
وب سایت معروف Rbloggers اقدام به معرفی 5 کتاب برتر در آموزش زبان برنامه نویسی R کرده است. فایل این کتابها با کلیک روی نام آنها قابل دانلود خواهد بود.
رایورز - سازمان مهندسی لینکدین، مجموعهای از ابزارهای کلیدی تحت عنوان پروژههای متن باز را برای کمک به کسبوکارها طراحی نموده است که در مواقعی به کار میروند که برنامههای آنها با مشکل مواجه شود.
ابزارهای متن بازی که به تازگی توسط لینکدین طراحی شده است، به شرکتها و سازمانها کمک میکنند که به صورت خودکار با مهندسان ارتباط برقرار کنند و مسائل و مشکلاتی که در برنامههایشان به وجود میآید را با آنها در میان بگذارند و تا حد امکان برای رفع آنها بکوشند. به نظر میرسد این ابزارها، تمایل زیادی در سازمانها برای استفاده از این شبکه ایجاد نماید.
"آیریس" که نام آن از الهه یونان گرفته شده است، کاربران را از هشدارهایی که توسط سیستمهای شرکت ایجاد میشود، مطلع میکند. برای مثال در صورتی که سرور تولید با مشکل مواجه شود، میتواند با مهندسان تماس بگیرد و قابلیت اطمینان سایت را با آنها در میان بگذارد.
به گزارش ونچربیت، با استفاده از این ابزارها، در صورتی که کاربران به اعلان اول پاسخ ندهند، آیریس پیامهای بعدی را ارسال مینماید تا بالاخره پاسخی دریافت کند. ارتباط سیستم با مهندسان از طریق سیستم آنکال صورت میگیرد که پروژهای است که اخیراً انتشار یافته است.
همچنین شایان ذکر است که این سرویس به شرکتها این امکان را میدهد که برای مسئول رسیدگی به مشکلات احتمالی، برنامه زمانی تعیین کند. کاربران برنامه زمانی خود را در یک تقویم قرار میدهند و آیریس از این اطلاعات برای ارسال اعلان به افراد استفاده میکند.
از دید کارشناسان، مقصود لینکدین از طراحی این پروژهها این است که خودکارسازیِ فرآیندِ اعلان کردن به مهندسان برای قطعی سیستم و سایت، تسهیل گردد.
لینکدین، آیریس و آنکال را به عنوان بخشی از برنامه خود برای خودکارسازی روزافزون اعلانها ایجاد کرده است. مهندسان مرکز عملیات شبکه لینکدین پیش از پیادهسازی این سیستم، مشکلات به وجود آمده را به صورت دستی به مهندسان اعلام مینمودند.
با همت و کوشش مهندسان در ساخت و ارائه این سیستم، استقرار سیستم مورد بحث در یک شرکت، به صورت کاملاً آسان و سریع صورت میگیرد. به محض پیادهسازی آریس و آنکال در یک شرکت، کاربران باید اطلاعات مهندسان را در سیستم وارد نمایند. لینکدین به منظور احراز هویت مهندسان از سیستم LDAP استفاده میکند که البته سیستمی مناسب محسوب میشود.
رایورز - با توجه به گسترش کاربران در سراسر جهان، زمان آن فرارسیده است که به دنبال یک راه حل مدیریت قابلیت تحرک مبتنی بر فضای ابری باشیم. البته در حال حاضر مزایا و معایب مدیریت دستگاههای موبایل و کاربران را از طریق سرویسهای میزبان بررسی میکنیم.
گفته میشود که افراد در شرایط سخت یا بر عکس وقتی همه چیز خوب است، اطلاعات بیشتری در مورد یک فرد یا سازمان یاد میگیرند. این موضوع در مورد عملیات فناوری اطلاعات (آی.تی) هم کاملاً صادق است.
به ویژه زمانی که کاربران دور هستند و از دستگاههای موبایل برای دسترسی به اطلاعات سازمانی استفاده میکنند، این موضوع به خوبی به چشم میآید.
به گزارش زد.دی نت، جدای از این موضوع، ارائه پشتیبانی IT به کاربران و دستگاههای آن از راه دور، یک مسئله چالش برانگیز است.
کسانی که در این شرایط عملکرد بهتری از خود ارائه دهند، نه تنها تجربه فوقالعادهای به مشتری منتقل میکنند، بلکه به مأموریت و نتایج شرکت خود نیز کمک قابل توجهی میکنند.
بخشی از این چالش، از تفکر در مورد پشتیبانی فناوری اطلاعات متحرک میآید؛ زیرا این پشتیبانی، محدود به دستگاه موبایل است.
دستیابی به رایانش متحرک، نیاز به لایههای مختلفی از فناوری و سرویس دارد. در انتهای فرآیند رایانش متحرک، کاربرانی هستند که در پی دسترسی به اطلاعات، برقراری ارتباط و استفاده از برنامهها هستند.
اکثر افراد فوراً به این فکر میافتند که پشتیبانی از کارکنان، مستلزم پشتیبانی از کاربر نهایی است، اما بخش زیادی از پشتیبانی از کاربر را میتوان با استفاده از اتوماسیون ابری انجام داد.
وقتی نگاهی به سؤالات معمول و مکرر میاندازیم، میبینیم که خودکارسازی فرآیند بازیابی یا تغییر رمز عبور گمشده، دو سوم سؤالات پشتیبانی را تشکیل میدهد. ارائه دسترسی خودکار به سؤالات معمول میتواند به روند حل مشکلات سرعت بخشیده و رضایتمندی کاربران را افزایش دهد.
پشتیبانی مبتنی بر فضای ابری، با خودکارسازی فرآیندهایی که مستعد بیشترین خطای کاربر یا سایر خطاها هستند، یک پلتفرم مدیریت دستگاه مؤثر ارائه میدهد.
کاربران گوشی هوشمند و تبلت، به دانلود نرمافزار از فروشگاههای اپلیکیشن مبتنی بر فضای ابری عادت کردهاند که با پشتیبانی مبتنی بر فضای ابری، امکان تأمین امنیت برای این گوشیها و تبلتها فراهم میشود.
وب سایت معروف Rbloggers اقدام به معرفی 5 کتاب برتر در آموزش زبان برنامه نویسی R کرده است. فایل این کتابها با کلیک روی نام آنها قابل دانلود خواهد بود.
Data Mining یک فرایند کلی است برای مرتب سازی مجموعه ای از داده های بسیار، این تکنیک عموما توسط سازمانهای تجاری و تحلیلگران مالی مورد استفاده قرار می گیرد ولی این قانون بطور فزاینده ای توسط دانشمندان برای استخراج اطلاعات از میان مجموعه های داده ی بسیار بزرگ که توسط آزمایش های مدرن و شیوه های مبتنی بر مشاهده گرد آوری شده مورد بهره برداری قرار می گیرد.از این نوع استخراج داده برای تولید گزارشات مدیریتی و گزارشاتی که برمبنای آنها تجارتی انجام می شود، استفاده می شود.
در این که کتاب توسط آقای مهدی صمدی به فارسی ترجمه شده است. به بررسی داده کاوی با استفاده از زبان برنامه نویسی R پرداخته است که نسخه اصلی کتاب نیز به همراه نسخه فارسی آن برای دانلود قرار گرفته است.
تعداد صفحات کتاب : ۲۷۶ صفحه
اندازه فایل : ۷٫۹۲MB
رایورز - امروزه شاهد پیشرفت هوش مصنوعی و کاربرد آن در تمامی وسایل هستیم. اما با وجود پرکاربرد بودن این فناوری، عمر آن به این زودی به پایان نمیرسد.
بدون تردید تاکنون اصطلاح "هوش مصنوعی" را شنیدهاید. بر اساس گزارش گوگل ترندز، در سال 2012 فقط 5 درصد از مردم آمریکا در مورد هوش مصنوعی در اینترنت جستوجو کرده بودند. اما در سال 2017 این عدد به حدود 60 درصد رسیده است.
هوش مصنوعی بر خلاف سایر فناوریهای زودگذری که وارد صنعت تکنولوژی میشود، به این زودی دچار افت و نزول نمیشود. توسعه هوش مصنوعی در حقیقت به گونهای است که روز به روز نفوذ خود را در زندگی افراد بیشتر میکند.
