❇️ معرفی محتوای جلسات 8 گانه دوره «آشنایی با تحلیل تصاویر اف ام آر آی»- دوره مجازی

🔸هفته دوم (جلسه دوم): روشهای پیش پردازش تصویربرداری اف ام آر آی

▫️این جلسه به شرح و توضیح انواع روشهای پیش پردازش تصاویر مغزی در fMRI اختصاص دارد. پس از توضیح هر کدام از این روشها، علت و نحوه انجام هر کدام نیز به تفصیل توضیح داده می شود.

🔸با حضور:

حانیه کاهنی، دانشجوی دکتری فیزیک پزشکی در دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/2990

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/2993

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «آشنایی با تحلیل تصاویر اف ام آر آی»- دوره مجازی

🔸هفته سوم (جلسه سوم): روشهای پیش پردازش تصویربرداری اف ام آر آی (بخش دوم)

▫️در این جلسه بحث را پیرامون انواع روشهای پیش پردازش تصاویر مغزی در fMRI پی می گیریم. همینطور مزایا و معایب هر کدام از روشهای پیش پردازش به تفصیل بیان خواهد شد.

🔸با حضور:

حانیه کاهنی، دانشجوی دکتری فیزیک پزشکی در دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/2990

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/2993

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «آشنایی با تحلیل تصاویر اف ام آر آی»- دوره مجازی

🔸هفته چهارم (جلسه چهارم): آنالیز دیتای اف ام آر آی (بخش اول)

▫️این جلسه به انواع روشهای آنالیز تصاویر مغزی در fMRI اختصاص دارد. هر کدام از این روشها مزایا و معایبی دارند که در این جلسه ضمن اشاره به هر کدام از روشها آنها را با یکدیگر مقایسه و دلیل استفاده از هر کدام را بیان خواهیم کرد.

🔸با حضور:

حانیه کاهنی، دانشجوی دکتری فیزیک پزشکی در دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/2990

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/2993

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «آشنایی با تحلیل تصاویر اف ام آر آی»- دوره مجازی

🔸هفته پنجم (جلسه پنجم): آنالیز دیتای اف ام آر آی (بخش دوم)

▫️در این جلسه قسمت دوم مباحث مربوط به آنالیز دیتای fMRI ارائه می شود. پکیج های SPM، FSL و CONN جزو مواردی هستند که قابلیت آنالیزی آنها در این جلسه بیشتر مورد بحث و بررسی و مقایسه قرار خواهد گرفت.

🔸با حضور:

حانیه کاهنی، دانشجوی دکتری فیزیک پزشکی در دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/2990

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/2993

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «آشنایی با تحلیل تصاویر اف ام آر آی»- دوره مجازی

🔸هفته ششم (جلسه ششم): پیش پردازش یک نمونه دیتا با استفاده از پکیج SPM

▫️پیش پردازش دیتا در SPM شامل چند مرحله است. در این جلسه ابتدا درباره نحوه نصب پکیج های مختلف و از جمله SPM بحث می کنیم و در ادامه پیش پردازش یک دیتای نمونه را به صورت عملی در SPM انجام خواهیم داد.

🔸با حضور:

حانیه کاهنی، دانشجوی دکتری فیزیک پزشکی در دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/2990

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/2993

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «آشنایی با تحلیل تصاویر اف ام آر آی»- دوره مجازی

🔸هفته هفتم (جلسه هفتم): آنالیز یک نمونه دیتا با استفاده از پکیج SPM

▫️این جلسه شامل انجام مراحل مختلف آنالیز تصاویر اف ام آر آی در پکیج آنالیزی SPM است.

🔸با حضور:

حانیه کاهنی، دانشجوی دکتری فیزیک پزشکی در دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/2990

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/2993

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «آشنایی با تحلیل تصاویر اف ام آر آی»- دوره مجازی

🔸هفته هشتم (جلسه هشتم): پیش پردازش و آنالیز یک نمونه دیتا با استفاده از پکیج CONN

▫️یکی دیگر از پکیج های قدرتمند برای پیش پردازش و آنالیز دیتاهای تصویری CONN است. در جلسه پیش پردازش و آنالیز یک دیتای اف ام آر آی را در CONN انجام خواهیم داد.

