🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت تا 18 خرداد ماه 1400
⏳ از ساعت 🕠 17 تا 🕖 18:30
🔴 ثبت نام و کسب اطلاعات بیشتر:
🆔 @IDSchools
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت تا 18 خرداد ماه 1400
⏳ از ساعت 🕠 17 تا 🕖 18:30
🔴 ثبت نام و کسب اطلاعات بیشتر:
🆔 @IDSchools
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸تاریخچه ی مختصر رویکردهای قبل از داروین و نگاه داروینی به تکامل انسان و سایر موجودات
🔹داروین، که قرار بود روزگاری به خواست والدین خود کشیش شود، در نهایت به زیست شناسی بدل شد که بسیاری از آموزه های کشیشان را دچار تردید نمود. اما داروین چه گفت که اینقدر مساله ساز شد؟ تکامل داروینی چگونه تغییرات موجودات، و بالاخص انسان، این دردانه آفرینش را توضیح میداد؟ بد نیست قدری به آنچه قبل از داروین رخ داد نظری بیفکنیم تا محل نزاع قدری روشنتر شود و نقش داروین مشخص گردد.
🔹به نظر می رسد نگاه سنتی و غالب در تاریخ، موجودات را مخلوقاتی میدانست که از ابتدا و بدین گونه که هستند، سرشته شده اند. این نگاه به خلقت گرائی شناخته می شود و در کتب مقدس بدان تصریح شده است.
🔹اما در تاریخ مکتوب می توان به آناکسیماندر اشاره کرد که اول بار به پیدایش موجودات از دریا اشاره کرد و با اشاره به دوره طولانی فرزندآوری و نگهداری از فرزند در انسان، آن را دلیلی بر پیدایش انسان از نوعی دیگر از حیوانات دانست. صد سال پس از وی امپدوکلس اشاره ای محو به انتخاب طبیعی نمود. افلاطون، که بسیاری او را پدر خلقت باوری می دانند، با رد نظرات این دو، نظام متافیزیکی خلقت را فربه نمود و زمینه را برای استیلای خوانش خلقت باورانه در قرون وسطی بیش از پیش مهیا کرد.
🔹در قرون وسطی اگر چه آگوستین به عنوان یکی از پدران کلیسا مطرح گردید، اما داستان خلقت در کتب مقدس را امری قابل تاویل دانست و خلق موجودات به یکباره را رد کرد. در سرزمینهای اسلامی می توان به بیرونی اشاره کرد که معتقد بود نظر به اینکه منابع عالم محدود است، لذا خلقت در طول زمان و بنا به تغییرات رخ داده است که لازمه آن تنازع برای بقا است. با اینحال و با همه این تلاشها خلقت باوری همچنان بی رقیب و مسلط باقی ماند تا اینکه رنسانس و در ادامه عصر روشنگری باعث ترک برداشتن تدریجی این نگاه و تردید در اصل ثبات انواع شد.
🔹بوفون یکی از کسانی بود که در در عصر روشنگری به قدمت زمین بیش از آنچه اسقف آشر و دیگران برای عمر زمین تعیین کرده بودند (آشر عمر زمین را 4040 سال قبل از میلاد مسیح می دانست) قائل بود و به نیای مشترک نیز اشارتی کرد. قبل از داروین لامارک با رد ثبات انواع و گونه ها، زمینه را برای ظهور نظریه تکامل داروین مهیا نمود. آنچه لامارک در آن توفیق نداشت توضیح نحوه تغییر در گونه ها بود که با اشاره به ارث رسیدن صفات اکتسابی بنا به تغییر اندامها بر اثر پاسخگویی به نیازهای محیطی، به مانند گردن زرافه، ره به بیراهه برد.
داروین از همان جایی شروع کرد که لامارک متوقف شده بود. او در مطالعات خود در جزیره گالاپاگوس بر روی دسته ای از پرندگان، به این نتیجه رسید که گونه ها از همدیگر پدید می آیند و با اصل انتخاب طبیعی توانست تغییرات در گونه ها را به خوبی توضیح دهد. آنچه داروین را در نسبت با کلیه اسلاف خود متمایز می کرد، یافتن تبیینی کاملا علمی برای تغییرات و نیز اثبات اصل نیای مشترک در موجودات بود.
🔹اما آنچه داروین را خطرناک می کرد، عدم تمایز انسان از سایر موجودات و قراردهی او در درخت حیات و نیز اشاره به نیای مشترک او با سایر جانداران است. تغییر تدریجی و بعد زمان می توانست گونه زائی موجودات از همدیگر را توضیح دهد و این شامل انسان هم میشد. اینگونه بود که تکامل داروینی به رقیبی خطرناک برای خلقت باوری بدل میشد که می توانست تغییرات را با تبیینی طبیعی توضیح دهد.
🔹اما داستان به همینجا خلاصه نمی شود. انسان شناسان زیستی و باستان شناسان در تلاش هستند تا با یافتن شواهدی فسیلی از انسانهای پیش از تاریخ، ضمن طبقه بندی آنها، میزان و نسبت ارتباط آنها را با همدیگر مشخص سازند و توضیحی قانع کننده پیرامون تفاوتها و شباهتهای ریخت شناسی عرضه کنند. ما در ادامه به یافته ها در این زمینه اشاره خواهیم کرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸تاریخچه ی مختصر رویکردهای قبل از داروین و نگاه داروینی به تکامل انسان و سایر موجودات
🔹داروین، که قرار بود روزگاری به خواست والدین خود کشیش شود، در نهایت به زیست شناسی بدل شد که بسیاری از آموزه های کشیشان را دچار تردید نمود. اما داروین چه گفت که اینقدر مساله ساز شد؟ تکامل داروینی چگونه تغییرات موجودات، و بالاخص انسان، این دردانه آفرینش را توضیح میداد؟ بد نیست قدری به آنچه قبل از داروین رخ داد نظری بیفکنیم تا محل نزاع قدری روشنتر شود و نقش داروین مشخص گردد.
🔹به نظر می رسد نگاه سنتی و غالب در تاریخ، موجودات را مخلوقاتی میدانست که از ابتدا و بدین گونه که هستند، سرشته شده اند. این نگاه به خلقت گرائی شناخته می شود و در کتب مقدس بدان تصریح شده است.
🔹اما در تاریخ مکتوب می توان به آناکسیماندر اشاره کرد که اول بار به پیدایش موجودات از دریا اشاره کرد و با اشاره به دوره طولانی فرزندآوری و نگهداری از فرزند در انسان، آن را دلیلی بر پیدایش انسان از نوعی دیگر از حیوانات دانست. صد سال پس از وی امپدوکلس اشاره ای محو به انتخاب طبیعی نمود. افلاطون، که بسیاری او را پدر خلقت باوری می دانند، با رد نظرات این دو، نظام متافیزیکی خلقت را فربه نمود و زمینه را برای استیلای خوانش خلقت باورانه در قرون وسطی بیش از پیش مهیا کرد.
🔹در قرون وسطی اگر چه آگوستین به عنوان یکی از پدران کلیسا مطرح گردید، اما داستان خلقت در کتب مقدس را امری قابل تاویل دانست و خلق موجودات به یکباره را رد کرد. در سرزمینهای اسلامی می توان به بیرونی اشاره کرد که معتقد بود نظر به اینکه منابع عالم محدود است، لذا خلقت در طول زمان و بنا به تغییرات رخ داده است که لازمه آن تنازع برای بقا است. با اینحال و با همه این تلاشها خلقت باوری همچنان بی رقیب و مسلط باقی ماند تا اینکه رنسانس و در ادامه عصر روشنگری باعث ترک برداشتن تدریجی این نگاه و تردید در اصل ثبات انواع شد.
🔹بوفون یکی از کسانی بود که در در عصر روشنگری به قدمت زمین بیش از آنچه اسقف آشر و دیگران برای عمر زمین تعیین کرده بودند (آشر عمر زمین را 4040 سال قبل از میلاد مسیح می دانست) قائل بود و به نیای مشترک نیز اشارتی کرد. قبل از داروین لامارک با رد ثبات انواع و گونه ها، زمینه را برای ظهور نظریه تکامل داروین مهیا نمود. آنچه لامارک در آن توفیق نداشت توضیح نحوه تغییر در گونه ها بود که با اشاره به ارث رسیدن صفات اکتسابی بنا به تغییر اندامها بر اثر پاسخگویی به نیازهای محیطی، به مانند گردن زرافه، ره به بیراهه برد.
داروین از همان جایی شروع کرد که لامارک متوقف شده بود. او در مطالعات خود در جزیره گالاپاگوس بر روی دسته ای از پرندگان، به این نتیجه رسید که گونه ها از همدیگر پدید می آیند و با اصل انتخاب طبیعی توانست تغییرات در گونه ها را به خوبی توضیح دهد. آنچه داروین را در نسبت با کلیه اسلاف خود متمایز می کرد، یافتن تبیینی کاملا علمی برای تغییرات و نیز اثبات اصل نیای مشترک در موجودات بود.
🔹اما آنچه داروین را خطرناک می کرد، عدم تمایز انسان از سایر موجودات و قراردهی او در درخت حیات و نیز اشاره به نیای مشترک او با سایر جانداران است. تغییر تدریجی و بعد زمان می توانست گونه زائی موجودات از همدیگر را توضیح دهد و این شامل انسان هم میشد. اینگونه بود که تکامل داروینی به رقیبی خطرناک برای خلقت باوری بدل میشد که می توانست تغییرات را با تبیینی طبیعی توضیح دهد.
🔹اما داستان به همینجا خلاصه نمی شود. انسان شناسان زیستی و باستان شناسان در تلاش هستند تا با یافتن شواهدی فسیلی از انسانهای پیش از تاریخ، ضمن طبقه بندی آنها، میزان و نسبت ارتباط آنها را با همدیگر مشخص سازند و توضیحی قانع کننده پیرامون تفاوتها و شباهتهای ریخت شناسی عرضه کنند. ما در ادامه به یافته ها در این زمینه اشاره خواهیم کرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸پیدایش نخستین انسان ریخت ها (Hominids)
🔹انسان و شامپانزه حدود 98.8 درصد تشابه ژنتیکی دارند، اما این دو حدود 8 میلیون سال پیش از جد مشترک خود به دو گونه جدا از هم تبدیل شدند. با وجود این همه تشابه ژنی و نیز حتی مشاهده رفتار آئینی در شامپانزه ها(Nature,2016)، چه چیز عامل این گونه زائی و جدایی نخستین انسان ریخت ها از شامپانزه شد؟
🔹انسان ریختها روی دو پا راه می رفتند، دندان نیش کوچک داشتند و مغزشان بزرگ شده بود، حال آنکه هر سه این صفات در شامپانزه متفاوت است. با این حال آنچه به طور ویژه باعث جدائی گونه انسان ریختها از شامپانزه ها شد، توانایی راه رفتن روی دو پا با کمک سازگاری های بدنی چون جمع شدن قفسه سینه، Sشکل شدن ستون فقرات و پهن شدن کف پا است.
🔹 از مزایای راه رفتن روی دو پا آزاد شدن دست ها برای ابزار سازی و حمل غذا در ساواناهای پهناور بوده است. این خاصیت باعث مصرف انرژی کمتر و تنظیم حرارت بدن در نخستین انسان ریخت ها نیز شده است.
🔹اما اینگونه نبوده است که انسان ریخت ها به یکباره به توانایی راه رفتن بر روی دو پا دست یافته باشند. دانشمندان بر حسب توانایی راه رفتن بر روی دو پا انسان های پیش از تاریخ را به سه دسته اصلی تقسیم می کنند.
🔹1- اولین انسان ریختها: که گهگاه روی دو پا راه می رفتند و بر روی درختان هم زندگی می کردند.
2- آسترالوپیتکوس ها: که عادت وار روی دو پا راه می رفتند و البته گهگاهی هم بر روی درخت می زیستند.
3- هومو: که الزاما روی دو پا راه می رفتند.
🔹از دسته نخست یعنی نخستین انسان ریخت ها می توان به انسان تومای (ساحل آنتروپوس چادنسیس) اشاره کرد که در سال 2001 توسط میشل برونه در چاد کشف شد و عمر آن به حدود 6.6 میلیون سال قبل می رسد. از دیگر نمونه ها می توان به آردی پیتکوس اشاره کرد که قدمت آنها به 5.8 تا 5.2 میلیون سال قبل می رسد.
🔹در قسمت بعدی به شواهد یافت شده از دسته دوم، یعنی آسترالوپیتکوس ها خواهیم پرداخت.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸پیدایش نخستین انسان ریخت ها (Hominids)
🔹انسان و شامپانزه حدود 98.8 درصد تشابه ژنتیکی دارند، اما این دو حدود 8 میلیون سال پیش از جد مشترک خود به دو گونه جدا از هم تبدیل شدند. با وجود این همه تشابه ژنی و نیز حتی مشاهده رفتار آئینی در شامپانزه ها(Nature,2016)، چه چیز عامل این گونه زائی و جدایی نخستین انسان ریخت ها از شامپانزه شد؟
🔹انسان ریختها روی دو پا راه می رفتند، دندان نیش کوچک داشتند و مغزشان بزرگ شده بود، حال آنکه هر سه این صفات در شامپانزه متفاوت است. با این حال آنچه به طور ویژه باعث جدائی گونه انسان ریختها از شامپانزه ها شد، توانایی راه رفتن روی دو پا با کمک سازگاری های بدنی چون جمع شدن قفسه سینه، Sشکل شدن ستون فقرات و پهن شدن کف پا است.
🔹 از مزایای راه رفتن روی دو پا آزاد شدن دست ها برای ابزار سازی و حمل غذا در ساواناهای پهناور بوده است. این خاصیت باعث مصرف انرژی کمتر و تنظیم حرارت بدن در نخستین انسان ریخت ها نیز شده است.
🔹اما اینگونه نبوده است که انسان ریخت ها به یکباره به توانایی راه رفتن بر روی دو پا دست یافته باشند. دانشمندان بر حسب توانایی راه رفتن بر روی دو پا انسان های پیش از تاریخ را به سه دسته اصلی تقسیم می کنند.
🔹1- اولین انسان ریختها: که گهگاه روی دو پا راه می رفتند و بر روی درختان هم زندگی می کردند.
2- آسترالوپیتکوس ها: که عادت وار روی دو پا راه می رفتند و البته گهگاهی هم بر روی درخت می زیستند.
3- هومو: که الزاما روی دو پا راه می رفتند.
🔹از دسته نخست یعنی نخستین انسان ریخت ها می توان به انسان تومای (ساحل آنتروپوس چادنسیس) اشاره کرد که در سال 2001 توسط میشل برونه در چاد کشف شد و عمر آن به حدود 6.6 میلیون سال قبل می رسد. از دیگر نمونه ها می توان به آردی پیتکوس اشاره کرد که قدمت آنها به 5.8 تا 5.2 میلیون سال قبل می رسد.
🔹در قسمت بعدی به شواهد یافت شده از دسته دوم، یعنی آسترالوپیتکوس ها خواهیم پرداخت.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸آسترالوپیتکوسها، حلقه واسط نخستین انسان ریخت ها (Hominids) و جنس هومو
🔹آسترالوپیتکوسها و پارانتروپوسها دو جنس انسان هستند که عادتا روی دو پا راه می رفتند، ولی گهگاه بر روی درختان نیز زندگی می کردند. این دو جنس حد فاصل 4.5 تا 1 میلیون سال پیش در این کره خاکی حضور داشتند. هر دو قدی در حدود یک سوم ما و نیز مغزی حدود 400 تا 500 سی سی داشتند. آسترولوپیتکوسها توانستند بعدها به گونه هومو متحول شوند، اما پارانتروپوسها برای همیشه راه انقراض را پیمودند و در حدود 1 میلیون سال قبل برای همیشه از صحنه گیتی حذف شدند.
🔹از انواع آسترولوپیتکوسها می توان به نمونه های زیر اشاره کرد:
1- استرالوپیتکوس آفارنسیس یا همان لوسی. که در سال 1974 توسط دانالد جوهانسون (که ایشان استاد دکتر وحدتی نسب نیز بوده اند) در اتیوپی کشف شد. لوسی دختری بین 9 تا 13 سال بوده است و حدود 55 درصد از اسکلت وی سالم به جا مانده است.
2- بحر غزالی. این مورد توسط میشل برونه در غرب آفریقا و در چاد کشف شد و قدمت آن به 3.3 میلیون سال قبل می رسد.
3- آسترالوپیتکوس آفریکانوس. متعلق به 2.1 تا 3 میلیون سال پیش است.
4- گارهی. که در سال 1990 به دست آمد و قبل از هوموهابیلیس یا انسان ابزار ساز به ساخت ابزارها اشتغال داشته و ایده شروع ابزارسازی در جنس هومو، که بعدها بدان خواهیم رسید، را زیر سوال می برد.
5- سدیبا. حدود 2 میلیون سال پیش می زیسته است و به نظر می رسد جد گونه هومو است.
🔹 پارانتروپوسها شاخه ای به موازات آسترالوپیتکوسها هستند که با دندانهای زمخت (با دندانهای آسیایی سه برابر دندان آسیای ما) و جمجمه تاج دار خود از دیگر گونه ها متمایز می شوند و اگر چه حدود یک میلیون سال دوام آوردند، اما با ازدیاد گونه هومو رو به انقراض نهادند.
🔹از انواع پارانتروپوسها می توان به سه نوع اتیوپیکوس، روباستوس و بویزیای اشاره کرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸آسترالوپیتکوسها، حلقه واسط نخستین انسان ریخت ها (Hominids) و جنس هومو
🔹آسترالوپیتکوسها و پارانتروپوسها دو جنس انسان هستند که عادتا روی دو پا راه می رفتند، ولی گهگاه بر روی درختان نیز زندگی می کردند. این دو جنس حد فاصل 4.5 تا 1 میلیون سال پیش در این کره خاکی حضور داشتند. هر دو قدی در حدود یک سوم ما و نیز مغزی حدود 400 تا 500 سی سی داشتند. آسترولوپیتکوسها توانستند بعدها به گونه هومو متحول شوند، اما پارانتروپوسها برای همیشه راه انقراض را پیمودند و در حدود 1 میلیون سال قبل برای همیشه از صحنه گیتی حذف شدند.
🔹از انواع آسترولوپیتکوسها می توان به نمونه های زیر اشاره کرد:
1- استرالوپیتکوس آفارنسیس یا همان لوسی. که در سال 1974 توسط دانالد جوهانسون (که ایشان استاد دکتر وحدتی نسب نیز بوده اند) در اتیوپی کشف شد. لوسی دختری بین 9 تا 13 سال بوده است و حدود 55 درصد از اسکلت وی سالم به جا مانده است.
2- بحر غزالی. این مورد توسط میشل برونه در غرب آفریقا و در چاد کشف شد و قدمت آن به 3.3 میلیون سال قبل می رسد.
3- آسترالوپیتکوس آفریکانوس. متعلق به 2.1 تا 3 میلیون سال پیش است.
4- گارهی. که در سال 1990 به دست آمد و قبل از هوموهابیلیس یا انسان ابزار ساز به ساخت ابزارها اشتغال داشته و ایده شروع ابزارسازی در جنس هومو، که بعدها بدان خواهیم رسید، را زیر سوال می برد.
5- سدیبا. حدود 2 میلیون سال پیش می زیسته است و به نظر می رسد جد گونه هومو است.
🔹 پارانتروپوسها شاخه ای به موازات آسترالوپیتکوسها هستند که با دندانهای زمخت (با دندانهای آسیایی سه برابر دندان آسیای ما) و جمجمه تاج دار خود از دیگر گونه ها متمایز می شوند و اگر چه حدود یک میلیون سال دوام آوردند، اما با ازدیاد گونه هومو رو به انقراض نهادند.
🔹از انواع پارانتروپوسها می توان به سه نوع اتیوپیکوس، روباستوس و بویزیای اشاره کرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸جنس هومو، از تعریف تا ظهور هوموهابیلیس
🔹انسانهای امروزی مصادیقی از هومو هستند که با داشتن پیشانی صاف، مغز بزرگ، قدرت انتزاع و فرهنگ پیچیده از سایر جانوران قابل تمایز هستند. اما چه تعریفی برای اولین نمونه های هومو قابل عرضه است؟ آیا می توان هوموهابیلیس را به عنوان اولین هومو به رسمیت شناخت؟
🔹با وجود تعاریف مختلف برای جنس هومو از سوی دانشمندان بزرگی چون دوبژانسکی، مایر و دیگران، باز هم بر سر یک تعریف اجماع وجود ندارد. اما آنچه به عنوان جنس هومو از سایر انسانهای کشف شده در ماقبل آن متمایز است، داشتن مغز بزرگتر و و راه رفتن دائمی بر روی دو پا است.
🔹 لوئیس لیکی اولین هومو را با یافتن بقایای یک انسان در تنگه الدوای واقع در کشور تانزانیا در سال 1964 بدان اطلاق نمود و به دلیل یافتن ابزارهایی دست ساز در کنار آن این نمونه را هوموهابیلیس یا انسان ابزارساز نامید. هوموهابیلیس دارای مغزی به میزان 700 سی سی و صورت و دندانهای ظریفتر نسبت به آسترولوپیتکوسها بود. قد هوموهابیلیس 1.2 متر و وزن آن بین 30 تا 40 کیلوگرم بوده است و متعلق به 2.2 میلیون سال پیش است.
🔹ریچارد لیکی پسر لوئیس لیکی بعد از پدر خود یک نمونه دیگر انسان پیدا کرد که اگر چه خود آن را هوموهابیلیس می خواند، اما خصوصیاتی مشابه آسترولوپیتکوسها چون صورت درشت و دندانهای به شدت بزرگ باعث شد تا متمایز از انسان ماهر قرار گیرد و انسان رودولفی خوانده شود.
🔹با وجود مدعیات لوئیس لیکی برای مشخص کردن هوموهابیلیس به عنوان اولین نمونه هومو، نقدهایی از سوی دانشمندانی چون کلارک مطرح گردید. کلارک حلقه واصل بودن هوموهابیلیس بین آسترولوپیتکوسها و انسان راست قامت (که دارای قد 1.7 و گنجایش مغزی به اندازه 1200 سی سی است و بر سر هومو بودن آن قطعیت وجود دارد) را مورد تردید قرار داد. همچنین وجود ابزارهای سنگی به عنوان معیار و فصل تحولی بین هوموهابیلیس و سایر نمونه های قبلی را ناکافی خواند که بعدها این حرف نیز به اثبات رسید.
🔹با این حال امروزه هوموهابیلیس را به درست یا غلط از انواع جنس هومو می خوانند و علارغم مورد تردید قرار گرفتن آموزه دهه 70 و 80 میلادی مبنی بر نخستین ابزار ساز بودن، در ادبیات این حوزه در ردیف تقسیمات جنس هومو قرار می گیرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸جنس هومو، از تعریف تا ظهور هوموهابیلیس
🔹انسانهای امروزی مصادیقی از هومو هستند که با داشتن پیشانی صاف، مغز بزرگ، قدرت انتزاع و فرهنگ پیچیده از سایر جانوران قابل تمایز هستند. اما چه تعریفی برای اولین نمونه های هومو قابل عرضه است؟ آیا می توان هوموهابیلیس را به عنوان اولین هومو به رسمیت شناخت؟
🔹با وجود تعاریف مختلف برای جنس هومو از سوی دانشمندان بزرگی چون دوبژانسکی، مایر و دیگران، باز هم بر سر یک تعریف اجماع وجود ندارد. اما آنچه به عنوان جنس هومو از سایر انسانهای کشف شده در ماقبل آن متمایز است، داشتن مغز بزرگتر و و راه رفتن دائمی بر روی دو پا است.
🔹 لوئیس لیکی اولین هومو را با یافتن بقایای یک انسان در تنگه الدوای واقع در کشور تانزانیا در سال 1964 بدان اطلاق نمود و به دلیل یافتن ابزارهایی دست ساز در کنار آن این نمونه را هوموهابیلیس یا انسان ابزارساز نامید. هوموهابیلیس دارای مغزی به میزان 700 سی سی و صورت و دندانهای ظریفتر نسبت به آسترولوپیتکوسها بود. قد هوموهابیلیس 1.2 متر و وزن آن بین 30 تا 40 کیلوگرم بوده است و متعلق به 2.2 میلیون سال پیش است.
🔹ریچارد لیکی پسر لوئیس لیکی بعد از پدر خود یک نمونه دیگر انسان پیدا کرد که اگر چه خود آن را هوموهابیلیس می خواند، اما خصوصیاتی مشابه آسترولوپیتکوسها چون صورت درشت و دندانهای به شدت بزرگ باعث شد تا متمایز از انسان ماهر قرار گیرد و انسان رودولفی خوانده شود.
🔹با وجود مدعیات لوئیس لیکی برای مشخص کردن هوموهابیلیس به عنوان اولین نمونه هومو، نقدهایی از سوی دانشمندانی چون کلارک مطرح گردید. کلارک حلقه واصل بودن هوموهابیلیس بین آسترولوپیتکوسها و انسان راست قامت (که دارای قد 1.7 و گنجایش مغزی به اندازه 1200 سی سی است و بر سر هومو بودن آن قطعیت وجود دارد) را مورد تردید قرار داد. همچنین وجود ابزارهای سنگی به عنوان معیار و فصل تحولی بین هوموهابیلیس و سایر نمونه های قبلی را ناکافی خواند که بعدها این حرف نیز به اثبات رسید.
🔹با این حال امروزه هوموهابیلیس را به درست یا غلط از انواع جنس هومو می خوانند و علارغم مورد تردید قرار گرفتن آموزه دهه 70 و 80 میلادی مبنی بر نخستین ابزار ساز بودن، در ادبیات این حوزه در ردیف تقسیمات جنس هومو قرار می گیرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸هوموارکتوس، انسانی زیادی انسانی
🔹هوموارکتوس یا انسان راست قامت قدیمیترین هوموی مورد توافق دانشمندان در بهره مندی از ویژگی های جنس هومو است. قد 1.7 متر و گنجایش مغزی 1200 سی سی فاصله زیادی با انسان امروزی ندارد، حال آنکه جمجمه راگبی شکل با قوس پس سری هم تفاوتهای آن با انسان هوشمند هوشمند است.
🔹اولین هوموارکتوس در سال 1891 توسط دوبوا در جنوب شرق آسیا و در اندونزی به دست آمد و به انسان جاوه مشهور گردید. پس از آن و در چین، در غار ژکودیان بقایای انسان پکنی به دست آمد. این دو بین 1.5 تا 1.8 میلیون سال قبل می زیستند و این گمان را بوجود آوردند که آسیا خواستگاه انسان امروزی است.
🔹 اما در سال 1985 بقایای اولین انسان راست قامت در آفریقا مربوط به 2 میلیون سال قبل به دست آمد و به دلیل تمایز با نمونه آسیایی هوموارگاستر یا انسان کارگر نامیده شد. یکی از کاملترین نمونه ها به پسر ناریوکوتوم شناخته می شود که با 85 درصد اسکلت به جا مانده حتی از لوسی، که 55 درصد اسکلت آن سالم به دست آمده بود، هم کاملتر است. این کشفیات بار دیگر خواستگاه آفریقایی تبار انسان امروزی را تقویت بخشید.
🔹اما انسان راست قامت دستاوردهای شگرفی داشته است که یکی از آنها کشف آتش در 1.5 میلیون سال پیش است. خواب عمیق در انسان به خاطر امنیت به دست آمده از آتش، کوچک شدن دندانها و رشد مغز به دلیل مصرف غذاهای پخته شده و پرکالری از مزایای کشف آتش است.
🔹اما اولین انسانی که از آفریقا خارج شد و از طریق صحرای سینا به اروپا و همینطور خاورمیانه و در ادامه به سوی آسیای جنوب شرقی رهسپار گردید، انسان راست قامت است. از دلایل خروج انسان راست قامت از آفریقا می توان به دور شدن از حیوانات وحشی در آفریقا، تعقیب گله های حیواناتی که شکار مناسبی برای انسان بودند، و فاصله گرفتن از مناطق حاره ای و بیماری زای شرق آفریقا اشاره کرد.
🔹انسان راست قامت از دو میلیون سال قبل بر روی این کره خاکی حضور داشت و آخرین افراد از این نمونه موفق انسانی در حدود 100 هزار سال پیش در اندونزی می زیستند و به جرات می توان گفت در نسبت به ما انسانهای هوشمند هوشمند، که عمر حضورمان در روی این کره خاکی تا کنون از 60 هزار سال تجاوز نکرده است، حضور موفقی را بر روی زمین تجربه کرده اند.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸هوموارکتوس، انسانی زیادی انسانی
🔹هوموارکتوس یا انسان راست قامت قدیمیترین هوموی مورد توافق دانشمندان در بهره مندی از ویژگی های جنس هومو است. قد 1.7 متر و گنجایش مغزی 1200 سی سی فاصله زیادی با انسان امروزی ندارد، حال آنکه جمجمه راگبی شکل با قوس پس سری هم تفاوتهای آن با انسان هوشمند هوشمند است.
🔹اولین هوموارکتوس در سال 1891 توسط دوبوا در جنوب شرق آسیا و در اندونزی به دست آمد و به انسان جاوه مشهور گردید. پس از آن و در چین، در غار ژکودیان بقایای انسان پکنی به دست آمد. این دو بین 1.5 تا 1.8 میلیون سال قبل می زیستند و این گمان را بوجود آوردند که آسیا خواستگاه انسان امروزی است.
🔹 اما در سال 1985 بقایای اولین انسان راست قامت در آفریقا مربوط به 2 میلیون سال قبل به دست آمد و به دلیل تمایز با نمونه آسیایی هوموارگاستر یا انسان کارگر نامیده شد. یکی از کاملترین نمونه ها به پسر ناریوکوتوم شناخته می شود که با 85 درصد اسکلت به جا مانده حتی از لوسی، که 55 درصد اسکلت آن سالم به دست آمده بود، هم کاملتر است. این کشفیات بار دیگر خواستگاه آفریقایی تبار انسان امروزی را تقویت بخشید.
🔹اما انسان راست قامت دستاوردهای شگرفی داشته است که یکی از آنها کشف آتش در 1.5 میلیون سال پیش است. خواب عمیق در انسان به خاطر امنیت به دست آمده از آتش، کوچک شدن دندانها و رشد مغز به دلیل مصرف غذاهای پخته شده و پرکالری از مزایای کشف آتش است.
🔹اما اولین انسانی که از آفریقا خارج شد و از طریق صحرای سینا به اروپا و همینطور خاورمیانه و در ادامه به سوی آسیای جنوب شرقی رهسپار گردید، انسان راست قامت است. از دلایل خروج انسان راست قامت از آفریقا می توان به دور شدن از حیوانات وحشی در آفریقا، تعقیب گله های حیواناتی که شکار مناسبی برای انسان بودند، و فاصله گرفتن از مناطق حاره ای و بیماری زای شرق آفریقا اشاره کرد.
🔹انسان راست قامت از دو میلیون سال قبل بر روی این کره خاکی حضور داشت و آخرین افراد از این نمونه موفق انسانی در حدود 100 هزار سال پیش در اندونزی می زیستند و به جرات می توان گفت در نسبت به ما انسانهای هوشمند هوشمند، که عمر حضورمان در روی این کره خاکی تا کنون از 60 هزار سال تجاوز نکرده است، حضور موفقی را بر روی زمین تجربه کرده اند.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸انسان هایدلبرگ، جد انسان نئاندرتال و انسان هوشمند
🔹 با پراکنش انسان راست قامت در بقیه قاره ها چون آسیا، ما با شواهدی از این نوع انسان چون انسان گرجی در قفقاز، انسان فلورسی در آسیای جنوب شرقی و انسان نالدی در آفریقا مواجه می شویم. اما شواهدی از حضور انسان راست قامت در اروپا دیده نشده است.
🔹انسان اجدادی نوعی دیگر از انسان و متفاوت از انسان راست قامت است و در سال 1994 در گراندلینای اسپانیا کشف شد. فسیلهای به دست آمده متعلق به 780 هزار سال پیش است. برخی معتقدند که این انسان جد انسان نئاندرتال و انسان هوشمند است که در ادامه در روی کره زمین دیده خواهند شد، و به همین دلیل آن را انسان اجدادی می نامند. اما شواهد برای اینکه انسان هایدلبرگ جد انسان نئاندرتال و انسان هوشمند است، بیشتر است.
🔹 اولین نمونه از انسان هایدلبرگ در سال 1907 در آلمان به دست آمد. این انسان تلفیقی از خصوصیات انسان باستانی چون هوموارکتوس و انسان مدرن یا همان انسان هوشمند را در جمجمه خود دارد. انسان هایدلبرگ بین 700 تا 200 هزار سال پیش در اروپا، آفریقا و آسیا می زیسته است.
🔹انسان هایدلبرگ متفاوت از هومو ارکتوس که با تعقیب شکار و خسته کردن آن، به آن دست می یافت، به صورت گروهی و با نیزه و ادوات سنگی به شکار می پرداخته است.
🔹حجم مغزی زیاد و قابلیت زیست در مناطق سردسیر از ویژگیهای این انسان بوده است.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸انسان هایدلبرگ، جد انسان نئاندرتال و انسان هوشمند
🔹 با پراکنش انسان راست قامت در بقیه قاره ها چون آسیا، ما با شواهدی از این نوع انسان چون انسان گرجی در قفقاز، انسان فلورسی در آسیای جنوب شرقی و انسان نالدی در آفریقا مواجه می شویم. اما شواهدی از حضور انسان راست قامت در اروپا دیده نشده است.
🔹انسان اجدادی نوعی دیگر از انسان و متفاوت از انسان راست قامت است و در سال 1994 در گراندلینای اسپانیا کشف شد. فسیلهای به دست آمده متعلق به 780 هزار سال پیش است. برخی معتقدند که این انسان جد انسان نئاندرتال و انسان هوشمند است که در ادامه در روی کره زمین دیده خواهند شد، و به همین دلیل آن را انسان اجدادی می نامند. اما شواهد برای اینکه انسان هایدلبرگ جد انسان نئاندرتال و انسان هوشمند است، بیشتر است.
🔹 اولین نمونه از انسان هایدلبرگ در سال 1907 در آلمان به دست آمد. این انسان تلفیقی از خصوصیات انسان باستانی چون هوموارکتوس و انسان مدرن یا همان انسان هوشمند را در جمجمه خود دارد. انسان هایدلبرگ بین 700 تا 200 هزار سال پیش در اروپا، آفریقا و آسیا می زیسته است.
🔹انسان هایدلبرگ متفاوت از هومو ارکتوس که با تعقیب شکار و خسته کردن آن، به آن دست می یافت، به صورت گروهی و با نیزه و ادوات سنگی به شکار می پرداخته است.
🔹حجم مغزی زیاد و قابلیت زیست در مناطق سردسیر از ویژگیهای این انسان بوده است.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸انسان نئاندرتال، پسر عموی زمخت
🔹 انسان نئاندرتال حد فاصل 250 تا 40 هزار سال قبل و در اروپا، آسیای مرکزی و غربی، سیبری و حتی ایران می زیسته است. اولین بقایای این انسان در سال 1856 در دره نئاندر واقع در کشور آلمان به دست آمد. چون بقایای این انسان اولین فسیلهای کشف شده از نوع انسان دیگری به جز انسان هوشمند امروزی بود، مدتها طول کشید تا ایده متفاوت بودن این انسان از سوی دانشمندان به رسمیت شناخته شود.
🔹این انسان معمولا در بازنمایی های اولیه انسانی وحشی، کثیف و کودن نشان داده می شد، اما به مرور زمان مشخص شد که این نوع نگاه غلط است. تفاوتهای ظاهری نئاندرتالها با ما عبارتند از پیشانی عقب تر رفته، بدون چانه، قوس روی ابروان، حجم مغزی حتی تا 1700 سی سی در بعضی موارد(بزرگتر از حجم مغزی ما) ولی بدون لوب پیش پیشانی، لگن پهن تر، قدی کوتاهتر (1.6 متر) و با استخوانهای قوی تر از ما بوده است.
🔹 نئاندرتالها در دسته های 30 تا 40 نفره می زیستند. به دلیل ویژگی های متفاوت حنجره از ادای برخی حروف صددار عاجز بوده اند ولی قادر به تکلم بوده اند.
🔹از نمونه آثار هنری یافت شده برای این انسان می توان به نقاشی غار آوینو در اسپانیا و بقایای یک نوع فلوت در اسلوونی یاد کرد.
🔹غار شانیدر واقع در کردستان عراق از نمونه های عالی بقایای دسته جمعی این نوع انسان است و نشاندهنده تدفین های خاص در این نوع انسان است.
🔹از محوطه های در حال کاوش یا کاوش شده برای این نوع انسان در ایران می توان به محوطه بیستون (یک استخوان ساعد)، میرک در جنوب سمنان و غار قلعه کرد در حوالی قزوین یاد کرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸انسان نئاندرتال، پسر عموی زمخت
🔹 انسان نئاندرتال حد فاصل 250 تا 40 هزار سال قبل و در اروپا، آسیای مرکزی و غربی، سیبری و حتی ایران می زیسته است. اولین بقایای این انسان در سال 1856 در دره نئاندر واقع در کشور آلمان به دست آمد. چون بقایای این انسان اولین فسیلهای کشف شده از نوع انسان دیگری به جز انسان هوشمند امروزی بود، مدتها طول کشید تا ایده متفاوت بودن این انسان از سوی دانشمندان به رسمیت شناخته شود.
🔹این انسان معمولا در بازنمایی های اولیه انسانی وحشی، کثیف و کودن نشان داده می شد، اما به مرور زمان مشخص شد که این نوع نگاه غلط است. تفاوتهای ظاهری نئاندرتالها با ما عبارتند از پیشانی عقب تر رفته، بدون چانه، قوس روی ابروان، حجم مغزی حتی تا 1700 سی سی در بعضی موارد(بزرگتر از حجم مغزی ما) ولی بدون لوب پیش پیشانی، لگن پهن تر، قدی کوتاهتر (1.6 متر) و با استخوانهای قوی تر از ما بوده است.
🔹 نئاندرتالها در دسته های 30 تا 40 نفره می زیستند. به دلیل ویژگی های متفاوت حنجره از ادای برخی حروف صددار عاجز بوده اند ولی قادر به تکلم بوده اند.
🔹از نمونه آثار هنری یافت شده برای این انسان می توان به نقاشی غار آوینو در اسپانیا و بقایای یک نوع فلوت در اسلوونی یاد کرد.
🔹غار شانیدر واقع در کردستان عراق از نمونه های عالی بقایای دسته جمعی این نوع انسان است و نشاندهنده تدفین های خاص در این نوع انسان است.
🔹از محوطه های در حال کاوش یا کاوش شده برای این نوع انسان در ایران می توان به محوطه بیستون (یک استخوان ساعد)، میرک در جنوب سمنان و غار قلعه کرد در حوالی قزوین یاد کرد.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ مطالبی در ارتباط با دوره «تکامل انسان در ایران»
🔸از انسان هوشمند تا انسان هوشمند هوشمند
🔹انسان هوشمند و انسان هوشمند هوشمند دو گونه مختلف انسانی نیستند، بلکه فرق این دو در این است که انسان هوشمند به لحاظ آناتومیک ویژگیهای انسان مدرن را دارد، و انسان هوشمند هوشمند علاوه بر برخورداری از ویژگی های آناتومیکی مدرن، به لحاظ رفتاری هم ویژگیهای انسان مدرن را کسب کرده است که با قابلیت شناختی به دست آمده است.
🔹 قدیمتیرین فسیل یافت شده از انسان هوشمند در جبل ایرهود واقع در مراکش به دست آمده است که متعلق به 315 هزار سال پیش است. نمونه های متعددی نیز از منطقه لوانت، واقع در بخش شرقی دریای مدیترانه (شامل کشورهای فلسطین، مصر و سوریه) به دست آمده است. به نظر میرسد انسان هوشمند حد فاصل 220 هزار سال پیش از آفریقا خارج شده و به سمت خاورمیانه و همینطور اروپا رهسپار شده است.
🔹در حدود 60 تا 40 هزار سال پیش تحولی در بافت مغزی انسان هوشمند رخ می دهد که باعث توانمندیهای شناختی در وی می گردد و به انقلاب شناختی معروف است. این انقلاب شناختی باعث ظهور انسان هوشمند هوشمند با ویژگی های رفتاری مدرن، علاوه بر دارا بودن ویژگی های آناتومیکی مدرن، می گردد.
🔹انسان هوشمند هوشمند در ادامه قادر است با استفاده از قدرت شناختی خود به خلق ابزارهای استخوانی، هنر منقول، رام کردن سگ از گونه گرگ، شکار با فاصله بوسیله تیر و کمان، استفاده از سم برای شکار، تنوع در رژیم غذایی، استفاده از لباس و پوشش مناسب و زیورآلات، ساخت پیکره های سنگی (ونوسها) و نقاشی در غارها (نمونه های یافته شده در غار شاوه، لاسکو و آلتامیرا) مبادرت ورزد.
🔹نزدیکی انسان هوشمند و در ادامه انسان هوشمند هوشمند با نئاندرتالها و نزاع این دو با نئاندرتالها بر سر منابع غذایی مشترک موجب گردید تا نئاندرتالها در حدود 35 هزار سال پیش برای همیشه از روی کره زمین محو گردند.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸از انسان هوشمند تا انسان هوشمند هوشمند
🔹انسان هوشمند و انسان هوشمند هوشمند دو گونه مختلف انسانی نیستند، بلکه فرق این دو در این است که انسان هوشمند به لحاظ آناتومیک ویژگیهای انسان مدرن را دارد، و انسان هوشمند هوشمند علاوه بر برخورداری از ویژگی های آناتومیکی مدرن، به لحاظ رفتاری هم ویژگیهای انسان مدرن را کسب کرده است که با قابلیت شناختی به دست آمده است.
