‌گیری

در واقع Engineering Management در عصر DevOps دیگر یک نقش نیست؛ یک ذهنیت است.
ذهنیتی که میان منطق فنی و فهم انسانی تعادل برقرار می‌کند.
در نهایت، هدف نه فقط تحویل سریع‌تر نرم‌افزار، بلکه ساختن تیم‌هایی است که با شعور، با اشتیاق و با مسئولیت کار می‌کنند.

درک انسان، بزرگ‌ترین مهارت فنی قرن بیست‌ویکم است.
و مدیریت مهندسی، هنر خلق هماهنگی میان انسان، سیستم و معنا

#em #devops
@unixmens

Do you remember shared cell phone plans? At the turn of the century, a whole family might share the same pool of mobile phone minutes, and it only took a few hours of idle chatter on the phone to drain the account of all remaining minutes of talk time for everyone. Well, a similar phenomenon is currently happening in the cloud today. Anyone who's ever touched a public cloud has likely encountered an accidental overage payment. That's a problem, but it's even more problematic that it's deceptively easy to overlook a single instance of this when you're dealing in hundreds at a time. At Discover,

via Red Hat Blog https://ift.tt/IdSHJFo

If you’re a virtual machine (VM) administrator who’s spent years managing VMs in vSphere and are now considering how Red Hat OpenShift Virtualization might fit into your operational world, we’ve built something just for you.The high-level guide to Red Hat OpenShift Virtualization as a VMware admin learning path is designed to bridge the learning gap many face when moving from traditional virtualization solutions to Kubernetes workflows. This blog provides a glimpse into what's included in the path so you can take on OpenShift Virtualization with confidence.Benefits of the VMware OpenShif

via Red Hat Blog https://ift.tt/4bujVS7

Operationalizing AI models at scale is a critical challenge for IT leaders. While the initial cost of training a large language model (LLM) can be significant, the real and often underestimated expense is tied to inference.AI inference—the process of using a trained model to generate an output—is the most resource-intensive and costly part of an AI application, especially because it happens constantly during production. Inefficient inference can compromise an AI project's potential return on investment (ROI) and negatively impact customer experience due to high latency.The full-stack appro

via Red Hat Blog https://ift.tt/bH4UWCf

In an increasingly complex technology landscape, digital sovereignty has moved from a theoretical concept to an urgent strategic imperative for European organizations and governments. Recent global events—from supply chain disruptions to geopolitical conflicts—have underscored the critical need for greater control over their technology. Digital sovereignty is a strategic effort for organizations to build greater resilience, choice and confidence into IT environments. This isn’t a move towards isolation, with true sovereignty requiring more than just local data centers. Businesses are re-

via Red Hat Blog https://ift.tt/gFC6XJj

SUSE Rancher RKE1 reached its end-of-life (EOL) on July 31, 2025. Continuing to use it could leave your production workloads vulnerable to security risks, without vendor support, and facing compatibility challenges.If you’re considering a change, Red Hat OpenShift offers an enterprise-grade application platform that can support your Kubernetes container strategy today and scale for the future. Why Red Hat OpenShift is the right choice for your businessRed Hat OpenShift is a complete, enterprise-focused container application platform built on a hardened, consistent Red Hat Enterprise Linux (R

via Red Hat Blog https://ift.tt/8MDUGmg

As enterprises scale large language models (LLMs) into production, site reliability engineers (SREs) and platform operators face a new set of challenges. Traditional application metrics—CPU usage, request throughput, memory consumption—are no longer enough. With LLMs, reliability and efficacy are defined by entirely new dynamics—token-level performance, cache efficiency, and inference pipeline latency.This article explores how llm-d, an open source project co-developed with the leading AI vendors (Red Hat, Google, IBM, etc.) and integrated into Red Hat OpenShift AI 3.0, redefines observa

via Red Hat Blog https://ift.tt/MxqW7CO

راز موفقیت سنگاپور

جمله ای که از کیشور ماهیباری نقل می‌کنه خیلی آموختنی است:
گربه ای که خوب موش بگیره فرقی نمیکنه که سیاه باشه یا سفید ،اون گربه خوبی هست از اون استفاده کنید!!
اگر فردی شایستگی لازم برای استخدام را داره
در استخدام و بکارگیری افراد کاری به ملیت ،رنگ ، نژاد و ایدیولوژی سیاسی و مذهبی اون نداشته باشید
حتما استخدامش کنید

#success #سنگاپور #video 🇸🇬

Application modernization is a continuous journey for enterprises, driven by the need for greater business agility, enhanced security, and cost optimization. While the benefits are clear, large-scale modernization projects can be complex, time-consuming, and require significant upfront investment.With the introduction of migration toolkit for applications 8 (MTA 8), Red Hat is helping organizations overcome these challenges by automating key parts of the modernization journey. The migration toolkit for applications has long provided tools for containerization readiness, source-code analysis, a

via Red Hat Blog https://ift.tt/SGszdeF

SiliconANGLE - Red Hat aims new Developer Lightspeed AI features at application migrationThis week Red Hat launched Developer Lightspeed, a new generative AI tool, and MTA 8. The combined solution integrates AI-generated refactoring and automated replatforming to accelerate developers' migration of applications to the Red Hat OpenShift platform. Learn more The open source engine driving AI from experiment to production and why inference is everythingIn this blog, Red Hat addresses the challenge of scaling AI to production by focusing on efficient inference. Learn more Automation unlocks 5G'

via Red Hat Blog https://ift.tt/pTG5iXZ

The technology roundup is being redefined by a confluence of critical priorities: Securing the software supply chain, finding a definitive playbook for virtualization, and making the strategic leap into enterprise AI governance. This roundup highlights the articles that have proven most essential for executing these priorities. We’ve collected the most strategically relevant insights covering everything from new AI assistant features in Red Hat Enterprise Linux (RHEL) and Red Hat Ansible Automation Platform to the governance models needed for GitOps and infrastructure modernization. Use this

via Red Hat Blog https://ift.tt/DQGniHP

The recent Open Source Summit Hyderabad offered a platform to discuss a significant shift in the global AI landscape: the move toward a distributed, trusted, and self-reliant AI model. For too long, the narrative around AI has been dominated by a few centralized players and proprietary platforms. That era is quickly ending. India is now part of this movement with its unique, development-centered approach to AI. I had the pleasure of presenting with Rajgopal A S, MD and CEO at NxtGen Cloud Technologies. Our joint presentation, "Sovereign AI in Action," showcased how this vision is being realize

via Red Hat Blog https://ift.tt/hM2ZSmc

Red Hat's most recent posts about Performance, Scale, Chaos and more.LATEST BLOGSKrkn-AI: A feedback-driven approach to chaos engineeringOctober 21, 2025 Rahul Shetty, Naga Ravi Chaitanya ElluriChaos engineering is the practice of deliberately introducing controlled failures into a system to uncover weaknesses before they affect end users. By continuously running chaos experiments, teams can build greater confidence in their systems and identify real performance bottlenecks. However, applying chaos in real-world environments can be challenging due to the complex, dynamic nature of application

via Red Hat Blog https://ift.tt/YD9mNFv