#خارج_از_بحث

بصورت ویژه پیشنهاد میدم این فیلم رو ببینید ...

نکته : فیلم رده سنی R هست.
و صحنه‌های +۱۸ داره، اما کاملاً ارزش چندساعت وقت گذاشتن رو خواهد داشت.

پ.ن :
توی این فیلم توجه کنید نولان باز هم از تکنیک، صحنه‌های رنگی و سیاه سفید استفاده کرده
صحنه‌های سیاه و سفید از شایعات و از زبان دیگران روایت شده.

قطعاً اگر این دکه سر راهم بود، هرروز ازش چای می‌گرفتم.
خلاقیت ۱۰۰ از ۱۰۰
از نظر میزان آشنایی با ابزارها و علم روز نسبت به وزیر ارتباطات ایران ۱۵-۰ جلو هست ایشون.

#Roadmap 2023

این پیام توی چندروز آینده، آپدیت میشه

اینبار با فرض اینکه مقدمات پایتون رو می‌دونید شروع می‌کنم، توی ایران شاید حتی باید بگم با فرض اینکه پایتون رو در سطح Senior بلد هستید (بدون تعارف ۹۸٪ ایرانی‌هایی که توی لینکدین میزنن
Senior Python Developer
واقعاً سطح‌‌اشون این نیست)

مهمتر اینکه، من این RoadMap رو برای پیدا کردن شغل نوشتم؛ گوشه ذهنم ML Engineering رو هم دارم، نه Researcher حرفه‌ای شدن؛ البته که ی سطحی از این موارد رو بدونید.

۱- اول باید پایتون رو حرفه‌ای باشید، بدون تعارف مرحله دوم مصاحبه حرفه‌ای شما ارزیابی زبان برنامه‌نویسی هست که اعلام کردید و سطحی که گفتید و مهم‌تر از اون
Data structure & Algorithm

پس اولین کتابی که ۱۰۰٪ باید بخونید
Fluent Python 2nd Edition
و بعد از اون :
Data Structure & Algorithm in Python

این موارد که تموم شد، بخش زیادی از مرحله اول و دوم مصاحبه رو با موفقیت جلو می‌برید، غیر از سوالات هوش مصنوعی (البته تمام مراحل به soft skills ها هم بستگی داره)

بعد از این باید بتونید، دیتا رو اصطلاحاً مثل موم توی دست بگیرید پس برای دیتای tabular لازمه که
Pandas
رو بدونید اما توی همین راستا :
Numpy, Matplotlib
کتابی که برای نامپای معرفی میکنم برای سال ۲۰۱۷ هست قدیمی شاید باشه اما بسیار بسیار عالی و فوق العاده هست (خیلی دنبالش گشتم توی این سالها امروز اتفاقی پیداش کردم)

From Python to Numpy

هم لازمه ولی نرید بشینید کل توابع رو حفظ، چون به لطف گوگل همرو پیدا می‌کنید چیزی که خیلی حرفه‌ای باید بدونید، سرعت بخشیدن به کد‌ها هست
توی نامپای بهتره فرق numpy معمول و mkl و ... رو بدونید (ml engineer)

Array programming, vectorization

رو بدونید، for loop رو حذف کردن و بجاش از np.vectorize گذاشتن اسمش

Vectorization
نیست.
برای matplotlib هم باید بتونید باهاش storytelling انجام بدید، کاربر عادی باید بتونه با کمترین توضیح شما هدف نمودار و ... ایی که نمایش دادید رو متوجه بشه.


آپدیت‌های این پست وقتی تموم می‌شه که
Pin
بشه روی کانال

#خارج_از_بحث

بسیاری از کشورهایی که مشکلات آبی دارند به ساخت رودهای مصنوعی رو آوردند؛ مصر و افغانستان و …
Youtube link


من متخصص این زمینه نیستم اما مشکل آب ایران از افغانستان به مراتب وخیم تر و جدی تر هست؛ این مطلب رو اینجا نذاشتم که توصیه ای انجام بدم یا …
اما آگاهی مردم باعث تقاضا و در نهایت اختصاص بودجه دولت ها میشه؛ این صحبت رو میکنم شاید دولت بودجه ای برای اینکار به متخصص های این زمینه اختصاص بده.


