Forwarded from زندگی به عنوان سرویس
وای وای چی پیدا کردم!
یه وبلاگ پررررررر از مطالب برای Data Engineering و Data science برید حال کنید!
https://www.modeldifferently.com/en/
#ml
#data
#ai
#learning
#blog
یه وبلاگ پررررررر از مطالب برای Data Engineering و Data science برید حال کنید!
https://www.modeldifferently.com/en/
#ml
#data
#ai
#learning
#blog
👍6❤2
Forwarded from زندگی به عنوان سرویس
⁉️ «یعنی یه سایتی وجود نداره که جزئیات رو در مورد تقریبا تمام دیتابیس‌های جهان یه جا جمع کرده باشه و رنک کرده باشه؟»
✅ اگه به خاطر سوال بالا سال‌هاست که خواب ندارید و اندر بحر مکاشفت غرق گشته‌اید باید بهتون بگم که: هست!
یه سایتی هست که اطلاعات خیلی خوب و زیادی رو در مورد تقریبا همه‌ی دیتابیس‌های دنیا یه جا جمع کرده. اطلاعاتی مثل:
نوع دیتابیس، ساختمان داده‌هاشون، زبان‌هایی که باهاشون کار می‌کنن و....
📰 یه بلاگ باحال و جامع هم داره که کلی مطلب در مورد دیتابیس‌ها رو توی خودش داره.
اسمش هست: DB-Engines
#blog
#learning
#software
🆔 @lifeAsAService
✅ اگه به خاطر سوال بالا سال‌هاست که خواب ندارید و اندر بحر مکاشفت غرق گشته‌اید باید بهتون بگم که: هست!
یه سایتی هست که اطلاعات خیلی خوب و زیادی رو در مورد تقریبا همه‌ی دیتابیس‌های دنیا یه جا جمع کرده. اطلاعاتی مثل:
نوع دیتابیس، ساختمان داده‌هاشون، زبان‌هایی که باهاشون کار می‌کنن و....
📰 یه بلاگ باحال و جامع هم داره که کلی مطلب در مورد دیتابیس‌ها رو توی خودش داره.
اسمش هست: DB-Engines
#blog
#learning
#software
🆔 @lifeAsAService
👍10🔥1👌1
Forwarded from زندگی به عنوان سرویس
🔗 How (and Where) ML Beginners Can Find Papers
این مقاله یه راهنمایی برای تازه‌کارهای یادگیری ماشین (ML) هستش که می‌خوان مقالات پژوهشی پیدا کنن و بخونن. نویسنده پیشنهاد می‌کنه که تازه‌کارها روی انتشاراتpeer-reviewed از کنفرانس‌های برتر ML تمرکز کنن. این کنفرانس‌ها از فرآیندی به نام "داوری دوطرفه ناشناس" استفاده می‌کنن، جایی که مقاله به صورت ناشناس بررسی می‌شه و توسط پژوهشگران ناشناس از همون حوزه بررسی می‌شه. این فرآیند تضمین می‌کنه که مطالب منتشر شده کیفیت بالایی دارن که فهمشون رو برای تازه‌کارها آسون‌تر می‌کنه.
نویسنده یه فرآیند هفت مرحله‌ای رو توضیح می‌ده:
* مرحله ۱: تعیین حوزه علاقه‌مندی. این کار رو می‌تونی با انجام پروژه‌های کدنویسی و خوندن ادبیات پژوهشی انجام بدی(literature).
* مرحله ۲: پیدا کردن یه کنفرانس ML. نویسنده تعدادی از کنفرانس‌های برتر رو لیست می‌کنه، از جمله NeurIPS، ICML، ICLR و IJCAI.
* مرحله ۳: جستجو در مقالات کنفرانس و ساختن یه لیست خواندن. نویسنده پیشنهاد می‌کنه که لیست مقالات پذیرفته شده رو مرور کنی و اونا رو بر اساس عنوان و چکیده پیش‌فیلتر کنی.
* مرحله ۴: به دنبال منابع قدیمی‌تر بگرد. اینا مقالات قدیمی‌تر و اغلب استناد شده‌ای هستن که پایه محکمی برای درک روندهای پژوهشی فعلی فراهم می‌کنن.
* مرحله ۵: طبق لیست پیش برو. این کار زمان و تلاش می‌طلبه، اما در نهایت ارزشش رو داره.
* مرحله ۶: یه مقاله مروری بخون. مقالات مروری یه نمای کلی از یه حوزه پژوهشی ارائه می‌دن.
* مرحله ۷: لیست خودت رو تموم کن. این هرگز اتفاق نمی‌افته، اما اشکالی نداره.
نویسنده در پایان تازه‌کارها رو تشویق می‌کنه که به طور عمیق با ادبیات درگیر بشن و از درخواست کمک نترسن.
#paper #ML #blog
🆔 @lifeAsAService
این مقاله یه راهنمایی برای تازه‌کارهای یادگیری ماشین (ML) هستش که می‌خوان مقالات پژوهشی پیدا کنن و بخونن. نویسنده پیشنهاد می‌کنه که تازه‌کارها روی انتشاراتpeer-reviewed از کنفرانس‌های برتر ML تمرکز کنن. این کنفرانس‌ها از فرآیندی به نام "داوری دوطرفه ناشناس" استفاده می‌کنن، جایی که مقاله به صورت ناشناس بررسی می‌شه و توسط پژوهشگران ناشناس از همون حوزه بررسی می‌شه. این فرآیند تضمین می‌کنه که مطالب منتشر شده کیفیت بالایی دارن که فهمشون رو برای تازه‌کارها آسون‌تر می‌کنه.
نویسنده یه فرآیند هفت مرحله‌ای رو توضیح می‌ده:
* مرحله ۱: تعیین حوزه علاقه‌مندی. این کار رو می‌تونی با انجام پروژه‌های کدنویسی و خوندن ادبیات پژوهشی انجام بدی(literature).
* مرحله ۲: پیدا کردن یه کنفرانس ML. نویسنده تعدادی از کنفرانس‌های برتر رو لیست می‌کنه، از جمله NeurIPS، ICML، ICLR و IJCAI.
* مرحله ۳: جستجو در مقالات کنفرانس و ساختن یه لیست خواندن. نویسنده پیشنهاد می‌کنه که لیست مقالات پذیرفته شده رو مرور کنی و اونا رو بر اساس عنوان و چکیده پیش‌فیلتر کنی.
* مرحله ۴: به دنبال منابع قدیمی‌تر بگرد. اینا مقالات قدیمی‌تر و اغلب استناد شده‌ای هستن که پایه محکمی برای درک روندهای پژوهشی فعلی فراهم می‌کنن.
* مرحله ۵: طبق لیست پیش برو. این کار زمان و تلاش می‌طلبه، اما در نهایت ارزشش رو داره.
* مرحله ۶: یه مقاله مروری بخون. مقالات مروری یه نمای کلی از یه حوزه پژوهشی ارائه می‌دن.
* مرحله ۷: لیست خودت رو تموم کن. این هرگز اتفاق نمی‌افته، اما اشکالی نداره.
نویسنده در پایان تازه‌کارها رو تشویق می‌کنه که به طور عمیق با ادبیات درگیر بشن و از درخواست کمک نترسن.
#paper #ML #blog
🆔 @lifeAsAService
Towards Data Science
How (and Where) ML Beginners Can Find Papers | Towards Data Science
From conferences to surveys
👍14❤7🔥2
Forwarded from زندگی به عنوان سرویس
How to Pick Between Data Science, Data Analytics, Data Engineering, ML Engineering, and SW Engineering
#blog
#software
#data
@lifeAsAService
#blog
#software
#data
@lifeAsAService
Medium
How to Pick Between Data Science, Data Analytics, Data Engineering, ML Engineering, and SW Engineering
Make the right choice for YOU
👍9❤1👎1🔥1
Forwarded from زندگی به عنوان سرویس
System Design Blueprint: The Ultimate Guide
این بلاگ مدیوم در مورد طراحی سیستم یه مطلب جمع و جور خوب آماده کرده. توش در مورد کامپوننت‌ها و نکاتی که باید رعایت کنید صحبت کرده. برای آشنایی اولیه مناسبه و پیشنهاد می‌کنم یه نگاهی بهش بندازید.
#blog
#software
#system
🆔 @lifeAsAService
این بلاگ مدیوم در مورد طراحی سیستم یه مطلب جمع و جور خوب آماده کرده. توش در مورد کامپوننت‌ها و نکاتی که باید رعایت کنید صحبت کرده. برای آشنایی اولیه مناسبه و پیشنهاد می‌کنم یه نگاهی بهش بندازید.
#blog
#software
#system
🆔 @lifeAsAService
👌5❤3👍2
Forwarded from زندگی به عنوان سرویس
How to be 10x more productive
یه بلاگ در مورد این که چطور پروداکتیو بمونیم توی محیط کار 👀
◀️ چرا چندتا کار همزمان انجام دادن فقط وقت تلف کردنه
◀️ چطوری با یه جدول ساده می‌تونی یه حس بگیری که چی مهمه و چی رو باید بی‌خیال شی
◀️ تکنیک GTD برای اینکه ذهنت همیشه مرتب باشه
◀️ یه سری ابزار و تکنیک برای مدیریت زمان کاریت تا کارها تا شب کش نیان.
◀️ چطوری با یه مرور هفتگی، برنامه‌ی یه هفته رو در بیاری.
