Channel Public Channel

ریاضی، آمار و علوم کامپیوتر - مدارس میان‌رشته‌ای

@ids_math

کانال ریاضی، آمار و علوم کامپیوتر مجموعه علمی و پژوهشی مدارس میان رشته ای:

تبلیغ و تبادل:
@ShadmaniL
لینک کانال اصلی:
@IDSchools
مدیریت:
@M_Solh

Open in Telegram

Subscribers: 1.06K
Photos: 71
Videos: 11
Links: 175

Showing posts older than #134 · Back to latest

Older Posts 20 shown

Post #133 740 Aug 28, 2024, 16:30 UTC

🌐 #توسعه_و_تحقیق_کار_ها
❓ چرا باید آمار را دوست داشته باشید؟

🗣 آلن اسمیت، کارشناس تجسم داده‌ها، می‌گوید چه ما خود را فردی ریاضی بدانیم یا نه، توانایی ما در درک و کار با اعداد بسیار محدود است. در این سخنرانی لذت بخش، اسمیت عدم تطابق بین آنچه می‌دانیم و آنچه فکر می‌کنیم می‌دانیم را بررسی می‌کند.

https://youtu.be/ogeGJS0GEF4?si=3BSlZeSB56ENpl4T

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✅@IDSchools
✅@IDS_Math

YouTube Why you should love statistics | Alan Smith Think you're good at guessing stats? Guess again. Whether we consider ourselves math people or not, our ability to understand and work with numbers is terribly limited, says data visualization expert Alan Smith. In this delightful talk, Smith explores the…

Post #132 770 Aug 27, 2024, 16:31 UTC

📚#سفر_به_دنیای_کتاب_ها

❕ حقیقت سخت در مورد خواندن کتاب های ریاضی

📱 این ویدیو در مورد خواندن کتاب‌های ریاضی صحبت می‌کند. همچنین نگاهی به کتاب جبر انتزاعی نوشته‌ی دان ساراچینو می‌اندازد.

https://youtu.be/pLJSz1KgoOk?si=jrOPMv9oV_JVDfTc

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

YouTube The Hard Truth About Reading Math Books In this video I talk about reading math books. We also take a look at an abstract algebra book written by Dan Saracino. Here is the math book: https://amzn.to/3FVhRTF Useful Math Supplies https://amzn.to/3Y5TGcv My Recording Gear https://amzn.to/3BFvcxp…

Post #131 552 Aug 26, 2024, 16:31 UTC

💥 #اکتشاف_دنیای_دیجیتال

➡️ Visual Fractal

⬜️نرم‌افزاری برای ساخت فرکتال‌ها است. می‌توان با روش نیوتن( درآنالیز عددی به این مبحث پرداخته شده است) معادله‌های متفاوتی را وارد و نمایش آن‌ها را دید و تصویر ساخته شده را با فرمت bmp ذخیره کرد. فراکتال‌ها الگوهای هندسی دقیق و پیچیده‌ای هستند که در دنیای طبیعت به وفور دیده می‌شوند. گیاهان، ابرها، خط ساحل، رگ‌های خونی و دانه‌های برف نمونه‌هایی از فرکتال طبیعی هستند. این اشکال بر خلاف شکل‌های هندسی به هیچ وجه منظم نیستند.

⬜️فراکتال ساختاری است که هر جزء از آن با کل آن همانند است، و جسم فراکتال از دور و نزدیک یکسان دیده می‌شود. از فراکتال‌ها به عنوان یکی از ابزارهای مهم در گرافیک رایانه‌ای نام می‌برند.برخی از نرم افزارها به صورت اختصاصی برای طراحی فراکتال ساخته شد‌ اند، و در این مطلب یکی از بهترین آنها را به شما معرفی می‌کنیم.نرم افزار Visual Fractal طرح‌های فراکتال دقیق را ایجاد می‌کند. این طرح‌ها با استفاده از فرمول‌های ریاضی ایجاد می‌شوند.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #130 494 Aug 25, 2024, 16:30 UTC

🖥 #سازنده_جهان_دیجیتال

🔹صرف نظر از اینکه در چه زمینه ای هستید، علم کامپیوتر در حال تغییر آن صنعت است.

Computer Science is Changing Everything
https://youtube.com/watch?v=QvyTEx1wyOY&feature=shared

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

YouTube Computer Science is Changing Everything No matter what field you want to go into, Computer Science is changing that industry. Start learning at http://code.org/ Special thanks to: - Elena Silenok / Clothia.com - Drew Houston / Dropbox - Lee Redden / Blue River Technology - Jess Lee / Polyvore…

Post #129 348 Aug 25, 2024, 08:30 UTC

Forwarded from روانشناسی و علوم شناختی - مدارس میان‌رشته‌ای

🗣دپارتمان روانشناسی و علوم‌ شناختی مجموعه علمی و پژوهشی مدارس میان رشته ای برگزار می کند:

✨ سری وبینار‌های رایگان «همگام با پیشتازان»

9️⃣قسمت نهم: The Science of Social Evil

👤با حضور: آقای کمیل قاسمی دانشجوی مقطع دکتری دانشگاه اسکس انگلستان

🔴عصب انسان‌شناس و مغز پژوه اجتماعی

🔜 پنجشنبه 8 شهریور ساعت: 17 الی 19

⭐️ در این وبینارهای رایگان که به همت مدارس میان‌رشته‌ای برگزار می‌شود، میزبان اساتید، پژوهشگران و دانشجویان برگزیده و نخبه در داخل و خارج کشور خواهیم بود و با مسیر موفقیت آکادمیک ایشان و نیز پژوهش‌های میان‌رشته‌ای آشنا خواهیم شد.

❗️ برای شرکت در این وبینار به کانال و گروه تعاملی روانشناسی مدارس میان‌رشته‌ای مراجعه کنید.

👈 لینک ثبت نام رایگان در وبینار : [لینک گوگل فرم برای شرکت در وبینار قسمت نهم دپارتمان روانشناسی و علوم‌ شناختی با موضوع: The Science of Social Evil] ➡️

🔴بعد از ثبت نام در گوگل فرم بالا، منتظر اخبار این وبینار از کانال روانشناسی مدارس میان رشته‌ای باشید.🔴

#️⃣#IDS_Psy
#️⃣#IDSchools

✉️@IDS_Psy
✉️@IDSchools
✉️@Psy_IDSchools

Post #128 534 Aug 24, 2024, 16:31 UTC

✨✨✨#زیبایی_های_ریاضی✨✨✨

🤩 ریاضیات دنیایی پر از زیبایی و شگفتی است که بسیاری از مردم از آن بی‌خبرند.

✅ بیشتر مثال‌هایی که مردم معمولاً می‌آورند اتفاقات تصادفی در ریاضیات هستند. تصادفات زیبا هستند، بله، اما زیبایی بسیار بیشتری در درک دلیل پشت آن‌ها وجود دارد.

🟣 برای مثال سریع، به این فکر کنید: 4 یک مربع کامل، 9 یک مربع کامل، و 49 نیز یک مربع کامل است. واقعا تصادفیست؟

🔣 اجازه دهید با چیزی نسبتاً آسان و شناخته شده شروع کنیم.

1/7=0.142857… تکرار 142857 برای همیشه.

2/7=0.285714… تکرار 285714 برای همیشه. اوه، این به سادگی 142857 تنظیم مجدد شده است تا با 2 شروع شود.

3/7=0.428571… تکرار 428571 برای همیشه.

4/7=0.571428… تکرار 571428 برای همیشه.

5/7=0.714285… تکرار 714285 برای همیشه.

6/7=0.857142… تکرار 857142 برای همیشه.

7/7=0.99999…=1.

همانطور که می‌بینید، به غیر از 7/7، بقیه در اصل از 142857 تکرار شده ساخته شده‌اند و تنها تفاوت این است که حلقه خود را از کجا شروع می‌کنید. چرا؟ بگذارید کمی بیشتر در مورد آن فکر کنیم.

❓ چه چیزی در مورد 142857 بسیار جادویی است؟ به دو رقم اول فکر کنید، 14، که واقعاً 2 ضربدر 7 است. بعد به دو رقم بعدی فکر کنید، 28، که به سادگی می شود 4 ضربدر 7. حالا به دو رقم بعدی، 57 فکر کنید. این نزدیک به 8 ضربدر 7 است، و باقیمانده 1 وجود دارد. با این باقیمانده چه اتفاقی افتاد؟ خوب، با دو رقم بعدی که دوباره 14 می شود، به 114 می رسد که نزدیک به 16 ضربدر 7 است و باقیمانده 2 باقی می ماند. دوباره 2 با دو رقم بعدی می رود تا 228 را تشکیل دهد که نزدیک است. به 32 ضربدر 7، با 4 باقیمانده.

🟡 اجازه دهید در اینجا توقف کنیم و از فراوانی قدرت‌های 2، هم به عنوان عوامل و هم به عنوان باقیمانده، شگفت زده شویم. این کمی زیباتر از قبل است، بله؟ اما اجازه دهید کمی بیشتر در مورد آن فکر کنیم.

◀️ادامه دارد ...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #127 545 Aug 23, 2024, 16:31 UTC

🗣#سخن_بزرگان

🗣"منطق، علم است، اما هنر آن در کاربرد آن است."
👤جان وِن (John Venn)،

👤 جان وِن (John Venn)، متولد 4 آگوست 1834، یک منطق‌دان و فیلسوف انگلیسی بود که برای معرفی نمودار ون که در زمینه‌های نظریه مجموعه‌ها، احتمالات، منطق، آمار و علوم کامپیوتر استفاده می‌شد، مورد توجه قرار گرفت. وقتی صحبت از ریاضیات می‌شود، از نمودارهای ون مخصوصاً در مجموعه‌ها استفاده می‌کنیم. درک هر گونه عملیات مجموعه‌ای با استفاده از این نمودارها بسیار آسان است. اساساً با استفاده از نمودارها تعریف اتحاد، تقاطع، اختلاف متقارن و هر چیز دیگری را یاد می‌گیریم.

🟡 نمودارهای ون (Venn Diagrams) ابزارهای بصری هستند که برای نمایش روابط بین مجموعه‌ها به کار می‌روند. این نمودارها معمولاً شامل دایره‌هایی هستند که هر دایره نمایانگر یک مجموعه خاص است و تداخل یا همپوشانی بین دایره‌ها نشان‌دهنده اشتراک عناصر بین مجموعه‌ها است.

🔣 اجزای اصلی نمودارهای ون:

1. دایره‌ها: هر دایره نمایانگر یک مجموعه است. دایره‌ها می‌توانند با هم تداخل داشته باشند، که این تداخل نشان‌دهنده عناصری است که در هر دو یا چند مجموعه مشترک هستند.

2. فضای خارج دایره‌ها: این فضا نمایانگر عناصری است که در هیچ یک از مجموعه‌ها وجود ندارند.

✅ کاربردها:

- تحلیل داده‌ها: برای مقایسه و تجزیه و تحلیل داده‌ها و مشاهده روابط بین مجموعه‌ها.
- آموزش ریاضیات: برای کمک به درک مفاهیم پایه‌ای مانند اشتراک، اجتماع و تفاضل مجموعه‌ها.
- حل مسائل منطقی: در مسائل منطقی و استدلالی برای نشان دادن روابط بین فرضیات مختلف.

🟡 مثال:

فرض کنید دو مجموعه داریم:
- مجموعه A: 1, 2, 3, 4
- مجموعه B: 3, 4, 5, 6

در نمودار ون، دو دایره رسم می‌کنیم. دایره A شامل اعداد 1، 2، 3 و 4 است و دایره B شامل اعداد 3، 4، 5 و 6. اعداد 3 و 4 در ناحیه همپوشانی دو دایره قرار می‌گیرند، زیرا این اعداد مشترک هستند.

⬅️ نتیجه‌گیری:

نمودارهای ون ابزارهای مفیدی برای تجسم و تحلیل روابط بین مجموعه‌ها هستند و می‌توانند به درک بهتر مفاهیم ریاضی و منطقی کمک کنند.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #126 559 Aug 22, 2024, 16:30 UTC

🎲#گام_به_گام

💻 کدنویسی

6️⃣ دستورات پایه در پایتون: قسمت ششم
🔹 متغیرهای سراسری (Global Variables)
متغیرهایی که خارج از یک تابع ایجاد می‌شوند (مانند تمام مثال‌های پست‌های قبل) به عنوان متغیرهای سراسری شناخته می‌شوند.

◀️ متغیرهای سراسری می‌توانند برای همه استفاده شوند، چه در داخل توابع و چه در خارج آن.

🟣 مثال
یک متغیر خارج از یک تابع ایجاد کنید و از آن در داخل تابع استفاده کنید:
x = "awesome"

def myfunc():
print("Python is " + x)

myfunc()
خروجی پایتون:
Python is awesome

◀️ اگر متغیری با همین نام در داخل یک تابع ایجاد کنید، این متغیر محلی خواهد بود و فقط در داخل تابع قابل استفاده است. متغیر سراسری با همان نام به همان شکلی که بود، سراسری و با مقدار اصلی باقی می‌ماند.

🟣 مثال:
یک متغیر در داخل یک تابع، با همان نام متغیر سراسری ایجاد کنید.
x = "awesome"

def myfunc():
x = "fantastic"
print("Python is " + x)

myfunc()

print("Python is " + x)
خروجی پایتون:
Python is fantastic
Python is awesome

🔴 کلمه کلیدی سراسری (Global keyword)
🟡 به طور معمول، وقتی یک متغیر را در داخل یک تابع ایجاد می‌کنید، آن متغیر محلی است و فقط می‌تواند در داخل آن تابع استفاده شود.

🟡 برای ایجاد یک متغیر سراسری در داخل یک تابع، می‌توانید از کلمه کلیدی global استفاده کنید.

🟣 مثال
اگر از کلمه کلیدی global استفاده می کنید، متغیر به دامنه جهانی تعلق دارد:
def myfunc():
global x
x = "fantastic"

myfunc()

print("Python is " + x)
خروجی پایتون:
Python is fantastic

◀️ همچنین اگر می‌خواهید متغیر سراسری را در یک تابع تغییر دهید، از کلمه کلیدی global استفاده کنید.
🟣 مثال:
برای تغییر مقدار یک متغیر سراسری در یک تابع، با استفاده از کلمه کلیدی global به متغیر مراجعه کنید:
x = "awesome"

def myfunc():
global x
x = "fantastic"

myfunc()

print("Python is " + x)

خروجی پایتون:
Python is fantastic
👈 ادامه دارد....

#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #125 980 Aug 21, 2024, 16:30 UTC

🌐 #توسعه_و_تحقیق_کار_ها

6️⃣ آموزش آمار با SPSS- قسمت ششم

◀️ در این قسمت با آزمون t یکطرفه (oneway t-test) بیشتر آشنا میشیم.

#️⃣#آموزش_آمار_با_SPSS
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #124 756 Aug 20, 2024, 16:31 UTC

📚#سفر_به_دنیای_کتاب_ها

😄 ۱۰ تا از بهترین کتاب‌های آماری:
⬅️کتاب‌هایی که این ویدیو معرفی می‌شوند:
۱.آمار برای مهندسین و دانشمندان
۲.آمار ویرایش ۱۱
۳.آمار از macclave&sincich
۴.هنر آمار
۵.معرفی یادگیری آمار با کاربرد درR
۶.آمار برای اقتصاد و کسب‌و‌کار
۷.آمار: اکتشاف و تحلیل داده
۸.آمار مبتدی
۹.آمار: هنر و علم یادگیری از داده
۱۰.آمار برای کسانی که (فکر می‌کنند) از آمار بدشان می‌آید.

https://youtu.be/uEWHo4B9r98?si=v5OWSr4iRR3MrDNO

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

YouTube 10 Best Statistics Textbooks 2020 UPDATED RANKING ►► https://wiki.ezvid.com/best-statistics-textbooks Disclaimer: These choices may be out of date. You need to go to wiki.ezvid.com to see the most recent updates to the list. Our complete review, including our selection for the year's best…

Post #123 619 Aug 19, 2024, 16:31 UTC

🖥 #سازنده_جهان_دیجیتال

4️⃣ طراحی الگوریتم - قسمت چهارم

➡️مطالعه الگوریتم‌ها زمینه‌های متعدد زیر را شامل می‌شود:

⬜️ 1. طراحی الگوریتم‌ها: روش‌های مختلفی برای طراحی الگوریتم‌ها وجود دارند که از جمله این روش‌ها می‌توان به روش‌های بازگشتی، تقسیم و غلبه، حریصانه، برنامه نویسی پویا، روش بازگشت به عقب، انشعاب و تحدید، برنامه نویسی خطی و غیره اشاره کرد

⬜️ 2. معتبرسازی یا اثبات درستی الگوریتم‌ها: یک الگوریتم در صورتی درست است که به ازای هر ورودی مناسب خروجی درستی دهد. بعد از طراحی الگوریتم لازم است نشان داده شود که الگوریتم فوق برای تمامی ورودی‌های مناسب جواب صحیح می‌دهد. هدف این است تا مطمئن شویم که الگوریتم ارائه شده، مستقل از زبان برنامه نویسی خاصی که ممکن است به آن زبان نوشته شود بطور صحیح عمل خواهد کرد.

⬜️ 3. تحلیل و ارزیابی کارایی الگوریتم‌ها:یک الگوریتم در زمان اجرا از cpu کامپیوتر برای اجرای عملیات و از حافظه برای ذخیره سازی برنامه‌ها و داده‌ها استفاده می‌کند. تحلیل الگوریتم‌ها به فرآیندی اطلاق می‌شود که تعیین می‌کند که الگوریتم مزبور به چه مدت زمان از cpu برای انجام محاسبات و عملیات (پیچیدگی زمانی) و به چه مقدار حافظه (پیچیدگی مکانی) برای ذخیره سازی داده‌ها یا برنامه نیاز دارد.

⬜️ 4. پیاده سازی: پس از مرحله معتبرسازی و تحلیل الگوریتم می‌توان آن را با یک زبان برنامه نویسی دلخواه پیاده سازی کرد.

⬜️ 5. تست برنامه: پس از پیاده سازی الگوریتم به یک زبان برنامه نویسی می‌توان آن را برای تعیین اینکه آیا نتیجه غلطی می‌دهد یا نه بر روی مجموعه داده‌های نمونه گیری شده اجرا کرد. در صورت مشاهده نتیجه غلط باید برنامه را اصلاح کرد که به این فرآیند اشکال زدایی الگوریتم گفته می‌شود. بعد از اشکال زدایی می‌توان به پروفیلینگ برنامه پرداخت. پروفیلینگ به فرآیند اجرا برنامه درست و صحیح نهایی روی مجموعه داده‌های نمونه گیری شده برای تعیین زمان و فضای لازم برای محاسبه نتیجه گفته می‌شود.

🔳 ادامه دارد ...

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✈️@IDSchools
✈️@IDS_Math

Post #122 539 Aug 18, 2024, 16:31 UTC

💥 #اکتشاف_دنیای_دیجیتال

🔣 نرم افزار تحلیل آماری Splus

✅ نرم افزار Splus یک نرم افزار آماری قدرتمند است که برای تجزیه و تحلیل داده‌های آماری در زمینه‌های مختلف مانند علوم زیستی، پزشکی، مهندسی، علوم اجتماعی و اقتصادی استفاده می‌شود. این نرم افزار دارای قابلیت‌های گسترده‌ای در زمینه‌های آمار توصیفی، آمار استنباطی، سری‌های زمانی، آمار ژئوگرافیکی و برنامه‌نویسی آماری است. Splus یک پیاده‌سازی تجاری از زبان برنامه نویسی S است که توسط TIBCO Software Inc فروخته می‌شود. دارای قابلیت‌های برنامه‌نویسی شی‌گرا و الگوریتم‌های تحلیلی پیشرفته است.

✅ با توجه به محبوبیت فزاینده منبع باز S جانشین R، TIBCO Software TIBCO Enterprise Runtime for R (TERR) را به عنوان یک مفسر جایگزین R منتشر کرد.
نرم افزار Splus در زمینه‌های مختلف علمی و صنعتی کاربرد دارد.

💡 برخی از کاربردهای این نرم افزار عبارتند از:
• علوم زیستی و پزشکی: نرم افزار Splus برای تجزیه و تحلیل داده‌های زیست‌شناسی، پزشکی، داروسازی و علوم زیست‌پزشکی استفاده می‌شود. به عنوان مثال، این نرم افزار برای تجزیه و تحلیل داده‌های ژنتیک، داده‌های پزشکی و داده‌های بالینی استفاده می‌شود.
• مهندسی: نرم افزار Splus برای تجزیه و تحلیل داده‌های مهندسی مانند داده‌های کنترل کیفیت، داده‌های آزمایشگاهی و داده‌های طراحی استفاده می‌شود.
• علوم اجتماعی و اقتصادی: نرم افزار Splus برای تجزیه و تحلیل داده‌های علوم اجتماعی و اقتصادی مانند داده‌های نظرسنجی، داده‌های بازاریابی و داده‌های مالی استفاده می‌شود.

