شيوه برنامه نويسي بهتر از هميشه

در پست قبل 11 ديتاست عمومي و رايگان براي اجراي الگوريتم هاي مختلف علم داده، داده كاوي و هوش مصنوعي معرفي كرديم. در ادامه در اين پست 11 مجموعه داده ديگر را باهم بررسي مي كنيم.

1. متون گوگل

اگر به داده هاي واقعاً گسترده علاقه مند هستيد، مجموعه داده هاي گوگل فراواني كلمات و عبارات را بر اساس تعداد زيادي از منابع متني به صورت سالانه مي شمارد. حجم اين مجموعه داده حدود 2.2 ترابايت است. اگرچه استفاده از اين مورد براي يك پروژه تجسم داده ممكن است دشوار باشد ، اما يك مجموعه داده عالي براي تميز كردن داده هاست.

1. داده هاي يونيسف

يونيسف معتبرترين منبع براي اطلاعات مربوط به زندگي كودكان در سراسر جهان است. مجموعه داده هاي عمومي اين سازمان تغذيه ، ايمن سازي و آموزش و... را شامل مي شود كه يك منبع عالي براي پروژه هاي تجسم داده است.

1. كامنت هاي سايت رديت

سايت Reddit يك مجموعه داده بسيار جالب از هر نظري كه در اين سايت ارائه شده را منتشر كرده است. حجم اين مجموعه داده بيش از يك ترابايت است. بنابراين اگر مي خواهيد يك مجموعه داده كوچكتر براي كار كردن داشته باشيد سايت Kaggle نظرات مه 2015 را در سايت خود جمع آوري كرده است.

1. ويكي پديا

ويكي پديا علاوه بر پروژه هاي ديگر بنياد ويكي مديا ، دستورالعمل هايي را براي بارگيري متن مقالات انگليسي زبان ارائه مي دهد. بارگيري پايگاه داده ويكي پديا براي بازتاب و استفاده شخصي در دسترس است و حتي برنامه متن باز مخصوص به خود را دارد كه مي توانيد براي بارگيري كامل ويكي پديا در سيستم خود از گزينه هاي متنوع پردازش و تميز كردن پروژه ها استفاده كنيد.

1. داده هاي Yelp

Yelp يك مجموعه داده رايگان براي استفاده در اهداف شخصي، آموزشي و دانشگاهي نگهداري مي كند. اين ديتاست شامل 6 ميليون بررسي است كه شامل 189000 كسب و كار در 10 منطقه شهري است. دانشجويان از مشاركت در چالش مجموعه داده هاي Yelp استقبال مي كنند و به شما گزينه هاي مختلفي براي انواع مختلف پروژه هاي داده مي دهند.

1. داده هاي ترند گوگل

گوگل يكي از بهترين مجموعه هاي داده براي تجزيه و تحليل را داراست. شما مي توانيد مجموعه داده دلخواه خود را در قالب فايل CSV دانلود و با استفاده از نرم افزارها يا زبان هاي برنامه نويسي مختلف تجزيه و تحليل كنيد. همچنين امكان اينكه اين داده ها را بر اساس موضوع، مكان و... دسته بندي و مرتب كنيد وجود دارد.

1. سازمان تجارت جهاني

سازمان تجارت جهاني مجموعه داده زيادي براي تجزيه و تحليل در اختيار علاقه مندان قرار مي دهد. كساني كه قصد كسب و كار در حوزه تجارت و پيش بيني هاي مربوط به آن را دارند از اين مجموعه داده استقبال زيادي مي كنند زيرا هم فرصت هاي زيادي براي ورود به علم داده فراهم مي كند هم درك افراد را از صنعت تجارت زيادتر خواهد كرد.

1. صندوق بين المللي پول

اين سايت چندين مجموعه داده اكسل رايگان در حوزه شاخص هاي مختلف اقتصادي كليدي از توليد ناخالص داخلي تا تورم دارد. گرفتن داده ها از چندين فايل مختلف و تجميع آن ها، يك روش عالي براي تميز كردن داده ها است.

1. اداره اطلاعات انرژيِ ايالات متحده

اين سايت داده هاي رايگان و در دسترسي در قالب فايل اكسل و google sheet از طريق افزونه و همچنين از طريق ويجت هايي كه تجسم داده هاي تعاملي را فراهم مي كنند، در اختيار افراد قرار مي دهد. اين مجموعه داده براي پروژه هاي يادگيري ماشين بسيار خوب عمل مي كند.

1. مجموعه داده تصاوير Tensorflow (CelebA)

براي تمرين در حوزه يادگيري ماشين، به يك مجموعه داده تخصصي مانند TensorFlow نياز داريد. كتابخانه TensorFlow شامل انواع ابزارها، مدل ها و راهنماهاي يادگيري ماشين به همراه مجموعه داده هاي خود است. CelebA بسيار گسترده و به صورت آنلاين در دسترس عموم است و شامل بيش از دويست هزار تصوير مشهور است.

1. مجموعه داده متني Tensorflow

يك مجموعه داده ديگر از كتابخانه Tensorflow به نام  Common Crawl’s Web Crawl Corpus

در بيش از 40 زبان وجود دارد. اين ديتاست داده هاي هفت سال را در بر مي گيرد و مبنعي عالي براي ارزيابي عملكرد مجموعه داده هاي يادگيري ماشين است.

در مسير تبديل شدن به يك دانشمند داده (data scientist) اولين قدم يافتن يك مجموعه داده مناسب براي تجزيه و تحليل داده هاست. در طول اين مسير شما بايد تصميم بگيريد مجموعه داده در چه حوزه اي نياز داريد و ميخواهيد اين مجموعه داده چقدر بزرگ و نامرتب باشد. مرحله تميز كردن داده ها (data cleaning) جزئي جدايي ناپذير از علم داده است اما ممكن است تصميم شما براي اولين پروژه ها اين باشد كه به جاي تميز كردن داده ها، روي تجزيه و تحليل آن ها تمركز كنيد.

