Forwarded from انجمن صنایع فردوسی
❌اگه به دنبال یه database قوی هستی حتما این دوره رو شرکت کن👇
🔔انجمن علمی مهندسی صنایع دانشگاههای فردوسی مشهد و صنعتی قم برگزار میکنند:
🔹کارگاه آنلاین SQL با رویکرد علم داده🔹
🧑💼مدرس دوره: مهندس سجاد حیدری
✅ کارشناس ارشد مهندسی صنایع دانشگاه تربیت مدرس
✅دیتا ساینتیست اسنپ فود
✅ مشاور و مجری پروژههای علم داده
📅 زمان برگزاری: از ۲۹ مهرماه- پنجشنبهها و جمعهها
🕰 ساعت ۱۱ الی ۱۳ به مدت ۱۰ ساعت
💵 هزینهی دوره: ۹۵ هزار تومان
🌐 ثبت نام از طریق لینک زیر:
https://yek.link/iefum
#انجمن_علمی_مهندسی_صنایع
#SQL #MySQL #علم_داده #data_science
🔸 @iefumm
🔸 @qutindustrial
🆔 @engfum | @ssafum
🔔انجمن علمی مهندسی صنایع دانشگاههای فردوسی مشهد و صنعتی قم برگزار میکنند:
🔹کارگاه آنلاین SQL با رویکرد علم داده🔹
🧑💼مدرس دوره: مهندس سجاد حیدری
✅ کارشناس ارشد مهندسی صنایع دانشگاه تربیت مدرس
✅دیتا ساینتیست اسنپ فود
✅ مشاور و مجری پروژههای علم داده
📅 زمان برگزاری: از ۲۹ مهرماه- پنجشنبهها و جمعهها
🕰 ساعت ۱۱ الی ۱۳ به مدت ۱۰ ساعت
💵 هزینهی دوره: ۹۵ هزار تومان
🌐 ثبت نام از طریق لینک زیر:
https://yek.link/iefum
#انجمن_علمی_مهندسی_صنایع
#SQL #MySQL #علم_داده #data_science
🔸 @iefumm
🔸 @qutindustrial
🆔 @engfum | @ssafum
SQL for Data Science .pdf
1.6 MB
📚اسلایدهای آشنایی با SQL برای علم داده
🟡دانشگاه آلبرتا
📌زبان پرسوجوی (Structured Query Language)SQL محبوبترین و رایجترین زبان برای کار با پایگاه داده است که محدود به زبان برنامه نویسی خاصی نیست، این بدان معناست که اکثر برنامهنویسها برای ارتباط با پایگاه داده به این زبان نیاز دارند.
🆔️ @Ferdowsi_stat
🟡دانشگاه آلبرتا
📌زبان پرسوجوی (Structured Query Language)SQL محبوبترین و رایجترین زبان برای کار با پایگاه داده است که محدود به زبان برنامه نویسی خاصی نیست، این بدان معناست که اکثر برنامهنویسها برای ارتباط با پایگاه داده به این زبان نیاز دارند.
🆔️ @Ferdowsi_stat
📚📊📈🖥 علم داده، تلفیق سه حوزه علوم کامپیوتر، آمار و ریاضیات و دانش کسب و کار
هنگامی که هر کدام از سه عنصر شرح داده شده متخصصی وجود داشته باشد، تیمی تشکیل میشه که بسیار راحت میتونه مشکل رو شناسایی کنه و راه حل ارائه بده؛ «چه چیزی در معرض خطر هست؟» ، «از چه داده هایی باید استفاده بشه؟»، «چه مدل هایی مناسبه؟»، «چگونه به ماشین آموزش داده بشه؟» و در آخر نحوه تولید راه حل بررسی میشه.
در نهایت با پاسخ به این سوالات مجموعه راه حل هایی بوجود میاد که میتونه به سولات کسب و کار پاسخ بده و به حل مسائلش کمک کنه و باعث کاهش هزینه و افزایش سود برای اون کسب و کار بشه.
در ادامه تاثیر هر حوزه توضیح داده میشود .
