Warning: Undefined array key 0 in /var/www/tgoop/function.php on line 65

Warning: Trying to access array offset on value of type null in /var/www/tgoop/function.php on line 65
- Telegram Web
Telegram Web
#زیبایی_های_ریاضی

☑️ریاضیات، رازها و حقایق

ریاضیات یک مستند جذاب است که بینندگان را به سفری خارق‌العاده از طریق تکامل ریاضیات در تمدن‌های مختلف می‌برد. از محاسبات عملی مصر باستان و بین النهرین تا نوآوری های نظری یونان، چین، هند و خاورمیانه، این فیلم کمک های عمیق ریاضیدانان افسانه ای را به نمایش می گذارد.

📱https://youtu.be/e1B0saB0rbI?si=LmJb0n-bkyAeKle5

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

🩵@IDSchools
🩵@IDS_Math
💠 #توسعه_و_تحقیق_کار_ها

بزرگترین پیشرفت در ریاضیات در 2024

🌀 این ویدیو سه مورد از بزرگ‌ترین پیشرفت‌های سال 2024 در ریاضیات را بررسی می‌کند، از جمله روشی بهتر برای بسته‌بندی کره‌ها در ابعاد بالا، روشی جدید برای جلوگیری از تشکیل الگوهای اعداد، و اثبات 800 صفحه‌ای به اصطلاح هندسی حدس لنگلندز.

📱https://youtu.be/lwVSeXswWZY?si=BPthruysOgj-Qeul

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

🩵@IDSchools
🩵@IDS_Math
💠 #توسعه_و_تحقیق_کار_ها

▪️ مقدمه‌ای بر تحقیق بالینی
تحقیق بالینی به مطالعه سیستماتیک و منظم در زمینه‌های پزشکی و علوم بهداشتی اطلاق می‌شود که هدف آن ارزیابی و بررسی اثرات درمان‌ها، داروها، روش‌های تشخیصی و پیشگیری بر روی بیماران یا گروه‌های خاصی از افراد است. این نوع تحقیق معمولاً شامل مراحل زیر می‌شود:

1. طراحی مطالعه: تعیین نوع مطالعه (تصادفی، مشاهده‌ای، کوهورت و ...) و روش‌های جمع‌آوری داده‌ها.

2. انتخاب شرکت‌کنندگان: مشخص کردن معیارهای ورود و خروج برای بیماران یا داوطلبان.

3. جمع‌آوری داده‌ها: انجام آزمایشات، مصاحبه‌ها و سایر روش‌های جمع‌آوری اطلاعات.

4. تحلیل داده‌ها: استفاده از روش‌های آماری برای تحلیل اطلاعات به دست آمده.

5. نتیجه‌گیری: تفسیر نتایج و ارائه توصیه‌ها بر اساس یافته‌ها.

▫️تحقیق بالینی می‌تواند به بهبود روش‌های درمانی، کاهش عوارض جانبی داروها، افزایش کیفیت خدمات بهداشتی و در نهایت ارتقاء سلامت عمومی کمک کند.

📱https://youtu.be/a7i08EIgj4Y?si=9TbBpccRX3FbDX7B

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

🩵@IDSchools
🩵@IDS_Math
💻#گام_به_گام

🐍 پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در دنیای امروز است که به دلیل سادگی و قابل فهم بودنش، به ویژه برای مبتدیان، شناخته شده است. این زبان توسط گویدو وان روسوم در اوایل دهه 1990 توسعه یافت و از آن زمان به یکی از ابزارهای اصلی در زمینه‌های مختلفی چون توسعه وب، علم داده، هوش مصنوعی، یادگیری ماشین و اتوماسیون تبدیل شده است.

یکی از ویژگی‌های بارز پایتون، سینتکس ساده و خوانا آن است که به برنامه‌نویسان این امکان را می‌دهد تا کدهای خود را به راحتی بنویسند و بخوانند. همچنین، پایتون دارای یک اکوسیستم غنی از کتابخانه‌ها و فریم‌ورک‌هاست که می‌تواند به تسریع روند توسعه برنامه‌ها کمک کند.

