🔴 نخستین کارگاه داده کاوی توییتر

📅 ۱ و ۲ آبان چهارشنبه و پنج شنبه
🕣 ۸.۳۰ تا ۱۸
🏛 دانشکده فیزیک شهید بهشتی
💎هزینه شرکت ۱۵۰۰۰ تومان
🍔 به همراه نهار و پذیرایی

❗به همراه داشتن لپتاپ و حساب کاربری توییتر الزامی است.

https://ccnsd.ir/twitter-workshop/

—————————————
مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir

#سمینارهای_هفتگی

«Quantum Supremacy»

🗣 شایان رضایی نژاد - دانشگاه شهید بهشتی
⏰ دوشنبه، 29 مهر - ساعت ۱۶:۰۰
🏛 محل برگزاری: سالن ابن‌هیثم

‍~~~~~~~~~~~~~~~~
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
—————————————

💰 #PhD position in Cognitive Science, Complex Systems, and Team Dynamics at Tilburg University https://t.co/pTQS5XWSpy

🔴 نخستین کارگاه داده کاوی توییتر

📅 ۱ و ۲ آبان چهارشنبه و پنج شنبه
ccnsd.ir/twitter-workshop/

در بخش اول این کارگاه، نخست به معرفی ابزاری که برای جمع‌آوری و تجزیه و تحلیل داده‌های مبتنی-بر-رویداد (event-based) در توییتر ایجاد کرده‌ایم، می‌پردازیم. سپس، از پیچیدگی تعریف، دسته‌بندی و تشخیص ربات‌های توییتری خواهیم گفت و به اختصار به آموزش الگوریتم‌ها و ابزارهای رایج تشخیص ربات‌های توییتری خواهیم پرداخت. در نهایت، ضمن توضیحاتی در مورد اهمیت شکل‌گیری یک بانک دادهٔ توضیح نویسی شده از ربات‌های توییتری (annotated data-set of Twitter social bots) در زبان فارسی، با حل مثال توضیح می‌دهیم که در هنگام تشخیص دستی ربات‌های توییتری در زبان فارسی‌ توجه به چه نکاتی به کمک‌مان خواهد آمد. در بخش دوم کارگاه، با همکاری شرکت‌کنندگان، به ساختن این بانک داده خواهیم پرداخت. این بانک که در نهایت در دسترس عموم قرار می‌گیرد، شامل ۱۵۰۰ حساب توییتر فارسی خواهد بود که هر کدام توسط سه کاربر توضیح‌نویسی (annotate) می‌شود.

مخاطب این کارگاه دانشجویان سال‌های ابتدایی کارشناسی علاقمند به علم داده و مطالعهٔ شبکه‌های اجتماعی آنلاین، یا دانشجویان مقاطع بالاتر علاقمند به آشنایی بیشتر با این حوزه‌ها هستند. ضمناً، این کارگاه در حاشیهٔ خود، شرایط آشنایی بیشتر و همکاری علمی تیم توییتر مرکز شبکه‌های پیچیدهٔ و علم‌دادهٔ اجتماعی در دانشگاه شهید بهشتی را با مخاطبان مهیا می‌کند.

ثبت‌نام و اطلاعات بیشتر:
http://ccnsd.ir/twitter-workshop/
—————————————
به امید دیدار
مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی
🕸 @CCNSD 🔗 ccnsd.ir

👀 https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.1.033034

🧠One-day Symposium on Social Cognition
⏰ December 2, 2019
🇮🇷 Salam Hall, SBU

Institute for Cognitive and Brain Sciences, Shahid Beheshti University, Tehran

🔗 socialcognition.ir

💻 برترین دوره‌های برخط آموزش یادگیری عمیق!

🌀 یادگیری عمیق با توجه به قابلیت‌ها و کاربردهای متنوعی که در حوزه‌های پردازش تصویر، پردازش زبان طبیعی و ... دارد، در حال تبدیل‌شدن به یکی از مهارت‌های کلیدی متخصصان علم‌داده است. در ادامه برخی از مطرح‌ترین دوره‌های برخط یادگیری عمیق معرفی می‌شوند.

• دوره یادگیری عمیق پرفسور Andrew Ng در سایت Coursera

• دوره یادگیری عمیق شرکت IBM در سایت EDX

• مدرسه هوش مصنوعی موسسه Udacity

• دوره یادگیری عمیق دانشگاه MIT

• دوره یادگیری عمیق با پایتون Datacamp

• دوره یادگیری عمیق از صفر تا صد موسسه Udemy

• دوره فارسی یادگیری عمیق دانشگاه استنفورد

🔸 شرکت در دوره‌های آنلاین بالا و مطالعه‌ی کتب مرجع یکی از بهترین راه‌های کسب تخصص در این حوزه و سایر حوزه‌های کاری است.

✏️ علاوه بر موارد فوق در وبسایت ویرگول یک مسیر پیشنهادی جهت تبدیل شدن به یک متخصص یادگیری عمیق تدوین شده است که می‌تواند برای علاقه‌مندان این حوزه مفید باشد.
dataio.ir/deep-learning-aetdp4cfynrj


© @DataAnalysis
🆔 @Zharfa90

Science and Technology Advance through Surprise

“breakthroughs occur when problems in one field are unexpectedly solved by researchers from a distant other”

https://t.co/mh9UjkXA8a

IFISC offers three new #PhD positions funded by the María de Maeztu award of the Spanish Research Agency (@AgEInves). Deadline for application 07/11/19.

More details: https://t.co/rE20Ghn9ML

Very nice blog post from Song Mei on the replica method from statistical physics. https://t.co/Uj7RFnHXfy

🎬 https://youtu.be/5yNuUXwmjSY

Master's Programme in Computer, Communication and Information Sciences – Machine Learning, Data Science and Artificial Intelligence | Aalto University
https://www.aalto.fi/en/study-options/masters-programme-in-computer-communication-and-information-sciences-machine-learning

Machine learning and statistical physics “we propose a model machine learning approach that optimizes an effective model based on an estimation of its partition function” https://t.co/xnD9ypqi3H #complexitypapers

🧠 https://www.quantamagazine.org/a-power-law-keeps-the-brains-perceptions-balanced-20191022/

☑ In 1687 Sir Issac Newton posited the three-body problem in Principia. 332 years later it was solved with a deep neural network, and 100 million times faster
https://t.co/4MXGQ8ar2q

https://arxiv.org/pdf/1910.07291.pdf

⚽️ We just released on #Nature @ScientificData the largest dataset of spatio-temporal events in soccer matches: one season of 8 soccer competitions!
1⃣ Paper 👉 https://t.co/P3U9sUZffl
2⃣ Blog post 👉 https://t.co/vxwTO6hQjw #SportsAnalytics #SciComm #DataScience #PlayeRank

💰 The LIPh Group invites applications for a postdoctoral position in Statistical Physics and Complex Systems.

#postdoc
https://www.liphlab.com/opportunities/postdoc/

🎧 خلاصه صوتی کتاب «فرمول: قوانین جهان‌شمول موفقیت» باراباشی

http://bit.ly/bPlusFormula

آلبرت لازلو باراباشی، یک دانشمند شبکه معروفه که اخیرا پروژه‌ای به اسم «علم موفقیت» در دپارتمان «علم شبکه» دانشگاه نورث‌ایسترن شروع کرده. منظور از علم موفقیت، بررسی افراد، شرکت‌ها، کسب‌وکارها و … به صورت کمی برای رسیدن به تحلیل‌های داده‌محور از موفقیت اون‌هاست. خلاصه که کارشون استفاده از روش علمی برای مطالعه میزان موفقیت افراد یا شرکت‌ها در موضوعات مختلفه. باراباشی تجربیات پژوهشی پروژه علم موفقیت رو در کتاب عامه‌پسندی به اسم «The Formula: The Universal Laws of Success» منتشر کرده.

این اپیزود جدید پادکست بی‌پلاس در‌ مورد این کتابه.
http://bit.ly/bPlusFormula

بی‌پلاس، پادکستیه که توش خلاصه کتاب تعریف میکنند:
@PodcastBplus