🆔️ @Ferdowsi_stat
🆔️ @Data_Mag
هنگامی که هر کدام از سه عنصر شرح داده شده متخصصی وجود داشته باشد، تیمی تشکیل میشه که بسیار راحت میتونه مشکل رو شناسایی کنه و راه حل ارائه بده؛ «چه چیزی در معرض خطر هست؟» ، «از چه داده هایی باید استفاده بشه؟»، «چه مدل هایی مناسبه؟»، «چگونه به ماشین آموزش داده بشه؟» و در آخر نحوه تولید راه حل بررسی میشه.
در نهایت با پاسخ به این سوالات مجموعه راه حل هایی بوجود میاد که میتونه به سولات کسب و کار پاسخ بده و به حل مسائلش کمک کنه و باعث کاهش هزینه و افزایش سود برای اون کسب و کار بشه.
در ادامه تاثیر هر حوزه توضیح داده میشود .
🆔️ @Ferdowsi_stat
🆔️ @Data_Mag
📊علم داده از چه رشته هایی تشکیل شده است ؟
💻 علوم کامپیوتر در علم داده
اکثر الگوریتم هایی که الگو شناسی داده ها رو انجام میدهند؛ راه حل های بسته و ساده ندارند. برای مثال رگرسیون خطی یک روش مدل سازی ساده است که به سادگی میتوان از ویژگی های هندسی خطی استفاده کرد تا معادلات نرمال را بدست آورد و در پایان به یک فرمول نهایی دست یافت که داده ها را مدل سازی میکند. اما برای به کارگیری روش های یادگیری ماشین پیشرفته مانند Kernelized SVM، درخت تصمیم و شبکه عصبی بهتره از روش های بهینه سازی عددی مانند الگوریتم های گرادیان کاهشی استفاده بشه. یادگیری ماشین در مقیاس بزرگ نیاز به یک تجربه برنامه نویسی قوی مانند موازی سازی داده ها، محاسبات توزیع شده و مدیریت حافظه داره. یک مثال میتونه بردار سازی داده ها باشه. یک روش ساده برای آموزش یک شبکه عصبی نوشتن یک دسته تو در تو حلقه ها برای به روز کردن عناصر واحد در ماتریس وزن هست. خب در دنیای ریاضیات افلاطونی، این امر در تئوری برای دستیابی به یک طبقه بندی قوی برای یادگیری ماشین کافیه، اما در عمل این امر میتونه ماه ها یا سال ها طول بکشه. بنابراین مهارت و تجربه برنامه نویسی قوی میتونه در علم داده بسیار کمک کننده باشه.
📈📊 ریاضیات و آمار در علم داده
یادگیری ماشینی به تنهایی مفهومی است که در اون عوامل و الگوریتم ها از محیط یا داده های اون یاد میگیرند تا در یک وظیفه تعیین شده بهتر عمل کنند. این نکته که الگوریتم ها چگونه یاد میگیرند تقریبا به حوزه "آمار" برمیگردد. برخی از الگوریتم های یادگیری ماشین (مانند تجزیه و تحلیل تفکیک کننده خطی یا چهارگانه) اساساً مدل های بیزی هستند که در اینجا برخی از ساختار توزیع پارامتری داده ها فرض میشوند و پارامترها را به صورت الگوریتمی به روز میکنند. از دیگر طبقه بندی کننده ها میتوان به شبکه های عصبی اشاره کرد که در آن بردار های ارزش گذاری شده توسط مجموعه ای از محاسبات به فضای احتمالاتی (عددی بین 0 تا 1) نگاشت میشوند.
📝📚 دانش حوزه کسب و کار در علم داده
برای حل مساله ابتدا باید پیبرد که مساله چیست. یک دانشمند علم داده باید سه جنبه از دانش حوزه کسب و کار که به یکدیگر مرتبطه اما قابل تفکیک هست رو در ذهنش به خاطر داشته باشه. این سه حوزه عبارتند از:
1- منبع مشکلاتی که کسب و کار سعی در حل کردن اون داره.
2- مجموعه اطلاعات و تخصص هایی که کسب و کار برای حل کردن مسائل اصلی به اون نیاز داره.
3- مکانیزم دقیق جمع آوری داده ها برای حل مسائل اصلی رو به طور دقیق بدونه.
