🎉 روز دانشجو مبارک !
امروز بهونه خوبیه برای یادآوری اینکه تلاش‌هاتون، شب‌بیداری‌هاتون و همه سختی‌هایی که می‌کشید ارزشمند و قابل احترامه. امیدواریم مسیرتون پر از یادگیری‌های شیرین، موفقیت‌های بزرگ و لحظه‌های قشنگ باشه. به خودتون افتخار کنید، چون دانشجو بودن یعنی انتخاب راهی که آینده رو می‌سازه 🌱✨

📊@shustats    انجمن علمی آمار دانشگاه شیراز

#یادآوری
#انتخاب_واحد
#ثبت_نام_مقدماتی


📅 از تاریخ 1404/09/15 شروع شده و تا تاریخ 1404/09/19 ادامه دارد

🔹 توجه کنید:

• مرحله اول انتخاب واحد (بر اساس ورودی) مخصوص دانشجوهایی هست که هم ارزیابی اساتید رو انجام دادن و هم ثبت‌نام مقدماتی رو تکمیل کردن.


• مرحله دوم انتخاب واحد برای همه دانشجوها (تمام ورودی‌ها به‌صورت همزمان) باز خواهد بود.


❗️ ثبت‌نام مقدماتی خیلی اهمیت داره! چون:

• ظرفیت هر درس برای تشکیل و ارائه به تعداد ثبت‌نام‌کننده‌ها بستگی داره. اگه ظرفیت ثبت‌نام کم باشه، ممکنه اون درس اصلاً ارائه نشه.

• برای درس‌های عمومی، ثبت‌نام مقدماتی خیلی مهم‌تره! این کار به شما کمک می‌کنه همون مرحله اول، قبل از پر شدن ظرفیت، درس‌های عمومی موردنظرتون رو بردارید.

✅ حتما ثبت‌نام مقدماتی رو انجام بدید؛ هم ظرفیت‌ها بهتر مشخص میشه، هم تو انتخاب واحد خیلی راحت‌تر خواهید بود!

📊@shustats    انجمن علمی آمار دانشگاه شیراز

🎓 دوره‌ها همیشه دم دستت
اینجا می‌تونی دوره‌هایی که قبلاً برگزار شده رو به صورت آفلاین داشته باشی. یعنی لازم نیست نگران زمان یا جا باشی؛ هر وقت خواستی، می‌تونی راحت بشینی و ببینی.

📌 همه‌ی دوره‌ها ضبط شده‌ان و آماده‌ن
📌 موضوعات مختلف، از پایه تا پیشرفته
📌 مخصوص کسایی که کلاس زنده رو از دست دادن یا دوست دارن دوباره مرور کنن

لینک کانال:
https://t.me/statistics_shu_course

تفاوت بین عدد پی و ۳۵۵/۱۱۳ تنها حدود ۳ ده میلیونیم است.

#رندوم‌نامه

📊@shustats انجمن علمی آمار دانشگاه شیراز

🔔 واحد بهداشت مرکز پژوهش‌های علمی و فناوری دانشجویان با همکاری انجمن علمی مدیریت، اقتصاد و سیاستگذاری سلامت برگزار می‌کند:

💠 سلسله کارگاه های آموزش برنامه‌نویسی R
۵ جلسه آموزش آنلاین

® مباحث:
آشنایی با R و RStudio، داده‌خوانی، توابع و حلقه‌ها، ترسیمات و تحلیل‌های آماری

👤 مدرس:
حسین حسینی‌فرد
دانشجوی دکتری تخصصی آمار زیستی
پژوهشگر هوش مصنوعی
مدرس کارگاه‌های برنامه نویسی پایتون و یادگیری ماشین

🌐 آنلاین در بستر اسکای‌روم
📜 گواهی معتبر و  📹 ضبط جلسات

🗓 زمان برگزاری:  از ۲۵ آذر لغایت ۲۳ دی ماه ۱۴۰۴ (سه شنبه هر هفته)
⏰ ساعت ۱۴ الی ۱۶

💰 هزینه ثبت نام انفرادی: ۳۰۰ هزار تومان

تخفیف ثبت‌نام گروهی:
تیم ۳ نفره ۲۰٪ = ( ۲۴۰ هزار تومان)
تیم ۴ نفره ۴۰٪ تخفیف = (۱۸۰ هزار تومان)

👤 جهت اطلاعات بیشتر و ثبت‌نام با ID زیر در ارتباط باشید:

@sarakaveh1393
-_-_-_-_-_-_
🆔 @SSRC_Behdasht
🆔@SSRC_News

🔻- توی زندگی همیشه زمان مهمه.
مثل مسابقه فرمول یک، ثانیه ها اختلاف بین نفر اول و سایر شرکت کننده هارو تعیین میکنن. 🏎

هکاتون دقیقا همینه، جنگ ثانیه ها! 🕰

سعی کن اولین نفر باشی که وارد مسابقه میشه، زمانو تو دستت بگیر!

🔻- پیش‌هکاتون گرم کردن موتورهاست! یه رویداد کوتاه و فشرده برای آماده‌سازی.
با شبکه‌سازی و آشنایی با چالش‌ها، کاملاً آماده می‌شی که تو هکاتون اصلی بدرخشی.

اینجا نه فقط یک پنل انتقال تجربه، بلکه پُل ارتباط مستقیم با صنعته. نیازهای واقعی بازار را از زبان بنیان‌گذاران و مدیران محصول موفق بشنو و از تجربیاتشان برای ساختن ایده‌هایی که خریدار دارن الهام بگیر.🚀

از دستش نده!

🔗 لینک ثبت نام پیش هکاتون در دانشگاه شهید بهشتی

B2n.ir/Prehackathonazkivam2

🎟 کد تخفیف ۵۰ درصدی ثبت نام ویژه دانشجویان دانشگاه شهید بهشتی:

Beheshti

کارآفرینی و نوآوری 👈🏻 @neocolony

🔹کانون‌ کارآفرینی دانشگاه شهید بهشتی

🌐 @sbustats | انجمن علمی آمار دانشگاه شهید بهشتی

📌 وبینار آمار در صنعت

🚀 در این دوره از سلسله وبینارهای "آمار در صنعت"، موضوعاتی جذاب و کاربردی را برای بررسی ارائه خواهیم داد،که به شما در اتخاذ بهترین تصمیمات در دنیای پیچیده و رقابتی بازارها کمک خواهد کرد.

🗓 تاریخ برگزاری: چهارشنبه 1404/09/26

🕒 ساعت: 16_18

🧑🏻‍💻سخنران: جناب آقای امین اروجی

Chief Data Officer
AI & Big Data Strategist

📄برخی از مباحث مهم مورد بحث در این وبینار:

🔹چگونه میتوان از روش های تجزیه و‌ تحلیل داده ها برای بهبود فرآیند های تصمیم گیری استفاده کرد؟

🔹نقش آمار در پیش بینی و تصمیم گیری در علم داده چگونه است؟

🔹یادگیری چه مهارت هایی رو در دوره کارشناسی پیشنهاد میکنید!؟

🔹مهارت های لازم برای دانشجویان آماری برای ورود به بازار کار در حوزه تحلیل داده چیست؟


✅ ثبت نام

📊@shustats انجمن علمی آمار دانشگاه شیراز

If you would be a real seeker after truth, it is necessary that at least once in your life you doubt, as far as possible, all things.

- René Descartes
#کوت

📊@shustats    انجمن علمی آمار دانشگاه شیراز

#میم

📊@shustats    انجمن علمی آمار دانشگاه شیراز

📌  وبینار آمار در صنعت (2)

🚀 در این دوره از سلسله وبینارهای "آمار در صنعت"، موضوعاتی جذاب و کاربردی را برای بررسی ارائه خواهیم داد،که به شما در اتخاذ بهترین تصمیمات در دنیای پیچیده و رقابتی بازارها کمک خواهد کرد.

🗓 تاریخ برگزاری: پنجشنبه 1404/10/11

🕒 ساعت: 17:30 الی 19:00

👩‍💻سخنران: سرکار خانم حانیه رحمتی

Data Analyst At Snapp Food

📄برخی از مباحث مهم مورد بحث در این وبینار:

🟣چگونه میتوان از روش های تجزیه و‌ تحلیل داده ها برای بهبود فرآیند های تصمیم گیری استفاده کرد؟

🟣نقش آمار در پیش بینی و تصمیم گیری در علم داده چگونه است؟

🟣یادگیری چه مهارت هایی رو در دوره کارشناسی پیشنهاد میکنید!؟

🟣مهارت های لازم برای دانشجویان آماری برای ورود به بازار کار در حوزه تحلیل داده چیست؟


✅ ثبت نام

📊@shustats    انجمن علمی آمار دانشگاه شیراز

💡 انواع الگوریتم های خوشه بندی پارت یک

1️⃣ خوشه‌بندی تفکیکی (Partitional Clustering)
این روش‌ها داده‌ها را به K خوشه مجزا تقسیم می‌کنند، به طوری که هر نقطه دقیقاً به یک خوشه اختصاص یابد. هدف معمولاً حداقل کردن یک معیار شباهت درون-خوشه‌ای یا حداکثر کردن معیار تفاوت بین-خوشه‌ای است. چند تا از الگوریتم‌های رایج:

الگوریتم K-Means:
⦁ تعداد خوشه‌ها (K) را مشخص می‌کنیم.
⦁ تعداد K نقطه را به صورت تصادفی به عنوان مراکز اولیه خوشه‌ها (centroids) انتخاب می‌کنیم.
⦁ فاز انتساب (Assignment): هر نقطه داده را به نزدیک‌ترین مرکز خوشه (بر اساس فاصله اقلیدسی یا معیارهای دیگر) اختصاص می‌دهیم.
⦁ فاز به‌روزرسانی (Update): مراکز خوشه‌ها را با محاسبه میانگین تمامی نقاطی که به آن خوشه اختصاص یافته‌اند، به‌روزرسانی می‌کنیم.
⦁ مراحل 3 و 4 را تکرار می‌کنیم تا مراکز خوشه‌ها تغییر قابل توجهی نکنند یا به حداکثر تعداد تکرار برسیم.

الگوریتم K-Medoids:
شبیه K-Means است، اما به جای میانگین نقاط، از یک نقطه داده واقعی از خوشه به عنوان مرکز (medoid) استفاده می‌کند. این کار باعث می‌شود K-Medoids نسبت به نویز و نقاط پرت مقاوم‌تر باشد.

🧠 کاربردها: بخش‌بندی مشتریان (Customer Segmentation)، فشرده‌سازی تصویر (Image Compression)، تحلیل اسناد (Document Analysis)، خوشه‌بندی ژن‌ها (Gene Clustering).


2️⃣ خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
این روش‌ها ساختار درختی (دندروگرام) از خوشه‌ها ایجاد می‌کنند که نشان‌دهنده روابط سلسله مراتبی بین خوشه‌هاست. نیازی به تعیین تعداد خوشه‌ها از قبل نیست و می‌توان با "برش" دندروگرام در سطوح مختلف، تعداد خوشه‌های دلخواه را انتخاب کرد.

روش تجمعی (Agglomerative):
⦁ ابتدا هر نقطه داده را یک خوشه مجزا در نظر می‌گیرد.
⦁ در هر مرحله، دو نزدیک‌ترین خوشه را با هم ادغام می‌کند. معیار نزدیکی می‌تواند انواع مختلفی داشته باشد (Single Linkage، Complete Linkage، Average Linkage، Ward's Method و...).
⦁ این فرایند تا زمانی ادامه می‌یابد که همه نقاط در یک خوشه بزرگ قرار گیرند.

تقسیمی (Divisive):
⦁ ابتدا همه نقاط را در یک خوشه بزرگ در نظر می‌گیرد.
⦁ در هر مرحله، خوشه را به دو زیرخوشه تقسیم می‌کند.
⦁ این فرایند تا زمانی ادامه می‌یابد که هر نقطه داده یک خوشه مجزا باشد. (کمتر از Agglomerative رایج است)

🧠 کاربردها: طبقه‌بندی بیولوژیکی (Biological Taxonomy)، تحلیل خوشه‌ای در ژنتیک (Genetics Clustering), تحلیل شبکه های اجتماعی (Social Network Analysis).

#مطلب_علمی

📊@shustats    انجمن علمی آمار دانشگاه شیراز