جزيره فناوري اطلاعات

يكي از مهمترين پارمترهاي كليدي براي تبديل شدن به يك دانشمند بزرگ داده | data scientist ، تمرين با انواع مختلف مجموعه داده | ديتاست مي باشد. اما به راحتي نمي توان يك مجموعه داده مناسب براي يك پروژه و نوع الگوريتم انتخابي يادگيري ماشين | ML انتخاب كرد، بنابراين در ادامه اين مبحث، به شما آموزش خواهيم داد كه از طريق چه منابعي مي توانيد به راحتي مجموعه داده هايي را مطابق با پروژه خود تهيه كنيد.

در دوره آموزشي جامع علم داده مدرس كاظم تقنديكي تمام A-Z علم داده (يادگيري ماشين، داده كاوي) را به شكل كاملاً عملي و با زباني ساده به شما آموزش مي دهد

قبل از ذكر منابع مجموعه داده‌هاي يادگيري ماشين، ابتدا مفهموم مجموعه‌ داده را مورد بحث قرار مي دهيم.

مجموعه داده | Dataset چيست؟

مجموعه داده | ديتاست، در واقع مجموعه اي از داده ها است كه در آن داده ها به ترتيبي مرتب شده اند. يك مجموعه داده مي تواند يك آرايه يا يك جدول از پايگاه داده باشد. جدول زير نمونه اي از يك مجموعه داده را نشان مي دهد كه شامل 6 سطر و چهار ستون يا ويژگي كشور، سن، حقوق و خريد مي باشد.

يك مجموعه داده را مي توان به عنوان يك جدول يا ماتريس پايگاه داده درك كرد كه در آن هر ستون در واقع يك متغير يا ويژگي ناميد. بيشترين نوع فايل پشتيباني شده براي مجموعه داده هاي جدولي "فايل جدا شده با كاما" يا CSV  است.

در دوره آموزشي جامع علم داده مدرس كاظم تقنديكي تمام A-Z علم داده (يادگيري ماشين، داده كاوي) را به شكل كاملاً عملي و با زباني ساده به شما آموزش مي دهد.

انواع داده ها در مجموعه داده

• داده هاي عددي: مانند قيمت خانه، دما و غيره.
• داده هاي طبقه بندي شده: مانند بله/خير، درست/نادرست، آبي/سبز و غيره.
• داده‌هاي ترتيبي: اين داده‌ها شبيه به داده‌هاي طبقه‌بندي هستند، اما مي‌توانند بر اساس مقايسه اندازه‌گيري شوند. مانند مقطع تحصيلي كه شامل مقادير وزني (ديپلم، كارداني، كارشناسي، كارشناسي ارشد و دكترا مي باشد)

توجه: يك مجموعه داده دنياي واقعي داراي اندازه بزرگي است كه مديريت و پردازش آن در سطح اوليه دشوار است. بنابراين، براي تمرين الگوريتم‌هاي يادگيري ماشين، مي‌توانيم از هر مجموعه داده ساختگي استفاده كنيم.

نياز به مجموعه داده

براي كار با پروژه هاي يادگيري ماشين | machine learning، به حجم عظيمي از داده نياز داريم، زيرا بدون داده، نمي توان مدل هاي ML/AI را آموزش داد. جمع آوري و آماده سازي مجموعه داده | ديتاست يكي از مهم ترين بخش ها در هنگام ايجاد يك پروژه ML/AI است. اگر مجموعه داده به خوبي آماده و از قبل پردازش نشده باشد، فناوري به كار رفته در پشت هر پروژه ML نمي تواند به درستي كار كند و دقت خروجي كمتري خواهد داشت. در طول توسعه پروژه ML، توسعه دهندگان كاملاً به مجموعه داده ها متكي هستند. در ساخت برنامه هاي ML، مجموعه داده ها به دو بخش تقسيم مي شوند:

• مجموعه داده هاي آموزشي : با استفاده از اين مجموعه داده مدل يادگيري ماشين | machine learning مورد نظر را آموزش مي دهيم.
• مجموعه داده تست : با استفاده از اين مجموعه داده مدل يادگيري ماشين | ML آموزش ديده را مورد ارزيابي قرار مي دهيم.

توجه: مجموعه داده ها حجم بالايي دارند، بنابراين براي دانلود اين مجموعه داده ها بايد اينترنت پرسرعتي در رايانه خود داشته باشيد.

در دوره آموزشي جامع علم داده مدرس كاظم تقنديكي تمام A-Z علم داده (يادگيري ماشين، داده كاوي) را به شكل كاملاً عملي و با زباني ساده به شما آموزش مي دهد

بهترين منابع براي دانلود مجموعه داده

در ادامه منابعي معرفي مي شود كه مجموعه داده هاي آن به صورت رايگان براي عموم در دسترس مي باشد.

Kaggle Datasets

Kaggle يكي از بهترين منابع يا مخازن تهيه مجموعه داده براي دانشمندان داده و كاربردهاي يادگيري ماشين مي باشد. شما در اين سايت به آساني مي توانيد منابع مورد نظر را جست و جو، دانلود و حتي منتشر كنيد. همچنين در اين وب سايت شما مي توانيد با ساير دانشمندان داده در تحليل و پيش بيني داده ها رقابت كنيد.

مخزن يادگيري ماشين UCI

مخزن يادگيري ماشين UCI يكي از منابع عالي مجموعه داده هاي يادگيري ماشين براي كاربردهاي مختلف ( دسته بندي، رگرسيون، خوشه بندي و ... ) است كه از سال 1987، به طور گسترده توسط دانشجويان، اساتيد، محققان به عنوان منبع اصلي مجموعه داده هاي يادگيري ماشين استفاده شده است. از جمله مجموعه‌هاي داده محبوب آن عبارتند از مجموعه داده‌هاي Iris، مجموعه داده ارزيابي خودرو، مجموعه داده‌هاي دستي پوكر كه براي آموزش الگوريتم هاي مختلف يادگيري ماشين از آن استفاده مي شود.

