https://virgool.io/feed/@t.tavakoli کارشناس ارشد مهندسی کامپیوتر دانشگاه شیراز fa 2026-04-15 08:56:30 https://files.virgool.io/upload/users/955102/avatar/G63kCx.jpeg?height=120&width=120 https://virgool.io/@t.tavakoli https://virgool.io/AlgorithmAvval/%D9%85%D8%B9%D8%B1%D9%81%DB%8C-%D8%AF%DB%8C%D8%AA%D8%A7%D8%B3%D8%AA-%D9%87%D8%A7%DB%8C-%D8%B9%D9%85%D9%88%D9%85%DB%8C-%D9%88-%D8%B1%D8%A7%DB%8C%DA%AF%D8%A7%D9%86-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%BE%D8%B1%D9%88%DA%98%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D9%84%D9%85-%D8%AF%D8%A7%D8%AF%D9%87-fy4ydn0eolus در مسیر تبدیل شدن به یک دانشمند داده (data scientist) اولین قدم یافتن یک مجموعه داده مناسب برای تجزیه و تحلیل داده هاست. در طول این مسیر شما باید تصمیم بگیرید مجموعه داده در چه حوزه ای نیاز دارید و میخواهید این مجموعه داده چقدر بزرگ و نامرتب باشد. مرحله تمیز کردن داده ها (data cleaning) جزئی جدایی ناپذیر از علم داده است اما ممکن است تصمیم شما برای اولین پروژه ها این باشد که به جای تمیز کردن داده ها، روی تجزیه و تحلیل آن ها تمرکز کنید.مجموعه داده هایی از انواع مختلف و پیچیدگی های گوناگون وجود دارد که به نظر میرسد برای پروژه های اول خوب کار می کنند. این مجموعه داده ها منابع مختلفی مانند داده های جمعیت شناختی، داده های اقتصادی، داده های متنی، داده های شرکتی و... را پوشش می دهند.لیست کامل این دیتاست ها یا مجموعه داده ها در دو قسمت آورده شده است:قسمت اولقسمت دوم طاهره توکلی طاهره توکلی Sat, 17 Jul 2021 09:43:57 +0430 https://virgool.io/AlgorithmAvval/%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-%D8%B1%D8%A7-%D8%B9%D9%85%DB%8C%D9%82-%D8%A8%DB%8C%D8%A7%D9%85%D9%88%D8%B2%DB%8C%D9%85-llqiwvu9wyc4 یادگیری عمیق (deep learning) چیست؟یادگیری عمیق یکی از روش ها و تکنیک های یادگیری ماشین (machine learning) است که به کامپیوتر آموزش می دهد مثل یک انسان مسائل را یاد بگیرد و در تجربیات بعدی از آن ها استفاده کند. به طور مثال یادگیری عمیق موجب می شود یک خودرو بدون راننده، علامت توقف را شناسایی کند یا یک عابر پیاده را از یک چراغ راهنمایی تشخیص دهد. کلید کنترل صدا در دستگاه های مصرف کننده مانند تلفن، تبلت، تلویزیون و بلندگوهای هنذفری هم از همین تکنولوژی استفاده می کنند.در یادگیری عمیق که اخیرا مورد توجه زیادی قرار گرفته است، یک مدل کامپیوتری یاد می گیرد کارهای طبقه بندی شده را مستقیما از روی تصاویر، متون یا صداها انجام دهد. این مدل ها با استفاده از مجموعه بزرگی از داده های دارای برچسب و همچنین معماری شبکه های عصبی که حاوی لایه های زیادی هستند، آموزش می بینند. دقت اینگونه مدل ها بسیار زیاد است و حتی گاهی اوقات از عملکرد سطح انسانی هم فراتر می رود.چرا یادگیری عمیق در سال های اخیر تا این اندازه مورد توجه قرار گرفته است؟یادگیری عمیق برای اولین بار در دهه 1980 نظریه پردازی شده است اما تا حدی بهبود یافته که در برخی از کارها مثل طبقه بندی اشیا در تصاویر، از انسان هم بهتر عمل می کند. این موضوع برای برنامه های حیاتی ایمنی مثل اتومبیل های بدون راننده بسیار مهم است و انتظارات کاربران این برنامه ها را به خوبی برآورده می کند.یادگیری عمیق برای کارایی خود به دو عامل اصلی نیاز دارد:مقدار زیادی داده دارای برچسب (مثلا توسعه اتومبیل بدون راننده به میلیون ها تصویر و هزاران ساعت فیلم نیاز دارد)قدرت محاسباتی قابل توجه (پردازنده های گرافیکی با عملکرد بالا و معماری موازی به همراه رایانش ابری کمک می کند زمان آموزش برای یک شبکه یادگیری عمیق از یک هفته به یک ساعت یا کمتر کاهش پیدا کند)کاربردهای یادگیری عمیقاز برنامه های یادگیری عمیق در صنایع از رانندگی خودکار گرفته تا دستگاه های پزشکی استفاده می شود.رانندگی خودکار: محققان خودرو از یادگیری عمیق برای شناسایی خودکار اشیایی مانند علائم توقف و چراغ راهنمایی استفاده می کنند. علاوه بر این ، از یادگیری عمیق برای تشخیص عابران پیاده استفاده می شود که به کاهش تصادفات کمک می کند.هوا فضا و دفاع: یادگیری عمیق برای شناسایی اشیایی از ماهواره ها که مکان های مورد علاقه را تعیین می کنند و شناسایی مناطق امن یا ناامن برای نیروها استفاده می شود.تحقیقات پزشکی: محققان سرطان از یادگیری عمیق برای شناسایی خودکار سلول های سرطانی استفاده می کنند. تیم های پژوهشی و تحقیقاتی در UCLA یک میکروسکوپ پیشرفته ساختند که یک مجموعه داده با ابعاد بالا را برای آموزش یک برنامه یادگیری عمیق برای شناسایی دقیق سلول های سرطانی تولید می کند.اتوماسیون صنعتی: یادگیری عمیق با تشخیص خودکار زمانی که افراد یا اشیا در یک فاصله ناامن از ماشین آلات قرار دارند ، به بهبود ایمنی کارگران در اطراف ماشین آلات سنگین کمک می کند.الکترونیک: از یادگیری عمیق در ترجمه خودکار شنوایی و گفتاری استفاده می شود. به عنوان مثال دستگاه های کمکی در منزل که به صدای شما پاسخ می دهند و تنظیمات شما را شناسایی می کنند توسط برنامه های یادگیری عمیق تأمین می شوند.اگر به حوزه یادگیری عمیق علاقه مند هستید، پیشنهاد می کنم وبینار "یادگیری عمیق را عمیق بیاموزیم" از دست ندهید. محورهای این وبینار که به صورت رایگان برگزار می شود شامل موارد زیر است:یادگیری عمیق چیست و در چه حوزه هایی کاربرد دارد؟تفاوت شبکه عصبی و یادگیری عمیق چیست؟تفاوت یادگیری عمیق و یادگیری ماشین چیست؟روش کار یادگیری عمیق چگونه است؟مدل های یادگیری عمیق چگونه ایجاد و آموزش داده می شود؟ طاهره توکلی طاهره توکلی Sat, 10 Jul 2021 10:44:07 +0430 https://virgool.io/AlgorithmAvval/%D8%A2%D9%85%D8%A7%D8%AF%DA%AF%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%A7%D8%B3%D8%AA%D8%AE%D8%AF%D8%A7%D9%85-%D9%88-%D9%85%D8%B5%D8%A7%D8%AD%D8%A8%D9%87-%D8%B4%D8%BA%D9%84%DB%8C-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-zkmrq31p22aq شیوه استخدام و به کارگیری توسعه دهنده ها و مهندسان نرم افزار تقریبا با سایر رشته ها متفاوته. یکی از تفاوت های اصلی اینه که اینجا دو نوع مصاحبه وجود داره. مصاحبه اول یه مصاحبه کلاسیک و سنتیه که دو طرف در مورد خودشون و رفتارها و علایقشون توضیح می دهند، درباره موقعیت شغلی بیشتر صحبت می کنند و تجربه های کاری قبلی همدیگر رو می شنوند. اما مصاحبه دوم، مصاحبه فنی یا مصاحبه کدنویسی هست.توی مصاحبه دوم شما به عنوان برنامه نویس باید به طرف مقابل ثابت کنید که مهارت ها و توانایی های لازم برای به موفقیت رساندن شرکت رو دارید. بعضی از جاها این مصاحبه فنی بیشتر حول تئوری علوم کامپیوتر و الگوریتم های حل مسائل مختلفه. اما جاهای حرفه ای تر یک پروژه کوچک به شما می دهند و از شما می خواهند که اون رو در مدت مشخصی انجام بدید و براشون بفرستید. در طول مصاحبه شما باید از کارتون دفاع کنید و دیزاین یا روش برنامه نویسی خودتون رو توضیح بدید.از اونجایی که چالش های کدنویسی و سوالات مصاحبه میتونه خاص و کمی دشوار باشه، باید حتما از قبل تمرین کافی رو داشته باشید. خوشبختانه سایت های زیادی هستند که در این زمینه بهتون کمک میکنندمن هم در این مطلب چند سایت معروف و کاربردی رو بهتون معرفی میکنم:Backtobacksweاین سایت یک پلتفرم کامل برای گذراندن مصاحبه فنی برنامه نویسی هست. درون سایت هزاران ویدئوی جذاب وجود داره که روش حل مسائل مختلف رو به همراه تئوری و مفاهیم موردنیاز برای یادگیری اون آموزش میده. این قابلیت هم وجود داره که به طور مستقیم در کد ادیتور سایت، چالش ها و تمرین ها رو با زبان های برنامه نویسی گوناگون پاسخ بدید.AlgoExpertاین سایت مجموعه وسیعی از چالش ها به همراه ویدئوهای آموزشی و راه حل اونا رو فراهم کرده که البته برای دسترسی به پلتفرم اون باید هزینه پرداخت کنید. توی سایت بیش از 70 ساعت ویدئوی آموزشی در 9 زبان برنامه نویسی جاوا اسکریپت، پایتون، جاوا، سی پلاس پلاس و... وجود داره. قابلیت های ویژه ای هم توی سایت موجوده مثل آنالیز پیچیدگی زمانی اجرای برنامه ها و الگوریتم ها و امکان حل تمرین چند نفرهcoderByteاین سایت پلتفرم دیگه ای برای آماده سازی مصاحبه های فنی ایجاد کرده و 3 حوزه مختلف رو پیشنهاد میده:الگوریتم و ساختمان داده، مصاحبه گوگل و مصاحبه تعاملیتوی سایت 300 چالش برنامه نویسی مختلف وجود داره. برای پاسخ به این چالش ها می تونید کدهای خودتون رو توی محیط برنامه نویسی سایت تست کنید یا توی انجمن با سایر افراد در مورد راه حل ها و روش های پاسخ به چالش، بحث و گفتگو کنید.leetCodeسایت leetcode یکی از محبوب ترین پلتفرم هاست که تا این لحظه بیش از 1750 سوال برنامه نویسی و جامعه گسترده ای از انجمن ها و افراد متخصص داره. یکی از قابلیت های مهم سایت این هست که میتونید چالش ها و سوالات برنامه نویسی رو بر اساس شرکت های مطرح کننده اونا مثل گوگول، نتفلیکس، فیسبوک و... فیلتر کنید و با زبان های برنامه نویسی مختلف بهشون پاسخ بدید.منبع: livecodestream طاهره توکلی طاهره توکلی Tue, 06 Jul 2021 09:16:40 +0430 https://virgool.io/AlgorithmAvval/%DA%86%D8%B7%D9%88%D8%B1-%DB%8C%D9%87-%D8%B1%D8%B2%D9%88%D9%85%D9%87-%D8%AC%D8%B0%D8%A7%D8%A8-%D8%A8%D9%86%D9%88%DB%8C%D8%B3%DB%8C%D9%85-%DA%A9%D9%87-%DA%86%D8%B4%D9%85-%DA%A9%D8%A7%D8%B1%D9%81%D8%B1%D9%85%D8%A7%D9%87%D8%A7-%D8%B1%D9%88-%D8%AE%DB%8C%D8%B1%D9%87-%DA%A9%D9%86%D9%87-smyewgaczexr به عشق در نگاه اول اعتقاد دارید؟ اگر اعتقاد دارید باید بهتون بگم که رزومه هم دقیقا یه چیزی مثل عشق میمونه. باید در نگاه اول طرف مقابلتون رو جذب کنه. برای ایجاد یه رابطه کاری عالی اولین قدم اینه که همون ابتدای کار بتونیم تاثیرگذاری خوبی داشته باشیم. پس مثل همون قرارهای اولیه عاشقانه باید بتونیم با یه ظاهر شیک و تر و تمیز ظاهر بشیم و با اعتماد به نفس کامل، خودمون و نقاط مثبتی که داریم رو معرفی کنیم.خب مقدمه بسه! یکم از فضای عاشقانه بیایم بیرون و بریم سراغ 5 تا نکته مهم رزومه نویسی برای فریلنسرها که باعث میشند کارفرماها از رزومه مون چشم برندارند...هر رزومه بخش های مختلفی داره. تا انتهای این مطلب با من همراه باشید تا فوت کوزه گری نوشتن هر قسمت رو بهتون یاد بدم.اولین و مهمترین قسمت، معرفی اولیه خودمونهوقتی که ما برای شرکتی رزومه مینویسیم، دقیقا نمی دونیم کی این رزومه رو بررسی میکنه. شاید کسی که رزومه ما رو میخونه قبلا هیچ تجربه ای نداشته باشه، شاید هم قبل از ما هزاران رزومه مختلف رو دیده باشه. اینجاست که ما باید با اعتماد به سقف! یا همون اعتماد به نفس بالا ? خودمون رو با قدرت معرفی کنیم و همه نوع افراد رو تحت تاثیر قرار بدیم. پاراگراف اول ما باید توضیحی در مورد خودمون، تجارب مهمی که داریم، نقاط قوت کارمون و مواردی مشابه با اینا باشه. برای اینکه تاثیرگذاری مون رو بیشتر کنیم، لازمه که متن مون رو طوری بنویسیم که طرف مقابل بتونه یه تصویر خاص و یکتا از ما توی ذهن خودش ایجاد کنه. اون وقته که این تصویر از ذهنش پاک نمیشه و همیشه به یادمون میمونه.بخش دوم تجربه های کاری قبلی مونهخب ما به عنوان یه فریلنسر برنامه نویسی ممکنه هنوز تجربه کاری رسمی توی شرکت ها نداشته باشیم. اما این دلیل نمیشه که تجارب ارزشمندی که در پروژه های مختلف به دست آوردیم، برای کارفرماها بی ارزش و بدون تاثیر باشه. پس بهتره به این فکر کنیم که کدوم تجربه ها اهمیت بیشتری دارند و بعد اونا رو همراه با اطلاعات جزئی تری مثل سال اجرای پروژه ، حوزه انتشار محصول و... برای کارفرما لیست کنیم.بخش بعدی رو باید بذاریم برای پروژه های خاص و ویژهاگر قبلا روی یک پروژه خیلی خاص و ویژه کار کردیم، بهتره که اون رو به طور جداگانه توی رزومه ذکر کنیم. این خیلی مهمه که نشون بدیم تونستیم مهارت و منابع موردنیاز برای انجام یه پروژه خاص رو به دست بیاریم.توی این قسمت لازمه اطلاعات دقیق تری از پروژه رو بنویسیم مثلاکارفرما یا مشتری پروژه چه اشخاصی بودند؟پروژه در چه حوزه ای اجرا شده؟نقش و مسئولیت ما در پروژه چی بوده؟هدف از پروژه چه چیزی بوده و چطور به این هدف رسیده؟...زمانی که کارفرما این اطلاعات دقیق رو توی رزومه ما ببینه، راحت تر به ما اعتماد میکنه و سریع تر به این نتیجه میرسه که ما دقیقا برای فرصت شغلی که او مدنظر داره، مناسب هستیم.