onlinebme

29 November 2024 07:07

⬛️◼️◾️ 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


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

onlinebme

16 November 2024 18:37

واسط مغز-کامپیوتر|| یک راه ارتباطی بین مغز و کامپیوتر ایجاد می‌کند (فعالیت الکتریکی مغز را به دستورات قابل اجرا جهت ارتباط یا کنترل یک دستگاه خارجی ترجمه و تفسیر میکند) و به افراد معلول (locked-in paralyzed) این امکان را میدهند که بتوانند استقلال عملکردی خودشون رو بدست بیاورند و محیط خود را -بدون نیاز به حرکات عضلانی خاص-کنترل کنند.

🔷واسط مغز-کامپیوتر معمولا براساس سه پارادایم مبتنی بر EEG طراحی می‌شود که طراحی، پردازش و کاربرد هرکدام میتواند متفاوت باشد. جهت درک بهتر این پارادایمها میتونید این پست رو مطالعه کنید.

⭕️جزییات بیشتر 👇
https://onlinebme.com/three-major-paradigms-of-eeg-based-brain-computer-interface/
 

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

09 November 2024 19:15

✅ مفهوم Batch normalization در یادگیری عمیق 

👩‍💻نویسنده: فاطمه بذری

نرمالسازی دسته‌ای یا Batch Normalization به عنوان یکی دیگر از تکنیکهای Generalization در یادگیری عمیق محسوب می‌‌‌شود که بطور مستقیم،‌‌‌ در بهینه‌سازی مدلها نقش دارد. در واقع، پارامترهای ورودی را به کمک Adaptive normalization در مقیاسی مشابه قرار می‌دهد و اینگونه مشکلات ناشی از تغییر توزیع داده‌ها، طی مراحل آموزش را کاهش می‌دهد. اهمیت این تکنیک به‌دلیل اینکه بطور همزمان، سه مزیت Preprocessing ، Numerical stability و Regularization را به ساختار مدل تزریق می‌نماید، بسیار مورد توجه محققان در این حوزه یادگیری عمیق قرارگرفته است. در ادامه، ابتدا به بیان مقدمه‌ای در مورد چالش موجود و ایده‌ی حل آن توسط این تکنیک می‌پردازیم. سپس، نکاتی در مورد تفاوتهای استفاده از این لایه در convolutional layer/ layer Dense و پیاده‌سازی آن به کمک کتابخانه پایتورچ ارائه میدهیم.

onlinebme

24 October 2024 15:25

✅معرفی پکیج tsai برای پردازش سیگنال

✍️پکیج tsai یک پکیج یادگیری عمیق مبتنی بر پایتورچ و fastai است که با معرفی تکنیک‌های جدید پردازش برای تسک های سری زمانی طراحی شده است مانند کلاسبندی، رگرسیون، پیش بینی و ...
از این پکیج می توان برای پردازش سیگنال های EEG بهره گرفت.

🔹چه شبکه هایی را پوشش می‌دهد؟
شبکه‌هایی چون LSTM, GRU, MLP, FCN, ResNet, Transformer, ...

🔸link: https://github.com/timeseriesAI/tsai?tab=readme-ov-file

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

@Onlinebme

onlinebme

08 October 2024 21:29

جایزه نوبل فیزیک سال 2024، به دو نفر از پژوهشگران بسیار برجسته فیزیک و هوش مصنوعی (جان جِی. هاپفیلد و جفری اِی. هینتون) به خاطر "اکتشافات و اختراعات بنیادی که یادگیری ماشینی را برای شبکه‌های عصبی مصنوعی ممکن ساخته است"، رسید.

دو برنده جایزه نوبل فیزیک امسال، از ابزارهای فیزیک برای توسعه روش‌هایی استفاده کرده‌اند که اساس یادگیری ماشینی قدرتمند امروزی است.

جان هاپفیلد (استاد بازنشسته دانشگاه پرینستون) یک حافظه تداعی‌گر ایجاد کرده است که می‌تواند تصاویر و الگوهای دیگر را در داده‌ها ذخیره و بازسازی کند.

جفری هینتون (استاد بازنشسته دانشگاه تورنتو و پژوهشگر ارشد گوگل) روشی ابداع کرده است که می‌تواند به صورت خودکار ویژگی‌های داده‌ها را پیدا کرده و وظایفی مانند شناسایی عناصر خاص در تصاویر را انجام دهد.

@Onlinebme

onlinebme

07 October 2024 09:47

✅ نگاه کلی به دوره‌های آکادمی Onlinebme
🟠30 درصد تخفیف پاییزی 🎊🎊🎉

🏷 لیست دوره‌های Onlinebme
┤ ◼️ برنامه‌نویسی Python
┤ ◻️ برنامه‌نویسی MATLAB
┤ ◼️ یادگیری ماشین|شناسائی الگو
┤ ◻️ پردازش سیگنالهای مغزی‌ (EEG)
┤ ◼️ برنامه‌نویسی شئی گرا(OOP)
┤ ◻️ واسط مغز-کامپیوتر (BCI)
┤ ◼️ شبکه‌های عصبی
┤ ◻️ پردازش تصویر
┤ ◼️ یادگیری عمیق 
┤ ◻️ بینایی ماشین
┤ ◼️ پیاده‌سازی شبکه‌های عصبی با پایتورچ
┘ ◼️ پردازش سیگنال EEG در پایتون(MNE)

💡پکیجهای آموزشی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

04 October 2024 23:07

⬛️◼️◾️ 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


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

onlinebme

26 September 2024 18:48

✅ انواع شبکه های GAN

✍️در این مقاله به بررسی انواع مختلف شبکه‌های Generative Adversarial Networks (GAN) می‌پردازیم که می‌توانند داده‌های جدید تولید کنند و کاربردهای آنها را بررسی می‌کنیم.

onlinebme

23 August 2024 15:59

What makes us human?

@Onlinebme

onlinebme

02 August 2024 09:47

✅پس از موفقیت مدل Meta Segment Anything (SAM) برای تصاویر، مدل SAM2 معرفی شده است که برای سگمنت بندی اشیا در تصاویر و ویدیو کاربرد دارد.
@Onlinebme

onlinebme

01 August 2024 16:58

✅شبکه Variational Autoencoder(VAE) چیست و چه تفاوتی با Autoencoder معمولی دارد؟

هما کاشفی امیری
11مرداد 1403

✍️در این مقاله می‌خواهیم ساختار Variational autoencoder (VAE) را بررسی کنیم و ببینیم چه تفاوتی با Autoencoder معمولی دارد. مدل های VAE ساده ترین نوع مدل‌های مولد یا Generative modelها هستند که می توانند داده ی جدید تولید کنند.

🔘 جزئیات بیشتر 👇

https://onlinebme.com/variational-autoencoder/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

29 July 2024 16:28

😅Training vs. Testing

@Onlinebme

onlinebme

23 July 2024 09:40

استفاده جالب از هوش مصنوعی برای تصاویر نوستالژی از هنرمندان 😍

🏢@Onlinebme

onlinebme

18 July 2024 16:55

✅پیاده سازی یک autoencoder ساده در کراس


هما کاشفی امیری
28 تیر 1403

✍️می خواهیم به نحوه ی پیاده سازی autoencoderها در کراس نگاهی بیندازیم، معماری شبکه عصبی که سعی می کند بازنمایی فشرده ای از داده ی ورودی به دست دهد.

🔘 جزئیات بیشتر 👇

https://onlinebme.com/implementing-an-autoencoder-in-keras/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

16 July 2024 21:15

پای مصنوعی محرک که برای ساختش از آناتومی پای انسان الهام گرفته شده است.

@Onlinebme

onlinebme

28 November 2024 16:17

✅ درک مفهوم AUC ROC

نویسنده: هما کاشفی امیری

✍️معیارهای ROC و AUC استانداردهای طلایی برای ارزیابی اثربخشی کلاسبندی هستند. در این مقاله می‌خواهیم به طور شهودی این مفاهیم را درک کنیم.

onlinebme

16 November 2024 18:32

یک مرد 76ساله چینی با کمک BCI توانست کاراکترهای چینی (8 کاراکتر) را تنها با استفاده از  افکار خود بنویسد!  
#BCI
@Onlinebme

onlinebme

28 October 2024 19:38

✅ مفهوم Dropout در یادگیری عمیق

👩‍💻نویسنده: فاطمه بذری

یکی از موانع بزرگ در الگوریتم های یادگیری عمیق، Overfitting است که برای مقابله با این پدیده، راهکارهای متعددی تاکنون توسط محققان ارائه شده است که در قالب تکنیکهای Generalization معرفی و در مقالات مورد استفاده قرار می‌گیرد. در این پست، به بررسی و نحوه پیاده سازی یکی از این تکنیکها  با عنوان Dropout میپردازیم که تاثیر زیادی در مقاوم کردن مدل (شبکه های عصبی) طراحی شده در مواجهه با داده های واقعی دارد. در انتها هم توضیح میدهیم که چطور میتوانیم از Droupout در پایتورچ استفاده کنیم.

onlinebme

17 October 2024 16:42

✅ تاریخچه Generative AI

✍️این روزها، هوش مصنوعی در همه جا وجود دارد و نمی‌توان از آن اجتناب کرد. موج هوش مصنوعی مولد یا Generative AI پس از راه اندازی ChatGPT توسط OpenAI بوجود آمد. آیا می‌دانستید Generative AI از دهه 1950 وجود داشته است؟ در آن زمان به اندازه‌ی اکنون، پیشرفته و قدرتمند نبود. با وجود اینکه هوش مصنوعی هنوز در مراحل اولیه‌ی خود است، نحوه‌ی کار و زندگی ما را در حال حاضر متحول کرده است. در این مقاله به تاریخچه‌ی Generative AI نگاهی می‌اندازیم.

onlinebme

07 October 2024 22:17

Back-Propagation 😁
@Onlinebme

onlinebme

06 October 2024 09:55

✅ معرفی چت بات هایی که با generative AI کار می کنند.

✍️سال‍ها قبل، تهیه یک پروپوزال، تحقیق در مورد یک موضوع، نوشتن یک قطعه کد یا نوشتن چند ایمیل مودبانه برای مشتریان، کاری طاقت فرسا بود. سپس چت بات هوش مصنوعی (AI) محاوره ای و مولد متولد شد. اکنون، دیگر می‌توانید همه‌ی این کارها را خودتان انجام ندهید. می‌توانید ربات چت هوش مصنوعی را استفاده کنید، یک پیام کوتاه بنویسید و ببینید که هوش مصنوعی آموزش‌دیده و بی‌جسم چطور کار می‌کند. با این حال، از کدام چت بات استفاده کنیم؟ در این مقاله به برخی از بهترین چت ربات های هوش مصنوعی عمومی نگاهی می اندازیم. همه آنها اغلب به صورت رایگان در دسترس و آماده استفاده هستند.

onlinebme

26 September 2024 18:51

😅GANs in action

@onlinebme

onlinebme

19 September 2024 16:47

✅مدلسازی Generative دربرابر Discriminative

✍️از چشم انداز آکادمیکی، پیشرفت‌های حاصل در discriminative modeling را ساده‌تر می‌توان بررسی کرد؛ زیرا می‌توانیم عملکرد شبکه‌ها را با استفاده از معیارهای عملکردی، ارزیابی کنیم، اما ارزیابی مدل‌های generative دشوار است. به خصوص زمانی که کیفیت خروجی‌های تولید شده subjective است. بنابراین در سال‌های اخیر بیشترین تأکید بر آموزش مدل‌های discriminative بوده است تا به عملکرد انسانی یا فوق انسانی در تفکیک تصاویر و متن برسد.

🔷️اطلاعات بیشتر👇

https://onlinebme.com/generative-vs-discriminative-modeling/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

02 August 2024 09:48

This is SAM2

https://ai.meta.com/blog/segment-anything-2/

@Onlinebme

onlinebme

01 August 2024 16:59

@Onlinebme

onlinebme

01 August 2024 00:42

محققان MIT یک مدل هوش مصنوعی ابداع کرده‌اند که می‌تواند سرطان سینه را تا 5 سال زودتر از تشخیص بالینی تشخیص دهد.
این خبر خیلی خوبی است، چراکه به طور بالقوه انقلابی در تشخیص زودهنگام ایجاد کرده و جان افراد بی‌شماری را نجات خواهد داد.


@Onlinebme

onlinebme

26 July 2024 21:23

بازوی مصنوعی مبتنی بر هوش مصنوعی
@Onlinebme

onlinebme

22 July 2024 14:47

کنترل drone با ذهن (سیگنالهای مغزی)

💡مسابقات drone تحت کنترل مغز، رشته‌ای نوظهور است که علوم اعصاب و علوم رایانه را با هم ترکیب می‌کند تا به شرکت‌کنندگان اجازه دهد پهپادها را تنها با استفاده از افکار خود هدایت کنند.

🔷 در این مسابقات از رابط های مغز و کامپیوتر (BCIs) برای تبدیل سیگنال های الکتریکی مغز به دستورات برای پهپادها استفاده می کنند.

🏢@Onlinebme

onlinebme

18 July 2024 14:45

🔆       《دوره پردازش سیگنال ECG》        🔆

✅ دوره پردازش سیگنال ECG یک دوره کاملا پروژه محور است (49 مثال، 16 تمرین، 19 پروژه) و در آن روشهای پردازش سیگنال ECG به صورت گام به گام آموزش داده شده و در پایتون پیاده سازی می شوند.

1⃣ در فصل 1 انواع داده ها معرفی شده و نحوه خواندن آنها آموزش داده می‌شود.

2⃣ در فصل 2 روشهای پیش پردازش از جمله کاهش نویز، تشخیص پیکهای R، استخراج RRI و QRS آموزش داده می‌شود.

3⃣ در فصل 3، روشهای استخراج ویژگی از جمله morphological, temporal برای QRS ها و ویژگی های حوزه زمان و فرکانس برای RRI ها آموزش داده می شود.

4⃣ در فصل 4 روشهای طبقه بندی و ارزیابی آموزش داده می شود.

5⃣در فصل 5 روشهای انتخاب ویژگی آموزش داده می شود.

6⃣ در انتها هم نحوه پردازش سیگنال ECG با شبکه های عصبی در پایتورچ آموزش داده می‌شود.

در این دوره، دو پایگاه داده معتبر مورد استفاده قرار گرفته اند.
▪️ MIT-BIH Arrhythmia Database
▪️ Apnea-ECG Database

مدرس: محمد نوری زاده چرلو
مدت زمان دوره: 37 ساعت و 45 دقیقه

🔘 جزئیات بیشتر 👇
https://onlinebme.com/product/ecg-signal-processing-course/

🏢 @Onlinebme

onlinebme

15 July 2024 21:02

✅ 《دوره پردازش سیگنال ECG》
🔷  فصل 6: شبکه عصبی
🔘 پروژه سری سوم 
▪️ Deep learning

@Onlinebme