الرياضيات الجامعية
رفتن به کانال در Telegram
اليوتيوب:https://www.youtube.com/@Muaml_76 الانستكرام : https://www.instagram.com/m_6.ll/profilecard/?igsh=MTNpd2p3MjkxOHc3NQ== التيك توك: tiktok.com/@moaml.to.US
نمایش بیشتر916
مشترکین
اطلاعاتی وجود ندارد24 ساعت
-57 روز
-2530 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+3
در 0 کانال‌ها
سپتامبر '26
+1
در 0 کانال‌ها
Get PRO
اوت '26
+5
در 0 کانال‌ها
Get PRO
ژوئیه '26
+9
در 1 کانال‌ها
Get PRO
ژوئن '26
+7
در 2 کانال‌ها
Get PRO
مه '26
+8
در 0 کانال‌ها
Get PRO
آوریل '26
+9
در 0 کانال‌ها
Get PRO
مارس '26
+17
در 2 کانال‌ها
Get PRO
فوریه '26
+18
در 2 کانال‌ها
Get PRO
ژانویه '26
+17
در 3 کانال‌ها
Get PRO
دسامبر '25
+27
در 2 کانال‌ها
Get PRO
نوامبر '25
+10
در 0 کانال‌ها
Get PRO
اکتبر '25
+6
در 0 کانال‌ها
Get PRO
سپتامبر '25
+5
در 0 کانال‌ها
Get PRO
اوت '25
+4
در 0 کانال‌ها
Get PRO
ژوئیه '25
+12
در 1 کانال‌ها
Get PRO
ژوئن '25
+10
در 2 کانال‌ها
Get PRO
مه '25
+7
در 0 کانال‌ها
Get PRO
آوریل '25
+22
در 2 کانال‌ها
Get PRO
مارس '25
+16
در 2 کانال‌ها
Get PRO
فوریه '25
+1
در 0 کانال‌ها
Get PRO
ژانویه '25
+6
در 0 کانال‌ها
Get PRO
دسامبر '24
+11
در 0 کانال‌ها
Get PRO
نوامبر '24
+30
در 0 کانال‌ها
Get PRO
اکتبر '24
+18
در 2 کانال‌ها
Get PRO
سپتامبر '24
+3
در 0 کانال‌ها
Get PRO
اوت '24
+835
در 1 کانال‌ها
Get PRO
ژوئیه '24
+1 061
در 2 کانال‌ها
Get PRO
ژوئن '24
+2 077
در 2 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 20 اکتبر | 0 | |||
| 19 اکتبر | 0 | |||
| 18 اکتبر | 0 | |||
| 17 اکتبر | 0 | |||
| 16 اکتبر | 0 | |||
| 15 اکتبر | 0 | |||
| 14 اکتبر | 0 | |||
| 13 اکتبر | 0 | |||
| 12 اکتبر | 0 | |||
| 11 اکتبر | 0 | |||
| 10 اکتبر | +1 | |||
| 09 اکتبر | +1 | |||
| 08 اکتبر | 0 | |||
| 07 اکتبر | 0 | |||
| 06 اکتبر | 0 | |||
| 05 اکتبر | 0 | |||
| 04 اکتبر | 0 | |||
| 03 اکتبر | 0 | |||
| 02 اکتبر | 0 | |||
| 01 اکتبر | +1 |
پست‌های کانال
Repost from تحليل البيانات باستخدام الاكسيل
كل ما تريد معرفته عن علم البيانات فى فيديو واحد
https://youtu.be/9s-OOoKV7h4
| 2 |  بدون متن... | 31 |
| 3 | +2 معادلة_الإله_البحث_عن_نظرية_كل_شيء_ميتشيو_كاكو_WeLib_org_.pdf | 57 |
| 4 | اسس الرياضيات.pdf | 53 |
| 5 | الذكاء_الاصطناعي_واستخداماته_في_البحث_والنشر_الاكاديمي_كيفية_استخدام.pdf | 52 |
| 6 | +5 Linear_Algebra_with_Applications.pdf | 60 |
| 7 | Linear Integral Equations ( PDFDrive ).pdf | 40 |
| 8 | +9 المعادلات_التفاضلية_ج١_حسن_مصطفي_العويضي_وآخرون.pdf | 40 |
| 9 | +1 المعادلات التفاضلية ج2.pdf | 29 |
| 10 | المعادلات_التفاضلية_من_الرتبة_الاولى.pdf | 30 |
| 11 | ✅ ٧ عادات تجعلك محلل بيانات أفضل 📊🧠
١. استكشاف مجموعات بيانات حقيقية بانتظام
– استخدم Kaggle أو Data.gov أو Google Dataset Search
– ركز على مجالات مختلفة: المبيعات، الموارد البشرية، التسويق، إلخ.
