استفاده از «کلان داده» برای ایجاد تحولی عظیم در آموزش

«کلان داده» (Big Data) عبارتی است که برای اشاره به مجموعه هایِ داده ای حجیم استفاده مي شود، داده های انبوه که نمی توان آنها را با پایگاههای داده سنتی و معمولي مدیریت کرد.این عبارت اولین بار در “سیلیکون ولی” ، مهد فناوری پیشرفته، در کالیفرنیا ساخته شد. آیا می توان از این مفهوم برای ایجاد تحول در آموزش هم استفاده کرد؟ در این گزارش «جهان دانش» کاربرد این مفهوم دنیای اطلاعات در شیوه های آموزشی بررسی می شود.

* استفاده از «کلان داده» چه فایده ای برای بهبود کار استاد دارد؟

کِنِت کوکی یر، روزنامه نگار آمریکایی و سردبیر مجله “اکونومیست” از پنج سال پیش روی این مفهوم کار می کند. وی سال گذشته میلادی با ویکتور مایر شونبرگ، کتابی منتشر کرده و در آن نشان داده است که می توان از زیرساختهای «کلان داده» در آموزش هم استفاده کرد. مجموعه های بزرگ، وسیع، پیچیده و متنوع اطلاعاتی که روی تلفنهای همراه و کامپیوترهایمان ضبط می کنیم، در واقع نمونه ای از «کلان داده» است.

از نظر کوکی یر، باید فرزندانمان را از نظام آموزشی سنتی که برای همه یک نسخه تجویز می کند، نجات دهیم و باید آموزشی متناسب با نیازهای امروز داشته باشیم.

وی می گوید: «در کلاسهای درس آنلاین که به درسهای باز و انبوه آنلاین معروف هستند، استادها می توانند ببینند که دانشجوها چه هنگام درسهای آنها را نگاه می کنند و چه موقع نگاه نمی کنند یا باز می گردند و درسهای قبلی را دوباره نگاه می کنند.یکی از استادان دانشگاه استنفورد متوجه شد که همه دانشجوها حدود درس هفتم یا هشتم متوقف می شوند و سراغ درس سوم می روند.»

وی می افزاید: «با “کلان داده” استاد دو چیز را متوجه می شود: یکی اینکه می فهمد دانش آموزانش نیاز به آمادگی بیشتری دارند. دیگر اینکه می فهمد باید شیوه تدریسش در یک موضوع خاص را بهبود بخشد زیرا دانشجویان در آن موضوع مشکل دارند و از آن به بعد پیش نرفته اند.»

#Bigdata

آموزش منطبق با نیازهای دانشجو در دانشگاه ایالتی آریزونا

دانشجویان دانشگاه ایالتی آریزونا، می توانند در کلاسهای درس دیجیتال مطالب درسی را بیاموزند. در این دانشگاه، با استفاده از یک نرم افزار کامپیوتری، الگوی یادگیری دانشجویان تجزیه و تحلیل می شود و سپس دانشجو می تواند از آموزش خصوصی مطابق با نیازهایش بهره گیرد. به این ترتیب دانشجو برای پیشرفت تنها به امید استاد نیست.

این نرم افزار اطلاعات و داده های مربوط به دانشجو را جمع آوری می کند. اطلاعاتی نظیر مهارتهایش در یادگیری، نقاط قوت و ضعف، و حتی تردیدهایش در حرکت موشواره زمانی که تمرینها را حل می کند.

الگوریتم های تطبیقی که دانشمندان طراحی کرده اند آمار را با داده هایی که از دهها هزار دانشجوی دیگر به دست آمده است مقایسه می کند. از این مقایسه ها الگوهایی به دست می اید و نرم افزار درمی یابد که برای هر دانشجو کدام محتوا مفید است و مواد درسی را به فراخور دانشجو تغییر می دهد.

با این فناوری جدید، روش آموزش نیز می تواند به تناسب حال دانشجو تغییر کند، چون استاد وقت بیشتری خواهد داشت که مسقتیما به دانشجو کمک کند و وقت کمتری را صرف درس دادن سر کلاس می کند. یکی از مزیتهای این وضعیت برای استادان این است که نرم افزار به طور خودکار به دانشجوها نمره می دهد.

ایرین بلوم، استاد ریاضیات دانشگاه ایالتی آریزونا می گوید: « این شیوه آموزش شخصی است، با نیازهای دانشجو منطبق است. از این رو ممکن است یک دانشجو موضوع خاصی را بسیار سریع یاد بگیرد، در حالی که دانشجوی دیگری نیاز به کار بیشتر دارد و سیستم می تواند خود را با هر دو دانشجو تطبیق دهد.»

مدیران دانشگاه ایالتی آریزونا به دنبال راههایی هستند که دانشجوها را در یادگیری ریاضیات دانشگاهی هدایت کند. این درس بیش از هر درس دیگری باعث می شود دانشجویان تحصیل را رها کنند. دانشگاه ایالتی آریزونا با بیش از ۷۰ هزار دانشجو بزرگترین دانشگاه دولتی ایالات متحده آمریکاست.

از زمان استفاده از این نرم افزار، میزان موفقیت در دانشگاه ایالتی آریزونا ۱۳ درصد بیشتر شده است و میزان کسانی که سال اول ترک تحصیل می کنند ۵۴ درصد کاهش یافته است. بزودی، بیش از پنج میلیون دانشجو از این سیستم یادگیری تطبیقی استفاده خواهند کرد.

#Bigdata

تربیت متخصصان کار با «کلان داده» در چین

هفت دانشگاه چین اینک دوره هایی برای تربیت «دانشگر داده» تعریف کرده اند. منظور از «دانشگر داده» کسی است که بداند چگونه با «کلان داده» (داده های انبوه) کار کند. این دوره های آموزشی اولین بار در سراسر جهان برگزار می شود.

