بهترین نکات Java vs .NET

عواملی که باید در نظر گرفته شود

جاوا و مایکروسافت دات نت دو فناوری برجسته هستند که برای توسعه برنامه های کاربردی دسک تاپ و سرور در نظر گرفته شده اند.

هر دو پلتفرم با استفاده از زبان های برنامه نویسی سطح بالا قادر به ساخت برنامه های کاربردی در مقیاس بزرگ می باشند.

در صورتی که هر دو جاوا و .NET اغلب به عنوان چارچوب نامیده می شوند، تنها دات نت واقعا یک چهارچوب به حساب می آید .

در حقیقت، پلت فرم .NET از ASP.NET به عنوان چارچوب وب برنامه استفاده می کند تا توسعه دهندگان بتوانند برنامه های وب را ایجاد کنند.

با توجه به اینکه جاوا و دات نت یکی از محبوب ترین فن آوری ها برای ساخت وب سایت ها و برنامه های وب هستند، اکثر شرکت ها با انتخاب یک یا یکی دیگر به عنوان یک ابزار اصلی برای توسعه برنامه ها و خدمات آنلاین مواجه هستند.

قبل از انتخاب پلتفرمی که به بهترین وجه نیازهای شما را انتخاب می کند، باید مزایای اصلی و برنامه های خود را بدانید. اما تفاوت اصلی بین جاوا و دات نت چیست؟

 

بیشتر بخوانید »»» طراحی سایت با ASP.Net

 

تفاوت اصلی بین Java و NET.

 

تفاوت اصلی بین جاوا و دات نت این است که جاوا، معمولا (Java Enterprise Edition JEE)، می تواند در هر سیستم عاملی کار کند، در حالی که دات نت تنها در نسخه های مختلف ویندوز کار می کند، در حالی که تعداد محدودی از پیاده سازی های منبع باز از .NET موجود است، این چارچوب هنوز کاربران ویندوز را هدف قرار داده است.

در عین حال، جاوا از ماشین مجازی جاوا (JVM) بهره می برد، که همان مفهوم را دنبال می کند که کد باید بر روی هر دستگاه و تحت هر سیستم عامل اجرا شود، بنابراین خود را یک ابزار برنامه نویسی قابل حمل و مستقل از پلتفرم می سازد.

هر دو پلتفرم از زبان های برنامه نویسی مشترک مانند PHP، Ruby و Python پشتیبانی می کنند.

توسعه دهندگان جاوا همچنین می توانند زبان هایی مانند جاوا، جاوا اسکریپت، Clojure، Groovy و Scala را استفاده کنند، در حالی که توسعه دهندگان .NET می توانند در C #، F #، VB.NET، C ++، و .NET کد نویسی کنند.

دو پلتفرم همچنین از دیگر زبان های کمتر محبوب پشتیبانی می کنند. با این حال، چارچوب J2EE جاوا را به عنوان زبان پیش فرض تنظیم می کند، در حالی که دات نت با زبان های دیگر مانند C #، F # و VB.net سازگار است.

جاوا و مایکروسافت دات نت
جاوا و مایکروسافت دات نت

 

این یک رویکرد انعطاف پذیر تر برای توسعه برنامه های کسب و کار است، گرچه نیاز به مهارت های مختلف برنامه نویسی دارد.

یکی دیگر از تفاوت های مهم، مربوط به یک محیط توسعه مجتمع (IDE) است که هر پلت فرم نیاز دارد.

اساسا یک IDE یک مجموعه نرم افزاری است که ابزار توسعه دهنده را برای ساخت و آزمایش برنامه های کاربردی نرم افزار فراهم می کند.

IDE پیش فرض برای برنامه های .NET مایکروسافت ویژوال استودیو است، که یک ابزار پیچیده برای ساخت برنامه ها است.

توسعه دهندگان جاوا می توانند بین چهار IDE اصلی موجود در بازار را انتخاب کنند. اینها عبارتند از Eclipse، IntelliJ Idea، Oracle NetBeans و Oracle JDeveloper.

بر طبق آمار سایت جستجو شغل در واقع، توسعه دهندگان جاوا تقاضای بالاتر از آنهایی هستند که دات نت هستند، و جستجوگران شغل در جستجوی شغل های جاوا در مقایسه با جستجو برای موقعیت هایی که نیاز به مهارت های دات نت دارند جستجو می کنند.

 

مزایا و معایب NET.

 

مزیت اصلی پلت فرم دات نت یک محیط متحد از مایکروسافت است.

این پلت فرم مقیاس پذیری افقی بدون درز فراهم می کند که اکثر ابزارها و IDE ها را می توان در شبکه مایکروسافت توسعه یافت.

از سوی دیگر، پشتیبانی فقط برای چارچوب Entity در دسترس است، که منجر به محدودیت پشتیبانی از ارتباط موضوعی از دات نت می شود. کد مدیریتی در این چارچوب اغلب سریعتر از کد بومی اجرا می شود در حالی که توسعه دهندگان فقط برای مایکروسافت برای ویژگی های جدید و پیشرفت ها بستگی دارند.

به طور کلی، مهاجرت به دات نت در مقایسه با سایر فریم ها گران تر است.

 

مزایا و معایب Java

 

جاوا قابل حمل است، بنابراین شما می توانید هر سیستم عامل مورد نیاز برای ساخت برنامه یا وب سایت خود را انتخاب کنید.

پشتیبانی از شیوه ارتباطی بهتر است، و جاوا پایگاه داده را با استفاده از پایگاه داده کمتر جستجو می کند، همه چیز را در اشیاء دامنه نگه می دارد.

برنامه های جاوا با استفاده از ابزارهای ادغام مداوم پیشرفته مانند Jenkins و Travis CI، یکپارچه با سایر پلتفرم ها یکپارچه می شوند.

تعداد زیادی از کانکتور های یکپارچه سازی رایگان برای جاوا در دسترس هستند و جامعه جاوا قوی و در حال رشد است.

علاوه بر این، مهاجرت بین سیستم عامل های جاوا آسان است، زیرا آنها سازگاری عقب مانده را ارائه می دهند.

نقص های امنیتی ممکن است نگرانی اصلی در مورد جاوا باشد، زیرا چنین مسائلی اغلب در راه حل های پلتفرم-اگنوستیک رخ می دهد.

علاوه بر این، توابع Scala با Groovy کار خوبی ندارند، و نیاز به نرم افزار پیشرفته ایجاد مهارت دارند.

همچنین برخی از توسعه دهندگان ادعا می کنند که جاوا می تواند به دلیل ماهیت چند پلتفرم آن از سایر زبان ها کندتر باشد.

جاوا و مایکروسافت دات نت
جاوا و مایکروسافت دات نت

 

جاوا و دات نت: کدام پلت فرم را انتخاب کنیم ؟

 

بدیهی است، جاوا و دات نت به توسعه نرم افزار در مورد IDE ها و قابلیت حمل قابل ملاحظه اند. با این وجود، هر دو سیستم عامل به دنبال اهداف مشابه و هدف قرار دادن یک بخش بازار مشابه:

برنامه های سازمانی مقیاس پذیر و راه حل های آنلاین.

یکی از عوامل مهم در انتخاب بین جاوا و دات نت این است که آیا شما به مهارت های خاص توسعه دسترسی داشته اید.

برخی از شرکت ها دارای تیم های بزرگ در حال توسعه هستند، اما برخی دیگر بر روی برون سپاری به تیم های قابل اعتماد نرم افزار مانند توسعه دهندگان .NET از It Transition متکی هستند.

یکی دیگر از عواملی که باید در نظر بگیرد این است که آیا زیرساخت های مورد نیاز برای پشتیبانی یک برنامه پیچیده یا وب سایت ساخته شده با .NET یا نیاز به یک رویکرد انعطاف پذیر تر که راه حل های مبتنی بر جاوا می تواند ارائه دهد.

شما می توانید نرم افزار عالی را در هر دو دات نت و جاوا، با توجه به توسعه دهندگان .NET دشوار برای پیدا کردن.

این به این معنا نیست که شما نیاز به کمک از مشاوران توسعه دانش درک برای ساخت یک برنامه پیچیده با استفاده از جاوا.

به طور کلی، برنامه های پیشرفته ای که با کاربران بیشتری در ارتباط هستند یا برنامه های بیشتری در جاوا اداره می کنند، آسان تر است. چارچوب .NET در هنگام تحویل محتوای مبتنی بر وب بیشتر سودمند است و شما نیاز به طراحی یک رابط کاربر گرافیکی غنی (GUI) دارید.

جاوا و مایکروسافت دات نت
جاوا و مایکروسافت دات نت

 

دیدگاه وسیع که دات نت مناسب تر است وقتی که راهکارهای سطح سازمانی را ایجاد می کنید گمراه کننده است. برنامه های کاربردی سطح، وب سایت ها و سرویس های آنلاین به طور عمده در PHP ایجاد می شود و تنها پس از آن ASP.NET و جاوا در خط می شوند.

طبق گفته SimilarTech، چارچوب PHP حدود 19 درصد از تمامی راه حل های آنلاین را تأمین می کند، اما باید بدانید که PHP نیز برای توسعه دهندگان در هر دو محیط دات نت و جاوا در دسترس است.

