به به به!
یه کورس از دانشگاه CMU پیدا کردم اصلا عالی. عنوانش هست :
Software Engineering for AI-Enabled Systems (CMU Course)

به طور مشخص، این دوره از دیدگاه مهندسی نرم‌افزار به ساخت سیستم‌های نرم‌افزاری می‌پردازد که در قلب خود از مدل‌های یادگیری ماشین یا هوش مصنوعی استفاده می‌کنند. به جای تمرکز بر روی خود مدل‌سازی و یادگیری، این دوره بر مسائل طراحی، پیاده‌سازی، عملیات و تضمین تمرکز می‌کند و چگونگی تعامل آن‌ها با مدل‌سازی دانشمند داده را بررسی می‌کند. این دوره برای مهندسان نرم‌افزاری که می‌خواهند چالش‌های خاص کار با مؤلفه‌های هوش مصنوعی را درک کنند و همچنین برای دانشمندان داده که می‌خواهند چالش‌های تبدیل یک مدل پروتوتایپ به محصول را درک کنند، طراحی شده است؛ این دوره ارتباط و همکاری بین هر دو نقش رو تسریع می‌کنه.

از اینجا می‌تونید این کورس رو ببینید.
اینجا هم گیت‌هاب درس هستش.

#course
#Software
#ML

@lifeAsAService

پیرو این پست کانال، توی این بلاگ پست از شرکت EvidentlyAI اومدن دیزاین سیستم ۴۵۰ پروژه‌ی یادگیری ماشین-نرم‌افزاری از ۱۰۰ شرکت بزرگ رو بررسی کردن و لینک‌ها رو هم گذاشتن که بتونید به داک‌ها و جزئیاتشون دسترسی داشته باشید.

توصیه می‌کنم حتما نگاه کنید بهتون دید خیلی خوبی از سیستم‌های بزرگی که از ماشین لرنینگ و نرم افزار استفاده می‌کنن می‌ده.

توضیحات مطلب:

How do companies like Netflix, Airbnb, and Doordash apply machine learning to improve their products and processes? We put together a database of 450 case studies from 100+ companies that share practical ML use cases and learnings from designing ML systems.

#systemDesign
#ML
#software
#LLM

⁉️ «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

🔎 💻 مطالعات نشون می‌ده که برنامه‌نویس‌ها ۶۰ تا ۷۰ درصد از زمانشون رو صرف درک کد می‌کنن.

این موضوع اصلاً تعجب‌آور نیست. برای اینکه هر تغییر معنی‌داری توی یک پروژه کد ایجاد کنیم، برنامه‌نویس‌ها اول باید یه مدل ذهنی از کد بسازن، که این کار می‌تونه برای سیستم‌های بزرگ و پیچیده چالش‌برانگیز باشه. با رشد پروژه‌ها، بار شناختی لازم برای درک اون‌ها هم بیشتر می‌شه، و این باعث می‌شه تمرکز بیشتری روی فهم کد به‌عنوان بخشی حیاتی از فرآیند توسعه قرار بگیره.

🔗 Measuring Program Comprehension: A Large-Scale Field Study with Professionals

🔗 I Know What You Did Last Summer. An Investigation of How Developers Spend Their Time

#paper
#software

🆔 @lifeAsAService

How to Pick Between Data Science, Data Analytics, Data Engineering, ML Engineering, and SW Engineering

#blog
#software
#data

@lifeAsAService

هندبوک نکات کاتلین از ساده تا پیشرفته‌.

#handbook
#file
#kotlin
#software

🆔 @lifeAsAServoce

چند روز پیش توی لینکدین دیدم کسی اومده و یه داک جمع و جور در مورد System Callها توی ویندوز آماده کرده. به نظرم چیز خوبیه.
System Call بهتون این امکان رو می‌ده که از امکانات سیستم عامل استفاده کنید و درخواست‌هاتون رو از اون طریق پیش ببرید. به نوعی API های سیستم عامل هستن.
یه بدی‌ای که ویندوز داره(فکر می‌کنم) اینه که جایی نداره که تمام این SysCall ها رو تمیز و مرتب جمع کرده باشه.

🔗 لینک پست در لینکدین

#software
#OS
#file
#learning

🆔 @lifeAsAService

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

📚 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

🎞 Distributed Systems Design Fundamentals

اگه به دنبال یادگیری طراحی و پیاده‌سازی سیستم‌های توزیع‌شده هستید این دوره مخصوص شماست.
سرفصل‌های دوره:

✅ Common pitfalls in building scalable systems and how to avoid them
✅ The basics of messaging and how it makes your software more reliable and maintainable
✅ How to architect long-running processes (hint: no more batch jobs!)
✅ How to sell the concept of messaging to your organization

#distributedSystem
#software
#course

🆔 @lifeAsAService

چرا اپلیکیشن‌های جاوا در داکر کندتر هستن؟

🔗 لینک مطلب
#software
#java
#programming

🆔 @lifeAsAService