🗂 پست های گذشته دستورات پایه در پایتون را میتوانید از طریق لینک‌های زیر پیدا کنید:
▫️Python indentation
◾️Variables-part1
▫️Variables-part2
◾️Variables-part3
▫️Unpacking
◾️Global variables
▫️Data types in python-part1
◾️Data types in python-part2
▫️Numbers in python-part1
◾️Numbers in python-part2
▫️Python casting
◾️Stringers

#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
🖥#اکتشاف_دنیای_دیجیتال

علم کامپیوتر چیست؟

💿 علم کامپیوتر اغلب به عنوان برنامه‌نویسی تجلیل شده در نظر گرفته می‌شود. علوم کامپیوتر چیزهای بیشتری از جمله ریاضیات گسسته، الگوریتم‌ها، تئوری محاسبات، برنامه‌نویسی سخت‌افزار و غیره دارد. اگر فقط می‌خواهید برنامه‌نویسی را یاد بگیرید، رشته علوم کامپیوتر بیشتر از آنچه انتظار دارید خواهد بود.

🎥 این ویدیو بیشتر ریاضیات و مفاهیم گسسته درون آن را پوشش می‌دهد، زیرا برای کلاس‌ها مهم است.

📱https://youtu.be/Tzl0ELY_TiM?si=QmfuLQMcYAci_ryy

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

🩵@IDSchools
🩵@IDS_Math
🌀#گام_به_گام

🏆قهرمان گواهی شده GitHub- قسمت سوم

📝 مقدمه ای بر GitHub

☑️‌‌یاد بگیرید که از ویژگی‌های کلیدی GitHub، از جمله مشکلات، اعلان‌ها، شاخه‌ها، commit ها و درخواست‌های کششی استفاده کنید.

🌀 اهداف آموزشی
در این ماژول، شما:

1⃣ ویژگی‌های اساسی GitHub را شناسایی کنید.
2⃣ با مدیریت مخزن آشنا شوید.
3⃣ درکی از جریان GitHub به دست آورید که شامل شاخه‌ها، commit‌ها و درخواست‌های کششی است.
4⃣ با بررسی مسائل و بحث‌ها، ویژگی‌های مشترک GitHub را کاوش کنید.
5⃣ نحوه مدیریت اعلان‌ها و اشتراک‌های GitHub خود را بشناسید.

🔹پیش نیازها
یک حساب GitHub

💠 این ماژول بخشی از این مسیرهای یادگیری است.
پروژه های نرم افزاری جامعه محور در GitHub بسازید.
با صفحات Markdown و GitHub با دیگران همکاری کنید.
بیاموزید که چگونه مایکروسافت از توسعه نرم افزار ایمن به عنوان بخشی از راه حل امنیت سایبری پشتیبانی می کند
کنترل منبع را مدیریت کنید.
چرخه عمر پروژه های خود را در GitHub مدیریت کنید.

برای شروع اینجا کلیک کنید.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

🩵@IDSchools
🩵@IDS_Math
🌀#گام_به_گام

💠 به دومین درس خود در مجموعه مبانی علم داده و هوش مصنوعی خوش آمدید!

درس امروز: احتمال- قسمت اول

🔣 احتمال یک ابزار قدرتمند در علم داده است که ما را قادر می سازد عدم قطعیت را درک کرده و پیش بینی‌های آگاهانه انجام دهیم. این فقط در مورد محاسبه شانس یک رویداد نیست. این در مورد اتخاذ یک طرز فکر است که به شما امکان می‌دهد نتایج و خطرات بالقوه را ارزیابی کنید. (یک مهارت مهم در هر زمینه مبتنی بر داده)
در این درس، مفاهیم اصلی احتمال را تجزیه می‌کنیم که راه را برای سفر شما در علم داده هموار می‌کند.

☑️مبانی احتمال

در اصل، احتمال میزان احتمال وقوع یک رویداد را با مقادیری از 0 تا 1 اندازه‌گیری می‌کند. برای مثال، احتمال پرتاب یک سکه و شیر آمادن 0.5 است. چارچوب اساسی، کاربردهای احتمالی پیچیده‌تری را در علم داده زیربنا می‌دهد.

بیایید برخی از مفاهیم کلیدی را که پایه و اساس نظریه احتمال را تشکیل می‌دهند، بررسی کنیم.

▫️نتایج ترجیحی: اینها نتایجی هستند که ما می‌خواهیم رخ دهد یا به آنها علاقه‌مندیم. ما همچنین به چنین نتایجی به عنوان "مطلوب" اشاره می‌کنیم.

◾️فضای نمونه و رویدادها: فضای نمونه شامل تمام نتایج ممکن یک آزمایش است (به عنوان مثال، همه طرف های یک تاس). رویداد هر نتیجه یا مجموعه‌ای از نتایج خاص است که ما به آن علاقه‌مندیم - مانند مشاهده‌ی یک عدد زوج روی یک تاس.

▫️مقدار مورد انتظار: مقدار (یا میانگین) مورد انتظار نتیجه متوسط بلندمدت است اگر آزمایشی را بارها تکرار کنید. به عنوان مثال، در یک بازی که در آن شما یک سکه را 20 بار برمی گردانید، مقدار مورد انتظار برای شیرها 10 خواهد بود (50٪ از آزمایشات). ارزش مورد انتظار با ارائه یک پیش‌بینی از نتایج متوسط، به هدایت تصمیم‌گیری کمک می‌کند.

📄 توزیع های فروانی احتمال
یک توزیع احتمال، احتمال نتایج متفاوت را در یک فضای نمونه نشان می‌دهد. توزیع احتمال به ما کمک می‌کند تا بر اساس داده‌های مشاهده شده، نتایج آینده را پیش‌بینی کنیم. دو نوع اساسی از توزیع‌هایی که با آنها روبرو خواهید شد شامل موارد زیر است.

📊 توزیع‌های گسسته
اینها تعداد محدودی از نتایج دارند، مانند پرتاب یک تاس. توزیع‌های گسسته کلیدی شامل موارد زیر است.

1⃣ توزیع یکنواخت زمانی اتفاق می‌افتد که هر نتیجه احتمال برابری داشته باشد، مانند احتمال مشاهده هر عدد روی یک تاس.

2⃣ توزیع دوجمله‌ای تعداد موفقیت‌ها را در مجموعه‌ای از آزمایش‌ها، مانند پرتاب چندین بار یک سکه، مدل می‌کند.

3⃣ توزیع پواسون برای مدل‌سازی دفعات رویدادها در یک بازه زمانی خاص، مانند تعداد ورود مشتری در ساعت به فروشگاه، مفید است.

📈 توزیع‌های پیوسته
اینها نتایج بی‌نهایت در یک بازه زمانی دارند، مانند اندازه گیری دما.

💠 توزیع نرمال شناخته شده‌ترین توزیع پیوسته است. با شکل منحنی زنگی مشخص می‌شود.

📚منبع

ادامه دارد...
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

🩵@IDSchools
🩵@IDS_Math
#زیبایی_های_ریاضی

🌀 دوره متلب برای مبتدیان

◀️ در این آموزش برای مهندسان، دانشمندان و دانشجویان، اصول متلب را بیاموزید. MATLAB یک زبان برنامه نویسی و مجموعه نرم افزاری است که برای تجزیه و تحلیل داده ها، محاسبات علمی و تجسم استفاده می شود که به طور گسترده در دانشگاه و صنعت استفاده می شود.

https://youtu.be/7f50sQYjNRA?si=Ye3TGq8UlfCnRamP

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

🩵@IDSchools
🩵@IDS_Math
🎲#گام_به_گام

3⃣1️⃣ دستورات پایه در پایتون: قسمت سیزدهم

⬅️رشته‌ها آرایه هستند.

مانند بسیاری از زبان‌های برنامه نویسی محبوب دیگر، رشته‌ها در پایتون آرایه‌هایی از بایت‌ها هستند که کاراکترهای یونیکد را نشان می‌دهند. با این حال، پایتون نوع داده کاراکتری ندارد، یک کاراکتر به سادگی یک رشته با طول 1 است. از براکت‌های مربع می‌توان برای دسترسی به عناصر رشته استفاده کرد.

