Network Security Channel
Ir al canal en Telegram
⭕️Start Channel From 2017⭕️ ✅ Security Operation Center (SOC) ✅ Bug Bounty ✅ Vulnerability ✅ Pentest ✅ Hardening ✅ Linux ✅ Reasearch ✅ Security Network ✅ Security Researcher ✅ DevSecOps ✅ Blue Team ✅ Red Team
Mostrar más2 913
Suscriptores
+124 horas
+57 días
+14330 días
Archivo de publicaciones
عملگرهای مورد استفاده در موتورهای جستجوی علمی
#Search #Tools #SearchEngine #Search_Engine #research_tools
کانال آموزش کامپیوتر
@Engineer_Computer
شش ارائه کننده مطرح :
Microsoft Powerpoint
Keynote Apple
Google Docs
Apache OpenOffice Impress
MediaShout
Adobe Persuasion
#Research #Powerpoint #Keynote #Google_Docs #OpenOffice #MediaShout #Adobe_Persuasion
کانال آموزش کامپیوتر
@Engineer_Computer
پژوهش عبارتست از:
1 – پیشنهاد و ارائه یک راهکار و بررسی درست بودن آن.
2 – کشف دانش و یا راهحل جدید.
3 – تولید دانش.
4 – تمرکز و توجه به یک مسئله حلنشده و درنتیجه ارائه راهکار برای آن.
5 – بهبود یک راهحل ارائهشده.
6 – تجسس و بررسی یک مسئله پژوهشی جهت پیشنهاد یک راهبرد بهتر و جدید.
7 – بیان اینکه یک راهحل (برای یک مسئله) تا چه اندازه موفق بوده میتواند.
8 – ارزیابی کارایی یک راهحل.
9 – بیان یک اندیشه.
10 – پایهگذاری یک ایده جدید در یک موضوع و یا مسئله.
11 – سهیم شدن در ارتقای دانش در یک حوزه مورد نظر و انتشار آن در قالب مقاله یا رساله.
12 – کاوش جهت کسب دانش علمی یا فنی جدید.
13 – تمرکز بالای یک سؤال پژوهشی و ارائه پاسخ به سؤال مربوطه همراه با ارزیابی و آزمایشهای قابلقبول.
14 – توسعه آگاهی و دانش.
15 – ایجاد خلاقیت در حل یک مسئله.
16 – بررسی کشف یک واقعیت جدید.
17 – تحلیل و بررسی مشکلات و مهیاکردن پاسخ(های) مناسب و قابلقبول.
18 – ارزیابی و تحلیل موثر بودن یک راهکار.
19 – انجام تجربیات آزمایشی جهت حصول یک نتیجه.
20 – تمرکز بر نیازمندیها و ایجاد نوآوری برای آنها.
#Research
کانال آموزش کامپیوتر
@Engineer_Computer
نسخه جدید کتاب
2021 Probabilistic Machine Learning
https://probml.github.io/pml-book/book1.html
#کتاب #آمار #یادگیری_ماشین
#MachineLearning #Machine_Learning #Probabilistic #ML
کانال آموزش کامپیوتر
@Engineer_Computer
Machine Learning
This course focuses on core algorithmic and statistical concepts in machine learning. Topics include pattern recognition, PAC learning, overfitting, decision trees, classification, linear regression, logistic regression, gradient descent, feature projection, dimensionality reduction, maximum likelihood, Bayesian methods, and neural networks.
دانشگاه تگزاس اقدام به برگزاری دوره رایگان آموزش #یادگیری_ماشین به صورت آنلاین کرده است. این دوره آموزشی که در پلتفرم EDX برگزار میشود، ۱۲ هفته و هر هفته ۸ تا ۱۲ ساعت آموزشی را در بر میگیرد.