بنابراین برای به کارگیری علم داده ها در هر زمینه ابتدا باید با آن زمینه و فرایند ها و روند ها آشنایی کسب کرد. این جایی است که به "دانش حوزه کسب و کار" یا "مدیریت" نیاز می شه .
🆔️ @Ferdowsi_stat
🆔️ @Data_Mag
💻 علوم کامپیوتر در علم داده
اکثر الگوریتم هایی که الگو شناسی داده ها رو انجام میدهند؛ راه حل های بسته و ساده ندارند. برای مثال رگرسیون خطی یک روش مدل سازی ساده است که به سادگی میتوان از ویژگی های هندسی خطی استفاده کرد تا معادلات نرمال را بدست آورد و در پایان به یک فرمول نهایی دست یافت که داده ها را مدل سازی میکند. اما برای به کارگیری روش های یادگیری ماشین پیشرفته مانند Kernelized SVM، درخت تصمیم و شبکه عصبی بهتره از روش های بهینه سازی عددی مانند الگوریتم های گرادیان کاهشی استفاده بشه. یادگیری ماشین در مقیاس بزرگ نیاز به یک تجربه برنامه نویسی قوی مانند موازی سازی داده ها، محاسبات توزیع شده و مدیریت حافظه داره. یک مثال میتونه بردار سازی داده ها باشه. یک روش ساده برای آموزش یک شبکه عصبی نوشتن یک دسته تو در تو حلقه ها برای به روز کردن عناصر واحد در ماتریس وزن هست. خب در دنیای ریاضیات افلاطونی، این امر در تئوری برای دستیابی به یک طبقه بندی قوی برای یادگیری ماشین کافیه، اما در عمل این امر میتونه ماه ها یا سال ها طول بکشه. بنابراین مهارت و تجربه برنامه نویسی قوی میتونه در علم داده بسیار کمک کننده باشه.
📈📊 ریاضیات و آمار در علم داده
یادگیری ماشینی به تنهایی مفهومی است که در اون عوامل و الگوریتم ها از محیط یا داده های اون یاد میگیرند تا در یک وظیفه تعیین شده بهتر عمل کنند. این نکته که الگوریتم ها چگونه یاد میگیرند تقریبا به حوزه "آمار" برمیگردد. برخی از الگوریتم های یادگیری ماشین (مانند تجزیه و تحلیل تفکیک کننده خطی یا چهارگانه) اساساً مدل های بیزی هستند که در اینجا برخی از ساختار توزیع پارامتری داده ها فرض میشوند و پارامترها را به صورت الگوریتمی به روز میکنند. از دیگر طبقه بندی کننده ها میتوان به شبکه های عصبی اشاره کرد که در آن بردار های ارزش گذاری شده توسط مجموعه ای از محاسبات به فضای احتمالاتی (عددی بین 0 تا 1) نگاشت میشوند.
📝📚 دانش حوزه کسب و کار در علم داده
برای حل مساله ابتدا باید پیبرد که مساله چیست. یک دانشمند علم داده باید سه جنبه از دانش حوزه کسب و کار که به یکدیگر مرتبطه اما قابل تفکیک هست رو در ذهنش به خاطر داشته باشه. این سه حوزه عبارتند از:
1- منبع مشکلاتی که کسب و کار سعی در حل کردن اون داره.
2- مجموعه اطلاعات و تخصص هایی که کسب و کار برای حل کردن مسائل اصلی به اون نیاز داره.
3- مکانیزم دقیق جمع آوری داده ها برای حل مسائل اصلی رو به طور دقیق بدونه.
بنابراین برای به کارگیری علم داده ها در هر زمینه ابتدا باید با آن زمینه و فرایند ها و روند ها آشنایی کسب کرد. این جایی است که به "دانش حوزه کسب و کار" یا "مدیریت" نیاز می شه .
🆔️ @Ferdowsi_stat
🆔️ @Data_Mag
Forwarded from علم داده (Shima)
📣 انجمن علم داده دانشگاه کاشان برگزار میکند:
📌لایو مقدمهای بر علم داده(پارت دوم)
🔷مهمان:
مهدیه توکلی
دانشجوی دکترا مهندسی صنایع دانشگاه تهران، پژوهشگر، مشاور، مدرس تحلیل داده و تصمیم گیری های داده محور
🔷زمان:
پنجشنبه 22 مهر ساعت 17
🔷مکان :
پیج اینستاگرام انجمن علم داده
uk_dsa
📈انجمن علم داده دانشگاه کاشان
@uk_dsa
📌لایو مقدمهای بر علم داده(پارت دوم)
🔷مهمان:
مهدیه توکلی
دانشجوی دکترا مهندسی صنایع دانشگاه تهران، پژوهشگر، مشاور، مدرس تحلیل داده و تصمیم گیری های داده محور
🔷زمان:
پنجشنبه 22 مهر ساعت 17
🔷مکان :
پیج اینستاگرام انجمن علم داده
uk_dsa
📈انجمن علم داده دانشگاه کاشان
@uk_dsa
🏅 موفقيت، بدست آوردن چيزي است که دوست داري . خوشبختي ،دوست داشتن چيزيست که بدست مياوري.
🆔️ @Ferdowsi_stat
🆔️ @Ferdowsi_stat
📌#اطلاعیه
🟡 سامانه دریافت کارت واکسن 🟡
میتوانید با مراجعه به لینک زیر و ثبت اطلاعات ، نسبت به دریافت کارت واکسن الکترونیک اقدام نمایید .
http://vcr.salamat.gov.ir/fa
___________________________
🆔️@Ferdowsi_stat
🟡 سامانه دریافت کارت واکسن 🟡
میتوانید با مراجعه به لینک زیر و ثبت اطلاعات ، نسبت به دریافت کارت واکسن الکترونیک اقدام نمایید .
http://vcr.salamat.gov.ir/fa
___________________________
🆔️@Ferdowsi_stat
Forwarded from رابط کتابخانه مرکزی دانشگاه فردوسی مشهد (Sh. Sadeghi G.)
نکات مهم بخش امانت کتابخانه (عضویت، شرایط امانت، جستوجو، رزرو، تمدید، جریمه دیرکرد)
Forwarded from انجمن علمی-دانشجویی کیمیا
📣انجمن علمی کیمیا دانشگاه صنعتی شریف برگزار میکند:
💻دوره مجازی آموزش مقدماتی نرمافزار
🔺 متلب MATLAB 🔺
✔️به همراه گواهی معتبر از دانشگاه صنعتی شریف
👨💻مدرس: مهندس مجید قاسمی
کارشناسی مهندسی شیمی دانشگاه تهران
🗓 تاریخ برگزاری:
۲۹ و ۳۰ مهر و ۶ و ۷ آبان
⌚️ ساعت ۱۰ تا ۱۴
💰هزینه ثبت نام:
دانشجویان دانشگاه شریف: ۱۵۰هزار تومان
سایر دانشگاهها: ۲۰۰هزار تومان
♨️۲۰ درصد تخفیف ثبتنام گروهی بیش از ۴نفر♨️
💥همین حالا ثبتنام کنید💥
📌 لینک شرکت در جلسات این دوره به کسانی که ثبت نام کردهاند، از طریق راه ارتباطیشان اعلام خواهد شد.
🟠 مهلت ثبت نام ساعت ۲۳:۵۹
روز چهارشنبه ۲۸ مهر میباشد 🟠
در صورت نیاز به توضیح بیشتر با @kimiagroup_admin در ارتباط باشید.
🌐@Kimia_Group
💻دوره مجازی آموزش مقدماتی نرمافزار
🔺 متلب MATLAB 🔺
✔️به همراه گواهی معتبر از دانشگاه صنعتی شریف
👨💻مدرس: مهندس مجید قاسمی
کارشناسی مهندسی شیمی دانشگاه تهران
🗓 تاریخ برگزاری:
۲۹ و ۳۰ مهر و ۶ و ۷ آبان
⌚️ ساعت ۱۰ تا ۱۴
💰هزینه ثبت نام:
دانشجویان دانشگاه شریف: ۱۵۰هزار تومان
سایر دانشگاهها: ۲۰۰هزار تومان
♨️۲۰ درصد تخفیف ثبتنام گروهی بیش از ۴نفر♨️
💥همین حالا ثبتنام کنید💥
📌 لینک شرکت در جلسات این دوره به کسانی که ثبت نام کردهاند، از طریق راه ارتباطیشان اعلام خواهد شد.
