المحاضرة السادسة: مهارات العرض البحثي

Transcript

1. 1 15 لوليأ 2014 يثحبلا ضرعلا تاراهم Research Presentation Skills نادعك دعسأ
2. 2 ةحورطأ بتكت فيك ؟ةيثحب How to write a research thesis? لوألا ءزجلا
3. 3 ؟ةيثحب ةحورطأ بتكت فيك ؟ةيثحب ةحورطأ بتكت فيك • ةحورطأ نيب قرفلا ام thesis ةيثحب ةقروو paper ؟ • ؟كتحورطأ ةباتكب أدبت فيكو ىتم • ةحورطألا عجارم • ةماع حئاصن • تايضايرلا عم لماعتلا
4. 4 ةحورطأ نيب قرفلا ام thesis ةيثحب ةقروو paper ؟ • مجحلا – ةيثحبلا ةقرولا نم لوطأ ةحورطألا نوكت ام ةداع . – ًالماكتمو ًالقتسم ًاعجرم ةحورطألا نوكت نأ بجي . – سقأ نع ًاضوع لوصف ىلإ مسقت ثيحب بتكلل هباشم لكشب ةحورطألا قيسنت متي ما . – ةعابطلا ريفوتل راصتخالل ًارطضم تسل ،ةيملع ةحورطأ بتكت امدنع ! يمضت كيلع عيمج ن كثحبب ةصاخلا تانايبلاو نيهاربلا . • ىوتحملا – دحاو عوضوم نم رثكأ ىلع ةحورطألا يوتحت نأ نكمي . – سكعب يوغل ققدم وأ ررحم كتحورطأ ةءارقب موقي نل ،ةيثحبلا قاروألا ( بلغألا ىلع .)
5. 5 فيكو ىتم ؟كتحورطأ ةباتكب أدبت • ؟ىتم – ةصرف برقأ يف ! – ب عوضوم نع ةحضاو ةروص كيدل حبصت املاح ةباتكلا أدبت نأ كنكمي كثح .
6. 6 فيكو ىتم ؟كتحورطأ ةباتكب أدبت • ؟فيك – سرهفلا ةباتكب أدبا ( ! ةحورطألل ماعلا ططخملا ) – ةمدقملا introduction ةقباسلا ثاحبألا ةساردو literature search – ةحورطألا مسج ( يضايرلا ءزجلاو لحلا ةيلآ ،ةسوردملا ةلكشملا ) – جئاتنلاو براجتلا – صخلملا abstract ةمتاخلاو conclusion – قحالملا appendices تاحلطصملاو زومرلا لودج ، nomenclature ركشلا ،روصلاو لوادجلا تسرهفو ماعلا تسرهفلا ، acknowledgment ءادهإلاو dedication .
7. 7 ةحورطألا عجارم • مق ىتح رظتنت الو ةيادبلا ذنم عجارملا ةفاضإب ألا نم يهتنت ةحورط . • ًايلآ اهتفاضإو عجارملا ةرادإل ًاصاخ ًاجمانرب مدختسا . • جمارب نيب ةديفم ةنراقم إ ةيثحبلا عجارملا ةراد : http://en.wikipedia.org/wiki/Comparison_of_reference_ management_software
8. 8 ةماع حئاصن • الملا ىلإ ةليوطلا لوادجلا وأ ةدقعملا ةيضايرلا نيهاربلا لقنا قح . • جمارب ريوطت لاح يف software بجي سوردملا ثحبلاب ةصاخ ةريصق تناك لاح يف جماربلا هذه صوصن نيمضت . • وأ يقودنص ططخمب ةحورطألا نيمضت بجي لاوحألا عيمج يف ارق ىلإ ةجاحلا نودب هلمع ةيلآو جمانربلا أدبم حضوي يقفدت ةء ةيصنلا تاميلعتلا . • تامولعمب ةحورطألا وشح ديجلا نم سيل ،لباقملا يف غ ترم ري ةطب هعجارم نم ةلوهسب اهيلع لوصحلا ناكمإلاب وأ ثحبلا عوضومب ا .
