Mathematics – Telegram
Mathematics
297 subscribers
395 photos
16 videos
91 files
124 links
"کانال انجمن علمی ریاضیات و کاربردها دانشگاه شاهد"
● جهت ارتباط با ادمین در تلگرام :
@mathematics_admin

● کانال روبیکا انجمن ریاضی:
@Shahed_Mathematics
Download Telegram
Conference Schedule .pdf
353.4 KB
"زمان‌بندی سخنرانی‌ها و ارائه‌های دهمین همایش سالیانه انجمن منطق ایران"
------------------------------
شما می‌توانید با تکمیل فرم اینترنتی ثبت نام به آدرس زیر، در همایش ثبت‌نام کنید:

*. فرم ثبت نام در همایش
(آخرین مهلت ثبت نام: 30 بهمن 1401)

برای آگاهی از اطلاعات جدید درباره همایش لطفاً به سایت انجمن منطق ایران https://ialogic.ir مراجعه کنید و سؤالات خود را با ما از طریق ایمیل lc1401@ialogic.ir در میان بگذارید.

کمیته اجرایی دهمین همایش سالیانه انجمن منطق ایران
لینک گروه هماهنگی ارائه درس جبر (نیمسال 2-401) :
https://news.1rj.ru/str/+D9GecQSFKfAxY2Zk
Mathematics pinned «لینک گروه هماهنگی ارائه درس جبر (نیمسال 2-401) : https://news.1rj.ru/str/+D9GecQSFKfAxY2Zk»
Forwarded from انجمن ریاضی ایران (IMS) (Akram Sadeghi)
🔔🔔🔔 به استحضار میرساند  چهل و پنجمین مسابقه ریاضی دانشجویی کشور در تاریخ 26 - 30 تیرماه 1402 در دانشگاه تحصیلات تکمیلی علوم پایه زنجان برگزار خواهد شد.
بسم الله الرحمن الرحیم

با سلام و احترام
مدت کوتاهی هست که انجمن ریاضی، با تلاش عزیزان هم رشته‌‌ای، دوباره تشکیل و راه اندازی شده.

از عزیزانی که تا به اینجا زحمات انجمن ریاضی رو به عهده داشتند تشکر و قدرداتی می‌کنیم و از این پس فعالیت توسط اعضای جدید انجمن ادامه پیدا خواهد کرد.

ما رو در روبیکا و تلگرام دنبال کنید و به دوستانتون هم معرفی کنید

🆔 تلگرام
@Shahed_Math
🆔 روبیکا
@Shahed_Mathematics


منتظر پیشنهادات‌ شما عزیزان هستیم.
@mathematics_admin
Channel photo updated
راستی! مثل روال گذشته ما یه سری گروه هم داریم که بتونیم تعامل‌مون رو بیشتر و بهتر باهم حفظ کنیم.

درصورت تمایل می‌تونید توی این گروه‌‌ها، بنابر علاقه‌تون عضو بشید.

📌در گروه هم آموزی سعی می‌کنیم در کنار هم درس‌ها رو یاد بگیریم و اشکالات‌مون رو رفع کنیم، یا حتی یک دانشجو که تسلط بیشتری داره قرار هست بهمون کمک بکند تا بهتر درس رو بفهمیم.
🔗 https://news.1rj.ru/str/+0n9rlbk_pd4zZjM0


📌در مسابقات ریاضی قرار هست با هم درباره نحوه برگزاری مسابقه تبادل نظر داشته باشیم، هم چنین سوالات مربوط به مسابقات رو سعی کنیم باهم حل کنیم و در نهایت تیمی تشکیل بدیم و در این مسابقات شرکت کنیم.
🔗 https://news.1rj.ru/str/+gcFL2eNiQDkzMTc8


📌در عصرانه ریاضی قرار هست یکی از دانشجو‌ها درباره مطلبی که تحقیق کرده اطلاعاتش رو باهامون به اشتراک بزاره؛ البته سعی می‌کنیم از اساتید و فارغ التحصیل‌های دانشگاه خودمون هم در این زمینه کمک بگیریم.
🔗 https://news.1rj.ru/str/+ew46WAQYbwVlNzY0



📌 اینجاهم قراره بچه های ریاضی دور هم جمع بشیم و درباره موضوعات مختلف علمی بحث کنیم.
🔗 https://news.1rj.ru/str/+cDCwizRULGZjOWQ0

🆔@Math_Shahed
👍21
با سلام و احترام
از علاقه‌مندان به ریاضی دعوت می شود با پر کردن فرم عضویت در انجمن عضو شده و در زمینه دلخواه تان با ما همکاری داشته باشید.

🆔 @Shahed_Math
🤩3👍2
👤اورلین جرون (Aurélien Géron)

وی یک مشاور یادگیری ماشین است. او که قبلاً کارمند گوگل بود، تیم طبقه بندی ویدیوهای YouTube را از سال 2013 تا 2016 رهبری کرد.
اورلین جرون به ما کمک می‌کند تا درکی بصری از مفاهیم و‌ ابزارهای ساخت سیستم‌های هوشمند به دست آوریم. در این کتاب طیف وسیعی از تکنیک‌ها را یاد خواهیم گرفت که از رگرسیون خطی ساده شروع می‌شود و تا شبکه‌های عصبی عمیق پیش می‌رود. تمرین‌هایی نیز در انتهای هر فصل وجود دارند که به ما کمک می‌کنند تا یادگیری‌های خود را به کار ببندیم.

📌 یادگیری ماشین عملی با Scikit- learn, keras و TensorFlow کتابی ساده و کاربردی است. این کتاب فرض گرفته است که شما تقریبا هیچ‌چیز در مورد یادگیری ماشین نمی‌دانید و فقط تجربه‌ی برنامه‌نویسی دارید.
کتاب حاضر (Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow) از پرفروش‌ترین کتاب‌های آمازون در حوزه‌ی پردازش داده بوده است و توانسته به بسیاری از مخاطبان تازه‌کار راهکارهایی ساده و عملی نشان دهد که از طریق آن بتوانند سیستم‌هایی طراحی کنند تا پاسخ‌گوی نیازهایشان باشد.

پ.ن: در این کتاب علاوه بر بررسی روش های ماشین لرنینگ در داخل و مفهموم مطالب کمی از ریاضیاتی هم صحبت شده است و در کتاب های بعدی به جنبه ریاضی آن بیشتر پرداخته میشود اما لازمه آن داشتن درک کلی نسبت به مباحث می‌باشد.

#Machine_Learning
#معرفی‌کتاب
🆔@Shahed_Math
👍8
3👍1
Mathematics
🆔 @Shahed_Math
اپيزود صفر-معرفي
موج آلفا
🎙پادکست #موج‌آلفا 
📻 قسمت صفر : معرفی
🗣 سپیده سمیعی



🆔 @Shahed_Math
🔥32👍2
4👍1
اپيزود اول-دوئل عاشقانه يک رياضيدان
موج آلفا
🎙پادکست #موج‌آلفا
📻 قسمت اول: دوئل عاشقانه یک ریاضیدان
🗣 دکتر محمدعلی نصرآزادانی و سپیده سمیعی

من از همه‌ چیز حتی از عشق و
افتخار هم زده شده‌ام «گالوا»



🆔 @Shahed_Math
👍3🤩3👎2👌21🤔1
با سلام واحترام

برای تصمیم گیری و  انتخاب تیم مسابقات ریاضی، میخواهیم هفته آینده یک امتحان کلی از دروس ریاضی عمومی و احتمال و گسسته و مبانی آنالیز و جبرخطی و جبر برگزار کنیم. لطفاً دانشجویان علاقمند اعلام آمادگی کنند تا زمان امتحان را هماهنگ کنیم. بدیهی است تمام دروس را نخوانده‌اید و می‌خواهیم سوالات متنوع باشد تا هر کدام با توجه درس‌هایی که گذراندید بتوانید پاسخ دهید.

با تشکر قهرمانی گل


📌 منبع :گروه روبیکا مسابقات ریاضی

🆔 @Shahed_Math
👍1
Forwarded from انجمن ریاضی ایران (IMS) (Akram Sadeghi)
https://smaa25.lu.ac.ir/


🔹️بیست و پنجمین سمینار آنالیز ریاضی و کاربردهای آن ۱۳ تا ۱۵ اردیبهشت در دانشگاه لرستان برگزار می گردد.

@IranianMathematicalSociety
👍1
👤مارک پتر دیزنروث

پروفسور مارک پتر دیزنروث، استاد دانشگاه کالج لندن و اساتید برجسته این دانشگاه می‌باشد.
وی تعداد زیادی مقاله در رابطه با تحقیقات یادگیری ماشین لرنینگ،هوش مصنوعی ،آمار، پیشرفت ها در سیستم های پردازش اطلاعات عصبی،قرآیندهای عمیق گوسی ،تجسم هندسه معادلات برای شناسایی شبکه عصبی و....ارائه داده است.
مشاوره علمی وی آقای اووه،دی هانبک است .
وی در موسسه فناوری کارلسروهه که در کشور آلمان قرار دارد، تدریس میکند.
به دیزنروث دانشمند رایانه نیز گفته میشود.
وی در سالهای ۲۰۱۰،۲۰۱۳،۲۰۲۰ سه کتاب ارزشمند خود را به چاپ رسانده است.
نام کتاب ها یه ترتیب سال انتشار عبارتند از:
۱)Efficient Reinforcement Learning Using Gaussian Processes
۲)A Survey on Policy Search for Robotics
۳)Mathematics for Machine Learning

📌کتاب Mathematics for Machine Learning
یکی از کتاب هایی است که در رابطه با ماشین لرنینگ و ریاضیات توضیحاتی ارائه داده است که در بین کاربران گوگل با ۹۱ درصد تایید و رضایت واقع شده است.
ابزارهای اساسی ریاضی مورد نیاز برای درک یادگیری ماشین عبارتند از جبر خطی، هندسه تحلیلی، تجزیه ماتریس، حساب برداری، بهینه سازی، احتمال و آمار. این موضوعات به طور سنتی در دوره‌های متفاوت تدریس می‌شوند و یادگیری مؤثر ریاضیات را برای دانشجویان علوم داده یا علوم رایانه یا متخصصان دشوار می‌سازد. این کتاب درسی مستقل، شکاف بین متون ریاضی و یادگیری ماشین را پر می کند و مفاهیم ریاضی را با حداقل پیش نیازها معرفی می کند.
از این مفاهیم برای استخراج چهار روش یادگیری ماشین مرکزی استفاده می‌کند: رگرسیون خطی، تحلیل مؤلفه‌های اصلی، مدل‌های مخلوط گاوسی و ماشین‌های بردار پشتیبان. برای دانش‌آموزان و سایرین با پیش‌زمینه ریاضی، این اشتقاق‌ها نقطه شروعی برای متون یادگیری ماشینی است. برای کسانی که برای اولین بار ریاضیات را یاد می گیرند، این روش ها به ایجاد شهود و تجربه عملی با به کارگیری مفاهیم ریاضی کمک می کند. هر فصل شامل مثال های کار شده و تمرین هایی برای تست درک است. آموزش های برنامه نویسی در وب سایت کتاب ارائه شده است.

#Mathematics_for_Machine_Learning
#معرفی‌کتاب

🆔 @Shahed_Math