🟠 مهلت ثبت نام ساعت ۲۳:۵۹
روز چهارشنبه ۲۸ مهر میباشد 🟠
در صورت نیاز به توضیح بیشتر با @kimiagroup_admin در ارتباط باشید.
🌐@Kimia_Group
Forwarded from رابط کتابخانه مرکزی دانشگاه فردوسی مشهد (Sh. Sadeghi G.)
❇️ زمان مراجعه حضوری به کتابخانه مرکزی تا اطلاع ثانوی
به اطلاع اعضای محترم میرساند، تا اطلاع ثانوی زمان مراجعه حضوری (به منظور امانت و بازگشت کتاب و تسویه حساب پاياننامه) به شرح زیر اعلام میشود.
شنبه تا چهارشنبه ساعت 8 تا 13:30
➖➖➖➖➖➖➖➖➖➖➖
ما را در شبکههای اجتماعی دنبال کنید
🟠 کانال کتابخانه مرکزی در تلگرام
🟠 کانال کتابخانه مرکزی در اینستاگرام
➖➖➖➖➖➖➖➖➖➖➖
library.um.ac.ir
.
به اطلاع اعضای محترم میرساند، تا اطلاع ثانوی زمان مراجعه حضوری (به منظور امانت و بازگشت کتاب و تسویه حساب پاياننامه) به شرح زیر اعلام میشود.
شنبه تا چهارشنبه ساعت 8 تا 13:30
➖➖➖➖➖➖➖➖➖➖➖
ما را در شبکههای اجتماعی دنبال کنید
🟠 کانال کتابخانه مرکزی در تلگرام
🟠 کانال کتابخانه مرکزی در اینستاگرام
➖➖➖➖➖➖➖➖➖➖➖
library.um.ac.ir
.
🟡 نکوداشت دکتر غلامرضا محتشمی برزادران
📌 زمان برگزاری : پنجشنبه ۲۹ مهرماه ساعت ۱۱:۳۰
📌 مکان برگزاری :
http://ac5.birjand.ac.ir/respect
_________________________________
🆔️ @Ferdowsi_stat
📌 زمان برگزاری : پنجشنبه ۲۹ مهرماه ساعت ۱۱:۳۰
📌 مکان برگزاری :
http://ac5.birjand.ac.ir/respect
_________________________________
🆔️ @Ferdowsi_stat
Forwarded from Data Science (محمدرضا محتاط)
This media is not supported in your browser
VIEW IN TELEGRAM
روند محبوبترین ابزارهای علم داده طی 20 سال گذشته!
در ویدیو فوق روند محبوبترین ابزارها و زبانهای برنامه نویسی علوم داده براساس نظرسنجیهای وبسایت Kdnuggets مصورسازی شده است. روندهای زیر از حائز اهمیتترین تغییرات صورت گرفته است:
▪️رشد گسترده زبان برنامه نویسی پایتون در مقابل کاهش محبوبیت زبان برنامه نویسی R از سال 2015
▪️رشد محبوبیت نرم افزار RapidMiner از سال 2010 به نسبت سایر نرمافزارهای دادهکاوی
▪️ارتقا جایگاه فریمورکهای یادگیری عمیق تنسورفلو و Keras از سال 2017
▪️حضور باثبات نرم افزار اکسل در میان 10 ابزار برتر علوم داده
▪️حضور نرم افزار هوش تجاری Tableau در میان برترین ابزارهای علوم داده طی سالیان اخیر
پی نوشت:
طراحی یک مسیر هدفمند جهت کسب برترین مهارتهای استاندارد در بازار آتی علوم داده در سطوح سازمانی و فردی، سبب ارتقا جایگاه شما بعنوان یک متخصص پیشرو علم داده خواهد شد.
