جزيره فناوري اطلاعات

دوره هاي آموزش شبكه را از كجا شروع كنيم؟ براي تبديل شدن به يك متخصص شبكه و شروع يادگيري شبكه ، بايد بدونيم كه شبكه رو از كجا شروع كنيم؟ در واقع داشتن يك مسير راه براي آموزش شبكه و دانستن ترتيب يادگيري دوره هاي شبكه براي افراديكه مي خواهند تبديل به يك كارشناس شبكه شوند از اوجب واجبات است . اما پيدا كردن يك نقشه راه آموزش شبكه هاي كامپيوتري كار چندان ساده اي نيست.

دوره هاي آموزشي شبكه بسيار متنوع و زيادي در بازار كار شبكه هاي كامپيوتري وجود دارد. شما بايد بتوانيد مسير راه يادگيري شبكه هاي كامپيوتري با توجه به نياز بازار را به خوبي از بين اين دوره هاي شبكه پيدا كنيد. من در اين مقاله صفر تا صد تبديل شدن به يك ادمين شبكه حرفه اي را به شما آموزش مي دهم.

اين روزها خيلي از افراد متخصص نما به شما براي آموزش دوره هاي شبكه ، مشاوره هايي مي دهند كه به عقل جن هم نمي رسد و قطعا شما را به بيراهه مي كشد.من ، محمد نصيري با سابقه بيش از 17 سال آموزش شبكه ، مشاوره شبكه و امنيت اطلاعات در سطح بزرگترين سازمان هاي ايران و جهان به شما ساده ترين ، دقيق ترين و بهترين مسير راه يادگيري شبكه هاي كامپيوتري را در اين مقاله معرفي مي كنم.

تعريف شبكه چيست؟

شما اگر مي خواهيد آموزش شبكه را بصورت درست و دقيق ياد بگيريد ، بايد درك كنيد كه شبكه چيست؟ اولين جمله اي كه اكثر دوره هاي آموزشي شبكه به شما ياد مي دهند دقيقا همين است كه شبكه چيست؟ و پاسخ به همين سادگي است ، شبكه به مجموعه اي از كامپيوترها گفته مي شود كه براي تبادل اطلاعات به همديگر متصل شده اند. اين جمله را تا انتهاي اين مقاله به خاطر بسپاريد تا خوب متوجه ماجرا شويد.

آموزش شبكه شامل چه چيزهايي مي شود؟

قبل از اينكه وارد سوال محبوب چجوري شبكه رو شروع كنيم؟ بشيم ، يك مثال براي شما مي زنم كه مفهوم شبكه و اهميت شناخت اجزاي اون رو درك كنيد. سوال اينجاست ، چجوري من مي تونم متخصص ماشين بشم؟ متوجه شديد؟
خوب همينجا شما قطعا لبخند مي زنيد و با خودتان مي گوييد كه متخصص ماشين ديگر چه صيغه اي است؟ در حوزه خودرو و ماشين آلات تخصص هاي زيادي وجود دارد كه در نهايت محصولي به نام ماشين يا خودرو توليد مي شود و شما متخصص يكي از اين حوزه ها مي شويد كه در زير عنوان مي كنيم :

• متخصص برق خودرو
• متخصص جلوبندي خودرو
• متخصص مكانيك موتور خودرو
• متخصص صافكاري و نقاشي خودرو
• متخصص تودوزي و تزئينات خودرو
• و ....

همانطور كه مي بينيد تخصص خودرو و ماشين خودش مي تواند شامل ده ها تخصص مختلف شود . بنابراين جمله شبكه را از كجا شروع كنيم؟ مثل اين است كه بگوييم ماشين را از كجا شروع كنيم؟ طبيعتا شما بايد وارد يكي از تخصص هاي حوزه شبكه شويد و درك مناسبي از ماهيت شبكه داشته باشيد تا بتوانيد به درستي مسير راه يادگيري شبكه را انتخاب كنيد.

دوره هاي حرفه اي آموزش شبكه را با توسينسو تجربه كنيد

آموزش شبكه هاي كامپيوتري بسيار بسيار متنوع و داراي گرايش هاي زيادي است كه شما به مرور با آنها آشنا مي شويد اما نقشه راه يادگيري شبكه و شروع يادگيري شبكه هاي كامپيوتري با توجه به تجربه بنده ، مسير مشخصي دارد كه اگر به نكاتي كه در ادامه عنوان مي كنم دقت كنيد براي شما بسيار شيرين ، جذاب و راحت خواهد بود. حالا به سراغ سوال اولمان بر ميگرديم كه شبكه چيست و شامل چه اجزايي مي شود ، به نكات زير توجه كنيد :

• كابل هاي شبكه و ارتباطات فيزيكي زيرساختي شبكه
• سخت افزارهاي شبكه ( روتر ، سويچ ، اكسس پوينت ، فايروال ، سرور فيزيكي و ... )
• سيستم عامل هاي شبكه ( ويندوز ، لينوكس ، يونيكس ، اندرويد و ... )
• سرويس هاي شبكه ( اكتيودايركتوري ، وب سرور ، DHCP و DNS و اين نام مجاز نمي باشد و ... )
• نرم افزارهاي شبكه ( مجازي سازها ، ايميل سرورها ، بانك هاي اطلاعاتي ، مانيتورينگ و ... )
• امنيت شبكه ( سخت افزارها ، ترافيك ، نظارت بر عملكرد كاركنان ، مديريت متمركز و .... )
• .....

پس الان متوجه شديد كه براي آموزش شبكه هاي كامپيوتري بايد شما اجزاي آن را درك كنيد. بنابراين يادگيري شبكه هاي كامپيوتري شامل آموزش ديدن اجزاي مختلف شبكه است و دوره هاي آموزشي شبكه نيز بر همين اساس طبقه بندي مي شود كه ما نيز ابتدا به معرفي دوره هاي شبكه مبتني بر اجزاي شبكه و سپس معرفي مسير راه يادگيري شبكه يا همان شبكه را از كجا شروع كنيم خودمان مي رويم .

آموزش شبكه را با چه دوره اي شروع كنيم؟

دوره نتورك پلاس كه به اشتباه دوره آموزش مباني شبكه هم به آن گفته مي شود بدون شك اولين دوره آموزش شبكه اي است كه شما بايد در مسير يادگيري شبكه هاي كامپيوتري آن را به خوبي آموزش ببينيد. دوره نتورك پلاس ( CompTIA Network+ ) يكي از مهمترين دوره هاي آموزش شبكه است كه استخوان بندي شروع يادگيري شبكه را شكل مي دهد.

