⛔️ بنابر درخواست برگزار کننده دوره کارگاه یادگیری ماشین که توسط دانشگاه الزهرا با همکاری مدیریت همکاری های علمی بین المللی و انجمن آمار ایران برگزار شده بود، تمامی مطالب آماده شده در فضای مجازی حذف گردید

هرچند لینک جلسات در سایت دانشگاه الزهرا کاملا در دسترس همه هست و علاقه‌مندان می‌توانند از طریق لینک جلسات وارد ادبی کانکت شوند و از سایت دانشگاه الزهرا مشاهده کنند.

➖➖➖➖➖➖➖➖➖➖➖
معرفی نرم افزار Mathpix snip


ممکن است برای خیلی ها پیش آمده باشد که بخواهند فرمول هایی را که در کتابی دیده اند را بتوانند سریع به فرمول های لاتک تبدیل کنند. برای این کار کافی است Mathpix را از
https://mathpix.com/
دانلود کرده و نصب نمایید.(حجم خیلی کمی داشته و با چند کلیک نصب می شود.)

بعد از ان کافی است با فشردن کلیدهای CTRL-ALT-M به طور همزمان نرم افزار را فعال کنید و سپس فرمولی را که میخواهید انتخاب نمایید تا آن را تبدیل به دستورات لاتک کند

همان طور که در زیر می‌بینید فرمول ها را بدون علامت دلار، با علامت دلار یا با دو علامت دلار برای کپی کردن در اختیار شما قرار می دهد. کافی است آن را کپی کرده و در سایت paste کنید تا فرمول ها را همانطور که در عکس می بینید بنویسید.
➖➖➖➖➖➖➖➖➖➖➖
ویدیوهای کاربرد این نرم افزار رو حتما ببینید به دردتون میخوره با کلیک روی هر لینک میتونین تماشا کنید
✅Using Snip with Overleaf
✅Using Snip with Microsoft Word
✅Using Snip with Microsoft Excel
✅Using Snip with Notion

این نرم افزار بنا به پیشنهاد کانال کتابخانه ریاضی مالی معرفی گردیده است دستشون درد نکنه.
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
چگونه هر چیزی را در ۲۰ ساعت یاد بگیریم؟

این ویدیو از مجموعه سخنرانی‌های تد هست که در اون در مورد اینکه چگونه هر رشته ای رو که میخواییم در حد معمول در ۲۰ ساعت یاد بگیریم.
هم یک ویدیو انگیزشی هست هم یک ویدیو راهکاری برای یادگیری.
این ویدیو به‌صورت اختصاصی در Data Experts ترجمه شده است (اشکالات موجود را بر ما ببخشید)
➖➖➖➖➖➖➖➖➖➖➖
این ویدیو در آپارات نیز آپلود شده است
https://www.aparat.com/v/mcb2j
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
آموزش به اشتراک گذاشتن اپلکیشن‌های Shiny
➖➖➖➖➖➖➖➖➖➖➖
🔘 Power Shiny
▪️ 01 The Course Overview
▪️ 02 Bookmarking
▪️ 03 Interactive Plots
▪️ 04 Reading Client Information and Setting Inputs with URLs
▪️ 05 Adding a Password
▪️ 06 Simplifying Your Code with Functions and Modules
▪️ 07 Shiny Gadgets

🔘 Shiny and JavaScript
▪️ 01 Easy JavaScript with shinyjs
▪️ 02 Simple Shiny and JavaScript Integration
▪️ 03 Using extendshinyjs
▪️ 04 Linking Outputs with Crosstalk
▪️ 05 Sending Messages in Shiny Applications with JavaScript

🔘 Sharing and Persistence in Shiny Applications
▪️ 01 Sharing with Gist and .zip
▪️ 02 Sharing with GitHub
▪️ 03 Shiny Server and shinyapps.io
▪️ 04 Files Databases and Persistence in Shiny Applications
▪️ 05 SQL Injection
▪️ 06 Using a Database with Pool

🔘 Exercise Files
▪️ Exercise Files
➖➖➖➖➖➖➖➖➖➖➖
آدرس لیست پخش آپارات جهت مصرف نیم بها اینترنت
https://www.aparat.com/v/5yJ6m?playlist=894971
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

✅ 101 تمرین با جواب تحلیل دیتا با ماژول Numpy

#پایتون #آموزش #python

🌎Link Review

❇️@Data_Experts

➖➖➖➖➖➖➖➖➖➖➖
نوروز 1400 را خدمت همه دوستان گرامی تبریک عرض میکنم سالی پر از اتفاقات خوب همراه با سلامتی برای همه آرزومندم

پ ن : کدها با پایتون (ماژول turtle) اجرا شده است
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts

➖➖➖➖➖➖➖➖➖➖➖
Create a Data Frame from All Combinations of Factor Variables

expand.grid

ساخت تمام ترکیبات مختلف دو بردار از داده ها یا فاکتورها
زبان ویدیو فارسی🇮🇷 می‌باشد
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
🌐WebSite 📱Instagram 📺YouTube 🎥Aparat
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘 لیست مجموعه آموزش مقدمات R
◽️مدرس: جواد وحدت
◽️آپدیت: 4 فروردین 1400
این دوره #رایگان به مرور ضبط و در کانال Data Experts بارگذاری خواهد شد.
➖➖➖➖➖➖➖➖➖➖➖
▪️ جایگذاری مقادیر NA با صفر
▪️ کاربرد تابع dim در مشخص کردن ابعاد
▪️ اسم گذاری و یا حذف اسامی مولفه‌های بردار
▪️ کاربرد تابع complete.cases در ‏data.frame
▪️ نام گذاری ستون‌های یک دیتافریم یا ماتریس
▪️ تجمیع چند دیتافریم به‌صورت سطری(زیرهمدیگر)
▪️ ساخت دیتافریم خالی برای پر کردن در اینده
▪️ کار با NA در داده‌های گمشده
▪️ کاربرد تابع length برای طول بردار
▪️ تابع max و تابع min و مثال آن
▪️ تولید دنباله اعداد با مقادیر تکرار شده rep
▪️ توابع all ‌و any جهت چک کردن منطقی دو بردار
▪️ مجموع و میانگین سطرها و ستون‌های ماتریس و دیتافریم
▪️ تبدیل ساختار داده به یکدیگر(بردار، کاراکتر، ماتریس‌و...)
▪️ حذف لول‌فاکترهای استفاده نشده از بردار فاکتورها
▪️ کشیدن چندین خطوط و منحنی بروی همدیگر
▪️ آزمودن وجود یک مولفه در یک بردار
▪️ جدول فراوانی و جدول توافقی
▪️ ساخت تمام ترکیبات مختلف دو بردار از داده ها یا فاکتورها
➖➖➖➖➖➖➖➖➖➖➖
🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘تمرین تابع نویسی در R
◽️ تابعی بنویسید که ضرایب یک معادله درجه دو را دریافت کرده و ریشه های معادله را چاپ کند.
➖ ax^2 + bx + c =0 ➖
ابتدا خودمان تابعی به اسم rd را با استفاده از دستورات شرطی مینویسیم سپس از دستور آماده موجود polyroot نیز استفاده میکنیم تا نتایج را مقایسه کنیم.

rd<-function(c=0,b=1,a=1){
     delta<-b^2-4*a*c
     if(delta<0)
         {cat("rishe hagigi nadarad","\n")}
     else{
        x1<-(-b+sqrt(delta))/(2*a)
        x2<-(-b-sqrt(delta))/(2*a)
       cat("rishe hagigi darad va barabare =",x1,x2,"\n")
         }
  }

rd(0,1,1)

polyroot(c(0,1,1))

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘تمرین تابع نویسی در R
◽️ تابعی بنویسید که یک بردار از داده ها دریافت کند هر درایه بردار را چک کند در صورت زوج بودن در بردار دلخواه مثلا e و در صورت فرد بودن در بردار o ذخیره کند و در اخر هر سه بردار را نمایش دهد
➖➖➖➖➖➖➖➖➖➖➖
#R

eo<-function(x){
     o<-c();e<-c()
     for(i in 1:length(x)){
        if(x[i]%%2==0){e<-c(e,x[i])}
        else{o<-c(o,x[i])}
     }
     xs<-list(odd=o,even=e)
     xs
     }

x<-c(21,1,20,14,45,87,31,25,69)
eo(x)

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
🔘 وقتی که علم در بطن جامعه ظهور میکنه

بریتانیا از اسکناس‌های جدید ۵۰ پوندی رونمایی کرد با عکس آلن تورینگ ، ۱۲ پازل هم کار شده که حلشون برای افراد حرفه‌ای ۷ ساعت وقت می‌بره!

آلن تورینگ دانشمند علوم کامپیوتر، ریاضیدان و فیلسوف بریتانیایی است که امروزه به عنوان پدر علم کامپیوتر و هوش مصنوعی شناخته می شود.

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
Normality Test
آزمون نرمال بودن داده‌ها با استفاده از برنامه R
اکثر آزمون‌های آماری بر پایه توزیع نرمال ساخته شده‌اند که پیش‌فرض غالب این آزمون‌ها، برقراری نرمال بودن توزیع داده‌های متغیر مورد نظر است. در این آموزش قصد داریم تا ابتدا برای تک متغیره آزمون های نرمال بودن را بررسی کنیم سپس در حالت چند متغیره نیز با معرفی داده چند متغیره آزمون نرمالیتی مربوط به اون رو هم انجام دهیم پس با ما همراه باشید.
➖➖➖➖➖➖➖➖➖➖➖
🔘 ابتدا یک بردار داده نرمال تصادفی تولید میکنیم تا آزمون‌های آماری را با این داده‌ها انجام دهیم

x=rnorm(100,5,7)

▪️ آزمون شاپیرو-ویلکز

shapiro.test(x)

🔘 با فراخوای پکیج nortest می‌توانیم آزمون های مختلف دیگری نیز برای نرمال بودن استفاده کنیم که شرایط هرکدام از این آزمون‌ها در راهنمای پکیج هست و میتونین مطالعه کنید.

library(nortest)

▪️ آزمون اندرسون-دارلینگ

ad.test(x)

▪️ آزمون Cramer-von Mises

cvm.test(x)

▪️ آزمون Lilliefors (کولموگروف-اسمیرنوف)

lillie.test(x)

▪️ آزمون مجذور کای پیرسون

pearson.test(x)

▪️ آزمون شاپیرو-فرنسیا

sf.test(x)

🔘برای حالت چند متغیره میتوانیم از طریق فراخوانی پکیج mvnormtest آزمون را انجام دهیم

library(mvnormtest)

▫️ فراخوانی مجموعه داده EuStockMarkets و آماده‌سازی مجموعه‌ داده‌

data(EuStockMarkets)
mydata <- t(EuStockMarkets[15:29,1:4])

▪️ آزمون نرمال بودن چندمتغیری شاپیرو-ویلکز

mshapiro.test(mydata)

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖

➖➖➖➖➖➖➖➖➖➖➖
اضافه کردن توضیحات و متن به داخل نمودار کشیده شده با ggplot

> annotate()
➖➖➖➖➖➖➖➖➖➖➖

https://youtu.be/aGP2xFejbgI

➖➖➖➖➖➖➖➖➖➖➖

🔰 @Data_Experts
➖➖➖➖➖➖➖➖➖➖➖