ریاضی، آمار و علوم کامپیوتر - مدارس میانرشتهای
30.04.202506:55
انجمن علمی مهندسی کامپیوتر از طرف بنیاد ملی نخبگان استان البرز با همکاری انجمن علمی بیوتکنولوژی برگزار می‌کند:
#دوره_آموزشی_پایتون
یادگیری پروژه‌محور پایتون از مقدماتی تا متوسط:
• مبانی پایتون
• ساخت رابط کاربری گرافیکی
• کار با فایل‌ها
• پروژه‌های واقعی مثل مدیریت فروشگاه
مدرس:
یاشار زواری رضائی
• متخصص داده اسنپ!گروسری
• مدرس پایتون دانشگاه ارومیه
• مدرس پایتون و AI در پایتون تیک
• سابقه در وب، الگوریتم، علم داده
• حل ۲۰۰+ الگوریتم در کوئرا
• عضو بنیاد نخبگان البرز
مدرس حل تمرین:
محسن قالیباف | عضو بنیاد نخبگان البرز | فعال پایتون و دیتا
زمان: شنبه و سه‌شنبه، 11:45 تا 13:15
مکان: سایت شماره ۲ روانشناسی دانشگاه خوارزمی
هزینه:
• آزاد: ۷۰۰ هزار تومان
• دانشجویان خوارزمی: ۵۰۰ هزار تومان
• فنی و علوم زیستی: ۴۰۰ هزار تومان
آفلاین:
دریافت ویدیوها پس از پایان دوره: ۳۵۰ هزار تومان
ویژه:
ضبط رایگان جلسات برای دانشجویان حضوری + اعطای گواهی پایان دوره
جلسه معارفه رایگان:
https://meet.google.com/svu-zyoy-agu
*زمان جلسه اعلام خواهد شد
ثبت‌نام و اطلاعات بیشتر:
@yasharzavary
منتظر حضورتون هستیم!
#دوره_آموزشی_پایتون
یادگیری پروژه‌محور پایتون از مقدماتی تا متوسط:
• مبانی پایتون
• ساخت رابط کاربری گرافیکی
• کار با فایل‌ها
• پروژه‌های واقعی مثل مدیریت فروشگاه
مدرس:
یاشار زواری رضائی
• متخصص داده اسنپ!گروسری
• مدرس پایتون دانشگاه ارومیه
• مدرس پایتون و AI در پایتون تیک
• سابقه در وب، الگوریتم، علم داده
• حل ۲۰۰+ الگوریتم در کوئرا
• عضو بنیاد نخبگان البرز
مدرس حل تمرین:
محسن قالیباف | عضو بنیاد نخبگان البرز | فعال پایتون و دیتا
زمان: شنبه و سه‌شنبه، 11:45 تا 13:15
مکان: سایت شماره ۲ روانشناسی دانشگاه خوارزمی
هزینه:
• آزاد: ۷۰۰ هزار تومان
• دانشجویان خوارزمی: ۵۰۰ هزار تومان
• فنی و علوم زیستی: ۴۰۰ هزار تومان
آفلاین:
دریافت ویدیوها پس از پایان دوره: ۳۵۰ هزار تومان
ویژه:
ضبط رایگان جلسات برای دانشجویان حضوری + اعطای گواهی پایان دوره
جلسه معارفه رایگان:
https://meet.google.com/svu-zyoy-agu
*زمان جلسه اعلام خواهد شد
ثبت‌نام و اطلاعات بیشتر:
@yasharzavary
منتظر حضورتون هستیم!
06.02.202516:34
🎲#گام_به_گام
3⃣1️⃣ دستورات پایه در پایتون: قسمت سیزدهم
⬅️رشته‌ها آرایه هستند.
مانند بسیاری از زبان‌های برنامه نویسی محبوب دیگر، رشته‌ها در پایتون آرایه‌هایی از بایت‌ها هستند که کاراکترهای یونیکد را نشان می‌دهند. با این حال، پایتون نوع داده کاراکتری ندارد، یک کاراکتر به سادگی یک رشته با طول 1 است. از براکت‌های مربع می‌توان برای دسترسی به عناصر رشته استفاده کرد.
🟢 مثال
کاراکتر را در موقعیت 1 بدست آورید (به یاد داشته باشید که کاراکتر اول موقعیت 0 را دارد):
a = "Hello, World!"
print(a[1])
خروجی:
e
⬅️ حلقه زدن از طریق یک رشته
از آنجایی که رشته‌ها آرایه هستند، می‌توانیم از طریق کاراکترهای یک رشته، با یک حلقه for، حلقه بزنیم.
🟢 مثال
حروف کلمه "موز" را حلقه بزنید:
for x in "banana":
print(x)
خروجی:
b
a
n
a
n
a
⬅️ طول رشته
برای بدست آوردن طول یک رشته، از تابع ()len استفاده کنید.
🟢 مثال
تابع len() طول یک رشته را برمی گرداند:
a = "Hello, World!"
print(len(a))
خروجی:
13
🕐 ادامه دارد....
💻#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
3⃣1️⃣ دستورات پایه در پایتون: قسمت سیزدهم
⬅️رشته‌ها آرایه هستند.
مانند بسیاری از زبان‌های برنامه نویسی محبوب دیگر، رشته‌ها در پایتون آرایه‌هایی از بایت‌ها هستند که کاراکترهای یونیکد را نشان می‌دهند. با این حال، پایتون نوع داده کاراکتری ندارد، یک کاراکتر به سادگی یک رشته با طول 1 است. از براکت‌های مربع می‌توان برای دسترسی به عناصر رشته استفاده کرد.
🟢 مثال
کاراکتر را در موقعیت 1 بدست آورید (به یاد داشته باشید که کاراکتر اول موقعیت 0 را دارد):
a = "Hello, World!"
print(a[1])
خروجی:
e
⬅️ حلقه زدن از طریق یک رشته
از آنجایی که رشته‌ها آرایه هستند، می‌توانیم از طریق کاراکترهای یک رشته، با یک حلقه for، حلقه بزنیم.
🟢 مثال
حروف کلمه "موز" را حلقه بزنید:
for x in "banana":
print(x)
خروجی:
b
a
n
a
n
a
⬅️ طول رشته
برای بدست آوردن طول یک رشته، از تابع ()len استفاده کنید.
🟢 مثال
تابع len() طول یک رشته را برمی گرداند:
a = "Hello, World!"
print(len(a))
خروجی:
13
🕐 ادامه دارد....
💻#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
28.01.202516:33
🖥#اکتشاف_دنیای_دیجیتال
⚙ علم کامپیوتر چیست؟
💿 علم کامپیوتر اغلب به عنوان برنامه‌نویسی تجلیل شده در نظر گرفته می‌شود. علوم کامپیوتر چیزهای بیشتری از جمله ریاضیات گسسته، الگوریتم‌ها، تئوری محاسبات، برنامه‌نویسی سخت‌افزار و غیره دارد. اگر فقط می‌خواهید برنامه‌نویسی را یاد بگیرید، رشته علوم کامپیوتر بیشتر از آنچه انتظار دارید خواهد بود.
🎥 این ویدیو بیشتر ریاضیات و مفاهیم گسسته درون آن را پوشش می‌دهد، زیرا برای کلاس‌ها مهم است.
📱https://youtu.be/Tzl0ELY_TiM?si=QmfuLQMcYAci_ryy
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
⚙ علم کامپیوتر چیست؟
💿 علم کامپیوتر اغلب به عنوان برنامه‌نویسی تجلیل شده در نظر گرفته می‌شود. علوم کامپیوتر چیزهای بیشتری از جمله ریاضیات گسسته، الگوریتم‌ها، تئوری محاسبات، برنامه‌نویسی سخت‌افزار و غیره دارد. اگر فقط می‌خواهید برنامه‌نویسی را یاد بگیرید، رشته علوم کامپیوتر بیشتر از آنچه انتظار دارید خواهد بود.
🎥 این ویدیو بیشتر ریاضیات و مفاهیم گسسته درون آن را پوشش می‌دهد، زیرا برای کلاس‌ها مهم است.
📱https://youtu.be/Tzl0ELY_TiM?si=QmfuLQMcYAci_ryy
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
20.01.202516:32
✨✨✨#زیبایی_های_ریاضی✨✨✨
☑️ریاضیات، رازها و حقایق
ریاضیات یک مستند جذاب است که بینندگان را به سفری خارق‌العاده از طریق تکامل ریاضیات در تمدن‌های مختلف می‌برد. از محاسبات عملی مصر باستان و بین النهرین تا نوآوری های نظری یونان، چین، هند و خاورمیانه، این فیلم کمک های عمیق ریاضیدانان افسانه ای را به نمایش می گذارد.
📱https://youtu.be/e1B0saB0rbI?si=LmJb0n-bkyAeKle5
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
☑️ریاضیات، رازها و حقایق
ریاضیات یک مستند جذاب است که بینندگان را به سفری خارق‌العاده از طریق تکامل ریاضیات در تمدن‌های مختلف می‌برد. از محاسبات عملی مصر باستان و بین النهرین تا نوآوری های نظری یونان، چین، هند و خاورمیانه، این فیلم کمک های عمیق ریاضیدانان افسانه ای را به نمایش می گذارد.
📱https://youtu.be/e1B0saB0rbI?si=LmJb0n-bkyAeKle5
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
17.12.202416:31
🌀#توسعه_و_تحقیق_کار_ها
📌این ویدئو تفاوت های بین یک مطالعه مشاهده ای و یک آزمایش طراحی شده و همچنین ارتباط و علت را مورد بحث قرار می دهد.
📱https://youtu.be/uSZA5UIDpDE?si=eaSS2vC4ZbwPVJce
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
📌این ویدئو تفاوت های بین یک مطالعه مشاهده ای و یک آزمایش طراحی شده و همچنین ارتباط و علت را مورد بحث قرار می دهد.
📱https://youtu.be/uSZA5UIDpDE?si=eaSS2vC4ZbwPVJce
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
30.10.202416:31
🔹 #توسعه_و_تحقیق_کار_ها
1️⃣ آموزش Stata- قسمت اول
👈 در این قسمت با نحوه نصب نرم افزار آشنا می‌شویم.
#️⃣#آموزش_Stata
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
1️⃣ آموزش Stata- قسمت اول
👈 در این قسمت با نحوه نصب نرم افزار آشنا می‌شویم.
#️⃣#آموزش_Stata
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
07.04.202517:29
🆕🆕🆕🆕🆕🆕🆕🆕
🔺«دپارتمان علوم زیستی مجموعه علمی و پژوهشی مدارس میان رشته ای» برگزار می کند:
🧠 دوره «آشنایی با نوروبیولوژی»-دوره مجازی
⬅️ با حضور:
👤دکتر فاطمه تیرگر، دانش آموخته دکتری نوروساینس از دانشگاه علوم پزشکی تهران
🔣 سرفصل جلسات:
1️⃣هفته اول: انواع سلولهای عصبی مرکزی، اسکلت سلولی و انتقال آکسونی
2️⃣هفته دوم: انتقال از عرض غشا و کانالهای یونی
3️⃣هفته سوم: پتانسیل غشا و پتانسیل عمل
4️⃣هفته چهارم: رهایی انتقال دهنده های عصبی در سیناپس
5️⃣هفته پنجم: سیستم های انتقال دهنده عصبی
6️⃣هفته ششم: انواع گیرنده های عصبی
7️⃣هفته هفتم: پیام رسانی داخل سلولی
8️⃣هفته هشتم: مخروط رشد و هدایت آکسونی
🔜 شنبه ها، به مدت 8 هفته، از 13 اردیبهشت تا 21 تیر 1404
⏰ از ساعت 🔜 17 تا 18:30
🟢 همراه با گواهی حضور به انگلیسی
👈 ثبت نام و کسب اطلاعات بیشتر:
➡️https://t.me/IDS_Bio
🚀 https://t.me/IDS_Bio
🚀 https://t.me/IDSchools
🔺«دپارتمان علوم زیستی مجموعه علمی و پژوهشی مدارس میان رشته ای» برگزار می کند:
🧠 دوره «آشنایی با نوروبیولوژی»-دوره مجازی
⬅️ با حضور:
👤دکتر فاطمه تیرگر، دانش آموخته دکتری نوروساینس از دانشگاه علوم پزشکی تهران
🔣 سرفصل جلسات:
1️⃣هفته اول: انواع سلولهای عصبی مرکزی، اسکلت سلولی و انتقال آکسونی
2️⃣هفته دوم: انتقال از عرض غشا و کانالهای یونی
3️⃣هفته سوم: پتانسیل غشا و پتانسیل عمل
4️⃣هفته چهارم: رهایی انتقال دهنده های عصبی در سیناپس
5️⃣هفته پنجم: سیستم های انتقال دهنده عصبی
6️⃣هفته ششم: انواع گیرنده های عصبی
7️⃣هفته هفتم: پیام رسانی داخل سلولی
8️⃣هفته هشتم: مخروط رشد و هدایت آکسونی
🔜 شنبه ها، به مدت 8 هفته، از 13 اردیبهشت تا 21 تیر 1404
⏰ از ساعت 🔜 17 تا 18:30
🟢 همراه با گواهی حضور به انگلیسی
👈 ثبت نام و کسب اطلاعات بیشتر:
➡️https://t.me/IDS_Bio
🚀 https://t.me/IDS_Bio
🚀 https://t.me/IDSchools
04.02.202516:54
✨✨✨#زیبایی_های_ریاضی✨✨✨
🌀 دوره متلب برای مبتدیان
◀️ در این آموزش برای مهندسان، دانشمندان و دانشجویان، اصول متلب را بیاموزید. MATLAB یک زبان برنامه نویسی و مجموعه نرم افزاری است که برای تجزیه و تحلیل داده ها، محاسبات علمی و تجسم استفاده می شود که به طور گسترده در دانشگاه و صنعت استفاده می شود.
https://youtu.be/7f50sQYjNRA?si=Ye3TGq8UlfCnRamP
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
🌀 دوره متلب برای مبتدیان
◀️ در این آموزش برای مهندسان، دانشمندان و دانشجویان، اصول متلب را بیاموزید. MATLAB یک زبان برنامه نویسی و مجموعه نرم افزاری است که برای تجزیه و تحلیل داده ها، محاسبات علمی و تجسم استفاده می شود که به طور گسترده در دانشگاه و صنعت استفاده می شود.
https://youtu.be/7f50sQYjNRA?si=Ye3TGq8UlfCnRamP
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
26.01.202516:32
💻#گام_به_گام
🐍 پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در دنیای امروز است که به دلیل سادگی و قابل فهم بودنش، به ویژه برای مبتدیان، شناخته شده است. این زبان توسط گویدو وان روسوم در اوایل دهه 1990 توسعه یافت و از آن زمان به یکی از ابزارهای اصلی در زمینه‌های مختلفی چون توسعه وب، علم داده، هوش مصنوعی، یادگیری ماشین و اتوماسیون تبدیل شده است.
⚙ یکی از ویژگی‌های بارز پایتون، سینتکس ساده و خوانا آن است که به برنامه‌نویسان این امکان را می‌دهد تا کدهای خود را به راحتی بنویسند و بخوانند. همچنین، پایتون دارای یک اکوسیستم غنی از کتابخانه‌ها و فریم‌ورک‌هاست که می‌تواند به تسریع روند توسعه برنامه‌ها کمک کند.
🗂 پست های گذشته دستورات پایه در پایتون را میتوانید از طریق لینک‌های زیر پیدا کنید:
▫️Python indentation
◾️Variables-part1
▫️Variables-part2
◾️Variables-part3
▫️Unpacking
◾️Global variables
▫️Data types in python-part1
◾️Data types in python-part2
▫️Numbers in python-part1
◾️Numbers in python-part2
▫️Python casting
◾️Stringers
#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
🐍 پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در دنیای امروز است که به دلیل سادگی و قابل فهم بودنش، به ویژه برای مبتدیان، شناخته شده است. این زبان توسط گویدو وان روسوم در اوایل دهه 1990 توسعه یافت و از آن زمان به یکی از ابزارهای اصلی در زمینه‌های مختلفی چون توسعه وب، علم داده، هوش مصنوعی، یادگیری ماشین و اتوماسیون تبدیل شده است.
⚙ یکی از ویژگی‌های بارز پایتون، سینتکس ساده و خوانا آن است که به برنامه‌نویسان این امکان را می‌دهد تا کدهای خود را به راحتی بنویسند و بخوانند. همچنین، پایتون دارای یک اکوسیستم غنی از کتابخانه‌ها و فریم‌ورک‌هاست که می‌تواند به تسریع روند توسعه برنامه‌ها کمک کند.
🗂 پست های گذشته دستورات پایه در پایتون را میتوانید از طریق لینک‌های زیر پیدا کنید:
▫️Python indentation
◾️Variables-part1
▫️Variables-part2
◾️Variables-part3
▫️Unpacking
◾️Global variables
▫️Data types in python-part1
◾️Data types in python-part2
▫️Numbers in python-part1
◾️Numbers in python-part2
▫️Python casting
◾️Stringers
#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
19.01.202518:23
#سفر_به_دنیای_کتاب_ها
📈 علم داده یک حوزه پررونق است که از فناوری‌هایی مانند یادگیری ماشینی، الگوریتم‌ها و مدل‌های پیش‌بینی برای جمع‌آوری بینش‌های روزمره و تصمیم‌گیری‌های تجاری استفاده می‌کند که اگر در این صنعت تازه کار هستید، درک آنها دشوار است.
📕 همه دروغ می‌گویند: داده‌های بزرگ، داده‌های جدید، و آنچه که اینترنت می‌تواند به ما در مورد اینکه ما واقعاً چه کسی هستیم به ما بگوید.
نوشته‌ی ست استفنز-دیویدویتز
این کتاب مانند Freakonomics در عصر علم داده است. این کتاب به طور کامل یک کتاب فنی نیست. هر فصل داستان عجیبی را بیان می‌کند که مفهوم علم داده را به تصویر می کشد.
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
📈 علم داده یک حوزه پررونق است که از فناوری‌هایی مانند یادگیری ماشینی، الگوریتم‌ها و مدل‌های پیش‌بینی برای جمع‌آوری بینش‌های روزمره و تصمیم‌گیری‌های تجاری استفاده می‌کند که اگر در این صنعت تازه کار هستید، درک آنها دشوار است.
📕 همه دروغ می‌گویند: داده‌های بزرگ، داده‌های جدید، و آنچه که اینترنت می‌تواند به ما در مورد اینکه ما واقعاً چه کسی هستیم به ما بگوید.
نوشته‌ی ست استفنز-دیویدویتز
این کتاب مانند Freakonomics در عصر علم داده است. این کتاب به طور کامل یک کتاب فنی نیست. هر فصل داستان عجیبی را بیان می‌کند که مفهوم علم داده را به تصویر می کشد.
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
16.11.202416:31
🟡 #توسعه_و_تحقیق_کار_ها
🟢 ریاضیات و آمار برای علم داده و یادگیری ماشین
⬅️ این ویدیو مجموعه جدیدی به نام ریاضیات و آمار را برای علم داده و یادگیری ماشین شروع می کند. ریاضیات و آمار به عنوان یک رشته بسیار گسترده هستند و هر زمان که کسی شروع به مطالعه علم داده یا یادگیری ماشین می کند، سردرگمی این است که "چقدر ریاضی یا آمار باید یاد بگیرم؟"
📱https://youtu.be/8ZI55Inh1_A?si=e1YPNBcf6_fLTkyP
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🚀@IDSchools
🚀@IDS_Math
🟢 ریاضیات و آمار برای علم داده و یادگیری ماشین
⬅️ این ویدیو مجموعه جدیدی به نام ریاضیات و آمار را برای علم داده و یادگیری ماشین شروع می کند. ریاضیات و آمار به عنوان یک رشته بسیار گسترده هستند و هر زمان که کسی شروع به مطالعه علم داده یا یادگیری ماشین می کند، سردرگمی این است که "چقدر ریاضی یا آمار باید یاد بگیرم؟"
📱https://youtu.be/8ZI55Inh1_A?si=e1YPNBcf6_fLTkyP
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🚀@IDSchools
🚀@IDS_Math
29.10.202416:30
✨✨✨#زیبایی_های_ریاضی✨✨✨
👀ستاره‌هایی که رفتار پوچ دارند!
🟡 برای قرن‌ها، تنها راه برای روشن کردن اسرار سیاهچاله ها از طریق قدرت ریاضیات بود.
🧬 سیاهچاله‌ها موجوداتی هم عادی و هم خارق‌العاده هستند. اخترفیزیکدانان بر این باورند که سیاهچاله‌های غول‌پیکر، با جرمی معادل میلیون‌ها یا میلیاردها خورشید، در مرکز هر کهکشان بزرگ وجود دارند و تأثیر زیادی بر شکل‌گیری ستارگان دارند. تخمین زده می‌شود که بیش از 200 میلیارد کهکشان وجود دارد که هر کدام حدود 100 میلیون سیاهچاله به اندازه ستاره دارند. در آینده‌ای بسیار دور، زمانی که کیهان به سن 40 میلیارد سال برسد، سیاهچاله‌ها تنها اجرام باقی‌مانده خواهند بود. این نتیجه‌گیری در سال 1997 توسط اخترفیزیکدانان فرد سی آدامز و گرگوری لافلین انجام شد.
🧬 سیاهچاله‌ها متراکم‌ترین اجرام کیهان هستند. اگر خورشید به شعاع کمتر از 3 کیلومتر فشرده شود، به یک سیاهچاله تبدیل می‌شود. میدان گرانشی این اجرام آن‌قدر قوی است که حتی نور هم نمی‌تواند از آن خارج شود، به همین دلیل به آنها "سیاه" می‌گویند و نمی‌توانیم به داخل آنها نگاه کنیم.
🧬 سیاهچاله‌ها اجرام بسیار متراکم و غیرقابل مشاهده‌ای هستند که اطلاعات درباره آنها عمدتاً از طریق نظریه‌های فیزیکی و ریاضی به‌دست آمده است. از اواخر قرن هجدهم، ریاضیدانان به سوالاتی درباره این اجرام پرداخته‌اند، حتی قبل از اینکه ابزارهای مشاهده‌ای مناسب وجود داشته باشد. این تلاش‌ها نشان‌دهنده قدرت تخیل انسان در درک کیهان است.
🧬 مفهوم سیاهچاله‌ها برای اولین بار توسط جان میشل در سال 1783 مطرح شد، هرچند او آنها را به این نام نمی‌خواند. میشل همچنین در سال 1750 نشان داد که نیروی بین دو جسم مغناطیسی با مجذور فاصله بین آنها کاهش می‌یابد. او اولین کسی بود که از روش‌های آماری برای نشان دادن تجمع ستاره‌ها در جفت‌ها و گروه‌ها استفاده کرد و ابزاری برای اندازه‌گیری گرانش بین دو جسم ابداع کرد که بعداً توسط هنری کاوندیش در سال 1798 استفاده شد.
🧬 جان میشل در سال 1783 نظریه‌ای را مطرح کرد که بر اساس آن اگر یک ستاره به اندازه کافی بزرگ باشد (بیش از 500 برابر قطر خورشید)، گرانش آن می‌تواند به قدری قوی باشد که نور emitted از آن نتواند فرار کند. او این ایده را بر اساس نظریه نیوتن درباره نور به عنوان جریانی از ذرات بنا نهاد و نتیجه گرفت که در چنین حالتی، نور به سمت ستاره بازمی‌گردد و آن را به نوعی "سیاهچاله" تبدیل می‌کند.
👈 ادامه دارد...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✈️@IDSchools
✈️@IDS_Math
👀ستاره‌هایی که رفتار پوچ دارند!
🟡 برای قرن‌ها، تنها راه برای روشن کردن اسرار سیاهچاله ها از طریق قدرت ریاضیات بود.
🧬 سیاهچاله‌ها موجوداتی هم عادی و هم خارق‌العاده هستند. اخترفیزیکدانان بر این باورند که سیاهچاله‌های غول‌پیکر، با جرمی معادل میلیون‌ها یا میلیاردها خورشید، در مرکز هر کهکشان بزرگ وجود دارند و تأثیر زیادی بر شکل‌گیری ستارگان دارند. تخمین زده می‌شود که بیش از 200 میلیارد کهکشان وجود دارد که هر کدام حدود 100 میلیون سیاهچاله به اندازه ستاره دارند. در آینده‌ای بسیار دور، زمانی که کیهان به سن 40 میلیارد سال برسد، سیاهچاله‌ها تنها اجرام باقی‌مانده خواهند بود. این نتیجه‌گیری در سال 1997 توسط اخترفیزیکدانان فرد سی آدامز و گرگوری لافلین انجام شد.
🧬 سیاهچاله‌ها متراکم‌ترین اجرام کیهان هستند. اگر خورشید به شعاع کمتر از 3 کیلومتر فشرده شود، به یک سیاهچاله تبدیل می‌شود. میدان گرانشی این اجرام آن‌قدر قوی است که حتی نور هم نمی‌تواند از آن خارج شود، به همین دلیل به آنها "سیاه" می‌گویند و نمی‌توانیم به داخل آنها نگاه کنیم.
🧬 سیاهچاله‌ها اجرام بسیار متراکم و غیرقابل مشاهده‌ای هستند که اطلاعات درباره آنها عمدتاً از طریق نظریه‌های فیزیکی و ریاضی به‌دست آمده است. از اواخر قرن هجدهم، ریاضیدانان به سوالاتی درباره این اجرام پرداخته‌اند، حتی قبل از اینکه ابزارهای مشاهده‌ای مناسب وجود داشته باشد. این تلاش‌ها نشان‌دهنده قدرت تخیل انسان در درک کیهان است.
🧬 مفهوم سیاهچاله‌ها برای اولین بار توسط جان میشل در سال 1783 مطرح شد، هرچند او آنها را به این نام نمی‌خواند. میشل همچنین در سال 1750 نشان داد که نیروی بین دو جسم مغناطیسی با مجذور فاصله بین آنها کاهش می‌یابد. او اولین کسی بود که از روش‌های آماری برای نشان دادن تجمع ستاره‌ها در جفت‌ها و گروه‌ها استفاده کرد و ابزاری برای اندازه‌گیری گرانش بین دو جسم ابداع کرد که بعداً توسط هنری کاوندیش در سال 1798 استفاده شد.
🧬 جان میشل در سال 1783 نظریه‌ای را مطرح کرد که بر اساس آن اگر یک ستاره به اندازه کافی بزرگ باشد (بیش از 500 برابر قطر خورشید)، گرانش آن می‌تواند به قدری قوی باشد که نور emitted از آن نتواند فرار کند. او این ایده را بر اساس نظریه نیوتن درباره نور به عنوان جریانی از ذرات بنا نهاد و نتیجه گرفت که در چنین حالتی، نور به سمت ستاره بازمی‌گردد و آن را به نوعی "سیاهچاله" تبدیل می‌کند.