با احترام
محمدرضا محتاط
@DataAnalysis
در ویدیو فوق روند محبوبترین ابزارها و زبانهای برنامه نویسی علوم داده براساس نظرسنجیهای وبسایت Kdnuggets مصورسازی شده است. روندهای زیر از حائز اهمیتترین تغییرات صورت گرفته است:
▪️رشد گسترده زبان برنامه نویسی پایتون در مقابل کاهش محبوبیت زبان برنامه نویسی R از سال 2015
▪️رشد محبوبیت نرم افزار RapidMiner از سال 2010 به نسبت سایر نرمافزارهای دادهکاوی
▪️ارتقا جایگاه فریمورکهای یادگیری عمیق تنسورفلو و Keras از سال 2017
▪️حضور باثبات نرم افزار اکسل در میان 10 ابزار برتر علوم داده
▪️حضور نرم افزار هوش تجاری Tableau در میان برترین ابزارهای علوم داده طی سالیان اخیر
پی نوشت:
طراحی یک مسیر هدفمند جهت کسب برترین مهارتهای استاندارد در بازار آتی علوم داده در سطوح سازمانی و فردی، سبب ارتقا جایگاه شما بعنوان یک متخصص پیشرو علم داده خواهد شد.
با احترام
محمدرضا محتاط
@DataAnalysis
Forwarded from انجمن علمی آمار دانشگاه الزهرا(س) تهران (Zahra Esfandiar)
دانشکده علوم ریاضی دانشگاه الزهرا با همکاری بنیاد علم و فناوری محمد مصطفی (ص) برگزار میکند
سخنرانی پروفسور علی هادی
Prof. Ali S. Hadi
American University in Cairo
با عنوان
"Visualizing Multivariate Data"
چهارشنبه ۲۸ ام آذرماه ساعت ۱۱-۱۰
لینک برگزاری
http://meeting.alzahra.ac.ir/mathematics
@stat_alz
سخنرانی پروفسور علی هادی
Prof. Ali S. Hadi
American University in Cairo
با عنوان
"Visualizing Multivariate Data"
چهارشنبه ۲۸ ام آذرماه ساعت ۱۱-۱۰
لینک برگزاری
http://meeting.alzahra.ac.ir/mathematics
@stat_alz
🟡 بررسی چالشهای فارغالتحصیلان رشته آمار در پیدا کردن شغل
📅 تاریخ: شنبه یکم آبان ماه ساعت 20 الی 21:30
📌 لینک ورود:
https://meet.uok.ac.ir/ch/statisticsday
📅 تاریخ: شنبه یکم آبان ماه ساعت 20 الی 21:30
📌 لینک ورود:
https://meet.uok.ac.ir/ch/statisticsday
Forwarded from انجمن علمی علوم کامپیوتر کاشان
انجمن علمی علوم کامپیوتر دانشگاه کاشان برگزار میکند:
🔹وبینار داده کاوی🔹
🔺این وبینار با هدف اشنایی دانشجویان و علاقه مندان با گرایش بین رشته ای داده کاوی برگزار میگردد.
💬مباحث وبینار :
- اهمیت داده در مسائل روز دنیا
- نحوه ارتباط گرفتن با داده
- آشنایی با ابزارهای لازمه برای پردازش داده
- ریاضیات کار
- آشنایی با ماشین لرنینگ و دیتاساینس
👤سخنران:
مهندس محمدرضا مومنی
فارغ التحصیل کارشناسی ارشد دانشگاه صنعتی شریف
مدیر اجرایی پروژه استفاده از ماشین لرنینگ در سازه برج میلاد
مدیر کمپانی IMT
imt1.ir
📆زمان برگزاری:
پنج شنبه 29 مهر ماه
ساعت 17 الی 18:30
↩️نحوهی شرکت در سمینار:
۱) نصب برنامهی ادوبی کانکت بر روی سیستم مدنظرتان
۲) وارد شدن به سمینار از طریق لینکی که دقایقی قبل از شروع برنامه در کانال تلگرام و بیو اینستاگرام انجمن(@KUCSSA) قرار میگیرد.
❗️شرکت برای عموم آزاد و رایگان می باشد.
#وبینار_داده_کاوی
@KUCSSA
🔹وبینار داده کاوی🔹
🔺این وبینار با هدف اشنایی دانشجویان و علاقه مندان با گرایش بین رشته ای داده کاوی برگزار میگردد.