🔹 قدیمتیرین فسیل یافت شده از انسان هوشمند در جبل ایرهود واقع در مراکش به دست آمده است که متعلق به 315 هزار سال پیش است. نمونه های متعددی نیز از منطقه لوانت، واقع در بخش شرقی دریای مدیترانه (شامل کشورهای فلسطین، مصر و سوریه) به دست آمده است. به نظر میرسد انسان هوشمند حد فاصل 220 هزار سال پیش از آفریقا خارج شده و به سمت خاورمیانه و همینطور اروپا رهسپار شده است.
🔹در حدود 60 تا 40 هزار سال پیش تحولی در بافت مغزی انسان هوشمند رخ می دهد که باعث توانمندیهای شناختی در وی می گردد و به انقلاب شناختی معروف است. این انقلاب شناختی باعث ظهور انسان هوشمند هوشمند با ویژگی های رفتاری مدرن، علاوه بر دارا بودن ویژگی های آناتومیکی مدرن، می گردد.
🔹انسان هوشمند هوشمند در ادامه قادر است با استفاده از قدرت شناختی خود به خلق ابزارهای استخوانی، هنر منقول، رام کردن سگ از گونه گرگ، شکار با فاصله بوسیله تیر و کمان، استفاده از سم برای شکار، تنوع در رژیم غذایی، استفاده از لباس و پوشش مناسب و زیورآلات، ساخت پیکره های سنگی (ونوسها) و نقاشی در غارها (نمونه های یافته شده در غار شاوه، لاسکو و آلتامیرا) مبادرت ورزد.
🔹نزدیکی انسان هوشمند و در ادامه انسان هوشمند هوشمند با نئاندرتالها و نزاع این دو با نئاندرتالها بر سر منابع غذایی مشترک موجب گردید تا نئاندرتالها در حدود 35 هزار سال پیش برای همیشه از روی کره زمین محو گردند.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره تکامل انسان در ایران- دوره مجازی
👤 با حضور دکتر حامد وحدتی نسب، دانش آموخته انسان شناسی پیش از تاریخ از دانشگاه ایالتی آریزونا و عضو هیات علمی دانشگاه تربیت مدرس
📅 سه شنبهها، به مدت 5 هفته، از 21 اردیبهشت…
❇️ 5-9 معرفی و ثبت نام دوره مجازی «شبکه های عصبی مصنوعی و یادگیری عمیق»
🔸در حالی که بسیاری از رشته های دانشگاهی داده بنیان در حال تقلیل به حوزه ای وابسته به شبکه های عصبی مصنوعی در حوزه کامپیوتر هستند، لازم است تا با ضرورت و وسعت این حوزه آشنا شویم. هر روز شاهد گسترش این حوزه و کاربرد آن در پزشکی، زیست شناسی، رشته های مهندسی و همینطور علوم انسانی هستیم.
🔸یادگیری ماشین که اینک جای خود را به یادگیری عمیق داده است، با الهام از شبکه های عصبی مغزی از متد شبکه های عصبی مصنوعی بهره می گیرد و هر روز گسترش بیشتری می یابد. این متد در حال وحدت بخشی به بسیاری از علوم در خود است و به نظر می رسد با حل کردن بسیاری از علوم در خود، و مرتفع ساختن نیاز ما بدانها با روشهایی بهتر و سریعتر، به زودی آنها را به قفسه بایگانی علوم بفرستد. شاید رویای ما در تحقق عصر تمام عیار سیبورگ، و جایگزینی ماشین به جای انسان در پس یادگیری عمیق نهفته باشد.
🔸اما به راستی این غول بی شاخ و دم چیست؟ چرا ما نیازمند به یادگیری و آشنایی با شبکه های عصبی مصنوعی و یادگیری عمیق هستیم؟ چرا این حوزه بسیاری از حوزه های علمی فعلی را تهدید به حذف می کند؟ چرا ما به عنوان زیست شناس، پزشک، مهندس، فیزیکدان و ... مجبور هستیم این حوزه را یاد بگیریم؟ اهمیت و همینطور جواب این سوالات با دوره کاربردی پیش رو مرتفع می شود. این دوره به دانشجویان همه رشته ها توصیه می شود.
🔸به زودی نحوه ثبت نام در این دوره ارزشمند و پرکاربرد در این کانال خدمت عزیزان اعلام می شود. این دوره به صورت مجازی برگزار می شود.
مدیریت مجموعه مدارس میان رشته ای
🆔 @IDSchools
🔸در حالی که بسیاری از رشته های دانشگاهی داده بنیان در حال تقلیل به حوزه ای وابسته به شبکه های عصبی مصنوعی در حوزه کامپیوتر هستند، لازم است تا با ضرورت و وسعت این حوزه آشنا شویم. هر روز شاهد گسترش این حوزه و کاربرد آن در پزشکی، زیست شناسی، رشته های مهندسی و همینطور علوم انسانی هستیم.
🔸یادگیری ماشین که اینک جای خود را به یادگیری عمیق داده است، با الهام از شبکه های عصبی مغزی از متد شبکه های عصبی مصنوعی بهره می گیرد و هر روز گسترش بیشتری می یابد. این متد در حال وحدت بخشی به بسیاری از علوم در خود است و به نظر می رسد با حل کردن بسیاری از علوم در خود، و مرتفع ساختن نیاز ما بدانها با روشهایی بهتر و سریعتر، به زودی آنها را به قفسه بایگانی علوم بفرستد. شاید رویای ما در تحقق عصر تمام عیار سیبورگ، و جایگزینی ماشین به جای انسان در پس یادگیری عمیق نهفته باشد.
🔸اما به راستی این غول بی شاخ و دم چیست؟ چرا ما نیازمند به یادگیری و آشنایی با شبکه های عصبی مصنوعی و یادگیری عمیق هستیم؟ چرا این حوزه بسیاری از حوزه های علمی فعلی را تهدید به حذف می کند؟ چرا ما به عنوان زیست شناس، پزشک، مهندس، فیزیکدان و ... مجبور هستیم این حوزه را یاد بگیریم؟ اهمیت و همینطور جواب این سوالات با دوره کاربردی پیش رو مرتفع می شود. این دوره به دانشجویان همه رشته ها توصیه می شود.
🔸به زودی نحوه ثبت نام در این دوره ارزشمند و پرکاربرد در این کانال خدمت عزیزان اعلام می شود. این دوره به صورت مجازی برگزار می شود.
مدیریت مجموعه مدارس میان رشته ای
🆔 @IDSchools
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام و کسب اطلاعات بیشتر:
🆔 @IDSchools
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام و کسب اطلاعات بیشتر:
🆔 @IDSchools
❇️ کاربرد شبکه های عصبی مصنوعی در پزشکی
🔸شبکه های عصبی مصنوعی در حوزه پزشکی کاربردهای وسیعی پیدا کرده است. برخی از این کاربردها عبارتند از:
🔹1- تشخیص بیماری: از مواردی که در آنها
توفیقات قابل ملاحظه ای حاصل شده می توان به تشخیص زودهنگام بیماریهایی چون سرطان سینه، بیماریهای قلبی- عروقی، سل، مالاریا و آلزایمر با استفاده از تکنیک های شبکه های عصبی مصنوعی اشاره کرد.
🔹2- تجزیه و تحلیل های بیوشیمیایی: استفاده از تحلیل نمونه های خون و ادرار بوسیله تکنیک های شبکه های عصبی برای تشخیص بیماریهایی چون دیابت
🔹3- تجزیه و تحلیل تصویربرداری پزشکی: استفاده از شبکه های عصبی برای تحلیل تصاویر مغزی و ریوی برای تشخیص تومورهای مغزی و نیز کرونا
🔸شرکت در این دوره به دانشجویان پزشکی توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸شبکه های عصبی مصنوعی در حوزه پزشکی کاربردهای وسیعی پیدا کرده است. برخی از این کاربردها عبارتند از:
🔹1- تشخیص بیماری: از مواردی که در آنها
توفیقات قابل ملاحظه ای حاصل شده می توان به تشخیص زودهنگام بیماریهایی چون سرطان سینه، بیماریهای قلبی- عروقی، سل، مالاریا و آلزایمر با استفاده از تکنیک های شبکه های عصبی مصنوعی اشاره کرد.
🔹2- تجزیه و تحلیل های بیوشیمیایی: استفاده از تحلیل نمونه های خون و ادرار بوسیله تکنیک های شبکه های عصبی برای تشخیص بیماریهایی چون دیابت
🔹3- تجزیه و تحلیل تصویربرداری پزشکی: استفاده از شبکه های عصبی برای تحلیل تصاویر مغزی و ریوی برای تشخیص تومورهای مغزی و نیز کرونا
🔸شرکت در این دوره به دانشجویان پزشکی توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
✨️مدارس میان رشته ای
🔰🔰🔰 🔸«مدارس میان رشته ای» برگزار می کند: 🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی 👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران 📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400 ⏳ از ساعت 🕠 19 تا 🕖 20:30 🔴 ثبت نام و…
❇️ کاربرد شبکه های عصبی مصنوعی در فیزیک
🔸شبکه های عصبی مصنوعی علاوه بر پذیرفتن تاثیر از حوزه فیزیک، تاثیرات زیادی بر آن گذاشته اند و کاربردهای زیادی پیدا کرده است، به نحوی که برخی پیرامون پیدایش فیزیک جدید متاثر از شبکه های عصبی مصنوعی حرف می زنند. از جمله موارد کاربرد شبکه های عصبی مصنوعی در حوزه فیزیک می توان به موارد زیر اشاره کرد:
🔹1-تحلیل داده ها در فیزیک انرژی های بالا: یکی از موارد این کاربرد در پروژه های مجموعه علمی سرن برای آشکارسازی و تشخیص ذرات جدید در مدل استاندارد ذرات یا مدل ابرتقارن است.
🔹2- بهبود عملکرد و تحلیل داده های به دست آمده از عدسی های گرانشی: می دانیم که عدسی های گرانشی استفاده وسیعی در مطالعه ماده تاریک دارند. شبکه های عصبی هم در تحلیل داده های مربوط به تصاویر به دست آمده از رصدها و هم در بهبود عملکرد عدسی ها نقش ایفا می کنند.
🔹3- از دیگر کاربردهای شبکه های عصبی مصنوعی در نظریات مربوط به حوزه ماده چگال است.
🔸شرکت در این دوره به دانشجویان فیزیک توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸شبکه های عصبی مصنوعی علاوه بر پذیرفتن تاثیر از حوزه فیزیک، تاثیرات زیادی بر آن گذاشته اند و کاربردهای زیادی پیدا کرده است، به نحوی که برخی پیرامون پیدایش فیزیک جدید متاثر از شبکه های عصبی مصنوعی حرف می زنند. از جمله موارد کاربرد شبکه های عصبی مصنوعی در حوزه فیزیک می توان به موارد زیر اشاره کرد:
🔹1-تحلیل داده ها در فیزیک انرژی های بالا: یکی از موارد این کاربرد در پروژه های مجموعه علمی سرن برای آشکارسازی و تشخیص ذرات جدید در مدل استاندارد ذرات یا مدل ابرتقارن است.
🔹2- بهبود عملکرد و تحلیل داده های به دست آمده از عدسی های گرانشی: می دانیم که عدسی های گرانشی استفاده وسیعی در مطالعه ماده تاریک دارند. شبکه های عصبی هم در تحلیل داده های مربوط به تصاویر به دست آمده از رصدها و هم در بهبود عملکرد عدسی ها نقش ایفا می کنند.
🔹3- از دیگر کاربردهای شبکه های عصبی مصنوعی در نظریات مربوط به حوزه ماده چگال است.
🔸شرکت در این دوره به دانشجویان فیزیک توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
✨️مدارس میان رشته ای
🔰🔰🔰 🔸«مدارس میان رشته ای» برگزار می کند: 🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی 👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران 📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400 ⏳ از ساعت 🕠 19 تا 🕖 20:30 🔴 ثبت نام و…
❇️ کاربرد شبکه های عصبی مصنوعی در نوروساینس
🔸اگر شما اجزاء یک شبکه عصبی مصنوعی را نورونهایی فرض کنید که با همدیگر در ارتباط هستند، در واقع از ساختار نورونی مغز خود الهام گرفته اید. یا اگر آنها را اسپینهایی با توزیع رندوم در یک میدان مغناطیسی تصور کنید، از فیزیک الهام گرفته اید. و اگر ساختار یک شبکه عصبی را چون یک تابع هزینه در نظر بگیرید که سعی در بهینه سازی آن دارید، از ریاضیات الهام گرفته اید. ترکیب سه علم نوروساینس، فیزیک و ریاضیات با همدیگر زیرساخت بسیاری از مدلهای شبکه های عصبی مصنوعی است. از طرفی نوروساینس محاسباتی نیز با تلفیق این سه حوزه علمی به دست می آید. پس می توانید به راحتی دلیل ارتباط تنگاتنگ نوروساینس محاسباتی و شبکه های عصبی مصنوعی را درک کنید. نوروساینس محاسباتی با فرض پیروی مغز از الگوهای ریاضیاتی و فیزیکی سعی در مدلسازی و در ادامه بهبود و بهینه سازی عملکردهای عالی مغزی چون حافظه، یادگیری و ... دارد و ابزار کار آن شبکه های عصبی مصنوعی است.
🔸از طرفی شما می توانید حس هایی چون بینایی و شنوائی و دریافت کننده های اولیه این حواس چون چشم و گوش خود را به عنوان بخشی از مغز خود تلقی کنید که ورودیهای حسی را در شبکه ای نورونی تحلیل کرده و آخر کار یک خروجی دیداری یا شنیداری به شما تحویل می دهند. بازسازی این دو خود تولید شبکه های عصبی مصنوعی است.
🔸شرکت در این دوره به علاقمندان حوزه نوروساینس توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸اگر شما اجزاء یک شبکه عصبی مصنوعی را نورونهایی فرض کنید که با همدیگر در ارتباط هستند، در واقع از ساختار نورونی مغز خود الهام گرفته اید. یا اگر آنها را اسپینهایی با توزیع رندوم در یک میدان مغناطیسی تصور کنید، از فیزیک الهام گرفته اید. و اگر ساختار یک شبکه عصبی را چون یک تابع هزینه در نظر بگیرید که سعی در بهینه سازی آن دارید، از ریاضیات الهام گرفته اید. ترکیب سه علم نوروساینس، فیزیک و ریاضیات با همدیگر زیرساخت بسیاری از مدلهای شبکه های عصبی مصنوعی است. از طرفی نوروساینس محاسباتی نیز با تلفیق این سه حوزه علمی به دست می آید. پس می توانید به راحتی دلیل ارتباط تنگاتنگ نوروساینس محاسباتی و شبکه های عصبی مصنوعی را درک کنید. نوروساینس محاسباتی با فرض پیروی مغز از الگوهای ریاضیاتی و فیزیکی سعی در مدلسازی و در ادامه بهبود و بهینه سازی عملکردهای عالی مغزی چون حافظه، یادگیری و ... دارد و ابزار کار آن شبکه های عصبی مصنوعی است.
🔸از طرفی شما می توانید حس هایی چون بینایی و شنوائی و دریافت کننده های اولیه این حواس چون چشم و گوش خود را به عنوان بخشی از مغز خود تلقی کنید که ورودیهای حسی را در شبکه ای نورونی تحلیل کرده و آخر کار یک خروجی دیداری یا شنیداری به شما تحویل می دهند. بازسازی این دو خود تولید شبکه های عصبی مصنوعی است.
🔸شرکت در این دوره به علاقمندان حوزه نوروساینس توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
✨️مدارس میان رشته ای
🔰🔰🔰 🔸«مدارس میان رشته ای» برگزار می کند: 🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی 👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران 📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400 ⏳ از ساعت 🕠 19 تا 🕖 20:30 🔴 ثبت نام و…
❇️ شبکه های عصبی مصنوعی و زیست شناسی
🔸مغز که خود یک شبکه عصبی زیستی است، الهام بخش تحولات اخیر در حوزه شبکه های عصبی مصنوعی گردیده است. از طرفی شبکه های عصبی مصنوعی موجب توفیقات زیادی در حوزه هایی جدید در بیولوژی چون نوروانفورماتیک شده است.
🔸نوروانفورماتیک به دانش مطالعه پردازش اطلاعات در سیستم های عصبی از منظر محاسباتی گفته می شود، دانشی میان رشته ای که ترکیبی از فلسفه ذهن، روان شناسی و علوم کامپیوتر است.
🔸پروژه هایی چون Mind uploading، Brain connectome، و ... با همکاری متقابل زیست شناسان و مهندسان در حال انجام است. در پروژه Mind uploading تلاش می شود با استفاده از فرآیند اسکن ساختار فیزیکی مغز و تقلید از حالات ذهنی، آنها را به زبان سیگنال در ماشین کپی سازی و عملیاتی کنند. این کارها مستلزم مطالعات دقیق آزمایشگاهی بر روی نمونه های حیوانی است. در ادامه ماحصل این آزمایشها به زبان ماشین برگردانده شده و با استفاده از تکنیک های شبکه های عصبی مصنوعی مدلسازی می گردد.
🔸شرکت در این دوره به علاقمندان حوزه زیست شناسی توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸مغز که خود یک شبکه عصبی زیستی است، الهام بخش تحولات اخیر در حوزه شبکه های عصبی مصنوعی گردیده است. از طرفی شبکه های عصبی مصنوعی موجب توفیقات زیادی در حوزه هایی جدید در بیولوژی چون نوروانفورماتیک شده است.
🔸نوروانفورماتیک به دانش مطالعه پردازش اطلاعات در سیستم های عصبی از منظر محاسباتی گفته می شود، دانشی میان رشته ای که ترکیبی از فلسفه ذهن، روان شناسی و علوم کامپیوتر است.
🔸پروژه هایی چون Mind uploading، Brain connectome، و ... با همکاری متقابل زیست شناسان و مهندسان در حال انجام است. در پروژه Mind uploading تلاش می شود با استفاده از فرآیند اسکن ساختار فیزیکی مغز و تقلید از حالات ذهنی، آنها را به زبان سیگنال در ماشین کپی سازی و عملیاتی کنند. این کارها مستلزم مطالعات دقیق آزمایشگاهی بر روی نمونه های حیوانی است. در ادامه ماحصل این آزمایشها به زبان ماشین برگردانده شده و با استفاده از تکنیک های شبکه های عصبی مصنوعی مدلسازی می گردد.
🔸شرکت در این دوره به علاقمندان حوزه زیست شناسی توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
✨️مدارس میان رشته ای
🔰🔰🔰 🔸«مدارس میان رشته ای» برگزار می کند: 🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی 👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران 📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400 ⏳ از ساعت 🕠 19 تا 🕖 20:30 🔴 ثبت نام و…
❇️ شبکه های عصبی مصنوعی و علوم شناختی
🔸شبکه های عصبی مصنوعی با دارا بودن مزایای فراوان جای پای خود را در مدلسازی های شناختی و طراحی تسک های شناختی باز کرده است. اما مزایای این شبکه های عمیق چیست و دلیل توانمندی و این کاربرد گسترده در حوزه علوم شناختی چه می تواند باشد؟
🔸یکی از دلایل این محبوبیت این است که این شبکه ها از پویایی لازم و غیر قابل پیش بینی بودن بهره مند هستند و با استفاده از الگوریتم های متعدد و خلاقانه می توانند به بروز خواص نوظهور بینجامند و این امر موجب شباهت بیشتر این شبکه های مصنوعی به شبکه های عصبی در مغز می گردد.
🔸از طرفی انعطاف پذیری این شبکه های مصنوعی به مانند خصوصیت پلاستیسیتی در مغز موجب بهبود عملکرد شبکه های عصبی مصنوعی با یاددهی به شبکه می شود و رفتارهای آن را به مغز شبیه می سازد.
🔸قابلیت یاددهی (training) بوسیله ناظر انسانی (superviced) و بدون اعمال نظارت انسانی (unsuperviced) در شبکه های عصبی مصنوعی به مانند یادگیری و تقویت آن بوسیله سیناپسها در مغز است که باعث قدرت آن سیناپس در مغز و یا افزایش وزن یک یال در شبکه های عصبی مصنوعی می شود.
🔸این ویژگی ها موجب می شود که همه روزه شاهد افزایش کاربرد شبکه های عصبی مصنوعی در مطالعات شناختی باشیم.