👈 ادامه دارد...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✈️@IDSchools
✈️@IDS_Math
10.02.202521:10
🌀#آموزشگاه_ذهن
✍ ۱۵ دوره‌ی آنلاین رایگان همراه با گواهی
📱https://youtu.be/rokmLmpiG9k?si=_vZXa4AyfrjRXHhx
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
✍ ۱۵ دوره‌ی آنلاین رایگان همراه با گواهی
📱https://youtu.be/rokmLmpiG9k?si=_vZXa4AyfrjRXHhx
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
02.02.202516:36
🌀#گام_به_گام
💠 به دومین درس خود در مجموعه مبانی علم داده و هوش مصنوعی خوش آمدید!
درس امروز: احتمال- قسمت اول
🔣 احتمال یک ابزار قدرتمند در علم داده است که ما را قادر می سازد عدم قطعیت را درک کرده و پیش بینی‌های آگاهانه انجام دهیم. این فقط در مورد محاسبه شانس یک رویداد نیست. این در مورد اتخاذ یک طرز فکر است که به شما امکان می‌دهد نتایج و خطرات بالقوه را ارزیابی کنید. (یک مهارت مهم در هر زمینه مبتنی بر داده)
در این درس، مفاهیم اصلی احتمال را تجزیه می‌کنیم که راه را برای سفر شما در علم داده هموار می‌کند.
☑️مبانی احتمال
در اصل، احتمال میزان احتمال وقوع یک رویداد را با مقادیری از 0 تا 1 اندازه‌گیری می‌کند. برای مثال، احتمال پرتاب یک سکه و شیر آمادن 0.5 است. چارچوب اساسی، کاربردهای احتمالی پیچیده‌تری را در علم داده زیربنا می‌دهد.
بیایید برخی از مفاهیم کلیدی را که پایه و اساس نظریه احتمال را تشکیل می‌دهند، بررسی کنیم.
▫️نتایج ترجیحی: اینها نتایجی هستند که ما می‌خواهیم رخ دهد یا به آنها علاقه‌مندیم. ما همچنین به چنین نتایجی به عنوان "مطلوب" اشاره می‌کنیم.
◾️فضای نمونه و رویدادها: فضای نمونه شامل تمام نتایج ممکن یک آزمایش است (به عنوان مثال، همه طرف های یک تاس). رویداد هر نتیجه یا مجموعه‌ای از نتایج خاص است که ما به آن علاقه‌مندیم - مانند مشاهده‌ی یک عدد زوج روی یک تاس.
▫️مقدار مورد انتظار: مقدار (یا میانگین) مورد انتظار نتیجه متوسط بلندمدت است اگر آزمایشی را بارها تکرار کنید. به عنوان مثال، در یک بازی که در آن شما یک سکه را 20 بار برمی گردانید، مقدار مورد انتظار برای شیرها 10 خواهد بود (50٪ از آزمایشات). ارزش مورد انتظار با ارائه یک پیش‌بینی از نتایج متوسط، به هدایت تصمیم‌گیری کمک می‌کند.
📄 توزیع های فروانی احتمال
یک توزیع احتمال، احتمال نتایج متفاوت را در یک فضای نمونه نشان می‌دهد. توزیع احتمال به ما کمک می‌کند تا بر اساس داده‌های مشاهده شده، نتایج آینده را پیش‌بینی کنیم. دو نوع اساسی از توزیع‌هایی که با آنها روبرو خواهید شد شامل موارد زیر است.
📊 توزیع‌های گسسته
اینها تعداد محدودی از نتایج دارند، مانند پرتاب یک تاس. توزیع‌های گسسته کلیدی شامل موارد زیر است.
1⃣ توزیع یکنواخت زمانی اتفاق می‌افتد که هر نتیجه احتمال برابری داشته باشد، مانند احتمال مشاهده هر عدد روی یک تاس.
2⃣ توزیع دوجمله‌ای تعداد موفقیت‌ها را در مجموعه‌ای از آزمایش‌ها، مانند پرتاب چندین بار یک سکه، مدل می‌کند.
3⃣ توزیع پواسون برای مدل‌سازی دفعات رویدادها در یک بازه زمانی خاص، مانند تعداد ورود مشتری در ساعت به فروشگاه، مفید است.
📈 توزیع‌های پیوسته
اینها نتایج بی‌نهایت در یک بازه زمانی دارند، مانند اندازه گیری دما.
💠 توزیع نرمال شناخته شده‌ترین توزیع پیوسته است. با شکل منحنی زنگی مشخص می‌شود.
📚منبع
ادامه دارد...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
💠 به دومین درس خود در مجموعه مبانی علم داده و هوش مصنوعی خوش آمدید!
درس امروز: احتمال- قسمت اول
🔣 احتمال یک ابزار قدرتمند در علم داده است که ما را قادر می سازد عدم قطعیت را درک کرده و پیش بینی‌های آگاهانه انجام دهیم. این فقط در مورد محاسبه شانس یک رویداد نیست. این در مورد اتخاذ یک طرز فکر است که به شما امکان می‌دهد نتایج و خطرات بالقوه را ارزیابی کنید. (یک مهارت مهم در هر زمینه مبتنی بر داده)
در این درس، مفاهیم اصلی احتمال را تجزیه می‌کنیم که راه را برای سفر شما در علم داده هموار می‌کند.
☑️مبانی احتمال
در اصل، احتمال میزان احتمال وقوع یک رویداد را با مقادیری از 0 تا 1 اندازه‌گیری می‌کند. برای مثال، احتمال پرتاب یک سکه و شیر آمادن 0.5 است. چارچوب اساسی، کاربردهای احتمالی پیچیده‌تری را در علم داده زیربنا می‌دهد.
بیایید برخی از مفاهیم کلیدی را که پایه و اساس نظریه احتمال را تشکیل می‌دهند، بررسی کنیم.
▫️نتایج ترجیحی: اینها نتایجی هستند که ما می‌خواهیم رخ دهد یا به آنها علاقه‌مندیم. ما همچنین به چنین نتایجی به عنوان "مطلوب" اشاره می‌کنیم.
◾️فضای نمونه و رویدادها: فضای نمونه شامل تمام نتایج ممکن یک آزمایش است (به عنوان مثال، همه طرف های یک تاس). رویداد هر نتیجه یا مجموعه‌ای از نتایج خاص است که ما به آن علاقه‌مندیم - مانند مشاهده‌ی یک عدد زوج روی یک تاس.
▫️مقدار مورد انتظار: مقدار (یا میانگین) مورد انتظار نتیجه متوسط بلندمدت است اگر آزمایشی را بارها تکرار کنید. به عنوان مثال، در یک بازی که در آن شما یک سکه را 20 بار برمی گردانید، مقدار مورد انتظار برای شیرها 10 خواهد بود (50٪ از آزمایشات). ارزش مورد انتظار با ارائه یک پیش‌بینی از نتایج متوسط، به هدایت تصمیم‌گیری کمک می‌کند.
📄 توزیع های فروانی احتمال
یک توزیع احتمال، احتمال نتایج متفاوت را در یک فضای نمونه نشان می‌دهد. توزیع احتمال به ما کمک می‌کند تا بر اساس داده‌های مشاهده شده، نتایج آینده را پیش‌بینی کنیم. دو نوع اساسی از توزیع‌هایی که با آنها روبرو خواهید شد شامل موارد زیر است.
📊 توزیع‌های گسسته
اینها تعداد محدودی از نتایج دارند، مانند پرتاب یک تاس. توزیع‌های گسسته کلیدی شامل موارد زیر است.
1⃣ توزیع یکنواخت زمانی اتفاق می‌افتد که هر نتیجه احتمال برابری داشته باشد، مانند احتمال مشاهده هر عدد روی یک تاس.
2⃣ توزیع دوجمله‌ای تعداد موفقیت‌ها را در مجموعه‌ای از آزمایش‌ها، مانند پرتاب چندین بار یک سکه، مدل می‌کند.
3⃣ توزیع پواسون برای مدل‌سازی دفعات رویدادها در یک بازه زمانی خاص، مانند تعداد ورود مشتری در ساعت به فروشگاه، مفید است.
📈 توزیع‌های پیوسته
اینها نتایج بی‌نهایت در یک بازه زمانی دارند، مانند اندازه گیری دما.
💠 توزیع نرمال شناخته شده‌ترین توزیع پیوسته است. با شکل منحنی زنگی مشخص می‌شود.
📚منبع
ادامه دارد...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
24.01.202516:37
💠 #توسعه_و_تحقیق_کار_ها
▪️ مقدمه‌ای بر تحقیق بالینی
تحقیق بالینی به مطالعه سیستماتیک و منظم در زمینه‌های پزشکی و علوم بهداشتی اطلاق می‌شود که هدف آن ارزیابی و بررسی اثرات درمان‌ها، داروها، روش‌های تشخیصی و پیشگیری بر روی بیماران یا گروه‌های خاصی از افراد است. این نوع تحقیق معمولاً شامل مراحل زیر می‌شود:
1. طراحی مطالعه: تعیین نوع مطالعه (تصادفی، مشاهده‌ای، کوهورت و ...) و روش‌های جمع‌آوری داده‌ها.
2. انتخاب شرکت‌کنندگان: مشخص کردن معیارهای ورود و خروج برای بیماران یا داوطلبان.
