Forwarded from انجمن آمار ایران (ISS)
آغاز مرحله اول انتخابات هیئت مدیره انجمن آمار ایران
عضو محترم انجمن آمار ایران
با اهدای سلام
بدین وسیله به اطلاع میرساند: دور اول انتخابات هیئت مدیره انجمن از تاریخ 7 فروردین ماه 1403 به صورت الکترونیکی و از طریق بخش انتخابات وبگاه انجمن آغاز می گردد.
بنابه اساسنامه انجمن، فقط اعضای پیوسته انجمن که حق عضویت 1402-1403 خود را پرداخت نموده باشند، مجاز به رای دادن و یا کاندیداتوری در هیئت مدیره هستند. خواهشمند است با وارد شدن به وبگاه انجمن www.irstat.ir و از طریق بخش عضویت، حق عضویت دوره 1402-1403 خود را پرداخت نمایید.(چنانچه در پرداخت با مشکل مواجه شدید با دبیرخانه انجمن تماس حاصل فرمایید)
در مرحله اول انتخابات هر عضو میتواند، حداکثر 7 نامزد واجد شرایط را به عنوان کاندیداهای مرحله دوم انتخابات، معرفی نماید.
همچنین با کمال احترام به استحضار میرساند افرادی که در دو دوره متوالی اخیر عضو اصلی هیئت مدیره بودهاند شامل: آقایان دکتر عبدالرحمن راسخ، دکتر محمد امینی و دکتر موسی گلعلی زاده، همچنین اعضای کمیته برگزاری انتخابات دوره هفدهم، خانم دکتر مریم شرفی (دانشگاه رازی کرمانشاه) و آقایان دکتر هوشنگ طالبی، دکتر مصطفی رزمخواه، دکتر امید کریمی و دکتر علی دولتی نمیتوانند به عنوان کاندیدای اعضای هیئت مدیره بعدی انتخاب شوند.
با احترام
کمیته برگزاری انتخابات دوره هفدهم انجمن آمار
عضو محترم انجمن آمار ایران
با اهدای سلام
بدین وسیله به اطلاع میرساند: دور اول انتخابات هیئت مدیره انجمن از تاریخ 7 فروردین ماه 1403 به صورت الکترونیکی و از طریق بخش انتخابات وبگاه انجمن آغاز می گردد.
بنابه اساسنامه انجمن، فقط اعضای پیوسته انجمن که حق عضویت 1402-1403 خود را پرداخت نموده باشند، مجاز به رای دادن و یا کاندیداتوری در هیئت مدیره هستند. خواهشمند است با وارد شدن به وبگاه انجمن www.irstat.ir و از طریق بخش عضویت، حق عضویت دوره 1402-1403 خود را پرداخت نمایید.(چنانچه در پرداخت با مشکل مواجه شدید با دبیرخانه انجمن تماس حاصل فرمایید)
در مرحله اول انتخابات هر عضو میتواند، حداکثر 7 نامزد واجد شرایط را به عنوان کاندیداهای مرحله دوم انتخابات، معرفی نماید.
همچنین با کمال احترام به استحضار میرساند افرادی که در دو دوره متوالی اخیر عضو اصلی هیئت مدیره بودهاند شامل: آقایان دکتر عبدالرحمن راسخ، دکتر محمد امینی و دکتر موسی گلعلی زاده، همچنین اعضای کمیته برگزاری انتخابات دوره هفدهم، خانم دکتر مریم شرفی (دانشگاه رازی کرمانشاه) و آقایان دکتر هوشنگ طالبی، دکتر مصطفی رزمخواه، دکتر امید کریمی و دکتر علی دولتی نمیتوانند به عنوان کاندیدای اعضای هیئت مدیره بعدی انتخاب شوند.
با احترام
کمیته برگزاری انتخابات دوره هفدهم انجمن آمار
✅ 12 نکته مهم در مورد «علم داده» که در هیچ دورهای به شما یاد نمی دهند!