استاد درس کیانگ لیو (Qiang Liu) استادیار علوم کامپیوتر دانشگاه تگزاس در آستین
پیشنیازهای دوره:
✅ جبر خطی، احتمال، تجربه در برنامهنویسی پایتون
سرفصل دروس
یادگیری اشتباهات محدودشده
درختان تصمیم
اعتبارسنجی متقابل
رگرسیون خطی؛ نزول گرادیان
تقویت
آموزش PCA؛ SVD
حداکثر برآورد احتمال
استنباط بیزی
آموزش K-means و EM
مدلهای چندمتغیره و مدلهای گرافیکی
شبکههای عصبی (GAN)
آنچه در پایان این دوره خواهید آموخت:
تکنیکهای یادگیری با نظارت
الگوریتمهای یادگیری بدون نظارت
روشهای آماری برای تحلیل مدلهای تولیدشده توسط الگوریتمهای یادگیری
https://www.edx.org/course/machine-learning-2
#MachineLearning #Machine_Learning #AI #ML #Texas
کانال آموزش کامپیوتر
@Engineer_Computer
CS50's Introduction to Artificial Intelligence with Python
Learn to use machine learning in Python in this introductory course on artificial intelligence
What you'll learn:
Graph search algorithms
Reinforcement learning
Machine learning
Artificial intelligence principles
How to design intelligent systems
How to use AI in Python programs
دانشگاه هاروارد اقدام به برگزاری دوره آموزش رایگان هوش مصنوعی کرده و از این بابت که هوش مصنوعی در حال دگرگون کردن نحوه زندگی، کار و فرایندهای است، این دوره میتواند اهمیتی ویژه برای علاقهمندان داشته باشد.
با توسعه روزافزون فناوریهای هوشمند و استفاده از آن ها در ابزارهای جدیدی همچون اتومبیلهای خودران، سیستمهای سفارش خودکار و موتورهای جستجوی هوشمند، تقاضا برای تخصص در هوش مصنوعی و #یادگیری_ماشین به سرعت در حال رشد است. این دوره آموزشی رایگان به شما امکان میدهد اولین قدم اساسی در جهت حل مشکلات مهم دنیای واقعی با استفاده از راهحلهای #هوش_مصنوعی را بردارید و برای ساختن آینده شغلی خود آماده شوید.
🎯 آنچه در پایان این دوره خواهید آموخت:
الگوریتمهای جستجوی نمودار
#یادگیری_تقویتی
یادگیری ماشین
مبانی هوش مصنوعی
نحوه طراحی سیستمهای هوشمند
نحوه استفاده از هوش مصنوعی در برنامههای #پایتون
https://online-learning.harvard.edu/course/cs50s-introduction-artificial-intelligence-python?delta=0
#MachineLearning #Machine_Learning #AI #ML #Python #Harvard
کانال آموزش کامپیوتر
@Engineer_Computer
دریافت رایگان مقاله:
https://paperhub.ir/
https://paperdownloader.com
#Free #Paper #Download #scihubot
کانال آموزش کامپیوتر
@Engineer_Computer
ALiEn
یک نرم افزار شبیه سازی زندگی مصنوعی است که بر اساس یک موتور رندر و فیزیک 2D اختصاصی در CUDA ساخته شده است.
میتونید بینید دوتا ذره بعد از برخورد بهم چه اتفاقی براشون میفته
تک سلولی ها، اولین گامهای شکل گیری حیات
میتونید خالق دنیای ساخته خودتون باشید
آیا شرایط ب گونه ایی دیگر رقم میخورد امکان وجود حیات بود؟ اصن حیاتی شکل میگرفت ؟
خیلی جالبه
بیشتر جنبه سرگرمی و ارضای کنجکاوی رو داره
قابل نصب در ویندوز
https://github.com/chrxh/alien
وب سایت: https://alien-project.org/
نسخه ی نمایشی ویدئو: https://youtu.be/w9R6zrdl6jM
#اوپن_سورس
#گیتهاب
کانال آموزش کامپیوتر
@Engineer_Computer
اکثرا برنامه ها و نرم افزارهایی که امروز استفاده میکنیم بر بستر سیستم متمرکز هست و متاسفانه حریم خصوصی در این بستر خیلی سخته یا باید به رازداری شرکتها اعتماد کرد و یا باید بوسیله ابزار و ترفندهایی حریم خصوصی رو حفظ و دسترسی بقیه روبه اون به حداقل برسونیم
اینترنت امروز برای حفظ امنیت و حریم خصوصی باید سمت سیستم های غیرمتمرکز و توزیع شده بره
تا جاییکه شده سعی کردیم برنامه هایی که بر بسترهای غیرمتمرکز و توزیع شده هستن رو معرفی کنیم و یکم بیشتر روی این مباحث وقت بزاریم البته اگه تمایلی از سمت شما باشه ;)
جمع بندی نهایی
همانطور که می بینید ، هر سیستم مزایا و معایبی دارد. سیستم های متمرکز به رشد اولین شبکه ها کمک کردند و تنها گزینه قبل از ظهور سیستم های غیرمتمرکز بودند.
