Onlinebme
Open in Telegram
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی ارائهدهندهی پکیجهای آموزشی پروژه محور: برنامهنویسی متلب-پایتون شناسایی الگو یادگیری ماشین شبکههای عصبی واسط مغز-کامپیوتر پردازش تصویر-سیگنالهای حیاتی تماس👇 09360382687 @onlineBME_admin www.onlinebme.com
Show more4 796
Subscribers
No data24 hours
-17 days
-730 days
Posts Archive
4 796
Repost from Onlinebme
⬛️◼️◾️ پکیجهای آموزشی Onlinebme ◾️◼️⬛️
🔆 اولین گروه آموزشیِ تخصصی و پروژه محور 🔆
〰〰〰 برنامهنویسی متلب 〰〰〰
🔲 اصول برنامهنویسی در متلب (رایگان)
▪️مدت دوره: 11 ساعت
🔘 Link
〰〰〰 برنامهنویسی پایتون 〰〰〰
⚪️ فصل 1: اصول برنامهنویسی پایتون
◽️مدت دوره: 32 ساعت
🔘 Link
⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون
◽️مدت دوره: 14 ساعت 30 دقیقه
🔘 Link
〰〰 شناسایی الگو و یادگیری ماشین 〰〰
⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیادهسازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی
⚪️فصل 1 تا 4: از بیزین تا SVM
◽️مدت دوره: 75 ساعت
🔘 Link
⚪️فصل 5: یادگیری جمعی
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️فصل 6: الگوریتمهای کاهش بعد
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️فصل 7: الگوریتمهای انتخاب ویژگی
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️فصل 8: الگوریتمهای خوشهبندی
◽️مدت دوره: 13 ساعت
🔘 Link
〰〰〰〰 شبکههای عصبی 〰〰〰〰
⚪️ پیاده سازی گام به گام شبکه های عصبی
◽️مدت دوره: 25 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی کانولوشنی (CNN)
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی بازگشتی (RNN)
◽️مدت دوره: 13 ساعت
🔘 Link
⚪️دوره پروژه محور کاربرد شبکههای عمیق در بینایی ماشین
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️ دوره پیادهسازی شبکههای عصبی با PyTorch
◽️مدت دوره: 70 ساعت
🔘 Link
〰〰〰 پردازش سیگنال مغزی 〰〰〰
⚪️ دوره جامع پردازش سیگنال مغزی(EEG)
◽️مدت دوره: 50 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر P300
◽️مدت دوره: 28 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر SSVEP
◽️ مدت دوره: 33 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر تصور حرکتی
◽️مدت دوره: 21 ساعت
🔘 Link
⚪️ پیادهسازی مقاله CSSP (BCI مبتنی بر MI)
◽️مدت دوره: 7 ساعت و 30 دقیقه
🔘 Link
⚪️پیادهسازی مقاله RCSP (BCI مبتنی بر MI)
◽️مدت دوره: 5 ساعت
🔘 Link
⚪️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی
◽️مدت دوره: 8 ساعت
🔘 Link
⚪️دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون
◽️مدت دوره: 33 ساعت
🔘 Link
〰〰〰〰 دوره جامع پردازش تصویر 〰〰〰〰
⚪️فصل 1: آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
◽️مدت دوره: 30 ساعت
🔘 Link
⚪️فصل 2: پردازش هیستوگرام تصویر
◽️مدت دوره: 6 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 3: فیلترهای مکانی
◽️مدت دوره: 15 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 4: عملیات مورفورلوژی
◽️مدت دوره: 6 ساعت
🔘 Link
〰〰〰〰〰 پردازش سیگنال قلبی 〰〰〰〰
⚪️ دوره پردازش سیگنال ECG
◽️مدت زمان دوره: 37 ساعت و 45 دقیقه
🔘 Link
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
4 796
اینم از نتایج مقاله
دقت طبقه بندی در بین سابجکت ها برای حالته 9 کلاسه: دقتها از کمترین به بیشترین (از چپ به راست) برای سابجکت ها نشان داده شده اند.
خاکستری روشن: دقت هر سابجکت
نوار روشن: میانگین دقت در بین سابجکتها
خط چین: دقت سطح شانسی (100/9=11.11)
تصویر پایین هم، ماتریس کانفیوژن میانگین گرفته شده است.
@Onlinebme
4 796
تحلیل احساسات مثبت و منفی در این مطالعه نشان میدهد که در باندهای فرکانسی (دلتا، تتا، آلفا، بتا و گاما) در افراد تجربه کننده ترس و شادی تفاوت معناداری وجود دارد، مخصوصا در باند بتا!
@Onlinebme
4 796
معرفی پایگاه داده
Title: A Large Finer-grained Affective Computing EEG Dataset
Journal: Nature
✍برخلاف مطالعه دیگه که اکثرا داده های مبتنی بر احساسات منفی ثبت میکنند، در این مطالعه یک داده ی جامع و بالانس از احساسات مثبت و منفی ثبت شده است. برای اینکار، سیگنال مغزی (EEG) 32 کاناله از 128 سابجکت ثبت شده است. طول ثبت سیگنال مغزی، افراد مجموعا به 28 کلیپِ تحریککننده احساسات نگاه کردند که شامل 9 دسته هیجان (تفریح، الهام، شادی، حساسیت، خشم، ترس، انزجار، غم و عواطف خنثی) بود. محققین این مطالعه انتظار دارند که داده FACED کمک خوبی به توسعه الگوریتم های مبتنی بر EEG در کاربردهای عملی بکند.