9. 9 تايضايرلا عم لماعتلا • تالداعملا ةلمجلا نم ءزج ةيضايرلا . ال َسنت طيقنتلا تامالع ! The three most commonly used matrix norms in numerical analysis are particular cases of the Hőlder p-norm = max ≠0 , ∈ ℝ×, where ≥ 1 and = =1 1/ .
10. 10 تايضايرلا عم لماعتلا A symmetric positive definite matrix A has real eigenvalues. This algorithm has = 2 stages. The matrix − is singular. • كلذل ًارطضم نكت مل ام ةيضايرلا زومرلا مدختست ال !
11. 11 تايضايرلا عم لماعتلا A is an ill-conditioned matrix. The matrix A is an ill- conditioned matrix. If > 1, < 0. If > 1 ℎ < 0. Or For = , 2.2 holds with = 0. Or For = , inquality 2.2 holds with = 0. • صنلا نمض زومرلل بسانملا عضوملا رتخا
12. 12 تايضايرلا عم لماعتلا • Without loss of generality = I have done an easy special case. • By straightforward computation = I lost my notes. • The details are left to the reader = I can't do it. • The following alternative proof of X's result may be of interest = I cannot understand X. • It will be observed that = I hope you hadn't noticed that. • Correct to within an order of magnitude = wrong. • ءاربخلا تاحلطصم مدختسا ..
13. 13 تاشاقنو ةلئسأ ( 1 ) • ؟رخآ بلاط ةحورطأ ىلع ًارخؤم تعلطا له • اهيف كبجعي مل امو كبجعأ ام ،معنب تبجأ اذإ ( نفلا ةيحانلا نم ةي ) ؟ • رختلا ةحورطأ نيب ةينفلا ةيحانلا نم قرف كداقتعاب دجوي له ج ؟هاروتكدلاو ريتسجاملاو
14. 14 ؟ةيملع ةرضاحم ممصت فيك How to design a scientific presentation? يناثلا ءزجلا
15. 15 ؟ةيملع ةرضاحم ممصت فيك فيك ؟ةيملع ةرضاحم ممصت • ةيضايرلا جذامنلا ضرع Mathematical Models • راهظإ تانايبلا Data Visualization • ةماع حئاصن • ًايملع َاروشنم ممصت فيك Poster • اياصولا ةيملع ةرضاحم ءاقلإل رشعلا
16. 16 ةيضايرلا جذامنلا ضرع Mathematical Models • ءازجأ ةتس ةيضايرلا جذامنلا كلتمت – همادختساو جذومنلا فصو – ةيضايرلا ةلداعملا وأ جذومنلا مسا – ةلداعملا ( تالداعملا ) ةيضايرلا – تايضرفلا assumptions – تاحلطصملا acronyms زومرلا ، symbols ، تادحاولاو units – ليثمتلا يموسرلا graphical representation
17. 18 ةيضايرلا جذامنلا ضرع Mathematical Models
18. 19 ةيضايرلا جذامنلا ضرع Mathematical Models فصو جذومنلا همادختساو
19. 20 ةيضايرلا جذامنلا ضرع Mathematical Models ةلداعملا وأ جذومنلا مسا
20. 21 ةيضايرلا جذامنلا ضرع Mathematical Models ةلداعملا ةيضايرلا
21. 22 ةيضايرلا جذامنلا ضرع Mathematical Models تايضرفلا
22. 23 ةيضايرلا جذامنلا ضرع Mathematical Models ليثمتلا يموسرلا
23. 25 ةيضايرلا جذامنلا ضرع Mathematical Models
24. 26 ةيضايرلا جذامنلا ضرع Mathematical Models فصو جذومنلا همادختساو
25. 27 ةيضايرلا جذامنلا ضرع Mathematical Models ةلداعملا ةيضايرلا
26. 28 ةيضايرلا جذامنلا ضرع Mathematical Models تايضرفلا
27. 29 ةيضايرلا جذامنلا ضرع Mathematical Models ليثمتلا يموسرلا
28. 30 ةيضايرلا جذامنلا ضرع Mathematical Models • ناكمإلا ردق راصتخالا لواح ! Fast Methods for Computing Up to the 1970s all calculations of were done using linearly on convergent methods based on series, products, or continued fractions. For these, doubling the number of digits in the result roughly doubles the work. Brent and Salamin independently discovered a quadratically convergent iteration for in 1976. For such an iteration, the errors satisfy +1 = 2 , so each iteration step approximately doubles the number of correct digits. Borwein and Borwein (1984) discovered another quadratically convergent iteration, and later found even higher order iterations. Their 1984 iteration is 0 = 2, 0 = 0, 0 = 2 + 2, +1 = 1 2 1/2 + −1/2 , +1 = 1/2 + 1 + , +1 = +1 1 + +1 1 + +1 , For which +1 − ≤ 1 102 .
