🟣 معرفی جلسات 10 گانه دوره «رمزگشایی سیگنالهای مغزی با الگوریتم های پایه در یادگیری ماشین»

8️⃣هفته (جلسه هشتم) : کار عملی در MATAB: انتخاب و کاهش بعد ویژگی ها از ماتریس دادگان

🗣محتوای این جلسه:

در این بخش، شرکت‌کنندگان به صورت عملی با نحوه انتخاب و کاهش بعد ویژگی‌ها از ماتریس داده‌های EEG در MATLAB آشنا می‌شوند. این بخش شامل استفاده از روش‌های مختلف انتخاب ویژگی و کاهش بعد آموزش داده شده خواهد بود. همچنین، به ارزیابی تأثیر کاهش بعد و انتخاب ویژگی بر عملکرد مدل پرداخته می‌شود.


🔸 اهداف آموزشی:

💡پیاده‌سازی عملی روش‌های کاهش بعد در MATLAB
💡ارزیابی تأثیر کاهش بعد بر دقت و سرعت مدل
💡انتخاب بهترین روش کاهش بعد برای داده‌های EEG


✨ با حضور:

👤 دکتر گلناز بغدادی، عضو هیات علمی دانشگاه صنعتی امیرکبیر
👤 شایان زارعی، رئیس دپارتمان سیگنال مجموعه علمی و پژوهشی مدارس میان رشته ای

⬇️ نحوه ثبت نام در این دوره:

https://t.iss.one/IDS_AI_ML/248

⌛ سرفصل های این دوره:

https://t.iss.one/IDS_AI_ML/250

🔴 همراه با گواهی شرکت در دوره به انگلیسی 

🔣 کسب اطلاعات بیشتر:

@InterdisciplinarySchools2

✈️@IDS_AI_ML
✈️@IDSchools

🟣 معرفی جلسات 10 گانه دوره «رمزگشایی سیگنالهای مغزی با الگوریتم های پایه در یادگیری ماشین»

8️⃣هفته (جلسه نهم) : آشنایی با نحوه عملکرد انواع مدل های طبقه بند و نحوه به کارگیری آنها در MATAB

🗣محتوای این جلسه:

در این بخش، به معرفی انواع مدل‌های طبقه‌بند و نحوه عملکرد آن‌ها پرداخته می‌شود. مدل‌هایی مانند KNN، SVM، Naive Bayes، LDA، Decision Tree و Ensemble Learning معرفی خواهند شد. همچنین، به نحوه به کارگیری این مدل‌ها در MATLAB و تنظیم پارامترهای آن‌ها پرداخته می‌شود.


🔸 اهداف آموزشی:

💡آشنایی با انواع مدل‌های طبقه‌بند
💡درک نحوه عملکرد هر مدل
💡استفاده از مدل‌های طبقه‌بند در MATLAB برای تحلیل سیگنال EEG



✨ با حضور:

👤 دکتر گلناز بغدادی، عضو هیات علمی دانشگاه صنعتی امیرکبیر
👤 شایان زارعی، رئیس دپارتمان سیگنال مجموعه علمی و پژوهشی مدارس میان رشته ای

⬇️ نحوه ثبت نام در این دوره:

https://t.iss.one/IDS_AI_ML/248

⌛ سرفصل های این دوره:

https://t.iss.one/IDS_AI_ML/250

🔴 همراه با گواهی شرکت در دوره به انگلیسی 

🔣 کسب اطلاعات بیشتر:

@InterdisciplinarySchools2

✈️@IDS_AI_ML
✈️@IDSchools

🟣 معرفی جلسات 10 گانه دوره «رمزگشایی سیگنالهای مغزی با الگوریتم های پایه در یادگیری ماشین»

8️⃣هفته (جلسه دهم) : کار عملی در MATLAB: پیاده سازی روش ها بر روی چند مثال از سیگنال های EEG ثبت شده در طی آزمایش های BCI

🗣محتوای این جلسه:

در این بخش، شرکت‌کنندگان به صورت عملی با پیاده‌سازی مدل‌های طبقه‌بند مختلف بر روی چند مثال از سیگنال‌های EEG ثبت شده در آزمایش‌های BCI آشنا می‌شوند. این بخش شامل انتخاب مدل مناسب، تنظیم پارامترها، آموزش و ارزیابی مدل‌ها خواهد بود.


