داده

یک مهندس داده به چه مهارت‌ها و دانشی نیاز دارد؟
مهسا قنبری
موفقیت و کارآفرینی
25 خرداد 1400
مهندسان داده، مخازنی را برای داده‌ها می‌سازند و در مدیریت این مخازن و مدیریت داده‌هایی که در حجم زیاد به واسطه فعالیت‌های دیجیتالی تولید می‌شوند، نقش کلیدی دارند. آن‌ها وظیفه توسعه، ساخت، آزمایش و...
چگونه به یک تحلیل‌گر داده‌های حرفه‌ای شویم؟
حمیدرضا تائبی
عصرشبکه
24 خرداد 1400
رشد روزافزون داده‌ها باعث شده تا مشاغلی نظیر تحلیل‌گر داده‌ها نقش پر رنگی‌تر در دنیای تجارت داشته باشند. البته تحلیل داده‌ها کار چندان ساده‌ای نیست و برای آن‌که فردی بتواند به عنوان یک تحلیل‌گر 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؟: 

صفحه‌ها