سیستم های پیشنهاد دهنده یا توصیه گر
Open in Telegram
این گروه تخصصی به منظور تبادل نظر در موضوع سیستم های پیشنهاد دهنده یا توصیه گر و زمینه های مرتبط با آن، مخصوصا علوم داده و پرسش و پاسخ و اطلاع رسانی از اخبار دانشگاهی و مقالات مرتبط ایجاد شده است. فعالیت گروه صرفا جنبه علمی پژوهشی دارد.
Show moreIranThe category is not specified
1 113
Subscribers
No data24 hours
No data7 days
No data30 days
Posts Archive
🌺#پرسش_وپاسخ_دکتراذرتاش
✍🏻سوال مردمی
————————
#فتیش
شوهرم فتیش کچل کردن داره ولی من دیگه خسته شدم نمی دونم چیکار کنم؟
______
🌺لینک گروه پرسش و پاسخ دکتر اذرتاش👇🏻
https://t.me/joinchat/Bam4lUQUmUxE2i-Ho84iPw
─═हई @DrAzartash ईह═─
┄┄┅━❅✍❅━┅┄┄
اگه خی دو کمتر از 0.05 باشه ازمون معنی داره و یعنی فرض صفر رد میشه
سامانه جریان اقتصادی نوین (جان) به عنوان پلتفرمی در جهت تکمیل نظام ایدهها، نیازها و با هدف تسهیل فرآیند تجاریسازی محصولات، ایدهها و توانمندیهای فناورانه افراد و شرکتها در کشور و همچنین کمک به معرفی و بازاریابی محصولات فناورانه و همچنین ایجاد سکوی ملی رصد و پایش فعالیتهای فناوری و نوآوری کشور راه اندازی شده است. این سامانه در هشتصد و پنجاه و دومین جلسه شورای عالی انقلاب فرهنگی در مورخ 1400/10/07 تصویب و در تاریخ 1400/12/15 به شماره ۱۹۲۹۶/۱۴۰۰/دش توسط ریاست محترم جمهور و رئیس شورای عالی انقلاب فرهنگی به منظور تحقق کامل زنجیره پژوهش، فناوری و نوآوری ابلاغ و در تاریخ 1402/03/24 با هدایت معاونت فناوری و نوآوری وزارت علوم، تحقیقات و فناوری، توسط سازمان پژوهشهای علمی صنعتی ایران و هاب بینالمللی فناوری و نوآوری ایران، طراحی و اجرا گردیده است و فرصت خوبی برای معرفی محصولات و خدمات شرکت های فناور و دانش بنیان را فراهم نموده است.
https://samanehjan.ir/
دریافت فایل راهنمای ثبت نام و درج محصولات:
https://samanehjan.ir/pdf/guide_for_park.pdf
طبقه بندی محصولات:
https://samanehjan.ir/pdf/category.pdf
آغاز ثبتنام اعضاي هيئت علمي، طلاب و دانشجويان براي دريافت بُن اعتباري خريد كتاب
ثبتنام براي دريافت بُن اعتباري خريد كتاب براي اعضاي هيئت علمي، طلاب و دانشجويان سراسر كشور ويژه بخش مجازي سيوسومين نمايشگاه بينالمللي كتاب تهران از امروز پنجشنبه (هشتم ارديبهشتماه ۱۴۰۱) آغاز ميشود.
به گزارش ستاد خبري سيوسومين نمايشگاه بينالمللي كتاب تهران، ستاد برگزاري اين دوره از نمايشگاه به نمايندگي از معاونت امور فرهنگي وزارت فرهنگ و ارشاد اسلامي در راستاي سياستهاي ترويج كتاب و كتابخواني و حمايت از نشر كشور اقدام به توزيع بُن اعتباري خريد كتاب ويژه بخش مجازي سيوسومين نمايشگاه بينالمللي كتاب تهران براي اعضاي هيئت علمي، طلاب و دانشجويان سراسر كشور ميكند! .
از اين رو اعضاي هيئت علمي، طلاب و دانشجويان سراسر كشور ميتوانند از روز پنجشنبه (هشتم ارديبهشت ماه ۱۴۰۱) براي دريافت بُن اعتباري خريد كتاب ويژه بخش مجازي نمايشگاه به آدرس زير مراجعه و ثبتنام ketab.ir مراجعه كنند
گفتني است؛ سقف يارانه اعتباري خريد كتاب براي دانشجويان و طلاب ۳۵۰ هزار تومان است كه از اين مقدار ۵۷ درصد، معادل دويست هزار تومان سهم مشاركت دانشجويان و طلاب بوده و ۴۳ درصد معادل ۱۵۰ هزار .تومان سهم معاونت امور فرهنگي وزارت فرهنگ و ارشاد اسلامي با مشاركت بانك صادرات ايران است
همچنين سقف يارانه اعتباري خريد كتاب براي اعضاي هيئت علمي ۶۰۰ هزار تومان است كه از اين مقدار ۵۰ درصد معادل ۳۰۰ هزار تومان سهم عضو هيئت علمي و ۵۰ درصد معادل ۳۰۰ هزار تومان نيز برعهده معاونت امور فرهنگي وزارت فرهنگ و ارشاد اسلامي با مشاركت وزارت فرهنگ و ارشاد اسلامي خواهد بود.