کمتر مستعد خرابی و ارائه زمان دسترسی سریعتر ، سیستمهای غیرمتمرکز پیشرفت چشمگیری نسبت به سیستمهای قدیمی ایجاد کرده اند. امروزه همچنان از آنها بسیار استفاده می شود ، به خصوص که در طول سال ها مقرون به صرفه تر شده است.
با این حال ، این فقط سیستم های توزیع شده ای است که منابع و حقوق را در کل شبکه تخصیص می دهد. با این کار ، آنها نه تنها به میزان قابل توجهی در برابر خطاها تحمل می کنند بلکه شفافیت بیشتری نسبت به سایر سیستم ها دارند. از آنجا که پذیرش سیستم های توزیع شده هزینه های استقرار و تعمیر و نگهداری آنها را کاهش می دهد ، احتمالاً این سیستم ها یک انتخاب الهام گرفته در سال های آینده را به اثبات می رسانند.
کانال آموزش کامپیوتر
@Engineer_Computer
Decentralized Systems
سیستم توزیع شده
سیستم توزیع شده از این جهت که یک مالک مرکزی واحد ندارد مشابه سیستم غیرمتمرکز است. اما یک قدم جلوتر برویم ، مرکزیت را از بین می برد. در یک سیستم توزیع شده ، کاربران دسترسی برابر به داده ها دارند ، اگرچه در صورت لزوم می توان امتیازات کاربر را فعال کرد. بهترین مثال برای یک سیستم گسترده و توزیع شده ، خود اینترنت است.
سیستم توزیع شده کاربران را قادر می سازد تا مالکیت داده ها را به اشتراک بگذارند. منابع سخت افزاری و نرم افزاری نیز بین کاربران تخصیص یافته است که در برخی موارد ممکن است عملکرد سیستم را بهبود بخشد. سیستم توزیع شده از خرابی مستقل اجزا در امان است ، که می تواند به روز رسانی آن را به میزان قابل توجهی بهبود بخشد.
سیستم های توزیع شده در نتیجه محدودیت های سیستم های دیگر تکامل یافته اند. با افزایش امنیت ، ذخیره سازی داده ها و حریم خصوصی و نیاز مداوم به بهبود عملکرد ، سیستم های توزیع شده انتخاب طبیعی بسیاری از سازمان ها است.
پس تعجبی ندارد که فناوری های استفاده شده از سیستم توزیع شده - به ویژه بلاکچین - بسیاری از صنایع را تغییر می دهند.
مزیت
خطاپذيري
شفاف و ایمن
اشتراک منابع را ارتقا می دهد
بسیار مقیاس پذیر
معایب
استقرار دشوارتر است
هزینه های نگهداری بیشتر
کانال آموزش کامپیوتر
@Engineer_Computer
decentralized4_hu3d03a01dcc18bc5be0e67db3d8d209a6_980742_970x0_resize.webp0.44 KB
Decentralized Systems
سیستم های غیرمتمرکز
همانطور که از نام آن پیداست ، سیستم های غیرمتمرکز یک مالک اصلی ندارند. در عوض ، آنها از چندین مالک مرکزی استفاده می کنند که هر یک معمولاً کپی از منابعی را که کاربران می توانند به آنها دسترسی داشته باشند ، ذخیره می کند.
