💰 #Jobs | Trento - Povo |

A researcher in Machine Learning from clinical data https://t.co/AEJdIPSNmi

Application deadline: 26th August, 2019

💎 2-year #postdoc position in statistical mechanics, random media, and random walks on dynamic graphs with Sebastian Andres (https://t.co/CSPsIi2fHP) and Perla Sousi (https://t.co/J0qsULvURg) at Cambridge Uni. Applications close October 6.

See https://t.co/W7VnouCqE6 for details.

💲 Want to understand complexity and how it applies to the economy and markets? Revisit W. Brian Arthur's paper on the topic.

Complexity in Economic and Financial Markets
https://t.co/lBA2Rju6sv

🎁 Introduction to #dynamicalsystems and #chaos free #onlinecourse is now open. Join video instructor David Feldman and course instructor Patricia Mellodge in this exciting exploration of how systems that change over #time.

https://t.co/ZEHzAKVC4I

🌀 https://jadi.net/2015/07/how-to-become-a-data-scientist/

🔺 تجربه‌های شخصی در کارهای مربوط به تحلیل داده در بازار و نه دانشگاه!

من مدتی (۶ ماه) برای امرار معاش و کسب تجربه وارد یه پروژه تحلیل داده به صورت پاره‌وقت شدم. درامدش بد نبود و خوش هم می‌گذشت از یه جهت‌هایی :)
اگه شما تجربه‌ای در برنامه‌نویسی دارین یا ممکنه نیاز به کار پاره وقت داشته باشین یا اینکه کلا دوست داشته باشین که به صورت تفریحی از این کارا کنید، من یه سری پیشنهاد دارم که بهتون کمک کنه وارد این شغل بشین:


۱) سعی کنید #پایتون یادبگیرید! پایتون بر هر درد بی‌درمان دواست. اینم دو تا کورس خوب فارسی:

1️⃣ https://maktabkhooneh.org/course/346/آموزش-برنامه-نویسی-با-پایتون-مقدماتی/
2️⃣ https://maktabkhooneh.org/course/آموزش-برنامه-نویسی-با-پایتون-پیشرفته-mk387/

💡 اگر پایتون رو شروع کردین، ادامه این پیام رو بخونید:

دیگه وقتش رسیده که یکمی حرفه‌ای تر بشین!
اولین قدم - به عنوان پیشنهاد - اینه که برین توی #ژوپیتر نوت‌بوک کد بزنید، خیلی محیطش خوبه، همونجا کدو ران میکنید و خیلی راحته همه چیز. در هر مرحله هم خیلی راحت میشه کنترل کرد که دارین چیکار میکنید. برای آشنایی بیشتر اینو ببینید:

http://imuhammad.ir/2018/11/25/299/

یه خوبی دیگه کار با ژوپیتر اینه که گوگل یه چیزی درست کرده به اسم google #colab
که یه ژوپتر نوت بوک آنلاینه که میشه بری اونجا و آنلاین کد بزنی روی کامپیوترای گوگل!
۱۲ گیگ بهتون رم میده با پردازنده نسبتا معقولی. تازه gpu هم میده برای پردازش‌های موازی!
🎯 خوبی اینکار اینه که حتی با یه کامپیوتر ضعیف هم میشه راحت کد پایتون زد
و مهم‌تر اینکه کد رو به اشتراک بذاری و همزمان چند نفر توی یه پروژه مشارکت داشته باشند. در ضمن، هر چیزی که بشه روی کامپیوتر شخصی نصب کرد به راحتی اونجا هم نصب میشه. خیلی حرف زدم، خودتون ببنید چیه دیگه! سایت گوگل کولب:
https://colab.research.google.com/

داخل خود پروژه هم کلی کد نمونه هست. فیلم آموزشی هم هست. اینجا هم یکمی توضیح هست برای گوگل کولب:
https://www.geeksforgeeks.org/how-to-use-google-colab/

بین محیط‌هایی که میشه کد زد ژوپیتر رو بیشتر به این خاطر پیشنهاد می‌کنم چون که راحت می‌تونید برین روی گوگل کولب و راحت زندگی کنید! به خصوص، توی کار گروهی به جای اینکه هی به مردم توضیح بدین که دارین چیکار می‌کنید یا مثلا نمودارها تونو هی بخواین save کنید و جدا براشون بفرستین، راحت لینک گوگل کلب رو میدین و میگین خب همه چیز اینجا هست :)
تازه شفاف هم هست دیگه همه چیز. بقیه هم کدتون رو می‌تونن دنبال کنند و اینکه خودتونم یه جوری مجبور میشین تمیز کد بزنید و مرتب کامنت گذاری کنید، توضیح بنویسید که بعدترش دچار مشکل نشین در ادامه پروژه :) امکانات خیلی زیادی خلاصه هست.

