🗣کرسی آزاد اندیشی 🔹دوشنبه ۲۳ مهرماه ۱۴۰۳ کرسی آزاد با موضوع جنگ،سازش،مقاومت با حضور اساتید،مسئولین فرهنگی دانشگاه،مسئول بسیج دانشجویی دانشگاه های شهرستان لامرد جناب آقای عرفان پور در سالن اجتماعات دانشگاه دولتی لامرد برگزار گردید و گروه های مخالف و موافق به تبادل نظر و دیدگاه پرداختند. 🔰بسیج دانشجویی،کمیته دانشگاهیان و اساتید اجلاسیه ۲۶۱ شهید شهرستان لامرد ‌┄┄┅┅┅❅🕊️🎓🕊️❅┅┅┅┄┄ 🔺به‌کانال‌بربال‌اندیشه‌دانشجویان‌بپیوندید و با مادر مسیربمانید 🇮🇷 🔹لینک ایتا https://eitaa.com/barbalandishedaneshjoyan 🔹لینک واتساپ https://chat.whatsapp.com/H6jtru3PAJD4usIvW4hHxa

💠کارگاه خوشنویسی نویسی 📝آموزش تخصصی خط نستعلیق با قلم نی 🖊آموزش خط تحریری با خودکار 🔹مدرس: استاد معرفت 🔸جهت ثبت نام و اطلاعات بیشتر با شماره زیر ارتباط حاصل فرمایید: ۰۹۹۱۷۵۷۹۶۸۶ 🔰مدیریت امور فرهنگی دانشگاه دولتی ‌┄┄┅┅┅❅🕊️🎓🕊️❅┅┅┅┄┄ 🔺به‌کانال‌بربال‌اندیشه‌دانشجویان‌بپیوندید و با مادر مسیربمانید 🇮🇷 🔹لینک ایتا https://eitaa.com/barbalandishedaneshjoyan 🔹لینک واتساپ https://chat.whatsapp.com/H6jtru3PAJD4usIvW4hHxa

هوش مصنوعی (AI) در صنعت خودروسازی به عنوان یک ابزار کلیدی برای بهبود فرآیندها، افزایش ایمنی، و ارتقاء تجربه کاربری به کار می‌رود. در زیر به تفصیل به برخی از مهم‌ترین کاربردهای هوش مصنوعی در این صنعت پرداخته می‌شود: ▎1. خودروهای خودران • سیستم‌های رانندگی خودکار: هوش مصنوعی در توسعه خودروهای خودران نقش حیاتی دارد. الگوریتم‌های یادگیری عمیق و بینایی ماشین به خودروها این امکان را می‌دهند که محیط اطراف خود را شناسایی کرده، موانع را تشخیص دهند و تصمیمات لازم برای حرکت را اتخاذ کنند. • تشخیص اشیاء و شرایط جاده: سیستم‌های AI می‌توانند با استفاده از دوربین‌ها و حسگرها، اشیاء، عابرین، چراغ‌های راهنمایی و شرایط جاده را شناسایی کنند. ▎2. سیستم‌های کمک راننده • کنترل کروز هوشمند: این سیستم‌ها با استفاده از AI می‌توانند سرعت خودرو را بر اساس ترافیک و شرایط جاده تنظیم کنند. • تشخیص تصادف و ایمنی: سیستم‌های AI می‌توانند خطرات احتمالی را شناسایی کرده و هشدارهایی به راننده ارسال کنند یا حتی اقدام به ترمز خودکار کنند. ▎3. تحلیل داده‌ها و پیش‌بینی نگهداری • تحلیل داده‌های سنسوری: خودروهای مدرن مجهز به حسگرهای متعددی هستند که داده‌های زیادی تولید می‌کنند. هوش مصنوعی