Disquisitiones Mathematicae
Connes NCG and Reality.pdf
عنوان مقاله “هندسه ناجابجایی و حقیقی بودن” هست. یعنی چی؟ یعنی وقتی آلن کان مفهوم “سهتایی طیفی” رو تعریف کرد -که در واقع کوانتیدن حسابان روی منیفلدهای ریمانی هست- همه چیز روی میدان مختلط بود بخصوص تناوب بات صرفا درجهبندی به زوج-فرد داره. برای میدان اعداد حقیقی، تناوب بات درجهبندی به پیمانه ۸ داره پس عملا سهتایی طیفی حقیقی باید اطلاعات بیشتری داشته باشه. توی این مقاله به طور خاص توضیح داده چطور میشه سهتایی طیفی حقیقی رو تعریف کرد و ارتباطش با منیفلد ها و منیفلد ناجابجایی که مدنظر خودش هست کموبیش ریشه در این مقاله دارن. چون در یک جورنال فیزیک چاپ شده، خیلی بیشتر از حد معمول جزییات داده شده.
👍3🤔2🤣1
Block Weinberger Large Scale Homology and Geometry.pdf
4.1 MB
ترجمه مقاله همولوژی بزرگ مقیاس و هندسه نوشته واینبرگر و بلاک
👍8🤣1
The SEVEN Samurai annals-v185-n3-p01-s.pdf
711.2 KB
#معرفی_مقاله
مقاله فوق العاده خفن ۷ سامورایی.
این مقاله ترکیب سمی هست از داینامیک همگن، ناورداهای L^2 ،همگرایی بنجامینی-شرام و زیرگروههای ناوردای تصادفی.
بیشتر از ۲ سال هست که دارم زیرسازی میکنم به عشق خوندن این مقاله
مقاله فوق العاده خفن ۷ سامورایی.
این مقاله ترکیب سمی هست از داینامیک همگن، ناورداهای L^2 ،همگرایی بنجامینی-شرام و زیرگروههای ناوردای تصادفی.
بیشتر از ۲ سال هست که دارم زیرسازی میکنم به عشق خوندن این مقاله
اینکه واقعا در مورد فضای متریک چه تحقیقاتی در حال حاضر در حال انجام هست با این دوتا کتاب شروع میشه. به طور خاص کتاب اوستروسکی توصیه میشه چون تقریبا از تعریف شروع کرده و رسیده به مباحث پیشرفته تر
Bhatia Linear Algebra to Quantum Cohomology.pdf
4.9 MB
مقاله مروری باتیا با عنوان:
از جبر خطی تا کوهمولوژی کوانتومی: داستان نامساویهای آلفرد هورن
از جبر خطی تا کوهمولوژی کوانتومی: داستان نامساویهای آلفرد هورن
Treatise on Analysis I-VIII.pdf
102.3 MB
#معرفی_کتاب
فایل تجمیع شده از جلد اول تا هشتم کتاب درسی در آنالیز نوشته ژان دیودونه. جلد ۹ فقط به فرانسه هست و جلد دهم که متاسفانه قبل از مرگ نویسنده تمام نشد.
فایل تجمیع شده از جلد اول تا هشتم کتاب درسی در آنالیز نوشته ژان دیودونه. جلد ۹ فقط به فرانسه هست و جلد دهم که متاسفانه قبل از مرگ نویسنده تمام نشد.
Persian A Course in Analytic Number Theory Kowalski.pdf
33.5 MB
نسخه اصلی و ترجمه کتاب فوق العاده عالی درسی در نظریه تحلیلی اعداد نوشته کوالسکی. به راحتی جز تاپ ۳ منبع برای نظریه تحلیلی اعداد هست. معمولا کتاب ها به توضیح توابع حسابی و رفتار مجانبی توابع حسابی و نهایتا قضیه اعداد اول یا قضیه دیریشله بسنده می کنند ولی این کتاب با اینها شروع میشه با فرمهای مدولار و مباحثی طیفی به اوج میرسه. هدف نویسنده از این کتاب واضح هست، ارایه اثباتی از قضیه Duke-Friedlander-Iwaniec در مورد فرمهای مربعی هست.
اینو توی لینکدین دیدم بنظرم جالب اومد. ترجمه اش رو اینجا میذارم.
من در یک مصاحبهٔ یکونیم ساعته شرکت کردم… و حتی یک خط کد هم ننوشتم.
بله، حتی یک خط هم نه.
مصاحبه با یک دست دادن و لبخند آغاز شد.
نه «خودت را معرفی کن.»
نه کنکاش عمیق در مقطع کارآموزیام.
نه آزمون کدنویسی.
در عوض، مصاحبهکننده فقط یک چیز پرسید:
👉 «با کدام پروژه راحتتر هستی؟»
من دربارهٔ پروژهام در IBM صحبت کردم و مصاحبه به چیزی غیرمنتظره تبدیل شد:
نه شبیه یک بازجویی فنی… بلکه آزمونی کامل از تفکر جانبی، درک کسبوکار و حل مسئله.
در ابتدا، دنبال کردن جهت سوالات مطالعهٔ موردی برایم دشوار بود.
اما کمکم، با کاغذ و قلم، منطق را باز کردم، رویکردم را توضیح دادم و به مرور اعتمادبهنفس پیدا کردم.
تنها سوال فنی؟
💻 «فرق بین اکسل و SQL چیست؟»
همین.
در پایان، من پرسیدم:
«آیا این دور فنی من است؟ حتی از من نخواستید کدنویسی کنم.»
او لبخند زد و گفت:
«امروزه، ChatGPT و Gemini میتوانند هر کدی بنویسند.
اما بهعنوان یک تحلیلگر داده، ارزش واقعی تو نحوهٔ تفکرت است، نه سرعت تایپ کد.
تفکر جانبی + درک کسبوکار است که اهمیت دارد.»
و این جمله در ذهنم ماند.
💡 بزرگترین درسهای من:
✅ کدنویسی مهم است، اما فقط یک ابزار است
✅ درک مسئله مهارت واقعی است
✅ تفکر جانبی تو را متمایز میکند
✅ منطق کسبوکار > نحو برنامهنویسی
بله، شرکتهای محصولی هنوز چند دور فنی برگزار میکنند.
و بله، یادگیری SQL، پایتون، اکسل برای رد کردن مصاحبهها لازم است.
اما چیزی که واقعاً یک تحلیلگر دادهٔ عالی میسازد این است:
توانایی فکر کردن، تحلیل کردن و توضیح دادن نه فقط کد.
🚀 اقدام برای داوطلبان هممسیر:
فقط کوئریها را حفظ نکنید، تمرین کنید که از طریق مطالعههای موردی فکر کنید
مهارتهای توضیح مسئلهتان را بهبود دهید
قبل از یادگیری چگونه، بیاموزید چرا
من در یک مصاحبهٔ یکونیم ساعته شرکت کردم… و حتی یک خط کد هم ننوشتم.
بله، حتی یک خط هم نه.
مصاحبه با یک دست دادن و لبخند آغاز شد.
نه «خودت را معرفی کن.»
نه کنکاش عمیق در مقطع کارآموزیام.
نه آزمون کدنویسی.
در عوض، مصاحبهکننده فقط یک چیز پرسید:
👉 «با کدام پروژه راحتتر هستی؟»
من دربارهٔ پروژهام در IBM صحبت کردم و مصاحبه به چیزی غیرمنتظره تبدیل شد:
نه شبیه یک بازجویی فنی… بلکه آزمونی کامل از تفکر جانبی، درک کسبوکار و حل مسئله.
در ابتدا، دنبال کردن جهت سوالات مطالعهٔ موردی برایم دشوار بود.
اما کمکم، با کاغذ و قلم، منطق را باز کردم، رویکردم را توضیح دادم و به مرور اعتمادبهنفس پیدا کردم.
تنها سوال فنی؟
💻 «فرق بین اکسل و SQL چیست؟»
همین.
در پایان، من پرسیدم:
«آیا این دور فنی من است؟ حتی از من نخواستید کدنویسی کنم.»
او لبخند زد و گفت:
«امروزه، ChatGPT و Gemini میتوانند هر کدی بنویسند.
اما بهعنوان یک تحلیلگر داده، ارزش واقعی تو نحوهٔ تفکرت است، نه سرعت تایپ کد.
تفکر جانبی + درک کسبوکار است که اهمیت دارد.»
و این جمله در ذهنم ماند.
💡 بزرگترین درسهای من:
✅ کدنویسی مهم است، اما فقط یک ابزار است
✅ درک مسئله مهارت واقعی است
✅ تفکر جانبی تو را متمایز میکند
✅ منطق کسبوکار > نحو برنامهنویسی
بله، شرکتهای محصولی هنوز چند دور فنی برگزار میکنند.
و بله، یادگیری SQL، پایتون، اکسل برای رد کردن مصاحبهها لازم است.
اما چیزی که واقعاً یک تحلیلگر دادهٔ عالی میسازد این است:
توانایی فکر کردن، تحلیل کردن و توضیح دادن نه فقط کد.
🚀 اقدام برای داوطلبان هممسیر:
فقط کوئریها را حفظ نکنید، تمرین کنید که از طریق مطالعههای موردی فکر کنید
مهارتهای توضیح مسئلهتان را بهبود دهید
قبل از یادگیری چگونه، بیاموزید چرا
👍4
وقتی میبینم یک فیزیکدان کتاب تخصصی ریاضی در این سطح نوشته، حس میکنم طرف دست کرده توی دماغم و داره مغزمو میخارونه. صفحه آخر کتاب تازه این حدسهای قشنگ رو گفتن ولی چه فایده؟ اصل مقالات که فقط روی آرکایو هست با کلی ایراد و اشکال که میطلبه یک جوانمردی بره از مبنا ریاضیاتش رو درست کنه.
Disquisitiones Mathematicae
وقتی میبینم یک فیزیکدان کتاب تخصصی ریاضی در این سطح نوشته، حس میکنم طرف دست کرده توی دماغم و داره مغزمو میخارونه. صفحه آخر کتاب تازه این حدسهای قشنگ رو گفتن ولی چه فایده؟ اصل مقالات که فقط روی آرکایو هست با کلی ایراد و اشکال که میطلبه یک جوانمردی بره از مبنا…
از همین نویسنده...بسیار آزردهنده از نظر جبرعملگر ولی احتمالا فیزیک خوبی داره
سِر مایکل عطیه، ریاضیدان لبنانی-بریتانیایی، برنده جایزه آبل، مدال فیلدز و جوایز متعدد و ارزشمند دیگری هست که به واسطه سالها کار بنیادین در ریاضیات، جایگاه یکتایی داره.
عطیه میگه K-theory همون جبرخطی برای توپولوژی جبری هست. خود حضرت K-theory برای فضاهای توپولوژیک معقول رو تعریف و گسترش داد. تقریبا تمام قضایای اولیه کار خودش هست. اثباتهایی که از قضیه آداماز، قضیه تناوب، مسئله میدانهای برداری مستقل، قضیه اندیس در حالتهای مختلف، کاربردهای قضیه اندیس در نظریه نمایش و نظریه gauge و بعدتر topological quantum field theory و این اواخر equivariant K-theory صرفا بخشی از نو آوریهای این تک شاخ ریاضیات هستند.
عطیه تالیفات زیاد داره، یادم نمیاد مقالهای ازش خونده باشم که آزردهنده باشه. کلا آدمی هست که ورای مرزبندی جبر-آنالیز-توپولوژی کار ریاضی انجام داده که این خیلی خاص و کمیابه. همزمان مهارت تکنیکی بالا و نظریه پردازی داشته که این هم در این سطح نادر هست.
خلاصه سر مایکل عطیه ریاضیدان ۶ دنگی بود که نیمه دوم قرن بیستم رو رهبری کرد.
عطیه میگه K-theory همون جبرخطی برای توپولوژی جبری هست. خود حضرت K-theory برای فضاهای توپولوژیک معقول رو تعریف و گسترش داد. تقریبا تمام قضایای اولیه کار خودش هست. اثباتهایی که از قضیه آداماز، قضیه تناوب، مسئله میدانهای برداری مستقل، قضیه اندیس در حالتهای مختلف، کاربردهای قضیه اندیس در نظریه نمایش و نظریه gauge و بعدتر topological quantum field theory و این اواخر equivariant K-theory صرفا بخشی از نو آوریهای این تک شاخ ریاضیات هستند.
عطیه تالیفات زیاد داره، یادم نمیاد مقالهای ازش خونده باشم که آزردهنده باشه. کلا آدمی هست که ورای مرزبندی جبر-آنالیز-توپولوژی کار ریاضی انجام داده که این خیلی خاص و کمیابه. همزمان مهارت تکنیکی بالا و نظریه پردازی داشته که این هم در این سطح نادر هست.
خلاصه سر مایکل عطیه ریاضیدان ۶ دنگی بود که نیمه دوم قرن بیستم رو رهبری کرد.
❤19😢3👍2
از ماه آینده مهرداد کلانتر با مرتبه استادی توی دانشگاه آکسفورد شروع به کار میکنه.
🎉31👍8😭2👏1