💬مباحث وبینار :
- اهمیت داده در مسائل روز دنیا
- نحوه ارتباط گرفتن با داده
- آشنایی با ابزارهای لازمه برای پردازش داده
- ریاضیات کار
- آشنایی با ماشین لرنینگ و دیتاساینس
👤سخنران:
مهندس محمدرضا مومنی
فارغ التحصیل کارشناسی ارشد دانشگاه صنعتی شریف
مدیر اجرایی پروژه استفاده از ماشین لرنینگ در سازه برج میلاد
مدیر کمپانی IMT
imt1.ir
📆زمان برگزاری:
پنج شنبه 29 مهر ماه
ساعت 17 الی 18:30
↩️نحوهی شرکت در سمینار:
۱) نصب برنامهی ادوبی کانکت بر روی سیستم مدنظرتان
۲) وارد شدن به سمینار از طریق لینکی که دقایقی قبل از شروع برنامه در کانال تلگرام و بیو اینستاگرام انجمن(@KUCSSA) قرار میگیرد.
❗️شرکت برای عموم آزاد و رایگان می باشد.
#وبینار_داده_کاوی
@KUCSSA
Forwarded from شورای صنفی دانشجویان دانشگاه فردوسی مشهد
#سوال_پر_تکرار
❓❓ ثبت نام وام های صندوق رفاه دانشجویان چه زمانی آغاز میشود؟
❌با توجه به اینکه سابقا اعلام شده بود زمان شروع ثبت نام از ۲۵ مهر ماه هست؛ اما هنوز زیرساخت های آن آماده نیست.
♦️ملاک خبر صندوق رفاه دانشجویان می باشد لذا
به سایر اخبار توجه نفرمائید.
♦️در صورتی که زمان ثبت نام رسما اعلام بشود، ابلاغ و اطلاع رسانی خواهد شد.
#شورای_صنفی_دانشحویان_دانشگاه_فردوسی_مشهد
#ما_پاسخگوییم
🆔 @fum_senfi
❓❓ ثبت نام وام های صندوق رفاه دانشجویان چه زمانی آغاز میشود؟
❌با توجه به اینکه سابقا اعلام شده بود زمان شروع ثبت نام از ۲۵ مهر ماه هست؛ اما هنوز زیرساخت های آن آماده نیست.
♦️ملاک خبر صندوق رفاه دانشجویان می باشد لذا
به سایر اخبار توجه نفرمائید.
♦️در صورتی که زمان ثبت نام رسما اعلام بشود، ابلاغ و اطلاع رسانی خواهد شد.
#شورای_صنفی_دانشحویان_دانشگاه_فردوسی_مشهد
#ما_پاسخگوییم
🆔 @fum_senfi
📊 دانشجویان برتر گروه آمار ۱۴۰۰
🟡 ورودی های ۹۹
🏅نوشین فرزانه حسین پور - سورنا استقامت علی آبادی - امیرحسین طباطبائی
🟡 ورودی های ۹۸
🏅ملیکا رحمانی - فاطمه محمدی - سمیرا صدر الفضلائی
🟡 ورودی های ۹۷
🏅محدثه خدیوزاده - مهدی رحیمی - محمدجواد عابدینی
🟡 ورودی های ۹۶
🏅مینا مقبول حامدی - ثمین وجدانی - مرتضی ادیبیان
با آرزوی موفقیت های روز افزون برای همه عزیزان 🌹
🆔️ @Ferdowsi_stat
🟡 ورودی های ۹۹
🏅نوشین فرزانه حسین پور - سورنا استقامت علی آبادی - امیرحسین طباطبائی
🟡 ورودی های ۹۸
🏅ملیکا رحمانی - فاطمه محمدی - سمیرا صدر الفضلائی
🟡 ورودی های ۹۷
🏅محدثه خدیوزاده - مهدی رحیمی - محمدجواد عابدینی
🟡 ورودی های ۹۶
🏅مینا مقبول حامدی - ثمین وجدانی - مرتضی ادیبیان
با آرزوی موفقیت های روز افزون برای همه عزیزان 🌹
🆔️ @Ferdowsi_stat
👍1