ورود / ثبت نام
برگزار شده

دومین دوره جامع پردازش داده های علوم اعصاب با روشهای یادگیری عمیق مبتنی بر پایتون

دریافت گواهی

آنچه در این دوره گذشت

162 نفر
حضور در دوره
163 گواهی
صادر شده
3 دیدگاه
درباره این دوره

اطلاعات دوره

زمان اسفند 1401
مکان آنلاین
ظرفیت باقی مانده 0
دبیر علمی دکتر رضا شالباف
دبیر اجرایی دکتر حسین قدیری
مدیر برنامه ریزی و تدوین محتوای آموزشی شیما گلبرگ ، سینا توکلی
مسئول اجرا شنو مظفری- لیلی لطفی- صبا وکیلی
سطح دوره متوسط
اهداف دوره

آشنایی با هوش مصنوعی

آشنایی با روش های یادگیری ماشین

آشنایی با روش های یادگیری عمیق

کار با کتابخانه های محبوب و متداول زبان پایتون

دستاوردهای دوره
  • دریافت 150 امتیاز باشگاه پژوهشگران برای شرکت کنندگان در این دوره به صورت تخفیف جهت تعریف پروژه در بخش های:
  • بیوبانک نقشه برداری مغز ایران تا سقف مبلغ 1 میلیون تومان بسته به پروژه شما
  • ردیاب چشمی تا سقف 10ساعت رایگان بسته به پروژه شما
  • بخش ارزیابی حرکتی تا سقف مبلغ 1 میلیون تومان بسته به پروژه شما
  • بخش VR تا سقف مبلغ 1 میلیون تومان بسته به پروژه شما
  • شرایط دریافت این هدیه:
  • ثبت پروژه در آزمایشگاه نهایتا تا پایان خرداد 1402 ( اطلاعات بیشتر: تماس با امور ارتباط با مشتریان، داخلی های 132-103-145-156)
  • امکان دسترسی آنلاین به ویدیوهای آموزشی دوره به مدت 3 ماه پس از انتهای دوره برای شرکت کنندگان
ثبت نام در دوره


دوره جامع پردازش داده های علوم اعصاب با روش های یادگیری عمیق مبتنی بر پایتون

مدت دوره: 30 ساعت (آنلاین)

زمان: اسفند 1401

جلسه اول:

- آشنايي با ابزارهاي تصويربرداري مغزي در حوزه‌ی علوم اعصاب و شناختي، بررسي مزايا و معايب 

- آشنايي با روشهاي ثبت، بررسي و حذف آرتيفکت سيگنالهاي الکتروفيزيولوژيک مغزي(EEG) به عنوان شاخص فرايندهاي ذهني

- استخراج ERP ها از سیگنال پیوسته  EEGو معرفي مولفه هاي مختلف آن

- آشنایی با فناوری طیف نگاری مادون قرمز (fNIRS) ؛ تئوری، پیاده سازی، پيش پردازش سیگنال

- آشنايي با اصول تشکیل تصویر MRIو تکنيک تصوير برداري کارکردي مغز (fMRI) و شيوه هاي جمع آوري و تفسير داده

 مدرس: دکتر رضا شالباف، عضو هیأت علمی مؤسسه آموزش عالی علوم شناختی

  زمان: پنجشنبه 4 اسفند ماه 1401، ساعت 8:30 الی 13:30

 

جلسه دوم:

- مقدمه و معرفی هوش مصنوعی و یادگیری ماشین

- آشنایی با روش­های ارزیابی مدل­های هوش مصنوعی

- معرفی روشهای متداول یادگیری ماشین مانند KNN, Bayesian Decision, clustring

- معرفی و عملکرد شبکه های عصبی مصنوعی (Artificial Neural Network) چند لایه MLP

-آشنایی با روش‌های آموزش، توابع خطا و بهینه‌سازی

- مقدمه، تاریخچه و معرفی روشهای یادگیری عمیق (Deep learning) و کاربردهای آن

مدرس: دکتر احمد شالباف، عضو هیأت علمی دانشگاه علوم پزشکی شهید بهشتی

زمان: پنجشنبه 4 اسفند ماه 1401، ساعت 14:30 الی 18:30

 

جلسه سوم: 

برنامه نویسی به زبان پایتون و کار با کتابخانه های محبوب جهت یادگیری ماشین

- آشنایی با مقدمات راه‌اندازی بستر کدنویسی پایتون

       - معرفی بسترهای کدنویسی به زبان پایتون همچون google colab  و vscode

        - معرفی سخت افزار مناسب و سازگار برای کد نویسی به زبان پایتون

       -  آشنایی با conda package manager و نصب پکیج های مورد نیاز.

       = کار با محیط anaconda navigator

       - معرفی anaconda prompt جهت ساخت محیط های مختلف    

        - آشنایی، معرفی کتابخانه numpy  جهت کار با ماتریس ها، بردارها و عملیات جبری بر روی آن­ها.    

       - آشنایی و کار  با کتابخانه matplotlib برای رسم نمودار و اشکال مختلف

       - آشنایی و کار با کتابخانه pandas جهت فراخوانی دادگان جدولی

       - ترکیب و انتخاب ویژگی و پیاده سازی الگوریتم های یادگیری ماشین و ساختارهای مرتبط با آن مانند MLP به کمک کتابخانه scikit learn

       - بررسی یک  case studyبا رویکرد علوم شناختی از مرحله فراخوانی دیتا تا تشخیص نهایی به کمک کتابخانه های معرفی شده

- معرفی شاخص های مختلف ارزیابی طبقه بندی  

مدرس: مهندس محسن صفار، دانشجوی دکتری تخصصی برق

زمان: جمعه 5 اسفند ماه 1401، ساعت 8:30 الي 14:30 

 

جلسه چهارم:

آشنایی با انواع مدل های یادگیری عمیق

    شبکه های عصبی مصنوعی عمیق  (DNN)  Deep neural network

    شبکه عصبی کانولوشن (CNN) Convolutional neural network

    شبکه عصبی بازگشتی (RNN) Recurrent neural network

    شبکه های عصبی (LSTM) Long short-term memory

    شبکه عصبی (GAN) Generative adversarial network

    شبکه های عصبی خودرمزنگار  Autoencoder (AE)

- 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

کاربردهای یادگیری عمیق در پردازش دادگان EEG  

کاربردهای یادگیری عمیق در پردازش تصاویر MRI و fMRI  

مدرس: دکتر احمد شالباف، عضو هیأت علمی دانشگاه علوم پزشکی شهید بهشتی

زمان: پنجشنبه 11 اسفند ماه 1401، ساعت 8:30 الی  18:30

 

جلسه پنجم: پیاده سازی یادگیری عمیق به زبان پایتون 

 - معرفی و راه اندازی پکیج TensorFlow و کتابخانه Keras     

       - آشنایی، پیاده سازی و پیکربندی شبکه های عمیق کانولوشنی (CNN) و طراحی آن ها برای حل مسائل طبقه بندی (Classification)

       - معرفی شبکه های Pre-trained محبوب همچون VGG16 و Resnet و بررسی آنها در مسائل Transfer Learning      

       - آموزش و تست ساختار های عمیق برای حل مسائل مختلف

       - طراحی ساختار Autoencoder و Variational Autoencoder و آموزش آن جهت حذف نویز

       - طراحی و آموزش ساختار شبکه GAN جهت تولید داده fake

        - پیاده سازی کاربردهای یادگیری عمیق در پردازش دادگان EEG  ، MRI

مدرس: مهندس محسن صفار، دانشجوی دکتری تخصصی برق

زمان: جمعه 12 اسفند ماه 1401، ساعت 8:30 الي 14:30 

هزینه ثبت نام: 850 هزار تومان

هزینه ثبت نام زودهنگام تا تاریخ 15 بهمن و یا دارندگان کد تخفیف : 700 هزار تومان

هزینه ثبت نام گروهی با تخفیف ویژه:

گروه 3 نفره ( هزینه با 15% تخفیف برای هر نفر): 723 هزار تومان

گروه 5 نفره ( هزینه با 25% تخفیف برای هر نفر): 638 هزار تومان

گروه 10 نفره ( هزینه با 40% تخفیف برای هر نفر): 510 هزار تومان

کاربران محترم ،
پس از اتمام دوره، ویدیوهای آموزشی دوره 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 .

 

 

دیدگاه ها

برای ثبت دیدگاه کافیست وارد حساب کاربری خود شوید.

امیرحسین اسفندیاری
امیرحسین اسفندیاری
1 سال پیش

باسلام
خواهشمندم این دوره را در سال 1402 برگزار نمایید. باتشکر

کارشناس ترویج و آموزش
1 سال پیش

درود

اگر بتوانیم  و امکانش باشد حتما در خدمتتون خواهیم بود

لطفا لینک دوره های بهار را مشاهده کنید:

https://nbml.ir/fa/events 

پریسا صحتی
پریسا صحتی
1 سال پیش

با سلام و احترام
متاسفانه فرصت نشد در دوره ی اسفند ماه شرکت کنم. لطفا در فصل بهار این دوره رو تکرار کنید. سپاس

کارشناس ترویج و آموزش
1 سال پیش

درود

دوره پیشرفته روی سایت منتشر شده در خدمتتون هستیم

لینک دوره:

https://nbml.ir/fa/events/a-Processing-with-Deep-Learning-Techniques-based-on-Python- 

نهال منوچهری
نهال منوچهری
1 سال پیش

با و سلام و خسته نباشید

به نظر میرسد برای شرکت در دوره پیشرفته، این دوره به عنوان پیش نیاز مطرح باشد.

لطفا این دوره را تکرار کنید.

کارشناس ترویج و آموزش
1 سال پیش

درود

به احتمال زیاد تابستان دوره مقدماتی برگزار خواهد شد براین این فصل فعلا تو برنامه نیست. لطفا سایت رو چک کنید تو اردیبشهت و خرداد

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