اگر توییت آخرم رو دیده باشید، اومدم و گراف روابط بین بازیگران ۲۵۰ فیلم برتر IMDb رو بررسی کردم و کامیونیتی افرادی که بیشتر با هم فیلم بازی کردند رو استخراج کردم.
این کار ها زیر مجموعه علم شبکه یا network science محسوب میشه. هر جا از علم شبکه صحبت میشه، اسم باراباشی میدرخشه! اگر به علم شبکه علاقه دارید یا میخواید در موردش اطلاعات بیشتری کسب کنید چند تا توصیه دارم :
۱-سایت زیر که به معرفی علم شبکه می‌پردازه و توسط باراباشی نوشته شده رو بخونید. به شکل عجیبی نسخه فارسی هم داره!
https://networksciencebook.com/
۲-کتاب The Formula که نوشته باراباشی است و پادکست چنل بی‌پلاس هم یک اپیزود در موردش داره رو گوش کنید
https://bpls.me/z5lt1g
۳-چنل‌بی پلاس مطالب جالبی هم در مورد باراباشی داره که توصیه میکنم بخونید
https://bpluspodcast.com/tag/%D8%A2%D9%84%D8%A8%D8%B1%D8%AA-%D9%84%D8%A7%D8%B2%D9%84%D9%88-%D8%A8%D8%A7%D8%B1%D8%A7%D8%A8%D8%A7%D8%B4%DB%8C/

مقاله‌ این توییت رو منتشر کردم 😁
https://vrgl.ir/KYRlt

This version of dataset (v5) contains 8,427,058 user profiles, as well as 8520 club information records.
https://www.kaggle.com/johntukey/clubhouse-dataset

این آخرین نسخه دیتابیس کلاب هاوس است که دیگه آپدیتش نکردم

داستان دیتابیس کلاب هاوس رو توی مومنت زیر توضیح دادم 😁 :
https://twitter.com/i/events/1384567149872697348?s=20

لینک گروه :
https://t.iss.one/+LNcIk952p6EwMjc0

یکی از دوستان دیشب در مورد گرایش الگوریتم پرسیده بودند. این ویدئو معرفی گرایش الگوریتمه. کانال گرایش الگوریتم دانشگاه تهران :
https://t.iss.one/UTAlgorithms

چرا زمستان بیشتر زلزله میاد؟ (بررسی یک شایعه)
https://vrgl.ir/E99po

مصورسازی داده ها یکی از مهم ترین بخش های یک پروژه تحلیل دیتاست. ممکنه شما برای چند تا دیتاست مختلف ویژگی های آماری (میانگین، انحراف معیار، همبستگی و ... ) یکسانی رو محاسبه کنید ولی وقتی visualize می‌کنید ممکنه چند تا چیز کاملا متفاوت ببینید.

به عنوان مثال میشه به Anscombe's Quartet اشاره کرد که در سال 1973 میاد و 4 تا دیتاست معرفی می‌کنه که ویژگی های آماری کاملا یکسانی دارند ولی زمانی که مصورسازی می‌کنیم، می‌بینیم داده ها زمین تا آسمون با هم تفاوت دارند!

حالا مقاله زیر اومده و روشی رو ارائه کرده که بتونیم چنین دیتاست هایی رو تولید کنیم! یعنی دیتاست هایی که ویژگی های آماری یکسانی دارند ولی وقتی مصورسازی رو انجام می‌دیم، نتیجه کاملا متفاوتی رو مشاهده می‌کنیم
https://www.autodesk.com/research/publications/same-stats-different-graphs

واقعا ما به چند رقم بعد از اعشار عدد پی نیاز داریم؟
این سوالیه که از NASA-JPL پرسیده شده. به نظرتون جوابش چیه؟ ناسا میگه ما تا ۱۵ رقم بعد از اعشار رو استفاده می‌کنیم و به بیشترش نیاز نداریم. چرا؟ مثال میزنه. میگه شعاع جهان مرئی ۴۶ میلیارد سال نوری است.

برای اینکه محیط جهان مرئی رو با دقت برابر با قطر یک اتم هیدروژن محاسبه کنیم به چند رقم اعشار نیاز داریم؟ ۳۹ یا ۴۰ رقم اعشار!
بنابراین سوالی که هنوز جواب داده نشده اینه که چرا تا ۱ میلیارد رقم بعد از اعشار عدد پی رو محاسبه میکنن؟ (شوخی)
WTF?
https://www.jpl.nasa.gov/edu/news/2016/3/16/how-many-decimals-of-pi-do-we-really-need/

فیلم The Man Who Knew Infinity یک فیلم بریتانیایی در سبک درام و زندگینامه‌ای در سال ۲۰۱۵ است که بر اساس رمانی هندی به همین نام ساخته شده‌است و زندگی ریاضی‌دان هندی سرینیواسا رامانوجان می‌پردازد.
خیلی فیلم جذابیه. توصیه می‌کنم ببینید
Rotten Tomatoes : 63%
IMDb : 7.2

در این ویرگول قصد دارم یک سفر علمی-تفریحی به دنیای فرادرس داشته باشم و دیتای فرادرس رو بی‌خس کنم 😀
https://vrgl.ir/swEKH

لینک آموزش های فرادرس رو در https://web.archive.org جستجو کردم و هر چی در آرشیو بود رو استخراج کردم. نمودار بالا نشون میده در طول سالیان مختلف، قیمت آموزش ها چقدر تغییر کرده.
از این نمودار چی میشه فهمید؟
-اواسط سال ۲۰۱۵ قیمت همه آموزش ها یکدفعه به شکل یکنواختی کاهش پیدا میکنه و تا اواسط ۲۰۱۷ ثابت میمونه.
-تا اوایل سال ۲۰۲۱ قیمت ها با شیب خیلی ملایمی افزایش پیدا میکنن.
-دقیقا میانه سال ۲۰۲۱ یکدفعه قیمت ها با شیب تندی افزایش پیدا میکنن.

کمتر از نیم ساعت دیگه لایو رو شروع میکنم
https://discord.gg/8ZXq8kKKcX

چطور بود؟

ویدئو لایو دیشب