سلام
دوستان مطالب آموزشی زیادی در طی 4 سال در کانال قرار داده ایم و ما برای اینکه فضای سایت شلوغ نشه دوباره در کانال قرار نمیدهیم
کافیست اسم مورد نظر خود رو در بخش سرچ کانال بزنید و مطالب آموزشی مرتبط رو پیدا کنید.
برای مثال: kmeans - svm - pca و ...

یا روی لینکهای زیر کلیک کنید تا مطالب مورد نظر خود را پیدا کنید👇👇

🌀مطالب آموزشی سال 95-96
https://xn--r1a.website/onlinebme/1894

🌀 مطالب آموزشی سال 97
https://xn--r1a.website/onlinebme/2267

🌀 واسط مغز و کامپیوتر(BCI)
https://onlinebme.com/course/bci/

🌀آموزش کار با محیط EEGLAB
https://onlinebme.com/course/eeg_lab/

🌀 پردازش تصویر
https://onlinebme.com/course/image-processing/

🌀 یادگیری ماشین در متلب
https://onlinebme.com/course/machine-learning-in-matlab/

📺 برنامه نویسی پایتون
https://xn--r1a.website/onlinebme/2394

📺 آموزش اصول برنامه‌نویسی در متلب

https://onlinebme.com/course/matlab/

📺 پیاده سازی گام به گام شبکه‌های عصبی ( پروژه محور)
https://onlinebme.com/product/neural-networks-package/

📺 پردازش سیگنال eeg مبتنی بر تسک تصور حرکتی
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME

دوره تخصصی و پروژه محور پیاده‌سازی شبکه های عصبی در پایتورچ

🔷 نصب پایتورچ
🔶 کار با تنسورها
🔷 کار با Datasets و Dataloaderها
🔶 ساخت Dataloaderهای اختصاصی
🔷 تئوری و ریاضیات شبکه‌های عصبی
🔶 پیاده سازی گام به گام شبکه‌های عصبی
🔷پیاده سازی شبکه‌های عصبی با ابزار پایتورچ
🔶 ذخیره و بارگذاری شبکه‌های عصبی
🔶 انجام چندین پروژه عملی
🔷 آشنایی با چالشهای واقعی در انجام پروژه‌ها

🔻نوع دوره: آنلاین همراه با ضبط ویدیوی جلسات
▪️مدت دوره: حدودا 40 ساعت

🧑‍💻مدرس: محمد نوری زاده چرلو

✅ جهت ثبت نام با شماره زیر تماس بگیرید:
شماره تماس: 09360382687
آیدی تلگرام: @onlinebme_admin

#python  #pytorch  #neuralnetworks

@Onlinebme

دوره جامع و پروژه محور کار با سیگنال EEG با استفاده از پکیج MNE پایتون

بخش اول: مباحث پایه و عمومی

  🔹 نصب پکیج MNE_Python
  🔹 خواندن دیتاهای EEG به فرمت های مختلف (gdf, fif, mat, csv)
  🔹 کار با داده های EEGپیوسته و جداکردن ترایال ها
  🔹 پیش پردازش سیگنال
  🔹 تحلیل Time-Frequency سیگنال
  🔹 تجسم سازی سیگنال‌ها و نمایش نتایج
  🔹 انجام چندین پروژه ی عملی با الگوریتم های یادگیری ماشین

بخش دوم: انجام پروژه با شبکه‌های یادگیری عمیق

  🔸پروژه ی تشخیص بیماری صرع از روی سیگنال های EEG با الگوریتم های یادگیری عمیق
  🔸پروژه ی کلاسبندی سیگنال های EEG تصور حرکتی با الگوریتم های یادگیری عمیق (CNN)

  🔸و پروژه های دیگر


🔻نوع دوره: آنلاین همراه با ضبط ویدیوی جلسات
▪️مدت دوره: حدودا 30 ساعت

👩‍💻مدرس: هما کاشفی امیری

✅ جهت ثبت نام به آیدی زیر پیام دهید:
آیدی تلگرام: @mne_python_admin

#python  #MNE_Python #EEG

@Onlinebme

☑️تشخیص تشنج های صرع سیگنال EEG با الگوریتم های یادگیری عمیق

هما کاشفی امیری
20 اردیبهشت 1403

✍️در محیط بالینی، تشخیص خودکار تشنج های صرع اهمیت فزاینده ای پیدا می کند، زیرا می تواند به طور قابل توجهی بار مراقبت از بیماران مبتلا به صرع صعب العلاج را کاهش دهد. سیگنال های الکتروانسفالوگرافی (EEG) فعالیت الکتریکی مغز را ثبت می کنند و حاوی اطلاعات غنی در مورد اختلال عملکرد مغز هستند. به عنوان یک ابزار غیر تهاجمی و ارزان برای تشخیص تشنج های صرع، ارزیابی بصری ضبط EEG کار فشرده و ذهنی است و نیاز به بهبود قابل توجهی دارد. با استفاده از الگوریتم های یادگیری عمیق می توان تشخیص تشنج های صرعی را با بالاترین دقت انجام داد.

#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر 👇
https://onlinebme.com/epilepsy-eeg-signal-detection-using-deep-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅شبکه‌های عمیق در نقش‌های مختلف در تحلیل سیگنال EEG

هما کاشفی امیری
3 خرداد 1403

✍️اگر تابحال مقالات مربوط به کاربرد شبکه‌های عمیق در پردازش انواع مختلف سیگنال EEG را بررسی کرده باشید، احتمالاً متوجه شده‌اید که بسته به کاربرد و عملکرد مناسب مدل، شبکه‌های عمیق در نقش‌های مختلفی ظاهر شده‌اند. برای مثال در برخی از مقالات از شبکه‌های عمیق به عنوان استخراج کننده ویژگی استفاده شده است و در برخی دیگر، نقش کاهش دهنده ی ابعاد را بازی کرده‌اند. در برخی از مقالات هم کل مراحل توسط شبکه عمیق انجام شده و هیچ مرحله پیش پردازش یا استخراج ویژگی وجود ندارد (End to End Learning). در این مقاله، به این موارد می‌پردازیم و اینکه کدامیک از شبکه‌ها برای هر یک از این عملیات مناسب هستند.


#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر 👇
https://onlinebme.com/different-roles-of-deep-learning-networks-in-eeg-signal-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅تبدیل موجک چیست؟

هما کاشفی امیری
10 خرداد 1403

✍️تبدیل موجک (Wavelet Transform) ابزاری ریاضیاتی است که یک تابع یا سیگنال را به مجموعه توابع پایه ‌ای به نام موجک، تجزیه می‌کند. تبدیل موجک، ابزار قدرتمندی در پردازش سیگنال EEG است؛ با استفاده از آن می‌توان از سیگنال EEG، ویژگی استخراج کرد یا نویز آن را حذف کرد.


#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر

https://onlinebme.com/wavelet-transform/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme