داده

چگونه می‌توانیم یک تحلیل‌گر خبره بزرگ داده‌ها شویم؟
حمیدرضا تائبی
عصرشبکه
16 خرداد 1400
بزرگ داده‌ها (Big Data) در زندگی روزمره ما نقش حیاتی دارند و به شکل مستقیم یا غیر‌مستقیم در فعالیت‌های تجاری و آنلاینی که انجام می‌دهیم تاثیرگذار هستند. در سال‌های اخیر تجزیه و تحلیل داده‌های حجیم...
چگونه به یک تحلیل‌گر بانک‌های اطلاعاتی تبدیل شویم؟
مهسا قنبری
عصرشبکه
12 خرداد 1400
بانک‌های اطلاعاتی جذابیت‌های خاص خود را دارند و مشاغل مختلفی در ارتباط با آن‌ها پدید آمده‌اند. با این‌حال از جمله مشاغل جذاب مرتبط با بانک‌های اطلاعاتی که به زبان فارسی کمتر به آن اشاره شده، شغل...
چگونه می‌توان به یک توسعه‌دهنده هدوپ (Apache Hadoop) تبدیل شد
محسن آقاجانی
برنامه نویسی
06 خرداد 1400
امروزه با رشد روزافزون فناوری‌ها و زیرساخت‌هایی نظیر شبکه‌های اجتماعی و ظهور مفاهیمی‌ همچون وب معنایی، حجم داده‌ها و پردازش‌ها در سیستم‌های بزرگ به‌طور شگفت‌انگیزی افزایش یافته است. به‌طور مثال، یک...
Data Pipeline چیست و چه کاربردی دارد؟
محسن آقاجانی
کارگاه
19 ارديبهشت 1400
اگر یک کسب‌و‌کار مبتنی بر فناوری‌های مدرن یا یک فروشگاه اینترنتی را اداره می‌کنید، به احتمال زیاد به یک دانشمند داده نیاز دارید. اگر حجم بسیار زیادی از داده‌ها را تولید می‌کنید، اما تصور نمی‌کنید که...
داده‌کاوی چیست و چه کاربردی در دنیای امروز دارد؟
کارگاه
27 اسفند 1399
همگام با پیشرفت سریع فناوری‌‌اطلاعات، شاهد رشد انفجاری تولید داده‌ها، افزایش ظرفیت تجهیزات ذخیره‌ساز اطلاعات و ابداع روش‌های مختلفی برای پردازش اطلاعات هستیم. در دنیای کسب‌وکار، بانک‌های اطلاعاتی...
نقشه‌برداری از داده‌ها چیست و چه کمکی به مدیریت داده‌های حجیم سازمانی می‌کند؟
محسن آقاجانی
پرونده ویژه
27 مهر 1399
نقشه‌برداری از داده‌ها شامل مجموعه دستورالعمل‌هایی است که اطلاعات یک یا چند گروه از داده‌ها را جمع‌آوری و در یک طرح و الگوی واحد ادغام می‌کند تا پیاده‌سازی محاوره‌ها ساده‌تر شده و اشراف کاملتری روی...
یک تحلیل‌گر داده‌ها به چه مهارت‌های کاربردی نیاز دارد؟
حمیدرضا تائبی
کارگاه
02 شهريور 1399
جمع‌آوری، مدیریت، سازمان‌دهی، طبقه‌بندی، پردازش و به‌کارگیری داده‌ها به یکی از الزامات دنیای تجارت تبدیل شده و انتظار می‌رود این روند در آینده با آهنگ سریع‌تری تداوم پیدا کند. به همین دلیل، یادگیری...
انبار داده (Data Warehouse) چیست و چه کاربردهایی دارد
محسن آقاجانی
کارگاه
26 مرداد 1399
آیا کسب‌و‌کار شما هر روز با تراکنش‌های زیادی سر و کار دارد؟ آیا سال‌ها داده انباشته شده در اختیار دارید که می‌خواهید با تجزیه و تحلیل آن تجارت خود را رونق دهید؟ اگر این چنین است به یک پایگاه داده و...
چگونه عکس‌های قدیمی گوشی آیفون را بازیابی کنیم
حمید نیک‌روش
ترفند
ترفند موبایل
ترفند آیفون
26 ارديبهشت 1398
همه ما چیزهای خیلی زیادی روی گوشی نگه می‌داریم. عکس‌هایی که هیچ‌وقت چاپ نمی‌شوند، پیام‌های بسیاری قدیمی که پاک نمی‌شوند. بکاپ گرفتن‌های منظم بهترین راه‌کار برای زمانی است که گوشی خراب، دزدیده یا عوض...
ذخیره‌سازی مبتنی بر TAPE، مناسب‌ترین تکنولوژی برای به کارگیری و آرشیو داده
مریم فقیهی
فناوری شبکه
گزارش آگهی
25 آذر 1397
امروزه، محبوبیت نوار یا Tape به‌عنوان رسانه ذخیره‌سازی برای به کارگیری روزانه، با وجود دیسک و کلاود کم شده، اما همچنان به‌دلیل ظرفیت، هزینه و قابلیت اطمینان برای آرشیو و به کارگیری طولانی مدت، محبوب...
دنیایی که در آن داده‌ها حرف اول و آخر را می‌زنند
حمیدرضا تائبی
پرونده ویژه
20 اسفند 1396
سال‌های متمادی است که رهبران کسب ‌و کار و همچنین سازمان‌های فعال در حوزه فناوری اطلاعات از عبارت «داده‌‌ها طلای نوظهور هستند» استفاده می‌کنند. این عبارت را با مترادف‌های مختلفی همچون «دیگر نفت یک...
داده‌های اشتباه و منابع نادرست کسب‌وکار شما را ورشکسته می‌کنند
حمیدرضا تائبی
موفقیت و کارآفرینی
10 دى 1395
امروزه شرکت‌های بزرگ و کوچک تصمیمات تجاری‌ خود را بر مبنای داده‌ها اتخاذ می‌کنند. اما تنها تعداد بسیار کمی از رهبران شرکت‌ها کمی مکث کرده و این سوال را مطرح می‌کنند: «آیا داد‌ه‌هایی که در اختیار ما...
فروش اطلاعات سرقتی 170 هزار سرور سایت در اینترنت
بهنام علیمحمدی
اخبار
اخبار جهان
08 تير 1395
امروزه سرقت اطلاعات به یکی از بزرگترین چالش‌های قرن اخیر مبدل شده و با اینکه کارشناسان اینترنت، راهکارهای متعددی را برای جلوگیری و مبارزه با دزدی اطلاعات به کار گمارده‌اند؛ اما هنوز هم خبر سرقت‌‌...

نسخه الکترونیکی ماهنامه شبکه 248

تصویر elnaz ghanbari
ارسال شده توسط elnaz ghanbari در 1400, دى 28 - 09:32

نسخه الکترونیکی ماهنامه شبکه 248
سرمقاله شماره 248 ماهنامه شبکه جمع‌‌بندی سری مقالات مهارت‌های مهم نرم و کلیدی دهه 2020 است که در 3 سال گذشته آغازگر ماهنامه بوده است. در فصل شاهراه اطلاعات با تفاوت‌ بین داده‌کاوی، یادگیری ماشین، هوش مصنوعی و یادگیری عمیق آشنا می‌شوید در فصل فناوری شبکه وای‌فای 7 وعده دسترسی به سرعت 30 گیگابیت بر ثانیه را می‌دهد در فصل امنیت یک سوال مطرح می‌شود: فناوری اطلاعات در سایه چیست؟ در فصل عصر شبکه موفقیت‌ها و شکست‌های اپل در یک دهه پس از استیو جابز بررسی می‌شود، در فصل کارگاه توضیح می‌دهیم که رمز غیرقابل معاوضه (NFT) چیست و در نهایت در پرونده ویژه این شماره با اطلاعاتی در مقیاس کوینتیلیون رو به رو می‌شوید!

پرونده ویژه

در پرونده ویژه شماره 248 ماهنامه شبکه درباره سیر تکوینی کلان داده‌ها، تاثیر و جایگاه کلان داده‌ها در علم تحقیق در عملیات، چگونگی استفاده از کلان داده‌ها برای حل مشکلات امروز ایران، معرفی مشاغل مرتبط با کلان داده‌ها و ابزارهایی که برای تحلیل کلان داده‌ها در اختیار داریم، اطلاعات جالبی به‌دست خواهید آورد.

پرونده-248jpg_1.jpg

  • اطلاعاتی در مقیاس کوینتیلیون 
  • برای ورود به عصر کلان داده‌ها آماده هستید؟ 
  • برای موفقیت در دنیای کلان داده‌ها باید با اصطلاحات تخصصی این حوزه آشنا باشید 
  • چرا بزرگ‌داده‌ها خاستگاه‌ تحقیق در عملیات هستند؟ 
  • چه ابزارهای کارآمدی برای تحلیل کلان داده‌ها در دسترس قرار دارند؟ 
  • اگر مهارت کار با کلان داده‌ها را  دارید به سراغ این مشاغل بروید 
  • چگونه از کلان داده‌ها در دنیای واقعی استفاده کنیم؟

دیدگاه

  • سرمقاله؛ ده‌ مهارت مهم نرم در سه سالِ بسیار سخت
  • در آینده، روان‌شناسی و هوش مصنوعی دو مفهوم جدایی‌ناپذیر می‌شوند 
  • فایل‌های سرگردان

شاهراه اطلاعات

شاهراه-248_0.jpg

  • تفاوت‌ بین داده‌کاوی، یادگیری ماشین، هوش مصنوعی و یادگیری عمیق
  • دنیای موبایل: آنتن‌هایی برای آینده 
  • دنیای دوربین: چشم بینای فناوری 

فناوری شبکه

فناوری-248_0.jpg

  • وای‌فای 7 با وعده دسترسی به سرعت30 گیگابیت بر ثانیه
  • پروتکل دروازه مرزی چیست و چه نقشی در دنیای شبکه‌های کامپیوتری دارد؟
  • افزونگی در شبکه چیست و روی چه تجهیزات و فناوری‌هایی قابل اجرا است؟
  • بهترین ویژگی‌های جدید ویندوز سرور

امنیت

امنیت248_0.jpg

  • «فناوری اطلاعات در سایه چیست» و چه تهدیدات امنیتی را برای سازمان‌ها ایجاد می‌کند؟
  • چگونه مانع هک شدن دوربین‌های مداربسته شویم؟

عصر شبکه

عصر-شبکه-248_0.jpg

  • یک دهه پس از استیو جابز، اپل چه موفقیت‌ها و شکست‌هایی تجربه کرده است؟
  • چرا سیستم‌های هوش مصنوعی امروزی واقعاً هوشمند نیستند؟ 
  • آیا در حوزه طراحی پردازنده‎های مرکزی جایگزین‎های بهتری نسبت به اینتل و ای‎ام‎دی وجود دارد؟

کارگاه

کارگاه248.jpg

  • رمز غیرقابل معاوضه (NFT) چیست و چگونه کار می‌کند؟
  • داکر چیست و چگونه باید از آن استفاده کنیم؟

اطلاعاتی در مقیاس کوینتیلیون

کلان داده، اصطلاحی کلی برای توصیف و سنجش حجم عظیمی از داده‌هایی است که توسط منابع مختلف تولید و جمع‌آوری می‌شوند. داده‌هایی که اغلب اوقات خام یا بدون ساختار هستند و از بانک‌های اطلاعاتی رابطه‌ای و غیررابطه‌ای به‌دست می‌آیند. نکته مهمی که پیرامون کلان داده‌ها وجود دارد و کمتر در مورد آن شنیده‌اید، این است که 85 درصد اطلاعاتی که امروزه در اختیار ما قرار دارد در چند دهه قبل تولید شده‌اند. به بیان دقیق‌تر، شما در دستیابی به کلان داده‌ها نه تنها با محدودیت زیادی روبرو نیستید، بلکه به اندازه‌ای اطلاعات در اختیار دارید که هیچ‌گاه موفق به پردازش کامل آن‌ها نخواهید شد. ‌مطالعه‌ای که چند سال قبل توسط نشریه فوربس انجام شد، نشان داد که روزانه بیش از 2.5 کوینتیلیون بایت (10 به توان 30) داده تولید می‌شود که دست‌کم نیمی از آن‌ها اطلاعات بدون ساختار هستند. در دنیایی که در این حجم عظیم از اطلاعات در حال غرق شدن است، مهم است که بتوانید تنها اطلاعاتی که برای شرکت‌تان مهم و حیاتی است را به دست آورید تا بتوانید به‌سرعت تصمیمات مهم را  اتخاذ کنید. علاوه بر این، مشکل مهم دیگری که داده‌ها دارند، ماهیت چندوجهی آن‌ها، مباحث امنیتی و مشکلات حریم خصوصی است که پردازش این حجم از داده‌ها را با مشکل روبرو کرده است. از اوایل هزاره سوم اینترنت به سرعت رشد کرد، و صنایع، شرکت‌ها و سازمان‌های مختلف اقدام به تولید و جمع‌آوری داده‌ کردند. 

آمازون S3 را در مارس 2006 به عنوان بخشی از خدمات وب آمازون (AWS) معرفی کرد. S3 یک راهکار عالی برای ذخیره فایل‌ها در فضای ابری بود، اما هیچ قابلیت مدیریت داده کارآمدی نداشت. به فاصله کوتاهی، آپاچی هدوپ (Hadoop) وارد میدان شد و راهکاری یکپارچه برای مدیریت و پردازش داده‌ها ارائه کرد. هدوپ برای مدت زمان طولانی کارآمدترین راه‌حلی بود که برای کلان داده ارائه شد. در آن زمان متخصصانی که قصد داشتند راه‌حل‌هایی مبتنی بر هدوپ را پیاده‌سازی کنند کار سختی پیش‌رو داشتند، زیرا هدوپ زیرساخت کاملا پیچیده‌ای بود و تنها توسعه‌دهندگانی که مهارت و دانش کافی در ارتباط با کدنویسی داشتند قادر به کار با هدوپ بودند. در سال 2010 میلادی هایو (Hive) معرفی شد، با این‌حال، هنوز این قابلیت را نداشت تا به‌طور کارآمدی با هدوپ یکپارچه شود. به تدریج فناوری‌های دیگری معرفی شدند و فناوری‌هایی مثل هدوپ نیز قابلیت‌های کارآمدتری در اختیار متخصصان قرار دادند. چالشی‌ترین نکته در ارتباط با کلان‌ داده‌ها تولید مداوم داده‌ها است. 

به‌طور مثال، کاربران توییتر به‌طور متوسط ​​روزانه 500 میلیون توییت منتشر می‌کنند که این تعداد روز به روز در حال افزایش است. دسترسی به توییت‌های روزانه کامل توییتر (Firehose) پرهزینه است و محدود به شرکت‌هایی می‌شود که توانایی پرداخته هزینه آن‌را داشته و به این اطلاعات نیاز دارند. تخمین زده می‌شود که دسترسی به توییت‌های تحلیل شده این شبکه اجتماعی چندصدهزار دلار در سال هزینه دارد. به‌طور معمول، هنگامی که در مورد کلان داده‌ها و پردازش آن‌ها با مدیران سازمان‌ها صحبت می‌کنیم با پرسش‌های تقریبا یکسانی روبرو می‌شویم، آیا پرداخت چنین هزینه‌ای توجیه اقتصادی دارد؟ در ازای پرداخت این مبلغ چه چیزی دریافت می‌کنیم؟ آیا دستیابی به اطلاعات تحلیل شده یک مزیت رقابتی خوب در اختیار قرار می‌دهد؟ آیا دستیابی به اطلاعات تحلیل شده باعث رونق تجاری می‌شود؟ این امکان وجود دارد که زیرساختی در شرکت پیاده‌سازی کنیم و خودمان کلان داده‌ها را تحلیل کنیم؟ 

فادی ا. حرفوش (Fady A. Harfoush) متخصص  برجسته علم داده‌ها و پردازش داده‌ها می‌گوید: «تنها یک درصد از تمام پست‌ها و توییت‌های روزانه منتشر شده در شبکه‌های اجتماعی حاوی اطلاعات ارزشمند یا کاربردی هستند که ظرفیت تبدیل شدن به دانش و بینش قابل استفاده را دارند. یافتن یک درصد اطلاعات ارزشمند همانند جست‌وجوی سوزن در انبار کاه است. اگر نتوان به راحتی بین یک توییت ارزشمند یا واقعی و یک توییت ناخواسته یا جعلی تمایز قائل شد، یک کسب‌وکار چگونه باید اطمینان حاصل کند که بازگشت سرمایه‌اش تضمین شده است؟ آیا فقط برای یک درصد باید هزینه کرد و کدام بخش از یک درصد برای کسب‌وکار ما ارزشمند است؟ چه کسی درصد درست را تعیین می‌کند؟ بدون شک شرکت‌ها تنها برای خدمات باکیفیتی که دریافت می‌کنند حاضر به پرداخت هزینه هستند.» 

در حالی که قاعده ثابتی در دنیای تجاری وجود دارد که شما در مقابل خدمات یا کالای تضمین شده هزینه را پرداخت می‌کنید، در مورد داده‌ها این قاعده صدق نمی‌کند. تقریباً در همه موارد، ارائه‌دهنده یا فروشنده داده‌ها، در قرارداد خود به وضوح به موضوع سلب مسئولیت اشاره می‌کند و اعلام می‌دارد که هیچ مسئولیتی در قبال خطاها یا داده‌های پرت نخواهد داشت و خریدار باید تمام مخاطرات مربوط به استفاده از داده‌ها را بر عهده بگیرد.  با تمام این تفاسیر، کلان داده‌ها یکی از مهم‌ترین و تاثیرگذارترین حقیقت زندگی ما هستند. هوش مصنوعی، متاورس، ماشین‌های خودران، دستاوردهای دنیای پزشکی، دستاوردهای حوزه نجوم و بسیاری از ابداعات دنیای فناوری همگی مبتنی بر تحلیل کلان داده‌ها هستند. با توجه به اهمیت ویژه‌ای که کلان داده‌ها برای جامعه ایران دارد و در واقع کلید حل بخش عمده‌ای از مشکلات جامعه ایرانی است، پرونده ویژه این شماره را به مبحث کلان داده‌ها اختصاص داده‌ایم. در پرونده ویژه این شماره درباره سیر تکوینی کلان داده‌ها، تاثیر و جایگاه کلان داده‌ها در علم تحقیق در عملیات، چگونگی استفاده از کلان داده‌ها برای حل مشکلات امروز ایران، معرفی مشاغل مرتبط با کلان داده‌ها و ابزارهایی که برای تحلیل کلان داده‌ها در اختیار داریم، اطلاعات جالبی به‌دست خواهید آورد. 

مشتری برای خرید این محصول نیاز به آدرس دارد؟: 

نسخه الکترونیکی ماهنامه شبکه 240

تصویر شایان حدادی
ارسال شده توسط شایان حدادی در 1400, خرداد 1 - 10:32

نسخه الکترونیکی ماهنامه شبکه 240
در سرمقاله شماره 240 ماهنامه شبکه در ادامه مبحث مهم مهارت تصمیم‌گیری که در دو شماره قبل با آن آشنا شدیم، یاد می‌گیریم چگونه مهارت تصمیم‌گیری خود را تقویت کنیم؟ در فصل شاهراه اطلاعات سوال جالب و عجیبی مطرح می‌شود: آیا حریم خصوصی دیجیتال با مرگ پایان می‌یابد؟ در فصل فناوری شبکه یاد می‌گیریم چگونه یک کامپیوتر قدیمی را به یک فایل سرور تبدیل کنیم و در فصل‌های دیگر مطالب آموزنده و کاربردی دیگری را می‌خوانیم. پرونده ویژه این شماره در 3 کلمه خلاصه می‌شود. 3 کلمه‌ای که حال و بخصوص آینده جهان در دست آن‌هاست: علم داده - هوش مصنوعی - بازار کار.

در پرونده ویژه این شماره به جای آن‌که تنها به معرفی مختصر حوزه‌های مختلف هوش مصنوعی بپردازیم، تصمیم گرفتیم جایگاه هوش مصنوعی در ایران و بازار کار رشته‌های جذاب این رشته در ایران را بررسی کنیم. در پرونده ویژه این شماره به شما خواهیم گفت جایگاه هوش مصنوعی و تخصصان این رشته در ایران چیست، بینایی ماشین چیست و بازار کار این فناوری چگونه است، یادگیری ماشین آنلاین چیست و چرا نقش مهمی در دنیای هوش مصنوعی دارد، یک مهندس یادگیری ماشین در سال ۱۴۰۰ به چه مهارت‌هایی نیاز دارد، پردازش زبان‌ طبیعی چیست و بازار کار آن چگونه است و سیستم‌های خبره چیستند و چه کاربردی دارند. نکته مهمی که باید در انتهای این مقدمه به آن اشاره کنیم این است که برخی از مشاغل مرتبط با هوش مصنوعی و مشاغل داده‌محور در شماره فروردین ماه 1400 بررسی شدند، بر همین اساس در این پرونده ویژه این شماره مشاغل مذکور را بررسی نکردیم.

پرونده ویژه

6.jpg

  • علم داده‌ها، قلب تپنده هوش مصنوعی 
  • هوش مصنوعی و متخصصان این رشته در ایران چه جایگاهی دارند؟ 
  • بینایی ماشین چیست و بازار کار این فناوری چگونه است؟ 
  • یادگیری ماشین آنلاین چیست و چرا نقش مهمی در دنیای هوش مصنوعی دارد؟ 
  • یک مهندس یادگیری ماشین  به چه مهارت‌هایی نیاز دارد؟ 
  • پردازش زبان‌ طبیعی چیست و بازار کار آن چگونه است؟ 
  • سیستم‌های خبره چیستند و چه کاربردی دارند؟

دیدگاه

  • سرمقاله؛ چگونه مهارت تصمیم‌گیری خود را تقویت کنیم؟- قسمت سوم
  • هوش مصنوعی و فلسفه 
  • جهنمِ اردیبهشت 

شاهراه اطلاعات

1.jpg

  • آیا حریم خصوصی دیجیتال با مرگ پایان می‌یابد؟ 
  • دنیای دوربین: حفظ حریم خصوصی در برابر ماشین‌های بینا 
  • دنیای موبایل: ردیابی کرونا با موبایل 

فناوری شبکه

2.jpg

  • چرا ‌استاندارد ZigBee در صنعت اینترنت‌اشیا  کاربرد گسترده‌ای دارد؟
  • چگونه یک کامپیوتر قدیمی را به یک فایل سرور تبدیل کنیم؟

امنیت

3_0.jpg

  • پس از حمله سایبری چه کارهایی باید انجام دهیم؟ 
  • رویکرد داده‌محور، راه شناسایی تهدیدات سایبری سازمان‌ها 

عصر شبکه

4.jpg

  • هوش مالی چیست و چه نقشی در موفقیت ما دارد؟ 
  • برنامه‌ریزی استراتژیک چیست و چگونه پیاده‌سازی می‌شود؟ 

کارگاه

5.jpg

  • کیفیت در نرم‌افزار چیست و چرا اهمیت زیادی دارد؟
  • وب‌سرویس SOAP چیست و چه نقشی در توسعه نرم‌افزارها دارد؟
مشتری برای خرید این محصول نیاز به آدرس دارد؟: 

نسخه الکترونیکی ماهنامه شبکه 231

تصویر شایان حدادی
ارسال شده توسط شایان حدادی در 1399, شهريور 1 - 07:48

نسخه الکترونیکی ماهنامه شبکه 231
ماهنامه شبکه 231 رنگ و بوی داده و داده‌کاوی دارد. در پرونده ویژه این شماره با عنوان «بانک‌های اطلاعاتی صندوقچه اسرار نوین» با انواع بانک‌های اطلاعاتی، راهنمای انتخاب یک پایگاره داده درست،نقشه‌برداری از داده‌ها و شناسایی آسیب‌پذیری‌های بانک‌های اطلاعاتی آشنا می‌شوید. در سایر فصل‌ها نیز مطالب جذاب و کاربردی‌ای از دنیای فناوری و شبکه می‌خوانید.

دیدگاه و یادداشت

  • سرمقاله؛ مدیریت یا مسئولیت 
  • آموزش آنلاین، ویروس کرونا و تحولی بزرگ در حوزه یادگیری 
  • رزومه‌های سرقتی! 

پرونده ویژه

  • بانک‌های اطلاعاتی گنجینه اسرار دنیای جدید 
  • سرپرست بانک‌اطلاعاتی کیست؟ چگونه سرپرست بانک‌‌ اطلاعاتی شویم؟ 
  • پایگاه داده نموداری چیست و چرا بهره‌وری تعاملات تجاری را بهبود می‌بخشد 
  • برای انتخاب یک پایگاه داده درست به چه نکاتی باید دقت کنیم؟ 
  • نقشه‌برداری از داده‌ها چیست و چه کمکی به مدیریت داده‌های حجیم سازمانی می‌کند؟ 
  • ‌پرکاربردترین دستورات SQL که توسعه‌دهندگان به آن‌ها نیاز دارد 
  • چگونه آسیب‌پذیری‌های درون بانک‌های اطلاعاتی را کشف و ترمیم کنیم؟ 
  • ‌بانک‌های اطلاعاتی رابطه‌ای و غیر‌رابطه‌ای چه تفاوت‌هایی با یکدیگر دارند؟ 

شاهراه اطلاعات

  • دانشمندان برای مهار ویروس کووید 19 از اپن‌سورس درخواست کمک کردند! 
  • دنیای دوربین: کمک به خودران‌های کرونازده و سوسکی با کوله‌پشتی!

فناوری شبکه

  • 11 ابزار کاربردی برای نظارت جامع بر شبکه‌ها و مدیریت آن‌ها
  • اترنت گیگابیت 1000BASE-T چیست و چگونه کار می‌کند 
  • سیسکو با ساخت تراشه ویژه‌ای آینده اینترنت را ترسیم کرد 

امنیت

  • راهنمای جامع آشنایی با آزمون ‌نفوذ‌پذیری و نحوه اجرای آن 
  •  چگونه شبکه‌های پنهان را شناسایی کنیم؟ 

عصر شبکه

  • ویروس کرونا چگونه مشاغل آینده را تحت تاثیر خود قرار می‌دهد؟
  • چرا چشم‌انداز فناوری زنجیره بلوکی روشن است؟ 

کارگاه

  • یک تحلیل‌گر داده‌ها به چه مهارت‌های کاربردی نیاز دارد؟
  • راهنمای جامع آشنایی با سیستم کنترل نسخه گیت

