یک شرکت فعال دانش بنیان در زمینه سیستم جامع برنامه ریزی منابع سازمان نیاز به دو نفر توسعه دهنده هوش تجاری و دو برنامه نویس plsql بصورت پاره وقت و تمام وقت دارد
متقاضیان میتوانند رزومه خود را به آدرس hjpbio@yahoo.com ارسال فرمایند

🌟انواع مختلف بانک های اطلاعاتی از لحاظ جغرافیایی (معماری)🌟

هر بانک اطلاعاتی از دو بخش سرویس دهنده (Server) و سرویس گیرنده (Client) ، تشکیل می شود. سرویس دهنده ، همان DBMS است که دست کاری داده ، تعریف داده ، مدیریت تراکنش ها ، اجرای قوانین جامعیت و امنیت داده ، جلوگیری از ناسازگاری داده ، نگهداری دیکشنری داده و غیره از وظایف آن است. ولی ، سرویس گیرنده ، برنامه های کاربردی مختلفی هستند که در بالای سرویس دهنده (DBMS) قرار دارند. این برنامه ها ، دستورات کاربران نهایی را اجرا می کنند. برنامه های کاربردی می توانند واسط های منویی و فرمی داشته باشند. بانک های اطلاعاتی از لحاظ جغرافیایی به دسته متمرکز و نامتمرکز (توزیع شده) تقسیم می گردند. در بانک اطلاعاتی متمرکز ، یک سرویس دهنده وجود دارد. تمام سرویس گیرنده ها به این سرویس دهنده متصل هستند.
این سرویس گیرنده ها پرس و جوی خوشان را به سرویس دهنده می فرستند تا توسط سرویس دهنده پردازش و نتایج را از سرویس دهنده می گیرند. ولی ، در بانک اطلاعاتی توزیع شده چند سرویس دهنده در نقاط مختلف وجود دارند. سرویس گیرنده ها می توانند به یک یا چند سرویس دهنده دستیابی داشته باشند. در این حالت توجه به نکات زیر مهم است :

1- هر سرویس گیرنده می تواند به یک یا چند سرویس دهنده دسترسی داشته باشد. ولی ، در هر زمان فقط به یکی از آن ها دسترسی دارد (یعنی ، پرس و جوها را باید فقط به یک سرویس دهنده ارسال کند.)
2- سرویس گیرنده ممکن است بتواند همزمان به چند سرویس دهنده دسترسی داشته باشد.

🌟امنیت بانک های اطلاعاتی توزیع شده و متمرکز 🌟

امنیت بانک های اطلاعاتی توزیع شده و متمرکز را از دو جنبه می توان بررسی کرد که عبارتند از :
1- در هنگام تخریب اطلاعات
در بانک های اطلاعاتی متمرکز کلیه اطلاعات بر روی یک سرویس دهنده قرار دارند . بنابراین ، با از بین رفتن اطلاعات سرویس دهنده ، کلیه اطلاعات ازدست خواهند رفت و هیچ کاربری نمی تواند به سیستم دسترسی داشته باشد. ولی در سیستم توزیع شده ، با از دست رفتن اطلاعات یک سرویس دهنده ، فقط اطلاعات همان سرویس دهنده از بین خواهد رفت و کاربران همین سرویس دهنده نمی توانند به اطلاعات خودشان دسترسی داشته باشند اما بقیه کاربران می توانند به کارشان ادامه دهند.


2- در هنگام دسترسی غیر مجاز

از آنجایی که در بانک اطلاعاتی متمرکز ، اطلاعات بر روی یک سرویس دهنده قرار دارند ، می تواناین سرویس دهنده را به یک فایروال قوی مجهز نمود تا از ورود کاربران غیر مجاز جلوگیری کرد. اما ، در بانک اطلاعاتی توزیع شده ، چون اطلاعات بر روی سرویس دهنده های مختلفی قرار می گیرند ، اعمال امنیت دسترسی غیر مجاز مشکل تر خواهد شد.