به گزارش ونچربیت، بر خلاف روزهای اولی که فناوری هوش مصنوعی وارد بازار شده بود، امروز شاهد این هستیم چارچوبهای قوی و مفید زیادی نظیر تنسورفلو و کافه وجود دارد که نیاز بسیاری از مهندسان به کدنویسی را مرتفع کرده و باعث اجرای آسان فناوریهای هوش مصنوعی شده است.
این چارچوب، موجب صرفه جویی قابل توجه در وقت و منابع شده است و فناوری هوش مصنوعی را روز به روز گستردهتر خواهد کرد و در اختیار تمامی شرکتها قرار خواهد داد.
شبکههای عصبی بسیار زیادی وجود دارد که از پیش آموزشدیده هستند و برای مصارف عمومی در زمینههای مختلف نظیر محتوا، تصویر و تشخیص صدا مورد استفاده قرار میگیرند.
این شبکهها به رشد و رونق تلاشهای مربوط کارآفرینی در حوزه هوش مصنوعی کمک میکنند و امکان استفاده از مدلهای شبکه عصبی از پیش تهیهشده را فراهم میکنند. یولو، فستکست و دیپ اسپیچ از جمله مواردی هستند که از این امکانات بهره بردهاند.
نگهداشت سرویسهای هوش مصنوعی به مقدار زیادی مقرون به صرفه است و افزایش سرعت محاسبات در آن، به لطف جی.پی.یو عامل بسیار مهمی در رشد روزافزون هوش مصنوعی میباشد.
از آنجا که ارائه دهندگان فضای ابری مانند آمازون، هزینه خدمات خود را به طور مداوم کاهش میدهند، هزینههای نگهداشت هوش مصنوعی، مقرون به صرفه است. همچنین بازده محاسبات روی جی.پی.یو، خیلی بیشتر از روشهای دیگر است. به همین خاطر هم بسیاری از فناوریها، میکوشند که به نحوی از این فناوری بهرهمند شوند.
این مطلب یکی از مجموعه مقالههای پرونده ویژه «کامپیوترهای کوانتومی» است که در شماره ۱۸۹ ماهنامه شبکه منتشر شد. برای دانلود این پرونده ویژه میتوانید اینجا کلیک کنید.
او در این ارتباط گفته است: «زمانی که یک کامپیوتر کوانتومی دیجیتالی در اختیار داشته باشید، این توانایی را دارید تا آن را برای هر مشکلی که در نظر دارید این کامپیوتر آن را حل کند، برنامهریزی کنید.» اما گوگل به دو دستاورد خیلی مهم در حوزه محاسبات کوانتومی دست پیدا کرد. شبیهسازی انرژی یک مولکول و همچنین پیادهسازی سیستم رمزنگاری جدیدی که برای مقابله با چالشهای رمزنگاری طراحی شده است در کنار طراحی یک کامپیوتر کوانتومی 48 بیتی از مهمترین دستاوردهای گوگل در حوزه محاسبات کوانتومی بهشمار میرود. ما در این مقاله بهطور مختصر و کوتاه به این دستاوردهای گوگل نگاهی خواهیم داشت.
جان مارتینی استاد فیزیک دانشگاه سانتا باربارا که رهبری آزمایشگاه محاسبات کوانتومی گوگل را بر عهده دارد، بهدنبال آن است تا مشکلات واقعی جهان امروز را حل کند. او بر این باور است که در پنج تا ده سال آینده گوگل موفق به طراحی کامپیوتر کوانتومی قدرتمندی خواهد شد که نه تنها مسائل پیچیده ریاضی را حل خواهد کرد، بلکه به مردم در اخذ یک سری تصمیمات کمک میکند. اما برای این منظور کامپیوتر کوانتومی گوگل باید از تعداد زیادی کوبیت استفاده کند. مارتینی در اولین گام سال گذشته میلادی (2016) همراه با تیم تحت سرپرستی خود موفق شد 9 بیت کوانتومی (کوبیت) را طراحی کند. اکنون او در نظر دارد این مقدار را به رقم 100 کوبیت در چند سال آینده بسط دهد. مارتینی در این ارتباط گفته است: «محاسبات کلاسیک بر مبنای ذخیرهسازی و دستکاری بیتهای ساده اطلاعات رفتار میکنند. جایی که در یک لحظه با صفرها یا یکها سر و کار دارید. در محاسبات کوانتومی از قوانینی که بر دنیای مکانیک کوانتوم حکمفرما است بهمنظور ساخت بیتهایی که میتوانند هر دو مقدار صفر یا یک را در یک لحظه در اختیار داشته باشند استفاده میکنیم. این کار به ما اجازه میدهد پردازشهای موازی را روی ماشینها ایجاد کنیم. در نتیجه بهجای آنکه یک الگوریتم حالت صفر را اجرا کرده و سپس حالت یک را اجرا کرده و در ادامه جواب را در اختیار ما قرار دهد، بهطور همزمان دو مقدار صفر و یک را اجرا میکند. این رویکرد باعث میشود تا سرعت محاسبات دو برابر شود.
واکنشهای شیمیایی که در طبیعت انجام میشوند کوانتومی هستند، بهسبب آنکه این واکنشها حالات انطباقی کوانتومی بسیار درهم تنیده دارند. در نتیجه این امکان وجود ندارد تا هر حالت ذره را بهصورت مستقل از ذرات دیگر تشریح کرد
در نتیجه با هر بار اضافه کردن کوبیتها قدرت و سرعت محاسبات افزایش پیدا میکند، بهطوری که یک روند تصاعدی پیدا خواهد کرد. این حرف بهمعنای آن است که اگر 300 کوبیت در اختیار داشته باشید، ضریب توانمندی محاسبات شما به رقم 2 به توان 300 افزایش پیدا خواهد کرد. شما در دنیای محاسبات کلاسیک نمیتوانید به چنین توانمندی در محاسبات دست پیدا کنید.»
شبیهسازی انرژی یک مولکول با استفاده از یک کامپیوتر کوانتومی
شاید بزرگترین دستاورد مهندسان گوگل در ارتباط با محاسبات کوانتومی در
شبیهسازی مولکول هیدروژن خلاصه شود. بسیاری از کارشناسان، این موفقیت گوگل
را نقطه عطفی، در محاسبات کوانتومی توصیف کردهاند. آنها برای نخستین بار
موفق شدند یک شبیهسازی کوانتومی گسترشپذیر را در ارتباط با یک مولکول
هیدروژن با موفقیت به سرانجام برسانند. این دستاورد گوگل به ما کمک خواهد
کرد تا با اتکا به محاسبات کوانتومی از اسرار دنیای شیمی که پیرامون ما
قرار دارند پرده برداریم. پژوهشگرانی که با تیم گوگل کار میکردند این
توانایی را داشتند تا به دقت انرژی مولکولهای هیدروژن H2 را شبیهسازی
کنند. اگر بتوانیم چنین رویکردی را در ارتباط با سایر مولکولها مورد
استفاده قرار دهیم، آنگاه از سلولهای خورشیدی گرفته تا پزشکی به
موفقیتهای چشمگیری دست پیدا خواهیم کرد. این چنین پیشبینیهایی برای
کامپیوترهای سنتی غیر ممکن بوده یا باید زمان بسیار زیادی را صرف چنین
فعالیتی کنند. بهطور مثال، یک ابرکامپیوتر برای آنکه بتواند انرژی مولکول
پروپان (C3H8) را شبیهسازی کند، به ده روز زمان نیاز دارد.
دستیابی به چنین شاهکاری ماحصل همکاری مشترک گروهی از مهندسان گوگل با
پژوهشگران دانشگاه هاروارد، آزمایشگاه ملی لارنس بارکلی، دانشگاه
کالیفرنیا باربارا، دانشگاه تافنز و دانشگاه کالج لندن بود. رایان بابوش
مهندس نرمافزار در واحد کوانتومی گوگل در این ارتباط گفته است: «شما این
توانایی را دارید تا انرژی مولکول هیدروژن را بهصورت کلاسیک مورد محاسبه
قرار دهید، اما این کار بهشکل ناکارآمدی انجام خواهد گرفت. در مقابل با
یک سختافزار کوانتومی این توانایی را دارید تا سیستمهای بزرگتر شیمیایی
را نیز شبیهسازی کنید.»
واکنشهای شیمیایی که در طبیعت انجام میشوند کوانتومی هستند، بهسبب آنکه
این واکنشها حالات انطباقی کوانتومی بسیار درهم تنیده دارند. در نتیجه این
امکان وجود ندارد تا هر حالت ذره را بهصورت مستقل از ذرات دیگر تشریح
کرد. همین موضوع باعث میشود کامپیوترهای کلاسیک که با مقادیر باینری سنتی
متشکل از صفرها و یکها سر و کار دارند، در شبیهسازی این حالات با مشکل
روبهرو شوند. اما در مقابل کامپیوترهای کوانتومی همچون نمونهای که گوگل
از آن استفاده کرده است با کوبیتها سر و کار دارند. کوبیتها این پتانسیل
را دارند تا در حالت (برهمنهی) قرار بگیرند. در نتیجه این توانایی را
دارند تا بهطور همزمان مقادیر صفر و یک را نشان دهند. برای انجام این
شبیهسازی مهندسان گوگل از یک فوق مدار محاسبات کوانتومی موسوم به حلکننده
کوانتومی متغیر (VQE) (سرنام Variational quantum Eigensolver) استفاده
کردند. سامانه مورد استفاده از سوی گوگل در اصل یک سیستم مدلسازی بسیار
پیشرفته است که تلاش میکند سیستم عصبی مغز انسان را بر مبنای رویکردهای
کوانتومی شبیهسازی کند. همان گونه که در شکل 1 مشاهده میکنید، منحنی
نتایج بهدست آمده از VQE با انرژی واقعی آزاد شده از مولکول هیدروژن
کاملاً منطبق بوده است.
شکل 1- شبیهسازی انرژی مولکول هیدروژن بهشکل دقیقی انجام شد.
بابوش در بخشی از صحبتهای خود گفته است: «همان گونه که از شبیهسازی توصیفی و کیفی شیمیایی بهسمت شبیهسازی کیفی و قابل پیشبینی در حال حرکت هستیم، این پتانسیل را در اختیار داریم تا این حوزه از علم را بهسمت مدرنیزه شدن سوق دهیم.» ما هنوز در ابتدای مسیر قرار داریم و فقط توانستهایم نوک کوه یخ را مشاهده کنیم. گوگل در این ارتباط گفته است: «ما هنوز در ابتدای مسیر مدلسازی جهان هستی هستیم. اما این قابلیت را در اختیار داریم تا از تکنیک شبیهسازی در ارتباط با تمام سیستمهایی که بهنوعی با شیمی در ارتباط هستند استفاده کنیم. بهبود کیفیت باتریها، تجهیزات الکتریکی انعطافپذیر، بررسی اشکال جدیدی از مواد وغیره از جمله حوزههایی هستند که با شبیهسازی کوانتومی تغییرات بنیادینی را تجربه خواهند کرد.»
دفاع از سامانههای رمزنگار در برابر تهدیدات محاسبات کوانتومی
همان گونه که در مقاله چالشهای امنیتی محاسبات کوانتومی به آن اشاره
کردم، با فراگیر شدن این محاسبات در مقیاس کلان و درست زمانی که
کامپیوترهای کوانتومی از کوبیتهای بسیار زیادی استفاده کنند، دیگر
نمیتوان از الگوریتمهای رمزنگار سنتی استفاده کرد. برای حل این مشکل گوگل
بهدنبال آن است تا الگوریتم رمزنگار پساکوانتومی ویژه خود را آماده کند.
با توجه به سابقه این شرکت در ارتباط با ارائه فناوریهای زیرساختی
(پروتکل اسپیدی که از آن بهعنوان پدر پروتکل HTTP 2.0 نام برده میشود)
میتوانیم امیدوار باشیم که الگوریتم ارائه شده از سوی گوگل این پتانسیل را
خواهد داشت تا در مقیاس کلان مورد استفاده قرار گیرد.