الان وقتشه که یه سری کورس تحلیل داده هم ببینید و یاد بگیرین (مهم‌ترین کتابخونه پایتون برای تحلیل داده Pandas هست). من چندتا کورس معرفی می‌کنم برای اول کار:

3️⃣ https://www.codecademy.com/learn/paths/analyze-data-with-python

یا
3️⃣ https://www.coursera.org/learn/python-for-applied-data-science-ai

و کورس جامع‌تر:

4️⃣ https://www.coursera.org/learn/python-plotting?specialization=data-science-python

🥇 برای حرفه‌ای شدن هم بهتره برین سراغ این کورس:

5️⃣ https://www.edx.org/course/data-analysis-with-python


👨🏼‍💻 نکته مهم اینه که لزومی نداره که خیلی کورس و کتاب بخونید! خیلی چیزا رو حین کار میشه یاد گرفت. ولی دونستن یه حداقل‌هایی کمک می‌کنه که شما سریع‌تر بتونید کار پیدا کنید یا موقع کار اصلا بدونید چی باید سرچ کنید برای رفع مشکلتون! فراموش نکنید که گوگل بهترین کمک‌دهنده شما در این مسیره. گوگل معلم خوبیه، ازش سوال بپرسید!

راستی، این‌ها تجربه یه آدم خیلی حرفه‌ای نیست! امیدوارم حرفه‌ای‌ها ببخشن و با نظرات خودشون بهتر کنن این نوشته کوتاه رو.

⭕️ یه چیزی، آمار یاد بگیرید اگه واقعا می‌خواین کار درست حسابی کنید! مثلا اینو ببینید:

Statistics for Applications | MIT OpenCourseWare
https://ocw.mit.edu/courses/mathematics/18-650-statistics-for-applications-fall-2016/

آگهی پسادکتری ماده چگال
دانشگاه تحصیلات تکمیلی علوم پایه زنجان

Saeed Abedinpour
Tel: +98 (24) 3315 2215
www.iasbs.ac.ir/~abedinpour

✅ A modern guide to getting started with #Data_Science and #Python https://t.co/hFjpSOxSJA

⭕️◻️نهمین حلقه مالی رفتاری در انجمن مالی ایران با موضوع:

"سیستمهای پیچیده و نوزایی در بازارهای مالی"
Complex Systems and Emergence in Financial Markets

✔️کانال اقتصاد و مالی رفتاری:
@BehavioralEconomicsAndFinance

#سمینارهای_هفتگی

«مقدمه‌ای بر بازبهنجارش - قسمت دوم: زنجیره‌های مارکوف»

🗣 عباس کریمی - دانشگاه شهید بهشتی
⏰ دوشنبه، ۱۱ شهریور - ساعت ۱۶:۰۰
🏛 محل برگزاری: سالن ابن‌هیثم

‍~~~~~~~~~~~~~~~~
به امید دیدار
برای هماهنگی و اطلاعات بیشتر:
@herman1
—————————————
🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🕸 @CCNSD 🔗 ccnsd.ir
—————————————

Football is becoming boring; Network analysis of 88 thousands matches in 11 major leagues
“the games in major leagues have become more predictable”
https://t.co/eURYJ5eDGg

Want to learn about explosive phenomena on networks?

https://t.co/XwG2eNDRv5

✅ A short comment on statistical versus mathematical modelling
https://t.co/rpNMp31v5s

🌀 https://www.nature.com/articles/s41598-019-48638-8

Field theory for recurrent mobility

“commuting daily flows can be mapped into a well behaved vector field, fulfilling the divergence theorem and which is, besides, irrotational”

https://t.co/p12OlZ1GW2

Postdoctoral Fellowship in Complex Systems and Data Science UVMComplexity https://t.co/QubjSpMZh3

دفاع از پایان‌نامه کارشناسی ارشد
زهرا کاظمی
شنبه 16 شهریورماه، ساعت 13:30
سالن ابن‌هیثم - دانشکده فیزیک - دانشگاه شهیدبهشتی

Evolution of interdependent co-authorship and citation networks
“interactions between each possible pair of authors in two ways: by tracing the change in citations they exchanged and the shortest path between authors in the co-authorship network“
https://t.co/SyMWbb4g7Q

"A story of my first gold medal in one Kaggle competition: things done and lessons learned" by Andrew Lukyanenko via TDataScience

READ 👉 https://t.co/eLNEVuzjh0