پی سی دانلود - packt

Maven یک ابزار مدیریت و تعریف پروژه بر پایه مفهوم POM - Project Object Model است. Maven به‌معنی مخزن دانش است. Maven یک روش جامع برای مدیریت پروژه از زمان کامپایل تا انتشار تا مستندسازی تا همکاری تیمی فراهم می‌سازد، در یک جمله Maven یک چارچوب مدیریت پروژه (Project Management Framework) است. maven ابزار ساخت و مدیریت پروژه‌های جاوا که تا حدودی شبیه apachi ant ولی در ساختار کلی متفاوت است. البته می‌توان maven را در پروژه‌های c# , Ruby ,scala و زبان‌های دیگر نیز مورد استفاده قرار داد. maven قسمتی از پروژه Jakarta بود. maven با استفاده از فایل XML پروژه نرم‌افزاری در حال ساخت را توصیف می‌کند که شامل توصیف وابستگی پروژه به ماژول‌ها، کتابخانه‌ها و سایر قطعات نرم‌افزاری دیگر است. هم‌چنین برخی از وظایف تعریف شده مانند کامپایل کد و بسته‌بندی نرم‌افزاری را در خود دارد. maven به‌صورت پویا کتابخانه‌های جاوا و پلاگین‌های خود را از یک یا چند مخزن مانند مخزن مرکزی دانلود کرده و در یک حافظه پنهان (cache) محلی ذخیره می‌کند. این حافظه پنهان (cache) محلی می‌تواند به‌وسیله پروژه‌های محلی به‌روزرسانی شود. مخزن‌های عمومی هم می‌توانند به‌روزرسانی شوند. MAVEN با استفاده از معماری مبتنی بر پلاگین ساخته شده‌است که به آن اجازه می‌دهد تا از هر برنامه‌ای که از طریق ورودی استاندارد قابل کنترل است استفاده کند. از لحاظ تئوری، این مسئله به همه افراد اجازه می‌دهد تا برای هر زبان دیگری پلاگین‌هایی بنویسند که واسط ابزار ساخت شود(کامپایلرها، ابزار تست واحد، و غیره). در واقع، پشتیبانی و استفاده برای زبان‌های دیگر به‌غیر از جاوا حداقل بوده‌است. در حال حاضر یک پلاگین برای چارچوب دات نت وجود دارد و حفظ می‌شود، [4 و C / C + + پلاگین‌های بومی برای MAVEN 2 نگهداری می‌شده‌است.
در دوره آموزشی Packt Apache Maven: Beginner to Guru با آموزش مقدماتی تا پیشرفته آپاچی ماون اشنا خواهید شد.

سامانه توصیه‌گر (Recommender System) یا سامانه پیشنهادگر (واژه سیستم یا سامانه گاهی با پلتفرم یا موتور جایگزین می‌شود)، با تحلیل رفتار کاربر خود، اقدام به پیشنهاد مناسب‌ترین اقلام (داده، اطلاعات، کالا و...)می‌نماید. این سیستم رویکردی است که برای مواجهه با مشکلات ناشی از حجم فراوان و رو به رشد اطلاعات ارائه شده‌است و به کاربر خود کمک می‌کند تا در میان حجم عظیم اطلاعات سریع‌تر به هدف خود نزدیک شوند. حجم فراوان و روبه رشد اطلاعات بر روی وب و اینترنت، فرایند تصمیم‌گیری و انتخاب اطلاعات، داده و یا کالاهای مورد نیاز را، برای بسیاری از کاربران وب دشوار کرده‌است. این موضوع، خود انگیزه‌ای شد تا محققین را وادار به پیداکردن راه‌حلی برای رویارویی با این مشکل اساسی عصر جدید که با عنوان سرریز داده‌ها شناخته می‌شود کند. برای رویارویی با این مسئله تاکنون دو رویکرد مطرح شده‌اند، اولین رویکردی که به کار گرفته شد استفاده از دو مفهوم بازیابی اطلاعات و تصفیه‌سازی اطلاعات بود. عمده محدودیتی که این دو مفهوم در ارائه پیشنهادات دارند، این است که برخلاف توصیه‌گرهای انسانی (مثل دوستان، اعضای خانواده و ...)، این دو روش قادر به تشخیص و تفکیک اقلام با کیفیت و بی کیفیت، در ارائه پیشنهاد برای یک موضوع یا کالا، نیستند. مشکل مذکور، موجب شد تا رویکرد دومی تحت عنوان سیستم توصیه‌گر پدید آید. این سیستم‌های جدید، مشکل سیستم‌های موجود در رویکرد اولیه را حل کرده‌اند.
در دوره آموزشی Packt Building Recommendation Systems with Python با آموزش ساخت سیستم های توصیه گر با پایتون اشنا خواهید شد.

جولیا یک زبان تخصصی جهت انجام محاسبات عددی می باشد. مهمترین ویژگیهای آن سادگی در نصب، یادگیری و کاربری، سرعت بالا در انجام محاسبات و توانمندی های بروز و گسترده در کاربردهای متنوع آمار، ریاضات و محاسبات مهندسی است. این زبان قابلیتهای سطح پایین مانند محاسبات ریاضی پایه بر اعداد (صحیح و اعشاری) و اجرای حلقه های تکرار را با سرعت و دقت بالا (قابل مقایسه با C یا Fortran) انجام می دهد و توانایی های سطح بالایی مانند عملیات ریاضی پیشرفته بر بردارها و ماتریسها، پردازش موازی و ارائه سرویس بر روی شبکه را پشتیبانی می کند. نحوه کمپایل آن JIT مخفف (Just in Time) می باشد. به این معنا که برگرداندن کدها به زبان ماشین در زمان اجرا و توسط LLVM مخفف (Low-Level Virtual Machine) انجام می شود. از جمله ویژگیهای مهم این زبان پشتیبانی از عبارات ریاضی (Expressions) به‌صورت یک شیئ داخلی است. این زبان برنامه نویسی مورد حمایت دانشگاه MIT می باشد و پروفسور Alan Edelman استاد ریاضی پیشرفته این دانشگاه از مدیران فعال پروژه زبان برنامه نوسی Julia است. بعلاوه یکی از وجوه تمایز زبان برنامه نویسی متن باز (open source) بودن است، بنابراین کلیه کدهای کمپایلر از طریق سورس جولیا در اختیار عموم قرار دارد.
در دوره آموزشی Packt Learning Julia 1.0 با زبان برنامه نویسی جولیا 1.0 آشنا می شوید.

یادگیری عمیق (Deep learning) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل می‌کنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگی‌ها در لایه‌های مدل است. یک نمونه آموزشی (برای نمونه: تصویر یک گربه) می‌تواند به صورت‌های گوناگون بسان یک بردار ریاضی پر شده از مقدار به ازای هر پیکسل و در دید کلی تر به شکل یک مجموعه از زیرشکل‌های کوچک‌تر (نظیر اعضای صورت گربه) مدل سازی شود.کرس (Keras) یک کتابخانهٔ متن‌باز شبکه عصبی است که به زبان پایتون نوشته شده است و قابل است که بر روی تنسورفلو یا ثینو قابل اجرا است. این نرم‌افزار به منظور آزمایش کردن سریع یادگیری عمیق طراحی شده است و در طراحی آن بر روی کوچک، ماژولار و قابل گسترش بودن توجه شده است.
در دوره آموزشی Udemy Keras 2.x Projects با آموزش پروژه های کراس آشنا می شوید.

متااسپلوییت فریم ورکی متن باز است که به صورت اختصاصی برای تسترهای نفوذ ، هکرها ، محققین امنیتی و دیگر فعالان موجود در زمینه امنیت شبکه نوشته شده است .شما با استفاده از این فریم ورک می‌توانید آسیب‌پذیری های موجود در سیستم‌ها ، شبکه‌ها و نرم افزارهای گوناگون را بکارگرفته و به این سیستم‌ها نفوذ کنید . این اپلیکیشن به صورت پیش‌فرض دارای اکسپلوییت های بسیاری است ولی علاوه بر آن شما می‌توانید خودتان اکسپلوییت دلخواه خود را ایجاد کنید و به آن اضافه کنید. متخصصان امنیتی ، تسترهای نفوذ ، مدیران شبکه ، برنامه نویسان و همه اشخاصی که در زمینه امنیت فعالیت می‌کنند نیاز دارند تا مهارت کار با ابزار متااسپلوییت را کسب کنند . متخصصان امنیتی و تسترهای نفوذ در فازهای جمع آوری اطلاعات , کشف و اسکن آسیب پذیری , بکارگیری و اکسپلوییت و نفوذ و حمله به سیستم ها و حملات پس از بکارگیری بوسیله این ابزار می‌توانند به آسانی یک تست نفوذ را پیاده سازی کنند. برنامه نویسان به منظور اسکن و تست نفوذ برنامه‌های طراحی شده می‌توانند از این ابزار استفاده کنند. ابزار متااسپلوییت جعبه ای جادویی است که استفاده از آن آرمان هر هکری است و هر روز گسترده تر و کامل تر و بهینه تر می شود.
در دوره آموزشی Packt Learning Metasploit 5.0 با آموزش نرم افزار متااسپلوییت 5.0 آشنا خواهید شد.

 پای تورچ (PyTorch) یک کتابخانه متن باز یادگیری ماشین برای پایتون براساس تورچ است که برای کاربردهایی مانند پردازش زبان طبیعی استفاده می‌شود. توسعه دهنده اصلی پای تورچ گروه پژوهش هوش مصنوعی فیسبوک است و نرم‌افزار Pyro شرکت اوبر برای برنامه نویسی احتمالاتی روی پای تورچ ساخته شده‌است. پای تورچ یک بسته پایتون است که دو ویژگی سطح بالا دارد. محاسبات Tensor (مثل نام‌پای) با شتابدهی توسط جی پی یو، شبکه‌های عصبی عمیق. همین‌طور امکان توسعه پای تورچ با استفاده از نام پای، سای پای و سایتون در مواقع لزوم فراهم است.
در دوره Packt Learn By Example: PyTorch به آموزش پای تورچ همراه با مثال می پردازیم.

اوپن‌سی‌وی (OpenCV) یا همان Open Computer Vision Library مجموعه ای از کتابخانه‌های برنامه‌نویسی پردازش تصویر و یادگیری ماشین است. این مجموعه بیشتر بر پردازش تصویر بی درنگ (Real Time) تمرکز دارد. در ابتدا توسط اینتل ساخته و پشتیبانی می‌شد و هم اکنون توسط Willow Garage و Itseez پشتیبانی می‌گردد. استفاده از آن با پروانه فری بی‌اس‌دی آزاد است. اوپن سی وی کتاب‌خانه‌ای چندسکویی است و توسط سیستم عامل های ویندوز، لینوکس، مک اواس، آی او اِس و اندروید پشتیبانی می‌شود. همچنین دارای رابط برنامه نویسی به زبان های سی، سی++، پایتون، جاوا و متلب است.  کیوت (Qt) مجموعه‌ای از کتابخانه‌ها و سرآیندهای نوشته‌شده به زبان سی++ است که به برنامه‌نویس امکان توسعه آسان نرم‌افزارهای کاربردی را می‌دهد. کیوت شامل چندین کلاس برای کار با واسط گرافیکی، چندرسانه، ابزارهای پایگاه‌داده، شبکه و... است. نرم‌افزارهای نوشته شده با ابزار کیوت قادرند تا با استفاده از یک کامپایلر زبان سی‌پلاس‌پلاس برای طیف وسیعی از سیستم‌عامل‌ها از جمله گنو/لینوکس (نسخه‌های رومیزی و وسیله‌های قابل حمل)، ویندوز، ویندوز CE، مک‌اواس و... همگردانی شوند. بدین ترتیب حمل نرم‌افزار نوشته شده بدون تغییر در متن کد نوشته شده امکان‌پذیر است. از کیوت در زبان‌های برنامه‌نویسی متعددی مانند سی++ و جاوا و پایتون می‌توان استفاده‌کرد.
در دوره آموزشی Udemy Cross-Platform Application Development with OpenCV 4 and Qt 5 با آموزش ساخت اپ های چند سکویی با اوپن سی وی 4 و کیو تی 5 آشنا می شوید.

MongoDB را می‌توان یکی از پرمخاطب‌ترین پایگاه‌های داده‌ موجود در جمع اعضای خانواده NoSQL‌ دانست که بنابر برخی آمارهای جمع‌آوری شده، لقب پرمخاطب‌ترین را نیز به‌خود اختصاص داده است. این پایگاه داده‌ یک مدل منعطف، پویا و سندگرا را ارائه می‌کند که ساختاری با خروجی بسیار بالا و قابلیت مقیاس‌پذیری آسان را دارا است که در پروژه‌ها و سیستم‌های کلان داده یا همان Big Data به‌ شدت مورد نیاز است. این پایگاه ‌داده‌ به‌دلایل مختلفی از جمله مواردی که گفته شد، در سال‌های گذشته مورد استقبال فراوانی قرار گرفته و راه‌اندازها و کتابخانه‌های توسعه‌داده شده برای آن برای اغلب زبان‌های برنامه‌نویسی، از جمله زبان محبوب #C در دسترس قرار گرفته است. پایگاه داده‌ MongoDB را می‌توان جزء آن‌دسته از پایگاه‌های داده‌ای دانست که اغلب پلتفرم‌های مطرح دنیا را پشتیبانی کرده و برای نصب روی لینوکس، مکینتاش، ویندوز و سولاریس بسته‌های نصب ارائه می‌کند.
در دوره Packt Learning Programmatic Access to MongoDB با آموزش دسترسی برنامه ای به مونگو دی بی آشنا می شوید.  

یکی از رایج ترین و پرطرفدارترین زبان هایی که برای برنامه نویسی شیء گرا و سطح بالا استفاده می شود، زبان سی‌شارپ (C#) است. این زبان توسط مایکروسافت و جزئی از دات نت به وجود آمد و بعداً استانداردهای ECMA و ISO را نیز در بر گرفت و یکی از ۴۴ زبان برنامه نویسی ای است که توسط زمان اجرای زبان مشترک از .NET Framework پشتیبانی می‌شوند و در همه جا به وسیله مایکروسافت ویژوال استودیو شناخته می‌شود. در واقع زبان #C، یک زبان برنامه نویسی چند الگویی و است و منظم شده مدل‌های تابعی، امری، عمومی، شی گرا و جز گرا و در بستر دات نت است.
در دوره ی آموزشی Packt C# 8 Programming in 4 Hours شما با قابلیت های اساسی و مختلف این زبان برنامه نویسی کاربردی قدرتمند به طور کامل آشنا می شوید.

اتریوم یک پلتفرم عمومی متن‌باز، زنجیره بلوکی-محور با رایانش توزیع‌شده است که دارای قابلیت قرارداد هوشمند است. این پلتفرم تورینگ کامل ماشین مجازی، ماشین مجازی اتیریم (EVM) را فراهم می‌آورد، اسکریپت‌ها را با استفاده از شبکهٔ بین‌المللی گره‌های عمومی اجرا می‌کند. اتیریم همچنین یک توکن ارز رمزپایه به نام «اتر» ارائه می‌کند، که بین حساب‌ها قابل انتقال بوده و می‌تواند برای پرداخت به گره‌های شرکت‌کننده برای محاسباتی که انجام داده‌اند مورد استفاده قرار گیرد. «گَس»، سازوکار کار داخلی قیمتگذاری است که برای جلوگیری از اسپمینگ و مکان‌یابی منابع روی شبکه به کار گرفته می‌شود.
در دوره آموزشی Packt Learning Ethereum 2.0 با ویژگی ها و امکانات اتریوم 2.0 آشنا خواهید شد.