از مهارت های برنامه نویسی غافل نشیممهارت های برنامه نویسی حرفه ای یکی از اصلی ترین عواملی هست که باعث میشه رزومه ما بین هزاران رزومه مختلف به خوبی دیده بشه. پس باید این مهارت ها رو به ترتیب تسلط و سطحی که داریم و همچنین نیازی که کارفرما داره، لیست بندی کنیم. بهتره که حتما سطح تسلط و حرفه ای بودن رو توی هر مورد ذکر کنیم تا کارفرما راحت تر تصمیم گیری کنه. مسلما هیچ فردی در همه زبان های برنامه نویسی دانش و مهارت فوق العاده نداره. پس همین که ما با شفافیت و صداقت کامل، سطح تسلط مون رو ذکر کنیم، بسیار ارزشمنده.بخش آخر تحصیلات دانشگاهی و آکادمیک هستبخش پایانی معرفی توی رزومه ، باید به تحصیلات رسمی ما بپردازه. این که ما کجا دانش و مهارت مون رو به دست آوردیم، توی تصمیم گیری کارفرماها تاثیر زیادی داره. توی این بخش مواردی مثل تحصیلات دانشگاهی، توصیه نامه ها، کارآموزی، آموزش ها و دوره های فوق العاده و... رو مینویسیم.به طور کلی این نکته ها رو هم حتما باید رعایت کنیمما به عنوان یک فریلنسر برنامه نویسی، همیشه باید به دنبال موقعیت های شغلی و مشتریان جدید باشیم. پس این که یک بار رزومه بنویسیم و اون رو برای همه ارسال کنیم، کار کاملا اشتباهیه. هر رزومه باید متناسب با همون موقعیت شغلی که براش رزومه ارسال می کنیم، نوشته بشه. این کار شانس ما رو در تاثیرگذاری روی کارفرما و به دست آوردن موقعیت به شدت افزایش میده.یکی دیگه از عوامل مهمی که توی موفقیت رزومه تاثیر داره ظاهر، فرمت بندی و دقت در نوشتار متن رزومه هست. بهتره که اول یه پیش نویس از رزومه برای خودمون بنویسیم، مجددا یک دور اون رو بخونیم و موارد اضافی یا تکراری رو حذف کنیم، به جای جملات طولانی جملات کوتاه تر به کار ببریم، از بولت پوینت استفاده کنیم، غلط های املایی رو اصلاح کنیم و... بعد از این که همه این کارا رو انجام دادیم تازه وقتشه که رزومه رو برای کارفرما ارسال کنیم.گروه علمی - آموزشی الگوریتم اول متشکل از فارغ التحصیلان و دانشجویان ممتاز در مقاطع تحصیلات تکمیلی دانشگاه شیراز این افتخار رو داره که بستری علمی، تخصصی و پویا برای تولید محتوای آموزشی برای نیروهای علاقمند، ماهر و متخصص فراهم کنه. هدف گروه الگوریتم اول همکاری با نیروهای مستعد و نخبه ی دانشگاهیه که در این راه علاوه بر یک همکاری پایدار و رو به رشد خواسته های شغلی و مالی هر دوطرف به بهترین شکل تامین بشه. کلیه علاقه مندان در حوزه مهندسی کامپیوتر و برنامه نویسی می توانند در قسمت همکاری با ما رزومه خودشون رو برای ما ارسال کنند.منتظر دریافت رزومه های جذاب و حرفه ای شما هستیم... طاهره توکلی طاهره توکلی Sun, 04 Jul 2021 09:43:51 +0430 https://virgool.io/AlgorithmAvval/%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AF%D8%A7%D8%AF%D9%87-%DA%A9%D8%A7%D9%88%DB%8C-%D8%AF%D9%86%D8%A8%D8%A7%D9%84-%D8%A7%D8%A8%D8%B2%D8%A7%D8%B1%D9%87%D8%A7%DB%8C-%D9%BE%DB%8C%DA%86%DB%8C%D8%AF%D9%87-%D9%86%D8%A8%D8%A7%D8%B4%DB%8C%D8%AF-ag94xwujmlin داده کاوی فرایند تبدیل داده های خام به اطلاعات ارزشمنده که توسط شرکت های مختلف به کار گرفته میشه. با استفاده از عملیات داده کاوی می تونیم الگوهای موجود در داده ها رو شناسایی کنیم و بر اساس اون استراتژی های مختلفی برای توسعه محصولات و خدمات، فروش موثر، کاهش هزینه ها و... تعیین کنیم.زبان های برنامه نویسی مختلفی مثل پایتون، متلب و... هستند که میشه باهاشون عملیات داده کاوی رو انجام داد. کار کردن با این زبان ها نیازمند دانش و مهارت کافی هست و عموما برنامه نویسان حرفه ای از اونا برای داده کاوی استفاده می کنند. اما روش های دیگه ای هم برای این کار وجود داره که خیلی ساده تر و سریعتر ما رو به هدفی که میخوایم میرسونه. توی این پست ابزارهای پرکاربرد و ساده ای در این زمینه معرفی و اونا رو با هم مقایسه میکنیم.نرم افزارهای داده کاویOrangeنرم افزار orange یک ابزار متن باز برای تصویر سازی داده ها و تجزیه تحلیل بر پایه پایتونه که برای کارهای مختلفی مثل یادگیری ماشین، متن کاوی و... استفاده میشه. این نرم افزار علاوه بر سیستم عامل ویندوز، روی سیستم عامل لینوکس و مک هم قابل اجراست و برای نمایش داده ها از نمودارهای گوناگون و ویجت های مختلف پشتیبانی میکنه.Rapidminerنرم افزار رپیدماینر یک نرم افزار توانمند در حوزه های داده کاوی، یادگیری ماشین، تحلیل و پیش بینی اطلاعات و اجرای الگوریتم های مختلف آموزشی-پژوهشی و... هست. این ابزار محیط گرافیکی مطلوب و زیبایی داره که افراد مختلف میتونند بدون نیاز به دانش برنامه نویسی به راحتی با قسمت های مختلف برنامه ارتباط برقرار کنند. الگوریتم های گسترده آماده سازی و مدل سازی اطلاعات و همچنین مستندات و راهنما های بسیار خوب در این نرم افزار باعث شده پروژه های آکادمیک زیادی از این محصول قدرتمند استفاده کنند. رپیدماینر با استفاده از زبان جاوا پیاده سازی و توسعه داده شده و در سیستم عامل های مختلف مانند ویندوز، لینوکس و مکینتاش قابل اجراست.برای یادگیری این نرم افزار می توانید به دوره آموزش آنلاین و فشرده داده کاوی با ابزار Rapidminer مراجعه کنید. این دوره فشرده آموزشی برای افرادی هست که از قبل با اصول و مبانی داده کاوی آشنایی دارند و قصد دارند با یادگیری یک نرم افزار کاربردی آسان در محیطی با کمترین نیاز به کد نویسی، پروژه های داده کاوی خودشون رو اجرا کنند.Wekaنرم افزار وکا یک نرم افزار متن باز برای اجرای الگوریتم های یادگیری ماشین و داده کاوی بر پایه زبان جاوا هست که مثل دو نرم افزار بالا روی همه سیستم عامل ها و پلتفرم ها میتونه اجرا بشه. این نرم افزار از کل فرایند داده کاوی و یادگیری ماشین از آماده سازی داده های ورودی، اعمال الگوریتم و ارزیابی داده ها تا مصورسازی و نمایش گرافیکی نتایج پشتیبانی میکنه. دسترسی به ابزارها و الگوریتم های این نرم افزار از طریق رابط گرافیکی خود نرم افزار یا رابط برنامه نویسی جاوا امکان پذیره به نحوی که کاربر میتونه روش های متفاوت رو باهم مقایسه کنه و روشی که برای حل مسئله مدنظر مناسب تره، تشخیص بده.سایت الگوریتم اول یکی از سایت هایی هست که در حوزه داده کاوی به آموزش این نرم افزار محبوب پرداخته. در دوره آموزش داده کاوی با نرم افزار weka پیش فرض این هست که مخاطبان با الگوریتم های داده کاوی آشنایی اولیه و مقدماتی دارند اما در عین حال الگوریتم های معروف و پرکاربرد ابتدا به طور کامل توضیح داده شده و سپس اجرا و ارزیابی میشند.Rزبان برنامه نویسی R یکی از بهترین زبان های برنامه نویسی برای داده کاوی هست که اولین بار توسط متخصصین علوم کامپیوتر ایجاد شد اما بهبود و توسعه پایدار و مداوم اون رو تیمی از متخصصان علم آمار ادامه دادند. این زبان برنامه نویسی با نرم افزاری به نام RStudio منتشر شده و خود زبان و نرم افزار مرتبط با اون، محاسبات و پردازش آماری و تحلیل داده رو انجام میدهند. این نرم افزار هم مثل نرم افزارهای دیگه ای که معرفی کردیم، روی سیستم عامل های مختلف قابل نصبه و زمینه ای برای نوشتن متدهای آماری و توسعه محصول فراهم میکنه. از جمله امکانات نرم افزار RStudio کتابخانه های قدرتمند برای داده کاوی و یادگیری ماشین مثل دسته بندی، خوشه بندی، یادگیری تقویتی، تحلیل شبکه های اجتماعی و...، رابط گرافیکی برای تجزیه و تحلیل داده ها و رسم نمودار، مستندات منظم برای استفاده از زبان و کتابخانه ها و ابزار ها و... هست. طاهره توکلی طاهره توکلی Wed, 30 Jun 2021 14:18:30 +0430 https://virgool.io/AlgorithmAvval/%DB%8C%DA%A9-%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF%D8%A7%D9%86%D9%87-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AA%D8%A7%D8%A8%D8%B3%D8%AA%D8%A7%D9%86-1400-ywskv2fae5dg خبرت هست که دی گم شد و تابستان شد؟خیلی از ماها تابستون رو صرفا فصلی برای سرگرمی و تفریح می دونیم. اون موقعا که کرونا نبود کلی برنامه میریختیم با خانواده و دوستامون بیرون می رفتیم، فیلم میدیدیم، بازی می کردیم و کلی کار جذاب دیگه انجام میدادیم. اما این روزا مجبوریم توی خونه بمونیم و همه چیز رو مجازی پیش ببریم.