vhogemann

Fixing Broadcom BCM43224 Wireless on MacBook Air (Mid 2011) with Kubuntu 26.04

This tutorial outlines the steps to fix the immediate kernel panic/hard freeze caused by the Broadcom BCM43224 wireless card on older MacBook hardware running modern Linux kernels (e.g., 7.0.0+).

The Problem

The internal Broadcom card (BCM43224 [14e4:4353]) often triggers an immediate system freeze when loading the proprietary wl driver or the open-source b43 driver. This is typically due to modern power management or MSI (Message Signaled Interrupts) conflicts on the older MacBook PCI bus.

Prerequisites

• An external USB Wi-Fi dongle or Ethernet adapter (to maintain internet during the fix).
• Terminal access.

vhogemann

#!/usr/bin/env sh

if [ ! -f "./legislaturas.json" ]; then
  # downloads the file legislaturas.json
  curl -s "https://dadosabertos.camara.leg.br/arquivos/legislaturas/json/legislaturas.json" > "./legislaturas.json"
fi

if [ ! -f "./deputados.json" ]; then
  # downloads the file deputados.json
  curl -s "https://dadosabertos.camara.leg.br/arquivos/deputados/json/deputados.json" > "./deputados.json"

vhogemann

A questão que você está levantando é muito interessante e traz à tona o problema de como as distribuições de probabilidade influenciam o desempenho de modelos como o ChatGPT, que são treinados em dados de linguagem natural, onde as palavras seguem uma distribuição de Lei de Potência (como a Lei de Zipf).

Resumo do raciocínio

1. Distribuições de Lei de Potência: A distribuição de palavras na maioria dos idiomas segue uma Lei de Potência, com poucas palavras sendo extremamente frequentes e muitas palavras sendo raras (caudas longas).
2. Distribuições Gaussianas: Modelos como LLMs (Large Language Models) podem estar usando distribuições Gaussianas (normalmente distribuídas) para interpolação e extrapolação, o que é caracterizado por caudas finas e uma variância finita.
3. Potencial de erro: Como a distribuição das palavras é fortemente não-Gaussiana, argumenta-se que isso poderia levar a um "potencial de erro enorme" ao usar distribuições Gaussianas para capturar padrões de uso de palavras.

vhogemann

open System.IO

let load () =
    let envFile = Path.Combine(__SOURCE_DIRECTORY__, ".env")
    if File.Exists(envFile) then
        File.ReadAllLines(envFile)
        |> Array.map (fun line -> line.Split('='))
        |> Array.map (fun parts -> parts.[0], parts.[1])
        |> Map
    else

vhogemann

// Em resposta a https://x.com/zanfranceschi/status/1819413388360810601

/*
 O que eu estou fazendo aqui é converter a string em um array de char usando
 o método Reverse(), e fazendo cast direto de char pra int. Cada dígito vai
 corresponder ao seu valor ASCII. Os números na tabela ASCII começam em 0, com o
 valor decimal 48. Então eu só diminuo 48 do valor do caracter pra ter o valor
 numérico de 0 até 9.
*/
double parse(string value) {

vhogemann

Keybase proof

I hereby claim:

• I am vhogemann on github.
• I am vhogemann (https://keybase.io/vhogemann) on keybase.
• I have a public key ASA_DuDI3YD6ZS9-IW0PaaZvm-8G0teGzybzSob-JYRsbwo

To claim this, I am signing this object:

vhogemann

namespace Test
module RandomPort =
    open System
    open System.Net.NetworkInformation
    let isFree port =
        let props =
            IPGlobalProperties.GetIPGlobalProperties()

        let tcpListeners =
            props.GetActiveTcpListeners()

vhogemann

//@ts-check
const fs = require("fs");
const axios  = require("axios").default;

let bearerToken = process.env.TWITTER_BEARER_TOKEN;

const headers = { 'Authorization': `Bearer ${bearerToken}` };

const client = axios.create({baseURL : 'https://api.twitter.com/1.1/tweets/search/', headers : headers})

vhogemann

/**
 * Use like *ngFor="let key of ( object | keys )"
 */
@Pipe({ name: 'keys', pure: false })
export class KeysPipe implements PipeTransform {
    transform(value: any, args: any[] = null): any {
        if(!value) return [];
        return Object.keys(value);
    }
}

vhogemann

export function Debounce(wait: number) {
    return function (target: any, propertyKey: string, descriptor: PropertyDescriptor) {
        let timeout;
        const original:Function = descriptor.value;
        const debounced = function() {
            const context = this;
            const args = arguments;
            const later = function() {
                timeout = null;
                original.apply(context, args);