https://virgool.io/feed/@amrollahi1992 A Developer fa 2026-06-17 17:10:12 https://static.virgool.io/images/default-avatar.jpg https://virgool.io/@amrollahi1992 https://virgool.io/@amrollahi1992/%D8%A7%D9%84%D8%B3%D8%AA%DB%8C%DA%A9-%D8%B3%D8%B1%DA%86-%DA%86%DB%8C%D9%87-%D9%88-%DA%86%D8%B1%D8%A7-%D8%A8%D8%A7%DB%8C%D8%AF-%D8%A7%D8%B2%D8%B4-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%DA%A9%D9%86%DB%8C%D9%85-cqolyepulaib همه ما روزی چند بار میریم گوگل . گاهی دنبال ی جای خوب و دنج میگردیم گاهی میخوایم بیوگرافی ی نفرو بخونیم و بعضی وقتام کارای تخصصی داریم که میخوایم بدونیم باید چیو کجا استفاده کنیم ، برای همین از گوگل کمک میگیریم . سرچ کردن جزو کارای همیشگیمونه اما تا حالا به این فکر کردید که گوگل یا بقیه موتورهای جستجو چجوری کار میکنن؟ تکنیک Full Text Search چیزیه که بیشتر سایتا برای هندل کردن query search های کاربراشون از اون استفاده میکنن . در واقع وقتی شما دارید ی کلمه ای رو تایپ میکنید گوگل چند تا کار براتون میکنه :۱- غلط املایی (‌که گوگل براتون پیشنهاد درستشو میده )۲- auto complete ۳- fuzzy search4- spell checking5-related search و خیلی کارای تخصصی دیگه که شاید اینجا جای توضیح دادنش نباشهبرای اینکه بتونید یه موتور جستجوی تقریبا شبیه گوگل داشته باشید گزینه اولتون Elastic Search خواهد بود حالا Elastic Search چیه و چطوری کار میکنه ؟الستیک در واقع یه Full Text Search engine هستش که به شما کمک میکنه بتونید یه موتور جستجوی خوب بسازید . از دیجی کالا تا امازون همه فروشگاه های اینترنتی معروفی که میشناسید کافیه برید و ی بار توش سرچ کنید ، میبینید که وقتی در حال تایپ کردن هستید بهتون پیشنهادهای مختلف میده و حتی اشتباه املایی تون رو هم اصلاح میکنه . این در واقع اولین و شاید مهمترین کاربرد الستیک سرچ باشه . سرچ ساده و سریع که تجربه کاربری رو برای کاربر شما دلپذیر و جذاب میکنه . در واقع موتور الستیک با الگوریتم های مختلف و بعضا پیچیده ای که داره پیش بینی میکنه کاربر شما قراره چی تایپ کنه و بر اساس مدل های مختلف به سرچ کاربر اولویت میده . مثلا اینکه اگر کاربر نوشت ((موبایل )) ایا دسته بندی موبایل رو اول نشون بده یا محصولات مربوط به موبایل یا اصلا یه برند خاص مثلا (( موبایل اپل‌)) . اینکه الستیک چطوری کار میکنه رو به زودی تو ی مقاله تخصصی دربارش صحبت میکنیم .چجوری میتونم الستیک سرچ رو یاد بگیرم ؟ بسته به اینکه منابع انگلیسی رو دنبال میکنید یا فارسی ، میتونید از خیلی زود مفاهیم اولیه الستیک رو یاد بگیرید اما پیشنهادات من برای شروع یادگیری الستیک ( داکیومنت و ویدیو )منابع انگلیسی :https://www.elastic.co/guide/en/elastic-stack-get-started/current/get-started-elastic-stack.htmlhttps://www.udemy.com/course/elasticsearch-complete-guide/https://www.javatpoint.com/elasticsearchمنابع فارسی :اموزش فارسی الستیک سرچ alireza amrollahi alireza amrollahi Fri, 29 Jan 2021 14:46:56 +0330 https://virgool.io/@amrollahi1992/%D9%85%DB%8C%D8%AE%D9%88%D8%A7%D9%85-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%D9%84%D8%B1%D9%86%DB%8C%D9%86%DA%AF-%DB%8C%D8%A7%D8%AF-%D8%A8%DA%AF%DB%8C%D8%B1%D9%85-%D8%A7%D8%B2-%DA%A9%D8%AC%D8%A7-%D8%A8%D8%A7%DB%8C%D8%AF-%D8%B4%D8%B1%D9%88%D8%B9-%DA%A9%D9%86%D9%85-levywwjjfs8a طبق آخرین آماری که منتشر شده فیلد data science برای چندمین سال متوالی جز "جذاب ترین" و "پر درامد ترین" فیلد های کاری آی تی شناخته شد !برای خیلیا تشخیص چندتا کلمه کلیدی خیلی سخته که من میخوام تو این مقاله با توضیح این کلمات شروع کنم ( کنار هرکدوم ی چیه اضافه کنید خودتون )هوش مصنوعی یا AI : هوش مصنوعی در واقع ی مفهوم کلیه و به خودی خود به عنوان یه job position شناخته نمیشه . ی جورایی شبیه درسای اصلی ما مثل ریاضیات ، فیزیک ، شیمی . اینا پایه رشته های دانشگاهی میشدن مثل پزشکی و مهندسی ها و علوم آزمایشگاه و ... . پس قراره تو ادامه از زیرمجموعه های هوش مصنوعی باهم صحبت کنیم.یادگیری ماشین یا Machine Learning : یا همون ML خودمون :) . ماشین لرنینگ اولین عنوان کاریی میشه که از توی هوش مصنوعی در میاد با ماشین لرنینگ معجزه ها شروع میشه : پیش بینی میزان فروش ی فروشگاه ، پیش بینی سرطان با بررسی عکس های پزشکی ، پیش بینی اب و هوا ، پیش بینی قیمت بازارهای مالی ، nlp , voice recognition , image classification و خیلی کارای جذاب دیگه که با کمک ML میشه انجامش داد . میدونم میخواید بدونید برا یادگیریش باید از کجا شروع کنید اما بذارید تا اخرش بریم جلو باهم یادگیری عمیق یا Deep Learning :‌ اینجا یکم داستان بزرگتره ، دیتا ها بیشترن ، برای پردازششون باید کارت گرافیک داشته باشیم ( البته گوگل بازم کمک حالمون شده ) و یه مقداری باید از دانشمون تو ماشین لرنینگ مطمین باشیم قبل از اینکه بیایم سراغ این یکی ! خوبی دیپ لرنینگ اینه که مفاهیم تقریبا همون مفاهیم ML ای هستن با ی مقدار تغییر . برای مثال شما با neural network اشنا میشید و میفهمید یادگیری دو نوع داره : supervised learning and unsupervised learning . حالا اینا چین ؟؟؟ ساده شدو بگم؟ اولی یا همون supervised learning وقتی هستش که شما میدونید المان خروجی تون چیه ، به زبون ساده تر میدونید از ماشین چی میخواید و به ماشین میگید از این راه برو و منو برسون ب نتیجهتو دومی که میشه unsupervised learning دیگه ماشین خودش فرمونو میگیره و با استفاده از نورال نتورک بهترین مسیر و بهترین راهکار رو تشخیص میده و میره جلو ( ترسناکه نه ؟ )علم داده یا Data Science : دیتا ساینس ی فیلد بزرگتریه و معمولا شرکتا دنبال دیتا ساینتیست میگردن که یه گونی کار بدن دستش (‌البته تو ایران ، اونم ی سری جاها ، اصا من بدم ببخشید ) . همونجوری ک تو عکسم میبینید کار دانشمند دیتا تو فازهای مختلف هوش مصنوعی دخالت داره و همون جوری ک تو قسمت بعد میگیم ی مقدار زیادی از کاراش با مهندس دیتا تداخل داره . شما به عنوان دیتا ساینتیست مسوولیت جمع اوری دیتای مناسب رو دارید و