رایانش ابری چیست؟

رایانش ابری (Cloud Computing) مدل رایانشی بر پایهٔ شبکه‌های رایانه‌ای مانند اینترنت است که الگویی تازه برای عرضه، مصرف و تحویل خدمات رایانشی (شامل زیرساخت، نرم‌افزار، بستر، و سایر منابع رایانشی) با به کارگیری شبکه ارائه می‌کند.

«رایانش ابری» از ترکیب دو کلمه رایانش و ابر ایجاد شده است. ابر در اینجا استعاره از شبکه یا شبکه‌ای از شبکه‌های وسیع مانند اینترنت است که کاربر معمولی از پشت صحنه و آنچه در پی آن اتفاق می‌افتد اطلاع دقیقی ندارد (مانند داخل ابر) در نمودارهای شبکه‌های رایانه‌ای نیز از شکل ابر برای نشان دادن شبکهٔ اینترنت استفاده می‌شود.

دلیل تشبیه اینترنت به ابر در این است که اینترنت همچون ابر جزئیات فنی‌اش را از دید کاربران پنهان می‌سازد و لایه‌ای از انتزاع را بین این جزئیات فنی و کاربران به وجود می‌آورد. به عنوان مثال آنچه یک ارائه‌دهندهٔ خدمات نرم‌افزاری رایانش ابری ارائه می‌کند، برنامه‌های کاربردی تجاری آنلاین است که از طریق مرورگر وب یا نرم‌افزارهای دیگر به کاربران ارائه می‌شود. نرم‌افزارهای کاربردی و اطلاعات، روی سرورها ذخیره می‌گردند و براساس تقاضا در اختیار کاربران قرار می‌گیرد. جزئیات از دید کاربر مخفی می‌مانند و کاربران نیازی به آشنایی یا کنترل در مورد فناوری زیرساخت ابری که از آن استفاده می‌کنند ندارند.

رایانش ترجمه کلمه ” Computing” است که در بعضی متون به جای رایانش از محاسبات و پردازش استفاده شده است. البته محاسبات و پردازش معادل کاملی از این کلمه نیست. زیرا بر اساس تعریف واژه نامه‌های معتبر مانند آکسفورد، لانگمن این واژه به معنای استفاده از رایانه و عملیات رایانه‌ها یا اموری است که یک رایانه انجام می‌دهد و محاسبه و پردازش تنها یکی از این امور است.

به طور نمونه یک رایانه همان‌طور که برای اجرای فرامین به محاسبه و پردازش می‌پردازد، به همین ترتیب مدارک و فایل‌ها را در هارد دیسک یا صفحه سخت خود ذخیره می‌کند، امکان ایجاد ارتباط میان افراد را فراهم می‌آورد که این امور چیزی بیش از یک محاسبه و پردازش صرف است. به علاوه در معنای علوم رایانه معادل‌های دیگری برای کلمات «محاسبه» و «پردازش» وجود دارند، مانند” calculation” و” processing ”، که عدم تمایز این کلمات با یکدیگر می‌تواند منشاء اشتباه در درک این مفاهیم شود.

رایانش ابری راهکارهایی برای ارائهٔ خدمات فناوری اطلاعات به شیوه‌های مشابه با صنایع همگانی (آب، برق، تلفن و …) پیشنهاد می‌کند. این بدین معنی است که دسترسی به منابع فناوری اطلاعات در زمان تقاضا و بر اساس میزان تقاضای کاربر به گونه‌ای انعطاف‌پذیر[ و مقیاس‌پذیر از راه اینترنت به کاربر تحویل داده می‌شود. همان‌طور که کاربر تنها هزینه برق یا آب مصرفی خود را می‌پردازد. در صورت استفاده از رایانش ابری نیز کاربر تنها هزینه خدمات رایانشی مورد استفاده خود (اگر هزینه از کاربر دریافت شود) را پرداخت خواهد کرد.

cloud

داده کاوی چیست؟

داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:

  • قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.
  • ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
  • پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.
  • رده‌بندی یا طبقه‌بندی (Classification): فرایندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد استفاده در پیش بینی و رده‌بندی عموماً یکسان هستند.
  • خوشه‌بندی (Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.[۳]
  • مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.

برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.

در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب. بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در پایگاه داده‌ها می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد. بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:

  • رشد شبکه‌های کامپیوتری که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.
  • توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.
  • گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.
  • و افزایش توانایی به تلفیق داده از منابع غیر متجانس به یک منبع قابل جستجو می‌باشد.

علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاوی به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.

ابر داده چیست؟

داده‌های عظیم، ابر داده، بزرگ‌داده یا داده‌های بزرگ ( Big data) اصطلاحی است که به مجموعهٔ داده‌هایی اطلاق می‌شود که مدیریت، کنترل و پردازش آنها فراتر از توانایی ابزارهای نرم‌افزاری در یک زمان قابل تحمل و مورد انتظار است.

داده های بزرگ به یکی از اولویت‌های اصلی سازمان‌های بزرگ تبدیل شده‌اند و کسب‌ و کارها با تعریف پروژه‌های بزرگ سعی دارند به صورت گسترده‌تر آنها را مورد استفاده قرار دهند.