وزارت آموزش چین با شرکت بزرگ فناوری اطلاعات “آی بی ام” قراردادی امضا کرده است تا به کمک این شرکت در چندین دانشگاه، دانشکده های آنالیز “کلان داده” به وجود بیاید. قرار است تا پایان سال جاری میلادی، ۴۰ هزار آنالیستِ داده برای تحلیل داده های مربوط به مدیریت مالی، پیش بینی هوا، و مدیریت خطرات تربیت شوند.

دانشگاه “ژیائوتانگ” در پکن یکی از قدیمی ترین دانشگاه های فناوری اطلاعات در چین است و از ماه سپتامبر تا کنون یکی از هفت دانشگاه نمونه ای است که در آنها اولین دوره آموزش «کلان داده» آغاز شده است.

در ماه ژوئن، اولین دوره دانشجویان رشته «کلان داده» از دنشگاه ژیائوتانگ فارغ التحصیل خواهند شد. قرار است تا پایان امسال این رشته در یکصد دانشگاه دیگر در چین به راه افتد.

در چین، فرصتهای شغلی برای تخصص آنالیز«کلان داده» از هر زمان دیگر بیشتر است. بسیاری از شرکتهای چینی به دنبال چنین کارشناسانی هستند.

#Bigdata

نگاهی به تغییرات هدوپ در نسخه ۳

قسمت نخست

در ماه های انتهایی سال ۲۰۱۷ بعد از چندین سال کار مداوم، نسخه ۳ هدوپ به صورت رسمی عرضه شد. در این مقاله به قابلیتهای نوین این نسخه از چارچوب پردازشی محبوب کلان داده خواهیم پرداخت.

تغییرات اصلی که در این نسخه شاهد هستیم عبارتند از :

* ارتقا به نسخه ۸ جاوا
* پشتیبانی از الگوریتم کدگذاری Erasure در HDFS
* ارتقای سرویس خط زمان YARN و سهولت استفاده از داکر
* بازنویسی کدهای اسکریپت ها و دستورات خط فرمان
* استفاده از کتابخانه های جاوا (JAR فایل) تجمیع شده در هدوپ
* پشتیبانی از محفظه های اجرایی خوش بینانه
* بهینه سازی فرآیند توزیع و تجمیع در سطح Task
* تغییر پورت های پیش فرض بسیاری از سرویس های پایه هدوپ
* اتصال به سیستم فایل های جدید(اتصال به سرویس های ابری آمازون و مایکروسافت و .. .به صورت مستقیم)
* توزیع بار خودکار بین گره های داده (Data Node Load Balancer)
* بازنویسی مجدد برنامه های پشت صحنه هدوپ و ارتقای مدیریت حافظه آنها
#Hadoop #Tools #BigData

منبع: http://www.bigdata.ir/1396/12/%d9%86%da%af%d8%a7%d9%87%db%8c-%d8%a8%d9%87-%d8%a7%d9%85%da%a9%d8%a7%d9%86%d8%a7%d8%aa-%d9%87%d8%af%d9%88%d9%be-%db%b3/

روند احتمالیِ تکنولوژی های مختلف، طی سال های آتی

#IoT
#BigData

#استخدام
در شهر مونیخ
How big is too big?

I am looking for multiple Big Data Engineers to join my client in Munich on a permanent basis.

Do you have strong experience with Hadoop and Scala and are interesting in working on an Autonomous Driving project?
If so, please comment below or email me at smouland@eu-recruit.com and we can have a chat today 😊

جهت تماس با شخص استخدام کننده به لینک زیر مراجعه شود :
https://www.linkedin.com/feed/update/urn:li:activity:6514455357551710208


کانال
https://t.me/Machinelearning_Kartal/1670

Scientist Geoffrey Hinton has a new paper on how to represent part-whole hierarchies in neural networks. it should significantly improve the interpretability of the representations. https://arxiv.org/pdf/2102.12627.pdf

#MachineLearning #BigData #Analytics #DataScience #AI #IoT #IIoT #Python #biometrics #facerecognition #iris_recognition #IoT #IIoT #Industry40 #SmartFactory #IntelligentAutomation #SmartHome #SmartCities #Automation #5G #AR #VR #EdgeComputing #ML #RPA #WomenInTech #100DaysOfCode #Flutter #technology


کانال:
https://t.me/Machinelearning_Kartal

Great talk, I have listened twice. Happy birthday to you dear scientist Andrew Ng @andrewyng .

I completely agree with your comment. Most fields have been suffered because of fewer data. According to my little experience, It is hard to collect data for biometric recognition systems and for the structure of individual molecules. For sure there is a bunch of these applications which are not easy to collect more data. However, I would like to mention algorithm developments in terms of interpretability machine learning. We have great neural networks but we still cannot trust the existing methods in high-risk applications.



Again thank you scientist Andrew Ng. It is a great pleasure to watch your updates about AI.

Best Regards
Jalil Nourmohammadi Khiarak

#machinelearning #ai #datascience #deeplearning #deeplearning #artificialintelligence #neuralnetworks #neuralnetworks #data #bigdata #ml #thankyou #analytics #dataanalytics #algorithms #experience #biometrics #facerecognition #medicalimaging


https://www.youtube.com/watch?v=06-AZXmwHjo



کانال:
https://t.me/Machinelearning_Kartal

Download 554-page PDF >> #Statistics and Data Visualization with #Python at https://pyoflife.com/statistics-and-data-visualization-with-python-pdf/ via
@Parajulisaroj16

———
#DataViz #VisualAnalytics #BigData #DataScience #DataScientists #DataStorytelling #Coding
کانالیمیزی جانلی یایین:

https://t.me/Machinelearning_Kartal