⚫ همچنین کاربردهای مختلف این نرم‌افزار در زمینه آماری شامل:
• مدل‌سازی پیشرفته اقتصادسنجی
• بهینه سازی عددی پیشرفته
• کشف روابط بین متغیرها در مجموعه داده های بزرگ
• مدل‌سازی داده‌ها با استفاده از پارادایم بیزی برای استنتاج آماری
• حل موثر مسائل بهینه سازی خطی و غیرخطی
• انواع تکنیک‌های نمونه‌گیری مجدد
• تجزیه و تحلیل سیگنال و تصویر پیشرفته، تجزیه و تحلیل سری های زمانی، تخمین سیگنال آماری و تجزیه و تحلیل فشرده سازی داده ها
• تحلیل های گرافیکی و آماری داده های محیطی .

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #121 511 Aug 17, 2024, 16:31 UTC

✨✨✨#زیبایی_های_ریاضی✨✨✨

👀 ریاضی راز پنهان درک جهان است.

◀️ با راجر آنتونسن، رمز و رازها و کارهای درونی جهان را از طریق یکی از تخیلی ترین اشکال هنری (ریاضیات) باز کنید. زیرا او توضیح می‌دهد که چگونه یک تغییر جزئی در دیدگاه می‌تواند الگوها، اعداد و فرمول‌ها را به‌عنوان دروازه‌های همدلی و درک آشکار کند.

✅ سخنرانی های تد (TEDtalks) پادکست مروری روزانه از بهترین سخنرانی‌ها و اجراهای کنفرانس تد است که در آن متفکران و مجریان برجسته جهان در 18 دقیقه سخنرانی خود را ارائه می‌کنند.
https://youtu.be/ZQElzjCsl9o?si=CXHyhg2DtbVZiuBW

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

YouTube Math is the hidden secret to understanding the world | Roger Antonsen Unlock the mysteries and inner workings of the world through one of the most imaginative art forms ever -- mathematics -- with Roger Antonsen, as he explains how a slight change in perspective can reveal patterns, numbers and formulas as the gateways to empathy…

Post #120 493 Aug 16, 2024, 16:31 UTC

😮 #کشف_جادوی_اعداد_و_احتمالات

❓علم داده چیست؟ (علم داده در ۵ دقیقه، علم داده برای مبتدی‌ها، ساده یاد بگیر)

📱 ویدیوی علم داده چیست؟ به شما ایده‌ای از زندگی دانشمند داده می‌دهد. این ویدیوی علم داده برای مبتدیان همچنین مراحل مربوط به پروژه علم داده، نقش‌ها و حقوق ارائه شده به یک دانشمند داده را توضیح می‌دهد. علم داده اساساً با داده‌های ساختاریافته و ساختارنیافته سروکار دارد. علم داده حوزه‌ای است که شامل هر چیزی است که به پاکسازی، آماده‌سازی و تجزیه و تحلیل داده‌ها مربوط می‌شود.

https://youtu.be/X3paOmcrTjQ?si=RMr2AC1jt0Vd22Mz

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

YouTube Data Science In 5 Minutes | Data Science For Beginners | What Is Data Science? | Simplilearn 🔥Data Scientist Masters Program (Discount Code - YTBE15) - https://www.simplilearn.com/big-data-and-analytics/senior-data-scientist-masters-program-training?utm_campaign=X3paOmcrTjQ&utm_medium=DescriptionFirstFold&utm_source=Youtube 🔥IITK - Professional Certificate…

Post #119 398 Aug 16, 2024, 08:31 UTC

Forwarded from روانشناسی و علوم شناختی - مدارس میان‌رشته‌ای

🆕🆕🆕🆕🆕🆕🆕🆕🆕🆕
🗣دپارتمان روانشناسی و علوم‌ شناختی مجموعه علمی و پژوهشی مدارس میان رشته ای برگزار می کند:

✨ سری وبینار‌های رایگان «همگام با پیشتازان»

8⃣ قسمت هشتم: ایران در سیر فرگشت انسانی

👤با حضور: دکتر سامان حیدری گوران

🟢 از انستیتوی پیش از تاریخ دانشگاه کلن آلمان

🟢 و بنیاد پژوهشی پارینه سنگی دیار مهر

⏰ دوشنبه ۲۹ مرداد ماه ساعت ۱۸ الی ۱۹:۳۰

💡 در این وبینارهای رایگان که به همت مدارس میان‌رشته‌ای برگزار می‌شود، میزبان اساتید، پژوهشگران و دانشجویان برگزیده و نخبه در داخل و خارج کشور خواهیم بود و با مسیر موفقیت آکادمیک ایشان و نیز پژوهش‌های میان‌رشته‌ای آشنا خواهیم شد.

🔴 برای شرکت در این وبینار به کانال و گروه تعاملی روانشناسی مدارس میان‌رشته‌ای مراجعه کنید.

👈 لینک ثبت نام رایگان در وبینار «ایران در سیر فرگشت انسانی»: [لینک گوگل فرم برای شرکت در وبینار قسمت هشتم دپارتمان روانشناسی با موضوع ایران در سیر فرگشت انسانی]

😉بعد از ثبت نام در گوگل فرم بالا، منتظر اخبار این وبینار از کانال روانشناسی مدارس میان رشته‌ای باشید.

#️⃣#IDS_Psy
#️⃣#IDSchools

🚀@IDS_Psy
✈️@IDSchools

Post #118 541 Aug 15, 2024, 16:31 UTC

🎲#گام_به_گام

💻 کدنویسی

5️⃣ دستورات پایه در پایتون: قسمت پنجم
◀️ یک مجموعه را باز کنید.
اگر مجموعه‌ای از مقادیر در یک لیست، تاپل و غیره دارید، پایتون به شما اجازه می‌دهد که مقادیر را به متغیرها استخراج کنید. به این کار باز کردن بسته بندی (unpacking) می‌گویند.

🟡 مثال:
fruits = ["apple", "banana", "cherry"]
x, y, z = fruits
print(x)
print(y)
print(z)
خروجی پایتون

apple
banana
cherry

⬅️ متغیرهای خروجی
🟣تابع ()print اغلب برای خروجی متغیرها استفاده می‌شود.
🟡 مثال:
x = "Python is awesome"
print(x)
خروجی پایتون:
Python is awesome

🟣در تابع ()print شما چندین متغیر را که با کاما از هم جدا شده‌اند، خروجی می‌دهید:
🟡 مثال:
x = "Python"
y = "is"
z = "awesome"
print(x, y, z)
خروجی پایتون:
Python is awesome

🟣 همچنین می‌توانید از عملگر + برای خروجی چندین متغیر استفاده کنید:
🟡 مثال:
x = "Python "
y = "is "
z = "awesome"
print(x + y + z)
خروجی پایتون:
Python is awesome

‼️ به کاراکتر Space بعد از "Python" و "is" توجه کنید، بدون آنها نتیجه "Pythonisawesome" خواهد بود.

🟣برای اعداد، کاراکتر + به عنوان یک عملگر ریاضی عمل می‌کند:
🟡 مثال:
x = 5
y = 10
print(x + y)
خروجی پایتون:
15

🟣در تابع ()print وقتی می‌خواهید یک رشته و یک عدد را با عملگر + ترکیب کنید، پایتون به شما یک خطا می‌دهد:
🟡 مثال:
x = 5
y = "John"
print(x + y)
خروجی پایتون:
TypeError: unsupported operand type(s) for +: 'int' and 'str'

🟣 بهترین راه برای خروجی چندین متغیر در تابع ()print جدا کردن آنها با کاما است که حتی از انواع داده‌های مختلف پشتیبانی می‌کند:
🟡 مثال:
x = 5
y = "John"
print(x, y)
خروجی پایتون:
5 John

◀️ ادامه دارد....

#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #117 621 Aug 14, 2024, 16:29 UTC

🌐 #توسعه_و_تحقیق_کار_ها

5️⃣ آموزش آمار با SPSS- قسمت پنجم

✅ در این قسمت با نحوه‌ی تبدیل داده‌ها در spss بیشتر آشنا میشیم.

#️⃣#آموزش_آمار_با_SPSS
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

Post #116 975 Aug 13, 2024, 16:31 UTC

📚#سفر_به_دنیای_کتاب_ها

📱 این ویدیو تعدادی از معروف‌ترین کتاب‌های علوم کامپیوتر در جهان را به شما نشان می‌دهد. این سری از کتاب‌ها به «هنر برنامه‌نویسی رایانه‌ای» معروف هستند و توسط دونالد نوت افسانه‌ای نوشته شده‌اند. این مجموعه هنوز در حال پیشرفت است و آخرین کتاب این مجموعه جلد 4a است. این ویدیو به طور خلاصه سه جلد اول را به شما نشان می‌دهد.

https://youtu.be/R35nogDcFfY?si=dl3FtwGVeX0iwtD0

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

YouTube The Most Famous Computer Science Books In The World In this video I will show you some of the most famous computer science books in the world. This series of books is known as "The Art of Computer Programming" and they were written by the legendary Donald Knuth. This series is still a work in progress and…

Post #115 611 Aug 12, 2024, 16:31 UTC

🖥 #سازنده_جهان_دیجیتال

😮 این ویدیو حقایق جالبی را در مورد رایانه‌ها که شاید قبلاً نمی‌دانستید به اشتراک خواهد گذاشت. از اولین رایانه‌ای که ساخته شد تا ریشه‌های اینترنت و محبوب‌ترین بازی‌های رایانه‌ای را به شما معرفی می‌کند. در برخی از جالب‌ترین و پنهان‌ترین حقایق در مورد رایانه‌ها.

📱 پس بنشینید و در این 15 حقیقت جالب در مورد رایانه، حقایق جالبی در مورد رایانه‌ها و چیزهای جدیدی در مورد این فناوری شگفت انگیز بیاموزید!

https://youtu.be/NJquNyA_lOA?si=FzOSXCDRL_mCjqar

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

YouTube 15 Fascinating Facts About Computers You've Never Heard Before In this video, we're going to share some fascinating facts about computers that you might not have known before. From the first computer to be built, to the origins of the internet, to the most popular computer games, we're going to give you a look at some…

Post #114 375 Aug 12, 2024, 08:29 UTC

Forwarded from روانشناسی و علوم شناختی - مدارس میان‌رشته‌ای

🆕🆕🆕🆕🆕🆕🆕🆕🆕🆕
🗣دپارتمان روانشناسی و علوم‌ شناختی مجموعه علمی و پژوهشی مدارس میان رشته ای برگزار می کند:

✨ سری وبینار‌های رایگان «همگام با پیشتازان»

7️⃣ قسمت هفتم: خروج اول و دوم از آفریقا

👤با حضور: دکتر سامان حیدری گوران

🟢از انستیتوی پیش از تاریخ دانشگاه کلن آلمان
🟢و بنیاد پژوهشی پارینه سنگی دیار مهر

🔜 دوشنبه ۲۲ مرداد ماه ساعت ۱۸ الی ۱۹:۳۰

💡 در این وبینارهای رایگان که به همت مدارس میان‌رشته‌ای برگزار می‌شود، میزبان اساتید، پژوهشگران و دانشجویان برگزیده و نخبه در داخل و خارج کشور خواهیم بود و با مسیر موفقیت آکادمیک ایشان و نیز پژوهش‌های میان‌رشته‌ای آشنا خواهیم شد.

🔣 برای شرکت در این وبینار به کانال و گروه تعاملی روانشناسی مدارس میان‌رشته‌ای مراجعه کنید.

👈لینک ثبت نام رایگان در وبینار «خروج اول و دوم از آفریقا»: [لینک گوگل فرم برای شرکت در وبینار قسمت هفتم دپارتمان روانشناسی با موضوع تکامل انسان و خروج از آفریقا]

🔴بعد از ثبت نام در گوگل فرم بالا، منتظر اخبار این وبینار از کانال روانشناسی مدارس میان رشته‌ای باشید.

#️⃣#IDS_Psy
#️⃣#IDSchools

✈️@IDS_Psy
✈️@IDSchools

Older posts →