12352
✾ ـ﷽ـ ✾ بزرگترین مرجع تخصصی آمار کتب و جزوات دروس تخصصی آمار آموزش مباحث مهم آمار نرم افزار های آماری مشاوره آماری ادمین و روابط عمومی : @Amar_kadeh_admin اینستاگرام: https://instagram.com/amar__kade
🎓 انجمن علمی آمار با همکاری آموزشگاه کسری برگزار می‌کند:
💻 دوره آنلاین مهارت‌های هفت‌گانه ICDL
با ۵۰٪ تخفیف ویژه دانشجویان دانشگاه کردستان ❤️
✅ آموزش کامل هر ۷ مهارت کاربردی کامپیوتر
✅ تدریس توسط اساتید مجرب
✅ برگزاری آنلاین، بدون محدودیت مکانی
✅طول دوره 25 جلسه 1.5 ساعتی هر هفته سه جلسه
✅ مدرک معتبر فنی‌وحرفه‌ای، قابل
ترجمه + گواهی شرکت در دروه از طرف انجمن علمی آمار
🚀 یه قدم به رزومه قوی‌تر و فرصت‌های شغلی بهتر نزدیک‌تر شو!
این فرصت رو از دست نده! 🔥
🔴 ثبت‌نام و دریافت اطلاعات دوره:
👇 همین الان روی لینک زیر بزن:
🔗 https://rcrm.ir/7YIse9hcfd84
📅 شروع کلاس‌ها: از ۲۲ مهر ۱۴۰۵
📌 برگزارکننده: مجتمع فنی آموزشی کسری با همکاری انجمن علمی آمار دانشگاه کردستان
در صورت بروز هرگونه مشکل میتوانید با ای دی زیر در ارتباط باشید:
@Dr_hamidalipanah
#دانشگاه_کردستان #ICDL #آموزش_آنلاین #تخفیف_دانشجویی #مجتمع_فنی_کسری #مهارت_آموزی
📊 Friday Code #3|
✍️از عدد تا تصمیم
یک دیتاست به دستت می‌رسد.
هزاران ردیف، ده‌ها ستون و کلی عدد.
اولین وسوسه این است که سریع mean() بزنیم، چند نمودار بکشیم و نتیجه بگیریم.
اما تحلیل داده از کد زدن شروع نمی‌شود؛
از سؤال درست شروع میشود.
فرض کنید می‌خواهیم بدانیم عملکرد دانشجوها چگونه است.
با Python می‌توانیم در چند خط، یک نگاه اولیه به داده داشته باشیم:
import pandas as pd
df = pd.read_csv("students.csv")
print(df.shape)
print(df.dtypes)
print(df.isna().sum())
print(df.describe())
shape → اصلاً با چه حجمی از داده روبه‌رو هستیم؟dtypes → داده‌ها با چه نوعی ذخیره شده‌اند؟isna() → چیزی را از دست داده‌ایم؟describe() → وضعیت اولیه متغیرهای عددی چگونه است؟داده به ما عدد می‌دهد؛
آمار به عدد معنا می‌دهد؛
برنامه‌نویسی کمک می‌کند این مسیر را در مقیاس واقعی انجام دهیم.
داده زیاد تضمین نتیجه درست نیست!
مهم نیست چند نفر جواب داده‌اند
مهم این است که چه کسانی جواب داده‌اند
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
♨️ هدیه ما به شما مجموعه ای از بهترین کانالهای تخصصی
/channel/addlist/QJjykYw3ioAyNDg0
👌🏻سریعتر عضو شوید لینک ها تا ساعاتی دیگر برداشته میشود
خب دوستان برای اعلام نتایج نهایی کنکور ارشد ۴۰۵ هم یه آپدیت و یسری اخبار بدم خدمتتون
امروز بورسیه سامان که آخرین رشته ی مصاحبه ای هست برای واجدین شرایط پیامک زده و تایم مصاحبه رو شنبه و یکشنبه هفته بعد اعلام کرده
از طرفی معاون سازمان سنجش بعد اعلام نتایج کارشناسی گفت که نتایج ارشد رو آخر مهر اعلام میکنیم و منتظر نتایج مصاحبه هستیم
و از طرفی مهم تر با آموزش دانشگاهمون که دیروز صحبت میکردم گفت از طرف سنجش براشون اطلاعیه اومده که ثبت نام ارشد دانشگاه ها از ۱ ابان شروع میشه
اگه این پازل ها رو کنار هم قرار بدیم یک سناریوی محتمل این هست که تو تاریخ های ۲۲ یا ۲۳ مهرماه باید منتظر اعلام نتایج مصاحبه ها باشیم چون همیشه قبل از نتایج اصلی میاد و تو تاریخ های ۲۵ یا ۲۶ مهر ماه هم منتظر نتایج اصلی
باز هم این اخباری هست که تو این چند روز به دستم رسید و گفتم باهاتون به اشتراک بذارم
طبیعتا امکان تغییر تاریخ ها وجود داره
ولی امیدوارم که این انتظار تموم بشه و زودتر تکلیف امسال مشخص بشه
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
آغاز ثبت‌نام طرح شهید صیاد شیرازی برای سربازی نخبگان پاییز ۱۴۰۵
بنیاد ملی نخبگان با اجرای طرح «شهید صیاد شیرازی» امکان گذراندن خدمت سربازی در قالب پروژه‌های پژوهشی و فناورانه را برای نخبگان در سال ۱۴۰۵ فراهم کرده است.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
اکسل یا Power BI؟
🥧قصه‌ی کیک، چایی و آبمیوه🧃
خب خب خب، بالاخره به جایی رسیدیم که می‌خواستم برسیم.
اکسل خوبه، قشنگه و خیلی وقته داره استفاده میشه. اما بیاید در مورد یه ابزار دیگه حرف بزنیم که هم میشه باهاش با دیتا دست و پنجه نرم کرد، هم بصری‌سازی داده‌ها رو انجام داد.
Power BI
این یکی مثل اینه که وقتی داری کیک می‌خوری، آبمیوه کنارته و هر از چندگاهی یه قلپ ازش می‌خوری.
(راستی شما هم برای تنظیم پایان آبمیوه و کیکتون مشکل دارین؟)
کیک همون کار با دیتاست تا به دیدگاهی که از قبل داشتی برسی و اون رو روی دیتایی که قر و قاطی (تا حدی) هست اعمال کنی.
و آبمیوه همون بصری‌سازی داده‌هاست که وقتی به کار میاد که دیگه فقط دیتاست و تو هیچ ایدهای نداری که اینا قراره چی رو نشون بدن (کیک تقریباً مزش تکراری شده، یا بگیم توو گلوت گیر کرده چون اول صبحی خوردی). پس این آبمیوه میاد کمکت میکنه:
اول: همون هدف اصلی، یعنی کشیدن نمودارها و فهمیدن رابطه‌ها و مفاهیم از دل داده‌ها.
دوم: بفهمی اصلاً این همه کاری که کردی، چقدرش درست بوده یا طبق خواسته‌ی خودت و کارفرما.
در مقایسه با اکسل، باید بگم بصری‌سازی توی اکسل مثل چایی داغه. همون کیک رو داری، ولی برای بردنش پایین باید چایی داغ بخوری. کسایی که با اکسل کار کردن می‌دونن، اگه کیک توو گلوت گیر کنه، چایی داغ می‌خوری می‌بره پایین، ولی خب بجاش کلی می‌سوزی. زحمت داره در کل.
اما توی Power BI، به جای چایی داغ، آبمیوه خنک کنارته. سریعتر، راحت‌تر و گواراتر.
کسایی که با Power BI کار کردن هم قطعاً می‌دونن که این ابزار نقطه قوتش توی داشبوردسازی و مصورسازیه، ولی فقط محدود به نمودار نیست.
اما این‌طوری نیست که بگیم حالا که Power BI از ابزارهای اکسل استفاده میکنه و تازه سریع میشه با چند تا کشیدن متغیرها توی فیلدها نمودار کشید، پس دیگه اکسل به‌درد نمی‌خوره. این طرز فکر اشتباهه، چون خیلی از شرکت‌ها هنوز با اکسل کار دارن.
📌 پیام من به کسایی که اکسل بلدن: نگران نباش، برو Power BI هم یاد بگیر. وقت زیادی ازت نمی‌گیره.
📌 پیام من به کسایی که بلد نیستن: اگه Power BI یا هر زبان برنامه‌نویسی دیگه‌ای رو یاد بگیری، یه طرز فکر تحلیلی توی ذهنت شکل می‌گیره که به محض ورود به اکسل، می‌تونی مثل یه کیک ببلعیش (البته با تلاش، نه با یه دوره‌ی یک ساعته).
در آخر خوشحال می‌شم نظرتون رو بدونم. این برداشت‌ها، نظرات و اطلاعاتی بود که خودم داشتم. اگه جایی به نظرتون نیاز به بحث بیشتر داره، مشتاقانه منتظر خوندن کامنت‌ها هستم 👐
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
🎲 مسئله توقف بهینه: کِی باید دست از جستجو برداریم؟
فرض کنید مدیر یک شرکت هستید و قرار است یک نفر را استخدام کنید.
۱۰۰ متقاضی برای مصاحبه دعوت شده‌اند.
شما فقط میتوانید هر فرد را بلافاصله پس از مصاحبه رد یا قبول کنید.
اگر رد کنید، راه برگشتی نیست.
اگر همه را رد کنید، در نهایت هیچ‌کس را نخواهید داشت.
سؤال اینجاست: دقیقاً در چه نقطه‌ای باید جستجو را متوقف کنیم تا بیشترین احتمال انتخاب «بهترین فرد» را داشته باشیم؟
این صرفاً یک چالش منابع انسانی نیست؛ یکی از معروف‌ترین مسائل نظریه احتمالات است که به آن Secretary Problem یا Optimal Stopping می‌گویند.
━━━━━━━━━━━━━━
📍 استراتژی شهودی در برابر استراتژی بهینه
ساده‌ترین کار انتخاب تصادفی است. اگر ۱۰۰ نفر باشند، احتمال اینکه شانسی بهترین فرد را پیدا کنید دقیقاً ۱٪ است.
یک ایده بهتر: نیمی از افراد را رد کنید تا سطح کیفی بازار دستتان بیاید، سپس اولین کسی که از تمام قبلی‌ها بهتر بود را استخدام کنید. این روش بهتر است، اما هنوز بهینه نیست.
ریاضیدانان در دهه ۱۹۶۰ نشان دادند که یک عدد بهینه برای این مسئله وجود دارد:
1/e
که e همان عدد نپر (حدود 2.718) است.
یعنی 1/2.718 که تقریباً برابر 0.368 یا همان ۳۷٪ معروف میشود.
━━━━━━━━━━━━━━
✨ قانون ۳۷ درصد چیست؟
استراتژی بهینه دو مرحله دارد:
🔸 مرحله اکتشاف (Look Phase): ۳۷٪ اول افراد را فقط مصاحبه و رد کنید. هدف در این مرحله انتخاب نیست، بلکه ساختن یک معیار (Benchmark) از کیفیت کل مجموعه است.
🔹 مرحله انتخاب (Leap Phase): پس از عبور از این نقطه، به محض مواجهه با فردی که از تمام افراد مرحله قبل بهتر بود، او را انتخاب و فرآیند را متوقف کنید.
با این قانون ساده، احتمال پیدا کردن بهترین فرد مطلق از ۱٪ به حدود ۳۷٪ افزایش می‌یابد.
هیچ استراتژی دیگری نمی‌تواند این عدد را بالاتر ببرد.
━━━━━━━━━━━━━━
⚠️ آیا در دنیای واقعی هم جواب می‌دهد؟
مانند هر مدل آماری دیگری، این مسئله نیز فرض‌هایی دارد که در عمل ممکن است نقض شوند:
🔸 عدم امکان بازگشت: در زندگی واقعی شاید بتوان با نفر قبلی تماس گرفت، اما ریسک از دست رفتن او وجود دارد.
🔸 هدف‌گذاری روی بهترین مطلق: مدل فرض می‌کند فقط نفر اول اهمیت دارد. در واقعیت، اگر به دنبال گزینه‌ای «به اندازه کافی خوب» باشید، قانون تغییر می‌کند و می‌توان زودتر متوقف شد.
🔸 دانستن تعداد کل گزینه‌ها (n): اگر ندانیم چند نفر قرار است مصاحبه شوند، مسئله پیچیده‌تر شده و نیازمند استفاده از فرآیندهای پواسون (Poisson process) خواهد بود.
با وجود این محدودیت‌ها، ایده مرکزی قدرتمند است: ابتدا داده جمع کنید تا کیفیت فضا را بسنجید، سپس یک آستانه تعیین کنید و روی اولین گزینه‌ای که از آن آستانه عبور کرد اقدام نمایید.
━━━━━━━━━━━━━━
🌍 کاربرد فراتر از استخدام
این قانون ۳۷٪ مختص مصاحبه کاری نیست.
🔹 در جستجوی مسکن: اگر می‌دانید در یک ماه قرار است ۳۰ خانه ببینید، ۱۱ مورد اول را فقط بررسی کنید تا قیمت دستتان بیاید. سپس اولین خانه‌ای که از همه آن ۱۱ مورد بهتر بود را اجاره کنید.
🔹 حتی در روابط اجتماعی نیز آماردانان این مدل را بررسی کرده‌اند. اگر فرض کنیم در یک بازه زمانی مشخص با تعدادی افراد آشنا می‌شویم، ریاضیات پیشنهاد می‌دهد ۳۷٪ ابتدای زمان را صرف شناخت کنید، نه تعهد.
━━━━━━━━━━━━━━
📌 جمع‌بندی
مسئله توقف بهینه نشان می‌دهد که در تصمیم‌گیری‌های متوالی، نه وسواس بی‌جا مفید است و نه عجله.
ریاضیات یک نقطه تعادل دقیق ارائه می‌دهد:
۳۷٪ کاوش، ۶۳٪ بهره‌برداری.
گاهی بهترین تصمیم آماری این است که بدانیم دقیقاً کجا باید جستجو را متوقف کنیم.
«In optimal stopping, the hardest part isn't finding the best option; it's knowing when to stop looking.»
— Thomas S. Ferguson, Statistical Science (1989)
Friday Code #2
📊💻 یک سؤال ساده؛ یک جواب آماری؛ چند خط برنامه‌نویسی!