پ.ن : جایی خونده بودم رشته قنات ها در ایران همچین هدفی داشتند و زیر زمین بودنشون با این هدف بوده که آب توسط خورشید تبخیر نشه
چیزی که آمریکا براش از گوی مشکی و پنبل خورشیدی یا … کشیدن روی کانال های آبی استفاده میکنه امروزه.

اینم جالب بود:
Deep fake
داره استفاده می‌شه تا از آدمها و اشتراک مختلف عکس‌هایی که از خودشون می‌سازند، عکس‌های لخت و nude درست کنند. (متأسفانه خیلی ازین عکس‌ها رو هم پخش می‌کنند)

Link to the site

سایتی که گذاشتم اینطوری عمل می‌کنه که شما عکس واقعی و عکسی که از شما یا آشنای شما با deep fake تبدیل به تصویر nude شده رو بهش می‌دید و این سایت به تموم سایت‌های مطرح و ... درخواست حذف داده فیک رو می‌کنه.

دیگه لازم نیست شخصاً به همه جا ایمیل بزنید که از تصویر شما سو استفاده شده و ...

پ.ن : برای تصاویر دیگه هم میشه استفاده کرد

به لطف این مدل واقعا دیگه نیازی به
Midjourney
نیست (۱۶ گیگ یا بالاتر اگر کارت گرافیک داشته باشید خروجی با سرعت خوبی ساخته می‌شه)

Stable diffusion 1.0

عجب تکنیکی :

MiT blog

۲۰ دقیقه‌ هست؛
تموم دسترسی به اینترنت بین‌المللی رو از دست دادم
حتی سرورهای شخصی و شرکت

فقط و فقط اینترانت ملی کار می‌کنه (اینترنت ثابت)

دقیقا ۲۵ دقیقه طول کشید. (تست‌های نت ملی شروع شده ؟)

اینم داشته باشیم :

DevOpsGPT GitHub

از اسمش دقیقاً مشخص هست چیکار می‌کنه دیگه

#Quick

برای بالا بردن سرعت کدها اولین کاری که می‌کنید اینه که میرید
C
یاد میگیرید ؟

اشتباه نکنید، چیزی که قبل از اون نیاز دارید و ۹۹.۹٪ مشکلاتتون رو حل می‌کنه
Cython

(شاید یک آموزشی هم براش گذاشتم)

برای مثال توی پروژه اخیر، بجای یک سری از پردازش‌های مهم تصویر رو که با
numpy
پیاده سازی شده بود آوردیم روی
Cython (numpy)

زمان اجرا تمام پردازش‌ها قبل از این برای ۱ عکس توی بنچمارک ۵۳ ثانیه بود و بعد از تبدیل به Cython به حدوداً ۱ ثانیه رسید.

خیلی مهمه با همین ابزارهایی که در اختیارتون هست آشنا باشید و بتونید کار کنید.

بعد میاد میگه نیروی کار نیست،
یا می‌گه ما قبلاً ی نیروی کار هوش مصنوعی گرفتیم، سرمون کلاه گذاشتن و ....


شما متن رو بخونید، خودتون قضاوت کنید
اگر توانایی نوشتن درخواست همکاری ندارید بدید به
ChatGpt

بعد ی سلسله آدم (دیتاساینس و ...) هم رفتن لایک کردند
خب آدم حسابی، خودت هم باشی سر همچین کاری میری ؟ که بیزینس هیچ دیدی از هوش مصنوعی نداره چرا لایک یا ساپورت می‌کنی که شبکه آدم‌های اطرافت رو به اشتباه بندازی

من که کانکشن رو قطع کردم، بعد از کامنت گذاشتن
ولی نکنید این کارهارو.

اگر کسی دید و مصاحبه داد، حتماً بپرسه راجب کار
قطع به یقین می‌گم : (خدایی به منم بگه)
۱- دستمزد شما زیر ۲۰‌ میلیون خواهد بود
۲- شما تنها نیروی تیم هوش مصنوعی خواهید بود
۳- هیچ کس از تیم‌های دیگه، هیچ دید درستی از هوش مصنوعی نخواهد داشت
۴- ۹۰٪ بیچارگی شما، توضیح واقعیات هوش مصنوعی به این تیم خواهد بود

اما اگر شما صاحب این شرکت، مدیر یا ... هستید
قطعاً مشاور شرکت شما، آدم کلاش و کار نابلدی هست یا اینکه هیچ سواد درستی از هوش مصنوعی ندارد.

#خارج_از_بحث
ی دوستی دارم، که نشستن باهاش برام همیشه لذت بخش هست
چون از تاریخ ایران، جهان صحبت می‌کنه. از هرچیزی که به ما ربط داره
نه اینوری نه اونوری، براش فرقی نمی‌کنه کی بالای کار باشه دقدقه‌اش درک ما از تاریخ هست، و آگاهی بخشی

اشکان خطیبی یک پروژه‌ای رو شروع کرده بنام :
تاریخ تکرار می‌شود، و یک سری کتاب‌هایی رو خوانش می‌کنه که قطعاً وقت کسی رو هم نخواهد گرفت (بجای موسیقی و ... گوش بدید) ولی درک درست بهتون می‌ده

YouTube Link

اگر به فهمیدن علاقمند هستید :
حتماً تاریخ شفاهی ایران رو هم گوش بدید، از منبع رسمی البته

Iran Oral History (Harvard)

#هشدار

حتماً یک reminder بذارید و خمیر سیلیکون GPU سیستم رو حداقل سالی ۱ بار عوض کنید.

شخصاً فراموش کردم (۲ سال شد) و امروز تا مرز از دست دادن یکی از GPU ها رفتم.

این موضوع خیلی مهمه، مخصوصاً اگر کدهای هوش مصنوعی رو اکثراً روی سیستم خودتون اجرا می‌کنیدو

شخصاً رفتم سراغش :
https://huggingface.co/codellama

اگر مشکلاتم رو به خوبی حل کنه، قطعاً نسخه شرکت رو هم به این مورد تغییر خواهیم داد.

CodeLlama
نسخه پایتون رو تست میگیرم ابتدا.

این پروژه علاوه بر اینکه فان تایم براتون ردیف می‌کنه و کاربردهایی داره و ...
آموزشی هم میشه بهش نگاه کرد؛ نکات ریز زیادی داره

FaceFusion

بعضی‌ها سطح خالی بندی - اشتباه یا هرچیزی که اسمش رو بذارید توی رزومه نویسی رو کلا جابجا کردند :

قطعا اگر این بخش وجود نداشت من این آدم رو دعوت به مصاحبه میکردم؛ این بخش من رو مشکوک کرد بعد وارد لینکی که برای گیت‌هاب گذاشته بود شدم و اوضاع بدتر شد.

من قبلا هم گفتم؛ عزیزان اگر به گیت‌هاب رسیدگی نمی‌کنید و چیزی برای دمو کردن ندارید لینک نذارید.

توی تصویر بالا می‌تونید اشتباهاتی که من رو مشکوک می‌کنه به کم سوادی این شخص رو پیدا کنید ؟
بعنوان نمونه :
Ubuntu CronTab

ی مورد دیدم اصن خدا :

۹۰٪ زدند که (بگذریم ازین که من شخصا جراتش رو ندارم این رو بزنم)

Proficiency in core Python

- OOP
یا مثلا :

Proficient in Python, including OOP

یا ... بعد به طرف میگم اون OOP برای چی هست ؟ یعنی اگر شما

Proficiency in Python  / core Python

زدید خب قطعا باید OOP رو هم بدونید جوابا خداس اصن :
بگذریم از ۵۰٪ موارد که خودشون این لقب رو توی کار تنهایی خودشون با خودشون به خودشون اعتا کردند

ولی باقی موارد :
۱- مگه OOP سطح حرفه‌ای پایتون نیست ؟ خب من همون رو بلدم.
۲- من منظورم از core Python این چیزا نیست؛ خواستم بگم که من پایتون رو با فریمورک‌ها یاد نگرفتم (اسکریپت نویسی رو قوی هستم).
۳- من مدرک پایتون داره (دوره Advance Python شرکت کردم) استادمون گفت دیگه چیزی نیست توی پایتون که ندونی

مخصوصا آخری؛ بهش میگم داداش/آبجی من ۱۰ سال هست پایتون کار روزانه‌ام هست هنوز خیلی چیزارو بلد نیستم.

بگذریم؛ سوالاتی که توی مصاحبه ازین به اصطلاح

Proficient Python Developer

ها پرسیدم این موارد بود که با توجه به چیزی که توی رزومه‌هاشون هست باید همه رو جواب میدادند یا حداقل می‌شناختند (یعنی سخت نگرفتم خدایی):

۱- توی کد با محسابات بالا و بصورت recursive دو مدل پیاده سازی داریم؛ هر ۲ درست هست ولی موقع conflict شما کدوم رو انتخاب می‌کنید که بمونه ؟
یکی از برنامه‌نویس‌ها با dict نتایج رو نگهداری کرده
یکی دیگه از lru_cache استفاده کرده

۲- اگر درست جواب بده : فرض کن اولویت ورودی‌های تابع مشخص نیست پارامترها از دیکشنری پاس داده می‌شه به تابع در اونصورت از کدوم مورد استفاده می‌کنید ؟ چرا ؟

۳- یک کلاس داریم: دائم ازش داریم instance میسازیم یعنی ممکنه در یک لحظه بیش از 1000 اینستنس ازش داشته باشیم؛ با فرض اینکه attributeهاش همیشه ثابت هستند بنظرتون راحت ترین تغییر برای این کلاس به جهت کم کردن سربار و افزایش سرعت چی‌ هست ؟

۴- برای اینکه بگیم کلاس

Context Manager Protocol

رو رعایت کرده چه special methods ایی رو باید داشته باشه ؟

۵- استفاده از ماژول dis تحت چه شرایطی درست هست ؟ یا اینکه یک خروجی بهشون میدادم و ازشون مقایسه می‌خوام

نگم که کسی نتونست جواب بده (غیر از مورد ۴ که چندنفر جواب دادند)

خلاصه که نزنید؛ مخصوصا اگر ی دوره شرکت کردید بهتون گفتن پایتون تموم شده برای شما (از طرف من بزنید تو دهن اون آدم حتی)

برای جواب سوالات بالا و مطالب این چنینی هم :
@PyHints
رو دنبال کنید.

ایده توی تصویر ترکیب کردن
Yolov8 + Supervision
برای
Object Detection
هست که خب همونطور که می‌بینید خیلی خروجی yolov8 رو بهتر می‌کنه روی این تسک

Github + More

مراحل پیشرفت علم در ایران :

۱- اخراج دانشجو
۲- ایجاد فضای مصموم و فرار مغزها
۳- افزایش سهمیه بسیج، سپاه، کوفت و زهرمار
۴- کشتار‌ و شلیک به مغزهایی که نخواستند فرار کنند.
بمان و پس بگیر
۵- اخراج اساتید ...

فقط شرمنده اینجا چون خر پسند هستند، مراحل پیشرفت جور دیگه تعریف می‌شه

Guidance

دیدید بعضی از افراد یک سری پرامپت می‌نویسن که حتی نون هم میخره ؟

یه راهکار اینه که برید بشینید چندین ساعت دوره آموزشی ببینید و یاد بگیرید چه کلمات و جمله بندی اینکار رو می‌کنه

یه راهکار دیگه اینه که بشینید چندتا پرامپت توی اون موضوعی که میخواید پیدا کنید بعد بین این موارد ی پترن مشترک پیدا کنید و ازون پترن برای خروجی خودتون استفاده کنید ( شخصا قبلا اینکارو میکردم بخصوص موقع تولید عکس و ویدئو)

اما ی راهکار قشنگتر و حرفه‌ای تر هم وجود داره :
Guidance on github

البته که کد زدن داره ولی ساده هست (مثال خودش روی chatGpt هست ولی روی باقی موارد مثل Llama هم پشتیبانی میده) روی کولب اجرا کنید

کجا بدرد می‌خوره ؟ اگر دارید اپلیکشن توسعه میدید که توش ی تمپلیت ثابت دارید و از LLM استفاده می‌کنید این ابزار کمک می‌کنه تمپیلیت خیلی خوبی رو پیدا کنید.