LearnPress

LearnPress  نیز یکی از دیگر سیستم های مدیریت خدمات آموزشی است که برای وردپرس ارائه شده است. این افزونه رایگان می باشد . اما برای امکانات بیشتر و همچنین استفاده از تم های سازگار با آن نیاز به پرداخت وجه است.

بخش  خدمات کسب و کار  FoxGroup آماده یاری رساندن به شما در استفاده از این سیستم مدیریت خدمات آموزشی و یادگیری(LMS) می باشد.

با استفاده از LearnPress می توانید با هزینه ای بسیار ناچیز سیستمی آموزشی مشابه با سیستم آموزشی Coursera و Udemy داشته باشید. این لرن پرس( LearnPress)  می تواند گزینه مناسبی برای ارائه دهندگان خدمات آموزشی در هر مقیاس و اندازه ای باشد.

learnpress-create-course

Sensei

Sensei  یک سیستم مدیریت آموزش و یادگیری است که توسط سازندگان ووکامرس برای وردپرس ارائه شده است. این سیستم هماهنگی بی نظیری با سیستم وردپرس دارد و می تواند به وب سایت وردپرسی فعلی شما افزوده شود.

همچنین افزونه های متعددی برای کاربرد های مختلف آموزشگاه ها توسط توسعه دهندگان ووکامرس عرضه شده است.

همچنین  بخش خدمات کسب و کار FoxGroup می تواند در نصب ٬ راه اندازی و پشتیبانی از این سیستم به شما کمک کند.

woothemes-sensei-screenshot-1

 

LearnDash

LearnDash  یک سیستم مدیریت یادگیری و آموزش است که برای سیستم مدیریت محتوای وردپرس ارائه شده است. این سیستم از ویژگی های طراحی دوره٬ ارائه گواهینامه ٬ فروش محتوای آموزشی و انجام آزمون برخوردار است.

همچنین افزونه های گسترده ای برای توسعه کاربرد های آن ارائه شده است.

بخش خدمات کسب و کار FoxGroup  می تواند در پیاده سازی این سیستم مدیریت آموزشی به شما یاری رساند.

نسخه دموی لرن دش (Learn Dash)ّ

سیستم مدیریت یادگیری چیست؟

LMS مخفف کلمات Learning Management System به معنای (سیستم مدیریت یادگیری) می‌باشد

. LMS یک بسته نرم‌افزاری است که فرایند توزیع محتوی الکترونیک بین دانش آموزان و دانشجویان را مدیریت می‌کند. بیشتر این سیستمها به لحاظ دسترسی در هر کجا و در هز زمان به صورت مبتنی بر وب تهیه شده‌اند.

به صورت عمومی، LMS امکان ثبت نام و انتخاب واحد، تعیین فعالیت آموزشی و انجم تکالیف در یک محیط Online فراهم می‌کند. در این وب سایت اشاره شده که LMSهای جامع تر دارای ابزارهایی برای مدیریت شایستگی (competency management)، تحلیل فاصله مهارتی (skills-gap analysis)، برنامه‌ریزی موفقیت (Succession Planning)، تأیید صلاحیت (certification) و اختصاص منابع (Resource Allocation) می‌باشند.

از LMS های معروف می توان به LearnDash و  Sensei اشاره کرد.

 

آمادگی الکترونیکی

آمادگی الکترونیکی ( E-readiness) به مقدار توانایی پذیرش، استفاده و به کارگیری فناوری اطلاعات و ارتباطات در جوامع مختلف می‌گویند. برای ارزیابی آمادگی الکترونیکی در جوامع مدل‌های زیادی وجود دارد. بعضی از این مدل‌ها عبارتند از: EIU، APEC، CID و…

گروه همکاری اقتصادی آسیا اقیانوسیه کشوری را “آماده الکتریکی” تعریف می­کند که “آماده” برای تجارت الکترونیکی باشد، اقتصاد آزاد، خودسامانیصنعت و آسانی صادرات دارد و بر طبق استانداردهای بین­المللی و توافقنامه­های تجاری عمل می­کند.

 

مرکز توسعه بین­المللی در دانشگاه هاروارد که شناخته شده ترین موسسه در تحقیقات آمادگی الکترونیکی می­باشد، تعریف می­کند که یک جامعه “آماده الکترونیکی” آن است که زیرساختارهای فیزیکی لازم (پهنای باند زیاد، قابلیت اعتماد، و قیمتهای معقول) را داراست؛ تجمیع فاوا فعلی در کسب و کارها (تجارت الکترونیکی، بخش محلی فاوا) و جوامع (محتوای محلی، سازمانهای برخط متعدد، استفاده فاوا در زندگی روزمره، فاوا آموزش داده شده در مدارس) و دولت (دولت الکترونیکی) انجام شده است؛ رقابت شدید مخابراتی در آن جامعه برقرار است؛ قوانین مستقل با تعهد دسترسی جهانی دارد؛ و هیچ محدودیتی بر تجارت و یا سرمایه­ گذاری خارجی ندارد.