انجمن تحلیل داده دانشگاه الزهرا (س)

سلام به همه همراهان عزیز دوره تحلیل داده! 📊 همان‌طور که در مسیر آموزشی برنامه‌ریزی کرده بودیم، فایل PDF نسخه اصلی (انگلیسی) کتاب Python Crash Course رو در ادامه براتون قرار می‌دیم. این کتاب یکی از معتبرترین و محبوب‌ترین منابع یادگیری پایتون در سراسر دنیاست. 🐍 📚 چند نکته مهم درباره منبع آموزشی ما: 🔹 چرا نسخه انگلیسی؟ آشنایی با اصطلاحات اصلی برنامه‌نویسی از همین روزهای اول، به شما کمک می‌کند تا در آینده برای جستجوی خطاها، خواندن مستندات (Documentation) و ورود به بازار کار بین‌المللی هیچ مشکلی نداشته باشید. 🔹 آیا این کتاب ترجمه هم دارد؟ بله! نسخه‌های ترجمه‌شده این کتاب در بازار موجود است. اما ما برای رعایت کامل حق کپی‌رایت مترجمان و ناشران داخلی، فایل نسخه‌های ترجمه‌شده را در کانال قرار نمی‌دهیم. 💡 راهکار ویژه ما برای شما چیست؟ ما در طول این دوره، همگام با تدریس هر مبحث، محتوای هر فصل را خودمان ترجمه و بومی‌سازی می‌کنیم و نکات کلیدی، کدها و خلاصه‌ها را به صورت جزوات اختصاصی در اختیارتان قرار می‌دهیم. با این روش، هم حقوق مؤلفین رعایت می‌شود و هم شما محتوای گلچین‌شده و دقیق‌تری را متناسب با نیازهای مسیر تحلیل داده دریافت می‌کنید. 🚀 فایل کتاب را دانلود کنید و برای شروع یک مسیر هیجان‌انگیز آماده باشید! ⏳

🎥 ویدیوی جلسه اول منتشر شد: شروع قدرتمند مسیر تحلیل داده! سلام به همه همراهان پرانرژی! 🌟 بالاخره وقتش رسید که اولین قدم عملی رو تو چالش ۱۵ روزه پایتون با هم برداریم. ویدیوی جلسه اول الان تو آپارات در دسترس شماست. تو این ویدیو قراره درباره چی صحبت کنیم؟ 🔹 چرا پایتون؟ بررسی اینکه چرا این زبان، بهترین انتخاب برای تحلیل داده است. 🔹 آشنایی با ابزارها: معرفی Anaconda و دلیل استفاده ما از این پلتفرم قدرتمند. 🔹 نصب و راه‌اندازی: آموزش قدم‌به‌قدم نصب آناکاندا و اجرای محیط جذاب Jupyter Notebook. 🔹 آماده‌سازی محیط کار: رفع خطاهای احتمالی و ترفندهایی برای کدنویسی راحت‌تر. 💡 چند نکته مهم برای تماشای ویدیو: ۱. حتماً ویدیو رو با لپ‌تاپ یا سیستم ببینید تا بتونید همزمان با مدرس، مراحل نصب رو انجام بدید. ۲. طبق برنامه پیش برید تا برای جلسه رفع اشکال آخر هفته کاملاً آماده باشید. ۳. اگر موقع نصب به خطایی برخوردید (مثل ارور مرورگر)، نگران نباشید. 👇 برای تماشای ویدیوی جلسه اول روی لینک زیر کلیک کنید: 🔗 https://aparat.com/v/yvqqu15 اگر سوالی داشتید یا جایی به مشکل خوردید، حتماً بپرسید تا با هم حلش کنیم. منتظر دیدن اولین کدهاتون هستیم! 💻🚀 📝 نویسنده : عارفه کارگر حاجی‌آبادی 📍ارتباط با روابط عمومی انجمن : 🆔️‎@Alzahra_DataAnalysis 🆔 شناسه کانال: Bale :: https://ble.ir/AlzahraDataAnalysis Telegram :: https://t.me/AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

