💡 با سبک آموزشی فیسورس، مفاهیم عمیق این درسای سخت رو سریع، ساده و ماندگار یاد میگیری — همون چیزی که هیچ استاد دانشگاهی وقت نمیکنه!
--------
نتایج دانشجوهامون رو ببین👀 تا بفهمی اینجا چخبره
-------
✉️ برای ثبتنام هر یک از دورههای فوق و شروع مسیر موفقیت تحصیلی:
@HrPhysics
#فیسورس #دانشگاه #امتحان #ریاضی۲ #فیزیک۲ #میانترم
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1👌1
#میانترم #استاتیک
دوره جامع میانترم استاتیک فیسورس، اعجوبه تدریس دانشگاهی!
(ایدهآل برای امتحانات دانشگاه و کسب نمره عالی )
🎓 با حل نمونه سؤالات امتحانی دانشگاههای برتر ایران و آموزش کامل
✅ ویدیوهای آفلاین، تمرینهای هدفمند، پشتیبانی ۲۴ساعته توسط مدرس دوره
➕ تضمین کیفیت و رضایت از دوره
➕ حل امتحانات سالهای اخیر دانشگاههای ایران
-----
نتایج دانشجوهامون رو ببین👀 تا بفهمی اینجا چخبره0️⃣ 2️⃣
------
📩 مشاوره و ثبتنام:
@HrPhysics
درصورت نارضایتی 50% از مبلغ دوره بازگشت داده میشود.
#استاتیک #static #معادلاتـدیفرانسیل #فیسورس #دانشگاه #امتحان #physource
دوره جامع میانترم استاتیک فیسورس، اعجوبه تدریس دانشگاهی!
(ایدهآل برای امتحانات دانشگاه و کسب نمره عالی )
🎓 با حل نمونه سؤالات امتحانی دانشگاههای برتر ایران و آموزش کامل
✅ ویدیوهای آفلاین، تمرینهای هدفمند، پشتیبانی ۲۴ساعته توسط مدرس دوره
-----
نتایج دانشجوهامون رو ببین👀 تا بفهمی اینجا چخبره
------
@HrPhysics
درصورت نارضایتی 50% از مبلغ دوره بازگشت داده میشود.
#استاتیک #static #معادلاتـدیفرانسیل #فیسورس #دانشگاه #امتحان #physource
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍3
فیسورس | مرجع دروس دانشگاهی
🔴ویژه ورودیهای جدید دانشگاه ⌛💵💵دورهای به ارزش 490 هزارتومن را رایگان شرکت کن💵💵 🔔با دوره آفلاین پیشنیازهای ضروری سال اول دانشگاه از اول دانشگاه رو با قدرت شروعکن☄️ دوره پیشنیازهای فیسورس تمام مفاهیم ریاضی که اساتید فرض میگیرن بلدی، ولی بلد نیستی…
#ثبتنام #پیشنیاز
دوستانی که دورهی آفلاین پیشنیازهای ضروری سال اول دانشگاه رو ثبت نام کردن ولی لایسنس بهشون ندادیم(خیلی احتمالش کمه😅) لطفا به آیدی زیر پیام بدن که لایسنس رو بهشون بدیم
@Hrphysics
دوستانی که دورهی آفلاین پیشنیازهای ضروری سال اول دانشگاه رو ثبت نام کردن ولی لایسنس بهشون ندادیم(خیلی احتمالش کمه😅) لطفا به آیدی زیر پیام بدن که لایسنس رو بهشون بدیم
@Hrphysics
👏2
This media is not supported in your browser
VIEW IN TELEGRAM
📣 بهزودی گپ و گفت ویژه با دانشجوهای ایرانی خارج از کشور!
🌍تا حالا برات سوال شده دانشجوها چطور اپلای کردن؟
زندگی دانشجویی خارج از کشور چه شکلیه؟
چه چالشهایی داشتن و چطوری اونهارو بر طرف کردن؟
ما قراره با چند تا از دانشجوهای ایرانی که الان خارج از کشور زندگی میکنن، یه گفتوگوی خودمونی و پر از تجربه داشته باشیم 🎙
🌍تا حالا برات سوال شده دانشجوها چطور اپلای کردن؟
زندگی دانشجویی خارج از کشور چه شکلیه؟
چه چالشهایی داشتن و چطوری اونهارو بر طرف کردن؟
ما قراره با چند تا از دانشجوهای ایرانی که الان خارج از کشور زندگی میکنن، یه گفتوگوی خودمونی و پر از تجربه داشته باشیم 🎙
👍2🔥2
ما در فیسورس برای افزایش کیفیت و بازدهی بیشتر آموزشهامون( دروس ریاضی ۱ و ۲، فیزیک ۱و۲ و معادلات دیفراسنیل و استاتیک) قصد داریم چند مجموعه از امتحانات سالهای اخیر دانشگاههای برتر کشور (مثل دانشگاه تهران، شریف، علم و صنعت، شهید بهشتی و ...) رو به صورت کامل و ویدئویی حل کنیم و این محتوا رو در قالب ویدئو به دورههای آموزشی خود اضافه کنیم .
هدف ما همیشه موفقیت شما در امتحانات بوده و هست!
فیسورس | مرجع دروس دانشگاهی|@PhySource
#میناترم #فیزیک_۲ #ریاضی_۲ #پایان_ترم #PhySource #آمادگی_برای_امتحان
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4
فیسورس | مرجع دروس دانشگاهی
آیا تا به حال از خودتون پرسیدید که "عدد نپر" یا ( e ) چطور به دست میاد؟ تو این ویدیو، به بررسی دنبالهای میپردازیم که به طور شگفتانگیزی به عدد نپر ختم میشه و بعدش عدد نپر رو از دل اون دنباله پیدا میکنیم و با این روش، به کشف یکی از مهمترین اعداد ریاضیاتی…
#ریاضی۱ #پیشنیاز
عدد نپر (e) یکی از مهمترین اعداد در دنیای ریاضیات است. نام آن به افتخار جان نپر (John Napier)، ریاضیدان اسکاتلندی قرن هفدهم انتخاب شده؛ کسی که برای نخستینبار مفهوم لگاریتم را معرفی کرد تا محاسبات پیچیدهتر را سادهتر کند. البته خود نپر عدد e را پیدا نکرد. چند دهه بعد، برنولی (Jacob Bernoulli) هنگام بررسی مسئلهی رشد سرمایه و بهره مرکب، متوجه شد که وقتی تعداد دفعات محاسبهی بهره در سال بینهایت شود، مقدار حاصل به عدد ثابتی نزدیک میشود. این عدد همان عدد نپر است.
به زبان ریاضی، عدد نپر به صورت حد زیر تعریف میشود:
e = lim (n→∞) (1 + 1/n)^n
تابع نمایی یکی از کاربردهای مهم این عدد است و به شکل f(x) = e^x نوشته میشود. ویژگی خاص این تابع این است که مشتق خودش با خودش برابر است: f'(x) = e^x. همین ویژگی باعث شده که این تابع در مدلسازی بسیاری از پدیدههای طبیعی مثل رشد جمعیت، واپاشی مواد رادیواکتیو و تغییر دما نقش اساسی داشته باشد. چون در طبیعت بسیاری از فرآیندها با سرعتی متناسب با مقدار فعلی خودشان تغییر میکنند، به عدد e گاهی «عدد طبیعی» هم گفته میشود.
وقتی لگاریتم را در پایهی e بگیریم، به آن «لگاریتم طبیعی» میگوییم و با ln نشان میدهیم:
ln(x) = log_e(x)
لگاریتم طبیعی در ریاضیات، فیزیک و مهندسی کاربرد فراوانی دارد، زیرا پایهی e به طور طبیعی در روابط مربوط به رشد پیوسته و تغییرات مداوم ظاهر میشود.
به دلیل اهمیت بالای فهم عدد نپر و چگونگی بهدست آمدن آن از حد دنباله، در این ویدیو به طور کامل این مطلب بررسی شده است.
#نمونه_تدریس
عدد نپر (e) یکی از مهمترین اعداد در دنیای ریاضیات است. نام آن به افتخار جان نپر (John Napier)، ریاضیدان اسکاتلندی قرن هفدهم انتخاب شده؛ کسی که برای نخستینبار مفهوم لگاریتم را معرفی کرد تا محاسبات پیچیدهتر را سادهتر کند. البته خود نپر عدد e را پیدا نکرد. چند دهه بعد، برنولی (Jacob Bernoulli) هنگام بررسی مسئلهی رشد سرمایه و بهره مرکب، متوجه شد که وقتی تعداد دفعات محاسبهی بهره در سال بینهایت شود، مقدار حاصل به عدد ثابتی نزدیک میشود. این عدد همان عدد نپر است.
به زبان ریاضی، عدد نپر به صورت حد زیر تعریف میشود:
e = lim (n→∞) (1 + 1/n)^n
تابع نمایی یکی از کاربردهای مهم این عدد است و به شکل f(x) = e^x نوشته میشود. ویژگی خاص این تابع این است که مشتق خودش با خودش برابر است: f'(x) = e^x. همین ویژگی باعث شده که این تابع در مدلسازی بسیاری از پدیدههای طبیعی مثل رشد جمعیت، واپاشی مواد رادیواکتیو و تغییر دما نقش اساسی داشته باشد. چون در طبیعت بسیاری از فرآیندها با سرعتی متناسب با مقدار فعلی خودشان تغییر میکنند، به عدد e گاهی «عدد طبیعی» هم گفته میشود.