مجموعه داده AWS

يكي ديگر از منابعي كه با استفاده از آن مي توانيم مجموعه داده هاي سفارشي خود را جست و جو، دانلود و منتشر كنيم عبارتند از سايت AWS. هر كسي مي‌تواند با استفاده از مجموع داده‌هاي به اشتراك گذاشته شده از طريق منابع  AWS، الگوريتم هاي مختلف يادگيري ماشين را بر روي مجموعه داده هاي مختلف پياده سازي كند.

موتور جستجوي مجموعه داده هاي گوگل

موتور جستجوي مجموعه داده هاي گوگل توسط گوگل در 5 سپتامبر 2018 راه اندازي شد. اين منبع به محققان اين امكان را مي دهد تا مجموعه داده هاي آنلاين را كه به صورت رايگان براي استفاده در دسترس هستند رابه منظور كاربردهاي مختلف يادگيري ماشين دانلود كنند.

مجموعه داده Scikit-Learn

Scikit-learn يك كتابخانه يادگيري ماشين براي زبان برنامه نويسي پايتون مي باشد كه علاوه بر ارائه الگوريتم هاي مختلف يادگير ماشين و پردازش امكان دسترسي به يكسري مجموعه داده را براي دانشمندان داده ممكن مي سازد.

در دوره آموزشي جامع علم داده مدرس كاظم تقنديكي تمام A-Z علم داده (يادگيري ماشين، داده كاوي) را به شكل كاملاً عملي و با زباني ساده به شما آموزش مي دهد.

در مقاله يادگيري ماشين بانظارت، ياد گرفتيم كه چگونه مي توان مدل ها را با استفاده از مجموعه داده آموزشي برچسب دار، آموزش داد و بعد از آزمون قبولي، از آن ها براي سوددهي در هر كسب و كاري استفاده كرد. اما ممكن است در خيلي از پروژه ها يا صنايع امكان دسترسي به يك مجموعه داده برچسب دار نباشد يا به گونه اي تهيه يك مجموعه داده برچسب دار خيلي دشوار باشد، لذا نمي توان مدل ها را با استفاده از اين نوع داده ها به خوبي آموزش داد، اما مي توان يكسري الگو و رابطه از دل اين مجموعه داده استخراج كرد. در اين شرايط مي توان از الگوريتم هاي يادگيري بدون نظارت به منظور خوشه بندي و استخراج رابطه بين داده ها نيز استفاده كرد. در ادامه بيشتر در مورد الگوريتم يادگيري بدون نظارت | Unsupervised Machine Learning آشنا خواهيم شد.

يادگيري ماشين بدون نظارت چيست؟

همانطور كه از نام اين نوع يادگيري پيداست، يادگيري بدون نظارت | Unsupervised Machine Learning يك تكنيك يادگيري ماشين است كه در آن مدل‌ها با استفاده از مجموعه داده‌هاي آموزشي نظارت نمي‌شوند (يعني از مجموعه داده داراي برچسب آموزش نمي بينند). در عوض، مدل‌ها مي توانند يكسري الگوها و بينش‌هاي پنهان را از دل مجموعه داده ها پيدا ‌كنند.

مي توان يادگيري بدون نظارت را اينگونه نيز تعريف كرد:

يادگيري بدون نظارت نوعي از يادگيري ماشيني است كه در آن مدل‌ها با استفاده از مجموعه داده‌هاي بدون برچسب آموزش داده مي‌شوند و اجازه دارند بدون هيچ نظارتي بر روي آن داده‌ها عمل كنند.

در دوره آموزشي جامع علم داده مدرس كاظم تقنديكي تمام A-Z علم داده (يادگيري ماشين، داده كاوي) را به شكل كاملاً عملي و با زباني ساده به شما آموزش مي دهد

يادگيري بدون نظارت | Unsupervised Machine Learning را نمي توان مستقيماً براي حل يك مسئله رگرسيون يا دسته بندي نيز استفاده كرد زيرا براي حل اين نوع مسائل ما نياز به مجموعه داده اي داريم كه داراي ويژگي برچسب باشد، لذا براي حل اين نوع مسائل بايد از الگوريتم هاي يادگيري بانظارت استفاده كرد. هدف از يادگيري بدون نظارت، يافتن ساختار زيربنايي مجموعه داده، گروه بندي آن داده ها بر اساس شباهت ها و نمايش آن مجموعه داده در يك قالب فشرده است .

مثال: فرض كنيد يك مجموعه داده ورودي حاوي هزاران تصوير انواع مختلف گربه و سگ بدون هيچ نوع برچسبي داريم (تصوير زير) كه آن را به يك الگوريتم يادگيري بدون نظارت سپرده ايم. الگوريتم نمي تواند بر روي اين مجموعه داده آموزش داده شود اما مي تواند با توجه به الگوهاي شباهتي كه بين تصاوير مختلف گربه و سگ وجود دارد (مانند رنگ چشم، رنگ مو، اندازه و ...)، آن ها را به 2 خوشه گربه و سگ تقسيم نمايد.

چرا بايد از يادگيري بدون نظارت استفاده كنيم؟

مهمترين عواملي كه استفاده از الگوريتم يادگيري بدون نظارت را در صنايع مهم دانسته است عبارتند از:

• يادگيري بدون نظارت براي يافتن يك دانش عميق از داده ها مفيد است.
• يادگيري بدون نظارت بسيار شبيه به هوش مصنوعي و يادگيري انسان است كه با تجربيات و مشاهدات خود مي تواند الگو و رابطه بين در داده ها را بيابد.
• يادگيري بدون نظارت مهم است چرا كه مي تواند بر روي داده هاي بدون برچسب و دسته بندي نشده كار مي .
• در دنياي واقعي، ما هميشه داده هاي ورودي با خروجي مربوطه نداريم، بنابراين براي حل چنين مواردي، به يادگيري بدون نظارت نياز داريم.

