🌔 https://github.com/oxfordinternetinstitute/sds-python

🔔 #زنگ_پژوهش با موضوع "تحلیل بحران اقتصادی کشور از منظر فیزیک اقتصاد"
🗣 علی حسینی
🗓 یکشنبه، ۱۱ آذرماه
🕜 ساعت ۱۳:۳۰ تا ۱۴:۳۰
🏛 دانشکده‌ فیزیک دانشگاه شریف

© @anjoman_elmi_phys_sut
🎲 @ComplexSys

#سمینار_عمومی این هفته
ترسیم نقشه روشنفکری مطالعات خاورمیانه با استفاده از 《تحلیل هم‌استنادی نویسندگان》

- سه‌شنبه ۶ آذر؛ ساعت ۱۶ الی ۱۷
- تالار ابن هیثم، دانشکده‌ فیزیک

کانال انجمن علمی فیزیک بهشتی
@sbu_physics

The Master program "Neural Information Processing - Computational 
Neuroscience" covers theoretical and computational aspects of neuroscience.

Faculty include:
Peter Dayan, Matthias Bethge, Zhaoping Li, Martin Giese, Alexander 
Ecker, Philipp Berens, Fabian Sinz, Anna Levina and many more!

Students obtain extensive training in computational modeling of neural 
systems, machine learning data analysis and neuroscience. While the 
first year is dedicated to course work at the graduate level, the second 
year provides hands-on research experience in leading labs in lab 
rotations and during thesis work. After finishing the Master program, 
students can smoothly transition to our PhD program and continue their 
research.

The program provides research-oriented training in a wide spectrum of 
basic computational neuroscience topics with different options:

     machine learning for neuroscience and neural data analysis
     models of neural dynamics and coding
     motor control, rehabilitation robotics and brain-computer interfaces
     systems neuroscience and neurophysiology
     data science, bioinformatics and programming
     behaviour and cognition

The deadline for applications is January, 15th (written documents must 
be in Tübingen).

For more information please visit:
https://www.bccn-tuebingen.de/education/master-of-science-neural-information-processing.html

Please forward to interested students at the BSc level

Evoplex: A platform for agent-based modeling on networks
“extensible platform for developing agent-based models and multi-agent systems on networks”
https://t.co/wiFM5ADs2a

☄️ سنگ بنای مکانیک آماری شبکه‌های پیچیده در حقیقت این ایده بوده که «پیوندها» ذرات #موثر سیستم هستند و نه «رئوس»!


The Grand Canonical ensemble of weighted networks

Andrea Gabrielli, Rossana Mastrandrea, Guido Caldarelli, Giulio Cimini

https://arxiv.org/pdf/1811.11805

The cornerstone of statistical mechanics of complex networks is the idea that the links, and not the nodes, are the effective particles of the system. Here we formulate a mapping between weighted networks and lattice gasses, making the conceptual step forward of interpreting weighted links as particles with a generalised coordinate. This leads to the definition of the grand canonical ensemble of weighted complex networks. We derive exact expressions for the partition function and thermodynamic quantities, both in the cases of global and local (i.e., node-specific) constraints on density and mean energy of particles. We further show that, when modelling real cases of networks, the binary and weighted statistics of the ensemble can be disentangled, leading to a simplified framework for a range of practical applications.

#سمینارهای_هفتگی مرکز شبکه‌های پیچیده و مردم‌شناسی دانشگاه شهید بهشتی

⏰ یکشنبه، ۱۱ آذر، ساعت ۱۶:۴۵
🏛 محل برگزاری: سالن ابن هیثم
@mhakim

Introduction to Renormalization
Lead instructor: Simon DeDeo

https://www.complexityexplorer.org/courses/67-introduction-to-renormalization

Syllabus

Introduction to Renormalization
Markov Chains
Cellular Automata
Ising Model
Krohn-Rhodes Theorem
A Classical Analogy for Renormalization in Quantum Electrodynamics
Conclusion: The Future of Renormalization & Rate Distortion Theory
Homework

🎞 https://youtu.be/gYq-3l-fgc0

I'm looking forward to introducing Bayesian past network inference to an interdisciplinary audience of network scientists and *archeologists* this Thursday. Connected Past is such a cool meeting idea! https://t.co/yx51QyS2ET

The 2019 Summer Institute in Computational Social Science will have a partner location in Istanbul https://t.co/bcMchnVVsj

🎞 https://www.aparat.com/v/SFQqk

🧩 Speaking of many-model thinking, where would science be without philosophy?

Here's our 2011 Miller Scholar, brilliant author Rebecca Goldstein, on Hidden Forces Podcast to discuss the enduring importance of unquantifiable big questions like, "What makes life worth living?"

https://www.hiddenforces.io/podcast/show/rebecca-goldstein-mattering-philosophy

🍭 https://www.coursera.org/specializations/mathematics-machine-learning?utm_medium=email&utm_source=marketing&utm_campaign=9CeGEPnDEeiJ46nv251fRw

🔗 @tarjomaanweb 🎲 @ComplexSys

🎯 شانزلیزه این روزها نورانی است، اما نه با چراغِ کافه‌تراس‌ها، که از آتش‌های به‌پاشده در میان معترضان. طی ناآرامی‌های اخیر فرانسه، بیش از ششصد نفر زخمی شدند. مایک راپورت، استاد تاریخ دانشگاه گلاسگو، سال گذشته کتابی نوشت که حتی عنوانش وسوسه‌انگیز بود: «شهر سرکش»، گزارش خیره‌کننده‌ای از کانون‌های شکل‌گیری انقلاب‌های سیاسی در شهرهای اصلی جهان. راپورت شرح می‌دهد که چطور تراکم جمعیت، انتقال سریع اخبار و اطلاعات، و امکان گردهم‌آییِ فوری موجب می‌شود تا برخی مکان‌های خاصِ شهری قابلیت آن را پیدا کنند تا جرقۀ انقلاب‌های ویرانگر را روشن کنند. اتفاقاً یکی از شهرهای اصلی مدنظر راپورت، در کنار لندن و نیویورک، شهر نورها پاریس است.

📌 مرور دیوید ای. بل بر کتاب «شهر سرکش» را بخوانید:
tarjomaan.com/barresi_ketab/8978/

🎲 @ComplexSys

🔗 @tarjomaanweb

💡میتوان یه مسئله این "شهر" های خاص که محل جرقه انقلاب ها بوده اند از دید علم شبکه نیز نگاه کرد . به این شکل که احتمالا خوشه بندی شبکه در این شهر ها بالاتر بوده و اطلاعات سریعتر در شبکه پخش میشوند. شبیه به مسئله هایی که برای پخش بیماری یا اطلاعات غلط در شبکه، محققین کار میکنند. با توجه به اینکه مورد های مختلف انقلاب در دوره های مختلف تاریخ وجود داشته است ، به نظر مسئله خوبی برای بررسی است. و حتی شاید بتوان پیش بینی کرد کدام شهر احتمالا محل وقوع انقلاب خواهد بود.