✨✨✨#زیبایی_های_ریاضی✨✨✨

👀 ریاضی راز پنهان درک جهان است.

◀️ با راجر آنتونسن، رمز و رازها و کارهای درونی جهان را از طریق یکی از تخیلی ترین اشکال هنری (ریاضیات) باز کنید. زیرا او توضیح می‌دهد که چگونه یک تغییر جزئی در دیدگاه می‌تواند الگوها، اعداد و فرمول‌ها را به‌عنوان دروازه‌های همدلی و درک آشکار کند.

✅ سخنرانی های تد (TEDtalks) پادکست مروری روزانه از بهترین سخنرانی‌ها و اجراهای کنفرانس تد است که در آن متفکران و مجریان برجسته جهان در 18 دقیقه سخنرانی خود را ارائه می‌کنند.
https://youtu.be/ZQElzjCsl9o?si=CXHyhg2DtbVZiuBW

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

💥 #اکتشاف_دنیای_دیجیتال

🔣 نرم افزار تحلیل آماری Splus

✅ نرم افزار Splus یک نرم افزار آماری قدرتمند است که برای تجزیه و تحلیل داده‌های آماری در زمینه‌های مختلف مانند علوم زیستی، پزشکی، مهندسی، علوم اجتماعی و اقتصادی استفاده می‌شود. این نرم افزار دارای قابلیت‌های گسترده‌ای در زمینه‌های آمار توصیفی، آمار استنباطی، سری‌های زمانی، آمار ژئوگرافیکی و برنامه‌نویسی آماری است. Splus یک پیاده‌سازی تجاری از زبان برنامه نویسی S است که توسط TIBCO Software Inc فروخته می‌شود. دارای قابلیت‌های برنامه‌نویسی شی‌گرا و الگوریتم‌های تحلیلی پیشرفته است.

✅ با توجه به محبوبیت فزاینده منبع باز S جانشین R، TIBCO Software TIBCO Enterprise Runtime for R (TERR) را به عنوان یک مفسر جایگزین R منتشر کرد.
نرم افزار Splus در زمینه‌های مختلف علمی و صنعتی کاربرد دارد.

💡 برخی از کاربردهای این نرم افزار عبارتند از:
• علوم زیستی و پزشکی: نرم افزار Splus برای تجزیه و تحلیل داده‌های زیست‌شناسی، پزشکی، داروسازی و علوم زیست‌پزشکی استفاده می‌شود. به عنوان مثال، این نرم افزار برای تجزیه و تحلیل داده‌های ژنتیک، داده‌های پزشکی و داده‌های بالینی استفاده می‌شود.
• مهندسی: نرم افزار Splus برای تجزیه و تحلیل داده‌های مهندسی مانند داده‌های کنترل کیفیت، داده‌های آزمایشگاهی و داده‌های طراحی استفاده می‌شود.
• علوم اجتماعی و اقتصادی: نرم افزار Splus برای تجزیه و تحلیل داده‌های علوم اجتماعی و اقتصادی مانند داده‌های نظرسنجی، داده‌های بازاریابی و داده‌های مالی استفاده می‌شود.

⚫ همچنین کاربردهای مختلف این نرم‌افزار در زمینه آماری شامل:
• مدل‌سازی پیشرفته اقتصادسنجی
• بهینه سازی عددی پیشرفته
• کشف روابط بین متغیرها در مجموعه داده های بزرگ
• مدل‌سازی داده‌ها با استفاده از پارادایم بیزی برای استنتاج آماری
• حل موثر مسائل بهینه سازی خطی و غیرخطی
• انواع تکنیک‌های نمونه‌گیری مجدد
• تجزیه و تحلیل سیگنال و تصویر پیشرفته، تجزیه و تحلیل سری های زمانی، تخمین سیگنال آماری و تجزیه و تحلیل فشرده سازی داده ها
• تحلیل های گرافیکی و آماری داده های محیطی .

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🖥 #سازنده_جهان_دیجیتال

4️⃣ طراحی الگوریتم - قسمت چهارم

➡️مطالعه الگوریتم‌ها زمینه‌های متعدد زیر را شامل می‌شود:

⬜️ 1. طراحی الگوریتم‌ها: روش‌های مختلفی برای طراحی الگوریتم‌ها وجود دارند که از جمله این روش‌ها می‌توان به روش‌های بازگشتی، تقسیم و غلبه، حریصانه، برنامه نویسی پویا، روش بازگشت به عقب، انشعاب و تحدید، برنامه نویسی خطی و غیره اشاره کرد

⬜️ 2. معتبرسازی یا اثبات درستی الگوریتم‌ها: یک الگوریتم در صورتی درست است که به ازای هر ورودی مناسب خروجی درستی دهد. بعد از طراحی الگوریتم لازم است نشان داده شود که الگوریتم فوق برای تمامی ورودی‌های مناسب جواب صحیح می‌دهد. هدف این است تا مطمئن شویم که الگوریتم ارائه شده، مستقل از زبان برنامه نویسی خاصی که ممکن است به آن زبان نوشته شود بطور صحیح عمل خواهد کرد.

⬜️ 3. تحلیل و ارزیابی کارایی الگوریتم‌ها:یک الگوریتم در زمان اجرا از cpu کامپیوتر برای اجرای عملیات و از حافظه برای ذخیره سازی برنامه‌ها و داده‌ها استفاده می‌کند. تحلیل الگوریتم‌ها به فرآیندی اطلاق می‌شود که تعیین می‌کند که الگوریتم مزبور به چه مدت زمان از cpu برای انجام محاسبات و عملیات (پیچیدگی زمانی) و به چه مقدار حافظه (پیچیدگی مکانی) برای ذخیره سازی داده‌ها یا برنامه نیاز دارد.

⬜️ 4. پیاده سازی: پس از مرحله معتبرسازی و تحلیل الگوریتم می‌توان آن را با یک زبان برنامه نویسی دلخواه پیاده سازی کرد.

⬜️ 5. تست برنامه: پس از پیاده سازی الگوریتم به یک زبان برنامه نویسی می‌توان آن را برای تعیین اینکه آیا نتیجه غلطی می‌دهد یا نه بر روی مجموعه داده‌های نمونه گیری شده اجرا کرد. در صورت مشاهده نتیجه غلط باید برنامه را اصلاح کرد که به این فرآیند اشکال زدایی الگوریتم گفته می‌شود. بعد از اشکال زدایی می‌توان به پروفیلینگ برنامه پرداخت. پروفیلینگ به فرآیند اجرا برنامه درست و صحیح نهایی روی مجموعه داده‌های نمونه گیری شده برای تعیین زمان و فضای لازم برای محاسبه نتیجه گفته می‌شود.

🔳 ادامه دارد ...

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✈️@IDSchools
✈️@IDS_Math

📚#سفر_به_دنیای_کتاب_ها

😄 ۱۰ تا از بهترین کتاب‌های آماری:
⬅️کتاب‌هایی که این ویدیو معرفی می‌شوند:
۱.آمار برای مهندسین و دانشمندان
۲.آمار ویرایش ۱۱
۳.آمار از macclave&sincich
۴.هنر آمار
۵.معرفی یادگیری آمار با کاربرد درR
۶.آمار برای اقتصاد و کسب‌و‌کار
۷.آمار: اکتشاف و تحلیل داده
۸.آمار مبتدی
۹.آمار: هنر و علم یادگیری از داده
۱۰.آمار برای کسانی که (فکر می‌کنند) از آمار بدشان می‌آید.

https://youtu.be/uEWHo4B9r98?si=v5OWSr4iRR3MrDNO

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🌐 #توسعه_و_تحقیق_کار_ها

6️⃣ آموزش آمار با SPSS- قسمت ششم

◀️ در این قسمت با آزمون t یکطرفه (oneway t-test) بیشتر آشنا میشیم.

#️⃣#آموزش_آمار_با_SPSS
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🎲#گام_به_گام

💻 کدنویسی

6️⃣ دستورات پایه در پایتون: قسمت ششم
🔹 متغیرهای سراسری (Global Variables)
متغیرهایی که خارج از یک تابع ایجاد می‌شوند (مانند تمام مثال‌های پست‌های قبل) به عنوان متغیرهای سراسری شناخته می‌شوند.

◀️ متغیرهای سراسری می‌توانند برای همه استفاده شوند، چه در داخل توابع و چه در خارج آن.

🟣 مثال
یک متغیر خارج از یک تابع ایجاد کنید و از آن در داخل تابع استفاده کنید:
x = "awesome"

def myfunc():
  print("Python is " + x)

myfunc()
خروجی پایتون:
Python is awesome

◀️ اگر متغیری با همین نام در داخل یک تابع ایجاد کنید، این متغیر محلی خواهد بود و فقط در داخل تابع قابل استفاده است. متغیر سراسری با همان نام به همان شکلی که بود، سراسری و با مقدار اصلی باقی می‌ماند.

🟣 مثال:
یک متغیر در داخل یک تابع، با همان نام متغیر سراسری ایجاد کنید.
x = "awesome"

def myfunc():
  x = "fantastic"
  print("Python is " + x)

myfunc()

print("Python is " + x)
خروجی پایتون:
Python is fantastic
Python is awesome

🔴 کلمه کلیدی سراسری (Global keyword)
🟡 به طور معمول، وقتی یک متغیر را در داخل یک تابع ایجاد می‌کنید، آن متغیر محلی است و فقط می‌تواند در داخل آن تابع استفاده شود.

🟡 برای ایجاد یک متغیر سراسری در داخل یک تابع، می‌توانید از کلمه کلیدی global استفاده کنید.

🟣 مثال
اگر از کلمه کلیدی global استفاده می کنید، متغیر به دامنه جهانی تعلق دارد:
def myfunc():
  global x
  x = "fantastic"

myfunc()

print("Python is " + x)
خروجی پایتون:
Python is fantastic

◀️ همچنین اگر می‌خواهید متغیر سراسری را در یک تابع تغییر دهید، از کلمه کلیدی global استفاده کنید.
🟣 مثال:
برای تغییر مقدار یک متغیر سراسری در یک تابع، با استفاده از کلمه کلیدی global به متغیر مراجعه کنید:
x = "awesome"

def myfunc():
  global x
  x = "fantastic"

myfunc()

print("Python is " + x)

خروجی پایتون:
Python is fantastic
👈 ادامه دارد....

#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🗣#سخن_بزرگان

🗣"منطق، علم است، اما هنر آن در کاربرد آن است."
👤جان وِن (John Venn)،

👤 جان وِن (John Venn)، متولد 4 آگوست 1834، یک منطق‌دان و فیلسوف انگلیسی بود که برای معرفی نمودار ون که در زمینه‌های نظریه مجموعه‌ها، احتمالات، منطق، آمار و علوم کامپیوتر استفاده می‌شد، مورد توجه قرار گرفت. وقتی صحبت از ریاضیات می‌شود، از نمودارهای ون مخصوصاً در مجموعه‌ها استفاده می‌کنیم. درک هر گونه عملیات مجموعه‌ای با استفاده از این نمودارها بسیار آسان است. اساساً با استفاده از نمودارها تعریف اتحاد، تقاطع، اختلاف متقارن و هر چیز دیگری را یاد می‌گیریم.

🟡 نمودارهای ون (Venn Diagrams) ابزارهای بصری هستند که برای نمایش روابط بین مجموعه‌ها به کار می‌روند. این نمودارها معمولاً شامل دایره‌هایی هستند که هر دایره نمایانگر یک مجموعه خاص است و تداخل یا همپوشانی بین دایره‌ها نشان‌دهنده اشتراک عناصر بین مجموعه‌ها است.

🔣 اجزای اصلی نمودارهای ون:

1. دایره‌ها: هر دایره نمایانگر یک مجموعه است. دایره‌ها می‌توانند با هم تداخل داشته باشند، که این تداخل نشان‌دهنده عناصری است که در هر دو یا چند مجموعه مشترک هستند.

2. فضای خارج دایره‌ها: این فضا نمایانگر عناصری است که در هیچ یک از مجموعه‌ها وجود ندارند.

✅ کاربردها:

- تحلیل داده‌ها: برای مقایسه و تجزیه و تحلیل داده‌ها و مشاهده روابط بین مجموعه‌ها.
- آموزش ریاضیات: برای کمک به درک مفاهیم پایه‌ای مانند اشتراک، اجتماع و تفاضل مجموعه‌ها.
- حل مسائل منطقی: در مسائل منطقی و استدلالی برای نشان دادن روابط بین فرضیات مختلف.

🟡 مثال:

فرض کنید دو مجموعه داریم:
- مجموعه A: 1, 2, 3, 4
- مجموعه B: 3, 4, 5, 6

در نمودار ون، دو دایره رسم می‌کنیم. دایره A شامل اعداد 1، 2، 3 و 4 است و دایره B شامل اعداد 3، 4، 5 و 6. اعداد 3 و 4 در ناحیه همپوشانی دو دایره قرار می‌گیرند، زیرا این اعداد مشترک هستند.

⬅️ نتیجه‌گیری:

نمودارهای ون ابزارهای مفیدی برای تجسم و تحلیل روابط بین مجموعه‌ها هستند و می‌توانند به درک بهتر مفاهیم ریاضی و منطقی کمک کنند.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

✨✨✨#زیبایی_های_ریاضی✨✨✨

🤩 ریاضیات دنیایی پر از زیبایی و شگفتی است که بسیاری از مردم از آن بی‌خبرند.

✅ بیشتر مثال‌هایی که مردم معمولاً می‌آورند اتفاقات تصادفی در ریاضیات هستند. تصادفات زیبا هستند، بله، اما زیبایی بسیار بیشتری در درک دلیل پشت آن‌ها وجود دارد.

🟣 برای مثال سریع، به این فکر کنید: 4 یک مربع کامل، 9 یک مربع کامل، و 49 نیز یک مربع کامل است. واقعا تصادفیست؟

🔣 اجازه دهید با چیزی نسبتاً آسان و شناخته شده شروع کنیم.

1/7=0.142857… تکرار 142857 برای همیشه.

2/7=0.285714… تکرار 285714 برای همیشه. اوه، این به سادگی 142857 تنظیم مجدد شده است تا با 2 شروع شود.

3/7=0.428571… تکرار 428571 برای همیشه.

4/7=0.571428… تکرار 571428 برای همیشه.

5/7=0.714285… تکرار 714285 برای همیشه.

6/7=0.857142… تکرار 857142 برای همیشه.

7/7=0.99999…=1.

همانطور که می‌بینید، به غیر از 7/7، بقیه در اصل از 142857 تکرار شده ساخته شده‌اند و تنها تفاوت این است که حلقه خود را از کجا شروع می‌کنید. چرا؟ بگذارید کمی بیشتر در مورد آن فکر کنیم.

❓ چه چیزی در مورد 142857 بسیار جادویی است؟ به دو رقم اول فکر کنید، 14، که واقعاً 2 ضربدر 7 است. بعد به دو رقم بعدی فکر کنید، 28، که به سادگی می شود 4 ضربدر 7. حالا به دو رقم بعدی، 57 فکر کنید. این نزدیک به 8 ضربدر 7 است، و باقیمانده 1 وجود دارد. با این باقیمانده چه اتفاقی افتاد؟ خوب، با دو رقم بعدی که دوباره 14 می شود، به 114 می رسد که نزدیک به 16 ضربدر 7 است و باقیمانده 2 باقی می ماند. دوباره 2 با دو رقم بعدی می رود تا 228 را تشکیل دهد که نزدیک است. به 32 ضربدر 7، با 4 باقیمانده.

🟡 اجازه دهید در اینجا توقف کنیم و از فراوانی قدرت‌های 2، هم به عنوان عوامل و هم به عنوان باقیمانده، شگفت زده شویم. این کمی زیباتر از قبل است، بله؟ اما اجازه دهید کمی بیشتر در مورد آن فکر کنیم.

◀️ادامه دارد ...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🗣دپارتمان روانشناسی و علوم‌ شناختی مجموعه علمی و پژوهشی مدارس میان رشته ای برگزار می کند:

✨ سری وبینار‌های رایگان «همگام با پیشتازان»

9️⃣قسمت نهم: The Science of Social Evil

👤با حضور: آقای کمیل قاسمی دانشجوی مقطع دکتری دانشگاه اسکس انگلستان

🔴عصب انسان‌شناس و مغز پژوه اجتماعی

🔜 پنجشنبه 8 شهریور ساعت: 17 الی 19

⭐️ در این وبینارهای رایگان که به همت مدارس میان‌رشته‌ای برگزار می‌شود، میزبان اساتید، پژوهشگران و دانشجویان برگزیده و نخبه در داخل و خارج کشور خواهیم بود و با مسیر موفقیت آکادمیک ایشان و نیز پژوهش‌های میان‌رشته‌ای آشنا خواهیم شد.


❗️ برای شرکت در این وبینار به کانال و گروه تعاملی روانشناسی مدارس میان‌رشته‌ای مراجعه کنید.

👈 لینک ثبت نام رایگان در وبینار : [لینک گوگل فرم برای شرکت در وبینار قسمت نهم دپارتمان روانشناسی و علوم‌ شناختی با موضوع: The Science of Social Evil] ➡️

🔴بعد از ثبت نام در گوگل فرم بالا، منتظر اخبار این وبینار از کانال روانشناسی مدارس میان رشته‌ای باشید.🔴

#️⃣#IDS_Psy
#️⃣#IDSchools

✉️@IDS_Psy
✉️@IDSchools
✉️@Psy_IDSchools

🖥 #سازنده_جهان_دیجیتال

🔹صرف نظر از اینکه در چه زمینه ای هستید، علم کامپیوتر در حال تغییر آن صنعت است.

Computer Science is Changing Everything
https://youtube.com/watch?v=QvyTEx1wyOY&feature=shared

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

💥 #اکتشاف_دنیای_دیجیتال

➡️ Visual Fractal

⬜️نرم‌افزاری برای ساخت فرکتال‌ها است. می‌توان با روش نیوتن( درآنالیز عددی به این مبحث پرداخته شده است) معادله‌های متفاوتی را وارد و نمایش آن‌ها را دید و تصویر ساخته شده را با فرمت bmp ذخیره کرد. فراکتال‌ها الگوهای هندسی دقیق و پیچیده‌ای هستند که در دنیای طبیعت به وفور دیده می‌شوند. گیاهان، ابرها، خط ساحل، رگ‌های خونی و دانه‌های برف نمونه‌هایی از فرکتال طبیعی هستند. این اشکال بر خلاف شکل‌های هندسی به هیچ وجه منظم نیستند.

⬜️فراکتال ساختاری است که هر جزء از آن با کل آن همانند است، و جسم فراکتال از دور و نزدیک یکسان دیده می‌شود. از فراکتال‌ها به عنوان یکی از ابزارهای مهم در گرافیک رایانه‌ای نام می‌برند.برخی از نرم افزارها به صورت اختصاصی برای طراحی فراکتال ساخته شد‌ اند، و در این مطلب یکی از بهترین آنها را به شما معرفی می‌کنیم.نرم افزار Visual Fractal طرح‌های فراکتال دقیق را ایجاد می‌کند. این طرح‌ها با استفاده از فرمول‌های ریاضی ایجاد می‌شوند.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

📚#سفر_به_دنیای_کتاب_ها

❕ حقیقت سخت در مورد خواندن کتاب های ریاضی

📱 این ویدیو در مورد خواندن کتاب‌های ریاضی صحبت می‌کند. همچنین نگاهی به کتاب جبر انتزاعی نوشته‌ی دان ساراچینو می‌اندازد.

https://youtu.be/pLJSz1KgoOk?si=jrOPMv9oV_JVDfTc

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🌐 #توسعه_و_تحقیق_کار_ها
❓ چرا باید آمار را دوست داشته باشید؟

🗣 آلن اسمیت، کارشناس تجسم داده‌ها، می‌گوید چه ما خود را فردی ریاضی بدانیم یا نه، توانایی ما در درک و کار با اعداد بسیار محدود است. در این سخنرانی لذت بخش، اسمیت عدم تطابق بین آنچه می‌دانیم و آنچه فکر می‌کنیم می‌دانیم را بررسی می‌کند.

https://youtu.be/ogeGJS0GEF4?si=3BSlZeSB56ENpl4T

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✅@IDSchools
✅@IDS_Math