فصل دوم آموزش پایتون به صورت متن در ادامه ارائه شده است. در بخش های بعدی ویدئوهای آموزشی به اشتراک گذاشته خواهد شد.
فصل دوم:
لطفا نظرات و پیشنهادات خود را در زمینه آموزش ارائه شده بیان نمایید. باتشکر
چرا باید برنامه‌نویسی یاد گرفت؟
مشاغل مربوط به علوم کامپیوتر، به خصوص حوزه برنامه‌نویسی، هر روزه با نیاز فزاینده‌ای مورد درخواست شرکت‌ها، صنایع و کارفرمایان هستند. البته، این موضوع چندان دور از ذهن هم نیست؛ چرا که ما هم اکنون در عصر اطلاعات زندگی می‌کنیم و مهم‌ترین مؤلفه و ابزار این عصر، کامپیوترها هستند؛ کامپیوترهایی که اساساً بدون آن‌ها، این عصر وجود نمی‌داشت و برای توسعه فناوری در این عصر نیز، مهم‌ترین مسیر از دل دنیای کامپیوتر می‌گذرد. به خصوص که بررسی‌ها نشان می‌دهند با افزایش نفوذ مهندسی نرم‌افزار در حوزه‌های مختلف کسب و کار، سرعت افزایش موقعیت‌های شغلی برنامه‌نویسی در حال پیشی گرفتن از سرعت رشد تعداد برنامه‌نویسان تعلیم دیده در دانشگاه‌ها و مؤسسات فنی است.
علاوه بر تعدد موقعیت‌های شغلی، برنامه‌نویسی یکی از مشاغل پردرآمد دنیا نیز محسوب می‌شود. مثلاً طبق آمار رسمی منتشر شده از طرف دولت آمریکا، درآمد سالانه برنامه‌نویسان در سال 2014، به طور متوسط برابر با 77,550 دلار (بیش از 270 میلیون تومان) بوده است که نسبت به سال 2012، به میزان 3,200 دلار (4.3 درصد) افزایش داشته است؛ که البته نسبت به افزایش درآمد سایر مشاغل در اقتصاد آمریکا، عدد بزرگی محسوب می‌شود. طبق همین آمار، درآمد سالیانه نخستین دهک پردرآمد برنامه‌نویسان، بالغ بر 127 هزار دلار (440 میلیون تومان) در سال بوده است.
برای بسیاری از افراد نیز، آموزش برنامه‌نویسی (حداقل در حد رفع نیاز) بخشی از تحصیلات دانشگاهی و تخصصی است، که اهمیت ویژه‌ای را برای این موضوع ایجاد می‌کند. مثلاً، یک دانشجوی رشته مهندسی، که قصد دارد الگوریتم و شیوه محاسباتی جدیدی را برای یک مسئله تخصصی ارائه نماید، بدون یاد گرفتن مهارت‌های برنامه‌نویسی کار بسیار سختی را در پیش خواهد داشت.
ده‌ها موضوع دیگر را نیز می‌توان به این بخش افزود و در خصوص اهمیت و ضرورت یادگیری برنامه‌نویسی صحبت کرد. اما اغلب خوانندگان این مطلب، معتقد به اهمیت یادگیری برنامه‌نویسی هستند و مشکلی که در مسیر وجود دارد، چگونگی محقق شدن این یادگیری است. سؤالات فراوانی از طرف افراد مطرح می‌شوند که از میان آن‌ها، می‌توان به این موارد اشاره کرد:
- برای آموزش برنامه‌نویسی از کجا باید شروع کرد؟
- آیا برای برنامه‌نویس شدن، حتماً باید تحصیلات در زمینه مهندسی کامپیوتر یا مهندسی نرم‌افزار داشته باشم؟
- آیا در این سن می‌توانم برنامه‌نویسی یاد بگیرم؟
- بهترین زبان برنامه‌نویسی چیست؟
- و …
در ادامه سعی شده است که به اکثر این پرسش‌ها پاسخ داده شود و مسیری عملی و شدنی در پیش روی خوانندگان گرامی، که تمایل به یادگیری برنامه‌نویسی دارند، ترسیم شود.
پیش‌نیازهای یادگیری برنامه‌نویسی
یکی از بزرگ‌ترین دغدغه‌های افراد در شروع آموزش برنامه‌نویسی این است که «پیش‌نیازهای برنامه‌نویسی چیستند؟» و این که «آیا آن‌ها این پیش‌نیازها را دارند یا نه؟». در حالت کلی، یادگرفتن مهارت برنامه‌نویسی، بسیار شبیه به یادگیری زبان (منظور زبان‌های انسانی) است. وجه مشترک میان زبان‌های انسانی و زبان‌های برنامه‌نویسی این است که به واسطه آن‌ها، مطلبی از ذهن گوینده، به ذهن شنونده منتقل می‌شود.
بسیاری از افرادی که برنامه‌نویسی بلد نیستند، بر این باورند که برنامه‌نویسی نیاز به استعداد یا امکانات خاصی دارد که احتمالا فقط در عده خاصی از مردم وجود دارد. این باور چندان درست نیست و در واقع، اکثر انسان‌ها، می‌توانند برنامه‌نویس‌های خوبی باشند؛ به شرطی که بخواهند. چرا که از نظر تئوری، اساساً هر کسی که توانایی درک زبان انسانی را دارد و می‌تواند حرف بزند یا بنویسد، توانایی برنامه‌نویسی را هم می‌تواند کسب کند. پس خیلی نگران نباشید؛ برنامه‌نویسی آن قدرها هم که به نظر می‌آید، سخت نیست.
آموزش برنامه‌نویسی بازه سنی خاصی ندارد؛ یعنی اگر خیلی جوان هستید و یا فکر می‌کنید پا به سن گذاشته‌اید، خودتان را ناتوان از یادگیری برنامه‌نویسی فرض نکنید. برنامه‌نویسی را می‌توان تقریبا در هر سنی یاد گرفت؛ از 7 تا 70 سال. فقط کافی است به اندازه کافی علاقه و پشتکار داشته باشید؛ مطمئنا شما هم می‌توانید یکی از هزاران نفری باشید که برنامه‌نویسی را یاد گرفته‌اند.
از نظر تحصیلات هم، نیازی نیست که شما حتما دانش آموخته رشته مهندسی کامپیوتر یا نرم‌افزار باشید تا بتوانید برنامه‌نویس خوبی باشید. البته، مباحثی که در دانشگاه آموزش داده می‌شوند، بسیار بسیار مهم هستند؛ اما بسیاری از برنامه‌نویسان موفق نیز هستند که بدون داشتن مدرک، اما با صرف زمان و یادگیری مداوم فنون برنامه‌نویسی، توانسته‌اند موفق شوند.
ما در بندهای قبلی، در مورد شرایطی که چندان ضروری نبودند، و اغلب مانعی می‌شوند بر سر راه علاقه‌مندان، صحبت کردیم. اما چند مورد در ادامه آمده‌اند که برای یادگیری مؤثر برنامه‌نویسی، مهم و بعضا ضروری هستند. این شرایط عبارتند از:
- منطق: کامپیوترها همیشه بر پایه اصول منطقی ثابتی کار می‌کنند و مهمتر از این که به چه زبانی با ایشان صحبت می‌کنید، این است که منطقی صحبت کنید. برای منطقی بودن نیز، درک اصول منطق ریاضی، ضروری است. البته، شاید برای شما این موضوع کمی ترسناک شده باشد؛ اما منطق ریاضی چیزی است که ما همه با آن آشنا هستیم و هر روزه آن را به کار می‌بریم.
- ریاضیات (به طور خاص ریاضیات گسسته): درک صحیح مفاهیم ریاضی، در یادگیری برنامه‌نویسی بسیار مهم است. متأسفانه بسیاری از افراد این موضوع را جدی نمی‌گیرند و بعضا دچار مشکلاتی می‌شوند؛ اما ریاضیات و به ویژه ریاضی گسسته، بیش از آنچه به نظر می‌رسد، در یادگیری برنامه‌نویسی مهم هستند.
- زبان انگلیسی: آگاهی به زبان انگلیسی (حداقل در حد مهارت خواندن و درک مطلب) در خصوص آموزش برنامه‌نویسی بسیار مهم است. دانش برنامه‌نویسی رشد بسیار سریعی دارد و برای به روز بودن، شما هیچ گاه بی نیاز از مطالعه نیستید. از طرفی، اغلب منابع نیز به صورت ترجمه شده در دسترس نیستند و حتی در صورت ترجمه نیز، شاید اصالت مطلب مخدوش شود و چندان قابل استفاده نباشد. لذا، تسلط به زبان انگلیسی، یک مهارت بسیار کلیدی برای برنامه‌نویس شدن است.
جالب است که در موضوع آموزش برنامه‌نویسی، سه موضوع به هم گره خورده‌اند که اتفاقا سبک و نظام آموزشی فعلی در ایران (و اغلب کشورها) مشکلات جدی در آن موارد دارد؛ یعنی آموزش (1) ریاضیات، (2) زبان خارجی و (3) خود برنامه‌نویسی.
از کجا شروع کنیم؟
برای یادگیری برنامه‌نویسی، باید قبل از هر چیزی، یک زبان برنامه‌نویسی انتخاب کنید و آموزش کار با آن را، شروع کنید. اما پیش از آن، لازم است مقدماتی را از منطق، ساختار زبان‌های برنامه‌نویسی، فلوچارت و الگوریتم یاد بگیرید. این موارد، مستقل از هر زبان برنامه‌نویسی هستند و اغلب مشکلی که وجود دارد، این است که افراد بدون دانش کافی در مورد این مباحث، اقدام به یادگیری یک زبان برنامه‌نویسی می‌کنند و اتفاقا همه اجزای زبان را هم به خوبی می‌آموزند. اما زمانی که قرار است مستقلا کاری را انجام دهند، به مشکل بر می‌خورند. ریشه مشکل دقیقا در همین جاست.
یاد گرفتن زبان برنامه‌نویسی و ساختار آن، با یادگرفتن مهارت برنامه‌نویسی تفاوت دارد. یادگرفتن زبان برنامه‌نویسی، مثل یاد گرفتن حروف الفبا و مهارت املا (نوشتن) است. اما می‌دانیم که هر نوشتنی، الزاماً به معنای انشا نیست. تفاوت میان تسلط بر یک زبان برنامه‌نویسی با تسلط بر مهارت برنامه‌نویسی، مانند تفاوت دو درس املا و انشاست. برای انشا نوشتن، علاوه بر مهارت املا، نیازمند درک صحیح از ساختار جمله و اجزای آن هستیم. ضمنا، باید بدانیم که مفاهیم را چطور در قالب کلمات و جملات بیان کنیم و خواننده را از نقطه‌ای به نقطه دیگر منتقل نماییم. این دقیقا همان مهارتی است که برای برنامه‌نویسی لازم داریم. در واقع، برنامه‌نویسی یک نوع انشا نویسی برای کامپیوترهاست.
کدام زبان برنامه‌نویسی بهتر است؟
قبل از همه، باید متذکر شویم که اساسا هیچ زبان برنامه‌نویسی بهتر از دیگری نیست. اغلب زبان‌های برنامه‌نویسی، برای مقصد خاصی طراحی شده‌اند و آن کار را، از برخی ابعاد، بهتر انجام می‌دهند. اما هیچ زبان برنامه‌نویسی وجود ندارد که به صورت مطلق، بهتر از سایرین باشد. شاید بهتر باشد باشد سئوال فوق، به این صورت پرسیده شود: «بهترین زبان برنامه‌نویسی برای شروع چیست؟» و یا این که «بهترین زبان برنامه‌نویسی برای فلان منظور خاص کدام است؟». در واقع، اگر می‌خواهید یک برنامه‌نویس حرفه‌ای باشید، احتمالا مجبور خواهید شد که چند زبان برنامه‌نویسی را فرا بگیرید.
اما برای شروع، یکی از این زبان‌های برنامه‌نویسی را توصیه می‌کنیم:
- اگر کم سن و سال هستید، احتمالا شروع برنامه‌نویس با زبان اسکرچ (Scratch)، که محصولی از دانشگاه MIT است، برای شما جذاب باشد. در این زبان برنامه‌نویسی، برنامه‌ها به جای نوشته شدن، ترسیم می‌شوند و به همین دلیل، درک مفاهیم آن برای کودکان، بسیار آسان است. در حال حاضر، آموزش این زبان برنامه‌نویسی به صورت پیش ثبت نام بر روی فرادرس قرار داده شده است.
- اگر کم سن و سال و/یا مبتدی هستید، و می‌خواهید برنامه‌نویسی را با نوشتن شروع کنید (به جای ترسیم)، شاید زبان برنامه‌نویسی اسمال بیسیک (Small Basic)، که محصول مایکروسافت است، گزینه خوبی باشد. خوشبختانه آموزش این زبان برنامه‌نویسی، پیش از این در فرادرس منتشر شده است.
- زبان برنامه‌نویسی سی (C)، یکی از قدیمی‌ترین و با سابقه‌ترین زبان‌های برنامه‌نویسی است که تعداد قابل توجهی از زبان‌های برنامه‌نویسی مدرن نیز، با اقتباس از آن ایجاد و توسعه داده شده‌اند؛ به عنوان مثال، زبان‌های برنامه‌نویسی سی پلاس پلاس، سی شارپ، جاوا، جاوا اسکریپت و PHP، که همگی از زبان‌های برنامه‌نویسی بسیار پرکاربرد هستند، اشتراکات فراوانی با زبان سی دارند. از این رو، یادگیری زبان C، می‌تواند نقطه شروع بسیار خوبی برای ورود به دنیای برنامه‌نویسی باشد. به همین دلیل است که در دانشگاه‌ها و موسسات آموزشی، این زبان یکی از انتخاب‌های رایج برای آموزش درس برنامه‌نویسی و برنامه‌سازی کامپیوتری است. آموزش برنامه‌نویسی C، که بر روی فرادرس ارائه شده است، یکی از پرطرفدارترین مجموعه‌های آموزشی فرادرس، و نقطه شروع بسیاری از دانشجویان برای ورود به دنیای برنامه‌نویسی بوده است.
- زبان برنامه‌نویسی متلب (MATLAB)، که اغلب در میان دانشجویان رشته‌های فنی و مهندسی شناخته شده است، یکی از زبان‌های بسیار آسان برای یادگیری است و نقطه شروع خوبی برای آموزش برنامه‌نویسی محسوب می‌شود. به خصوص که، امکانات منحصر به فردی در نرم‌افزار متلب وجود دارند که آن را به یک آزمایشگاه فنی تمام عیار برای همه رشته‌های فنی، مهندسی و علمی تبدیل می‌کند. البته، هیچ محدودیتی برای استفاده از زبان متلب وجود ندارد و شما در هر شرایطی که باشید، می‌توانید از این زبان برنامه‌نویسی استفاده نمایید
هر چند، شاید زبان‌های برنامه‌نویسی دیگری هم به عنوان نقطه شروع به شما توصیه شوند؛ اما این موارد، طبق تجربه نگارنده و صرفا به عنوان توصیه، مطرح شده‌اند.
چطور ادامه دهیم؟
برای ادامه، شما می‌توانید یادگیری هر زبان برنامه‌نویسی دیگری را، که متناسب با نیازها و علایق شماست، در برنامه خود قرار دهید. هر چند، مهارت برنامه‌نویسی، اساسا ربطی به خود زبان برنامه‌نویسی ندارد و شما بعد از یادگیری یک یا دو زبان برنامه‌نویسی، خواهید دید که یادگیری زبان‌های برنامه‌نویسی جدید، چندان هم سخت نیست و حتی در عرض چند روز یا ساعت، می‌توانید یک زبان جدید به زبان‌های برنامه‌نویسی که بلد هستید، اضافه نمایید.
اما مهمتر از یادگیری چندین زبان، یادگیری تکنیک‌ها و فنون برنامه‌نویسی است. همان طور که یک نویسنده خوب، احتمالا بخش زیادی از عمر خودش را صرف خواندن آثار سایر نویسندگان می‌کند، شما هم سعی کنید که همیشه از منابع مختلف استفاده کنید و برنامه‌های برنامه‌نویسان حرفه‌ای را مطالعه کنید. بسیاری از فنون هستند که در هیچ کلاسی به خوبی مطرح نمی‌شوند؛ اما در دل برنامه‌های پیاده‌سازی شده توسط برنامه‌نویسان حرفه‌ای قابل درک هستند.
همیشه سعی کنید به اندازه کافی تمرین حل کنید؛ مسائل روزمره را به مسائل برنامه‌نویسی تبدیل کنید و با استفاده از برنامه‌نویسی، آن‌ها را حل نمایید. این همان مهارتی است که فقط خودتان مسئول تقویتش هستید و متأسفانه (یا شاید خوشبختانه) هیچ کسی غیر از خودتان، نمی‌تواند در توسعه این مهارت، به شما کمک کنید. اما قبل از هر گونه تلاش، مطمئن باشید که به اندازه کافی آموزش دیده‌اید؛ چه به صورت حضوری، چه در قالب ویدئوهای آموزشی، و چه با مطالعه کتب آموزشی برنامه‌نویسی. اما حتما به یاد داشته باشید که دریافت این مطالب، از هر کانالی که باشد، صرفا شرط لازم هستند و نه کافی؛ شما هیچ گاه بی‌نیاز از تمرین و تکرار نیستید. من معمولا به دانشجویانم این طور می‌گویم که: «برای برنامه‌نویس شدن، یک راه بیشتر ندارید؛ و آن این است که برنامه بنویسید».
خوشبختانه امروزه منابع مطالعاتی فراوانی نیز در سطح اینترنت در دسترس هستند و شما به راحتی می‌توانید پاسخ سئوالات خود را، از این منابع پیدا کنید. البته، برای استفاده مناسب از این منابع، قطعا باید به زبان انگلیسی مسلط باشید (حداقل در حد رفع نیاز). از طرفی، مثلا اگر در برنامه با خطایی مواجه می‌شوید، پیام خطا را بخوانید. این پیام‌ها بسیار بسیار مهم هستند و درس‌هایی را در خود دارند، که در هیچ کلاسی شاید مجال مطرح شدن پیدا نکنند. در بسیاری از موارد نیز، پاسخ سئوال شما، دقیقا در همان پیام خطاست؛ اما اغلب افراد متوجه این موضوع نیستند.
هیچ گاه از یاد گرفتن خسته نشوید. به روز بمانید. اگر چند سال است با یک زبان برنامه‌نویسی کار می‌کنید و هنوز، یک برنامه را مانند سال قبل‌تان می‌نویسید، احتمالا یک مشکلی در مسیر است. اگر به اندازه کافی مطالعه و تمرین دارید، اصولا باید سبک برنامه‌نویسی‌تان بهبود یابد و اگر این طور نیست، حتما به فکر تغییر در رویه خودتان باشید.
چند توصیه مهم
- علمی باشید. بسیاری از برنامه‌نویسان شاید دانش خود را به صورت تجربی و یا شاید شفاهی دریافت می‌کنند. اما اغلب دیده می‌شود که بیان‌های نادقیق و غیر علمی، باعث ایجاد باورهای نادرستی در برنامه‌نویسان می‌شود. از این رو، اگر می‌خواهید یک برنامه‌نویس قوی و اصولی باشید، در اولین فرصتی که دارید، از طریق منابع آکادمیک و کتب معتبر دانش خود را اعتبارسنجی نمایید. دلیل علمی و دقیق هر نکته را جویا شوید و همواره این روحیه را حفظ کنید.
- منظم و خوش سلیقه باشید. اغلب برنامه‌نویسان زندگی چندان منظمی ندارند. میز کارشان به هم ریخته است و ساعات کارشان، نظم خاصی ندارد. اما در مقابل، برنامه‌نویسان حرفه‌ای، در برنامه‌هایی که می‌نویسند، با نهایت دقت عمل می‌کنند. متغیرها، توابع و فایل‌ها را به درستی نام‌گذاری می‌کنند. فواصل خالی را در متن برنامه‌هایشان، به خوبی رعایت می‌کنند. اصولی برنامه‌نویسی می‌کنند. اما متأسفانه در کشورمان، برنامه‌نویسان آماتور و بعضا حرفه‌ای، چندان پایبند به این اصول نیستند. شاید عده‌ای بر این عقیده باشند که رعایت این موارد چندان ضروری نیست. اما به زعم من، این طور نیست. به خصوص، زمانی که قرار است دو یا چند برنامه‌نویس به صورت تیمی با هم کار کنند، ارزش و اهمیت رعایت این موارد، بیشتر مشخص می شود. این یک مورد را، حتما باید از برنامه‌نویسان خارجی یاد بگیریم.
- برای کدهای خود توضیح بنویسید. این موارد را، اصولا باید در بند قبل می‌نوشتیم. اما به دلیل اهمیت آن را جدا کرده و در بندی مستقل بیان کردیم. نوشتن کامنت یا توضیح برای کدها، یکی از اصول حرفه‌ای و مهم است. برنامه‌ای که کامنت مناسب داشته باشد، به راحتی توسط شما و همکاران‌تان قابل خواندن است؛ اشکالاتش به سرعت یافت می‌شود؛ و البته ظاهری حرفه‌ای تر هم دارد.
- تمرین کنید؛ مسأله حل کنید. مجددا و به دلیل اهمیت بسیاری که دارد، تاکید می‌کنیم که برنامه‌نویسی یک مهارت صرفا تئوری نیست. تقویت مهارت‌های برنامه‌نویسی نیز، صرفا با تکیه بر منابع آموزشی، قابل حصول نیست. بهترین استاد برنامه‌نویسی هم، نمی‌تواند شما را برنامه‌نویس کند. او می‌تواند زبان را و برخی اصول را به شما یاد دهد؛ اما ادامه مسیر را، شما باید به تنهایی بروید. یک استاد خوب، نهایتا می‌تواند در را به شما نشان دهد؛ این که در را باز کنید و قدم بردارید، کاملا وابسته به شماست.
منبع: سازمان علمی و آموزشی «فرادرس» (Faradars)
برچسب ها آموزش برنامه نویسی فرادرس
برنامه‌نویسی کار سختی است و تنها افرادی که این سختی را قبول ندارند، برنامه‌نویسان با‌تجربه هستند. طبیعی است که در هنگام یادگیری یک زبان برنامه‌نویسی جدید، فشار زیادی را برروی خود احساس کنید، چراکه در هر زبان مسائل بسیار زیادی هستند که باید بیاموزید و فراموش کردن آن‌ها نیز بسیار آسان است.
در حقیقت اگر یادگیری برنامه‌نویسی را به روش درست آن انجام ندهید، دوران سختی در پیشرو خواهید داشت. قطعا زمانی که اقدام به یادگیری یک زبان، کتابخانه یا یک «فریم‌ورک» (Framework) می‌کنید، می‌خواهید که هر چه سریعتر فرایند یادگیری را به پایان برسانید. خوشبختانه نکاتی وجود دارند که می‌توانند در یادگیری برنامه‌نویسی به ما کمک کنند که در این مقاله به برخی از آن‌ها اشاره می‌کنیم.
راه صد ساله را یک شبه نروید
شاید کسی دوست نداشته باشد این را بشنود، ولی یادگیری سریع و یک‌دفعه، بدترین راه یادگیری برنامه‌نویسی است. متاسفانه در دوران مدرسه و دانشگاه، تنها راهی که برای مطالعه یاد می‌گیریم همین است که همه چیز را یک شبه مطالعه کنیم. ولی باید بدانید که هرچه سعی کنید یک چیزی را یک‌دفعه یاد بگیرید، بیشتر آن را از یاد خواهید برد. این مساله تقریبا در تمام موضوعات غیر حفظی وجود دارد، ولی در برنامه‌نویسی از هر جایی بیشتر است.
در واقع این قضیه در یک تحقیق که در سال 2008 در دانشگاه کالیفرنیا در شهر سن‌دیگو صورت گرفت، مشخص شد. در نتایج این تحقیق آمده است که:
«اگر مطالعه به صورت بخش بخش در طی چند جلسه صورت بگیرد، دانش‌آموز بهتر عمل خواهد کرد تا اینکه بخواهد تمام مطالب را یک جا بیاموزد.»
دلیل این امر چیزی به نام «اثر موقعیت در زنجیره» (Serial position effect) است:
«اثر موقعیت در زنجیره می‌گوید که یک فرد بهترین گرایش را به بخش اول و آخر یک زنجیره و بدترین را به بخش وسطی آن دارد.»
به عبارتی دیگر، در هر مطالعه، احتمال بیشتری وجود دارد که بخش اولی و آخری مطالعه را به یاد بسپارید و بخش وسطی را فراموش کنید. بهتر است که تعداد بخش‌های شروعی و پایانی را به حداکثر آن برسانید، به همین جهت برای یادگیری مفاهیم جدید، بهتر است چندین جلسه‌ی مطالعه‌ی کوتاه داشته باشید تا اینکه طی تعدادی جلسه‌ی بلند به مطالعه‌ی بپردازید.
دفعه‌ی بعدی که خواستید برنامه‌نویسی یاد بگیرید، موضوع به موضوع پیش بروید و بین هر موضوع استراحت کنید (البته حواستان باشد این استراحت‌ها منجر به تعویق افتادن یادگیری نشود).
مرور کنید، مرور کنید و مرور کنید
یکی دیگر از دلایلی که یادگیری عجولانه برای علوم دراز مدت مناسب نیست، نا مانا بودن حافظه است. البته همیشه اینطور نیست، برخی از خاطرات از کودکی در حافظه می‌مانند و هیچوقت از بین نمی‌روند، ولی این مساله تنها برای خاطراتی است که با احساسات همراه هستند.
بحث‌های زیادی در رابطه با این مساله صورت گرفته است که آیا حافظه بعد از مدتی از بین می‌رود یا توسط خاطرات جدید جایگزین می‌شود. فرقی ندارد کدام یکی از این تئوری‌ها صحیح باشند، نتیجه‌ی هر دو این است که پس از مدتی حافظه‌ها محو می‌شوند. اهمیت مرور کردن در اینجا مشخص می‌شود.
فرض کنید که در یک جنگل از حافظه‌ها در حال قدم زدن هستید. هر زمانی که بخواهید به یک حافظه دسترسی داشته باشید، باید یک مسیر عصبی برای آن پیدا کنید. هر بار که به سمت آن حافظه می‌روید، مسیر آن کمی باز می‌شود (درست همانند مسیری خاکی که با گذر مکرر مردم از آن، شکل یک جاده به خود می‌گیرد). اگر از این مسیر استفاده نکنید، با گذر زمان از بین می‌رود و آن حافظه در جنگل گم می‌شود.
از این بحث روانشناسی بگذریم، اصل کلام این است: وقتی پای برنامه‌نویسی وسط می‌آید، تنها یادگیری یک موضوع کافی نیست. باید هر کدام از این دروس را بارها و بارها مرور کنید تا هرچه عمیق‌تر در ذهن شما ثبت شود. اگر به یادگیری یک شبه عادت داشته باشید، ممکن است این کار برایتان سخت باشد، ولی وقتی شروع به مرور یادگرفته‌هایتان کنید، از تاثیر آن شگفت زده خواهید شد.
از منابع مختلف استفاده کنید
یکی از سخت‌ترین بخش‌های برنامه‌نویسی برای تازه کاران، گستردگی جزئیات و نکاتی می‌باشد که برای شروع باید با آن‌ها آشنا شوند و تا زمانی که به درک عمیقی از این موارد نرسند، همه چیز برایشان سوال خواهد بود.
هر زبان قوانینی دارد که باید آن‌ها را بیاموزید. این قوانین می‌توانند کلمات کلیدی، سمی‌کالن‌ها، فضاهای خالی و هر چیز دیگری باشند که برای کدنویسی در آن زبان باید بدانید. برخی زبان‌ها حساس‌تر هستند، برخی کمتر ایراد می‌گیرند و برخی نیز به طور کلی دستورات (Syntax) خودشان را دارند که در هیچ جای دیگری مشاهده نکرده‌اید. اگر تجربه‌ی قبلی در کدنویسی نداشته باشید، این موارد می‌توانند برایتان گیج کننده باشند.
اگر از مفاهیم خاص هر زبان بگذریم، باز مفاهیمی نظیر شیء گرایی، «entity-component systems» و الگوها «observer» وجود دارند که یادگیری آن‌ها در بار اول می‌تواند کار طاقت فرسایی باشد. مثلا فرض کنید شخصی یک تصویر از یک مجسمه به شما نشان داده است. شاید این تصویر کمک کند یک دید کلی نسبت به مجسمه پیدا کنید، ولی جزئیات آن را نخواهید فهمید. یک تصویر از راه دور جزئیات کافی ندارد و یک تصویر از نزدیک دید کافی نخواهد داشت. با این حال با هر تصویر جدید می‌توانید متوجه بافت، اندازه و جزئیات از زوایای مختلف نظیر جلو، کنار یا بالا شوید.
یادگیری زبان یک مساله شخصی است. ممکن است همه از منبع A به عنوان بهترین روش برای یادگیری زبان X یاد کنند ولی شما اصلا آن را قبول نداشته باشید. شاید همه از منبع B متنفر باشند و شما در یک نگاه جذب آن شوید، و شاید شخصی دیگر با منابع A و B به مشکل بخورد ولی منبع C برای وی مفید باشد. به همین جهت است که باید از انواع منابع استفاده کنید، چراکه نحوه‌ی یادگیری در هر فرد متفاوت است. اگر با یک موضوع مشکلی دارید، به دنبال یک منبع دیگر بگردید، شاید منبع جدید برایتان مناسب‌تر باشد، شاید هم نباشد.
حتی اگر فکر می‌کنید به موضوع خاصی تسلط کافی دارید، باز هم ممکن است چیز بیشتری برای یادگیری در آن وجود داشته باشد. حتی ممکن است توضیحات کسی بتواند مفهوم را در ذهنتان ساده‌تر کند. به این دلایل، بهتر است تا حد ممکن از منابع مختلف استفاده کنید.