دوره هاي آموزش شبكه چه پيشنيازهايي دارد؟

پايه و اساس همه دوره هاي آموزش شبكه ، همه دور هاي آموزش امنيت شبكه ، همه دوره هاي فناوري اطلاعات و ... همگي دوره نتورك پلاس است و بس ... سرفصل دوره آموزشي نتورك پلاس شما شامل موارد زير مي باشد :

1. پايه و اساس و نحوه كاركرد شبكه يا Networking Fundamentals : در اين سرفصل شما بايد بتوانيد مفاهيم اوليه شبكه مثل سرويس هاي شبكه و انواعشان ، ارتباطات فيزيكي شبكه و انواعشان ، توپولوژي ها يا همبندي هاي شبكه و انواعشان ، معماري شبكه و در نهايت مفاهيم اوليه سرويس هاي پردازش ابري را به خوبي بشناسيد.
2. نحوه پياده سازي و عملكرد تجهيزات شبكه يا Network Implementations : در اين سرفصل شما بايد بتوانيد به خوبي نحوه عملكرد تجهيزات شبكه اعم از سويچ ، روتر ، فايروال و ... را بشناسيد ، مكانيزم و روش مسيريابي اطلاعات در شبكه هاي كامپيوتري را درك كنيد ، راهكارهاي مبتني بر اترنت را پياده سازي كنيد و در نهايت درك درستي از شبكه هاي بسيم يا وايرلس و تكنولوژي هاي بكار رفته در آنها به دست بياوريد.
3. نحوه عملكرد شبكه ( عمليات شبكه ) يا Network Operations : در اين سرفصل شما بايد بتوانيد مفاهيمي مثل مانيتورينگ و نظارت بر شبكه ، طرح تداوم كسب و كار يا BCP ، روشهاي مختلف مانيتورينگ شبكه و ... را به خوبي درك كنيد و آماده شناخت مركزي به نام NOC در شبكه شويد.
4. مفاهيم اوليه امنيت شبكه و اطلاعات يا Network Security : شما بايد در اين سرفصل مفاهيم اوليه امنيت شبكه و ارتباطات ، انواع حملاتي كه بصورت معمول به شبكه ها انجام مي شوند و تهديدات امنيتي شبكه را به خوبي درك كنيد تا آماده امن كردن شبكه در قالب امنيت تدافعي شويد.
5. رفع اشكال شبكه يا Network Troubleshooting : در اين سرفصل شما بايد با توجه به شناخت تجهيزات شبكه ، كابل كشي شبكه ، سرويس ها و پروتكل هاي شبكه ، به خوبي مكانيزم رفع اشكالات ارتباطي شبكه را درك كنيد و آنها را رفع كنيد.

دوره آموزشي نتورك پلاس بدون شك مهمترين دوره براي شروع يادگيري شبكه است و اينقدر مباحث زياد و حجيمي دارد كه معمولا در آموزشگاه هاي مختلف فناوري اطلاعات كشور به هيچ عنوان بصورت كامل تدريس نمي شود .

مسير يادگيري شبكه چيست؟ نقشه راه يادگيري دوره هاي شبكه

در خصوص شروع يادگيري شبكه امروز چيزي به شما ميگم كه هر آموزشگاهي به شما نميگه و واقعيت هاي بازار كار شبكه در دنياي واقعي هست . دوست عزيزي كه قصد داريد دوره هاي آموزشي شبكه رو شروع كنيد ، ديگه دوران تك بعدي بودن در زمان ورود به دنياي شبكه هاي كامپيوتري گذشته ، اين يعني شما بايد يك حدود تخصصي در همه گرايش هاي شبكه كه مورد نياز بازار كار هست ابتدا ياد بگيريد و بعد از يادگيري اينها در اصطلاح يك آچار فرانسه هستيد كه مي تونيد وارد بازار كار شبكه بشيد .

بن شدن چيست و بن شدن آيدي به چه معناست؟ كلمه Ban يك كلمه انگليسي به معني ممنوع شده مي باشد. بن شدن در اصطلاح به گرفتن و ندادن مجوز دسترسي به اشخاص به هر چيزي اطلاق مي شود. وقتي شما دسترسي خود را به دلايل متنوعي كه در ادامه عنوان مي كنيم به يك سرويس ( وب سايت ، پيامرسان ، ارسال پيامك ، ورود به يك محل و ... ) از دست مي دهيد در اصطلاح دسترسي شما به آن سرويس بن ( Banned ) شده است و به دليل ماهيت گذشته آن بصورت Banned تلفظ مي شود.

اين اصطلاح فقط براي افراد استفاده نمي شود بلكه براي كشورها نيز مورد استفاده قرار مي گيرد. براي مثال براي تحريم كردن و جلوگيري از دسترسي ايران به منابع مالي بين المللي در اصطلاح ايران Banned شده است . از طرفي اصطلاح بن شدن براي روزنامه نگارها نيز استفاده مي شود ، ما در ايران در اصطلاح مي گوييم كه به دليل انتشار مطلب نامناسب ، دفتر روزنامه بسته شده است يا پلمپ شده است.

همين موضوع در دنيا به عنوان بن شدن دفتر روزنامه عنوان مي شود. بن كردن افراد و اشخاص يك اقدام قانوني است كه بر اساس قوانين يك كشور ، يك شهر ، يك ايالت ، يك شركت ، يك وب سايت يا حتي يك سرويس شبكه اجتماعي تعريف مي شود و ممكن است در همه جاي دنيا يكسان نباشد.

براي مثال شما اگر محتواي جنسي در شبكه اجتماعي يوتيوب بارگزاري كنيد ممكن است اكانت شما Banned شود اما همان محتوا در شبكه هاي اجتماعي مستهجن هيچ مشكلي ندارد. برخي اوقات از Banned كردن به عنوان تحريم كردن هم ياد مي شود كه لفظ كاملا درستي است و كشور عزيزمان ايران نيز در اصطلاح جهاني Banned شده است.

اصطلاح بن براي كتابها و رده هاي سني فيلم ها نيز صادق است ، براي مثال مي توانيم بگوييم كه اين كتاب يا اين فيلم براي رده سني زير 10 سال در اصطلاح بن يا ممنوع شده است. در بسياري اوقات از بن شدن به عنوان ممنوع شدن يا Forbidden نيز استفاده مي شود.در شبكه هاي اجتماعي معمولا بن شدن به دليل گزارش تخلف از طرف ساير كاربران ، ارسال محتواي غير مجاز ، فعاليت هاي خلاف مقررات شبكه اجتماعي و دلايلي از اين قبيل انجام مي شود.براي يادگيري مفاهيم بيشتر به آموزش سكيوريتي پلاس مراجعه كنيد.

