🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی
29.12.202417:28
⭕️ انجمن علمی آمار دانشگاه شهید بهشتی و مجله تحلیلی دقیقه و دبیرخانه دومین جایزه دیتاژورنالیسم با همکاری استودیو هرف، انجمن علمی مطالعات فرهنگی و انجمن علمی مطالعات فرهنگی و رسانه دانشگاه علامه طباطبائی برگزار می‌کنند:
📍 وبینار شناسایی منابع عمومی داده در ایران: یک پیش‌نیاز اساسی برای حل مسئله (رایگان)
👤سخنران: شمیم طاهری مدیر تحلیل داده در کارگزاری مفید، مدرس دانشگاه، سابقه فعالیت در تپسی و دیوار، دانش‌آموخته دانشگاه‌های تهران، شریف و مدرسه اقتصاد لندن 👤دبیر جلسه: فرهاد ریاضی کارشناس محتوای مدرسه و استودیو هرف، دانشجوی کارشناسی ارشد مطالعات فرهنگی دانشگاه علامه طباطبایی
📆زمان : چهارشنبه ۱۲ دی ساعت ۱۹ تا ۲۰:۳۰
🔍لینک ثبت نام رایگان : بر روی——-> اینجا<———- کلیک کنید
🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی 🆔 @dlearn_ir | مدرسه پردازش و تحلیل داده دقیقه 🆔 @dmag_ir| مجله تحلیلی دقیقه 🆔 @harf_studio| هرف 🆔 @AtuCulturalStudies |انجمن علمی دانشجویی مطالعات فرهنگی دانشگاه علامه طباطبایی 🆔 @MCS_ATU|انجمن علمی مطالعات فرهنگی و رسانه دانشگاه علامه طباطبایی
📣 #اطلاعیه 🔹 انجمن علمی علوم کامپیوتر دانشگاه شهید بهشتی با همکاری بنیان نوآوری فرانیک برگزار می‌کند
🎤 رویداد فرصت‌های استارتاپی در حوزه هوش مصنوعی 🚀
✨ با حضور سخنرانان برجسته: - صادق سلحشور | مشاور حوزه هوش مصنوعی فرانیک - احمد واشقانی فراهانی | مدیر سرمایه‌گذاری گروه دیجی‌کالا و مشاور سرمایه‌گذاری فرانیک - امیرحسین زادیوسفی | مدیر شتابدهنده فرانیک
📅 تاریخ: سه شنیه ۱۱ دی ماه 🕒 ساعت: ۱۵:۰۰ تا ۱۷:۰۰ 📍 مکان: تالار دانشکده علوم ریاضی، دانشگاه شهید بهشتی
🎯 در این رویداد چه چیزی یاد می‌گیرید؟ - فرصت‌های سرمایه‌گذاری در حوزه AI - چالش‌ها و مسیرهای پیش روی استارتاپ‌های هوش مصنوعی - راهکارهایی برای جذب سرمایه و رشد استارتاپ
💡 فرصتی استثنایی برای شبکه‌سازی با متخصصان و سرمایه‌گذاران حوزه AI و دریافت راهنمایی‌های ارزشمند از افراد باتجربه
🧠 هوش مصنوعی در انتظار خلاقیت‌های شماست. این فرصت طلایی را از دست ندهید! 🚀
🖥 انجمن علمی علوم کامپیوتر 🆔 @SBU_CSSA 🏛 دانشگاه شهید بهشتی 🆔 @SBUAnjomanElmi
无法访问 媒体内容
20.12.202416:39
🍉یلداتون مبارک🍉
🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی
无法访问 媒体内容
14.12.202405:31
🔻منابع رایگان برای پیدا کردن دیتاست مورد نیاز تحلیل داده: راهنمای کامل برای محققان و تحلیلگران داده #نکته_آموزشی
1. Kaggle - نوع داده: انواع مختلف (داده‌های مالی، اقتصادی، علمی، و غیره) - داده‌ها توسط کدام گروه گردآوری شده‌اند: کاربران و شرکت‌های مختلف - مثال داده‌ها: داده‌های قلب ECG
2. UC Irvine Machine Learning Repository - نوع داده: داده‌های تحقیقاتی و آموزشی - داده‌ها توسط کدام گروه گردآوری شده‌اند: دانشگاه UC Irvine - مثال داده‌ها: داده‌های تحقیقاتی مختلف
3. Google Dataset Search - نوع داده: داده‌های عمومی - داده‌ها توسط کدام گروه گردآوری شده‌اند: گوگل - مثال داده‌ها: داده‌های مختلف از منابع عمومی
4. Data.gov - نوع داده: داده‌های فدرال آمریکا - داده‌ها توسط کدام گروه گردآوری شده‌اند: دولت آمریکا - مثال داده‌ها: داده‌های فدرال آمریکا
5. AWS Public Datasets - نوع داده: داده‌های عمومی - داده‌ها توسط کدام گروه گردآوری شده‌اند: آمازون ویژن - مثال داده‌ها: داده‌های عمومی مختلف
6. Microsoft Azure Open Datasets - نوع داده: داده‌های عمومی - داده‌ها توسط کدام گروه گردآوری شده‌اند: مایکروسافت - مثال داده‌ها: داده‌های عمومی مختلف
7. FiveThirtyEight - نوع داده: داده‌های تحلیل‌های اقتصادی و سیاسی - داده‌ها توسط کدام گروه گردآوری شده‌اند: FiveThirtyEight - مثال داده‌ها: داده‌های تحلیل‌های اقتصادی و سیاسی
8. Quandl - نوع داده: داده‌های اقتصادی و بازاری - داده‌ها توسط کدام گروه گردآوری شده‌اند: Quandl - مثال داده‌ها: داده‌های اقتصادی و بازاری
9. World Bank Open Data - نوع داده: داده‌های اقتصادی و تحقیقاتی - داده‌ها توسط کدام گروه گردآوری شده‌اند: بانک جهانی - مثال داده‌ها: داده‌های اقتصادی و تحقیقاتی
10. Data.world - نوع داده: داده‌های مختلف - داده‌ها توسط کدام گروه گردآوری شده‌اند: کاربران و شرکت‌های مختلف - مثال داده‌ها: داده‌های مختلف که به اشتراک گذاشته می‌شوند.
🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی
09.12.202413:30
🔻معرفی نرم‌افزار ER/Studio #معرفی_ابزار
نرم‌افزار ER/Studio یک ابزار حرفه‌ای و قدرتمند برای مدل‌سازی داده‌ها و طراحی پایگاه داده است. این نرم افزار همان زبان برنامه نویسی R نیست. این نرم‌افزار به متخصصان داده کمک می‌کند تا مدل‌های پایگاه داده را طراحی کنند، ارتباطات بین داده‌ها را مدیریت کنند.
💢امکانات ER/Studio: - طراحی مدل‌های مفهومی، منطقی و فیزیکی برای پایگاه داده‌ها. - مهندسی معکوس: امکان استخراج مدل‌ها از پایگاه داده‌های موجود. - مدیریت متاداده‌ها برای بهبود درک ساختار داده‌ها. - ابزار Version Control برای مدیریت تغییرات. - پشتیبانی از استانداردهای مدل‌سازی پایگاه داده مانند UML و IE. - سازگاری با پایگاه های داده نظیر Oracle، SQL Server، MySQL و PostgreSQL. - گزارش‌نویسی و رسم نمودار.
💢کاربردهای ER/Studio: - طراحی و توسعه پایگاه داده‌های پیچیده. - استانداردسازی طراحی پایگاه داده در سازمان‌های بزرگ. - مستندسازی ساختار پایگاه داده برای استفاده تیم‌های توسعه‌دهنده و تحلیلگران. - بهینه‌سازی مدل‌های پایگاه داده برای عملکرد بهتر.
