💠💠💠
خطاب به هر کس که پرسید:
_چرا ادامه تحصیل ؟
__...................او میکشد قلاب را


#روزمرگی
با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

🌑🪐🌑
At Night🌃
#power_bi
#Project
@DataSenseAcademy

💠💠💠
لطیف ترین روح و عاشق ترین قلب ها رو ریاضیدان ها دارند. ♡
فیلم (مردی که بینهایت را میدانست) بسیار هنرمندانه این جمله را اثبات میکند.

در سراسر فیلم در پس سکانس هایی پر از اثبات و فرمول، لطافت روح یک ریاضیدان به نمایش گذاشته شده.
روح عاشق رامانوجان سریع تر از فرمول هایش گسترش پیدا کرد.
شهودش در ریاضیات عمیق و در عشق، لطیف بود♡

نه تنها فرمول هایش جهان ریاضیات را تغییر داد بلکه روحش، روح استادش هاردی را دستخوش تغییر کرد.

این فیلم به خوبی نشان داد برای اثبات عشق باز هم نیاز به ریاضیات و ریاضیدان هست.

#معرفی_فیلم
#ریاضیدان

با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

💠💠💠
معرفی فیلم :
مردی که بینهایت را میدانست
زندگی نامه یک ریاضیدان هندی

خطر اسپول فیلم ⬇️⬇️ ⬆️⬆️

سرینیواسا رامانوجان ریاضیدان خودساخته هندی، کارمند حسابداری شرکتی در هند بود. 

سکانس های الهام بخش سراسر این فیلم را فراگرفته
از تلاش های خستگی ناپذیر رامانوجان برای معرفی خودش به دنیای ریاضیدان ها تا تلاش بیوقفه اش جهت رفاه برای همسر و مادرش.

اوج فیلم، تلفیق هنرمندانه اشتیاق حضور در کمبریج و چشم های منتظر برای نامه ای از همسرش بود که به خوبی نمایش داده شد.
نامه هایی که غم نرسیدن آنها ذره ذره در وجود پر از الهام رامانوجان گسترش پیدا کرد.
مادرش مانع ارسال بود.
اما سرانجام درست در اوج بیماری رامانوجان ، نامه ای از همسرش بدستش رسید؛ نه نتها زندگی دوباره به رامانوجان بخشید بلکه گره از اثبات فرمول رامانوجان باز کرد.
بعد از عضویت سلطنتی دانشگاه کمبریج به هندوستان بازگشت و یکسال بعد از دنیا رفت.
در سال ۱۹۷۶ دفترچه ای از راماندوجان پیدا شد که حاوی فرمول های شگفت انگیز بود. در قرن بعد این فرمول ها برای درک رفتار سیاه چاله ها استفاده شد.

@DataSenseAcademy

clustering🟢🟡🟠

اگر دیتاست متشکل از متغیر های کمی و کیفی باشند، الگوریتم PAM پیشنهاد میشود
(Partitioning Around Medoid)


الگوریتم PAM بر mediod ها استوار هست.
درواقع mediod ها دقیقا از مشاهدات هستند و به عنوان مرکز هر خوشه معرفی میشود.
برعکس دو الگوریتم k means  و k mode که مرکز خوشه لزوما از مشاهدات نبود.
در ادامه با الگوریتم PAM آشنا خواهیم شد...
#clustering
#Partitioning_Around_Medoid
#PAM
#پست_پنجم_clustering



با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

clustering🟢🟡🟠

الگوریتم PAM یکی از روش های خوشه بندی بدون ناظر میباشد.

این الگوریتم توانایی دارد برای دیتاست های زیر خوشه بندی انجام دهد:
✅دیتاستی که تمام متغیر هایش کمی هستند(با استفاده از فاصله ی Euclidean)
✅دیتاستی که تمام متغیر هایش کیفی هست.(با استفاده از فاصله ی Hamming)
و
✅ مزیت اصلی❇؛ دیتاستی با هم متغیر کمی و هم متغیر کیفی ( با استفاده از فاصله ی Gower)

روند این اگوریتم هم مانند دو الگوریتم k means و k modes میباشد:

1️⃣ابتدا k مشاهده به صورت تصادفی به عنوان medoid انتخاب میشود.

2️⃣هر مشاهده به نزدیکترین medoid اختصاص داده میشود . برای این کار از فاصله ی Gower استفاده میشود. تا این مرحله تمامی مشاهدات در k خوشه تقسیم بندی میشوند.

3️⃣ به روز رسانی medoid ها:
حال در هر خوشه ، هر کدام از xi های موجود در هر خوشه به عنوان کاندیدی برای medoid در نظر گرفته میشود (چرا؟ چون شاید مشاهده ی دیگری برای مرکز خوشه بودن ارحجتر باشد)
برای هر xi فاصله اش تا سایر مشاهدات آن خوشه محاسبه میشود. اگر مشاهده ای مجموع فاصله اش کمتر از مجموع فاصله برای mediod فعلی پیدا شود، جایگزین آن mediod میشود.

این کار برای تمامی k خوشه انجام میشود.

4️⃣چرخش الگوریتم. مراحل بالا تا زمانی که mediod ها تغییری نکنند ادامه دارد یعنی تا رسیدن به همگرایی.

در پست بعد به بررسی فاصله ی Gower میپردازیم....

#clustering
#Partitioning_Around_Medoid
#PAM
#mediod
#statistics
#Data_science
#پست_ششم_clustering



با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

The story of Variable selection

🎬Part1: Therapy Room

What’s  going on in the hearts of the rejected variables?  😢
Have you ever listened? Maybe they have secrets to tell...

-------------------------
تلاش های متغیر حذف شده برای ماندن در مدل از چشم تحلیلگران پنهان میماند.

از دل متغیر های حذف شده خبر دارید؟
-------------------------

#Regression #Variable_selection #Forward_selection #Backward_selection #Stepwise
#Data_science #statistics

#پست_اول_Variable_Selectio
#Story_Variable_selection



با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy
⬇️
❤

در پروسه تحلیل داده ، انتخاب متغیر( variable selection) یکی از گام های اصلیست.
یک تحلیلگر واقعی باید دلیل هر اتفاقی را بداند،
اینکه چرا برخی از متغیر ها در variable selection حذف میشن؟
ایا راهی وجود داره که این متغیر های حذف شده هم به مدل راه پیدا کنند؟

clustering🟢🟡🟠

💥The Ultimate Guide to Clustering Packages in R💥

Clustering in R
Package: stat ➡️ kmeans()
Package: klar ➡️ kmodes()
Package: cluste➡️ pam()

#clustering
#پست_هفتم_clustering

با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy
⬇️
❤

در Rmarkdown زمانی که متن فارسی مینویسید و مخصوصا وقتی متن فارسی_انگلیسی مینویسید در خروجی کلمات به هم میریزد.
برای رفع این مشکل :
وارد قسمت source شوید و کد زیر را بنویسید:
<div dir="rtl">

</div>
سپس وارد قسمت Visual شوید و متن دلخواه را در جایگاه بنویسید.😉

#Rmarkdown
با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

Non-stop 🥇
Worth it 💎


Believe💪🏻


#PhD
#کنکور_دکتری
#انگیزشی

با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

💎💠💠💠💎
آیا انقدر شجاع هستی که زندگی را از حالت نرمال خارج کنی و شانسی به اتفاقات نادر بدهی؟
♡آغاز یک ملاقات...
☆شروع یک گفت و گو...
◇قبول یک پروژه سخت...

فرض کن قصد داری گفت و گویی را آغاز کنی که بسیار برایت ارزشمند هست. اما چه رخدادی را حس میکنی؟
ترس ؟! تنگی نفس ؟! لرزش دست؟!
چرا این اتفاق رخ میده؟
در دیدگاه آمار به این معناست که از حالت نرمال خارج شده ای. حال به اتفاقات نادر شانس بیشتری میبخشی(پذیرش سایه ی ریسک).

خروج از حالت نرمال یعنی استقبال از رخداد های خیلی خاص---> موفقیت ناگهانی ، اتفاق خارق العاده، عشق و...