🟢 مثال
کاراکتر را در موقعیت 1 بدست آورید (به یاد داشته باشید که کاراکتر اول موقعیت 0 را دارد):
a = "Hello, World!"
print(a[1])
خروجی:
e
⬅️ حلقه زدن از طریق یک رشته

از آنجایی که رشته‌ها آرایه هستند، می‌توانیم از طریق کاراکترهای یک رشته، با یک حلقه for، حلقه بزنیم.

🟢 مثال
حروف کلمه "موز" را حلقه بزنید:

for x in "banana":
print(x)
خروجی:
b
a
n
a
n
a

⬅️ طول رشته
برای بدست آوردن طول یک رشته، از تابع ()len استفاده کنید.

🟢 مثال
تابع len() طول یک رشته را برمی گرداند:
a = "Hello, World!"
print(len(a))
خروجی:
13

🕐 ادامه دارد....

💻#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
🌐#اکتشاف_دنیای_دیجیتال

یادگیری ماشین یایادگیری عمیق

☑️ دیدگاهی منحصربه‌فرد در مورد تفاوت بین یادگیری ماشینی و یادگیری عمیق دریافت کنید - در یک تشبیه خوشمزه از سفارش پیتزا توسط IBMer و استاد مخترع Martin Keen توضیح داده شده و نشان داده شده است.

📱https://youtu.be/q6kJ71tEYqM?si=tX8Mq3c-Y0rTAx3C

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
#زیبایی_های_ریاضیات

💠 هنگامی که کامپیوترها اثبات‌ها را انجام می‌دهند، ریاضیات چه فایده‌ای دارد؟

🌀 اندرو گرانویل می‌داند که هوش مصنوعی ریاضیات را عمیقاً تغییر خواهد داد. زبان برنامه نویسی Lean قبلاً نقش خود را در اثبات قضیه‌ها بازی کرده‌ است. به همین دلیل است که نظریه پرداز اعداد دانشگاه مونترال شروع به صحبت با فیلسوفان در مورد ماهیت اثبات ریاضی و چگونگی تکامل رشته ریاضیات در عصر هوش مصنوعی کرده است.

📱https://youtu.be/3l1RMiGeTfU?si=yl2r9NU-ozNs2pD_

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
#زیبایی_های_ریاضیات

▫️قضیه ناتمامیت گودل را کاوش کنید، کشفی که دانسته های ما را در مورد برهان ها و گزاره های ریاضی تغییر داد.

▪️به جمله زیر توجه کنید: «این جمله نادرست است». آیا این درست است؟ اگر چنین باشد، این بیانیه را نادرست می‌کند. اما اگر نادرست باشد، آن گزاره درست است. این جمله یک پارادوکس حل نشدنی ایجاد می‌کند. اگر درست نیست و نادرست نیست - چیست؟ این سوال یک منطق‌دان را به کشفی سوق داد که ریاضیات را برای همیشه تغییر می‌دهد. مارکوس دو سوتوی قضیه ناتمامیت گودل را بررسی می‌کند.

📱https://youtu.be/I4pQbo5MQOs?si=Jdy-rbz2oB8g-cwV

📌 پی‌نوشت:
نظریه ناتمامیت گودل (Gödel’s Incompleteness Theorem) که توسط ریاضیدان اتریشی کورت گودل در دهه 1930 مطرح شد، دو نتیجه مهم درباره سیستم‌های منطقی و ریاضیاتی ارائه می‌دهد. این نتایج به‌ویژه در مورد سیستم‌های کافی قوی مانند حساب عدد صحیح (Peano Arithmetic) صدق می‌کنند.

دو بخش اصلی این نظریه عبارتند از:

1. ناتمامیت: در هر سیستم منطقی کافی و معتبر که بتواند اعداد طبیعی را توصیف کند، وجود جملاتی وجود دارد که نمی‌توان آنها را نه اثبات کرد و نه رد کرد. به عبارت دیگر، برخی از حقایق ریاضی وجود دارند که قابل اثبات نیستند.

2. عدم قابلیت کامل: هیچ سیستمی از قوانین منطقی نمی‌تواند تمام حقایق ریاضی را به طور کامل و بدون تناقض اثبات کند. به عبارت دیگر، هر سیستم منطقی کافی همیشه دارای تناقضاتی خواهد بود یا نمی‌تواند تمام جملات صحیح را اثبات کند.

این نتایج تأثیر عمیقی بر فلسفه ریاضیات و منطق داشتند و نشان دادند که محدودیت‌هایی در توانایی ما برای اثبات همه حقایق ریاضی وجود دارد. نظریه ناتمامیت گودل به عنوان یکی از مهم‌ترین دستاوردهای قرن بیستم در زمینه فلسفه و منطق شناخته می‌شود.
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
🎙#سخن_بزرگان

🗣"Write once, run anywhere."
جیمز گوسلینگ (James Gosling)

💻این جمله به فلسفه طراحی زبان برنامه‌نویسی جاوا اشاره دارد، به این معنا که برنامه‌های نوشته شده در جاوا می‌توانند بدون تغییر در هر پلتفرم و سیستمی اجرا شوند. این ویژگی، یکی از دلایل اصلی موفقیت و محبوبیت جاوا در بین توسعه‌دهندگان و شرکت‌ها بوده است.

👤جیمز گوسلینگ (James Gosling) در 20 فوریه 1955 در کانادا متولد شد. او به عنوان یکی از پیشگامان علوم کامپیوتر و خالق زبان برنامه‌نویسی جاوا شناخته می‌شود. تحصیلات خود را در دانشگاه آلبرتا آغاز کرد و سپس به دانشگاه کارنگی ملون رفت، جایی که در سال 1983 دکترای خود را در زمینه علوم کامپیوتر دریافت کرد.

🔸گوسلینگ در اوایل دهه 1990 به شرکت سان مایکروسیستمز (Sun Microsystems) پیوست و در آنجا پروژه‌ای را برای توسعه یک زبان برنامه‌نویسی جدید آغاز کرد که هدف آن ایجاد یک زبان قابل حمل و مستقل از پلتفرم بود. نتیجه این پروژه، زبان جاوا بود که در سال 1995 معرفی شد. جاوا به سرعت محبوبیت زیادی پیدا کرد و به عنوان یکی از زبان‌های اصلی برنامه‌نویسی برای توسعه نرم‌افزارهای وب، برنامه‌های موبایل و سیستم‌های توزیع شده شناخته شد.

🔹گوسلینگ همچنین در توسعه فناوری‌های مرتبط با جاوا، مانند Java Virtual Machine (JVM) و Java Development Kit (JDK) نقش کلیدی داشت. او به خاطر دستاوردهایش جوایز و افتخارات زیادی دریافت کرده است و به عنوان یک شخصیت مهم در صنعت فناوری اطلاعات شناخته می‌شود.

🔸پس از اینکه سان مایکروسیستمز در سال 2010 توسط اوراکل خریداری شد، گوسلینگ به اوراکل پیوست و در آنجا نیز به کار خود ادامه داد. او همچنین در زمینه‌های دیگر فناوری و نوآوری فعالیت داشته و به عنوان سخنران و مشاور در کنفرانس‌ها و رویدادهای مختلف شرکت کرده است.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
🌀این ویدیو سه کتاب ریاضی شگفت انگیز را به شما نشان می دهد که می توانید از آنها برای مطالعه خود استفاده کنید. اینجا کتاب هاست.​

📱https://youtu.be/L9A-Z_5L8NY?si=a2fFF4dpitz4_EKY

☑️ریاضیات پایه:
https://amzn.to/47YbYju
☑️پیش حساب:
https://amzn.to/3SoDSja​ or https://amzn.to/49hu29C
☑️حساب توماس:
https://amzn.to/3w4Qoww