ايجاد محتواي با كيفيت يا اصطلاحاً سئو محتوا يكي از كارهايي است كه هر مدير يا نويسنده وبلاگ و سايت هاي اينترنتي هاي بايد با آن آشنا باشند. خيلي وقت ها بعضي دوستان در وب سايت توسينسو گلايه دارن كه چرا مطالبشون داخل موتورهاي جستجو ايندكس نميشه يا مطلبي كه نوشتن صفحه اول گوگل نيست. سئو محتوا به دو بخش تقسيم ميشه، يكي بخش طراحي وب سايت هست كه  طراح بايد نكاتي رو براي طراحي بهينه وب سايت انجام بده. بخش دوم مربوط به نويسنده مطلب هست كه بايد نكات مربوط به سئو محتوا رو رعايت كنه. بايد بگم كه موتورهاي جستجو مانند گوگل، بينگ و ... علاقه زيادي به محتوا دارند و خيلي مهمه كه شما مطالبي بنويسيد تا مورد پسند موتورهاي جستجو باشن. نوشتن مطلب بهينه براي سئو نيازمند رعايت يكسري موارد است كه در اين مطلب ميخواهيم به بررسي اين مطالب بپردازيم. پيشنهاد ميكنم مطلب زير را هم مطالعه كنيد:

• آموزش سئو محتواي متني : چگونه يك محتواي متني را سئو كنيم ؟

  سئو محتوا چيست؟

  به زبان ساده، به رعايت يكسري پارامتر ها در نوشتن مطالبي كه بر روي يك وبلاگ يا پايگاه اينترنتي قرار ميگيرد كه باعث بالا رفتن رتبه صفحه وب سايت شما در موتورهاي جستجو مي شود سئو محتوا مي گويند. سئو محتوا يك تخصص هست كه به مرور زمان به دست مياد. خيلي افراد تو دنياي وب هستند كه از راه همين تخصص و كمك به ساير وب سايت ها براي بهبود رتبشون تو موتورهاي جستجو كسب در آمد مي كنن.

  انتخاب كلمه كليدي (Keyword)

  مهمترين بخشي كه براي سئو محتوا بايد بهش توجه كنيد انتخاب يك كلمه كليدي و بعد نوشتن محتوا بر اساس همان كلمه كليدي است. فرض كنيد ميخواهيد براي كلمه كليدي «سئو محتوا» مطلب بنويسيد. ابتدا از طريق ابزار Google Trend كلمه كليدي رو با نمونه هاي مشابه مقايسه كنيد.

• استفاده از كلمه كليدي سئو محتوا از دو كلمه كليدي ديگر محبوبيت بالاتري دارند، پس كلمه كليدي سئو محتوا براي مطلب انتخاب بهتري است و بازديد كننده بيشتري را براي ما جذب خواهد كرد. سعي كنيد تمركز مطلب بر روي يك كلمه كليدي باشد و براي ساير كلمات كليدي در محتوا از آن كلمات كليدي استفاده كنيد. گوگل به قدري هوشمند هست كه ارتباط بين كلمات كليدي و ارتباط به اون ها رو متوجه بشه. اولويت اول براي گوگل كيفيت مطلبي است كه در وب سايت قرار مي دهيد.

  انتخاب عنوان مناسب

  در اولين قدم براي مطلب بايد عنوان مناسب انتخاب كنيد. زماني كه كاربر اقدام به جستجو داخل موتورهاي جستجو مي كند، اولين گزينه اي كه از نتيجه وب سايت شما مي بيند عنواني است كه براي مطلب انتخاب كرديد.

• تخاب عنوان جذاب و مناسب براي مطلب تاثير زيادي در سئو محتوا و بالا بردن نرخ كليك وب سايت شما داره. حتماً عنواني كه انتخاب مي كنيد مناسب موضوعي باشه كه در مطلب نوشتيد. استفاده از كلمات كليدي غير مرتبط در عنوان مي تونه باعث قهر كردن گوگل با وب سايت شما بشه. مورد بعدي در نوشتن عنوان، قرار دادن كله كليدي در ابتداي عنوان مطلب هست. براي مثال، فرض كنيد قصد داريد مطلبي در مورد آموزش برنامه نويسي بنويسيد، سعي كنيد كلمه كليدي آموزش برنامه نويسي در ابتداي عنوان مطلب شما قرار بگيره. مثالي از چند عنوان مناسب براي مطلب:

• آموزش برنامه نويسي به زبان ساده به همراه مثال هاي كاربردي
• آموزش طراحي وب (HTML - CSS - Javascript) براي تازه كار ها
• آموزش جاوا اسكريپت به زبان ساده به همراه مثال هاي كاربردي

• در عناوين بالا، هدف ما به ترتيب كلمات كليدي آموزش برنامه نويسي، آموزش طراحي وب و آموزش جاوا اسكريپت است كه بر اساس اين كلمه كليدي عنوان ها را انتخاب كرديم. همچنين به اين موضوع توجه كنيد كه كلمه كليدي مورد نظر شما نيازي نيست كه چندين بار در عنوان تكرار شود. يكبار قرار دادن كلمه كليدي در ابتداي عنوان كفايت مي كند. مهم تكرار كلمات كليدي در متن اصلي يا چگالي كلمه كليدي (Keyword Density) است كه در بخش هاي بعدي اين مطلب در مورد آن صحبت مي كنيم.

  بعضي وقت ها انتخاب كلمه كليدي نياز به دقت زيادي داره، براي مثال، شما زمان نوشتن يك مطلب مي تونيد از كلمه كليدي «جاوا اسكريپت» يا «جاوااسكريپت» استفاده كنيد.

• همچنين سعي كنيد عنوان انتخابي شما زياد طولاني و همچنين زياد كوتاه نباشد، بهترين طول انتخابي براي عنوان مطلب بين 49 تا 65 كاراكتر است.

