ورود / ثبت نام

سومین دوره جامع پيشرفته “پردازش داده هاي علوم اعصاب با روش هاي يادگيري عميق مبتني بر پايتون”

اطلاعات دوره

زمان اردیبهشت 1403
مکان آنلاین
ظرفیت باقی مانده 22
دبیر علمی دکتر احمد شالباف
مدیر برنامه ریزی و تدوین محتوای آموزشی شیما گلبرگ ، سینا توکلی
مسئول اجرا تیم ترویج و آموزش
سطح دوره پیشرفته
اهداف دوره

پيش نياز اين دوره (دوره پایتون مقدماتی):

آشنایی با هوش مصنوعی

آشنایی با روش های یادگیری ماشین

آشنایی با روش های یادگیری عمیق

آشنايي با پایتون

دستاوردهای دوره

اهدای 500 امتیاز باشگاه پژوهشگران به شرکت کنندگان این دوره، در قالب تخفیف انجام پژوهش در همه بخش های NBML ( مهلت استفاده از این امتیاز تا 30 خرداد 1403 )

 دریافت تخفیف ویژه جهت استفاده از خدمات بخش های بیوبانک نقشه برداری مغز ایران، ارزیابی حرکتی، شبیه ساز MRI، ردیاب چشمی و واقعیت مجازی، تحریک مغزی، آنالیز داده،ارزیابی و توانبخشی شناختی و ثبت سیگنال FNIRS آزمایشگاه تا سقف مبلغ 2 میلیون تومان با توجه به پروژه شما

  • شرایط دریافت این هدیه:
  • ثبت پروژه در آزمایشگاه نهایتا  تا 30 خرداد 1403 ( اطلاعات بیشتر: تماس با امور ارتباط با مشتریان، داخلی های 132-103-145-156)

 

دریافت کد تخفیف 3٠٠ هزار توماني برای شرکت در سایر دوره های آموزشی زمستان 1402

کد رویداد workshop-140214

آزمایشگاه ملی نقشه برداری مغز با همکاری گروه علمی سیناپس برگزار میکند:

سومین دوره جامع پيشرفته “پردازش داده هاي علوم اعصاب با روش هاي يادگيري عميق مبتني بر پايتون

مدت دوره: 21 ساعت (آموزش تخصصی آنلاین پیشرفته)

زمان: اردیبهشت ماه ١٤٠3

بخش اول:

1- آشنایی با انواع مدل های یادگیری عمیق

   - شبکه عصبی کانولوشن (CNN) Convolutional neural network

   - شبکه های عصبی (LSTM) Long short-term memory

   - شبکه های عصبی خودرمزنگار عمیق Autoencoder (AE) Deep

   - شبکه عصبی (GAN) Generative adversarial network

   - آشنایی با شبکه های عصبی کانولوشن معروف مبتنی بر ساختار CNN

-AlexNet-ResNet-Inception V3- Google Net-VGG Net- DenseNet

 ResNeXt-Mobile Net- Efficient Net

   - تکنیک Transfer Learning یا یادگیری انتقالی

    - آموزش مدل های کانولوشنی-بازگشتی مبتنی بر مکانیسم توجه  (Attention)

   - آموزش مدل های یادگیری عمیق مبتنی بر ترنسفورمرها (Transformer)

2- کاربردهای یادگیری عمیق در پردازش داده های علوم اعصاب با استفاده از سیگنال EEG ، تصاویر MRI و fMRI  

3-  معرفی دیتابیس های (EEG, MRI, fMRI) قابل دانلود معتبر حوزه علوم اعصاب

مدرسدکتر احمد شالباف، دکترای مهندسی پزشکی، دانشیار دانشگاه علوم پزشکی شهید بهشتی

زمان: پنجشنبه 6 اردیبهشت 1403، ساعت 8:30 الی 17:30

 

 بخش دوم: دسته بندی سیگنال های مغزی EEG  با یادگیری عمیق مبتنی بر پایتون

- معرفی دیتاست EEG برای تشخیص و پیش بینی پاسخ به درمان دارویی در افراد افسرده

- تحلیل و پیش پردازش سیگنال های مغزی با استفاده از روش ICA و توسعه اسکریپت پیش پردازش خودکار داده ها

- ساخت ورودی تصویر تبدیل فوریه زمان کوتاه و تبدیل ویولت از روی سیگنال های EEG برای مدل های شبکه های عصبی کانولوشنی (CNN)

- ساخت ورودی تصویر داده خام از روی سیگنال های EEG برای مدل های شبکه های عصبی کانولوشنی

- ساخت ورودی تصویر ارتباطات مغزی از روی سیگنال های EEG برای مدل های شبکه های عصبی کانولوشنی

- پیاده سازی و استفاده از مدل های Pre-trained CNN محبوب همچون VGG16 ، Efficient Net , Inception, Resnet, و بررسی آنها در مسائل Transfer Learning       برای حل مسائل طبقه بندی سیگنال EEG

