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.
از طریق این دوره صدور گواهینامه ، در مسیر تبدیل شدن به یک مهندس داده حرفه ای Google قرار بگیرید. هدیه متخصص صنعت نوح به شما نشان می دهد که چگونه می توانید سیستم های پردازش داده های قوی را با استفاده از خدمات برتر Google Cloud مانند BigQuery و توابع ابر طراحی کنید. تفاوت های ظریف فن آوری های ذخیره سازی داده ها ، از جمله Bigtable ، Firestore و Spanner را کاوش کنید و بر اساس نیازهای تجاری و داده ها تصمیمات آگاهانه بگیرید. مدل های یادگیری ماشین از پیش ساخته ، روشهای ادغام مؤثر و اصول استقرار و نظارت خط لوله ML را کشف کنید. بینش هایی را در زمینه اطمینان از کیفیت راه حل با مباحث پیشرفته در زمینه مقیاس پذیری ، انعطاف پذیری و امنیت ، استفاده از زنگ زدگی برای میکروسرویسهای ایمن و با کارایی بالا کسب کنید. این دوره با تأکید بر یادگیری دستی و دستیاران برنامه نویسی هوش مصنوعی برش ، به شما نشان می دهد که چگونه می توانید راه حل های داده کارآمد ، مقیاس پذیر و ایمن را برآورده کنید که نیازهای مشاغل مدرن را برآورده می کند.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[فارسی]
01 مقدمه: طراحی سیستم های پردازش داده
01-01 بررسی اجمالی دوره مهندس داده های حرفه ای Google
01-02 پردازنده به GCP
02 انتخاب فناوری ذخیره سازی
02-01 منبع باز در مقابل Google Cloud خدمات مدیریت شده
02-02 جوانب مثبت و منفی ابزارهای مهندسی داده منبع باز
02-03 Google Cloud Services Analytics
03 طراحی خط لوله داده
خط لوله های مهندسی داده 03-01
03-02 استراتژی ذخیره سازی ابر گوگل
04 ذخیره سازی داده و پردازش مهاجرت
04-01 نمای کلی ذخیره سازی GCP
04-02 بهینه سازی برای راه حل های پایگاه داده GCP
04-03 مهندسی سریع برای BigQuery
04-04 با استفاده از Google BigQuery با Google Colab
04-05 کاوش داده ها با Google BigQuery
نتیجه گیری: طراحی سیستم های پردازش داده
05-01 مراحل بعدی
06 مقدمه: ساختمان و عملیاتی کردن سیستم های پردازش داده
نمای اجمالی دوره 06-01
07 اجرای سیستم ذخیره سازی
07-01 نسخه ی نمایشی: Google Cloud Shell
07-02 نسخه ی نمایشی: ویرایشگر Google Cloud
07-03 نسخه ی نمایشی: Google CLI SDK
07-04 نسخه ی نمایشی: ابزار Google Gcloud CLI
مقایسه ذخیره سازی 07-05
08 ساختمان خط لوله و عملیاتی شدن
08-01 جک و Beanstalk به عنوان خط لوله داده
08-02 مقایسه پیشنهادات مقایسه
نسخه ی نمایشی 08-03: نوسانات را در GCP محاسبه کنید
09 پردازش اجرای زیرساخت
09-01 چالش های داده های بزرگ
09-02 نسخه ی نمایشی: گسترش توابع ابر GCP
09-03 خط لوله داده
10 نتیجه گیری: ساخت و عملیاتی کردن سیستم های پردازش داده ها
10-01 مراحل بعدی
11 مقدمه: مدل های یادگیری ماشین (ML)
بررسی اجمالی دوره 11-01
12 مدل ML از پیش ساخته به عنوان یک سرویس
12-01 Google colab با توپی tensorflow
12-02 با استفاده از GCP NLP از CLI
13 آموزش و خدمت به انتخاب زیرساخت ها
13-01 بررسی اجمالی مدل Pytorch
13-02 نسخه ی نمایشی: مدل پیش ساخته Pytorch
13-03 درک TPU
13-04 TPU به عنوان بخشی از انتقال فناوری
13-05 شروع به کار با Vertex AI
13-06 با استفاده از دید API GCP ML از CLI
اندازه گیری ، نظارت و عیب یابی مدل 14 میلی لیتر
14-01 روش برنامه ریزی-انجام-چک
14-02 نسخه ی نمایشی: آزمایش بار با ملخ
14-03 MLOP در GCP
نتیجه گیری: عملیاتی کردن مدل های یادگیری ماشین
15-01 با استفاده از دوره های یادگیری ماشین گوگل
15-02 مراحل بعدی
16 مقدمه: تضمین کیفیت راه حل
بررسی اجمالی دوره 16-01
17 طراحی امنیت و انطباق
امنیت داده های یکپارچه 17-01
17-02 حسابرسی Rust Crate توسط Google را درک کنید
17-03 زبان زنگ زدگی با طراحی ایمن است
18 مقیاس پذیری و تضمین کارآیی
18-01 با استفاده از برد برای افزایش بهره وری
18-02 زنگ زدگی کپلوت
18-03 ادغام مداوم با اقدامات Rust و GitHub
18-04 تست واحد نسخه ی نمایشی زنگ زدگی
18-05 بهره وری انرژی پایتون در مقابل زنگ زدگی
19 انعطاف پذیری و تضمین قابلیت حمل
19-01 اختلاف نظر چیست؟
نسخه ی نمایشی 19-02: ساخت و استقرار Rust Microservice Cloud Run Run
19-03 نسخه ی نمایشی: برنامه زنگ زدگی موتور برنامه
20 نتیجه گیری: تضمین کیفیت راه حل
20-01 مراحل بعدی
[ENGLISH]
01 Introduction: Designing Data Processing Systems
01-01 Google Professional Data Engineer course overview
01-02 Onboard to GCP
02 Storage Technology Selection
02-01 Open-source vs. Google Cloud managed services
02-02 Pros and cons of open-source data engineering tools
02-03 Google Cloud analytics services
03 Data Pipeline Design
03-01 Data engineering pipelines
03-02 Google Cloud storage strategy
04 Data Warehousing and Processing Migration
04-01 Overview GCP storage
04-02 Optimize for GCP database solutions
04-03 Prompt engineering for BigQuery
04-04 Using Google BigQuery with Google Colab
04-05 Exploring data with Google BigQuery
05 Conclusion: Designing Data Processing Systems
05-01 Next steps
06 Introduction: Building and Operationalizing Data Processing Systems
06-01 Course overview
07 Storage System Implementation
07-01 Demo: Google Cloud Shell
07-02 Demo: Google Cloud Editor
07-03 Demo: Google CLI SDK
07-04 Demo: Google gcloud CLI tool
07-05 Storage comparison
08 Pipeline Building and Operationalization
08-01 Jack and the Beanstalk as a data pipeline
08-02 Compare compute offerings
08-03 Demo: Compute volatility on GCP
09 Processing Infrastructure Implementation
09-01 The challenges of big data
09-02 Demo: Extending GCP Cloud Functions
09-03 Data pipeline triggers
10 Conclusion: Building and Operationalizing Data Processing Systems
10-01 Next steps
11 Introduction: Operationalizing Machine Learning (ML) Models
11-01 Course overview
12 Pre-built ML Models as a Service
12-01 Google Colab with TensorFlow Hub
12-02 Using GCP NLP from the CLI
13 Training and Serving Infrastructure Selection
13-01 PyTorch pretrained model overview
13-02 Demo: PyTorch pretrained model
13-03 Understanding TPUs
13-04 TPUs as part of technology transition
13-05 Getting started with Vertex AI
13-06 Using GCP ML API vision from CLI
14 ML Model Measurement, Monitoring, and Troubleshooting
14-01 Plan-do-check-act methodology
14-02 Demo: Load testing with Locust
14-03 MLOps on GCP
15 Conclusion: Operationalizing Machine Learning Models
15-01 Using Google machine learning courses
15-02 Next steps
16 Introduction: Ensuring Solution Quality
16-01 Course overview
17 Security and Compliance Design
17-01 Integrated data security
17-02 Understand Rust crate audits by Google
17-03 The Rust language is secure by design
18 Scalability and Efficiency Assurance
18-01 Using Bard to enhance productivity
18-02 Copilot-enabled Rust
18-03 Continuous integration with Rust and GitHub actions
18-04 Demo unit test Rust
18-05 Energy efficiency of Python vs. Rust
19 Flexibility and Portability Assurance
19-01 What is distroless?
19-02 Demo: Build and deploy Rust Microservice Cloud Run
19-03 Demo: App Engine Rust deploy
20 Conclusion: Ensuring Solution Quality
20-01 Next steps
نوح گیفت بنیانگذار Pragmatic A.I. Labs است. و یکی از همکاران بنیاد نرم افزار پایتون است.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I، علوم داده، و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم های سینمایی مهم برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.