|R| Experts

📊 🌏 انجمن علمی آمار با همکاری انجمن علوم زمین دانشگاه شیراز برگزار می کنند: 💻 کارگاه آموزش مقدماتی نرم افزار R 📜 همراه با ارائه ی گواهی معتبر از دانشگاه شیراز 👩🏻‍💻 مدرس: سرکار خانم فاطمه زمانی نسب (دانشجوی ارشد آمار زیستی،سابقه ی سه سال همکاری در این زمینه با انجمن علمی آمار شیراز) 📆 زمان:۲۶،۲۵،۲۴،۲۳ اسفندماه ۱۴۰۱ ⏰ ساعت ۱۷ الی ۱۹ 💰هزینه ثبت نام: دانشجویان آمار و زمین شناسی ۷۵ هزار تومان سایر داشجویان: ۱۰۰ هزار تومان آزاد: ۱۵۰ هزار تومان 🖥️ پلتفرم: ادوبی کانکت 📞 اطلاعات بیشتر و ثبت نام: از طریق پیامک و تلگرام با سرکار خانم سلیم در ارتباط باشید 0904 680 6870 @Shiaw_81 تلگرام انجمن: ‏https://t.me/statistics_shirazu_elmi اینستاگرام: https://instagram.com/elmi_amar_shirazu?igshid=YmMyMTA2M2Y= تلگرام اطلاع رسانی انجمن های علمی شیراز: https://t.me/shirazu_anjomanelmi 💫 با ما همراه باشید...

🏷️Absolutely Free !!! Roadmap to becoming a 𝗗𝗮𝘁𝗮 𝗔𝗻𝗮𝗹𝘆𝘀𝘁 for 𝗙𝗥𝗘𝗘: 𝟭 - 𝗘𝘅𝗰𝗲𝗹: Start with Excel, Analyzing Data in Excel empowers you to understand data through detailed visual summaries, trends, and patterns. - 𝗘𝘅𝗰𝗲𝗹 𝗥𝗲𝘀𝗼𝘂𝗿𝗰𝗲: https://bit.ly/3BOIiZ5 𝟮 - (𝗶) 𝗣𝗿𝗼𝗴𝗿𝗮𝗺𝗺𝗶𝗻𝗴 𝗟𝗮𝗻𝗴𝘂𝗮𝗴𝗲: Choose 'Python' or ' R ', any one language for your journey, Python may be the ideal choice if you want to transition to machine learning. - 𝗣𝘆𝘁𝗵𝗼𝗻 𝗥𝗲𝘀𝗼𝘂𝗿𝗰𝗲: https://lnkd.in/d7YTEXM7 (𝗶𝗶) 𝗥 𝗳𝗼𝗿 𝗗𝗮𝘁𝗮 𝗔𝗻𝗮𝗹𝘆𝘀𝗶𝘀: If you're passionate about the statistical computation and data visualization aspects of data analysis, R could be a good fit for you. - '𝗥' 𝗥𝗲𝘀𝗼𝘂𝗿𝗰𝗲: https://lnkd.in/dx6DEk35 𝟯 - 𝗗𝗮𝘁𝗮𝗯𝗮𝘀𝗲𝘀: Learn both SQL & No SQL databases - MySQL Resources: https://lnkd.in/dPZuDM57 - Mongo DB: https://lnkd.in/dQ325DHB 𝟰- 𝗦𝘁𝗮𝘁𝗶𝘀𝘁𝗶𝗰𝘀 & 𝗣𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝘁𝘆: Master the concepts of Descriptive Statistics and Inferential Statistics - 𝗥𝗲𝘀𝗼𝘂𝗿𝗰𝗲: https://lnkd.in/dtr7YSzz 𝟱 - 𝗜𝗻𝘁𝗲𝗿𝗮𝗰𝘁𝗶𝘃𝗲 𝗗𝗮𝘁𝗮 𝗩𝗶𝘀𝘂𝗮𝗹𝗶𝘀𝗮𝘁𝗶𝗼𝗻 𝗧𝗼𝗼𝗹𝘀: Learn Tableau or Power BI - [Power BI] Resource: https://lnkd.in/dAds5Jfa - [Tableau] Resource: https://lnkd.in/duCEUZKZ 𝐂𝐡𝐞𝐜𝐤 𝐭𝐡𝐢𝐬 𝐨𝐮𝐭: http://bit.ly/3XrnBL0 Moreover, here is the quarter-wise roadmap to become a Data Scientist in 2023: https://lnkd.in/dX-epQqd That's a wrap! If you enjoyed this listicle post: ♀️𝗦𝗔𝗩𝗘 it for later 🤩

📊 انجمن علمی آمار دانشگاه اراک با همکاری مرکز تحقیقات بین رشته‌ای در دانش‌های بنیادی دانشگاه اراک (IRFS) برگزار می‌کند: ✅ دوره آنلاین آموزش مقدماتی SQL 🔖 با ارائه مدرک معتبر دو زبانه 👨🏻‍💼مدرس: دکتر سید جمال میرکمالی 🔹عضو هیات علمی گروه ریاضی و آمار دانشگاه اراک 📗 ۱۰ ساعت آموزش تعاملی با محتوای: 🔸تولید و نگهداری پایگاه داده‌ها 🔸️گزاره های شرطی در SQL 🔸توابع و رویه های SQL 🔸️تولید گزارش های آماری 🔸نحوه اتصال به سایر نرم افزارها و... 🔍 اطلاعات بیشتر در بروشور کارگاه. 🕰 زمان برگزاری: ۱۴ و ۱۵ و ۱۶ اسفند ماه ساعت ۱۳:۳۰ الی ۱۷. ⏳مهلت ثبت نام:  ۱۱ ام اسفند ماه ۱۴۰۱. 💵هزینه ثبت نام: ثبت نام آزاد: ۷۰۰ هزار تومان. ثبت نام دانشجویی: ۵۵۰ هزار تومان. ثبت نام دانشجویان دانشگاه اراک: ۴۵۰ هزار تومان. ⚠️لینک ثبت نام در اختیار شما قرار خواهد گرفت. ‼️به دلیل ظرفیت محدود، اولویت با افرادی است که زودتر ثبت‌نام کنند.‼️ ⏬ برای ثبت‌نام و کسب اطلاعات بیشتر با آیدی تلگرامی زیر در ارتباط باشید👇 🆔 @amar_araku @araku_statistics

Guys, Do you want to learn data analytics with R? If yes, I would say Good Decision! R programming has various statistical and graphical capabilities. R provides various essential packages for data wrangling like dplyr, purrr, readxl, google sheets, datapasta, jsonlite, tidyquant, tidyr, etc. R has a famous ggplot2 package which is most famous for its visualizations. So if you want to learn Data Analytics with R programming, you can check these 9 Best Data Analysts with R Online Courses. https://lnkd.in/gW9yBCV I hope you will find these courses helpful. Happy Learning! ╭──•═✾🔘✾═•──╮ ••• @R_Experts ••• ╰──•═✾🔝✾═•──╯

12 Best Free SQL Courses to Boost Your Database Skills. 1. Introduction to Structured Query Language (SQL) 🔗https://lnkd.in/dvD_BpEs 2. Introduction to SQL for BigQuery and Cloud SQL 🔗https://lnkd.in/d2N_d479 3. Foundations for Big Data Analysis with SQL 🔗https://lnkd.in/dNwwCQPh 4. Analyzing Big Data with SQL 🔗https://lnkd.in/d5r9EyhB 5. Managing Big Data with MySQL 🔗https://lnkd.in/di5znRkx 6. SQL for Data Science 🔗https://lnkd.in/dSM8zwqS 7. Databases and SQL for Data Science with Python 🔗https://lnkd.in/dwN7YhFC 8. Scripting with Python and SQL for Data Engineering 🔗https://lnkd.in/dRicmiUU 9. SQL for Data Science with R 🔗https://lnkd.in/dyPymzw2 10. Microsoft Azure SQL 🔗https://lnkd.in/dgQuiM8m 11. Oracle SQL Basics 🔗https://lnkd.in/deGP4N-v 12. Troubleshooting Common SQL Errors with BigQuery 🔗https://lnkd.in/dZVkuTiF If you need advice on how to take Coursera courses for free, check this out: 🔗 https://t.co/Wghfr9kv3Y

✨ انجمن علمی دانشجویی هیپوکامپ برگزار می‌کند : ⚜️ دوره مقدماتی و متوسط زبان برنامه نویسی R با تدریس: 👨‍🏫 مهندس جواد وحدت 🔖 کارشناس ارشد آمار ریاضی، فعال حوزه علم داده و یادگیری ماشین با سابقه 8 سال تدریس کارگاه های مختلف در حوزه علم داده و آمار 🔆 12 جلسه تدریس 2 ساعته، کاملا تعاملی 📆 روز های یکشنبه و سه شنبه شروع دوره از 23 بهمن 1401 📌 (10 جلسه قبل از عید و 2 جلسه بعد از عید برگزار خواهد شد) ⏰ کلاس ها با ظرفیت محدود در دو تایم بندی زیر برگزار خواهند شد: ساعت 17 تا 19 و ساعت 19 تا 21 🌀 هزینه دوره 200 هزار تومان 🖥 در بستر اسکای روم 💠 با ارائه گواهی معتبر از طرف معاونت فرهنگی دانشجویی دانشگاه علوم پزشکی اردبیل 🌐 لینک ثبت نام #جزئیات‌دوره‌زبان‌برنامه‌نویسی‌R: ✅ درباره مدرس دوره ✅ سرفصل های آموزشی این دوره به تفصیل ✅ تاریخ جلسات و نحوه برگزاری دوره ✨@hippocampus_association✨

You can become a data analyst in 90 days without spending a cent! Yes, you heard that right. With the right approach and dedication, anyone can become a data analyst . Here are the steps to follow( Make sure the order is maintained): Learn Excel - Time : 12 days 🎙️ Tutorials - https://lnkd.in/eWmC2vf8 🏗️ Projects - https://lnkd.in/ew5y5KP7 Learn Basic Statistics - Time : 3 days 🎙️ Tutorials - https://lnkd.in/emKawHBs Learn Power BI - Time : 20 days 🎙️ Tutorials - https://lnkd.in/eWmC2vf8 🏗️ Projects - https://lnkd.in/ew5y5KP7 Learn SQL - Time : 20 days 🎙️ Tutorials - https://lnkd.in/epAFJzJB 🏗️ Projects - https://lnkd.in/eq9jqcBq Learn Python - Time : 20 days 🎙️ Tutorials - https://lnkd.in/eh4gTQQ2 🏗️ Projects - https://lnkd.in/emzcrzTX Work on Projects and build your portfolio - Time : 15 days 🎙️ Portfolio - https://lnkd.in/eVFWpmFg 🏗️ Projects - https://lnkd.in/epd_9Bx8 Build Resume and start applying for the Jobs 🎙️ Resume - https://lnkd.in/eAaTiiJi Wishing you all the best!

When we say only knowledge is not enough it means this

1. Introduction to Computer Science and Programming Using Python (MIT) https://lnkd.in/eFrBJt7V   2. Introduction to Computational Thinking and Data Science (MIT) https://lnkd.in/eN-zsz8w   3. The Analytics Edge (MIT) https://lnkd.in/eqg7nNMK   4. Machine Learning (MIT) https://lnkd.in/eQ3sKjxa   5. Introduction to Deep Learning (MIT) https://lnkd.in/fx3RiBi   6. Artificial Intelligence (MIT) https://lnkd.in/eskDb_ap   7. Optimization Methods (MIT) https://lnkd.in/eSuS3DzT   8. Probabilistic Systems Analysis and Applied Probability (MIT) https://lnkd.in/ehq5B966   9. Statistical Thinking and Data Analysis (MIT) https://lnkd.in/e72fPiZT   10. Optimization Methods in Management Science (MIT) https://lnkd.in/eEyGfTKZ   11. Databases (Stanford) https://lnkd.in/enEcG7E8   12. Mining Massive Datasets (Stanford) https://lnkd.in/eg6T-aVh   13. Statistical Learning (Stanford) https://lnkd.in/ehv4iMeP   14. Computer Science 101 (Stanford) https://lnkd.in/dBbz5Keh   15. Algorithms: Design and Analysis, Part 1 (Stanford) https://lnkd.in/eKsafebr   16. Algorithms: Design and Analysis, Part 2 (Stanford) https://lnkd.in/eTuwyQPB   17. Convex Optimization (Stanford) https://lnkd.in/ezW3RgEZ   18. Introduction to Artificial Intelligence with Python (Harvard) https://lnkd.in/datzPtf6   19. Data Science: Machine Learning (Harvard) https://lnkd.in/e53_2hCU   20. Data Science: Probability (Harvard) https://lnkd.in/eAjVbGP

You don't need to spend thousands of dollars to learn Data Science. The best universities in the world offer a wide range of free courses in this field. Here is a list 20 free courses in Data Science from the Massachusetts Institute of Technology, Stanford University, and Harvard University:

آماری که هیچکس را ناراحت نکند و هیچ گزارهٔ علمی جدیدی بیان نکند آمار نیست، گزارش روزمره اداری است! فلسفهٔ آمار، محو کردن نادانی است. محو نادانی٬ در هر سیستمی مقاومت ایجاد می کند! یک گزارش ساده اقتصادی شاید خیلی دور از اذهان، کسانی که در انتهای سال ۹۸ به دنبال نرخ تعادلی ۵۶۰۰ تومانی ارز بودند باشد! اما با نرخ ۱۹ هزار تومانی، و سه سال بعد با نرخ ۴۰ هزار تومانی به استقبال آنها آمد! اقتصاد همچین ماهیتی داره هر چقد، محکم‌تر بهش دستور بدهید در یک سطح غیر تعادلی بایستد، محکم‌تر واکنش نشان می‌دهد! درسته ما پیش شما شاگردی کردیم، و حرفای شاگرد وقتی خلاف ایدئولوژی استاد باشه، به مزاجش خوش نمی‌یاد! اما اگر با همین فرمون جلو برید روزای خوبی در انتظار نیست، آخر این قصه به اینجا خواهد رسید، من می‌نویسم شما فرار کنید: 🖋هر دلار امریکا در سال ۱۳۵۷ تنها ۷۰ ریال بوده و طی ۴۳ سال اخیر به ۳۷۰/۰۰۰ ریال رسیده ! ینی ۵۲۸۵ برابر ! ✍️اگر همین فرمون بریم،۴۳ سال اینده یعنی در سال 1444 هر یک دلار امریکا حدوداً برابر میشه ؛ 1 $ = ﷼ ۲/۰۰۰/۰۰۰/۰۰۰ معادل دویست میلیون تومان ! 🖋اگر قیمت انس طلای جهانی ثابت بگیریم ؛ هر گرم طلای ۱۸ عیار میشه ؛ حدودا ۸،۰۰۰،۰۰۰،۰۰۰ (هشت میلیارد تومان) و بعبارتی هر کیلو طلا ؛ ۸،۰۰۰،۰۰۰،۰۰۰،۰۰۰ تومان (هشت هزار میلیارد تومان معادل ۸ همت ! ) و سکه به ۱۰۰ میلیارد تومان میرسد ! ( ۱۰۰/۰۰۰/۰۰۰/۰۰۰) 🔹اگر اسیر ابرتورم بشویم تمام این اعداد شاید به ۴۳ سال نکشد و در ۱۰-۲۰ سال آینده شاید به آنها رسیدیم ! یادمان باشد فلسفه آمار محو نادانی است، نه مطابقت با ایده‌آل‌های ما :)

حالا که دلار به نزدیکی ۳۸ رسیده خواستم یه خدا قوت بگم به رحمتی رئیس وقت امور اقتصاد کلان سازمان برنامه و بودجه که مرداد ۱۴۰۰ پیش‌بینی کرده بود در صورت تداوم تحریم‌‌ها دلار سال ۱۴۰۱ به ۳۵ هزار تومان می‌رسه! برآوردی دقیق و کارشناسی فارغ از هیاهوی سیاسی تحلیلگر تویی داداش بقیه اداتو درمیارن دیگه پیش‌بینی نرخ دلار در سال‌های بعد برگ‌ریزونه ۴۶، ۷۰، ۱۱۰، ... @R_Experts

💠 کارزار لغو افزایش هزینه سرسام آور آزادسازی مدرک تحصیلی 🔺 در وزارت علوم، تحقیقات و فناوری 🔺 #استعمار_نوین_آموزشی 📄 در بخشی از این کارزار که به تفصیل، ایرادات حقوقی این مصوبه، پیامدهای ناگوار اجرای آن و تضاد منافع احتمالی پنهان در آن را شرح داده و خواستار عدم تسری جدول هزینه اعلامی به دانشجویان حال حاضر و فارغ‌التحصیلان گذشته شده، آمده است: 🏷 در اقتصاد بخش عمومی و حقوق عمومی می‌خوانیم که اصل بر این است که دولت در مال و اراده مردم دخالت نمی‌کند، مگر با حجت کافی. کدام حجت محکم در دست بود که دولت بتواند چنین هزینه سنگینی را برای جبران کمبودهای مالی خود در تأمین امکانات رفاهی دانشگاه‌ها بر جوانان تحمیل کند؟ مگر مقصر ترک فعل‌های صورت گرفته و فشارهای اقتصادی ناشی از آن بر دولت و کسری بودجه وزارتخانه ها مردم‌اند که دولت برای جبران آن دست در جیب مردم کند یا مگر دانشجوی ما با پرداخت ارز خارجی، بورسیه شده است که اکنون به نرخ روز از او بازپس گرفته شود؟ ✍ برای امضای این کارزار در راستای اثبات فراوانی معترضان و حساسیت و فوریت موضوع برای آنان به مسئولان بالادستی، به لینک زیر بروید: 🌐 www.karzar.net/63023 👁‍🗨 @azaadsazi

