ULTRA
Photo
بررسی آماری رتبهبندی ۳۰ دانشگاه تحقیقاتی برتر جهان در سال ۲۰۲۵
رتبهبندی U.S. News & World Report با هدف سنجش دقیق کیفیت پژوهشی دانشگاهها، از یک شاخص ترکیبی وزندار بهره گرفته که برخلاف مقادیر خام مثل «تعداد مقالات»، تلاش میکنه تصویری دقیقتر و علمیتر از عملکرد پژوهشی ارائه بده.
چرا وزندهی مهمتر از مقدار خام است؟
در ارزیابیهای چندشاخصه، استفاده از مقدار خام مثل "تعداد مقالهها" یا "تعداد کنفرانسها" ممکنه منجر به قضاوت نادرست بشه، چون حجم زیاد لزوماً معادل کیفیت بالا نیست. اما وقتی هر شاخص بنا به اهمیت علمی و تأثیر آن وزن اختصاصی داشته باشه، ترکیب نهایی نمایانگر عملکرد واقعی و مؤثر خواهد بود. وزندهی کمک میکنه بین کمیت و کیفیت تعادل ایجاد بشه و جلوی غلبه شاخصهای سطحی گرفته بشه.
شاخصهایی که در این رتبهبندی لحاظ شدهاند عبارتاند از:
• شهرت جهانی پژوهشی (وزن ٪ ۱۲/۵):
نظر متخصصان از سراسر جهان درباره اعتبار پژوهشی دانشگاه. این شاخص حاصل نظرسنجیهای بینالمللیه و تصویر جهانی دانشگاه رو نشون میده.
• شهرت منطقهای پژوهشی (وزن ٪ ۱۲/۵):
دیدگاهها از داخل منطقه و کشور یا کشورهای نزدیک. این شاخص نشون میده دانشگاه در بستر محلی چقدر شناخته شده و مؤثره.
• تعداد مقالات علمی (وزن ٪ ۱۰): مجموع تولیدات علمی دانشگاه شامل مقالات منتشرشده در ژورنالهای معتبر. بیشتر از نظر حجم پژوهشی بررسی میشه.
• تعداد کتابهای علمی (وزن ٪ ۲/۵): آثار منتشر شده به شکل کتاب توسط اعضای دانشگاه. ارزشمند برای حوزههایی مثل علوم انسانی و اجتماعی.
• تعداد کنفرانسها (وزن ٪ ۲/۵): مشارکت دانشگاه در ارائههای کنفرانسی. در برخی رشتهها مثل مهندسی و کامپیوتر اهمیت زیادی داره.
• تأثیر نرمالشده استنادات (وزن ٪ ۱۰):میانگین تعداد استنادهایی که هر مقاله دریافت کرده با نرمالسازی نسبت به رشته. کیفیت علمی بهجای کمیت سنجیده میشه.
• تعداد کل استنادات (وزن ٪ ۷/۵): تعداد کل دفعاتی که به مقالات دانشگاه استناد شده. نشاندهنده تأثیرگذاری کلی پژوهشهای دانشگاهه.
• تعداد مقالات در ۱۰٪ برتر از لحاظ استناد (وزن ٪ ۱۲/۵): تعداد واقعی مقالههایی که در ۱۰٪ پرارجاعترین مقالات دنیا قرار دارن. یک شاخص مطلق از نفوذ علمی.
• درصد مقالات در ۱۰٪ برتر از لحاظ استناد (وزن ٪ ۱۰): نسبت این مقالات برجسته به کل تولیدات علمی دانشگاه. شاخص نسبی برای ارزیابی کیفیت کلی پژوهشها.
• همکاری بینالمللی نسبت به کشور (وزن ٪ ۵): میزان مشارکتهای علمی دانشگاه در مقایسه با سطح رایج همکاریهای بینالمللی در آن کشور خاص. کمک میکنه ارزیابی منصفانهتری داشته باشیم.
• همکاری بینالمللی کلی (وزن ٪ ۵): درصد مقالاتی که با پژوهشگران خارج از کشور نوشته شدن. نشانهای از تعاملات علمی فرامرزی.
• تعداد مقالات در ۱٪ برتر از لحاظ استناد در رشته (وزن ٪ ۵): تعداد مقالههایی که جزو فوقالعادهترینها از نظر تأثیر علمی در رشته خودشون بودن. شاخصی مطلق و برجسته.
• درصد مقالات در ۱٪ برتر از لحاظ استناد (وزن ٪ ۵): نسبت این مقالهها به کل تولیدات دانشگاه. نشون میده کیفیت متوسط خروجیها چقدره.
وقتی سنگاپور از دل محدودیتها، به قلههای علمی رسید
در میان ۳۰ دانشگاه تحقیقاتی برتر جهان در سال ۲۰۲۵، تنها ۴ دانشگاه آسیایی حضور دارند. در صدر آنها، دانشگاه تسینگوا از چین با رتبه ۱۱ قرار دارد که همرتبه با امپریال کالج لندن است. پس از آن، دانشگاه ملی سنگاپور (NUS) با رتبه ۲۰، دانشگاه پکن با رتبه ۲۵، و دانشگاه فنی نانیانگ (NTU) از سنگاپور با رتبه ۲۸ دیده میشوند.
نکته قابلتأمل اینجاست: هیچ دانشگاهی از ژاپن در این لیست حضور ندارد، اما دو دانشگاه از سنگاپور در جمع برترینها هستند. این یعنی سنگاپور، در کنار چین، به یکی از وزنههای علمی آسیا تبدیل شده است.
اما برای درک بهتر این موفقیت، کافیست نگاهی ساده به ابعاد این کشور بیندازیم:
• وسعت سنگاپور: فقط ۷۲۸ کیلومتر مربع
• جمعیت: حدود ۶ میلیون نفر
• منابع طبیعی: تقریباً هیچ! نه نفت، نه معدن، نه زمین کشاورزی گسترده...
در مقابل، ایران با وسعتی بالغ بر ۱٬۶۴۸٬۱۹۵ کیلومتر مربع، جمعیتی بالغ بر ۹۰ میلیون نفر، و منابع طبیعی عظیم، هنوز نتوانسته جایگاهی مشابه در رتبهبندی علمی جهانی کسب کند.
مقالهای از زومیت با عنوان «سنگاپور چگونه از فقر مطلق به اوج ثروت رسید؟» روایت میکند که این کشور کوچک، طی ۶۰ سال گذشته، با بازطراحی کامل ساختارهای آموزشی، اقتصادی و حکمرانی، به یکی از ثروتمندترین و علمیترین کشورهای جهان تبدیل شده است. بدون منابع طبیعی، اما با سرمایهگذاری روی منابع انسانی، نظم، و شایستهسالاری.
این مقایسه، هم حیرتانگیز است و هم تلنگری برای ما.
رتبهبندی U.S. News & World Report با هدف سنجش دقیق کیفیت پژوهشی دانشگاهها، از یک شاخص ترکیبی وزندار بهره گرفته که برخلاف مقادیر خام مثل «تعداد مقالات»، تلاش میکنه تصویری دقیقتر و علمیتر از عملکرد پژوهشی ارائه بده.
چرا وزندهی مهمتر از مقدار خام است؟
در ارزیابیهای چندشاخصه، استفاده از مقدار خام مثل "تعداد مقالهها" یا "تعداد کنفرانسها" ممکنه منجر به قضاوت نادرست بشه، چون حجم زیاد لزوماً معادل کیفیت بالا نیست. اما وقتی هر شاخص بنا به اهمیت علمی و تأثیر آن وزن اختصاصی داشته باشه، ترکیب نهایی نمایانگر عملکرد واقعی و مؤثر خواهد بود. وزندهی کمک میکنه بین کمیت و کیفیت تعادل ایجاد بشه و جلوی غلبه شاخصهای سطحی گرفته بشه.
شاخصهایی که در این رتبهبندی لحاظ شدهاند عبارتاند از:
• شهرت جهانی پژوهشی (وزن ٪ ۱۲/۵):
نظر متخصصان از سراسر جهان درباره اعتبار پژوهشی دانشگاه. این شاخص حاصل نظرسنجیهای بینالمللیه و تصویر جهانی دانشگاه رو نشون میده.
• شهرت منطقهای پژوهشی (وزن ٪ ۱۲/۵):
دیدگاهها از داخل منطقه و کشور یا کشورهای نزدیک. این شاخص نشون میده دانشگاه در بستر محلی چقدر شناخته شده و مؤثره.
• تعداد مقالات علمی (وزن ٪ ۱۰): مجموع تولیدات علمی دانشگاه شامل مقالات منتشرشده در ژورنالهای معتبر. بیشتر از نظر حجم پژوهشی بررسی میشه.
• تعداد کتابهای علمی (وزن ٪ ۲/۵): آثار منتشر شده به شکل کتاب توسط اعضای دانشگاه. ارزشمند برای حوزههایی مثل علوم انسانی و اجتماعی.
• تعداد کنفرانسها (وزن ٪ ۲/۵): مشارکت دانشگاه در ارائههای کنفرانسی. در برخی رشتهها مثل مهندسی و کامپیوتر اهمیت زیادی داره.
• تأثیر نرمالشده استنادات (وزن ٪ ۱۰):میانگین تعداد استنادهایی که هر مقاله دریافت کرده با نرمالسازی نسبت به رشته. کیفیت علمی بهجای کمیت سنجیده میشه.
• تعداد کل استنادات (وزن ٪ ۷/۵): تعداد کل دفعاتی که به مقالات دانشگاه استناد شده. نشاندهنده تأثیرگذاری کلی پژوهشهای دانشگاهه.
• تعداد مقالات در ۱۰٪ برتر از لحاظ استناد (وزن ٪ ۱۲/۵): تعداد واقعی مقالههایی که در ۱۰٪ پرارجاعترین مقالات دنیا قرار دارن. یک شاخص مطلق از نفوذ علمی.
• درصد مقالات در ۱۰٪ برتر از لحاظ استناد (وزن ٪ ۱۰): نسبت این مقالات برجسته به کل تولیدات علمی دانشگاه. شاخص نسبی برای ارزیابی کیفیت کلی پژوهشها.
• همکاری بینالمللی نسبت به کشور (وزن ٪ ۵): میزان مشارکتهای علمی دانشگاه در مقایسه با سطح رایج همکاریهای بینالمللی در آن کشور خاص. کمک میکنه ارزیابی منصفانهتری داشته باشیم.
• همکاری بینالمللی کلی (وزن ٪ ۵): درصد مقالاتی که با پژوهشگران خارج از کشور نوشته شدن. نشانهای از تعاملات علمی فرامرزی.
• تعداد مقالات در ۱٪ برتر از لحاظ استناد در رشته (وزن ٪ ۵): تعداد مقالههایی که جزو فوقالعادهترینها از نظر تأثیر علمی در رشته خودشون بودن. شاخصی مطلق و برجسته.
• درصد مقالات در ۱٪ برتر از لحاظ استناد (وزن ٪ ۵): نسبت این مقالهها به کل تولیدات دانشگاه. نشون میده کیفیت متوسط خروجیها چقدره.
وقتی سنگاپور از دل محدودیتها، به قلههای علمی رسید
در میان ۳۰ دانشگاه تحقیقاتی برتر جهان در سال ۲۰۲۵، تنها ۴ دانشگاه آسیایی حضور دارند. در صدر آنها، دانشگاه تسینگوا از چین با رتبه ۱۱ قرار دارد که همرتبه با امپریال کالج لندن است. پس از آن، دانشگاه ملی سنگاپور (NUS) با رتبه ۲۰، دانشگاه پکن با رتبه ۲۵، و دانشگاه فنی نانیانگ (NTU) از سنگاپور با رتبه ۲۸ دیده میشوند.
نکته قابلتأمل اینجاست: هیچ دانشگاهی از ژاپن در این لیست حضور ندارد، اما دو دانشگاه از سنگاپور در جمع برترینها هستند. این یعنی سنگاپور، در کنار چین، به یکی از وزنههای علمی آسیا تبدیل شده است.
اما برای درک بهتر این موفقیت، کافیست نگاهی ساده به ابعاد این کشور بیندازیم:
• وسعت سنگاپور: فقط ۷۲۸ کیلومتر مربع
• جمعیت: حدود ۶ میلیون نفر
• منابع طبیعی: تقریباً هیچ! نه نفت، نه معدن، نه زمین کشاورزی گسترده...
در مقابل، ایران با وسعتی بالغ بر ۱٬۶۴۸٬۱۹۵ کیلومتر مربع، جمعیتی بالغ بر ۹۰ میلیون نفر، و منابع طبیعی عظیم، هنوز نتوانسته جایگاهی مشابه در رتبهبندی علمی جهانی کسب کند.
مقالهای از زومیت با عنوان «سنگاپور چگونه از فقر مطلق به اوج ثروت رسید؟» روایت میکند که این کشور کوچک، طی ۶۰ سال گذشته، با بازطراحی کامل ساختارهای آموزشی، اقتصادی و حکمرانی، به یکی از ثروتمندترین و علمیترین کشورهای جهان تبدیل شده است. بدون منابع طبیعی، اما با سرمایهگذاری روی منابع انسانی، نظم، و شایستهسالاری.
این مقایسه، هم حیرتانگیز است و هم تلنگری برای ما.
زومیت
نه نفت، نه معدن، نه جمعیت؛ سنگاپور چطور از فقر مطلق به اوج ثروت رسید؟ - زومیت
چگونه سنگاپور، جزیرهای تحت استعمار و تخریبشده با کمترین منابع طبیعی در طول ۶۰ سال به یکی از ثروتمندترین کشورهای جهان تبدیل شد؟
❤1👏1
ULTRA
Photo
تنها میرور رسمی ایران در شبکهٔ CRAN یعنی https://cran.um.ac.ir که توسط دانشگاه فردوسی مشهد مدیریت میشد، بهاحتمال زیاد بهدلیل اختلالات طولانیمدت در اینترنت بینالملل از لیست رسمی* میرورها در CRAN کنار گذاشته شده؛ هرچند از نظر فنی همچنان قابل دسترسی است و به درخواستهای کاربران پاسخ میدهد.