وقتی لگاریتم را در پایهی e بگیریم، به آن «لگاریتم طبیعی» میگوییم و با ln نشان میدهیم:
ln(x) = log_e(x)
لگاریتم طبیعی در ریاضیات، فیزیک و مهندسی کاربرد فراوانی دارد، زیرا پایهی e به طور طبیعی در روابط مربوط به رشد پیوسته و تغییرات مداوم ظاهر میشود.
به دلیل اهمیت بالای فهم عدد نپر و چگونگی بهدست آمدن آن از حد دنباله، در این ویدیو به طور کامل این مطلب بررسی شده است.
#نمونه_تدریس
❤4
پتانسیل الکترواستاتیکی(آموزش).pdf
2.5 MB
https://news.1rj.ru/str/PhySource
جزوه آموزش مبحث پتانسیل الکتریکی از دوره آموزشی فیزیک۲ فیسورس تقدیم شما عزیزان
#فیزیک۲
#جزوه #فیسورس
#physourcs
جزوه آموزش مبحث پتانسیل الکتریکی از دوره آموزشی فیزیک۲ فیسورس تقدیم شما عزیزان
#فیزیک۲
#جزوه #فیسورس
#physourcs
👍2
نیوتن: یک چرند بزرگ
چه میشد اگر به شما میگفتند پایهایترین نیروی جهان، از نگاه بزرگترین کشفکنندهاش، "پوچ و مضحک" است؟ این دقیقاً احساس آیزاک نیوتن، در مورد نظریهای بود که خودش ارائه داد: نظریه گرانش جهانی.
نیوتن در نامهای به یکی از دوستانش اعتراف میکند:
«گرانش باید جزو ذاتی، طبیعی و ضروری ماده باشد، به طوری که تأثیر یک جسم روی جسم دیگر در خلأ بدون دخالت هیچ چیز دیگر صورت گیرد و نیروی این دو جسم باید از یکی به دیگری منتقل شود.
این نظریه به دید من بسیار پوچ و مضحک است و فکر نمیکنم هیچ فیلسوفی با عقل سلیم بتواند این نظریه را قبول کند.»
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
همه درباره نظریه گرانش جهان شمول نیوتن شنیدهاند، نظریهای که میگوید اجسام بسته به جرم و فاصله میان خود یکدیگر را جذب میکنند. برای مثال، خورشید و زمین توسط نیروی جاذبه با یکدیگر مرتبطاند که این نیرو، نیروی گریز از مرکز را خنثی میکند و زمین را در یک مدار تقریباً دایروی در اطراف خورشید نگه میدارد.
زمین از کجا میداند که بسته به جرم زمین و فاصله میان آن دو، باید به طرف خورشید کشیده شود؟ یا اینکه زمین از کجا جرم خورشید و یا فاصله میان خود تا خورشید را میداند؟ آیا خورشید با روشی خاص با زمین در ارتباط است؟
نیوتن به شدت شیفته پاسخ به این سوالات کودکانه که در عین حال بسیار عمیق هستند، بود. در نهایت او نظریه گرانش را مطرح کرد، نظریهای که باعث معروف شدن او گشت، اما این نظریه در ابتدا به قدری چرند و پوچ به نظر میرسید که هیچ عقل سلیمی آن را نمیپذیرفت. چرا که این ایده با شهود ما از جهان سازگاری ندارد. در حقیقت، فیزیک تا قبل از دوران اینشتین، وقایع را به مثابه مجموعهای از رخدادهای موضعی توصیف میکرد که تنها به صورت پیوسته از نقطهای به نقطه دیگر در فضا با یکدیگر در تعاملاند.
برشی از کتاب "شانس کوانتومی" نوشته نیکولا ژایزن
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
با این حال، به نظر شما:
آیا قانون نیوتن با وجود این تناقض ظاهری، همچنان صحیح است؟
اگر بله،چگونه میتوان این "عمل از راه دور" را توجیه کرد؟
#فیسورس #فیزیک۱ #گرانش #نیوتن #علم
چه میشد اگر به شما میگفتند پایهایترین نیروی جهان، از نگاه بزرگترین کشفکنندهاش، "پوچ و مضحک" است؟ این دقیقاً احساس آیزاک نیوتن، در مورد نظریهای بود که خودش ارائه داد: نظریه گرانش جهانی.
نیوتن در نامهای به یکی از دوستانش اعتراف میکند:
«گرانش باید جزو ذاتی، طبیعی و ضروری ماده باشد، به طوری که تأثیر یک جسم روی جسم دیگر در خلأ بدون دخالت هیچ چیز دیگر صورت گیرد و نیروی این دو جسم باید از یکی به دیگری منتقل شود.
این نظریه به دید من بسیار پوچ و مضحک است و فکر نمیکنم هیچ فیلسوفی با عقل سلیم بتواند این نظریه را قبول کند.»
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
همه درباره نظریه گرانش جهان شمول نیوتن شنیدهاند، نظریهای که میگوید اجسام بسته به جرم و فاصله میان خود یکدیگر را جذب میکنند. برای مثال، خورشید و زمین توسط نیروی جاذبه با یکدیگر مرتبطاند که این نیرو، نیروی گریز از مرکز را خنثی میکند و زمین را در یک مدار تقریباً دایروی در اطراف خورشید نگه میدارد.
زمین از کجا میداند که بسته به جرم زمین و فاصله میان آن دو، باید به طرف خورشید کشیده شود؟ یا اینکه زمین از کجا جرم خورشید و یا فاصله میان خود تا خورشید را میداند؟ آیا خورشید با روشی خاص با زمین در ارتباط است؟
نیوتن به شدت شیفته پاسخ به این سوالات کودکانه که در عین حال بسیار عمیق هستند، بود. در نهایت او نظریه گرانش را مطرح کرد، نظریهای که باعث معروف شدن او گشت، اما این نظریه در ابتدا به قدری چرند و پوچ به نظر میرسید که هیچ عقل سلیمی آن را نمیپذیرفت. چرا که این ایده با شهود ما از جهان سازگاری ندارد. در حقیقت، فیزیک تا قبل از دوران اینشتین، وقایع را به مثابه مجموعهای از رخدادهای موضعی توصیف میکرد که تنها به صورت پیوسته از نقطهای به نقطه دیگر در فضا با یکدیگر در تعاملاند.
برشی از کتاب "شانس کوانتومی" نوشته نیکولا ژایزن
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
با این حال، به نظر شما:
آیا قانون نیوتن با وجود این تناقض ظاهری، همچنان صحیح است؟
اگر بله،چگونه میتوان این "عمل از راه دور" را توجیه کرد؟
#فیسورس #فیزیک۱ #گرانش #نیوتن #علم
❤6👏1
فیسورس | مرجع دروس دانشگاهی
🔴ویژه ورودیهای جدید دانشگاه ⌛💵💵دورهای به ارزش 490 هزارتومن را رایگان شرکت کن💵💵 🔔با دوره آفلاین پیشنیازهای ضروری سال اول دانشگاه از اول دانشگاه رو با قدرت شروعکن☄️ دوره پیشنیازهای فیسورس تمام مفاهیم ریاضی که اساتید فرض میگیرن بلدی، ولی بلد نیستی…
#ثبتنام #پیشنیاز
دوستانی که دورهی آفلاین پیشنیازهای ضروری سال اول دانشگاه رو ثبت نام کردن ولی لایسنس بهشون ندادیم(خیلی احتمالش کمه😅) لطفا به آیدی زیر پیام بدن که لایسنس رو بهشون بدیم
@Hrphysics
دوستانی که دورهی آفلاین پیشنیازهای ضروری سال اول دانشگاه رو ثبت نام کردن ولی لایسنس بهشون ندادیم(خیلی احتمالش کمه😅) لطفا به آیدی زیر پیام بدن که لایسنس رو بهشون بدیم
@Hrphysics
Media is too big
VIEW IN TELEGRAM
#ریاضی۱ #توابع_هایپربولیک
با نیم ساعت ویدئو هر چیزی از توابع هایپربولیک نیاز داری رو یاد بگیر
برای مشاوره و تهیه دوره ریاضی۱ با آیدی زیر در ارتباط باشید:
@hrphysics
#نمونه_تدریس
با نیم ساعت ویدئو هر چیزی از توابع هایپربولیک نیاز داری رو یاد بگیر
برای مشاوره و تهیه دوره ریاضی۱ با آیدی زیر در ارتباط باشید:
@hrphysics
#نمونه_تدریس
❤2🔥1
فیسورس | مرجع دروس دانشگاهی
#ریاضی۱ #توابع_هایپربولیک با نیم ساعت ویدئو هر چیزی از توابع هایپربولیک نیاز داری رو یاد بگیر برای مشاوره و تهیه دوره ریاضی۱ با آیدی زیر در ارتباط باشید: @hrphysics #نمونه_تدریس
#ریاضی۱ #توابع_هایپربولیک
شاید تا حالا اسم «توابع هایپربولیک» یا «توابع هذلولوی» به گوشت خورده باشه، مثل sinh(x)، cosh(x)، tanh(x) و بقیهی اعضای خانوادهشون. اما چرا بهشون میگن «هایپربولیک»؟
ما در هندسه، دو نوع منحنی معروف داریم: یکی دایره و یکی هذلولی. توابع مثلثاتی معمولی (مثل sin و cos) روی دایره تعریف میشن، یعنی برای نقاطی که رابطهشون x² + y² = 1 هست. ولی توابع هایپربولیک روی هذلولی تعریف میشن، یعنی نقاطی که رابطهشون x² - y² = 1 هست. به خاطر همین تفاوت، این توابع رو «هایپربولیک» یا «هذلولوی» مینامیم.