یک سیستم غیرمتمرکز می تواند به همان اندازه یک سیستم متمرکز در برابر خرابی ها آسیب پذیر باشد. با این حال ، با طراحی تحمل بیشتری نسبت به گسل ها دارد. این به این دلیل است که وقتی یک یا چند مالک یا سرور مرکزی از کار بیفتند ، دیگران می توانند به دسترسی داده ها به کاربران ادامه دهند.
اگر حداقل یکی از سرورهای مرکزی به کار خود ادامه دهد ، منابع فعال می مانند. معمولاً این بدان معناست که دارندگان سیستم می توانند سرورهای معیوب را تعمیر کرده و مشکلات دیگر را برطرف کنند در حالی که سیستم به کار خود ادامه می دهد.
خرابی سرور در یک سیستم غیرمتمرکز ممکن است بر عملکرد تأثیر بگذارد و دسترسی به برخی از داده ها را محدود کند. اما از نظر زمان کلی سیستم ، این سیستم پیشرفت بزرگی نسبت به سیستم متمرکز ارائه می دهد.
یکی دیگر از مزایای این طرح این است که زمان دسترسی به داده ها اغلب سریعتر است. به این دلیل که دارندگان می توانند در مناطق یا مناطق مختلفی که فعالیت کاربر در آنها زیاد است ، گره ایجاد کنند.
با این حال ، سیستم های غیرمتمرکز هنوز هم مستعد همان خطراتی هستند که امنیت و حریم خصوصی کاربران برای سیستم های متمرکز دارد. و گرچه تحمل عیب آنها بیشتر است ، این قیمت دارد. حفظ یک سیستم غیرمتمرکز معمولاً هزینه بیشتری دارد.
مزیت
کمتر از یک سیستم متمرکز شکست می خورد
عملکرد بهتر
اجازه می دهد تا یک سیستم متنوع تر و انعطاف پذیر تر باشد
معایب
خطرات امنیتی و حریم خصوصی برای کاربران
هزینه های نگهداری بیشتر
عملکرد متناقض وقتی به درستی بهینه نشده باشد
کانال آموزش کامپیوتر
@Engineer_Computer
decentralized3_hu3d03a01dcc18bc5be0e67db3d8d209a6_3423542_970x0.webp0.34 KB
سیستم متمرکز Centralized Systems
در یک سیستم متمرکز ، همه کاربران به یک مالک شبکه مرکزی یا "سرور" متصل هستند. مالک مرکزی داده هایی را که سایر کاربران می توانند به آنها دسترسی داشته باشند و همچنین اطلاعات کاربر را ذخیره می کند. این اطلاعات کاربر ممکن است شامل نمایه های کاربر ، محتوای تولید شده توسط کاربر و موارد دیگر باشد. راه اندازی یک سیستم متمرکز آسان است و می تواند به سرعت توسعه یابد.
اما این سیستم محدودیت مهمی دارد. اگر سرور خراب شود ، سیستم دیگر به درستی کار نمی کند و کاربران نمی توانند به داده ها دسترسی پیدا کنند. از آنجا که یک سیستم متمرکز برای اتصال سایر کاربران و دستگاهها به یک مالک مرکزی نیاز دارد ، در دسترس بودن شبکه به این مالک بستگی دارد. به این موارد ، نگرانی های امنیتی آشکاری را که وقتی یک مالک داده های کاربر را ذخیره می کند (و می تواند به آنها دسترسی پیدا کند) به وجود بیاورید ، درک می شود که چرا سیستم های متمرکز برای بسیاری از سازمان ها دیگر گزینه اول نیستند.
مزیت
استقرار ساده
می تواند به سرعت توسعه یابد
مقرون به صرفه برای نگهداری
عملی هنگامی که داده ها باید به صورت مرکزی کنترل شوند
معایب
مستعد شکست ها
خطرات امنیتی و حریم خصوصی بالاتر برای کاربران
زمان دسترسی بیشتر به داده های کاربرانی که از سرور فاصله زیادی دارند
کانال آموزش کامپیوتر
@Engineer_Computer
decentralized2_huce764145a0a4ba92d2f6009192c4da0f_86406_857x0_resize.webp0.40 KB
