پنجمین دوره جامع پیشرفته “پردازش داده های علوم اعصاب با روش های یادگیری عمیق مبتنی بر پایتون”

آزمایشگاه ملی نقشه برداری مغز  برگزار می‌کند:

پنجمین دوره جامع پیشرفته “پردازش داده های علوم اعصاب با روش های یادگیری عمیق مبتنی بر پایتون”

مدت دوره: ۲۰ ساعت (آموزش تخصصی آنلاین پیشرفته)

زمان: اسفند ۱۴۰۴

مدرسین:

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

دکترمحسن شهابی،  دکتری مهندسی پزشکی دانشگاه علوم پزشکی شهید بهشتی

دکتر محسن صفار،  دکتری تخصصی برق، دانشگاه تهران

بخش اول:

۱- آشنایی با انواع مدل های یادگیری عمیق

– شبکه عصبی کانولوشن (CNN) Convolutional neural network

– شبکه‌ی عصبی (LSTM) Long short-term memory

– شبکه‌های عصبی خودرمزنگار عمیق Autoencoder (AE) Deep

– شبکه‌ی 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)

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

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

مدرس: دکتر احمد شالباف، دکترای مهندسی پزشکی، دانشیار دانشگاه علوم پزشکی شهید بهشتی

زمان: پنجشنبه ۷ اسفند  ۱۴۰۴، ساعت ۹:۳۰ الی ۱۷:۳۰

 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

– پیاده‌سازی و استفاده از مدل‌های Pre-trained CNN محبوب همچون VGG16 ، Efficient Net , Inception, Resnet, و بررسی آنها در مسائل Transfer Learning برای حل مسائل طبقه‌بندی سیگنال EEG

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

– توسعه مدل‌های کانولوشنی-بازگشتی مبتنی بر مکانیسم توجه (Attention)

–  مدل‌های 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 داده‌ها برای آموزش و استفاده از Cross-Validation و ثبت خروجی‌های 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:  پنجشنبه۱۴ اسفند  ۱۴۰۴، ساعت ۸:۳۰ الی ۱۴:۳۰

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

– بررسی و پیاده سازی Autoencoder Deep و Variational Autoencoder در مسائل data augmentation

– بررسی و پیاده سازی شبکه‌های (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 ۱۵ اسفند  ۱۴۰۴، ساعت ۸:۳۰ الی ۱۴:۳۰ 

هزینه ثبت نام: ۴ میلیون تومان

ثبت نام با تخفیف ۵۰% برای شرکت کنندگان دوره مقدماتی هوش مصنوعی  آبان ۱۴۰۴ : ۲ میلیون تومان

 دانشجویان: ۳ میلیون تومان

ثبت نام زود هنگام تا ( ۳۱ شهریور ۱۴۰۴): ۲۵۰۰۰۰۰ هزار تومان

توجه مهم :

لطفا هنگام ثبت نام در دوره، سرفصل های دوره را به دقت مطالعه کنید در صورت ثبت نام عودت وجه از طرف آزمایشگاه امکانپذیر نیست. عودت وجه فقط در صورتی که دوره از طرف NBML  کنسل شود و یا به تاریخ دیگری موکول شود انجام خواهد شد. 

کاربران محترم ،

پس از ثبت نام، تمامی مراحل اطلاع رسانی در خصوص دوره ثبت نام شده از طریق و ایمیل ثبت شده توسط شما صورت می گیرد.

از شما درخواست می‌شود نسبت به صحت و کامل بودن اطلاعات وارد شده اطمینان حاصل فرمائید.

بدیهی است تبعات عدم اطلاع رسانی مناسب به علت مخدوش یا ناقص بودن مشخصات وارد شده متوجه شخص ثبت نام کننده است. واحد ترویج و آموزش مسئولیتی بابت این مساله نخواهد داشت.
پس از اتمام دوره، ویدیوهای آموزشی دوره به مدت حداقل ۳ 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 شواهدی مبنی بر ضبط و انتشار غیرقانونی ویدیوهای آموزشی مشاهده شود، علاوه بر پیگیری قانونی موضوع، افراد خاطی از شرکت در سایر دوره های آموزشی محروم خواهند شد.

ثبت نام رویداد ۲۴ ساعت قبل از شروع برگزاری بسته خواهد شد. 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 ۱۳۶  و ۱۳۷ تماس حاصل فرمایید .