💰I have funding to support a #PhD student on topics connected to collective behaviour and collective intelligence. I will be putting up some suggested projects soon, but if you want to discuss possible ideas please get in touch.

https://eps.leeds.ac.uk/maths/staff/4057/dr-richard-mann

💰 We are looking for a CS/engineer/physicist for a PhD position to work with fMRI and EEG within the frame of the @HumanBrainProj.

Check it out!

https://t.co/YeCS3Sf9CC

#PhD #findaphd #phdchat #phdlife

the scaling laws in the dynamics of #coronavavirus #COVID19 case counts (and an explanation for them) here: https://t.co/MFAUbj1K5d

🔰 دفتر فرهنگی دانشکده فیزیک علم و صنعت برگزار میکند:

✅ آشنایی با سیستم های پیچیده
سیستم های حرکت جمعی و کاربرد ها
چگونه فعالیت های جمعی در توییتر باعث فریب میشوند؟!

👤سخنران:
دکتر غلامرضا جعفری استاد دانشکده فیزیک دانشگاه شهید بهشتی

📆 زمان:
5ام اسفندماه ساعت 13

🏫 مکان:
دانشگاه علم صنعت - سالن سمینار دانشکده فیزیک شماره یک

➖➖➖➖➖➖➖➖➖➖➖
✅ دفتر فرهنگی دانشکده فیزیک
🌐 www.alphanity.ir
🆔 @DaftarFarhangi
📱 instagram.com/Dfp_iust

"Bridging data science and dynamical systems theory" (by Tyrus Berry, Dimitrios Giannakis, John Harlim): https://arxiv.org/abs/2002.07928

"This short review describes mathematical techniques for statistical analysis and prediction in dynamical systems."

Bayesian stochastic blockmodeling
Tiago P. Peixoto
last revised 6 Feb 2020 (this version, v8)

https://arxiv.org/pdf/1705.10225

This chapter provides a self-contained introduction to the use of Bayesian inference to extract large-scale modular structures from network data, based on the stochastic blockmodel (SBM), as well as its degree-corrected and overlapping generalizations. We focus on nonparametric formulations that allow their inference in a manner that prevents overfitting, and enables model selection. We discuss aspects of the choice of priors, in particular how to avoid underfitting via increased Bayesian hierarchies, and we contrast the task of sampling network partitions from the posterior distribution with finding the single point estimate that maximizes it, while describing efficient algorithms to perform either one. We also show how inferring the SBM can be used to predict missing and spurious links, and shed light on the fundamental limitations of the detectability of modular structures in networks.

یازدهمین کنفرانس فیزیک آماری، ماده چگال نرم و سیستم‌های پیچیده
۲۷ و ۲۸ فروردین ۱۳۹۹

⚡ مهلت ارسال مقاله تا ۵ اسفند ماه تمدید شد. ⚡

http://www.psi.ir/farsi.asp?page=smc99

‏قبل از اینکه سر رأی دادن و ندادن با هم بجنگید، این را یک دور بازی کنید:
https://t.co/JejBjCAECa‎

@hamed_allaei

On looking below the shoulders of giants is now out in PRR.

Learn how to deal with the full body of literature behind direct citations to articles.

https://t.co/72gIRPlnyD

💰 Fantastic opportunity to join a #PhD training programme with strong industry links, a large cohort of students, and of course brilliant academic supervision https://t.co/gcz6eFsorc

به سرعت انتشار ویروس #کرونا توجه کنند.

با سلام
با کلیک بر روی لینک زیر👇 بصورت لحظه ای آخرین آمار مرگ ومیر ، ابتلا و جزئیات کروناویروس در ایران و جهان را می توانید دریافت نمائید .

https://www.worldometers.info/coronavirus/

💡 Lessons learnt from 288 #COVID19 international cases:
importations over time, effect of interventions,
underdetection of imported cases

https://t.co/xY2wfUSJeO

🎞 https://www.ted.com/talks/nicholas_christakis_how_social_networks_predict_epidemics?language=fa

#کرونا | این فصل از کتاب شبکه باراباشی مدل‌های اپیدمی رو توضیح داده. شاید خوب باشه که لاقل ما اهالی علم این بخش رو درست بخونیم و درک بهتری داشته باشیم از این مسئله. اگه جایی خواستیم نظر بدیم، کمی دقیق‌تر حرف بزنیم.

Just advertising three new #PhD positions focused on networks dynamics, biodiversity and social data. More soon.

💰 https://t.co/AKdpLLXPds
💰 https://t.co/Bk8o6YlZcL
💰 https://t.co/YrDLvDw851

🦠 https://pourianazemi.com/2020/02/25/fgsw-cov/