در اين پست مجموعه داده هايي از انواع مختلف و پيچيدگي هاي گوناگون معرفي مي كنيم كه به نظر ميرسد براي پروژه هاي اول خوب كار مي كنند. اين مجموعه داده ها منابع مختلفي را پوشش مي دهند مانند داده هاي جمعيت شناختي، داده هاي اقتصادي، داده هاي متني و داده هاي شركتي

1. داده هاي سرشماري ايالات متحده

اداره سرشماري ايالات متحده مجموعه اطلاعات دموگرافيك را در سطح ايالت ، شهر و حتي كد پستي منتشر مي كند. اين مجموعه داده يك مجموعه خارق العاده براي دانشجويان علاقه مند به ايجاد تجسم داده هاي جغرافيايي است و از طريق وب سايت اداره سرشماري و همچنين از طريق API قابل دسترسي است. به طور كلي اين داده ها بسيار تميز و جامع هستند و به اين دليل كه نياز به تميز كردن دستي آن ها وجود ندارد، براي پروژه هاي تجسم داده انتخاب خوبي هستند.

1. اطلاعات جرم FBI

داده هاي جرايم FBI يكي از جذاب ترين مجموعه هاي داده در اين ليست است. اگر به تجزيه و تحليل داده هاي سري زماني علاقه داريد، مي توانيد از آنها براي ترسيم تغييرات در ميزان جرم در سطح كشور طي يك دوره 20 ساله استفاده كنيد. همچنين مي توانيد از نظر جغرافيايي به داده ها نگاه كنيد.

1. علت مرگ

مراكز كنترل و پيشگيري از بيماري ها يك پايگاه داده در مورد علت مرگ نگهداري مي كنند. داده ها را مي توان تقريباً از هر لحاظ تقسيم بندي كرد: سن ، نژاد ، سال و غيره. از آنجا كه اين مجموعه داده بسيار گسترده است ، استفاده از آن براي پروژه هاي پردازش داده خوب است.

1. كيفيت بيمارستان ها

مركز خدمات پزشكي يك پايگاه داده در مورد كيفيت مراقبت در بيش از 4000 بيمارستان داراي گواهي مديكر در سراسر ايالات متحده را نگهداري مي كند و مقايسه هاي جالبي ارائه مي دهد. از آنجا كه اين داده ها در چندين پرونده پخش مي شود و درك كامل آن ممكن است به كمي تحقيق نياز داشته باشد، مي تواند يك پروژه تميز كردن داده ها باشد.

1. داده هاي مربوط به سرطان

دولت ايالات متحده داده هايي در مورد بروز سرطان دارد كه باز هم بر اساس سن ، نژاد ، جنس ، سال و ساير عوامل تقسيم مي شود. اين مجموعه داده از برنامه نظارت ، اپيدميولوژي و نتايج نهايي موسسه ملي سرطان به دست آمده است. داده ها به سال 1975 برمي گردند و 18 پايگاه داده دارند ، بنابراين گزينه هاي زيادي براي تجزيه و تحليل خواهند داشت.

1. اداره آمار كار

بسياري از شاخص هاي مهم اقتصادي براي ايالات متحده (مانند بيكاري و تورم) را مي توان در وب سايت Bureau of Statistics Statistics يافت. بيشتر داده ها را مي توان هم از نظر زمان و هم از نظر جغرافيايي تقسيم بندي و براي پروژه هاي پردازش داده و تجسم داده استفاده كرد.

1. دفتر تحليل اقتصادي

دفتر تحليل اقتصادي داراي داده هاي اقتصادي ملي و منطقه اي از جمله توليد ناخالص داخلي و نرخ ارز است. محدوده عظيمي در گروههاي مختلف داده وجود دارد كه مي توان براساس مكان ، حساب هاي اقتصادي و موضوعات فهرست كرد. اين گروه ها در زيرمجموعه هاي حتي كوچكتر نيز سازمان يافته اند.

1. اطلاعات اقتصادي صندوق بين المللي پول

چند مجموعه داده مختلف در حوزه آمار اقتصادي جهاني در سايت صندوق بين المللي پول وجود دارد كه مي توان از آن براي طيف گسترده اي از پروژه ها مانند تجسم يا حتي تميز كردن داده ها استفاده كرد.

1. پيش بيني شاخص هاي سهام

پيش بيني قيمت سهام عمده ترين كاربرد تجزيه و تحليل داده ها و يادگيري ماشين است. يك مجموعه داده مرتبط براي كاوش بازده هفتگي شاخص داو جونز توسط مركز سيستم هاي يادگيري ماشين در دانشگاه كاليفرنيا منتشر شده است. اين يكي از مجموعه هايي است كه مخصوص پروژه هاي يادگيري ماشين ساخته شده است.

1. داده هاي دولت انگليس

در پورتال رسمي داده هاي دولت انگليس ده ها هزار مجموعه داده در موضوعاتي مانند جرم، تحصيلات، حمل و نقل و بهداشت موجود است. از آنجا كه اين مجموعه داده يك منبع داده باز با ميليون ها ورودي است، شما قادر خواهيد بود تميز كردن داده ها را در گروه هاي مختلف تمرين كنيد.

1. ايميل هاي شركت آمريكايي Enron

پس از فروپاشي Enron يك مجموعه داده رايگان از تقريباً پانصد هزار ايميل با متن پيام و فراداده منتشر شد. اين مجموعه داده اكنون مشهور است و يك زمينه آزمايش عالي براي تجزيه و تحليل مرتبط با متن فراهم مي كند. همچنين مي توانيد ساير كاربردهاي تحقيقاتي اين مجموعه داده را از طريق صفحه اين شركت جستجو كنيد.

مرورگر كروم يكي از محبوب ترين و پر استفاده ترين مرورگرهايي است كه امروزه استفاده مي شود. اين مرورگر تعداد بسيار زيادي افزونه دارد كه به طراحان و توسعه دهندگان وب كمك ميكند كارهاي خود را در كمترين زمان ممكن انجام دهند و از اين طريق كارايي خود را بالا ببرند.

در اين پست 9 اكستنشن كروم كه زندگي را براي توسعه دهندگان وب آسان مي كند، معرفي مي كنيم. اين افزونه ها همگي تست شده اند و از لحاظ كارايي و رابط گرافيكي جزء بهترين ها هستند.

1. whatFont

افزونه WhatFont ساده ترين راه براي شناسايي فونت هاي استفاده شده در صفحات وب است. اين افزونه نه تنها نوع فونت، بلكه اندازه، وزن و رنگ دقيق فونت را هم مشخص مي كند. اگر شما هم جزء كساني هستيد كه از صفحات مختلف وب بازديد مي كنيد و از آن ها براي ايده گرفتن در كار خودتان استفاده مي كنيد، اين اكستنشن را حتما نصب كنيد.

1. whatRuns

افزونه whatRuns يك افزونه قدرتمند است كه تمام ابزار و تكنولوژي هاي استفاده شده در يك صفحه وب را براي شما مشخص مي كند. اين ابزار و تكنولوژي ها شامل همه چيز از فريمورك استفاده شده، تكنولوژي وب، سيستم مديريت محتوا، قالب و فونت ها است. اين اكستنشن انقدر قدرتمند است كه حتي زمان شروع و پايان استفاده از يك ابزار خاص را هم اعلام مي كند.

1. window resizer

اگر در حال طراحي يك صفحه واكنش گرا (responsive) هستيد، افزونه window resizer يكي از بهترين افزونه هايي است كه به شما كمك ميكند سايز صفحه خود را به ابعاد مختلف مانند ابعاد موبايل، تبلت، نمايشگر كامپيوتر و... تغيير دهيد و سپس طراحي خود در اين سايزها را تست كنيد. اين افزونه همچنين قابليت آن را دارد كه ابعاد دلخواه شما را براي كل پنجره يا بخشي از آن تنظيم كند.

1. CSS viewer

توانايي مشاهده كدهاي CSS هر المان دلخواه در هر سايتي كه مدنظر داريد، از قابليت هاي اين افزونه قدرتمند و كاربردي است. تنها كافي است المان مدنظر خود را انتخاب كنيد تا پنجره اي از كدهاي CSS براي شما نمايش داده شود.

1. full stack optimization live test

اين افزونه به شما اجازه مي دهد به راحتي تمام صفحات وبي را كه مدنظر داريد، بر اساس ويژگي هاي از پيش تعيين شده مثل seo يا web performance تست كنيد. شما مي توانيد با استفاده از افزونه full stack optimization live test يك بازخورد نمايشي از صفحاتتان داشته باشيد و متوجه شويد از ابتداي لود صفحه تا انتهاي كار، در سايتتان چه اتفاقاتي مي افتد.

1. colorZilla

افزونه colorZilla يك افزونه ساده اما بسيار كاربردي است كه دقيقا هر آنچه ادعا ميكند را به راحت ترين شكل ممكن انجام ميدهد. با استفاده از قطره چكان و ابزار انتخاب رنگ، شما مي توانيد كد رنگي هر جزئي از تصوير را به دست بياوريد و آن را در ساير نرم افزارها مانند فتوشاپ، ايلوستريتور و... استفاده كنيد. اين ابزار همچنين قابليت توليد گراديانت CSS و آناليز رنگ صفحات وب را فراهم مي كند.

1. lorem ipsum generator

افزونه توليد متن آزمايشي لورم ايپسوم يك راه آسان و موثر توليد متن هاي پيش فرض براي قرار دادن در قسمت هايي از سايت است كه به متن نياز دارند. هر جمله به طور تصادفي توليد مي شود تا نمونه اي از متن واقعي را بهتر نمايش دهد.

1. page ruler

افزونه page ruler مانند يك خط كش در دنياي وب عمل مي كند و طول، عرض و موقعيت (بالا، پايين، چپ و راست) هر المان دلخواه از صفحه را اندازه گيري مي كند. شما همچنين مي توانيد لبه هاي خط كش را بكشيد و آن را تغيير سايز دهيد.

1. web developer checklist

يكي از ابزارهاي بسيار مفيد براي برنامه نويسان و توسعه دهندگان، افزونه web developer است كه سايت شما را در مواردي مانند seo ، قابليت دسترسي، كارايي و... بررسي مي كند. اين افزونه به شما كمك مي كند نقاط مشكل ساز سايت خود را شناسايي كنيد و آن را اصلاح يا بهينه كنيد.

بسياري از افراد تازه كار اشتباهات كوچك اما رايجي انجام مي دهند كه ممكن است آنان را تا مدت ها به خود مشغول كند و براي رفع آن مجبور شوند زمان بسيار زيادي را صرف كنند. اگر شما هم قصد داريد با پايگاه داده SQL شروع به كار كنيد، بهتر است اين اشتباهات را بشناسيد تا به راحتي از پيش آمدن آنان جلوگيري كنيد و به روند كدنويسي خود سرعت بيشتري ببخشيد.

در اين پست قصد داريم 5 اشتباه رايج در پايگاه داده sql server را معرفي كنيم.

انتخاب database اشتباه

زماني كه شما sql server management studio را باز مي كنيد و ميخواهيد يك query جديد بنويسيد، ديتابيس به طور پيش فرض روي master است. در حالي كه به احتمال زياد شما قصد كار روي database ديگري داريد. پس فراموش نكنيد كه حتما قبل از اجراي query هاي خود، پايگاه داده مدنظر را چك كنيد.

اشتباه املايي در نوشتن دستورات

دستورات sql كلمات كليدي خاصي دارد كه بايد حتما به طور درست نوشته شوند. گاهي يك كاراكتر اشتباه يا جابه جا شده باعث مي شود كل دستور sql به درستي شناسايي نشود و قابل اجرا نباشد. بهترين راهكار براي چك كردن اين مورد اين است كه به رنگ كلمات كليدي توجه كنيد. مثلا كلمه select در صورتي كه درست نوشته شده باشد بايد حتما به رنگ آبي دربيايد. اگر اين كلمه را همچنان با رنگ مشكي مي بينيد احتمال اشتباه املايي در آن بسيار زياد است. يك راهكار ديگر اين است كه كلمات كليدي را با حروف بزرگ بنويسيد تا هم به خوانايي دستور كمك كنيد و هم كلمات كليدي را از ساير اجراي دستور مثل نام جدول و ستون ها مجزا كنيد.