رسوندنش به ML engineer اما اگه کسی تو شرکت به این عنوان حضور نداشته باشه مسولیت تبدیل دیتا به information هم به عهده شما خواهد بود . پس شما به عنوان یه دانشمند دیتا باید از مدل های ریاضی و الگوریتم های ماشین لرنینگ هم اطلاعات داشته باشید مهندس دیتا یا Data Engineering : بیچاره این بنده خدا ! اصل کارو این میکنه اما دیده نمیشه . مهندس دیتا وظیفه اش اصولا جمع آوری و data base query زدن هستش . به این معنی که مثلا از تیم محصول یا فنی میان میگم اقا ما برای فلان پیش بینی نیاز به فلان دیتا داریم . مهندس دیتا میره و بر اساس دیتای پخش شده تو دیتابیس ، دیتاهای مفید رو در میاره ، تمیز میکنه ، فرمت دهی میکنه و ی سری کارای دیگه و تحویل میده به مهندس ML . تا اینجا خلاصه وظایف و تعریف هرکدوم رو دیدیم باهم اما بریم سراغ اینکه اگه بخوایم یادش بگیریم باید چیکار کنیم ؟برای اینکه بتونیم یه دیتا ساینتیست (‌Data Scientist ) بشیم چیا لازم داریم ؟اولش همت ! تو هرفیلدی ک کار میکنید ( من خودم بک اند ام‌) باید به فکر این باشید که کار کردن با صبر ، حوصله و اعصاب زیادی میخواد ریاضی ؟ نگران نباشید برای یادگیری اولیه اصلا لازم نیس مدرک دکترای ریاضی محض داشته باشید ، خیلی از مفاهیم رو تو دبیرستان خوندید و باید ی دوره ای کنید فقط زبان ؟‌ انصافا از این نمیشه گذشت ، در ادامه که منابع خوب یادگیری رو معرفی میکنم میبینید ک فارسی توشون نیس . دلیلش هم اینه خیلی جاها باید پذیرفت که ما هنو خیلی جاهای کار داریم .استعفا از پوزیشن فعلی ؟ وقتی دارید یادگیری هوش مصنوعی رو شروع میکنید میتونید با روزی ۳ ۴ ساعت شروع کنید ، تایم های خالیتون رو صرف دیدن ویدیو ها کنید اما شاید بعد ۱ سال نیاز بشه که کامل سوییچ کنید رو فیلد کاری جدیدتون دیتا از کجا بیارم؟ مختصر مفید : kaggleاز کجا یاد بگیرم ؟برای هر کسی یه روش یادگیری وجود داره . از طرفی منابع اموزشی واقعا زیادن اما من میخوام اونایش که رو خودم جواب داد رو بهتون معرفی کنم . باشد که شمام باهاشون کیف کنید :۱- اگه اهل کتاب هستید و انگلیستون هم بدک نیس این کتاب رو هم میتونید انلاین بخونید هم از سایت ebook2book نسخه چاپیش رو بگیرید :‌. Hands-n Machine learning with scikit-learn, Keras, Tensorflow ۲- اگه اهل فیلم دیدنید این دو تا دوره خیلی بهتون کمک میکنه ( یکیش رایگانش فعلا نیست )https://www.udemy.com/course/complete-machine-learning-and-data-science-zero-to-mastery/. Not Freehttps://www.coursera.org/learn/machine-learning Free ( instructor : Andrew ng )با این دوتا فقط ؟‌طبیعتا نه اما این دو تا دوره و اون کتاب بهتون میفهمونه که این مسیر مسیر شما هست یا نه! شاید از این فیلد کاری فقط تو فیلما خوشتون اومده باشه (‌که اصلانم چیز بدی نیست )امیدوارم تونسته باشم تو مسیر Data Scientist شدنتون یه کمک ریزی کرده باشم . سوالی بود در خدمتیم alireza amrollahi alireza amrollahi Fri, 22 Jan 2021 19:54:41 +0330 