18 برنامج أساسي يجب على كل عالم بيانات معرفته

علم البيانات هو لكل من يحب كشف الأشياء المتشابكة واكتشاف العجائب الخفية في فوضى واضحة.


إنه مثل البحث عن الإبر في أكوام القش ؛ فقط أن علماء البيانات لا يحتاجون إلى جعل أيديهم متسخة على الإطلاق. باستخدام الأدوات الفاخرة مع الرسوم البيانية الملونة ، والنظر إلى أكوام من الأرقام ، فإنها تغوص فقط في أكوام أكوام البيانات وتجد إبرًا قيّمة في شكل رؤى ذات قيمة تجارية عالية.

نموذجي عالم البيانات يجب أن يتضمن مربع الأدوات عنصرًا واحدًا على الأقل من كل فئة من هذه الفئات: قواعد البيانات العلائقية ، وقواعد بيانات NoSQL ، وأطر البيانات الكبيرة ، وأدوات التصور ، وأدوات الكشط ، ولغات البرمجة ، و IDEs ، وأدوات التعلم العميق.

قواعد البيانات العلائقية

قاعدة البيانات العلائقية هي مجموعة من البيانات المنظمة في جداول ذات سمات. يمكن ربط الجداول ببعضها البعض ، وتحديد العلاقات والقيود ، وإنشاء ما يسمى نموذج البيانات. للعمل مع قواعد البيانات العلائقية ، تستخدم عادةً لغة تسمى SQL (لغة الاستعلام الهيكلية).

تسمى التطبيقات التي تدير الهيكل والبيانات في قواعد البيانات العلائقية RDBMS (أنظمة إدارة قواعد البيانات الترابطية). هناك الكثير من هذه التطبيقات ، وقد بدأ أكثرها صلة في الآونة الأخيرة في التركيز على مجال علم البيانات ، وإضافة وظائف للعمل مع مستودعات البيانات الكبيرة وتطبيق تقنيات مثل تحليلات البيانات وتعلم الآلة.

خادم قاعدة البيانات

هذه أحدها هو نظام إدارة قواعد البيانات الموزعة (RDBMS) من Microsoft ، والذي يتطور منذ أكثر من 20 عامًا من خلال توسيع وظائف المؤسسة باستمرار. منذ إصدار 2016 ، يقدم SQL Server مجموعة من الخدمات التي تتضمن دعمًا لرمز R المضمن. يرفع SQL Server 2017 الرهان عن طريق إعادة تسمية خدماته R إلى خدمات لغة الآلة وإضافة دعم للغة Python (المزيد عن هاتين اللغتين أدناه).

مع هذه الإضافات المهمة ، يهدف SQL Server إلى علماء البيانات الذين قد لا يكون لديهم خبرة في Transact SQL ، لغة الاستعلام الأصلية لـ Microsoft SQL Server.

إن SQL Server بعيد عن كونه منتجًا مجانيًا. يمكنك شراء تراخيص لتثبيته على Windows Server (سيختلف السعر وفقًا لعدد المستخدمين المتزامنين) أو استخدامه كخدمة قائمة على الرسوم ، من خلال سحابة Microsoft Azure. إن تعلم Microsoft SQL Server أمر سهل.

MySQL

من ناحية البرمجيات مفتوحة المصدر, MySQL لديه تاج شعبية RDBMSs. على الرغم من أن أوراكل تمتلكه حاليًا ، إلا أنه لا يزال مجانيًا ومفتوح المصدر بموجب شروط رخصة جنو العمومية العامة. تستخدم معظم التطبيقات المستندة إلى الويب MySQL كمستودع بيانات أساسي ، وذلك بفضل امتثالها لمعيار SQL.

كما تساعد على شعبيتها إجراءات التثبيت السهلة ، ومجتمعها الكبير من المطورين ، والعديد من الوثائق الشاملة ، وأدوات الطرف الثالث ، مثل phpMyAdmin ، التي تبسط أنشطة الإدارة اليومية. على الرغم من أن MySQL ليس لديه وظائف أصلية للقيام بتحليل البيانات ، إلا أن انفتاحه يسمح بدمجه مع أي أداة تصور وتقرير وذكاء أعمال قد تختار.

PostgreSQL

خيار آخر مفتوح المصدر RDBMS PostgreSQL. على الرغم من أنها ليست شائعة مثل MySQL ، إلا أن PostgreSQL تتميز بمرونتها وقابليتها للتوسع ، ودعمها للاستعلامات المعقدة ، تلك التي تتجاوز العبارات الأساسية مثل SELECT و WHERE و GROUP BY.

هذه الميزات تجعلها تكتسب شعبية بين علماء البيانات. ميزة أخرى مثيرة للاهتمام هي دعم البيئات المتعددة ، والتي تسمح باستخدامها في البيئات السحابية وداخل المباني ، أو في مزيج من كليهما ، والمعروف باسم البيئات السحابية المختلطة.

PostgreSQL قادر على الجمع بين المعالجة التحليلية عبر الإنترنت (OLAP) ومعالجة المعاملات عبر الإنترنت (OLTP) ، والعمل في وضع يسمى المعالجة الهجينة للمعاملات / التحليل (HTAP). كما أنها مناسبة تمامًا للعمل مع البيانات الضخمة ، وذلك بفضل إضافة PostGIS للبيانات الجغرافية و JSON-B للوثائق. يدعم PostgreSQL أيضًا البيانات غير المنظمة ، مما يسمح لها بأن تكون في كلتا الفئتين: قواعد بيانات SQL و NoSQL.

قواعد بيانات NoSQL

يُعرف هذا النوع من مستودع البيانات ، المعروف أيضًا باسم قواعد البيانات غير العلائقية ، بوصول أسرع إلى هياكل البيانات غير الجدولية. بعض الأمثلة على هذه الهياكل هي الرسوم البيانية ، والوثائق ، والأعمدة العريضة ، والقيم الرئيسية ، وغيرها الكثير. يمكن لمخازن بيانات NoSQL أن تضع تناسق البيانات جانباً لصالح مزايا أخرى ، مثل التوافر ، والتقسيم ، وسرعة الوصول.

نظرًا لعدم وجود SQL في مخازن بيانات NoSQL ، فإن الطريقة الوحيدة للاستعلام عن هذا النوع من قواعد البيانات هي باستخدام اللغات منخفضة المستوى ، ولا توجد مثل هذه اللغة مقبولة على نطاق واسع مثل SQL. إلى جانب ذلك ، لا توجد مواصفات قياسية لـ NoSQL. ولهذا ، من المفارقات ، أن بعض قواعد بيانات NoSQL بدأت في إضافة دعم لنصوص SQL.

MongoDB

MongoDB هو نظام قاعدة بيانات NoSQL شائع ، يقوم بتخزين البيانات في شكل وثائق JSON. ينصب تركيزه على قابلية التوسع والمرونة لتخزين البيانات بطريقة غير منظمة. هذا يعني أنه لا توجد قائمة حقول ثابتة يجب مراعاتها في جميع العناصر المخزنة. علاوة على ذلك ، يمكن تغيير بنية البيانات بمرور الوقت ، وهو أمر ينطوي في قاعدة بيانات علائقية على مخاطرة عالية للتأثير على التطبيقات قيد التشغيل.

تسمح التكنولوجيا في MongoDB للفهرسة والاستعلامات المؤقتة والتجميع التي توفر أساسًا قويًا لتحليل البيانات. توفر الطبيعة الموزعة لقاعدة البيانات قدرًا كبيرًا من التوافر والتحجيم والتوزيع الجغرافي دون الحاجة إلى أدوات معقدة.

ريديس

هذه واحد هو خيار آخر في جبهة NoSQL مفتوحة المصدر. إنه في الأساس مخزن بنية بيانات يعمل في الذاكرة ، بالإضافة إلى توفير خدمات قواعد البيانات ، فإنه يعمل أيضًا كذاكرة تخزين مؤقت ووسيط رسائل.

وهو يدعم عددًا لا يحصى من هياكل البيانات غير التقليدية ، بما في ذلك التجزئة ، والفهارس الجغرافية المكانية ، والقوائم ، والمجموعات المصنفة. وهي مناسبة تمامًا لعلوم البيانات بفضل أدائها العالي في المهام المكثفة للبيانات ، مثل تقاطعات مجموعة الحوسبة أو فرز القوائم الطويلة أو إنشاء تصنيفات معقدة. السبب وراء أداء Redis المتميز هو تشغيله في الذاكرة. يمكن تكوينه لاستمرار البيانات بشكل انتقائي.

أطر البيانات الضخمة

افترض أن عليك تحليل البيانات التي يولدها مستخدمو Facebook خلال شهر. نحن نتحدث عن الصور ومقاطع الفيديو والرسائل ، كل ذلك. مع الأخذ في الاعتبار أنه يتم إضافة أكثر من 500 تيرابايت من البيانات كل يوم إلى الشبكة الاجتماعية من قبل مستخدميها ، فمن الصعب قياس الحجم الذي يمثله شهر كامل من بياناته.

لمعالجة هذا الكم الهائل من البيانات بطريقة فعالة ، تحتاج إلى إطار مناسب قادر على حساب الإحصائيات عبر بنية موزعة. هناك إطاران يقودان السوق: Hadoop و Spark.

Hadoop

كإطار بيانات كبيرة, Hadoop يتعامل مع التعقيدات المرتبطة باسترجاع ومعالجة وتخزين أكوام ضخمة من البيانات. تعمل Hadoop في بيئة موزعة ، تتكون من مجموعات الكمبيوتر التي تعالج الخوارزميات البسيطة. هناك خوارزمية منسقة تسمى MapReduce ، تقسم المهام الكبيرة إلى أجزاء صغيرة ، ثم توزع تلك المهام الصغيرة بين المجموعات المتاحة.

يوصى باستخدام Hadoop لمستودعات البيانات من فئة المؤسسات التي تتطلب وصولاً سريعًا وتوافرًا عاليًا ، كل ذلك في مخطط منخفض التكلفة. ولكنك تحتاج إلى مشرف Linux بعمق المعرفة Hadoop للحفاظ على الإطار وتشغيله.

شرارة

Hadoop ليس الإطار الوحيد المتاح لمعالجة البيانات الضخمة. اسم كبير آخر في هذه المنطقة شرارة. تم تصميم محرك Spark لتجاوز Hadoop من حيث سرعة التحليلات وسهولة الاستخدام. على ما يبدو ، حقق هذا الهدف: تقول بعض المقارنات أن Spark يعمل بسرعة تصل إلى 10 مرات أسرع من Hadoop عند العمل على قرص ، و 100 مرة أسرع في الذاكرة. كما يتطلب عددًا أقل من الأجهزة لمعالجة نفس كمية البيانات.

إلى جانب السرعة ، هناك فائدة أخرى لـ Spark وهي دعمها لمعالجة الدفق. يتضمن هذا النوع من معالجة البيانات ، والذي يسمى أيضًا المعالجة في الوقت الفعلي ، إدخال البيانات وإخراجها بشكل مستمر.

أدوات التصور

تقول نكتة شائعة بين علماء البيانات أنه إذا قمت بتعذيب البيانات لفترة كافية ، فستعترف بما تحتاج إلى معرفته. في هذه الحالة ، يعني “التعذيب” معالجة البيانات عن طريق تحويلها وتصفيتها ، من أجل تصورها بشكل أفضل. وهنا تأتي أدوات تصور البيانات إلى مكان الحادث. تأخذ هذه الأدوات بيانات تمت معالجتها مسبقًا من مصادر متعددة وتظهر الحقائق التي تم الكشف عنها بأشكال رسومية ومفهومة.

هناك المئات من الأدوات التي تندرج تحت هذه الفئة. سواء أحببنا ذلك أم لا ، فإن الأكثر استخدامًا هو Microsoft Excel وأدوات الرسوم البيانية الخاصة به. يمكن الوصول إلى مخططات Excel لأي شخص يستخدم Excel ، ولكن وظائفها محدودة. وينطبق الشيء نفسه على تطبيقات جداول البيانات الأخرى ، مثل جداول بيانات Google ومكتب Libre. لكننا نتحدث هنا عن أدوات أكثر تحديدًا ، مصممة خصيصًا لتحليل ذكاء الأعمال (BI) وتحليل البيانات.

الطاقة BI

منذ وقت ليس ببعيد ، أصدرت مايكروسوفت الطاقة BI تطبيق التصور. يمكن أن يأخذ بيانات من مصادر متنوعة ، مثل الملفات النصية وقواعد البيانات وجداول البيانات والعديد من خدمات البيانات عبر الإنترنت ، بما في ذلك Facebook و Twitter ، واستخدامها لإنشاء لوحات تحكم مليئة بالمخططات والجداول والخرائط والعديد من كائنات التصور الأخرى. كائنات لوحة المعلومات تفاعلية ، مما يعني أنه يمكنك النقر فوق سلسلة بيانات في مخطط لتحديدها واستخدامها كمرشح للكائنات الأخرى الموجودة على اللوحة.

Power BI هو مزيج من تطبيق Windows لسطح المكتب (جزء من مجموعة Office 365) ، وتطبيق ويب ، وخدمة عبر الإنترنت لنشر لوحات المعلومات على الويب ومشاركتها مع المستخدمين. تتيح لك الخدمة إنشاء وإدارة الأذونات لمنح حق الوصول إلى المجالس لأشخاص معينين فقط.

تابلوه

تابلوه هو خيار آخر لإنشاء لوحات تحكم تفاعلية من مجموعة من مصادر البيانات المتعددة. كما يوفر إصدار سطح المكتب ، وإصدار ويب ، وخدمة عبر الإنترنت لمشاركة لوحات المعلومات التي تقوم بإنشائها. يعمل بشكل طبيعي “بالطريقة التي تفكر بها” (كما تدعي) ، وهو سهل الاستخدام للأشخاص غير التقنيين ، والذي يتم تحسينه من خلال الكثير من البرامج التعليمية ومقاطع الفيديو عبر الإنترنت.

من أكثر ميزات تابلو تميزًا هي موصلات البيانات غير المحدودة وبياناتها الحية وداخل الذاكرة وتصميماتها المُحسّنة للجوّال.

QlikView

QlikView يقدم واجهة مستخدم نظيفة ومباشرة لمساعدة المحللين على اكتشاف رؤى جديدة من البيانات الحالية من خلال العناصر المرئية التي يسهل على الجميع فهمها.

تشتهر هذه الأداة بكونها واحدة من أكثر منصات ذكاء الأعمال مرونة. إنه يوفر ميزة تسمى البحث الترافقي ، والتي تساعدك على التركيز على أهم البيانات ، مما يوفر لك الوقت الذي تستغرقه للعثور عليه بنفسك.

باستخدام QlikView ، يمكنك التعاون مع الشركاء في الوقت الفعلي وإجراء تحليل مقارن. يمكن دمج جميع البيانات ذات الصلة في تطبيق واحد ، مع ميزات الأمان التي تقيد الوصول إلى البيانات.

أدوات الكشط

في الأوقات التي كانت فيها الإنترنت تظهر للتو ، بدأت برامج زحف الويب بالسفر مع الشبكات التي تجمع المعلومات في طريقها. مع تطور التكنولوجيا ، تغير مصطلح الزحف على الويب من أجل تجريف الويب ، ولكنه لا يزال يعني نفسه: لاستخراج المعلومات تلقائيًا من مواقع الويب. لإجراء تجريف الويب ، يمكنك استخدام العمليات الآلية أو الروبوتات التي تقفز من صفحة ويب إلى أخرى ، واستخراج البيانات منها وتصديرها إلى تنسيقات مختلفة أو إدراجها في قواعد البيانات لمزيد من التحليل.

في ما يلي نلخص خصائص ثلاثة من أكثر كاشطات الويب المتاحة اليوم.

الأخطبوط

الأخطبوط تقدم مكشطة الويب بعض الخصائص المثيرة للاهتمام ، بما في ذلك الأدوات المضمنة للحصول على معلومات من مواقع الويب التي لا تجعل من السهل على كشط برامج الروبوت أداء مهامها. إنه تطبيق سطح مكتب لا يتطلب ترميزًا ، مع واجهة مستخدم سهلة الاستخدام تسمح بتصور عملية الاستخراج من خلال مصمم سير عمل رسومي.

إلى جانب التطبيق المستقل ، يقدم Octoparse خدمة قائمة على السحابة لتسريع عملية استخراج البيانات. يمكن للمستخدمين تجربة زيادة السرعة من 4x إلى 10x عند استخدام الخدمة السحابية بدلاً من تطبيق سطح المكتب. إذا التزمت بإصدار سطح المكتب ، فيمكنك استخدام Octoparse مجانًا. ولكن إذا كنت تفضل استخدام الخدمة السحابية ، فسيتعين عليك اختيار إحدى خططها المدفوعة.

ملتقط المحتوى

إذا كنت تبحث عن أداة كشط غنية بالميزات ، فيجب عليك الانتباه ملتقط المحتوى. على عكس Octoparse ، لاستخدام Content Grabber ، من الضروري أن تكون لديك مهارات برمجة متقدمة. في المقابل ، تحصل على تحرير البرمجة النصية ، وواجهات التصحيح ، والوظائف المتقدمة الأخرى. باستخدام Content Grabber ، يمكنك استخدام لغات .Net لكتابة تعبيرات عادية. بهذه الطريقة ، لا يتعين عليك إنشاء التعبيرات باستخدام أداة مضمنة.

تقدم الأداة API (واجهة برمجة التطبيقات) التي يمكنك استخدامها لإضافة إمكانيات الكشط إلى تطبيقات سطح المكتب والويب. لاستخدام واجهة برمجة التطبيقات هذه ، يحتاج المطورون إلى الوصول إلى خدمة Content Grabber Windows.

ParseHub

هذا مكشطة يمكنه التعامل مع قائمة شاملة من أنواع المحتوى المختلفة ، بما في ذلك المنتديات والتعليقات المتداخلة والتقاويم والخرائط. ويمكنه أيضًا التعامل مع الصفحات التي تحتوي على المصادقة وجافا سكريبت وأياكس والمزيد. يمكن استخدام ParseHub كتطبيق ويب أو تطبيق سطح مكتب قادر على العمل على Windows و macOS X و Linux.

مثل Content Grabber ، يوصى بالحصول على بعض المعرفة بالبرمجة لتحقيق أقصى استفادة من ParseHub. يحتوي على نسخة مجانية ، تقتصر على 5 مشاريع ، و 200 صفحة لكل تشغيل.

لغات البرمجة

تمامًا كما تم تصميم لغة SQL المذكورة سابقًا خصيصًا للعمل مع قواعد البيانات العلائقية ، هناك لغات أخرى تم إنشاؤها مع تركيز واضح على علوم البيانات. تسمح هذه اللغات للمطورين بكتابة البرامج التي تتعامل مع تحليل البيانات الضخم ، مثل الإحصائيات وتعلم الآلة.

تعتبر SQL أيضًا مهارة مهمة يجب على المطورين القيام بها لعلوم البيانات ، ولكن هذا لأن معظم المؤسسات لا تزال لديها الكثير من البيانات في قواعد البيانات العلائقية. لغات علوم البيانات “الحقيقية” هي R و Python.

بيثون

بيثون هي لغة برمجة عالية المستوى ومفسرة وعامة الغرض ومناسبة تمامًا للتطوير السريع للتطبيقات. لديها بنية بسيطة وسهلة التعلم تسمح لمنحنى التعلم الحاد وتخفيضات في تكاليف صيانة البرنامج. هناك العديد من الأسباب التي تجعلها اللغة المفضلة لعلوم البيانات. على سبيل المثال لا الحصر: البرمجة النصية ، الإسهاب ، قابلية الحمل والأداء.

تعد هذه اللغة نقطة انطلاق جيدة لعلماء البيانات الذين يخططون للتجربة كثيرًا قبل القفز إلى عمل تحليل البيانات الحقيقي والصعب ، والذين يرغبون في تطوير تطبيقات كاملة.

ص

ال اللغة R يستخدم بشكل رئيسي لمعالجة البيانات الإحصائية والرسوم البيانية. على الرغم من أنه لا يقصد تطوير تطبيقات كاملة ، كما هو الحال بالنسبة لـ Python ، إلا أن R أصبحت شائعة جدًا في السنوات الأخيرة بسبب قدرتها على استخراج البيانات وتحليلات البيانات.

بفضل المكتبة المتزايدة باستمرار من الحزم المتاحة مجانًا التي تعمل على توسيع وظائفها ، فإن R قادرة على القيام بجميع أنواع أعمال معالجة البيانات ، بما في ذلك النمذجة الخطية / غير الخطية والتصنيف والاختبارات الإحصائية وما إلى ذلك..

إنها ليست لغة سهلة التعلم ، ولكن بمجرد التعرف على فلسفتها ، ستقوم بإجراء الحوسبة الإحصائية مثل المحترفين.

IDEs

إذا كنت تفكر بجدية في تكريس نفسك لعلوم البيانات ، فستحتاج إلى الاختيار بعناية لبيئة تطوير متكاملة (IDE) تناسب احتياجاتك ، لأنك و IDE الخاص بك ستقضيان الكثير من الوقت في العمل معًا.

يجب أن يجمع IDE المثالي جميع الأدوات التي تحتاجها في عملك اليومي كمبرمج: محرر نص مع تمييز بناء جملة وإكمال تلقائي ، مصحح أخطاء قوي ، متصفح كائن ، وسهولة الوصول إلى الأدوات الخارجية. إلى جانب ذلك ، يجب أن يكون متوافقًا مع اللغة التي تفضلها ، لذلك من الجيد اختيار IDE الخاص بك بعد معرفة اللغة التي ستستخدمها.

سبايدر

هذه إن IDE العام مخصص في الغالب للعلماء والمحللين الذين يحتاجون أيضًا إلى البرمجة. لجعلها مريحة ، فإنها لا تقتصر على وظيفة IDE – فهي توفر أيضًا أدوات لاستكشاف / تصور البيانات والتنفيذ التفاعلي ، كما يمكن العثور عليه في حزمة علمية. يدعم المحرر في Spyder لغات متعددة ويضيف متصفح فئة ، وتقسيم النافذة ، والقفز إلى التعريف ، وإكمال التعليمات البرمجية تلقائيًا ، وحتى أداة تحليل التعليمات البرمجية.

يساعدك المصحح في تتبع كل سطر من التعليمات البرمجية بشكل تفاعلي ، ويساعدك المحلل في العثور على أوجه القصور والقضاء عليها.

PyCharm

إذا قمت بالبرمجة في Python ، فمن المحتمل أن يكون IDE الذي تختاره هو PyCharm. يحتوي على محرر كود ذكي مع بحث ذكي ، وإكمال رمز ، واكتشاف الأخطاء وإصلاحها. بنقرة واحدة فقط ، يمكنك الانتقال من محرر الشفرة إلى أي نافذة مرتبطة بالسياق ، بما في ذلك الاختبار ، والطريقة الفائقة ، والتنفيذ ، والإعلان ، والمزيد. يدعم PyCharm أناكوندا والعديد من الحزم العلمية ، مثل NumPy و Matplotlib ، على سبيل المثال لا الحصر..

يوفر التكامل مع أنظمة التحكم في الإصدار الأكثر أهمية ، وأيضًا مع عداء اختبار وملف وتصحيح. لإغلاق الصفقة ، يتكامل أيضًا مع Docker و Vagrant لتوفير التطوير عبر الأنظمة الأساسية والحاويات.

RStudio

بالنسبة لعلماء البيانات الذين يفضلون فريق R ، يجب أن يكون IDE المفضل RStudio, بسبب ميزاته الكثيرة. يمكنك تثبيته على سطح مكتب يعمل بنظام التشغيل Windows أو macOS أو Linux ، أو يمكنك تشغيله من متصفح ويب إذا كنت لا تريد تثبيته محليًا. يقدم كلا الإصدارين عناصر جيدة مثل تسليط الضوء على بناء الجملة والمسافة البادئة الذكية وإكمال التعليمات البرمجية. هناك عارض بيانات متكامل يكون مفيدًا عندما تحتاج إلى تصفح البيانات المجدولة.

يسمح وضع التصحيح بعرض كيفية تحديث البيانات ديناميكيًا عند تنفيذ برنامج أو برنامج نصي خطوة بخطوة. للتحكم في الإصدار ، يدمج RStudio دعم SVN و Git. إضافة لطيفة هي إمكانية تأليف رسومات تفاعلية ، مع Shiny وإعطاء المكتبات.

صندوق أدواتك الشخصية

في هذه المرحلة ، يجب أن يكون لديك عرض كامل للأدوات التي يجب أن تعرفها للتفوق في علوم البيانات. ونأمل أيضًا أن نقدم لك معلومات كافية لتحديد الخيار الأكثر ملاءمة ضمن كل فئة أداة. الوضع الآن يترتب عليك. علم البيانات هو مجال مزدهر ل تطوير مهنة. ولكن إذا كنت ترغب في القيام بذلك ، يجب عليك مواكبة التغييرات في الاتجاهات والتقنيات ، لأنها تحدث بشكل يومي تقريبًا.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map