- آماده سازی توالی تصاویر برای استفاده در مدل های شبکه های عصبی کانولوشنی-بازگشتی      (CNN-LSTM)

- توسعه مدل های کانولوشنی-بازگشتی مبتنی بر مکانیسم توجه (Attention)

-  توسعه مدل های یادگیری عمیق مبتنی بر ترنسفورمرها (Transformer)

- استفاده از روش های رای گیری اکثریت برای ترکیب مدل ها و پیاده سازی روش های بهینه سازی برای ترکیب مدل ها

- تقسیم داده ها برای آموزش و استفاده از Cross-Validation و ثبت خروجی های مدل و نمایش نمودارهای آموزش

- تولید انواع معیارهای ارزیابی مدل شامل ماتریس کانفیوژن، نمودار ROC، دقت و صحت

- تحلیل خروجی های مدل های مختلف و مقایسه آنها و جمع بندی مباحث

مدرس: دکتر محسن شهابی،  دکتری مهندسی پزشکی دانشگاه علوم پزشکی شهید بهشتی

زمان:  پنجشنبه 13 اردیبهشت 1403، ساعت 8:30 الی 14:30

 
بخش سوم: پیاده سازی مدل های یادگیری عمیق مبتنی بر پایتون

 - بررسی و پیاده سازی Autoencoder Deep و Variational Autoencoder در مسائلanomaly  detection و data augmentation

- بررسی و پیاده سازی شبکه های (GAN) جهت افزایش دادگان و تولید داده fake (بر روی داده های EEG)

- بخش بندی (Segmentation) تصاویر MRI به کمک شبکه Unet جهت تشخیص ناحیه تومور های مغزی

-  طراحی لایه به لایه شبکه Unet و اتصالات بهینه مابین شبکه به شکلی که در فرآیند آموزش همگرایی بهتر و سریع‌تری رخ دهد

- طبقه بندی تصاویر سه بعدی FMRI به کمک شبکه های سه بعدی عصبی کانولوشنی 

  مدرس: دکتر محسن صفار، دکتری مهندسی برق دانشگاه تهران

زمان: جمعه 14 اردیبهشت 1403، ساعت 8:30 الي 14:30 

هزينه ثبت نام: ١.6 ميليون تومان

هزینه ثبت نام با تخفیف 50% برای شرکت کنندگان دوره مقدماتی هوش مصنوعی بهمن و اسفند 1402 : 800 هزار تومان

هزينه ثبت نام گروهي با تخفيف ویژه :

گروه 3 نفره و بالاتر(برای هر نفر): 950 میلیون تومان

هزینه ثبت نام برای اعضای باشگاه پژوهشگران (به ازای کسر 200 امتیاز): ۱.۲ میلیون تومان

 

کاربران محترم ،
پس از اتمام دوره، ویدیوهای آموزشی دوره حداقل به مدت 3 ماه در اختیار شرکت کنندگان قرار داده خواهد شد، مطابق قوانین کپی رایت؛ هرگونه ضبط ، تکثیر و نشر تمام یا بخشی از مطالب و فیلمهای رویدادهای آموزشی که از سوی آزمایشگاه ملی نقشه برداری مغز برگزار می گردد، مشروط به دریافت رضایت کتبی از آزمایشگاه و مدرسان می‌باشد و در غیر این صورت پیگرد قانونی دارد.©️

چنانچه شواهدي مبني بر ضبط و انتشار غيرقانوني ويديوهاي آموزشي مشاهده شود، علاوه بر پيگيري قانوني موضوع، افراد خاطي از شركت در ساير دوره هاي آموزشي محروم خواهند شد.

لازم به ذکر است که  ثبت نام رویداد ۲۴ ساعت قبل از شروع برگزاری بسته شده و پس از این زمان امکان ثبت نام و ارسال لینک وجود ندارد.

رویداد در محیط اسکای روم برگزار خواهد شد؛ لینک حضور از طریق پیامک و ایمیل به شرکت کنندگان ارسال می گردد. همچنین احتمال دریافت ایمیلهای آزمایشگاه در اسپم ( spam) وجود دارد.

 

در صورت بروز هر نوع اشکال در پروسه ثبت نام و یا جهت کسب اطلاعات بیشتر راجع به دوره آموزشی، لطفا در ساعات اداری با داخلی 136 ،139،137 و151 تماس حاصل فرمایید .

خبرنامه آزمایشگاه ملی نقشه برداری مغز

با عضویت در خبرنامه آزمایشگاه ملی نقشه برداری مغز از آخرین اخبار و رویدادها مطلع شوید.

پرداخت هزینه آزمایشات دریافت گواهی پشتیبانی
صفحه اصلی
جستجو
دسته بندی
باشگاه
حساب کاربری