می‌تواند این داده‌ها را تحلیل کرده و مشکلات احتمالی را پیش‌بینی کند. • پیش‌بینی زمان نگهداری: با استفاده از الگوریتم‌های پیشرفته، AI می‌تواند زمان مناسب برای تعمیر و نگهداری خودرو را پیش‌بینی کند، که این امر به کاهش هزینه‌ها و افزایش عمر خودرو کمک می‌کند. ▎4. طراحی و توسعه محصولات • طراحی بهینه: هوش مصنوعی می‌تواند در فرآیند طراحی خودروها به کار گرفته شود. الگوریتم‌های AI می‌توانند مدل‌های مختلف را شبیه‌سازی کرده و بهترین طراحی را بر اساس معیارهای مختلف انتخاب کنند. • تحلیل بازار: AI می‌تواند به تحلیل داده‌های بازار و پیش‌بینی روندهای آینده کمک کند، که این امر به سازندگان خودرو کمک می‌کند تا محصولات خود را بهتر تطبیق دهند. ▎5. تجربه کاربری • سیستم‌های اطلاعات سرگرمی: AI می‌تواند در طراحی سیستم‌های اطلاعات سرگرمی هوشمند نقش داشته باشد که بتوانند به نیازهای کاربر پاسخ دهند و تجربه کاربری را بهبود ببخشند. • شخصی‌سازی تجربه رانندگی: با استفاده از داده‌های جمع‌آوری شده از راننده، سیستم‌های AI می‌توانند تنظیمات خودرو را بر اساس ترجیحات شخصی راننده تنظیم کنند. ▎6. زنجیره تأمین و تولید • بهینه‌سازی زنجیره تأمین: هوش مصنوعی می‌تواند در مدیریت زنجیره تأمین کمک کند، از جمله پیش‌بینی تقاضا و مدیریت موجودی. • اتوماسیون خط تولید: AI می‌تواند در اتوماسیون فرآیندهای تولید کمک کند، که این امر منجر به افزایش کارایی و کاهش هزینه‌ها می‌شود. ▎7. مدیریت ناوگان • تحلیل عملکرد ناوگان: شرکت‌های حمل‌ونقل می‌توانند با استفاده از AI عملکرد ناوگان خود را تحلیل کرده و بهینه‌سازی کنند. • پیش‌بینی نیازهای خدمات: AI می‌تواند برای پیش‌بینی نیازهای خدمات و تعمیرات ناوگان استفاده شود. ▎8. ایمنی و امنیت • تشخیص رفتارهای خطرناک: سیستم‌های AI می‌توانند رفتارهای خطرناک رانندگان را شناسایی کرده و هشدارهایی ارائه دهند. • حفاظت از داده‌ها: با توجه به افزایش اتصال خودروها به اینترنت، AI می‌تواند در شناسایی تهدیدات امنیتی و محافظت از داده‌ها موثر باشد. ▎نتیجه‌گیری هوش مصنوعی در صنعت خودروسازی نه تنها به بهبود ایمنی و کارایی خودروها کمک می‌کند، بلکه تجربه کلی رانندگی را نیز ارتقا می‌بخشد. با پیشرفت تکنولوژی، انتظار می‌رود که کاربردهای AI در این صنعت همچنان گسترش یابد و تحولات جدیدی را در زمینه طراحی، تولید و استفاده از خودروها به ارمغان آورد.

