آ#درخواست_اعضا کتاب آمار و کاربرد نرم افزار spss و smartpls و Liserl در رشته مشاوره مولف علی رجب زاده https://rubika.ir/amar__kade/BGDGGEICEBHGEHDC┏━━━━━
@Amar_kadeh┗━━━━━━━━━━
@Amar_kadeh┗━━━━━━━━━━۹:۰۱
کتاب ریاضیات عمومی 1مولف محمد علی کرایه چیان https://rubika.ir/amar__kade/BGDGGFICEHIEDHDC┏━━━━━ @Amar_kadeh┗━━━━━━━━━━
@Amar_kadeh┗━━━━━━━━━━۹:۰۱
کتاب ریاضیات عمومی 2مولف محمد علی کرایه چیان https://rubika.ir/amar__kade/BGDGGGBCFACIGHDC┏━━━━━ @amar__kade┗━━━━━━━━━━
@amar__kade┗━━━━━━━━━━۹:۰۲
۹:۱۴
زمان ثبت نام کارشناسی ارشد وزارت بهداشت بزودی اعلام میشودبنا بر اطلاعیه مرکز سنجش آموزش پزشکی وزارت بهداشت، با توجه به لغو زمان ثبت نام کارشناسی ارشد وزارت بهداشت از 16 اسفندماه، هنوز زمان دقیق شروع ثبت نام مشخص نیست.این مرکز در اطلاعیه خود اظهار داشته است بزودی زمان جدید ثبت نام اعلام خواهد شد.┏━━━━━
@Amar_kadeh┗━━━━━━━━━━۱۲:۰۴
تعریف ساده K-Meansیک الگوریتم یادگیری بدون ناظر (Unsupervised Learning) است که دادهها را به k خوشه تقسیم میکند. هر خوشه شامل دادههایی است که به هم شبیهترند.
"K" یعنی تعداد خوشههایی که میخواهیم. "Means" یعنی میانگین؛ چون هر خوشه با میانگین نقاطش تعریف میشود.
مثال ساده: خوشهبندی میوههافرض کنید یک جدول داده داریم با اطلاعات وزن و شیرینی میوهها:میوهوزن (گرم)شیرینی (درجه)سیب1507موز1209پرتقال1606هندوانه20008خربزه18007میخواهیم این میوهها را به ۲ خوشه تقسیم کنیم: میوههای کوچک و بزرگ.
K = 2
الگوریتم K-Means اینطور کار میکند:
1. دو مرکز خوشه (Centroid) بهصورت تصادفی انتخاب میشود.2. هر میوه به نزدیکترین مرکز خوشه اختصاص داده میشود.3. مراکز خوشهها بر اساس میانگین وزن و شیرینی اعضای فعلیشان بهروزرسانی میشوند.4. مراحل ۲ و ۳ تکرار میشود تا دیگر تغییری در خوشهها ایجاد نشود.
در نهایت، مثلاً:
خوشه ۱: سیب، موز، پرتقال (میوههای کوچک) خوشه ۲: هندوانه، خربزه (میوههای بزرگ)
چرا برای آماریها مهمه؟تحلیل اکتشافی دادهها: وقتی دادهها برچسب ندارند، K-Means کمک میکند الگوها را کشف کنیم. کاهش ابعاد: میتوانیم دادههای پیچیده را به گروههای سادهتر تقسیم کنیم. کاربرد در تحلیل بازار، زیستشناسی، روانشناسی و...
نکات مهمباید تعداد خوشهها (K) را از قبل مشخص کنیم. الگوریتم به مقدار اولیه تصادفی حساس است. برای دادههای پیچیده یا غیر کروی، ممکن است عملکرد خوبی نداشته باشد.