فرض کنید نمرات ۱۰۰ دانشجو را در اختیار داریم و می‌خواهیم بدانیم:
میانگین نمرات چقدر است؟
پراکندگی داده‌ها چقدر است؟
و مهم‌تر از همه، آیا نمرات بیشتر دانشجوها نزدیک به میانگین هستند یا نه؟
در گذشته شاید برای چنین کاری محاسبات زیادی لازم بود؛ اما امروز می‌توانیم با زبان‌هایی مثل Python بخش بزرگی از این فرایند را به‌سادگی انجام دهیم.
import numpy as np
scores = [12, 15, 18, 14, 16, 19, 11, 17]
print("Mean:", np.mean(scores))
print("Standard Deviation:", np.std(scores))
📊 دوره آنلاین و جامع #علم_داده (Data Science)
👈 ورود به دنیای Data Science و هوش مصنوعی
🔰 بدون نیاز به سابقه برنامه‌نویسی
از مفاهیم پایه تا تحلیل داده و پیاده‌سازی مدل‌های واقعی
🐍 آموزش پایتون (Python) و SQL Server
📊 تحلیل و مصورسازی داده
🤖 یادگیری ماشین (ML) و Deep Learning
📈 پیش‌بینی و تحلیل سری‌های زمانی
🧩 پروژه‌ها و Case Studyهای واقعی
جهت دسترسی به دوره های دکتر شریفی زارچی این لینک کلیک کنید
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
«پول ندارم» گفتناتون هم مثل «هیچی نخوندم» گفتنای سر جلسه امتحانه.
🤣
🤖🔥 ایده‌ات را به محتوای حرفه‌ای تبدیل کن!
انجمن علمی هوش مصنوعی دانشگاه رازی با همکاری شرکت زیکارو برگزار می‌کند:
🎯 کارگاه کاربردی «تولید محتوا با ابزارهای هوش مصنوعی»
اگر دانشجو هستی، کسب‌وکار داری، ادمین شبکه‌های اجتماعی هستی یا به تولید محتوا علاقه‌مندی، در این کارگاه یاد می‌گیری چگونه با کمک هوش مصنوعی، سریعتر و حرفه‌ای‌تر محتوا تولید کنی.
🎬 سرفصل‌های کارگاه:
1️⃣ تولید ویدئو با ابزارهای هوش مصنوعی
2️⃣ طراحی پوستر و محتوای گرافیکی
3️⃣ تولید پادکست و محتوای صوتی
4️⃣ تولید و ویرایش متن با هوش مصنوعی
📅 تاریخ: ۲۶ تا ۲۹ مهرماه
⏱️ ۴ جلسه | ۸ ساعت آموزش
🕣 ساعت: ۲۰:۳۰ تا ۲۲:۳۰
💻 محل برگزاری: اسکای‌روم
🎁 اگر امکان حضور در کلاس را ندارید، پس از ثبت‌نام، کلیپ ضبط‌شده جلسات در اختیار شما قرار خواهد گرفت.
🎓 صدور گواهی معتبر از دانشگاه رازی
💰 هزینه ثبت‌نام: ۲۵۰ هزار تومان
⚠️ ظرفیت محدود است!
👥 این کارگاه به تمامی:
🎓 دانشجویان
💼 صاحبان کسب‌وکار
📱 ادمین‌ها و فعالان شبکه‌های اجتماعی
🎨 علاقه‌مندان به تولید محتوا
توصیه میشود.
📌 مهلت ثبت‌نام: ۳۰ مهرماه
📲 جهت ثبت‌نام در تلگرام یا ایتا پیام دهید:
👉 @amozshi_admin20
📚 کتابی کاربردی برای یادگیری جبر ماتریسی یا همون جبر خطی با تمرکز بر کاربرد آن در آمار؛ از مفاهیم پایه ماتریس‌ها شروع می‌کند و به مباحث پیشرفته‌تر و کاربردهای آماری با R می‌رسد.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
📄خب، توی تحلیل آگهی نهاد کتابخانه‌ها دیدیم که اکسل «پیشرفته» خواسته شده.
اصلا «پیشرفته» اینجا یعنی چی؟
🧩این اکسل پیشرفته اصلاً قرار چطور توی یه شغل واقعی استفاده بشه؟
راستش رو بخوای، تا وقتی آدم درگیر کار واقعی نشه، نمی‌فهمه قراره از مهارت‌هاش چطور استفاده کنه. پس اولین قدم، آشنایی درست با ابزارهاست. که لااقل به اون مرحله برسی که
حالا که مهارت و دارم چجوری میتونم استفاده کنم.
🖐قرار نیست این سوال رو جواب بدم
اما
آشنایی بهت کمک میکنه:
🔹 بفهمی هر ابزار توی شغل واقعی کجای کار قرار می‌گیره.
🔹 بدونی از کجا شروع کنی و مسیرت چیه.
و اکسل، برخلاف چیزی که فکر می‌کنی، فقط یه جدول ساده نیست. اکسل سه تا لایه‌ی پنهون داره که خیلی‌ها اصلاً نمی‌دونن:
▪️ Power Query:
برای اتصال به منابع داده و تمیزکاری خودکار میشه ازش استفاده کرده.
یعنی به جای اینکه دستی داده‌ها رو پاک کنی، یه بار یاد می‌گیری چطور این کار رو خودکار انجام بدی.
▪️ Data Model:
برای ساختن ارتباط بین چند جدوله. می‌تونی چند تا فایل مختلف رو به هم وصل کنی و ازشون یه تحلیل یکپارچه دربیاری.
▪️ DAX:
برای نوشتن فرمول‌های تحلیلی پیشرفته‌تره.
محاسباتی که مختص به نیازیه که در لحظه داری، که با فرمول‌های معمولی اکسل نمی‌شه انجام داد.
جالبه که خیلی از آگهی‌های کاری، وقتی می‌نویسن «اکسل پیشرفته»، دقیقاً منظورشون همین لایه‌هاست.
پس اگه اکسل رو فقط در حد VLOOKUP و Pivot Table بلدی، هنوز تقریبا نوک کوه یخی.
راستی،
تو کدوم لایه‌ی اکسل رو بلدی؟ و کدومش برات جذاب‌تره؟
اصلا فقط اکسله که این ابزار رو داره؟
جوابش با شما 🤷♀
🔹Power Query
🔹Data Model
🔹DAX
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
📌 پروژه داری؟
همین الان رایگان ثبتش کن و فریلنسر مناسب خودت رو پیدا کن! 🚀
🌐 http://akafreelancer.com
چقدر در مورد میدان تصادفی می‌دونی؟
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
🚀 چالش خفن پرامپت‌نویسی «حافظ و مولانا در قاب هوش مصنوعی»! 🤖✨
تا حالا به این فکر کردی که شعرای بزرگ ما مثل حافظ و مولانا اگر توی دنیای سایبرپانک و هوش مصنوعی زندگی می‌کردند، چطور دیده می‌شدن؟ 🤔
انجمن علمی هوش مصنوعی دانشگاه رازی با همکاری اتحادیه مهندسی کامپیوتر یه مسابقه خفن براتون تدارک دیده!
🎯 ماجرا چیه؟
خیلی راحته؛ یک بیت از حافظ یا مولانا رو انتخاب کن، برو سراغ ابزارهای هوش مصنوعی (مثل Bing, Midjourney یا Ideogram) و با پرامپت‌نویسی، اون بیت رو به تصویر بکش! 🎨
💡 یه ترفند خفن برای عکسا:
برای اینکه هوش مصنوعی توی تصویرت کلمات عجیب‌غریب و نامفهوم تولید نکنه، حتماً این عبارت رو به پرامپتت اضافه کن:No text, no letters, no calligraphy
🏆 جایزه‌ش چیه؟
💰 ۵۰۰ هزار تومان جایزه نقدی برای نفرات برگزیده!
⏰ کی وقت داریم؟
فقط تا ۲۰ مهرماه فرصت داری اثرت رو بفرستی.
📩 چطوری بفرستیم؟
عکس خروجی + پرامپتی که زدی + اون بیت شعر رو برامون بفرست به آیدی تلگرام:
🆔 @anjomanrazi1405
✨در راستای طرح «از مولانا تا حافظ؛ ادبیات فارسی در زندگی امروز»
#هوش_مصنوعی
#پرامپت_نویسی
#حافظ_مولانا
🆔@RaziAlA
🔰 گروه تبادلات آرمیس : @Armisstab
➿➿➿➿➿➿➿➿
🔺آرشیو "فونت تایپوگرافی" رایگان
🔺دانلود" فونت پولی" رایگان
🔺ازکانال زیر PDF درست و دانلود کن
🔺ژست و فیگور عکاسی
🔺بانک لایه باز رایگان
🔺آموزش 0 تا 100 هک ،امنیت(رایگان)
🔺آموزش تکنیک های زبان انگلیسی
🔺آرشیو کامل PSD های فتوشاپ
🔺کتاب‌های کمیاب و نایاب
🔺معدن PSD آلبوم ژورنال
🔺آموزش مبتدی تا حرفه ای فتوشاپ
🔺آموزش نرم‌افزار های مهندسی
🔺تافل و آیلتس
🔺نحوه ساخت هرچی فکر کنی اینجاست!
🔺مرکز تعمیرات موبایل
🔺ساخت و تولید(طراحی و ماشینسازی)
🔺آموزش لغات انگلیسی فلش کارت
🔺اموزش هک غیرقانونی با (موبایل)
🔺پکیج رایگان فرادرس
🔺دنیای آموزش های جذاب کامپیوتر
🔺آموزش Grammer آیلتس
🔺فونت های کمیاب فتوشاپ
🔺آموزش لغات انگلیسی به روش کدینگ
🔺گرگ والستریت کارخانه پول سازی
🔺دنیای رباتیک و تازه های تکنولوژی
🔺تحلیل داده و هوش مصنوعی
🔺هک و امنیت
🔺مکالمات انگلیسی با ترجمه و صوتی
🔺ایده کسب وکار پول ساز
🔺گروه معماری " چهارسوق "
🔺بورسیه و مشاوره تحصیلی
🔺آموزش های رایگان کامپیوتر
🔺آبجکت های 3بعدی 3DDD
🔺آبجکتهای رویـــــت
🔺آزمون های رایگان نظام مهندسی معماری
🔺داستانهای مصور صوتی انگلیسی
🔺شغل دانشجویی با درآمد 3/000/000
🔺برنامه نویسی و طراحی سایت
🔺مستندهای سیاسی اجتماعی
🔺دنیای موسیقی ملل فول آلبوم
🔺آموزش رایگان جمنای و GPT
🔺انفجار اسپیکینگ و لیسنینگ
🔺ترفند های طلایی کامپیوتر و موبایل
🔺اخبار روز دنیا موبایل ( قیمت )
🔺جشنواره زنگ شروع IT
🔺لپ‌تاپ و سختافزار کامپیوتر (رایگان)
🔺انگلیسی ۵ دقیقه ای با استاد نیتیو
🔺سیرتاپیاز برنامه نویسی رو قورت بده
🔺ایدهای دکوراسیون داخلی
🔺کمک پروژه اساتید برتر جزوه کتاب
🔺آموزش حرفه ای برنامه نویسی
🔺کلی فیلم امریکایی با دو زیرنویس
🔺مهندسی هوافضا و تکنولوژی جنگنده ها
🔺مقاله ISI و رزومه نداری؟ با ما
🔺تصاویر جذاب مهندسی
🔺کانال استخدامی نفت
🔺پروژه یابی
🔺آموزش های جذاب برنامه نویسی
🔺آموزش نرم افزارهای مهندسی مکانیک
🔺هوش مصنوعی و علم داده
🔺مقاله ❖ISI❖ با هوش مصنوعی
🔺دنیای پکیج های رایگان
🔺آموزش 0 تا 100 هک
🔺آموزش مقاله نویسی و research
🔺نشریه زرد دانشگاه
🔺ترجمه کتاب ومقاله های دانشجویی
🔺بانک PDF فایل کتاب جزوه همینجاست
🔺پایان نامه،پروپزال،مهاجرت تحصیلی
🔺پکیج پریمیوم گرافیکاران
🔺کانون زبان
🔺کتابخانه کانال ما را دنبال کنید
🔺دانلود نرم افزارهای کامپیوتر
🔺دانلود برنامه اندرویدی ها
🔺اشتباهات رایج زبان
🔺آموزش طراحی لوگو و جلد کتاب
🔺آبجکت و تکسچرهای 3بعدی
🔺هوش مصنوعی"ایده"خلاقیت
🔺آموزش فتوشاپ | AI رایگان
🔺دانلود " ابزار های گرافیکی" رایگان
🔺دانلود مستقیم فونت رایگان
▪️▪️▪️▪️▪️▪️▪️▪️▪️
📚 آرشیو معتبرترین مجلات جهان
🆔 @EnglishMagazines_PDF
.
جزوه سری ها در ریاضی عمومی ۱
دانشگاه شهید بهشتی
دکتر صمد حاج جباری
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
🔥 وبینار رایگان «دیتا ساینس و ساخت محصولات داده‌محور (Data Products)»
🚀چطور داده‌ها و مدل‌های Data Science از یک تحلیل یا مدل ساده، به یک محصول واقعی و قابل استفاده در کسب‌وکار تبدیل می‌شوند؟
💡 در این وبینار بررسی میکنیم:
🔹 #دیتا_ساینس چیست و در دنیای واقعی چه کاربردهایی دارد؟
🔹 شرکت‌ها چگونه با داده و AI محصولات واقعی می‌سازند؟
🔹 خروجی‌های واقعی حاصل از به‌کارگیری علم داده چیست؟
🔹 چطور وارد بازار کار و فریلنسری بین‌المللی حوزه داده شویم؟
🎯 اگر به #علم_داده ، هوش مصنوعی و ساخت محصولات داده‌محور علاقه‌مندید و می‌خواهید نگاهتان را از «ساخت مدل» به «ساخت محصول واقعی» ارتقا دهید، این وبینار برای شماست.
🗓 سه‌شنبه | ۱۴ مهر | ساعت ۱۹
🎁 ثبت‌نام رایگان | ظرفیت محدود
🔗 لینک ثبت‌نام:
برای ثبت‌نام اینجا کلیک کنید
برای ثبت‌نام اینجا کلیک کنید
✨ موسسه آموزشی توسعه
➖➖➖➖➖➖➖➖➖
🌐 tihe.ac.ir
☎️ ۰۲۱-۸۶۷۴۱
📐 پشت پرده ریاضی مسئله توقف بهینه: چرا دقیقاً ۳۷٪؟
در پست قبل دیدیم که استراتژی بهینه در مسئله منشی (Secretary Problem)، رد کردن ۳۷٪ اول گزینه‌ها و سپس انتخاب اولین مورد بهتر است.
اما این عدد جادویی از کجا آمده است؟
چرا ۵۰٪ یا ۲۵٪ نه؟
در این پست به دل ریاضیات مسئله می‌رویم و نشان می‌دهیم که چگونه عدد نپر (e) و لگاریتم طبیعی در قلب یک مسئله تصمیم‌گیری ظاهر می‌شوند.
━━━━━━━━━━━━━━
🔢 فرمول‌بندی احتمال موفقیت
فرض کنید n متقاضی داریم و تصمیم می‌گیریم r نفر اول را رد کنیم (فاز مشاهده). حالا می‌خواهیم احتمال انتخاب بهترین فرد کل مجموعه را محاسبه کنیم که آن را P(r) می‌نامیم.
بهترین فرد کل مجموعه (فرد شماره kام) تنها در صورتی انتخاب میشود که دو شرط همزمان برقرار باشد:
اول: k باید بزرگتر از r باشد (یعنی جزو فاز مشاهده نباشد که کورکورانه رد شده باشد).
دوم: بهترین فرد بین r+1 تا k-1، باید حتماً در آن r نفر اول بوده باشد. چرا؟ چون اگر بهترینِ قبلی‌ها در فاز مشاهده نباشد، ما پیش از رسیدن به فرد kام، شخص دیگری را استخدام کرده و بازی تمام شده است.
احتمال اینکه بهترین فردِ k-1 نفر اول، در r نفر اول باشد برابر r/(k-1) است.
احتمال اینکه بهترین فرد کل مجموعه دقیقاً در جایگاه kام باشد نیز 1/n است.
بنابراین، کل احتمال موفقیت برابر است با مجموع این احتمالات برای تمام k ها از r+1 تا n:
P(r) = Σ [ (1/n) × (r / (k-1)) ] برای k از r+1 تا n
P(r) = (r/n) × Σ [ 1 / (k-1) ] برای k از r+1 تا n
Σ [ 1/k ] ≈ ∫(1/t) dt = -ln(x)
P(x) = -x.ln(x)
dP/dx = -ln(x) - 1 = 0
ln(x) = -1
x = e^(-1) = 1/e ≈ 0.3678...
P(1/e) = -(1/e) × ln(1/e) = -(1/e) × (-1) = 1/e ≈ 0.3678...
🤔سؤال برای بچه‌های آمارکده
تصور کنید یک دیتاست واقعی به شما داده‌اند
نه ۲۰ ردیف، نه ۱۰۰ ردیف...
یک میلیون ردیف!
شما اولین کارتان چیست؟
🔹 با Python شروع می‌کنید؟
🔹 اول داده‌ها را تمیز می‌کنید؟
🔹 نمودار می‌سازید؟
🔹 آمار توصیفی می‌گیرید؟
🔹 یا اول اصلاً می‌روید سراغ اینکه بفهمید این داده‌ها چطور جمع‌آوری شده‌اند؟
جواب خودتان را بنویسید،حتی اگر مطمئن نیستید.
بیایید ببینیم اولین واکنش بچه‌های آمارکده به یک دیتاست بزرگ چیست. 📊🐍
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
تابع مولد گشتاور، MGF دقیقا چیست؟
در نظریه احتمال به میانگین یک توزیع احتمالی امید ریاضی یا Expected value اون توزیع گفته میشه، که با علامت [X]E نشون داده میشه.
گاهی وقتا به عنوان مثال نیاز داریم برای محاسبه واریانس توزیع امید X² رو محاسبه کنیم که به طور مستقیم کار نسبتا سختی هست.
خب، برای راحت تر کردن محاسبه امید X^n یک مفهومی بیان شد به اسم مولد گشتاور که گشتاور های X که
E[X],E[X²],...,E[X^n]
هست رو محاسبه میکنه.
مولد گشتاور به شکل زیر تعریف میشه:
MX(t) =E[e^(tX)]
یا به صورت انتگرال
e^(tx)fX(x)
(برای توزیع های گسسته زیگما همین تعریف) روی تمام x های قابل تعریف.
اگر MGF در یک بازه حول صفر متناهی باشد، می‌توان مشتق را زیر علامت امید ریاضی برد:
MX'(t)=E[Xe^(tX)]
پس:
MX'(0)=E[X]
و به همین ترتیب:
MX''(0)=E[X^2]MX^(n)(0)=E[X^n]
حالا برای توزیع هایی که مولد گشتاور دارن این تابع رو محاسبه میکنیم و با مشتقات مختلف اون در مرتبه های مختلف در نقطه 0 گشتاور های مختلف توزیع رو محاسبه میکنیم
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
🚀 پروژه داری؟ متخصصش رو پیدا کن!
دنبال یک فریلنسر حرفه‌ای برای انجام پروژه‌ات هستی؟
یا مهارتی داری و می‌خوای ازش درآمد کسب کنی؟ 💰
اینجا می‌تونی:
🔹 پروژه ثبت کنی
🔹 متخصص مناسب پیدا کنی
🔹 پروژه بگیری
🔹 مهارتت رو به درآمد تبدیل کنی
✨ یک قدم تا شروع همکاری حرفه‌ای!
🔗 http://akafreelancer.com
📲 آکا فریلنسر رو در شبکه‌های اجتماعی دنبال کن!
از پروژه‌های جدید و فرصت‌های فریلنسری باخبر شو،
مهارت‌هات رو بیشتر دیده شو و فرصت‌های همکاری رو از دست نده! 🚀
✨ همین حالا به ما بپیوند:
@aka_freelancer
🔔 همراه ما باش؛ فرصت بعدی شاید همین‌جا منتظرت باشه!
پارادوکس سیمپسون چیه؟
گاهی وقتی داده ها رو در گروه های مختلف بررسی می کنیم یک نتیجه مشخص می بینیم ، اما وقتی همه گروه ها رو با هم ترکیب می کنیم نتیجه تغییر میکنه و حتی ممکنه کاملا برعکس بشه
به این پدیده پارادوکس سیمپسون می گیم
در مثال بالا روش A در هر دو گروه عملکرد بهتری داره اما وقتی داده های دو گروه رو با هم ترکیب می کنیم نتیجه کلی به نفع روش B میشه
چطور ممکنه؟
چون تعداد افراد و نحوه توزیع اونها بین گروه ها یکسان نیست و همین موضوع میتونه روی نتیجه کلی اثر بذاره
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
📊 مقایسه استراتژیک Power BI و Tableau: نبرد غول‌های هوش تجاری
در دنیای داده‌ها، پرسشِ «کدام ابزار بهتر است؟» به اندازه «کدام زبان برنامه‌نویسی برای هوش مصنوعی بهتر است؟» بحث‌برانگیز است. واقعیت این است که این دو ابزار در دو میدان نبردِ متفاوت بازی می‌کنند.
بیایید فارغ از کلیشه‌ها، از نگاه یک متخصص داده به این دو نگاه کنیم:
✅ وقتی مدل‌سازی و مدیریت داده اولویت دارد (حکم‌فرمایی Power BI)
اگر کسب‌وکار شما در اکوسیستم مایکروسافت تنیده شده (SQL Server, Azure, Excel) و نیاز دارید «مدل داده» (Data Model) منسجم و استانداردی بسازید، انتخاب اول بی‌شک Power BI است.
• مزیت استراتژیک: قدرتِ Power Query در ETL داده‌ها و زبانِ DAX برای محاسباتِ پیچیده زمانی، به شما اجازه می‌دهد بدون نیاز به تیم‌های مهندسی داده بزرگ، گزارش‌های خودکار و سنگین بسازید.
🎨 وقتی هنرِ داستان‌سرایی و اکتشاف اولویت دارد (حکم‌فرمایی Tableau)
اگر داده‌های شما ساختار غیرمعمول دارند، نیاز به نقشه‌های پیچیده دارید و می‌خواهید داده‌ها را به شکلی ارائه دهید که در هر جلسه مدیریتی خیره‌کننده باشد، Tableau بی‌رقیب است.
• مزیت استراتژیک: انعطاف‌پذیری تبلو در بصری‌سازی (Visualization) به شما اجازه می‌دهد به جای نمودارهای استاندارد، «داستانِ داده» را به شکل خلاقانه‌ای روایت کنید. تبلو ابزارِ تحلیل‌گرانِ پیشروست که می‌خواهند از بندِ ساختارهای ثابتِ گزارش‌گیری رها شوند.
💢 چهار فاکتور حیاتی برای تصمیم‌گیری:
1️⃣ پیچیدگی فنی: اگر تیم شما با اکسل راحت است، Power BI منحنی یادگیری بسیار نرم‌تری دارد.
2️⃣ بودجه و مقیاس: Power BI برای سازمان‌هایی که به دنبال ROI (بازگشت سرمایه) بالا هستند گزینه‌ای مقرون‌به‌صرفه‌تر است.
3️⃣ نوع خروجی: اگر هدف «گزارش‌های عملیاتی روزانه» است، Power BI؛ اگر هدف «داستان‌سرایی و اکتشاف در داده‌های حجیم» است، Tableau.
4️⃣ یکپارچگی: Power BI برای مایکروسافتی‌ها؛ Tableau برای کسانی که می‌خواهند با هر منبع داده‌ای (از هر فروشنده‌ای) سریع وصل شوند.
📌 حرف آخر:
هیچ‌کدام از این دو ابزار «برنده مطلق» نیستند. انتخابِ درست، تابعِ «فرهنگِ داده‌محور» سازمان شماست.
شما در پروژه‌های اخیرتان با کدام ابزار، چالش‌های پیچیده‌تری را حل کردید؟ آیا به سمت ابزارهای متن‌باز (Open Source) متمایل شده‌اید یا همچنان به غول‌های بازار وفادارید؟
بحث را در کامنت‌ها باز بگذاریم. 👇
#PowerBI
#Tableau
#DataStrategy #BusinessIntelligence #DataStorytelling
#هوش_تجاری
#تحلیل_داده
#علم_داده
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
⏳ بلاتکلیفی در ثبت‌نام ارشد بدون آزمون دانشگاه آزاد
با وجود اعلام قبلی دانشگاه آزاد درباره آغاز ثبت‌نام کارشناسی ارشد استعدادهای درخشان ۱۴۰۵ در اوایل مهر ، فرآیند ثبت‌نام هنوز آغاز نشده و داوطلبان همچنان منتظر اعلام زمان دقیق شروع ثبت‌نام هستند.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━
❔فکر می‌کنی اکسل فقط همون جدول و فرموله؟
🗻یه کوه یخه که فقط نوکش رو دیدی.
🧊 لایه های زیری چی پنهونه که هنوز کشفش نکردی؟
⁉️و اینکه آیا این همون اولین مهارتیه که باید یاد بگیری؟
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━