3. جمع‌آوری داده‌ها: انجام آزمایشات، مصاحبه‌ها و سایر روش‌های جمع‌آوری اطلاعات.
4. تحلیل داده‌ها: استفاده از روش‌های آماری برای تحلیل اطلاعات به دست آمده.
5. نتیجه‌گیری: تفسیر نتایج و ارائه توصیه‌ها بر اساس یافته‌ها.
▫️تحقیق بالینی می‌تواند به بهبود روش‌های درمانی، کاهش عوارض جانبی داروها، افزایش کیفیت خدمات بهداشتی و در نهایت ارتقاء سلامت عمومی کمک کند.
📱https://youtu.be/a7i08EIgj4Y?si=9TbBpccRX3FbDX7B
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
▪️ مقدمه‌ای بر تحقیق بالینی
تحقیق بالینی به مطالعه سیستماتیک و منظم در زمینه‌های پزشکی و علوم بهداشتی اطلاق می‌شود که هدف آن ارزیابی و بررسی اثرات درمان‌ها، داروها، روش‌های تشخیصی و پیشگیری بر روی بیماران یا گروه‌های خاصی از افراد است. این نوع تحقیق معمولاً شامل مراحل زیر می‌شود:
1. طراحی مطالعه: تعیین نوع مطالعه (تصادفی، مشاهده‌ای، کوهورت و ...) و روش‌های جمع‌آوری داده‌ها.
2. انتخاب شرکت‌کنندگان: مشخص کردن معیارهای ورود و خروج برای بیماران یا داوطلبان.
3. جمع‌آوری داده‌ها: انجام آزمایشات، مصاحبه‌ها و سایر روش‌های جمع‌آوری اطلاعات.
4. تحلیل داده‌ها: استفاده از روش‌های آماری برای تحلیل اطلاعات به دست آمده.
5. نتیجه‌گیری: تفسیر نتایج و ارائه توصیه‌ها بر اساس یافته‌ها.
▫️تحقیق بالینی می‌تواند به بهبود روش‌های درمانی، کاهش عوارض جانبی داروها، افزایش کیفیت خدمات بهداشتی و در نهایت ارتقاء سلامت عمومی کمک کند.
📱https://youtu.be/a7i08EIgj4Y?si=9TbBpccRX3FbDX7B
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
05.01.202516:32
💻#اکتشاف_دنیای_دیجیتال
✨ پیش بینی بازار کار داده‌ها و هوش مصنوعی 2025
🌀 انقلاب هوش مصنوعی
بر اساس گزارش مجمع جهانی اقتصاد، ما در آستانه یک تغییر قابل توجه در بازار کار جهانی هستیم. در حالی که هوش مصنوعی 85 میلیون شغل را جابجا می‌کند، 97 میلیون شغل جدید ایجاد می‌کند که نتیجه مثبت خالص 12 میلیون فرصت خواهد بود.
مجله تایم گزارش می‌دهد که بازار جهانی هوش مصنوعی قرار است تا سال 2025 به 190 میلیارد دلار برسد و بازارهای نوظهوری مانند هند پیشتاز این هزینه هستند - پیش بینی 17 میلیارد دلاری خدمات هوش مصنوعی تا سال 2027.
🌀 رشد حقوق و دستمزد
چشم انداز مالی به ویژه امیدوار کننده است. از ژانویه 2023، شاهد افزایش قابل توجه حقوق در همه نقش‌های مرتبط با داده‌ها بوده‌ایم:
☑️ مهندسان هوش مصنوعی با افزایش +48 هزار دلار پیشتاز هستند.
☑️ مهندسان یادگیری ماشین با سود قوی + 36 هزار دلار دنبال می‌کنند.
☑️ تحلیلگران داده رشد قابل توجهی + 29 هزار دلار را نشان می دهند.
☑️ دانشمندان داده ارزش قابل توجهی را با افزایش +27 هزار دلار حفظ می کنند.
☑️ مهندسان داده 20 هزار دلار افزایش قابل توجهی دارند.
با توجه به این رشد قوی در سال 2024، ما نسبت به آنچه سال آینده به ارمغان خواهد آورد خوشبین هستیم!
همانطور که برای سال 2025 آماده می‌شویم، تحقیقات جامع بازار کار را برای سال 2024 بررسی کنید.
1⃣ بازار کار تحلیلگر داده در سال 2024
2⃣ بازار کار دانشمند داده 2024
3⃣ بازار کار مهندس داده در سال 2024
4⃣ بازار مهندسان یادگیری ماشین در سال 2024
🌀 فرصت های خاص صنعت
بهداشت و درمان به عنوان یک بازیگر غالب در حال ظهور است. این صنایع در اتخاذ هوش مصنوعی مولد برای افزایش تشخیص، شخصی‌سازی درمان‌ها و تسریع در کشف دارو پیشرو هستند.
💠 طبق مقاله‌ای که اخیراً در وال استریت ژورنال منتشر شد، "جالب ترین شغل در فناوری ممکن است در واقع در بانک باشد." با تمرکز بر ارزیابی ریسک اعتباری و کشف تقلب، این صنعت چالش های هیجان انگیزی را ارائه می‌دهد.
خرده فروشی و تجارت الکترونیک در حال تجربه تحول قابل توجهی هستند. خرده فروشان از یادگیری ماشینی و هوش مصنوعی برای شخصی سازی خرید، بهینه سازی زنجیره تامین و بهبود بازاریابی استفاده می کنند. این باعث افزایش تعامل و کارایی مشتری می‌شود.
◀️ مهارت‌های ضروری برای موفقیت در آینده
▪️ تخصص پایتون: این زبان سنگ بنای توسعه داده و هوش مصنوعی است. تطبیق پذیری آن برای همه چیز از تجزیه و تحلیل داده‌ها گرفته تا یادگیری عمیق ضروری است.
▫️حاکمیت داده: با تشدید مقررات، درک حاکمیت داده بسیار مهم می‌شود. شرکت‌ها به طور فزاینده‌ای در اولویت قرار دادن حریم خصوصی داده‌ها و تخصص انطباق هستند.
▪️ یادگیری ماشینی: این رشته به سرعت به تکامل خود ادامه می‌دهد و ظهور هوش مصنوعی مولد این مهارت‌ها را ارزشمندتر از همیشه کرده است.
◀️ نقش‌های نوظهور
▫️مهندسین هوش مصنوعی: اتوماسیون رانندگی و تجزیه و تحلیل داده ها در صنایع
▪️تحلیلگران امنیت سایبری: حفاظت از اکوسیستم های دیجیتال پیچیده تر
▫️تحلیلگران هوش تجاری: تبدیل داده ها به تصمیمات استراتژیک
▪️متخصصان محاسبات کوانتومی: راه حل های محاسباتی نسل بعدی پیشگام
📚منبع
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
✨ پیش بینی بازار کار داده‌ها و هوش مصنوعی 2025
🌀 انقلاب هوش مصنوعی
بر اساس گزارش مجمع جهانی اقتصاد، ما در آستانه یک تغییر قابل توجه در بازار کار جهانی هستیم. در حالی که هوش مصنوعی 85 میلیون شغل را جابجا می‌کند، 97 میلیون شغل جدید ایجاد می‌کند که نتیجه مثبت خالص 12 میلیون فرصت خواهد بود.
مجله تایم گزارش می‌دهد که بازار جهانی هوش مصنوعی قرار است تا سال 2025 به 190 میلیارد دلار برسد و بازارهای نوظهوری مانند هند پیشتاز این هزینه هستند - پیش بینی 17 میلیارد دلاری خدمات هوش مصنوعی تا سال 2027.
🌀 رشد حقوق و دستمزد
چشم انداز مالی به ویژه امیدوار کننده است. از ژانویه 2023، شاهد افزایش قابل توجه حقوق در همه نقش‌های مرتبط با داده‌ها بوده‌ایم:
☑️ مهندسان هوش مصنوعی با افزایش +48 هزار دلار پیشتاز هستند.
☑️ مهندسان یادگیری ماشین با سود قوی + 36 هزار دلار دنبال می‌کنند.
☑️ تحلیلگران داده رشد قابل توجهی + 29 هزار دلار را نشان می دهند.
☑️ دانشمندان داده ارزش قابل توجهی را با افزایش +27 هزار دلار حفظ می کنند.
☑️ مهندسان داده 20 هزار دلار افزایش قابل توجهی دارند.
با توجه به این رشد قوی در سال 2024، ما نسبت به آنچه سال آینده به ارمغان خواهد آورد خوشبین هستیم!
همانطور که برای سال 2025 آماده می‌شویم، تحقیقات جامع بازار کار را برای سال 2024 بررسی کنید.
1⃣ بازار کار تحلیلگر داده در سال 2024
2⃣ بازار کار دانشمند داده 2024
3⃣ بازار کار مهندس داده در سال 2024
4⃣ بازار مهندسان یادگیری ماشین در سال 2024
🌀 فرصت های خاص صنعت
بهداشت و درمان به عنوان یک بازیگر غالب در حال ظهور است. این صنایع در اتخاذ هوش مصنوعی مولد برای افزایش تشخیص، شخصی‌سازی درمان‌ها و تسریع در کشف دارو پیشرو هستند.
💠 طبق مقاله‌ای که اخیراً در وال استریت ژورنال منتشر شد، "جالب ترین شغل در فناوری ممکن است در واقع در بانک باشد." با تمرکز بر ارزیابی ریسک اعتباری و کشف تقلب، این صنعت چالش های هیجان انگیزی را ارائه می‌دهد.
خرده فروشی و تجارت الکترونیک در حال تجربه تحول قابل توجهی هستند. خرده فروشان از یادگیری ماشینی و هوش مصنوعی برای شخصی سازی خرید، بهینه سازی زنجیره تامین و بهبود بازاریابی استفاده می کنند. این باعث افزایش تعامل و کارایی مشتری می‌شود.
◀️ مهارت‌های ضروری برای موفقیت در آینده
▪️ تخصص پایتون: این زبان سنگ بنای توسعه داده و هوش مصنوعی است. تطبیق پذیری آن برای همه چیز از تجزیه و تحلیل داده‌ها گرفته تا یادگیری عمیق ضروری است.
▫️حاکمیت داده: با تشدید مقررات، درک حاکمیت داده بسیار مهم می‌شود. شرکت‌ها به طور فزاینده‌ای در اولویت قرار دادن حریم خصوصی داده‌ها و تخصص انطباق هستند.
▪️ یادگیری ماشینی: این رشته به سرعت به تکامل خود ادامه می‌دهد و ظهور هوش مصنوعی مولد این مهارت‌ها را ارزشمندتر از همیشه کرده است.
◀️ نقش‌های نوظهور
▫️مهندسین هوش مصنوعی: اتوماسیون رانندگی و تجزیه و تحلیل داده ها در صنایع
▪️تحلیلگران امنیت سایبری: حفاظت از اکوسیستم های دیجیتال پیچیده تر
▫️تحلیلگران هوش تجاری: تبدیل داده ها به تصمیمات استراتژیک
▪️متخصصان محاسبات کوانتومی: راه حل های محاسباتی نسل بعدی پیشگام
📚منبع
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
01.11.202416:29
🖥 #سازنده_جهان_دیجیتال
😮 بیش از 100 مفهوم علوم کامپیوتر توضیح داده شده است!
◀️ اصول علم کامپیوتر را با یک تفکیک سریع اصطلاحات که هر مهندس نرم افزار باید بداند، بیاموزید. بیش از 100 مفهوم فنی از برنامه درسی CS توضیح داده شده است تا پایه ای برای برنامه نویسان فراهم کند.
https://youtu.be/-uleG_Vecis?si=PGftT4KcG9L8mhYN
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
😮 بیش از 100 مفهوم علوم کامپیوتر توضیح داده شده است!
◀️ اصول علم کامپیوتر را با یک تفکیک سریع اصطلاحات که هر مهندس نرم افزار باید بداند، بیاموزید. بیش از 100 مفهوم فنی از برنامه درسی CS توضیح داده شده است تا پایه ای برای برنامه نویسان فراهم کند.
https://youtu.be/-uleG_Vecis?si=PGftT4KcG9L8mhYN
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
29.10.202411:33
نرم افزار اندنوت
سرفصل مطالب:
1- آشنايی با نرم افزار و جستجو در پايگاه های اطلاعاتی
بررسی كاربردهای نرم افزار در مقاله نويسی و پا يان نامه
آشنايی با پايگاه های اطلاعاتی داخلی و خارجی
آشنايی با محیط نرم افزار
2- واردكردن منابع به صورت دستی و استفاده از پايگاه های اطلاعاتی
تعريف منابع به صورت دستی در كتابخانه EndNote
فراخوان ی منابع از پايگاه های اطلاعات ی در كتابخانه EndNote
3- وارد كردن منابع و ارجاع آن ها در متون علمی
ارجاع منابع با استفاده از نرم افزار EndNote در متن و انتهای متن
مديريت ارجاع دهی و سربرگ EndNote در نرم افزار Word
4- سبك های نگارشی (Styles):
آشنايی با سبك های موجود در نرم افزار EndNote و كاربرد آن ها
⚡@a_e_r_madani⚡
⚡@math_unibnb⚡
⚡@SCU_G_B⚡
سرفصل مطالب:
1- آشنايی با نرم افزار و جستجو در پايگاه های اطلاعاتی
بررسی كاربردهای نرم افزار در مقاله نويسی و پا يان نامه
آشنايی با پايگاه های اطلاعاتی داخلی و خارجی
آشنايی با محیط نرم افزار
2- واردكردن منابع به صورت دستی و استفاده از پايگاه های اطلاعاتی
تعريف منابع به صورت دستی در كتابخانه EndNote
فراخوان ی منابع از پايگاه های اطلاعات ی در كتابخانه EndNote
3- وارد كردن منابع و ارجاع آن ها در متون علمی
ارجاع منابع با استفاده از نرم افزار EndNote در متن و انتهای متن
مديريت ارجاع دهی و سربرگ EndNote در نرم افزار Word
4- سبك های نگارشی (Styles):
آشنايی با سبك های موجود در نرم افزار EndNote و كاربرد آن ها
⚡@a_e_r_madani⚡
⚡@math_unibnb⚡
⚡@SCU_G_B⚡
已删除10.02.202516:11
07.02.202505:32
📣📣 انجمن بیوشیمی دانشگاه خوارزمی برگزار می کند :
🔔 کارگاه آشنایی با نرم افزار End Note
🔍 سرفصل ها :
✔️آشنايی با نرم افزار و جستجو در پايگاه های اطلاعاتی
. بررسی كاربردهای نرم افزار در مقاله نويسی و پايان نامه
. آشنايی با پايگاه های اطلاعاتی داخلی و خارجی
. آشنايی با محیط نرم افزار
✔️واردكردن منابع به صورت دستی و استفاده از پايگاه های اطلاعاتی
. تعريف منابع به صورت دستی در كتابخانه EndNote
. فراخوانی منابع از پايگاه های اطلاعاتی در كتابخانه EndNote
✔️وارد كردن منابع و ارجاع آن ها در متون علمی
. ارجاع منابع با استفاده از نرم افزار EndNote در متن و انتهای متن
. مديريت ارجاع دهی و سربرگ EndNote در نرم افزار Word
✔️سبك های نگارشی (Styles):
آشنايی با سبك های موجود در نرم افزار EndNote و كاربرد آن ها
💎 مدرس : مهندس علی حسنی
🗓 زمان : جمعه ۱۹بهمن ۱۴۰۳
ساعت : ۱۹ الی ۲۱
‼️هزینه شرکت برای عموم ۳۰ هزار تومان‼️
🔗 همراه گواهی معتبر از دانشگاه خوارزمی تهران
📌 به صورت مجازی و در بستر اسکای روم
🔴 کلاس ضبط شده و فایل آن در اختیار شرکت کنندگان قرار می گیرد 🔴
💬 برای ثبت نام به آیدی زیر در تلگرام پیام دهید :
@Bio_cheme_association
(لینک درخواست ثبت نام :
(https://t.me/m/P0FHVPSYZjdk
♦️ Join us : https://t.me/Khu_biochemistryAssociation
🔔 کارگاه آشنایی با نرم افزار End Note
🔍 سرفصل ها :
✔️آشنايی با نرم افزار و جستجو در پايگاه های اطلاعاتی
. بررسی كاربردهای نرم افزار در مقاله نويسی و پايان نامه
. آشنايی با پايگاه های اطلاعاتی داخلی و خارجی
. آشنايی با محیط نرم افزار
✔️واردكردن منابع به صورت دستی و استفاده از پايگاه های اطلاعاتی
. تعريف منابع به صورت دستی در كتابخانه EndNote
. فراخوانی منابع از پايگاه های اطلاعاتی در كتابخانه EndNote
✔️وارد كردن منابع و ارجاع آن ها در متون علمی
. ارجاع منابع با استفاده از نرم افزار EndNote در متن و انتهای متن
. مديريت ارجاع دهی و سربرگ EndNote در نرم افزار Word
✔️سبك های نگارشی (Styles):
آشنايی با سبك های موجود در نرم افزار EndNote و كاربرد آن ها
💎 مدرس : مهندس علی حسنی
🗓 زمان : جمعه ۱۹بهمن ۱۴۰۳
ساعت : ۱۹ الی ۲۱
‼️هزینه شرکت برای عموم ۳۰ هزار تومان‼️
🔗 همراه گواهی معتبر از دانشگاه خوارزمی تهران
📌 به صورت مجازی و در بستر اسکای روم
🔴 کلاس ضبط شده و فایل آن در اختیار شرکت کنندگان قرار می گیرد 🔴
💬 برای ثبت نام به آیدی زیر در تلگرام پیام دهید :
@Bio_cheme_association
(لینک درخواست ثبت نام :
(https://t.me/m/P0FHVPSYZjdk
♦️ Join us : https://t.me/Khu_biochemistryAssociation
31.01.202516:33
🌀#گام_به_گام
🏆قهرمان گواهی شده GitHub- قسمت سوم
📝 مقدمه ای بر GitHub
☑️یاد بگیرید که از ویژگی‌های کلیدی GitHub، از جمله مشکلات، اعلان‌ها، شاخه‌ها، commit ها و درخواست‌های کششی استفاده کنید.
🌀 اهداف آموزشی
در این ماژول، شما:
1⃣ ویژگی‌های اساسی GitHub را شناسایی کنید.
2⃣ با مدیریت مخزن آشنا شوید.
3⃣ درکی از جریان GitHub به دست آورید که شامل شاخه‌ها، commitها و درخواست‌های کششی است.
4⃣ با بررسی مسائل و بحث‌ها، ویژگی‌های مشترک GitHub را کاوش کنید.
5⃣ نحوه مدیریت اعلان‌ها و اشتراک‌های GitHub خود را بشناسید.
🔹پیش نیازها
یک حساب GitHub
💠 این ماژول بخشی از این مسیرهای یادگیری است.
پروژه های نرم افزاری جامعه محور در GitHub بسازید.
با صفحات Markdown و GitHub با دیگران همکاری کنید.
بیاموزید که چگونه مایکروسافت از توسعه نرم افزار ایمن به عنوان بخشی از راه حل امنیت سایبری پشتیبانی می کند
کنترل منبع را مدیریت کنید.
چرخه عمر پروژه های خود را در GitHub مدیریت کنید.
برای شروع اینجا کلیک کنید.
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
🏆قهرمان گواهی شده GitHub- قسمت سوم
📝 مقدمه ای بر GitHub
☑️یاد بگیرید که از ویژگی‌های کلیدی GitHub، از جمله مشکلات، اعلان‌ها، شاخه‌ها، commit ها و درخواست‌های کششی استفاده کنید.
🌀 اهداف آموزشی
در این ماژول، شما:
1⃣ ویژگی‌های اساسی GitHub را شناسایی کنید.
2⃣ با مدیریت مخزن آشنا شوید.
3⃣ درکی از جریان GitHub به دست آورید که شامل شاخه‌ها، commitها و درخواست‌های کششی است.
4⃣ با بررسی مسائل و بحث‌ها، ویژگی‌های مشترک GitHub را کاوش کنید.
5⃣ نحوه مدیریت اعلان‌ها و اشتراک‌های GitHub خود را بشناسید.
🔹پیش نیازها
یک حساب GitHub
💠 این ماژول بخشی از این مسیرهای یادگیری است.
پروژه های نرم افزاری جامعه محور در GitHub بسازید.
با صفحات Markdown و GitHub با دیگران همکاری کنید.
بیاموزید که چگونه مایکروسافت از توسعه نرم افزار ایمن به عنوان بخشی از راه حل امنیت سایبری پشتیبانی می کند
کنترل منبع را مدیریت کنید.
چرخه عمر پروژه های خود را در GitHub مدیریت کنید.
برای شروع اینجا کلیک کنید.
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
22.01.202516:35
💠 #توسعه_و_تحقیق_کار_ها
✨ بزرگترین پیشرفت در ریاضیات در 2024
🌀 این ویدیو سه مورد از بزرگترین پیشرفت‌های سال 2024 در ریاضیات را بررسی می‌کند، از جمله روشی بهتر برای بسته‌بندی کره‌ها در ابعاد بالا، روشی جدید برای جلوگیری از تشکیل الگوهای اعداد، و اثبات 800 صفحه‌ای به اصطلاح هندسی حدس لنگلندز.
📱https://youtu.be/lwVSeXswWZY?si=BPthruysOgj-Qeul
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
✨ بزرگترین پیشرفت در ریاضیات در 2024
🌀 این ویدیو سه مورد از بزرگترین پیشرفت‌های سال 2024 در ریاضیات را بررسی می‌کند، از جمله روشی بهتر برای بسته‌بندی کره‌ها در ابعاد بالا، روشی جدید برای جلوگیری از تشکیل الگوهای اعداد، و اثبات 800 صفحه‌ای به اصطلاح هندسی حدس لنگلندز.
📱https://youtu.be/lwVSeXswWZY?si=BPthruysOgj-Qeul
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
22.12.202416:31
🗣#سخن_بزرگان
✨"ریاضیات، زبان جهانی علم است."✨
بوریس یاکوولویچ لوین (Boris Yakovlevich Levin)
💠بوریس یاکوولویچ لوین (Boris Yakovlevich Levin) یکی از ریاضیدانان برجسته روسی در زمینه نظریه احتمالات و آمار است. او به خاطر کارهایش در نظریه‌های تصادفی و روش‌های آماری شناخته می‌شود. لوین در سال ۱۹۱۲ در روسیه متولد شد و تحصیلات خود را در دانشگاه‌های معتبر این کشور گذراند.
▎دستاوردها و کارهای علمی:
1. نظریه احتمالات: لوین در توسعه نظریه‌های مربوط به فرآیندهای تصادفی و توزیع‌های احتمالی فعالیت‌های زیادی انجام داد. او به بررسی رفتارهای خاص توزیع‌های آماری پرداخته و به درک عمیق‌تری از این مفاهیم کمک کرده است.
2. تحلیل داده‌ها: او روش‌های جدیدی برای تحلیل داده‌ها ارائه داد که به پژوهشگران در علوم مختلف کمک کرد تا داده‌ها را به شکل مؤثرتری تفسیر کنند.
3. نظریه‌های ترکیبیاتی: لوین همچنین در زمینه نظریه‌های ترکیبیاتی و کاربردهای آنها در مسائل واقعی کار کرده است.
4. انتشار مقالات: او مقالات علمی متعددی منتشر کرده است که تأثیر زیادی بر روی جامعه علمی داشته‌اند. این مقالات شامل نتایج تحقیقات او در زمینه‌های مختلف ریاضی و آمار هستند.
▎تأثیر بر جامعه علمی:
کارهای لوین نه تنها در دنیای ریاضیات بلکه در علوم اجتماعی و طبیعی نیز تأثیرگذار بوده‌اند. او به عنوان یک معلم و پژوهشگر، نسل‌های جدیدی از ریاضیدانان و دانشمندان را تربیت کرده و به پیشرفت علم کمک کرده است.
▎نتیجه‌گیری:
بوریس یاکوولویچ لوین با تلاش‌های علمی خود در زمینه نظریه احتمالات و آمار، سهم بزرگی در پیشرفت این حوزه‌ها داشته است. کارهای او همچنان مورد استفاده قرار می‌گیرند و به عنوان مبنایی برای تحقیقات جدید در این زمینه‌ها محسوب می‌شوند.
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
✨"ریاضیات، زبان جهانی علم است."✨
بوریس یاکوولویچ لوین (Boris Yakovlevich Levin)
💠بوریس یاکوولویچ لوین (Boris Yakovlevich Levin) یکی از ریاضیدانان برجسته روسی در زمینه نظریه احتمالات و آمار است. او به خاطر کارهایش در نظریه‌های تصادفی و روش‌های آماری شناخته می‌شود. لوین در سال ۱۹۱۲ در روسیه متولد شد و تحصیلات خود را در دانشگاه‌های معتبر این کشور گذراند.
▎دستاوردها و کارهای علمی:
1. نظریه احتمالات: لوین در توسعه نظریه‌های مربوط به فرآیندهای تصادفی و توزیع‌های احتمالی فعالیت‌های زیادی انجام داد. او به بررسی رفتارهای خاص توزیع‌های آماری پرداخته و به درک عمیق‌تری از این مفاهیم کمک کرده است.
2. تحلیل داده‌ها: او روش‌های جدیدی برای تحلیل داده‌ها ارائه داد که به پژوهشگران در علوم مختلف کمک کرد تا داده‌ها را به شکل مؤثرتری تفسیر کنند.
3. نظریه‌های ترکیبیاتی: لوین همچنین در زمینه نظریه‌های ترکیبیاتی و کاربردهای آنها در مسائل واقعی کار کرده است.
4. انتشار مقالات: او مقالات علمی متعددی منتشر کرده است که تأثیر زیادی بر روی جامعه علمی داشته‌اند. این مقالات شامل نتایج تحقیقات او در زمینه‌های مختلف ریاضی و آمار هستند.
▎تأثیر بر جامعه علمی:
کارهای لوین نه تنها در دنیای ریاضیات بلکه در علوم اجتماعی و طبیعی نیز تأثیرگذار بوده‌اند. او به عنوان یک معلم و پژوهشگر، نسل‌های جدیدی از ریاضیدانان و دانشمندان را تربیت کرده و به پیشرفت علم کمک کرده است.
▎نتیجه‌گیری:
بوریس یاکوولویچ لوین با تلاش‌های علمی خود در زمینه نظریه احتمالات و آمار، سهم بزرگی در پیشرفت این حوزه‌ها داشته است. کارهای او همچنان مورد استفاده قرار می‌گیرند و به عنوان مبنایی برای تحقیقات جدید در این زمینه‌ها محسوب می‌شوند.
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🩵@IDSchools
🩵@IDS_Math
31.10.202416:30
🤩#زیبایی_های_ریاضی
✨ستاره‌هایی که رفتار پوچ دارند! (قسمت دوم)
✅ سرعت فرار آنها در واقع از سرعت نور بیشتر است.