  توضيحات Meta Description

  يكي از مهمترين بخش هاي مطلب شما براي سئو محتوا، متني است كه براي بخش Meta Description مطلبتون انتخاب مي كنيد. اين بخش در نتايج جستجو، زير عنوان نمايش داده ميشه. موارد زير رو در زمان انتخاب Meta Description حتماً رعايت كنيد:

• طول توضيحات حداكثير 150 كاراكتر باشد
• كلمه كليدي مورد نظر شما حتماً در توضيحات آورده شود
• توضيحات مطلب به گونه اي باشد كه كاربر با خواندن آن متوجه هدف شما از نوشتن مطلب بشود
• از نوشتن توضيحات به صورت كلمات كليدي خودداري كنيد. نمونه اي از يك توضيحات نامناسب: آموزش سي شارپ، آموزش C#، آموزش برنامه نويسي، شروع برنامه نويسي

• مطلب شما از نظر سئو محتوا بايد به پاراگراف هاي مختلف تقسيم شود. سعي كنيد از نوشتن پاراگراف هاي طولاني خودداري كنيد. همچنين هر پاراگرف براي يك موضوع يا مفهوم خاص نوشته شود. استفاده از پاراگراف ها در نوشتن مطالب كمك زيادي به ماندگاري كاربر در وب سايت كرده و نرخ Bounce Rate را كاهش مي دهد.

  سرفصل ها

  در صورتي كه متن شما طولاني است، حتماً براي آن سرفصل مشخص كنيد. سرفصل ها به كاربر كمك مي كنند تا سريعتر به بخشي از مطلب كه مد نظر دارد برسد و همچنين ساختار متن مطلب شما از نظر سئو محتوا بهينه مي شود. همچنين استفاده از سرفصل ها مي تواند در نوع نمايش نتيجه در صفحات موتورهاي جستجو تاثير گذار باشد.

• در مشخص كردن سرفصل هاي مطلب به موارد زير دقت كنيد:

   

• سعي كنيد سرفصل ها خلاصه باشد و از نوشتن عنوان طولاني براي سرفصل ها خودداري كنيد
• حداقل يكي از سرفصل هاي شما بايد شامل كلمه كليدي مد نظر باشد
• فاصله بين هر سرفصل تا سرفصل بعدي، نبايد بيش از 300 كاراكتر باشد. سعي كنيد محتواي هر سرفصل را خلاصه بنويسيد

• در اين مطلب سعي كرديم با مهمترين نكات مربوط به سئو محتوا آشنا بشيم. رعايت اين نكات مي تونه تاثير زيادي در بهينه سازي مطالب شما در موتورهاي جستجو و افزايش بازديد سايت شما داشته باشه. نكاتي كه در اين مطلب با آن ها آشنا شديم موارد زير بود:

   

• آشنايي با واژه سئو محتوا
• انتخاب كلمه كليدي
• انتخاب عنوان براي محتوا
• توضيحات يا Meta Description
• نوشتن محتواي اصليپ

استفاده گرفتن از راهنماهاي لينوكس يكي از معمول ترين روشهاي پيدا كردن نحوه استفاده درست از دستورات در لينوكس است. در واقع همه دستورات لينوكس براي خودشان يك راهنماي استفاده جداگانه و مختص خودشان دارند . هر چند كه همچنان بهترين روش پيدا كردن كمك و راهنمايي در لينوكس استفاده از جستجو در گوگل است .

اما ما در اين مقاله مي خواهيم به روشهاي مختلف استفاده از فايل هاي راهنما در لينوكس و دستورات مرتبط با آنها اشاره كنيم. در اين مقاله من ، محمد نصيري ، كارشناس امنيت سايبري و متخصص لينوكس به شما به ساده ترين شكل ممكن ، نحوه استفاده از اين دستورات را به همراه مثال آموزش مي دهم پس تا انتها با من باشيد.

چرا به گرفتن كمك و راهنما در لينوكس نياز داريم؟

لينوكس و كار كردن با دستورات آن بسيار فرار است. شما هر چقدر هم كه حرفه اي باشيد نمي توانيد ادعا كنيد كه همه سويچ ها و آپشن هاي دستورات را به همراه كاربرد و مثال هاي مختلف آن بلد هستيد. به همين دليل در كنار هر دستور و براي درك بهتر نحوه استفاده از آن ، فايل هاي راهنما يا Manual و روشهاي متنوعي براي يادگيري دستورات وجود دارد كه بدون نياز به داشتن اينترنت و بصورت آفلاين هم قابل استفاده هستند. حتي حرفه اي ها هم بايد بتوانند از اين دستورات و فايل هاي راهنما به درستي استفاده كنند و اين هيچ ربطي به حرفه اي بودن يا نبودن ندارد. برخي اوقات ممكن است شما هيچ دسترسي به اينترنت براي جستجو نداشته باشيد.پس با آموزش لينوكس همراه ما باشيد.

نكته بسيار مهم : راهنمايي و Manual ها ممكن است در توزيع هاي مختلف لينوكس متفاوت باشند

استفاده از دستور whatis

ساده ترين و البته اولين دستوري كه شما براي گرفتن راهنما در لينوكس نياز داريد دستور whatis است. اين دستور در يك خط بصورت خيلي ساده به شما توضيح مي دهد كه كاربرد اين دستور چيست. دستور whatis داراي يك بانك يا ديتابيس اطلاعاتي نيست و اطلاعات خودش را از SECTION 1 فايل Manual يا راهنماي لينوكس دريافت مي كند كه بعدا به آن اشاره خواهيم كرد. براي مثال دستور زير به شما مي گويد كار دستور whatis چيست :

unity@tosinso-suse:~> whatis whatis
whatis (1)           - display one-line manual page descriptions

اگر دستورهاي whatis و يا apropos در لينوكس كار نكردند ، يكي از روشها استفاده از دستور makewhatis با سويچ u براي به روز رساني ديتابيس whatis است.

استفاده از دستور whereis

دستور whereis در لينوكس همانطور كه از اسمش هم پيداست ، محل قرارگيري فايل اجرايي دستور مورد نظر را نمايش مي دهد و در عين حال اگر فايل سورس كد ، فايل هاي manual يا راهنما هم براي آن دستور وجود داشته باشد ، آنها را نيز نشان مي دهد. براي مثال در زير ما دستور whereis را براي دستور ping استفاده كرده ايم :

unity@tosinso-suse:~> whereis ping
ping: /usr/bin/ping /bin/ping /usr/share/man/man8/ping.8.gz

استفاده از دستور apropos

دستور apropos در لينوكس براي جستجو كردن در فايل هاي راهنما يا Manual ها است. خروجي دستور apropos ممكن است بسته به دستوري كه شما مي خواهيد از آن خروجي بگيريد كوتاه يا زياد باشد. دستور apropos به شما هر فايل manual اي كه چيزي در مورد دستور مورد نظر شما در آن وجود داشته باشد را براي شما ليست مي كند. براي مثال براي دستور ping براي شما هر فايل manual اي كه در كل سيستم چيزي در مورد ping در آن آمده باشد را ليست مي كند.