کانال هوشمندی کسب و کار BI:
شرکت بهسازان ملت (وابسته به بانک ملت) در نظر دارد جهت تکمیل کادر نیروی انسانی خود از متخصصان و متقاضیان واجد شرایط زیر دعوت به همکاری نماید.
کارشناس هوش تجاری

تسلط به مفاهیم هوش تجاری شامل
مفاهیم انباره داده
لایه ETL
روشهای مدل سازی داده 
روشهای طراحی و ساخت گزارشات و داشبوردها

تجربه کار با یکی از ابزارهای شناخته شده هوش تجاری در یکی از زمینه های
ETL
OLAP Data Modeling
Presentation & Data Visualization
تسلط به کار با یکی از دیتابیس های شناخته شده رابطه ای

خواهشمند است متقاضیان رزومه خود را به آدرس زیر ارسال نمایند:
soorani@behsazan.com

✨ هشت حقیقت جالب که درباره لینوکس SUSE باید بدانید:
در واقع امروزه نیازی به معرفی SUSE لینوکس نیست زیرا برای همه تقریبا شناخته شده است، یکی از بازیگران شناخته شده در صنعت Enterprise Linux. از دیگر دلایل شناخته شدن بهتر این توزیع، مشارکت در اجتماع openSUSE است که کاربران بسیار زیادی در سراسر دنیا از آن استفاده می کنند.

این حقایق جالب عبارتند از:
1️⃣ در ابتدا SUSE یک توزیع لینوکس نبود. در سال 1992 توسط 3 دانشجوی آلمانی به عنوان یک service provider ایجاد شد. کار این کمپین ارایه پکیج های نرم افزاری برای توزیع Slackware و چاپ Linux manual ها به همراه راهنمایی های تکنیکال بود.
2️⃣ واژه SUSE در اصل اختصار نام آلمانی Software und System-Entwicklung است که به معنی توسعه نرم افزار و سیستم می باشد. در اواخر آن سا ل ها این نام به SuSE تغییر کرد و در آخر به SUSE و هیچ وقت نام کامل آلمانی مورد استفاده قرار نگرفت.
3️⃣ اولین ورژن از SUSE Linux در سال 1994 ارایه شد که در واقع یک نسخه ترجمه شده Slackware به آلمانی بود.
4️⃣ اولین نسخه واقعی SUSE لینوکس در سال 1996 منتشر شد که بر اساس توزیع Jurix بود (البته این توزیع دیگر از بین رفته است) که نام این نسخه S.u.S.E Linux 4.2 بود.
5️⃣ لینوکس SUSE تاکنون چندین مالک داشته است. در سال 2001 SUSE شروع به تلاش اقتصادی کرد که این تلاش، منجر به درامد 210 میلیون دلاری در سال 2004 در شرکت ناول آمریکایی گردید.
6️⃣ اگر چه لینوکس SUSE از ابتدا متن باز بود ولی شرکت ناول نسخه openSUSE را به عنوان توزیع کامیونیتی معرفی کرد و تغییرات را از سمت برنامه نویسان مورد تایید قرار داد در صورتی که قبل از این تمامی تغییرات توسط برنامه نویسان استخدام شده در شرکت ناول انجام می شد.
7️⃣ لوگو رسمی و mascot (به معنی طلسم یا چیزی که خوش یمنی می آورد) یک نوع آفتاب پرست به نام Geeko است.
8️⃣ چندین سال است که openSUSE برای ورژن های مختلف خود از طیف های مختلف رنگ سبز استفاده می کند.
@BIMining

☑️ آموزش افزودن قابلیتی مشابه با System Restore در سیستم عامل لینوکس:

📌 همان‌طور که می‌دانید در محیط ویندوز قابلیتی به نام System Restore وجود دارد که در صورت ایجاد مشکلی برای ویندوز می‌توان به وسیله‌ی آن ویندوز را به نقطه‌ی بازگردانی که قبلاً ایجاد شده است بازگردانی کرد. در Mac هم قابلیت مشابه‌ای به نام Time Machine وجود دارد که عملکردی همانند System Restore دارد. ولی در سیستم عامل لینوکس چنین قابلیتی به طور پیش‌فرض تعبیه نشده است. اگر تمایل دارید این قابلیت را بر روی سیستم عامل لینوکس خود داشته باشید مراحل زیر را به ترتیب انجام دهید🔻


🔸بدین منظور ما به اپلیکیشنی به نام TimeShift نیاز داریم؛

🔹برای نصب این اپلیکیشن ابتدا با زدن کلیدهای ترکیبی Ctrl+Alt+T محیط ترمینال را باز کنید و سپس به ترتیب دستورات زیر را در آن وارد کنید:

sudo apt-add-repository -y ppa:teejee2008/ppa
sudo aptitude update
sudo aptitude install timeshift

🔸پس از اجرای اپلیکیشن کافی است دکمه‌ی Backup را بزنید.
در صورت نیاز به بازگردانی سیستم عامل به گذشته نیز کافی است دکمه‌ی Restore را بزنید.
هم‌چنین می‌توانید در قسمت Settings تنظیماتی برای Backup گیری خودکار اعمال کنید.

@BIMining

✨گزارش Linux Fundation از شغل های OpenSourse در سال 2017✨
به گزارش بنیاد لینوکس، که با همکاری Dice تهیه شده است، آماری که از حدود ۲۰۰۰ حرفه ای در زمینه های مختلف شغلی گرفته شده به شرح زیر است:

۱) ۸۹٪ از مدیران مشاغل گفته اند که پیدا کردن حرفه ای ها سخت است.
۲) ۴۷٪ از شرکت ها حاضرند برای افرادی که professional certification دارند هزینه بیشتری کنند و یا برای کارمندان خود هزینه کنند که Open Source Certified شوند.

موقعیت هایی که آن ها به دنبال آن هستند:
۱) 73% Developer
2) 60% DevOps
3) 53% SysAdmins
متخصصانی که آنها به دنبالشان می گردند:
۱) 70% Cloud
2) 67% Web Technologies
3) 65% Linux

@BIMining

✅رهبري دنيا به دست صاحب "هوش مصنوعي" خواهد افتاد

ولادمیر پوتین رئیس‌جمهور روسیه در اظهاراتی قابل تامل گفته است در آینده کشوری رهبری دنیا را در دست می گیرد که در زمینه هوش مصنوعی برتر از بقیه باشد.

پوتین معتقد است برتری در حوزه هوش مصنوعی موجب کسب برتری بر دیگر کشورهای جهان در حوزه اقتدار و توانمندی های نظامی نیز خواهد شد.

پوتین که روز جمعه در نشستی با دانش آموزان این کشور سخن می گفت افزود که توسعه فناوری هوش مصنوعی فرصت ها و تهدیدهای خاص خود را هم به وجود می آورد که پیش بینی آنها از هم اکنون دشوار است.

این اولین بار نیست که چهره ای شناخته شده در سطح جهان در مورد اهمیت فناوری هوش مصنوعی و تاثیرگذاری آن بر آینده جهان سخن می گوید. پیش از این الون ماسک، مدیرعامل تسلا، مارک زاکربرگ مدیرعامل فیس بوک، استفان هاوکینگ فیزیکدان برجسته در این زمینه اظهار نظر کرده و حتی هشدار داده بودند پیشرفت هوش مصنوعی حتی ممکن است به نابودی نوع بشر منجر شود.
الون ماسک که حامی ایده تهدید انسان ها توسط هوش مصنوعی است، مخالفان سرسختی مانند زاکربرگ دارد که اظهارنظرهای وی را غیرمسئولانه توصیف کرده است. ماسک هم در واکنش گفته است زاکربرگ درک محدودی از خطرات هوش مصنوعی دارد.
پوتین هم در اظهارات خود در مورد برتری انحصارطلبانه در حوزه هوش مصنوعی توسط کشوری خاص اظهارنگرانی کرده و وعده داده که روسیه آماده به اشتراک گذاری دانسته های خود در این زمینه با سایر ملل است. وی پیش بینی کرده که جنگ های آینده توسط پهپادهای خودکار انجام می شوند.
@BIMining

معرفی پلتفرم هوش تجاری مایکروسافت
تشریح معماری Microsoft BI
معرفی ابزارهای پیاده سازی BI در این بستر @BIMining

جدول مقایسه توزیع های Linux در کلاس سازمانی، از منظر متخصصان-***-منظور از Pros و cons در جدول فوق یعنی نقاط قوت و ضعف است @BIMining

پوستر هوش تجاري مايكروسافت. @BIMining

جلسه چهل و دوم -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

جلسه چهل و سوم -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

کتاب مفاهیم انبار داده به قلم و کوشش
محمد عالیشاهی-محمد احمدی-محمد جواد جمشیدی
@BIMining

فهرست مطالب کتاب مفاهیم انبار داده @BIMining

#Data_mining
#Neural_Network
#شبکه‌های_عصبی_در #R
پیاده‌سازی شبکه‌های عصبی در R
شبکه‌های عصبی یکی از شاخه‌های قدرتمند داده‌کاوی است. شبکه‌های عصبی حدودا نیم قرنی است که در دنیای علم مورد استفاده مسائل پیش‌بینی قرار می‌گیرد و امروزه بخشی از یادگیری عمیق یا همان deep learning به حساب می‌آید. پیاده‌سازی شبکه‌های عصبی در R با استفاده از بسته‌ی nnet قابل انجام است. استفاده از این بسته برای پیاده‌سازی شبکه‌های عصبی در R شروع خوبی است، اما ورود به یادگیری عمیق نیازمند شبکه‌های عصبی پیچیده‌تری است. از بسته‌های یادگیری عمیق و شبکه‌های عصبی پیشرفته‌تر در R می‌توان MXNet، darch و deepnet را نام برد.

برای آشنایی با توابع nnet #ادامه_مطلب_شبکه‌های_عصبی را دنبال کنید.

@BIMining

#ادامه_مطلب_شبکه‌های_عصبی
#شبکه‌های_عصبی_در #R
#بسته_nnet
#nnet_package
1) تابع nnet
این تابع اصلی‌ترین تابع بسته nnet است و که یک شبکه‌های عصبی با یک لایه پنهان را روی داده‌های برازش می‌دهد. این تابع آرگومان‌های زیادی را اختیار می‌کند که در اینجا به پرکاربردترین آن‌ها اشاره می‌شود.
الف) formula
مدل از کلاس formula که با استفاده از ~ ساخته می‌شود.
ب) x
دیتافریم متغیرهای مستقل
پ) y
دیتافریم متغیر وابسته (تابع هدف)
ت) weight
وزن داده‌ها یا متغیرها در صورت وجود، که به صورت پیش‌فرض 1 می‌باشد.
ث) size
تعداد واحدها (نرون‌ها) در لایه پنهان
ج) data
دیتافریمی که متغیرهای مدل (یا همان formula) در آن قرار دارد. لازم به ذکر است که از بین x و y یا data قرار دادن یکی کافی است.
چ) rang
عددی که وزن‌ها در بازه منفی rang تا مثبت rang را اختیار می‌کند.
ح) maxit
ماکسیمم تعداد تکرار شبکه‌ی عصبی

@BIMining

#ادامه_مطلب_شبکه‌های_عصبی
#شبکه‌های_عصبی_در #R
#بسته_nnet
#nnet_package
2) تابع predict.nnet
این تابع برای پیش‌بینی داده‌های آزمون شبکه‌های عصبی به کار می‌رود. در واقع روی مجموعه داده‌ی آموزش با استفاده از تابع nnet یک شیء از کلاس nnet به وجود می‌آید و این تابع روی شیء از این کلاس پیاده‌سازی می‌شود. آرگومان‌های این تابع به ترتیب زیر می‌باشد.
الف) object
شیء از کلاس nnet
ب) newdata
ماتریس یا دیتافریم از مجموعه داده‌ی آزمون
پ) type
نوع خروجی که شامل دو گونه است: raw و class
در صورتی که متغیر وابسته متغیری طبقه‌ای باشد، از نوع class و در غیر این صورت از raw استفاده می‌کنیم.
—----------------------------------
@BIMining

oracle Database 12c Security @BIMining