📄 فایل نقشه راه و برنامه‌ریزی ۱۵ روزه پایتون سلام دوباره به همه رفقا و همراهان عزیز! 🌸 همون‌طور که تو پیام قبلی با هم صحبت کردیم، ما تو قدم اولِ این دوره، یه چالش جذاب ۱۵ روزه برای یادگیری پایتون داریم. فایلی که این پایین براتون فرستادم، دقیقاً همون نقشه راه و برنامه روزانه ما برای شروع این مسیره. حالا تو این فایل چی داریم؟ قدم‌به‌قدم با هم: برنامه هر روزمون رو از صفر و مفاهیم پایه تا مباحث مهم‌تری مثل توابع و مدیریت خطا، خیلی واضح و تفکیک‌شده براتون نوشتیم. یه منبع عالی و استاندارد: کل این برنامه‌ریزی رو بر اساس سرفصل‌های یکی از بهترین کتاب‌های دنیا یعنی Python Crash Course چیدیم تا خیالتون از بابت اصولی بودن مسیر کاملاً راحت باشه. خداحافظی با سردرگمی: وقتی هدف هر روزمون مشخص باشه، دیگه نه گیج میشیم و نه وقتمون هدر میره؛ این‌طوری خیلی راحت‌تر می‌تونیم زمانمون رو مدیریت کنیم. 💡 یه پیشنهاد دوستانه: این فایل رو دانلود کنید و اگه براتون مقدوره حتماً پرینتش بگیرید تا مثل یه چک‌لیست روزانه کنارتون باشه. باور کنید تیک زدن کارهای هر روز، یه انگیزه و انرژی فوق‌العاده‌ای برای ادامه مسیر بهتون میده! با این نقشه راه، دیگه دقیقاً می‌دونیم هر روز کجای کاریم و قراره چی یاد بگیریم. پس حتماً فایل رو چک کنید که حسابی به کارتون میاد! 🚀👇

سلام به همه دوستان و همراهان عزیز! 🌸 بالاخره روزی که منتظرش بودیم رسید؛ امروز اولین جلسه از «دوره تحلیل داده» رو با هم شروع می‌کنیم! برای اینکه مسیر یادگیریمون منظم و پربازده باشه، روال کارمون به این شکل خواهد بود: آموزش‌های آفلاین در آپارات: ویدیوهای آموزشی به صورت آفلاین ضبط شده و در پلتفرم آپارات آپلود می‌شه تا همه شما عزیزان بتونید به راحتی و بدون محدودیت به محتوا دسترسی داشته باشید. زمان آپلود: ویدیوهای جدید هر شب ساعت ۹ (۲۱:۰۰) روی کانال قرار می‌گیره. برنامه ۱۵ روزه پایتون: در این ۱۵ روز قرار هست پایتون رو به صورت اصولی و گام‌به‌گام یاد بگیریم؛ از مبانی اولیه و ساختمان داده‌ها گرفته تا توابع و مدیریت خطاها. جلسه آنلاین رفع اشکال: در پایان هر هفته، یک جلسه آنلاین و زنده خواهیم داشت که فقط اختصاص داره به رفع اشکال، حل چالش‌های شما و پرسش‌وپاسخ. 💡 یک توصیه دوستانه و مهم: سعی کنید حتماً روزانه همگام با ویدیوها پیش بیاید و تمرین‌ها رو انجام بدید. این کار باعث می‌شه تا آخر هفته که جلسه رفع اشکال داریم، کسی عقب نمونه و بتونید بیشترین استفاده رو از زمان کلاسمون ببرید. لینک ویدیوی جلسه اول، امشب رأس ساعت ۹ در همین کانال قرار می‌گیره. @AlzahraDataAnalysis آماده یک شروع پرانرژی باشید! 🚀