🔸 اهداف آموزشی:

💡پیاده‌سازی عملی مدل‌های طبقه‌بند در MATLAB
💡مقایسه عملکرد مدل‌های مختلف
💡انتخاب بهترین مدل برای کاربردهای خاص


✨ با حضور:

👤 دکتر گلناز بغدادی، عضو هیات علمی دانشگاه صنعتی امیرکبیر
👤 شایان زارعی، رئیس دپارتمان سیگنال مجموعه علمی و پژوهشی مدارس میان رشته ای

⬇️ نحوه ثبت نام در این دوره:

https://t.iss.one/IDS_AI_ML/248

⌛ سرفصل های این دوره:

https://t.iss.one/IDS_AI_ML/250

🔴 همراه با گواهی شرکت در دوره به انگلیسی 

🔣 کسب اطلاعات بیشتر:

@InterdisciplinarySchools2

✈️@IDS_AI_ML
✈️@IDSchools

😮 مقاله Continual Lifelong Learning with Neural Networks: A Review مروری جامع بر حوزه یادگیری مستمر مادام‌العمر با شبکه‌های عصبی ارائه می‌دهد. این مقاله به چالش‌ها و پیشرفت‌های اخیر در توانمندسازی شبکه‌های عصبی برای کسب، تنظیم دقیق و انتقال دانش و مهارت‌ها در طول عمر خود می‌پردازد. نویسندگان اهمیت یادگیری مادام‌العمر را برای عامل‌های خودمختار در دنیای واقعی و پردازش جریان‌های مداوم اطلاعات مورد بحث قرار می‌دهند.

نکات:
🟢 فراموشی فاجعه‌آمیز: چالش اصلی در یادگیری مستمر، فراموشی فاجعه‌آمیز است که در آن آموزش بر روی وظایف جدید می‌تواند باعث فراموشی اطلاعات قبلاً یادگرفته شده توسط شبکه شود.
🟢 الهام از زیست‌شناسی: مقاله به بررسی نحوه غلبه سیستم‌های بیولوژیکی بر این مشکل از طریق مکانیزم‌هایی مانند پایداری-انعطاف‌پذیری سیناپسی، مراحل حیاتی توسعه و اکتشاف مبتنی بر انگیزه ذاتی می‌پردازد.
🟢 استراتژی‌های یادگیری مستمر: روش‌های مختلف برای حل مشکل فراموشی فاجعه‌آمیز، از جمله تکنیک‌های تنظیم، بافرهای پخش و به‌روزرسانی‌های پارامتر خاص وظیفه، مورد بحث قرار می‌گیرند.

✉️@IDS_AI_ML
✉️@IDSchools

📖 کتاب "Superintelligence: Paths, Dangers, Strategies" نوشته Nick Bostrom، کاوش عمیقی در مورد آینده بالقوه هوش مصنوعی است. این کتاب به بررسی احتمال ایجاد ابرهوش، هوش مصنوعی که از هر جنبه‌ای از توانایی‌های انسانی فراتر می‌رود، می‌پردازد.

🔹 موضوعات اصلی:

🔺 پتانسیل ابرهوش: بوستروم سناریوهای مختلفی را بررسی می‌کند که در آن ابرهوش می‌تواند ظاهر شود، از توسعه تدریجی هوش مصنوعی تا پیشرفت‌های ناگهانی‌تر. او مزایای بالقوه‌ای مانند حل مشکلات پیچیده جهانی و پیشرفت دانش علمی را مورد بحث قرار می‌دهد.
🔺 خطرات ابرهوش کنترل‌نشده: با این حال، این کتاب همچنین خطرات بالقوه ابرهوش را در صورتی که با ارزش‌های انسانی همسو نباشد، برجسته می‌کند.
🔺 راهبردهای کنترل ابرهوش: این کتاب چندین استراتژی برای اطمینان از اینکه ابرهوش به نفع بشریت باقی می‌ماند، پیشنهاد می‌کند:
🔺 هوش مصنوعی دوستانه: توسعه سیستم‌های هوش مصنوعی که ذاتاً با ارزش‌های انسانی همسو هستند.
🔺 مشکل کنترل: یافتن راه‌هایی برای کنترل و هدایت رفتار ابرهوش.
🔺 یادگیری ارزش‌ها: آموزش سیستم‌های هوش مصنوعی برای درک و پذیرش ارزش‌های انسانی.

✉️@IDS_AI_ML
✉️@IDSchools

🌐 وبسایت https://thispersondoesnotexist.com/ یک وبسایت جذاب است که تصاویر واقع‌گرایانه و با کیفیت بالا از چهره‌های انسان – از افرادی که واقعاً وجود ندارند – تولید می‌کند. هر بار که صفحه را رفرش می‌کنید، یک چهره جدید و منحصر به فرد ظاهر می‌شود که توسط هوش مصنوعی با استفاده از نوعی شبکه عصبی به نام Generative Adversarial Network (GAN) ایجاد شده است.

⚙️ این ابزار مبتنی بر GAN که توسط NVIDIA توسعه یافته است، از StyleGAN استفاده می‌کند، مدلی که روی مجموعه داده‌های گسترده‌ای از چهره‌های واقعی انسان آموزش دیده است تا تصاویر فوق‌العاده واقع‌گرایانه تولید کند. چهره‌ها کاملاً واقعی به نظر می‌رسند، با ویژگی‌های صورت طبیعی، بافت پوست و حالات چهره، و تشخیص آن‌ها از عکس‌های واقعی دشوار است.

✅ این وبسایت نشان می‌دهد که هوش مصنوعی تا چه حد در ایجاد تصاویر مصنوعی قابل‌باور پیشرفت کرده است و سوالات جالبی در مورد دیپ‌فیک‌ها، اخلاق هوش مصنوعی و استفاده بالقوه از این تصاویر تولید شده در رسانه‌ها و برنامه‌های دیجیتال مطرح می‌کند.

🔹 مقاله مدل StyleGAN
🔹 کد پیاده‌سازی شده با تنسورفلو

🚀@IDS_AI_ML
🚀@IDSchools

💡اگر به متقارن بودن گوش ها در دو تصویر مورد نظر توجه کنین، در تصویر سمت چپ، گوش چپ بزرگتر از گوش راست است و این یک نوع آرتیفکت در ساخت تصویر توسط هوش مصنوعی هست.

💠ویژگی‌های بارز تصاویر چهره تولید شده توسط هوش مصنوعی:
🟡بلورشدگی: مدل‌های هوش مصنوعی ممکن است در تولید جزئیات با کیفیت بالا، مخصوصاً در مو، چشم‌ها و بافت پوست، دچار مشکل شوند. این امر می‌تواند منجر به ظاهر کمی تار یا غیر واقعی شود.
🟡بافت‌های غیرطبیعی: تصاویر تولید شده توسط هوش مصنوعی ممکن است بافت‌های غیرطبیعی مانند پوست بیش از حد صاف یا الگوهای غیر واقعی در لباس یا پس‌زمینه داشته باشند.
🟡نورپردازی ناهمگون: مدل‌های هوش مصنوعی ممکن است همیشه نتوانند شرایط نورپردازی واقعی را به درستی شبیه‌سازی کنند، که منجر به ناهماهنگی در سایه‌ها، هایلایت‌ها و تعادل کلی نورپردازی می‌شود.
🟡ویژگی‌های تحریف‌شده: گاهی اوقات، چهره‌های تولید شده توسط هوش مصنوعی ممکن است دارای ویژگی‌های تحریف‌شده مانند چشم‌های نامتقارن، شکل غیرعادی بینی یا لبخند غیرطبیعی باشند.
🟡کمبود جزئیات ظریف: مدل‌های هوش مصنوعی ممکن است در ثبت جزئیات ظریف مانند کک و مک، چین و چروک یا موهای فردی مشکل داشته باشند، که منجر به ظاهری کلی کلیشه‌ای می‌شود.

✉️@IDS_AI_ML
✉️@IDSchools

🤔 تا به حال فکر کرده‌اید که چگونه عکس‌های قدیمی و تار می‌توانند به تصاویر شفاف و واضح تبدیل شوند؟ یا چگونه برنامه‌های تلویزیونی مورد علاقه‌تان می‌توانند روی صفحه نمایش 4K شما واضح‌تر از همیشه به نظر برسند؟

💬 سوپر رزولوشن چیست؟
این یک فناوری پیشرفته است که می‌تواند تصاویر یا ویدیوهای با وضوح پایین را به وضوح بالاتر ارتقا دهد، جزئیات پنهان را آشکار کند و کیفیت کلی تصویر را بهبود بخشد.

🟡 کاربردهای دنیای واقعی:

⏺ بازسازی تصویر: احیای عکس‌های قدیمی و آسیب‌دیده.
⏺ تصویربرداری پزشکی: افزایش وضوح اشعه ایکس، ام آر آی و سی تی اسکن برای تشخیص دقیق‌تر.
⏺ ارتقای ویدیو: لذت بردن از فیلم‌ها و سریال‌های تلویزیونی مورد علاقه‌تان با وضوح خیره کننده 4K یا 8K.
⏺ نظارت و امنیت: بهبود کیفیت تصاویر دوربین‌های مداربسته برای شناسایی و تحلیل بهتر.
⏺ نجوم: تقویت تصاویر کهکشان‌های دور و اجرام سماوی.

