انجمن علمی آمار دانشگاه تبریز
https://news.1rj.ru/str/fuzzy_statistics
گروه درس آمار فازی☝️
با سلام خدمت دوستان عزیز،
به اطلاع میرساند که فردا ۲۸ بهمن و پسفردا ۲۹ بهمن، روزهای حذف و اضافه خواهند بود. در روز اول (فردا)، تمام دروس افتاده بهعنوان قبول محسوب میشوند تا دانشجویان بتوانند دروسی که پیشنیاز آنها افتادهاند را اخذ کنند. در روز دوم (۲۹ بهمن)، فرآیند حذف و اضافه به حالت عادی بازخواهد گشت.
طبیعتاً در روز اول، دانشجویان امکان انتخاب دروس افتاده را نخواهند داشت و باید این دروس را در روز دوم انتخاب کنند.
با آرزوی موفقیت برای همه شما!
به اطلاع میرساند که فردا ۲۸ بهمن و پسفردا ۲۹ بهمن، روزهای حذف و اضافه خواهند بود. در روز اول (فردا)، تمام دروس افتاده بهعنوان قبول محسوب میشوند تا دانشجویان بتوانند دروسی که پیشنیاز آنها افتادهاند را اخذ کنند. در روز دوم (۲۹ بهمن)، فرآیند حذف و اضافه به حالت عادی بازخواهد گشت.
طبیعتاً در روز اول، دانشجویان امکان انتخاب دروس افتاده را نخواهند داشت و باید این دروس را در روز دوم انتخاب کنند.
با آرزوی موفقیت برای همه شما!
❤2
Forwarded from Nasrollah Iranpanah
و رابطه با AI مختصر و مفید!!
The Effect of Statistics on Artificial Intelligence (AI)
Statistics plays a fundamental role in the development and functionality of artificial intelligence (AI). From traditional machine learning algorithms to advanced deep learning models, statistical principles are at the core of AI’s ability to process data, recognize patterns, and make predictions. Below, we explore how statistics influences AI across different areas.
1. Statistics as the Foundation of Machine Learning
Machine learning (ML), a subset of AI, is heavily dependent on statistics. The relationship between statistics and ML can be summarized as follows:
Statistical Concept AI/Machine Learning Application
Probability Theory Predicting outcomes in AI models (e.g., Bayesian Networks)
Regression Analysis Linear regression, logistic regression, deep learning models
Hypothesis Testing Model validation and performance evaluation
Sampling & Estimation Training AI models on smaller data samples
Bayesian Inference Adaptive AI decision-making and reinforcement learning
Without statistical methods, AI would lack the ability to generalize, optimize, or validate its predictions effectively.
2. Probability and Uncertainty in AI
One of the biggest challenges in AI is dealing with uncertainty, which is where probability theory (a branch of statistics) plays a crucial role.
Examples of Probability in AI:
• Natural Language Processing (NLP): Predicting the next word in a sentence using probabilistic models like Hidden Markov Models (HMMs) or transformer models.
• Self-Driving Cars: AI in autonomous vehicles must estimate probabilities for actions, such as predicting whether a pedestrian will cross the road.
• Medical AI: AI models for disease diagnosis use Bayesian inference to assess the likelihood of a patient having a specific condition based on symptoms.
3. Statistical Models in AI: Regression and Classification
Most AI models are built upon fundamental statistical techniques such as regression and classification:
• Linear & Logistic Regression → Used in predictive modeling, including stock market forecasts and medical diagnosis.
• Decision Trees & Random Forests → Applied in credit scoring and fraud detection.
• Neural Networks (Deep Learning) → A complex extension of statistical models that power image recognition, chatbots, and autonomous systems.
Statistical classification algorithms enable AI to categorize objects, identify spam emails, detect fraudulent transactions, and even diagnose diseases.
4. Bayesian Statistics and AI Decision-Making
Bayesian inference is a key statistical method used in AI that allows models to continuously update their knowledge as new data comes in.
How Bayesian Statistics Powers AI:
• Spam Filters: Bayesian spam filtering assigns probabilities to emails being spam based on past data.
• Self-Learning AI: AI systems like Google’s AlphaGo used Bayesian techniques to refine their strategies over time.
• Medical AI Diagnosis: Bayesian networks help AI predict the probability of a disease given certain symptoms.
Bayesian models allow AI to make probabilistic decisions, improving adaptability and accuracy.
5. Data Sampling & Model Training in AI
AI models must be trained on large datasets, but in many cases, working with the full dataset is impractical. Statistical sampling methods allow AI to learn efficiently from smaller data subsets.
Examples of Sampling in AI:
• Bootstrap Sampling: Helps AI estimate accuracy by resampling training data.
• Cross-Validation: A statistical technique used to test AI models’ reliability and prevent overfitting.
• Monte Carlo Methods: AI uses Monte Carlo simulations to generate possible outcomes in finance, robotics, and game AI.
Without statistical sampling, AI models would be less efficient and more prone to biases.
6. Statistical Evaluation of AI Performance
To ensure AI models are accurate and reliable, statistical metrics are used for evaluation and validation.
Statistical Metric AI Application
The Effect of Statistics on Artificial Intelligence (AI)
Statistics plays a fundamental role in the development and functionality of artificial intelligence (AI). From traditional machine learning algorithms to advanced deep learning models, statistical principles are at the core of AI’s ability to process data, recognize patterns, and make predictions. Below, we explore how statistics influences AI across different areas.
1. Statistics as the Foundation of Machine Learning
Machine learning (ML), a subset of AI, is heavily dependent on statistics. The relationship between statistics and ML can be summarized as follows:
Statistical Concept AI/Machine Learning Application
Probability Theory Predicting outcomes in AI models (e.g., Bayesian Networks)
Regression Analysis Linear regression, logistic regression, deep learning models
Hypothesis Testing Model validation and performance evaluation
Sampling & Estimation Training AI models on smaller data samples
Bayesian Inference Adaptive AI decision-making and reinforcement learning
Without statistical methods, AI would lack the ability to generalize, optimize, or validate its predictions effectively.
2. Probability and Uncertainty in AI
One of the biggest challenges in AI is dealing with uncertainty, which is where probability theory (a branch of statistics) plays a crucial role.
Examples of Probability in AI:
• Natural Language Processing (NLP): Predicting the next word in a sentence using probabilistic models like Hidden Markov Models (HMMs) or transformer models.
• Self-Driving Cars: AI in autonomous vehicles must estimate probabilities for actions, such as predicting whether a pedestrian will cross the road.
• Medical AI: AI models for disease diagnosis use Bayesian inference to assess the likelihood of a patient having a specific condition based on symptoms.
3. Statistical Models in AI: Regression and Classification
Most AI models are built upon fundamental statistical techniques such as regression and classification:
• Linear & Logistic Regression → Used in predictive modeling, including stock market forecasts and medical diagnosis.
• Decision Trees & Random Forests → Applied in credit scoring and fraud detection.
• Neural Networks (Deep Learning) → A complex extension of statistical models that power image recognition, chatbots, and autonomous systems.
Statistical classification algorithms enable AI to categorize objects, identify spam emails, detect fraudulent transactions, and even diagnose diseases.
4. Bayesian Statistics and AI Decision-Making
Bayesian inference is a key statistical method used in AI that allows models to continuously update their knowledge as new data comes in.
How Bayesian Statistics Powers AI:
• Spam Filters: Bayesian spam filtering assigns probabilities to emails being spam based on past data.
• Self-Learning AI: AI systems like Google’s AlphaGo used Bayesian techniques to refine their strategies over time.
• Medical AI Diagnosis: Bayesian networks help AI predict the probability of a disease given certain symptoms.
Bayesian models allow AI to make probabilistic decisions, improving adaptability and accuracy.
5. Data Sampling & Model Training in AI
AI models must be trained on large datasets, but in many cases, working with the full dataset is impractical. Statistical sampling methods allow AI to learn efficiently from smaller data subsets.
Examples of Sampling in AI:
• Bootstrap Sampling: Helps AI estimate accuracy by resampling training data.
• Cross-Validation: A statistical technique used to test AI models’ reliability and prevent overfitting.
• Monte Carlo Methods: AI uses Monte Carlo simulations to generate possible outcomes in finance, robotics, and game AI.
Without statistical sampling, AI models would be less efficient and more prone to biases.
6. Statistical Evaluation of AI Performance
To ensure AI models are accurate and reliable, statistical metrics are used for evaluation and validation.
Statistical Metric AI Application
🔥1
Forwarded from Nasrollah Iranpanah
Mean Squared Error (MSE) Evaluates regression model accuracy
Confusion Matrix Analyzes classification performance
Precision & Recall Measures AI’s effectiveness in detecting important cases (e.g., fraud detection)
F1 Score Balances precision and recall in classification tasks
These statistical measures ensure AI models are not just making predictions, but making them correctly and efficiently.
7. Statistics in AI Ethics & Bias Detection
A critical area where statistics influences AI is in bias detection and fairness. Many AI models, if not carefully designed, inherit biases from the data they are trained on.
• Statistical audits of AI models help identify whether bias exists in decision-making.
• Disparate impact analysis uses statistical tests to check if AI systems are treating different demographic groups unfairly.
• Algorithmic fairness models adjust predictions to ensure equitable treatment across races, genders, and socioeconomic backgrounds.
For example, facial recognition AI has been criticized for racial bias, and statistical analysis has been used to identify and mitigate such biases.
8. AI and Big Data: Statistical Scaling Challenges
Modern AI systems must process enormous datasets, often referred to as Big Data. Traditional statistical methods help AI manage and analyze this data efficiently.
• Dimensionality Reduction (PCA, t-SNE): Statistical techniques like Principal Component Analysis (PCA) help reduce large datasets without losing important information.
• Cluster Analysis: AI uses clustering techniques (e.g., K-Means clustering) to group similar data points, such as customer segmentation in marketing.
• Anomaly Detection: AI-powered cybersecurity tools use statistical outlier detection to identify fraud or network intrusions.
Without statistics, AI would struggle to handle large-scale data efficiently.
Conclusion: Statistics is the Backbone of AI
Statistics is not just influencing AI—it is the foundation upon which AI is built. Key takeaways:
• Probability & uncertainty modeling allow AI to make real-world decisions.
• Regression & classification models are essential for predictive analytics.
• Bayesian inference enables AI to learn and update its knowledge dynamically.
• Statistical sampling improves AI training efficiency.
• Performance metrics ensure AI models are accurate and reliable.
• Bias detection & fairness analysis are essential for ethical AI.
• Big Data statistical techniques help AI scale to massive datasets.
Without statistics, AI would not exist in its current form. Whether in self-driving cars, recommendation systems, or medical diagnostics, AI relies on statistics to make intelligent, data-driven decisions.
Confusion Matrix Analyzes classification performance
Precision & Recall Measures AI’s effectiveness in detecting important cases (e.g., fraud detection)
F1 Score Balances precision and recall in classification tasks
These statistical measures ensure AI models are not just making predictions, but making them correctly and efficiently.
7. Statistics in AI Ethics & Bias Detection
A critical area where statistics influences AI is in bias detection and fairness. Many AI models, if not carefully designed, inherit biases from the data they are trained on.
• Statistical audits of AI models help identify whether bias exists in decision-making.