همانطور كه در خروجي apropos ping مشاهده مي كنيد ، هر فايل Manual اي كه در آن اسمي از ping آورده شود براي شما ليست مي شود. نكته مهم در خصوص خروجي دستور apropos اين است كه بصورت پيشفرض هر چيزي كه شامل متن دستور ما باشد را نمايش مي دهد. براي مثال اگر شما apropos ping را بزنيد هر Manual اي كه در آن كلمه ping باشد را نمايش مي دهد. مثلا در خروجي دستور بالا همانطور كه مشاهده مي كنيد كلمه mapping كه هيچ ارتباطي به دستور ping ندارد هم در خروجي نمايش داده شده است.

استفاده از دستور man

دستور اصلي استفاده از راهنماهاي دستورات لينوكس قطعا man است. دستور man مخفف manual يا ترجمه آن راهنماي دستور است. اين دستور از يك بانك اطلاعاتي كه برنامه نويس دستور مورد نظر آن را تكميل كرده است اطلاعات مربوط به راهنماي دستورات را در قالب مشخصي مي خواند و به شما نمايش مي دهد. اطلاعاتي كه در خروجي دستور man نمايش داده مي شود بسيار مفصل و كامل است و تقريبا هر چيزي كه برنامه نويس آن محصول نياز داشته تا مخاطب از برنامه بدانيد در آن وارد شده است. قالب نمايش اطلاعات در فايل هاي manual به اين شكل طبقه بندي مي شوند :

• NAME
• SYNOPSE
• DESCRIPTION
• OPTIONS
• EXIT STATUS
• RETURN VALUES
• ERRORS
• FILES
• VERSIONS
• EXAMPLES
• AUTHORS
• SEE ALSO

برنامه نويسي كه مي خواهد يك فايل manual ايجاد كند بايد اين ترتيب و اين قالب نگارش را براي manual خود رعايت كند. در ادامه مثال هايي براي دستور man را براي شما آورده ايم :

tosinso-suse:~ #man ls
tosinso-suse:~ #man –k ( apropos )
tosinso-suse:~ #man –k ping 
tosinso-suse:~ #man echo
tosinso-suse:~ #man ping

به غير از دستور man –k ping كه معادل دستور apropos ping است ، ساير دستوراتي كه در بالا گفتيم براي شما فايل Manual دستور مورد نظر را باز مي كنند تا از داخل آن بتوانيد دستور مورد نظر را با مثال ياد بگيريد. اما فايل هاي man داراي يك قالب براي درك بهتر نحوه نگارش دستورات هستند كه در در خصوص آنها صحبت مي كنيم :

• متن برجسته : دقيقا به همين شكل بايد وارد شود
• متن كج شده يا ايتاليك : با يك آرگومان بايد جايگزين شود
• حروف داخل براكت [-abc] : آرگومان ها بصورت انتخابي هستند ( Optional )
• استفاده از پايپ بين آرگومان ها يا مثلا –a|-b : نمي توانند در كنار هم استفاده شوند

ستفاده از دستور info

با توجه به اينكه مكانيزم كاري دستور man و قالبي كه دارد براي سيستم عامل unix قديمي است و خيلي از محدوديت هايي كه اين روزها مستندات ندارند را دارد ، يك سيستم جديد مشاهده و مديريت مستندات راهنماي نرم افزارها به نام صفحات اطلاعات يا info page به دستورات لينوكس اضافه شد.

در واقع دستور info خلاها و مشكلاتي كه در دستور man بود را پوشش داده است. از مهمترين تفاوت هاي man و info مي توان به امكان استفاده از Hyperlink در راهنما و همچنين استفاده از Node ها براي بالا و پايين رفتن در راهنماها نام برد. فايل هاي info در قالب Node ها و Level ها طبقه بندي و سازمان دهي مي شوند و بسيار براي خواندن مرتب و منظم هستند.

چيزي شبيه به EBook هايي كه ميخوانيم.برخي از دستورات لينوكس فاقد صفحات Manual هستند و يا صفحات ناقصي دارند. دستور info كه مشخصا مخفف دستور information يا اطلاعات است اطلاعات به مراتب تر و تميزتري به نسبت دستور man در اختيار شما قرار مي دهد. به جاي صفحات man يا در كنار انها صفحات مستندات يا Documents هم وجود دارند.

دستور info خروجي اطلاعات مستندات را به شكلي روان و ساده با قابليت لينك سازي بين صفحات به شما ارائه مي دهد. دستور info در واقع قالب نمايشي خاص خودش را دارد و به سادگي در نمايش اطلاعات معروف است. اين دستور محبوبيت دستور man را ندارد اما از نظر من بسيار جذابتر از man است.

توجه كنيد كه در بسياري اوقات ممكن است خروجي دستور info با خروجي دستور man تفاوتي نداشته باشد ، چون فايل منبع يكسان است. اما امكان كليك كردن بر روي سكشن هاي مختلف راهنما از جمله تغييراتي است كه در قالب خروجي دستور info وجود دارد. نحوه استفاده از دستور info بسيار ساده است. همانند دستور زير كافيست ابتدا كلمه info و سپس نام دستور مورد نظر را وارد كنيد :

unity@tosinso-suse:~> info ping

• use arrow keys move up and down
• select links and go to the bottom of the page
• Press Enter and go to the expert node
• Press U browser up one level
• Browse to Advanced Node
• Press N to next mode
• Press Q to Quit

استفاده از دستور help

يكي از ساده ترين و البته بهترين راهكارهاي به دست آوردن اطلاعات در خصوص يك دستور در لينوكس ، استفاده از دستور help يا كمك است. دستور help يك دستور از پيش نصب شده در لينوكس است و نيازي به نصب كردن آن نيست . دستور help براحتي مستندات داخلي دستورات ديگر را جمع مي كند و به شكلي ساده نمايش مي دهد. اين دستور خيلي براي صرفه جويي در زمان عاليست و شما را اكثرا به خواسته خود از راهنماي دستورات ، خيلي سريع مي رساند. اين دستور سه سويچ يا آپشن جالب دارد كه در ادامه عنوان مي كنيم :

• help –d = خلاصه توضيحات دستور
• help –m = اطلاعاتي كه وجود داره رو تقريبا شبيه خروجي دستور man نشون ميده
• help –s = ساختار يا syntax انجام دستور رو مي نويسه

tosinso-suse:~ # help –d pwd
tosinso-suse:~ # help –m pwd
tosinso-suse:~ # help –s pwd

توجه كنيد كه ممكن است برخي دستورات اصلا ماهيت help را نداشته باشند ، براي مثال echo –help قابل اجرا نيست يا در برخي توزيع ها اطلاعاتي در اين بخش قرار ندارد.