هوش مصنوعی (AI) به مجموعه‌ای از تکنیک‌ها و الگوریتم‌ها اطلاق می‌شود که به ماشین‌ها و سیستم‌ها این امکان را می‌دهد تا وظایف خاصی را به صورت هوشمندانه انجام دهند. در زیر، به تفصیل به کاربردهای مختلف هوش مصنوعی در زمینه‌های مختلف کامپیوتر می‌پردازیم: ▎1. یادگیری ماشین (Machine Learning) یادگیری ماشین یکی از زیرمجموعه‌های هوش مصنوعی است که به سیستم‌ها این امکان را می‌دهد تا از داده‌ها یاد بگیرند و بدون برنامه‌نویسی صریح، الگوها و پیش‌بینی‌ها را شناسایی کنند. این روش شامل: • مدل‌های نظارت‌شده: در این نوع یادگیری، داده‌های آموزشی دارای برچسب هستند و مدل بر اساس آن‌ها آموزش می‌بیند. مثال: پیش‌بینی قیمت خانه بر اساس ویژگی‌های آن. • مدل‌های بدون نظارت: در این نوع یادگیری، داده‌ها بدون برچسب هستند و مدل باید الگوها را خود شناسایی کند. مثال: خوشه‌بندی مشتریان بر اساس رفتار خرید. ▎2. پردازش زبان طبیعی (Natural Language Processing) این حوزه به سیستم‌ها این امکان را می‌دهد که زبان انسانی را درک کرده و تولید کنند. کاربردهای آن شامل: • چت‌بات‌ها: پاسخگویی به سوالات کاربران به صورت خودکار. • مترجم‌های خودکار: ترجمه متن بین زبان‌های مختلف. • تحلیل احساسات: شناسایی احساسات موجود در متن (مثلاً بررسی نظرات مشتریان). ▎3. بینایی کامپیوتری (Computer Vision) بینایی کامپیوتری به سیستم‌ها این امکان را می‌دهد که تصاویر و ویدیوها را تحلیل کنند. کاربردهای آن شامل: • شناسایی چهره: استفاده در امنیت و شبکه‌های اجتماعی. • تشخیص اشیاء: شناسایی و طبقه‌بندی اشیاء در تصاویر. • خودروهای خودران: تحلیل محیط اطراف برای حرکت ایمن. ▎4. سیستم‌های توصیه‌گر (Recommender Systems) این سیستم‌ها بر اساس رفتارهای قبلی کاربران، پیشنهاداتی ارائه می‌دهند. کاربردهای آن شامل: • پیشنهاد فیلم یا موسیقی: مانند نتفلیکس یا اسپاتیفای. • پیشنهاد محصولات: مانند آمازون. ▎5. اتوماسیون فرآیندها (Robotic Process Automation) این فناوری به کسب‌وکارها اجازه می‌دهد تا وظایف تکراری را با استفاده از نرم‌افزارهای روباتیک خودکار کنند. کاربردها شامل: • پردازش صورتحساب: اتوماسیون ورود داده‌ها و پردازش اطلاعات مالی. • مدیریت موجودی: نظارت بر موجودی و سفارشات به صورت خودکار. ▎6. تحلیل داده‌ها (Data Analytics) هوش مصنوعی می‌تواند برای تحلیل حجم زیادی از داده‌ها و استخراج الگوها و بینش‌های مفید استفاده شود. کاربردها شامل: • تحلیل پیش‌بینی: پیش‌بینی روندهای آینده بر اساس داده‌های تاریخی. • تحلیل تجزیه و تحلیل داده‌های بزرگ: شناسایی الگوها در داده‌های کلان. ▎7. بازی‌های ویدیویی AI در بازی‌های ویدیویی برای ایجاد شخصیت‌های غیرقابل پیش‌بینی و هوشمند استفاده می‌شود. کاربردها شامل: • هوش غیرقابل پیش‌بینی NPCها: شخصیت‌های غیرقابل پیش‌بینی که واکنش‌های طبیعی نشان می‌دهند. ▎8. امنیت سایبری AI می‌تواند برای شناسایی تهدیدات و حملات سایبری استفاده شود. کاربردها شامل: • تشخیص نفوذ: شناسایی فعالیت‌های مشکوک در شبکه. • تحلیل رفتار کاربر: شناسایی رفتار غیرعادی که ممکن است نشان‌دهنده حمله باشد. ▎9. سلامت و پزشکی AI در تشخیص بیماری‌ها و تحلیل تصاویر پزشکی کاربرد دارد. کاربردها شامل: • تشخیص بیماری‌ها: شناسایی سرطان یا بیماری‌های قلبی از تصاویر پزشکی. • پیش‌بینی نتایج درمان: تحلیل داده‌های بیماران برای پیش‌بینی عوارض. ▎10. مدیریت منابع انسانی AI می‌تواند در فرآیندهای استخدام و ارزیابی عملکرد کارکنان کمک کند. کاربردها شامل: • غربالگری رزومه‌ها: استفاده از الگوریتم‌ها برای شناسایی بهترین نامزدها. • تحلیل عملکرد کارکنان: ارزیابی عملکرد بر اساس داده‌های جمع‌آوری‌شده. ▎نتیجه‌گیری هوش مصنوعی به طور گسترده‌ای در زمینه‌های مختلف کامپیوتر کاربرد دارد و با پیشرفت تکنولوژی، این حوزه همچنان در حال گسترش است. این فناوری نه تنها به بهبود کارایی کمک می‌کند، بلکه امکانات جدیدی را برای حل مسائل پیچیده فراهم می‌آورد.

هوش مصنوعی (AI) به طور فزاینده‌ای در زیست‌شناسی و علوم زیستی کاربرد دارد و به محققان و دانشمندان کمک می‌کند تا داده‌های پیچیده را تحلیل کنند، الگوها را شناسایی کنند و پیش‌بینی‌های دقیق‌تری انجام دهند. در زیر به برخی از مهم‌ترین کاربردهای هوش مصنوعی در زیست‌شناسی به تفصیل پرداخته می‌شود: ▎1. تحلیل داده‌های ژنومیک • توالی‌یابی DNA: با پیشرفت تکنولوژی توالی‌یابی، حجم زیادی از داده‌های ژنومی تولید می‌شود. الگوریتم‌های یادگیری ماشین می‌توانند برای تحلیل این داده‌ها، شناسایی جهش‌ها و تفاوت‌های ژنتیکی و پیش‌بینی تأثیرات آن‌ها بر سلامتی استفاده شوند. • تحلیل بیان ژن: هوش مصنوعی می‌تواند برای تحلیل داده‌های بیان ژن و شناسایی الگوهای مرتبط با بیماری‌ها یا شرایط خاص استفاده شود. ▎2. مدل‌سازی پروتئین • پیش‌بینی ساختار پروتئین: با استفاده از الگوریتم‌های یادگیری عمیق، مانند AlphaFold، می‌توان ساختارهای سه‌بعدی پروتئین‌ها را پیش‌بینی کرد. این اطلاعات برای درک عملکرد پروتئین‌ها و طراحی داروها حیاتی است. • شبیه‌سازی تعاملات پروتئین: AI می‌تواند برای شبیه‌سازی و پیش‌بینی تعاملات بین پروتئین‌ها و دیگر مولکول‌ها استفاده شود، که به درک بهتر فرآیندهای بیولوژیکی کمک می‌کند. ▎3. تشخیص بیماری‌ها • تصویر برداری پزشکی: هوش مصنوعی می‌تواند در تحلیل تصاویر پزشکی (مانند MRI، CT Scan و X-ray) برای شناسایی بیماری‌ها مانند سرطان، بیماری‌های قلبی و مغزی کمک کند. الگوریتم‌های یادگیری عمیق قادر به شناسایی الگوهای غیرقابل مشاهده توسط انسان هستند. • تشخیص بیماری‌های عفونی: AI می‌تواند برای تحلیل داده‌های مربوط به شیوع بیماری‌ها و پیش‌بینی روندهای اپیدمیولوژیک استفاده شود. ▎4. مدیریت داده‌های بیولوژیکی • تحلیل داده‌های بزرگ: هوش مصنوعی می‌تواند به تحلیل داده‌های بزرگ بیولوژیکی (مانند داده‌های آزمایشگاهی، بالینی و محیطی) کمک کند و الگوها و ارتباطات جدید را شناسایی کند. • یکپارچه‌سازی داده‌ها: AI می‌تواند به یکپارچه‌سازی و تحلیل داده‌های مختلف از منابع مختلف کمک کند، که این امر برای تحقیقات بین‌رشته‌ای بسیار مهم است. ▎5. تحقیقات دارویی • کشف دارو: هوش مصنوعی می‌تواند در مراحل مختلف کشف دارو، از جمله شناسایی ترکیبات جدید، پیش‌بینی اثرات جانبی و بهینه‌سازی فرمولاسیون‌ها، مورد استفاده قرار گیرد. • شبیه‌سازی بالینی: AI می‌تواند برای شبیه‌سازی نتایج بالینی بر اساس داده‌های موجود استفاده شود، که به تسریع فرآیند توسعه دارو کمک می‌کند. ▎6. زیست‌شناسی تکاملی • تحلیل داده‌های تکاملی: الگوریتم‌های یادگیری ماشین می‌توانند برای تحلیل داده‌های مربوط به تکامل گونه‌ها و شناسایی روابط تکاملی بین آن‌ها استفاده شوند. • مدل‌سازی فرآیندهای تکاملی: AI می‌تواند به مدل‌سازی فرآیندهای تکاملی و پیش‌بینی تغییرات در جمعیت‌ها بر اساس فشارهای محیطی کمک کند. ▎7. اکولوژی و حفاظت از محیط زیست • تحلیل داده‌های محیطی: هوش مصنوعی می‌تواند در تحلیل داده‌های مربوط به زیستگاه‌ها، آب و هوا و جمعیت‌های جانوری و گیاهی مورد استفاده قرار گیرد تا الگوهای تغییرات محیطی شناسایی شود. • پیش‌بینی رفتار اکوسیستم: AI می‌تواند برای پیش‌بینی واکنش اکوسیستم‌ها به تغییرات محیطی یا انسانی استفاده شود، که این اطلاعات برای حفاظت از تنوع زیستی حیاتی است. ▎8. مدیریت کشاورزی و بیوتکنولوژی • کشاورزی دقیق: هوش مصنوعی می‌تواند در کشاورزی دقیق برای نظارت بر رشد گیاهان، پیش‌بینی نیازهای آبی و تغذیه‌ای و مدیریت آفات استفاده شود. • بهبود ژنتیکی گیاهان: AI می‌تواند به شناسایی ویژگی‌های مطلوب در گیاهان و طراحی برنامه‌های بهبود ژنتیکی کمک کند. ▎نتیجه‌گیری هوش مصنوعی در زیست‌شناسی یک ابزار قدرتمند است که به محققان کمک می‌کند تا داده‌های پیچیده را تحلیل کرده و بینش‌های جدیدی کسب کنند. با پیشرفت تکنولوژی، انتظار می‌رود که کاربردهای هوش مصنوعی در زیست‌شناسی همچنان گسترش یابد و به حل چالش‌های بزرگ علمی کمک کند.

هوش مصنوعی (AI) به طور فزاینده‌ای در حوزه شیمی کاربرد دارد و به محققان و دانشمندان کمک می‌کند تا داده‌های پیچیده را تحلیل کنند، روندهای شیمیایی را پیش‌بینی کنند و به کشف‌های جدید دست یابند. در زیر به برخی از مهم‌ترین کاربردهای هوش مصنوعی در شیمی به تفصیل پرداخته می‌شود: ▎1. مدل‌سازی مولکولی و شبیه‌سازی • پیش‌بینی ساختار مولکولی: الگوریتم‌های یادگیری عمیق می‌توانند برای پیش‌بینی ساختارهای سه‌بعدی مولکول‌ها بر اساس داده‌های تجربی یا توالی‌های شیمیایی استفاده شوند. این کار به درک بهتر تعاملات شیمیایی و طراحی داروها کمک می‌کند. • شبیه‌سازی دینامیک مولکولی: AI می‌تواند در شبیه‌سازی رفتار مولکول‌ها در شرایط مختلف (دما، فشار و غیره) کمک کند و الگوهای حرکتی و تعاملات بین مولکول‌ها را تحلیل کند. ▎2. کشف دارو • شناسایی ترکیبات جدید: هوش مصنوعی می‌تواند برای شناسایی ترکیبات شیمیایی جدید که ممکن است خواص دارویی داشته باشند، مورد استفاده قرار گیرد. الگوریتم‌های یادگیری ماشین می‌توانند بر اساس داده‌های موجود، ترکیبات با پتانسیل بالا را شناسایی کنند. • پیش‌بینی اثرات جانبی: AI می‌تواند برای پیش‌بینی اثرات جانبی ترکیبات شیمیایی بر روی بدن انسان استفاده شود، که این امر به کاهش زمان و هزینه‌های تحقیقات دارویی کمک می‌کند. ▎3. تحلیل داده‌های تجربی • تحلیل داده‌های طیفی: هوش مصنوعی می‌تواند برای تحلیل داده‌های طیفی (مانند NMR، IR و UV-Vis) استفاده شود. الگوریتم‌های یادگیری ماشین می‌توانند الگوهای موجود در داده‌ها را شناسایی کرده و به شناسایی ترکیبات شیمیایی کمک کنند. • تحلیل داده‌های کروماتوگرافی: AI می‌تواند در تحلیل نتایج کروماتوگرافی برای شناسایی و کمی‌سازی ترکیبات شیمیایی کمک کند. ▎4. شیمی محاسباتی • محاسبات انرژی: الگوریتم‌های یادگیری ماشین می‌توانند برای محاسبه انرژی‌های مولکولی و شناسایی حالت‌های پایدار استفاده شوند. این کار به درک بهتر واکنش‌های شیمیایی کمک می‌کند. • مدل‌سازی رفتار شیمیایی: AI می‌تواند برای مدل‌سازی رفتار شیمیایی سیستم‌ها تحت شرایط مختلف (مانند دما، فشار و غلظت) استفاده شود. ▎5. طراحی مواد جدید • طراحی مواد با خواص خاص: هوش مصنوعی می‌تواند برای طراحی مواد جدید با خواص خاص (مانند رسانایی الکتریکی، خواص نوری و مکانیکی) استفاده شود. این کار می‌تواند به توسعه مواد جدید برای کاربردهای صنعتی و فناوری‌های نوین کمک کند. • شناسایی ترکیبات نانومواد: AI می‌تواند در شناسایی و طراحی نانومواد با ویژگی‌های منحصر به فرد مورد استفاده قرار گیرد. ▎6. مدیریت داده‌های بزرگ • تحلیل داده‌های بزرگ شیمیایی: هوش مصنوعی می‌تواند در تحلیل داده‌های بزرگ از آزمایش‌ها و مطالعات شیمیایی کمک کند و الگوها و ارتباطات جدید را شناسایی کند. • یکپارچه‌سازی داده‌ها: AI می‌تواند به یکپارچه‌سازی و تحلیل داده‌های مختلف از منابع مختلف کمک کند، که این امر برای تحقیقات بین‌رشته‌ای بسیار مهم است. ▎7. شیمی سبز • بهینه‌سازی فرآیندها: هوش مصنوعی می‌تواند در بهینه‌سازی فرآیندهای شیمیایی برای کاهش مصرف انرژی و مواد اولیه و کاهش تولید زباله‌ها مورد استفاده قرار گیرد. • پیش‌بینی واکنش‌ها: AI می‌تواند برای پیش‌بینی نتایج واکنش‌های شیمیایی و شناسایی روش‌های پایدارتر برای انجام واکنش‌ها استفاده شود. ▎8. آموزش و یادگیری • آموزش مجازی: هوش مصنوعی می‌تواند در توسعه ابزارهای آموزشی مجازی برای آموزش مفاهیم شیمی به دانش‌آموزان و دانشجویان مورد استفاده قرار گیرد. • تحلیل عملکرد دانش‌آموزان: AI می‌تواند برای تحلیل عملکرد دانش‌آموزان در مباحث شیمی و ارائه بازخوردهای شخصی‌سازی شده استفاده شود. ▎نتیجه‌گیری هوش مصنوعی در حوزه شیمی یک ابزار قدرتمند است که به محققان کمک می‌کند تا داده‌ها را بهتر تحلیل کنند، فرآیندهای شیمیایی را پیش‌بینی کنند و به کشف‌های جدید دست یابند. با پیشرفت تکنولوژی، انتظار می‌رود که کاربردهای هوش مصنوعی در شیمی همچنان گسترش یابد و به حل چالش‌های بزرگ علمی کمک کند.

*🇮🇷اجرای رزمایش رزمی هنری در راه قله🇮🇷* ♨️همراه با انفجارات و تیر اندازی♨️ 💢 زمان: شنبه ۲۸ مهرماه ساعت ۲۰ شب 💢مکان:بارگاه مطهر شهدای گمنام شهر لامرد 🖼 توضیحات بیشتر در خصوص نمایش در تصویر مطالعه فرمائید 〰️〰️〰️〰️ 💠 اجلاسیه ۲۶۱ شهید شهرستان لامرد ‌┄┄┅┅┅❅🕊️🎓🕊️❅┅┅┅┄┄ 🔺به‌کانال‌بربال‌اندیشه‌دانشجویان‌بپیوندید و با مادر مسیربمانید 🇮🇷 🔹لینک ایتا https://eitaa.com/barbalandishedaneshjoyan 🔹لینک واتساپ https://chat.whatsapp.com/H6jtru3PAJD4usIvW4hHxa

💠گزارش ویدئویی 🔹برپایی اجلاسیه بزرگ ۲۶۱ شهید شهرستان لامرد بازدید سردار سرتیپ‌ غلامرضا سلیمانی از‌غرفه‌ بسیج‌ دانشجویی‌ شهرستان‌ لامرد 🔰بسیج دانشجویی شهرستان لامرد ‌┄┄┅┅┅❅🕊️🎓🕊️❅┅┅┅┄┄ 🔺به‌کانال‌بربال‌اندیشه‌دانشجویان‌بپیوندید و با مادر مسیربمانید 🇮🇷 🔹لینک ایتا https://eitaa.com/barbalandishedaneshjoyan 🔹لینک واتساپ https://chat.whatsapp.com/H6jtru3PAJD4usIvW4hHxa

💠گزارش_تصویری 🔹غرفه علم و فناوری بسیج دانشجویی دانشگاه های شهرستان لامرد 🔸همزمان با برگزاری اجلاسیه ۲۶۱ شهید شهرستان لامرد در بارگاه مطهر شهدای گمنام شهرستان لامرداز ۲۵ مهرماه الی ۲۷ مهرماه ۱۴۰۳ یک غرفه به بسیج دانشجویی تعلق گرفت که دانشجویان در این غرفه فعالیت داشتند. 🔹محتویات این غرفه دستاوردهای علمی و پژو هشی دانشگاه های لامرد بود که در معرض دید عموم قرار گرفت. #بسیج_دانشجویی_شهرستان_لامرد #اجلاسیه_بزرگداشت_261_شهید_شهرستان_لامرد 🔰بسیج دانشجویی دانشگاه های شهرستان لامرد ‌┄┄┅┅┅❅🕊️🎓🕊️❅┅┅┅┄┄ 🔺به‌کانال‌بربال‌اندیشه‌دانشجویان‌بپیوندید و با مادر مسیربمانید 🇮🇷 🔹لینک ایتا https://eitaa.com/barbalandishedaneshjoyan 🔹لینک واتساپ https://chat.whatsapp.com/H6jtru3PAJD4usIvW4hHxa