این میرور برای مدت طولانی خدمات مهمی به کاربران R در ایران ارائه میداد، اما طبق گزارش رسمی CRAN، آخرین همگامسازی موفق این سرور بیش از ۳۶ روز پیش انجام شده و وضعیت آن به حالت "no time" ثبت شده است—یعنی هماکنون نه در لیست انتخابی تابع chooseCRANmirror() دیده میشود، نه در صفحه رسمی میرورها.
در مقایسه، کشورهایی مانند ترکیه و امارات با زیرساختهایی بهنسبت پایدارتر، میرورهایی فعال و بهروز دارند که از سوی دانشگاههایی مانند Pamukkale University و NYU Abu Dhabi پشتیبانی میشوند.
این تغییر نه حاصل کمکاری تیم میزبان ایرانی، بلکه به احتمال زیاد پیامد مستقیم اختلال در دسترسی پایدار به اینترنت بینالملل است.
کاربران R در ایران همچنان میتوانند با تنظیم دستی آدرس میرور ایران، به آن متصل شوند ولی بهروزرسانی اخیر را در اختیار نخواهند داشت (تا زمانی که میرور ایران بهروزرسانی شود).
امیدواریم با پایدارتر شدن شرایط، این میرور ارزشمند دوباره به لیست رسمی CRAN بازگردد؛ چراکه میرورها فقط یک سرور نیستند، بلکه نشانهای از حضور و سهم علمی یک کشور در جریان آزاد دانش و نرمافزار جهانیاند.
همچنین من در [ اینجا ] یک اسکریپت را برای بررسی در دسترس بودن چند میرور خاص (ایران، امارات، ترکیه و میرور جهانی) و همچنین سرعت پاسخدهی آنها نوشتهام که خروجی نشان میدهد میرور ایران در دسترس است و حتی سرعت پاسخدهی خیلی بالاتری نسبت به بقیه میرورها دارد.
* منظور از لیست رسمی، لیستی است که در لینک پایین قرار دارد:
https://cran.r-project.org/mirrors.html
این میرور برای مدت طولانی خدمات مهمی به کاربران R در ایران ارائه میداد، اما طبق گزارش رسمی CRAN، آخرین همگامسازی موفق این سرور بیش از ۳۶ روز پیش انجام شده و وضعیت آن به حالت "no time" ثبت شده است—یعنی هماکنون نه در لیست انتخابی تابع chooseCRANmirror() دیده میشود، نه در صفحه رسمی میرورها.
در مقایسه، کشورهایی مانند ترکیه و امارات با زیرساختهایی بهنسبت پایدارتر، میرورهایی فعال و بهروز دارند که از سوی دانشگاههایی مانند Pamukkale University و NYU Abu Dhabi پشتیبانی میشوند.
این تغییر نه حاصل کمکاری تیم میزبان ایرانی، بلکه به احتمال زیاد پیامد مستقیم اختلال در دسترسی پایدار به اینترنت بینالملل است.
کاربران R در ایران همچنان میتوانند با تنظیم دستی آدرس میرور ایران، به آن متصل شوند ولی بهروزرسانی اخیر را در اختیار نخواهند داشت (تا زمانی که میرور ایران بهروزرسانی شود).
options(repos = c(CRAN = "https://cran.um.ac.ir"))
امیدواریم با پایدارتر شدن شرایط، این میرور ارزشمند دوباره به لیست رسمی CRAN بازگردد؛ چراکه میرورها فقط یک سرور نیستند، بلکه نشانهای از حضور و سهم علمی یک کشور در جریان آزاد دانش و نرمافزار جهانیاند.
همچنین من در [ اینجا ] یک اسکریپت را برای بررسی در دسترس بودن چند میرور خاص (ایران، امارات، ترکیه و میرور جهانی) و همچنین سرعت پاسخدهی آنها نوشتهام که خروجی نشان میدهد میرور ایران در دسترس است و حتی سرعت پاسخدهی خیلی بالاتری نسبت به بقیه میرورها دارد.
* منظور از لیست رسمی، لیستی است که در لینک پایین قرار دارد:
https://cran.r-project.org/mirrors.html
GitHub
R_Fancy/checkCranMirrors.md at master · stats9/R_Fancy
In this repository, software applications in simulation and visualization for various applications are presented with interesting examples. - stats9/R_Fancy
👍2😢1
ULTRA
Photo
هوش مصنوعی در حال بازطراحی بازار کار است | آیا شغل شما در لیست خطر قرار دارد؟
بر اساس مطالعهای تازه از Microsoft Research
۴۰ شغل در معرض بیشترین تأثیر از ابزارهای هوش مصنوعی قرار دارند از نویسندگان و مترجمان گرفته تا تحلیلگران داده و توسعهدهندگان وب. در مقابل، ۴۰ شغل دیگر فعلاً از خطر اتوماسیون در امان هستند، بهویژه آنهایی که نیاز به حضور فیزیکی یا تعامل انسانی دارند.
این مطالعه با معرفی شاخصی به نام AI Applicability Score، میزان همپوشانی وظایف شغلی با تواناییهای فعلی هوش مصنوعی مانند Copilot و ChatGPT را بررسی کرده است.
مشاغل در معرض خطر:
• نویسندگان، مترجمان، خبرنگاران
• پشتیبانی مشتری، تحلیلگران کسبوکار
• توسعهدهندگان وب، ویراستاران، متخصصان روابط عمومی
مشاغل مقاوم در برابر فرایند اتوماسیون (هوش مصنوعی):
• پرستاران، ماساژ درمانگران، تکنسینهای جراحی
• کارگران ساختمانی، اپراتورهای ماشینآلات، برقکاران
مایکروسافت تأکید میکند که هدف این مطالعه پیشبینی حذف شغلها نیست، بلکه نشان دادن نقاطی است که AI میتواند بهرهوری را افزایش دهد. با این حال، بسیاری از کارشناسان هشدار دادهاند که این تحول ممکن است به کاهش نیروی انسانی در برخی حوزهها منجر شود.
[ منبع ]
بر اساس مطالعهای تازه از Microsoft Research
۴۰ شغل در معرض بیشترین تأثیر از ابزارهای هوش مصنوعی قرار دارند از نویسندگان و مترجمان گرفته تا تحلیلگران داده و توسعهدهندگان وب. در مقابل، ۴۰ شغل دیگر فعلاً از خطر اتوماسیون در امان هستند، بهویژه آنهایی که نیاز به حضور فیزیکی یا تعامل انسانی دارند.
این مطالعه با معرفی شاخصی به نام AI Applicability Score، میزان همپوشانی وظایف شغلی با تواناییهای فعلی هوش مصنوعی مانند Copilot و ChatGPT را بررسی کرده است.
مشاغل در معرض خطر:
• نویسندگان، مترجمان، خبرنگاران
• پشتیبانی مشتری، تحلیلگران کسبوکار
• توسعهدهندگان وب، ویراستاران، متخصصان روابط عمومی
مشاغل مقاوم در برابر فرایند اتوماسیون (هوش مصنوعی):
• پرستاران، ماساژ درمانگران، تکنسینهای جراحی
• کارگران ساختمانی، اپراتورهای ماشینآلات، برقکاران
مایکروسافت تأکید میکند که هدف این مطالعه پیشبینی حذف شغلها نیست، بلکه نشان دادن نقاطی است که AI میتواند بهرهوری را افزایش دهد. با این حال، بسیاری از کارشناسان هشدار دادهاند که این تحول ممکن است به کاهش نیروی انسانی در برخی حوزهها منجر شود.
[ منبع ]
Windows Central
AI threatens to eliminate 40 job roles, according to Microsoft's latest research finding — Is your career safe?
A Microsoft Research paper has listed out 40 professions it believes are most at risk from the rise of AI, as well as 40 professions that should be safe (at least for now...)
👍1🔥1
Ultra_stats9_Thematic.pdf
128.9 KB
مدتی پیش درگیر پروژهای بودم که شامل #تحلیل_تماتیک روی بیش از هزار فایل PDF بود.
برخی از این فایلها چند هزار صفحه داشتند. در ابتدا قصد داشتم از مدلهای زبانی بزرگ (LLMها) برای کشف تمها استفاده کنم، اما با توجه به حجم عظیم دادهها و محدودیتهای نسخههای رایگان، بهسرعت متوجه شدم که باید سراغ راهحلهای قابلاتکاتری بروم.
نتیجه؟ #پایتون.
این پروژه نقطه شروعی شد برای تهیه یک معرفی مقدماتی از تحلیل تماتیک با تمرکز بر ابزارهای متنباز و قابل اجرا در سیستمهای محلی.
اگر به تحلیل دادههای متنی، کشف تمهای پنهان، یا ترکیب NLP با #یادگیری_ماشین علاقهمندید، این سند میتونه جالب باشه!
برخی از این فایلها چند هزار صفحه داشتند. در ابتدا قصد داشتم از مدلهای زبانی بزرگ (LLMها) برای کشف تمها استفاده کنم، اما با توجه به حجم عظیم دادهها و محدودیتهای نسخههای رایگان، بهسرعت متوجه شدم که باید سراغ راهحلهای قابلاتکاتری بروم.
نتیجه؟ #پایتون.
این پروژه نقطه شروعی شد برای تهیه یک معرفی مقدماتی از تحلیل تماتیک با تمرکز بر ابزارهای متنباز و قابل اجرا در سیستمهای محلی.
اگر به تحلیل دادههای متنی، کشف تمهای پنهان، یا ترکیب NLP با #یادگیری_ماشین علاقهمندید، این سند میتونه جالب باشه!
👏2
ULTRA
Photo
هوش مصنوعی جدید OpenAI یعنی GPT-5 منتشر شد | جهشی بزرگ در مسیر هوش عمومی مصنوعی (AGI)
کمپانی OpenAI رسماً از مدل جدید خود، GPT-5 رونمایی کرد؛ مدلی که به گفتهی سم آلتمن، «برای اولین بار حس صحبت با یک متخصص واقعی را منتقل میکند». این مدل نسبت به نسخههای قبلی، در چندین زمینه بهبود چشمگیر داشته است:
ویژگیهای برجسته GPT-5:
- کاهش نرخ توهم و تولید پاسخهای نادرست
- توانایی انجام وظایف چندمرحلهای و بازیابی از اشتباهات
- تعامل مؤثر با ابزارهای خارجی و حفظ انسجام در جریانهای کاری پیچیده
- عملکرد بهتر در برنامهنویسی و ریاضیات کاربردی
- معرفی سیستم جدید Safe Completions برای پاسخگویی ایمن به سوالات حساس
این مدل برای کاربران رایگان ChatGPT نیز در دسترس خواهد بود (با محدودیت مصرف)، و همچنین از طریق API برای توسعهدهندگان و کسبوکارها قابل استفاده است.
تحولات همزمان در اکوسیستم OpenAI:
- عرضه دو مدل Open-weight برای اجرا روی دستگاههای نسبتا معمولی
- پیشنهاد ارائه ChatGPT به نهادهای دولتی با هزینهی ۱ دلار برای هر سازمان
- معرفی قابلیتهای جدید مرتبط با سلامت روان دیجیتال
- رشد چشمگیر کاربران هفتگی ChatGPT تا ۷۰۰ میلیون نفر
- جذب سرمایهی ۸.۳ میلیارد دلاری با ارزشگذاری ۳۰۰ میلیارد دلار و احتمال فروش ثانویه با ارزشگذاری ۵۰۰ میلیارد دلار
مسیر به سوی AGI
آلتمن تأکید کرده که GPT-5 گامی مهم در مسیر دستیابی به هوش عمومی مصنوعی (AGI) است، هرچند هنوز برخی ویژگیهای کلیدی مانند یادگیری پیوسته در حین استفاده، در این مدل وجود ندارد.
رقابت داغ در حوزه هوش مصنوعی
در کنار OpenAI، شرکتهایی مانند Google، Anthropic، Cohere و Apple نیز با معرفی مدلها و پلتفرمهای جدید، رقابت را به شدت افزایش دادهاند. از جمله:
- Google با سرمایهگذاری ۱ میلیارد دلاری برای آموزش AI در دانشگاهها
- Anthropic با عرضه Claude Opus 4.1
- Apple با توسعه موتور پاسخگو برای Siri و Safari
- Cohere با پلتفرم عاملمحور North
همزمان با رونمایی عمومی GPT-5 توسط OpenAI، شرکت مایکروسافت نیز اعلام کرده که این مدل از امروز در پلتفرمهای اصلی خود در دسترس قرار گرفته است. این پلتفرمها شامل موارد زیر هستند:
• Microsoft 365 Copilot
• Copilot (دستیار هوشمند مایکروسافت)
• GitHub Copilot
• Azure AI Foundry
به گفتهی مایکروسافت، GPT-5 قدرتمندترین مدل تولیدشده توسط OpenAI تا به امروز است و پیشرفتهای قابل توجهی در زمینههای استدلال، کدنویسی و تعاملات گفتوگویی دارد. این مدل بهطور کامل روی زیرساخت ابری Azure آموزش دیده است.
مایکروسافت همچنین به نقطهی عطفی در تاریخ همکاری خود با OpenAI اشاره کرده: معرفی GPT-4 در مقر ردموند تنها دو سال و نیم پیش، و حالا با گذشت این مدت کوتاه، GPT-5 بهعنوان یک جهش بزرگ در مسیر توسعه هوش مصنوعی معرفی شده است.
