♨️محمد طاهر رحیمی، اقتصاددان در :
جراحی های اقتصادیِ متوالی ِ سمت ِ کاربر!
_ که بنده را نخرد کس، در اوجِ بی هُنَری
#اقتصادی
@toobabigdatascience

وزارت آموزش و پرورش، فرهنگ، تربيت بدنی، علوم و تکنولوژی ژاپن (مونبوکاگاکوشو Monbukagakusho یا به اختصار MEXT) برای دانش آموزان و دانشجويان علاقمند به تحصيل در ژاپن، چهار مقطع به ترتیب زیر منظور نموده است. لطفاً توضیحات هر مقطع را به طور کامل و تا پایان صفحه مربوطه مطالعه نمایید. مهلت ارسال مدارک در صفحه هر مقطع ذکر شده است. 

 

Research Student Scholarship (کارشناسی ارشد و دکترا)
Undergraduate Student Scholarship (کارشناسی)
College of Technology Scholarship (فوق ديپلم)
Specialized Training College Students (فوق ديپلم فنی و حرفه ای)

https://www.ir.emb-japan.go.jp/itpr_fa/00_000281.html

♨️ هشدار به جامعه علمی ایران :
"در سال ۱۹۹۱ به ازای هر ۱۰۰ مقاله حاوی خلیج فارس، تنها ۱۱ مقاله حاوی نام جعلی ِخلیج ع.ر.ب.ی منتشر شد. اکنون این نسبت به بالای ۴۰ رسیده است‼️"

#خلیج_فارس ِ ایران
@toobabigdatascience

🌲دانشمندان: درختان گاهی با هم حرف می‌زنند

🌵ظاهرا درختان می‌توانند هنگام وقوع خورشیدگرفتگی دانش بوم‌شناختی‌شان را از درختان مسن‌تر به درختان جوان‌تر منتقل کنند

🌴🌳درختان با یکدیگر صحبت می‌کنند. اما این اتفاق همیشه رخ نمی‌دهد.

🎋به گفته دانشمندان، ظاهرا درختان می‌توانند هنگام وقوع خورشیدگرفتگی دانش بوم‌شناختی‌شان را از درختان مسن‌تر به درختان جوان‌تر منتقل کنند.

🌳این یافته‌ها درک پژوهشگران از درختان را گسترش می‌دهند؛ درختانی که متولیان امور می‌گویند برای بقای ما در مواجهه با تغییرات اقلیمی و از دست رفتن تنوع زیستی حیاتی‌اند. این یافته‌ها همچنین شواهد روبه‌رشدی را تقویت می‌کنند که نشان می‌دهند گیاهان در بوم‌سازگان‌ [یا اصطلاحا اکوسیستم]‌های خود مشارکت دارند.
...
🍃🌚🍂 ما، سَمیعیم و بَصیریم و هُشیم
با شما نامحرمان، ما خامُشیم...

#خلقت
#Creation
#آفرینش
@toobabigdatascience

❌راه را به اشتباه رفتیم✖️

#مقاله‌محوری
#مقاله‌نویس‌پروری
@toobabigdatascience

#PhD
#Postdoc
@toobabigdatascience

#ML
#Classification
#Accuracy
@toobabigdatascience

#هوش_مصنوعی ،وجود نداره ؟!😳
وقتی که هوش مصنوعی، مجبور می شود حرف های ناپخته ی هوش بشری را، خودش اصلاح می کند🤓

#AI
@toobabigdatascience

🦠پروتئین و جی پی اس؟

🎓محققان مؤسسه فناوری ماساچوست (MIT) با همکاری دانشگاه هاروارد و مؤسسه برود، مدل هوش مصنوعی جدیدی به نام «ProtGPS» توسعه داده‌اند که می‌تواند محل قرارگیری هر پروتئین درون سلول‌های انسانی را پیش‌بینی کند. این مدل، با تحلیل توالی‌های آمینواسیدی پروتئین‌ها، قادر است تعیین کند که پروتئین به کدام‌یک از ۱۲ بخش شناخته‌شده درون سلول منتقل می‌شود. علاوه بر این، ProtGPS می‌تواند پیش‌بینی کند که آیا جهش‌های مرتبط با بیماری‌ها، محل قرارگیری پروتئین را تغییر می‌دهند یا خیر.

📍این مدل نه‌تنها پیش‌بینی می‌کند، بلکه توانایی طراحی پروتئین‌های جدید با هدف قرارگیری در بخش‌های خاصی از سلول را نیز دارد. برای مثال، در یک آزمایش، از میان ۱۰ پروتئین طراحی‌شده برای هدف‌گیری به سوی هستک (nucleolus)، چهار پروتئین به‌طور مؤثری به این بخش منتقل شدند.

محققان همچنین از ProtGPS برای تحلیل بیش از ۲۰۰٬۰۰۰ پروتئین با جهش‌های مرتبط با بیماری‌ها استفاده کردند. آن‌ها دریافتند که بسیاری از این جهش‌ها باعث تغییر محل قرارگیری پروتئین‌ها می‌شوند، که می‌تواند مکانیزم‌های ناشناخته‌ای از بروز بیماری‌ها را آشکار کند.
#ProtGPS

https://www.aparat.com/v/plote54
غریب:حافظ تمامیت ارضی ایران ،مسیح کردستان (محمد بروجردی)۱ فروردین ۱۳۳۳ – ۱ خرداد ۱۳۶۲

1. FindAPhD
www.findaphd.com

2. PhD Positions
www.phdpositions.eu

3. Scholarship Positions
www.scholarship positions.com

4. DAAD Scholarship Database
https://www.daad.de/en

5. Euraxess
https://lnkd.in/dW3X7x4w

6. Academic Positions
[https://lnkd.in/gNkHAdHf

7. ProFellow
https://www.profellow.com

8. Nature Careers
https://lnkd.in/dFGmRxZb

9. GradSchools
www.gradschools.com

10. PhDportal
www.phdportal.com
11. Scholars4Dev
https://lnkd.in/dziC3rVY

12. The GradCafe
www.thegradcafe.com

13. ResearchGate
www.researchgate.net

14. University Websites
https://lnkd.in/dQggSnR5) (Sweden)

15. Fulbright Scholar Program
www.cies.org

16. Chevening Scholarships
www.chevening.org

17. Commonwealth Scholarships
https://www.cscuk.org.uk

18. GoAbroad
www.goabroad.com

19. MastersPortal
www.mastersportal.com

20. PhD Scholarships
www.phdscholarships.org


21. AcademicTransfer
www.academictransfer.com


22. PhDJobs
www.phdjobs.com

#braindrain 😢
@toobabigdatascience

https://www.linkedin.com/posts/khoshnoodiiust_alphaevolve-a-gemini-powered-coding-agent-activity-7329244981523595266-Wroo?utm_source=share&utm_medium=member_android&rcm=ACoAABJytlwBtzZe9vFCGnAnWMDnSjRU2wSsbEc
دستاورد جدیدی از گوگل دیپ مایند!
تا همین چند سال پیش، منتظر می ماندیم تا آقای کُرمن و همراهانش یعنی L,R,S نسخه جدیدی از کتاب نوستالژی CLRS را راهی بازار کنند! تا ببینیم کدام الگوریتم سابقا بهینه ی کرمن، مجددا بهینه شده است😇 یعنی الگوریتمهای کاراتر ی ارائه شده!.(اتفاقا چاپ ۲۰۲۲ (چهارم) کرمن در ۱۶۷۶ صفحه را همین الان ورق میزدم!...که برق رفت)
ظاهرا مدل های بزرگ زبانی گوگل ، این نیاز را برطرف کرده اند...
و این تازه ابتدای راه است...

نقش حکمرانی داده در مدیریت شهری؛ بررسی چالش‌ها و پیامدها در ساختار شهرداری‌های ایران



در عصر دیجیتال، داده‌ها به یکی از مهم‌ترین منابع قدرت و تصمیم‌سازی در مدیریت شهری تبدیل شده‌اند. شهرداری‌ها به‌عنوان نهادهای محوری در اداره امور شهر، نیازمند حاکمیت مؤثر بر داده‌ها هستند تا بتوانند شفاف، کارآمد و پاسخ‌گو عمل کنند. گزارش اخیر سازمان همکاری و توسعه اقتصادی (OECD) با عنوان «Smart City Data Governance: Challenges and the Way Forward» به بررسی نظام‌مند چالش‌ها و فرصت‌های پیش‌روی حاکمیت داده در شهرهای هوشمند می‌پردازد. این گزارش نشان می‌دهد که کیفیت و بهره‌وری پروژه‌های شهر هوشمند به‌شدت وابسته به ساختار حاکمیت داده‌ای آنهاست و ضعف در این حوزه، پروژه‌ها را از مقیاس آزمایشی فراتر نمی‌برد. در این مقاله با تمرکز بر ساختار شهرداری‌های ایران، به بررسی چالش‌های ضعف در حکمرانی داده و پیامدهای آن بر گسترش فساد، کاهش شفافیت، و ناتوانی شورای شهر در ایفای نقش نظارتی می‌پردازد. تجارب شهرهایی مانند وین، سئول، آمستردام، نیویورک و توکیو نیز نشان می‌دهد که موفقیت در پیاده‌سازی شهر هوشمند نیازمند رویکردی با توجه به انسان(و نه ماشین) و مبتنی بر حکمرانی داده‌محور، مشارکت‌بخش و منعطف است. در بسیاری از موارد توجه به توسعه عمرانی بدون توجه به نیازهای انسان باعث می­شود شرایط سکونت شهری بدتر شود.



شهرهای هوشمند زمانی تحقق می‌یابند که داده به‌عنوان زیرساخت اصلی تصمیم‌گیری، مدیریت و نظارت در خدمت منافع عمومی قرار گیرد. اما در بسیاری از شهرهای ایران، به‌رغم توسعه برخی سامانه‌های اطلاعاتی، نبود حکمرانی یکپارچه بر داده‌ها موجب شده است که این ظرفیت‌ها به تحقق اهداف منتهی نشوند. شهرداری‌ها از مهم‌ترین نهادهایی هستند که هم منابع مالی گسترده‌ای در اختیار دارند و هم نقش کلیدی در حوزه‌هایی چون ساخت‌وساز، خدمات عمومی و برنامه‌ریزی شهری ایفا می‌کنند.

چالش‌های شهرداری‌های ایران در حوزه حکمرانی داده



نبود یکپارچگی میان سامانه‌های درون‌شهرداری

عدم دسترسی یا گزارش‌گیری شفاف برای شورای شهر

نبود سازوکار برخط برای رصد و مقایسه داده‌ها

ناشفاف‌بودن گردش داده‌ها در فرایندهای کلیدی

نبود سیاست داده‌باز و شفافیت اطلاعاتی

چالش‌های ساختاری و نهادی فراتر از شهرداری‌ها (براساس گزارش OECD)

کمبود منابع مالی برای توسعه زیرساخت‌های داده‌محور

فقدان مدل‌های کسب‌وکار پایدار

کمبود نیروی انسانی متخصص

نبود استانداردهای تعامل‌پذیر و چارچوب‌های مشترک

پیامدهای فقدان حکمرانی داده بر نظارت شورا و فساد شهری


در شرایط فقدان حکمرانی داده مؤثر:

شوراهای شهر ابزار نظارتی کافی برای بررسی عملکرد شهرداری را ندارند؛

دسترسی نهادهای ناظر به اطلاعات محدود و غیرقابل اعتماد می‌شود؛

فرآیندهایی مانند واگذاری پروژه‌ها، انتخاب پیمانکار، فروش املاک و پرداخت پاداش‌ها در فضایی غیرشفاف انجام می‌شوند؛

و شهروندان عملاً از امکان مشارکت و مطالبه‌گری در امور شهر محروم می‌مانند.

پیشنهادها برای اصلاح ساختار حکمرانی داده در شهرداری‌ها

تدوین و اجرای سیاست داده‌باز شهری (Municipal Open Data Policy)؛

ایجاد مرکز داده یکپارچه شهری برای اتصال سامانه‌های کلیدی؛

توسعه داشبوردهای شفافیت و دسترسی کامل شورای شهر به سامانه‌ها؛

انتشار عمومی اطلاعات مربوط به منابع انسانی، مناقصات، قراردادها، پروانه‌های ساخت و فروش املاک؛
و مستندسازی گردش کار اداری و ایجاد امکان ردگیری مراحل تصمیم‌گیری



متن کامل مقاله






https://www.tabnak.ir/005Tgf