📍انجمن علمی ریاضی دانشگاه شهید بهشتی با همکاری انجمن علمی آمار دانشگاه شهید بهشتی برگزار میکند:

💥دوره‌ی جمع‌بندی ریاضیات عمومی کنکور ارشد💥

🔹با تدریس محمد حسین عباسی بنیاد🔹
❗️رتبه ۱۰ کنکور ارشد ریاضی
❗️دانشجوی ارشد علم داده ها دانشگاه شهید بهشتی

🗓شروع دوره: ۱ آذر

🗓مهلت ثبت نام: ۳۰ آبان

این دوره ۱۶ جلسه‌ای به صورت هفتگی در روزهای پنجشنبه و جمعه برگزار میشود.

سر فصل های دوره:
🔻حد و پیوستگی
🔻مشتق و کاربرد
🔻انتگرال و کاربرد
🔻مختصات قطبی
🔻اعداد مختلط
🔻دنباله و سری
🔻توابع برداری
🔻توابع چند متغیره
🔻انتگرال چندگانه
🔻انتگرال خط و سطح


⁉️برای دریافت اطلاعات بیشتر و ثبت نام به اکانت زیر پیام بدید:
--->@Sbumathassociation<---


🆔@MathSBU | انجمن علمی ریاضی دانشگاه شهید بهشتی

🆔@StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

⭕️کد تخفیف مخصوص اعضای کانال انجمن‌های ریاضی و آمار دانشگاه شهید بهشتی:
(استفاده از کد تخفیف، مستلزم عضویت در کانال انجمن‌های ریاضی و آمار می‌باشد.)

Math&StatSBU963

(ثبت نام گروهی نیز شامل تخفیف جداگانه می‌باشد.)

💥انجمن‌ علمی آمار دانشگاه شهید بهشتی برگزار می‌کند:

💻کارگاه رایگان راهنمای خرید لپتاپ دانشجویی

🔅ویژه تمام دانشجویان دانشگاه شهید بهشتی
( به ویژه دانشجویان جدیدالورود)

🔹زمان: چهارشنبه 23 آبان ماه ، ساعت 13 الی 15

🔸مکان: دانشکده علوم ریاضی

🔹شرکت در این وبینار برای تمامی علاقه‌مندان کاملا رایگان و آزاد است

⭕️جهت باخبر بودن از جزئیات کارگاه و شرکت در کارگاه در گروه زیر جوین شوید:
@kargahkharid


🆔@StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻داده‌های تابعی
#منابع_آموزشی

گرد آورنده -> زهرا صفایی عارف
منبع -> جهان آمار نوین


🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻مکان برگزاری این کارگاه:
«کلاس 401 دانشکده علوم ریاضی دانشگاه شهید بهشتی»
🔻ساعت برگزاری:
«13 الی 14:30»

منتظر حضور گرم شما هستیم🤍

🔻 معرفی D3.js
#معرفی_ابزار

کتابخانه D3.js یا Data-Driven Documents، یک ابزار قدرتمند مبتنی بر جاوا اسکریپت است که برای مصورسازی داده‌ها و ایجاد نمودارهای تعاملی و سفارشی در مرورگرهای وب استفاده می‌شود. این کتابخانه با بهره‌گیری از استانداردهای وب مانند SVG، HTML و CSS امکان اتصال مستقیم داده‌ها به اسناد HTML و نمایش آن‌ها را فراهم می‌کند. D3.js انتخابی مناسب برای پروژه‌هایی است که نیاز به طراحی دقیق و تعاملی دارند.

💢 مزایای D3.js
۱. انعطاف‌پذیری بالا در طراحی و ایجاد نمودارها و گراف‌های سفارشی، به‌گونه‌ای که می‌توان آن‌ها را کاملاً مطابق با نیاز پروژه طراحی کرد.
۲. امکان نمایش داده‌ها به‌صورت بلادرنگ (Real-Time Visualization) همراه با تعاملات متنوع از جمله کلیک، حرکت ماوس و انیمیشن‌های پویا.
۳. برخورداری از مستندات جامع و جامعه کاربری فعال که استفاده و یادگیری آن را برای کاربران تسهیل می‌کند.

⚠️ محدودیت‌ها:
- این کتابخانه تنها برای پروژه‌های مبتنی بر وب مناسب است و وابسته به مرورگر است.

🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻جزوه فارسی Data Cleaning
#منابع_آموزشی

نویسنده -> عمر الگابری
مترجم -> علی باقری کوچکسرائی



🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

باسلام
کلیه کلاس‌های تا ساعت ۱۲ دانشکده علوم ریاضی فردا دوشنبه ۱۹ آذر بصورت آنلاین در سامانه LMS  برگزار می‌گردد.

🔻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.

منبع ویدیو

🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻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.


منبع

🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی