#معرفی_دوره
آموزش رایگان آمار مقدماتی علوم اعصاب

این درس که بر اساس جزوه درسی نوشته برای دانشجویان دانشگاه میسوری آمریکا تهیه شده‌است و توسط اساتیدی همچون گرت فاستر، دیوید لین، و همکاران ایشان تدوین شده‌است و سعی شده‌است تا دانش مقدماتی آمار ارائه گردد.

آمار علم وسیعی است که راه‌های جمع‌آوری، خلاصه‌سازی و نتیجه‌گیری از داده‌ها را مطالعه می‌کند، این علم برای طیف وسیعی از علوم دانشگاهی فیزیک و علوم اجتماعی گرفته تا انسان‌شناسی و همچنین تجارت، حکومت‌داری و صنعت کاربرد دارد. علم آمار، مبتنی است بر دو شاخه‌ی آمار توصیفی و آمار استنباطی. در آمار توصیفی با داشتن تمام افراد جامعه به بررسی خصوصیت‌های آماری آن پرداخته می‌شود، درحالی‌که در آمار استنباطی با به‌دست‌آوردن نمونه‌ای از جامعه که خصوصیات اصلی جامعه را بیان می‌کند، در مورد جامعه استنباط آماری انجام می‌شود. در نظریه آمار، اتفاقات تصادفی و عدم قطعیت توسط نظریه احتمالات مدل‌سازی می‌شوند.



👈👈👈ادامه و لینک درس👉👉👉

-------------------------------
@neurophysic

در این علم، مطالعه و قضاوت معقول درباره موضوع‌های گوناگون، بر مبنای یک نمونه انجام می‌شود و قضاوت در مورد یک فرد خاص، اصلاً مطرح نیست. از جمله مهم‌ترین اهداف آمار، می‌توان تولید بهترین اطلاعات از داده‌های موجود و سپس استخراج دانش از آن اطلاعات را ذکر کرد. به همین سبب است که برخی از منابع، آمار را شاخه‌ای از نظریه تصمیم‌ها به شمار می‌آورند.

از طرف دیگر می‌توان آن را به دو بخش آمار کلاسیک و آمار بیز تقسیم‌بندی کرد. در آمار کلاسیک که امروزه در دانشگاه‌ها و دبیرستان‌ها تدریس می‌گردد، ابتدا آزمایش و نتیجه را داریم و بعد بر اساس آن‌ها فرض‌ها را آزمایش می‌کنیم. به‌عبارت‌دیگر ابتدا آزمایش انجام می‌شود و بعد فرض آزمون می‌گردد. در آمار بیزی ابتدا فرض در نظر گرفته می‌شود و سپس داده‌ها با آن مطابقت داده می‌شوند.
@neurophysic


مطالب ارائه شده در دوره آموزش رایگان آمار مقدماتی علوم اعصاب چیست؟
مقدمه‌ای بر آمار، چگونگی توزیع داده‌ها و گراف‌ها، اندازه‌گیری میزان پراکندگی داده‌ها، توزیع نرمال و چگونگی محاسبه آن، توزیع نمونه‌ها، مقدمه‌ای بر بررسی فرضیه، مقدمه‌ای بر آزمون تی، اندازه‌گیری‌های تکرارشونده، تحلیل نمونه‌های وابسته و مستقل با استفاده از آزمون تی، آنالیز واریانس، ارتباطات برداری، رگرسیون خطی و در نهایت آزمون Chi-Square است.
@neurophysic

میتوانید از طریق لینک زیر از این کورس که توسط دکتر امیرحسین بتولی ارائه شده استفاده کنید :)
👇👇👇👇👇👇👇
لینک درس 👉👉👉👉👉👉

علوم اعصاب شناختی و علوم اعصاب محاسباتی چه فرقی باهم دارند ؟

علوم اعصاب محاسباتی و علوم اعصاب شناختی دو حوزه مستقل از علوم اعصاب هستند، با این حال دارای پویایی و ارتباط گسترده با یکدیگر هستند.
علوم اعصاب محاسباتی به بررسی روش ها و تکنیک های محاسباتی برای مدل کردن و تحلیل سیستم های عصبی می پردازد. این شاخه از علوم اعصاب درک بهتری از فرایندهای مغزی، ارتباطات بین نورون ها، نحوه ارسال پیام در مغز و تجزیه و تحلیل داده های نورونی با استفاده از تکنیک های محاسباتی مانند شبیه سازی های مغزی و الگوریتم های یادگیری ماشین به دست می دهد.
@neurophysic
علوم اعصاب شناختی به بررسی روانشناسی و رفتار انسان ها و حیوانات و نحوه ارتباط آنها با فرآیندهای مغزی مرتبط می باشد. این حوزه به بررسی حافظه، توجه، شناخت و تصمیم گیری در مورد واکنش های شناختی به محیط اطراف می پردازد.
در واقع، علوم اعصاب شناختی و علوم اعصاب محاسباتی به دنبال دستیابی به همان هدف می باشند، یعنی درک بهتری از فرآیندهای مغزی، اما به روش های متفاوتی پیش می روند. علوم اعصاب شناختی بیشتر در مورد رفتار و فرآیندهای روانشناسی مغز مطالعه می کنند، در حالی که علوم اعصاب محاسباتی از تکنیک های محاسباتی و شبیه سازی های مغزی برای بررسی و مدل کردن فرآیندهای مغزی استفاده می کنند. در نتیجه، این دو حوزه تلاش مشترکی را برای تحلیل و درک بهتر عملکرد مغز انجام می‌دهند و به همین دلیل ارتباط و همکاری گسترده با یکدیگر دارند.
@neurophysic
برای مثال، برای تحلیل عملکرد مغزی می‌توان از تکنیک‌های محاسباتی مانند شبکه‌های عصبی مصنوعی استفاده کرد. این تکنیک‌ها می‌توانند برای پیش‌بینی عملکرد مغزی در پاسخ به تحریکات مختلف در کاربرد‌های پزشکی و روانشناسی مورد استفاده قرار گیرند.

به عنوان مثال دیگر، علوم اعصاب شناختی ممکن است برای بررسی اثرات داروهای مختلف بر روی فرآیندهای شناختی مغز استفاده شود. این تحقیقات می‌توانند توسط تکنیک‌های محاسباتی بهبود یابند، به عنوان مثال، با ایجاد مدل‌های ریاضی برای پیش‌بینی تأثیرات دارویی بر روی فعالیت نورونی.

در نتیجه، با توجه به ماهیت پیچیده و گسترده علوم اعصاب، ارتباط بین علوم اعصاب شناختی و علوم اعصاب محاسباتی از اهمیت بسزایی برخوردار است و تلاش برای همکاری بین این دو حوزه به منظور بهبود درک از عملکرد مغز، امری بسیار مهم و ضروری است.
-----------------------------------------
https://xn--r1a.website/neurophysic

بحران سلامت روان دانشجویان :


شاید کسی باور نکند فرسودگی شغلی، افسردگی و اضطرابِ مشاغل دانشگاهی به‌اندازهٔ مشاغل «پرخطری» چون خدمات پزشکی و درمانی باشد. اما در عرصۀ علم واقعاً با بحران سلامت روان مواجهیم و از دانشجویان ارشد و دکتری گرفته تا محققان برجستهٔ مؤسسات بزرگ تعرض و تبعیض، دستمزدهای ناچیز و زورگویی و قلدری را تجربه و گزارش کرده‌اند. دانشمندان سال‌هاست که نگران تأثیر این‌ فشارها بر سلامت روان دانشگاهیان هستند، اما به لطف مطالعاتِ چند سال گذشته، اکنون یافته‌های تازه‌ای از ابعاد گستردهٔ ‌این بحران به‌دست آمده است. یافته‌هایی که تنها حکایت از یک چیز دارند: اوضاع خیلی وخیم است.

@neurophysic
در سال ۲۰۱۵، ترزا ایوانز، که توسعۀ شغلی دانشجویان زیست‌پزشکی را در مرکز علوم بهداشتی دانشگاه تگزاس در سَن آنتونیو مدیریت می‌کرد، متوجه شد که دانشجویانش با مشکلاتی دست‌وپنجه نرم می‌کنند، اما وقتی برای مشاوره نزد او می‌آمدند، احساس می‌کرد که برای کمک‌کردن به آن‌ها امکانات و آمادگی کافی ندارد.
ادامه 👇👇👇👇
https://xn--r1a.website/neurophysic/256

