🧠 پژوهش جالبی در زمینه استفاده از هوش مصنوعی برای بهبود کیفیت اسکن های MRI انجام شده است. در این کار، روشی برای افزایش رزولوشن تصاویر MRI با استفاده از شبکه های مولد تخاصمی (Generative Adversarial Networks) پیشنهاد شده است.

📌مهمترین نکات:
✅ این روش از شبکه های SRGAN برای بهره گیری از اطلاعات حجم‌سنجی موجود در اسکن های MRI استفاده می کند.
✅ برای آموزش شبکه از CNN های سه بعدی برای پردازش حجم تصاویر استفاده شده است.
✅ برای سنجش کیفیت تصویر خروجی، ترکیبی از دو Loss Function درنظر گرفته شده است:
🟡تابع adversarial loss برای ایجاد تصاویر واقعی تر
🟡تابع content loss برای کاهش تفاوت بین تصاویر واقعی و تولید شده
✅ این روش نتایج امیدوار کننده ای در بهبود کیفیت تصاویر نسبت به روش های درون یابی سنتی (interpolation) نشان داده است.

🌐 لینک مقاله : مقاله
🌐 کد پیاده سازی : گیهاب

#مقاله_با_کد
#گیتهاب
✉️@IDS_AI_ML
✉️@IDSchools

🔣مقاله “Transformer based Spatial-Temporal Feature Learning for EEG Decoding”

🟣این مقاله روشی نوین برای Decoding سیگنال‌های EEG پیشنهاد می‌کند که از نقاط قوت مکانیزم‌های توجه (Attention Mechanism) برای رفع محدودیت‌های شبکه‌های عصبی کانولوشنی (CNN) در داده‌های EEG استفاده می‌کند. این روش شامل مراحل زیر است:

۱. پیش‌پردازش داده EEG
۲. اعمال تبدیل توجه برای تقویت ویژگی‌های مکانی مرتبط
۳. قطعه‌بندی زمانی داده ها و اعمال توجه زمانی برای بدست آوردن وابستگی‌های زمانی
۴. یک لایه global averaging pooling و به دنبال یک لایه fully-connected برای طبقه‌بندی.

🟣این روش با پارامترهای کمتر نسبت به روش‌های موجود، به عملکردی مشابه با مقالات State-of-the-art در این زمینه رسیده است. این امر پتانسیل رویکردهای مبتنی بر Transformerرا برای رمزگشایی EEG و کاربردهای رابط مغز و رایانه (BCI) برجسته می‌کند.

🌐لینک مقاله : مقاله
🌐کد پیاده سازی : گیهاب
فریمورک : Pytorch

#مقاله_با_کد
#گیتهاب
#هوش_مصنوعی_و_نوروساینس

✈️@IDS_AI_ML
✈️@IDSchools

🟡 Transfer Learning VS. Fine Tuning VS. Multitask Learning VS. Federated Learning

#️⃣#کافه_یادگیری

✈️@IDS_AI_ML
✈️@IDSchools

🧠 عشق در عصر الگوریتم ها - "او" (Her) و شباهت به GPT-4o

🎬 فیلم "او" (Her) محصول ۲۰۱۳، داستان مردی به نام تئودور رو روایت می‌کنه که در آینده‌ای نزدیک، بعد از جدایی تلخ، به یک هوش مصنوعی پیشرفته به نام سامانتا دل می‌بنده.

🎬 سامانتا یک سیستم عامل بسیار پیشرفته‌ست که می‌تونه با تئودور صحبت کنه، احساساتشو درک کنه و حتی براش بنویسه. رابطشون به مرور عمیق‌تر می‌شه و تئودور به سامانتا وابستگی عاطفی پیدا می‌کنه. اما آیا رابطه‌ای عاطفی بین انسان و هوش مصنوعی می‌تونه دوام داشته باشه؟

⁉️ چرا این فیلم رو ببینید؟
سؤالات جالبی در مورد ماهیت عشق، تنهایی و آینده‌ی هوش مصنوعی مطرح می‌کنه. با توجه به پیشرفت‌های اخیر در LLM ها، این مباحث بیش از پیش اهمیت پیدا می‌کنن.

🧠چت‌جی‌پی‌تی ۴، آخرین نسخه از مدل چت‌جی‌پی‌تی OpenAI، با توانایی‌هایش در گفتگوی طبیعی و حتی خلق محتواهای خلاقانه، توجه زیادی رو به خودش جلب کرده.
درست مثل سامانتا در فیلم "او"، چت‌جی‌پی‌تی ۴ می‌تونه مکالمات معنی‌دار داشته باشه .

🤔 فیلم "او" ما رو به فکر فرو می‌بره که در دنیای هوش مصنوعی پیشرفته، مرز بین همراهی و دلبستگی کجاست.

⬅️ اطلاعات بیشتر فیلم
✈️@IDS_AI_ML
✈️@IDSchools

🤩 به گروه گفتگوی تعاملی ما بپیوندید!

🥳علاوه بر مطالب عالی هوش مصنوعی که در اینجا پیدا می‌کنید، از راه‌اندازی گروه بحث و گفتگوی تعاملی بسیار هیجان‌زده هستیم! این فرصتی است برای شما تا:

✅ با سایر علاقه‌مندان به هوش مصنوعی ارتباط برقرار کنید: ایده‌ها را به اشتراک بگذارید، سوال بپرسید و از جامعه‌ای پرشور در مورد هوش مصنوعی کمک بگیرید.

✅ در بحث‌ها شرکت کنید: عمیق‌تر به مفاهیمی که در اینجا یاد می‌گیرید بپردازید، موضوعات جدید را کاوش کنید و در مورد آخرین پیشرفت‌ها بحث کنید.

✅ پاسخ سوالات خود را دریافت کنید: روی یک مفهوم گیر کرده‌اید؟ سوالی در مورد کاربردهای هوش مصنوعی دارید؟ گروه ما برای کمک به شما اینجاست!

لینک گروه تعاملی

✉️@IDS_AI_ML
✉️@IDSchools

💡یادگیری فدرال یا Federated Learning

🔣 یادگیری فدرال روش جدیدی برای آموزش مدل‌های یادگیری ماشین بر روی داده‌های خصوصی است. به طور سنتی، داده‌های آموزشی به یک سرور مرکزی آپلود می‌شوند، اما یادگیری فدرال داده‌ها را روی دستگاه کاربر نگه می‌دارد. نحوه کارکرد آن به صورت زیر است:

🟣۱. یک مدل یادگیری به دستگاه کاربر فرستاده می‌شود.
🟣۲. مدل بر روی داده‌های خصوصی کاربر آموزش داده می‌شود.
🟣۳. مدل به‌روزرسانی شده به سرور ارسال می‌شود.
🟣۴. سرور تمام به‌روزرسانی‌ها را برای ایجاد یک مدل بهتر جمع‌آوری می‌کند.

✨ این روش از حریم خصوصی کاربر محافظت می‌کند زیرا داده‌های او هرگز دستگاهش را ترک نمی‌کند. یادگیری فدرال همچنین با توزیع کار بین دستگاه‌های کاربر، بار محاسباتی سرور را کاهش می‌دهد.

👀با این حال، یادگیری فدرال با چالش‌هایی روبرو است، مانند:

🟡چگونه تصمیم بگیریم که آیا این روش برای پروژه مناسب است یا خیر.
🟡چگونه اندازه مدل را قبل از ارسال به دستگاه‌ها کاهش دهیم.
🟡چگونه با داده‌های بایاس (برای مثال، کاربری که فقط تصاویر حیوانات خانگی دارد) برخورد کنیم.

🌐 منبع: Daily Dose of Data Science

✅ لینک گروه تعاملی
✉️@IDS_AI_ML
✉️@IDSchools

😮 دوره رایگان "Scientific Python Lectures" شما را با محاسبات علمی با پایتون آشنا می کند.

⬅️این دوره جامع، طیف وسیعی از موضوعات را پوشش می دهد از جمله:

🔴مقدمات پایتون برای محاسبات علمی
آشنایی و کار با :
🔴کتابخانه NumPy برای ایجاد و دستکاری داده های عددی
🔴کتابخانه Matplotlib برای رسم انواع نمودار
🔴 کتابخانه SciPy برای محاسبات علمی پیشرفته
🔴کتابخانه Pandas برای کار با داده‌های جدولی
🔴کتابخانه Sympy برای محاسبات نمادین
🔴کتابخانه scikit-image برای پردازش و تحلیل تصاویر
🔴کتابخانه scikit-learn برای یادگیری ماشین

🔣آموزش های این دوره به صورت کتاب نیز موجود می باشد و می تواند فایل Pdf نسخه ۲۰۲۴ این کتاب را در در پست زیر دانلود کنید.
لینک گروه تعاملی
✉️@IDS_AI_ML
✉️@IDSchools

📎Scientific Python Lectures
One document to learn numerics, science, and data with Python

✉️@IDS_AI_ML
✉️@IDSchools

📱📱📱📱 Python Quiz 📱📱📱📱

funcs = [lambda x: x**2, lambda x: x+3, lambda x: x*2]
result = list(map(lambda f: f(4), funcs))
print(result)

Options:

result

=

A. [16, 7, 8]
B. [8, 7, 16]
C. [16, 8, 7]
D. [7, 16, 8]

✉️@IDS_AI_ML
✉️@IDSchools

🆕🆕🆕🆕🆕🆕
📣مدارس میان‌رشته‌ای برگزار می‌کند:

🔹سری وبینار‌های رایگان «همگام با پیشتازان»

🔜 قسمت سوم: Federated Learning

👤با حضور: محمد مهدی کاظمی مجدآبادی

🟣دیتا ساینتیست و پژوهشگر حوزه هوش مصنوعی
🟣دانشجو دکتری هوش مصنوعی در University of Hamburg،  آلمان
🟣فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی ، دانشگاه علم و صنعت
🟣فارغ التحصیل کارشناسی  مهندسی کامپیوتر گرایش سخت افزار ، دانشگاه علم و صنعت

⏰ سه‌شنبه ۲۲ خرداد، ساعت ۲۰

⬅️در این سری وبینارهای رایگان که به همت مدارس میان‌رشته‌ای برگزار می‌شود، میزبان اساتید، پژوهشگران و دانشجویان برگزیده و نخبه در داخل و خارج کشور خواهیم بود و با مسیر موفقیت آکادمیک ایشان و نیز پژوهش‌های میان‌رشته‌ای آشنا خواهیم شد.

⬅️مدارس میان رشته‌ای در نظر دارد در تمامی کانال‌های علمی خود شامل: هوش مصنوعی، نوروساینس، روانشناسی،  علوم زیستی، پزشکی، فیزیک، ریاضیات و... این سری وبینارهای ارزشمند را به صورت ماهانه برگزار نماید.

👈برای شرکت در این وبینار به کانال هوش مصنوعی مدارس میان‌رشته‌ای مراجعه کنید.

✉️@IDS_AI_ML
✉️@IDSchools

‼️برای ثبت نام در سومین وبینار رایگان «همگام با پیشتازان» مدارس میان‌رشته‌ای هم اکنون ثبت‌نام کنید!

⬅️در این وبینار از زبان آقای محمد مهدی کاظمی مجدآبادی این موضوعات را پوشش خواهیم داد:
🟢 مفاهیم و کاربرد Federated Learning
🟢 معرفی پلتفرم FeatureCloud



🔜زمان وبینار: ۲۲ خرداد - روز سه شنبه ساعت ۲۰ به وقت ایران

🔣جهت ثبت‌نام از طریق گوگل فرم زیر اطلاعات خود را وارد نمایید و منتظر اخبار این وبینار از کانال هوش مصنوعی مدارس میان رشته‌ای باشید.

🟡این وبینار ارزشمند را به دوستان خود و گروه‌هایی که در آن عضو هستید معرفی نمایید.

👈لینک گوگل فرم: [وبینار رایگان Federated Learning با پژوهشگر برجسته محمد مهدی کاظمی مجدآبادی ]

✉️@IDS_AI_ML
✉️@IDSchools

👀 تصور کنید در سال ۲۰۱۹، دانشمندان برای اولین بار تصویری از یک سیاهچاله عظیم در فاصله‌ای میلیون‌ها سال نوری از زمین، به دست آوردند. اما گرفتن این تصویر به تلسکوپی به اندازه کل کره‌ی زمین نیاز داشت – در اصل کاری غیرممکن! پس آن‌ها چطور این کار را انجام دادند؟

✨با اتصال تلسکوپ‌های سراسر جهان، تلسکوپ the Event Horizon Telescope را ساختند، تلسکوپی مجازی که دیافراکمی به اندازه‌ی قطر زمین داشت. این نمونه‌ی بارزِ محاسبات توزیع‌شده است، جایی که وظایف بین شبکه‌ای از دستگاه‌ها تقسیم می‌شود. این رویکرد نوآورانه، کاربردهایی فراتر از نجوم دارد.

😮 روش Federated Learning ، با الهام گرفتن از همین اصول، به ما امکان می‌دهد تا مدل‌های هوش مصنوعی را روی میلیون‌ها دستگاه – گوشی‌های هوشمند، لپ‌تاپ‌ها و ... آموزش دهیم. این دستگاه‌ها مدل را به صورت محلی با استفاده از داده‌های خود آموزش می‌دهند، سپس فقط نتایج پالایش‌شده‌ی یادگیری را به اشتراک می‌گذارند، نه خود داده‌های خام. این امر حریم خصوصی کاربر را حفظ می‌کند و در عین حال یادگیری قدرتمند و مشارکتی را امکان‌پذیر می‌سازد.

🌐 منبع

👈وبینار رایگان Federated Learning ➡️

✉️@IDS_AI_ML
✉️@IDSchools

😮مقاله ای تاثیرگذار از محققان گوگل (۲۰۱۶) با عنوان "Communication-Efficient Learning of Deep Networks from Decentralized Data"

🟢این مقاله، یکی از مقالات بنیادی در زمینه Federated Learning در نظر گرفته می شود و همچنین پایه محکمی برای درک مفاهیم آن فراهم می کند.
✉️@IDS_AI_ML
✉️@IDSchools

📚این کتاب به معرفی معماری‌های نوظهور، چارچوب‌ها و مدل‌های مبتنی بر یادگیری فدرال (FL) در کاربردهای اینترنت اشیاء پزشکی (IoMT) می‌پردازد. هدف آن برجسته سازی الزامات فعلی اشتراک داده و مسائل امنیتی و حفظ حریم خصوصی در به اشتراک گذاری داده‌های پزشکی است.

✉️@IDS_AI_ML
✉️@IDSchools

🔴🔴🔴Quiz 🔴🔴🔴

در یادگیری فدرال، چه اطلاعاتی به طور معمول بین دستگاه‌ها و سرور مرکزی رد و بدل می‌شود؟

الف) داده خام کاربر
ب) وزن‌های آپدیت شده مدل
ج) نام کاربری و رمز عبور
د) پیش‌بینی‌ها روی داده‌های تست

👈وبینار رایگان Federated Learning ➡️
✉️@IDS_AI_ML
✉️@IDSchools

🧠Training AI Models with Federated Learning

❤️ IBM Technology

👈وبینار رایگان Federated Learning ➡️

✉️@IDS_AI_ML
✉️@IDSchools

‼️ ثبت نام وبینار رایگان مفاهیم و کاربرد Federated Learning و معرفی پلتفرم FeatureCloud ◀️◀️◀️

💡پزشکان نیازمند روشی امن برای ذخیره، دسترسی و مدیریت داده های بیماران هستند.
🟡بیماران باید کنترل کاملی بر اطلاعات خود داشته باشند.
🟡محققان به داده های پزشکی ناشناس برای تحقیق و توسعه داروهای جدید نیاز دارند.
🟡به اشتراک گذاری مستقیم داده ها از طریق اینترنت ریسک نقض حریم خصوصی را بالا می برد.

🔣راه حل FeatureCloud:

پروژه FeatureCloud یک همکاری تحقیقاتی سراسر اروپا در زمینه هوش مصنوعی است.
این پروژه یک ابزار نرم افزاری برای کاهش خطرات سایبری در زیرساخت های مراقبت های بهداشتی ارائه می دهد.
راهکار اصلی آن یادگیری ماشین Federated است که در آن پارامترهای رمزنگاری شده به جای داده های خام به اشتراک گذاشته می شود.
با این روش، داده ها در بیمارستان ها باقی می مانند
هوش مصنوعی به صورت محلی و غیرمتمرکز در بیمارستان ها فعال است.
بیماران کنترل کاملی بر داده های خود دارند.

👈 ثبت نام در وبینار رایگان آشنایی با مفاهیم Federated Learning و معرفی پلتفرم FeatureCloud ➡️

✉️@IDS_AI_ML
✉️@IDSchools

🧠 FeatureCloud

👈 ثبت نام در وبینار رایگان آشنایی با مفاهیم Federated Learning و معرفی پلتفرم FeatureCloud ➡️

✉️@IDS_AI_ML
✉️@IDSchools