آزمایشگاه ملی نقشه برداری مغز برگزار میکند:

ششمین دوره جامع هوش مصنوعی در پردازش داده‌های علوم اعصاب مبتنی بر پایتون

مدت دوره: ۳۰ ساعت (آموزش تخصصی مقدماتی آنلاین)

زمان: آبان ۱۴۰۴

کد تخفیف ۳۰ درصدی برای شرکت کنندگان نهمین کنگره بین المللی نقشه برداری مغز

ICBM2025

بخش اول:

شناخت ابزارهای تصویربرداری مغزی در حوزه‌ی علوم اعصاب و شناختی، بررسی مزایا و معایب

آگاهی از  روشهای ثبت، بررسی و حذف آرتیفکت سیگنالهای الکتروفیزیولوژیک مغزی(EEG) به عنوان شاخص فرایندهای ذهنی

استخراج ERP ها از سیگنال پیوسته  EEG و معرفی مولفه های مختلف آن

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

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

  زمان: پنجشنبه ۱ آبان، ساعت ۸:۳۰ الی ۱۳:۳۰

بخش دوم:

– مقدمه و معرفی هوش مصنوعی و یادگیری ماشین

-اطلاع از  روش­های ارزیابی مدل­های هوش مصنوعی شامل دقت، حساسیت، اختصاصیت،  ماتریس کانفیوژن، مفهوم Cross-Validation و نمودار ROC

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

– مطالعه  روشهای کاهش و انتخاب ویژگیها

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

زمان:  پنجشنبه ۱ آبان، ساعت ۱۴:۳۰ الی ۱۸:۳۰

بخش سوم: برنامه نویسی مبتنی بر 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 مختصر دیتاتایپ های پایتون همچون لیست، دیکشنری و …

• 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.

– توضیح  و کار  با کتابخانه matplotlib برای رسم نمودار و اشکال مختلف

– توضیح  و کار با کتابخانه pandas جهت فراخوانی دادگان جدولی

– آشنایی و کار با کتابخانه scikit learn جهت پیاده سازی مدل های یادگیری ماشین

–  نرمال سازی دادگان

        – معرفی شاخص های مختلف ارزیابی طبقه بندی مدل های یادگیری ماشین   

مدرس: دکتر محسن صفار،  دکتری تخصصی برق, عضو هیات علمی دانشگاه علم و صنعت

زمان: جمعه ۲ آبان ، ساعت ۸:۳۰ الی  ۱۴:۳۰

بخش چهارم:

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

-اطلاع از  روش‌های آموزش، توابع خطا و بهینه‌سازی

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

–    آشنایی با شبکه های عصبی کانولوشن (CNN) Convolutional neural network

– آشنایی با شبکه های عصبی کانولوشن معروف مبتنی بر ساختار CNN مانند

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

– تکنیک Transfer Learning یا یادگیری انتقالی

۲- کاربردهای هوش مصنوعی در پردازش داده های علوم اعصاب با استفاده از سیگنال EEG ، تصاویر MRI و fMRI  شامل:

Emotion recognition, Mental workload, Motor imagery, Sleep stage scoring, Seizure detection, Alzheimer and Mild Cognitive Impairment (MCI) classification, Major depressive disorder (MDD), Schizophrenia and Obsessive-compulsive disorder (OCD) detection, rTMS treatment prediction, Brain Tumor segmentation and classification, Driver Fatigue Detection.

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

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

زمان: پنجشنبه ۸ آبان ، ساعت ۸:۳۰ الی ۱۷:۳۰ 

بخش پنجم: پیاده سازی مدل های یادگیری ماشین و یادگیری عمیق مبتنی بر پایتون

– پیاده سازی الگوریتم های یادگیری ماشین مانند شبکه های SVM،, decision Trees و Nearest Neighbors و  پیاده سازی شبکه های عصبی چند لایه MLP و – پیاده سازی روش های کاهش و انتخاب ویژگی ها

– تقسیم بندی دادگان به گروه های آموزش و صحه گذاری به روش cross validation

– محاسبه confusion matrix و تفسیر آن

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

– 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 شبکه های عمیق برای حل مسائل مختلف

       – پیاده سازی کاربردهای هوش مصنوعی و یادگیری عمیق در پردازش دادگانEEG ، MRI 

مدرس: دکتر محسن صفار، دکتری تخصصی برق

زمان: جمعه ۹ آبان، ساعت ۸:۳۰ الی ۱۴:۳۰ 

هزینه ثبت نام: ۳ میلیون تومان

هزینه ثبت نام زودهنگام تا شهریور ۱۴۰۴: ۲ میلیون 

هزینه ثبت نام برای دانشجویان: ۲.۵ میلیون تومان

وجه 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 ،

از آنجایی که پس از ثبت نام، تمامی مراحل اطلاع رسانی در خصوص دوره ثبت نام شده از طریق و ایمیل و شماره تماس ثبت شده توسط شما صورت می گیرد، خواهشمند است نسبت به صحت  و کامل بودن اطلاعات وارد شده اطمینان حاصل نمایید. بدیهی است تبعات عدم اطلاع رسانی مناسب به علت مخدوش یا ناقص بودن مشخصات وارد شده متوجه شخص ثبت نام کننده بوده و 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.

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 ( spa