علامت براكت  [] يا نقل قول  ' حذف شده

علامت براكت و نقل قول به طور مكرر در sql استفاده مي شود. اين علامت ها بايد حتما به صورت دوتايي يا جفت به كار بروند يعني مثلا به ازاي هر براكت باز، حتما يك براكت بسته وجود دارد و تمام متن مدنظر شما بايد توسط علامت نقل قول احاطه شده باشد. در غير اين صورت sql متوجه نمي شود چه زماني متن تمام و بقيه دستور آغاز مي شود.

انتخاب اشتباه قسمتي از دستور

محيط sql server management studio جاي مناسبي براي نوشتن دستورات sql و اجراي آن است. اگر تنها قسمتي از دستور را انتخاب كنيد و دكمه اجرا را بزنيد، فقط همان قسمت اجرا مي شود.

مثلا در تصويري كه مشاهده مي كنيد جدول Person.Person كامل هايلايت نشده است بنابراين نتيجه خطا دارد.

انتخاب بخشي از دستورات تنها زماني مفيد است كه شما query هاي زيادي داشته باشيد و بخواهيد فقط تعدادي از آن را اجرا كنيد.

علامت ويرگول , و نقطه ويرگول ;

علامت ويرگول براي جداسازي اجزاي ليست مثلا ستون هاي يك جدول استفاده مي شود در حالي كه علامت نقطه ويرگول براي نشان دادن پايان دستور به كار مي رود. هريك از اين علامت ها اگر كم تر يا بيشتر از حد نياز يا در جاي نامناسب باشند، باعث بروز مشكل مي شوند.

يكي از راهكارهاي مناسب براي اينكه در ليست ستون هاي مدنظرتان علامت ويرگول اضافي نداشته باشيد، اين است كه علامت ويرگول را به جاي اينكه بعد از نام ستون قرار دهيد، قبل از آن بنويسيد. در اين صورت اگر يكي از ستون ها مخصوصا ستون آخر را حذف كنيد، علامت ويرگول هم حذف خواهد شد و مشكلي پيش نمي آيد.

شما مي توانيد براي يادگيري سير تا پياز sql server 2019 از مقدماتي تا پيشرفته به سايت الگوريتم اول مراجعه كنيد و با استفاده از ويدئوهاي آموزشي اين پايگاه داده را به طور كامل ياد بگيريد.

منبع: سايت essentialsql

اگر تا به حال قصد شروع يادگيري SQL را داشته ايد ولي نميدانستيد از كجا بايد شروع كنيد و از يادگيري آن نااميد شده ايد، اين پست را حتما مطالعه كنيد. در اين پست 3 راهكار عالي براي يادگيري پايگاه داده SQL به شما معرفي مي كنيم:

اولين قدم اين است كه اصلا خودتان را درگير نوع پايگاه داده نكنيد

در ابتداي يادگيري SQL ، بسياري از افراد نمي دانند بايد كدام پايگاه داده را از بين  MySQL ، Oracle و SQL Server و... انتخاب كنند. اگر بخواهيم صادق باشيم در ابتداي راه تفاوت زيادي بين اين پايگاه داده ها وجود ندارد. آنچه مهم است يادگيري مفاهيم اصلي است كه از اين نظر تمام پايگاه داده هاي رابطه اي مفاهيم و نوشتار مشابه اي دارند.

فرض كنيد ما يك جدول براي كارمندان به نام Employee داريم كه شامل ستون هاي نام و نام خانوادگي است. دستور select براي تمام پايگاه داده هاي گفته شده مشابه يكديگر است:

;Select firstname, lastname from Employee

همانطور كه گفتيم در ابتداي راه بايد تمركز اصلي تان را روي يادگيري مفاهيم پايه و اصلي قرار دهيد و سپس در مراحل بعد شروع به يادگيري جزئيات دستور اين پايگاه داده ها كنيد.

كامپيوترتان را آماده كنيد

براي يادگيري SQL شما نياز داريد با چالش ها و تمرين هاي زيادي مواجه شويد. پس بهتر است به مجموعه داده ي مدنظر دسترسي داشته باشيد تا بتوانيد به راحتي query هاي خود را اجرا كنيد. يكي از راه هاي يادگيري اين است كه خودتان مجموعه داده را روي سيستم نصب كنيد و تلاش كنيد داده هاي مختلفي را با اجراي دستورات گوناگون از جدول بازيابي كنيد. روش ديگري كه براي يادگيري وجود دارد اين است كه از دوره ها و ويدئوهاي آموزشي معتبر موجود در اين زمينه استفاده كنيد. شما مي توانيد با مراجعه به سايت الگوريتم اول دوره آموزش مقدماتي تا پيشرفته sql server 2019 را مشاهده كنيد و پس از گذراندن آزمون ها و پروژه هاي اين دوره، مدرك معتبر دانشگاه شيراز دريافت كنيد.

براي يادگيري، برنامه ريزي داشته باشيد

يادگيري يك زبان برنامه نويسي جديد در ابتداي راه ممكن است كمي گيج كننده و سخت به نظر برسد. پس بهتر است ابتدا مشخص كنيد چه عنوان هايي از زبان جديد را بيشتر نياز داريد و بعد از مشخص كردن آن، با مراجعه به منابع معتبر آموزشي به اين عنوان ها ترتيب زماني بدهيد تا همه مطالب را بعد از يادگيري مقدمات و پيش نياز هاي آن ياد بگيريد. در اين صورت ديگر مطمئن هستيد كه هيچ مبحثي را از قلم نينداخته ايد و همه مطالب را به طور كامل فراگرفته ايد.   

در نگاه اول عموم مردم تصور مي كنند برنامه نويسي تنها يك مهارت سخت فني (technical skill) است. به همين دليل است كه اكثر توسعه دهندگان و برنامه نويسان تازه كار، اهميت مهارت هاي نرم  (soft skill) را دست كم ميگيرند و تنها به مهارت هاي سخت فني توجه ميكنند. اما ناديده گرفتن اين مهارت ها مي تواند موجب بروز مشكلات زيادي مانند كمبود ارتباط موثر بين اعضاي تيم و در نهايت كاهش عملكرد مثبت آنان شود.
در اين پست در ابتدا بيان مي كنيم چرا مهارت هاي نرم، حياتي محسوب مي شوند و بعد از آن مهارت هاي ضروري تر براي يك مهندس نرم افزار را بررسي مي كنيم.

تفاوت مهارت هاي نرم و سخت چيست؟

زماني كه فرد برنامه نويس براي يك موقعيت شغلي رزومه ميفرستد، كارفرما براي تصميم گيري در مورد استخدام او به هر دو مهارت سخت و نرم توجه مي كند.

• مهارت هاي نرم بيشتر جنبه ذهني دارد و به سختي قابل اندازه گيري است. اين مهارت ها شامل انعطاف پذيري، مديريت فكري و تيمي، ارتباط موثر، مديريت زمان و... است.
• مهارت هاي سخت بيشتر جنبه فني دارد و معمولا درصد بيشتري از رزومه برنامه نويس را شامل مي شود مثل مهارت برنامه نويسي، تايپ سريع، كار با سيستم و...

چرا مهارت هاي نرم مهم هستند؟

دلايل مختلفي وجود دارد كه نشان مي دهد مهارت هاي نرم اهميت كمتري نسبت به مهارت هاي سخت ندارند و بايد به همان اندازه مورد توجه قرار گيرند. در واقع داشتن مهارت هاي نرم يعني داشتن ارتباط مثبت و موثر با ساير توسعه دهندگان و اعضاي تيم

• مهارت هاي نرم به توسعه دهندگان و برنامه نويسان كمك مي كند يك شبكه ارتباطي بسيار عالي با متخصصان صنعت برقرار كنند و بتوانند از اين طريق پروژه ها و فرصت هاي شغلي جديد به دست بياورند يا در زمينه كاري خود راهنمايي كسب كنند.
• مهارت هاي نرم در واقع به معناي كار تيمي است. براي شما به عنوان يك برنامه نويس شايد بسيار راحت تر باشد كه فقط روي وظايف خود تمركز كنيد و مشكلات برنامه نويسي خود را برطرف كنيد. اما توسعه نرم افزار چيزي فراتر از اين ميطلبد. توسعه نرم افزار در حقيقت يك كار تيمي است و همه اعضاي تيم براي رسيدن به هدف و ساخت محصول موردنظر، بايد با يكديگر در ارتباط باشند.
• و در آخر يكي از مهم ترين دلايلي كه مهارت هاي نرم اهميت پيدا مي كند، نگه داشتن اعضاي تيم در كنار يكديگر براي همكاري هاي بلندمدت است.

10 مهارت نرم بسيارمهم كه هر توسعه دهنده بايد داشته باشد

توانايي برقراري ارتباط

• خوب گوش دهيد. مهارت خوب گوش دادن و خوب شنيدن يكي از مهم ترين مهارت هاي برقراري ارتباط است. تمرين كنيد قبل از آن كه نظرات خود را در مورد فرايند توسعه محصول يا مشكلات پيش آمده مطرح كنيد، ابتدا نظر ديگر افراد تيم را به خوبي بشنويد و تلاش كنيد بعد از آن بهترين راه حل را پيدا كنيد.
• حرف ديگران را قطع نكنيد. تمرين كنيد حتي اگر در زمينه اي اطلاعات كاملي داريد، حرف درست يا نادرست ساير افراد را حين صحبت كردن قطع نكنيد.
• شفاف و واضح صحبت كنيد. زماني كه بحث يا اختلاف نظر در مورد روند انجام كار پيش مي آيد، شما بايد بتوانيد به آرامي و به صورت شفاف ايده هاي خود را براي پايان دادن به آن مسئله بيان كنيد.
•  

توانايي حل مسئله

در طول يك پروژه يا قبول كردن يك مسئوليت، بسيار طبيعي است كه مشكلات پيش بيني نشده اي اتفاق بيفتد. مهارت حل مسئله به شما كمك ميكند مشكلات كار را بدون متوقف كردن كل پروژه، مديريت كنيد.

مشاركت فعال در گروه

توانايي مشاركت فعال در گروه يك مهارت است كه هريك از اعضاي تيم به طور فعال در پايان دادن وظايف، مديريت پروژه و رسيدن به هدف همكاري مي كنند.  همكاري درست افراد احتمال ايجاد محصول بهتر، با ايده هاي خلاقانه تر و جديدتر را بسيار بالا مي برد.

مسئوليت پذيري

مسئوليت پذيري يك مهارت مهم است كه توسعه دهندگان و برنامه نويسان را قادر مي سازد مسئوليت اشتباهات خود را بپذيرند و بر اساس آن ها تصميم بهتري اتخاذ كنند. گرچه بسيار سخت است كه قبول كنيد انتخاب يا عدم توجه شما به يك مسئله موجب اشتباه شده است ولي بايد تمرين كنيد اولا مسئوليت ان ها را بپذيريد و سپس از تكرار آن ها جلوگيري كنيد.

سازگار بودن با محيط و ساير افراد

انطباق دادن خود با شرايط جديد يك مهارت نرم است كه هر برنامه نويس يا مدير پروژه بايد بتواند تغييراتي كه در محيط و حيطه توسعه محصول ايجاد مي شود را مديريت كند و خود را با آن وفق بدهد. شما به عنوان يك توسعه دهنده بايد همواره امادگي لازم براي پيشرفت تكنولوژي چه از لحاظ سخت افزاري و چه از لحاظ نرم افزاري را داشته باشيد.

