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

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:

– آشنایی با ابزارهای تصویربرداری مغزی در حوزه‌ی علوم اعصاب و شناختی، بررسی مزایا و معایب

– آشنایی با روشهای ثبت، بررسی و حذف آرتیفکت سیگنالهای الکتروفیزیولوژیک مغزی(EEG) به عنوان شاخص فرایندهای ذهنی

– استخراج ERP ها از سیگنال پیوسته  EEGو معرفی مولفه های مختلف آن

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

– آشنایی با اصول تشکیل تصویر MRIو تکنیک تصویر برداری کارکردی مغز (fMRI) و شیوه های جمع آوری و تفسیر 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 الی 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 الی 14:30 

 

هزینه ثبت نام: 850 هزار تومان

هزینه ثبت نام زودهنگام تا تاریخ 15 بهمن و یا دارندگان کد تخفیف : 780هزار 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