این خبر نشاندهندهی همگرایی راهبردی میان OpenAI و مایکروسافت در جهت ارائه مدلهای پیشرفتهتر به کاربران نهایی، توسعهدهندگان و سازمانهاست. با توجه به سرعت فزایندهی پیشرفتها، انتظار میرود GPT-5 نقش مهمی در تحول ابزارهای هوشمند، اتوماسیون سازمانی و تجربهی کاربری ایفا کند.
کمپانی OpenAI رسماً از مدل جدید خود، GPT-5 رونمایی کرد؛ مدلی که به گفتهی سم آلتمن، «برای اولین بار حس صحبت با یک متخصص واقعی را منتقل میکند». این مدل نسبت به نسخههای قبلی، در چندین زمینه بهبود چشمگیر داشته است:
ویژگیهای برجسته GPT-5:
- کاهش نرخ توهم و تولید پاسخهای نادرست
- توانایی انجام وظایف چندمرحلهای و بازیابی از اشتباهات
- تعامل مؤثر با ابزارهای خارجی و حفظ انسجام در جریانهای کاری پیچیده
- عملکرد بهتر در برنامهنویسی و ریاضیات کاربردی
- معرفی سیستم جدید Safe Completions برای پاسخگویی ایمن به سوالات حساس
این مدل برای کاربران رایگان ChatGPT نیز در دسترس خواهد بود (با محدودیت مصرف)، و همچنین از طریق API برای توسعهدهندگان و کسبوکارها قابل استفاده است.
تحولات همزمان در اکوسیستم OpenAI:
- عرضه دو مدل Open-weight برای اجرا روی دستگاههای نسبتا معمولی
- پیشنهاد ارائه ChatGPT به نهادهای دولتی با هزینهی ۱ دلار برای هر سازمان
- معرفی قابلیتهای جدید مرتبط با سلامت روان دیجیتال
- رشد چشمگیر کاربران هفتگی ChatGPT تا ۷۰۰ میلیون نفر
- جذب سرمایهی ۸.۳ میلیارد دلاری با ارزشگذاری ۳۰۰ میلیارد دلار و احتمال فروش ثانویه با ارزشگذاری ۵۰۰ میلیارد دلار
مسیر به سوی AGI
آلتمن تأکید کرده که GPT-5 گامی مهم در مسیر دستیابی به هوش عمومی مصنوعی (AGI) است، هرچند هنوز برخی ویژگیهای کلیدی مانند یادگیری پیوسته در حین استفاده، در این مدل وجود ندارد.
رقابت داغ در حوزه هوش مصنوعی
در کنار OpenAI، شرکتهایی مانند Google، Anthropic، Cohere و Apple نیز با معرفی مدلها و پلتفرمهای جدید، رقابت را به شدت افزایش دادهاند. از جمله:
- Google با سرمایهگذاری ۱ میلیارد دلاری برای آموزش AI در دانشگاهها
- Anthropic با عرضه Claude Opus 4.1
- Apple با توسعه موتور پاسخگو برای Siri و Safari
- Cohere با پلتفرم عاملمحور North
همزمان با رونمایی عمومی GPT-5 توسط OpenAI، شرکت مایکروسافت نیز اعلام کرده که این مدل از امروز در پلتفرمهای اصلی خود در دسترس قرار گرفته است. این پلتفرمها شامل موارد زیر هستند:
• Microsoft 365 Copilot
• Copilot (دستیار هوشمند مایکروسافت)
• GitHub Copilot
• Azure AI Foundry
به گفتهی مایکروسافت، GPT-5 قدرتمندترین مدل تولیدشده توسط OpenAI تا به امروز است و پیشرفتهای قابل توجهی در زمینههای استدلال، کدنویسی و تعاملات گفتوگویی دارد. این مدل بهطور کامل روی زیرساخت ابری Azure آموزش دیده است.
مایکروسافت همچنین به نقطهی عطفی در تاریخ همکاری خود با OpenAI اشاره کرده: معرفی GPT-4 در مقر ردموند تنها دو سال و نیم پیش، و حالا با گذشت این مدت کوتاه، GPT-5 بهعنوان یک جهش بزرگ در مسیر توسعه هوش مصنوعی معرفی شده است.
این خبر نشاندهندهی همگرایی راهبردی میان OpenAI و مایکروسافت در جهت ارائه مدلهای پیشرفتهتر به کاربران نهایی، توسعهدهندگان و سازمانهاست. با توجه به سرعت فزایندهی پیشرفتها، انتظار میرود GPT-5 نقش مهمی در تحول ابزارهای هوشمند، اتوماسیون سازمانی و تجربهی کاربری ایفا کند.
👍1🔥1
ULTRA
Ultra_stats9_ASA_Awards.pdf
وقتی از آزمون MANOVA برای تحلیل آنالیز واریانس در دادههای چند متغیره استفاده میکنیم، قطعا آزمون ویلکس و آماره این آزمون یکی از رویکردها میتونه باشه. ساموئل ویلکس استاد جان توکی افسانهای خالق این آزمون است. نکتهای که در مورد ساموئل ویلکس وجود داره کمک فراوانی است که این دانشمند برجسته آمار در بهبود صنعت کنترل کیفیت چه در رده نظامی و جه صنعتی به دولت آمریکا کرده است.
ویلفرد جوزف دیکسون از اولین آماردانانی بود که بر اهمیت مشاوره آماری تأکید داشت او که دکترای آمار ریاضی خود را از پرینستون گرفته و استاد دانشگاه UCLA بود در دهه ۶۰ میلادی یکی از اولین نرمافزارهای آماری BMDP را برای تحلیل دادههای زیست پزشکی خلق کرد. اولین کتاب آماری به زبان غیر ریاضی را برای مخاطبان عام نوشت و اواخر عمرش را وقف ترویج مشاوره آماری و اهمیت آن پرداخت.
رویداد JSM بزرگترین گردهمایی آمارشناسان در آمریکای شمالی از دهه ۱۹۷۰ تاکنون، توسط انجمنهای ASA، IMS، SSC و COPSS برگزار میشود. در این مراسم جوایزی مانند COPSS Presidents’ Award، ASA Founders Award و David Cox Medal برای تقدیر از نوآوری و تأثیر علمی اهدا خواهد شد.
دو تا از برترین جوایز این رویداد به افتخار دانشمندانی است که در بالا از آنها نام برده شد.
ویلفرد جوزف دیکسون از اولین آماردانانی بود که بر اهمیت مشاوره آماری تأکید داشت او که دکترای آمار ریاضی خود را از پرینستون گرفته و استاد دانشگاه UCLA بود در دهه ۶۰ میلادی یکی از اولین نرمافزارهای آماری BMDP را برای تحلیل دادههای زیست پزشکی خلق کرد. اولین کتاب آماری به زبان غیر ریاضی را برای مخاطبان عام نوشت و اواخر عمرش را وقف ترویج مشاوره آماری و اهمیت آن پرداخت.