یکی از بهترین کارهایی که میشه توی این ایام انجام داد اینه که دانش و مهارت خودمون رو بالا ببریم و چی بهتر از اینکه یه زبان برنامه نویسی رو یاد بگیریم تا بتونیم باهاش کسب درآمد کنیم؟پایتون یه زبان برنامه نویسی چند منظوره، متن باز، محبوب و بسیار قدرتمنده که به خاطر سادگی دستورات، یادگیری راحت و داشتن کتابخانه های گسترده و قدرتمند، در سال های اخیر یکی از بهترین و پر کاربرد ترین زبان های برنامه نویسی دنیا شده. برخلاف بسیاری از زبان‌ های برنامه‌ نویسی، پایتون توی پلتفرم ‌های مختلفی فعالیت کرده و میتونیم از اون برای توسعه برنامه‌ های دسکتاپ، وب اپلیکیشن ‌ها، برنامه ‌های گرافیکی و حتی بازی ها استفاده کنیم. از طرف دیگه زبان پایتون در حوزه ‌های علمی مختلفی از جمله پردازش تصویر، پردازش داده‌ ها، داده کاوی، یادگیری ماشین و هوش مصنوعی هم کاربرد داره که بازارکار وسیعی رو توی ایران پوشش میده.یادگیری زبان پایتون روش های زیادی داره. اما باید ببینیم کدوم روش سریعتر و راحت تر ما رو به سطح دانش و مهارتی که میخوایم میرسونه. یکی از بهترین روش ها برای یادگیری، استفاده از دوره های آنلاین و مجازی ای هست که موسسات و مراکز معتبر علمی ارائه می دهند. در دوره آموزش مقدماتی برنامه نویسی به زبان پایتون که توسط گروه علمی – آموزشی الگوریتم اول (مرجع آموزش های تخصصی جنوب کشور) برگزار میشه، مباحث پایه و اصلی زبان پایتون به ساده ترین شیوه ممکن بیان میشه. در این دوره همه افراد بدون هیچ گونه پیش نیاز و دانش برنامه نویسی می تونند شرکت کنند و بعد از گذراندن دوره و کسب نمره قابل قبول، مدرک معتبر دانشگاه شیراز رو دریافت کنند.سرفصل های دوره:جلسه اول: مقدمه و نصب پایتونجلسه دوم: متغیر ها و انواع داده هاجلسه سوم: حلقه هاجلسه چهارم: دستورات شرطیجلسه پنجم: رشته ها و فایل های متنیجلسه ششم: لیست ها و دیکشنری هاجلسه هفتم: توابعجلسه هشتم: مدیریت خطاها و استثناء ها طاهره توکلی طاهره توکلی Mon, 28 Jun 2021 14:34:37 +0430 https://virgool.io/AlgorithmAvval/5-%D8%A7%D9%BE%D9%84%DB%8C%DA%A9%DB%8C%D8%B4%D9%86-%D8%A7%D9%86%D8%AF%D8%B1%D9%88%DB%8C%D8%AF-%D8%A8%D8%B1%D8%A7%DB%8C-%DA%A9%D8%AF%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%AF%D8%B1-%D8%B3%D8%A7%D9%84-2021-ftdhdr6ka7zw Sololearnسولولرن یکی از بهترین اپلیکیشن های اندرویدی است که می توان با آن کدنویسی را از صفر آغاز کرد. این برنامه هزاران عنوان برای برنامه نویسی در زبان های مختلف مانند جاوا، پایتون، روبی، سی و... دارد که سطح مقدماتی تا پیشرفته را پوشش می دهد.لینک دانلودProgramming heroاین اپلیکیشن، یکی دیگر از برنامه های اندروید است که می توان با آن کدنویسی را یاد گرفت. شیوه آموزش کدنویسی در این برنامه، آن را از سایر برنامه های مشابه متفاوت کرده است و تاکنون هزاران بازخورد مثبت از سراسر دنیا داشته است. در اپلیکیشن programming hero کدنویسی از طریق چالش های بازی گونه در زمینه های مختلفی مانند HTML، پایتون، جاوا اسکریپت، C++ و... انجام میشود.لینک دانلودProgramming hubاین اپلیکیشن یکی از برنامه های برتر در حوزه هوش مصنوعی و همچنین در زبان های برنامه نویسی مختلف مانند HTML، CSS ، python و... است. این نرم افزار دارای آموزش های مرحله به مرحله برای یادگیری انواع زبان های برنامه نویسی است و بیش از 5 هزار کد از پیش تنظیم شده در پایگاه داده خود دارد که می توان با آن نحوه ورود کدها و عملکردشان را یاد گرفت. در صورت نیاز نیز می توان از آموزش های این نرم افزار به صورت آفلاین استفاده کرد.لینک دانلودMimoاین اپلیکیشن به عنوان یک برنامه یادگیری اصولی و کامل برنامه نویسی در گوگل پلی منتشر شده و در سال 2018 یکی از بهترین نرم افزارهای این حوزه معرفی شده است. علت این برتری و محبوبیت، تمرینات سرگرم کننده و موثر، پروژه ها و چالش های روزانه است که کمک میکند به سطح مطلوبی از یادگیری برنامه نویسی برسید.لینک دانلودGrasshopperاپلیکیشن گرس هاپر یک پلتفرم جذاب است که اطلاعات کاملی در مورد کدنویسی و برنامه نویسی در اختیار علاقه مندان می گذارد. این نرم افزار یکی از بزرگترین مجموعه های آموزشی در زبان جاوا است که هزاران آموزش به همراه توصیه ها و ترفندهای یادگیری بهتر، به همراه دارد.لینک دانلود طاهره توکلی طاهره توکلی Mon, 28 Jun 2021 12:33:18 +0430 https://virgool.io/AlgorithmAvval/%D9%BE%D8%A7%DB%8C%DA%AF%D8%A7%D9%87-%D8%AF%D8%A7%D8%AF%D9%87-%D9%85%D9%88%D9%86%DA%AF%D9%88-%D8%AF%DB%8C-%D8%A8%DB%8C-mongodb-%DA%86%DB%8C%D8%B3%D8%AA-%DA%86%D9%87-%D9%88%DB%8C%DA%98%DA%AF%DB%8C-%D9%87%D8%A7-%D9%88-%D9%85%D8%B2%D8%A7%DB%8C%D8%A7-%D9%88-%D9%85%D8%B9%D8%A7%DB%8C%D8%A8%DB%8C-%D8%AF%D8%A7%D8%B1%D8%AF-tmd4sx5zsp3k پایگاه داده مونگو دی بی (MongoDB) چیست؟پایگاه داده مونگو دی بی (MongoDB) یک پایگاه داده سندگرا و nosql است که برای ذخیره سازی داده های حجیم به کار میره. در مونگو دی بی به جای استفاده از جداول و ردیف ها که در دیتابیس های رابطه ای به کار میرفتند، از collection و document استفاده میشه. هر document هم شامل یک دوتایی کلید – مقدار (key-value) هست که در واقع ابتدایی ترین و کوچک ترین واحد داده در مونگو دی بی به حساب میاد. هر collection از تعدادی document و تابع ساخته میشه که معادل با همان جداول پایگاه داده های رابطه ای هست.پایگاه داده MongoDB چه ویژگی های مهمی دارد؟· هر دیتابیس در مونگو دی بی تعدادی collection داره که خود اون هم تعدادی document رو شامل میشه. هر document میتونه از نظر تعداد فیلدهایی که درون خودش جا میده، با document دیگه متفاوت باشه. پس اندازه و محتوای درون هر document لزوما با بقیه document ها مشابه نیست.· در پایگاه داده مونگو دی بی ردیف ها یا همان document ها نیازی نیست ساختار مشخص و از پیش تعریف شده ای داشته باشند. فیلدهای موجود در هر ردیف می توانند به طور نامنظم ایجاد شوند.· مدل سازی داده در پایگاه داده مونگو دی بی این امکان رو فراهم میکنه که رابطه های سلسله مراتبی برای ذخیره آرایه ها و یا ساختارهای پیچیده تر به راحتی قابل نمایش باشه.چرا از پایگاه داده MongoDB استفاده می کنیم؟· همانطور که قبلا اشاره کردیم، یکی از ویژگی های بسیار مهم پایگاه داده MongoDB اینه که برخلاف پایگاه داده های رابطه ای، داده ها از ساختار مشخصی پیروی نمی کنند و در document ها ذخیره می شوند. همین باعث میشه که MongoDB در ذخیره سازی و کار با داده های واقعی کاملا انعطاف پذیر و سازگار عمل کنه.· در MongoDB امکان جستجو بر اساس فیلد، عبارات باقاعده و query های خاص فراهم شده و این query ها می توانند هر فیلد دلخواه را درون document ها پیدا کنند.· عملیات indexing در پایگاه داده ها برای بهبود عملکرد جستجوی داده و یافتن داده خاص با زمان کمتر، ایجاد شده. در MongoDB تمام فیلدها قابل ایندکس شدن هستند و این موضوع مزیت خوبی برای این پایگاه داده ایجاد میکنه.· پایگاه داده MongoDB از عملیات تکثیر (replication) پشتیبانی می کنه و دسترسی پذیری داده ها رو توسط مجموعه کپی داده در چند سرور مختلف افزایش میده. هر مجموعه کپی داده، دو یا چند نمونه از دیتابیس رو شامل میشه و میتونه به عنوان کپی اولیه یا ثانویه در نظر گرفته بشه. این کار باعث میشه پایگاه داده در مقابل از دسترس خارج شدن یک سرور مفرد، محافظت بشه. یعنی اگر یک نمونه داده به هر دلیلی دچار مشکل شد، نمونه داده بعدی میتونه جایگزین بشه.· پایگاه داده MongoDB از تکنیک sharding (یک تکنیک اندیس گذاری خاص روی داده ها) برای تقسیم بار استفاده میکنه و با بررسی سطحی داده ها، بخش از اونا رو برای موتورهای جستجو قابل دسترس میکنه تا در صورت نیاز این موتورها تمام بلاک های داده مربوطه رو به راحتی لود کنند. طاهره توکلی طاهره توکلی Wed, 23 Jun 2021 12:23:12 +0430 https://virgool.io/AlgorithmAvval/6-%D8%AF%D9%84%DB%8C%D9%84-%D9%85%D9%87%D9%85-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%A7%DB%8C%D9%86%DA%A9%D9%87-%D8%B2%D8%A8%D8%A7%D9%86-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-%D8%B1%D8%A7-%DB%8C%D8%A7%D8%AF-%D8%A8%DA%AF%DB%8C%D8%B1%DB%8C%D9%85-jognlqdccuec زبان برنامه نویسی پایتون یه زبان همه کاره برای توسعه دهنده ها، دانشمندان داده (data scientist) و مهندسان نرم افزاره که هم برای افراد مبتدی هم برای برنامه نویسای حرفه ای به شدت پیشنهاد میشه. اونم به خاطر چی؟ به خاطر اینکه دستوراتش خیلی ساده هست و خیلی زود و راحت میشه یاد گرفت. این زبان اونقدر کتابخانه و فریمورک قوی و گسترده داره که میشه باهاش برنامه های کوچک و بزرگ موبایل و وب رو به راحتی ساخت. اما این دلیل ها هنوز نمیتونه شما رو برای یادگیری زبان پایتون متقاعد کنه پس تا انتهای این مطلب همراه باشید تا از 6 دلیل و مزیت اصلی زبان برنامه نویسی پایتون مطلع بشید.زبان پایتون چه مزیت های مهمی داره؟1- الگوهای برنامه نویسی چندگانهپایتون یه زبان به شدت پویا و داینامیک و درعین حال ساختار یافته هست که از الگوهای برنامه نویسی مختلفی پشتیبانی میکنه. در این زبان هم شی گرایی (object-oriented programming) کاربرد داره هم تابع نویسی (functional programming) و هم برنامه نویسی ساختاری (structural programming).نکته مهمی که زبان پایتون رو از زبان های دیگه مثل سی، جاوا و... متفاوت میکنه اینه که زبان پایتون توابع از پیش نوشته شده ای داره که نوع متغیرها رو تشخیص می دهند و دیگه نیازی نیست برنامه نویس خودش با هر بار تعریف متغیر، نوع اون ها رو هم تعیین کنه. علاوه بر اون، پایتون مدیریت حافظه برای متغیرها رو به صورت اتوماتیک انجام میده و تضمین میکنه که برای استفاده داینامیک از حافظه هیچ مشکلی پیش نمیاد.2- علم داده و هوش مصنوعیپایتون یه زبان مفسری هست که همین ویژگی مزیت های زیادی برای دانشمندان داده ایجاد میکنه. این ویژگی باعث میشه برنامه ها بدون نیاز به کامپایل شدن داده به زبان ماشین، روی پلتفرم ها و تکنولوژی های مختلف اجرا بشند. در کنار این ویژگی، ابزارهای تصویرسازی و مدل سازی داده در پایتون مثل panda ، plotly و... این امکان رو فراهم میکنند که داده های آماری به صورت گراف و نمودارهای تعاملی نشان داده بشند.3- توسعه اپلیکیشن های تحت وبفریمورک های مختلف زبان برنامه نویسی پایتون مثل Django ، CherryPy ، Flask و... تعداد زیادی از کتابخانه ها و ماژول ها رو به همراه داره که هم کارها رو بسیار راحت میکنه هم سرعت کدنویسی، دسترسی به داده، پیداکردن خطاها و برطرف کردن اونا و... رو بالا میبره.4- تست وبpyUnit یکی از فریمورک های unit testing در پایتون است که کارکرد درست کد رو تضمین میکنه. به همین خاطر زبان پایتون برای برنامه نویسان و تست کنندگان نرم افزار یک زبان ایده آل محسوب میشه که بهشون کمک میکنه هرگونه باگ و ارور رو قبل از عرضه نهایی نرم افزار شناسایی و رفع کنند.5- استخراج دادهزبان برنامه نویسی پایتون ابزارها و فریمورک های جانبی مختلفی برای استخراج داده های خام از وب و تبدیل اونا به اطلاعات ارزشمند داره. همچنین کتابخانه های استاندارد پایتون در زمینه های یادگیری ماشین (machine learning) ، بازیابی داده، جمع آوری داده های تجاری و... فوق العاده خوب عمل میکنه.6- امنیت سایبریهیچ زبان برنامه نویسی مثل زبان پایتون در حیطه امنیت سایبری موفق نبوده. در این مورد هم زبان پایتون به خاطر کتابخانه های قدرتمندی مثل Nmap و Yara سریعتر از بقیه زبان های برنامه نویسی عمل می کنه.چطور زبان پایتون را یاد بگیریم؟ یکی از روش های یادگیری زبان برنامه نویسی پایتون مطالعه منابع معتبر آموزشی یا استفاده از ویدئوها و دوره های آنلاین در این زمینه هست. دوره آموزش مقدماتی زبان برنامه نویسی پایتون بدون نیاز به دانش قبلی، به شما کمک میکنه این زبان رو به خوبی یاد بگیرید و قدم به قدم به یه برنامه نویس حرفه ای تبدیل بشید. در کنار این ویدئوها فراموش نکنید که راهکار اصلی یادگیری هر زبان برنامه نویسی فقط و فقط و فقط تمرین و پشتکاره. بعد از اینکه اصول اولیه زبان پایتون رو در این دوره یاد گرفتید، باید شروع کنید مثال ها و چالش های مختلفی رو برای خودتون ایجاد کنید و مهارت کدنویسی و حل مسئله تون رو بالا ببرید. این کار باعث میشه اعتماد به نفس و تجربه شما در برنامه نویسی روز به روز بیشتر بشه. طاهره توکلی طاهره توکلی Tue, 15 Jun 2021 08:48:27 +0430