فرمولی جدید محاسبه برای #شاخص_کل #پیشنهادی #گراف‌_پد در اینجا قصد نداریم درباره‌ی درستی یا غلط بودن وزن Wi (همان ارزش بازار هر نماد) که در فرمول شاخص کل، قرار دارد حرفی بزنیم. البته اگر بپرسید ، غلط است و برای سبد منو شما 5 درصد نماد X با 5 درصد نماد Y فرقی ندارد. بله برای دولت‌ها که بازار سرمایه را به عنوان دارایی (خودشان) نگاه می‌کنند، اهمیت دارد که بازارش چقدر می‌ارزد و ارزش ریالی آن امروز نسبت به دیروز چقدر کم و یا زیاد شده است. بنابراین شاخص کل، صرفاً برای همان دولت‌ها خوب است که یک آماره بیش براورد است و همه چیز را هم بهتر از آن چیزی که واقعیت دارد، نشان می‌‌دهد. آنچه من می‌خواهم پیشنهاد دهم و چندین بار هم در گذشته از آن نام بردم، به صورت زیر است. همه نمادهای معامله شده در بازار سرمایه را به ترتیب حروف الفبا مرتب می‌کنیم. برای ما فرقی بین نوع بازار (بورس، فرابورس، بازار پایه، صندوق‌ها و ....) وجود ندارد. فرض کنید آن‌ها به صورت زیر هستند که به ترتیب حروف الفبا کنار هم قرار گرفته‌اند. X1, X2, …., Xn که در آن هر Xi درصد قیمت پایانی و یا آخرین قیمت نماد X می‌باشد. n نیز تعداد نمادهای معامله شده در هر روز است. حال در مرحله بعد نمادها را به صورت زیر کنار هم قرار می‌دهیم. X(1), X(2), …., X(n) وقتی اندیس‌ها در پرانتز قرار می‌گیرد، ما به آنها آماره‌های ترتیبی می‌گوییم. در این حالت X(1) نمادی با کمترین میزان درصد قیمت پایانی و یا آخرین قیمت است. به بیان ساده یعنی منفی‌ترین نماد معامله شده. به همین ترتیب X(n) نمادی با بیشترین میزان درصد قیمت پایانی و یا آخرین قیمت است. یعنی مثبت‌ترین نماد معامله شده. حال میانه Median اعداد X(1), X(2), …., X(n) را به دست می‌آوریم. میانه در اینجا از رابطه زیر به دست می‌آید. Median = X ((n+1)/2) اگر n فرد باشد و Median = [X (n/2) + X ((n/2)+1)] / 2 اگر n زوج باشد. البته نرم‌افزارها به سادگی می‌توانند این محاسبات را انجام دهند و به سرعت در هر لحظه، میانه اعداد X(1), X(2), …., X(n) را به دست بیاورند. آنچه درباره میانه اهمیت دارد این است که این یک پارامتر اصطلاحاً Robust و متمایل به مرکز داده‌ها است. قبلاً درباره این مطلب صحبت کردم. ویژگی دیگری که میانه در این فرمول دارد، آن است که پارامتری با براورد اصطلاحاً نااریب Median Unbiased Estimator است. درباره UMVUE بودن شاخص میانه، یعنی برآوردگر نااریب با واریانس به طور یکنواخت‌ مینیمم Uniformly Minimum Variance Unbiased Estimator (UMVUE) که یک ویژگی کاملاً مثبت در تئوری‌های آماری و قوی‌تر از نااریب بودن است، در ادامه بیشتر می‌توان صحبت کرد. 🆔@R_Experts