◀️ و کلی نکته‌ی خفن مثل خواب کافی، ورزش، و حذف گفتن به جلسات بی‌هدف
#blog
🔗 لینک بلاگ
🆔 @lifeAsAService
یه بلاگ در مورد این که چطور پروداکتیو بمونیم توی محیط کار 👀
◀️ چرا چندتا کار همزمان انجام دادن فقط وقت تلف کردنه
◀️ چطوری با یه جدول ساده می‌تونی یه حس بگیری که چی مهمه و چی رو باید بی‌خیال شی
◀️ تکنیک GTD برای اینکه ذهنت همیشه مرتب باشه
◀️ یه سری ابزار و تکنیک برای مدیریت زمان کاریت تا کارها تا شب کش نیان.
◀️ چطوری با یه مرور هفتگی، برنامه‌ی یه هفته رو در بیاری.
◀️ و کلی نکته‌ی خفن مثل خواب کافی، ورزش، و حذف گفتن به جلسات بی‌هدف
#blog
🔗 لینک بلاگ
🆔 @lifeAsAService
👍4❤2
Forwarded from زندگی به عنوان سرویس
📚 اگه فکر می‌کنید لاگ فقط همون خطاها و پیام‌هاییه که زمان خطای برنامه‌ها می‌گیرید این پیام رو بخونید.
❓«لاگ» یه دنباله‌ی ساده از وقایع به‌صورت زمان‌دار و افزایشیه، ولی نقش فوق‌العاده‌ای در هماهنگی و نظم‌دهی به داده‌ها داره. در واقع لاگ نوعی ساختمان داده است که به صورت مرتب شده و Append-Only هستش. یعنی فقط می‌شه بهش اضافه کرد.
✅ برای سادگی می‌تونید یک آرایه با طول نامحدود رو در نظر بگیرید که بر اساس زمان ورودی داده‌ها مرتب شده و فقط می‌شه بهش چیزی اضافه کرد و نه هیچکار دیگه‌ای.
✅ همین ساختار به این سادگی نقش بسیار پررنگی در علوم و مهندسی کامپیوتر داره و تقریبا همه جا می‌شه ردش رو دید.
🔹 چرا لاگ این‌قدر مهمه؟
- تمام تغییرات روی داده‌ها، توی لاگ ثبت می‌شن و این کمک می‌کنه سیستم‌ها همیشه با هم هماهنگ باشن
- اگه لاگ درست طراحی بشه، هر سیستمی می‌تونه تاریخچه‌ی داده‌ها رو پخش کنه و بر اساسش جدول‌ها یا نسخه‌های مختلف بسازه
- این مفهوم پشت ساختارهایی مثل پایگاه داده، ابزارهای کنترل نسخه، و کلی سیستم معروف مثل Kafka یا Hadoop قرار گرفته
🌟 این مقاله لنیکدین خیلی ساده و قابل فهم توضیح می‌ده که لاگ چیه، به چه درد می‌خوره، و چرا باید حواست بهش باشه اگه دنبال ساختن یه سیستم قابل اعتماد هستی.
👀 بخونش و یه نگاه جدید به طراحی سیستم‌های داده‌ای بنداز:
🔗 لینک مقاله در لینکدین
#blog
#software
🆔 @lifeAsAService
❓«لاگ» یه دنباله‌ی ساده از وقایع به‌صورت زمان‌دار و افزایشیه، ولی نقش فوق‌العاده‌ای در هماهنگی و نظم‌دهی به داده‌ها داره. در واقع لاگ نوعی ساختمان داده است که به صورت مرتب شده و Append-Only هستش. یعنی فقط می‌شه بهش اضافه کرد.
✅ برای سادگی می‌تونید یک آرایه با طول نامحدود رو در نظر بگیرید که بر اساس زمان ورودی داده‌ها مرتب شده و فقط می‌شه بهش چیزی اضافه کرد و نه هیچکار دیگه‌ای.
✅ همین ساختار به این سادگی نقش بسیار پررنگی در علوم و مهندسی کامپیوتر داره و تقریبا همه جا می‌شه ردش رو دید.
🔹 چرا لاگ این‌قدر مهمه؟
- تمام تغییرات روی داده‌ها، توی لاگ ثبت می‌شن و این کمک می‌کنه سیستم‌ها همیشه با هم هماهنگ باشن
- اگه لاگ درست طراحی بشه، هر سیستمی می‌تونه تاریخچه‌ی داده‌ها رو پخش کنه و بر اساسش جدول‌ها یا نسخه‌های مختلف بسازه
- این مفهوم پشت ساختارهایی مثل پایگاه داده، ابزارهای کنترل نسخه، و کلی سیستم معروف مثل Kafka یا Hadoop قرار گرفته
🌟 این مقاله لنیکدین خیلی ساده و قابل فهم توضیح می‌ده که لاگ چیه، به چه درد می‌خوره، و چرا باید حواست بهش باشه اگه دنبال ساختن یه سیستم قابل اعتماد هستی.
👀 بخونش و یه نگاه جدید به طراحی سیستم‌های داده‌ای بنداز:
🔗 لینک مقاله در لینکدین
#blog
#software
🆔 @lifeAsAService
👍5