MathSBU
2.59K subscribers
1.72K photos
63 videos
329 files
1.18K links
كانال انجمن علمي رياضي دانشگاه شهيد بهشتي
اطلاع رساني اخبار و رويدادها و مطالب مرتبط با رشته رياضي
@Sbumathassociation
ایمیل نشریه بینهایت:
[email protected]
ایمیل انجمن:
[email protected]
Instagram: Instagram.com/math.sbu
Download Telegram
Forwarded from انجمن علمی ریاضی الزهرا (Maryam Hzadeh)
انجمن علمی دانشجویی ریاضی دانشگاه الزهرا برگزار می‌کند :
سلسله جلسات جمع بندی معادلات دیفرانسیل

شروع جلسات از ۱۹ دی ماه ۱۳۹۹
شروع برنامه :ساعت ۱۷:۳۰ به مدت ۳ روز
این جلسات به صورت رایگان برگزار میشود

لینک شرکت در جلسات :
https://www.skyroom.online/ch/alzahrafarhangi/differential

@Aumath96
#دستاورد
#افتخارات


✳️ دو تیم از گروه برنامه نویسی ACM دانشکده مهندسی و علوم کامپیوتر دانشگاه شهیدبهشتی موفق به کسب مدال برنز مسابقات منطقه ای غرب آسیا شدند.

تیم اول دانشگاه شهیدبهشتی متشکل از محمدمهدی آهنگران، امیر ولیزاده، محمدرضا محمدزاده اصل بودند مربیگری این تیم برعهده مهدی کاظمی بود؛ تیم دوم متشکل از امین انوری، علی میرجهانی، آرین بنایی با مربیگری عرفان علیمحمدی؛ در جایگاه سوم این‌ مسابقات ایستادند.

🔻بیشتر بخوانید
https://b2n.ir/266687

🆔@SBU_Official
قابل توجه دانشجویان کارشناسی👆
Forwarded from Mathematics Association
Media is too big
VIEW IN TELEGRAM
🌐 مهم‌ترین اتفاقات ریاضی سال ۲۰۲۰ چه بود؟

#زبان_انگلیسی
@qomat
Forwarded from IPMMath
جهت کسب اطلاعات بیشتر در مورد سخنرانی، عضو گروه ذیل شوید: https://groups.google.com/g/ipm-math-colloquium
Media is too big
VIEW IN TELEGRAM
🎞مصاحبه با دکتر امانی راد (موسس آزمایشگاه روانشناسی ریاضیاتی و محاسباتی) درباره مدرسه ۶ روزه روانشناسی ریاضیاتی

📆تاریخ برگزاری : شنبه ۲ اسفند الی پنج‌شنبه ۷ اسفند
📆مهلت ارسال رزومه و توصیه نامه: چهارشنبه ۱ بهمن

📃 با اعطای گواهی معتبر از سوی پژوهشکده علوم شناختی و مغز دانشگاه شهید بهشتی و آکادمی لوپ.

⭕️ برای مشاهده جزییات بیشتر و ثبت نام روی این لینک کلیک کنید.

با ما همراه باشید
@CMPlab
@LoopAcademy

🌐 www.CMPLab.sbu.ac.ir
🌐 www.LoopAcademy.io
Forwarded from کتابستان
Forwarded from کتابستان
اصول اقلیدس ترجمه یحیی تابش.pdf
2 MB
اصول اقلیدس
مقاله اول
ترجمه : یحیی تابش
Forwarded from CafeInfinity
اشتباه‌های_رایج_نگارشی_در_مقاله‌های_ریاضی_به_زبان_انگلیسی.pdf
1.1 MB
در این مقاله که در مجله‌ی ریاضی و جامعه دانشگاه اصفهان چاپ شده‌است، مولفان (محمدصال مصلحیان و زهره وثاق) سعی کرده‌اند انواع اشتباهات رایج را در نگارش مقاله به زبان انگلیسی شرح دهند. خواندن این مقاله‌ می‌تواند برای دانشجویان و پژوهشگران بسیار سودمند باشد.
Andishe_Pages_181-182.pdf
114.2 KB
📕📗📘 هیأت تحریریه نشریه فرهنگ و اندیشه ریاضی تصمیم گرفته که قسمتی از هر شماره را به طرح و حل مسئله اختصاص دهد. فایل پیوست شامل مسایل شماره ۶۶ فرهنگ و اندیشه ریاضی است.

@imcus
1610808213735_David Eisenbud.pdf
367.6 KB
1610808213735_David Eisenbud.pdf
نشریه بی‌نهایت، مسلسل دهم

#نشریه_بی‌نهایت
بینهایت10.pdf
12.8 MB
🔹شماره جدید نشریه بی‌نهایت منتشر شد!
یک کانال بسیار عالی مناسب دانشجویان برای دانلود رایگان کلیه کتابها و جزوه های ریاضی، آمار، پژوهش عملیاتی و تحقیق در عملیات: 👇👇👇


@bookmathematics
@bookmathematics
@bookmathematics
شماره اخیر نشریه بی نهایت در سایت زیر هم بارگذاری شده است. این سایت به همت دکتر اصغری راه اندازی شده و شما می توانید نشریات دیگر ریاضی را هم در این جا پیدا کنید.
https://maths4maryams.org/nashr-e-riazi/
by Melanie Weber (Princeton University)

Title: Geometric Methods for Machine Learning and Optimization

Abstract: Many machine learning applications involve non-Euclidean data, such as graphs, strings or matrices. In such cases, exploiting Riemannian geometry can deliver algorithms that are computationally superior to standard (Euclidean) nonlinear programming approaches. This observation has resulted in an increasing interest in Riemannian methods in the optimization and machine learning community.

In the first part of the talk, we consider the task of learning a robust classifier in hyperbolic space. Such spaces have received a surge of interest for representing large-scale, hierarchical data, due to the fact that they achieve better representation accuracy with lower dimensions. We present the first theoretical guarantees for the (robust) large-margin learning problem in hyperbolic space and discuss conditions under which hyperbolic methods are guaranteed to surpass the performance of their Euclidean counterparts. In the second part, we introduce Riemannian Frank-Wolfe (RFW) methods for constraint optimization on manifolds. Here, the goal of the theoretical analysis is two-fold: We first show that RFW converges at a nonasymptotic sublinear rate, recovering the best-known guarantees for its Euclidean counterpart. Secondly, we discuss how to implement the method efficiently on matrix manifolds. Finally, we consider applications of RFW to the computation of Riemannian centroids and Wasserstein barycenters, which are crucial subroutines in many machine learning methods.

Based on joint work with Suvrit Sra (MIT) and Manzil Zaheer, Ankit Singh Rawat, Aditya Menon and Sanjiv Kumar (all Google Research).

#اطلاع‌رسانی
امروز (چهارشنبه)، ساعت ۲۰:۳۰ به وقت ایران

https://princeton.zoom.us/j/95399453820