بنابراین ایوانز تحقیقات خود را آغاز کرد تا نشان دهد که در این موضوع با کمبود منابع مواجهیم. نه‌تنها منابع کمی دربارۀ چگونگی کمک به دانشجویان وجود داشت، بلکه مشخص نبود که مشکلات سلامت روان بین آن‌ها تا چه حد گسترده است و همین ایوانز را واداشت تا نظرسنجی خود را برای تعیین کمیت موضوع در سطح جهان منتشر کند. او ۲۲۷۹ پاسخ دریافت کرد که عمدتاً از دانشجویان دکتری در ۲۳۴ مؤسسه در ۲۶ کشور جهان بود.
آزار جنسی در عرصۀ علم که به‌طور نامتناسبی بر زنان تأثیر می‌گذارد. در سال ۲۰۱۴، کاترین کلنسی، انسان‌شناسی در دانشگاه ایلینویز در اوربانا-شامپین، میزان بالای آزار جنسی را در علوم میدانی ثبت کرد. سپس، در سال ۲۰۱۷، او و همکارانش از ۴۷۴ دانشمند ستاره‌شناس و سیاره‌شناس نظرسنجی کردند و دریافتند که ۳۰ درصد از زنان به‌خاطر جنسیت خود احساس ناامنی می‌کنند (در مقایسه با ۲ درصد از مردان).
این مطالعات باعث شد آکادمی‌های ملی علوم، مهندسی و پزشکی ایالات‌متحده کمیتۀ ویژه‌ای را به بررسی این موضوع در محیط‌های دانشگاهی منصوب کند. در ژوئن ۲۰۱۸، این کمیته گزارشی منتشر کرد که آزار و اذیت جنسی فراگیر و پرآسیب در علم را فاش کرد.
@neurophysic
در نظرسنجی نیچر در سال ۲۰۲۱، از بیش از ۳۲۰۰ دانشمند شاغل، تقریباً یک‌سوم گفتند که شاهد تبعیض یا آزار و اذیت همکاران در شغل فعلی خود بوده‌اند. سال بعد، در نظرسنجی دیگر نیچر، از ۳۲۰۰ دانشجوی دکتری و کارشناسی ارشد، ۳۵ درصد از دانشمندانی که به‌عنوان اعضای اقلیت‌های نژادی یا قومی شناخته می‌شوند گفتند که در طول تحصیلات تکمیلی خود آزار و اذیت یا تبعیض را تجربه کرده‌اند.
مطالعۀ ولکام نشان داد که ۷۰ درصد از پاسخ‌دهندگان در روزهای کاری استرس داشتند و ۳۴ درصد برای مسائل مربوط به سلامت روان به‌دنبال کمک حرفه‌ای بودند. بسیاری از شرکت‌کنندگان، علاه بر آزار و اذیت، سرمایه‌گذاران و مؤسساتی را مقصر این اوضاع روانی می‌دانند که بر کمیت کار (از لحاظ تعداد مقالات چاپ‌شده و دریافت کمک‌های مالی بیشتر) بیش از کیفیت تأکید می‌کنند و همین موجب عدم تعادل بین کار و زندگی این افراد می‌شود.

تبیین دیگری که در این مطالعه مطرح شد این بود که بسیاری از دانشمندان به کار خود نه به‌عنوان یک شغل، بلکه به‌عنوان یک رسالت حرفه‌ای می‌نگرند. اریک پلگرینی، ستاره‌شناسی که سال گذشته این رشته را ترک کرد و رویه‌اش را تغییر داد و الان دانشمند حوزۀ داده است، می‌گوید اگرچه این بدان معناست که محققان به کار خود علاقۀ بسیار دارند، اما این نگاه چالشی منحصربه‌فرد نیز به همراه دارد؛ «آن‌ها شما را وامی‌دارند که این کار را به بخشی از هویت خود تبدیل کنید و بابت آن خودتان را عذاب بدهید -کار شما صرفاً یک کار نیست؛ حتی یک شغل هم نیست؛ بلکه انتخابی سرنوشت‌ساز است. سال‌ها به این حرف‌ها ایمان دارید تا بالاخره سر درمی‌آورید که جریان چیست. چیزهای زیادی را کنار گذاشته‌اید و کارتان همۀ زندگی‌تان شده، اما چنین پیوندی با کارتان سراسر سوءاستفاده است».

تصویری که تابه‌حال ارائه شد تا قبل از سال ۲۰۲۰ بود. بعد همه‌گیری کووید از راه رسید و سیلی از چالش‌های بیشتر را با خود آورد.
@neurophysic
در یک نظرسنجی در سال ۲۰۲۰، از ۵۲۴۷ دانشجوی فارغ‌التحصیل در رشته‌های علوم، فناوری، مهندسی و ریاضیات از ۹ مؤسسه در سراسر ایالات‌متحده، ۳۸ درصد علائم اضطراب و ۳۵ درصد افسردگی را گزارش کردند. و این درصدها نسبت به یافته‌های همان تیم در سال ۲۰۱۹ یک جهش بزرگ داشت. تعداد دانش‌آموزان مبتلا به افسردگی دو برابر شد و شیوع اضطراب ۵۰ درصد افزایش یافت.
حتی اگر دانشمندان پست‌های دائمی بگیرند، رقابت هرگز پایان نمی‌یابد. در سال ۲۰۲۰، در نظرسنجی‌ای که کاکتوس کامیونیکیشن، یک شرکت ارتباطات علمی و فناوری در بمبئی هند، طراحی کرده بود، نظرات ۱۳هزار محقق را در بیش از ۱۶۰ کشور تجزیه و تحلیل کردند و برای مثال، دریافتند که ۶۵ درصد از پاسخ‌دهندگان تحت فشار شدیدی برای انتشار مقالات، یافتن حامی مالی مطمئن و تکمیل پروژه‌های خود هستند تا در جامعۀ پژوهشی شهرتشان را حفظ نمایند. ابهیشک گوئل، یکی از بنیان‌گذاران و مدیر اجرایی کاکتوس کامیونیکیشن، می‌گوید «این‌طور پاسخ‌ها عمدتاً از سوی محققان ارشد می‌آید، زیرا آن‌ها باید همواره مثل قبل بدرخشند و ادامه بدهند».
عامل دیگری که تعداد زیادی از دانشمندان به آن اشاره کردند قلدری و تبعیض در محیط کارشان بود. این امر به‌ویژه برای زنان، مردان همجنس‌گرا و افراد دورگه (از نژادهای مختلط) رایج بود. به‌عنوان مثال، حدود ۶۰ درصد از دورگه‌ها گزارش کردند که در محل کار مورد تبعیض، آزار و اذیت یا قلدری قرار می‌گیرند.
https://xn--r1a.website/neurophysic

این مطلب را شنون هال نوشته و در تاریخ ۲۳ مه ۲۰۲۳ با عنوان « A mental-health crisis is gripping science — toxic research culture is to blame» در وب‌سایت نیچر منتشر شده است و برای نخستین بار با عنوان «بحران سلامت روانیِ دانشجویان و پژوهشگران؛ اوضاع خیلی وخیم است» در بیست و هشتمین شمارۀ فصلنامۀ ترجمان علوم انسانی با ترجمۀ نیره احمدی منتشر شده است.

عصر جمینای

عرضه مدل هوش مصنوعی جدید جمینای (Gemini) به گفته مدیرعامل گوگل آغازگر عصر جدیدی برای این شرکت خواهد بود که از آن به‌عنوان «عصر جمینای» نام برده شده است. این مدل در نسخه‌های مختلفی عرضه خواهد شد و می‌خواهد به‌طور مستقیم به رقابت با GPT-4 از شرکت OpenAI برود.
@neurophysic
گوگل اولین‌بار در رویداد توسعه‌دهندگان 2023 خود به مدل هوش مصنوعی جمینای اشاره کرده بود و حالا رسماً از عرضه آن خبر داده است.

توضیحات تکمیلی در ویدیو.
https://xn--r1a.website/neurophysic

#Neuro_Seminar 🧠
رمزگشایی پیچیدگی شبکه های مغزی: مفاهیم کلی و فرصت ها

سخنران : دکتر مجید صابری

🗓 روز سه‌شنبه ۲۸‌ آذر
🕠 ساعت ۱۷:۳۰

لینک جلسه :
https://meet.google.com/viv-iosj-dsb

🕸 مرکز شبکه‌های پیچیده و علم داده اجتماعی دانشگاه شهید بهشتی

🔗 ccnsd.ir
------------------------------------------------
@neurophysic

اخر این هفته ۱۲ امین کنگره‌ی علوم اعصاب پایه و بالینی برگزار میشه. من پنج‌شنبه تو این کنگره ارائه پوستر دارم پس امیدوارم اگه شرکت کرده باشین ببینمتون. 😁
https://xn--r1a.website/BCNCONGRESS/1358

اگه وبینار "رمزگشایی پیچیدگی شبکه‌های مغزی: مفاهیم کلی و فرصت ها" رو از دست دادین میتونید از این لینک مشاهده کنید.


https://www.aparat.com/v/iPonj
----------------------------------------
@neurophysic

#Neuro_Seminar 🧠
سمینار نوروساینس تحت عنوان

آیا مغز ما آشوبناک است؟

سخنران : دکتر محمدرضا سلطانی پور
از موسسه مکس پلانک آلمان 🇩🇪

🗓 روز سه‌شنبه ۱۵ اسفند
🕠 ساعت ۱۴:۰۰

👇👇👇👇👇👇👇👇
لینک جلسه :
http://meet.google.com/yuk-cbmv-tis

👆👆👆👆👆👆👆👆

------------------------------------------------
@neurophysic

اگه وبینار « آیا مغز آشوبناک است؟» رو از دست دادین میتونید از طریق لینک زیر ویدیو ضبط شده اونو مشاهده کنید.
https://aparat.com/v/5u9oM

-----------------------------------
@neurophysic

نوروزتون مبارک باشه نورویی های عزیزم 🥳🥳😍❤️سال خوبی برای همتون ارزو میکنم و امیدوارم نورون های خوشگلتون از هرسال فعال تر باشند و ملین هاتون روز به روز چاق تر بشه و امسال مزوکورتیکولیمبیکتون بیشتر از پارسال دوپامین داشته باشه 😍❤️🥳🥳🤩

مرکز شبکه‌های پیچیده دانشگاه شهید بهشتی :

Center for complex networks ( CCNet )

مرکز شبکه‌های پیچیده(CCNet) با هدف فعالیت در زمینه‌های پژوهشی مرتبط با شبکه تشکیل شده است و در حوزه های زیر مشغول به فعالیت می‌باشد که بستری برای همکاری های پژوهشی بین‌ المللی فراهم کرده است.

Labs:

Brain networks

Socio-Economic Networks

Quantum Complex Networks

Theoretical Complex Systems

اگه مایل به همکاری با مرکز شبکه های پیچیده هستین یا به شبکه‌های پیچیده علاقه دارین خوشحال میشیم مارو از طریق کانال تلگرام و وبسایت دنبال کنید.
👇👇👇👇👇👇👇👇👇👇
🆔 @Complexity_SBU

🌐 https://complexity.sbu.ac.ir/

👆👆👆👆👆👆👆👆👆👆

سلام دوستای خوبم

من از این به بعد فعالیتم رو به صورت مشترک با این کانال انجام میدم. ممنون میشم کنار نورو، مرکز شبکه‌های پیچیده رو هم دنبال کنید.

اگه دوست دارین در جریان تحقیقاتی که در دانشگاه های کشور و زیر لایه‌ی نوروساینس محاسباتی انجام میشه باشین بهتون توصیه میکنم این جلسه‌ی دفاع رو شرکت کنید.

اسم علمی:

خب اسم علمی شما خیلی مهمه و مهم تر اینکه بهتره در ابتدای مسیر علمی تون اون را ست کنید
در کل اسم علمی شما چیزی هست که در ادامه مسیر به واسطه اون شناخته و متمایز میشید پس بهتره خوب انتخابش کنید
اسامی علمی کوتاه و سرراست می تونه کمک کننده باشه اما ممکنه پسوندی دارید که به دلایل شخصی مثلا علاقه به اصالت تون تمایل دارید در اسم علمی تون باشه
خوبه که اسم انتخابی را سرچ کنید توی گوگل تا ببینید آیا خاص هست یا چند نفر دیگه ای هم دارن این اسم را
شاید اونجا تصمیم بگیرید از پسوند ها استفاده کنید تا خاص بشید
شاید هم تصمیم بگیرید همون اسم مشترک با افراد را داشته باشید
در مواقعی که اسم مشابه وجود داره به این نکته توجه کنید در ادامه مسیر علمی تون چقدر خاص میشه اسم تون. مثلا اگر اسم شما با کلمه نوروساینس سرچ بشه راحت پیدا بشه توی اینترنت
دقت کنید که ساختن گوگل اسکالر و داشتن همون چند مقاله ابتدایی شما را توی سرچ گوگل بالا میاره
سعی کنید پروفایل های لینکدین و ریسرچ گیت و توییتر با همون اسم بسازید و با هم لینکشون کنید تا از نظر ماشین جستجو شناخته شده باشید

کوتاه بودن اسم شما و ساده بودنش از نظر خارجی ها باعث میشه که راحت تر به خاطر سپرده بشه

استفاده از اسم مستعار غیر شناسنامه ای هیچ مشکلی نداره. گاهی اوقات ما اسمی داریم که مورد علاقه مون نیست. اسم علمی فرصتی هست که شما می تونید با اسم مورد علاقه تون شناخته بشید

سعی کنید همه اسامی یکسان باشند

از همون الگوی اسمی برای ساخت ایمیل کاری تون (یا شخصی تون) استفاده کنید.
برای خاص شدن اسم تون از اسپلینیگ غیر مرسوم استفاده نکنید. چیزی باشه که اگر یه نفر اسم تون را شنید با اولین سرچ بتونه پیدا کنه

هرگونه اسم دیگه ای که دارید را می تونید توی رزومه بهش اشاره کنید

در مجموع اسم علمی را انتخاب کنید که در آینده کمتر نیاز به تغییر براش حس کنید.

https://xn--r1a.website/neurophysic