دید ماشین به فناوریهایی اطلاق میشود که به دستگاهها این امکان را میدهند تا از طریق دوربینها و حسگرها محیط خود را درک کنند.
Fog Computing یا محاسبات مه، یک مدل محاسباتی است که برای پردازش دادهها بهطور نزدیکتر به منابع داده (مانند دستگاههای اینترنت اشیا (IoT)) طراحی شده است. این مدل بهعنوان یک لایه میانی بین دستگاههای پایانی و مراکز داده ابری عمل میکند و از منابع محاسباتی، ذخیرهسازی و شبکهسازی در نزدیکی محل تولید دادهها بهره میبرد. در Fog Computing، پردازش دادهها در نودهای پراکندهای که بهطور فیزیکی نزدیک به دستگاهها قرار دارند، انجام میشود، به جای اینکه تمام دادهها به مراکز داده ابری ارسال شوند.
یکی از ویژگیهای برجسته Fog Computing این است که زمان تأخیر پردازش دادهها را کاهش میدهد و از مشکلات مرتبط با ارسال دادهها به مراکز داده دوردست جلوگیری میکند. در این مدل، دادهها بهطور محلی پردازش میشوند و تنها اطلاعات پردازششده یا خلاصهشده به ابعاد بزرگتر ارسال میشود. این امر باعث بهبود سرعت پاسخدهی و کارایی در بسیاری از سیستمها، بهویژه در سیستمهای اینترنت اشیا (IoT) میشود، جایی که نیاز به پردازش سریع دادهها برای تصمیمگیری در زمان واقعی ضروری است.
در Fog Computing، پردازش دادهها معمولاً در گرههای شبکه محلی، مانند روترها یا سوئیچهای شبکه، انجام میشود. این گرهها بهعنوان منابع محاسباتی عمل کرده و اطلاعات را بهصورت محلی پردازش میکنند. به این ترتیب، نیاز به ارسال همه دادهها به پردازشگرهای مرکزی کاهش مییابد و بار ترافیک شبکه کاهش مییابد. این ویژگی میتواند در کاربردهایی که نیاز به تصمیمگیری سریع در محل دارند، مانند اتومبیلهای خودران، نظارت و کنترل محیطهای صنعتی، یا مراقبتهای بهداشتی از راه دور، بسیار مفید باشد.
یکی از مزایای Fog Computing این است که بهطور مؤثری مقیاسپذیری و مدیریت دادهها را در سیستمهای بزرگتر امکانپذیر میکند. بهعنوان مثال، در سیستمهای اینترنت اشیا، تعداد زیادی دستگاه میتوانند بهطور همزمان دادهها را ارسال کنند، اما پردازش همه این دادهها در یک سرور مرکزی میتواند بار زیادی ایجاد کند. با استفاده از Fog Computing، این دادهها بهطور محلی پردازش شده و تنها اطلاعات مورد نیاز به سرور مرکزی ارسال میشود، که باعث کاهش حجم دادهها و افزایش کارایی میشود.
Fog Computing همچنین میتواند بهطور مؤثری به کاهش هزینهها و مصرف انرژی کمک کند. پردازش محلی دادهها نیاز به انتقال دادهها به مراکز داده دوردست ندارد، که این امر باعث کاهش هزینههای انتقال داده و کاهش مصرف انرژی میشود. علاوه بر این، با استفاده از پردازش محلی، سیستمها میتوانند بدون نیاز به ارتباط مداوم با سرورهای ابری بهطور مستقل عمل کنند و در مواقعی که اتصال به اینترنت قطع است، عملکرد خود را حفظ کنند.
با اینحال، یکی از چالشهای Fog Computing امنیت و حریم خصوصی است. دادهها ممکن است در محیطهای مختلف و از طریق شبکههای عمومی ارسال شوند، که این امر میتواند باعث افزایش خطرات امنیتی شود. علاوه بر این، نظارت و مدیریت تعداد زیادی گره محلی در مقیاس بزرگ میتواند دشوار باشد. برای حل این مشکلات، توسعهدهندگان باید مکانیزمهای امنیتی و مدیریت یکپارچه برای Fog Computing ایجاد کنند تا از تهدیدات سایبری جلوگیری شود.
برای درک بهتر این واژه میتوانید از سایت saeidsafaei.ir استفاده کنید و از اسلایدهای محمد سعید صفایی بهره ببرید.
این اسلایدها به بررسی دو حوزه مهم در صنعت کامپیوتر، یعنی امنیت سایبری و پایگاه داده میپردازند. امنیت سایبری شامل ابزارهایی مانند فایروالها، رمزنگاری و سیستمهای شناسایی نفوذ است که هدف آن حفاظت از دادهها و سیستمها در برابر تهدیدات مختلف مانند ویروسها و حملات فیشینگ است. در این بخش، ویژگیهای کلیدی امنیت سایبری شامل محرمانگی، تمامیت و دسترسپذیری دادهها مورد تأکید قرار میگیرد. بخش پایگاه داده به طراحی و پیادهسازی سیستمهای مدیریت داده مانند SQL و NoSQL میپردازد و ویژگیهایی مانند مقیاسپذیری، کارایی و امنیت دادهها را پوشش میدهد. همچنین، دورههای آموزشی برای تقویت مهارتها در این دو حوزه معرفی شده است.
دید ماشین به فناوریهایی اطلاق میشود که به دستگاهها این امکان را میدهند تا از طریق دوربینها و حسگرها محیط خود را درک کنند.
دستگاه یا نرمافزاری که دادهها را از یک شبکه به شبکه دیگر منتقل میکند.
حافظه ثانویه که شامل هارد دیسکها، دیسکهای SSD و دیگر سیستمهای ذخیرهسازی طولانیمدت است.
واحد دادهای است که در پروتکلهای مختلف استفاده میشود. این واحد در هر لایه از مدل OSI تغییر شکل میدهد.
حالت انتقال داده یک طرفه که در آن فقط یک دستگاه میتواند دادهها را ارسال کند یا دریافت کند.
محصورسازی به فرآیند پنهان کردن دادهها و تنها اجازه دادن به دسترسی به آنها از طریق متدهای خاص گفته میشود.
هوش مصنوعی لبه (Edge AI) استفاده از مدلهای یادگیری ماشین و پردازش دادهها را در دستگاههای لبه شبکه (نزدیک به کاربر) تسهیل میکند.
نسل پنجم شبکههای مخابراتی (5G) سرعت اینترنت، اتصال بیشتر و تأخیر کمتری را نسبت به نسلهای قبلی ارائه میدهد.
ساخت هوشمند به استفاده از هوش مصنوعی و رباتها برای طراحی و تولید محصولات در فرآیندهای صنعتی اطلاق میشود.
کلاس در برنامهنویسی شیگرا قالبی است که برای ایجاد اشیاء استفاده میشود. هر کلاس میتواند ویژگیها و متدهایی را تعریف کند.
در این نوع توپولوژی، دستگاهها به صورت نقطهای به هم متصل میشوند و تمامی نودها با یکدیگر در ارتباط هستند.
فرآیندی که در آن روترها مسیرهای بهترین برای ارسال بستههای داده به مقصد را تعیین میکنند.
عبور از درخت به معنای بازدید از تمام گرههای درخت به روشی خاص است که میتواند پیشاز پیش، پساز پیش یا سطحبهسطح باشد.
هوش جمعی به رفتار هماهنگ گروهی اطلاق میشود که از تعاملات میان موجودات ساده (مانند روباتها یا موجودات مصنوعی) به دست میآید.
عملگر شرطی به ارزیابی یک شرط و انجام عمل خاصی بر اساس نتیجه آن اشاره دارد. این عملگر معمولاً در تصمیمگیریها و کنترل جریان برنامه استفاده میشود.
مدلی سادهتر از OSI که چهار لایه دارد و بهطور گسترده برای ارتباطات اینترنتی استفاده میشود.
مدت زمانی که طول میکشد تا یک بسته از مبدأ به مقصد برسد. این تأخیر میتواند انواع مختلفی مانند تأخیر پردازش، تأخیر انتقال و تأخیر انتشار داشته باشد.
پروتکل مسیریابی Distance Vector که به روترها کمک میکند تا مسیرهای بهترین را بر اساس تعداد هاپها پیدا کنند.
اتوماسیون فرآیند دیجیتال به استفاده از نرمافزارهای خودکار برای انجام فرآیندهای تجاری و صنعتی اشاره دارد.
دادهای که توسط یک لایه از لایه بالاتر دریافت میشود تا پردازش یا انتقال یابد.
قراردادهای هوشمند قراردادهای دیجیتالی خوداجرایی هستند که قوانین و شرایط توافقنامهها را بهطور خودکار اجرا میکنند.
تعداد تکرارهای یک موج در یک ثانیه، که معمولاً بر حسب هرتز (Hz) اندازهگیری میشود.
پهنای باند در ارتباطات باسیم که معمولاً بالاتر و پایدارتر است.
مجموعهای از گرهها یا دستگاهها که با استفاده از اتصالات مختلف (سیمی یا بیسیم) به یکدیگر متصل شدهاند و به تبادل دادهها میپردازند.
رسانههایی که سیگنالها بدون نیاز به مسیر فیزیکی منتقل میشوند، مانند امواج رادیویی و مایکروویو.
پروتکلی که برای ارتباطات شبکههای محلی (LAN) از آن استفاده میشود.
عملگرهای مقایسهای برای مقایسه دو مقدار و تعیین روابط آنها مانند بزرگتر از، کوچکتر از و مساوی استفاده میشوند.
یک وسیله ذخیرهسازی دائمی است که دادهها را به صورت بلند مدت ذخیره میکند. هارد دیسکها ظرفیت بالایی برای ذخیرهسازی اطلاعات دارند.
توزیع کلید کوانتومی (QKD) به استفاده از اصول فیزیک کوانتومی برای تولید و توزیع کلیدهای رمزنگاری بهصورت ایمن اشاره دارد.
سیگنالی که به صورت پیوسته تغییر میکند و معمولاً به صورت موج سینوسی نمایش داده میشود.
عملگرهای منطقی برای مقایسه و ارزیابی عبارات منطقی استفاده میشوند و میتوانند نتیجهای درست یا غلط را تولید کنند.
واحد محاسباتی و منطقی است که مسئول انجام محاسبات ریاضی و منطقی در پردازنده میباشد.
حلقه در الگوریتمها به معنای تکرار یک یا چند مرحله به تعداد مشخص است تا زمانی که یک شرط خاص برقرار شود.
هوش مصنوعی مولد به استفاده از الگوریتمهای هوش مصنوعی برای تولید دادهها و محتواهایی مشابه انسان اطلاق میشود.
الگوریتم مرتبسازی هپ یک الگوریتم مرتبسازی است که از ساختار دادهای هپ برای ترتیب دادن دادهها استفاده میکند.