29. 31 ةيضايرلا جذامنلا ضرع Mathematical Models • ناكمإلا ردق راصتخالا لواح ! Fast Methods for Up to the 1970s: linearly convergent series, products, or continued fractions. Brent and Salamin (independently) 1976: quadratically convergent iteration for . Errors satisfy +1 = 2 . Borwein and Borwein (1984, 1987): another quadratically convergent iteration, and even higher order ones. Quadratic iteration: 0 = 2, 0 = 0, 0 = 2 + 2, +1 = 1 2 1/2 + −1/2 , +1 = 1/2 + 1 + , +1 = +1 1 + +1 1 + +1 , For which +1 − ≤ 10−2 .
30. 32 تاشاقنو ةلئسأ ( 2 ) ع ةحيرش ممصو ةلضفملا كتلداعم رايتخاب مق ضر تامولعملا ًانِّمضُم اهنع ثيدحلل نيتنثا وأ ةيلاتلا :  ةيخيرات ةحمل  زومرلا حرش  اهتامادختساو ةلداعملا ةيمهأ حرش
31. 33 راهظإ تانايبلا Data Visualization
32. 34 Example? A steady-state simulation of fluid flow through some sort of cavity. Use a simulation program to produce pressures at a set of points. راهظإ تانايبلا Data Visualization
33. 35 Example? A steady-state simulation of fluid flow through some sort of cavity. Compute the gradient of pressure to produce vectors at each of the set of input data points. راهظإ تانايبلا Data Visualization
34. 36 Example? A steady-state simulation of fluid flow through some sort of cavity. Drop virtual particles into this vector field, and compute the path they would follow in the field. راهظإ تانايبلا Data Visualization
35. 37 Example? A steady-state simulation of fluid flow through some sort of cavity. Produce a set of polygons representing a tube bent to match the path. راهظإ تانايبلا Data Visualization
36. 38 Example? A steady-state simulation of fluid flow through some sort of cavity. Create a digital image from a virtual camera of the polygonal model. راهظإ تانايبلا Data Visualization
37. 39 Example? A steady-state simulation of fluid flow through some sort of cavity. Use a web browser to view the resulting image. راهظإ تانايبلا Data Visualization
38. 40 راهظإ تانايبلا Data Visualization • تانايبلا راهظإ داعبألا ةيئانث 2D ( plotting وأ charting ) – ؟كتانايب يف ثحبت َّمع • ةينبلا Composition • عيزوتلا Distribution • تاقالعلا Relationships • تانراقم Comparisons
39. 41 إ راهظ تانايبلا Data Visualization • ةينبلا Composition
40. 42 إ راهظ تانايبلا Data Visualization • ةينبلا Composition
41. 43 إ راهظ تانايبلا Data Visualization • ةينبلا Composition
42. 44 إ راهظ تانايبلا Data Visualization • ةينبلا Composition
43. 45 راهظإ تانايبلا Data Visualization • ةينبلا Composition
44. 46 راهظإ تانايبلا Data Visualization • ةينبلا Composition
45. 47 راهظإ تانايبلا Data Visualization • ةينبلا Composition
46. 48 راهظإ تانايبلا Data Visualization • ةينبلا Composition
47. 49 راهظإ تانايبلا Data Visualization • ةينبلا Composition
48. 50 راهظإ تانايبلا Data Visualization • تاقالعلا Relationships
49. 51 راهظإ تانايبلا Data Visualization • تاقالعلا Relationships
50. 52 راهظإ تانايبلا Data Visualization • عيزوتلا Distribution
51. 53 راهظإ تانايبلا Data Visualization • عيزوتلا Distribution
52. 54 راهظإ تانايبلا Data Visualization • عيزوتلا Distribution
53. 55 راهظإ تانايبلا Data Visualization • عيزوتلا Distribution
54. 56 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
55. 57 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
56. 58 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
57. 59 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
58. 60 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
59. 61 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
60. 62 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
61. 63 راهظإ تانايبلا Data Visualization • تانراقم Comparisons
62. 64 راهظإ تانايبلا Data Visualization • ةكرحتملا ضورعلا Animation
63. 65 راهظإ تانايبلا Data Visualization • ةمخضلا تانايبلا Big Data
64. 66 راهظإ تانايبلا Data Visualization • تانايبلا راهظإ داعبألا ةيثالث 3D – ةيملس ميق Scalars • عطقلا تايوتسم Slice planes • مامتهالا قطانم Region-of-interest (ROI) • قباطتلا حوطس Isosurfaces • يملسلا يطقنلا راهظإلا Scalar points (glyphs) • يمجحلا راهظإلا Volume visualization
65. 67 راهظإ تانايبلا Data Visualization • عطقلا تايوتسم Slice planes – ةيملس ميقو داعبألا يثالث لاجم تاذ عباوت – دعبلا يئانث ٍوتسم يف ثلاثلا دعبلا ليثمتل ناولألا مدختست
66. 68 راهظإ تانايبلا Data Visualization • مامتهالا قطانم Region-of-interest (ROI) – ةيملس ميقو داعبألا يثالث لاجم تاذ عباوت – لمعلا ءاضف ديدحتل مدختست
67. 69 راهظإ تانايبلا Data Visualization • قباطتلا حوطس Isosurfaces – ةيملس ميقو داعبألا يثالث لاجم تاذ عباوت – اهيف ذخأي يتلا لمعلا ءاضف طاقن عيمج ةميقلا سفن عباتلا
68. 70 راهظإ تانايبلا Data Visualization • يملسلا يطقنلا ليثمتلا Scalar points (glyphs) – عباوت ةيملس ميقو داعبألا يثالث لاجم تاذ – ءاضفلا يف ام مسجب ةطقن لك ليثمت متي – ي ةطقنلا كلت دنع عباتلا ةميقل ًاعبت هنول مسجلا ذخأ
69. 71 راهظإ تانايبلا Data Visualization • يمجحلا ليثمتلا Volume visualization – عباوت ةيملس ميقو داعبألا يثالث لاجم تاذ – عباتلا ميقل ًاعبت ءاضفلا طاقن ةيفافشو نول رييغت متي
70. 72 راهظإ تانايبلا Data Visualization • راهظإ تانايبلا داعبألا ةيثالث 3D – ةيعاعش ميق Vectors • راهظإلا يمهسلا Hedgehog (glyphs) • بيبانألا ( تائيزجلا تاراسم ) Streaktubes (Particle traces) • ةطرشألا Ribbons
71. 73 راهظإ تانايبلا Data Visualization • يمهسلا راهظإلا Hedgehog (glyphs) – عباوت ميقو داعبألا يثالث لاجم تاذ ةيعاعش – عاعشب ةطقن لك ليثمت متي ( مهس ) ءاضفلا يف ام
72. 74 تانايبلا ليثمت Data Visualization • بيبانألا ( تائيزجلا تاراسم ) Streaktubes (Particle traces) – عباوت ةيعاعش ميقو داعبألا يثالث لاجم تاذ – ءاضفلا يف عباتلا لقح قفدت لثمت بيبانأ وأ تاراسم
73. 75 تانايبلا ليثمت Data Visualization • ةطرشألا Ribbons – عباوت ةيعاعش ميقو داعبألا يثالث لاجم تاذ – ثمي طيرشلا ءاوتلا ثيح ءاضفلا يف عباتلا لقح قفدت لثمت ةطرشأ ًالوحتم ل ًايفاضإ
74. 76 تاشاقنو ةلئسأ ( 3 ) • بلا ليثمتل ةزيمم ةقيرط ىلع ةّرم ترثع له تاناي ؟يه ام ؟كمامتها تراثأ • يرط لضفأ نع ثحبت ةدقعم تانايب كيدل له ةق ؟اهليثمتل
75. 77 ةماع حئاصن • ةحيرش لك ًةداع جاتحت ضرع نم 1 - 2 ةقيقد . • ًادج ًاريصق نكي مل ام ةنيعم ةيرظن جاتنتسا درسب مقت ال . • طقف ةدحاو ةركفل ةحيرش لك صصخ ( ًارطضم نكت مل ام كلذ ريغل ) تست الو رثكأ لمع نم 10 ةيصن رطسأ . • ةكرحلا مدختسا ،ةمحدزم ةحيرشلا نوكت امدنع animation لكشب تامولعملا ضرعل أَّزجُم . • ولعملا ضعب راركت لضفألا نم حئارش ةدع ربع ام ةركف ريوطتب موقت امدنع تام ريكذتلل ةقباسلا . • رظنلل ةتفلم ةيحاتفم تاملكو لمُجلا هابشأ ًامئاد مدختسا . • ضرعلا حئارش ميقرت َسنت ال !
76. 78 ممصت فيك ًايملع ًاروشنم Poster • ةملك فلأ نم غلبأ ةروصلا ! • ام ةصق روشنملا يكحي . لا ىلإ لوصولاو ثحبلا روطت ةيفيك نوكت دق ةجيتن ةفلتخم تايرظن نيب ةنراقم تاسارد وأ ،ةيلاحلا . • ةيثحبلا ةقرولا نم ةعوبطم ةخسنب روشنملا لادبتسا كايإ ! تي نأ بجي ميمصت م لقألا ىلع نيرتم ةفاسم نم روهمجلا راظنأ بذجل ةيانعب روشنملا . • تاططخملاو روصلاب ماقرألاو لوادجلا لدبتسا . • م تاملكو ،لمُج هابشأ ،ةريصق ًالمُج مدختسا ،ضرعلا حئارش يف امك يف ةيحاتف ةلمجلا ةيادب
77. 79 يملع روشنم ممصت فيك Poster
78. 80 ةيملع ةرضاحم ءاقلإل رشعلا اياصولا .1 روهمجلا بسانتل ةرضاحملا ممص . .2 ًاقبسم نرمتو ًاديج ريضحتلاب مق . .3 ةموهفمو ةحضاو حئارش ممص . .4 ضرعلا تازيهجتو ةفرغ دقفتو ًاركاب لوصولا ىلع صرحا . .5 حوضوو ءطبب ثدحت . .6 ةرضاحملا عوضومل كسامح رهظأ ! .7 مهبطاخت امدنع روهمجلا ىلإ رظنا . .8 يئاوشع لكشب رشؤملا كرحت ال ! .9 ددحملا تقولا ىلع وأ ًاركاب ءاهتنالا لواح . .10 ةيدجو ةقدب ةلئسألا ىلع بجأ ةباجإلاب ملع ىلع نكت مل نإ فرتعاو !
79. 81 ةدازتسالل عجارم - Nicholas J. Higham, Handbook of Writing for the Mathematical Sciences, Second Edition, Society for Industrial and Applied Mathematics (SIAM), 1998 - Erik Brisson, Introduction to Scientific Visualization Tutorial, Boston University http://www.bu.edu/tech/about/research/training/online- tutorials/introduction-to-scientific-visualization-tutorial/ Last Modified November 9, 2009 - Amit Agarwal, Choose the Right Chart Type for your Data, Digital Inspiration. [http://www.labnol.org/software/find-right-chart-type-for-your- data/6523/] , Last Modified July 18, 2012 - Jen Underwood, Data Visualization Best Practices 2013, Business Intelligence. [http://www.slideshare.net/idigdata/data-visualization-best- practices-2013] Last Modified April 10, 2013 - A brief dictionary of phrases used in mathematical writing. H. Petard. Amer. Math. Monthly, 73:196-197, 1966 [http://www.math.psu.edu/tseng/dictionary.html]