پی سی دانلود - پکت

پُستگْرِس‌کیواِل (PostgreSQL)، یا به طور ساده‌تر پُستگْرِس، یک سامانه مدیریت پایگاه داده‌های شی-رابطه‌ای است که برای سکوهای مختلفی از جمله لینوکس، فری بی‌اس‌دی، ویندوز، و مک اواس ده موجود است. پستگرس‌کیوال توسط گروه توسعه سراسری پستگرس‌کیوال توسعه داده می‌شود، که شامل تعداد زیادی از افراد داوطلب است. پستگرس‌کیوال بخش اعظم استاندارد اس‌کیوال:۲۰۰۸ را پیاده‌سازی می‌کند، ACID-موافق است، کاملا تراکنشی است (این شامل شرح‌های تعریف داده نیز می‌شود)، دارای نوع داده‌ها، عملگرها، روش‌های فهرست، توابع، توابع جمع‌بندی، زبان‌های رویه‌ای قابل توسعه است، و دارای افزونه‌های بسیاری است که توسط دیگران ایجاد شده است. پستگرس‌کیوال تکامل یافته پروژه پستگرس (POSTGRES) در دانشگاه برکلی است. پستگرس ادامه پایگاه داده رابطه‌ای اینگرس (INGRES) بود.
در دوره آموزشی Packt The Complete Python and PostgreSQL Developer Course با آموزش کامل توسعه پایتون و پستگرس‌کیوال اشنا خواهید شد.

 به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. 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 روش‌های‌شان 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.
در دوره آموزشی Packt Machine Learning 101 with Scikit-learn and StatsModels با آموزش کامل یادگیری ماشین با سای کیت-لرن و استتس مدل اشنا خواهید شد.

تنسورفلو (TensorFlow) یک کتابخانهٔ نرم‌افزاری متن‌باز برای یادگیری ماشین در انواع مختلف وظایف مفهومی و زبان است که در حال حاضر توسط ۵۰ تیم تحقیقاتی و محصولات مختلف گوگل از جمله بازشناسی گفتار، جی‌میل، گوگل فوتوز و جستجو که بسیاری از آن‌ها سابقاً از دیست‌بلیف استفاده کرده بودند، استفاده می‌شود. تنسورفلو در آغاز توسط تیم گوگل برین مرکز تحقیقاتی گوگل به صورت داخلی استفاده می‌شد ولی بعدها در ۹ نوامبر ۲۰۱۵ تحت مجوز آپاچی منتشر شد. TensorFlow نرم افزار یادگیری ماشینی گوگل است. گوگل همچنین از TensorFlow برای توسعه پروژه Magenta هم بهره گرفته که هدف ارتقای هنر ماشینی را دنبال می کند. در همین راستا گوگل یک ملودی 90 ثانیه ای پیانو منتشر کرده که کاملا توسط یک شبکه عصبی ساخته شده است. این موضوع تقریبا تصوری از کارهایی که TensorFlow قادر به انجامشان هست را برای کاربران ایجاد می کند.
در دوره آموزشی Packt Implementing Deep Learning Algorithms with TensorFlow 2.0 با آموزش پیاده سازی یادگیری عمیق با تنسورفالو 2.0 اشنا خواهید شد.

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 Packt Deep Learning and Neural Networks using Python - Keras: The Complete Beginners  با آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس اشنا خواهید شد.

نرم افزار Qlik View قدمت زیادی دارد و نرم افزار اصلی این شرکت است که بیشتر برای کاربران حرفه ای و متخصصین علم داده طراحی شده است اما نرم افزار Qlik Sense‌ با هدف ساده سازی فرآیندهای پردازش و نمایش داده و در یک کلام، Self Service BI یا هوش تجاری شخصی، در چند سال اخیر به بازار ارائه شده است . کیولیک سنس برای عموم کاربرانی که با تخصص های مختلف قصد استخراج اطلاعات مفید از داده ها و نمایش گرافیکی نتایج را دارند، طراحی و پیاده سازی شده است و نسخه رومیزی آن به صورت رایگان در اختیار علاقه مندان قرار گرفته است .
در دوره آموزشی Packt Data Storytelling with Qlik Sense با آموزش تعامل با داده ها با کیولیک سنس اشنا خواهید شد.

لینوکس (Linux) سیستم‌عاملی شبه یونیکسی است که بخش عمده ی آن سازگار با استاندارد پازیکس است. از دید فنی لینوکس تنها نامی است برای هسته ی سیستم‌عامل و نه کل آن. هسته‌ای که نخستین بار در سال ۱۹۹۱ میلادی توسط لینوس توروالدز منتشر شد. در ابتدا لینوکس برای استفاده ی ریزپردازنده‌ها با معماری ۸۰۳۸۶ اینتل طراحی شده بود. اما امروزه انواع گوناگون معماری‌ها را پشتیبانی می‌کند و در انواع و اقسام وسایل از کامپیوترهای شخصی گرفته تا ابررایانه‌ها و تلفن‌های همراه به کار می‌رود. این سیستم‌عامل که در ابتدا بیشتر توسط افراد مشتاق گسترش پیدا می‌کرد و به کار گرفته می‌شد، توانسته است پشتیبانی شرکت‌های سرشناسی چون آی‌بی‌ام و هیولت-پاکارد را به دست آورد و با بسیاری از نسخه‌های خصوصی یونیکس رقابت کند. طرفداران لینوکس و بسیاری از تحلیل‌گران این موفقیت را ناشی از استقلال از فروشنده، کم‌هزینه بودن پیاده‌سازی، سرعت بالا، امنیت و قابلیت اطمینان آن می‌دانند. سیستم‌عامل آزاد لینوکس یک سیستم عامل آزاد و بازمتن است. کد منبع آن در اختیار همگان قرار دارد و همه می‌توانند در کدهای آن تغییر ایجاد کرده و بنا به نیازشان استفاده کنند. آزاد و در دسترس بودن کدهای منبع سبب می‌شود تا بتوانید از طرز کارکرد دقیق سیستم‌عامل مطلع شوید.
در دوره آموزشی Packt Linux Command Line for Beginners با آموزش مقدماتی خط فرمان لینوکس اشنا خواهید شد.

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 آموزشی Packt Hands-On Developers Guide to MongoDB 4.0 با آموزش مقدماتی توسعه مانگو دی بی 4.0 اشنا خواهید شد.

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) بصورت 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.