بانک‌های اطلاعاتی مخزن الاسرار دنیای جدید

ذخیره‌سازی و بازیابی اطلاعات به شیوه‌ای سریع و قابل اعتماد همواره مورد توجه برنامه‌نویسان و توسعه‌دهندگان سامانه‌های اطلاعاتی قرار دارد. یکی از این روش‌ها به‌کارگیری بانک‌های اطلاعاتی است. امروزه بانک‌های اطلاعاتی در حوزه‌ها و صنایع مختلف از ذخیره‌سازی سوابق پزشکی بیماران گرفته تا ذخیره‌سازی اطلاعات هویتی در سازمان‌های ثبت احوال و تامین اجتماعی استفاده می‌شوند. بانک‌های اطلاعاتی داده‌ها را به شیوه ساخت‌یافته سازمان‌دهی و نگه‌داری می‌کنند تا بازیابی اطلاعات با سهولت انجام شود. گسترش روزافزون داده‌هایی که باید ذخیره‌سازی شوند، باعث شده تا انواع مختلفی از بانک‌های اطلاعاتی ابداع شوند. بانک‌های اطلاعاتی رابطه‌ای، غیر رابطه‌ای، شی‌گرا، توزیعی، انبارهای داده، نموداری و OLTP از رایج‌ترین گزینه‌های ذخیره‌سازی اطلاعات هستند. گزینه‌های کمتر شناخته شده در ارتباط با کاربردهای خاص در حوزه‌های علمی، مالی و موارد مشابه استفاده می‌شوند. علاوه بر تنوع بانک‌های اطلاعاتی، توسعه فناوری‌ها و پیشرفت‌های مستمر رایانش ابری و خودکارسازی باعث شده تا بانک‌های اطلاعاتی به وادی جدیدی وارد شوند.

در حالت کلی هدف ذخیره‌سازی سریع و دسترسی هوشمندانه به اطلاعات است. به همین دلیل است که اصطلاحات تخصصی همچون موجودیت، جدول، فیلد، رکورد، ستون و قیود در تمامی بانک‌های اطلاعاتی تعاریف یکسانی دارند. به‌طور مثال موجودیت در بانک اطلاعاتی به هر نوع اطلاعاتی که قصد ذخیره‌سازی آن‌را داریم اطلاق می‌شود. در یک سامانه ذخیره‌سازی اطلاعات دانشگاه، دانشجو یک موجودیت و استاد یک موجودیت جداگانه است، زیرا اطلاعات مشخص کننده هویت دانشجو و استاد متفاوت هستند. داده‌ها درون بانک‌های اطلاعاتی در ساختاری به‌نام جداول ذخیره‌سازی می‌شوند. هر جدول اطلاعاتی یک موجودیت را نگه‌داری می‌کند.

به‌طور مثال، یک دفترچه تلفن ساده برای نگه‌داری اطلاعات افراد در قالب یک جدول طراحی شده و اطلاعات در آن ذخیره می‌شوند. در بانک‌های اطلاعاتی ممکن است جداول مختلفی برای نگه‌داری اطلاعات مربوط به موجودیت‌ها در نظر گرفته شده باشد. موجودیت‌ها از طریق جداول مختلف و ارتباط میان آن‌ها با یکدیگر متصل شده و گزارش‌ها یا موجودیت‌های جدیدی تولید می‌کنند. هر جدول بانک اطلاعاتی متشکل از سطرها و ستون‌هایی است که مفهومی به‌نام رکورد را پدید می‌آورند. رکوردها از مولفه‌های کوچک‌تری به‌نام فیلد ساخته می‌شوند که مقادیر درون آن‌ها ذخیره می‌شوند. قبل از پیاده‌سازی جداول طراحان باید تعداد ستون‌های موردنیاز در جدول را مشخص کنند که خود نیازمند یک فرآیند تحلیلی عمیق است، زیرا اگر ستونی در جدول درج نشود در آینده مشکلات متعددی را به همراه می‌آورد. مواردی که به آن‌ها اشاره شد الفبای ساده مباحث بانک‌های اطلاعاتی هستند. ما در عصری زندگی می‌کنیم که پیشرفت‌های سریع فناوری‌اطلاعات رشد انفجاری تولید داده‌ها و در نهایت افزایش ظرفیت رسانه‌های ذخیره‌ساز را به همراه داشته است. در دنیای کسب‌وکار بانک‌های اطلاعاتی بزرگی برای تراکنش‌های تجاری توسط خرده‌فروشان یا در مقیاس کلان‌تر تجارت الکترونیک ساخته و استفاده می‌شوند.