┏━━━━━
@Amar_kadeh ┗━━━━━━━━━━۱۳:۰۱
دوستانی که دیروز آپدیت کرده بودن دیپ سیک رو و نیاز داشت به احراز هویت از طریق گوگل پلی درست شد و همچنین الان با گوشی میشه به راحتی لاگین کرد (سیمکارت همراه اول و ایرانسل تست شده)┏━━━━━ @Amar_kadeh┗━━━━━━━━━━
@Amar_kadeh┗━━━━━━━━━━۱۵:۵۵
سامانه my.medu.ir از دسترس خارج شد و احتمالا از یکشنبه در دسترس قرار بگیرد.┏━━━━━
@Amar_kadeh┗━━━━━━━━━━۱۵:۵۸
آمارکده تعریف ساده K-Means یک الگوریتم یادگیری بدون ناظر (Unsupervised Learning) است که دادهها را به k خوشه تقسیم میکند. هر خوشه شامل دادههایی است که به هم شبیهترند. "K" یعنی تعداد خوشههایی که میخواهیم. "Means" یعنی میانگین؛ چون هر خوشه با میانگین نقاطش تعریف میشود. مثال ساده: خوشهبندی میوهها فرض کنید یک جدول داده داریم با اطلاعات وزن و شیرینی میوهها: میوه وزن (گرم) شیرینی (درجه) سیب 150 7 موز 120 9 پرتقال 160 6 هندوانه 2000 8 خربزه 1800 7 میخواهیم این میوهها را به ۲ خوشه تقسیم کنیم: میوههای کوچک و بزرگ. K = 2 الگوریتم K-Means اینطور کار میکند: 1. دو مرکز خوشه (Centroid) بهصورت تصادفی انتخاب میشود. 2. هر میوه به نزدیکترین مرکز خوشه اختصاص داده میشود. 3. مراکز خوشهها بر اساس میانگین وزن و شیرینی اعضای فعلیشان بهروزرسانی میشوند. 4. مراحل ۲ و ۳ تکرار میشود تا دیگر تغییری در خوشهها ایجاد نشود. در نهایت، مثلاً: خوشه ۱: سیب، موز، پرتقال (میوههای کوچک) خوشه ۲: هندوانه، خربزه (میوههای بزرگ) چرا برای آماریها مهمه؟ تحلیل اکتشافی دادهها: وقتی دادهها برچسب ندارند، K-Means کمک میکند الگوها را کشف کنیم. کاهش ابعاد: میتوانیم دادههای پیچیده را به گروههای سادهتر تقسیم کنیم. کاربرد در تحلیل بازار، زیستشناسی، روانشناسی و... نکات مهم باید تعداد خوشهها (K) را از قبل مشخص کنیم. الگوریتم به مقدار اولیه تصادفی حساس است. برای دادههای پیچیده یا غیر کروی، ممکن است عملکرد خوبی نداشته باشد. ┏━━━━━ @Amar_kadeh ┗━━━━━━━━━━
تعریف ساده K-Means یک الگوریتم یادگیری بدون ناظر (Unsupervised Learning) است که دادهها را به k خوشه تقسیم میکند. هر خوشه شامل دادههایی است که به هم شبیهترند. "K" یعنی تعداد خوشههایی که میخواهیم. "Means" یعنی میانگین؛ چون هر خوشه با میانگین نقاطش تعریف میشود. مثال ساده: خوشهبندی میوهها فرض کنید یک جدول داده داریم با اطلاعات وزن و شیرینی میوهها: میوه وزن (گرم) شیرینی (درجه) سیب 150 7 موز 120 9 پرتقال 160 6 هندوانه 2000 8 خربزه 1800 7 میخواهیم این میوهها را به ۲ خوشه تقسیم کنیم: میوههای کوچک و بزرگ. K = 2 الگوریتم K-Means اینطور کار میکند: 1. دو مرکز خوشه (Centroid) بهصورت تصادفی انتخاب میشود. 2. هر میوه به نزدیکترین مرکز خوشه اختصاص داده میشود. 3. مراکز خوشهها بر اساس میانگین وزن و شیرینی اعضای فعلیشان بهروزرسانی میشوند. 4. مراحل ۲ و ۳ تکرار میشود تا دیگر تغییری در خوشهها ایجاد نشود. در نهایت، مثلاً: خوشه ۱: سیب، موز، پرتقال (میوههای کوچک) خوشه ۲: هندوانه، خربزه (میوههای بزرگ) چرا برای آماریها مهمه؟ تحلیل اکتشافی دادهها: وقتی دادهها برچسب ندارند، K-Means کمک میکند الگوها را کشف کنیم. کاهش ابعاد: میتوانیم دادههای پیچیده را به گروههای سادهتر تقسیم کنیم. کاربرد در تحلیل بازار، زیستشناسی، روانشناسی و... نکات مهم باید تعداد خوشهها (K) را از قبل مشخص کنیم. الگوریتم به مقدار اولیه تصادفی حساس است. برای دادههای پیچیده یا غیر کروی، ممکن است عملکرد خوبی نداشته باشد. ┏━━━━━ @Amar_kadeh ┗━━━━━━━━━━حساسیت (Sensitivity)توانایی تست در پیدا کردن افراد واقعاً بیمارچند درصد از بیماران واقعی رو درست تشخیص داده
ویژگی (Specificity)توانایی تست در رد کردن افراد واقعاً سالمچند درصد از افراد سالم رو درست گفته که سالم هستن🩺 چرا اسمشون اینه؟ حساسیت یعنی "حساس بودن نسبت به بیماری"
تستی که حساسیت بالا داره، مثل یه سگ شکاریه که حتی کوچکترین نشونهای از بیماری رو پیدا میکنه. اگر کسی واقعاً مبتلا باشه، این تست خیلی حساسه و احتمالاً پیداش میکنه. پس اسمش شده "حساسیت" چون نسبت به وجود بیماری حساسه.
