Archive for the ‘စာတမ်း’ Category

17
Jun 10

Post Frequency vs. Number of Visitors

ဘလော့ကိုလာတဲ့လူ များဖို့အတွက်ဆိုတာက ကိုယ်ရေးတဲ့စာအပေါ်မှာ အများကြီးမူတည်ပါတယ် ရေးထားတဲ့စာကို စိတ်ဝင်စားတဲ့လူများမှ လာတဲ့လူများမယ်လို့ ယူဆမိပါတယ် ဒါပေမယ့် ရေးတဲ့စာကောင်းပေမယ့် တစ်လနေလို့တစ်ခုလောက် ရေးပြန်ရင်လည်း လူကလာချင်မယ်မဟုတ်ဘူး လို့လည်းထင်မိပြန်တယ်။

ဒီနေ့မှ စိတ်ကူးပေါက်လို့ မစစ်တာကြာတာ့ Statistics တွေကိုပြန်စစ်ကြည့်မိပါတယ် ပြန်စစ်ကြည့်တော့ ဘလော့အခြေအနေက အတော်ဆိုးဝါးနေတာ တွေ့ရပါတယ်။ StatCounter ကမှတ်တမ်းအရက Page Loads, Unique Visitors, First Time Visitors and Returning Visitors ဆိုပြီးတော့ သူကလာသမျှကို စာရင်းကောက်ထားပေးပါတယ် ဒါပေမယ့် ကိန်းဂဏန်းတိုင်းတော့ မှန်နိုင်ပါဘူး ရေတွက်ပုံက IP နဲ့တွက်တာဆိုတော့ Dynamic IP တွေကပဲ များလေတော့ First Time နဲ့ Returning ဆိုတာက ကိန်းပဲရှိမယ် သိပ်ပြီးမှန်ဖို့မရှိပါဘူး။

Page Loads, Unique Visitors, First Time Visitors and Returning Visitors တွေကို ဒီနှစ်အစလောက်ကစပြီးတော့ တစ်ပါတ်စီရေတွက်ပြီးတော့ ဂရပ်ဆွဲကြည့်ပါတယ်။ ထွက်လာတဲ့ပုံအရဆိုရင်တော့ လူဝင်တဲ့အရေအတွက်ဟာ တက်တဲ့အခါတက် ကျတဲ့အခါကျနဲ့ ဖြစ်နေပြီးတော့ ယေဘုယျအားဖြင့် အကျဘက်ပဲရှိပါတယ်။

ဒါနဲ့စာရေးတဲ့ အရေအတွက်ကိုလည်း တစ်ချက်ပြန်စစ်ရပါတယ် ကိုယ်စာရေးတဲ့ ပမာဏဘယ်လောက်ရှိသလဲဆိုပြီး တစ်ပါတ်စီအခြေခံပြီး ရေတွက်ကြည့်လိုက်ပါတယ်။ ဒီနေရာမှာလည်း ထွက်လာတဲ့ပုံအရ စာရေးအားပမာဏအင်မတန် ကျဆင်းသွားပုံရပါတယ် အပါတ်စဥ် Post အရေအတွက်ဟာ အတက်ကိန်းမရှိပဲ အကျကိန်းပဲဦးတည်နေပါတယ်။

စာရေးတဲ့ ပမာဏနဲ့ လာလည်တဲ့လူအရေအတွက် အတက်အကျများ ဆက်စပ်မှု့ရှိမလားလို့ ထပ်ပြီးဆန်းစစ်ကြည့်မိပါတယ်။ ဒီနေရာမှာ Page Loads, Unique Visitors, First Time Visitors and Returning Visitors ထဲကဘယ်ဟာနဲ့ တိုင်းမလဲလို့ စဥ်းစားကြည့်တော့ သူတို့ရဲ့ Data ပုံစံတွေက ပြောမယ်ဆိုရင် အကုန်အတူတူပါပဲ ဒါကြောင့် တစ်ခုထဲကိုမသုံးတော့ပဲ အားလုံးကိုပဲ Average ယူလိုက်ပါတယ်။ နောက်ပြီးတော့ Post Count နဲ့ယှဥ်လို့လွယ်အောင် ပမာဏကိုလျော့ချချင်လို့ သုညတစ်လုံးလျော့အောင် လုပ်ထားလိုက်ပါတယ်။

ပထမဆုံးအနေနဲ့ Linear ပုံစံနဲ့ ဆွဲကြည့်တဲ့နေရာမှာ Post Count ရော Average Visit ရောနှစ်ခုလုံးရဲ့ Trend Line ဟာအကျဘက်ကို အတူတူဦးတည်ပါတယ် ဒါဆိုရင် ယေဘုယျအားဖြင့် ဆက်စပ်တယ်လို့ ယူဆလို့ရပါတယ်။ ဒါနဲ့ တစ်ခြားသော နည်းများနဲ့ ထပ်ပြီးဆွဲကြည့်ပြန်ပါတယ် Log Trend Line မှာလည်း မျဥ်ကွေးပုံစံဟာ အတော်ကိုတူညီပါတယ် ဒါကြောင့် Linear ပုံထက်ပိုပြီး ဆက်စပ်မှု့ရှိကြောင်း ပိုပြီးပြနိုင်လာပါတယ်။ နောက်ဆုံးအနေနဲ့ မျဥ်းဖြောင့်အနေနဲ့ထက် ထပ်ကိန်းတွေကိုမြှင့်ကြည့်ပါတယ် နောက်ဆုံး ၆ ခုအထိမြှင့်ကြည့်လိုက်ချိန်မှာတော့ ထွက်လာတဲ့ မျဥ်းကွေးနှစ်ခုဟာ အတော်လေးကို တူညီကြောင်းတွေ့ရပါတယ် ဒါကြောင့် ကျွန်တော့် ဘလော့မှာတော့ Post အရေအတွက်နဲ့ Visitor အရေအတွက်ဟာ တိုက်ရိုက် ဆက်စပ်နေပါတယ်။