حالا چرا بهشون میگیم سینوس و کسینوس هایپربولیک؟
در توابع مثلثاتی معمولی داریم sin²(x) + cos²(x) = 1، اما در توابع هایپربولیک رابطه به شکل cosh²(x) - sinh²(x) = 1 درمیاد. یعنی دقیقاً شبیه رابطهی دایره، فقط علامت جمع تبدیل شده به منها. همونطور که دایره با جمع تعریف میشه و هذلولی با تفاضل، اینجا هم همون الگو تکرار شده. به همین دلیل بهشون میگیم سینوس و کسینوس هایپربولیک. حتی توابع tanh و coth هم شبیه تانژانت و کتانژانت معمولی رفتار میکنن، فقط در فضای هذلولوی.
اما این توابع کجا به درد میخورن؟
جالبه بدونی در فیزیک، مهندسی و حتی زیستشناسی کاربردهای زیادی دارن. مثلاً شکل زنجیری که از دو سر آویزون شده (به اسم «کاتنری») با تابع cosh توصیف میشه. در نظریهی نسبیت خاص انیشتین هم، روابط مربوط به سرعت و شتاب با توابع هایپربولیک بیان میشن، چون فضا-زمان در نسبیت هندسهای هذلولوی داره. در مهندسی برق، مکانیک و سیالات هم، این توابع برای تحلیل نوسانها، جریانها و انتقال حرارت کاربردهای مهمی دارن.
به زبان ساده، توابع هایپربولیک دوقلوهای پنهان توابع مثلثاتی هستن؛ همونقدر زیبا و منظم، فقط نه روی دایره، بلکه روی یک هذلولی
شاید تا حالا اسم «توابع هایپربولیک» یا «توابع هذلولوی» به گوشت خورده باشه، مثل sinh(x)، cosh(x)، tanh(x) و بقیهی اعضای خانوادهشون. اما چرا بهشون میگن «هایپربولیک»؟
ما در هندسه، دو نوع منحنی معروف داریم: یکی دایره و یکی هذلولی. توابع مثلثاتی معمولی (مثل sin و cos) روی دایره تعریف میشن، یعنی برای نقاطی که رابطهشون x² + y² = 1 هست. ولی توابع هایپربولیک روی هذلولی تعریف میشن، یعنی نقاطی که رابطهشون x² - y² = 1 هست. به خاطر همین تفاوت، این توابع رو «هایپربولیک» یا «هذلولوی» مینامیم.
حالا چرا بهشون میگیم سینوس و کسینوس هایپربولیک؟
در توابع مثلثاتی معمولی داریم sin²(x) + cos²(x) = 1، اما در توابع هایپربولیک رابطه به شکل cosh²(x) - sinh²(x) = 1 درمیاد. یعنی دقیقاً شبیه رابطهی دایره، فقط علامت جمع تبدیل شده به منها. همونطور که دایره با جمع تعریف میشه و هذلولی با تفاضل، اینجا هم همون الگو تکرار شده. به همین دلیل بهشون میگیم سینوس و کسینوس هایپربولیک. حتی توابع tanh و coth هم شبیه تانژانت و کتانژانت معمولی رفتار میکنن، فقط در فضای هذلولوی.
اما این توابع کجا به درد میخورن؟
جالبه بدونی در فیزیک، مهندسی و حتی زیستشناسی کاربردهای زیادی دارن. مثلاً شکل زنجیری که از دو سر آویزون شده (به اسم «کاتنری») با تابع cosh توصیف میشه. در نظریهی نسبیت خاص انیشتین هم، روابط مربوط به سرعت و شتاب با توابع هایپربولیک بیان میشن، چون فضا-زمان در نسبیت هندسهای هذلولوی داره. در مهندسی برق، مکانیک و سیالات هم، این توابع برای تحلیل نوسانها، جریانها و انتقال حرارت کاربردهای مهمی دارن.
به زبان ساده، توابع هایپربولیک دوقلوهای پنهان توابع مثلثاتی هستن؛ همونقدر زیبا و منظم، فقط نه روی دایره، بلکه روی یک هذلولی
❤1🔥1👏1
فیسورس | مرجع دروس دانشگاهی
🔴ویژه ورودیهای جدید دانشگاه ⌛💵💵دورهای به ارزش 490 هزارتومن را رایگان شرکت کن💵💵 🔔با دوره آفلاین پیشنیازهای ضروری سال اول دانشگاه از اول دانشگاه رو با قدرت شروعکن☄️ دوره پیشنیازهای فیسورس تمام مفاهیم ریاضی که اساتید فرض میگیرن بلدی، ولی بلد نیستی…
دوستان، تهیه دوره پیشنیازهای ضروری ورودیهای جدید(ریاضی و فیزیک) بصورت رایگان فعلا تمام شده.
اگر تصمیم بر شروع دوباره این دوره شد خدمتتون اعلام میشه.
حتما این دوره رو شرکت کنید که از نون شب برای ورودی جدیدها واجب تره😟 😟
عزیزانی که تهیه کردن این دوره رو مشخصه از الان به فکر اینن که دانشجوی برتر بشن😎
اگر تصمیم بر شروع دوباره این دوره شد خدمتتون اعلام میشه.
حتما این دوره رو شرکت کنید که از نون شب برای ورودی جدیدها واجب تره
عزیزانی که تهیه کردن این دوره رو مشخصه از الان به فکر اینن که دانشجوی برتر بشن
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥1🙏1
Media is too big
VIEW IN TELEGRAM
#فیزیک۱ #حرکتـشناسی
📣 مبحث: آموزش فیزیک عمومی ۱ -
حرکتشناسی
حرکت قائم و حرکت پرتابی
📌 با این آموزش:
✅ حرکتشناسی و دینامیک را مفهومی یاد میگیرید.
✅ مسائل پیچیده را با سادهترین روشها حل میکنید.
🔗 کانال آموزشی:
✈️ @PhySource
#آموزش_فیزیک #حرکت_شناسی #حرکت_قائم #حرکت_پرتابی
حرکتشناسی
حرکت قائم و حرکت پرتابی
📌 با این آموزش:
✅ حرکتشناسی و دینامیک را مفهومی یاد میگیرید.
✅ مسائل پیچیده را با سادهترین روشها حل میکنید.
#آموزش_فیزیک #حرکت_شناسی #حرکت_قائم #حرکت_پرتابی
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
✔️ انتگرال
✔️معادلات دیفرانسیل خطی مرتبه اول
✔️مشتقات جزئی
✔️و مباحث کلیدی فیزیک ۱
➕پشتیبانی و رفع اشکال رایگان
@Hrphysics
فیسورس؛ اعجوبه تدریس دانشگاهی! 😎
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🔥1👌1
فیسورس | مرجع دروس دانشگاهی
دلیل اهمیت دورهی پیشنیاز های ضروری برای دانشجوهای ترم ۱:
دوره پیشنیازهای فیسورس تمام مفاهیم ریاضی که اساتید فرض میگیرن بلدی، ولی بلد نیستی رو به سادهترین شکل بهت یاد میده:
✔️ انتگرال
✔️معادلات دیفرانسیل خطی مرتبه اول
✔️مشتقات جزئی
✔️و مباحث کلیدی فیزیک ۱
نتیجه؟
با پایهای قوی وارد ترم میشی،همهچیز برات آشناست و میتونی با اعتمادبهنفس بالا تو کلاس حاضر بشی.
👨🏫 مدرس: دانشجویان برتر فیزیک و ریاضی دانشگاه تهران
دوره پیشنیازهای فیسورس تمام مفاهیم ریاضی که اساتید فرض میگیرن بلدی، ولی بلد نیستی رو به سادهترین شکل بهت یاد میده:
✔️ انتگرال
✔️معادلات دیفرانسیل خطی مرتبه اول
✔️مشتقات جزئی
✔️و مباحث کلیدی فیزیک ۱
نتیجه؟
با پایهای قوی وارد ترم میشی،همهچیز برات آشناست و میتونی با اعتمادبهنفس بالا تو کلاس حاضر بشی.
👨🏫 مدرس: دانشجویان برتر فیزیک و ریاضی دانشگاه تهران
❤3👍1🔥1👌1
💡 با سبک آموزشی فیسورس، مفاهیم عمیق این درسای سخت رو سریع، ساده و ماندگار یاد میگیری — همون چیزی که هیچ استاد دانشگاهی وقت نمیکنه!
--------
نتایج دانشجوهامون رو ببین👀 تا بفهمی اینجا چخبره
-------
@HrPhysics
#فیسورس #دانشگاه #امتحان#فیزیک #ریاضی
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥1
برخی اوقات گفته میشود که واقعیت عجیبتر از خیال است و این گفته در هیچ جایی به اندازهی سیاهچالهها درست نیست.
سیاهچالهها از هر چیزی که نویسندگان علمی–تخیلی تصور کردهاند شگفتانگیزترند، اما در عین حال، پدیدههایی کاملاً واقعیاند.
مدتها طول کشید تا جامعهی علمی درک کند که ستارگان پرجرم میتوانند تحت نیروی گرانش خود رمبش کنند. این موضوع را نخستین بار جان ویلر، فیزیکدان آمریکایی، در دههی ۵۰ و ۶۰ میلادی بررسی کرد. او نشان داد که بسیاری از ستارگان در پایان عمر خود رمبش میکنند و به اجرامی با ویژگیهای بسیار خاص تبدیل میشوند؛ همان چیزی که ما امروز آن را «سیاهچاله» مینامیم.
اما درون یک سیاهچاله چه میگذرد؟
آیا میتوان گفت درون آن چه رخ میدهد؟
در واقع، شما نمیتوانید بگویید «داخل» سیاهچاله چه چیزی است. میتوانید هر چیزی، از حلقهی الماس گرفته تا تلویزیون یا حتی دشمن خود را درون آن بیندازید، اما سیاهچاله فقط سه ویژگی را «به یاد» میسپارد: جرم، بار الکتریکی، و اندازهحرکت زاویهای.
سیاهچاله مرزی دارد به نام افق رویداد. در این مرز، گرانش آنقدر قوی است که حتی نور نمیتواند بگریزد. افتادن در افق رویداد مانند رفتن با قایق به سمت آبشار نیاگارا است؛ تا قبل از رسیدن به لبه میتوانید با پارو زدن بازگردید، اما بهمحض گذشتن از لبه، راه بازگشتی وجود ندارد...
اگر پاهای شما زودتر وارد سیاهچاله شود، گرانش در پاها قویتر از سرتان خواهد بود و بدنتان بهصورت طولی کشیده و بهصورت عرضی فشرده میشود؛ پدیدهای که فیزیکدانان آن را «اسپاگتی شدن» مینامند.
در سیاهچالههای کوچک، این کشش آنقدر زیاد است که پیش از رسیدن به افق رویداد از هم گسیخته میشوید؛ اما در سیاهچالههای بسیار بزرگتر، مانند آنهایی که در مرکز کهکشانها هستند، میتوانید بدون آسیب از افق رویداد عبور کنید.
پس اگر روزی خواستید درون سیاهچالهای سفر کنید، یکی از نوع بزرگش را انتخاب کنید!
📖 برگرفته از کتاب «سیاهچالهها» نوشتهی استیون هاوکینگ
(سخنرانیهای بیبیسی)
ترجمه: سیده صدیقه هاشمی
ویرایش: محمد قائممقامی
@Physource| فیسورس، مرجع دروس دانشگاهی
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
This media is not supported in your browser
VIEW IN TELEGRAM
🎓 فیسورس؛ اعجوبهی تدریس دانشگاهی و خالق سبک جدید آموزش دروس مهندسی و علوم پایه
ما فقط درس ندادیم — انقلابی در یادگیری ریاضی و فیزیک ساختیم❤️🔥
سبکی که هیچ مجموعهای نتونسته مثلش رو بسازه یا حتی بهش نزدیک بشه.
در فیسورس، مفاهیم سخت دانشگاهی با زبانی ساده، عمیق و بهروز تدریس میشن تا یادگیری به تجربهای لذتبخش تبدیل بشه.
🔴 سال گذشته دهها دانشجو نهتنها نمره ۲۰ گرفتن، بلکه یاد گرفتن چطور باید فکر علمی داشته باشن.
فیسورس فقط کلاس نیست، یک مسیر برای تبدیل شدن به نسخهی قویترِ خودته.
💬 این فقط ادعا نیست — صدای واقعی دانشجوهای ماست که از تجربهشون گفتن.
نظراتشون رو ببین و خودت قضاوت کن...
✉️ جهت اطلاع از دورههای فیسورس به آیدی زیر پیام بدید 〰 . @HrPhysics
#رضایت
ما فقط درس ندادیم — انقلابی در یادگیری ریاضی و فیزیک ساختیم❤️🔥
سبکی که هیچ مجموعهای نتونسته مثلش رو بسازه یا حتی بهش نزدیک بشه.
در فیسورس، مفاهیم سخت دانشگاهی با زبانی ساده، عمیق و بهروز تدریس میشن تا یادگیری به تجربهای لذتبخش تبدیل بشه.
فیسورس فقط کلاس نیست، یک مسیر برای تبدیل شدن به نسخهی قویترِ خودته.
نظراتشون رو ببین و خودت قضاوت کن...
#رضایت
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4
🧠 ترانزیستوری که شبیه مغز انسان فکر میکند
«کمک فیزیک به ساخت هوش مصنوعی شبیه مغز»
یک گروه از پژوهشگران از دانشگاه نورثوسترن، کالج بوستون و MIT موفق شدن نوعی ترانزیستور عصبی بسازن که رفتارش تا حدی شبیه مغز انسانه.
این وسیلهی جدید، مثل نورونهای مغز، همزمان هم اطلاعات رو پردازش میکنه و هم همون اطلاعات رو در خودش نگه میداره؛ یعنی هم نقش «پردازنده» رو داره، هم نقش «حافظه».
چرا این کشف مهمه؟ 🤔
توی کامپیوترهای معمولی، دادهها مدام بین پردازنده و حافظه در رفتوآمد هستن. این کار:
انرژی زیادی مصرف میکنه ⚡
سرعت رو پایین میآره
انجام چند کار همزمان رو سختتر میکنه
اما در مغز انسان، پردازش و حافظه در یک جا انجام میشن؛ برای همین مغز، با مصرف انرژی خیلی کم، کارهای پیچیدهای انجام میده.
ترانزیستور جدیدی که این تیم ساخته:
میتونه دادهها رو دستهبندی و نوعی یادگیری ساده انجام بده
در دمای اتاق کار میکنه (لزومی به دماهای خیلی پایین و آزمایشگاهی نداره)
سریعه، انرژی کمی مصرف میکنه
و حتی وقتی برق قطع میشه، حافظهاش رو حفظ میکنه
این کار، یک قدم مهم به سمت ساخت سختافزارهاییه که هوش مصنوعی رو شبیهتر به مغز انسان میکنن.
این پژوهش بهتازگی در مجلهی Nature منتشر شده.
با ما همراه باشید تا ببینیم فیزیک چطور داره پشت صحنه به رشد هوش مصنوعی و فناوریهای آینده کمک میکنه. 🚀
Source: scitechdaily.com
Photo credit: incubator.ucf.edu
----------
All rights go to their respective owners. If you are the rights
holder and would like us to remove this content, please
contact us and we will comply with your request immediately
--------
@Physource| فیسورس، مرجع دروس دانشگاهی
«کمک فیزیک به ساخت هوش مصنوعی شبیه مغز»
یک گروه از پژوهشگران از دانشگاه نورثوسترن، کالج بوستون و MIT موفق شدن نوعی ترانزیستور عصبی بسازن که رفتارش تا حدی شبیه مغز انسانه.
این وسیلهی جدید، مثل نورونهای مغز، همزمان هم اطلاعات رو پردازش میکنه و هم همون اطلاعات رو در خودش نگه میداره؛ یعنی هم نقش «پردازنده» رو داره، هم نقش «حافظه».
چرا این کشف مهمه؟ 🤔
توی کامپیوترهای معمولی، دادهها مدام بین پردازنده و حافظه در رفتوآمد هستن. این کار:
انرژی زیادی مصرف میکنه ⚡
سرعت رو پایین میآره
انجام چند کار همزمان رو سختتر میکنه
اما در مغز انسان، پردازش و حافظه در یک جا انجام میشن؛ برای همین مغز، با مصرف انرژی خیلی کم، کارهای پیچیدهای انجام میده.
ترانزیستور جدیدی که این تیم ساخته:
میتونه دادهها رو دستهبندی و نوعی یادگیری ساده انجام بده
در دمای اتاق کار میکنه (لزومی به دماهای خیلی پایین و آزمایشگاهی نداره)
سریعه، انرژی کمی مصرف میکنه
و حتی وقتی برق قطع میشه، حافظهاش رو حفظ میکنه
این کار، یک قدم مهم به سمت ساخت سختافزارهاییه که هوش مصنوعی رو شبیهتر به مغز انسان میکنن.
این پژوهش بهتازگی در مجلهی Nature منتشر شده.
با ما همراه باشید تا ببینیم فیزیک چطور داره پشت صحنه به رشد هوش مصنوعی و فناوریهای آینده کمک میکنه. 🚀
Source: scitechdaily.com
Photo credit: incubator.ucf.edu
----------
All rights go to their respective owners. If you are the rights
holder and would like us to remove this content, please
contact us and we will comply with your request immediately
--------
@Physource| فیسورس، مرجع دروس دانشگاهی
❤8