✈️@IDS_AI_ML
✈️@IDSchools

🔣این مقاله مروری جامع بر آخرین پیشرفت‌های تکنیک‌های سوپر رزولوشن مبتنی بر یادگیری عمیق ارائه می‌دهد. این مقاله جنبه‌های مختلف این حوزه از جمله معماری‌های مختلف شبکه، توابع هزینه و معیارهای ارزیابی را پوشش می‌دهد.

✉️@IDS_AI_ML
✉️@IDSchools

🌐 سایت https://podcast.ai/ یک پادکست کاملاً تولید شده توسط هوش مصنوعی است. این پادکست هر هفته به بررسی عمیق یک موضوع جدید می پردازد و شنوندگان می توانند موضوعات آینده، مهمانان احتمالی یا حتی صدای میزبان مورد نظر خود را پیشنهاد دهند. این یک تجربه منحصر به فرد است که فناوری هوش مصنوعی را با روایت جذاب ترکیب می کند.

✉️@IDS_AI_ML
✉️@IDSchools

🌐 وبسایت https://www.machinelearningisfun.com/ یک وبسایت فوق‌العاده است که مفاهیم پیچیده یادگیری ماشین را قابل فهم و لذت‌بخش می‌کند. این وبسایت طراحی شده است تا موانع فنی را از بین ببرد و شما را به دنیای هیجان‌انگیز هوش مصنوعی به روشی سرگرم‌کننده و تعاملی معرفی کند.

🔹 ویژگی ها:

🟡توضیحات واضح و مختصر: این وبسایت از زبان ساده و مثال‌های عملی برای توضیح حتی پیچیده‌ترین الگوریتم‌های یادگیری ماشین استفاده می‌کند.
🟡پروژه‌های عملی: شما می‌توانید پروژه‌های واقعی، از تشخیص تصویر تا پردازش زبان طبیعی، بسازید. این پروژه‌ها درک شما را تقویت کرده و اعتماد به نفس شما را افزایش می‌دهند.
🟡تصاویر جذاب: این وبسایت از نظر بصری جذاب است و دارای نمودارهای رنگی و عناصر تعاملی است که یادگیری را لذت‌بخش‌تر می‌کند.
🟡جامعه و پشتیبانی: می‌توانید با سایر یادگیرندگان ارتباط برقرار کنید، سوال بپرسید و در بحث‌ها شرکت کنید.

✉️@IDS_AI_ML
✉️@IDSchools

⬅️ مقاله Highly accurate protein structure prediction with AlphaFold سیستم پیشرفته هوش مصنوعی AlphaFold، توسعه‌یافته توسط دیپ‌مایند، را معرفی می‌کند که ساختار پروتئین‌ها را با دقت نزدیک به آزمایشگاهی بر اساس توالی اسیدهای آمینه پیش‌بینی می‌کند. آلفافولد از یک شبکه عصبی استفاده می‌کند که اصول تکاملی، فیزیکی و هندسی را برای پیش‌بینی ساختارها با دقت اتمی ادغام می‌کند. در رقابت CASP14، پیش‌بینی‌های آلفافولد به طور قابل‌توجهی از سایر روش‌های محاسباتی پیشی گرفتند و پتانسیل قابل‌توجهی برای پیشرفت زیست‌شناسی ساختاری با تسریع و دسترسی‌پذیرتر کردن تحلیل‌های ساختاری که قبلاً زمان‌بر بودند، ارائه می‌دهد.

✈️@IDS_AI_ML
✈️@IDSchools

📌 مقاله AlphaFold2 and its applications in the fields of biology and medicine اصول، نوآوری‌ها و کاربردهای AlphaFold2 در زیست‌شناسی و پزشکی را مورد بحث قرار می‌دهد. AlphaFold2 که در پیش‌بینی ساختارهای سه‌بعدی پروتئین به دقت بالایی دست‌یافته است، در حوزه‌هایی مانند کشف دارو، زیست‌شناسی ساختاری و طراحی پروتئین تأثیرگذار است. این بررسی معماری و رویکردهای یادگیری ماشینی AlphaFold2 را تشریح می‌کند و پتانسیل عمیق آن را برای تسریع تحقیقات در زیست‌شناسی ساختاری و امکان‌پذیر کردن کاربردهایی در توسعه دارو و درک برهم‌کنش‌های پروتئین-پروتئین برجسته می‌کند.

🚀@IDS_AI_ML
🚀@IDSchools

➡️How AI Could Save (Not Destroy) Education | Sal Khan | TED

🌐 Reference

✉️@IDS_AI_ML
✉️@IDSchools

➡️ Cornell University’s CS 5787: Applied Machine Learning, taught by Professor Volodymyr Kuleshov

🌐 Reference

🚀@IDS_AI_ML
🚀@IDSchools