🎙#سخن_بزرگان

🗣"Write once, run anywhere."
جیمز گوسلینگ (James Gosling)

💻این جمله به فلسفه طراحی زبان برنامه‌نویسی جاوا اشاره دارد، به این معنا که برنامه‌های نوشته شده در جاوا می‌توانند بدون تغییر در هر پلتفرم و سیستمی اجرا شوند. این ویژگی، یکی از دلایل اصلی موفقیت و محبوبیت جاوا در بین توسعه‌دهندگان و شرکت‌ها بوده است.

👤جیمز گوسلینگ (James Gosling) در 20 فوریه 1955 در کانادا متولد شد. او به عنوان یکی از پیشگامان علوم کامپیوتر و خالق زبان برنامه‌نویسی جاوا شناخته می‌شود. تحصیلات خود را در دانشگاه آلبرتا آغاز کرد و سپس به دانشگاه کارنگی ملون رفت، جایی که در سال 1983 دکترای خود را در زمینه علوم کامپیوتر دریافت کرد.

🔸گوسلینگ در اوایل دهه 1990 به شرکت سان مایکروسیستمز (Sun Microsystems) پیوست و در آنجا پروژه‌ای را برای توسعه یک زبان برنامه‌نویسی جدید آغاز کرد که هدف آن ایجاد یک زبان قابل حمل و مستقل از پلتفرم بود. نتیجه این پروژه، زبان جاوا بود که در سال 1995 معرفی شد. جاوا به سرعت محبوبیت زیادی پیدا کرد و به عنوان یکی از زبان‌های اصلی برنامه‌نویسی برای توسعه نرم‌افزارهای وب، برنامه‌های موبایل و سیستم‌های توزیع شده شناخته شد.

🔹گوسلینگ همچنین در توسعه فناوری‌های مرتبط با جاوا، مانند Java Virtual Machine (JVM) و Java Development Kit (JDK) نقش کلیدی داشت. او به خاطر دستاوردهایش جوایز و افتخارات زیادی دریافت کرده است و به عنوان یک شخصیت مهم در صنعت فناوری اطلاعات شناخته می‌شود.

🔸پس از اینکه سان مایکروسیستمز در سال 2010 توسط اوراکل خریداری شد، گوسلینگ به اوراکل پیوست و در آنجا نیز به کار خود ادامه داد. او همچنین در زمینه‌های دیگر فناوری و نوآوری فعالیت داشته و به عنوان سخنران و مشاور در کنفرانس‌ها و رویدادهای مختلف شرکت کرده است.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

✨#توسعه_و_تحقیق_کار_ها

💠راه ساده یادگیری آمار زیستی! راهنما برای مبتدیان

📱https://youtube.com/playlist?list=PLi7GKP9W2qzfd9kHpT3WrW1WF9h0yHFoK&si=NOgHCodM_413eHZm

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🎲#گام_به_گام

3⃣1️⃣ دستورات پایه در پایتون: قسمت سیزدهم

⬅️رشته‌ها آرایه هستند.

مانند بسیاری از زبان‌های برنامه نویسی محبوب دیگر، رشته‌ها در پایتون آرایه‌هایی از بایت‌ها هستند که کاراکترهای یونیکد را نشان می‌دهند. با این حال، پایتون نوع داده کاراکتری ندارد، یک کاراکتر به سادگی یک رشته با طول 1 است. از براکت‌های مربع می‌توان برای دسترسی به عناصر رشته استفاده کرد.

🟢 مثال
کاراکتر را در موقعیت 1 بدست آورید (به یاد داشته باشید که کاراکتر اول موقعیت 0 را دارد):
a = "Hello, World!"
print(a[1])
خروجی:
e
⬅️ حلقه زدن از طریق یک رشته

از آنجایی که رشته‌ها آرایه هستند، می‌توانیم از طریق کاراکترهای یک رشته، با یک حلقه for، حلقه بزنیم.

🟢 مثال
حروف کلمه "موز" را حلقه بزنید:

for x in "banana":
print(x)
خروجی:
b
a
n
a
n
a

⬅️ طول رشته
برای بدست آوردن طول یک رشته، از تابع ()len استفاده کنید.

🟢 مثال
تابع len() طول یک رشته را برمی گرداند:
a = "Hello, World!"
print(len(a))
خروجی:
13

🕐 ادامه دارد....