راز مگوی استخدام در دنیای دیتا: مهارت‌های نرم! 🗣️📊 تا اینجا درباره مهارت‌های سخت صحبت کردیم. اما راز بزرگ اینه: حتی اگه بهترین برنامه‌نویس دنیا باشید، اگه نتونید ارتباط بگیرید، تو همون مصاحبه اول رد می‌شید! ۳ تا مهارت نرم کلیدی که شما رو تبدیل می‌کنه به یه متخصص همه‌چیزتموم: ۱. قصه‌گویی با دیتا 📖 دیتای خام برای مدیرها جذابیتی نداره! هنر شما اینه که اعداد رو تبدیل کنید به یه قصه. بگید مشکل از کجاست، کجای کاریم و راهکار چیه. ۲. ترجمه زبون آدم‌آهنی به آدمیزاد 🗣️ مدیرعامل و تیم مارکتینگ خبر ندارن شبکه عصبی یعنی چی! خفن‌ترین مهارت شما اینه که نتایج پیچیده رو بدون کلمات قلمبه‌سلمبه، ساده و شیرین برای غیرفنی‌ها توضیح بدید. ۳. درک نبض بیزینس 🏢 شما فقط برای کد زدن استخدام نمی‌شید؛ می‌اید که مشکلات واقعی شرکت رو حل کنید. بدونید شرکت از چه راهی پول درمیاره، مشتریاش کین و چطور هوش مصنوعی می‌تونه به رشدش کمک کنه. 📝 نویسنده : عارفه کارگر حاجی‌آبادی 💻 انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) 🌐 شناسه کانال: 📲 @AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

غول‌های پوشالی؛ ۲ افسانه بزرگ درباره ورود به دنیای دیتا 🛑🧠 امروز ۲ تا از بزرگترین باورهای غلط رو بررسی می‌کنیم: افسانه اول: «برای ورود باید نابغه ریاضی باشم!» 🧮 باور غلط: فکر می‌کنن متخصص دیتا باید معادلات پیچیده حل کنه! واقعیت: اصلاً این‌طور نیست! امروز غول‌های تکنولوژی الگوریتم‌های پیچیده رو از قبل نوشتن و تو کتابخونه‌های پایتون مثل Scikit-Learn گذاشتن تو جیبمون! کار اصلی شما تفکر تحلیلی، درک منطق کسب‌وکار و استفاده درست از ابزارهاست، نه اثبات فرمول. افسانه دوم: «هوش مصنوعی جای متخصص‌های دیتا رو می‌گیره!» 🤖 باور غلط: با آمدن ChatGPT دیگه چه نیازی به ماست؟ واقعیت: هوش مصنوعی یه دستیار فوق‌العاده‌ست، اما نمی‌تونه جای تفکر انتقادی، خلاقیت و درک نیازهای کسب‌وکار رو بگیره. قانون بازار کار اینه: هوش مصنوعی جای شما رو نمی‌گیره؛ بلکه کسی که کار با هوش مصنوعی رو بلده، جای کسی رو می‌گیره که این مهارت رو نداره! 📝 نویسنده : عارفه کارگر حاجی‌آبادی 💻 انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) 🌐 شناسه کانال: 📲 @AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

سلاح‌های یک متخصص داده؛ چرا پایتون و SQL؟ ⚔️💻 هر قهرمانی به سلاح مخصوص خودش نیاز داره. تو دنیای دیتا هم همینطوره! ۱. پایتون؛ پادشاه علم داده 🐍 یادگیریش آسونه: ساختاری شبیه به انگلیسی داره، پس تمرکزتون رو می‌ذارید روی حل مسئله. ارتشی از کتابخانه‌ها: ابزارهایی مثل Pandas (برای تحلیل دیتا)، Scikit-Learn (برای یادگیری ماشین) و TensorFlow (برای یادگیری عمیق)، کارهای سخت رو به چند خط کد تبدیل می‌کنن. ۲.زبان گپ زدن با دیتابیس ها یعنی SQL اگه پایتون شمشیر شما باشه، SQL نقشه گنج شماست! داده‌های ارزشمند تو پایگاه‌های داده عظیم قرار دارن. SQL بهتون اجازه میده باهاشون صحبت کنید و داده مورد نیاز رو بیرون بکشید. تکنولوژی‌ها میان و میرن، اما SQL دهه‌هاست استاندارد طلایی باقی مونده. یادگرفتنش برای هر متخصص داده‌ای واجبه! ترکیب برنده: SQL برای استخراج داده + پایتون برای تحلیل و مدل‌سازی = متخصص همه‌فن‌حریف بازار کار. 📝 نویسنده : عارفه کارگر حاجی‌آبادی 💻 انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) 🌐 شناسه کانال: 📲 @AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

پازل تیم دیتا؛ این ۴ نفر تو یه شرکت واقعی دقیقا چیکار می‌کنن؟ 🧩 به عنوان مثال: سیستم قیمت‌گذاری تاکسی‌های اینترنتی. ۱. مهندس داده: میاد زیرساخت می‌سازه تا اطلاعات هزاران سفر (مثل موقعیت GPS، ترافیک و حتی وضعیت آب‌وهوا) در لحظه جمع‌آوری بشه و توی پایگاه داده مرکزی قرار بگیره. ۲. تحلیلگر داده: اون میره سراغ این دیتا تا الگوها رو کشف کنه. مثلاً میگه " تو روزهای بارونی درخواست‌ها 30درصد میره بالا، اما تعداد راننده‌های فعال 15 درصد کم میشه!" ۳. دانشمند داده: اون با دیتا، یه مدل هوش مصنوعی می‌سازه. این مدل یاد می‌گیره که چطوری با در نظر گرفتن کلی متغیر مختلف (مثل مسافت، ترافیک، بارندگی و ساعت روز)، یه قیمت عادلانه رو پیش‌بینی کنه. ۴. مهندس یادگیری ماشین: مدلی که دانشمند داده ساخته، فعلاً فقط رو لپ‌تاپ خودش کار می‌کنه! مهندس ML کدها رو بهینه‌سازی می‌کنه و می‌ذاردش روی سرورهای اپلیکیشن 📝 نویسنده : عارفه کارگر حاجی‌آبادی 💻 انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) 🌐 شناسه کانال: 📲 @AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

🌌امشب رسیدیم به ایستگاه آخر از مشاغل: مهندس یادگیری ماشین (Machine Learning Engineer) به این افراد می‌گن «معماران هوش مصنوعی»!🤖 🔍مهندس یادگیری ماشین چیکار می‌کنه؟ وظیفه اون‌ها بهینه‌سازی کدهای سنگین و پیاده‌سازی اون‌ها در مقیاس بزرگ هست. اون‌ها پل ارتباطی بین علم داده و مهندسی نرم‌افزار هستن. 🧰 جعبه‌ابزار یه مهندس ML چیاست؟ برنامه‌نویسی پیشرفته: تسلط بالا به Python و گاهی زبان‌هایی مثل C++ یا Java. فریم‌ورک‌های ML و Deep Learning: تخصص در TensorFlow، PyTorch و Keras. مهندسی نرم‌افزار: آشنایی عمیق با ساختمان داده‌ها، طراحی الگوریتم، شیءگرایی و معماری نرم‌افزار. تکنولوژی‌های MLOps و ابری: کار با ابزارهایی مثل Docker، Kubernetes و پلتفرم‌های ابری (AWS, GCP, Azure) برای استقرار مدل‌ها. 🎯 این شغل به درد کی می‌خوره؟ اگر شما عاشق کدنویسی هستید و می‌خواهید در لبه‌ی هوش مصنوعی قدم بردارید این شغل برای شماست. 📝 نویسنده : عارفه کارگر حاجی‌آبادی 💻 انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) 🌐شناسه کانال: 📲 @AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