قابلیت همکاری زمینه ای است که مسیرهای .NET را به جاوا، به ویژه هنگامی که شما نیاز به سازگاری با منبع آزاد دارید. تعداد روزافزون سازمانها راه حل های منبع باز را راه اندازی می کنند، حتی در زمینه های پیشرفته مانند هوش مصنوعی و یادگیری ماشین.

به عنوان یک نتیجه، مایکروسافت به دنبال راهی برای متوقف ساختن شکاف در قابلیت همکاری در چارچوب دات نت فراتر از ویندوز و ادغام با ابزار و سیستم عامل open source نزدیکتر است.

در نهایت، شما نیاز به ارزیابی هزینه های پروژه در برابر هر یک از سیستم عامل ها. اگر به طور عمده بر روی نرم افزار مبتنی بر ویندوز تکیه کنید تا کسب و کارتان را اجرا کنید و شما یک مشتری وفادار از محصولات مایکروسافت هستید، ممکن است مجبور شوید راه حل مبتنی بر .NET را برای به حداقل رساندن هزینه ها انتخاب کنید.

اگر یک راه حل جاوا برای کاهش هزینه ها را انتخاب کنید، باید تعداد زیادی نرم افزار مرتبط و ابزارهای پشتیبانی را برای انتخاب ترکیب مناسب ابزار جاوا، ارزیابی کنید.

به طور خلاصه، بین دات نت و جاوا هیچ انتخاب اشتباه و درستی وجود ندارد.

این همه به مهارت های توسعه موجود، زیرساخت های زیربنایی، الزامات قابلیت همکاری و محیط های کاربر نهایی بستگی دارد، زیرا هر دو سیستم عامل در واقع ویژگی های و قابلیت های بسیار مشابه را فراهم می کنند.


Source


 

سایر مقالات مفید سایت:

 

بهترین زبان های برنامه نویسی تحت وب در 2018

کدام زبان برنامه نویسی وب را یاد بگیرم؟

زبان PHP؟ ASP؟ تمام گزینه هایی که یک فرد باید در انتخاب زبان برنامه نویسی تحت وب مد نظر قرار دهد چیست؟ چرا برخی زبان ها همیشه در اکثر برنامه ها کاربرد دارند؟ در این مقاله به سوال و جواب هایی می پردازیم که هر برنامه نویس باید از خود بپرسد، قبل از آنکه زبانی را انتخاب کند.
از زمان مطرح شدن اینترنت، برنامه نویسی تحت وب به یک مهارت پر متقاضی تبدیل شد. با بروز جوامع مبتنی بر وب، برنامه نویسی تحت وب به یکی از ترندهای مطرح تبدیل شد. آموزشگاه های برنامه نویسی و بسیاری از سایت های آنلاین شروع به آموزش این مهارت کردند و یادگیری زبان برنامه نویسی تحت وب را به مهارتی آسان و قابل دستیابی تبدیل کردند.

زبان برنامه نویسی تحت وب
زبان برنامه نویسی تحت وب

مهم تر از یادگیری برنامه نویسی تحت وب، یادگیری صحیح آن است. چندین عامل در انتخاب صحیح زبان مورد نیاز دخیل هستند. در ادامه با هم یاد می گیریم که چگونه زبان برنامه نویسی تحت وب مناسبی را انتخاب نماییم:

بیشتر بخوانید »»» 7 زبان برنامه نویسی فراگیر در سال 2018

 

1- زبان “مناسب” را تعریف کنید

 

انتخاب کردن زبان صحیح و مناسب می تواند کمی گمراه کننده باشد.

این بدین معنی است که زبان اشتباه نیز وجود دارد. در حالی که ممکن است برخی زبان های برنامه نویسی نیازهای برنامه نویسان را بر طرف نکند، اکثر مواقع روش های گوناگونی وجود دارد که به خروجی مناسبتان دست یابید.
این موضوع به طور خاص در مورد برنامه نویسی تحت وب بیشتر مطرح می شود. زبان هایی وجود دارد که تمرکز اصلی آنها بر روی وب است مثل JavaScript، همچنین زبان هایی نیز وجود دارد که اهدافی عمومی تر دارند مثل جاوا.

ما تمرکزمان را بر روی سوال هایی جمع می کنیم که شما باید از خودتان بپرسید تا بتوانید زبان برنامه نویسی تحت وب مناسب را انتخاب نمایید.

 

2- یادگیری کدام زبان برنامه نویسی آسان است؟

تشخیص اینکه چه زبانی برای شما آسان است به گذشته تان ربط دارد. اگر تجربه برنامه نویسی با زبان های پایه مثل HTML را داشته باشید، درک پایه ای از syntax و layout دارید. البته که استعداد یادگیری افراد، متفاوت است!
اما زبان های اصلی برنامه نویسی تحت وب بسیار از باقی زبان ها آسان تر هستند.

برای استفاده ای آسان به زبانی نیاز دارید که کتابخانه و چارچوب داشته باشد، ساخت یافته باشد. هرچه قدر که syntax های یک زبان ساده تر باشد، یادگیری آن هم آسان تر خواهد بود.

زبان برنامه نویسی تحت وب
زبان برنامه نویسی تحت وب

 

بازی هایی مثل Minecraft و DIY Flappy Bird برنامه نویسی را مفرح می کنند و همچنین از این طریق کودکان نیز می توانند برنامه نویسی یاد بگیرند. در ادامه چند زبانی که از نظر مبتدیان جذاب است را می بینیم:

زبان جاوا اسکریپت
شی گرا
پویا
کاربردی
ساخت یافته
دارای کتابخانه های متعدد
نیاز به کامپایلر ندارد.

زبان Ruby
زبان سطح بالا
فشرده و مختصر
چارچوب Ruby on Rails
Multi-Paradigm

زبان PHP
منابع زیاد (متن باز)
پویا
دارای محیطی منعطف

 

3- کدام زبان برنامه نویسی تحت وب محبوب تر است؟

 

محبوبیت یکی از کلیدهای اساسی در انتخاب زبان برنامه نویسی تحت وب مناسب می باشد. اکثر افراد زبان هایی را انتخاب می کنند که بیشتر از همه استفاده می شود.
انتخاب بر اساس محبوبیت 2 فایده اصلی دارد: بازار کار مناسب و منابع زیاد برای جستجو و برطرف کردن سوالات.

در برنامه نویسی تحت وب، زبان های محبوب به شرح زیر است: جاوا اسکریپت: بسیار پر قدرت است، یادگیری آن آسان است و کاربرد وسیعی دارد. جاوا اسکریپت، در اکثر مرورگرها پشتیبانی می شود. طبق تحقیقات اخیر مشخص شده است که جاوا اسکریپت، زبان های برنامه نویسی PHP و جاوا را در میزان محبوبیت پشت سر گذاشته است.

زبان برنامه نویسی تحت وب
زبان برنامه نویسی تحت وب

 

زبان هایی مانند Node.js که در محیط سمت سرور کاربرد دارند، از زبان جاوا اسکریپت به عنوان Backbone استفاده می کنند.

جاوا: جاوا را با جاوا اسکریپت قاطی نکنید. جاوا یک زبان برنامه نویسی با قدمت طولانی در دنیای برنامه نویسی است. 20 سال است که در حال استفاده است و انجمن های بسیار زیادی در مورد جاوا فعال هستند.
سی شارپ: این زبان لزوما زبان برنامه نویسی تحت وب محسوب نمی شود. در اصل یک زبان برنامه نویسی عمومی است. برخی اپلیکیشن های ASP.Net مبتنی بر ویژگی هایی از سی شارپ هستند.

اکثر اپلیکیشن های ASP.Net در محیط Visual Basic یا C# نوشته شده اند. زبان برنامه نویسی سی شارپ به عنوان یک زبان پرکاربرد در ایران شناخته می شود و بسیاری از تیم های برنامه نویسی از متخصصانی با این مهارت استفاده می کنند.
بهتر است که یک زبانی که از میزان کمتری محبوبیت برخوردار است را نیز یاد بگیرید. زبان هایی مثل PHP، Ruby و Python از محبوبیت کمتری نسبت به JavaScript و جاوا برخوردارند.
البته دلایل زیادی وجود دارد که ثابت می کند Python بسیار مفید است. از آنجایی که در بازار کار، تقاضای زیادی ندارد، توان رقابتی تان در بازار کار را کم می کند. تقاضا برای نیروی کار جاوا زیاد است، اما متخصصین جاوا هم زیاد هستند.

 

4- کدام زبان برنامه نویسی تحت وب همه فن حریف است؟

 

اگر هدفتان استخدام باشد، این ویژگی برای تان نقشی کلیدی دارد. با این اوصاف بهترین چیزی که باید یاد بگیرید، زبان برنامه نویسی است نه لزوما زبان برنامه نویسی تحت وب.

زبان هایی مثل java، C#، C و پایتون برای رفع نیازهای برنامه نویسی کافی هستند.
چیزی که زبان پایتون را از بقیه متمایز ساخته این است که ذاتا برای اهداف عمومی کاربرد دارد. درحالی که زبانی مثل جاوا اسکریپت با آنکه در بعضی از محیط های غیر وب هم کاربرد دارد اما بیشتر برای توسعه وب استفاده می شود.

زبان برنامه نویسی تحت وب
زبان برنامه نویسی تحت وب

برای انتخاب زبان برنامه نویسی تحت وبی که اهداف عمومی را پوشش دهد، باید به سراغ زبان های همه فن حریف بروید!
این زبان ها مهارتی مفید برای کسب شغل در آینده محسوب می شوند. syntax های این زبان ها با زبان های دیگر مشترک هستند بنابراین فرصتی فراهم می کنند که به راحتی می توانید به سراغ یادگیری زبانی دیگر نیز بروید.

 

5- منابع یادگیری برای زبان های برنامه نویسی تحت وب

 

در این عصر ارتباطات، اگر بخواهید چیزی یاد بگیرید، تنها نیستید. فروم ها، دوره ها و خبرگان در محیط مجازی از هر کجای دنیا در دسترس هستند. برای زبان های برنامه نویسی تحت وب، بهترین منابع سایت ها، دوره ها و ابزارهای خاص هر زبان هستند. به دنبال زبانی با تعداد زیاد فریم ورک و کتابخانه باشید.

کتابخانه و فریم ورک ها توسعه و فرآیند یادگیری را راحت تر می کنند. Ruby و JavaScript از این قبیل محسوب می شوند.
انتخاب زبان های Open-Source باعث می شود که منابع منسجم تری در دسترس شما باشد. برای مثال PHP که یک زبان Open-Source است و Ruby نیز که Open-Source است و با فریم ورک Ruby on Rails ترکیب شده است، کاربردی راحت دارد و به ابزار زیادی نیز مجهز است.

 

6- از چه پلتفرمی استفاده می کنید؟

درحالی که Windows، macOS و Linux سیستم عامل های متداولی محسوب می شوند، لپ تاپ های Chromebook در حال محبوب تر شدن هستند. این کامپیوتر های فوق سبک، مجهز به Chrome OS یا Chromium OS هستند.

Chrome OS محیطی مناسب برای زبان های برنامه نویسی پایه مثل HTML است نه زبان های برنامه نویسی فنی.
برای برنامه نویسی های خیلی سخت نیاز به ماشین های مجازی یا سیستم بوت دوگانه با توزیع لینوکس دارید. Linux distros سطح بالایی از سفارشی سازی را ارائه می دهد و بر پایه UNIX بنا نهاده شده است. macOS مجهز به اجزای UNIX است که آن را به محیطی درجه یک برای برنامه نویسی تبدیل کرده است.

اپل برای برنامه نویسان، محیطی یکپارچه و مجهز به ابزارهای لازم برای برنامه نویسی در سیستم عامل macOS به نام Xcode تهیه کرده است که واسطی است برای اجرا کردن کدهای Swift، Objective-C و C/C++ است.

زبان برنامه نویسی تحت وب
زبان برنامه نویسی تحت وب

 

Windows رتبه اول در میزان محبوبیت سیستم عامل ها را به خود اختصاص داده است. قابلیت انطباق بالای ویندوز، او را به محیطی مناسب برای برنامه نویسان تبدیل کرده است.
اگر از زبان برنامه نویسی مانند C استفاده می کنید، به کامپایلری نیاز دارید که یا بر روی Linux کار کند و هم مبتنی بر ویندوز باشد. کاربران macOS یا به استفاده از Xcode نیاز دارند، که امکان بوت همزمان با یک سیستم عامل سازگار را داشته باشد، یا یک ماشین مجازی.

 

7- مقایسه Front-End و Back-End

می خواهید Front-End برنامه نویسی کنید یا Back-End؟ اگر تمایل تان به Front است، به سمت جاوا اسکریپت بروید. Facebook، Google، Amazon و Wikipedia همه از جاوا اسکریپت برای Front-end استفاده می کنند.

برای Back-End چند انتخاب دارید. می توانید سراغ، Python، Java، C، C++ یا PHP بروید.
زبان های Perl، ASP . Net، Scala، Hack و Ruby را نیز فراموش نکنید. یادگیری JavaScript برنامه نویسان را برای برنامه نویسی Front-End آماده می کند و همچنین می توانند برای Back-End از Node.JS استفاده کنند.
برنامه نویسان Front-End باید فریم ورک های EmberJS و AngularJS را یاد بگیرند. برنامه نویسان Back-End از زبان های دیتابیس محور سود می برند مثل SQL Server. برنامه نویسان Full Stack باید هم Front-End بلد باشند و هم Back-End. پس به زبان هایی که هم در سمت کلاینت و هم سمت سرور کاربرد دارند، نیاز دارند تا بتوانند Fullstack برنامه نویسی کنند.

 

8- هدفتان از برنامه نویسی چیست؟

 

در نهایت انتخاب زبان برنامه نویسی تحت وب مناسب، وابسته به هدف است.

آیا زبان برنامه نویسی تحت وب را برای اهداف شخصی و دانشگاهی یاد می گیرید یا برای پیوستن به بازار کار؟ اگر هدف تان رفتن به محیط کار است، وقت و پول تان را برای یادگیری یک زبان مناسب هزینه کنید.
اگر برنامه نویسی را برای تفریح یا پروژه های شخصی می خواهید یاد بگیرید، با یک زبان ساده شروع کنید. یک زبان برنامه نویسی Open-Source بسیار برای این هدف مناسب است و منابع زیادی در اختیارتان قرار می دهد.

تمرکز بر یافتن شغل:
سرمایه گذاری پول و زمان

تمرکز بر اهداف شخصی:
زبان های رایگان و Open-Source
یادگیری آسان

 

نتیجه گیری:

از خودتان این سوالات را بپرسید و بفهمید که چه زبانی برای تان مناسب تر است. بنا بر نیازتان احتمالا مجبور به انتخاب منابعی برای یادگیری هستید از کلاس های حضوری تا منابع آنلاین موجود در سرتاسر اینترنت.

 

بیشتر بخوانید »»» مقدمه ای بر زبان برنامه نویسی تحت وب جاوا اسکریپت



سایر مقالات مفید سایت:

لینوکس چیست؟ بهترین نکات مربوط به لینوکس در سال 2018

لینوکس چیست؟

لینوکس محبوب ترین سیستم عامل منبع باز است. به عنوان یک سیستم عامل، لینوکس نرم افزاری است که زیر تمامی نرم افزارهای دیگر در رایانه قرار دارد، درخواست ها را از آن برنامه ها دریافت می کند و این درخواست ها را به سخت افزار کامپیوتری انتقال می دهد.

برای اهداف این مقاله، ما از اصطلاح “لینوکس” برای اشاره به هسته لینوکس استفاده می کنیم، اما هم چنین مجموعه ای از برنامه ها، ابزار ها و خدماتی که به طور معمول با هسته لینوکس همراه است تا تمام اجزای ضروری یک سیستم عامل کاملا کاربردی را ارائه دهد .

بعضی از افراد، بخصوص اعضای بنیاد نرم افزار آزاد، از این مجموعه به عنوان GNU / Linux اسم می برند، زیرا بسیاری از ابزارهای موجود از اجزای GNU می باشند .

با این حال، تمام نسخه های لینوکس از اجزای GNU به عنوان بخشی از سیستم عامل خود استفاده نمی کنند. برای مثال آندروید از کرنل لینوکس استفاده می کند اما از ابزارهای GNU بسیار کم اسفاده می کند .

بیشتر بخوانید »»» بروز رسانی سرور لینوکس centos و پکیچ های آن با یک دستور ساده

لینوکس چگونه با سیستم عامل های دیگر متفاوت است؟

 

به طرق مختلف، لینوکس مشابه سایر سیستم عامل هایی است که شما قبلا آن ها را استفاده کرده اید، مانند ویندوز، OS X یا iOS .

لینوکس مانند سایر سیستم عامل ها دارای یک رابط گرافیکی است و انواع نرم افزار هایی که شما در سایر سیستم عامل ها مانند برنامه های پردازش متن از آن ها اسفاده می کنید معادل آن در لینوکس وجود دارد .

در بسیاری از موارد، خالق نرم افزار ممکن است یک نسخه لینوکس همان برنامه ای که در سایر سیستم ها استفاده می کنید را ساخته باشد.

اگر شما می توانید از کامپیوتر یا سایر دستگاه های الکترونیکی استفاده کنید، می توانید از لینوکس استفاده کنید.

اما لینوکس نیز از بسیاری از سیستم های عامل دیگر متفاوت است.

اول و شاید مهمتر از همه، لینوکس نرم افزار منبع باز است.

کد مورد استفاده برای ایجاد لینوکس رایگان است و برای عموم مردم برای مشاهده، ویرایش و برای کاربران با مهارت های مناسب برای ارتقای آن در دسترس است.

لینوکس همچنین دراین مورد که هرچند قطعات اصلی سیستم عامل لینوکس عموما رایج هستند، نسخه های توزیعی زیادی از لینوکس که شامل گزینه های مختلف نرم افزار هستند، متفاوت است .