گوگل برای آنکه اطمینان حاصل کند مرورگرش دچار چالشهای امنیتی نخواهد شد،
بهدنبال توسعه چنین الگوریتمهایی است. الگوریتمهایی که به احتمال زیاد
از کروم در برابر هکرها و حتی محاسبات کدگشای کوانتومی محافظت به عمل
خواهند آورد. مت بریثویت از مهندسان شرکت گوگل در این ارتباط گفته است:
«امروزه این فرضیه مطرح شده است که کامپیوترهای کوانتومی بدون هیچ مشکلی
قادر خواهند بود به تمام ارتباطات اینترنتی نفوذ کرده و کدگذاریهای
قدرتمند امروزی را بهسادگی در هم شکسته و به اطلاعاتی دست پیدا کنند که
برای چند دهه محرمانه بودند.
امروزه این فرضیه مطرح شده است که کامپیوترهای کوانتومی بدون هیچ مشکلی قادر خواهند بود به تمام ارتباطات اینترنتی نفوذ کرده و کدگذاریهای قدرتمند امروزی را بهسادگی در هم شکسته و به اطلاعاتی دست پیدا کنند که برای چند دهه محرمانه بودند. بر همین اساس از هماکنون باید به فکر چاره مشکلاتی باشیم که در چند سال آینده بهوجود خواهد آمد
بر همین اساس از هماکنون باید به فکر چاره مشکلاتی باشیم که در چند سال آینده بهوجود خواهد آمد.» بر همین اساس گوگل بهصورت آزمایشی بخش کوچکی از مکانیسمهای ارتباطی که میان مرورگر کروم در کامپیوترهای دسکتاپ و سرورهای گوگل برقرار میشود را با سامانه رمزنگار پساکوانتومی رمزنگاری کرده است. سامانهای که از الگوریتم رمزنگاری منحنی بیضوی استفاده میکند. گوگل بازه زمانی دو ساله را برای آزمایش این الگوریتم در نظر گرفته است. با پایان یافتن این زمان (سال 2017) و بررسی نقاط قوت و ضعف این الگوریتم، گوگل در سال آینده میلادی (2018) سامانه بهتری را جایگزین آن میکند.
گوگل چه برنامهای برای آینده دارد؟
جان مارتینی در این ارتباط گفته است: «ما در حال طراحی یک کامپیوتر
کوانتومی بر مبنای بازپخت کوانتومی شبیه به کامپیوتر کوانتومی شرکت دیویو
هستیم که در سال 2013 آن را خریداری کردیم. اما از رویکرد متفاوتی نسبت
به شرکت دیویو سیستمز استفاده میکنیم. آنها بهطور پیوسته کوبیتهای
بیشتر و بیشتری را اضافه میکنند بدون آنکه از بابت انسجام کوبیتها نگرانی
داشته باشند. ما بر این باور هستیم که اتخاذ چنین رویکردی نمیتواند
لزوماً بهمعنای قدرت بیشتر باشد. بازپخت کوانتومی به شما اجازه میدهد از
طریق پیدا کردن راه حلهای مصرف حداقل انرژی مشکلات مربوط به بهینهسازی
یک سیستم را حل کنید.
این رویکرد بهویژه در ارتباط با یادگیری ماشینی مفید است. جایی که در
تلاش هستید حداقل عملکردها را در ارتباط با پردازش حجم انبوهی از اطلاعات
در اختیار شبکه عصبی قرار دهید. یک کامپیوتر کلاسیک معمولی میتواند با یک
سامانه کوانتومی 40 تا 45 کوبیتی رقابت کند. در نتیجه در مقطع فعلی دست
یافتن به چنین کامپیوتری ایدهآل بهنظر میرسد. اما در پنج تا ده سال
آینده سعی خواهیم کرد مشکلات واقعی جهان را با سامانههای قدرتمندتری حل
کنیم. این کامپیوترها در شرایط مختلفی میتوانند به مردم کمک کنند، دستیابی
به چنین فناوری قدرتمندی واقعاً سخت است، اما در تلاش هستیم به چنین
فناوری دست پیدا کنیم.»