این کتاب “راهنمای آنچه در دانشگاه به شما نمی آموزند!” لقب گرفته و تلاش دارد خلاء ها و ضعف های موجود که یک دانشجو و فارغ التحصیل رشته کامپیوتر با آن مواجه می شود را مورد بررسی قرار داده و راهکارهایی برای آن ارائه دهد. با توجه به آمار بالای فارغالتحصیلان و دانشجویان کلیه گرایش های مرتبط با کامپیوتر و فن آوری اطلاعات و تعدد دانشگاهها و مؤسسات آموزش عالی مجری دورههای مرتبط و همچنین نابسامانی های موجود پیرامون مسائل اشتغالزایی و ضعف مهارت های دانشآموختگان، بر آن شدم تا با مطالعه و تحقیق و بهرهگیری از تجارب شخصی در مورد وضع کنونی و امکانسنجی و یافتن فرصتها و تهدیدها، راهنمایی کارگشا و بومیشده را در نقش یک نوشتار مکمل برای آنچه در دانشگاهها و مؤسسات تدریس میشود تهیه نمایم. هدف این راهنما آن است که ضمن افزایش شانس دانشجویان و فارغالتحصیلان مقطع کارشناسی کلیه گرایش های مرتبط با کامپیوتر و فن آوری اطلاعات در یافتن فرصت شغلی مناسب، راهگشای پر کردن خلأ های احتمالی ناشی از ضعف سیستم آموزشی و یا خود شخص دانشجو و یا فارغالتحصیل نیز باشد.
این کتاب برای چه کسانی نوشته شده است؟
مطالعه این کتاب برای سه گروه پشتکنکوری علاقه مند به دنیای کامپیوتر، دانشجو و فارغالتحصیلان رشته کامپیوتر توصیه میشود. این کتاب قصد دارد فارغ از مرزبندی سه گروه یادشده مروری بر مهمترین موارد مورد نیاز داشته باشد. هدف نهایی این اثر آن است که در خاتمه، خواننده آن یک گام از همتایان سابق خود فراتر رفته تا در حین محک توسط کارفرمایان بهعنوان فردی شاخص جلوه کند.با نگاهی به اطراف خود خواهید دید که همین دسته افراد شاخص که لزوماً هم از ضریب هوشی بالاتری نسبت به شما بهرهمند نیستند، با رعایت مواردی مشابه توصیههای این کتاب توانستهاند جایگاههای شغلی دلپذیری را تصاحب کنند.
فهرست کتاب:
فصل اول – مهارت های لازم برای یک فرد متقاضی تحصیل
فصل دوم – بررسی گرایش مهندسی نرمافزار و سختافزار در قیاس با گرایش علوم کامپیوتر
فصل سوم – آشنایی هر چه بیشتر با سرفصل های مصوب وزارت علوم و تحقیقات
فصل چهارم – آزادکاری و استفاده بهینه از ایام دانشجویی
فصل پنجم – تهدیدها و فرصتهای بومی کشور ایران
فصل ششم – در اهمیّت کارورزی و پروژه پایان دوره
فصل هفتم – مصاحبههای اختصاصی با فارغالتحصیلان
فصل هشتم – کارآفرینی و ارزش آفرینی
فصل نهم – آشنایی با مسائل حقوقی پایه و نوشتن پیشنهاد های تجاری
این کتاب در 148 صفحه جهت استفاده دانشجویان و فارغ التحصیلان رشته کامپیوتر نوشته شده است
روش هایی برای پولدار شدن در رشته کامپیوتر و زیر شاخه های آن
در این پایان نامه سعی شده است کاربردهای مختلف پردازش تصویر که از جمله کاربرد در صنعت ,هواشناسی,شهر سازی ,کشاورزی,علوم نظامی و امنیتی ,نجوم و فضا,فضانوردی ,پزشکی ,فناوری علمی ,باستان شناسی,سینما ,تبلیغات , اقتصاد, زمین شناسی و روانشناسی میباشد مختصرا مورد بحث قرار گیرد…سپس مراحل پردازش تصویر بیان شده و انواع پردازش تصویر که به چند صورت میباشد. در ادامه, عملیات مختلفی که بر روی تصویر صورت میگیرد را بیان کردیم از قبیل:جمع دو تصویر,تفریق دو تصویر, مکمل گیری,میانگیری از تصویر,ترمیم تصویر,هیستوگرام تصویر,نواری شدن,خطوط جا افتاده,بالا بردن دقت عکس, ارتقآی تصویر و عملگر کانولوشن. در فصل بعد فیلتر کردن تصویر و طراحی فیلترهای مختلف از قبیل: فیلتر میانگین ماتریس مربعی,فیلتر میانگین ماتریس گرد,فیلتر لاپلاس,فیلتر پایین گذر گوسی,فیلتر حرکت دهنده,فیلتر تقویت لبه,فیلتر لبه افقی و عمودی,فیلتر افزایش دهنده نور و لبه را خواهیم داشت.و سپس به مفهوم تشخیص لبه,آشکار سازی لبه و ویژگی لبه خواهیم پرداخت و در نهایت روشهای تشخیص لبه در تصاویر که با استفاده از تکنیک فازی,ضرایب شبکه عصبی گیبر و اتوماتای یادگیر سلولی ناهمگام باز را شرح میدهیم.
فهرست :
مقدمه
فصل اول
کاربردهای پردازش تصویر
کاربرد در صنعت
کاربرد در هواشناسی
کاربرد در شهر سازی
کاربرد در کشاورزی
کاربرد در علوم نظامی و امنیتی
کاربرد در نجوم و فضا نوردی
کار برد در پزشکی
کاربرد در فناوریهای علمی
کاربرد در باستان شناسی
کاربرد در تبلیغات
کاربرد در سینما
کاربرد در اقتصاد
کاربرد در روانشناسی
کاربرد در زمین شناسی
فصل دوم
مراحل پردازش تصویر
مرحله اول (دریافت تصویر ورودی)
مرحله دوم(پیش پردازش تصویر )
مرحله سوم(پردازش تصویر)
مرحله چهارم(آنالیز تصویر)
فصل سوم
انواع پردازش تصویر
Point Process
Area Process
Geometric Process
Frame Process
مقادیر پیکسلها
دقت تصویر
فصل چهارم
عملیات مختلف بر روی تصاویر
جمع دو تصویر
تفریق دو تصویر
مکمل کردن تصویر
میانگیری از تصویر
ترمیم تصویر
نواری شدن
خطوط از جا افتاده
هیستوگرام تصویر
بالا بردن دقت عکس
ارتقآی تصویر و عملگر کانولوشن
افزایش تباین از طریق امتداد اعداد
فصل پنجم
فیلتر کردن تصویر
طراحی فیلتر
طراحی فیلتر میانگین ماتریس مربعی
طراحی فیلتر میانگین با ماتریس گرد
طراحی فیلتر پایین گذر گوسی
طراحی فیلتر لاپلاس
طراحی فیلتر حرکت دهنده
طراحی فیلتر تقویت لبه
طراحی فیلتر لبه افقی و عمودی
طراحی فیلتر افزایش دهنده شدت نور و لبه ها
فصل ششم
تشخیص لبه و مفهوم آن
تعریف لبه
ویژگی لبه
آشکار سازی لبه
فصل هفتم
روشهای تشخیص لبه
تشخیص لبه با استفاده از تکنیک فازی
پردازش تصویر فازی
مجموعه و توابع عضویت فازی
تعریف قوانین مرجع
نتیجه گیری
تشخیص لبه با استفاده از اتوماتای یادگیر سلولی ناهمگام باز
اتوماتای سلولی
اتوماتای یادگیر
اتوماتای یادگیر سلولی
عملکرد اتوماتای یادگیر سلولی
اتوماتای یادگیر سلولی ناهمگام باز
تشخیص لبه با استفاده از اتوماتای یادگیر سلولی ناهمگام باز
آزمایش
نتیجه گیری
تشخیص لبه با استفاده از ضرایب گیبر توسط شبکه عصبی
تقسیم بندی درخت چهارتایی
تشخیص لبه در دامنه تبدیل گیبر
مشخصه های ضریب گیبر
روشهای پیشنهادی توسط شبکه عصبی برای تشخیص لبه
نتیجه گیری
فصل هشتم
استفاده از روش تشخیص لبه برای محاسبه پارامتر سطح در استاندارد PASI
مقدمه
روش پیشنهادی
بررسی دقت روش پیشنهادی
نتیجه گیری
مراجع و منابع
فهرست اشکال
جدول مقایسه انواع تصویر بر اساس تعدا بیت
حاصل جمع دو تصویر
مغز نرمال و بیمار را به همراه حاصل تفریق PET تصویر عکس اسکن
شکل مکمل کردن تصویر
شکل حاصل میانگین گیری از تصاویر
شکل دانه های برنج
نمودار هیستوگرام دانه های برنج
بالا بردن دقت عکس
تصویر ماسک اعمال شده بر روی پیکسلها
مقادیر پیکسل تصویر اصلی
تصویر کشیده شده
شکل پیکسلهای تیز ، پیکسلهای آرام تصویر
نمونه تصویری از فیلتر تیز کننده
فرم استفاده از فیلتر تصویر
نمونه عملیات فیلتر تصویر با فیلتر disk
نمونه عملیات فیلتر تصویر با فیلتر گوسی
نمونه عملیات فیلتر تصویر با فیلترلاپلاس
نمونه عملیات فیلتر تصویر با فیلترحرکت دهنده
نمونه عملیات فیلتر تصویر با فیلتر prewitt
نمونه عملیات فیلتر تصویر با فیلتر sobel
نمونه عملیات فیلتر تصویر با فیلترافزایش دهنده شدت نور ولبه ها
جدول آشکار سازی داده ها در یک بعد
نمودار پردازش تصویر فازی
نمودار توابع عضویت فازی
نمودار ارتباط بین اتوماتای یادگیر و محیط
شکل نزدیکترین همسایگی در اتوماتای یادگیر سلولی
شکل عملکرد اتوماتای یادگیر سلولی
توزیع گوسین
کلیشه فیلتر گاوسی
شکل مقایسه روش کنی با روش اتوماتای یادگیر سلولی ناهمگام باز(تفضلی)
شکل مقایسه روش کنی با روش اتوماتای یادگیر سلولی ناهمگام باز
شکل مقایسه روش کنی با روش اتوماتای یادگیر سلولی ناهمگام باز
مقایسه اپراتور کنی و سوبل با اتوماتای یادگیر سلولی پراکنده بر روی تصویر با نویز
نمایش درخت چهار تایی
جدول ضرایب گیبر در یک بلوک
ارتباط بین الگوها ی لبه و مشخصه یگیبر مربوط به آنها {لبه عمودی” لبه افقی” لبه مورب درجه “لبه مورب درجه }
شکل پلاریته و محل لبه های مختلف عمودی
تشخیص لبه های تصویر توسط ضرایب گیبر
تشخیص لبه های تصویر توسط الگوریتم سوبل
تشخیص لبه های تصویر توسط ضرایب گیبر
تشخیص لبه های تصویر توسط الگوریتم سوبل
نمونه پلاکهای پوستی بیماران
جدول PASA
نمودار فضای رنگی CIELAB
انتخاب ناحیه مورد علاقه
حذف نویز از تصاویر
در فضای رنگی A انتقال مولفه
صاف کردن تصویر با فیلتر گاوسی
محاسبه مشتق تصویر فیلتر شده
تصویر پس از اعمال سرکوب
عملیات آستانه گیری دو گانه
نتیجه اجرای روش پیشنهادی برروی صورت
جدول صحت کار بر روی تصویر بیماران
مقایسه با روشهای دیگر
امنیت یعنی: دور بودن از هرگونه ریسک “ایمنی“، دور بودن از هر گونه شک، عصبانیت یا ترس ” اعتماد به نفس“، هر چیزی که ایمنی و اعتماد به ما بدهد مانند: گروه یا سازمان حفاظت شخصی : در صورت مشاهده هر حرکت مشکوکی سریعا به این گروه یا سازمان زنگ می زنیم. به منظور حفاظت از اطلاعات حیاتی (مانند حفاظت از رمز و رموزات تجاری، سوابق پزشکی افراد و…) و در زمانی که به اشخاص اجازه دسترسی به آنها داده می شود به امنیت نیاز داریم. امنیت شبکه (Network Security) پردازهای است که طی آن یک شبکه در مقابل انواع مختلف تهدیدات داخلی و خارجی امن میشود. امنیت شبکه مبحث بسیار داغ شبکه های امروزی است. با افزایش ارتباطات اینترنتی و اجرای حجم زیادی از عملیات تجاری از این طریق امنیت شبکه بسیار حائز اهمیت می باشد.
فهرست:
چکیده
مقدیمه
مفاهیم نظری
معرفی دیتاسنتر
سیستم توزیع و کنترل برق
سیستم تهویه هوا و کنترل رطوبت
خنک کردن اتاق
خنک کردن راهرو
سیستم های آتش نشانی
سیستم های کنترل دسترسی فیزیکی
کنترل مجوز تردد درب ها
دوربین مدار بسته
حسگر حضور فیزیکی
ایجاد محیط اتاق دیتاسنتر
اتاق سرور و شبکه
کف دسترسی
لدر سقفی
رک های شبکه ای و سروری
افزونگی در محل استقرار شبکه
توپولوژی شبکه
امنیت لایه بندی شده شبکه
امنیت پیرامون
امنیت شبکه
امنیت میزبان
امنیت برنامه کاربردی
امنیت دیتا
مقایسه تشخیص نفوذ و پیشگیری از نفوذ
پیاده سازی
امنیت فیزیکی
سیستم توزیع و کنترل برق
سیستم های سرمایشی و تهویه هوا
کنترل محیطی و اطفا حریق
سیستم های کنترل دسترسی فیزیکی
کنترل دسترسی تجهیزات
معماری دیتاسنتر
سطوح کاذب
امنیت منطقی
فایروال
آنتی ویروس شبکه
رمزنگاری
نتیجه گیری
درس برنامه سازی 1و 2 و 3 یکی از مهمترین دروس رشته کامپیوتر در هنرستان و کنکور کاردانی پیوسته بوده که همیشه بسیاری از دانش آموزان در یادگیری مفاهیم این درس با مشکل جدی واجه بوده اند. در این جزوه که توسط آقای هادی حمزوی تهیه گردیده، خلاصه کتابهای برنامه سازی 1 و 2 به همراه نکات کنکور و مهم کتاب گردآوری شده. همچنین علاقه مندان به برنامه نویسی نیز میتوانند از این جزوه برای افزایش فهم برنامه نویسی ویژوال بیسیک خود استفاده کنند
داده کاوی، فرایند مرتب سازی و طبقه بندی داده های حجیم و آشکارسازی اطلاعات مرتبط باهم می باشد. امروزه داده کاوی به عنوان یکی از ابزارهای بسیار مهم مدیران جهت شناخت وضعیت دقیق تر سازمان و همچنین کمک در اتخاذ تصمیمات مناسب کاربرد دارد. با استفاده از این تکنیک، داده های موجود در سازمان با بکارگیری ابزارهای نرم افزاری، مورد بررسی و تحلیل دقیق قرار می گیرد تا الگوهای پنهان و پیچیده ای که در آنها وجود دارد کشف و استخراج گردد. داده کاوی را می توان نسل سوم تکنولوژیهایی نامید که با داده سروکار دارند. در نسل اول یا نسل سنتی، فقط انجام پرس و جو های ساده امکان پذیر بود، مثلا تعداد فروش یک کالای خاص چقدر است؟ میزان خرید یک مشتری خاص در ماه جاری چه مبلغی است؟ در نسل دوم یا همان پردازش لحظه ای برخط (OLAP) امکان پرس و جوی همزمان چند بعدی فراهم گردید. در این روش به عنوان مثال به سوالاتی مانند: «میزان فروش محصولات به تفکیک فروشنده، خریدار و مسیر خاص چقدر است؟ » بصورت لحظه ای و با استفاده از مکعب تصمیم و گزارش ماتریسی پاسخ داده می شود. اما در نسل سوم یا همان داده کاوی فقط مساله پرس و جو و دریافت گزارش ها از داده ها نیست، بلکه از حجم انبوه داده ها، الگوهایی کشف می شود که هیچ وقت امکان کشف این الگوها در OLAP یا روش سنتی وجود نداشت. انواع اطلاعات و الگوهایی که از طریق داده کاوی بدست می آیند و کاربرد دارند عبارتند از: وابستگی، تسلسل و توالی، طبقه بندی، خوشه بندی و پیش بینی. برای استخراج این الگوها اغلب از روشهای نوینی مانند شبکه عصبی و درختهای تصمیم استفاده می شود. در عمل برای امکان انجام داده کاوی و استفاده از تکنیکهای فوق الذکر، ابتدا باید نسبت به ایجاد یک انبار داده مناسب اقدام کرد. یک انبارداده در حقیقت پایگاه داده ای است که داده های جاری و همچنین سوابق قبلی تراکنشها را در خود ذخیره کرده و با منابع خارج سازمان نیز ارتباط برقرار می کند. اهداف کلی این مقاله عبارتند از ارایه تعریف دقیقی از انبار داده، بررسی تکنیکها و کاربردهای داده کاوی و کاربرد آن در مدیریت، معرفی شبکه عصبی به عنوان یکی از روشهای اجرای داده کاوی و بیان مفهوم درخت تصمیم و ارتباط آن با داده کاوی.
فهرست :
چکیده
مقدمه ای بر دادهکاوی
فصل اول
چه چیزی سبب پیدایش داده کاوی شده است
مراحل کشف دانش
جایگاه داده کاوی در میان علوم مختلف
داده کاوی چه کارهایی نمی تواند انجام دهد؟
داده کاوی و انبار داده ها
داده کاوی و OLAP
کاربرد یادگیری ماشین و آمار در داده کاوی
فصل دوم
توصیف داده ها در داده کاوی
خلاصه سازی و به تصویر در آوردن داده ها
خوشه بندی
تحلیل لینک
فصل سوم
مدل های پیش بینی داده ها
Classification
Regression
Time series
فصل چهارم
مدل ها و الگوریتم های داده کاوی
شبکه های عصبی
Decision trees
Multivariate Adaptive Regression Splines(MARS)
Rule induction
Knearest neibour and memorybased reansoning(MBR)
رگرسیون منطقی
تحلیل تفکیکی
مدل افزودنی کلی (GAM)
Boosting
فصل پنجم
سلسله مراتب انتخابها
فصل ششم
مراحل فرایند کشف دانش از پایگاه داده های بزرگ
انبارش داده ها
انتخاب داده ها
تبدیل داده ها
کاوش در داده ها
تفسیر نتیجه
فصل هفتم
عملیات های داده کاوی
مدل سازی پیشگویی کننده
تقطیع پایگاه داده ها
تحلیل پیوند
فصل هشتم
قابلیت هایdata mainig
داده کاوی وانبار داده ها
داده کاوی آمار ویادگیری ماشین
کاربرد های داده کاوی
داده کاوی موفق
تحلیل ارتباطات
فصل نهم
طبقه بندی
حدس بازگشتی
سری های زمانی
درخت های انتخاب
استنتاج قانون
الگوریتم های ژنتیک
فصل دهم
فرایند های داده کاوی
مدل فرایند دو سویه
فصل یازدهم
ساختن یک پایگاه داده داده کاوی
جستجوی داده
آماده سازی داده برای مدل سازی
ساختن مدل برای داده کاوی
تائید اعتبار ساده
ارزیابی وتفسیر
فصل دوازدهم
ماتریس های پیچیدگی
ایجادمعماری مدل ونتایج
فصل سیزدهم
نتیجه گیری
منابع ومآخذ