لینوکس
لینوکس

 

این به این معنی است که لینوکس فوق العاده قابل شخصی سازی است، زیرا نه تنها برنامه های کاربردی مانند پردازنده های کلمه و مرورگرهای وب می توانند مبادله شوند

کاربران لینوکس نیز می توانند اجزای اصلی را انتخاب کنند، مانند سیستم نمایش گرافیکی و سایر اجزای رابط کاربر.

 

تفاوت بین یونیکس و لینوکس چیست؟

 

شما ممکن است در مورد یونیکس (Unix) ، که یک سیستم عامل در دهه 1970 در آزمایشگاه Bell توسط Ken Thompson، Dennis Ritchie و دیگران است، شنیده باشید.

یونیکس و لینوکس به طرق مختلفی مشابه هستند و در واقع لینوکس در اصل شبیه به یونیکس طراحی شده بود.

هر دو ابزار مشابهی برای ارتباط با سیستم ها، ابزار برنامه نویسی، پوسته فایل سیستم و سایر اجزای کلیدی دارند. با این حال، یونیکس رایگان نیست.

در طول سال ها، تعدادی از سیستم عامل های مختلف ایجاد شده اند که تلاش می کنند تا “unix-like” یا “unix-compatible” باشند، اما لینوکس موفقترین بوده است، که بیشتر از پیشگامانش محبوبیت بدست آورده است.

 

چه کسی از لینوکس استفاده می کند؟

 

شما احتمالا قبلا آگاهانه یا نااگاهانه از لینوکس استفاده کرده اید. با توجه به نظر سنجی کاربر که در آن نگاه می کنید، بین یک تا دو سوم صفحات وب در اینترنت توسط سرور هایی که لینوکس را اجرا می کنند تولید می شوند.

شرکت ها و افراد لینوکس را برای سرورهای خود انتخاب می کنند زیرا امن است و شما می توانید از یک جامعه بزرگ از کاربران، علاوه بر شرکت هایی مانند Canonical، SUSE و Red Hat که پشتیبانی تجاری را پشتیبانی می کنند، پشتیبانی خوبی دریافت می کنید.

بسیاری از دستگاههایی که احتمالا شما دارید مانند تلفنهای اندرویدی، دستگاههای ذخیره سازی دیجیتال، ضبط ویدیو شخصی، دوربین، پوشیدنی و غیره نیز لینوکس را اجرا می کنید. حتی ماشین شما لینوکس را تحت هود قرار می دهد.

لینوکس
لینوکس

 

چه کسی “صاحب” لینوکس است؟

 

به موجب مجوز منبع باز آن، لینوکس به صورت رایگان برای هر کسی در دسترس است، با این حال، علامت تجاری به نام “لینوکس” با خالق آن، لینوس توروالدز پایبند است.

کد اصلی برای لینوکس توسط بسیاری از نویسندگان مختلف تحت مجوز کپی رایت است و تحت مجوز GPLv2 مجوز دارد.

 

لینوکس چگونه ایجاد شد؟

 

لینوکس در سال 1991 توسط لینوس توروالدز، دانشجوی پس از دانشگاه در دانشگاه هلسینکی تاسیس شد، Torvalds لینوکس را به عنوان یک جایگزین رایگان و متن باز برای Minix، یک کلون یونیکس دیگر که عمدتا در تنظیمات دانشگاهی استفاده می شود، ساخته است.

او در اصل قصد داشت نام آن را “Freax”، اما مدیر سرور Torvalds استفاده می شود برای توزیع کد اصلی به نام پوشه خود را “لینوکس” پس از ترکیبی از نام Torvalds و کلمه یونیکس، و نام گرفت.

 

چگونه می توانم به لینوکس کمک کنم؟

 

بیشتر هسته لینوکس در زبان برنامه نویسی سی نوشته شده است، و کمی از اسمبلی و زبان های دیگر اضافه شده است، اگر شما علاقه مند به نوشتن کد برای هسته لینوکس هستید، یک جای خوب برای شروع درKernel Newbie FAQ است، که برخی از مفاهیم و فرآیندهای که می خواهید با آن آشنا شوید را توضیح می دهد .

اما جامعه لینوکس خیلی بیشتر از هسته است و به کمک بسیاری از افراد دیگر علاوه بر برنامه نویسان نیاز دارد.

 

لینوکس
لینوکس

 

هر توزیع حاوی صدها یا هزاران برنامه است که می تواند با آن توزیع شود، و هر یک از این برنامه ها، و همچنین خود توزیع، نیاز به انواع مختلفی از افراد و مجموعه های مهارت دارد تا آنها را موفق کند، از جمله ی آن ها :

  • آزمایشکنندگان برای اطمینان از اینکه همه چیز در تنظیمات سخت افزاری و نرم افزاری مختلف کار می کند و گزارش های مربوط به اشکالات را نشان می دهد
  • طراحان برای ایجاد رابط کاربری و گرافیک توزیع شده با برنامه های مختلف
  • نویسندگان که می توانند مستندات، چگونگی نوشتن و دیگر متن های مهم را با نرم افزار توزیع کنند
  • مترجمان برنامه ها و اسناد را از زبان مادری خود دریافت می کنند و برای افراد در سراسر جهان قابل دسترسی هستند
  • Packager ها برای گرفتن برنامه های نرم افزاری و قرار دادن تمام قطعات با یکدیگر برای اطمینان از کارکردن بدون وقفه در نسخه های مختلف
  • مبلغانی برای انتشار کلمه در مورد لینوکس و منبع باز به طور کلی
  • و البته توسعه دهندگان برای نوشتن نرم افزار خود

 

چگونه می توانم شروع به استفاده از لینوکس کنم؟

 

احمالش وجود دارد که شما از لینوکس استفاده می کنید و نمی دانید ! اما اگر می خواهید لینوکس را روی کامپیوتر خانگی خود نصب کنید، ساده ترین راه انتخاب یک توزیع محبوب است که برای پلتفرم شما طراحی شده است ( به عنوان مثال، لپ تاپ یا رایانه لوحی) و به آن ضربه بزنید.

اگرچه توزیع های متعدد وجود دارد، اکثر توزیع های قدیمی تر، شناخته شده انتخاب خوبی برای مبتدیان است، زیرا آنها دارای جوامع بزرگ کاربرانی هستند که می توانند در پاسخگویی به سوالات کمک کنند، اگر گیر کرده اید یا نمی توانید چیزها را شکل دهید.

توزیعهای محبوب شامل Debian، Fedora، Mint و اوبونتو هستند، اما بسیاری دیگر نیز وجود دارند.

 

از کجا می توانم درباره لینوکس بیشتر بدانم؟

 

Opensource.com دارای یک آرشیو بزرگ از مقالات مربوط به لینوکس است.

 

بیشتر بخوانید »»» کندی سرعت دانلود لینوکس رفع مشکل با axel

 


Source


سایر مقالات ارزشمند این سایت:

مهم ترین مزایا و خطرات هوش مصنوعی

AI چیست؟

هوش مصنوعی (AI) از شرکت SIRI به ماشین های خود رانندگی به سرعت در حال پیشرفت است. در حالی که علم تخیلی اغلب AI را به عنوان روبات هایی با ویژگی های انسان مانند نشان می دهد، AI می تواند از الگوریتم های جستجوی گوگل به Watson IBM به سلاح های خودمختار برسد.

هوش مصنوعی امروز به درستی شناخته شده است به عنوان AI ضعیف (یا ضعیف AI) ، در آن طراحی شده است برای انجام یک کار باریک (به عنوان مثال تنها تشخیص صورت و یا فقط جستجوهای اینترنتی و یا فقط رانندگی یک ماشین).

با این حال، هدف بلند مدت بسیاری از محققان ایجاد  AI عمومی (AGI یا AI قوی) است . در حالی که AI باریک ممکن است در هر کار خاصی مانند انسان بازی در شطرنج یا معادلات حل شود، انسان AGI در تقریبا هر وظیفه شناختی بهتر عمل می کند.

بیشتر بخوانید »»» معرفی شش صنعت که کمک بسیار زیادی از هوش مصنوعی میگیرند!!!

 

چرا ایمنی AI تحقیق می شود؟

 

در کوتاه مدت، هدف حفظ تاثیر AI بر سودآوری جامعه، تحقیق را در بسیاری از زمینه ها، از اقتصاد و قانون به موضوعات فنی مانند اعتبار، اعتبار، امنیت و کنترل انگیزه می دهد. در صورتی که اگر لپ تاپ شما سقوط کرد یا هک شد، ممکن است کمی بیشتر از یک مزاحمت جزئی باشد، مهم تر آن است که یک سیستم هوش مصنوعی کاری را که می خواهید انجام دهید، انجام دهید، اگر آن را کنترل ماشین، هواپیما، ضربان ساز خود، تجارت خودکار خود سیستم یا شبکه برق شما.

یکی دیگر از چالش های کوتاه مدت این است که جلوگیری از مسابقه تسخیر تسلیحات در سلاح های اتمسفر مرگبار . در دراز مدت یک سوال مهمی است که اگر تلاش برای AI قوی موفق شود و سیستم AI بهتر از همه انسانها در همه وظایف شناختی باشد، اتفاق می افتد.

همانطور که توسط IJ Good در سال 1965 اشاره شد، طراحی دقیق سیستم های هوش مصنوعی به خودی خود یک کار شناختی است. چنین سیستمی می تواند به طور بالقوه خود بهبودی بازگشتی را به وجود آورد، که موجب انفجار اطلاعاتی می شود که اخلاق انسانی را به عقب رهنمون می شود.

هوش مصنوعی
هوش مصنوعی

 

با اختراع فن آوری های جدید انقلابی، چنین سوپر هوش ممکن است به ما برای  ریشه کن کردن جنگ، بیماری و فقر کمک کند، بنابراین ایجاد AI قوی ممکن است بزرگترین رویداد در تاریخ بشر باشد.

بعضی از کارشناسان نگرانی را ابراز کرده اند، که ممکن است آخرین بار باشد، مگر اینکه یاد بگیریم که اهداف AI را با خودمان هماهنگ کنیم تا قبل از آن، هوشمندانه شود. بعضی از افراد می پرسند که آیا AI قوی تا چه حد به دست می آید و دیگران که اصرار دارند که ایجاد AI هوشمند هوشمندانه مفید باشد.

در FLI ما هر دو از این امکانات را می شناسیم، اما همچنین پتانسیل سیستم هوش مصنوعی را به طور عمدی یا غیرمستقیم آسیب بزرگی می شناسیم. ما بر این باوریم که امروزه تحقیقات ما به ما در پیشگیری از چنین عواقب بالقوه منفی در آینده کمک خواهد کرد و لذا از مزایای AI در حین اجتناب از مشکلات، بهره مند خواهیم شد.

 

چگونه AI خطرناک است؟

 

اکثر محققان بر این باورند که یک AI سوپر هوشمند بعید است که احساسات انسانی مانند عشق و نفرت را به نمایش بگذارد و هیچ دلیلی وجود ندارد که AI عملا خیرخواهانه یا بدخواه باشد. در عوض، با توجه به اینکه چگونه هوش مصنوعی ممکن است به یک خطر تبدیل شود، کارشناسان به احتمال زیاد دو سناریو را تصور می کنند:

  1. AI برنامه ریزی شده برای انجام کاری ویرانگر است:  سلاح های مستقل، سیستم های هوش مصنوعی هستند که برای کشتن برنامه ریزی شده اند. در دستان افراد ناشایست، این سلاح ها به راحتی می توانند باعث تلفات جمعی شوند. علاوه بر این، یک مسابقه تسلیحاتی AI به طور ناگهانی منجر به جنگ AI می شود که باعث تلفات جمعی می شود. برای جلوگیری از نابودی دشمن، این سلاح ها به سادگی “خاموش کردن” بسیار دشوار خواهد بود، بنابراین انسان ها احتمالا کنترل این وضعیت را از دست می دهند.این خطر یکی از آنهایی است که حتی با AI باریک نیز موجود است، اما به عنوان سطح هوش هوش مصنوعی و افزایش استقلال رشد می کند.
  2. AI برنامه ریزی شده برای انجام کاری مفید است، اما یک روش مخرب برای دستیابی به هدف خود را ایجاد می کند:  این می تواند هر زمانی که ما نتوانیم اهداف AI را با خودمان هماهنگ کنیم، که به طور قابل توجهی دشوار است. اگر از ماشین هوشمند مطیع بخواهید تا به سرعت به فرودگاه برسد، ممکن است شما را با هلیکوپتر تحت تعقیب قرار می دهد و در معرض استفراغ قرار می گیرد، انجام آنچه که شما می خواست، بلکه به معنای واقعی کلمه آنچه که شما درخواست کردید.
هوش مصنوعی
هوش مصنوعی

اگر یک سیستم فوق هوشمند با یک پروژه ژئودینامیک بلندپرواز مشغول به کار باشد، ممکن است با اکوسیستم ما یک عارضه جانبی را از بین ببرد و تلاش های انسانی را متوقف کند تا آن را به عنوان تهدیدی برای متوقف سازد. همانطور که این مثال ها نشان می دهند، نگرانی در مورد پیشرفته AI، خشونت نیست بلکه صلاحیت است.

یک هوش مصنوعی فوق هوشمند در دستیابی به اهداف خود بسیار خوب عمل می کند و اگر این اهداف با ما هماهنگ نباشد، ما یک مشکل داریم.

شما احتمالا یک مورچه خائن نیستید که روی مورچه ها از بدبختی پیروی می کند، اما اگر شما مسئولیت پروژه انرژی سبز انرژی هیدرولیک را داشته باشید، در این منطقه یک مگس در آب وجود دارد که برای مورچه ها خیلی بد است. هدف اصلی تحقیقات ایمنی AI این است که هرگز بشریت را در موقعیت آن مورچه قرار ندهیم.

 

علت علاقه اخیر به ایمنی AI 

 

استفن هاوکینگ، الون ماسک، استیو ووزنیاک، بیل گیتس و بسیاری از نامهای بزرگ دیگر در زمینه علم و فناوری اخیرا نگرانی در رسانه ها و نامه های باز در مورد خطرات ناشی از AI ، که توسط بسیاری از محققان برجسته AI پیوسته اند، ابراز نگرانی کرده اند .

چرا موضوع به طور ناگهانی در سرفصل ها قرار دارد؟ این ایده که تلاش برای AI قوی در نهایت موفق بود، به عنوان علمی تخیلی، قرن ها یا بیشتر دور از تصور است. با این حال، به لطف پیشرفت های اخیر، بسیاری از نقاط قوت AI، که کارشناسان تنها پنج سال پیش از آن چندین دهه به آن توجه کرده اند، در حال حاضر به دست آمده است، و بسیاری از کارشناسان به طور جدی به امکان سوق دادن اطلاعات در طول عمر خود می پردازند.

در حالی که بعضی از کارشناسان هنوز حدس می زنند که هوش مصنوعی انسان در طول قرن ها دورتر است، اکثر تحقیقات AI در کنفرانس پورتوریکو 2015 تصور می شود که این اتفاق پیش از سال 2060 اتفاق خواهد افتاد.

هوش مصنوعی
هوش مصنوعی

 

از آنجا که ممکن است چندین دهه طول بکشد تا تحقیقات ایمنی لازم را انجام دهد، . از آنجا که AI توانایی تبدیل شدن به هوشمندانه تر از هر انسان دارد، ما هیچ راهی مطمئن برای پیش بینی رفتار آن نداریم. ما نمیتوانیم از یک پیشرفت تکنولوژیکی گذشته استفاده کنیم چرا که هرگز چیزی را ندیده ایم که توانایی آگاهانه یا ناخواسته ما را از بین ببرد.

بهترین نمونه از آنچه ما می توانیم روبرو شویم، تکامل ماست. مردم اکنون سیاره را کنترل می کنند، نه به این خاطر که ما قوی ترین، سریع ترین یا بزرگترین ها هستیم، اما چون ما باهوش ترین ها هستیم. اگر ما دیگر هوشمندانه نیستیم، آیا اطمینان داریم که در کنترل باقی بمانیم؟ موضع FLI این است که تمدن ما تا زمانی که مسابقه بین نیروی در حال رشد فن آوری و حکمت که ما آن را مدیریت می کنیم، شکوفا می شود.

در مورد فناوری AI، موضع FLI این است که بهترین راه برای برنده شدن در مسابقه این است که مانع از دستیابی به آن شود، بلکه با ترویج دومی با حمایت از تحقیقات ایمنی AI.

 

 

افسانه ها درباره ی AI پیشرفته

 

مکالمه فریبنده در مورد آینده هوش مصنوعی و آنچه که برای بشریت اهمیت دارد / باید باشد.

اختلافات جالب توجه وجود دارد که کارشناسان برجسته جهان در این زمینه مخالف هستند، مانند: تاثیر آتی AI در بازار کار؛ اگر / هنگامی که AI در سطح انسان توسعه یابد؛ آیا این امر منجر به انفجار اطلاعاتی خواهد شد؟ و این که آیا این چیزی است که ما باید از آن خوشحال باشیم یا از آن بترسیم.

اما نمونه های بسیاری از شبه اختلافات خسته کننده ای که از سوءتفاهم ها و صحبت کردن از یکدیگر پیش می آید وجود دارد. برای کمک به خودمان در مورد جنجال های جالب و سوالات باز – و نه در مورد سوء تفاهم ها – اجازه دهید برخی از اسطوره های رایج را روشن کنیم.

 

افسانه های گاهشمار

 

اسطوره اول جدول زمان بندی را در نظر می گیرد: چه زمانی طول می کشد تا زمانی که ماشین ها به طور هوشمندانه در سطح انسان جایگزین شوند؟ تصور غلط رایج این است که ما با قطعنامه می دانیم که پاسخ یکی از اسطوره های محبوب این است که می دانیم که قرن بیست و یکم AI فوق العاده انسان را می گیریم.

در واقع، تاریخ پر از فن آوری بیش از حد hyping است. کجا هستیم این نیروگاه های همجوشی و اتومبیل های پروازی بود که ما تا به حال وعده داده بودیم؟ AI نیز در گذشته، حتی برخی از بنیانگذاران این حوزه، بارها و بارها درگیر شده است.