🌌امشب رسیدیم به ایستگاه سوم یعنی دانشمند داده (Data Scientist) به این افراد می‌گن «کیمیاگرها یا پیش‌گوهای دنیای داده»! 🔮 🔍در آینده چه اتفاقی قراره بیفته؟ دانشمندان داده با استفاده از آمار پیشرفته و الگوریتم‌های یادگیری ماشین (Machine Learning)، مدل‌هایی می‌سازن که می‌تونه رفتارهای آینده رو دقیق پیش‌بینی کنه. 🧰 جعبه‌ابزار یه دانشمند داده چیاست؟ پایتون (Python) یا R: زبان‌های اصلی برای تحلیل و مدل‌سازی. آمار و احتمالات پیشرفته: قلب تپنده‌ی علم داده! یادگیری ماشین: استفاده از کتابخانه‌هایی مثل Scikit-Learn، TensorFlow یا PyTorch. اس‌کیوال (SQL): برای استخراج داده‌ها و نمایش نتایج مدل‌ها. 🎯 این شغل به درد کی می‌خوره؟ اگه ذهنیت پژوهشگرانه دارید و دوست دارید از دل اعداد بی‌معنی، الگوهای پنهان رو کشف کنید علم داده بهترین پیشنهاده. دانشمند داده بودن یعنی استفاده از روش علمی برای حل مشکلات دنیای واقعی. 📝 نویسنده : عارفه کارگر حاجی‌آبادی 🚀انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) ‌ 🌐 شناسه کانال انجمن: 📲 @AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

🌟 ایستگاه دوم سفر ما: مهندس داده (Data Engineer) یا همون معمار و لوله‌کشِ دنیای دیتا! 🏗️🔧 🔍 کارش چیه؟ گفتیم تحلیلگرها با دیتا داستان می‌سازن؛ اما این دیتا از کجا میاد؟ مهندس داده زیرساخت‌ها، پایگاه‌های داده و «خطوط لوله» رو می‌سازه تا داده‌های خام رو جمع‌آوری کنه و به شکلی امن و سریع به دست تیم برسونه. بدون اون تیم فلج میشه! 🧰 جعبه‌ابزار: این نقش به شدت فنی‌تره و به مهندسی نرم‌افزار نزدیکه: پایتون (Python) یا اسکالا/جاوا: برای نوشتن اسکریپت‌ها و ساختارها. اس‌کیوال پیشرفته (Advanced SQL): برای طراحی و مدیریت دیتابیس‌های پیچیده. فناوری‌های کلان‌داده (Big Data): ابزارهایی مثل Apache Spark و Hadoop. فضای ابری (Cloud): کار با سرویس‌هایی مثل AWS، Google Cloud یا Microsoft Azure. 🎯 مناسبِ کیه؟ اگه عاشق کدنویسی، معماری سیستم‌ها، کار در «پشت صحنه» و حل چالش‌های فنی هستید، این شغل دقیقاً جای شماست. 📝 نویسنده : عارفه کارگر حاجی‌آبادی 💻 انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) 📲 کانال انجمن: 📍https://t.me/AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

سلام! 🌙 ایستگاه اول سفر ما: تحلیلگر داده (Data Analyst) یا همون کارآگاه دنیای دیتا! 🕵️‍♀️🕵️‍♂️ 🔍 کارش چیه؟ بررسی داده‌های گذشته و حال برای پیدا کردن جوابِ «چه اتفاقی افتاده و چرا؟» تا مدیران بتونن بهترین تصمیم‌ها رو بگیرن. 🧰 ابزارها: اس‌کیوال (SQL)، اکسل (Excel)، ابزارهای هوش تجاری (مثل Power BI یا Tableau) و پایتون (Python). 🎯 مناسبِ کیه؟ افراد تحلیلگر و علاقه‌مند به کشف الگوها که مهارت ارتباطی خوبی برای روایت داستانِ داده‌ها دارن. 💡 نکته: این شغل سریع‌ترین نقطه شروع برای ورود به بازار کار دیتاست! 👇 منتظر معرفی مهندس داده (Data Engineer) باشید! اگه این شغل با روحیاتتون جوره، پست رو لایک کنید 😉🚀 📝 نویسنده : عارفه کارگر حاجی‌آبادی 💻 انجمن علمی دانشجویی تحلیل داده دانشگاه الزهرا(س) 📲 کانال انجمن: 📍https://t.me/AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/

📍همون‌طور که می‌دونید دوره (یا نقشه راه) رایگانمون از ۱۵ خرداد شروع می‌شه و قراره با هم یه مسیر هیجان‌انگیز رو شروع کنیم. 💻 اما قبل از اینکه آستین‌ها رو بالا بزنیم و شیرجه بزنیم تو دنیای پایتون و کدنویسی، یه سوال خیلی مهم هست که باید بهش جواب بدیم: «من اصلاً به درد کدوم شغل دنیای داده می‌خورم؟» 🤔 🔦دنیای دیتا فقط یه شغل نداره! کلی نقش مختلف هست که هر کدوم حال و هوا و ابزارهای خاص خودشون رو دارن. برای همین تصمیم گرفتم از امشب تا روز شروع دوره، هر شب یه پست بذارم و یکی از شغل‌های اصلی دنیای داده رو با هم کالبدشکافی کنیم. 🕵️‍♂️🔍 قراره تو این چند شب شغل‌های زیر رو زیر ذره‌بین ببریم: 1️⃣ تحلیلگر داده (Data Analyst) 2️⃣ مهندس داده (Data Engineer) 3️⃣ دانشمند داده (Data Scientist) 4️⃣ مهندس یادگیری ماشین (ML Engineer) 💡بهتون می‌گم که هر کدوم دقیقاً تو شرکت‌ها چیکار می‌کنن، با چه نرم‌افزارهایی سروکار دارن، چقدر درآمد دارن و از همه مهم‌تر، با توجه به روحیاتتون کدومش بیشتر مناسب شماست. 📝 نویسنده : عارفه کارگر حاجی‌آبادی

«سلام دوستان، همگی خیلی خوش اومدید! قبل از راه‌اندازی کانال تلگرام، یه سری محتوای دنباله‌دار برای کانال «بله» آماده کرده بودم. ممکنه بعضی‌هاتون قبلاً این مطالب رو خونده باشید، اما برای اینکه پیوستگی مباحث حفظ بشه و دوستان جدید هم در جریان قرار بگیرن، اون‌ها رو اینجا هم می‌ذارم تا همه با هم از یک نقطه شروع کنیم.»

🌐 انجمن علمی دانشجویی تحلیل داده معاونت فرهنگی دانشگاه الزهرا (س) برگزار می‌کند: 🚀 دوره جامع و رایگان «تحلیل داده» (ویژه تمام رشته‌ها) می‌خوای یک مهارت پول‌ساز یاد بگیری که آینده شغلی‌ات رو تضمین کنه؟ ما یک مسیر ۶ ماهه پروژه‌محور چیدیم تا از نقطه صفر، تبدیل به یک تحلیلگر داده بشی! 📌 اطلاعات دوره: 🗓 شروع: جمعه | ۱۵ خرداد ماه ۱۴۰۵ 💻محیط : داخل کانال انجمن به صورت آفلاین 💰 هزینه: کاملاً رایگان! 😍 🎯 پیش‌نیاز: ندارد (مناسب برای همه علاقه‌مندان) 🗺 نقشه راه ۶ ماهه ما: ۱. ماه اول: پایتون و SQL از صفر ۲. ماه دوم: پاک‌سازی داده‌ها (Pandas) ۳. ماه سوم: مصورسازی و داستان‌سرایی با داده ۴. ماه چهارم: آمار و یادگیری ماشین (ML) ۵. ماه پنجم: پروژه‌های واقعی و کاربردی ۶. ماه ششم: ساخت پورتفولیوی خفن و رزومه برای بازار کار 📍ارتباط با روابط عمومی انجمن : 🆔️‎@Alzahra_DataAnalysis 🆔 شناسه : Bale :: https://ble.ir/AlzahraDataAnalysis Telegram :: https://t.me/AlzahraDataAnalysis ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ 🌐 https://farhangi.alzahra.ac.ir/