https://virgool.io/@amrollahi1992/%D8%AF%D8%B2%D8%AF-%D8%A8%DB%8C-%D8%B4%D8%B1%D9%81-%DB%8C%D8%A7-%D9%81%D8%B1%D8%A7%D9%86%D8%B4-%D9%85%D8%B3%D9%8E%D9%84%D9%87-%D8%A7%DB%8C%D9%86-%D8%A7%D8%B3%D8%AA-ckgilogmdndi مدت ۱ سال میشه که دوره های تخصصی که ساختم رو ( الستیک سرچ , redis و ... ) با سایت های محتوایی به صورت درصدی به فروش میرسونم . سایت هایی هم که کار کردم باهاشون همشون معروف بودن ( لرن فایلز ، داناپ ، دانشجویار ، کلاس ۲۴ و مزخرفترین سایت اموزش ویدیویی : استاد فرانش ) . تو این مدت واقعا با همشون کانکشن زدم و خیلیاشون حتی رفیقام شدن چون علاقه دارم به شناختن ادمای جدید و فنی تو حوزه خودماما یهو چی شد ؟راستش ماه اول و دوم و سوم دیدم پرداختیای فرانش تاخیر داره ! پیش خودم گفتم خب پیش میاد (‌حالا عدد هم کم عددی نبود :))‌ ) . ماه های بعدی به بهونه های احمقانه ای که فقط خودشون میپذیرن از خودشون ، باز با تاخیر پرداختیا رو انجام میدادن تا اینکه کلاغه خبر اورد : فرانش یه استارتاپ شکست خورده و دزد هستش که فروش دوره های ملت رو هزینه معلوم نیس کدوم بدهی هاش داره میکنه. بهتون پیشنهاد میکنم نه به عنوان دانشجو و نه به عنوان مدرس اصلا وارد بیزنس باهاشون نشید !اینم بگم این پست نتیجه تجربه مستقیم خودم بوده و میتونم به هرکسی که خواست دلایل و اسکرین شات هامو :) نشون بدمخلاصه ماجرا اینکه با فرانش کار نکنید ! alireza amrollahi alireza amrollahi Sun, 13 Dec 2020 23:08:49 +0330 https://virgool.io/@amrollahi1992/%D8%A8%D9%84%D8%A7%D8%AE%D8%B1%D9%87-%D8%AF%DB%8C%D8%B2%D8%A7%DB%8C%D8%B1%D9%86-%D9%BE%D8%AA%D8%B1%D9%86-%DA%86%DB%8C%D9%87-t6m9zzbxqh8x هرکدوم ما توی هر زبون برنامه نویسی که کار کردیم ، تا حالا n بار اسم Design Patterns رو شنیدیم . اگه تو لاراول باشید Facade و Singleton و ... اگه توی pure PHP کد میزنید Strategy , Abstract Factory و .. و اگه توی زبونای دیگه هم کد میزنید بازم همینطور . هممونم هی گفتیم ، اقا بلاخره یه روزی یادش میگیرم منتها امروز نه ! امروز کار دارمقضیه اینه که دیزاین پترنا تو نگاه اول انقد ((دوست نداشتنی )) ان که ادم دلش نمیاد بره سمتشون ولی خب من میخوام تو ی پست کوتاه یکم دلتون رو نرم کنم که برید سراغ یادگیریش :) ۳ نوع الگوی طراحی داریم که اصلا فارسی سازیش کار خود خداس : 1-creational2- structural 3- behavioralاین ۳ دسته بندی به خاطر این به وجود اومدن که هرکدوم کار خودشونو انجام بدن ، ینی اگه میخوای ابجکت جدید بسازی میری سراغ نوع اول ( نوع دوم و سوم به هیچ کارت نمیان ). خیالتون راحت ، نمیخوام اینجا ۵۰۰ خط کد بنویسم و توقع داشته باشم که تهش تو کامنتا بگید علیرضا دمت گرم ترکوندی ، به جاش بهتون یه دوره اموزشی فارسی معرفی میکنم که فک کنم واقعا خوب باشه . اولین باره که یه دوره اموزشی تقریبا طولانی مدت ( برای هر کدوم از ۳ بخش بالای ۴ ساعت اموزش ) به زبون فارسی برای دیزاین پترن ها منتشر میشه ، اگه دوست داشتید یه سر بزنید بهش :دوره کامل الگوهای طراحی - Design patterns به زبان فارسی alireza amrollahi alireza amrollahi Fri, 27 Nov 2020 10:12:23 +0330