🔸با حضور:

حانیه کاهنی، دانشجوی دکتری فیزیک پزشکی در دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/2990

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/2993

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ 3-8 معرفی و ثبت نام سومین دوره بهاری با عنوان"پایتون در شبکه های عصبی مصنوعی"- دوره مجازی

🔸یادگیری عمیق تحولی بنیادین در حوزه هوش مصنوعی محسوب می شود. آنچه این تحول را ممکن ساخته است استفاده از شبکه های عصبی مصنوعی است که نوعی بازسازی از اتصالات بین نورون های مغزی در فرایند یادگیری است. رفتارهای مختلف نورونها جهت حصول یادگیری باعث دستیابی به الگوریتم های مختلف شده است که هر کدام قادرند نوعی شبیه سازی با یادگیری در واقعیت مغز تلقی شوند و در هوش مصنوعی نیز به کار روند. این الگوریتم ها از انواع مختلف تک لایه و چند لایه (پرسپترون)، پیچشی(CNN) و بازگشتی(RNN) تشکیل شده اند. در این دوره کاربرد این الگوریتم های یادگیری را در عمل و با استفاده از پایتون خواهیم دید.

🔸مدرس این دوره دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران است. این دوره طی 8 جلسه و در روزهای دوشنبه، از ساعت 17 تا 18:30 برگزار می گردد.

🔸به زودی نحوه ثبت نام در این دوره ارزنده خدمت شما عزیزان در این کانال اطلاع رسانی می شود.

مدیریت مجموعه علمی مدارس میان رشته ای

🆔 @IDSchools
🆔 @NeuroSci_IDSchools

🔰🔰🔰

🔸«مدارس میان رشته ای» برگزار می کند:

🔹دوره «پایتون در شبکه های عصبی مصنوعی»-دوره مجازی

👤 با حضور دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔻سرفصل جلسات:

🔹هفته اول: نصب پایتون و معرفی کتابخانه های کراس و پای تورچ
🔹هفته دوم: ساخت یک شبکه عصبی مصنوعی
🔹هفته سوم: شبکه های عصبی مصنوعی پرسپترون تک لایه
🔹 هفته چهارم: شبکه های عصبی مصنوعی چند لایه
🔹هفته پنجم: شبکه های عصبی پیچشی یا CNN (بخش اول)
🔹هفته ششم: شبکه های عصبی پیچشی یا CNN (بخش دوم)
🔹هفته هفتم:شبکه های عصبی بازگشتی یا RNN
🔹هفته هشتم: نقشه های خودسازمانده یا SOM

📅 دوشنبه‌ها، به مدت 8 هفته، از 28 فروردین تا 22 خرداد 1402
⏳ از ساعت 🕠 17 تا 18:30

🔸همراه با گواهی حضور به انگلیسی

🔴 ثبت نام و کسب اطلاعات بیشتر:

🆔 https://xn--r1a.website/IDSchools
🆔 https://xn--r1a.website/NeuroSci_IDSchools

🌸🌻 نحوه ثبت نام در دوره «پایتون در شبکه های عصبی مصنوعی»-دوره مجازی

🔸🔸🔸به اطلاع می رساند که ظرفیت این دوره فقط 50 نفر و شهریه برای ثبت نام در این دوره مجازی 220 هزار تومان است. عزیزان می توانند مبلغ فوق الذکر را به کارت بانکی زیر با شماره
6037 9974 5277 4442
به نام مسلم صلحی راد
واریز فرموده و تصویر رسید را برای ادمین کانال با آی دی @M_Solh ارسال نمایند.
کلیه عزیزانی که در یکی از دوره های این مجموعه در سالهای 1400 و 1401 شرکت داشته اند، از بیست هزار تومان تخفیف برخوردار می شوند.

🔸🔸این دوره مجازی روزهای دوشنبه‌، ساعت 17 تا 18:30، به مدت 8 هفته، از 28 فروردین تا 22 خردادماه 1402 برگزار می شود. بعد از هر ارائه فیلم، اسلایدها و کدها تقدیم حضور شرکت کنندگان می گردد.

🔸به شرکت کنندگان در این دوره گواهی حضور تقدیم می شود.

🔻سرفصل جلسات:

🔹هفته اول: نصب پایتون و معرفی کتابخانه های کراس و پای تورچ
🔹هفته دوم: ساخت یک شبکه عصبی مصنوعی
🔹هفته سوم: شبکه های عصبی مصنوعی پرسپترون تک لایه
🔹 هفته چهارم: شبکه های عصبی مصنوعی چند لایه
🔹هفته پنجم: شبکه های عصبی پیچشی یا CNN (بخش اول)
🔹هفته ششم: شبکه های عصبی پیچشی یا CNN (بخش دوم)
🔹هفته هفتم:شبکه های عصبی بازگشتی یا RNN
🔹هفته هشتم: نقشه های خودسازمانده یا SOM

👤 با حضور:
🔹 دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🆔 @IDSchools
🆔 @NeuroSci_IDSchools

❇️ دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸دوشنبه ها، ساعت 17

🔸شروع دوره از 28 فروردین 1402

🔸با حضور دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸تعداد جلسات: 8 جلسه

🔻سرفصل جلسات:

🔹هفته اول: نصب پایتون و معرفی کتابخانه های کراس و پای تورچ
🔹هفته دوم: ساخت یک شبکه عصبی مصنوعی
🔹هفته سوم: شبکه های عصبی مصنوعی پرسپترون تک لایه
🔹 هفته چهارم: شبکه های عصبی مصنوعی چند لایه
🔹هفته پنجم: شبکه های عصبی پیچشی یا CNN (بخش اول)
🔹هفته ششم: شبکه های عصبی پیچشی یا CNN (بخش دوم)
🔹هفته هفتم:شبکه های عصبی بازگشتی یا RNN
🔹هفته هشتم: نقشه های خودسازمانده یا SOM


🔸نحوه ثبت نام:
https://xn--r1a.website/IDSchools/3004

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:
@M_Solh


🆔 @IDSchools
🆔 @AiMlearningPl_IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته اول (جلسه اول): نصب پایتون و معرفی کتابخانه های کراس و پای تورچ

▫️در این جلسه ضمن معرفی IDE های مختلف پایتون چون پای چارم، اسپایدر، وی اس کد، یکی از این محیط های کاری را نصب خواهیم کرد. سپس به معرفی دو کتابخانه پرکاربرد در حوزه شبکه های عصبی مصنوعی با عناوین کراس و پای تورچ خواهیم پرداخت و ضمن مقایسه آنها با هم مزایای هر کدام را توضیح خواهیم داد.

🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته دوم (جلسه دوم): ساخت یک شبکه عصبی مصنوعی

▫️در این جلسه ابتدا پیرامون ساخت یک نورون بحث خواهیم کرد و در ادامه در محیط پایتون آن را خواهیم ساخت. پس از آن پیرامون نحوه ساخت یک شبکه عصبی مصنوعی که متشکل از چند نورون است صحبت خواهیم کرد.

🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته سوم (جلسه سوم): شبکه های عصبی مصنوعی پرسپترون تک لایه

▫️تفاوت شبکه های عصبی ساده و چند لایه در این است که اولی برای حل مسائل ساده به کار می رود، حال آنکه دومی برای حل مسائل پیچیده مورد استفاده قرار می گیرد. در حالت چندلایه تعداد لایه های میانی می تواند بیش از یک لایه باشد. در این جلسه مثالهایی از کاربرد شبکه عصبی تک لایه (پرسپترون تک لایه) را در پایتون بررسی خواهیم کرد.


🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته چهارم (جلسه چهارم): شبکه های عصبی مصنوعی چند لایه

▫️در این جلسه قواعد یادگیری را در شبکه های عصبی مصنوعی چند لایه مورد بررسی قرار خواهیم داد و تفاوتهای آن را با یادگیری در شبکه عصبی تک لایه ذکر خواهیم کرد. همینطور با ذکر مثال نمونه هایی از این نوع شبکه را در پایتون توضیح خواهیم داد.


🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته پنجم (جلسه پنجم): شبکه های عصبی مصنوعی پیچشی یا CNN (بخش اول)

▫️شبکه های عصبی پیچشی بیشتر برای پردازش تصاویر به کار می روند و معروفترین آنها CNN است. در این جلسه پیرامون قابلیت های این شبکه بحث خواهیم کرد و با ذکر مثالی از این نوع شبکه در پایتون جلسه را ادامه خواهیم داد.


🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته ششم (جلسه ششم): شبکه های عصبی مصنوعی پیچشی یا CNN (بخش دوم)

▫️مثالهای پیچیده تر مستلزم استفاده از شبکه های عصبی پیچیده تر هستند. این قابلیت در شبکه های عصبی پیچشی وجود دارد. در این جلسه با ذکر مثالهایی با جزئیات مفصل شما را با قابلیت های این شبکه در عمل و با استفاده از پایتون بیشتر آشنا خواهیم کرد.


🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته هفتم (جلسه هفتم): شبکه های عصبی مصنوعی بازگشتی یا RNN

▫️پیش خور بودن و یا به اصطلاح feed forward بودن یا رو به جلو بودن در شبکه های عصبی پیچشی موجب بروز مشکلاتی می شود که از جمله آنها عدم ترمیم ضعفها در یک شبکه عصبی مصنوعی است، چون شبکه عصبی به اصطلاح حافظه ای از مراحل قبل و ترمیم آنها ندارد، چون فقط رو به جلو عمل می کند. این مشکل با وجود شبکه های عصبی بازگشتی (RNN) حل گردید، به این صورت که در RNN نتیجه یکی از لایه ها، مثلا نتیجه یا برونداد لایه خروجی یا یکی از لایه های میانی، به شبکه بازگردانده می شود. در این جلسه مثالهایی از این شبکه عصبی قدرتمند را در پایتون خواهیم دید.

🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ معرفی محتوای جلسات 8 گانه دوره «پایتون در شبکه های عصبی مصنوعی»- دوره مجازی

🔸هفته هشتم (جلسه هشتم): نقشه های خودسازمانده یا SOM

▫️پس از چند جلسه بحث پیرامون شبکه های عصبی مصنوعی در نهایت لازم است که داده ها را در این شبکه ها به تصویر بکشیم. نقشه های خودسازمانده نوعی تکنیک برای مصورسازی داده ها است. همینطور با این تکنیک سعی داریم تعداد ابعاد این شبکه ها را به نحوی کاهش دهیم. در این جلسه پیرامون نحوه ساخت، اجرا و بهینه سازی این قبیل نقشه ها در پایتون با هم صحبت خواهیم کرد.

🔸با حضور:

دکتر آرش زارع صادقی، عضو هیات علمی دانشگاه علوم پزشکی ایران

🔸نحوه ثبت نام در این دوره:

https://xn--r1a.website/IDSchools/3004

🔸سرفصلهای این دوره:

https://xn--r1a.website/IDSchools/3006

🔸همراه با گواهی شرکت در دوره به انگلیسی

🔸کسب اطلاعات بیشتر:

@M_Solh

🆔 @IDSchools

❇️ 4-8 معرفی و ثبت نام چهارمین دوره بهاری با عنوان"نوروساینس شناختی بر اساس کتاب مایکل گازانیگا"

🔸نوروساینس شناختی به حوزه ای بی بدیل در دنیای مغزپژوهی تبدیل شده است. این حوزه بالندگی خود را در چند دهه اخیر مدیون دانشمندانی است که در این سالها بی وقفه تلاش کرده اند تا بینش ما از فرایندهای مغزی همچون شناخت را گسترش دهند. یکی از مشهورترین دانشمندان در این حوزه مایکل گازانیگا است. کتاب او با عنوان Cognitve Neuroscience رفرنس اصلی بسیاری از دانشگاه های دنیا در حوزه نوروساینس محسوب می شود. ما سعی داریم با استفاده از ویراست ششم این کتاب دریچه ای تازه به روی مخاطبین و علاقمندان این حوزه به مولفه های شناخت همچون حافظه، توجه، هیجان و ... بگشاییم. این دوره در برگیرنده 14 فصل این کتاب است که طی 14 جلسه تقدیم می شود.

🔸مدرسان این دوره خانم دکتر لیلا کریمی زندی، فارغ التحصیل دکتری نوروساینس از دانشگاه علوم پزشکی تهران و خانم طاهره قربان دائی پور، دانشجوی دکتری نوروساینس در دانشگاه علوم پزشکی تهران است. این دوره طی 14 جلسه و در روزهای چهارشنبه از ساعت 19 تا 20:30 برگزار می گردد.

🔸به زودی نحوه ثبت نام در این دوره ارزنده خدمت شما عزیزان در این کانال اطلاع رسانی می شود.

مدیریت مجموعه علمی مدارس میان رشته ای

🆔 @IDSchools
🆔 @NeuroSci_IDSchools