ဒါပေမယ့် ထပ်ပြီးစဥ်းစားစရာတစ်ခုက အရေအတွက် များတိုင်းလူများတယ် ဆိုတာကတော့ အင်မတန်အကြမ်းထည် ဆန်လွန်းပါသေးတယ် ဘယ်လို Post အမျိုးအစားဆိုရင် လူပိုပြီးစိတ်ဝင်စားသလဲ စသည်ဖြင့်ထပ်ပြီး အသေးစိတ်နိုင်မယ်ဆိုရင်တော့ ပိုပြီးကောင်းပါလိမ့်မယ်။ လက်ရှိအနေနဲ့ကတော့ Post တစ်ခုချင်းစီရဲ့ Read Count ကိုမှတ်ထားတဲ့ Data မရှိတဲ့အတွက် တိုက်ရိုက်ဆန်းစစ်ကြည့်လို့ မဖြစ်နိုင်သေးပါဘူး။ သွယ်ဝိုက်သော နည်းအားဖြင့်ဆိုရင်တော့ ရှိတဲ့ Data ထဲကနေပဲ Post Count ကနေ Tag အမျိုးအစားနဲ့ ရေတွက်ပြီးပြန် ဆန်းစစ်လို့တော့ရနိုင်ပါတယ်။

ဆိုလိုတာက ကျွန်တော့်ဘလော့မှာ လူဝင်တာနည်းလို့ များလို့ဆိုတာမဟုတ်ပါဘူး Analyze လုပ်တယ်ဆိုတာလည်း မျဥ်းလေးဆွဲကြည့်ရုံပဲရှိပါတယ်။ စုဆောင်းထားတဲ့ Data အနည်းအများ အပေါ်မူတည်ပြီး တန်ဖိုးနည်းလာ များလာတာကို ပြောချင်တာပါ အကယ်၍သာ လူအဝင်အထွက်အရေအတွက်တွေ မှတ်ထားတဲ့ Data တွေမရှိဘူးဆိုရင် ဒီလိုဆန်းစစ်မှု့မျိုးတွေ လုပ်လို့မရပါဘူး။ ခြောက်လဆိုတဲ့ ပမာဏဟာ မကြာပါဘူး ရလာတဲ့ Data ပမာဏဟာလည်း မများလှပါဘူး ဒါပေမယ့် အချိန်နဲ့အမျှများလာမယ် ဆိုရင်တန်ဖိုးကြီးလာပါတယ်။ Facebook မှာဖြည့်ထားတဲ့ နာမည်၊ လိပ်စာ၊ အလုပ်အကိုင်၊ ပညာအရည်အချင်း၊ အီးမေး၊ ကစားတဲ့ဂိမ်းတွေ ဒါတွေက ကိုယ့်တစ်ယောက်အတွက် များတယ်မဟုတ်ပါဘူး ဒါပေမယ့် ကိုယ့်လိုလူ သန်းချီရှိသွားရင်တော့ တန်းကြေးများလွန်းသွားတယ် ဒီလိုနဲ့ပဲ Quantitative Data တွေနဲ့ ငွေရှာနေတဲ့လူတွေ အများကြီးပဲမဟုတ်လား။

5
Feb 10

Introduction to Writing Systems & Brahmic Family Scripts

Window Mobile အတွက် ကီးဘုတ်လေး လုပ်နေလို့ သူများလုပ်ထားတဲ့ ကီးဘုတ်လေးတွေ လိုက်ကြည့်ရင်း အာရှတောင်ပိုင်းက စာတွေကိုတစ်ခုပြီးတစ်ခု တွေ့နေရတယ် တူတာတွေ တော်တော်များများရှိတယ်။ ဒီတော့ စပ်စပ်စုစုအကျင့်အတိုင်း နောက်ကြောင်းလိုက်ကြည့်တယ် ကြည့်ရင်းနဲ့ ဘာသာစကားနဲ့ အက္ခရာဆိုပြီး ဖတ်ရင်းနှစ်မျိုးကွဲသွားတယ် အခုတော့ အက္ခရာအကြောင်းပဲ ကောင်းကောင်းဖတ်ဖြစ်သေးတယ်။ ငယ်ငယ်ကတည်းက ဗမာစာအဘိဓာန်တွေမှာ ဗမာအက္ခရာပြောင်းလဲပုံကို စိတ်ဝင်စားတယ် အများနားမလည်တဲ့ စာတွေကို ရေးကြည့်ဖို့စဥ်းစားဖူးတယ် ဗမာအက္ခရာတွေမှာ မူရင်းစာလုံးဖြစ်တဲ့ ဗြဟ္မီစာလုံးတွေနဲ့ အစားထိုးရေးဖူးတယ်။ ဒါပေမယ့် နမူနာလောက်ပဲ ပါတဲ့စာအုပ်တွေဖြစ်လို့ သုံးလို့ရတဲ့အထိ မရေးနိုင်ပါဘူး။ ပြည့်ပြည့်စုံစုံသိခဲ့ရရင်တော့ အခုအချိန်မှာ ဗြဟ္မီစာကိုအသံထွက် ဖတ်တတ်ကောင်း ဖတ်တတ်ပါလိမ့်မယ်။ အထက်တန်း မြန်မာစာအုပ်တွေမှာ ပုဂံခေတ်လောက်က ပုံစံအထိပါတယ် ဒါဟာမူရင်းကို ဖျောက်ဖျက်ခြင်းတစ်မျိုးပဲ ဗမာအက္ခရာတွေဟာ ပုဂံခေတ်မှပဲ တီထွင်သလိုလို ထင်ယောင်ထင်မှားဖြစ်စေတယ်။ ဒီနေ့တော့ ဝီကီထဲမှာရှာလိုက် အပြင်မှာရှာလိုက်နဲ့ စာရေးတဲ့ပုံစံ အမျိုးအစားတွေကို လေ့လာဖြစ်လိုက်တယ်။

စာရေးတဲ့ပုံစံက သိပ်များများမရှိပါဘူး Logographic, Logophonetic, Syllabic, Consonantal Alphabet, Syllabic Alphabet, Segmental Alphabet ဆိုပြီးတော့ ၆ မျိုးလောက်ပဲရှိပါတယ်။ Logographic တွေကတော့ တရုတ်စာလို အရုပ်စာလုံးတွေကို ခေါ်တာပါ စကားလုံးမှာ အဓိပ္ပာယ်ရှိတယ် ဒါပေမယ့်အသံထွက်မပါဘူး။ Logophonetic မှာကတော့ အရုပ်စာပဲ ဒါပေမယ့် သူ့မှာကအရုပ်အပြင် အသံထွက်ဘယ်လို ထွက်မယ်ဆိုတဲ့ အပိုသင်္ကေတတွေ ပါလာပါတယ်။ Syllabic ကတော့ အသံပြောင်းလဲပုံကို သက်ဆိုင်ရာ သင်္ကေတတွေနဲ့ ပြပြီးရေးလေ့ရှိပါတယ်။ ဝေးဝေးကြည့်စရာမလိုပါဘူး ဗမာစာဟာ Syllabic သုံးပါတယ် ရေးချ ပါလာရင် အာ ဆိုတဲ့အသံမျိုးထွက်တယ်တို့ စတဲ့သင်္ကေတတွေပါ။ Consonantal Alphabet ကတော့ နည်းနည်းထူးဆန်းပါတယ် အက္ခရာမှာ ဗျည်းပဲပါတယ် သရမပါပါဘူး ဖတ်တဲ့လူက ရေးထားတဲ့ ဗျည်းအပေါ်မူတည်ပြီးတော့ သရကိုထည့်ဖတ်တယ်ပြောတယ် အာရဗီတွေ၊ ဟီဘရူးစာတွေက Consonantal Alphabet မှာပါတယ်ပြောတယ် အဲဒီ့စာတွေက အဆက်အစပ်မရှိတော့ အသေအချာတော့ မပြောတတ်ဘူး။ Syllabic Alphabet ကတော့ ဗျည်းရော သရရောပါလာပါတယ် ဗျည်းကို Alphabet အဖြစ်အသုံးချပြီးတော့ သရကတော့ Syllabic သင်္ကေတတွေကို အသုံးချပါတယ် ဥပမာ- ဗမာစာမှာ “ကာ” ဆိုရင် “က = Alphabet”  “ -ာ = Syllabic” လို့ပြောလို့ရပါတယ်။ Segmental Alphabet ကတော့ ဥရောပမှာသုံးတဲ့ Roman အက္ခရာရေးသလိုတွေပါ Alphabet ပဲရှိတယ် ဗျည်းရော သရရော Alphabet ထဲမှာပဲပါတယ် Space ခြားပြီး အစုလိုက်လေးတွေရေးတယ်။ ဗမာပြည်မှာလည်း သရနဲ့ဗျည်ကိုးခွဲပြီးတော့ ဘန်းစကားပြောတတ်တယ် “သအွအား မအယ် = သွားမယ်” ဒီလိုမျိုးပေါ့ ဒါမျိုးတွေက Segmental Alphabet နည်းစနစ်နဲ့ ရေးတယ်ပြောရမယ်။ ဗြဟ္မီအက္ခရာတွေရဲ့ Syllabic တွေမသိလို့ ဒီလိုနည်းနဲ့ ငယ်ငယ်ကရေးခဲ့ဖူးတယ် ဒီနေ့မှာသာ ဗြဟ္မီအက္ခရာတွေရဲ့ Syllabic ကိုမြင်ဖူးတာပါ။

ဗြဟ္မီအက္ခရာတွေက မူရင်းအနေနဲ့ Phoenician အက္ခရာတွေကနေစတယ် ထူးဆန်းတာက Phoenician က Segmental Alphabet ဖြစ်နေပြီး Brāhmī က Syllabic Alphabet ဖြစ်နေတယ်။ ဒီတော့ Alphabet ကိုသာ Phoenician ဆီကနေရပြီး Syllabic နည်းနဲ့ဘယ်လို ပေါင်းစပ်တယ်ဆိုတာ မူရင်းပျောက်နေတယ်။ နေ့ချင်းညချင်းဖြစ်လာတဲ့ ကိစ္စမဟုတ်တဲ့အတွက် Phoenician Alphabet ကိုယူပြီး Syllabic ကိုယ်တိုင်တီထွင်တယ်လို့ ပြောလို့မဖြစ်နိုင်ပါ။ ဖြစ်နိုင်တာက မူရင်းအနေနဲ့ Syllabic အခြေခံတဲ့ စာရေးနည်းမျိုးရှိနေပြီး Phoenician Alphabet တွေကိုအစားထိုး သုံးလာတယ်လို့ ယူဆပါတယ် ဒါပေမယ့် အဲဒီ့ Syllabic အခြေခံကိုတော့ ရှာဖတ်လို့ရသလောက်တော့ မတွေ့မိသေးပါဘူး အားလုံးက Phoenician Alphabet အပေါ်အခြေခံတယ်ဆိုတာပဲ တွေ့ပြီးတော့ Syllabic Alphabet ပြောင်းလဲပုံကို လေ့လာထားချက်မတွေ့မိသေးပါ။

Indo-European, Tibeto-Burman, Mongolic, Dravidian, Austro-Asiatic, Austronesian, Tai, Korean ဒီဘာသာစကား မျိုးနွယ်တွေအားလုံးက ဗြဟ္မီအက္ခရာကိုပဲ အခြေခံပါတယ် ဒါ့ကြောင့် အာရှတစ်ခုလုံးနီးနီး ဗြဟ္မီအက္ခရာ အခြေခံစကားလုံးပဲ သုံးတယ်လို့ပြောနိုင်ပါတယ်။ ဗြဟ္မီအက္ခရာအခြေခံတဲ့ အက္ခရာတွေကို Wikipedia မှာ Brahmic family of scripts မှာယှဥ်ပြထားပါတယ်။ Oriya, Nagari, Devanagari, Gujarati, Gurmukhi, Tibetan, Brahmi, Telugu, Kannada, Sinhala, Malayalam, Tamil, Burmese, Khmer, Thai, Lao, Baybayin အက္ခရာတွေကို ယှဥ်ပြီးပြထားပါတယ်။ ဒီနေရာမှာ အက္ခရာနဲ့ ဘာသာစကားကွဲပြားချက်က သိသာလာပါတယ် အချို့ဘာသာစကားတွေမှာ မသုံးတဲ့အက္ခရာအသံတွေ မပါလာတာကို ယှဥ်ပြီးတော့တွေ့နိုင်ပါတယ်။ အသေးစိတ်များကို Reference များမှာဖတ်ကြည့်နိုင်ပါတယ်။

References

  1. http://www.ancientscripts.com/ws_types.html
  2. http://www.ancientscripts.com/brahmi.html
  3. http://www.ancientscripts.com/ws_origins.html
  4. http://www.ancientscripts.com/ws_timeline.html
  5. http://en.wikipedia.org/wiki/History_of_the_alphabet
  6. http://en.wikipedia.org/wiki/History_of_writing
  7. http://en.wikipedia.org/wiki/Brahmi_script
  8. http://en.wikipedia.org/wiki/Brahmic_family_of_scripts
  9. http://en.wikipedia.org/wiki/Devanagari
  10. http://brahmiscript.googlepages.com
14
Nov 09

ပါရမီ၊ ကြိုးစားမှု့၊ ဝါသနာ

တစ်ခါတစ်လေမျာ ဝါသနာကတစ်ခြား လုပ်သင့်တာကတစ်ခြား ဖြစ်နေခဲ့တာတွေလည်း အများကြီးရှိတာပါပဲ။ အထူးသဖြင့် ဆယ်တန်းအောင်ချိန်မှာ ဝါသနာပါရာတက္ကသိုလ်ကိုရွေးခဲ့ကြသလို တစ်ချို့ကလဲသင့်တော်ရာ တစ်ချို့ကတော့ မိဘသဘောကျရာ ဘာရယ်မဟုတ်ပါဘူး ရွေးခဲ့ကြတာပါပဲ။ ကိုယ်တိုင်ရွေးခွင့်ရခဲ့သူရှိသလို မရခဲ့တဲ့လူတွေလည်းရှိတာပါပဲ။ တစ်ချို့ကလဲ ဝါသနာပါရာကိုပဲ လုပ်သင့်တယ်လို့ဆိုတယ် မလုပ်ရလို့ဆိုပြီး အရွဲ့တိုက်ပြီးပေတေနေလို့ သုံးစားလို့မရအောင် ဖြစ်တဲ့လူလည်းရှိတာပဲ။ ဝါသနာမပါခဲ့ပေမယ့် ရတဲ့နေရာမှာပဲ ထူးခွန်အောင်မြင်တဲ့လူတွေလည်း အများကြီးပါပဲ။ ဆယ်တန်းဆိုတာ ဘဝအတွက် အရမ်းအရေးပါတယ်လို့ မစဥ်းစားပါနဲ့လေ အသက် ၁၆ နှစ်ဆိုတာ လူ့သက်တမ်းရဲ့ ငါးပုံ တစ်ပုံလောက်ပဲရှိပါတယ် တစ်သက်လုံးစာအတွက် ၁၆ နှစ်အရွယ်က အသေးအမှားအောင်မြင်မှု့ဟာ စာမဖွဲ့လောက်ပါဘူး။

Natural Born and Nurture ဆိုပြီး Professional Seminar တစ်ခုမှာ အရင်နှစ်ကဆွေးနွေးရဖူးတယ်။ လွယ်လွယ်ပြောရရင် IQ နဲ့ EQ ပေါ့။ ဗမာလိုဆိုရင်တော့ ပါရမီနဲ့ ကြိုးစားမှု့ပေါ့။ လူတိုင်းမှာတစ်နေရာစီတော့ ပါရမီရှိကြပါတယ် ဒါပေမယ့်နေရာတိုင်းတော့ ဘယ်သူမှ ပါရမီမပါပါဘူးလေ။ သူပါရမီပါတဲ့အပိုင်းမှာ လေ့လာရမယ်ဆိုရင် ထူးခွန်နိုင်ပါတယ် ဒါပေမယ့်သူက ကြိုးစားဦးမှလေ မကြိုးစားလို့ကတော့ သူ့ရဲ့ပါရမီဟာအလကားဖြစ်တာပါပဲ။ နောက်ပြီးတော့ ပါရမီလည်းပါတယ် ဝါသနာလည်းပါပေမယ့် ကြိုးစားဖို့အခွင့်အလမ်းကလည်း ရှိခဲ့ပါမှဖြစ်နိုင်ဦးမှာပါ။ ဝါသနာနဲ့ ပါရမီတစ်ထပ်တည်း ဖြစ်ရင် အခွင့်အလမ်းလည်း တိုက်ဆိုင်ရင်တော့ အင်မတန်ထူးခွန်တဲ့ လူတစ်ယောက်ဖြစ်နိုင်တာပါပဲ။ ပညာရေးရယ် မဆိုလိုပါဘူး စီးပွားရေး လူမှု့ရေးလည်း အတူတူပါပဲ။ ပြောရင်းနဲ့ သုံးခုတည်းဆိုပေမယ့် နည်းနည်းရှုပ်လာပါပြီ ရေးနေကျလို သင်္ချာလိုရေးရင်တော့ နည်းနည်းရှင်းမယ်ထင်တယ်။

A = ပါရမီပါသည်
B = ကြိုးစားသည်
C = ဝါသနာပါသည်
D = အခွင့်အရေးရသည်
Z = ထူးခွန်မှု့အတိုင်းအတာ

A ကနေ D အထိVariable တွေကို Binary အဖြစ်ပဲယူဆလိုက်မယ် ဥပမာ- A = ပါရမီပါသည် NOT A = ပါရမီမပါ Z ကတော့ အပေါင်းကိန်း ဝ ကနေ အထက်ပါနိုင်ပါတယ် ကိန်းများလေ ထူးခွန်မှု့အတိုင်းအတာ များလေလေ ဖြစ်ပါလိမ့်မည်။

ဒီတော့ Binary Variable လေးလုံးဆိုတော့ ဖြစ်နိုင်တဲ့အဖြေက ၄ ^ ၂ = ၁၆ ခုရှိတယ်ဆိုတာ Probability ဖြစ်ဖြစ် Number System ဖြစ်ဖြစ်နားလည်တဲ့လူဆိုရင် ရှင်းပြစရာမလိုပါဘူး။ Variable တွေရဲ့ အရေးပါမှု့ကိုစဥ်းစားမယ်ဆိုရင် D ကိုဦးစားပေးစဥ်းစားပါမယ်။ C ကို A & B အပေါ်တွင် ထပ်လောင်းတန်ဖိုးဖြည့်စွက်မှု့အဖြစ် စဥ်းစားပါမည်။ ဒီအဆိုပြုချက်တွေကို အခြေခံပြီးတော့ Algorithm အသစ်တစ်ခုတင်ပြရမယ်ဆိုရင် ဒီလိုရေးပြလို့ရပါတယ်။ သင်္ချာပုံစံတွေနဲ့လည်း တစ်မျိုးရေးလို့ရနိုင်ပါတယ်။
Begin     Z = 0     IF D Then          Z = Z + 1          IF A Then               Z = Z + 1          End IF          IF B Then               Z = Z + 1          End IF          IF C Then               Z = Z + 1          End IF     End IF     Return ZEnd

Begin     Z = A + B + C + D     Return ZEnd

Begin     Z = 0     IF D Then          Z = A + B + C + 1     End IF     Return ZEnd

Algorithm 1 Algorithm 2 Algorithm 3
သုံးမျိုးရေးထားပေမယ့် တစ်မျိုးစီမှာပြောစရာရှိတယ် သဘာဝပြဿနာကို ရေးထားပေမယ့် ပထမတစ်ခုက Algorithm အရဆိုရင် Efficient မဖြစ်ဘူး တင်ပြပုံမကောင်းဘူးပေါ့။ အလည်တစ်ခုကတော့ သဘာဝအတိုင်းဝင်လာမယ့် Data တွေအတွက်မှန်ပေမယ့် Variable တွေရဲ့ Condition ကိုအတိအကျမဖော်ပြလို့ ချို့ယွင်းချက်ရှိတယ်။ NOT D ဆိုရင် A, B, C သည် NOT ဖြစ်ပါစေလို့ အရင်ပြောခဲ့မှသာ အဆင်ပြေမယ်။ မဟုတ်ရင်သင်္ချာအရ ပထမတစ်ခုနဲ့ တူညီမှု့မရှိဘူး။ တတိယတစ်ခုကတော့ Algorithm အရလည်း Efficient ဖြစ်တယ် သင်္ချာအရ Correctness လည်းဖြစ်တယ်လို့ ဆိုလို့ရတယ်။

အားလုံးမှာ သင်္ချာရေးသားမှု့အရ မှန်ကန်ကြောင်းရေးပေမယ့် ချို့ယွင်းနေတာကတော့ အဆိုပြုချက် မှန်ကန်ကြောင်း လိုအပ်နေပါတယ်။ အဲဒါတွေကို သက်သေပြချက်လို့ခေါ်လို့ရပါတယ် Quantitative သို့မဟုတ် Qualitative သို့မဟုတ် Quantitative + Qualitative သက်သေပြရပါမယ်။ ဒါမှသာ အဆိုပြုချက်မှန်ကန်ကြောင်း ရေးသားပုံ ရှင်းလင်းတိကျကြောင်း တွက်ချက်ပုံအကျိုးရှိကြောင်း ပြည့်စုံပါတယ်။ အများယုံကြည်မှု့ရှိဖို့အတွက်ကတော့ Quantitative or Qualitative Data တွေကို တိတိကျကျ မြင်သာအောင် ပြသဖို့လိုပါလိမ့်မယ်။

ဒီလိုမစဥ်းစားတတ်ရင်တော့ Computer Science Research လုပ်ဖို့မလွယ်ပါ။ အခြားသော Research များလည်းအတူတူပါပဲ ဒါပေမယ့်တစ်ခုတော့ရှိပါတယ် ရေးသားပုံကွဲပြားပါမယ် သက်သေပြချက်များလည်း ကွဲပြားနိုင်ပါတယ်။ Engineering အများစုမှာ Qualitative Data တွေကို Experiment အများစုကနေပဲ ရနိုင်ပြီးတော့ Social Science တွေမှာတော့ အများစုဟာ Quantitative Data တွေဟာ Survey တွေကလည်းရနိုင်ပါတယ်။ Computer Science မှာကတော့ Qualitative အတွက်ရော ရေးသားမှု့အတွက်ပါ Mathematical Writing တွေဟာအင်မတန် အရေးကြီးပါတယ်။ Practical Research ကိုသုံးရက်အတွင်း အလွတ်ကျက်ဖြေတာ အမှတ် ၁၀ဝ အပြည့်ရခဲ့ပေမယ့် အချိန် ၈ လ ကုန်ဆုံးသွားတဲ့နောက်မှသာ ဘာဆိုတာကို ရေရေရာရာသဘောပေါက်ခဲ့တယ် အဆိုပြုချက် ထပ်ထည့်ချင်ရင် အတွေ့အကြုံဆိုတာပါ ထပ်ထည့်ချင်ထည့်ကြဦးပေါ့။
30
Oct 09

Security Analysis And Data Visualization

စာရေးမယ်ဆိုတော့လည်း လိုင်းစုံအောင်ပြန်ရေးမယ်စဥ်းစားတယ် လာတဲ့လူတွေကလည်း လိုင်းစုံတယ် လျောက်ရေးတာတွေပဲ ဖြစ်နေပြန်လည်းမဖြစ်ဘူး နည်းပညာသက်သက်ရေးတဲ့ ဘလော့အဖြစ် သက်သက်လည်း လုပ်ဖို့အစီအစဥ်မရှိပြန် ဒီတော့လိုင်းစုံအောင်ရေးဦးမယ်။ ရောက်တတ်ရာရာရေးလိုက် ကိုယ်စိတ်ဝင်စားတဲ့ နည်းပညာအကြောင်းပြောလိုက်ပေါ့။ နည်းပညာဆိုတော့လည်း ခက်တော့အခက်သား သူများလိုလည်းကိုယ်ကမလုပ်တတ် စက်ပျက်တောင် စိတ်ရှုပ်မခံဘူး System Restore လုပ်ချလိုက်တာကိုး တိုလီမိုလီလည်း မပြင်တတ်ဘူး တစ်ခါတစ်ခါလာမေးတယ် ဘလော့ကို အလှဆင်ချင်တာတဲ့ မသိဘူးခင်ဗျလို့ ပြောတော့စိတ်ဆိုးတယ် ဟုတ်တယ်လေ သိမှမသိတာ ကိုယ်တောင် ကိုယ့်ဟာကိုယ်မရေးတတ်လို့ သူများရေးထားတဲ့ Template ယူတင်ထားတာလေ ပြောရင်ယုံမှာမဟုတ်ဘူး HTML Tag တွေတောင် အကုန်အလွတ်မရဘူး လိုရင်ပြန်ကြည့်ရတယ်။ ကိုယ်စိတ်ဝင်စားတာတွေ ရေးပြန်တော့လည်း ဘယ်သူမှ စိတ်မဝင်စားပြန်ဘူး။
ဒီရက်ပိုင်းတော့ Information တွေကို Visualize လုပ်တာတွေ ဖတ်နေတာများတော့ အဲဒါတွေပဲစိတ်ရောက်နေတယ်။ Data တွေကို Visualize လုပ်ထားရင်လည်း Information ဖြစ်လာတာပါပဲ ဒါကိုလည်း Information Visualization ထဲမှာပါတာပါပဲ။ အခုနောက်ပိုင်းတော့ Information Visualization ကို Information Retreival တွေမှာသုံးနိုင်ရင်တော့ ပိုပြီးကောင်းမယ်လို့ မြင်မိတယ် ဒါပေမယ့် အခုထက်ထိ Information Retreival ဆိုတာကလည်း Google တောင် 2nd Generation ကနေ ဆယ်စုနှစ်တစ်ခုရှိပြီ မတက်လာသေးဘူး။ 3rd Generation မှာတော့ Information Visualization ကအရေးပါတဲ့ အခန်းကနေပါလာမှာတော့ သေချာပါတယ်။ အခုထက်ထိတော့ ဒီနှစ်ခုပေါင်းစပ်ရေးဟာ သုတေသန ခန်းထဲကကိုထွက်မလာနိုင်သေးဘူး။
ဒီနေ့တော့ မတူညီတဲ့အစွန်းနှစ်ဘက် ပေါင်းထားတဲ့ စာတမ်းတစ်စောင်တွေ့လို့ဖတ်မိတယ်။ Computer Security နဲ့ Visualization ဘယ်လိုမှ ဆက်စပ်လို့မရသလောက်ပါ။ Computer Security ဆိုတာက Computer Technology သက်သက် ၉၀% လို့ပြောလို့ရပါတယ်။ Visualization ကတော့ Social Science ဘက်မှာ ၈၀% ရှိပါလိမ့်မယ်။ Security Tools တွေကနေ စုဆောင်းလို့ရလာတဲ့ Data တွေဟာ ပြောမယ်ဆိုရင် အင်မတန်ရှုပ်ထွေးပါတယ်။ Network အရွယ်အစားနဲ့ Data ပမာဏဟာ တိုက်ရိုက်အချိုးကျပါလိမ့်မယ်။ ဒီလို Data တွေကို Analyze လုပ်တဲ့နေရာမှာ Visualize Tools တွေက ဘယ်လိုအလုပ်တွင်ကျယ်စေတယ်ဆိုတာကို စနစ်တကျ ရေးပြထားတာပါ။ Presentation Style ကိုပြောပါဆိုရင် Usability အမြင်တွေကို Tools အမျိုးမျိုးနဲ့ ဥပမာပြထားပါတယ်။ Contribution အနေနဲ့ကတော့ Security နဲ့ ပါတ်သက်တဲ့ Data တွေအကြောင်းရယ် Capture ဘယ်လိုလုပ်သလဲရယ် နောက်ပြီးတော့ Data တွေကို Process ဘယ်လိုလုပ်သလဲလည်း ဆက်ရေးပါတယ်။ ပြီးရင်တော့ Process လုပ်ပြီးသား Security Related Data တွေကို Visualize လုပ်ပုံကို သက်ဆိုင်ရာ Data အလိုက် Tools အမျိုးမျိုးနဲ့ ပြောထားပါတယ်။ ပြီးရင်နောက် Visualized Data တွေကိုကြည့်ပြီး ဘယ်လို စီမံခန့်ခွဲရေးမှာ အသုံးဝင်မယ်ဆိုတာကို တင်ပြထားပါတယ်။
ကိုယ့်အမြင်ကိုပြောပါဆိုရင်တော့ Security အကြောင်း စိတ်မဝင်စားပေမယ့် Visualization ဘယ်လိုလုပ်တယ်ဆိုတာတွေတော့ စိတ်ဝင်စားမိပါတယ်။ ဖတ်မယ်ဆိုရင်တော့ Information Visualization ကိုလည်းနားလည်ရမယ် Domain Data ဖြစ်တဲ့ Security အကြောင်းလည်း အထိုက်အလျောက်သိရမယ် ဒါဆိုရင်တော့ ဖတ်လို့အဆင်ပြေမယ်ထင်ပါတယ်။ တစ်ဘက်ပဲသိတဲ့လူဆိုရင်တော့ သိပ်အလုပ်မဖြစ်ပြန်ဘူး တင်ပြထားတဲ့အကြောင်းအရာကို တစ်ဝက်ပဲဖတ်လို့ရသလိုဖြစ်နေပါမယ်။ ဘာမှမသိပေမယ့်လည်း ဗဟုသုတတော့ ဖတ်လို့အဆင်ပြေပါတယ် အခြေခံကျတဲ့စာတွေကနေ စပြီးလူတိုင်း နားလည်အောင်ရေးထားပါတယ်။ Security ဆိုတာ တံခါးပေါက်စောင့်လို့ပဲ သိတဲ့ကျွန်တော်တောင် ဖတ်လို့ရပါတယ်။ ကိုးကားဖို့ကတော့ အရမ်းခိုင်မာတဲ့နေရာက လာတဲ့စာတမ်းမဟုတ်လို့ ပြဿနာရှိပါတယ် နောက်ပြီးတော့ အခြေခံအကြောင်းအရာတွေပဲဖြစ်လို့ ကိုးကားလို့ကောင်းတဲ့ စာတမ်းလည်းမဟုတ်ပါ။

http://sourceforge.net/projects/sadv/

13
Aug 09

LaTeX will never Die for Academic Writing

Word ဖြင့်စာရိုက်ရသည်တွင် Algorithm များ Equation များ Mathematical Notation များကို Word ဖြင့်ရိုက်ရသည်လောက် စိတ်ပျက်စရာကောင်းသည့် အရာမရှိပါ။ Equation များ Mathematical Notation ကို Equation Editor ကိုစိတ်ရှည်လက်ရှည် မောက်ဖြင့်နှိပ်လျင် ထွက်လာပါသော်လည်း Algorithm များကို မြန်ဆန်စွာရိုက်ရန် နည်းမတွေ့သေးပါ။ သို့အတွက်ကြောင့် LaTeX မှာ သာမန်စာရိုက်သော လူများအတွက် မသုံးမတည့်သော်လည်း မည်သည့်အခါမှ သင်္ချာနှင့်ဆက်နွယ်သော စာရေးခြင်းများတွင် ပျောက်ကွယ်မည်မဟုတ်ချေ။ algorithm2e ကိုသုံးလိုက်

\begin{algorithm}[H]
\KwIn{Set of File $Files$}
\KwOut{File}
\ForEach{File $f$ in $Files$}{
Append to $F$;
}
Return $F$;
}
\end{algorithm}

လို့ရေးလိုက်လို့

Input: Set of File
Output: File
foreach File f in Files do
Append to F;
end

ဒါမျိုးလေး Indent တွေ Bold, Italic တွေနဲ့ ကျကျနနပေါ်နေမှတော့ Word မှာဘာကိစ္စ မောက်နဲ့ ကလစ်ကလစ်အိုကေတွေ အခါသုံးလေးဆယ်လောက် နှိပ်နေရတာဘာအသုံးကျသလဲ။ Algorithm ကိုရိုက်တတ်ဖို့ Program ရေးတတ်ရမယ်ဆိုတာလည်း ဟုတ်သေးပါဘူးလေ မအားလို့ သူများအငှားရိုက်ခိုင်းချင်ရင် ရိုက်ခိုင်းမရပြန်ဘူး။ ကိုယ့်ဟာကိုယ်ရိုက်တာပဲ အေးပါတယ် ပိုက်ဆံကုန်သက်သာတယ်။ :P

9
Feb 09

Integrating the Storage Structure of XML to Relational Data

ကျွန်တော့်ရဲ့ပထမဆုံး အတွေ့အကြုံအဖြစ် ရေးထားတဲ့ Paper ပါ ခေါင်းစဥ်ကတော့ Integrating the Storage Structure of XML Data to Relational Data ပြီးခဲ့တဲ့ AICT’08 မှာတင်ခဲ့တာပါ။ တစ်ကယ်တမ်းကတော့ ICCA’08 အတွက်တင်ခဲ့ပြီး ICCA’09 အတွက်လက်ခံမယ်ပြောပြီးတော့ ဘယ်လိုဖြစ်ပြီးတော့ AICT’08 မှာပါသွားတယ်တော့ မသိပါဘူး။ First Level Conference လား Second Level Conference လားလို့တော့ မမေးပါနဲ့ AICT ပဲဖြစ်ဖြစ် ICCA ပဲဖြစ်ဖြစ် ပွင့်ပွင့်လင်းလင်းပြောရရင် ဘယ် Level မှကိုမဝင်ပါဘူး။ ဒါပေမယ့် ပထမဆုံးအတွေ့အကြုံဆိုတာရယ် Technically Strong ဖြစ်တယ်ဆိုတာရယ် ၂ နှစ်လောက်လုပ်ခဲ့တဲ့ Thesis အလုပ်တွေရယ် ဖတ်ခဲ့တဲ့စာတွေ စမ်းသပ်ခဲ့လို့ရတဲ့အချက်တွေကို အခြေခံပြီးတော့ ချရေးထားတာပါ။ အရေးအသားရယ် စာတမ်းဖွဲ့စည်းပုံရယ် Contribution လုပ်ပုံတွေကတော့ အခုအချိန်မှာ ပြန်ဖတ်ကြည့်ရင် တော်တော်ကိုလိုပါတယ်။ ဒါပေမယ့် ပြင်လို့မရတော့ပါဘူး ဒါဟာမှတ်တိုင်တစ်ခုဖြစ်သွားပါပြီ။ ဒီစာတမ်းကိုပဲ နောက်ထပ် Extended Version ထပ်ရေးပြီးတော့ Level နည်းနည်းမြင့်တဲ့စာတမ်းဖတ်ပွဲကို တင်ကြည့်ဦးမယ်တော့ ရည်မှန်းထားပါသေးတယ်တယ်။ ဒါပေမယ့် နောက်နှစ်ထဲမှပဲ ဆက်လုပ်နိုင်မယ်ထင်ပါတယ်။ ဘာလို့လဲဆိုတော့ Experiment အသစ်တွေထပ်လုပ်ရဦးမယ် နောက်ပြီးတော့ တစ်ခြား System တွေနဲ့လည်း ယှဥ်ကြည့်ရဦးမယ်။ ဒီတော့ အခုလို တစ်ခြားနယ်ထဲက အကြောင်းကို စာတမ်းလုပ်နေတဲ့အချိန်မှာတော့ ဘယ်လိုမှကို မလုပ်နိုင်သေးဘူး။ ဖတ်ကြည့်ချင်တဲ့လူတွေ ဖတ်ကြည့်လို့ရအောင်တင်ထားပါတယ် နောက်ပြီးတော့ အဲ့ဒီတုံးက LaTeX မသုံးသေးပါဘူး ဒါကြောင့် PDF ပဲတင်ထားပါတယ်။ နောက်ပြီးတော့ တစ်ခုသတိပေးလိုတာက ကျွန်တော်လုပ်ထားတဲ့ မူပိုင်ခွင့်မဟုတ်ပေမယ့် ဒီစာတမ်းက AICT ကမှတ်ပုံတင်ထားတဲ့အတွက် တရားဝင် မူပိုင်ခွင့်တွေရှိနေပါတယ်။ ကျွန်တော်ကိုယ်တိုင်တောင် ဒီထဲက စာတွေကို ပြန်သုံးချင်ရင် ကိုယ့်ဘာသာကိုယ်ပဲ ပြန်ပြီးတော့ ရည်ညွန်းချက်ထည့်ရပါတယ် ဒါကြောင့် ယူသုံးမယ်ဆိုရင်လည်း ရည်ညွန်းချက်ကို စနစ်တကျထည့်ပြီးမှသုံးပါလို့ သတိပေးချင်ပါတယ်။ ဒီစာတမ်းကိုစိတ်ဝင်စားတဲ့လူတွေရှိရင်လည်း ဆက်သွယ်လို့ရပါတယ် ဝမ်းမြောက်ဝမ်းသာကို ကြိုဆိုပါတယ် တတ်နိုင်သလောက် ရှိတဲ့ Resource ကို ဝေမျပေးလို့ရပါတယ်။

Switch to our mobile site

WP SlimStat