به عنوان مثال، جان مک کارتی (که اصطلاح “هوش مصنوعی” را تعریف کرد)، ماروین مینسکی، ناتانیل روچستر و کلود شانون این پیش بینی بسیار خوش بینانه را درباره چگونگی انجام این کار در دو ماه با کامپیوترهای سنگی نوشتند:  “ما پیشنهاد می کنیم که 2 ماه ، 10 دانش آموخته هوش مصنوعی در تابستان 1956 در کالج دارتموث […] تلاش برای پیدا کردن چگونگی استفاده از ماشین ها از زبان، شکل گیری انتزاع ها و مفاهیم، ​​حل انواع مشکالت در حال حاضر برای انسان ها و بهبود خود انجام خواهد شد.

هوش مصنوعی
هوش مصنوعی

 

ما فکر می کنیم که اگر یک گروه با دقت انتخاب شده از دانشمندان برای یک تابستان با هم کار کنند، پیشرفت قابل توجهی در یک یا چند این مشکلات ممکن خواهد بود. ” از سوی دیگر، یک ضد افسانه رایج این است که ما می دانیم که این قرن، AI فوق العاده انسان نمی شود.

محققان طیف گسترده ای از تخمین ها را برای اینکه چقدر از AI فوق انسانی هستند، ساخته اند، اما ما مطمئنا نمی توانیم با اعتماد به نفس کامل بگوییم که احتمال این صفر در قرن حاضر صفر است، با توجه به نتایج پیش پا افتاده چنین پیش بینی هایی از نظر تکنوکروی.

به عنوان مثال، ارنست رادرفورد، مسلما بزرگترین فیزیکدان هسته ای زمان خود، در سال 1933، کمتر از 24 ساعت قبل از اختراع واکنش زنجیرۀ هسته ای Szilard، گفت: انرژی هسته ای «موشن» است. ریشر ووللی، ستاره شناسی سلطنتی، گفت: سفر بین پلاتینی «مطلق بیگ “در سال 1956 است.

شکل افراطی این افسانه این است که AI فوق العاده انسان هرگز وارد نخواهد شد، زیرا از لحاظ جسمی غیرممکن است.

با این حال، تعدادی از نظرسنجی هایی که از محققان AI می پرسند چند سال است که فکر می کنند، AI سطح انسانی حداقل با 50٪ احتمال دارد. همه این نظرسنجی ها نتیجه مشابهی دارند: کارشناسان پیشرو در جهان اختلاف نظر دارند، بنابراین ما به سادگی نمی دانیم.

به عنوان مثال، در چنین نظرسنجی از محققان AI در کنفرانس AI پورتوریکو 2015 ، پاسخ متوسط ​​(متوسط) تا سال 2045 بود، اما برخی محققان صدها سال یا بیشتر را حدس زدند. اسطوره ای هم وجود دارد که افرادی که در مورد AI نگران هستند، فکر می کنند تنها چند سال از آن دور هستند. در حقیقت، اکثر مردم در مورد ضبط نگرانی در مورد AI فوق العاده انسان حدس می زنند این هنوز هم حداقل دهه دور است.

اما آنها استدلال می کنند که تا زمانی که ما 100٪ مطمئن نیستیم که این قرن در این قرن رخ ندهد، برای شروع تحقیقات ایمنی در حال آماده سازی برای این واقعیت است. بسیاری از مشکلات امنیتی مرتبط با AI در سطح انسان بسیار دشوار است که ممکن است چندین دهه حل شوند.

بنابراین محتاطانه شروع به تحقیق در حال حاضر آنها را به جای شب قبل از برخی از برنامه نویسان نوشیدن ردبول تصمیم به تغییر یکی درشوند .

 

شایعات جنجالی

 

یکی دیگر از تصورات غلط رایج این است که تنها افرادی که نگرانی در مورد AI دارند و حمایت از تحقیقات ایمنی AI را دارند، افرادی هستند که در مورد AI زیاد بدانند. هنگامی که استوارت راسل، نویسنده کتاب استاندارد AI ، در طی سخنرانی خود در پورتوریکو سخنرانی کرد ، مخاطب با صدای بلند خندید.

هوش مصنوعی
هوش مصنوعی

یک تصور غلط مرتبط این است که حمایت از تحقیقات ایمنی AI بسیار بحث انگیز است. در حقیقت، برای حمایت از سرمایه گذاری مدرن در پژوهش ایمنی AI، مردم لازم نیست که متقاعد شوند که خطرات بالا هستند، صرفا غیر قابل ملاحظه نیست – فقط به عنوان یک سرمایه گذاری مدرن در بیمه خانه با یک احتمال غیر قابل انکار از خانه موجه است به آتش کشیدن.

ممکن است که رسانه ها مصاحبه امنیتی ایمنی AI را به نظر برساند، بحث برانگیزتر از آن چیزی است که واقعا وجود دارد. بالاخره ژانر ترس پر فروش است و مقالاتی که از نقل قول خارج از چارچوب برای اعلام قصور قریب الوقوع استفاده می کنند، می توانند کلیک های بیشتری را نسبت به محدوده های ظریف و متعادل ایجاد کنند.

 

مشاجرات جالب

 

صرف زمان زیادی در مورد تصورات غلطی که در بالا ذکر شد، به ما امکان می دهد تا در مورد اختلافات واقعی و جالب که حتی متخصصان مخالف آن هستند تمرکز کنیم.

چه نوع آینده ای را می خواهید؟ آیا باید سلاحهای اتمی خود را کشف کنیم؟ شما با اتوماسیون کار چه می کنید؟ چه توصیه شغلی به بچه های امروز می دهید؟ آیا شغل های جدید را ترجیح می دهید که جایگزین آن های قدیمی و یا یک جامعه بی بضاعت باشید که هرکدام از اوقات زندگی و اوقات فراغت و ثروت تولید شده را به دست می آورند؟

بیشتر از جاده، آیا می خواهی ما را برای ایجاد زندگی فوق العاده هوشمند و گسترش آن از طریق کیهان ما؟

ما ماشین های هوشمند را کنترل می کنیم یا ما را کنترل می کنند؟ ماشین آلات هوشمند ما را جایگزین، همکاری با ما و یا ادغام با ما می کنند؟ منظور این است که انسان در عصر هوش مصنوعی انسان باشد؟ به چه معناست که آن را دوست دارید؟ و چگونه می توانیم آینده را در این راه بسازیم؟ لطفا به گفتگو بپیوندید

بیشر بخوانید »»» کامپیوتر ها به زودی انسان را در استدلال شکست خواهند داد

Source


 

سایر مقالات مفید این سایت:

بهترین سبک های طراحی منوهای ناوبری ثابت در طراحی وب در 2018

طراحی یک ناوبری در طراحی وب برنامه ریزی دقیقی را دنبال می کند. شما باید در مورد آنچه کاربران ممکن است به دنبال آن بپردازید و آنچه که از نوع nav در طرح شما مناسب تر باشد فکر کنید.

بعضی از طراحان ترجیح می دهند نوارهای ناوبری کوچکتری داشته باشند در حالی که برخی دیگر مانند طرح های بزرگ مگا منو هستند . اما یکی از ویژگی های من که در طراحی وب دیده می شود، پیمایش پیمایش ثابت است.

این می تواند برای تمام اندازه ها، تمام سبک ها کار کند و این انتخاب بسیار رایج طراحی است. اگر بخواهید یک ناوبری ثابت را به سایت خود اضافه کنید، به دنبال این روند برای دریافت ایده های مفیدی می باشید.

بیشتر بخوانید »»» طراحی وب سایت حرفه ای در تبریز

 

نوابار تغییر اندازه خودکار

 

این قطعا یک عنصر اصلی برای طراحان مدرن است، به خصوص اگر در یک سایت با یک منوی ناوبری بزرگ کار می کنید.

با یک نوار ناوبری خودکار می توانید اطمینان حاصل کنید که منوی شما فضای زیادی را از دست نخواهد داد. این نگرانی بزرگی برای Navs ثابت است؛ زیرا آنها همیشه در معرض نمایش روی صفحه قرار می گیرند. و این دو برابر برای  منوهای تلفن همراه است  که فضای صفحه نمایش مقدس است.

این مقدار زیاد نیست اما شما می توانید بگویید که در هنگام پیمایش اختلاف وجود دارد این نوع چیزی است که من در منوهای ناوبری بسیار بزرگ می بینم.

من همچنین می خواهم پرس و جو رسانه های سفارشی را ببینم   که نوار کناری را تغییر می دهد در حالی که در صفحه های کوچکتر این یک ضرورت نیست اما مطمئنا تجربه کاربر را بهبود می بخشد.

طراحی وب
طراحی وب

 

نگاهی به وب سایت گروه رسانه Fandango نگاهی بیندازید.

این مقدار زیاد نیست اما شما می توانید بگویید که در هنگام پیمایش اختلاف وجود دارد. این نوع چیزی است که من در منوهای ناوبری بسیار بزرگ می بینم.