💡هم داده و هم کدهای مقاله به صورت رایگان در سایت synapse قابل دسترس است.
https://www.nature.com/articles/s41597-023-02650-w
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
4 796
آقای Bardia Safaei در لینکدین نکات مقاله رو به خوبی پوشش دادند که در زیر قرار داده شده اند.
پيشنهادات طلايى در نوشتن “مقدمه“ مقالات!
🔺دكتر Jorge Faber در سال 2012 چنین جواهر نابى را خلق کرد. او در یک صفحه، که در تصویر زير نشان داده شده، به طور مختصر پیشنهادات خود را در مورد نحوه نوشتن مقدمه یک مقاله بیان می کند.
🔺مهمترين مواردى كه او به آن ها اشاره مى كند شامل موارد زير است:
1⃣ مقدمه نباید بیش از 10٪ از کل صفحات مقاله باشد. فابر معتقد است که هیچکس نمی خواهد یک مقدمه بیش از حد طولانی بخواند!
2⃣ برای حفظ انسجام، مقدمه بايد از یک مسئله بزرگتر شروع شود و به تدريج و به دقت به سوال تحقیق برسد.
3⃣ از منابع زیاد استفاده نشود. فابر استدلال می کند که مطالعات پیشگامانه به ندرت دارای تعداد زیادی منابع برای انگیزه بخشی به کار خود هستند.
4⃣ از استفاده از نام نویسندگان به عنوان موضوع جملات خودداری کنید. فابر می گوید که مقدمه های خوب بر ایده ها و شواهد تمرکز دارند، نه نویسندگانی که آن ها را بیان کرده اند.
5⃣ وقتی شک دارید، متن را ساده نگه داريد!
🔺مقاله يك صفحه اى فابر يك راهنمای کوتاه اما جامع برای نوشتن مقدمه است كه شايد از آن بهتر را در اين اندازه نتوانيد پیدا کنید.
Source: LinkedIn (Bardia Safaei)
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
4 796
گویا این مشکل همگانیه و آقای فابر سعی کرده اند در یک مقاله ی یک صفحه ای نحوه درست نوشتن یک مقدمه مناسب رو توضیح بدهند.
@Onlinebme
4 796
چگونه مقدمه یک مقاله را بنویسیم؟
💡مقدمه یکی از مهمترین بخشهای یک مقاله است. یک مقدمه خوب بهتره مثل یک داستانی جذابی باشه که خواننده رو مجاب کنه تا آخر بخونه و همراه نویسنده باشد. انگار میخواد بدونه در انتهای داستان چه اتفاقی میخواد بیافته. شخصیت اصلی داستان هم که ایده خود مطالعه هست.
💡یک مقدمه خوب اول خواننده رو با چالش موجود در یک حوزه و اهمیت حل این چالش آشنا میکند. سپس چندین مطالعه ای که سعی بر حل چالش کرده اند، توضیح میده، و بعدش چالشی که هنوز باقی مانده (یا هنوز خوب حل نشده) رو بیان میکند، در انتها هم رویکرد و هدف مقاله برای حل چالش رو مختصر اشاره میکند. با خوندن مقدمه باید خواننده بهطور کامل متوجه بشه که هدف نویسندگان از انجام این مطالعه چی بوده که مشتاق باشند برن بخش method مقاله و نتایج رو مطالعه کنند.
🔷 اگر تازهکار باشیم، معمولاً فهرستی از کارهای انجامشده در این حوزه را بدون نظم مشخصی ارائه میکنیم. هر مقالهای که پیدا کنیم، مخصوصاً اگر جدید باشد، در مقدمه قرار میدهیم و تصور میکنیم که هرچه تعداد مقالات ذکرشده بیشتر باشد، بهتر است! اما در واقع، مقدمه باید با دقت و حساب شده نوشته شود.
💡 یک دوستی داشتیم میگفت یک داور حرفه ای معمولا با خوندن مقدمه یک مقاله تصمیم خودش رو در مورد پذیرش یا ریجکت مقاله میگیره. فکر نمیکنم دیگه انقدر بخوان سخت گیری کنند! هدفم از آوردن این نقل قول بیشتر برای تاکید بر اهمیت نوشتن درست یک مقدمه هست.
@Onlinebme
4 796
💡هوش مصنوعی، از Deep Blue تا AlphaGo
نویسنده: محمد نوری زاده چرلو
16 اسفند 1403
✍ هوش مصنوعی که این روزها به موضوعی داغ در اخبار تبدیل شده، برای محققین این حوزه عبارت هوش مصنوعی اصلا تازگی نداره و سالهاست که در این حوزه فعالیت انجام میشه. در این پست میخواهیم یک گذری به گذشته بکنیم و دو مدل کامپیوتری مبتنی بر هوش مصنوعی رو بررسی کنیم که وقتی ارائه شدند، توجه رسانه ای گسترده ای رو به خود جذب کردند و به نوعی سلبریتی بودند و با پیروزیهایی که در مقابل بهترین بازیکنان مطرح شطرنج و Go کسب کردند به طور اساسی طرز فکر مردم نسبت به هوش مصنوعی رو تغییر دادند.⭕️جزئیات بیشتر👇 https://onlinebme.com/artificial-intelligence-deep-blue-and-alphago/ 🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme
4 796
برگزاری همزمان دو دوره Generative AI و پردازش سیگنال EEG پیشرفته
🔖 دوره Generative AI
✅دوره ی تخصصی و پروژه محور
🏷 سرفصل دوره Generative AI
┤ ◻️ مقدمهای بر Generative Modeling
┤ معرفی و کدنویسی انواع Autoencoderها
💡 پیاده سازی مقاله کلاسبندی تصاویر CT-SCAN COVID با satcked AE
┤ ◼️معرفی و کدنویسی انواع Variational Autoencoder
┤ ◻️ معرفی و کدنویسی انواع شبکه های GAN
┤ ◼️ پیاده سازی پروژه monet2photo با CycleGAN
┤ ◻️ معرفی شبکه Transformer به همراه توضیح و کدنویسی تک تک بخش های آن
┤ ◼️ معرفی شبکه Vision Transformer
💡انجام پروژه با Vision Transformer
ارتباط با ادمین برای ثبت نام @Onlinebmeadmin
🔖 دوره پردازش سیگنال EEG پیشرفته
✅دوره ی تخصصی و پروژه محور
🏷 سرفصل دوره سیگنال EEG پیشرفته
┤ ◻️ مقدمهای بر پردازش سیگنال EEG
┤ معرفی دیتاست معتبر EEG سکته MI_stroke
💡 پیاده سازی مقاله و پردازش EEG سکته با روش های یادگیری ماشین و یادگیری عمیق
┤ ◼️معرفی دیتاستEEG تصور حرکتی BCI-CIV 2a
💡 پیاده سازی مقاله تبدیل سیگنال تصور حرکتی به تصویر و کلاسبندی آن
┤ ◻️ معرفی دیتاست EEG صرع CHB-MIT
💡 پیاده سازی مقاله کلاسبندی سیگنال EEG صرع با Autoencoder
┤ ◼️ معرفی دیتاست EEG SEED
💡پیاده سازی مقاله Data Augmentation برای سیگنال EEG SEED
ارتباط با ادمین برای ثبت نام @Onlinebmeadmin
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
4 796
💡💡مشکل :عدم عملکرد کتابخانه wfdb در پایتون
شرح مسئله: سلام وقتتون بخیر، آقای مهندس باید pylance رو هم نصب کرد
باز wfdb و ... رو میگفت ناشناخته است و اجرا نمیشد
✅چطوری حل شد؟ اکستنشن pylance رو نصب کردم
شاید باورش سخت باشه یکم ،
Wfdb رو add کردم (راست کلیک و گزینه add رو زدم)
Maryam Hosseini
@Onlinebme
4 796
💡💡مشکل: عدم نصب wfdb در متلب با کد ذکرشده در سایت فیزیونت
شرح مسئله: آقای مهندس برای نصب تولباکس wfdb در متلب من خیلی گیر کردم
با اون روشی که گفتین کدو کپی کنیم از سایت فیزیونت من هر کار کردم جواب نداد
ولی این فایل رو دستی دانلود کردم و شد
اما تونستم با این فایلی که براتون ارسال کردم به متلب اضافه کنم wfdb رو
✅ چطوری حل شد؟ فایل ارسالی را دانلود و از حالت زیپ خارج کرده و سپس از تب home متلب، گزینه set path رو میزنید و مسیری فایل در آن هست را اضافه میکنید.
Maryam Hosseini
@Onlinebme
4 796
🟢دوستانی که قصد دارند در این دوره شرکت کنند، برای اطلاع از شرایط و زمان برگزاری و نحوه ی ثبت نام به آیدی زیر پیام دهند:
@Onlinebmeadmin
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
#Stroke_EEG
#Epilepsy_EEG
#CHB_MIT
#SEED
#Data_Augmentation
#AE
#GAN
4 796
🔵دوستانی که قصد دارند در این دوره شرکت کنند، برای اطلاع از شرایط و زمان برگزاری و نحوه ی ثبت نام به آیدی زیر پیام دهند:
@Onlinebmeadmin
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
#AE
#VAE
#GAN
#Transformer
#Vision_Transformer
#Generative_Modeling
#Deep_Learning
4 796
🟢دوستانی که قصد دارند در این دوره شرکت کنند، برای اطلاع از شرایط و زمان برگزاری و نحوه ی ثبت نام به آیدی زیر پیام دهند:
@Onlinebmeadmin
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
#Stroke_EEG
#Epilepsy_EEG
#CHB_MIT
#SEED
#Data_Augmentation
#AE
#GAN
