📊 مقایسه‌ی تاریخی تولید ناخالص داخلی کشورها؛ داده‌نمایی در خدمت فهم اقتصاد!
🔍 داده‌نمایی؛ فراتر از یک تصویر جذاب!
داده‌نمایی فقط برای زیباسازی بصری نیست؛ بلکه ابزاری کلیدی برای درک بهتر روندهای اقتصادی، اجتماعی و سیاسی است. در این ویدئو، تغییرات تاریخی تولید ناخالص داخلی (GDP) بر اساس برابری قدرت خرید (PPP) از سال ۱۸۲۰ تا ۲۰۲۴ بررسی شده است.
📉 چگونه قدرت‌های اقتصادی جهان تغییر کرده‌اند؟
🔸 ظهور و سقوط قدرت‌های اقتصادی از دوران استعمار تا انقلاب صنعتی
🔹 رشد آمریکا به عنوان قدرت اقتصادی برتر قرن بیستم
🔸 بازگشت چین و هند به جایگاه‌های تاریخی خود در اقتصاد جهانی
📊 چگونه داده‌نمایی را یاد بگیریم؟
اگر این داده‌نمایی برای شما جذاب و الهام‌بخش بود، خبر خوب این است که شما هم می‌توانید تصویرسازی داده‌های اقتصادی و اجتماعی را یاد بگیرید! 🎓 در دوره‌ی علم داده‌ی اجتماعی دانشگاه تهران، یکی از سرفصل‌های کلیدی، آموزش داده‌نمایی با Power BI است.
📢 برای یادگیری داده‌نمایی اقتصادی و اجتماعی با Power BI، در دوره‌ی دانشگاه تهران ثبت‌نام کنید!
🌐 اطلاعات بیشتر در سایت: TEHRANASDS.IR
📞 تماس با ما: 09216139651
Telegram

✨سال نو، دانش نو، آینده‌ای هوشمندتر!✨

نوروز فرصتی برای نو شدن است و چه بهتر از اینکه خود را نو سازیم و دانش‌ها و مهارت‌هایی بیاموزیم که ما را برای جهان آینده آماده سازد! علم داده اجتماعی می‌تواند یکی از مسیرهای نو ساختن خویشتن و به استقبال آینده رفتن باشد.

✨ آنچه در این دوره تجربه خواهید کرد:
✅ آموزش توسط متخصصان برجسته در حوزه علم داده و علوم اجتماعی
✅ کارگاه‌های عملی و پروژه‌های واقعی برای یادگیری مهارت‌های کاربردی
✅ آشنایی با ابزارهای تحلیلی پیشرفته و روش‌های به‌روز داده‌کاوی
✅ شبکه‌سازی با افراد علاقه‌مند و متخصصان این حوزه

هدیه ویژه نوروزی:
سه نفر اولی که در سال جدید جهت ثبت‌نام به شماره ۰۹۲۱۶۱۳۹۶۵۱ در پیام رسان های تلگرام یا بله پیام دهند ، ۵٪ تخفیف ویژه دریافت خواهند کرد!

✨ فرصت رشد را از دست ندهید! ✨
سال جدید را با مهارتی ارزشمند آغاز کنید و مسیر حرفه‌ای خود را هوشمندانه‌تر بسازید.

نوروزتان سرشار از موفقیت، یادگیری و پیشرفت

🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 لینکدین | اینستاگرام | تلگرام | بله

📌 علم داده اجتماعی در خدمت برابری اجتماعی: پیش‌بینی و پیشگیری از بی‌خانمانی به کمک یادگیری ماشین
🔹علم داده اجتماعی و بی‌خانمانی
علم داده اجتماعی می‌تواند با دگرگون ساختن سیاست‌گذاری سنتی و گذار به تصمیم‌گیری داده‌محور، راه‌حل‌های نوینی برای مسائل پیچیده اجتماعی، فرهنگی و اقتصادی ارائه دهد. در لس‌آنجلس، شهری که یکی از کانون‌های اصلی بی‌خانمانی در ایالات متحده است، پروژه‌ای آغاز شد که با اتکا به علم داده و یادگیری ماشین، هدفش پیش‌بینی و پیشگیری از بی‌خانمانی بود.
🔹 زمینه شکل‌گیری پروژه
در سال ۲۰۱۹، همکاری میان اداره خدمات بی‌خانمان لس‌آنجلس (LAHSA) و آزمایشگاه خط‌مشی دانشگاه شیکاگو، منجر به طراحی سیستمی پیش‌بینی‌محور شد که افراد و خانواده‌های در معرض خطر بی‌خانمانی را پیش از وقوع بحران شناسایی می‌کند.
🔹 تغییر نگرش به بی‌خانمانی: مسئله‌ای ساختاری و سیستمی
این پروژه بی‌خانمانی را نه صرفاً بحران انسانی، بلکه بحران ناشی از شکست‌های ساختاری در نظام مسکن، بازار، و سیاست‌های اجتماعی می‌داند. در نتیجه، تمرکز از «مدیریت بحران» به «پیشگیری ساختاری» تغییر کرد.
🔹 بازطراحی پرسش سیاستی
پرسش کلیدی از «چگونه افراد بی‌خانمان را اسکان دهیم؟» به این تغییر یافت:
چه کسانی ممکن است در آینده بی‌خانمان شوند؟ و چه مداخلاتی می‌تواند از این بحران پیشگیری کند؟
🔹 مدل‌سازی مسئله‌ی اجتماعی بی‌خانمانی با الگوریتم‎‌های یادگیری ماشین
با گردآوری بیش از ۸۵ میلیون رکورد داده از منابع مختلف (سلامت، آموزش، اشتغال، خدمات اجتماعی و...) و بهره‌گیری از الگوریتم‌های یادگیری ماشین، مدلی طراحی شد که ریسک بی‌خانمان شدن افراد را پیش‌بینی می‌کند.
🔹 چالش‌های داده‌ای
حفظ حریم خصوصی، سوگیری داده‌ها و یکپارچه‌سازی اطلاعات از مهم‌ترین چالش‌های پروژه بود که با رویکردهای فنی مناسب مدیریت شد.
🔹 الگوریتم‌های مدل‌سازی
با استفاده از الگوریتم‌هایی مانند جنگل تصادفی و شبکه عصبی، مدل به نحوی آموزش داده شد که بر اساس صدها متغیر اجتماعی، اقتصادی و بهداشتی، احتمال بی‌خانمانی افراد را در بازه‌ی ۱۲ ماهه آینده تخمین می‌زند.
🔹 مداخلات اجتماعی هدفمند و فعال
سه نوع مداخله‌ی فعال برای افراد با ریسک بالا اجرا شد:
1. کمک‌هزینه‌ی اجاره‌خانه
2. مشاوره و خدمات سلامت روان
3. حمایت حقوقی برای جلوگیری از تخلیه منزل
🔹 دستاوردها و نتایج اولیه
▪️ ۱۵٪ کاهش در نرخ بی‌خانمانی مزمن
▪️ ۳۰٪ افزایش در شناسایی زودهنگام افراد در معرض خطر
▪️ صرفه‌جویی ۴ برابری در هزینه‌های عمومی به‌ازای هر دلار سرمایه‌گذاری در مداخلات پیشگیرانه
🔹 دلالت‌ها برای علم داده اجتماعی
این پروژه نمونه‌ای الهام‌بخش از پیوند میان علم داده، سیاست‌گذاری اجتماعی و مداخلات هدفمند است که می‌تواند الگویی برای دیگر شهرها و کشورها در مواجهه با چالش بی‌خانمانی باشد.
برای مطالعه بیشتر کلیک کنید.


🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 لینکدین | اینستاگرام | تلگرام | بله

وبینار آشنایی با دوره «علم داده اجتماعی» فرصتی برای گفت‌وگو و دریافت اطلاعات کامل پیش از آغاز دوره

اگر در مسیر ثبت‌نام یا انتخاب دوره «علم داده اجتماعی» هستید و پرسش‌هایی در ذهن دارید، این وبینار فرصتی بسیار خوب برای شماست. در این نشست آنلاین، علاوه‌بر آشنایی بیشتر با محتوای آموزشی، اهداف دوره و شیوه برگزاری آن، می‌توانید دید روشن‌تری نسبت به مسیر یادگیری‌تان به دست آورید.

این جلسه به‌صورت تعاملی برگزار می‌شود و دکتر اکبر صمدی، مدرس ارشد علم داده، به‌طور مستقیم به سوالات شما پاسخ خواهد داد.

زمان برگزاری: شنبه ۳۰ فروردین، ساعت ۱۷
بستر برگزاری: vroom.ut.ac.ir/social3

حضور در این جلسه برای همه علاقه‌مندان آزاد است و توصیه می‌کنیم اگر قصد شرکت در این دوره را دارید یا هنوز مردد هستید، این فرصت را از دست ندهید.

🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

⭕️ معرفی دوره ی جامع حرفه ای و کاربردی علم داده اجتماعی (ASDS) در دانشکده علوم اجتماعی دانشگاه تهران از زبان برخی از اساتید دوره

👨‍🎓 ویژگی‌های منحصربه‌فرد این دوره:
✅ آموزش زیرنظر برجسته‌ترین اساتید دانشگاهی و حرفه‌ای
✅ یادگیری مبتنی بر پروژه‌های واقعی و حل مسائل کاربردی
✅ دریافت گواهینامه معتبر دوزبانه از دانشگاه تهران
✅ دسترسی دوره ای رایگان به سامانه‌های لایف وب و دیتاک
✅ فرصت‌های شغلی برای نفرات برتر دوره

🔹️دانلود بروشور دوره🔹️


🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

⭕️ معرفی ماژول علم داده (Data science ) دوره علم داده اجتماعی ASDS توسط مدرس ارشد علم داده دکتر اکبرصمدی

👨‍🎓ویژگی‌های ماژول علم داده :
✅ آغاز آموزش از سطوح پایه و بدون پیش نیاز
✅ یادگیری مهارت های اساسی و کلیدی جهت انجام :

🔸️تحلیل های آماری
🔸️جبر خطی
🔸️برنامه نویسی با پایتون
🔸️کار با پایگاه های داده با SQL Server
🔸️مصورسازی داده با Power BI
🔸️الگوریتم‌های یادگیری ماشین
🔸️استفاده از کتابخانه های پیشرفته مثل Scikit-learn ، TensorFlow
🔸️و...

✅یادگیری مبتنی بر پروژه‌های واقعی و حل مسائل کاربردی
✅ دریافت گواهینامه معتبر دوزبانه از دانشگاه تهران

🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

⭕️معرفی سرفصل علم داده و سیاست‌گذاری عمومی توسط استاد دوره دکتر کیومرث اشتریان

✅ در این بخش از دوره نشان داده می‌شود که چگونه ابزار های فناوری اطلاعات با کمک علوم داده می‌توانند سیاست گذاری عمومی ، دانش سیاستی و تجزیه تحلیل سیاستی را متحول کنند .

🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

*⭕️معرفی سرفصل هوش مصنوعی و کاربردهای آن در علم داده توسط استاد دوره دکتر حسین رحمانی*

✅ در این بخش از دوره شرکت کنندگان با ابزارهای مختلف هوش مصنوعی که در اجزای مختلف چرخه علم داده اعم از جمع آوری داده ، پالایش داده ، آنالیز داده ، تصمیم سازی براساس داده ها و مدل‌سازی داده محور، به تحلیل‌گران کمک می‌کنند، آشنا می‌شوند.

🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

⭕️چشم‌اندازهای علم داده اجتماعی

✅ علم داده اجتماعی چیست و چه چشم‌اندازهای متفاوتی از علوم اجتماعی سنتی ارائه می‌دهد؟
*دکتر سها صالح* در این سرفصل درباره چشم‌اندازهای علم داده اجتماعی و نحوه مواجهه آن با کلان‌داده‌ها سخن خواهد گفت؛ همچنین، تجربه پروژه «گوش دادن به شبکه‌های اجتماعی» (Social Listening) و محصولات توسعه‌یافته در مرکز نوآوری تارا را مرور خواهد کرد.

🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651


🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🎓 آغاز دوره «علم داده اجتماعی» (ASDS) با امکان حضور رایگان در هفته اول!
🔍 آیا هنوز برای شرکت در دوره علم داده اجتماعی تردید دارید؟ یک فرصت بی‌نظیر برای شما فراهم کرده‌ایم!
در پاسخ به درخواست علاقه‌مندان و برای آشنایی بیشتر با دنیای هیجان‌انگیز علم داده اجتماعی (ASDS)، تصمیم گرفتیم امکان حضور رایگان علاقمندان در هفته اول دوره را فراهم کنیم تا بتوانید بدون دغدغه، تجربه‌ای از محتوای ارزشمند این دوره داشته باشید.
📅 زمان برگزاری
پنج‌شنبه ۱۱ اردیبهشت
⏰ ساعت: ۸:۳۰ تا ۱۷ (۴ جلسه)
📍مکان برگزاری
دانشکده علوم اجتماعی دانشگاه تهران، تالار گفتگو
(بزرگراه جلال آل احمد، جنب بیمارستان دکتر شریعتی)
🌐 بستر آنلاین
vroom.ut.ac.ir/social3
📲 جهت شرکت در کلاس‌های هفته اول، فقط کافی‌ست نام و نام خانوادگی خود را به شماره (09216139651) ارسال کنید.
✨ این جلسه برای همه علاقه‌مندان آزاد و رایگان است.
اگر قصد شرکت در این دوره را دارید یا هنوز مطمئن نیستید، این فرصت طلایی را از دست ندهید!


🔗 ثبت‌نام :
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

چشم‌اندازها و کاربردهای علم داده اجتماعی به همراه تجربه کاوی دیتاک
با حضور مهندس امیرحسین عسگری هم‌موسس و مدیرعامل دیتاک
✨ فردا قراره با هم سفری جذاب به دنیای علم داده اجتماعی داشته باشیم!
از نسل‌های تحلیلی و چالش‌های این حوزه گرفته تا مفاهیم اجایل و روندهای هوش مصنوعی رو مرور می‌کنیم.
به اهمیت دیتا و بین‌رشته‌ای بودن این حوزه می‌پردازیم و کلی منابع و مفاهیم تخصصی هم معرفی می‌شه.
آماده باشید برای یه گفت‌وگوی تعاملی و پر از یادگیری! 💡🚀
🔗 ثبت‌نام
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🔸چشم‌اندازها و کاربردهای علم داده اجتماعی به همراه تجربه کاوی لایف وب
با حضور دکتر حمیدرضا کشاورز، مدیرعامل لایف وب

✅ داده‌های اجتماعی چه تأثیری بر ابعاد مختلف زندگی ما، تصمیم‌گیری‌های کلان در سطح حکمرانی گرفته تا رقابت تنگاتنگ در کسب‌وکارها، گذاشته‌اند؟
دکتر کشاورز در این جلسه به محورهای همچون:
🔵 چیستی و چرایی علم داده اجتماعی
🔵 کاربردهای واقعی علم داده اجتماعی در جهان امروز
🔵 مرور تجربه شرکت لایف‌وب
خواهند پرداخت.
🔗 ثبت‌نام
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🔸علم داده اجتماعی به مثابه همکاری علوم اجتماعی و علم داده
با حضور محمد علی دادگسترنیا، مدیر آکادمی لایف‌وب
🔻 در ماژول علوم اجتماعیِ دوره علم داده اجتماعی، به این پرسش‌ها پاسخ داده می‌شود:
🔹 علم داده اجتماعی چیست؟ چه تفاوت ماهوی‌ای با علوم اجتماعی کلاسیک دارد؟
🔹 رویکرد و نسبت آن با پدیده‌های جامعوی (Societal) چیست؟ نحوه مواجهه متفاوت آن با مسائل اجتماعی چگونه است؟
🔹 پژوهش اجتماعی به لحاظ شکلی، ابزارها و روش های آن چه صورتی پیدا می‌کند؟ چرخه و فرایند پژوهش در علم داده اجتماعی چگونه است؟

🔗 ثبت‌نام
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🔸چیستی شاخص: روش‌شناسی ساخت شاخص‌های ساده و ترکیبی
با حضور جناب آقای بهزاد محمودی، معاون اسبق سازمان ملی بهره‌وری ایران

🔷 مفاهیم علوم اجتماعی همچون «عدالت»، «رشد»، «تاب‌آوری» یا «کیفیت زندگی» را نمی‌توان تنها با یک عدد ساده سنجید. ساخت شاخص‌های ساده و ترکیبی به ما کمک می‌کند که این مفاهیم را تا عرصه کاربرد و سیاستگذاری امتداد دهیم.
🔷 این شاخص‌ها با تلفیق چند متغیر مرتبط، پدیده‌های پیچیده را قابل اندازه‌گیری می‌کنند. مثلاً «شاخص ترکیبیِ توسعه انسانی» از ترکیب شاخص‌های ساخته‌شده در حوزه‌های درآمد، آموزش و سلامت ساخته شده است.
🔷 ساخت شاخص‌ها یک روش‌شناسی علمی داد که در این دوره به آن پرداخته می‌شود: برای ساخت شاخص‌ گام‌هایی همچون انتخاب داده‌های مرتبط، نرمال‌سازی و وزن‌دهی علمی و اعتبارسنجی با شاخص‌های جهانی
طی می‌شود.
🔷 ساخت شاخص‌های ترکیبی این امکان را فراهم می‌آورد که به جای تحلیل‌های تک‌بعدی، و ارائه تصویر ناقص از واقعیت، دیدگاه جامع، چندبعدی و فراگیری از واقعیت و پدیده‌های اجتماعی به دست آوریم.

🔗 ثبت‌نام
https://tehranasds.ir

📞 تماس با ما: 09216139651
🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🔸چیستی شاخص‌های شهری و رتبه‌بندی شهری
با حضور دکتر مهسا دزفولی، دبیرکمیته پایش و رتبه بندی شهری تهران

🔷 هدف این دوره، تمرکز بر شناخت و به‌کارگیری شاخص‌های بین‌المللی شهری برای تحلیل پدیده‌های اجتماعی، سیاسی و اقتصادی در بستر شهری است؛ مخاطب در این دوره درمی‌یابد که هر یک از شاخص‌های شهری چه تصویری از مفهوم "شهر" ارائه می‌دهند، و چگونه این شاخص‌ها ساخته و طراحی شده‌اند.
🔷 در این مسیر، شاخص‌هایی همچون Global Cities Index (شهرهای جهانی)، Global Power City Index (شهرهای قدرتمند جهانی) و شاخص‌های شهرهای موفق معرفی و بررسی می‌شوند. برای هر یک از این شاخص‌ها، روش‌شناسی ساخت، منطق مفهومی و ابعاد سنجش‌پذیر آن‌ها تشریح می‌گردد تا دانش‌پذیران درک دقیقی از چگونگی تولید و تفسیر داده‌ها به دست آورند.
🔷 در ادامه این دوره، تجربه‌ی مرکز مطالعات و برنامه‌ریزی شهری شهرداری تهران در زمینه عملیاتی‌سازی این شاخص‌ها در مقیاس ملی و شهری، به‌ویژه در شهر تهران و مناطق مختلف آن مرور خواهد شد.

🔗 ثبت‌نام: https://tehranasds.ir
📞 تماس : 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

آغاز به کار دوره جامع و حرفه‌ای و کاربردی علم داده اجتماعی (ASDS)
🔸 جلسه افتتاحیه‌ی دوره با حضور اساتید دوره و ریاست محترم دانشکده علوم اجتماعی دانشگاه تهران برگزار شد. هفته‌ی اول دوره بر دلالت‌های عملی و چشم‌اندازهای کاربردی علم داده‌ی اجتماعی متمرکز بود.
🔹 دکتر غلامرضا گودرزی، رئیس مرکز آمار ایران به نقش علم داده اجتماعی در تحول سیاست‌گذاری و گذار از مدیریت کلاسیک به تصمیم‌گیری مبتنی بر شواهد پرداخت.
🔹 دکتر غلامرضا غفاری، رئیس دانشکده علوم اجتماعی، بر لزوم تلفیق ابزارهای تحلیلی علم داده با چارچوب مفهومی علوم اجتماعی و تقویت جنبه‌های کاربردی این علوم تأکید کرد.
🔹 دکتر فاطمه ترابی نسبت میان شاخص‌های جمعیت‌شناختی و ابزارهای نوین تحلیل داده را شرح داد و دکتر فتوتیان از رشد جایگاه این حوزه در دانشگاه‌های جهان گفت.
🔹 دکتر مهدی معافی، مدیر علمی دوره، با اشاره به شکاف موجود در تحلیل پدیده‌های نوظهور، از طراحی سرفصل‌ها بر پایه دوره‌های بین‌المللی و ظرفیت علم داده در رفع نگاه بخشی در پژوهش‌های اجتماعی سخن گفت.
🔗 ثبت‌نام
https://tehranasds.ir
📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🔶 دوره علم داده اجتماعی (ASDS): مبانی علم داده: آمار و جبر خطی
🔺دکتر اکبر صمدی

🔶 برشی از جلسه اول
🔷جلسه‌ی نخست دوره‌ی «مبانی علم داده»، دکتر اکبر صمدی چرخه‌ی کامل علم داده را به‌صورت مبسوط توضیح می‌دهند. در این بخش از کلاس، ایشان به یکی از مفاهیم مهم و پرکاربرد در تحلیل داده‌ها می‌پردازند: داده‌های ناهنجار (Outlier Data).
🔷 این داده‌ها، مقادیری هستند که به‌طور محسوسی از الگوی معمول سایر داده‌ها فاصله دارند. گرچه تعدادشان اندک است، اما نقشی کلیدی در تحلیل‌های حرفه‌ای ایفا می‌کنند.
🔷 در حوزه‌ی مصرف انرژی، داده‌های Outlier می‌توانند نشانه‌ای از مصرف غیرعادی برق، آب یا گاز باشند—چه به‌دلیل خطا در ثبت داده‌ها، چه به‌عنوان هشدار از اتلاف انرژی یا مصرف غیرمجاز.
🔷 تحلیل این داده‌های خاص در قبوض و رفتار مصرفی، می‌تواند منجر به کاهش هزینه‌ها، افزایش کارایی، و حتی کشف تقلب شود. شناسایی Outlierها، یکی از گام‌های هوشمندانه و پیشرفته در علم داده برای تصمیم‌گیری دقیق‌تر است.

🔗 ثبت‌نام
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

📢 فرصتی ویژه برای دسترسی به محتوای هفته اول «دوره علم داده اجتماعی» (ASDS)

🔺اگر هنوز برای ثبت‌نام دوره «علم داده اجتماعی» مردد هستید و به‌خاطر نداشتن تصویر دقیق از محتوا، تردید دارید، این فرصت را از دست ندهید!
✅ دسترسی رایگان به محتوای کامل هفته اول + بخش منتخب هفته دوم دوره را برای شما فعال کرده‌ایم تا:
🔹 ساختار و قالب آموزشی را از نزدیک ببینید .
🔹 متدها و روش‌های تدریس را تجربه کنید.
🔹 قبل از ثبت نام و خرید، با اطمینان صددرصد تصمیم بگیرید.
📲 برای دسترسی به این محتوا کافی است به شماره 09216139651 در تلگرام یا بله پیام دهید.


🔗 ثبت‌نام: https://tehranasds.ir

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🔶 نقش علوم اجتماعی در عصر داده‌ها : گزارشی از سخنرانی دکتر غفاری در نشست افتتاحیه دوره علم داده اجتماعی ASDS

🔺 دکتر غفاری، رئیس دانشکده علوم اجتماعی دانشگاه تهران در مراسم افتتاحیه دوره علم داده اجتماعی ASDS، بر ضرورت تسلط هم‌زمان بر علم داده و تفسیرهای اجتماعی تأکید کرد.
🔹 وی افزود «شرکت‌کنندگان در این دوره، مهارت‌های لازم در حوزه علم داده و تحلیل اجتماعی را به‌صورت توأمان به دست خواهند آورد.»
🔷 دکتر غفاری با اشاره به اهمیت نگاه چندبُعدی به پدیده‌های اجتماعی افزود: «واقعیت‌های اجتماعی را نمی‌توان تک‌ساحتی دید. از ابتدا هم بزرگان علوم اجتماعی بر مشاهده کامل پدیده‌ها تأکید داشتند.»
🔷 وی تقسیم‌بندی‌های رایج را عاملی در اختلال درک دقیق واقعیت دانست و گفت: «چنین تفکیکی در برخی موارد مانع فهم درست پدیده‌های اجتماعی می‌شود.»
🔷 دکتر غفاری با اشاره به علم داده گفت: «هرچند ابزارهای تحلیلی پیشرفته‌تر شده‌اند، اما این فرآیند همچنان نیازمند دقت، پالایش و انتخاب دقیق داده‌هاست.»
🔗 ثبت‌نام
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]

🔶 دوره علم داده اجتماعی (ASDS): علم داده اجتماعی،چشم اندازها و روش شناسی
🔺دکتر محمدعلی دادگسترنیا

🔹 چه کسی به نیمهٔ خالی لیوان فکر می‌کند؟

🔸 در علوم اجتماعی محاسباتی، تقسیم کار میان مهندسان داده و پژوهشگران علوم اجتماعی، کلیدی است. مهندس داده، دغدغه‌ی دقت مدل، کاهش خطا و کارآمدی الگوریتم دارد؛ او به زبان کد فکر می‌کند و به عملکرد فنی می‌نگرد.
🔸 اما پژوهشگر علوم اجتماعی وظیفه‌ای متفاوت دارد: باید بپرسد این مدل، واقعیت اجتماعی را چگونه بازنمایی می‌کند؟ چه صداهایی شنیده نمی‌شوند؟ کدام گروه‌ها نادیده گرفته می‌شوند؟
🔸 در واقع، اگر مهندس داده به نیمهٔ پُر لیوان می‌اندیشد، پژوهشگر علوم اجتماعی باید چشم به نیمهٔ خالی لیوان بدوزد. این تمایز، جوهره‌ی کار بین‌رشته‌ای در علم داده اجتماعی است.

🔗 ثبت‌نام
https://tehranasds.ir

📞 تماس با ما: 09216139651

🌐 [لینکدین] | [اینستاگرام] | [تلگرام] | [بله]