رویداد JSM بزرگترین گردهمایی آمارشناسان در آمریکای شمالی از دهه ۱۹۷۰ تاکنون، توسط انجمنهای ASA، IMS، SSC و COPSS برگزار میشود. در این مراسم جوایزی مانند COPSS Presidents’ Award، ASA Founders Award و David Cox Medal برای تقدیر از نوآوری و تأثیر علمی اهدا خواهد شد.
دو تا از برترین جوایز این رویداد به افتخار دانشمندانی است که در بالا از آنها نام برده شد.
👏2
ML_Courses.pdf
78.5 KB
دکتر فرهاد پورکمالی استاد دانشگاه کلرادو، یک کتاب آنلاین با #ژوپیتر_نوتبوک طراحی کردند برای دوره #یادگیری_ماشین که شامل #شبکه_عصبی هم میشه.
این کتاب هم شامل روابط ریاضی است و هم کدهای برنامه نویسی.
این دوره شامل: یک شمایل کلی از #یادگیری_ماشین و الگوریتمهای آن و البته نگاهی پایه به برنامهنویسی #پایتون، الگوریتمهای یادگیری با نظارت و بدون نظارت مفاهیم ریاضی پشت هر کدام و البته ایجاد شبکههای عصبی MLP در کراس همراه با آموزش مقدماتی کار با کراس.
[ لینک کتاب ]
این کتاب هم شامل روابط ریاضی است و هم کدهای برنامه نویسی.
این دوره شامل: یک شمایل کلی از #یادگیری_ماشین و الگوریتمهای آن و البته نگاهی پایه به برنامهنویسی #پایتون، الگوریتمهای یادگیری با نظارت و بدون نظارت مفاهیم ریاضی پشت هر کدام و البته ایجاد شبکههای عصبی MLP در کراس همراه با آموزش مقدماتی کار با کراس.
[ لینک کتاب ]
❤2🔥1
ULTRA
Photo
مدل LUNAR: گامی نو در پیشبینی بازگشت گلیوما با یادگیری عمیق چندمنبعی
در مقالهای تازه منتشرشده در Nature Communications Medicine، پژوهشگران مدلی چندمنبعی با نام LUNAR معرفی کردهاند که با بهرهگیری از دادههای بالینی، جهشهای ژنتیکی و بیان ژنها، زمان بازگشت تومور مغزی گلیوما را با دقت بالا پیشبینی میکند.
دستاوردهای کلیدی:
- عملکرد قابلاتکا در دو پایگاه داده مستقل TCGA و GLASS با AUROC حدود 82 درصد
- تحلیل ویژگیهای مؤثر با روشهای قابل تفسیر
- طراحی معماری attention-based برای ترکیب دادههای ناهمگون
روشهای آماری و یادگیری ماشین بهکاررفته:
- یادگیری عمیق با مکانیزمهای توجه (Attention Mechanisms)
- تطبیق دامنه با تابع زیان CORAL Loss برای افزایش تعمیمپذیری
- انتخاب ویژگی با منظمسازی L1 Regularization
- تحلیل اهمیت ویژگیها با SHAP و توجه مبتنی بر پرسشهای یادگرفتهشده (Learned Query Attention)
- مقایسه با مدلهای کلاسیک مانند رگرسیون لجستیک، KNN، SVM و Xgboost.
[ مطالعه کامل مقاله ]
این پژوهش نمونهای برجسته از تلفیق آمار زیستی، یادگیری ماشین و پزشکی شخصی در مسیر توسعه مدلهای پیشبینیگر بالینی است.
واژهنامه:
- Attention Mechanisms: الگوریتمهایی که به مدل اجازه میدهند روی بخشهای مهم داده تمرکز کند
- CORAL Loss: تابع زیان تطبیق همپراکندگی؛ برای کاهش تفاوت آماری بین دو مجموعه داده
- L1 Regularization: روشی برای انتخاب ویژگیهای مهم با صفر کردن ضرایب غیرضروری
- SHAP: روشی برای تحلیل سهم هر ویژگی در خروجی مدل
- Learned Query Attention: مکانیزمی برای تمرکز مدل روی اطلاعات کلیدی در دادههای پیچیده
#معرفی_مقاله
در مقالهای تازه منتشرشده در Nature Communications Medicine، پژوهشگران مدلی چندمنبعی با نام LUNAR معرفی کردهاند که با بهرهگیری از دادههای بالینی، جهشهای ژنتیکی و بیان ژنها، زمان بازگشت تومور مغزی گلیوما را با دقت بالا پیشبینی میکند.
دستاوردهای کلیدی:
- عملکرد قابلاتکا در دو پایگاه داده مستقل TCGA و GLASS با AUROC حدود 82 درصد
- تحلیل ویژگیهای مؤثر با روشهای قابل تفسیر
- طراحی معماری attention-based برای ترکیب دادههای ناهمگون
روشهای آماری و یادگیری ماشین بهکاررفته:
- یادگیری عمیق با مکانیزمهای توجه (Attention Mechanisms)
- تطبیق دامنه با تابع زیان CORAL Loss برای افزایش تعمیمپذیری
- انتخاب ویژگی با منظمسازی L1 Regularization
- تحلیل اهمیت ویژگیها با SHAP و توجه مبتنی بر پرسشهای یادگرفتهشده (Learned Query Attention)
- مقایسه با مدلهای کلاسیک مانند رگرسیون لجستیک، KNN، SVM و Xgboost.
[ مطالعه کامل مقاله ]
این پژوهش نمونهای برجسته از تلفیق آمار زیستی، یادگیری ماشین و پزشکی شخصی در مسیر توسعه مدلهای پیشبینیگر بالینی است.
واژهنامه:
- Attention Mechanisms: الگوریتمهایی که به مدل اجازه میدهند روی بخشهای مهم داده تمرکز کند
- CORAL Loss: تابع زیان تطبیق همپراکندگی؛ برای کاهش تفاوت آماری بین دو مجموعه داده
- L1 Regularization: روشی برای انتخاب ویژگیهای مهم با صفر کردن ضرایب غیرضروری
- SHAP: روشی برای تحلیل سهم هر ویژگی در خروجی مدل
- Learned Query Attention: مکانیزمی برای تمرکز مدل روی اطلاعات کلیدی در دادههای پیچیده
#معرفی_مقاله
Nature
A deep learning model to predict glioma recurrence using integrated genomic and clinical data
Communications Medicine - Patricoski-Chavez et al. use a deep learning-based model with attention mechanisms that integrates clinical, mutation, and mRNA expression data from patients to predict...
👍1👏1
وقتی دولت با اعداد بازی میکند/ درآمد روزانه ۳۳۳ هزار تومان، یعنی دهک بالا و حذف یارانه!
[ لینک خبر ]
وزارت رفاه اعلام کرده خانوارهایی که سرانه درآمد ماهانه بالای ۱۰ میلیون تومان بعد از کسر اجاره داشته باشند، جزو دهکهای پردرآمد هستند و یارانه آنها قطع میشود.
این معیار جدید با شرایطی که در سال ۱۴۰۳ از طریق منابع رسمی گزارش میشد، فرق دارد. طبق منابع در آن زمان، ملاک مجموع درآمد خانوار متناسب با تعداد اعضا بود. برای مثال برای یک خانوار چهار نفره، سقف درآمد حدود ۵۲ و نیم میلیون تومان تعیین شده بود.
تفاوت این دو روش باعث سردرگمی شده است. در روش جدید اگر خانوادهای در شهری با اجاره سنگین زندگی کند، با وجود درآمد بالا همچنان تحت فشار است اما یارانهاش حذف میشود. در حالی که خانوادهای با همان درآمد در شهری کوچک و بدون اجاره، شرایط بهتری دارد.
از نظر آماری، شاخص سرانه درآمد معیار دقیقی برای رفاه نیست. در سیاستگذاری درست باید به توزیع درآمد، نسبت هزینه مسکن به درآمد و خط فقر منطقهای توجه شود.
جمعبندی این است که استفاده از معیارهای ساده و یکبعدی میتواند به حذف ناعادلانه یارانه منجر شود و اعتماد عمومی را کاهش دهد. سیاستهای حمایتی نیازمند شفافیت و استفاده از شاخصهای علمی و عادلانه هست.
[ لینک خبر ]
وقتی معیار حذف یارانه با آمار بازی میکند
وزارت رفاه اعلام کرده خانوارهایی که سرانه درآمد ماهانه بالای ۱۰ میلیون تومان بعد از کسر اجاره داشته باشند، جزو دهکهای پردرآمد هستند و یارانه آنها قطع میشود.
این معیار جدید با شرایطی که در سال ۱۴۰۳ از طریق منابع رسمی گزارش میشد، فرق دارد. طبق منابع در آن زمان، ملاک مجموع درآمد خانوار متناسب با تعداد اعضا بود. برای مثال برای یک خانوار چهار نفره، سقف درآمد حدود ۵۲ و نیم میلیون تومان تعیین شده بود.
تفاوت این دو روش باعث سردرگمی شده است. در روش جدید اگر خانوادهای در شهری با اجاره سنگین زندگی کند، با وجود درآمد بالا همچنان تحت فشار است اما یارانهاش حذف میشود. در حالی که خانوادهای با همان درآمد در شهری کوچک و بدون اجاره، شرایط بهتری دارد.
از نظر آماری، شاخص سرانه درآمد معیار دقیقی برای رفاه نیست. در سیاستگذاری درست باید به توزیع درآمد، نسبت هزینه مسکن به درآمد و خط فقر منطقهای توجه شود.
جمعبندی این است که استفاده از معیارهای ساده و یکبعدی میتواند به حذف ناعادلانه یارانه منجر شود و اعتماد عمومی را کاهش دهد. سیاستهای حمایتی نیازمند شفافیت و استفاده از شاخصهای علمی و عادلانه هست.
تابناک | TABNAK
وقتی دولت با اعداد بازی میکند/ درآمد روزانه ۳۳۳ هزار تومان، یعنی دهک بالا و حذف یارانه!
در حالی که فشار هزینههای زندگی هر روز سنگینتر میشود، وزارت رفاه با تکیه بر معیارهایی مبهم و تاریخگذشته، در تلاش است جمع زیادی از خانوارها را از فهرست یارانهبگیران کنار بزند.
👍1
امتیاز CiteScore یک شاخص مبتنی بر اسکوپوس برای سنجش تاثیر علمی مجلات است که به صورت سالانه منتشر میشود. این شاخص از تقسیم تعداد استنادهای دریافتشده به مدارک منتشرشده در یک بازه ۴ ساله به دست میآید. به طور مشخص:
- محاسبه: تعداد کل استنادهای دریافتی در سالهای ۲۰۲۱ تا ۲۰۲۴ به مقالات، مرورها، مقالات کنفرانس، فصلهای کتاب و مقالات دادهای منتشرشده در همان بازه (۲۰۲۱–۲۰۲۴) تقسیم بر تعداد کل این مدارک منتشرشده.
این شاخص به صورت سالانه به روز میشود و معیاری برای مقایسه مجلات در یک حوزه موضوعی فراهم میکند.
خلاصهای از گزارش مجلات علوم پزشکی ایران در Scopus بر اساس CiteScore 2024
در این گزارش، ۲۰۶ مجله علوم پزشکی ایران نمایهشده در Scopus مورد بررسی قرار گرفتهاند. امتیاز CiteScore، تغییرات نسبت به سال قبل، چارک مجله و درصد مقالات مورد استناد قرار گرفته از جمله معیارهای گزارش هستند.
ده مجله برتر بر اساس CiteScore 2024:
1. Asian Journal of Social Health and Behavior
ناشر: MedKnow
مقدار CiteScore در سال ۲۰۲۴: 9.7
2. Journal of Environmental Health Science and Engineering
ناشر: Springer
مقدار CiteScore در سال ۲۰۲۴: 8.2
3. International Journal of Health Policy and Management
ناشر: دانشگاه علوم پزشکی کرمان
مقدار CiteScore در سال ۲۰۲۴: 7.1
4. Advanced Pharmaceutical Bulletin
ناشر: دانشگاه علوم پزشکی تبریز
مقدار CiteScore در سال ۲۰۲۴: 6.4
5. Health Promotion Perspectives
ناشر: دانشگاه علوم پزشکی تبریز
مقدار CiteScore در سال ۲۰۲۴: 6.1
6. BioImpacts
ناشر: دانشگاه علوم پزشکی تبریز
مقدار CiteScore در سال ۲۰۲۴: 4.7
7. DARU: Journal of Pharmaceutical Sciences
ناشر: Springer –
مقدار CiteScore در سال ۲۰۲۴: 4.2
8. Iranian Journal of Basic Medical Sciences
ناشر: دانشگاه علوم پزشکی مشهد
مقدار CiteScore در سال ۲۰۲۴: 4.2
9. Avicenna Journal of Phytomedicine
ناشر: دانشگاه علوم پزشکی مشهد
مقدار CiteScore در سال ۲۰۲۴: 4.1
10. Research in Pharmaceutical Sciences
ناشر: دانشگاه علوم پزشکی اصفهان
مقدار CiteScore در سال ۲۰۲۴: 3.9
وضعیت مجلات انتشارات دانشگاه علوم پزشکی شیراز:
رتبه ۱۵: Journal of Advances in Medical Education and Professionalism
امتیاز CiteScore: 3.6
رتبه ۲۱: International Journal of Community Based Nursing and Midwifery
امتیاز CiteScore: 3.3
رتبه ۲۵: Journal of Biomedical Physics and Engineering
امتیاز CiteScore: 3
رتبه ۵۳: Iranian Journal of Immunology
امتیاز CiteScore: 2.2
رتبه ۸۳: International Journal of School Health
امتیاز CiteScore: 1.4
رتبه ۸۵: International Journal of Nutrition Sciences
امتیاز CiteScore: 1.4
رتبه ۸۹: Journal of Dentistry, Shiraz University of Medical Science
امتیاز CiteScore: 1.4
رتبه ۱۲۲: Journal of Health Sciences and Surveillance System
امتیاز CiteScore: 0.9
رتبه ۱۵۰: International Journal of Organ Transplantation Medicine
امتیاز CiteScore: 0.7
رتبه ۱۶۲: Journal of Rehabilitation Sciences and Research
امتیاز CiteScore: 0.6
رتبه ۱۸۰: International Cardiovasculaire
امتیاز CiteScore: 0.4
رتبه ۲۰۵: Sadra Medical Sciences Journal
امتیاز CiteScore: 0.1
این مجلات در حوزههای مختلف پزشکی فعال هستند و نقش موثری در تولید علم کشور ایفا میکنند.