استفاده از دستور less

دستور less را مي توان يك دستور تقريبا قديمي و تا حدودي منسوخ شده در لينوكس براي استفاده در راهنما استفاده كرد. اين دستور اين روزها كمتر بصورت مستقيم استفاده مي شود و درون دستور man مورد استفاده قرار مي گيرد. به زبان ساده تر دستور man از برنامه less براي نمايش دادن محتويات اطلاعات خودش استفاده مي كند.

اين دستور less است كه درون دستور man قرار گرفته است و امكان حركت كردن شما درون يك فايل مستند و راهنما را مي دهد. بد نيست بدانيد در قديم دستوري به نام more وجود داشت كه اين روزها ديگر چنين چيزي كمتر در توزيع هاي جديد لينوكس ديده مي شود. less جايگزين more شده است با امكانات بيشتر !!! دستور less به شما امكان مشاهده يك صفحه در لحظه را مي دهد. به مثال زير توجه كنيد :

tosinso-suse:~ # man less

• ( Space = Next Page )
• ( Up Key = One Line Up )
• ( ESC+V = One Page Up )
• ( SHIFT+G = End of manual page )
• ( G = Start of the manual page )
• ( type /OPTIONS = locate options section )
• ( N = Next Next till the result )
• ( Q = Quit less )

در مثال بالا ما از دستور man استفاده كرديم ولي در واقع اين less است كه محتويات راهنماي خودش را باز كرده است. يه نكته مهم در استفاده از راهنماهاي لينوكس اين است كه اين راهنماها نصب مي شوند ، به روز رساني مي شوند و با آپديت كردن دستگاه و سيستم عامل و ... آنها نيز اپديت مي شوند. معمولا در قالب فايل هاي فشرده سازي شده در قسمت مستندات لينوكس نگهداري مي شوند . يكي ديگر از كاربردهاي دستور less اين است كه اين فايل هاي فشرده را مي تواند به شما نمايش بدهد ، كاري كه اديتورهاي معمولي قادر به انجام آن نيستند. براي درك بهتر اين موضوع مراحل زير را انجام دهيد :

unity@tosinso-ubuntu: cd /usr/share/doc/python
unity@tosinso-ubuntu: cat python-policy-dbk.gz
unity@tosinso-ubuntu: less  python-policy-dbk.gz

دايركتوري هاي /usr/doc و /usr/share/doc حاوي مستدات مربوط به هر برنامه هستند كه شما با دستورهاي اديتورها نمي توانيد محتويات فايلهاي zip شده را مشاهده كنيد. اما همانطور كه در مثال بالا مشاهده كرديد ، شما مي توانيد با استفاده از دستور less محتويات فايل هاي zip مربوط به راهنماها را نيز باز كنيد. اميدوارم اين مقاله مورد توجه شما عزيزان قرار گرفته باشد.

يادگيري ماشين با نظارت | Supervised Machine Learning نوعي يادگيري است كه در آن ماشين يا مدل با استفاده از داده هاي آموزشي (داراي برچسب صحيح) آموزش داده مي شود تا بتواند براي داده هاي تستي يا جديد، فرايند تشخيص برچسب (تشخيص خروجي يا پيش بيني خروجي) را انجام دهند. منظور از داده هاي داراي برچسب اين است كه برخي از داده هاي ورودي قبلاً با خروجي صحيح برچسب گذاري شده اند.

داده هاي آموزشي (داراي برچسب صحيح) در يادگيري ماشين با نظارت | Supervised Machine Learning براي آموزش يك مدل يا ماشين استفاده مي شود تا بعدها آن مدل بتواند با توجه به آموزش فرا گرفته شده در امتحانات نمره خوبي كسب كند. منظور از امتحانات، همان پيش بيني برچسب صحيح براي داده هاي ورودي جديد مي باشد. شما مي تواند اين پاراگراف را از طريق مثال يك دانش آموز و معلم بهتر درك كنيد. به عنوان مثال در مدرسه، معلم سوالات و پاسخ هاي صحيح را به دانش آموز آموزش مي دهد و در پايان ترم از دانش اموز امتحان مي گيرد، اگر دانش آموز بتواند براي سوالات، پاسخ هاي درستي بنويسيد نمره خوبي كسب مي كند در غير اين صورت ممكن از رفوزه شود.

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

هدف يك الگوريتم يادگيري با نظارت، يافتن يك تابع نگاشت براي ترسيم متغير ورودي (x) با متغير خروجي (y) است يا نگاشت يك سوال به يك پاسخ صحيح مي باشد.

در دنياي واقعي، از يادگيري با نظارت مي توان براي ارزيابي ريسك، طبقه بندي تصوير، تشخيص تقلب، فيلتر هرزنامه و غيره نيز استفاده كرد.

يادگيري با نظارت | Supervised Machine Learning چگونه كار مي كند

در يادگيري نظارت شده | Supervised Machine Learning، مدل‌ها با استفاده از مجموعه داده‌هاي برچسب‌گذاري شده آموزش داده مي‌شوند، پس از تكميل فرآيند آموزش، مدل بر اساس داده هاي آزمون داراي برچسب واقعي (زيرمجموعه اي از مجموعه داده) آزمايش مي شود تا براي آن ها خروجي صحيح را پيش بيني كند. اگر خروجي بدست امده شده مانند خروجي واقعي داده هاي آزمون باشد مي توانيم بگيم مدل ما از دقت خوبي برخوردار است و مي تواند در كسب و كار به منظور افزايش سود دهي از آن استفاده كرد در غير اينصورت بايد به فكر چاره در فرآيند كار بود.

فرض كنيد مجموعه داده اي از انواع مختلف اشكال داريم كه شامل مربع، مستطيل، مثلث و چند ضلعي است. اكنون اولين قدم اين است كه بايد مدل را براي هر شكل آموزش دهيم.

• اگر شكل داده شده چهار ضلع داشته باشد و همه اضلاع آن برابر باشند، آن را به عنوان مربع علامت گذاري مي كنيم .
• اگر شكل داده شده داراي سه ضلع باشد، به عنوان يك مثلث علامت گذاري مي شود .
• اگر شكل داده شده شش ضلع مساوي داشته باشد، به عنوان شش ضلعي علامت گذاري مي شود .

حالا بعد از گام آموزش، مدل خود را با استفاده از مجموعه تست ( آزمايش )، تست (ارزيابي) مي كنيم تا ببينيم براي شكل هاي تستي به درستي فرايند تشخيص نوع شكل را با توجه به تعداد اضلاع آن، انجام مي دهد يا خير.

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

مراحل مربوط به يادگيري با نظارت:

• ابتدا يك مجموعه داده يا ديتاست انتخاب مي كنيم.
• سپس مجموعه داده را به مجموعه داده آموزشي (75 درصد داده ها) و مجموعه داده آزمايشي (25 درصد داده ها) تقسيم كنيد.
• ويژگي هاي ورودي مجموعه داده آموزشي را تعيين كنيد، كه بايد دانش كافي داشته باشد تا مدل بتواند خروجي را از طريق آن ها به طور دقيق پيش بيني كند.
• يك الگوريتم يادگيري ماشين از نوع با نظارت (مانند ماشين بردار پشتيبان، درخت تصميم) را با توجه به ساختار داده هاي آموزشي و آزمايشي انتخاب مي كنيم
• الگوريتم را روي مجموعه داده آموزشي اجرا كنيد تا مدل آموزش ديده ساخته شود.
• با ارائه مجموعه تست، دقت مدل ساخته شده از مرجله قبل را ارزيابي مي كنيم.

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 الگوريتم هاي يادگيري ماشيني تحت نظارت

رگرسيون

اگر رابطه اي (مثل رابطه افزايشي يا كاهشي) بين متغير ورودي (ويژگي ها) و متغير خروجي (برچسب) وجود داشته باشد از الگوريتم هاي رگرسيون استفاده مي شود. از اين نوع الگوريتم ها براي پيش‌بيني متغيرهاي پيوسته، مانند پيش‌بيني آب‌وهوا، روند بازار، و غيره استفاده مي‌شود. در ادامه انواع الگوريتم هاي رگرسيون ذكر شده است.

• رگرسيون خطي
• درختان رگرسيون
• رگرسيون غير خطي
• رگرسيون خطي بيزي
• رگرسيون چند جمله اي

دسته بندي

از الگوريتم‌هاي دسته بندي زماني استفاده مي‌شوند كه متغير خروجي از نوع طبقه بندي ( Categorical ) باشد يا بتوان آن را به اين نوع تبديل كرد، به اين معني كه متغير خروجي از نوع دو كلاسه مانند بله-نه، مذكر-مونث، درست-كاذب و غيره وجود باشد. در ادامه انواع الگوريتم هاي دسته بندي ليست شده اند.

• جنگل تصادفي | Random Forest
• درخت تصميم 
• رگرسيون لجستيك
• ماشين بردار پشتيبان | SVM

مزاياي يادگيري با نظارت

• با استفاده از يادگيري با نظارت، مدل مي تواند خروجي را بر اساس تجربيات قبلي (آموزش) پيش بيني كند.
• در يادگيري نظارت شده، مي‌توانيم ايده دقيقي درباره كلاس‌هاي اشياء داشته باشيم.
• مدل به دست آمده در يادگيري نظارت شده به ما كمك مي كند تا مشكلات مختلف دنياي واقعي مانند كشف تقلب، فيلتر هرزنامه و غيره را حل كنيم.

معايب يادگيري با نظارت

• مدل هاي يادگيري با نظارت براي انجام وظايف پيچيده مناسب نيستند.
• اگر داده هاي آزمون با مجموعه داده آموزشي متفاوت باشد، يادگيري تحت نظارت نمي تواند خروجي صحيح را پيش بيني كند.
• گام آموزش در الگوريتم هاي يادگيري با نظارت به زمان محاسباتي زيادي نياز دارد.
• در يادگيري نظارت شده، ما به دانش كافي در مورد طبقات داده ها نياز داريم..

دوره آموزش نتورك پلاس چيست؟ دوره نتورك پلاس براي چه كساني طراحي شده است؟ آيا دوره Network Plus يك دوره عمومي شبكه است؟ پاسخ همه اين سوالات و 20 نكته ديگر درباره دوره آموزشي نتورك پلاس را در اين مقاله به دست خواهيد آورد. دوره نتورك پلاس ( Network+ ) دريچه ورود شما به دنياي فناوري اطلاعات است. شايد اكثر جاهايي كه اين سوال پرسيده مي شود كه مدرك نتورك پلاس چيست؟ پاسخ آن به اين شكل مطرح مي شود كه نتورك پلاس مباني و مفاهيم اوليه شبكه براي ورود به دنياي شبكه هاي كامپيوتري است و اولين قدم در يادگيري شبكه هاي كامپيوتري و آموزش شبكه است.

اين جمله اشتباه نيست همه همه مطلب را نمي رساند . زمانيكه در خصوص گواهينامه بين المللي CompTIA Network+ صحبت مي كنيم در واقع ما در خصوص اولين قدم براي ورود به دنياي شبكه هاي كامپيوتري ( مايكروسافت ، سيسكو ، مجازي سازي ، ميكروتيك و ... ) ، اولين قدم در ورود به دنياي اينترنت اشياء ، اولين قدم براي ورود به دنياي امنيت اطلاعات ، اولين قدم در ورود به دنياي هك و نفوذ و به زبان ساده تر اولين قدم براي ورود به هر حوزه اي در خصوص فناوري اطلاعات صحبت مي كنيم.

بنابراين دوره Network+ يكي از مهمترين ، پر چالش ترين و پر مفهوم ترين دوره هاي آموزشي شبكه و فناوري اطلاعات است كه شما را انواع تكنولوژي هاي شبكه ، زيرساختي ، نرم افزاري ، امنيتي ، مديريتي و ... آشنا مي كند و تعريف دوره مباني شبكه اصلا برازنده نتورك پلاس نيست.

كامپتيا يا CompTIA مخفف كلمه هاي Computing Technology Industry Association است و يك مركز عام المنفعه آمريكايي است كه وظيفه صادر كردن گواهينامه هاي خاص حوزه فناوري اطلاعات را بر عهده دارد. از كامپتيا به عنوان محبوب ترين مركز صدور گواهينامه هاي فناوري اطلاعات كه اكثر شركت ها و ارگان هاي بزرگ آن را به عنوان پيشنياز تخصص هاي خودشان قبول دارند نام برده مي شود.

دوره آموزشي نتورك پلاس CompTIA Network+

مدارك كامپتيا به هيچ شركت يا مجموعه خاصي تعلق ندارند و در بيشتر از 120 كشور دنيا مورد پذيرش هستند. در حال حاضر بيش از 2 و نيم ميليون نفر در دنيا داراي گواهينامه هاي اين شركت هستند. محبوب ترين دوره هاي مجموعه كامپتيا به ترتيب دوره هاي نتورك پلاس ، دوره سكيوريتي پلاس و دوره استوريج پلاس هستند.

نتورك پلاس ( Network+ Plus ) چيست؟ تعريف نتورك پلاس از نظر CompTIA

CompTIA Network+ به توسعه شغل و موقعيت كاري شما در حوزه زيرساخت فناوري اطلاعات كمك مي كند تا بتوانيد تنظيمات ، مديريت و رفع اشكال شبكه هاي كامپيوتري را بهتر و اصولي تر انجام دهيد. دريافت گواهينامه نتورك پلاس به اين معني است كه شما دانش فني لازم براي نگهداري و امن سازي اوليه شبكه هاي كامپيوتري را دارا هستيد.
بر خلاف بيشتر گواهينامه هاي شبكه و فناوري اطلاعات كه بصورت ويژه براي يك شركت يا محصول در بحث شبكه و زيرساخت طراحي شده اند ، دوره نتورك پلاس يك دوره در اصطلاح فارغ از وابستگي به سيستم عامل ، سخت افزار و يا محصول خاص يا Vendor Less است .

دوره آموزشي نتورك پلاس CompTIA Network+

كامپتيا نتورك پلاس به شما كمك مي كند كه هر شبكه اي ، با هر سيستم عاملي و هر نوع زيرساختي را مديريت ، نگهداري و پشتيباني كنيد. CompTIA Network Plus تنها دوره اي است كه تمامي مهارت هاي مورد نياز يك متخصص شبكه را پوشش مي دهد.

ساير گواهينامه هاي مرتبط با شبكه در دنيا به گستردگي و وسعت نتورك پلاس نيستند و مفاهيم به مراتب كمتري را در مباحث تئوري دنبال مي كنند. روشهاي يادگيري نتورك پلاس در دنيا متنوع است ، از كلاسهاي حضوري چند ماهه گرفته تا كلاسهاي حضوري كمپي ، كلاسهاي آنلاين ، دوره هاي آموزشي ويديويي و ... همگي روشهايي براي يادگيري دوره نتورك پلاس هستند.  در حال حاضر نسخه نتورك پلاس موجود در وب سايت كامپتيا N10-007 است كه به زودي به نسخه N10-008 به روز رساني خواهد شد.

نتورك پلاس ( Network + plus ) چيست؟‌ به ساده ترين تعريف ممكن

همانطور كه شما براي ورود به دنياي كامپيوتر نياز به يادگيري مهارت هاي اوليه يا همان ICDL كامپيوتر داريد ، يا همانطور كه براي اينكه بتوانيد يك پزشك خوب باشيد بايد بدن انسان را به خوبي بشناسيد و اعضاي بدن و مكانيزم كاري بدن و سيستم گردش خون و ... را به خوبي درك كنيد و سپس ابتدا تبديل به يك پزشك عمومي و كم كم تبديل به يك پزشك متخصص مي شويد.

دوره آموزش نتورك پلاس هم دانش لازم براي ورود به دنياي فناوري اطلاعات را براي شما فراهم مي كند. پايه و اساس دوره هاي مختلف فناوري اطلاعات مبتني بر زيرساخت هاي شبكه و ارتباطات است . شما چه بخواهيد متخصص اينترنت اشياء بشويد ، چه بخواهيد برنامه نويس شبكه شويد ، چه بخواهيد متخصص سرويس هاي مايكروسافت شويد و ... همگي نياز به يادگيري مفاهيم و درك مكانيزم كاري شبكه دارد كه همه آنها در نتورك پلاس به شما آموزش داده مي شود.

دوره آموزشي نتورك پلاس شركت كامپتيا شامل مفاهيم ، مكانيزم كاري ، تجربيات دنياي واقعي شبكه هاي كامپيوتري است كه باعث مي شود شما با ورود به يك زمينه كاري در حوزه شبكه ، با واژه ها و سرويس ها بيگانه نباشيد و براحتي با توجه به درك عميقي كه از اين حوزه پيدا كرده ايد آن را پياده سازي ، نگهداري و رفع اشكال كنيد.

يك مثال عملي از كاربرد نتورك پلاس در دنياي واقعي مي توانيد ارائه كنيد؟

فرض كنيد كه در دوره آموزش نتورك پلاس شما پروتكل DNS و مفاهيم ركوردها و شيوه كاركرد آن را آموزش مي بينيد. اگر خوب اين مفاهيم را ياد بگيريد شما در سيستم عامل ويندوز ، در سيستم عامل لينوكس ، در سيستم عامل يونيكس ، در سيستم عامل MAC ، در روتر سيسكو ، در سويچ سيسكو ، در روتر ميكروتيك ، در فايروال ها و سويچ ها و تجهيزات شبكه و ... و اساسا هر جايي كه سرويسي به نام DNS وجود داشته باشد براحتي مي توانيد سرويس DNS را راه اندازي كنيد.

نكته اينجاست كه اساس كار پروتكل ها و استاندارد ها و مفاهيم زيرساختي آنها يكسان است و در همه سيستم عامل ها مفهوم ركورد ، Zone ، Lookup ، Cache و ... كه از واژه هاي تخصصي سرويس DNS هستند ، يكسان هستند و شما فقط بايد روش پياده سازي را كه يا گرافيكي است يا از طريق دستورات ياد بگيريد.

اگر شما در دوره نتورك پلاس اين مفاهيم را به خوبي ياد گرفته باشيد هيچ مشكلي در راه اندازي نخواهيد داشت و در عين حال در زمان بروز مشكل مي توانيد مسئله را به درستي حل و مشكل را حل كنيد. ( الان درگير سرويس DNS و واژه هايش نشويد ، اين صرفا يك مثال بود )براي مطالعه مقاله به سايت مراجعه كنيد.

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.