مهارت هاي زباني و كلامي

مهارت هاي كلامي شامل روش صحبت كردن و نوشتن مطالب است. خيلي مهم است كه شما بتوانيد به صورت شفاف و راحت با مشتريان محصول خود صحبت كنيد. همچنين ممكن است شما مشترياني داشته باشيد كه زبان طبيعي شما را متوجه نشوند بنابراين بايد زبان جديدي ياد گيريد و بتوانيد با انان ارتباط برقرار كنيد.

اعتماد سازي

جلب اعتماد ديگران مهارتي است كه افراد حرفه اي و متخصص را قادر مي كند تصميمات مستقلي در مورد پروژه هاي خود بگيرند و براي پايان دادن به وظايف خود به بهترين نحو تلاش كنند. در ابتداي كار شايد سخت به نظر برسد كه بتوانيد اعتماد ساير افراد به ويژه مديران خود را جلب كنيد ولي به مرور زمان كه پروژه هاي بيشتري را با موفقيت به پايان برسانيد اين اعتمادسازي به طور خودكار اتفاق مي افتد.

مديريت زمان

مديريت زمان يك مهارت نرم است كه متناسب با نقشي كه در فرايند توسعه نرم افزار داريد، تغيير مي كند. به عنوان مثال اگر شما مديريت پروژه را برعهده داشته باشيد، بايد وظايف و اعضاي تيم را در مدت زمان مشخص مديريت كنيد. يا اگر شما تنها يك توسعه دهنده هستيد بايد بتوانيد زمان خود را براي طراحي، ساخت و افزايش كيفيت نرم افزار مديريت كنيد. در اين صورت شما ياد ميگيريد كارها و وظايف خود را اولويت بندي كنيد و هركدام را در بازه زماني مرتبط انجام دهيد.

توانايي يادگيري به صورت خودآموز

اكثر شركت هاي نرم افزاري به دنبال افرادي هستند كه بتوانند زبان ها و تكنولوژي هاي جديد را به طور خودآموز ياد بگيرند و در مواقع لازم راه حل هاي مناسب ارائه دهند. پس اگر شما تا به حال اين كار را شروع نكرده ايد، بهتر است خودتان موضوعات جذاب روز را پيدا كنيد و با استفاده از منابع و ويدئوهاي آموزشي آن ها را ياد بگيريد.

يكي از سايت هايي كه همواره در زمينه تكنولوژي و آموزش نرم افزار پيشرو بوده، سايت الگوريتم اول است. شما مي توانيد با مراجعه به اين سايت، آموزش هاي برنامه نويسي را از بهترين اساتيد به صورت آفلاين و آنلاين ياد بگيريد و پس از گذراندن آزمون هاي دوره، مدرك معتبر دانشگاه شيراز دريافت كنيد. اين مدرك مي تواند به شما در افزايش سطح رزومه تان كمك شاياني كند.

توانايي صبور بودن در مواقع بحراني

فرايند توسعه نرم افزار فرايندي طولاني است . به پايان رساندن پروژه ها، تست و به كارگيري آن ها و اعمال تغييرات لازم در هنگام پشتيباني، همه و همه فرايندهاي زمان بري است كه صبر ميطلبد. در اين گونه مواقع بايد به خودتان زمان كافي را بدهيد تا بدون استرس اشتباهات و خطاهاي پيش آمده را برطرف كنيد.

اين روزها علم داده يا data science طرفدارهاي بسيار زيادي پيدا كرده و به سرعت در حال گسترش است. اما سوالي كه براي بسياري از برنامه نويسان مطرح مي شود اين است كه كدام زبان برنامه نويسي براي اين كار بهتر است؟ قبل از اينكه در مورد زبان هاي برنامه نويسي صحبت كنيم، بهتر است كمي بيشتر در مورد خود علم داده اطلاع پيدا كنيم.

علم داده يا data science چيست؟

اگر در محيط وب جستجويي در مورد علم داده داشته باشيد حتما با دنيايي از مقالات طولاني و پيچيده مواجه مي شويد اما ما فقط يك جمله براي تعريف آن بيان مي كنيم. علم داده هنر جمع آوري، اندازه گيري، ارزيابي، مرتب سازي و آناليز مجموعه داده (data set) است. اين مجموعه داده مي تواند بسيار كوچك مثلا در حد شناسايي افراد بازديدكننده از سايت شما در يك بازه زماني خاص باشد يا داده هاي بسيار زيادي را شامل شود مثل بررسي وضعيت هزاران سنسور هوشمند در سراسر يك منطقه.

علم داده سال هاي زيادي است كه پديد آمده ولي نوآوري در زبان هاي برنامه نويسي مانند پايتون و R باعث گسترش قابليت هاي آن در استفاده از نرم افزارهاي گوناگون شده و سرعت جمع آوري ، ارزيابي و آناليز داده ها را به طور چشمگيري افزايش داده است.

خب تا اينجا درمورد علم داده صحبت كرديم. در ادامه اين مطلب قصد داريم زبان هاي پايتون و R را از جنبه هاي مختلفي باهم مقايسه كنيم.

جمع آوري داده (data collection)

اولين تفاوت مهم زبان هاي پايتون و R در حوزه جمع آوري داده است. براي مثال زبان پايتون از انواع فرمت هاي گوناگون از csv گرفته تا json و حتي جداول sql پشتيباني مي كند. در حوزه توسعه وب هم پايتون اين اجازه را مي دهد كه داده ها را از دنياي وب جمع آوري كنيد و در جداولي كه خودتان ساختارش را مشخص كرده ايد، قرار دهيد. در مقابل زبان R براي وارد كردن داده هايي با فرمت excel ، csv و txt بهينه سازي شده است.

اكتشاف داده (exploring data)
پايتون يك كتابخانه بسيار قدرتمند براي تحليل و اكتشاف داده به نام Pandas دارد كه مي توانيد از آن براي عمليات گوناگوني مثل فيلتر كردن داده ها، مرتب سازي و نمايش داده ها به راحتي استفاده كنيد. در مقابل زبان R براي آناليزهاي آماري در ديتاست هاي بزرگ بهينه شده و شامل قابليت هاي متنوعي براي انجام عمليات اكتشاف داده است. با استفاده از زبان R شما مي توانيد توزيع احتمال هاي مختلفي براي داده هايتان در نظر بگيريد، تست هاي آماري زيادي به كار ببريد و عمليات هاي مختلف داده كاوي و يادگيري ماشين اجرا كنيد.

مدل سازي داده (data modeling)

در زبان پايتون كتابخانه هاي قدرتمند و استانداردي مانند NumPy براي آناليز مدل سازي عددي يا SciPy براي محاسبات علمي وجود دارد. اما اگر برنامه نويسان بخواهند همين مدل سازي هاي علمي را در زبان R انجام دهند، بايد از پكيج هاي خارج از اين زبان استفاده كنند. البته ممكن است راه حل هايي در درون خود زبان R هم وجود داشته باشد ولي قطعا پيچيدگي هايي را به برنامه اضافه مي كند كه در زبان پايتون وجود نداشته است.

تصويرسازي داده (data visualization)

تنها حوزه اي كه زبان R نسبت به زبان پايتون برتري دارد، حيطه مصورسازي داده است. پايتون ابزارهايي مانند matplotlib دارد كه مي توانند داده ها را به خوبي نمايش دهد. اما زبان R اساسا براي نمايش نتايج آناليزهاي آماري ساخته شده است و ماژول هاي گرافيكي آن امكان رسم نمودارها و چارت هاي مختلف را فراهم مي كند.

با اين تفاسير كدام زبان براي افراد مبتدي بهتر است؟

زبان پايتون و R هركدام مزيت هاي متفاوتي در حوزه علم داده دارند اما سوال اصلي اينجاست كه كدام يك براي افراد مبتدي و كارهاي اوليه مناسب تر است؟ با توجه به مواردي كه گفته شد به نظر ميرسد زبان پايتون انتخاب اصلي براي اين دسته از افراد باشد. درست است كه افراد تازه كار مي توانند از زبان R براي اجراي آناليزهاي ساده و پايه اي در مدت زمان كوتاهي استفاده كنند، اما براي اين كه اين زبان و كتابخانه هاي آن را به درستي به كار ببرند، بايد ساعت ها براي يادگيري تلاش كنند. در مقابل زبان برنامه نويسي پايتون يك زبان بسيار ساده و قابل فهم است كه نه فقط براي علم داده بلكه براي بسياري از برنامه ها در حوزه هاي مختلف، كاربرد زيادي دارد. يكي از روش هاي يادگيري اين زبان برنامه نويسي، مشاهده ويدئوهاي آموزشي معتبر است. سايت الگوريتم اول اين امكان را فراهم كرده است كه افراد با هر سطحي از دانش، بتوانند دوره ي مقدماتي زبان برنامه نويسي پايتون را بگذرانند و پس از كسب نمره قبولي در آزمون ها و پروژه هاي اين دوره، مدرك معتبر دانشگاه شيراز را دريافت كنند.

در پست هاي قبل 6 كتاب و مرجع آنلاين براي برنامه نويسي را معرفي كرديم. در اين پست 6 مورد ديگر را باهم بررسي مي كنيم.

7-

Effective Java by Joshua Bloch

كتاب effective java يك منبع عالي براي يادگيري تكنيك ها، ترفندها و كاربردهاي زبان برنامه نويسي جاوا است. اين كتاب يك راهنماي جامع است كه تمام اطلاعات و مفاهيم موردنياز براي يادگيري اين زبان برنامه نويسي را پوشش ميدهد مانند:

• Object
• Class
• Library
• Method
• Serialization
• ...

اگر به زبان جاوا علاقه منديد و قصد داريد اين زبان را به طور كامل ياد بگيريد، خواندن اين كتاب برايتان از نان شب واجب تر است.

8-

Eloquent Ruby by Russ Olsen

كتاب eloquent Ruby يك فرصت بسيار مناسب براي شروع يادگيري زبان ruby فراهم مي كند. اين كتاب به شما كمك مي كند با استفاده از زبان ruby بتوانيد برنامه هاي خود را به راحتي بنويسيد و اجرا كنيد. نويسنده ي كتاب تجربيات ارزشمند خود را در زمينه مفاهيم و كاربردهاي آن به زيبايي و بسيار قابل فهم بيان ميكند.

9-

Python Crash Course, 2nd Edition: A Hands-On, Project-Based Introduction to Programming by Eric Matthes

زبان برنامه نويسي پايتون يك زبان ساده و قدرتمند است كه در سال هاي اخير بسيار محبوب شده و به طور گسترده استفاده مي شود. اين كتاب به دو قسمت تقسيم مي شود:

در قسمت اول مفاهيم اصلي و اوليه زبان پايتون مانند متغيرها، ليست ها، حلقه ها، كلاس ها و... آموزش داده شده كه با تمرينات زيادي همراه است. در قسمت دوم نيز 3 پروژه معرفي شده كه بتوانيد دانش خود را در اين زبان برنامه نويسي به كاربردهاي عملي تبديل كنيد. همچنين اين كتاب به شما نحوه استفاده از كتابخانه هاي پرقدرت پايتون مانند pygame ، matplotlib ،   Django و... را آموزش ميدهد.

يكي ديگر از روش هاي يادگيري زبان برنامه نويسي پايتون استفاده از ويدئوهاي آموزشي است كه ميتوانيد با مراجعه به سايت الگوريتم اول ، از آموزش ها و تجارب مدرس اين زبان به خوبي استفاده كنيد.

10-

Codeacademy’s Free Course

يادگيري از طريق كتاب يكي از بهترين روش هاي جمع آوري اطلاعات و فراگيري مقدمات اوليه براي انجام دادن پروژه هاي آينده است. اما تمرين روي پروژه هاي واقعي است كه براي شما تجربه هاي فراواني به ارمغان مي آورد. سايت codeacademy يك منبع بسيار خوب براي ياد گرفتن html, css, bootstrap است كه به شما آموزش ميدهد چطور يك وبسايت را بسازيد و با چالش هاي آن مواجه شويد.

11-

Udemy’s Course

 Udemy يكي از بهترين پلتفرم هاي يادگيري براي كساني است كه ميخواهند به طور خودآموز مطلبي را ياد بگيرند. اگر وارد سايت شويد و قصد داشته باشيد كدنويسي را شروع كنيد، با انواع دوره هاي آموزشي مختلف مواجه مي شويد.يكي از بهترين دوره ها براي شروع coding for begginers1: you can learn to code است كه زبان هاي برنامه نويسي مختلفي مانند اسكرچ ، پايتون ، جاوا اسكريپت ، روبي ، سي شارپ و... را پوشش مي دهد و بيش از 15 هزار نفر اين در اين دوره شركت كرده اند.

اين دوره آموزشي در 8 ساعت و 34 قسمت مفاهيم اصلي كدنويسي ، زبان هاي برنامه نويسي ، پروژه ها و اصول و قواعد كار را آموزش مي دهد.

12-

Udacity’s Free Course

Udacity يكي ديگر از پلتفرم هاي آموزش كدنويسي است كه داراي انواع دوره هاي آموزشي رايگان و غير رايگان است. دوره آموزشي كه ما در اين پست قصد معرفي آن را داريم، intro to html and css است.

براساس توضيحات اين دوره آموزشي، شما مي توانيد ساختار و مفاهيم پايه و اصلي توسعه وب را به همراه مثال ها و تمرين هاي متنوع و حرفه اي ياد بگيريد. اين دوره براي افراد مبتدي تهيه شده است پس اگر مي خواهيد برنامه نويسي چالش برانگيزتري تجربه كنيد، بايد به ساير دوره هاي اين سايت هم سر بزنيد.

اگر قصد داريد كدنويسي را شروع كنيد يا مهارت هاي كدنويسي خود را افزايش دهيد، يكي از نكات مهم اين است كه بدانيد از چه منابعي براي يادگيري دانش و مهارت خود استفاده كنيد. از آن جايي كه منابع زيادي در سراسر وب براي اين كار وجود دارد، انتخاب بهترين كتاب ها و آموزش ها چالش بزرگي است.در اين مطلب 12 مورد از بهترين كتاب ها و منابع آنلاين براي كدنويسان را با هم بررسي مي كنيم:

1-
Structure and Interpretation of Computer Programs by Harold Abelson, Gerald Jay Sussman, with Julie Sussman

هميشه يكي از راهكارهاي اصلي در شروع برنامه نويسي اين است كه از اصول و مقدمات آن شروع به يادگيري كنيد. اگر به تازگي قصد شروع كدنويسي داريد يا ميخواهيد پايه خود را در اين مفاهيم قوي تر كنيد، اين كتاب يكي از بهترين انتخاب هاي موجود است.

ويژگي هاي اين كتاب:

اين كتاب توسط جمعي از متخصصان مهندسي برق و كامپيوتر در دانشگاه MIT نوشته شده است.اين كتاب به صورت بسيار فشرده و استادانه، مفاهيم اصلي ترين سيستم هاي برنامه نويسي را پوشش مي دهد.همچنين اين كتاب يكي از بهترين منابع براي نوشتن مقالات در زمينه هاي تخصصي برنامه نويسي و دانشگاهي است.

2-
Code: The Hidden Language of Computer Hardware and Software by Charles Petzold

اين كتاب يك راهنماي فوق العاده براي درك كد نويسي و كاربردهاي آن است. جالب است بدانيد بسياري از كدنويسان از لحاظ فني ميدانند چطور كدنويسي را انجام دهند اما نمي توانند آن را توضيح دهند. اين كتاب با بيان مثال هاي متنوع و توضيح رازهاي پردازش هاي دروني كامپيوتر، اين كار را ساده مي كند.

3-
Code Complete: A Practical Handbook of Software Construction by Steve McConnell

اين كتاب يكي از محبوب ترين راهنما هاي كاربردي برنامه نويسي است كه اصول و قواعد اوليه را به خوبي براي كدنويسان و تمام كساني كه نياز به يادگيري مفاهيم مختلف دارند، توضيح ميدهد.
كد نويسي، رفع خطا (debugging) ، طراحي (design) ، تست نرم افزار (testing) و ساخت پروژه از جمله مفاهيمي است كه به طور عميق در اين كتاب مورد بررسي قرار گرفته است. اين كتاب فارغ از سطح دانش و تجربه هر فرد، به تمامي كدنويسان توصيه مي شود.

4-
Think Like a Programmer: An Introduction to Creative Problem Solving by V. Anton Spraul

اين كتاب به شما كمك ميكند خلاقانه و بدون مرز فكر كنيد و ايده هاي متنوع و جذاب خود را در برنامه نويسي و كدنويسي پروژه هاي گوناگون به كار ببريد. محتواي اصلي اين كتاب به هيچ زبان برنامه نويسي وابسته نيست و هدف آن بيشتر حل مسائل با تفكر خلاقانه است.

5-
The Clean Coder: A Code of Conduct for Professional Programmers by Robert C. Martin

يكي ديگر از منابع بسيار عالي براي متخصصاني كه قصد دارند دانش و مهارت خود را رشد دهند، اين كتاب است. اين كتاب توصيه هاي بسيار كاربردي در همه زمينه هاي اصلي تكنيك ها، ابزار و اصول و قواعد كدنويسي را به همراه دارد و به طور كامل توضيح ميدهد كه يك كدنويس حرفه اي چطور بايد رفتار كند، چطور فكر كند و چطور كار كند.

6-
Eloquent JavaScript by Marijn Haverbeke

زبان جاوا اسكريپت (javascript) يكي از پراستفاده ترين زبان هاي برنامه نويسي است كه بهتر است تمام كدنويسان در مورد آن و نحوه استفاده از آن اطلاعات مفيدي داشته باشند. اين كتاب يك منبع بسيار عالي براي آموزش ساخت انواع اپليكشن هاست. مهارت هايي كه در اين كتاب ياد خواهيد گرفت، رزومه كاري شما را بسيار قوي تر مي كند و به شما در يافتن فرصت هاي شغلي بهتر كمك شاياني مي كند.

منبع: وبلاگ selftaught