حال انتخاب با خودت هست:
باقی ماندن در روند نرمال زندگی یا شجاعت خروج از حالت نرمال (تغییر سرنوشت)

````````

پانویس:
یک توزیع زمانی Light_tailed هست که احتمال وقوع مقادیر خیلی بزرگ یا خیلی کوچک خیلی سریع کاهش پیدا کند.( دم های توزیع کم حجم هست)
مانند توزیع نرمال و نمایی.
اما
یک توریع زمانی Heavy_tailed هست که احتمال وقوع مقادیر خیلی بزرگ یا خیلی کوچک
نسبتا زیاد باشد.( دم های توزیع سنگین هست)
مانند: توزیع پارتو و کوشی

در Heavy_tailed اتفاقات خیلی بزرگ هنوز احتمال دارد، میتواند شک یا غافلگیری ایجاد کند.


#Normal #Cauchy #Pareto
#Heavy_tailed #Light_tailed

با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

مثله هورتون که برای <جهان روی گلش🌱> تمام قاصدکارو گشت،
تو هم تلاش کن.

ساده ترین کارتون بچگیامون یادمون داده که : میشه، میاد، میرسه.

#PhD،#کنکور_دکتری
#انگیزشی

با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

💡
✨ Transform your R Markdown into a stunning, modern report!

⚡⚡⚡
Code:

1)
title: "Linear Regression Analysis in R"
author: "DataSense"
date: "r Sys.Date()"
output:
  rmdformats::readthedown:
  editor_options:
  markdown:
  wrap: 72


2)
title: "Linear Regression Analysis in R"
author: "DataSense"
date: "r Sys.Date()"
output:
  rmdformats::material:
  highlight: kate

 3)
title: "Linear Regression Analysis in R"
author: "DataSense"
output:
  rmdformats::downcute:
  toc: true
code_folding: hide

 4)
  title: "Linear Regression Analysis in R"
author: "DataSense"
output:
  rmdformats::html_docco:
  highlight: pygments


⚡⚡⚡
#Rmarkdown #Rstats #dataviz #reportdesign

با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

گاهی دور، گاهی نزدیک
🌱مدار زمین و زهره
(Earth–Venus orbit pattern)


زمین و زهره، با دو دنیای متفاوت، گاهی دور گاهی نزدیک در اوجِ سرگردانی، اثری می‌آفرینند
که زبان از توصیفش قاصر است.

سرگردانی در مسیرِ عاشقی♡،
سرگردانی در مسیرِ علم،
سرگردانی در مسیرِ رشد...
نترس از سرگردانیِ بعضی روزهای زندگی —
هندسه به ما می اموزد شاید همین آشوب، در حالِ خلقِ زیباترین گلِ جهان باشد. 🌸

شگفتی و گیرایی،
فرزندِ صبوری و ماندن در حلقه‌ای‌ست
که از دور، فقط تکرار به‌نظر می‌رسد.

درست‌ترین کار،
سپر انداختن در برابرِ آشوب‌هایی‌ست
که نظمی پنهان، شاعرانه و گیرا بر آن‌ها حاکم است.

`
پانویس:
نقش گل پنج‌پر حاصل از گردش زهره و زمین، نتیجه‌ی نسبت مداری نزدیک به عدد طلایی نپر (φ ≈ 1.618) است.
این نسبت از دنباله‌ی فیبوناچی (۸ و ۱۳) به‌دست می‌آید و تجلی هندسیِ هماهنگی و نظم پنهان در حرکت سیارات است. 🌸


با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

❄🤲🏻

لیلة الرغائب...⚡🌙



با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                             آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy

➖➖➖➖➖➖➖➖➖

🔍 یک سؤال کلیدی که این روزها باید از خودمان بپرسیم:

من به علم AI وابسته بودم یا سرعت AI؟
اکثر مواقع پاسخ سرعت AI هست. و همین پاسخ وجودِ توانایی، استعداد و هوش ما رو ثابت میکنه !
اما اگر پاسخت علم AI باشه چی؟!

اینجاست که لازمه از بُعد دیگری به زندگیمون نگاه کنیم یعنی زاویه دید را به زاویه دیدِ یک خواننده که داره داستانِ زندگیِ ما رو ( از اولش تا این لحظه) میخونه تغییر بدیم. اینجاست که به خاطر میاری:
✴تو همانی هستی که در شرایط کرونا توانست خودشو با فصل جدید آموزش(آموزش مجازی)وقف بده و سربلند عبور کنه...
✴تو همانی هستی که اشتیاقش به دانش اونو در مسیر علم اندوزی انداخته بود،
✴تو همانی هستی که ...
〰️〰️〰️〰️〰️〰️〰️

استرس و اضطرابی که از نبود AI تجربه میکنیم صرف بابت واکنش بدنی و ذهنی به تغییر سرعت ناگهانی هست نه نبود قدرت ذهنی خودمون.
با چند نفس عمیق میتونیم دوباره با ذهنمون آشتی کنیم و اینبار اجازه بدیم او دوباره قدرتنمایی کند شاید رضایت فردی که بابت وجود AI کاهش پیدا کرده بود الان سیر صعودی بگیره و روند زندگی و تحصیلمون را معنادار تر بکنه.
➖➖➖➖➖➖➖➖➖

بنابراین:
🌟 یاداوری هایی ک لازمه مرورشون کنیم:

1️⃣تو قبل از وجود AI ثابت کردی که توانایی و هوش بالایی داری.
2️⃣ تو قبل از وجود AI بازم بهترین سرچ ها رو انجام میدادی
3️⃣ تو قبل از وجود AI قدرت حل مسئله و برنامه ریزی رو داشتی .
و...

نبود AI برای تو فرصت هست یا تهدید؟؟

با ما همراه باشید.
•🔹️•━━━━━━━━━━•🔹️•
                                 آکادمی دیتاسنس           
•🔹️•━━━━━━━━━━•🔹️•

@DataSenseAcademy