🔴 هر نوری که یک ستاره تولید می‌کند، در داخل آن به دام می‌افتد و باعث می‌شود که ستاره نامرئی شود. اما ممکن است بتوانیم وجود آن را از طریق حرکت اجرام نورانی دیگری که به دور آن می‌چرخند، تشخیص دهیم. به این ترتیب، حرکات این اجسام می‌تواند نشانه‌ای از وجود ستاره‌های نامرئی باشد.
🔴میشل در ارائه‌اش به درستی درباره سیاهچاله‌ها صحبت کرد. او گفت که سرعت فرار از سیاهچاله‌ها بیشتر از سرعت نور است و با بررسی حرکات اجسام نورانی اطراف، می‌توان وجود سیاهچاله‌های زیادی را شناسایی کرد.
🔴میشل در توضیحاتش درباره سیاهچاله‌ها اشتباهاتی داشت. اکنون می‌دانیم که چگالی ستاره، نه قطر آن، تعیین‌کننده تبدیل به سیاهچاله است. همچنین، آلبرت انیشتین در سال 1905 نظریه‌ای را مطرح کرد که نور با سرعت ثابت حرکت می‌کند و تحت تأثیر گرانش قرار نمی‌گیرد. آزمایش‌های توماس یانگ در سال 1801 نیز نشان داد که نور خواص موجی دارد و این موضوع نظریه نیوتن درباره نور را رد کرد.
🔴تعداد کمی از دانشمندان در زمان میشل قادر به درک ایده‌های او درباره ستاره‌های تاریک و نامرئی بودند و به همین دلیل، نظریاتش توجه زیادی جلب نکرد. برای درک بهتر این اشیاء، نیاز به یک رویکرد جدید در تفکر درباره ماده، گرانش، نور و انرژی بود. این رویکرد جدید را انیشتین در 25 نوامبر 1915 با معرفی نظریه نسبیت عام و جایگزینی قانون گرانش نیوتن ارائه داد.
🔴انیشتین نظریه جدیدی درباره گرانش ارائه داد که بر پایه هندسه بود. او گفت گرانش نتیجه انحنای فضا-زمان است که توسط جرم‌های بزرگ مانند خورشید ایجاد می‌شود. به جای اینکه گرانش را نیرویی بین اجسام بدانیم، انیشتین توضیح داد که جرم‌ها فضا-زمان را منحنی می‌کنند و این انحنا باعث حرکت اجسام دیگر می‌شود. جان ویلر این مفهوم را خلاصه کرد: "فضازمان منحنی به ماده می‌گوید چگونه حرکت کند و ماده به فضا-زمان می‌گوید چگونه منحنی کند."
🔴انیشتین برای رسیدن به نظریه گرانش جدید خود، 10 سال تلاش کرد و در این مدت بیشترین کوشش را در زندگی‌اش انجام داد. جالب اینجاست که او در ابتدا به ریاضیات اهمیت نمی‌داد و در دوران دانشجویی نیز در این زمینه تلاش زیادی نکرده بود. زمانی که تصمیم به فرموله کردن نظریه عمومی خود گرفت، اطلاعات کمی درباره هندسه داشت و حتی از هندسه فضاهای منحنی که توسط ریاضیدان ریمان در سال 1854 معرفی شده بود، بی‌خبر بود. با این حال، نظریه او بر اساس همین هندسه بنا شد.
🔴معادله اصلی انیشتین، Gᵢⱼ = Tᵢⱼ ، ارتباط بین انحنای فضازمان و توزیع ماده و انرژی را نشان می‌دهد. در اینجا G و T تانسورهایی هستند که آرایه‌های ۴ در ۴ از اعداد و توابع هستند. این معادله در واقع شامل ۱۰ معادله "میدان" است که حل هر یک از آنها دشوار است و باید همه به طور همزمان حل شوند.
👈 ادامه دارد...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
✨ستاره‌هایی که رفتار پوچ دارند! (قسمت دوم)
✅ سرعت فرار آنها در واقع از سرعت نور بیشتر است.
🔴 هر نوری که یک ستاره تولید می‌کند، در داخل آن به دام می‌افتد و باعث می‌شود که ستاره نامرئی شود. اما ممکن است بتوانیم وجود آن را از طریق حرکت اجرام نورانی دیگری که به دور آن می‌چرخند، تشخیص دهیم. به این ترتیب، حرکات این اجسام می‌تواند نشانه‌ای از وجود ستاره‌های نامرئی باشد.
🔴میشل در ارائه‌اش به درستی درباره سیاهچاله‌ها صحبت کرد. او گفت که سرعت فرار از سیاهچاله‌ها بیشتر از سرعت نور است و با بررسی حرکات اجسام نورانی اطراف، می‌توان وجود سیاهچاله‌های زیادی را شناسایی کرد.
🔴میشل در توضیحاتش درباره سیاهچاله‌ها اشتباهاتی داشت. اکنون می‌دانیم که چگالی ستاره، نه قطر آن، تعیین‌کننده تبدیل به سیاهچاله است. همچنین، آلبرت انیشتین در سال 1905 نظریه‌ای را مطرح کرد که نور با سرعت ثابت حرکت می‌کند و تحت تأثیر گرانش قرار نمی‌گیرد. آزمایش‌های توماس یانگ در سال 1801 نیز نشان داد که نور خواص موجی دارد و این موضوع نظریه نیوتن درباره نور را رد کرد.
🔴تعداد کمی از دانشمندان در زمان میشل قادر به درک ایده‌های او درباره ستاره‌های تاریک و نامرئی بودند و به همین دلیل، نظریاتش توجه زیادی جلب نکرد. برای درک بهتر این اشیاء، نیاز به یک رویکرد جدید در تفکر درباره ماده، گرانش، نور و انرژی بود. این رویکرد جدید را انیشتین در 25 نوامبر 1915 با معرفی نظریه نسبیت عام و جایگزینی قانون گرانش نیوتن ارائه داد.
🔴انیشتین نظریه جدیدی درباره گرانش ارائه داد که بر پایه هندسه بود. او گفت گرانش نتیجه انحنای فضا-زمان است که توسط جرم‌های بزرگ مانند خورشید ایجاد می‌شود. به جای اینکه گرانش را نیرویی بین اجسام بدانیم، انیشتین توضیح داد که جرم‌ها فضا-زمان را منحنی می‌کنند و این انحنا باعث حرکت اجسام دیگر می‌شود. جان ویلر این مفهوم را خلاصه کرد: "فضازمان منحنی به ماده می‌گوید چگونه حرکت کند و ماده به فضا-زمان می‌گوید چگونه منحنی کند."
🔴انیشتین برای رسیدن به نظریه گرانش جدید خود، 10 سال تلاش کرد و در این مدت بیشترین کوشش را در زندگی‌اش انجام داد. جالب اینجاست که او در ابتدا به ریاضیات اهمیت نمی‌داد و در دوران دانشجویی نیز در این زمینه تلاش زیادی نکرده بود. زمانی که تصمیم به فرموله کردن نظریه عمومی خود گرفت، اطلاعات کمی درباره هندسه داشت و حتی از هندسه فضاهای منحنی که توسط ریاضیدان ریمان در سال 1854 معرفی شده بود، بی‌خبر بود. با این حال، نظریه او بر اساس همین هندسه بنا شد.
🔴معادله اصلی انیشتین، Gᵢⱼ = Tᵢⱼ ، ارتباط بین انحنای فضازمان و توزیع ماده و انرژی را نشان می‌دهد. در اینجا G و T تانسورهایی هستند که آرایه‌های ۴ در ۴ از اعداد و توابع هستند. این معادله در واقع شامل ۱۰ معادله "میدان" است که حل هر یک از آنها دشوار است و باید همه به طور همزمان حل شوند.
👈 ادامه دارد...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
✉️@IDSchools
✉️@IDS_Math
28.10.202416:30
🖥 #سازنده_جهان_دیجیتال
⭐️ ریاضی مورد نیاز برای علوم کامپیوتر
🔹 رشته های علوم کامپیوتر در مقایسه با اکثر رشته ها باید انواع مختلفی از ریاضیات را یاد بگیرند. این نوع ریاضی به ویژه برای کسانی که به دنبال تحقیق در زمینه هایی مانند علوم کامپیوتر، هوش مصنوعی یا حتی ریاضیات محض هستند، مهم است.
https://youtu.be/eSFA1Fp8jcU?si=S9GYRZzBuVvcrG7e
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🚀@IDSchools
🚀@IDS_Math
⭐️ ریاضی مورد نیاز برای علوم کامپیوتر
🔹 رشته های علوم کامپیوتر در مقایسه با اکثر رشته ها باید انواع مختلفی از ریاضیات را یاد بگیرند. این نوع ریاضی به ویژه برای کسانی که به دنبال تحقیق در زمینه هایی مانند علوم کامپیوتر، هوش مصنوعی یا حتی ریاضیات محض هستند، مهم است.
https://youtu.be/eSFA1Fp8jcU?si=S9GYRZzBuVvcrG7e
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math
🚀@IDSchools
🚀@IDS_Math
显示 1 - 24 共 46
登录以解锁更多功能。