نحوه كار الگوريتم هاي يادگيري بدون نظارت :

نحوه كار الگوريتم هاي يادگيري بدون نظارت را مي توان با تصوير زير درك كرد:

در تصوير فوق و در مرحله اول ما يك مجموعه داده ورودي (تصاوير تصادفي حيوانات) بدون برچسب داريم، به اين معني كه بخشي از داده ها از قبل دسته بندي نشده است و داراي برچسب نمي باشند. لذا در مرحله بعد با استفاده از يكي از الگوريتم هاي يادگيري ماشين بدون نظارت مانند k-means رابطه ها و الگوهاي پنهان از دل تصاوير استخراج شده و خوشه بندي داده ها نيز انجام مي پذيرد.

انواع الگوريتم يادگيري بدون نظارت:

الگوريتم هاي يادگيري بدون نظارت | Unsupervised Machine Learning را مي توان به دو دسته تقسيم كرد:

• الگوريتم هاي خوشه‌بندي | Clustering : خوشه‌بندي روشي است براي قراردادن اشياء در يكسري خوشه‌ها، به‌گونه‌اي كه اشياي (داده هاي) داخل يك خوشه بيشترين شباهت را با يكديگر و كمترين شباهت را با اشياي ساير خوشه ها دارند.
• الگوريتم هاي قواعد انجمني | Association rule : از اين نوع الگوريتم ها براي تحليل سبد خريد يك فروشگاه استفاده مي شود به عنوان مثال با استفاده از اين نوع الگوريتم ها مي توانيم رابطه خريد بين محصولات يك فروشگاه را درك كنيم، يكي از اين نوع قواعد مي تواند به اين شكل تفسير شود. آقاي رضاييان با ضريب اطمينان 90 درصد موقع خريد پنير، محصول ديگري با نام نان نيز خريده است.

الگوريتم هاي يادگيري بدون نظارت:

برخي از الگوريتم هاي يادگيري بدون نظارت | Unsupervised Machine Learning نيز در زير ليست شده است:

• خوشه بندي سلسله مراتبي
• خوشه بندي K-means
• خوشه بندي مبتني بر چگالي
• K نزديكترين همسايه
• تشخيص ناهنجاري
• شبكه هاي عصبي
• الگوريتم  Apriori

مزاياي يادگيري بدون نظارت 

• يادگيري بدون نظارت | Unsupervised Machine Learning در مقايسه با يادگيري نظارت شده براي كارهاي پيچيده‌تر استفاده مي‌شود، زيرا در يادگيري بدون نظارت، داده‌هاي ورودي برچسب‌دار نداريم.

معايب يادگيري بدون نظارت

• يادگيري بدون نظارت ذاتاً دشوارتر از يادگيري تحت نظارت است زيرا داده هاي ورودي داراي هيچ گونه برچسبي نيز نمي باشد.
• نتيجه عملكردي الگوريتم هاي يادگيري بدون نظارت ممكن است دقت كمتري داشته باشد زيرا داده‌هاي ورودي برچسب‌گذاري نمي‌شوند و الگوريتم‌ها خروجي دقيق را از قبل نمي‌دانند و آموزش داده نشده اند.

امروز ميخواهيم بهترين وب سايت هاي آموزش تخصصي شبكه ، لينوكس و امنيت در دنيا را به شما معرفي كنيم و تجربه آموزش هر كدام را به اشتراك بگذاريم . اين روزها پيدا كردن يك دوره آموزشي مناسب در حوزه شبكه و امنيت و حتي لينوكس آسان نيست.هر كسي به خودش اجازه مي دهد با يك ميكروفون ، يك كامپيوتر و لابراتوار ساده خانگي و البته روخواني از روي كتابهاي آموزشي براي خودش آموزش طراحي كند و با تكنيك هاي سئو آن را به صفحات اول گوگل بياورد و براي خودش رزومه بسازد .

اما ما امروز ميخواهيم وب سايتهاي مرجعي كه در حوزه آموزش شبكه ، آموزش لينوكس و البته آموزش امنيت شبكه بسيار قدرتمند فعاليت مي كنند را براي شما ليست كنيم . در عين حال شما مي توانيد با مراجعه به هر يك از وب سايت هاي مورد نظر از طريق بررسي رتبه بندي دوره ها ، بهترين دوره آموزشي را براي خودتان انتخاب كنيد پس تا انتها با اين مقاله همراه باشيد.

معرفي وب سايت يودمي ( Udemy )

خوب وب سايت يودمي قطعا بزرگترين پلتفرم آموزش شبكه و امنيت در دنيا به حساب مي آيد. اين وب سايت ده ها هزار عنوان دوره آموزشي متنوع در حوزه هاي مختلف دارد كه قطعا حوزه آموزش فناوري اطلاعات و شبكه و ... نيز جزو محبوب ترين هاي Udemy هستند.

از مزاياي دوره هاي آموزش شبكه و امنيت و لينوكس يودمي مي توانيم به قسمت بسيار ارزان آن در مقايسه با ساير پلتفرم هاي آموزش انلاين اشاره كنيم. برخي اوقات همه آموزشهاي يودمي بيشتر از 90 درصد تخفيف مي خورند و اين يكي از سياست هاي تجاري وب سايت يودمي است.

اما يكي از نقاط ضعف مهم دوره هاي يودمي اين است كه نظارتي روي كيفيت دوره ها ندارد ( حداقل از نظر من ) و هر كسي مي تواند با هر سطح دانشي در ان تدريس كنم و اين باعث مي شود كه انتخاب كردن بين دوره هاي آموزشي بسيار سخت و دشوار شود.

بايد حتما در زمان خريد از اين وب سايت به رنكينگ و نظرات كاربران آن نگاه كنيد. هر چند كه در دنيا قيمت دوره هاي آموزش لينوكس و آموزش شبكه يودمي بسيار ارزان به نظر مي رسد اما بد نيست بدانيد كه در كمترين حالت قيمت هاي دوره هاي يودمي 10 دلار در 90 درصد تخفيف هستند و اين در حال حاضر براي ايران و ايراني كه يك دلار هم ارزش بالايي دارد كم نيست .

معرفي وب سايت ليندا ( Lynda ) يا لينكداين

وب سايت ليندا كه در حال حاضر با عنوان آكادمي لينكداين شناخته مي شود هم يكي ديگر از وب سايت هاي بسيار خوب در حوزه آموزش هاي تخصصي لينوكس و شبكه به حساب مي آيد. اكانت ليندا با اكانت لينكداين شما يكپارچه شده است و طبيعتا داشتن پشتيباني خاص مايكروسافت از اين پلتفرم آموزشي آنرا بسيار خاص كرده است.

دوره هاي آموزشي لينكداين داراي ساختار طراحي يكپارچه و شكيل هستند و در آموزش آنها نظم خاصي به كار رفته است. محبوبيت بيشتر اين پلتفرم آموزشي بيشتر در حوزه آموزش هاي سازماني است تا آموزشهاي فوق تخصصي و به همين دليل كمتر كسي از ايراني ها علاقه مند به آموزش ديدن در لينكداين هستند.

اما به هر حال نمي توان كتمان كرد كه لينكداين يكي از برترين پلتفرم هاي آموزش شبكه و امنيت در دنيا به حساب مي آيد. من سابقا بيشتر از آموزشهاي گرافيكي و آفيس ليندا استفاده مي كردم و در اين حوزه از اين پلتفرم راضي هستم. لينكداين هم مثل يودمي اجازه تدريس مي دهد اما طبق قواعد و استانداردهايي كه تعريف مي كند و اين باعث مي شود كيفيت آموزشهاي به نسبت بهتري داشته باشد.

معرفي وب سايت سي بي تي ناگت ( CBT Nuggets )

از نظر من CBT Nuggets بدون شك قدرتمندترين وب سايت آموزش شبكه و لينوكس در دنيا به حساب مي آيد. دليل اين موضوع اين است كه آموزشهاي CBT Nuggets بصورت تخصصي و فوق تخصصي بر روي مباحث مرتبط با فناوري اطلاعات متمركز شده اند و مثل دو وب سايت گذشته درگير همه دوره هاي آموزشي نشده اند.

يكي از با قدمت ترين وب سايت هاي آموزش فناوري اطلاعات دنياست و ساختار آموزش آن طبق يك استاندارد مشخص طراحي شده است. مدرسين در CBT Nuggets از قبل تعريف شده اند و هر كسي امكان تدريس در اين پلتفرم را نداشته و فيلترهاي خاصي براي آن وجود دارد.

يكي از نقاط ضعف CBT Nuggets قطعا آموزش سطحي است. در دوره هاي آموزشي شبكه و لينوكسي كه در CBT Nuggets مشاهده مي كنيد ، مدرس در بطن و عمق مفاهيم وارد نمي شود و صد البته مفاهيم و آموزشها بصورت يكپارچه ارائه نمي شوند و قسمت به قسمت و بخش به بخش آموزش داده مي شوند.

براي مثال در دوره آموزش لينوكس LPIC 2 در بخش بانك هاي اطلاعاتي بدون اينكه به شما گفته شود چگونه بانك اطلاعاتي بسازيد يكباره وارد دستورات مي شوند و اين روش تدريس چندان جذاب نيست . سبك تدريس در CBT Nuggets طنز و كمدي است و اين يكي از نقاط قوت اين مجموعه محسوب مي شود. به شخصه آموزشهاي CBT Nuggets را دوست دارم اما خوب هزينه استفاده از اين پلتفرم ، فارغ از داشتن ويديوها بسيار براي فارسي زبانان سنگين است.

معرفي وب سايت پلورال سايت ( Pluralsight )

وب سايت Pluralsight در ابتدا فقط بر روي دوره هاي آموزش برنامه نويسي متمركز بود اما به مرور زمان و با گسترش رقبا و نياز به ورود به حوزه هاي ديگر ، يكي ديگر از قدرت هاي آموزشي حوزه شبكه به نام Trainsignal را خريداري كرد و تبديل به يك پلتفرم آموزش شبكه ، امنيت ، لينوكس و برنامه نويسي و بصورت كلي فناوري اطلاعات در دنيا شد.

مكانيزم كاري اين وب سايت نيز تا حد زيادي شبيه به يودمي است اما ساختار مشخصي دارد و به نسبت كيفيت دوره هاي بالايي نيز دارد. هزينه هاي تمامي وب سايت هايي كه عنوان كرديم به دلار مي باشد و اين موضوع براي آموزش ديدن در ايران اصلا خوب نيست.

مكانيزم كاري اين وب سايت نيز تا حد زيادي شبيه به يودمي است اما ساختار مشخصي دارد و به نسبت كيفيت دوره هاي بالايي نيز دارد. هزينه هاي تمامي وب سايت هايي كه عنوان كرديم به دلار مي باشد و اين موضوع براي آموزش ديدن در ايران اصلا خوب نيست.

معرفي وب سايت توسينسو ( ToSinSo)

اگر بخواهيم يك نمونه فوق تخصصي از وب سايت آموزش حوزه فناوري اطلاعات در ايران و به زبان فارسي نام ببريم ، شك نكنيد بهترين سايت آموزش شبكه و فناوري اطلاعات ايران ، قطعا وب سايت توسينسو است. اين وب سايت كه تغيير نام داده شده انجمن تخصصي فناوري اطلاعات ايران است به نوعي با قدمت ترين و با كيفيت ترين وب سايت آموزشي اين حوزه محسوب مي شود .