من همچنین می خواهم پرس و جو رسانه های سفارشی را ببینم که نوار کناری را تغییر می دهد در حالی که در صفحه های کوچکتر. این یک ضرورت نیست اما مطمئنا تجربه کاربر را بهبود می بخشد.

 

مخاطبان خود را با وب سایت های متحرک و ارائه های وب تحت تاثیر قرار دهید

 

با اسلایدها ، شما را از یک صفحه خالی شروع نمی کنید. همه چیزهایی که باید انجام دهید این است که عناصری را که دوست دارید بهترین انتخاب کنید و آنها را ترکیب کنید.

هر اسلاید با دقت ساخته شده برای برآورده شدن سه معیار اصلی: زیبایی شناسی، عملکرد و قابلیت استفاده. به این ترتیب شما می دانید هر عنصر با هم یکپارچه با افزایش تاثیر محتوای شما کار می کند.

در حال حاضر شما می توانید انتخاب کنید فقط تغییر اندازه لینک ها و یا اصلاح لوگو. شما این را در   وب سایت آرایشگران Tweed را ببینید .

هنگامی که از سربرگ حرکت میکنید متوجه خواهید شد که آرم اتوماتیک کمی کوچکتر تغییر میکند. این بسیار عادی برای لوگوهای پرطرفدار است و باعث می شود که ناوبری در صفحه های کوچک بسیار دوستانه تر باشد.

طراحی وب
طراحی وب

 

ثابت عمودی Navs

 

همه ما در مورد منوهای ناوبری ثابت افقی می دانیم. اینها، به طور پیشفرض، رایج ترین ناوهای موجود در وب توسط شات های طولانی هستند.

اما شما می توانید ناوبری عمودی نیز کار کنید، اگر شما می دانید که چگونه آن را به درستی طراحی کنید. اکثر اینها نیاز به یک سبک ناز چسبنده دارند تا لینک ها از هر نقطه از سایت قابل دسترسی باشند.

نمونه کارها از  Jorge Rigabert  یک مثال خوب از نوک عمودی طولانی ارائه می دهد. در داخل شما لینک ها را در سراسر طرف مقابل از جمله پروفایل های رسانه های اجتماعی و یک آرم زیبا خواهید یافت. هنگامی که شما یک طرح مانند این شما لازم نیست نگرانی در مورد تغییر اندازه در هنگام پیمایش پایین.

در عوض، شما باید مطمئن شوید که نوک عمودی می تواند به درستی در تلفن همراه تنظیم مجدد شود. این یک کار کامل به خودی خود است، اما زمانی که درست انجام شود، می تواند به نظر بی معنی باشد.

طراحی وب
طراحی وب

 

مثال خوبی دیگر نمونه کارها  مایکل نگو است .

این یکی کمی ساده تر است و از آیکون های سفارشی برای بهبود سبک ناوبری استفاده می کند. این یک رویکرد بسیار  مینیمالیستی  برای طراحی است که من فکر می کنم در بیشتر پرتفوی ها مناسب است.

اما شما همچنین می توانید یک تکنیک کمی کسب کنید و چیزی شبیه  Roman Kirichik انجام دهید .

این نوت بر روی یک صفحه نمایش نیمی از صفحه نمایش در هدر قرار می گیرد اما هنگامی که شما پایین حرکت می کنید بی سر و صدا خود را به نوار جانبی کوچکتر انتقال می دهد.

به طور طبیعی، هنگامی که شما اسکرول کنید، پیوندها به جای آنها باقی می مانند، به طوری که دسترسی به آنها راحت است.

اما اگر ما از پرتفوی ها دور می شویم و نگاهی به  طرح رستوران های نمونه  می بینیم، خواهید دید که ناوهای ثابت عمودی می توانند در تقریبا هر سناریو کار کنند.

هدف این است که مطمئن شوید تمام پیوندهای ناوبری آسان برای استفاده، قابل مشاهده است و فضای بسیار زیادی را در بر نمی گیرند.

اگر شما می توانید این کار را انجام دهید، می توانید یک کار عمودی در هر وب سایت انجام دهید.

 

عمق را با سایه های قطره اضافه کنید

 

اگر اغلب وب را مرور میکنید، مطمئنا اثرات سایه را مشاهده خواهید کرد. بسیاری از طراحان مایل به دنبال کردن روند صاف  سایه های طولانی هستند،  اما من سایه های CSS3 زیرکتر را ترجیح می دهم تا عمق را به یک صفحه اضافه کنم.

طراحی وب
طراحی وب

 

دانه و ملات  سایت با استفاده از یک سایه ساده در حال سقوط کردن منو ثابت است.

این صفحه را مستقیما پر نمیکند، اما اشاره ای ظریف به لایه بندی دارد. این باعث می شود که نو ظاهر می شود “در بالای” محتوا، که بصری حس می کند، زیرا آن را بر همه چیز پیمایش می کند. در اینجا یک نمونه خوب دیگر از  کارما  با اثر سایه ای بسیار قابل مشاهده است.

سبک سایه ای کامل وجود ندارد و شما در هر ناوبری ثابت نیز نیازی به این ندارید.

من فقط این را دوست دارم زیرا عمق را روشن می کند و به بازدید کننده می دهد که نوار نوار در بالای صفحه ثابت است. اگر دوست دارید آن را از آن استفاده کنید، در غیر این صورت، آن را امتحان کنید.

 

انیمیشن پیمایش در Navbars

 

انیمیشن وب سفارشی یک مفهوم پیچیده برای توسعه دهندگان 10 سال پیش بود. در حال حاضر آن را به آسانی به عنوان  نوشتن برخی از جی کوئری  و یا اضافه کردن برخی از پلاگین ها.

این باعث می شود که حتی طرح بندی ها با کمی microinteractions و انیمیشن های کوچکتر  که به رفتارهای کوچک اما قابل توجه واکنش نشان می دهند، ساده تر شوند  .

به عنوان مثال به  Search Engine Journal بروید  که آرم خود را در بالای هر صفحه مقاله ثابت نگه دارد. اگر شما از صفحه اصلی بازدید کرده و به پایین صفحه بروید، لوگوی متحرک را به نظر در سربرگ متوجه خواهید شد.

این نوار نگه دارنده نوار تمیز را در بالای صفحه نگه می دارد و فضای آرم را برای توجه بیشتر فراهم می کند. یک گزینه کمی متفاوت این است که فایله ثابت را در نظر بگیرد پس از آنکه کاربر کافی به اندازه کافی حرکت کند. شما می توانید این را در  99U  با ناوبری بالای خود ببینید.

طراحی وب
طراحی وب

 

تا زمانی که کاربر احساس امنیت در هر چیزی را در صفحه نداشته باشد، نباید بیش از حد روی انیمیشن ها غلبه کنید.

همه نوع انیمیشن های کوچکی وجود دارد که شما می توانید از محو شدن به نظر یا کشیدن به صفحه مانند  وب سایت Coloud انجام دهید .

اما اگر می خواهید جیپ خود را ثابت کنید، سعی کنید با اضافه کردن برخی از اثرات انیمیشن سفارشی. آنها کاملا یک نمایش خیره کننده را ترک خواهند کرد و به احتمال زیاد باعث تشویق بیشتر کاربران خواهد شد.

 

نتیجه گیری

 

من سعی میکنم چشمهایم را روی وب نگه دارم و برای هرگونه روند طراحی جدید مراقب باشم. روند هدایت در سال های اخیر تغییر زیادی کرده است و احساس می کنم که ناوهای ثابت در اینجا برای ماندن هستند.

امیدوارم این روند بتواند به شما در طراحی برنامه های خنک نویسان کمک کند تا این لینک ها را ثابت و راحت در هر صفحه در دسترس قرار دهند.

بیشتر بخوانید »»» چرا طراحی وب سایت شما مهم است

 


Source

 

سایر مقالات مفید این سایت:

 

بهترین نکات یادگیری ماشین

یادگیری ماشین

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آن‌ها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند.

شما احتمالاً چندین بار در روز از یادگیری ماشین استفاده می‌کنید، حتی بدون آنکه بدانید. هر بار که شما یک جستجوی اینترنتی در گوگل یا بینگ انجام می‌دهید، یادگیری ماشینی انجام می‌شود چراکه نرم‌افزار یادگیری ماشینی آن‌ها چگونگی رتبه‌بندی صفحات وب را درک کرده‌ است.

شما را می‌شناسد، این نیز یادگیری ماشین است. هر بار که ایمیل خود را چک می‌کنید و فیلتر هرزنامه شما را از داشتن مجدد هزاران هرزنامه خلاص می‌کند نیز به همین دلیل است که کامپیوتر شما آموخته‌است که هرزنامه‌ها را از ایمیل غیراِسپم تشخیص دهد.

این همان یادگیری ماشین است. این علمی است که باعث می‌شود کامپیوترها بدون نیاز به یک برنامه صریح در مورد یک موضوع خاص یاد بگیرند.

 

اهداف و انگیزه ها

 

هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد.

طیف پژوهش‌هایی که در یادگیری ماشینی می‌شود گسترده‌است. در سوی نظری آن پژوهش‌گران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌ هایشان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسایل تازه‌ای اعمال کنند.

البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مولفه‌هایی از هر دو روی‌کرد هستند.

یادگیری ماشین کمک فراوانی به صرفه جویی در هزینه‌های عملیاتی و بهبود سرعت عمل تجزیه و تحلیل داده‌ها می‌کند.

به عنوان مثال در صنعت نفت و پتروشیمی با استفاده از یادگیری ماشین، داده‌های عملیاتی تمام حفاری‌ها اندازه‌گیری شده و با تجزیه و تحلیل داده‌ها، الگوریتم‌هایی تنظیم می‌شود که در حفاری‌های بعدی بیشترین نتیجه و استخراج بهینه‌ای را داشته باشیم.

یادگیری ماشین
یادگیری ماشین

 

تقسیم‌بندی مسایل

 

یکی از تقسیم‌بندی‌های متداول در یادگیری ماشینی، تقسیم‌بندی بر اساس نوع داده‌های در اختیار عامل هوش‌مند است. به سناریوی زیر توجه کنید:

فرض کنید به تازگی رباتی سگ‌نما خریده‌اید که می‌تواند توسط دوربینی دنیای خارج را مشاهده کند، به کمک میکروفن‌هایش صداها را بشنود، با بلندگوهایی با شما سخن بگوید (گیریم محدود) و چهارپایش را حرکت دهد.

هم‌چنین در جعبهٔ این ربات دستگاه کنترل از راه دوری وجود دارد که می‌توانید انواع مختلف دستورها را به ربات بدهید. در پاراگراف‌های آینده با بعضی از نمونه‌های این دستورها آشنا خواهید شد.

اولین کاری که می‌خواهید بکنید این است که اگر ربات شما را دید خرناسه بکشد اما اگر غریبه‌ای را مشاهده کرد با صدای بلند عوعو کند. فعلاً فرض می‌کنیم که ربات توانایی تولید آن صداها را دارد اما هنوز چهرهٔ شما را یادنگرفته‌است. پس کاری که می‌کنید این است که جلوی چشم‌های‌اش قرار می‌گیرید و به کمک کنترل از راه دورتان به او دستور می‌دهید که چهره‌ای که جلوی‌اش می‌بیند را با خرناسه‌کشیدن مربوط کند.

این‌کار را برای چند زاویهٔ مختلف از صورت‌تان انجام می‌دهید تا مطمئن باشید که ربات در صورتی که شما را از مثلاً نیم‌رخ ببیند بهتان عوعو نکند.

هم‌چنین شما چند چهرهٔ غریبه نیز به او نشان می‌دهید و چهرهٔ غریبه را با دستور عوعوکردن مشخص می‌کنید. در این حالت شما به کامپیوتر ربات گفته‌اید که چه ورودی را به چه خروجی مربوط کند. دقت کنید که هم ورودی و هم خروجی مشخص است و در اصطلاح خروجی برچسب‌دار است. به این شیوهٔ یادگیری، یادگیری با نظارت می‌گویند.

 

یادگیری ماشین
یادگیری ماشین
بیشتر بخوانید »»» الگوریتم Rank Brain

اینک حالت دیگری را فرض کنید. برخلاف دفعهٔ پیشین که به ربات‌تان می‌گفتید چه محرکه‌ای را به چه خروجی ربط دهد، این‌بار می‌خواهید ربات خودش چنین چیزی را یاد بگیرد.

به این صورت که اگر شما را دید و خرناسه کشید به نحوی به او پاداش دهید (مثلاً به کمک همان کنترل از راه دورتان) و اگر به اشتباه به شما عوعو کرد، او را تنبیه کنید (باز هم با همان کنترل از راه دورتان).

در این حالت به ربات نمی‌گویید به ازای هر شرایطی چه کاری مناسب است، بلکه اجازه می‌دهید ربات خود کاوش کند و تنها شما نتیجهٔ نهایی را تشویق یا تنبیه می‌کنید. به این شیوهٔ یادگیری، یادگیری تقویتی می‌گویند.

در دو حالت پیش قرار بود ربات ورودی را به خروجی مرتبط کند. اما گاهی وقت‌ها تنها می‌خواهیم ربات بتواند تشخیص دهد که آنچه می‌بیند (یا می‌شنود و…) را به نوعی به آنچه پیش‌تر دیده‌ است ربط دهد بدون این‌که به‌ طور مشخص بداند آن‌چیزی که دیده شده‌ است چه چیزی است یا این‌ که چه کاری در موقع دیدنش باید انجام دهد.

ربات هوش‌مند شما باید بتواند بین صندلی و انسان تفاوت قایل شود بی‌آنکه به او بگوییم این نمونه‌ها صندلی‌اند و آن نمونه‌های دیگر انسان. در این‌جا برخلاف یادگیری با نظارت هدف ارتباط ورودی و خروجی نیست، بلکه تنها دسته‌بندی‌ آن‌ها است.

این نوع یادگیری که به آن یادگیری بی نظارت می‌گویند بسیار مهم است چون دنیای ربات پر از ورودی‌هایی است که کسی برچسبی به آن‌ها اختصاص نداده اما به وضوح جزئی از یک دسته هستند. یادگیری بی‌نظارت را می‌توان به صورت عمل کاهش بعد در نظر گرفت.

از آن‌جا که شما سرتان شلوغ است، در نتیجه در روز فقط می‌توانید مدت محدودی با رباتتان بازی کنید و به او چیزها را نشان دهید و نام‌شان را بگویید (برچسب‌گذاری کنید).

اما ربات در طول روز روشن است و داده‌های بسیاری را دریافت می‌کند. در این‌جا ربات می‌تواند هم به خودی خود و بدون نظارت یاد بگیرد و هم این‌که هنگامی که شما او را راه‌نمایی می‌کنید، سعی کند از آن تجارب شخصی‌اش استفاده کند و از آموزش شما بهرهٔ بیش‌تری ببرد.

ترکیبی که عامل هوش‌مند هم از داده‌های بدون برچسب و هم از داده‌های با برچسب استفاده می‌کند به یادگیری نیمه نظارتی می‌گویند.

 

یادگیری با نظارت

 

یادگیری تحت نظارت، یک روش عمومی در یادگیری ماشین است که در آن به یک سیستم، مجموعه‌ای از جفت‌های ورودی – خروجی ارائه شده و سیستم تلاش می‌کند تا تابعی از ورودی به خروجی را فرا گیرد. یادگیری تحت نظارت نیازمند تعدادی داده ورودی به منظور آموزش سیستم است.

یادگیری تحت نظارت خود به دو دسته تقسیم می‌شود: رگرسیون و طبقه‌بندی. رگرسیون آن دسته از مسائل هستند که خروجی یک عدد پیوسته یا یک سری اعدا پیوسته هستند مانند پیش‌بینی قیمت خانه بر اساس اطلاعاتی مانند مساحت، تعداد اتاق خوابها، و غیره و دسته طبقه‌بندی به آن دسته از مسائل گفته می‌شود که خروجی یک عضو از یک مجموعه باشد مانند پیش‌بینی اینکه یک ایمیل هرزنامه هست یا خیر یا پیش‌بینی نوع بیماری یک فرد از میان ۱۰ بیماری.

با این حال رده‌ای از مسائل وجود دارند که خروجی مناسب که یک سیستم یادگیری تحت نظارت نیازمند آن است، برای آن‌ها موجود نیست. این نوع از مسائل چندان قابل جوابگویی با استفاده از یادگیری تحت نظارت نیستند. یادگیری تقویتی مدلی برای مسائلی از این قبیل فراهم می‌آورد.

در یادگیری تقویتی، سیستم تلاش می‌کند تا تقابلات خود با یک محیط پویا را از طریق آزمون و خطا بهینه نماید. یادگیری تقویتی مسئله‌ای است که یک عامل که می‌بایست رفتار خود را از طریق تعاملات آزمون و خطا با یک محیط پویا فرا گیرد، با آن مواجه است.

در یادگیری تقویتی هیچ نوع زوج ورودی- خروجی ارائه نمی‌شود. به جای آن، پس از اتخاذ یک عمل، حالت بعدی و پاداش بلافصل به عامل ارائه می‌شود. هدف اولیه برنامه‌ریزی عامل‌ها با استفاده از تنبیه و تشویق است بدون آنکه ذکری از چگونگی انجام وظیفه آن‌ها شود.

یادگیری ماشین
یادگیری ماشین

 

یادگیری بی نظارت

 

یادگیری بی نظارت یا یادگیری بدون نظارت (انگلیسی: Unsupervised machine learning، در مقابل یادگیری بانظارت)، یکی از انواع یادگیری در یادگیری ماشینی است.
اگر یادگیری بر روی داده‌های بدون برچسب و برای یافتن الگوهای پنهان در این داده‌ها انجام شود، یادگیری، بدون نظارت خواهد بود. از انواع یادگیری بدون نظارت می‌توان به الگوریتمهای خوشه‌بندی (Clustering)، تخصیص پنهان دیریکله (LDA) و جاسازی لغات (Word Embedding) اشاره کرد.

 

بیشتر بخوانید »»» 7 زبان برنامه نویسی فراگیر در سال 2018

Source


 

سایر مقالات مفید این سایت: