Lynda Weinman
بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.
اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.
درک نیازی که هیچکس به آن پاسخ نداده بود
وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.
لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.
کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.
درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.
شروعی کوچک و توسعه ای آهسته و پیوسته
بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.
اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".
اوج گیری پس از بحران
کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.
کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.
روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.
خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."
روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.
افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."
با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".
در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.
ایجاد فرهنگ سازمانی مناسب در زمان رشد
اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.
وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."
در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".
ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.
پیش به سوی موفقیت
مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.
در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.
لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.
ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.
واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".
فروش به لینکدین Linked in
من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.
واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.
اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.
واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."
به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.
واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."
در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.
کسبوکارها به طور فزایندهای به راهحلهای مبتنی بر هوش مصنوعی برای افزایش تعاملات مشتری، سادهسازی خدمات و ماندن در رقابت متکی هستند. در این چشمانداز دیجیتالی که به سرعت در حال تحول است، توانایی ساخت و استقرار رباتهای گفتگوی پیچیده بسیار مهم است. این دوره عملی به دانشمندان داده و مهندسان ML قدرت میدهد تا از این ابزارها و تکنیکهای پیشرفته استفاده کنند و از پیشروی سازمانهایشان در ارائه تجربیات استثنایی به مشتریان اطمینان حاصل کنند.
مدرس Axel Sirota شما را در تسلط بر توسعه و استقرار رباتهای گفتگوی پیشرفته و LLM راهنمایی میکند. اهداف کلیدی شامل درک فناوریها و روندهای چت بات، استفاده از Hugging Face برای توسعه، و پیادهسازی رباتهای گفتگو با مجموعه داده OpenOrca است. در طول مسیر، Axel تکنیکهای پیشرفتهای را برای بهینهسازی عملکرد و کارایی پوشش میدهد و تجربه عملی را در استقرار رباتهای گفتگو در Hugging Face Spaces با Gradio و AWS ECS با استفاده از Docker و Terraform ارائه میکند.
پیش نیازها:
آشنایی با برنامه نویسی پایتون، زیرا زبان اصلی مورد استفاده در دوره است
تجربهای با مفاهیم و روشهای یادگیری ماشین
قرار گرفتن قبلی با TensorFlow و Keras برای ساخت و آموزش مدل
دانش اولیه هوش مصنوعی و تکنیک های پردازش زبان طبیعی (NLP)
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[فارسی]
01 مقدمه
01-01 دریاچه های داده، خانه های دریاچه و موارد دیگر
01-02 آنچه باید بدانید
01-03 پیش نمایش پروژه Capstone
02 مقدمه ای بر دریاچه های داده
02-01 دریاچه داده چیست؟
02-02 خاستگاه و تکامل
02-03 اجزای اصلی معماری
02-04 دریاچه داده در مقابل انبار داده
02-05 دریاچه داده در مقابل مش داده
03 ذخیره سازی در دریاچه های داده
03-01 انواع ذخیره سازی
03-02 میزبانی ذخیره سازی
03-03 راه حل های ذخیره سازی: S3، GCS و Azure Blob Storage و HDFS
03-04 ساختارهای پوشه
03-05 فرمت های فایل
03-06 فشرده سازی داده ها
03-07 پارتیشن بندی داده ها
04 بلع داده ها در دریاچه های داده
04-01 روش های بلع داده ها
04-02 ETL در مقابل ELT
04-03 تبدیل داده ها
04-04 کیفیت داده ها
04-05 مدیریت خطا، ثبت و نظارت
04-06 ارکستراسیون
04-07 پلت فرم های جذب داده
05 مدیریت داده ها و حکمرانی در دریاچه های داده
05-01 مقدمه ای بر مدیریت و حاکمیت داده ها
05-02 مدیریت فراداده
05-03 فهرست نویسی داده ها
05-04 اصل و نسب داده
05-05 امنیت داده ها، حریم خصوصی، و انطباق
05-06 ابزارها و پلتفرم های مدیریت داده
06 مقدمه ای بر Data Lakehouses
06-01 دیتا لیک هاوس چیست؟
06-02 معاملات ACID
06-03 مدیریت طرحواره
06-04 فرمت های جدول: دریاچه دلتا، کوه یخ آپاچی، آپاچی هودی
07 مصرف داده و موتورهای پرس و جو در دریاچه ها و خانه های دریاچه
07-01 مقدمه ای بر مصرف داده
07-02 تجزیه و تحلیل یکپارچه داده ها: Spark
07-03 SQL در Hadoop: Hive and Impala
07-04 موتورهای پرس و جو تعاملی: Presto و Trino
07-05 نمایه سازی داده ها
07-06 بهینه سازی عملکرد پرس و جو
07-07 ملاحظات امنیتی مصرف داده
08 بسترهای داده پیشرفته برای دریاچه ها و خانه های دریاچه
08-01 پلتفرم های تحلیلی یکپارچه: Databricks و Snowflake
08-02 انبارهای داده ابری: BigQuery، Azure Synapse و Redshift
08-03 پلت فرم های داده سلف سرویس: Dremio و Starburst
08-04 نوت بوک های تعاملی: Jupyter، Zeppelin، Databricks
08-05 ابزارهای BI: Tableau، Power BI، Superset، Metabase
08-06 APIها و خدمات برای مصرف داده
09 Capstone: Building a Data Lakehouse
09-01 نمای کلی پروژه Capstone
09-02 مروری بر مدل داده
09-03 نصب و راه اندازی پروژه و ارائه کد
09-04 راه اندازی زیرساخت
09-05 مصرف داده های خام
09-06 مروری بر مدل های تبدیل
09-07 راه حل: یک مدل داده با SQL بسازید
09-08 اجرای تبدیل داده ها
09-09 هماهنگی داده ها
10 Capstone: BI، Advanced Analytics و ML در Lakehouse
10-01 پیشرفت Dremio
10-02 اجرای پرس و جو و ایجاد مجموعه داده های مجازی
10-03 ایجاد مجموعه داده های مجازی پیچیده با استفاده از SQL
10-04 اتصال Dremio به Apache Superset
10-05 ایجاد داشبورد بازاریابی
10-06 اتصال Dremio به نوت بوک Jupyter
10-07 تجزیه و تحلیل بررسی های محصول پیشرفته
10-08 راه حل: تجزیه و تحلیل سلامت خودرو در Jupyter
11 Capstone: AI مولد در Lakehouse
11-01 مقدمه ای بر LLM ها و جاسازی های برداری: لاما
11-02 مقدمه ای بر RAG (نسل تقویت شده بازیابی)
11-03 مقدمه ای بر پایگاه های داده برداری: کروما
11-04 Langchain چیست؟
11-05 مروری بر پروژه هوش مصنوعی مولد: خلبان فروش
11-06 نصب و راه اندازی کد
11-07 اجرای پروژه: با استفاده از Copilot
12 نتیجه گیری
12-01 خلاصه و نکات کلیدی
12-02 مراحل بعدی در سفر داده شما
[ENGLISH]
01 Introduction
01-01 Data lakes, lakehouses, and more
01-02 What you should know
01-03 Capstone project preview
02 Introduction to Data Lakes
02-01 What is a data lake?
02-02 Origins and evolution
02-03 Architecture core components
02-04 Data lake vs. data warehouse
02-05 Data lake vs. data mesh
03 Storage In Data Lakes
03-01 Storage types
03-02 Storage hosting
03-03 Storage solutions: S3, GCS and Azure Blob Storage and HDFS
03-04 Folder structures
03-05 File formats
03-06 Data compression
03-07 Data partitioning
04 Data Ingestion in Data Lakes
04-01 Data ingestion methods
04-02 ETL vs. ELT
04-03 Data transformation
04-04 Data quality
04-05 Error handling, logging, and monitoring
04-06 Orchestration
04-07 Data ingestion platforms
05 Data Management and Governance in Data Lakes
05-01 Introduction to data management and governance
05-02 Metadata management
05-03 Data cataloging
05-04 Data lineage
05-05 Data security, privacy, and compliance
05-06 Data management tools and platforms
06 Introduction to Data Lakehouses
06-01 What is a data lakehouse?
06-02 ACID transactions
06-03 Schema management
06-04 Table formats: Delta Lake, Apache Iceberg, Apache Hudi
07 Data Consumption and Query Engines in Lakes and Lakehouses
07-01 Introduction to data consumption
07-02 Unified data analysis: Spark
07-03 SQL on Hadoop: Hive and Impala
07-04 Interactive query engines: Presto and Trino
07-05 Data indexing
07-06 Optimizing query performance
07-07 Data consumption security considerations
08 Advanced Data Platforms for Lakes and Lakehouses
08-01 Unified analytics platforms: Databricks and Snowflake
08-02 Cloud data warehouses: BigQuery, Azure Synapse, and Redshift
08-03 Self-service data platforms: Dremio and Starburst
08-04 Interactive notebooks: Jupyter, Zeppelin, Databricks
08-05 BI tools: Tableau, Power BI, Superset, Metabase
08-06 APIs and services for data consumption
09 Capstone: Building a Data Lakehouse
09-01 Capstone project overview
09-02 Data model overview
09-03 Project installation and code walkthrough
09-04 Infrastructure setup
09-05 Raw data ingestion
09-06 Transformation models overview
09-07 Solution: Build a data model with SQL
09-08 Executing data transformations
09-09 Data orchestration
10 Capstone: BI, Advanced Analytics, and ML in the Lakehouse
10-01 Dremio walkthrough
10-02 Executing queries and creating virtual datasets
10-03 Creating complex virtual datasets using SQL
10-04 Connecting Dremio to Apache Superset
10-05 Creating a marketing dashboard
10-06 Connecting Dremio to Jupyter Notebook
10-07 Advanced product reviews analytics
10-08 Solution: Vehicle health analytics in Jupyter
11 Capstone: Generative AI in the Lakehouse
11-01 Introduction to LLMs and vector embeddings: Llama
11-02 Introduction to RAG (retrieval-augmented generation)
11-03 Introduction to vector databases: Chroma
11-04 What is Langchain?
11-05 Generative AI project overview: Sales copilot
11-06 Installation and code walkthrough
11-07 Project execution: Using the copilot
12 Conclusion
12-01 Recap and key takeaways
12-02 Next steps on your data journey
Thalia Barrera یک مهندس داده و نویسنده فنی است.
Thalia یک نویسنده فنی متبحر در زمینه فناوری با بیش از یک دهه تجربه به عنوان مهندس در صنعت IT است. او از ساخت مواد فنی و آموزشی برای مخاطبان داخلی و خارجی، از جمله مهندسان دیگر لذت می برد. تخصص او در علوم کامپیوتر و ماهیت مشتری مداری او به او کمک می کند تا موضوعات پیچیده را به محتوایی قابل فهم تبدیل کند.
Thalia به عنوان یک مهندس داده، بیش از پنج سال تجربه در توسعه برنامههای کاربردی فشرده داده، رسیدگی به مشکلات چالش برانگیز معماری و مقیاسپذیری در بخشها و شرکتهای مختلف صنعت، استارتآپهای اولیه تا شرکتهای بزرگ دارد.
او مدرک کارشناسی ارشد خود را در رشته علوم کامپیوتر از Tecnológico de Monterrey گرفت.