لازم به ذكر است يارانه اعتباري خريد كتاب(بُن كتاب) صرفا در بخش مجازي سيوسومين نمايشگاه بينالمللي كتاب تهران قابل استفاده است.
يارانه خريد كتاب (بُن كتاب) بهصورت «اعتبار خريد» به كد ملي متقاضيان اختصاص پيدا ميكند. بنابراين براي ثبتنام نياز به واريز وجه نيست و سهم خريدار از يارانه اعتبار خريد كتاب هنگام خريد كتاب محاسبه و كسر خواهد شد.
با توجه به بودجه اختصاص يافته و سقف اعتباري تعيين شده براي هر استان، اولويت ثبتنام با متقاضياني است كه زودتر ثبتنام كردهاند. بديهي است پس از تكميل ظرفيت و اعتبار استان، امكان ثبتنام متقاضيان جديد نخواهد بود
لازم به ذكر است؛ فرايند ثبتنام تا دريافت پيامك «يارانه خريد كتاب روي كد ملي شما شارژ شد» بايد ادامه پيدا كند تا عمليات ثبتنام و خريد قطعي و ثبت شود
هر كد ملي تنها يكبار مجاز به دريافت يارانه اعتباري خريد كتاب (بُن كتاب) است. هنگام ثبتنام، شماره تلفن همراه بايد فعال، در دسترس و «در اختيار» شخص ثبتنام كننده (كد ملي خريدار) باشد
سيوسومين نمايشگاه بينالمللي كتاب تهران از بيستويكم تا سيويكم ارديبهشت ماه ۱۴۰۱ در دو بخش حضوري در مصلاي امام خميني(ره) و مجازي برگزار ميشود
ببخشید من الان یه کمی بیشتر سرچ کردم در مورد مشکل شروع سرد
ببینین من الان برای هر یوزرم حداقل یه دونه آیتم رو دارم و فقط مشکلم اینه که نمیدونم جداسازی برای تست و ترین رو چجوری انجام بدم
نظری دارین؟
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
⭕️ ⭕️
کسی میتونه برای این تمرین با نرم افزار گفی کمکم کنه❓
فاز دوم : تحلیل یک گراف نمونه با استفاده از نرم افزارگفی ، مثلا استخراج جامعه ، محاسبه انواع مرکزیت ، ترسیم گراف و باز هم نمره اضافه علاوه بر انجام ان در گفی در پایتون هم انجام شود
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
Repost from RecommenderSystems
محاسبهی امتیاز شايستگي براي مهاجرت کانادا:
https://t.me/Recommender_System/538
همه چیز در مورد تحصیل در مقطع دکتری کشور کانادا:
https://t.me/Recommender_System/622
احتمال امکان اخذ پذیرش در دانشگاه های زیر از کشور کانادا بدون مدرک زبان هم وجود دارد:
https://t.me/Recommender_System/654
وب سایت های کاریابی کانادا:
https://t.me/Recommender_System/792
#امتياز #مهاجرت #کانادا #خارج #بورس
#Immigration #Canada #Apply #Position
@Recommender_Systems
سلام خيلي ممنونم از پاسختون،
در مورد اينكه وارد شدن به چه زمينه اي بهتر هست نظري دارين؟ در چه زمينه هايي بايد دنبال موضوع بگردم؟
مثلا من چالش شروع سرد رو بررسي كردم و ميخواستم رو اون كار كنم، بعد ديدم كه مقاله ي ژورنالي خوب خيلي كم ازش هست و خيلي هم رو به كاهشه، به اين نتيجه رسيدم كه ممكنه زياد موضوع خوبي نباشه...
University of Saskatchewan Scholarships in Canada 2024 (Fully Funded)
فول فاند کانادا
https://opportunityportal.info/university-of-saskatchewan-scholarships/
دوره یادگیری عمیق در متلب
https://www.aparat.com/playlist/1908053
سلام وقت بخیر. یک سوال داشتم ممنون می شوم راهنمایی کنید:
برای یک پیشنهاددهنده مبتنی بر محتوا و با استفاده از مدل های یادگیری عمیق، نیاز به ایجاد داده negative
هست؟ داده ها implicit
هستند یعنی همه rate مساوی یک دارند.
Repost from RecommenderSystems
🔅 248 اسلاید عالی برای آموزش سیستم های پیشنهاد دهنده
2014 Recommender Systems
Collaborative Filtering and other approaches
Xavier Amatriain Research/Engineering Director @ Netflix
🔰Index
1. Introduction: What is a Recommender System
2. “Traditional” Methods
2.1. Collaborative Filtering
2.2. Content-based Recommendations
3. Novel Methods
3.1. Learning to Rank
3.2. Context-aware Recommendations
3.2.1. Tensor Factorization
3.2.2. Factorization Machines
3.3. Deep Learning
3.4. Similarity
3.5. Social Recommendations
4. Hybrid Approaches
5. A practical example: Netflix
6. Conclusions
7. References
#Recommender #Tutorial #Slides #Training #Learning #Learn
@Recommender_Systems
Postdoc Positions:
https://www.academictransfer.com/en/job-type/postdoc/