💠کتاب های ریاضی و فیزیک و کامپیوتر*

☑️فهرست کتاب ریاضی حماسی
https://amzn.to/3F98vT1
☑️پیش جبر، جبر و هندسه
https://amzn.to/3FdbwSn
☑️کالج جبر، پیش حساب، و مثلثات
https://amzn.to/3UKjvfb
☑️احتمال و آمار
https://amzn.to/3FaaxCq
☑️ریاضیات گسسته
https://amzn.to/3P6jPE4
☑️اثبات نگارش
https://amzn.to/3XXukxo
☑️حساب دیفرانسیل و انتگرال
https://amzn.to/3iEH3F3
☑️کتاب معادلات دیفرانسیل
https://amzn.to/3Fac5wi

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
📀 #آموزشگاه_ذهن
💠 تمام ریاضی ای که برای یادگیری ماشین نیاز دارید!

📱https://youtu.be/mnhrQxdzHqE?si=5gjQ_E6CAEbJsWvt

📈ریاضیات برای یادگیری ماشین تمام ریاضیات مورد نیاز برای یادگیری ماشین را به شما آموزش می دهد. و به صورت رایگان در دسترس است!
https://mml-book.github.io

💻 هوش مصنوعی و ML
یکی از منابع برای یادگیری هوش مصنوعی و یادگیری ماشین - Datacamp

https://datacamp.pxf.io/o4e5yO

دو دوره پیشنهادی پایتون

1. تجزیه و تحلیل داده های اکتشافی با پایتون و پانداها
https://bit.ly/2QXMpxJ
2. بوت کمپ کامل برنامه نویس پایتون
http://bit.ly/2OwUA09

آماده سازی مصاحبه علوم داده
StrataScratch https://bit.ly/30ul0nX

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
🌀 #توسعه_و_تحقیق_کار_ها

▪️بیشترین تقاضا در جهان در حال حاضر در علم داده و یادگیری ماشین است! این ویدیو بخش کلیدی یادگیری ماشین و علم داده را به شما آموزش می دهد که آمار است.

▫️همه چیز را در یک کتاب متنی استاندارد 500 صفحه‌ای در مورد آمار برداشته شده و در این ویدیو قرار داده شده است. فرمول ها را پوشش می‌دهد، اما همچنین مشکلات دنیای واقعی را با هر فرمول حل می‌کند.

📱https://youtu.be/tcusIOfI_GM?si=1hmetR0eu0ZJvIBv

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math
انجمن علمی دانشجویی ریاضی دانشگاه شهید مدنی آذربایجان با همکاری انجمن علمی دانشجویی پژوهشگران جوان دانشگاه قم و جمعی از انجمن های علمی دانشجویی برتر کشور برگزار می‌کند:
⚡️کارگاه آموزشی نرم افزار هلو(مقدماتی)⚡️


🔷مدرس: جناب آقای علیرضا سرائی(دبیر انجمن پژوهشگران جوان دانشگاه قم_دارای 3 سال سابقه تدریس)

🔷به همراه  ارائه گواهی معتبر

🔷تعداد جلسات 10 جلسه می‌باشد.

🔷جهت ثبت نام میتوانید به آیدی زیر در تلگرام یا ایتا مراجعه فرمایید:
آقای احمدوندی :
@alllooo1

🔷مهلت ثبت نام تا 6 فروردین 1403

🔷شروع کارگاه  از 7 فروردین 1403 ساعت 17 بصورت آنلاین(پنجشنبه و جمعه ها)

🔷فایل تدریس بعد از کلاس در اختیار شرکت کنندگان قرار خواهد گرفت.

🔷هزینه ثبت‌نام: برای دانشجویان دانشگاه شهید مدنی آذربایجان و دانشگاه قم و انجمن های همکار:400 هزار
بقیه دانشجویان:450 هزار
آزاد: 500 هزار

🔷هزینه دریافت گواهی:20هزار تومان

🔷لایسنس و پشتیبانی فنی :230هزار

♻️ با ما همراه باشید

🆔https://www.tgoop.com/anjomanelmi_ASMU
🆔https://www.tgoop.com/a_e_r_madani
🆔https://www.tgoop.com/pazhoheshqom
2025/03/04 09:09:07
Back to Top
HTML Embed Code: