Forwarded from رادیوفیزیک 📣
Network Science .mp3
39.7 MB
فایل صوتی ارائه عباس کریمی در مورد علم شبکه
سومین همایش پیوند - دانشگاه شهیدبهشتی
تابستان ۹۷
لینک دانلود:
🔗 http://bit.ly/2vICezc
سومین همایش پیوند - دانشگاه شهیدبهشتی
تابستان ۹۷
لینک دانلود:
🔗 http://bit.ly/2vICezc
Complex Systems Studies
https://www.nature.com/articles/d41586-018-05972-7
خب اینجا یه خبر است که در نیچر آمده. میگوید آزمایشگاه ATLAS و احتمالاً تا کمی دیگر CMS میخواهند شروع کنند به طور «کلی و بیهدف» دادههای بدست آمده رو بررسی کنند. اون وسطها یه جا میگه خب ما سمت هوش مصنوعی هم میریم.
حرف این است که خب بعد از هیگز هر چه گشتهاند به درِ بسته خوردهاند! همه چیز مطابق با مدل استاندارد بوده. اما روش چی بوده؟ مثلاً میگفتن بریم ببینیم فلان ذره که فلان مدل ابرتقارنی گفته سروکلهاش پیدا میشه تو دادهها یا نه؟!
حالا میخوان روش رو عوض کنن. میگن میریم دادهها رو بدون توجه به مدل تحلیل میکنیم. شاید چیزایی باشه که ما اصلن تو تئوری بهش فکر نکردهایم.
یک preprint هم همین ATLASروی arXiv گذاشته که لینکش آخر خبر نیچر پیدا میشه.
حرف این است که خب بعد از هیگز هر چه گشتهاند به درِ بسته خوردهاند! همه چیز مطابق با مدل استاندارد بوده. اما روش چی بوده؟ مثلاً میگفتن بریم ببینیم فلان ذره که فلان مدل ابرتقارنی گفته سروکلهاش پیدا میشه تو دادهها یا نه؟!
حالا میخوان روش رو عوض کنن. میگن میریم دادهها رو بدون توجه به مدل تحلیل میکنیم. شاید چیزایی باشه که ما اصلن تو تئوری بهش فکر نکردهایم.
یک preprint هم همین ATLASروی arXiv گذاشته که لینکش آخر خبر نیچر پیدا میشه.
💎 Slides from Clauset's "Introduction to Networks" lecture at #SICSS2018, a super quick tour of some basic network science concepts and methods + application of them to understand faculty hiring networks in academia
https://t.co/D9iJ7aaVD2
https://t.co/D9iJ7aaVD2
☑ Parallel Programming with Python
https://chryswoods.com/parallel_python/index.html
https://chryswoods.com/parallel_python/index.html
🔥 Set of illustrated Machine Learning cheat sheets from Stanford's CS 229 class:
Deep Learning: https://t.co/BNQ7FpUum4
Supervised Learning: https://t.co/5bhzGHlUCl
Unsupervised Learning: https://t.co/ZaD94OQNNN
Tips and tricks: https://t.co/SciByei6a1
Deep Learning: https://t.co/BNQ7FpUum4
Supervised Learning: https://t.co/5bhzGHlUCl
Unsupervised Learning: https://t.co/ZaD94OQNNN
Tips and tricks: https://t.co/SciByei6a1
stanford.edu
CS 229 - Deep Learning Cheatsheet
Teaching page of Shervine Amidi, Graduate Student at Stanford University.
🔥 A full transcript of the tutorial with jupyter notebooks, data, slides, etc. is now available at
https://ingoscholtes.github.io/kdd2018-tutorial/
https://ingoscholtes.github.io/kdd2018-tutorial/
Beyond Graph Mining - Higher-Order Data Analytics for Temporal Network Data
KDD 2018 - Hands-on Tutorial on Higher-Order Data Analytics
Companion website for KDD’18 Hands-On Tutorial on Higher-Order Data Analytics for Temporal Network Data