استفاده از اساتيد منتخب فارسي زبان و داراي سابقه كاري در سطح كلان ، قيمت هاي بسيار مناسب در مقايسه با ساير دوره هاي آموزشي ، ارائه گواهينامه حضور در دوره و صد البته پشتيباني عالي از دانشجويان دوره توسط مدرس و سايت از جمله مهمترين فاكتورهايي است كه توسينسو را در آموزش شبكه و فناوري اطلاعات از همه وب سايت هاي فارسي زبان متمايز مي كند. شعار جالب اين وب سايت اين است ، ما دومين وب سايت برتر آموزش فناوري اطلاعات فارسي هستيم ، اولين را شما به ما معرفي كنيد و اين يعني كيفيت در اولويت اين وب سايت است.

ايلوستريتور (Illustrator) چيست؟ نرم افزار ايلاستريتور نرم افزاري گرافيكي است كه با استفاده از زبان C++ نوشته و طراحي شده كه توسط شركت ادوبي (Adobe) ساخته شده. با استفاده از اين نرم افزار ميتوان فايل هاي گرافيكي طراحي و خلق كرد ، اين نرم افزار از سيستم برداري استفاده ميكند كه بسياري از لوگو ها پوستر ها و آيكون ها توسط اين نرم افزار طراحي ميشوند.

تاريخچه ادوبي ايلوستريتور چيست؟

بد نيست كمي راجع به تاريخچه ايلوستريتور هم چيزهايي بدانيم. برنامه ايلوستريتور در سال 1987 توسط شركت Adobe طراحي و ارائه شد كه در تايم فريم هاي مشخص آپديت شد و اين بروز رساني ها همچنان ادامه دارد جالب است بدانيد كه اين نرم افزار در حال حاضر از بالاترين سطح محبوبيت از نظر كاربران شركت Adobe در زمينه يطراحي لوگو ، وكتور و . . . برخوردار است و اين نرم افزار درست 3 سال قبل از برنامه فتوشاپ ساخته شده كه نسبت به اين نرم افزار قدمت بيشتري دارد.ايلاستريتور در برحسب معادلات رياضي، شكل ها را پردازش ميكند.

در نسخه دوم ارائه شده از اين نرم افزار كه داراي ايرادات بسيار زيادي بود باعث شد كه آپديت هاي چهارم و پنجم و ششم اين نرم افزار به سرعت ارائه شود ، در سال 1996 و در ششمين اپديت ايلوستريتور تغييرات اساسي و زيادي در نرم افزار ايجاد شد كه بتواند با رقباي خود رقابت كند و يكي از اين كار ها اضافه كردن و پشتيباني از فونت تروتايپ يعني همين فونت هايي كه بر روي ويندوز ازشون استفاده ميكنيم ، بود. ديگر ويژگي قابل بحث اين برنامه كه در همان بروز رساني اضافه شد قابليت Plugin و اضافه كردن آن به نرم افزار ايلاستريتور بود كه توانايي نرم افزار را به شدت افزايش داد.

آپديت 7 نرم افزار را به صورت انحصاري و تمركزي روي وب و خروجي گرفتن براي وبسايت ارائه داد و با استفاده از شركت هاي كمكي براي طراحان سايت پلاپين هايي طراحي كرد كه از هر برنامه ديگري بي نياز باشند و اين كار بتعث عبور اين نرم افزار از ساير رقباي خود شد. در سيزدهمين آپديت نرم افزار ايلاستريتور دچار تغييرات بصري در رنگ شد كه در اين به روز رساني بود كه رنگ هاي جذاب نارنجي به ايلوستريتور و آبي به ادوبي فتوشاپ رسيد.

چهاردمين دوره بروز رساني ايلاستريتور در سال 2008 دست خوش تغييرات رابط كاربري و راحت تر شدن فضاي كار براي كاربر بود و در اين آپديت كار با قسمت Layers بسيار آسان شد. تا الان 24 نسخه از اين نرم افزار ارائه شده است كه شركت ادوبي در نظر دارد در آينده از هوش مصتوعي در اين برنامه استفاده كند كه بنظر اتفاق بزرگي در حرفه ي گرافيك خواهد بود.

• براي يادگيري حرفه اي طراحي كارت ويزيت و سربرگ وارد دوره آموزش ايلوستريتور مهندس فاضلي در لينك زير شويد.

يكي از معمول ترين سوالات دانشجويان كامپيوتر براي ورود به دنياي شبكه هاي كامپيوتري ، انتخاب بين شبكه هاي مايكروسافت و شبكه هاي سيسكو است. در پاسخ به اين دوستان بايد به اين موضوع دقت كنيد كه دو فاكتور اصلي در انتخاب بين سيسكو و مايكروسافت وجود دارد.

اولين فاكتور علاقه شخصي شما به هر يك از حوزه هاي شبكه سيسكو يا مايكروسافت است و دومين فاكتور بحث بازار كار متخصص شبكه و متخصص سيسكو است. به عنوان كسيكه به خوبي بازار كار شبكه را در ايران و دنيا مي شناسم ، به هيچ عنوان به كسي توصيه نمي كنم كه در وهله اول شروع به يادگيري يك تخصص صرف كند.

يعني صرفا متخصص مايكروسافت شود يا صرفا متخصص سيسكو شود. شما بايد ابتدا وارد بازار كار شبكه شويد ، چند سال فعاليت كنيد ، رزومه جمع كنيد و بعد در نهايت بر حسب علاقه اي كه به دست آورده ايد ، گرايش انتخاب كنيد. ينابراين براي افراديكه تازه كار هستند بنده نه مايكروسافت و نه سيسكو را توصيه نمي كنم بلكه همچنان اعتقاد دارم شما بايد بر اساس همان هفت گام ( چگونه شبكه را شروع كنيم ) كه قبلا در همين مقاله گفتيم

ابتدا شبكه را ياد بگيريد و بعد از چند سال بين تخصص هاي مختلف انتخاب كنيد. بديهي است بازار كار مايكروسافت به دليل همه گيري بيشتر ، بهتر از سيسكو است اما اين فقط در ابتداي كار است و اگر شما تجربه كار كردن در محيط هاي بزرگ را به دست بياوريد ، به مرور كار براي متخصص سيسكو هم در سطوح كلان وجود دارد. فراموش نكنيد كه اولين گام يادگيري دوره آموزشي نتورك پلاس است.