- محاسبه: تعداد کل استنادهای دریافتی در سالهای ۲۰۲۱ تا ۲۰۲۴ به مقالات، مرورها، مقالات کنفرانس، فصلهای کتاب و مقالات دادهای منتشرشده در همان بازه (۲۰۲۱–۲۰۲۴) تقسیم بر تعداد کل این مدارک منتشرشده.
این شاخص به صورت سالانه به روز میشود و معیاری برای مقایسه مجلات در یک حوزه موضوعی فراهم میکند.
خلاصهای از گزارش مجلات علوم پزشکی ایران در Scopus بر اساس CiteScore 2024
در این گزارش، ۲۰۶ مجله علوم پزشکی ایران نمایهشده در Scopus مورد بررسی قرار گرفتهاند. امتیاز CiteScore، تغییرات نسبت به سال قبل، چارک مجله و درصد مقالات مورد استناد قرار گرفته از جمله معیارهای گزارش هستند.
ده مجله برتر بر اساس CiteScore 2024:
1. Asian Journal of Social Health and Behavior
ناشر: MedKnow
مقدار CiteScore در سال ۲۰۲۴: 9.7
2. Journal of Environmental Health Science and Engineering
ناشر: Springer
مقدار CiteScore در سال ۲۰۲۴: 8.2
3. International Journal of Health Policy and Management
ناشر: دانشگاه علوم پزشکی کرمان
مقدار CiteScore در سال ۲۰۲۴: 7.1
4. Advanced Pharmaceutical Bulletin
ناشر: دانشگاه علوم پزشکی تبریز
مقدار CiteScore در سال ۲۰۲۴: 6.4
5. Health Promotion Perspectives
ناشر: دانشگاه علوم پزشکی تبریز
مقدار CiteScore در سال ۲۰۲۴: 6.1
6. BioImpacts
ناشر: دانشگاه علوم پزشکی تبریز
مقدار CiteScore در سال ۲۰۲۴: 4.7
7. DARU: Journal of Pharmaceutical Sciences
ناشر: Springer –
مقدار CiteScore در سال ۲۰۲۴: 4.2
8. Iranian Journal of Basic Medical Sciences
ناشر: دانشگاه علوم پزشکی مشهد
مقدار CiteScore در سال ۲۰۲۴: 4.2
9. Avicenna Journal of Phytomedicine
ناشر: دانشگاه علوم پزشکی مشهد
مقدار CiteScore در سال ۲۰۲۴: 4.1
10. Research in Pharmaceutical Sciences
ناشر: دانشگاه علوم پزشکی اصفهان
مقدار CiteScore در سال ۲۰۲۴: 3.9
وضعیت مجلات انتشارات دانشگاه علوم پزشکی شیراز:
رتبه ۱۵: Journal of Advances in Medical Education and Professionalism
امتیاز CiteScore: 3.6
رتبه ۲۱: International Journal of Community Based Nursing and Midwifery
امتیاز CiteScore: 3.3
رتبه ۲۵: Journal of Biomedical Physics and Engineering
امتیاز CiteScore: 3
رتبه ۵۳: Iranian Journal of Immunology
امتیاز CiteScore: 2.2
رتبه ۸۳: International Journal of School Health
امتیاز CiteScore: 1.4
رتبه ۸۵: International Journal of Nutrition Sciences
امتیاز CiteScore: 1.4
رتبه ۸۹: Journal of Dentistry, Shiraz University of Medical Science
امتیاز CiteScore: 1.4
رتبه ۱۲۲: Journal of Health Sciences and Surveillance System
امتیاز CiteScore: 0.9
رتبه ۱۵۰: International Journal of Organ Transplantation Medicine
امتیاز CiteScore: 0.7
رتبه ۱۶۲: Journal of Rehabilitation Sciences and Research
امتیاز CiteScore: 0.6
رتبه ۱۸۰: International Cardiovasculaire
امتیاز CiteScore: 0.4
رتبه ۲۰۵: Sadra Medical Sciences Journal
امتیاز CiteScore: 0.1
این مجلات در حوزههای مختلف پزشکی فعال هستند و نقش موثری در تولید علم کشور ایفا میکنند.
❤1👏1
RSF_Stats9.pdf
68.6 KB
جنگل تصادفی بقا (RSF)
مدل Random Survival Forest روشی قدرتمند و غیرپارامتری برای تحلیل دادههای بقا با سانسور است که با گسترش ایده جنگل تصادفی، امکان پیشبینی زمان وقوع رویداد و شناسایی عوامل مهم را بدون نیاز به فرضهای محدودکننده فراهم میکند.
در این سند، مراحل اصلی الگوریتم، مزایا، چالشها و تفاوت پیادهسازی آن در R و Python مرور شده است.
اگر به تحلیل بقا، یادگیری ماشین و کاربردهای عملی آن در دادههای واقعی علاقهمندید، این فایل میتواند نقطه شروعی دقیق و کاربردی برای شما باشد.
[ لینک پیادهسازی و کدها ]
مدل Random Survival Forest روشی قدرتمند و غیرپارامتری برای تحلیل دادههای بقا با سانسور است که با گسترش ایده جنگل تصادفی، امکان پیشبینی زمان وقوع رویداد و شناسایی عوامل مهم را بدون نیاز به فرضهای محدودکننده فراهم میکند.
در این سند، مراحل اصلی الگوریتم، مزایا، چالشها و تفاوت پیادهسازی آن در R و Python مرور شده است.
اگر به تحلیل بقا، یادگیری ماشین و کاربردهای عملی آن در دادههای واقعی علاقهمندید، این فایل میتواند نقطه شروعی دقیق و کاربردی برای شما باشد.
[ لینک پیادهسازی و کدها ]
❤1👍1
Suicide_Stats9.pdf
141.7 KB
چرا خودکشی به لحاظ آماری باید برای یک کشور اهمیت داشته باشد؟
در این سند مروری بر آخرین آمار ارائه شده خودکشی در ایران خواهیم داشت و اشارهای کوتاه به این موضوع که اصولا چرا آمار خودکشی باید اهمیت داشته باشد، خواهیم کرد.
در این سند مروری بر آخرین آمار ارائه شده خودکشی در ایران خواهیم داشت و اشارهای کوتاه به این موضوع که اصولا چرا آمار خودکشی باید اهمیت داشته باشد، خواهیم کرد.
👍1👏1