ویژگی یعنی "ویژه بودن برای سالمها"
تستی که ویژگی بالا داره، فقط وقتی واقعاً مطمئنه میگه "این فرد بیمار است". یعنی برای افراد سالم، خیلی خوب تشخیص میده که سالم هستن و اشتباه نمیزنه. اسمش شده "ویژگی" چون فقط ویژگیهای واقعی بیماری رو میپذیره و بقیه رو رد میکنه.
مثال ساده از زندگی روزمره
فرض کن یه سگ نگهبان داری:
اگر سگ هر صدایی رو هشدار بده، حتی صدای باد، یعنی خیلی حساسه → حساسیت بالا ولی اگر فقط وقتی واقعا دزد اومده پارس کنه، یعنی خیلی ویژه عمل میکنه → ویژگی بالا
حالا اگر سگ هم حساس باشه و هم ویژگی بالا داشته باشه، یعنی هم دزد رو همیشه پیدا میکنه، هم اشتباهی به کسی حمله نمیکنه. این میشه تست عالی!
┏━━━━━ @Amar_kadeh ┗━━━━━━━━━━
ویژگی (Specificity)توانایی تست در رد کردن افراد واقعاً سالمچند درصد از افراد سالم رو درست گفته که سالم هستن🩺 چرا اسمشون اینه؟
حساسیت یعنی "حساس بودن نسبت به بیماری"تستی که حساسیت بالا داره، مثل یه سگ شکاریه که حتی کوچکترین نشونهای از بیماری رو پیدا میکنه. اگر کسی واقعاً مبتلا باشه، این تست خیلی حساسه و احتمالاً پیداش میکنه. پس اسمش شده "حساسیت" چون نسبت به وجود بیماری حساسه.
ویژگی یعنی "ویژه بودن برای سالمها"تستی که ویژگی بالا داره، فقط وقتی واقعاً مطمئنه میگه "این فرد بیمار است". یعنی برای افراد سالم، خیلی خوب تشخیص میده که سالم هستن و اشتباه نمیزنه. اسمش شده "ویژگی" چون فقط ویژگیهای واقعی بیماری رو میپذیره و بقیه رو رد میکنه.
مثال ساده از زندگی روزمرهفرض کن یه سگ نگهبان داری:
اگر سگ هر صدایی رو هشدار بده، حتی صدای باد، یعنی خیلی حساسه → حساسیت بالا ولی اگر فقط وقتی واقعا دزد اومده پارس کنه، یعنی خیلی ویژه عمل میکنه → ویژگی بالا
حالا اگر سگ هم حساس باشه و هم ویژگی بالا داشته باشه، یعنی هم دزد رو همیشه پیدا میکنه، هم اشتباهی به کسی حمله نمیکنه. این میشه تست عالی!
┏━━━━━
@Amar_kadeh ┗━━━━━━━━━━۲۱:۳۱
#فوری دانشگاهها تا چه زمانی مجازی هستند؟وزیر علوم در حاشیه مراسم شهید خرازی:
فعلا فعالیت دانشگاهها مجازی است تا وضعیت تامین امنیت دانشجویان سراسر کشور مشخص شود.باید دانشجویان عزیز قدری تحمل کنند و اگر وضعیت کشور تا نیمه اردیبهشت ماه به شرایط عادی برسد، کلاسها و امتحانات به صورت حضوری برگزار خواهد شد. اما اگر شرایط فعلی ادامه داشته باشد، ممکن است تمام ترم تحصیلی امسال به صورت مجازی برگزار شود.┏━━━━━ @Amar_kadeh ┗━━━━━━━━━━۱۱:۲۰
hadley-wickham-mine-cetinkaya-rundel-and-garrett.pdf
۱۵.۷۱ مگابایت
️نسخه دوم کتاب R for Data Science یک کتاب فوق العاده عالی در زمینه علم داده با R R for Data Science
┏━━━━━ @Amar_kadeh ┗━━━━━━━━━━
R for Data Science┏━━━━━
@Amar_kadeh ┗━━━━━━━━━━۱۱:۲۷
۱۲:۲۵