💻#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

#آموزشگاه_ذهن

?چگونه قهرمان گواهی شده GitHub شویم؟

اگر شما یک توسعه‌دهنده هستید، احتمالاً با Git، پرکاربردترین سیستم کنترل نسخه (VCS) در جهان، آشنا هستید. بر اساس آمار Stack Overflow، در سال 2023، 93٪ از توسعه‌دهندگان از Git استفاده می‌کردند. و اگر شما از Git استفاده می‌کنید، به احتمال زیاد با GitHub نیز آشنا هستید یا حداقل به این پلتفرم علاقه‌مندید.

❇️ باید بدانید که GitHub تنها یک رابط کاربری گرافیکی برای Git نیست. این پلتفرم فضایی است که شما - چه یک توسعه‌دهنده مستقل، چه بخشی از یک تیم سازمانی، نگهدارنده سیستم عامل، دانش‌آموز، معلم، گیمر، دانشمند داده یا حتی کسی که از دسته‌بندی‌ها فراتر می‌رود و به هر جنبه‌ای از توسعه نرم‌افزار علاقه دارد باشید- می‌توانید با دیگران ارتباط برقرار کرده و تعامل داشته باشید.

❇️ با بیش از 100 میلیون توسعه‌دهنده، چهار میلیون سازمان و 90 درصد از شرکت‌های Fortune 100 که از GitHub استفاده می‌کنند، این پلتفرم به یک استاندارد صنعتی برای ساخت نرم‌افزاری تبدیل شده است که دنیای ما را به حرکت در می‌آورد.

? این فرصت می‌تواند به شما کمک کند تا با ابزاری بسیار مهم برای توسعه نرم‌افزار مدرن آشنا شوید و در آن تسلط پیدا کنید.

? یکی از محبوب‌ترین راه‌ها برای کسب تسلط بر GitHub، دریافت گواهینامه‌های رسمی این پلتفرم است.

❗️گواهینامه‌های GitHub چیستند؟

?در حال حاضر، چهار آزمون صدور گواهینامه مختلف وجود دارد که تخصص شما در فناوری‌ها و گردش‌های کاری GitHub را نشان می‌دهد. این آزمون‌ها شامل:

?1. GitHub Foundations:
مبانی و اصول اولیه Git و GitHub را پوشش می‌دهد.

?2. GitHub Actions:
نحوه اتوماسیون گردش کار با استفاده از GitHub Actions را آموزش می‌دهد.

?3. GitHub Advanced Security:
به بررسی روش‌های امنیتی پیشرفته در GitHub می‌پردازد.

?4. GitHub Administration:
مدیریت و پیکربندی GitHub برای تیم‌ها و سازمان‌ها را شامل می‌شود.

?با کسب این گواهینامه‌ها، شما می‌توانید مهارت‌های خود را به رسمیت بشناسید و در دنیای توسعه نرم‌افزار به عنوان یک متخصص شناخته شوید.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

?@IDSchools
?@IDS_Math

‼️ یادآوری- شروع دوره

1️⃣جلسه اول دوره «رمزگشایی سیگنال های مغزی با الگوریتم های پایه یادگیری ماشین»

?عنوان جلسه اول: مفاهیم نظری سیگنال EEG و کاربردها

⏳زمان برگزاری جلسه اول: فردا پنجشنبه، 22 آذر ساعت 19

? با ارائه:?دکتر گلناز بغدادی، عضو هیات علمی دانشگاه صنعتی امیرکبیر
? شایان زارعی، رئیس دپارتمان سیگنال مجموعه علمی و پژوهشی مدارس میان رشته ای

✅ پنجشنبه ها، ساعت 19 تا 20:30

?نحوه ثبت نام:

https://t.me/IDS_AI_ML/248

?کسب اطلاعات بیشتر:

@interdisciplinaryschools2

✈️ @IDS_AI_ML
✈️ @IDSchools

⛱صفحه اینستاگرام مدارس میان رشته ای

https://www.instagram.com/p/DDVNqmHz1Eq/?igsh=NnF5a3k4N3Uwa3Bk

? فراتر از ریاضی و پایتون: دیگر مهارت های کلیدی علوم داده که باید توسعه دهید.

❗️نقشه راه موفقیت در علم داده مسیرهای مختلفی را ارائه می‌دهد، اما بیشتر آنها تمرکز قوی بر مهارت‌های ریاضی و برنامه نویسی دارند.

?این پست بر روی برخی از زمینه‌هایی که ممکن است بخواهید در آینده کاوش کنید، تمرکز می‌کند و توصیه‌های عملی را از نویسندگانی که عمیقاً در بخش گسترده‌ای از نقش‌های صنعتی و دانشگاهی نقش دارند، ارائه می‌کند. از تسلط بر زیرساخت‌های داده تا گسترش مهارت‌های داستان‌گویی، اجازه دهید نگاهی دقیق به برخی از آن حوزه‌های جانبی – اما همچنان حیاتی – رشد بالقوه بیندازیم.

? فراتر از مهارت ها: باز کردن پتانسیل کامل دانشمندان داده.
 دانشمندان داده دارای دیدگاه منحصر به فردی هستند که به آنها امکان می‌دهد ایده‌های تجاری نوآورانه خود را ارائه دهند - ایده‌هایی که جدید، استراتژیک یا متمایز هستند و بعید است که از کسی جز یک دانشمند داده سرچشمه بگیرند. اریک کولسون
 فرضیه‌ای قابل تامل را گسترش می‌دهد، یعنی اینکه شرکت‌ها با تمرکز بیش از حد بر مهارت‌های فنی خود، به بهای خلاقیت و تفکر بیرون از جعبه، از دانشمندان داده استفاده کمتری می‌کنند.

? سه درس مهم داده که از یک کنفرانس داده ای که به هوش مصنوعی ربطی ندارد آموختم.
هوش مصنوعی در سال‌های اخیر به قدری بر مکالمات تسلط داشته است که شنیدن راه‌های دیگر برای دانشمندان داده‌ای برای ماندن در لبه‌های پیشرفته حوزه خود احساس طراوت می‌کند. Nithya Ramamoorthy تجربه اخیر خود در یک کنفرانس را منعکس می‌کند و اینکه چگونه الهام بخش او برای توجه بیشتر به موضوعاتی است که ممکن است کمتر از آخرین LLM به نظر برسند، اما می‌توانند ارزش شما را به عنوان یک متخصص داده افزایش دهند، از کنترل هزینه و ترجمه داده ها به طراحی اطلاعات

? سیستم بهره وری نهایی برای رهبران علم داده.
 برای هر کسی که در مسیر مدیریت علم داده است - چه در مراحل اولیه یا عمیق‌تر در حرفه شما - گاهی اوقات این احساس می‌شود که انتظار می‌رود مهارت‌های رهبری به طور ارگانیک با گذشت زمان رشد کنند. در حالی که این ممکن است از برخی جهات درست باشد، آخرین مشارکت ربکا ویکری برخی از گام‌های مشخصی را که می‌توانید انجام دهید تا اطمینان حاصل کنید که تمرکز و بهره‌وری خود را حتی با افزایش تقاضاهای نقشتان انجام دهید، بیان می‌کند.

? تسلط بر ریاضیات پشت پاکت شما را به دانشمند داده بهتری تبدیل می کند.
آنچه در مقاله جدید Torsten Walbaum
 پیشنهاد می‌کند این است که متخصصان داده ممکن است بخواهند کمتر نگران فرمول‌ها و مدل‌سازی‌های پیچیده باشند و به خود اجازه دهند با تولید تخمین‌های خشن - اما محکم - راحت‌تر رشد کنند.

? از AI Canvas تا MLOps Stack Canvas: آیا آنها ضروری هستند؟

با افزایش پیچیدگی ابزارها و پشته‌های داده، برای ذینفعان محصول بسیار آسان می‌شود که ردیابی نحوه کار همه قطعات متحرک با هم را از دست بدهند. Chayma Zatout اینجاست تا با مقدمه‌ای عملی برای ساخت و استفاده از بوم‌ها، «یک چارچوب بصری که به افراد و تیم‌ها کمک می‌کند تا جنبه‌های مختلف یک پروژه را به شکلی ساختاریافته نقشه‌برداری و تجزیه و تحلیل کنند.

? آموزش AWS Bedrock که آرزو می‌کردم داشته باشم: هر آنچه که برای آماده کردن دستگاه خود برای زیرساخت AWS باید بدانید.
چگونه می‌توانید یک نمونه اولیه یادگیری ماشینی زیبا را در نوت بوک خود قرار دهید و آن را به یک برنامه وب قدرتمند تمام پشته توسعه دهید؟ میندا مایرز با برداشتن چند قدم از جزئیات بی‌نظیر تجزیه و تحلیل داده‌ها، متخصصان داده را تشویق می‌کند تا تنظیمات فناوری خود را در نظر بگیرند و آن را برای گردش‌های کاری روان و مؤثر بهینه کنند.

? از بینش تا تأثیر: مهارت‌های ارائه‌ای که هر دانشمند داده به آن نیاز دارد.
این دقیقاً خبری نیست که داستان سرایی قوی هسته اصلی بسیاری از نقش‌های علم داده است. هر چند در بسیاری از برنامه‌ها یک منطقه تحت پوشش باقی می‌ماند - یکی از مواردی که فقط از شما انتظار می‌رود که به طور جادویی در آن به تنهایی پیشرفت کنید. یو دونگ در آخرین پست خود به برخی از جنبه‌های اصلی ارائه‌های موفق می‌پردازد و نکات مشخصی را در مورد طراحی اسلایدهای موفق درج می کند.

?نحوه ایجاد فرصت ها و موفقیت در برنامه های شغلی علم دادههمانطور که رابسون تیگر روشن می‌سازد، فرآیند تبدیل شدن به یک متقاضی شغل برجسته و شناسایی فرصت‌های مناسب، مستلزم مجموعه‌ای از مهارت‌های خاص خود است که بیشتر آن‌ها ارتباط بسیار کمی با داده‌ها یا الگوریتم‌ها دارند و در عوض حول محور ارائه خود (و بازاریابی)، شبکه‌سازی و ارتباطات می‌چرخند.

?منبع
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

‼️ یادآوری- شروع دوره

1️⃣جلسه اول دوره «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»

?عنوان جلسه اول: مبانی R و نصب برنامه

⏳زمان برگزاری جلسه اول: فردا شنبه، 17 آذر ساعت 19

? با ارائه آقای دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف

✅ شنبه ها، ساعت 19 تا 20:30

?نحوه ثبت نام:

https://t.me/IDS_Math/177

?کسب اطلاعات بیشتر:

@interdisciplinaryschools2

✈️ @IDS_Math
✈️ @IDSchools

?#زیبایی_های_ریاضیات

? آخرین پیشرفت‌ها در ریاضیات شامل طیف وسیعی از پیشرفت‌ها در آموزش، مدل‌سازی و کاربردها در زمینه‌های مختلف است. این گرایش‌ها ادغام فناوری، روش‌های آموزشی نوآورانه و کاربردهای عملی ریاضیات در علوم و مهندسی را برجسته می‌کنند. بخش‌های بعدی به جزئیات این جنبه‌های کلیدی می‌پردازند.

?گرایش های آموزش ریاضی
✅ فناوری دیجیتال: گنجاندن ابزارهای دیجیتال در تدریس باعث افزایش تعامل و درک دانش آموزان می شود (حسین، 2023).
✅ روش‌های تدریس نوآورانه: رویکردهایی مانند یادگیری مبتنی بر تحقیق و گیمیفیکیشن در حال افزایش هستند و محیط‌های یادگیری فعال را ترویج می‌کنند (حسین، 2023).
✅ برابری و گنجاندن: تأکید فزاینده‌ای بر قابل دسترس کردن آموزش ریاضی برای جمعیت‌های مختلف، حصول اطمینان از موفقیت همه دانش آموزان وجود دارد (حسین، 2023).

?پیشرفت در برنامه‌های ریاضی
◀️ مدل‌سازی و محاسبات: کنفرانس‌های اخیر بر روی مدل‌سازی ریاضی و کاربردهای آن در محاسبات علمی متمرکز شده‌اند و ارتباط ریاضیات را در حل مسائل دنیای واقعی نشان می‌دهند ("پیشرفت در مدل‌سازی ریاضی و محاسبات علمی"، 2024).
◀️ مهندسی و تصویربرداری پزشکی: ریاضیات نقش مهمی در کاربردهای مهندسی و فناوری‌های پزشکی مانند توموگرافی سه بعدی ایفا می‌کند و اهمیت بین رشته‌ای آن را نشان می‌دهد (Kaur, 2013).

?در حالی که این پیشرفت‌ها امیدوارکننده هستند، چالش‌ها در حصول اطمینان از دسترسی عادلانه به آموزش ریاضی با کیفیت و پرداختن به پیچیدگی‌های برنامه‌های ریاضی در زمینه‌های به سرعت در حال تحول باقی می‌مانند.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

?@IDSchools
?@IDS_Math