در سویی دیگر، روزانه حجم عظیمی از داده‌های علمی در حوزه‌های مختلف تولید می‌شوند که اطلاعات تولید شده در ارتباط با ویروس کرونا گویای این موضوع است. به همین دلیل سازمان‌ها به مجموعه روش‌های قابل اجرا روی پایگاه‌های داده بزرگ و پیچیده با هدف کشف الگوهای پنهان در میان داده‌ها نیاز دارند که به آن داده‌کاوی می‌گویند. با توجه به این‌که روش‌های داده‌کاوی با هدف آشکارسازی الگوهای موجود در داده‌ها به لحاظ محاسباتی پر هزینه هستند، امکان به‌کارگیری یک پایگاه داده خاص (رابطه‌ای) برای انجام فعالیت‌های مختلف امکان‌پذیر نیست. به همین دلیل سازمان‌ها باید کارآمدترین گزینه را برای ذخیره‌سازی و دسترسی به داده‌ها استفاده کنند. به‌کارگیری یک مدل کارآمد برای ذخیره‌سازی و بازیابی اطلاعات تنها مشکل سازمان‌ها نیست، زیرا همواره این احتمال وجود دارد که زیرساخت‌های اطلاعاتی یک سازمان قربانی یک حمله سایبری شوند و اطلاعات درون بانک‌های اطلاعاتی به سرقت بروند. در عصر جدید دستکاری یا پاک کردن رکوردهای اطلاعاتی کمترین دغدغه سازمان‌های بزرگ است، زیرا سازمان‌ها به راحتی می‌توانند از نسخه‌های پشتیبانی برای جایگزینی اطلاعات تحریف شده با اطلاعات صحیح استفاده کنند. مهم اطلاعات ارزشمندی است که به سرقت می‌روند و در بازار سیاه به قیمت‌های نجومی به فروش می‌رسند. به همین دلیل سازمان‌ها به دنبال افرادی هستند که بتوانند به شیوه اصولی و ایمن بانک‌های اطلاعاتی را طراحی کنند. این افراد سرپرستان بانک‌های ‌اطلاعاتی نام دارند.

اولین وظیفه یک طراح بانک اطلاعاتی ساخت یک مدل داده مفهومی انعکاس‌دهنده ساختار منطقی بانک اطلاعاتی است. ساخت مدل داده مفهومی گاهی اوقات شامل دریافت ورودی از فرآیندهای کسب‌وکار و تجزیه و تحلیل گردش کار سازمان است. مرحله بعد ترجمه مدل مفهومی در قالب پیاده‌سازی ساختمان داده‌های مرتبط با بانک‌اطلاعاتی ‌است. این فرآیند به‌نام طراحی بانک‌های اطلاعاتی منطقی و خروجی مدل منطقی داده‌ها در قالب یک طرح توصیف می‌شود.

در حالی که مدل داده مفهومی مستقل از انتخاب فناوری بانک اطلاعاتی است، مدل منطقی داده‌ها یک مدل بانک اطلاعاتی خاص پشتیبانی شده توسط DBMS انتخابی است. بحث درباره بانک‌های اطلاعاتی و مباحث مرتبط با این فناوری فراتر از یک مقدمه کوتاه است، زیرا مباحث بسیار زیادی را شامل می‌شود، اما این‌ امکان وجود دارد تا در قالب مطالبی کوتاه و کاربردی خوانندگان را با مباحث مهم پیرامون بانک‌های اطلاعاتی آشنا کنیم. در پرونده ویژه این شماره ماهنامه شبکه به شما خواهیم گفت سرپرست بانک‌اطلاعاتی کیست و چگونه سرپرست بانک‌‌ اطلاعاتی شویم، برای انتخاب یک پایگاه داده درست به چه نکاتی باید دقت کنیم، بانک‌های اطلاعاتی رابطه‌ای و غیر رابطه‌ای چه تفاوت‌هایی با یکدیگر دارند، پایگاه داده نموداری چیست و چرا بهره‌وری تعاملات تجاری را بهبود می‌بخشد، ‌پرکاربردترین دستورات SQL که توسعه‌دهندگان به آن‌ها نیاز دارد، چگونه آسیب‌پذیری‌های درون بانک‌های اطلاعاتی را کشف و ترمیم کنیم، نقشه‌برداری از داده‌ها چیست و چه کمکی به مدیریت داده‌های حجیم سازمانی می‌کند.

مشتری برای خرید این محصول نیاز به آدرس دارد؟: 

صفحه‌ها