🌀 #EpidemicsOnNetworks v1.0 is out.
Open source #Python software for disease spread in #ContactNetworks:
~ Handles Markovian and non-Markovian SIS/SIR simulations and many ODE models.
~ Comes with tools for visualizing simulations.
🔥 Try it:
🔗 http://epidemicsonnetworks.readthedocs.io/en/latest/
Open source #Python software for disease spread in #ContactNetworks:
~ Handles Markovian and non-Markovian SIS/SIR simulations and many ODE models.
~ Comes with tools for visualizing simulations.
🔥 Try it:
pip install EoN🔗 http://epidemicsonnetworks.readthedocs.io/en/latest/
🌀 A collection of data visualization problems and caveats from data-to-viz: https://t.co/RtGKhG5Cy0
#DataViz #datavis #visual #DataScience
#DataViz #datavis #visual #DataScience
🤔 How much MATH do you *really* need to know in order to get started in #MachineLearning? Vincent Chen discusses math anxiety, cultural norms, and the mathematical background recommended for ML. https://t.co/pykh7DTKxl
Y Combinator
Learning Math for Machine Learning
In this piece, my goal is to suggest the mathematical background necessary to build products or conduct academic research in machine learning. These suggestions are derived from conversations with machine learning engineers, researchers, and educators, as…
💫 The Principle of Maximum Entropy http://corysimon.github.io/articles/the-principle-of-maximum-entropy/
Mathemathinking
The Principle of Maximum Entropy
The principle of maximum entropy is that we should model our process with the probability distribution that contains the most amount of unpredictability. This is under the constraints of the distribution satisfying the information that we do know about our…
Forwarded from رادیوفیزیک 📣
Network Science .mp3
39.7 MB
فایل صوتی ارائه عباس کریمی در مورد علم شبکه
سومین همایش پیوند - دانشگاه شهیدبهشتی
تابستان ۹۷
لینک دانلود:
🔗 http://bit.ly/2vICezc
سومین همایش پیوند - دانشگاه شهیدبهشتی
تابستان ۹۷
لینک دانلود:
🔗 http://bit.ly/2vICezc
Complex Systems Studies
https://www.nature.com/articles/d41586-018-05972-7
خب اینجا یه خبر است که در نیچر آمده. میگوید آزمایشگاه ATLAS و احتمالاً تا کمی دیگر CMS میخواهند شروع کنند به طور «کلی و بیهدف» دادههای بدست آمده رو بررسی کنند. اون وسطها یه جا میگه خب ما سمت هوش مصنوعی هم میریم.
حرف این است که خب بعد از هیگز هر چه گشتهاند به درِ بسته خوردهاند! همه چیز مطابق با مدل استاندارد بوده. اما روش چی بوده؟ مثلاً میگفتن بریم ببینیم فلان ذره که فلان مدل ابرتقارنی گفته سروکلهاش پیدا میشه تو دادهها یا نه؟!
حالا میخوان روش رو عوض کنن. میگن میریم دادهها رو بدون توجه به مدل تحلیل میکنیم. شاید چیزایی باشه که ما اصلن تو تئوری بهش فکر نکردهایم.
یک preprint هم همین ATLASروی arXiv گذاشته که لینکش آخر خبر نیچر پیدا میشه.
حرف این است که خب بعد از هیگز هر چه گشتهاند به درِ بسته خوردهاند! همه چیز مطابق با مدل استاندارد بوده. اما روش چی بوده؟ مثلاً میگفتن بریم ببینیم فلان ذره که فلان مدل ابرتقارنی گفته سروکلهاش پیدا میشه تو دادهها یا نه؟!
حالا میخوان روش رو عوض کنن. میگن میریم دادهها رو بدون توجه به مدل تحلیل میکنیم. شاید چیزایی باشه که ما اصلن تو تئوری بهش فکر نکردهایم.
یک preprint هم همین ATLASروی arXiv گذاشته که لینکش آخر خبر نیچر پیدا میشه.
💎 Slides from Clauset's "Introduction to Networks" lecture at #SICSS2018, a super quick tour of some basic network science concepts and methods + application of them to understand faculty hiring networks in academia
https://t.co/D9iJ7aaVD2
https://t.co/D9iJ7aaVD2