٢. إتقان فن طرح الأسئلة
– ابدأ بـ: ماذا نريد أن نعرف؟
– ثم: ما البيانات التي نحتاجها للإجابة على هذا السؤال؟
٣. استخدام SQL و Excel يوميًا
– تدرب على عمليات الدمج (joins)، دوال النوافذ، الجداول المحورية، الصيغ
– استهدف حل استعلام واحد من العالم الحقيقي يوميًا
٤. تصور كل شيء
– استخدم Power BI أو Tableau أو Matplotlib
– حافظ على بساطة المخططات ووضوحها وتركيزها على الرؤى
٥. سرد القصص > مجرد إعداد تقارير
– أضف دائمًا "وماذا بعد؟" إلى تحليلك
– ساعد أصحاب المصلحة على اتخاذ إجراء، وليس فقط قراءة الأرقام
٦. توثيق عملك
– استخدم Notion أو Google Docs أو GitHub
– اكتب ما فعلته، وكيف، ولماذا – سيوفر لك الوقت لاحقًا
٧. المراجعة والتفكير أسبوعيًا
– ماذا تعلمت؟ ما الذي أربكك؟
– تتبع الأخطاء والرؤى في دفتر تعلم
💡 نصيحة احترافية: انضم إلى مجتمعات البيانات (Reddit، LinkedIn، مجموعات Slack) لتتقدم بشكل أسرع.
👍 اضغط للمزيد | 57 |
| 12 | +1 النسبية بين نيوتن و أينشتاين.pdf | 64 |
| 13 | Data Analyst For Dummies.pdf | 84 |
| 14 |  بدون متن... | 82 |
| 15 |  كل الكورسات اللى محتاجها اى محلل بيانات موجوده على القناه
هنا
https://www.youtube.com/@KhaledShaaban/courses
وهنا الكورسات المحدده
كورس Excel بالعربى من الصفر إلى الاحتراف | Excel Full Course in Arabic: https://www.youtube.com/playlist?list=PLX7gALGQvxQMNbo5l17pbf9peUT6npncF
كورس Power BI بالعربى من الصفر إلى الاحتراف | Power BI Full Course in Arabic: https://www.youtube.com/playlist?list=PLX7gALGQvxQO7VibyE8dtSZ3nDDM_J3LE
كورس شامل لتحليل البيانات – Excel و Power BI خطوة بخطوة: https://www.youtube.com/playlist?list=PLbK6MX48mjNU
كورس Power BI المتقدم: https://www.youtube.com/playlist?list=PLX7gALGQvxQNyLEtcfkD6Tdb1n6bG8yJh
تحليل البيانات باستخدام PivotTable | من الصفر للاحتراف: https://www.youtube.com/playlist?list=PLX7gALGQvxQMruHkPZEMdUotIW4P0AIhY
سلسلة شرح دوال الاكسيل Excel Function: https://www.youtube.com/playlist?list=PLX7gALGQvxQPaqcMBr0UK4W9oYgOChrBU
كورس تحليل البيانات باستخدام Excel: https://www.youtube.com/playlist?list=PLX7gALGQvxQPMVb2eTW4jid8YakbrFmaz | 87 |
| 16 | ما الذي يعني أن نقول إن ظاهرة ما لها سبب؟
والعلم يبني نماذج قابلة للاختبار.
ثم تأتي التجربة وتقول:
النموذج لا يكفي.
فنعدّل النظرية.
ثم تكشف النظرية الجديدة ظواهر لم تكن الفلسفة القديمة تضعها في حسابها.
فنعود مرة أخرى إلى الفلسفة ونسأل:
هل كان مفهومنا للسببية ضيقًا منذ البداية؟
ثم تتقدم التجربة.
ثم تتغير الرياضيات.
ثم تتغير الفيزياء.
ثم تتغير فلسفة العلم.
ثم تبدأ الدورة من جديد.
إنها ليست علاقة:
Philosophy → Science
فقط.
بل هي علاقة أكثر ثراءً:
Philosophy ↔ Mathematics ↔ Experiment ↔ Theory
كل طرف يضغط على الآخر، وكل اكتشاف عظيم قد يجبرنا على إعادة تعريف الكلمات التي كنا نظن أننا نفهمها.
---
ولهذا أحب قراءة تاريخ العلماء أكثر من قراءة نتائجهم فقط.
لأن المعادلة:
E = hν
يمكن أن أحفظها في دقيقة.
لكن فهم لماذا احتاج الإنسان إلى هذه المعادلة، ولماذا قاومت الفيزياء القديمة ظهورها، وما الذي تغير في مفهوم الطاقة والقياس والواقع بعد ظهورها...
هذا هو العلم الحقيقي.
فالكتب تعطينا:
The answer.
أما تاريخ العلم فيعطينا:
The struggle behind the answer.
وأعتقد أن الطالب الذي لا يرى هذا الصراع قد يخرج من الجامعة وهو يعرف آلاف المعادلات، لكنه لا يعرف كيف تُولد المعرفة.
ولهذا بدأت مؤخرًا رحلة جديدة في عقل ماكس بلانك، من خلال كتاب أهْدَتْني إياه زوجتي الحبيبة في عيد ميلادي السابق، لأقرأه لا بوصفه كتابًا عن فيزيائي عظيم فقط، وإنما بوصفه نافذة على فلسفة العلم عندما تكون المعرفة نفسها قيد التشكل.
وربما يكون هذا هو أجمل ما في العلم:
أننا لا نصل إلى الحقيقة لأننا لم نخطئ.
بل نصل إليها لأننا:
أخطأنا، ثم اكتشفنا خطأنا، ثم امتلكنا الشجاعة الرياضية والتجريبية والفلسفية لنبدأ من جديد.
وهذا هو الدرس الذي يهمني أكثر من ثابت بلانك نفسه:
لا تخجل من أن تكون محاولتك الأولى خاطئة.
فالخطأ في البحث العلمي ليس دائمًا علامة على أنك ابتعدت عن الحقيقة.
أحيانًا...
يكون هو الطريق الوحيد إليها.
—
Youssri Hassan Youssri
Professor of Mathematics | Numerical Analyst | 70 |
| 17 | العلم الذي نقرأه في الكتب ليس هو العلم الذي عاشه العلماء.
من أخطر الأوهام التي تصنعها الكتب الدراسية أنها تجعل المعرفة العلمية تبدو لنا وكأنها وُلدت مرتبةً، نظيفةً، ومنطقية:
تعريف → نظرية → برهان → نتيجة.
ثم نفتح الكتاب فنجد صفحتين تشرحان نظرية عظيمة، فنظن أن الوصول إليهما كان مجرد خطوات رياضية متتابعة.
لكن التاريخ الحقيقي للعلم مختلف تمامًا.
خلف كل معادلة مستقرة توجد غالبًا سنوات من الفرضيات الخاطئة، والمحاولات الفاشلة، والقياسات غير الكافية، والشك، والتراجع، وإعادة بناء الفكرة من الصفر.
أحيانًا تكون الصفحة التي تقرؤها في عشر دقائق قد احتاجت من العلم عقودًا حتى يستطيع كتابتها بهذه البساطة.
ومن أجمل الأمثلة على ذلك الرقم الذي يبدو صغيرًا جدًا:
h = 6.626 070 15 × 10⁻³⁴ J·s
إنه ثابت بلانك.
رقم صغير في حجمه العددي، لكنه هائل في أثره على فهمنا للطبيعة.
فالعلاقة الأساسية:
E = hν
تقول إن طاقة الكم مرتبطة بتردده؛ أي أن الطاقة على المستوى الكمي لا تتصرف دائمًا كما تخيلها الفيزياء الكلاسيكية على أنها كمية مستمرة يمكن تقسيمها بلا حدود، بل تظهر في صورة كمّات محددة.
وهنا بدأت واحدة من أعظم التحولات الفكرية في تاريخ العلم.
---
لكن المدهش ليس الرقم وحده... بل الطريق إليه.
بدأ بلانك دراسة مشكلة الإشعاع الحراري والجسم الأسود في تسعينيات القرن التاسع عشر، وقدم عدة محاولات قبل أن يصل عام 1900 إلى قانون الإشعاع الذي قاد إلى فكرة الكم.
وتشير المصادر التاريخية إلى أن بلانك كان قد نشر أعمالًا متعددة حول إشعاع الجسم الأسود قبل 1900، وأنه كان يحاول في البداية تفسير الظاهرة ضمن الإطار الحراري والكهرومغناطيسي المعروف في عصره. ثم اضطر في النهاية إلى إدخال «عناصر الطاقة» التي نعرفها اليوم بالكمّات.
وهنا تكمن فلسفة العلم الحقيقية:
العالِم لا يبدأ دائمًا وهو يعرف إلى أين سيصل.
بل يبدأ غالبًا وهو يعرف فقط:
هذه النظرية لا تفسر البيانات.
ومن هذه الجملة الصغيرة تبدأ الثورة.
---
والأجمل أن بلانك نفسه لم يكن في البداية ثائرًا يريد هدم الفيزياء الكلاسيكية.
لقد كان يحاول إنقاذها.
وهذا درس عظيم في فلسفة البحث العلمي:
أحيانًا تأتي الثورة العلمية من محاولة إنقاذ النظرية القديمة، لا من الرغبة في تدميرها.
لكن عندما تصبح الفجوة بين:
Theory ↔ Experiment
أكبر من أن تُردم بالترقيع، يصبح على العلم أن يدفع ثمن التغيير.
والثمن هنا كان إعادة التفكير في معنى الطاقة نفسها.
---
ولكي ندرك حجم هذا الرقم، يكفي أن نلاحظ أن ثابت بلانك أصبح أحد الثوابت الأساسية في النظام الدولي للوحدات، وقيمته العددية محددة بدقة:
h = 6.626 070 15 × 10⁻³⁴ J·s
بل إن تعريف الكيلوجرام في النظام الدولي الحديث يعتمد على تثبيت القيمة العددية لثابت بلانك.
إذن نحن لا نتحدث عن رقم ظهر في كتاب فيزياء وانتهى الأمر.
نحن نتحدث عن ثابت دخل في البنية الأساسية التي نقيس بها العالم.
ومن ميكانيكا الكم خرجت تطبيقات غيّرت الحضارة: أشباه الموصلات، والليزر، والإلكترونيات الحديثة، والتقنيات التي تقوم عليها الحواسيب والهواتف والخلايا الشمسية وغيرها.
ولهذا فإن تاريخ h ليس تاريخ رقم.
إنه تاريخ تغيير في مفهوم الواقع نفسه.
وقد مُنح ماكس بلانك جائزة نوبل في الفيزياء لعام 1918 تقديرًا لاكتشافه كمّات الطاقة، وتسلم الجائزة لاحقًا.
---
لكن هناك جانب آخر في قصة بلانك يهمني أكثر من المعادلة نفسها:
فلسفة السببية.
بلانك وأينشتاين كانا متمسكين، بدرجات مختلفة، بفكرة أن ميكانيكا الكم لا ينبغي أن تعني ببساطة اختفاء السببية.
وهنا لدي تحفظ فلسفي.
أنا لا أرى أن المسألة يمكن اختزالها في القول:
"السببية القديمة أُعيدت صياغتها."
الأعمق من ذلك أن العلم نفسه كشف لنا أن كلمة السببية ربما كانت أوسع من أن تُختزل في نموذج واحد.
في الميكانيكا الكلاسيكية، نكتب بصورة مثالية:
State(t₀) → State(t)
إذا عرفت الحالة الابتدائية والقوانين، يصبح المستقبل محددًا بصورة حتمية.
لكن في الميكانيكا الإحصائية والديناميكا الحرارية تظهر علاقات من طبيعة مختلفة، حيث لا نتعامل مع مسار مجهري واحد، وإنما مع قوانين احتمالية وإحصائية للأنظمة الكبيرة.
ثم جاءت ميكانيكا الكم، فأصبحت الصورة أكثر عمقًا:
ψ(t) → P(observation)
الحالة الكمومية تتطور وفق معادلة شرودنغر تطورًا حتميًا:
iℏ ∂ψ/∂t = Ĥψ
لكن نتائج القياسات الفردية تُوصف احتماليًا وفق قاعدة بورن:
P(a) = |⟨a|ψ⟩|²
وهنا لا أعتقد أن علينا أن نقول ببساطة إن السببية «اختفت».
بل ربما اكتشفنا أن السببية نفسها لها مستويات وأنماط مختلفة.
وهذه نقطة أراها شديدة الأهمية.
---
العلم لا يثبت دائمًا أن فلسفتنا القديمة كانت خاطئة بالكامل؛ أحيانًا يكشف أن السؤال نفسه كان أضيق من الواقع.
وهنا تظهر علاقة شديدة الجمال بين فلسفة العلم والعلم التجريبي.
الفلسفة تسأل: | 53 |
| 18 | اللقاء الأول ضمن مبادرة «أُفُق»
بعنوان
*تحليل الأعمال | Business Analysis*
🎙️ *م. أحمد الخليفي*
خبير تحليل أعمال في شركة *STC upsource solution*
📅 *السبت 29 أغسطس 2026*
⏰ *8:00 – 10:00 مساءً*
💻 *Online*
التسجيل:
https://docs.google.com/forms/d/e/1FAIpQLScmu0VO2ysZFgEA82FOq4XkVN3GAjkRsBuiXEUW9MIoQj7mLg/viewform?usp=publish-editor
كونوا على الموعد | 54 |
| 19 | Rings, Fields, and Vector Spaces.pdf | 60 |
| 20 |  بدون متن... | 59 |