سي شارپ چيست؟ زبان C# چه كاربردهايي دارد؟ آيا زبان سي شارپ براي شروع برنامه نويسي مناسب است؟ چه نوع برنامه هايي مي توان با زبان سي شارپ نوشت؟ و سوالاتي از اين دست در ذهن تمام افرادي كه قصد شروع برنامه نويسي را دارند شكل ميگيرد. در اين مطلب ميخواهيم به معرفي زبان سي شارپ بپردازيم و ببينيم كه اين زبان محبوب و قدرتمند چه قابليت هايي در اختيار ما قرار ميدهد و آيا مي توان از اين زبان به عنوان نقطه شروعي براي ورود به دنياي برنامه نويسي استفاده كرد؟ جامع تريآموزش برنامه نويسي سي شارپ كدام است ؟ پس با من تا انتهاي اين مطلب همراه باشيد.

برنامه كامپيوتري چيست؟

قبل از اينكه به سراغ مبحث اصلي، يعني پاسخ سي شارپ چيست برويم بايد كمي با مفاهيم اوليه آشنا شويم؟ در اولين قدم به سوال برنامه كامپيوتري چيست پاسخ مي دهيم. شما هر روز با برنامه هاي كامپيوتري سر و كار داريد. از گوشي هاي موبايل گرفته تا كامپيوترهاي روميزي و تبلت، همه اين ها براي اينكه كاربردي باشند به مفهومي به نام برنامه كامپيوتري وابسته هستند.

برنامه كامپيوتري بر روي سيستم هاي كامپيوتري اجرا مي شوند و هر كدام كاربردهاي خاص خودشان را دارند. براي مثال، سيستم عامل اصلي ترين برنامه كامپيوتري است كه شما در زمان روشن كردن يك كامپيوتر با آن مواجه مي شويد، مثل سيستم عامل لينوكس، ويندوز، اندرويد و ... ساير برنامه هاي كامپيوتري بر روي بستر سيستم عامل اجرا مي شوند، مثل برنامه پخش آهنگ، برنامه ويراستار و ... كامپيوتر ها بدون برنامه كامپيوتري قابل استفاده نيستند، پس برنامه هاي كامپيوتري نقش مهمي در كامپيوتر ها ايفا مي كنند.

برنامه نويس و برنامه نويسي چيست؟

برنامه نويسي به پروسه توليد يك برنامه كامپيوتري گفته مي شود. پروسه برنامه نويسي يك پروسه پيچيده است كه انجام آن نياز به تجربه و كسب مهارت هاي زيادي دارد. برنامه مثال، يك برنامه پخش آهنگ را در نظر بگيريد. اين برنامه توسط يك زبان برنامه نويسي توليد مي شود و به پروسه توليد اين برنامه، برنامه نويسي مي گويند.

شخصي كه كار برنامه نويسي را انجام مي دهد، برنامه نويس نام دارد و براي اين كار بايد با يك زبان برنامه نويسي آشنا باشد. پروسه برنامه نويسي شامل نوشتن يكسري كدها است كه ورودي را از كاربر گرفته و يك خروجي را ايجاد مي كند. مانند برنامه پخش آهنگ كه به عنوان ورودي فايل صوتي را گرفته و به عنوان خروجي آهنگ را پخش مي كند. يك برنامه كامپيوتري فقط مي تواند خروجي توليد كند و ورودي نداشته باشد، اما اكثر برنامه هاي كامپيوتري نياز به يك ورودي دارند.

براي آشنايي بيشتر با مفاهيم اوليه برنامه نويسي مطلب كاملترين آموزش برنامه نويسي به صورت گام به گام را مطالعه كنيد. همچنين براي شروع برنامه نويسي مطلب برنامه نويسي را از كجا شروع كنيم را مطالعه كنيد تا به سوالات مهم شما در اين زمينه پاسخ داده شود.

زبان سي شارپ چيست؟

رسيديم به سوال اصلي سي شارپ چيست؟ در بخش قبلي با مفهوم برنامه نويس و برنامه نويسي آشنا شديم و گفتيم كه برنامه نويس براي نوشتن برنامه هاي كامپيوتري نياز به يك زبان برنامه نويسي دارد. سي شارپ يك زبان برنامه نويسي است كه به كمك آن مي توان براي توليد انواع مختلفي از برنامه ها را توليد كرد.

برنامه هايي مانند برنامه هاي موبايل، برنامه هاي تحت وب، ويندوز و ... زبان سي شارپ ريشه در زبان سي دارد. زبان سي بوسيله دنيس ريچي در سال 1970 معرفي شد و تحولي در دنياي برنامه نويسي ايجاد كرد. امروزه بيشتر زبان هاي محبوب مانند سي شارپ، جاوا و جاوا اسكريپت ريشه در زبان سي دارند. يعني دستوراتي كه در اين زبان ها استفاده مي شود شباهت زيادي به زبان سي دارد.براي مطالعه ادامه اين مقاله به منبع مراجعه كنيد.

در يادگيري لينوكس و شروع آموزش لينوكس شما حتما براتون سوالهايي پيش مياد كه بايد با پاسخ اونها به خوبي آشنا باشيد. من توي اين مطلب متداول ترين سوالاتي كه براي آموزش لينوكس و شروع يادگيري لينوكس هست رو براي شما عزيزان ليست كردم ، هر چند كه قبلا مقاله اي كامل با عنوان لينوكس را از كجا شروع كنيم رو نوشتم كه خيلي از سوالات داخلش جواب داده شده ، اما شايد بخاين بصورت خاص در خصوص اين موارد پاسخي داشته باشيد كه اينجا جمعشون كردم.

بهترين راه براي يادگيري لينوكس چيست؟

بهترين راه يادگيري لينوكس به زبان فارسي استفاده از يك دوره ساده ، روان ، كاربردي و تدريس توسط يك مدرس با تجربه مي باشد. دوره آموزشي لينوكس ( سري LPIC مهندس نصيري ) قطعا بهترين دوره آموزشي لينوكس به زبان فارسي مي باشد كه شما مي توانيد با آن براحتي لينوكس را قورت بدهيد.

اما روشهاي ديگري هم براي يادگيري لينوكس وجود دارد كه يادگيري با كتاب روش خوب و كاربردي است . توجه كنيد كه هدف معرفي بهترين روش يادگيري لينوكس است و قطعا هر كس روش خاص يادگيري خودش را دارد ، شما مي توانيد ابتدا دوره ويديوي لينوكس را ياد بگيريد ، سپس با كمك ويديوهاي مكمل ، مقالات و شركت در تالارهاي پرسش و پاسخ ، دانش لينوكس خود را به سطح عالي برسانيد.

چه دوره هاي آموزشي لينوكسي در دنيا وجود دارد؟

اساسا سه نوع دوره آموزشي لينوكس حرفه اي در دنيا وجود دارد ، هر چند دوره هاي متفرقه ديگري هم وجود دارند . دوره هاي آموزشي انيستيتو حرفه اي هاي لينوكس كانادا يا LPI كه در قالب دوره هاي آموزشي Linux Essentials ، سري دوره هاي آموزشي LPIC يك ، دو و سه ارائه مي شوند دوره هاي آموزشي شركت RedHat كه با عنوان هاي RHCSA و RHCSE مطرح هستند ، دوره آموزشي CompTIA Linux Plus كه توسط شركت كامپتيا و تحت ليسانس شركت RedHat ارائه مي شود . علاوه بر اين سه نوع دوره ، دوره هاي خاص منظوره براي هر توزيع هم ممكن است وجود داشته باشد براي مثال دوره هاي تخصصي لينوكس OpenSUSE و ... ( دوره آموزشي LPIC 1 )

براي مطالعه بيشتر و آشنايي بيشتر با در مباحث و مفاهيم آموزش لينوكس به منبع مقاله در اين لينك مراجعه كنيد.

SQL چيست؟ اس كيو ال چه كاربردهايي دارد و واژه SQL مخفف چه كلماتي است؟ پرسشي كه در ذهن خيلي از علاقه مندان به بانك هاي اطلاعاتي شكل مي گيرد و ما در اين مقاله قصد داريم به تمامي سوالات شما در اين باره پاسخ دهيم و با زبان SQL آشنا شويم.اس كيول (SQL) يا Structured Query Language يك زبان Domain-Specific است كه براي برنامه نويسي و طراحي بانك هاي اطلاعاتي در بانك هاي رابطه اي يا RDBMS ها استفاده مي شود.

زبان SQL مختص يك شركت يا يك سازمان نيست، البته پايه اين زبان توسط شركت IBM گذاشته شد، ولي امروزه اين زبان يك استاندارد پايه براي بانك هاي اطلاعاتي رابطه اي تعريف مي كند. بر اساس اين استاندارد شركت هايي كه نرم افزار بانك اطلاعاتي توليد مي كنند مثل مايكروسافت يا اوراكل زبان مختص مربوط به بانك خود را طراحي مي كنند كه استفاده كنندگان از آن نرم افزار مي توانند از زبان SQL مختص آن نرم افزار براي كوئري گرفتن، طراحي و برنامه نويسي در بانك هاي اطلاعاتي استفاده كنند.

تاريخچه زبان SQL چيست؟

قبل از اينكه به سراغ پاسخ به سوال SQL چيست برويم بهتر است كه كمي با تاريخچه آن آشنا مي شويم. زبان SQL اولين بار در شركت IBM توسط دوناد چمبرلين و ريموند بويس در اواسط سال 1970 معرفي شد. نام اولين نسخه SEQUEL بود و به همين دليل امروزه نيز واژه SQL به صورت سيكوئل نيز تلفظ مي شود. واژه SEQUEL مخفف Structured English Query Language بود كه براي تغيير و كوئري گرفتن از داده هاي بانك مخصوص IBM طراحي شده بود. بعد ها زبان SEQUEL به SQL تغيير نام داده شد و تبديل به يك استاندارد براي پياده سازي زبان بانك هاي اطلاعاتي رابطه اي شد.

بانك اطلاعاتي SQL چيست؟

پاسخ به پرسش SQL چيست نيازمند آشنايي با يكسري مفاهيم است! همانطور كه قبلاً گفتيم كاربرد زبان SQL در بانك هاي رابطه اي است و ما بوسيله زبان SQL مي توانيم اقدام به طراحي، تغيير و كوئري گرفتن از بانك هاي اطلاعاتي كنيم. اما قبل از اينكه به بررسي كاربردهاي زبان SQL بپردازيم توضيح مختصري در مورد بعضي مفاهيم اصلي يك سيستم بانك اطلاعاتي رابطه اي يا RDBMS بدهيم. اين مفاهيم در كنار هم تشكيل يك سيستم واحد را مي دهند كه مي توان از آن براي نگه داري و آناليز و استخراج داده استفاده كرد. بخش هاي اصلي يك RDBMS به شرح زير است:

1. بانك اطلاعاتي يا Database: بانك ها مجموعه اي از اجزاي مختلف هستند كه امكانات لازم براي نگه داري اطلاعات را در اختيار ما قرار مي دهند. براي مثال ما براي هر سيستم مي توانيم يك بانك داشته باشيم، مثل بانك اطلاعاتي سيستم مالي يا بانك اطلاعاتي سيستم منابع انساني.

2. جدول يا Table: جداول در داخل Database قرار دارند و داده هاي مختلف را تقسيم بندي مي كنند. براي مثال در يك ديتابيس مالي ممكن است كه ما نياز به ذخيره كردن اطلاعاتي مانند سرفصل هاي حسابداري و اسناد حسابداري داشته باشيم كه هر كدام از اين اطلاعات مي توانند داخل يك جدول ذخيره شوند.

3. ركورد يا Record: ركوردها به اطلاعات ذخيره شده داخل جدول گفته مي شود. براي مثال، در سيستم مالي ما نياز به ذخيره كردن يك سند مالي داشته باشيم، اين سند به صورت يك Record در جدول ذخيره مي شود. هر جدول مي تواند شامل تعداد زيادي ركورد باشد.

4. ستون يا Column: هر ركورد در ديتابيس شامل يكسري اطلاعات است، باز هم مثال سند مالي را بررسي مي كنيم، يك سند مالي مي تواند اطلاعاتي مانند تاريخ، شرح و شما سند داشته باشد، هر يك از اين اطلاعات در يك ركورد در قالب يك ستون يا Column ذخيره مي شوند.براي مطالعه بيشتر و آشنايي بيشتر با در مباحث و مفاهيم آموزش SQL Server به منبع مقاله در اين لينك مراجعه كنيد.

SQL چيست؟ اس كيو ال چه كاربردهايي دارد و واژه SQL مخفف چه كلماتي است؟ پرسشي كه در ذهن خيلي از علاقه مندان به بانك هاي اطلاعاتي شكل مي گيرد و ما در اين مقاله قصد داريم به تمامي سوالات شما در اين باره پاسخ دهيم و با زبان SQL آشنا شويم.اس كيول (SQL) يا Structured Query Language يك زبان Domain-Specific است كه براي برنامه نويسي و طراحي بانك هاي اطلاعاتي در بانك هاي رابطه اي يا RDBMS ها استفاده مي شود.

زبان SQL مختص يك شركت يا يك سازمان نيست، البته پايه اين زبان توسط شركت IBM گذاشته شد، ولي امروزه اين زبان يك استاندارد پايه براي بانك هاي اطلاعاتي رابطه اي تعريف مي كند. بر اساس اين استاندارد شركت هايي كه نرم افزار بانك اطلاعاتي توليد مي كنند مثل مايكروسافت يا اوراكل زبان مختص مربوط به بانك خود را طراحي مي كنند كه استفاده كنندگان از آن نرم افزار مي توانند از زبان SQL مختص آن نرم افزار براي كوئري گرفتن، طراحي و برنامه نويسي در بانك هاي اطلاعاتي استفاده كنند.

تاريخچه زبان SQL چيست؟

قبل از اينكه به سراغ پاسخ به سوال SQL چيست برويم بهتر است كه كمي با تاريخچه آن آشنا مي شويم. زبان SQL اولين بار در شركت IBM توسط دوناد چمبرلين و ريموند بويس در اواسط سال 1970 معرفي شد. نام اولين نسخه SEQUEL بود و به همين دليل امروزه نيز واژه SQL به صورت سيكوئل نيز تلفظ مي شود. واژه SEQUEL مخفف Structured English Query Language بود كه براي تغيير و كوئري گرفتن از داده هاي بانك مخصوص IBM طراحي شده بود. بعد ها زبان SEQUEL به SQL تغيير نام داده شد و تبديل به يك استاندارد براي پياده سازي زبان بانك هاي اطلاعاتي رابطه اي شد.

بانك اطلاعاتي SQL چيست؟

پاسخ به پرسش SQL چيست نيازمند آشنايي با يكسري مفاهيم است! همانطور كه قبلاً گفتيم كاربرد زبان SQL در بانك هاي رابطه اي است و ما بوسيله زبان SQL مي توانيم اقدام به طراحي، تغيير و كوئري گرفتن از بانك هاي اطلاعاتي كنيم. اما قبل از اينكه به بررسي كاربردهاي زبان SQL بپردازيم توضيح مختصري در مورد بعضي مفاهيم اصلي يك سيستم بانك اطلاعاتي رابطه اي يا RDBMS بدهيم. اين مفاهيم در كنار هم تشكيل يك سيستم واحد را مي دهند كه مي توان از آن براي نگه داري و آناليز و استخراج داده استفاده كرد. بخش هاي اصلي يك RDBMS به شرح زير است:

1. بانك اطلاعاتي يا Database: بانك ها مجموعه اي از اجزاي مختلف هستند كه امكانات لازم براي نگه داري اطلاعات را در اختيار ما قرار مي دهند. براي مثال ما براي هر سيستم مي توانيم يك بانك داشته باشيم، مثل بانك اطلاعاتي سيستم مالي يا بانك اطلاعاتي سيستم منابع انساني.

2. جدول يا Table: جداول در داخل Database قرار دارند و داده هاي مختلف را تقسيم بندي مي كنند. براي مثال در يك ديتابيس مالي ممكن است كه ما نياز به ذخيره كردن اطلاعاتي مانند سرفصل هاي حسابداري و اسناد حسابداري داشته باشيم كه هر كدام از اين اطلاعات مي توانند داخل يك جدول ذخيره شوند.

3. ركورد يا Record: ركوردها به اطلاعات ذخيره شده داخل جدول گفته مي شود. براي مثال، در سيستم مالي ما نياز به ذخيره كردن يك سند مالي داشته باشيم، اين سند به صورت يك Record در جدول ذخيره مي شود. هر جدول مي تواند شامل تعداد زيادي ركورد باشد.

4. ستون يا Column: هر ركورد در ديتابيس شامل يكسري اطلاعات است، باز هم مثال سند مالي را بررسي مي كنيم، يك سند مالي مي تواند اطلاعاتي مانند تاريخ، شرح و شما سند داشته باشد، هر يك از اين اطلاعات در يك ركورد در قالب يك ستون يا Column ذخيره مي شوند.براي مطالعه بيشتر و آشنايي بيشتر با در مباحث و مفاهيم آموزش SQL Server به منبع مقاله در اين لينك مراجعه كنيد.