• Disparate impact analysis uses statistical tests to check if AI systems are treating different demographic groups unfairly.
• Algorithmic fairness models adjust predictions to ensure equitable treatment across races, genders, and socioeconomic backgrounds.
For example, facial recognition AI has been criticized for racial bias, and statistical analysis has been used to identify and mitigate such biases.
8. AI and Big Data: Statistical Scaling Challenges
Modern AI systems must process enormous datasets, often referred to as Big Data. Traditional statistical methods help AI manage and analyze this data efficiently.
• Dimensionality Reduction (PCA, t-SNE): Statistical techniques like Principal Component Analysis (PCA) help reduce large datasets without losing important information.
• Cluster Analysis: AI uses clustering techniques (e.g., K-Means clustering) to group similar data points, such as customer segmentation in marketing.
• Anomaly Detection: AI-powered cybersecurity tools use statistical outlier detection to identify fraud or network intrusions.
Without statistics, AI would struggle to handle large-scale data efficiently.
Conclusion: Statistics is the Backbone of AI
Statistics is not just influencing AI—it is the foundation upon which AI is built. Key takeaways:
• Probability & uncertainty modeling allow AI to make real-world decisions.
• Regression & classification models are essential for predictive analytics.
• Bayesian inference enables AI to learn and update its knowledge dynamically.
• Statistical sampling improves AI training efficiency.
• Performance metrics ensure AI models are accurate and reliable.
• Bias detection & fairness analysis are essential for ethical AI.
• Big Data statistical techniques help AI scale to massive datasets.
Without statistics, AI would not exist in its current form. Whether in self-driving cars, recommendation systems, or medical diagnostics, AI relies on statistics to make intelligent, data-driven decisions.
👍1🔥1
آشنایی با نظریه تصمیم
https://news.1rj.ru/str/+NXnAcQorWYk4Mzc8
مبانی ریاضی مقدماتی استاد احمدی
https://news.1rj.ru/str/+C0BgxmtOJN5mZWY0
روش های نمونه گیری 1
http://t.me/raveshhayenemounehgiri
فرایند های تصادفی 1
https://news.1rj.ru/str/+75VO8P2GgdJiZDI0
معادلات دیفرانسیل استاد شهمراد
https://news.1rj.ru/str/+x4jZKdG8JxpjYTBk
https://news.1rj.ru/str/+NXnAcQorWYk4Mzc8
مبانی ریاضی مقدماتی استاد احمدی
https://news.1rj.ru/str/+C0BgxmtOJN5mZWY0
روش های نمونه گیری 1
http://t.me/raveshhayenemounehgiri
فرایند های تصادفی 1
https://news.1rj.ru/str/+75VO8P2GgdJiZDI0
معادلات دیفرانسیل استاد شهمراد
https://news.1rj.ru/str/+x4jZKdG8JxpjYTBk
Telegram
آشنایی با نظریه تصمیم
Parisa invites you to join this group on Telegram.
Forwarded from علم داده (Data Science)
@DataPlusScience -Statistics Notes.pdf
4.7 MB
📘 یادداشتهای آمار: راهنمای جامع مباحث آماری
💡 این فایل شامل مفاهیم پایه و پیشرفته آماری است که به صورت ساده و کاربردی توضیح داده شدهاند. مباحث شامل انواع دادهها، آزمونهای آماری و تکنیکهای تحلیل داده است که برای دانشجویان و محققین مفید است.
📊 مفاهیم پایه: شامل آمار توصیفی (Denoscriptive Statistics) و استنباطی (Inferential Statistics).
📌 اندازهگیری گرایش مرکزی: میانگین (Mean)، میانه (Median) و مد (Mode).
📏 اندازهگیری پراکندگی: واریانس (Variance) و انحراف معیار (Standard Deviation).
🗂 انواع دادهها و مقیاسها: دادههای اسمی (Nominal)، ترتیبی (Ordinal)، فاصلهای (Interval) و نسبتی (Ratio).
🧪 آزمونهای آماری: آزمون Z، آزمون T، آزمون خی دو (Chi-Square)، و تحلیل واریانس (ANOVA).
📈 توزیعهای احتمالی: توزیع نرمال (Normal Distribution)، دوجملهای (Binomial) و پواسون (Poisson).
🧮 قضیه حد مرکزی (Central Limit Theorem): تحلیل توزیع نمونهها با اندازههای بزرگ.
🔗 تحلیل دادههای پراکنده: کوواریانس (Covariance) و همبستگی (Correlation).
📊👨🏫 @DataPlusScience | @Data➕Science
💡 این فایل شامل مفاهیم پایه و پیشرفته آماری است که به صورت ساده و کاربردی توضیح داده شدهاند. مباحث شامل انواع دادهها، آزمونهای آماری و تکنیکهای تحلیل داده است که برای دانشجویان و محققین مفید است.
📊 مفاهیم پایه: شامل آمار توصیفی (Denoscriptive Statistics) و استنباطی (Inferential Statistics).
📌 اندازهگیری گرایش مرکزی: میانگین (Mean)، میانه (Median) و مد (Mode).
📏 اندازهگیری پراکندگی: واریانس (Variance) و انحراف معیار (Standard Deviation).
🗂 انواع دادهها و مقیاسها: دادههای اسمی (Nominal)، ترتیبی (Ordinal)، فاصلهای (Interval) و نسبتی (Ratio).
🧪 آزمونهای آماری: آزمون Z، آزمون T، آزمون خی دو (Chi-Square)، و تحلیل واریانس (ANOVA).
📈 توزیعهای احتمالی: توزیع نرمال (Normal Distribution)، دوجملهای (Binomial) و پواسون (Poisson).
🧮 قضیه حد مرکزی (Central Limit Theorem): تحلیل توزیع نمونهها با اندازههای بزرگ.
🔗 تحلیل دادههای پراکنده: کوواریانس (Covariance) و همبستگی (Correlation).
📊👨🏫 @DataPlusScience | @Data➕Science
👍2🔥1
Forwarded from انجمن علمی آمار دانشگاه قم (sajad)
📣 انجمن علمی آمار دانشگاه قم برگزار میکند:
🔹 دوره : دوره آموزش مقدماتی POWER BI
💻 مدرس : دکتر محمد رضا مظفری
⏱| زمان برگزاری:یک شنبه19 اسفند ساعت17-21
📌|مکان : ادوبی کانکت(همراه باضبط جلسات)
💳| هزینه :
دانشجویان دانشگاه قم 75هزار تومان
سایر افراد150هزار تومان
🔴با ارائه گواهی حضور در دوره🔴
🟣سر فصل دوره:
مقدمه ای بر هوش تجاری(BI)
معرفی power bi
وارد کردن داده ها
مفاهیم مدل سازی داده ها
ایجاد دیدگاه تصویری(visualizations)
نمودار تعاملی
استفاده از داشبورد ها
Dax(data analysis expressions)
توابع پرکاربرد در Dax
انتشار گزارش ها در power bi service
✨جهت کسب اطلاعات بیشتر و ثبت نام به ایدی زیر مراجعه کنید :
@anjoman_statistics
🆔 @statistics_qom
🔹 دوره : دوره آموزش مقدماتی POWER BI
💻 مدرس : دکتر محمد رضا مظفری
⏱| زمان برگزاری:یک شنبه19 اسفند ساعت17-21
📌|مکان : ادوبی کانکت(همراه باضبط جلسات)
💳| هزینه :
دانشجویان دانشگاه قم 75هزار تومان
سایر افراد150هزار تومان
🔴با ارائه گواهی حضور در دوره🔴
🟣سر فصل دوره:
مقدمه ای بر هوش تجاری(BI)
معرفی power bi
وارد کردن داده ها
مفاهیم مدل سازی داده ها
ایجاد دیدگاه تصویری(visualizations)
نمودار تعاملی
استفاده از داشبورد ها
Dax(data analysis expressions)
توابع پرکاربرد در Dax
انتشار گزارش ها در power bi service
✨جهت کسب اطلاعات بیشتر و ثبت نام به ایدی زیر مراجعه کنید :
@anjoman_statistics
🆔 @statistics_qom
💯2
گشت گرداگرد مهر تابناک ، ایران زمین
روز نو آمد و شد شادی برون زندر کمین
ای تو یزدان ، ای تو گرداننده ی مهر و سپر
برترینش کن برایم این زمان و این زمین . . .
عید نوروز مبارک باد.
@tabriz_statistics
انجمن علمی آمار دانشگاه تبریز
روز نو آمد و شد شادی برون زندر کمین
ای تو یزدان ، ای تو گرداننده ی مهر و سپر
برترینش کن برایم این زمان و این زمین . . .
عید نوروز مبارک باد.
@tabriz_statistics
انجمن علمی آمار دانشگاه تبریز
❤7
Forwarded from NEMO
انجمن علمی آمار و ریاضی دانشگاه تبریز برگزار میکند.
دوره مقدماتی یادگیری پایتون :
+ مقدمه ای بر برنامه نویسی
+ آشنایی با سینتکس پایتون
+ متغیر ها و نوع داده ها
+ عملگر ها
+ کنترل جریان
+ توابع
+ لیست ها و دیکشنری ها
در این دوره شما با زبان پایتون برای ورود به بازار کار و ادامه در سطوح پیشرفته آماده خواهید شد.
🧑💻مدرس:
فرشید نوریان دکترای ریاضی کاربردی
📄(همراه با ارائه گواهی معتبر)
💰هزینه ثبت نام :
400 هزار تومان
🎁20% تخفیف برای ورودی های جدید 🎁
🚫ظرفیت محدود🚫
🚨برای ثبت نام و کسب اطلاعات بیشتر به آیدی های زیر پیام دهید.
🆔 @tbz_amar
🆔 @Mathtabriz1403
دوره مقدماتی یادگیری پایتون :
+ مقدمه ای بر برنامه نویسی
+ آشنایی با سینتکس پایتون
+ متغیر ها و نوع داده ها
+ عملگر ها
+ کنترل جریان
+ توابع
+ لیست ها و دیکشنری ها
در این دوره شما با زبان پایتون برای ورود به بازار کار و ادامه در سطوح پیشرفته آماده خواهید شد.
🧑💻مدرس:
فرشید نوریان دکترای ریاضی کاربردی
📄(همراه با ارائه گواهی معتبر)
💰هزینه ثبت نام :
400 هزار تومان
🎁20% تخفیف برای ورودی های جدید 🎁
🚫ظرفیت محدود🚫
🚨برای ثبت نام و کسب اطلاعات بیشتر به آیدی های زیر پیام دهید.
🆔 @tbz_amar
🆔 @Mathtabriz1403
👍1
Forwarded from انجمن علمی آمار دانشگاه الزهرا(س) تهران (Statistics Alzahra)
┄┄┅┅┅🌷⃟🇮🇷 ┅┅┅┄┄
📌 انجمن علمی دانشجویی آمار معاونت فرهنگی و اجتماعی با همکاری گروه آمار دانشگاه الزهرا (س) برگزار میکند:
📑 کارگاه آموزشی SQL 📑
👤 مدرس: سرکار خانم فاطمه زمانی
دانشجوی رشته آمار دانشگاه الزهرا (س)
📅 تاریخ برگزاری: از ۱۴ فروردین ۱۴۰۴
روز های پنجشنبه و جمعه
مدت دوره : سه هفته
⏰️ ساعت: ۱۸ تا ۲۰
🖥 مجازی - در بستر Adobe Connect
🎗هزینه ثبت نام:
برای دانشجویان دانشگاه الزهرا (س)
250 هزار تومان
و سایر دانشجویان
450 هزار تومان
سایر داوطلبان غیر دانشجو
700 هزار تومان
همراه با اعطای گواهی شرکت در دوره 🔖
📲برای ثبت نام به آیدی زیر مراجعه کنید:
@Stat_Alzahra
❅انجمن علمی آمار دانشگاه الزهرا (س)❅
http://zil.ink/anjomaneamaralzahra
❅معاونت فرهنگی و اجتماعی
دانشگاه الزهرا (س)❅
https://eitaa.com/farhangialzahraplans
📌 انجمن علمی دانشجویی آمار معاونت فرهنگی و اجتماعی با همکاری گروه آمار دانشگاه الزهرا (س) برگزار میکند:
📑 کارگاه آموزشی SQL 📑
👤 مدرس: سرکار خانم فاطمه زمانی
دانشجوی رشته آمار دانشگاه الزهرا (س)
📅 تاریخ برگزاری: از ۱۴ فروردین ۱۴۰۴
روز های پنجشنبه و جمعه
مدت دوره : سه هفته
⏰️ ساعت: ۱۸ تا ۲۰
🖥 مجازی - در بستر Adobe Connect
🎗هزینه ثبت نام:
برای دانشجویان دانشگاه الزهرا (س)
250 هزار تومان
و سایر دانشجویان
450 هزار تومان
سایر داوطلبان غیر دانشجو
700 هزار تومان
همراه با اعطای گواهی شرکت در دوره 🔖
📲برای ثبت نام به آیدی زیر مراجعه کنید:
@Stat_Alzahra
❅انجمن علمی آمار دانشگاه الزهرا (س)❅
http://zil.ink/anjomaneamaralzahra
❅معاونت فرهنگی و اجتماعی
دانشگاه الزهرا (س)❅
https://eitaa.com/farhangialzahraplans
❤1
Forwarded from کانال آمار زیستی (Yousef Bashiri)
جذب نیرو در بانک کارآفرین
بانک کارآفرین به منظور تأمین سرمایه انسانی خود حسب نیاز از واجدین شرایط ثبتنام کرده در سامانه الکترونیکی خود و براساس اولویتها و ضوابط، مقررات و آیین نامه استخدامی بانک جهت همکاری دعوت خواهد نمود.
شرایط ثبتنام
سلامت کامل جسم و روان
نداشتن سوء پیشینه کیفری
داشتن کارت پایان خدمت/ معافیت دائم غیرپزشکی (برای آقایان)
فارغ التحصیل در رشته های مدیریت، حسابداری، مهندسی کامپیوتر، مهندسی فناوری اطلاعات، اقتصاد، مالی، آمار، ریاضی
جهت همکاری در واحدهای ستادی و شعب : فارغ التحصیل مقاطع تحصیلی کارشناسی و بالاتر
گواهی فراغت از تحصیل مورد تأیید وزارت علوم، تحقیقات و فناوری (در صورت پذیرش نهایی باید گواهینامه موقت یا دانشنامه پایان تحصیلات ارائه گردد)
دارا بودن معدل 14 به بالا برای دانشگاه دولتی و معدل 15 به بالا برای دانشگاه آزاد اسلامی، غیرانتفاعی و پیام نور
متولدین 1375/01/01 به بعد، این مدت برای متقاضیان آقا در صورت گذراندن دوران خدمت سربازی حداکثر تا دو سال قابل افزایش خواهد بود.
ثبتنام
#استخدام
@BIO_STAT
بانک کارآفرین به منظور تأمین سرمایه انسانی خود حسب نیاز از واجدین شرایط ثبتنام کرده در سامانه الکترونیکی خود و براساس اولویتها و ضوابط، مقررات و آیین نامه استخدامی بانک جهت همکاری دعوت خواهد نمود.
شرایط ثبتنام
سلامت کامل جسم و روان
نداشتن سوء پیشینه کیفری
داشتن کارت پایان خدمت/ معافیت دائم غیرپزشکی (برای آقایان)
فارغ التحصیل در رشته های مدیریت، حسابداری، مهندسی کامپیوتر، مهندسی فناوری اطلاعات، اقتصاد، مالی، آمار، ریاضی
جهت همکاری در واحدهای ستادی و شعب : فارغ التحصیل مقاطع تحصیلی کارشناسی و بالاتر
گواهی فراغت از تحصیل مورد تأیید وزارت علوم، تحقیقات و فناوری (در صورت پذیرش نهایی باید گواهینامه موقت یا دانشنامه پایان تحصیلات ارائه گردد)
دارا بودن معدل 14 به بالا برای دانشگاه دولتی و معدل 15 به بالا برای دانشگاه آزاد اسلامی، غیرانتفاعی و پیام نور
متولدین 1375/01/01 به بعد، این مدت برای متقاضیان آقا در صورت گذراندن دوران خدمت سربازی حداکثر تا دو سال قابل افزایش خواهد بود.
ثبتنام
#استخدام
@BIO_STAT
👍2
#اطلاعیه | هفته سرآمدی آموزش اردیبهشت ۱۴۰۴
💠 جلسه پرسش و پاسخ مسیر آینده شغلی
مدرس : آقای مهدی غفاری
⏲️ سه شنبه ۲۳ اردیبهشت ساعت ۱۲:۳۰
📍اتاق کنفرانس دانشکده ریاضی
🔸مدیریت امور فناوری - دانشکده آمار، ریاضی و علوم کامپیوتر
💠 جلسه پرسش و پاسخ مسیر آینده شغلی
مدرس : آقای مهدی غفاری
⏲️ سه شنبه ۲۳ اردیبهشت ساعت ۱۲:۳۰
📍اتاق کنفرانس دانشکده ریاضی
🔸مدیریت امور فناوری - دانشکده آمار، ریاضی و علوم کامپیوتر
Forwarded from مرکز هدایت شغلی و دانش آموختگان دانشگاه تبریز
🔷 مدیریت امور فناوری دانشگاه تبریز با همکاری انجمن های علمی و کانون های فرهنگی هنری دانشگاه برگزار میکند:
🔶کارگاه یک روزه کاربردهای هوش مصنوعی در تولید محتوا
👨⚖مدرس:
مهندس مصطفی ضابط (داور جشنواره های بین المللی هوش مصنوعی)
🔸سرفصلهای گارگاه:
* چهارچوب مقاله نویسی
* تولید محتوای صوتی
* تصویرسازی مفهومی
♻️ با تشکیل تیم های ده نفره جهت یادگیری عملی با گوشی های آیفون، اندروید و لپ تاپ
🔰 یادگیری سریع و آسان بدون نیاز به تخصص خاص
🗓 زمان: پنجشنبه ۲۵ اردیبهشتماه ۱۴۰۴
از ساعت ۸ صبح تا ۱۶
📍مکان: دانشگاه تبریز- ساختمان امور دانشجویان- تالار شهید شفایی
🔹با ارائه گواهی معتبر از مدیریت امور فناوری دانشگاه تبریز🔹
⭕️ شرکت برای عموم آزاد است.
❇️ هزینه ثبت نام 450 هزار تومان و با تخفیف ویژه برای دانشجویان و دانش آموختگان دانشگاه تبریز 300 هزار تومان
🌐 لینک ثبت نام:
https://tam.tabrizu.ac.ir/fa/form/563
◀️ لینک پرداخت هزینه:
https://portal.tabrizu.ac.ir/payment?earmark=338072254116000110409011010485
راههای ارتباطی:
📩 karamad@tabrizu.ac.ir
☎️ 04133393926
🆔 Telegram | Eita
🔶کارگاه یک روزه کاربردهای هوش مصنوعی در تولید محتوا
👨⚖مدرس:
مهندس مصطفی ضابط (داور جشنواره های بین المللی هوش مصنوعی)
🔸سرفصلهای گارگاه:
* چهارچوب مقاله نویسی
* تولید محتوای صوتی
* تصویرسازی مفهومی
♻️ با تشکیل تیم های ده نفره جهت یادگیری عملی با گوشی های آیفون، اندروید و لپ تاپ
🔰 یادگیری سریع و آسان بدون نیاز به تخصص خاص
🗓 زمان: پنجشنبه ۲۵ اردیبهشتماه ۱۴۰۴
از ساعت ۸ صبح تا ۱۶
📍مکان: دانشگاه تبریز- ساختمان امور دانشجویان- تالار شهید شفایی
🔹با ارائه گواهی معتبر از مدیریت امور فناوری دانشگاه تبریز🔹
⭕️ شرکت برای عموم آزاد است.
❇️ هزینه ثبت نام 450 هزار تومان و با تخفیف ویژه برای دانشجویان و دانش آموختگان دانشگاه تبریز 300 هزار تومان
🌐 لینک ثبت نام:
https://tam.tabrizu.ac.ir/fa/form/563
◀️ لینک پرداخت هزینه:
https://portal.tabrizu.ac.ir/payment?earmark=338072254116000110409011010485
راههای ارتباطی:
📩 karamad@tabrizu.ac.ir
☎️ 04133393926
🆔 Telegram | Eita
This media is not supported in your browser
VIEW IN TELEGRAM
🔷 مدیریت امور فناوری دانشگاه تبریز با همکاری انجمن های علمی و کانون های فرهنگی هنری دانشگاه برگزار میکند:
🔶کارگاه یک روزه کاربردهای هوش مصنوعی در تولید محتوا
👨⚖مدرس:
مهندس مصطفی ضابط (متخصص حوزه هوش مصنوعی و داور جشنواره های بین المللی)
🔸سرفصلهای کارگاه:
* چهارچوب مقاله نویسی
* تولید محتوای صوتی
* تصویرسازی مفهومی
♻️ با تشکیل تیم های ده نفره جهت یادگیری عملی با گوشی های آیفون، اندروید و لپ تاپ
🔰 یادگیری سریع و آسان بدون نیاز به تخصص خاص
🗓 زمان: پنجشنبه ۲۵ اردیبهشتماه ۱۴۰۴
از ساعت ۸ صبح تا ۱۶
📍مکان: دانشگاه تبریز- ساختمان امور دانشجویان- تالار شهید شفایی
🔹با ارائه گواهی معتبر از مدیریت امور فناوری دانشگاه تبریز🔹
⭕️ شرکت برای عموم آزاد است.
❇️ هزینه ثبت نام 450 هزار تومان و با تخفیف ویژه برای دانشجویان و دانش آموختگان دانشگاه تبریز 300 هزار تومان
🌐 لینک ثبت نام:
https://tam.tabrizu.ac.ir/fa/form/563
◀️ لینک پرداخت هزینه:
https://portal.tabrizu.ac.ir/payment?earmark=338072254116000110409011010485
راههای ارتباطی:
📩 karamad@tabrizu.ac.ir
☎️ 04133393926
Telegram | Eita | Instagram
🔶کارگاه یک روزه کاربردهای هوش مصنوعی در تولید محتوا
👨⚖مدرس:
مهندس مصطفی ضابط (متخصص حوزه هوش مصنوعی و داور جشنواره های بین المللی)
🔸سرفصلهای کارگاه:
* چهارچوب مقاله نویسی
* تولید محتوای صوتی
* تصویرسازی مفهومی
♻️ با تشکیل تیم های ده نفره جهت یادگیری عملی با گوشی های آیفون، اندروید و لپ تاپ
🔰 یادگیری سریع و آسان بدون نیاز به تخصص خاص
🗓 زمان: پنجشنبه ۲۵ اردیبهشتماه ۱۴۰۴
از ساعت ۸ صبح تا ۱۶
📍مکان: دانشگاه تبریز- ساختمان امور دانشجویان- تالار شهید شفایی
🔹با ارائه گواهی معتبر از مدیریت امور فناوری دانشگاه تبریز🔹
⭕️ شرکت برای عموم آزاد است.
❇️ هزینه ثبت نام 450 هزار تومان و با تخفیف ویژه برای دانشجویان و دانش آموختگان دانشگاه تبریز 300 هزار تومان
🌐 لینک ثبت نام:
https://tam.tabrizu.ac.ir/fa/form/563
◀️ لینک پرداخت هزینه:
https://portal.tabrizu.ac.ir/payment?earmark=338072254116000110409011010485
راههای ارتباطی:
📩 karamad@tabrizu.ac.ir
☎️ 04133393926
Telegram | Eita | Instagram
👍1
Forwarded from مرکز هدایت شغلی و دانش آموختگان دانشگاه تبریز
Media is too big
VIEW IN TELEGRAM
💠اگر تبریز هستین
امروز حتما این کلیپ رو ببینین
فردا دیره❗️
امروز خودت رو به هوش مصنوعی تجهیز کن❗️
🗓 زمان: پنجشنبه ۲۵ اردیبهشتماه ۱۴۰۴ ساعت ۸ صبح تا ۱۶
📍مکان: دانشگاه تبریز- ساختمان امور دانشجویان- تالار شهید باکری
🔹با ارائه گواهی معتبر از مدیریت امور فناوری دانشگاه تبریز🔹
🌐 لینک ثبت نام:
https://tam.tabrizu.ac.ir/fa/form/563
راههای ارتباطی:
📩 karamad@tabrizu.ac.ir
☎️ 04133393926
امروز حتما این کلیپ رو ببینین
فردا دیره❗️
امروز خودت رو به هوش مصنوعی تجهیز کن❗️
🗓 زمان: پنجشنبه ۲۵ اردیبهشتماه ۱۴۰۴ ساعت ۸ صبح تا ۱۶
📍مکان: دانشگاه تبریز- ساختمان امور دانشجویان- تالار شهید باکری
🔹با ارائه گواهی معتبر از مدیریت امور فناوری دانشگاه تبریز🔹
🌐 لینک ثبت نام:
https://tam.tabrizu.ac.ir/fa/form/563
راههای ارتباطی:
📩 karamad@tabrizu.ac.ir
☎️ 04133393926
👍2
#دسترسی_رایگان برای ورود به دنیای داده و هوش مصنوعی! 🚀
تا ۱۷ خرداد ماه برای بهرهمندی از یک ماه اشتراک و دسترسی #رایگان به تمامی درسنامهها و پروژههای آموزشی #مدرسه_دقیقه برای فراگیری موضوعات زیر فرصت هست:
📊 تحلیل داده با #R و #Python و #SQL
🧠 هوش تجاری با #PowerBI
📊 مصورسازی داده با #Excel
🤖 ریاضیات علوم داده و آمار در R و Python
💡 کار با ابزارهای #هوش_مصنوعی (#AI)
📊 تحلیل داده در حوزه عمومی (#دیتاژورنالیسم)
🛠 و پروژههای کاربردی با دادههای واقعی
🔑 نحوه فعالسازی اشتراک #رایگان:
برای بهرهمندی از این فرصت و فعالسازی اشتراک رایگان یک ماهه، از طریق لینک زیر اقدام نمایید. دسترسی شما پس از تکمیل فرآیند ثبتنام فعال خواهد شد و میتوانید:
d-learn.ir/04free
📚 فهرست کامل منابع آموزشی:
d-learn.ir/courses
پس از دریافت اشتراک موضوعات مورد نظر خود را از لینک بالا انتخاب کنید و وارد آنها شوید.
🔴 اعتبار تخفیف تا ۱۷ خرداد
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837
#DataScience #AI #رایگان #آموزش
تا ۱۷ خرداد ماه برای بهرهمندی از یک ماه اشتراک و دسترسی #رایگان به تمامی درسنامهها و پروژههای آموزشی #مدرسه_دقیقه برای فراگیری موضوعات زیر فرصت هست:
📊 تحلیل داده با #R و #Python و #SQL
🧠 هوش تجاری با #PowerBI
📊 مصورسازی داده با #Excel
🤖 ریاضیات علوم داده و آمار در R و Python
💡 کار با ابزارهای #هوش_مصنوعی (#AI)
📊 تحلیل داده در حوزه عمومی (#دیتاژورنالیسم)
🛠 و پروژههای کاربردی با دادههای واقعی
🔑 نحوه فعالسازی اشتراک #رایگان:
برای بهرهمندی از این فرصت و فعالسازی اشتراک رایگان یک ماهه، از طریق لینک زیر اقدام نمایید. دسترسی شما پس از تکمیل فرآیند ثبتنام فعال خواهد شد و میتوانید:
d-learn.ir/04free
📚 فهرست کامل منابع آموزشی:
d-learn.ir/courses
پس از دریافت اشتراک موضوعات مورد نظر خود را از لینک بالا انتخاب کنید و وارد آنها شوید.
🔴 اعتبار تخفیف تا ۱۷ خرداد
📱 t.me/dlearnsup
📞 02188349244
📲 09103209837
#DataScience #AI #رایگان #آموزش
مدرسه پردازش و تحلیل داده دقیقه
تایید و پرداخت | مدرسه پردازش و تحلیل داده دقیقه
👍2
برنامه 1405-1404.pdf
2.4 MB
اطلاعیه مهم گروه آمار
برنامههای نیمسال اول ۱۴۰۵-۱۴۰۴
با سلام و احترام،
نسخه اولیه برنامههای نیمسال اول ۱۴۰۵-۱۴۰۴ برای کلیه دورههای کارشناسی، کارشناسی ارشد و دکتری گروه آمار به پیوست ارسال گردید. از دانشجویان عزیز رشته آمار تقاضا میشود فایل فوق را مطالعه و تا تاریخ جمعه ۲۴ مرداد سال جاری تداخلهای احتمالی برنامههای خود را به دکتر نجارزاده، مدیر گروه آمار اطلاع دهند. توجه به این نکته مهم ضروری است که تداخلهای گروهی (مثلاً تداخل برای ۱۰ نفر) در برنامهها اعمال خواهند شد و ممکن است برای برخی از دانشجویان بهطور انفرادی امکان رفع تداخل وجود نداشته باشد.
با تشکر
برنامههای نیمسال اول ۱۴۰۵-۱۴۰۴
با سلام و احترام،
نسخه اولیه برنامههای نیمسال اول ۱۴۰۵-۱۴۰۴ برای کلیه دورههای کارشناسی، کارشناسی ارشد و دکتری گروه آمار به پیوست ارسال گردید. از دانشجویان عزیز رشته آمار تقاضا میشود فایل فوق را مطالعه و تا تاریخ جمعه ۲۴ مرداد سال جاری تداخلهای احتمالی برنامههای خود را به دکتر نجارزاده، مدیر گروه آمار اطلاع دهند. توجه به این نکته مهم ضروری است که تداخلهای گروهی (مثلاً تداخل برای ۱۰ نفر) در برنامهها اعمال خواهند شد و ممکن است برای برخی از دانشجویان بهطور انفرادی امکان رفع تداخل وجود نداشته باشد.
با تشکر
👍5❤4
اعتماد یکی از ستونهای اساسی روابط انسانی و حتی ساختارهای اجتماعی است. اما این اعتماد چطور شکل میگیرد و چرا در برخی جوامع پایدار میماند و در برخی دیگر فرو میریزد؟
شاید فکر کنیم این فقط یه حس درونیه، اما علم چیز دیگهای میگه: اعتماد یه استراتژیه که توی بازی زندگی تکامل پیدا کرده!
تو نظریه بازیها، اعتماد مثل یه حرکت حساب شدست. اگه اعتماد کنی و طرف مقابل هم درست بازی کنه، هر دو سود میبرید. ولی اگه خیانت کنه، ضرر میکنی. حالا وقتی این بازی بارها و بارها تکرار بشه، کمکم یاد میگیری کی ارزش اعتماد کردن داره و کی نه.
اینجاست که آمار وارد میشه!
با آمار میتونیم الگوها رو ببینیم، رفتارها رو پیشبینی کنیم و بفهمیم اعتماد چجوری توی جوامع رشد میکنه یا از بین میره. بدون آمار، نظریه بازی فقط روی کاغذه؛ با آمار، تبدیل میشه به یه ابزار برای فهم دنیای واقعی.
حالا اگه میخوای اینو نه فقط بخونی، بلکه تجربه کنی، بیا یه بازی جالب رو ببین:
https://hamed.github.io/trust/?fbclid=PAZXh0bgNhZW0CMTEAAafNXqIfAsCEwaCInSm4wr3Lh94BNB03D1c38VNrCexAxW60y9Lsy9vhuVylWA_aem_-IJgvIz6WhcXSL6Rv21dZQ
🆔https://news.1rj.ru/str/tabriz_statistics
شاید فکر کنیم این فقط یه حس درونیه، اما علم چیز دیگهای میگه: اعتماد یه استراتژیه که توی بازی زندگی تکامل پیدا کرده!
تو نظریه بازیها، اعتماد مثل یه حرکت حساب شدست. اگه اعتماد کنی و طرف مقابل هم درست بازی کنه، هر دو سود میبرید. ولی اگه خیانت کنه، ضرر میکنی. حالا وقتی این بازی بارها و بارها تکرار بشه، کمکم یاد میگیری کی ارزش اعتماد کردن داره و کی نه.
اینجاست که آمار وارد میشه!
با آمار میتونیم الگوها رو ببینیم، رفتارها رو پیشبینی کنیم و بفهمیم اعتماد چجوری توی جوامع رشد میکنه یا از بین میره. بدون آمار، نظریه بازی فقط روی کاغذه؛ با آمار، تبدیل میشه به یه ابزار برای فهم دنیای واقعی.
حالا اگه میخوای اینو نه فقط بخونی، بلکه تجربه کنی، بیا یه بازی جالب رو ببین:
https://hamed.github.io/trust/?fbclid=PAZXh0bgNhZW0CMTEAAafNXqIfAsCEwaCInSm4wr3Lh94BNB03D1c38VNrCexAxW60y9Lsy9vhuVylWA_aem_-IJgvIz6WhcXSL6Rv21dZQ
🆔https://news.1rj.ru/str/tabriz_statistics
hamed.github.io
تکامل اعتماد
یک راهنمای تعاملی برای نظریه بازی درباره اینکه چرا به یکدیگر اعتماد میکنیم
🔥1