1️⃣ مشاغل زیادی در زمینه علم داده وجود دارد، (تحلیلگر داده، مهندس یادگیری ماشین، دانشمند داده و...) اما متقاضیان زیادی نیز وجود دارند و فرآیند مصاحبه و استخدام در مشاغل علوم داده یک بازی با اطلاعات نامتقارن عظیم است. صبور باشید، فرصتها پیش خواهند آمد، اما بیشتر از آن چه که فکر می کنید گاهی طول میکشد.
2️⃣ اگر کنجکاو و عاشق یادگیری هستید، باید بدانید که هرگز هر چیزی را که دوست دارید در مورد Data Science بدانید، نخواهید دانست. علم داده یک زمینه بسیار گسترده است و زمان و دانش شما هم اندک. پس از این که همه چیز را نمیدانید ناامید نشوید.
3️⃣ هر دانشمند داده داستان خود را دارد، پس خود را با دیگران مقایسه نکنید. اگر همکار شما در مورد سریهای زمانی - یا هر موضوع دیگری، بیشتر از شما میداند، نیاز نیست خود را با او مقایسه کنید. زیرا او همیشه با این ابزار کار کرده است، مطالعاتش در این زمینه بوده و تجربه بیشتری دارد. پس اگر دقیقتر نگاه کنید، میبینید که در موضوعات دیگر از او بهتر هستید (شاید برنامهنویس بهتری باشید یا دانش آماری و ریاضیات بیشتری داشته باشید).
4️⃣ درباره محصول/ محصولات کسب و کاری که فرآیند آنالیز داده را برای آن انجام میدهید، اطلاعات کسب کنید. هیچ مدیر سطح A واقعاً به الگوریتمها، مقادیر p، دقت، AUC یا امتیاز f1 اهمیت نمیدهد. آنها می خواهند بدانند که کدام مشکل در حال حل شدن است و درآمد (یا پس اندازی) که از انجام پروژه شرکت توسط شما بدست میآورند چقدر است. پس بهترین مدل، مدلی است که مشکل پروژه را حل کند؛ مدیران این را میخواهند.
5️⃣ مدل های یادگیری ماشین تنها بخش بسیار کوچکی از وظایف روزانه یک دانشمند داده را شامل میشوند. شما بیشتر زمان خود را در پروژههایتان صرف پاکسازی دادهها و جمع آوری اطلاعات میکنید.
6️⃣ برخی از تکنیکهای علوم داده در آموزشهای تئوری و دورههایی که میگذرانید به خوبی کار می کنند، اما در دادههای دنیایِ واقعی تقریباً بی فایده هستند. من دوست دارم از SMOTE به عنوان مثال استفاده کنم. در Medium، این تکنیک بی عیب و نقص به نظر میرسد، در حالی که در دنیای واقعی ممکن است کاملاً ناکار آمد باشد (البته نه به طور کامل).
7️⃣ احتمالاً برخی از مفاهیم مثل نشت دادهها و اعتبار سنجی را در طول تحصیل یاد نگرفتهاید. این به این معنی است که شما تنها زمانی که برخی از مدلها در حال تولید هستند، از کار افتادن آنها را تجربه خواهید کرد. یعنی کاربرد بعضی از مفاهیم علوم داده را تنها در زمان کار بر روی پروژه یاد خواهید گرفت. پس مطمئن شوید که برای جلوگیری از یک حادثه بزرگ، برای نظارت بر مدلهای خود زمان صرف میکنید و یادگیری را ادامه میدهید!
8️⃣ همه شرکتها دوست دارند بگویند که دادهمحور هستند، اما تعداد بسیار کمی از آنها واقعاً از این فرهنگ استقبال میکنند. بدتر از آن، این است که شما همیشه رهبران را در کنار خود در این مبارزه نخواهید داشت!!!
9️⃣ تفاوت بین استنتاج و پیش بینی را بدانید. یک الگوریتم ممکن است بسته به موقعیت، مفروضات و خطرات متفاوتی داشته باشد.
1️⃣ ابزارهای Tensorflow، Pycaret، Catboost و دیگر کتابخانهها ذهن شما را متحیر خواهند کرد. میدانم، من هم از آنها استفاده کردهام. اما هرگز قدرت Numpy، Pandas و Scikit-Learn را دست کم نگیرید. با استفاده از این سه کتابخانه، راه حلهای باورنکردنی خواهید ساخت.
1️⃣ افتضاح است که ساعت ها (یا حتی روزها) را برای مطالعه صرف کنید و بعداً متوجه شوید که در مورد دادهها سوء تفاهم وجود دارد یا اشتباهی وجود دارد که متوجه نشده اید. این تجربه وحشتناک است، اما برای همه اتفاق می افتد. خودتان را سرزنش نکنید و صبوری خود را در مواجهه با همکارانتان از دست ندهید. آنچه را که باید یاد بگیرید، بیاموزید و همیشه به جلو حرکت کنید!
1️⃣ همیشه شرکتها به هر کسی که موفق میشد نوعی از pd.merge() یا هر چیزی را با پایتون اجرا کند، هزینه زیادی پرداخت میکردند. اما الان این فاکتور تغییر کرده است. علم داده در حال تکامل است و امروزه تقاضاها بیشتر شده است. فضای ابری، دانش مهندسی داده، اینترنت اشیا، علیت و مهارت های دیگر برخی از پیش نیازهایی هستند که ممکن است امروزه در موقعیت های شغلی جدید با آنها روبرو شوید.
✍🏼 یوکیو / دانشمند داده، کارشناس ارشد اقتصاد
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
1️⃣ مشاغل زیادی در زمینه علم داده وجود دارد، (تحلیلگر داده، مهندس یادگیری ماشین، دانشمند داده و...) اما متقاضیان زیادی نیز وجود دارند و فرآیند مصاحبه و استخدام در مشاغل علوم داده یک بازی با اطلاعات نامتقارن عظیم است. صبور باشید، فرصتها پیش خواهند آمد، اما بیشتر از آن چه که فکر می کنید گاهی طول میکشد.
2️⃣ اگر کنجکاو و عاشق یادگیری هستید، باید بدانید که هرگز هر چیزی را که دوست دارید در مورد Data Science بدانید، نخواهید دانست. علم داده یک زمینه بسیار گسترده است و زمان و دانش شما هم اندک. پس از این که همه چیز را نمیدانید ناامید نشوید.
3️⃣ هر دانشمند داده داستان خود را دارد، پس خود را با دیگران مقایسه نکنید. اگر همکار شما در مورد سریهای زمانی - یا هر موضوع دیگری، بیشتر از شما میداند، نیاز نیست خود را با او مقایسه کنید. زیرا او همیشه با این ابزار کار کرده است، مطالعاتش در این زمینه بوده و تجربه بیشتری دارد. پس اگر دقیقتر نگاه کنید، میبینید که در موضوعات دیگر از او بهتر هستید (شاید برنامهنویس بهتری باشید یا دانش آماری و ریاضیات بیشتری داشته باشید).
4️⃣ درباره محصول/ محصولات کسب و کاری که فرآیند آنالیز داده را برای آن انجام میدهید، اطلاعات کسب کنید. هیچ مدیر سطح A واقعاً به الگوریتمها، مقادیر p، دقت، AUC یا امتیاز f1 اهمیت نمیدهد. آنها می خواهند بدانند که کدام مشکل در حال حل شدن است و درآمد (یا پس اندازی) که از انجام پروژه شرکت توسط شما بدست میآورند چقدر است. پس بهترین مدل، مدلی است که مشکل پروژه را حل کند؛ مدیران این را میخواهند.
5️⃣ مدل های یادگیری ماشین تنها بخش بسیار کوچکی از وظایف روزانه یک دانشمند داده را شامل میشوند. شما بیشتر زمان خود را در پروژههایتان صرف پاکسازی دادهها و جمع آوری اطلاعات میکنید.
6️⃣ برخی از تکنیکهای علوم داده در آموزشهای تئوری و دورههایی که میگذرانید به خوبی کار می کنند، اما در دادههای دنیایِ واقعی تقریباً بی فایده هستند. من دوست دارم از SMOTE به عنوان مثال استفاده کنم. در Medium، این تکنیک بی عیب و نقص به نظر میرسد، در حالی که در دنیای واقعی ممکن است کاملاً ناکار آمد باشد (البته نه به طور کامل).
7️⃣ احتمالاً برخی از مفاهیم مثل نشت دادهها و اعتبار سنجی را در طول تحصیل یاد نگرفتهاید. این به این معنی است که شما تنها زمانی که برخی از مدلها در حال تولید هستند، از کار افتادن آنها را تجربه خواهید کرد. یعنی کاربرد بعضی از مفاهیم علوم داده را تنها در زمان کار بر روی پروژه یاد خواهید گرفت. پس مطمئن شوید که برای جلوگیری از یک حادثه بزرگ، برای نظارت بر مدلهای خود زمان صرف میکنید و یادگیری را ادامه میدهید!
8️⃣ همه شرکتها دوست دارند بگویند که دادهمحور هستند، اما تعداد بسیار کمی از آنها واقعاً از این فرهنگ استقبال میکنند. بدتر از آن، این است که شما همیشه رهبران را در کنار خود در این مبارزه نخواهید داشت!!!
9️⃣ تفاوت بین استنتاج و پیش بینی را بدانید. یک الگوریتم ممکن است بسته به موقعیت، مفروضات و خطرات متفاوتی داشته باشد.
1️⃣ ابزارهای Tensorflow، Pycaret، Catboost و دیگر کتابخانهها ذهن شما را متحیر خواهند کرد. میدانم، من هم از آنها استفاده کردهام. اما هرگز قدرت Numpy، Pandas و Scikit-Learn را دست کم نگیرید. با استفاده از این سه کتابخانه، راه حلهای باورنکردنی خواهید ساخت.
1️⃣ افتضاح است که ساعت ها (یا حتی روزها) را برای مطالعه صرف کنید و بعداً متوجه شوید که در مورد دادهها سوء تفاهم وجود دارد یا اشتباهی وجود دارد که متوجه نشده اید. این تجربه وحشتناک است، اما برای همه اتفاق می افتد. خودتان را سرزنش نکنید و صبوری خود را در مواجهه با همکارانتان از دست ندهید. آنچه را که باید یاد بگیرید، بیاموزید و همیشه به جلو حرکت کنید!
1️⃣ همیشه شرکتها به هر کسی که موفق میشد نوعی از pd.merge() یا هر چیزی را با پایتون اجرا کند، هزینه زیادی پرداخت میکردند. اما الان این فاکتور تغییر کرده است. علم داده در حال تکامل است و امروزه تقاضاها بیشتر شده است. فضای ابری، دانش مهندسی داده، اینترنت اشیا، علیت و مهارت های دیگر برخی از پیش نیازهایی هستند که ممکن است امروزه در موقعیت های شغلی جدید با آنها روبرو شوید.
✍🏼 یوکیو / دانشمند داده، کارشناس ارشد اقتصاد
🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
❇️فراخوان طرح #راد (ردهبندی استعدادهای درخشان) ویژه سال تحصیلی 1403-04
🔰مشاهده اطلاعیه در : 👇
https://www.semnan.ac.ir/ZxS9
#روابط_عمومی_دانشگاه_سمنان
#روابط_عمومی_دانشگاه_۱۴۰۳
#استعدادهای_درخشان
#طرح_راد
🌐 Semnan.ac.ir
🆔 @unisemnan
🔰مشاهده اطلاعیه در : 👇
https://www.semnan.ac.ir/ZxS9
#روابط_عمومی_دانشگاه_سمنان
#روابط_عمومی_دانشگاه_۱۴۰۳
#استعدادهای_درخشان
#طرح_راد
🌐 Semnan.ac.ir
🆔 @unisemnan
فراخوان پذیرش بدون آزمون (استعدادهای درخشان) به شیوه استاد محور دانشگاه سمنان در مقطع کارشناسی ارشد و دکتری برای سال تحصیلی 04-1403
جهت اطلاع از شرایط پذیرش به وبگاه معاونت آموزشی و تحصیلات تکمیلی مراجعه نمائید.
لینک اطلاعیه استاد محور دکتری: https://edu.semnan.ac.ir/ZFj9
لینک اطلاعیه استاد محور کارشناسی ارشد:
https://edu.semnan.ac.ir/ZEj9
برای ثبت نام و ارسال مدارک به آدرس ذیل مراجعه شود.
https://golestan.semnan.ac.ir
مهلت ارسال مدارک: 1403/03/31
جهت اطلاع از شرایط پذیرش به وبگاه معاونت آموزشی و تحصیلات تکمیلی مراجعه نمائید.
لینک اطلاعیه استاد محور دکتری: https://edu.semnan.ac.ir/ZFj9
لینک اطلاعیه استاد محور کارشناسی ارشد:
https://edu.semnan.ac.ir/ZEj9
برای ثبت نام و ارسال مدارک به آدرس ذیل مراجعه شود.
https://golestan.semnan.ac.ir
مهلت ارسال مدارک: 1403/03/31
Forwarded from شورای صنفی رفاهی دانشجویان دانشگاه سمنان (Aryan Mataji)
با کدام یک از مکان های زیر برای استقرار دستگاه وندینگ (Vending Machine) موافق هستید؟
Anonymous Poll
7%
دانشکده مهندسی شیمی ، نفت و گاز
7%
دانشکده اقتصاد ، مدیریت و علوم اداری
32%
دانشکده علوم پایه
4%
دانشکده مهندسی عمران
27%
کتابخانه مرکزی و مرکز اسناد
7%
دانشکده دامپزشکی
3%
دانشکده روانشناسی و علوم تربیتی
1%
دانشکده گردشگری
6%
پردیس خواهران فرزانگان
6%
دانشکده مهندسی مکانیک
به استحضار می رساند سامانه جذب نیروی سرشماری عمومی کشاورزی ۱۴۰۳ در درگاه ملی آمار فعال شده است. افراد متقاضي رده مامور سرشماری می توانند در این سامانه ثبت نام نمایند. آموزش سرشماری : از تاریخ ۲۸ مهر به مدت ۶ روز
اجرای سرشماری : از ۱۲ آبان به مدت ۴۵ روز
لینک ورود به سامانه جذب نیروی سرشماری عمومی کشاورزی ۱۴۰۳ :
https://forum.sci.org.ir/amargir-sarshomari/
اجرای سرشماری : از ۱۲ آبان به مدت ۴۵ روز
لینک ورود به سامانه جذب نیروی سرشماری عمومی کشاورزی ۱۴۰۳ :
https://forum.sci.org.ir/amargir-sarshomari/
📣 «معرفی برگزیدگان طرح راد»
🔴 با تصويب شوراي هدايت استعدادهاي درخشان، فهرست نهايي برگزيدگان طرح راد به تفكيك ردههاي طلايي/نقرهاي/برنزي براي سال ۱۴۰۳ اعلام شد. ضمن تبريك به منتخبين محترم به اطلاع ميرسانيم معاونت آموزشي و تحصيلات تكميلي دانشگاه جوايز عزيزان را در آستانه پنجاهمين سالگرد تأسيس دانشگاه سمنان، در آيين ناب و نماد سال ۱۴۰۳ اهدا خواهد نمود.
#معاونت_آموزشی_و_تحصیلات_تکمیلی
#استعدادهای_درخشان
#طرح_راد
#ردهبندی_استعدادهای_درخشان
#پنجاهمین_سال_تاسیس_دانشگاه_سمنان
📢 کانال رسمی اطلاعرسانی #آموزش_دانشگاه_سمنان
🌐 edu.semnan.ac.ir
🆔 https://news.1rj.ru/str/edusemnanuni
🆔 https://eitaa.com/edusemnanuni
🔴 با تصويب شوراي هدايت استعدادهاي درخشان، فهرست نهايي برگزيدگان طرح راد به تفكيك ردههاي طلايي/نقرهاي/برنزي براي سال ۱۴۰۳ اعلام شد. ضمن تبريك به منتخبين محترم به اطلاع ميرسانيم معاونت آموزشي و تحصيلات تكميلي دانشگاه جوايز عزيزان را در آستانه پنجاهمين سالگرد تأسيس دانشگاه سمنان، در آيين ناب و نماد سال ۱۴۰۳ اهدا خواهد نمود.
#معاونت_آموزشی_و_تحصیلات_تکمیلی
#استعدادهای_درخشان
#طرح_راد
#ردهبندی_استعدادهای_درخشان
#پنجاهمین_سال_تاسیس_دانشگاه_سمنان
📢 کانال رسمی اطلاعرسانی #آموزش_دانشگاه_سمنان
🌐 edu.semnan.ac.ir
🆔 https://news.1rj.ru/str/edusemnanuni
🆔 https://eitaa.com/edusemnanuni
Forwarded from بنیاد نخبگان استان سمنان
🔸وبینار معرفی طرح های بنیاد ملی نخبگان با تاکید بر معرفی طرح توسعهی فعالیتهای علمی و فرهنگی (طرح شهید وزوایی ۱۴۰۴-۱۴۰۳)
🔸سخنران: دکتر رضا کی پور، رئیس بنیاد نخبگان استان
🌐لینک ورود به جلسه:
https://vc10.semnan.ac.ir/nokhbegan1
🌐لینک خبر:
https://B2n.ir/f76825
🆔 @semnanbmn
کانال رسمی بنیاد نخبگان استان سمنان
🔸سخنران: دکتر رضا کی پور، رئیس بنیاد نخبگان استان
🌐لینک ورود به جلسه:
https://vc10.semnan.ac.ir/nokhbegan1
🌐لینک خبر:
https://B2n.ir/f76825
🆔 @semnanbmn
کانال رسمی بنیاد نخبگان استان سمنان
Forwarded from دانشگاه سمنان 🎓
❇️فراخوان پذیرش بدون آزمون استعدادهای درخشان در مقطع دکتری سال تحصیلی 1405-1404
🔶دانشگاه سمنان در نظر دارد از میان دانشجویان و دانشآموختگان مقطع کارشناسیارشد دانشگاه سمنان و سایر دانشگاههای کشور تعدادی را برای تحصیل در مقطع دکتری سال تحصیلی 1405-1404 به صورت بدون آزمون پذیرش نماید.
🔰 کسب اطلاعات بیشتر در :👇
https://edu.semnan.ac.ir/Zcma
#روابط_عمومی_دانشگاه_سمنان
#روابط_عمومی_دانشگاه_1403
🌐 Semnan.ac.ir
🆔 @unisemnan
🔶دانشگاه سمنان در نظر دارد از میان دانشجویان و دانشآموختگان مقطع کارشناسیارشد دانشگاه سمنان و سایر دانشگاههای کشور تعدادی را برای تحصیل در مقطع دکتری سال تحصیلی 1405-1404 به صورت بدون آزمون پذیرش نماید.
🔰 کسب اطلاعات بیشتر در :👇
https://edu.semnan.ac.ir/Zcma
#روابط_عمومی_دانشگاه_سمنان
#روابط_عمومی_دانشگاه_1403
🌐 Semnan.ac.ir
🆔 @unisemnan
روز معلم را به تمام اساتید گرانقدر گروه آمار تبریک عرض مینماییم.
@statsemuni 📊📈
@statsemuni 📊📈
راهنماي ورود به جلسه آنلاين.pdf
300.2 KB
راهنمای ورود به جلسه آنلاین کرسی ترویجی