آزمایشگاه آموزش آمار دانشگاه شهید بهشتی

🔹آزمون‌های آنالیز واریانس در داده‌ها

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

#معرفی_کتاب

📘 کتاب "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" نوشته Aurélien Géron یکی از منابع معتبر و جامع در زمینه یادگیری ماشین است. این کتاب به گونه‌ای طراحی شده است که به خوانندگان کمک کند تا مفاهیم یادگیری ماشین را به طور عملی و کاربردی فرا بگیرند. کتاب به صورت گام‌به‌گام، مفاهیم پایه‌ای مانند رگرسیون، طبقه‌بندی، خوشه‌بندی و کاهش ابعاد را معرفی می‌کند. هر فصل شامل مثال‌های عملی و کدهای پایتون است که به خوانندگان این امکان را می‌دهد که مفاهیم را در عمل مشاهده کنند و تجربه کنند. نویسنده به خوبی توضیح می‌دهد که چگونه داده‌ها را پیش‌پردازش کنیم، ویژگی‌ها را انتخاب کنیم و مدل‌های مختلف یادگیری ماشین را پیاده‌سازی کنیم. علاوه بر این، کتاب به مباحث پیشرفته‌تری مانند شبکه‌های عصبی، یادگیری عمیق و تکنیک‌های بهینه‌سازی نیز می‌پردازد. نویسنده با استفاده از مثال‌های واقعی و پروژه‌های کاربردی، خوانندگان را در مسیر یادگیری هدایت می‌کند و به آن‌ها کمک می‌کند تا توانایی‌های خود را در این زمینه تقویت کنند.

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

#معرفی_کتاب

📘 Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow

🔹️ Aurélien Géron

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

🔷 نرم افزار WinBUGS نرم‌افزاری است برای تحلیل‌های آماری با رویکرد بیزی که بر پایه‌ی الگوریتم‌های MCMC به‌ویژه نمونه‌گیری گیبس ساخته شده است. این نرم‌افزار به پژوهشگران اجازه می‌دهد مدل‌های پیچیده‌ آماری را به راحتی تعریف و تحلیل کنند.
در ادامه به جنبه‌های کلیدی این نرم‌افزار می‌پردازیم:
🔹 ویژگی‌های WinBUGS
مدل‌سازی سلسله‌مراتبی (Hierarchical Models): مناسب برای داده‌هایی با ساختار چندلایه‌ای.
تحلیل بیزین: بر پایه‌ی احتمال پسین و بهره‌گیری از داده‌ها و پیش‌فرض‌های پیشین.
استفاده از MCMC: برای شبیه‌سازی و برآورد توزیع‌های پیچیده.
زبان مدل‌نویسی اختصاصی: تعریف مدل‌ها با سینتکس ساده و قابل‌فهم.
ارتباط با R: از طریق پکیج‌های R2WinBUGS و BRugs برای تحلیل‌های ترکیبی.

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی
🆔️ @StatLaboratory

📣📣  آخرین مهلت ثبت نام


✅✅  اگه قصد کارکردن در داروخانه داری و یا دانشجو و فارغ التحصیلی هستی که میخوای به نسخه ها و داروهای مختلف مسلط بشی 👇👇


💊 💊 دوره تکنسین داروخانه


📑 سرفصل های دوره :

✔️ نسخه خوانی
✔️ داروشناسی بیماری های قلب و عروق
✔️ داروشناسی بیماری های گوارش و کبد
✔️ داروشناسی بیماری های خونی
✔️ داروشناسی بیماری های عفونی
✔️ داروشناسی بیماری های غدد
✔️ داروشناسی بیماری های زنان
✔️ داروشناسی بارداری و شیردهی
✔️ داروشناسی بیماری های سرطانی
✔️ داروشناسی بیماری های کلیوی
✔️ داروشناسی بیماری های اعصاب و روان
✔️ داروشناسی بیماری های پوست ، مو و ناخن
✔️ داروشناسی بیماری های تنفسی
✔️ داروشناسی بیماری های چشم
✔️ داروشناسی سوختگی و زخم
✔️ داروهای تقویت کننده سیستم ایمنی
✔️ داروشناسی کاهش وزن
✔️ داروشناسی افزایش وزن


⚠️ ⚠️ ظرفیت باقی مانده محدود است.


🛍  شهریه دوره با وارد کردن کدتخفیف :
فقط ۷۹۸ تومان (( در صورت ثبت نام گروهی شهریه دوره به صورت زیر خواهد بود :

۱) گروه ۳ نفره : هر نفر فقط  ۶۹۸  تومان

۲) گروه ۶ نفره : هر نفر فقط  ۵۹۸  تومان ))


🗓  زمان برگزاری : چهارشنبه ها ، پنجشنبه ها و جمعه ها ( شروع از  ۲۷  فروردین )

ساعت ۲۰  لغایت  ۲۲


⚫ مدت دوره:  ۲۰  ساعت


🥇 اعطای گواهی از علوم پزشکی کرمانشاه


🔗 دوره بصورت مجازی برگزار می شود.
( بعد از برگزاری هر جلسه آنلاین ، فیلم جلسات نیز در اختیار افراد ثبت نامی قرار خواهد گرفت)


🎁 کدتخفیف : k368


📎 جهت ثبت نام انفرادی از طریق لینک

 https://www.newwebinar.ir/s/1208

اقدام نمایید و جهت ثبت نام گروهی به آیدی  (( @new_webinar )) پیام دهید.


✔️✔️ جهت اطلاع از سایر دوره های آموزشی کشور عضو کانال ما شوید 👇👇

https://t.me/new_wbinar

♡⠀   〇⠀     ⎙     ⌲⁣
ˡⁱᵏᵉ ᶜᵒᵐᵐᵉⁿᵗ  ˢᵃᵛᵉ  ˢʰᵃʳᵉ⁣

#دارو
#نسخه
#تکنسین_داروخانه

📊 Statistics through interactive visualizations

📑 Chapters:
1. Basic Probability
2. Compound Probability
3. Probability Distributions
4. Frequentist Inference
5. Bayesian Inference
6. Regression Analysis

https://seeing-theory.brown.edu/

🔷داده‌کاوی (Data Mining) فرآیندی است که به کشف الگوها، روابط و اطلاعات مفید از میان حجم عظیمی از داده‌ها می‌پردازد.
در ادامه به برخی از جنبه‌های کلیدی داده‌کاوی می‌پردازیم:

🔹مراحل داده‌کاوی
1. تمیز کردن داده (Data Cleaning): حذف داده‌های نویزی، ناقص و نامعتبر برای بهبود کیفیت داده‌ها.
2. یکپارچه‌سازی داده (Data Integration): ترکیب داده‌ها از منابع مختلف برای ایجاد یک مجموعه‌ی منسجم.
3. انتخاب داده (Data Selection): انتخاب زیرمجموعه‌ای از داده‌ها که برای تحلیل مورد نیاز است.
4. تبدیل داده (Data Transformation): تبدیل داده‌ها به قالب‌های مناسب‌تر برای تحلیل، مانند نرمال‌سازی یا جمع‌آوری.
5. داده‌کاوی (Data Mining): اعمال الگوریتم‌ها و تکنیک‌های مختلف برای کشف الگوها، روابط و اطلاعات مفید.
6. بازنمایی دانش (Knowledge Representation): ارائه‌ی نتایج داده‌کاوی به صورت گزارش‌ها، نمودارها یا سایر ابزارهای بصری برای تصمیم‌گیری.

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

#معرفی_کتاب

📘 کتاب "Categorical Data Analysis" نوشتهٔ Alan Agresti یک منبع جامع در زمینهٔ تحلیل داده‌های رسته‌ای است. این کتاب به بررسی روش‌ها و تکنیک‌های آماری برای تجزیه و تحلیل داده‌های کیفی می‌پردازد. نویسنده به مفاهیم پایه، مدل‌های آماری، و تحلیل داده‌ها توجه دارد و مثال‌های عملی را برای درک بهتر ارائه می‌دهد. هدف این کتاب آموزش پژوهشگران و دانشجویان در زمینهٔ استفاده مؤثر از روش‌های آماری برای تحلیل داده‌های رسته‌ای است. این کتاب به عنوان مرجع مهمی در این حوزه شناخته می‌شود و به خوانندگان کمک می‌کند تا نتایج معناداری از داده‌های خود استخراج کنند. همچنین تمامی مثال‌های کاربردی این کتاب به کمک نرم‌افزار آماری R انجام می‌شود.

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

#معرفی_کتاب

📘 Categorical Data Analysis

🔹️ Alan Agresti

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

🔷 گراف‌های تصادفی

گراف تصادفی نوعی گراف است که در آن یال‌ها (یا ارتباطات) بین رأس‌ها به صورت تصادفی ایجاد می‌شوند. این نوع گراف‌ها معمولاً برای مدل‌سازی شبکه‌های پیچیده و بررسی رفتار سیستم‌های مختلف در علوم کامپیوتر، ریاضیات، فیزیک و دیگر رشته‌ها استفاده می‌شوند.

دو نوع اصلی از گراف‌های تصادفی وجود دارد:

1. گراف‌های تصادفی Erdős–Rényi مدل G(n,p): در این مدل، یک گراف با n رأس ایجاد می‌شود و هر یال با احتمال p به طور مستقل بین هر دو رأس انتخاب می‌شود. به عبارت دیگر، برای هر جفت رأس، تصمیم گرفته می‌شود که آیا یال بین آن‌ها وجود داشته باشد یا خیر.

2. مدل G(n, M): در این مدل، یک گراف با n رأس ایجاد می‌شود و دقیقاً M یال به طور تصادفی بین رأس‌ها انتخاب می‌شود. در این حالت، تعداد یال‌ها ثابت است و به طور تصادفی بین رأس‌ها توزیع می‌شود.

گراف‌های تصادفی به دلیل ویژگی‌های خاصی که دارند، مانند وجود خوشه‌ها و مسیرهای کوتاه، در تحلیل شبکه‌ها و مطالعه پدیده‌های اجتماعی و طبیعی بسیار مفید هستند.

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔 @StatLaboratory

🖌Notes On Estimation Methods🖌


📘 آزمایشگاه آموزش آمار و علم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

🔹سه حالت برای چولگی:

- چولگی نرمال:
میانگین = میانه  = مد

- چولگی راست:
میانگین > میانه > مد

- چولگی چپ:
میانگین  < میانه < مد


📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

🔹چولگی
• Skewness

• نشان دهنده میزان عدم تقارن تابع توزیع است.
چولگی برابر با گشتاور سوم نرمال شده‌است. چولگی در حقیقت معیاری از میزان تقارن تابع توزیع می‌باشد. برای یک توزیع کاملاً متقارن چولگی صفر و برای یک توزیع نامتقارن با کشیدگی به سمت مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی به سمت مقادیر کوچکتر مقدار چولگی منفی است.


📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

#معرفی_کتاب

📘 کتاب "Machine Learning Using R" نوشته Karthik Ramasubramanian & Abhishek Singh یک منبع جامع برای یادگیری مفاهیم و تکنیک‌های یادگیری ماشین با استفاده از زبان برنامه‌نویسی R است. این کتاب به طور کلی به معرفی اصول پایه‌ای یادگیری ماشین، الگوریتم‌های مختلف و روش‌های پیش‌پردازش و ارزیابی داده‌ها می‌پردازد. نویسنده با ارائه مثال‌های عملی و پروژه‌های واقعی به خوانندگان کمک می‌کند تا بتوانند مفاهیم یادگیری ماشین را به صورت کاربردی درک کنند. همچنین کتاب شامل معرفی کتابخانه‌های مختلف R است که برای پیاده‌سازی الگوریتم‌های یادگیری ماشین مورد استفاده قرار می‌گیرند. به طور کلی این کتاب مناسب برای افرادی است که می‌خواهند با یادگیری ماشین آشنا شوند و از R به عنوان ابزاری برای تحلیل داده‌ها استفاده کنند.

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

#معرفی_کتاب

📘 Machine Learning Using R

🔹️ Karthik Ramasubramanian & Abhishek Singh

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

🔷 نمودار QQ-Plot چیست⁉️

• نمودار QQ-Plot (Quantile-Quantile Plot) یک نمودار تصویری است که برای مقایسه توزیع یک مجموعه داده با یک توزیع نظری مشخص (مانند توزیع نرمال) به کار می‌رود. این نمودار به ما نشان می‌دهد که آیا داده‌ها از یک توزیع خاص پیروی می‌کنند یا خیر.

• اگر نقاط در این نمودار تقریباً روی یک خط ۴۵ درجه قرار بگیرند، می‌توان گفت که داده‌ها به خوبی با توزیع موردنظر تطابق دارند. در غیر این صورت، می‌توان به وجود چولگی، دم‌های سنگین یا سایر انحرافات در توزیع داده‌ها پی برد.

• از QQ-Plot برای بررسی نرمال بودن داده‌ها، مقایسه دو توزیع و شناسایی ویژگی‌های خاص داده‌ها مانند چولگی و دم‌های سنگین استفاده می‌شود.

📘 آزمایشگاه آموزش آمار، احتمال و علوم داده دانشگاه شهید بهشتی

🆔 @StatLaboratory

📝"با هم بنویسیم"

⭐️فرصت بی‌نظیری برای کسانی که به نوشتن مقالات علمی به ویژه مقالات مروری(Review Article)، علاقه دارند.

انجمن‌های علمی زیست‌شناسی شبکه نخبگان ایران، علوم و فناوری‌های زیستی دانشگاه شهید بهشتی و زیست‌شناسی دانشگاه تهران با افتخار از برگزاری رویداد ملی "با هم بنویسیم" خبر می‌دهند!🇮🇷

❓در این رویداد چه اتفاقی می‌افتد؟
✏️دانشجویان منتخب، پس از طی مراحل ارزیابی، زیر نظر اساتید باتجربه دانشگاه‌های شهید بهشتی و تهران، به نگارش مقالات مروری خواهند پرداخت. اساتید ما در تمام مراحل، از انتخاب موضوع گرفته تا نگارش، ویرایش و ارسال مقاله، همراه شما خواهند بود و تجربیات ارزشمند خود را در اختیارتان قرار می‌دهند.

❗️چرا "با هم بنویسیم"؟
⏺تجربه عملی نگارش مقاله
⏺یادگیری در کنار کار حرفه‌ای همراه با اساتید مجرب
⏺ارتباط با اساتید دانشگاه
⏺تقویت رزومه تحصیلی و شغلی
⏺همکاری تیمی و شبکه‌سازی علمی

لطفا جهت شرکت در برنامه تا تاریخ ۷ فروردین‌ماه، پرسشنامه‌ی ثبت‌نام‌ را تکمیل بفرمایید.
دقت کنید که هر فرد سه اولویت خواهد داشت، در حین انتخاب اولویت‌ها، بر اساس علاقه و همچنین در نظر گرفتن تمامی جوانب عمل کنید (توجه داشته باشید که ظرفیت هر یک از اساتید محدود می‌باشد!)
نتایج پس از بررسی رزومه‌ها توسط داوران به افراد منتخب اطلاع داده خواهد شد.

📚پیش‌نیاز‌های شرکت در رویداد:
⏺تسلط به زبان انگلیسی
⏺سابقه یا توانایی کار پژوهشی
⏺انگیزه و دیسیپلین شما

🎖سرتیفیکیت؟ گواهی مهارت شما، خبر چاپ مقاله شماست!

💰همچنین هزینه شرکت در برنامه در وهله اول رایگان و پس از انتخاب شدن، دانشجویان مقطع کارشناسی و ارشد با مبلغ ۲۹۹ هزارتومان و دانشجویان دکتری با مبلغ ۲۴۹ هزارتومان، می‌توانند ثبت‌نام خود را نهایی کنند.

🧬با ما همراه باشید…
| @Biology_Network |
| @SBUBIOSOCIETY |
| @UTBiologyAssociation |

عید نوروز رو خدمت تمامی دوستان و اعضای گرامی کانال تبریک می‌گم🪻🎉
امید که امسال شاهد پیشرفت‌های روزافزون و شادی و سلامتی کنار همدیگر باشیم🌻🎊

📘 آزمایشگاه آموزش آمار و علم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

🔷شکل انواع توزیع‌های آماری

• Different Types of Distributions

📘 آزمایشگاه آموزش آمار و علم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory

#معرفی_کتاب

📘 کتاب "Forecasting: Principles and Practice" نوشته Rob J. Hyndman و George Athanasopoulos، یک منبع جامع و معتبر در زمینه پیش‌بینی سری‌های زمانی است. این کتاب به بررسی اصول و تکنیک‌های مختلف پیش‌بینی می‌پردازد و با استفاده از مثال‌های واقعی و کدهای R، خوانندگان را در یادگیری مفاهیم راهنمایی می‌کند. هدف این کتاب آموزش روش‌های عملی برای تحلیل داده‌های زمانی و بهبود دقت پیش‌بینی‌ها است. این کتاب به عنوان یک مرجع کلیدی برای دانشجویان و پژوهشگران در حوزه‌های مرتبط به ویژه علوم داده شناخته می‌شود.

🔹️ دوستانی که قصد دارند سری زمانی را با استفاده از داده‌های عملی و به کمک نرم افزار R یاد بگیرند، این کتاب بهشون توصیه می‌شود.

📘 آزمایشگاه آموزش آمار و علم داده دانشگاه شهید بهشتی

🆔️ @StatLaboratory