مفاهیمی که یاد می‌گیرید را آموزش دهید
در برنامه‌نویسی مفهومی داریم به نام «تکنیک گفت‌وگو با اردک پلاستیکی» (rubber duck debugging) که یعنی کد را به صورت خط به خط به یک اردک پلاستیکی توضیح دهید. این تکنیک زمانی استفاده می‌شود که بخشی از کد مشکل دارد، ولی دلیل مشخصی برای آن پیدا نمی‌کنیم.
مساله‌ی جالب این است که اکثر برنامه‌نویس‌ها در هنگام توضیحات کد، متوجه مشکل منطقی آن می‌شوند. صحبت کردن باعث فعال شدن بخش متفاوتی از مغز می‌شود و شما را مجبور می‌کند که مشکل را از زاویه‌ی متفاوتی مشاهده نمایید. این روش در یادگیری مطالب جدید نیز برای ما مفید خواهد بود. شاید جمله‌ی زیر از آلبرت انیشتین را شنیده باشید:
«اگر نمی‌توانید چیزی را توضیح دهید، یعنی به خوبی متوجه آن نشده‌اید.»
این جمله تقریبا در همه جا صحت دارد. هرچه درکتان از یک موضوع بیشتر باشد، بهتر می‌توانید آن را به شخصی بدون دانش قبلی توضیح دهید، به طوری که وی نیز متوجه آن شود. مخالف این موضوع نیز وجود دارد. زمانی که سعی در تدریس یک موضوع می‌کنید، متوجه مفاهیمی می‌شوید که نمی‌توانید به خوبی آن‌ها را به زبان بیاورید. این روش به شما کمک می‌کند متوجه ضعفتان در آن موضوع شوید و با پیدا کردن توضیح مناسب آن، مفهوم را در ذهنتان استوارتر کنید. به این کار «یادگیری با تدریس» (learning by teaching) می‌گویند و تقریبا از روی همان تکنیک گفت‌وگو با اردک به وجود آمده است.
البته نیازی نیست که حتما هر مفهومی که یاد می‌گیرید به یک نفر بیاموزید، ولی می‌توانید هر موضوع جدید را به یک اردک پلاستیکی یا یک دوست نامرئی توضیح دهید. شاید ابتدا این کار به نظر احمقانه بیاید، ولی با مرور زمان ثمر آن را در مانایی آن حافظه خواهید دید.
تمرین آگاهانه نتیجه‌ی خوبی دارد
مفهوم جا افتاده از «استعداد» کاملا اشتباه است. هیچ کسی به طور مادرزاد یک ویولنیست، کشتی‌گیر یا برنامه‌نویس قهار به دنیا نمی‌آید. درست است که هر کسی به رشته‌ی خاصی علاقه‌ی بیشتری دارد، ولی استعداد بدون تجربه بی فایده است. سخت کوشی نیز همیشه از استعداد ارزش بیشتری دارد.
«Malcolm Gladwell» مخترع قانون «10,000 ساعت» است که می‌گوید باید برای هرچیزی 10,000 ساعت زمان بگذارید تا به آن تسلط کامل پیدا کنید. با اینکه این جمله صحیح است، ولی خیلی از مردم حرف وی را اشتباه برداشت می‌کنند. به طور خلاصه، 10,000 ساعت اصلا تضمینی برای تسلط کامل نیست. از قدیم گفته‌اند:
«تمرین شما را خوب نمی‌کند، خوب تمرین کردن شما را خوب می‌کند.»
برای اینکه تمرین ارزشمند باشد، باید آگاهانه صورت بگیرد. تسلط کامل فقط با 10,000 ساعت تمرین آگاهانه به وجود می‌آید.
اینکه چگونه تمرین کنید، از اینکه چقدر تمرین کنید بسیار مهمتر است. مطالعه، مشاهده‌ی فیلم‌های آموزشی، گوش کردن به فایل‌های صوتی، همه و همه گذرا هستند. شاید به عنوان یک برنامه‌نویس تازه کار دوست داشته باشید از یک آموزش به آموزش بعدی بروید، موضوعی پس از دیگری را شروع کنید و در هنگام یادگیری از هیچکدام از آن دانش‌های تئوری به طور عملی استفاده نکنید، ولی این کار کاملا اشتباه است و باید از انجام آن خودداری کنید.
درک یک مثال با حل یک مساله از پایه، کاملا متفاوت هستند. اگر می‌خواهید مراحل یادگیری را سریعتر طی کنید، باید حاضر باشید که به جای انجام کارهای گذرا، کمی خودتان فعالیت داشته باشید. تمرین عملی تنها نوع یادگیری است که در نهایت اهمیت خواهد داشت.
برروی پروژه‌های شخصی آزمایش کنید
در دوران مدرسه، تکلیف برای همه دانش‌آموزان همانند اقدامی از سوی دبیران بود که سرگرمی را از ما بگیرند و سرمان را به درس مشغول کنند. ولی الان که به عقب نگاه می‌کنیم، تکالیف به نظر چیزی منطقی می‌آیند و ما را مجبور می‌کردند از دانش جدیدی که به دست آورده‌ایم به طور عملی استفاده کنیم.
اگر در کلاس برنامه‌نویسی ثبت نام کردهاید، به هیچ عنوان نقش موثر تکالیف را دست کم نگیرید. همیشه آن را جدی بگیرید و به عنوان شانسی برای استحکام بخشیدن به دانش‌تان در حافظه‌ی بلند مدت به آن نگاه کنید. البته در خیلی مواقع، تکلیف نیز کافی نیست. حتی در برخی اوقات که به صورت خود آموز اقدام به یادگیری می‌کنید، حتی دبیری ندارید که تکلیفی به شما بدهد.
در همچین شرایطی، باید برای خودتان پروژه تعریف کنید. می‌توانید چندین ایده از خودتان مطرح کرده و آن‌ها را پیاده‌سازی کنید یا اگر ایده‌ای ندارید نیز می‌توانید از مطلب «برنامه‌نویسی را سریعتر بیاموزید – ۵ ایده برای شروع کدنویسی» در فرادرس کمک بگیرید. اگر کاملا در برنامه‌نویسی تازه کار هستید، می‌توانید یک بازی دوز یا «Hangman» طراحی کنید. اگر تجربه دارید و می‌خواهید یک «فریم‌ورک» جدید را بیاموزید، یک اپلیکیشن موبایل یا بازی تحت وب طراحی کنید. هر چیزی که شخصا به آن علاقه‌مند باشید، گزینه‌ی مناسبی است. این روش به دو دلیل بسیار کارآمد است.
اولا، توجه شما را به خود جلب خواهد کرد. تحقیقات نشان داده‌اند که دانش‌آموزان در هنگام کار برروی موضوعاتی که به آن علاقه دارند، بهتر یاد می‌گیرند. یک پروژه‌ی شخصی نیز دقیقا همین ویژگی را دارد. شما در این حالت هدفی دارید که واقعا می‌خواهید به آن برسید، در نتیجه انگیزه‌ی بیشتری نیز برای جذب اطلاعاتی که شما را به آنجا برساند خواهید داشت.
ثانیا، هیچ فشاری برای موفقیت برروی شما نیست. موفق شدن همیشه چیز خوبی است، ولی رسمی نبودن آن باعث می‌شود بتوانید خلاقیت بیشتری در آن خرج کنید و با قوانین بیشتر بازی کنید. درست است که به طور مداوم به مشکل خواهید خورد، ولی این کار بیشتر شبیه به لگوبازی خواهد بود تا انجام تکلیف، لذت آن بیشتر و اضطراب آن کمتر است.
خونسرد باشید و همه چیز را نشانه‌گذاری کنید
هیچ برنامه‌نویسی تمام آموخته‌هایش را به یاد ندارد، این یک حقیقت است. حتی اگر مدت زمان زیادی را صرف کار با یک فریم‌ورک یا کتابخانه کرده باشید، باز هم طبیعی است که نتوانید تمام توابع یا متغیرهای آن را نام ببرید. در واقع، سعی در حفظ کردن همه چیز فقط اتلاف زمان و انرژی است. وجود دفترچه یادداشت‌ها بی دلیل نیست، وقتی می‌توان یک چیزی را تنها در مواقع نیاز مطالعه کرد، چه لزومی دارد که تمام آن را در ذهنمان ذخیره کنیم؟ همین کار را با (API)های برنامه‌نویسی نیز می‌توان انجام داد.
باید بدانیم که در چه مواقعی نیاز به حفظ کردن داریم و چه موقع فقط یادداشت کردن کافی است. وقتی پای مسائل مفهومی در میان است، همیشه باید تا حد توان آن‌ها را یاد بگیرید و حفظ کنید. حتی اگر تنها بخش تئوری آن را درک کنید کافی است و نیازی نیست حتما بتوانید از آن در کدنویسی استفاده کنید (البته باید مفهوم تئوری را به قدری خوب متوجه شده باشید که بتوانید آن را به دیگران نیز تدریس کنید).
برای سایر مباحث نظیر نام توابع، لیست پارامترها یا حتی قوانین هر زبان، نیازی به حفظ کردن آن‌ها ندارید. همینکه آن‌ها را یادداشت کنید کفایت می‌کند. بعضی مواقع آنقدر یک چیزی را یادداشت و مطالعه می‌کنید که ناخواسته در ذهنتان می‌نشیند. اگر این اتفاق بیفتد که خیلی خوب است، اگر هم نیفتد، باز مشکلی نیست.
سخن آخر
برنامه‌نویسی سخت است و به طور طبیعی هر کسی در آن به مشکل می‌خورد. حتی افرادی که سال‌ها برنامه‌نویس بوده‌اند نیز در گاهی اوقات برای یادگیری مفاهیم جدید باید با خودشان کلنجار بروند. اگر جایی به مشکل برخوردید یا چیزی به یادتان نیامد، خودتان را مقصر ندانید.
منبع: سازمان علمی و آموزشی «فرادرس» (Faradars)
با توجه به هزینه‌های بالای تحصیلات آموزش عالی، شکاف عظیم موجود بین صنعت و دانشگاه و همچنین به دلایل گوناگون دیگری که در مقاله «مدرک بی مهارت یا مهارت بی مدرک؛ دانشگاه یا آموزش آنلاین» مورد بررسی قرار گرفتند، تمایل افراد به حضور در دانشگاه‌ها کم شده است. در عین حال، علاقمندان به حضور پر قدرت در فضای کسب‌و‌کار چه به عنوان نیروی کار توانمند و چه با رویکرد کارآفرینی از راهکارهای مهارت‌آموزی و برخی دیگر فعالیت‌ها و نه مدرک‌گرایی جهت آماده‌سازی خود برای فضای کار استفاده می‌کنند. برخی از این روش‌ها در مطلب «چگونه بدون مدرک دانشگاهی استخدام شویم؟ — راهنمای کاربردی» شرح داده شده‌اند.
«لازو بوک» (Laszlo Bock)، معاون مدیر عملیات انسانی سابق گوگل می‌گوید: «هنگامی که به افرادی که به مدرسه نرفته‌اند ولی راه خود را در جهان ساخته‌اند می‌نگریم می‌بینیم که آن‌ها انسان‌های استثنایی هستند و ما باید هر کاری می‌توانیم بکنیم تا این افراد را پیدا کنیم». «مگی استیول» (Maggie Stilwell)، شریک مدیریتی شرکت خدمات حرفه‌ای بریتانیایی «اِرنست اند یانگ» (Ernst and Young) می‌گوید: «مدارک تحصیلی هنوز هم هنگام ارزیابی متقاضیان در نظر گرفته می‌شوند و مساله قابل توجهی باقی مانده‌اند، اما دیگر به عنوان مانعی برای ورود به سازمان‌ها محسوب نمی‌شوند».
گوگل و «هیلتون» (Hilton) تنها دو تا از شرکت‌های قهرمانی هستند که باور دارند درس‌خوان بودن الزما منتهی به اخلاق، ثبات و استعداد شغلی نمی‌شود. باید گفت هم برای افرادی که مدرک گرفته‌اند و هم افرادی که راهی به جز سبک سنتی آموزش انتخاب کرده‌اند و مدرکی ندارند راه اشتغال باز است و آن‌ها می‌توانند با داشتن مهارت مناسب و کاربردی وارد کسب‌و‌کارها شوند. در ادامه لیست شرکت‌های بزرگ دنیا که برای استخدام در آن‌ها نیاز به مدرک ندارید آورده شده است.
۱. استخدام در «گوگل» (Google)
امتیاز شرکت: ۴/۴
استخدام برای: مدیر تولید، کارمند، مهندس نرم‌افزار، بازاریابی محصول، دانشمند پژوهش، مهندس مکانیک، کارشناس ارتباطات توسعه‌دهندگان، مهندس تجربه کاربری، مشاور ابر SAP، شریک تجاری اداری و دیگر موارد.
کارکنان این شرکت چه می‌گویند: تنوع قابل توجهی از کارها از دفاع از روزنامه‌نگاری مستقل در سراسر جهان (Google Project Shield) گرفته تا واکنش بحرانی در هنگام وقوع بلایای طبیعی (در همین راستا مشاهده نقشه‌های ثبت شده در طول توفند سندی یا سونامی توصیه می‌شود) در گوگل انجام می‌شود. اینجا از یک سو بهترین کارشناسان یادگیری ماشین و پروژه‌هایی از سراسر دنیا وجود دارد و از سوی دیگر برای داشتن درآمد پروژه‌های تبلیغاتی انجام می‌شود. در گوگل واقعا برای هر کسی کاری وجود دارد.
2. استخدام در اَپِل (Apple)
امتیاز شرکت: 4
استخدام برای: مهندس تایید طراحی، مدیر پروژه مهندسی، متخصص فنی Apple، کارشناس طراحی محصول Apple TV، کارشناس سفرهای تجاری، کارشناس نمایندگی فروش پاره وقت و دیگر موارد.
کارکنان چه می‌گویند: «شرکت فوق‌العاده است. فرصت‌های پیشرفت بدون محدودیتی در آن وجود دارد. شما با افراد بسیار جالبی کار می‌کنید و مدیران به توسعه شما اهمیت می‌دهند. شما ممکن است برای یادگیری کار مربی داشته باشید اما این موضوع باعث آزار شما نخواهد شد. حقوق‌های پرداختی مناسب است و گزینه‌های خرید سهام، تخفیف برای محصولات و خدمات حوزه‌های گوناگون، دستیاری آموزشی، دستیار نگهداری از کودک، تعطیلات با حقوق، مرخصی برای بیماری و دیگر زمان‌های مرخصی از جمله مزایای کار در Apple محسوب می‌شود. از دیگر خدمات این شرکت برای کارکنان می‌توان به بازپرداخت باشگاه سلامت و پرداخت هزینه دوچرخه‌سواری اشاره کرد. همچنین زمانی برای کاردرمانی نیز به کارکنان اختصاص داده می‌شود.»
3. استخدام در IBM
امتیاز شرکت: 3.6
استخدام برای: مهندس زنجیره مالی، کارشناس ارشد قراردادها و مذاکرات، نماینده خدمات سیستم (برای افراد تازه فارغ‌التحصیل)، عضو کارکنان پژوهشی، مدیر راهکارهای مشتریان و دیگر موارد.
کارکنان چه می‌گویند: «فرصت‌های عالی برای پیشرفت شغلی در این شرکت وجود دارد. امکان استفاده از ساعات کاری انعطاف‌پذیر تا هنگامی که به اهداف کار تعریف شده برایتان برسید وجود دارد. پرسنل اینجا فوق‌العاده هستند. تنها افراد با انگیزه و قوی در گارتنر ماندگار شده و پیشرفت می‌کنند. زمان زیاد برای آموزش و تعلیم و تربیت نیروها تخصیص داده می‌شود. منابع فراوانی در IBM وجود دارند و فقط باید بدانید که چگونه به آن‌ها نفوذ کنید. مزایای پزشکی این شرکت برای کارکنانش فراتر از تصور هستند. من عاشق کار کردن در IBM هستند.»
4. استخدام در استارباکس (Starbucks)
امتیاز شرکت: 3.8
استخدام برای: نوشیار، سرپرست شیفت، مدیر فروشگاه و دیگر موارد.
کارکنان چه می‌گویند: مزایای کار در این شرکت در وصف نگنجد. به من پس از یکسال همکاری پیشنهاد سهام استارباکس شد. همچنین برنامه بازنشستگی و بیمه خیلی خوبی نیز برای کارکنان به همراه دارد. با این برنامه بیمه می‌توانید همه اعضای خانواده خود را تحت پوشش قرار دهید. در عین حال، هر هفته و هر روز می‌توان به صورت رایگان مقدار مشخصی نوشیدنی دریافت کرد (البته این قانون جز شرایط داخلی برخی شعب خاص است). همچنین، یک خط تلفن اختصاصی برای پرسنل وجود دارد که در صورت داشتن مشکل شخصی می‌توانند از آن برای تماس استفاده کنند. منابع انسانی واقعا مسئولیت‌پذیر است و اگر دارای مشکل قانونی باشید به شما به عنوان یک آدم دردسرساز نگاه نمی‌شود. اگر آدم مردمی هستید، جالب است بدانید که در استارباکس هر روز با آدم‌های زیادی ارتباط برقرار می‌کنید و این روز شما را جذاب می‌کند. تهیه نوشیدنی در استارباکس واقعا لذت‌بخش است. من جنبه هنری این کار را دوست دارم و البته لازم است مجددا یادآوری کنم که بخش فوق‌العاده جریان نوشیدنی رایگان محسوب می‌شود!»
۵. استخدام در هیلتون (Hilton)
امتیاز: 4
استخدام برای: مدیر رویداد، مدیر دفتر پیشخوان، خانه‌دار، مدیر هتل، دستیار مدیر غذا و نوشیدنی، هماهنگ کننده فروش بین‌الملل، افسر امنیتی، دستیار نوشیار و دیگر موارد.
کارکنان چه می‌گویند: «من به عنوان یک کارمند ساده در صنعت مهمان‌نوازی آغاز به کار کردم، ۲۰ سال پیش به هیلتون پیوستم و پنجمین سال فعالیت خود را به عنوان مدیر کل در یک هتل با تمام خدمات جشن گرفتم. هیلتون وردواید شرکتی است که به استعدادهای به دنبال توسعه در هر سطحی تخصیص داده شده و من موفقیت شغلی خودم را به سرمایه‌گذاری پیوسته آن‌ها روی خودم مدیون هستم».
6. استخدام در بَنک آو اَمِریکا (Bank of America)
امتیاز شرکت: ۳.۵
استخدام برای: نماینده خدمات مشتریان، دستیار مشتری، تحلیلگر، دستیار اجرایی، مدیر ارتباطات، مدیر بازاریابی بانکداری خرد، تحلیلگر راهکارهای خزانه‌داری، مشاور کسب‌و‌کارهای کوچک و دیگر موارد.
کارکنان چه می‌گویند: «این شرکت مزایای فوق العاده‌ای از جمله زمان تعطیلات، مرخصی برای بیماری و بیمه درمانی دارد. اغلب شرکت‌های دیگر تاکنون قادر به مقایسه مزایای خود با این سازمان نبوده‌اند.»
7. استخدام در اِرنست اند یانگ (Ernst & Young)
امتیاز شرکت: 3.7
استخدام برای: کارشناس ارشد خدمات بیمه، مشاور ریسک، مدیر مدیریت تجربه، کارشناس ارشد سرویس مالیات، مدیر ارشد خدمات مالی، حسابرس، مدیریت ریسک و تضمین کیفیت، تحلیلگر حقوق و دستمز و دیگر موارد.
کارکنان این شرکت چه می‌گویند: پرسنل، انعطاف‌پذیری و ویژگی‌های بسیار خوب دیگری در این شرکت وجود دارد. اینجا مکانی است که واقعا هوای کارکنان خود را دارد و مرتبا بررسی می‌کند تا بداند چه چیزی تجربه بهتری برای آن‌ها می‌سازد.
8. استخدام در کاستکو (Costco)
امتیاز شرکت: 3.9
استخدام برای: صندوق‌دار، انباردار، دستیار فروش داروخانه، بسته‌بندی نانوایی، تزئین‌کننده کیک، دستیار صندوق‌دار، تحلیلگر عملیاتی راهکارهای انبار، راننده لیفتراک، کمک فصلی و دیگر موارد.
کارکنان چه می‌گویند: مزایای بیمه سلامتی بسیار قابل توجه حتی برای کارکنان پاره وقت وجود دارد. این شرکت به دلیل ارائه خدمات نگهداری کودکان برای والدین شاغل بسیار مناسب است. کلید موفقیت در Costco سخت‌کوشی، داشتن نگرش خوب و خوب بودن با دیگر افراد است. کار در این شرکت سخت و دارای رشد تدریجی محسوب می‌شود و برای موفقیت در آن باید آهسته و پیوسته گام برداشت.
9. استخدام در هول فودز مارکت (Whole Foods Market)
امتیاز شرکت: 3.5
استخدام برای: عضو تیم خواربار، صندوق‌دار، عضو تیم نانوایی، عضو تیم کلی، عضو تیم تخصصی، عضو پاره وقت تیم خواربار، سرآشپز، عضو تیم غذاهای دریایی و دیگر موارد.
کارکنان چه می‌گویند: استقلال، آزادی برای خلاقیت داشتن، غذای رایگان روزانه به میزان زیاد، انسان‌های عالی برای همکاری و مشتریان خوب، مزایای فوق‌العاده، مرخصی با حقوق که می‌توانید هر زمان که خواستید از آن استفاده کنید از جمله مزایای کار در Whole Foods Market است.
10. استخدام در پابلیکس (Publix)
امتیاز شرکت: ۳.۷
استخدام برای: داروساز، هماهنگ کننده خرده فروشی، تکنسین تعمیر و نگهداری، مسئول نمایشگاه، تکنسین تعمیر و نگهداری در خانه، کارشناس غذاهای آماده، دستیار مدیر داروخانه، سرو کننده نوشیدنی و دیگر موارد.
کارکنان چه می‌گویند: «به عنوان یک دستیار، من واقعا خوشحالم که می‌بینم حتی مدیران نیز درست در کنار ما کار می‌کنند و هیچ وقت آنقدر مشغله ندارند که دغدغه‌های ما را نشنوند. این شرکت فضای دوستانه‌ای برای همکاری فراهم می‌کند».
رزومه و CV چه تفاوت ها و کاربردهایی دارند؟
برای بسیاری از افراد، این پرسش مطرح می‌شود که چرا در برخی از کشورهای دنیا مانند انگلستان از «CV» استفاده می‌شود، در حالیکه در دیگر کشورها مانند آمریکا از رزومه استفاده می‌کنند. تفاوت‌های کمی بین این دو نوع سند درخواست‌نامه وجود دارد. در این مطلب، به تفاوت‌های رزومه و CV پرداخته شده و بیان می‌شود که هر یک برای ارائه به چه جایی مناسب‌تر محسوب می‌شوند.
CV
CV سرنامی برای عبارت «Curriculum Vitæ» است و در لاتین معنی «دوره زندگی» می‌دهد. CV یک سند عمیق است که می‌تواند در دو یا تعداد بیشتری صفحه تنظیم شود و شامل سطح بالایی از جزئیات پیرامون دستاوردهای فرد است. این سند، چیزی بیش از یک بیوگرافی شغلی محسوب می‌شود. CV همه جزئیات تحصیلی فرد به همراه هر دستاورد دیگری مانند آثار چاپی، جوایز و افتخارات او را شامل می‌شود. این سند، باید ترتیب زمانی داشته باشد و یک چشم‌انداز از کل فعالیت‌های حرفه‌ای فرد ارائه کند. CV یک سند ثابت است و برای فرصت‌های شغلی گوناگون تغییر نمی‌کند، تنها تفاوت آن برای جایگاه‌های گوناگون، توصیه‌نامه‌ای است که همراه CV قرار داده می‌شود.
رزومه
«رزومه» (résumé یا resume)، سند کوتاهی است که معمولا بیش از یک صفحه نیست، زیرا خواننده زمان زیادی را برای خواندن آن صرف نخواهد کرد. هدف رزومه آن است که کمک کند تا فرد از یک رقابت با موفقیت خارج شود. متقاضیان کار باید رزومه خود را با فرصت شغلی که متقاضی آن هستند تطبیق دهند. در واقع، این به نفع متقاضیان است که رزومه خود را برای یک فرصت شغلی به نوعی تغییر دهند که نیازهای آن را پوشش دهد. در تدوین رزومه، نیازی به حفظ ترتیب تاریخی نیست و الزامی ندارد که همه فعالیت‌های حرفه‌ای فرد را شامل شود. در واقع، رزومه یک سند به شدت قابل سفارشی‌سازی است.
تفاوت‌های رزومه و CV
همانطور که پیش‌تر بیان شد، تفاوت‌هایی بین رزومه و CV وجود دارد. سه تفاوت اساسی میان این دو، عبارت است از طول، هدف و طرح. رزومه یک چکیده کوتاه از مهارت‌ها و تجربیات فرد در یک یا دو صفحه است، اما CV یک سند دارای جزئیات محسوب می‌شود و می‌تواند بیش از دو صفحه نیز باشد. رزومه برای هر فرصت شغلی سفارشی‌سازی می‌شود، در حالیکه CV یک سند ثابت است و صرفا توصیه‌نامه همراه آن برای فرصت‌های علمی/شغلی گوناگون متفاوت خواهد بود.
CV یک ترتیب تاریخی واضح دارد که طی آن، همه فعالیت‌های حرفه‌ای فرد به ترتیب چینش می‌شوند. در حالیکه، در رزومه می‌توان محتوا را به نوعی چینش کرد که به شکل بهتری نیازهای شغلی که فرد متقاضی کسب آن است را پوشش دهد. تفاوت اصلی رزومه و CV این است که CV یک رکورد کامل از تاریخچه شغلی فرد به حساب می‌آید، اما رزومه یک لیست مختصر و هدفمند از مهارت‌ها و دستاورهای فرد محسوب می‌شود. به طور خلاصه باید گفت:
- :CV طولانی، پوشش‌دهنده همه فعالیت‌های حرفه‌ای فرد و یک سند ثابت.
- رزومه: کوتاه، بدون قواعد قالب‌بندی خاص و یک سند به شدت قابل سفارشی سازی.
کاربردها در سراسر دنیا
رزومه یک سند درخواست‌نامه است که در آمریکا و کانادا ترجیح داده می‌شود. آمریکایی‌ها و کانادایی‌ها از CV تنها هنگامی استفاده می‌کنند که درخواست شغلی در کشورهای خارجی را دارند و یا متقاضی کرسی در یک محیط دانشگاهی یا فرصت پژوهشی هستند. در انگلستان، ایرلند و نیوزیلند، CV در همه زمینه‌ها مورد استفاده قرار می‌گیرد و رزومه اصلا استفاده نمی‌شود. به طور کلی، CV در اروپا گزینه غالب محسوب می‌شود و حتی یک قالب استاندارد با عنوان «قالب CV اتحادیه اروپا» (European Union CV Format) وجود دارد.
در آلمان، CV تحت عنوان «Lebenslauf» شناخته شده و تنها یکی از سندهای درخواست‌نامه متعددی محسوب می‌شود که متقاضیان شغل در آلمان باید آن را پر کنند. در استرالیا، هند و آفریقای جنوبی، اصطلاح رزومه و CV به جای هم استفاده می‌شوند. اصطلاح رزومه بیشتر برای مشاغل بخش خصوصی و CV هنگام درخواست برای مشاغل خدماتی عمومی مورد استفاده قرار می‌گیرد.
پرسش و پاسخ
اگر فرد متقاضی فرصت شغلی در یک شرکت آمریکایی که در اروپا واقع شده و یا بالعکس باشد، چه اقدامی باید انجام بدهد؟ افرادی که در واحد منابع انسانی این شرکت‌ها مستقر هستند، هر دو نوع را می‌پذیرند. اما بهتر است، فرد مطابق قواعد محلی آن کشور برای ارسال درخواست‌نامه خود اقدام کند. این نکته را نیز نباید فراموش کرد که تبدیل یکی از این دو نوع سند به دیگری کار آنچنان دشواری نیست و شاید خوب باشد که فرد هر دو آن‌ها را برای شرایط‌های گوناگون داشته باشد و البته به روز نگه داشتن آن‌ها را نیز فراموش نکند.
برچسب ها آموزش
هوش تجاری چیست؟ — به زبان ساده
«هوش تجاری» (Business intelligence | BI)، یک فرایند فناوری محور برای تحلیل داده‌ها و ارائه اطلاعات کاربردی به مدیران اجرایی، مدیران بخش‌ها و تصمیم‌سازان یک سازمان و دیگر کاربران نهایی درون سازمانی محسوب می‌شود که به تصمیم‌گیری مبتنی بر اطلاعات کمک می‌کند. این مبحث گستره وسیعی از ابزارها، کاربردها و روش‌ها را در بر می‌گیرد که سازمان‌ها را قادر به گردآوری داده‌ها از سیستم‌های خارجی و منابع داخلی، آماده‌سازی این داده‌ها برای تحلیل، توسعه و اجرای کوئری‌ها روی آن‌ها و ساخت گزارش‌ها، دشبوردها و بصری‌سازی داده‌ها می‌سازد. چنین دشبوردها و بصری‌سازی‌هایی به منظور در دسترس قرار دادن نتایج تحلیلی برای تصمیم‌گیرندگان سازمان و همچنین نیروهای عملیاتی انجام می‌شود.
هوش تجاری و تحلیل داده
استفاده از اصطلاح هوش تجاری برای اولین بار، دستکم به اواخر ۱۸۶۰ باز می‌گردد. این در حالی است که «هاوارد درسنر» (Howard Dresner) برای اولین بار در سال ۱۹۸۹، این واژه را به عنوان یک عبارت پوششی برای اعمال روش‌های تحلیل داده به منظور پشتیبانی از فرایندهای تصمیم‌گیری تجاری مطرح کرد. آنچه با عنوان ابزارهای هوش تجاری از آن یاد می‌شود، معمولا سیستم‌های تحلیلی مبتنی بر «کامپیوترهای بزرگ» (Mainframe-based) مانند «سیستم پشتیبان تصمیم» (Decision Support Systems) و «سیستم‌های اطلاعات اجرایی» (Executive Information Systems) هستند. از عبارت هوش تجاری گاهی به جای تحلیل‌های تجاری استفاده می‌شود. در دیگر شرایط، هوش تجاری به طور خاص برای ارجاع به تحلیل‌های داده یا به طور گسترده‌تر برای اشاره به Business intelligence و تحلیل‌های پیشرفته مورد استفاده قرار می‌گیرد.
اهمیت هوش تجاری
از مزایای بالقوه ابزارهای هوش تجاری، می‌توان به شتاب‌دهی و بهبود تصمیم‌گیری، بهینه‌سازی فرایندهای داخلی کسب‌و‌کار، راه‌اندازی راه‌های درآمدزایی جدید و کسب مزایای رقابتی جدید در مقایسه با رقبای تجاری اشاره کرد. داده‌های مورد استفاده در این حوزه، شامل اطلاعات تاریخی ذخیره شده در یک «انبار داده» (Data Warehouse) و داده‌های جدید گردآوری شده از سیستم‌های منبع – ضمن تولید آن‌ها – هستند. این داده‌ها، ابزارهای هوش تجاری را قادر به پشتیبانی از فرآیندهای تصمیم‌سازی استراتژیک و تاکتیکی می‌سازند.
ابزارهای هوش تجاری اولیه، در ابتدا توسط تحلیلگران داده و دیگر کارشناسان فناوری اطلاعات مورد استفاده قرار می‌گرفتند. این افراد با انجام تحلیل‌ها، گزارش‌هایی را در نتیجه کوئری‌های انجام شده روی اطلاعات کاربران کسب و کار فراهم می‌کنند. با افزایش استفاده از هوش تجاری، مدیران اجرایی و کارکنان سازمان‌ها، خود با پلتفرم‌های هوش تجاری کار می‌کنند. این امر، به لطف توسعه «هوش تجاری سلف سرویس» (Self-Service BI) و ابزارها و دشبوردهای کاوش داده محقق شده است.
انواع ابزارهای هوش تجاری
هوش تجاری، گستره وسیعی از کاربردها شامل «تحلیل‌ها و کوئری‌های موردی» (ad hoc analytics and querying)، گزارش‌های کسب و کار، پردازش تحلیلی آنلاین (Online Analytical Processing | OLAP)، هوش تجاری موبایل، «هوش تجاری بی‌درنگ» (Real-Time BI)، هوش تجاری عملیاتی، «هوش تجاری نرم‌افزار به عنوان یک سرویس» (Software-as-a-Service BI)، «هوش تجاری متن‌باز» (Open Source BI)، «هوش تجاری مبتنی بر همکاری» (Collaborative BI) و «هوش تجاری مبتنی بر محل» (location intelligence) را در بر می‌گیرد.
فناوری‌های هوش تجاری شامل نرم‌افزارهایی برای طراحی نمودار و دیگر انواع اینفوگرافیک‌ها و همچنین، ابزارهایی برای ساخت دشبوردهای هوش تجاری و «کارت‌های امتیاز کارایی» (Performance Scorecards) می‌شوند که داده‌ها را روی سنجه‌های کسب و کار و دیگر شاخص‌های کلیدی کارایی به شیوه‌ای آسان برای درک بصری‌سازی می‌کند. ابزارهای بصری‌سازی داده‌ها در سال‌های اخیر به استانداردی برای هوش تجاری مدرن مبدل شده‌اند.
در ابتدا، برخی از سازمان‌های پیشرو در حوزه هوش تجاری از قابلیت‌های بصری‌سازی در ابزارهای خود استفاده کرده‌اند. اما پس از آن، دیگر سازمان‌های سنتی نیز به استفاده از ابزارهای بصری اکتشاف داده روی آوردند. برنامه‌های هوش تجاری ممکن است برخی از انواع تحلیل‌های پیشرفته مانند «داده‌کاوی» (Data Mining)، «تحلیل پیش‌بین» (Predictive Analytics)، «متن کاوی» (Text Mining)، تحلیل‌های آماری و تحلیل‌های «کلان‌داده» (Big Data | مَه‌داده) را نیز در بر داشته باشند. اگرچه، در بسیاری از موارد، پروژه‌های تحلیلی پیشرفته توسط تیم‌های جداگانه‌ای از آماردان‌ها، «دانشمندان داده» (Data Scientists)، مدل‌سازهای پیش‌بین و دیگر متخصصان حوزه تحلیل داده انجام می‌شود، در حالی که تیم هوش تجاری بر حوزه پرسش و پاسخ و تحلیل داده‌های کسب و کار متمرکز می‌شوند.
داده‌های هوش تجاری معمولا در انبارهای داده یا «داده‌گاه» (Data Mart) ذخیره‌سازی می‌شوند که زیرمجموعه‌ای از اطلاعات سازمان را در بر می‌گیرد. سیستم «هادوپ» (Hadoop) به طور فزاینده‌ای در معماری هوش تجاری به عنوان مخزن یا لندینگ هوش تجاری و داده‌های تحلیل به ویژه داده‌های ساختار نیافته، «فایل‌های لوگ‌ها» (Log Files)، داده‌های حسگرها و دیگر انواع کلان‌داده مورد استفاده قرار می‌گیرد. پیش از استفاده از داده‌های خام، این داده‌ها باید با استفاده از ابزارهای یکپارچه‌سازی داده‌ها و data quality، از منابع گوناگون دیگر گردآوری، یکپارچه‌سازی و پاکسازی شوند تا از این موضوع که کاربران داده‌های صحیح و سازگاری را استفاده می‌کنند اطمینان حاصل کنند.
گرایش‌های هوش تجاری
علاوه بر مدیران، تیم‌های هوش تجاری نیز از ترکیبی از معمارهای هوش تجاری، توسعه‌دهندگان این حوزه، تحلیلگران کسب و کار و کارشناسان مدیریت داده استفاده می‌کنند. کاربران کسب و کار نیز اغلب برای ارائه جنبه تجاری و حصول اطمینان از اینکه نیازهای آن‌ها در توسعه سیستم در نظر گرفته شده است، در فرایند ساخت سیستم مشارکت داده می‌شوند. برای کمک به این کار، تعداد رو به رشدی از سازمان‌ها، در حال جایگزینی «مدل توسعه آبشاری» (Waterfall Development) با هوش تجاری چابک و رویکردهای انبارش داده‌ای هستند که از روش‌های توسعه نرم‌افزاری چابک برای شکستن پروژه‌های هوش تجاری به زیرپروژه‌های کوچک‌تر و ارائه قابلیت‌های جدید به تحلیلگران کسب و کار بهره می‌برند. انجام این کار می‌تواند سازمان‌ها را قادر به قابل استفاده کردن هر چه سریعتر ویژگی‌های هوش تجاری و پالایش یا ویرایش برنامه‌های در حال توسعه در صورت تغییر نیازها و یا ظهور خواسته‌های جدید می‌سازد و به آن‌ها نسبت به موارد قدیمی‌تر اولویت می‌بخشد.
هوش تجاری برای کلان داده
سکوهای هوش تجاری به طور فزاینده‌ای به عنوان رابط‌های «فرانت اند» (Front End) برای سیستم‌های کلان داده مورد استفاده قرار می‌گیرند. نرم‌افزارهای Modern BI، به طور متداول «بک اندهای» (Back end) انعطاف‌پذیری دارند که آن‌ها را قادر به اتصال به طیفی از منابع داده می‌سازد. این امر، در کنار رابط‌های کاربری ساده، ابزارهای مذکور را به گزینه‌ای مناسب برای معماری کلان داده مبدل می‌سازد. کاربران می‌توانند به طیفی از منابع داده شامل سیستم‌های هادوپ، پایگاه داده‌های NOSQL، پلتفرم‌های ابری و دیگر انواع انبارهای داده متداول متصل شوند و یک نمای یکپارچه از پایگاه داده‌های متنوع خود ارائه کنند.
لیدار — به زبان ساده
آیا تاکنون واژه لیدار را شنیده‌اید؟ آیا تا به حال به چگونگی حرکت خودروهای بدون راننده یا حالت رانندگی خودکار ماشین‌های لوکس فکر کردهاید؟ ماشین‌هایی که به این تکنولوژی پیشرفته مجهز هستند، توسط سنسورهایی پیشرفته در هر لحظه یک نقشه ۳ بعدی از محیط اطراف خود تهیه کرده و مطابق اطلاعات آن و سیستم GPS حرکت می‌کنند. این تکنولوژی پیشرفته که به «لیدار» (LIDAR) معروف است، نه تنها در ماشین‌های خودران، بلکه در دیگر صنایع نیز کاربرد دارد.
تصویر (۱): نمایی از خودروهای بدون راننده شرکت گوگل برای تهیه نقشه‌هایی ۳ بعدی از معابر شهری
لیدار در کلمه به معنی تشخیص و اندازه‌گیری (مقیاس بندی) نوری و مخفف عبارت (LIght Detection And Ranging : LIDAR) است. کلمه لیدار از نظر لغوی بسیار شبیه به «رادار» (RAdio Detection And Ranging – RADAR) به معنی ناوبری یا تشخیص و اندازه‌گیری به وسیله امواج رادیویی و «سونار» (sound navigation ranging) به معنی ناوبری به وسیله امواج صوتی است. در سیستم‌های لیدار، تشخیص، فاصله‌سنجی، تهیه نقشه و اسکن ۳ بعدی محیط و … توسط نور یا بهتر بگوییم لیزرها انجام می‌شود. در ادامه این مقاله در نظر داریم تا با زبانی ساده بیشتر به معرفی لیدار بپردازیم. با ما همراه باشید. همچنین پیشنهاد می‌کنیم تا نگاهی بر مقاله «رادار (Radar) — به زبان ساده» داشته باشید تا با اصول سیستم‌های راداری آشنا شوید.
تصویر (۲): نمونه‌ای از سیستم لیدار نصب شده روی هلی‌کوپتر
لیدار چیست؟
به اطراف خود نگاه کنید. هر آنچه که می‌بینید، در غالب اطلاعات توسط پرتوهای نوری بازتابیده شده از محیط توسط چشمان شما ثبت و به وسیله ذهن پردازش می‌شوند. در نتیجه نقشه‌ای ۳ بعدی در هر لحظه مقابل دید شما است.
حال یک ربات را در نظر بگیرید که توسط دوربین‌هایی به جای چشم، این کار را انجام می‌دهد. از آنجایی که دوربین‌ها تصاویری دو بعدی از محیط تهیه می‌کنند، ربات‌ها درک مناسبی از بعد سوم (ارتفاع یا عمق) ندارند. جدا از این مسئله، ممکن است که ربات‌ها فهمی از محیط اطراف، خوب و بد و … نداشته و به طور مثال، گربه‌ای که به سمتشان می‌آید را خطر تلقی کنند! البته محتاط بودن ربات‌ها در مسائلی نظیر خودروهای خودران امر مطلوبی است.
برای رفع مشکلاتی که دوربین‌های دو بعدی ایجاد می‌کنند، ربات‌های اتوماتیک یا ماشین‌های خودران (بدون راننده) از سیستم‌های لیدار استفاده کرده و اطراف خود را بر این مبنا تشخیص می‌دهند. لیدار با سرعت خیلی زیادی، می‌تواند تمامی سطوح اطراف خود را اسکن کرده و پستی و بلندی‌های جسم را با دقت خیلی خوبی نشان دهد. لیدار این کار را با ارسال پرتوهای لیزری به جسم و ضبط بازتاب و پراش‌های پرتو ارسالی انجام می‌دهد و در نتیجه اطلاعات کاملی در خصوص سطح و عمق و همچنین فاصله جسم تا منبع را از طریق محاسبه زمان رفت و برگشت پرتو نور به دست می‌آورد. لیدارها به دلیل سرعت خیلی زیادی که دارند، امکان تهیه نقشه‌ای ۳ بعدی را در هر لحظه با دقت خیلی خوبی فراهم می‌کنند.
در واقع یک خودرو بدون راننده یا ربات‌های اتوماتیک که در اطراف خود سنسورهای لیدار دارند، در هر لحظه با تابش پرتوهای نوری (لیزری) به اطراف و ثبت و تحلیل بازتاب و پراش‌های آن و همچنین محاسبه زمان رفت و برگشت پرتو به همراه داده‌های سیستم GPS، درباره حرکت بعدی خود تصمیم‌گیری می‌کنند.
تصویر (3): نمایی از نمونه‌های اولیه سیستم لیدار که بر سقف خودروهای خودران شرکت گوگل نصب شده است.
از این حیث، عملکرد لیدار بسیار شبیه به رادار و سونار است. می‌توان گفت که رادار همین کار را با استفاده از امواج الکترومغناطیسی رادیویی و سونار با استفاده از امواج مکانیکی صوتی انجام می‌دهد. سیستم‌های سونار بیشتر توسط کشتی‌ها و زیردریایی‌ها استفاده می‌شوند، چرا که امواج الکترومغناطیسی نور و رادیویی بازدهی مناسبی در فاصله‌های خیلی دور در آب ندارند.
به دلیل اینکه در سطح شهر امواج رادیویی و میکروویو به واسطه سیستم‌های مخابراتی به وفور وجود دارند، استفاده از سیستم‌های رادار در خودروهای خودران باعث افزایش خطا می‌شود. برای رفع این مشکل، از نور لیزر که نویزپذیری کمتری دارد، استفاده می‌شود.
شاید امروزه شهرت سیستم‌های لیدار مدیون ماشین‌های خودران باشد؛ اما یکی دیگر از کاربردهای مهم لیدار تهیه نقشه‌ای دقیق از پستی و بلندهای سطح زمین در یک منطقه جغرافیایی یا تهیه نقشه اتمسفر است. توجه داشته باشید که نور لیزر طیف فرکانسی (طول موجی) زیادی را از مادون قرمز تا فرابنفش پوشش می‌دهد، و با انتخاب صحیح و مناسب طول موج متناسب با ساختار محیط، می‌توانیم بازتاب و پراش‌های پرتو ارسالی را دریافت کنیم. به طول مثال با انتخاب فرکانسی در محدود آبی-سبز برای لیزر، می‌توان کف دریا را اسکن کرد.
شکل (4): یکی از مهم‌ترین کاربردهای سیستم لیدار، تهیه اطلاعات از کف دریاها است.
در کاربردهایی نظیر تصویربرداری از سطح یک دشت، داده‌های سیستم‌های لیدار می‌توانند به تنهایی استفاده و تجزیه و تحلیل شوند. اما در خصوص کاربردهای پیشرفته‌ای نظیر آنچه در سیستم‌های خودران ماشین‌ها یا ربات‌ها شاهد هستیم، داده‌های جمع‌آوری شده توسط سیستم لیدار به همراه داده‌های دیگر سنسور‌ها مثل، GPS، سرعت و شتاب‌سنج، ژیروسکوپ و … در هر لحظه توسط پردازنده تجزیه و تحلیل می‌شوند و مطابق با آن سیستم‌های پیشرفته هوش مصنوعی اقدام به تصمیم‌گیری می‌کنند.
سیستم لیدار از چه چیز‌هایی تشکیل شده است؟
برای تهیه یک نقشه ۳ بعدی از محیط اطراف توسط سیستم لیدار، به یک لیزر برای تابش نور و یک گیرنده نوری برای تشخیص نور بازتابیده شده از محیط نیاز است. البته همانطور که اشاره کردیم برای سیستم‌های خودران به تجهیزات دیگری که مهم‌ترین آن GPS است، نیاز داریم.
لیزرهای مورد استفاده در سیستم‌های لیدار ماشین‌های خودران از نوع نیمه‌هادی بوده که در ناحیه طول موجی 900 تا 1100 نانومتر (مادون قرمز نزدیک) کار می‌کنند. البته طول موج‌های دیگری نیز امروزه در سیستم‌های لیدار جدید مورد استفاده قرار گرفته‌اند. به طور مثال لیزرهای نیمه‌هادی با طول موج 1550 نانومتر مورد استفاده در نسل جدید ماشین‌های لوکس امروزی، توانایی اسکن محیط اطراف را تا فاصله 200 متر دارند. این در حالی است که لیزرهای قوی‌تری که در طول موج 900 نانومتر کار می‌کنند، تنها توانایی تشخیص و اسکن تا فاصله 30 الی 40 متر را دارند.
همانطور که می‌دانید انرژی یک موج الکترومغناطیسی با افزایش فرکانس (کاهش طول موج) افزایش پیدا می‌کند. پس جهت اینکه آسیبی متوجه چشم‌های عابران سطح شهر نشود، سیستم‌های لیدار از لیزرهای با طول موج بالا و توان مناسب استفاده می‌کنند. البته همانطور که پیش‌تر اشاره کردیم، سیستم‌های لیدار جهت اسکن کف دریاها از لیزر سبز با طول موج حدود 530 نانومتر استفاده می‌کنند.
شکل (5): نمونه‌ای از تصویر تهیه شده توسط سیستم لیدار از رودخانه و منطقه‌ای کوهستانی
گیرنده‌های نوری سیستم لیدار، سلول‌هایی فوتوالکتریک، ساخته شده از سیلیکون یا گالیوم آرسناید با حداکثر حساسیت برای یک بازه طول موجی خاص هستند. بسته به کاربرد سیستم‌های لیدار، نوع گیرنده نوری می‌تواند متفاوت باشد. به طور مثال در سیستم‌های برد کوتاه از فوتودیود‌های ساده سیلیکونی و در سیستم‌های دوربرد از فوتودیود‌های بهمنی استفاده می‌شود. حساسیت گیرنده‌های فوتودیود در سیستم‌های لیدار آنقدر زیاد است که می‌تواند یک فوتون ورودی را به بهمنی از الکترون (جریان یا سیگنال الکتریکی) تبدیل کند.
یکی از مشکلات سیستم‌های لیدار، چرخش 360 درجه لیزر برای اسکن محیط اطراف است، جهت رفع این مشکل و همچنین حذف لرزش و ثابت بودن منبع، توسط آینه‌های کوچکی که به طور 360 درجه می‌چرخند، نور لیزر را به اطراف می‌فرستند.
شکل (۶): چرخش ۳۶۰ درجه نور لیزر توسط آینه‌های چرخان
کاربرد لیدار
شاید امروزه سیستم لیدار را به واسطه به کارگیری آن‌ها در ماشین‌های خودران و یا ربات‌های اتوماتیک بشناسیم. اما متداول‌ترین کاربرد لیدار در نقشه‌برداری جغرافیایی و جوی است. سازمان‌های بزرگی نظیر NOAA (اداره ملی اقیانوس شناسی و جوی – آمریکا)، USGS (زمین شناسان ایالات متحده) و NASA (سازمان ملی هوانوردی و فضایی آمریکا) دهه‌هاست که از سیستم‌های لیدار برای تهیه نقشه‌های زمین و فضا استفاده می‌کنند. از این نقشه‌ها برای مطالعه ابر‌ها، ترکیبات جوی، مطالعه گرم شدن زمین و … استفاده می‌شود. همچنین فرسایش ساحلی و یا الگو تغییرات جنگل‌ها توسط نقشه‌های حاصل از سیستم لیدار، قابل تشخیص است.
منبع:سازمان علمی و آموزشی «فرادرس» (Faradars)
ای خدای دگرگون کننده دلها و دیده ها
ای تدبیر کننده روز و شب ای دگرگون
کننده حالی به حالی دیگر حال مارا به بهترین حال دگرگون کن
“نوروز مبارک”
شبکه اجتماعی
مترجم بیان