🔸شرکت در این دوره به علاقمندان حوزه علوم شناختی توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸شبکه های عصبی مصنوعی با دارا بودن مزایای فراوان جای پای خود را در مدلسازی های شناختی و طراحی تسک های شناختی باز کرده است. اما مزایای این شبکه های عمیق چیست و دلیل توانمندی و این کاربرد گسترده در حوزه علوم شناختی چه می تواند باشد؟
🔸یکی از دلایل این محبوبیت این است که این شبکه ها از پویایی لازم و غیر قابل پیش بینی بودن بهره مند هستند و با استفاده از الگوریتم های متعدد و خلاقانه می توانند به بروز خواص نوظهور بینجامند و این امر موجب شباهت بیشتر این شبکه های مصنوعی به شبکه های عصبی در مغز می گردد.
🔸از طرفی انعطاف پذیری این شبکه های مصنوعی به مانند خصوصیت پلاستیسیتی در مغز موجب بهبود عملکرد شبکه های عصبی مصنوعی با یاددهی به شبکه می شود و رفتارهای آن را به مغز شبیه می سازد.
🔸قابلیت یاددهی (training) بوسیله ناظر انسانی (superviced) و بدون اعمال نظارت انسانی (unsuperviced) در شبکه های عصبی مصنوعی به مانند یادگیری و تقویت آن بوسیله سیناپسها در مغز است که باعث قدرت آن سیناپس در مغز و یا افزایش وزن یک یال در شبکه های عصبی مصنوعی می شود.
🔸این ویژگی ها موجب می شود که همه روزه شاهد افزایش کاربرد شبکه های عصبی مصنوعی در مطالعات شناختی باشیم.
🔸شرکت در این دوره به علاقمندان حوزه علوم شناختی توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
❇️ از یادگیری ماشین تا شبکه های عصبی مصنوعی و یادگیری عمیق
🔸فردی را تصور کنید که به علت قطع شدن یکی از دستانش صاحب دستی مصنوعی است و قرار است این دست تصورات شکل گرفته در ذهن وی را در قالب حرکاتی به نمایش بگذارد. شما الکترودهای EEG را بر روی سر او قرار داده اید تا سیگنالهای مغزی را دریافت کند و پس از پردازش در یک هوش مصنوعی، که به دست متصل است، به خروجی حرکات تبدیل سازد. درک این فرآیند می تواند به درک شما از یادگیری ماشین منجر شود.
🔸در ابتدا سیگنالهای مغزی از طریق EEG ثبت می شود. در ادامه داده ها پیش پردازش شده، نویز ها حذف و سیگنالها تقویت گردیده و داده ها آماده می شوند (مرحله گردآوری، پیش پردازش و آماده سازی داده ها) (Data acquisition).
🔸در ادامه ویژگی های این داده ها استخراج گردیده (Feature Extracting) و از بین آنها برخی ویژگی ها انتخاب می شوند (Feature Selection). روشهایی برای این کار وجود دارد که از مهمترین آنها می توان به الگوریتم های ژنتیک اشاره کرد.
🔸برای به دست آوردن الگویی در بین این ویژگیهای انتخاب شده و رسیدن به فرمانی مثل چرخاندن دست مصنوعی به سمت چپ یا راست به طبقه بندی (Classification) این ویژگی ها نیاز داریم. در واقع در این قسمت است که یادگیری ماشین رخ می دهد. به این صورت که از میان ویژگی های به دست آمده، 70 درصد را به یاددهی ماشین اختصاص داده و 30 درصد را به تست و ارزیابی ماشین اختصاص می دهیم تا میزان کارآمدی آن را بسنجیم. برای طبقه بندی روشهایی وجود دارد که از مهمترین آنها می توان به شبکه های عصبی اشاره کرد.
🔸تفاوت یادگیری ماشین و یادگیری عمیق در این است که در یادگیری ماشین مرحله استخراج و انتخاب ویژگی ها، و مرحله طبقه بندی دو مرحله جدا از هم در نظر گرفته می شود، حال آنکه در یادگیری عمیق این دو فرآیند در دل هم انگاشته شده و با هم مورد تحلیل و بررسی قرار می گیرند.
🔸عمق بیشتر شبکه های عمیق و طولانی تر بودن زنجیره آن به دلیل در هم تنیدگی دو فرآیند اخذ ویژگی ها و طبقه بندی آنها است.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸فردی را تصور کنید که به علت قطع شدن یکی از دستانش صاحب دستی مصنوعی است و قرار است این دست تصورات شکل گرفته در ذهن وی را در قالب حرکاتی به نمایش بگذارد. شما الکترودهای EEG را بر روی سر او قرار داده اید تا سیگنالهای مغزی را دریافت کند و پس از پردازش در یک هوش مصنوعی، که به دست متصل است، به خروجی حرکات تبدیل سازد. درک این فرآیند می تواند به درک شما از یادگیری ماشین منجر شود.
🔸در ابتدا سیگنالهای مغزی از طریق EEG ثبت می شود. در ادامه داده ها پیش پردازش شده، نویز ها حذف و سیگنالها تقویت گردیده و داده ها آماده می شوند (مرحله گردآوری، پیش پردازش و آماده سازی داده ها) (Data acquisition).
🔸در ادامه ویژگی های این داده ها استخراج گردیده (Feature Extracting) و از بین آنها برخی ویژگی ها انتخاب می شوند (Feature Selection). روشهایی برای این کار وجود دارد که از مهمترین آنها می توان به الگوریتم های ژنتیک اشاره کرد.
🔸برای به دست آوردن الگویی در بین این ویژگیهای انتخاب شده و رسیدن به فرمانی مثل چرخاندن دست مصنوعی به سمت چپ یا راست به طبقه بندی (Classification) این ویژگی ها نیاز داریم. در واقع در این قسمت است که یادگیری ماشین رخ می دهد. به این صورت که از میان ویژگی های به دست آمده، 70 درصد را به یاددهی ماشین اختصاص داده و 30 درصد را به تست و ارزیابی ماشین اختصاص می دهیم تا میزان کارآمدی آن را بسنجیم. برای طبقه بندی روشهایی وجود دارد که از مهمترین آنها می توان به شبکه های عصبی اشاره کرد.
🔸تفاوت یادگیری ماشین و یادگیری عمیق در این است که در یادگیری ماشین مرحله استخراج و انتخاب ویژگی ها، و مرحله طبقه بندی دو مرحله جدا از هم در نظر گرفته می شود، حال آنکه در یادگیری عمیق این دو فرآیند در دل هم انگاشته شده و با هم مورد تحلیل و بررسی قرار می گیرند.
🔸عمق بیشتر شبکه های عمیق و طولانی تر بودن زنجیره آن به دلیل در هم تنیدگی دو فرآیند اخذ ویژگی ها و طبقه بندی آنها است.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
❇️ مطالبی پیرامون دوره شبکه های عصبی مصنوعی و یادگیری عمیق
🔸مبانی شبکه های عصبی مصنوعی و معرفی شبکه های عصبی مک کلاچ- پیتز، هب، و پرسپترون- جلسات اول و دوم این دوره
🔹هر شبکه عصبی مصنوعی از تعدادی گره و اتصال بین آنها (یال) تشکیل شده است. هر گره معادل یک نورون در شبکه عصبی طبیعی در مغز است که باید به میزان معینی فعال سازی شود تا برانگیخته شود و به اصطلاح فایر (Fire) کند. این حد از برانگیختی را آستانه (Threshold) می گویند. هر چه ارتباط دو گره واقع در دو سر یک یال بیشتر و به یک معنا استحکام این رابطه بیشتر باشد، وزن اختصاص یافته به آن یال بیشتر است. یک شبکه متشکل از تعدادی داده های ورودی (Input)، چند لایه که ماحصل ارتباط بین گره ها هستند، و داده های خروجی (Output) است.
🔹شبکه عصبی مک کلاچ- پیتز، معرفی شده به سال 1943 توسط مک کلاچ- پیتز):
▫️ساده ترین نوع شبکه عصبی است و پیشخور (Feedforward) است، بدین معنا که ارتباط بین گره ها از گره های ورودی و در ادامه گره های لایه ها و همینطور گره های خروجی رو به جلو است و بازگشتی و چرخشی نیست.
🔹شبکه عصبی هب، معرفی شده به سال 1949 توسط دونالد هب:
▫️ایده مطرح در این نوع شبکه عصبی این است که اگر دو گره دو طرف یک یال به طور همزمان فعال شوند، وزن یا استحکام ارتباط بین این دو گره افزایش می یابد. بدیهی است که فعال سازی غیرهمزمان این دو باعث کاهش این وزن می شود.
🔹شبکه عصبی پرسپترون، معرفی شده در سال 1958 توسط فرانک روزنبلات:
▫️این شبکه عصبی که با الهام از چشم مطرح گردید، مبتنی بر تکرار فعال سازی گره ها برای تنظیم وزن یک یال و رسیدن میزان استحکام آن به عدد مطلوب نظر ما است.
🔸شرکت در این دوره به دانشجویان رشته های مهندسی برق و کامپیوتر توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸مبانی شبکه های عصبی مصنوعی و معرفی شبکه های عصبی مک کلاچ- پیتز، هب، و پرسپترون- جلسات اول و دوم این دوره
🔹هر شبکه عصبی مصنوعی از تعدادی گره و اتصال بین آنها (یال) تشکیل شده است. هر گره معادل یک نورون در شبکه عصبی طبیعی در مغز است که باید به میزان معینی فعال سازی شود تا برانگیخته شود و به اصطلاح فایر (Fire) کند. این حد از برانگیختی را آستانه (Threshold) می گویند. هر چه ارتباط دو گره واقع در دو سر یک یال بیشتر و به یک معنا استحکام این رابطه بیشتر باشد، وزن اختصاص یافته به آن یال بیشتر است. یک شبکه متشکل از تعدادی داده های ورودی (Input)، چند لایه که ماحصل ارتباط بین گره ها هستند، و داده های خروجی (Output) است.
🔹شبکه عصبی مک کلاچ- پیتز، معرفی شده به سال 1943 توسط مک کلاچ- پیتز):
▫️ساده ترین نوع شبکه عصبی است و پیشخور (Feedforward) است، بدین معنا که ارتباط بین گره ها از گره های ورودی و در ادامه گره های لایه ها و همینطور گره های خروجی رو به جلو است و بازگشتی و چرخشی نیست.
🔹شبکه عصبی هب، معرفی شده به سال 1949 توسط دونالد هب:
▫️ایده مطرح در این نوع شبکه عصبی این است که اگر دو گره دو طرف یک یال به طور همزمان فعال شوند، وزن یا استحکام ارتباط بین این دو گره افزایش می یابد. بدیهی است که فعال سازی غیرهمزمان این دو باعث کاهش این وزن می شود.
🔹شبکه عصبی پرسپترون، معرفی شده در سال 1958 توسط فرانک روزنبلات:
▫️این شبکه عصبی که با الهام از چشم مطرح گردید، مبتنی بر تکرار فعال سازی گره ها برای تنظیم وزن یک یال و رسیدن میزان استحکام آن به عدد مطلوب نظر ما است.
🔸شرکت در این دوره به دانشجویان رشته های مهندسی برق و کامپیوتر توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
❇️ مطالبی پیرامون دوره شبکه های عصبی مصنوعی و یادگیری عمیق
🔸 شبکه های عصبی آدالاین و الگوریتم کاهش گرادیان- شبکه های عصبی پرسپترون چند لایه و الگوریتم پس انتشار خطا- جلسات سوم و چهارم این دوره
🔹شبکه های عصبی آدالاین (معرفی شده در سال 1960 توسط برنارد ویدرو و مارسیان هاف):
▫️این نوع شبکه عصبی مبتنی بر قانون دلتا است که سعی در محاسبه مجدد وزن بین یالهای داده های ورودی با استفاده از گرادیان کاهشی دارد.
🔹گرادیان کاهشی (Gradient decent):
▫️گرادیان کاهشی نوعی الگوریتم بهینه سازی برای پیدا کردن کمینه یا مینیمم یک تابع است. کار با انتخاب نوعی نقطه تصادفی بر روی منحنی یک تابع شروع می شود و با حرکت در جهت کاهش شیب خط مماس بر نقاط انتخابی در منحنی تابع با استفاده از عملیات مشتق گیری، به کمینه یا مینیمم مقدار آن تابع دست می یابیم. این کار یک فرآیند تکراری تا حصول نتیجه است.
🔹شبکه عصبی پرسپترون چند لایه:
▫️تفاوت پرسپترون ساده و چند لایه در این است که اولی برای حل مسائل ساده به کار می رود، حال آنکه دومی برای حل مسائل پیچیده مورد استفاده قرار می گیرد. در حالت چندلایه تعداد لایه های میانی، که مبین تعداد ویژگی های اخذشده است، می تواند بیش از یک لایه باشد.
🔹الگوریتم پس انتشار خطا (Back propagation):
▫️در این الگوریتم به منظور اصلاح خطا در وزن اختصاص یافته به یالها، میزان خطا را به سمت عقب در شبکه برمی گردانیم تا میزان خطا مینیمم شود. برای پس انتشار خطا می توان از گرادیان کاهشی استفاده نمود.
🔸این دوره به دانشجویان رشته های مهندسی صنایع و مکانیک توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸 شبکه های عصبی آدالاین و الگوریتم کاهش گرادیان- شبکه های عصبی پرسپترون چند لایه و الگوریتم پس انتشار خطا- جلسات سوم و چهارم این دوره
🔹شبکه های عصبی آدالاین (معرفی شده در سال 1960 توسط برنارد ویدرو و مارسیان هاف):
▫️این نوع شبکه عصبی مبتنی بر قانون دلتا است که سعی در محاسبه مجدد وزن بین یالهای داده های ورودی با استفاده از گرادیان کاهشی دارد.
🔹گرادیان کاهشی (Gradient decent):
▫️گرادیان کاهشی نوعی الگوریتم بهینه سازی برای پیدا کردن کمینه یا مینیمم یک تابع است. کار با انتخاب نوعی نقطه تصادفی بر روی منحنی یک تابع شروع می شود و با حرکت در جهت کاهش شیب خط مماس بر نقاط انتخابی در منحنی تابع با استفاده از عملیات مشتق گیری، به کمینه یا مینیمم مقدار آن تابع دست می یابیم. این کار یک فرآیند تکراری تا حصول نتیجه است.
🔹شبکه عصبی پرسپترون چند لایه:
▫️تفاوت پرسپترون ساده و چند لایه در این است که اولی برای حل مسائل ساده به کار می رود، حال آنکه دومی برای حل مسائل پیچیده مورد استفاده قرار می گیرد. در حالت چندلایه تعداد لایه های میانی، که مبین تعداد ویژگی های اخذشده است، می تواند بیش از یک لایه باشد.
🔹الگوریتم پس انتشار خطا (Back propagation):
▫️در این الگوریتم به منظور اصلاح خطا در وزن اختصاص یافته به یالها، میزان خطا را به سمت عقب در شبکه برمی گردانیم تا میزان خطا مینیمم شود. برای پس انتشار خطا می توان از گرادیان کاهشی استفاده نمود.
🔸این دوره به دانشجویان رشته های مهندسی صنایع و مکانیک توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
❇️ مطالبی پیرامون دوره شبکه های عصبی مصنوعی و یادگیری عمیق
🔸کاربرد شبکه های عصبی پرسپرتون چندلایه - شبکه های عصبی عمیق و معرفی شبکه عصبی باورعمیق- جلسات پنجم و ششم این دوره
🔹کاربرد شبکه های عصبی پرسپترون چند لایه
▫️از این نوع شبکه در حوزه هایی چون بازشناسی گفتار، بینایی ماشین و ترجمه ماشینی استفاده می شود.
🔹شبکه های عصبی عمیق
▫️شبکه عصبی عمیق معمولا معادل با یادگیری عمیق در نظر گرفته می شود. در این نوع شبکه ها علاوه بر انجام مرحله طبقه بندی (Classification)، مرحله استخراج و انتخاب ویژگی ها نیز توسط شبکه عصبی انجام می شود.
🔹شبکه عصبی باور عمیق (Deep Belief Network)
▫️نظر به اینکه در شبکه های عصبی معمولی چون پرسپترون چند لایه با افزودن تعداد لایه ها سرعت یاددهی به ماشین پایین می آید، لذا برای حل این مشکل از شبکه باور عمیق (DBN) استفاده می شود.
🔸شرکت در این دوره به دانشجویان رشته های زیست شناسی و فیزیک توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸کاربرد شبکه های عصبی پرسپرتون چندلایه - شبکه های عصبی عمیق و معرفی شبکه عصبی باورعمیق- جلسات پنجم و ششم این دوره
🔹کاربرد شبکه های عصبی پرسپترون چند لایه
▫️از این نوع شبکه در حوزه هایی چون بازشناسی گفتار، بینایی ماشین و ترجمه ماشینی استفاده می شود.
🔹شبکه های عصبی عمیق
▫️شبکه عصبی عمیق معمولا معادل با یادگیری عمیق در نظر گرفته می شود. در این نوع شبکه ها علاوه بر انجام مرحله طبقه بندی (Classification)، مرحله استخراج و انتخاب ویژگی ها نیز توسط شبکه عصبی انجام می شود.
🔹شبکه عصبی باور عمیق (Deep Belief Network)
▫️نظر به اینکه در شبکه های عصبی معمولی چون پرسپترون چند لایه با افزودن تعداد لایه ها سرعت یاددهی به ماشین پایین می آید، لذا برای حل این مشکل از شبکه باور عمیق (DBN) استفاده می شود.
🔸شرکت در این دوره به دانشجویان رشته های زیست شناسی و فیزیک توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
❇️ مطالبی پیرامون دوره شبکه های عصبی مصنوعی و یادگیری عمیق
🔸ادامه شبکه های عصبی عمیق- شبکه عصبی خودرمزنگار - شبکه عصبی پیچشی - شبکه عصبی مولد تخاصمی- جلسات هفتم و هشتم این دوره
🔹شبکه عصبی خودرمزنگار (Auto Encoder):
▫️شبکه عصبی خودرمزنگار (AE) کارکرد خوبی در بخش یاددهی به ماشین ایفا می کند و از دسته شبکه های عصبی نظارتی (Supervised) است.
🔹شبکه عصبی پیچشی (Convolutional Neural Network):
▫️شبکه عصبی پیچشی (CNN) برای تحلیل های تصویری و گفتاری به کار برده می شود. در این نوع شبکه از دانش پیشین و تزریقی از سوی انسان به ماشین خبری نیست و ماشین دارای نوعی استقلال است.
🔹شبکه مولد تخاصمی (Generative Adversarial Network):
▫️شبکه مولد تخاصمی (GAN) در سال 2014 توسط یان گودفلو و همکارانش بسط داده شد. این شبکه از تزریق داده ورودی مستقل است و دارای دو شبکه است. شبکه اول به تولید داده می پردازد (شبکه مولد) و شبکه دوم به تحلیل داده ها و پالایش داده های غلط و جعلی مبادرت می ورزد (شبکه تخاصمی).
🔸شرکت در این دوره به دانشجویان رشته های پزشکی و نوروساینس توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
🔸ادامه شبکه های عصبی عمیق- شبکه عصبی خودرمزنگار - شبکه عصبی پیچشی - شبکه عصبی مولد تخاصمی- جلسات هفتم و هشتم این دوره
🔹شبکه عصبی خودرمزنگار (Auto Encoder):
▫️شبکه عصبی خودرمزنگار (AE) کارکرد خوبی در بخش یاددهی به ماشین ایفا می کند و از دسته شبکه های عصبی نظارتی (Supervised) است.
🔹شبکه عصبی پیچشی (Convolutional Neural Network):
▫️شبکه عصبی پیچشی (CNN) برای تحلیل های تصویری و گفتاری به کار برده می شود. در این نوع شبکه از دانش پیشین و تزریقی از سوی انسان به ماشین خبری نیست و ماشین دارای نوعی استقلال است.
🔹شبکه مولد تخاصمی (Generative Adversarial Network):
▫️شبکه مولد تخاصمی (GAN) در سال 2014 توسط یان گودفلو و همکارانش بسط داده شد. این شبکه از تزریق داده ورودی مستقل است و دارای دو شبکه است. شبکه اول به تولید داده می پردازد (شبکه مولد) و شبکه دوم به تحلیل داده ها و پالایش داده های غلط و جعلی مبادرت می ورزد (شبکه تخاصمی).
🔸شرکت در این دوره به دانشجویان رشته های پزشکی و نوروساینس توصیه می شود.
🔸نحوه ثبت نام در این دوره
🆔 @IDSchools
Telegram
مدارس میان رشته ای
🔰🔰🔰
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…
🔸«مدارس میان رشته ای» برگزار می کند:
🔹 دوره شبکه های عصبی مصنوعی و یادگیری عمیق- دوره مجازی
👤 با حضور دکتر هادی ویسی، عضو هیات علمی دانشگاه تهران
📅 دوشنبهها، به مدت 10 هفته، از 6 اردیبهشت تا 14 تیر ماه 1400
⏳ از ساعت 🕠 19 تا 🕖 20:30
🔴 ثبت نام…